Análisis de Señales en Geofísica

6° Clase
Discretización de una
Señal Analógica

Facultad de Ciencias Astronómicas y Geofísicas,

Universidad Nacional de La Plata, Argentina
 Transformada Integral de Fourier

Recordemos que una función f (t ), definida en un dominio continuo (, ), se

puede representar como una combinación lineal de exponenciales complejas:

1
 F ()e
it
f (t )  d Síntesis o Transformada Inversa
2 

Donde el espectro de frecuencia F () está dado por la siguiente expresión:


F ( )  

f (t )e  it dt Análisis o Transformada Directa

Indicaremos de la siguiente manera que F () es la transformada integral de Fourier de

la función f (t ) :
f (t )  F ()

Discretización de una 2
Señal Analógica
 Muestreo de una Señal Analógica
Consideremos una señal analógica xa (t ) cuya transformada integral de Fourier está
dada por: 
X a ( )  

xa (t )e it dt

Su transformada inversa de Fourier es:


1
xa (t ) 
2 

X a ()eit d 

La señal discretizada xn se puede expresar de la siguiente manera:


1
xn  xa (nt ) 
2 
 X a ()eint d 

Por conveniencia expresamos esta integral como una sumatoria de integrales:


(2 r 1)
 t
1
xn 
2
  X
r 
a ()eint d 

(2 r 1)
t
Discretización de una 3
Señal Analógica
 Muestreo de una Señal Analógica
2
Hacemos el siguiente cambio de variables   ´ r:
 
t
(2 r 1)
1  t
1  t
 2 
xn 
2
 
r 
X a ()e int
d 
2

r  
X a  ´
 t
r ei´nt ei 2 rn d ´

 
(2 r 1)
t t

Simplificando la exponencial compleja e intercambiando el orden de la sumatoria y de

la integral, obtenemos: 
t
1    2   int
xn     X
2   r  
a   r  e
t  
d
t

Ahora hacemos el siguiente cambio de variables   , y obtenemos:
t

1 1    2 
xn 
2   t r

X a
 t

t
r  ei n d

Dejemos por un momento esta ecuación.
Discretización de una 4
Señal Analógica
 Series de Fourier

Recordemos que una función f (t ) que está definida en un dominio continuo, y que
además es periódica, de período T , se la puede desarrollar en series de Fourier de la
siguiente forma:
 2

ae
i nt
f (t )  n
T

n 

Donde los coeficientes de Fourier an están dados por:

T
2 2
1 i nt
an 
T  f (t )e
T
T
dt
2

Discretización de una 5
Señal Analógica
 Series de Fourier
Una función periódica, de período T , tendrá un espectro de frecuencias o transformada
integral de Fourier dado por líneas espectrales de amplitud 2 ak , ubicadas en múltiplos
2
de la frecuencia fundamental:  k  0 k  k , es decir:
T

F ()  2  a  (   k )
k 
k 0

La síntesis de la señal en tiempo está dada por:

  
1 1
f (t ) 
2  F (  ) e dt it

2  2  a  (   k )e
k 
k 0
i t
dt
 
  
f (t )   a   (    k )e
k 
k 0
it
dt  ae
k 
k
i0 kt



 2

ae
i nt
f (t )  n
T

n 
Discretización de una 6
Señal Analógica
 Muestreo de una Señal Analógica
La respuesta en frecuencia o transformada de Fourier de una señal discreta está dada
por: 
X ( )   xn e i n
n 

Teniendo en cuenta que X ( ) es una función continua y periódica de la frecuencia,

podemos intercambiar los roles de tiempo y frecuencia, y utilizar series de Fourier
para escribir: 1 
xn  
2 
X ( )ei n d

Ahora comparando con la expresión que obtuvimos anteriormente:


1 1    2   i n
xn 
2   t r

X a
 t

t
r  e d

Podemos ver que la relación entre la transformada de Fourier de la señal discretizada
y la transformada de Fourier de la señal analógica es:

1    2 
Discretización de una
X ( )   X a 
t r   t t
r
 7
Señal Analógica
 Muestreo de una Señal Analógica
X a ( )

 max  max

X ( )
1 t
1    2 
X ( )   Xa  
t r   t t
r

max max  max t

X ( )
1 t

max max  max t

Discretización de una 8
Señal Analógica
 Aliasing en Frecuencia
Teorema del Muestreo
Podemos ver que si el intervalo de muestreo t es muy grande las repeticiones del
espectro de frecuencia se solaparán, en ese caso las frecuencias más altas del espectro
se mezclarán con las más bajas. Este fenómeno en el cual las frecuencias más altas
toman la identidad de las más bajas es conocido como aliasing . Es claro que si la
frecuencia máxima  max presente en la señal es menor que la mitad de la frecuencia
de muestreo no se producirá solapamiento entre repeticiones. Como ya hemos visto
a la mitad de la frecuencia de muestreo se la llama frecuencia de Nyquist:

 N  12 S 
t
La condición para evitar aliasing es:

 max   N 
t
Esto es conocido como Teorema del Muestreo.
Discretización de una 9
Señal Analógica
 Aliasing en Tiempo
Análogamente cuando discretizamos en frecuencia producimos periodicidad en tiempo
2
de período :


2 tmax 2 t

 
2
Para que no se produzca aliasing Veamos a qué es igual :

en tiempo se debe cumplir que:     t
tmax  2      t
tmax   N  1 t  M t 2
   t
 N  1  M M
2
NM  M  t
Discretización de una  10
Señal Analógica
 Interpolación Seno Cardinal
Si cumplimos con la condición del teorema de Nyquist, podemos recuperar la señal
analógica a partir de la señal discreta. Veamos como hacerlo:
1  
X (  t )  X a ( ) si 
t t t
Utilizando la transformada integral de Fourier, teniendo en cuenta que la señal es de
banda limitada, y que cumple con Nyquist, podemos escribir:
 
t t
1 1
 X a ()eit d   
it
xa (t )  t  X ( t ) e d
2  2 
t t


Como: X (t )   x (nt )e
n 
a
 itn

Entonces:

1 t
   itn  it
xa (t ) 
2   n
t 

xa ( nt )e  e d

t
Discretización de una 11
Señal Analógica
 Interpolación Seno Cardinal
Intercambiando el orden de la sumatoria y de la integral, obtenemos:

  t

 
 itn  it

 t 
t
1
 a  n  2  i  t  nt 

2 
xa (t )   t  x ( n  t ) e  e d   x e d  
t
 n   n 
 

t
Resolviendo la integral:   
i  t  nt  i  t  nt   i  t  nt 
  t e  t 
e  t
e t 
xa (t )   xn     xn
n   2  i  t  n  t     n  2i

 t  nt 
t
t
 

sin  t  t  n t  
x (t )  a  x n

n 
 t  nt 
t
Esta expresión nos permite recuperar la señal analógica de banda limitada a partir de las
muestras tomadas con un intervalo de muestreo t    max y es conocida como
interpolación seno cardinal (Sinc interpolation).
Discretización de una 12
Señal Analógica
 Interpolación Seno Cardinal
∞ 𝜋 𝜋
𝑠𝑖𝑛 ∆𝑡 𝑡 − 𝑛∆𝑡 𝑠𝑖𝑛 ∆𝑡 𝑡 𝜋
𝑥𝑎 𝑡 = 𝑥𝑛 𝜋 = 𝑥𝑛 ∗ 𝜋 = 𝑥𝑛 ∗ 𝑠𝑖𝑛𝑐 𝑡
∆𝑡
𝑛=−∞ ∆𝑡 𝑡 − 𝑛∆𝑡 ∆𝑡 𝑡

Discretización de una 13
Señal Analógica
 Transformada de Fourier
de la Función Cajón
Definimos a la función cajón como:
1 si T  t  T
f (t )  
0 si T  t  T

El cálculo de su transformada de Fourier es inmediato:

 T
eit eiT  e iT eiT  e iT
T

 f (t )e dt   e dt 
 it  it
F ()    2T
 T i t T
i i 2  T

sin  T 
F ()  2T
T

Discretización de una 14
Señal Analógica
 Transformada de Fourier
de la Función Cajón
La longitud de la función cajón en tiempo es   2T . Definimos al ancho de banda
2
del seno cardinal como la distancia entre sus dos primeros cruces por cero = .
T
El producto de las longitudes en uno y otro dominio será constante:

2
    2T  4
T

Por lo tanto, una función cajón larga en tiempo tendrá una respuesta angosta en
frecuencia y viceversa. En el límite cuando la longitud de la función cajón en tiempo
tienda a infinito el seno cardinal en frecuencia tenderá a una delta de Dirac.

Discretización de una 15
Señal Analógica
 Transformada de Fourier
de la Función Cajón
Utilizando la propiedad de simetría de la transformada de Fourier:
1
si f (t )  F () entonces F (t )  f ()
2
Podemos demostrar que la transformada de Fourier de una función seno cardinal es una
función cajón:
1 si  0    0
F()  
0 si  0    0

El cálculo de la transformada inversa de Fourier es inmediato:

1 sin  0t  0 sin  0t 

f (t )  20 
2  0t   0t

Discretización de una 16
Señal Analógica
 Transformada de Fourier
de la Función Cajón

0


Discretización de una 17
Señal Analógica
 Resolución en Frecuencias

Cuando observamos una señal que se extiende desde  hasta  lo

hacemos desde un instante inicial hasta un instante final, es decir que al
observar la señal la estamos multiplicando en tiempo por una función
cajón, lo cual es equivalente a convolucionar su espectro de frecuencia por
una función seno cardinal. El efecto de esta convolución es el de
distorsionar el espectro de frecuencias suavizándolo, por lo tanto estamos
perdiendo resolución en el espectro de frecuencia. Esta pérdida de
resolución debida a la longitud finita de los datos observados es inevitable
y solo podemos mejorar la resolución observando la señal durante un
tiempo más prolongado. Si la función cajón es muy larga la función seno
cardinal será muy angosta, en el límite para una longitud de observación
que tienda a infinito el seno cardinal tenderá a una delta de Dirac. Por el
contrario si el tiempo de observación es muy corto, la función cajón será
muy corta y el seno cardinal será muy ancho, lo que provocará una pérdida
severa de resolución en frecuencia.

Discretización de una 18
Señal Analógica
 Otra forma de ver la interpolación
seno cardinal:
Vimos que la relación entre la transformada de Fourier de una señal analógica y la
transformada de Fourier de la misma señal pero discretizada está dada por:

1 
X (t )  
t r 
X a (   S r )

Si multiplicamos a esta expresión por t y por la siguiente función cajón:

    
1 si   sin  t 
F ()  
t t
TF-1  F ()  f (t ) 
1  t 
0   t 
si   t
 t t t

Obtenemos una expresión para recuperar la transformada de Fourier de la señal

analógica a partir de la transformada de Fourier de la señal discretizada, siempre
que hayamos cumplido con el criterio de Nyquist:

X a ()  t  F ()  X (t )

Discretización de una 19
Señal Analógica
 Otra forma de ver la interpolación
seno cardinal:
La operación equivalente en el dominio del tiempo será:

xa (t )  t  f (t ) * xn  X a ()  t  F ()  X (t )

Esta es otra forma de llegar a la fórmula de interpolación seno cardinal:

   
sin  t  
sin  t  t  nt  
1  t   
xa (t )  t  f (t ) * xn  t  * xn   xn
t  
t n 
 t  nt 
t t

Esta expresión puede interpretarse como una sumatoria de senos cardinales escalados
y retardados.

Discretización de una 20
Señal Analógica
 ¿Tiempo Limitado-Banda Limitada?
En la práctica siempre que apliquemos la transformada discreta de
Fourier, la señal tendrá que ser de banda limitada en frecuencia, para
poder discretizarla en tiempo, y de longitud limitada en tiempo, para
poder discretizarla en frecuencia y así implementar la transformada
discreta de Fourier con un número finito de términos.
Sin embargo, el teorema de tiempo limitado-banda limitada nos dice
que ninguna señal puede ser simultáneamente de tiempo limitado y de
banda limitada, excepto el caso trivial cuando la señal es constante e
igual a cero.
En la práctica veremos que las señales pueden tender asintóticamente
a cero hasta alcanzar valores tan pequeños que están por debajo del
valor más pequeño que podemos observar y podremos por lo tanto, a
los fines prácticos, considerarlas nulas. El ejemplo típico es el seno
cardinal el cual está definido con valores distintos a cero entre menos
infinito e infinito, sin embargo a partir de cierto tiempo el valor de la
función será tan pequeño que podremos considerarlo nulo.
Discretización de una 21
Señal Analógica
 Bibliografía:

 Karl, John H. (1989), An introduction to Digital Signal

Processing, Academic Press, Chapter Six.
Oppenheim, Alan V. and Schafer, Roland W. (1975),
Digital Signal Processing, Prentice-Hall, Inc.

Discretización de una 22
Señal Analógica