UNIVERSIDAD DE CUENCA

INSTRUMENTACIÓN
APE 1 Capı́tulo 4 - Señales de Tiempo Continuo y Muestreo

Aguilar Blacio William Fabricio Goyes Taza Eva Amanda Fabián Israel Pesántez Cárdenas
Facultad de Ingenierı́a Facultad de Ingenierı́a Facultad de Ingenierı́a
[Link]@[Link] [Link]@[Link] [Link]@[Link]

Sarmiento Carchi Saul Bolivar Segovia Vásquez Joseline Carolina

Facultad de Ingenierı́a Facultad de Ingenierı́a
[Link]@[Link] [Link]@[Link]

Resumen—En el presente documento se presenta el desarrollo de y luego se reconstruyen en el extremo receptor. En el procesa-
un código de MATLAB en el cual se puede evidenciar el proceso miento de audio, las señales de sonido se convierten en señales
de muestreo de una señal en tiempo continuo a partir del ingreso digitales para su almacenamiento o manipulación, y luego se
de dicha señal en función del tiempo, el ingreso de la frecuencia,
y el calculo de la transformada de Fourier la cual es necesaria reconstruyen para su reproducción. Lo mismo ocurre en la
en el procesamiento de señales. adquisición de datos en instrumentación y control, ası́ como
Palabras Clave—Señales en tiempo continuo, muestreo, frecuen- en la manipulación de imágenes en aplicaciones de visión por
cia, periodo computadora. Es esencial en todos estos casos convertir las
señales continuas en discretas para su procesamiento digital,
I. O BJETIVOS y luego reconstruirlas para su uso o interpretación en el mundo
Aplicar el proceso de discretización a una señal en analógico.
tiempo continuo.
Reconstruir una señal discretizada a tiempo continuo. III. M ETODOLOG ÍA
Entender la importancia de la reconstrucción de señales
y la aplicaión correcta para no perder información. Para el desarrollo del programa se procede a agregar la
opción de ingreso de la frecuencia de muestreo. Inicialmente
II. I NTRODUCCI ÓN el programa trabaja con una señal senoidal compuesta de la
Las señales continuas representan cambios suaves y continuos suma de cosenos y/o senos las cuales están representando
en fenómenos fı́sicos a lo largo del tiempo o el espacio. una señal en tiempo continuo
Cuando necesitamos trabajar con estas señales en sistemas
digitales, las convertimos en señales discretas mediante el En primera instancia se gráfica la señal en tiempo continuo,
muestreo en puntos especı́ficos del tiempo. Esto nos permite y con el ingreso de la frecuencia de muestreo se visualiza
manipular y analizar la señal de manera digital. Sin embargo, la gráfica de las muestras de dicha señal. Es importante
para algunos propósitos, como interpretar la señal o utilizarla mencionar que en caso de que no se cumpla el teorema
en sistemas que requieren continuidad, necesitamos reconstruir de Nyquist de la frecuencia de muestreo sera posible el
la versión continua de la señal a partir de su versión discreta. visualizar el error en las graficas.
Este proceso implica estimar los valores de la señal entre
los puntos de muestreo discreto para recrear una versión Para el proceso de la reconstrucción de la señal discreta se
suave y continua de la señal original, utilizando técnicas de construye un filtro pasa bajo de tipo Butterworth de 5to orden
interpolación. La discretización y reconstrucción de señales con el fin de poder optimizar la reconstrucción, aplicando
continuas son procesos esenciales para trabajar con señales en la frecuencia de Nyquist, obteniendo la frecuencia de corte
sistemas digitales mientras se conserva su naturaleza continua. y utilizando el mismo comando butter de MATLAB. Se
opta por usar este filtro ya que es capaz de producir una
Desde las telecomunicaciones hasta el procesamiento de respuesta lo más plana posible, es decir, que la señal de salida
imágenes y el control de sistemas, la discretización y recons- sea constante y con una pendiente baja, sin embargo, este
trucción de señales continuas se aplican en una variedad de puede llegar a presentar problemas ya que al momento de
campos. Por ejemplo, en las telecomunicaciones, las señales reconstruir, la amplitud de dicho circuito puede verse alterada.
analógicas se convierten en datos digitales para su transmisión

1
 1
Adicionalmente para una mejor visualización de las señales Tmuestreo =
tanto continua como la filtrada se procedió con el calculo fmuestreo
y gráfica del espectro de frecuencias de la transformada de Frecuencia de muestreo fmuestreo = 25Hz
fourier en ambos casos.
IV. R ESULTADOS
Se procede a realizar ejemplos con las señales senoidales
debido a su facilidad de reconstrucción Para el primer ejemplo
utilizaremos la siguiente función con una frecuencia inicial
de 4 Hz y se comprobará el T tiempo de muestreo con una
frecuencia de 60 Hz, 25 Hz, 13Hz, 8Hz y 5Hz.
f (t) = 4 · cos(2 · π4 · t)
Frecuencia de la senal continua
f = 4Hz
Aplicado un tren de pulsos a una frecuencia de muestreo de
60 Hz para obetener la senal discreta Figura 3: Gráficas de la señal f (t) y f (n)
fmuestreo = 60Hz
Frecuencia de muestreo fmuestreo = 13Hz

Figura 1: Gráficas de la señal f (t) y f (n)

Figura 4: Gráficas de la señal f (t) y f (n)

Frecuencia de muestreo fmuestreo = 8Hz

Figura 2: Filtrado a la transformada de Fourier

En el caso de utilizar una frecuencia de muestreo menor al Figura 5: Gráficas de la señal f (t) y f (n)
doble de la frecuencia de la función de tiempo continuo se
produce el fenómeno de aliasing.
Se produce el fenómeno aliasing a una frecuencia de muestreo
fmuestreo > 2 · f de fmuestreo = 5Hz ya que es < 2f
 Figura 6: Fenómeno de aliasing, señal f (t) y f (n) Figura 9: Gráficas de la señal f (t) y f (n)

Se analiza para la siguiente señal f (t) con una frecuencia

f = 1Hz fmuestreo = 10Hz
f (t) = 2 · e−t · sin(2 · π · t)
fmuestreo = 60Hz

Figura 10: Fenómeno de aliasing, señal f (t) y f (n)

Ya que la frecuencia de muestreo es menor al doble de la

frecuencia de la función f (t) se produce el fenómeno aliasing.
Figura 7: Gráficas de la señal f (t) y f (n)
Se analiza para la siguinte senal f (t) con una frecuencia f =
5Hz

f (t) = 5 · t · cos(2 · π · 5 · t)
fmuestreo = 60Hz

Figura 8: Filtrado a la transformadas de Fourier

Se da una correcta reconstrucción ya que que la frecuencia de

muestreo es mayor a la frecuencia de la función y cumple
el teorema de muestreo. Se analiza ahora para frecuencias
menores hasta comprobar el fenómeno aliasing.
fmuestreo = 30Hz Figura 11: Gráficas de la señal f (t) y f (n)
 V. C ONCLUSIONES
Los sistemas digitales, como computadoras y sistemas de
datos, operan mediante procesamiento de datos discretos.
Por lo tanto, las señales analógicas deben convertirse
en señales discretas es decir muestras para un deter-
minado tiempo de muestreo para ası́ ser procesadas,
almacenadas o transmitidas digitalmente. Para la trans-
misión y almacenamiento de señales, especialmente en
telecomunicaciones y sistemas de adquisición de datos,
es más eficiente enviar y almacenar datos digitales. La
discretización permite una representación más compacta
y menos susceptible a interferencias.
Cuando la frecuencia de muestreo fmuestreo es mayor
Figura 12: Filtrado a la transformada de Fourier que el doble de la frecuencia de la señal continua f (t),
es decir un menor tiempo de muestreo Tmuestreo se logra
Se da una correcta reconstrucción ya que que la frecuencia de una correcta discretización y mejor reconstrucción de
muestreo es mayor a la frecuencia f. Ocurre un mejor filtrado la señal. Esto se constato en los ejemplos realizados,
cuando se analiza con el dominio de fourier y se filtra la senal. donde señales muestreadas a frecuencias suficientemente
fmuestreo = 20Hz altas permitieron recuperar fielmente la forma de la señal
original.
1 1
Tmuestreo = =
fmuestreo 2·f
Si fmuestreo no es lo suficientemente superior, es decir
menor que 2 · f , las frecuencias altas se reflejarán
incorrectamente en el espectro de la señal muestreada,
haciendo que frecuencias diferentes se superpongan y
sean indistinguibles es decir se produce el fenómeno
aliasing.
Los filtros analógicos de premuestreo se utilizan para
eliminar componentes de frecuencia superiores a la mitad
de la frecuencia de [Link] filtros garantizan la
ausencia de frecuencias que podrian causar ailasing en
la señal. Generalmente se utilizan filtros Butterworth,
Figura 13: Gráficas de la señal f (t) y f (n) Chebyshev o Bessel. Estos filtros reducen las frecuencias
por encima de la frecuencia de Nyquist. Un orden de
filtro más alto, es decir, 4º, 6º o superior, proporciona
fmuestreo = 8Hz una mayor reducción fuera de la banda de paso, es decir,
una mejor reducción de frecuencias no deseadas. La
frecuencia de corte del filtro debe ser inferior a la mitad
de la frecuencia de muestreo para reducir eficazmente las
frecuencias más altas.
El uso de un filtro pasa bajos en el proceso de re-
construcción de la señal discretizada f (n) es clave para
suavizar y eliminar componentes de alta frecuencia no
deseadas. Este filtrado mejora notablemente la calidad
de la señal reconstruida, haciendo que la señal de salida
sea los más identica a la señal de entrada original. A
mayores frecuencias de muestreo, el filtrado resulta más
efectivo. La señal filtrada en estos casos es prácticamente
indistinguible de la señal original.
Figura 14: Fenómeno de aliasing, señal f (t) y f (n)
R EFERENCIAS
Ya que la frecuencia de muestreo es menor al doble de la [1] Lathi, B. P. (1974). Introducción a la teorı́a y sistemas de
frecuencia de la función f (t) se produce el fenómeno aliasing. comunicación.