Académique Documents
Professionnel Documents
Culture Documents
1.5
1 A
0.5
0
φ=−π/4
−0.5
φ=π/2
−1 T
φ=0
−1.5 φ=−π/4
φ=π/2
−2
−40 −20 0 20 40 60
Algunas propiedades:
π
Equivalencia: sin(θ ) = cos(θ − )
2
Periodicidad: cos(θ ) = cos(θ + 2kπ ) k ∈ Z
Coseno par: cos(θ ) = cos(−θ )
Seno Impar: sin(θ ) = − sin(−θ )
sin(α ± β ) = sin(α ) cos( β ) ± cos(α ) sin( β )
Trigonométricas:
cos(α ± β ) = cos(α ) cos( β ) µ sin(α ) sin( β )
Número complejo: z = x + jy
Conjugado: z * = x − jy
Parte real: Re{z} = x
Parte imaginara Im{z} = y
Módulo: z = z ⋅ z* = x2 + y2
y Im{z}
Fase: θ = tan −1 = tan −1
x Re{z}
Número complejo: z = r ⋅ e jθ
Conjugado: z = r ⋅ e − jθ
Parte real: Re{z} = r ⋅ cos θ
Parte imaginara Im{z} = r ⋅ sin θ
Módulo: z = z ⋅ z* = r
Fase: θ
FORMULAS DE EULER:
e jθ + e − jθ e jθ − e − jθ
cosθ = sin θ =
2 2j
x (t ) = A ⋅ cos( Ωt + φ ) = A ⋅ Re e j (Ωt +φ ) { }
REPRESENTACIÓN DE SEÑALES MÁS COMPLEJAS
N
x (t ) = ∑ Ak ⋅ cos( 2πFk t + φk )
k =0
4 4
Amplitud
Amplitud
3 3
2 2
1 1
0 0
−500 0 500 −500 0 500
Frecuencia Frecuencia
10
1.5
8
Amplitud
Amplitud
1 6
4
0.5
2
0 0
−500 0 500 −500 0 500
Frecuencia Frecuencia
0.5
Amplitud
0
−0.5
−1
0 100 200 300 400 500 600 700 800 900 1000
Tiempo
Espectro
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
−500 −400 −300 −200 −100 0 100 200 300 400 500
Frecuencia
0.8
1
0.6
0.4 0.5
0.2 0
0
−0.5
−0.2
−0.4 −1
0 2000 4000 6000 8000 10000 0 2000 4000 6000 8000 10000
Tiempo Tiempo
Espectro Espectro
0.25 0.25
0.2 0.2
Amplitud
Amplitud
0.15 0.15
0.1 0.1
0.05 0.05
0 0
−500 0 500 −500 0 500
Frecuencia Frecuencia
Definición:
Un conjunto de sinuosides se dice que están ARMÓNICAMENTE
RELACIONADAS si sus frecuencias son un múltiplo entero de una
frecuencia fundamental
N
x (t ) = X + Re ∑ X ⋅ e
0 k
j ( 2πkF0 t +φ k )
k =1
Definición:
Una señal x(t) es periódica si verifica que x (t ) = x (t + T ) T es el
período
Ejercicio:
Verificar que una señal x(t) que es una suma de sinusoides
armonicamente relacionadas es una señal periódica de período
T0=1/F0. (Ayuda: aplica directamente la definición)
Muestreo de sinusoides
n F
x(t ) = A cos(Ωt + φ ) con t = nTs = tenemos x(n) = A cos 2π n + φ
Fs Fs
F
Frecuencia angular normalizada: ω = 2π
Fs
F
Frecuencia normalizada: f =
Fs
Una vez se ha realizado el muestreo se pierde la información
temporal ya que la secuencia x(n) no contiene información sobre la
frecuencia de muestreo.
T (período de la sinusoide)
1.5
T (período de muestreo)
s
0.5
x(n) (discreta))
−0.5
−1 x(t) (continua)
−1.5
−2
0 5 10 15 20 25
0.4
0.2
−0.2
−0.4
−0.6
−0.8
−1
0 1 2 3 4 5 6 7 8 9 10
Una señal continua x(t) con frecuencias menores que Fmax, puede
ser reconstruida exactamente a partir de sus muestras
x(n) = x(t ) t =nT − ∞ ≤ n ≤ ∞ , si la frecuencia de muestreo es Fs ≥ 2Fmax
s
1
Téngase en cuenta que una sinusoide pura puede ser no recuperable a partir de sus muestras si se
muestrea a la frecuencia de Nyquist ya que obtendríamos x( n) = A sin (π n ) cuyas muestra son
siempre 0, pero sí se puede recuperar si tiene cierto desfase x( n) = A sin (π n + φ )
INTRODUCCIÓN. AL PROCESADO DIGITAL DE SEÑALES.
MARCELINO MARTÍNEZ SOBER.
ANTONIO J. SERRANO LÓPEZ
2.9 JUAN GÓMEZ SANCHIS CURSO 2009-2010
Comparación entre sinusoides continuas y discretas:
Fs
Las frecuencias analógicas en el intervalo ≤ Fo ≤ Fs al ser
2
muestreadas a una frecuencia Fs aparecen como frecuencias que
INTRODUCCIÓN. AL PROCESADO DIGITAL DE SEÑALES.
MARCELINO MARTÍNEZ SOBER.
ANTONIO J. SERRANO LÓPEZ
2.10 JUAN GÓMEZ SANCHIS CURSO 2009-2010
son su reflejo respecto de Fs/2 por esta razón a Fs/2 se le
denomina FRECUENCIA DE PLEGADO.
Extraido de: The Scientish and Engineer’s Guide to Digital Signal Processing. SW Smith.
Ejercicios:
1.-Considera el muestreo de la señal x(t ) = 25 cos 128πt + π
2
(
con t en s )
muestreada a 70Hz. ¿Qué frecuencia aparente obtendremos ?
2.-La señal x(t ) = 4 cos(2πt ) cos(8πt )4 cos(12πt ) con t en ms es muestreada
con Fs=10kHz. Determina la señal xa(t) con frecuencias en el
F F
intervalo − s ≤ Fo ≤ s que generarían la misma señal digital. Repite el
2 2
ejercicio para Fs=12kHz.
6.5Hz
10000
11Hz
0.5Hz 3Hz
5000
2Hz
0
−15 −10 −5 0 5 10 15
Frecuencia Hz
Espectro de la señal muestreada sin F. Antialiasing. F =10
s
15000
Alias Alias
de 11Hz de 6.5Hz
10000
0.5Hz 3Hz
5000
2Hz
0
−5 −4 −3 −2 −1 0 1 2 3 4 5
6.5Hz
10000
11Hz
0.5Hz 3Hz
5000 Filtro
Antialiasing
2Hz
0
−15 −10 −5 0 5 10 15
Frecuencia Hz
5000
4000
3000
0.5Hz 3Hz
2000
2Hz
1000
0
−5 −4 −3 −2 −1 0 1 2 3 4 5
Cuantificador unipolar de 2 bits Extraído de: Digital Signal Processing. A computer-base approach. S. K, Mitra
x a (n) = Q[x(n )]
x max − x min
∆=
L −1
Error de cuantificación: Es la diferencia entre la señal cuantificada
y la original
Tipos de Cuantificación:
∆ ∆
eqredondeo (n) ∈ − ,
2 2
Truncamiento: el cuantificador asigna el nivel
inmediatamente inferior. El error está en el intervalo
R
∆= R : rango de entrada al conversor
2 −1
b
Ruido en la cuantificación:
1.2494
1
0.95614
0.58127
0.5
0.15679
0
−0.28107
−0.5 −0.46353
−0.69494
−0.85607
−1
−1.0495
−1.1755
−1.3145
−1.3947
−1.5 −1.4672
−1.4947
0 5 10 15
7 1.4
6 1.2
5 1
3 0.6
2
Niveles AD ∆=0.2
1 0.2
−1 −0.2
−2 −0.4
−3 −0.6
−4 −0.8
−5 −1
−6 −1.2
−8
0 5 10 15
7 1.4 1.4
6 1.2
4 0.8
2 0.4
Niveles AD ∆=0.2
0 0
−1
−2 −0.4
−3 −0.6
−4 −0.8
−5 −1
−6 −1.2 −1.2
−7 −1.4 −1.4
−8 −1.6 −1.6
0 5 10 15
0.1
0.05
-0.05
-0.1
0 5 10 15
Error de cuantizacion por truncamiento et(n)=x qt(n)-x(n) [-∆ ,0]
0
-0.05
-0.1
-0.15
-0.2
0 5 10 15
Muestreo
Cuantificación
Extraido de: The Scientish and Engineer’s Guide to Digital Signal Processing. SW Smith.
D-C
x(n) x(t)
Ts
Convertidor Ideal:
∞
x (t ) = ∑ x(n) ⋅ p(t − nT )
n = −∞
s
0.5 0.5
0 0
−0.5 −0.5
−1 −1
0 5 10 0 5 10
Mantenedor de orden 1 Mantenedor de orden 1 con retardo
2 1
1 0.5
0 0
−1 −0.5
−2 −1
0 5 10 0 5 10