Adquisición de datos

Muestreo, digitalización y registro fiable de señales experimentales. Teoría, fórmulas, ejemplos resueltos y gráficas interactivas.

Contexto conceptual

Adquirir datos no consiste solo en “guardar números”. Un sistema experimental transforma una señal continua en una secuencia discreta de observaciones. La calidad de esa representación depende de cuándo se mide, durante cuánto tiempo se registra y con qué detalle vertical se digitaliza. La pregunta central es si los puntos almacenados conservan los cambios reales de la señal o crean una imagen engañosa. La $f_s$ controla la densidad temporal; la $\Delta_{V}$ controla la granularidad vertical; la $t_reg$ fija la ventana de observación. Una adquisición fiable exige equilibrar esas tres escalas con el comportamiento físico del fenómeno.

🟢 Nivel esencial

La $f_s$ indica cuántas veces por segundo observa el sistema una señal. Si es demasiado baja, los puntos quedan muy separados y una variación rápida puede parecer más lenta, cambiar de forma o incluso desaparecer.

El $T_s$ expresa la separación temporal entre observaciones consecutivas. Una separación menor permite seguir con más detalle máximos, mínimos y transitorios. Sin embargo, aumentar la $f_s$ también incrementa el $n$ y el volumen de datos. La fidelidad temporal no depende solo del número de puntos: importa la $f_max$, porque una señal con cambios rápidos exige una observación más frecuente. Además, el convertidor digital introduce escalones verticales definidos por la $\Delta_{V}$. Por eso, una buena adquisición necesita suficiente densidad temporal, rango adecuado y una cuantización compatible con el detalle físico buscado. La $t_reg$ también importa: una ventana demasiado corta puede no captar fenómenos lentos o transitorios poco frecuentes, mientras que una ventana excesiva genera archivos innecesariamente grandes sin aportar información nueva.

🔵 Nivel formal

Fórmulas básicas

El intervalo entre muestras se obtiene con:

Periodo de muestreo

Esta relación muestra que una $f_s$ mayor reduce el $T_s$. Para una señal limitada en banda, la condición ideal mínima para evitar aliasing es:

Criterio de Nyquist

La frontera asociada se expresa mediante:

Frecuencia de Nyquist

Preguntas reales del alumno

¿Más muestras siempre significan mejor resultado? No. Aumentan la información temporal disponible, pero también el ruido registrado, el volumen de datos y el coste de procesamiento.

¿Puedo recuperar una señal que ya fue muestreada demasiado despacio? En general no de forma única. El aliasing mezcla componentes y destruye información sobre la señal original.

¿Por qué una gráfica suave puede ser falsa? Porque el software interpola entre puntos. La suavidad visual puede proceder del dibujo, no de la adquisición.

¿Más $N$ elimina el ruido? No. Reduce el escalón ideal, pero el ruido analógico puede seguir dominando.

¿Qué limita la observación de procesos lentos? Principalmente la $t_reg$, la estabilidad del sensor y la deriva del sistema.

Síntesis final

La fidelidad temporal depende de comparar la $f_s$ con la dinámica real de la señal. Nyquist fija una frontera ideal, pero una adquisición fiable exige margen, filtrado, rango adecuado, suficiente $N$ y una $t_reg$ coherente con el fenómeno.