6.

OBJETIVOS DE ESTUDIO

 Migrar desde la Transformada Continua de Fourier, la cual sirve fundamentalmente desde

un contexto puramente matemático, a la Transformada Discreta de Fourier, que es la adecuada

para trabajar con computadoras digitales.

 Resolver la Transformada (y Transformada Inversa) Discreta de señales que pueden ser

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

cuenta respecto de los errores que se pueden cometer.

 Generalizar los conceptos anteriores para la resolución de problemas de Análisis y

Síntesis Armónicos. Es decir, la aplicación de la Transformada Discreta de Fourier a señales

periódicas.

 Escribir un programa de computadora, que permita aplicar el algoritmo de la

Transformada Rápida de Fourier en trabajos de procesamiento de señales provenientes del

mundo exterior, en tiempo real.

 Desarrollar algunas técnicas del procesamiento de señales que involucran series y

transformadas de Fourier, particularizaremos sobre el análisis del espectro y de sistemas, el

filtrado y el muestreo de señales.

 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

nos favorece en la vida diaria.

7. MARCO TEORICO

El Procesamiento de Señales Digitales o DSP (sigla en inglés de Digital Signal Processing) es la

manipulación matemática de una señal de información para modificarla o mejorarla en algún

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

números o símbolos y el procesado de esas señales.

Esto se puede conseguir mediante un sistema basado en un procesador o microprocesador que

posee un juego de instrucciones, un hardware y un software optimizados para aplicaciones que

requieran operaciones numéricas a muy alta velocidad. Debido a esto es especialmente útil para

el procesado y representación de señales analógicas en tiempo real: en un sistema que trabaje de

esta forma (tiempo real) se reciben muestras (samples en inglés), normalmente provenientes de

un conversor analógico/digital (ADC). Se puede trabajar con señales analógicas, pero es un

sistema digital, por lo tanto necesitará un conversor analógico/digital a su entrada y

digital/analógico en la salida. Como todo sistema basado en procesador programable necesita

una memoria donde almacenar los datos con los que trabajará y el programa que ejecuta.

¿Por qué procesar digitalmente?

Existen procesos que son muy difíciles o casi imposibles de realizar por analógicamente como

Filtros FIR con fase lineal o Filtrado Adaptable.

El procesamiento analógico es realizado con: ‘resistores, capacitores, inductores, etc. La

tolerancia inherente de estas componentes, temperatura, cambios de voltaje y vibraciones

mecánicas pueden afectar el desempeño de los circuitos analógicos.

Ventajas del procesamiento digital de señales

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

inserción de ruido en sistemas analógicos es irrecuperable, y esta no puede ser perfectamente

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

similar que no es compatible con los analógicos.

 Hay otras importantes ventajas para las comunicaciones digitales son más seguras y pueden

ser producidas a un costo más bajo que los circuitos analógicos.

 También, el hardware digital presenta una mayor flexibilidad para su implementación que el

hardware analógico. La combinación de señales digitales usando multiplexión por división de

tiempo (TDM) la cual es más simple que la combinación de señales analógicas usando

multiplexión por división de frecuencia (FDM).

 Diferentes tipos de señales digitales pueden ser tratadas con señales similares y ser

transmitidas y switcheadas bit a bit. También por un swicht conveniente, los mensajes

digitados pueden ser transmitidos en grupos autónomos denominados paquetes. La técnica

digital presenta condiciones naturales para el procesamiento de la señal que protegen de

interferencia y jaming o para proveer encriptación y privacidad. También, aplica en

comunicaciones entre computadoras y entre un instrumento digital o un terminal

para computación.

 El tiempo de los componentes y las derivas térmicas no afectan el resultado del proceso.

 Todos los dispositivos fabricados se comportan de forma idéntica, debido a que

la tolerancia de los componentes no influye en el procesamiento. La tolerancia de los

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

número de bits usado en los cálculos.

 Se puede reconfigurar un dispositivo modificando los valores de algunos coeficientes; no es

necesario ajustar potenciómetros o reemplazar componentes.

 El procesamiento análogo de señales de muy baja frecuencia se dificulta debido al

requerimiento de capacitores de gran capacidad y muy baja corriente de fuga. En el caso del

procesamiento digital no existen limitaciones; se puede procesar señales con periodos de

horas (tales como las mareas) e incluso de años (manchas solares).

 El tamaño de los componentes es constante.

 El procesamiento digital es capaz de realizar tareas muy complejas.

 Los sistemas digitales ofrecen una mayor flexibilidad que los correspondientes sistemas

análogos.

 Mayor precisión y mayor exactitud pueden ser obtenidos con sistemas digitales, comparado

con los correspondientes sistemas análogos.

 Un sistema programable permite flexibilidad en la reconfiguración de aplicaciones DSP.

 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

(CAD). Éste no es el caso para las señales análogas.

Diagrama de bloques de un sistema de procesamiento digital de señales

En el procesamiento: convolución, correlación, Transformada de Fourier Discreta

Dispositivos para el procesamiento digital: PC, microprocesadores, microcontroladores, DSPs

(Digital Signal Processors), ASICs (Application Specific Integrated Circuit)

Señales y Sinusoides

Una señal es cualquier cantidad física que puede ser representada como una función de una

variable independiente.

La variable independiente puede ser tiempo, frecuencia, etc.

Las sinusoides juegan un papel muy importante en el procesamiento de señales, ya que

  Son fáciles de generar

 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

En tiempo continuo 𝑦(𝑡) = 𝐴𝑠𝑒𝑛(Ω𝑡 − 𝜃)

Donde A: Amplitud, Ω: Frecuencia Angular y 𝜃: Fase

Muestreo

El muestreo es la operación que consiste en tomar muestras periódicas de los valores de una

señal continua (analógica) a intervalos regulares de tiempo (o de la variable independiente).

La frecuencia a la cual se capturan los valores se dice frecuencia de muestreo.

El muestreo es el primer proceso que interviene en la conversión de una señal analógica en

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

determinada) y la codificación (traducción de los valores cuantificados a un código,

generalmente binario). La cuantificación, al contrario del muestreo, no es reversible pues se

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

cuantificación la señal se vuelve digital (toma ya valores finitos).

Esta transcripción a señales digitales se realiza con el objetivo de facilitar su procesamiento

(compresión, etc.) y darle a la señal resultante mayor inmunidad al ruido y otras interferencias a

las que son más sensibles las señales analógicas.

Según el teorema de Nyquist-Shannon para replicar con exactitud la forma de la señal la

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

captar los sonidos hasta 16kHz y a veces hasta 22kHz.

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,

para cuantificarlas posteriormente. Basado en el teorema de muestreo, es la base de la

representación discreta de una señal continua en banda limitada.

Transformadas

Uno de los beneficios principales del DSP es que las transformaciones de señales son más

sencillas de realizar. Una de las más importantes transformadas es la Transformada Discreta de

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

alto, de paso banda, de rechazo de banda, etc.).

Teorema de muestreo

Teorema del muestreo uniforme en el dominio del tiempo

Sea f(t) una señal analógica, cuya frecuencia más alta es fM (o sea que la señal es de banda

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

de muestreo, de la siguiente manera:

∞
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

Se observa que cada muestra está multiplicada por la función “muestreadora”:

sin 𝜔𝑀 (𝑡 − 𝑛𝑇)
𝑆𝑎[ 𝜔𝑀 (𝑡 − 𝑛𝑇)] =
𝜔𝑀 (𝑡 − 𝑛𝑇)

y todas estas funciones resultantes se suman para obtener 𝑓(𝑡)

 (a) La función de banda limitada f(t)
(b) La función muestreada
(c) Reconstrucción de una forma de onda

En caso de que la señal sea muestreada a una tasa inferior a la indicada las trasladadas vecinas

se superponen dando origen al fenómeno llamado “aliasing” y no se puede recuperar la señal

inicial. Si se cumple con la condición indicada de nada sirve aumentar la frecuencia de muestreo.

Encabalgamiento de señales. “aliasing”

Como se constata con las fórmulas expuestas la señal analógica no se obtiene mediante

interpolación lineal de los puntos resultantes del muestreo.

También existe un teorema similar cuando se considera el dominio de las frecuencias.

Teorema del muestreo uniforme en el dominio de la frecuencia

Sea 𝑓(𝑡) una señal analógica, cuyo banda ]−𝑇, 𝑇[(es decir fuera de ese intervalo

𝑓(𝑡)=0), entonces su transformada de Fourier 𝐹(𝜔) se puede determinar en forma

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=−∞

Aplicaciones del procesamiento Digital

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

teléfonos celulares, de imágenes (en la transmisión de imágenes satelitales) y vídeo (DVD).

Procesamiento de voz

 Compresión

 Reconocimiento

 Verificación, adecuación de voz

 Síntesis de voz

 Amplificación

 Cancelación de eco

Procesamiento de audio

 Compresión

 Reproducción 3-D
Procesamiento de Imágenes

 Compresión

 Reconocimiento de Patrones

 Cancelación de fantasmas (Ghost cancellation)

 Reducción de ruido

 Seguimiento de objetos

 Fusión de imágenes

Comunicaciones

 Telefonía Celular

 Teléfonos satelitales

 Módems y LAN inalámbricas

 Encriptado

 Radar(radio detection and ranging, “detección y medición de distancias por

radiofrecuencia) y Sonar (SOund NAvigation and Ranging y determinar por medio del

sonido la presencia, localización o naturaleza de objetos en el mar).

 Filtrado y compresión de audio y video

 Reconocimiento de la palabra

Medicina

 Reducción de ruido y diagnóstico automático de electrocardiogramas y

electroencefalogramas
  Formación de imágenes en tomografía axial computarizada (scanner)

 Resonancia magnética nuclear y ecografía (ultrasonido).

8. PROBLEMAS

1. Dada la señal discreta mostrada en la figura dibuje cada una de la siguiente señal: x(n -2)

𝑆𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑜𝑟𝑖𝑔𝑖𝑛𝑎𝑙 𝑥(𝑛)

Solución:

La secuencia original se puede expresar como x(𝑛) = {0; 1; 0; 2 ↑; 2; 2; 1; 0}, donde se ha

indicado con una echa la muestra correspondiente al índice 𝑛 = 0, que representa el origen de

tiempos.

 𝑥(𝑛 − 2)

La secuencia ha sido retardada dos muestras, lo que equivale a un desplazamiento a la derecha de

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

la señal a partir de sus muestras?

b) Si se considera que la frecuencia de muestreo es de 16kHz, ¿qué ocurrirá con una señal de

10kHz presente en la señal?

c) ¿Que ocurrir a con una señal de 18kHz?

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

ancho de banda de la señal.

Por tanto, 𝐹𝑚𝑎𝑥 = 20𝑘𝐻𝑧: Luego deberemos emplear 𝐹𝑚 > 40𝑘𝐻𝑧:

b) Cuando trabajamos con 𝐹𝑚 = 16𝑘𝐻𝑧: no se verificara el Teorema de Muestreo y se

producira solapamiento. Analicemos ahora que pasar con la presencia de una frecuencia de

10kHz en la señal.

La frecuencia máxima posible con 𝐹𝑚 = 16𝑘𝐻𝑧: es de 8𝑘𝐻𝑧, como consecuencia la señal de

𝐹 = 10𝑘𝐻𝑧: sera interpretada como su alias en el intervalo −𝐹𝑚 = 2 < 𝐹 < 𝐹𝑚/2. Los alias

se pueden obtener a partir de la expresión:

𝐹𝑘 = ±𝐹0 + 𝑘𝐹𝑚; 𝑘 = 0; ±1; ± 2; ±3; …

Siendo 𝐹𝑘 los alias de 𝐹0 para la frecuencia de muestreo 𝐹𝑚.

Por ello: 10 = 𝐹0 + 𝑘16 → 𝐹0 = 10 − 16 = −6𝑘𝐻𝑧

Donde se ha considerado k = 1. La frecuencia de 10 kHz. Muestreada a 16 kHz. se comporta

como si se tratase de una señal de -6 kHz.

c) Si la señal es de 18 kHz., tendremos F𝑚 > 2 ∗ 18 = 36𝑘𝐻𝑧 con lo que sigue sin

cumplirse el Teorema de Muestreo y se producirá solapamiento:

𝐹𝑘 = 𝐹0 + 𝑘𝐹𝑚; 18 = 𝐹0 + 𝑘16 → 𝐹0 = 2𝑘𝐻𝑧

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.

3. La señal analógica 𝑥(𝑡) = 𝑠𝑒𝑛(450𝜋 𝑡) + 3𝑠𝑒𝑛(1450 𝜋𝑡) (𝑡 𝑒𝑛 𝑠. ) se muestrea con

una frecuencia de 500𝐻𝑧 Se pide:

a) Determinar cuál es la tasa (o frecuencia) de Nyquist para esta señal.

b) Calcule a que frecuencias aparecen los `alias' debido al muestreo inapropiado.

c) ¿Cuáles son las frecuencias digitales de la señal resultante del muestreo?

d) Si las muestras se pasan a través de un conversor D/A ideal, ¿qué frecuencias

Tendrá la señal analógica reconstruida?

Solución:

a) Las frecuencias presentes en la señal original son:

Ω1 = 450𝜋 = 2 𝜋𝐹1; Ω2 = 1450𝜋 = 2𝜋 𝐹2

𝐹1 = 225𝐻𝑧 ; 𝐹2 = 725𝐻𝑧

Con lo que la tasa de Nyquist es 2𝐹𝑚𝑎𝑥 = 2 ∗ 725 = 1450𝐻𝑧 Como la tasa de muestreo es

de 500 𝐻𝑧. y esta es menor que la 𝐹𝑁𝑦𝑞𝑢𝑖𝑠𝑡 , se producirá “aliasing".

b) Utilizando la misma expresión que en el ejercicio anterior para determinar los alias:

𝐹𝑘 = 𝐹0 + 𝑘𝐹𝑚 → 725 = 𝐹0 + 500𝑘 → 𝐹0 = 725 − 500 = 225𝐻𝑧

La frecuencia F1 sí verifica el Teorema de Muestreo luego no sufre cambios.

c) La señal muestreada será:

450𝜋 1450𝜋
𝑥(𝑛) = sin( 𝑛) + 3 sin( 𝑛)
500 500

450𝜋 (1000 + 450)𝜋

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

digitales para ambas señales son idénticas:

9
𝑓1 = 𝑓2 =
20

d) Al reconstruir la señal sabemos que:

𝐹𝑎
𝑓=
𝐹𝑚

Siendo 𝐹𝑎 la frecuencia analogica:

9
𝐹𝑎1 = 𝐹𝑎2 = 𝑓 𝐹𝑚 = ∗ 500 = 225𝐻𝑧
20

Luego la señal obtenida a la salida del conversor D/A será:

𝑦(𝑡) = 𝑠𝑒𝑛(2 ∗ 225𝜋 𝑡) + 3𝑠𝑒𝑛(2 ∗ 225𝜋 𝑡) = 4𝑠𝑒𝑛(450𝜋 𝑡) , como habíamos obtenido

en el apartado (b).

4. La señal analógica 𝑥(𝑡) = 2𝑠𝑒𝑛(100𝜋 𝑡) + 0′8𝑠𝑒𝑛(178𝜋 𝑡) (𝑡 𝑒𝑛 𝑠. ) se muestrea con una

frecuencia tal que la componente de mayor frecuencia tiene 27 muestras por periodo. Se pide:

a) Representa 54 puntos de la señal obtenida.

b) ¿Cuantos períodos de la señal de menor frecuencia hay en la representación anterior?

Solución:
a) Las frecuencias analógicas presentes en 𝑥(𝑡) son:

Ω1 = 100 𝜋 → 𝐹1 = 50𝐻𝑧

Ω2 = 178𝜋 → 𝐹2 = 89𝐻𝑧

El número de muestras en un periodo puede obtenerse a partir de la figura, siendo 𝑁𝑝𝑒𝑟 =

𝐹/𝐹𝑚 :

Luego, 𝐹𝑚 = 𝐹1 ∗ 𝑁𝑝𝑒𝑟 = 89 ∗ 27 = 2403𝐻𝑧 La señal obtenida al muestrear sera:

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:

𝑀𝑢𝑒𝑠𝑡𝑟𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑠𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎 𝑜𝑏𝑡𝑒𝑛𝑖𝑑𝑎

b) El número de puntos por periodo para F1 será:

𝐹𝑚 2403
𝑁𝑝𝑢𝑛𝑡𝑜𝑠 = = =≈ 48
𝐹1 50

El número de periodos vendrá dado por:

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

𝐹𝑚 = 8𝑘𝐻𝑧 y la señal resultante es reconstruida con un conversor D/A ideal utilizando la

misma 𝐹𝑚. Determine la señal 𝑋𝑟 (𝑡) obtenida tras este proceso.

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

exponencial no cumple el Teorema de Muestreo, produciendo “aliasing".

La señal muestreada será, haciendo 𝑡 = 𝑛𝑇 :

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

𝐹𝑖 = 𝐹𝑚 ∗ 𝑓𝑖 𝑦 𝐹𝑚 = 8000𝐻𝑧, la señal analógica resultante será:

𝑥(𝑡) = 0’5𝑒 𝑗(2000𝜋𝑡) + 3𝑒 𝑗(−6000𝜋𝑡)

La señal de salida contiene dos exponenciales complejas al igual que la original pero la segunda

ha cambiado su frecuencia de 5000 Hz. a -3000 Hz. como consecuencia del

“aliasing".

9. BIBLIOGRAFIA

 Hwei P. HSU, Análisis de Fourier, Addison-Wesley

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