Tarea 2

Guevara, John David

Universidad Nacional Abierta y a Distancia UNAD
Escuela de Ciencias Básicas Tecnología e Ingeniería
Reconocer los elementos matemáticos que implica la conversión Analógica Digital
Cali, Colombia
[email protected]

Abstract — This paper presents the implementation of continuo, en una señal en tiempo discreto definida
mathematical concepts and procedures involved in converting an únicamente para un conjunto de valores discretos de
analog signal to a digital one. The algorithms programmed for the amplitud. La señal discreta se limita a un número finito de
simulation are carried out with experimental data that, being amplitudes posibles, resultando una diferencia entre la
correctly analyzed, can be applied in large industries.
señal cuantizada y la señal sin cuantizar denominada error
I. INTRODUCCION de cuantización.
Las amplitudes permitidas para la señal discreta se
La finalidad de la tarea 2 reconocer los elementos matemáticos denominan niveles de cuantización. La resolución del
que implican la conversión analogía digital son comprender los cuantizador es la distancia entre dos niveles de
conceptos y procedimientos que integran la conversión cuantificación sucesivos , cuantos más niveles se usen (L)
analógica digital y su implicación en el dominio de la mayor precisión y menor error de cuantificación.
frecuencia y del tiempo, para la correcta digitalización de
señales analógicas.
II. CONTENIDO
Responda las siguientes preguntas apoyándose en la
bibliografía recomendada (incluir ecuaciones con editor de
Word):
• ¿A qué se refiere el muestreo de una señal analógica?
También denominado “Discretización de señal”, es el
primer paso en el proceso de conversión de una señal
analógica (tiempo y amplitud continuos) en una señal
digital (tiempo y amplitud discretos).
El muestreo es el proceso de convertir una señal analógica
continua en pulsos de amplitudes discretas o intervalos
específicos de muestreo.
Los sistemas digitales son usados para procesamiento por Figura 2 cuantizador de 8 niveles
que son de bajo costo, son precisos y pueden ser
implementados rápidamente. La frecuencia de muestreo
esta dad por la ecuación. • ¿Qué indica el teorema de muestreo de Nyquist?
1 "Si una señal continua, S(t), tiene una banda de frecuencia
𝑓𝑠 = 𝐻𝑧 tal que fm es la mayor frecuencia comprendida dentro de
𝑇
dicha banda, dicha señal podrá reconstruirse sin distorsión
a partir de muestras de señal tomadas a una frecuencia fs,
siendo 2fm< fs".
La señal xa(t) se puede reconstruir totalmente a partir de
sus muestras si la tasa de muestreo o frecuencia Fs cumple
que Fs > 2B, siendo B la componente espectral máxima de
la señal xa(t).
𝑓𝑛 = 2𝐵
Figura 1muestreo de una señal analógica 𝑓𝑠 > 𝑓𝑛 𝑡𝑒𝑜𝑟𝑒𝑚𝑎 𝑑𝑒𝑙𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜
Si la frecuencia de muestreo Fs es inferior a la frecuencia
• ¿Cómo se realiza la cuantización de una señal? de Nyquist FN se produce un solapamiento del espectro de
La cuantificación o cuantización convierte una señal en la señal (aliasing), lo que imposibilita una reconstrucción
tiempo discreto, con la amplitud definida en un intervalo perfecta de la señal
• ¿Cuál es el fenómeno llamado Alias o Aliasing?
El aliasing es el efecto que causa que señales continuas Para que exista la TF de f(t), se debe cumplir que:
distintas se tornen indistinguibles cuando se les muestrea +∞
digitalmente. Cuando esto sucede, la señal original no ∫ |𝑓(𝑡) | 𝑑𝑡 < ∞
puede ser reconstruida de forma unívoca a partir de la señal −∞
digital3 . El aliasing es un fenómeno propio de la
conversión A/D, en el cual la frecuencia de la señal • ¿Qué es la transformada rápida de Fourier?
reconstruida es menor que el de la señal original, lo cual Teniendo en cuenta la gran cantidad de operaciones que
ocurre cuando la frecuencia de muestreo es demasiado requiere el cálculo de la transformada de Fourier discreta
baja; estos efectos pueden reducirse utilizando filtros. es natural buscar un algoritmo que la calcule con un coste
computacional sensiblemente menor. Fue Gauss en 1805
• ¿Qué realiza la transformada de Fourier? quién creó el algoritmo de "divide y vencerás", es decir, un
Es una transformación matemática empleada algoritmo basado en calcular el vector ( bf(0), bf(1), ...,
para transformar señales entre el dominio del tiempo (o bf(N −1)) de forma recursiva dividiendo cada componente
espacial) y el dominio de la frecuencia. en dos sumas, aunque no se ocupó de precisar
La Transformada de Fourier es un instrumento de gran computacionalmente el número de operaciones requeridas
valor para analizar las funciones no periódicas. por su algoritmo. Un siglo y medio después, en 1965, dos
Es decir, mediante la Serie de Fourier podemos representar científicos norteamericanos, J.W.Cooley y J.W.Tukey,
una señal periódica en términos de sus componentes redescubrieron el algoritmo más eficiente hasta entonces
sinusoidales, cada componente con una frecuencia en conocido, al cual le dieron el nombre de transformada de
particular. La Transformada de Fourier permite hacer esto Fourier rápida, que fue uno de los grandes descubrimientos
mismo con señales no periódicas. de la última mitad del siglo XX. Este algoritmo fue la
Sea f una función real definida en el dominio continuo, inspiración en muchas investigaciones de algebra, en el
dígase f(t) definida en el dominio t. Entonces, la procesamiento de señales e imágenes y en el importante
Transformada de Fourier (TF) se define como: paso en la investigación de minimizar el número de
+∞ operaciones numéricas.
𝐹(𝑓(𝑡) ) = 𝐹(𝑤) = ∫ 𝑓(𝑡) 𝑒−𝑗𝑤𝑡 𝑑𝑡
−∞
Transformada rápida de Fourier
𝑁
𝑋(𝐾) = ∑ 𝑥(𝑗)𝑤𝑛 (𝑗−1)(𝑘−1)
𝑗=1

Transformada inversa rápida de Fourier

𝑁
1
𝑥(𝑗) = ∑ 𝑥(𝑘)𝑤𝑛 (𝑗−1)(𝑘−1)
𝑁
𝑗=1

Desarrolle (3) ejercicios matemáticos de manera individual,

cada uno relacionado con los siguientes temas:

• Muestreo (ejercicio 1)
Figura 3transformada de Fourier
Encuentre las frecuencias 𝑓0 de cada una de las
También podemos definir dos integrales que se llaman el componentes de la señal 𝑥(𝑡)
par de Transforma de Fourier:
𝒙(𝒕) = 𝟏𝟎𝒔𝒆𝒏(𝟑𝟔𝝅𝒕) + 𝟕𝒔𝒆𝒏(𝟐𝟏𝟕𝝅𝒕) + 𝟖𝒄𝒐𝒔(𝟏𝟑𝟕𝟎𝝅𝒕) + 𝟑𝒔𝒆𝒏(𝟐𝟎𝟕𝟎𝝅𝒕)

Anti transformada de Fourier 𝟏𝟎𝒔𝒆𝒏(𝟑𝟔𝝅𝒕)

1 +∞ 𝜔 = 2𝜋𝑓𝑜
𝐹(𝑡) = ∫ 𝑓(𝑤) 𝑒 𝑗𝑤𝑡 𝑑𝑡 36𝜋 = 2𝜋𝑓𝑜
2𝜋 −∞
36𝜋
= 𝑓𝑜
Transformada de Fourier 2𝜋
+∞ 18𝐻𝑧 = 𝑓𝑜
𝐹(𝑤) = ∫ 𝑓(𝑡) 𝑒 −𝑗𝑤𝑡 𝑑𝑡 𝟕𝒔𝒆𝒏(𝟐𝟏𝟕𝝅𝒕)
−∞
 𝜔 = 2𝜋𝑓𝑜 𝑓𝑎 = −215
217𝜋 = 2𝜋𝑓𝑜
217𝜋 Ecuación reconstruida
= 𝑓𝑜 𝒙(𝒕) = 𝟏𝟎𝒔𝒆𝒏(𝟑𝟔𝝅𝒕) + 𝟕𝒔𝒆𝒏(𝟐𝟏𝟕𝝅𝒕) + 𝟖𝒄𝒐𝒔(−𝟓𝟔𝟓𝝅𝒕) + 𝟑𝒔𝒆𝒏(−𝟐𝟏𝟓𝝅𝒕)
2𝜋
108.5𝐻𝑧 = 𝑓1 ¿Se presenta fenómeno alias o aliasing si 𝑥(𝑡) es
𝟖𝒄𝒐𝒔(𝟏𝟑𝟕𝟎𝝅𝒕) muestreada a 𝑆 = 1980 𝐻𝑧? Explique paso a paso y si
presenta alias, encuentre la frecuencia 𝑓𝑎 y reconstruya la
𝜔 = 2𝜋𝑓𝑜 señal 𝑥𝑎 (𝑡)
1370𝜋 = 2𝜋𝑓𝑜
1370𝜋
= 𝑓𝑜 𝟏𝟎𝒔𝒆𝒏(𝟑𝟔𝝅𝒕)
2𝜋 𝑓𝑠 ≥ 10𝑓𝑚𝑎𝑥
685𝐻𝑧 = 𝑓𝑜 1980 ≥ 10(18)
1980 ≥ 180 𝐻𝑧
𝟑𝒔𝒆𝒏(𝟐𝟎𝟕𝟎𝝅𝒕)
No hay fenómeno de aliasing
𝜔 = 2𝜋𝑓𝑜
2070𝜋 = 2𝜋𝑓𝑜 𝟕𝒔𝒆𝒏(𝟐𝟏𝟕𝝅𝒕)
2070𝜋 𝑓𝑠 ≥ 7𝑓𝑚𝑎𝑥
= 𝑓𝑜
2𝜋 1980 ≥ 7(108.5)
1035𝐻𝑧 = 𝑓𝑜 1980 ≥ 759.5 𝐻𝑧
No hay fenómeno de aliasing

¿Se presenta fenómeno alias o aliasing si 𝑥(𝑡) es 𝟖𝒄𝒐𝒔(𝟏𝟑𝟕𝟎𝝅𝒕)

muestreada a 𝑆 = 1250 𝐻𝑧 ? Explique paso a paso y si 𝑓𝑠 ≥ 8𝑓𝑚𝑎𝑥
presenta alias, encuentre la frecuencia 𝑓𝑎 y reconstruya la 1980 ≥ 8(685)
señal 𝑥𝑎(𝑡) 1980 ≥ 5480 𝐻𝑧

𝟏𝟎𝒔𝒆𝒏(𝟑𝟔𝝅𝒕) Si hay fenómeno de aliasing

𝑓𝑠 ≥ 10𝑓𝑚𝑎𝑥 𝑓𝑎 = 𝑓𝑜 − 𝑁𝑓𝑠
1250 ≥ 10(18) 𝑓𝑎 = 685 − 1 ∗ 1980
1250 ≥ 180 𝐻𝑧 𝑓𝑎 = −1295
No hay fenómeno de aliasing
𝟑𝒔𝒆𝒏(𝟐𝟎𝟕𝟎𝝅𝒕)
𝟕𝒔𝒆𝒏(𝟐𝟏𝟕𝝅𝒕) 𝑓𝑠 ≥ 3𝑓𝑚𝑎𝑥
𝑓𝑠 ≥ 7𝑓𝑚𝑎𝑥 1980 ≥ 3(1035)
1250 ≥ 7(108.5) 1980 ≥ 3105 𝐻𝑧
1250 ≥ 759.5 𝐻𝑧
No hay fenómeno de aliasing Si hay fenómeno de aliasing
𝑓𝑎 = 𝑓𝑜 − 𝑁𝑓𝑠
𝟖𝒄𝒐𝒔(𝟏𝟑𝟕𝟎𝝅𝒕) 𝑓𝑎 = 1035 − 1 ∗ 1980
𝑓𝑠 ≥ 8𝑓𝑚𝑎𝑥 𝑓𝑎 = −945
1250 ≥ 8(685)
1250 ≥ 5480 𝐻𝑧 Ecuación reconstruida
𝒙(𝒕) = 𝟏𝟎𝒔𝒆𝒏(𝟑𝟔𝝅𝒕) + 𝟕𝒔𝒆𝒏(𝟐𝟏𝟕𝝅𝒕) + 𝟖𝒄𝒐𝒔(−𝟏𝟐𝟗𝟓𝝅𝒕) + 𝟑𝒔𝒆𝒏(−𝟗𝟒𝟓𝝅𝒕)
Si hay fenómeno de aliasing
𝑓𝑎 = 𝑓𝑜 − 𝑁𝑓𝑠 Ancho de banda
𝑓𝑎 = 685 − 1 ∗ 1250 𝐵𝑤 = 𝑓𝑚𝑎𝑥 − 𝑓𝑚𝑖𝑛
𝑓𝑎 = −565 𝐵𝑤 = 1035𝐻𝑧 − 18
𝐵𝑤 = 1017 𝐻𝑧
𝟑𝒔𝒆𝒏(𝟐𝟎𝟕𝟎𝝅𝒕)
𝑓𝑠 ≥ 3𝑓𝑚𝑎𝑥 Halle la frecuencia de muestreo para que la señal 𝑥(𝑡) no
1250 ≥ 3(1035) presente fenómeno de Alias.
1250 ≥ 3105 𝐻𝑧
𝑆 ≥ 2 𝑓𝑚𝑎𝑥
Si hay fenómeno de aliasing 𝑆 ≥ 2 (1035)
𝑓𝑎 = 𝑓𝑜 − 𝑁𝑓𝑠 𝑆 ≥ 2070
𝑓𝑎 = 1035 − 1 ∗ 1250
• Cuantización (ejercicio 1)
¿Cuál es la señal de error 𝑒(𝑛)?
Se va a muestrear una señal con niveles de amplitud entre
- 8V y 8V, y se va a cuantizar por redondeo con un error 𝑥(𝑛) = {0.1 , 0.2 , 0.1 , 1.3 , −2.6 , 1.5 , 0.3 , 0.5}
rms 𝜎 = 17 𝑚𝑉 .
¿Cuál es la potencia de la señal de ruido?
𝐷 = −8𝑉 → 8 𝑉
1 𝑛=−1
𝐷 = 16𝑉 𝑃𝑛 = ∑ 𝑒 2 (𝑛)
𝑁 𝑛=0
𝜎 = 17𝑚𝑉 𝑃𝑛 =
1
((0.1)2 + (0.2)2 + (0.1)2 + (1.3)2 + (−2.6)2 + (1.5)2 + (0.3)2 + (0.5)2
8
𝐿 = 𝐷𝑓𝑙√12 1
𝑃𝑛 = (−2.42)
𝐷 8
𝐿= √12 𝑃𝑛 = −0.30
𝜎
𝐷 ¿Cuál es la potencia de la señal muestreada?
2𝐵 = √12
𝜎
1 𝑛=−1
𝑃𝑛1 = ∑ 𝑥 2 (𝑛)
¿Cuántos bits 𝐵 se requieren? 𝑁 𝑛=0
1
𝑃𝑛 = ((0.6)2 + (0.6)2 + (1.4)2 + (5.7)2 + (6.6)2 + (5.3)2 + (2.7)2 + (6.9)2
8
𝐷 1
𝐿𝑜𝑔2𝐵 = log ( ) 𝑃𝑛1 = (74.6)
𝜎√12 8
𝑃𝑛1 = 9.32
𝐿𝑜𝑔 𝑎𝑏 = 𝑏 log 𝑎
𝐷 ¿Cuál es la relación señal ruido del cuantizador 𝑆𝑁𝑅𝑄?
𝐵𝑙𝑜𝑔2 = log ( )
𝜎√12 𝑃𝑛
𝐷 𝑆𝑁𝑅𝑄 = 10 log ( )
log ( ) 𝑃𝑛1
𝜎√12
𝐵= 9.32
𝑙𝑜𝑔2 𝑆𝑁𝑅𝑄 = 10 log ( )
−0.30
16𝑉
log ( ) 𝑆𝑁𝑅𝑄 = −31.09 𝑑𝐵
0,017(4)
𝐵=
0,3010
235.29 Realice el algoritmo de la Transformada Discreta de Fourier, en
𝐵 = log este debe estar planteada la sumatoria de la transformada con
0,3010
dos ciclos for. Dicho algoritmo se realizará para una señal de
longitud de tres (3) muestras. Los tres valores de las muestras
¿Si el cuantizador ahora es de 20 bits, cuál sería su error corresponden a los tres últimos números del documento de
rms 𝜎? identificación (6,4,7).

𝐷 = 16𝑉
𝐿 = 2𝐵
𝐵 = 20 𝑏𝑖𝑡𝑠
𝐿 = 220
𝐿 = 1048576
𝐷
∆=
𝐿
16
∆=
1048576
𝜎 = 0,000015

𝑥(𝑛) = {0.7 , 0.8 , 1.5 , 7.0 , 3.4 , 6.8 , 3.0 , 7.4}

𝑥𝑞(𝑛) = {0.6 , 0.6 , 1.4 , 5.7 , 6.6 , 5.3 , 2.7 , 6.9} Figura 4 algortimo y graficas DFT
 nuestra audición es más sensible en el rango de frecuencia de
2000 - 5000 Hz.

En lo que se refiere a la sonoridad, los humanos normalmente

pueden escuchar a partir de 0 dB. Los sonidos de más de 85dB
pueden ser peligrosos para su audición en el caso de una
exposición prolongada.
Investigue sobre cuál es el rango de frecuencias que emiten
cinco (5) instrumentos musicales, se debe tener en cuenta los
armónicos de los instrumentos ya que son las frecuencias más
altas que emiten, 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. Por ejemplo, si el bombo tiene un rango de 50
Hz a 15 Khz, su frecuencia de muestreo; Fs = 30 Khz mínimo

Instrumento fundamental Frecuencia Frecuencia

min – máx. de muestreo
armónicos mínimo.

Figura 5 algortimo DFT Tambor 100-200 1-20 Khz 40 Khz

Bombo 30-147 1-6 Khz 12 Khz
Platillos 300-587 1-15 Khz 30 Khz
Violín 196-3136 4-15 Khz 30 Khz

III. CONCLUSION
Teniendo en cuenta el desarrollo de la tarea 1, donde se
comprendieron los conceptos como: transformada de Fourier, y
transformada rápida de Fourier son de alta importancia
reconocerlos a la hora de realizar una conversión de una señal
análoga a una digital, además al aplicarlos correctamente
podremos solucionar problemas de ámbito social o laboral .

REFERENCIAS
Figura 6 graficas DFT
[1] Ambardar, A. (2002). Muestreo, Interpolación y Recuperación de la
Señal. En Procesamiento de señales analógicas y digitales (2nd ed., pp.
Enlace video. 456-460). Cengage Learning https://go-gale-
http://youtu.be/jYf9IixERTA?hd com.bibliotecavirtual.unad.edu.co/ps/i.do?p=GVRL&u=unad&id=GAL
E|CX4060300146&v=2.1&it=r&sid=GVRL&asid=44cdb0b2
Investigue sobre el rango de frecuencias que el oído humano es [2] Ambardar, A. (2002). Muestreo Ideal. En Procesamiento de señales
capaz de escuchar. analógicas y digitales (2nd ed., pp. 446-455). Cengage
Learning https://go-gale-
El rango de audición humana depende tanto del tono del com.bibliotecavirtual.unad.edu.co/ps/i.do?p=GVRL&u=unad&id=GAL
sonido, ya sea alto o bajo, como de la intensidad del sonido. El E|CX4060300145&v=2.1&it=r&sid=GVRL&asid=495113b6
tono se mide en Hertz (Hz) y la sonoridad se mide en decibelios [3] Ambardar, A. (2002). Cuantización. En Procesamiento de señales
analógicas y digitales (2nd ed., pp. 460-464). Cengage
(dB). Learning https://go-gale-
com.bibliotecavirtual.unad.edu.co/ps/i.do?p=GVRL&u=unad&id=GAL
Para una persona con audición normal, cuando se trata de tono, E|CX4060300147&v=2.1&it=r&sid=GVRL&asid=80fe31fe
el rango de audición humana comienza a un nivel bajo de [4] Ambardar, A. (2002). Transformada de Fourier de Tiempo Discreto.. En
aproximadamente 20 Hz. Eso es casi lo mismo que la tecla más Procesamiento de señales analógicas y digitales (2nd ed., p. 482).
baja en un órgano de tubos. En el otro lado del rango de audición Cengage Learning https://go-gale-
com.bibliotecavirtual.unad.edu.co/ps/i.do?p=GVRL&u=unad&id=GAL
humana, la frecuencia más alta posible escuchada sin E|CX4060300152&v=2.1&it=r&sid=GVRL&asid=63c52a5d
incomodidad es de 20,000Hz. Mientras que 20 a 20,000Hz
forman los límites absolutos del rango de audición humana,
[5] García Martínez, M. (05,07,2017). Procesamiento Digital de Señales - García, M. A. (2022). Muestreo de señales
Transformada Discreta de analógicas. [Objeto_virtual_de_Informacion_OVI]. Repositorio
Fourier. [OVI] http://hdl.handle.net/10596/12519 Institucional UNAD. https://repository.unad.edu.co/handle/10596/536