Teoría de Sistemas y Señales

Transparencias:
Teorema del Muestreo
Muestreo en el dominio Frecuencial
Autor: Dr. Juan Carlos Gómez

Muestreo de Señales Analógicas

1. Conversión A/D y D/A
La mayoría de las señales de interés son de tipo analógico.
Para procesar estas señales en forma digital es necesario
convertirlas en una secuencia de números de precisión
finita.
Conversión Analógica / Digital (A / D)
Los dispositivos que realizan esta operación se denominan
Conversores A/D. El proceso de conversión A/D consta
de los siguientes pasos:
xa(t) x(n) xq(n) 01011..
Muestreo Cuantización Codificación

Señal Analógica Señal en T.D. Señal Cuantizada Señal Digital

Fig. 1. Conversión Analógica/Digital
TeSyS 2
En muchos casos de interés práctico es necesario
reconvertir la señal procesada digitalmente a la forma
analógica

Conversión Digital / Analógica (D / A)

Los dispositivos que realizan esta operación se denominan
Conversores D/A. El proceso de conversión D/A consta
de los siguientes pasos:

Conversor Muestreo y Filtro PB de

D/A Sostén (S/H) alisado
Señal Digital Señal Analógica Señal Analógica Señal Analógica
de Entrada con “glitch” en escalera de salida

Fig. 2. Conversión Digital/Analógica

TeSyS 3

2. Muestreo en el Dominio Temporal

Señal xa(t) x(n) = xa(nT) Señal

Analógica FS = 1/T en TD

Muestreador
Fig. 3. Muestreo Ideal
Nos limitaremos a muestreo uniforme o periódico
x(n) = xa(nT) -∞< n <∞
x(n) se obtiene tomando muestras de xa(t) cada T segundos
xa(t) x(n)

FS = 1/T
Muestreador
0 t 012 n
TeSyS Fig. 4. Muestreo Ideal 4
 Variable continuo: t
tiempo discreto: n t = n.T = n / FS

continuo: F
xa(t)= A cos(2π.F.t) f = F / FS
Frecuencia
discreto: f ω= Ω.T
xa(nT)= x(n) = A cos(2π.n.F / FS)

Rango de continuo: -∞ < F < ∞ -∞ < Ω < ∞

Frecuencias discreto: -1/2 < f < 1/2 -π<ω<π

Analizaremos el muestreo en el dominio frecuencial determinando la

relación entre el espectro de xa(t) y el espectro de x(n)

TeSyS 5

Si xa(t) es una señal no periódica con energía finita, su

Transformada de Fourier es:
∞

X a (F ) = ∫ xa (t ) e
− j 2π F t
dt (1)
−∞

La señal puede recuperarse a partir de su espectro Xa(F) a

través de la transformada inversa
∞

xa (t ) = ∫ X a (F ) e
j 2π F t
dF (2)
−∞
El espectro de la señal en TD x(n) obtenida muestreando
xa(t) viene dado por la Transformada de Fourier
∞
X (ω ) = ∑ x(n ) e − jω n (3)
n = −∞
o equivalentemente
∞

∑ x(n ) e − j 2πf n
(4)
X(f ) =
TeSyS n = −∞ 6
La señal x(n) puede recuperarse a partir de su espectro
usando la transformada inversa
1 π
x(n ) = ( ) ( )
1/ 2
jω n j 2π f n

∫
2π −π
X ω e dω = ∫−1 / 2
X f e df (5)

Considerando (2) y que x(n)=xa(nT) , podemos escribir:

∞

x(n ) = xa (nT ) = ∫ X a (F ) e
j 2 π n F / Fs
dF (6)
−∞

Comparando (5) y (6) podemos concluir que:

∞

X ( f )e df = ∫ X a (F ) e
1/ 2
j 2π f n j 2 π n F / Fs

∫ −1 / 2 −∞
dF
Considerando que f = F / FS ⇒ df = dF / FS , resulta:
∞

X (F / FS ) e dF = ∫ X a (F ) e
1 Fs / 2
j 2 π n F / Fs j 2 π n F / Fs

FS ∫− Fs / 2 −∞
dF (7)

TeSyS 7

La integral en el lado derecho de la igualdad anterior

puede escribirse como: ⎛ 1⎞
⎜ k + ⎟ Fs
∞ ∞ ⎝ 2⎠

X a (F ) e ∑∫ X a (F ) e
j 2 π n F / Fs j 2 π n F / Fs

∫ −∞
dF =
k = −∞ ⎛ 1⎞
⎜ k − ⎟ Fs
dF
⎝ 2⎠
Cambio de variable ∞
X a (F + kFS ) e
Fs / 2

∑∫
j 2 π n F / Fs
F’= F - k.FS y
= dF
luego F’= F − Fs / 2
k = −∞
∞
[ ∑ X a (F + kFS ) ]e
Fs / 2
j 2 π n F / Fs
=∫ dF
− Fs / 2
k = −∞
Comparando esta expresión con el lado izquierdo de (7)
podemos concluir:
⎛F ⎞ ∞ ∞
X ⎜⎜ ⎟⎟ = FS ∑ X a (F + kFS ) o X ( f ) = FS ∑ X a [ ( f + k )FS ]
⎝ FS ⎠ k = −∞ k = −∞
TeSyS 8
El espectro X(f) de la señal en TD consiste de una
repetición periódica del espectro escalado FS Xa(F) de la
señal en tiempo continuo.
Ejemplo:
Señal de banda limitada ⇒ Xa(F) = 0 para | F | ≥ B
Fig. 5. b. → FS ≥ 2B → No hay “aliasing”
⎛F ⎞
X ⎜⎜ ⎟⎟ = FS X a (F ) | F | ≤ FS / 2
⎝ FS ⎠
En este caso el espectro de la señal en tiempo discreto es
idéntico (con el factor de escala FS) al espectro de la señal
analógica en el rango fundamental de frecuencias
| F | ≤ FS /2 o | f | ≤ 1 /2

TeSyS 9

Fig. 5.c./d. → FS < 2B → “aliasing”

La continuación periódica de Xa(F) resulta en sobreposición
de espectros.
El espectro X(F/FS) de la señal en TD contiene
componentes de frecuencia que son “alias” del espectro de
la señal analógica. La presencia de aliasing impide que la
señal original pueda recuperarse a partir del espectro de la
señal muestreada.

TeSyS 10
 xa (t ) X a (F )

a.
0 t −B 0 B F

x(n ) = xa (nT ) X( )
F
FS

b.
0 T n − FS 0 FS /2 FS F

x(n ) = xa (nT ) X( )
F
FS

c.
0 T n − FS 0 FS /2 FS F

x(n ) = xa (nT ) X( )
F
FS
H( )
F
FS
d. xa (t )
0 T n − FS 0 FS F
Fig. 5. Espectros
xˆ a (t ) Xˆ a (F ) de la señal analó-
gica y de la señal
e. muestreada
TeSyS 0 t − FS /2 0 FS /2 F 11

Dada la señal en tiempo discreto con espectro X(F/FS) sin

aliasing, la señal analógica original puede reconstruirse a
partir de la señal muestreada.
En efecto, en ausencia de aliasing:
⎧1 ⎛F ⎞
⎪ X ⎜⎜ ⎟⎟ | F | ≤ FS / 2
X a (F ) = ⎨ FS ⎝ FS ⎠
⎪0 | F | > FS / 2
⎩
por lo que:
xa (t ) = ∫ X a (F ) e
Fs / 2
j 2π F t
dF
− Fs / 2
Transformada
1 Fs / 2
⎛F ⎞ j 2π F t Inversa de Fourier
=
FS ∫ − Fs / 2
X ⎜⎜
⎝ FS
⎟⎟ e
⎠
dF
TeSyS 12
Por definición:
⎛F ⎞ ∞
X ⎜⎜ ⎟⎟ = ∑ x(n ) e − j 2πnF / Fs
⎝ FS ⎠ k = −∞
Reemplazando en la ecuación anterior:
1 Fs / 2 ∞
xa (t ) = ∫ [ ∑ x (n ) e − j 2π n F / F
] e j 2π F t
dF
FS s n = −∞
− F / 2

∑ x(n) ∫
Fs / 2
1
= e j 2π F (t − n / Fs )dF
FS n = −∞ − Fs / 2

⎡ π (t − nT ) ⎤
∞
sen ⎢ T ⎥ Fórmula de
xa (t ) = ∑ xa (nT ) . ⎣ ⎦
n = −∞
π (t − nT ) reconstrucción

T
TeSyS 13

Definimos:
sen (π t / T )
g (t ) =
∆ Función de
π t /T interpolación

∞ Fórmula de
xa (t ) = ∑ xa (nT ) . g (t − nT ) interpolación
n = −∞ ideal

Teorema de Muestreo:
Si la máxima frecuencia contenida en una señal analógica
xa(t) es Fmax= B y la señal es muestreada con una
frecuencia FS > 2 Fmax= 2 B, entonces xa(t) puede ser
exactamente recuperada a partir de las muestras xa(nT)
mediante el uso de la fórmula de interpolación ideal.

TeSyS 14
 Interpolación Ideal – Teorema de Muestreo

A FN = 2B se la denomina Tasa de Muestreo de Nyquist

TeSyS 15

En la práctica, se emplea un prefiltro de antialiasing

antes de muestrear la señal para asegurar que las
componentes de frecuencia por encima de FS/2 están
suficientemente atenuadas y de esta forma el aliasing no
produce distorsión apreciable.
Ejemplos:
1.Aliasing en señales senoidales
xa(t)= cos 2π F0t
2.Muestreo de señales de banda no limitada
xa(t)= e -A| t | A>0

X a (F ) =
2A
A + (2π F )
2 2

TeSyS 16
3. Muestreo en el Dominio Frecuencial
Consideremos la representación de una señal x(n) en TD
mediante muestras de su espectro X(ω) → DFT
Sea x(n) señal aperiódica de energía finita.
Sabemos que x(n) tiene un espectro continuo
∞
X (ω ) = ∑ x(n)e − jω n

n = −∞
Suponemos que X(ω) es muestreada periódicamente en
frecuencia con un espaciamiento entre muestras δω.
Tomamos N muestras equidistantes en un período de X(ω)
en el rango 0 ≤ ω < 2π. Tenemos entonces:
δω = 2π / N

TeSyS 17

Evaluamos (1) en ω=2π.k/N:

⎛ 2π .k ⎞ ∞
⎟= ∑ x(n ) e
− j 2π k n / N
X⎜ , k = 0 ,1, K , N − 1
⎝ N ⎠ n = −∞
que puede escribirse:
⎛ 2π .k ⎞ −1 N −1
⎟ = K + ∑ x(n ) e + ∑ x(n ) e − j 2π k n / N + K
− j 2π k n / N
X⎜
⎝ N ⎠ n= − N n= 0
∞ lN + N −1
= ∑ ∑ x(n ) e − j 2π k n / N
l = − ∞ n = lN
N −1 ∞

m→ n - l.N = ∑ [ ∑ x(m + lN ) ]e
m= 0 l = −∞
− j 2π k m / N

= xp(n)
TeSyS 18
La señal xp(n) se obtiene como una repetición periódica de
x(n) cada N muestras.
xp(n) es entonces periódica de período N y puede expandir-
se en serie de Fourier
N −1
x p (n ) = ∑ ck e
j 2π k n / N
n = 0 ,1, K , N − 1
k= 0
con:
1 N −1
ck = ∑ x p (n ) e −
j 2π k n / N

N n= 0
Comparando está expresión con la vista anteriormente
1 ⎛ 2π k ⎞
ck = X⎜ ⎟ , k = 0 ,1, K , N − 1
N ⎝ N ⎠
y por lo tanto:
1 N −1 ⎛ 2π k ⎞ j 2π k n / N
x p (n ) = ∑ X ⎜ ⎟e , n = 0 , 1, K , N − 1
N k= 0 ⎝ N ⎠
TeSyS 19

La ecuación anterior permite reconstruir la señal periódica

xp(n) a partir de las muestras del espectro X(ω) de x(n).
Sin embargo, nuestro objetivo es reconstruir x(n) o X(ω) a
partir de las muestras de X(ω). Debemos entonces hallar la
relación entre xp(n) y x(n).
Como xp(n) es la repetición periódica de x(n) es claro que
x(n) puede recuperarse de xp(n) si no hay aliasing en el
dominio temporal, es decir si x(n) es de duración finita
menor que el período N de xp(n).
Es decir, si L < N, entonces:
x(n) = xp(n) 0≤n≤N-1
En caso contrario, N < L, no es posible recuperar x(n) a
partir de xp(n) debido al aliasing en el dominio temporal.

TeSyS 20
Como en el caso de señales en tiempo continuo es posible
expresar el espectro X(ω) en términos de las muestras
X(2πk/N) con k=0,1,...,N-1.
La fórmula de interpolación en este caso resulta:
⎛ 2π k ⎞ ⎛
N −1
2π k ⎞
X (ω ) = ∑ X ⎜ ⎟ .P⎜ ω − ⎟ N≥L
n= 0 ⎝ N ⎠ ⎝ N ⎠
donde la función interpolación P(ω) está definida como:

sen (ωN / 2) − jω ( N −1) / 2

P(ω ) = e
Nsen (ω / 2)

TeSyS 21

4. Transformada Discreta de Fourier (DFT)

Si muestreamos el espectro X(ω) en frecuencias igualmente
espaciadas ωk=2π.k/N con k=0,1,...,N-1, donde N ≥ L (la
duración de la señal x(n) ) las muestras resultan
⎛ 2π .k ⎞ N −1
X (ωk ) = X ⎜ ⎟= ∑ x(n ) e
− j 2π k n / N
, k = 0 ,1, K , N − 1
⎝ N ⎠ n= 0
Se define entonces la Transformada Discreta de Fourier
con N puntos como
N −1
X (k ) = ∑ x(n ) e −
j 2π k n / N
, k = 0 ,1, K , N − 1 DFT
n= 0
Vemos entonces que si la señal es de longitud L ≤ N ,
la transformada Discreta de Fourier con N puntos puede
TeSyS 22
pensarse como muestras del espectro X(ω) en las frecuencias
equiespaciadas ωk=2π.k/N con k=0,1,...,N-1. Notar que si en
cambio no se verifica que L ≤ N , entonces la DFT con N
puntos de la señal no puede pensarse como muestras del
espectro X(ω) .
Para el caso en que L ≤ N , la señal x(n) puede recuperarse a
partir de las muestras X(k) definiendo la Transformada
Discreta de Fourier Inversa (IDFT):
N −1
x(n ) = ∑ X (k )e
1 j 2π k n / N
n = 0 ,1, K , N − 1
N k= 0

IDFT

TeSyS 23