Documentos de Académico
Documentos de Profesional
Documentos de Cultura
17/11/99
Antes de definir la DFT, analizaremos primero la Transformada de Fourier en tiempo discreto (DTFT). La DTFT describe el espectro de seales discretas. Deduciremos la DFT a partir de la convolucin discreta explicada en el Captulo 2. All se defini la convolucin discreta como
y[n] = x[n] h[n] =
x
Si tenemos una seal de entrada armnica x[n]=exp(j2nfts), la respuesta y[n] es y[n] = exp[ j 2 (n k ) ft s ] h[k ]
k =
k =
x [k ]h [n k ]
s s
H(f) es la DTFT de la seal discreta h[n]. Ntese que la funcin H(f) es peridica, debido a que h[n] es una funcin discreta.
Captulo 6: Transformada Discreta de Fourier (DFT) 2
17/11/99
Tenemos una seal peridica continua xp(t). Mediante las series de Fourier transformamos esa seal peridica continua en una funcin XS[k]). aperidica y discreta (los coeficientes espectrales 1 X S [k ] = x p (t ) exp( j 2kf0 t )dt x p (t ) = X S [k ]exp( j 2kf0 t ) T
T
k =
SF
XP ( f ) =
k =
x [n]exp( j2kft )
S s
donde SF=1/ts . Ahora tenemos una seal aperidica discreta xs[k] y la transformamos en una seal peridica continua (Xp(f)) mediante la DTFT.
17/11/99
En las series de Fourier parto de una seal x(t), temporal, continua y peridica (periodo T) y obtengo los coeficientes X[k], que es una funcin de la frecuencia, aperidica y discreta con una distancia entre dos valores consecutivos de f0=1/T. En la DTFT parto de una seal discreta en el tiempo x[n], con periodo de muestreo ts=1/fs y aperidica y obtengo una funcin X(f), que es funcin continua de la frecuencia y peridica con periodo fs.
Todas las propiedades que se vieron para las series de Fourier tienen su correspondientes equivalencias en la DTFT. Ejemplo : DTFT de la secuencia x[n]=[n] : X ( f ) = [k ] exp( j 2kft s ) = 1 k = Si tenemos una secuencia x[n]={1,0,3,-2}, a partir de la anterior ecuacin y aplicando la propiedad del desplazamiento,
X ( f ) = 1 + 3 exp( j 4ft s ) 2 exp( j 6ft s )
Captulo 6: Transformada Discreta de Fourier (DFT) 4
17/11/99
Sin embargo, a la hora de realizar operaciones tenemos los mismos problemas que en las series de Fourier ya que seguimos tratanto con seales continuas o con series de datos de longitud infinita. La electrnica nos obliga a trabajar con un nmero finito de datos discretos que adems tienen una precisin finita. De lo que se trata es de conseguir discretizar las variables continuas y de limitar el nmeros de muestras en los dos dominios (temporal y frecuencial). Esto nos lleva a definir las series discretas de Fourier y la Transformada Discreta de Fourier (DFT).
17/11/99
Para las Series de Fourier se cumple (f0=1/T) 1 xP (t ) = X S [k ]exp( j 2kf0t ) X S [k ] = xP (t ) exp( j2kf0t ) dt T T k = Para limitar xp(t), tomamos N muestras de xp(t) durante un periodo a intervalos ts, de forma que Nts=T. Al calcular los coeficientes X[k] me queda, 1 N 1
X [k ] = Nt s
1 = N
x
N 1
k = 0,1,2 , N 1
17/11/99
De la DTFT a la DFT
x
x x
Tenemos una seal x[n] limitado a N muestras con un periodo de N 1 muestreo ts. x[ n ] exp( j 2nft s ) La DTFT se define como X P ( f ) = n=0 XP(f) es peridica con periodo 1/ts. Muestreamos esta seal N veces sobre un periodo, por tanto XT[k] ser sustituir f por k/(Nts) :
X T [ k ] = x[n] exp j 2nkt s / ( Nt s )
n=0 N 1
N 1
k = 0,1,2, , N 1
Esta ltima expresin resultante es la Transformada Discreta de Fourier de una seal x[n]. Excepto por el trmino 1/N es idntica a la Serie Discreta de Fourier.
17/11/99
La convolucin normal entre dos seales peridicas es cero o infinito. Para este tipo de seales se define la convolucin circular de dos secuencias xp[n] y hp[n] con periodo N : 1 N 1 y p [n] = x p [n] h p [n] = x p [k ]h p [n k ] N k =0 La convolucin circular requiere que las dos secuencias sean del mismo tamao. Si no fuera as habra que llenar de ceros la secuencia ms corta.
17/11/99
Propiedades de la DFT
Simetria Conjugada Linealidad Desplazamiento Modulacion Producto Simetria Conjugado Correlacion Ecuacion de Parseval
X T [ k ] = X T [k ] = X T [ N k ]
x[n] + y[n] X T [k ] + YT [k ]
km x[n m ] X T [k ] exp( j 2km / N ) = X T [k ] WN nm WN x[n] X T [k m]
1 X T [k ] YT [k ] N x [ n ] X T [ k ] = X T [k ] x[n]y[n]
x [n] X T [ k ]
x[n] =
2
1 2 X k [ ] T N
17/11/99
Ejemplos
x
x[n]={1,2,1,0}
k=0 k=2 k=3 k = 1 X T [1] = x[n]exp( j 2 / 4) = 1 + 2 exp( j / 2 ) + exp( j ) = j 2 XT [3] = x[n]exp( j 2 3 / 4) = 1 + 2 exp( j 3 / 2) + exp( j 3 ) = j 2 X T [2] = x[n]exp( j 2 2 / 4) = 1 + 2 exp( j ) + exp( j 2 ) = 0 XT [0] = x[n] = 1 + 2 + 1 + 0 = 4
17/11/99
10
Podemos interpretar los resultados del DFT de una secuencia xs[n] desde dos puntos de vista:
x
Como los coeficientes espectrales (series de Fourier) de una seal peridica discreta cuyos muestreos coinciden con la secuencia xs[n]. Como el espectro de una seal aperidica discreta cuyos muestreos corresponden a la secuencia xs[n].
EL DFT es una aproximacin al espectro de la seal analgica original. Su magnitud se ve influenciada por el intervalo de muestreo, mientras que su fase depende de los instantes de muestreo.
17/11/99
11
Como hacer la DFT a partir de una seal x(t), muestreada durante D segundos, con periodo de muestreo ts :
x
x x x
Elegir el intervalo de muestreo ts de forma que se cumpla el Teorema del muestreo. Crear la expensin periodica (xp(t)) de x(t) con periodo D. Tomar N muestras de xp(t) empezando en t=0. Si hay discontinuidades, los valores de muestreo los tomaremos en el punto medio de la seal.
x(t)
x p (t)
-3
-2
-1
-3
-2
-1
17/11/99
12
Siendo x(t)=sin(2ft), con f=1KHz, D=1ms y N=8 tenemos la siguiente secuencia de muestreos : x[n]={0,0.7071,1,0.7071,0,-0.7071,-1,-0.7071}
Sinusoide 1KHz, D=1ms, N=8 1 0.5 Amplitud 0 -0.5 -1 0
0.2
0.8
x 10
-3 1
17/11/99
13
x(t)=sin(2ft), con f=1KHz, D=0.5ms y N=8, tenemos la secuencia de muestreos: x[n]={0,0.3827,0.7071,0.9239,1,0.9239,0.7071, 0.3827}. Los coeficientes del DFT son
{5.0273,-1.7654,0.4142,-0.2346,-0.1989,-0.2346,-0.4142,-1.7654}
17/11/99
14
DFT
7 6 Magnitud DFT 5 4
-6000
-4000
-2000
2000
4000
6000
En este nuevo ejemplo, la frecuencia de muestreo es 16KHz. Los X[k] son reales, por lo que la funcin tiene simetra par. Para la onda dada, los coeficientes exactos de Fourier son :
3 3
XS[0]=1/ XS[k]=2/(1-4k2) Comparando XS[0]X[0] XS[1]X[1] dentro del 5% de precisin Para los trminos con k=2,3..., X[k] se desva bastante del trmino exacto debido a que la seal no tiene un espectro limitado, producindose aliasing.
Captulo 6: Transformada Discreta de Fourier (DFT) 15
17/11/99
DFT
20
Magnitud DFT
15
10
10 Indice k
15
20
17/11/99
16
En este ejemplo se ha producido el denominado leakage, que consiste en que las componentes originales de la seal se derraman hacia las nuevas componentes de la seal. Para evitarlo, se debe muestrear un nmero entero de periodos, o bien utilizar alguna de las ventanas espectrales (ventana de Hamming, etc).
Podra ocurrir que no conocieramos el periodo de la seal de la cual queremos calcular el DFT. En ese caso se muestrea una seal de duracin lo ms larga posible. De esta forma, se reduce el leakage y el espacio entre frecuencias obtenindose una buena estimacin del Sinusoide 1KHz espectro original.
1 0.5 Amplitud 0 -0.5 -1 0
0.001
0.002
0.003
0.004
0.007
0.008
0.009
0.01
17/11/99
17
2000
3000
La seal aperidica x(t) debe ser muestreada durante un tiempo D. El DFT produce los coeficientes espectrales correspondientes a la extensin peridica de x(t) con periodo D. El espacio entre frecuencias es f0=1/D. A f0 se le denomina resolucin frecuencial. Esta depende slo de la duracin. Si la seal est limitada en el tiempo, la forma de aumentar la duracin es aadir ceros.
Captulo 6: Transformada Discreta de Fourier (DFT) 18
17/11/99
0.5
Seal x(t)=exp(-t)
0.5 0.5
0.5
1.5
2 Tiempo (s)
2.5
3.5
0 -2
-1.5
-1
1.5
17/11/99
19
Tal y como se observa en las figuras de la pginas anteriores hay varias formas de dibujar la grfica de la DFT de una secuencia de datos. Una de ellas es indicarlo directamente mediante el ndice k. Se puede observar que |XT[k]| es simtrico respecto a N/2. Otra forma es reordenando los datos en funcin de la frecuencia. De la definicin de DFT sabemos que cada intervalo de la DFT es 1/(Nts). La DFT nos da la Transformada de Fourier para las frecuencias -(N/2)/(Nts),...,-1/(Nts),0, 1/(Nts), 2/(Nts)...(N/2-1)/(Nts) f
k (N/2) ,..., N-1 ,0, 1 , 2 ... (N/2-1)
La mxima frecuencia detectable por la DFT es lgicamente fs/2, de acuerdo con el Teorema del Muestreo.
Captulo 6: Transformada Discreta de Fourier (DFT) 20
17/11/99
En general, el DFT es una aproximacin a las series o a la transformada de Fourier. Es muy importante elegir correctamente los parmetros del DFT (frecuencia de muestreo fs=1/ts, resolucin de frecuencia f0=1/D). La frecuencia de muestreo se determina a partir del teorema de muestreo. Si queremos detectar el espectro de una seal hasta una mxima frecuencia B , la frecuencia de muestreo deber ser 2B. La duracin del muestreo se elige para una determinada resolucin de frecuencia. Una regla de diseo muy til es: Si queremos los M primeros armnicos de una seal con un error mximo del 5%, el nmero de muestreos N=8M.
Captulo 6: Transformada Discreta de Fourier (DFT) 21
17/11/99
Ejemplo: Queremos determinar mediante un algoritmo digital el espectro de la seal x(t)=exp(-t). La mxima frecuencia de la que pide su coeficiente es fB=1Hz. Adems el armnico correspondiente a f=0.3Hz debe tener un error menor que el 5%. Calcular fs,D y N.
x x
De acuerdo con el Teorema del Muestreo fs=2fB=2Hz. Escogemos una resolucin frecuencial de f0=0.1Hz, de forma que D=1/0.1=10s. La frecuencia 0.3Hz se corresponde con el ndice k=3, por lo que N=3 8=24 muestreos. Esto me indica que fs=N/D=24/10=2.4 > 2. Si el objetivo es hacer que N sea lo menor posible (para facilitar los clculos del DFT), se puede elegir f0=0.3Hz, D=1/0.3=3.33s, k=1 y N=1 8=8.
17/11/99
22
0.6
0.4
0.2
6 Tiempo (s)
10
0 -1.5
-1
-0.5
0 Frecuencia (Hz)
0.5
1.5
Seal x(t)=exp(-t) 1.5 1 0.9 0.8 1 Magnitud Magnitud 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 0.5 1 1.5 2 Tiempo (s) 2.5 3 0 -1.5 -1
Seal x(t)=exp(-t)
0.5
0.5
17/11/99
23
Ventanas espectrales: Si tenemos seales truncadas, el espectro de la seal muestra unos picos que no decaen lo suficientemente rpido con la frecuencia. Para ello podemos utilizar ventanas en el dominio temporal para suavizar esas discontinuidades. Los picos sern menores aunque el ancho de banda de cada lbulo aumentar.
17/11/99
24
Series de Fourier
x
Seal Continua Peridica (periodo T), Espectro Discreto Aperidico (intervalo de discretizacin 1/T) Seal Continua Aperidica, Espectro Continuo Aperidico. Seal Discreta Aperidica (intervalo de discretizacin ts), Espectro Continuo Peridico (periodo 1/ ts) Seal Discreta Peridica (intervalo de discretizacin ts, periodo T), Espectro Discreto (intervalo de discretizacin 1/T)
Transformada de Fourier
x
17/11/99
25
La importancia de DFT estriba en que es posible utilizar un algoritmo, llamado FFT, que lo realiza de forma eficiente y rpida. El DFT de una secuencia x[n] es : N 1
X[ k ] =
x[n]WNnk
n=0
k = 0,1, , N 1
donde
WN = e j 2 / N
Una primera aproximacin al clculo del DFT requerira la suma compleja de N multiplicaciones complejas para cada uno de las salidas. En total, N2 multiplicaciones complejas y N2 sumas complejas para realizar un DFT de N puntos. Lo que consigue el algoritmo FFT es simplicar enormemente el clculo del DFT introduciendo atajos matemticos para reducir drasticamente el nmero de operaciones.
17/11/99 Captulo 6: Transformada Discreta de Fourier (DFT) 26
La optimizacin del proceso de clculo del DFT est basado en las siguientes ideas :
x
WNNk = 1
2 WN = WN / 2
Elegimos el valor de N de forma que N=rm. Al factor r se le denomina radix y su valor ms habitual es 2, de forma que N=2m y algoritmo se denomina FFT radix-2. Dividimos la secuencia de datos de entrada x[n] en dos grupos, uno de ndices par y el otro de ndices impar. Con estas sub-secuencias se realiza el DFT de N/2 puntos y sus resultados se combinan para formar el DFT de N puntos.
17/11/99
27
x[2n]W
2 nk N
N / 2 1 n=0
x[2n + 1]W
( 2 n +1) k N
N / 2 1 n=0
x[2n]W
2 nk N
+W
N / 2 1 n=0
k N
x[2n + 1]WN2 nk
Sustituimos
X[k ] =
x
N / 2 1 n=0
x1 [n]W
nk N /2
+W
N / 2 1 n=0
k N
k = 0,1,2,, N 1
Esta ltima ecuacin muestra que el DFT de N puntos es la suma de dos DFTs de N/2 puntos (Y[k], Z[k]) realizadas con las secuencias par e impar de la secuencia original x[n]. Cada trmino Z[k] es multiplicado por un factor WNk, llamado twiddle factor. Ya que WNk+N/2=-WNk y debido a la periodicidad de Y[k] y Z[k] (periodo N/2) podemos poner X[k] como
k [ k ] Z[ k ] X [ k ] = Y [ k ] + WN k [ k ] Z[ k ] X [ k + N / 2] = Y [ k ] WN
Para
17/11/99
k = 0,1, , N / 2 1
Captulo 6: Transformada Discreta de Fourier (DFT) 28
+ +
X[0]
Y[1] x[2]
X[1]
X[N/2-1]
W0
Z[0] x[1]
-1 -1
+ +
X[N/2]
W1
Z[1] x[3]
X[N/2+1]
-1
X[N-1]
Los dos DFT de N/2 puntos se puede a su vez dividir para formar 4 DFTs de N/4 puntos, lo que produce las siguientes ecuaciones 2k 2k Y [k ] = U[k ] + WN V [k ] Z[k ] = R[k ] + WN S[k ]
2k Y [k + N / 4] = U[k ] WN V [k ] 2k Z[k + N / 4] = R[k ] WN S[k ]
Para
17/11/99
k = 0,1,, N / 4 1
Para
k = 0,1,, N / 4 1
29
El proceso puede repetirse sucesivamente hasta llegar a computar el DFT de dos valores x[n], en concreto x[k] y x[k+N/2], para k=0,1,...,N/2-1. Para una DFT de N=8 puntos tenemos el siguiente esquema Butterfly
x[0]
0 W
+ x
-1
+ +
0 W
+ + + +
x[4] x[2]
+ + x
2 W -1
+ +
0 W
x[6]
-1
-1
0 W
x[1]
0 W
+ x
-1
+ +
0 W
x
1 W
-1
+ + + +
x[5] x[3]
+ + x
2 W -1
x
2 W
-1
+ +
x
3 W
-1
0 W
x[7]
-1
-1
-1
Etapa 1
Etapa 2
Etapa 3
17/11/99
30
Las caractersticas de una FFT de N puntos decimada en el tiempo se sumarizan en la siguiente tabla :
Etapa 3 N/8 4
Por cada butterfly tenemos una multiplicacin y dos sumas complejas. Hay N/2 butterflies por etapa y log2N etapas.
3 3
17/11/99
31
Para pequeos valores de N, la diferencia puede parecer pequea, pero para valores grandes la diferencia es enorme. Para un DFT de 1024 puntos, el nmero de multiplicaciones en un FFT es aprox. 5000 mientras que para un DFT normal es de aprox. 106. Expresaremos el FFT como suma de los FFT de dos secuencias, la primera con los N/2 primeros datos y la segunda con los N/2 ltimos.
X[k ] = = = =
x[n]W
n=0 N / 2 1 n=0
N 1
nk N
= +
N / 2 1 n=0
x[n]W
n=0
nk N
n= N / 2
x[n]WNnk
N 1
x[n]W x[n]W
n=0 n=0
N / 2 1
nk N
x[n + N / 2]WN( n+ N / 2 )k
k N / 2 1 n=0
N / 2 1
nk N
+ (1)
x[n + N / 2]WNnk
k = 0,1,2, , N 1
32
N / 2 1
17/11/99
La decimacin en frecuencia se obtiene dividiendo la secuencia de salida (X[k]) en dos ecuaciones, una para los ndices pares y otro para los impares.
X[2 k ] = =
N / 2 1 n=0 2 nk x n x n N W / 2 + + [ ] [ ] [ ] N
N / 2 1 n=0
k = 0,1, , N / 2 1
X[2 k + 1] = =
N / 2 1
k = 0,1, , N / 2 1
X[2k] y X[2k+1] son los resultados del DFT de N/2 puntos realizado con las suma y la diferencia entre la primera y segunda mitades de la secuencia de entrada.
Captulo 6: Transformada Discreta de Fourier (DFT) 33
17/11/99
X[0] X[2]
X[N-2]
0 W
x[N/2] x[N/2+1]
-1
+
-1
x
1 W
X[1] X[3]
x[N-1]
-1
X[N-1]
17/11/99
34
+ + + + -1 -1
+ + W0 + + x W2 x
X[0]
W0 x
-1
+ +
X[4] X[2]
-1
W0 + x
X[6]
-1 -1 -1
-1
+ + + +
W0 x W1 x W2 x W3 x -1 -1
+ + + + W0 x W2 x
X[1]
W0 x
-1
+ +
X[5] X[3]
-1
W0 + x
X[7]
Etapa 1
17/11/99
Etapa 2
Etapa 3
35
Nmero de 1 2 4 Grupos Butterflies por N/2 N/4 N/8 Grupo n, 2n, 4n, Exponentes Twiddle Factors n=0,...,N/2-1 n=0,...,N/4-1 k=0,...,N/8-1
Se puede observar que en el caso de decimacin en el tiempo, la secuencia de entrada debe ser reordenada mientras que la salida aparece en el orden correcto. Para la decimacin en frecuencia, la secuencia est en orden mientras que la salida habr que reordenarla. Se da la circunstancia que esa reordenacin es simplemente invertir el ndice en binario. Por ejemplo, en la misma posicin que x[1] aparece X[4], y 001 invertido es 100.
Captulo 6: Transformada Discreta de Fourier (DFT) 36
17/11/99
DFT en 2 dimensiones
x
En aplicaciones como procesamiento de imagen, las seales dependen de dos variables n1 y n2 (el eje x y el eje y en una imagen bidimensional). Por tanto necesitamos extender el concepto de DFT a dos dimensiones. Dada una secuencia x(n1,n2), se define la DFT como
X k1 , k 2
N1 1N 2 1 j (2 x n1 , n2 e = = = n1 0 n2 0 0 , en otro caso
N1 k1 n1
j 2 N 2 k 2 n2
0 n1 N 1 1, 0 n2 N 2 1
x n1 , n2
N1 k1 n1
j 2 N 2 k2 n2
0 n1 N 1 1, 0 n2 N 2 1
17/11/99
37
FFT-2D
x
Al igual que en el caso de seales unidimensionales, disponemos de un eficiente algoritmo para realizar el DFT. Descomposicin Fila-Columna
3
) (
1 2
n1 = 0 n2 = 0
1 1
2 2
( = f (k1 , n2 )e
n1 = 0
N1 1
j 2 N 2 k 2 n2
, donde f k1 , n2 =
) x (n
n2 = 0
N 2 1
1 , n2 e
j 2 N1 k1 n1
Si consideramos n2 fijo (pe, n2 =0), f(k1,n2) es el DFT unidimensional de x(n1,n2)|n2=0 con respecto a la variable n1. De esta forma obtenemos una matriz f(k1,n2) para todos los posibles valores de n2 (Figura). Ahora podemos calcular X(k1,k2) a partir de f(k1,n2),
X k1 , k 2 =
) f (k
n2 = 0
N 2 1
, n2 e
j 2 N 2 k2 n2
17/11/99
38
Fijamos k1 (pe, k1=0), por lo que f(k1,n2)|k1=0 es una columna de f(k1,n2) y X(0,k2) es la DFT unidimensional de f(k1,n2)|k1=0 con respecto a la variable n2. Obtendremos X(k1,k2) haciendo N1 DFT 1D para cada valor de k1 (Figura).
n2 N 2-1
n2 N 2-1
x(n 1,n 2)
f(k 1,n 2)
FFT 1D N 1 puntos
n1 N 1-1 N 1-1
k1
17/11/99
39
FFT 1D N 2 puntos
k1 N 1 -1 N 1 -1
k1
Nmero de Sumas
2 N12 N 2
N1 N 2 log2 N1 N 2 2
N1 N 2 log2 N1 N 2
40
A continuacin tienen unos ejemplos del uso de las FFT. Los programas de MATLAB utilizados los pueden conseguir en el Web de la asignatura.
Captulo 6: Transformada Discreta de Fourier (DFT) 41
17/11/99
Mdulo de Coeficientes Espectrales |X[k]| 0.6 0.5 0.4 |X[k]| 0.3 0.2 0.1 0 -80 -60 -40 -20 0 20 Frecuencia (Hz) 40 60 80
17/11/99
42
Comparacin entre x(t) y su reconstruccin a partir de X[k] 2.5 2 1.5 1 0.5 0 -0.5 -1 -1.5 -2 0
x(t)
0.2
0.4
Tiempo (t)
0.6
0.8
17/11/99
43
Tiempo (t)
17/11/99
44
Aliasing 32-20=12 Hz
Comparacin entre x(t) y su reconstruccin a partir de X[k] 2.5 2 1.5 1 0.5 0 -0.5 -1 -1.5 -2 -2.5 0
x(t)
0.2
0.8
17/11/99
45
0.45 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 -150
|X[k]|
-100
-50
0 Frecuencia (Hz)
50
100
150
17/11/99
46
0.2
0.4
Tiempo (t)
0.6
0.8
17/11/99
47
Comparacin entre x(t) y su reconstruccin a partir de X[k] 1 0.8 0.6 x(t) 0.4 0.2 0 0.96 0.97 0.98 Tiempo (t) 0.99 1
17/11/99
48
|X[k]|
-300
-200
200
300
400
17/11/99
49
x(t)
0.05
0.15
0.2
0.09 0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0 -400
|X[k]|
-300
-200
200
300
400
17/11/99
50
200 150 100 50 Fase X[k] 0 -50 -100 -150 -200 -400 -300
-200
200
300
400
17/11/99
51
x(t)
0.1
0.2
Tiempo (t)
0.3
0.4
0.5
0.1 0.09 0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0 -300
|X[k]|
-200
-100
0 Frecuencia (Hz)
100
200
300
17/11/99
52
7000 6000 5000 4000 Fase X[k] 3000 2000 1000 0 -1000 -300
-200
-100
0 Frecuencia (Hz)
100
200
300
17/11/99
53
x(t)
0.05
0.15
0.2
Mdulo de los coeficientes espectrales de x(t) 0.06 0.05 0.04 |X[k]| 0.03 0.02 0.01 0 -400 -300 -200 -100 0 100 Frecuencia (Hz) 200 300 400
17/11/99
54
700 600 500 Fase X[k] 400 300 200 100 0 -400 -300
-200
200
300
400
17/11/99
55
x(t)
0.1
0.2
Tiempo (t)
0.3
0.4
0.5
0.18 0.16 0.14 |X[k]| 0.12 0.1 0.08 0.06 0.04 0.02 0 -300
-200
-100
0 Frecuencia (Hz)
100
200
300
17/11/99
56
-100 -150 -300 -200 -100 0 Frecuencia (Hz) 100 200 300
Comparacin entre el espectro de seales moduladas en amplitud (x) y moduladas en frecuencia (o) 80 70 60 50 40 30 20 10 0 160 170 180 190 200 210 220 230 240
17/11/99
57
x(t)
0.2
0.8
-4
-2 0 2 Frecuencia (Hz)
17/11/99
58
x(t)
0.5
1 Tiempo (t)
1.5
17/11/99
59
2000 1500 1000 Fase X[k] 500 0 -500 -1000 -1500 -80 -60
-40
40
60
80
17/11/99
60
0.5
Tiempo (t)
1.5
17/11/99
61
goodbye.au
0.05
0.1
0.15
0.2
9 x 10 8 7 6 5 4 3 2 1 0 -1.5
|X[k]|
-1
-0.5
Frecuencia (Hz)
0.5
1.5 4 x 10
17/11/99
62
|X[k]
17/11/99
63
0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 -1.5
|Y[k]|
-1
-0.5
0 Frecuencia (Hz)
0.5
1.5 4 x 10
17/11/99
64