Benemérita Universidad Autónoma

de Puebla

Maestrı́a en Ciencias de la Electrónica

Opción en Automatización

Control Digital

Simulación 1: Muestreo y reconstrucción de señales. Funciones de

transferencia.

Profesor:

Dra. Amparo Dora Palomino Merino

Alumno:
Rodolfo Emmanuel Fernández Gallardo

Puebla, Pue., 25 de septiembre de 2018

1. Abstract
En este trabajo se presenta el estudio del muestreo para funciones de transferencia desde el punto
de vista conceptual y de su fundamentación. Cuando se requiere muestrear una señal analógica para
su posterior transmisión en forma digital, siempre se toma como base el criterio de Nyquist, el cual
indica que dicho muestreo se debe realizar al doble de la frecuencia máxima contenida en la señal;
criterio que por tanto se puede recurrir al criterio que indica que el muestreo se realice al doble del
ancho de banda, condición que se pretende desarrollar en el documento para reconstruir la señal
con un retenedor de orden cero y analizar el comportamiento de las funciones continuas y discretas.

2
2. Introducción secuencia de entrada al conversor. Este proce-
so de recuperación se produce de forma exacta,
siempre que la señal esté limitada en banda y se
En esta práctica se estudiaran las etapas para
haya muestreado con una frecuencia de muestreo
convertir una señal analógica en digital, muchas suficientemente alta. En la práctica este método
de las señales de interés práctico proceden de resulta excesivamente complejo y se suelen utili-
fenómenos fı́sicos que son continuos y por tanto zar otros métodos de interpolación. Estas técni-
las señales que generan son analógicas. cas suelen generar ciertas distorsiones en la señal
Para procesar de forma digital estas señales es y normalmente requieren de una última etapa
necesario convertir la señal al dominio digital, de filtrado. La aproximación de interpolación de
realizar el procesado y posiblemente volver a orden cero (Zero Order Hold) consiste en man-
transformar la señal al dominio continuo. Lo pri- tener el valor de la muestra hasta la llegada de
mero que se debe hacer es pasar la señal por un la siguiente muestra, de manera que queda una
convertidor de continuo a digital (ADC), el cual aproximación de la señal en escalera.
consta de tres etapas. Tanto los procesos ADC y DAC, como los ele-
En primer lugar es necesario convertir la señal mentos que los componen son considerados idea-
analógica en una señal discreta mediante un con- les. De este modo, es posible establecer las rela-
vertidor de tiempo continuo a discreto, en la últi-
ciones entrada/salida en el dominio del tiempo
ma parte de este trabajo ocuparemos las herra- y de la frecuencia de un modo sencillo. En el ca-
mientas de simulink para realizar estas conver- so del ADC se considera la conversión de tiem-
siones de manera eficaz y rápida. Este sistema po continuo a tiempo discreto de forma ideal,
realiza un muestreo de la señal y una conversión también se considera que la operación de cuan-
al dominio discreto obteniendo finalmente una tificación tiene precisión infinita, por lo tanto se
secuencia de muestras de la señal. En segundo pueden despreciar los efectos del cuantificador y
lugar es necesario realizar una discretización o del codificador.
cuantificación en la amplitud de la señal, de mo-
do que la amplitud de la señal sea representada
por un valor seleccionado a partir de un conjun- 3. Objetivos
to finito de posibles valores. A este proceso se
le llama cuantificación y debido a la pérdida de Los objetivos del trabajo son los siguientes:
información que se produce es un proceso no in- Conocer el proceso de muestreo de siste-
vertible. mas continuos.
Finalmente la señal cuantificada se codifica
usando una representación digital con un núme- Entender como es el espectro de una señal
ro dado de bits, a esta operación se le denomina muestreada con respecto al de la señal ori-
codificación. El sistema que realiza todas estas ginal.
operaciones se le denomina convertidor Analógi- Conocer el procedimiento ideal para re-
co Digital (ADC). construir una señal y las condiciones sobre
Un ejemplo de señal sinusoidal de tiempo conti- el tiempo de muestreo para que sea posi-
nuo que ha sido muestreada y cuantificada son ble.
los casos que estudiaremos en el primer aparta-
do de este trabajo y utilizaremos los criterios de Saber identificar el problema del aliasing y
Nyquist para calcular el valor correcto de la fre- sus causas.
cuencia de muestreo. Conocer el proceso de reconstrucción usan-
Una vez finalizado el procesado suele ser nece- do un retenedor de orden cero.
sario una conversión de la señal digital al domi-
nio analógico mediante un convertidor Digital Saber obtener la función de transferencia
Analógico (DAC). Este sistema realiza una con- discretizada de un sistema con Matlab.
versión de una señal digital a una señal de tiem-
Entender la relación entre los polos de la
po continuo, posteriormente es necesario reali-
planta continua y la discretizada.
zar una interpolación de la señal para aproximar
el valor en los instantes de tiempo entre mues-
tras consecutivas. Teóricamente existe un proce- 4. Desarrollo
so de interpolación óptima también denomina-
da interpolación ideal que permite recuperar la En la primera parte de esta práctica se com-
señal analógica original, de la cual proviene la paran las respuestas de dos plantas idénticas,

3
con la única diferencia en que la señal de en-
trada (una señal sinusoidal de frecuencia u1) en
una entra directamente y en la segunda opción la
señal es previamente muestreada y luego recons-
truida a través de un retenedor de orden cero,
como se muestra en la Figura 1.
Figura 1: Diagrama a bloques en simulink de
Matlab.
Se utiliza un tiempo de muestreo T = 1 s.
para analizar lo que ocurre al variar la frecuen-
cia de la señal sinusoidal de entrada con:
ωs valor
1 100
2 20
3 5
4 4.5
5 3.5
6 3
7 2.5
8 2
9 1.5
10 1 aproximación buena. Adicionalmente es eviden-
Tabla 1: Tabla de frecuencias
Frecuencia de muestreo ωs = 2π/T
4.1. Muestreo
El muestreo, también denominado “Discreti-
zación de señal”, es el primer paso en el proceso
de conversión de una señal analógica (tiempo y
amplitud continuos) en una señal digital (tiem-
po y amplitud discretos). La conversión de la
señal Análoga en Digital (Conversión A/D) se
realiza, entre otras razones porque las señales di-
gitales presentan grandes ventajas a la hora de
ser transmitidas y/o procesadas: mayor inmuni-
dad al ruido, mayor facilidad de procesamiento
y facilidad de multiplexaje. En las aplicaciones
tecnológicas las muestras se toman a intervalos
de tiempo iguales, proceso denominado Mues-
treo periódico de la señal, lo que facilita procesos
como el de la Reconstrucción de la señal[2].
4.2. Teorema del muestreo
Si una señal continua, S(t), tiene una banda
de frecuencia tal que Fmax sea la mayor frecuen-
cia comprendida dentro de dicha banda, dicha
señal podrá reconstruirse sin distorsión a partir
de muestras de la señal tomadas a una frecuen-
cia f s siendo f s > 2Fmax . En la Figura 2 se
muestra un esquema simplificado del proceso de
muestreo.
Figura 2: Proceso de muestreo
Vale la pena recordar que desde el punto de
vista de la cuantificación de la señal muestreada,
lo ideal es que el tiempo que dura el interruptor
activo, fuese prácticamente cero, ya que de otro
modo, la señal muestreada puede variar enor-
memente en dicho tiempo y hacer poco exacta
su cuantificación Como es sabido el Teorema del
muestreo se aplica a través del muestreo periódi-
co de una señal analógica; es fácil apreciar que
aplicando el Teorema del muestreo de forma co-
rrecta; es decir muestreando al doble de la fre-
cuencia máxima del sistema se puede tener una
te que si la frecuencia de muestreo es muy baja;
es decir, las mediciones son demasiado espacia-
das, se perderán detalles de la señal original. Si
la velocidad de muestreo es insuficiente, y en las
muestras representan una señal como otra señal
muy diferente a la original a este efecto se le de-
nomina en inglés “aliasing”.
4.3. Alising
El aliasing es el efecto que causa que señales
continuas distintas se tornen indistinguibles
cuando se les muestrea digitalmente. Cuando es-
to sucede, la señal original no puede ser recons-
truida de forma unı́voca a partir de la señal di-
gital. El aliasing es un fenómeno propio de la
conversión A/D, en el cual la frecuencia de la
señal reconstruida es menor que el de la señal
original, lo cual ocurre cuando la frecuencia de
muestreo es demasiado baja; estos efectos pue-
den reducirse utilizando filtro.
4
4.4. Criterio de Nyquist.- de que la integral de una función impulso es una
Sahannon constante, se puede suponer que el retenedor de
orden cero es un integrador, y la entrada al cir-
El criterio de Nyquist-Shannon, también de- cuito de retención de orden cero es un tren de
nominado Teorema del Muestreo Pasabanda, es- impulsos. Ası́ que, para el modelo matemático
tablece que la frecuencia mı́nima de muestreo de un muestreador real y un retenedor de orden
necesaria para evitar el “aliasing” debe ser. cero se puede construir de la siguiente manera.

F s > 2BW

Con: fs:Frecuencia de muestreo BW: Ancho de

banda de la señal a muestrear 2Fmax Que coin- Figura 4: Modelo matemático de un retenedor
cide con la aplicación del Teorema general del de orden 0 para obtener su función de transfe-
muestreo. El criterio de Nyquist Shannon rede- rencia.
fine el Teorema del muestreo aplicándolo a un
Ancho de Banda de interés especı́fico, lo que so-
luciona ciertas dificultades que pueden presen- El modelo de la figura 4, se observa que
tarse al intentar muestrear señales a frecuencias Gh0 (s) representa la función de transferencia del
elevadas. Es posible muestrear a una frecuen- retenedor de orden cero y x∗ (t) es la señal mues-
cia menor que la que impondrı́a Nyquist siempre treada mediante impulsos de x(t) [2].
que se garantice que las repeticiones espectrales Se va a suponer que la señal x(t) es cero pa-
no se superponen con el espectro, siempre que ra t¡0. Entonces, la salida h1 (t) está relacionada
BW (ancho de banda de la señal) sea menor que con x(t) como sigue:
Fmin [1].
El retenedor que estudiaremos es el siguiente:
h1 (t) = x(0)[1(t) − 1(t − T )]
+x(T )[1(t − T ) − 1(t − 2T )]rec+
4.5. Retenedor de orden cero
x(2T )[1(t − 2T ) − 1(t − 3T )] + ...
El retenedor más sencillo se obtiene cuando
n=0, esto es, cuando
∞
h(kT + t) = x(kT ) (1) X
h1 (t) = x(kT ) · [1(t − kT ) − 1(t − (k + 1)T ]
donde 0 ≤ τ < T y k = 0, 1, 2, ... . Esta ecua- k=0
ción implica que el circuito retiene la amplitud (2)
−kT s
de la muestra de un instante muestreo al siguien- e
Si L[1(t − kT )] = , entonces, h1 (t) tie-
te. Dicho retenedor de datos se conoce como re- s
ne la siguiente expresión aplicando transformada
tenedor de orden cero, o sujetador, o generador
de Laplace en ambos miembros
de la señal de escalera. La salida del retenedor
de orden cero es una función escalonada. "∞
X
#
L[h1 (t)] = L x(kT ) · [1(t − kT ) − 1(t − (k + 1)T ]
k=0
(3)

Figura 3: Muestrador y retenedor de orden 0 ∞

X
L[h1 (t)] = x(kT ) · L[1(t − kT ) − 1(t − (k + 1)T ]
La señal de entrada x(t) se muestrea en ins- k=0
tantes discretos y la señal muestreada se pasa a (4)
través del retenedor de orden cero. El circuito re-
tenedor de orden cero suaviza la señal muestrea- ∞
e−kT s e−(k+1)T s
X  
da para producir la señal h(t), la cual es constan- H1 (s) = x(kT ) · − (5)
s s
te desde el último valor muestreado hasta que se k=0
pueda disponer de la siguiente muestra. Para ob-
tener un modelo matemático de la combinación ∞
1 − e−T s
 X
de un muestreador real y de un circuito de reten- H1 (s) = x(kT ) · e−kT s (6)
ción de orden cero, comienza a partir del hecho s
k=0

5
Y en base al modelo matemático en la figura 4, 5. Resultados
la salida de este modelo debe ser la misma que
la del retenedor de orden cero real. luego En la primera parte de los resultados veremos
el comportamiento de una señal senoidal que pa-
L[h2 (t)] = H2 (s) = H1 (s) (7) sa por la misma planta, trabajando en tiempo
continuo y con un retenedor de orden cero. Va-
Entonces riando la frecuencia de muestreo conforme a la
tabla 1.
∞
1 − e−T s
 X
H2 (s) = x(kT ) · e−kT s (8)
s
k=0

Además, si las siguientes equivalencias

1 − e−T s
 
Gh0 (s) = (9)
s

∞
X
X ∗ (s) = x(kT ) · e−kT s (10)
k=0

se sustituyen en la ecuación H2 (s), se tiene la

Figura 5: Frecuencia de muestreo ws/100.
siguiente expresión

H2 (s) = Gh0 (s)X ∗ (s) (11)

4.6. Conversiones Continuo-

Discreto
Los comandos de Matlab c2d, d2c se utiili-
zan para realizar la conversión de sistemas de
tiempo continuo a discreto y viceversa. para uti-
lizar estas funciones la sintaxis que se ocupa es
la siguiente:

sysd = c2d(sys,Ts,method)

donde esta función pasa un sistema del tiempo Figura 6: Frecuencia de muestreo ws/20.
continuo a discreto y los parámetros son los si-
guientes

sys= Modelo del sistema dinámico continuo

Ts=Tiempo de muestreo
method= método de discretización ’zoh’

Para el caso inverso donde queremos ir del espa-

cio discreto al continuo ocupamos

sysc = d2c(sysd,method)

donde

sys= Modelo del sistema dinámico discreto

method= método de conversion de tiempo
discreto a continuo ’zoh’ Figura 7: Frecuencia de muestreo ws/5.

6
Figura 8: Frecuencia de muestreo ws/4.5. Figura 11: Frecuencia de muestreo ws/2.5.

Figura 9: Frecuencia de muestreo ws/3.5. Figura 12: Frecuencia de muestreo ws/2.

Figura 10: Frecuencia de muestreo ws/3. Figura 13: Frecuencia de muestreo ws/1.5.

7
 Código 1 de matlab
1

2 %C o n f i g u r a c i o n de i n i c i o
3 c l c ; % l i m p i a ventana de comandos .
4 c l e a r v a r s ; % l i b e r a memoria de
todas l a s
5 %v a r i a b l e s a s i g n a d a s en e l
programa .
6 c l o s e a l l ; % c i e r r a s todos l o s
recursos
7 %a b i e r t o s por e l programa .
8 format s h o r t % formato en 4
Figura 14: Frecuencia de muestreo ws/1. digitos fraccionales .
9 clear all
La segunda parte del ejercicio ocuparemos 10 %−−−−−−−−−−−−−−−
una señal escalón y se observa cual es el com- 11 num=[1 1 0 ] ;
portamiento del sistema a dicha entrada Figura 12 den =[1 5 1 0 ] ;
15. 13 SC=t f (num , den ) ; %s i s t . c o n t i n u o
14 %f r e q s (num , den ) ;
15 Ts=1;
16 T= [ 0 : Ts : 1 0 ] ;
17 SD=c2d (SC , Ts , ’ zoh ’ )
18 figure (1)
19 subplot (2 ,1 ,1)
20 r l o c u s (SC)
21 subplot (2 ,1 ,2)
22 pzmap (SD)
23 figure (2)
24 s t e p (SC , ’ b ’ ,SD , ’ r ’ ) ;
25 g r i d on
26 h o l d on
Figura 15: Frecuencia de muestreo ws/1.

La función de transferencia discreta obtenida

es

Figura 16: Frecuencia de muestreo ws/1. Figura 17: Frecuencia de muestreo ws/1.

La función de transferencia en tiempo dis-

creto es obtenida por el siguiente programa de
Matlab Los polos de la función de transferencia en el
espacio continuo y discretos están dados por las
siguientes gráficas.

8
 Figura 21: Frecuencia de muestreo ws/5.
Figura 18: Frecuencia de muestreo ws/1.

Figura 19: Frecuencia de muestreo ws/100. Figura 22: Frecuencia de muestreo ws/4.5.

Figura 20: Frecuencia de muestreo ws/20. Figura 23: Frecuencia de muestreo ws/3.5.

9
Figura 24: Frecuencia de muestreo ws/3.
Figura 25: Frecuencia de muestreo ws/2.5.
Figura 26: Frecuencia de muestreo ws/2.
Figura 27: Frecuencia de muestreo ws/1.5.
Figura 28: Frecuencia de muestreo ws/1.
6. Análisis de resultados
En la primera parte de los resultados obser-
vamos el comportamiento que tiene el sistema
variando la frecuencia de operación, observamos
que cuando su frecuencia de muestreo es supe-
rior a la de operación, la señal se reconstruye
correctamente y las perdidas que se tienen son
mı́nimas el problema es entre más cercano es es-
te valor a su frecuencia de trabajo la señal pier-
de resolución ya que los puntos necesarios para
su construcción son muy pocos, haciendo que la
señal obtenida no sea la adecuada. en el momen-
to en que el valor de la frecuencia de muestreo
es el mismo que la de trabajo el sistema no se
puede reconstruir y la gráfica quedará como un
pulso. Y si los valores son inferiores atenuará la
señal y su reconstrucción será totalmente inco-
rrecta. Por lo que podemos decir que el tiempo
de muestreo no es el indicado cuando tenemos
valores cercanos a 5, donde podemos observar
como el sistema empieza a mostrar fallas en la
reconstrucción.
En la segunda parte se interpretará los valores de
los polos continuos y discretos de las funciones
10
para lo que es necesario conocer como cambian más bajas que las contenidas en la señal origi-
los planos del dominio continuo al discreto. El nal. Igualmente garantizan la reconstrucción de
sistema cuando se le aplica una entrada escalón dicha señal sea la más adecuada posible.
responde el sistema de manera similar ya que no La aplicación de funciones usando MATLAB
existe desfase hasta que el sistema es muestrea- brinda apoyo y una solución rápida que permi-
do con el retenedor zoh existe un desface de un te representar las componentes de frecuencia de
Kt. Este método de conversión, que busca los señales discretas. Este método es soportado sólo
equivalentes de los ceros y polos, se aplica sólo a
por la función c2d y sólo para los sistemas de
los sistemas SISO. Los sistemas continuos y dis- SISO.
cretizados tienen coincidencia en sus ganancias Al mismo tiempo muestra como aproximación de
DC. Sus polos y ceros están relacionados por la zero-pole da una coincidencia muy buena entre
transformación: los dos espacios el continuo y el discreto, se obtie-
ne una menor diferencia entre las respuestas de
zme = esme Ts (12) frecuencia de tiempo continuo y tiempo discre-
to. Por último la herramienta Control Toolbox
donde:
de MATLAB brinda soluciones prácticas para el
zme es el i-ésimo polo o cero en tiempo dis- modelado de sistemas ya sea en tiempo conti-
creto nuo o discreto, el uso de Simulink prevee de una
implementación rápida para poder trabajar con
sme es el i-ésimo polo o cero en tiempo distintos sistemas ya sea en tiempo continuo o
continuo discreto.
Ts es el tiempo de muestreo
Es ası́ como podemos entender la estabilidad de
nuestro sistema ya sea como un sistema continuo
o unos discreto. Es importante mencionar que la
estabilidad es garantizada para un sistema con-
tinuo y su transformación a unos discreto, pero
en sentido inverso no es aplicable.

7. Conclusiones
Se puede concluir que una vez que el mues-
treador real y el retenedor de orden cero se rem-
plazan de manera matemática por un muestrea-
dor mediante impulsos y la función de transfe-
rencia, el sistema se convierte en un sistema en
tiempo continuo, lo que trae como consecuencia
simplificar el análisis de los sistemas de control
en tiempo discreto. El retenedor de orden cero
es el más sencillo de todos los circuitos de reten-
ción y el que se utiliza con mayor frecuencia en
la práctica.
Para poder calcular el error entre la respuesta
de frecuencia de los sistemas de tiempo continuo
y tiempo discreto hasta la frecuencia de Nyquist
es necesario conocer la frecuencia de operación
del sistema para poder determinar a través del
teorema de muestreo una frecuencia de mues-
treo de por lo menos dos veces la de operación
del sistema. Los resultados obtenidos al mues-
trear señales que verifican claramente el crite-
rio de Nyquist Shannon es necesario para una
buena reconstrucción de las señales, facilitando
las necesidades de muestreo a frecuencias mucho

11
Referencias
[1] Åström, K.J. y B. Wittenmark, Sistemas
controlados por computadora: teorı́a y di-
seño, Prentice-Hall, 1990
[2] Ogata, Katsuhiko Sistemas de control en
tiempo discreto., Ed. Pearson education,
México, 1996.
[3] Kuo, Benjamı́n Sistemas de control Au-
tomático., Ed. PreanticeHall, México, 1996.
[4] D’azzo, John; Houpis, Constantine Linear
control system analysis and design with
matlab, Marcel Dekke, Inc., 2003
12