You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Tema</strong> 1<br />
Cuantificación y Codificación<br />
de Señales
1.1. Secuencias y Sistemas Discretos<br />
Secuencias discretas:<br />
Secuencias de números (precisión infinita o finita)<br />
Eje adimensional n<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.2
1.1. Secuencias y Sistemas Discretos<br />
Generalmente, para nosotros:<br />
Secuencias procedentes de muestreo<br />
Eje n se corresponde con los instantes de muestreo<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.3
1.1. Secuencias y Sistemas Discretos<br />
Sinusoides con frecuencias indistinguibles<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.4
1.1. Secuencias y Sistemas Discretos<br />
Sistemas lineales invariantes (LTI)<br />
Un sistema lineal quedará completamente<br />
caracterizado por su respuesta al impulso:<br />
[ − ] ⇔ [ ]<br />
δ n k h n<br />
⎧ ∞<br />
⎫<br />
⇒ yn [ ] = T{ xn [ ] } = T⎨ ∑ xk [ ] ⋅δ[ n− k]<br />
⎬ =<br />
⎩k<br />
=−∞<br />
⎭<br />
∞<br />
k<br />
∑xk [ ] T{ δ[<br />
n k] } ∑xk<br />
[ ] h[ n]<br />
= ⋅ − = ⋅<br />
k=−∞<br />
∞<br />
k =−∞<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.5<br />
k<br />
Por<br />
superposición
1.1. Secuencias y Sistemas Discretos<br />
Si imponemos además la condición de invarianza<br />
en el tiempo:<br />
δ[ n] ⇔ h[ n]<br />
δ[ n−k] ⇔ h[ n−k] ∞<br />
[ ] ∑ [ ] [ ] [ ] [ ]<br />
⇒ yn = xk⋅hn− k = xn∗hn k<br />
=−∞<br />
⇒ esta expresión se conoce como suma de convolución,<br />
o convolución lineal de dos secuencias.<br />
⇒ un sistema LTI queda totalmente caracterizado por<br />
su respuesta al impulso h[n].<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.6
1.1. Secuencias y Sistemas Discretos<br />
Ejemplo nº 1: descomponemos la señal de entrada en<br />
una suma de deltas desplazadas y ponderadas, y<br />
calculamos la salida como suma de las respuestas<br />
individuales a cada una de las entradas.<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.7
1.1. Secuencias y Sistemas Discretos<br />
Ejemplo nº 2: desarrollamos la suma de convolución<br />
para cada valor de ‘n’. Podemos ver:<br />
(a) - (c): Secuencias x[k] y h[n-k] como función de<br />
k para distintos valores de n<br />
(d): Secuencia de salida.<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.8
1.1. Secuencias y Sistemas Discretos<br />
Ejemplo nº 3: Programación de la operación de<br />
N 1<br />
n-N 2<br />
convolución: yn [ ] = ∑ xk [ ] ⋅hn [ − k]<br />
h[n]<br />
x[n]<br />
h[n-k]<br />
n<br />
N 2<br />
M 1 M 2 n<br />
n-N 1<br />
n<br />
k<br />
∞<br />
k =−∞<br />
-N 2<br />
M 1 +N 1<br />
h[-k]<br />
Algoritmo de programación:<br />
(para n, desde N 1 +M 1 hasta N 2 +M 2 )<br />
suma=0<br />
(para k, desde n-N 2 hasta n-N 1 )<br />
suma=suma+x[k]h[n-k]<br />
fin_para_k<br />
y[n]=suma<br />
fin_para_n<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.9<br />
-N 1<br />
y[n]<br />
k<br />
M 2 +N 2<br />
n
1.1. Secuencias y Sistemas Discretos<br />
Propiedades de los sistemas LTI<br />
Como h[n] caracteriza el comportamiento del un<br />
sistema LTI, podemos estudiar las características de<br />
los sistemas LTI a partir de las propiedades de la<br />
operación de convolución:<br />
1. Conmutativa: x[n] * h[n] = h[n] * x[n]<br />
x[n]<br />
h[n]<br />
h[n]<br />
x[n]<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.10
1.1. Secuencias y Sistemas Discretos<br />
2. Distributiva respecto de la suma (paralelo):<br />
x[n] * (h1[n] + h2[n]) = (x[n] * h1[n]) + (x[n] * h2[n])<br />
h1 [n]<br />
x[n] +<br />
x[n]<br />
h1 [n]+ h2 [n]<br />
h 2 [n]<br />
3. Sistemas en cascada:<br />
(x[n] * h1[n]) * h2[n] = (x[n] * h2[n]) * h1[n] =<br />
= x[n] * (h1[n] * h2[n])<br />
x[n] x[n]<br />
x[n]<br />
h1 [n] h2 [n] h2 [n] h1 [n]<br />
h 1 [n]∗h 2 [n]<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.11
1.1. Secuencias y Sistemas Discretos<br />
Estabilidad y causalidad serán condiciones<br />
adicionales.<br />
Un sist. LTI será:<br />
Estable si la rpta. impulsiva es absolutamente sumable:<br />
Causal si: h[n] = 0, n < 0<br />
Los sistemas:<br />
∞<br />
∑<br />
[ ]<br />
S = h k < ∞<br />
k =−∞<br />
FIR (Respuesta finita al impulso) ⇒ siempre estables<br />
IIR (Respuesta infinita al impulso) ⇒ estable / inestable<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.12
1.1. Secuencias y Sistemas Discretos<br />
Ejemplo 1:<br />
Ejemplo 2:<br />
[ ]<br />
h[n] = u[n] ⇒ S = u n = ∞ ⇒ inestable<br />
h[n] = a n ⋅u[n] , |a| < 1 ⇒<br />
⇒ estable<br />
El sistema inverso de un sistema LTI, h[n], si<br />
existe, vendrá dado por:<br />
n=<br />
h[n] * h i [n] = h i [n] * h[n] = δ[n]<br />
∞<br />
∑ 0<br />
n 1<br />
S = ∑ a =<br />
1−<br />
a<br />
n=<br />
0<br />
1.1. Secuencias y Sistemas Discretos<br />
Ecuaciones en diferencias<br />
Una subclase importante de sistemas LTI son aquellos cuya<br />
entrada x[n] y su salida y[n] satisfacen una ecuación en<br />
diferencias lineal de orden N de la forma:<br />
N<br />
∑a ⋅y[ n − k] = ∑b<br />
⋅x[ n − k]<br />
k<br />
k = 0 k = 0<br />
Si el sistema está en reposo inicial, entonces el sistema<br />
será lineal, causal e invariante.<br />
M<br />
k<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.14
1.1. Secuencias y Sistemas Discretos<br />
Ejemplo: Exprese un sistema ‘acumulador’ en forma de<br />
ecuación en diferencias<br />
n<br />
[ ] = ∑ [ ]<br />
yn xk<br />
k =−∞<br />
Comprobamos:<br />
n<br />
h n ∑ δ k u n<br />
ac<br />
[ ] = [ ] = [ ]<br />
k =−∞<br />
Vamos a hacer uso de su sistema inverso, conocido como<br />
‘primera diferencia’:<br />
x[n] +<br />
+<br />
-<br />
y[n]<br />
R<br />
x[n-1]<br />
y[n] = x[n]<br />
- x[n-1] ⇒<br />
⇒ h 1dif [n] =<br />
δ[n] - δ[n-1]<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.15
1.1. Secuencias y Sistemas Discretos<br />
Comprobamos que son sistemas inversos:<br />
h[n] = h ac[n] * h 1dif[n] = u[n] * (δ[n] − δ[n-1]) =<br />
= u[n] − u[n-1] = δ[n]<br />
Por tanto, podemos representar:<br />
x[n] y[n] x[n]<br />
Acumulador 1ª diferencia<br />
Del dibujo, vemos que:<br />
x[n] = y[n] * h 1dif[n] = y[n] − y[n-1]<br />
por lo que la ec. en difs. (con coef. ctes.) queda:<br />
y[n] = x[n] + y[n-1]<br />
de donde podemos obtener:<br />
h ac [n] h 1dif [n]<br />
x[n]<br />
y[n-1]<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.16<br />
+<br />
R<br />
y[n]
x[n]<br />
x[n-1]<br />
x[n-2]<br />
x[n-L]<br />
1.1. Secuencias y Sistemas Discretos<br />
Programación de un filtro<br />
Si tenemos un filtro dado por:<br />
A 0<br />
A 1<br />
A 2<br />
A L<br />
R<br />
R<br />
R<br />
a 0<br />
a 1<br />
a L-<br />
1<br />
a 2<br />
a L<br />
+<br />
+<br />
+<br />
+<br />
C B 0<br />
+<br />
+<br />
+<br />
+<br />
b 1<br />
b N-<br />
1<br />
b 2<br />
b N<br />
R<br />
R<br />
R<br />
B 1<br />
B 2<br />
B N<br />
y[n]<br />
y[n-1]<br />
y[n-2]<br />
y[n-N]<br />
[ ] = ∑ ⋅ [ − ] + ∑ ⋅ [ − ]<br />
y n a x n k b x n k<br />
A 0<br />
leer x[n]<br />
C a0⋅A0 + a1⋅A1 + ... + aL⋅AL B0 C + b1⋅B1 + b2⋅B2 +... + bN⋅BN escribir B0 en y[n]<br />
AL AL-1 A1 BN B1 k<br />
k = 0 k = 1<br />
Su diagrama de bloques sería: Y el programa que lo realizaría, sería:<br />
AL-1 AL-2 A0 BN-1 B0 <strong>Tema</strong> 1: Cuantificación y codificación de señales T1.17<br />
L<br />
N<br />
k
1.1. Secuencias y Sistemas Discretos<br />
Transformada de Fourier de secuencias<br />
La Transformada de Fourier (FT) de una secuencia x[n] es una función<br />
X (ejω ), continua y periódica, de período 2⋅π que se obtiene<br />
aplicando la expresión:<br />
∞<br />
jω − jωn ∑<br />
La Transformada Inversa de Fourier (IFT) permitirá obtener<br />
nuevamente la secuencia original, por lo que a su expresión se le<br />
denomina ecuación de síntesis:<br />
1 + π jω jωn xn [ ] = ∫ Xe ( )<br />
e dω<br />
2π −π<br />
[ ]<br />
Xe ( ) = xne<br />
n =−∞<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.18
1.1. Secuencias y Sistemas Discretos<br />
X (e jω ) constituirá por lo general una señal compleja, que podemos<br />
expresar como:<br />
X(e jω ) = X R(e jω ) + jX I(e jω )<br />
o, de forma equivalente, mediante la descomposición en módulo y<br />
fase:<br />
j<br />
Xe<br />
j j X e<br />
Xe e<br />
j<br />
ω<br />
( ) =<br />
ω<br />
ω ( )<br />
( ) ⋅ ∠<br />
Las relaciones entre la respuesta al impulso de un sistema LTI y su<br />
correspondiente resp. en frec. se pueden expresar análogamente:<br />
1 + π jω jωn hn [ ] = ∫ He ( ) e dω<br />
2π −π<br />
∞<br />
jω − jωn ∑<br />
[ ]<br />
He ( ) = hne<br />
n =−∞<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.19
1.1. Secuencias y Sistemas Discretos<br />
Propiedades de simetría de la transformada<br />
de Fourier de señales reales<br />
X(<br />
e<br />
X<br />
X<br />
R<br />
I<br />
( e<br />
( e<br />
X(<br />
e<br />
∠<br />
X(<br />
e<br />
jω<br />
∗ − jω<br />
)<br />
=<br />
X<br />
( e<br />
)<br />
jω<br />
− jω<br />
) = XR<br />
( e<br />
jω<br />
− jω<br />
) = −XI<br />
( e<br />
jω<br />
− jω<br />
)<br />
=<br />
)<br />
X(<br />
e<br />
jω<br />
− jω<br />
)<br />
= −∠ X(<br />
e<br />
)<br />
)<br />
)<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.20
1.1. Secuencias y Sistemas Discretos<br />
Teoremas de la Transformada de Fourier<br />
Linealidad<br />
Si x n X e y<br />
j<br />
← ⎯ → ( )<br />
ω<br />
entonces<br />
Desplazamiento temporal y frecuencial<br />
Si<br />
entonces<br />
y<br />
[ ]<br />
F<br />
1 1<br />
[ ]<br />
F<br />
[ ] [ ]<br />
[ ]<br />
F<br />
2 2<br />
x n X e j<br />
← ⎯ → ( )<br />
ω<br />
F<br />
jωjω 1 2 1 2<br />
a⋅ x n + b⋅x n ← ⎯→ a⋅ X ( e ) + b⋅X ( e )<br />
xn Xe j<br />
← ⎯ → ( )<br />
ω<br />
[ ]<br />
[ ]<br />
j<br />
xn−n← ⎯→Xe⋅e −<br />
F<br />
( )<br />
ω<br />
0<br />
( − )<br />
jωn F j ω ω<br />
xn ⋅e 0 0<br />
← ⎯→Xe<br />
( )<br />
jωn <strong>Tema</strong> 1: Cuantificación y codificación de señales T1.21<br />
0
1.1. Secuencias y Sistemas Discretos<br />
Invertibilidad Temporal<br />
Si xn Xe e invertimos la secuencia<br />
j<br />
← ⎯ → ( )<br />
ω<br />
temporal, se tiene:<br />
Si x[n] es real, entonces:<br />
Diferenciación en frecuencia<br />
Si<br />
[ ]<br />
[ ]<br />
entonces<br />
F<br />
F<br />
x<br />
xn Xe j<br />
← ⎯ → ( )<br />
ω<br />
n ⋅<br />
x<br />
[ n]<br />
F − jω<br />
[ − n]<br />
←⎯→X<br />
( e )<br />
F dX(<br />
e<br />
←⎯→<br />
j<br />
dω<br />
[ ]<br />
x n X e j<br />
− ← ⎯→<br />
∗<br />
( )<br />
ω<br />
jω<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.22<br />
)<br />
F
1.1. Secuencias y Sistemas Discretos<br />
Teorema de Parseval<br />
Si<br />
[ ]<br />
F<br />
xn Xe j<br />
← ⎯ → ( )<br />
ω<br />
entonces la energía E de la señal se puede calcular como:<br />
∞<br />
2 1 + π jω<br />
2<br />
E = ∑ x[<br />
n]<br />
= ∫ X(<br />
e ) dω<br />
2π<br />
−π<br />
n=<br />
−∞<br />
Xe jω<br />
2<br />
( )<br />
La función se denomina densidad espectral de<br />
energía, y sólo se define para señales de energía finita.<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.23
1.1. Secuencias y Sistemas Discretos<br />
Teorema de Convolución<br />
Si<br />
y<br />
[ ]<br />
xn Xe j<br />
← ⎯ → ( )<br />
ω<br />
[ ]<br />
y, además:<br />
entonces:<br />
F<br />
F<br />
hn He j<br />
← ⎯ → ( )<br />
ω<br />
∞<br />
[ ] = ∑ [ ] ⋅ [ − ] = [ ] ∗ [ ]<br />
yn xk hn k xn hn<br />
k=−∞<br />
jωjωjω Y( e ) = X( e ) ⋅H(<br />
e )<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.24
1.1. Secuencias y Sistemas Discretos<br />
Teorema de Modulación o Enventanado<br />
Si<br />
y<br />
[ ]<br />
F<br />
xn Xe j<br />
← ⎯ → ( )<br />
ω<br />
[ ]<br />
F<br />
wn W e j<br />
← ⎯ → ( )<br />
ω<br />
y, si hacemos:<br />
yn [ ] = xn [ ] ⋅ wn [ ]<br />
jω 1 + π jΦ j(<br />
ω−Φ)<br />
entonces: Ye ( ) = Xe ( ) ⋅We<br />
( ) d<br />
π ∫<br />
Φ<br />
2 −π<br />
relación denominada convolución periódica.<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.25
1.2. Muestreo Periódico<br />
Introducción<br />
El método clásico de obtención de una representación discreta<br />
x[n] a partir de la señal continua x c(t) es el muestreo periódico<br />
por medio del conversor continuo/discreto (C/D), de forma que:<br />
[ n]<br />
= x ( nT ) − ∞ < n < ∞<br />
x c ,<br />
donde T es el período de muestreo, y f s=1/T la frecuencia de<br />
muestreo.<br />
xc (t) x[n]<br />
C/D<br />
T<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.26
1.2. Muestreo Periódico<br />
Representación espectral del proceso de muestreo<br />
Este proceso puede ser visto como una modulación en amplitud de<br />
un tren de impulsos s(t) mediante la señal continua xc(t), siendo:<br />
de esta forma, formaríamos la señal xs(t) de manera que:<br />
∞<br />
x () t = x () t ⋅ s() t = x () t ⋅ ∑ δ(<br />
t −nT)<br />
expresión equivalente a:<br />
∞<br />
st () = ∑ δ(<br />
t−nT) n =−∞<br />
s c c<br />
∞<br />
∑<br />
n=−∞<br />
x () t = x ( nT) ⋅δ( t −nT)<br />
s c<br />
n=−∞<br />
La transf. de Fourier de esta expresión, teniendo en cuenta que:<br />
1<br />
Xs( Ω) = Xc( Ω) ∗S(<br />
Ω)<br />
2π<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.27
1.2. Muestreo Periódico<br />
y que la transf. de Fourier de un tren de impulsos periódicos, donde<br />
Ωs = 2π T es la pulsación continua en rad/s., es otro tren de<br />
impulsos periódicos:<br />
∞<br />
2π<br />
S(<br />
Ω) = ∑ δ(<br />
Ω−kΩs) T<br />
k =−∞<br />
resultará ser,<br />
1 ∞<br />
Xs(<br />
Ω) = ∑ Xc( Ω−kΩs) T<br />
k =−∞<br />
La transf. de Fourier de una señal<br />
continua muestreada<br />
periódicamente x s(t) consiste en<br />
la repetición periódica, a<br />
múltiplos enteros de la f s, de la<br />
transf. de la señal continua x c(t).<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.28
1.2. Muestreo Periódico<br />
Solapamiento espectral y frecuencia de Nyquist<br />
Si xc(t) tiene un contenido espectral limitado en banda cuya<br />
componente frecuencial más elevada es ΩN, y siendo Ωs la pulsación<br />
de muestreo, para que no exista solapamiento entre las sucesivas<br />
réplicas de Xc(Ω) se debe cumplir que:<br />
Ωs − ΩN > ΩN<br />
o lo que es lo mismo (criterio de Nyquist):<br />
Ω > 2 ⋅ Ω<br />
s N<br />
⇒ si no se cumple esta condición,<br />
se producirá un efecto de<br />
solapamiento (aliasing) espectral<br />
entre réplicas sucesivas, que<br />
impide la recuperación exacta de<br />
las señales<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.29
1.2. Muestreo Periódico<br />
Si buscamos obtener X(e jω ) en función de X s(Ω) y X c(Ω), tenemos:<br />
Recordando que:<br />
y<br />
∞<br />
F<br />
∑ ( ) δ(<br />
) ( Ω)<br />
∑ ( )<br />
x ()= t x nT ⋅ t −nT ← ⎯ →X<br />
= x nT ⋅e<br />
s c<br />
n =−∞<br />
( )<br />
δ t −t ← ⎯→e<br />
obtenemos la relación buscada:<br />
0<br />
j t − F Ω<br />
s c<br />
n =−∞<br />
∞<br />
∞<br />
ω ω − jωn ( j ) − j n<br />
∑ [ ] ∑ ( )<br />
Xe = xn⋅ e = xnT⋅e n = −∞<br />
− jΩnT <strong>Tema</strong> 1: Cuantificación y codificación de señales T1.30<br />
0<br />
n =−∞<br />
( ) ( jω<br />
) ( jΩ⋅T Ω = = )<br />
X X e X e<br />
s<br />
ω<br />
= Ω⋅T<br />
∞
1.2. Muestreo Periódico<br />
y, como teníamos que:<br />
X<br />
1<br />
Ω = ⋅ ∑ X ( Ω− k⋅Ω<br />
) con Ω<br />
T<br />
s<br />
obtenemos entonces (fórmula de Poisson):<br />
( jΩ⋅T Xe ) Xe ( jω)<br />
1 ⎛ 2⋅π⎞<br />
= = ⋅ ∑ Xc⎜Ω− k⋅ ⎟ =<br />
ω = Ω⋅T<br />
T ⎝ T ⎠<br />
o también:<br />
∞<br />
( )<br />
= ⋅ −<br />
∑ x nT e<br />
c<br />
n =−∞<br />
∞<br />
k =−∞<br />
jΩnT ( j ) ⎛ ⎞<br />
= ⋅ ∑ c ⎜ − ⋅ ∑ c ( )<br />
Xe<br />
( )<br />
∞<br />
s c s<br />
k =−∞<br />
∞<br />
∞<br />
ω − jωn 1 ω 2⋅π<br />
X k ⎟ = x nT ⋅e<br />
T ⎝T<br />
T ⎠<br />
k =−∞<br />
n =−∞<br />
=<br />
T<br />
⋅ 2 π<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.31
1.2. Muestreo Periódico<br />
Recuperación de la señal continua a partir de sus<br />
muestras<br />
Para la recuperación de la señal muestreada se deberá aplicar un<br />
filtro cuya respuesta en frecuencia Hr(Ω) cumpla que:<br />
X ( Ω) = H ( Ω) ⋅ X ( Ω)<br />
Hr(Ω) será un filtro paso bajo ideal de ganancia T y frecuencia de<br />
corte c tal que:<br />
Ω < Ω < ( Ω − Ω )<br />
de forma que:<br />
r r s<br />
N c s N<br />
X ( Ω) =<br />
X ( Ω)<br />
r c<br />
denominándose a H r(Ω) filtro recuperador.<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.32
1.2. Muestreo Periódico<br />
Gráficamente:<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.33
1.2. Muestreo Periódico<br />
En el dominio del tiempo, este proceso puede ser contemplado de<br />
manera equivalente si tenemos en cuenta la respuesta al impulso del<br />
filtro recuperador:<br />
donde:<br />
y por tanto:<br />
1<br />
T<br />
x<br />
r<br />
( ) = ∑ [ ] ⋅ δ(<br />
− )<br />
x t x n t nT<br />
s<br />
n<br />
( t ) = xs<br />
( t ) ∗ hr<br />
( t ) = ∑ x[<br />
n]<br />
⋅ hr<br />
( t − nT )<br />
∞<br />
jΩ⋅t<br />
() t = ⋅ H ( Ω)<br />
⋅e<br />
⋅dΩ<br />
⇒ h ( t )<br />
∫<br />
hr r<br />
r<br />
−∞<br />
n<br />
( πt<br />
/ T )<br />
sen<br />
πt<br />
/ T<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.34<br />
=<br />
( π(<br />
t − nT) T)<br />
( t − nT) / T<br />
sen /<br />
xr( t) = ∑ x[ n]<br />
⋅<br />
π<br />
n
1.2. Muestreo Periódico<br />
Gráficamente:<br />
Esta respuesta al impulso cumple que:<br />
h y<br />
r ( 0) = 1 h nT n para<br />
r<br />
( ) = 0, = ± 1, ± 2,...<br />
⇒ el efecto que produce la aplicación de H r(Ω) es la interpolación de<br />
los impulsos de x s(t) para obtener la señal continua x r(t), :<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.35
1.2. Muestreo Periódico<br />
Al sistema que permite la reconstrucción ideal de una señal limitada<br />
en banda a partir de una secuencia de muestras se le denomina<br />
conversor discreto/continuo (D/C) ideal, cuyo diagrama de bloques<br />
sería:<br />
x[n] xr (t)<br />
D/C<br />
T<br />
Si en lugar del conversor D/C ideal, tenemos una situación mucho<br />
mas real como la siguiente:<br />
T<br />
n→t h 0 (t) 1/H 0 (Ω)<br />
x[n]=x c (nT) x s (t) z a (t)<br />
Ñ r (Ω)<br />
H<br />
H r (Ω)<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.36
1.2. Muestreo Periódico<br />
Este efecto se puede expresar a partir de:<br />
( ) = ∑ ( ) ⋅ δ(<br />
− )<br />
x t x nT t nT<br />
s c<br />
n<br />
⎧<br />
⎫<br />
za t ⎨∑<br />
xc nT δ t nT ⎬ h0t ⎩ n<br />
⎭<br />
( ) = ( ) ⋅ ( − ) ∗ ( )<br />
resultando que:<br />
H ( Ω)<br />
Za( Ω) = Xs( Ω) ⋅ H ( Ω)<br />
= ⋅ Xc<br />
Ω − n<br />
T<br />
T<br />
⋅<br />
0 ⎛ 2 π<br />
⎞<br />
0 ∑ ⎜ ⋅ ⎟<br />
⎝ ⎠<br />
Conclusión: ⇒ debemos compensar el efecto frecuencial introducido<br />
por el conformador de pulso.<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.37<br />
n
1.2. Muestreo Periódico<br />
Si el conformador de pulso es un ‘mantenedor de orden cero’ (zeroorder<br />
hold), lo cual es la salida habitual de un conversor D/A (digitalanalógico),<br />
la situación sería la siguiente:<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.38
1.3. Proceso de Cuantificación<br />
Hasta ahora, hemos considerado el proceso de conversión C/D con<br />
precisión infinita. Sin embargo, en Procesado Digital de Señales sólo<br />
dispondremos de un número finito de bits para representar cada una<br />
de las muestras ⇒ precisión finita.<br />
El proceso de cuantificación lo podemos representar mediante:<br />
Sample Conversor<br />
xa (t) & Hold x0 (t) A / D xB (t)<br />
T T<br />
⇒ ambos bloques son dispositivos físicos reales.<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.39
1.3. Proceso de Cuantificación<br />
Veamos cada uno de los dos bloques por separado:<br />
Conversor A/D: ante un voltaje o corriente de entrada, asigna un<br />
código binario a la salida, haciendo esta operación de nuevo cada<br />
T segundos bajo el control de un reloj externo. Esta conversión no<br />
es instantánea.<br />
Sample & Hold<br />
(muestreo y retención): la función del S&H será<br />
suministrar una tensión (o corriente) constante a la entrada del<br />
conversor durante un cierto período de tiempo.<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.40
1.3. Proceso de Cuantificación<br />
Un S&H ideal tendrá la siguiente respuesta:<br />
donde:<br />
x<br />
0<br />
Gráficamente:<br />
( t)<br />
x ( nT ) ⋅h<br />
( t − nT )<br />
h<br />
0<br />
= ∑ 0<br />
n<br />
a<br />
() ⎨<br />
⎩ ⎧ 1 0 < t < T<br />
t =<br />
0 resto<br />
-T<br />
0 T 2T<br />
x 0 (t)<br />
x a (t)<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.41<br />
t
1.3. Proceso de Cuantificación<br />
Un S&H ideal tendrá la siguiente respuesta:<br />
donde:<br />
x<br />
0<br />
Gráficamente:<br />
( t)<br />
x ( nT ) ⋅h<br />
( t − nT )<br />
= ∑ 0<br />
h<br />
0<br />
n<br />
a<br />
() ⎨<br />
⎩ ⎧ 1 0 < t < T<br />
t =<br />
0 resto<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.42
1.3. Proceso de Cuantificación<br />
Podemos representar de forma ‘matemática’ el circuito real<br />
anterior mediante:<br />
xa (t)<br />
C/D<br />
T<br />
x[n]<br />
Cuantificador<br />
La operación (no lineal) de cuantificación la representaremos<br />
mediante el operador Q:<br />
T<br />
[ n]<br />
Q{<br />
x[<br />
n]<br />
}<br />
x ˆ<br />
=<br />
x[n]<br />
Codificador<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.43
1.3. Proceso de Cuantificación<br />
En el siguiente cuantificador uniforme, los valores de las<br />
muestras son aproximados por su nivel de cuantificación<br />
mas próximo:<br />
3Δ<br />
2Δ<br />
Δ<br />
-7Δ/2 -3Δ/2 Δ/2<br />
-Δ<br />
3Δ/2 7Δ/2<br />
-2Δ<br />
-3Δ<br />
-4Δ<br />
2⋅X m<br />
Símbolo<br />
Binario<br />
(B+1 bits)<br />
Valor<br />
Numérico<br />
0 1 1 3/4<br />
0 1 0 1/2<br />
0 0 1 1/4<br />
0 0 0 0<br />
1 1 1 -1/4<br />
1 1 0 -1/2<br />
1 0 1 -3/4<br />
1 0 0 -1<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.44
1.3. Proceso de Cuantificación<br />
Si llamamos X m al nivel de fondo de escala del conversor<br />
A/D (típicamente 10, 5 ó 1 V), el tamaño del escalón Δ<br />
vendrá dado por:<br />
2 X<br />
1<br />
2<br />
=<br />
⋅<br />
m Δ = B+<br />
La relación entre las muestras cuantificadas y las palabras<br />
código vendrá dada por:<br />
[] n = X ⋅ xˆ<br />
[ n]<br />
-1<br />
≤ xˆ<br />
[ n]<br />
1<br />
X<br />
2<br />
ˆ ≤<br />
x m<br />
B<br />
B<br />
m<br />
B<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.45
1.3. Proceso de Cuantificación<br />
Análisis del error de cuantificación<br />
[ n]<br />
x[<br />
]<br />
xˆ ≠ n<br />
En general, ⇒ la diferencia es lo que se conoce<br />
como error de cuantificación:<br />
[] n xˆ<br />
[ n]<br />
x[<br />
n]<br />
e = − ⇒ − Δ / 2 < e[<br />
n]<br />
≤ Δ / 2<br />
Para un cuantificador de B+1 bits, esto se cumple siempre<br />
que:<br />
⇒ si x[n] está fuera de este rango ⇒<br />
[ n]<br />
≤ ( X − / 2)<br />
( −X m − Δ / 2)<br />
< x<br />
m Δ<br />
[] n<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.46<br />
e<br />
><br />
Δ<br />
2
1.3. Proceso de Cuantificación<br />
Podemos representar de forma ‘matemática’ el circuito real<br />
anterior mediante:<br />
x [] n Q(<br />
x)<br />
x[]<br />
n<br />
[ n]<br />
Q(<br />
x[<br />
n]<br />
)<br />
x ˆ =<br />
[ ] [ ] [ ]<br />
+ x ˆ n = x n + e n<br />
e[<br />
n]<br />
⇒ podremos suponer que el error de cuantificación es un proceso<br />
tipo ‘ruido blanco’, donde la distribución de probabilidad del<br />
proceso de error es uniforme en el rango del error de<br />
cuantificación (estas suposiciones son especialmente realistas<br />
para voz o música)<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.47
1.3. Proceso de Cuantificación<br />
La función densidad de probabilidad (f.d.p.) de e[n] queda<br />
entonces:<br />
p(e)<br />
-Δ/2<br />
1/Δ<br />
Δ/2<br />
Los estadísticos de este proceso quedarán:<br />
η<br />
=<br />
σ<br />
e<br />
2<br />
e<br />
0<br />
2<br />
Δ<br />
= ⇒ σ<br />
12<br />
2<br />
e<br />
=<br />
X<br />
2<br />
m<br />
⋅ 2<br />
12<br />
−2<br />
B<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.48<br />
e
1.3. Proceso de Cuantificación<br />
Relación señal a ruido de cuantificación (SNR Q )<br />
Señal de voz (a) y error de cuantificación obtenido cuando se cuantifica<br />
con: 3 bits (b), o con 8 bits (c) ((b) ampliada por 5 respecto a (a), (c)<br />
ampliada por 100).<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.49
1.3. Proceso de Cuantificación<br />
Como podemos observar, la SNR Q es mayor para mayor<br />
número de bits (error de cuantificación menor). Si<br />
valoramos matemáticamente esta situación:<br />
SNR<br />
⇒<br />
Q<br />
SNR<br />
= 10log<br />
Q<br />
=<br />
10<br />
6.<br />
02<br />
⎛ σ<br />
⎜<br />
⎝ σ<br />
⋅ B<br />
2<br />
x<br />
2<br />
e<br />
+<br />
⎞<br />
⎟ = 10log<br />
⎠<br />
10.<br />
8<br />
− 20log<br />
B ⎛12⋅ 2 ⋅σ<br />
x<br />
⎜ 2<br />
⎝ X m<br />
( dB)<br />
⇒ la SNR Q aumenta 6 dB por bit introducido, es decir, cada<br />
vez que duplicamos el número de niveles de cuantificación.<br />
10<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.50<br />
10<br />
⎛ X<br />
⎜<br />
⎝ σ x<br />
m<br />
⎞<br />
⎟<br />
⎠<br />
2<br />
⎞<br />
⎟<br />
⎠<br />
⇒
1.3. Proceso de Cuantificación<br />
Ejemplos:<br />
Si x a (t) es un tono puro de amplitud X p ,<br />
σ x<br />
X p<br />
= ⇒ SNRQ<br />
= 6⋅<br />
( B + 1)<br />
+ 1.<br />
8<br />
2<br />
Si la distribución de amplitudes de la señal de entrada es<br />
gaussiana, con p(x>4σx)=0.064%<br />
X m ⇒ σ<br />
x = ⇒ SNRQ<br />
= 6⋅<br />
B −1.<br />
25 = 6⋅<br />
( B + 1)<br />
−<br />
4<br />
(por ejemplo, para 16 bits tendríamos 90∼96 dB)<br />
7.<br />
25<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.51
1.3. Proceso de Cuantificación<br />
Observamos que va a haber una dependencia entre el<br />
grado de ajuste de X m a los márgenes del conversor y la<br />
SNR Q final obtenida. Gráficamente:<br />
Distorsión de<br />
sobrecarga<br />
-20<br />
-10<br />
SNR Q<br />
(dB)<br />
50<br />
30<br />
10<br />
0<br />
256 niveles<br />
16 niveles<br />
10 20<br />
Ruido<br />
granular<br />
(x SC /x max )<br />
(dB)<br />
<strong>Tema</strong> 1: Cuantificación y codificación de señales T1.52