8 Muestreo y Cuantificación 8.1 Introducción En este capítulo se estudian los conceptos y el formalismo matemático relativo al muestreo y la reconstrucción de señales. Después de estudiar los elementos de una cadena de medida y de definir los conceptos de margen dinámico y relación señal-ruido, se tratan las estructuras de los equipos electrónicos de medida y, en el siguiente apartado, los aspectos del muestreo de señales; en él, en primer lugar se realiza una introducción al análisis de Fourier con el fin de familiarizar con el cambio entre los dominios temporal y frecuencial; para luego abordar los muestreos natural e ideal. Por último, en el apartado de cuantificación se presta especial atención al estudio de la relación señal-ruido como parámetro indicativo del rechazo a los efectos del ruido del cuantificador. 8.2 Cadena de medida: margen dinámico y relación señal ruido La figura 1 muestra los elementos que constituyen un equipo electrónico de adquisición de datos y que recibe el nombre de cadena de medida. En este diagrama se supone nulo el efecto de carga entre elementos, con el fin de que la información fluya sin perder intensidad. Magnitud física medida Sensor Amplificador Multiplexor S& H, CAD Salida Fig. 1. Elementos de una cadena de medida genérica en un equipo de adquisición de señales. S&H1 es el bloque de muestro y retención. Es deseable que a un rango (analógico) de entrada corresponda un rango de palabras digitales en la salida del convertidor analógico/digital (CAD). Se dice entonces que el margen de entrada se adapta al margen de salida (adaptación de rangos dinámicos). 1 Sample and Hold JJGDR-UCA 1 Instrumentación Electrónica. Juan José González de la Rosa 8.2.1 Margen dinámico Una definición de margen dinámico de cadenas de medida atiende a la invarianza de la magnitud definida en cada punto de la cadena. En cada punto de la cadena de medida se define el margen dinámico como el cociente entre el rango de variación de la magnitud involucrada y la resolución o mínimo cambio apreciable en el punto en consideración: MD punto = rango resolución (1) Por ejemplo, para un sensor de presión si esta magnitud tiene un rango de 0-1 Ba2 y la resolución es de 0,1 mBa, el margen dinámico resulta: MD punto = 1 10 −4 = 10 4 A veces se proporciona esta magnitud en decibelios; en este último caso resulta: MD punto ( ) (dB) = 20 ⋅ log 10 4 = 80 dB La figura 2 representa una posible relación entre los márgenes de los elementos de la cadena de medida: Magnitud física medida Sensor Amplificador Mux. S& H Ent. CAD Sal. Fig. 2. Adaptación entre los márgenes de variación de las magnitudes de los distintos elementos de la cadena de medida. El margen dinámico relativo a la resolución, dado por (1), debe ser constante para todos los elementos de la cadena. 2.2 Relación señal-ruido de cuantificación La calidad de la salida del CAD se mide mediante el cociente entre un parámetro propio de la señal y el ruido de cuantificación. El ruido de cuantización es la diferencia entre la 2 2 Bares JJGDR-UCA 8 Muestreo y Cuantificación muestra original y la cuantizada. La relación señal-ruido de cuantización (SNR3) se define como el cociente de varianzas de la señal y el ruido presente en el equipo de medida. Este último es considerado como el error del proceso de medida: ( ( ) ) 2 E x(i) − x SNR ≡ = 2 E e(i) − e ∑ (x(i)) ∑ (e(i)) 2 2 = σ x2 σ e2 , (2) donde se han supuesto nulas las medias de la señal y del ruido. Se demuestra que esta definición lleva implícito el cociente de potencias medias entre la señal de interés y el ruido. En decibelios se define como: σ2 SNR(dB) ≡ 10 ⋅ log(SNR ) = 10 ⋅ log x2 σ e (3) El ruido aleatorio, presente en todo equipo electrónico, se modela a menudo con una función de probabilidad rectangular dentro del intervalo de cuantificación (indicativa de un ruido uniformemente distribuido), como indica la figura 3, que indica la probabilidad de que se dé un error descrito en el intervalo de cuantificación de anchura ∆. p(e) -∆/2 0 ∆/2 e Fig. 3. Función densidad de probabilidad rectangular, representativa de un ruido aleatorio uniforme dentro del intervalo de cuantificación de anchura “∆”. Esto significa que la distribución de errores de cuantización es uniforme sobre cada intervalo de cuantización. A continuación se evalúa la SNR para la situación de cuantización uniforme. La varianza del ruido, supuesto con media nula, es: 3 Signal to Noise Ratio JJGDR-UCA 3 Instrumentación Electrónica. Juan José González de la Rosa σ e2 = ( ) ∫ (e − e) 1 e3 ⋅ ∆ 3 +∆ −∆ 2 2 +∞ 2 = E e − e = −∞ +∆ ∫ ⋅ p(e) ⋅ de = −∆ 2 e2 ⋅ 1 ⋅ de ∆ 2 3 = 2 ∆ ∆2 ∆ ∆ ⋅ = → σe = = 3⋅ ∆ 2 12 12 2 3 2 De aquí se deduce una relación muy útil en laboratorios de calibración relativa a la varianza del error cuando la distribución de probabilidad de los errores es uniforme: σe = ∆ = 12 ∆ 2 3 Para calcular la varianza de la señal se supone que el cuantificador cubre el rango completo de variación de la señal analógica muestreada (salida del bloque S&H de la figura 4). Si el CAD es de “n” bits de resolución, existen 2n estados posibles del cuantificador y 2n-1 intervalos de cuantificación de anchura “∆”, como muestra la figura 4 para el caso particular de tres bits. La anchura de cada intervalo es el cociente entre la tensión pico-pico de la entrada y el número de intervalos de cuantificación: ∆= V pp 2n 8 7 6 5 4 3 2 1 0 ∆ Vpp Fig. 4. Situación para n=3. La varianza de la señal de entrada es: σ x2 1 = ⋅ T ∫ [∆ ⋅ 2 T n −1 ] ⋅ sen(2πft ) 0 = 2 [ 1 ⋅ dt = ⋅ ∆ ⋅ 2 n −1 T [ 1 ⋅ ∆ ⋅ 2 n −1 T ] ⋅ 12 ⋅ T = ∆ 2 2 ] 2 T 1 1 ⋅ ⋅ t − ⋅ cos(2πft ) 2 2 0 ⋅ 2 2 n −3 Por tanto, la magnitud SNR resulta: SNR ≡ 4 σ x2 σ e2 = ∆ 2 ⋅ 2 2 n −3 ∆ 2 12 = 3 ⋅ 2 2 n −1 = 3 2n ⋅2 2 JJGDR-UCA 8 Muestreo y Cuantificación A la luz de la expresión, se observa que cuanto mayor es el número de bits, mejor es la relación señal ruido del equipo. Expresada en decibelios (dB), la SNR viene dada por: ( ) 3 3 SNR (dB ) = 10 ⋅ log10 (SNR ) = 10 ⋅ log10 ⋅ 2 2 n = 10 ⋅ log10 + 10 ⋅ log10 2 2 n 2 2 3 = 10 ⋅ log10 + 20 ⋅ n ⋅ log10 (2 ) ≅ 1,76 + 6,02 ⋅ n 2 Esto significa que por cada bit añadido a la palabra digital, la SNR aumenta aproximadamente 6 decibelios. Esta expresión es muy importante ya que determina el número de bits que una aplicación necesita. Por ejemplo, para los discos compactos se necesita una resolución de 16 bits, lo que implica una SNR de aproximadamente 98 dB. Si se desea aumentar la SNR con el número de bits, se debe considerar que esto implica un mayor tiempo de conversión y, en consecuencia, se reduce el ancho de banda aceptable para la señal de entrada. 8.3 Estructuras básicas de equipos electrónicos de adquisición de señales La organización de la unidad de medida depende del número de entradas y salidas, y de la distribución de la capacidad de procesamiento en función de la velocidad que requiera el sistema. A continuación damos las alternativas de diseño más frecuentes. 8.3.1 Unidades de alto y bajo nivel Depende de que se trate con señales inferiores o superiores a 100 mV. Un multiplexor analógico permite seleccionar la entrada a la unidad de uno de los sensores, mediante la combinación adecuada de señales de control. Si las señales provenientes de los sensores no han sido amplificadas, el multiplexor debe introducir un error despreciable. Además, si la distancia entre los sensores y el multiplexor es grande, existe riesgo de interferencias, que pueden tener graves consecuencias porque la señal aún no ha sido amplificada. En consecuencia, se suelen amplificar las señales de los sensores antes de demultiplexarlas. 8.3.2 Unidades centralizadas y descentralizadas Las primeras constan de un procesador único, que coordina la adquisición de datos provenientes de distintos puntos de medida. Los segundos son estructuras de procesadores coordinados, cada uno de los cuales se encarga de un sector o zona [Pallás, 1993]. Son de especial de interés los equipos de medida con varios buses o niveles de intercomunicación de elementos. JJGDR-UCA 5 Instrumentación Electrónica. Juan José González de la Rosa 8.3.3 Equipos de medida con varios buses. Tarjetas de adquisición de datos 8.3.3.1 Arquitectura: Cadena de medida, temporizadores, interfaz con bus PCI, circuitos de control y programación El bus interno de un equipo, basado en microcomputador, es un conjunto de líneas que conecta entre sí sus circuitos, generalmente la CPU (Central Processing Unit; Unidad de procesamiento central) con la memoria del programa ROM (Read Only Memory; Memoria de sólo lectura), con la memoria de lectura y escritura (RAM; Random Access Memory; Memoria de acceso aleatorio) y los componentes periféricos de la interfaz con el exterior. Su diseño determina la estructura y características operativas del sistema. Parte de las líneas del bus (bus de direcciones) identifican al elemento que transmite o recibe la información; ésta, a su vez, se transmite por el bus de datos. Otro conjunto de líneas, el bus de control, establece el sincronismo del sistema de medida. Al conectar el microcontrolador con otro sistema externo, como un ordenador personal (PC), o un instrumento de medida, el bus que sirve de unión entre ambos no tiene por qué ser idéntico al bus interno del microcontrolador. El nuevo bus puede ser de propósito general, como, por ejemplo, el descrito en la norma IEEE-488 (GPIB; General Purpose Interface Bus). Es frecuente utilizar equipos de medida que empleen las ranuras de expansión del PC. En ellos, se usan las ranuras ISA o PCI para insertar tarjetas de adquisición de datos (gestionadas por los buses del mismo nombre del PC). En este caso existe comunicación a dos niveles distintos: entre periféricos (generalmente sensores) y la tarjeta, y entre ésta y el PC. La ventaja de estos equipos es que el ordenador queda libre del control de la adquisición de datos, y cede su bus para transferir los datos de la tarjeta a su memoria RAM. La transferencia de datos a la RAM se realiza mediante acceso directo (DMA; Direct Memory Access). Se pueden conectar al mismo bus tantas tarjetas como ranuras de expansión se habiliten en el PC. La figura 5 muestra el diagrama de bloques genérico de una tarjeta conectable al bus PCI, con circuitos de temporización propios. En ella se aprecian los siguientes elementos: • La cadena de medida. Formada por las entradas provenientes de los sensores, multiplexor analógico, amplificador de ganancia programable, circuito de muestreo y de retención, y el convertidor A/D (CAD). • Zona de temporizadores. Constituida por el oscilador principal, un divisor de frecuencias y el reloj interno. Éste último suele ser un lazo de enganche de fase. Se permite el disparo externo y la temporización por reloj externo. • Interfaz con el bus PCI. Circuitos que realizan la adaptación de impedancias y tensiones con este bus. • Circuitos de control y programación. Entre otras, reciben instrucciones sobre el número de canales muestreados, el orden de muestreo y el ajuste automático de ganancia. En caso de poseer microprocesador, éste se encarga de realizar las funciones indicadas. 6 JJGDR-UCA 8 Muestreo y Cuantificación Oscilador Salidas digitales Puerto digital Divisor de frecuencias Disparo externo Reloj externo Orden muestreo entradas Programación: Secuenciación adquisición Entradas analógicas Salidas analógicas CDA Reloj (PLL) Control ganancia Amplificador de ganancia programable Multiplexor analógico Selección entrada Circuito de muestreo y retención CAD Registros Interfaz bus PCI Bus PCI del PC Fig. 5. Diagrama genérico de una tarjeta de adquisición de señales PCI. 8.4 Muestreo de señales Como quiera que el muestreo y reconstrucción de señales supone el paso del dominio temporal al frecuencial, se introduce en primer lugar el análisis de Fourier con el fin de dotar de formalismo matemático a la conversión entre dominios. Por tanto, en este apartado o lección trataremos la descomposición de señales periódicas complejas en señales más simples que permiten un análisis más sencillo de la señal compleja. 8.4.1 Introducción al análisis de Fourier 8.4.1.1 La serie trigonométrica de Fourier La mayoría de las señales periódicas empleadas en la Ingeniería pueden descomponerse como suma de señales sinusoidales según el desarrollo en serie de Fourier. Éste establece para una función periódica, no sinusoidal f(t): f (t ) = a0 + 2 ∞ ∑ [a n ⋅ cos(nw0 t ) + bn ⋅ sen(nw0 t )], (3) n =1 donde w0 se denomina pulsación fundamental. Combinando la suma del seno y del coseno resulta: f (t ) = d 0 + ∞ ∑ [d n ⋅ cos(nw0 t + θ n )] (4) n =1 donde: d0 = JJGDR-UCA a0 2 d n = a n2 + bn2 −b θ n = arctan n an (5) 7 Instrumentación Electrónica. Juan José González de la Rosa De lo anterior se deduce que d0 es el valor medio de la función f(t); la componente de CC de la señal (valor medio medido por un multímetro en la posición “DC”). El primer término de la sumatoria se denomina componente fundamental, el segundo se denomina segundo armónico, etc. Con el fin de simplificar el cálculo conviene emplear otra notación basada en el desarrollo en serie de la exponencial compleja. 8.4.1.2 Desarrollo en serie exponencial compleja para señales en tiempo continuo. Condiciones de existencia Utilizando las fórmulas de Euler: f (t ) = = a0 + 2 a0 + 2 ∞ ∑ [a n ⋅ cos(nw0 t ) + bn ⋅ sen(nw0 t )] n =1 ∞ e jnw0t + e − jnw0t a n ⋅ 2 n =1 ∑ jnw0t − e − jnw0t + bn ⋅ e 2j Finalmente, agrupando en una sumatoria todos los términos se obtiene la serie de Fourier de la señal de partida. En efecto, f (t ) = a0 + 2 = ∞ an ∑ 2 + n =1 a0 + 2 ∞ bn jnw0 t an bn − jnw0 t ⋅e ⋅ e + − = 2 j 2 2j an ∑ 2 − j n =1 bn jnw0 t an b + + j n ⋅ e − jnw0 t ⋅e 2 2 2 a a n − jbn ⋅ e jnw0t + a n + jbn ⋅ e − jnw0t f (t ) = 0 + 2 n =1 2 2 142 43 14243 * cn c− n = c n ∞ ∑ f (t ) = +∞ ∑c n ⋅e jnw0t (6) n = −∞ donde los coeficientes se relacionan entre sí mediante las siguientes fórmulas: a n = 2 Re(c n ) bn = −2 Im(c n ) d 0 = c0 = a0 2 d n = 2 c n , n = 1, 2, 3, ... La expresión (6) recibe el nombre de desarrollo en serie exponencial compleja. El desarrollo en serie de Fourier para señales periódicas en tiempo continuo, utilizando la exponencial compleja, establece que cualquier función periódica se puede expresar como combinación lineal de exponenciales complejas. El periodo fundamental de la función periódica desarrollada en serie es: T0 = 8 1 2π = f 0 w0 JJGDR-UCA 8 Muestreo y Cuantificación Las funciones exponenciales complejas: n = 0, ± 1, ± 2,... e jnw0t constituyen la base del desarrollo, a partir de las cuales se pueden construir funciones periódicas de cualquier tipo; mediante la elección adecuada de los coeficientes cn, que determinan la forma de la señal. Es destacable observar que la función f(t) y su desarrollo en serie correspondiente son iguales para todo valor de t (instante de tiempo) excepto en los puntos de discontinuidad de f(t). Esto queda garantizado por las condiciones de Dirichlet, que son: i. Para cualquier periodo, f(t) tiene un número finito de discontinuidades. ii. Para cualquier periodo, f(t) tiene un número finito de máximos y de mínimos. iii. La función f(t) es integrable para cualquier periodo. En resumen, si f(t) es periódica y cumple las condiciones de Dirichlet, entonces puede representarse mediante el desarrollo en serie de Fourier. f (t ) = ∞ ∑c n ⋅ e jnw0t n = −∞ donde los coeficientes se calculan según: cn = 1 ⋅ T0 t0 +T0 ∫ f (t ) ⋅ e − jnw0t dt (7) t0 En la práctica analítica se trabaja con las exponenciales complejas; sin embargo, la señal con sentido físico es la obtenida como suma trigonométrica. JJGDR-UCA 9 Instrumentación Electrónica. Juan José González de la Rosa Ejemplo1. Encontrar el desarrollo en serie de Fourier de la señal periódica de la figura Ej 1.1. La señal es par y el periodo fundamental es T0. f(t) T0 V -T*/2 0 t T*/2 Fig. Ej.1.1. Tren de pulsos. Los coeficientes de las serie se calculan aplicando (7) a un intervalo de cálculo simétrico respecto al eje de ordenadas: 1 ⋅ cn = T0 = t 0 +T0 =T * / 2 ∫ f (t ) ⋅ e − jnw0t t 0 = −T * / 2 −V jnw0 T0 ⋅ e − jnw0T * /2 1 ⋅ dt = T0 − e jnw0T * T* / 2 ∫ V ⋅ e − jnw0t dt = −T * / 2 /2 [ −V ⋅ e − jnw0t jnw0 T0 nw T * −V ⋅ − 2 j ⋅ sen 0 2 jn w0 T0 123 = ] T* / 2 −T * / 2 2π 2π * ⋅T n⋅ T0 V = ⋅ sen nπ 2 = V ⋅ sen n ⋅ π ⋅ T * ; T nπ 0 n = ±1, ± 2,... Entonces, el desarrollo en serie resulta: f (t ) = ∞ ∑ cn ⋅ e jnw0 t = n = −∞ ∞ π ∑ nπ ⋅ sen n ⋅ T V n = −∞ 0 ⋅ T * ⋅ e jnw0 t ; n = ±1, ± 2,... Utilizando las relaciones entre coeficientes se obtiene: a n = 2 Re(c n ) = π 2V ⋅ sen n ⋅ ⋅ T * ; bn = −2 Im(c n ) = 0 n = ±1, ± 2,... nπ T0 La onda resultante responde a: f (t ) = a0 + 2 ∞ ∑a n ⋅ cos(nw0 t ) n =1 Esto es coherente con que f(t) es una función par y sólo contiene cosenos (funciones pares) en su desarrollo. Por otra parte, veremos que los armónicos pares son nulos en el caso particular de ser una señal cuadrada (ciclo de trabajo 50%). Es interesante expresar los coeficientes de la expresión final del ejemplo anterior de la forma siguiente, con el fin de estudiar su representación gráfica: 10 JJGDR-UCA 8 Muestreo y Cuantificación T* sen nπ ⋅ T0 V T * T* T * sen(a ) = ⋅ cn = ⋅ sen nπ ⋅ V = V ⋅ nπ T0 T0 T0 a T* nπ ⋅ T0 n = ±1, ± 2,... En esta expresión se observa una amplitud escalada según el cociente de tiempos, y una función de la forma sen(a)/a (“seno cociente”), como la mostrada en la figura 6. En la figura 7 se ha considerado un caso particular con V=10 y T*=0,1⋅T0), donde: a = nπ ⋅ T* = nπ ⋅ T * ⋅ f 0 ; T0 n = ±1, ± 2,... Fig. 6. Representación de sen(a)/a. JJGDR-UCA 11 Instrumentación Electrónica. Juan José González de la Rosa Fig. 7. Representación de sen(a)/a. Abscisas: n, donde a = nπ ⋅ T* T0 . Con la expresión anterior, es sencillo obtener los valores para los que se anula la función, que se observan en la gráfica: T* sen nπ ⋅ T0 T T* n = 0 ⇔ π ⋅ = kπ ⇔ n = 0* k * T0 T T nπ ⋅ T0 k = ±1, ± 2,... Para la relación T*=0,1⋅T0, se tienen los valores de n: n = ±10, ± 20,... Es interesante realizar las siguientes observaciones sobre el ejemplo anterior: • • Los coeficientes de Fourier, cn son muestras de la función sen(a)/a. Esta función es cero para argumentos múltiplos de π, decae a cero conforme aumenta el valor absoluto del argumento y toma un máximo en el punto de argumento nulo. Los coeficientes son reales porque la función f(t) es par (simétrica respecto del eje de ordenadas). En consecuencia, el espectro de fases vale 0 ó π. La figura 8 muestra las distintas gráficas de los coeficientes de Fourier para distintas anchuras del pulso, para por ejemplo T0=1 ms. Se observa en esta figura que al 12 JJGDR-UCA 8 Muestreo y Cuantificación disminuir el ancho del pulso relativo al periodo fundamental de la señal, se dispersa la potencia de la señal en el rango de frecuencias considerado. El caso extremo se considera cuando la señal es una delta de Dirac, en cuyo caso el espectro es plano e infinito. Fig. 8. Efecto de la disminución de la anchura del pulso en el espectro continuo de la señal. La energía de la señal se expande. Para n=0 el coeficiente resulta: c0 = V T* T0 Empleando ahora la expresión como suma de señales sinusoidales, (3), se obtienen interesantes consecuencias relacionadas con la analítica del desarrollo: JJGDR-UCA 13 Instrumentación Electrónica. Juan José González de la Rosa f (t ) = a n = 2 Re(c n ) = a0 + 2 ∞ ∑ [a n ⋅ cos(nw0 t ) + bn ⋅ sen(nw0 t )] n =1 2V T* ⋅ sen nπ ⋅ nπ T0 , bn = −2 Im(c n ) = 0; n = ±1, ± 2,... De forma compacta, la onda cuadrada del ejemplo anterior resulta, sabiendo que a 0 = 2V T* T0 f (t ) = : a0 + 2 ∞ ∑ n =1 T* 2V ⋅ sen nπ ⋅ nπ T0 * ⋅ cos 2πn t = V ⋅ T + T0 T0 ∞ 2πn T * t ⋅ cos 0 T0 ∑ nπ ⋅ sen nπ ⋅ T 2V n =1 Obsérvese que los coeficientes del seno (bn) son nulos; como debe ser pues la función inicial es par y así debe serlo su desarrollo en serie trigonométrico, que se compone de una combinación lineal de cosenos. El desarrollo resulta: f (t ) = V T* + a1 ⋅ cos(2πf 0 t ) + a 2 ⋅ cos(2π2 f 0 t ) + a3 ⋅ cos(2π3 f 0 t ) + a 4 ⋅ cos(2π4 f 0 t ) T0 + a5 ⋅ cos(2π5 f 0 t ) + a6 ⋅ cos(2π6 f 0 t ) + ... Un caso particular corresponde a T*=T0/2 (onda cuadrada); en este caso es inmediato comprobar que sólo permanecen los armónicos impares y resulta: f (t ) = V 2V 2V 2V + ⋅ cos(2πf 0 t ) − ⋅ cos(2π3 f 0 t ) + ⋅ cos(2π5 f 0 t ) − ... 2 π 3π 5π En forma compacta, su desarrollo en serie resulta: f(t) ∞ 2πn V 2V nπ f (t ) = + ⋅ sen ⋅ cos t 2 n =1 nπ 2 T0 ∑ T0 V -T*/2 0 T*/2 t En función del número de términos considerados, la reproducción de la señal cuadrática original será más o menos fiel. Con el fin de mostrar el efecto del truncamiento del desarrollo en serie de la función anterior, se considera un ejemplo que involucra una señal cuadrada de valor medio 0,5 V (V=1) y frecuencia de 2 Hz; se emplea una frecuencia de muestreo de 200 Hz. La figura 9 muestra el efecto del truncamiento de la serie dada por (8). Los rizados u oscilaciones en las discontinuidades reciben el nombre del fenómeno de Gibb. Suceden porque las discontinuidades en una señal requieren de señales de alta frecuencia para ser modeladas correctamente, ya que son fenómenos que suceden en intervalos de tiempo muy cortos. 14 JJGDR-UCA 8 Muestreo y Cuantificación Fig. 9. Representaciones gráficas de los desarrollos en serie de Fourier de una señal cuadrada, para distintos números de términos. La tabla 1 muestra los desarrollos de varias señales comunes en Electrónica e Ingeniería: Tabla 1. Funciones periódicas no sinusoidales y sus desarrollos en serie de Fourier. Cuadrada, impar con valor medio nulo f(t) T0 V f (t ) = 0 T0/2 -T0/2 -V t 4V π 0 f(t) 2 ∞ 2π t , n = 1,3,5,... 0 ∑ sen n T n =1 Triangular de valor medio nulo T0 V 0 t -V f (t ) = (− 1)( n −1) / 2 2π t , n = 1,3,5,... sen n π 2 n =1 n2 T0 8V ∞ ∑ 8.4.2 Muestreo natural o real El muestreo es un proceso lineal que permite transformar una señal de espectro limitado y continua en el tiempo (tal y como se muestra en la naturaleza), en una serie temporal (y por tanto discreta) de valores de amplitud que constituyen sus muestras. En consecuencia, la señal muestreada uniformemente está formada por valores discretos de la señal analógica original igualmente espaciados por el periodo de muestreo. La frecuencia de muestreo debe ser al menos igual al doble de la máxima componente espectral de la señal si se pretende recuperar la señal original a partir de sus muestras. JJGDR-UCA 15 Instrumentación Electrónica. Juan José González de la Rosa Si el muestreo es natural, la señal muestreadora es un tren de impulsos de duración finita (T*) y amplitud unitaria, como muestra la figura 10. En el muestreo ideal se emplean series de funciones deltas de Dirac para modelar los impulsos de muestreo. 8.4.2.1 Espectro de la señal muestreada La señal de muestreo se multiplica por la señal analógica original y se obtiene la señal muestreada: f nT0 (nT0 ) = m(t ) × f (t ) Con el fin de obtener el espectro de la señal muestreada se utiliza el desarrollo en serie de la señal muestreadora: f(t) T0 1 ... ... t 0 T* Fig. 10. Impulsos de muestreo en el proceso de muestreo natural. ∞ m(t ) = ∑ cn = c n ⋅ e jnw0t n = −∞ 1 ⋅ T0 t0 +T0 ∫ m(t ) ⋅ e − jnw0t dt t0 De forma análoga al apartado anterior: 1 cn = ⋅ T0 t 0 +T0 =T * ∫ 1 ⋅ e − jnw0t dt = t0 = 0 [ 1 ⋅ e − jnw0t T0 ] T* 0 = * 1 ⋅ 1 − e − jnw0T jnw0T0 Con el fin de expresar este coeficiente de forma análoga a los coeficientes del tren de pulsos del apartado anterior se reconvierte la expresión anterior: cn = * * * * 1 1 ⋅ 1 − e − jnw0T = ⋅ e − jnw0T / 2 ⋅ e jnw0T / 2 − e − jnw0T / 2 jnw0T0 jnw0T0 Se convierte ahora la resta de exponenciales en una función trigonométrica; se sustituye la pulsación w0 en función del periodo fundamental y se simplifica, resultando: cn = [ ( )] * 1 1 T * − jnπf 0T * ⋅ 2 j ⋅ sen nw0T * / 2 ⋅ e − jnw0T / 2 = ⋅ sen nπ ⋅e jnw0T0 nπ T0 Finalmente, para tener el mismo argumento del seno en el denominador: 16 JJGDR-UCA 8 Muestreo y Cuantificación T* cn = ⋅ T0 T* * − jnπ T0 nπ ⋅ T ⋅ e ⋅ sen T T* 0 nπ ⋅ T0 1 n = 0, ± 1, ± 2,... Se observa que los coeficientes son complejos, ya que ahora el tren de pulsos que se emplea como señal para muestrear no es una función par. Es inmediato comprobar que para n=0: c0 = T* T0 Desde el enfoque de un instrumento electrónico, en un medidor de espectros aparecería reflejada la medida de su valor absoluto o de su valor absoluto al cuadrado, si está involucrada la energía de la señal. Se obtiene ahora el espectro de la señal muestreada aplicando la definición de transformada de Fourier y la propiedad de desplazamiento en la frecuencia. En todo el proceso queda implícito el carácter lineal de la operación: ∞ ∑c f nT0 (nT0 ) = m(t ) ⋅ f (t ) = n = −∞ n ⋅e jnw0t ⋅ f (t ) = ∞ ∑c n = −∞ n ⋅ f (t ) ⋅ e j 2π ⋅ n ⋅t T0 Resulta la transformada: FnT0 ( f ) = ∞ ∑c n = −∞ n ⋅ F ( f − nf 0 ) (9) Por tanto, el espectro de la señal muestreada es una sucesión de espectros de la señal original escalados por el coeficiente cn. Además, el espectro de la señal muestreada conserva la forma del espectro de la señal original, salvo que para cada frecuencia de la serie nf0 viene escalado por el coeficiente cn. Con el fin de representar el espectro energético de la señal muestreada se evalúa el módulo de los coeficientes. cn = T* 1 ⋅ T0 nπ ⋅ T * T0 T * ⋅ sen nπ ⋅ T0 T * sen nπ ⋅ T0 T* ⋅e = ⋅ T0 T* nπ ⋅ 1 424 3 T0 T* − jnπ T0 =1 Entonces: FnT0 ( f ) = ∞ ∑c n = −∞ n ⋅ F ( f − nf 0 ) (10) La figura 11 representa el espectro del módulo de los coeficientes. Obsérvese por ejemplo, que para n=40 la función toma el valor 0. En efecto: JJGDR-UCA 17 Instrumentación Electrónica. Juan José González de la Rosa T * =0 448 6447 sen nπ ⋅ T T* sen ( 40 π ⋅ 0,025) 0 cn = V ⋅ ⋅ = 1 ⋅ 0,025 ⋅ * T0 40π ⋅ 0,025 T nπ ⋅ T0 Fig. 11. Espectro del módulo de los coeficientes del desarrollo de la serie de la señal muestreadora formada por impulsos unitarios. Las expresiones (8) y (9) nos indican que el espectro de f(t) se repite para cada valor de “n”, con la salvedad de que la amplitud está escalada por los coeficientes. Por ejemplo, una señal con un espectro como el de la figura 12, éste se repetiría para cada valor de “n”, dando lugar al espectro de la señal muestreada de la figura 13. F(f) -fmáx 18 0 fmáx f JJGDR-UCA 8 Muestreo y Cuantificación Fig. 12. Espectro de la señal de interés. |cn | ... -1/T * FnT0(f) -1/T0 -fmáx fmáx 0 1/T* 1/T 0 f ... Fig. 13. Espectro de la señal muestreada. 8.4.2.2 Solapamiento o “aliasing” La señal analógica original se recupera a partir del espectro de la señal muestreada anterior, mediante un filtro paso-bajo ideal, con frecuencia de corte igual a la máxima componente espectral de la señal. Para que pueda recuperarse la señal analógica original a partir del espectro de la señal muestreada no deben darse situaciones de solapamiento entre las bandas. Es decir, para dos bandas adyacentes, la máxima componente de la banda inferior debe ser inferior a la mínima componente de la banda superior: nf 0 + f máx < (n + 1) f 0 − f máx ⇒ 2 f máx < f 0 ⇔ T0 < 1 2 f máx (10) Esto significa que para evitar el solapamiento (“aliasing”), la frecuencia de muestreo debe ser al menos igual al doble de la máxima componente espectral de la señal. La figura 14 muestra una situación de solapamiento, que no verifica la condición (10). FnT0(f) ... ... f 0 JJGDR-UCA 19 Instrumentación Electrónica. Juan José González de la Rosa Fig. 14. Situación de solapamiento. Si el muestreo se realiza a una velocidad menor, la señal reconstruida a partir de las muestras no coincide con la original. El origen de la denominación aliasing (manifestación de los “alias”) se refleja con más claridad en el ejemplo desarrollado 2. Ejemplo 2. Sean dos señales sinusoidales de frecuencias 1 y 6 kHz respectivamente: y1 (t ) = sen2π(1000)t y 2 (t ) = sen2π(6000)t Supongamos que son muestreadas a una velocidad de 5000 Hz (5 kHz). Entonces, haciendo t=nTS=n/fS=n/5000 se obtienen las señales o secuencias en tiempo discreto: 2π 1000 y1 (n) = sen2π n n = sen 5000 5 12π 6000 y 2 (n) = sen2π n n = sen 5 5000 Desarrollando la segunda señal muestreada se observa que es idéntica a la primera: y 2 (n) = sen 12π 2π 2π n = sen 2πn + n = sen n 5 5 5 En consecuencia, las dos señales son indistinguibles, ya que a partir de los valores de sus muestras, no podemos determinar de qué señal proceden, si de la de 1 kHz o de la de 6 kHz. Esto sucede porque y1(t) produce exactamente los mismos valores de muestras que y2(t) cuando son muestreadas a fS=5 kHz (5000 muestras por segundo). Se dice entonces que la frecuencia de 6 kHz es un alias de la frecuencia de 1 kHz a la frecuencia de muestreo de 5 kHz. Del ejemplo 2 podemos concluir la relación de la frecuencia “alias” con la frecuencia original y la de muestreo. (frecuencia alias = frecuencia de la que es alias + k* velocidad de muestreo) 6 kHz = 1 kHz + 1*5 kHz La figura 15 muestra la situación del ejemplo 2, al medir 6 kHz con una frecuencia de muestreo de 1 kHz. La frecuencia de 6 kHz no es el único alias de la frecuencia de 1 kHz a esa velocidad de muestreo. También lo son las frecuencias de 1+2*5 kHz = 11 kHz, 1+3*5 kHz = 16 kHz, 1+4*5 kHz = 21 kHz, etc. Es decir, a una velocidad de muestreo determinada fs, y para una frecuencia f1, todas las frecuencias fk=f1+k*fS, con k entero, son alias de f1. Para k=-1 se obtiene que -4 kHz es un alias de 1 kHz ya que -4=1+(-1)*5. También podemos decir 1que 4 kHz es un alias de –1 kHz. En general podemos enunciar la regla: 20 JJGDR-UCA 8 Muestreo y Cuantificación fk es un alias de f1 a la velocidad de muestreo fS si existe al menos un entero k tal que fk=f1+k*fS. Fig. 15. Panel principal de un analizador de espectros virtual al medir 6 kHz con una frecuencia de muestreo de 5 kHz. 8.4.2.3 Frecuencia de muestreo de Nyquist y frecuencia de “plegado” La frecuencia 2fmáx recibe el nombre de frecuencia de muestreo de Nyquist, y establece la mínima velocidad del muestreador para recuperar una señal con ancho de banda finito fmáx. En consecuencia, la frecuencia de “plegado” o solapamiento (fS/2) es la máxima componente espectral que puede ser representada inequívocamente con una velocidad de muestreo fS en un instrumento electrónico. Ejemplo 3. 442 kHz es un alias de -58 kHz a la velocidad de muestreo de 500 kHz. En efecto, para k=1, 442 = -58+1*500. En este caso, una frecuencia negativa se representa en el analizador de espectros como si fuera positiva ya que sen (-x)=-sen(x), y la inversión de fase no la representa el analizador de espectros. Cuando un instrumento (analizador de espectros) adquiere una señal que contiene componentes en frecuencia mayores que la mitad de la frecuencia de Nyquist (frecuencia de solapamiento o plegado, folding frequency), las componentes en frecuencia que la superan experimentan el solapamiento hacia atrás o fold back, dando lugar a “alias” de frecuencias menores. La situación se representa en la figura 16. En el ejemplo anterior, como 442 kHz – 250 kHz = 192 kHz es menor que 250 kHz el plegado es inmediato: JJGDR-UCA 21 Instrumentación Electrónica. Juan José González de la Rosa 192 58 0 192 250 442 Fig. 16. Solapamiento hacia atrás o fold back. Sin embargo, para la frecuencia de 6 kHz del ejemplo 2, como 6-2,5=3,5 se va del rango de 2,5, al plegar se obtiene –1, que es la frecuencia de 1 kHz de la que 6 es alias. En este caso, f1 y k son positivos. En el caso anterior f1 es negativa y k positiva. Para el caso de f1 es positiva y k negativa, como por ejemplo, 4 es un alias de -1 a la velocidad de 5 para k=1, entonces el solapamiento cae también dentro del rango. 8.4.3 Muestreo ideal uniforme La señal muestreadora es una serie de deltas de Dirac: ∞ ∑ δ(t − nT ) m(t ) = 0 n = −∞ Esta serie de impulsos en el tiempo posee un desarrollo en serie de Fourier dado por: ∞ ∑T m(t ) = n = −∞ 1 ⋅ e jnw0t 0 La señal muestreada queda: f nT0 (nT0 ) = m(t ) ⋅ f (t ) = n ∞ j 2 π⋅ ⋅t 1 ⋅ f (t ) ⋅ e T0 T n = −∞ 0 ∑ y su espectro: FnT0 ( f ) = ∞ ∑T n = −∞ 1 ⋅ F ( f − nf 0 ) (11) 0 En consecuencia, para este caso el espectro de la señal analógica se repite sin el efecto de modulación de los coeficientes. 8.4.4 Teorema del muestreo de Shannon Establece cómo recuperar la señal original (en tiempo continuo) a partir de sus muestras proponiendo una fórmula de interpolación: 22 JJGDR-UCA 8 Muestreo y Cuantificación f (t ) = ∞ ∑ n = −∞ π sen (t − nT0 ) T0 f nT0 (nT0 ) ⋅ π (t − nT0 ) T 0 4 14 424443 T0 = 1 2 f máx función int erpoladora 8.4.5 Otras situaciones de muestreo Se estudian en este apartado casos particulares del proceso de muestreo. 8.4.5.1 Muestreo de señales moduladas en amplitud con ancho de banda finito En el ámbito de la instrumentación electrónica industrial resulta frecuente encontrar señales moduladas en amplitud. La señal modulada es la portadora y la moduladora es la señal del sensor, la que porta la información (con menor frecuencia). En este caso se debe reconstruir la señal de información o moduladora. Se demuestra que la mínima frecuencia de muestreo viene dada por el ancho de banda de la señal de información, y no por la máxima frecuencia presente en la señal. La expresión de recuperación de la señal a partir de sus muestras resulta: 2π sen (t − nT0 ) T [ p(nT0 ) cos(2πf c t ) − q(nT0 ) sen(2πf c t )] ⋅ 0 f (t ) = 2π n = −∞ (t − nT0 ) T 0 4 14 424443 ∞ ∑ función int erpoladora Donde el ancho de banda y la frecuencia central resultan: fc = f1 + f 2 2 BW = f 2 − f1 f 0 = BW 2 A partir de estas expresiones es sencillo comprobar: f2 = fc + f0 f1 = f c − f 0 Las funciones p(t) y q(t) son sus componentes en fase y en cuadratura muestreadas a una frecuencia determinada por el ancho de banda. 8.4.5.2 Muestreo repetitivo secuencial En las situaciones en que se conoce que la señal a muestrear es repetitiva se pueden tomar muestras en períodos sucesivos de la señal y no durante un intervalo reducido de JJGDR-UCA 23 Instrumentación Electrónica. Juan José González de la Rosa tiempo; lo que obligaría a emplear elevadas velocidades de muestreo. Es una situación análoga a los osciloscopios de muestreo. Para conseguir este objetivo sólo es necesario fijar un punto de sincronismo, que establece el punto de comienzo, a partir del cual un circuito temporizador desplaza el instante de muestreo uniformemente. La situación se muestra en la figura 17. Referencia ∆T 2∆T ... ... Fig. 17. Muestreo repetitivo secuencial. 8.5 Cuantificación La cuantificación es una operación no lineal que tiene por fin asignar a cada valor continuo y discreto (muestreado) de una señal un estado de entre todos los posibles en un conjunto finito de estados de cuantificación. En este apartado se estudian cuantificadores de “memoria cero” o no secuenciales, es decir, circuitos electrónicos en los que la salida viene determinada por el valor de la entrada actual y no de las entradas anteriores. 8.5.1 Cuantificación uniforme 8.5.1.1 Concepto y ejemplos A un conjunto de valores analógicos comprendidos en cada intervalo de cuantificación de anchura “q” se le asigna en mismo estado. La situación se muestra en la figura 18. En ella se escogen los puntos de decisión en la mitad de cada intervalo de cuantificación. Como hay 8 estados, si por ejemplo, el cuantificador tiene un margen de entrada de 10 V, entonces ∆ = 10/8 = 1,25 V. El número de estados de salida (número de bits) determina la resolución del cuantificador. Así el ancho del intervalo de cuantificación es: ∆= m arg en entrada V pp = n estados 2 Ejemplo 4. Para medir una temperatura en el rango 0-200 ºC se dispone de una sonda que ofrece una salida con sensibilidad de 20 mV/ºC. Se desea que el menor cambio en la entrada detectable (que provoca un cambio apreciable en la salida, resolución) sea de 0,2 ºC. Determinar el margen de entrada y el número de bits del cuantificador (convertidor de analógico a digital). A fondo de escala: 20 24 mV × 200 º C = 4 V . Así que el margen de entrada del cuantificador ºC JJGDR-UCA 8 Muestreo y Cuantificación es 0-4 V. Para determinar el número de bits se parte de la resolución del proceso de medida para obtener la resolución eléctrica del sensor: 0,2 º C × 20 mV = 4 mV ºC Por tanto, de la resolución se obtiene el número de bits: 4V 2 n = 4 mV → 2 n = 1000 → n = 9,96 ≈ 10 Estados- Códigos de salida Curva ideal (lineal) 111 110 101 Curva real 100 011 010 001 ∆ 000 1,25 2,5 3,75 5 6,25 7,5 8,75 10 Entrada analogica (V) Fig. 18. Característica de transferencia de un cuantificador de 8 estados (3 bits). Se incluyen los códigos asociados a cada estado. La resolución de un cuantificador puede expresarse según distintos criterios. Se expone a continuación un ejemplo. Ejemplo 5. Para un cuantificador de 10 bits, la resolución puede expresarse según: • • • • 1 2 10 = 1 “una parte entre 1024” 1024 1 × 100 % = 0,0976562 % “como porcentaje” 1024 0,0976562 0,0976562 10 4 0,0976562 × 10 4 976,5562 0,0976562 % = = × 4 = = = 976,5562 ppm 100 100 10 10 6 10 6 “partes por millón” 20 × log(0,00097656) ≅ −60,206555 ≈ −60,2 dB “decibelios” JJGDR-UCA 25 Instrumentación Electrónica. Juan José González de la Rosa 8.5.1.2 Relación señal/ruido de cuantificación En el apartado 2.2 se definió (2) la relación señal-ruido de cuantización como el cociente de varianzas de la señal de interés y el ruido, que se repite por comodidad: ( ( ) ) 2 E x(i ) − x SNR ≡ = 2 E e(i ) − e ∑ (x(i)) ∑ (e(i)) 2 2 = σ 2x σ e2 Esta expresión se emplea para evaluar el efecto del ruido de cuantización, que es la diferencia entre la muestra original y la cuantizada. Como se dijo, esta definición lleva implícito el cociente de potencias medias entre la señal de interés y el ruido. 8.5.2 Cuantificación no uniforme 8.5.2.1 Planteamiento del problema y soluciones El error absoluto es constante en todos los intervalos de cuantificación; pero el error relativo de cuatificación aumenta para señales de entrada pequeñas. En consecuencia, al ser la varianza del error mayor para señales pequeñas, la SNR es menor. Es deseable obtener un SNR independiente del nivel de la señal de entrada, independiente de la varianza de la señal (cuantificador robusto). Una solución consiste en variar el intervalo de cuantificación proporcionalmente a la amplitud de la entrada. Este es un tipo de cuantización no uniforme. La cuantificación no uniforme se puede describir con el modelo que conste de un compresor F(x) (no lineal), seguido de un cuantificador lineal. F(x) es una función monótona creciente, en consecuencia es invertible. Por lo que a la salida del compresor se puede recuperar la entrada, y no se pierde información. Referencias [1] [2] [3] [4] W.D. Cooper and A.D. Helfrick, Instrumentación electrónica moderna y técnicas de medición, Prentice-Hall. Hispanoamericana, 1991. R. Pallás, Adquisición y distribución de señales, Marcombo, Boixareu editores, 1987. S. Wolf, y R.F.M. Smith, Guía para mediciones electrónicas y prácticas de laboratorio, edición ampliada y actualizada. prentice-hall hispanoamericana. méxico, etc., 1992. J.M. Martín, Hardware Microinformático: Viaje a las profundidades del PC. 2ª Edición, Ed. RA-MA, 2001. Anexo: Relaciones trigonométricas 1.- Funciones trigonométricas en función de exponenciales complejas: sen(x ) = 26 e jx − e − jx 2j cos(x ) = e jx + e − jx 2 e ± jx = cos(x ) ± jsen(x ) JJGDR-UCA 8 Muestreo y Cuantificación 2.- Coseno de la suma de ángulos: cos( A ± B ) = cos( A) cos(B ) m sen( A)sen(B ) De aquí se obtiene la conversión de producto en suma: cos( A + B ) = cos( A)cos(B ) − sen/ ( A)sen(B ) cos( A − B ) = cos( A)cos(B ) + sen/ ( A)sen(B ) cos( A + B ) + cos( A − B ) = 2 cos( A)cos(B ) → cos( A)cos(B ) = 3.- cos 2 ( A) = 1 [cos( A + B ) + cos( A − B )] 2 1 + cos(2 A) 2 JJGDR-UCA sen 2 ( A) = 1 − cos(2 A) 2 27