Tarea 5 Programación

Universidad del Bío-Bío
Departamento de
Ingeniería Mecánica
Tarea N°5
Programación
Integrantes: Bastián Asman

Rolando Aguayo
Sección: 01
Fecha: Lunes, 16 de Julio. 2018
Profesor: Jorge Fernández González
Asignatura: Programación
Código: 440121
Departamento de
Introducción
La vida diría del ser humano, que está en constante cambio, consiste en hacer más
ameno su día a día, por ende, la tecnología cada vez nos hace la vida más fácil. A
continuación, mostraremos un ejemplo de este y como un software nos posibilita un
cálculo rápido, preciso y automático.
El presente trabajo tiene como finalidad, entregar una forma útil y moderna de
calcular una transformación matemática llamada Transformada de Fourier (TDF),
este método consiste en convertir una curva a una suma de senos y cosenos.
Además, través de una serie de ejercicios se graficará este proceso y se concluirá
al respecto.
Departamento de
Índice
Introducción........................................................................................................................................ 2
Marco Teórico ..................................................................................................................................... 4
Conclusión ......................................................................................................................................... 77
Referencias ....................................................................................................................................... 79
Departamento de
Marco Teórico
La transformada de Fourier consiste en convertir una curva a una suma de senos y

cosenos.
Fig 0.1.1 “Transformada de Fourier a una onda cuadrada”
Esto permite fragmentar una señal y obtener los armónicos que la componen,
obteniéndose las amplitudes de estos
Fig 0.1.2 “Amplitudes de los armónicos de una transformada de fourier”
Utilizando FFT (Fast Fourier Transform) es posible obtener las transformadas de

Fourier de forma bastante rápida sin mucho costo computacional
Departamento de
Resultados, Código y Solución
Señal 1 – Para N=3
Fig1.1.1.1 “Gráfico de la función”

Departamento de
Fig1.1.1.2 “Composición de la curva”

Departamento de
Fig.1.1.1.3 “Transformada de fourier”

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de
Señal2 – Para N=3

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de

Departamento de
a) 32,375 ciclos con un periodo de 0.04 [s]

b)
Fig. 3.1 “f(x) y |f(x)| de 0 a 250 Hz”

Departamento de
c) El resultado entregado, es el esperado, ya que estas curvas están graficadas en el mismo

tiempo.
Cuando se utiliza la FFT para medir el componente de frecuencia de una señal, usted está
basando el análisis en un conjunto finito de datos. La transformada FFT real asume que es
un conjunto finito de datos, un espectro continuo que es un periodo de una señal periódica.
Para la FFT, tanto el dominio del tiempo como el dominio de frecuencia son topologías
circulares, por lo que los dos extremos de la forma de onda de tiempo son interpretados
como si estuvieran conectados entre sí. Cuando la señal medida es periódica y un número
entero de periodos llena el intervalo de tiempo de adquisición, la FFT resulta bien, ya que
coincide con esta suposición.
La medida de un número entero de periodos (arriba) brinda una FFT ideal (abajo).
Sin embargo, muchas veces, la señal medida no es un número entero de periodos. Por lo
tanto, la finitud de la señal medida puede dar lugar a una forma de onda truncada con
diferentes características a la señal de tiempo continuo original y la finitud puede introducir
cambios de transición brusca en la señal medida. Las transiciones bruscas son
discontinuidades.
Cuando el número de períodos en la adquisición no es un entero, los extremos son
discontinuos. Estas discontinuidades artificiales se muestran en la FFT como componentes
de alta frecuencia que no se presentan en la señal original. Estas frecuencias pueden ser
mucho más altas que la frecuencia de Nyquist y son escalonadas entre 0 y la mitad de su
velocidad de muestreo. El espectro se obtiene al usar una FFT, por lo tanto, no es el
espectro real de la señal original, sino una versión distorsionada. Parece como si la energía
en una frecuencia se fuga a otras frecuencias. Este fenómeno se conoce como la fuga
espectral, lo que hace que las líneas espectrales finas se difundan en señales más amplias.
Departamento de
Medir un número no entero de periodos (arriba) añade fuga espectral a la FFT (abajo).
Puede minimizar los efectos de realizar una FFT sobre un número no entero de ciclos al
usar una técnica llamada de funciones ventana. Las ventanas reducen la amplitud de las
discontinuidades en los límites de cada secuencia finita adquirida por el
digitalizador. Consisten en multiplicar el registro de tiempo por una ventana de longitud finita
con una amplitud que varía poco a poco hacia cero en los bordes. Esto hace que los
extremos de la forma de onda se encuentren y por lo tanto, da como resultado una forma
de onda continua y sin transiciones bruscas. Esta técnica también se conoce como aplicar
una ventana.
Aplicar una ventana minimiza el efecto de la fuga espectral.

Las funciones ventana permiten multiplicar otras funciones, con la diferencia que la función
entregada solo puede estar en el rango entregado por la función ventana.
El uso principal de estas funciones es en análisis y procesamiento de señales, con el fin de
evitar descontinuidades en la señal que se desea analizar.
Una gráfica real de una ventana muestra que la característica de frecuencia de una ventana
es un espectro continuo con un lóbulo principal y varios lóbulos laterales. El lóbulo principal
se centra en cada componente de frecuencia de la señal de dominio del tiempo y los lóbulos
laterales se aproximan a cero. La altura de los lóbulos laterales indica el efecto que la
función de ventanas tiene en las frecuencias alrededor de los lóbulos principales. La
respuesta del lóbulo lateral de una señal sinusoidal fuerte puede dominar la respuesta del
lóbulo principal de una señal sinusoidal débil cercana. Por lo general, los lóbulos laterales
más bajos reducen la fuga en la FFT medida, pero aumentan el ancho de banda del lóbulo
Departamento de
mayor. El rango de corte del lóbulo lateral es el rango de caída asintótica de los picos del
lóbulo lateral. Al aumentar el rango de caída del lóbulo lateral, usted puede reducir la fuga
espectral.
Seleccionar una función de ventana no es una tarea simple. Cada función de ventana tiene
sus propias características y aptitud para diferentes aplicaciones. Para elegir una función
de ventana, usted debe calcular el contenido de la frecuencia de la señal.
La más sencilla de todas es la función ventana rectangular, que se define como
Fig. 4.1 “Definición de función ventana rectángular”

La función Hanning es en realidad la función de Hann, que se confunde con la de
hamming, que permiten un filtro similar.
La función de Hann tiene como fin permitir el paso de gran parte de los datos al centro de
la función, y recortar los bordes de forma suave, debido a que se forma una parábola
La función ventana de Hann se define como
Fig. 4.1 “Función de Hann(ing). a0 y a1 son los bordes. N y n son la longitud en x de la

ventana”
Las funciones de ventana Hamming y Hann tienen una forma sinusoidal. Ambas ventanas
resultan en un pico amplio, pero lóbulos laterales bajos. Sin embargo, la ventana Hann llega
al cero en ambos extremos, eliminando toda discontinuidad. La ventana Hamming no llega
a cero y por lo tanto todavía tiene una ligera discontinuidad en la señal. Debido a esta
diferencia, la ventana de Hamming realiza un mejor trabajo de cancelar el lóbulo lateral más
cercano, pero un mal trabajo al cancelar cualquier otro. Estas funciones de ventana son
útiles para medidas de ruido en las que se busca mejor resolución de frecuencia que
algunas de las otras ventanas, pero los lóbulos laterales moderados no representan un
problema.
Departamento de
a)
c) La diferencia de esta señal con la anteriormente utilizada, es que suaviza los borden
laterales y entrega datos centrados en la gráfica.
Fig. 6.1 “f vs |x(f)|”

b) Se asemeja bastante a una ventana de Hanning.
Departamento de
Grafico original
Departamento de
A)
dt1=0.0005;
t1=[0:dt1:0.5];
B)
dt2=0.0035;
t1=[0:dt2:0.5];
Departamento de
C)
Departamento de
D)
E) Debido al rango existente entre 0.0035 y 0.0005 que da como resultado un

∆t=0.0030, o de otra forma dicho a una razón de 1:7 en el tiempo, se puede observar
que al aumentar el N los rangos de aproximación de estas curvas se van juntando,
esto permite que un N más pequeño como 10 exista una diferencia no tan
considerable y disminuyéndola mucho más con un N igual a 100.
Departamento de
Conclusión
Realizadas las experiencias propuestas en el presente informe, se pueden llegar a

las siguientes conclusiones:
• La interpretación de los gráficos a pesar de ser clara y observable, puede

verse dificultada por la cantidad de datos entregados en las curvas de aproximación.
• Por otra parte, las funciones ventanas son más fáciles de analizar, ya que, al
ser más concisas en la entrega de datos, se pueden observar las discontinuidades
o para la acumulación de datos, lo cual representa la ventaja de análisis.
• La ventana de Hanning entrega datos centrados, dejando los bordes más

descubiertos, estas funciones de ventana son útiles para medidas de ruido en las
que se busca mejor resolución de frecuencia que algunas de las otras ventanas,
pero los lóbulos laterales moderados no representan un problema, esto nos entrega
una señal central de las muestras para ser analizada, por otra parte, la ventana
rectangular entrega una curva más parecida a una parábola, dejando un rango
extenso de datos.
• Respecto a la aproximación de curvas, se puede concluir que si el ∆t es más

cercano a 0, nos entregará una información más cercana a las gráficas originales,
ya que los cálculos realizados por el programa son en mayor cantidad y permite una
mayor optimización de la gráfica entregada.
• En esta asignatura, a través de diferentes métodos de programación, se ha

podido observar como los avances tecnológicos permiten una optimización y un
mayor rango para las programaciones. Tanto en velocidad de procesamiento como
en situaciones matemáticas que se necesiten realizar, las programaciones han
obtenido varios cambios al pasar de las últimas décadas, y continúan en evolución
constante, esto se debe a los avances científicos y tecnológicos que entregan
facilidades y componentes necesarios para resolver problemas asociados a la
Departamento de
realidad. Al observar estos avances nos hace cuestionarnos y preguntarnos ¿Qué

tan lejos nos llevará la ciencia?, ¿Qué tanto nos facilitarán los resultados las
programaciones?, solo podemos saber que esto continuará en constante evolución
y para obtener una mayor optimización hay que estar adecuados a los métodos
tanto antiguos como actuales de programación.
Departamento de
Referencias

Tarea 5 Programación

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

Tarea 5 Programación

Cargado por

Copyright:

Formatos disponibles

Universidad del Bío-Bío

Integrantes: Bastián Asman

Marco Teórico ..................................................................................................................................... 4

La transformada de Fourier consiste en convertir una curva a una suma de senos y

Fig 0.1.1 “Transformada de Fourier a una onda cuadrada”

Fig 0.1.2 “Amplitudes de los armónicos de una transformada de fourier”

Utilizando FFT (Fast Fourier Transform) es posible obtener las transformadas de

Resultados, Código y Solución

Señal 1 – Para N=3

Fig1.1.1.1 “Gráfico de la función”

Fig1.1.1.2 “Composición de la curva”

Fig.1.1.1.3 “Transformada de fourier”

Señal 1 – Para N=10

Fig1.1.2.1 “Gráfico de la función”

Fig1.1.2.2 “Composición de la curva”

Fig.1.1.2.3 “Transformada de fourier”

Señal 1 – Para N=100

Fig1.1.3.1 “Gráfico de la función”

Fig1.1.3.2 “Composición de la curva”

Fig.1.1.3.3 “Transformada de fourier”

Señal2 – Para N=3

Fig1.2.1.1 “Gráfico de la función”

Fig1.2.1.2 “Composición de la curva”

Fig.1.2.1.3 “Transformada de fourier”

Señal2 – Para N=10

Fig1.2.2.1 “Gráfico de la función”

Fig1.2.2.2 “Composición de la curva”

Fig.1.2.2.3 “Transformada de fourier”

Señal2 – Para N=100

Fig1.2.3.1 “Gráfico de la función”

Fig1.2.3.2 “Composición de la curva”

Fig.1.2.3.3 “Transformada de fourier”

Señal3 – Para N=3

Fig1.3.1.1 “Gráfico de la función”

Fig1.3.1.2 “Composición de la curva”

Fig.1.3.1.3 “Transformada de fourier”

Señal3 – Para N=10

Fig1.3.2.1 “Gráfico de la función”

Fig1.3.2.2 “Composición de la curva”

Fig.1.3.2.3 “Transformada de fourier”

Señal3 – Para N=100

Fig1.3.3.1 “Gráfico de la función”

Fig1.3.3.2 “Composición de la curva”

Fig.1.3.3.3 “Transformada de fourier”

Señal4 – Para N=3

Fig1.4.1.1 “Gráfico de la función”

Fig1.4.1.2 “Composición de la curva”

Fig.1.4.1.3 “Transformada de fourier”

Señal4 – Para N=10

Fig1.4.2.1 “Gráfico de la función”

Fig1.4.2.2 “Composición de la curva”

Fig.1.4.2.3 “Transformada de fourier”

Señal4 – Para N=100

Fig1.4.3.1 “Gráfico de la función”

Fig1.4.3.2 “Composición de la curva”

Fig.1.4.3.3 “Transformada de fourier”

Señal5 – Para N=3

Fig1.5.1.1 “Gráfico de la función”

Fig1.5.1.2 “Composición de la curva”

Fig.1.5.1.3 “Transformada de fourier”

Señal5 – Para N=10

Fig1.5.2.1 “Gráfico de la función”

Fig1.5.2.2 “Composición de la curva”