03 Fourier PDF

Anlisis de Fourier
Anlisis de Fourier
F. Javier Cara
ETSII-UPM
Curso 2012-2013
1
Anlisis de Fourier
Contenido
Seales continuas
Seales continuas peridicas. Serie de Fourier.
Seales continuas peridicas. Serie de Fourier compleja
Espectro
Seales continuas no peridicas. Serie de Fourier.
Seales continuas no peridicas. Transformada de Fourier.
Catalogo de transformadas de Fourier
Delta de Dirac
Convolucin y su transformada de Fourier
Correlacin y su transformada de Fourier
Seales discretas
Seales discretas peridicas. Serie de Fourier discreta.
Seales discretas no peridicas. Serie de Fourier discreta.
Seales discretas no peridicas. Transformada de Fourier en tiempo discreto.
Muestreo de seales
Transformada de Fourier discreta (DFT)
2
Anlisis de Fourier
Seales continuas
Anlisis de Fourier
Seales continuas.
Seales continuas peridicas.
Serie de Fourier.
Serie de Fourier compleja.
Seales continuas no peridicas.
Serie de Fourier.
Transformada de Fourier.
Seales discretas.
Seales discretas peridicas.
Serie de Fourier discreta.
Seales discretas no peridicas.
Transformada de Fourier en tiempo discreto (DTFT).
Transformada de Fourier discreta (DFT).
3
Anlisis de Fourier
Seales continuas
Jean-Baptiste Joseph Fourier (21 de marzo de 1768, Auxerre

- 16 de mayo de 1830, Pars)
4
Anlisis de Fourier
Seales continuas
A= 15, f = 2 Hz, T = 0.5 s A= 15, f = 2 Hz, T = 0.5 s

20 20
10 10
y=Acos(t)
y=Asin(t)
0 0
10 10
20 20
0 0.5 1 1.5 2 0 0.5 1 1.5 2
A= 5, f = 2 Hz, T = 0.5 s A= 5, f = 2 Hz, T = 0.5 s

20 20
10 10
y=Acos(t)
y=Asin(t)
0 0
10 10
20 20
0 0.5 1 1.5 2 0 0.5 1 1.5 2
A= 5, f = 4 Hz, T = 0.25 s A= 5, f = 4 Hz, T = 0.25 s

20 20
10 10
y=Acos(t)
y=Asin(t)
0 0
10 10
20 20
0 0.5 1 1.5 2 0 0.5 1 1.5 2
Ondas: y = Asin(t), y = Acos(t)

A: amplitud de la onda.
= 2T = 2f : frecuencia angular, [rad/s].
T : periodo = tiempo entre dos repeticiones, [s].
f = T1 : frecuencia lineal = num. de repeticiones por segundo, [Hz].
5
Anlisis de Fourier
Seales continuas
a1= 10, f1 = 2 Hz, T1= 0.5 s. b1= 10, f1 = 2 Hz, T1= 0.5 s.
x1=a1cos(1t)
y1=b1sin(1t)
20 20
0 0
20 20
0 0.5 1 1.5 2 0 0.5 1 1.5 2
a2= 8, f2 = 4 Hz, T2= 0.25 s. b2= 8, f2 = 4 Hz, T2= 0.25 s.
x2=a2cos(2t)
y2=b2sin(2t)
20 20
0 0
20 20
0 0.5 1 1.5 2 0 0.5 1 1.5 2
a3= 4, f3 = 6 Hz, T3= 0.16667 s. b3= 4, f3 = 6 Hz, T3= 0.16667 s.
x3=a3cos(3t)
y3=b3sin(3t)
20 20
0 0
20 20
0 0.5 1 1.5 2 0 0.5 1 1.5 2
a4= 6, f4 = 8 Hz, T4= 0.125 s. b4= 6, f4 = 8 Hz, T4= 0.125 s.
x4=a4cos(4t)
20 y4=b4sin(4t) 20
0 0
20 20
0 0.5 1 1.5 2 0 0.5 1 1.5 2
xtotal = x1 + x2 + x3 + x4 ytotal = y1 + y2 + y3 + y4
20 20
xtotal
ytotal
0 0
20 20
0 0.5 1 1.5 2 0 0.5 1 1.5 2
6
Anlisis de Fourier
Seales continuas
K
P
Al sumar ondas coseno, x(t) = ak cos(k t):
k=1
Si k = n 1 , n N x(t) es una onda peridica:
El periodo de x(t) es T1 .
PK
x(0) = x(T ) = ak .
k=1
K
P
Al sumar ondas seno, y (t) = bk sin(k t):
k=1
Si k = n 1 , n N y (t) es una onda peridica:
El periodo de y (t) es T1 .
y (0) = y (T ) = 0.
K
P
En conclusin, f (t) = (ak cos(k t) + bk sin(k t)) es peridica:
k=1
Si k = n 1 , n N f (t) es una onda peridica:
El periodo de f (t) es T1 .
PK
f (0) = f (T ) = ak .
k=1
7
Anlisis de Fourier
Seales continuas
El recproco de la propiedad anterior tambin es cierto:

Teorema
Cualquier funcin peridica de periodo T se puede descomponer en una
suma de senos y cosenos:

X 2n 2n
f (t) = an cos t + bn sin t
n=1
T T
Una funcin f (t) es peridica de periodo T si cumple que

f (t) = f (t + T ).
Para n = 1 las ondas tienen la misma frecuencia que la funcin f(t):
2
1 =
T
Esta frecuencia es conocida como frecuencia fundamental. El resto
de ondas tienen frecuencias mltiplo de la fundamental (como
habamos visto en en el apartado anterior):
2n
n = = n 1
T 8
Anlisis de Fourier
Seales continuas
Por ejemplo, veamos la funcin peridica (T = 2):
12

1 < t < 0
f (t) = + 12 0<t<1
f (t) = f (t + 2) resto

La frecuencia fundamental es 1 = 2/T = .

La serie de Fourier de f (t) es:
2 2 2 2 2
f (t) = sint + sin3t + sin5t + sin7t + sin9t
3 5 7 9
En la figura siguiente se representa la funcin f(t) y los tres primeros
trminos de la serie de Fourier. Se observa como con tan slo tres
trminos, la aproximacin conseguida es notable.
9
Anlisis de Fourier
Seales continuas
f(t), f0(t) = 2 sin t

1
0.5
0.5
1
4 2 0 2 4 6
f(t), f1(t) = 2/3 sin 3 t f(t), f0(t) + f1(t)

1 1
0.5 0.5
0 0
0.5 0.5
1 1
4 2 0 2 4 6 4 2 0 2 4 6
f(t), f2(t) = 2/5 sin 5 t f(t), f0(t) + f1(t) + f2(t)

1 1
0.5 0.5
0 0
0.5 0.5
1 1
4 2 0 2 4 6 4 2 0 2 4 6
10
Anlisis de Fourier
Seales continuas
Como an cos 2n 2n
T t y bn sin T t oscilan en torno al cero, la suma de
ellos tambin lo harn.
Para tener en cuenta funciones peridicas que oscilan en torno a c:
Teorema
Cualquier funcin peridica de periodo T se puede descomponer en una
suma de senos y cosenos:

X 2n 2n
f (t) = c + an cos t + bn sin t
n=1
T T
Por ejemplo, la funcin g (t) es peridica (T = 2) pero con valores

que oscilan en torno a 12 .

0 1 < t < 0
g (t) = 1 0<t<1
g (t) = g (t + 2) resto

11
Anlisis de Fourier
Seales continuas
f(t), f0(t) = 1/2
1
4 2 0 2 4 6
f(t), f1(t) = 2 sin t f(t), f0(t) + f1(t)
1 1
0 0
1 1
4 2 0 2 4 6 4 2 0 2 4 6
f(t), f2(t) = 2/3 sin 3 t f(t), f0(t) + f1(t) + f2(t)
1 1
0 0
1 1
4 2 0 2 4 6 4 2 0 2 4 6
f(t), f3(t) = 2/5 sin 5 t f(t), f0(t) + f1(t) + f2(t) + f3(t)
1 1
0 0
1 1
4 2 0 2 4 6 4 2 0 2 4 6
La serie de Fourier de g (t) es:

1 2 2 2
f (t) = + sint + sin3t + sin5t +
2 3 5 12
Anlisis de Fourier
Seales continuas
Obviamente, la pregunta es: cmo se calculan an , bn y c?

Primero, hay recordar que las funciones seno y coseno cumplen:
Son simetricas respecto a y = 0:
Z + T2
2n
cos t dt = 0
T2
T
Z + T2
2n
sin t dt = 0
T2
T
Son ortogonales:
Z + T2
2m 2n
cos t sin t dt = 0
T
2
T T
Z + T2
2m 2n T /2 si m = n
cos t cos t dt =
T T T 0 si m 6= n
2
Z + T2
2m 2n T /2 si m = n
sin t sin t dt =
T T T 0 si m 6= n 13
2
Anlisis de Fourier
Seales continuas
Clculo de los coeficientes an y bn .

X 2n 2n
f (t) = c + an cos t + bn sin t
n=1
T T
Trmino c.
Z + T2 +T !
2n 2n
Z 2 X
f (t)dt = c+ an cos t + bn sin t dt
T
2 T
2 n=1
T T
+T +T
1
Z 2
Z 2
f (t)dt = cT c = f (t)dt
T
2
T T
2
14
Anlisis de Fourier
Seales continuas
Trmino a1 .
+T
2
Z 2
f (t)cos t dt =
T
2
T
+T !
2n 2n 2
Z 2 X
= c+ an cos t + bn sin t cos t dt
T
2 n=1
T T T
+T Z T
2 +2

2 T 2
Z 2
f (t)cos t dt = a1 a1 = f (t)cos t dt
T
2
T 2 T T2 T
Trmino an .
+T
2 2n
Z 2
an = f (t)cos t dt
T T
2
T
15
Anlisis de Fourier
Seales continuas
Trmino b1 .
+T
2
Z 2
f (t)sin t dt =
T
2
T
+T !
2n 2n 2
Z 2 X
= c+ an cos t + bn sin t sin t dt
T
2 n=1
T T T
+T Z T
2 +2

2 T 2
Z 2
f (t)sin t dt = b1 b1 = f (t)sin t dt
T
2
T 2 T T2 T
Trmino bn .
+T
2 2n
Z 2
bn = f (t)sin t dt
T T
2
T
16
Anlisis de Fourier
Seales continuas
Teorema de la serie de Fourier

Cualquier funcin peridica de periodo T se puede descomponer como:

a0 X 2n 2n
f (t) = + an cos t + bn sin t
2 n=1
T T
+T
2 2n
Z 2
an = f (t)cos t dt, n = 0, 1, 2, . . .
T T
2
T
+T
2 2n
Z 2
bn = f (t)sin t dt, n = 1, 2, . . .
T T
2
T
Nota: Los trminos an y bn se calculan integrando en un periodo. En las

frmulas anteriores se ha integrado entre T /2 y T /2 pero tambin se
podra hacer entre 0 y T. Los an y bn obtenidos dependen de los lmites
de integracin elegidos, aunque (an2 + bn2 ) es constante.
17
Anlisis de Fourier
Seales continuas
Anlisis de Fourier
Seales continuas.
Serie de Fourier.
Serie de Fourier.
Seales discretas.
18
Anlisis de Fourier
Seales continuas
Serie de Fourier compleja

cos(n1 t) = 12 e in1 t + e in1 t

ix
e = cosx + isinx
sin(n1 t) = 2i1 e in1 t e in1 t

a0 X an in1 t bn in1 t
+ e in1 t + e in1 t

f (t) = + e e
2 n=1
2 2i

a0 X 1 1
= + (an ibn )e in1 t + (an + ibn )e in1 t
2 n=1
2 2

a0 X
= + Cn e in1 t + Dn e in1 t
2 n=1
+T
1 2
Z 2
Cn = (an ibn ) = f (t)e in1 t dt
2 T T
2
+T
1 2
Z 2
Dn = (an + ibn ) = f (t)e in1 t dt
2 T T
2 19
Anlisis de Fourier
Seales continuas
ya que
+T +T
2 2 1 in1 t
Z 2
Z 2
+ e in1 t dt

an = f (t)cosn1 tdt = f (t) e
T T
2
T T
2
2
+T +T
2 2 1 in1 t
Z 2
Z 2
e in1 t dt

bn = f (t)sinn1 tdt = f (t) e
T T
2
T T
2
2i
Teniendo en cuenta sto

a0 X X X
f (t) = + Cn e in1 t + Dn e in1 t = Cn e in1 t + Dn e in1 t
2 n=1 n=0 n=1

X
X
X
X
= Cn e in1 t + D(n) e in1 t = Cn e in1 t + Cn e in1 t
n=0 n=1 n=0 n=1
X
= Cn e in1 t
n=
20
Anlisis de Fourier
Seales continuas
Teorema de la serie de Fourier en notacin compleja

Cualquier funcin peridica de periodo T se puede descomponer como:

X
f (t) = Cn e i2nt/T
n=
+T
1
Z 2
Cn = f (t)e i2nt/T dt, Cn C
T T
2
Las ventajas de utilizar la serie es Fourier en complejos son:

Notacin ms compacta, ms elegante.
Es ms facil operar con exponenciales que con senos y cosenos:
multiplicar, derivar, ...
Pero es igual trabajar con senos-cosenos que con exp. complejas!!!
* Los pares (t, f (t)) representan la funcin f en el dominio del

tiempo.
* Los pares (n , Cn ) : n Z, n = 2

T n = n1 representan la funcin
f en el dominio de la frecuencia.
21
Anlisis de Fourier
Seales continuas
Ejemplo
Desarrollar en series de Fourier f (t) = t 2 , 0 < t < 2, con periodo 2.
2 T 1 2 2 8 2
Z Z
a0 = f (t)dt = t dt =
T 0 0 3
Z T Z 2
2 2nt 1
an = f (t) cos dt = t 2 cos ntdt
T 0 T 0
Integrando por partes
2
1 2 sin nt cos nt sin nt 4
an = t + 2t 2 2 3 = n2
n n n 0
T 2
2 2nt 1
Z Z
bn = f (t) sin dt = t 2 sin ntdt
T 0 T 0
2
1 2 cos nt sin nt cos nt 4
= t + 2t 2 + 2 3 =
n n n
0 n
22
Anlisis de Fourier
Seales continuas

1 1 4 4 2 + i2n
Cn = (an ibn ) = +i =
2 2 n2 n n2
1 4 2
C0 = a0 =
2 3
Por tanto

4 2 X

4 4
f (t) = t 2 + 2
cos nt sin nt
3 n=1
n n

4 2 X 2 + i2n int
f (t) = t 2 + e
3 n=
n2
n6=0
Frecuencia fundamental: 1 = 2/T = 1 rad/s.

Frecuencias de Fourier: n1 = 1, 2, 3, 4, . . . rad/s
23
Anlisis de Fourier
Seales continuas
f(t)=t2, f0(t) = 42/3

40
20
0
20
10 5 0 5 10 15
f(t), f1(t) = 4 cos t 4 sin t f(t), f0(t) + f1(t)
40 40
20 20
0 0
20 20
10 5 0 5 10 15 10 5 0 5 10 15
f(t), f2(t) = cos 2t 2 sin 2t f(t), f0(t) + f1(t) + f2(t)
40 40
20 20
0 0
20 20
10 5 0 5 10 15 10 5 0 5 10 15
f(t), f3(t) = 4/9cos 3t 4/3 sin 3t f(t), f0(t) + f1(t) + f2(t) + f3(t)
40 40
20 20
0 0
20 20
10 5 0 5 10 15 10 5 0 5 10 15
f(t), f4(t) = 1/4cos 4t sin 4t f(t), f0(t) + f1(t) + f2(t) + f3(t) + f4(t)
40 40
20 20
0 0
20 20
10 5 0 5 10 15 10 5 0 5 10 15
24
Anlisis de Fourier
Seales continuas
Espectro
Espectro
Un espectro es la representacin de una seal en el dominio de la
frecuencia.
Cuando tenemos senos-cosenos, el espectro consistepen representar
an y bn frente a n . Es preferible representar dn = an2 + bn2 frente
a n , ya que an y bn dependen de como se haya elegido T.
En complejos, se puede representar la parte real y la parte imaginaria
de Cn , o el mdulo (espectro de mdulo) y la fase (espectro de fase).
El espectro de mdulo, |Cn |, es simtrico respecto al eje x = 0.
Cn = 21 (an ibn )

Cn = Cn |Cn | = |Cn |
Cn = Dn = 21 (an + ibn )
dn se reparte entre Cn y Cn en partes iguales:
1 1
|Cn |2 = (an2 +bn2 ), n = 0, 1, 2, . . . |Cn |2 = (an2 +bn2 ), n = 1, 2, 3, . . .
2 2
|Cn |2 + |Cn |2 = 2|Cn |2 = dn2 , n = 1, 2, 3, . . .
C0 = d0
25
Anlisis de Fourier
Seales continuas
Espectro
Ejemplo
Espectro de f (t) = t 2
an bn (a2n + b2n)1/2
20 20 20
10 10 10
0 0 0
10 10 10
20 20 20
5 0 5 5 0 5 5 0 5
REAL(cn) IMAG(cn) MOD(cn) 2*MOD(cn), n>1

20 20 20 20
10 10 10 10
0 0 0 0
10 10 10 10
20 20 20 20
5 0 5 5 0 5 5 0 5 5 0 5
n n n n 26
Anlisis de Fourier
Seales continuas
Espectro
Teorema de Parseval
Teorema
Sea f (t) una funcin peridica, y sean an y bn los coeficientes del
desarrollo en serie de Fourier. Entonces se cumple que:
+T
1 1X 2
Z 2
2
(f (t)) dt = a02 + an + bn2

T T
2
2 n=1
Teorema
Sea f (t) una funcin peridica, y sean Cn los coeficientes del desarrollo
en serie de Fourier complejo. Entonces se cumple que:
+T
1
Z 2
2
X
(f (t)) dt = Cn2
T T
2 n=
Luego el espectro est relacionado con el valor cuadrtico medio de la

seal en un periodo. 27
Anlisis de Fourier
Seales continuas
Anlisis de Fourier
Seales continuas.
Serie de Fourier.
Serie de Fourier
Seales discretas.
28
Anlisis de Fourier
Seales continuas
En el caso de que tengamos una seal no peridica, se puede aplicar el

anlisis de Fourier de dos maneras:
1. Creando una seal peridica a partir de la seal no peridica.
2. Transformada de Fourier.
Figura: Seal no peridica.
29
Anlisis de Fourier
Seales continuas
1. Creando seal peridica.
Si tenemos una seal, f (t), definida entre ta y tb podemos crear una

seal peridica a partir de ella, g (t), simplemente repitiendo f (t).
El periodo de la nueva seal es T = tb ta .
La nueva seal peridica, g (t), puede analizarse utilizando la serie de
Fourier. Los resultados obtenidos son vlidos en el intervalo [tb ta ]. 30
Anlisis de Fourier
Seales continuas
2. Transformada de Fourier

f (t) t [ta , tb ]
h(t) =
0 resto
La otra opcin consiste en definir una funcin peridica pero cuyo

periodo es infinito, h(t).
Aparece as el concepto de Transformada de Fourier.
31
Anlisis de Fourier
Seales continuas
Sabemos que

X
h(t) = Cn e i2nt/T
n=
+T
1
Z 2
Cn = h(t)e i2nt/T dt
T T
2
Sustituyendo una en la otra

+T
!
1
X Z 2
i2nt/T
h(t) = h(t)e dt e i2nt/T
n=
T T
2
Por otro lado n = 2

T n, por lo que la distancia entre n y n+1 es
= 2/T . Sustituyendo
Z T !
X + 2
h(t) = h(t)e int dt e int
n=
2 T2
32
Anlisis de Fourier
Seales continuas
Conforme T , d (se hace infinitsimo), n = n (la

variable discreta se hace continua), y la suma se convierte en una integral
Z T !
X + 2 int
h(t) = lim h(t)e dt e int
T
n=
2 T
2

1
Z Z
it
h(t) = h(t)e dt e it d
2
Teorema
La Transformada de Fourier y la Transformada Inversa de Fourier se
definen mediante:
Z
1
H() = h(t)e it dt
2
Z
h(t) = H()e it d

33
Anlisis de Fourier
Seales continuas
1
El factor 2 nosotros lo hemos asignado a H(), pero tambin lo
podamos haber asignado a h(t). De hecho, no existe una solucin
consensuada para este problema, y nos podemos encontrar las siguientes
definiciones para la transformada de Fourier:
Z Z
1 1
H() = h(t)e it dt H() = h(t)e it dt
2 2
Z Z
1
h(t) = H()e it d h(t) = H()e it d
2
Z Z
H() = h(t)e it dt H(f ) = h(t)e i2ft dt

1
Z Z
it
h(t) = H()e d h(t) = H(f )e i2ft d
2
34
Anlisis de Fourier
Seales continuas
Hay dos condiciones generales que tiene que cumplir la funcin h(t) para
tener transformada de Fourier:
La funcin ha de ser absoltamente integrable, esto es,
R + T2
T
|h(t)|dt < .
2
Cualquier discontinuidad de h(t) tiene que ser finita.
Aplicando la frmula de Euler, la transformada de Fourier a veces se
escribe
Z Z
1 1
H() = h(t) cos(t)dt i h(t) sin(t)dt
2 2
Por tanto, H() = H () y el espectro, |H()|, es simtrico respecto
al eje Y.
Teorema
Teorema de Parseval. Sea h(t) una funcin peridica, y sea H() su
Transformada de Fourier. Entonces se cumple que:
Z Z Z
2 2 2
(h(t)) dt = 2 |H()| d = |H(f )| df

35
Anlisis de Fourier
Seales continuas
Construir una funcin peridica vs Transformada de Fourier.
El espectro |H()| es continuo, en contraposicin al de |Cn | que es

discreto. Esto quiere decir que hay que utilizar todas las frecuencias que
hay entre 0 y 0 para obtener exctamente la funcin f (t) como suma
de senos y cosenos. Sin embargo, si slo empleo determinadas frecuencias,
las n , la suma de senos y cosenos me da una funcin peridica: que
coincide con f (t) entre ta y tb , pero que se repite fuera de ese intervalo.
36
Anlisis de Fourier
Seales continuas
37
Anlisis de Fourier
Seales continuas
38
Anlisis de Fourier
Seales continuas
39
Anlisis de Fourier
Seales continuas
40
Anlisis de Fourier
Seales continuas
Delta de Dirac
Delta de Dirac o funcin impulso

La Delta de Dirac es la siguiente funcin:
(t) = lim (t)

t0
(t) no es una funcin como las que trabajamos en anlisis: se encuadran

dentro de las funciones generalizadas o distribuciones. Cumplen que:

0 si t 6= 0
R

(t)dt = 1
(t) =
R

h(t)(t)dt = h(0)

41
Anlisis de Fourier
Seales continuas
Delta de Dirac
Cuando est aplicada en t = t0 :
(t) = lim (t0 , t)

t0
Las ecuaciones son ahora:

0 si t =
6 t0

R
(t t0 )dt = 1
(t t0 ) =

R
h(t)(t t0 )dt = h(t0 )

42
Anlisis de Fourier
Seales continuas
Delta de Dirac
Grficamente, (t) se representa como una flecha con altura unidad, y los
impulsos en general se representan como flechas con altura igual a su
integral.
43
Anlisis de Fourier
Seales continuas
Delta de Dirac
Producto de la funcin impulso y una funcin ordinaria h(t)

Se define como
(t t0 )h(t) = h(t0 )(t t0 )
En efecto, integrando
Z Z
(t t0 )h(t) = h(t0 )(t t0 )

Para el primer miembro

Z
(t t0 )h(t) = h(t0 )

y el segundo miembro
Z Z
h(t0 )(t t0 ) = h(t0 ) (t t0 ) = h(t0 )

44
Anlisis de Fourier
Seales continuas
Delta de Dirac
Producto de una funcin con un tren de impulsos

funcin: h(t);

P
tren de impulsos: (t nt);
n=

X X
h(t) (t nt) = h(t)(t nt)
n= n=
El resultado es otro tren de impulsos con altura

de cada impulso h(nt), ya que
h(t)(t nt) = h(nt)(t nt)
Por tanto

X
X
h(t)(tnt) = h(nt)(tnt)
n= n=
45
Anlisis de Fourier
Seales continuas

Integral de convolucin (convolucin
entre x(t) y h(t))
Z
y (t) = x( )h(t )d

Tamb. se indica como y (t) = x(t) h(t).

Proceso de convolucin:
1. Folding. Se construye h( ).
2. Displacement. Se desplaza h( )
una cantidad igual a t h(t ).
3. Multiplication. Se multiplican x( )
y h(t ).
4. Integration. El rea bajo
x( ) h(t ) es el valor de la
convolucin en el instante t.
46
Anlisis de Fourier
Seales continuas
Ejemplo: convolucin de dos seales rectangulares.
47
Anlisis de Fourier
Seales continuas
Ejemplo: convolucin con impulsos.
48
Anlisis de Fourier
Seales continuas
Forma alternativa de la integral de convolucin

Convolucin entre x(t) y h(t):
Integral de convolucin
Z
y (t) = x( )h(t )d

Forma alternativa
Z
y (t) = h( )x(t )d

En la figura de la izquierda se hace la

convolucin entre la funcin rectangular
y e at utilizando las dos integrales
anteriores. El resultado es el mismo.
49
Anlisis de Fourier
Seales continuas
Teorema (Teorema de convolucin en el tiempo)

La Transformada de Fourier de la convolucin de dos funciones en el
dominio del tiempo es igual al producto de las Transformadas de Fourier
de las funciones en el dominio de la frecuencia.
Z
TF Y (f ) = H(f )X (f )
y (t) = x( )h(t )d
Y () = 2H()X ()
Teorema (Teorema de convolucin en frecuencia)

La Transformada de Fourier del producto de dos funciones en el dominio
del tiempo es igual a la convolucin de las Transformadas de Fourier de
las funciones en el dominio de la frecuencia.

TF Y (f ) = H(f ) X (f )
y (t) = x(t)h(t) 1
Y () = 2 H() X ()
50
Anlisis de Fourier
Seales continuas
Ejemplos del teorema de convolucin en el tiempo
51
Anlisis de Fourier
Seales continuas
Ejemplos del teorema de convolucin en frecuencia
52
Anlisis de Fourier
Seales continuas
Integral de correlacin
Z
y (t) = x( )h(t + )d

Proceso de correlacin:
1. Displacement. Se desplaza h( )
una cantidad igual a t h(t + ).
2. Multiplication. Se multiplican x( )
y h(t + ).
3. Integration. El rea bajo
x( ) h(t + ) es el valor de la
convolucin en el instante t.
53
Anlisis de Fourier
Seales continuas
Teorema
La Transformada de Fourier de la correlacin de dos funciones es igual al
producto de la conjugada de la Transformada de Fourier de la primera
funcin y la Transformada de Fourier de la segunda funcin.
Z
Y (f ) = H(f )X (f )

TF
y (t) = x( )h(t + )d
Y () = 2H()X ()
Cuando x(t) = h(t), la correlacin se conoce como autocorrelacin de

h(t). Entonces se tiene
Z
Y (f ) = H(f )H (f ) = |H(f )|2

TF
y (t) = h( )h(t+ )d
Y () = 2H()X () = 2|H()|2
54
Anlisis de Fourier
Seales continuas
Comparacin entre convolucin y correlacin
55
Anlisis de Fourier
Seales discretas
Anlisis de Fourier
Seales continuas.
Serie de Fourier.
Serie de Fourier.
Seales discretas.
56
Anlisis de Fourier
Seales discretas
Sea una seal peridica, f (t), de periodo T . Tomamos N valores

discretos de f (t) en cada periodo, separados t. Se cumple entonces que:
T = Nt
Discretizacion de f(t)=t2. N=8
40
30
f(t) = t2
20
10
10
10 5 0 5 10 15
t (s)
Valores discretos
40
30
f(tk) = t2k
20
10
10
10 5 0 5 10 15
t (s) 57
Anlisis de Fourier
Seales discretas
No conocemos la funcin de partida, slo los puntos discretos. Podemos

construir una suma de senos y cosenos que pase por los puntos discretos.
Las ecuaciones en el caso continuo eran:

X
f (t) = Cn e i2nt/T
n=
+T
1
Z 2
Cn = f (t)e i2nt/T dt
T T
2
El valor de la seal en cada tk = kt ser:

X
X
f (tk ) = f (kt) = Cn e i2n(kt)/(Nt) = Cn e i2nk/N
n= n=
58
Anlisis de Fourier
Seales discretas
Cn para valores discretos se calcula teniendo en cuenta:

Z T
1 +2 1 T
Z
Cn = f (t)e i2nt/T dt = f (t)e i2nt/T dt
T T2 T 0
Como en un periodo slo hay datos en N instantes tk , se pueden calcular
N valores de Cn .
N1 N1
1 X 1 X
Cn = f (kt)e i2nkt/(Nt) t = f (kt)e i2nk/N
Nt n=0 N n=0
Figura: Aproximacin de una integral por una suma.

59
Anlisis de Fourier
Seales discretas
Teorema
Cualquier funcin peridica discreta de periodo T = Nt se puede
descomponer como:
N1
X
f (kt) = Cn e i2nk/N
n=0
N1
1 X
Cn = f (kt)e i2nk/N
N
k=0
2n 2n
Las frecuencias de cada Cn son: n = T = Nt .
Es facil comprobar que Cn = Cn , por lo que |Cn | = |Cn | y el
espectro (n , |Cn |) es simtrico respecto al eje x = 0.
60
Anlisis de Fourier
Seales discretas
Propiedades
n=0
N1
1 X
C0 = f (kt) Media de los valores discretos de f , f (kt).
N
k=0
Como f (kt) son valores reales, C0 es un nmero real.

N
n=
2
N1 N1
1 X 1 X
CN = f (kt)e i2(N/2)k/N = f (kt) cos(k)
2 N N
k=0 k=0
C N tambin es un nmero real.

2
61
Anlisis de Fourier
Seales discretas
N
n= +m
2
N1
1 X
C N +m = f (kt)e i2(N/2+m)k/N
2 N
k=0
N1
1 X
= f (kt)e i2mk/N e ik = C N m
N 2
k=0
Luego los elementos simtricos respecto a N/2 son complejos

conjugados.
62
Anlisis de Fourier
Seales discretas
* Esto quiere decir que la mitad de la informacin es redundante, ya

que conociendo los trminos desde n = 1 hasta n = N2 1 puedes
conocer los trminos desde n = N2 + 1 hasta n = N 1.
* La frecuencia ms alta que se puede evaluar es

kmax = N = 2(N/2)/(Nt) =
2 t
que se conoce como la frecuencia de Nyquist.
1
Nyquist = rad/s, fNyquist = Hz.
t 2t
* Si la seal original tiene una frecuencia mayor que Nyquist entonces
la serie de Fourier no la puede evaluar.
* Lo anterior es vlido si N es par. Si N es impar, la mayor frequencia
que se puede conocer es la correspondiente a n = N1 2 . A partir de
ah la informacin es redundante.
* Por tanto, como la frecuencia de Nyquist se ha definido como N ,
2
no es posible evaluar esta frecuencia con N impar (la mxima
frecuencia que se puede evaluar es N1 ).
2
* Se volver a incidir sobre sto al estudiar la DFT. 63
Anlisis de Fourier
Seales discretas
Anlisis de Fourier
Seales continuas.
Serie de Fourier.
Serie de Fourier.
Seales discretas.
64
Anlisis de Fourier
Seales discretas
En el caso de que tengamos valores discretos de una seal no peridica,

se puede aplicar el anlisis de Fourier de dos maneras:
1. Creando una seal discreta peridica a partir de la seal no
peridica.
2. Transformada de Fourier en tiempo discreto.
3. Transformada de Fourier discreta .
Figura: Seal discreta no peridica.
65
Anlisis de Fourier
Seales discretas
1. Creando seal discreta peridica.
Si tenemos una seal discreta, f (tk ), definida entre ta y tb podemos

crear una seal peridica a partir de ella, g (tk ), simplemente
repitiendo f (tk ).
El periodo de g (tk ) es T = tb ta = Nt.
g (tk ) puede analizarse utilizando la serie de Fourier discreta. Los
resultados obtenidos son vlidos en el intervalo [tb ta ].
66
Anlisis de Fourier
Seales discretas
Por tanto, las ecuaciones seran

N1
X
f (kt) = Cn e i2nk/N
n=0
N1
1 X
Cn = f (kt)e i2nk/N
N
k=0
67
Anlisis de Fourier
Seales discretas
2. Transformada de Fourier en tiempo discreto

f (tk ) tk [ta , tb ]
h(tk ) =
0 resto
La otra opcin consiste en definir una funcin discreta peridica

pero cuyo periodo es infinito, h(tk ).
Esto se hace discretizando la Transformada de Fourier Continua.
68
Anlisis de Fourier
Seales discretas
Las ecuaciones de la transformada de Fourier en tiempo continuo son

Z
1
H() = h(t)e it dt
2
Z
h(t) = H()e it d

Conocemos N valores [tk , f (tk )], tk = kt, k = 0, 1, . . . , N 1
N1
1 1 X
Z
H() = h(kt)e ikt dt = h(kt)e ikt t
2 2
k=0
N1
t X
= h(kt)e ikt
2
k=0
2
Esta funcin es peridica con periodo t ya que
2
e ikt = e i(k+ t )t , k
69
Anlisis de Fourier
Seales discretas
Z
h(kt) = H()e ikt d

2
H()e ikt es peridica con periodo t por lo que la integral anterior
toma un valor infinito. Por ello se integra en un periodo
Z
h(kt) = H()e ikt d
2
t
Por otro lado, el factor t

2 que acompaa a H() en la ecuacin anterior
se suele poner a h(kt), ya que el resultado final es el mismo.
Teorema
La Transformada de Fourier y la Transformada Inversa de Fourier en
tiempo discreto (Discrete Time Fourier Transform, DTFT) se definen:
N1
X
H() = h(kt)e ikt
k=0
t
Z
h(kt) = H()e ikt d
2 2
t 70
Anlisis de Fourier
Seales discretas
Muestreo de seales
Muestreo de seales
Las seales en tiempo discreto pueden aparecer de muchas formas, pero
lo ms comn es que aparezcan como consecuencia del muestreo de
seales en tiempo continuo.
A partir de una seal continua xc (t)
se obtiene una secuencia de muestras
xk mediante la relacin
xk = xc (kt)
donde t = tk tk1 es el periodo

de muestreo y
1
fs =
t
es la frecuencia de muestreo, en
numero de muestras por segundo. Figura: Seal muestreada
71
Anlisis de Fourier
Seales discretas
Muestreo de seales
Teorema
Sea funcin continua xc (t), el valor
muestreado de xc (t) en t = tk es el
producto
xk = x(tk ) = x(t)(t tk )
dnde (t) es la funcin impulso.

Cuando queremos muestrear en
varios puntos multiplicamos por un
tren de impulsos.
(a) Seal continua.
(b)-(c) Seal muestreada. La
informacin contenida en (b) y
(c) es la misma ya que
Z
x(t)(tkt) = x(kt) = xk Figura: Seal muestreada

72
Anlisis de Fourier
Seales discretas
Muestreo de seales
La diferencia fundamental entre xs (t) (Figura b) y xk (Figura c) es

que xs (t) es una seal en tiempo continuo (concretamente un tren
de impulsos) que es cero excepto en mltiplos enteros de t.
Por el contrario, la secuencia xk est indexada con la variable entera
k, lo que introduce una normalizacin en el tiempo. Es decir, la
secuencia de nmeros xk no contiene informacin explcita sobre la
frecuencia de muestreo.
Por este motivo las ecuaciones de la DTFT se expresan tambin como
N1
X
H() = hk e ik
k=0
1
Z
hk = H()e ik d
2 2
Es decir, se toma t = 1, no hay referencia al periodo de muestreo. Esto

hace que las ecuaciones sean ms generales, se pueden aplicar a cualquier
secuencia de valores discretos, no solamente a secuencias obtenidas con
muestreo.
73
Anlisis de Fourier
Seales discretas
Muestreo de seales
Representacin del muestreo en el dominio de la frecuencia

(a) Seal que queremos muestrear,
h(t) (muestreamos cada T seg).
(b) Tren de impulsos (t).
(e) Muestreo de h(t)= producto de
h(t) y el tren de impulsos (t).
(c) Transformada de Fourier de
h(t), H(f ).
(d) Transformada de Fourier del
tren de impulsos (t), (f ).
(f) Convolucin de H(f ) y (f ): la
T. F. del producto es la
convolucin.
La seal (f) es la transformada de
Fourier de la seal muestreada (e).
74
Anlisis de Fourier
Seales discretas
Muestreo de seales
Aliasing
Se repite el mismo proceso que en la

figura anterior, pero ahora la
frecuencia de muestreo, 1/T, es
menor que 2fc , y por tanto aparece
solapamientos en la transformada de
Fourier de la seal muestreada. La
seal obtenida en (e) est
distorsionada debido a los
solapamientos, y no es posible
recuperar la seal original h(t) a
partir de sus muestras h(t) (t).
A este fenmeno se conoce como
ALIASING.
75
Anlisis de Fourier
Seales discretas
Muestreo de seales
El aliasing siempre aparece al muestrear

una seal continua. Si se cumple que
H(f ) = 0 para f fc , podemos evitar
el aliasing tomando
1
2fc
T
Si la seal en frecuencias no se hace
nula a partir de un valor, slo podemos
hacer que el error de aliasing sea
pequeo disminuyendo T.
En la figura de la izquierda, la seal h(t)
est muestreada con frecuencia de
muestreo
1
fs = = 2fc
T
A esa frecuencia se le conoce como
frecuencia de Nyquist.
76
Anlisis de Fourier
Seales discretas
Muestreo de seales
Aliasing en el dominio del tiempo

Sea y1 = cos(2ft). Tomamos valores discretos cada t. Si
1 fs
2t = 2 < f , entonces por los valores discretos pasan
y1 = cos(2ft) y tambin y2 = cos(2|f fs |t). Este es el
fenmeno del aliasing en el dominio del tiempo.
Para evitar el aliasing, f2s = 2t
1
fmax , es decir, la frecuencia de
Nyquist tiene que ser mayor o igual que la mxima frecuencia que
hay en nuestros datos.
fs es la frecuencia de muestreo (numero de datos por segundo).
(a) f = 60 Hz; fs = 400 Hz; fnq = 200 Hz
1
a fs /2 > 60: por los datos slo pasa
0.05 0.04 0.03 0.02 0.01 0 0.01
(b) f = 60 Hz; fs = 120 Hz; fnq = 60 Hz

0.02 0.03 0.04 0.05
y1 = cos(260t).
1
b fs /2 = 60: caso lmite (fnq = f ); por
0
1
los datos slo pasa y1 = cos(260t)
0.05 0.04 0.03 0.02 0.01 0 0.01 0.02 0.03 0.04 0.05
(c) f = 60 Hz; fs = 80 Hz; fnq = 40 Hz c fs /2 < 60: por los datos pasan
1
y1 = cos(260t) e y2 = cos(220t).
0
0.05 0.04 0.03 0.02 0.01 0 0.01 0.02 0.03 0.04 0.05 77
Anlisis de Fourier
Seales discretas
Muestreo de seales
Teorema de muestreo
Hay un numero infinito de seales que pueden generar un conjunto dado

de nuestras. El teorema del muestreo nos indica qu condicione se tienen
que dar para que unos valores muestreados especifiquen unvocamente a
la seal y la podamos reconstruir perfectamente.
78
Anlisis de Fourier
Seales discretas
Muestreo de seales
Teorema (Teorema del muestreo de Nyquist)

Sea x(t) una seal continua que cumple que
X (f ) = 0 para |f | fm ;
x(t) est determinada unvocamente mediante sus muestras

xk = x(kt), k = 0, 1, 2, . . . si
1
fs = 2fm [Hz]
t
fs es la frecuencia de muestreo y fm es la frecuencia a partir de la cual
X (f ) se anula. Se define la frecuencia de Nyquist como la mitad de la de
muestreo, y por tanto la condicin anterior tambin se expresa como
fs 1
fnq = = fm [Hz]
2 2t
79
Anlisis de Fourier
Seales discretas
Muestreo de seales
Interpretacin grfica del Teorema de muestreo
Si se cumplen las condiciones del teorema, la seal recuperada xr (t)

coincide con la seal de partida x(t).
80
Anlisis de Fourier
Seales discretas
3. Transformada de Fourier discreta (DFT)

Por ltimo tenemos que obtener una expresin de la Transformada de
Fourier que sea discreta en el tiempo y en frecuencia para que la
podamos implementar con el ordenador. Para ello partimos de la
Transformada de Fourier en tiempo discreto (DTFT)
N1
X
H() = h(kt)e ikt
k=0
t
Z
h(kt) = H()e ikt d
2 2
t
Tomando valores discretos de la frecuencia

2n 2n
n = = , n = 0, 1, . . . , N 1
T Nt
2 2
= n n1 = =
T Nt
81
Anlisis de Fourier
Seales discretas
N1 N1
2nk
X X
H(n ) = h(kt)e in kt = h(kt)e i N
k=0 k=0
N1 N1
t X t X 2nkt 2
h(kt) = H(n )e in kt = H(n )e i Nt =
2 n=0 2 n=0 Nt
N1
1 X 2nk
= H(n )e i N
N n=0
Teorema
La Transformada de Fourier discreta y la Transformada Inversa de Fourier
discreta (Discrete Fourier Transform, DFT) se definen mediante:
N1
2nk
X
H(n) = h(kt)e i N
k=0
N1
1 X 2nk
h(kt) = H(n)e i N
N n=0 82
Anlisis de Fourier
Seales discretas
Interpretacin grfica de la DFT

(a) Funcin en el tiempo h(t) y su
transformada de Fourier, H(f ).
(b) Tren de impulsos 0 (t) y su
transformada de Fourier 0 (f ).
(c) Muestreo de h(t), h(t) 0 (t), y su
transformada de Fourier H(f ) 0 (f ).
(d) Las seales no son infinitas: la
truncamos multiplicando en el tiempo
por una ventana x(t) de altura unidad.
Esta ventana tambin tiene T. Fourier.
(e) h(t) 0 (t) x(t) y su T. Fourier
H(f ) 0 (f ) X (f )
(f) Muestreamos en frecuencia multipl. por
un tren de impulsos, 1 (f ).
= [h(t) 0 (t) x(t)] 1 (t)
(g) h(t)
) = [H(f ) 0 (f ) X (f )] 1 (f ) 83
H(f
Anlisis de Fourier
Seales discretas
Las frmulas para la DFT son generales y se pueden aplicar a cualquier

conjunto de datos {x0 , x1 , x2 , . . . , xN1 }, sin que necesariamente
provengan del muestreo de una seal continua
Teorema
Sean N valores discretos {x0 , x1 , x2 , . . . , xN1 }. La Transformada de
Fourier discreta (DFT) y la Transformada Inversa de Fourier discreta
(IDFT) se definen mediante:
N1
X
Xn = xk e i2nk/N , n = 0, 1, , (N 1)
k=0
N1
1 X
xk = Xn e i2nk/N , k = 0, 1, , (N 1)
N n=0
De hecho, estas ecuaciones se pueden obtener sin hacer referencia a la

Transformada de Fourier continua, dirctamente trabajando con datos
discretos.
84
Anlisis de Fourier
Seales discretas
Comentarios
Aunque hemos partido de la Transformada de Fourier continua, que
presupone periodo infinito, al discretizar obtenemos una funcin
peridica (ver Figura 6.2 (g)).
En realidad, el resultado obtenido construyendo una funcin discreta
peridica
N1
X
f (kt) = Cn e i2nk/N , k = 0, 1, , (N 1)
n=0
N1
1 X
Cn = f (kt)e i2nk/N , n = 0, 1, , (N 1)
N
k=0
es idntico al obtenido discretizando la Transf. de Fourier continua
N1
1 X
h(kt) = H(n)e i2nk/N , k = 0, 1, , (N 1)
N n=0
N1
X
H(n) = h(kt)e i2nk/N , n = 0, 1, , (N 1)
85
Anlisis de Fourier
Seales discretas
Comentarios
Existe un algoritmo muy eficiente para implementar la DFT
conocido como Fast Fourier Transform (FFT).
La transformada de Fourier reproduce exctamente los valores xk ,
pero no reproduce exctamente la seal continua x(t). Ser tanto
ms precisa en cuanto el intervalo de muestreo tienda a cero.
El factor N1 no siempre va con Xn . Depende del autor.
Para k = 1 estamos en el instante de tiempo t = (k 1)t = 0seg .
Matlab utiliza las siguientes expresiones:
N
X
Xn = xk e i(2/N)(n1)(k1) n = 1, 2, , N
k=1
N
1 X
xk = Xn e i(2/N)(n1)(k1) k = 1, 2, , N
N n=1
El espectro {(n , |Xn |) : n = 0, 1, . . . , (N 1), n = 2n/(Nt)} es
simtrico respecto al eje y .
86
Anlisis de Fourier
Seales discretas
Ejemplo
Calcular la DFT de los datos obtenidos al muestrear la seal x(t) = t 2
con t = 1 seg considerando
N=8;
N=9.
N=8
2
k tk = kt xk n n = Nt n Xn
0 0 0 0 0 140
1 1 1 1 /4 -4.69+77.25i
2 2 4 2 2/4 -24.00+32.00i
3 3 9 3 3/4 -27.31+13.25i
4 4 16 4 4/4 -28.00
5 5 25 5 5/4 -27.31-13.25i
6 6 36 6 6/4 -24.00-32.00i
7 7 49 7 7/4 -4.69-77.25i
87
Anlisis de Fourier
Seales discretas
Los valores anteriores se han obtenido en Matlab haciendo

x=[0 1 4 9 16 25 36 49];
X=fft(x);
La frecuencia de muestreo fs y de Nyquist fnq son
1 fs 1
fs = = 1 Hz = 2 rad/s, fnq = = = 0,5 Hz = rad/s.
t 2 2t
Para n=0 el resultado es real y es la suma de los xk
N1
X
X0 = xk = 140
k=0
Para n=N/2=4 el resultado tambin es real

N1 N1 N1
i 2kN/2
X X X
ij
XN = xk e N = xk e = xk cos(k)
2
k=0 j=0 k=0
= 0 1 + 4 9 + 16 25 + 36 49 = 28
88
Anlisis de Fourier
Seales discretas

Se cumple que Xn = XNn , n = 1, 2, . . . , N/2 1. Efectivamente
X1 = X7 , X2 = X6 , X3 = X5 .
* Esto quiere decir que la mitad de la informacin es redundante, ya

que conociendo los trminos desde n = 1 hasta n = N2 1 se pueden
conocer los trminos desde n = N2 + 1 hasta n = N 1.
* La frecuencia ms alta que se puede evaluar es la frecuencia de
Nyquist

kmax = N = 2(N/2)/(Nt) =
2 t
* Si la seal original tiene una frecuencia mayor que Nyquist entonces
la DFT no la puede evaluar y se produce aliasing.
Como vemos estas propiedades eran vlidas para las series de Fourier
discretas.
89
Anlisis de Fourier
Seales discretas
N=9
2
k tk = kt xk n n = Nt n Xn
0 0 0 0 0 204
1 1 1 1 2/9 -2.03+11.27i
2 2 4 2 4/9 -29.61+48.27i
3 3 9 3 6/9 -34.50+23.38i
4 4 16 4 8/9 -35.86+7.14i
5 5 25 5 10/9 -35.86-7.14i
6 6 36 6 12/9 -34.50-23.38i
7 7 49 7 14/9 -29.61-48.27i
8 8 64 8 16/9 -2.03-11.27i
La frecuencia de muestreo fs y de Nyquist fnq son
1 fs 1
fs = = 1 Hz = 2 rad/s, fnq = = = 0,5 Hz = rad/s.
t 2 2t
Para n=0 el resultado es real y es la suma de los xk
N1
X
X0 = xk = 204
k=0
90
Anlisis de Fourier
Seales discretas

Se cumple que Xn = XNn , n = 1, 2, . . . , N/2. Efectivamente
X1 = X8 , X2 = X7 , X3 = X6 , X4 = X5 .
* Luego la mitad de la informacin es redundante, ya que conociendo

los trminos desde n = 1 hasta n = N1
2 se pueden conocer los
trminos desde n = N+12 hasta n = N 1.
* La frecuencia ms alta que se puede evaluar es
N 1
kmax = N1 = (2(N 1)/2)/(Nt) = = 8/9
2 t N
* Por lo tanto no es posible evaluar la frecuencia de Nyquist ( N ) con
2
N impar.
* Si la seal original tiene una frecuencia mayor que N1 entonces la
2
DFT no la puede evaluar y se produce aliasing.
91
Anlisis de Fourier
Seales discretas
N=8, xk N=8, |Xn|

80 250
200
60
150
|Xn|
t2
40
100
20
50
0 0
0 2 4 6 8 0 0.8 1.6 2.4 3.1 3.9 4.7 5.5
tk (s) n (rad/s)
N=9, xk N=9, |Xn|

80 250
200
60
150
|Xn|
t2
40
100
20
50
0 0
0 2 4 6 8 0 0.7 1.4 2.1 2.8 3.5 4.2 4.9 5.6
tk (s) n (rad/s)
92
Anlisis de Fourier
Seales discretas
Ejemplo
Sean N datos reales, {xj , j = 0, 1, . . . , N 1}. La transformada discreta
de Fourier y la transformada inversa de estos datos se define como
N1
X 2jk
Xk = xj e i N , k = 0, 1, . . . , N 1
j=0
N1
1 X 2jk
xj = Xk e i N , j = 0, 1, . . . , N 1
N
k=0
Expresar la transf. discreta de Fourier como suma de senos y cosenos.

Para k = 0
N1
X
X0 = xj
j=0
Es la suma de todos los datos de partida, y por lo tanto, es un
nmero real. Esto es vlido tanto si N es par como si es impar. En el
resto de pasos hay que distinguir entre ambas situaciones:
93
Anlisis de Fourier
Seales discretas
N es par
Para k = N
2
N1 N1 N1
i 2jN/2
X X X
ij
XN = xj e N = xj e = xj cos(j)
2
j=0 j=0 j=0
luego es la suma de los nmeros pares menos la suma de los

nmeros impares (y tambin es un nmero real).
Para k = 1
N1
X 2j
X1 = xj e i N
j=0
que es un nmero complejo. Pero
N1 N1 N1
X 2j (N1) X 2j X 2j
XN1 = xj e i N = xj e i2j e i N = xj e i N
j=0 j=0 j=0
Es decir, XN1 es el complejo conjugado de X1 . Y en general se

cumple que XNr es el complejo conjugado de Xr , para
r = 1, 2, . . . , N2 1.
94
Anlisis de Fourier
Seales discretas
Teniendo en cuenta estas tres propiedades podemos hacer

N1
1 X 2jk
xj = Xk e i N =
N
k=0
N/21
1 1 X 2jk 2j (Nk)

= X0 + X N cos(j) + Xk e i N + XNk e i N
N N 2
k=1
N/21
1 1 1 X 2jk 2jk

= X0 + X N cos(j) + Xk e i N + Xk e i N
N N 2 N
k=1
dnde Xk
es el complejo conjugado de Xk . Supongamos que
Xk = zk + iyk ; desarrollando

i 2jk i 2jk 2jk 2jk
Xk e N + Xk e N = (zk + iyk ) cos + i sin +
N N

2jk 2jk 2jk 2jk
(zk iyk ) cos i sin = 2zk cos 2yk sin
N N N N
95
Anlisis de Fourier
Seales discretas
Sustituyendo arriba
N/21
1 1 1 X 2jk 2jk

xj = X0 + X N cos(j) + Xk e i N + Xk e i N
N N 2 N
k=1
N/21
1 1 1 X 2jk 2jk
= X0 + X N cos(j) + 2zk cos 2yk sin
N N 2 N N N
k=1
N/2
a0 X 2jk 2jk
= + ak cos + bk sin
2 N N
k=1
donde
2zk 2yk
ak = , bk =
N N
XN
aN = 2, bN = 0
2 N 2
96
Anlisis de Fourier
Seales discretas
Esta ecuacin se puede agrupar un poco ms

N/2
X 2jk 2jk
xj = ak cos + bk sin
N N
k=0
donde
X0
a0 = , b0 = 0
N
XN
2
aN = , bN = 0
2 N 2
2zk 2yk
ak = , bk =
N N
97
Anlisis de Fourier
Seales discretas
N es impar
Para k = 1
N1
X 2j
X1 = xj e i N
j=0
que es un nmero complejo. Pero

N1 N1 N1
i 2j (N1) i2j i 2j 2j
X X X
XN1 = xj e N = xj e e N = xj e i N
j=0 j=0 j=0
Es decir, XN1 es el complejo conjugado de X1 . Y en general se cumple

que XNr es el complejo conjugado de Xr , para r = 1, 2, . . . , N1
2 .
98
Anlisis de Fourier
Seales discretas
Teniendo en cuenta estas tres propiedades podemos hacer

N1
1 X 2jk
xj = Xk e i N =
N
k=0
(N1)/2
1 X 2jk 2j (Nk)

= X0 + Xk e i N + XNk e i N
N
k=1
(N1)/2
1 1 X 2jk 2jk

= X0 + Xk e i N + Xk e i N
N N
k=1
dnde Xk
es el complejo conjugado de Xk . Supongamos que
Xk = zk + iyk ; desarrollando

i 2jk i 2jk 2jk 2jk
Xk e N + Xk e N = (zk + iyk ) cos + i sin +
N N

2jk 2jk 2jk 2jk
(zk iyk ) cos i sin = 2zk cos 2yk sin
N N N N
99
Anlisis de Fourier
Seales discretas
Sustituyendo arriba
(N1)/2
1 1 X 2jk 2jk

xj = X0 + Xk e i N + Xk e i N
N N
k=1
(N1)/2
1 1 X 2jk 2jk
= X0 + 2zk cos 2yk sin
N N N N
k=1
(N1)/2
a0 X 2jk 2jk
= + ak cos + bk sin
2 N N
k=1
donde
2zk 2yk
ak = , bk =
N N
O tambin como
(N1)/2
X 2jk 2jk
xj = ak cos + bk sin
N N
k=0
donde
X0 2zk 2yk
a0 = , b0 = 0, ak = , bk = 100
Anlisis de Fourier
Seales discretas
Ejemplo
La transformada de Fourier continua estaba definida para frecuencias
positivas y negativas.
Z
h(t) = H()e it d

Expresar tambin la transformada de Fourier discreta para frecuencias

positivas y negativas.
N1
X
xk = Xn e i2nk/N , k = 0, 1, , (N 1)
k=0
Para resolver este ejercicio nos basamos en la propiedad Xn = Xn .
101
Anlisis de Fourier
Seales discretas
Si N es par:
N/2
X
xk = Xn e i2nk/N , k = 0, 1, , (N 1)
n=N/21
* X0 y X N son reales.
2
N
* Xr = Xr , r = 1, . . . , 2
1.
Si N es impar:
(N1)/2
X
xk = Xn e i2nk/N , k = 0, 1, , (N 1)
n=(N1)/2
* X0 es real.
N1
* Xr = Xr , r = 1, . . . , 2
.
Si expresamos xk (tanto N par como N impar) como suma de senos
y cosenos obtenemos la misma expresion que antes.
102

03 Fourier PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

03 Fourier PDF

Cargado por

Copyright:

Formatos disponibles

Anlisis de Fourier

Jean-Baptiste Joseph Fourier (21 de marzo de 1768, Auxerre

A= 15, f = 2 Hz, T = 0.5 s A= 15, f = 2 Hz, T = 0.5 s

A= 5, f = 2 Hz, T = 0.5 s A= 5, f = 2 Hz, T = 0.5 s

A= 5, f = 4 Hz, T = 0.25 s A= 5, f = 4 Hz, T = 0.25 s

Ondas: y = Asin(t), y = Acos(t)

El recproco de la propiedad anterior tambin es cierto:

Una funcin f (t) es peridica de periodo T si cumple que

Por ejemplo, veamos la funcin peridica (T = 2):

La frecuencia fundamental es 1 = 2/T = .

f(t), f0(t) = 2 sin t

f(t), f1(t) = 2/3 sin 3 t f(t), f0(t) + f1(t)

f(t), f2(t) = 2/5 sin 5 t f(t), f0(t) + f1(t) + f2(t)

Por ejemplo, la funcin g (t) es peridica (T = 2) pero con valores

f(t), f0(t) = 1/2

La serie de Fourier de g (t) es:

Obviamente, la pregunta es: cmo se calculan an , bn y c?

Clculo de los coeficientes an y bn .

Teorema de la serie de Fourier

Nota: Los trminos an y bn se calculan integrando en un periodo. En las

Serie de Fourier compleja

Teniendo en cuenta sto

Teorema de la serie de Fourier en notacin compleja

Las ventajas de utilizar la serie es Fourier en complejos son:

* Los pares (t, f (t)) representan la funcin f en el dominio del

Frecuencia fundamental: 1 = 2/T = 1 rad/s.

f(t)=t2, f0(t) = 42/3

REAL(cn) IMAG(cn) MOD(cn) 2*MOD(cn), n>1

Luego el espectro est relacionado con el valor cuadrtico medio de la

En el caso de que tengamos una seal no peridica, se puede aplicar el

Figura: Seal no peridica.

1. Creando seal peridica.

Si tenemos una seal, f (t), definida entre ta y tb podemos crear una

La otra opcin consiste en definir una funcin peridica pero cuyo

Sustituyendo una en la otra

Por otro lado n = 2

Conforme T , d (se hace infinitsimo), n = n (la

Construir una funcin peridica vs Transformada de Fourier.

El espectro |H()| es continuo, en contraposicin al de |Cn | que es

Catalogo de transformadas de Fourier

Delta de Dirac o funcin impulso

(t) = lim (t)

(t) no es una funcin como las que trabajamos en anlisis: se encuadran

Cuando est aplicada en t = t0 :

(t) = lim (t0 , t)

Las ecuaciones son ahora:

Producto de la funcin impulso y una funcin ordinaria h(t)

Para el primer miembro

Producto de una funcin con un tren de impulsos

El resultado es otro tren de impulsos con altura

h(t)(t nt) = h(nt)(t nt)

Convolucin y su transformada de Fourier

Tamb. se indica como y (t) = x(t) h(t).

Ejemplo: convolucin de dos seales rectangulares.

Ejemplo: convolucin con impulsos.

Forma alternativa de la integral de convolucin

En la figura de la izquierda se hace la

Teorema (Teorema de convolucin en el tiempo)

Teorema (Teorema de convolucin en frecuencia)

Ejemplos del teorema de convolucin en el tiempo

Ejemplos del teorema de convolucin en frecuencia

Correlacin y su transformada de Fourier

Cuando x(t) = h(t), la correlacin se conoce como autocorrelacin de