Академический Документы
Профессиональный Документы
Культура Документы
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA ELÉCTRICA
Parte personal
Alumno:
Felipe Leyton Téllez
Carrera:
Ingeniería Civil en Telecomunicaciones
Docente:
Jorge E. Pezoa
2. Taxonomía de señales……………………..……………..…...……………………….... 7
4. Muestreo…………………………….………………………..……………………….... 9
5. Anexos…..……………………………………….......................................................... 11
6. Bibliografía…..……………………………………………………………………...… 16
2
Problema 1: Teorema de muestreo y filtro anti-alias
y LPF corresponde al filtro de salida que, una vez que reconstruye la señal, le aplica un pasabajos
con frecuencia de corte 𝐹𝑐 = 700 𝐻𝑧. Determine también las frecuencias discretas (o frecuencias
normalizadas) de las señales muestreadas. Responda ahora las siguientes preguntas: ¿existe
aliasing?, ¿qué valor tiene la folding frequency? ¿cuál es la frecuencia aparente si es que existe
aliasing?. Finalmente, dibuje el espectro de magnitud de la salida análoga del sistema.
Si ahora tanto el convertidor A/D como el D/A operan con un período de 𝑇𝐴/𝐷 = 𝑇𝐷/𝐴 =
1/2000 𝑠, repita todos los cálculos anteriores, responda a las mismas preguntas y grafique los
espectros resultantes para esta nueva condición.
Solución:
Parte I
1 1
𝐹𝑠 = 𝐹𝐴/𝐷 = =
𝑇𝐴/𝐷 1
1200
𝐹𝑠 = 1200 𝐻𝑧
Ahora analizamos la señal continua 𝑥𝑎 (𝑡) para obtener las frecuencias asociadas:
𝑓1 = 500 𝐻𝑧
𝑓2 = 800 𝐻𝑧
3
Considerando el teorema de muestreo de Nyquist-Shannon se debe cumplir que:
𝐹𝑠 > 2𝐹𝑚𝑎𝑥
En este caso:
𝑥[𝑛] ≜ 𝑥𝑎 (𝑛𝑇𝑠 )
𝑛 𝑛
𝑥[𝑛] = cos (2𝜋 ∙ 500 ∙ ) + cos (2𝜋 ∙ 800 ∙ )
1200 1200
5 2
𝑥[𝑛] = cos (2𝜋 ⋅ ∙ 𝑛) + cos (2𝜋 ⋅ ∙ 𝑛)
12 3
5 3 1
𝑥[𝑛] = cos (2𝜋 ⋅ ∙ 𝑛) + cos (2𝜋 ∙ ( − ) ∙ 𝑛)
12 3 3
5 1
𝑥[𝑛] = cos (2𝜋 ⋅ ∙ 𝑛) + cos (2𝜋 ∙ (− ) ∙ 𝑛)
12 3
5 1
𝑥[𝑛] = cos (2𝜋 ⋅ ∙ 𝑛) + cos (2𝜋 ∙ ∙ 𝑛)
12 3
Analizamos el resultado para obtener las frecuencias discretas en ciclos por segundos:
5
𝑓1 = 𝑐𝑝𝑠
12
1
𝑓2 = 𝑐𝑝𝑠
3
𝐹𝑠 /2
𝐹𝑠 𝑛𝑜𝑟𝑚𝑎𝑙𝑖𝑧𝑎𝑑𝑎 =
𝐹𝑠
1200/2
𝐹𝑠 𝑛𝑜𝑟𝑚𝑎𝑙𝑖𝑧𝑎𝑑𝑎 =
1200
1
𝐹𝑠 𝑛𝑜𝑟𝑚𝑎𝑙𝑖𝑧𝑎𝑑𝑎 = 𝑐𝑝𝑠
2
4
Gráficamente el espectro de magnitud de la señal de entrada análoga 𝑥𝑎 (𝑡):
¿Existe aliasing?
𝐹𝐹 = 600 𝐻𝑧
1
𝐹𝑎𝑝𝑎𝑟𝑒𝑛𝑡𝑒 ≜ (1 − 𝐹2 ) ∙ 𝐹𝑆 = (1 − ) ∙ 1200
3
𝐹𝑎𝑝𝑎𝑟𝑒𝑛𝑡𝑒 = 800 𝐻𝑧
5
Parte II
1 1
𝐹𝑠 = 𝐹𝐴/𝐷 = =
𝑇𝐴/𝐷 1
2000
𝐹𝑠 = 2000 𝐻𝑧
𝑓1 = 500 𝐻𝑧
𝑓2 = 800 𝐻𝑧
𝐹𝑠 > 2𝐹𝑚𝑎𝑥
𝑥[𝑛] ≜ 𝑥𝑎 (𝑛𝑇𝑠 )
𝑛 𝑛
𝑥[𝑛] = cos (2𝜋 ∙ 500 ∙ ) + cos (2𝜋 ∙ 800 ∙ )
2000 2000
1 2
𝑥[𝑛] = cos (2𝜋 ⋅ ∙ 𝑛) + cos (2𝜋 ⋅ ∙ 𝑛)
4 5
Analizamos el resultado para obtener las frecuencias discretas en ciclos por segundos:
1
𝑓1 = 𝑐𝑝𝑠
4
2
𝑓2 = 𝑐𝑝𝑠
5
6
Gráficamente el espectro de magnitud de la señal de entrada análoga 𝑥𝑎 (𝑡):
¿Existe aliasing?
𝐹𝑠 2000
𝐹𝐹 ≜ =
2 2
𝐹𝐹 = 1000 𝐻𝑧
7
Finalmente:
𝑦(𝑡) ≜ 𝑥[𝑓𝐷/𝐴 𝑡]
1 2
𝑦(𝑡) = cos (2𝜋 ∙ ∙ 2000𝑡) + cos (2𝜋 ∙ ∙ 2000𝑡)
4 5
Por la acción del filtro pasabajos nos queda que la señal resultantes es:
8
Problema 2: Taxonomía de señales
Considere las siguientes categorías para las señales: monocanal o multicanal, unidimensional o
multidimensional, tiempo continuo o discreto, cuantizado o análogas en amplitud. Clasifique las
siguientes señales en una o más de las categorías anteriores:
Solución:
Monocanal dado a que utiliza un único medio para comunicar el precio de cierres de las
acciones.
Unidimensional dado a que solo se considera una única unidad monetaria en el precio de
las acciones.
Tiempo discreto ya que el dominio está especificado para ciertos valores finitos del
tiempo (entre el horario de apertura y cierre de la bolsa).
Análogo en amplitud dado a que el precio de las acciones puede tomar diferentes valores
infinitos entre un intervalo de tiempo.
Multicanal dado a que la película utiliza varios medios, por ejemplo el RGB de la pantalla
o las distintas salidas de audio.
Multidimensional dado a que se consideran varias unidades, como el tiempo, la posición,
la intensidad de los pixeles, etc.
Tiempo discreto ya que el dominio está especificado para ciertos valores finitos del
tiempo (entre el inicio y fin de la película, acompañado del hecho que por cada intervalo
de tiempo se asocia un valor de frames para ser emitidos).
Cuantizado en amplitud dado a que la película, al ser una serie de imágenes, se encuentra
cuantizada en un número finitos de niveles, en este caso en un número finito de bits.
iii. La posición del volante de un automóvil con respecto a un eje de referencia situado dentro
del automóvil.
Monocanal dado a que utiliza un único medio, en este caso el sistema de transmisión del
automóvil, para entregar la posición del volante.
Multidimensional dado a que se consideran varias unidades, como el tiempo, la posición,
la velocidad, etc.
Tiempo continuo ya que su dominio puede expresarse en base al conjunto de los números
reales, es decir, ésta está especificada para cada valor real de tiempo.
Análogo en amplitud dado a que la posición puede tomar diferentes valores (posiciones)
en un intervalo de tiempo definido.
9
iv. La posición del volante de un automóvil con respecto a un eje de referencia situado dentro
del automóvil.
Monocanal dado a que utiliza un único medio, en este caso el sistema de transmisión del
automóvil, para entregar la posición del volante.
Multidimensional dado a que se consideran varias unidades, como el tiempo, la posición,
la velocidad, etc.
Tiempo continuo ya que su dominio puede expresarse en base al conjunto de los números
reales, es decir, ésta está especificada para cada valor real de tiempo.
Análogo en amplitud dado a que la posición puede tomar diferentes valores (posiciones)
en un intervalo de tiempo definido.
Multicanal dado a que utiliza dos medios para entregar las medidas, en este caso peso y
altura, del niño.
Unidimensional dado a que solo se considera una única unidad en cada canal, el peso para
el primer canal y la altura para el segundo canal.
Tiempo discreto ya que el dominio está especificado para ciertos valores finitos del
tiempo (mensualmente).
Cuantizado en amplitud dado a que el peso y la altura, se encuentran cuantizados en un
número finitos de niveles, en este caso por truncamiento se aproximan las medidas del
niño.
10
Problema 3: Sistemas de adquisición y teorema de muestreo
Considere una señal sísmica cuyo rango dinámico es de 1 volt. Si esta señal se muestrea a una
tasa de 20 muestras por segundo y se usa un conversor A/D de 8 bits.
Determine:
𝑅 = 20 ∙ 8
𝑅 = 160 𝑏𝑝𝑠
1
𝑟= 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑏𝑖𝑡𝑠
( )
2 𝑝𝑜𝑟 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
1
𝑟=
28
1
𝑟=
256
𝑟 = 0.0039 𝑉
1 1
𝐹𝑠 = 𝐹𝐴/𝐷 = = = 20 𝐻𝑧
𝑇𝐴/𝐷 1
20
𝐹𝑠
𝐹𝑚𝑎𝑥 =
2
20
𝐹𝑚𝑎𝑥 =
2
𝐹𝑚𝑎𝑥 = 10 𝐻𝑧
11
Problema 4: Procesos aleatorios - I
Considere el espectro de potencia (diagrama de Bode) de una señal continua que se muestra en la
Figura 5. Dibuje el espectro de la señal muestreada si la frecuencia de muestreo es 𝐹𝑠 =
(1 + 𝑎)𝐹𝑀 donde 𝑎 𝜖 (0,1).
Solución:
Para el desarrollo de este problema se consideró el espectro de potencia de una señal continua con
los siguientes parámetros:
𝑎 = 0.6
𝐹𝑀 = 100 𝐻𝑧
12
Del enunciado tenemos que la frecuencia de muestreo es:
𝐹𝑠 = (1 + 𝑎)𝐹𝑀
𝐹𝑠 = (1 + 0.6) ∙ 100
𝐹𝑠 = 160 𝐻𝑧
𝐹𝑠 > 2𝐹𝑚𝑎𝑥
13
Anexos
clear all
clc
Fs1=1200;%Sampling frequency
T1=1/Fs1;%Sampling period
L1=100;%Length of signal
t1=(0:L1-1)*T1;%Time vector
X1=cos(2*pi*500*t1)+cos(2*pi*800*t1);
Y1 = fft(X1);
P2=abs(Y1/L1);
P1=P2(1:L1/2+1);
P1(2:end-1)=2*P1(2:end-1);
f=Fs1*(0:(L1/2))/L1;
figure(1)
plot(f,P1)
grid on
title('Single-Sided Amplitude Spectrum of Xa(t) Fs=1200 Hz')
xlabel('f(Hz)')
ylabel('|P(f)|')
Fs2=2000;%Sampling frequency
T2=1/Fs2;%Sampling period
L2=1000;%Length of signal
t2=(0:L2-1)*T2;%Time vector
X2=cos(2*pi*500*t2)+cos(2*pi*800*t2);
Y2 = fft(X2);
P2=abs(Y2/L2);
P1=P2(1:L2/2+1);
P1(2:end-1)=2*P1(2:end-1);
f=Fs2*(0:(L2/2))/L2;
figure(2)
plot(f,P1)
grid on
title('Single-Sided Amplitude Spectrum of Xa(t) Fs=2000 Hz')
xlabel('f(Hz)')
ylabel('|P(f)|')
figure(3)
plot(f,P1)
xlim([0 700])
grid on
title('Single-Sided Amplitude Spectrum of Ya(t) Fs=2000 Hz')
xlabel('f(Hz)')
ylabel('|P(f)|')
14
Código 2: Usado para los gráficos del problema 4.
clear all
close all
clc
x=-150:0.1:150;
Fm=100;
a=0.6;
y1=0.5;
y2=0.5;
y3=0;
y=y1.*((x>=-Fm)&(x<=Fm))+y2.*((x>=-a*Fm)&(x<=a*Fm))+y3.*(x>a*Fm);
figure(1)
plot(x,y)
ylim([0 1.2])
xlim([-150 150])
grid on
title('Bode plot')
xlabel('F')
ylabel('X(F)')
Fs=(1+a)*Fm;%Sampling frequency
T=1/Fs;%Sampling period
L=100;%Length of signal
t1=(0:L-1)*T;%Time vector
X1=ifft(y);
Y1=abs(ifftshift(X1));
P2=abs(Y1/L);
P1=P2(1:L/2+1);
P1(2:end-1)=2*P1(2:end-1);
f=Fs*(0:(L/2))/L;
figure(2)
plot(f,P1)
grid on
title('Single-Sided Amplitude Spectrum of X(t)')
xlabel('f(Hz)')
ylabel('|P(f)|')
figure(3) %COMPROBACION
X=fft(X1);
X1=abs(fftshift(X));
plot(x,abs(ifftshift(X1)))
15
Bibliografía
16