________________________________________________________________________________

Reconocer los elementos matemáticos del sistema de conversión

analógica digital
Autor: Samir mateo Sogamoso Gómez
Universidad Nacional Abierta y a Distancia - UNAD
Duitama, Boyacá 2022
smsogamoso@unadvirtual.edu.co
la finalidad de mejorar o modificar las
mismas.
I. Abstract
III. Objetivos
In the present work, the answer to
the questions raised in the activity guide
 Comprender los conceptos y procedimientos
is recorded for Unit 1 Step 2, where we
que integran la conversión analógica digital,
talk about a sampled signal, Quantized,
y su implicación en el dominio de la
the phenomenon called Alias or Aliasing,
frecuencia y del tiempo, mediante análisis
Nyquist Theorem and the Fourier
matemático.
transform, perform practical exercises
 Asimilar los conceptos relacionados con la
that allow us to acquire skills, and also
conversión analógica digital
understand the importance of digital
analog conversion, and its involvement  Realización de tres (3) ejercicios
in the domain of frequency and time, for matemáticos, cada uno relacionado con los
the design of discrete systems. siguientes temas: Muestreo, Cuantización,
Transformada discreta de Fourier
II. Introducción Fourier.

Este documento contiene el IV. Desarrollo de la actividad

estudio de la conversión analógica a
digital abordado desde lo matemático se
realizan ejercicios para el muestreo y la
cuantización aplicando el teorema de
Nyquist y la transformada de Fourier.
También se investiga sobre el rango de
frecuencias al que el odio humano es
capaz de escuchar y sobre algunos
instrumentos musicales donde se plantea
la frecuencia mínima de muestreo donde
pueden ser digitalizados de manera
correcta.
El procesamiento digital de
señales (PDS, digital signal processing o
DSP) es el tratamiento, análisis y
manipulación de la información
contenida en una o más señales que a su
vez pueden ser representadas en
funciones matemáticas específicas, con
1. La primera parte consiste en la asimilación
de los conceptos relacionados con la
conversión analógica digital. Cada
estudiante realizará de manera individual,
aportes teóricos (incluir ecuaciones con
editor de Word) sobre las siguientes
preguntas:
 ¿A qué se refiere el muestreo de una señal
analógica?
La señal muestreada puede considerarse
como el producto del tren de pulsos por la señal
analógica, como en toda modulación de
amplitud, y para mayor comodidad se supone
que los pulsos tienen amplitud unitaria, por lo
tanto, no se necesita ningún factor de escala.
 ________________________________________________________________________________
Fig. 1. Operación ideal de muestreo
 ¿Cómo se realiza la cuantización de una
señal?
La señal cuantizada es
xQ [ n ] =x [ n ] +∈[n] Puede suponerse que el error
de cuantización є [n] es una secuencia de ruido
blanco que no está correlacionada con la señal
x [n] con una densidad de probabilidad uniforme
sobre el intervalo (−0.5 ∆ ,0.5 ∆). El valor de la
señal cuantizada suele representarse como un
grupo (palabra) con un número específico de
bits, lo cual se conoce como la longitud de la
palabra.
Entonces decimos que es una conversión
de una señal discreta en el tiempo evaluada de
forma continua, a una señal discreta en el tiempo
evaluada de forma discreta.
Fig. 2. Señal cuantizada
 ¿Qué indica el teorema de muestreo de
Nyquist?
Desarrollado por H. Nyquist, quien
afirmaba que una señal analógica puede ser
reconstruida, sin error, de muestras tomadas en
iguales intervalos de tiempo. “La razón de
muestreo debe ser igual, o mayor, al doble de su
ancho de banda de la señal analógica”.
2
La teoría del muestreo define que, para
una señal de ancho de banda limitado, la
frecuencia de muestreo, fm, debe ser mayor que
dos veces su ancho de banda [B] medida en
Hertz [ Hz]. fm>2 · B
El teorema de muestreo de Nyquist-
Shannon, también conocido como teorema de
muestreo de Whittaker- Nyquist-Kotelnikov-
Shannon, criterio de Nyquist o teorema de
Nyquist, es un teorema fundamental de la teoría
de la información, de especial interés en las
telecomunicaciones.
El teorema trata con el muestreo, que no
debe ser confundido o asociado con la
cuantificación, proceso que sigue al de muestreo
en la digitalización de una señal y que, al
contrario del muestreo, no es reversible (se
produce una pérdida de información en el
proceso de cuantificación, incluso en el caso
ideal teórico, que se traduce en una distorsión
conocida como error o ruido de cuantificación y
que establece un límite teórico superior a la
relación señal-ruido).
Fig. 3. Teorema de muestreo Nyquist
 ¿Cuál es el fenómeno llamado Alias o
Aliasing?
El aliasing es el efecto por el cual señales
continuas en el tiempo (es decir, señales con
infinitos valores, como una señal analógica de
voz) son indistinguibles al ser muestreadas
digitalmente. esto se produce por un muestreo
erróneo de señales digitalizadas, generando
imperfecciones en dichas señales. Para
 ________________________________________________________________________________
conseguir un correcto muestreo nos basamos en
el teorema de muestreo de Nyquist, que
establece que para poder recuperar totalmente la
forma de una onda la frecuencia de muestreo ha
de ser mayor o superior al doble de la máxima
frecuencia a la que queremos muestrear.
Entonces en conclusión decimos que el
efecto Aliasing simplemente se produce cuando
no muestreamos a la frecuencia de Nyquist y,
por tanto, no podemos recuperar
(matemáticamente) la señal.
Fig. 4. Efecto Aliasing
 ¿Qué realiza la transformada de Fourier?
Realiza una transformación de una función
en dominio de tiempo en otra función den dominio
de frecuencia. La transformada discreta de Fourier
describe el espectro de las señales de tiempo
discreto y formaliza el concepto de que dichas
señales tienen espectros periódicos.
 ¿Qué es la transformada rápida de
Fourier?
La transformada rápida de Fourier (TRF) es
un método matemático para la transformación de
una función del tiempo en una función de la
frecuencia. A veces se describe como la
transformación del dominio del tiempo al dominio
de frecuencia. Es muy útil para el análisis de los
fenómenos dependientes del tiempo.
2. La segunda parte consta de la realización de
tres (3) ejercicios matemáticos de manera
individual, cada uno relacionado con los
3
siguientes temas: Muestreo, Cuantización,
Transformada discreta de Fourier.
Muestreo - Ejercicio Escogido (6)
Siendo
x (t)=3 sen( 945 π t)+2 cos( 2700 π t)+7 cos (7.1 kπ t)+9 sen
Resuelva:
6.1 Encuentre las frecuencias f 0 de cada una de
las componentes de la señal x (t)
6.2 ¿Se presenta fenómeno alias o aliasing si
x (t) es muestreada a S=7000 Hz ? Explique
paso a paso y si presenta alias, encuentre la
frecuencia 𝑓𝑎 y reconstruya la señal xa(t )
6.3 ¿Se presenta fenómeno alias o aliasing si
x (t) es muestreada a S=15 KHz ? Explique paso
a paso y si presenta alias, encuentre la
frecuencia 𝑓𝑎 y reconstruya la señal xa(t )
6.4 Halle el ancho de banda de la señal x (t) y el
ancho de banda de las dos señales reconstruidas
en 6.2 y 6.3.
6.5 Halle la frecuencia de muestreo para que la
señal x (t) no presente fenómeno de Alias.
Cuantización - Ejercicio Escogido (6)
Se va a muestrear una señal con niveles de
amplitud entre -11V y 11V, y se va a cuantizar
por redondeo con un error rms 𝜎 = 0.3 𝑚𝑉.
6.1 ¿Cuántos bits 𝐵 se requieren?
6.2 ¿Si el cuantizador ahora es de 30 bits, cual
sería su error rms 𝜎?
Las señales x [n] y xq [n] 𝑠𝑜𝑛:
x [n]={11.0 ,−8.0 , 7.7 ,−6.8 , 9.8 ,−7.5 , 3.7 ,−10.1 }
xq [n]={10.7 ,−7.7 , 8.1 ,−5.9 ,−8.9 ,−7.4 ,3.4 ,−9.3
}
6.3 ¿Cuál es la señal de error 𝑒(𝑛)?
6.4 ¿Cuál es la potencia de la señal de ruido?
6.5 ¿Cuál es la potencia de la señal muestreada?
6.6 ¿Cuál es la relación señal ruido del
cuantizador 𝑆𝑁𝑅𝑄?
 ________________________________________________________________________________
4

w ( k 1 )=15+ 0 j
3. En la tercera parte cada estudiante realizará Para k=1
el algoritmo de la Transformada Discreta de
− j 2 π ( 2) ( 0 ) − j 2 π ( 2) ( 1) − j 2 π ( 2 )( 2)
Fourier, en el cual debe estar planteada la
x ( k 2 )=x ( 0 )∗e 3
+ x ( 1 )∗e 3
+ x (2 )∗e 3
sumatoria de la transformada con dos ciclos
for. Dicho algoritmo se realizará para una x ( k 2 )=0∗( 1 ) +9∗( 1 ) +6∗(1)
señal de longitud de tres (3) muestras. Los
tres valores de las muestras corresponden a x ( k 2 )=15+ 0 j
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.
Transformada Discreta de Fourier

x ( n )=[0 9 6 ]
Donde
x ( k 0 ) =[ 0 ]

x ( k 1 )= [ 9 ]

x ( k 2 )=[6]

Partimos con el modelo matemático

N−1 − j 2 πKm
x ( k )= ∑ x ( n )∗e N

n=0
Cada estudiante realizará un video en
N=3 you tube, en el cual explicará línea a línea el
funcionamiento del algoritmo de la
Para k=0 transformada discreta de Fourier (TDF)
− j 2 π ( 0 )( 0) − j 2 π ( 0 )( 1) − j 2 π ( 0) ( 2 )
x ( k 0 ) =x ( 0 )∗e 3
+ x ( 1 )∗e 3
+ x ( 2 )∗e 3

4. En la cuarta parte de la actividad, cada

x ( k 0 ) =0∗(1 )+ 9∗( 1 ) +6∗( 1) estudiante investigará sobre el rango de
frecuencias que el oído humano es capaz de
x ( k 0 ) =15+0 j escuchar, además investigará cual es el
Para k=1 rango de frecuencias que emiten cinco (5)
instrumentos musicales, se debe tener en
− j 2 π ( 1) ( 0 ) − j 2 π ( 1) ( 1) − j 2 π ( 1 )( 2)
cuenta los armónicos de los instrumentos ya
x ( k 1 )=x ( 0 )∗e 3
+ x ( 1 )∗e 3
+ x ( 2 )∗e 3
que son las frecuencias más altas que emiten,
− j2 π −j 4π y a partir de este dato, argumentará a que
x ( k 1 )=0∗e +9∗e
0 3
+6∗e 3
frecuencia de muestreo mínima se debe
muestrear cada uno de los cinco (5)
e− jw=cos ( w )− j∗sen instrumentos musicales para ser digitalizados
 ________________________________________________________________________________
5

de manera correcta. Por ejemplo, si el

bombo tiene un rango de 50 Hz a 15 Khz, Fs
= 30 Khz mínimo.
El oído humano percibe frecuencias entre 20 Hz
(tono más bajo) a 20.000 Hz (tono más alto).
Todos los sonidos por debajo de 20 Hz se
califican como infrasonidos. Del mismo modo,
todos los sonidos por encima de 20 kHz se
califican como ultrasonidos.
Para determinar la frecuencia de muestreo
mínima, evitando que se distorsione se debe
aplicar el teorema de muestreo Nyquist que
indica que la frecuencia de muestreo debe ser
mínimo el doble de la frecuencia a muestrear
S ≥2 f 0
Para el caso de los instrumentos seleccionados
tomaremos la frecuencia más alta del rango de
armónicos y la multiplicaremos por 2 para hallar
la frecuencia de muestreo mínima.
f m ≥ 2 ∙ Bw
Instrumento Fundamenta l Armónico s Frecuencia de Conclusiones
KHz Muestreo mínima
KHz/ Hz

Flauta 261-2349 3-8 KHz 16 KHz- 16.000 Hz

Tambor 100-200 1-20 40 KHz- 40.000 Hz

KHz
Guitarra 82-988 1-15 30 KHz- 30.000 Hz Referencias Bibliográficas en IEEE
Acústica KHz
[1] Ambardar, A. (2002). Transformada de
Piano 28-4196 5-8 KHz 16 KHz- 16.000 Hz Fourier de Tiempo Discreto. In
Procesamiento de señales analógicas y
Violín 196-3136 4-15 30 KHz- 30.000 Hz digitales (2nd ed., p. 482). Mexico City:
KHz Cengage Learning. Recuperado de
http://bibliotecavirtual.unad.edu.co:2619/app
s/doc/ X4060300152/GVR L?
Resultados u=unad&sid=GVRL&xid=63c52a5d
[2] Ambardar, A. (2002). Muestreo Ideal. In
Procesamiento de señales analógicas y
digitales (2nd ed., pp. 446-455). Mexico
City, Mexico: Cengage Learning.
Recuperado de
http://bibliotecavirtual.unad.edu.co:2619/app
s/doc/CX4060300145/GVR L?
u=unad&sid=GVRL&xid=495113b6
 ________________________________________________________________________________
6

[3] Ambardar, A. (2002). Muestreo,

Interpolación y Recuperación de la Señal. In
Procesamiento de señales analógicas y
digitales (2nd ed., pp. 456-460). Mexico
City, Mexico: Cengage Learning.
Recuperado de
http://bibliotecavirtual.unad.edu.co:2619/app
s/doc/CX4060300146/GVR L?
u=unad&sid=GVRL&xid=44cdb0b2

[4] Ambardar, A. (2002). Cuantización. In

Procesamiento de señales analógicas y
digitales (2nd ed., pp. 460-464). México
City, México: Cengage Learning.
Recuperado de
http://bibliotecavirtual.unad.edu.co:2619/app
s/doc/CX4060300147/GVR L?
u=unad&sid=GVRL&xid=80fe31fe

[5] Gonzalez, M. (01 de enero de 2017). Tecno

Crónica. Obtenido de
https://tecnocronica.wordpress.com/2017/01/
19/que-es-el-aliasing- explicación-y-efectos-
curiosos/

[6] García, A. F. (2016).

Obtenido de
http://www.sc.ehu.es/sbweb/fisica3/datos/fo
urier/fourier_1.html