PROCESAMIENTO DE SEÑALES

CRISTIAN EDUARDO PRADO RODRIGUEZ – CC 1069712435

JESUS DAVID HERAZO BARRAGAN – CC 92230730
JOSE ALEXANDER RUIZ RODRIGUEZ – CC 16867201
GRUPO 299004_6

sistemas digitales. Por este motivo se

digitalizan y el muestreo es la primera
PRESENTADO A:
etapa que se realiza para digitalizar una
JULIO CESAR BEDOYA PINO. señal.
una señal muestreada como una suma
ponderada de impulsos, en la que los
factores de ponderación son iguales a los
INTRODUCCION valores dela señal analógica en los
instantes donde ocurren los impulsos. Una
señal muestreada idealmente Xj(t) puede
El presente documento corresponde a la considerarse como el producto de una
actividad tarea 1 paso 2 de la materia señal analógica x(t) y un tren periódico de
procesamiento digital de señales en el cual impulsos i(t).
resolveremos una serie de preguntas
acerca de la señal muestreada, que es una
señal cuantizada, Cuál es el fenómeno
llamado Alias o Aliasing, Qué indica el
teorema de muestreo de Nyquist, Qué
realiza la transformada de Fourier, Qué es
la transformada rápida de Fourier, así
como ejercicios de muestreo y
cuantización, un el algoritmo de la
Transformada Discreta de Fourier.
2) ¿Qué es una señal cuantizada?

La cuantificación se encarga de convertir

 Cada estudiante realizará de manera
individual, aportes teóricos (incluir
ecuaciones con editor de word) sobre
las siguientes preguntas:
1) ¿Qué es una señal muestreada?
La naturaleza analógica de las señales hace
imposible su manipulación mediante
una sucesión de muestras de una
determinada señal analógica con amplitud
continua en una sucesión de valores
discretos, preestablecidos según el código
utilizado. Durante el proceso de
cuantificación se mide el nivel de tensión
de cada una de las muestras, obtenidas en
el proceso de muestreo, y se les atribuye
un valor finito (discreto) de amplitud,
seleccionado por aproximación dentro de
un margen de niveles previamente fijado.
La señal cuantizada está representada por
un grupo (palabra) de ceros y cuando las señales continúas distintas se
unos (bits) que pueden procesarse de
manera digital. Cuanto más fina sea la
cuantización, mayor será la palabra. Al
igual que sucede con el muestreo, la
cuantización impropia conduce a pérdidas
de información. Pero a diferencia del
muestreo, no importa cuán fina sea la
cuantización, sus efectos son irreversibles,
ya que las longitudes de la palabra son
necesariamente finitas. El tratamiento
sistemático de la teoría de la cuantización
es muy difícil debido a que las longitudes
de la palabra aparecen como efectos no
lineales. La cuantización siempre
introduce un poco de ruido, cuyos efectos
pueden describirse sólo en términos
estadísticos, y lo usual es considerarlos
sólo en las etapas finales de cualquier
diseño.
La señal puede cuantizarse mediante
redondeo al nivel de cuantización más
próximo, por truncamiento al nivel menor
que el siguiente superior, o por
truncamiento en magnitud y signo, un
proceso que es similar al truncamiento de
los valores absolutos seguido del empleo
del signo apropiado.
3) ¿Cuál es el fenómeno llamado
Alias o Aliasing?
Se define como el efecto que se produce
vuelven indistinguibles al muestrearlas
digitalmente.
De otra manera es la alteración de la
percepción de un determinado movimiento
a través de nuestra percepción.
El aliasing es un efecto que se produce por
un muestreo erróneo de señales
digitalizadas, generando imperfecciones
en dichas señales. Según el Teorema de
Nyquist-Shannon, utilizado en el muestreo
de señales, si deseamos replicar
precisamente la forma de una señal
determinada, la frecuencia del muestreo
debe ser superior al doble de la máxima
frecuencia a muestrear (es decir, que si
deseamos replicar una señal cuya
frecuencia es de 100 Hz la tasa o rango de
muestreo con la que trabajemos debe ser
superior a 200 Hz). Si dicha condición no
se cumple, se generan replicaciones de la
señal original (alias) que difieren de ésta
en su composición, y que además se
superponen, generando el efecto de
aliasing (también llamado efecto Nyquist,
submuestreo o distorsión por
solapamiento) imposibilitando recuperar
la señal original.
4) ¿Qué indica el teorema de
muestreo de Nyquist?
Trata del muestreo que no debe ser
confundido o asociado con la
cuantificación, proceso que sigue al de
muestreo en la digitalización de una señal
y que, al contrario del muestreo, no es
reversible (se produce una pérdida de
información en el proceso de
cuantificación, incluso en el caso ideal
teórico, que se traduce en una distorsión
conocida como error o ruido de
cuantificación y que establece un límite
teórico superior a la relación señal-ruido).
Dicho de otro modo, desde el punto de
vista del teorema, las muestras discretas de
una señal son valores exactos que aún no
han sufrido redondeo o truncamiento
alguno sobre una precisión determinada,
esto es, aún no han sido cuantificadas. El
teorema demuestra que la reconstrucción
exacta de una señal 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.
El teorema de muestreo de Nyquist-
Shannon, también conocido como teorema
de muestreo de Whittaker-Nyquist-
Kotelnikov-Shannon, criterio de Nyquist o
teorema de Nyquist, es un teorema
fundamental de la teoría de la información,
de especial interés en las
telecomunicaciones. El teorema trata del
muestreo que no debe ser confundido o
asociado con la cuantificación, proceso
que sigue al de muestreo en la
digitalización de una señal y que, al
contrario del muestreo, no es reversible (se
produce una pérdida de información en el
proceso de cuantificación, incluso en el
caso ideal teórico, que se traduce en una
distorsión conocida como error o ruido de
cuantificación y que establece un límite
teórico superior a la relación señal-ruido).
Dicho de otro modo, desde el punto de
vista del teorema, las muestras discretas de
una señal son valores exactos que aún no
han sufrido redondeo o truncamiento
alguno sobre una precisión determinada,
esto es, aún no han sido cuantificadas. El
teorema sirve para demostrar que la
reconstrucción exacta de una señal
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.
5) ¿Qué realiza la transformada de
Fourier?
Es empleada para realizar la
transformación de señales del dominio del
tiempo al dominio de la frecuencia y
viceversa.
Esta realiza la transformación matemática
empleada para transformar señales entre el
dominio del tiempo (o espacial) y el
dominio de la frecuencia, que tiene
muchas aplicaciones en la física y la
ingeniería. Es reversible, siendo capaz de
transformarse en cualquiera de los
dominios al otro. El propio término se
refiere tanto a la operación de
transformación como a la función que
produce.
En el caso de una función periódica en el
tiempo (por ejemplo, un sonido musical
continuo, pero no necesariamente
sinusoidal), la transformada de Fourier se
puede simplificar para el cálculo de un Ejercicio 2:
conjunto discreto de amplitudes
complejas, llamado coeficientes de las
series de Fourier. Ellos representan el Siendo 𝑥(𝑡) = 9 𝑠𝑒𝑛(2𝜋 𝑡) +
espectro de frecuencia de la señal del 3 𝑠𝑒𝑛(20𝜋 𝑡) + 7 𝑠𝑒𝑛(1024 𝜋 𝑡)
dominio-tiempo original. Resuelva:

6) ¿Qué es la transformada rápida de

Fourier? 1.1 Encuentre las frecuencias 𝑓0𝑛 de
cada una de las componentes de la
la Transformada Rápida de Fourier es un señal 𝑥(𝑡)
algoritmo que permite calcular
eficientemente la Transforma de Fourier
Discreta y su inversa. La Transformada 9 𝑠𝑒𝑛(2𝜋 𝑡)
Rápida de Fourier es de suma importancia 𝑤 = 2𝜋 ∗ 𝑓
en el análisis, diseño y realización de 𝑤 = 12𝑘𝜋
algoritmos y sistemas de procesamiento de 2𝜋𝑓0 = 2𝜋
señales dado que brinda mayor eficiencia 2𝜋
𝑓0 =
tanto en tiempo como en recursos. 2𝜋
𝑓0 = 1ℎ𝑧
La Transformada rápida de Fourier,
conocida por la abreviatura FFT (del 3 𝑠𝑒𝑛(20𝜋 𝑡)
inglés Fast Fourier Transform) es un 𝑤 = 2𝜋 ∗ 𝑓
algoritmo eficiente que permite calcular la 𝑤 = 20𝜋
transformada de Fourier discreta (DFT) y 2𝜋𝑓0 = 20𝜋
su inversa. La FFT es de gran importancia 20𝜋
en una amplia variedad de aplicaciones, 𝑓0 =
2𝜋
desde el tratamiento digital de señales y 𝑓0 = 10ℎ𝑧
filtrado digital en general a la resolución
de ecuaciones en derivadas parciales o los
algoritmos de multiplicación rápida de 7 𝑠𝑒𝑛(1024 𝜋 𝑡)
grandes enteros. Cuando se habla del
tratamiento digital de señales, el algoritmo 𝑤 = 2𝜋 ∗ 𝑓
FFT impone algunas limitaciones en la 𝑤 = 1024𝜋
señal y en el espectro resultante ya que la 2𝜋𝑓0 = 1024𝜋
señal muestreada y que se va a transformar 1024𝜋
𝑓0 =
debe consistir de un número de muestras 2𝜋
igual a una potencia de dos. La mayoría de 𝑓0 = 512ℎ𝑧
los analizadores de FFT permiten la 1.2. Si la señal 𝑥(𝑡) tiene una frecuencia
transformación de 512, 1024, 2048 o 4096 de muestreo 𝑆 = 90𝐻𝑧 y se desea realizar
muestras. El rango de frecuencias cubierto la reconstrucción de la señal, identifique
por el análisis FFT depende de la cantidad si las componentes senoidales no sufren
de muestras recogidas y de la proporción
de muestreo.
fenómeno de alias, y si alguna de ellas lo 𝑃
𝑆𝑁𝑅𝑄 = 10𝑙𝑜𝑔 𝑃 𝑠
𝑁
sufre, indique cuál y por qué.
16,5
𝑆𝑁𝑅𝑄 = 10𝑙𝑜𝑔 4

9 𝑠𝑒𝑛(2𝜋 𝑡) 𝑆𝑁𝑅𝑄 = 10 log(1,9)

𝑓 − 𝑠 = 2𝜋 − 90𝐻𝑧 = −83,71𝐻𝑧 𝑆𝑁𝑅𝑄 = 10 ∗ 0.278
3 𝑠𝑒𝑛(20𝜋 𝑡) 𝑆𝑁𝑅𝑄 = 2.787 𝑑𝐵
𝑓 − 𝑠 = 20𝜋 − 90𝐻𝑧 = −27,17𝐻𝑧
7 𝑠𝑒𝑛(1024 𝜋 𝑡)
𝑓 − 𝑠 = 1024𝜋 − 90𝐻𝑧 = 3127𝐻𝑧 Ejercicio cuantización 4:
Siendo la señal muestreada:
Ejercicio 4: 𝑥[𝑛] = {0,0.2,0.5,1.0,1.4,1.8,2.0,2.4}
Siendo la señal muestreada: La señal cuantizada:
𝑥[𝑛] = {0.2,0.5,0.5,0.8,1.0,1.5,1.5,0.7} 𝑥𝑄 [𝑛] = {0,0.5,1.0,1.0,1.8,2.0,3.5,3.5}
La señal cuantizada:
𝑥𝑄 [𝑛] = {0,0.5,0.8,1.0,1.0,1.5,1.8,2.0} 1.1. Calcule la señal de error:
Y la señal de error: 𝑒[𝑛]
𝑒[𝑛] = {0, −0.3, −0.5,0, −0.4, −0.2, −1.5, −1.1}
= {0.2,0, −0.3, −0.2,0,0, −0.3, −1.3} 1.2. Halle la potencia de ruido 𝑃𝑁
𝑁−1
1.1. Halle la potencia de ruido 𝑃𝑁 1
𝑃𝑁 = ∑ ℇ2 [𝑛]
𝑁
𝑁−1 𝑛=0
1 𝑃𝑁 = 4
𝑃𝑁 = ∑ ℇ2 [𝑛]
𝑁 1.3. Halle la potencia 𝑃𝑠
𝑛=0 𝑁−1
𝑃𝑁 = 1,9 1
1.2. Halle la potencia 𝑃𝑠 𝑃𝑠 = ∑ 𝑥 2 [𝑛]
𝑁
𝑛=0
𝑁−1 𝑃𝑠 = 16,5
1
𝑃𝑠 = ∑ 𝑥 2 [𝑛]
𝑁 1.4. Halle la relación señal a ruido de
𝑛=0
cuantización 𝑆𝑁𝑅𝑄
𝑃𝑠 = 3.61
𝑃𝑠
1.3. Halle la relación señal a ruido de 𝑆𝑁𝑅𝑄 = 10𝑙𝑜𝑔
𝑃𝑁
cuantización 𝑆𝑁𝑅𝑄
16,5
𝑆𝑁𝑅𝑄 = 10𝑙𝑜𝑔
4
 𝑆𝑁𝑅𝑄 = 10 log(4,125) muestrear una señal esta debe tener 2
veces su frecuencia.
𝑆𝑁𝑅𝑄 = 10 ∗ 0.6154

𝑆𝑁𝑅𝑄 = 6.1542 𝑑𝐵
Ejercicio muestreo 4:
Siendo 𝑥(𝑡) = 𝑐𝑜𝑠(12𝑘𝜋 𝑡) Resuelva:
1.1. ¿Se presenta fenómeno alias o
aliasing si 𝑥(𝑡) es muestreada a
𝑆 = 5𝑘 𝐻𝑧? ? Explique paso a
paso y si presenta alias, encuentre
la frecuencia 𝑓𝑎
1.2. ¿Se presenta fenómeno alias o
aliasing si 𝑥(𝑡) es muestreada a
𝑆 = 12.5𝑘 𝐻𝑧? Explique paso a
paso y si presenta alias, encuentre
la frecuencia 𝑓𝑎
𝑐𝑜𝑠(𝑤𝑡)
𝑤 = 2𝜋 ∗ 𝑓
𝑤 = 12𝑘𝜋
𝑓𝑎 = 2𝑓0 − 𝑓𝑚
𝑓𝑎 = 12𝐾ℎ𝑧 − 12,5𝐾ℎ𝑧
𝑓𝑎 = −0,5𝐾ℎ𝑧
En este ejercicio donde S=12,5Khz no se
presenta el fenómeno alias un periodo
principal debe estar entre (-0,5s a 0,5s)
por tal motivo o razón no aparece el
fenómeno alias.
También se puede decir que respeta el
principio básico de Nyquist.
Ejercicio 5:
Se va a muestrear una senoide con niveles
de amplitud de -2V y 2V, y se va a
cuantizar por redondeo con un error rms
𝜎=10 . ¿Cuántos bits 𝐵 se requieren?
2v

2𝜋𝑓 = 12𝑘𝜋
𝑓0 = 6𝑘ℎ𝑧
En óptimas condiciones la frecuencia de -2v
𝑠 ≥ 2𝑓0 por ende s la 𝑓𝑚 ≤ 2se presenta
la fenómeno de alising o la 𝑓𝑎 por tal
motivo : D es el intervalo de la escala
completa
𝑓𝑎 = 2𝑓0 − 𝑓𝑚
𝐷 = 4𝑉
𝑓𝑎 = 12𝐾ℎ𝑧 − 5𝐾ℎ𝑧
𝜎 = 10𝑚𝑉
𝑓𝑎 = 6𝐾ℎ𝑧
Por tal motivo podemos decir que en ∆ ∆
donde S=5Khz se presenta el fenómeno 𝜎= = 10𝑚𝑉 =
√2 √2
de alising o alias. podemos ver que no se
= √2 ∗ 10𝑚𝑉 = ∆
tiene en cuenta el teorema general de = 0.01414
Nyquist en el cual se dice que para
 𝐷
∆ ∗ 2𝐵 = 𝐷 = 2𝐵 = = 2𝐵 = Oboe 261-1568
∆
10𝑚𝑉 3236HZ
0.01414
= 282.885
Clarinete 165-1568
3236Hz
𝑏 log 2 = log 282.885 = 𝐵
Fagot 62-587
log 282.885
= = 𝐵 1274Hz
log 2
2.45 De acuerdo a las frecuencias de muestreo
= = 8.13
0.30109 se tiene en cuenta que por el teorema de
Teorema de muestreo de Nyquist-Shannon
que se debe muestrear al doble de la
28.13 = 280 frecuencia original pero como también se
debe dejar una frecuencia de muestreo
ligeramente superior permite compensar
Los bits que se requieren son 280 los filtros utilizados durante la conversión
analógica-digital.

 Cada estudiante investigará sobre el El oído humano puede responder a

rango de frecuencias que el oido diminutas variaciones de presión en el aire,
humano es capaz de escuchar, además si están dentro en el rango de frecuencia
investigará cual es el rango de audible aproximadamente entre 20Hz –
frecuencias que emiten cinco (5) 20Khz. Es capaz de detectar variaciones de
instrumentos musicales, y a partir de presión de menos de una billonésima parte
este dato, argumentará a que de la presión atmosférica
frecuencia de muestreo mínima se
debe muestrear cada uno de los cinco
(5) instrumentos musicales para ser
digitalizados de manera correcta. INSTRUM FUNDAME RAN Frecue
ENTO NTAL GO ncia de
El oído humano puede responder a
muestr
diminutas variaciones de presión en el aire, eo
si están en el rango de frecuencia audible, TAMBOR 100-200 1a 400khz
aproximadamente entre 20 Hz - 20 kHz. 200k
hz
Instrumento Frecuencia de
Bombo 30 – 147 1a 12khz
emisión Frecuencia de
6khz
muestreo Platillos 300- 587 1a 30khz
Saxofon Alto 125Hz - 900Hz 15kh
1900Hz z
Violín 196 – 3136 4a 30khz
Flauta 261-2349 15kh
4798Hz z
Flauta 261 – 2349 3a 16khz
8khz
El sonido es la propagación de una
onda generada por el desplazamiento
de un objeto en un medio material.
Cada onda tiene una oscilación por
segundo, y cada oscilación se conoce
como frecuencia. La medida de la
frecuencia, es decir, como cada onda
oscila por segundo, se mide por unidad
de Hertz. Desde un punto de vista
físico, el límite de la audición humana
se encuentra entre el rango de 20 a
20.000 oscilaciones por segundo
(Hertz o Hz), que son los sonidos
generados por fenómenos de
vibración.
En las frecuencias bajas, o sea, en el
límite inferior, los sonidos se perciben
como ritmo. En un rango justo por
encima de los 20 Hz, aún podemos
distinguir cada oscilación y por lo
tanto sentir el sonido como si fueran
pulsaciones mientras que en las
frecuencias altas – límite superior –
podemos escuchar hasta un cierto
límite, siendo muy raro encontrar
personas que escuchen sonidos por
encima de 16.000 Hz. Se debe tener en
cuenta que estés límites disminuyen
con la edad u otros problemas que
afectan la audición.
En definitiva, el oído humano puede
captar sonidos cuyo rango de ondas
oscilan entre 2 veces por segundos a 20
mil veces por segundo, en otras
palabras, entre un rango de 20 Hz a 20
K Hz.
Cada estudiante realizará el algoritmo de
la Transformada Discreta de Fourier, en el
cual debe estar planteada la sumatoria de
transformada. Dicho algoritmo se realizará
para una señal de longitud de tres (3)
muestras. Los tres valores de las muestras
corresponden a los tres últimos números
del documento de identificación, por
ejemplo, si mi cédula es 80765437,
entonces el algoritmo se hará para la señal
x[n] = [4 3 7]. Para desarrollar esta parte el
estudiante podrá utilizar Matlab, Octave
Online, o Scilab.
ALGORITMO
%Algoritmo de la transformada discreta
de Fourier
%Universidad Nacional A Distancia
%Cristian Eduardo Prado Rodriguez
%cod 10697124**
%2019
clear all %borrar las variables que se
encuen en matlab
clc %borrar la pantalla
disp('para la señal x(n)=[4 3 5] ')
xn=[4 3 5]
N=length(xn)
X=zeros(N,1)
for k=0:N-1
for n=0:N-1
 X(k+1)=X(k+1)+xn(n+1)*exp((-
j*2*pi/N)*(n*k))
end
end
disp('la Transformada Discreta de Fourier
para X(n)es :')
X
Cada estudiante realizará un video en you
tube, en el cual explicará línea a línea el
funcionamiento del algoritmo de la
transformada discreta de Fourier (TDF)
Nota: no es grabar el desarrollo
matemático.

El link de referencia es
https://www.youtube.com/watch?v=2Nn
wEyaPHNU&feature=youtu.be
 CONCLUSIONES

 El teorema de muestreo, es la
base de la representación
discreta de una señal continua
en banda limitada.
 El muestreo digitalización de
señales (y por consiguiente en
las telecomunicaciones) y en la
codificación del sonido en
formato digital.
 El objetivo de la señal
cuantizada es cuantificar con
bits éstos valores, mediante la
asignación de niveles.
 El oído humano en las
frecuencias bajas, o sea, en el
límite inferior, los sonidos se
perciben como ritmo.
 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.

El link de referencia es
https://youtu.be/ouP7zuL9gxU
 BIBLIOGRAFIA

 Ambardar, A. (2002). Muestreo Ideal.

In Procesamiento de señales
analógicas y digitales (2nd ed., pp.
446-455). Mexico City, Mexico:
Cengage Learning. Recuperado
dehttp://bibliotecavirtual.unad.edu.co:
2619/apps/doc/CX4060300145/GVR
L?u=unad&sid=GVRL&xid=495113
b6

 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
dehttp://bibliotecavirtual.unad.edu.co:
2619/apps/doc/CX4060300146/GVR
L?u=unad&sid=GVRL&xid=44cdb0b
2

 Ambardar, A. (2002). Cuantización. In

Procesamiento de señales analógicas y
digitales (2nd ed., pp. 460-464).
Mexico City, Mexico: Cengage
Learning. Recuperado
de http://bibliotecavirtual.unad.edu.co
:2619/apps/doc/CX4060300147/GVR
L?u=unad&sid=GVRL&xid=80fe31f
e

 Ambardar, A. (2002). Transformada

de Fourier de Tiempo Discreto. In
Procesamiento de señales analógicas y
digitales (2nd ed., p. 482). Mexico
City: Cengage Learning.
Recuperado de http://bibliotecavirtual
.unad.edu.co:2619/apps/doc/CX40603
00152/GVRL?u=unad&sid=GVRL&
xid=63c52a5d