Escolar Documentos
Profissional Documentos
Cultura Documentos
Sistemas Muestreados
Diego Palmieri
Indice General
1 Sistemas Muestreados
1.1
Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Secuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3
Sistema Discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4
Ecuaciones en diferencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5
1.6
Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.7
Respuesta en Frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.8
1.9
10
1.9.1
Demostracion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
1.10 Transformada en Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
1.10.1 Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
1.11 Reconstruccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
14
1.13 Bloqueadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
15
1.5.1
1.7.1
Captulo 1
Sistemas Muestreados
1.1
Introducci
on
En el ejemplo se ha dibujado ex-profeso el muestreo con tiempos diferentes pero lo mas com
un
es muestrear con un perodo constante T llamado perodo de muestreo.
Si bien se han dibujado separados, el muestreador y el conversor normalmente estan juntos
en un mismo elemento. Lo que conviene reiterar es que el proceso no sufre alteracion alguna y
si este era continuo lo seguira siendo.
Para mayor claridad, se muestra en la Figura 1.3 como sera la generacion de una se
nal de
control discreta y en la Figura 1.4 se observan la diferentes se
nales.
diferentes lazos con diferentes perodos de muestreo. Este caso se denomina muestreo m
ultiple
y puede ser tratado como superposicion de varios muestreos periodicos.
El caso del muestreo periodico ha sido estudiado profundamente. Mucha teora esta dedicada a este tema pero el muestreo m
ultiple esta cobrando importancia da a da con el uso de
sistemas multiprocesadores. Con el software moderno es posible dise
nar un sistema como si
fuesen varios procesos trabajando asincronicamente.
La se
nal continua y(t) se convierte en una secuencia mediante el muestreador y el CAD, que
normalmente es el elemento mas lento de la cadena. Ya dentro del computador se genera la
secuencia de control u. Este proceso consume un determinado tiempo Tc . Mediante el CDA la
secuencia se convierte en analogica y por u
ltimo el bloqueador interpola los valores de la se
nal
entre dos perodos de muestreo. El bloqueador mas usual es aquel que mantiene el valor de la
se
nal hasta la siguiente muestra llamado bloqueador de orden cero.
1.2
Secuencias
(1.1)
Se veran a continuacion algunas operaciones, por ejemplo una suma de secuencias esta dada por
la siguiente ecuacion:
{uk } = {xk + vk }
(1.2)
(1.3)
{k } = {1, 0, 0, . . .}
(1.4)
1.3
Sistema Discreto
Ahora se podra definir un Sistema Discreto como aquel sistema que es excitado por una secuencia y genera otra secuencia como salida, tal como se ve en la Figura 1.6.
Aqui estamos en presencia de un Sistema Discreto Causal ya que la salida solo depende de los
valores anteriores de la entrada.
1.4
Ecuaciones en diferencias
Existe un equivalente a la ecuacion diferencial de los sistemas continuos, son las llamadas ecuaciones en diferencias. Una ecuacion diferencial tpica es la siguiente:
Z t
1
x(t) =
w(t)dt
(1.7)
TT 0
La integral se puede asociar a un sumador con lo cual se tendra, para dos instantes de tiempo
consecutivo, las siguientes ecuaciones:
k1
1 X
x(kT ) =
T w(iT )
TT
0
x((k + 1)T ) =
k
1 X
T w(iT )
TT
(1.8)
T
w(kT )
TT
T
w(kT )
TT
(1.9)
(1.10)
Al igual que en los sistemas continuos se pueden definir algunas propiedades. Por ejemplo, si
los ai y los bi son constantes se dice que el sistema es invariante. La linealidad esta dada por el
cumplimiento de la siguiente condicion:
(1.11)
1.5
Secuencia de ponderaci
on de un Sistema
Es importante definir para un Sistema Discreto una funcion que vincule analticamente su entrada y salida. En particular, se puede normalizar el comportamiento del sistema observando
cual es su respuesta a la secuencia impulso.
Si el sistema es causal se cumple que:
gk = 0 k < 0
(1.12)
{uk } =
un {kn }
(1.13)
n=
(1.14)
X
i=
ui {gki } =
gi {uki }
(1.15)
i=
yk =
X
i=
1.5.1
X
ui gki =
gi uki
i=
(1.16)
{gk } = {1, 2, 1}
(1.17)
{uk } = {0, 3, 4}
La forma de calcular la salida es la siguiente:
y0 =
i=
(1.18)
1.6
Estabilidad
Se dice que un Sistema Discreto es estable si secuencia de entrada acotada, su salida es acotada
yk =
gi uki
i=
X
X
|yk | =
gi uki
|gi | |uki |
i=
(1.19)
i=
si uk es acotada se verifica,
|uk | c k
X
|yk | = c
|gi |
(1.20)
i=
X
i=
1.7
a) {gi } acotada
b) |{z}
lim gi = 0
(1.21)
Respuesta en Frecuencia
Sea un sistema con respuesta impulsional {gk } y con entrada {gk } = ejkw , su salida es:
yk =
gi ej(ki)
i=
yk = ejk
gi eji
i=
{yk } =
!
gi eji
i=
n
o
ejk
| {z }
} sec
{z
depende de
(1.22)
de entrada
G() =
gi eji
(1.23)
i=
n
o
{yk } = G() ejk
(1.24)
1
gk =
2
1.7.1
G()ejk d
(1.25)
1 || < c
0 c < || c
Z c
1
1
gk =
ejk d =
sen(kc )
2 c
k
G() =
(1.26)
es no causal.
1.8
n
X
ji
xi e
i=n
y la transformada inversa,
X
i=
xi eji
(1.27)
1
xk =
2
10
X()ejk d
(1.28)
|xi | <
(1.29)
i=
Si,
yk =
gki ui
(1.30)
i=
yk ejk =
k=
ejk
jk
k= e
nos queda,
!
gki ui
i=
k=
ejk gki ui
k= i=
"
X
ji
#"
ui
i=
(1.31)
#
ej(ki) gki
k=
{z
U ()
}|
{z
G()
El u
ltimo [] va desde a por lo que es independiente de i, entonces con el siguiente cambio
en la variable (k i = k), nos queda,
Y () = G()U ()
1.9
(1.32)
f (t) =
X
k=
f (kT )
sen(s (t kT ))/2
s (t kT ))/2
(1.33)
1.9.1
11
Demostraci
on
f (t) =
1
2
ejt F ()d
(1.35)
a partir del muestreo se genera una secuencia {fk = f (kT )} que tendra una transformada de
Fourier discreta de la forma,
Fs () =
ejk fk
(1.36)
k=
y su antitransformada
1
2
fk = f (kT ) =
ejk Fs ()d
(1.37)
es decir que f (kT ) tiene dos formas de calcularse de acuerdo a 1.35 y 1.37. La ecuacion 1.35 se
puede expresar la integral como una suma de partes,
1
f (kT ) =
2
jkT
Z (2r+1)
T
1 X
F ()d =
ejkT F ()d
(2r1)
2 r=
(1.38)
+2r
T
Z (2r+1)
T
+2r
1 X
+ 2r + 2r
f (kT ) =
ej T kT F (
)d
(2r1)
2 r=
T
T
T
Z
1 X 1 j(+2r)k + 2r
f (kT ) =
e
F(
)d
2 r= T
T
(1.39)
1 X 1 jk + 2r
f (kT ) =
e F(
)d
2 r= T
T
Z
1 X jk + 2r
1
f (kT ) =
e F(
)d
2 T r=
T
Z
X
+ 2r
1
jk 1
e
f (kT ) =
F(
) d
2
T r=
T
|
{z
}
(1.40)
Fs ()
Comparando 1.40 con 1.35 se obtiene la relacion entre la Transformada de Fourier discreta y
continua como sigue,
Fs () =
1 X
+ 2r
F(
)
T r=
T
Fs () =
12
(1.41)
2
s
1 X
2r
1 X
F ( +
)=
F ( + s r)
T r=
T
T r=
(1.42)
De aqu se deduce que si la frecuencia de muestreo es mayor a dos veces la maxima frecuencia
para la cual la Transformada de Fourier es no nula, la Transformada de la se
nal muestreada
sera una repeticion infinita del lobulo de la transformada continua. Esto significa que tomando
una parte de esta transformada se puede reconstruir exactamente la se
nal continua, excepto un
1
factor de escala T . No sucede lo mismo si la frecuencia de muestreo es inferior a este lmite ya
que los lobulos se superpondran. En la figura siguiente se muestra la Transformada de la se
nal
continua y dos casos de Transformada de la se
nal discreta: el primero satisface el teorema del
muestreo y el segundo no. Es facil ver, graficamente, la posibilidad de la reconstruccion en el
primer caso. La frecuencia 2s recibe el numbre de Frecuencia de Nyquist
1.10
Transformada en Z
xk z k
(1.43)
k=
{k } = {1, 0, 0, }
(z) = 1
Y la transformada de una secuencia,
(1.44)
13
{xk } = {1, a, a2 , } = ak
X
X
X(z) =
ak z k =
k=
az 1
k
(1.45)
k=
que converge para |z| > |a| y en cuyo caso la sumatoria resulta,
X(z) =
1.10.1
1
1 az 1
(1.46)
Propiedades
Z(q d f ) = z d Z(f )
1.11
Reconstrucci
on
14
1.12
Reconstrucci
on Ideal
Para el caso de se
nales con ancho de banda limitado, se puede reconstruir a partir de la ecuaci
on
1.47. La desventaja es que esta operacion no es casual y debemos conocer los valores anteriores
y posteriores al instante tratado. Esto no es conveniente para el control digital, pero si puede
ser u
til en comunicaciones donde se puede aceptar un retardo. Otra desventaja es su complicado
calculo y que solo es aplicable al muestreo periodico.
fr (t) =
X
k=
f (kT )
sen (s (t kT )/2)
(s (t kT )/2)
(1.47)
1.13
Bloqueadores
La reconstruccion anterior no es u
til para aplicaciones en control y demasiado costosa desde el
punto de vista de calculo. Es por esto que se eligen metodos mas simples. El mas usual es el
bloqueador de orden cero o retenedor que consiste en mantener la se
nal en el mismo valor de la
15
u
ltima muestra. Dada su simplicidad este bloqueador es el mas usado en control digital y los
CDA estandares son dise
nados con este principio.
Tambien se puede usar el BOO (Bloqueador de orden uno) para muestreo no periodico. Obviamente esta recontruccion introduce un error como se puede ver en la figura 1.13.
La eleccion del bloqueador depende de la aplicacion y del tipo de se
nal a reconstruir.
1.14
Aparcici
on de Frecuencias Espurias
Lo que dice el teorema del muestreo es que si la frecuencia de muestreo es inferior a la maxima
frecuencia del sistema continuo la reconstruccion ya no es posible debido a la superposicion de
los lobulos. Un ejemplo es lo que sucede al muestrear la se
nal de la figura siguiente. Una posible
solucion es incrementar la frecuencia de muestreo pero esto trae dos problemas: 1) si se observan
los elementos de la transformada en Z, estos varan con el perodo de muestreo y en particular
16
las races de los polinomios tenderan todas a 1, esto llevara a errores numericos indeseados. 2)
en el caso de que se elija una frecuencia suficientemente alta respecto de las frecuencias propias
de la planta, puede ser que no sea lo suficientemente alta con respecto a alguna perturbacion y
el muestreo de esta perturbacion introduzca componentes de baja frecuencia. Estas se
nales que
aparecen reciben el nombre es frecuencias alias y la u
nica forma de evitarlas es filtrar la se
nal
antes del muestreo.