Captulo 2

Sistemas Muestreados
Diego Palmieri

Control Digital y Estoc

astico
Ing. Automatizaci
on y Control Industrial
Departamento de Ciencia y Tecnologia
Universidad Nacional de Quilmes

Indice General
1 Sistemas Muestreados

1.1

Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Secuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3

Sistema Discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.4

Ecuaciones en diferencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.5

Secuencia de ponderacion de un Sistema . . . . . . . . . . . . . . . . . . . . . . .

Ejemplo n 1: Secuencia de Ponderacion . . . . . . . . . . . . . . . . . . .

1.6

Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.7

Respuesta en Frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Ejemplo N 2: Pasa Bajos . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.8

Transformada de Fourier de una Secuencia . . . . . . . . . . . . . . . . . . . . . .

1.9

Teorema del Muestreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

10

1.9.1

Demostracion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

1.10 Transformada en Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12

1.10.1 Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

1.11 Reconstruccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

1.12 Reconstruccion Ideal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

14

1.13 Bloqueadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

14

1.14 Aparcicion de Frecuencias Espurias . . . . . . . . . . . . . . . . . . . . . . . . . .

15

1.5.1

1.7.1

Captulo 1

Sistemas Muestreados
1.1

Introducci
on

Si se buscamos en el diccionario el significado de muestreo dira proceso o acci

on de tomar una
peque
na parte o porci
on de algo como una muestra para su an
alisis.
En el contexto del control y las comunicaciones, muestrear una se
nal implica reemplazar la
magnitud continua por una secuencia de n
umeros que representan los valores de dicha se
nal en
determinados instantes.
Un sistema muestreado es entonces, aquel que, partiendo de una se
nal o magnitud anal
ogica
o continua es capaz de generar una secuencia de valores discretos, separados a intervalos de tiempo.
El muestreo es la caracterstica fundamental de los sistemas controlados por computadora dada
la naturaleza discreta de estos dispositivos. Generalmente la se
nal continua es convertida en
una secuencia de n
umeros que son procesados por el computador digital. Este da una nueva
secuencia de n
umeros, los que son convertidos a una se
nal continua y aplicada al proceso. Este
segundo proceso se denomina reconstruccion de la se
nal. Dada la importancia del muestreo es
necesario conocer a fondo este proceso.
La Figura 1.1 y la Figura 1.2 muestran la forma en que se realiza el muestreo. Existe un
primer elemento llamado muestreador que congela un instante el valor de la se
nal a muestrear,
pero la salida del muestreador sigue siendo analogica. Para convertir esta se
nal a un valor
numerico esta el conversor analogico digital.

Figura 1.1: Generacion de una seuencia

CAPITULO 1. SISTEMAS MUESTREADOS

Figura 1.2: Muestreo de una se

nal

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.

Figura 1.3: Esquema de un Controlador Digital

A los fines del analisis es u

til tener una descripcion del muestreo. Esta accion significa simplemente reemplazar una se
nal por su valor en un n
umero finito de puntos. Sea Z el conjunto de
n
umeros enteros y t : kZ el subconjunto de n
umeros reales llamados instantes de muestreo. La
version muestreada de f es entonces la secuencia f (t) : kZ . El muestreo es una operacion lineal.
El perodo de muestreo es normalmente constante o sea t = kT . En estas condiciones se llama
muestreo periodico y T es llamado perodo de muestreo. fs = T1 (Hz) se denomina frecuencia
de muestreo.
Son usados tambien otros esquemas de muestreo mas sofisticados. Por ejemplo, muestrear

CAPITULO 1. SISTEMAS MUESTREADOS

Figura 1.4: Ejemplo de muestreo de 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

En sntesis lo que ve el computador no es mas que una secuencia de n

umeros. Es necesario
entonces recordar algunas de las operaciones basicas entre secuencias.
La forma de escribir una secuencia es la siguiente:
{uk } = { , u3 , u2 , u1 , u0 , u1 , . . .}

(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)

CAPITULO 1. SISTEMAS MUESTREADOS

y el producto por una constante:

{uk } = {m xk }

(1.3)

Dos secuencias muy usuales en el control: el escalon y el impulso:

{k } = {1, 1, 1, . . .}

{k } = {1, 0, 0, . . .}

(1.4)

Su representacion grafica esta dada en la Figura 1.5

Figura 1.5: El Escalon y el Impulso

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.

Figura 1.6: Sistema Discreto

Un ejemplo de sistema discreto es un Sumador de modo que la secuencia de salida sea la suma
de los valores de entrada hasta ese instante:
( k
)
X
{uk } =
ui
(1.5)
i=1

Aqui estamos en presencia de un Sistema Discreto Causal ya que la salida solo depende de los
valores anteriores de la entrada.

CAPITULO 1. SISTEMAS MUESTREADOS

Un Promediador, en cambio, es un Sistema Discreto No Causal ya que depende de un valor

futuro. Este se describe de esta manera:


1
(uk1 + uk + uk+1 )
{uk } =
(1.6)
3

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)

x((k + 1)T ) x(kT ) =

T
w(kT )
TT

Restando miembro a miembro y despejando, se obtiene la llamada ecuacion en diferencias.

x((k + 1)T ) = x(kT ) +

T
w(kT )
TT

(1.9)

La anterior sera una ecuacion en diferencia de primer orden, el equivalente a un integrador.

Pero en general para un sistema lineal tendramos la siguiente forma:

xk + a1 xk1 + a2 xk2 + + an xkn = b0 wk + b1 wk1 + b2 wk2 + + bm wkm

(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:

{u1k } {y1k } , {u2k } {y2k }

{1 u1k + 2 u2k } {1 y1k + 2 y2k }

(1.11)

CAPITULO 1. SISTEMAS MUESTREADOS

Figura 1.7: Respuesta al Impulso

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)

Esta forma de definir la relacion entrada-salida es el equivalente a la respuesta impulsional de

los sistemas continuos. De este modo, una secuencia se podra representar como:

{uk } =

un {kn }

(1.13)

n=

siendo un el valor de la secuencia en ese instante. Por ejemplo la secuencia,

{2, 3, 5} = 2 {1, 0, 0} + 3 {0, 1, 0} + 5 {0, 0, 1}

= 2 {k } + 3 {k1 } + 5 {k2 }

(1.14)

Teniendo en cuenta la linealidad y esta descomposicion se obtiene,

{yk } =

X
i=

ui {gki } =

gi {uki }

(1.15)

i=

Con esto queda definida la convoluci

on discreta entre secuencias, del siguiente modo,

yk =

X
i=

1.5.1

{yk } = {gk } {uk }

X
ui gki =
gi uki
i=

Ejemplo n 1: Secuencia de Ponderaci

on

Sean la Secuencia de Ponderacion, o Respuesta Impulsional, y la entrada de un sistema:

(1.16)

CAPITULO 1. SISTEMAS MUESTREADOS

{gk } = {1, 2, 1}

(1.17)

{uk } = {0, 3, 4}
La forma de calcular la salida es la siguiente:

y0 =

u0i gi = u00 g0 + u01 g1 + u02 g2 = 0

i=

y1 = u10 g0 + u11 g1 + u12 g2 = 3

y2 = u20 g0 + u21 g1 + u22 g2 = 4 + 3 2 = 10

(1.18)

y3 = u30 g0 + u31 g1 + u32 g2 = 4 2 + 3 1 = 11

y4 = u40 g0 + u41 g1 + u42 g2 = 4 1 = 4
y5 = 0

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=

Entonces la condicion para que yk sea acotada es que:

X
i=

1.7

|gi | < sii

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:

CAPITULO 1. SISTEMAS MUESTREADOS

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

Entonces la respuesta en frecuencia es:

G() =

gi eji

(1.23)

i=

G es periodica con respecto a = 2 y es una funcion continua.

De esta manera tenemos que:

n
o
{yk } = G() ejk

(1.24)

G es el desarrollo en serie de Fourier (seg

un 1.22), por lo tanto los coeficientes seran:

1
gk =
2

1.7.1

G()ejk d

(1.25)

Ejemplo N 2: Pasa Bajos

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

Transformada de Fourier de una Secuencia

X() = lim

n
X

ji

xi e

i=n

y la transformada inversa,

X
i=

xi eji

(1.27)

CAPITULO 1. SISTEMAS MUESTREADOS

1
xk =
2

10

X()ejk d

(1.28)

Para que X exista debe ser,

|xi | <

(1.29)

i=

Si,

yk =

gki ui

(1.30)

i=

Multiplicando ambos miembros de 1.30 por

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)

Teorema del Muestreo

Si el muestreo es suficientemente peque

no no se pierde casi informacion pero esta perdida puede
ser importante si el perodo de muestreo es muy grande. Es, entonces, esencial saber cuando
una se
nal continua es biunvocamente definida por su muestreo. El siguiente teorema da las
condiciones para el muestreo.
Una se
nal continua con espectro en frecuencia nulo fuera del intervalo [0 , 0 ] es reconstruible
totalmente si se la muestrea con una frecuencia s > 20 . La reconstruccion se obtiene mediante
el siguiente calculo:

f (t) =

X
k=

f (kT )

sen(s (t kT ))/2
s (t kT ))/2

(1.33)

CAPITULO 1. SISTEMAS MUESTREADOS

1.9.1

11

Demostraci
on

La transformada de Fourier continua y la antitransformada de la funcion continua son:

Z
ejt f (t)dt
(1.34)
F () =

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)

haciendo un cambio de variables =

muestreo,

+2r
T

donde es una frecuencia relativa al perodo de

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)

Se cumple ademas que ej2rk = 1 por lo que

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,

CAPITULO 1. SISTEMAS MUESTREADOS

Fs () =

1 X
+ 2r
F(
)
T r=
T

o de forma similar, dado que 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

Figura 1.8: Transformada de Fourier Continua, Transformada de Fourier de la se

nal muestreada
con frecuencia superior e inferior

El reconstructor de la ecuacion 1.33 es no causal y tiene la siguiente respuesta impulsional,

1.10

Transformada en Z

Esta transformada solo se define para secuencias

Z ({xk }) = X(z) =

xk z k

(1.43)

k=

donde z es una variable compleja.

La trasformada Z de la secuencia impulso es,

{k } = {1, 0, 0, }
(z) = 1
Y la transformada de una secuencia,

(1.44)

CAPITULO 1. SISTEMAS MUESTREADOS

13

Figura 1.9: Respuesta impulsional del reconstructor ideal

{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

Linealidad Z(af + bg) = aZ(f ) + bZ(g)

Desplazamiento
Valor Inicial
Valor Final

Z(q d f ) = z d Z(f )

limk0 (fk ) = limz Z(f )

limk (fk ) = limz1 (1 z 1 )Z(f )

si (1 z 1 )Z(f ) no tiene ning

un polo fuera del circulo unidad.

1.11

Reconstrucci
on

Si se quiere saber como es la se

nal continua a partir de la informacion que brinda la secuencia
de muestras es necesario un proceso llamado de reconstruccion. En este proceso es posible que
la se
nal reconstruida no coincida exactamente con la original. Esto se ve en la figura 1.10.
La pregunta es cuan parecida sera la se
nal reconstruida a la original. Todo dependera del
reconstructor que se utilice.

CAPITULO 1. SISTEMAS MUESTREADOS

14

Figura 1.10: Proceso de Reconstruccion

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)

Esta reconstruccion es no causal y en la grafica siguiente se muestra el resultado del proceso;

la lnea suave es la se
nal continua y la ondulada es su reconstruccion. Se muestran adem
as
los aportes de cada elemento de la sumatoria. La reconstruccion no es perfecta ya que no se
consideraron infinitos terminos de la sumatoria.

Figura 1.11: Reconstruccion Ideal de una se

nal

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

CAPITULO 1. SISTEMAS MUESTREADOS

15

Figura 1.12: Reconstruccion con Bloqueador de orden cero

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.

Figura 1.13: Reconstruccion con Bloqueador de orden uno

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

CAPITULO 1. SISTEMAS MUESTREADOS

16

Figura 1.14: Aparicion de Frecuencias Espurias

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.