TRATAMIENTO DIGITAL DE SEÑALES

JESÚS ALBERTO ACEVEDO GÓMEZ

GRUPO. 208052_19

TUTOR
MAURICIO ALBERTO GARCÍA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

COLOMBIA
 1) ¿Qué es una señal muestreada?
Actualmente la mayor parte del procesamiento de señales se realiza de forma digital. Esto
significa que las señales se transforman en números (valores discretos) y se manipulan
mediante un ordenador (u otro sistema similar). Esta manipulación, y por lo tanto
modificación de los valores en la secuencia de números que definían a nuestra señal, es lo
que denominamos procesamiento de señales. Cuando la señal original no es un conjunto de
valores discretos sino una variación continua a lo largo del tiempo, es necesaria una
transformación para obtener la señal en forma digital.
Para simplificar el detalle matemático, consideremos que la señal a muestrear es una señal
cosenoidal de la forma 𝑥(𝑡) = 𝑐𝑜𝑠(2𝑝𝑖 • 𝑓 • 𝑡) donde f es la frecuencia de la señal (Hz) y t
es la variable temporal. El proceso de muestreo consiste en tomar valores de x(t) en instantes
concretos de t esto es en instantes de la forma t = nTs donde n es un entero que indica el
número de muestra: 𝑥[𝑛] = 𝑥(𝑡)|𝑡 = 𝑛 • 𝑇𝑠.
De esta forma estamos muestreando la señal cada Ts unidades de tiempo: la muestra 0 (𝑛 =
0) se corresponde con el instante𝑡 = 0, la muestra 1 (𝑛 = 1) con el instante𝑡 = 𝑇𝑠, la
muestra 2 (𝑛 = 2) con el instante𝑡 = 2𝑇𝑠, etc.

Recuperada de: https://www.researchgate.net/figure/Figura-1-Senal-muestreada-a-

diferentes-velocidades-Es-importante-que-el-equivalente_fig8_308879038

2) ¿Qué es una señal cuantizada?

Procesamiento de señal digital, es el proceso de asignación de un amplio conjunto de

valores de entrada a un (contable) más pequeño conjunto – tales
como redondeo valores de alguna unidad de precisión. Un dispositivo o función
algorítmica que realiza la cubanización es llamado un cuantificador. El error de
redondeo introducido por cuantización se denomina error de
cuantización. En conversión de analógico a digital, se llama la diferencia entre el real
valor analógico y digital quantized error de cuantización o distorsión de
cuantificación. Este error es debido a redondeo o truncamiento. La señal de error a
veces es modelada como una señal aleatoria adicional llamada ruido de
cuantización debido su estocástico comportamiento. Como el proceso de representar
 una señal en forma digital normalmente implica el redondeo. Cuantización forma
también la base esencialmente todos tipos de compresión algoritmos.

Recuperada de : https://slideplayer.es/slide/10187215/

3) ¿Cuál es el fenómeno llamado Alias o Aliasing?

El aliasing es el efecto por el cual señales continuas en el tiempo es decir, señales con
infinitos valores, como una señal analógica de voz son indistinguibles al ser
muestreadas digitalmente. Consiste esto de “muestrea una señal. A día de hoy la gran
mayoría de sistemas son digitales, por tanto, se necesita convertir una señal analógica,
como, por ejemplo, la voz al pasar por un micrófono, a una señal digital. Esta señal,
sería infinita, si quisiéramos tomar una muestra de ella podríamos hacerlo cada 1
segundo, cada 0.1 segundos, cada 0.01 segundo por tanto, decimos que el muestreo
de señales consiste en tomar muestras de una señal analógica a una frecuencia
determinada, o lo que es lo mismo, a una tasa de muestro determinada y constante
para poder pasarla a sistemas digitales que funcionarán con unos y ceros.

4) ¿Qué indica el teorema de muestreo de Nyquist?

El teorema de muestreo de Nyquist-Shannon, también conocido como teorema de

muestreo de Whittaker-Nyquist-Kotelnikov-Shannon, criterio de Nyquist o teorema
de Nyquist, es un teorema fundamental de la teoría de la información, de especial
 interés en las telecomunicaciones trata del muestreo que no debe ser confundido o
asociado con la cuantificación, proceso que sigue al de muestreo en la digitalización
de una señal y que, al contrario del muestreo, no es reversible (se produce una pérdida
de información en el proceso de cuantificación, incluso en el caso ideal teórico, que
se traduce en una distorsión conocida como error o ruido de cuantificación y que
establece un límite teórico superior a la relación señal-ruido). Dicho de otro modo,
desde el punto de vista del teorema, las muestras discretas de una señal son valores
exactos que aún no han sufrido redondeo o truncamiento alguno sobre una precisión
determinada, esto es, aún no han sido cuantificadas Dicho de otro modo, la
información completa de la señal analógica original que cumple el criterio anterior
está descrita por la serie total de muestras que resultaron del proceso de muestreo. No
hay nada, por tanto, de la evolución de la señal entre muestras que no esté
perfectamente definido por la serie total de muestras.

𝑝𝑎𝑟𝑎 𝑘 = 1
2 1
∗ 𝐴 ∗ ∗ [𝐶𝑂𝑆(𝜔𝑆 + 𝜔𝑋 )𝑡 + cos(𝜔𝑆 − 𝜔𝑋 ) 𝑡]
𝑇 2
𝑝𝑎𝑟𝑎 𝑘 = 2
2 1
∗ 𝐴 ∗ ∗ [𝐶𝑂𝑆(𝜔𝑆 + 𝜔𝑋 )𝑡 + cos(𝜔𝑆 − 𝜔𝑋 ) 𝑡]
𝑇 2

𝑝𝑎𝑟𝑎 𝑘 = 3
2 1
∗ 𝐴 ∗ ∗ [𝐶𝑂𝑆(𝜔𝑆 + 𝜔𝑋 )𝑡 + cos(𝜔𝑆 − 𝜔𝑋 ) 𝑡]
𝑇 2

5) ¿Qué realiza la transformada de Fourier?

La transformada de Fourier se utiliza para pasar una señal al dominio de frecuencia

para así obtener información que no es evidente en el dominio temporal. Por ejemplo,
es más fácil saber sobre qué ancho de banda se concentra la energía de una señal
analizándola en el dominio de la frecuencia Es una transformación de una función del
tiempo en otra función de la frecuencia. También se dice que la función original está
en el ‘dominio del tiempo’ y la transformada la pasa al ‘dominio de la frecuencia’.
Recordemos que el “dominio” de una función es el conjunto de valores que puede
tomar la variable en el conjunto origen. Cuando es el ‘dominio del tiempo’ los valores
serán valores de tiempo (ej: 2 segundos, 7 segundos, etc)

∞
1
𝑓(𝑡) = ∫ 𝐹(𝜔) exp(¡ 𝜔 𝑡) 𝑑𝜔
2𝜋
−∞
∞

𝐹(𝜔) = ∫ 𝐹(𝑡) exp(−¡ 𝜔 𝑡) 𝑑𝑡

−∞
6) ¿Qué es la transformada rápida de Fourier?

La Transformada rápida de Fourier, conocida por la abreviatura FFT del inglés Fast
Fourier Transform es un algoritmo eficiente que permite calcular la transformada de
Fourier discreta DFT y su inversa. La mayoría de los analizadores de FFT permiten
la transformación de 512, 1024, 2048 o 4096 muestras.

Supongamos que tenemos una señal descrita por un conjunto de n (potencia de dos)
pares de datos (𝑡𝑗, 𝑥𝑗) igualmente espaciados en el tiempo, por un intervalo 𝛥𝑡, desde
𝑡 = 0 hasta t final= (𝑛 − 1)𝛥𝑡. La inversa del intervalo Δt, se denomina frecuencia
de muestreo fs. De modo que el vector de tiempos es 𝑡 = (0: 𝑛 − 1)/ 𝑓𝑠

 Cada estudiante investigará sobre el rango de frecuencias que el oido humano

es capaz de escuchar, además investigará cual es el rango de frecuencias que
emiten cinco (5) instrumentos musicales, y a partir de este dato, argumentará a
que frecuencia de muestreo mínima se debe muestrear cada uno de los cinco (5)
instrumentos musicales para ser digitalizados de manera correcta.

El estudio del sonido debe tener presente tanto la onda sonora causa como la sensación
percibida efecto. El comportamiento de la sensación sonora aconseja representar las
propiedades físicas del sonido mediante la escala de nivel de una magnitud física.

El sonido es una sensación producida en el oído por determinadas oscilaciones de la presión

exterior. La sucesión de compresiones y enrarecimientos que provoca la onda acústica al
desplazarse por el medio hace que la presión existente fluctúe en torno a su valor de
equilibrio;. Un oído humano normal sólo puede convertir en sensación sonora variaciones de
presión que oscilen con una frecuencia entre 16 y 20.000 Hz y cuya amplitud supere el
denominado umbral de audición y no exceda el de sensación de dolor(los valores-umbral
 dependen de la frecuencia y, a su vez, el rango de frecuencias audibles depende de la amplitud
de la variación de presión). Frecuencias emitidas por algunos instrumentos musicales

Instrumento Fundamental Armónicos

Piano 28 –4196 Hz 5 –8 KHz
Violín 196 –3136 Hz 4 –15 KHz
Fluta 261 –2349 Hz 3 –8 KHz
Oboe 261 –1568 Hz 2 –12 KHz
Guitarra Acústica 82 –988 Hz 1 –15KHz

De acuerdo al teorema de Nyquist, el cual indica que es posible reconstruir una señal
analógica a partir de muestras periódicas, siempre que la tasa de muestreo sea por lo menos
el doble de la frecuencia más alta contenida en la señal. Para lo que Podemos proponer las
siguientes frecuencias de muestreo:
Instrumento Fundamental F(s)
Piano 28 –4196 Hz 8400 Hz
Violín 196 –3136 Hz 6300 Hz
Fluta 261 –2349 Hz 4800 Hz
Oboe 261 –1568 Hz 3200 Hz
Guitarra Acústica 82 –988 Hz 2000 Hz

Normalmente un oído que es sano y joven es sensible a las frecuencias comprendidas entre
los 20 Hz y los 20 kHz. Sin embargo, este rango varía según cada persona y se puede reducir
con la edad, a la pérdida de audición con la edad se le conoce como presbiacusia