Reconocer los elementos matemáticos que implica el
sistema de conversión analógico digital.
Tratamiento Digital De Señales - Universidad Nacional Abierta y a Distancia – UNAD
Cali, Colombia
xxxxxxxxxxxxxxxxxxx
I. INTRODUCCIÓN
En el presente trabajo encontrara algunos conceptos básicos
relevantes a los procesos de conversión digital y los procesos
matemáticos que estos conllevan; adicionalmente se
desarrollaran ejercicios teóricos y un componente practico por
medio de la herramienta de computación Matlab. El propósito
principal de este trabajo es apropiar los conceptos necesarios
para el desarrollo de procesos de conversión ADC.
Este trabajo podrá ser usado como base de estudio para
personas que inician en el procesamiento digital de señales.
II. FACILIDAD DE USO
A. Abreviaciones y Acronimos
ADC: Conversor Análogo Digital
FT: Transformada de Fourier
FFT: Transformada Rápida de Fourier
B. Unidades
 Sistema Internacional (SI).
III. CONCEPTOS TEORICOS
1) ¿Qué es una señal muestreada?
El proceso de muestreo el proceso convertir una señal del tipo
analógico al tipo digital, este proceso se realiza por medio de
un filtro análogo transforma la señal para obtener una señal de
frecuencia limitada y se envía a un conversor analógico a digital
(que es un multiplicador, entra la señal analógica con el tren de
impulsos y sale una); al hacer este proceso se pasa la señal de
tiempo continuo al dominio discreto.
Así una señal analógica 𝑥𝑎 (𝑡) es convertida en una señal
discreta, tomando muestras cada 𝑇 segundos (definido como el
periodo de muestreo o intervalo de muestreo) y del cual se
deriva la tasa de muestreo o tambien conocida frecuencia de
1
muestreo = 𝐹𝑠 .
𝑇
El muestreo periódico establece una relación lineal entre las
variables 𝑡 y 𝑛 a través del periodo de muestreo 𝑇 como 𝑡 =
𝑛
𝑛𝑇 = , en consecuencia, el muestreo de una señal de la forma
𝐹𝑠
𝑥𝑎 (𝑡) = 𝐴𝑐𝑜𝑠(2𝜋𝐹𝑛𝑇 + 𝜃) muestreada a una tasa de 𝐹𝑠 =
1 𝑃𝑥 = ∫ (𝐴𝑐𝑜𝑠Ω0 𝑡)2 𝑑𝑡
𝑇 𝑇𝑝 0
da lugar a:
XXX-X-XXXX-XXXX-X/XX/$XX.00 ©20XX IEEE
2𝜋𝑛𝐹
𝑥𝑎 (𝑛𝑇) ≡ 𝑥(𝑛) = 𝐴𝑐𝑜𝑠(2𝜋𝐹𝑛𝑇 + 𝜃) = 𝐴𝑐𝑜𝑠 ( + 𝜃)
𝐹𝑠
2) ¿Qué es una señal cuantizada?
Una señal cuantizada es una señal digital, caracterizada por
tener un numero finito de valores en amplitud y a la que se le
ha introducido ruido de cuantificación consecuencia de dicho
proceso. Denotado por 𝒬[𝑥(𝑛)], este proceso solo afecta la
amplitud de la señal, puede ser aplicado tanto a las señales
discretas como analógicas.
Existen dos métodos de cuantización, por truncamiento o por
redondeo, los cuales son útiles cuando en el proceso de
cuantización de una señal, se desean descartar algunos dígitos
significativos, ambos procesos dan como resultado una señal
𝑥𝑞 (𝑛) en el caso discreto y 𝑥𝑞 (𝑡) en el caso analógico.
Cuantificando el error introducido en una señal cuantizada se
puede expresar como la diferencia entre la señal resultante
frente a la señal original.
𝑒𝑞 (𝑡) = 𝑥𝑎 (𝑡) − 𝑥𝑞 (𝑡), 𝑒𝑞 (𝑛) = 𝑥𝑞 (𝑛) − 𝑥(𝑛)
Para mitigar el error de cuantización hay que tener claros
algunos aspectos, el primero es determinar los niveles de
cuantización 𝐿 definido como 𝐿 = 2𝑚 donde m es el número
de bits usados en la conversión análoga digital y también hay
que conocer los valores mínimos y máximos de 𝑥(𝑛) llamado
rango dinámico de la señal 𝑥𝑚𝑎𝑥 − 𝑥𝑚𝑖𝑛 . Por medio de estos
datos podemos obtener la distancia ∆ entre dos niveles de
cuantización sucesivos, que definen el tamaño del escalón de
cuantización o resolución. La ecuación:
(𝑥𝑚𝑎𝑥 − 𝑥𝑚𝑖𝑛 )
∆=
𝐿
Para analizar el error de cuantización de las señales
sinusoidales, debemos conocer el tiempo que 𝑥𝑎 (𝑡) permanece
dentro de 𝐿 denominado 𝜏 , con esto podemos encontrar la
potencia de error cuadratico medio 𝑃𝑞
1 𝜏 2 1 𝜏
𝑃𝑞 = ∫ 𝑒𝑞 (𝑡)𝑑𝑡 = ∫ 𝑒𝑞2 (𝑡)𝑑𝑡
2𝜋 −𝜏 𝜏 0
Y la potencia media de la señal 𝑥𝑎 (𝑡) definida por:
1 𝑇𝑝
Con estos podemos encontrar la calidad de salida del conversor Es un algoritmo eficiente que permite hallar la transformada
AD mediante la relación señal-ruido. discreta de Fourier de una forma mas simple, puede utilizarse
𝑃𝑥 en base 2, en base 4 o en base dividida.
𝑆𝑄𝑁𝑅 =
𝑃𝑞
IV. ALGORITMO DE DFT EN MATLAB
3) ¿Cuál es el fenómeno llamado Alias o Aliasing?
Toda señal analógica contiene entre los componentes de su clc
frecuencia, información que no concierne a la señal original x = [5 9 6]; %16379596
como lo es el ruido o señales “alias” que causan ambigüedades, N = length(x); % periodo.
debido a esto, se hace indispensable establecer una frecuencia X = zeros(1,N); % vector 1xN con ceros (Interpolación a Cero)
de muestreo por lo menos 2 veces más alta que la componente for n = 0:(N-1) %numero de muestra
de frecuencia más alta de la señal analógica, es decir 𝐹𝑠 > for k = 0:(N-1) %valor de la frecuencia
2𝐹𝑚𝑎𝑥 . Esta condición asegura que la señal pueda reconstruirse X(n+1) = X(n+1) + x(k+1)*exp(1j*2*pi*n*k/N);
sin distorsiones empleando el método adecuado de disp(X);
interpolación. end
end
disp(X);
4) ¿Qué indica el teorema de muestreo de Nyquist?
Según el teorema de muestreo, para que no existan perdidas de
información, la ratio de muestreo debe ser por lo menos el doble
de la frecuencia más alta de la señal a muestrear 𝐹𝑁 = 2𝑓𝑚𝑎𝑥
(frecuencia de Nyquist), de esta forma la señal 𝑥𝑎 (𝑡) puede
recuperarse de forma exacta a partir del valor de sus muestras;
si 𝐹𝑠 > 2𝐹𝑚𝑎𝑥 la fórmula es
𝑠𝑒𝑛2𝜋𝐵𝑡
𝑔(𝑡) =
2𝜋𝐵𝑡

Donde B es la frecuencia máxima de la señal analógica, por lo

tanto 𝑥𝑎 (𝑡) puede expresarse como
∞
𝑛 𝑛
𝑥𝑎 (𝑡) = ∑ 𝑥𝑎 ( ) 𝑔 (𝑡 − )
𝐹𝑠 𝐹𝑠
𝑛=−∞

𝑛
Donde 𝑥𝑎 ( ) = 𝑥𝑎 (𝑛𝑇) ≡ 𝑥(𝑛) son las muestras de 𝑥𝑎 (𝑡)
𝐹𝑠
Si, por el contrario, el proceso de muestreo se hace con 2𝐹𝑚𝑎𝑥
la fórmula de reconstrucción cambia a
∞
𝑛 𝑠𝑒𝑛2𝜋𝐵(𝑡 − 𝑛/2𝐵)
𝑥𝑎 (𝑡) = ∑ 𝑥𝑎 ( )
2𝐵 2𝜋𝐵(𝑡 − 𝑛/2𝐵)
𝑛=−∞

5) ¿Qué realiza la transformada de Fourier?

La transformada de Fourier provee una representación de una Fig. 1. (Algoritmo DFT en matlab)
señal aperiódica resultado o no de la suma de múltiples señales
en distintas frecuencias, y provee un método de separación de
esa(s) frecuencias objeto de análisis, ya que, si una frecuencia
V. VIDEO EXPLICATIVO
persiste por un largo tiempo, entonces la magnitud de la
transformada de Fourier a esa frecuencia aumenta más y más. https://youtu.be/wxGUaxt5czU
La ecuación de la transformada de Fourier es
∞ ∞
𝑋(𝐹) = ∫ 𝑥(𝑡)𝑒 −2𝑗𝜋𝑘𝑓𝑡 𝑑𝑡 , ∫ 𝑥(𝑡)𝑒 −𝑗𝜔𝑡 𝑑𝑡 VI. FRECUENCIAS AUDIBLES PARA EL SER HUMANO
−∞ −∞ Aunque se presentan algunas variaciones en las referencias
encontradas, se establece un valor estimado, que el oído humano
puede escuchar frecuencias que van desde los 20Hz hasta los
6) ¿Qué es la transformada rápida de Fourier? 20KHz.
 Frecuencias de 5 instrumentos musicales:
 Guitarra eléctrica: 60Hz - 4KHz
 Bajo eléctrico: 30Hz – 2KHz
 Bajo doble: 30Hz – 500Hz
 Cuerno Frances: 80Hz – 6KHz
 Sintetizador: 30Hz – 18KHz
Para calcular la frecuencia mínima a la que se debe
muestrear la señal, se debe tener en cuenta el teorema de
muestreo de Nyquist y el problema que deriva el usar
frecuencias por debajo de 𝐹𝑠 < 2𝐹𝑚𝑎𝑥 , conocido como Aliasing,
por lo cual, las frecuencias a las que se debe realizar el muestreo
son:
 Guitarra eléctrica: 𝐹𝑚𝑎𝑥 = 4𝐾𝐻𝑧, 𝐹𝑠 =
2(4𝐾𝐻𝑧) = 8𝐾𝐻𝑧
 Bajo eléctrico: 𝐹𝑚𝑎𝑥 = 2𝐾𝐻𝑧, 𝐹𝑠 = 2(2𝐾𝐻𝑧) =
4𝐾𝐻𝑧
 Bajo doble: 𝐹𝑚𝑎𝑥 = 500𝐻𝑧, 𝐹𝑠 = 2(500𝐻𝑧) =
1𝐾𝐻𝑧
https://hypertextbook.com/facts/2003/ChrisDAmbrose.shtml
https://www.dummies.com/home-garden/car-repair/frequency-range-of-musical-instruments-for-car-audio/
 Cuerno Frances: 𝐹𝑚𝑎𝑥 = 6𝐾𝐻𝑧, 𝐹𝑠 = 2(6𝐾𝐻𝑧) =
12𝐾𝐻𝑧
 Sintetizador: 𝐹𝑚𝑎𝑥 = 18𝐾𝐻𝑧, 𝐹𝑠 = 2(18𝐾𝐻𝑧) =
32𝐾𝐻𝑧
REFERENCIAS
[1]J. Proakis, Tratamiento Digital De Señales, 4th ed. Prentice
Hall, 2011, pp. 18-19, 24-31, 344-387, 458-482.
[2]L. Tan and J. Jiang, Digital signal processing, Fundamentals
and Applications, 2nd ed. Academic Press, pp. 15-20.
[3]"But what is the Fourier Transform? A visual introduction.",
YouTube, 2019. [Online]. Available:
https://www.youtube.com/watch?v=spUNpyF58BY.
[Accessed: 17- Mar- 2019].
[4]A. Ambardar, Analog and digital signal processing, 2nd ed.
Pacific Grove, Calif.: Brooks/Cole, 2000, pp. 52-54, 446-469,
571-576.