PROCESAMIENTO DIGITAL DE SEÑALES

CODIGO: 299004

Tarea 2

Reconocer los elementos matemáticos que implica la conversión

análoga digital

Presentado a:
MAURICIO ALBERTO GARCIA
Tutor

Entregado por:

JAVIER RODRÍGUEZ SALAMANCA

Código: 1057607533

Grupo: 299004_28

INGENIERIA ELECTRONICA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
2023
SOGAMOSO
 INTRODUCCION
1. Cada estudiante realizara de
En este documento contiene el manera individual, aportes
estudio de la conversión teóricos (incluir ecuaciones
analógica a digital abordado con editor de Word) sobre las
desde lo matemático se realizan siguientes preguntas:
ejercicios para el muestreo y la
cuantización aplicando el 1) ¿A qué se refiere el muestreo
teorema de Nyquist y la de una señal analógica?
transformada de Fourier,
también se investiga sobre el El muestreo es una suma
rango de frecuencias al que el ponderada de impulsos en la que
oído humano es capaz de los factores de ponderación son
escuchar y sobre algunos iguales a los valores de la señal
instrumentos musicales donde se analógica en los instantes donde
plantea la frecuencia mínima de ocurren los impulsos, la señal
muestreo donde pueden ser muestreada ideal es considerada
digitalizados de manera correcta. del producto de la señal
analógica y se demuestra de la
ABSTRAC siguiente manera:
∞ ∞
This document contains the
study of the analog to digital
X I ( t ) =x ( t ) i ( t )=x (t ) ∑ δ ( t−nt s ) = ∑ x ( n t s ) δ ( t−nt s ) = ∑
n=−∞ n=−∞ n=
conversion approached from the
mathematical point of view, 2) ¿Cómo se realiza la
exercises are carried out for cuantización de una señal?
sampling and quantization
applying the Nyquist theorem En señales analógicas se
and the Fourier transform, it is realizan en la función del
also investigated on the range of tiempo y la amplitud, de
frequencies to which the human forma de redondear o trucar
ear is able to listen and on some las muestras con el fin de
musical instruments where the reducir a un conjunto finito de
minimum sampling frequency is valores. También podemos
raised where they can be decir; que es una conversión
digitized correctly. de una señal discreta en el
tiempo evaluada de forma
continua a una señal discreta
en el tiempo evaluada de
forma discreta.
N−1
1
f (u) ∑ ¿ ¿ ¿
N x=1
3) ¿Qué indica el teorema de
muestreo de Nyquist?

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.
5) ¿Qué realiza la transformada
La teoría del muestreo define
de Fourier?
que para una señal de ancho de
banda limitado, la frecuencia de
Realiza una transformación de
muestreo, fm, debe ser mayor
una función en dominio del
que dos veces su ancho de
tiempo en otra función de
banda en Hertz.
dominio de frecuencia. La
Fm>2 F 0 transformada discreta de Fourier
describe el espectro de las
señales de tiempo discreto y
4) ¿Cuál es el fenómeno llamado
formaliza el concepto de que
Alias o Aliasing?
dichas señales tienen espectros
periódicos
Este fenómeno es el efecto por el ∞ ∞
cual las señales continuas en el X I ( t ) = ∑ x ( k t s ) δ ( t−k t s ) X p ( f )=s ∑ X (f −kS )
tiempo son indistinguibles al ser k=−∞ k=−∞

muestreada digitalmente. Esto se

produce por una señal
digitalizada errónea, generando
imperfecciones en dichas 6) ¿Qué es la transformada
señales. Teniendo en cuenta la rápida de Fourier?
teoría Nyquist, se puede concluir
que es efecto simplemente se Es un método matemático para
produce cuando no muestreamos la transformación de una función
a la frecuencia de Nyquist. del tiempo en una función de la
frecuencia. A veces se describe
como la transformación del
dominio del tiempo al dominio de
la frecuencia. Es muy útil para el
análisis de los fenómenos
dependientes del tiempo.
N −1 −2 πi
Kn
X k= ∑ xn e N

n=0
 2 πf =25 π
25 π
2. Desarrolle 3 ejercicios f 1=
2π
matemáticos de manera f 1=12.5 Hz
individual, cada uno
relacionado con los siguientes 6 cos (380 π )
temas:
 Muestreo w=2 πf
 Cuantización w=380 πf
 Transformada discreta de 2 πf =380 π
Fourier 380 π
f 2=
2π
f 2=190 Hz
2.1 Cada estudiante escogerá
un ejercicio de cuantización 7 cos ⁡(987 π )
y uno de muestreo, estos w=2 πf
estarán dispuestos en el w=987 πf
2 πf =987 π
Anexo 1, no se podrán
987 π
repetir ejercicios entre los f 3=
2π
estudiantes del grupo
f 3=493.5 Hz
2.2 Con base en la ecuación de
sumatoria presente en el
4 sen (2680 π )
OVI, el estudiante debe
w=2 πf
realizar la TDF con los w=2680 πf
últimos tres dígitos de su 2 πf =2680 π
documento de identidad. 2680 π
f 4=
2π
Muestreo
f 4=1340 Hz
1. Siendo 𝑥(𝑡) = 2 𝑠𝑒𝑛 (25𝜋 𝑡) +
6 𝑐𝑜𝑠(380𝜋 𝑡) + 7 𝑐𝑜𝑠(987𝜋 𝑡)
+ 1.2 ¿Se presenta fenómeno
4𝑠𝑒𝑛(2680𝜋𝑡) Resuelva:
Alias o Aliasing si x(t) es
1.1 Encuentre las frecuencias muestreada a S=800 Hz ?
f 0 de cada uno de los Explique paso a paso y si
componentes de la señal presenta alias, encuentre
x (t). la frecuencia f a y
w=2 πf reconstruya la señal x a (t)
2 sen (25 πf )
f 3=493.5 Hz
w=2 πf s=800 Hz
w=25 π
 f a 1=f 3−N f s Cuantización
fa1=493.5 Hz−800 Hz
Se va a muestrear una señal con
f a1=306.5
niveles de amplitud entre -4.5V y
4.5V, y se va a cuantizar por
f 4=1340 Hz
redondeo con un error rms
s=800 Hz
σ =10 mV
f a 2=f 4−N f s
fa2=1340 Hz−800 Hz 2.1 ¿cuántos bits B se requieren?
fa2=540 Hz
Construimos xa(t )
D=4.5
x a ( t )=2 sen ( 25 πt ) +6 cos ( 380 πt ) +7 cos ( 987 πt (306.5 |−4.5
V −Hz V |sen(2680
) t ) +4 =9 V πt (540 Hz)t)
σ =10 mV =0.010 V
1.3 ¿Se presenta fenómeno
Alias o Aliasing si x(t) es Como:
muestreada a S=2500 Hz ? ∆
σ= → ∆=√ 12∗0.010 V =0.03464
Explique paso a paso y si √12
presenta Alias, encuentre
Como:
la frecuencia f a t
reconstruya la señal x a (t) D D 9V
L= → L= = =259.81
L ∆ 0.03464
f 2=190 Hz
Como:
S=2500 Hz
B B 9V
L=2 → 2 =
f a 2=f 4−Nf s 0.03464
f a 2=1340 Hz−2500 Hz B
2 =259.81
f a 2=1160 Hz B
log 2 =log 259.81
B∗log2=log 259.81
1.4 Halle la frecuencia de
muestreo para que la señal log 259.81
B¿ =8.021 bits=8bits
x(t) no presente fenómeno log 2
de Alias.
f 1=12.5 Hz
2.2 ¿Si el cuantizador ahora es
f 2=190 Hz de 16 bits, cual sería su
error rms σ ?
f 3=493.5 Hz

f 4=1340 Hz
B 16
L=2 → 2 =65536
D=4.5 V −|−4.5 V |=9 V
Como: 1
PS = (−20.47 )=−2.274
9
D 9V
∆= = =0.000137 V
L 65536
∆ 0.000137 2.6 ¿Cuál es la relación señal
σ= = =0.0000395 V =39.5 μV
√12 √ 12 ruido del cuantizador SN R Q?

Las señales x [ n ] y xq [ n ] son:

SN R Q=10 log
( ) PS
PN

x [ n ] ={ 1.0 ,−0.4,2 .5 ,−4.0,2.7 ,−2.5,2.6 ,−4.4 } SN R =10 log −2.274 =2.329 dB

Q
−1.33 ( )
x q [ n ] ={ 0.8 ,−0.3,2.3 ,−4.4,3 .1 ,−2.3,2 .7 ,−4.0 }

2.3 ¿Cuál es la señal de error

e (n) ?

x e [ n ] = { 0.2,−0.1,0 .2,−0.4,0 .4 ,−0.2,0.1 ,−0.4 }

2.4 ¿Cuál es la potencia de la 3. Realice el algoritmo de la

señal de ruido? transformada Discreta de
Fourier en este debe estar
N−1 planteada la sumatoria de la
1
P N=
N
∑ ¿¿ transformada con dos ciclos
N=0
for. Dicho algoritmo se
1 realizará para una señal de
P N= ¿
9 longitud de tres muestras.
1 Análisis matemático
P N = (−0.12 )=−1.33 x ( n ) = {5 3 3 }
9
x 1=5 , x2 ¿ 3 , x 3=3
Formula
2.5 ¿Cuál es la potencia de la ∞ − j 2 πkn

señal muestreada? x ( k )= ∑ ( x [ n] e N
)
N=−∞

Para k=0
x [ n ] ={ 1.0 ,−0.4,2 .5 ,−4.0,2.7 ,−2.5,2.6 ,−4.4 } − j 2 π (0)(0 ) − j2 π (0)(1) − j 2 π (0)(2 )
x [ k =0 ] =x [ 0 ] e N
+ x [ 1] e N
+ x [2 ] e N

N −1
1
PS =
N
∑ ¿¿ ¿ 5∗e
− j 2 π ( 0) ( 0 )
5
+ 3∗e
− j 2 π ( 0) ( 1 )
5
+3∗e
− j 2 π (0 )(2)
5
N =0

1 ¿ ( 5+3+3 ) j=11 j
PS = ¿
9 Para k=1
− j 2 π (1)(0) − j 2 π (1)(1 ) − j2 π (1)(2)
x ( k=1 )= x [ 0 ] e N
+ x [1 ] e N
+ x [ 2] e N
 − j 2 π ( 1) ( 0 ) − j2 π ( 1 )( 1 ) − j 2 π (1)(2)
¿ 5∗e 5
+3∗e 5
+3∗e 5

−j2π
5
−j4 π
5
El oído humano percibe
¿ 5+3 e +3∗e
frecuencias entre 20Hz (tono
Como:
− jw
más bajo) a 20.000 Hz (tono
e =cos ( w )− j∗Sen(w) más alto). Todos los sonidos por

[ ( )
¿ 5+3 cos
2π
5
− j∗sen ( )]
2π
5
+3 cos
[ ( ) 5 ( )]
4 π debajo4 de
− j∗Sen
5
π 20 Hz se califican
como infrasonidos. Del mismo
¿ 5+3 [−1 j∗√ 5
3
−
3 ] [
+3
−1 j∗√ 5
3
+
3 ] modo, todos los sonidos por
encima de 20 KHz se califican
3 j∗3 √ 5 3 j∗3 √ 5 como ultrasonidos.
¿ 5− − − +
3 3 3 3
Para determinar la frecuencia de
¿ 5−1− j∗ √5−1+ j∗√5=1+0 j
muestreo mínima, evitando que
Para K=2
− j 2 π (2)(0) − j 2 π (2)(1) −se distorsione se debe aplicar al
j 2 π (2)(2)
x [ k =2 ] =x [ 0 ] e N
+ x [1 ] e N
+ x [ 2 ] e teorema de muestro Nyquist que
N

− j 2 π ( 2) ( 0 ) − j2 π ( 2 ) ( 1 ) − j 2 π (3)(3 )
indica que la frecuencia de
¿ 5∗e 5 +3∗e 5 +3∗e 5
−j4 π −j8 π
muestreo debe ser mínimo el
¿ 5+3∗e 5 +3∗e 5 doble de la frecuencia a
Como: muestrear.
e− jw=cos ( w )− j∗sen (w)

[ ( )
¿ 5+3 cos
4π
5
− j∗sen
4π
5
+3 cos
8π
5
− 6.
j∗sen ( )]
8π
Investigue
5 [ ( )
sobre cual es el
rango de frecuencias que
( )]
¿ 5+3
3[
−1 j∗√5
+
3
+3
−1 j∗√ 5
3
−
3] [ ]
emite cinco instrumentos
musicales, se debe tener en
3 j∗3 √ 5 3 j∗3 √ 5
¿ 5− + − − cuenta los armónicos de los
3 3 3 3
instrumentos ya que son las
¿ 5−1+ j∗√ 5−1− j∗√5=1+0 j
frecuencias mas altas que
4. Grave un video en su
emiten y a partir de este dato,
computador y súbalo a
argumentara a que frecuencia
youtube en este debe explicar
de muestreo mínima se debe
línea a línea el funcionamiento
muestrear cada uno de los
del algoritmo de la
cinco instrumentos musicales
transformada discreta de
para ser digitalizados de
Fourier.
manera correcta por ejemplo
https://youtu.be/qZqZAv9mjbw si el bombo tiene un rango de
50 Hz a 15Khz, su frecuencia
de muestreo; Fs=30KHz
5. Investigue sobre el rango de Mínimo.
frecuencias que el oído
humano es capaz de escuchar
los instrumentos seleccionados Procesamiento de señales
tomaremos la frecuencia más analógicas y digitales (2nd ed.,
alta del rango de armónicos y la pp. 460-464). Cengage
multiplicaremos por 2 para hallar Learning https://go-gale-
la frecuencia de muestreo com.bibliotecavirtual.unad.edu.c
mínima. o/ps/i.do?
p=GVRL&u=unad&id=GALE|
CX4060300147&v=2.1&it=r&sid
=GVRL&asid=80fe31fe
Instru Funda Armó Frecu
mentos mental nicos encia García Martínez, M.
KHz de (05,07,2017). Procesamiento
mues Digital de Señales -
treo Transformada Discreta de
míni Fourier. [OVI] http://hdl.handle.
ma net/10596/12519
KHz/
Hz
Flauta 61- 3- 16KH
2349 8kHz z-
16.00
0Hz
Tambo 00-200 1- 40KH
r 20KH z-
z 40.00
0Hz
Guitarr 2-288 1- 30KH
a 15KH z-
acústic z 30.00
a 0Hz
Piano 8-4196 5- 16KH
8KHz z-
16.00
0Hz
Violín 96- 4- 30KH
3136 15KH z-
z 30.00
0Hz

Bibliografía

Ambardar, A.
(2002). Cuantización. En