Upload
jorge-alonso-acuna-gomez
View
231
Download
0
Embed Size (px)
Citation preview
8/18/2019 Conversion de Senales
1/35
INTRODUCCIÓN A LA CONVERSIÓNANÁLOGA / DIGITALDE SEÑALES
UNIVERSIDAD RICARDO PALMA
ESCUELA DE INGENIERÍA MECATRÓNICA
DOCENTE: ING. Luis Pacheco Cribillero
2016 - I
8/18/2019 Conversion de Senales
2/35
Conversión Análoga/Digital3
Tres etapas fundamentales: Muestreo
Señal en tiempo continuo a tiempo discreto xa (t ) xa (nT s ) x[n] con Ts = tiempo de muestreo
CuantizaciónDiscretización de amplitud, i.e. x[n] xq [n]
CodificaciónSeñal en tiempo y amplitud discreta a secuencia digital xq[n] 01010011
8/18/2019 Conversion de Senales
3/35
Muestreo
Conversión Análoga/Digital
Cuantización yaproximación básica
8/18/2019 Conversion de Senales
4/35
Observaciones y preguntas: • Es la posible asociar múltiples señales a una señal muestreada• ¿Qué hace el comando plot de MATLAB?• El teorema del muestreo establece un método de reconstrucción
PERFECTA ¿Cómo es esto posible?
Reconstrucción de una señal muestreada
-1 0 20 40 60 80 100
1
0.5
0
-0.5
8/18/2019 Conversion de Senales
5/35
Reconstrucción usandoel método ZH (zero hold)
Reconstrucción de una señal muestreada
Reconstrucción usandoseñales sinc
8/18/2019 Conversion de Senales
6/35
7
Interpretaciones del muestreo Interrupciones:
T es el tiempo de muestreo
Modulación de un tren de pulsos:s(t) es la señal moduladora (un trende impulsos ideal)
Resultado:
Muestreo de una señal análoga
-3T-2T-T 0 T 2T3T4T
s(t)x a (t)
t
x a (t) x s(t)=x a (t)s(t)x
s(t)
x s(t)
OBS: • La señal resultante en esta etapa es
aun en tiempo continuo• ¿Cuál es la CTFT de xs(t)?• ¿Es esta implementación factible?
8/18/2019 Conversion de Senales
7/35
8
Modulación en frecuencia
Muestreo de una señal análoga
s comb T [ xa t ]
x s t xa t s t
xa t t nT sn
1T s
s F s rep F [ X a f ]
T s 1
X s f X a t * S f
X a f k k CT FT
X a f
X s f
f N-f N
f N Fs 2F s 3F s-2F s Fs -f N3F s
F s >2f N
8/18/2019 Conversion de Senales
8/35
9
Modulación en frecuencia (Lo mismo en otras palabras)
Muestreo de una señal análoga
T s rep [ t ]
x s t xa t s t
s(t ) t nT sn
F s s
s
F comb [1]
S f F sk
f kF
s
s
F s rep F [ X a f ] X s f X a ( f ) F scomb F [1]
CTFT
X s f X a f S f
x s t xa t s t CTFT
8/18/2019 Conversion de Senales
9/35
Muestreo de una señal análoga
T 2T3T4T -3T-2T-T 0
s(t)x a (t)
t
x[n]
-3 -2 -1 0 1 2 3 4 n
x a (t) x[n]=x a (nTs)x
10
Muestreo y modulación: Primera corrección Es necesario discretizar la señal para pasar de tiempo continuo a
tiempo discreto
s(t)
Discretizadortemporal
x s(t)
8/18/2019 Conversion de Senales
10/35
11
Muestreo y modulación: Segunda corrección Es necesario integrar sobre un periodo de tiempo en la práctica(no existen los impulsos instantáneos en tiempo continuo)Se debe corregir (amplificar) el efecto de integrar en el tiempo
Muestreo de una señal análoga
8/18/2019 Conversion de Senales
11/35
Muestreo y modulación conimplementación factible
8/18/2019 Conversion de Senales
12/35
Muestreo y modulación conimplementación factible
8/18/2019 Conversion de Senales
13/35
Muestreo y modulación conmuestreo ideal
8/18/2019 Conversion de Senales
14/35
15
Teorema del Muestreo Nombres: Nyquist, Shannon, Nyquist – Shannon – Kotelnikov, Whittaker – Shannon – Kotelnikov, Whittaker – Nyquist – Kotelnikov – ShannonDefine la frecuencia de muestreo que permite reconstrucción ideal
Requiere conocer el contenido de frecuencias (espectro) de la señal análoga,en particular: f max
Condición que establece:
El caso límite donde se conoce como el límite de Nyquist
Teorema del Muestreo
F s 2 f max
F s 2 f max
→ dos muestras para el período asociado a f max→ puede coincidir con ceros, por lo que es más seguro F s 2
f max
8/18/2019 Conversion de Senales
15/35
16
Teorema del Muestreo (Formal) Si la frecuencia más alta f max contenida en una señal análoga xa(t) y la
frecuencia de muestreo F s≥ 2 f max = 2B entonces la señal puede serreconstruida perfectamente usando una función de interpolación g(t) dadapor
Teorema del Muestreo
n s s
a a g t F F
n n x x t
2 Bt g t sin(2 Bt ) sinc(2 Bt )
F a s
, de modo que
, y donde
a s a x n x nT x[n] son las muestras de x (t)
8/18/2019 Conversion de Senales
16/35
17
Teorema del Muestreo La función sinc tiene un interés más teórico que práctico
La función sinc en frecuencia es el pasabajo ideal (rectwin)Otros filtros pasabajo resultan más prácticos
Rango de frecuencia digital:En Radianes: [-π, π] ↔ [0, 2π]
En Hz: [-Fs/2, Fs/2] ↔ [0, Fs] En frecuencia normalizada: [-1/2 , 1/2] ↔ [0, 1]
¿Es el teorema del muestreo el fin de esta historia? NO Temas de investigación: Errores de cuantización, métodos de
interpolación, eficiencia , oversampling
Teorema del Muestreo
8/18/2019 Conversion de Senales
17/35
18
Aliasing Distorsión en la composición espectral de una señal (por ende en la señal)producto de un muestreo inadecuado
Señal muestreada es periódica en 2π
Si el ancho de banda no queda entre 0 y π → Superposición de componentes con otros periodos¿Qué pasa cuando una señal sinusoidal se ve afectada por aliasing?
Siempre se necesita un filtro anti-aliasing (pasabajo) que permita “asegurar” que se cumple al menos el límite de Nyquist
¿Se puede realmente asegurar que se cumple el límite?¿Qué criterios de diseño debiese tener este filtro?No todos los DAQ cuentan con este filtro, el cual es generalmenteanálogo. ¿Es posible hacer un filtro anti-aliasing digital?
Aliasing en frecuencia
8/18/2019 Conversion de Senales
18/35
Sin aliasing
Aliasing en frecuencia
Con aliasing
Distorsión temporalpor aliasing en frecuencia
8/18/2019 Conversion de Senales
19/35
Con aliasing
Aliasing enfrecuencia para
tonos puros
Distorsión temporalpor aliasing en frecuencia
8/18/2019 Conversion de Senales
20/35
Muestreo de señales discretas
Conversión de Señales
8/18/2019 Conversion de Senales
21/35
22
Downsampling Operación sujeta a aliasingOperación que puede generar pérdidas de altas frecuencias
Al agregar un filtro anti-aliasing (pasa-bajo) ANTES de realizar
la operación de downsampling, se elimina la distorsión poraliasing
Comandos de MATLAB: downsample & decimate
Downsampling vs. Decimation
Decimati on:
8/18/2019 Conversion de Senales
22/35
Downsample vs. Decimation
El filtro debe asegurar que sólo exista señal en ± π/D
Espectro Original
Espectro Filtrado
Filtro pasa-bajo
8/18/2019 Conversion de Senales
23/35
Downsample vs. Decimation
En este casodownsampling produciráperdidas de altasfrecuencias incluso con unfiltro anti-aliasing
El filtro pasa-bajo sólopreviene el aliasing
¿Si se aplica upsampling en estecaso, se recupera la señal original?
8/18/2019 Conversion de Senales
24/35
25
Upsampling Operación que escala todo el espectro (incluidas las replicas)Operación que puede generar nuevas altas frecuencias: ¿De dónde vienen?
Al agregar un filtro pasa-bajo (anti-aliasing) DESPUES de realizar la
operación de upsampling, se eliminan las nuevas frecuencias altas
Comandos de MATLAB: upsample & interp
Upsampling vs. Interpolación
Interpolación:
8/18/2019 Conversion de Senales
25/35
Upsample vs. Interpolación
Las componentes periódicas en 2π también se escalan con la operación upsample y quedan en 2π/D
Espectro Original
Espectro luego de laoperación upsample
8/18/2019 Conversion de Senales
26/35
Upsample vs. Interpolación
Espectro despuésupsampling
Filtro pasabajo
Espectro después de unaoperación de interpolación
8/18/2019 Conversion de Senales
27/35
28
Problema ¿Si tengo una señal muestreada a fs=8000 Hz, cómo la puedo convertir auna con fs=11025?
Resampling Equivalente a las operaciones decimation /interpolate, pero donde D esuna fracción (p/q) y no necesariamente un enteroPara lograr cambio de fs (o cambio de largo) se utiliza:1. Aplicar upsampling por un factor p2. Filtrar con un filtro pasa-bajo la señal de 1→ decimation/interpolation 3. Downsampling la señal de 2 por un factor q
Comando de MATLAB: resample
Muestreo de una señal discreta
8/18/2019 Conversion de Senales
28/35
29
Muestreo de señales discretas Operaciones downsampling/decimation y upsampling/interpolación tienengran aplicación en DSPCasos típicos: FFT, compresión de audio e imágenes, refinamiento
progresivo de audio e imágenesFFT: Calcula espectro luego de repetidas operaciones downsamplingCompresión de audio e imágenes : Menos sensibilidad en altas
frecuencias → menos resolución es requerida en esas bandas Refinamiento progresivo : Transmitir señal después del downsampling
primero y agregar componentes de alta frecuencia progresivamente
Aplicaciones
8/18/2019 Conversion de Senales
29/35
8/18/2019 Conversion de Senales
30/35
MIT O pen ?ourseWarehrtp:• ocYY. mit.ed u
8/18/2019 Conversion de Senales
31/35
MIT O pen ?ourseWarehrtp:• ocYY. mit.ed u
8/18/2019 Conversion de Senales
32/35
8/18/2019 Conversion de Senales
33/35
MIT O pen ?ourseWarehrtp:'"ocw. mit.ed u
8/18/2019 Conversion de Senales
34/35
MIT O pen ?ourseWarehrtp:• ocYY. mit.ed u
8/18/2019 Conversion de Senales
35/35
FIN