Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
𝑆 ≥ 2𝑓0
PROCESAMIENTO DIGITAL DE SEÑALES
Daniel Andrés García Como podemos observar 4500 𝐻𝑧 es mayor a 4000 𝐻𝑧 por lo
tanto cumple esta tasa de Nyquest y podemos afirmar que no
Gilberto barrios existe fenómeno de aliasing.
Abstract — This paper presents the development of the 1.2 ¿Se presenta fenómeno alias o aliasing si 𝑥(𝑡) es
activity "Step 2 - Recognize the mathematical elements muestreada a 𝑆 = 3500 𝐻𝑧? Explique paso a paso y
involved in the digital analog conversion system" that is part si presenta alias, encuentre la frecuencia 𝑓𝑎
of the Digital Signal Processing course. The activity develops
the themes: Sampling, Quantization and Fourier Con los nuevos datos que nos ofrece el ejercicio volvemos a
Transformation in Discrete Time; through practical aplicar el teorema de Nyquest sobre el muestreo y esto nos
exercises with Matlab support.). queda: 𝑆 ≥ 2𝑓0
CUANTIZACION EJERCICIO 5
Siendo 𝑥(𝑡) = 𝐴 𝑠𝑒𝑛(2𝜋 𝑓0 𝑡) donde la frecuencia 𝑓0 = 𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 (−2𝑣, 2𝑣) 𝑑𝑒 𝑒𝑠𝑐𝑎𝑙𝑎 𝑐𝑜𝑚𝑝𝑙𝑒𝑡𝑎 𝑒𝑠 𝐷
2000𝐻𝑧. Resuelva: = 4𝑣 𝑑𝑎𝑛𝑑𝑜 𝑒𝑙 𝑒𝑟𝑟𝑜𝑟 𝑟𝑚𝑠 𝑒𝑠𝑡𝑎 𝑑𝑎𝑑𝑜 𝑝𝑜𝑟
𝐷 la tasa o rango de muestreo con la que trabajemos debe ser
∆ 𝐷 2 𝐵
∆= 𝑐𝑜𝑛 ∆= 𝐵 => ∆= superior a 200 Hz). Si dicha condición no se cumple, se generan
√12 2 √12 replicaciones de la señal original (alias) que difieren de ésta en
𝐷 𝐷 su composición, y que además se superponen, generando el
=> √12 ∆ = => 2𝐵 = 𝑆𝑈𝑆𝑇𝐼𝑇𝑈𝑌𝐸𝑁𝐷𝑂 𝐷𝐴𝑇𝑂𝑆 efecto de aliasing (también llamado efecto Nyquist, sub muestreo
2𝐵 √12∆ o distorsión por solapamiento) imposibilitando recuperar la señal
original.
4
2𝐵 = → 2𝐵
0,010√12 4) ¿Qué indica el teorema de muestreo de Nyquist?
= 115,47 𝑎𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜 𝑙𝑜𝑔𝑎𝑟𝑖𝑡𝑚𝑜 𝑒𝑛 𝑏𝑎𝑠𝑒 2
El teorema de muestreo de Nyquist-Shannon, también conocido
𝐵 como teorema de muestreo de Whittaker-Nyquist-Kotelnikov-
𝑙𝑜𝑔2 2 = 𝑙𝑜𝑔2 (115,47)
Shannon, criterio de Nyquist o teorema de Nyquist, es un
teorema fundamental de la teoría de la información, de especial
𝑙𝑜𝑔2 (115,47) 6,85
𝐵= = = 685 𝑟𝑒𝑑𝑜𝑛𝑑𝑒𝑎𝑛𝑑𝑜 interés en las telecomunicaciones.
𝑙𝑜𝑔2 2 1
El teorema trata del muestreo que no debe ser confundido o
𝐵 = 7 𝑏𝑖𝑡𝑠 asociado con la cuantificación, proceso que sigue al de muestreo
en la digitalización de una señal y que, al contrario del muestreo,
no es reversible (se produce una pérdida de información en el
proceso de cuantificación, incluso en el caso ideal teórico, que se
traduce en una distorsión conocida como error o ruido de
1) ¿Qué es una señal muestreada? cuantificación y que establece un límite teórico superior a la
Bajo ciertas condiciones de la señal muestreada relación señal-ruido). Dicho de otro modo, desde el punto de
continua en el tiempo puede ser generalmente vista del teorema, las muestras discretas de una señal son valores
representada y recuperada a partir del conocimiento de exactos que aún no han sufrido redondeo o truncamiento alguno
los valores instantáneos o igualmente de las muestras sobre una precisión determinada, esto es, aún no han sido
espaciadas en el tiempo. cuantificadas.
TRASFORMADA DISCRETA DE FOURIER Para poder obtener resultados de reales e imaginarios usaremos
la identidad de Euler que dice:
= 5 + 1 (𝑐𝑜𝑠(4𝜋⁄3) − 𝑗𝑠𝑒𝑛(4𝜋⁄3))
+ 5((𝑐𝑜𝑠(8𝜋⁄3) − 𝑗𝑠𝑒𝑛(8𝜋⁄3)))
Resolvemos:
Entonces para 𝑘 = 0
(0)⁄ (1)⁄ (2)⁄ 1 √3 1 √3
𝑥(0) = 𝑥(0)𝑒 −𝑗2𝜋(0) 3 + 𝑥(1)𝑒 −𝑗2𝜋(0) 3 + 𝑥(2)𝑒 −𝑗2𝜋(0) 3 5 + 1 (− ) − 𝑗 (− ) + 5 (− ) − 𝑗 (− )
2 2 2 2
=5+1+5
Resolvemos reales e imaginarios
= 𝟏𝟏 + 𝟎𝒋
= 𝟕 − 𝟑. 𝟒𝟔𝒋
Entonces 𝑘 = 1
x = [ 5 1 5];
(0)⁄ (1)⁄ 2
−𝑗2𝜋(1) −𝑗2𝜋(1) −𝑗2𝜋(1) N = length(x);
𝑥(1) = 𝑥(0)𝑒 3 + 𝑥(1)𝑒 3 + 𝑥(2)𝑒 3
X = zeros(3,1)
−𝑗4𝜋⁄ for k = 0:N-1
= 5 + 1𝑒 −𝑗2𝜋⁄3 + 5𝑒 3
for n = 0:N-1
X(k+1) = X(k+1) + x(n+1)*exp(-j*pi/2*n*k)
Para poder obtener resultados de reales e imaginarios usaremos end
la identidad de Euler que dice: end
X % to check |X(k)|
angle(X) % to check phase
Señal 𝒇𝟎 (𝒌𝑯𝒛) Se Frecuencia Equivalente
presenta de alias análogico
alias?
𝟖𝒄𝒐𝒔(𝟑𝟐𝒌𝝅𝒕) 16 Si 16-S=0 8
𝑥(𝑛) = 𝑥(𝑘𝑇) ∶ 𝑛 = 𝑘
4 + 4𝑖
supongamos que la señal a ser digitalizada es la voz...el ancho de banda
de la voz es de 4,000 Hz aproximadamente. Entonces, su razón de
muestreo será 2*B=2*4000HZ, es igual a 8000 hz, equivalente 𝐶𝑢𝑎𝑛𝑑𝑜 𝑘 = 1
a 8,000 muestras por segundo (1/8000). Entonces la razón de muestreo (1)(0) (1)(1) (1)(2)
𝑥(1) = (𝑥1)𝑒 −𝑗2𝜋 3 + (𝑥1)𝑒 −𝑗2𝜋 3 + (𝑥2)𝑒 −𝑗2𝜋 3
de la voz debe ser de al menos 8000 Hz, para que puede regenerarse
sin error.
𝑥(1) = 4 + 4𝑒 −𝑗2𝜋/3 + 91
senoidales.
2𝜋 2𝜋 4𝜋 4𝜋
𝑥(1) = 4 + 4[cos − 𝑠𝑒𝑛 + 1 [𝑐𝑜𝑠 − 𝑠𝑒𝑛 ]
6. ¿Qué es la transformada rápida de Fourier? 3 3 3 3
Debido a que el cálculo de la Transformada Discreta de Fourier
requiere de cálculos extensos, se desarrollo métodos que permiten 2𝜋 4𝜋 2𝜋 4𝜋
𝑥(1) = 4 + 4[cos + 1 [𝑐𝑜𝑠 − 𝑠𝑒𝑛 − 𝑠𝑒𝑛 ]
ahorrar cálculos y evaluar de manera más rápida. 3 3 3 3
Solución. 𝐶𝑢𝑎𝑛𝑑𝑜 𝑘 = 2
(2)(0) (1)(2) (2)(2)
En mi caso el número de mi cedula es: 1105681441 Por tanto: 𝑥(2) = (𝑥1)𝑒 −𝑗2𝜋 3 + (𝑥1)𝑒 −𝑗2𝜋 3 + (𝑥2)𝑒 −𝑗2𝜋 3
Para la señal 𝑥 = [4 4 1]
Para hallar la transformada discreta de Fourier aplicamos la siguiente 𝑥(2) = 4 + 4 𝑒 −𝑗4𝜋/3 + 1𝑒 −𝑗8𝜋/3
ecuación.
∞
𝑥 = (4 4 1)
𝑒 −𝑗𝜔 = cos(𝜔) − 𝑠𝑒𝑛(𝜔)
0 1 2 − 𝑀𝑢𝑒𝑠𝑡𝑟𝑎𝑠 (𝑘)
𝐶𝑢𝑎𝑛𝑑𝑜 𝑘 = 0
4𝜋 4𝜋 8𝜋 8𝜋 tallo (t, X) // Comando para graficar variables “t” y “x”
𝑥(2) = 4 + 4[cos − 𝑠𝑒𝑛 + 1 [𝑐𝑜𝑠 − 𝑠𝑒𝑛 ]
3 3 3 3
xlabel ('frecuencia'); // Datos de frecuencia en el eje x
4𝜋 8𝜋 4𝜋 8𝜋
𝑥(2) = 6 + 2[cos + 9 [𝑐𝑜𝑠 − 𝑠𝑒𝑛 − 𝑠𝑒𝑛 ] subtrama (313) // recuadro primero gráfica.
3 3 3 3
ylabel ('Phase');
X (k + 1) = X (k + 1) + x (n + 1) * exp (-j * pi / 2 * n * k)
fin
ω=12kπ=12000π
12000𝜋
𝑓0 = = 6000 𝐻𝑧 = 6 𝐾𝐻𝑧
2𝜋
𝑆 ≥ 2𝑓0
GILBERTO BARRIOS 𝑓𝑎 = 𝑓0 − 𝑆
𝑓𝑎 = 6 𝐾𝐻𝑧 − 5 𝐾𝐻𝑧
𝑓𝑎 = −1 𝐾𝐻𝑧
II. MUESTREO
Ejercicios de Muestreo. A partir de la frecuencia alias se puede hallar la señal del efecto alias
que actuara como ruido sobre la señal original cuando sea muestreada:
A. Ejercicio 4.
Siendo 𝑥𝑎 (𝑡) = cos(2𝜋(−1000)𝑡)
1.1. ¿Se presenta fenómeno alias o aliasing si x(t) es muestreada a S=5 1.2. ¿Se presenta fenómeno alias o aliasing si x(t) es muestreada a
kHz ? Explique paso a paso y si presenta alias, encuentre la S=12.5k Hz? Explique paso a paso y si presenta alias, encuentre
frecuencia fa. la frecuencia fa
Solución:
𝜔
𝑆 ≥ 2𝑓0
𝜔 = 2𝜋𝑓0 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝑓0 = (1)
2𝜋
12,5 𝐾𝐻𝑧 ≥ 2(6 𝐾𝐻𝑧)
A. Ejercicio 2.
Siendo la señal muestreada: 𝑆𝑁𝑅𝑄 = 5.65 𝑑𝐵
1.1. Halle la potencia de ruido PN 1.1. Realizar un algoritmo de la Transformada Discreta de Fourier, en
el cual debe estar planteada la sumatoria de transformada. Utilizar
Matlab, Octave Online, o Scilab.
La potencia de la señal esta dad por la siguiente formula [3]:
El algoritmo para desarrollar debe cumplir la siguiente ecuación que
corresponde a la Transformada de Fourier en Tiempo Discreto [4]:
𝑁−1
1 ∞
𝑃= ∑(𝑋[𝑛])2 2𝜋𝑘𝑛
𝑁 𝑋[𝑘] = ∑ 𝑋[𝑛] 𝑒 −𝑗 𝑁
𝑛=0
𝑛=−∞
1
𝑃𝑁 = [(0.2)2 + (0)2 + (−0.3)2 + (−0.2)2 + (0)2 + (0)2
8
+ (−0.3)2 + (−1.3)2 ] X[k], es la muestra trasformada.
X[n], es la muestra a trasformar.
1 n, es el n-esimo índice de la muestra que se está
𝑃𝑁 = [1.95] transformando.
8
N, es la cantidad de muestras a transformar.
𝑃𝑁 = 0.24 k, es la k-esimo índice de la muestra transformada.
for k = 0:N-1
fft(X) %Trasformada del vector X para verificar resultados Mantener baja la Relación Señal a Ruido de Cuantización SNRQ, es
otro factor a tener en cuenta en el diseño DSP para garantizar la calidad
de la señal cuantizada, el error mínimo y así garantizar que la señal
A continuación, se muestra un pantallazo con el resultado de la digitalizada es fiel en un alto grado a las señal original.
ejecución del programa en Matlab:
DANIEL ANDRES GARCIA
Ejercicio 2:
SE TOMA :
9 𝑠𝑒𝑛(2𝜋 𝑡)
Ecuación 𝑤 = 2𝜋𝑓
∞ −𝑗2𝜋(1)(0)⁄ −𝑗2𝜋⁄
−𝑗2𝜋𝐾𝑛/𝑁 𝑋(𝐾1 ) = 𝑋(1)𝑒 3 + 𝑋(1)𝑒 3
𝑋(𝐾) = ∑ 𝑥(𝑛)𝑒 −𝑗4𝜋⁄
𝑛=−∞ + 𝑋(4)𝑒 3
Por solicitud del ejercicio las muestras serán los 𝑋(𝐾1 ) = 1 + 1(𝑐𝑜𝑠(2𝜋/3) − 𝑗𝑠𝑖𝑛(2𝜋/3))
últimos 3 números de la cedula, tenemos que: + 4(𝑐𝑜𝑠(4𝜋/3) − 𝑗𝑠𝑖𝑛(4𝜋/3))
1 √3 1 √3
𝑥(𝑛) = [1,1,4] 𝑋(𝐾1 ) = 1 + 1 (− − 𝑗 ) + 4 (− + 𝑗 )
2 2 2 2
Realizamos el planteamiento para cuando 𝐾 = 0,
tenemos: 1 √3 4 4√3
𝑋(𝐾1 ) = 1 − −𝑗 − +𝑗
2 2 2 2
Organizamos y resolvemos, tenemos:
1 √3 4 4√3
1 4 4√3 𝑋(𝐾2 ) = 1 − +𝑗 − −𝑗
√3 2 2 2 2
𝑋(𝐾1 ) = 1 − − −𝑗 +𝑗
2 2 2 2
−𝑗2𝜋(2)(0)⁄ −𝑗2𝜋(2)(1)⁄
𝑋(𝐾2 ) = 𝑋(1)𝑒 3 + 𝑋(1)𝑒 3
−𝑗2𝜋(2)(2)⁄
+ 𝑋(4)𝑒 3
−𝑗2𝜋(2)(0)⁄ −𝑗4𝜋⁄
𝑋(𝐾2 ) = 𝑋(1)𝑒 3 + 𝑋(1)𝑒 3
−𝑗8𝜋⁄
+ 𝑋(4)𝑒 3
𝑋(𝐾2 ) = 1 + 1(𝑐𝑜𝑠(4𝜋/3) − 𝑗𝑠𝑖𝑛(4𝜋/3)) [1] Ambardar, A., Procesamiento de Señales Analógicas y Digitales,
2nd ed. Mexico, Cengage Learning, 2008, pp 446-455.
+ 4(𝑐𝑜𝑠(8𝜋/3) − 𝑗𝑠𝑖𝑛(8𝜋/3)) [2] Ambardar, A., Procesamiento de señales analógicas y digitales,
2nd ed. Mexico, Cengage Learning, 2008, pp 456-460.
[3] Ambardar, A., Procesamiento de señales analógicas y digitales,
1 √3 1 √3 2nd ed. Mexico, Cengage Learning, 2008, pp 460-464.
𝑋(𝐾2 ) = 1 + 1 (− + 𝑗 ) + 4 (− − 𝑗 ) [4] Ambardar, A., Procesamiento de señales analógicas y digitales,
2 2 2 2 2nd ed. Mexico, Cengage Learning, 2008, pp 482.