UNIVERSIDAD DEL VALLE DE MÉXICO

MATERIA:
CONTROL DIGITAL
INVESTIGACIÓN
INTEGRANTES:
ERWIN ROBERTO DÍAZ SANDOVAL
CAMPUS:
TORREÓN
FECHA:
31 DE AGOSTO DEL 2023
Modelado Matemático del Proceso de Muestreo y Temas Relacionados

2.7 Modelado Matemático del Proceso de Muestreo

2.7.1 Conceptos Fundamentales del Muestreo

Frecuencia de Muestreo (Fs)

La frecuencia de muestreo, denotada como Fs, es la cantidad de muestras que se

toman por segundo. Su elección es esencial para evitar el aliasing, que es la

distorsión que ocurre cuando la frecuencia de muestreo es insuficiente para capturar

adecuadamente la información de la señal continua. El teorema de muestreo se

relaciona directamente con la elección adecuada de Fs.

Señal Continua (x(t)) vs. Señal Discreta (x[n])

La señal continua, x(t), es una función de tiempo que puede tomar valores en

cualquier punto del dominio real. En contraste, la señal discreta, x[n], toma valores

solo en puntos discretos en el tiempo, es decir, en nT donde T es el período de

muestreo.
2.7.2 Modelos de Muestreo

Muestreo en Tiempo Continuo

En el muestreo en tiempo continuo, la señal continua se multiplica por una serie de

impulsos delta de Dirac situados en intervalos regulares nT. Matemáticamente, esto

se representa como:

\[x_s(t) = x(t) * \sum_{n=-\infty}^{\infty} \delta(t - nT)\]

Este modelo es útil para comprender cómo se obtienen las muestras discretas a

partir de una señal continua.

Muestreo en Tiempo Discreto

El muestreo en tiempo discreto considera directamente las muestras discretas de la

señal. La señal muestreada se expresa como:

\[x[n] = x(nT)\]

Donde T es el período de muestreo. Este enfoque simplifica el análisis matemático

de las señales muestreadas.

2.8 Teorema de Muestreo

2.8.1 Enunciado del Teorema de Muestreo

El teorema de muestreo establece que, para reconstruir una señal continua de

manera precisa a partir de sus muestras discretas, la frecuencia de muestreo (Fs)

debe ser al menos el doble de la frecuencia máxima presente en la señal continua

(Fmax). Matemáticamente, se expresa como:

\[Fs \geq 2Fmax\]

Donde Fs es la frecuencia de muestreo y Fmax es la frecuencia máxima de la señal

continua.
2.8.2 Condiciones y Limitaciones

El teorema de muestreo es fundamental, pero es importante recordar sus

condiciones y limitaciones:

- Condición de Bandalimitación: La señal debe ser bandalimitada, lo que significa

que su espectro de frecuencia no debe tener componentes por encima de Fmax. Si la

señal no cumple con esta condición, la reconstrucción será incorrecta.

- Idealización del Proceso de Muestreo: El teorema asume un proceso de muestreo

ideal, sin efectos de atenuación, distorsión ni retrasos en las muestras. En la

práctica, pueden existir limitaciones en la adquisición y conversión analógico-

digital que afecten la precisión.

2.9 Propiedades de F*(s) en el Plano S

2.9.1 Transformada de Laplace en el Contexto de Señales Muestreadas

La transformada de Laplace es una herramienta poderosa para analizar señales

muestreadas en el dominio de la frecuencia compleja S. Permite convertir

 problemas en el dominio del tiempo discreto en problemas más manejables en el

dominio de S.

La transformada de Laplace de una señal muestreada x[n] se denota como X*(s),

donde s es una variable compleja. Esto nos permite analizar las propiedades y el

comportamiento de la señal en el dominio de S, lo que puede ser útil en el diseño de

sistemas de filtrado y control.

2.9.2 Ubicación de Polos y Ceros en el Plano S

La ubicación de los polos y ceros en el plano complejo S es esencial para

comprender la respuesta en frecuencia de un sistema. Los polos determinan la

estabilidad del sistema y la rapidez de su respuesta, mientras que los ceros afectan la

atenuación y la amplificación de ciertas frecuencias.

- Polos: Los polos en la región derecha del plano S indican la inestabilidad del

sistema, mientras que los polos en la región izquierda representan la estabilidad. La

distancia de los polos al eje real refleja la rapidez de la respuesta del sistema.

- Ceros: Los ceros en el plano S indican las frecuencias en las que la respuesta es

atenuada o amplificada. Su ubicación relativa a los polos puede afectar la respuesta

en frecuencia.

2.10 Reconstrucción de Datos y Filtrado de Señales Muestreadas

2.10.1 Métodos de Reconstrucción

La reconstrucción de datos es esencial para obtener una señal continua a partir de

muestras discretas. Dos métodos comunes son:

 Interpolación

La interpolación implica estimar los valores entre muestras discretas utilizando

técnicas matemáticas. Un ejemplo es la interpolación lineal, donde se traza una línea

recta entre dos muestras adyacentes. Otra técnica es la interpolación por splines, que

utiliza curvas suaves para conectar muestras.

Reconstrucción por Sinc

La reconstrucción por sinc utiliza la función sinc, que es la inversa de la función

delta de Dirac. Esta técnica es especialmente útil cuando se conoce el espectro de

frecuencia de la señal y se desea una reconstrucción precisa.

2.10.2 Filtrado de Señales Muestreadas

El filtrado de señales muestreadas se emplea para eliminar componentes no

deseados y reducir el aliasing. Los filtros digitales, como los filtros FIR y IIR, son

herramientas esenciales en este proceso.

Filtros FIR (Respuesta al Impulso Finita)

Los filtros FIR son conocidos por su simplicidad y estabilidad. Pueden diseñarse

para cumplir con requisitos específicos de atenuación y respuesta de fase. Son útiles

en aplicaciones donde se requiere una respuesta en frecuencia nítida.

Filtros IIR (Respuesta Infinita al Impulso)

Los filtros IIR son conocidos por su eficiencia computacional y su capacidad para

lograr una respuesta en frecuencia más compleja. Sin embargo, pueden ser menos

estables que los FIR en ciertos casos.

2.11 Retenedor de Orden Cero

2.11.1 Definición y Características

El retentor de orden cero, también conocido como "hold" en inglés, es un

componente esencial en el proceso de muestreo. Su función principal es mantener la

última muestra discreta durante un intervalo de tiempo constante T antes de que se

tome la siguiente muestra. Esta técnica evita la pérdida de información y permite

que la señal discreta se convierta en una señal continua.

El retentor de orden cero puede considerarse como un proceso de interpolación

constante entre muestras discretas sucesivas, lo que resulta en una señal continua en

el tiempo.

2.12 Retenedor de Primer Orden

2.12.1 Comparación con el Retentor de Orden Cero

A diferencia del retentor de orden cero, el retentor de primer orden introduce una

cierta cantidad de atenuación y retraso en la señal muestreada. Matemáticamente, se

expresa como:

\[x[n] = e^{-\alpha nT} x((nT))\]

Donde α es una constante que controla la atenuación y el retraso. El retentor de

primer orden se utiliza en aplicaciones donde se requiere un control preciso de la

respuesta en frecuencia o una atenuación específica de componentes de frecuencia

no deseados.
Bibliografía

• OGATA, Katsuhiko. Discrete-Time Control Systems. Edit. Peason Education. USA,

1994, 2a edición. ISBN: 0130342815.
• DOMÍNGUEZ, Sergio, et al. Control en el Espacio de Estado. Edit. Pearson
Educación, S. A. Madrid, España, 2002. ISBN: 84-205-3516-8.
• FRANKLIN, Gene F., et al. Feedback Control of Dynamic Systems. Edit. Prentice
Hall. USA, 2002, 4a edición. ISBN: 0130323934
• "Control Automático: Pruebas de Sistemas de Control" - Universidad Politécnica de
Valencia. Enlace: https://www.upv.es/material/docente/19143181/doc/tema5.pdf
• "Señales de Prueba y Análisis de Respuesta en Sistemas de Control" - Universidad
de la República (Uruguay). Enlace: http://www.fing.edu.uy/~aguerre/autom/TS5.pdf
• "Diseño de Sistemas de Control con Señales de Prueba" - Universidad de Cantabria.
Enlace: https://personales.unican.es/rivasjm/pdf/Se%20de%20Prueba.pdf