Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
teorema presenta su forma matemtica, sus aplicaciones y la importancia que tiene para el procesamiento de seales biomdicas.
1. INTRODUCCIN
El teorema de Nyquist o teorema de muestreo, cita que la reconstruccin exacta de una seal peridica continua en banda base a partir de sus muestras, es matemticamente posible si la seal est limitada en banda y la tasa de muestreo es superior al doble de su ancho de banda, es decir que si se tiene una frecuencia de 10,000 Hz, la frecuencia de Nyquist es de 20,000 Hz, si la frecuencia de muestreo es menor que la de Nyquist, no es suficiente para hacer el muestreo, se inventan frecuencias fantasmas que no tienen referencia con la original y esto es conocido como aliasing. El Por ejemplo, si el perodo de muestreo es de T = 125 s, la frecuencia de muestreo es de fs = s = 8,000 muestras por segundo (Hz). Despus de obtener esta seal de muestreo, ahora es posible procesar los puntos de muestreo. Ahora, debe asegurarse que las muestras son tomadas a la frecuencia suficiente como para obtener una reconstruccin fiel de la seal original. Dicho de otra manera, se necesita conocer la frecuencia mnima de muestreo para adquirir una reconstruccin completa de la seal original a partir de los puntos de muestreo. Si una seal no se muestra apropiadamente entonces es posible que se
presenten seales indeseadas en el ancho de banda de la seal analgica, lo que se conoce como aliasing. El teorema de Nyquist o teorema de muestreo, explica que para poder tener una rplica exacta de la forma de una seal, es necesario que la frecuencia de muestreo sea el doble de la frecuencia mxima de la seal original, por ejemplo si se tiene una seal de sonido de 12 kHz, la frecuencia de muestreo segn Nyquist ser de 24 kHz. El proceso tambin es reversible, es decir que la seal no ha perdido ninguna informacin porque se ha generado de forma idntica a la original. El teorema permite realizar el proceso de conversin de anlogodigital y de digital-anlogo. [2] Cuando la frecuencia de muestreo es menor que la frecuencia de Nyquist, es insuficiente para hacer el muestreo correctamente, con lo cual inventa frecuencias fantasmas que no tienen referencia con la original, lo que se comentaba anteriormente como aliasing, y afecta ms en el caso de las frecuencias altas. En la fig. 1, se muestra un ejemplo del fenmeno denominado aliasing.
proceso de convertir una funcin multivariable en un conjunto discreto de valores de la funcin medidos en un conjunto discreto de puntos. El Teorema de Peterson-Middleton es una generalizacin del Teorema de Nyquist para funciones de variables multidimensionales. El Teorema de Peterson-Middleton es aplicable a espacios Eucldeos, Rn. Donde la recta lineal, un plano y el espacio tridimensional son espacios Eucldeos de 1, 2 y 3 dimensiones respectivamente. Por lo tanto, la idea de frecuencia de muestreo se cambia por conjunto de puntos de muestreo, llamados redes. Y el concepto de funcin de banda limitada, a una funcin de nmero de onda limitada, es decir el nmero de ondas por unidad de longitud. La transformada de Fourier de una funcin de n dimensiones f() est dado por:
Figura 1. Aliasing
En la fig. 1, se presenta una seal con diferentes muestreos, es decir con diferentes valores de frecuencia, en donde la seal original es la de color azul y a medida se va aumentando o disminuyendo el valor de la frecuencia se va perdiendo la forma de la seal original. [3] Debido a su gran utilidad, las aplicaciones que el teorema de Nyquist tiene son muchas, entre las que se puede mencionar: aplicacin a las funciones o seales multivariables, este tipo de teorema permite proporcionar condiciones suficientes para la toma de muestra y reconstruccin de seales.
3. RELACIN MATEMTICA
Generalmente, el Teorema de Muestreo de Nyquist se utiliza en funciones de usa sola variable, comnmente el tiempo, como se pudo ver en la seccin anterior. Pero este teorema se puede aplicar a funciones de ms de una variable. El muestreo de multidimensional es el
Donde {v1, v2,...vn} es una base para Rn. La red recproca correspondiente a es entonces:
Entonces, el Teorema establece que: ...la funcin f() cuyo nmero de ondas est limitado por el conjunto , esta puede ser reconstruda perfectamente a partir de las mediciones en , si y solo si, el conjunto , no se traslapa con sus repeticiones espectrales + x, donde x es cualquier elemento distinto de cero insludo en la red recproca . Generalizando la frmula de la sumatoria de Poisson para funciones multivariable, se observa que las muestras de la funcin f() en una red son suficientes para crear una sumatoria de la funcin de la transformada de Fourier de la funcin de n dimensiones:
Si el espectro de la funcin est contenida en el conjunto , entonces la funcin de muestras est contenida en las repeticiones de . Por lo tanto, si las condiciones del Teorema de Peterson-Middleton se cumplen, entonces la funcin que representa las muestras ser igual a la funcin original, para todo que pertenece a , y la funcin podr ser representada perfectamente. La funcin de las muestras entonces est dada por:
Las imgenes tambin pueden tratarse como funciones multivariable. Esto es porque las imgenes se representan a travs de matrices, en los que cada elemento de estas matrices representa el valor de intensidad de color de cada pixel de la imagen. Las imgenes en escala de grises se representan comnmente por medio de una matriz de 2 dimensiones, en este caso decimos que la imagen requiere de dos variables independientes para formar cada uno de los pixeles, una para las filas y otra para las columnas. En las imgenes a color existen tres matrices para una sola imagen, una para cada color primario (Rojo, Verde, Azul), y cada celda representa una intensidad del color que posee cada pixel. Entonces, cada pixel est representado por 3 matrices diferentes, cada uno de dos dimensiones, haciendo as un sistema que no depende de una sola variable, sino de un conjunto de variables que son muestreadas al mismo tiempo. En otras ocasiones las imgenes que se construyen a partir de 4 colores distintos (Cyan, Magenta, Amarillo y Negro) se consideran de 4 dimensiones, o de 4 variables independientes. As como una seal con una inadecuada frecuencia de muestreo presenta aliasing, tambin lo pueden las imgenes si la resolucin de la muestra o densidad de pixel no es la adecuada. Por ejemplo, si tenemos la fotografa digital de una camisa rayada a una alta frecuencia (si las rayas en la camisa son muy cercanas entre s) al ser sensada por una cmara, puede presentar aliasing en forma de patrn moir si la cmara no tiene suficiente resolucin de muestreo o no existe un filtro antialiasing, vase la fig. 2.
Por lo tanto, los patrones de colores se van a dar con cambios muy rpidos en comparacin a una mayor resolucin, donde hay ms espacio entre los cambios de colores. La solucin a este problema sera reducir la distancia entre la cmara y el objeto a fotografiar o utilizar un sensor de mayor resolucin.
muestreo que es posible procesar. En el caso de sus aplicaciones entre las importantes las cuales se pueden mencionar: directamente a seales que dependen solamente del tiempo, las imgenes, entre otros. Su importancia en el rea de la biomdica es de suma importancia, y el mejor ejemplo que se puede citar en la toma de las muestras de un electromiograma.
7. REFERENCIAS
[1] Li Tan, Jean Jiang. Digital Signal Processing: Fundamentals and Applications. Estados Unidos, Academic Press, 2 edicin, 2013. p. 15 - 20. [2] Martn Gonzlez, Jos L. Problemas resueltos de Electrnica Digital. Delta Publicaciones Universitarias. Primera Edicin. Madrid Espaa. 2007. [3] Teorema de Nyquist o del muestreo. Grado multimedia. [En lnea]. Disponible en: http://www.gradomultimedia.com/29musica/2_2_2-teorema-de-nyquist.html.
6. CONCLUSIONES
El teorema de Nyquist representa una de las aplicaciones ms importantes para el procesamiento de seales y ms an para el procesamiento de seales biomdicas, ya que se encarga de digitalizar una cantidad infinita de puntos de una seal analgica y despus convertir dichos puntos en una seal de