Universidad Nacional Abierta y a Distancia (UNAD)
TAREA 2
Reconocer
los elementos matemáticos del sistema de
conversión analógica digital
Carlos Andrés Torrente Puentes
7733009
 tener un grupo más pequeño y selecto de datos a partir de un
Resumen—Para esta tarea se tuvo en encuentro primeramente
con los conceptos acerca de la conversión analógica digital para
después realizar ejercicios sobre muestreo, cuantización y
Transformada discreta de Fourier para dar lugar a un algoritmo
del mismo tema.
Palabras claves—ADC, Transformada discreta de Fourier,
muestreo, cuantización.
I. OBJETIVOS
 Comprender los conceptos sobre los ADC.
 Analizar matemáticamente la implicación en el
dominio del tiempo y la frecuencia.
 Realizar los procedimientos requeridos para la
conversión AD.
II. INTRODUCCIÓN
Esta tarea permite un acercamiento más enfocado a los
conceptos necesarios para conocer el comportamiento de una
conversión analógica digital, como también un análisis
matemático de la participación que se tiene en el dominio del
tiempo y la frecuencia.
III. DESARROLLO TEÓRICO
Inicialmente se debió responder unas preguntas para
comprender los conceptos y tener una mayor claridad en el
análisis debido.
¿A qué se refiere el muestreo de una señal analógica?
Esto se refiere a la obtención de unos valores a lo largo de
la señal en determinados momentos, es decir, con intervalos de
tiempos, facilitando la creación de un conjunto finito. [1]
¿Cómo se realiza la cuantización de una señal?
Hay una manera sencilla de poder realizar la cuantización de
una señal, tomando el valor de amplitud digital más cercano al
valor de amplitud análoga. Esto en otras palabras permite
1
conjunto mucho más grande. Esto en otras palabras es la
cuantización escalar. [2]
𝑦 = 𝑄(𝑥)
Ecuación 1. Cuantización escalar.
¿Qué indica el teorema de muestreo de Nyquist?
El teorema de muestreo de Nyquist indica la relación que hay
entre la frecuencia de la señal medida y la velocidad de
muestreo, echando un vistazo a Ecuación 2, establece que la
velocidad de muestreo, siendo esta Fs, debe ser mayor que la
frecuencia más alta de la señal de interés multiplicada por 2.
[3]
𝐹𝑠 ≥ 2 ∗ 𝐹𝑛
Ecuación 2. Teorema de Nyquist.
¿Cuál es el fenómeno llamado Alias o Aliasing?
El Aliasing es un problema que de no tener en cuenta puede
causar el arruinamiento de la toma de datos de una señal,
debido a que el fenómeno justamente se trata de que señales
continuas diferentes se conviertan indistinguibles a la hora de
muestrearse digitalmente. [4]
¿Qué realiza la transformada de Fourier?
La transformada de fourier es un método matemático que
permite conocer las components frecuenciales de una señal
que está en el dominio del tiempo o el espacio, incluso,
también se puede realizar el proceso inverso. Una analogia es
el separar las verduras de una crema de verduras. [5]
∝
𝑓(𝜉) = ∫ 𝑓(𝑋)𝑒 −2𝜋𝑖𝑥𝜉 𝑑𝑥
−∝
Ecuación 3. Transformada de Fourier.
¿Qué es la transformada rápida de Fourier?
La FFT que es la transformada rápida de Fourier es un
algoritmo que facilita el cálculo de la DFT que es la
transformada discrete de fourier transformando la estructura
del ciclo de una forma de onda en components sinusoidales.
[6]
Universidad Nacional Abierta y a Distancia (UNAD) 2

Ahora, con la siguiente señal, se encuentraron los diferentes Luego con el ejercicio de cuantización:
parámetros como las frecuencias, la observación del fenómeno
de Aliasing a dos frecuencias de muestreo distintas, y en caso Se va a muestrear una señal con niveles de amplitud entre -7V
de presentarlo, se reconstruyó de la manera pertinente. y 7V, y se va a cuantizar por redondeo con un error rms 𝜎 = 27
También se encontró la frecuencia de muestreo adecuada para 𝑚𝑉 .
que la señal no presentara el fenómeno de Alias. 1.1. ¿Cuántos bits 𝐵 se requieren?
1.2. ¿Si el cuantizador ahora es de 24 bits, cual sería su error
𝑋(𝑡) = 10 sin(30𝜋𝑡) + 7 sin(270𝜋𝑡) + rms 𝜎?
8 cos(4200𝜋𝑡) + 3 𝑠𝑒𝑛(2000𝜋𝑡) Las señales 𝑥[𝑛] 𝑦 𝑥𝑞 [𝑛] 𝑠𝑜𝑛: 𝑥 [𝑛] = {0.7,0.8, 1.5, 6.0, 3.4,
6.8, 3.0, 6.4} 𝑥𝑞 [𝑛] = {0.6, 0.6, 1.4, 5.7, 2.9, 5.3, 2.7, 5.9}
1.3. ¿Cuál es la señal de error 𝑒(𝑛)?
1.4. ¿Cuál es la potencia de la señal de ruido?
10 𝑠𝑒𝑛(30𝜋𝑡) 270𝜋 = 2𝜋𝑓
270𝜋 1.5. ¿Cuál es la potencia de la señal muestreada?
2𝜋𝑓 = 30𝜋
30𝜋 𝑓= = 135 𝐻𝑧 1.6. ¿Cuál es la relación señal ruido del cuantizador 𝑆𝑁𝑅𝑄?
𝑓= = 15 𝐻𝑧 2𝜋
2𝜋 𝐷 = 14 𝑉
𝜎 = 27 𝑚𝑉
∆= 𝜎. √12 = 93.53 𝑚𝑉
1200𝜋 = 2𝜋𝑓 2000𝜋 = 2𝜋𝑓 𝐷 14 𝑉
1200𝜋 2000𝜋 𝐿= = = 149.68
𝑓= = 600 𝐻𝑧 𝑓= = 1000 𝐻𝑧 ∆ 93.53 𝑚𝑉
2𝜋 2𝜋 𝐵
𝐿 = 2 = 149.68
𝐵 log 2 = log 149.68
log 149.68
𝐵= = 7.22 = 8 𝐵𝑖𝑡𝑠
Ahora el fenómeno de Alias: log 2

Su error rms:
𝑆 = 1100 𝐻𝑧 𝑓𝑚 ≥ 2𝑓 𝑓𝑎 = 𝑓𝑠 − 𝑁(𝑓𝑚)
𝐵 = 24 𝜎 =?
→ 1100 𝐻𝑧 > (2)(15)𝐻𝑧
→ 1100 𝐻𝑧 > (2)135𝐻𝑧 𝐿 = 224 = 16777216
→ 1100 𝐻𝑧 > (2)600𝐻𝑧 8.344 × 10−7
𝜎= = 240 𝑝𝑉
𝑓𝑎 = 600 − (1)(1100 𝐻𝑧) = −500 𝐻𝑧 √12
𝑓𝑎 = 600 − (2)(1100 𝐻𝑧) = −1600 𝐻𝑧 Respuesta al subíndice 1.3:
𝑋𝑒(𝑛) = 0.1, 0.2, 0.1, 0.3, 0.5, 1.5, 0.3, 0.5
→ 1100 𝐻𝑧 > (2)1000𝐻𝑧
𝑓𝑎 = −1100(1) + 1000 = −100 𝐻𝑧 Respuesta al subíndice 1.4
𝑁=1
𝑓𝑎 = −1100(2) + 1000 = −1200 𝐻𝑧 1
𝑃𝑠 = ∑ 𝑋𝑚2 (𝑛)
𝑁
𝑋𝑎(𝑡) = 10 𝑠𝑒𝑛 (30𝜋𝑡) + 7 𝑠𝑒𝑛(270𝜋𝑡) + 8 cos(2𝜋(500)𝑡) 𝑁=0
1
− 3 𝑠𝑒𝑛(2𝜋(100)𝑡) 𝑃𝑠 = ((0.7)2 + (0.8)2 + (1.5)2 + (6.0)2 + (3.4)2
8
A una frecuencia de muestreo diferente: + (6.8)2 + (3.0)2 + (6.4)2 )
𝑃𝑠 = 18.395 𝑤 Potencia 𝑋(𝑛)
𝑆 = 1700 𝐻𝑧 1
𝑃𝑁 = ((0.1)2 + (0.2)2 + (0.1)2 + (0.3)2 + (0.5)2
8
→ 1700 > 2(15) 𝐻𝑧 + (1.5)2 + (0.3)2 + (0.5)2 )
→ 1700 > 2(135)𝐻𝑧 𝑃𝑁 = 0.373 𝑤
→ 1700 > 2(600) 𝐻𝑧
→ 1700 > 2(1000) 𝐻𝑧 Respuesta al subíndice 1.6:
𝑓𝑎 = (1000 − 1700) = −700 𝐻𝑧
𝑃𝑆
𝑆𝑁𝑅(𝑑𝐵) = 10 log = 16.9293 𝑑𝐵
𝑋𝑎(𝑡) = 10 𝑠𝑒𝑛 (30𝜋𝑡) + 7 𝑠𝑒𝑛(270𝜋𝑡) + 8 cos(1200𝜋𝑡) 𝑃𝑁
− 3 𝑠𝑒𝑛(2𝜋(700)𝑡)
Continuando con el ejercicio de la transformada discreta de
La frecuencia minima de muestreo: fourier utilizando los últimos tres digitos de mi cédula:
𝑓𝑚 ≥ (2)𝑓𝑚𝑎𝑥
𝑓𝑚 ≥ (2)(1000)
Universidad Nacional Abierta y a Distancia (UNAD) 3

∞ Y por último el chelo con una frecuencia mínima de muestreo

𝐾𝑛
−𝐽2𝜋 Fs=2(659.3) =1318 Hz
𝑥(𝐾) = ∑ 𝑥(𝑛) 𝑒 𝑁
−∞
Sustentacion
https://youtu.be/DfQAnsY3DCQ
𝑥(𝑛) = [0 0 9]
Para 𝑘 = 0 IV. CONCLUSIONES
0∗0 0∗1 𝑥0∗2
0 𝑥1 𝑥2  El algoritmo modificado en Matlabque brinda la
𝑥(𝑘𝑜) = 𝑥(0)𝑒 −𝐽2𝜋 3
+ 𝑥(1)𝑒 −𝐽2𝜋 3
+ 𝑥(2)𝑒 −𝐽2𝜋 3
transofrmada discreta de Fourier funcionó de manera
𝑥(𝑘𝑜) = 𝑥(0) + 𝑥(1) + 𝑥(2) = 0 + 0 + 9 = 9 + 0𝑗
correcta con el ejemplo dado con los últimos tres
dígitos de la cédula de ciudadanía.
Para 𝑘 = 1  La frecuencia mínima de muestreo de una señal es el
1∗0 1∗1 1∗2
𝑥(𝑘1) = 𝑥(0)𝑒 −𝐽2𝜋 3 + 𝑥(1)𝑒 −𝐽2𝜋 3 + 𝑥(2)𝑒 −𝐽2𝜋 3 doble de su frecuencia máxima, sin embargo, en la
2𝜋 4𝜋 práctica se utiliza un rango entre 8 a 12 veces la
𝑥(𝑘1) = 𝑥(0) + 𝑥(1)𝑒 −𝐽 3 + 𝑥(2)𝑒 −𝐽 3 frecuencia máxima para obtener un comportamiento
2𝜋 2𝜋 mucho mejor y con más información.
𝑥(𝑘1) = 𝑥(0) + 𝑥(1) [cos + 𝑗 sin ]
3 3  La transformada de Fourier en tiempo discreto se
4𝜋 4𝜋 trabaja de una manera un tanto diferente respecto a la
+ 𝑥(2) [cos − 𝑗 sin ]
3 3 transformada de Fourier en tiempo contínuo
𝑥(𝑘1) = 0 + 0 + 9[−0.5 − 𝑗 0.86] cambiando diferentes variables para su realización.
𝑥(𝑘1) = 9(−0.5) − 9(0.86)𝑖
𝑥(𝑘1) = −4.5 + 𝑗 7.74 V. REFERENCIAS
Para 𝑘 = 2
2∗0 2∗1 2∗2
𝑥(𝑘2) = 𝑥(0)𝑒 −𝐽2𝜋 3 + 𝑥(1)𝑒 −𝐽2𝜋 3 + 𝑥(2)𝑒 −𝐽2𝜋 3 [ «Muestreo digital,» [En línea]. Available:
4𝜋 6𝜋 1 http://serbal.pntic.mec.es/srug0007/archivos/radiocomunicaci
𝑥(𝑘2) = 0 + 0 + 𝑥(2) [cos + 𝑗 sin ] ] ones/3%20SE%D1ALES%20DIGITALES/Muestreo%20digi
3 3
𝑥(𝑘2) = −4.5 − 7.74𝑗 tal.pdf#:~:text=MUESTREO%3A%20El%20muestreo%20c
onsiste%20en%20obtener%20muestras%20de,la%20se%C3
De igual manera se modificó un Código tomado de internet %B1al%20en%20cada%20uno%20de%20esos%20instantes..
para la transformada discreta de fourier con el que se obtuvo [Último acceso: 10 Septiembre 2022].
los datos correctos y comprobados de la matemática anterior: [ Copro.com.ar, «Cuantización (procesamiento de señal),» [En
2 línea]. Available:
x = [0 0 9]; N = length(x); ] https://copro.com.ar/Cuantizacion_(procesamiento_de_senal)
X = zeros(N,1); .html#:~:text=La%20forma%20m%C3%A1s%20sencilla%2
for k = 0:N-1 0de%20cuantificar%20una%20se%C3%B1al,una%20funci%
for n = 0:N-1 C3%B3n%20determin%C3%ADstica%20de%20la%20se%C
X(k+1) = X(k+1) + x(n+1)*exp(-j*2*pi*(k*n/N)); 3%B1al%20de%20entrada.. [Último acceso: 10 Septiembre
end 2022].
end [ National Instruments, «Adquirir una Señal Analógica: Ancho
X 3 de Banda, Teorema de Muestreo de Nyquist y Aliasing,» 9
] Agosto 2022. [En línea]. Available: https://www.ni.com/es-
X = 3×1 complex co/innovations/white-papers/06/acquiring-an-analog-signal--
9.0000 + 0.0000i -4.5000 + 7.7942i -4.5000 - 7.7942i bandwidth--nyquist-sampling-theorem-.html. [Último
acceso: 10 Septiembre 2022].
También se obtuvo la frecuencia minima de muestreo para
cinco instrumentos cuyas frecuencias se obtuvieron en una [ S. Morell, «Aliasing y el teorema de muestreo de Nyquist-
consulta de internet. [7] 4 Shannon,» Quantum Society, 21 Junio 2020. [En línea].
] Available: https://quantum-society.com/2020/06/21/aliasing-
Escogiendo los cinco instrumentos, como primera elección y-el-teorema-de-muestreo-de-nyquist-shannon/. [Último
está el Arpa, para la cual la frecuencia mínima de muestreo es acceso: 10 Septiembre 2022].
Fs= 2(3322.4) Hz = 6644 Hz. [ J. Ollé, «Conceptos Claros,» [En línea]. Available:
La trompeta tiene una frecuencia mínima de muestreo Fs= 5 https://conceptosclaros.com/transformada-de-fourier/.
2(932.3) Hz= 1864 Hz ] [Último acceso: 10 Septiembre 2022].
La flauta tiene una frecuencia mínima de muestreo Fs=
2(2093.4) = 4186 Hz [ «¿Qué es la transformación rápida de Fourier (FFT)? -
El violín por su parte tiene una frecuencia mínima de muestreo 6 definición de techopedia,» 2022. [En línea]. Available:
Fs=2(2637) Hz = 5274 Hz ] https://es.theastrologypage.com/fast-fourier-transform.
[Último acceso: 10 Septiembre 2022].
Universidad Nacional Abierta y a Distancia (UNAD) 4

[ Rossing, «Science of sound,» White & White, p. 219.

7
]

[ S. Morell. [En línea].

8
]