Procesamiento de seales I

2015

PRACTICA 2: MUESTREO NATURAL

RESUMEN: en el presente trabajo se analizara

un tren de pulsos y se muestreara en 3 diferentes
mediciones, Fs=f(x); 2Fs=f(x) y 4Fs=f(x) obtendremos
sus graficas y se analizara que sucede en cada una y la
segunda parte de la misma manera que el anterior solo
que ahora nuestra seal a muestrear ser voz y
nuestras frecuencias de muestreo sern las siguientes:
Fs=4Khz;FS=8Khz y Fs=16Khz
PALABRAS
pulsos,matlab.

CLAVE:

Muestreo,

seal, tren

de

Objetivo
Comprobar el teorema de muestreo de muestreo de
nyquist y observar cual es la mejor frecuencia para una
seal con frecuencia x

1 INTRODUCCIN
Figura 1. Seal original y su muestreo

Las seales digitales presentan grandes ventajas a la

hora de ser transmitidas:

El muestreo (en ingls, sampling) consiste en tomar

muestras peridicas de la amplitud de onda. La
velocidad con que se toman esta muestra, es decir, el
nmero de muestras por segundo, es lo que se conoce
como frecuencia de muestreo y est en funcin del
teorema de Nyquist, que indica que la frecuencia de
muestreo (fs) ser el doble de la frecuencia mxima (fm)
de la seal a muestrear.

* Mayor inmunidad al ruido.

* Mayor facilidad de procesamiento.
* Facilidad de multiplexaje.
El primer paso consistir en discretizar la seal en
el tiempo, a este proceso se llama MUESTREO.

CMO FUNCIONA?
Consideremos una seal arbitraria g(t), tomamos
una muestra instantnea con una frecuencia uniforme,
cada Ts segundos.
A la secuencia infinita de muestras espaciadas cada
Ts segundos se la denota por {g(nTs)}, donde n toma
todos los valores enteros posibles. Ts es el periodo de
muestreo y su recproco fs=1/Ts es
la frecuencia de muestreo.
Figura 2. Seal muestreada mediante nyquist

Procesamiento de seales I

2015

.
Bsicamente, la cuantificacin lo que hace es
convertir una sucesin de muestras de amplitud continua
en una sucesin de valores discretos preestablecidos
segn el cdigo utilizado.

La convolucion de una funcin cualquiera con d(t)

funcin delta de dirac reproduce a la funcin en el punto
donde ocurre d(t) y as:

Durante el proceso de cuantificacin se mide el

nivel de tensin de cada una de las muestras, obtenidas
en el proceso de muestreo, y se les atribuye a un valor
finito (discreto) de amplitud, seleccionado por
aproximacin dentro de un margen de niveles
previamente fijado.
Figura 6. Representacin de Convolucion de d(t)
De manera que el espectro de la seal muestreada
ser el siguiente

Figura 3. Ejemplo de seal cuantificada

Figura 7. Espectro de muestreo ideal

Suponga una seal x(t) cuya transformada x(f) tiene la

Siguiente forma:

El espectro de la seal original se repite cada fs. Si

quisiramos rescatar la seal original, bastara utilizar
un filtro pasabajo ideal (LPF) pero esto siempre y
cuando que
fs 2fmax
La frecuencia mnima de muestreo sera fs = 2fmax
muestras por segundo, y se conoce como la frecuencia
de Nyquist. Si se muestrea a una frecuencia inferior a la
de Nyquist los espectros de la seal muestreada se
solaparn y no se podr recuperar el mensaje original.
Este efecto se le llama "aliasing". Cuando la seal tiene
impulsos en los extremos de su espectro, es necesario
muestrear a una frecuencia superior a 2fmax.

Figura 4. Transformada de una seal

Cuando la seal peridica es un tren de pulsos el

muestreo se le llama muestreo natural.

Se pueden tomar muestras de la seal multiplicndola

por un tren de impulsos peridicos de periodo ts, tal y
como se muestra en la figura. 5 esto se le llama
muestreo ideal.

Figura 8. Muestreo natural

Figura 5. Muestreo natural

Procesamiento de seales I

2015

.
El espectro en cambio seria:

en muchos casos la secuencia discreta se

obtiene muestreando una seal continua xa(t) a
intervalos de tiempos regulares.

2 .DESARROLLO
Se genero en MATLAB un seno de frecuencia de 2kHz
y amplitud de 0.5muestreado a distintas frecuencias de
muestreo; Fs=f(x), 2Fs=f(x) y 4Fs=f(x) Dicha seal se
observar en el ordenador y se analizaran las graficas
obtenidas.

Figura 9. Espectro del muestreo natural

f=2000 %frecuencia de la seal a

muestrear
fso=1e6;
No= fso*1e-3
to=(0:No-1)/fso
xo=0.5*sin(2*pi*f*to)
for fs=[2000 4000 8000]%frecuencias de
muestreo
N=fs*1
t=(0:N-1)/fs
x=0.5*sin(2*pi*f*t)
sound(x,fs)
plot (to*1e3,xo,'k',t*1e3,x,'b-o')
axis([0, 1, -1, 1])
legend ('Seal original','Seal
muesteada')
xlabel('milisegundos')
return
end

En este caso la seal x(t), al igual que en muestreo

ideal, se puede recuperar con un filtro pasabajas

1.1 QU SON LAS SEALES DE TIEMPO

DISCRETO?
Una seal en tiempo discreto x(n) es una funcin
de una variable independiente entera. Grficamente se
representa como en la Figura 10.
Es importante
destacar que una seal en tiempo discreto no est
definida para instantes entre dos muestras sucesivas.
Igualmente es incorrecto pensar que x(n) es igual a cero
si n no es un entero, simplemente la seal x(n) no est
definida para valores no enteros de n.

y para el anlisis de voz se creo el siguiente

programa donde se graba un archivo de audio y luego
se manda a traer para que se analice en el tiempo y la
frecuencia de igual manera se tenan 3 casos para
analizar:
La frecuencia de muestro a 4khz, 8khz y 16 khz.

Figura 10. Representacin de una seal en tiempo

discreto
-

Las seales discretas se representan con una

secuencia de nmeros denominados muestras.

una muestra de una seal o secuencia se

denota por x[n] siendo n entero en el intervalo
- < n < (x[n]=x[nT])

x[n] est definida nicamente para valores

enteros de n

una seal en tiempo discreto se representa

como {x[n]}

las seales discretas se pueden representar

como una secuencia de nmeros entre
parntesis
{x[n]}={-0.2,2.2,1.1,0.2,-3.7,2.9};

figure(1)
Fs = [4000 8000 16000]; % frecuencia
de muestreo
x = wavrecord(3*Fs,Fs,'int16'); %
Grabacion de voz a FS a 16 bitrate
wavwrite(x,'sonidodaniel.wav'); %
guardar sonido
stem(x); % Muestreador en el dominio
del tiempo
title('Muestreador')
xlabel('Tiempo')
ylabel('Amplitud')
grid on
hold on
wavplay(x,Fs); % Reproducion de la
muestra tomada a 4 KHZ
[x,Fs,NBits]=wavread('sonidodaniel.wav
') %informacion de la muestra

x(n)=1/4

Procesamiento de seales I

2015

.
figure (2)
y = fft(x); % traformada rapida de
fourier
p=y.*conj(y); %potencia de la seal
f=(100:3000); %espectro de frecuencia
de la voz
plot(f,p(1:2901)); %grafica en el
demonio de la frecuencia
title('Muestreador Grafica en el
dominio de la frecuencia')
grid on
hold on

Y por ultimo cuando la frecuencia de muestreo es 4

veces la frecuencia de nuestra seal, la teora nos dice
que entre ms grande sea la frecuencia de muestreo,
mayor sern los puntos para poder recuperar nuestra
seal lo ms parecida a la original.

3 . RESULTADOS: GRFICAS DE LAS

SEALES OBTENIDAS
Para la primera parte observamos como cuando la
frecuencia de muestreo es igual a la frecuencia de la
seal no se obtienen todos las muestras deseadas por lo
tanto tendremos perdida de seal.

Se realizo una ltima prueba a una frecuencia de

muestreo de 10 veces mayor a la de la seal solo para
comprobar que tan parecida podamos ver la seal
muestreada y lo que se obtuvo fue lo siguiente

Para 2Fs=f(x); en este caso es claramente visto que

tenemos los puntos mnimos para recuperar nuestra
seal y as se cumple el teorema de muestreo de
Nyquist

Para el primer caso del muestreador de voz obtuve

las siguientes graficas del espectro en el dominio del
tiempo y de la frecuencia respectivamente a una
frecuencia de muestreo de 4khz

Procesamiento de seales I

2015

y por ltimo el muestreo de la voz a una frecuencia de

16khz

Para la seal muestreada a 8khz se obtuvieron las

siguientes graficas:

ya obteniendo estas graficas podemos ver como

entre mayor sea la frecuencia de muestreo se notan ms
muestras por lo tanto ms clara la seal de audio en el
tiempo y de observar las graficas en el dominio de la
frecuencia podemos concluir que entre mayor sea la
frecuencia de muestreo tendremos una mejor seal de
audio, ms clara pero es solo para una seal de voz ya
que su frecuencia es mas baja y si quisiramos obtener
de una seal de msica no obtendramos correctamente
nuestra seal ya que su frecuencia es ms alta y por los
tipos de sonido no obtendramos un buen muestreo.

Procesamiento de seales I

2015

4 CONCLUSIONES
Al muestrear una seal, por encima de la
frecuencia original se observa que tenemos muchas ms
muestras que cuando se muestrea por debajo de la
frecuencia original. Al tener mayor cantidad de muestras
se hace ms fcil la reconstruccin de la seal original
haciendo valido el teorema de muestreo de Nyquist.
La frecuencia que no funciono para la reconstruccin
de la seal original fue la que no cumpli con el teorema
de muestreo, dicha frecuencia fue la Fs=f(x)
Con el muestreo que se hizo en esta prctica se
manejo el muestreo de 4hkz, 8khz, y 16khz teniendo
como frecuencia base a 4khz para muestrea a 8khz para
que cumpla con el teorema de Nyquist y no tener
traslape de seal al momento de recuperarlos datos,
tambin se tuvo que tener en consideracin el espectro
de la voz humana que se encuentra entre los 500 a 3500
hz, y as poder observar su aspecto en el dominio de la
frecuencia de nuestra grabacin.

[1] Digital Signal Processing. A computer-based approach. S.

K, Mitra [2]
H. Khalil, Nonlinear Systems, 2nd. ed.,
Prentice Hall, NJ, pp. 50-56, 1996.
[3] FRIES, Bruce y FRIES, Marty. Audio digital prctico. Ed.
Anaya Multimedia. 2005 [4]
E. H. Miller, A note on
reflector arrays, IEEE Trans. Antennas Propagat.,
Aceptado para su publicacin.
[5] RUMSEY, Francis y McCORMICK, Tim. Sonido y
grabacin. Introduccin a las tcnicas
sonoras. 2004.