de la señal analógica en los instantes donde ocurren los

PASO 2: RECONOCER LOS impulsos. Una señal muestreada idealmente (x 1) (t) puede
ELEMENTOS MATEMATICOS considerarse como el producto de una señal analógica x (t) y
un tren periódico de impulsos i (f).
QUE IMPLICA EL SISTEMA DE
CONVERSIÓN ANALOGICA
∞
DIGITAL
𝑥𝐼 (𝑡) = 𝑥(𝑡)𝑖(𝑡) = 𝑥(𝑡) ∑ 𝛿(𝑡 − 𝑛𝑡𝑠 )
𝑛=−∞
∞

= ∑ 𝑥(𝑛𝑡𝑠 )𝛿(𝑡 − 𝑛𝑡𝑠 )

TRATAMIENTO DIGITAL DE SEÑALES 𝑛=−∞
∞
ALEJANDRA ARANGO = ∑ 𝑥[𝑛]𝛿(𝑡 − 𝑛𝑡𝑠 )
𝑛=−∞
JUAN DIEGO MOSQUERA

GRUPO: 208052_24
2) ¿Qué es una señal cuantizada?

El proceso de cuantiza una señal, significa (redondear o

Abstract - The following is intended to develop the truncar) las amplitudes de las señales para reducirlas a un
activities guide of Unit 1: Step 2 - Recognize the conjunto finito de valores. Puesto que la cuantización sólo
mathematical elements involved in the digital analog afecta a la amplitud de la señal, es posible cuantizar señales
conversion system, where each student will individually analógicas y de tiempo discreto. [1] Las señales cuantizadas
perform three mathematical exercises, each about de tiempo discreto se conocen como señales digitales.
Sampling, Quantization and Discrete Fourier
Transform. Likewise, theoretical contributions on Finalizado el muestreo, cada valor de amplitud registrado
analog-digital conversion concepts will be made. debe ser codificado a formato digital. Debemos por tanto
elegir el número de bits que constituirá el ancho de palabra
Resumen: lo siguiente está destinado a desarrollar la guía
de los datos en dicho nuevo formato
de actividades de la Unidad 1: Paso 2: reconocer los
elementos matemáticos involucrados en el sistema de Un número de bits insuficiente dará lugar a muy pocas
conversión analógica digital, donde cada alumno combinaciones para codificar los diferentes valores de
realizará individualmente tres ejercicios matemáticos,
amplitud y dará lugar a lo que se denomina error de
cada uno sobre Muestreo, Cuantización y
cuantización. Error de cuantización es la diferencia entre el
Transformación discreta de Fourier. Asimismo, se
realizarán aportaciones teóricas sobre conceptos de valor de amplitud registrado en la muestra en formato digital
conversión analógico-digital. y el valor real que tenía dicha amplitud en la señal analógica
de partida. Surge de la necesidad de aproximar el valor real
INTRODUCCION de la señal a uno de los que admita el código digital que
hayamos establecido: [2]
Este trabajo se recolectará información que nos introduce al
procesamiento digital de señales. Para esto se realizarán y
explicarán ejercicios prácticos de muestreo y Cuantización
de señales con todos sus fenómenos y teoremas, igual que se
trabajará con el diseño de algoritmos para calcular las
transformadas discretas de Fourier.

ESTUDIANTE: ALEJANDRA ARANGO CARDENAS

1) ¿Qué es una señal muestreada?

El muestreo es la cantidad de veces que medimos el valor de

la señal en un periodo de tiempo, en este proceso
convertimos una señal continua a una señal discreta en el
tiempo.

Una señal muestreada, es una suma ponderada de impulsos,

en la que los factores de ponderación son iguales a los valores
 3) ¿Cuál es el fenómeno llamado Alias o Aliasing? 'n' es el Índice de la frecuencia cuyo valor queremos obtener

Este fenómeno se define como el efecto que se produce ‘m (kT), indica la muestra tomada en el instante 'kT' (muestra
cuando señales continuas se vuelen indistinguibles al Késima) de la ventana. [5]
muestrearlas de forma digital. [3]

Según el Teorema de Nyquist-Shannon, utilizado en el

muestreo de señales, si deseamos replicar precisamente la 6) ¿Qué es la transformada rápida de Fourier?
forma de una señal determinada, la frecuencia del muestreo
La Transformada Rápida de Fourier (Fast Fourier
debe ser superior al doble de la máxima frecuencia a
Transform) es una herramienta fundamental en el procesado
muestrear. Si esta condición no se cumple, se generan
digital de señales. Su origen es relativamente reciente puesto
replicaciones de la señal original que difieren de ésta en su
que fueron J.W.Cooley y J.W Tukey, quienes hacia 1965
composición, y que además se superponen, generando el
abordaron por primera vez el problema de la programación
efecto de aliasing imposibilitando recuperar la señal original.
de un algoritmo para el cálculo de series complejas. [6]

Ante todo, debe quedar claro que la FFT no es una nueva

4) ¿Qué indica el teorema de muestreo de transformada, sino que se trata de un algoritmo para el
Nyquist? cálculo de la Transformada Discreta de Fourier (DFT). Su
importancia radica en el hecho que elimina una gran parte de
Según el teorema de Nyquist-Shannon la cantidad de veces los cálculos repetitivos a que está sometida la DFT, por lo
que debemos medir una señal para no perder información y tanto se logra un cálculo más rápido. Además, la FFT
que no se presente el fenómeno de alias o aliasing, debe de generalmente permite una mayor precisión en el cálculo de
ser al menos el doble de la frecuencia máxima que alcanza la DFT disminuyendo los errores de redondeo. [6]
dicha señal.
La Transformada Rápida de Fourier es un algoritmo para el
Para explicar de una manera más sencilla tenemos el cálculo de la Transformada Discreta de Fourier basado en la
siguiente ejemplo: si deseamos grabar una conversación división del tiempo, eliminando así gran parte de los cálculos
telefónica, como el ancho de banda de la red telefónica es de repetitivos que hay que llevar a cabo si se desea resolver la
3khz, para no perder información deberemos tomar del orden TFD de forma directa. [7]
de 6.000 muestras/segundo como mínimo, para que la señal
muestreada, recupere totalmente la forma de la onda. Formula con la que Matlab calcula la trasformada rápida de
Fourier.
𝑁
(𝑗−1)(𝑘−1)
5) ¿Qué realiza la transformada de Fourier? 𝑋(𝑘) = ∑ 𝑥(𝑗)𝜔𝑁
𝑗=1
La Transformada de Fourier, básicamente lo que hace es
trasformar una señal representada en el dominio del tiempo
al dominio de la frecuencia, pero sin alterar su contenido de
información, sólo es una forma diferente de representarla.

La transformada Fourier de una señal unidimensional o MUESTREO – EJERCICIO 5

función continua es una transformación de dicha señal que Siendo 𝑥(𝑡) = 3𝑐𝑜𝑠(12𝑘𝜋𝑡) + 5𝑠𝑖𝑛(16𝑘𝜋𝑡) +
nos permite calcular la contribución de cada valor de 8𝑐𝑜𝑠(32𝑘𝜋𝑡) + 𝑠𝑖𝑛(48𝑘𝜋𝑡)Resuelva:
frecuencia a la formación de la señal. [4]
5.1) Encuentra las frecuencias 𝑓𝑜 de cada una de las
componentes de las señales 𝑥(𝑡)
Formula de la transformada de Fourier
5.2) Si la señal 𝑥(𝑡)tiene una frecuencia de muestreo 𝑆 =
𝑁−1 16𝑘𝐻𝑧 y se desea realizar la reconstrucción de la señal,
𝑛 1 2𝜋𝑛𝑘
𝐹( ) = ∑ 𝑚(𝑘𝑇)𝑒 −𝑗 𝑁 𝑛 identifique si las componentes senoidales no sufren
𝑁𝑇 𝑁 fenómeno de alias, y si algunas de ellas lo sufre, indique cuál
𝑘=0
= 0,1, … … … ∗ 𝑁 − 1 y por qué?

Donde:

'N' es el número de muestras de la ventana que se va a

analizar

'T' es el periodo de muestreo (inverso a la frecuencia de

muestreo que denominaremos '!')
 La potencia de ruido es de 0.5

𝑓0 Se Equivalent
Frecuencia
Señal presenta e
(𝑘𝐻𝑧) alias? de alias 1.3. Halle la potencia 𝑷𝒔
analógico

3𝑐𝑜𝑠(12𝑘𝜋𝑡) 6 No --- 3𝑐𝑜𝑠(12𝑘𝜋𝑡) Establecemos la siguiente formula

𝑁1
5𝑠𝑖𝑛(16𝑘𝜋𝑡) 8 No --- 5𝑠𝑖𝑛(16𝑘𝜋𝑡) 1
𝑃𝑥𝑐(𝑛) = ∑ 𝑥 2 (𝑛)
𝑁
8𝑐𝑜𝑠(32𝑘𝜋𝑡) 16 Si 16-S=0 8 𝑛=0

𝑠𝑖𝑛(48𝑘𝜋𝑡) 24 Si 24-S=8 𝑠𝑖𝑛(16𝑘𝜋𝑡) Asígnanos los valores y resolvemos

1
𝑃𝑥𝑐(𝑛) = (02 + 0.22 + 0.52 + 12 + 1.42 + 1.82 + 22
8
La señal reconstruida sería la siguiente, esta señal es + 2.42 )
equivalente dado el periodo de muestreo de la señal
1
𝑃𝑥𝑐(𝑛) = (16.250)
𝑥𝑠 (𝑡) = 8 + 3𝑐𝑜𝑠(12𝑘𝜋𝑡) + 5𝑠𝑖𝑛(16𝑘𝜋𝑡) + 𝑠𝑖𝑛(16𝑘𝜋𝑡) 8
𝑃𝑥𝑐(𝑛) = 2.0312

EJERCICIO 4: CUANTIZACIÓN

Siendo la señal muestreada: La potencia de la señal muestreada es de 2.0312

𝑥[𝑛] = {0,0.2,0.5,1.0,1.4,1.8,2.0,2.4}

La señal cuantizada:

𝑥𝑄 [𝑛] = {0,0.5,1.0,1.0,1.8,2.0,3.5,3.5} 1.4. Halle la relación señal a ruido de cuantización

𝑺𝑵𝑹𝑸
1.1. Calcule la señal de error:
La relación señal ruido esta dad en decibelios
𝑒[𝑛]
𝑆𝑁𝑅 = 𝑑𝐵
𝑥[𝑛] 0 0.2 0.5 1.0 1.4 1.8 2.0 2.4
𝑥𝑄 [𝑛] 0 0.5 1.0 1.0 1.8 2.0 3.5 3.5 Se aplica la siguiente formula
𝑒[𝑛] 0 - - 0 - - - -
𝑃𝑆
0.3 0.5 0.4 0.2 1.5 1.1 𝑆𝑁𝑅 = 10𝑙𝑜𝑔10 ( )
𝑃𝑁

Se reemplazan valores y se resuelve

2.0312
1.2. Halle la potencia de ruido 𝑷𝑵 𝑆𝑁𝑅 = 10𝑙𝑜𝑔10 ( )
0.5
Establecemos la siguiente formula
𝑆𝑁𝑅 = 6.0878 𝑑𝐵
𝑁1
1 La relación señal ruido corresponde a 6.0878 dB
𝑃𝑥𝑐(𝑛) = ∑ 𝑥 2 (𝑛)
𝑁
𝑛=0

Asígnanos los valores y resolvemos

1
𝑃𝑥𝑐(𝑛) = (02 + 0.32 + 0.52 + 02 + 0.42 + 0.22 + 1.52 EJERCICIO TRASFORMADA DISCRETA DE
8
+ 1.12 ) FOURIER

1
𝑃𝑥𝑐(𝑛) = (4)
8
CODIGO 1053803465
𝑃𝑥𝑐(𝑛) = 0.5
 −𝑗8𝜋⁄
= 4 + 6𝑒 −𝑗4𝜋⁄3 + 5𝑒 3

𝑥 = {4 6 5 }
Para poder obtener resultados de reales e imaginarios
𝑛 = {0 1 2}
usaremos la identidad de Euler que dice:

𝑒 −𝑗𝜔 = cos(𝜔) − 𝑗 𝑠𝑒𝑛(𝜔)

Ahora reemplazamos en la ecuación:

Entonces para 𝑘 = 0
(0)⁄ (1)⁄ (2)⁄
= 4 + 6 (cos(4𝜋⁄3) − 𝑗𝑠𝑒𝑛(4𝜋⁄3))
𝑥(0) = 𝑥(0)𝑒 −𝑗2𝜋(0) 3 + 𝑥(1)𝑒 −𝑗2𝜋(0) 3 + 𝑥(2)𝑒 −𝑗2𝜋(0) 3
+ 5((cos(8𝜋⁄3) − 𝑗𝑠𝑒𝑛(8𝜋⁄3)))
=4+6+5
Separamos reales de imaginarios:
= 𝟏𝟓 + 𝟎𝒋
= 4 + 6 (cos(4𝜋⁄3) − 𝑗𝑠𝑒𝑛(4𝜋⁄3))
Entonces 𝑘 = 1
+ 5((cos(8𝜋⁄3) − 𝑗𝑠𝑒𝑛(8𝜋⁄3))
(0)⁄ (1)⁄ 2
𝑥(1) = 𝑥(0)𝑒 −𝑗2𝜋(1) 3 + 𝑥(1)𝑒 −𝑗2𝜋(1) 3 + 𝑥(2)𝑒 −𝑗2𝜋(1)3 Resolvemos:
−𝑗4𝜋⁄
= 4 + 6𝑒 −𝑗2𝜋⁄3 + 5𝑒 3 1 √3 1 √3
4 + 6 (− ) − 𝑗 (− ) + 5 (− ) + 𝑗 (− )
2 2 2 2
Para poder obtener resultados de reales e imaginarios
usaremos la identidad de Euler que dice: Resolvemos reales e imaginarios

𝑒 −𝑗𝜔 = cos(𝜔) − 𝑗 𝑠𝑒𝑛(𝜔) = 𝟏. 𝟓 − 𝟗. 𝟓𝟐𝒋

Ahora reemplazamos en la ecuación: x = [ 4 6 5];

N = length(x);
= 4 + 6 (cos(2𝜋⁄3) − 𝑗𝑠𝑒𝑛(2𝜋⁄3)) X = zeros(3,1)
for k = 0:N-1
+ 5((cos(4𝜋⁄3) − 𝑗𝑠𝑒𝑛(4𝜋⁄3))) for n = 0:N-1
X(k+1) = X(k+1) + x(n+1)*exp(-j*pi/2*n*k)
Separamos reales de imaginarios: end
end
= 4 + 6 cos(2𝜋⁄3) − 𝑗𝑠𝑒𝑛(2𝜋⁄3)
t = 0:N-1
+ 5((cos(4𝜋⁄3) − 𝑗𝑠𝑒𝑛(4𝜋⁄3))) subplot(311)
stem(t,x);
Resolvemos: xlabel('Time (s)');
ylabel('Amplitude');
1 √3 1 √3 title('Time domain - Input sequence')
4 + 6 (− ) − 𝑗 ( ) + 5 (− ) + 𝑗 (− )
2 2 2 2
subplot(312)
Escriba aquí la ecuación.
stem(t,X)
xlabel('Frequency');
Resolvemos reales e imaginarios
ylabel('|X(k)|');
title('Frequency domain - Magnitude response')
= 𝟏. 𝟓 + 𝟗. 𝟓𝟐𝒋
subplot(313)
stem(t,angle(X))
xlabel('Frequency');
ylabel('Phase');
title('Frequency domain - Phase response')

X % to check |X(k)|
angle(X) % to check phase
Entonces 𝑘 = 2
(0)⁄ (1)⁄ 2
𝑥(2) = 𝑥(0)𝑒 −𝑗2𝜋(2) 3 + 𝑥(1)𝑒 −𝑗2𝜋(2) 3 + 𝑥(2)𝑒 −𝑗2𝜋(2)3
 Tropeta: :: 𝑆 = 2𝐹0

S= 2 (7500Hz)

S= 15000Hz

El espectro audible, también denominado campo tonal, se

encuentra conformado por las audiofrecuencias, es decir,
toda la gama de frecuencias que pueden ser percibidas por
el oído humano.

Un oído sano y joven es sensible a las frecuencias

comprendidas entre los 20 Hz y los 20 kHz. No obstante, este
Rango De Frecuencia de los 5 instrumentos musicales
margen varía según cada persona y se reduce con la edad
(llamamos presbiacusia a la pérdida de audición con la
Flauta 261-2349 8000Hz edad). Este rango equivale muy aproximadamente a diez
octavas completas (210=1024).
Oboe 261-1568 12000HZ

Clarinete 165-1568 10000HZ

ESTUDIANTE: JUAN DIEGO MOSQUERA
Fagot 62-587 7000Hz

Trompeta 165-988 7500Hz

Según el capítulo 14 “Muestreo y cuantización” del libro de
Ambardar, página 446:

La frecuecia de muestreo es el doble de la frecuencia mas

alta

Flauta: 𝑆 = 2𝐹0

S= 2 (8000Hz)

S= 16000HZ

Oboe: : 𝑆 = 2𝐹0 Figura 3: Operación ideal de muestreo

S= 2 (12000Hz) Ejercicio 2:

S= 24000Hz

Siendo 𝑥(𝑡) = 9 𝑠𝑒𝑛(2𝜋 𝑡) + 3 𝑠𝑒𝑛(20𝜋 𝑡) +

7 𝑠𝑒𝑛(1024 𝜋 𝑡) Resuelva:
Clarinet:: 𝑆 = 2𝐹0

S= 2 (10000Hz)
1.1 Encuentre las frecuencias 𝑓0𝑛 de cada una de las
S= 20000Hz
componentes de la señal 𝑥(𝑡)
Fagot: :: 𝑆 = 2𝐹0
1.2 Si la señal 𝑥(𝑡) tiene una frecuencia de muestreo
S= 2 (7000Hz) 𝑆 = 90𝐻𝑧 y se desea realizar la reconstrucción de
la señal, identifique si las componentes senoidales
S= 14000Hz
 no sufren fenómeno de alias, y si alguna de ellas será posible recuperar la forma de onda de la señal mediante
lo sufre, indique cuál y por qué. interpolación. De manera, si se selecciona una frecuencia de
muestreo demasiada baja, se perderá información vital
acerca de las partes de la señal que cambian rápidamente. Por
tanto, cuando se interpolan las muestras, no se podrá confiar
2. Cuantización en el resultado ya que éste siempre indicará que la señal tiene
un contenido frecuencial menor que el original.
El número de niveles 𝐿 de los cuantizadores utilizados en un
convertidor analógico digital (ADC) es una potencia de 2.
Por lo tanto 𝐿 = 2𝐵 , donde B es el número de bits.

Ejercicio 3:

Con un cuantizador de 𝐵 = 32 𝑏𝑖𝑡𝑠 se muestrea y se cuantiza Imagen 1. Señal a Muestrear Ima

una senoide con un intervalo de escala completa de 𝐷 = 12𝑉
¿cuál es el error rms 𝜎 de la cuantización?

Desarrollo:

𝐿 = 2𝐵

𝐷 = 12𝑉 Imagen 3. Señal Interpolada Imagen

𝐵 = 32 𝑏𝑖𝑡𝑠

𝐿 = 232 = 4,295𝑥109

𝐷 12
∆= = = 2,794𝑥10−9
𝐿 4,295𝑥109 Imagen 5. Señal Interpolada Perdida de la Información

∆ 2,794𝑥10−9 2 ¿Qué es una señal cuantizada?

𝜎= = = 8,0655𝑥10−10
√12 √12
Es la conversión de una señal discreta en el tiempo evaluada
El error rms 𝜎 de la cuantización es 8,0655𝑥10−10 . de forma continua a una señal discreta en el tiempo
discretamente evaluada. El valor de cada muestra de la señal
2. Preguntas teóricas: se representa como un valor elegido de entre un conjunto
1 ¿Qué es una señal muestreada? finito de posibles valores.
Se conoce como error de cuantificación (o ruido), a la
La base del muestreo de señales es que una señal de tiempo diferencia entre la señal de entrada (sin cuantificar) y la señal
continuo x (t) puede representarse mediante una secuencia de de salida (ya cuantificada), interesa que el ruido sea lo más
muestra x[n] con valores x [nT]. Para el procedimiento de bajo posible. Para conseguir esto, se pueden usar la
muestreo se supondrá que x[n] se obtiene a partir de x (t) cuantificación uniforme, cuantificación logarítmica,
1 cuantificación no uniforme y cuantificación vectorial.
muestreando periódicamente a una frecuencia 𝑓𝑠 = .
𝑇
Cuando se muestrea una señal, lo que se desea es una
representación “completa”, lo cual implica que la forma de
la onda x(t) se puede recuperar mediante un proceso
conocido como interpolación. Esto quiere decir, que para
propósitos prácticos, la forma de onda de la señal de tiempo
continuo se puede reproducir “uniendo los puntos”, mediante
una curva suave, en una gráfica de las muestras. En la
práctica, la selección de la frecuencia de muestreo para una
señal particular depende de cuán rápidamente cambiaImagen
la señal6. Señal Cuantizada
con el tiempo. Por ejemplo, para una señal que contenga
componentes de hasta alrededor de 1 MHz, el espaciamiento 3 ¿Cuál es el fenómeno alias o aliasing?
entre muestras será generalmente menor que un
El aliasing es un efecto que se produce por un muestreo
microsegundo, mientras que para una señal que varíe en una
erróneo de señales digitalizadas, generando imperfecciones
escala de tiempo de minutos podría ser suficiente un
en dichas señales. Según el Teorema de Nyquist-Shannon,
espaciamiento de varios segundos. Si la frecuencia de
utilizado en el muestreo de señales, si deseamos replicar
muestreo se selecciona en forma correcta, entonces siempre
precisamente la forma de una señal determinada, la
frecuencia del muestreo debe ser superior al doble de la abordaron por primera vez el problema de la programación
máxima frecuencia a muestrear (es decir, que si deseamos de un algoritmo para el cálculo de series complejas.
replicar una señal cuya frecuencia es de 100 Hz la tasa o
rango de muestreo con la que trabajemos debe ser superrior Ante todo debe quedar claro que la FFT no es una nueva
a 200 Hz). Si dicha condición no se cumple, se generan transformada sino que se trata de un algoritmo para el cálculo
replicaciones de la señal original (alias) que difieren de ésta de la Transformada Discreta de Fourier (DFT). Su
en su composición, y que además se superponen, generando importancia radica en el hecho que elimina una gran parte de
el efecto de aliasing (también llamado efecto Nyquist, los cálculos repetitivos a que está sometida la DFT, por lo
submuestreo o distorsión por solapamiento) imposibilitando tanto se logra un cálculo más rápido. Además, la FFT
recuperar la señal original. generalmente permite una mayor precisión en el cálculo de
la DFT disminuyendo los errores de redondeo.

La implementación del algoritmo de la FFT puede realizarse

4 ¿Qué indica el teorema de muestreo de Nyquist? de dos formas distintas: 1.- Mediante un programa que pueda
ejecutarse tanto en un PC como en una tarjeta que posea un
El teorema de muestreo de Nyquist-Shannon, también microprocesador específico para este tipo de operaciones
conocido como teorema de muestreo de Whittaker-Nyquist- (DSP). 2.- Mediante el desarrollo de una tarjeta
Kotelnikov-Shannon, criterio de Nyquist o teorema de (HARDWARE) en la cual se emplean circuitos integrados
Nyquist, es un teorema fundamental de la teoría de la específicos. Tal es el caso de los modernos analizadores de
información, de especial interés en las telecomunicaciones. espectro.
El teorema trata del muestreo que no debe ser confundido o
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  Cada estudiante realizará el algoritmo de la
información en el proceso de cuantificación, incluso en el Transformada Discreta de Fourier, en el cual debe
caso ideal teórico, que se traduce en una distorsión conocida estar planteada la sumatoria de transformada.
como error o ruido de cuantificación y que establece un Dicho algoritmo se realizará para una señal de
límite teórico superior a la relación señal-ruido). Dicho de longitud de tres (3) muestras. Los tres valores de
otro modo, desde el punto de vista del teorema, las muestras las muestras corresponden a los tres últimos
discretas de una señal son valores exactos que aún no han números del documento de identificación, por
sufrido redondeo o truncamiento alguno sobre una precisión ejemplo, si mi cédula es 80765437, entonces el
determinada, esto es, aún no han sido cuantificadas. algoritmo se hará para la señal x[n] = [4 3 7]. Para
El teorema sirve para demostrar que la reconstrucción exacta desarrollar esta parte el estudiante podrá utilizar
de una señal periódica continua en banda base a partir de sus Matlab, Octave Online, o Scilab.
muestras, es matemáticamente posible si la señal está
Cedula: 1040380496
limitada en banda y la tasa de muestreo es superior al doble
de su ancho de banda.

5¿Qué realiza la transformada de Fourier? Algoritmo

La transformada de Fourier se utiliza para pasar una señal al % Diego Mosquera Palacios Grupo 24
dominio de frecuencia para así obtener clc;clear all
información que no es evidente en el dominio temporal. Por
ejemplo, es más fácil saber sobre qué ancho de banda se x=[4 9 6] %Señal con la que se trabajara
N=length(x); %Calculo de la longitud del vector
concentra la energía de una señal analizándola en el dominio
X=zeros(3,1); %Crea el vector magnitud
de la frecuencia.

La transformada de Fourier, es una transformación for k=0:1:N-1 %Ciclo de la sumatoria

matemática empleada para transformar señales entre X(k+1)=0; %Inicia el valor en cero
el dominio del tiempo y el dominio de la frecuencia. for n=1:N %Varia de 1 hasta N
+∞ X(k+1)=x(n)*exp(-1*j*2*pi*(n-1)*k/N)+X(k+1);
𝑥(𝑡) ↔ 𝑋(𝑓) 𝑋(𝑓) = ∫ 𝑥(𝑡) 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡 end
−∞ end

X %Transformada rapida de Fourier

6¿Qué es la transformada rápida de Fourier?
m=abs(X) %Magnitud
La Transformada Rápida de Fourier(Fast Fourier Transform) f=angle(X) %Fase
es una herramienta fundamental en el procesado digital de
señales. Su origen es relativamente reciente puesto que x=
fueron J.W.Cooley y J.W Tukey, quienes hacia 1965
 4 9 6

X= Frecuencia
Instrumento Frecuencia mínima de
19.0000 + 0.0000i muestreo
-3.5000 - 2.5981i Guitarra 30 KHz
-3.5000 + 2.5981i 1-15KHz
acústica
Trompeta 1-7,5KHz 15 KHz
Flauta 3-8KHz 16 KHz
m=
Clarinete 2-10KHz 10 KHz
Violín 4-15KHz 30 KHz
19.0000
4.3589
4.3589

f=

0
-2.5030
2.5030

Bibliografía

http://www.ing.uc.edu.ve/~dgramos/tem1/tema1_3.htm
http://ceres.ugr.es/~alumnos/luis/mycuan.htm
https://es.wikipedia.org/wiki/Cuantificaci%C3%B3n_digita
l
https://es.slideshare.net/elneko/conversin-analgica-digital-
y-conversin-digital-analgica
http://musiki.org.ar/Aliasing
http://www.ehu.eus/Procesadodesenales/tema7/ty3.html

 Cada estudiante investigará sobre el rango de

frecuencias que el oido humano es capaz de
escuchar, además investigará cual es el rango de
frecuencias que emiten cinco (5) instrumentos
musicales, y a partir de este dato, argumentará a
que frecuencia de muestreo mínima se debe
muestrear cada uno de los cinco (5) instrumentos
musicales para ser digitalizados de manera
correcta.

R// El oído humano puede captar sonidos cuyo rango de

ondas oscilan entre 2 veces por segundo a 20 mil veces por
segundo, en otras palabras, entre un rango de 20 Hz a 20
KHz.

Rango de frecuencias de instrumentos musicales