Señales y Sistemas Discretos

La Teoría de Muestreo
 Motivación

¿ Será posible representar una señal continua mediante una

señal discreta sin perder información?

la señal continua original puede ser recuperada

exactamente a partir de la señal discreta

 Teorema de muestreo

“Una señal con contenido de frecuencia máximo W, puede ser

muestreada con una frecuencia mayor o igual a 2W sin perder

información alguna.”

Este teorema es el resultado de los aportes de H. Nyquist y de

C. E. Shannon a las teorías de la comunicación y de la informa-

ción, y es comúnmente conocido como el teorema de muestreo

de Nyquist-Shannon.
 Modelo del muestreador ideal

El modelo matemático de un muestreador ideal, ó sampler,

está definido de acuerdo con el siguiente sistema:

∞

n

=
(t – n T ) s
- ∞ Tren de impulsos

x(t) Multiplicador Secuenciador x[n]

xs (t)
Señal continua Tren de impulsos Señal discreta
en tiempo modulado en tiempo
 El muestreo visto en el tiempo

De acuerdo con el modelo presentado, el proceso de muestreo

puede verse en el dominio del tiempo en dos pasos:

1.- Multiplicación por un tren de impulsos:

∞ ∞


xs (t) = xc(t)
n= - ∞

(t – n T ) =
n=-∞
xc(n T ) (t – n T )

2.- Secuenciación: x[n] = xc(n T ). Como se puede observar, en

este segundo paso la variable tiempo es normalizada por el
valor del período de muestreo T .
 El muestreo visto en la frecuencia

Estos dos pasos pueden verse en el dominio de la frecuencia

de la siguiente forma:

1.- La multiplicación de xc(t) por un tren de impulsos, corresponde

a la convolución de la transformada Xc() con otro
tren de impulsos:
∞ ∞
2
Xs () =1/2Xc()* T
k

-∞
=
1
(– k s ) = T
k

=
Xc ( – k  )
-∞

s

Donde s es la frecuencia angular de muestreo s = 2/T .

Si la frecuencia de muestreo es menor que 2 veces el ancho

de banda de la señal hay solapamiento y no se podrá

recuperar la señal analógica a partir de sus muestras

La señal reconstruida será una versión distorsionada de la

señal original continua y a esa distorsión se la llama dostorson

de solapamiento
 Conversión a tiempo continuo

El modelo de un conversor de tiempo discreto a tiempo continuo

está definido de acuerdo con el siguiente sistema:

 Conversión vista en el tiempo

Filtrado. Mediante el cual la señal continua en tiempo xc (t) es

obtenida a partir del tren de impulsos xs (t): xr(t) = h(t) * xs (t).
 Filtro de reconstrucción ideal

Aunque muchos filtros pueden ser usados para obtener una

señal continua a partir del tren de impulsos xs (t), existe un
filtro óptimo que se conoce como filtro de reconstrucción ideal.

• Su respuesta impulsiva está dada por:

sin(t /T )
hideal (t) =
t /T

• Y su respuesta en frecuencia está dada por:

T , si || <  /T
Hideal () =
en el resto
 Reconstrucción ideal

El filtro de reconstrucción ideal hideal (t) permite recuperar una

señal continua x(t) a partir de sus muestras x[n] si se cumple
que el período de muestreo original T satisface la condición del
teorema de muestreo de Nyquist-Shannon: 1/T ≥ 2 fmáxima
Se puede demostrar que la relación entre la transformada de
Fourier de la secuencia y la Transformada de la función continua es

La TF de la señal muestreada es una versión escalada en frecuencia

De la TF de la señal continua . El factor de escala es w=T
Esteescalamiento es iuna normalización del eje de frecuencias,
De forma que la frecuencia de muestreo en el mundo continuo
se convierte en w=2 en el mundo discreto.
Debido que en la secuencia se normaliza dividiendo entre
T (periodo de muestreo) en consecuencia en el dominio
de la frecuencia el eje de frecuencia resulta normalizado por
La frecuencia de muestreo 1/T
 Aproximación práctica al muestreo

Los modelos matemáticos estudiados no son realizables en la

práctica por dos razones principales:
1.- No es posible construir un tren de impulsos
2.- No es posible construir filtros de reconstrucción ideal

Adicionalmente, en la práctica, además del muestreo se llevan

a cabo procesos de discretización en amplitud y codificación
con el objeto de obtener representaciones digitales para las
señales muestreadas.
 Pasos para la conversión A/D

En la práctica, la conversión de una señal analógica a digital

se realiza mediante los siguientes pasos*:

Señal Señal pseudo-discreta Señal

analógica en tiempo digital
1 3 5
Filtrado Muestreo
Cuantificación Codificación
antialiasing y retención
2 4

Señal analógica con Señal discreta

contenido en frecuencia limitado en tiempo y amplitud

* El estudio detallado de estos procesos no es objeto de este curso

 Filtrado antialiasing

El filtrado antialiasing se usa para garantizar que no habrá

aliasing una vez muestreada la señal continua. Este proceso
consiste en la utilización de un filtro que limita el contenido
de frecuencia de la señal que se va a digitalizar.

1.5 1.5 1.5 1.5

Espectro Espectro
sin filtrar filtrado
1 1 1 1
Filtro

0.5 0.5 0.5 0.5 fmáxima

0 0 0 0
-10 -5-10 0-5 50 105 10 -10 -5-10 0-5 50 105 10
 Muestreo y retención

El proceso de muestreo y retención se utiliza para fijar el

valor de la señal continua por intervalos de duración igual
al período de muestreo Ts para dar tiempo al cuantificador
a discretizar el valor de la amplitud.
1 1 1 1

0 0 0 0

-1 -1 -1 -1
amplitud
retenida
-2 Señal -2 -2 -2
Señal con
continua muestreo y retención
-3 -3 -3 -3
-10 -5-10 0-5 50 105 10 -10 -5-10 0-5 50 105 10

1 1 1 1
 Cuantificación

La cuantificación es un proceso mediante el cual a cada mues-

tra de la señal se le asigna el valor más cercano de un conjunto
finito de valores posibles predefinidos.

5
Niveles de
cuantificación Valor cuantificado
...

Valor de amplitud
de una muestra
-5
-5 0 5
 Error de cuantificación

1 1 1 1

El proceso de cuantificación es irreversible, en el sentido de

0 0 0 0

que la-1 información que se pierde

-1 -1
en -1este proceso es irrecupe-
rable.-2A la diferencia entre la-2señal original
-2 -2 y los valores que
resultan
-3
-10 -5-10 de0-5
-3
este proceso
50 105 se le10llama
-3
-10 error
-3
-5-10 de
0-5 cuantificación.
50 105 10

1 1 1 1

0 0 0 00

-1 -1 -1 -1

-2
Señal -2 -2 -2

cuantificada Error de cuantificación

-3 -3 -3 -3
-10 -5-10 0-5 50 105 10 -10 -5-10 0-5 50 105 10
 Codificación

La codificación consiste en asignar un código a cada valor de

amplitud cuantificado. La señal resultante de este proceso es
una señal digital.
 Pasos para la conversión D/A

La conversión de una señal digital a analógica se realiza

mediante los siguientes pasos*:
Señal digital Señal analógica

Sincronización Filtrado de
Decodificación Reescalamiento
y retención reconstrucción

Donde cada uno de estos sistemas revierte, en la medida de

lo posible, los procesos realizados durante la conversión A/D

* El estudio detallado de estos procesos no es objeto de este curso

 Escogencia de la frecuencia de muestreo

Finalmente es importante destacar que en la práctica siempre

se usan frecuencias de muestreo mayores a la establecida por
en el teorema de muestreo: fs > 2 fmáxima Filtro real
0.4 1

Esto se debe al hecho de que los filtros 0.8

0.3

reales siempre tienen

0.2
una banda de 0.6

0.4

transición que es
0.1 necesario tomar en
0.2

cuenta para la reconstrucción.

0
-10 -5 0 5 10
0
-5 0 5

Banda de
1 1
transición

0.8 0.8
 Submuestreo por un factor entero

El proceso de submuestreo (downsampling) se realiza a través

del siguiente sistema, denominado compresor discreto:

x[n] M xC [n] = x[n M]

Donde M se denomina el factor de compresión

• Las DTFT de x[n] y xC [n] se relacionan de la siguiente forma:

M –1
j
1
XC (e ) = M =
m 0
X(e j ( –2 m ) / M)

 Ejemplo de submuestreo

En este ejemplo se ilustra el proceso de submuestreo con M = 2

para una señal con |max | = /3
0.2
0.2
A11

X(e j)
x[n]
0.2
0.2
0.15
0.15
11
0.8
0.8
0.8
0.8
0.15
0.15 0.6
0.6

/3
0.1
0.1 0.6
0.6
0.1
0.1 0.4
0.4

0.05
0.05 0.4
0.4
0.2
0.2
0.05
0.05
0.2
0.2
00 00
-5
-5
00
-5
-5
00
-4 –3 –2 -1 000 1 2 3 4
55
55
00 
-5-5
-5-5
 00000 
55
55

0.2
0.2 11
0.2
0.2 11

x[2n]
0.15
0.15
0.8
0.8
0.8
0.8
XC (e j)
0.15
0.15 0.6
0.6
0.1
0.1 0.6
0.6

A/2
0.1 0.4
0.4
0.1
0.05
0.05 0.4
0.4
0.2
0.2
/3
0.05
0.05
0.2
0.2
00 00
-5
-5 00 55 -5-5 00 55
00 00

  
-5
-5 00 55 -5
-5 00 55
-4 –3 –2 -1 0 1 2 3 4 0
 Peligro de aliasing

En este ejemplo se ilustra el proceso de submuestreo con M = 2

para una señal con |max | = /3
0.2
0.2
A11

X(e j)
x[n]
0.2
0.2
0.15
0.15
11
0.8
0.8
0.8
0.8
0.15
0.15 0.6
0.6

/3
0.1
0.1 0.6
0.6
0.1
0.1 0.4
0.4

ATENCIÓN !!!
0.05
0.05 0.4
0.4
0.2
0.2
0.05
0.05
0.2
0.2

3 4Si M max >

00 00
00
-5
-5
-5
-5
00
-4 –3 –2 -1 000 1 2
55
55

00 
-5-5
-5
-5
00000 
55
55

0.2
0.2
0.2
0.2
entonces habrá
11
11

x[2n] 0.8
0.8
XC (e j)
0.15
0.15
0.15
0.15 ALIASING 0.8
0.8
0.6
0.6
0.1
0.1 0.6
0.6

A/2
0.1 0.4
0.4
0.1
0.05
0.05 0.4
0.4
0.2
0.2
/3
0.05
0.05
0.2
0.2
00 00
-5
-5 00 55 -5-5 00 55
00 00

  
-5
-5 00 55 -5
-5 00 55
-4 –3 –2 -1 0 1 2 3 4 0
 Decimador discreto

Para evitar el aliasing se aplica un filtro antes de submuestrear,

este proceso combinado de filtrado y compresión se conoce como
decimación.
DECIMADOR

xd [n]
x[n] Fd M xd [n M]

1, |–2k | < / M

• Donde la respuesta del filtro es: Fd (e j) =
0, en el resto
 Sobremuestreo por un factor entero

El proceso de sobremuestreo (upsampling) se realiza a través

del siguiente sistema, denominado expansor discreto:

x[n/L], n = kL
x[n] L xE [n] =
0, en el resto

Donde L se denomina el factor de expansión

• Las DTFT de x[n] y xE [n] se relacionan de la siguiente forma:

XE (e j) = X(e j L)
 Ejemplo de sobremuestreo

En este ejemplo se ilustra el proceso de sobremuestreo con L = 2

para una señal con |max | = 2/3
0.2
0.2 11

x[n]
0.2
0.2 11
0.8
0.8
X(e j)
0.15
0.15
0.8
0.8
0.15
0.15 0.6
0.6
0.1
0.1
B
/3
0.6
0.6
0.4
0.4
0.1
0.1
0.05
0.05 0.4
0.4
0.2
0.2
0.05
0.05
0.2
0.2
00 00
00
-5
-5
-5-5
00
-4 –3 –2 -1 000 1 2 3 4
55
55
00 
-5
-5
-5-5
 00000 
55
55

0.2
0.2 11
0.2
0.2 11

xE [n]
0.15
0.15
0.8
0.8
0.8
0.8
XE (e j)
0.15
0.15 0.6
0.6
0.1
0.1 0.6
0.6
0.1
0.1
B0.4
0.4

0.05
0.05 0.4
0.4
0.2
0.2
/3
0.05
0.05
0.2
0.2
00 00
-5
-5 00 55 -5
-5 00 55
00 00

  
-5-5 00 55 -5
-5 00 55
-4 –3 –2 -1 0 1 2 3 4 0
 Interpolador discreto

Para “completar” los valores de una señal expandida se aplica

un filtro después de sobremuestrear, este proceso combinado de
expansión y filtrado se conoce como interpolación.
INTERPOLADOR

xE [n]
x[n] L FI xI [n]

L, |–2k | < / L

• Donde la respuesta del filtro es: FI (e j) =
0, en el resto
 0.2
0.2 11

0.15
0.15 Ejemplo de filtro interpolador
0.8
0.8

0.6
0.6
0.1
0.1
0.4
0.4

0.05
0.05

En este ejemplo se muestra el filtrado de interpolación con L = 2

0.2
0.2

00 00
-5
-5 00 55 -5
-5 00 55

j
FI (e )
0.2
0.2 11

xE [n] XE (e j)
0.15
0.15 2
0.8
0.8

0.6
0.6
0.1
0.1 B
0.4
0.4

0.05
0.05
0.2
0.2

00 00
-5
-5
-4 –3 –2 -1 0 1 2 3 4
00 55

-5
-5
 000 
55

/2
0.2
0.2
2B11

XI (e j)
xI [n]
0.15
0.15
0.8
0.8

0.6
0.6
0.1
0.1
0.4
0.4

0.05
0.05
0.2
0.2

00 00

  
-5
-5 00 55 -5-5 00 55
-4 –3 –2 -1 0 1 2 3 4 0
0.2
0.2 11

0.8
0.8
0.15
0.15

0.6
0.6