Capı́tulo 2

Muestreo y Reconstrucción de
Señales

2.1. Introducción
Muchas de las señales de interés práctico proceden de fenómenos fı́sicos que son con-
tinuos y por tanto las señales que generan son analógicas. Para procesar de forma digital
estas señales es necesario convertir la señal al dominio digital, realizar el procesado y
posiblemente volver a transformar la señal al dominio continuo, como muestra la figura
2.1. El primer bloque de la figura es un convertidor de continuo a digital (ADC), el cual

xa(t) ya (t)
Sistema
ADC DAC
digital

T T
Figura 2.1: Sistema convertidor a digital, etapa de procesado y conversión de nuevo al
dominio continuo.

consta de tres etapas. En primer lugar es necesario convertir la señal analógica en una
señal discreta mediante un convertidor de tiempo continuo a discreto, C/D. Este sistema
realiza un muestreo de la señal y una conversión al dominio discreto obteniendo final-
mente una secuencia de muestras de la señal. En segundo lugar es necesario realizar una
discretización o cuantificación en la amplitud de la señal, de modo que la amplitud de la
señal sea representada por un valor seleccionado a partir de un conjunto finito de posibles
valores. A este proceso se le llama cuantificación y debido a la pérdida de información que
se produce es un proceso no invertible. Finalmente la señal cuantificada se codifica usando
una representación digital con un número dado de bits, a esta operación se le denomina
codificación. El sistema que realiza todas estas operaciones se le denomina convertidor
Analógico Digital (ADC) y se muestra en la figura 2.2. Un ejemplo de señal sinusoidal
de tiempo continuo que ha sido muestreada y cuantificada se muestra en la figura 2.3.
Las lı́neas verticales muestran los instantes de muestreo de la señal. Las lı́neas vertica-
les situadas dentro del rango del cuantificador (±4∆) indican los niveles permitidos de
cuantificación de la señal. La señal cuantificada viene dada por los puntos negros xq (nT )

1
2 2. Muestreo y Reconstrucción de Señales

xa(t) x[n] xq[n] 0110...

muestreador
cuantificador codificador
C/D

ADC

Figura 2.2: convertidor ADC, bloques básicos.

estos puntos se pueden interpolar por un interpolador de orden cero generando la señal
en escalera que viene dada por la señal xq (t). La señal digital finalmente queda como

Figura 2.3: Señal de tiempo continuo muestreada y cuantizada.

una secuencia de números que tı́picamente vienen dados por una representación binaria.
Mediante este procedimiento se obtiene la señal digital apta para su procesado por un
sistema digital. Una vez finalizado el procesado suele ser necesario una conversión de la
señal digital al dominio analógico mediante un convertidor Digital Analógico (DAC). El
diagrama de bloques de DAC viene representado en la figura 2.4. Este sistema realiza
una conversión de una señal digital a una señal de tiempo continuo (D/C), posterior-
mente es necesario realizar una interpolación de la señal para aproximar el valor ésta en
los instantes de tiempo entre muestras consecutivas. Teóricamente existe un proceso de
interpolación óptima –también denominada interpolación ideal– que permite recuperar la
señal analógica original, de la cual proviene la secuencia de entrada al conversor. Este
proceso de recuperación se produce de forma exacta, siempre que la señal esté limitada
en banda y se haya muestreado con una frecuencia de muestreo suficientemente alta. En
la práctica este método resulta excesivamente complejo y se suelen utilizar otros métodos

2 Problemas de Tratamiento Digital de Señales

2.2. Muestreo y reconstrucción ideal de señales 3

^y(t)
y[n]
Convertidor Interpolador Filtro
D/C

DAC

Figura 2.4: convertidor DAC, bloques básicos.

de interpolación: interpolación de orden cero, lineal, cuadrática, ... Estas técnicas suelen
generar ciertas distorsiones en la señal y normalmente requieren de una última etapa de
filtrado. La aproximación de interpolación de orden cero (Zero Order Hold) consiste en
mantener el valor de la muestra hasta la llegada de la siguiente muestra, de manera que
queda una aproximación de la señal en escalera. La aproximación de orden uno consiste
en unir las muestras con una lı́nea recta, y ası́ sucesivamente.
En primer lugar, tanto los procesos ADC y DAC, como los elementos que los componen
son considerados ideales. De este modo, es posible establecer las relaciones entrada/salida
en el dominio del tiempo y de la frecuencia de un modo sencillo y elegante. En el caso
del ADC se considera la conversión de tiempo continuo a tiempo discreto de forma ideal,
también se considera que la operación de cuantificación tiene precisión infinita, por lo
tanto se pueden despreciar los efectos del cuantificador y del codificador. Con todas estas
consideraciones, el convertidor ADC se considera simplemente como un convertidor C/D
ideal. En el convertidor DAC también suponemos condiciones ideales, considerando que la
conversión se realiza únicamente en la etapa D/C. Se supone que el elemento D/C genera
la señal analógica definitiva sin necesidad de elementos de interpolación extra ni de filtro
compensador. Finalmente, se introducen los efectos no ideales y algunos de los problemas
prácticos que surgen en la implementación.

2.2. Muestreo y reconstrucción ideal de señales

Como se ha mencionado anteriormente, el convertidor (C/D) realiza dos procesos,
la operación de muestreo y la conversión a tiempo discreto. El diagrama de bloque del
convertidor C/D viene dado por la figura 2.5. Uno de los métodos de muestreo y conversión
a tiempo discreto más tı́picos consiste en realizar un muestreo periódico o uniforme, el
cual se basa en la selección de muestras de la señal analógica en un intervalo de tiempo
uniforme. Matemáticamente, el procedimiento consiste en sustituir la variable t = nT ,
donde T es el periodo de muestreo, obteniendo una secuencia de muestras:

x[n] = xa (nT ), n ∈ Z (2.1)

donde la frecuencia de muestreo es fs = 1/T y viene dada en muestras por segundo. Tam-
bién se puede expresar en radianes por segundo, ωs = 2π/T . La diferencia más importante
entre la señal analógica y la señal discreta es que la variable independiente de la secuencia
es un ı́ndice entero donde se ha perdido la dimensión temporal, es decir, se ha produci-
do una normalización temporal. Como veremos, esta relación entre la variable temporal
analógica (t) y discreta (n) se transforma en una relación análoga entre el dominio de la
frecuencia de tiempo continuo y de tiempo discreto.

3 Problemas de Tratamiento Digital de Señales

4 2. Muestreo y Reconstrucción de Señales

En general, la operación de muestreo es no invertible porque se produce pérdida de infor-

xa(t) x[n] = xa(nT)

C/D

Figura 2.5: Representación de un convertidor C/D ideal.

mación de la señal, ya que pueden existir varias señales analógicas diferentes que coincidan
en los puntos de muestreo, generando la misma señal muestreada. Sin embargo, si impo-
nemos alguna limitación a las señales analógicas, esta ambigüedad puede resolverse y el
proceso pasa a ser invertible. Esta limitación viene dada por el teorema del muestreo. Se
puede demostrar que el sistema de la figura 2.5 es una operación lineal pero no invariante
en el tiempo.

2.2.1. Muestreo ideal

Para estudiar el proceso de muestreo y conversión a tiempo discreto en el dominio de
la frecuencia es interesante dividir el sistema de la figura 2.5 en dos procesos: en primer
lugar se realiza un muestreo con un tren de deltas y en segundo lugar se realiza un cambio
de dominio de tiempo continuo a tiempo discreto, es decir, se realiza una conversión de
tren de impulsos a secuencia. Estos dos procedimientos vienen representados en la figura
2.6. En esta sección se trata el fenómeno de la modulación con un tren de deltas. Para

xa(t)
xs(t)

xa(t) xs(t) Convertidor x[n] = xa(nT)

x impulso /
secuencia -3T -2T -T 0 T 2T 3T t

s(t)
x[n]
C/D ideal

-3 -2 -1 0 1 2 3 n

Figura 2.6: Muestreo con un tren de deltas seguido de un convertidor de tren de impulsos
en secuencia.

obtener las relaciones entre las señales en el dominio de la frecuencia expresamos el tren
de deltas:
∞
X
s (t) = δ (t − nT ) (2.2)
n=−∞

4 Problemas de Tratamiento Digital de Señales

2.2. Muestreo y reconstrucción ideal de señales 5

La transformada de Fourier de la señal queda:

∞
2π X
S (ω) = δ (ω − kωs ), (2.3)
T k=−∞

2π
donde ωs = T
. Finalmente, la señal muestreada queda:
∞
X
xs (t) = xa (t)s(t) = xa (t) δ (t − nT ) (2.4)
n=−∞

En el dominio transformado, la señal muestreada viene dada por:

∞
1 1 X
Xs (ω) = Xa (ω) ∗ S (ω) = Xa (ω − kωs ) (2.5)
2π T k=−∞

La transformada de xs (t) consiste en la superposición una copia de Xa (ω) periódicamente

repetida en los múltiplos de la frecuencia de muestreo ωs . El resultado es una señal
periódica en el dominio de la frecuencia con periodo ωs . En la figura 2.7 se observa
una señal de banda limitada con ancho de banda ωN que ha sido muestreada con una
frecuencia ωs .

Xa(ω) S(ω)
1 2π/Τ
... ...
−ωΝ ωΝ ω −ωs ωs ω
Xs(ω)
... 1/Τ ...
−ωs −ωΝ ωΝ ωs ω
ωs−ωΝ

Figura 2.7: Efecto del muestreo ideal en el dominio de la frecuencia, se cumple ωs > 2ωN .

2.2.2. Reconstrucción
Según el valor de ωs en la figura 2.7 se producen dos situaciones claramente diferencia-
das. Si la frecuencia de muestreo es tal que ωs > 2ωN las copias de Xa (ω) no se solapan,
es decir, la señal xa (t) puede recuperarse a partir de xs (t) mediante un filtro paso bajo
ideal, Hr (ω), como puede verse en la 2.8. El filtro recuperador viene dado por:

T ωN < ωc < ωs − ωN
Hr (ω) = (2.6)
0 resto

y la señal de salida del filtro queda:

Xr (ω) = Xs (ω) Hr (ω) = Xa (ω)

5 Problemas de Tratamiento Digital de Señales

6 2. Muestreo y Reconstrucción de Señales

Xa(ω)
xa(t) xR(t) ... 1/Τ ...
HR(ω)
−ωs −ωΝ ωΝ ωs ω
ωs−ωΝ
Hr(ω)
Τ

−ωc ωc ω
Xr(ω)
1

−ωΝ ωΝ ω

Figura 2.8: Recuperación exacta de la señal mediante un filtro paso bajo ideal, se cumple
ωN < ωc < ωs − ωN .

La segunda situación se produce cuando ωs < 2ωN , en este caso se produce un solapa-
miento entre las copias del espectro desplazadas, tal y como se muestra en la figura 2.9.
Alrededor de ωs /2 se genera una distorsión del espectro provocada por el solapamiento
entre las frecuencias originales del espectro y las frecuencias denominadas “alias”, produ-
ciendo lo que se denomina aliasing.
Supongamos una señal xa (t) = cos(ω0 · t). La transformada de Fourier de la señal son dos

Xa(ω) S(ω)
2π/Τ
1 ... ...
−ωΝ ωΝ ω −2ωs −ωs ωs 2ωs ω
Xs(ω)
1/Τ
... ...
−ωs ωs ω
ωs/2

Figura 2.9: Solapamiento entre las réplicas del espectro de la señal original cuando ωs <
2ωN

deltas centradas en ±ω0 como se muestra en la figura 2.10 (a). Si la frecuencia de muestreo
cumple ωs > 2ω0 , la transformada de Fourier de la señal muestreada se presenta en la
figura 2.10 (b). Situando un filtro recuperador con una frecuencia de corte de ωc = ωs /2 se
puede obtener una recuperación perfecta de la señal original. Por el contrario, si la señal se
muestrea con una frecuencia ωs < 2ω0 , la transformada de Fourier de la señal muestreada
se representa en la figura 2.10 (c). Situando un filtro recuperador con una frecuencia de
corte de ωc = ωs /2 la señal que se obtendrı́a es xr (t) = cos((ωs − ω0 )t). Este fenómeno de
aliasing ocurre porque las frecuencias ω0 y (ωs −ω0 ) son diferentes en continuo pero las dos
generan la misma señal muestreada. Esta caracterı́stica se puede entender fácilmente ob-
teniendo las señales muestreadas: la señal orgininal muestreada es: xa (nT ) = cos(ω0 T n).

6 Problemas de Tratamiento Digital de Señales

2.2. Muestreo y reconstrucción ideal de señales 7

Por otro lado, muestreando la señal xr (t) se obtiene: xr (nT ) = cos((ωs −ω0 )nT ) = xa (nT ).
Teorema de Nyquist:
Sea xa (t) una señal limitada en banda, es decir:

Xa (ω) = 0, |ω| > ωN .

La señal está completamente determinada por sus muestras x[n] = xa (nT ) siempre que
ωs > 2ωN

Xa(ω)

−ω0 ω0 ω
(a)

Xs(ω) Hr(ω)

−ωs −ω0 ω0 ωs ω
ωs/2
(b)

Xs(ω) Hr(ω)

−ω0 ω0 ω
ωs/2 ωs
(c)

Figura 2.10: Transformada de Fourier de la señal xa (t) cuando se muestrea con una fre-
cuencia ωs > 2ω0 y con una frecuencia ωs < 2ω0 .

Problema 2.1
Obtener la mı́nima frecuencia de muestreo de la siguiente señal sin perder información.

Xa(ω)

ω1 ω 2 ω

Figura 2.11: Transformada de Fourier de una señal que se pretende muestrear.

Problema 2.2
Sea una señal x(t) = sen(t), realizar un muestreo a la frecuencia de Nyquist mediante
∞
P
la señal s (t) = δ (t − nT ) y representar las transformadas de Fourier de la señal
n=−∞
original, de la señal muestreada xs (t) = x(t)s(t) y de la señal discreta xd [n] = x(nT ).

7 Problemas de Tratamiento Digital de Señales

8 2. Muestreo y Reconstrucción de Señales

2.3. Convertidor C/D ideal

Un convertidor ADC ideal consta de un C/D ideal y un cuantificador de precisión
infinita. Un cuantificador con precisión infinita no realiza ninguna transformación en la
señal, por lo tanto, puede despreciarse su labor junto con la del codificador. Teniendo
en cuenta esta consideración, se estudiará el funcionamiento del convertidor C/D ideal
mostrado en la figura 2.12 mediante su relación entrada/salida. En el dominio del tiempo

xa(t) xs(t) Convertidor x[n] = xa(nT)

x tren impulsos/
secuencia
s(t)

C/D ideal

Figura 2.12: Convertidor CD.

la relación entrada/salida es simplemente x[n] = xa (nT ). Esta relación es muy sencilla

pero no aporta toda la información de la transformación realizada. Por otro lado, es
interesante observar que la transformación es lineal pero no es invariante temporalmente,
es decir, el sistema completo no es LTI.
En el dominio de la frecuencia, la relación entrada/salida hay que realizarla identificando
la transformada de Fourier de la salida x[n] y de xs (t). Recordando la expresión de xs (t):
∞
X
xs (t) = xa (nT ) δ (t − nT ) (2.7)
n=−∞

Su transformada de Fourier viene dada por dos expresiones:

∞ ∞  
X
−jωT n 1 X 2π
Xs (ω) = xa (nT ) e = Xa ω − k (2.8)
n=−∞
T k=−∞ T

La señal discreta de salida tiene como transformada:

∞
X ∞
X
−jΩn
X (Ω) = x [n] e = xa (nT ) e−jΩn (2.9)
n=−∞ n=−∞

Teniendo en cuenta el último término de la ecuación 2.9 y el segundo término de la

ecuación 2.8, la relación entre transformadas es:

X (Ω) = Xs (ω)|ω= Ω (2.10)

T

por último, si se considera el último término de la ecuación 2.8, X(Ω) se puede poner
como función de Xa (ω):
∞  
1 X Ω 2π
X (Ω) = Xs (ω)|ω= Ω = Xa −k (2.11)
T T k=−∞ T T

8 Problemas de Tratamiento Digital de Señales

2.3. Convertidor C/D ideal 9

Luego X(Ω) es una versión escalada de Xs (ω), como función de Ω = ωT , la cual a su vez
es una suma de diferentes copias de Xa (ω) escaladas y desplazadas en múltiplos de 2π.
Si la señal Xs (ω) es una señal periódica con periodo 2π/T , la señal X(Ω) será periódica
con periodo 2π, como corresponde a la transformada de Fourier de una señal de tiempo
discreto. Dicho de otro modo, el proceso de conversión C/D en el tiempo simplemente
selecciona muestras a intervalos regulares y en el dominio de la frecuencia dota a la trans-
formada de la periodicidad necesaria para corresponder a una señal de tiempo discreto.
Si se introduce la señal de la figura 2.7 en un convertidor C/D, las señales implicadas en
el convertidor C/D vienen dadas por la señal representada en la figura 2.13. La normali-
zación en el tiempo ha dado lugar a una normalización en la frecuencia, de modo que si
en el tiempo se pasa de “segundos” a “muestras”, en el dominio de la frecuencia se pasa
de “rad/s” a “rad/muestra”.

C/D ideal

xa(t) xs(t) Convertidor x[n] = xc(nT) Xs(ω)

x tren impulsos/
... 1/Τ
secuencia ...
s(t) −ωs −ωΝ ωΝ ωs ω

X(Ω)
Xa(ω)
1 ... 1/Τ ...
−ωΝ ωΝ ω −2π −ωΝT ωΝ T 2π Ω

Figura 2.13: Relación en el dominio de la frecuencia de las señales implicadas en el con-

vertidor C/D.

Ejemplo 2.1
Sea una señal xa (t) = A cos (ω0 t), la cual se muestrea con una frecuencia fs = 1/T :

x [n] = A cos (ω0 T n) = A cos (Ω0 n)

Como puede observarse, la relación entre frecuencias surge de forma natural: Ω0 = ω0 T

En el ejemplo anterior se ha puesto de manifiesto la relación entre frecuencias en

el tiempo continuo y en el tiempo discreto. Merece al pena notar que el intervalo de
variación de la frecuencia de tiempo continuo es −∞ < ω < ∞ y todas las frecuencias
de este intervalo son diferentes. Sin embargo, las frecuencias diferentes en tiempo discreto
tienen un intervalo de variación de −π < Ω < π, lo cual implica que muestreando la señal
de tiempo continuo con un periodo T , la correspondencia entre frecuencias no será “uno
a uno”. Para que la correspondencia sea “uno a uno”, las frecuencias analógicas que se
pueden representar sin ambigüedad son: −π/T < ω < π/T . Si existen frecuencias fuera
de este rango (en tiempo continuo), estas frecuencias producirán ambigüedad con sus
“alias” que pertenecen al intervalo. Este fenómeno está mostrado en la figura 2.14, en la
que se muestra la relación entre frecuencias analógicas y discretas. En esta figura puede
observarse que no existe una relación uno a uno entre frecuencias.

9 Problemas de Tratamiento Digital de Señales

10 2. Muestreo y Reconstrucción de Señales

Ω
π

−3π/Τ −π/Τ π/Τ 2π/Τ ω

−π

Figura 2.14: Relación entre frecuencias de tiempo continuo y frecuencias de tiempo dis-
creto.

Problema 2.3
Representar los espectros de todas las señales intermedias en el sistema de la figura 2.12,
cuando la frecuencia de muestreo vale los siguientes valores: fs = 2, 3, 5KHz. Considere
P∞
que se muestrea con la señal: s (t) = δ (t − nT ) y la señal de entrada Xa (ω) es:
n=−∞

Xa(ω)

ω
2πKrad/s
Figura 2.15: Señal de entrada Xa (ω).

2.4. Convertidor D/C ideal

Un DAC ideal es un sistema que interpola la señal digital para obtener una señal
analógica y desde el punto de vista ideal se pueden despreciar todos los procesos excepto la
conversión D/C ideal. En esta sección se estudia la relación entrada/salida del convertidor
de tiempo discreto a tiempo continuo como el mostrado en la figura 2.16. Al igual que

x[n] xr(t)
D/C

Figura 2.16: Representación en diagrama de bloques de un convertidor DC ideal.

el convertidor C/D estudiado en la sección anterior, este sistema es lineal pero no es

invariante temporal. Si la señal discreta proviene de una señal analógica original, la cual
ha sido muestreada cumpliendo el criterio de Nyquist, es posible la recuperación de la señal
original mediante un convertidor D/C. Al igual que en el apartado anterior, es conveniente
descomponer el convertidor D/C en dos elementos, un convertidor de secuencia a tren de
impulsos y un filtro de reconstrucción ideal, tal y como se muestra en la figura 2.17. El

10 Problemas de Tratamiento Digital de Señales

2.4. Convertidor D/C ideal 11

xs(t) Filtro ideal xr(t)

x[n] Convertidor
de recons-
secuencia/
trucción
tren impulsos
Hr(ω)

T
D/C

Figura 2.17: Esquema de funcionamiento de un convertidor DC.

primer elemento convierte la señal discreta en una señal muestreada de tiempo continuo,
la cual consta de un tren de impulsos:
∞
X
xs (t) = x [k] δ (t − kT ) (2.12)
k=−∞

Esta señal es posteriormente filtrada para eliminar las copias del espectro situadas en los
múltiplos de 2π/T , quedando una señal de tiempo continuo similar a la señal original. El
filtro paso bajo ideal se muestra en la figura 2.18 y su respuesta al impulso viene dado
por:
sen πt


T
hr (t) = πt (2.13)
T

Finalmente, la señal de salida del sistema viene dada por la fórmula de interpolación

Ηr(ω)
T

−π/T π/T ω

Figura 2.18: Filtro de recuperación, es paso-bajo ideal.

ideal para la reconstrucción de la señal en todos los instantes de tiempo:

 
π(t−kT )
∞
X ∞
X sen T
xr (t) = x [k] hr (t − kT ) = x [k] π(t−kT )
(2.14)
k=−∞ k=−∞ T

donde la ecuación 2.14 se denomina la función de interpolación ideal. Merece la pena notar
que los ceros de hr (t) hacen que xr (nT ) = x[n] = xa (nT ), es decir, en los instantes de
muestreo la señal recuperada coincide con la señal original. En el resto de los instantes,
las señales con forma de sinc desplazadas se superponen para poder recuperar también
los valores originales de la señal, resultando una recuperación ideal. Un ejemplo se puede
observar en la figura 2.19.

11 Problemas de Tratamiento Digital de Señales

12 2. Muestreo y Reconstrucción de Señales

Señal reconstruida
Amplitud (u.a.)
1

0, 8

0, 6

0, 4

0, 2

−0, 2

−0, 4
-5T -4T -3T -2T -T 0 T 2T 3T 4T 5T t(s)

Figura 2.19: Proceso de recuperación de una señal a partir de sus muestras mediante un
filtro ideal.

Para estudiar el sistema en el dominio de la frecuencia recurrimos a la ecuación 2.11,

la cual relaciona la transformada de Fourier de tiempo discreto x[n] con la transformada
de Fourier de tiempo continuo xs (t). Recordando la relación:

Xs (ω) = X (ωT )

A continuación, la señal pasa por el filtro ideal y la relación entrada salida del sistema
queda:
T · X (ωT ) |ω| < Tπ

Xr (ω) = Hr (ω) X (ωT ) =
0 resto
Si bien en el tiempo se produce una interpolación de la señal para recuperar la señal
analógica, en la frecuencia se produce un filtrado que elimina la periodicidad del espectro
de la señal discreta para convertirla en señal analógica.

Problema 2.4
Dado el convertidor D/C de la figura 2.17 y la señal de entrada de la figura 2.20, repre-
sentar la transformada de Fourier de la señal xs (t) y xr (t).

X(Ω)

−2π Ωc 2π Ω

Figura 2.20: Proceso de recuperación de una señal a partir de sus muestras mediante un
filtro ideal.

12 Problemas de Tratamiento Digital de Señales

2.4. Convertidor D/C ideal 13

A continuación, se muestran dos casos diferentes de señal original, muestreo y recons-

trucción. En el primero de ellos, figura 2.21, se considera una señal limitada en banda que
se somete a una conversión C/D con varios periodos de muestreo y que posteriormente se
pretende recuperar mediante un filtrado ideal. En la figura 2.21 (a) se puede ver la señal y
su transformada. En la figura 2.21 (b) se puede observar un muestreo de la señal con una
frecuencia que cumple el criterio de Nyquist, por lo tanto no existe solapamiento en las
copias del espectro de la señal original. Según va disminuyendo la frecuencia de muestreo
comienza a producirse solapamiento entre copias 2.21 (c,d). La reconstrucción de la señal
en este último caso genera una señal que, debido al solapamiento espectral, cambia su
forma respecto de la original. De hecho, aparece un rizado sobre la señal original que
corresponde al alzamiento que se ha producido en las frecuencias altas del espectro. En el

Figura 2.21: Ejemplo de una señal limitada en banda que se somete a una conversión C/D
y D/C.

segundo caso considerado, la señal no está limitada en banda y por lo tanto, es imposible

13 Problemas de Tratamiento Digital de Señales

14 2. Muestreo y Reconstrucción de Señales

cumplir el criterio de Nyquist. La señal y su transformada son:

xa (t) = e−A|t|
2A
Xa (F ) = A2 +(2πF )2

y se muestran en la figura 2.22 (a). Es importante observar que tanto la señal como
su transformada son decrecientes. Cuando la señal se muestrea a una frecuencia sufi-
cientemente grande, el solapamiento entre copias es muy pequeño, ya que el espectro es
decreciente y el solapamiento viene dado por las colas de las copias del espectro desplaza-
das en los múltiplos de la frecuencia de muestreo. En estas condiciones la recuperación de
la señal no es perfecta pero se aproxima mucho a la señal original, figura 2.22 (b). En la
figura 2.22 (c), la frecuencia de muestreo es más pequeña y la señal recuperada comienza
a diferenciarse de la señal original. Es interesante notar que si la señal se hubiera filtrado
antes de muestrearse, se hubieran eliminando por completo las colas de la señal y el sola-
pamiento entre copias se hubiera evitado. Esta es una forma de mitigar el el solapamiento
y hacer la reconstrucción más precisa.

Figura 2.22: Ejemplo de una señal no limitada en banda que se somete a una conversión
C/D y D/C.

14 Problemas de Tratamiento Digital de Señales

2.5. Procesado en tiempo discreto de señales de tiempo continuo 15

2.5. Procesado en tiempo discreto de señales de tiem-

po continuo
En muchas aplicaciones se requiere procesar señales de tiempo continuo mediante pro-
cesadores digitales. Para ello, como se ha comentado al principio del capı́tulo, se utiliza
un sistema como el de la figura 2.23. Los sistemas convertidores C/D y D/C realizan la
“interface” entre tiempo continuo y tiempo discreto y el sistema total es equivalente a
un sistema de tiempo continuo. Es importante limitar en banda la señal de entrada para

xa(t) x[n] Sistema y[n] ya (t)

Filtro
C/D digital D/C
antisolapamiento
Hd(Ω)
T T
Figura 2.23: Sistema convertidor a digital, etapa de procesado y conversión de nuevo al
dominio continuo.

preservar la máxima frecuencia deseada y limitar los efectos indeseados del aliasing. Para
ello se realiza un prefiltrado de la señal de entrada con un filtro denominado filtro anti-
aliasing. El uso de este filtro también elimina el posible ruido aditivo e interferencias que
contenga la señal fuera del rango de frecuencias de interés, ya que las réplicas desplazadas
van a introducir sus colas, que contienen el ruido e interferencias, dentro de la banda de
frecuencias de interés, generando aliasing. Por otro lado, es necesario ajustar el periodo de
muestreo de los convertidores C/D y D/C, que tiene que ser suficientemente grande para
preservar la máxima frecuencia deseada de la señal, atendiendo al criterio de Nyquist.

2.5.1. Relación entrada/salida

Para establecer la relación entrada/salida del sistema equivalente de la figura 2.23,
es necesario encadenar las relaciones entrada/salida de cada uno de los sistemas que lo
componen. En primer lugar, el sistema C/D ideal es un sistema lineal y no invariante en el
tiempo que escala el espectro analógico en un factor 1/T y crea una repetición periodica
en el espectro con periodo 2π. Las relaciones entrada/salida en el tiempo y en la frecuencia
son:
x [n] = xa (nT )
∞
X (Ω) = 1
P
X Ω − k 2π

(2.15)
T a T T
k=−∞

El sistema D/C ideal tiene el cometido de escalar el espectro de entrada por un factor
T y eliminar la región del espectro cuyas frecuencias cumplan: |ω| > π/T . Las relaciones
entrada/salida en el tiempo y en la frecuencia son:
∞
P
ya (t) = y [k] · hr (t − kT )
k=−∞ (2.16)
Ya (ω) = Y (ωT ) · Hr (ω)

Suponemos que el sistema intermedio es un sistema LTI que viene dado por su respuesta en
frecuencia H(Ω). El sistema realiza el procesado digital y relaciona la salida del convertidor

15 Problemas de Tratamiento Digital de Señales

16 2. Muestreo y Reconstrucción de Señales

C/D con la entrada del convertidor D/C:

Y (Ω) = X (Ω) Hd (Ω) (2.17)

Finalmente, componiendo todas las relaciones, la salida del sistema queda en el dominio
transformado: ∞  
1 X 2π
Ya (ω) = Hr (ω) H (ωT ) Xa ω − k (2.18)
T k=−∞ T
Si la señal es limitada en banda y se muestrea cumpliendo el criterio de Nyquist, entonces
el filtro recuperador situado en el convertidor D/C filtrará todas las copias del espectro de
la señal de entrada que están desplazadas, dejando pasar el espectro original. La relación
entrada/salida en estas condiciones queda:

Hd (ωT ) Xa (ω) |ω| < Tπ


Ya (ω) = (2.19)
0 resto

Teniendo en cuenta el resultado anterior, es posible definir un sistema LTI analógico

equivalente cuya respuesta en frecuencia queda:

Hd (ωT ) |ω| < Tπ


Ha (ω) = (2.20)
0 resto

De modo que la relación entrada/salida en el dominio de la frecuencia queda:

Ya (ω) = Ha (ω) Xa (ω) (2.21)

Merece la pena recordar que para que se cumplan las ecuaciones 2.19, 2.20 y 2.21 es
necesario que el sistema discreto sea LTI, que la señal de entrada sea limitada en banda
y que se cumpla el criterio de Nyquist en el muestreo, es decir, que no haya solapamiento
con las réplicas del espectro de la señal.

Ejemplo 2.2
Teniendo en cuenta un filtro digital, ideal, paso bajo y de frecuencia de corte Ωc como el
de la figura 2.24:

Ηd(Ω)

2π −Ωc Ωc 2π Ω

Figura 2.24: Filtro digital ideal paso bajo.

se puede obtener un filtro analógico equivalente usando un sistema como el de la figura

2.23, el cual viene dado por:

Hd (ωT ) |ω| < Tπ


Ha (ω) = (2.22)
0 resto

16 Problemas de Tratamiento Digital de Señales

2.5. Procesado en tiempo discreto de señales de tiempo continuo 17

y su representación gráfica viene dada por la figura 2.25:

Ηa(ω)

−Ωc/T Ωc/T ω

Figura 2.25: Filtro digital ideal paso bajo.

Merece la pena resaltar que el filtro analógico depende de Ωc y T , de modo que con un
único filtro digital podemos conseguir diferentes filtros analógicos modificando el periodo
de muestreo T .

Problema 2.5
Representar la transformada de Fourier de ya (t) del sistema de la figura 2.26 para los
siguientes casos:
1/T1 = 1/T2 = 104 Hz
1/T1 = 1/T2 = 2 · 104 Hz
1/T1 = 2 · 104 Hz, 1/T2 = 104 Hz
1/T1 = 104 Hz, 1/T2 = 2 · 104 Hz

xa(t) ya (t)
C/D Hd(Ω) D/C

T1 T2
Xa(ω)

−10π 10π ω(Krad/s)

Hd(Ω)
1

−π/2 π/2 Ω

Figura 2.26: Filtro digital ideal paso bajo.

2.5.2. Simulación de sistemas analógicos

En la sección anterior se ha obtenido un sistema analógico equivalente al sistema de
la figura 2.23, dicho sistema se representa en la figura 2.27.

17 Problemas de Tratamiento Digital de Señales

18 2. Muestreo y Reconstrucción de Señales

xa(t) ya (t)
Ha(ω)

Figura 2.27: Filtro analógico equivalente.

Un sistema digital funcionando dentro de un sistema como el de la figura 2.23 genera

una relación entrada salida que viene dada por:
Hd (ωT ) Xa (ω) |ω| < Tπ

Hd (Ω) → Ya (ω) = (2.23)
0 resto
También se puede plantear el problema inverso: dado un sistema analógico, encontrar el
sistema digital que realiza la misma transformación. Según la ecuación 2.23, para poder
simular un sistema analógico es necesario que esté limitado en banda en el intervalo
|ω| < π/T , es decir:
 
π Ω
Ha (ω) , |ω| < T → Hd (Ω) = Ha , |Ω| < π (2.24)
T
Si Ha (ω) no está limitado en la banda [−π/T, π/T ] pero la señal de entrada si lo está,
entonces solo se utilizan las frecuencias dentro de este rango. En este caso se puede limitar
en banda Ha (ω) de forma artificial, considerando solo la región |ω| < π/T .

2.5.3. Respuesta al impulso invariante

Dado un sistema digital situado entre un convertidor C/D y D/C, se ha considerado
el cálculo de un sistema analógico equivalente, por otro lado, dado un sistema analógico
se ha considerado el sistema digital que lo simula. En todos los cálculos y deducciones se
ha utilizado el dominio de Fourier. En esta sección se estudian las transformaciones en
el dominio del tiempo, para ello se considera un sistema analógico dado por una función
sistema Ha (ω). Este sistema se simula mediante un sistema digital con la respuesta en
frecuencia: ∞  
X Ω 2π
Hd (Ω) = Ha −k (2.25)
T T
k=−∞
Es decir, es necesario considerar la respuesta en frecuencia analógica como función de
Ω/T y una colección de copias situadas en los múltiplos de 2π. Esta transformación en
la frecuencia es equivalente al muestreo en el dominio del tiempo, es decir, si el sistema
analógico tiene una respuesta al impulso de ha (t), el sistema digital viene definido por el
muestreo de ha (t) multiplicándolo por T :
hd [n] = T · ha (nT ). (2.26)
Es sencillo demostrar que la respuesta en frecuencia de hd [n] viene dada por la ecuación
2.25, ya que es la misma relación en la frecuencia que la de un convertidor C/D actuando
sobre una señal de entrada ha (t). El factor T es necesario para que su transformada
coincida con la del sistema equivalente. Es decir, se puede conseguir un sistema digital
equivalente a uno analógico simplemente muestreando su respuesta al impulso. Merece la
pena recordar que el sistema analógico debe estar limitado en banda para que esta técnica
funcione.

18 Problemas de Tratamiento Digital de Señales

2.6. Procesado de tiempo continuo de señales de tiempo discreto 19

Ejemplo 2.3
A continuación se muestra un ejemplo de la aplicación de la respuesta al impulso inva-
riante. Sea un filtro analógico con una respuesta en frecuencia:

1 |ω| < ωc
Ha (ω) = (2.27)
0 resto
Su función de respuesta al impulso es:
sen (ωc t)
ha (t) =
πt
Teniendo en cuenta la ecuación 2.25, su equivalente digital es:

1 |Ω| < ωc T
Hd (Ω) =
0 ωc T < |Ω| < π
por lo tanto, la respuesta al impulso digital es:
sen (ωc T n)
hd [n] =
πn
La cual se corresponde con el muestreo de la analógica.

Problema 2.6

Calcular la respuesta en frecuencia de un sistema digital que simule a un diferen-

ciador analógico para procesar señales limitadas en banda con ωM = π/T .

Suponer una señal de entrada xa (t) = cos(ω0 t). Obtener la entrada digital y su
transformada de Fourier y la salida digital y su transformada.
Nota: el diferenciador tiene unas relación entrada/salida:
dxa (t)
ya (t) =
dt

2.6. Procesado de tiempo continuo de señales de tiem-

po discreto
En ocasiones suele ser interesante plantearse la situación inversa a la estudiada, es
decir, la simulación de un sistema digital mediante un sistema analógico, tal y como se
muestra en la figura 2.28. Para calcular el sistema digital efectivo es necesario tener en
cuenta las relaciones de entrada/salida de cada uno de los elementos. En primer lugar, la
relación entrada/salida del convertidor D/C queda:
∞
P
xa (t) = x [n] · hr (t − nT )
k=−∞
T · X (ωT ) , |ω| < Tπ

Xa (ω) =
0 resto

19 Problemas de Tratamiento Digital de Señales

20 2. Muestreo y Reconstrucción de Señales

x[n] xa(t) Sistema ya (t) y[n]

D/C analógico C/D
Ha(ω)
T T
Hd(Ω)

Figura 2.28: Sistema convertidor a digital, etapa de procesado y conversión de nuevo al

dominio continuo.

La relación entrada salida del convertidor C/D queda:

y [n] = ya (nT )
Y (Ω) = T1 Ya Ω


T
, |Ω| < π

y finalmente se considera uns sitema analógico LTI que viene dado por: Ya (ω) = Xa (ω) Ha (ω).
Con todas estas relaciones, encadenando todas las entradas y salidas finalmente queda un
sistema digital efectivo:  
Ω
Hd (Ω) = Ha , |Ω| < π
T
A continuación se presenta un ejemplo donde es necesario simular un sistema digital
mediante uno analógico.

Ejemplo 2.4
En ocasiones es necesario dotar de sentido fı́sico a algunos sistemas digitales que no lo
tienen, por ejemplo, un sistema digital que venga dado por su respuesta en frecuencia:

Hd (Ω) = e−jΩ∆ , |Ω| < π

Si ∆ es un número entero el sistema realiza un retardo temporal: y [n] = x [n − ∆]

si ∆ no es entero, se puede definir el retardo temporal mediante un sistema de

procesado continuo equivalente como el de la figura 2.28. La señal de entrada se
transforma al dominio del tiempo continuo, se desplaza una cantidad ∆ según la
respuesta en frecuencia del sistema analógico equivalente: Ha (ω) = e−jωT ∆ y la señal
analógica se desplaza mediante: ya (t) = xa (t − ∆T ). Con estas consideraciones, la
señal digital queda: y [n] = ya (nT ).

Un ejemplo de este tipo de transformación se muestra en la figura 2.29.

2.7. Cuantificación
Hasta ahora se ha considerado que existe una precisión infinita en la representación
digital de los datos, por lo tanto, se han despreciado las etapas de cuantificación y codi-
ficación. En una aproximación más realista, es necesario considerar la precisión finita y
su efecto sobre los sistemas. Una señal discreta es una secuencia de números que puede

20 Problemas de Tratamiento Digital de Señales

2.7. Cuantificación 21

Figura 2.29: Señal discreta y señal analógica original (a), desplazamiento de la señal
analógica y discretización.

tomar cualquier valor dentro de un rango continuo. Para obtener una señal digital es ne-
cesario representar o codificar los números mediante una cantidad finita de bits, es decir,
mediante un conjunto discreto y finito de niveles de cuantificación. La cuantificación con-
siste en asignar a cada amplitud de la señal un nivel de cuantificación, proceso no lineal
y no invertible. La cuantificación introduce inevitablemente una distorsión en la señal,
que da lugar al error de cuantificación. Este error suele considerarse como un ruido de
cuantificación sobre la señal original.
El procedimiento para la cuantificación consiste en dividir el rango de amplitudes de
la señal de entrada en L + 1 niveles de cuantificación, denominados: x1 , . . . , xL+1 . Los
niveles de cuantificación definen L intervalos y a cada uno de estos intervalos se le
asocia un valor de cuantificación, x̂1 , . . . , x̂L . Si la señal x[n] está dentro del intervalo:
Ik = {xk < x[n] ≤ xk+1 }, k = 1, . . . , L se le asocia un valor de cuantificación x̂k . Esta
asignación la realiza matemáticamente el operador Q[·]:

xq [n] = Q[x[n]] = x̂k , si x[n] ∈ Ik (2.28)

En la figura 2.30 se muestran los niveles, los intervalos, los valores de cuantificación y
el escalón de cuantificación ∆. Como puede observarse, el espaciado de los escalones de
cuantificación es uniforme, en este caso el cuantificador se denomina uniforme o lineal.
Tı́picamente se usan cuantificadores uniformes para realizar un procesado digital de la
señal, no obstante, para aplicaciones de almacenamiento y transmisión de señales puede no
ser uniforme. La diferencia entre el máximo valor de la señal y el mı́nimo R = xL+1 −x1 se
denomina rango dinámico del cuantificador. Tı́picamente el cuantificador suele ser bipolar,
es decir el valor máximo y el mı́nimo son opuestos uno del otro y la escala es simétrica
respecto del 0, x1 = −xL+1 . El funcionamiento de un cuantificador viene dado por su
función caracterı́stica, en la figura 2.31 se representa una función caracterı́stica tı́pica de
un cuantificador uniforme. Como se puede observar el valor del cuantificador viene dado
por el redondeo del valor de la señal al valor de cuantificación más cercano. La cantidad de
valores de cuantificación debe ser un número par (2b+1 ), si se requiere la codificación del 0

21 Problemas de Tratamiento Digital de Señales

22 2. Muestreo y Reconstrucción de Señales

x1 x2 x3 xL+1

x^ 1 ^x
2
x^ 3 ∆

Rango
Figura 2.30: Niveles, intervalos y los valores de cuantificación.

entonces el rango queda asimétrico. En la figura se muestran 8 valores de cuantificación,

de los cuales uno es el cero, tres positivos y cuatro negativos. También puede observarse
el error cometido por la cuantificación, el cual oscila entre: −∆/2 < eq [n] ≤ ∆/2 debido
al redondeo que se produce en la señal. El error cometido por la cuantificación se define
como:
eq [n] = xq [n] − x[n]. (2.29)
Una vez cuantificados los valores, es necesario codificarlos y para ello, si la señal consta de

^x[n]

R 3∆

2∆

∆
xmin ∆ xmax

−9∆/2 −7∆/2 −5∆/2 −3∆/2 −∆/2 ∆/2 3∆/2 5∆/2 7∆/2 x[n]
-∆

-2∆

-3∆

-4∆
^
eq[n]=x[n]-x[n]
∆/2

x[n]
-∆/2

Figura 2.31: Función caracterı́stica de un cuantificador uniforme.

L valores, es necesario una cantidad b+1 de bits tal que: L = 2b+1 . Con esta consideración,
el escalón de cuantificación se calcula como:
R
∆= , (2.30)
2b+1
donde R es el rango dinámico del cuantificador. Merece la pena notar que cuando aumenta
el número de bits, disminuye el escalón de cuantificación y por tanto disminuye el error
cometido en la cuantificación.

22 Problemas de Tratamiento Digital de Señales

2.7. Cuantificación 23

En los convertidores ADC reales pueden existir multitud de desviaciones respecto del com-
portamiento ideal, pueden existir problemas de offset en las transiciones de los escalones,
errores en los factores de escala (o ganancia) de la señal de entrada, no linealidades en la
separación de escalores de cuantificación, etc...

2.7.1. Análisis de errores de cuantificación

Para estimar el error cometido por el ADC debido a la cuantificación es necesario
realizar un estudio estadı́stico, ya que el error depende de las caracterı́sticas de la señal
en cada punto y estas son desconocidas. Por otro lado, el comportamiento del cuantifi-
cador es no lineal y por tanto muy complicado de tratar de forma determinista. Desde
el punto de vista estadı́stico se asume que el error es de naturaleza aleatoria y se consi-
dera como un ruido aditivo a la señal, de este modo el cuantificador se puede modelar
matemáticamente como el sistema mostrado en la figura 2.32. Si los valores de la señal

x[n] ^x[n] x[n] ^x[n]=x[n]+e[n]

Cuantizador
+
Q[.]
e[n]

Figura 2.32: Cuantificador y modelo estadı́stico.

de entrada están dentro del rango dinámico del cuantificador, el error de cuantificación
estará acotado: |eq [n]| < ∆/2, este tipo de error se suele denominar ruido granular. Por
el contrario, si la señal de entrada está fuera del rango, se produce un desbordamiento
que genera un recorte de la señal y un valor del error que está descontrolado, este caso no
será considerado.
Para caracterizar el modelo estadı́stico del error es necesario suponer algunas caracterı́sti-
cas razonables:

El error eq [n] está uniformemente distribuido en el rango [−∆/2, ∆/2].

El error se considera un ruido blanco estacionario, es decir, no está correlacionado

en el tiempo.

El error no está correlacionado con la señal de entrada.

La señal de entrada es estacionaria y de media cero.

Estas suposiciones se cumplen razonablemente bien cuando la señal varia de un modo

complicado y los escalones de cuantificación son suficientemente pequeños, de modo que
entre muestras sucesivas de la señal existan varios escalones de cuantificación. Con estas
consideraciones, la función de densidad de probabilidad del ruido de cuantificación es
uniforme y de media cero, como se muestra en la figura 2.33. El efecto del ruido de
cuantificación sobre la señal se suele cuantificar mediante la relación señal a ruido de
cuantificación (SQNR), la cual se define como:

Px
SQNR = 10 log10 , (2.31)
Pe

23 Problemas de Tratamiento Digital de Señales

24 2. Muestreo y Reconstrucción de Señales

p(e)
1/∆

e
-∆/2 ∆/2

Figura 2.33: Función de densidad de probabilidad del ruido de cuantificación.

donde Px = σx2 = E[x2 (n)] es la potencia promedio de la señal y Pe = σe2 = E[e2q (n)]. La
potencia del error de cuantificación queda:

Z∆/2
∆2
Pe = σe2 = e2 p (e) de = . (2.32)
2
−∆/2

Sustituyendo la potencia en la ecuación 2.31 y teniendo en cuenta la relación 2.30 queda:

Px σx R
SQNR = 10 log10 = 20 log10 = 6,02b + 16,81 − 20 log10 (2.33)
Pe σe σx

En esta ecuación se pone de manifiesto que cada bit que se añada al cuantificador au-
menta 6dBs aproximadamente la SQNR. Es interesante analizar el último término de la
ecuación, el cual relaciona el rango dinámico del cuantificador con la varianza de la señal.
Si la varianza toma un valor demasiado grande la amplitud de la señal supera al rango
dinámico y se produce un desbordamiento que implica un recorte de la señal. Si la varian-
za es demasiado pequeña, la relación SQNR disminuye. Por lo tanto, es necesario adaptar
lo mejor posible el rango de variación de la señal al rango dinámico del cuantificador. Si
consideramos una señal de entrada con una función de distribución de probabilidad Gaus-
siana y extendemos el rango dinámico del cuantificador a R = 6σx , la ecuación anterior
queda:
SQNR = 6,02b + 1,25 (2.34)
Como un ejemplo, en grabación y reproducción de música digital de alta fidelidad se usa
un SQNR entre 90 y 96dBs. Esto implica un convertidor DAC con un cuantificador de al
menos 16 bits.

2.8. Codificación
Existen diferentes representaciones para codificar los números, cada una de las cuales
tiene sus ventajas e inconvenientes. En esta sección se realiza una revisión, a modo de
recordatorio, de las técnicas de representación de números más interesantes. Tı́picamente,
ésta suele ser la última etapa de un convertidor ADC en la cual se realiza la codificación
binaria de la señal.
Todos los números se pueden representar mediante una descomposición polinómica en
función de una determinada base, la más tı́pica es la base decimal aunque se puede utilizar
cualquier otra. En particular, en sistemas digitales se utiliza una representación binaria,

24 Problemas de Tratamiento Digital de Señales

2.8. Codificación 25

es decir, con base 2. Sea un número con parte entera y parte fraccional dado por:
b
X
xi r −i , 0 ≤ xi ≤ r − 1


X= x−a . . . x−1 x0 , x1 . . . xb r
= (2.35)
i=−a

donde xi representa los dı́gitos o bits, r es la base, a es el número de dı́gitos enteros y

b es el número de dı́gitos fraccionales. En el caso binario, los dı́gitos únicamente pueden
tomar valores {0, 1}. El dı́gito situado más a la izquierda, x−a se denomina el bit más
significativo (MSB, most significative bit) y el dı́gito situado más a la derecha, xb es el bit
menos significativo (LSB, least significative bit). El punto o coma entre los bits x0 y x1
no existe fı́sicamente en los computadores, para su gestión se diseñan los circuitos lógicos
para asumir el punto o coma en la posición que se haya prefijado. Un número de bits
disponible para representar un número hace que solo se puedan representar una cantidad
de números finita. El proceso de cuantificar convierte las amplitudes de la señal en otras
aproximadas que pueden ser representadas con un número determinado de bits. Todas
las operaciones implicadas en el procesado digital también están sujetas a los efectos
provocados por el hecho de tener un número finito de bits (longitud finita de la palabra
o efectos de precisión finita), cualquier operación con números digitales puede generar un
resultado que no se pueda representar con el número de bits disponible y en ese caso es
necesario volver a realizar una cuantificación mediante redondeo o truncamiento del valor
del número. Este procedimiento se le denomina aritmética de precisión finita y genera
errores cuyo valor depende del número de bits utilizado. Estos errores se propagan a
lo largo de los procedimientos implicados en un algoritmo y pueden generar resultados
erróneos, incluso divergencias e inestabilidades del propio algoritmo.

2.8.1. Representación de punto fijo

Debido a que la gestión de la posición del punto decimal de los números puede ser
complicada, se suelen considerar números que solo tienen parte fraccional. Merece la pena
notar que cualquier número con parte entera y fraccional se puede considerar fraccional
sacando como factor común r a . Para un número positivo que sea puramente fraccional la
representación de punto fijo consiste en poner el bit más significativo a 0 y el resto:
b
X
X = 0. x1 x2 . . . xb = xi 2−i (2.36)
i=1

de manera que la representación usa b + 1 bits, por lo tanto tiene una capacidad para
representar 2b números positivos con una distancia entre números consecutivos de 2−b .
Para la representación de los números negativos existen varias alternativas:

Signo y magnitud: Se pone el bit más significativo a 1 quedando X = 1. x1 x2 . . . xb .

Complemento a uno: Consiste en obtener la representación del número positivo y

cambiar todos los bits por sus complementarios a uno, es decir, si el bit vale 1 su
complementario vale 0 y si el bit vale 0, su complementario vale 1.

X1C = 1. x̄1 x̄2 . . . x̄b , (2.37)

25 Problemas de Tratamiento Digital de Señales

26 2. Muestreo y Reconstrucción de Señales

donde x̄i = 1 − xi . Los números representados están distribuidos en un rango [−(1 −

2−b ), 1 − 2−b ]. El cero está representado cos dos números diferentes, con todos los
bits a cero y con todos los bits a uno.

Complemento a dos: consiste en representar el número positivo resultante de sumar

2 al número negativo que queremos representar. Una técnica más sencilla para ob-
tenerlo consiste en obtener el complemento a uno y sumarle un número que consiste
en el bit menos significativo. La suma se realiza en módulo 2 e ignorando en la suma
el bit más significativo:

X2C = 1. x̄1 x̄2 . . . x̄b + 00 . . . 01, (2.38)

Con este método los números representados están distribuidos en un rango [−1, 1 −
2−b ], por lo tanto es un código asimétrico. Por otro lado, el cero está representa-
do con un solo número. Una caracterı́stica muy importante de la aritmética de la
suma es que si la suma final de un conjunto de sumandos está dentro del rango
de representación el cálculo será correcto, incluso si las sumas parciales producen
desbordamiento ( “overflow”, valores fuera del rango de representación).
Cada tipo de representación tiene unas reglas aritméticas asociadas. Tı́picamente se usa
la representación de complemento a 2, ya que es la más utilizada por los procesadores
digitales de la etapa de procesado que suele venir a continuación. Debido a que ésta
representación permite codificar números en el intervalo [−1, 1), normalmente la señal de
entrada suele ser escalada para que exista una correspondencia directa.

2.8.2. Representación de punto flotante

En una representación de punto fijo que cubra un rango de números de xmax − xmin
la resolución viene dada por:
xmáx − xmı́n
∆= , (2.39)
m−1
donde m = 2b es el número de niveles de cuantización y b es número de bits utilizados. Al
rango de valores xmax − xmin que es posible representar se le denomina rango dinámico.
Para un rango dinámico dado la resolución es fija, si aumenta el rango dinámico disminuye
la resolución. En muchas ocasiones es necesario tener una resolución variable, es decir,
que permita obtener más resolución para números más pequeños y menos resolución para
números más grandes. Al mismo tiempo es necesario aumentar el rango dinámico de la
representación. Estas caracterı́sticas se consiguen con la representación de punto flotante.
Un número flotante binario viene dado por la mantisa M, la cual es la parte fraccional
de un número que esté en el rango 1/2 ≤ M < 1 ( si está fuera de este rango se saca
factor común 2), y por un factor exponencial 2E , donde E es un número entero positivo
o negativo. El número X se representa por:

X = M × 2E (2.40)

Tanto la mantisa como el exponente requieren un bit para el signo. Un ejemplo de repre-
sentación del 5 puede ser:
(0,101000) × 2011

26 Problemas de Tratamiento Digital de Señales

2.9. Consideraciones prácticas 27

Debido a la multiplicación por la exponencial, la resolución depende del módulo del núme-
ro que se representa, además se aumenta el rango de valores representados. Con este tipo
de representación se aumenta la precisión de los cálculos a costa de un mayor procesado,
ya que el tipo de aritmética necesaria es más compleja. Por ejemplo, para sumar dos
números requiere que el exponente sea el mismo, por lo tanto es necesario realizar una
adaptación previa de los números. Los detalles de la definición del formato de punto flo-
tante están descritos en el standard IEEE 754 el cual define varios niveles de precisión,
media (16 bits), simple (32 bits), doble (64 bits) y cuádruple (128 bits). Por ejemplo, en
el caso de doble precisión que es la más utilizada por computadores de uso general (por
ejemplo, Matlab por defecto) viene dada por:
Un bit para el signo.
11 bits para el exponente E
52 bits para la mantisa.

2.9. Consideraciones prácticas

Hasta ahora hemos tratado la conversión ADC y DAC como operaciones ideales, las
cuales nos han permitido obtener una descripción matemática elegante de la simulación
de sistemas analógicos mediante sistemas digitales y viceversa. En la práctica no es tan
sencillo, en primer lugar las señales no están limitadas en banda y los filtros disponibles
no son ideales, por lo tanto no pueden limitar las señales en banda. Además, los conver-
tidores CD y DC son dispositivos electrónicos que solo pueden ofrecer una aproximación
al comportamiento ideal. En las siguientes secciones trataremos una aproximación más
realista al convertidor ADC y DAC.

2.9.1. Convertidores ADC

El ADC es un dispositivo que convierte una señal de voltaje o corriente en un código
binario que representa valores discretos de amplitud lo más cercanos posible a la amplitud
de la señal de entrada. En un sistema real, cada T segundos tiene que salir una muestra
digital y en ese tiempo tiene que realizarse el muestreo, la cuantificación y la codificación.
Para que el sistema funcione correctamente, es necesario que el muestreo obtenga una
muestra y mantenga su valor hasta que se hayan completado todas las operaciones. Este
tipo de muestreo se denomina muestreo y retención (Sample and Hold, S/H) sustituye
al convertidor CD ideal y se antepone al procedimiento de cuantificación y codificación.
El S/H permite que la cuantificación y codificación no sea instantánea y dota al sistema
del tiempo suficiente para que realice sus tareas. Si no se realiza la retención y la señal
de entrada cambia en una cantidad superior a la mitad del escalón de cuantificación,
la cuantificación y codificación será erronea. Por esta razón, para sistemas de resolución
moderada o alta (a partir de unos 12 bits por muestra) con gran ancho de banda es im-
prescindible el S/H. El circuito que realiza la operación S/H está controlado digitalmente
y su funcionamiento es seguir las variaciones de la señal durante el modo muestreo (S) y
retener el valor de la señal durante el modo retención (H). La señal de entrada y salida
al S/H se puede ver en la figura 2.34. El tiempo necesario para realizar la cuantificación

27 Problemas de Tratamiento Digital de Señales

28 2. Muestreo y Reconstrucción de Señales

y codificación debe ser inferior al tH y el periodo de muestro total T debe ser mayor que
tS + tH . En principio, un S/H ideal no introduce distorsión en el proceso de conversión

Salida S/H

S H S H S
H S S
tS+tH H

Entrada

Figura 2.34: Señal de entrada y salida del S/H.

pero en la realidad son dispositivos que están sujetos a variaciones en la periodicidad del
muestreo, oscilaciones del voltaje debidos a transitorios, etc...

2.9.2. Convertidores DAC

La señal de salida de un convertidor DAC ideal viene dada por:
 
π(t−kT )
X∞ ∞
X sen T
xr (t) = x [k] hr (t − kT ) = x [k] π(t−kT )
(2.41)
k=−∞ k=−∞ T

como se puede observar el procedimiento es complejo ya que para el cálculo de la señal

en un t dado se requiere el conocimiento de toda la secuencia x[k] para todos los valores
de k. Esto hace que el procedimiento no sea útil desde el punto de vista práctico. En
la práctica un convertidor DAC real consta de varias etapas: un convertidor de digital
a analógico (D/C), una etapa de muestreo y retención S/H y un filtro paso bajo que
suaviza la señal de salida. Una representación gráfica de las etapas se muestra en la figura
2.35 En primer lugar, el convertidor DC acepta como entrada una señal eléctrica que

ySH(t) Filtro ^y(t)

y[n]
Convertidor S/H paso-bajo
DC
compensacion

Figura 2.35: Etapas implicadas en un DAC real.

corresponde a una palabra digital, su tarea es producir una señal eléctrica proporcional
al valor de esa palabra digital. Un ejemplo de función caracterı́stica de este sistema para
una señal digital de 3 bits se muestra en la figura 2.36. Normalmente el convertidor D/C
tarda un tiempo en alcanzar el valor deseado, ya que normalmente la salida consta de
un transitorio oscilatorio, sobre todo cuando los saltos de voltaje son altos. Para evitar
este carácter oscilatorio la señal de salida se suele pasar a una etapa de muestreo y
retención que mantiene el valor de voltaje constante hasta que la nueva muestra llegue a
producirse. Un ejemplo de señal de entrada y salida del S/H se muestra en la figura 2.37.
La salida de este sistema es una aproximación a la señal analógica original mediante una
función escalera. Este tipo de salida se expresa matemáticamente mediante la función de

28 Problemas de Tratamiento Digital de Señales

2.9. Consideraciones prácticas 29

Salida

3∆

2∆

100 101 110 111 000 001 010 011 Entrada

-∆

-2∆

-3∆

-4∆

Figura 2.36: Función caracterı́stica de un DC.

Señal de entrada
Señal de salida, ySH(t)

t
0 T 2T 3T 4T 5T 6T 7T

Figura 2.37: Ejemplo de señal de entrada y salida del S/H.

interpolación: 
1 0≤t<T
hSH (t) = (2.42)
0 resto
y la señal de salida viene dada por:
∞
X
ySH (t) = y [n]hSH (t − nT ) (2.43)
n=−∞

En el dominio de la frecuencia la función de interpolación queda:

2sen (ωT /2) −jωT /2

HSH (ω) = e (2.44)
ω
La representación gráfica de la ecuación 2.44 superpuesta con la respuesta en frecuencia del
interpolador ideal se presenta en la figura 2.38 (a). Como se puede ver la frecuencia de corte
del filtro interpolador no está definida y deja pasar sin mucha atenuación componentes
frecuenciales hasta 2π/T . Como consecuencia de esto, el filtro de reconstrucción deja pasar
parte del espectro que es susceptible de contener aliasing. Para compensar este efecto
y tener una señal más aproximada a la señal analógica, se suele situar un filtro paso
bajo de compensación que limita el paso de las frecuencias que están fuera del intervalo
[−π/T, π/T ] y compensa la distorsión generada por la respuesta en frecuencia del filtro
interpolador del S/H, figura 2.38 (b).

29 Problemas de Tratamiento Digital de Señales

30 2. Muestreo y Reconstrucción de Señales

|HSH(ω)| Hr(ω)

2π ω
(a) T

|Hc(ω)|

π ω
T
(b)

Figura 2.38: Respuesta en frecuencia del filtro interpolador ideal y del S/H (a). Filtro
compensador (c) .

2.10. Muestreo y reconstrucción de señales paso-banda

Sea una señal paso-banda de tiempo continuo con ancho de banda definido como
B = ωH − ωL y con un espectro que se extiende en el intervalo: 0 < ωL < |ω| < ωH , tal y
como se muestra en la figura ??. En esta figura se observa también la frecuencia central
del espectro, ωc = (ωL + ωH )/2. Resulta evidente que usando una frecuencia de muestreo
de ωs ≥ 2ωh no existe solapamiento pero la ocupación del espectro no es en absoluto
eficiente, es decir, se puede muestrear con frecuencias menores sin solapamiento. Para
ello, es necesario tener en cuenta el ancho de banda de la señal y entender la ocupación
del espectro cuando una señal se muestrea.

Xa(ω)

-ωH-ωc-ωL ωL ωc ωH
ω
Figura 2.39: Espectro de una señal paso-banda.

2.10.1. Muestreo uniforme

Como se ha mencionado anteriormente, en general el muestreo de una señal cualquiera
y en particular el muestreo de una señal paso-banda genera una señal cuyo espectro viene
dado por:
∞
1 X
Xs (ω) = Xa (ω − kωs ) (2.45)
T k=−∞
donde la posición de las réplicas de la transformada de la señal original están controladas
por el parámetro ωs . En este caso, la elección de la frecuencia de muestreo debe ser

30 Problemas de Tratamiento Digital de Señales

2.10. Muestreo y reconstrucción de señales paso-banda 31

cuidadosa para que no exista solapamiento provocado tanto por la banda de frecuencias
positivas como por la banda de frecuencias negativas. Para evitar el solapamiento se
distinguen dos casos, los cuales se estudian a continuación.

Posicionamiento entero de la banda

Suponiendo que la máxima frecuencia del espectro cumple: ωH = mB, donde m denota
la posición de la banda, existe espacio en el espectro para alojar un número entero de
bandas espectrales. Esto quiere decir que la mı́nima frecuencia de muestreo que genera
un espectro sin solapamiento es ωs = 2B. Esta situación corresponde a la situación lı́mite
en la cual se obtiene un espectro completamente ocupado, pero sin solapamiento. En la
figura 2.40 y 2.41 puede observarse esta situación cuando m = 3 y m = 4 respectivamente.
La reconstrucción de la señal se puede realizar, como se ha estudiado, con un filtro ideal

Xa(ω)

-ωH-ωc-ωL ωL ωc ωH
ω
Xs(ω)

-ωH-ωc-ωL ωL ωc ωH
ω
Figura 2.40: Respuesta en frecuencia de una señal paso banda con m = 3 y la señal
muestreada.

Xa(ω)

-ωH-ωc-ωL ωL ω c ω H
ω
Xs(ω)

-ωH-ωc-ωL ωL ωc ωH
ω
Figura 2.41: Respuesta en frecuencia de una señal paso banda con m = 4 y la señal
muestreada.

que deje pasar el espectro original y elimine todas las réplicas. Este filtro, como se muestra
en la figura 2.42, es un filtro ideal paso banda cuya respuesta al impulso es:

sen (πBt)
ga (t) = cos (ωc t) . (2.46)
πBt
31 Problemas de Tratamiento Digital de Señales
32 2. Muestreo y Reconstrucción de Señales

Con estas condiciones, la señal reconstruida queda:

∞
X
xa (t) = xa (nT ) ga (t − nT ), (2.47)
n=−∞

Resulta interesante notar que, eligiendo la posición del filtro recuperador, es posible

Hr(ω)

-ωH-ωc-ωL ωL ω c ω H
ω
Figura 2.42: Respuesta en frecuencia del filtro recuperador ideal.

recuperar la señal original, o bien cualquier réplica de ésta. En particular, es posible

recuperar la réplica del espectro en banda base (paso bajo), este fenómeno se utiliza
mucho en comunicaciones, ya que resulta equivalente a realizar una demodulación de la
señal. En las figuras 2.40 y 2.41 puede observarse que, en general, si la posición de la
banda es par, la réplica en banda base está invertida y si es impar, la réplica en banda
base es idéntica.

Posicionamiento arbitrario de la banda

Esta situación sucede cuando la posición de la banda m no es un número entero de
veces el ancho de banda y por tanto la elección de la frecuencia de muestreo debe ser
más cuidadosa. Es necesario evitar que las réplicas de la banda de frecuencias negativas
solapen con la banda de frecuencias positivas, y al revés, que las réplicas de la banda
de frecuencias positivas no solapen con la banda de frecuencias negativas. Esta situación
puede observarse en la figura 2.43, la condición que tienen que cumplir las réplicas es que
entre la réplica k y k − 1 de la banda de frecuencias negativas haya suficiente espacio para
que quepa la banda de frecuencias positivas. Matemáticamente, y teniendo en cuenta la
figura 2.43, las condiciones quedan:
2ωH ≤ kωs
(2.48)
(k − 1) ωs ≤ 2ωL

Es decir, para que no haya solapamiento tienen que existir un valor entero k y una fre-
cuencia de muestreo que cumplan simultáneamente las ecuaciones 2.48, las cuales forman
un sistema de desigualdades con dos incógnitas, ωs y k. Resolviendo el sistema se llega a
la conclusión que k tiene que ser un entero que cumpla:
jω k
H
1≤k≤ (2.49)
B
lo cual quiere decir que el máximo valor de k es la posición de la banda pero redondeada
al entero inferior. La frecuencia de muestreo tiene que cumplir:
2ωH 2ωL
≤ ωs ≤ (2.50)
k k−1

32 Problemas de Tratamiento Digital de Señales

2.10. Muestreo y reconstrucción de señales paso-banda 33

Xa(ω) B

-ωH-ωc-ωL ωL ωc ωH
ω
Xs(ω)
Réplica k-1 Réplica k

-ωH-ωc-ωL ω L ω c ωH
(k-1)ωs ω
2ωL
2ωH
kωs

Figura 2.43: Situación en la cual las réplicas de la banda negativa del espectro no solapan
con la banda positiva.

La frecuencia
j k de muestreo mı́nima se obtiene como ωs,mı́n = 2ωH /kmáx , donde kmáx =
FH
FB
. Como se puede apreciar la posición entera de la banda es un caso particular de la
posición arbitraria, en el cual las desigualdades se convierten en igualdades.

33 Problemas de Tratamiento Digital de Señales

34 2. Muestreo y Reconstrucción de Señales

2.11. Referencias
[1] A. V. Oppenheim, R. Schafer, and J. R. Buck, Discrete-Time Signal Processing, 2/ed.
Prentice-Hall, 1999.
[2] J. G. Proakis and D. G. Manolakis, Digital Signal Processing. Principles, Algorithms
and Applications, 3/ed. Prentice-Hall, 1996.

34 Problemas de Tratamiento Digital de Señales