Académique Documents
Professionnel Documents
Culture Documents
Alumno
Grupo
I. OBJETIVOS
Implementar el muestreo con diferentes frecuencias de muestreo
Obtener periodo, módulo y fase de diferentes señales
II. ACTIVIDADES
Al finalizar la práctica realice una tabla indicando los comandos utilizados, sintaxis y
preguntas donde fueron aplicadas.
No olvide aplicar todo lo aprendido hasta ahora.
En base a las actividades realizadas y sus respuestas, realice sus conclusiones.
𝝅
1. Graficar el módulo, fase y determinar el periodo discreto de 𝒙(𝒏) = 𝒆𝒋(𝟓𝒏+𝟎.𝟓) , para
−𝟒𝟎 ≤ 𝒏 ≤ 𝟒𝟎.
n=-40:40;
x=exp(j*(pi.*n/5+0.5));
modulo=abs(x);
fase=phase(x);
subplot(3,1,1); stem(n,x)
xlabel('muestreo')
ylabel('amplitud')
title('funcion muestra amplitud')
subplot(3,1,2)
stem(n,modulo)
xlabel('muestreo')
ylabel('amplitud')
title('funcion grafica modulo')
subplot(3,1,3)
stem(n,fase)
xlabel('muestreo')
ylabel('amplitud')
title('funcion grafica fase')
funcion 1
1
amplitud
0
-1
-40 -30 -20 -10 0 10 20 30 40
muestreo
funcion 1
1
amplitud
0.5
0
-40 -30 -20 -10 0 10 20 30 40
muestreo
funcion 1
100
amplitud
50
0
-40 -30 -20 -10 0 10 20 30 40
muestreo
2. Sea:
𝒙𝟏(𝒏) = {−𝟏, 𝟎, 𝟏, 𝟕, −𝟏, 𝟐, 𝟑, −𝟒}
𝒙𝟐(𝒏) = {𝟐, 𝟏, 𝟓, −𝟏, −𝟐, 𝟓, 𝟏, 𝟑, 𝟐}
2.1 Escriba un programa en MATLAB, para representar en forma gráfica y en forma
tabulada cada señal.
x1=[-1,0,1,7,1,2,3,4]
n=[-3:4]
stem(n,x1)
stem(n,x1,'filled')
xlabel('muestreo')
ylabel('amplitud')
title('funcion x1')
x1 =
-1 0 1 7 1 2 3 4
n =
-3 -2 -1 0 1 2 3 4
funcion x1
7
4
amplitud
-1
-3 -2 -1 0 1 2 3 4
muestreo
x2=[2,1,5,-1,-2,5,1,3,2]
n=[-2:6]
stem(n,x2)
stem(n,x2,'filled')
xlabel('muestreo')
ylabel('amplitud')
title('funcion x2')
x2 =
2 1 5 -1 -2 5 1 3 2
n =
-2 -1 0 1 2 3 4 5 6
funcion x2
5
2
amplitud
-1
-2
-2 -1 0 1 2 3 4 5 6
muestreo
x1=[-1,0,1,7,1,2,3,4,0];
x2=[2,1,5,-1,-2,5,1,3,2];
n=[-2:6]
y0=x1+x2
stem(n,y0,'filled')
xlabel('muestreo')
ylabel('amplitud')
title('funcion x1+x2')
-1
-2 -1 0 1 2 3 4 5 6
b. 𝒚(𝒏) = 𝒙𝟏(𝒏 − 𝟑) + 𝒙𝟐(𝒏 + 𝟏)
x1=[-1,0,1,7,1,2,3,4,0];
x2=[2,1,5,-1,-2,5,1,3,2];
n=[-2:6]
y0=x1.*(n-3)+x2.*(n-1);
stem(n,y0,'filled')
x1=[-1,0,1,7,1,2,3,4,0];
x2=[2,1,5,-1,-2,5,1,3,2];
n=[-2:6]
y0=x1.*(-n+2)+2.*x2.*(n-2);
stem(n,y0,'filled')
3. Sea la señal de entrada 𝒙(𝒏) = {𝟏, −𝟏, 𝟖, 𝟎, 𝟐, 𝟓, −𝟐, 𝟐, 𝟓, −𝟏, 𝟑, 𝟓, −𝟖, 𝟓, 𝟐} , calcular
la secuencia de salida 𝒚(𝒏) obtenida al aplicarla a los sistema modelados por:
3.1 𝒉𝟏(𝒏) = {−𝟏, −𝟏, 𝟏}
x=[1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2];
h1=[-1 -1 1];
n0=-8;
n2=-1;
n1=8;
n3=1;
na=n0+n2;
nb=n1+n3;
y=conv(x,h1)
n=linspace(na,nb,17)
stem(n,y,'filled')
3.2 𝒉𝟐(𝒏) = {−𝟏, 𝟎. 𝟓, 𝟏, −𝟏}
x=[1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2];
h2=[-1 0.5 1 -1];
n0=-8;
n2=-1;
n1=8;
n3=1;
na=n0+n2;
nb=n1+n3;
y=conv(x,h2)
n=linspace(na,nb,18)
stem(n,y,'filled')
x=[1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2];
h3=[-0.5 -0.25 0.5];
n0=-8;
n2=-0.25;
n1=8;
n3=0.5;
na=n0+n2;
nb=n1+n3;
y=conv(x,h3)
n=linspace(na,nb,17)
stem(n,y,'filled')
3.4 𝒉𝟏(𝒏) = {𝟎. 𝟐𝟓, −𝟏, 𝟎. 𝟓, 𝟏}
x=[1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2];
h1=[0.25 -1 0.5 1];
n0=-8;
n2=-1;
n1=8;
n3=1;
na=n0+n2;
nb=n1+n3;
y=conv(x,h1)
n=linspace(na,nb,18)
stem(n,y,'filled')
3.5 𝒉𝟏(𝒏) = {𝟏, 𝟏, 𝟏}
x=[1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2];
h1=[1 1 1];
n0=-8;
n2=1;
n1=8;
n3=1;
na=n0+n2;
nb=n1+n3;
y=conv(x,h1)
n=linspace(na,nb,17)
stem(n,y,'filled')
A=[1 1/2];
x=[1 -1 1 0 3 5 -2 1 10 -1 3 4 -11 5 2];
n=[1 -1];
B=[1];
y=filter(A,B,x)
y =
Columns 1 through 12
Columns 13 through 15
A=[1 2 1];
B=[1 1 2];
x=[1 -1 1 0 3 5 -2 1 10 -1 3 4 -11 5 2];
y=filter(A,B,x)
y =
1 0 -2 3 5 0 1 1 7
11 -14 1 27 -42 -11
La señal de energía se define como el área limitada por la gráfica de magnitud al cuadrado de la
señal y el eje del tiempo se trata siempre de una cantidad positiva Para ser una señal de energía, la
energía debe ser finita, por lo cual la potencia debe ser cero.
Un ejemplo de señal de Energía es un audio limitado en el tiempo, pues su amplitud tiende a 0
cuando |t|→ ∞.
% matplotlib inline
# Señales de Energía y Potencia
# propuesta: edelros@espol.edu.ec
# librerias
import numpy as np
import matplotlib.pyplot as plt
import scipy.io.wavfile as waves
# INGRESO
# archivo = input('archivo de audio: ')
archivo = 'Alarm01.wav'
muestreo, sonido = waves.read(archivo)
# PROCEDIMIENTO
muestra = len(sonido)
dt = 1/muestreo
t = np.arange(0,muestra*dt,dt)
uncanal = sonido[:,0]
# SALIDA - Observación intermedia
plt.plot(t,uncanal)
plt.xlabel('t segundos')
plt.ylabel('sonido(t)')
plt.show()
Una señal de potencia se describe de las potencias de señales periódicas o aleatorias estacionarias
o no limitadas en t se dice además que la señal de potencia si y solo si la potencia promedia satisface
la condición.
Un ejemplo de potencia Considere una señal periódica conocida sin(), integrando dentro de un
# INGRESO - Parámetros
w = 1
a = 0
b = 2*np.pi #un periodo
dte = 0.005
# PROCEDIMIENTO
T = 2*np.pi/w
te = np.arange(a, b, dte)
xe = np.sin(w*te)
# energía en un periodo
cuadradoxe = xe**2
energiaxe = integrate.simps(cuadradoxe,te)
# potencia en un periodo
potenciaxe = (1/T)*energiaxe
# SALIDA
print('la energia de xe es: ',energiaxe)
print('la potencia de xe es: ',potenciaxe)
# gráfica
plt.plot(te,xe,label='xe')
plt.fill_between(te,0,cuadradoxe,color='lightgreen')
plt.plot(te,cuadradoxe,'g--', label='xe^2')
plt.xlabel('t')
plt.legend()
plt.show()
Aliasin es la reflexión especular que produce artificialmente por el hecho de muestrear una señal
que incumple un criterio de nyquist dicho criterio nos muestrea la señal de un convertidor analógico-
digital no puede exceder en más de la mitad de la frecuencia de muestreo de dicho convertidor.
Para evitar las caídas abruptas se utiliza la técnica conocida como sobremuestreo (oversampling),
que permite reconstruir, tras la conversión D/A, una señal de pendiente suave.
- SOBREMUESTREO
Un sobremuestreo consiste en aplicar un filtro digital que actúa sobre el tiempo (dominio de
frecuencia), cambiando de lugar las muestras, de forma que al superponerlas, se creen muestreos
simultáneos virtuales. Estos muestreos simultáneos no son reales, son simulaciones generadas por
el propio filtro. Estos muestreos simultáneos se obtienen utilizando el llamado coeficiente de
Las muestras obtenidas se superponen con los datos originales y los conversores A/D los promedian,
obteniendo una única muestra ponderada (por ejemplo, si se hacen tres muestreos, finalmente, la
muestra tomada no es ninguna de las tres, sino su valor medio). Para evitar el aliasing, también se
introduce a la entrada un filtro paso bajo digital, que elimine aquellas frecuencias por encima de la
mitad de la frecuencia de muestreo. No obstante, a la salida, la frecuencia de muestreo utilizada
para reproducir la señal ya no es la misma que se utilizó para tomar las muestras a la entrada, sino
que es tantas veces mayor como números de muestreo se hayan hecho.
Sin embargo, es evidente que incorporar la técnica del sobremuestreo encarece considerablemente
el equipo.
- SUBMUESTREO
El submuestreo significa que un píxel en el centro del área de muestra se convierte en un punto de
referencia. Los píxeles de alrededor adquieren el valor de ese píxel central. De hecho, el píxel central
sustituye el área completa a una resolución específica. El submuestreo es más rápido que el
muestreo a baja resolución, pero puede dar como resultado imágenes menos fluidas y continuas.