Universidad Nacional

“Pedro Ruiz Gallo”

Facultad de Ciencias Físicas y Matemáticas

INGENIERÍA ELECTRÓNICA

SEÑAL DE BANDA LIMITADA,

TRANSFORMADA DE FOURIER DISCRETA
GRUPO N° - 6

Curso : Telecomunicaciones II.

Docente : Ing. Nombera Lossio Martin.
Integrantes :
o Bustamante Pérez Andrés.
o Inga Pérez Deyvi.
o Sialer Rivas Jean.
o Tarrillo Vásquez Julio.
o Vidaurre Santisteban Rooyer.

Lambayeque – 10 de Octubre – 2018

 Trabajo N° - 1.

I.- Información General:

Titulo:
● SEÑAL LIMITADA EN BANDA.
● TRANSFORMADA DE FOURIER DISCRETA.

Integrantes:

➢ Bustamante Pérez Andrés.

➢ Inga Pérez Deyvi.
➢ Sialer Rivas Jean.
➢ Tarrillo Vásquez Julio.
➢ Vidaurre Santisteban Rooyer.
Fecha de presentación:

10/10/2018

● Objetivos.
En el presente trabajo se dará a conocer los conceptos teóricos y
aplicaciones en la actualidad en los temas de señal de banda limitada
y transformada de Fourier discreta.
 SEÑALES DE BANDA LIMITADA
Ancho de banda.
El ancho de banda (tanto de una señal como de un canal) indica el tamaño de la gama de
frecuencias que se utilizan en la comunicación. Hay varias definiciones para ancho de
banda, según se quieran resaltar unas características u otras. Estas definiciones pueden
aplicarse lo mismo al caso del ancho de banda de una señal o de un canal. El ancho de
banda puede definirse en de muchas formas, se usará la que más convenga para la
aplicación que se esté desarrollando. En cierta forma, aunque no es lo mismo, pero el
ejemplo sirve, ocurre lo mismo que cuando nos referimos a la longitud.

Señales de banda limitada (bandlimited) y en tiempo.

Cuando F(ω) queda definida en un intervalo de frecuencias finito, se dice que f(t) está
limitada en banda.
Los espectros de Fourier de todas las señales (en realidad de todas las funciones reales,
que no son complejas, que no poseen parte imaginaria) están, por necesidad física,
limitadas en banda.
En transmisión de datos es bastante habitual trabajar con señales cuyo espectro de
frecuencias está limitado, es decir, que es diferente de cero sólo en un determinado
intervalo de frecuencias. Esta propiedad va a permitir que apliquemos unos teoremas muy
importantes para el procesamiento de este tipo de señales. Estas ideas se aplican
especialmente al caso de las comunicaciones digitales.
DEFINICIÓN DE SEÑALES LIMITADAS EN BANDA:
Una señal g(t) se dice que está limitada en banda a B Hertzios si
G(f) = ℑ[g(t)] = 0, f ≥ B

DEFINICIÓN DE SEÑALES LIMITADAS EN EL TIEMPO:

Una señal g(t) se dice que está limitada en el tiempo si g(t)=0 cuando |t| >T

TEOREMA.
Una señal no puede ser a la vez limitada en banda y en tiempo.
Ejemplos:
 Un pulso rectangular de duración T. Esta señal claramente es una señal limitada
en el tiempo, pero su espectro de frecuencias es infinito, no está limitado. En la
Figura 8 se muestra un pulso de amplitud 3 y duración 1, claramente es una señal
limitada en tiempo, pero no en banda.

 Un filtro pasa baja es una señal que está limitada en banda, pero por el contrario
no lo está en el dominio del tiempo.
 También podemos tener señales que no sean ni limitadas en tiempo, ni en banda.
Por ejemplo, el pulso exponencial (Figura 9).
  Las señales sinusoidales (Figura 10) son señales que no son limitadas en tiempo,
pero si en banda.

TRANSFORMADA DE FOURIER DISCRETA.

INTRODUCCION.
 El análisis de Fourier es un conjunto de técnicas matemáticas basadas en descomponer
una señal en sinusoides.
 La Transformada de Fourier Discreta (DFT) es la herramienta utilizada cuando se
trabaja con señales discretas.
 En la práctica la DFT se calcua en forma eficiente mediante la Transformada de Fourier
Rápida (FFT) tiene diversas aplicaciones en DSP tales como: análisis espectral,
convolución rápida, síntesis de sonido por modelado espectral, compresión de audio,
filtrado, etc.
Tipos de transformada.

Introduccion.
Hasta ahora nos hemos ocupado de señales analógicas y hemos visto cómo se puede pasar del
dominio temporal al dominio de la frecuencia mediante la transformada y las series de Fourier.

El problema que plantea el desarrollo visto hasta ahora es que sólo es 'fácilmente' aplicable a
aquellas señales para las que es posible calcular la integral de la transformada de Fourier y
esto sólo sucede para señales sencillas (pulsos rectangulares, triangulares, senos, cosenos,...),
pero no para señales reales como son la voz o los datos generados por un ordenador.

¿Qué hacer en estos casos?.

Se utiliza el ordenador para poder calcular la representación en el dominio de la frecuencia y

analizar los resultados. En los ordenadores sólo podemos trabajar con señales discretas, así
que el primer paso será transformar la señal analógica mediante el muestreo y a partir de la
señal muestreada usar lo que se denomina la transformada discreta de Fourier.

Diferencias entre transformada continua de Fourier y la discreta.

1. La transformada continua trabaja con señales (funciones) analógicas y la discreta con
una versión muestreada de la señal.
2. La transformada continua se calcula para todo el rango temporal: de -∞ a +∞.
3. La transformada continua de Fourier evalúa una función de frecuencia continua,
mientras que la transformada discreta evalúa una función discreta de la frecuencia.
 4. La transformada continua de Fourier está definida para todo el rango de frecuencias,
mientras que la discreta sólo se evalúa en un intervalo finito de frecuencias.

La ecuación de la transformada discreta de Fourier

La transformada discreta de Fourier se suele denotar por sus siglas en inglés: DFT
(Discrete Fourier Transform) y se calcula como:

Donde:

• N es el número de muestras

• x[n] es la señal discreta obtenida a partir de la analógica x(t), donde x[n]=x(nts)

• es el factor de girado.

Propiedades de la DFT
Periodicidad.
La señal discreta x[n], la definimos desde 0 hasta N-1, donde N es el número de
muestras. Pero no hay nada que nos impida calcular x[n] para una n mayor que N:

x[ ] n = x[n + iN], i = 0,1,2,...

en base a la expresión anterior.

Análogamente:

X[ ] k = X[k + iN], i = 0,1,2,...

es decir, que tanto la señal discreta como la DFT de la señal, son señales periódicas.

Linealidad.

entonces.

Desplazamiento circular de x[n]

Lo mismo que desplazamos las señales analógicas, podemos pensar en desplazar m
periodos de muestreo la señal. Si m toma un valor grande podemos ‘pasarnos’ y
quedarnos sin señal, es decir que necesitemos calcular un valor de x[n+m] con n+m
mayor que N, pero como hemos visto en la primera propiedad que esos valores se
pueden obtener ... en el fondo es equivalente a hacer un desplazamiento circular de
los datos. Matemáticamente esto se puede formular como:
 Desplazamiento circular de X[k]

Ejemplo TFD
 Tomaremos una onda simple de 1 Hertz con amplitud 1

Escogemos una frecuencia de Sampléo (muestras) de 8 Hz (Número de muestras N=8).

Los valores para esos puntos particulares escogidos por simetría son

Paso 1 ¿Cómo se obtienen estos valores?

Evaluando la Función Sen(x) Simétricamente, por ejemplo

Paso 2. A partir de estos valores de la Función, procedemos a aplicar la Transformada Discreta
de Fourier para obtener los 8 valores Discretos para las Frecuencias.

Valor Discreto X0

La Fórmula de Euler.

Aplicando la Fórmula de Euler Nos queda:

Valor Discreto X1

Aplicando la Fórmula de Euler Nos queda:

Valor Discreto X2
Valor Discreto X3

Valor Discreto X4
Valor Discreto X5

Valor Discreto X6
Valor Discreto X7

Transformada Rapida de Fourier.

Transformada rápida de Fourier y su aplicación en tratamiento de imágenes y

audio
la FFT es la forma optimizada de la DFT, logrando así menos complejidad en sus algoritmos
pudiéndose aplicar en temas “complejos” para realizar sus procedimientos de un manera más
fácil o más analítica. Sus diferentes e innumerables aplicaciones dan a demostrar su gran
efectividad en el campo de la ciencia y la ingeniería. Su énfasis en el tratamiento de
imágenes y audio permite el análisis de datos retornando patrones que con análisis detallado
se pueden desarrollar grandes aplicaciones.

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

París, 16 de mayo de 1983), matemático y físico francés conocido por sus trabajos sobre la
descomposición de funciones periódicas en series trigonométricas convergentes llamadas
series de Fourier, método con el cual consiguió resolver la ecuación del calor. La transformada
de Fourier recibe su nombre en su honor. FFT es la abreviatura usual del inglés Fast Fourier
Transform de un eficiente algoritmo que permite calcular la transformada discreta de Fourier y
su inversa.

La transformada rápida de Fourier es la versión más rápida de la transformada discreta de

Fourier (DFT). La FFT utiliza algunos algoritmos inteligentes para hacer lo mismo que la DFT
pero en mucho menos tiempo. La DFT es extremadamente importante en el área del análisis
de la frecuencia debido a que se necesita una señal discreta en el dominio del tiempo y que
transforma la señal en su representación de dominio de frecuencia discreta. La FFT es de gran
importancia en una amplia variedad de aplicaciones mencionaré algunas como:

 Tratamiento de imagen (jpeg) y audio (mp3).

 Reducción de ruido en señales, como el ruido blanco.

 Análisis en frecuencia de cualquier señal discreta.

 Análisis de vibraciones.

 Análisis de materiales y estadística.

 Síntesis, mediante la transformada inversa.

 Procesamiento de imagen lineal.

 Técnicas de imagen especial.

 Redes neuronales.

 Comprensión de datos.

 Procesamiento de señales digitales.

 Software DSP.

 Propagación del calor (fundamentos de la termodinámica).

 Algoritmo de encriptación.

 Complejidad computacional
Tratamiento digital de imágenes:
El tratamiento digital de imágenes es un campo en constante evolución en su vertiente
tecnológica, tanto en capacidad de procesamiento y transmisión con crecimiento exponencial,
pero también por el gran avance que han experimentado las técnicas de procesado digital en
áreas como el filtrado compresión y análisis de imágenes. Las aplicaciones actuales del
Tratamiento Digital de Imágenes son prácticamente innumerables y prometen deparamos
grandes sorpresas en un futuro próximo. La televisión digital, los videojuegos, la telefonía
móvil, el cine de animación, son solo algunos ejemplos del impacto que tiene actualmente en
la sociedad de consumo. En el ámbito industrial y de servicios destacan las aplicaciones de
visión artificial en inspección y robótica, así como el desarrollo espectacular que ha producido
en la generación y tratamiento de imágenes médicas.

Tratamiento digital de sonido.

El almacenamiento y reproducción puede hacerse usando dos criterios: magnetófono y
partitura.
1. Magnetófono (Sistema de muestreo)
El sistema magnetófono digitaliza la onda por el procedimiento de anotar repetidamente su
amplitud en intervalos de tiempo muy pequeños; es el denominado sistema de muestreo. En
todos los casos la onda es transformada en una serie de valores numéricos que se almacenan
en un fichero. Posteriormente el fichero puede ser leído por un programa especial, y sus datos
enviados secuencialmente a un dispositivo que es capaz de regenerar una tensión eléctrica
proporcional a los valores (numéricos) recibidos, de forma que se asemeja a la forma de onda
original. La tensión producida es entregada a su vez a un altavoz que la transforma finalmente
en “sonido”
2. Partitura:
El sistema partitura utiliza un lenguaje especial, parecido al de los músicos, para almacenar
información sobre cada nota. Es un lenguaje adaptado a las necesidades de la representación
del sonido. El “fuente” es una partitura electrónica que indica cuando se debe sonar una nota,
por cuanto tiempo, con que volumen y cómo debe terminar. Después de un cierto proceso de
compilación, en vez de producir un ejecutable normal, producen un sonido binario. Es decir, un
fichero .wap, .au, .snd, .mid, .mp3, .aiff entre otros.

Ejemplo tratamiento de imágenes:

Reconocimiento de huellas dactilares. La huella dactilar tiene características únicas llamadas
minucias, las cuales son puntos donde los bordes terminan o se dividen. El sistema de
reconocimiento consiste de siete pasos: Adquisición, Etapa de Preprocesamiento, Aclaración,
Adelgazamiento, Extracción de Minucias, Reconocimiento y algunas veces una etapa de
Verificación.
https://alojamientos.uva.es/guia_docente/uploads/2013/463/45227/1/Documento3.pdf
https://www.eumus.edu.uy/eme/ensenanza/electivas/dsp/presentaciones/clase05.pdf
http://www.escuelasuperiordeaudio.com.ve/articles/dtffinalA.pdf