Unidad 1: Paso 2 - Reconocer los elementos matemáticos que implica el sistema de

conversión analógica digital

Procesamiento digital de señales

Grupo: 26

Presentado por:

Dania Carolina González González

Código: 1075313018

Tutor: Mauricio Alberto García

Curso: 299004A_611

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA “UNAD”

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA

CEAD NEIVA

Marzo 2019
  ¿Qué es una señal muestreada?

El muestreo está basado en el teorema de muestreo, que es la base de la representación discreta

de una señal continua en banda limitada. Es útil en la digitalización de señales (y por

consiguiente en las telecomunicaciones) y en la codificación del sonido en formato digital.

Independientemente del uso final, el error total de las muestras será igual al error total del sistema

de adquisición y conversión más los errores añadidos por el ordenador o cualquier sistema digital.

Para dispositivos incrementales, tales como motores paso a paso y conmutadores, el error medio

de los datos muestreados no es tan importante como para los dispositivos que requieren señales

de control continuas.

Teorema de muestreo: Es posible establecer un desarrollo en Serie de Fourier de x(f ) limitado

f
j2 πn
a |f | ≤W de la siguiente manera: x(f )=∑ C n .e 2w

https://es.m.wikipedia.org/wiki/Muestreo_digital

 ¿Qué es una señal cuantizada?

Es el proceso posterior a la etapa de muestreo en la que se toman valores de amplitud de una

determinada señal analógica. El objetivo de este proceso es cuantificar con bits éstos valores,

mediante la asignación de niveles. En esta etapa se le asigna un valor a la muestra pero no es

digital. En este punto se decide si el valor de la muestra está, por aproximación, dentro del

margen de niveles previamente fijados y se le asigna un valor preestablecido según el código

utilizado en la codificación.

 ¿Cuál es el fenómeno llamado Alias o Aliasing?

Es el efecto que causa que señales continuas distintas se tornen indistinguibles cuando se

muestrean digitalmente. Cuando esto sucede, la señal original no puede ser reconstruida de forma

unívoca a partir de la señal digital. Una imagen limitada en banda y muestreada por debajo de su

frecuencia de Nyquist en las direcciones "x" e "y", resulta en una superposición de las

replicaciones periódicas del espectro G(fx, fy). Este fenómeno de superposición periódica

sucesiva es lo que se conoce como aliasing o Efecto Nyquist.

 ¿Qué indica el teorema de muestreo de Nyquist?

El teorema trata del muestreo, que no debe ser confundido o asociado con la cuantificación,

proceso que sigue al de muestreo en la digitalización de una señal y que, al contrario del

muestreo, no es reversible (se produce una pérdida de información en el proceso de

cuantificación, incluso en el caso ideal teórico, que se traduce en una distorsión conocida como

error o ruido de cuantificación y que establece un límite teórico superior a la relación señal-

ruido). Dicho de otro modo, desde el punto de vista del teorema, las muestras discretas de una

señal son valores exactos que aún no han sufrido redondeo o truncamiento alguno sobre una

precisión determinada, es decir, aún no han sido cuantificadas.

  ¿Qué realiza la transformada de Fourier?

mpleada para transformar señales entre el dominio del tiempo (o espacial) y el dominio de la

frecuencia, que tiene muchas aplicaciones en la física y la ingeniería. Es reversible, siendo capaz

de transformarse en cualquiera de los dominios al otro. El propio término se refiere tanto a la

operación de transformación como a la función que produce. En el caso de una función periódica

en el tiempo (por ejemplo, un sonido musical continuo pero no necesariamente sinusoidal), la

transformada de Fourier se puede simplificar para el cálculo de un conjunto discreto de

amplitudes complejas, llamado coeficientes de las series de Fourier. Ellos representan el espectro

de frecuencia de la señal del dominio-tiempo original.

La transformada de Fourier es una aplicación que hace corresponder a una función f con otra

+∞
1 iξ x
función g definida de la manera siguiente: g ( ξ )= ∫
√ 2 π −∞
f ( x ) e dx

 ¿Qué es la transformada rápida de Fourier?

es un algoritmo eficiente que permite calcular la transformada de Fourier discreta (DFT) y su

inversa. La FFT es de gran importancia en una amplia variedad de aplicaciones, desde el

tratamiento digital de señales y filtrado digital en general a la resolución de ecuaciones en

derivadas parciales o los algoritmos de multiplicación rápida de grandes enteros. Cuando se habla
del tratamiento digital de señales, el algoritmo FFT impone algunas limitaciones en la señal y en

el espectro resultante ya que la señal muestreada y que se va a transformar debe consistir de un

número de muestras igual a una potencia de dos. La mayoría de los analizadores de FFT permiten

la transformación de 512, 1024, 2048 o 4096 muestras. El rango de frecuencias cubierto por el

análisis FFT depende de la cantidad de muestras recogidas y de la proporción de muestreo.

La transformada rápida de Fourier es de importancia fundamental en el análisis matemático y ha

sido objeto de numerosos estudios. La aparición de un algoritmo eficaz para esta operación fue

un hito en la historia de la informática.

 Cada estudiante investigará sobre el rango de frecuencias que el oido humano es capaz de

escuchar, además investigará cual es el rango de frecuencias que emiten cinco (5)

instrumentos musicales, y a partir de este dato, argumentará a que frecuencia de muestreo

mínima se debe muestrear cada uno de los cinco (5) instrumentos musicales para ser

digitalizados de manera correcta.

Rango de frecuencias que el oído humano es capaz de escuchar: Un oído sano y joven es

sensible a las frecuencias comprendidas entre los 20 Hz y los 20 kHz.

Fuera del espectro audible:

 Por encima estarían los ultrasonidos (Ondas acústicas de frecuencias superiores a los 20

kHz).
 Por debajo, los infrasonidos (Ondas acústicas inferiores a los 20 Hz)

El espectro audible podemos subdividirlo en función de los tonos:

 Tonos graves (frecuencias bajas, correspondientes a las 4 primeras octavas, esto es, desde

los 16 Hz a los 256 Hz).

 Tonos medios (frecuencias medias, correspondientes a las octavas quinta, sexta y séptima,

esto es, de 256 Hz a 2 kHz).

 Tonos agudos (frecuencias altas, correspondientes a las tres últimas octavas, esto es, de 2

kHz hasta poco más de 16 kHz).

 Bibliografía
 Aliasing. (15 de 03 de 2019). Obtenido de Wikipedia:
https://es.wikipedia.org/wiki/Aliasing
 Cuantificación digital. (15 de 03 de 2019). Obtenido de Wikipedia:
https://es.wikipedia.org/wiki/Cuantificaci%C3%B3n_digital
 Espectro audible. (15 de 03 de 2019). Obtenido de Wikipedia:
https://es.wikipedia.org/wiki/Espectro_audible
 Teorema de muestreo de Nyquist Shannon. (16 de 03 de 2019). Obtenido de Wikipedia:
https://es.wikipedia.org/wiki/Teorema_de_muestreo_de_Nyquist-Shannon
 Tranformada de Fourier. (15 de 03 de 2019). Obtenido de Wikipedia:
https://es.wikipedia.org/wiki/Transformada_de_Fourier
 Transformada rápida de Fourier. (15 de 03 de 2019). Obtenido de Wikipedia:
https://es.wikipedia.org/wiki/Transformada_r%C3%A1pida_de_Fourier