SlideShare una empresa de Scribd logo
Introducción


La ley A (A-Law) es un sistema de cuantificación logarítmica de señales de audio, usado habitualmente
con fines de compresión en aplicaciones de voz humana. Está estandarizada por la ITU-T en G.711 y es
similar a la ley Mu.

                          Características Básicas de la Ley A
   •   Es un algoritmo estandarizado, definido en el estándar ITU-T G.711
   •   Tiene una complejidad baja
   •   Utilizado en aplicaciones de voz humana
   •   No introduce prácticamente retardo algorítmico (dada su baja complejidad)
   •   Es adecuado para sistemas de transmisión TDM
   •   No es adecuado para la transmisión por paquetes
   •   Digitalmente, factor de compresión aproximadamente de 2:1

                                         Funcionamiento
El algoritmo Ley A basa su funcionamiento en un proceso de compresión y expansión llamado
companding. Se aplica una compresión/expansión de las amplitudes y posteriormente una cuantificación
uniforme. Las amplitudes de la señal de audio pequeñas son expandidas y las amplitudes más elevadas
son comprimidas.

Esto se puede entender de la siguiente forma; cuando una señal pasa a través de un compander, el
intervalo de las amplitudes pequeñas de entrada es representado en un intervalo más largo en la salida, y
el intervalo de las amplitudes más elevadas pasa a ser representado en un intervalo más pequeño en la
s
salida. En la siguiente figura podemos verlo con claridad:




Ésta figura muestra que el rango de los valores de entrada (línea horizontal) contenidos en el intervalo
[-0.2,0.2] (amplitudes pequeñas) están representados en la salida (línea vertical) en el intervalo [-0.6,0.6].
Podemos comprobar que hay una expansión.
Por otra parte vemos que los valores de entrada contenidos en el intervalo [-1,-0,6] y [0.6,1] son
representados en la salida en los intervalos [-0.9,-1] y [0.9,1]. Podemos comprobar que se produce una
compresión.


Digitalmente, todo este esquema es equivalente a aplicar una cuantificación no uniforme (logarítmica) a
la señal original, donde tendremos pequeños pasos de cuantificación para los valores pequeños de
amplitud y pasos de cuantificación grandes para los valores grandes de amplitud. Para recuperar la señal
en el destino tendremos que aplicar la función inversa.

Por lo tanto, la implementación del sistema consiste en aplicar a la señal de entrada una función
logarítmica y una vez procesada realizar una cuantificación uniforme. Es lo mismo que decir que el paso
de cuantificación sigue una función del tipo logarítmico.

Para una entrada x dada, la ecuación Ley A de salida es:

        ,

donde A es el parámetro de compresión. En Europa A = 87.7. También se usa el valor 87.6.

La función inversa es la siguiente:




El algoritmo Ley Mu (μ-law ó mu-law) es un sistema de cuantificación logarítmica de una señal de audio.
Es utilizado principalmente para audio de voz humana dado que explota las características de ésta. El
nombre de Ley Mu proviene de µ-law, que usa la letra griega µ. Su aplicación cubre el campo de
comunicaciones telefónicas. Este sistema de codificación es usado en EEUU y el Japón. En Europa se
utiliza un sistema muy parecido llamado ley A.

                   Características básicas de la Ley Mu [editar]
   •   Es un algoritmo estandarizado, definido en el estándar ITU-T G.711
   •   Tiene una complejidad baja
   •   Utilizado en aplicaciones de voz humana
   •   No introduce prácticamente retardo algorítmico (dada su baja complejidad)
   •   Es adecuado para sistemas de transmisión TDM
   •   No es adecuado para la transmisión por paquetes
   •   Factor de compresión aproximadamente de 2:1

Digitalmente, el algoritmo ley Mu es un sistema de compresión con pérdidas en comparación con la
codificación lineal normal. Esto significa que al recuperar la señal, ésta no será exactamente igual a la
original.

                                      Funcionamiento [editar]
El algoritmo Ley Mu basa su funcionamiento en un proceso de compresión y expansión llamado
compansión. Se aplica una compresión/expansión de las amplitudes y posteriormente una cuantificación
uniforme. Las amplitudes de la señal de audio pequeñas son expandidas y las amplitudes más elevadas
son comprimidas.
Esto se puede entender de la siguiente forma; cuando una señal pasa a través de un compander, el
intervalo de las amplitudes pequeñas de entrada es representado en un intervalo más largo en la salida, y
el intervalo de las amplitudes más elevadas pasa a ser representado en un intervalo más pequeño en la
salida. En la siguiente figura podemos verlo con claridad:




Esta figura muestra que el rango de los valores de entrada (línea horizontal) contenidos en el intervalo
[-0.2,0.2] (amplitudes pequeñas) están representados en la salida (línea vertical) en el intervalo [-0.6,0.6].
Podemos comprobar que hay una expansión.

Por otra parte vemos que los valores de entrada contenidos en el intervalo [-1,-0,6] y [0.6,1] son
representados en la salida en los intervalos [-0.9,-1] y [0.9,1]. Podemos comprobar que se produce una
compresión.


Digitalmente, todo este esquema es equivalente a aplicar una cuantificación no uniforme (logarítmica) a
la señal original, donde tendremos pequeños pasos de cuantificación para los valores pequeños de
amplitud y pasos de cuantificación grandes para los valores grandes de amplitud. Para recuperar la señal
en el destino tendremos que aplicar la función inversa.

Por lo tanto, la implementación del sistema consiste en aplicar a la señal de entrada una función
logarítmica y una vez procesada realizar una cuantificación uniforme. Es lo mismo que decir que el paso
de cuantificación sigue una función del tipo logarítmico.


Esta función viene definida de la siguiente forma:




La letra μ indica el factor de compresión usado (μ = 255).

Si μ = 0 la entrada es igual a la salida.




Desarrollo
Usando Matlab como herramienta, elabore un programa donde utilizando las vocales, se apliquen las
cuatizaciones uniformes y no uniformes.

1) Uniformes.
   • Redondeo.
   • Truncamiento.

2) No Uniformes.
   • Ley µ
   • Ley A
Algoritmo
clc                                    fs=8000                              % e) grafique 3
clear                               y = wavrecord(5*fs,               señales donde se
close all                         fs);                                muestre
                                           wavplay(y,
                                  fs);                                           % a) Señal Orig-
    %a)Generar un                 else                                inal
Tono                                  fs=200                                    f1=4000
                                           y =                              t=-1:0.001:1
Fs=input('Frecuencia:             wavrecord(5*fs, fs);                      x1=sin(t*f1)
');                                        wavplay(y,fs)                    subplot(3,1,1)
                                  ;                                         plot(t,x1,'b')
t=-1.0:0.01:1.0;                  end

x=sin(t*Fs);                           %c)Grafique la                      % b) Señal
                                  señal                               Muestreada
sound(x)
                                          plot(y)                         f2=40000
figure(1)                                  grid on                           t=-1:0.001:1
plot(t,x,'r');                                                               x2=sin(t*f2)
grid on                                   %d) Grafique                       subplot(3,1,2)
                                  la señal de voz                            plot(t,x2,'b')
     % b)capturar una             guardandola con una
señal de voz                      funcion

m=menu('Capturar una                     señal=wavereco                    % c) Señal con
Señal de Voz','1.                 rd(5*8000,8000)                     el fenomeno Alias
Respetando el Teorema                    save señal
de Muestreo','2. Sin                     load señal                   f3=500
Resper el Teorema de                     wavplay(señal,                  t=-1:0.001:1
Muestreo')                        8000)                                  x3=sin(t*f3)
                                                                         subplot(3,1,3)
if m==1                                                                  plot(t,x3,'b')




Resultados (Gráficas)

                                                     1
          a)
               f= 20 Hz                              0


          b)                                         -1                                 0                           1
          c)                                           -1   -0.8   -0.6   -0.4   -0.2       0.2   0.4   0.6   0.8
                                                      1
            teorema de muestreo
          “bueno…”                                   0


                                                     -1
       sin teorema de muestreo “bueno…”                -1   -0.8   -0.6   -0.4   -0.2
                                                                                        0
                                                                                            0.2   0.4   0.6   0.8
                                                                                                                    1
                                                      1

          d) ----
                                                     0
          e)

                                                     -1                                 0                           1
                                                      -1    -0.8   -0.6   -0.4   -0.2       0.2   0.4   0.6   0.8
Conclusiones

.

Más contenido relacionado

La actualidad más candente

Utp pds_l5_transformada discreta de fourier
 Utp pds_l5_transformada discreta de fourier Utp pds_l5_transformada discreta de fourier
Utp pds_l5_transformada discreta de fourier
jcbenitezp
 
correlacion-de-senales
correlacion-de-senalescorrelacion-de-senales
correlacion-de-senales
crico89
 
Ejercicios resueltos 2011
Ejercicios resueltos 2011Ejercicios resueltos 2011
Ejercicios resueltos 2011
Deyvid Atens
 
Segmentación de imagenes
Segmentación de imagenesSegmentación de imagenes
Segmentación de imagenes
Omar Sanchez
 
Imagen e histograma
Imagen e histogramaImagen e histograma
Imagen e histograma
Omar Sanchez
 
Transformada Discreta de Fourier
Transformada Discreta de FourierTransformada Discreta de Fourier
Transformada Discreta de Fourier
jorgeogj
 
4 Temas Adicionales De La Derivada
4 Temas Adicionales De La Derivada4 Temas Adicionales De La Derivada
4 Temas Adicionales De La Derivada
ERICK CONDE
 

La actualidad más candente (20)

TRANSFORMADA DISCRETA DE FOURIER
TRANSFORMADA DISCRETA DE FOURIERTRANSFORMADA DISCRETA DE FOURIER
TRANSFORMADA DISCRETA DE FOURIER
 
Apuntes y ejercicios Señales y sistemas (Borrador)
Apuntes y ejercicios Señales y sistemas (Borrador)Apuntes y ejercicios Señales y sistemas (Borrador)
Apuntes y ejercicios Señales y sistemas (Borrador)
 
Fourier jaime severiche
Fourier jaime severicheFourier jaime severiche
Fourier jaime severiche
 
Dsp5
Dsp5Dsp5
Dsp5
 
Utp pds_l5_transformada discreta de fourier
 Utp pds_l5_transformada discreta de fourier Utp pds_l5_transformada discreta de fourier
Utp pds_l5_transformada discreta de fourier
 
Dsp7
Dsp7Dsp7
Dsp7
 
correlacion-de-senales
correlacion-de-senalescorrelacion-de-senales
correlacion-de-senales
 
Ejercicios resueltos 2011
Ejercicios resueltos 2011Ejercicios resueltos 2011
Ejercicios resueltos 2011
 
Cap7
Cap7Cap7
Cap7
 
Fourier
FourierFourier
Fourier
 
La Derivada
La DerivadaLa Derivada
La Derivada
 
Segmentación de imagenes
Segmentación de imagenesSegmentación de imagenes
Segmentación de imagenes
 
6 curvas
6 curvas6 curvas
6 curvas
 
Series de fourier
Series de fourierSeries de fourier
Series de fourier
 
Imagen e histograma
Imagen e histogramaImagen e histograma
Imagen e histograma
 
Serie de fourier
Serie de fourierSerie de fourier
Serie de fourier
 
Problemas resueltoscap4
Problemas resueltoscap4Problemas resueltoscap4
Problemas resueltoscap4
 
trabajo jose rossana
trabajo jose rossanatrabajo jose rossana
trabajo jose rossana
 
Transformada Discreta de Fourier
Transformada Discreta de FourierTransformada Discreta de Fourier
Transformada Discreta de Fourier
 
4 Temas Adicionales De La Derivada
4 Temas Adicionales De La Derivada4 Temas Adicionales De La Derivada
4 Temas Adicionales De La Derivada
 

Destacado (20)

Europeana 23-01-2013
Europeana 23-01-2013Europeana 23-01-2013
Europeana 23-01-2013
 
Presentación Fernandez
Presentación FernandezPresentación Fernandez
Presentación Fernandez
 
Favorite Sports Players
Favorite Sports PlayersFavorite Sports Players
Favorite Sports Players
 
El football (futbol)
El football (futbol)El football (futbol)
El football (futbol)
 
La Palma, 04 Nov 2008
La Palma, 04 Nov 2008La Palma, 04 Nov 2008
La Palma, 04 Nov 2008
 
Medellin, 29 de septiembre de 2014
Medellin, 29 de septiembre de 2014Medellin, 29 de septiembre de 2014
Medellin, 29 de septiembre de 2014
 
Los colores en Química
Los colores en QuímicaLos colores en Química
Los colores en Química
 
Docingeamb1
Docingeamb1Docingeamb1
Docingeamb1
 
Musica
MusicaMusica
Musica
 
20120301 Energiemix En Wko
20120301 Energiemix En Wko20120301 Energiemix En Wko
20120301 Energiemix En Wko
 
Pere calders primària
Pere calders primàriaPere calders primària
Pere calders primària
 
43769924 blacksmithing
43769924 blacksmithing43769924 blacksmithing
43769924 blacksmithing
 
Eula.1033
Eula.1033Eula.1033
Eula.1033
 
Presentac..4
Presentac..4Presentac..4
Presentac..4
 
Agenda
AgendaAgenda
Agenda
 
Union Europea
Union EuropeaUnion Europea
Union Europea
 
PresentacióN P Royecto
PresentacióN P RoyectoPresentacióN P Royecto
PresentacióN P Royecto
 
Biblia.de.access.2007 e book
Biblia.de.access.2007 e bookBiblia.de.access.2007 e book
Biblia.de.access.2007 e book
 
Pertsonak ezberdinak gara III (Oier iker.v saskia)
Pertsonak ezberdinak gara III (Oier iker.v saskia)Pertsonak ezberdinak gara III (Oier iker.v saskia)
Pertsonak ezberdinak gara III (Oier iker.v saskia)
 
Affiche
AfficheAffiche
Affiche
 

Similar a P5pds

Imagen Filtrado Espacial
Imagen Filtrado EspacialImagen Filtrado Espacial
Imagen Filtrado Espacial
Omar Sanchez
 
Pds 2011 2-balotario de preguntas pc4
Pds 2011 2-balotario de preguntas pc4Pds 2011 2-balotario de preguntas pc4
Pds 2011 2-balotario de preguntas pc4
jcbenitezp
 
Pds 2011 2-balotario de preguntas pc4
Pds 2011 2-balotario de preguntas pc4Pds 2011 2-balotario de preguntas pc4
Pds 2011 2-balotario de preguntas pc4
jcbenitezp
 
Aplicaciones La Transformada De Laplace
Aplicaciones La Transformada De LaplaceAplicaciones La Transformada De Laplace
Aplicaciones La Transformada De Laplace
guest31b112
 
Aplicaciones La Transformada De Laplace
Aplicaciones La Transformada De LaplaceAplicaciones La Transformada De Laplace
Aplicaciones La Transformada De Laplace
KJEP
 
PROCESAMIENTO DIGITAL DE SEÑALES CON MATLAB
PROCESAMIENTO DIGITAL DE SEÑALES CON MATLABPROCESAMIENTO DIGITAL DE SEÑALES CON MATLAB
PROCESAMIENTO DIGITAL DE SEÑALES CON MATLAB
INFOVIC
 
Trabajo dsp Filtro de Butterworth
Trabajo dsp Filtro de Butterworth Trabajo dsp Filtro de Butterworth
Trabajo dsp Filtro de Butterworth
Cristian Zapata
 

Similar a P5pds (20)

epn filtros
epn filtrosepn filtros
epn filtros
 
Practica1m
Practica1mPractica1m
Practica1m
 
laboratorio1 de diniz
laboratorio1 de dinizlaboratorio1 de diniz
laboratorio1 de diniz
 
Paralela6
Paralela6Paralela6
Paralela6
 
Sa fourier con matlab
Sa fourier con matlabSa fourier con matlab
Sa fourier con matlab
 
Imagen Filtrado Espacial
Imagen Filtrado EspacialImagen Filtrado Espacial
Imagen Filtrado Espacial
 
Conjuntos Difusos.ppt
Conjuntos Difusos.pptConjuntos Difusos.ppt
Conjuntos Difusos.ppt
 
Pds 2011 2-balotario de preguntas pc4
Pds 2011 2-balotario de preguntas pc4Pds 2011 2-balotario de preguntas pc4
Pds 2011 2-balotario de preguntas pc4
 
Pds 2011 2-balotario de preguntas pc4
Pds 2011 2-balotario de preguntas pc4Pds 2011 2-balotario de preguntas pc4
Pds 2011 2-balotario de preguntas pc4
 
Aplicaciones La Transformada De Laplace
Aplicaciones La Transformada De LaplaceAplicaciones La Transformada De Laplace
Aplicaciones La Transformada De Laplace
 
Aplicaciones La Transformada De Laplace
Aplicaciones La Transformada De LaplaceAplicaciones La Transformada De Laplace
Aplicaciones La Transformada De Laplace
 
SSLL-TE-2009-2S
SSLL-TE-2009-2SSSLL-TE-2009-2S
SSLL-TE-2009-2S
 
PROCESAMIENTO DIGITAL DE SEÑALES CON MATLAB
PROCESAMIENTO DIGITAL DE SEÑALES CON MATLABPROCESAMIENTO DIGITAL DE SEÑALES CON MATLAB
PROCESAMIENTO DIGITAL DE SEÑALES CON MATLAB
 
Funciones blog02
Funciones blog02Funciones blog02
Funciones blog02
 
SSLL-TE-2012-2S
SSLL-TE-2012-2SSSLL-TE-2012-2S
SSLL-TE-2012-2S
 
Matavmatlab
MatavmatlabMatavmatlab
Matavmatlab
 
Ejercicios serie de fourier
Ejercicios serie de fourierEjercicios serie de fourier
Ejercicios serie de fourier
 
Trabajo dsp Filtro de Butterworth
Trabajo dsp Filtro de Butterworth Trabajo dsp Filtro de Butterworth
Trabajo dsp Filtro de Butterworth
 
Fundamentos_de_Telecomunicaciones_Utiliz.pdf
Fundamentos_de_Telecomunicaciones_Utiliz.pdfFundamentos_de_Telecomunicaciones_Utiliz.pdf
Fundamentos_de_Telecomunicaciones_Utiliz.pdf
 
Metodos iterativos
Metodos iterativosMetodos iterativos
Metodos iterativos
 

Más de Edgar Martinez

Más de Edgar Martinez (20)

Transitorios De Circuitos
Transitorios De CircuitosTransitorios De Circuitos
Transitorios De Circuitos
 
Montajes De Electronica
Montajes De ElectronicaMontajes De Electronica
Montajes De Electronica
 
Amplificadores A...T
Amplificadores A...TAmplificadores A...T
Amplificadores A...T
 
Una Planta De Cfe
Una Planta De CfeUna Planta De Cfe
Una Planta De Cfe
 
Docingeamb1 Doc
Docingeamb1 DocDocingeamb1 Doc
Docingeamb1 Doc
 
Semaforo Doc
Semaforo DocSemaforo Doc
Semaforo Doc
 
Apuntes De ElectróNica Vtautas Gabriunas
Apuntes De  ElectróNica Vtautas GabriunasApuntes De  ElectróNica Vtautas Gabriunas
Apuntes De ElectróNica Vtautas Gabriunas
 
Modelado De Sistemas
Modelado De SistemasModelado De Sistemas
Modelado De Sistemas
 
Residuos Peligrosos.Url
Residuos Peligrosos.UrlResiduos Peligrosos.Url
Residuos Peligrosos.Url
 
00026162
0002616200026162
00026162
 
Acciones Desarrolladas Para Prevenir Contaminacion
Acciones Desarrolladas Para Prevenir ContaminacionAcciones Desarrolladas Para Prevenir Contaminacion
Acciones Desarrolladas Para Prevenir Contaminacion
 
Ambiental
AmbientalAmbiental
Ambiental
 
Calidad Del Aire En Mexicali
Calidad Del Aire En MexicaliCalidad Del Aire En Mexicali
Calidad Del Aire En Mexicali
 
Calidad Del Aire En Mexicali1
Calidad Del Aire En Mexicali1Calidad Del Aire En Mexicali1
Calidad Del Aire En Mexicali1
 
CapíTulo Octavo
CapíTulo OctavoCapíTulo Octavo
CapíTulo Octavo
 
Circuitos De Potencia
Circuitos De PotenciaCircuitos De Potencia
Circuitos De Potencia
 
Conclusion
ConclusionConclusion
Conclusion
 
Contamina[1]..
Contamina[1]..Contamina[1]..
Contamina[1]..
 
Control
ControlControl
Control
 
DiseñO Del Integrador
DiseñO Del IntegradorDiseñO Del Integrador
DiseñO Del Integrador
 

P5pds

  • 1. Introducción La ley A (A-Law) es un sistema de cuantificación logarítmica de señales de audio, usado habitualmente con fines de compresión en aplicaciones de voz humana. Está estandarizada por la ITU-T en G.711 y es similar a la ley Mu. Características Básicas de la Ley A • Es un algoritmo estandarizado, definido en el estándar ITU-T G.711 • Tiene una complejidad baja • Utilizado en aplicaciones de voz humana • No introduce prácticamente retardo algorítmico (dada su baja complejidad) • Es adecuado para sistemas de transmisión TDM • No es adecuado para la transmisión por paquetes • Digitalmente, factor de compresión aproximadamente de 2:1 Funcionamiento El algoritmo Ley A basa su funcionamiento en un proceso de compresión y expansión llamado companding. Se aplica una compresión/expansión de las amplitudes y posteriormente una cuantificación uniforme. Las amplitudes de la señal de audio pequeñas son expandidas y las amplitudes más elevadas son comprimidas. Esto se puede entender de la siguiente forma; cuando una señal pasa a través de un compander, el intervalo de las amplitudes pequeñas de entrada es representado en un intervalo más largo en la salida, y el intervalo de las amplitudes más elevadas pasa a ser representado en un intervalo más pequeño en la s salida. En la siguiente figura podemos verlo con claridad: Ésta figura muestra que el rango de los valores de entrada (línea horizontal) contenidos en el intervalo [-0.2,0.2] (amplitudes pequeñas) están representados en la salida (línea vertical) en el intervalo [-0.6,0.6]. Podemos comprobar que hay una expansión.
  • 2. Por otra parte vemos que los valores de entrada contenidos en el intervalo [-1,-0,6] y [0.6,1] son representados en la salida en los intervalos [-0.9,-1] y [0.9,1]. Podemos comprobar que se produce una compresión. Digitalmente, todo este esquema es equivalente a aplicar una cuantificación no uniforme (logarítmica) a la señal original, donde tendremos pequeños pasos de cuantificación para los valores pequeños de amplitud y pasos de cuantificación grandes para los valores grandes de amplitud. Para recuperar la señal en el destino tendremos que aplicar la función inversa. Por lo tanto, la implementación del sistema consiste en aplicar a la señal de entrada una función logarítmica y una vez procesada realizar una cuantificación uniforme. Es lo mismo que decir que el paso de cuantificación sigue una función del tipo logarítmico. Para una entrada x dada, la ecuación Ley A de salida es: , donde A es el parámetro de compresión. En Europa A = 87.7. También se usa el valor 87.6. La función inversa es la siguiente: El algoritmo Ley Mu (μ-law ó mu-law) es un sistema de cuantificación logarítmica de una señal de audio. Es utilizado principalmente para audio de voz humana dado que explota las características de ésta. El nombre de Ley Mu proviene de µ-law, que usa la letra griega µ. Su aplicación cubre el campo de comunicaciones telefónicas. Este sistema de codificación es usado en EEUU y el Japón. En Europa se utiliza un sistema muy parecido llamado ley A. Características básicas de la Ley Mu [editar] • Es un algoritmo estandarizado, definido en el estándar ITU-T G.711 • Tiene una complejidad baja • Utilizado en aplicaciones de voz humana • No introduce prácticamente retardo algorítmico (dada su baja complejidad) • Es adecuado para sistemas de transmisión TDM • No es adecuado para la transmisión por paquetes • Factor de compresión aproximadamente de 2:1 Digitalmente, el algoritmo ley Mu es un sistema de compresión con pérdidas en comparación con la codificación lineal normal. Esto significa que al recuperar la señal, ésta no será exactamente igual a la original. Funcionamiento [editar] El algoritmo Ley Mu basa su funcionamiento en un proceso de compresión y expansión llamado compansión. Se aplica una compresión/expansión de las amplitudes y posteriormente una cuantificación uniforme. Las amplitudes de la señal de audio pequeñas son expandidas y las amplitudes más elevadas son comprimidas.
  • 3. Esto se puede entender de la siguiente forma; cuando una señal pasa a través de un compander, el intervalo de las amplitudes pequeñas de entrada es representado en un intervalo más largo en la salida, y el intervalo de las amplitudes más elevadas pasa a ser representado en un intervalo más pequeño en la salida. En la siguiente figura podemos verlo con claridad: Esta figura muestra que el rango de los valores de entrada (línea horizontal) contenidos en el intervalo [-0.2,0.2] (amplitudes pequeñas) están representados en la salida (línea vertical) en el intervalo [-0.6,0.6]. Podemos comprobar que hay una expansión. Por otra parte vemos que los valores de entrada contenidos en el intervalo [-1,-0,6] y [0.6,1] son representados en la salida en los intervalos [-0.9,-1] y [0.9,1]. Podemos comprobar que se produce una compresión. Digitalmente, todo este esquema es equivalente a aplicar una cuantificación no uniforme (logarítmica) a la señal original, donde tendremos pequeños pasos de cuantificación para los valores pequeños de amplitud y pasos de cuantificación grandes para los valores grandes de amplitud. Para recuperar la señal en el destino tendremos que aplicar la función inversa. Por lo tanto, la implementación del sistema consiste en aplicar a la señal de entrada una función logarítmica y una vez procesada realizar una cuantificación uniforme. Es lo mismo que decir que el paso de cuantificación sigue una función del tipo logarítmico. Esta función viene definida de la siguiente forma: La letra μ indica el factor de compresión usado (μ = 255). Si μ = 0 la entrada es igual a la salida. Desarrollo Usando Matlab como herramienta, elabore un programa donde utilizando las vocales, se apliquen las cuatizaciones uniformes y no uniformes. 1) Uniformes. • Redondeo. • Truncamiento. 2) No Uniformes. • Ley µ • Ley A
  • 4. Algoritmo clc fs=8000 % e) grafique 3 clear y = wavrecord(5*fs, señales donde se close all fs); muestre wavplay(y, fs); % a) Señal Orig- %a)Generar un else inal Tono fs=200 f1=4000 y = t=-1:0.001:1 Fs=input('Frecuencia: wavrecord(5*fs, fs); x1=sin(t*f1) '); wavplay(y,fs) subplot(3,1,1) ; plot(t,x1,'b') t=-1.0:0.01:1.0; end x=sin(t*Fs); %c)Grafique la % b) Señal señal Muestreada sound(x) plot(y) f2=40000 figure(1) grid on t=-1:0.001:1 plot(t,x,'r'); x2=sin(t*f2) grid on %d) Grafique subplot(3,1,2) la señal de voz plot(t,x2,'b') % b)capturar una guardandola con una señal de voz funcion m=menu('Capturar una señal=wavereco % c) Señal con Señal de Voz','1. rd(5*8000,8000) el fenomeno Alias Respetando el Teorema save señal de Muestreo','2. Sin load señal f3=500 Resper el Teorema de wavplay(señal, t=-1:0.001:1 Muestreo') 8000) x3=sin(t*f3) subplot(3,1,3) if m==1 plot(t,x3,'b') Resultados (Gráficas) 1 a) f= 20 Hz 0 b) -1 0 1 c) -1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 teorema de muestreo “bueno…” 0 -1 sin teorema de muestreo “bueno…” -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1 d) ---- 0 e) -1 0 1 -1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8