Académique Documents
Professionnel Documents
Culture Documents
Unidad 1
Introducción.
Las señales actualmente desempeñan un papel muy importante en la vida diaria, la
voz, video, imágenes, música son señales que encontramos a diario. Una señal es un
fenómeno físico real que lleva información, a través del procesamiento de una señal se
puede extraer la información útil. Esta unidad proporciona algunas ideas de señales
discretas, así como una introducción de los métodos para el análisis del procesado
digital de señales. Se realizan conversiones de una señal analógica en digital, también
se presenta el teorema de muestreo que forma la clave para muestrear señales
analógica sin pérdida de información, se concluye con una descripción de
cuantificación de señales muestreadas. Por otro lado se incluyen instrucciones para
realizar gráficas de señales discretas en Matlab.
( )=
( )= 6
( , ) = 10 + 5 +8
describen tres señales, una que cambia linealmente con la variable independiente
(tiempo), una segunda que varía en forma cúbica con y una función que describe
una señal con dos variables independientes e que pueden representar las
coordenadas espaciales en un plano.
( ) [2 ( ) + ( )]
Un sistema se puede definir como un dispositivo físico que realiza una transformación
sobre una señal de entrada u operador matemático que transforma una señal de entrada
en una señal de salida, por medio de un conjunto de reglas u operaciones fijas, donde
la señal de salida posee propiedades diferentes a la de la señal de entrada. Por
ejemplo, un filtro que se usa para reducir el ruido y las interferencias que corrompen
la señal conteniendo la información deseada. En este caso, el filtro realiza algunas
operaciones sobre la señal, cuyo efecto es reducir (o filtrar) el ruido y la interferencia
presentes en la señal deseada.
Cuando pasamos una señal a través de un sistema, como en el caso del filtrado,
decimos que hemos procesado la señal, separando el ruido y la interferencia de la
señal deseada. En este caso, el sistema se caracteriza por el tipo de operación que
realiza sobre la señal; por ejemplo, si la operación es lineal, el sistema se denomina
lineal, si la operación es no lineal, el sistema se señala como no lineal, etc. y tales
operaciones se designan habitualmente como procesado de señal.
Señal Señal
digital de digital de
entrada salida
Figura 1.3 Diagrama de bloques de un sistema digital de procesado de señales.
• Señales acústicas
• Imágenes bidimensionales o tridimensionales
• Señales de radar y sonar
• Señales sísmicas, volcánicas, etc.
• Señales de sensores industriales para el control automático
• Señales en comunicaciones eléctricas.
En algunas aplicaciones, las señales son generadas por múltiples fuentes o sensores.
La figura 1.4 muestra las tres componentes de una señal vectorial que representa la
aceleración en la superficie terrestre de un terremoto. Esta aceleración es el resultado
de tres clases elementales de ondas elásticas.
( )
( )= ( )
( )
Nos referiremos a tal vector de señales como una señal multicanal. Para una señal
bioeléctrica por ejemplo un electrocardiograma (ECG) utiliza de 3 a 12 electrodos que
toman las lecturas y dan origen a señales de 3 a 12 canales de entrada.
Prestemos ahora atención a las variables independientes. Si la señal es función de una
única variable independiente, la señal se denomina unidimensional. Por el contrario,
una señal se denomina M-dimensional si es función de M variables independientes.
7
0,95 , ≥0
( )=
0,
es una señal en tiempo discreto cuya gráfica se muestra en la figura 1.6. En la práctica
las señales en tiempo discreto pueden originarse de dos maneras:
Característica Valores
Numero de variables Una variable Múltiples variables
Dimensionalidad Escalar Vectorial (multicanal)
Variables independientes Discretas Continuas
Valores de la señal Discretos Continuos
Naturaleza estadística Deterministas Aleatorios
Figura 1.7 Número de manchas solares de Wölfer entre los años 1700-2014. Cada muestra indica el número de
manchas solares observadas en el sol durante un año.
year=sunspot(:,1);
cant=sunspot(:,2);
figure(1)
stem(year(1:end),cant)
axis([year(1) year(end) 0 max(cant)+10])
title('Mancha Solares')
xlabel('Años')
ylabel('Número manchas solares');
( ) = Acos(Ω + ), -∞<t<∞
que se muestra en la figura 1.8. El subíndice a usado con ( ) indica que se trata de
una señal analógica. Esta señal está completamente caracterizada por tres parámetros:
A es la amplitud de la sinusoide, Ω es la frecuencia en radianes por segundo (rad/s) y
es la fase en radianes. En lugar de Ω, a menudo se utiliza la frecuencia ciclos por
segundo o Hertz (Hz), donde Ω = 2
La ecuación (Ω + ) se puede escribir en términos de como
( )= (2 + ), −∞ < < ∞
11
±
= cos( ) ± ( )
(Ω ) (Ω )
+
( )= (Ω + )= [ ]
2
El primer término del lado derecho de la ecuación anterior se puede interpretar como
un fasor de magnitud /2 que gira en sentido contrario a las manecillas del reloj
(frecuencia negativa), mientras que el otro término es otro fasor de magnitud /2 que
gira en el sentido de las manecillas del reloj (frecuencia positiva), ambos a una
frecuencia de ciclos por unidad de tiempo, ver figura 1.9.
12
( ) = ( + ), −∞ < < ∞
=2
( ) = (2 + ), −∞< <∞
La frecuencia tiene dimensiones de ciclos por muestra. La figura 1.10 muestra una
sinusoide de frecuencia = /8 radianes por muestra ( = 1/6 ciclos por muestra) y
fase θ = π/6.
n=0:20; theta=pi/6;
w=pi/8; A=2;
y=A*cos(w*n+theta);
stem(n,y,'go')
13
( + ) = ( ) para todo
( ) = (2 + )
( + ) = cos[2 ( + ) + ] = (2 + )
cos(2 + ). cos(2 )− (2 + ). (2 ) = (2 + )
Esta relación es válida si se cumple que 2 0 sea igual a un múltiplo entero de 2 . Esto es, debe
existir un entero tal que 2 0 = 2 , o equivalentemente,
= /
Esta propiedad también se aplica a las señales exponenciales complejas. Para que la
( )
señal sea periódica debe cumplir que = e , para esto = 1, o sea
debe ser un múltiplo entero de 2 , por lo que debe existir un entero tal que
= 2 , o equivalentemente, = / .
Por otro lado una pequeña variación en la frecuencia puede originar un gran cambio
en el periodo. Por ejemplo, obsérvese que = 5/32 implica que = 32, mientras
que = 4/32 implica que = 8.
A=1;
f=4/32;
y=A*cos(2*pi*f*n);
stem(n,y,'r')
hold on
y=A*cos(2*pi*f*t);
plot(t,y)
title('Señal Sinusoidal en Tiempo discreto con periodo N =8')
xlabel('Valores de muestra, n ')
ylabel(' x(n)')
2. Las sinusoides en tiempo discreto cuyas frecuencias están separadas por un múltiplo
entero de 2π, son idénticas.
Consideremos la sinusoide ( + ). Se comprueba que:
[( + 2 ) + ] = ( + )
( + ). (2 ) − ( + ). (2 ) = ( + )
Como resultado, todas las secuencias sinusoidales que cumplan con la siguiente
ecuación son idénticas.
( )= ( + ), = 0,1,2, …
Donde
= + 2 , − ≤ ≤
Las señales sinusoidales en tiempo discreto con frecuencias en el rango | | ≤
(− ≤ ≤ ) o | | ≤ 1/2 (−1/2 ≤ ≤ 1/2. ) son únicas. Cualquier secuencia
que resulte de una sinusoide con una frecuencia en el rango | | > o | | > 1/2 son
16
Cabe destacar que las sinusoides en tiempo continuo, son señales distintas para Ω ó F
en el rango completo −∞ < Ω < ∞ o − ∞ < < ∞.
El rango de frecuencias para sinusoides en tiempo discreto es finito con duración 2π.
Habitualmente, se elige el rango − ≤ ≤ o − 1/2 ≤ ≤ 1/2, que
denominamos el rango fundamental, esto implica que se pueden utilizar frecuencias
negativas para las señales en tiempo discreto.
stem(n,y3,'bd')
title('señal x(n)=Cos(Wn),W=pi/2')
xlabel('Valores de muestra, n')
ylabel(' x(n) ')
Ejemplo 1.1
Determine si las siguientes señales son periódicas. Si una señal es periódica determine
su periodo fundamental.
Solución.
a) ( ) = (3 + /6)
Aplicamos la propiedad de periodicidad:
( + ) = ( ) para todo
18
( + )= [3 ( + ) + /6)] = (3 + /6 + 3 )
( + )= (3 + /6). (3 ) − (3 + /6). (3 )
Para que la ecuación anterior sea periódica debe existir un entero tal que 3 = 2 kπ,
por lo que la frecuencia debe ser de la forma, = / .
= 3/2, el valor de = 3 y el período = 2, esto significa que
( + )= [3 ( + ) + /6)] = (3 + /6).
b) ( ) = ( 84 /24)
c) ( )=
( ) = cos 6 + sin 6
4 4
19
( + ) ( + )
( ) = cos 6 + sin 6
4 4
6 6 6 6
( ) = cos + + sin +
4 4 4 4
Sabemos que,
6
2 =
4
3
=
4
El periodo, =4
d) ( ) = sen(0,06 )
Aplicando la propiedad de periodicidad, ( ) = ( + ) tenemos,
( + ) = sen[0,06 ( + )]
( + ) = sen(0,06 + 0,06 )
1 1 100 1 3
= 0,06 ⇒ = 0,06 ⇒ = 0,06 ⇒ =
2 2 100 2 100
e) ( ) = cos(4 )
Según la propiedad de periodicidad , ( ) = ( + ) ⇒ ( + ) = cos[4( + )]
( + ) = cos(4 + 4 )
cos( + ) = cos . cos − sin . sin
( + ) = cos(4 ) . cos(4 ) − sin(4 ) . sin(4 )
2 =4
4 2
= ⇒ =
2
( )= ( ), −∞ < <∞
21
= = /
( ) ( )= ( )
Existe una relación entre las variables de frecuencia ( o Ω) de señales analógicas y las
variables de frecuencia ( ) de señales en tiempo discreto.
Para establecer dicha relación considere una señal analógica de la forma
( )= (Ω + )= (2 + )
( ) ≡ ( ) = (2 + )
( ) = (2 / + )
22
Por otro lado también se obtiene la relación entre las variables frecuencia y según
= 2 =2 /
= 2
= Ω
− ≤ Ω ≤
− ≤ Ω ≤
≤ ≤
≤ ≤
En la tabla 1.2 se indican las frecuencia en tiempo discreto y las relaciones entre las
frecuencias de tiempo continuo y tiempo discreto, cuando una señal sinusoidal en tiempo
continúo se muestrea a una velocidad = 1/ .
El periodo de la señal en la figura 1.17 (a) es = 11, el periodo de la figura 1.17 (b) y
el de las figura 1.17(c) es = 15 y 1.17(d) es igual a = 28.
(a) (b)
(c) (d)
Figura 1.17b Representación de funciones periódicas (a) N = 11, (b) y (c), N = 15 y (d) N = 28.
= =
Ω = =
Ejemplo 1.2
Las consecuencias de estas relaciones entre las frecuencias pueden observarse
considerando las dos señales analógicas:
( ) = cos(2 10 )
( ) = cos(2 50 )
( ) = 2 (10/40) = ( /2)
( ) = 2 (50/40) = (5 /2)
( ) = cos(2 ) = cos(2 +2 )
( ) = cos(2 ( + ))
( ) = cos(2 ( + ) ) = cos(2 ( + ) )
( ) = cos(2 +2 ) = cos(2 )
La frecuencia y el factor + son por lo tanto iguales. Esto significa que una señal
( ) de frecuencia , también representa una onda sinusoidal de frecuencia + . Esto
es una de las relaciones más importante en el campo de procesamiento digital de señales. La
ecuación anterior nos dice:
( )= ( ) = (2 ( + )/ + )
( ) = (2 / + + 2 )
( ) = (2 + )
f w
1
-π
2
−
F
0
−
2 2
1
− - -π
2
Figura 1.18. Relación entre variables frecuencia de señales en tiempo continuo y tiempo
discreto para muestreo periódico.
Por esta razón del ejemplo 1.2, no es la única frecuencia alias de . De hecho, a una
velocidad de muestreo de 40 muestras por segundo la frecuencia = 90 también es
un alias de , así como la frecuencia = 130 , etc. En general las frecuencia con
valores de frecuencias = + 40 , para k = 1, 2, 3, 4 ,... son alias de = 10 . Así
como todas las sinusoides (2 ( + 40 ) ), para k = 1, 2, 3, 4,... muestreadas a 40
muestras por segundo producen valores idénticos.
Dado que /2 que se corresponde con ( = ), es la frecuencia más alta que puede
ser representada inequívocamente con una velocidad de muestreo , es fácil
determinar la correspondencia entre cualquier frecuencia alias por encima de /2
( = ) y su frecuencia equivalente por debajo de /2. Podemos usar /2 o =
como el punto de plegado y reflejar o "doblar " la frecuencia alias en el rango /2
( = ), La frecuencia /2( = ) se denomina frecuencia de plegado.
( ) = (2 + )
( )= (2 + )
el rango de frecuencia para señales en tiempo discreto. En este caso, la relación entre y
es biunívoca, y por tanto, es posible identificar (o reconstruir) la señal analógica ( ) a
partir las muestras ( ).
Ejemplo 1.3
Considere la señal analógica. ( ) = 10 (2000 ) + 5 (6000 )
a) Determine la velocidad de muestreo mínima para evitar el aliasing.
b) Suponga que la señal se muestrea a una velocidad = 6000 . ¿Cuál es la señal en
tiempo discreto obtenida después del muestreo?
c) Suponga que la señal se muestrea a una velocidad = 500 . ¿Cuál es la señal en
tiempo discreto obtenida después el muestreo?
d) ¿Cual es la frecuencia 0 < < /2 de una sinusoide que produce muestras idénticas
a las obtenidas en el apartado (c)?
Solución.
a) En la señal se verifica que la frecuencia máxima es = 3000 . Por lo tanto, la
velocidad de muestreo mínima requerida para evitar el aliasing es = 2 max = 6000 .
27
Se observa que la señal 5 ( ) cada vez que se muestrea tiene el valor de menos uno.
( ) = 10 (1000 ) + 5 (1000 )
1 . 8 Teorema d e l muestreo
Dada una señal analógica cualquiera, ¿Cómo se debe elegir la velocidad de muestreo
?. Para ello debemos tener cierta información general sobre el contenido frecuencial
de la señal. Por ejemplo, sabemos que la mayor frecuencia en señales de voz ronda los
3000 . Por otra parte, las señales de televisión tienen componentes de frecuencia
importantes hasta los 5 . La información contenida en dichas señales se encuentra
en las amplitudes, frecuencias y fases de las distintas componentes de frecuencia. El
propósito del procesado de señal es normalmente la extracción de dichas
características. Si conocemos la máxima frecuencia de una determinada clase de señales
(por ejemplo, señales de voz, de vídeo, etc), podemos especificar la velocidad de
muestreo necesaria para convertir las señales analógicas en señales digitales.
Supongamos que cualquier señal analógica se puede representar como una suma de
sinusoides de diferentes amplitudes, frecuencias y fases, es decir,
( ) =∑ (2 + )
donde indica el número de componentes de frecuencia. Todas las señales, como las
de voz ( max = 3 ) o vídeo ( max = 5 ), se prestan a dicha representación
en cualquier intervalo de tiempo pequeño. Para evitar las ambigüedades que resultan
del aliasing, se debe seleccionar una velocidad de muestreo lo suficientemente alta, esto
es, debemos escoger /2 mayor que max. Por tanto, para evitar el problema del
28
> 2 max
−1/2 ≤ = / ≤ 1/2
o, equivalentemente,
− ≤ = 2 ≤
La condición > 2 max garantiza que todas las componentes sinusoidales de la señal
analógica se correspondan con componentes en frecuencia de tiempo discreto en el
intervalo fundamental. Por lo tanto, todas las componentes en frecuencia de la señal
analógica están representadas sin ambigüedad en la forma muestreada de la señal, y así
la señal analógica puede ser reconstruida sin distorsión a partir de las muestras usando
un método de interpolación (conversión digital-analógica).
Ejemplo 1.4
Considere la señal analógica: ( ) = 5 (60 ) + 12 (250 ) − 2 (120 )
a) ¿Cuál es la tasa de Nyquist para esta señal?
b) Muestrear la señal con . ¿Qué sucede con la señal muestreada?
Solución.
a) Las frecuencias presentes en la señal son: = 30 , = 125 , = 60 .
La frecuencia máxima es, max = 125 . El teorema del muestreo dice que
> 2 max. La tasa de Nyquist es = 2 max. De aquí, = 250 .
muestreando en los instantes en los que vale cero y de aquí que perdamos esta componente
de señal completamente. Esta situación no se daría si la sinusoide estuviese desplazada en
fase cierta cantidad . En tal caso, tendríamos que 12 (300 + ) muestreada a la tasa
de Nyquist = 250 muestras por segundo, produciría las muestras:
Para n = par, 12 ( )
Para n = impar, −12 ( )
Por lo tanto, si es diferente de 0 ó , las muestras de la sinusoide tomadas a la tasa de
Nyquist no son cero. Por lo tanto en caso de que fase es desconocida, no podemos
determinar la amplitud de la sinusoide a partir de las muestras. La solución más fácil
consiste en muestrear la señal analógica a una velocidad superior a la de Nyquist.
Ejemplo 1.5
En la siguiente señal analógica: ( ) = cos(10 ) + 4 cos(18 ) + 5 cos(26 ) + cos(2 ).
Solución.
a) Tenemos que, =2
=5 , = 9 , = 13 , =1
Por lo tanto la tasa de Nyquist
= 2 ∗ 13 ⇒ = 26
b) Dado que hemos elegido = 4 , las frecuencias que pueden ser representadas sin
ambigüedad se encuentran en el rango − /2 ≤ ≤ /2, por lo tanto la máxima
frecuencia que puede ser representada sin ambigüedad mediante las muestras es:
= 2
2
5
−2 =
2 2
9 5 5
−2 = ⇒ −2 =
2 2 2 2
13 9 9 5 5
−2 = ⇒ −2 = ⇒ −2 =
2 2 2 2 2 2
( ) / ( )
( ) = 11cos(2 1 )
El proceso de convertir una señal de tiempo continúo en una señal de tiempo discretos,
expresando cada muestra por medio de un número finito de dígitos, se denomina
cuantificación. El error cometido al representar la señal de valor continuo por un
conjunto finito de valores discretos se denomina error de cuantificación o ruido de
cuantificación.
Denotaremos la operación de cuantificación de la muestras ( ) como Q[ ( )] y
utilizaremos ( ) para designar la secuencia de muestras cuantificadas a la salida del
cuantificador.
31
Señal
x(t) Conversor x(n) Cuantificador xq(n)
Analógica de
Entrada A/D Q[x(n)]
Figura 1.20 Diagrama de bloques para cuantificado de un señal digital.
Así:
( ) = Q[ ( )]
( )= ( )− ( )
0.97 , ≥0
( )=
0, <0
La Tabla 1.2, muestra los valores de las 10 primeras muestras de ( ), indica que la
muestra ( ) requiere alrededor de diez dígitos para su representación.
Sin embargo, supongamos que queremos utilizar un solo dígito significativo. Para eli-
minar los dígitos sobrantes podemos simplemente eliminarlos (truncamiento) o
aproximar por el número con un dígito significativo más cercano (redondeo). Las señales
cuantificadas resultantes ( ) se muestran en la Tabla 1.2. Discutiremos sólo la
cuantificación por redondeo, aunque es igual de fácil considerar el caso de truncamiento
− ≤ ( )≤
2 2
En otras palabras, el error de cuantificación instantáneo no puede superar la mitad del
valor del escalón de cuantificación (ver Tabla 1.2).
32
−
∆=
−1
n=0:20;
y= [1 1 0.9 0.9 0.9 0.9 0.8 0.8 0.8 0.8 0.7 0.7 0.7 0.7 0.7 0.6 0.6 0.6
0.6 0.6 0.5]; %0.97.^n
stem(n,y,'.')
hold on
t=(0:1/100:20);
y1=0.97.^t;
plot(t,y1)
ylabel('Rango del cuantificador')
xlabel('Tiempo,t=seg, muestras')
text(4.49,0.88,' \leftarrow 0.97^t','FontSize',18)
text(13,0.7153,' \leftarrow 0.97^n','FontSize',18)
%text(20,0.75' \Delta ','FontSize',18)
hold off
33
n=0:40;
u=3*sin(2*pi*n/11)
x=3*sin(2*pi*n/3)+5*cos(2*pi*n/5);
v=5*cos(2*pi*n/15);
y=3*sin(2*pi*n/7)+3*cos(2*pi*n/4);
subplot(2,2,1)
stem(n,u)
xlabel('\itn')
ylabel('\itx(n)')
subplot(2,2,2)
stem(n,x)
xlabel('\itn')
ylabel('\itx(n)')
subplot(2,2,3)
stem(n,v)
xlabel('\itn')
ylabel('\itx(n)')
subplot(2,2,4)
stem(n,y)
xlabel('\itn')
ylabel('\itx(n)')