INFORME DE PRÁCTICAS

Formato
FR-FAC-PAC-GLB-018 Versión: 01 Fecha: 19/12/2018

Carrera: Ingeniería Electromecánica

Asignatura: Electrónica Aplicada y Laboratorio
Docente: MsC. Javier Carpio
Nivel y paralelo: 5D
Alumno: Centeno Moreira José Ricardo
Fecha presentación informe: 19 de diciembre de 2018

TÍTULO DEL INFORME: Investigación sobre Teorema de Muestreo

1. OBJETIVOS
General: Realizar una investigación detallada sobre el Teorema de Muestreo

Específicos:
a. OBJETIVOS Nivel*
Conocer las generalidades que existen sobre el teorema
A
de muestreo
Investigar sobre los autores del teorema de muestreo M
Profundizar el tema con aplicaciones del teorema de
A
muestreo

*Alto(A), Medio (M), Bajo (B)

 INTRODUCCIÓN:
¿Qué es el muestreo?
Muestreo es el equivalente del término inglés sampling, y se utiliza para indicar la acción
de tomar muestras a intervalos de tiempo regulares.
 Una señal continua puede representarse y reconstruirse partiendo del conocimiento
de sus muestras
 Esto se deriva de un resultado básico llamado teorema de muestreo.
 Este teorema funciona como un puente entre las señales continuas y las discretas.
 Matemáticamente puede ser visto como multiplicar una señal por un tren de
impulsos
 En la práctica se utiliza un circuito de mantenimiento (hold) de orden cero

Muestreo y Cuantización
 El proceso de Digitalización está constituido por dos partes:
o Muestreo
o Cuantización
 En cada uno de estos pasos se convierte de continuo a discreto una de las variables
o ejes de la señal

Según algunos autores, los orígenes de la teoría del muestreo pueden rastrearse hasta el
trabajo de Cauchy, Borel, Lagrange, Laplace y Fourier, si no más atrás. Como muchos otros
teoremas fundamentales, fue desarrollado gradualmente por varios científicos, y no es
sencillo determinar la fecha exacta de su aparición.

1
 INFORME DE PRÁCTICAS
Formato
FR-FAC-PAC-GLB-018 Versión: 01 Fecha: 19/12/2018

2. MARCO TEÓRICO
Teorema de Muestreo
El teorema de muestreo fue desarrollado en 1928 por Nyquist Shannon y probado
matemáticamente por Claude Shannon en 1949.

Dada una señal analógica cualesquiera, ¿cómo se debe elegir el periodo de muestreo T?
o ¿cuál es velocidad de muestreo Fs? Para contestar esta pregunta es necesario cierta
información sobre la característica de la señal que va a ser muestreada.

En particular, se debe tener cierta información general sobre el contenido de frecuencia de

la señal. Generalmente, dicha información se encuentra disponible, por ejemplo, se sabe
que la frecuencia mayor en señales de voz ronda los 3KHz o en las señales de televisión
tiene componentes de frecuencia importante hasta los 5MHz.

La información contenida en dichas señales se encuentra en la amplitud, frecuencia y fase

de las distintas componentes de frecuencia, pero antes de obtener dichas señales no se
conoce sus características con detalle.

De hecho, el propósito del procesado de señal es normalmente la extracción de dichas

características. Sin embargo, si se conoce la máxima frecuencia de una determinada clase
de señal, se puede especificar la velocidad de muestreo necesaria para convertir las
señales analógicas en señales digitales.

Si se supone que cualquier señal analógica se puede representar como una suma de
senoides de diferentes amplitudes, frecuencias y fases, es decir
donde N indica el número de componentes de frecuencia. Todas las señales, como las de
voz o video se prestan a dicha representación en cualquier intervalo de tiempo pequeño.

Normalmente, las amplitudes, fases y frecuencias varían lentamente de un intervalo de

tiempo al siguiente. Si se supone que la frecuencia de una determinada señal no excede
una frecuencia máxima conocida Fmax.

Por ejemplo, si Fmax = 3KHz, para señales de voz y Fmax = 5MHz para señales de video,
se puede ver que la máxima frecuencia puede variar ligeramente, y para asegurar que
Fmax no sobrepase determinado valor, la señal analógica es pasada a través de un filtro
que atenúe fuertemente las componentes de frecuencia por encima de Fmax. En la
práctica, este filtrado se realiza antes del muestreo.

Se sabe que la frecuencia más alta de una señal analógica que puede reconstruirse sin
ambigüedad cuando la señal se muestrea a una velocidad de Fs = 1/T es Fs /2. Cualquier
frecuencia por encima de Fs/2 o por debajo de – Fs/2 produce muestras que son idénticas
a las correspondientes a las frecuencias dentro del intervalo – Fs /2 ≤ – F ≤ Fs /2.

Para evitar las ambigüedades, que resultan del aliasing, se debe seleccionar una velocidad
de muestreo lo suficientemente alta, esto es, se debe escoger a Fs /2 mayor que a Fmax.
Por lo tanto, para evitar el problema de aliasing, se selecciona a Fs como

2
 INFORME DE PRÁCTICAS
Formato
FR-FAC-PAC-GLB-018 Versión: 01 Fecha: 19/12/2018

Teorema: Si la frecuencia más alta contenida en una señal analógica

xa(t) es Fmax = B y la señal se muestrea a una velocidad Fs > 2Fmax,
entonces xa(t) se puede recuperar totalmente de sus muestras
mediante la siguiente función de interpolación:

Así, xa(t) se puede expresar como

donde xa(n/Fs) = xa(nT) = x(n).

Cuando el muestreo de xa(t) se realiza a la tasa mínima de muestreo Fs =2B, la fórmula de

reconstrucción se transforma en

La tasa de muestreo dada por FN = 2B = 2Fmax, se denomina tasa de Nyquist. La Figura

siguiente ilustra el proceso de un DAC ideal que usa esta función de interpolación.

Como puede observarse en las fórmulas de reconstrucción, la reconstrucción de xa(t) a

partir de la secuencia x(n) es un proceso complicado que supone la suma ponderada de la
función de interpolación g(t) y sus versiones correspondientemente desplazadas en el
tiempo g(t - nT) con –∞ < n < ∞, donde los coeficientes de ponderación son las muestras
de x(n).

Dada la complejidad y el infinito número de muestras que se requiere, estas fórmulas de

reconstrucción, son puramente de interés teórico.

3
 INFORME DE PRÁCTICAS
Formato
FR-FAC-PAC-GLB-018 Versión: 01 Fecha: 19/12/2018

El Teorema del Muestreo (Uniforme) de Nyquist-Shannon

Sea s(t) una señal limitada en banda, que no tiene componentes espectrales mayores que
la frecuencia Fm Hz. El Teorema del Muestreo Uniforme indica que s(t) queda determinada
de forma única (sin pérdida de información) por sus valores a intervalos uniformes de
tiempo menores o iguales que 1 2fm segundos. Es decir, la frecuencia de muestreo Fs debe
de ser
Fs ≥ 2Fm

A la frecuencia 2Fm se le conoce como frecuencia de muestreo de Nyquist.

Demostración
Según el enunciado se tiene que S(w) = 0 cuando |w| > wm (está limitada en banda), donde
wm = 2πfm sería la máxima componente de frecuencia angular de s(t). Gráficamente:

El proceso de muestreo se modela matemáticamente mediante la multiplicación de s(t) con

un tren de impulsos unitarios δTs(t) de periodo Ts. Sea

ss(t) = s(t)δTs(t)

la señal resultante de dicho producto, donde (véase (δT(t)))

δTs(t) = ∑ n=−∞∞δ(t − nT s) y Ts = 2π ws

es el periodo de muestreo, siendo

ws = 2πfs

la frecuencia de muestreo angular expresada en radianes/segundo. Como ya hemos

demostrado (véase ℱ[δT(t)]),

ℱ[δTs(t)] = ΔTs(w) = wsδws(w)

Teniendo en cuenta que la multiplicación de dos funciones en el dominio del tiempo

equivale a la convolución de sus espectros (Eq. ConvF), se tiene que

Ss(w) = 1 2πS(w) ∗ wsδws(w).

Al substituir ws = 2π Ts, obtenemos que

Ss(w) = 1 Ts(S(w) ∗ δws(w))

4
 INFORME DE PRÁCTICAS
Formato
FR-FAC-PAC-GLB-018 Versión: 01 Fecha: 19/12/2018

que por definición de δws(w) (ver de nuevo la Eq. ℱ[δT(t)]) es

= 1 TsS(w) ∗∑ n=−∞∞δ(w − nw s)

= 1 Ts ∑ n=−∞∞S(w) ∗ δ(w − nw s)

= 1 Ts ∑ n=−∞∞S(w − nw s)

Por tanto, el espectro de una señal muestreada es igual a la replicación cada ws

radianes/segundo del espectro de la señal original. Gráficamente:

Como se puede deducir de la representación gráfica de Ss(w), podemos recuperar s(t) a

partir de ss(t) si filtramos las componentes de frecuencia superiores a wm. Esto puede
hacerse si multiplicamos Ss(w) (en el dominio de la frecuencia, claro) por una función pulso
rectangular

Esta función es en realidad la función de transferencia de un filtro paso bajo con frecuencia
de corte wm y ganancia Ts.

El Teorema del Muestreo Uniforme indica que para que la señal s(t) sea recuperable a partir
de la señal ss(t) debe cumplirse que

ws ≥ 2wm

La demostración de esto en virtud de los

resultados obtenidos es muy sencilla. En
el caso de que ws < 2wm entonces sería
imposible aislar el espectro de ss(t)
mediante el filtro paso bajo y, por tanto,
no podríamos reconstruir s(t) porque los
espectros vecinos de s(t) se solaparían.
Gráficamente:

5
 INFORME DE PRÁCTICAS
Formato
FR-FAC-PAC-GLB-018 Versión: 01 Fecha: 19/12/2018

Aplicación del Teorema de Muestreo

Un ejemplo donde vemos la utilización del muestreo de señales es en el audio digital, pero
¿Qué es el audio digital? Es la representación de una señal de audio mediante números,
en general codificados en forma binaria (es decir con ceros y unos). ¿Por qué se utiliza el
audio digital? Porque tiene algunas ventajas sobre el audio analógico que lo hacen
insustituible. En primer lugar, permite ser almacenado en forma inalterable. Dado que lo
que se almacenan son números, es decir símbolos, es mucho más difícil alterar la
información.

 Osciloscopios Digitales
Los osciloscopios digitales al igual que los osciloscopios análogos, son instrumentos que
permiten visualizar y medir una señal eléctrica, con la diferencia que utilizan la digitalización
de la señal de entrada. La digitalización consiste en asignar un código binario a muestras
que se toman de la señal de entrada análoga. Estos códigos se ordenan y almacenan
secuencialmente de modo que pueda reproducir la señal de entrada en cualquier momento.
Para realizar la digitalización se necesita un circuito que obtenga las muestras y un
conversor análogo-digital (ADC); para su almacenamiento es necesario una memoria.
Después que los datos están almacenados, se pueden hacer diferentes tipos de cálculos
realizados por el mismo osciloscopio o asistido por computador.

4. CONCLUSIONES:

 Se concluye que el teorema de muestreo para funciones tipo pasabajos es vital en la

ingeniería de comunicaciones, vinculando las señales continuas con las discretas.

 También se concluye que los orígenes del teorema de muestreo pueden rastrearse
hasta el trabajo de Cauchy, Borel, Lagrange, Laplace y Fourier, pero como muchos
otros teoremas fundamentales, fue desarrollado gradualmente por varios científicos, y
no es sencillo determinar la fecha exacta de su aparición. Los distintos nombres que el
teorema ha recibido son: Shannon, Nyquist, Kotelnikov, Whittaker, Someya, etc. Y esto
indica la independencia de los diferentes enfoques.

 Por último, se concluye que una de las aplicaciones más conocidas es el osciloscopio.

6
 INFORME DE PRÁCTICAS
Formato
FR-FAC-PAC-GLB-018 Versión: 01 Fecha: 19/12/2018

5. RECOMENDACIONES:
 Se recomienda tener un tiempo en clases o tutorías donde el teorema de muestreo sea
explicado desde el enfoque del docente de Electrónica aplicada y laboratorio, ya que
existen ciertas dudas cuando el alumno lee o investiga por su cuenta sin saber cuál es
el enfoque o el contenido que espera el docente.

6. BIBLIOGRAFÍA:

 Ciaurri, O., & Varona, J. L. (2008). Transformadas de Dunkl y teoremas de muestreo.

Boletín SEMA, (42).

 Morales-Mendoza, L. (2016). Teorema de Muestreo. Procesamiento Digital de

Señales, 22-30.