Documentos de Académico
Documentos de Profesional
Documentos de Cultura
de Telecomunicación)
µ µ ¶ µ ¶¶
1 2π 2π
P (t) = β0 + β1 exp ti + . . . + βN−1 exp (N − 1)ti
N T T
µ ¶
1X
N −1
2π
= βn exp n ti
N n=0 T
tal que
µ ¶
k
P T = yk , para todo k = 0, 1, . . . , N − 1.
N
Conviene mencionar que el factor inicial 1/N no es más que un convenio y se incluye
para seguir la notación habitual en los textos de procesado digital de señales; convenio
que, por otra parte, también utiliza el programa MATLAB.
Es bien conocido que este problema de interpolación tiene siempre solución única y
ello se debe a las notables propiedades de las matrices de Fourier.
⎡ ⎤
1 1 1 ··· 1
⎢ 1 ω ω2 ... ωN −1 ⎥
⎢ ⎥
⎢ 1 ω2 ω 4
· · · ω 2(N−1) ⎥
FN := ⎢ ⎥.
⎢ .. .. .. . . .. ⎥
⎣ . . . . . ⎦
N−1 2(N−1) (N−1)(N −1)
1 ω ω ··· ω
1
µ ¶
2πi
Como es usual, ω = exp , es decir, la raíz primitiva N-ésima de la unidad. En
N
concreto, se verifica que FN−1 = NFN e
1
y= FN β, β = FN y,
N
donde β = (β0 , β1 , . . . , βN−1 )t .
Ejercicio resuelto 1. Verifique numéricamente que F4 F4 = 4id4 .
>> fou4=[1 1 1 1;1 i -1 -i;1 -1 1 -1;1 -i -1 i]
>> fou4*conj(fou4)
2
hold on
plot(0:pi/2:3*pi/2,zeros(1,4),’or’)
hold off
shg
½ µ ¶ µ ¶¾ ½ µ ¶ µ ¶ ¾
2π 2π 2π 2π
cos 0 t = 1, cos M t ∪ sen n t , cos n t : n = 1, . . . , M − 1 .
T T T T
Xµ
M−1 µ
2π
¶ µ
2π
¶¶ µ
2π
¶
P (t) = a0 + an cos n t + bn sen n t + aM cos M t ,
n=1
T T T
tal que
3
Γ := {ao , a1 , . . . , aM , b1 , . . . , bM−1 }
están unívocamente determinados.
1X
N−1
h(t) := βn exp(nti).
N n=0
Al ser y un vector real, puede probarse que las coordenadas de β verifican que β0 , βM ∈ R
y βn = βN−n , para n = 1, . . . , M − 1. La utilidad de este aparente rodeo es que a partir de
β es inmediato el cálculo de los coeficientes del problema de interpolación trigonométrica
real. A saber
β0 2 Re(βn ) −2 Im(βn ) βM
a0 := , an := , bn := (n = 1, . . . , M − 1), aM := ,
N N N N
donde, lógicamente, {a0 , a1 , . . . , aM , b1 , . . . , bM−1 } son los coeficientes del polinomio de
interpolación trigonométrico real asociado a y en [0, 2π].
4
>> f1=3.125;f2=6.25;
>> y=0.5 +2*sin(2*pi*f1*t)+cos(2*pi*f2*t);
>> plot(t,y)
(Obtención de la muestra)
>> t=0:0.32/64:0.32;t=t(1:64);
>> m=0.5+2*sin(2*pi*f1*t)+cos(2*pi*f2*t);
(Fichero para la interpolación trigonométrica real)
function [a,b]=coeftrig(x,T,h)
N=length(x);M=N/2;
beta=fft(x);
a(1)=beta(1)/N; a(M+1)=beta(M+1)/N;
for i=2:M
a(i)=2*real(beta(i))/N;
b(i)=-2*imag(beta(i))/N;
end
%%%%%%%%%%%Dibujo del polinomio%%%%%%%%%%%
t=0:h:T;
p=2*pi/T;
L=T/h +1;
u=zeros(1,L);
for k=1:M-1
u=u+a(k+1)*cos(p*k*t)+b(k+1)*sin(p*k*t);
end
u=u+a(1)+a(M+1)*cos(p*M*t);
b=b(2:M);
plot(t,u),shg
function barfou(x,v)
N=length(x);M=N/2;
beta=fft(x);
beta(1)=beta(1)/2;
beta(M+1)=beta(M+1)/2;
beta=(2/N)*beta;
5
beta=beta(v);
bar(real(beta),’b’);
hold on
bar(imag(-beta),’r’);
hold off
shg
yn = f(nT ), n = 0, 1, · · · , N − 1.
La transformada discreta/rápida de Fourier nos permite convertir la señal digital anterior
(yn ) en el dominio del tiempo en un conjunto de puntos (βn ) que representan el contenido
en frecuencia. Puesto que los puntos en los que tomamos las muestras están igualmente
espaciados en el intervalo temporal [0, NT ], los coeficientes calculados con la transformada
discreta correspondiente a frecuencias separadas por (NT )−1 Hz.
6
Supongamos que tenemos una sunisoide de 10Hz con una duración de 10 segundos y
que la muestreamos de manera muy fina, por ejemplo, 1000Hz :
>> sf=1000; t=0:1/sf:1;
>> f=10; y=sin(2*pi*f*t);
Si diezmamos la senal discreta “y” tomando una muestra de cada k tenemos la secuencia
>> z=y(1:k:end);
La frecuencia de muestreo de la secuencia z será k veces menor que la de y :
fy 1000
fz = = Hz.
k k
Puesto que la señal original tiene 10Hz de frecuencia, la menor frecuencia de muestreo
aconsejable será de 20Hz, es decir, que como máximo podemos tomar k = 50. Si mues-
treamos tomando k > 50 aparecerá aliasing.
Otro aspecto a tener en cuenta al muestrear es el denominado fenómeno de leakage. Si
f es periódica de periodo p, el problema surge cuando T no es múltiplo de p. En concreto,
cuando no se muestrea sobre un número entero de ciclos de los armónicos presentes en la
señal, aquellas componentes de la DFT más cercanas a dichos armónicos se “dispersan
o derraman” a otras frecuencias. La razón del fenómeno estriba en que, al forzar en el
muestreo un periodo distinto del propio de la señal, intentamos realmente reconstruir una
señal más compleja (usualmente con más discontinuidades) que la original y que requiere,
por tanto, de un mayor número y variedad de frecuencias.
El leakage en el caso aperiódico surge, simplemente, de que tenemos necesariamente
que muestrear en un intervalo finito [0, L = NT ] y la señal puede tomar valores no nulos
en toda la recta real o en un intervalo muy grande. Nuevamente, esto puede forzar
discontinuidades no presentes en la señal y, de ahí, nuevamente el “derrame” a otras
frecuencias. Un modo de paliar este fenómeno es utilizar funciones (window functions)
ω(t) en [0, L] que decaigan suavemente en los extremos del intervalo y considerar, como
muestras de la señal, los valores (ω(nT )f(nT )).
7
>> m=sin(2*pi*f1*t)+2*sin(2*pi*f2*t);
(Análisis espectral)
barfou(m,1:206)
Nota: A tenor del análisis espectral, la “señal reconstruida” es