Tratamiento Digital de Señales

Ing. Sandra Castro

 Capítulo 1
• ANTECEDENTES
• Las telecomunicaciones en esencia es la
transmisión, recepción y procesamiento de
información usando circuitos electrónicos u opto-
electrónicos.
• La información puede ser ANALÓGICA o DIGITAL
• Toda la información debe convertirse en energía
electromagnética o energía luminosa antes de
que pueda propagarse por un sistema.
 Introducción
• La industria de las telecomunicaciones electrónicas han
experimentado algunos cambios tecnológicos notables.

• Los sistemas tradicionales de comunicaciones

electrónicas que utilizan técnicas de modulación
analógica convencional, como la amplitud
modulada(AM), la modulación de frecuencia (FM), la
modulación en fase (PM), se están reemplazando con
sistemas de comunicaciones digitales.

• Los sistemas de comunicación digital ofrecen varias

ventajas respecto a los sistemas analógicos
tradicionales: facilidad de procesamiento, facilidad de
multicanalización e inmunidad al ruido.
 Señales, Sistemas y Tratamiento de
Sistemas
• Señal.
• Magnitud física que varía con el tiempo, el espacio o
cualquier otra variable o variables independientes.
• Matemáticamente una señal se describe como una
función de una o más variables independientes.

• Ejemplos:
• Una señal de voz se representa con un alto grado de
precisión como la suma de señales sinusoidales de
diferentes amplitudes y frecuencias.
 Señales, Sistemas y Tratamiento de
Sistemas
• Asociados a las señales naturales se
encuentran los medios con los que se
generan.
• Voz
• Imágenes
• La generación de señales está asociada con un
sistema que responde a un estímulo.
• Sistema + estímulo= fuente de la señal
Ejemplo: si analizamos la voz humana con un analizador de espectros,
veríamos que las componentes de frecuencia van hasta los 35 Khz

??????????
Observación 1: Existen personas con capacidades de generar frecuencias más
altas y más bajas de lo normal: soprano, …, tenor, etc (ver tabla).
Observación 2: de todas estas frecuencias, el oído humano solo escucha en un
rango aproximado desde 20 Hz hasta 20 KHz.
Observación 3: la inteligibilidad (que se entiende lo que dice) se encuentra en
las frecuencias bajas, por ello el canal telefónico restringe el AB de la voz desde 30
Hz hasta 3000 Hz.

• Veamos una comparación de rango audible entre el humano y otros animales:

 Señales y Sistemas y Tratamiento de
Sistemas
• Sistema.
• Dispositivo físico que realiza una operación
sobre una señal.(filtro)
• Cuando pasamos la señal a través de un
sistema, como el caso de un filtro, decimos
que hemos procesado o tratado esa señal.
 Señales, Sistemas y Tratamiento de
Sistemas
• Sistema, operación o software de operaciones
sobre una señal.
• Operaciones (operaciones matemáticas)
especificadas por un programa.
• Tratamiento de señales por medios digitales tanto
Sw como Hw.
• Convertir señal analógica a digital ….> procesarla .
• Mayor parte de señales (ciencia, ingeniería) son
analógicas.
 Elementos básicos de un Sistema de
Tratamiento Digital de Señales.

Método alternativo de procesar una señal analógica.

Procesadores de señal programable son de uso muy común.
 REPRESENTACIÓN JERÁRQUICA DE UN MODELO DE COM. DIGITALES:

Para reducir la complejidad de un modelo, se lo suele representar en forma jerárquica (en bloques
funcionales llamados SUBSISTEMAS) de modo que se facilita su estudio y simulación (se
disminuye la carga computacional). Para el caso de un sistema de comunicaciones:
 TDS
• Ventajas
• Sistema Digital Programable proporciona flexibilidad de
reconfigurar las operaciones del tratamiento digital
(modificando el programa).
• Sistema Analógico (rediseño del hardware).
• Consideraciones de precisión.
• Las señales digitales se almacenan fácilmente en medios
magnéticos(transportables, t no real)
• El TDS permite el implementación de algoritmos más
sofisticados.
• El hardware digital es más barato.
• Desventaja?
 Clasificación de señales
• Los métodos para procesar una señal o
analizar la respuesta de un sistema depende
de la característica de la señal.
• Señal  función

• Tarea:
• Ejemplos de señales representadas por funciones de
magnitud escalar real, compleja o un vector.
SEÑALES POR SU COMPORTAMIENTO EN EL TIEMPO:
B1) CONTINUAS (ANALÓGICAS):

Corresponde a la mayoría de los fenómenos y mediciones de la naturaleza.

Puede tomar cualquier valor real.

B2) DISCRETAS: para poder procesar las señales analógicas utilizando el computador, es
necesario DISCRETIZARLAS. Tomamos solo ciertos valores de la señal continua (teorema
del muestreo).
Entonces la señal resultante tendrá un valor finito de puntos (señal discreta).

Una señal discreta en el tiempo y que tiene un conjunto de valores discretos es una
señal digital.

CASO ESPECIAL: BINARIAS (SOLO DOS NIVELES): en el caso de comunicaciones digitales,

es usual utilizar solo dos niveles (1L y 0L). En este caso se denomina señal discreta
binaria.
 Señales continuas ---- discretas
• Si la señal que se va a procesar es una señal
analógica, se convierte en señal digital
muestreándola en intervalos discretos de
tiempo.
• Luego se cuantifica sus valores en un conjunto
de valores discretos.
 MODELOS BÁSICOS DE SEÑALES
• Tarea (clase)
• Paso o Escalón Unitario
• Impulso
• Rampa.
• Pulso Rectangular
• Pulso Triangular
• Signum
• Sampling
FRECUENCIA EN SEÑALES CONTINUAS
Y DISCRETAS
• Está relacionada con un tipo de movimiento
periódico denominado movimiento oscilatorio
armónico simple, que se describe mediante
funciones sinusoidales.
• Está relacionado con el tiempo, su dimensión
es la inversa del tiempo.
 Señal periódica y sus parámetros
La relación entre la frecuencia y el período es:
1
f  [ Hz]
T

Frecuencia: número de ciclos por unidad de tiempo de una señal

periódica.
Análisis de Fourier: componentes de frecuencia de la señal.

Toda señal está compuesta por un rango de frecuencias: desde una

Fmin hasta una Fmax. Se lo conoce como ANCHO DE BANDA.
 Señales sinusoidales continuas en el
tiempo.
• Una oscilación armónica simple se describe matemáticamente
como :
𝑋𝑎 𝑡 = 𝐴 cos Ω𝑡 + 𝜃 , −∞ < 𝑡 < ∞

• Señal sinusoidal continua en el tiempo.

• A= amplitud de la sinusoide
• Ω = frecuencia en rad/s.
• Θ= fase en radianes

• En lugar de Ω , utilizaremos la frecuencia f medida en Hz.

• Ω =2πF , F  (Hz)
𝑋𝑎 𝑡 = 𝐴 cos 2π𝐹𝑡 + 𝜃 , −∞ < 𝑡 < ∞
Señales sinusoidales continuas en el
tiempo.
 Señales sinusoidales continuas en el
tiempo (SSCT)

• CONSIDERACIONES
 Señales sinusoidales discretas en el
tiempo
• Una señal sinusoidal discreta en el tiempo puede expresarse:
𝑋 𝑛 = 𝐴 cos W𝑛 + 𝜃 , −∞ < 𝑛 < ∞

n = variable entera. Número de muestra.

• A= amplitud de la sinusoide
• w = frecuencia en rad/muestra.
• Θ= fase en radianes

• En lugar de w , utilizaremos la frecuencia f (ciclos por muestra).

• w =2πF
𝑋 𝑛 = 𝐴 cos 2π𝐹𝑛 + 𝜃 , −∞ < 𝑛 < ∞
Señales sinusoidales discretas en el
tiempo
 Señales sinusoidales discretas en el
tiempo (SSDT)

• CONSIDERACIONES
Señales sinusoidales discretas en el
tiempo

Si se aumenta la frecuencia relativa Wo de una señal sinusoidal discreta en t de

π a 2 π , su tasa de oscilación disminuye.
 Capítulo 2

DISCRETIZACION DE SEÑALES
(TEOREMA DEL MUESTREO)
DISCRETIZACIÓN DE SEÑALES ANALÓGICAS:

Ya que la simulación la realizamos con el computador, necesitamos

discretizar la señal analógica. Por esta razón, solo tomamos los valores de la
señal analógica cada cierto tiempo llamado período de muestreo (la inversa
de la frecuencia de muestreo).

Veremos ahora los fundamentos de la discretización de señales analógicas:

 Señal Toma de muestras Señal
analógica cada Ts segundos discreta

1. ¿Cada cuanto tiempo debo tomar las muestras de modo que pueda ver qué
componentes de frecuencia tiene la señal?

Teorema de muestreo: Fs debe ser mayor o igual a 2* Fmax

2. ¿Cada cuanto tiempo debo tomar las muestras de modo que pueda recuperar
la forma de onda que tuvo la señal?

Teorema de muestreo: Fs debe ser mucho mayor que 2 * Fmax (10* Fmax)
Deducción del teorema de muestreo:
GENERACIÓN Y/ O ANÁLISIS DE SEÑALES DISCRETAS CON EL PC:

Procedimiento general para generar, visualizar y escuchar (si está en el rango audible) una
señal DETERMINISTA o ESTOCÁSTICA discretas:
1. Frecuencia máxima: La señal está generalmente compuesta por varias componentes de frecuencia. Debemos coger la
componente de máxima frecuencia: Fmax
Ejemplo: una señal compuesta por dos tonos: uno de 50 Hz y otro de 120 Hz
Fmax = 120; Si escogemos una frecuencia inferior a esta, aparecerán frecuencias falsas. Este fenómeno de
denomina aliassing.

Si es una señal estocástica y no conocemos su Fmax, nosotros debemos limitar dicha Fmax por medio de un
filtro (denominado antialiassing). Se verá luego de ver filtros digitales.
2. Frecuencia de muestreo (Fs) :

a) Si nos interesa analizar la información en frecuencia:

Teorema del muestreo: Para que la señal original pueda ser correctamente analizada en frecuencia, se la debe
muestrear con una frecuencia de muestreo (Fs) mayor o igual a 2 veces la Fmax contenida en la señal.
A mayor valor, no ganamos nada en la determinación da las componentes de frecuencia.

b) Si nos interesa analizar o recuperar la información de forma de onda: al menos muestrear a Fs =

10*Fmax;
 CONVERSIONES A/D Y D/A
• Para procesar señales analógicas a través de
medios digitales, primero es necesario
convertirlas a formato digital.
• Convertirlas en una secuencia de números con
una precisión finita. Conversión análoga-
digital.
convertidores A/D (ADC)
 CONVERSIÓN A/D
• Es un proceso de 3 pasos:
• MUESTREO (discretización en tiempo):
• Toma de muestras de la señal continua en el tiempo, en
instantes discretos de tiempo.

• CUANTIFICACIÓN (discretización en amplitud):

• Conversión de señal de valores continuos tomados en
instantes discretos de tiempo en una señal de valores
discretos en tiempos discretos (señal digital)
• Error de cuantificación.

• CODIFICACIÓN:
• Cada valor discreto se representa mediante una secuencia
binaria de b-bits.
 MUESTREO
• TEOREMA DEL MUESTREO

• Una señal x(t) con frecuencias no mayores que fm, debe ser muestreada a
una velocidad (fs) de por lo menos dos veces la frecuencia mas alta
contenida en dicha señal.
• fs ≥ 2 fm

• De esta manera se garantiza que la señal original podría recuperarse

luego, a partir de la señal muestreada xs(t) usando un filtro pasabajos.

• La mínima frecuencia de muestreo fs min = 2 fm, se denomina la tasa de

Nyquist.
• Dado que fs/2 corresponde a la fmax que puede representarse con una
frecuencia de muestreo fs, es sencillo determinar la frecuencia (alias) fs/2,
es el punto de solapamiento, frecuencia de solapamiento.
 MUESTREO
• Muestreo no ideal.
• Muestreo no ideal implica que el proceso de toma de
cada muestra dura un tiempo pequeño pero no nulo.
• Matemáticamente corresponde a multiplicar la señal
original por un tren de pulsos s(t).

• Dicho de otro modo, desde el punto de vista del

teorema, las muestras discretas de una señal son
valores exactos que aún no han sufrido redondeo o
truncamiento alguno sobre una precisión determinada,
es decir, aún no han sido cuantificadas.
Muestreo
 Ejercicios
• Considere la siguiente señal analógica:
•
• 𝑥𝑎 𝑡 = 3 cos 50𝜋𝑡 + 10𝑠𝑒𝑛 300𝜋𝑡 − 𝑐𝑜𝑠100𝜋𝑡
• Cuales son las frecuencias (Hz) presentes?
• Cuál es la frecuencia de Nyquist para esta señal?
 Ejercicio
• Se tiene la siguiente señal analógica:
• 𝑥𝑎 𝑡 = 3 cos 2000𝜋𝑡 + 5𝑠𝑒𝑛 6000𝜋𝑡 + 10𝑐𝑜𝑠12000𝜋𝑡

• Cuál es la frecuencia de Nyquist para esta señal?

•
Suponga que esta señal se muestrea usando una tasa de
muestreo Fs= 500 muestras/s.
• Cuál es la frecuencia de solapamiento?
 CUANTIFICACIÓN
• Es la conversión de una señal discreta en tiempo (señal muestreada), pero
continua en amplitud, en una señal discreta en tiempo y amplitud.

• Proceso en el que a una muestra de la señal analógica se le hace

corresponder un determinado valor (nivel de cuantificación ) dentro de
un conjunto finito de posibles valores.

• La cuantización consiste en descomponer el margen total de las posibles

amplitudes de la señal a cuantizarse, en un número discreto de intervalos
de cuantificación.
• El cuantizador asignará a todas las muestras de la señal de entrada que
caen dentro de un mismo intervalo de cuantificación un único valor
correspondiente al nivel de cuantización.

• La cuantización de las amplitudes de la señal muestreada introduce una

pérdida de fidelidad de la señal.
 CUANTIFICACIÓN
• La cuantificación es un proceso no reversible.
• Error de cuantificación e (n): diferencia de los
valores entre la amplitud de la señal actual y
su correspondiente cuantificada.

•
CUANTIFICACIÓN
 CUANTIFICACIÓN
• Cuantificación por redondeo:
• Asigna a cada muestra x (n) (cuantificada) a un
nivel de cuantificación más cercano.
• Cuantificación por truncamiento:
• Asigna a cada muestra x (n) a un nivel de
cuantificación inferior.
Cuantificación
 CUANTIFICACIÓN
• UNIFORME:
• Se establecer intervalos de cuantificación iguales de forma
uniforme para todo el margen de amplitudes de la señal.

• Sea q el tamaño del intervalo de cuantificación, el error de

cuantización e(n) puede tomar un valor:
- q/2<e(n)<q/2.

• # niveles de cuantificación en telefonía es de 256

• 𝑺 = 𝑉2 Potencia normalizada promedio de la señal.
• Nq=𝑞 2 /12 Potencia del ruido de cuantización
 Cuantificación
• 𝑺 = 𝑉2 Potencia normalizada promedio de la
señal.
• Nq=𝑞2 /12 Potencia del ruido de cuantización

𝑉2
• 𝑺𝑵𝑹𝒒 =
𝑞 2 /12
𝑉2 𝑉
• 𝑆𝑁𝑅𝑞 𝑑𝐵 = 10𝑙𝑜𝑔 2 = 10,8 + 20𝑙𝑜𝑔
𝑞 /12 𝑞

• V valor rms de la señal de entrada.

• 𝑉 = 𝑉𝑝/ 2
 CUANTIFICACIÓN
• Dentro del proceso de cuantificación los bits
requeridos para cada palabra depende del
número de niveles de cuantización, así para M
niveles se requieren:
• 𝑛 = 𝑙𝑜𝑔2 𝑀 𝑏𝑖𝑡𝑠 𝑝𝑜𝑟 𝑝𝑎𝑙𝑎𝑏𝑟𝑎
 EJERCICIO
• Una onda sinusoidal de amplitud pico 1v se
digitaliza con una SNRq mínima de 30 dB.
• Si # intervalos de cuantificación= 2/q
• A) Cuántos intervalos de cuantificación
uniformemente espaciados se requieren?
• B) Cuántos bits por muestra se requieren?
Cuantificación uniforme
CUANTIFICACIÓN NO UNIFORME
Leyes de cuantificación
• Tarea
• Consultar Ley A y Ley U
 CODIFICACIÓN
• Proceso que consiste en asignar una palabra
binaria diferente a cada nivel de
cuantificación.
• El número de bits requeridos para representar
cada palabra depende del número de niveles.
• Para M niveles se requiere:
• 𝑏 = 𝑙𝑜𝑔2 𝑀 𝑏𝑖𝑡𝑠/𝑝𝑎𝑙𝑎𝑏𝑟𝑎 Si M es potencia de 2
• 𝑏 = 𝑙𝑜𝑔2 𝐿 + 1 𝑏𝑖𝑡𝑠/𝑝𝑎𝑙𝑎𝑏𝑟𝑎 Si M no es potencia de 2
CODIFICACIÓN
 Recuperación de la señal.
Para la recuperación de la.señal original se
requiere un decodificador
Resumen Codificación de voz