DEPARTAMENTO DE ELÉCTRICA Y ELECTRÓNICA

CARRERA DE:
INGENIERÍA ELECTRÓNICA EN AUTOMATIZACIÓN Y CONTROL

PROCESAMIENTO DIGITAL DE SEÑALES

REPORTE N°5

MUESTREO DE SEÑALES EN TIEMPO CONTINUO

TUTOR: ING. RUBEN DARIO LEON VASQUEZ

INTEGRANTES: CISNEROS HUGO

CORO RENNY

FECHA: 2019-04-31
QUITO-ECUADOR
 Índice
Introducción................................................................................................................................. 3
Muestreo periódico...................................................................................................................... 3
Representación el muestreo en el dominio de la frecuencia ................................................ 5
Teorema de muestreo de Nyquist Shannon .......................................................................... 6
Reconstrucción de señales debanda limitada a partir de sus muestras. ................................. 6
Procesos en tiempo discretos de señales en tiempo continuo................................................... 7
Procesado de señales en tiempo continúo mediante sistemas en tiempo discreto lineales e
invariantes con el tiempo ............................................................................................................ 8
Procesado en tiempo continúo de señales en tiempo discreto ................................................. 8
Muestreo de señales en tiempo continuo ................................................................................... 9
Reducción de la frecuencia de muestreo por un factor entero ............................................ 9
Incremento de la frecuencia de muestreo por un factor entero ........................................ 10
Tratamiento multitasa de señales ............................................................................................ 11
Diezmado e interpolación multietapa .................................................................................. 11
Procesado digital de señales analógicas ................................................................................... 12
Filtrado previo para evitar el soplamiento.......................................................................... 12
Conversión A/D ..................................................................................................................... 13
Conversión D/A ..................................................................................................................... 13
Sobremuestreo y conformación de ruido en la conversión A/D y D/A. ................................ 15
Conversión A/D sobremuestreada con cuantificación directa .......................................... 15
Sobremuestreo y conformación de ruido en la conversión D/A ........................................ 15

2
Introducción
La frecuencia es un concepto generalizado en el procesamiento de señales. Inicialmente
al inmiscuirnos al procesamiento de señales a menudo nos sentimos cómodos con la idea
de la frecuencia para las señales de tiempo continuo. Por ejemplo, pueden saber que la
frecuencia se mide en unidades de Hertz (Hz) o ciclos por segundo. Muchos son
conscientes de que el rango de audición humana es de 20 Hz en el extremo más bajo a tan
alto como 20 kHz o que la potencia de CA (corriente alterna) en el tomacorriente de pared
es nominalmente de 60 Hz. Sin embargo, el procesamiento de señales en una computadora
implica muestrear señales de tiempo continuo para producir una secuencia de números, o
una señal de tiempo discreto. La frecuencia de las señales de tiempo discreto se mide en
diferentes unidades y tiene varios atributos distintos. Trabajar efectivamente con señales
de tiempo discreto requiere poder convertir entre los dos tipos de frecuencia.

Muestreo periódico
Las representaciones discretas de las señales se basan frecuentemente en un conocimiento
previo de las propiedades de la señal que pueden ser explotadas para obtener
representaciones más eficientes. Sin embargo, incluso esas representaciones alternativas
parten en general de una representación en tiempo discreto de una señal en tiempo
continuo, obtenida mediante muestreo periódico

A partir de una señal continua se obtiene una secuencia de muestras:

𝒙[𝒏] = 𝒙𝒄 (𝒏𝑻) , −∞<𝒏<∞

T es el periodo de muestreo y su inverso 𝑓𝑠 = 1/𝑇, esta se denomina como frecuencia de

muestreo, en las unidad de muestras por segundo, la frecuencia de muestreo también se
expresa como Ω𝑠 = 2𝜋/𝑇, al momento de utilizar las unidades de radianes por segundo.

Estas representaciones de muestreo se basan sólo en el supuesto de que la transformada

de Fourier de la señal es de banda limitada, son aplicables a un gran conjunto de señales
que surgen en muchas aplicaciones prácticas

3
 FIG 1. SISTEMA C/D

En la práctica, la operación de muestreo se realiza mediante un conversor analógico–

digital (A/D), estos tipos de sistemas pueden aproximarse a un conversor C/D ideal.

La operación de muestreo, no suelen ser invertibles, esto significa que no es posible

reconstruir una señal. Existen muchas señales en el tiempo continuo que pueden producir
las mismas secuencias de muestras de salida. Afortunadamente, es posible eliminar esta
ambigüedad restringiendo el contenido en frecuencia de las señales de entrada que se van
a aplicar al sistema de muestreo.

El proceso de muestreo es recomendable representar de forma matemática en dos etapas.

FIG 2. CONVERSOR C/D

Las etapas consisten en un modulador con un tren de impulsos seguido por una conversión
del tren de impulsos en una secuencia.
∞

𝑠(𝑡) = ∑ 𝛿(𝑡 − 𝑛𝑇)

𝑛=−∞

Donde 𝛿(𝑡) es la función impulso unidad o delta de Dirac. El producto de 𝑠(𝑡) y 𝑥𝑐 (𝑡)
es por tanto
∞ ∞

𝑥𝑠 (𝑡) = 𝑥𝑐 (𝑡)𝑠(𝑡) = 𝑥𝑐 ∑ 𝛿(𝑡 − 𝑛𝑇) = ∑ 𝑥𝑐 (𝑡)𝛿(𝑡 − 𝑛𝑇)

𝑛=−∞ 𝑛=−∞

4
Representación el muestreo en el dominio de la frecuencia
Para obtener una relación entre la entrada y la salida de un conversor C/D ideal en el
dominio de la frecuencia, se considera la transformada de Fourier de la ecuación 𝑥𝑠 (𝑡).
La transformada de Fourier de la expresión de 𝑥𝑠 (𝑡) es:
∞
2𝜋
𝑆(𝑗Ω) = ∑ 𝛿(Ω − 𝑛Ω𝑠 )
𝑇
𝑛=−∞

Reduciendo a la expresión anterior nos queda

1
𝑋𝑠 (𝑗Ω) = 𝑥 (𝑗Ω) ∗ 𝑆(𝑗Ω)
2𝜋 𝑐

Aquí se presentan una serie de ejemplos sobre la transformada de Fourier y el muestreo.

FIG 3. EJEMPLO

5
La salida reconstruida que se muestra es una versión distorsionada de la señal original en
el tiempo continuó, a esta distorsión se denomina como distorsión de solapamiento o
simplemente solapamiento.

𝑥𝑐 (𝑡) = cos Ω0 𝑡,

Su transforma de Fourier es

𝑋𝐶 (𝑗Ω) = 𝜋𝛿(Ω − Ω0 ) + 𝜋 𝛿(Ω+Ω0 )

Teorema de muestreo de Nyquist Shannon

Sea 𝑥𝑐 (𝑡) una señal de banda limitada que cumple que

𝑋𝑐 (𝑗Ω) = 0, 𝑝𝑎𝑟𝑎|Ω| ≥ Ω𝑁

Entonces 𝑥𝑐 (𝑡) estará determina de forma única por sus muestras 𝑥[𝑛] = 𝑥𝑐 (𝑛𝑇), 𝑛 =
0, ±1, ±2, …, si se cumple:

2π
Ω𝑠 = ≥ 2Ω𝑁
T

La frecuencia 2Ω𝑁 debe ser menor que la frecuencia de muestreo, se la denomina como
frecuencia de Nyquist.

Reconstrucción de señales debanda limitada a partir de sus muestras.

El teorema de muestreo estableció que las muestras de una señal de banda limitada en el
tiempo continuo, son suficientes para representar exactamente a la señal si dichas
muestras se toman con la frecuencia.

Se puede formar un tren de impulsos a partir de una secuencia de muestras 𝑥[𝑛],cada

impulso tiene un área igual l valor correspondiente de la muestra.
∞

𝑥𝑠 (𝑡) = ∑ 𝑥[𝑛]𝛿(𝑡 − 𝑛𝑇)

𝑛=−∞

L n-esima muestra se asocia al impulso en 𝑡 = 𝑛𝑇, donde el T es el valor de la frecuencia

de muestreo asociada con la secuencia. Si el tren de impulsos es la entrada a un filtro, su
salida será:
∞

𝑥𝑟 (𝑡) = ∑ 𝑥[𝑛]ℎ𝑟 (𝑡 − 𝑛𝑇)

𝑛=−∞

6
La respuesta al impulso, ℎ𝑟 se obtiene realizando la trasformada inversa de Fourier de
𝜋
𝐻𝑟 (Ω). Para la frecuencia de corte 𝑇 la expresión será:

𝜋𝑡
𝑠𝑒𝑛 ( 𝑇 )
ℎ𝑟 (𝑡) = 𝜋𝑡
𝑇

Entonces 𝑥𝑟 (𝑡) será:

∞ 𝜋𝑡
𝑠𝑒𝑛 ( 𝑇 )
𝑥𝑟 (𝑡) = ∑ 𝑥[𝑛] 𝜋𝑡
𝑛=−∞ 𝑇

Las propiedades del conversor D/C ideal se ven más fácilmente en el dominio de la
frecuencia. Considerando la transformada de Fourier se tiene:
∞

𝑋𝑟 (𝑗Ω) = ∑ 𝑥[𝑛]𝐻𝑟 (𝑗Ω)𝑒 −𝑗Ω𝑇𝑛

𝑛=−∞

El conversor D/C ideal puede describirse en el dominio de la frecuencia como:

𝑋𝑟 (𝑗Ω) = 𝐻𝑟 (𝑗Ω)𝑋(𝑒 𝑗Ω𝑇 )

Procesos en tiempo discretos de señales en tiempo continuo

Los sistemas en tiempo discreto son muy útiles en el procesamiento de señales continuas
en el tiempo.

FIG 4. PROCESADO EN TIEMPO DISCRETO DE SEÑALES EN TIEMPO CONTINUO

El grafico presentado anteriormente es una representa una conexión en cascada de un

conversor C/D, un sistema en tiempo discreto y un conversor D/C.

Como se puede observar el sistema implementado permite el ingreso de una señal

continua y proporciona una salida también continua. Las propiedades del sistema

7
dependen tanto de la selección que se haga del sistema en tiempo discreto y la frecuencia
de muestreo.

El conversor produce una señal en el tiempo discreto:

𝑥[𝑛] = 𝑥𝑐 (𝑛𝑇)

La transformada de Fourier de la secuencia de muestras estada dada por:

∞
𝑗𝜔
1 𝜔 2𝜋𝑘
𝑋(𝑒 ) = ∑ 𝑋𝑐 (𝑗 ( − ))
𝑇 𝑇 𝑇
𝑘=−∞

El conversor D/C crea una señal de salida en tiempo continuo:

∞ 𝜋(𝑦 − 𝑛𝑇)
𝑠𝑒𝑛 [ ]
𝑇
𝑦𝑟 (𝑡) = ∑ 𝑦[𝑛]
𝜋(𝑡 − 𝑛𝑇)
𝑛=−∞
𝑇

Procesado de señales en tiempo continúo mediante sistemas en tiempo discreto

lineales e invariantes con el tiempo
Si el sistema es lineal invariante en el tiempo entonces tenemos que:

𝑌(𝑒 𝑗𝜔 ) = 𝐻(𝑒 𝑗𝜔 )𝑋(𝑒 𝑗𝜔 )

Si es de banda limitada y la frecuencia de muestreo es superior a la frecuencia de la de

Nyquist, la salida se relaciona con la entrada mediante:

𝑌𝑟 (𝑗Ω) = 𝐻𝑒𝑓𝑓 (𝑗Ω)𝑋𝑐 (𝑗Ω

𝐻(𝑒 𝑗Ω𝑇 ) |Ω| < 𝜋/𝑇

𝐻𝑒𝑓𝑓 (𝑗Ω) = { ,
0, |Ω| ≥ 𝜋/𝑇

En conclusión el sistema en tiempo continuo completo es equivalente a un sistema lineal

e invariante con el tiempo la cual tiene una frecuencia de muestreo efectiva.

Procesado en tiempo continúo de señales en tiempo discreto

LA figura presenta el procesado en tiempo continuo de señales en tiempo discreto, esta
no es muy utilizada en sistemas en tiempo discreto, sin embargo estos proporcionan una
interpretación útil de ciertos sistemas en tiempo discreto.

8
 FIG 5. PROCESADO EN TIEMPO CONTINUO DE SEÑALES EN TIEMPO DISCRETO

El conversor puede muestrear la señal 𝑌𝑐 (𝑡) sin solapamiento y se puede expresar 𝑥𝑐 (𝑡)
e 𝑦𝑐 (𝑡) de la siguiente forma:

∞ 𝜋(𝑡 − 𝑛𝑇)
𝑠𝑒𝑛 [ ]
𝑇
𝑥𝑐 (𝑡) = ∑ 𝑥[𝑛]
𝜋(𝑡 − 𝑛𝑇)
𝑛=−∞
𝑇

∞ 𝜋(𝑦 − 𝑛𝑇)
𝑠𝑒𝑛 [ ]
𝑇
𝑦𝑐 (𝑡) = ∑ 𝑦[𝑛]
𝜋(𝑡 − 𝑛𝑇)
𝑛=−∞
𝑇

Muestreo de señales en tiempo continuo

Reducción de la frecuencia de muestreo por un factor entero
La frecuencia de muestreo de una secuencia se puede reducir “muestreándola”. Es decir,
definiendo una nueva secuencia

La ecuación (4.70) define el sistema que se muestrea en el sistema anteriormente visto,

que se denomina compresor de la frecuencia de muestreo o compresor. A partir de la
ecuación (4.70) se puede ver claramente que xd[n] es idéntica a la secuencia que se
obtendría muestreando xc(t) con período Td=MT. Además, si XC(jΩ) = 0 para |Ω|≥ ΩN,
xd[n] será una representación exacta de xc(t) si π/ Td = π/ (MT) | ≥ ΩN. Es decir, que la
frecuencia de muestreo se puede reducir por un factor a π /M sin que se produzca
solapamiento si la frecuencia de muestreo original era al menos M veces la frecuencia de

9
Nyquist original, o si el ancho de banda de la secuencia se reduce previamente por un
factor de M mediante filtrado en tiempo discreto. En general, la operación de reducir la
frecuencia de muestreo (incluyendo el posible filtrado previo) se denomina diezmado.

FIG 6. REPRESENTACIÓN DE UN COMPRESOR

Incremento de la frecuencia de muestreo por un factor entero

Denominaremos interpolación a la operación de aumentar la frecuencia de muestreo.

La salida del expansor será:

El sistema se puede apreciar de la siguiente manera:

FIG 7. SISTEMA GENERAL PARA INCREMENTAR LA FRECUENCIA DE MUESTREO POR UN FACTOR DE L.

10
Tratamiento multitasa de señales
Este tipo de técnicas, en general, hacen referencia al uso de interpolación, diezmado,
compresores y expansores de diversas formas con el objeto de incrementar la eficiencia
de los sistemas de tratamiento de señales. Además de su uso en la conversión de la
frecuencia de muestreo, estas técnicas son muy útiles en los sistemas A/D y D/A que
explotan el sobre muestreo y la conformación del ruido. Se tiene varias aplicaciones, de
la cual explicaremos una que se considera importante dentro de la asignatura.
Diezmado e interpolación multietapa
Cuando los factores de diezmado o interpolación son grandes, es necesario utilizar filtros
con respuesta al impulso muy larga para obtener aproximaciones adecuadas a los filtros
paso bajo necesarios. En estos casos, puede conseguirse una reducción significativa en el
coste computacional mediante el uso del diezmado o interpolación multietapa. La Figura
8(a) muestra un sistema de diezmado en dos etapas, en el que el factor de diezmado total
es M = M1M2. En este caso, se requieren dos filtros paso bajo: H1(z) corresponde a un
filtro paso bajo con frecuencia nominal de corte π/M1 y, asimismo, H2(z) tiene como
frecuencia nominal de corte π/M2.

FIG 8

Podemos ver que la función de transferencia del filtro paso bajo mono etapa equivalente
es el producto:

11
Procesado digital de señales analógicas
Filtrado previo para evitar el soplamiento
Al procesar señales analógicas utilizando sistemas en tiempo discreto, generalmente es
deseable minimizar la velocidad de muestreo. El motivo es que la cantidad de cálculo
aritmético necesario para implementar el sistema es proporcional al número de muestras
que hay que procesar. Si la entrada no es de banda limitada o la frecuencia de Nyquist de
la entrada es demasiado alta, puede ser necesario realizar un filtrado previo.

El filtro paso bajo que precede al conversor C/D se denomina filtro anti solapamiento.
Idealmente, la respuesta en frecuencia del filtro anti solapamiento debería ser:

FIG 9. USO DE FILTRADO PREVIO PARA EVITAR EL SOLAPAMIENTO

FIG 10. USO DE CONVERSIÓN A/D CON SOBREMUESTREO PARA SIMPLIFICAR UN FILTRO ANTISOLAPAMIENTO
EN TIEMPO CONTINUO

12
En resumidas cuentas, el filtro anti solapamiento simple resulta ser:

FIG 11. FILTRO ANTI SOLAPAMIENTO

Conversión A/D
Convierte una señal en tiempo continuo (analógica) en una señal digital, es decir, una
secuencia de muestras de precisión finita o cuantificadas.

FIG 12. CONVERSIÓN FÍSICA DE LA CONVERSIÓN A/D

Bajo el control de un reloj externo, el conversor A/D puede iniciar y completar una
conversión A/D cada T segundos. Sin embargo, la conversión no es instantánea, y por
este motivo los sistemas A/D de altas prestaciones incluyen generalmente un sistema de
muestreo y retención. El sistema de muestreo y retención ideal tiene como salida

Conversión D/A
En términos de transformadas de Fourier, la reconstrucción se representa como:

13
El filtro de reconstrucción ideal es:

El sistema que toma la secuencia x[n] como entrada y produce xr(t) como salida se
denomina conversor D/C ideal. La contrapartida realizable del conversor D/C ideal es el
conversor digital-analógico, seguido de un filtro pasa bajo analógico.

un conversor D/A toma una secuencia de palabras en código binario a su entrada 𝑥̂B[n] y
produce a su salida una señal en tiempo continuo de la forma:

FIG 13. CONFIGURACIÓN FÍSICA DE LA CONVERSIÓN DIGITAL-ANALÓGICA

FIG 14. CONVERSIÓN A/D SOBREMUESTREADA CON CUANTIFICACIÓN SIMPLE Y DIEZMADO

14
Sobremuestreo y conformación de ruido en la conversión A/D y D/A.
Conversión A/D sobremuestreada con cuantificación directa
Para el entendimiento de estos únicamente se puede ver en diagramas de bloques debido
a la complejidad de su análisis matemático.

FIG 15. CUANTIFICADOR SOBREMUESTREADO CON CONFORMACIÓN DE RUIDO DE SEGUNDO ORDEN.

Sobremuestreo y conformación de ruido en la conversión D/A

FIG 16. CONVERSIÓN D/A SOBREMUESTREADA.

En resumidas cuentas, en este capítulo se ha desarrollado y explorado las relaciones entre

las señales en tiempo continuo y las secuencias en tiempo discreto que se obtienen
mediante muestreo periódico. El teorema fundamental que permite representar la señal
en tiempo continuo mediante una secuencia de muestras es el teorema de Nyquist-
Shannon. Dicho teorema establece que, para una señal de banda limitada, las muestras
periódicas constituyen una representación suficiente siempre que la frecuencia de
muestreo sea suficientemente alta con respecto a la máxima frecuencia de la señal en
tiempo continuo. Bajo esta condición, la señal en tiempo continuo se puede reconstruir a

15
partir de las muestras mediante filtrado paso bajo, a partir únicamente del conocimiento
del ancho de banda original, la velocidad de muestreo y las muestras. Esto corresponde a
una interpolación de banda limitada. Si la frecuencia de muestreo es demasiado baja
respecto al ancho de banda de la señal, se produce distorsión de solapamiento y la señal
original no se puede reconstruir mediante la interpolación de banda limitada. La
posibilidad de representar señales mediante muestreo permite el procesado en tiempo
discreto de señales en tiempo continuo. Esto se realiza mediante un muestreo inicial,
seguido por una aplicación de un procesado en tiempo discreto y, finalmente, por la
reconstrucción de una señal continua a partir del resultado del procesado anterior. Se
presentan ejemplos de filtrado paso bajo y diferenciación. Una clase particularmente
importante de procesado es la correspondiente al cambio de la frecuencia de muestreo. El
submuestreo de una señal en tiempo discreto corresponde en el dominio de la frecuencia
a una replicación del espectro en tiempo discreto con un cambio de escala del eje de
frecuencias, que puede requerir una limitación adicional de la banda para evitar el
solapamiento.

16