1

Unidad 1. Introducción al tratamiento Digital de Señales. Tarea 2

Reconocer los elementos matemáticos del sistema de conversión
analógica digital
Andres Felipe Leon Rentería Universidad Abierta y a Distancia Ingeniería de
Telecomunicaciones


Conversión analógica / Digital (A/D)

Resumen— El procesamiento de señales digitales o DSP es
la manipulación matemática de una señal de información para Los dispositivos que realizan esta operación se denominan
modificarla o mejorarla en algún sentido. Este esta caracterizado Conversores A/D. El proceso de conversión A/D consta de los
por la representación en el dominio del tiempo discreto, en el
dominio frecuencia discreta, u otro dominio discreto de señales siguientes pasos:
por medio de una secuencia de números o símbolos y el procesado
de estas señales.
Figura 1. Conversión analógica/digital

Abstract— Digital signal processing or DSP is the mathematical

manipulation of an information signal to modify or improve it in
some way. It is characterized by the representation in the discrete
time domain, in the discrete frequency domain, or other discrete
domain of signals by means of a sequence of numbers or symbols
and the processing of these signals.

INTRODUCCIÓN
Podemos decir que cuando realizamos cualquier proceso digital La conversión analógica-digital (CAD) consiste en la transcripción de
para modificar la representación digital de una señal estamos haciendo señales analógicas en señales digitales, con el propósito de facilitar su
procesado digital. En el siguiente documento abordaremos la procesamiento (codificación, comprensión, etc.) y hacer la señal
conversión de señales análogas a digital. Aplicaremos conceptos como resultante (la digital) más inmune al ruido y otras interferencias a las
el proceso de muestreo y cuantización, Así mismo estudiaremos
que son más sensibles las señales analógicas.
algunos fenómenos como Alias o Aliasing, el teorema de muestreo de
Nyquist y la transformada de Fourier.
En la gráfica inferior se observa una señal analógica, que para ser
, interpretada en un ordenador ha de modificarse mediante
DESARROLLO DE LA ACTIVIDAD
digitalización. Un medio simple que es el muestreo cada cierto tiempo
1. ¿A qué se refiere el muestreo de una señal analógica? se lee el valor de la señal analógica.
El muestreo, también denominado “Discretización de señal”, es el
primer paso en el proceso de conversión de una señal analógica Figura 2. Digitalización por muestreado de una señal analógica
(tiempo y amplitud continuos) en una señal digital (tiempo y amplitud
discretos).

La conversión de la señal análoga en Digital (Conversión A/D) se

realiza, entre otras razones por que las señales digitales presentan
grandes ventajas a la hora de ser transmitidas o procesadas; mayor
inmunidad al ruido, mayor facilidad de procesamiento y facilidad de
multiplexaje.
Conversión A/D y D/A

La mayoría de las señales de interés son de tipo analógico. Para

procesar estas señales en forma digital es necesario convertirás en una
2. ¿Cómo se realiza la cuantización de una señal?
secuencia de números de precisión finita.


La cuantización es la discretización de amplitud. Asignación de los
valores de las muestras de la señal analógica a valores discretos
predefinidos, de un conjunto finito de valores.
Figura 3. Proceso de conversion
Cuantización
El cuantificador es un sistema cuyo propósito es transformar la
muestra de entrada x[n] en un valor de conjunto finito de valores
preestablecidos.
Figura 4. Señal muestreada (finito número de valores posibles)
Figura 5. Señal cuantizada (N valores posibles)
La cuantización asigna a la muestra de f(t) el valor de amplitud mas
cercano a su valor original de entre los N valores discretos
predefinidos, lo que produce un error. El error de cuantización
disminuye mientras más valores discretos se definan.
2
Figura 6. Error de cuantización
Durante el proceso de cuantificación se mide el nivel de tensión de
cada una de las muestras, obtenidas en el proceso de muestreo, y se les
atribuye un valor finito (discreto) de amplitud, seleccionado por
aproximación dentro de un margen de niveles previamente fijado.
Los valores preestablecidos para ajustar la cuantificación se eligen en
función de la propia resolución que utilice el código empleado durante
la codificación. Si el nivel obtenido no coincide exactamente con
ninguno, se toma como valor el inferior más próximo.
Figura 7. Ejemplos de valores de cuantización
3. ¿Qué indica el teorema de muestreo de Nyquist?
El teorema de muestreo de Nyquist explica la relación entre la
velocidad de muestreo y la frecuencia de la señal medida. Afirma
que la velocidad de muestreo f s debe ser mayor que el doble del
componente de interés de frecuencia mas alto de la señal medida.
Esta frecuencia por lo general se conoce como la frecuencia
Nyquist, f N
Figura 6. Ecuación Nyquist
 3

registrada en esa velocidad de muestreo. La frecuencia de 800 kHz

f s >2∗f N usa un alias de vuelta en el paso banda, apareciendo falsamente como
una onda sinusoidal de 200 kHz

Para entender el teorema revisaremos una onda sinusoidal medida a

Figura 7. Aliasing se produce cuando una velocidad de muestreo es
diferentes velocidades. En el caso A, la onda sinusoidal de frecuencia
demasiado baja y reproduce una representación incorrecta de forma de
f es muestreada a la misma frecuencia. Esos muestreos están marcados
onda.
en la señal original a la izquierda y a la derecha cuando se construyen,
la señal aparece incorrectamente como un voltaje de DC constante. En
el caso B, la velocidad de muestreo es el doble de la frecuencia de la
señal. Ahora aparece como una forma de onda triangular. En este
caso, f es igual a la frecuencia de Nyquist. Que es el componente de
frecuencia mas alto permitido para evitar aliasing para una frecuencia
de muestreo determinada. En el caso C, la velocidad de muestreo es
de 4f/3. La frecuencia Nyquist en este caso es:
4f
4. f 3 2f
f N = s= =
2 2 3
5. Debido a que f es mayor que la frecuencia de Nyquist (4f/3
> 2f/3), esta velocidad de muestreo reproduce una forma de La frecuencia alias f ase puede calcular para determinar como aparece
onda alias de la frecuencia y la forma incorrectas. una señal de entrada a una frecuencia sobre la frecuencia Nyquist. Es
el valor absoluto del múltiplo entero mas cercano de la frecuencia de
Figura 7. Una velocidad de muestreo baja puede causar muestreo menos la frecuencia de la señal de entrada.
reconstrucción inexacta de la forma de la onda.

f a=⌈ closest integermultiple of f s∗f s −f ⌉

Además de incrementar la velocidad de muestreo, aliasing también se

Por lo tanto, para construir con precisión la forma de la onda, la
velocidad de muestreo fs debe ser mayor que dos veces el componente
de interés de frecuencia más alto en la señal medida. Por lo general,
usted desea muestra cinco veces más alto que la frecuencia de la señal.
4. ¿Cuál es el fenómeno llamado Alias o Aliasing?
Decimos que ocurre aliasing cuando la frecuencia de muestreo es
inferior al doble de la máxima frecuencia contenido en el espectro de
la señal analógica (frecuencia de Nyquist).
La siguiente figura muestra una onda sinusoidal de 800 kHz
muestreada a 1MS/s. La línea punteada indica la señal de alias
puede prevenir usando filtro antialiasing. Este es un filtro paso bajo
que atenúa cualquier frecuencia en la señal de entrada que sea mayor a
la frecuencia Nyquist y debe ser introducido antes del ADC para
restringir el ancho de banda de la señal de entrada y cumplir con los
criterios de muestreo. Los canales de entrada analógica pueden tener
filtros analógicos y digitales implementados en hardware para ayudar
en la prevención de aliasing.
5. ¿Qué realiza la transformada de Fourier?
La transformada de Fourier es una transformación matemática usada
para transformar señales entre el dominio del tiempo o espacio al
dominio de la frecuencia, y viceversa. El concepto de “transformada
de Fourier” se refiere a varios conceptos de forma simultánea.
Operación de transformación de una función
Función resultado de la operación
Espectro de frecuencias de una función
 4

La función original suele recibir el nombre de x(t), siendo muy común Figura 8. Vista de una señal en el dominio del tiempo y la frecuencia
que “t” sea el tiempo, mientras que la función transformada suele
recibir el nombre de X(f), en mayúscula, siendo “f” la frecuencia.
Como ejemplo, si se tiene una función p(t) donde “p” es la potencia de
una señal acústica y t el tiempo, P(f) es una transformada de Fourier
que informa de cómo se distribuye p(t) en función de la frecuencia la
potencia de la señal.
Si x(t) es la función original, su transformada X(f) será:

∞
X ( f )= ∫ X (t )e
− j 2 πft
dt
−∞

¿Para qué sirve la transformada de Fourier?

La transformada de Fourier tiene muchas aplicaciones en Ingeniería, SEGUNDO PASO

medicina o telecomunicaciones. Uno de los ejemplos más usados es la
transformación de señales de potencia y energía de cara al envió de
información por cable u ondas. Esta transformación permite la Muestreo
ocupación de todo el espectro radioeléctrico.
Según el capítulo 14 “Muestreo y cuantización” del libro de
Ambardar, página 446:
En acústica, la transformada de Fourier tiene diferentes usos, desde
comprimir audio a limpiar el ruido de archivos. La compresión de Ejercicio 1:

archivos usando este tipo de fórmulas también se usa en archivos Siendo 𝑥(𝑡)=15 𝑠𝑒𝑛(300𝜋 𝑡)+5 𝑠𝑒𝑛(270𝜋 𝑡)+10 𝑐𝑜𝑠(1110𝜋 𝑡)+7
como imágenes, videos; no tiene por qué ser audio. Además, en los 𝑠𝑒𝑛(2048 𝜋 𝑡) Resuelva:

últimos años han surgido una nueva aplicación: el reconocimiento de

voz, una tecnología que abre las puertas a la identificación biométrica
por sonido.
6. ¿Qué es la transformada rápida de Fourier?
La “Transformación rápida de Fourier”, FFT para abreviar, es un
importante método de medición en la tecnología de medición de audio
y acústica. Descompone una señal en sus componentes espectrales
individuales y así proporciona información sobre su composición. Los
FFT se utilizan para el análisis de errores, el control de calidad y la
monitorización de las condiciones de las maquinas o sistemas.
Estrictamente hablando, la FFT es un algoritmo optimizado para
implementar la “Transformación Discreta de Fourier”, o DFT para
abreviar, En este proceso, una sección limitada en el tiempo de una
señal se descompone en sus componentes. Estos componentes son
oscilaciones sinusoidales simples a frecuencias discretas, cuya
amplitud y fase están determinadas. El FFT permite así la vista de una
señal en el dominio de la frecuencia.
1.1 Encuentre las frecuencias 𝑓0 de cada una de las
componentes de la señal 𝑥(𝑡)
1.2 ¿Se presenta fenómeno alias o aliasing si 𝑥(𝑡) es
muestreada a 𝑆=1000 𝐻𝑧? ? Explique paso a paso y si
presenta alias, encuentre la frecuencia 𝑓𝑎 y reconstruya la
señal 𝑥𝑎(𝑡)
1.3 ¿Se presenta fenómeno alias o aliasing si 𝑥(𝑡) es
muestreada a 𝑆=1900 𝐻𝑧? ? Explique paso a paso y si
presenta alias, encuentre la frecuencia 𝑓𝑎 y reconstruya la
señal 𝑥𝑎(𝑡)
1.4 Halle el ancho de banda de la señal 𝑥(𝑡) original y el
ancho de banda de las dos señales reconstruidas en 1.2 y
1.3.
1.5. Halle la frecuencia de muestreo para que la señal 𝑥(𝑡)
no presente fenómeno de Alias.
TERCER PASO
En la tercera parte cada estudiante realizará el algoritmo de la
Transformada Discreta de Fourier, en el cual debe estar
planteada la sumatoria de la transformada con dos ciclos for.
 5

Dicho algoritmo se realizará para una señal de longitud de tres Haciendo uso de la identidad de Euler, la cual nos indica lo
(3) muestras. Los tres valores de las muestras corresponden a siguiente
los tres últimos números del documento de identificación, por e
− jw
=cos ( w )− jsen( w)
ejemplo, si mi cédula es 80765437, entonces el algoritmo se Por lo tanto
hará para la señal x[n] = [4 3 7]. Para desarrollar esta parte el
X 1 =0+5 ¿
estudiante podrá utilizar Matlab, Octave Online, o Scilab.

Definimos las localizaciones en el circulo unitario.

Mi número de Identificación es 1121890055, por lo tanto, los
valores para la señal x[n] = [0 5 5] X 1 =0+5 (( −12 )− j (√ 32 ))+5(( −12 )− j ( −2√3 ))
X 1 =0− − − √ + √
Desarrollo del problema 5 5 5 3 5 3
2 2 2 2
Amplitud x=[0 5 5] X 1 =0−5−4.33 j+ 4.33 j
X 1 =−5+0 j
Tiempo n=[0 12]
Para k=2
N=3
j 2 π ( 2 )( 0) /3 j 2 π ( 2) ( 1 ) /3 j2 π ( 2 ) ( 2) /3
X 2 =x ( 0 ) e + x ( 1) e + x ( 2) e
La ecuación para la transformada discreta de Fourier es:
∞
X 2 =0+5 e j 4 π /3 +5 e j 8 π /3
X ( f )= ∫ x(t)e− j 2 πkn / N dt X 2 =0+5 ¿
n=−∞

Donde,
X 2 =0+5
(( ) (√ ))
−1
2
−j
3
2
+5 ¿

X 2 =0− − + √ j− √ j
N= cantidad de muestras de la señal 5 5 5 3 5 3
K= muestra en la frecuencia 2 2 2 2
n= Tiempo discreto X 2 =0−5+ 0 j
X(n)=Valor de la muestra
X 2 =−3+0 j
Para k=0

Realizando el calculo por el aplicativo Matlab podemos comprobar

X O =x ( 0 ) e j2 π ( 0) (0 )/3 + x ( 1 ) e j2 π (0 ) (1) /3 + x ( 2 ) e j 2 π (0 )( 2) /3 que el resultado coincide con la solución teorica.

X O =0+5+ 5
X O =10+0 j

Para k=1

A continuación, el código que estoy utilizando para el

j 2 π ( 1) ( 0 ) / 3 j 2 π ( 1) ( 1) /3 j 2 π ( 1 )( 2) / 3
X 1 =x ( 0 ) e + x ( 1) e + x ( 2) e desarrollo del programa en Matlab que me permite mostrar la

X 1 =0+5 e
j2π/3
+5e
j 4 π /3 sumatoria de la transformada discreta de Fourier para una señal
de longitud de 3 muestras.
 6

El rango de audición humana depende del tono del sonido, ya

sea alto o bajo, como de la intensidad del sonido. El tono se
mide en Hertz y la sonoridad se mide en decibelios.

Para una persona con audición normal, el rango de audición

humana comienza en un nivel de aproximadamente 20Hz y
la frecuencia mas alta posible escuchada sin comodidad es
de 20.000 Hz. Mientras que 20 a 20000Hz forman limites
absolutos del rango de audición humana, nuestra audición es
mas sensible en el rango de frecuencia de 2000 – 5000Hz

CUARTO PASO

En la cuarta parte de la actividad, cada estudiante investigará

sobre el rango de frecuencias que el oído humano es capaz de
escuchar, además investigará cual es el rango de frecuencias
que emiten cinco (5) instrumentos musicales, se debe tener en
cuenta los armónicos de los instrumentos ya que son las
frecuencias más altas que emiten, y a partir de este dato,
argumentará a que frecuencia de muestreo mínima se debe
muestrear cada uno de los cinco (5) instrumentos musicales
Frecuencias emitidas por algunos instrumentos musicales
para ser digitalizados de manera correcta. Por ejemplo, si el
bombo tiene un rango de 50 Hz a 15 Khz, Fs = 30 Khz
mínimo. INSTRUMENTO FUNDAMENTAL ARMÓNICO

FLAUTA 261-2349 KHZ 3-8 KHZ

El rango de audición humana es una descripción de tonos y
niveles de sonoridad que un apersona puede escuchar antes de TROMPETA 165-988 KHZ 1-7.5 KHZ

sentir incomodidad. Hay una variedad de sonidos en nuestro

VIOLIN 196-3136 KHZ 4-15 KHZ
entorno, que van desde sonidos débiles como el canto de los
pájaros y el caer de las hojas hasta sonidos mas fuertes como la PIANO 28-1319 KHZ 5-8 KHZ
música, los gritos y el ruido industrial. Este rango de audición
GUITARRA 82-988 KHZ 1-15 KHZ
humana se llama rango audible.
ACUSTICA
 7

El teorema de muestro de Nyquist afirma que la velocidad de

muestreo f s debe ser mayor que el doble del componente de
interés de frecuencia mas alto en la señal media. Lo cual nos
indica que, para reconstruir una señal analógica a partir de
muestras periódicas, siempre que la tasa de muestreo sea por le
menos el doble de la frecuencia mas alta contenida en la señal.

INSTRUMENTO FUNDAMENTAL fs

FLAUTA 261-2349 KHZ 4800 HZ

TROMPETA 165-988 KHZ 2000 HZ

VIOLIN 196-3136 KHZ 6200 HZ

PIANO 28-1319 KHZ 2800 HZ

GUITARRA 82-988 KHZ 2000 HZ

ACUSTICA

REFERENCIAS