Tarea 2 – Reconocer los elementos

matemáticos que implica la conversión

Analógica Digital
Leidy Rocio Correa Ramírez
Universidad Nacional Abierta y a Distancia
Escuela de Ciencias Básicas Tecnología e Ingeniería
Procesamiento Digital de Señales
Pamplona, Colombia
lrcorrear@unadvirtual.edu.co

3. ¿Qué indica el teorema de muestreo de Nyquist?

I. INTRODUCTION
En el siguiente trabajo encontraremos la solución a problemas
de sistemas
1. ¿A qué se refiere el muestreo de una señal
analógica?
R:/ El muestreo de una señal analógica consiste en el proceso
de obtener los valores de amplitud en una señal análoga de
forma periódica.
2. ¿Cómo se realiza la cuantización de una señal?
R:/ La cuantización se realiza asignando a los infinitos valores
de amplitud de la señal de entrada un conjunto finito de
amplitudes [1]. Si la amplitud de entrada se encuentra entre 0
y 10 se le asigna un valor de amplitud de salida de 5; Si está
entre 11 y 20, el valor de salida será de 15 y así sucesivamente.
Es decir, se transforma un intervalo de amplitudes por un único
valor de amplitud, que normalmente coincide con el punto
medio de ese intervalo.
R:/ El teorema de muestreo de Nyquist establece que para que
reconstruir una señal análoga, a partir de una señal
muestreada es necesario que la señal haya tenido un proceso
de muestreo con una frecuencia mínimo de dos veces la
frecuencia más alta que conforme la señal analógica: 𝐹𝑆 >
2𝐹𝑚𝑎𝑥 [1].
4. ¿Cuál es el fenómeno llamado Alias o Aliasing?
R:/ Es el fenómeno que se produce por un muestreo erróneo
de señales al realizar la operación de muestreo generando
imperfecciones. Cuando no se cumple con el Teorema de
Nyquist-Shannon, se generan componentes de la señal original
(alias) que difieren de ésta en su composición, y que además se
superponen, generando el efecto de aliasing (también llamado
efecto Nyquist, submuestreo o distorsión por solapamiento)
imposibilitando recuperar la señal original [1].
5. ¿Qué realiza la transformada de Fourier?
R:/ la transformada de Fourier convierte una señal análoga que
está definida en el tiempo (variable independiente), a una señal
cuya variable independiente es la frecuencia. De esta forma se
observa como varia la amplitud al cambiar la frecuencia. [1].

6. ¿Qué es la transformada rápida de Fourier?

R:/ es un algoritmo que permite calcular la transformada de
Fourier discreta (DTF) y su inversa empleando herramientas
computacionales [1].

Figura 1. Proceso de muestreo y cuantización de una señal

análoga. Fuente: https://www.upv.es/es
Ejercicios Matemáticos 23𝜋 23
𝑓0 = = = 11.5 𝐻𝑧
2𝜋 2

2.2 ¿Se presenta fenómeno alias o aliasing si 𝑥(𝑡)

es muestreada a 𝑆 = 22 𝑘𝐻𝑧? ? Explique paso a
paso y si presenta alias, encuentre la frecuencia 𝑓𝑎
y reconstruya la señal 𝑥𝑎(𝑡).

• Señal 5𝑠𝑒𝑛(30𝜋𝑡)
Ejercicio 2
𝑤 = 30𝜋 𝑟𝑎𝑑/𝑠
𝑤
1. Muestreo 𝑓0 =
2𝜋
30𝜋 30
𝑓0 = = = 15 𝐻𝑧
2𝜋 2
Siendo
𝑥(𝑡) = 5𝑠𝑒𝑛(30𝜋𝑡) + 7𝑐𝑜𝑠(27𝜋𝑡) Se verifica el teorema de Nyquist
+ 6 cos(10𝜋𝑡) + 7 𝑠𝑒𝑛(23𝜋𝑡)

2𝑓0 < 𝑆
1.1 Encuentre las frecuencias 𝑓0 de cada una de 2(15) < 22 kHz
las componentes de la señal 𝑥(𝑡).

• Señal 5𝑠𝑒𝑛(30𝜋𝑡) No se presenta Aliasing

𝑤 = 30𝜋 𝑟𝑎𝑑/𝑠 • Señal 7 𝑐𝑜𝑠(27 𝑘𝜋𝑡)

𝑤 𝑤 = 27 𝜋 𝑟𝑎𝑑/𝑠
𝑓0 =
2𝜋
27𝜋 27
30𝜋 30 𝑓0 = = = 13.5 𝐻𝑧
𝑓0 = = = 15 𝐻𝑧 2𝜋 2
2𝜋 2
Se verifica el teorema de Nyquist

• Señal 7 𝑐𝑜𝑠(27 𝑘𝜋𝑡) 2𝑓0 < 𝑆

2(13.5) < 22 kHz
𝑤 = 27 𝜋 𝑟𝑎𝑑/𝑠

27𝜋 27 No se presenta Aliasing

𝑓0 = = = 13.5 𝐻𝑧
2𝜋 2

• Señal 6 𝑐𝑜𝑠(10 𝑘𝜋𝑡)

• Señal 6 𝑐𝑜𝑠(10 𝑘𝜋𝑡)
𝑤 = 10 𝜋 𝑟𝑎𝑑/𝑠
𝑤 = 10 𝜋 𝑟𝑎𝑑/𝑠
10𝜋 10
10𝜋 10 𝑓0 = = = 5Hz
𝑓0 = = = 5Hz 2𝜋 2
2𝜋 2
Se verifica el teorema de Nyquist

• Señal 7 𝑠𝑒𝑛(23 𝑘𝜋𝑡)

2𝑓0 < 𝑆
𝑤 = 23 𝜋 𝑟𝑎𝑑/𝑠
 2(5) < 22 kHz Se verifica el teorema de Nyquist

No se presenta Aliasing 2𝑓0 < 𝑆

2(15) < 26 kHz

• Señal 7 𝑠𝑒𝑛(23 𝑘𝜋𝑡) No se presenta Aliasing

𝑤 = 23 𝜋 𝑟𝑎𝑑/𝑠 • Señal 7 𝑐𝑜𝑠(27 𝑘𝜋𝑡)

23𝜋 23 𝑤 = 27 𝜋 𝑟𝑎𝑑/𝑠
𝑓0 = = = 11.5 𝐻𝑧
2𝜋 2
27𝜋 27
Se verifica el teorema de Nyquist 𝑓0 = = = 13.5 𝐻𝑧
2𝜋 2
2𝑓0 < 𝑆 Se verifica el teorema de Nyquist
2(11.5) < 22 kHz

2𝑓0 < 𝑆
No se presenta Aliasing 2(13.5) < 26 kHz

No se presenta Aliasing
Se reconstruye la señal teniendo en cuenta el
fenómeno de Aliasing

30 27 • Señal 6 𝑐𝑜𝑠(10 𝑘𝜋𝑡)

𝑥𝑎 (𝑡) = 5𝑠𝑒𝑛 (2 ∗ 𝜋𝑡) + 7𝑐𝑜𝑠 (2 ∗ 𝜋𝑡)
2 2
+ 6cos (2 ∗ 10 𝑘𝜋𝑡) + 7 𝑠𝑒𝑛(2 𝑤 = 10 𝜋 𝑟𝑎𝑑/𝑠
∗ 23 𝑘𝜋𝑡)
10𝜋 10
𝑓0 = = = 5Hz
Se reacomodan los signos en los argumentos de 2𝜋 2

las funciones trigonométricas.

Se verifica el teorema de Nyquist
30
𝑥𝑎 (𝑡) = 5𝑠𝑒𝑛 (2𝜋 ( ) 𝑡)
2
27
+ 7𝑐𝑜𝑠 (2𝜋 ( ) 𝑡) 2𝑓0 < 𝑆
2 2(5) < 26 kHz
− 6 cos(2𝜋(10)𝑡)
+ 7 𝑠𝑒𝑛(2𝜋(23)𝑡)
No se presenta Aliasing
2.3 ¿Se presenta fenómeno alias o aliasing si
𝑥(𝑡) es muestreada a 𝑆 = 26𝑘𝐻𝑧? ? Explique
paso a paso y si presenta alias, encuentre la
frecuencia 𝑓𝑎 y reconstruya la señal 𝑥𝑎(𝑡) • Señal 7 𝑠𝑒𝑛(23 𝑘𝜋𝑡)

𝑤 = 23 𝜋 𝑟𝑎𝑑/𝑠
• Señal 5𝑠𝑒𝑛(30𝜋𝑡)
23𝜋 23
𝑤 = 30𝜋 𝑟𝑎𝑑/𝑠 𝑓0 = = = 11.5 𝐻𝑧
2𝜋 2
𝑤
𝑓0 = Se verifica el teorema de Nyquist
2𝜋
30𝜋 30 2𝑓0 < 𝑆
𝑓0 = = = 15 𝐻𝑧 2(11.5) < 26 kHz
2𝜋 2
 R:/ según el criterio de Nyquist la frecuencia
de muestreo debe ser mínimo 2 veces la
No se presenta Aliasing
frecuencia más alta de la señal. En este caso:

𝑓𝑠 = 2 ∗ 26 = 52 𝐾 𝐻𝑧
Señal reconstruida
2. Cuantización
Se reconstruye la señal teniendo en cuenta el
fenómeno de Aliasing
Ejercicio 2:
30 27
𝑥𝑎 (𝑡) = 5𝑠𝑒𝑛 (2 ∗ 𝜋𝑡) + 7𝑐𝑜𝑠 (2 ∗ 𝜋𝑡) Se va a muestrear una señal con niveles de
2 2
+ 6cos (2 ∗ 10 𝑘𝜋𝑡) + 7 𝑠𝑒𝑛(2 amplitud entre -4V y 4V, y se va a cuantizar
∗ 23 𝑘𝜋𝑡) por redondeo con un error rms 𝜎 = 30 𝑚𝑉 .

2.1. ¿Cuántos bits 𝐵 se requieren?

2.4 Halle el ancho de banda de la señal 𝑥(𝑡) y el
ancho de banda de las dos señales reconstruidas en 𝐷 = 8𝑣
2.2 y 2.3. 𝐿 = 2𝐵
𝐷
∆=
𝐿
Se determinan las frecuencias mínimas y máximas ∆
de las señales x(t) y reconstruidas con S=90 y 𝜎=
√12
S=1000 𝜎 = 30 𝑚𝑉
para poder encontrar los bits que se
Para x(t) requieren se necesita despejar la formula:
𝑓𝑚𝑖𝑛 = 1.5 𝐻𝑧 𝐷
𝑓𝑚𝑎𝑥 = 1012 𝐻𝑧 𝜎= 𝐿
𝐵𝑊 = 𝑓𝑚𝑎𝑥 − 𝑓𝑚𝑖𝑛 = 1012 − 1.5 √6
𝐵𝑊 = 1010.5 𝐻𝑧
𝐷
𝜎=
𝐿 √6

Para S= 22 𝑘𝐻𝑧 𝐷
𝐿=
𝜎 √6
𝑓𝑚𝑖𝑛 = 11.5 𝐻𝑧
𝑓𝑚𝑎𝑥 = 15 𝐻𝑧 𝐷
𝐵𝑊 = 𝑓𝑚𝑎𝑥 − 𝑓𝑚𝑖𝑛 = 15 − 11.5
2𝐵 = 𝜎
√6
𝐵𝑊 = 3.5 𝐻𝑧

Aplicamos log para despejar B

Para S= 26 𝑘𝐻𝑧
𝐷
𝑓𝑚𝑖𝑛 = 11.5 𝐻𝑧 log 2𝐵 = log ( )
𝑓𝑚𝑎𝑥 = 15𝐻𝑧 𝜎√6
𝐵𝑊 = 𝑓𝑚𝑎𝑥 − 𝑓𝑚𝑖𝑛 = 11.5 − 15
𝐵𝑊 = 3.5 𝐻𝑧 𝐷
𝐵 log 2 = log ( )
𝜎√6
1.5. Halle la frecuencia de muestreo para que la 𝐷
señal 𝑥(𝑡) no presente fenómeno de Alias. log ( )
𝜎√6
𝐵=
log 2
 𝑁−1
Ya que tenemos la ecuación despejada 1 1
𝑃𝑆 = ∑ 𝑥 2 [𝑛] =
pasamos a reemplazar los valores y a 𝑁 8
𝑛=0
resolver: ∗ ((0.3)2 + (0.4)2
+ (1.5)2 + (2.0)2
8
log ( ) + (3.4)2 + (2.8)2
30𝑚𝑣√6 + (3.0)2 + (3.4)2 )
𝐵=
log 2

log 1.264 𝑃𝑆 = 5.80

𝐵=
log 2 2.5. ¿Cuál es la potencia de la señal
Solucionando B tenemos que: muestreada?

0.1017 2.6. ¿Cuál es la relación señal ruido del

𝐵= = 0.337 𝑏𝑖𝑡𝑠 cuantizador 𝑆𝑁𝑅𝑄?
0.301
= 3 𝑏𝑖𝑡𝑠 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜𝑠.
𝑃𝑠 5.80
𝑺𝑵𝑹𝑸 = 10 log ( ) = 10 log ( )
2.2. ¿Si el cuantizador ahora es de 21 bits, cual 𝑃𝑁 0.115
sería su error rms 𝜎? Las señales 𝑥[𝑛] 𝑦 𝑥𝑞 [𝑛] 𝑺𝑵𝑹𝑸 = 𝟏𝟕. 𝟎𝟑 𝒅𝑩
𝑠𝑜𝑛: 𝑥 [𝑛] = {1.0, −0.4,2.5, −2.0,3.7, −2.5, 4.6,
−3.4} 𝑥𝑞 [𝑛] = {0.8, −0.2,2.7, −2.3,4.1, −2.4,4.9,
−3.3}
3. Transformada de Fourier
Se despeja 𝜎

𝐷 10 Cada estudiante realizará el algoritmo de la

2𝐵 = → 221 =
𝜎√12 𝜎√12 Transformada Discreta de Fourier, en el cual
debe estar planteada la sumatoria de la
10 transformada con dos ciclos for. Dicho
𝜎= algoritmo se realizará para una señal de
221 √12
longitud de tres (3) muestras. Los tres valores
𝜎 = 988.722 𝑢𝑉
de las muestras corresponden a los tres
últimos números del documento de
Las señales 𝑥[𝑛] 𝑦 𝑥𝑞[𝑛] 𝑠𝑜𝑛:
identificación
𝑥 [𝑛] = {1.0, −0.4,2.5, −2.0,3.7, −2.5, 4.6, −3.4}
𝑥𝑞 [𝑛] = {0.8, −0.2,2.7, −2.3,4.1, −2.4,4.9, −3.3}

2.3. ¿Cuál es la señal de error 𝑒(𝑛)? Últimos tres dígitos de la cedula: [ 6,2,5]

𝑥 [𝑛] = {1.0, −0.4, 2.5,3.7, −2.5,4.6, −3.4}

−𝑥𝑞 [𝑛] { 0,8, −0.2, 2.7, −2.3, 4.1, −2.4, 4.9, −3.3. } El desarrollo del algoritmo de la Transformada
𝑒[𝑛] = {0.2, 0.2, 0.2, 0.4, 0.5, 0.6, 0.7, 0.8} Discreta de Fourier se muestra a continuación

2.4. ¿Cuál es la potencia de la señal de ruido?

A. Algoritmo sobre Transformada Discreta de
Fourier
%PROCESAMIENTO DIGITAL DE SEÑALES
%Leidy Rocio Correa Ramirez
%UNAD - CEAD PAMPLONA
%2021

x=[6,2,5]; %vector con los dígitos de C.C.

N=3; %longitud del vector
X=zeros(N,1) %se crea una vector columna
de ceros
for k=0:N-1 % Asigna el valor de k=0,1,2 a la
DTF
for n=0:N-1 %Asigna el valor de n=0,1,2
X(k+1)=X(k+1)+x(n+1)*exp((-
j*2*pi*k*n)/N) %fórmula de DTF
end
end
X
disp('Comprobación comando fft de Matlab') Link del video: https://youtu.be/q9sEIIb3YtI
DTF=fft(x) B. Investigación sobre rango de frecuencias
Varios autores aproximan el rango de
En la figura 2 se observa el resultado de la frecuencias de forma aproximada entre 20 Hz
aplicación del algoritmo de DTF y los - 20 kHz. Este rango de frecuencia no es el
resultados que arroja con el comando de mismo para todos los seres humanos, porque
Matlab fft. esta depende de la edad y enfermedades que
pueda sufrir el ser humano [2].

Descripción sobre frecuencia que emiten

cinco instrumentos musicales.

Instrumento Rango de
frecuencias
Tuba 30 Hz – 2000 Hz
Cuerno francés 60 Hz – 5000 Hz
Trombón 80 Hz – 5000 Hz
Trompeta 150 Hz – 10000 Hz
Xilófono 400 Hz – 11000 Hz

Tabla 1. Rango de frecuencias instrumentos

musicales. [3]
De acuerdo con la tabla 1 se observa que
mayor frecuencia entre los cinco
instrumentos seleccionados es producida por
la trompeta. Según el criterio de Nyquist la
frecuencia de muestreo debe ser:

𝐹𝑠 = 2𝐹𝑚𝑎𝑥 = 2 ∗ 10000 Hz

𝐹𝑠 = 20000 𝐻𝑧

II. CONCLUSIONES

Con la realización del trabajo de la etapa del curso

Control analogo se logró comprobar de forma

teórica y experimentalmente los resultados

obtenidos. Se logró adquirir habilidades en el

manejo de la herramienta de simulación Matlab ya

que realizando la parte práctica iniciando con el

diseño LGR de sistemas de control en tiempo

continuo.