ENSENANZA

REVISTA MEXICANA DE F ISICA E 56 (2) 165171

DICIEMBRE 2010

Un complemento al teorema de Nyquist

J.M. Alvarado Reyes y C.E. Stern Forgach Departamento de Fsica, Facultad de Ciencias, Universidad Nacional Aut noma de M xico, o e e-mail:catalina@ciencias.unam.mx
Recibido el 1 de octubre de 2009; aceptado el 21 de junio de 2010 Este trabajo est dirigido a estudiantes que por primera vez realizan la adquisici n y el tratamiento de se ales. En algunas carreras cientcas a o n puede ser debido a un curso obligatorio de los primeros semestres, en otras a un curso optativo y en otras carreras puede simplemente ser parte de un curso de laboratorio. Se presenta una revisi n de los requisitos para hacer una buena adquisici n de se ales, de manera que o o n en el espacio temporal se pueda reconstruir la se al original con sus caractersticas m s importantes, y al transformar al espacio de las n a frecuencias, se obtenga tambi n la resoluci n requerida. Se revisa el teorema de Nyquist y se muestra que este no es suciente para asegurar e o una resoluci n adecuada en el espacio de las frecuencias. Finalmente se hace una propuesta para escoger los par metros de la adquisici n de o a o datos de la mejor manera posible. Descriptores: Adquisici n de se ales; resoluci n en frecuencia; teorema de Nyquist. o n o The content of this article is specially designed for students that are starting their education in data acquisition and signal processing. In some scientic majors this can happen in a compulsory or an elective course or in an experimental one. We review some of the fundamental requirements for proper signal acquisition in order to reconstruct the most important characteristics of the original signal, and at the same time obtain the required resolution when transforming to frequency space. We show that the satisfaction of Nyquist criterion is not sufcient to assure adequate resolution in frequency space. Finally we suggest how to choose the parameters for the best possible acquisition. Keywords: Data acquisition; resolution in frequency space; Nyquist Theorem. PACS: 01,50KW

1.

Introducci n o

2.

Datos experimentales vs. datos adquiridos

Richard Lyons en su famoso libro Para Entender el Procesamiento Digital de Se ales, le dice al lector en su prefan cio: No es necesario decirte cuan importante es el procesamiento digital de se ales en la ingeniera moderna, s lo te n o dir que el futuro de la electr nica es el procesamiento digital e o de se ales [1]. n Un buen procesamiento permite reconstruir la se al n anal gica, recuperar la informaci n importante y desechar o o parte del ruido. La se al temporal reconstruida es en genen ral difcil de analizar, por lo que es com n transformarla para u estudiarla en el espacio de las frecuencias. La caracterizaci n m s com n de una se al es a trav s de su densidad eso a u n e pectral, que es la transformada de Fourier de la funci n de o auto-correlaci n de la se al original. Hay una relaci n direco n o ta entre la densidad espectral y el contenido energ tico de la e se al [2]. n Lo m s importante para poder hacer un buen tratamiento a de se al, es asegurar en cada paso que la informaci n origin o nal no ha sido alterada. El presente trabajo hace una revisi n o de algunas de las ideas m s importantes alrededor del procea samiento conable de se ales. Se hace enfasis, en particular, n en que un buen muestreo en el dominio del tiempo no asegura una buena resoluci n en el dominio de las frecuencias o y, adem s, que tanto el teorema de Nyquist como la decisi n a o sobre el tiempo total de muestreo y el n mero de muestras u es fundamental para recuperar toda la informaci n de las freo cuencias de la se al original. n

Una gran cantidad de actividades, tanto en la vida cotidiana como en el laboratorio o en las aplicaciones tecnol gio cas, dependen de c mo se transforma una se al anal gica en o n o una se al digital. En el mundo moderno, recibimos y transn mitimos mucha informaci n a trav s de corrientes el ctricas. o e e Estas corrientes traen a veces ruido mezclado con la informaci n que nos interesa y otras traen varias informaciones o mezcladas. Para poder descifrar esa informaci n es necesario o adquirirla, por ejemplo con una computadora y, despu s, ree construirla de la manera m s el posible, para posteriormente a identicarla. En un laboratorio de investigaci n se hacen experimeno tos, es decir, se reproducen fen menos de manera controlada, o eliminando o introduciendo aquellas variables que puedan inuir en ellos. Se entiende por variable toda caracterstica que pueda causar cambios en los resultados de un experimento. Primero, se deben determinar todas las variables que intervienen en un proceso. Despu s se trata de cuanticar relae ciones entre variables, como la densidad, la temperatura, la energa, etc. A veces solamente se logra adquirir informaci n o cualitativa, pero en general se trata de medir, de asignar un n mero. Las mediciones de las variables se hacen a trav s u e de transductores, es decir, de sistemas que transforman un tipo de energa en otro. Lo m s com n, independientemen a u te del transductor o sensor que se use, es que la se al nal n sea una corriente el ctrica. Por ejemplo, un micr fono o un e o foto-detector transforman la energa ac stica o luminosa en u

166

J.M. ALVARADO REYES Y C.E. STERN FORGACH

energa el ctrica. Lo que realmente se mide es una diferencia e de potencial o una corriente. El transductor da una medida conable cuando se conoce con precisi n la relaci n entre la o o energa el ctrica y la variable que se quiere cuanticar. e El proceso de medici n no acaba aqu. La se al el ctrica o n e debe todava ser digitalizada, adquirida y procesada, ya sea con un multmetro, un osciloscopio o una computadora. La corriente el ctrica pasa por un convertidor anal gicoe o digital que asigna un valor num rico a la diferencia de potene cial en un instante dado. El experimentador tiene que tomar decisiones importantes para hacer este proceso. Para empezar, la amplitud de la se al debe ser suciente para que el n convertidor pueda asignarle un valor sin ambig edad. Desu pu s es necesario determinar el intervalo de tiempo t entre e cada dato que se adquiere y el n mero de puntos N que se u quiere adquirir. Al conjunto de datos adquiridos se le llama muestra. El intervalo t entre un dato y otro es la resoluci n temporal o periodo de muestreo de la se al digitalizao n da. Es importante que t sea sucientemente peque o para n que no pasen inadvertidos eventos importantes entre un dato y el siguiente. Por otro lado, si t es demasiado peque o, n se necesitan muchos datos para poder estudiar el fen meno o durante un tiempo adecuado. El tiempo total Tt de la muestra es igual a Tt = N t Es importante que el tiempo total sea suciente para que el fen meno se pueda observar completamente. Por ejemplo, si o se va a estudiar la variaci n en la altura del agua cuando pasa o una ola, y este proceso toma entre 7 y 9 segundos, el tiempo total de muestreo debe ser mayor a 7 o 9 segundos. De estas decisiones depende la credibilidad de la se al adquirida. n Al inverso del perodo de muestreo se le llama frecuencia de muestreo fS = 1/ t. El teorema de Nyquist, considerado el m s importante en la adquisici n de se ales, establece a o n una condici n necesaria y suciente para la reconstrucci n, o o en el dominio temporal, de una se al adquirida: la frecuencia n de muestreo debe ser al menos 2 veces mayor que la frecuencia m s alta de la se al que se quiere reconstruir [1,2]: a n fS 2fm . (1)

se al en tiempo real y por otro guardar toda la informaci n n o o transferirla a otro instrumento. Algunos osciloscopios solamente pueden adquirir un n mero de muestras jo. Otros u tienen una funci n de selecci n autom tica, y hay otros, m s o o a a sosticados, que permiten al operador escoger estos par mea tros. La Fig. 1 muestra la gr ca de una se al sinusoidal con a n una frecuencia f = 10 Hz, adquirida con diferentes frecuencias de muestreo (5 Hz, 20 Hz y 50 Hz) y un n mero de muesu tras jo (512). Una de las frecuencias de muestreo no satisface el teorema de Nyquist. La diferencia m s evidente en a estas se ales adquiridas es que a mayor frecuencia de muesn treo menor es el n mero de ciclos. Tambi n hay diferencias u e en la amplitud. La Fig. 2 muestra un detalle de la Fig. 1. Se puede observar que efectivamente, mientras mayor sea la frecuencia de muestreo, m s se parece la se al reproducida a una se al a n n sinusoidal. La muestra que no satiszo el teorema de Nyquist aparece distorsionada, no como una funci n sinusoidal. o

F IGURA 1. Una misma se al con distintas frecuencias de muestreo n y n mero de muestras constante. u

En general se da por hecho que el cumplimiento del teorema de Nyquist es una condici n necesaria y suciente para o la adquisici n correcta de una se al. Esto es indudablemeno n te cierto en el dominio del tiempo, pero no lo es cuando se trabaja en el domino de la frecuencia. Si t es peque o, fS n ser grande. La resoluci n en el espacio de las frecuencias, es a o decir, el intervalo de frecuencias m s peque o que se puede a n estudiar ser f = fS /N . Si el fen meno tiene dos frecuena o cias diferentes separadas por un intervalo menor a f, estas dos frecuencias no podr n identicarse claramente. a

3. Senales en el dominio del tiempo y el teorema de Nyquist

Los osciloscopios modernos son instrumentos muy utiles para adquirir se ales, pues por un lado se puede observar la n

F IGURA 2. Detalle de una de las crestas de la Fig. 1. En esta gura se observa una mejora considerable en la forma de la se al para una n frecuencia de muestreo 50 Hz. Para una frecuencia de muestreo de 5 Hz, la se al no es sinusoidal. n

Rev. Mex. Fs. E 56 (2) (2010) 165171

UN COMPLEMENTO AL TEOREMA DE NYQUIST

167

Cuando no se muestrea con la frecuencia correcta pueden aparecer componentes no deseadas en la se al y se puen den perder o sobreponer frecuencias de la se al original; a n este fen meno se le llama aliasing. En muchos textos se reo comienda el sobremuestreo para evitar el aliasing. Tanto el teorema de Nyquist como el problema de aliasing est n bien a documentados en la mayor parte de la bibliografa referente al procesamiento de se ales, as es que no los explicaremos n en este trabajo [1,3,4].

espectral, es decir, en la incapacidad de discernir entre dos frecuencias cercanas. Existe una t cnica llamada zero padding que consiste en e agregar un cierto n mero de ceros a la se al. Por la Ec. (2) u n se puede pensar que al aumentar el n mero de puntos, f u disminuye y la resoluci n espectral aumenta. En realidad ino terpola la transformada de Fourier discreta a un conjunto m s a denso de frecuencias. Sin embargo, esta t cnica no puede e agregar informaci n nueva a la se al y, por lo tanto, no pueo n de aumentar la precisi n en frecuencia que est determinada o a exclusivamente por la frecuencia de muestreo [5]. El muestreo convierte a una se al anal gica en una colecn o ci n de puntos. Es entonces adecuado utilizar la transformada o de Fourier discreta (DFT por sus siglas en ingl s) para pasar e del espacio temporal al frecuencial. La DFT se dene como
N 1 N 1

4.

La senal en el dominio de las frecuencias y la transformada de Fourier

Conocer el contenido frecuencial, es decir, el espectro de frecuencias de una se al, es fundamental para entender el o los n procesos fsicos de los que proviene. La t cnica m s com n e a u para transformar una se al del espacio temporal al espacio n frecuencial es la Transformada de Fourier. La extensa variedad de se ales: peri dicas, no peri dicas, aleatorias, ca ticas, n o o o turbulentas etc; ha obligado a generar una gran diversidad de t cnicas diferentes para obtener la Transformada de Fourier. e Sin importar el uso de herramientas, antiguas o modernas, num ricas o analticas, si la se al no ha sido adquirida e n adecuadamente no ser posible observar el comportamiento a frecuencial correcto. Es necesario denir entonces criterios adecuados para una buena adquisici n de se ales cuando se o n trabaja en el dominio de las frecuencias. Como muestra la Ec. (1), el teorema de Nyquist pone un mnimo a la frecuencia de muestreo pero no un m ximo. Del a inciso 2 se puede concluir que mientras m s grande sea la a frecuencia de muestreo, m s peque o ser t y la muestra a n a se parecer m s a la se al original. Por lo tanto parece que a a n lo mejor es adquirir una se al con la mayor frecuencia de n muestreo posible y con el mayor n mero de datos. u Es necesario en este punto hacer notar lo siguiente. Al pasar al espacio de las frecuencias, la frecuencia m s grana de que aparece es justamente la frecuencia de muestreo. La resoluci n en frecuencia est dada por o a fS . (2) N Mientras mayor sea fS mayor ser f , y menor la resoa luci n en el espacio de las frecuencias. Por lo tanto, escoger o arbitrariamente la mayor frecuencia de muestreo posible o el n mero de datos, afecta de manera importante la informaci n u o en el espacio de las frecuencias. El teorema de Nyquist no es entonces un criterio suciente para adquirir correctamente la se al. Es necesario agregar otras condiciones para obtener n una mejor resoluci n en frecuencia. o A pesar de que estas conclusiones son obvias y todo el mundo las conoce, no se mencionan explcitamente en ning n texto sobre procesamiento de se ales. Se han revisau n do una gran cantidad de libros de texto que son la bibliografa recomendada tanto en cursos de la UNAM como en universidades de reconocido prestigio internacional. La consecuencia de no tomarlas en cuenta resultar en la falta de resoluci n a o f =

X(m)=
n=0

x(n)ej2nm/N =
n=o

x(n) [cos (2nm/N ) (3)

j sen (2nm/N )] . . . ,

donde X(m) es la m- sima componente de salida de la DFT, e m es el ndice de la salida DFT en el dominio de la frecuen cia (m =0, 1, 2, 3, .....,N 1), x(n) la secuencia de entrada de muestras, n es el ndice en el dominio del tiempo de las muestras de entrada, (n =0, 1, 2, 3, 4,.......,N 1), j = 1 y N es el n mero de muestras de la secuencia de entrada y el u n mero de puntos en el espacio de las frecuencias en la salida u de la DFT.

4.1.

Resoluci n en el espacio de las frecuencias o

Los ejemplos que se presentan a continuaci n fueron adquio ridos experimentalmente empleando instrumentaci n de pao tente: un generador de funciones y un osciloscopio. Con este osciloscopio se puede controlar tanto el n mero de muestras u como la frecuencia de muestreo, lo que permite, sin lugar a dudas, mostrar la relaci n que existe entre estas dos variables o y por ende controlar a placer la resoluci n en frecuencia de o las se ales. n Se genera una se al con una sola componente frecuenn cial de 1.5 MHz. Se adquiri con una frecuencia de mueso treo fs = 10 MHz y se obtuvieron muestras de distintos tama os: 32384, 16423, 8192, 4096, 2048 y 256 datos. Estas n se ales se muestran en la Fig. 3. n Lo primero que se observa en la Fig. 3 es que, contrariamente a lo que pasa en el espacio temporal, el n mero de u muestras s afecta el resultado en el espacio de las frecuen cias. La amplitud de los espectros y hasta la posici n de la o frecuencia de la se al cambia. Estos resultados, conocidos n como amplitud y derrame espectral, son muy conocidos y su

Rev. Mex. Fs. E 56 (2) (2010) 165171

168

J.M. ALVARADO REYES Y C.E. STERN FORGACH

F IGURA 3. Una misma se al con la misma frecuencia de muestreo n y diferentes n meros de muestras adquiridas. u

F IGURA 5. Una se al de 1.5 MHz, con diferentes frecuencias de n muestreo y un mismo n mero de muestras 8192. u

F IGURA 4. Ampliaci n sobre la zona de picos de la Fig. 3. o

F IGURA 6. Ampliaci n en los picos de las distintas frecuencias de o muestreo.

origen se discute en muchos libros. En este trabajo el inter s e consiste en destacar la importancia de la resoluci n en freo cuencia. Por tal motivo, se hace un acercamiento a los picos obtenidos para los distintos n meros de muestra, (Fig. 4). u En la Fig. 4 se puede observar que el ancho del pico disminuye conforme se incrementa el n mero de muestras. u La Fig. 5 muestra una se al de 1.5 MHz, con 8192 muesn tras adquirida a diferentes frecuencias: 25 MHz, 20 MHz, 10 MHz y 5 MHz. Al hacer un acercamiento, se puede observar un comportamiento interesante; para una frecuencia de muestro menor se obtiene un derrame espectral menor y una amplitud de pico mayor, y el ancho del pico es mucho mayor para una frecuencia de muestreo mayor. De las gr cas anteriores es claro que una frecuencia de a muestreo muy alta no es necesariamente la mejor opci n, en o particular si el n mero de muestras no es controlable. Es neu cesario en todos los casos hacer un compromiso entre la frecuencia de muestreo y el n mero de muestras dependiendo de u la resoluci n que se requiera en ambos espacios. Este como promiso no es siempre f cil de lograr. La Fig. 7 muestra una a manera de llegar a este compromiso.

Se presenta una se al con pocas muestras, 256, y dos fren cuencias de muestreo distintas, 25 MHz y 10 MHz. De la gura se puede concluir que con pocas muestras y una frecuencia de muestreo menor se puede obtener una denici n o del comportamiento de la se al en el domino del tiempo y n reducir el ancho del pico de la componente frecuencial.

5. Resoluci n en frecuencia, identicaci n de o o fen menos simult neos o a

En la mayora de los experimentos suceden varios fen me o nos con frecuencias caractersticas distintas simult neamen a te. Puede suceder que estas frecuencias, aunque distintas, sean muy cercanas y, sin la resoluci n suciente en el espao cio de las frecuencias, apareceran todas juntas como un pico ancho y no podran identicarse. La resoluci n en frecuencia o es fundamental para identicar varios procesos que suceden al mismo tiempo en el mismo lugar. Para analizar mejor este punto, se captur una se al o n con cuatro componentes frecuenciales: 1 MHz, 1.01 MHz,

Rev. Mex. Fs. E 56 (2) (2010) 165171

UN COMPLEMENTO AL TEOREMA DE NYQUIST

169

F IGURA 7. Combinando la frecuencia de muestreo el n mero de muestras f =25106 /256=97656.62 u f =10106 /256=39062.5.

y y

F IGURA 9. Gr cas obtenidas de emplear wavemenu de Matlab, a uso de ondeletas para resolver las componentes frecuenciales.

F IGURA 10. Una misma se al con distintas frecuencias de muesn treo f = 4106 /512 = 7812.12 y f = 2.5106 /512 = 4882.8. F IGURA 8. Espectro de una se al con 4 componentes frecuencian les.

1.05 MHz y 1.1 MHz; con una fS =5 MHz, y N =512. Con estos par metros, aplicando la Ec. 1, se obtiene una resoluci n a o en frecuencia de f = 9765 Hz. La transformada de Fourier de esta se al se presenta en la Fig. 8. n En la Fig. 8, se esperaba encontrar 4 componentes frecuenciales y s lo se observan claramente 3 componeno tes: 1.01 MHz, 1.06 MHz y 1.11 MHz. La frecuencia m s a alta de estas componentes es de 1.1 MHz, por lo que una frecuencia de muestreo de fS =5 MHz cumple perfectamente con el teorema de Nyquist. Aun t cnicas de tratamiento de se al como ondeletas o e n periodogramas no permiten resolver las cuatro frecuencias. Por ejemplo, el espectro de esta se al se obtuvo empleando n el software wavemenu de Matlab con distintas ondeletas madres, Haar, Marlet (Sombrero Mexicano), Daubechies, Coiet y la Symmlet. En la Fig. 9 se presentan los resultados que arroja el software antes mencionado empleando la ondeleta madre Haar. La gura que es importante observar es la que representa la transformada de Fourier y que corresponde a la gr ca, normalizada, inferior derecha. Es decir, por a muy buena que sea la t cnica de an lisis espectral, no puede e a crear frecuencias que no fueron adquiridas.

En un an lisis cualitativo se tiene que las frecuencias mas a cercanas entre si, 1 MHz y 1.01 MHz, tienen una separaci n o entre ellas de 10 KHz, y los intervalos en frecuencia son de 9765 por lo consiguiente estos intervalos hacen que difcil mente pueda distinguirse entre ellas. Como consecuencia se obtienen componentes con picos anchos que envuelven a todas aquellas componentes frecuenciales que se encuentren cercanas o dentro del intervalo de 9765 Hz, como lo reejan las Figs. 8 y 9. La Fig. 10 muestra la se al experimental de cuatro comn ponentes frecuenciales adquirida a distintas frecuencias de muestreo con el mismo n mero de muestras de la Fig. 9. u En la Fig. 10 es posible observar que para una frecuencia de muestreo dos veces y media mayor a la frecuencia mas grande involucrada en la se al -esta frecuencia es cercana n a la frecuencia de Nyquist- fue posible resolver las cuatro componentes frecuenciales sin la necesidad de incrementar la frecuencia de muestreo o el n mero de muestras; no con u la precisi n deseada pero s con una buena resoluci n, dao o do que es posible distinguir las cuatro componentes. Es decir, en algunos casos, se puede obtener una mejor resoluci n o simplemente incrementando el n mero de muestras con una u frecuencia de muestro de 5 MHz. Por lo tanto, para una se al n

Rev. Mex. Fs. E 56 (2) (2010) 165171

170

J.M. ALVARADO REYES Y C.E. STERN FORGACH

Durante el desarrollo del presente trabajo se ha resaltado la importancia de considerar la resoluci n requerida tanto o en el espacio temporal como en el de las frecuencias, como un par metro para tomar decisiones sobre la adquisici n de a o una se al. Los instrumentos con la capacidad de adquirir una n se al tienen, en ocasiones, el n mero de muestras constante n u independientemente de las componentes frecuenciales involucradas. Tener conocimiento de todo lo anterior permitir al a usuario conocer anticipadamente la resoluci n en frecuencia o y, con ello, saber las capacidades de su instrumento para discernir entre dos componentes cercanas. Para aquellos instrumentos que permiten manipular fS y N , le permitir n adquia rir con mayor certeza las componentes que desea estudiar.
F IGURA 11. Con una frecuencia de muestreo de 5 MHz y 8192 muestras, se obtiene una buena resoluci n de las componentes freo cuenciales.

6. Conclusiones
Cuanto se ha escrito en el presente trabajo est ya explicaa do en la mayora de los libros de texto sobre el tema. Sin embargo, en ninguno de los que revisamos, ni en las consultas personales que se hicieron a expertos internacionales, se menciona que el teorema de Nyquist no es un criterio suciente para recuperar toda la informaci n frecuencial de una o se al. En este trabajo se ha puesto en evidencia esta carencia, n y se muestra c mo, tomando en cuenta la resoluci n espectral o o desde un principio, se puede hacer una adquisici n de datos o adecuada. Independientemente del tipo de procesamiento empleado, pasar por alto la estimaci n de la resoluci n har difcil, y a o o a veces imposible, discernir entre componentes cercanas o incluso transiciones que pudieran suceder dentro del intervalo f . Si se tiene idea desde antes de la adquisici n, de la reo soluci n espectral deseada, la metodologa es muy clara. Si o no, ser necesario hacer un estudio detallado de los picos a anchos para saber si s son el resultado de un proceso alea torio o de dos o m s procesos que suceden a frecuencias muy a cercanas. En conclusi n, se insiste sobre el hecho de que si una o se al ha sido adquirida tomando en cuenta solamente el n teorema de Nyquist, es difcil garantizar que el comporta miento obtenido en la gr ca espectral sea representativa del a fen meno que se est estudiando. o a

F IGURA 12. Gracas obtenidas de emplear wavemenu de Matlab, uso de ondeletas para resolver las componentes frecuenciales.

con N =8192 se tiene una resoluci n de 610 Hz, lo cual da o excelentes resultados como se puede observar en la Fig. 11. Es necesario mencionar que si se hubiera querido resolver dos componentes cercanas, alrededor de 610 Hz, sucedera exactamente lo mismo que se ha mencionado anteriormente. Aplicando nuevamente el software wavemenu es posible resolver sin mayor problema, como muestra la Fig. 12, las componentes frecuenciales involucradas. La gr ca, normalizada a inferior derecha, muestra claramente las cuatro componentes frecuenciales esperadas.
Lectura recomendadas

1. R.N. Bracewell, The fourier transform and its applications (McGraw-Hill, 1978). 2. T.J. Cavicchi, Digital signal processing (J. Wiley, 2000). 3. A.A. Khan, Digital signal processing fundamentals (Hingham, Massachusetts Da Vinci Engineering, 2005). 4. Kuo y Sen-Maw, Real-time digital signal processing :implementations and applications (J. Wiley, 2006). 5. Mitra, Sanjit Kumar, Digital signal processing :a computer-based approach (Boston, McGraw-Hill, 2006). 6. Olnes y Enochson, Digital Time Series Analysis (John Wiley & Sons.) 7. T.F. Quatieri, Discrete-time speech signal processing :principles and practice (Prentice Hall, 2002). 8. Smith y W. Steven, Digital signal processing :a practical guide for engineers and scientists (Newnes, 2003).

Rev. Mex. Fs. E 56 (2) (2010) 165171

UN COMPLEMENTO AL TEOREMA DE NYQUIST

171

1. R. Lyons, Understanding Digital Signal Processing 2nd Edition, (Eddison Wesley, 1997). 2. A.V. Oppenheim, Discrete-time signal processing (Prentice Hall, 1999). 3. J.G. Proakis y G.M. Dimintris, Digital Signal Processing. Principles, Algorithms and Aplications 3a edici n, (Prentice Hall, o 1998).

4. A. Ambardar, Analog and Digital Signal Processing 3a edici n, o (An International Thomson Publishing Company, 1995). 5. M. Kay Steven, Modern Spectral Estimation. Theory & Application, Signal Processing Series 4a edici n, (Prentice Hall, o 1988).

Rev. Mex. Fs. E 56 (2) (2010) 165171