UNIVERSIDAD TÉCNICA DE MANABÍ
FACULTAD DE CIENCIAS INFORMÁTICAS
CARRERA DE INGENIERÍA DE TELECOMUNICACIONES
Asignatura:
ANÁLISIS DE SEÑALES Y SISTEMAS 1
APLICACIONES EN PROCESAMIENTO DE SEÑALES
Integrantes:
CALDERÓN DE LA CRUZ JHONATAN LEONARDO
Docente:
ING. VERA PICO LEOPOLDO ANDRÉS
PORTOVIEJO – MANABÍ - ECUADOR
2024 –2025
INTRODUCCIÓN
Aplicaciones en Procesamiento de Señales.
Históricamente, el procesamiento de señales se realizaba únicamente en el dominio
analógico. Por ejemplo, en la construcción de filtros de señal se han utilizado componentes
individuales como resistencias, condensadores e inductores. Esto sigue siendo cierto, por
supuesto, pero desde finales del siglo XX todo tipo de información se ha vuelto cada vez
más digital. Por lo tanto, el procesamiento de señales debe pasar del dominio analógico al
dominio digital. Hoy en día, el procesamiento de señales digitales se realiza principalmente
mediante software. El software de procesamiento de señales puede ejecutarse en un
procesador de escritorio, una tarjeta gráfica o un dispositivo inteligente. Para aplicaciones
más exigentes, puede funcionar con DSP (procesadores de señales digitales) dedicados,
ASIC (circuitos integrados de aplicaciones específicas) o FPGA (arreglos de puertas
programables en campo) y potentes mainframes. Hoy en día, los procesos de procesamiento
de señales digitales se implementan principalmente mediante software. El software de
procesamiento de señales puede ejecutarse en el procesador o la tarjeta gráfica de una
computadora de escritorio o dispositivo inteligente. Para aplicaciones más exigentes, puede
funcionar con DSP (procesadores de señales digitales) dedicados, ASIC (circuitos integrados
de aplicaciones específicas) o FPGA (Field Programmable Gate Arrays) y potentes
mainframes informáticos.
Los chips DSP originales se desarrollaron en la década de 1960 y se utilizaron para
alimentar equipos RADAR y SONAR en aplicaciones militares. Desde entonces, se han
utilizado en campos geofísicos como la exploración petrolera, aplicaciones aeroespaciales
como la compresión de datos y aplicaciones de imágenes médicas como CAT o C.T.
(tomografía computarizada) y MRI (resonancia magnética) del cuerpo humano.
Hoy en día, incluso los portátiles son mucho más potentes que los mainframes de antaño,
y los sistemas DAQ de escritorio pueden realizar una variedad de tareas de
posprocesamiento y procesamiento de señales en tiempo real.
Muchos sistemas utilizan una combinación de una computadora host y procesamiento DSP
para realizar funciones de procesamiento de señales. El hardware DSP es muy rápido y puede
reservarse para funciones de propósito general. Por ejemplo, los DSP se utilizan en
convertidores analógicos a digitales (ADC) para filtrar, combinar y obtener más flujos de
bits digitales. Pueden procesar grandes cantidades de información muy rápidamente.
DESARROLLO
Aplicaciones de Procesamiento de Señales
El procesamiento de señales se aplica en numerosas industrias y aplicaciones, que incluyen:
• Compresión de audio y procesamiento de señales.
• Adquisición de datos y procesamiento de señales.
• Procesamiento digital de imágenes y gráficos
• Compresión de video y procesamiento de señales.
• Reconocimiento y procesamiento de voz
• Procesamiento de señales RADAR, SONAR y LiDAR y optimización de
señales
• Estudios sísmicos y análisis de datos
• Aplicaciones geofísicas, incluida la exploración de petróleo
• Transmisión de datos, incluida la detección y corrección de errores
• Modelado y análisis económico
• Aplicaciones médicas, especialmente imágenes (CAT y MRI)
• Predicción del tiempo
• Oceanografía, incluidas las predicciones de rendimiento acústico submarino
El procesamiento de señales funciona tanto en sistemas lineales como no lineales, pero la
mayoría de los sistemas caen en el campo no lineal, es decir, aquellos cuyos valores cambian
con el tiempo, a menudo de forma impredecible, donde el cambio en la salida no es
linealmente proporcional al cambio en la entrada.
El procesamiento de señales no lineales se puede implementar en varios dominios, que
incluyen:
• El dominio del tiempo, es decir, puntos de amplitud trazados contra el tiempo
• El dominio de la frecuencia, es decir, las frecuencias representadas frente a
sus magnitudes.
• Dominio espacio-temporal, es decir, a través del espacio y el tiempo. Por
ejemplo, monitorear las rutas de cientos de aviones en todo el mundo, o miles
de satélites que orbitan alrededor de la Tierra.
¿Qué es el procesamiento de señales?
El procesamiento de señales implica transformar o transformar datos de una manera
que nos permita ver cosas en ellos que no son posibles mediante la observación directa.
El procesamiento de señales permite a ingenieros y científicos analizar, optimizar y
mejorar señales, incluidos datos científicos, audio, imágenes y transmisiones de video.
Este ensayo proporciona suficientes detalles sobre el procesamiento de señales para:
comprender qué es el procesamiento de señales en un nivel alto, aprender cómo se
realiza el procesamiento de señales y a ver cómo se utiliza el procesamiento de señales
en DAQ (aplicaciones de adquisición de datos).
Las empresas gastan millones de dólares cada año en la compra de equipos de prueba para
que sus ingenieros y técnicos puedan registrar los datos de las pruebas. Esta inversión en
equipos y mano de obra tiene un objetivo:
comprender cómo funcionan sus productos en el mundo real. Esta comprensión sólo puede
lograrse mediante la recopilación y el análisis de datos objetivos de alta calidad.
Pero los datos en sí son solo escalonados. Para entender lo que significan los datos,
necesitamos analizarlos. El análisis tiene varios componentes, que incluyen:
• Hacer observaciones - mediante datos registrados y luego revisarlos
• Hacer comparaciones: uno de los elementos fundamentales del análisis es
comparar A con B, por ejemplo, "¿cuánto torque aumenta el eje de transmisión
cuando aumentamos la velocidad de 100 a 200?" o "¿cómo cambia la corriente con
respecto al voltaje?"
Los métodos anteriores son observaciones directas. Usamos varios sensores y luego
operamos una máquina o proceso registrando sus respuestas. Luego miramos los datos y
comparamos los parámetros de las diferentes fases de trabajo. Pero hay otra herramienta de
análisis de datos que podemos usar:
Procesamiento de señales: transformar datos de maneras que nos permitan ver cosas que no
son posibles mediante observación directa o comparación.
• El procesamiento de señales (también conocido como procesamiento de señales
digitales), toma varias formas según la aplicación. En el mundo de la adquisición de
datos (DAQ), utilizamos el procesamiento de señales para analizar los datos medidos.
Tipos de Procesamiento de Señales
Filtración
El filtrado es una de las técnicas de procesamiento de señales más básicas e
importantes. Se ha utilizado desde el principio de la grabación analógica para mejorar
nuestra capacidad de ver la señal verdadera mediante la supresión del "ruido" y otras
interferencias. El filtrado se usó (y se usa) para aplicaciones que van desde ajustar la
respuesta de graves y agudos de su reproductor de música hasta ajustar la frecuencia
del canal de una radio y mejorar la calidad del sonido en las líneas telefónicas.
Se utiliza un filtro de paso bajo para eliminar el "ruido" de alta frecuencia no deseado en una señal.
En los sistemas DAQ, se usaban filtros analógicos para atenuar el contenido de la señal
por encima o por debajo de una determinada frecuencia, para reducir el "ruido" en la
señal. Estos filtros normalmente formaban parte de los acondicionadores de señal o
preamplificadores del sistema DAQ.
Los cuatro tipos básicos de filtros incluyen:
Los cuatro tipos básicos de filtros
Los filtros también se definen por la cantidad de polos que tienen. Cuantos más polos,
más pronunciada es la caída que pueden realizar en la señal. Este roll-off o pendiente
simplemente significa cuántos decibelios de la señal se pueden reducir por octava. La
especificación del filtro en cuestión normalmente dará la caída máxima en dB/Q.
Filtros
Ningún filtro es perfecto. Pueden imponer retrasos de fase, ondulación y otras
distorsiones dentro del pasa bandas. El truco consiste en elegir el prototipo de filtro
correcto que funcione mejor para el tipo de señales que se procesan. Escuchará sobre
prototipos de filtros como Bessel, Butterworth, Elliptic y Chebyshev por nombrar
algunos. A lo largo de los años, los ingenieros han desarrollado numerosos prototipos
de filtrado con el fin de proporcionar los mejores resultados posibles para diversas
aplicaciones:
¿Qué es mejor, el filtrado analógico o digital?
Para aplicaciones que requieren un filtro invariante simple en el dominio analógico,
puede resultar más económico y sencillo utilizar un filtro analógico. Sin embargo, si
se necesitan filtros para diferentes aplicaciones o para operar en el ámbito digital, el
enfoque digital es mucho más barato y ocupa mucho menos espacio. El filtrado digital
también puede ser más preciso porque elimina las tolerancias de componentes
discretos (resistencias, condensadores, etc.)
En el dominio analógico. En el mundo DAQ, el filtrado se utilizaba sólo en el
procesamiento de señales del sistema. Pero eso cambió cuando los sistemas DAQ se
volvieron digitales en la década de 1980. Hoy en día, los equipos de procesamiento de
señales no permiten ningún filtrado, excepto en algunos casos en los que es necesario
filtrar determinadas frecuencias antes de la digitalización. Hay dos ejemplos notables
de esto:
• Filtrado de pasa altas de acelerómetros, especialmente cuando la señal será
integrada o doblemente integrada.
• Filtrado anti aliasado. La etapa principal del filtrado anti alisado debe realizarse en
el dominio analógico. Un alias es una señal "falsa" provocada por un muestreo
demasiado lento en comparación con el contenido de frecuencia de la señal. Una vez
que este alias ha sido digitalizado, no hay forma de recrear la verdadera señal.
Filtrado Digital
El filtrado digital se puede realizar en software de computadora o en un DSP (procesador
de señal digital) dedicado. Las aplicaciones de gama alta a veces emplean ASIC o FPGA
personalizados para realizar funciones de filtrado.
Pantalla de diseño de filtro del software DewesoftX
Filtrado IIR versus FIR
IIR y FIR son dos enfoques básicos para el filtrado digital. Cada uno tiene sus ventajas
y desventajas:
Los filtros FIR (Respuesta de impulso finito) se calculan con muchos coeficientes y
son bien conocidos por tener un cambio de fase esencialmente cero dentro de la banda
de paso. Esto es fundamental cuando las señales se compararán en el eje del tiempo.
El filtrado FIR requiere muchos cálculos.
La pantalla de configuración del filtro FIR muestra el cambio de fase cero (línea
verde) y la distorsión (línea roja) dentro de la banda de paso (línea gris vertical)
Los filtros IIR (Respuesta de Impulso Infinita) se calculan con muchos menos
coeficientes que los filtros FIR, por lo que requieren menos procesamiento. Son un
equivalente directo a los filtros analógicos clásicos. Por ejemplo, con los filtros IIR
podemos lograr el pasa bajas teórico exacto, el pasa altas, la ponderación del sonido y
otros filtros estándar que se encuentran en los circuitos analógicos.
Comparación de cambio de fase de filtros IIR y FIR
En el diagrama de comparación de fases anterior, la curva verde es la onda sinusoidal
original.
La curva roja es la respuesta calculada por el filtro IIR. El retraso de la fase de salida
es muy obvio y bastante grande.
La curva azul se calcula utilizando un filtro FIR. Tenga en cuenta que el cambio de
fase es cero. En muchas aplicaciones es muy importante que los filtros no retrasen las
señales mientras se realizan las comparaciones de fase. Los filtros FIR son muy
importantes en estas aplicaciones.
Análisis FFT
Convertir una señal del dominio del tiempo al dominio de la frecuencia nos permite
ver cosas en ella que no son posibles a través de la observación directa. En la forma de
onda de CA compleja que se muestra a continuación, la señal se compone de
numerosas frecuencias:
Una grabación de una forma de onda compleja
Es difícil saber qué frecuencias están contenidas dentro de la señal de este gráfico de
tiempo vs. historial. La solución es usar la transformada rápida de Fourier (FFT) para
capturar “ventanas” de tiempo cortas y convertirlas al dominio de la frecuencia. La
FFT facilita ver cuáles son las frecuencias de mayor magnitud, como se muestra a
continuación:
La misma señal se muestra en el dominio de la frecuencia (frecuencia frente a magnitud)
Usando el procesamiento de señales FFT, podemos ver nuestros datos medidos en el
eje de frecuencia en lugar del eje de tiempo más familiar.
Análisis Modal
Las pruebas y análisis modales son herramientas importantes para determinar las
frecuencias naturales, la relación de amortiguamiento y las formas modales de
cualquier estructura. Se "excita" la estructura con un martillo percutor o uno o más
agitadores multimodo y luego se miden las respuestas con acelerómetros montados en
él.
Cuando golpeas una estructura con un martillo de impacto (impulso), excitas varias
frecuencias dentro de la estructura. Los martillos de impulso tienen un acelerómetro
incorporado para que sepamos exactamente qué fuerza se está aplicando.
Los agitadores modales funcionan en una frecuencia a la vez. Pueden "subir" y "bajar"
de una frecuencia a otra en la serie dependiendo de la prueba. También es posible
utilizar varias mezclas al mismo tiempo.
El análisis modal se usa mucho en ingeniería civil e industrias como la aeroespacial y
la automotriz, en una amplia gama de aplicaciones, que incluyen:
• Asegurar que las resonancias estén separadas de las frecuencias de excitación
• Predicción del comportamiento dinámico de componentes y estructuras
ensambladas
• Optimización de las propiedades dinámicas de la estructura (masa, rigidez,
amortiguamiento)
• Predicción de las respuestas debidas a excitación compleja
• Inclusión de amortiguamiento en modelos de elementos finitos
• Detección y evaluación de daños
Las implementaciones importantes de las pruebas modales incluyen la Prueba
Modal en sí misma, la prueba Reducción de Seno, el Espectro de Respuesta de
Choque (SRS), el Análisis de Fatiga, y más.
Matemáticas
Debido a que los datos son digitales en los sistemas DAQ de hoy en día, hay una gran
cantidad de procesos matemáticos que se pueden realizar en ellos. Está más allá del
alcance de este artículo cubrirlos todos, pero aquí hay solo un breve resumen de
algunas de las funciones matemáticas más populares disponibles en los programas de
software DAQ más populares:
• Estadísticas: RMS, promedio, mínimo, máximo, desviación estándar,
varianza, clasificación, conteo, estadísticas de matriz, etc.
• Análisis en el dominio del tiempo: canal de retardo, integral, derivada,
matemática de valor de bloqueo, matemática de alcance, transformación de
tiempo a vector
• Análisis de dominio de frecuencia: cepstrum, correlación, frecuencia exacta,
transformada de Fourier, espectro completo, análisis de octava, transformada
de Fourier de tiempo corto (SFFT)
• Filtrado: FIR, IIR, FFR, integración, derivación
• Diagnóstico de maquinaria: matemática del sensor de ángulo, ruido de
combustión, detección de envolvente, procesamiento sinusoidal (COLA), filtro
de seguimiento
• Procedimientos de conteo
• Acústica: incluidos los filtros de ponderación
• Deformación y tensión: cálculos de rosetas
• Constantes: vectores, matriz constante
• Operadores básicos: suma, resta, división, multiplicación, mod, potencia
• Funciones: cuadrado, raíz cuadrada, absoluto, truncado, aleatorio, logaritmo
(base2), logaritmo (base10), logaritmo natural, exponente, si condición, min,
max
• Trigonometría: sin, cos, tan, asin, acos, atan, Pi
• Lógica: menor que, igual, mayor que, menor o igual, mayor o igual, no igual,
no, y, o, xor
• Señales: número de muestras adquiridas, frecuencia de muestreo, tiempo
transcurrido, onda sinusoidal, onda cuadrada, onda triangular, ruido
• Medida: ancho de pulso, cronómetro
Herramientas de Procesamiento de Señales
Hay una serie de herramientas de procesamiento de señales disponibles para ingenieros
y científicos en la actualidad. Aquí hay una lista de algunos de los más conocidos y
populares:
CONCLUSIÓN
El procesamiento de señales ha demostrado ser una disciplina fundamental con un impacto
significativo en diversos aspectos de nuestra vida diaria. Desde las comunicaciones hasta la
medicina, el entretenimiento y la ciencia de datos, su aplicación ha permitido avances
tecnológicos que han transformado la forma en que vivimos, trabajamos y nos comunicamos.
A medida que la tecnología continúa evolucionando, el procesamiento de señales seguirá
desempeñando un papel aún más importante en el futuro. Las nuevas investigaciones y
desarrollos abrirán nuevas posibilidades para su aplicación en áreas como:
• Inteligencia artificial: El procesamiento de señales será crucial para el desarrollo
de sistemas de inteligencia artificial más sofisticados, capaces de comprender y
analizar el mundo que nos rodea.
• Internet de las cosas: La creciente interconexión de dispositivos generará grandes
cantidades de datos que requerirán técnicas de procesamiento de señales para su
análisis y gestión eficiente.
• Realidad virtual y aumentada: Estas tecnologías inmersivas se beneficiarán del
procesamiento de señales para crear experiencias más realistas y atractivas.
En definitiva, el procesamiento de señales se encuentra en un momento de gran auge, con
un futuro prometedor lleno de posibilidades. Su capacidad para analizar, modificar y generar
señales seguirá impulsando la innovación y el desarrollo tecnológico en las próximas
décadas.
Reflexiones adicionales:
• Es importante destacar el papel de la ética en el desarrollo y la aplicación del
procesamiento de señales. La privacidad y la seguridad de la información deben
ser prioridades fundamentales al diseñar e implementar sistemas que utilicen estas
tecnologías.
• La educación y la formación en procesamiento de señales son esenciales para
preparar a la próxima generación de profesionales capaces de aprovechar todo el
potencial de esta disciplina.
• La colaboración entre diferentes áreas del conocimiento, como la ingeniería, la
informática, las matemáticas y las ciencias naturales, será fundamental para seguir
impulsando el avance del procesamiento de señales y sus aplicaciones.
Referencias
Aplicaciones del Procesado digital de audio, voz e imagen. (n.d.). Upm.es. Retrieved
May 31, 2024, from https://www.citsem.upm.es/es/investigacion/areas-
estrategicas/aplicaciones-del-procesado-digital-de-audio-voz-e-imagen
¿Cuáles son las mejores aplicaciones de procesamiento de señales para mejorar la
precisión y confiabilidad del sistema de comunicación? (2023, September 25).
Linkedin.com; www.linkedin.com. https://es.linkedin.com/advice/0/what-best-
signal-processing-applications-improving?lang=es
¿Qué es el procesamiento de señales? (n.d.). Soluciones de Adquisición de Datos
(DAQ). Retrieved May 31, 2024, from https://dewesoft.com/es/blog/que-es-
procesamiento-de-senal
Wikipedia contributors. (n.d.). Procesado de señal. Wikipedia, The Free
Encyclopedia.
https://es.wikipedia.org/w/index.php?title=Procesado_de_se%C3%B1al&oldid=1559
68202
(N.d.). Fastercapital.com. Retrieved May 31, 2024, from
https://fastercapital.com/es/tema/aplicaciones-en-el-procesamiento-de-
se%C3%B1ales.html
