RECONOCER LOS ELEMENTOS MATEMÁTICOS QUE IMPLICA EL SISTEMA DE

CONVERSIÓN ANALÓGICA DIGITAL

L.A. Jaime Tenjo, Procesamiento digital de señales, Escuela de ciencias básicas tecnología e
ingeniería, Universidad Nacional Abierta y a Distancia, CEAD Vélez, lajaimet@unad.edu.co

Resumen:
En este documento estudiaremos el procesamiento digital de señales, proceso en el que
interviene el muestreo y cuantización objetos del presente trabajo, procedimientos en los que
interviene el modelo matemático de la trasformada de Fourier, aplicada al cálculo en tiempo
discreto el cual permite análisis de la frecuencia y el tiempo.

Abstract
In this document we will study the digital processing of signals, a process in which the sampling
and quantization of objects of the present work intervene, procedures involving the mathematical
model of the Fourier transform, applied to the calculation in discrete time which allows analysis
of the frequency and time.

Introducción
El este trabajo encontraremos conceptos básicos para entender el proceso de muestreo y
cuantización de una señal, así como ejercicios que permitirán apropiar estos fundamentos básicos
de una forma matemática práctica, lo que generara un avance en el análisis del procesamientos
digital de señales, lo que incluye el modelamiento de procesos matemáticos para el paso de
señales análogas a digitales, las cuales hoy en día se aplican en diferentes ámbitos de la vida
cotidiana, permitiéndonos entender aún mejor el comportamiento de las señales, tipos y
características que son objetos de estudio.

Definiciones
1) ¿Qué es una señal muestreada?
Muestreo
Definimos muestreo como la cantidad de veces que medimos el valor de la señal en un
periodo de tiempo (usualmente en 1 segundo).
Según el teorema de Nyquist-Shannon la cantidad de veces que debemos medir una señal
para no perder información debe de ser al menos el doble de la frecuencia máxima que
alcanza dicha señal.
En otras palabras, si deseamos grabar una conversación telefónica, como el ancho de banda
de la red telefónica es de 3khz, para no perder información deberemos tomar del orden de
6.000 muestras/segundo.
http://serbal.pntic.mec.es/srug0007/archivos/radiocomunicaciones/3%20SE%D1ALES%20D
IGITALES/Muestreo%20digital.pdf
Entonces una señal muestreada es la representación de la señal original mediante
𝑛
𝑥(𝑛) = 𝑥𝑎(𝑛𝑇) = 𝑥𝑎 ( )
𝐹𝑠
𝑥(𝑛) = 𝐴cos(2ᴨ𝑓0𝑛 + ɵ); −∞ < 𝑛 < ∞
𝑛
𝑡 = 𝑛𝑇 =
𝐹𝑠
𝑥𝑎(𝑡) = 𝐴cos(2ᴨ𝐹𝑡 + ɵ )
𝐹𝑠 > 2𝐹max
1
𝐹=
𝑇
𝐹𝑎 = 𝐹 − 𝑁𝑆
Es decir:
Señal original

Señal muestreada
 2) ¿Qué es una señal cuantizada?
El proceso de cuantizar, es decir, redondear o truncar las amplitudes de las señales de una señal
muestreada, con el fin de reducirlas aun conjunto finito de valores, ya que la cuantización solo
afecta la amplitud de la señal, por tanto y de acuerdo a Ambardar, una señal cuantizada es
tomada de señales análogas en tiempo discreto y se conocen como señales digitales.
Para guardar la medida la codificamos con un conjunto de bits.
A mayor número de bits empleados para guardar la medida mayor exactitud. Habitualmente se
emplean valores de 8 y 16 bits por canal de información para almacenar los valores de las
medidas adquiridas.
Podríamos decir entonces que la señal cuantizada está definida por el número de símbolos que
usamos para albergar la medida de una señal como se observa en la figura más adelante.
 3) ¿Cuál es el fenómeno llamado Alias o Aliasing?
Es un efecto que se produce cuando señales continuas distintas no se distinguen al muestrearlas
digitalmente.
Es la alteración de la percepción de un de terminado movimiento a través de nuestra percepción
o de cualquier otra óptica.
Se debe básicamente a un muetreo incorrecto de la señal que se esta digitalizando, de tal manera
que se presentan imperfecciones en la misma.

𝐹˳ < 0,5𝑆 = 𝑓𝑠 > 2 𝑓𝑚𝑎𝑥 ; 𝑛𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑓𝑒𝑛𝑜𝑚𝑒𝑛𝑜 𝑑𝑒 𝑎𝑙𝑖𝑎𝑠

𝐹˳ ≥ 0,5𝑆 = 𝑓𝑠 ≤ 2 𝑓𝑚𝑎𝑥 ; 𝑠𝑖 𝑒𝑥𝑖𝑠𝑡𝑒 𝑓𝑒𝑛𝑜𝑚𝑒𝑛𝑜 𝑑𝑒 𝑎𝑙𝑖𝑎𝑠
4) ¿Qué indica el teorema de muestreo de Nyquist?
Nos indica que la reconstrucción exacta de una señal es periódica continua en banda base a
partir de sus muestras es matemáticamente posible si la señal está limitada en banda y la tasa de
muestreo es superior al doble de su ancho de banda.
Dicho de otro modo, la información completa de la señal analógica original que cumple el
criterio anterior está descrita por la serie total de muestras que resultaron del proceso de
muestreo. No hay nada, por tanto, de la evolución de la señal entre muestras que no esté
perfectamente definido por la serie total de muestras.
 https://upload.wikimedia.org/wikipedia/commons/c/c9/Sinusoidal14700Hz.png

Desarrollado por H. Nyquist, quien afirmaba que una señal analógica puede ser reconstruida, sin
error, de muestras tomadas en iguales intervalos de tiempo. La razón de muestreo debe ser igual,
o mayor, al doble de su ancho de banda de la señal analógica”. La teoría del muestreo define que
para una señal de ancho de banda limitado, la frecuencia de muestreo, fm, debe ser mayor que
dos veces su ancho de banda [B] medida en Hertz [Hz]. fm > 2·B

Como por ejemplo:

 Como resultado

5) ¿Qué realiza la transformada de Fourier?

La transformada es una transformación de una función del tiempo en otra función de la
frecuencia.
Es decir es pasar la señal del dominio del tiempo al dominio de la frecuencia. Dada una función
que te dice cuánto hay de una cantidad en cada instante de tiempo, la transformada te da otra
función que te dice la cantidad que tiene la anterior función en cada frecuencia.
 https://es.quora.com/Qu%C3%A9-son-y-para-qu%C3%A9-sirven-las-transformadas-de-Fourier

se deben tener en cuenta los siguiente en su aplicación:

en la transformada debemos tener siempre presente la frecuencia angular:
ω=2⋅π⋅f
es decir:
2 PI veces la frecuencia ordinaria y expresa la ‘velocidad angular’, es decir, cuánto crece un
‘ángulo’ por unidad de tiempo.
En el ejemplo, el ángulo que va dentro del coseno aumenta a un ritmo de 100 PI veces cada
segundo, así que cuando t vale 1/(100*PI) el ángulo valdría 1 radián, cuando t vale 1/50 = 0.02 el
ángulo valdría 2*PI radianes (un ciclo), etc
Transformada de Fourier
𝑛−1
𝑛 1 2𝜋𝑛𝑘
𝐹( ) = ∑ 𝑚(𝑘𝑇)𝑒 −𝑗 𝑁
𝑁𝑇 𝑁
𝑘=0

Donde 'N' es el número de muestras de la ventana que se va a analizar, 'T' es el periodo de

muestreo (inverso a la frecuencia de muestreo que denominaremos '!'), 'n' es el Índice de la
frecuencia cuyo valor queremos obtener y 'm(kT) , indica la muestra tomada en el instante 'kT'
(muestra Késima) de la ventana

Bobadilla, J., et al. (1999). "La transformada de Fourier. Una visión pedagógica." 10: 41-74.

El valor del parámetro 'n' detennina la frecuencia concreta que se va a analizar, es decir,
representa una de las frecuencias en las que se va a tratar de descomponer la señal de partida, de
esta manera, para hacer el estudio con todas las frecuencias, usamos el rango completo de
variación de 'n': n=O,J,2, .... N-J.
6) ¿Qué es la transformada rápida de Fourier?
La transformada rápida de Fourier FFT es un algoritmo que reduce el tiempo de cálculo de n2
pasos a n·log2(n). El único requisito es que el número de puntos en la serie tiene que ser una
potencia de 2 (2n puntos), por ejemplo 32, 1024, 4096, etc.
conocida por la abreviatura FFT (del inglés Fast Fourier Transform) es un algoritmo eficiente
que permite calcular la transformada de Fourier discreta (DFT) y su inversa. La FFT es de gran
importancia en una amplia variedad de aplicaciones, desde el tratamiento digital de señales y
filtrado digital en general a la resolución de ecuaciones en derivadas parciales o los algoritmos
de multiplicación rápida de grandes enteros. Cuando se habla del tratamiento digital de señales,
el algoritmo FFT impone algunas limitaciones en la señal y en el espectro resultante ya que la
señal muestreada y que se va a transformar debe consistir de un número de muestras igual a una
potencia de dos. La mayoría de los analizadores de FFT permiten la transformación de 512,
1024, 2048 o 4096 muestras. El rango de frecuencias cubierto por el análisis FFT depende de la
cantidad de muestras recogidas y de la proporción de muestreo
Resumiendo:
Es una herramienta fundamental en el procesado digital de señales. Su origen es relativamente
reciente puesto que fueron J.W.Cooley y J.W Tukey, quienes hacia 1965 abordaron por primera
vez el problema de la programación de un algoritmo para el cálculo de series complejas.
Se trata de un algoritmo para el cálculo de la Transformada Discreta de Fourier (DFT). Su
importancia radica en el hecho que elimina una gran parte de los cálculos repetitivos a que está
sometida la DFT, por lo tanto se logra un cálculo más rápido. Además, la FFT generalmente
permite una mayor precisión en el cálculo de la DFT disminuyendo los errores de redondeo.
Hay dos forma de aplicar la FFT
1.- Mediante un programa que pueda ejecutarse tanto en un PC como en una tarjeta que posea un
microprocesador específico para este tipo de operaciones (DSP).

2.- Mediante el desarrollo de una tarjeta (HARDWARE) en la cual se emplean circuitos

integrados específicos. Tal es el caso de los modernos analizadores de espectro.

Por lo tanto el objetivo de este apartado es mostrar la redundancia implícita en el cálculo de la

DFT, para luego comprobar cómo un determinado algoritmo de la FFT elimina esta redundancia.
La DFT de una serie de muestras x[n] para 0n N se define:

; 0 k N

donde :

http://www.ehu.eus/Procesadodesenales/tema7/Image2354.gif