UNIVERSIDAD TECNOLÓGICA DE TIJUANA

Ingeniería Mecatronica 10D

Dispositivos DigitalesProgramables

Examen Tercer parcial:Encoder

Acevedo Herrera Jose Angel

M.C. QUIJADA ROCHA LUIS

JAVIER
2. Introducción a la actividad

En esta actividad se elaborará una breve investigación de distintos temas los cuales son necesarios en
programación y nos ayudan para la comprensión de funcionamiento, no solo en la programación sino
más bien en circuitos digitales asi mismo también análogos.
3. Desarrollo de los temas investigados

3.1 Procesadores de señales digitales

Concepto: Es un microprocesador específico para el tratamiento de señales, esta especialización se

necesita a la hora de procesar señales de cualquier tipo en tiempo real. La mayoría de los sistemas de
audio, video y transmisión de datos digitales usados en la actualidad, requieren algoritmos de una
elevada complejidad matemática. La solución que aportan los DSP es que pueden realizar operaciones
matemáticas complejas en un solo ciclo de reloj por lo que el procesado (de señales de audio, de video,
etc.) es el ideal, en contraposición a lo que aportan los microprocesadores convencionales (cualquiera
de los que tienen nuestros PC de casa).

La función principal de un DSP es la siguiente, que se puede observar en la figura.

• La entrada es una señal analógica, ya sea audio, video, cualquier señal recibida por cable, o por otro
medio.

• El DSP convierte la señal analógica a digital para su posterior procesado

• Procesado matemático de la representación de la señal. • Se vuelve a convertir la señal obtenida de

digital a analógica.

• Se da a la salida una señal analógica. De esta forma se obtiene un procesamiento en tiempo real de la
representación matemática de la señal.

Aplicación y campo de estudio

Se utilizan para comunicaciones mediante Modem ADSL, manejo en comunicaciones entre protocolos
diferentes, procesos de comunicación entrada salida I/O para en los que en algunos casos se necesita un
procesador en exclusiva,…Sus aplicaciones más importantes se dan en la telefonía móvil, en aparatos de
audio y video digital, en MODEM y sistemas de comunicación. Algunos ejemplos de usos concretos de
estos dispositivos son: para la codificación de Huffman, utilizado en algoritmos de comunicaciones. Para
la Transformada discreta del Coseno, utilizada en imagen y vídeo, etc.

Técnicas
3.2 Señales Digitales

Las señales digitales son aquellas que tienen una variación discontinua en el tiempo, y que pueden
adoptar solamente un número limitado de valores discretos.
De hecho, según la RAE, digital significa que presenta información mediante el uso de señales discretas
en forma de números o letras.

Conversión análoga-digital

La conversión analógica-digital (CAD) consiste en la transcripción de señales analógicas en señales

digitales, con el propósito de facilitar su procesamiento (codificación, compresión, etc.) y hacer la señal
resultante (la digital) más inmune al ruido y otras interferencias a las que son más sensibles las señales
analógicas.

Muestreo:

Para convertir nuestra señal para que el ordenador la pueda comprender se siguen tres pasos básicos:
muestreo, cuantificación y codificación

Consiste básicamente en tomar valores de la señal continua que tenemos. El tiempo que se tarda entre
muestra y muestra se le denomina frecuencia de muestreo. En este paso nos puede parecer que se
pierde información, pero por la demostración del teorema de muestreo de Nyquist-Shannon, vemos que
si una señal tiene una frecuencia de muestreo superior al doble de su ancho de banda se puede hacer
una reconstrucción de esta señal. Dicho de otro modo: para que podamos hacer un muestreo adecuado,
la frecuencia de muestreo debe ser el doble que la frecuencia que tenga nuestra señal.
Un muestreo consistiría en lo siguiente. Teniendo una señal senoidal tal como esta:

Aplicándole una frecuencia de muestreo determinada, seria coger valores cada cierto periodo T de
modo que al final nos queda un número finito de valores, como en la siguiente imagen de esta senoidal:

La frecuencia de muestreo debe elegirse adecuadamente o puede presentarse un problema: el efecto

Aliasing. Dicho efecto se da cuando no se elige adecuadamente una frecuencia de muestreo adecuada y
la señal que muestreamos al reconstruirla no sale como realmente debe de ser.

Para solucionar este problema, como ya hemos mencionado: seguir el teorema Nyquist-Shannon. Es
decir, si la senoidal del ejemplo tiene como frecuencia 40Hz nuestra frecuencia de muestreo será de
80Hz aproximadamente.
Cuantización:

Es el proceso siguiente al muestreo. Consiste en medir la amplitud de valores obtenidos y adjudicarles

un valor concreto preestablecido según el código que utilicemos. Un ejemplo de cuantificación sería el
siguiente:

En esta senoidal muestreada le hemos asignado un valor para cada amplitud. Si el nivel obtenido no
coincide exactamente con ninguno, se toma como valor el inferior más próximo.

Es una parte esencial del proceso de conversión de señales analógicas a digitales, junto con
el muestreo; siendo un componente básico de cualquier sistema de audio, tarjeta o equipo
de sonido, tanto en el ámbito doméstico como profesional. Es el sistema que recoge la señal
de una fuente analógica, como un micrófono o entrada de línea, y la convierte a un flujo de
palabras digitales (bits), que después serán tratadas en el equipo.

Tipos de cuantificación:

• Cuantificación Uniforme

La cuantificación uniforme o lineal es el proceso de cuantificación más simple. Se utiliza un bit rate
constante. A cada muestra se le asigna el valor inferior más próximo, independientemente de lo que
ocurra con las muestras adyacentes.

• Cuantificación no uniforme

La cuantificación no uniforme o no lineal se aplica cuando se procesan señales no homogéneas que se

sabe que van a ser más sensibles en una determinada banda concreta de frecuencias.

• Cuantificación logarítmica

La cuantificación logarítmica o escalar es un tipo de cuantificación digital en el que se utiliza una tasa de
datos constante, pero se diferencia de la cuantificación uniforme en que como paso previo a la
cuantificación se hace pasar la señal por un compresor logarítmico.
 • Cuantificación vectorial

La cuantificación vectorial, un tipo de cuantificación digital, en el proceso puede ser idéntico a la

cuantificación uniforme (utiliza un bit rate constante) o no constante (utiliza un bit rate variable). La
particularidad radica, en que, en lugar de cuantificar las muestras retenidas individualmente, se
cuantifican por bloques de muestras. Con ello, se logra una cuantificación más eficaz.

3.3 Ruido, probabilidad y estadística

• Desviación estándar

La desviación estándar es un índice numérico de la dispersión de un conjunto de datos (o población).

Mientras mayor es la desviación estándar, mayor es la dispersión de la población. La desviación estándar
es un promedio de las desviaciones individuales de cada observación con respecto a la media de una
distribución. Así, la desviación estándar mide el grado de dispersión o variabilidad. En primer lugar,
midiendo la diferencia entre cada valor del conjunto de datos y la media del conjunto de datos. Luego,
sumando todas estas diferencias individuales para dar el total de todas las diferencias. Por último,
dividiendo el resultado por el número total de observaciones (normalmente representado por la letra
“n”) para llegar a un promedio de las distancias entre cada observación individual y la media. Este
promedio de las distancias es la desviación estándar y de esta manera representa dispersión.

Matemáticamente, la desviación estándar podría, a primera vista, parecer algo complicada. Sin
embargo, es en realidad un concepto extremadamente simple. En realidad, no importa si usted no sabe
calcular con exactitud la desviación estándar, siempre y cuando usted comprenda claramente el
concepto.

La desviación estándar es un indicador en extremo valioso con muchas aplicaciones. Por ejemplo, los
estadísticos saben que cuando un conjunto de datos se distribuye de manera “normal”, el 68% de las
observaciones de la distribución tiene un valor que se encuentra a menos de una desviación estándar de
la media. También saben que el 96% de todas las observaciones tiene un valor no es mayor a la media
más o menos dos desviaciones estándar.

• Distribución normal

Se dice que muchos fenómenos se distribuyen normalmente. Esto significa que, si uno toma al azar un
número suficientemente grande de casos y construye un polígono de frecuencias con alguna variable
continua, por ejemplo, peso, talla, presión arterial o temperatura, se obtendrá una curva de características
particulares, llamada distribución normal. Es la base del análisis estadístico, ya que en ella se sustenta casi
toda la inferencia estadística.
La función de densidad de probabilidad para la variable aleatoria continua fue descubierta por Carl Gauss
al estudiar el comportamiento de los procesos aleatorios. Es ampliamente utilizada en estadística y teoría
de las probabilidades.
Esta función, también conocida como distribución normal tiene la forma de una campana, por este motivo
también es conocida como la campana de Gauss. Sus características son las siguientes:
• Es una distribución simétrica.
 • Es asintótica, es decir sus extremos nunca tocan el eje horizontal, cuyos valores tienden a infinito.
• En el centro de la curva se encuentran la media, la mediana y la moda.
• El área total bajo la curva representa el 100% de los casos.
• Los elementos centrales del modelo son la media y la varianza.
Esta distribución es un modelo matemático que permite determinar probabilidades de ocurrencia para
distintos valores de la variable.
La distribución normal sirve para conocer la probabilidad de encontrar un valor de la variable que sea
igual o inferior a un cierto valor, conociendo la media, la desviación estándar, y la varianza de un
conjunto de datos en sustituyéndolos en la función que describe el modelo. El cálculo resulta bastante
complejo, pero, afortunadamente, existen tablas estandarizadas que permiten eludir este
procedimiento.

Su aplicación más importante es que en la gráfica, el área sombreada corresponde a la probabilidad de

encontrar un valor de la variable que sea igual o inferior a un valor dado. Esa probabilidad se determina
usando una tabla estandarizada.

Precisión y exactitud

¿Qué es la exactitud?

Con la exactitud mides la proximidad de un resultado con respecto al valor real que intentas lograr. En
otras palabras, significa cuánto te acercas a lo que pretendes. Puede tratarse de un objetivo estratégico
o de un éxito personal, la alta exactitud se produce cuando cumples perfectamente con el valor
objetivo. Eres poco exacto si estás lejos de cumplir con lo pretendido. La exactitud se puede determinar
después de un evento en particular; pero en caso de que busques determinar si se puede mantener
como un éxito a largo plazo, será indispensable que se repita.

Veamos un ejemplo. Has definido un KPI para disminuir la tasa de rebote de tu sitio en un 12 % durante
el próximo año fiscal. Si la medición de exactitud muestra que cumpliste con el valor aceptado,
exactamente un 12 % para fin del año fiscal, habrás logrado un 100 % de exactitud en la determinación y
el cumplimiento del KPI esperado.

¿Qué es la precisión?

Con la precisión se mide cuánto se acercan los resultados entre sí. Si bien es cierto que la exactitud se
puede usar en una instancia específica, la precisión se puede medir a lo largo del tiempo. El motivo es
que para medir la precisión se requiere de repetibilidad, a fin de determinar el grado de proximidad
entre cada conjunto de mediciones. La alta precisión se produce cuando los resultados son similares
entre sí, mientras que la precisión es baja cuando los resultados están dispersos. La medición de la
precisión es particularmente útil en dos casos:

1.Cuando intentas evitar cometer el mismo error

2.Cuando logras buenos resultados y quieres determinar un proceso para la reproducibilidad

Siguiendo el ejemplo anterior, digamos que las tasas de rebote de tus páginas se redujeron en el mismo
porcentaje. Entonces, cada página del sitio web desciende a la misma tasa de rebote y en la misma
cantidad, independientemente de que sea un 6 o un 20 %. En este caso la precisión es alta, aunque no,
exacta.

¿Cuál es la diferencia entre exactitud y precisión?

Ambas, tanto la exactitud como la precisión son formas de medición que definen cuán próximo se está a
cumplir una meta u objetivo. Con la exactitud se mide cuán cerca te encuentras de un valor real de
medición, mientras que la precisión muestra cuánto se aproximan los valores medidos entre sí.

Exactitud vs. precisión: un ejemplo que da en el blanco

El ejemplo del tiro al blanco es la forma más común de diferenciar la exactitud y la precisión. Imagínate
que tiras dardos a un blanco. El objetivo es tanto ser exacto como preciso. En otras palabras, dar en el
blanco la mayor cantidad de veces posibles. Si simplemente eres exacto, significará que arrojas los
dardos y que caen cerca del centro, pero que no dan en la diana todas las veces. Si solamente eres
preciso, tus dardos se aproximarán entre sí, pero no necesariamente caerán cerca del centro. En
cambio, cuando eres exacto y preciso a la vez, los dardos dan en la diana todas las veces: el mejor
escenario posible.

Difuminado (Dithering)

Es una forma de ruido de bajo nivel que se agrega intencionalmente a un archivo de audio digital cuando
se procesa a una menor profundidad de bit. El concepto de dithering puede parecer contrario a la
intuición, pero es un proceso efectivo. El ruido interpolado en realidad enmascara lo que se denomina
«distorsión de cuantización «, que origina ruido y artefactos en el audio digital. Antes de entrar en los
detalles, es útil que revisemos muy rápido algunos conceptos básicos sobre el audio digital.

El dithering no es más que un ruido que se produce a muy bajo nivel por lo que muchos afirman que es
un "ruido blanco". Tiene la finalidad de ayudar a codificar una señal de sonido de tal manera que no se
pierda cuando se está llegando al beat más bajo.
Es un proceso de incorporación de ruido para matizar sonidos en audio digital. Este ruido es casi
inapreciable y ayuda a disminuir las interferencias o distorsiones de sonido. Dicho de otro modo, es una
introducción de ruido que evita que el sonido se corte. Por eso se le conoce también como "tramado".

¿Cómo funciona el dithering?

El funcionamiento elemental del dithering se basa en enmascarar y reducir el ruido de una mezcla o
grabación de sonido. Esta herramienta, para funcionar de la mejor manera posible, debe oscilar entre el
silencio y la muestra más baja de volumen. Eso implica un desempeño a niveles muy bajos de volumen
casi imperceptibles para el oído humano.

El dithering crea entonces un patrón de ruido aleatorio que contiene cierto margen de error y lo
introduce de forma voluntaria en la grabación.

Para ello, se realizan cálculos que dan como resultado la introducción del ruido en el momento exacto
donde se produce la oscilación y, posteriormente, se introduce el tan necesario ruido blanco.

Su uso permite controlar el error que se produce de manera ineludible durante la edición o grabación de
sonido.

Para esta tarea, es preciso contar con una mesa de trabajo audio digital (o DAW , por sus siglas en
inglés). Cabe destacar que casi todos los DAW o programas de estudio traen por defecto la opción
dithering, por lo que, no se realiza de forma manual. Solo es necesario verificar que la opción está
seleccionada de manera automática y lista para hacer uso de esta gran herramienta.

Aunque puede parecer un concepto muy técnico, la incorporación del dithering cambia de forma
drástica la calidad de las melodías y los efectos sonoros.

¿Cómo se usa el dithering?

Esta práctica opción para reducir distorsiones bajo el espectro del sonido se usa en el proceso final de la
masterización, teniendo en cuenta que siempre se bajan los bits al final. Es el último proceso previo a la
exportación en frecuencia de 44.000 Hz- 16 bits.

Se debe usar el dithering en el momento de realizar una conversión de audio o sonido y a una
profundidad de bits más baja que la mezcla original.

Si no utilizas el dithering al reducir la profundidad de bits de sonido de 24 a 16bit o si pasas de 32bit en

aritmética sencilla en 24 ó 16bit, el sonido que se escuchará será crujiente y carrasposo al oído humano.
4. Conclusión y relación con la vida laboral o civil

El procesamiento de señales digitales se ha convertido en una tecnología indispensable en la sociedad

moderna porque ahorra tiempo y dinero al tiempo que garantiza la seguridad y la eficiencia. Los DSP
hacen posibles aplicaciones que ni siquiera imaginamos hace unas décadas. Como sabemos todo lo
relacionad a los temas vistos nos intrigan más de lo que parece, ya que es un mundo no explorado a su
máximo esplendor como sabemos en el avance tecnológico ha sido muy grande.
5. Referencias

Tema de muestro: https://www.uv.es/masefor/PAGINAS/muestreo.html

Procesadores de señales digitales https://www.um.es/documents/4874468/19345367/ssee-da-t04-

01.pdf/20ed49bb-90d7-4d1b-a5d5-bc5cadc34fef

Señales Digitales, cuantización, muestreo y conversión análoga-digital

https://www.fceia.unr.edu.ar/enica3/da-ad.pdf

Ruido, probabilidad y estadística

Desviación estándar https://support.minitab.com/es-mx/minitab/20/help-and-how-to/statistics/basic-

statistics/supporting-topics/data-concepts/what-is-the-standard-deviation/

Distribucion normal
http://prepa8.unam.mx/academia/colegios/matematicas/paginacolmate/applets/matematicas_VI_12/A
pplets_Geogebra/disnormal.html

Precisión y exactitud https://asana.com/es/resources/accuracy-vs-precision

Dithering https://www.ondho.com/diccionario-de-branding/term/dithering/