Introducción al Procesamiento de Señales

Curso 2017

Tema 6 - Muestreo y Reconstrucción de Señales

Javier G. Garcı́a

Javier G. Garcı́a IPS 2017 1 / 42

Muestreo de señales continuas

Motivación
En general, las señales del mundo fı́sico son de variable
independiente continua, x(t).
Para procesar digitalmente necesito convertirla al dominio
discreto, x[n], → Muestreo.
Si tomo muestras equiespaciadas cada T de la señal continua
(muestreo uniforme) x[n] = x(nT ).
Definimos
Intervalo de muestreo: T [seg.].
1
Frec. de muestreo: fs = [Hz].
T

Javier G. Garcı́a IPS 2017 3 / 42

Muestreo de señales senoidales

x1 (t) = cos(2πf1 t + φ)
x1 [n] = cos(2πf1 nT + φ)
= cos(2πs1 n + φ)

con f1 = 13Hz, fs = 50Hz,

∴ s1 = 0.26

x2 (t) = cos(2πf2 t + φ)
x2 [n] = cos(2πf2 nT + φ)
= cos(2πs2 n + φ)

con f2 = 63Hz, fs = 50Hz,

∴ s2 = 1.26
Los valores f1 y f2 = f1 + fs
producen la misma secuencia!
Javier G. Garcı́a IPS 2017 4 / 42

Muestreo uniforme
Dada x(t) real o compleja, x(t ) (a )

(sin deltas!)
x[n] , x(nT ), n ∈ Z
Descripción alternativa:
T 2T ... t

xp (t) = x(t)pT (t) = x[n ] (b)

X∞
x(t)δ(t − nT ) =
n=−∞
X∞
n
x(nT )δ(t − nT ) 1 2 ...

n=−∞ x p (t) ( c)

¿x[n] conserva la misma

información que x(t)?
¿Bajo qué condiciones?
¿Cómo elijo T? T 2 T .. . t

Javier G. Garcı́a IPS 2017 6 / 42

¿Qué sucede en el espectro?
Tenemos tres transformadas:
X (f ) = F{x(t)}
XP (f ) = F{xP (t)}
X (ej2πs ) = TFTD{x[n]}

Z ∞ Z ∞ ∞
X
XP (f ) = xP (t)e−j2πft dt = x(t)δ(t − nT )e−j2πft dt
−∞ −∞ n=−∞
∞ Z
X ∞
= x(t)e−j2πft δ(t − nT )dt
n=−∞ −∞
X∞ ∞
X
−j2πfnT
= x(nT )e = x[n]e−j2πfnT = X (ej2πfT )
n=−∞ n=−∞

∴ XP (f ) = X (ej2πfT )

Javier G. Garcı́a IPS 2017 7 / 42

¿Qué sucede en el espectro?

∞
X
X (ej2πfT ) = x(nT )e−j2πfnT
n=−∞
X∞ Z ∞
= X (λ)ej2πλnT dλ e−j2πfnT
n=−∞ −∞
Z ∞ ∞
X
= X (λ) ej2π(λ−f )nT dλ
−∞ n=−∞
Z ∞ ∞  
1 X k
= X (λ) δ (λ − f ) − dλ
−∞ T T
k=−∞
∞  
1 X k
= X f+
T T
k=−∞

Javier G. Garcı́a IPS 2017 8 / 42

Teorema del Muestreo

Sea x(t) una señal de banda limitada (X (f ) = 0 si |f | > fM ). Entonces,

x(t) se determina unı́vocamente mediante sus muestras
x[n] = x(nT ) n = . . . , −1, 0, 1, . . . si

fs > 2fM
donde
1
fs =
T

Javier G. Garcı́a IPS 2017 9 / 42

Teorema del Muestreo

Nyquist-Shannon-Whittaker
∞  
1 X k
X (ej2πfT ) = XP (f ) = X f+
T T
k=−∞

Consecuencias:
Muestreo en tiempo ⇔ periodicidad en frecuencia.
Replicado del espectro original cada fs
Relación de frecuencias: s = fT
1
|s| ≤ 2 ⇔ |f | ≤ fs /2

Javier G. Garcı́a IPS 2017 10 / 42

Señales de Banda Limitada
(a) Señal de banda limitada: ∃ fM / X (f ) = 0 si |f | ≥ fM
(b) Señal de banda no limitada: @ fM
( a) X(f)

-fM fM f

(b) X(f)

Javier G. Garcı́a IPS 2017 11 / 42

Caso 1
Muestreo x(t) de banda limitada con fs ≥ 2fM .
(a) X(f)
A

-fs/2 -fM fM fs/2 f

( b) X(ej2ps)
A/T

-2 -1 -1/2 1/2 1 2 s

-fMT fMT

Javier G. Garcı́a IPS 2017 12 / 42

Caso 1

Muestreo x(t) de banda limitada con fs ≥ 2fM .

No se solapan las réplicas.
j2πs 1 s 1
X (e )= X , |s| ≤
T T 2
fs = 2fM es la Frecuencia de Nyquist.
No hay distorsión del espectro.
Posibilidad de reconstrucción.

Javier G. Garcı́a IPS 2017 13 / 42

Caso 2
Muestreo x(t) de banda limitada con fs < 2fM .
(a) X(f)
A

-fM -fs/2 fs/2 fM f

( b) X(ej2ps)
A/T

-2 -1 -1/2 1/2 1 2 s

-fMT fMT

Javier G. Garcı́a IPS 2017 14 / 42

Caso 2

Muestreo x(t) de banda limitada con fs < 2fM .

Se solapan las réplicas: Aliasing
Distorsión del espectro ⇒ Imposibilidad de reconstrucción.

Javier G. Garcı́a IPS 2017 15 / 42

Caso 3
Muestreo x(t) de banda no limitada.
(a) X(f)

( b) X(ej2ps)

-3/2 -1 -1/2 1/2 1 3/2 s

Javier G. Garcı́a IPS 2017 16 / 42

Caso 3

Muestreo x(t) de banda no limitada.

Siempre hay solapamiento.
Toda señal de duración finita es de banda no limitada.
Señales reales son de banda no limitada.
El ancho de banda práctico es siempre finito.
Filtro Antialiasing: Pasa Bajos hasta fs /2.

Javier G. Garcı́a IPS 2017 17 / 42

Reconstrucción de una señal analógica a partir de

una digital

Situación: De la señal analógica x(t) sólo conocemos sus valores en

determinados instantes, los x(nT ) = x[n], y queremos obtener los
valores intermedios.

Este no es ni más ni menos que el viejo y conocido problema de

interpolación.

Javier G. Garcı́a IPS 2017 19 / 42

El reconstructor de orden cero
Una forma sencilla de interpolación es usar polinomios. Y de estos, el
caso más sencillo es el de interpolación con un polinomio de grado
cero, es decir, suponer que en todos los instantes intermedios entre
dos muestras, la señal mantiene el valor constante de la primera
muestra (por ejemplo).

x[2] x[3]
x[4]
x[1] x[5]
x[6]
x[7]
x[8]
x[0] x[9]

0 T 2T 3T 4T 5T 6T 7T 8T 9T 10T

Javier G. Garcı́a IPS 2017 20 / 42

El reconstructor de orden cero

Esta señal interpolada puede pensarse como una secuencia de
cajones de ancho T y altura igual al valor de las muestras x[n]

∞  
X t − T /2 − nT
xZOH (t) = x[n] u
n=−∞
T

Haciendo uso de la señal xp (t) definida la clase anterior

∞
X
xp (t) = x(nT )δ(t − nT )
n=−∞

y de la siguiente señal
 
t − T /2
hZOH (t) = u
T

Javier G. Garcı́a IPS 2017 21 / 42

El reconstructor de orden cero
podemos escribir una expresión para la señal reconstruida como sigue
∞  
X t − T /2 − nT
xZOH (t) = x(nT ) u
n=−∞
T
= {xp ∗ hZOH }(t)

Entonces, podemos pensar al reconstructor de orden cero como un

sistema lineal invariante en el tiempo con respuesta impulsional
hZOH (t)

¿Qué ocurre en el dominio de la frecuencia?

XZOH (f ) = Xp (f )HZOH (f )

Javier G. Garcı́a IPS 2017 22 / 42

El reconstructor de orden cero

Respuesta en frecuencia del
reconstructor de orden cero:

HZOH (f ) = T sinc(fT )e−jπfT

Espectro de xp (t)

Javier G. Garcı́a IPS 2017 23 / 42

El reconstructor de orden cero

XZOH (f ) = Xp (f )HZOH (f )

|Xp (f )| y |HZOH (f )| |XZOH (f )|

Javier G. Garcı́a IPS 2017 24 / 42

El reconstructor de orden cero

Problema: No se eliminan las componentes de alta frecuencia

¿Qué habrı́a que hacer idealmente?

Javier G. Garcı́a IPS 2017 25 / 42

Reconstrucción ideal
Tenemos x[n], muestras de x(t) de banda limitada con fs ≥ 2fM

Idea: Filtrar xp (t) con un filtro pasa bajos

 ideal.
t
H(f ) = T u (fT ) ⇔ h(t) = sinc
T
Javier G. Garcı́a IPS 2017 26 / 42

Reconstrucción ideal

Tenemos x[n], muestras de x(t) de "banda limitada con fs ≥ 2fM

∞
Z ∞ #
τ  X
x(t) = {xp ∗ h}(t) = sinc x(nT )δ(t − τ − nT ) dτ
−∞ T n=−∞
∞  
X t − nT
x(t) = x(nT )sinc (Interpolación de Shannon)
n=−∞
T
 
n0 T − nT
Para t = n0 T , sinc = δ[n − n0 ]
T
Para t 6= n0 T todas las muestras contribuyen.
h(t) es no causal ⇒ No es práctico (off-line).

Javier G. Garcı́a IPS 2017 27 / 42

Filtro Sinc Inverso

|X(f)| (a)
¿Podremos corregir la salida T del reconstructor ZOH para obtener una
reconstrucción ideal?
Serı́a poner en cascada con el ZOH otro filtro, tal que la respuesta
total sea la del reconstructor ideal
-2fs -3/2fs -fs fs 3/2fs 2fs f
Hideal (f ) = HZOH (f )G(f )
-fs/2 fs/2

entonces
arg{X(f)}
u(fT ) (b)
jπfT
G(f
π)= e
sinc(fT )
fs 3/2fs 2fs f
-2fs -3/2fs -fs

−π

Javier G. Garcı́a IPS 2017 28 / 42

Filtro Sinc Inverso

|G(f)|

-fs/2 fs/2 f

¿Problemas?
Cortes abruptos en el módulo
Fase positiva → Adelanto en el tiempo (sistema no causal)
En la práctica se usan aproximaciones.

Javier G. Garcı́a IPS 2017 29 / 42

Esquema tı́pico de PDS

x(t) Filtro x[n ]

Muestreador
Anti-aliasing

Procesador
Digital de
Señales

y[n ] Retenedor de Filtro de ˆ )

y(t
orden cero reconstrucción

Javier G. Garcı́a IPS 2017 30 / 42

Diezmado y expansión/interpolación

Una operación importante en el procesamiento digital de señales

es el cambio de la tasa de muestreo de una señal. Es decir,
cambiar la cantidad de muestras por segundo que tenemos de
una señal, pero operando sólamente en el dominio digital.
Este cambio puede ser para aumentar la tasa
(expansión/interpolación) o para reducir la tasa (diezmado).
La expansión “crea” muestras nuevas pero sin información nueva,
puesto que estas nuevas muestras no se obtienen de la señal
analógica.
El diezmado puede, en principio, perder información, porque “se
queda” con un número menor de muestras que las tomadas
originalmente.
Estudiaremos brevemente estas operaciones.

Javier G. Garcı́a IPS 2017 32 / 42

Diezmado
El diezmado en M consiste en conservar de la señal original sólo 1 de
cada M muestras. Puesto en fórmulas, serı́a
x(↓M) [n] = x[nM]

Y gráficamente (con M = 3)

x [n]

0 1 2 3 4 5 6 7 8 9
x [n]
Javier G. Garcı́a IPS 2017 33 / 42

Diezmado

¿Qué ocurre en el espectro?

Para analizarlo, es conveniente usar la función peine discreto que ya
conocemos
∞
0 1 2 pM3[n] =4 5 δ[n 6− kM]7 8 9
X

x(↓M ) [n] k=−∞

y su expresión en Serie Discreta de Fourier

M−1
1 X j2πkn/M
pM [n] = e
M
k =0

0 1 2 3 4 5 6 7 8 9
Javier G. Garcı́a IPS 2017 34 / 42
Diezmado

Con este peine, podemos definir la siguiente señal

x̃[n] = x[n]pM [n]

M−1
1 X
= x[n]ej2πkn/M
M
k=0

0 1 2 3 4 5 6 7 8 9
Que tiene como espectro
M−1
j2πs 1 X
X̃ (e )= X (ej2π(s−k/M) )
M
k=0

Javier G. Garcı́a IPS 2017 35 / 42

Diezmado
Si aplicamos ahora el diezmado sobre x̃[n], obtendremos por
supuesto la misma secuencia x(↓M) [n]
x̃[nM] = x[nM]pM [nM] = x[nM] = x(↓M) [n]
Y entonces podemos calcular el espectro de la secuencia diezmada
como sigue
∞
X X∞
X(↓M) (ej2πs ) = x(↓M) [n]e−j2πsn = x̃[nM]e−j2πsn
n=−∞ n=−∞
X∞ X∞
= x̃[k ]e−j2πs(k/M) = x̃[k]e−j2πk(s/M)
k=−∞ k=−∞
j2π(s/M)
= X̃ (e )

M−1
j2πs 1 X 
j2π ( s−k )

X(↓M) (e )= X e M
M
k=0

Javier G. Garcı́a IPS 2017 36 / 42

Diezmado
Si el espectro de x[n], X (ej2πs ) es como el que sigue

-1 0 1 s

Entonces el espectro de la señal diezmada para M = 3, X(↓M) (ej2πs ),

será

-1 0 1 s

Javier G. Garcı́a IPS 2017 37 / 42

Expansión
La expansión de una señal discreta puede hacerse de muchas
maneras, pero la más sencilla es hacerlo con ceros, de la siguiente
manera 
x[n/L] si n = kL
x(↑L) [n] =
0 c.c.

Y gráficamente, con L = 3

x [n]

0 1 2 3 4 5 6 7 8 9
Javier G. Garcı́a
x(↑ L) [n] IPS 2017 38 / 42
Expansión

El espectro puede calcularse en forma directa

∞
X ∞
X
−j2πsn
X(↑L) (e j2πs
)= x(↑L) [n]e = x[n/L]e−j2πsn
n=−∞ n=−∞
n=kL
∞
X
= x[k ]e−j2πsLk
k=−∞

Y finalmente obtenemos

X(↑L) (ej2πs ) = X (ej2πsL )

Javier G. Garcı́a IPS 2017 39 / 42

Expansión
Si partimos de una señal x[n] con un espectro X (ej2πs ) como el que
sigue

-1 0 1 s

Entonces el espectro de la señal expandida para L = 3, X(↑L) (ej2πs ),

será

-1 0 1 s

Javier G. Garcı́a IPS 2017 40 / 42

Interpolación
La interpolación consiste en una expansión con ceros, seguida de
algún filtrado pasa bajos para “suavizar” la señal.
La idea es intentar eliminar las copias del espectro que aparecen
en la banda [−1/2; 1/2] debido a la compresión.
En la práctica el filtrado ideal no es posible y los filtros de
interpolación se diseñan con diversas técnicas.

↑L
x [n] x ext [n ] x interp [n ]

Javier G. Garcı́a IPS 2017 41 / 42

Interpolación
Señal original

-1 0 1 s

Señal expandida

-1 0 1 s

Señal interpolada

-1 0 1 s

Javier G. Garcı́a IPS 2017 42 / 42