1

Paso 2 Reconocer elementos matemáticos que

implica el sistema de conversión Analógica -
Digital
Emerson Rodrigo Mesa Rodríguez GRUPO: 208052_13
Universidad Nacional Abierta y a Distancia 2019


Resumen— El siguiente documento se evidencia el desarrollo a
la guía de actividades: Paso 2 - Reconocer los elementos
matemáticos que implica el sistema de conversión analógica digital,
resolviendo ejercicios e interrogantes sobre la importancia de la
conversión analógica digital, y su implicación en el dominio de la
frecuencia y del tiempo, para el diseño de sistemas discretos

Introducción

E n el trabajo a continuación presentado se presentan los

procedimientos necesarios para la conversión digital y la
transformada discreta de Fourier, se desarrollan ejercicios de
muestreo, cuantización y se resuelven preguntas para afianzar la
parte teórica sobre los temas tratados en la unidad 1.
I. SOLUCION A PREGUNTAS
1. ¿Qué es una señal muestreada?
Es el resultado de la transformación de una señal análoga e unos
periodos de tiempo equiespaciados y transformarla a números,
osea valores discretos, esto con el fin de poder manipularla en
un computador o un sistema digital. señal
3. ¿Cuál es el fenómeno llamado Alias o Aliasing?
Este fenómeno se presenta cuando en una señal que no tiene
bandas limitadas, el intervalo de muestreo pequeño no es lo
suficientemente pequeño y supera el valor crítico, entonces el
alias produce que componentes que están en la alta frecuencia
de la señal analógica aparecen a bajas frecuencias en la señal
muestreada, para prevenir la aparición de este fenómeno es
común limitar la banda de la señal antes del muestreo mediante
la utilización de filtros pasa-bajas.

4. ¿Qué indica el teorema de muestreo de Nyquist?

Que para evitar el aliasing es necesario que la frecuencia de
muestreo debe ser dos veces mayor que el ancho de banda de la
señal.

5. ¿Qué realiza la transformada de Fourier?

Esta transformada matemática es empleada para

2. ¿Qué es una señal cuantizada?
La cuantización de una señal, se refiere al proceso psoterior del
muestreo de dicha señal, y se refiere al hecho de asignar a la
amplitud de los espacios de tiempo elegido de la señal
muestreada, un valor concreto, entre un conjunto finito de
posibles valore, esto con el fin de obtener mayor precisión en la
etapa de cuantización.
transformar señales que se encuentran entre el
dominio del tiempo y el dominio de la frecuencia,
con el fin de obtener información que no es
evidente en el dominio del tiempo y asi conocer
sobre que banda se concentra la energía de una
señal.
 2

fenómeno de alias, y si alguna de ellas lo sufre,

𝛽 +∞ indique cuál y por qué.
𝑔(𝜉) = √ ∫ 𝑓(𝑥)𝑒 −𝑖𝛽𝜉𝑥 𝑑𝑥
2𝜋 −∞

6. ¿Qué es la transformada rápida de Fourier? Solución:

Es un algoritmo que logra calcular la transformada de Fourier 1.1 Para conocer si ocurre alias, se debe proceder primero a
discreta y su inversa de una manera más rápida, ya que reduce encontrar las componentes de frecuencia de la señal:
el tiempo de cálculo de n^2 pasos a n*log_2(n), con la
condición que el número de puntos en la serie debe ser una 𝑥(𝑡) = 9 𝑠𝑒𝑛(2𝜋 𝑡) + 3 𝑠𝑒𝑛(20𝜋 𝑡) + 7 𝑠𝑒𝑛(1024 𝜋 𝑡)
potencia de 2.
𝑁−1
𝐴 ∗ 𝑠𝑒𝑛(2𝜋𝑓𝑜𝑇)
𝑛 − −𝐷𝑒 𝑙𝑎 𝑓𝑜𝑟𝑚𝑎 𝑔𝑒𝑛𝑒𝑟𝑎𝑙 𝑑𝑒𝑙 𝑠𝑒𝑛𝑜
𝑋(𝑘) = ∑ 𝑥(n)𝑒 −𝑗2𝑥𝑘𝑁 , 𝑘 = 0, … , 𝑁 − 1.
𝑛=0
2𝜋𝑡
𝑓𝑜1 = = 1𝐻𝑧
2𝜋𝑡
20𝜋𝑡
𝑓𝑜2 = = 10𝐻𝑧
2𝜋𝑡
II. INVESTIGACIÓN RANGO DE FRECUENCIAS 1024𝜋𝑡
𝑓𝑜3 = = 512𝐻𝑧
2𝜋𝑡
Rango de frecuencias que el oído humano es capaz de 1.2 El efecto alias ocurre cuando las señales continuas se
escuchar: tornan indistinguibles después del proceso de muestro, para
El oído humano puede responder a diminutas variaciones de que esto no ocurra se debe cumplir la siguiente condición
presión en el aire, si están en el rango de frecuencia audible,
S>2B donde B es la frecuencia fundamental de la componente
aproximadamente entre 20 Hz - 20 kHz.
de la señal.
De tal forma que:

Si la señal (𝑡) tiene una frecuencia de muestreo 𝑆 = 90𝐻𝑧

𝑓𝑜1 = 2𝑥𝑓𝑜1 = 2𝐻𝑧 < 90𝐻𝑧 − 𝑁𝑂 𝑠𝑒 𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝐴𝑙𝑖𝑎𝑠

𝑓𝑜2 = 2𝑥𝑓𝑜2 = 20𝐻𝑧 < 90𝐻𝑧 − 𝑁𝑂 𝑠𝑒 𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝐴𝑙𝑖𝑎𝑠
Frecuencia mínima de muestre para 5 Instrumentos
Frec. Mínima 𝑓𝑜3 = 2𝑥𝑓𝑜3 = 1024𝐻𝑧 > 90𝐻𝑧 − 𝑆𝑒 𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝐴𝑙𝑖𝑎𝑠
Instrumento Frecuencia
De muestreo El fenómeno Alias se presenta con la tercera componente (Fo3)
Flauta 3 –8 KHz 16 KHz
senoidal puesto que la frecuencia de muestreo es demasiado
Cello 1– 6.5 KHz 13 KHz
baja. En cambio, las otras dos componentes Fo1 y Fo2 se
Bajo Eléctrico 1 – 7 KHz 15KHz
Saxofón 2 – 12 KHz 24KHz podrán reconstruir.
Piano 5 – 8 KHz 16 KHz
2. Cuantización

III. SOLUCIÓN EJERCICIOS Ejercicio 5:

1. Muestreo 1. Se va a muestrear una senoide con niveles de amplitud

Ejercicio 2: de -2V y 2V y se va a cuantizar con un error rms 𝜎 =
10𝑚𝑉. ¿Cuántos bits B se requieren?
Siendo 𝑥(𝑡) = 9 𝑠𝑒𝑛(2𝜋 𝑡) + 3 𝑠𝑒𝑛(20𝜋 𝑡) + R/
7 𝑠𝑒𝑛(1024 𝜋 𝑡) Resuelva: Datos del ejercicio.
Error = 10mV
1.1 Encuentre las frecuencias 𝑓0𝑛 de cada una de las 1
Quantizacion del error = 𝐿𝑆𝐵 = 10𝑚𝑉 = 20𝑚𝑉
componentes de la señal 𝑥(𝑡) 2
Rango de voltaje total = desde -2 hasta 2V = 4V
1.2 Si la señal 𝑥(𝑡) tiene una frecuencia de muestreo 𝑆 = Numero de niveles q de discretizacion =
90𝐻𝑧 y se desea realizar la reconstrucción de la señal, 4𝑣
= 200 𝑛𝑖𝑣𝑒𝑙𝑒𝑠
identifique si las componentes senoidales no sufren 20𝑚𝑉
 3

Numero de bits = 8 bits (por que con7 bits solo se

obtenían 128 niveles).
 4

REFERENCIAS

[1] Martinez, E. (2019). Teoria del muestreo de Nyquist. [online] eveliux.com.

Available at: http://www.eveliux.com/mx/curso/nyquist.html [Accessed 2
Mar. 2019].
[2] "Tabla: rango de frecuencias de los instrumentos musicales", Hispasonic,
2019. [Online]. Available: https://www.hispasonic.com/reportajes/tabla-
rango-frecuencias-instrumentos-musicales/39. [Accessed: 02- Mar- 2019].
[3] "Frecuencia de muestreo", Es.wikipedia.org, 2019. [Online]. Available:
https://es.wikipedia.org/wiki/Frecuencia_de_muestreo. [Accessed: 02-
Mar- 2019].
[4] González, G. (1997). Series de Fourier, transformadas de Fourier y
aplicaciones. Divulgaciones matemáticas, 5(1/2), 43-60.
[5] Semeria, M. (2015). Los tres teoremas: Fourier-Nyquist-Shannon (No.
582). Serie Documentos de Trabajo.
[6] Proakis, J. G., Manolakis, D. G., & del Río, V. S. (2007). Tratamiento
digital de señales (Vol. 4). Pearson Educación.
[7] Reyes, J. A., & Forgach, C. S. (2010). Un complemento al teorema de
Nyquist. Revista mexicana de física E, 56(2), 165-171.
[8] Ambardar, A. (1999). Analog and digital signal processing.