Universidad Nacional de Ingeniería

Facultad de Ingeniería Eléctrica y electrónica

Laboratorio 1
Curso : Vision y Analisis de Imagenes por Computador - CIB28

Profesor : Segundo Gamarra

Estudiante: Cotrina Polanco Leonardo Jhoel
Copyright © 2013 John Smith

P UBLISHED BY P UBLISHER

BOOK - WEBSITE . COM

Licensed under the Creative Commons Attribution-NonCommercial 3.0 Unported License (the
“License”). You may not use this file except in compliance with the License. You may obtain a
copy of the License at http://creativecommons.org/licenses/by-nc/3.0. Unless required
by applicable law or agreed to in writing, software distributed under the License is distributed on an
“AS IS ” BASIS , WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and limitations under the License.

First printing, March 2013

 Contents

I Datos del estudiante

1 DNI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2 Carnet Universitario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

II Antenas Microondas

3 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

4 Principios Fundamentales de Microondas . . . . . . . . . . . . . . . . . . . . . . 15

4.0.1 Ondas Electromagnéticas en el Rango de Microondas . . . . . . . . . . . . . . . . . . 15
4.0.2 Propiedades y Características . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.0.3 Polarización en Microondas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.0.4 Reflexión, Refracción y Difracción en Microondas . . . . . . . . . . . . . . . . . . . . . . 16

5 Diseño y Características de Antenas de Microondas . . . . . . . . . . . 17

5.0.1 Diseño de Antenas de Microondas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5.0.2 Ancho de Banda y Frecuencia de Resonancia . . . . . . . . . . . . . . . . . . . . . . . . 17
5.0.3 Impedancia y Adaptación de Impedancia . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

6 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
6.0.1 Integración con Tecnologías Emergentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
6.0.2 Tecnologías 5G y Más Allá . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
6.0.3 Miniaturización y Antenas Flexibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
6.0.4 Eficiencia Energética y Sostenibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
6.0.5 Aplicaciones Espaciales y Comunicación Cuántica . . . . . . . . . . . . . . . . . . . . 19

III Error de Cuantizacion

7 Proceso de Cuantizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

8 Algoritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

9 Resultadoss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

10 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
10.0.1 Muestreo (Sampling): . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
10.0.2 Cuantización (Quantization): . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
10.0.3 Codificación (Encoding): . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

IV Teorema del Muestreo

11 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

12 Esencia del Teorema del Muestreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

12.0.1 Teorema de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
12.0.2 Frecuencia de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
12.0.3 Teorema de Shannon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

13 ¿Qué hace el teorema del muestreo? . . . . . . . . . . . . . . . . . . . . . . . . . 37

14 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
14.0.1 El teorema del muestreo para funciones tipo pasabajos es vital en la ingeniería de
comunicaciones, vinculando las señales continuas con las discretas. . . . . . . 39
14.0.2 Los distintos nombres que el teorema ha recibido Shannon, Nyquist, Kotelnikov,
Whittaker, Someya, etc.– indica la independencia de los diferentes enfoques. 39
14.0.3 Esta historia también pone de manifiesto un proceso muchas veces aparente en
los problemas teóricos en física o tecnología: en primer lugar los experimenta-
dores establecen un conjunto de reglas empíricas, luego los teóricos desarrollan
la solución general, y finalmente alguien descubre que los matemáticos habían re-
suelto el problema matemático subyacente con anterioridad, pero en “magnífica
soledad”. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

Bibliography . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Books 41
Articles 41
I
Datos del estudiante

1 DNI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2 Carnet Universitario . . . . . . . . . . . . . . . . . . . 9
1. DNI

Figure 1.1: Documento de Indentidad

2. Carnet Universitario

Figure 2.1: Carnet

II
Antenas Microondas

3 Introducción . . . . . . . . . . . . . . . . . . . . . . . . 13

4 Principios Fundamentales de Microondas

15

5 Diseño y Características de Antenas de

Microondas . . . . . . . . . . . . . . . . . . . . . . . . . 17

6 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . 19
 3. Introducción

Las antenas de microondas son dispositivos electromagnéticos diseñados para transmitir o recibir
ondas electromagnéticas en el rango de frecuencias de microondas. Estas ondas tienen longitudes
de onda más cortas que las ondas de radio tradicionales, lo que permite una mayor capacidad de
transmisión de datos y una menor interferencia. Las antenas de microondas son fundamentales
para numerosas aplicaciones modernas, incluidas las comunicaciones inalámbricas, los sistemas de
radar, la teledetección y más.

Figure 3.1: Funcionamiento basico de las antenas microondas

 4. Principios Fundamentales de Microondas

4.0.1 Ondas Electromagnéticas en el Rango de Microondas

Las microondas son ondas electromagnéticas con longitudes de onda más cortas que las ondas
de radio, pero más largas que las de luz infrarroja. Se ubican en el rango de frecuencias de
aproximadamente 300 MHz a 300 GHz. Estas ondas se propagan a través del espacio sin necesidad
de un medio físico y se caracterizan por su capacidad para transportar gran cantidad de datos de
manera eficiente.

Figure 4.1: Ondas Electromagneticas

4.0.2 Propiedades y Características

Las microondas presentan características distintivas:

Penetración selectiva
Algunos materiales absorben las microondas mientras que otros las dejan pasar, lo que se utiliza en
aplicaciones como hornos microondas.

Reflexión y refracción
Las microondas pueden reflejarse en superficies metálicas y refractarse al pasar de un medio a otro.

Interferencia y difracción
Estos fenómenos también se aplican a las microondas, influenciando la propagación y recepción.
 16 Chapter 4. Principios Fundamentales de Microondas

4.0.3 Polarización en Microondas

La polarización de una onda de microondas se refiere a la orientación de su campo eléctrico mientras
se propaga. Puede ser lineal, circular o elíptica, y es esencial para el diseño adecuado de antenas de
microondas, ya que influye en cómo interactúan con otras estructuras y dispositivos.

Figure 4.2: Tipos de Polarizacion

4.0.4 Reflexión, Refracción y Difracción en Microondas

Reflexión
Las microondas se reflejan en las superficies metálicas y otras superficies conductoras.
Refracción
Ocurre cuando las microondas atraviesan un medio con una permitividad diferente, cambiando su
dirección.
Difracción
La onda se dobla alrededor de obstáculos, lo que es fundamental para el diseño de antenas y la
planificación de enlaces de comunicación.

c
n= (4.1)
v
n: Indice de refracción del medio por donde se propaga la onda electromagnetica
 5. Diseño y Características de Antenas de Microon

5.0.1 Diseño de Antenas de Microondas

El diseño de antenas de microondas es crucial para lograr un rendimiento óptimo en diversas
aplicaciones. Esto implica considerar la geometría, dimensiones y estructura de la antena. Aspectos
clave del diseño incluyen:

Geometría y Dimensiones Óptimas

Determina la forma y tamaño adecuados de la antena según la aplicación específica. Por ejemplo,
una antena para comunicaciones terrestres puede requerir un diseño diferente a una antena para
comunicaciones vía satélite.

Eficiencia y Directividad
Diseñar la antena para maximizar su eficiencia en la conversión de energía eléctrica en ondas
electromagnéticas y su directividad para concentrar la radiación en una dirección particular.

Métodos de Optimización y Simulación

Emplear herramientas de simulación, como software de modelado electromagnético, para optimizar
el diseño de la antena. Estos programas permiten ajustar parámetros para lograr un rendimiento
deseado.

5.0.2 Ancho de Banda y Frecuencia de Resonancia

El ancho de banda de una antena se refiere al rango de frecuencias sobre el cual puede funcionar
efectivamente. Aspectos a tener en cuenta son:

Concepto de Ancho de Banda

Explicar qué es el ancho de banda y cómo afecta el rendimiento de la antena.

Aumento del Ancho de Banda

Estrategias para ampliar el ancho de banda de una antena, como la modificación de la estructura de
la antena o el uso de tecnologías avanzadas.
 18 Chapter 5. Diseño y Características de Antenas de Microondas

Sintonización de Antenas
Explica cómo se ajustan las antenas para resonar en una frecuencia específica y cómo esto está
relacionado con el ancho de banda.

5.0.3 Impedancia y Adaptación de Impedancia

La impedancia de una antena es una propiedad fundamental que afecta la eficiencia de la transmisión
de señales. Aspectos importantes son:
Significado de la Impedancia
Define la impedancia y explicar su relevancia en la transferencia óptima de energía entre la antena
y el sistema de transmisión.
Técnicas de Adaptación de Impedancia
Describe métodos para igualar la impedancia de la antena con la fuente de alimentación, como el
uso de transformadores o redes de adaptación.
Transformadores y Adaptadores de Impedancia
Detalla cómo se utilizan transformadores y otros dispositivos para adaptar la impedancia y mejorar
la eficiencia de la antena.

Figure 5.1: Impedancia

 6. Conclusiones

6.0.1 Integración con Tecnologías Emergentes

Explorar cómo las antenas de microondas se integrarán con tecnologías emergentes como el Internet
de las cosas (IoT), la inteligencia artificial (IA) y la computación en la nube, para potenciar la
conectividad y la eficiencia en las comunicaciones.

6.0.2 Tecnologías 5G y Más Allá

Investigar cómo las antenas de microondas evolucionarán para soportar las demandas de los sistemas
5G y futuras generaciones de comunicación inalámbrica, incluyendo la implementación de antenas
masivas y beamforming.

6.0.3 Miniaturización y Antenas Flexibles

Analizar las tendencias hacia antenas de microondas más pequeñas y flexibles, ideales para dis-
positivos portátiles y wearables, así como las implicaciones de la miniaturización en el diseño y la
eficiencia.

6.0.4 Eficiencia Energética y Sostenibilidad

Considerar cómo se están desarrollando antenas de microondas más eficientes en términos energéti-
cos y ecológicamente sostenibles, en línea con la creciente conciencia sobre la importancia de la
sostenibilidad en la tecnología.

6.0.5 Aplicaciones Espaciales y Comunicación Cuántica

Explorar cómo las antenas de microondas se adaptarán para su uso en aplicaciones espaciales y en
el contexto de la comunicación cuántica, donde se requieren soluciones altamente especializadas y
avanzadas.
20 Chapter 6. Conclusiones

Figure 6.1: Impedancia

III
Error de Cuantizacion

7 Proceso de Cuantizacion . . . . . . . . . . . . 23

8 Algoritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

9 Resultadoss . . . . . . . . . . . . . . . . . . . . . . . . . 27

10 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . 29
 7. Proceso de Cuantizacion

Cuando queremos cuantizar ocurre que los bits generan niveles predeterminados que no necesaria-
mente coinciden con el muestreo que se le hace a la señal inicialamente. Entonces la cuantización
vendria a ser el proceso de ubicar los distintos puntos que dejó el muestreo en los niveles que fueron
creados por los bits.
 8. Algoritmo

El objetivo es mostrar una gráfica, bits vs error de cuantizacion, de tal manera que podamos entender
la tendencia generada por cierto numero de bits y verificar cuales son los minimos bits requeridos
para ver la curva generada.
def convertidor_ADC(señal, numero_bits):
rango_ADC = 2 ** numero_bits
escalar_señal = (señal - np.min(señal)) / np.ptp(señal) * rango_ADC
señal_digital = np.round(escalar_señal)# Redondear a enteros para simular la cuantización
error_cuantizacion = señal - (señal_digital * (np.ptp(señal) / rango_ADC) + np.min(señal))
return error_cuantizacion

numero_muestras = 1000
t = np.linspace(0, 10, numero_muestras)
info = 2.0 * np.sin(2 * np.pi * 1.0 * t)
lista_bits = range(1, 9)

error_cuanti = []
for bits in lista_bits:
error_cuanti_promedio = np.mean(np.abs(convertidor_ADC(info, bits)))
error_cuanti.append(error_cuanti_promedio)

plt.plot(lista_bits, error_cuanti, marker=’o’)

plt.xlabel(’Número de bits’)
plt.ylabel(’Error de cuantización (promedio)’)
plt.title(’Error de cuantización vs Número de bits de resolución’)
plt.grid(True)
plt.show()
9. Resultadoss

Figure 9.1: 4 Bits

28 Chapter 9. Resultadoss

Figure 9.2: 8 Bits

Figure 9.3: 16 Bits

 10. Conclusiones

A continuacion mostramos la compilacion del algoritmo para poder observar que al aumentar los
bits el error decrece. La conversión de señales analógicas a digitales es un proceso que implica
tomar una señal continua y convertirla en una representación digital que consta de una serie de
números discretos. Este proceso se lleva a cabo en muchos dispositivos electrónicos, como teléfonos
móviles, cámaras digitales, computadoras y otros sistemas electrónicos.

10.0.1 Muestreo (Sampling):

La señal analógica se toma en intervalos regulares de tiempo. Se obtienen muestras de la señal en
puntos específicos a lo largo del tiempo.

10.0.2 Cuantización (Quantization):

Cada muestra tomada en el paso de muestreo se asigna a un valor discreto en una escala predeter-
minada. Este proceso implica redondear la amplitud de la señal a un valor que se puede representar
con un número finito de bits.

10.0.3 Codificación (Encoding):

Los valores cuantizados se convierten a representaciones binarias (números en sistema binario) para
su almacenamiento y procesamiento digital. La cantidad de bits utilizados para representar cada
muestra determina la resolución del ADC y afecta la precisión de la conversión. En resumen, el
proceso de conversión analógica a digital implica tomar muestras de la señal analógica a intervalos
regulares, cuantificar esas muestras y luego codificarlas en una representación digital binaria.
Es importante tener en cuenta que el número de bits utilizados en la cuantización afecta la
precisión de la representación digital. Cuanto mayor sea la cantidad de bits, mayor será la resolución
y la precisión de la representación digital, pero también requerirá más espacio de almacenamiento y
procesamiento.
IV
Teorema del Muestreo

11 Introducción . . . . . . . . . . . . . . . . . . . . . . . . 33

12 Esencia del Teorema del Muestreo . . . 35

13 ¿Qué hace el teorema del muestreo? 37

14 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . 39

Bibliography . . . . . . . . . . . . . . . . . . . . . . . . 41
Books
Articles
 11. Introducción

El teorema del muestreo, también conocido como teorema de Nyquist-Shannon, es un principio

fundamental en la teoría del procesamiento de señales. Fue formulado por Claude Shannon y Harry
Nyquist a principios del siglo XX y es esencial para la digitalización precisa y la reconstrucción de
señales continuas a partir de versiones discretas de las mismas.

Figure 11.1: De Digital a Analogico

 12. Esencia del Teorema del Muestreo

12.0.1 Teorema de Nyquist

Esta parte establece que para reconstruir una señal continua de forma precisa a partir de sus
muestras, es necesario muestrear la señal a una frecuencia mínima igual al doble de la frecuencia
más alta presente en la señal. Esta frecuencia mínima se conoce como frecuencia de Nyquist.

Figure 12.1: Muestreo

12.0.2 Frecuencia de Nyquist

Es la frecuencia mínima a la que debemos muestrear una señal para evitar la pérdida de información.
Si la frecuencia de muestreo es menor que el doble de la frecuencia más alta en la señal, se produce
un fenómeno llamado aliasing, que distorsiona la señal y dificulta o imposibilita su reconstrucción
precisa.

12.0.3 Teorema de Shannon

La versión matemática precisa del teorema del muestreo fue formulada por Claude Shannon.
Afirma que para reconstruir una señal continua de forma precisa, debemos muestrear la señal a
una frecuencia que sea al menos el doble de su ancho de banda, es decir, la diferencia entre la
frecuencia más alta y la frecuencia más baja en la señal.
 13. ¿Qué hace el teorema del muestreo?

Segun el teorema de muestreo, para poder replicar con exactitud la forma de una onda es necesario
que la frecuencia de muestreo sea superior al doble de la maxima frecuencia a muestrear. Si la
frecuencia mas alta contenida en una señal analogica y la señal se muestrea a una tasa, entonces se
puede recuperar totalmente a partir de sus muestras mediante la siguiente funcion de interpolacion.

Figure 13.1: Muestreo

Figure 13.2: Muestreo

 14. Conclusiones

14.0.1 El teorema del muestreo para funciones tipo pasabajos es vital en la ingeniería de
comunicaciones, vinculando las señales continuas con las discretas.
14.0.2 Los distintos nombres que el teorema ha recibido Shannon, Nyquist, Kotelnikov,
Whittaker, Someya, etc.– indica la independencia de los diferentes enfoques.
14.0.3 Esta historia también pone de manifiesto un proceso muchas veces aparente en
los problemas teóricos en física o tecnología: en primer lugar los experimenta-
dores establecen un conjunto de reglas empíricas, luego los teóricos desarrollan
la solución general, y finalmente alguien descubre que los matemáticos habían re-
suelto el problema matemático subyacente con anterioridad, pero en “magnífica
soledad”.
 Bibliography

fuentesUNI [1] [paper1]

Books
Articles
[IS00] Fernando Izaurieta and Carlos Saavedra. “Redes neuronales artificiales”. In: Departamento
de Física, Universidad de Concepción Chile (2000) (cited on page 41).