Académique Documents
Professionnel Documents
Culture Documents
Teorema del muestreo: se puede reconstruir una señal analógica a partir de sus valores instantáneos (muestras) equies-
paciados. A partir de estos valores existen ∞ señales que pasan por esos puntos, pero si la señal original es de banda
limitada (?) y las muestras son tomadas los suficientemente cercanas (?), entonces hay una sóla señal que se puede
extrapolar de esas muestras (se determina unívocamente).
x(t) xs(t)
La señal x(t) es multiplicada por la función de muestreo s(t), obteniendo los valores muestra xs(t) ⇒
s(t)
MUESTREO IDEAL
1.5
∞
s(t) es un tren de impulsos de período Ts (intervalo de muesteo) s (t ) = ∑ δ (t − nTs )
p(t)
1
n = −∞
S(ω)
Xs(ω)
Xs(ω)
MUESTREO
Teorema del muestreo: se puede reconstruir una señal analógica a partir de sus valores instantáneos (muestras) equies-
paciados. A partir de estos valores existen ∞ señales que pasan por esos puntos, pero si la señal original es de banda
limitada (?) y las muestras son tomadas los suficientemente cercanas (?), entonces hay una sóla señal que se puede
extrapolar de esas muestras (se determina unívocamente).
x(t) xs(t)
La señal x(t) es multiplicada por la función de muestreo s(t), obteniendo los valores muestra xs(t) ⇒
s(t)
MUESTREO IDEAL
1.5
∞
s(t) es un tren de impulsos de período Ts (intervalo de muesteo) s (t ) = ∑ δ (t − nTs )
p(t)
1
n = −∞
si ωs < 2ωm existe solapamiento (ALIASING). Si ωs ≥ 2ωm se puede recuperar X(ω) con un LPF ideal de ganancia Ts
fs = frecuencia de Nyquist
X(ω)
S(ω)
Xs(ω)
Xs(ω)
MUESTREO
Teorema del muestreo: se puede reconstruir una señal analógica a partir de sus valores instantáneos (muestras) equies-
paciados. A partir de estos valores existen ∞ señales que pasan por esos puntos, pero si la señal original es de banda
limitada (?) y las muestras son tomadas los suficientemente cercanas (?), entonces hay una sóla señal que se puede
extrapolar de esas muestras (se determina unívocamente).
x(t) xs(t)
La señal x(t) es multiplicada por la función de muestreo s(t), obteniendo los valores muestra xs(t) ⇒
s(t)
MUESTREO IDEAL
1.5
∞
s(t) es un tren de impulsos de período Ts (intervalo de muesteo) s (t ) = ∑ δ (t − nTs )
p(t)
1
n = −∞
si ωs < 2ωm existe solapamiento (ALIASING). Si ωs ≥ 2ωm se puede recuperar X(ω) con un LPF ideal de ganancia Ts
fs = frecuencia de Nyquist
¾Los filtros de reconstrucción prácticos difieren de los ideales (banda o zona de transición).
9 Pulsos: en general se emplea la técnica de muestreo y retención (Sample and Hold ≡ S&H) ⇒ Retenedor Orden Cero
p(t)
x[t] xp[t] x(t) xs(t) 1 xp(t)
ROC
s(t) Ts t
⎡ ⎤ ⎡ ⎤
x p (t ) = ∑ x(nTs ) ⋅ p (t − nTs ) = p (t ) ∗ ⎢∑ x(nTs ) ⋅ δ (t − nTs )⎥ X p ( f ) = P( f ) ⎢ f s ∑ X ( f − kf s )⎥ = P ( f ) ⋅ X s ( f )
n ⎣n ⎦ ⎣ k ⎦
⇒ P(f) ‘pesa’al espectro de la señal muestreada y lo distorsiona en las frecuencias superiores ≡ efecto de apertura. Si el
efecto es muy grande se puede corregir por medio de un filtro ecualizador Heq(f) = 1/P(f) (si 1/τ >> W no es necesario).
Para el ROC: p(t)
⎧1 0 ≤ t ≤ Ts ⎡ 2 sin (ω Ts / 2 )⎤
1
p (t ) = ⎨ P (ω ) = e − jω Ts / 2 ⎢ ⎥⎦
⎩0 ∀t ⎣ ω
Ts t
X(ω)
Xp(ω)
Xs(ω)
P(ω)
Heq(ω)
⇒ H eq (ω ) = 1
P(ω ) 1
-ωs /2 ωs /2 ω
MUESTREO PRACTICO
¾La onda muestreadora está formada por pulsos que tienen amplitud y duración finitas.
¾Los filtros de reconstrucción prácticos difieren de los ideales (banda o zona de transición).
9 Pulsos: en general se emplea la técnica de muestreo y retención (Sample and Hold ≡ S&H) ⇒ Retenedor Orden Cero
p(t)
x[t] xp[t] x(t) xs(t) 1 xp(t)
ROC
s(t) Ts t
⎡ ⎤ ⎡ ⎤
x p (t ) = ∑ x(nTs ) ⋅ p (t − nTs ) = p (t ) ∗ ⎢∑ x(nTs ) ⋅ δ (t − nTs )⎥ X p ( f ) = P( f ) ⎢ f s ∑ X ( f − kf s )⎥ = P ( f ) ⋅ X s ( f )
n ⎣n ⎦ ⎣ k ⎦
⇒ P(f) ‘pesa’al espectro de la señal muestreada y lo distorsiona en las frecuencias superiores ≡ efecto de apertura. Si el
efecto es muy grande se puede corregir por medio de un filtro ecualizador Heq(f) = 1/P(f) (si 1/τ >> W no es necesario).
9 Señal NO limitada en banda: se debe asegurar que la señal no tenga componentes superiores a ωs/2 ⇒ se aplica un
filtro pasabajos en la entrada ≡ Filtro anti-aliasing (es el peor inconveniente porque modifica la información).
Submuestreo
muestreada a ωS constante
voltímetro vectorial).
INTERPOLACION
Amplitud
Amplitud
simple. 0 0
-0.5 -0.5
Amplitud
otras funciones matemáticas. 0 0
-0.5 -0.5
corresponde al peso de una sinc 600 700 800 900 1000 1100 1200 1300 1400
tiempo
600 700 800 900 1000 1100
tiempo
1200 1300 1400
Xs(ω)
H(ω)
Xr(ω)
Para reconstruir espectralmente la señal se emplea un LPF ideal
xr (t ) = xs (t ) ∗ h(t )
= h(t ) ∗ ∑ x(nTs ) ⋅ δ (t − nTs )
n
= ∑ x(nTs ) ⋅ h(t − nTs )
n 1
Tω ⎛ω t ⎞
hr (t ) = s c sinc⎜ c ⎟
π ⎝ π ⎠
0.5
Tω ⎡ω (t − nTs ) ⎤
xr (t ) = ∑ x(nTs ) s c sinc ⎢ c ⎥⎦
n π ⎣ π
0
considerando fc = fs/2:
xr (t ) = ∑ x(nTs ) ⋅ sinc( f st − n )
n -0.5
tiempo
CALCULO DE LA INTERPOLACION SINC
Para la implementación de la expresión xr (t ) = ∑ x(nTs ) ⋅ sinc( f st − n ) deben fijarse parámetros para sustiruir la variable
n
contínua t por su equivalente discreta:
¾ Cantidad de muestras a considerar como “historia” (valores pasados y futuros) de la señal ⇒ n_historia
Ts
Cada intervalo de muestreo debe dividirse en (n_puntos + 1) intervalos: x • • • Δt• x Ts = (n_puntos+1)·Δt
n_historia
⎡ k ⎤
Reemplazando t por k·Δt (1 ≤ k ≤ n_puntos): xr (k ⋅ Δt ) = ∑ x(nTs ) ⋅ sinc ⎢ − n⎥
n = − n_historia +1 ⎣ n_puntos + 1 ⎦
%reconstructor sinc
Y5=[];
for k=1+hist:n0-hist,
for u=0:d:1-d;
sum=0;
for s=-hist:hist,
sum=sum+y(k+s)*sinc(u-s);
end
Y5=[Y5 sum];
end
end
subplot(2,2,4)
plot(Y5)
title 'Reconstructor sinc'
CAMBIO DE LA FRECUENCIA DE MUESTREO
La señal de tiempo contínuo xc(t) puede representarse por una secuencia x[n] = xc[nTs]. Se quiere cambiar fs obteniendo
¾ DIEZMADO por un factor entero: se disminuye la frecuencia de muestreo (“muestreándola” cada M valores).
1 1 2π k
Recordando el espectro X(ω) de la secuencia x[n] (valores muestra): X (ω ) = ∑
Ts k
X (ω − kω s ) = ∑ X (ω −
Ts k Ts
)
1 2π r 1 rω s
análogamente puede escribirse el espectro Xd(ω) para xd[n] : X d (ω ) =
T'
∑ X (ω − Ts'
)=
MTs
∑ X (ω − M
)
s r r
para que no exista solapamiento (ωs/M) ≥ ωmax ⇒ la frecuencia de Nyquist original debe ser M veces mayor !!
solapamiento.
x[n] LPF ~
x [ n] x d [ n] = ~
~ x [nM ]
Si se quiere utilizar un M superior habrá que garantizar
G =1 ↓M
que la señal no tenga un contenido espectral mayor que Ts ωc=π/M Ts Ts’= M·T
ωs/M mediante el empleo de un filtro pasabajos digital .
Sistema para reducir la frecuencia de muestreo en M
Diezmado con M = 3.
Aparece solapamiento.
Diezmado con M = 3 y
el solapamiento.
¾ INTERPOLACION por un factor entero: se aumenta la frecuencia de muestreo (insertando L valores entre muestras).
⎧⎪ x[n / L] n = 0, ± L ,±2 L
xe [n] = ⎨ ≡ xe [n] = ∑ x[k ] ⋅ δ [n − kL]
⎪⎩0 en el resto k
los valores intermedios se generan mediante una función de reconstrucción ≡ LPF de ganancia L y ωc = π/L
El análisis en el dominio de la frecuencia se realiza mediante el cálculo de la Transformada de Fourier (TF), definida por:
⎛ ⎞
X (ω ) = ∑ x[n] ⋅ e − jω n ⇒ X e (ω ) = ∑ ⎜ ∑ x[k ]δ [n − kL] ⎟e− jω n = ∑ x[k ] ⋅ e− jω Lu = X (ωL)
⎜ ⎟
n u ⎝ k ⎠ u
⇒ La Transformada de Fourier de la salida del expansor es una versión escalada en frecuencia de la T.F. de la entrada.
sen(πn / L)
La fórmula de interpolación para xi[n] en función de x[n] es: hi [n] =
πn / L
⎧⎪1 − n / L n≤L
En algunos casos se pueden utilizar funciones más simples, como la lineal: hi [n] = ⎨
⎪⎩0 resto
Interpolación en el dominio de la frecuencia
CAMBIO DE LA FRECUENCIA DE MUESTREO POR UN FACTOR NO ENTERO
x[n] LPF ~
xd [n]
↑L G =L ↓M
Ts ωc=min(π/L, π/M) TsM/L
void setup()
{
analogReadResolution(12);
analogWriteResolution(12);
}
void loop()
{
VIK = analogRead(A0);
analogWrite(DAC0, VIK);
}