PROCESAMIENTO DIGITAL DE
SEÑALES (DSP)
Unidad 01:
Introducción al procesamiento digital de señales.
Sesión 01:
Introducción al procesamiento digital de señales.
Aplicaciones y ejemplos en diferentes sectores
Docente: Msc.Ing.AcostaSolorzano Williams
PROCESAMIENTO DIGITAL DE SEÑALES
Logros de la Sesión 01:
Al final de la sesión, el estudiante entenderá e
identificará la importancia del procesamiento
digital de señales (DSP) y sus aplicaciones.
Procesamiento Digital de Señales (DSP) y
sus Aplicaciones.
“Es la Matemática, Algoritmos y las técnicas utilizadas
para manipular estás señales después de que se han
convertido en forma digital”.
Operaciones y transformaciones sobre
señales Digitales
¿Qué es una Señal?
“Signalis” – Signo seña, marca o medio que informa,
avisa o advierte algo.
Cualquier magnitud física que varía con el tiempo, el
espacio o cualquier otra variable o variables
independientes
Descripción matemática de una onda :
“Señal Sinusoidal”
𝞴 =c/f : longitud de onda 𝒌 = 𝟐𝞹 /𝞴 : Número de onda
𝒇 =1/T : frecuencia 𝟂 = 𝟐𝞹 /T : frecuencia angular
𝞶 = 𝞴/T = 𝟂/k : velocidad de onda o de propagación
Una Señal:
𝒙(𝒕) = 𝑨.sin(2.𝞹.Fo.t + 𝝓) 𝒚 = 𝑨.cos(kx + wt + 𝞹)
𝒚 = 𝑨.sin(kx ± wt)
A: Amplitud Fo: frecuencia
+: Propagación de derecha a izquierda (). Dirección Negativa de x
- : Propagación de izquierda a derecha ( → ). Dirección positiva de x
𝟅
𝒗= 𝒚(𝒙, 𝒕) velocidad de vibración
𝟅𝒕
𝟅
𝒂= 𝒗(𝒙, 𝒕) aceleración
𝟅𝒕
Ejemplo 1:
𝑫𝒂𝒅𝒂 𝒖𝒏𝒂 𝒐𝒏𝒅𝒂 𝒂𝒓𝒎𝒐𝒏𝒊𝒄𝒂 𝒅𝒆𝒇𝒊𝒏𝒊𝒅𝒂 𝒑𝒐𝒓:
𝛗 = 𝟓.sen(𝞹.y - 5. 𝞹 .t)
Donde “y” se mide en metros y “t” en segundos.
Determinar la velocidad de oscilación de las partículas,
velocidad de propagación, numero de onda, longitud de
onda, frecuencia, periodo, frecuencia angular
Solución:
𝒚 = 𝑨.sin(kx ± wt)
ϑφ
velocidad de oscilación o de vibración = −𝟐𝟓𝞹. 𝒄𝒐𝒔(𝞹.y −5. 𝞹 .t)
ϑφ
Número de onda será: 𝞹 → 𝑘 = 2𝞹/𝞴 = 𝞹 = 2𝞹/𝞴 𝑙𝑜𝑛𝑔𝑖𝑡𝑢𝑑 𝑑𝑒 𝑜𝑛𝑑𝑎: 𝞴 = 2m
𝟂 = 2𝞹 /T : frecuencia angular → 5𝞹 = 𝟂 = 2𝞹/𝑇 → T= 2/5 segundos
Frecuencia: 𝑓 =1/T : 2.5 segundos 𝞶 = 𝞴/T = 2x2.5 =5m/s:
velocidad de onda o de propagación
Carácteristicas y Clasificación de las Señales
De acuerdo con la naturaleza de las variables independientes y
el valor de la función:
señales serán representadas mediante una Función continua o
discreta de las variables independientes.
Función puede ser de valores reales o complejos
Señal puede ser generada mediante una o múltiples fuentes:
- Señal escalar: Señal generada por una fuente
- Señal Multicanal: Señal generada por mas de una fuente
Caracteristicas y Clasificación de las Señales
Señal Unidimensional (1-D) : Señal de voz: función de una
sola variable independiente
Señal Bidimensional (2-D) : Señal de una imagen
“fotografia” : función de dos variables independientes
“variables espaciales”
Señal Multidimensional (M-D) : función de más de una
variable independiente
Matemáticamente:
La señal es descrita como una función de una o más variables
independientes:
S1(t) = 10t :función que describe una señal que varia
linealmente con la variable independiente “tiempo”.
S2(t) = 40t2 : función que describe una señal que varia
cuadráticamente con la variable independiente “tiempo”.
S3(x,y) = 4x+3xy+20y2 : función que describe una Señal de
dos variables independientes “x e y”
En 1-D: Señal en tiempo continuo u(t) y en tiempo discreto v[n]
Señales: Funciones periódicas
Señales: Funciones periódicas
¿Que es una señal periódica?
Cualquier señal que cumpla con la condición:
x(t) = x(t+nT) con n=1,2,3,… (T: periodo)
La periodicidad o no de una Señal Discreta, se
determina mediante la condición:
x[n]=x[n+kN] con k=1,2,3,… (N: periodo)
Diagrama de bloques de un sistema DSP
Procesamiento: supresión de ruido, compresión
Convolución, correlación, DTF.
Dispositivos para DSP: Microprocesadores,
microcontroladores, etc.
Fusión de varias ciencias
● Análisis numérico ● Teoría de comunicaciones
● Probabilidad y estadística ● Electrónica Digital
● Procesamiento de señales analógicas
¿Con que objetivo?
● Mejoramiento de imágenes.
● Reconocimiento y Generación de voz
● Compresión de datos para almacenamiento y la
transmisión, etc.
Antecedentes:
● 1960 – 1970s :
Radar y sonar, medicina y
Exploración espacial
● 1980 – 1990s:
Crecimiento de DSP debido
a la revolución de la
microelectrónica
Aplicaciones de DSP
● Audio:
Reconocimiento y síntesis de voz.
● Procesamiento de imágenes:
Reconocimiento de patrones, dactilares, visión robótica
● Instrumentación y control:
Reducción de ruido, análisis espectral.
● Medicina:
Monitoreo de pacientes, biomédica: señales de ECG, EEG, EMG.
● Militares:
Comunicación, disparo de armas.
Aplicaciones de DSP
● Comunicación:
- Modem, eliminación de eco, ecualización
- Telefonía celular
- Señal de radio
Señal Analógica vs Digital
Señal Analógica Señal Digital
En tiempo Continua y amplitud En tiempo Discreto con amplitudes
Continua, “infinitos” valores de valor discreto, “determinados”
- Señal de voz, Amplificadores valores, Utiliza 0 y 1
operacionales, regulación, - Música digitalizada en CD,
conversión de señal, etc. Llamada de celular.
- Potenciómetro: Variación de - Monitores
la corriente eléctrica y/o tensión.
- Laser de lectoras CD/ DVD
- Capacitador: almacenamiento - Señal de satélite
de energía, Filtrado, etc.
- Control remoto
- Diodo: rectificación de señales, - Almacenamiento de memoria flash,
regulación, Multiplicación de Mp3, usb, etc
tensión, etc.
- Inductor: adaptación de impedancia, etc.
¿Por que llevar de Analógico para Digital?
Programabilidad:
- Hardware realiza varias tareas
- Fácil manipulación.
Repetibilidad:
- Optima y Misma performance
de una unidad a otra.
¿Por que llevar de Analógico para Digital?
(a) Señal analógica, (b) Señal Digital, (c) Señal de datos muestreados y d) Señal cuantizada
Actividades para desarrollar en el Laboratorio
Programas con comandos básicos
Grafica señales simples
Grafica audio de la PC
Grafica de imagen
Datos del osciloscopio
Introducción a MatLab
El Lenguaje Matlab (Matrix Laboratory)
Lenguaje de programación técnico-científico.
Trabaja con variables vectoriales y matriciales.
Contiene varias cajas de herramientas con funciones incorporadas:
Toolbox de procesamiento de señales, teoría de control, wavelets, matemática
simbólica, etc.
Comenzando a programar en MatLab
Componentes de Matlab:
Entorno de desarrollo: conjunto de utilidades que permiten el
uso de funciones Matlab y ficheros en general. Incluye el espacio
de trabajo Matlab y la ventana de comandos.
Libreria de funciones matematicas Matlab: conjunto de
algoritmos de calculo, (+, sin, cos, aritmetica compleja, inversion
de matrices, calculo de autovalores, funciones de Bessel y
transformadas rapidas de Fourier.
Graficos: visualización de vectores y matrices en forma de
graficos. visualizacion tridimensional con opciones de
iluminacion y sombreado, y la posibilidad de crear animaciones.
Interfaz de aplicación de Matlab (API): Consiste en una librera
que permite escribir programas ejecutables independientes en C
y otros lenguajes.
Comenzando a programar en MatLab
Simulink
Aplicación que permite construir y simular modelos de
sistemas físicos y de control mediante diagramas de bloques.
El comportamiento de dichos sistemas se define mediante
funciones de transferencia, operaciones matemáticas,
elementos de Matlab y diferentes tipos de señales
predefinidas
Comenzando a programar en MatLab
Entorno de trabajo en Matlab
1 - Ayuda en línea: teoria y ejemplos de uso de comandos
- F1
- Acceso directo en la ventana de comandos
- Escribiendo el nombre del comando en la línea de
comandos:
>>doc nombre del comando
Operaciones básicas en línea de comandos
Recordar: em matlab todos los objetos son matrices, es
decir un escalar es uma matriz 1x1.
Ejemplo:
Creamos una matriz fila es decir 1x3:
>> a = [3, 5, 8] o >> a = [3 5 8] (punto y coma) al final del comando
hara que no aparescan los resultados
Creamos una matriz columna es decir 3x1: >> a = [4; 1; 5]
adicionar un comentário en la linea de comando utilizando: %
>> a = [2; 7; 9] % matriz columna
Para escribir escalares prescindimos de corchetes:
>> r = 4 % radio del circulo
Ejemplo:
Escriba uma matriz de 2x2 cuyos elementos sean números impares
Ejemplo:
Escriba uma matriz de 4x4 cuyos elementos sean números
naturales
Ejemplo:
Identificar en cada matriz el elemento que se ubica en la segunda
fila y segunda columna.
Accedemos a elementos de una matriz previamente definida, especificando la FILA y
COLUMNA del elemento que nos interesa entre paréntesis: a(2,2)
Operaciones básicas en línea de comandos
Clc : “clean screen”, limpia la ventana de comandos o
command window
Clear : para eliminar los objetos que no se estan
empleando.
Operaciones básicas en línea de comandos
Elementos de matrices pueden ser reales o complejos
Se escribe la letra: i para representar la expresión
compleja: −𝟏
Ejemplos:
a = 3 +5i
b = [-1+ 4i, 7-9i]
Operaciones básicas con Matlab
Operaciones aritmeticas y Logicas en Matlab
Operaciones básicas con Matlab
Funciones Exponenciales en Matlab
nthroot(n,m) :
Calcula la raíz m de
un numero n
Funciones de ajuste y redondeo en Matlab
Operaciones básicas con Matlab
Funciones trigonométricas en Matlab
Operaciones básicas con Matlab
Operaciones matriciales
Operaciones básicas con Matlab
Operaciones lógicas
Evalúan si cierta condición es Verdadera o Falsa. Entonces
la función dará como resultado: 1 si la condición se cumple
o 0 de lo contrario.
Ejemplo: Comprobar si una variable x se encuentra en un intervalo
determinado
>> x=7
>> (x>=0)&(x<=30) % vemos que el Intervalo será [0,30]
Por tanto como el valor de x esta dentro de este intervalo, le respuesta será
afimativa, es decir: 1
>> (x>15)&(x<45) % vemos que el Intervalo será (15,45)
Por tanto como el valor de x esta fuera de este intervalo, le respuesta será negativa,
es decir: 0
Operaciones básicas con Matlab
Ejemplos:
1 - Calcular la raíz de 5 sqrt(5)
2 - Calcular la raíz de los componentes de una matriz
fila de 1x2 sqrt([4 7])
3 - Calcular la raiz 5 de 100 y 3125
nthroot (100,5) nthroot (3125,5) o también: nthroot ([100 3125],5)
4 - Para una matriz de 1x3 de elementos: 1, 2.4, 5.8
a) Redondear todos los elementos de dicha matriz
b) Redondear elemento de la posición 1x2
a) round(a) b) round(s(1,2))
Operaciones básicas con Matlab
Operaciones de Rango
a = 1:10 crea un vector con todos los números enteros
entre 1 y 10.
b = 1:2:10 crea todos los números entre 1 y 10 en
incrementos de 2
Graficas: plot
x=-3:0.1:3
y= exp (x)
plot(x,y); % respetar El orden de los parametros
>> grid; % Visualizar rejilla o malla
>> xlabel('Eje x'); % Etiqueta eje x
>> ylabel('Eje y'); % Etiqueta eje y
Operaciones básicas con Matlab
gravar audio
En el área de trabajo command window
>> r=audiorecorder; %Crea un objeto de grabación.
>> record(r) %inicio de gravación
>> pause(r) %pausa de gravación
>> record(r)
>> stop(r) %fin de gravación
>> play(r) % Escuchar la grabación
>> y=getaudiodata(r);
% Para obtener la matriz que contiene las
muestras de la señal audible. Ésta
es la señal que se puede procesar
>> Fs=r.SampleRate % Para obtener la frecuencia de muestreo.
>> plot(y)
Operaciones básicas con Matlab
Representación de señales digitales en función al
tiempo
Las señales digitales, suelen ser representadas en función del
tiempo.
Entonces su representación en el entorno de Matlab se realiza a
través de vectores filas o vectores columnas.
Cuando la señal digital haya sido digitalizada con dos o más
números de canales, se optará por utilizar matrices. Donde, cada
fila o columna, representará a un canal en particular de dicha
señal
Operaciones básicas con Matlab
Ejemplo: Se muestra un vector conformado por números aleatorios que a
su vez corresponde a una señal de audio ruidoso con 10000 muestras.
t=linspace(0,1,10000);
v1=32*rand(1, 10000)-16; % Genera el vector de
números reales
v1=round(v1); %redondeo
plot(t,v1) %grafica el vector de ruido
axis([0.38 0.4 -20 20]) % limites de
visualizacion del
vector de ruído
grid
sound (v1, 8000) % reproducción del audio ruidoso
Operaciones básicas con Matlab
Tratamiento de imágenes:
En el área de trabajo command window
img=imread('desert.jpg'); %conversion a pixels
imshow(img);
graydeer=rgb2gray(img);
binarydeer=im2bw(img);
imshow(graydeer)
imshow(binarydeer)
imshow('desert.jpg')
Operaciones básicas con Matlab
Tratamiento de imágenes:
En el área de trabajo command window
desert=imread('desert.jpg');
imshow(desert);% imagen original
desert=rgb2gray(desert); %
figure, imhist(desert) % histograma de la imagen original
desert_eq=histeq(desert); % histograma de la imagen
equalizada
Operaciones básicas con Matlab
Tratamiento de imágenes:
I=imread('desert.jpg');
subplot(2,2,1)
imshow(I)
subplot(2,2,2)
imshow( I(:,:,1))
subplot(2,2,3)
imshow( I(:,:,2))
subplot(2,2,4)
imshow( I(:,:,3))
T = I; %hago copia de la imagen
T(:,:,1) = 0 %Capa roja en cero
T(:,:,2) = 0; %Capa verde en
cero
T(:,:,3) = 0; %Capa azul en cero
imshow(T)
Conclusiones
► Para conseguir el DSP utilizamos Algoritmos y técnicas de
manipulación de señales digitales para que después dicha
señal sea transmitida ya mejorada o corregida.
► Los diferentes algoritmos utilizados en MatLab permiten
graficar, procesar y manipular:
- Operaciones matemáticas
- Distintos tipos de señales
