1

Paso 2 - Reconocer los elementos matemáticos

que implica el sistema de conversión analógica
digital


Estudiante Diego Alexander C.C. 1018415390

Estudiante
Estudiante
Estudiante Asignación ejercicios:
Estudiante
Ejercicio muestreo 2 - Ejercicio Cuantización 5 Diego Leonardo

Ejercicio muestreo 1 - Ejercicio Cuantización 3 Fabio

Resumen—La operación que permite expresar una propiedad o Ejercicio muestreo 4 - Ejercicio Cuantización 1 Diego Alexander
atributo físico en forma numérica es precisamente la medida. La
noción de Magnitud está inevitablemente relacionada con la de Ejercicio muestreo 3 - Ejercicio Cuantización 2 Duvan
medida. Se denominan magnitudes a ciertas propiedades o aspectos
observables de un sistema físico que pueden ser expresados en Ejercicio muestreo 5-  Ejercicio Cuantización 4 Juan
forma numérica. En otros términos, las magnitudes son propiedades
o atributos medibles. Ejercicio muestreo 4 - Ejercicio Cuantización 1 Diego
Alexander
La longitud, la masa, el volumen, la fuerza, la velocidad, la
cantidad de sustancia son ejemplos de magnitudes físicas. La
sinceridad o la amabilidad no son magnitudes, se trata de aspectos
cualitativos porque indican cualidad y no cantidad. Las magnitudes Ejercicio muestreo 4
varían con el Tiempo en forma continua, como la distancia, la ¿Se presenta fenómeno alias o aliasing si x (t) es
temperatura, la velocidad, etc., que podrían variar muy lento o muy muestreada a S=5k Hz?
rápido. Estas son muy difíciles de almacenarlas, manipularlas, Explique paso a paso y si presenta alias, encuentre la
compararlas, calcular y recuperar información con exactitud, en
cambio si esta información analógica se convierte a información frecuencia
digital, se podría manipular sin problema. Sabemos que frecuencia angular es:

Abstract—the operation that allows to express a property or

physical attribute in numerical form is precisely the measure. The
notion of Magnitude is inevitably related to that of measurement. Tomamos ( ) y lo igualamos a ( ).
Magnitudes are called certain properties or observable aspects of a
physical system that can be expressed numerically. In other words, Despejamos (1) para saber cuál es la frecuencia de. nuestra
magnitudes are measurable properties or attributes.
señal.
Length, mass, volume, force, speed, amount of substance are
examples of physical quantities. Sincerity or kindness are not
magnitudes, they are qualitative aspects because they indicate
quality and not quantity. The magnitudes vary over time
continuously, such as distance, temperature, speed, etc., which could La frecuencia de Nyquist establece que. la frecuencia de
vary very slowly or very fast. These are very difficult to store,
muestreo, debe ser como mínimo el doble que el ancho de
manipulate, compare, calculate and retrieve information accurately,
however if this analog information is converted to digital banda de la señal muestreada para que no presente el
information, it could be handled without problem. fenómeno alias o aliasing.

Introducción

L a importancia de la conversión analógica digital, y su

implicación en el dominio dela frecuencia y del tiempo
es fundamental en el diseño de sistemas discretos, por medio
de ejercicios se plantean los temas del muestreo y Como se puede observar, si se presenta el fenómeno alias o
cuantización, y la transformada de Fourier en tiempo discreto aliasing si x(t) es muestreada a S=5kHz, para que no se
presente debe ser muestreada por una frecuencia mayor o
igual a los l 2k Hz.
*
Revista Argentina de Trabajos Estudiantiles. Patrocinada por la IEEE.
 2

Entonces podemos decir que: Reemplazamos:

Todo número elevado a la 0 es igual a 1.

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

muestreada a S=12?5k Hz? Para K = 1
Explique paso a paso y si presenta alias, encuentre la
frecuencia
La frecuencia de Nyquist establece que. la frecuencia de
muestreo, debe ser como mínimo el doble que el ancho de
banda de la señal muestreada para que no presente el Reemplazamos:
fenómeno alias o aliasing.

Teniendo en cuenta la identidad de Euler:

Como se puede observar No se presenta fenómeno alias o
aliasing si x (t) es muestreada a S=12k Hz, ya que es
muestreada por un número mayor a los 12k Hz.
Entonces podemos decir que:

Reemplazamos:

Ejercicio Cuantización 1
TRANSFORMADA DISCRETA DE FOURIER
Cada estudiante realizará el algoritmo de la Transformada Teniendo en cuenta que:
Discreta de Fourier, en el cual debe estar planteada la
sumatoria de transformada. 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.
Para este caso mi cédula es 1.018.415.390 y termina en
390, por lo tanto: x= [3, 9, 0]
Transformada discreta de Fourier:

Ecuación de sumatoria N Longitud de señal en el tiempo.

Para este caso 3 muestras.

Para K = 2
Para K = 0
 3

Reemplazamos:

Teniendo en cuenta la identidad de Euler:

Reemplazamos:

Teniendo en cuenta que: Figura 1: Comprobando algoritmo en matlab

APORTES TEÓRICOS
¿Qué es una señal muestreada?
El muestreo está basado en el teorema de muestreo, que es
la base de la representación discreta de una señal continua en
banda limitada. Es útil en la digitalización de señales (y por
consiguiente en las telecomunicaciones) y en la codificación
del sonido en formato digital. Independientemente del uso
final, el error total de las muestras será igual al error total del
sistema de adquisición y conversión más los errores añadidos
por el ordenador o cualquier sistema digital. Para dispositivos
incrementales, tales como motores paso a paso y
conmutadores, el error medio de los datos muestreados no es
tan importante como para los dispositivos que requieren
señales de control continuas.
Teorema de muestreo: Es posible establecer un desarrollo
en Serie de Fourier de limitado a:

La respuesta final sería: ¿Qué es una señal cuantizada?

Es el proceso posterior a la etapa de muestreo en la que se
toman valores de amplitud de una determinada señal
analógica. El objetivo de este proceso es cuantificar con bits
estos valores, mediante la asignación de niveles. En esta etapa
se le asigna un valor a la muestra, pero no es digital. En este
punto se decide si el valor de la muestra está, por
aproximación, dentro del margen de niveles previamente
fijados y se le asigna un valor preestablecido según el código
utilizado en la codificación.
¿Cuál es el fenómeno llamado Alias o Aliasing?
Es el efecto que causa que señales continuas distintas se
tornen indistinguibles cuando se muestrean digitalmente.
Cuando esto sucede, la señal original no puede ser
reconstruida de forma unívoca a partir de la señal digital. Una
imagen limitada en banda y muestreada por debajo de su
frecuencia de Nyquist en las direcciones "x" e "y", resulta en
una superposición de las replicaciones periódicas del

espectro . Este fenómeno de superposición
periódica sucesiva es lo que se conoce como aliasing o Efecto
Nyquist.
Figura 2: Aliasing
¿Qué indica el teorema de muestreo de Nyquist?
El teorema trata del 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). Dicho de otro
modo, desde el punto de vista del teorema, las muestras
discretas de una señal son valores exactos que aún no han
sufrido redondeo o truncamiento alguno sobre una precisión
determinada, es decir, aún no han sido cuantificadas.
Figura 3: Señal analógica.
4
Figura 2: Señal Muestreada.
¿Qué realiza la transformada de Fourier? Empleada para
transformar señales entre el dominio del tiempo (o espacial) y
el dominio de la frecuencia, que tiene muchas aplicaciones en
la física y la ingeniería. Es reversible, siendo capaz de
transformarse en cualquiera de los dominios al otro. El propio
término se refiere tanto a la operación de transformación
como a la función que produce. En el caso de una función
periódica en el tiempo (por ejemplo, un sonido musical
continuo, pero no necesariamente sinusoidal), la transformada
de Fourier se puede simplificar para el cálculo de un conjunto
discreto de amplitudes complejas, llamado coeficientes de las
series de Fourier. Ellos representan el espectro de frecuencia
de la señal del dominio-tiempo original. La transformada de
Fourier es una aplicación que hace corresponder a una
función f con otra función g definida de la manera siguiente:
¿Qué es la transformada rápida de Fourier? Es un
algoritmo eficiente que permite calcular la transformada de
Fourier discreta (DFT) y su inversa. La FFT es de gran
importancia en una amplia variedad de aplicaciones, desde el
tratamiento digital de señales y filtrado digital en general a la
resolución de ecuaciones en derivadas parciales o los
algoritmos de multiplicación rápida de grandes enteros.
Cuando se habla del tratamiento digital de señales, el
algoritmo FFT impone algunas limitaciones en la señal y en el
espectro resultante ya que la señal muestreada y que se va a
transformar debe consistir de un número de muestras igual a
una potencia de dos. La mayoría de los analizadores de FFT
permiten la transformación de 512, 1024, 2048 o 4096
muestras. El rango de frecuencias cubierto por el análisis FFT
depende de la cantidad de muestras recogidas y de la
proporción de muestreo. La transformada rápida de Fourier es
de importancia fundamental en el análisis matemático y ha
sido objeto de numerosos estudios. La aparición de un
algoritmo eficaz para esta operación fue un hito en la historia
de la informática.
El Rango De Frecuencias Que El Oído Humano Es Capaz
De Escuchar
Un oído sano y joven es sensible a las frecuencias
comprendidas entre los 20 Hz y los 20 kHz. Fuera del
espectro audible:
 Por encima estarían los ultrasonidos (Ondas acústicas de
frecuencias superiores a los 20 kHz).  Por debajo, los
infrasonidos (Ondas acústicas inferiores a los 20 Hz) El
espectro audible podemos subdividirlo en función de los
tonos:
 Tonos graves (frecuencias bajas, correspondientes a las 4
primeras octavas, esto es, desde los 16 Hz a los 256 Hz).
 Tonos medios (frecuencias medias, correspondientes a
las octavas quinta, sexta y séptima, esto es, de 256 Hz a 2
kHz).
 5

 Tonos agudos (frecuencias altas, correspondientes a las

tres últimas octavas, esto es, de 2 kHz hasta poco más de 16
kHz).

Link sustentación del Ejercicio correspondiente al

Estudiante DIEGO ALEXANDER AVILA
https://www.youtube.com/watch?
v=T9hNGWJrbtk&feature=youtu.be

Referencias
[1] Aliasing. (15 de 03 de 2019). Obtenido de Wikipedia:
https://es.wikipedia.org/wiki/Aliasing
[2]  Cuantificación digital. (15 de 03 de 2019). Obtenido de Wikipedia:
https://es.wikipedia.org/wiki/Cuantificaci%C3%B3n_digital
[3]  Espectro audible. (15 de 03 de 2019). Obtenido de Wikipedia:
https://es.wikipedia.org/wiki/Espectro_audible
[4]  Teorema de muestreo de Nyquist Shannon. (16 de 03 de 2019).
Obtenido de Wikipedia:
https://es.wikipedia.org/wiki/Teorema_de_muestreo_de_Nyquist-
Shannon
[5]  Tranformada de Fourier. (15 de 03 de 2019). Obtenido de Wikipedia:
https://es.wikipedia.org/wiki/Transformada_de_Fourier
[6]  Transformada rápida de Fourier. (15 de 03 de 2019). Obtenido de
Wikipedia: https://es.wikipedia.org/wiki/Transformada_r
%C3%A1pida_de_Fourier
[7]