HERRAMIENTAS

MATEMTICAS AVANZADAS
Procesado de Seal
Procesado de Seal Procesado de Seal
Funciones peridicas y transformada discreta de
Fourier
Fast Fourier Transform (FFT) en una y ms
dimensiones
Aplicaciones de la FFT: estimacin espectral,
convolucin correlacin y filtrado convolucin, correlacin y filtrado.
Filtrado Digital
Contenidos Contenidos
1 l d 1. La integral de Fourier
2. Convolucin y correlacin
3. Series de Fourier y funciones muestreadas
4. La transformada de Fourier discreta
5. Convolucin y correlacin discretas
6. Propiedades de la transformada de Fourier discreta p
7. La FFT
8. Notas sobre estimacin espectral 8. No as sob e es ac espec a
9. Reduccin del derrame espectral: data windowing
1. La integral de Fourier
1.1. Definicin
1 2 C di i d i i 1.2. Condicin de existencia
1.3. La funcin o de Dirac
1.4. Ejemplos de transformadas de Fourier
1.5. Propiedades de la transformada de Fourier 1.5. Propiedades de la transformada de Fourier
1.6. Anlisis de paridad
1.1. Definicin 1.1. Definicin
T f d d F i
dt e t h f H
ft i
}

=
t 2
) ( ) (
Transformada de Fourier:
f
}

) ( ) (
f es la frecuencia
t es el tiempo
h(t) es la funcin en dominio de tiempo
H(t) es su transformada de Fourier (dominio de frecuencias
df e f H t h
ft i
}

=
t 2
) ( ) (
Transformada Inversa de Fourier:
df e f H t h
}

) ( ) (
Par de Transformadas de Fourier:
) ( ) ( f H t h
En general se trata de funciones complejas pero es habitual que h(t) sea real y H(f) compleja
Otras definiciones Otras definiciones
En lugar de la frecuencia f tambin se puede utilizar la
frecuencia angular
E i
f t e 2 =
En ese caso se tiene
e
e
dt e t h a H
t i
}

= ) ( ) (
1
1
con
e e
e
d e H a t h
t i
}
}

+

= ) ( ) (
1
t 2
1
2 1
= a a
Hay varias combinaciones (el signo puede cambiar):
e e d e H a t h
}

= ) ( ) (
2
1
a
1 t 2 / 1 t 2 1
2
a
1 t 2 / 1 t 2 1
Ejemplo de Par de Transformadas Ejemplo de Par de Transformadas
Exponencial decreciente
0
t

o
) (
2 0
0
0
) ( f H
f i t
t
e
t h
t
=
+

<
>

=

t o
| |
o
La demostracin es trivial
dt f H
ft i t
|
|
t o
) (
2
}

f i
dt e e f H
ft i t
t o
|
|
t o
2
) (
0
2
+
= =
}
1.2. Condicin de existencia 1.2. Condicin de existencia
C di i d E i t i Condicin de Existencia:
Si existe <
}

dt t h ) (
Entonces existe el par
Ejemplo

) ( ) ( f H t h

Ejemplo
Funcin Pulso:

>
=
<
=
0
0
| | 0
2 /
| |
) (
T t
T t A
T t A
t h
Se tiene que y por tanto H(f) existe

>
0
| | 0 T t
0
2 ) ( AT dt t h =
}

En este caso (ejercicio):

( )
f T
f T
AT f H
0
0
2
2 sin
2 ) (
t
= ( j )
Se puede extender a distribuciones (o de Dirac, )
f T
0
0
2t
1.3. La funcin o de Dirac 1.3. La funcin o de Dirac
0 ) ( = t t t t o
Definicin:
(sin usar teora de distribuciones)
1 ) (
0 ) (
0
0 0
=
= =
}

dt t t
t t t t
o
o
Propiedades:

}

) ( ) ( ) ( t dt t t t | | o =
}

) ( ) ( ) (
0 0
t dt t t t | | o =
}

) (
1
) ( t
a
t a o o =

a
) ( ) ( ) ( ) (
0 0 0
t t t t t t | o | o =
< 0 0
0
t

>
=
<
= =
}

0 1
0 2 / 1
0 0
) ( ) (
0
0
0
0
0
0
t
t
t
t dt t t u o
Es una funcin par
Sus derivadas se integran por partes
La Delta de Dirac como paso al lmite La Delta de Dirac como paso al lmite
o de Dirac y transformadas de Fourier o de Dirac y transformadas de Fourier
L f d d l o d Di La transformada de la o de Dirac es uno:
) ( 1 ) ( ) ( f H t t h = = o
Tambin al revs:
) ( 1 ) ( ) ( t h f f H = = o
En general
) ( 1 ) ( ) ( t h f f H o
( ) ) ( 2 ) ( ) ( f H f h o ( ) ) ( 2 exp ) ( ) (
0 0
f H t f i t t t h = = t o
( ) ) ( 2 exp ) ( ) (
0 0
t h t f i f f f H = + = t o
Esta ltima expresin equivale a:
t f f i
}

) ' ( 2
( )
dt e f f
t f f i
}


=
) ' ( 2
) ' (
t
o
Peines de Dirac Peines de Dirac
La transformada de un peine de Dirac de periodo T
es otro peine de Dirac de periodo 1/T :
(Se deja sin demostrar)
Frmula de Inversin del par de
Transformadas de Fourier
Utilizando la o de Dirac se puede probar que las definiciones
de la transformada directa e inversa son consistentes:
) ( ) (
2
dt e t h f H
ft i
=
}

t
' ) ' (
2 ' 2
dt e df e f H
ft i t f i
|
|
.
|

\
|
=
} }

t t
' ) ' (
) ' ( 2
df dt e f H
t f f i
|
|
|

|
=
. \
} }



t
( ) ) ( ' ' ) ' (
) (
f H df f f f H
f f
|
.

\
}
} }

o ( ) ) ( ' ' ) ' ( f H df f f f H = =
}

o
1.4. Ejemplos de Transformadas I 1.4. Ejemplos de Transformadas I
Ejemplos de Transformadas II Ejemplos de Transformadas II
Ejemplos de Transformadas III Ejemplos de Transformadas III
Ejemplos de Transformadas IV Ejemplos de Transformadas IV
1.5. Propiedades de la Transformada
de Fourier
1.6. Anlisis de Paridad I 1.6. Anlisis de Paridad I
C i t t di t f l Consiste en estudiar cmo se transforman las
funciones pares, impares, reales e imaginarias
Nos basamos en que toda funcin se puede q p
escribir como suma de una funcin par y una
impar:
) ( ) ( ) ( ) (
) (
t f t f t f t f
f
+
impar:
) ( ) (
2
) ( ) (
2
) ( ) (
) (
t f t f
f f f f
t f
impar par
+ =
+ =
) ( ) ( f f
impar par
Anlisis de Paridad II Anlisis de Paridad II
Anlisis de Paridad III Anlisis de Paridad III
2. Convolucin y correlacin
2.1. La integral de convolucin
2.2. Convoluciones con funciones o
2.3. El teorema de la convolucin
2.4. El teorema de la convolucin en frecuencia
2 5 El teorema de Parseval 2.5. El teorema de Parseval
2.6. Correlacin
2.7. El teorema de correlacin
2.1. La integral de convolucin 2.1. La integral de convolucin
Definicin:
t t t d t h x t h t x
}

= ) ( ) ( ) ( * ) (

La convolucin es conmutativa:
) ( * ) ( ) ( * ) ( t x t h t h t x =
Clculo grfico de la convolucin Clculo grfico de la convolucin
2.2. Convolucin con funciones delta 2.2. Convolucin con funciones delta
C d l d l l f i Con una delta desplazamos la funcin:
*
=
Con un peine de deltas: Con un peine de deltas:
*
=
2.3. El teorema de la convolucin 2.3. El teorema de la convolucin
La transformada de Fourier del producto
de convolucin es el producto de las de convolucin es el producto de las
transformadas de fourier
) ( ) ( ) ( * ) ( f H f X t h t x
La demostracin es directa a partir de La demostracin es directa a partir de
las propiedades de la delta de Dirac
Ejemplo Ejemplo
2.4. El teorema de la convolucin en
frecuencia
La transformada de Fourier del producto
es el producto de convolucin de las es el producto de convolucin de las
transformadas de fourier
) ( * ) ( ) ( ) ( f H f X t h t x
La demostracin es directa a partir de La demostracin es directa a partir de
las propiedades de la delta de Dirac
Ejemplo Ejemplo
2.5. El teorema de Parseval 2.5. El teorema de Parseval
El promedio de la energa en el tiempo es
como el promedio de la energa en como el promedio de la energa en
frecuencia:

df f H dt t h
} }

=
2
2
) ( ) (
} }

Demostracin:
A partir del teorema de convolucin en frecuencia pa de eo e a de co vo uc e ecue c a
2.6. Correlacin 2.6. Correlacin
Definicin:
}

t t t d t h x t C
}

+ = ) ( ) ( ) (
o Ntense las diferencias con la convolucin
o Se utiliza para buscar analogas entre funciones
o La autocorrelacin es importante en procesos
aleatorios:
) ( ) (
blanco ruido
t t C o =
blanco ruido
2.7. El teorema de la correlacin 2.7. El teorema de la correlacin
La transformada de Fourier de la correlacin
l d t d t f d d F i es el producto de una transformada de Fourier
por la conjugada de la otra

) ( ) ( ) ( ) ( ) (
*
f H f X d t h x t C
}

+ = t t t

3 S i d F i f i 3. Series de Fourier y funciones
muestreadas
3.1. Series de Fourier
muestreadas
3.2. La serie de Fourier como transformada de
Fourier
3.3. Muestreo
3 4 El teorema del muestreo 3.4. El teorema del muestreo
3.5. El teorema del muestreo en frecuencia
3.1. Series de Fourier 3.1. Series de Fourier
Sea una funcin peridica y(t) con periodo T
0
=1/f
0
.
Se tiene que: Se tiene que:
( ) ( ) | |

+ + =
0 0
0
2 sin 2 cos ) (
n n
tn f b tn f a
a
t y t t ( ) ( ) | |

=1
0 0
2
) (
n
n n
f f y
con
2 / T
( ) 3 , 2 , 1 , 0 2 cos ) (
2
0
2 /
2 / 0
0
0
= =
}

n dt tn f t y
T
a
T
T
n
t
( ) 3 , 2 , 1 , 0 2 sin ) (
2
0
2 /
2 /
0
0
= =
}
n dt tn f t y
T
b
T
n
T
t ( ) , , , ) (
0
2 / 0
0
}

f y
T
T
n
Series de Fourier en trminos de
l l exponenciales complejas
La expresin anterior se puede reescribir como:

=
tn f i
n
e t y
0
2
) (
t
o
= n
con
3 , 2 , 1 , 0 ) (
1
0
0
2
2 /
= =

}
n dt e t y
tn f i
T
n
t
o , , , ) (
0
2 / 0
}
y
T
T
n
3.2. La serie de Fourier como transformada
dde Fourier
f d d d b Una funcin peridica con periodo T
0
se puede obtener como
producto de convolucin de 1 periodo por un peine de Dirac
de periodo T de periodo T
0
El teorema de convolucin me dice que la transformada del
producto de convolucin es el producto de las transformadas, producto de convolucin es el producto de las transformadas,
es decir, la transformada de 1 periodo por un peine de Dirac
con espaciado f
0
=1/T
0
y multiplicado por un factor 1/T
0
Por tanto la TF de la funcin peridica es un peine de Dirac
con coeficientes iguales a los coeficientes de la serie de Fourier
y estos coinciden con el valor de la transformada de 1 periodo
muestreada en los puntos f
n
=n/T
0
y multiplicada por un
factor 1/T factor 1/T
0
A continuacin se presenta un ejemplo con una onda triangular
Ejemplo Ejemplo
Escala
3.3. Muestreo 3.3. Muestreo
S f h( ) f l f Sea una funcin h(t) continua en t=T. Definimos la funcin
muestra de h para t=T como
) ( ) ( ) ( ) ( ) (

T t T h T t t h t h o o ) ( ) ( ) ( ) ( ) ( T t T h T t t h t h = = o o
Del mismo modo, si h(t) es continua para t=nT con n=0,1, 2,,
d d fi i podemos definir
) ( ) ( ) (

t t h t h A =
D d A( ) i d Di

= A nT t t ) ( ) ( o
Donde A(t) es un peine de Dirac:
= n


T t T h T t t h t h ) ( ) ( ) ( ) ( ) (

o o
Se tiene entonces

= =
= =
n n
nT t nT h nT t t h t h ) ( ) ( ) ( ) ( ) ( o o
Transformada de la
f i d funcin muestreada
La seal muestreada es
producto de la funcin
por un peine de Dirac por un peine de Dirac
Su transformada es la
l i t convolucin con otro
peine
El resultado es la El resultado es la
transformada de h(t)
repetida periodicamente p p
Esto no vale si las transf.
se solapan (aliasing)
Aliasing Aliasing
Si el espaciado del
muestreo en t es muy ues eo e es uy
grande el espaciado del
peine en f es muy
pequeo y aparece
aliasing
El mnimo valor de T
para evitar el aliasing
nos lo da el teorema del nos lo da el teorema del
muestreo
3.4. Teorema del muestreo 3.4. Teorema del muestreo
S l f d d d f h( ) l Si la transformada de Fourier de una funcin h(t) se anula para
frecuencias superiores a una frecuencia de corte f
c
entonces h(t)
puede ser determinada de manera nica por las muestras: puede ser determinada de manera nica por las muestras:

= nT t nT h t h ) ( ) ( ) (

o
f
T
2
1
=
= n
Si
c
f 2
En particular se tiene que

=


=
n
c
nT t
nT t f
nT h T t h
) (
) ( 2 sin
) ( ) (
t
t
n
) (
Ejemplo Ejemplo
Aqu se presenta un
ejemplo en el que se eje p o e e que se
hace la transformada
de Fourier de una
onda muestreada con
un valor de T=1/ 2f
c
correspondiente a la correspondiente a la
frecuencia de muestreo
de Nyquist 2f
c
yq
c
Valores inferiores de
T=1/ 2f d l T=1/ 2f
c
daran lugar a
aliasing
Notas importantes sobre el teorema
del muestreo
b h b f d (f) d Debe haber una frecuencia de corte para H(f), es decir
c
f f f H > = para 0 ) (
T
1
Se dice entonces que h(t) es de banda limitada a f
c
El t d b t l
c
f
T
2
=
Es decir, el espaciado en el peine en frecuencias debe ser
El muestreo debe ser tal que
c
f T 2 / 1 =
que se denomina frecuencia de muestreo de Nyquist
A continuacin se presenta una demostracin grfica del A continuacin se presenta una demostracin grfica del
teorema del muestreo
Demostracin del
d l teorema del muestreo
Se multiplica H(f)*A(f)
por un rectngulo y
obtenemos la transf. de
Fourier de la seal H(f)
L f d H(f)*A(f) La transf. de H(f)*A(f) es
la seal muestreada
L t d l t l La trans. del rectngulo
es la funcin Sinc
La convolucin de ambas La convolucin de ambas
da h(t) como suma de Sinc

nT t f ) ( 2 sin t

=

=
n
c
nT t
nT t f
nT h T t h
) (
) ( 2 sin
) ( ) (
t
t
3.5. Teorema del muestreo en frecuencia 3.5. Teorema del muestreo en frecuencia
Es el anlogo al teorema del muestreo en tiempos
Se aplica a funciones h(t) limitadas en tiempo:
c
T t t h > = para 0 ) (
En particular se obtiene

|
|
|

|
=
c c
T n f T n
H f H
) 2 / ( 2 sin 1
) (
t

=

|
|
.

\
n
c c c
T n f T T
f
) 2 / ( 2 2
) (
t
4 L t f d d F i 4. La transformada de Fourier
Discreta
4.1. Desarrollo grfico
Discreta
4.2. Resultado analtico
4.3. La transformada discreta inversa
4.4. Validez de la transformada discreta como
aproximacin de la transformada de aproximacin de la transformada de
Fourier continua
4.1Desarrollo
grfico
P i d d TF Partimos de un par de TF
Muestreamos h(t) multiplicando por un
peine de espaciado T. p p
El resultado en f es una convolucin
Al multiplicar con un rectngulo de long.
T
0
nos quedamos con N muestras
Aparecen ripples en f debido a la
convolucin con Sinc Se reduce el convolucin con Sinc. Se reduce el
rippling si T
0
es grande.
Ahora muestreamos en frecuencia
multiplicando por un peine de espaciado
1/ T
0
(evito aliasing en tiempos)
Obtenemos dos series peridicas con Obtenemos dos series peridicas con
tamaos T
0
(tiempos) y 1/T (frecs.)
Otro ejemplo Otro ejemplo
La serie temporal: a se e e po a :
o Espaciado: T
o N muestras
o Duracin: T =NT o Duracin: T
0
=NT
La serie en frecuencias:
o Espaciado: 1/T
0
o N muestras
o Duracin: 1/T=N/T
0
Para evitar aliasing en Para evitar aliasing en
frecuencias hay que reducir el
espaciado T
Para evitar el rippling hay que
aumentar T
0
Aunque trabajamos con N Aunque trabajamos con N
datos las series son peridicas
en tiempo y frecuencia
4.2. Resultado analtico 4.2. Resultado analtico
Siguiendo el esquema grfico propuesto es posible
obtener la siguiente expresin analtica para la
transformada discreta de Fourier (G para frecuencias
y g para dominio de tiempos):
( ) 1 ,..., 2 , 1 , 0
1
0
/ 2
=

=
|
.
|

\
|
N n
N
k
N n k i
e kT g
NT
n
G
t
Donde
l di l t f i
0 =
. \
k
N
n es el ndice para las muestras en frecuencia con
espaciado 1/T
0
=1/NT y duracin 1/T
k es el ndice para las muestras en tiempo con espaciado T k es el ndice para las muestras en tiempo con espaciado T
y duracin T
0
=NT
4.3. La transformada discreta inversa 4.3. La transformada discreta inversa
En este caso se obtiene
( )
1
/ 2
1

+

|
|

|
N
N n k i
n
G kT
t
( ) 1 ,..., 2 , 1 , 0
0
/ 2
=
=
+

|
.
|

\
|
= N n
n
N n k i
e
NT
G
N
kT g
t
Es decir, tenemos el par de transformadas discretas
| | | |
1 1
1
N N
( ) ( )

=
+
=
|
.
|

\
|
|
.
|

\
|
=
1
0
/ 2
1
0
/ 2
1
N
k
N n k i
N
n
N n k i
e kT g
NT
n
G e
NT
n
G
N
kT g
t t
Al igual que con las transformadas continuas, la
definicin puede variar: Mathematica emplea una de c puede va a : Ma e a ca e p ea u a
definicin ligeramente distinta con un factor
N / 1
4.4. Validez de la transformada discreta como
i i d l f d d F i i aproximacin de la transformada de Fourier continua
D d d 3 f Depende de 3 factores:
o Frecuencia de muestreo
Truncacin (nmero de muestras) o Truncacin (nmero de muestras)
o Tipo de funcin a transformar
A continuacin vamos a ver distintas situaciones en que estos factores entran
en juego:
4.4.1. Ondas peridicas de banda limitada con truncacin igual al periodo
4.4.2. Ondas peridicas de banda limitada con truncacin distinta del
periodo periodo
4.4.3. Ondas de duracin finita en el tiempo
4.4.4. Ondas peridicas en general 4.4.4. Ondas peridicas en general
4.4.5. Caso general
4.4.1. Ondas peridicas de banda limitada con
i i l l i d truncacin igual al periodo
A continuacin vamos a ver un ejemplo de esta situacin Destaquemos lo A continuacin vamos a ver un ejemplo de esta situacin. Destaquemos lo
siguiente
o Para funciones de banda limitada si escogemos T tal que 1/T es mayor
que el doble de la frecuencia de muestreo no hay aliasing.
o En el ejemplo que vamos a ver la transformada del coseno son dos
deltas y este hecho se verifica deltas y este hecho se verifica
o Hay que tener cuidado con los factores de escala introducidos por los
peines de Dirac
o Ntese que la transformada de Fourier del Rectngulo desplazado es
una funcin Sinc con una fase (exponencial compleja) que no afecta si
tomamos el mdulo tomamos el mdulo
o Al seleccionar N muestras las funciones Sinc presentan aliasing
o En este caso los ceros de las Sinc coinciden con las zonas muestreadas y y
parece que da el resultado correcto
o Esto slo pasa en esta situacion
Ejemplo Ejemplo
Factor de escala
No hay aliasing
Mdulo de funcin
Sinc con fase
Aliasing de Sinc (ver as g de S c (ve
ampliacin a cont.)
Resultado final: par de Resultado final: par de
transformadas que
coinciden con las continuas
salvo escalas
Aliasing de Sinc Aliasing de Sinc
Resultado intermedio
i id l que coincide con el
final salvo un factor
d l de escala
Aliasing de Sinc
los ceros de las Sinc
coinciden con las
zonas muestreadas
Condiciones a verificar para que coincidan
la transformada continua y la discreta
f h( ) d b d La funcin h(t) debe ser peridica
h(t) debe ser de banda limitada
El muestreo en tiempo no debe dar lugar a aliasing, es
decir T debe ser tal que 1/T >2f
c
Hay que truncar h(t) exactamente sobre un periodo o
un mltiplo entero del periodo
f Hay que destacar que en las transformadas discretas
aparecen factores de escala respecto de las continuas
debidos a los peines de Dirac (los muestreos): T en debidos a los peines de Dirac (los muestreos): T
0
en
tiempos y T
0
/T en frecuencias. Se tiene:

| |
1 N
n T
Donde h(t) y H(f) son las
( )

=
|
.
|

\
|
0
/ 2
0
0
k
N n k i
e kT h T
NT
n
H
T
T
t
Donde h(t) y H(f) son las
transformadas continuas
4.4.2. Ondas peridicas de banda limitada con
i di i d l i d truncacin distinta del periodo
En el caso anterior se esconda la realidad puesto que los ceros de las Sinc
coincidan con las zonas muestreadas. Ahora la situacin va a ser distinta:
En el ejemplo q e amos a considerar aparece na componente de o En el ejemplo que vamos a considerar aparece una componente de
continua (frecuencia cero) debido a que el valor medio de la seal no es
nulo
o Aparecen fuertes discontinuidades en la funcin muestreada debido a
que la truncacin no coincide con el periodo
El espectro incorpora valores no nulos en todas las frecuencias Aparecen o El espectro incorpora valores no nulos en todas las frecuencias: Aparecen
como consecuencia de la funcin Sinc, es el spectral leakage o derrame
espectral
A pesar de todas las novedades, seguimos enmascarando la realidad que
slo se puede visualizar con un zero padding, como veremos ms
adelante
Ejemplo Ejemplo
Componente de
continua continua
Discontinuidades
Spectral leakage
Spectral leakage Spectral leakage
Adems de las componentes esperadas aparece un
derrame espectral en los sidelobes de la funcin Sinc
4.4.3. Ondas de duracin finita en el tiempo O p
Si h(t) tiene una duracin finita,
su transformada de Fourier no
puede ser de banda limitada y puede ser de banda limitada y
siempre habr aliasing
Para minimizar el aliasing se
d toma un espaciado en tiempo
muy denso (T pequeo) para
que 1/T sea grande
Si h(t) tiene una duracin finita
no hay que multiplicar por un
rectngulo y por tanto no habr rectngulo y por tanto no habr
rippling debido al Sinc
Es de destacar que el nico
error cometido es el aliasing
4.4.4. Ondas peridicas en general O p g
E l i Es como el caso anterior pero
tal que la onda de duracin
finita es un periodo de una
onda
Al ser una funcin peridica su
Transformada continua YA es Transformada continua YA es
un conjunto de pulsos (pues la
funcin peridica es la
convolucin de la original con convolucin de la original con
un peine de Deltas.
Al muestrear en tiempos
obtenemos el mismo resultado
que para un solo pulso pero sin
tener que muestrear en q
frecuencias
Hay que truncar a un periodo!
(esta figura no se corresponde con el triangulo, notese que aparece
rippling y la forma es ligeramente diferente)
4.4.5. Caso general 4.4.5. Caso general
Hasta ahora hemos visto:
4.4.1. Ondas peridicas de banda limitada con truncacin = periodo
4.4.2. Ondas peridicas de banda limitada con truncacin periodo
4.4.3. Ondas de duracin finita en el tiempo y de banda NO limitada
4 4 4 O d idi b d li it d t i i d 4.4.4. Ondas peridicas: con banda no limitada y truncacin = periodo
Pero este caso es equivalente al 4.4.3.
En el caso general tenemos ondas o seales En el caso general tenemos ondas o seales
o No limitadas en el tiempo Rippling en frecuencia (se incrementa si no
(pero no peridicas) se trunca en un pseudoperiodo o de manera
suave pues aparece leakage). Se
minimiza con windowing. (se ver despus)
o De banda no limitada Aliasing en frecuencia que se minimiza con T o De banda no limitada Aliasing en frecuencia que se minimiza con T
pequeo
Suele ocurrir que el espaciado en f es poco denso Zero padding
Zero padding Zero padding
Consiste en aadir ceros al final de la muestra:
o Aumenta la duracin temporal T
0
o Disminuye el espaciado en frecuencia 1/ T
0
o No se aade ninguna frecuencia adicional g
o Aparece un factor de escala en frecuencias al cambiar T
0
Zero padding II Zero padding II
Si ddi Sin padding
Con padding
Discretizado de discontinuidades Discretizado de discontinuidades
Cuando discretizamos una discontinuidad es importante que el
salto se muestree a la mitad
Esto es especialmente importante en funciones rectngulo
o De esta manera nos aseguramos de que el rectngulo tiene
la longitud requerida
5 C l i l i 5. Convolucin y correlacin
discretas
5.1. Convolucin discreta
discretas
5.2. Relacin con la convolucin continua
5.3. Teorema de convolucin discreta
5.4. Correlacin discreta
5.1. Convolucin discreta 5.1. Convolucin discreta
Sean x
k
= x(kT) y h
k
= h(kT) dos series peridicas de
periodo N, es decir p ,
( ) ,... 2 , 1 , 0 ] ) [( bien o =
+
+ = = l T l N k x kT x x x
l N k k
Se define la convolucin discreta o circular
1 N
( )

=
=
1
0
) ) (( ) (
N
j
T j k h jT x kT y
o Es el anlogo de la convolucin continua
Son sumas de productos de seales desplazadas o Son sumas de productos de seales desplazadas
o Es una operacin de orden N
2
Pasos para realizar una convolucin
discreta
Se le da la vuelta a una seal
Se desplaza en k
Se multiplica por la otra seal Se multiplica por la otra seal
Se suman los resultados de las multiplicaciones
Este proceso se repite para cada k:
N
2
multiplicaciones N
2
multiplicaciones
5.2. Relacin con la convolucin continua 5.2. Relacin con la convolucin continua
5.2.1.Convolucin discreta de seales
continuas de duracin finita
5.2.2.Convolucin discreta de una seal de
duracin infinita y una de duracin
finita finita
5.2.1.Convolucin discreta de seales continuas
d d f de duracin finita
A continuacin vamos a ver un ejemplo de esta situacin Destaquemos lo A continuacin vamos a ver un ejemplo de esta situacin. Destaquemos lo
siguiente
o Aparece solapamiento o time aliasing si el periodo N de las seales
discretas es menor que la suma del nmero de muestras P (la duracin)
de la primera seal ms el nmero de muestras Q de la segunda seal
menos uno. Es decir, al menos debe ser: ,
o No se gana nada cogiendo N mayor que P+Q-1
1 + = Q P N
o Scaling: aparece un factor de escala debido al espaciado T, para
comparar con el resultado continuo tendramos que usar:
1 N
que coincide con la regla de integracin del punto medio compuesto
( )

=
=
1
0
) ) (( ) (
N
j
T j k h jT x T kT y
que coincide con la regla de integracin del punto medio compuesto
o El error se minimiza disminuyendo T
Ejemplo Ejemplo
Convolucin continua Convolucin continua
Time aliasing (N<6+6-1)
E t T 0 2 ( En este caso T=0.2 (una
duracin de 1 se muestrea
con 5=6-1 intervalos), el
resultado continuo es 0.5 y el
discreto 0.5/0.2=2.5
N=11 ( li i ) N=11 (no aliasing)
Los saltos estn bien
muestreados muestreados
N>11, no se gana nada
I t d T S Incremento de T: Se
minimiza el error
5.2.2. Convolucin discreta de una seal de
d f d d f duracin infinita y una de duracin finita
Es el proceso habitual de filtrado digital Es el proceso habitual de filtrado digital:
o La seal infinita x(t) es el input que se convoluciona con el
filtro digital de duracin finita h(t) filtro digital de duracin finita h(t)
Al hacer la convolucin discreta hay que considerar las dos
seales como peridicas de periodo N: seales como peridicas de periodo N:
o Como x es infinita tendremos P=N muestras
Como h es finita tendremos Q<N muestras o Como h es finita tendremos Q<N muestras
o No se verifica N=P+Q-1 y las Q-1 primeras salen mal:
f t d b d ( lid d l l l l ) efecto de borde (en realidad salen mal las que se solapan)
Los efectos de borde se pueden resolver:
o Zero padding
o Con convoluciones que se solapan (overlapp-add)
Ejemplo Ejemplo
Efectos de borde Efectos de borde
Zero padding Zero padding
Mtodo overlapp-add para series
largas
5.3. Teorema de convolucin discreta 5.3. Teorema de convolucin discreta
L f d d F i di d l La transformada de Fourier discreta del
producto de convolucin es el producto de
las transformadas de Fourier discretas
H X
n
H
n
X T j k h jT x t h t x
N
= =

) ( ) ( ) ) (( ) ( ) ( * ) (
1
H X
NT
H
NT
X T j k h jT x t h t x
j
= =

=
) ( ) ( ) ) (( ) ( ) ( * ) (
0
La demostracin es directa a partir de las
Proporciona un mtodo ms rpido de hacer
propiedades de la delta de Kronecker
Proporciona un mtodo ms rpido de hacer
convoluciones: usando la FFT no es O(N
2
)
Tambin existe un teorema de convolucin en Tambin existe un teorema de convolucin en
frecuencia
5.4. Correlacin discreta 5.4. Correlacin discreta
Se define la correlacin discreta como
( )

+ =
1
0
) ) (( ) (
N
j
T j k h jT x kT z
o Compara funciones
=0 j
o Tiene efectos de borde similares a la convolucin
Teorema de correlacin: Teorema de correlacin:
) ( ) ( ) ) (( ) (
*
1
NT
n
H
NT
n
X T j k h jT x
N

+ ) ( ) ( ) ) (( ) (
0
NT NT
j j
j

=
6 P i d d d l t f d 6. Propiedades de la transformada
de Fourier discreta de Fourier discreta
7. La FFT
Definicin Definicin
E l it h l t f d d Es un algoritmo para hacer la transformada de
Fourier discreta con el mnimo nmero de multiplic:
l d d o La TFD es el producto de un vector por una matriz:
N n k i
kn k kn
N
N n k i
k n
e A x A e x X
/ 2
1
/ 2
con
t t

= = =

o Se trata de una operacin de orden O(N
2
)
kn k kn
k
k n
0 =

La FFT es O(N log N):

o Permite seales con muchos datos
o Permite realizar convoluciones y correlaciones por el
teorema de convolucin o correlacin
o Permite realizar transformadas en dos o tres dimensiones
con 1000 o 100 datos por dimensin
Algoritmo Algoritmo
S b bd d l Se basa en subdividir la serie:
( )
(

2
N O N
|
|
.
|

\
|
=
(
(

|
.
|

\
|
+
|
.
|

\
|
+
2
2
2 2
2 2 2 2 2
N
O
N N
O
N N
|
|
.
|

\
|
+ + +
3
2
2 4 4 4 4
N
O
N N N N
Si N es mltiplo de 2
. \
( ) ( ) N O O O
N
O N
p
p
p
|
|
|

|
|
|
|

|
2
) 2 (
2
2 2
El O(log N) aparece al conectar los resultados de las
( ) ( ) N O O O O N
p
p p
p
= =
|
|
.

\
=
|
|
.

\
= 2
2
) (
2
2
El O(log N) aparece al conectar los resultados de las
subseries (el ncleo del algoritmo)
Acerca de la FFT Acerca de la FFT
L FFT ti l i d f t i t d l La FFT tiene los mismos defectos y virtudes que la
transformada de Fourier discreta: es lo mismo pero
h h id hecho ms rpido.
Lo normal es tomar N=2
m
datos pues es mucho ms
rpido
Si 2
m-1
<N<2
m
se suele rellenar con ceros S N
Tambin hay algoritmos 3
m
o 5
m
pero son ms
complejos complejos
Las rutinas para FFT multidimensionales se basan en
d l d h FFT 1D reordenar los datos y hacer FFT en 1D
La FFT en Numerical Recipes La FFT en Numerical Recipes
Existe una rutina bsica que realiza una FFT general una Existe una rutina bsica que realiza una FFT general: una
seal compleja temporal se transforma en una seal compleja
frecuencial
A partir de las propiedades de la TF (paridad, etc) se
reordenan datos para obtener: p
o FFT de seal real con la mitad de datos
o Fast sine y Fast cosine Transforms
o FFT multidimensionales
Las convoluciones con FFT consisten en:
o Se hacen los zero paddings de las seales
o Se transforman a la vez con FFT
o Se multiplican
o Se hace la transformada inversa del producto
Convolucin
NR en NR
Filtrado digital con FFT Filtrado digital con FFT
Es el mtodo habitual de filtrado digital: se hace
todo lo visto en
5.2.2. Convolucin discreta de una seal de duracin
infinita y una de duracin finita infinita y una de duracin finita
pero las convoluciones discretas se realizan con FFT,
tal y como vimos en la transparencia anterior tal y como vimos en la transparencia anterior
Tambin vale en 2 o 3 dimensiones: filtrado de
fotografas (PhotoShop)
8. Notas sobre estimacin espectral
Definicin Definicin
Se denomina estimacin espectral al clculo de la
densidad espectral de potencia a partir del mdulo
al cuadrado de la transformada de Fourier de una
serie de datos
El objetivo de toda estimacin espectral es
determinar los picos del espectro y modelizar p p y
adecuadamente el ruido que lleva la seal
Existen tcnicas no clsicas para realizar Existen tcnicas no clsicas para realizar
estimaciones espectrales, no son tan robustas, pero
pueden dar resultados extraordinariamente pueden dar resultados extraordinariamente
precisos
Consejos prcticos sobre estimacin
espectral
Si la seal es estacionaria y busco definicin de Si la seal es estacionaria y busco definicin de
picos:
Seales de mxima longitud y ventana rectangular o Seales de mxima longitud y ventana rectangular
Si hay seales dbiles:
S o Se usan ventanas
Si queremos hacer una buena estimacin del ruido:
o Se corta la seal en fragmentos solapados
o Se promedian los resultados
o Es importante promediar porque la TF de una seal
ruidosa es tambin ruidosa.
Ej i i d id bl o Ejercicio: espectro de ruido blanco
o Se pierde definicin en picos
9 R d i d l d t l 9. Reduccin del derrame espectral:
data windowing data windowing
Definicin de Spectral leakage o
derrame espectral
E l i d t f t d Es la consecuencia de tomar un fragmento de una
seal: al multiplicar por la funcin rectngulo, la TF es
l l i d l TF d l l f i Si la convolucin de la TF de la seal por una funcin Sinc
En este caso tenemos una ventana rectangular
Adems de las componentes esperadas aparece un
derrame espectral en los sidelobes de la funcin Sinc
(la TF de la ventana)
Minimizacin del derrame espectral Minimizacin del derrame espectral
L d i i i l i t d l d La manera de minimizar el impacto del derrame
espectral consiste en utilizar ventanas no rectangulares
d l i it TF de manera que se cumplan unos requisitos en sus TF
Requisitos para las TF de las ventanas Requisitos para las TF de las ventanas
Pico central lo ms estrecho posible (la rectangular)
es la Equivalent Bandwidth
Diferencia en altura con el siguiente pico (sidelobe)
lo mayor posible. Esta diferencia es mayor para lo mayor posible. Esta diferencia es mayor para
ventanas suaves (en el rectngulo es muy mala!) es el
Highest sidelobe level Highest sidelobe level
Caida asinttica de la altura de los picos
Potencia a altura mitad
Otros: sidelobes de igual altura, pico central Otros: sidelobes de igual altura, pico central
aislado,
Ejemplos Ejemplos
Ventana rectangular
Ventana triangular
Definiciones de ventanas Definiciones de ventanas
Ventanas y sus transformadas Ventanas y sus transformadas
Requisitos para las TF de las ventanas Requisitos para las TF de las ventanas
Pico central lo ms estrecho posible (la rectangular)
es la Equivalent Bandwidth
Diferencia en altura con el siguiente pico (sidelobe)
lo mayor posible. Esta diferencia es mayor para lo mayor posible. Esta diferencia es mayor para
ventanas suaves (en el rectngulo es muy mala!) es el
Highest sidelobe level Highest sidelobe level
Caida asinttica de la altura de los picos
Potencia a altura mitad
Otros: sidelobes de igual altura, pico central Otros: sidelobes de igual altura, pico central
aislado,
Caractersticas de las ventanas Caractersticas de las ventanas
Bibliografa
Bibliografa Bibliografa
1. E. Oran Brigham The fast Fourier transform and its
applications (Prentice-Hall, Englewood Cliffs, NJ,
1988).
2. William H. Press, Saul A. Teukolsky, William T. , y,
Vetterling y Brian P. Flannery Numerical Recipes:
The Art of Scientific Computing (Third Edition) The Art of Scientific Computing (Third Edition)
(Cambridge University Press, 2007).
http://www.nr.com/ http://www.nr.com/