Lec01 - Teorema de Muestreo

Teorema del Muestreo
Dr. Luis Javier Morales Mendoza

FIEC – Universidad Veracruzana
Poza Rica - Tuxpan
Índice
1.1. Introducción
1.2. Conversión analógico-digital y digital-analógico
1.3. Proceso de muestreo
1.4. Teorema del muestreo
1.5. Alteración de la tasa de muestreo
1.6. Tarea01
Dr. Luis Javier Morales Mendoza 2
1
Introducción
1.1. Introducción
Las técnicas de señales digitales proporciona un método alterno para
procesar una señal analógica de interés práctico tales como la voz, señales
biológicas, sísmicas, del sonar y de los distintos tipos de comunicaciones.
Para realizar esto, es necesario antes que nada de una interfaz entre la
señal analógica y el procesador digital y viceversa. Estas interfaces son el
convertidor Analógico-Digital (ADC) y el convertidor Digital-Analógico
(DAC) como se muestra en la Figura 1.1.
Señal Procesador Señal

ADC DAC Analógica
Analógica Digital
Figura 1.1: Diagrama a bloques de un sistema digital

Introducción
El procesador digital de señales puede ser un gran ordenador digital
programable (p. e. una PC) o un pequeño microprocesador embebido
(p. e. un DSP, FPGA, PIC) para realizar las operaciones deseadas sobre la
señal de entrada.
Figura 1.2: DSP de la compañía Altera y uno de la Familia

TMS320 de Texas Instruments
2
Conversión AD y DA
1.2. Conversión Analógico-Digital y Digital-Analógico
Para procesar señales analógicas por medios digitales es necesario
convertirlas a formato digital, esto es, transformarlas en una secuencia de
números de precisión finita. Este procedimiento se denomina conversión
analógico-digital (ADC).
Conceptualmente, se puede ver que el ADC posee un proceso de tres pasos
los cuales son:
1. 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. Así xa(t) es la entrada al mues-
treador, la salida es xa(nT) ≡ x(n), donde T se denomina el intervalo de
muestreo.
Conversión AD y DA
2. Cuantificación. Esta es la conversión de una señal en tiempo discreto
con valores continuos a una señal en tiempo discreto con valores discretos
(señal digital). El valor de cada muestra de la señal se representa mediante
un valor seleccionado de un conjunto finito de valores posibles. La diferen-
cia entre la muestra sin cuantificar x(n) y la salida cuantificada xq(n) se
denomina error de cuantificación.
3. Codificación. En el proceso de codificación, cada valor discreto xq(n) se
representa mediante una secuencia binaria de b bits.
xa(t) x(n) xq(n) 1001…
Muestreador Cuantificador Codificador
Figura 1.3: Diagrama a Bloques de un ADC

3
Conversión AD y DA
ADC tipo flash (en paralelo).
Consiste en una serie de

comparadores arreglados en
paralelo que comparan a la
señal con una referencia para
cada nivel. El resultado de las
comparaciones ingresa a un
circuito lógico que “cuenta”
los comparadores activados.
Figura 1.4: ADC Flash

Conversión AD y DA
ADC de simple rampa. Este tipo de convertidor utiliza un integrador con un
condensador que se carga a pendiente constante hasta alcanzar la tensión a
convertir, instante en el que cesa la integración. El tiempo requerido es
proporcional a la tensión de entrada, y puede medirse con un contador
digital.
Figura 1.5: ADC Simple Rampa

4
Conversión AD y DA
ADC de doble rampa. Este esquema permite independizarse de la precisión
de la frecuencia del reloj, la resistencia y el condensador. La conversión se
hace en dos etapas, la primera se realiza la integración de la tensión de
entrada durante un tiempo fijo, y en la segunda se produce la descarga con
pendiente fija, durante un tiempo que depende de la cantidad de carga
acumulada.
Figura 1.6: ADC doble rampa

Conversión AD y DA
DAC de escalera. Esta configuración permite un rango amplio de valores
de las resistencias. En la actualidad, este tipo de circuito es superado por
las redes de escalera del tipo R-2R
Figura 1.7: DAC de escalera
5
Conversión AD y DA
DAC de escalera R-2R. La propiedad de esta configuración es que
cualquiera que sea el número de secciones en la red, la resistencia vista
por el operacional es R.
Figura 1.8: DAC escalera R-2R

Conversión AD y DA
Existen otros circuitos convertidores analógico-digital y digital-analógico
que poseen circuitería mucho más compleja para mejorar las vistas atrás.
Por ejemplo, los ADC usan DAC dentro de su propia circuiteria. Algunos
ejemplos son: de aproximaciones sucesivas, balance continuo
y de rampa discreta.
Figura 1.9: aproximaciones

sucesivas
6
Conversión AD y DA
Algunos parámetros de interés son:
para los DAC son:
La resolución, exactitud, el error de escala, error de offset, monotonía,
Tiempo de establecimiento, slew-rate, sobrepico y glith, derivadas con la
temperatura y con el envejecimiento entre otros parámetros.
Para los ADC son:
Rechazo al ruido, resolución, error de cuantización, error de histéresis,
error de offset, error de cero, y error de escala.
Muestreo de Señales
5.3. Muestreo de señales analógicas
Existen muchas maneras de muestrear una señal, la más común es el
muestreo periódico o uniforme. Este proceso se describe mediante la
relación
x(n ) = xa (nT ) –∞ < n < +∞ (1.1)
donde x(n) es la señal en tiempo discreto obtenida tomando muestras de la

señal analógica xa(t) cada T segundos. Este proceso se ilustra en la Figura
1.10. El intervalo de tiempo T entre dos muestras sucesivas se denomina
periodo de muestreo o intervalo de muestreo, y su reciproco (1/T = Fs) se
llama velocidad de muestreo (muestras por segundo) o frecuencia de
muestreo (Hertz).
7
xa(t) x(n) = xa(nt)
Fs = 1/T
Muestreador
xa(t) x(n) xa(t)

x(n) = xa(nt)
t 1 2 3 4 5 6 7 8 9 n
T 2T … 5T … 9T … t = nT
Figura 1.10: Muestreo periódico de una señal analógica
El muestreo periódico establece una relación entre las variables t de
tiempo continuo y n de tiempo discreto. De hecho, estas variables se
relacionan linealmente a través del periodo de muestreo T o equivalente-
mente, a través de la velocidad de muestreo como
n
t = nT =
Fs (1.2)
Como consecuencia de (1.2), existe una relación entre la variable frecuencia

F de las señales analógicas y la variables frecuencia f de las en tiempo
discreto. Para establecer dicha relación si se considera una señal analógica
de la forma
xa (t ) = A cos(2πFt + θ ) (1.3)
8
que, cuando se muestrea periódicamente a una velocidad de Fs = 1 /T
muestras por segundo, da lugar a
xa (nT ) ≡ x(n ) = A cos(2πnFT + θ )
⎛ 2πnF ⎞ (1.4)
x(n ) = A cos⎜⎜ + θ ⎟⎟
⎝ Fs ⎠
Si una señal en tiempo discreto es expresada como
x(n ) = A cos(2πnf + θ ) (1.5)

entonces, al comparar la relación (1.4) con la (1.5), se observa que las
variables de frecuencia F y f están linealmente relacionadas como
F
f = (1.6)
Fs
Si ω = 2πf y Ω = 2πF, entonces, la (1.6) queda como
ω = ΩT (1.7)
La relación dada en (1.6) justifica el nombre de frecuencia normalizada o
relativa, que se usa a veces para describir a la variable f. Como se ve en
(1.6), se puede usar a f para determinar a la frecuencia F solo si la frecuen-
cia de muestreo Fs es conocida.
El rango de la variable de frecuencia F ó Ω para senoides en tiempo
continuo es
–∞ < Ω < +∞ –∞ < F < +∞ (1.8)
9
Sin embargo, la situación es diferente para senoides en tiempo discreto, las
cuales establecen que
–½ < F < ½ –π < ω < π (1.9)
Sustituyendo (1.6) y (1.7) en (1.9) se encuentra que la frecuencia de la

senoide en tiempo continuo cuando se muestreo a una velocidad Fs = 1/T
debe encontrarse en el rango
1 F F 1
− =− s ≤F ≤ s = (1.10)
2T 2 2 2T
o equivalentemente
π π (1.11)
− = −πFs ≤ Ω ≤ πFs =
T T
Ejemplo 1. considere la siguiente señal analógica
xa (t ) = 3 cos(100πt )
a) Si la señal se muestrea a una velocidad de Fs = 200Hz ¿cuál es la

señal en tiempo discreto obtenida tras el muestreo?.
b) Si la velocidad de muestreo cambia a Fs = 75Hz.
Sol. Aplicando la (1.4) se tiene
⎛ 100π ⎞ ⎛π ⎞
a) x(n ) = 3 cos⎜ n ⎟ = 3 cos⎜ n ⎟
⎝ 200 ⎠ ⎝2 ⎠
⎛ 100π ⎞ ⎛ 4π ⎞
b) x(n ) = 3 cos⎜ n ⎟ = 3 cos⎜ n⎟
⎝ 75 ⎠ ⎝ 3 ⎠
10
Figura 1.11: Muestreo de la señal xa(t)


5.4. Teorema de Muestreo
Dada una señal analógica cualesquiera, ¿cómo se debe elegir el periodo de
muestreo T? ó ¿cual es velocidad de muestres Fs? Para contestar esta pre-
gunta es necesario cierta información sobre la característica de la señal que
va a ser muestreada.
En particular, se debe tener cierta información general sobre el contenido
de frecuencia de la señal. Generalmente, dicha información se encuentra
disponible, por ejemplo se sabe que la frecuencia mayor en señales de voz
ronda los 3KHz o en las señales de televisión tiene componentes de fre-
cuencia importante hasta los 5MHz.
La información contenida en dichas señales se encuentra en la amplitud,
frecuencia y fase de las distintas componentes de frecuencia, pero antes de
obtener dichas señales no se conoce sus características con detalle.
11
De hecho, el propósito del procesado de señal es normalmente la extrac-
ción de dichas características. Sin embargo, si se conoce la máxima fre-
cuencia de una determinada clase de señal, se puede especificar la
velocidad de muestreo necesaria para convertir las señales analógicas en
señales digitales.
Si se supone que cualquier señal analógica se puede representar como una
suma de senoides de diferentes amplitudes, frecuencias y fases, es decir
N
xa (t ) = ∑ Ai cos(2πFi t + θ i ) (1.12)
i =1
donde N indica el número de componentes de frecuencia. Todas las

señales, como las de voz ó video se prestan a dicha representación en
cualquier intervalo de tiempo pequeño.

Normalmente, las amplitudes, fases y frecuencias varían lentamente de un
intervalo de tiempo al siguiente. Si se supone que la frecuencia de una
determinada señal no excede una frecuencia máxima conocida Fmax.
Por ejemplo, si Fmax = 3KHz, para señales de voz y Fmax = 5MHz para
señales de video, se puede ver que la máxima frecuencia puede variar
ligeramente, y para asegurar que Fmax no sobrepase determinado valor, la
señal analógica es pasada a través de un filtro que atenúe fuertemente las
componentes de frecuencia por encima de Fmax. En la práctica, este filtrado
se realiza antes del muestreo.
Se sabe que la frecuencia más alta de una señal analógica que puede
reconstruirse sin ambigüedad cuando la señal se muestrea a una velocidad
de Fs = 1/T es Fs/2. Cualquier frecuencia por encima de Fs/2 o por debajo
de – Fs/2 produce muestras que son idénticas a las correspondientes a las
frecuencias dentro del intervalo – Fs/2 ≤ – F ≤ Fs/2.
12
Para evitar las ambigüedades, que resultan del aliasing, se debe seleccionar
una velocidad de muestreo lo suficientemente alta, esto es, se debe escoger
a Fs/2 mayor que a Fmax. Por lo tanto para evitar el problema de aliasing, se
selecciona a Fs como
Fs > 2Fmax (1.13)
Teorema: Si la frecuencia más alta contenida en una señal

analógica xa(t) es Fmax = B y la señal se muestrea a una
velocidad Fs > 2Fmax, entonces xa(t) se puede recuperar
totalmente de sus muestras mediante la siguiente función de
interpolación:
sin (2πBt )
g (t ) = (1.14)
2πBt

Así, xa(t) se puede expresar como
∞
⎛ n⎞ ⎛ n⎞
xa (t ) = ∑ x ⎜⎜ F a
⎟⎟ g ⎜⎜ t − ⎟⎟ (1.15)
n = −∞ ⎝ s ⎠ ⎝ Fs ⎠
donde xa(n/Fs) = xa(nT) = x(n).

Cuando el muestreo de xa(t) se realiza a la tasa mínima de muestreo Fs =2B,
la formula de reconstrucción (1.15) se transforma en
∞
⎛ n ⎞ sin 2πB(t − n 2 B )
xa (t ) = ∑ x ⎜⎝ 2 B ⎟⎠ (1.16)
2πB(t − n 2 B )
a
n = −∞
La tasa de muestreo dada por FN = 2B = 2Fmax, se denomina tasa de Nyquist.

La Figura 1.12 ilustra el proceso de un DAC ideal que usa esta función de
interpolación.
13
sin 2πB(t − n 2 B )
g (t ) =
2πB(t − n 2 B )
Figura 1.12: Conversión analógico a digital ideal

Como puede observarse tanto en la (1.15) como en la (1.16), la
reconstrucción de xa(t) a partir de la secuencia x(n) es un proceso complicado
que supone la suma ponderada de la función de interpolación g(t) y sus
versiones correspondientemente desplazadas en el tiempo g(t - nT) con
–∞ < n < ∞, donde los coeficientes de ponderación son las muestras de x(n).
Dada la complejidad y el infinito número de muestras que se requiere en

(1.15) y (1.16), éstas formulas de reconstrucción, son puramente de interés
teórico.
Ejemplo 2. Considere la siguiente señal analógica
xa (t ) = 3 cos 50πt + 10 sin 300πt − cos100πt

¿Cual es la tasa de Nyquist para esta señal?
14
Sol. Las frecuencias presentes en la señal son:
F1 = 25 Hz F2 = 150 Hz F3 = 50 Hz
Por lo tanto, la frecuencia máxima contenida en la señal es 150Hz, y de

acuerdo a (1.13) la tasa de Nyquist es
FN = 2Fmax ⇒ FN = 300 Hz

Ejemplo 3. Considere la siguiente señal analógica
xa (t ) = 3 cos 2000πt + 5 sin 6000πt + 10 cos12000πt
a) ¿Cual es la tasa de Nyquist para esta señal?

b) suponga ahora que se muestrea esta señal a una velocidad de Fs = 5000
muestras por segundo ¿Cuál es la señal en tiempo discreto que se obtiene
tras el muestreo?
Sol.
F1 = 1KHz F2 = 3KHz F3 = 6 KHz

Por lo tanto
⇒ FN = 12 KHz
15
b) Dado que se ha elegido a Fs = 5KHz, la máxima frecuencia que puede
ser representada sin ambigüedad mediante las muestras es
Fs
= 2.5 KHz
2
usando la (1.2) se obtiene
xa (t ) = 3 cos 2π ( 15 )n + 5 sin 2π ( 53 )n + 10 cos 2π ( 65 )n

= 3 cos 2π ( 15 )n + 5 sin 2π (1 − 52 )n + 10 cos 2π (1 + 15 )n
= 3 cos 2π ( 15 )n + 5 sin 2π (− 52 )n + 10 cos 2π ( 15 )n
= 13 cos 2π ( 15 )n − 5 sin 2π ( 52 )n
Tarea
1. Investigue en forma detallada cada uno de los convertidores analógico-
digital que se presentaron en esta lectura, cubriendo el análisis del
circuito, aplicaciones, ventajas y desventajas que presenta cada uno de
ellos.
2. Investigue ampliamente, el teorema de Shannon-Hartley, tasa de
Nyquits, Ley de Hartley y Entropía.
3. Investigue cual es el estado del arte de los ADC y DAC en cuestión de
diseño electrónico, en programación de algunos sistemas embebidos
(PIC, FPGA, DSP), en velocidad, y costo.
16
Tarea
4. Se tiene las siguientes señales analógicas
xa (t ) = 3 cos 600πt + 2 cos1800πt
xa (t ) = 5 Re{exp( j 200πt )}+ 7 Im{exp( j 400πt )}
xa (t ) = 3 Re{exp( j 200πt )}Im{exp(− j100πt )}
Encuentre:
a) La frecuencia máxima
b) La tasa de Nyquist
c) Si la frecuencia de muestreo cambia a Fs = 500 muestras por segundo
¿Cuál es la señal en tiempo discreto que se obtiene tras el muestreo?
17

Lec01 - Teorema de Muestreo

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Lec01 - Teorema de Muestreo

Caricato da

Copyright:

Formati disponibili

Teorema del Muestreo

Dr. Luis Javier Morales Mendoza

Dr. Luis Javier Morales Mendoza 2

Señal Procesador Señal

Figura 1.1: Diagrama a bloques de un sistema digital

Figura 1.2: DSP de la compañía Altera y uno de la Familia

Dr. Luis Javier Morales Mendoza 5

xa(t) x(n) xq(n) 1001…

Muestreador Cuantificador Codificador

Figura 1.3: Diagrama a Bloques de un ADC

Consiste en una serie de

Figura 1.4: ADC Flash

Figura 1.5: ADC Simple Rampa

Figura 1.6: ADC doble rampa

Figura 1.7: DAC de escalera

Dr. Luis Javier Morales Mendoza 10

Figura 1.8: DAC escalera R-2R

Figura 1.9: aproximaciones

Dr. Luis Javier Morales Mendoza 12

Dr. Luis Javier Morales Mendoza 13

x(n ) = xa (nT ) –∞ < n < +∞ (1.1)

donde x(n) es la señal en tiempo discreto obtenida tomando muestras de la

xa(t) x(n) xa(t)

Figura 1.10: Muestreo periódico de una señal analógica

Dr. Luis Javier Morales Mendoza 15

Como consecuencia de (1.2), existe una relación entre la variable frecuencia

Dr. Luis Javier Morales Mendoza 16

xa (nT ) ≡ x(n ) = A cos(2πnFT + θ )

x(n ) = A cos(2πnf + θ ) (1.5)

Dr. Luis Javier Morales Mendoza 17

Dr. Luis Javier Morales Mendoza 18

–½ < F < ½ –π < ω < π (1.9)

Sustituyendo (1.6) y (1.7) en (1.9) se encuentra que la frecuencia de la

a) Si la señal se muestrea a una velocidad de Fs = 200Hz ¿cuál es la

Sol. Aplicando la (1.4) se tiene

Figura 1.11: Muestreo de la señal xa(t)

Teorema del Muestreo

donde N indica el número de componentes de frecuencia. Todas las

Dr. Luis Javier Morales Mendoza 23

Teorema del Muestreo

Fs > 2Fmax (1.13)

Teorema: Si la frecuencia más alta contenida en una señal

Dr. Luis Javier Morales Mendoza 25

Teorema del Muestreo

donde xa(n/Fs) = xa(nT) = x(n).

La tasa de muestreo dada por FN = 2B = 2Fmax, se denomina tasa de Nyquist.

Figura 1.12: Conversión analógico a digital ideal

Dr. Luis Javier Morales Mendoza 27

Teorema del Muestreo

Dada la complejidad y el infinito número de muestras que se requiere en

Ejemplo 2. Considere la siguiente señal analógica

xa (t ) = 3 cos 50πt + 10 sin 300πt − cos100πt

Por lo tanto, la frecuencia máxima contenida en la señal es 150Hz, y de

Dr. Luis Javier Morales Mendoza 29

Teorema del Muestreo

xa (t ) = 3 cos 2000πt + 5 sin 6000πt + 10 cos12000πt

a) ¿Cual es la tasa de Nyquist para esta señal?

F1 = 1KHz F2 = 3KHz F3 = 6 KHz

usando la (1.2) se obtiene

xa (t ) = 3 cos 2π ( 15 )n + 5 sin 2π ( 53 )n + 10 cos 2π ( 65 )n

Dr. Luis Javier Morales Mendoza 32

xa (t ) = 3 cos 600πt + 2 cos1800πt

xa (t ) = 5 Re{exp( j 200πt )}+ 7 Im{exp( j 400πt )}