Pgina1 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT INTRODUCCION Elestudiodelassealescotidianaseneldominiodelafrecuencianosproporcionaunconocimientode las caractersticas frecuenciales de stas.

as. Por ejemplo nos es muy til el conocer la respuesta en frecuenciasdeuncanaldetelecomunicaciones,parapoderdeterminarlamximafrecuenciaquepuede transmitirsinprovocardistorsionesdelasealdemodoquestasearecibidayreconstruidacontotal garanta. Otro ejemplo puede ser el anlisis de la voz. Transformando la seal de voz en sus componentes frecuenciales podemos distinguir las diferencias entre las voces de distintas personas y determinar las palabras que est diciendo. Esto es muy til para reconocimiento e identificacin de voz, dos aplicacionesqueestnhacindosemuyfamiliares,altiempoqueaumentalavelocidaddelosDSP. TambinpodemosmencionaralosAnalizadoresdeEspectroquerealizantransformacindesealesen el dominio del tiempo al dominio de la frecuencia. Este tipo de instrumentos se han hecho muy populares en los laboratorios electrnicos. Se utilizan para examinar la seal de salida de sensores conectadosaestructurasquesoportanesfuerzosmecnicos,comopuentesorascacielosenloscuales uncambiosignificativodelarespuestaenfrecuenciapuedesuponerunexcesodecargaenalgunaparte delaestructuraquepuedeprovocarelcolapsoafuturo. FFT es la abreviatura usual (del ingls Fast Fourier Transform) de un eficiente algoritmo que permite calcular la transformada de Fourier discreta (DFT) y su inversa. La FFT es de gran importancia en una amplia variedad de aplicaciones digitales, desde el tratamiento digital de seales y filtrado digital en general,alaresolucindeecuacionesdiferencialesparcialesolosalgoritmosdemultiplicacinrpidade grandesenteros. Elpresentetextotienecomoobjetivopresentarcmosetransformanlassealesdeldominiodeltiempo aldominiodelafrecuenciayviceversadesdeunpuntodevistaintroductorio.Elrestodeltrabajoestar destinadoalamaneradeimplementarlaFFTenunDSP. SERIEDEFOURIERYTRANSFORMADADEFOURIER Mientras que una funcin en el dominio temporal indica cmo la amplitud de la seal cambia en el tiempo,surepresentacineneldominiodelafrecuenciapermiteconocercuanamenudoesoscambios tienen lugar. Bsicamente, el pasaje del dominio del tiempo al dominio de la frecuencia se puede visualizar considerando que la seal en estudio est compuesta por la suma de ondas sinusoidales simplesdeamplitudyfaseadecuadasodeexponencialescomplejasrelacionadasarmnicamente.
FCEFyN UniversidadNacionaldeCordoba

ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT

Pgina2 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT Larepresentacindeestasamplitudesyfasesenfuncindelafrecuenciaesloquesellamaespectrode la seal y lo representamos con X() para seales a tiempo continuo y X() para seales a tiempo discreto. La herramienta matemtica que permite el pasaje del dominio temporal al dominio de la frecuenciaeslaSeriedeFourierparalassealesperidicas,ydelaTransformadadeFourierparalas sealesdeenergafinita.EnlaTabla1,semuestranlasecuacionesdesntesisyanlisiscorrespondientes alasseriesdeFourierylastransformadasdeFourier. Tabla1:SeriedeFourieryTransformadadeFourier TIEMPOCONTINUO
Dominiodeltiempo
+

FCEFyN UniversidadNacionaldeCordoba

Dominiodelafrecuencia

SeriedeFourier

x (t ) =

k =

a k e j k o t

ak =

1 To

To

x (t ) e

j k o t

dt

2 To = o
TransformadadeFourier

Tiempocontinuo Peridicaentiempo

Frecuenciadiscreta Aperidicaenfrecuencia

x(t ) =

1 2

j t X ( ) e d

X ( ) =

x(t ) e

j t

dt

Tiempocontinuo Aperidicaentiempo

Frecuenciacontinua Aperidicaenfrecuencia

TIEMPODISCRETO
Dominiodeltiempo Dominiodelafrecuencia

SeriedeFourier

x[n] =

k= N

e jk (2 / N )n

ak =

1 N

n =< N >

x[n] e

j . K ( 2

N ).n

2 N = o

Tiempodiscreto Peridicoentiempo

Frecuenciadiscreta Peridicoenfrecuencia

TransformadadeFourier

x[n] =

1 j..n d X ( ) e 2 2
Tiempodiscreto Aperidicoentiempo

X ( ) =

n =

x[n] e

j ..n

Frecuenciacontinua Peridicoenfrecuencia

ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT

Pgina3 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT SeriesdeFourier Esdeamplioconocimientodelaspropiedadesquepresentanlasfuncionessenoocoseno,deunasola frecuencia, y como estas estn relacionadas a travs de las exponenciales complejas armnicamente relacionadas. De la misma manera si contamos con una seal producto de la combinacin lineal de sealessenoycoseno.Esteconceptopuedetrasladarsealrestodelasfuncionesperidicas,porejemplo untrendepulsosrectangulareselcualconsisteenlasumadeunnmeroinfinitodesenosdedistinta amplitud.Deestemodopodemosdescribircualquiersealperidicacomplejaenformadeunasumade muchos fasores (senos o cosenos). Un mtodo de describir una seal de esta forma, es las llamadas series de Fourier, en las cuales asumimos que el conjunto de fasores tienen frecuencias mltiplos de algunafrecuenciafundamental,f0(ofrecuenciaangular0):
FCEFyN UniversidadNacionaldeCordoba

x (t ) = sien d o e
j k o t

k =

a k e j k o t

(1)

= co s( k o t ) + j sin ( k o t )

Loscomponentesfrecuencialesindividualessonconocidoscomoarmnicos. SeriesdeFourierDiscretas Necesitamos traducir estas ecuaciones de tiempo continuo al dominio discreto o digital para poder derivar algunas frmulas tiles para los DSPs. El anlisis anterior se puede extender a sistemas de tiempodiscreto.Lonicoquenecesitamosesreemplazarlafuncincontinua,t,conotraquevareen saltosde0.Ts,asparaelcasoenquelasealesperidica:

x[n] =

k= N

e jk (2 / N )n (2)

Esinteresanteadvertirquecuandoexisteunincrementodelafaseparaelksimoarmnicoestdado por:

k0Ts = k ( 2 / N ) siendo = 2 N
(3)

ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT

Pgina4 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT en donde es la frecuencia discreta con N como el periodo fundamental. Recordar que la relacin 2/esunnmeroracionalyquelatasadeoscilacines+2,porloquesetienenak=ak+rN,estoes Ncoeficientesdistintos.Estosignificaquelarespuestaenfrecuenciadeunasealdiscretaesperidica. LaTransformadadeFourier Enaplicacionesrealeslamayorpartedelassealesnosonperidicasydebemostransformarnuestras series de Fourier para poder analizarlas. Consideremos la serie de Fourier general en la cual todas las frecuenciassonmltiplosdelafundamental,esdecir:
FCEFyN UniversidadNacionaldeCordoba

k = k0 (4)
Elhechodequelasealnoesperidicasepuederepresentarpor:

0 0 (5)
Estasimpleecuacinexpresaquenohaymnimocomndenominadorentrelasfrecuenciasdetodoslo fasores. Cuando el nmero de fasores tiende a infinito nuestro sumatoria se convierte en la siguiente integral:

1 x(t ) = 2

X ( ) e

j t

(6)

En la anterior ecuacin asumimos que la amplitud de la seal se puede definir como funcin de la frecuencia,esdecir,X().LaecuacininversaquedefineX(),vienedadapor:

X ( ) =

x(t ) e

j t

dt

(7)

Por lo tanto, ahora tenemos una ecuacin que nos permite calcular la respuesta en amplitud de una sealcontinuaeneldominiodelafrecuenciausandosurespuestaeneldominiodeltiempo.Estasdos ecuaciones se denominan el par de Transformadas de Fourier, las cuales son muy tiles para los matemticos,perodesafortunadamentenoesposibleimplementarlasdirectamenteenunDSP.Porello debemosdeducirlaformadiscretadeestasecuaciones.

ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT

Pgina5 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT LATRANSFORMADADISCRETADEFOURIER(DFT) Para poder encontrar el equivalente discreto de la transformada de Fourier debemos transformar la variablecontinuatporlavariablediscretanTs.Fueradeloslmites/Ts,elespectroserepite,porlo tanto podramos cambiar los lmites de este valor. Por conveniencia, sin embargo, haremos que la variabledeintegracinsea.Tsaslaintegralseconvierteen:
FCEFyN UniversidadNacionaldeCordoba

x[n] =
Latransformadainversaes:

1 j..n d (8) X ( ) e 2 2

X ( ) =

n =

x[n] e

j .. n

(9)

Hay que advertir que la segunda ecuacin an usa un sumatoria en lugar de una integral. Podramos haberesperadoestoporquesabemosquex[n]sloesvlidoenlosinstantesdetiemponTs.Estasdos ecuacionesformanlatransformadadeFourieratiempodiscreto.Elespectroqueobtenemosalusaresta transformadatienealgunaspropiedadesinteresantes,porejemplo,esperidica.Tambinparaunaseal real,comolosfasoresaparecenenformadecomplejosconjugados,elespectrosiempretienesimetra par a lo largo del eje real, y simetra impar en el eje imaginario. Esto simplemente significa que si nosotros sabemos que trabajamos con una seal real, la cantidad de informacin que necesitamos recordarsobreelespectroenfrecuenciasesmenor,yaqueesrepetitivo. LacontinuidadyperiodicidaddelatransformadahaceimposiblesuimplementacinenunDSP,porlo que es necesario reformular las ecuaciones (8) y (9) de manera de contar con una representacin discretatantoeneldominiodeltiempocomoendominiodelafrecuencia. SiacotamoslasumatoriaaNelementos,delarespuestaenfrecuenciaobtenidadelatransformadade Fourier a tiempo discreto y teniendo en cuenta las propiedades de periodicidad de la transformada, notaremosunasimilitudentreloscoeficientesakdelaseriediscretadeFourier(verTabla1).Sedefine entonces a la transformada de Fourier discreta (por su sigla en ingles DFT por Discrete Fourier Transform)delasiguientemanera:

X (k ) = x[n]W nk
n =0

N 1

k = 0,1,..., N 1
(10)
nk

1 x[n] = N

X (k ) W
k =0

N 1

n = 0,1,..., N 1

ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT

Pgina6 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT DondelasconstantesWsonconocidascomofactorestwiddleydefinidascomo:

FCEFyN UniversidadNacionaldeCordoba

W = e j 2 / N (11)
Observar que W es una funcin de longitud N, por ello, tambin suele expresarse como WN. Notar ademsque:

2 W n = cos N

2 n j sin N

n (12)

Conloanterior,elclculodeunpuntodelatransformadadiscretadeFourierestdadapor:

X (k ) = x[0]W 0 + x[1]W k + x[2]W 2 k + ... + x[ N 1]W k ( N 1) , k = 0,1,..., N 1 (13)

Desarrollando (13) para los N valores posibles de k se obtiene una matriz de tamao NxN. De (13) se puede calcular el nmero de operaciones necesarias para realizar la transformacin de los datos medianteestealgoritmo.Elnmerodesumascomplejasquesedebenrealizaresde(N1)Nylacantidad demultiplicacionescomplejasasciendeaN2.Esclaroquestacantidaddeoperacionesesaltayrequiere deunenormepoderdeclculo. ElclculodirectodelaDFTnoeseficientedebido,fundamentalmente,aquenoexplotalaspropiedades desimetrayperiodicidaddelfactordefaseWN. Delaobservacinde(13)esclaroquenoesnecesariorealizarlasN2multiplicacionesyaquelosvalores delosfactoresW0=1nosonnecesariosdemultiplicar.Ademsexistenpropiedadesdeperiodicidady simetraenestosfactoresdeformatalque:

W k+N = W k W
k+ N 2

(14)

= W

LasimetrayperiodicidaddelosfactoresWquedandemanifiestoenlaFigura1.Elejemplomostradoen dichafiguraesparaN=8.

ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT

Pgina7 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT Note adems que la DFT es obtenida al multiplicar los datos de entrada por una cantidad finita de funciones sinusoidales de frecuencia 2n/N, por lo que DFTs de N puntos entregan N componentes espectralesequiespaciadascada2/N,donde2representalafrecuenciademuestreofs.
FCEFyN UniversidadNacionaldeCordoba

Figura1:PeriodicidadysimetradelosfactoresW ApartirdelaDFTylasconsideracionesanterioresesposiblellegaraunmtododeclculomuchoms eficiente, que entrega los mismos resultados y con un nmero menor de operaciones. Es el llamado algoritmodeTransformadaRpidadeFourier(FFTporsussiglaseninglesdeFastFourierTransform). TRANSFORMADARPIDADEFOURIER(FFT)YELALGORITMOFFTBASE2 El trmino genrico transformada rpida de Fourier abarca distintos algoritmos con distintas caractersticas,ventajasydesventajas.Porejemplo,unaFFTdiseadayoptimizadausandounlenguaje dealtonivelprobablementenofuncionarcorrectamenteenunDSPdecomafija.Sinembargo,todas las FFTs usan la misma aproximacin para reducir el algoritmo en un nmero reducido de DFTs sucesivas,cortasysimples.Hayquetenerencuentaque: LaFFTesunalgoritmo(nounaaproximacin)aigualesintervalosdeespaciamiento. LaslimitacionesdelaFFTsurgendelasquetienelaDFT. Noesnimejornipeor.Sinembargoselograunaeficienciadebidoalosnmerosdeoperaciones menoresqueutilizalaFFTparaserresuelta.

ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT

Pgina8 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT ElalgoritmodeFFTapresentarenestetrabajo,descomponelaDFTdeNpuntosentransformadasms pequeas.UnaDFTdeNpuntosesdescompuestaendosDFTsdeN/2puntos.CadaDFTdeN/2puntos sedescomponeasuvezendosDFTsdeN/4puntosyassucesivamente.Alfinaldeladescomposicin seobtienen N/2DFTsde2puntoscadauna.Latransformadamspequeavienedeterminadaporla basedelaFFT.ParaunaFFTdebase2,Ndebeserunapotenciade2ylatransformadamspequeaes laDFTde2puntos.ParaimplementarlaFFTexistendosprocedimientos:diezmadoeneltiempo(DITdel inglsDecimationInTime)ydiezmadoenfrecuencia(DIFdelinglsDecimationInFrequency). AlgoritmoFFFenBase2yDiezmadoeneltiempo. ConsideremoselclculodelaDFTdeN=2vapartirdedividirlasecuenciadedatosdeNpuntos,endos secuenciasdeN/2,correspondientesalasmuestraspareseimparesdex[n],respectivamente,estoes:
FCEFyN UniversidadNacionaldeCordoba

f1[n] = x[2n] f 2 [n] = x[2n + 1] , n = 0,1,...,

(15) N 1 2

Obsrvese, que se realiz el diezmado de la secuencia x[n], una vez. La DFT de N puntos puede expresarseahoraentrminosdelasDFTsdelassecuenciasdiezmadascomosigue:

X (k ) = x[n]WNnk
n =0

N 1

k = 0,1,..., N 1
2 mk N

( N / 2) 1 m=0

x[2m]W

( N / 2) 1 m=0

(16)

x[2m + 1]W

k (2 m +1) N

2 Pero WN = WN / 2 .Sustituyendoestaigualdadenlaexpresin(16)seobtiene:

X (k ) =

( N / 2) 1 m=0

f1 (m) WNkm2 + WNk /

( N / 2) 1 m=0

f 2 (m) WNkm2 /

(17)

= F1 (k ) + WNk F2 (k ) , k = 0,1,..., N 1
dondeF1(k)yF2(k)sonlasDFTsdeN/2puntosdelassecuenciasdelaexpresin(15).

ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT

Pgina9 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT Puesto que F1(k) y F2(k) son peridicas, de periodo N/2, tenemos F1(k+N/2)= F1(k) y F2(k+N/2)= F2(k).
k k Por otro lado, se cumple que WN + N / 2 = WN . Por lo que se puede rescribir la expresin (17) de la

FCEFyN UniversidadNacionaldeCordoba

siguientemanera:
k X (k ) = F1 (k ) + WN F2 (k )

X (k +

N ) = F1 (k ) WNk F2 (k ) 2

N 1 2 (18) N , k = 0,1,..., 1 2 , k = 0,1,...,

SeobservaqueelcalculodirectodeF1(k)requiere(N/2)2multiplicacionescomplejasaligualqueF2(k).
k Adems,serequierenN/2multiplicacionesmsparacalcular WN F2 (k ) .DeaququeelcalculodeX(k)

requiereN2/2+N/2multiplicacionescomplejas.Elprimerpasorealizadodeunareduccinenelnmero demultiplicacionesdeN2aN2/2+N/2,loqueequivaleaproximadamenteadividirpordoselnmero demultiplicacionescuandoNesgrande. Habiendo realizado el diezmado en tiempo una vez, podemos repetir el proceso para cada una de las secuenciasdelaexpresin(15).Porlotanto,seobtendrdossecuenciasdeN/4puntos:

N 1 4 N v12 [n] = f1[2n + 1] , n = 0,1,..., 1 4 (19) N , n = 0,1,..., 1 v21[n] = f 2 [2n] 4 N v22 [n] = f 2 [2n + 1] , n = 0,1,..., 1 4 v11[n] = f1[2n] , n = 0,1,...,
Calculando las DFTs de N/4 puntos se obtienen las DFTs de N/2 puntos F1(k) y F2(k) a partir de las siguientesrelaciones:

ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT

Pgina10 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT

FCEFyN UniversidadNacionaldeCordoba

F1 (k ) = V11 (k ) + WNk / 2 V12 (k ) F1 (k + N ) = V11 (k ) WNk / 2 V12 (k ) 4

F2 (k ) = V21 (k ) + WNk / 2 V22 (k ) F2 (k + N k ) = V21 (k ) WN / 2 V22 (k ) 4

N 1 4 N , k = 0,1,..., 1 4 (20) N , k = 0,1,..., 1 4 N , k = 0,1,..., 1 4 , k = 0,1,...,

dondeVij(k)sonlasDFTsdeN/4puntosdelassecuenciasvij[n]. SeobservaqueelcalculodeVij(k)requiere4(N/4)2multiplicacionesyporlotantoelcalculodeF1(k)y F2(k) puede realizarse con N2/4 + N/2 multiplicaciones complejas. Se requieren N/2 multiplicaciones complejas ms para calcular X(k) a partir de F1(k) y F2(k). Consecuentemente, el nmero total de multiplicacionesnecesariasN2/4+N/2sereduceotravezaproximadamenteporunfactordedos. El diezmado de la secuencia de datos se repite v =log2 N veces, ya que se tienen N = 2v datos. Por lo tantoelnmerototaldemultiplicacionescomplejassereducea ( N / 2) log 2 N ,mientrasqueelnmero de sumas complejas es N log 2 N . En la Tabla 2 se muestra la comparacin entre el nmero de multiplicacionescomplejasusandolaFFTyelclculodirectodelaDFT.EnlaFiguras2y3serepresentan esquemticamenteeldesarrollodelalgoritmodelaFFTenbase2. Tabla2:ComparacinentrelacantidaddemultiplicacionescomplejasarealizarporpartedelaDFTyel algoritmoFFTdebase2(ProakisyManolakis,2003).
Nmerosde Puntos,N
4 8 16 32 64 128 256 512 1024

Multiplicaciones Complejasencalculo 2 directo,N

16 64 256 1024 4096 16384 65536 262144 1048576

MultiplicacionesComplejasen elalgoritmoFFT, ( N / 2) log 2 N

4 12 32 80 192 448 1024 2304 5120

Factordemejoradela velocidad
4.0 5.3 8.0 12.8 21.3 36.6 64.0 113.8 204.8

ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT

Pgina11 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT

FCEFyN UniversidadNacionaldeCordoba

Figura2:TresetapasenelcalculodelaFFTde8puntos(ProakisyManolakis,2003).

Figura3:AlgoritmoparalaFFTdediezmadoentiempode8puntos(Oppenheimetal.1999). Como puede observarse, el calculo que se realiza en cada etapa, el cual consiste en aplicar las operaciones de una transformada DFT de dos puntos o mariposa (ver Figura 4). En general cada mariposaimplicaunamultiplicacinydossumascomplejas.ParaNpuntos,tenemosN/2mariposaspor

ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT

Pgina12 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT cadaetapadelprocesoy log 2 N etapasdemariposas.Porlotantopodemosguardarelresultadodecada operacin de la mariposa (A, B), en las mismas posiciones de sus operandos (a, b). En consecuencia, necesitamos unacantidadfijadememoria,enconcreto2Nregistrosdealmacenamiento paraguardar losresultadosdeNnmeroscomplejos.
FCEFyN UniversidadNacionaldeCordoba

Figura4:MariposabsicadelalgoritmoparalaFFTdediezmadoeneltiempo(Oppenheimetal.1999). Con respecto a la tarea de diezmado, esta se puede entender como un reacomodamiento antes de procederconelalgoritmodelaFFT.PorejemplosiN=16latareadediezmarquedagraficadaatravs delaFigura5,estoes(v1)=log2Nveces.

Figura5:SecuenciadediezmadoparaN=16(Smith,1999). Notarquealrealizareldiezmado,lasposicionesdelasecuenciadedatosx[n],osean,cambiandetal manera,quesiasumimoslageneracindedichonumeroatravsdeunnumerobinariotalcomoselo

ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT

Pgina13 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT ilustraenlaFigura6;sedicequeluegodeldiezmadolasecuenciadedatosx[n],sealmacenaenorden binarioinvertido.

FCEFyN UniversidadNacionaldeCordoba

Figura6:Mezcladodelosdatoseinversinbinaria(Smith,1999). AlgoritmoFFFenBase2yDiezmadoenfrecuencia. Para deducir el algoritmo empezamos dividiendo la formula de la DFT en dos sumatorias, una de las cualescontienelosprimerosN/2puntosdedatosyelotrolosltimosN/2puntosdedatos.Deesta maneraseobtiene:

X (k ) =
=

( N / 2) 1

n =0

x[n]WNkn +
kn N

n= N / 2

N 1 kn x[n]WN ( N / 2) 1

( N / 2) 1

n =0

x[n]W + W

N k/2 N

n =0

N x[n + ]WNkn 2

(21)

kN Dadoque WN / 2 = (1) k ,laexpresin(21)puederescribirsecomo:

( N / 2) 1

X (k ) =

n =0

N kn k x[n] + (1) x[n + 2 ] WN (22)

RealizamoselprimerdiezmadoX(k)(diezmadoenfrecuencia),obtenemosdossecuencias,pareimpar respectivamentedelatransformada,estoes: ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT

Pgina14 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT

FCEFyN UniversidadNacionaldeCordoba

N kn x[n] + x[n + 2 ] WN / 2 n =0 ( N / 2) 1 N n X (2k + 1) = x[n] x[n + ] WN WNkn 2 / 2 n =0 X (2k ) =

( N / 2) 1

, k = 0,1,...,

N 1 2

N , k = 0,1,..., 1 2

(23)

2 endondeseutilizlapropiedaddesimetra WN = WN / 2 .

DefiniendolassecuenciasdeN/2puntosg1[n]yg2[n]como:

N ] 2 (24) N n N g 2 [n] = x[ n] x[n + ] WN , n = 0,1,..., 1 2 2 g1[ n] = x[n] + x[n +

puederescribirselaexpresin(23)delasiguientemanera:

X (2k ) = X (2k + 1) =

( N / 2) 1

n =0

g1[n] WNkn 2 /
(25)

( N / 2) 1

n =0

g 2 [ n] W

kn N /2

El calculo de las secuencias g1 [n] y g2 [n] segn la expresin (24) y el uso de estas secuencias para el clculodelasDFTsdeN/2puntossemuestraenlaFigura7.

Figura7:MariposabsicadelalgoritmoFFTdediezmadoenfrecuencia(Oppenheimetal.1999). EsteprocedimientocomputacionalpuederepetirsediezmandolasDFTsdeN/2puntos,X(2k)yX(2k+1). Elprocesocompletoconllevav=log2Netapasdediezmado,dondecadaetapaimplicaN/2mariposas. Consecuentemente,elcalculodelaDFTdeNpuntospormediodelaDFTatravsdelalgoritmoFFTde diezmadoenfrecuenciarequiere ( N / 2) log 2 N multiplicacionescomplejasy N log 2 N sumascomplejas. ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT

Pgina15 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT EnlaFigura8,segraficacomoeslaentradadelasecuenciadedatosx[n]yenlaFigura9semuestrael algoritmodediezmadoenfrecuenciacompletodeochopuntos.

FCEFyN UniversidadNacionaldeCordoba

Figura8:PrimeraetapadelalgoritmoparalaFFTdediezmadoenfrecuencia(Oppenheimetal.1999).

Figura9:AlgoritmoparalaFFTdediezmadoenfrecuenciaparaN=8(Oppenheimetal.1999). ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT

Pgina16 de16 TRANSFORMADADEFOURIERYELALGORITMOFFT BIBIOGRAFIA DSP56800FamilyManual.16BitDigitalSignalControllers.DSP56800FMRev.3.111/2005.Freescale. Higgins,R.J.,1990.DigitalSignalProcessingInVlsi.PrenticeHall,Inc.NewJersey. Orfanidis,S.J.,1996.IntroductiontoSignalProcessing.Prenticemay,Inc. Smith, S. W., 1999. The Scientist and Engineer's Guide to Digital Signal Processing. California Technical Publishing,SecondEdition. Proakis, J. G. y Manolakis, D. G., 2003. Tratamiento Digital de Seales. Tercera Edicin. Prentice Hall. Madrid. Oppenheim,A.V.,Schafer,R.W.andBuck,J.R.,1999.DiscreteTimeSignalProcessing.2ndEd.Prentice HallSignalProcessingSeries.
FCEFyN UniversidadNacionaldeCordoba

ProcesamientoDigitaldeSealesFCEFyNUNCTRANSFORMADADEFOURIERYELALGORITMOFFT