ADQUISICIÓN Y PROCESAMIENTO DE LA SEÑAL (APS)

GRADO EN INTELIGENCIA ARTIFICIAL

Acondicionamiento de Señal y Conversión Analógico-Digital

Fundamentos del Acondicionamiento de Señales

Introducción
El acondicionamiento de señales es un conjunto de técnicas esenciales en la ingeniería
electrónica, particularmente en la ingeniería informática y la inteligencia artificial. Esta
sección proporciona una descripción detallada de las técnicas fundamentales de
acondicionamiento de señales, incluyendo el filtrado, la amplificación y el aislamiento. Al
comprender y aplicar estos conceptos, los estudiantes podrán preparar eficazmente las
señales para un análisis y procesamiento óptimos.

1. Filtrado de Señales

1.1 Definición y Propósito del Filtrado

El filtrado es una técnica crucial que se utiliza para eliminar componentes no deseados o
ruido de una señal. Es fundamental en la mejora de la calidad de la señal y en la extracción
de información útil de ella.

1.2 Tipos de Filtros

• Filtros Paso Bajo: Permiten el paso de señales con una frecuencia más baja que un
límite establecido, bloqueando las frecuencias más altas.

• Filtros Paso Alto: Operan de manera opuesta a los filtros paso bajo, bloqueando las
frecuencias más bajas.

• Filtros Paso Banda: Permiten el paso de un rango específico de frecuencias,

bloqueando las frecuencias por debajo y por encima de este rango.

• Filtros Rechazo Banda: Bloquean un rango específico de frecuencias, permitiendo el

paso de todas las demás.

P á g i n a 1 | 11
 ADQUISICIÓN Y PROCESAMIENTO DE LA SEÑAL (APS)

GRADO EN INTELIGENCIA ARTIFICIAL

• P á g i n a 2 | 11
 ADQUISICIÓN Y PROCESAMIENTO DE LA SEÑAL (APS)

GRADO EN INTELIGENCIA ARTIFICIAL

1.3 Aplicación del Filtrado

Se utiliza en una variedad de aplicaciones, desde el procesamiento de señales de audio
hasta la mejora de señales biomédicas.

 Procesamiento de Audio: En la industria musical y en la producción de audio, los filtros se

usan para modificar y mejorar la calidad del sonido. Por ejemplo, los filtros paso bajo se
utilizan para atenuar las frecuencias altas y resaltar los bajos, mientras que los filtros paso
alto se usan para eliminar ruidos de baja frecuencia.

 Telecomunicaciones: En las telecomunicaciones, el filtrado es crucial para la transmisión y

recepción de señales. Se utilizan filtros para separar señales útiles de la interferencia y el
ruido, y para extraer señales de ciertas bandas de frecuencia en sistemas de comunicación
como la radio y la televisión.

 Procesamiento de Imágenes y Visión por Computadora: Los filtros se aplican en el

procesamiento de imágenes para mejorar la calidad visual, eliminar el ruido, realzar bordes
o extraer características relevantes. Por ejemplo, en visión por computadora, los filtros se
usan para preparar imágenes para el análisis y reconocimiento de patrones.

 Instrumentación y Control: En sistemas de control e instrumentación, el filtrado es

esencial para obtener lecturas precisas de sensores. Los filtros eliminan el ruido y las
fluctuaciones indeseadas de las señales de los sensores, lo que es fundamental para el
control preciso de procesos y maquinaria.

 Medicina: En equipos médicos, como los electrocardiogramas (ECG) y

electroencefalogramas (EEG), los filtros son indispensables para eliminar interferencias y
ruidos, permitiendo una interpretación clara y precisa de las señales biomédicas.

 Señales Financieras y Económicas: En economía y finanzas, se utilizan filtros para analizar

series temporales de datos financieros, como precios de acciones o indicadores
económicos, para identificar tendencias y ciclos, eliminando componentes de ruido o
fluctuaciones de corto plazo.

 Astronomía y Física: En astronomía, el filtrado se emplea para procesar señales de

telescopios y otros instrumentos para mejorar la visualización y el análisis de datos
astronómicos. En física, se usan filtros para analizar señales experimentales y extraer
información relevante.

 Automoción y Transporte: En el diseño de vehículos y sistemas de transporte, los filtros se

utilizan para procesar señales de sensores y sistemas de navegación, mejorando la
seguridad y eficiencia en la conducción.

P á g i n a 3 | 11
 ADQUISICIÓN Y PROCESAMIENTO DE LA SEÑAL (APS)

GRADO EN INTELIGENCIA ARTIFICIAL

 Investigación Científica y Laboratorios: En laboratorios de investigación, se aplican filtros

en el análisis de señales experimentales para separar la información útil del ruido de fondo,
lo cual es crucial en experimentos científicos de alta precisión.

2. Amplificación de Señales

2.1 Importancia de la Amplificación

La amplificación aumenta la amplitud de una señal, mejorando la relación señal-ruido y
haciéndola más adecuada para el procesamiento posterior.

2.2 Amplificadores Operacionales

Los amplificadores operacionales son componentes clave en la amplificación de señales. Se
analizará su funcionamiento y cómo se utilizan en circuitos de acondicionamiento de
señales.

P á g i n a 4 | 11
 ADQUISICIÓN Y PROCESAMIENTO DE LA SEÑAL (APS)

GRADO EN INTELIGENCIA ARTIFICIAL

3. Aislamiento de Señales

3.1 Necesidad de Aislamiento

El aislamiento protege los componentes sensibles del sistema y evita interferencias entre
diferentes partes del circuito electrónico.

3.2 Métodos de Aislamiento

• Optoacopladores: Utilizan la luz para transmitir señales eléctricas, proporcionando
aislamiento entre la entrada y la salida.

• Transformadores: Ofrecen aislamiento eléctrico y se utilizan para cambiar los niveles

de voltaje de las señales.

P á g i n a 5 | 11
 ADQUISICIÓN Y PROCESAMIENTO DE LA SEÑAL (APS)

GRADO EN INTELIGENCIA ARTIFICIAL

4. Teoría y Principios

4.1 Introducción a la Conversión A/D

La conversión analógico-digital (A/D) es el proceso de transformar señales continuas en
tiempo (analógicas) en representaciones discretas (digitales). Este proceso es fundamental
en el campo de la ingeniería informática y la inteligencia artificial, ya que permite a las
computadoras y a los sistemas basados en IA procesar y analizar señales del mundo real.

4.2 Proceso de Muestreo

El muestreo es el primer paso en la conversión A/D y consiste en tomar muestras de una
señal analógica a intervalos regulares de tiempo. Este proceso se rige por el Teorema de
Muestreo de Nyquist-Shannon, el cual establece que la tasa de muestreo debe ser al menos
el doble de la frecuencia más alta presente en la señal para capturar toda la información sin
ambigüedades (aliasing).

Ecuación del Muestreo: 𝑓𝑓𝑓𝑓 ≥ 2 ⋅ 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓

Donde fs es la frecuencia de muestreo y fmax es la frecuencia máxima en la señal.

4.3 Proceso de Cuantización

La cuantización sigue al muestreo y convierte cada muestra tomada en un valor de un
conjunto finito. Esto introduce un error de cuantización, ya que los valores de señal se
redondean al valor cuantizado más cercano. La resolución de la cuantización, que se suele
expresar en bits, determina cuántos niveles distintos de señal pueden representarse.

Ecuación de la Cuantización: 𝑄𝑄 =
𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉−𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉
2𝑛𝑛

Donde Q es el paso de cuantización, Vmax y Vmin son los valores máximo y mínimo que
puede tomar la señal, y n es el número de bits de resolución.

Error de Cuantización: El error de cuantización se produce debido al redondeo necesario en

el proceso de cuantización. El error máximo es la mitad del paso de cuantización. 𝐸𝐸𝑚𝑚𝑚𝑚𝑚𝑚 =
𝑄𝑄
𝑤𝑤

4.4 Codificación
Finalmente, las muestras cuantizadas se codifican en una forma binaria para su
procesamiento digital. Esta codificación se realiza convirtiendo cada valor cuantizado en un
código binario correspondiente.

Ecuación de la Codificación: Una muestra cuantizada x se convierte en un código binario b

usando la relación: b=Binary(x) Donde Binary(x) es una función que convierte el valor
cuantizado x en su representación binaria.

P á g i n a 6 | 11
 ADQUISICIÓN Y PROCESAMIENTO DE LA SEÑAL (APS)

GRADO EN INTELIGENCIA ARTIFICIAL

4.5 Modelo Matemático Completo de la Conversión A/D

La conversión A/D puede modelarse matemáticamente como un proceso que incluye el
muestreo, la cuantización y la codificación de la señal. Este proceso se puede representar
como una función que toma una señal analógica continua s(t) y produce una secuencia de
valores binarios.

𝑠𝑠(𝑡𝑡) ⟶ 𝑠𝑠[𝑛𝑛] ⟶ 𝑞𝑞[𝑛𝑛] ⟶ 𝑏𝑏[𝑛𝑛]

Donde s(t) es la señal analógica original, s[n] son las muestras tomadas, q[n] son los valores
cuantizados y b[n] es la representación binaria final.

5. Impacto en Inteligencia Artificial

Aplicación en IA: Análisis de la Conversión A/D

5.1 Importancia de la Conversión A/D en IA

La conversión de señales analógicas a digitales (A/D) es un proceso crítico en el mundo de
la Inteligencia Artificial (IA), especialmente en aplicaciones que involucran el procesamiento
de señales. Esta conversión permite que las señales del mundo real, como el sonido, las
imágenes, y las mediciones físicas, sean interpretadas y analizadas por algoritmos de IA.

5.2 Redes Neuronales y Aprendizaje Automático

En las redes neuronales y el aprendizaje automático, la calidad y precisión de los datos de
entrada son vitales. Una conversión A/D adecuada asegura que los datos sean
representativos de la señal original, lo que es esencial para el entrenamiento efectivo de
modelos de IA. Por ejemplo, en el reconocimiento de voz o en el procesamiento de
imágenes, una conversión A/D de alta fidelidad es crucial para capturar las características
relevantes que los algoritmos necesitan para aprender y tomar decisiones.

Casos de Estudio: Aplicaciones en IA

5.3 Reconocimiento de Voz

En el reconocimiento de voz, la conversión A/D juega un papel fundamental. Las señales de
voz analógicas se convierten en datos digitales que luego son procesados por redes
neuronales para la identificación de palabras y frases. Una conversión precisa es crucial para
que el sistema reconozca correctamente diferentes tonos, acentos y modulaciones en la
voz.

5.4 Procesamiento de Imágenes y Visión por Computadora

En el campo de la visión por computadora, las cámaras capturan imágenes como señales
analógicas que se convierten en datos digitales. Estos datos son luego utilizados para

P á g i n a 7 | 11
 ADQUISICIÓN Y PROCESAMIENTO DE LA SEÑAL (APS)

GRADO EN INTELIGENCIA ARTIFICIAL

detectar y reconocer patrones, caras, objetos y escenas. La calidad de la conversión A/D

afecta directamente la capacidad del sistema para analizar y entender las imágenes.

5.5 Sensores y Robótica

En la robótica, los sensores convierten las señales físicas (como la distancia, la temperatura,
o la presión) en señales digitales a través del proceso de conversión A/D. Estos datos
digitales son esenciales para que los robots naveguen, interactúen con su entorno y realicen
tareas complejas de manera autónoma.

5.6 Medicina y Diagnóstico por Imágenes

En la medicina, especialmente en el diagnóstico por imágenes, la conversión A/D es clave.
Equipos como los resonadores magnéticos y los tomógrafos computarizados dependen de
esta conversión para transformar señales físicas en imágenes digitales que los médicos
pueden utilizar para diagnosticar y tratar enfermedades.

6. Ejemplos y Casos Prácticos

En Contexto Médico: Sistemas de Acondicionamiento en Equipos Médicos

6.1 Acondicionamiento en Electrocardiogramas (ECG)

El ECG es un dispositivo médico esencial que mide la actividad eléctrica del corazón. Aquí, el
acondicionamiento de señal es vital para filtrar el ruido eléctrico y mejorar la calidad de la
señal cardíaca.

• Filtrado: Se utilizan filtros para eliminar interferencias como la señal de línea eléctrica
(50/60 Hz) y para enfocarse en las frecuencias relevantes del ritmo cardíaco.

• Amplificación: Las señales cardíacas son generalmente débiles y requieren

amplificación para un análisis adecuado.

• Aislamiento: Es crucial para proteger tanto al paciente como al equipo de posibles

descargas eléctricas.

P á g i n a 8 | 11
ADQUISICIÓN Y PROCESAMIENTO DE LA SEÑAL (APS)

GRADO EN INTELIGENCIA ARTIFICIAL

P á g i n a 9 | 11
 ADQUISICIÓN Y PROCESAMIENTO DE LA SEÑAL (APS)

GRADO EN INTELIGENCIA ARTIFICIAL

6.2 Acondicionamiento en Electroencefalogramas (EEG)

Los EEG registran la actividad eléctrica del cerebro. El acondicionamiento de señal en estos
dispositivos es esencial para obtener lecturas claras y precisas del cerebro.

• Filtrado: Se aplica para eliminar el ruido ambiental y centrarse en las bandas de

frecuencia cerebral específicas.

• Amplificación: Debido a que las señales cerebrales son extremadamente sutiles, se

requiere una amplificación significativa.

• Aislamiento: Importante para la seguridad y para reducir las señales de interferencia.

Estudios de Caso: Importancia del Acondicionamiento y la Conversión A/D

P á g i n a 10 | 11
 ADQUISICIÓN Y PROCESAMIENTO DE LA SEÑAL (APS)

GRADO EN INTELIGENCIA ARTIFICIAL

6.3 Caso de Estudio: Monitorización Cardíaca en Ambientes Ruidosos

En un estudio de caso de un hospital, el acondicionamiento eficiente de señales de ECG
permitió a los médicos monitorizar con precisión la salud cardíaca de los pacientes en un
entorno lleno de diversas fuentes de interferencia eléctrica.

• Desafío: Filtrar con eficacia el ruido sin perder información cardíaca vital.

• Solución: Uso de filtros paso banda cuidadosamente diseñados y amplificación con

aislamiento de alta calidad.

6.4 Caso de Estudio: Diagnóstico de Trastornos Cerebrales con EEG

En otro caso, el uso de EEG con un acondicionamiento de señal optimizado permitió el
diagnóstico temprano de trastornos neurológicos.

• Desafío: Capturar señales cerebrales precisas para un diagnóstico temprano.

• Solución: Acondicionamiento avanzado de señales para aumentar la claridad de las

señales cerebrales y mejorar la fiabilidad del diagnóstico.

P á g i n a 11 | 11