Tarea 2

Guevara, John David

Universidad Nacional Abierta y a Distancia UNAD
Escuela de Ciencias Básicas Tecnología e Ingeniería
Reconocer los elementos matemáticos que implica la conversión Analógica Digital
Cali, Colombia
jdguevaraz@[Link]

Abstract — This paper presents the implementation of La cuantificación o cuantización convierte una señal en
mathematical concepts and procedures involved in converting an tiempo discreto, con la amplitud definida en un intervalo
analog signal to a digital one. The algorithms programmed for continuo, en una señal en tiempo discreto definida
the simulation are carried out with experimental data that, being
únicamente para un conjunto de valores discretos de
correctly analyzed, can be applied in large industries.
amplitud. La señal discreta se limita a un número finito de
I. INTRODUCCION amplitudes posibles, resultando una diferencia entre la
señal cuantizada y la señal sin cuantizar denominada error
La finalidad de la tarea 2 reconocer los elementos matemáticos de cuantización.
que implican la conversión analogía digital son comprender Las amplitudes permitidas para la señal discreta se
los conceptos y procedimientos que integran la conversión denominan niveles de cuantización. La resolución del
analógica digital y su implicación en el dominio de la cuantizador es la distancia entre dos niveles de
frecuencia y del tiempo, para la correcta digitalización de cuantificación sucesivos , cuantos más niveles se usen (L)
señales analógicas. mayor precisión y menor error de cuantificación.
II. CONTENIDO
Responda las siguientes preguntas apoyándose en la
bibliografía recomendada (incluir ecuaciones con editor de
Word):
 ¿A qué se refiere el muestreo de una señal analógica?
También denominado “Discretización de señal”, es el
primer paso en el proceso de conversión de una señal
analógica (tiempo y amplitud continuos) en una señal
digital (tiempo y amplitud discretos).
El muestreo es el proceso de convertir una señal analógica
continua en pulsos de amplitudes discretas o intervalos
específicos de muestreo.
Los sistemas digitales son usados para procesamiento por
que son de bajo costo, son precisos y pueden ser
implementados rápidamente. La frecuencia de muestreo Figura 2 cuantizador de 8 niveles
esta dad por la ecuación.
1
f s= Hz  ¿Qué indica el teorema de muestreo de Nyquist?
T "Si una señal continua, S(t), tiene una banda de frecuencia
tal que fm es la mayor frecuencia comprendida dentro de
dicha banda, dicha señal podrá reconstruirse sin distorsión
a partir de muestras de señal tomadas a una frecuencia fs,
siendo 2fm< fs".
La señal xa(t) se puede reconstruir totalmente a partir de
sus muestras si la tasa de muestreo o frecuencia Fs
cumple que Fs > 2B, siendo B la componente espectral
máxima de la señal xa(t).
Figura 1muestreo de una señal analógica
f n=2 B
 ¿Cómo se realiza la cuantización de una señal? f s > f n teorema delmuestreo
Si la frecuencia de muestreo Fs es inferior a la frecuencia
de Nyquist FN se produce un solapamiento del espectro Transformada de Fourier
de la señal (aliasing), lo que imposibilita una +∞
F (w)= ∫ f (t ) e
− jwt
reconstrucción perfecta de la señal dt
 ¿Cuál es el fenómeno llamado Alias o Aliasing? −∞
El aliasing es el efecto que causa que señales continuas
distintas se tornen indistinguibles cuando se les muestrea Para que exista la TF de f(t), se debe cumplir que:
digitalmente. Cuando esto sucede, la señal original no +∞
puede ser reconstruida de forma unívoca a partir de la
señal digital3 . El aliasing es un fenómeno propio de la
∫ |f (t )|dt <∞
−∞
conversión A/D, en el cual la frecuencia de la señal
reconstruida es menor que el de la señal original, lo cual
 ¿Qué es la transformada rápida de Fourier?
ocurre cuando la frecuencia de muestreo es demasiado
Teniendo en cuenta la gran cantidad de operaciones que
baja; estos efectos pueden reducirse utilizando filtros.
requiere el cálculo de la transformada de Fourier discreta
es natural buscar un algoritmo que la calcule con un coste
 ¿Qué realiza la transformada de Fourier? computacional sensiblemente menor. Fue Gauss en 1805
Es una transformación matemática empleada quién creó el algoritmo de "divide y vencerás", es decir,
para transformar señales entre el dominio del tiempo (o un algoritmo basado en calcular el vector ( bf(0), bf(1), ...,
espacial) y el dominio de la frecuencia. bf(N −1)) de forma recursiva dividiendo cada componente
La Transformada de Fourier es un instrumento de gran en dos sumas, aunque no se ocupó de precisar
valor para analizar las funciones no periódicas.  computacionalmente el número de operaciones requeridas
Es decir, mediante la Serie de Fourier podemos por su algoritmo. Un siglo y medio después, en 1965, dos
representar una señal periódica en términos de sus científicos norteamericanos, [Link] y [Link],
componentes sinusoidales, cada componente con una redescubrieron el algoritmo más eficiente hasta entonces
frecuencia en particular. La Transformada de Fourier conocido, al cual le dieron el nombre de transformada de
permite hacer esto mismo con señales no periódicas. Fourier rápida, que fue uno de los grandes
Sea f una función real definida en el dominio continuo, descubrimientos de la última mitad del siglo XX. Este
dígase f(t) definida en el dominio t. Entonces, la algoritmo fue la inspiración en muchas investigaciones de
Transformada de Fourier (TF) se define como: algebra, en el procesamiento de señales e imágenes y en el
+∞ importante paso en la investigación de minimizar el
F (f ¿¿ (t))=F( w)= ∫ f (t ) e− jwt dt ¿ número de operaciones numéricas.
−∞
Transformada rápida de Fourier
N
X ( K)=∑ x ( j) wn
( j−1)(k−1)

j =1

Transformada inversa rápida de Fourier

N
1
x ( j)= ∑ x (k ) w n( j−1)(k−1)
N j=1

Desarrolle (3) ejercicios matemáticos de manera individual,

cada uno relacionado con los siguientes temas:

 Muestreo (ejercicio 1)
Figura 3transformada de Fourier
Encuentre las frecuencias 𝑓0 de cada una de las
También podemos definir dos integrales que se llaman el componentes de la señal 𝑥(𝑡)
par de Transforma de Fourier:
x ( t )=10 sen ( 36 πt ) +7 sen (217 πt )+ 8 cos ( 1370 πt ) +3 sen (20
Anti transformada de Fourier
+∞ 10 sen ( 36 πt )
1
F ( t )= ∫ f e jwt dt
2 π −∞ (w )
ω=2 πfo
36 π=2 πfo
 36 π fa=685−1∗1250
=fo
2π fa=−565
18 Hz=fo
3 sen (2070 πt )
7 sen ( 217 πt ) fs≥ 3 fmax
ω=2 πfo 1250 ≥3 ( 1035 )
217 π=2 πfo 1250 ≥3105 Hz
217 π
=fo Si hay fenómeno de aliasing
2π fa=fo−Nfs
108.5 Hz=f 1 fa=1035−1∗1250
fa=−215
8 cos ( 1370 πt )
ω=2 πfo Ecuación reconstruida
1370 π =2 πfo x ( t )=10 sen ( 36 πt ) +7 sen (217 πt )+ 8 cos (−565 πt ) +3 sen (−
1370 π
=fo ¿Se presenta fenómeno alias o aliasing si 𝑥(𝑡) es
2π
muestreada a 𝑆 = 1980 𝐻𝑧? Explique paso a paso y si
685 Hz=fo presenta alias, encuentre la frecuencia 𝑓𝑎 y reconstruya la
señal 𝑥𝑎 (𝑡)
3 sen (2070 πt )
ω=2 πfo 10 sen ( 36 πt )
2070 π=2 πfo fs≥ 10 fmax
2070 π 1980 ≥10 ( 18 )
=fo
2π 1980 ≥180 Hz
No hay fenómeno de aliasing
1035 Hz=fo
7 sen ( 217 πt )
¿Se presenta fenómeno alias o aliasing si 𝑥(𝑡) es fs≥ 7 fmax
muestreada a 𝑆 = 1250 𝐻𝑧 ? Explique paso a paso y si
presenta alias, encuentre la frecuencia 𝑓𝑎 y reconstruya la
1980 ≥7 ( 108.5 )
señal 𝑥𝑎(𝑡) 1980 ≥759.5 Hz
No hay fenómeno de aliasing
10 sen ( 36 πt )
fs≥ 10 fmax 8 cos ( 1370 πt )
1250 ≥10 ( 18 ) fs≥ 8 fmax
1250 ≥180 Hz 1980 ≥ 8 ( 685 )
No hay fenómeno de aliasing 1980 ≥5480 Hz
Si hay fenómeno de aliasing
7 sen ( 217 πt )
fa=fo−Nfs
fs≥ 7 fmax
fa=685−1∗1980
1250 ≥7 ( 108.5 )
fa=−1295
1250 ≥759.5 Hz
No hay fenómeno de aliasing
3 sen (2070 πt )
8 cos ( 1370 πt ) fs ≥ 3 fmax
fs≥ 8 fmax 1980 ≥3 ( 1035 )
1250 ≥ 8 ( 685 ) 1980 ≥3105 Hz
1250 ≥5480 Hz Si hay fenómeno de aliasing
fa=fo−Nfs
Si hay fenómeno de aliasing
fa=1035−1∗1980
fa=fo−Nfs
 fa=−945 235.29
B=log
0,3010
Ecuación reconstruida
x ( t )=10 sen ( 36 πt ) +7 sen (217 πt )+ 8 cos (−1295 πt ) +3 sen (−945 πt )
¿Si el cuantizador ahora es de 20 bits, cuál sería su error
Ancho de banda rms 𝜎?
Bw=fmax−fmin
Bw=1035 Hz−18 D=16 V
Bw=1017 Hz L=2
B

Halle la frecuencia de muestreo para que la señal 𝑥(𝑡) no B=20 bits

presente fenómeno de Alias.
L=220
S ≥2 fmax L=1048576
S ≥2 ( 1035 ) D
S ≥2070 ∆=
L
 Cuantización (ejercicio 1) 16
∆=
1048576
Se va a muestrear una señal con niveles de amplitud entre
- 8V y 8V, y se va a cuantizar por redondeo con un error σ =0,000015
rms 𝜎 = 17 𝑚𝑉 .

D=−8 V → 8 V x ( n )= {0.7 , 0.8 , 1.5 ,7.0 , 3.4 , 6.8 , 3.0 ,7.4 }

xq ( n )={0.6 , 0.6 , 1.4 , 5.7 , 6.6 , 5.3 ,2.7 , 6.9 }
D=16 V
σ =17 mV ¿Cuál es la señal de error 𝑒(𝑛)?

L=Dfl √ 12 x ( n )= {0.1 , 0.2 ,0.1 , 1.3 ,−2.6 , 1.5 , 0.3 , 0.5 }

D
L= √ 12 ¿Cuál es la potencia de la señal de ruido?
σ
D 1
n=−1
2B = √ 12 Pn= ∑ e2 ( n )
σ N n=0
1
¿Cuántos bits 𝐵 se requieren?
Pn= ¿
8
1
( σ √D12 )
Pn= (−2.42 )
log 2B =log 8
Pn=−0.30
log a b=b log a ¿Cuál es la potencia de la señal muestreada?

B log 2=log
( σ √D12 ) Pn1=
1
n=−1

∑ x2 ( n )
N
( σ √12 )
n=0
D
log 1
Pn= ¿
B= 8
2
log 1
Pn1= ( 74.6 )
8

B=
log
( 0,017
16 V
( 4) ) Pn1=9.32
0,3010 ¿Cuál es la relación señal ruido del cuantizador 𝑆𝑁𝑅𝑄?
 SNRQ=10 log ( PnPn1 )
SNRQ=10 log (−0.30
9.32
)
SNRQ=−31.09 dB

Realice el algoritmo de la Transformada Discreta de Fourier,

en este debe estar planteada la sumatoria de la transformada
con dos ciclos for. 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 (6,4,7).

Figura 6 graficas DFT

Enlace video.
[Link]

Investigue sobre el rango de frecuencias que el oído humano es

capaz de escuchar.
El rango de audición humana depende tanto del tono del
sonido, ya sea alto o bajo, como de la intensidad del sonido. El
tono se mide en Hertz (Hz) y la sonoridad se mide en
decibelios (dB).

Para una persona con audición normal, cuando se trata de tono,

el rango de audición humana comienza a un nivel bajo de
aproximadamente 20 Hz. Eso es casi lo mismo que la tecla más
baja en un órgano de tubos. En el otro lado del rango de
Figura 4 algortimo y graficas DFT audición humana, la frecuencia más alta posible escuchada sin
incomodidad es de 20,000Hz. Mientras que 20 a 20,000Hz
forman los límites absolutos del rango de audición humana,
nuestra audición es más sensible en el rango de frecuencia de
2000 - 5000 Hz.

En lo que se refiere a la sonoridad, los humanos normalmente

pueden escuchar a partir de 0 dB. Los sonidos de más de 85dB
pueden ser peligrosos para su audición en el caso de una
exposición prolongada.
Investigue sobre cuál es el rango de frecuencias que emiten
cinco (5) instrumentos musicales, se debe tener en cuenta los
armónicos de los instrumentos ya que son las frecuencias más
altas que emiten, y a partir de este dato, argumentará a que
frecuencia de muestreo mínima se debe muestrear cada uno de
los cinco (5) instrumentos musicales para ser digitalizados de
manera correcta. Por ejemplo, si el bombo tiene un rango de 50
Hz a 15 Khz, su frecuencia de muestreo; Fs = 30 Khz mínimo

Instrumento fundamental Frecuencia Frecuencia

min – máx. de muestreo
armónicos mínimo.
Figura 5 algortimo DFT
Tambor 100-200 1-20 Khz 40 Khz
Bombo 30-147 1-6 Khz 12 Khz
 [Link]/ps/[Link]?
p=GVRL&u=unad&id=GALE|
Platillos 300-587 1-15 Khz 30 Khz CX4060300146&v=2.1&it=r&sid=GVRL&asid=44cdb0b2
[2] Ambardar, A. (2002).  Muestreo Ideal. En Procesamiento de señales
Violín 196-3136 4-15 Khz 30 Khz analógicas y digitales (2nd ed., pp. 446-455). Cengage
Learning [Link]
p=GVRL&u=unad&id=GALE|
CX4060300145&v=2.1&it=r&sid=GVRL&asid=495113b6
III. CONCLUSION [3] Ambardar, A. (2002).  Cuantización. En Procesamiento de señales
Teniendo en cuenta el desarrollo de la tarea 1, donde se analógicas y digitales (2nd ed., pp. 460-464). Cengage
Learning [Link]
comprendieron los conceptos como: transformada de Fourier, p=GVRL&u=unad&id=GALE|
y transformada rápida de Fourier son de alta importancia CX4060300147&v=2.1&it=r&sid=GVRL&asid=80fe31fe
reconocerlos a la hora de realizar una conversión de una señal [4] Ambardar, A. (2002). Transformada de Fourier de Tiempo Discreto.. En
análoga a una digital, además al aplicarlos correctamente Procesamiento de señales analógicas y digitales (2nd ed., p. 482).
Cengage
podremos solucionar problemas de ámbito social o laboral . Learning [Link]
p=GVRL&u=unad&id=GALE|
CX4060300152&v=2.1&it=r&sid=GVRL&asid=63c52a5d
REFERENCIAS [5] García Martínez, M. (05,07,2017). Procesamiento Digital de Señales -
Transformada Discreta de
Fourier. [OVI] [Link]
[1] Ambardar, A. (2002).  Muestreo, Interpolación y Recuperación de la
Señal. En Procesamiento de señales analógicas y digitales (2nd ed., pp. García, M. A. (2022). Muestreo de señales
456-460). Cengage Learning [Link] analógicas. [Objeto_virtual_de_Informacion_OVI]. Repositorio
Institucional UNAD. [Link]