Tema 1 Muestreo de señales continuas. 3º Ingeniería Sistemas de Telecomunicación EPS Univ. San Pablo CEU
|
|
- Inmaculada Serrano Río
- hace 8 años
- Vistas:
Transcripción
1 ema Muestreo de señales continuas 3º Ingeniería Sistemas de elecomunicación EPS Univ. San Pablo CEU
2 Muestreo Periódico
3 Muestreo periódico Conversor C/D x c (t ) x s (t ) Conversión de tren x [n ]=x c (n ) de impulsos en secuencia discreta s(t ) DS EPS-San Pablo CEU 3
4 Representación del muestreo en el dominio de la frecuencia Dominio del tiempo x c (t ) Dominio de la frecuencia X c ( jω ) Applet: g/index.html Ω Ω N Ω N S( j Ω) s(t )= δ(t n ) n= Ω s 3Ω s 2Ω s Ω s 0 X s ( jω) Ω s 2Ω s 3Ω s Ω x s (t )= x c (n )δ(t n ) n= x [n ]=x c (n ) 0 Ω N Ω s Ω N X (e jω ) Ω ω 6π 4π 2π 0 2π 4π 6π DS EPS-San Pablo CEU 4
5 Representación del muestreo en el dominio de la frecuencia Dominio del tiempo x c (t ) s(t )= n= x [n ]=x c (n ) δ(t n ) x s (t )= x c (n )δ(t n ) n= Dominio de la frecuencia X c ( jω ) S( j Ω)=Ω s k= δ(ω k Ω s ) X s ( jω)= 2π X c ( jω) S ( j Ω)= X (e jω )= n= Ω s = 2π x [n ]e jωn = x c (n )e jωn n= k= X c ( j(ω k Ω s ))= x c (n )e j Ω n n= (.) (.2) (.3) (.4) (.5) (.6) X (e jω )=X s ( jω) X (e jω )= k= X (e jω )= k= X c ( j( ω k 2π )) X c ( j(ω k Ω s )) ω= Ω DS EPS-San Pablo CEU 5
6 Aliasing Se produce aliasing cuando Ω N >Ω s Ω N X s ( jω) (.7) Ω DS EPS-San Pablo CEU 6
7 Aliasing No aliasing Ω s Ω s 2 Ω s 2 Ω s Casi aliasing Ω s Ω s 2 Ω s 2 Ω s Aliasing y cambio de fase Ω s Ω s 2 Ω s 2 Ω s DS EPS-San Pablo CEU 7
8 Filtro Anti-aliasing Conversor C/D x c (t ) H aa ( jω) x a (t ) x s (t ) Conversión de tren de impulsos en x [n ]=x c (n ) secuencia discreta s(t ) H aa ( jω) Ω Ω s 2 Ω s 2 DS EPS-San Pablo CEU 8
9 Reconstrucción de la señal Dominio del tiempo Dominio de la frecuencia X r ( j Ω) x r (t )=x s (t ) h r (t ) Ω H r ( j Ω) Ω N Ω N Ω Ω s 2 Ω s 2 X s ( jω) x s (t )= x [n] δ(t n ) n= Ω s 2 Ω s 2 Ω x [n ]=x c (n ) X (e jω ) ω 6π 4π 2π π 0 π 2π 4π 6π DS EPS-San Pablo CEU 9
10 Reconstrucción de la señal Conversor D/C x [n ]=x c (n ) Conversión de secuencia discreta en tren de impulsos x s (t ) H r ( j Ω) x c (t ) s(t ) H r ( j Ω) Ω Ω s 2 Ω s 2 (.0) DS EPS-San Pablo CEU 0
11 Reconstrucción de la señal Dominio del tiempo Dominio de la frecuencia x r (t )=x s (t ) h r (t )= n= x [n]h r (t n ) X r ( j Ω)=H r ( jω) X s ( jω)=h r ( jω) X (e jω ) h r (t )=sinc ( t ) (.) (.2) x s (t )= x [n] δ(t n ) n= x [n ]=x c (n ) (.3) n= (.4) [.3] (.5) (.6) X s ( jω)= X (e jω )= n= x[n ]e j Ω n =X (e j Ω ) x [n ]e jωn DS EPS-San Pablo CEU
12 Reconstrucción de la señal x r (t )=x s (t ) h r (t )= n= sen[ π (t n )/ ] x [n ]h r (t n )= x [n ] n= π (t n )/ h r (t )=sinc ( t ) DS EPS-San Pablo CEU 2
13 eorema del muestreo (.7) Sea una señal x c (t ) limitada en ancho de banda cuya frecuencia máxima es f max. Entonces, esta señal se puede recuperar exactamente a partir de sus muestras tomadas a una frecuencia mediante la función de interpolación interpolación es h r (t )=sinc ( t ) x r (t )=x s (t ) h r (t )= n= =f s 2f max.la fórmula correspondiente de x [n ]h r (t n ) DS EPS-San Pablo CEU 3
14 Cambio de la Frecuencia de Muestreo
15 Cambio de la frecuencia de muestreo x c (t ) C/D x [n] D/C x c (t ) C/D x' [n ] ' x [n ]=x(n ) x' [n ]=x (n') DS EPS-San Pablo CEU 5
16 Reducción de la frecuencia de muestreo x [n ] M x d [n ]=x [nm ]=x c (nm ) '=M (.2) [.4] X (e jω )= X c ( j( ω k 2π )) r=i+km k= X d (e jω )= ' r= M = M i=0 X c ( j( ω 2π r ' ' ))= M k= r= X c ( j( ω M r 2π M ))= X c ( j( ω M k 2π i 2π M ))= M i=0 M X ( e j ( ω M 2πi M )) <k< 0 i M (.22) DS EPS-San Pablo CEU 6
17 Reducción de la frecuencia de muestreo X (e jω ) 4π 2π 0 2π 4π X (e j ω2 ) 4π 0 4π X (e j ω 2 π ) 2π 2π 2 X d (e jω )= 2 X (e j ω2 )+ 2 X (e j( ω 2 π ) ) 4π 2π 0 2π 4π DS EPS-San Pablo CEU 7
18 Reducción de la frecuencia de muestreo X (e jω ) ω= Ω 2π 0 ω N =Ω N 2π 2π M 0 X d (e jω ) 2π ω= Ω'=Ω M ω' N =Ω N '=Mω N x [n] LPF Gª= Corte= π M x [n ] x d [n ]= x [nm ] M DS EPS-San Pablo CEU 8
19 Incremento de la frecuencia de muestreo x [n ] L x i [n ]=x c (n / L ) '= /L (.23) (.24) x e [n ]={ x[n/ L ] n= 0,±L,±2L,... 0 resto } = k= x[ k ]δ[ n kl] X e (e jω )= x[ k ]e jωkl =X (e jωl ) k= (.25) DS EPS-San Pablo CEU 9
20 Incremento de la frecuencia de muestreo X (e jω ) ω= Ω 2π 0 ω N =Ω N 2π X e (e jω ) 2π π 0 π 2π ω= Ω'=Ω/ L ω' N =Ω N '= ω N L x [n] L x e [n ] LPF Gª=L Corte= π L x i [n ] DS EPS-San Pablo CEU 20
21 Incremento de la frecuencia de muestreo x [n] L x e [n ] LPF Gª=L Corte= π L x i [n ] h i [n ]=sinc( n L ) (.27) x i [n ]=x e [n ] h i [n]= k= x e [ kl]h i [ n kl] (.26) { h i [n ]= n } n <L L 0 resto (.28) DS EPS-San Pablo CEU 2
22 Cambio de la frecuencia de muestreo por un factor racional x c (t ) C/D x [n] D/C x c (t ) C/D x' [n ] ' x [n ]=x(n ) x' [n ]=x (n') '= M L DS EPS-San Pablo CEU 22
23 Cambio de la frecuencia de muestreo por un factor racional x [n] L LPF Gª=L Corte= π L LPF Gª= Corte= π M M x' [n ] x [n ] L LPF Gª=L Corte= min { π M, π L } M x' [n ] DS EPS-San Pablo CEU 23
24 Procesado discreto de señales continuas
25 Procesado discreto de señales continuas x c (t ) x [n ] y [n ] C/D H (e jω ) D/C y c (t ) [.4] X (e jω )= [.2] X c ( j( ω k= k 2π )) Y (e jω )=H (e jω ) X (e jω ) Y c ( jω )=H r ( j Ω)Y (e jω ) Y c ( jω )=H eff ( jω )X c ( jω ) H eff ( jω )={ H (e j Ω ) Ω <π } H 0 resto (.8) (e jω )=H eff ( j ω ) ω : ω <π (.9) Invarianza de la respuesta al impulso h[ n ]=h eff (n ) (.20) [.4] DS EPS-San Pablo CEU 25
26 Procesado discreto de señales continuas Ejemplo: y c (t )= dx c (t ) dt Im {H c ( jω )} Ω H c ( jω)=j Ω H eff ( jω )={ jω Ω <π } 0 resto H (e jω )=j ω ω: ω <π π π Im {H eff ( j Ω)} Im {H (e jω )} π π Ω [0.25] 0 n=0 h[ n cosπn ]={ n 0} n π π π ω π DS EPS-San Pablo CEU 26
27 Ejemplo: Procesado discreto de señales continuas H c ( jω)=h eff ( jω)={ Ω <Ω c :Ω c <π } 0 resto Ω c H c ( jω) Ω c Ω h(t )= Ω c π sinc ( Ω c π t ) H (e jω ) h[ n]=h(n )= Ω c π sinc ( Ω c π n ) = ω c π sinc ( ω c π n ) ω ω c ω c H (e )={ jω ω <ω c :ω c <π } 0 resto [.] ω c =Ω c π ω<π DS EPS-San Pablo CEU 27
28 Muestreo de señales paso banda DS EPS-San Pablo CEU 28
29 Muestreo de señales paso banda X c ( jω ) Ω s 2(Ω c +Ω N )!! Ω Solución: Muestrear el equivalente paso bajo Ω c 0 Ω c Ω N Ω c Ω c +Ω N [0.53] x(t )=x c (t )cosω c t x s (t )sinω c t Supongamos que Ω c +Ω N =k (2 Ω N ) Ω s =2(2 Ω N ) El ancho de banda de la señal equivalente paso bajo es Ω N. La idea es muestrear la componente en fase y en cuadratura por separado (.52) (.53) Nyquist DS EPS-San Pablo CEU 29
30 Muestreo de señales paso banda [0.53] (.54) x(t )=x c (t )cosω c t x s (t )sinω c t x[n ]=x(n )=x c (n )cosω c n x s (n )sinω c n= =x c (n )cos ( πn 2k 2 ) x s (n )sin ( πn2k 2 ) = = x ( m')( ) n= 2m = 0 m c k+ m ( ) xs ( m' )( ) n 2m m=0 m=0 m= m= m=2 m=2 =2 Ω ' s =2Ω N (.55) t Ω c +Ω N =k (2 Ω N ) Ω s =2(2 Ω N )= 2π [.52,.53] Ω c Ω c +Ω N =k (2 Ω N ) Ω N = 2k Ω s =2(2 Ω N )= 2π Ω N = π 2 Ω c 2k = π 2 Ω 2k c =π 2 DS EPS-San Pablo CEU 30
31 Muestreo de señales paso banda Reconstrucción de cada una de las componentes 0 t x[0]=x c [0 ]( ) 0 x[ ]=x s [ 0 ]( ) k+ x[2 ]=x c [ ]( ) x[3 ]=x s [ ]( ) +k+ =2 x[ 4]=x c [2 ]( ) 2 x[5 ]=x s [ 2 ]( ) 2+k+ (.56) x c [ m]=x [2m]( ) m x s [m ]=x [ 2m+ ]( ) m+k+ (.57) (.58) x c (t )= x c [m ]h r (t m') x s (t )= x s [m ]h r (t (m'+ )) (.59) m= m= DS EPS-San Pablo CEU 3
32 Muestreo de señales paso banda x(t )=x c (t )cosω c t x s (t )sinω c t= = (x c [m ]h r (t m')cosω c t x s [m ]h r (t (m'+ ))sinω c t )= m= = ( x[ 2m]( ) m h r (t m' )cosω c t x[ 2m+ ]( ) m+k+ h r (t (m'+ ))sinω c t )= m= = (x[ 2m]h r (t 2m )cosω c (t 2 m ) x[2m+]h r (t (2m+) ))cosω c (t (2m+) ))= m= = x[n ]h r (t n )cosω c (t n ) Suponiendo que Ω n= c +Ω N =k (2 Ω N ) (.60) cos(a+b)=cosacosb+ sinasinb Ω c =π 2k 2 [0.53,.58,.59] [.52] DS EPS-San Pablo CEU 32
33 Muestreo de señales paso banda X c ( jω ) B Supongamos que Ω c +Ω N =kb X c ( jω ) Ω c +Ω N Ω Supongamos que Ω c +Ω N kb (.6) 0 Ω c X c ( jω ) B' Ω c +Ω N Entonces k= Ω c +Ω N B (.62) 0 Ω c Ω c +Ω N Ω B'= 2 Ω N ' Ω c ' +Ω N ' = Ω c +Ω N k =kb' (.63) (.64) DS EPS-San Pablo CEU 33 2(2Ω N ) Ω s ' <4(2Ω N ) (.65)
34 Aplicaciones del Oversampling
35 Aplicaciones del oversampling: Filtros antialiasing x c (t ) x a (t ) x [n ] x d [n ] Antialiasing C/D LPF Gª= Corte= π M M H aa ( jω) X c ( jω ) = π M Ω N = M N 2 X (e jω ) Ω ω Ω N Ω N ω N ω N 2π X a ( jω) M X d (e jω ) Ω ω Ω N Ω N 2π DS EPS-San Pablo CEU 35
36 Aplicaciones del oversampling: Reducción del ruido de muestreo x a (t ) x [n ] x [n ] x d [n ] C/D Q(x) LPF Gª= Corte= π M M 2 X (e jω ) 2 = π M Ω N = M N 2 ω 2 X (e jω ) 2 σ e 2 = Δ2 2 ω ω N ω N 2π ω N ω N 2π ( M ) 2 X d (e jω ) 2 σ e 2 M ω E {x d2 [n] }=E {x 2 [n] } E {e d 2 [n]}= M E {e2 [n ]} 2π (.66,.67) DS EPS-San Pablo CEU 36
37 Aplicaciones del oversampling: Noise shaping x a (t ) C/D x [n] + + z Q(x) x [n ] LPF Gª= Corte= π M M x d [n ] π M Ω N = M N 2 = z x a (t ) C/D x [n] + + z e [n ] + x [n ] LPF Gª= Corte= π M M x d [n ] z DS EPS-San Pablo CEU 37
38 Aplicaciones del oversampling: Noise shaping x a (t ) C/D x [n] + + z e [n ] + x [n ] LPF Gª= Corte= π M M x d [n ] z (.68) (.69) (.7) X ( z)=( X (z ) z X ( z)) +E(z ) z X ( z)=x (z )+( z )E (z ) x [n ]=x [n ]+e[ n ] e[n ]=x [n ]+e'[n ] S e' (e jω )= e jω 2 σ e 2 = ( 2sin ω 2 ) 2 σ e 2 σ 2 2 e' =2σ e (.70) DS EPS-San Pablo CEU 38
39 ema Muestreo de señales continuas 3º Ingeniería Sistemas de elecomunicación EPS Univ. San Pablo CEU Oppenheim II (Cap. 4). Proakis (Cap. 9). Oppenheim I (Cap. 7)
40 Muestreo Periódico 2
41 Muestreo periódico Conversor C/D x c (t ) x s (t ) Conversión de tren x [n]=x c (n ) de impulsos en secuencia discreta s(t ) DS EPS-San Pablo CEU 3 Bibliografía: Opp 4. Problemas Opp: 4. 3
42 x c (t ) Representación del muestreo en el dominio de la frecuencia Dominio del tiempo Dominio de la frecuencia X c ( jω ) Ω N Ω N S( j Ω) Ω Applet: g/index.html s(t )= n= x s (t )= n= x [n ]=x c (n ) δ(t n ) x c (n )δ(t n ) Ω s 3 Ω s 2Ω s Ω s 0 0 Ω s 2Ω s 3 Ω s X s ( jω) Ω N Ω s Ω N X (e jω ) Ω Ω ω 6π 4π 2π 0 2π 4π 6π DS EPS-San Pablo CEU 4 Bibliografía: Opp 4.2 Problemas Opp: 4.7*, 4.0, 4. Problemas Pro:.5, 9.6 4
43 Representación del muestreo en el dominio de la frecuencia Dominio del tiempo x c (t ) s(t )= n= x s (t )= n= x [n ]=x c (n ) δ(t n ) x c (n )δ(t n ) Dominio de la frecuencia X c ( jω ) S( j Ω)=Ω s k= X (e jω )= n= δ(ω kω s ) Ω s = 2π x [n ]e jωn = x c (n )e jωn n= X s ( jω)= 2π X c ( jω) S( j Ω)= X c ( j(ω k Ω s ))= x c (n )e j Ω n k= n= (.) (.2) (.3) (.4) (.5) (.6) X (e jω )= X (e jω )=X s ( jω) k= X (e jω )= k= X c ( j( ω k 2π )) X c ( j(ω k Ω s )) ω= Ω DS EPS-San Pablo CEU 5 Bibliografía: Opp 4.2 Problemas Opp: 4.2*, 4.3*, 4,4*. 5
44 Aliasing Se produce aliasing cuando Ω N >Ω s Ω N X s ( jω) (.7) Ω DS EPS-San Pablo CEU 6 Bibliografía: Opp 4.2 6
45 Aliasing No aliasing Ω s Ω s 2 Ω s 2 Ω s Casi aliasing Ω s Ω s 2 Ω s 2 Ω s Aliasing y cambio de fase Ω s Ω s 2 Ω s 2 Ω s DS EPS-San Pablo CEU 7 Bibliografía: Opp 4.2 7
46 Filtro Anti-aliasing Conversor C/D x c (t ) H aa ( jω) x a (t ) x s (t ) Conversión de tren de impulsos en x [n]=x c (n ) secuencia discreta s(t ) H aa ( jω) Ω Ω s 2 Ω s 2 DS EPS-San Pablo CEU 8 Bibliografía: Opp 4.2 Problemas Opp: 4.5*, 4.8* 8
47 Reconstrucción de la señal Dominio del tiempo Dominio de la frecuencia X r ( j Ω) x r (t )=x s (t ) h r (t ) Ω H r ( j Ω) Ω N Ω N Ω x s (t )= n= x [n ] δ(t n ) Ω s 2 Ω s 2 Ω s 2 X s ( jω) Ω s 2 Ω x [n ]=x c (n ) X (e jω ) ω 6π 4π 2π π 0 π 2π 4π 6π DS EPS-San Pablo CEU 9 Bibliografía: Opp 4.3 9
48 Reconstrucción de la señal Conversor D/C x [n]=x c (n ) Conversión de secuencia discreta en tren de impulsos x s (t ) H r ( j Ω) x c (t ) s(t ) H r ( j Ω) Ω Ω s 2 Ω s 2 (.0) DS EPS-San Pablo CEU 0 Bibliografía: Opp 4.3 0
49 Reconstrucción de la señal Dominio del tiempo Dominio de la frecuencia x r (t )=x s (t ) h r (t )= n= x [n ]h r (t n ) (.) X r ( j Ω)=H r ( jω) X s ( jω)=h r ( jω) X (e jω ) (.2) h r (t )=sinc ( t ) x s (t )= n= x [n ]=x c (n ) x [n ] δ(t n ) (.3) X s ( jω)= x[n]e j Ω n =X (e j Ω ) n= (.4) [.3] (.5) X (e jω )= x [n]e jωn (.6) n= DS EPS-San Pablo CEU Bibliografía: Opp 4.3
50 Reconstrucción de la señal x r (t )=x s (t ) h r (t )= n= x [n ]h r (t n )= h r (t )=sinc ( t ) n= sen[ π (t n )/ ] x [n ] π (t n )/ DS EPS-San Pablo CEU 2 Bibliografía: Opp 4.3 Problemas Opp: 4.9 Problemas Pro: 9.2 2
51 eorema del muestreo (.7) Sea una señal x c (t ) limitada en ancho de banda cuya frecuencia máxima es f max. Entonces, esta señal se puede recuperar exactamente a partir de sus muestras tomadas a una frecuencia =f s 2f max mediante la función de interpolación h r (t )=sinc ( t.la fórmula correspondiente de ) interpolación es x r (t )=x s (t ) h r (t )= n= x [n]h r (t n ) DS EPS-San Pablo CEU 3 Bibliografía: Proakis, Pag 28 3
52 Cambio de la Frecuencia de Muestreo 4
53 Cambio de la frecuencia de muestreo x c (t ) C/D x [n ] D/C x c (t ) C/D x' [n ] ' x [n]=x(n ) x' [n]=x (n') DS EPS-San Pablo CEU 5 Bibliografía: Opp 4.6 5
54 x [n] Reducción de la frecuencia de muestreo M x d [n ]=x [nm ]=x c (nm ) '=M (.2) [.4] X (e jω )= X c ( j( ω k 2π )) r=i+km k= X d (e jω )= ' r= M = M i=0 X c ( j( ω 2π r ' ' ))= k= M r= X c ( j( ω M r 2π M ))= X c ( j( ω M k 2π i 2π M ))= M i=0 M X ( e j ( ω M 2πi M )) <k< 0 i M (.22) DS EPS-San Pablo CEU 6 Bibliografía: Opp 4.6 6
55 Reducción de la frecuencia de muestreo X (e jω ) 4π 2π 0 2π 4π X (e j ω2 ) 4π 0 4π X (e j ω 2 π ) 2π 2π 2 X d (e jω )= 2 X (e j ω2 )+ 2 X (e j( ω 2 π ) ) 4π 2π 0 2π 4π DS EPS-San Pablo CEU 7 Bibliografía: Opp 4.6 7
56 Reducción de la frecuencia de muestreo 2π 2π M 0 0 X (e jω ) ω N =Ω N X d (e jω ) 2π 2π ω' N =Ω N '=Mω N ω= Ω ω= Ω'=Ω M x [n ] LPF Gª= Corte= π M x [n] x d [n ]= x [nm ] M DS EPS-San Pablo CEU 8 Bibliografía: Opp 4.6 Problemas Opp: 4.9*, 4.4, 4.26, 4.36,
57 x [n ] Incremento de la frecuencia de muestreo L x i [n ]=x c (n/ L ) '= /L (.23) (.24) x e [n x [n/ L ] n= 0,±L,±2L,... ]={ 0 resto } = k= x [ k ]δ[ n kl] X e (e jω )= x[ k ]e jωkl =X (e jωl ) k= (.25) DS EPS-San Pablo CEU 9 Bibliografía: Opp 4.6 9
58 Incremento de la frecuencia de muestreo 2π 0 X (e jω ) ω N =Ω N X e (e jω ) 2π ω= Ω 2π π 0 π 2π ω= Ω'=Ω / L ω' N =Ω N '= ω N L x [n ] L x e [n ] LPF Gª=L Corte= π L x i [n ] DS EPS-San Pablo CEU 20 Bibliografía: Opp
59 Incremento de la frecuencia de muestreo x [n ] L x e [n ] LPF Gª=L Corte= π L x i [n ] h i [n ]=sinc( n L ) (.27) x i [n ]=x e [n ] h i [n]= x e [ kl]h i [ n kl] (.26) k= h i { [n]= n n <L L 0 resto } (.28) DS EPS-San Pablo CEU 2 Bibliografía: Opp 4.6 2
60 Cambio de la frecuencia de muestreo por un factor racional x c (t ) C/D x [n ] D/C x c (t ) C/D x' [n ] ' x [n]=x(n ) x' [n]=x (n') '= M L DS EPS-San Pablo CEU 22 Bibliografía: Opp
61 Cambio de la frecuencia de muestreo por un factor racional x [n] L LPF Gª=L Corte= π L LPF Gª= Corte= π M M x' [n ] x [n ] L LPF Gª=L Corte= min { π M, π L } M x' [n ] DS EPS-San Pablo CEU 23 Bibliografía: Opp 4.6 Problemas Opp: 4.6*, 4.7*, 4.8, 4.38*, 4.40*, 4.4, 4.42, 4.44, 4.5, 4.52, 4.53, 4.54, 4.55, 4.58, 4.59,
62 Procesado discreto de señales continuas 24
63 Procesado discreto de señales continuas x c (t ) x [n ] y [n ] C/D H (e jω ) D/C y c (t ) [.4] X (e jω )= [.2] X c ( j( ω k 2π )) Y (e jω )=H (e jω ) X (e jω ) Y c ( jω)=h r ( j Ω)Y (e jω ) k= Y c ( jω )=H eff ( jω )X c ( jω ) H eff ( jω )={ H (e j Ω ) Ω <π (.8) H 0 resto } (e jω )=H eff ( j ω ) ω : ω <π (.9) Invarianza de la respuesta al impulso h[ n ]=h eff (n ) (.20) [.4] DS EPS-San Pablo CEU 25 Bibliografía: Opp
64 Ejemplo: Procesado discreto de señales continuas y c (t )= dx c (t ) dt Im {H c ( jω)} Ω H c ( jω)=j Ω H eff ( jω )={ jω Ω <π 0 resto } π Im {H eff ( j Ω)} π π Ω H (e jω )=j ω ω: ω <π π Im {H (e jω )} [0.25] 0 n=0 h[ cosπn n]={ n n 0} π π π ω π DS EPS-San Pablo CEU 26 Bibliografía: Opp
65 Ejemplo: Procesado discreto de señales continuas H c ( jω)=h eff ( jω)={ Ω <Ω c :Ω c <π 0 resto } h(t )= Ω c π sinc ( Ω c π t ) h[ n]=h(n )= Ω c π sinc ( Ω c π n ) = ω c π sinc ( ω c π n ) H (e )={ jω ω <ω c :ω c <π 0 resto } [.] ω c =Ω c π ω<π Ω c ω c H c ( jω) Ω c H (e jω ) ω c Ω ω DS EPS-San Pablo CEU 27 Bibliografía: Opp 4.4 Problemas Opp: 4.2, 4.3, 4.20*, 4.22, 4.23, 4.24*, 4.25, 4.28*, 4.30, 4.3, 4.32, 4.33, 4.34, 4.35, 4.37, 4.45, 4.49 Problemas Pro: 9.4,
66 Muestreo de señales paso banda DS EPS-San Pablo CEU 28 28
67 Muestreo de señales paso banda X c ( jω ) Ω Ω c 0 Ω c Ω c Ω N Ω c +Ω N Ω s 2(Ω c +Ω N )!! Solución: Muestrear el equivalente paso bajo [0.53] x(t )=x c (t )cosω c t x s (t )sinω c t Supongamos que Ω c +Ω N =k (2 Ω N ) Ω s =2(2Ω N ) El ancho de banda de la señal equivalente paso bajo es Ω N. La idea es muestrear la componente en fase y en cuadratura por separado (.52) (.53) Nyquist DS EPS-San Pablo CEU 29 Bibliografía: Proakis 9. Hacer aquí Opp
68 Muestreo de señales paso banda [0.53] (.54) x(t )=x c (t )cosω c t x s (t )sinω c t x[n]=x (n )=x c (n )cosω c n x s (n )sinω c n= =x c (n )cos ( πn 2k 2 ) x s (n )sin 2k ( πn 2 ) = = x ( m')( ) n= 2m = 0 m c k+ m ( ) xs ( m' )( ) n 2m m=0 m=0 m= m= m=2 m=2 =2 Ω ' s =2Ω N (.55) t Ω c +Ω N =k (2Ω N ) Ω s =2(2 Ω N )= 2π [.52,.53] Ω c +Ω N =k (2 Ω N ) Ω N = Ω c 2k Ω s =2(2 Ω N )= 2π Ω N = π 2 Ω c 2k = π 2 Ω 2k c =π 2 DS EPS-San Pablo CEU 30 Bibliografía: Proakis 9. 30
69 Muestreo de señales paso banda Reconstrucción de cada una de las componentes 0 t x[0]=x c [0]( ) 0 x[ ]=x s [ 0 ]( ) k+ x[2 ]=x c [ ]( ) x[3 ]=x s [ ]( ) +k+ =2 x[ 4 ]=x c [2 ]( ) 2 x [5 ]=x s [ 2 ]( ) 2+k+ (.56) x c [ m]=x [2m]( ) m x s [m ]=x [ 2m+ ]( ) m+k+ (.57) (.58) x c (t )= x c [m ]h r (t m' ) x s (t )= x s [m ]h r (t (m'+ )) (.59) m= m= DS EPS-San Pablo CEU 3 Bibliografía: Proakis 9. 3
70 Muestreo de señales paso banda x(t )=x c (t )cosω c t x s (t )sinω c t= = m= (x c [m ]h r (t m')cosω c t x s [m ]h r (t (m'+ ))sin Ω c t )= = ( x[ 2m]( ) m h r (t m')cosω c t x [ 2m+]( ) m+k+ h r (t (m'+ ))sinω c t )= m= = m= = n= (x[ 2m]h r (t 2m )cosω c (t 2 m ) x[2m+]h r (t (2m+) ))cosω c (t (2m+) ))= x [n ]h r (t n )cosω c (t n ) Suponiendo que Ω c +Ω N =k (2 Ω N ) (.60) cos(a+b)=cos acosb+ sina sinb 2k Ω c =π 2 [0.53,.58,.59] [.52] DS EPS-San Pablo CEU 32 Bibliografía: Proakis 9. 32
71 Muestreo de señales paso banda X c ( jω ) B Supongamos que Ω c +Ω N =kb X c ( jω ) Ω c +Ω N Ω 0 Ω c Ω c +Ω N B' Ω X c ( jω ) 0 Ω c Ω c +Ω N Supongamos que Entonces Ω c +Ω N kb k= Ω +Ω c N B B'=2 Ω N ' = Ω c +Ω N k Ω ' ' c +Ω N =kb' (.6) (.62) (.63) (.64) DS EPS-San Pablo CEU 33 2(2 Ω N ) Ω s ' <4(2Ω N ) (.65) Bibliografía: Proakis 9. Problemas Pro: 9., 9.2, 9.3,
72 Aplicaciones del Oversampling 34
73 Aplicaciones del oversampling: Filtros antialiasing x c (t ) x a (t ) x [n] x d [n ] Antialiasing C/D LPF Gª= Corte= π M M H aa ( jω) X c ( jω ) = π M = N Ω N M 2 X (e jω ) Ω ω Ω N Ω N ω N ω N 2π X a ( jω) M X d (e jω ) Ω ω Ω N Ω N 2π DS EPS-San Pablo CEU 35 Bibliografía: Opp
74 Aplicaciones del oversampling: Reducción del ruido de muestreo x a (t ) C/D x [n ] Q(x) x [n] LPF Gª= Corte= π M M x d [n ] 2 X (e jω ) 2 = π M = N Ω N M 2 ω 2 X (e jω ) 2 σ e 2 = Δ2 2 ω ω N ω N 2π ω N ω N 2π ( M ) 2 X d (e jω ) 2 2π σ e 2 M ω E {x d2 [n] }=E {x 2 [n] } E {e d 2 [n ]}= M E {e2 [n]} (.66,.67) DS EPS-San Pablo CEU 36 Bibliografía: Opp
75 x a (t ) Aplicaciones del oversampling: Noise shaping C/D x [n ] + + z Q(x) x [n] LPF Gª= Corte= π M M x d [n ] π = N M Ω N M 2 = z x a (t ) C/D x [n ] + + z e [n ] + x [n] LPF Gª= Corte= π M M x d [n ] z DS EPS-San Pablo CEU 37 Bibliografía: Opp
76 x a (t ) Aplicaciones del oversampling: Noise shaping C/D x [n ] + + z e [n ] + x [n] LPF Gª= Corte= π M M x d [n ] z (.68) (.69) (.7) X ( z)=( X (z ) z X ( z)) +E(z ) z X ( z)=x (z )+( z )E (z ) x[n ]=x [n ]+e[ n ] e[n ]=x [n ]+e'[n ] S e' (e jω )= e jω 2 σ e 2 = ( 2sin ω 2 ) 2 σ e 2 σ 2 2 e' =2σ e (.70) DS EPS-San Pablo CEU 38 Bibliografía: Opp 4.9 Problemas Opp: 4.6, 4.62 Problemas Pro:
. Cómo es la gráfica de z[n]?
UNIVERSIDAD INDUSTRIAL DE SANTANDER Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones - E³T Perfecta combinación entre energía e intelecto TRATAMIENTO DE SEÑALES Actividades de Clase:
Más detallesMuestreo e interpolación
Muestreo e interpolación Dr. Ing. Leonardo Rey Vega Señales y Sistemas (66.74 y 86.05) Facultad de Ingeniería Universidad de Buenos Aires Agosto 2013 Señales y Sistemas (66.74 y 86.05) Muestreo e interpolación
Más detallesMuestreo y Reconstrucción de
Capítulo 2 Muestreo y Reconstrucción de Señales 2.1. Introducción Muchas de las señales de interés práctico proceden de fenómenos físicos que son continuos y por tanto las señales que generan son analógicas.
Más detallesIntroducción al diseño de filtros digitales
Capítulo 6 Introducción al diseño de filtros digitales 6. Causalidad y sus implicaciones Sea hn la respuesta impulsional de un filtro paso bajo ideal con respuesta en frecuencia { ω ωc Hω = 0 ω C < ω
Más detallesTratamiento Digital de Señales. Capítulo 2. Muestreo y Reconstrucción de Señales. Septiembre, 2010
ratamiento Digital y José Sáez Lante Departamento eoría la Señal y Comunicaciones Universidad Alcalá Septiembre, 2010 Objetivos Entenr los procesos implicados en la conversión ADC y DAC. Entenr el procedimiento
Más detallesRepresentación de señales y sistemas en el dominio de la frecuencia
Representación de señales y sistemas en el dominio de la frecuencia Modulación y Procesamiento de Señales Ernesto López Pablo Zinemanas, Mauricio Ramos {pzinemanas, mramos}@fing.edu.uy Centro Universitario
Más detallesPreguntas IE TEC. Total de Puntos: 47 Puntos obtenidos: Porcentaje: Nota:
IE TEC Nombre: Instituto Tecnológico de Costa Rica Escuela de Ingeniería en Electrónica EL-5805 Procesamiento Digital de Señales Profesor: Dr. Pablo Alvarado Moya II Semestre, 2010 Examen Final Total de
Más detallesSistemas Lineales. Tema 7. Problemas
Sistemas Lineales ema 7. Problemas. Se sabe que una señal de valor real x(t) ha sido determinada sólo por sus muestras cuando la frecuencia de muestreo es s = 0 4 π. Para qué valores de se garantiza que
Más detallesD. REALIZACIÓN DE LA PRÁCTICA Y PRESENTACIÓN DE RESULTADOS
22 Laboratorio de Tratamiento Digital de Señales D. REALIZACIÓN DE LA PRÁCTICA Y PRESENTACIÓN DE RESULTADOS 1. DISEÑO DE FILTROS IIR 1.1 Diseño de filtros IIR empleando prototipos analógicos En este apartado
Más detallesConversión Analógica-a-Digital
Conversión Analógica-a-Digital OBJEIVOS: Comprender la conversión de señales analógicas a digitales, analizando las modificaciones que se producen con este proceso. Fundamentalmente, las "réplicas" en
Más detallesSistemas Lineales. Problemas de Muestreo (V2.0)
Sistemas Lineales Problemas de Muestreo (V2.0). Una señal continua x(t) se obtiene a la salida de un filtro pasobajo ideal con frecuencia de corte c = 000π. Si el muestreo con tren de impulsos se realiza
Más detallesTeoría de la Comunicación
Teoría de la Comunicación Enero 2009 Realice cada ejercicio en hojas separadas. No se permite uso de teléfono móvil. Escriba su nombre en todas las hojas. Indique claramente el apartado al que está respondiendo.
Más detallesConversión Análoga - Digital
Conversión Análoga - Digital ELO 313 Procesamiento Digital de Señales con Aplicaciones Primer semestre - 2012 Matías Zañartu, Ph.D. Departamento de Electrónica Universidad Técnica Federico Santa María
Más detallesControladores de Potencia Controlador DC DC
Controlador DC DC Prof. Alexander Bueno M. 18 de noviembre de 2011 USB Aspectos Generales Los controladores DC - DC tiene como anlidad suministrar tensión y corriente continua variable a partir de una
Más detalles2.1 Sistemas discretos en tiempo. 2.1.1 Sistemas lineales. 2.1.2 Sistemas invariantes en tiempo
2.1 stemas discretos en tiempo Un sistema discreto en el tiempo se define matemáticamente como la transformación o el operador que traza una secuencia de entrada con valores x[n], en una secuencia de salida
Más detallesUNIVERSIDAD DE VALLADOLID ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN PROYECTO FIN DE CARRERA
UNIVERSIDAD DE VALLADOLID ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN PROYECTO FIN DE CARRERA SISTEMA DE LOCALIZACIÓN ACTIVO POR SONIDO EN TIEMPO REAL AUTOR: MARCOS MARTÍN FERNÁNDEZ TUTOR:
Más detallesTratamiento Digital de la Señal
Departamento de Comunicaciones-UPV Tratamiento Digital de la Señal Teoría y Aplicaciones Antonio Albiol Valery Naranjo Josep Prades Índice 1. Muestreo 1 1.1. Introducción.............................
Más detallesSistemas de Medida Electronicos: Medicion de Variables Mecanicas y Fisico-Quimicas
Sistemas de Medida Electronicos: Medicion de Variables Mecanicas y Fisico-Quimicas Universidad Tecnológica de Pereira Pereira, 15 de Diciembre de 2010 Juan David Vasquez Jaramillo. Ingeniero Electronico,
Más detallesSeñales y Sistemas II
1 Señales y Sistemas II Módulo IV: La Teoría de Muestreo Contenido de este módulo 2 1.- Representación discreta de señales continuas 2.- Muestreo, reconstrucción y aliasing 3.- Consideraciones prácticas
Más detallesCapítulo 7 Modulación de Pulsos
237 Capítulo 7 Modulación de Pulsos Introducción Las modulaciones de amplitud, frecuencia y fase tratadas en los capítulos anteriores se designan genéricamente como modulaciones de onda continua, en que
Más detalles2. Muestreo y recuperación de imágenes en el dominio de la frecuencia.
Muestreo y recuperación de imágenes en el dominio de la frecuencia 2. Muestreo y recuperación de imágenes en el dominio de la frecuencia. 2.1. Muestreo de señales analógicas unidimensionales Cuando queremos
Más detallesEquipos generadores de señal. - Introducción - Generadores de función analógicos - Generadores de función digitales: DDS y AWG
- Introducción - Generadores de función analógicos - : DDS y AWG Introducción Los generadores de función también se denominan sintetizadores de función o multifunción y pueden generar distintas formas
Más detallesMuestreo de señales en tiempo continuo
Muestreo de señales en tiempo continuo Modulación y Procesamiento de Señales Ernesto López Pablo Zinemanas, Mauricio Ramos {pzinemanas, mramos}@fing.edu.uy Centro Universitario Regional Este Sede Rocha
Más detalles1. Características básicas de emisores y receptores
1. Características básicas de emisores y receptores 1.1 Comunicaciones RF El esquema más general de un sistema de comunicaciones es el de la figura 1.1 Emisor Canal Receptor Fig. 1.1 Sistema de comunicaciones
Más detallesTeoría de señales SEÑALES ELECTROFISIOLÓGICAS. Wednesday, September 12, 12
Teoría de señales SEÑALES ELECTROFISIOLÓGICAS Señales Concepto: Señales Concepto: Las$señales$son$magnitudes$0sicas$o$variables$ detectables$mediante$las$que$se$pueden$transmi7r$ mensajes$o$información.
Más detallesUn filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i.
Filtros Digitales Un filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i. En electrónica, ciencias computacionales y matemáticas, un filtro
Más detallesTema 8: Análisis Discriminante. Clasificación. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. Análisis discriminante
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Análisis discriminante Tema 8: Análisis Discriminante y Clasificación Aurea
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-006 PRACTICA 3: OSCILACIONES AMORTIGUADAS 1. OBJETIVO Estudio de un sistema masa-resorte con viscoso. a) Resolución de la ecuación diferencial del
Más detallesProcesos Estacionarios. Francisco J. González Serrano. Universidad Carlos III de Madrid
PREDICCIÓN DE SEÑALES Procesos Estacionarios Francisco J. González Serrano Universidad Carlos III de Madrid Procesos Estacionarios A la hora de hacer predicciones parece obvio suponer que algo debe permanecer
Más detallesSISTEMAS LINEALES. Tema 5. Muestreo
SISTEMAS LINEALES Tema. Muestreo 2 de noviembre de 2010 F. JAVIER ACEVEDO javier.acevedo@uah.es TEMA Contenidos. Definición de muestreo Muestreo ideal Teorema de Nyquist Muestreo Instantáneo Muestreo de
Más detallesSISTEMAS ELECTRÓNICOS DE COMUNICACIÓN
SISTEMAS ELECTRÓNICOS DE COMUNICACIÓN PROBLEMAS Curso 2006-2007 Eugenio García Moreno 1. GENERALIDADES SOBRE EMISORES Y RECEPTORES (Jun.94) 1. Un receptor superheterodino, que cubre el rango de frecuencias
Más detallesTEMA 1 Introducción. Definiciones básicas
DEPARTAMENTO DE TEORÍA DE LA SEÑAL Y COMUNICACIONES ANÁLISIS Y SÍNTESIS DE CIRCUITOS TEMA Introducción. Definiciones básicas ÍNDICE.-Introducción.....-Definición de filtro.....-efectos del filtrado....3.-tipos
Más detallesLección 3: Formato y Modulación en Banda Base. Parte I
Lección 3: Formato y Modulación en Banda Base. Parte I Gianluca Cornetta, Ph.D. Dep. de Ingeniería de Sistemas de Información y Telecomunicación Universidad San Pablo-CEU Contenido Sistemas en Banda Base
Más detallesAnálisis Espectral 1: Transformada Corta de Fourier y Ventanas
Análisis Espectral : Transformada Corta de Fourier y Ventanas Juan-Pablo Cáceres CCRMA Stanford University Agosto, 7 Contenidos Análisis de Señales de la Vida Real Windowing Transformada Corta de Fourier
Más detallesFundamentos de procesamiento digital de señales (Tema 1)
Fundamentos de procesamiento digital de señales (Tema ) A. J. Zozaya Instituto Espacial Ecuatoriano (IEE), Escuela Politécnica Nacional (EPN) Quito, 206 A. J. Zozaya (iee/epn) SaR Quito, 206 / 39 Contenido
Más detallesProblemas de Variable Compleja. Soluciones. Hoja 4
Problemas de Variable Compleja. Soluciones. Hoja 4 Ejercicio.- Sobre la circunferencia C(0, /r) se verifica que Sea N N tal que para todo n N max{ e ( +! min{ e : = /r} = e /r. +... + n n! } : = r }
Más detallesClases 8 y 9: Detección de una señal con ruido. Eytan Modiano. Departamento de aeronáutica y astronáutica
Clases 8 y 9: Detección de una señal con ruido Departamento de aeronáutica y astronáutica Slide 1 Ruido en los sistemas de comunicación S(t) Canal r(t) r(t) = S(t) + n(t) n(t) El ruido es la señal adicional
Más detallesICTP Latin-American Advanced Course on FPGADesign for Scientific Instrumentation. 19 November - 7 December, 2012.
2384-21 ICTP Latin-American Advanced Course on FPGADesign for Scientific Instrumentation 19 ovember - 7 December, 2012 Transformada Z COSTA Diego Esteban Laboratorio de Electronica, Investigacion y Servicios
Más detallesComunicaciones Digitales: Proceso de Conversión A/D
Comunicaciones Digitales: Proceso de Conversión A/D Señales Representación de fenómenos físicos CLIMA (Temperatura, Humedad, etc.) Sonido (Presión en un punto 3D) Grabación de Audio (Flujo Magnético) Fotografía
Más detallesREDES DE COMUNICACIONES INDUSTRIALES 2º semestre 2006-2007. Nuria Oliva Alonso
REDES DE COMUNICACIONES INDUSTRIALES 2º semestre 2006-2007 Nuria Oliva Alonso CALENDARIO Y TEMAS U.D.1: 6 temas : 4 tutorías U.D.2: 6 temas : 4 tutorías U.D.3: 6 temas : 4 tutorías 1 tutorías de repaso
Más detallesTeoría de Sistemas y Señales
Universidad Nacional de Rosario Facultad de Ciencias Exactas, Ingeniería y Agrimensura Escuela de Ingeniería Electrónica Teoría de Sistemas y Señales Trabajo Práctico Nº 3 Análisis Frecuencial de Señales
Más detallesInstrumentación Electrónica
Instrumentación Electrónica Tema 2: Sistemas de adquisición de datos Índice Objetivos Estructuras y dispositivos utilizados Fundamentos del muestreo de señales y discretización de amplitudes Muestreo de
Más detallesIntroducción a la Visión por Computadora
Instituto Tecnológico de La Paz Maestría en Sistemas Computacionales Introducción a la Visión por Computadora Dr. Alejandro Israel Barranco Gutiérrez 13 de enero de 2014 Definiciones Computer Vision =
Más detallesSOLUCIONES TEMA 1. Ejercicio 1
Ejercicio SOLUCIONES EMA a) En el dominio temporal, p[n] = pn ) = δ[n]. Aunque con esto bastaría para demostrarlo, y es la opción más sencilla en este caso, también se puede ver en el dominio frecuencial
Más detalles5 Demostrar cada una de las siguientes afirmaciones empleando la definición de
Hallar el dominio de las siguientes funciones: x 3 a) x +ln(x ) b) ln x + 6 x + c) x x d) ln x x + e) cos x + ln(x 5π) + 8π x Graficar la función sen(x π ). Hallar para que valores de x es 3 Hallar las
Más detallesInstituto Tecnológico de Massachussets Departamento de Ingeniería Eléctrica e Informática. 6.002 Circuitos electrónicos Otoño 2000
Instituto Tecnológico de Massachussets Departamento de Ingeniería Eléctrica e Informática 6.002 Circuitos electrónicos Otoño 2000 Tarea para casa 11 Boletín F00-057 Fecha de entrega: 6/12/00 Introducción
Más detallesLaboratorio Amplificador Operacional
Objetivos Laboratorio Amplificador Operacional Medir las características más importantes de un amplificador operacional en lazo abierto y lazo cerrado. Textos de Referencia Principios de Electrónica, Cap.
Más detallesADALINE Y PERCEPTRON
Tema 3: Adaline y Perceptron Sistemas Conexionistas 1 ADALINE Y PERCEPTRON 1. Adaline 1.1. Características. 1.. Regla de Aprendizaje (LMS). Regla Delta. 1.3. Aplicaciones. 1.3.1. Clasificación de vectores.
Más detallesSECO 2014-II. Félix Monasterio-Huelin y Álvaro Gutiérrez. 6 de marzo de 2014. Índice 33. Índice de Figuras. Índice de Tablas 34
SECO 2014-II Félix Monaterio-Huelin y Álvaro Gutiérre 6 de maro de 2014 Índice Índice 33 Índice de Figura 33 Índice de Tabla 34 12.Muetreador ideal y relación entre y 35 13.Muetreo de Sitema en erie 38
Más detallesConceptos de Señales
Conceptos de Señales ELO 313 Procesamiento Digital de Señales con Aplicaciones Primer semestre - 2012 Matías Zañartu, Ph.D. Departamento de Electrónica Universidad Técnica Federico Santa María Conceptos
Más detallesTRANSMISION DIGITAL. PCM, Modulación por Codificación de Pulsos
MODULACIÓN TRANSMISION DIGITAL La amplia naturaleza de las señales analógicas es evidente, cualquier forma de onda está disponible con toda seguridad en el ámbito analógico, nos encontramos con una onda
Más detallesSíntesis y Reconocimiento de Voz Facultad de Ingeniería Eléctrica
Síntesis y Reconocimiento de Voz Facultad de Ingeniería Eléctrica Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más detalles(a) El triángulo dado se descompone en tres segmentos de recta que parametrizamos de la siguiente forma: (0 t 1); y = 0. { x = 1 t y = t. (0 t 1).
INTEGRALES DE LÍNEA. 15. alcular las siguientes integrales: (a) (x + y) ds donde es el borde del triángulo con vértices (, ), (1, ), (, 1). (b) x + y ds donde es la circunferencia x + y ax (a > ). (a)
Más detallesConversión Analógico/Digital
Capítulo 2 Conversión Analógico/Digital 2.1 Introducción Un Convertidor Analógico-Digital (CA/D) es un circuito electrónico que transforma una señal continua en el tiempo y en amplitud (señal analógica)
Más detallesSEÑALES, SISTEMAS Y CONVOLUCION SEÑALES
SEÑALES, SISTEMAS Y CONVOLUCION SEÑALES Las señales se procesan para extraer información útil (Procesamiento de Señales) En este curso trataremos señales unidimensionales que poseen como variable independiente
Más detallesMétodos Numéricos Grado en Ingeniería Informática Univ. Tema de Las 7 Interpolación Palmas de G.C. de funciones 1 / 42II
Métodos Numéricos Grado en Ingeniería Informática Tema 7 Interpolación de funciones II Luis Alvarez León Univ. de Las Palmas de G.C. Métodos Numéricos Grado en Ingeniería Informática Univ. Tema de Las
Más detallesMuestreo y Procesamiento Digital
Muestreo y Procesamiento Digital Práctico 5 Muestreo de señales de tiempo continuo Cada ejercicio comienza con un símbolo el cual indica su dificultad de acuerdo a la siguiente escala: básico, medio, avanzado,
Más detallesIntroducción a la Teoría del Procesamiento Digital de Señales de Audio
Introducción a la Teoría del Procesamiento Digital de Señales de Audio Transformada de Fourier Discreta Resumen Propiedades de la Transformada de Fourier Linealidad Comportamiento de la fase Naturaleza
Más detallesFunciones de varias variables reales
Capítulo 6 Funciones de varias variables reales 6.1. Introducción En muchas situaciones habituales aparecen funciones de dos o más variables, por ejemplo: w = F D (Trabajo realizado por una fuerza) V =
Más detallesCONTROL DIGITAL DE FUENTES DE ALIMENTACIÓN
Universidad Autónoma de Madrid Escuela politécnica superior Proyecto fin de carrera CONTROL DIGITAL DE FUENTES DE ALIMENTACIÓN Ingeniería de Telecomunicación Alejandro García Talón Abril 2009 Resumen
Más detallesConceptos de señales y sistemas
Conceptos de señales y sistemas Marta Ruiz Costa-jussà Helenca Duxans Barrobés PID_00188064 CC-BY-NC-ND PID_00188064 Conceptos de señales y sistemas Los textos e imágenes publicados en esta obra están
Más detallesFundamentos de audio digital
Fundamentos de audio digital Seminario de Audio 2005 Ernesto López Martín Rocamora Sistemas de audio digital Pilares de la digitalización: Muestreo Cuantización Tipos fundamentales de distorsión: Presencia
Más detallesAnálisis de Sistemas Lineales: segunda parte
UCV, Facultad de Ingeniería, Escuela de Ingeniería Eléctrica. Análisis de Sistemas Lineales: segunda parte Ebert Brea 7 de marzo de 204 Contenido. Análisis de sistemas en el plano S 2. Análisis de sistemas
Más detallesTratamiento Digital de Señales TEMA 2 : DFT (I)
Tratamiento Digital de Señales TEMA 2 : DFT (I) Universidade de Vigo ETSE Telecomunicación CONTENIDOS 1. Repaso de conceptos asociados con la TF 2. Formulación de la DFT 3. Propiedades de la DFT 4. Métodos
Más detallesCAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas
CAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas Introducción En la economía, la variación de alguna cantidad con respecto a otra puede ser descrita por un concepto promedio o por un concepto
Más detalles4.7 Igualación de canal (no ciega)
4.7 Igualación de canal (no ciega) Introducción Clasificaciones Estructuras de Igualación Igualación de secuencias Igualación símbolo a símbolo Igualación como clasificación Igualación adaptativa Modo
Más detallesCapítulo 4. R a. R b -15 V R 3 R P R 4. v Z. Palabras clave: termopar tipo T, compensación de la unión de referencia, termómetro, AD590.
5//8 Senore generadore y u acondicionadore apítulo Nota: La ecuacione, figura y problema citado en el dearrollo de lo problema de ete capítulo que no contengan W en u referencia correponden al libro impreo.
Más detallesConvertidor ADC de tipo Flash. Es el ADC más rápido. Se supone que las 4 resistencias son de igual valor. Vref es constante.
Convertidor ADC de tipo Flash Es el ADC más rápido. Se supone que las 4 resistencias son de igual valor. Vref es constante. Ve es la señal analógica de entrada. N es la salida digital de 2 bits. Los valores
Más detallesTEMA 2. MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 1 / 43 N 1. A j [n] φ j (t nt)
EMA 2 MODULACIONES DIGIALES: LINEALES, DE FASE Y FRECUENCIA MMC UC3M) Comunicaciones Digitales Modulaciones Lineales 1 / 43 Modulaciones lineales Modulación lineal en espacio multidimensional N) st) =
Más detallesAnálisis de Señales Curso Teorema del muestreo Conversión A/D
Análisis de Señales Curso 2011 Teorema del muestreo Conversión A/D Muestreo Muestreo con tren de impulsos p(t) x(t) x p (t) x(0) x(t) x(t) x p (t) t 1 p(t) 0 0 t T x p ( t) = x( t) p( t) + n= p ( t) =
Más detallesFiltros Espejo en Cuadratura (QMF: Quadrature Mirror Filters) Filtros Espejo en Cuadratura (QMF: Quadrature Mirror Filters)
Filtros Espejo en Cuadratura (QMF: Quadrature Mirror Filters) Autor: Juan Carlos Gómez Presentación basada en las siguientes Referencias: [] Proakis, J. G. & Manolakis, D. G.. Tratamiento digital de señales
Más detallesAnexo 3.1 Respuesta en Frecuencia: Filtros
ELC-333 Teoría de Control Anexo 3. : Filtros Prof. Francisco M. Gonzalez-Longatt fglongatt@ieee.org http://www.giaelec.org/fglongatt/sp.htm . Filtros Se denomina filtro a un circuito sensible a la frecuencia
Más detallesTeoría de la Comunicación. a) Si X es una variable aleatoria con una distribución uniforme en el intervalo [ 2, 2], calcule las probabilidades
.6. Ejercicios Ejercicio.1 Se tiene una variable aleatoria X. a) Si X es una variable aleatoria con una distribución uniforme en el intervalo [, ], calcule las probabilidades i) P (X >1) ii) P (X > 1)
Más detallesTema 5: Diferenciabilidad: Aplicaciones
Prof. Susana López 1 UniversidadAuónomadeMadrid Tema 5: Diferenciabilidad: Aplicaciones 1 Funciones compuesas y Regla de la cadena Recordemos que la regla de la cadena para funciones de una sola variable
Más detallesAnálisis de Fourier. Análisis de Fourier. F. Javier Cara ETSII-UPM. Curso 2012-2013
F. Javier Cara ETSII-UPM Curso 1-13 1 Contenido periódicas. Serie de Fourier. periódicas. Serie de Fourier compleja Espectro no periódicas. Serie de Fourier. no periódicas. Transformada de Fourier. Catalogo
Más detallesTransformada Discreta de Fourier.
Transformada Discreta de Fourier. Hasta ahora se ha visto Importancia de la respuesta en frecuencia de un sistema Transformada de Fourier de una señal discreta Tenemos otra forma de caracterizar los sistemas
Más detalles- Tecnología que permite la distribución de RF modulando la portadora transmitida desde una estación base.
- Tecnología que permite la distribución de RF modulando la portadora transmitida desde una estación base. - Normalmente se utiliza en sistemas cuyo acceso es la naturaleza inalámbrica. - Sus características
Más detallesSistemas y Circuitos
Sistemas y Circuitos Práctica 4: Circuitos Analógicos Curso Académico 09/10 Objetivos En esta práctica el alumno aprenderá a calcular impedancias equivalentes analizar filtros de primer orden Normas La
Más detallesFormulario. sinc(x) = sin(πx) πx Relación entre senoidales y exponenciales complejas
1 1.1. Repaso matemático Formulario z = x + jy = x 2 + y 2 e jθ = me jθ = m(cos(θ) + j sin(θ)); θ = arctan x y b a e f f = e f(b) e f(a) sinc(x) = sin(πx) πx N 1 n=0 α n = N α = 1 1 α N 1 α α 1 b a δ(x)f(x)dx
Más detalles1. Suma y producto de polinomios. Propiedades
ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Resumen teoría Prof. Alcón 1. Suma y producto de polinomios. Propiedades Sea (A, +,.) un anillo conmutativo. Llamamos polinomio en una indeterminada x con coeficientes
Más detallesProblemas de Control e Instrumentación de Procesos Químicos 4º curso de Ingeniería Química
Problemas de Control e Instrumentación de Procesos Químicos 4º curso de Ingeniería Química Problema 3 En la Fig. se pude ver un proceso al que entra una corriente manipulable A y otra corriente no manipulable.
Más detallesMuestreo y reconstrucción de señales
Muestreo y reconstrucción de señales Tema 8 Muestreo En esta operación se obtiene una secuencia de valores a partir de una señal analógica. x(t) {x k } T x k = x(kt) 2 Muestreo. Ejemplo Señal analógica
Más detallesLA ACÚSTICA EN EL DOMINIO DE LA FRECUENCIA
LA ACÚSTICA EN EL DOMINIO DE LA FRECUENCIA Casado García, Mario Enrique Escuela de Ingenierías. Edificio Tecnológico Campus de Vegazana, s/n 24071 León España Tel: 644420130 E-Mail: mecg@mecg.es RESUMEN
Más detallesTransformada Z. Diego Milone. Muestreo y Procesamiento Digital Ingeniería Informática FICH-UNL
Transformada Z Diego Milone Muestreo y Procesamiento Digital Ingeniería Informática FICH-UNL 26 de abril de 2012 Organización de la clase Introducción Revisión: transformada de Laplace Motivación de la
Más detallesCapítulo 4: Cuerpos Rígidos
Capítulo 4: Cuerpos Rígidos Un problema muy interesante es el problema de los cuerpos rígidos en los cuales tenemos un numero muy grande de restricciones (infinito en general) que dan origen a solo 6 variables
Más detallesLos sistemas de comunicaciones digitales
Los sistemas de comunicaciones digitales Pere Martí i Puig PID_00185390 CC-BY-SA PID_00185390 Los sistemas de comunicaciones digitales Los textos e imágenes publicados en esta obra están sujetos excepto
Más detallesCircuitos de Corriente Alterna
Capítulo 6 Circuitos de Corriente Alterna Fuentes de CA Voltaje máximo o amplitud frecuencia angular Símbolo Resistores en un circuito de CA Corriente y voltaje alcanzan valores máximos en el mismo instante
Más detallesLOS ANALIZADORES DE ESPECTROS. Ing. Rene Taquire Profesor Aux. TC.
LOS ANALIZADORES DE ESPECTROS Ing. Rene Taquire Proesor Aux. TC. OBJETIVOS: En este tema vamos a abordar el estudio de los equipos que analizan la señal en el dominio de la recuencia, en concreto de los
Más detallesExponer las relaciones de la transformada de Fourier con las señales y los sistemas que las generan.
Análisis de Fourier Objetivo Exponer las relaciones de la transformada de Fourier con las señales y los sistemas que las generan. Interpretar el significado físico de la Transformada de Fourier y sus propiedades.
Más detallesProcesamiento de Señales Digitales
Procesamiento de Señales Digitales La IEEE* Transactions on Signal Processing establece que el término señal incluye audio, video, voz, imagen, comunicación, geofísica, sonar, radar, médica y señales musicales.
Más detallesCapítulo 6 Filtrado en el Dominio de la Frecuencia
Capítulo 6 Filtrado en el Dominio de la Frecuencia...39 6. Método en el Dominio de la Frecuencia...39 6. Filtros Espaciales en la frecuencia...40 6.. Convolución Lineal y la Transformada Discreta de Fourier...45
Más detallesSEÑALES Y ESPECTROS SEÑALES Y ESPECTROS 1
SEÑALES Y ESPECTROS INTRODUCCIÓN. TERMINOLOGÍA USADA EN TRANSMISIÓN DE DATOS. FRECUENCIA, ESPECTRO Y ANCHO DE BANDA. DESARROLLO EN SERIE DE FOURIER PARA SEÑALES PERIÓDICAS. TRANSFORMADA DE FOURIER PARA
Más detalles3. LA DFT Y FFT PARA EL ANÁLISIS FRECUENCIAL. Una de las herramientas más útiles para el análisis y diseño de sistemas LIT (lineales e
3. LA DFT Y FFT PARA EL AÁLISIS FRECUECIAL Una de las herramientas más útiles para el análisis y diseño de sistemas LIT (lineales e invariantes en el tiempo), es la transformada de Fourier. Esta representación
Más detallesCAPÍTULO 6. 6. Control de la energía en el bus de continua
CAPÍTULO 6. 6. Control de la energía en el bus de continua E l sistema de control de un filtro activo de potencia en derivación (SAPF) es el que se encarga de determinar, en tiempo real, las corrientes
Más detallesComplementos de matemáticas. Curso 2004-2005
Univ. de Alcalá de Henares Ingeniería Técnica Industrial Complementos de matemáticas. Curso 004-005 Colección de ejercicios del tema 1 Las soluciones aparecen en color azul, y si disponéis de la posibilidad
Más detallesPrimera parte (2.5 puntos, 20 minutos):
TRATAMIENTO DIGITAL DE SEÑALES EXAMEN FINAL 24/06/2013 APELLIDOS NOMBRE DNI NO DE LA VUELTA A ESTA HOJA HASTA QUE SE LO INDIQUE EL PROFESOR MIENTRAS TANTO, LEA ATENTAMENTE LAS INSTRUCCIONES PARA LA REALIZACIÓN
Más detallesPrimera parte (2.5 puntos, 20 minutos):
TRATAMIENTO DIGITAL DE SEÑALES EXAMEN FINAL 24/06/2013 APELLIDOS NOMBRE DNI NO DE LA VUELTA A ESTA HOJA HASTA QUE SE LO INDIQUE EL PROFESOR MIENTRAS TANTO, LEA ATENTAMENTE LAS INSTRUCCIONES PARA LA REALIZACIÓN
Más detalles7.- MODIFICACIÓN DE LA FRECUENCIA DE MUESTREO
7.- MODIFICACIÓN DE LA FRECUENCIA DE MUESTREO 7..- Introducción. Hasta ahora todos los sistemas de procesado digital que hemos analizado utilizan una frecuencia de muestreo fija. En ocasiones es necesario
Más detallesPROYECTO FINAL DE CARRERA
PROYECTO FINAL DE CARRERA MEDIDAS DE LAS PROPIEDADES DIELÉCTRICAS Alumno: Especialidad: Electrónica Tarde Tutor del proyecto: Jordi Sellarès 1. INTRODUCCION... 4 1.1. Justificación del proyecto... 4 1.2.
Más detalles( x ) 2 SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD. 1 Saca factor común: 2 Expresa los polinomios siguientes como cuadrado de un binomio:
Pág. 1 Página 95 PRACTICA Factor común e identidades notables 1 Saca factor común: a) 9x 2 + 6x 3 b) 2x 3 6x 2 + 4x c) 10x 3 5x 2 d) x 4 x 3 + x 2 x a) 9x 2 +6x 3 = 3(3x 2 + 2x 1) b) 2x 3 6x 2 + 4x = 2x(x
Más detalles