Unidad 3

Muestreo y Digitalización de Señales de Audio y Video

PRINCIPIOS DE CONVERGENCIA DIGITAL

MGT. ING. ANDRÉS RODRIGUEZ LÓPEZ
Muestreo
• Esta es la conversión de una señal en tiempo continuo a una señal en tiempo
discreto, obtenida tomando muestras de la señal en tiempo continuo en
instantes de tiempo discreto.

• El proceso de muestreo es común a todos los sistemas de modulación de pulsos

y por lo general, su descripción se hace en el dominio del tiempo.
• Mediante el muestreo, una señal analógica continua en el tiempo, se convierte
en una secuencia de muestras discretas de la señal, a intervalos regulares.
Repaso Breve: Teorema de Muestreo
Señal en Tiempo Continuo

Señal en Tiempo Discreto

Distorsión por Solapamiento (Aliasing)
• En la práctica, las señales no son estrictamente limitadas en banda y al muestrearse a
las frecuencias usuales se produce solapamiento entre espectros adyacentes, como se
muestra en la figura:

• La distorsión de solapamiento hace que componentes de frecuencia superiores a fs/2

sean reflejadas hacia las frecuencias bajas por debajo de fs/2.
• Por ejemplo, si una señal sinusoidal de 60 Hz se muestrea a 100 muestras por
segundo, al recuperarse mediante un filtro de ancho de banda de 60 Hz aparecerá una
componente de frecuencia de 40 Hz no presente en la señal original.
Filtrado para reducir el Aliasing
• Las componentes de frecuencia que se reflejan o invierten hacia las bajas
frecuencias se denominan “frecuencias de solapamiento (folding frequencies)”,
y ellas afectan seriamente la inteligibilidad de las señales de voz en los sistemas
telefónicos.
• Para eliminar el efecto de las frecuencias de solapamiento, la práctica usual es
la de filtrar previamente la señal a una frecuencia del 35% al 40% de la
frecuencia de muestreo, a fin de asegurarse que no hay componentes
significativas más allá de fs/2.
• La eliminación de las componentes en la parte alta de la gama de la señal
degrada la fidelidad de la transmisión hasta cierto punto, pero el efecto de la
pérdida de inteligibilidad es mucho menor que si se permitiera el solapamiento.
• Como ejemplo, en la telefonía digital las señales de voz se filtran a 3200 Hz
antes de ser muestreadas a 8000 muestras por segundo.
Modulación PCM
Cuantificación y Codificación

• En la Modulación PCM,
primero se cuantifica la señal
usando PAM, y luego se usa
un código para designar cada
nivel en cada tiempo de
muestreo.
Simulación #1
Representación de Señales en MATLAB
Señales Continuas y Discretas
ANTECEDENTES PRÁCTICOS

• Crear un Vector de Puntos

x = linspace(x1, x2, n)
Crea un vector de n puntos, igualmente espaciados. El valor del primer punto es x1, y el valor del
último punto es x2.
Eje: >> x = linspace(0,5,6)
Muestre el resultado.

• Crear una Señal Sinusoidal

>>x = linspace (0, 2*pi, 200);
>>y = Sin(x);

• Crear un Vector de Números Aleatorios

>>y = randn (50,1);
• Representación de una Señal Sinusoidal con dos componentes de
frecuencia.
Empezaremos formando un eje de tiempo para nuestros datos, que funcione desde t=0 hasta t=0.25, con pasos
de 1 milisegundo. Luego formamos una señal, x, que contenga ondas seno a 50 Hz y 120 Hz.
>> t = 0:.001:.25;
>> x = sin(2*pi*50*t) + sin(2*pi*120*t);

• Adición de Ruido Aleatorio

Adicionar algún ruido aleatorio con una desviación estándar de 2 para producir una señal de ruido y graficarla.

>> y = x + 2*rand(size(t));
>> plot(y(1:50))
>> title ('Tiempo de Dominio de la Señal Ruidosa')
Código MATLAB – Diferencia plot y stem
clc
clear all
close all
x = linspace(-pi,pi,50);
y = sin(x);
subplot(1,2,1)
plot(x,y)
title(‘Función Continua de Sin(x)')
grid on
subplot(1,2,2)
stem(x,y)
title(‘Función Discreta de Sin(x)')
grid on
Representación de Señal Senoidal con
Ingreso de Parámetros
Señal seno con frecuencia 1 Hz y frecuencia de
muestreo 100 Hz, intervalo de observación 1-4
segundos, amplitud unidad y fase inicial nula.
Señal suma de dos senos cuyos datos son:
1000 Hz de frecuencia de muestreo, 1 Hz para
el primer seno y 2 Hz para el segundo, 0
radianes para el primero y pi radianes para el
segundo, 1 y 2 voltios para el primer y el
segundo seno respectivamente y el intervalo
de visualización desde 1 hasta 3 segundos.
Representación Señal Cuadrada
>> t = linspace(0,3*pi)'; 1

0.8

>> x = square(t); 0.6

0.4
>> plot(t/pi,x) 0.2

>> xlabel('t / \pi') 0

-0.2

>> grid on -0.4

-0.6

-0.8

-1
0 0.5 1 1.5 2 2.5 3
t/
Representación Señal Triangular Diente de
Sierra
1

>> T = 10*(1/50); 0.8

0.6

>> fs = 1000; 0.4

0.2

>> t = 0:1/fs:T-1/fs; 0

-0.2

>> x = sawtooth(2*pi*50*t); -0.4

-0.6
>> plot(t,x) -0.8

>> grid on -1
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
 Actividades a Evaluar
•• 1.- Represente una señal sinusoidal en tiempo continuo y en tiempo discreto desde 0 hasta 2. Tomando como
 referencia 50 puntos. El vector de puntos estará almacenado en la variable vector y el vector de datos estará
almacenado en la variable Sinusoide. Presente las dos gráficas en la misma ventana. (1 Pto.)

• 2.- Represente una señal de 78 puntos aleatorios en tiempo continuo y discreto, y ubíquele el título a la gráfica.
(1 Pto.)

• 3.- Adicione un ruido aleatorio a una señal senoidal de 1000Hz, de amplitud 8. Luego represente la señal en
tiempo continuo y discreto. (2 Ptos.)

• 4.- Represente 4 señales (Senoidal Normal, Suma de Doble Seno, Cuadrada y Triangular) en una misma pantalla y
súmele un pequeño ruido aleatorio a cada señal. Presente las 8 señales con los títulos correspondientes. (3 Ptos.)

• 5.- Represente una señal sinusoidal que contenga dos ondas senoidales de 100Hz y 1200Hz, con un eje de tiempo
desde t=0 hasta t=1.5 segundos, con pasos de 5.2 milisegundos. Luego añadir un ruido aleatorio de amplitud 1.5.
Grafique la Señal. (3 Ptos.)
Trabajo Autónomo #1
Señales Determinísticas y Aleatorias en Python
Trabajo Autónomo #1
• Graficar una señal determinística de audio, en el dominio del tiempo. Copiar el
código del algoritmo en Python.

Referencia
Blog ESPOL – Materia Procesos Estocásticos
• http://blog.espol.edu.ec/estg1003/senal-deterministica/