Unidad 1: Paso 2 - Reconocer los elementos
matemáticos que implica el sistema de conversión analógica digital
Jhonatan Lopez
1030599911
Grupo 208052_22
Introducción
Los avances en el tratamiento digital de
señales en los últimos años motivan el hecho
de poder reducir señales continuas a muestras
discretas en el dominio de tiempo discreto.
La operación que permite la transformación
de una señal en tiempo continuo a una señal
en tiempo discreto es comúnmente llamada
muestreo el cual consiste en tomar muestras
del valor de la señal en tiempo continuo cada
instante de tiempo múltiplo de T, llamado
intervalo de muestreo
Objetivo
Identificar las señales continuas y su
tratamiento matemático que se le da al
muestreo y cuantificación
Marco teórico.
Cada estudiante realizará de manera
individual, aportes teóricos
(incluir ecuaciones con editor de word) sobre
las siguientes
preguntas:
1) ¿Qué es una señal muestreada?
Consiste en tomar valores de la señal en cada
cierto tiempo, es decir, no se considera el
tiempo de forma continua sino solo se toma
una muestra equiespaciada, con lo que el
resultado es un conjunto finito de valores.
2) ¿Qué es una señal cuantizada?
Se refiere a asignar a la amplitud de estos
instantes de tiempo escogidos un valor
concreto de entre un conjunto finito de
posibles valores, que son los que vendrán
determinados por el número de bits N
considerados en este proceso
3) ¿Cuál es el fenómeno llamado Alias
o Aliasing?
Es el efecto que se produce cuando unas
señales continuas distintas se vuelven
indistinguibles al muestrearlas digitalmente.
4) ¿Qué indica el teorema de muestreo
de Nyquist?
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]
Sirve para establecer la frecuencia mínima de
muestreo necesaria para evitar el “Aliasing”
Fs>2 BW
Donde:
fs: frecuencia de muestreo
BW: ancho de banda de la señal a muestrear
BW = F máx - F mín
5) ¿Qué realiza la transformada de
Fourier?
la transformada de Fourier es una aplicación
que hace corresponder a una función f con
valores complejos y definida en la recta, otra
función g definida de la manera siguiente:
𝑥=+∞
1
𝑔(𝜉) = 𝑥=∫ 𝑓(𝑥)𝑒 −𝑖𝜉𝑥 𝑑𝑥
√2𝜋 𝑥=−∞
Para que la definición dada arriba tenga
sentido, algunas condiciones técnicas tiene
que ser satisfechas por la función f, a
saber, f tiene que ser una función integrable en
el sentido de la integral de Lebesgue. El factor
que acompaña la integral en definición facilita
el enunciado de algunos de los teoremas
referentes a la transformada de Fourier.
Aunque esta forma de normalizar la
transformada de Fourier es la más
comúnmente adoptada, no es universal.
La transformada de Fourier tiene una multitud
de aplicaciones en muchas áreas de la ciencia
e ingeniería: la física, la teoría de los números,
la combinatoria, el procesamiento de señales,
la teoría de la probabilidad, la estadística, la
óptica, la propagación de ondas y otras áreas.
En procesamiento de señales la transformada
de Fourier suele considerarse como la
descomposición de una señal en componentes
de frecuencias diferentes, es decir, g
corresponde al espectro de frecuencias de la
señal f.
6) ¿Qué es la transformada rápida de Fourier?
La Transformada rápida de Fourier, 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.
La transformada rápida de Fourier es de
importancia fundamental en el análisis
matemático y ha sido objeto de numerosos
estudios. La aparición de un algoritmo eficaz
para esta operación fue un hito en la historia
de la informática.
Toda señal periódica puede ser representada
por la suma de series de Fourier. Con un
análisis adecuado es posible obtener una
representación de Fourier para señales de
duración finita. Esta representación es la que
se conoce como la Transformada de Fourier
Discreta (TFD). La TFD se puede representar
Como:
𝑁−1
𝑋[𝑘] = ∑ 𝑥[𝑛]. 𝑤𝑁𝑘𝑛 𝑘 = 0,1, … . , 𝑁 − 1
𝑛=0
2𝜋
Donde 𝑤𝑁 = 𝑒 −𝑗 𝑁
Es así que aparece la Transformada Rápida
de Fourier (en inglés Fast Fourier Transform,
FFT), un algoritmo para el cálculo eficiente
de la TFD. Su importancia radica en el hecho
que elimina una gran parte de los cálculos
repetitivos a los que se ve sometida la TFD,
por lo que se logra un cálculo más rápido a
menor costo.
Ejercicio 5:
𝑆𝑖𝑒𝑛𝑑𝑜 𝑥(𝑡) = 3 𝑐𝑜𝑠(12𝑘𝜋 𝑡)
+ 5 𝑠𝑒𝑛(16𝑘𝜋 𝑡) +
8 𝑐𝑜𝑠(32𝑘 𝜋 𝑡) + 𝑠𝑒𝑛(48𝑘 𝜋 𝑡) Resuelva:
1.1. Encuentre las frecuencias 𝑓0𝑛 de
cada una de las componentes de la
señal 𝑥(𝑡)
𝑥(𝑡) = 3 𝑐𝑜𝑠(12𝑘𝜋 𝑡) + 5 𝑠𝑒𝑛(16𝑘𝜋 𝑡)
+8 𝑐𝑜𝑠(32𝑘 𝜋 𝑡) + 𝑠𝑒𝑛(48𝑘 𝜋 𝑡)
Para empezar a desarrollar este ejercicio se
requiere utilizar el teorema de Nyquist.
RTA:
Como la señal es de 16𝑘 𝐻𝑧 todos sus
componentes tienen leasing por lo cual no
cumple con el teorema de Nyquist ya que
debe existir como mínimo el doble de la
frecuencia para que no exista una fluidez
garantizada por lo cual en todas existirá una
anomalía
Ejercicio 4:
Siendo la señal muestreada:
𝑥[𝑛]
= {0,0.2,0.5,1.0,1.4,1.8,2.0,2.4}
La señal cuantizada:
𝑥𝑄[𝑛]
= {0,0.5,1.0,1.0,1.8,2.0,3.5,3.5}

𝐹𝑚1 = 𝐹𝑚𝑎𝑥 1.1. Calcule la señal de error:

= 24𝑘𝐻𝑍 𝑒[𝑛]

𝐹𝑚2 > 2𝐹𝑚𝑎𝑥 Para hallar el error debemos tomar la señal

muestrada y restarle la señal cuantizada
= 2 ∗ 16𝑘𝐻𝑍 = 32𝑘𝐻𝑍
= {𝟎 , −𝟎. 𝟑 , −𝟎. 𝟓 , 𝟎 , −𝟎. 𝟒 , −𝟎. 𝟐 , −𝟏. 𝟓 , −𝟏. 𝟏}
𝐹𝑚3 > 3𝐹𝑚𝑎𝑥
1.2. Halle la potencia de ruido 𝑃𝑁
= 2 ∗ 32𝑘𝐻𝑍 = 64𝑘𝐻𝑍
1 2
𝐹𝑚4 > 4𝐹𝑚𝑎𝑥 𝑃𝑒 = 𝑒 [𝑛]
𝑁
= 2 ∗ 48𝑘𝐻𝑍 = 96𝑘𝐻𝑍 1
𝑃𝑒 = ((0)2 + (−0.3)2 + (−0.5)2 + (0)2
8

1.2. Si la señal 𝑥(𝑡) tiene una frecuencia +(−0.4)2 + (−0.2)2 + (−1.5)2 + (−1.1)2 )

de muestreo 𝑆 = 16𝑘 𝐻𝑧 y se desea 1

𝑃𝑒 = ∗4
realizar la reconstrucción de la señal, 8

identifique si las componentes Pe = 0.5

senoidales no sufren fenómeno de

alias, y si alguna de ellas lo sufre, 1.3. Halle la potencia 𝑃𝑠

indique cuál y por qué. 1 2

𝑃𝑠 = 𝑥 [𝑛]
𝑁
 1 Ambardar, A. (2002). Cuantización. In
𝑃𝑠 = ((0)2 + (0.2)2 + (0.5)2 + (1)2 Procesamiento de señales analógicas y
8
digitales (2nd ed., pp. 460-464). Mexico City,
+(1.4)2 + (1.8)2 + (2.0)2 + (2.4)2 ) Mexico: Cengage Learning.

1 Recuperado de
𝑃𝑠 = ∗ 16.25
8 http://bibliotecavirtual.unad.edu.co:2619/apps
/doc/CX4060300147/GVRL?u=unad&sid=G
𝑃𝑠 = 2.03125
VRL&xid=80fe31fe
1.4. Halle la relación señal o ruido de Ambardar, A. (2002). Transformada de
cuantización 𝑆𝑁𝑅𝑄 Fourier de Tiempo Discreto. In Procesamiento
de señales analógicas y digitales (2nd ed., p.
Ps
SNR q = 10log (10) 482). Mexico City: Cengage Learning.
Pe
http://bibliotecavirtual.unad.edu.co:2619/apps
2.03125 /doc/CX4060300152/GVRL?u=unad&sid=G
SNR q = 10log (10)
0.5 VRL&xid=63c52a5d
SNR q = 6.087 http://hdl.handle.net/10596/12519
https://alojamientos.uva.es/guia_docente/uplo
ads/2013/463/45227/1/Documento3.pdf

Referencias Bibliográficas. http://agamenon.tsc.uah.es/Asignaturas/it/tds/

apuntes/tds_tema_2_teoria.pdf
http://olivares.vosi.biz/DSP-Practica2.pdf
Ambardar, A. (2002). Muestreo Ideal. In
Procesamiento de señales analógicas y https://meeng.technion.ac.il/wp-
content/uploads/2015/09/5.Digitizing.pdf
digitales (2nd ed., pp. 446-455). Mexico City,
Mexico: Cengage Learning.
Recuperado de
http://bibliotecavirtual.unad.edu.co:2619/apps
/doc/CX4060300145/GVRL?u=unad&sid=G
VRL&xid=495113b6
Ambardar, A. (2002). Muestreo, Interpolación
y Recuperación de la Señal. In Procesamiento
de señales analógicas y digitales (2nd ed., pp.
456- 460). Mexico City, Mexico: Cengage
Learning.
Recuperado de
http://bibliotecavirtual.unad.edu.co:2619/apps
/doc/CX4060300146/GVRL?u=unad&sid=G
VRL&xid=44cdb0b2