Señales y sistemas discretos

Héctor José Pérez Iglesias

2 de diciembre de 2005

1. Señales

Una señal es la descripción cuantitativa de un fenómeno fı́sico, cuya informa-

ción esta contenida en un patrón de variaciones.

Ejemplos de señales son:

Las variaciones de presión producidas en el aire por un instrumento musical

o la voz de una persona.

La diferencia de potencial que se produce en una resistencia eléctrica en

función del tiempo:
v(t) = sin(2πf0 t)

La velocidad a la que se desplaza un vehı́culo.

La fuerza aplicada sobre un cuerpo.

El brillo de cada uno de los puntos de una imagen en función de las coor-
denadas espaciales.

1
1.1 Propiedades de las señales

...

Las señales se pueden representar de muchas formas. Matemáticamente, se

expresan como una magnitud que toma valores en función de una o más variables
independientes.

Habitualmente una señal se denotará con la letra x y su variable independiente

será el tiempo, que se representará con una t para el caso continuo y con una n
para el caso discreto. Este concepto se explica en la sección 1.1.1.

1.1. Propiedades de las señales

A continuación se describen las propiedades más importantes que pueden

presentar las señales.

1.1.1. Continuas y discretas

Como se enunció al comienzo de este capı́tulo, una señal se describe matemáti-

camente como una función, y se considerará continua o discreta según lo sea su
variable independiente.

Una señal continua toma un valor determinado para cada t ∈ R.

R −→ C
t −→ x(t)

Si una señal es discreta, su dominio son los números enteros y tendrá un valor
para cada n ∈ . Z
Z −→ C
n −→ x(n)

2
1.1 Propiedades de las señales

x(t) − señal continua

1

−1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
−3
x 10

x(n) − señal discreta

10

−5
−8 −6 −4 −2 0 2 4 6 8

Figura 1: Se~nal continua y se~nal discreta

En la figura 1 se muestra un ejemplo de señal continua y otro de señal discreta.

En este capitulo analizaremos en concreto las señales y los sistemas discretos,

ya que son los propios del procesado digital. En la sección 5.1 se expone el proceso
de muestreo, utilizado para obtener una señal discreta a partir de una señal
continua.

1.1.2. Reales y complejas

Una señal es real cuando lo es su variable dependiente, cuando esta sea un

número complejo, la señal será compleja.

Una señal discreta real se describe como:

Z −→ R
n −→ x(n)

3
1.1 Propiedades de las señales

Y una señal discreta compleja como:

Z −→ C
n −→ x(n) = xreal (n) + j · xim (n) = r(n) · ejφ(n)

1.1.3. Energı́a finita o infinita

La energı́a de una señal x(n) se describe matemáticamente como:

N
X ∞
X
Ex = lı́m |x(n)|2 = |x(n)|2 (1)
N →∞
n=−N n=−∞

Se dice que una señal posee una energı́a finita si Ex < ∞.

1.1.4. Potencia media finita o infinita

La potencia media de una señal x(n) se determina como se muestra en la

ecuación:
N
1 X
Px = lı́m |x(n)|2 (2)
N →∞ 2N + 1
n=−N

Se dice que una señal posee una potencia media finita si Px < ∞.

1.1.5. Periódicas

Las señales periódicas son aquellas que vuelven a tomar los mismos valores de
forma cı́clica para un determinado número de muestras.

Se ha de cumplir para una señal periódica la siguiente ecuación:

∃N ∈ N Z
/ ∀k ∈ , x(n) = x(n + k · N ) (3)

4
1.2 Operaciones básicas

El parámetro N determina el número de muestras que comprende un ciclo de

la señal.

Un ejemplo de señal periódica es:

x(n) = sen(2 · π · 0,1 · n) (4)

y el valor su parametro N serı́a 10.

1.1.6. Pares e impares

Las señales pares son aquellas simétricas respecto al eje de ordenadas, esto
quiere decir que han de respetar la siguiente ecuación:

x(n) = x(−n) (5)

Una señal es impar si para ella se cumple:

x(n) = −x(−n) (6)

y en cualquier señal impar ha de ser cierto que:

x(0) = 0

1.2. Operaciones básicas

En esta sección se muestran las operaciones más básicas que se le pueden

aplicar a una señal discreta.

5
1.2 Operaciones básicas

x(n)
20

10

0
−8 −6 −4 −2 0 2 4 6 8

0.5*x(n)
20

10

0
−8 −6 −4 −2 0 2 4 6 8

3.0*x(n)
20

10

0
−8 −6 −4 −2 0 2 4 6 8

Figura 2: Operación básica - Escalamiento de amplitud

1.2.1. Escalamiento de amplitud

Para realizar un escalado de la amplitud de una señal, esta se pondera por un

parametro a ∈ R como se indica en la siguiente ecuación:
a · x(n) (7)

En función de los valores que tome a se producirán los efectos siguientes:

|a| > 1 : aumenta la amplitud de la señal.

|a| < 1 : disminuye la amplitud de la señal.

a = 0 : anulación total de la señal.

En la figura 2 se pueden observar estos casos.

6
1.2 Operaciones básicas

1.2.2. Escalamiento temporal

El escalamiento temporal consiste en realizar una compresión o expansión del

eje temporal. Esto se realiza según la siguiente ecuación:

x(k · n) (8)

Donde, en función de los valores que tome el parametro k ∈ R+, se distinguen

los casos de:

k > 1 : compresión de la señal.

k < 1 : expansión de la señal.

En la compresión de la señal, al estar en el caso discreto, se pierden muestras,

y en el caso de expansión se intercalan ceros entre las muestras de la señal original.

En la figura 3 se pueden observar estos dos casos.

1.2.3. Desplazamiento en el tiempo

Para realizar un desplazamiento en el tiempo hay que aplicarle a la señal

discreta x(n), la modificación siguiente:

x(n − n0 ) (9)

El parámetro n0 ∈ Z determina el desplazamiento y se distinguen los siguien-

tes casos:

n0 > 0 : se produce un desplazamiento de la señal hacia la derecha, es decir

se retarda la señal original.

7
1.3 Señales básicas

x(n)
10

−5
−8 −6 −4 −2 0 2 4 6 8

x(2*n)
6

0
−8 −6 −4 −2 0 2 4 6 8

x(0.5*n)
10

−5
−8 −6 −4 −2 0 2 4 6 8

Figura 3: Operación básica - Escalamiento temporal

n0 < 0 : se produce un desplazamiento de la señal hacia la izquierda, o lo

que es lo mismo, se adelanta la señal.

n0 = 0 : la señal original queda inalterada.

En la figura 4 se puede observar una representación gráfica del desplazamiento

en el tiempo de una señal.

1.3. Señales básicas

En esta sección se definen las señales básicas empleadas en los sistemas dis-
cretos.

8
1.3 Señales básicas

x(n)
10

−5
−8 −6 −4 −2 0 2 4 6 8

x(n−3)
10

−5
−8 −6 −4 −2 0 2 4 6 8

x(n+5)
10

−5
−8 −6 −4 −2 0 2 4 6 8

Figura 4: Operación básica - Desplazamiento en el tiempo

delta(n)
2

0
−6 −4 −2 0 2 4 6

u(n)
2

0
−6 −4 −2 0 2 4 6

r(n)
6

0
−6 −4 −2 0 2 4 6

Figura 5: Se~nales básicas (I)

9
1.3 Señales básicas

1.3.1. Impulso unitario

Es una de las señales discretas más simples, también conocida como delta de
Dirac, se define como:


1 n = 0

δ(n) = (10)
0 n 6= 0


Su representación gráfica se muestra en las figura 5.

Las siguientes ecuaciones muestran posibles aplicaciones de el impulso unitario

para modificar otras señales.

x(n) · δ(n) = x(0) · δ(n) (11)

x(n) · δ(n − n0 ) = x(n0 ) · δ(n − n0 ) (12)

∞
X
x(n) = x(k) · δ(n − k) (13)
k=−∞

1.3.2. Escalón unitario

Esta función puede definirse por partes:


1 n ≥ 0

u(n) = (14)
0 n < 0


Y también puede definirse en función del impulso unitario:

∞
X
u(n) = δ(n − k) (15)
k=0

10
1.3 Señales básicas

Además podemos establecer entre el escalón unitario y el impulso unitario la

relación que se representa en la siguiente ecuación:

δ(n) = u(n) − u(n − 1) (16)

En la figura 5 se puede observar esta señal.

1.3.3. Rampa unitaria

Esta señal se define como:


n n ≥ 0

r(n) (17)
0

n<0

Y también puede definirse en función del escalón unitario como:

n−1
X
r(n) = u(n − k) (18)
k=0

La rampa unitaria puede observarse en la figura 5.

1.3.4. Exponenciales discretas

La ecuación siguiente representa un señal exponencial discreta:

x(n) = αn

Según el tipo de valor que tome el parámetro α, se distinguen los siguientes

casos:

Caso I : α ∈ R
Para este caso, se consideran además las siguientes posibilidades:

11
 
|α| > 1 Exponencial creciente


|α| < 1 Exponencial decreciente




α > 0 el signo no cambia


α < 0 el signo se alterna muestra a muestra



que pueden ser observadas en la figura 6.

Caso II : α ∈ C , α = ejw 0

Empleando el teorema de Euler, estas señales pueden expresarse mediante

la suma de una función coseno, para la parte real, y una función seno para
la parte imaginaria. Su expresión es la siguiente:

x(n) = (ejw0 )n = ejw0 n = cos(w0 n) + j · sen(w0 n) (19)

Caso III : α ∈ C , α = r · ejw 0

Se corresponde con la siguiente expresión:

x(n) = (r · ejw0 )n = rn · ejw0 n = rn · (cos(w0 n) + j · sen(w0 n)) (20)

2. Sistemas discretos

Un sistema es una transformación aplicada a una señal de entrada x) para

obtener una señal de salida y. A dicha transformación se le denomina función
de transferencia, y habitualmente se representa mediante una T . Los sistemas
discretos son aquellos que trabajan con señales discretas. En la figura 7 se muestra
el diagrama de bloques de este tipo de sistemas.

12
 x(n) = 2n
1500

1000

500

0
−2 0 2 4 6 8 10
n
x(n) = 0
4

0
−2 0 2 4 6 8 10
n
x(n) = (−1)
1

−1
−2 0 2 4 6 8 10

Figura 6: Se~nales básicas (II)

Figura 7: Diagrama de bloques - Sistema discreto

13
2.1 Propiedades de los sistemas discretos

A continuación se definen las funciones de transferencia para los sistemas

discretos más caracterı́sticos:

deplazamiento temporal
y(n) = x(n − n0 )

multiplicador
y(n) = a · x(n)

modulador
y(n) = x(n) · cos(w0 n)

acumulador
y(n) = nk=−∞ x(k)
P

media móvil
1
PM
y(n) = 2M +1 k=−M x(n − k)

2.1. Propiedades de los sistemas discretos

2.1.1. Memoria

Un sistema se considera con memoria cuando la salida no solo depende del va-
lor de la entrada en el instante actual. En el caso contrario el sistema se denomina
sin memoria.

Un ejemplo de sistema sin memoria es el multiplicador, son sistemas con me-

moria el acumulador, la media móvil...

14
2.1 Propiedades de los sistemas discretos

Figura 8: Diagrama de bloques - Sistema invertible

2.1.2. Causalidad

Se dice que un sistema es causal, si el valor de salida en cada instante, depende

del instante actual y los pasados, es decir no depende de los valores futuros de
la señal de entrada. Todo sistema sin memoria es causal. El acumulador es un
ejemplo de sistema causal, sin embargo la media móvil depende de instantes
futuros y en consecuencia no es causal.

2.1.3. Invertibilidad

Un sistema es invertible cuando para cada valor distinto de la entrada pro-

porciona un valor distinto en la salida, y además, es posible recuperar la entrada
a partir de la salida. Esto se representa matemáticamente como:

y(n) ≡ T [·]

y −1 (n) ≡ T −1 [·]

∃T −1 / x(n) = T −1 [T [x(n)]] (21)

En la figura 8 se puede observar el diagrama de bloques para esta expresión.

Es un ejemplos de sistema invertible el multiplicador:

y(n) = a · x(n)

15
2.1 Propiedades de los sistemas discretos

Ejemplo de un sistema no invertible:

y(n) = |x(n)|2

2.1.4. Estabilidad

Un sistema se dice que es estable, cuando ante una entrada acotada, la salida
del mismo también lo es. El acumulador es un ejemplo de sistema inestable como
se puede observar ante la entrada del escalón unitario:

x(n) = u(n)
n
X n
X n
X
y(n) = x(k) = u(k) = 1 = r(n + 1) (22)
−∞ −∞ 0

2.1.5. Invariante en el tiempo

Un sistema es invariante en el tiempo cuando la aplicación de un retardo

en la señal entrada, equivale al mismo retardo en la señal de salida. El sistema
multiplicador es un ejemplo de sistema invariante en el tiempo, sin embargo el
sistema:
y(n) = n · x(n)

no lo es.

2.1.6. Linealidad

Un sistema, cuya función de transferencia se representa por T [·], se dice que

es lineal, si considerando dos señales cualesquiera x1 (n) y x2 (n)

x1 (n) −→ y1 (n) = T [x1 (n)]

16
 Figura 9: Diagrama de bloques - Sistema LTI

x2 (n) −→ y2 (n) = T [x2 (n)]

y obteniendo las salidas y1 (n) e y2 (n), esto implica que se cumple la relación
lineal:
a · x1 (n) + b · x2 (n) = a · y1 (n) + b · y2 (n) (23)

3. Sistemas LTI

Los sistemas LTI 1 son aquellos que tienen dos de las propiedades descritas en
la sección anterior, aquellos que son lineales e invariantes en el tiempo.

3.1. Respuesta al impulso y suma de convolución

Suponiendo un sistema LTI cualquiera con las propiedades citadas, como se

muestra en la figura 9, se cumple la expresión:
∞
" ∞
#
X X
x(n) = x(k) · δ(n − k) −→ y(n) = T x(k) · δ(n − k)
k=∞ k=∞

Por la propiedad de linealidad se obtiene:

" ∞ # ∞
X X
T x(k) · δ(n − k) = x(k) · T [δ(n − k)]
k=∞ k=∞

1
LTI - Linear Time-Invariant

17
3.1 Respuesta al impulso y suma de convolución

y ahora considerando:

T [δ(n)] = h(n) ≡ respuesta al impulso unitario (24)

se puede representar la función de transferencia del sistema como:

∞
X
y(n) = x(k) · h(n − k) = x(n) ∗ h(n) (25)
k=∞

La función de transferencia de un sistema LTI podrá ser formulada mediante

su respuesta al impulso, representada por h(n), expresión 24. Y la operación
mostrada en la ecuación 25, que relaciona dicha respuesta al impulso y la entrada
al sistema, se le atribuye el nombre de suma de convolución.

Ejemplo de la respuesta al impulso para el sistema acumulador :

∞
X
h(n) = δ(k) = u(n) (26)
k=−∞

3.1.1. Propiedades de la suma de convolución

Conmutativa
y(n) = x(n) ∗ h(n) = h(n) ∗ x(n) (27)

Asociativa

y(n) = (x(n) ∗ h1 (n)) ∗ h2 (n) = x(n) ∗ (h1 (n) ∗ h2 (n)) (28)

Elemento neutro

x(n) ∗ δ(n) = δ(n) ∗ x(n) = x(n) (29)

Distributiva respecto a la suma

y(n) = x(n) ∗ (h1 (n)) + h2 (n)) = x(n) ∗ h1 (n) + x(n) ∗ h2 (n) (30)

18
3.2 Propiedades de los sistemas LTI

3.2. Propiedades de los sistemas LTI

Teniendo en cuenta la respuesta al impulso de un sistema LTI, es posible

determinar ciertas propiedades del mismo:

3.2.1. Memoria

Un sistema LTI no tiene memoria, si y sólo si, se cumple que su respuesta al

impulso es de la forma:
h(n) = cte · δ(n) (31)

3.2.2. Causalidad

Para que un sistema LTI sea causal, se ha de cumplir:

h(n) = 0, ∀n < 0 (32)

3.2.3. Invertibilidad

La respuesta al impulso de un sistema LTI y la respuesta al impulso del

sistema inverso, se relacionan mediante la ecuación:

h(n) ∗ hinv (n) = δ(n) (33)

3.2.4. Estabilidad

Un sistema LTI es estable si se cumple:

∞
X
|h(k)| < ∞ (34)
k=−∞

19
3.3 Clasificación de los sistemas LTI

3.3. Clasificación de los sistemas LTI

3.3.1. Sistemas FIR

Los sistemas FIR 2 , son sistemas cuya respuesta al impulso h(n) es finita, es
decir, esta acotada:

∃M1 , M2 ∈ Z / ∀n ∈ {..., M1 − 1, M1} ∪ {M2, M2 + 1, ...} ⇒ h(n) = 0 (35)

Teniendo en cuenta esta ecuación, se puede demostrar que los sistemas FIR
son siempre estables:
∞
X M2
X
|h(k)| = |h(k)| < ∞ ⇒ estable (36)
k=−∞ k=M1

En la figura 10 se puede observar la respuesta al impulso de un sistema FIR.

3.3.2. Sistemas IIR

Los sistemas IIR 3 , no tienen acotada su respuesta al impulso, y en consecuen-

cia este tipo de sistemas pueden ser inestables.

La siguiente ecuación representa la respuesta al impulso de un ejemplo de

sistema IIR:
h(n) = αn · u(n)

3.4. Ecuaciones en diferencias

Los sistemas LTI, tanto los FIR como los IIR, pueden ser representados me-
diante ecuaciones en diferencias.
2
FIR - Finite Impulse Response
3
IIR - Infinite Impulse Response

20
3.4 Ecuaciones en diferencias

h(n)
6

0
−10 −8 −6 −4 −2 0 2 4 6 8 10

Figura 10: Respuesta al impulso - Sistema FIR

21
3.5 Representación sistemas FIR

La representación general de un sistema en una ecuación en diferencias es la

siguiente:
N
X M
X
ak · y(n − k) = bk · x(n − k) (37)
k=0 k=0

Siendo habitual que se cumpla a0 = 1.

3.5. Representación sistemas FIR

En los sistemas FIR los parámetros bi podrán tomar cualquier valor, pero los
parámetros ai para i 6= 0 valdrán 0. Esto será una implementación no recursiva,
el valor para un instante de la salida solo dependerá de los valores de la entrada.

3.6. Representación sistemas IIR

Para el caso de los sistemas IIR, cualquier ai podrá tomar un valor distinto
de 0. Esto implica una implementación recursiva. Para cada valor de salida, se
deberá de tener en cuenta ciertos valores de salidas anteriores y/o posteriores.

4. Análisis de los sistemas en frecuencia

La transformada de Fourier es una operación que a partir de una señal re-

presentada en el dominio del tiempo, proporciona una recreación alternativa de
la misma en el dominio de la frecuencia. Esta representación se conoce como el
espectro de la señal.

Se calcula mediante la denominada ecuación de análisis:

Z ∞
X(w) = x(n) · e−jw (38)
−∞

22
4.1 DFT

El parámetro w representa la frecuencia. El resultado de esta operación es una

señal continua y de perı́odo 2π.

La ecuación de sı́ntesis es utilizada para recuperar la señal original a partir

de su transformada de Fourier :
Z 2π
1
x(n) = X(w) · ejwn dw (39)
2π 0

4.1. DFT

Para poder emplear la transformada de Fourier en un sistema de procesado

digital, se emplea la aproximación discreta de la misma denominada transformada
discreta de Fourier, abreviadamente DFT 4 .

La ecuación de análisis es:

L−1
2π
X
X(k) = x(n) · e−j N kn (40)
n=0

Y la ecuación de sı́ntesis, la denominada IDFT 5 , es la siguiente:

N −1
2π
X
x(n) = X(k) · ej N kn (41)
n=0

4.1.1. Fast Fourier Transform

Denominada abreviadamente como FFT, la Fast Fourier Transform es un

algoritmo optimizado de cálculo de la DFT con un número de muestras L potencia
de 2.
4
DFT - Discrete Fourier Transform
5
IDFT - Inverse Discrete Fourier Transform

23
4.2 Filtros

H(w) − filtro paso bajo

2

0
0 0.5 1 1.5 2 2.5 3

H(w) − filtro paso banda

2

0
0 0.5 1 1.5 2 2.5 3

H(w) − filtro paso alto

2

0
0 0.5 1 1.5 2 2.5 3

Figura 11: Filtros de frecuencias

4.1.2. Inverse Fast Fourier Transform

Es un algoritmo optimizado para el cálculo de la IDFT. Igual que en el caso

de la FFT el número de muestras ha de ser potencia de 2.

4.2. Filtros

Sirviéndose de la transformada de Fourier, se puede trabajar con el espectro de

una señal, y sobre él se pueden aplicar diversos filtros para seleccionar y descartar
distintas bandas de frecuencias de la señal.

En la figura 11 se puede observar los filtros que se describen a continuación.

24
4.2.1. Paso bajo

Con este filtro se eliminan todas las frecuencias de la señal original superiores
a un determinado valor.

4.2.2. Paso banda

Este filtro, como su nombre parece indicar, se queda con una determinada
banda de frecuencias de la señal original; es decir, las frecuencias menores al
extremo inferior de la banda seleccionada, y las frecuencias mayores al extremo
superior de dicha banda, son eliminadas de la señal original.

4.2.3. Paso alto

Elimina de la señal original las frecuencias inferiores a un determinado valor.

5. Muestreo y cuantificación

5.1. Muestreo

El muestreo es el proceso por el que se obtiene a partir de una señal continua

una señal discreta. Cada uno de los valores de la señal resultante se denomi-
nará muestra.

Lo habitual es utilizar el muestreo periódico, donde es de especial importancia

el parámetro T que representa el perı́odo al que se muestrea la señal original.
Cuanto menor sea, mayor será la aproximación de la señal discreta a la señal
continua.

25
5.2 Cuantificación

La frecuencia de muestreo fs , indica el número de muestras por segundo que

se discretizan de la señal continua. Es la inversa del perı́odo de muestreo.

La relación entre los parametros citados es la siguiente:

T ≡ perı́odo de muestreo

1
fs = ≡ frecuencia de muestreo (Hz) (42)
T
ws = 2 · π · fs ≡ frecuencia de muestreo (rad/s) (43)

El proceso de muestreo se define mediante la siguiente ecuación:

x(t)|t=nT = x(nT ) −→ x(n) (44)

5.1.1. Teorema del muestreo

Una señal continua limitada en banda, es aquella para la cual, las frecuencias
de las señales que la componen se encuentran en un intervalo finito.

El teorema del muestreo afirma que una señal continua limitada en banda
puede ser muestreada sin que se produzca aliasing en su espectro, siempre que se
muestree con una frecuencia que sea al menos el doble de la frecuencia máxima
de la señal. A esta frecuencia se le atribuye el nombre de frecuencia de Nyquist.

El aliasing es un fenómeno de solapamiento que genera frecuencias en el es-

pectro de una señal que no son propias de ella.

5.2. Cuantificación

Las señales discretas reales pueden tomar en cada instante un valor entre
infinitos posibles. El proceso de cuantificación realiza una discretización de R,

26
construyendo n intervalos adyacentes y asignándole a cada uno de ellos un valor
de un conjunto numérico de n elementos. Para cada valor que tome la señal
discreta real se determinará el intervalo al que pertenece, y se le asignará el valor
que corresponda con el intervalo. La función que establece esta correspondencia
se denomina función de cuantificación.

6. Sistemas de tiempo real

El concepto de sistema de tiempo real tiene asociado un alto grado de subje-

tividad, ya que esta sujeto totalmente al contexto de aplicación.

En general, un sistema se puede considerar de tiempo real, si requiere que se

realicen unas funciones determinadas en un determinado intervalo de tiempo.

En el contexto de las señales discretas, un sistema de tiempo real tiene que ser
capaz de procesar y obtener su señal de salida, mas rápidamente que a la velocidad
que se le proporciona la señal de entrada. En la práctica la señal de entrada llega
al sistema en conjuntos de muestras consecutivas, lo que se denomina un marco
o frame de la señal.

Un ejemplo de sistema real es el que se describe en este proyecto. Los efectos de

sonido aplicados sobre la señal de audio entrante al sistema, han de ser procesados
y volcados en la salida. Esto ha de hacerse igual o más rápidamente, que a la
velocidad que se vayan acumulando muestras en la entrada.

6.1. Tiempo de retardo

Es importante destacar un importante parámetro de los sistemas de tiempo

real. En algunos contextos es de vital importancia el tiempo de retardo o latencia

27
6.1 Tiempo de retardo

que presenta el sistema. Este concepto representa el tiempo que tarda el sistema
en comenzar a proporcionar la salida, desde que se le comenzó a suministrar la
entrada.

En el sistema que se describe en el proyecto es importante que al utilizar un

instrumento y procesar su sonido, el retardo que se produzca, sea inferior a lo
perceptible por el oı́do humano, que son aproximademente 10 ms.

28