You are on page 1of 5

MUESTREO DE SEÑALES EN TIEMPO CONTINÚO.

Commented [ma1]: SARROLLO

Las señales en tiempo discreto se generan cuando muestreamos señales en tiempo continuo. A
nuestro alrededor existen un número infinito de señales en tiempo continuo, que al muestrearse
conducen a la misma señal en tiempo discreto, pero en ciertas condiciones, es posible relacionar
una señal en tiempo continuo única con una secuencia en tiempo discreto dada, además de
recuperar la señal en tiempo continuo original a partir de valores muestreados. “La mayoría de las
señales de tiempo discreto provienen del muestreo de una señal de tiempo continuo. El proceso de
convertir estas señales en forma digital se llama conversión de analógico- digital (𝐴/𝐷)”(Hayes,
1999).

CONVERSIÓN ANÁLOGA- DIGITAL

Un convertidor (𝐴/𝐷) transforma una señal analógica en una secuencia digital. La entrada al
convertidor (𝐴/𝐷), es una función de valor real de una variable continua en el tiempo, por lo tanto
para cada valor de t, de la función, 𝑋𝑎 (𝑡), puede ser cualquier número real. La salida del (𝐴/𝐷) es
una secuencia de bits que corresponde a una secuencia de tiempo discreto, 𝑥(𝑛), con una amplitud
que se cuantifica para cada valor de 𝑛, desde uno hasta un finito número de posibles valores. El
primer componente de un muestreo es un convertidor discreto-continuo C/D o un convertidor ideal
(𝐴/𝐷), que responde a la siguiente ecuación:

𝑥(𝑛) = 𝑥𝑎 (𝑛𝑇𝑠 ) (1)

El segundo componente de un convertidor (𝐴/𝐷) es el cuantizador, que mapea la amplitud continua


en un conjunto discreto de amplitudes, el proceso de cuantificación está definido por el número de
bits y el intervalo de cuantificación. El último componente es el encoder, que toma una señal
digital, y produce una secuencia de códigos de números binarios.

MUESTREO PERIÓDICO.

El tiempo discreto de una señal está formada por el muestreo periódico de una señal en tiempo
continúo, el esparcimiento de la muestra 𝑇𝑠 , el periodo de muestreo y 𝑓𝑠 = 1/𝑇 que es la frecuencia
de muestreo. Para crear una señal periódica, primero, la señal de tiempo continuo es multiplicada
por una secuencia periódica de impulsos, para formar la señal muestreada. Entonces la señal
muestreada se convierte en una señal de tiempo discreto. El efecto del convertidor (C/D), puede ser
analizado en el dominio de la frecuencia. Así que la transformada de Fourier de: 𝛿(𝑡 − 𝑇𝑠) es
𝑒 −𝑗𝜋Ω𝑇 , mientras que la transformada de Fourier para una señal muestreada de tipo 𝑥𝑠 (𝑡) es:

𝑋𝑠 (𝑗Ω) = ∑ 𝑥𝑎 (𝑛𝑇𝑠 ) 𝑒 −𝑗𝜋Ω𝑇 (𝟐)


𝑛=−∞

Donde:

Ω𝑠 = 𝑜 2𝜋𝑓𝑠 (𝟑)
𝑇𝑠

Finalmente, la transformada de Fourier en tiempo discreto para 𝑥(𝑛), es:

1
∞ ∞

𝑋(𝑒 𝑗𝑤 ) = ∑ 𝑥(𝑛) 𝑒 −𝑗𝑛𝑤 = ∑ 𝑥𝑎 (𝑛𝑇𝑠 ) 𝑒 −𝑗𝑛𝑤 (𝟒)


𝑛=−∞ 𝑛=−∞

La sobreposición de los componentes de una señal se denomina aliasing, y esto ocurre cuando la
frecuencia contenida en la función 𝑋𝑎 , está dañada, y no se puede recuperar desde la señal
muestreada. El problema de aliasing es similar a representar números binarios, Con más número de
bits, podemos representar números en un rango más amplio. Dado un cierto número de bits, el
rango de números es fijo, por ejemplo con dos bits podemos representar cuatro números binarios
{00; 01; 10; 11}, Cuatro números pueden ser identificados de forma única a partir de la
representación de un bit, si se sabe que el número está en el rango inferior o superior, Permite que
la representación de un número de dos bits sea 0 usando el bit menos significativo. Entonces, el
número es 00 si es menor que 2, o es 10 si es mayor o igual a 2.

TEOREMA DE MUESTREO:
2𝜋
Ω𝑠 = ≥ 2Ω0 (𝟓)
𝑇𝑠

Donde:

Ω0 Se la denomina como Frecuencia de Nyquist, y la mínimo frecuencia de muestreo, Ω𝑠 = 2Ω0 , es


denominada como tasa de Nyquist.

Debido a que las señales que se encuentran en los sistemas físicos nunca serán estrictamente
limitadas a un antialiasing analógico, para ello se utiliza un filtro para depurar la señal antes del
muestreo con el fin de minimizar la cantidad de energía por encima de la frecuencia de Nyquist y
para reducir la cantidad de aliasing que se produce en el convertidor de A/D. Por ejemplo:

El ancho de banda de las señales telefónicas es 3,4 kHz, y se muestrea a 8 kHz.

CUANTIZACIÓN Y CODIFICACIÓN.

Un cuantificador es un sistema no lineal que transforma una secuencia de entrada 𝑥(𝑛) que tiene
un rango continuo de amplitudes en una secuencia para la cual cada valor de 𝑥(𝑛) asume uno de
un finito número de posibles valores. El cuantificador puede tener niveles de cuantificación que
están espaciados uniformemente o no uniformemente.

El error de cuantificación se supone que es una fuente de ruido aditivo. Debido a que el error de
cuantificación no se conoce típicamente se describe estadísticamente. Generalmente el error de
cuantificación, es una secuencia de variables aleatorias donde:

 El ruido de cuantificación no está correlacionado con la entrada 𝑥(𝑛) del cuantificador.


 La función de densidad de probabilidad del error de cuantización está uniformemente
distribuida en el rango de valores de la cuantificación de error.

2
CONVERSIÓN DIGITAL A ANALÓGICA

Como se indica en el teorema de muestreo, si la función de valor real de una variable continua 𝑥𝑎 (𝑡),
está estrictamente limitada, entonces 𝑥𝑎 (𝑡) puede reconstruirse de forma única a partir de sus
muestras, ecuación 1.

El proceso de reconstrucción implica dos pasos. En primer lugar, las muestras 𝑥(𝑛) se convierten en
una secuencia de impulsos, posteriormente dicha secuencia se filtra a través de un filtro de
reconstrucción, que es un filtro de paso bajo ideal. Debido a que no es posible implementar un filtro
de paso bajo ideal, muchos convertidores 𝐷/𝐴 utilizan una retención de orden cero para el filtro de
reconstrucción. La respuesta de impulso de una retención de orden cero.

Después de que una secuencia de muestras 𝑥𝑎 (𝑛𝑇𝑠 ) se ha convertido en impulsos, la retención de


orden cero produce la aproximación de escalera a 𝑥𝑎 (𝑡). Con una retención de orden cero, es
común procesar la salida con un filtro de compensación de reconstrucción que se aproxima a la
respuesta de frecuencia.

TRATAMIENTO DE TIEMPO DISCRETO DE SEÑALES ANALOGICAS

Una de las aplicaciones importantes de los convertidores 𝐴/𝐷 y 𝐷/𝐴 es el procesamiento de


señales analógicas con un sistema de tiempo discreto. Un caso ideal, consiste en una cascada de un
convertidor 𝐶/𝐷, un sistema de tiempo discreto y un convertidor 𝐷/𝐶. Así, asumimos que la señal
muestreada no se cuantifica y que se utiliza un filtro paso bajo ideal para el filtro de reconstrucción
en el convertidor 𝐷/𝐶. Debido a que la entrada y la salida son señales analógicas, el sistema global
corresponde a un sistema de tiempo continuo. Por lo tanto el convertidor 𝐷/𝐶 produce una señal
de salida en tiempo continuo a partir de las muestras tomadas.

CONVERSIÓN DE LA TASA DE MUESTRA

El proceso de convertir una señal de una velocidad a otra se denomina conversión de frecuencia de
muestreo. Existen dos formas para dicha conversión:

 la señal muestreada puede convertirse de nuevo en una señal analógica y luego volver a
muestrear.
 la señal puede volverse a muestrear en el dominio digital.

Esta última forma tiene la ventaja de no introducir distorsión adicional al pasar la señal a través de
un convertidor 𝐷/𝐴 y 𝐴/𝐷.

EJEMPLOS

Una señal analógica contiene frecuencias hasta 20 kHz.

 ¿Que frecuencias de muestreo se puede emplear para que se posible una reconstrucción de
la señal a partir de sus muestras?

Para que se verifique el teorema de muestreo, es necesario tener más de dos muestras por
periodo. Esto se cumple si:

3
𝑓𝑚 = 2 𝑓𝑚𝑎𝑥

Pero esta condición no resulta estrictamente necesaria sino que es suficiente con que se
verifique que:
𝑓𝑚 > 2 𝐵

Donde B es el ancho de banda de la señal. Por lo tanto:

𝑓𝑚 = 20 𝑘𝐻𝑧
𝑓𝑚 > 40 𝑘𝐻𝑧
 Si se considera que la frecuencia de muestreo es de 16 kHz. ¿qué ocurriría con una señal de
10 kHz presente en la señal?

Cuando trabajamos con:

𝑓𝑚 = 16 𝑘𝐻𝑧
No se verifica el Teorema de muestreo y se producirá solapamiento, pero con una
frecuencia de 10 kHz, la frecuencia máxima posible con:
𝑓𝑚 = 16 𝑘𝐻𝑧 Es de 8 kHz

Como consecuencia la señal de f=10 kHz será interpretada como su alias en el intervalo
𝑓𝑚 𝑓𝑚
− <𝑓< , los alias se pueden obtener de la expresión:
2 2

𝑓𝑘 = ±𝑓0 + 𝑘𝑓𝑚 , 𝑘 = 0, ±1, ±2, ±3, …

Siendo 𝑓𝑘 los alias de 𝑓0 para la frecuencia de muestreo 𝑓𝑚

10 = 𝑓0 + 𝑘16
𝑓0 = 10 − 16
𝑓0 = −6 𝑘𝐻𝑧

CONCLUSIONES:

El muestreo permite cuantificar una señal continua en el tiempo, mediante herramientas como el
convertidor análogo- digital y convertidor digital-análogo que vienen incorporadas dentro de una
procesador digital de señales (DSP); permitiendo así procesar la señal de manera óptima, y en su
salida obtener la señal análoga sin pérdida de información, ya que depende de un filtro anti réplicas
el cual evita que se produzca el aliasing.

En el proceso de conversión A/D se modifica la señal de entrada de forma irreversible, por lo tanto
en el proceso de cuantización siempre habrá una pérdida de información.

El proceso de muestreo y cuantización de una señal analógica es necesario debido a que permite
realizar una vista panorámica de la información y los valores que contiene la señal, desde el punto
de vista autor Schaum, se puede tener una mejor apreciación acerca del muestreo periódico, y
cuantificación de la señal, ya que se detalla como una señal puede o no ser muestreada por medio

4
del teorema de Nyquist, el cual se lo aplica para limitar señales en un sistema de frecuencia
establecido.

REFERENCIAS:

Hayes, M. H. (1999). Schaum â€TM s Outline of Theory and Problems of Digital Signal Processing.
Digital Signal Processing, 447. https://doi.org/10.1364/OE.21.001773

Sundararajan, D. (2015). Discrete Wavelet Transform a Signal Proccesing Approach. India: WILEY.
S. K. Mitra (2007), Digital Signal Processing. A Computer Based Approach-3erd Edition. Mexico;
McGraw-Hill

You might also like