DIDIER JOSE CASTRO
CODIGO: 1102577626
GRUPO: 299004_34
TUTOR: OSCAR CAMILO FUENTES
Desarrollo de actividad
Ejercicio 1: muestreo
Siendo x ( t )= A sen ( 2 π f 0 t ) donde la
frecuencia f 0=2000 Hz. Resuelva:
1.1 ¿Se presenta fenómeno alias o
aliasing si x (t ) es muestreada a
S=4500 Hz? Explique paso a paso y
si presenta alias, encuentre la
frecuencia f a
Establecemos la formula
S>2 f max
Reemplazamos los valores y resolvemos
4500> 2∗2000
4500> 4000
Verificamos que la frecuencia de muestreo S
es mayor que 2 f max , por lo tanto, no se
presenta alias.
1.2 ¿Se presenta fenómeno alias o
aliasing si x (t ) es muestreada a
S=3500 Hz? Explique paso a paso y
si presenta alias, encuentre la
frecuencia f a
Establecemos la formula
S>2 f max
Reemplazamos los valores y resolvemos
3500>2∗2000
3500< 4000
Verificamos que la frecuencia de muestreo S
NO es mayor que 2 f max , por lo tanto, SI se
presenta alias, razón por la cual se deberá
encontrar la frecuencia f a
f a=f 0−S
f a=2000 HZ −3500 Hz
f a=1500 Hz
La señal que ingreso fue:
x ( t )= A sen ( 2 π f 0 t )
x ( t )= A sen ( 2 π 2000 Hz t )
x ( t )= A sen ( 4000 Hz πt )
 Y a la salida del conversor DA sale una
señal reconstruida debido a que hubo alias.
La cual quedara así:
x ( t )= A sen ( 2∗1500 Hz πt )
x ( t )= A sen ( 3000 Hz πt )
cuantización - ejercicio 3:
Con un cuantizador de B=32 bits se
muestrea y se cuantiza una senoide con un
intervalo de escala completa de D=12 V
¿cuál es el error rms σ de la cuantización?
Para hallar el error rms usamos las
formulas
Reemplazamos terminos
Cada estudiante responderá las siguientes
seis (6) preguntas:
¿Qué es una señal muestreada?
La base del muestreo de señales es que una
señal de tiempo continuo x(t) puede
representarse mediante una secuencia de
muestra x[n] con valores x[nT]. Para el
procedimiento de muestreo se supondrá que
x[n] se obtiene a partir de x(t) muestreando
periódicamente a una frecuencia  .
Cuando se muestrea una señal, lo que se
desea es una representación “completa”, lo
cual implica que la forma de la onda x(t) se
puede recuperar mediante un proceso
conocido como interpolación. Esto quiere
decir, que para propósitos prácticos, la
forma de onda de la señal de tiempo
continuo se puede reproducir “uniendo los
puntos”, mediante una curva suave, en una
gráfica de las muestras. En la práctica, la
selección de la frecuencia de muestreo para
una señal particular depende de cuán
rápidamente cambia la señal con e tiempo.
Por ejemplo, para una señal que contenga
componentes de hasta alrededor de 1 MHz,
el espaciamiento entre muestras será
generalmente menor que un microsegundo,
mientras que para una señal que varíe en una
escala de tiempo de minutos podría ser
suficiente un espaciamiento de varios
segundos. Si la frecuencia de muestreo se
selecciona en forma correcta, entonces
siempre será posible recuperar la forma de
onda de la señal mediante interpolación. De
manera, si se selecciona una frecuencia de
muestreo demasiada baja, se perderá
información vital acerca de las partes de la
señal que cambian rápidamente. Por tanto,
cuando se interpolan las muestras, no se
podrá confiar en el resultado ya que éste
siempre indicará que la señal tiene un
contenido frecuencial menor que el original.
¿Qué es una señal cuantizada?
El proceso de cuantificación digital es
posterior a la etapa de muestreo en la que se
toman valores de amplitud de una
determinada señal analógica. El objetivo de
este proceso es cuantificar con bits éstos
valores, mediante la asignación de niveles.
En esta etapa se le asigna un valor a la
muestra pero no es digital. En este punto se
decide si el valor de la muestra está, por
aproximación, dentro del margen de niveles
previamente fijados y se le asigna un valor
preestablecido según el código utilizado en
la codificación.
¿Cuál es el fenómeno llamado Alias o
Aliasing?
Este concepto lo escuché la primera vez en
la clase de ASD (Análisis de Sistemas
Digitales). Era una de las pocas asignaturas
que me gustaban, aunque, fácil no era jeje.
Quiero hablarte de este fenómeno por que
estoy seguro de que lo has presenciado
alguna vez…muchas más veces de lo que te
imaginas. Y seguro, te va a resultar
curioso 🙂
El aliasing suele aparecer en diferentes
lugares de la naturaleza y de la ingeniería.
En la naturaleza, este fenómeno puede
aparecer: en el aleteo de una mosca, en el las
aspas de un ventilador o en las llantas de un
coche cuando están girando.
Estos son algunos ejemplos que puedes
observar en tu día a día y que a lo mejor no
te habías percatado.
Y en la Ingeniería suele aparecer, sobre
todo, en el procesado de la señal de audio y
video, fotografía, etc.
¿Qué indica el teorema de muestreo de
Nyquist?
El teorema de muestreo  Interactúa
activamente con un entorno con dinámica
conocida en relación con sus entradas,
salidas y restricciones temporales, para darle
un correcto funcionamiento). 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 cuantifica das. El teorema demuestra
que la reconstrucción exacta de una
señal periódica continua en banda base a
partir de sus muestras, como por ejemplo:
Razón de muestreo/ Frecuencia de Nyquist
22,050 kHz →11,025 kHz
24,000 kHz → 12,000 kHz 
30,000 kHz → 15,000 kHz 
44,100 kHz → 22,050 kHz  El análisis de Fourier de una función
48,000 kHz → 24,000 kHz periódica se refiere a la extracción de series
de senos y cosenos que cuando se
superponen, reproducen la función original.
¿Qué realiza la transformada de Fourier? Este análisis se puede expresar como series
de Fourier. La transformada rápida de
Es una transformación de una función del Fourier (TRF) es un método matemático
tiempo en otra función de la frecuencia.  para la transformación de una función del
También se dice que la función original está tiempo en una función de la frecuencia. A
en el ‘dominio del tiempo’ y la transformada veces se describe como la transformación
la pasa al ‘dominio de la frecuencia’.  del dominio del tiempo al dominio de
frecuencia. Es muy útil para el análisis de
los fenómenos dependientes del tiempo.
Recordemos que el “dominio” de una
función es el conjunto de valores que puede Una aplicación importante se da en el
tomar la variable en el conjunto origen. análisis del sonido. Es importante evaluar la
Cuando es el ‘dominio del tiempo’ los distribución de frecuencias de la energía que
valores serán valores de tiempo (ej: 2 transmite un sonido, porque el oido humano
segundos, 7 segundos, etc)… Cuando se ejerce tal capacidad en el proceso de
habla de ‘dominio de la frecuencia’ los audición. La siguiente ilustración describe el
valores son valores de frecuencia (ej: 7 sonido de un silbato de la policia de
radianes por segundo, 100*PI radianes por Londresen ambos dominios, del tiempo y de
segundo, etc). la frecuencia (por medio de la TRF).

Es decir, dada una función que te dice

cuánto hay de una cantidad en cada instante
de tiempo, la transformada te da otra función TRANSFORMADA DISCRETA DE
que te dice la cantidad que tiene la anterior FOURIER
función en cada frecuencia.

También se podría decir que CODIGO 1102577626

es una generalización de las Series de x= {6 2 6 }
Fourier, pero en lugar de ser para señales n={ 0 12 }
periódicas, para cualquier señal sea
periódica o no.

¿Qué es la transformada rápida de Fourier? Entonces para k =0

 (0 ) (1 ) ( 2)
− j 2 π ( 0) − j 2 π ( 0) − j 2 π ( 0)
3 3 3
x ( 0 )=x ( 0 ) e + x (1) e + x (2)e

¿ 6+2+6 Entonces k =2
¿ 14+ 0 j − j2 π ( 2 )
( 0)
− j 2 π (2 )
( 1)
− j 2 π ( 2)
2
3 3 3
x ( 2 ) =x ( 0 ) e + x ( 1) e + x ( 2) e
Entonces k =1
−j8π

− j2 π ( 1 )
( 0)
− j 2 π (1 )
(1 )
− j 2 π ( 1)
2 ¿ 6+2 e− j 4 π ⁄ 3+6 e 3
3 3 3
x ( 1 ) =x ( 0 ) e + x (1) e + x (2) e
−j4 π
Para poder obtener resultados de reales e
¿ 6+2 e − j2 π ⁄ 3
+6 e 3 imaginarios usaremos la identidad de Euler
que dice:
Para poder obtener resultados de reales e
imaginarios usaremos la identidad de Euler e− jω=cos ( ω ) − j sen ( ω )
que dice:
Ahora reemplazamos en la ecuación:
e− jω=cos ( ω ) − j sen ( ω )
4π 4π
Ahora reemplazamos en la ecuación: ( ( )
¿ 6+2 cos
3 ( ))
− jsen
3
8π 8π

( ( )
¿ 6+2 cos
2π
3
− jsen
2π
( ))
3
( 3
+6 ( cos ( ) 3 )
− jsen ( ) )

Resolvemos:
4π 4π
+6 (( cos ( ) 3 ))
− jsen ( )
3
6+2 ( −12 )− j ( −2√ 3 )+6 ( −12 )− j ( −2√3 )
Resolvemos: Resolvemos reales e imaginarios

√ 3 +6 1 − j − √3 ¿ 8−0.86 j
6+2
−1
( ) ( ) () ( )
2
−j
2 2 2
Escriba aquí laecuación .
clc
Resolvemos reales e imaginarios clear
x= [6 2 6];
¿ 8+0.86 j N=length(x);
X = zeros(3,1)
for k = 0:N-1
for n = 0:N-1
X(k+1) = X(k+1) + x(n+1)*exp(-
1j*pi/2*n*k)
 end S= 20Khz
end
FAGOT

S=2* 7Khz

S= 14Khz

TROMPETA

S= 2*7.5Khz

S= 15Khz

Rango De Frecuencia de los 5

instrumentos musicales
El espectro audible, también
Flauta 261-2349 3-8 KHz denominado campo tonal, se encuentra
Oboe 261-1568 2-12 KHz conformado por las audiofrecuencias, es
Clarinete 165-1568 2-10 KHz decir, toda la gama de frecuencias que
Fagot 62-587 1-7 KHz pueden ser percibidas por el oído humano.
Trompeta 165-988 1-7.5 KHz

Un oído sano y joven es sensible a las

Frecuencia de mestreo es 2 f 0 frecuencias comprendidas entre los 20  Hz  y
los 20 kHz. No obstante, este margen varía
FLAUTA según cada persona y se reduce con la edad
S= 2*8Khz (llamamos presbiacusia  a la pérdida
de audición con la edad). Este rango
S= 16Khz equivale muy aproximadamente a diez
octavas completas (210=1024).
OBOE

S= 2 *12 KHZ

S= 24Khz

CLARINETE Referencias Bibliográficas

S= 2*10Khz
  https://www.sap.com/latinamerica/tr
ends/internet-of-things.html
 https://campus0d.unad.edu.co/camp
us/
 https://www.mineducacion.gov.co/cv
n/1665/w3-article-219316.html
 https://www.definicionabc.com/tecno
logia/histograma.php
 https://www.definicionabc.com/tecno
logia/pixel.php
 https://www.definicionabc.com/tecno
logia/imagen-digital.php
 "Electrónica de Potencia"
Muhammad H. Rashid, 2º Edicion,
Prentice Hall
 Manual online de programacion de
AVR http://www.nongnu.org/avr-
libc/usermanual/
 ATMEL ATmega32's Datasheet
http://www.atmel.com
 Softwares AVR Studio