Professional Documents
Culture Documents
OBJETIVOS DE ESTUDIO
fácilmente tratadas con la Transformada Continua. Esto es para establecer a esta última como
"patrón" de comparación de los resultados obtenidos con la Discreta y marcar pautas a tener en
periódicas.
Tener conocimientos teóricos y metodológicos necesarios para trabajar con señales tanto
continuas como discretas y sistemas LIT (lineales e invariantes en el tiempo) en el dominio del
tiempo y de la frecuencia.
Explicar algunas de las aplicaciones de las Transformadas Discretas de Fourier y para que
sentido. Este está caracterizado por la representación en el dominio del tiempo discreto, en el
dominio frecuencia discreta, u otro dominio discreto de señales por medio de una secuencia de
requieran operaciones numéricas a muy alta velocidad. Debido a esto es especialmente útil para
esta forma (tiempo real) se reciben muestras (samples en inglés), normalmente provenientes de
una memoria donde almacenar los datos con los que trabajará y el programa que ejecuta.
Existen procesos que son muy difíciles o casi imposibles de realizar por analógicamente como
La respuesta es fácil, debido a son más confiables y ofrecen una serie de ventajas muy por
encima de las que puede brindar su contraparte, es decir el PAS; a continuación las siguientes
ventajas:
Ofrecen mayores facilidades, en comparación con las analógicas, para ser recuperadas.
Variaciones en su forma. Con circuitos analógicos, una gran distorsión puede dar
una reproducción de la onda con una distorsión inaceptable. Una vez que la señal analógica
esta distorsionada, la distorsión no puede ser removida por los amplificadores. Además la
regenerada.
Con las técnicas digitales, se produce una taza de error extremadamente baja, produciendo
una señal de alta fidelidad con posibilidad de detección de error y corrección por un proceso
Hay otras importantes ventajas para las comunicaciones digitales son más seguras y pueden
También, el hardware digital presenta una mayor flexibilidad para su implementación que el
tiempo (TDM) la cual es más simple que la combinación de señales analógicas usando
transmitidas y switcheadas bit a bit. También por un swicht conveniente, los mensajes
para computación.
El tiempo de los componentes y las derivas térmicas no afectan el resultado del proceso.
componentes en un sistema análogo hacen que esto sea una dificultad para el diseñador al
controlar la exactitud de la señal de salida análoga. Por otro lado, la exactitud de la señal de
salida para un sistema digital es predecible y controlable por el tipo de aritmética usada y el
requerimiento de capacitores de gran capacidad y muy baja corriente de fuga. En el caso del
análogos.
Mayor precisión y mayor exactitud pueden ser obtenidos con sistemas digitales, comparado
Las señales digitales pueden ser almacenadas en un disco flexible, Disco Duro o CD–ROM,
sin la pérdida de fidelidad más allá que el introducido por el convertidor Análogo Digital
Señales y Sinusoides
Una señal es cualquier cantidad física que puede ser representada como una función de una
variable independiente.
Son fáciles de trabajar con ellas, ya que sus propiedades matemáticas son bien conocidas.
Y lo más importante: Todas las señales pueden ser representadas como una suma de sinusoides.
Transformada de Fourier
Muestreo
El muestreo es la operación que consiste en tomar muestras periódicas de los valores de una
digital. Los otros procesos matemáticos son la cuantificación (asignación de un margen de valor
a un único nivel de salida por ejemplo por redondeo o truncamiento sobre una precisión
produce una pérdida de información que se traduce en un error llamado ruido de cuantificación.
Durante el muestreo la señal es aún analógica (puede tomar cualquier valor), a partir de la
(compresión, etc.) y darle a la señal resultante mayor inmunidad al ruido y otras interferencias a
frecuencia de muestreo debe ser superior al doble de la máxima frecuencia a muestrear. Esa
frecuencia límite se llama frecuencia de Nyquist. Por ejemplo un CD de audio contiene datos
musicales muestreados a 44,1kHz (44 100 muestras por segundo) ya que el oído humano puede
El muestreo es una de las partes del proceso de digitalización de las señales. Consiste en
tomar muestras de una señal analógica a una frecuencia o tasa de muestreo constante,
Transformadas
Uno de los beneficios principales del DSP es que las transformaciones de señales son más
Fourier (TDF). Esta transformada convierte la señal del dominio del tiempo al dominio de la
frecuencia. La TFD permite un análisis más sencillo y eficaz sobre la frecuencia, sobre todo en
aplicaciones de eliminación de ruido y en otros tipos de filtrado (filtros de paso bajo, de paso
limitada). Si se realiza un muestreo regular de f(t) con frecuencia de muestreo mayor o igual
a 2fM , entonces f(t) se puede determinar por completo a partir de la señal discreta.
Dicho de otra manera, la información completa de la señal analógica original que cumple el
criterio anterior se describe completamente por la serie total de muestras resultantes del proceso
∞
sin 𝜔𝑀 (𝑡 − 𝑛𝑇)
𝑓(𝑡) = ∑ 𝑓(𝑛𝑇)
𝜔𝑀 (𝑡 − 𝑛𝑇)
𝑛=−∞
∞
𝑛𝜋 sin 𝜔𝑀 (𝑡 − 𝑛𝑇)
𝑓(𝑡) = ∑ 𝑓( )
𝜔𝑀 𝜔𝑀 (𝑡 − 𝑛𝑇)
𝑛=−∞
Donde
1
𝜔𝑀 = 2𝜋𝑓𝑀 ; 𝑇 = 2𝑓
𝑀
sin 𝜔𝑀 (𝑡 − 𝑛𝑇)
𝑆𝑎[ 𝜔𝑀 (𝑡 − 𝑛𝑇)] =
𝜔𝑀 (𝑡 − 𝑛𝑇)
En caso de que la señal sea muestreada a una tasa inferior a la indicada las trasladadas vecinas
inicial. Si se cumple con la condición indicada de nada sirve aumentar la frecuencia de muestreo.
Como se constata con las fórmulas expuestas la señal analógica no se obtiene mediante
Sea 𝑓(𝑡) una señal analógica, cuyo banda ]−𝑇, 𝑇[(es decir fuera de ese intervalo
unívoca a partir de los valores de F tomados en los puntos equidistantes 𝑛𝜋⁄𝑇, mediante la
fórmula
∞
𝑛𝜋 sin(𝜔𝑡 − 𝑛𝜋)
𝐹(𝜔) = ∑ 𝐹( )
𝑇 (𝜔𝑡 − 𝑛𝜋)
𝑛=−∞
Se puede procesar una señal para obtener una disminución del nivel de ruido, para mejorar la
presencia de determinados matices, como los graves o los agudos. Así, el DSP se utiliza en el
procesamiento de música (por ejemplo MP3), de voz (por ejemplo, reconocimiento de voz) en
Procesamiento de voz
Compresión
Reconocimiento
Síntesis de voz
Amplificación
Cancelación de eco
Procesamiento de audio
Compresión
Reproducción 3-D
Procesamiento de Imágenes
Compresión
Reconocimiento de Patrones
Reducción de ruido
Seguimiento de objetos
Fusión de imágenes
Comunicaciones
Telefonía Celular
Teléfonos satelitales
Encriptado
radiofrecuencia) y Sonar (SOund NAvigation and Ranging y determinar por medio del
Reconocimiento de la palabra
Medicina
electroencefalogramas
Formación de imágenes en tomografía axial computarizada (scanner)
8. PROBLEMAS
1. Dada la señal discreta mostrada en la figura dibuje cada una de la siguiente señal: x(n -2)
Solución:
indicado con una echa la muestra correspondiente al índice 𝑛 = 0, que representa el origen de
tiempos.
𝑥(𝑛 − 2)
dos posiciones. Por tanto 𝑥(𝑛 − 2) = {0; 1 ↑; 0; 2; 2; 2; 1; 0}. La muestra que ocupaba la
posición 𝑛 = 0 ahora ocupa la posición 𝑛 = 2, por esta razón se dice que se ha producido un
retardo.
2. Una señal analógica contiene frecuencias hasta 20kHz. Se pide:
a) ¿Qué frecuencias de muestreo se puede emplear para que sea posible una re-construcción de
b) Si se considera que la frecuencia de muestreo es de 16kHz, ¿qué ocurrirá con una señal de
Solución
a) Para que se verifique el Teorema de Muestreo, es necesario tener más de dos muestras
por periodo. Esto se cumple si 𝐹𝑚 > 2𝐹𝑚𝑎𝑥. En cambio, esta condicion no resulta
estrictamente necesaria sino que es su ciente con que se veri que que 𝐹𝑚 > 2𝐵, siendo B el
producira solapamiento. Analicemos ahora que pasar con la presencia de una frecuencia de
10kHz en la señal.
𝐹 = 10𝑘𝐻𝑧: sera interpretada como su alias en el intervalo −𝐹𝑚 = 2 < 𝐹 < 𝐹𝑚/2. Los alias
La señal se interpretar como si su frecuencia fuese de 2 𝑘𝐻𝑧. Tengase en cuenta que para k
tomaremos un valor entero apropiado para que 𝐹0 este siempre en el intervalo −𝐹𝑚/2 < 𝐹0 <
𝐹𝑚/2.
Solución:
𝐹1 = 225𝐻𝑧 ; 𝐹2 = 725𝐻𝑧
Con lo que la tasa de Nyquist es 2𝐹𝑚𝑎𝑥 = 2 ∗ 725 = 1450𝐻𝑧 Como la tasa de muestreo es
b) Utilizando la misma expresión que en el ejercicio anterior para determinar los alias:
450𝜋 1450𝜋
𝑥(𝑛) = sin( 𝑛) + 3 sin( 𝑛)
500 500
450𝜋 450𝜋
𝑥(𝑛) = sin( 𝑛) + 3 sin( 𝑛 + 2𝜋𝑛)
500 500
450𝜋 450𝜋
𝑥(𝑛) = sin( 𝑛) + 3 sin ( 𝑛) = 4 sin(9𝜋𝑛/10)
500 500
Donde hemos tenido en cuenta que la señal seno es periódica de periodo 2𝜋 . Las frecuencias
9
𝑓1 = 𝑓2 =
20
𝐹𝑎
𝑓=
𝐹𝑚
9
𝐹𝑎1 = 𝐹𝑎2 = 𝑓 𝐹𝑚 = ∗ 500 = 225𝐻𝑧
20
en el apartado (b).
frecuencia tal que la componente de mayor frecuencia tiene 27 muestras por periodo. Se pide:
Solución:
a) Las frecuencias analógicas presentes en 𝑥(𝑡) son:
Ω1 = 100 𝜋 → 𝐹1 = 50𝐻𝑧
Ω2 = 178𝜋 → 𝐹2 = 89𝐻𝑧
𝐹/𝐹𝑚 :
2 ∗ 50𝜋 2 ∗ 89𝜋
𝑥(𝑛) = 2𝑠𝑒𝑛 ( 𝑛) + 0′ 8𝑠𝑒𝑛( 𝑛)
2403 2403
Podemos hacer la representación con más detalle con el siguiente código de MATLAB:
>>n =0:53;
>>Fs = 2403;
>>x = 2*sin(2*50*pi*n/Fs)+0.8*cos(2*89*pi*n/Fs);
>>stem(n,x)
Cuyo resultado se muestra:
𝐹𝑚 2403
𝑁𝑝𝑢𝑛𝑡𝑜𝑠 = = =≈ 48
𝐹1 50
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 54
𝑁𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠 = 𝑁𝑢𝑚𝑒𝑟𝑜𝑠 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 𝑝𝑜𝑟 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠 = 48 = 1′125 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠
5. La señal analógica 𝑥(𝑡) = 0’5ej(2000п t) + 3ej(10000п t+ п/2) (t en s.) se muestrea con una frecuencia
Solución:
La señal 𝑥(𝑡) = 0’5e j(2000п t) + 3e j(10000п t+ п/2) (t en s.) es una señal compleja formada por dos
exponenciales de frecuencias:
Ω1 = 2000𝜋 → 𝐹1 = 1000𝐻𝑧
Ω2 = 10000𝜋 → 𝐹2 = 5000𝐻𝑧
Si se muestrean con 𝐹𝑚 = 8𝑘𝐻𝑧, tenemos que 𝐹𝑁𝑦𝑞𝑢𝑖𝑠𝑡 = 4𝑘𝐻𝑧, y por tanto la segunda
2000𝜋 10000𝜋
𝑥(𝑡) = 0’5𝑒 𝑗( 8000 𝑛) + 3𝑒 𝑗( 𝑛)
8000
𝜋 3𝜋
𝑥(𝑡) = 0’5𝑒 𝑗( 4 𝑛) + 3𝑒 𝑗(− 4 𝑛)
Cuyas frecuencias digitales son 𝑓1 = 1/8 𝑦 𝑓2 = 3/8. Si reconstruimos la señal, dado que
La señal de salida contiene dos exponenciales complejas al igual que la original pero la segunda
“aliasing".
9. BIBLIOGRAFIA
Iberoamérica,(1987)
http://www.fimee.ugto.mx/profesores/arturogp/documentos/Procesamiento%20Digital%2
0de%20Se%C3%B1ales/Lectura%201%20-%20DSP.pdf
https://es.wikipedia.org/wiki/Procesamiento_digital_de_se%C3%B1ales
https://aplicaciones.uc3m.es/cpa/generaFicha?est=257&asig=15545&idioma=1
http://www4.ujaen.es/~jmalmira/dft_almira.pdf
https://www.monografias.com/trabajos102/tratamiento-digital-senales-ii/tratamiento-
digital-senales-ii.shtml
http://odin.fi-b.unam.mx/labdsp/files/ADSP/apuntes/dsp_apli0_17.pdf