DEPARTAMENTO DE ENERGÍA Y MECANICA

CARRERA DE INGENIERÍA MECATRÓNICA

INSTRUMENTACIÓN MECATRÓNICA
NRC: 3480

TEMA: MUESTREO DE SEÑALES

AUTOR:

 NELSON FABRICIO SISALIMA ORTEGA

NIVEL: 7to “B” Mecatrónica

DOCENTE: ING. CONSTANTE PROCEL, PATRICIA NATALY

LATACUNGA

2017
 Muestreo de señales
Gracias al proceso de Sampling (Muestreo) podemos convertir una señal continua en el tiempo
en una señal discreta.
Una señal discreta en el tiempo es la representación matemática de una secuencia numérica que
denotamos como 𝑥[𝑛], donde n es un numero entero que indica el orden que ocupa la muestra en
la secuencia. Para muestrear una señal continua usamos el periodo de la frecuencia de muestreo
1
𝑇𝑠 = 𝑓 , por lo tanto 𝑥[𝑛] = 𝑥(𝑛𝑇𝑠 )
𝑠

Donde 𝑓𝑠 es la frecuencia de muestreo de nuestro dispositivo. Cada valor de 𝑥[𝑛] equivale a una
muestra o sample de la señal continua 𝑥(𝑡). Es decir, la frecuencia de muestreo determinará
cuántas muestras de la señal continua vamos a tomar durante un segundo. ("SAMPLING &
ALIASING - EducaSound", 2014)

Ilustración 1 Señal muestreada

Teorema de Sampling
La respuesta está en el Teorema de Shannon, uno de los pilares de la comunicación y proceso
digital. El Teorema expone que cualquier señal continua en el tiempo con frecuencia máxima
fmax puede ser reconstruida efectivamente a partir de sus muestras si la frecuencia de muestreo
es como mínimo dos veces mayor que la frecuencia máxima de la señal.
El mínimo Sampling Rate de dos veces la 𝑓𝑚𝑎𝑥 se le denomina Nyquist Rate. El Teorema de
Shannon nos muestra que podemos reconstruir una onda sinusoidal si como mínimo tenemos dos
muestras de su periodo.
Así, cada componente frecuencial de la señal discreta en el tiempo, puede ser mapeado como un
componente frecuencial de la señal continua en el tiempo. Pero como vemos, la señal discreta
tiene “alias”, un número infinito de ellos. Entonces, ¿Qué frecuencia de la señal discreta
seleccionamos?
Aunque la regla es arbitraria, un convertidor Discreto-Continuo ideal siempre selecciona el
componente en frecuencia más baja posible (Alias principal). Por el proceso de discretización
podemos garantizar que estas frecuencias se encuentran en el rango – 𝜋 < ῶ < 𝜋 . Por lo tanto,
cuando convertimos la frecuencia normalizada en una frecuencia analógica ésta siempre estará
comprendida entre: ("SAMPLING & ALIASING - EducaSound", 2014)
1 1
− 𝑓𝑠 𝑦 𝑓𝑠
2 2
Aliasing
El Aliasing es un fenómeno propio de la conversión A/D, en el cual la frecuencia de la señal
reconstruida es menor que el de la señal original, lo cual ocurre cuando la frecuencia de muestreo
es demasiado baja; estos efectos pueden reducirse utilizando filtros. (Turmero, 2015)
Criterio de Nyquist Shannon.
El criterio de Nyquist Shannon también denominado teorema del muestreo pasabanda establece
que la frecuencia mínima de muestreo necesaria para evitar el Aliasing debe ser:
−𝑓𝑠 = 2𝐵𝑒
Donde:
𝐹𝑠=Frecuencia de muestreo
𝐵𝑊=ancho de banda de la señal a muestrear

𝐵𝑤 = 𝐹𝑚𝑎𝑥 − 𝐹𝑚𝑖𝑛

Fenomeno Aliasing
Las componentes de frecuencias elevadas, pueden incluso completar varias revoluciones entre
muestras consecutivas, lo que implica una pérdida de información. Esta mala interpretación de
las frecuencias más altas y más bajas que la frecuencia de Nyquist, se denomina “Aliasing”.
En la práctica este fenómeno provoca que señales de alta frecuencia sean representadas por una
señal digitalizada de menor frecuencia lo que provoca que al revertir al proceso, es decir, al tratar
de recuperar la señal análoga de la digital se obtiene una señal de menor frecuencia, con lo que la
señal original se habría perdido irremediablemente. (Garzón, 2014)

Ilustración 2 Efecto aliasing

Para prevenir el efecto “Aliasing” es necesario pasar la señal analógica en el dominio del tiempo,
a través de un filtro pasa bajo con banda limitada. La frecuencia de corte debe ser igual a la
frecuencia de Nyquist, aunque en la práctica está limitada a un 80% de la misma debido a la
característica no ideal de un filtro real. Así pues, si el muestreo se hace la señal filtrada y se aplica
la transformada discreta de Fourier, el espectro en frecuencia no tiene el efecto “Aliasing” y es
una representación exacta de la frecuencia de la señal original que están por debajo de la
frecuencia de Nyquist. (Garzón, 2014)

Existen diferentes tipos de filtros, en función de la ubicación de los polos:

 Bessel: optimiza respuesta ante escalón (adecuado para señales con codificación
temporal)
  Butterworth: consigue el paso de banda más plano de los tres.
 Chebyshev: optimiza roll-off (rápida atenuación), a costa de un rizado.
1
𝐹𝑠 = > 2 𝑓𝑚𝑎𝑥 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑁𝑦𝑞𝑢𝑖𝑠𝑡
𝑇𝑠

Como obtener una señal sin Aliasing

En concreto, hay un valor mágico conocido como el teorema de Nyquist, que indica la mitad de
la velocidad de muestreo que debemos usar. Si la señal de origen tiene información a una mayor
frecuencia que esa medida, tendremos problemas de aliasing.
En otras palabras: debemos tener al menos una frecuencia de muestreo del doble de aquella
frecuencia más alta de la señal origen. (Laó Ramos, 2012).
Esto nos deja dos formas de evitar el aliasing:
1. Aumentar la frecuencia de muestreo
2. Tener menos detalles de la señal de entrada:
a) Suavizar (a.k.a. blur) la señal de entrada para eliminar las frecuencias altas.
Se suele aplicar como preprocesamiento, haciéndolo muy eficiente. Pero no es buena
idea cuando necesitamos muestrear datos a diferentes frecuencias dependiendo de la
situación. Si pre-suavizamos la señal de acuerdo a la frecuencia más baja nunca
podremos reconstruirla, el resultado será demasiado borroso cuando la
reconstruyamos a altas frecuencias. Y si pre-suavizamos a alta frecuencia, tendremos
problemas de aliasing cuando la reconstruyamos a baja frecuencia.
b) Suavizar (a.k.a. filter) al vuelo a medida que vamos tomando las muestras.
Costosa de implementar
3. Una tercera opción es asumir que todo es digital y no entrar en esto. En algunas
situaciones es posible trabajar sólo con ecuaciones matemáticas, transformando una señal
en otra aplicando transformaciones matemáticas a las ecuaciones que las describen. Esta
solución evita de manera inherente la solución digital, evitando así producir cualquier
aliasing, pero las matemáticas se vuelven muy complejas. No suele usarse esto, pero
muchos renderizadores offline lo usan como RenderMan.
Bibliografía
SAMPLING & ALIASING - EducaSound. (2014). Retrieved from
http://educasound.com/sampling-aliasing/
Turmero, P. (2015). Monografias. Obtenido de
http://www.monografias.com/trabajos105/teorema-del-muestreo/teorema-del-muestreo.shtml
Garzón, F. (9 de Abril de 2014). SlideShare. Obtenido de
https://es.slideshare.net/junior198619/consulta-aliasing
Laó Ramos, J. (2012). Cómo obtener una señal sin aliasing. Retrieved from
http://speakingin.net/2012/01/10/como-obtener-una-senal-sin-aliasing/