Módulo 1.
1: Muestreo
Juan P. Ugarte Macías
Objetivos
— Entender el proceso de discretización de señales
— Entender el efecto de la discretrización sobre la transformada
de Fourier de una señal
— Derivar el teorema de muestreo de Nyquist
— Establecer las condiciones bajo las cuales es posible
reconstruir una señal de tiempo continuo a partir de sus
muestras
Muestreo y retención
▶ Sea g (t) una función temporal. El muestreo en t = nTs y la
retención de la muestra:
g̃ (t) = g (nTs ), nTs ≤ t < (n + 1)Ts ,
▶ El modelo matemático:
operación de muestreo + operación de retención
▶ Operación de muestreo. Tren de impulsos:
∞
X
∆(t) = δ(t − nTs ),
n=−∞
entonces:
∞
X
g ∗ (t) = g (nTs )δ(t − nTs ),
n=−∞
donde g ∗ (t) es la salida de la operación de muestreo.
▶ Operación de retención. Función rectangular de duración Ts :
1, t ∈ [0, Ts ),
h(t) =
0, t ∈/ [0, Ts ).
La transformada de Fourier de una función y(t) es:
Z ∞
Y (f ) = F{y (t)} = y (t)e −j2πft dt.
−∞
¿Transformada de Fourier de h(t)?
1 − e −j2πTs f
H(f ) = .
j2πf
El muestreador ideal: la función delta (∆)
Sea ∆(t) una función periódica, entonces la serie de Fourier:
∞
X
∆(t) = cn e j2πnt/Ts ,
n=−∞
donde:
Ts /2
1
Z
cn = e −j2πnt/Ts ∆(t)dt,
Ts −Ts /2
1
cn = = Fs .
Ts
Por lo tanto:
∞
X
∆(t) = Fs e j2πnt/Ts .
n=−∞
La acción del muestreador ideal en el dominio de la
frecuencia I
▶ El muestreador ideal toma una señal de tiempo continuo g (t)
y la multiplica por ∆(t)
▶ Entonces, la transformada de Fourier de ∆(t) es:
∞
X
F{∆(t)} = Fs F{e j2πnFs t },
n=−∞
∞
X
F{∆(t)} = Fs δ(f − nFs ).
n=−∞
La acción del muestreador ideal en el dominio de la
frecuencia II
Entonces:
∞
X
F{g (t)∆(t)} = Fs G (f − nFs ).
n=−∞
Si G (f ) es band-limited:
G (f ) = 0, |f | > F
La acción del muestreador ideal en el dominio de la
frecuencia III
Si Fs es fijo, qué pasa:
▶ ¿si F es lo suficientemente pequeño?
▶ ¿si F es muy grande?
▶ Entonces se requiere F < Fs /2 (frecuencia de Nyquist)
Necesidad de la condición
▶ De acuerdo al teorema de muestreo de Nyquist:
Fs
F < .
2
▶ Sea g (t) = sin(2πFt). Sea Fs = 2F muestras por segundo.
¿Cuál es el resultado del muestreo ideal?
Aliasing I
▶ Sea una función coseno oscilando a F Hz y discretizada a FS
muestras por segundo de modo que Fs > F > Fs /2
▶ Se reconstruye la señal usando un filtro ideal pasabajo en
Fs /2. ¿Qué frecuencia se ve a la salida del filtro?
Aliasing II
El efecto completo: operación S/H I
▶ Muestreador ideal: hace copias del espectro de la señal cada Fs
Hz
▶ Retenedor: Filtra la nueva señal de acuerdo a:
1 − e −j2πTs f
H(f ) = .
j2πf
▶ Entonces, la salida del operado S/H es:
∞
1 − e −j2πTs f X
Vout (f ) = Fs Vin (f − nFs ).
j2πf n=−∞
El efecto completo: operación S/H II
▶
∞
−jπTs f sin(πf /Fs ) X
Vout (f ) = e Vin (f − nFs ).
πf /Fs n=−∞
▶ Si |f | << Fs ⇒ Vout (f ) ≈ Vin (f ).
▶ Si f = nFs ⇒ Vout (f ) = 0.
▶ A mayores valores de Fs respecto a la más alta
frecuencia de la señal, la contribución de las copias del
espectro es pequeña
Undersampling
▶ Sea una señal cuya energía está localizada entre las frecuencias
F1 y F2 . ¿Cómo aplica el teorema de muestreo de Nyquist?
▶ Sea F1 = 2 kHz y F2 = 4 kHz. Qué ocure si Fs = 4000
muestras por segundo?
▶ El muestreo a una frecuencia menor a la frecuencia definida
por el teorema de Nyquist: undersampling