1

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

Reconocer los elementos matemáticos del sistema de conversión
analógica digital

Conversión analógica / Digital (A/D)

Resumen— El procesamiento de señales digitales o DSP es la Los dispositivos que realizan esta operación se denominan
manipulación matemática de una señal de información para Conversores A/D. El proceso de conversión A/D consta de los
modificarla o mejorarla en algún sentido. Este esta
caracterizado por la representación en el dominio del tiempo siguientes pasos:
discreto, en el dominio frecuencia discreta, u otro dominio
discreto de señales 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 La conversión analógica-digital (CAD) consiste en la transcripción

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

El muestreo, también denominado “Discretización de señal”, es el Figura 2. Digitalización por muestreado de una señal analógica
primer paso en el proceso de conversión 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 2. ¿Cómo se realiza la cuantización de una señal?

procesar estas señales en forma digital es necesario convertirás en

La cuantización es la discretización de amplitud. Asignación de
una secuencia de números de precisión finita.
los valores de las muestras de la señal analógica a valores
discretos predefinidos, de un conjunto finito de valores.

 2

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. 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
Figura 4. Señal muestreada (finito número de valores posibles) 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

Figura 5. Señal cuantizada (N valores posibles)

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 debe ser mayor que el

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 doble del componente de interés de frecuencia mas alto de la

predefinidos, lo que produce un error. El error de cuantización señal medida. Esta frecuencia por lo general se conoce como la

disminuye mientras mas valores discretos se definan. frecuencia Nyquist,

Figura 6. Error de cuantización

Figura 6. Ecuación Nyquist
Para entender el teorema revisaremos una onda sinusoidal medida a
diferentes velocidades. En el caso A, la onda sinusoidal de
frecuencia f es muestreada a la misma frecuencia. Esos muestreos
están marcados 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:
4.
5. Debido a que f es mayor que la frecuencia de Nyquist
(4f/3 > 2f/3), esta velocidad de muestreo reproduce una
forma de onda alias de la frecuencia y la forma
incorrectas.
Figura 7. Una velocidad de muestreo baja puede causar
reconstrucción inexacta de la forma de la onda.
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?
3
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
registrada en esa velocidad de muestreo. La frecuencia de 800 kHz
usa un alias de vuelta en el paso banda, apareciendo falsamente
como una onda sinusoidal de 200 kHz
Figura 7. Aliasing se produce cuando una velocidad de muestreo es
demasiado baja y reproduce una representación incorrecta de forma
de onda.
La frecuencia alias se puede calcular para determinar como
aparece una señal de entrada a una frecuencia sobre la frecuencia
Nyquist. Es el valor absoluto del múltiplo entero mas cercano de la
frecuencia de muestreo menos la frecuencia de la señal de entrada.
Además de incrementar la velocidad de muestreo, aliasing también
se 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
 4

dominio de la frecuencia, y viceversa. El concepto de “transformada Estrictamente hablando, la FFT es un algoritmo optimizado para
de Fourier” se refiere a varios conceptos de forma simultánea. implementar la “Transformación Discreta de Fourier”, o DFT para
Operación de transformación de una función abreviar, En este proceso, una sección limitada en el tiempo de una
Función resultado de la operación señal se descompone en sus componentes. Estos componentes son
Espectro de frecuencias de una función oscilaciones sinusoidales simples a frecuencias discretas, cuya
amplitud y fase están determinadas. El FFT permite así la vista de
La función original suele recibir el nombre de x(t), siendo muy
una señal en el dominio de la frecuencia.
común que “t” sea el tiempo, mientras que la función transformada
suele recibir el nombre de X(f), en mayúscula, siendo “f” la
Figura 8. Vista de una señal en el dominio del tiempo y la
frecuencia.
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:

¿Para qué sirve la transformada de Fourier?

La transformada de Fourier tiene muchas aplicaciones en Ingeniería,

medicina o telecomunicaciones. Uno de los ejemplos mas usados es
la transformación de señales de potencia y energía de cara al envió
de información por cable u ondas. Esta transformación permite la TERCER PASO

ocupación de todo el espectro radioeléctrico.

En acústica, la transformada de Fourier tiene diferentes usos, desde
comprimir audio a limpiar el ruido de archivos. La compresión de
archivos usando este tipo de fórmulas también se usa en archivos
como imágenes, videos; no tiene por qué ser audio. Además, en los
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?
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.
Dicho algoritmo se realizará para una señal de longitud de
tres (3) muestras. Los tres valores de las muestras
corresponden a los tres últimos números del documento de
identificación, por ejemplo, si mi cédula es 80765437,
entonces el algoritmo se hará para la señal x[n] = [4 3 7]. Para
desarrollar esta parte el estudiante podrá utilizar Matlab,
Octave Online, o Scilab.

La “Transformación rápida de Fourier”, FFT para abreviar, es un

importante método de medición en la tecnología de medición de Mi numero de Identificación es 1121890055, por lo tanto, los
audio y acústica. Descompone una señal en sus componentes valores para la señal señal x[n] = [0 5 5]
espectrales individuales y así proporciona información sobre su
composición. Los FFT se utilizan para el análisis de errores, el Desarrollo del problema
control de calidad y la monitorización de las condiciones de las
maquinas o sistemas.
 5

CUARTO PASO

En la cuarta parte de la actividad, cada estudiante investigará

sobre el rango de frecuencias que el oido 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
para ser digitalizados de manera correcta. Por ejemplo, si el
bombo tiene un rango de 50 Hz a 15 Khz, Fs = 30 Khz
mínimo.
 6

REFERENCIAS

[1] G. Eason, B. Noble, and I.N. Sneddon, “On certain integrals of

Lipschitz-Hankel type involving products of Bessel functions,”
Phil. Trans. Roy. Soc. London, vol. A247, pp. 529-551, April
1955.
[2] J. Clerk Maxwell, A Treatise on Electricity and Magnetism, 3rd
ed., vol. 2. Oxford: Clarendon, 1892, pp.68-73.
[3] I.S. Jacobs and C.P. Bean, “Fine particles, thin films and
exchange anisotropy,” in Magnetism, vol. III, G.T. Rado and H.
Suhl, Eds. New York: Academic, 1963, pp. 271-350.
[4] K. Elissa, “Title of paper if known,” no puplicado.
[5] R. Nicole, “Title of paper with only first word capitalized,” J.
Name Stand. Abbrev., en impresión.
[6] Y. Yorozu, M. Hirano, K. Oka, and Y. Tagawa, “Electron
spectroscopy studies on magneto-optical media and plastic
substrate interface,” IEEE Transl. J. Magn. Japan, vol. 2, pp.
740-741, August 1987 [Digests 9th Annual Conf. Magnetics
Japan, p. 301, 1982].
[7] M. Young, The Technical Writer’s Handbook. Mill Valley, CA:
University Science, 1989.