Clase 5 Muestreo

Muestreo e interpolacion
Dr. Ing. Leonardo Rey Vega

Se
nales y Sistemas (66.74 y 86.05)
Facultad de Ingeniera
Universidad de Buenos Aires
Agosto 2013
Se
Muestreo e interpolaci
on
1/60
Resumen
Teorema del muestreo
Procesamiento digital de se
nales de tiempo continuo
on en tiempo discreto
Cuantificaci
on
Se
on
2/60
Por que muestrear una se

nal de tiempo continuo?
Las se
nales del mundo real son de naturaleza anal
ogica.
La extracci
on de informaci
on relevante a partir de ellas requiere su procesamiento
a trav
es de sistemas adecuados (LTIs o no) de tiempo continuo. El dise
no de
dichos sistemas en tiempo continuo puede ser complejo y caro!!
En los ultimos a
nos han existidos enormes avances en la microelectr
onica:
Procesadores m
as r
apidos y poderosos.
Procesadores m
as peque
nos.
Procesadores de muy bajo consumo.
En dichos procesadores es muy f
acil implementar, mediante un algoritmos
adecuados, sistemas de tiempo discreto que permitan procesar y obtener
informaci
on a partir de se
nales de tiempo discreto.
El puente entre el mundo anal

ogico de los se
nales de inter
es y el mundo digital
donde el procesamiento es m
as simple y barato es lo que se conoce como muestreo
o sampling: obtener una representaci
on de una se
nal de tiempo continuo, lo m
as
fiel posible, mediante una se
nal de tiempo discreto!!
Se
on
3/60
Muestreo y reconstruccion I
Nos concentraremos en lo que se denominar
a muestreo peri
odico o uniforme. En
ese caso muestrear una se
nal es generar una secuencia de tiempo discreto seg
un:
x[n] = xc (nT ), n Z,
donde T es el perodo de muestreo y xc (t) es la se
nal de tiempo continuo.
Representaremos un conversor anal
ogico-digital como:
La clave es asegurar que las muestras x[n] con n Z provee la misma informaci
on
que la se
nal original xc (t) o lo que es lo mismo, si es posible reconstruir xc (t) con
solamente los valores x[n]. Sorprendentemente esto es cierto para una clase
particular pero bastante amplia de se
nales de tiempo continuo!!
Se
on
4/60
Muestreo y reconstruccion II
Un conversor A/D ser
a modelado para nosotros de la siguiente forma:
Conversor de tren de
impulsos a secuencia de
tiempo discreto
donde p(t) es un tren de impulsos espaciados uniformemente en T :
p(t) =
(t nT )
n=
Este modelo de conversor A/D es simplemente un modelo matem

atico adecuado
para resumir en forma precisa la acci
on del mismo. Por supuesto que en la
pr
actica un conversor A/D no se implementa de esta forma. Pero la acci
on de un
conversor real sobre una se
nal es b
asicamente la misma que la del conversor ideal
que asumimos aqu!! En lo que sigue analizaremos la acci
on de este sistema en el
dominio de la frecuencia!!
Se
on
5/60
Muestreo y reconstruccion III

P
Vemos que xp (t) = xc (t)p(t) =
n= xc (t)(t nT ). En el dominio del tiempo
dominio de la frecuencia tenemos que:
Xp (j) =
1
Xc (j) P (j)
2
Sabemos que:
P (j) =
2
T
( ks )
k=
donde s = 2
es la frecuencia de muestreo o frecuencia de sampling. Es claro
T
entonces que podemos escribir:
Xp (j) =
1
T
Xc (j( ks ))
k=
Vemos que la transformada de Fourier xp (t) es una sucesi

on de copias de la
Xc (j) centradas en frecuencias ks con k Z!! Esas copias se pueden solapar, en
funci
on de las caractersticas de Xc (j) y del valor de s !!
Se
on
6/60
Muestreo y reconstruccion IV
Vemos que si Xc (j) = 0 para || > W y si 2W < s las replicas no se solapan!!
Se
on
7/60
Muestreo y reconstruccion V
Vemos que aunque Xc (j) = 0 para || > W si 2W s las replicas se solapan!!.

Existe aliasing!! Si xc (t) no fuera de banda limitada, las replicas se solaparan
para cualquier elecci
ond de s !!
Se
on
8/60
Muestreo y reconstruccion VI
Supongamos que Xc (j) = 0 para || > W y si 2W < s . Sea Hr (j) un filtro
pasabajos ideal con frecuencia de corte W c s W y ganancia T .
Es claro que:
Xp (j)Hr (j) =
1
T
Xc (j( ks ))Hr (j) = Xc (j)
k=
Recuperamos la se
nal original xc (t)!! En el caso en el que hay solapamiento esto
no sera posible, ya que dicho solapamiento altera el espectro original de xc (t)!!
Se
on
9/60
Muestreo y reconstruccion VII

La se
nal xp (t) puede escribirse claramente como:
xp (t) =
xc (nT )(t nT ) =
n=
x[n](t nT )
n=
De esta se
nal podemos obtener (usando el conversor de tren de impulsos a
secuencias en tiempo discreto) las muestras x[n] = xc (nT ).
De esta forma es claro que xp (t) y x[n] = xc (nT ) son equivalentes y contienen la
misma informaci
on ya que a partir de la secuencia x[n] puedo volver a generar la
se
nal xp (t) generando impulsos equiespaciados en T con peso x[n]!!
Conversor de secuencia
de tiempo discreto a
tren de impulsos
Se
Usando las muestras x[n]

puedo recuperar la se
nal xc (t)
cuando Xc (j) = 0 para
|| > W y si 2W < s !!
on
10/60
Muestreo y reconstruccion VIII

Teorema (Whittaker-Kotelnikov-Nyquist-Shannon)
Sea xc (t) una se
nal de banda limitada que cumple:
Xc (j) = 0 || W
La se
nal xc (t) queda determinada en forma u
nica por las muestras
x[n] = xc (nT ), n Z si la tasa de muestreo T satisface:
s =
> 2W, T <

T
W
s = 2W se denomina frecuencia de Nyquist.

Notar que la frecuencia de muestreo s tiene que ser estrictamente mayor a
2W . Muchas veces el resultado del teorema es cierto con s = 2W pero
otras veces no.
Este teorema revela una condici
on necesaria suficiente para reconstruir una
se
nal de banda limitada a partir de sus muestras. Pero si uno impone m
as
restricciones a las se
nales xc (t) el teorema puede dejar de ser condici
on
necesaria (por supuesto sigue siendo condici
on suficiente).
El teorema se puede extender f
acilmente a se
nales de varias variables.
Se
on
11/60
Muestreo y reconstruccion IX
Podemos analizar como es la transformada de Fourier de la secuencia de tiempo
discreto x[n]. Denotaremos la frecuencia para la transformada de tiempo discreto
como . Sabemos que:
X
X(ej ) =
x[n]ejn
n=
Por otro lado dado que xp (t) =
n=
x[n](t nT ), tenemos que:
Xp (j) =
x[n]ejT n
n=

Vemos entonces que Xp (j) = X(ej )
=T
X(ejT ) = Xp (j) =
1
T
= X(ejT ). De esta forma,
Xc (j( ks ))
k=
Y la transformada de la secuencia x[n] se puede escribir como:

X(ej ) =
1
T
X
k=
Se
Xc

2k
j
T
T
on
12/60
Muestreo y reconstruccion X
Vemos que la transformada de Fourier de x[n] es peri
odica como debe ser y que
esta directamente relacionada con la transformada Xc (j) de la se
nal de tiempo
continuo original xc (t). Est
a claro que si Xc (j) = 0 || W y 2W < s no
tenemos aliasing y que
X(ej ) =
1
Xc
T

j

, [, )
Cuando no hay aliasing, la transformada de Fourier de la secuencia x[n] es una

versi
on escalada en frecuencia de Xc (j)!! El factor de escala entre la frecuencia
de tiempo continuo y la frecuencia de tiempo discreto esta dado por:
=
Es claro que la frecuencia = en la secuencia x[n] se corresponde a con la

frecuencia 2s en la se
nal de tiempo continuo xc (t). El escalado en frecuencia es
b
asicamente una normalizaci
on del eje de frecuencias en la se
nal de tiempo
continuo xc (t), tal que la componente de frecuencia m
as alta en dicha se
nal
(captada por un muestreo sin aliasing) se refleja siempre en = para la se
nal de
tiempo discreto.
Se
on
13/60
Muestreo y reconstruccion XI
Consideremos la se
nal xc (t) = cos 0 t
Como era de esperarse si
s > 20 podemos reconstruir
perfectamente xc (t). Sin
embargo, en este ejemplo
vemos que si esa situaci
on no
se cumple lo que recuperamos
es:
xr (t) = cos (s 0 ) t
Como caso extremo, si
s = 0 vemos que la se
nal
reconstruida es una
constante!! La presencia de
aliasing impide la
reconstrucci
on de la se
nal
original!!
Se
on
14/60
Muestreo y reconstruccion XII

Es interesante analizar la reconstrucci
on de la se
nal xc (t) a partir de las muestras
x[n], cuando las mismas son pasadas por un conversor D/A. Sea xr (t) la se
nal a la
salida de dicho conversor:
tren de impulsos
Tenemos entonces que xp (t) =

escribir:
n=
xr (t) =
x[n](t nT ). De esta forma podemos
x[n]hr (t nT )
n=
Dado que

Hr (j) =
|| c
|| > c
T
0
con W c s W es f
acil verificar que:
hr (t) =
T c
sinc
Se
c t
on
15/60
Muestreo y reconstruccion XIII

De esta forma podemos escribir:
xr (t) =
x[n]
n=

c T
c
sinc
(t nT )
La ecuaci
on anterior se conoce normalmente como la ecuaci
on de interpolaci
on de
banda limitada y muestra como usando las funciones sinc podemos reconstruir la
se
nal original a trav
es de sus muestras!!
Para mayor simplicidad de an
alisis consideremos el caso donde c =
Entonces tenemos:

t
hr (t) = sinc
T
s
2
De esta forma la se
nal reconstruida es:

X
X
1
1
xr (t) =
x[n]sinc
(t nT ) =
xc (nT )sinc
(t nT )
T
T
n=
n=
Notar que hr (0) = 1 y que hr (nT ) = 0 para n = 1, 2, . . . . De esta forma es
claro que:
xr (mT ) = xc (mT )
Se
on
16/60
Muestreo y reconstruccion XIV

Es m
as: por el an
alisis que hicimos en el dominio de la frecuencia tenemos que
xr (t) = xc (t) para todo t R!! De esta forma con la hip
otesis de que no hay
aliasing la ecuaci
on anterior da una forma alternativa de expresar la se
nal xc (t) en
funci
on de sus muestras a intervalos regulares de T !! La funci
on sinc normalizada
(que es la respuesta al impulso del filtro pasa-bajos ideal) interpola en forma
perfecta entre los impulsos de xp (t) para reconstruir la se
nal de tiempo continuo
original!! Este siempre ser
a el caso con una se
nal de banda limitada con s > 2W
y W c s W !!
0.8
0.6
0.4
0.2
0.2
3
Se
on
17/60
Muestreo y reconstruccion XV
Notar que el interpolador de banda limitada usa funciones sinc. Estas pueden ser
muy complejas de implementar en la pr
actica. Existen otras posibilidades.
Consideremos por ejemplo el retenedor de orden cero:
Es f
acil probar que:

H0 (j) = T sinc
T
2
ejT /2
1
0.9
Interpolador de banda limitada
0.8
Retenedor de orden cero
Amplitud
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
10
10
s = 10
Se
on
18/60
Muestreo y reconstruccion XVI
Claramente no tenemos reconstrucci

on perfecta!! Con este filtro no eliminamos las
copias sucesivas del espectro original inducidas por el muestreo!! Es el costo que
pagamos por trabajar con un filtro de reconstrucci
on m
as simple que el
interpolador ideal!! No obstante si T es lo suficientemente grande la aproximaci
on
a la se
nal original puede ser suficiente para muchas aplicaciones. Los conversores
D/A comerciales tpicamente implementan un retenedor de orden 0 (aunque
pueden aplicar alg
un tipo de compensaci
on interna)!!

1
T
H1 (j) = sinc2
T
2
Este filtro es un interpolador lineal!
Tambi
en se lo conoce como retenedor
de orden 1!!
Se
on
19/60
Muestreo y reconstruccion XVII

Podemos en general considerar los retenedores de orden k que proporcionaran
para valores de k crecientes vada vez mejores aproximaciones a la se
nal de tiempo
continuo original:

1
T
Hk (j) = k1 sinck
T
2
1
Interpolador de banda limitada
Retenedor de orden cero
Retenedor de orden 1
0.9
0.8
Amplitud
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
20
15
10
10
15
20
s = 10
Se
on
20/60
Procesamiento en tiempo discreto I

La posibilidad de poder muestrear una se
nal de tiempo continuo y poder volver a
recuperar la se
nal original a partir de sus muestras permite que muchas
operaciones de procesamiento de una se
nal se puedan realizar en tiempo discreto.
Esto es:
tiempo discreto
Procesamiento
en tiempo
discreto
tren de impulsos
Con el advenimiento de procesadores m

as potentes, peque
nos y baratos esta
metodologa de trabajo se ha vuelto algo est
andar en ingeniera electr
onica. De
hecho, es muy dficil hoy en da encontrar aplicaciones o dispositivos donde el
an
alisis y la extracci
on de informaci
on de una se
nal de tiempo continuo no se
realice sobre una secuencia de tiempo discreto que resulta del muestreo de la se
nal
de inter
es original!!
Se
on
21/60
Procesamiento en tiempo discreto II

La etapa de procesamiento en tiempo discreto se puede modelar como un sistema
de tiempo discreto. Dependiendo de la naturaleza del procesamiento a realizar
dicho sistema puede ser no lineal y variante en el tiempo
Sin embargo, nosotros nos restringiremos al caso en el que el procesamiento en
tiempo discreto se puede modelar como un sistema LTI!!
Dado que el sistema ser
a LTI, lo podemos representar con su repuesta al impulso o
lo que es lo mismo con su respuesta en frecuencia:
tiempo discreto
tren de impulsos
Ser
a interesante analizar este sistema en cascada!!
Se
on
22/60
Procesamiento en tiempo discreto III

Sabemos que la transformada de Fourier de x[n] vale:

1
X ej = Xc j
[, )
T
T
para el caso en el que no hay aliasing. De esta forma la se
nal y[n] a la salida del
sistema de procesamiento discreto se puede escribir como:
Y

1
[, )
ej = Hd ej X ej = Hd ej Xc j
T
T
La se
nal de tiempo continuo yc (t) se puede escribir como:
Yc (j) =
1
Hd (ejT )Hr (j)Xc (j), R
T
Vemos que en el caso en que la se

nal xc (t) es de banda limitada y el muestreo se
realiza de acuerdo al teorema del muestreo para que no exista aliasing, tenemos
que la cascada es equivalente a un sistema LTI con respuesta en frecuencia:
Hc (j) =
1
Hd (ejT )Hr (j)
T
Se
on
23/60
Procesamiento en tiempo discreto IV

El caso particular en que Hr () es el filtro interpolador ideal con frecuencia de
corte c tenemos que:

Hc (j) =
Hd (ejT )
0
|| < c
|| > c
(1)
Nuevamente es claro que el filtro equivalente en tiempo continuo es el filtro de

tiempo discreto Hd (ej ) con el tpico escalamiento en frecuencia dado por:
=
De esta forma partiendo de (1) y asumiendo que el filtro interpolador es el ideal y

el muestreo no presenta aliasing, podemos dise
nar el filtro de tiempo discreto
Hd (ej ) a partir de la respuesta en frecuencia total del sistema deseada
proporcionada por Hc (j)!!
Se
on
24/60
Procesamiento en tiempo discreto V

Ejemplo: Supongamos que tenemos un sistema de muestreo donde el filtro Hr (j)
corresponde al retenedor de orden cero. Quisi
eramos dise
nar el filtro Hd (ej ) para
precompensar al distorsion introducida por dicho retenedor. Vamos a partir de:
Hc (j) =
1
Hd (ejT )Hr (j)
T
Buscamos entonces que:

Hc (j) =
1
0
|| <
|| >
s
2
s
2
Notar que, si Xc (j) es de banda limitada a

W podemos pedir que la frecuencia de corte
del filtro Hc (j) est
e en cualquier valor que
satisfaga W c s W , asumiendo que
s > 2W . En este caso hemos elegido la
frecuencia de corte igual a la mitad de la
frecuencia de sampling.
Sabemos que:

Hr (j) = T sinc
Se
T
2
ejT /2
on
25/60
Procesamiento en tiempo discreto VI

Podemos escribir entonces:
(
Hd (ejT ) =
ejT /2
|| <
sinc( T
2 )
0
|| >
s
2
s
2
Expresando todo en funci

on de la frecuencia de tiempo discreto tenemos que el
sistema de tiempo discreto pre-compensandor que hay que ubicar en la cascada
tiene respuesta en frecuencia:
Hd (ej ) =
ej/2
, [, )
sinc 2
3
1.6
1
arg H(ej)
|H(ej)|
1.8
1.4
1.2
0.8
3
3
Se
on
26/60
Procesamiento en tiempo discreto VII

Ejemplo: Supongamos que deseamos implementar un sistema que retrase una
se
nal de tiempo continuo xc (t) en una cantidad . La respuesta en frecuencia del
sistema en tiempo continuo a implementar es:
Hc (j) = ej
Dado que la se
nal a procesar ser
a de banda limitada W y asumiendo que el filtro
Hr (j) es un pasabajo ideal con frecuencia de corte W < c < s W y ganancia
T tenemos que la respuesta en frecuencia de tiempo continuo deseada la podemos
escribir como:
j
e
|| < c
Hc (j) =
0
|| > c
Como Hc (j) =
1
T
Hd (ejT )Hr (j) tenemos que:

Hd (ejT ) =
ej
0
|| < c
|| > c
De esta forma el filtro de tiempo discreto a implementar es:

Hd (ej ) =
ej/T
0
Se
|| < c T
|| > c T
on
27/60
Procesamiento en tiempo discreto VIII

En el caso especial de que c =
s
2
tenemos que:
Hd (ej ) = ej/T || <
Vemos las diferencias y simulitudes entre el filtro de tiempo continuo deseado y la

implementaci
on del filtro de tiempo discreto equivalente!!
Se
on
28/60
Procesamiento en tiempo discreto IX

De esta forma si la entrada es xc (t) (y obviamente de banda limitada) la salida al
sistema completoser
a yc (t) = xc (t ). En el caso particular que
xc (t) = T1 sinc Tt tenemos que x[n] = T1 [n]. Adem
as:

t
1
yc (t) = sinc
T
T
Es claro que y[n] son las muestras de yc (t) tomadas a una tasa T . Entonces:

1
y[n] = sinc n
T
T
Entonces es claro que la respuesta al impulso del sistema Hd (ej ) vale:

h[n] = sinc n
T
h
i
Si
es un entero es claro que h[n] = n
. Entonces la operaci
on de retardo
T
T
de tiempo continuo deseada se puede implementar con un retardo en tiempo
discreto. Sin embargo, si
no es un entero, la operaci
on de retardo de tiempo
T
continuo deseada no se traduce en una operaci
on de retardo en tiempo discreto!!
Cu
al es la interpretaci
on de un retardo
no entero??
T
C
omo hara para implementar un filtro pasa-bajos en tiempo continuo con una
determinada c usando este enfoque? Y un filtro pasa-altos??
Se
on
29/60
Muestreo en tiempo discreto I

Hasta el momento hemos considerado el muestreo de se
nales de tiempo continuo.
Pero tambi
en podemos considerar el muestreo de se
nales de tiempo discreto.
El muestreo de se
nales de tiempo discreto obedece a los mismos principios que las
se
nales de tiempo continuo y las ideas de fondo son b
asicamente las mismas!!
Dada una se
nal de tiempo discreto x[n] consideramos la siguiente se
nal:

xp [n] =
x[n]
0
Se
si n es m
ultiplo de M
en otro caso
on
30/60
Muestreo en tiempo discreto II

Es claro que podemos escribir:
xp [n] = x[n]p[n] =
x[kN ][n kN ]
k=
donde p[n] =
k=

1
Xp ej =
2
[n kN ]. Entonces en el dominio de la frecuencia:
Z 2

1
P ej X ej() d =
P ej X ej() d
2 0
Es directo obtener que:

2
P ej =
N
donde s =
2
N
( ks )
k=
es la frecuencia de muestreo.
Se
on
31/60
Muestreo en tiempo discreto III

Podemos escribir:
Xp ej
1
2
1
N
1
N

P ej X ej() d
0
2

2k

X ej() d
N
k=
X
k=
2
0

2k

X ej() d
N
Notar que s
olo los impulsos con 0 k < N quedan dentro del intervalo [0, 2).
Entonces:
Xp ej

N 1 Z

2
1 X 2

X ej() d
N k=0 0
N
N 1

2k
1 X
X ej ( N )
N k=0
N 1

1 X
X ej(ks ) , [, )
N k=0
Se
on
32/60
Muestreo en tiempo discreto IV
Vemos que si la se
nal es banda limitada a W no existe aliasing si W < s W , o
lo que es lo mismo si 2W < s !! Obviamente si 2W s tenemos nuevamente
aliasing!!
Se
on
33/60
Muestreo en tiempo discreto V

Supongamos que X ej = 0 para || > W y si 2W < s . Sea Hr ej un filtro
pasabajos ideal con frecuencia de corte W c s W y ganancia N .
Es claro que:
N 1

1 X
Xp ej Hr ej =
X ej(ks ) Hr ej = X ej
N k=0
Recuperamos la se
nal original x[n]!! En el caso en el que hay solapamiento esto no
sera posible, ya que dicho solapamiento altera el espectro original de x[n]!!
Se
on
34/60
Muestreo en tiempo discreto VI

Teorema (Muestreo en tiempo discreto)
Sea x[n] una se
nal de banda limitada que cumple:

X ej = 0 || W
La se
nal x[n] queda determinada en forma u
nica por las muestras x[nN ], n Z si
la tasa de muestreo N satisface:
s =
> 2W, N <

N
W
a posible muestrear una funci

on de tiempo
Notar que si W > 2 no ser
discreto sin tener aliasing!
Este teorema revela una condici
on necesaria suficiente para reconstruir una
se
nal de banda limitada a partir de sus muestras. Pero si uno impone m
as
restricciones a las se
nales x[n] el teorema puede dejar de ser condici
on
necesaria (por supuesto sigue siendo condici
on suficiente).
Si x[n] proviene del muestreo de una se
nal de banda limitada de tiempo
continuo con perodo de muestreo T , el muestrear x[n] con perodo N es
equivalente a haber muestreado la se
nal xc (t) con peri
odo N T (sin
considerar los ceros en xp [n]!!) y no habr
a aliasing si el ancho de banda de
xc (t) es menor a NT .
Se
on
35/60
Muestreo en tiempo discreto VII

Podemos analizar la ecuaci
on de reconstrucci
on para el caso de muestreo de
tiempo discreto. Sea x[nN
] la se
nal muestreada. La respuesta al impulso del filtro

pasa-bajos ideal Hr ej con frecuencia de corte c y ganancia N vale:
hr (n) =
N c sin (c n)
c n
La secuencia reconstruida vale xr [n] = xp [n] hr [n] o lo que es lo mismo:

xr [n] =
x[kN ]
k=
N c sin (c (n kN ))
c (n kN )
Notar que xr [nN ] = x[nN ] n Z. Es m

as:
Por el an
alisis en frecuencia que hicimos sabemos que de hecho
xr [n] = x[n] n Z!!
Cuando en lugar del filtro pasa-bajos ideal usamos otro filtro reconstructor
tenemos:
X
xr [n] =
x[kN ]hr [n kN ]
k=
Se
on
36/60
Decimacion y expansion en tiempo discreto I

En el caso de la se
nal muestreada xp [n] vemos que por cada muestra existen N 1
ceros. Es claro que si N est
a bien elegido, toda la informaci
on de la se
nal original
x[n] est
a contenida s
olo en las muestras y no en los ceros.
Transmitir o almacenar toda la secuencia xp [n] es altamente ineficiente,
especialmente si N es grande!!
Entonces, en funci
on de esta observaci
on vamos a considerar la siguiente
secuencia, en la cual quitamos los ceros entre muestras:
xd [n] = xp [nN ] = x[nN ], n Z
Se
on
37/60
Decimacion y expansion en tiempo discreto II

Podemos escribir:
X
X

Xd ej =
xd [n]ejn =
x[nN ]ejn
n=
n=
Sea k = nN , o lo que es lo mismo n =

Xd ej =
X
k:m
ultiplos
k
N
entonces podemos escribir:
x[k]ejk/N =
xp [k]ejk/N
k=
de N
ya que xp [k] vale cero para valores de k que no son m

ultiplos d eN . Entonces:

Xd ej = Xp ej N
Y finalmente:
N 1

2k
1 X
Xd ej =
X ej ( N N )
N k=0
Se
on
38/60
Decimacion y expansion en tiempo discreto III
Si el espectro original X(ej ) es de banda limitada y N es elegido de forma tal

que no haya aliasing, el efecto de quitar los ceros (decimaci
on), es expandir el
espectro de la secuencia original sobre una banda mayor de frecuencias!!
Se
on
39/60
Decimacion y expansion en tiempo discreto IV

Si la secuencia x[n] proviene del muestreo de una se
nal de tiempo continuo
xc (t), el proceso de decimaci
on, debido a que remueve los ceros de xp [n],
puede verse como la reducci
on efectiva de la velocidad de muestreo T de la
se
nal continua xc (t) por un factor N , de forma tal que la velocidad de
muestreo total es N T .
Es claro que para poder decimar por alg
un factor de N apropiado (N > 1) y
no tener aliasing, la se
nal xc (t) debe haber sido muestreada con una
frecuencia s > 4W donde W es el ancho de banda de xc (t) Por qu
e??
Si tengo una se
nal x[n] cuyo ancho de banda no permite la decimaci
on por
un factor N de inter
es sin evitar el aliasing, para poder decimar se
necesitar
a reducir el ancho de banda de x[n]. Para ello se puede usar un
filtro pasa-bajos ideal de tiempo discreto con ganancia unitaria y frecuencia
de corte c N
que filtre las frecuencias de x[n] por encima de c . Por
qu
e??. Por supuesto que en este caso de xd [n] no vamos a poder recuperar
x[n]!! A pesar ello esto puede ser u
til en algunas situaciones. Se le ocurre un
ejemplo??
Esta estructura se denomina decimador.
El mismo decima por un factor de N .
En general, a
un cuando la se
nal x[n]
la etapa de
tenga banda limitada a N
filtrado pasa-bajos estar
a presente!!
Se
on
40/60
Decimacion y expansion en tiempo discreto V

Vimos, entonces, como la decimaci
on de una se
nal de tiempo discreto es
equivalente al muestreo de una se
nal de tiempo continuo. Consideremos ahora la
posibilidad de aumentar la frecuencia de muestreo de una se
nal x[n].
Consideremos la siguiente se
nal:

xe [n] =
x [n/L]
0
Se
n es m
ultiplo de L
en otro caso
on
41/60
Decimacion y expansion en tiempo discreto VI

Es claro que podemos escribir:
xe [n] =
x[k][n kL]
k=
La transformada de Fourier de xe [n] puede calcularse como:
Xe e
n=
x[k][n kL] ejn
k=
x[k]
[n kL]ejn
n=
k=
x[k]ejkL
k=

X ejL
La salida del expansor (el dispositivo que agrega ceros) es tal que su transformada
de Fourier es la transformada de la entrada con una compresi
on en el eje de la
frecuencia por un factor L!!
Se
on
42/60
Decimacion y expansion en tiempo discreto VII
Luego de la expansi
on en el tiempo, a trav
es de un filtrado pasa-bajos, con
ganancia L y frecuencia de corte c L

, podemos generar la se
nal xi [n]!!
Se
on
43/60
Decimacion y expansion en tiempo discreto VIII

El filtro pasa-bajos tiene respuesta al impulso:
c L sin (c n)
c n
hr [n] =
Entonces la se
nal xi [n] puede escribirse:
xi [n]
=
=
xe [n] hr [n]
x[k][n kL] hr [n]

k=

x[k] [n kL] hr [n]
k=
x[k]
k=
c L sin (c (n kL))
c (n kL)
Es claro que:
hr [0] = 1
hr [kL] = 0, k Z
Se
on
44/60
Decimacion y expansion en tiempo discreto IX

De esta forma tenemos que:
xi [n] = x[n/L], n = 0, L, 2L, . . .
Si x[n] proviene del muestreo (sin aliasing) de una se
nal de banda limitada en
tiempo continuo xc (t), tenemos que:

T
xi [n] = xc n
, n = 0, L, 2L, . . .
L
Si x[n] proviene del muestreo sin aliasing de una se
nal xc (t) tenemos que la
operaci
on de expansi
on seguida de un filtrado pasa-bajos adecuado es equivalente
a un muestreo de la se
nal xc (t) a una
alisis en la frecuencia
frecuencia Ls !! Del an
hecho tenemos que xi [n] = xc n T

L
para todo n Z!!
Esta estructura se denomina expansor.

El mismo expande o sobremuestrea por
un factor de L.
As como en un conversor D/A podamos usar otros filtros interpoladores adem
as
del interpolador de banda limitada, aqu tambi
en podemos analizar la
implementaci
on de otros filtros interpoladores en el expansor!!
Se
on
45/60
Decimacion y expansion en tiempo discreto X

Lo hecho hasta ahora nos permite tambi
en generar una forma de cambiar la
frecuencia de muestreo de una se
nal de banda limitada xc (t) por cualquier factor
L
racional N
haciendo procesamiento en tiempo discreto y sin necesidad en ning
un
momento de volver en tiempo continuo. Si tenemos x[n] = xc (nT ), con s = 2
T

podemos generar x
[n] = xc n NLT usando la siguiente estructura
Los cambios de la frecuencia de muestreo de una se

nal continua usando
decimadores y expansores se conocen como resampleos.
Estas operaciones pueden ser computacionalmente costosas, especialmente si
L y N son grandes. M
as adelante, introduciremos el concepto de
descomposici
on polif
asica que permitir
a reducir el costo computacional en
estos casos.
En el orden expansi
on-decimaci
on no es igual a decimaci
on-expansi
on. Por
qu
e??
Se
on
46/60
Cuantificacion I
Hasta el momento hemos descripto el muestreo de se
nales considerando que los
conversores A/D tienen la siguiente estructura ideal:
tiempo discreto
Como mencionamos anteriormente esto es simplemente un modelo matem

atico de
un conversor ideal que es u
til para el an
alisis de las principales caractersticas del
muestreo en el dominio de la frecuencia.
Claramente el proceso de tomar tomar la muestra xc (nT ) en la pr
actica no
se hace con un tren de impulsos.
En general la muestra xc (nT ) es un n
umero real con infinitos decimales. En
la pr
actica, en una computadora, s
olo podemos representar n
umeros con
finitos decimales.
Se
on
47/60
Cuantificacion II
En cada intervalo T , un comando de S/H es enviado desde el m

odulo de
cuantificaci
on.
En ese punto el circuito de sample and hold mantiene el valor inst
antaneo de
la se
nal de entrada xc (t) durante una duraci
on T .
Gracias a que el valor de la entrada permanece constante, el m
odulo de
cuantificaci
on puede transformar el valor de la entrada en una descripci
on
binaria con b bits.
Cuando el m
odulo de cuantificaci
on termin
o su conversi
on (luego de T
segundos) puede enviar otro comando S/H al circuito de sample and hold y
el proceso vuelve a comenzar.
Se
on
48/60
Cuantificacion III
Notar que:
x0 (t) =
xc (nT )h0 (t nT ) = h0 (t)
n=
xc (nT )(t nT )
n=
donde h0 (t) es la respuesta al impulso del retenedor de orden cero.

Vemos entonces que la acci
on de un conversor A/D real se puede modelizar como
la modulaci
on por un tren de impulsos seguida de un filtrado por el retenedor de
orden cero!!
El dise
no de conversores A/D precisos y r
apidos es un
area muy importante de la
electr
onica. Existen muchas variantes de circuitos, t
ecnicas de conversi
on A/D y
problemas asociados con los mismos. Sin embargo, a grandes rasgos el proceso de
conversi
on de un conversor A/D comercial es como el que describimos!!
La caractersticas m
as importante de un conversor A/D comercial son su ancho de
banda (que tan r
apido puede tomar muestras de la se
nal de entrada) y su
precisi
on (cu
antos bits usa para representar las muestras tomadas)!! Estas son
b
asicamente las caractersticas que uno paga cuando compra un conversor A/D!!
Se
on
49/60
Cuantificacion IV
Nos interesar
a analizar b
asicamente la precisi
on del m
odulo de cuantificaci
on. La
acci
on del dicho m
odulo se puede resumir en:
x
C [n] = Q (x[n])
donde Q : R S es un operador no lineal y sin memoria, donde S es un conjunto
de M elementos. Los M valores a la salida de dicho sistema est
an predefinidos. La
operaci
on de este sistema puede tambi
en descomponerse como:
El cuantizador es el bloque que efectivamente transforma el n

umero real a la
entrada en un n
umero con finitos decimales.
El codificador selecciona para el n
umero entregado por el cuantizador el
c
odigo binario que lo representar
a.
Se
on
50/60
Cuantificacion V
Un cuantizador tpico tiene la siguiente caracterstica:
El cuantizador tiene rango din

amico igual a 2XM y permite considerar
se
nales que toman valores positivos y negativos. Si una entrada cae fuera del
rango din
amico el cuantizador recorta a la misma (clipping).
Los pasos de cuantificaci
on son uniformes.
Los valores de las muestras se redondean hasta el nivel de cuantificaci
on m
as
cercano.
Se
on
51/60
Cuantificacion VI
Generalmente el n
umero de niveles de cuantificaci
on es potencia de dos. Es decir,
M = 2(B+1) . Esto quiere decir, que cada nivel de cuantificaci
on se puede
representar usando B + 1 bits. El bloque de codificaci
on se encargar
a de asignar
las palabras de B + 1 bits a cada nivel de cuantificaci
on. Existen b
asicamente 2
esquemas que son los m
as utilizados:
Offset binario.
Complemento a dos.
Nivel de cuantificaci
on
4
3
2
2
3
Offset binario
000
001
010
011
100
101
110
111
Complemento a dos
100
101
110
111
000
001
010
011
La mayora de los procesadores digitales de se

nales (DSPs) implementan el
esquema de codificaci
on de complemento a dos, ya que el mismo permite realizar
operaciones aritm
eticas operando directamente sobre las palabras de c
odigo!!
Se
on
52/60
Cuantificacion VII
En el sistema de complemento a dos el bit m
as significativo, despu
es del cual se
considera que existe una coma. Es decir, por convenci
on se considera que los
n
umeros representados est
an en [1, 1). Para B + 1 bits, tenemos que un n
umero
en complemento a dos se representa como:
a0 , a1 a2 . . . aB , ai = {0, 1}
El valor del n
umero con la representaci
on anterior vale:
x
C [n] = a0 20 + a1 21 + a2 22 + + aB 2B
La relaci
on entre las muestras cuantificadas y la palabra de c
odigo usada por el
codificador se puede escribir:
x
[n] = XM x
C [n]
Las muestras codificadas en binario son proporcionales a las muestras
cuantificadas!! Por esta raz
on se pueden usar como una representaci
on num
erica
v
alida de las verdaderas muestras cuantificadas!!
Notar que:
=
2XM
XM
= B
2B+1
2
Se
on
53/60
Cuantificacion VIII
Es importante analizar el error introducido por un bloque cuantizador. Definimos
el error de cuantificaci
on e[n] como:
e[n] = x[n] x
[n]
Para un cuantizador que redondea al valor m
as cercano:
< e[n]
2
2
siempre y cuando
XM
< x[n] XM
2
2
Si x[n] queda fuera de este intervalo, el cuantizador truncar

a la salida y el error
e[n] no necesariamente cumplir
a que
< e[n]
Suponiendo que e[n] es
2
2
conocido, podemos escribir:
Se
on
54/60
Cuantificacion IX
Lamentablemente e[n] no ser
a conocido siempre. Por esta raz
on, nos interesar
a
hacer un an
alisis de los errores introducidos por el cuantizador. Como en general,
no es posible saber con qu
e tipos de entradas un cuantizador va a ser usado sera
conveniente que:
El an
alisis debera ser v
alido para un gran n
umero de se
nales.
Debe ser independiente, en la medida de los posible, de las caractersticas de
las se
nales x[n] a la entrada del cuantizador.
Por esta raz
on utilizaremos un modelo estadstico para modelar los errores. El
mismo partir
a de los siguiente supuestos:
La secuencia del error e[n] es una secuencia de variables aleatorias,
independientes, id
enticamente distribudas y con media cero.
La secuencia del error e[n] es estadsticamente independiente de la se
nal de
entrada x[n].
Para cada n Z, e[n] est
a distribuida en forma uniforme sobre el intervalo
, ) (no hay clipping o truncamiento).
[
2 2
Aunque hay se
nales donde estas hip
otesis no son ciertas (por ejemplo
x[n] = A n Z). Sin embargo, como las se
nales del mundo real tienen
aleatoriedad estas hip
otesis son bastante acertadas (especialmente si << 1)!!
Se
on
55/60
Cuantificacion X
La varianza del error de cuantificaci
on vale:
Z
Z
2
2
1
2
e2 =
e2 pe (e)de =
e2 de =

12
2
2
Pero usando que =
XM
2B
tenemos:
e2 = 22B
2
XM
12
Dado que x
[n] = x[n] + e[n], vemos que la se
nal original x[n] est
a contaminada por
el ruido e[n]. Una medida u
til, que mide la degradaci
on que el ruido introduce en
la se
nal de inter
es es la relaci
on se
nal-ruido (SNR):

SNR = 10 log10
x2
e2
donde x2 es el valor de la varianza de la se

nal x[n]. En algunos casos de inter
es x
se puede aproximar por el valor RMS de la amplitud de la se
nal. Por ejemplo si la
se
nal de tiempo continuo xc (t) es un seno de amplitud A, tenemos que x =
Se
on
.
2
56/60
Cuantificacion XI
Entonces podemos escribir:

SNR = 10 log10 12 + 20B log10 2 20 log10
Usando que x =
XM
x

(dB)
:
2

SNR = 10.8 + 6.02B 20 log10
XM
x

(dB)
Observamos lo siguiente:
Por cada bit extra que nuestro conversor puede entregar tenemos que la
SNR aumenta 6 dB.
Cuanto m
as peque
na es x con respecto al rango din
amico del conversor
XM mayor es la penalidad en SNR que debemos pagar.
Sin embargo, tampoco es conveniente aumentar mucho x con respecto a
XM . Por qu
e??
Cuando se usa un conversor A/D es necesario acondicionar adecuadamente la
amplitud de la se
nal anal
ogica de entrada al rango din
amico del conversor!!
Se
on
57/60
Cuantificacion XII

Es importante tener una f
ormula para el t
ermino 20 log10 XM que nos permita
x
en forma general evaluar el n
umero de bits necesarios para una determinada SNR
deseada. En general se asume que la se
nal x[n] tiene una amplitud que se
distribuye en forma gaussiana. Esta hip
otesis funciona bastante bien para un gran
n
umero de se
nales de inter
es como voz o m
usica.
Con dicha hip
otesis la probabilidad de que la amplitud de la se
nal supere el valor
de 3x es menor al 0.3 %. Entonces podemos acondicionar la se
nal anal
ogica de
forma tal que x = X3M !!
Entonces obtenemos:
SNR = 6.02B + 1.25 (dB)
Por ejemplo para obtener una SNR del orden de 100 dB, que es algo usual para
audio de alta calidad tenemos que se necesita un conversor que proporcione una
cuantificaci
on de 16 bits!! Sin embargo hay que tener en cuenta que dicho nivel de
SNR se alcanzar
a solamente si la amplitud de la se
nal de entrada se acondiciona
adecuadamente al rango din
La clave es siempre aprovechar lo m
aximo posible el rango din
Se
on
58/60
Temas para leer por cuenta propia
Lectura obligatoria
Reconstrucci
on de una se
nal usando interpolaci
on (Oppenheim and Willsky,
Secci
on 7.2).
El efecto del submuestreo (Oppenheim and Willsly, Secci
on 7.3).
Procesado en tiempo discreto de se
nales en tiempo continuo (Oppenheim
and Schafer, Secci
on 4.4).
Procesado digital de se
nales anal
ogicas (Oppenheim and Schafer, Secci
on
4.8).
Lectura optativa
Tratamiento de se
nales multitasa (Oppenheim and Schafer, Secci
on 4.7).
Sobremuestreo y conformaci
on de ruido en la conversi
on A/D y D/A
(Oppenheim and Shafer, Secci
on 4.9)
Se
on
59/60
Algunos ejercicios I
1 Ejercicios 4.5, 4.8, 4.9, 4.12, 4.15, 4.19, 4.20, 4.22 de Oppenheim and Schafer.
2 Ejercicios 4.31, 4.35, 4.37, 4.38, 4.43, 4.44, 4.56, 4.57, 4.59 de Oppenheim and Schafer.
3 Ejercicio 4.53 de Oppenheim and Schaffer.
4 Ejercicio 7.21, 7.23, 7.24, 7.26, 7.27, 7.28, 7.29, 7.31, 7.37, 7.38 de Oppenheim and
Willsky
5 Ejercicio 7.41, 7.42, 7.43, 7.44, 7.50, 7.51, 7.52 de Oppenheim and Willsky.
Se
on
60/60

Clase 5 Muestreo

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Clase 5 Muestreo

Загружено:

Авторское право:

Доступные форматы

Muestreo e interpolacion

Dr. Ing. Leonardo Rey Vega

Teorema del muestreo

Por que muestrear una se

El puente entre el mundo anal

donde p(t) es un tren de impulsos espaciados uniformemente en T :

Este modelo de conversor A/D es simplemente un modelo matem

Muestreo y reconstruccion III

Vemos que la transformada de Fourier xp (t) es una sucesi

Vemos que si Xc (j) = 0 para || > W y si 2W < s las replicas no se solapan!!

Vemos que aunque Xc (j) = 0 para || > W si 2W s las replicas se solapan!!.

Xc (j( ks ))Hr (j) = Xc (j)

Muestreo y reconstruccion VII

Usando las muestras x[n]

Muestreo y reconstruccion VIII

> 2W, T <

s = 2W se denomina frecuencia de Nyquist.

Por otro lado dado que xp (t) =

x[n](t nT ), tenemos que:

= X(ejT ). De esta forma,

Y la transformada de la secuencia x[n] se puede escribir como:

Cuando no hay aliasing, la transformada de Fourier de la secuencia x[n] es una

Es claro que la frecuencia = en la secuencia x[n] se corresponde a con la

Muestreo y reconstruccion XII

Tenemos entonces que xp (t) =

x[n](t nT ). De esta forma podemos

Muestreo y reconstruccion XIII

Muestreo y reconstruccion XIV

Interpolador de banda limitada

Retenedor de orden cero

Muestreo y reconstruccion XVI

Claramente no tenemos reconstrucci

Muestreo y reconstruccion XVII

Procesamiento en tiempo discreto I

Con el advenimiento de procesadores m

Procesamiento en tiempo discreto II

Procesamiento en tiempo discreto III

Vemos que en el caso en que la se

Procesamiento en tiempo discreto IV

Nuevamente es claro que el filtro equivalente en tiempo continuo es el filtro de

De esta forma partiendo de (1) y asumiendo que el filtro interpolador es el ideal y

Procesamiento en tiempo discreto V

Buscamos entonces que:

Notar que, si Xc (j) es de banda limitada a

Procesamiento en tiempo discreto VI

Expresando todo en funci

Procesamiento en tiempo discreto VII

Hd (ejT )Hr (j) tenemos que:

De esta forma el filtro de tiempo discreto a implementar es:

Procesamiento en tiempo discreto VIII

Hd (ej ) = ej/T || <

Vemos las diferencias y simulitudes entre el filtro de tiempo continuo deseado y la

Procesamiento en tiempo discreto IX

Muestreo en tiempo discreto I

Muestreo en tiempo discreto II

[n kN ]. Entonces en el dominio de la frecuencia:

Es directo obtener que:

Muestreo en tiempo discreto III

Muestreo en tiempo discreto IV

Muestreo en tiempo discreto V

Muestreo en tiempo discreto VI

> 2W, N <

a posible muestrear una funci

Muestreo en tiempo discreto VII