Reconocer los elementos matemáticos del sistema de

conversión analógica digital

Pertuz, Fredy
Universidad Nacional Abierta y a Distancia.
Escuela de Ciencias Básicas, Tecnología e Ingeniería
Ingeniería Electrónica
Santa Marta, Colombia
[email protected]

Abstract — Analog signals are those that vary continuously tener un valor en cualquier punto en el tiempo. Las
over time, while digital signals are those that are represented by señales analógicas como ya hemos estudiado
discrete values. Analog-to-digital conversion (ADC) is the process anteriormente son las que varían continuamente en el
of converting an analog signal into a digital signal. This process is tiempo, como las ondas de sonido, las señales de
essential for many applications, such as signal processing, data
voltaje etc. El proceso de muestreo lleva consigo dos
transmission, and data compression. While the ADC process can
be divided into these three stages: sampling, quantization and parámetros importantes; la frecuencia de muestreo y
encoding. Which have been tested with various mathematical la resolución de bits.[1]
exercises; Once we advance in the development we can understand
that sampling is a fundamental process for analog-digital • ¿Cómo se realiza la cuantización de una señal?
conversion. Sampling rate is an important parameter that affects
the quality of the digital signal. Going through what would be the Es el proceso de asignar valores discretos a una señal
aliasing effect when sampling at a frequency less than half of its analógica continua en el tiempo, de modo que se pueda
maximum frequency.
representar digitalmente. La cuantización se realiza
The Nyquist sampling theorem is presented as a fundamental después del proceso de muestreo, tal como lo
tool for selecting an appropriate sampling frequency and avoiding indicamos en la definición anterior, siendo este el
aliasing. primero de los pasos, seguidamente esto implica
determinar el valor máximo y mínimo que la señal
Keywords— Signal Processing, Sampling, Quantization, puede tomar. El rango de amplitud en la que se
Aliasing, Fourier Transform. encuentra la señal analógica se divide en una serie de
niveles discretos.
I. INTRODUCTION
En el tercer paso se asigna a cada muestra un valor
Exploraremos en detalle los elementos matemáticos clave discreto que corresponde al nivel más cercano en el
involucrados en el sistema de conversión analógica a digital. rango de amplitud. La diferencia entre el valor real de
Nos enfocaremos en aspectos como el muestreo de señales, la la muestra y el valor cuantizado se conoce como "error
cuantificación de señales, el teorema de muestreo de Nyquist, el de cuantización" o "ruido de cuantización". La
fenómeno del aliasing y la aplicación de la Transformada de precisión de la cuantización está determinada por el
Fourier. Comenzaremos examinando el proceso de muestreo de número de niveles discretos en los que se divide el
señales, que implica la captura de puntos de datos discretos en rango de amplitud. En el cuarto paso se hace una
intervalos de tiempo específicos. Profundizaremos en cómo se codificación de los valores discretos en una
discretizan las señales analógicas y cómo la frecuencia de representación digital. Esto generalmente se hace
muestreo juega un papel crucial en la preservación de la utilizando una representación binaria, donde cada
información original. nivel discreto se asocia con una secuencia de bits. La
cantidad de bits utilizados para codificar cada muestra
II. CONTENIDO
se conoce como "resolución de bits". Los valores
1. Responder las siguientes preguntas: cuantizados y codificados se pueden almacenar en
memoria digital o transmitir a través de una red de
¿A qué se refiere el muestreo de una señal analógica? comunicación, lo que permite su posterior
procesamiento, visualización o reproducción.
Se refiere al proceso de tomar muestras o hacer
mediciones periódicas de una señal analógica
continua en el tiempo para luego poder convertirla en
una representación digital discreta. Estas señales son
infinitamente precisas en su forma, ya que pueden
 diferentes frecuencias y amplitudes. Se utiliza
ampliamente en ciencia e ingeniería para analizar,
procesar y manipular señales. Permite comprender
las
características frecuenciales de una señal y
descomponerla en sus componentes fundamentales.
Esto es esencial en campos como la música, el
Fig. 1 Maneras de cuantizar una señal. Tomado de [2] procesamiento de imágenes y vídeo, la
comunicación, la física, la ingeniería eléctrica y
muchas otras disciplinas. [5]
∞

• ¿Qué indica el teorema de muestreo de Nyquist? 𝐹(𝜔) = ∫ 𝑥(𝑡)𝑒 −𝑗𝜔𝑡 𝑑𝑡

Para evitar la pérdida de información al muestrear una señal
−∞
analógica continua, la frecuencia de muestreo (𝐹𝑠) debe ser al
menos el doble de la frecuencia más alta presente en la señal • ¿Qué es la transformada rápida de Fourier?
analógica (𝑓𝑚𝑎𝑥).
Matemáticamente se representa así: 𝐹𝑠 ≥ 2 ∗ 𝑓𝑚𝑎𝑥 Es un algoritmo muy utilizado en matemáticas y procesamiento
El teorema de Nyquist establece que, si se cumple esta de señales que permite calcular la transformada de Fourier de
condición de muestreo, se puede reconstruir completamente la una secuencia de puntos de datos discretos, como una señal
señal analógica original a partir de sus muestras digitales sin digital o una serie de valores muestreados en el tiempo. La
pérdida de información. En otras palabras, garantiza que no se transformada de Fourier es una potente herramienta matemática
perderán componentes de alta frecuencia de la señal analógica que descompone una señal en sus componentes de frecuencia,
debido al proceso de muestreo.[3] lo que resulta útil en una amplia gama de aplicaciones, como el
tratamiento de señales, el análisis de datos, el tratamiento de
• ¿Cuál es el fenómeno llamado Alias o Aliasing? imágenes,etc.El algoritmo de la FFT funciona descomponiendo
Es un problema que ocurre en el procesamiento de señales una señal en una secuencia de señales más pequeñas, cada una
cuando una señal analógica continua en el tiempo se muestrea de las cuales puede analizarse mediante el algoritmo tradicional
a una frecuencia insuficiente según el teorema de Nyquist- de la transformada de Fourier. [6]
Shannon. Cuando la frecuencia de muestreo es demasiado baja
en relación con la frecuencia de la señal analógica, se 1. Desarrolle (3) ejercicios matemáticos de manera individual,
producen efectos no deseados en la señal digital resultante. cada uno relacionado con los siguientes temas:
Estos efectos se deben a que las componentes de alta
frecuencia de la señal analógica no pueden ser adecuadamente Muestreo ejercicio 4
representadas en la señal muestreada y se "aliasan" o "doblan" Siendo 𝑥(𝑡) = 5𝑠𝑒𝑛(40𝜋 𝑡) + 7𝑠𝑒𝑛(220𝜋 𝑡) +
en frecuencias más bajas. 8𝑐𝑜𝑠(1400𝜋 𝑡) + 3𝑠𝑒𝑛(2100 𝜋 𝑡) Resuelva:
𝐹𝑎 = 𝑓 − (𝑁)𝐹𝑠
Encuentre las frecuencias 𝑓0 de cada una de las componentes
Donde 𝐹𝑎 es la frecuencia de Alias, 𝑓 la frecuencia de la señal, de la señal 𝑥(𝑡)
𝐹𝑠 la frecuencia de muestreo y 𝑁el entero más cercano a 𝐹𝑠 𝒙𝟏 (𝒕) = (𝟒𝟎𝝅 𝒕) 𝒙𝟐 (𝒕) = (𝟐𝟐𝟎𝝅 𝒕)
𝜔 = 2𝜋𝑓 220𝜋 = 2𝜋𝑓
Reemplazamos en (40π t) 𝑓2 = 220𝜋/2𝜋
40𝜋 = 2𝜋𝑓 𝑓2 = 110 𝐻𝑧
Despejamos la frecuencia
40𝜋
𝑓1 =
2𝜋
𝑓1 = 20 𝐻𝑧
Fig. 2 Efecto aliasing. Tomado de [4] 𝒙𝟑 (𝒕) = (𝟏𝟒𝟎𝟎𝝅 𝒕) 𝒙𝟒 (𝒕) = (𝟐𝟏𝟎𝟎𝝅 𝒕)
1400𝜋 = 2𝜋𝑓 2100𝜋 = 2𝜋𝑓
• ¿Qué realiza la transformada de Fourier?
La transformada de Fourier se utiliza para analizar y 𝑓3 = 1400𝜋/2𝜋 𝑓_4 = 2100𝜋/2𝜋
representar funciones periódicas o no periódicas en
términos de sus componentes de frecuencia. 𝑓3 = 700 𝐻𝑧 𝑓_4 = 1050 𝐻𝑧
Esencialmente, descompone una señal en una serie de
ondas sinusoidales con
• ¿Se presenta fenómeno alias o aliasing si 𝑥(𝑡) es muestreada regla de las señales pares e impar la frecuencia del
a 𝑆 = 1300 𝐻𝑧? Explique paso a paso y si presenta alias, componente que lo acompaña un coseno siempre es positiva
encuentre la frecuencia 𝑓𝑎 y reconstruya la señal 𝑥𝑎 (𝑡). 𝑥(𝑡) = 5𝑠𝑒𝑛(2𝜋 20 𝑡) + 7𝑠𝑒𝑛(2𝜋 110 𝑡) +
8𝑐𝑜𝑠(2𝜋(500)𝑡) + 3𝑠𝑒𝑛( 2𝜋(−250)𝑡)
De acuerdo con el teorema nyquist vamos a comprobar cada
componente, en caso tenga fenómeno aliasing, lo vamos a • ¿Se presenta fenómeno alias o aliasing si 𝑥(𝑡) es muestreada
comprobar 𝑭𝒔 ≥ 𝟐 ∗ 𝒇𝒎𝒂𝒙 a 𝑆 = 2000 𝐻𝑧? Explique paso a paso y si presenta alias,
encuentre la frecuencia 𝑓𝑎 y reconstruya la señal 𝑥𝑎 (𝑡)
Primer componente 𝟓𝒔𝒆𝒏(𝟒𝟎𝝅 𝒕) sabemos que 𝑓𝑚𝑎𝑥 =
20 𝐻𝑧 Primer componente 𝟓𝒔𝒆𝒏(𝟒𝟎𝝅 𝒕) sabemos que
1300𝐻𝑧 ≥ 2(20𝐻𝑧) 𝑓𝑚𝑎𝑥 = 20 𝐻𝑧
1300𝐻𝑧 ≥ 40𝐻𝑧
2000𝐻𝑧 ≥ 2(20𝐻𝑧)
Para el 1𝑒𝑟 componente no existe fenómeno de alias
2000𝐻𝑧 ≥ 40𝐻𝑧
Para el 1𝑒𝑟 componente no existe fenómeno de alias
Segundo componente 𝟕𝒔𝒆𝒏(𝟐𝟐𝟎𝝅 𝒕) sabemos que
𝑓𝑚𝑎𝑥 = 110 𝐻𝑧 Segundo componente 𝟕𝒔𝒆𝒏(𝟐𝟐𝟎𝝅 𝒕) sabemos que
𝑓𝑚𝑎𝑥 = 110 𝐻𝑧
1300𝐻𝑧 ≥ 2(110𝐻𝑧)
2000𝐻𝑧 ≥ 2(110𝐻𝑧)
1300𝐻𝑧 ≥ 220𝐻𝑧
2000𝐻𝑧 ≥ 220𝐻𝑧
Para el 2𝑑𝑜 componente no existe fenómeno de alias Para el 2𝑑𝑜 componente no existe fenómeno de alias

Tercer componente 𝟖𝒄𝒐𝒔(𝟏𝟒𝟎𝟎𝝅 𝒕) tenemos que Tercer componente 𝟖𝒄𝒐𝒔(𝟏𝟒𝟎𝟎𝝅 𝒕) sabemos que
𝑓𝑚𝑎𝑥 = 700 𝐻𝑧 𝑓𝑚𝑎𝑥 = 700 𝐻𝑧

1300𝐻𝑧 ≥ 2(700𝐻𝑧) 2000𝐻𝑧 ≥ 2(700𝐻𝑧)

2000𝐻𝑧 ≥ 1400𝐻𝑧
1300𝐻𝑧 ≥ 1400𝐻𝑧 Para el 3𝑒𝑟 componente no existe fenómeno de alias
Para el 3𝑒𝑟 componente si existe fenómeno de alias, usamos la
siguiente forma y hallamos la frecuencia alias Cuarto componente 𝟑𝒔𝒆𝒏(𝟐𝟏𝟎𝟎 𝝅 𝒕) sabemos que
𝑭𝒂 = 𝒇 − 𝑵 ∗ 𝑭𝒔 𝑓𝑚𝑎𝑥 = 1050 𝐻𝑧
𝐹𝑎 = 700𝐻𝑧 − 1 ∗ 1300 𝐻𝑧
𝐹𝑎 = 700 𝐻𝑧 − 1300 𝐻𝑧 2000𝐻𝑧 ≥ 2(1050𝐻𝑧)
𝐹𝑎 = −500 𝐻𝑧 2000𝐻𝑧 ≥ 2100𝐻𝑧
Para el 4𝑡𝑜 componente si existe fenómeno de alias,
Cuarto componente 𝟑𝒔𝒆𝒏(𝟐𝟏𝟎𝟎 𝝅 𝒕) sabemos que usamos la siguiente forma y hallamos la frecuencia alias
𝑓𝑚𝑎𝑥 = 1050 𝐻𝑧
𝑭𝒂 = 𝒇 − 𝑵 ∗ 𝑭𝒔
1300𝐻𝑧 ≥ 2(1050𝐻𝑧) 𝐹𝑎 = 1050𝐻𝑧 − 1 ∗ 2000 𝐻𝑧
1300𝐻𝑧 ≥ 2100𝐻𝑧 𝐹𝑎 = 1050 𝐻𝑧 − 2000 𝐻𝑧
𝐹𝑎 = −950 𝐻𝑧

Para el 4𝑡𝑜 componente si existe fenómeno de alias, usamos la Una vez encontramos un componente con efecto alias, nuestra
siguiente forma y hallamos la frecuencia alias señal ha tenido cambios en su forma inicial. Pasa de
𝑭𝒂 = 𝒇 − 𝑵 ∗ 𝑭𝒔 𝑥(𝑡) = 5𝑠𝑒𝑛(40𝜋 𝑡) + 7𝑠𝑒𝑛(220𝜋 𝑡) +
𝐹𝑎 = 1050𝐻𝑧 − 1 ∗ 1300 𝐻𝑧 8𝑐𝑜𝑠(1400𝜋 𝑡) + 3𝑠𝑒𝑛(2100 𝜋 𝑡)
𝐹𝑎 = 1050 𝐻𝑧 − 1300 𝐻𝑧
𝐹𝑎 = −250 𝐻𝑧 A tener la siguiente forma, los 3 primeros componentes no
Una vez encontramos los dos componentes con efecto alias, tienen cambios
nuestra señal ha tenido cambios en su forma inicial. Pasa de
𝑥(𝑡) = 5𝑠𝑒𝑛(2𝜋 20 𝑡) + 7𝑠𝑒𝑛(2𝜋 110 𝑡) +
𝑥(𝑡) = 5𝑠𝑒𝑛(40𝜋 𝑡) + 7𝑠𝑒𝑛(220𝜋 𝑡) + 8𝑐𝑜𝑠(2𝜋 700 𝑡) + 3𝑠𝑒𝑛( 2𝜋(−950)𝑡)
8𝑐𝑜𝑠(1400𝜋 𝑡) + 3𝑠𝑒𝑛(2100 𝜋 𝑡)
A tener la siguiente forma, los 2 primeros componentes no
tienen cambios, mientras el tercer componente se le aplica la
• Halle la frecuencia de muestreo para que la señal 𝑥(𝑡) • ¿Si el cuantizador ahora es de 15 bits, cual sería
original, no presente fenómeno de Alias.
su error 𝑟𝑚𝑠 𝜎 ?
Usamos nuevamente esta forma del teorema de Nyquist, Contamos con las siguiente formas
tomando la mayor frecuencia encontrada en el ejercicio 1.1 de 𝐷 = 𝑥𝑚𝑎𝑥 − 𝑥𝑚𝑖𝑛 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒 𝑒𝑠𝑐𝑎𝑙𝑎
la actividad 𝐷
𝑭𝒔 ≥ 𝟐 ∗ 𝒇𝒎𝒂𝒙 𝛥= 𝑟𝑒𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑜 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑝𝑎𝑠𝑜
𝐿
𝐵
𝐿 = 2 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑛𝑖𝑣𝑒𝑙𝑒𝑠
𝛥
𝐹𝑠 ≥ 2 ∗ (1050 𝐻𝑧) 𝜎 = 𝑒𝑟𝑟𝑜𝑟 𝑟𝑚𝑠
√12
𝐹𝑠 ≥ 2100 𝐻𝑧
Tenemos este valor encontramos en el punto anterior
Es necesario que la frecuencia de muestreo sea igual o mayor
𝐷 = 17 𝑣
a 2100 Hz, cumpliéndose que es el doble de 𝑓𝑚𝑎𝑥
hallamos el valor de 𝐿
𝐿 = 2𝐵
𝐿 = 215
Cuantización ejercicio 4
𝐿 = 32768
El número de niveles 𝐿 de los cuantizadores utilizados en un
Ahora encontramos la resolución
convertidor analógico digital (ADC) es una potencia de 2. Por
𝐷
lo tanto, 𝐿 = 2𝐵 , donde 𝐵 es 𝛥=
el número de bits. 𝐿
17 𝑣
𝛥=
Ejercicio 1: 32.768
𝛥 = 5.18 ∗ 10−4 𝑣
Se va a muestrear una señal con niveles de amplitud entre
− 8.5𝑉 𝑦 8.5𝑉, y se va a cuantizar por redondeo con un error Finalmente usamos la forma para encontrar el error rms
𝑟𝑚𝑠 𝜎 = 21 𝑚𝑉 = 21 ∗ 10−3 𝜟
𝝈 =
• ¿Cuántos bits 𝐵 se requieren? √𝟏𝟐
5.18 ∗ 10−4 𝑣
Tenemos en cuenta las siguientes formas 𝜎 =
√12
𝐷 = 𝑥𝑚𝑎𝑥 − 𝑥𝑚𝑖𝑛 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒 𝑒𝑠𝑐𝑎𝑙𝑎 𝜎 = 1.49 𝑚𝑉
𝐷
𝛥= 𝑟𝑒𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑜 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑝𝑎𝑠𝑜
𝐿 • Las señales 𝑥[𝑛] 𝑦 𝑥𝑞[𝑛] 𝑠𝑜𝑛:
𝐵
𝐿 = 2 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑛𝑖𝑣𝑒𝑙𝑒𝑠
𝜎 =
𝛥
𝑒𝑟𝑟𝑜𝑟 𝑟𝑚𝑠 𝑥 [𝑛] = {0.7,0.8, 1.5, 8.0, 3.4, 7.8, 3.0, 8.4}
√12 𝑥𝑞 [𝑛] = {0.6, 0.6, 1.4, 7.7, 6.6, 6.6, 2.7, 7.3}
Necesario que hallemos los valores en cada término y
despejamos las formas que sea necesario. • ¿Cuál es la señal de error 𝑒(𝑛)?
𝐷 = 8.5 𝑣 − (−8.5 𝑣)
Se puede calcular el error en cada punto 𝑛 como
𝐷 = 8.5 + 8.5
𝐷 = 17 𝑣
Ahora despejamos la forma del error rms y 𝑒(𝑛) = 𝑥[𝑛] − 𝑥𝑞 [𝑛]
encontramos la resolución Entonces, el error en cada punto sería:
𝑒(0) = 0.7 − 0.6 = 0.1
𝛥 = √12 ∗ 𝜎
𝑒(1) = 0.8 − 0.6 = 0.2
𝛥 = √12 ∗ 21 𝑚𝑉 𝑒(2) = 1.5 − 1.4 = 0.1
𝛥 = 0.072 𝑚𝑉 𝑒(3) = 8.0 − 7.7 = 0.3
𝑒(4) = 3.4 − 6.6 = −3.2
Despejamos L desde la forma de la resolución 𝑒(5) = 7.8 − 6.6 = 1.2
𝐷
𝐿=𝛥 𝑒(6) = 3.0 − 2.7 = 0.3
17 𝑣 𝑒(7) = 8.4 − 7.3 = 1.1
𝐿=
0.072 𝑚𝑉
𝐿 = 236.1 La señal de error 𝑒(𝑛) sería
2𝐵 = 236.1 𝑒(𝑛) = {0.1, 0.2, 0.1, 0.3, −3.2, 1.2, 0.3, 1.1}
𝐵 = 𝑙𝑜𝑔2 (236.1)
𝐵 = 7.88 ≈ 8
• ¿Cuál es la potencia de la señal de ruido? • ¿Cuál es la relación señal ruido del cuantizador 𝑆𝑁𝑅𝑄 ?
𝑒[𝑛] = {0.1, 0.2, 0.1, 0.3, −3.2, 1.2, 0.3, 1.1} 𝑃𝑥
𝑆𝑁𝑅𝑄 = log10 ∙ ( )
𝑃𝑒
Para calcular la potencia de la señal de ruido, usamos
la siguiente fórmula: 𝑆𝑁𝑅𝑄 = 10 ∗ 𝑙𝑜𝑔10(25.96375 / 1.7725)

1
𝑃𝑒[𝑛] = (𝑁) ∗ ∑𝑁−1 2 𝑆𝑁𝑅𝑄 ≈ 10 ∗ 𝑙𝑜𝑔10(14.64)
𝑛=0 |𝑒[𝑛]|

𝑆𝑁𝑅𝑄 ≈ 10 ∗ 1.1658
Donde N es la longitud de la señal, y ∑𝑁−1
𝑛=0 |𝑒[𝑛]|
2

representa la suma de los cuadrados de los valores

𝑆𝑁𝑅𝑄 ≈ 11.658 𝑑𝐵
absolutos de la señal de error

En este caso, 𝑁 = 8 (la longitud de la señal de • Realizar la TDF con los últimos tres dígitos de su documento
error).
de identidad o cédula de ciudadanía.
Calculamos la potencia de la señal de ruido de la Numero de cedula terminado en [8 6 0]
siguiente manera
∞
1 𝑗2𝑘𝑛
𝑃𝑒[𝑛] = (8) ∗ [ (0.12 ) + (0.22 ) + (0.12 ) + (0.32 ) + 𝑥(𝑘) = ∑ 𝑥(𝑛)𝑒 − 𝑁

(−3.22 ) + (1.22 ) + (0.32 ) + (1.12 ) ] −∞

𝑥(𝑛) = [8, 6, 0]
1
𝑃𝑒[𝑛] = ( ) ∗ [ 0.01 + 0.04 + 0.01 + 0.09 +
8
10.24 + 1.44 + 0.09 + 1.21 ] Cuando 𝒌 = 𝟖

𝑃𝑒[𝑛] = (1/8) ∗ 14.17 ≈ 1.7725 𝑗2𝜋(8)(0) 𝑗2𝜋(8)(1) 𝑗2𝜋(8)(2)

𝑥𝑘(8) = 𝑥(0) 𝑒 − 3 + 𝑥(1) 𝑒 − 3 + 𝑥(2) 𝑒 − 3

La potencia de la señal de ruido es aproximadamente 𝑗16𝜋 𝑗32𝜋

1.7725 unidades, pero no se proporciona la unidad en 𝑥𝑘(8) = 8(1) + 6𝑒 − 3 + 0𝑒 − 3
el conjunto de datos original.
Usamos la identidad de euler 𝑒 − 𝑗𝜔 = cos(𝜔) − 𝑗𝑠𝑒𝑛 (𝜔)
• ¿Cuál es la potencia de la señal muestreada? 16𝜋 16𝜋 32𝜋 32𝜋
𝑥𝑘(8) = 8 + 6 (cos ( ) − 𝑗𝑠𝑒𝑛 ( )) + 0 (cos ( ) − 𝑗𝑠𝑒𝑛 ( ))
3 3 3 3

𝑁−1 1 √3 1 √3
1 𝑥𝑘(8) = 8 + 6 (− − 𝑗 (− )) + 0 (− − j )
𝑃𝑥𝑞 [𝑛] = ( ) ∗ ∑ |𝑥𝑞 [𝑛]|2 2 2 2 2
𝑁
𝑛=0
En nuestro caso, la señal muestreada es 6√3 1 √3
𝑥𝑘(8) = 8 − 3 − 𝑗 + 0 (− − (j ))
2 2 2
𝑥𝑞 [𝑛] = {0.6, 0.6, 1.4, 7.7, 6.6, 6.6, 2.7, 7.3}
6√3 1 √3
N es igual a 8 (la longitud de la señal muestreada). 𝑥𝑘(8) = 5 − 𝑗 + 0 (− 2 − (j ))
2 2

Calculamos la potencia de la señal muestreada de la siguiente 𝑥𝑘(8) = 5 − 5.1962 𝑗

manera
Cuando 𝒌 = 𝟔
𝑃𝑥𝑞 [𝑛] = (1/8) ∗ [ (0.62 ) + (0.62 ) + (1.42 ) + (7.72 ) + 𝑗2𝜋(6)(0) 𝑗2𝜋(6)(1) 𝑗2𝜋(6)(2)
(6.62 ) + (6.62 ) + (2.72 ) + (7.32 ) ] 𝑥𝑘(6) = 𝑥(0) 𝑒 − 3 + 𝑥(1) 𝑒 − 3 + 𝑥(2) 𝑒 − 3

𝑃𝑥𝑞 [𝑛] = (1/8) ∗ [ 0.36 + 0.36 + 1.96 + 59.29 + 43.56 + 𝑗12𝜋 𝑗24𝜋
𝑥𝑘(6) = 8(1) + 6𝑒 − 3 + 0𝑒 − 3
43.56 + 7.29 + 53.29 ]
Usamos la identidad de euler 𝑒 − 𝑗𝜔 = cos(𝜔) − 𝑗𝑠𝑒𝑛 (𝜔)
𝑃𝑥𝑞 [𝑛] = (1/8) ∗ 207.71 ≈ 25.96375 12𝜋 12𝜋 24𝜋 24𝜋
𝑥𝑘(6) = 8 + 6 (cos ( ) − 𝑗𝑠𝑒𝑛 ( )) + 0 (cos ( ) − 𝑗𝑠𝑒𝑛 ( ))
3 3 3 3

𝑥𝑘(6) = 8 + 6(1 − 𝑗 0 ) + 0(1 − j 0)

𝑥𝑘(6) = 14(1 − 𝑗 0 ) + 0(1 − j 0)
𝑥𝑘(6) = 14 − 0 𝑗

Cuando 𝒌 = 𝟎
𝑗2𝜋(0)(0) 𝑗2𝜋(0)(1) 𝑗2𝜋(0)(2)
𝑥𝑘(0) = 𝑥(0) 𝑒 − 3 + 𝑥(1) 𝑒 − 3 + 𝑥(2) 𝑒 − 3

𝑥𝑘(0) = 8(1) + 6(1) + 0(1)

𝑥𝑘(0) = 8 + 6 + 0

𝑥𝑘(0) = 14 + 0𝑗 Fig. 3 Transformada de Fourier, código en Matlab. Fuente: Autor

2. Realice el algoritmo de la Transformada Discreta de 3. Video explicación del funcionamiento del algoritmo de tres
Fourier, en este debe estar planteada la sumatoria de la muestras aplicando la transformada rapida de Fourier.
transformada con dos ciclos for. Dicho algoritmo se
realizará para una señal de longitud de tres (3) muestras. Enlace: https://youtu.be/gzRpDX2QCb4

Número de cedula terminado en [8 6 0]

4. Investigue sobre el rango de frecuencias que el oido humano
Señal 𝑥[𝑛] = [8 6 0] es capaz de escuchar.

%% Universidad nacional Abierta y a Distancia La gama de frecuencias que el oído humano es capaz de oír se
% Nombre: Fredy Pertuz Vizcaino conoce como espectro audible y suele estar comprendida entre
% Fecha: septiembre 2023 20 Hz y 20.000 Hz. Sin embargo, esta gama puede variar de
% Curso: Procesamiento Digital de Señales una persona a otra debido a factores como la edad, la genética
% Transformada Discreta de Fourier y la exposición a ruidos fuertes.

clear all Las frecuencias inferiores a 20 Hz, conocidas como

infrasonidos, suelen percibirse como vibraciones o
% Señal de entrada sensaciones más que como sonido real. Estas frecuencias las
x = [8 6 0]; % Valores de las tres muestras producen fenómenos naturales como terremotos y truenos, así
N = length(x); % Calculamos la longitud del como fuentes artificiales como maquinaria industrial y
vector aviones.

% Inicializamos el vector para almacenar los Por otra parte, las frecuencias superiores a 20.000 Hz,
resultados conocidas como ultrasonidos, están fuera del alcance auditivo
X = zeros(3,1); % Inicializamos la matriz X de la mayoría de los seres humanos. Sin embargo, se siguen
con ceros utilizando en diversas aplicaciones, como la obtención de
imágenes médicas, la limpieza y la comunicación. [7]
% Calculo de la DTF usando los 2 bucles for
for k = 0:N-1 % Ciclo para evaluar cada valor
5. Cual es el rango de frecuencias que emiten cinco (5)
en x
instrumentos musicales, se debe tener en cuenta los
for n = 0:N-2 % Ciclo para calcular la
armónicos de los instrumentos ya que son las frecuencias
suma acumulada en X para la frecuencia k
más altas que emiten, y a partir de este dato, argumentará a
que frecuencia de muestreo mínima se debe muestrear cada
% Calculamos la contribución de la señal x(n)
uno de los cinco (5) instrumentos musicales para ser
en la frecuencia k
digitalizados de manera correcta.
X(k+1) = X(k+1) + x(n+1)*exp((-
j*pi*2*n*k)/N) 5.1 El clarinete tiene un rango entre 165-1568 Hz hasta 2-10
end KHz desde su frecuencia fundamental hasta los armónicos
end inclusive. Por lo tanto, su frecuencia de muestreo debe ser
𝐹𝑠 = 20 𝐾𝐻𝑧 mínimo. [8]
5.2 La trompeta tiene un rango entre 165-988 Hz hasta 1-7.5 de señales analógicas y la eficiencia en el almacenamiento y
KHz desde su frecuencia fundamental hasta los armónicos procesamiento de datos digitales.
inclusive. Por lo tanto, su frecuencia de muestreo debe ser
𝐹𝑠 = 15 𝐾𝐻𝑧 mínimo. [8] IV. REFERENCIAS

5.3 El fagot tiene un rango entre 62-587 Hz hasta 1-7 KHz [1 C. E. Shannon, "Communication in the Presence of
desde su frecuencia fundamental hasta los armónicos ] Noise," in Proceedings of the IRE, vol. 37, no. 1, pp. 10-
inclusive. Por lo tanto, su frecuencia de muestreo debe ser 21, Jan. 1949, doi: 10.1109/JRPROC.1949.232969.
𝐹𝑠 = 14 𝐾𝐻𝑧 mínimo. [8]
[2 A. Ambardar, «Muestreo y cuantización,» de
5.4 El bajo acústico tiene un rango entre 41 Hz hasta 5 KHz ] Procesamiento de señales analógicas y digitales, Mexico,
desde su frecuencia fundamental hasta los armónicos Thomson Learning, 2003, pp. 460-465.
inclusive. Por lo tanto, su frecuencia de muestreo debe ser [3 M. A. García, «OVA Muestreo de una señal analógica,»
𝐹𝑠 = 10 𝐾𝐻𝑧 mínimo. [8] ] 2022. [En línea]. Available:
https://repository.unad.edu.co/handle/10596/53689.
5.5 Los platillos tiene un rango entre 300-587 Hz hasta 1-15
KHz desde su frecuencia fundamental hasta los armónicos [4 Sampling Theory. Fuente:
inclusive. Por lo tanto, su frecuencia de muestreo debe ser ] http://sites.music.columbia.edu/cmc/MusicAndComputers
𝐹𝑠 = 30𝐾𝐻𝑧 mínimo. [8] /chapter2/02_03.php

[5 Ambardar y A, «Transformada de Fourier,» de

III. CONCLUSIONES
] Procesamiento de señales analógicas y digitales., Mexico,
Thomson Learning, 2003, pp. 248-249.
En conclusión, al explorar los elementos matemáticos del
sistema de conversión analógica-digital, hemos adquirido una [6 M. Spilsbury y A. Euceda, «Transformada Rapida de
comprensión más profunda de cómo se traducen las señales ] Fourier,» de Revista de la Escuela de Física, 2019, pp. 45-
analógicas del mundo real en representaciones digitales. Los 52.
conceptos matemáticos clave, como el muestreo, la [7 Alcántara, J. M. (2020). Física de la audición. Madrid,
cuantización y el teorema del muestreo de Nyquist-Shannon, ] España: Editorial Paraninfo.
se revelan como fundamentales para la conversión exitosa de
señales analógicas en datos digitales. Además, la resolución y [8 Soyuz, «Tabla: rango de frecuencias de los instrumentos
la frecuencia de muestreo desempeñan un papel crítico en la ] musicales.,» 7 Febrero 2002. [En línea]. Available:
calidad y precisión de la conversión. https://www.hispasonic.com/reportajes/tabla-rango-
La comprensión de estos elementos matemáticos nos permite frecuencias-instrumentos-musicales/39.
apreciar el delicado equilibrio entre la representación precisa