Formato TC

4XV Congreso Argentino de Bioingeniera6

Prctica 1.

Introduccin a la herramienta GNURADIO.Yeinny Garavito Florez, Monica Barrera Cespedes Universidad Industrial de Santander, yeyi317@hotmail.comResumen Con la ayuda de la herramienta GNURADIO se analizara el comportamiento de seales en tiempo y frecuencia en modo continuo y discreto, utilizando las diferentes libreras necesarias que contiene el software para as poder realizar un procesado digital de seales para poder manipular seales de radio. Palabras clave GNURADIO, seales, tiempo, frecuencia.I. Introduccin

La herramienta GNURADIO es un software de desarrollo de cdigo abierto que proporciona bloques de procesado se seales para implementar sistemas de radio definido por software. Los radios definidos por software (SDR) son sistemas de radio que realizan el procesamiento de seales necesario en el software en lugar de usar hardware de propsito especfico. Los SDR pueden ser reconfigurables, es decir, sobre un mismo hardware se pueden implementar distintos esquemas de comunicacin.

GNURADIO puede ser usado para escribir aplicaciones para enviar o recibir datos digitales que se pueden transmitir usando hardware. GNURADIO tiene filtros, canales, elementos para sincronizacin, ecualizadores, demoduladores, entre otros elementos que se encuentran en un sistema de comunicacin. Las aplicaciones de GNURADIO se escriben en lenguaje PYTHON.

II. desarrollo de la prctica.Atreves de las herramientas de GNURADIO, podemos analizar el comportamiento de seales por medio del cambio de los valores de frecuencia o al insertar bloques y conectarlos para esperar diferentes resultados y comportamientos en la seal simulada.Cuando variamos la frecuencia de muestreo y la amplitud obtenemos diferentes comportamientos para la misma seal, se realiz con valores de 32000, 16000, 8000 respectivamente, analizando de igual forma la seal discreta, se nota la variacin de la intensidad de la seal en diferentes rangos de tiempo o periodos.

En el anlisis para el tiempo discreto se observa que al darle valores a la frecuencia y si estos cada vez son menores la seal se disipa, hacindose ms constante, lo cual se debe al nmero de muestra por periodo.Fig. frecuencia 32000 Fig. frecuencia 16000

Fig. frecuencia 8000

Fig. frecuencia 4000

Al seguir el procedimiento de la prctica y se cierra la ventana del osciloscopio y se edita el bloque llamado Variable (bloque que se genera por defecto al iniciar el programa) por los valores 16000, 8000 y 4000 respectivamente. Se observa las diferentes seales en el osciloscopio al cambiar este parmetro ejecutando el programa para cada valorPara estos cambios notamos en la grfica de FFT como la seal tiende a verse en un solo instante como si fuese el espectro de esta y que a su vez si disminuimos la frecuencia, este se desplaza en el tiempo, y como de una seal cuadrada se obtiene en la frecuencia de muestro una seal completamente diferente.Cuando lo analizamos en la frecuencia de 4000 es de amplitud ms baja y aparecen dos en un instante de tiempo corto.

El anlisis en el dominio de la frecuencia de la seal en trminos de la variacin de la frecuencia de muestreo en el bloque Variable por 16000, 8000 y 4000 respectivamente se observa la diferencia entre la frecuencia en una seal normal comparada con una de muestreo como la intensidad de los puntos en tiempo discreto aumenta o disminuye dependiendo de las frecuencias establecidas y que en la imagen que se produce con la frecuencia de muestreo se desplaza en el tiempo el espectro de la seal.

Se rrealiza para una seal cuadrada con frecuencia igual a 2000 un anlisis de frecuencia de muestreo y de seal para

Observar su comportamiento obteniendo como resultado la siguiente seal y se reconoce la importancia de la variable en trminos de la seal cuadrada el cambio que esta seal realiza al compararla con dos impulsos en frecuencia.

a) Continuando con los bloques de la actividad 2, establezca la variable Samp_rate en 50000 agregue una nueva fuente de tipo senoidal con frecuencia diferente a la seal cuadrada. Agregue un bloque sumador add que se encuentra en la categora Operators e interconecte las dos fuentes con las herramientas de visualizacin y ejecute el programa. Analice los resultados para diferentes tipos de seales. b) Reemplace el bloque Add por el bloque Multiply, cambie los tipos de seales de cada bloque y analice el comportamiento en frecuencia de las diferentes combinaciones. Por ejemplo: fuente1: seal senoidal y fuente 2: senoidal. c) En la salida del multiplicador, incluya un filtro pasabaja que se encuentra en la categora Filters. Explore las opciones del filtro y ante cualquier duda consulte con el profesor encargado del curso. d) Concluya la sesin con un reporte escrito de las actividades planteadas.4. Sumador

Para 50k

5. Multiplicador

Cosine-sine

Triangule-sine

Conclusiones

En las conclusiones debera presentarse una revisin de los puntos clave del artculo con especial nfasis en el anlisis y discusin de los resultados que se realiz en las secciones anteriores y en las aplicaciones o ampliaciones de stos. No debera reproducirse el resumen en esta seccin.

Apndices

En algunas situaciones conviene incluir una seccin de apndices con sus correspondientes subsecciones.

Referencias

[1] E. Alarcos Llorach, Gramtica de la Lengua Espaola, Madrid: Editorial Espasa Calpe, 1999.

[2] L. M. Arslan y J. H. L. Hansen, Language accent classification in American English, Speech Communication, vol. 18, pp. 353-367, 1996.

[3] K. Bartkova y D. Jouvet, Selective prosodic post-processing for improving recognition of French telephone numbers, en Proc. of the 7th European Conference on Speech Communication and Technology, vol. 1, pp. 267-270, 1999.

[4] A. Batliner, A. Kie(ling, R. Kompe, H. Niemann y E. Nth, Tempo and its Change in Spontaneous Speech, en Proc. of the 5th European Conference on Speech Communication and Technology, vol. 2, pp. 763-766, 1997.

[5] A. Bonafonte, I. Esquerra, A. Febrer y F. Vallverdu, A bilingual text-to-speech system in Spanish and Catalan, en Proc. of the 5th European Conference on Speech Communication and Technology, vol. 5, pp. 2455-2458, 1997.

[6] L. Bosch y N. Galls, The role of prosody in infants native-language discrimination abilities: the case of two phonologically close languages, en Proc. of the 5th European Conference on Speech Communication and Technology, vol. 1, pp. 231-234, 1997.

[7] C. Brindpke, G. A. Fink y F. Kummert, A comparative study of HMM-based approaches for the automatic recognition of perceptually relevant aspects of spontaneous German speech melody, en Proc. of the 7th European Conference on Speech Communication and Technology, vol. 2, pp. 699-702, 1999.

[8] C. Brindpke, G. A. Fink, F. Kummert y G. Sagerer, A HMM-based recognition system for perceptive relevant pitch movements of spontaneous German speech, en Proc. of the 5th International Conference on Spoken Language Processing, Prosody and Emotion 6. 1998.

[9] D. Busdhtein, Robust Parametric Modeling of Durations in Hidden Markov Models, IEEE Trans. On Speech and Audio Processing, vol. 4, No. 3, 1996.

[10] J. E. Cahn, A Computational Memory and Processing Model for Prosody, en Proc. of the 5th International Conference on Spoken Language Processing, Prosody and Emotion 2. 1998.

[11] E. Campione y J. Vronis, A Statistical Study of Pitch Target Points in Five Languages, en Proc. of the 5th International Conference on Spoken Language Processing, Prosody and Emotion 5. 1998.