Documentos de Académico
Documentos de Profesional
Documentos de Cultura
03 Fourier PDF
03 Fourier PDF
Análisis de Fourier
F. Javier Cara
ETSII-UPM
Curso 2012-2013
1
Análisis de Fourier
Contenido
Señales continuas
Señales continuas periódicas. Serie de Fourier.
Señales continuas periódicas. Serie de Fourier compleja
Espectro
Señales continuas no periódicas. Serie de Fourier.
Señales continuas no periódicas. Transformada de Fourier.
Catalogo de transformadas de Fourier
Delta de Dirac
Convolución y su transformada de Fourier
Correlación y su transformada de Fourier
Señales discretas
Señales discretas periódicas. Serie de Fourier discreta.
Señales discretas no periódicas. Serie de Fourier discreta.
Señales discretas no periódicas. Transformada de Fourier en tiempo discreto.
Muestreo de señales
Transformada de Fourier discreta (DFT)
2
Análisis de Fourier
Señales continuas
Análisis de Fourier
◮ Señales continuas.
◮ Señales continuas periódicas.
◮ Serie de Fourier.
◮ Serie de Fourier compleja.
◮ Señales continuas no periódicas.
◮ Serie de Fourier.
◮ Transformada de Fourier.
◮ Señales discretas.
◮ Señales discretas periódicas.
◮ Serie de Fourier discreta.
◮ Señales discretas no periódicas.
◮ Serie de Fourier discreta.
◮ Transformada de Fourier en tiempo discreto (DTFT).
◮ Transformada de Fourier discreta (DFT).
3
Análisis de Fourier
Señales continuas
4
Análisis de Fourier
Señales continuas
Señales continuas periódicas. Serie de Fourier.
10 10
y=Acos(ωt)
y=Asin(ωt)
0 0
−10 −10
−20 −20
0 0.5 1 1.5 2 0 0.5 1 1.5 2
10 10
y=Acos(ωt)
y=Asin(ωt)
0 0
−10 −10
−20 −20
0 0.5 1 1.5 2 0 0.5 1 1.5 2
10 10
y=Acos(ωt)
y=Asin(ωt)
0 0
−10 −10
−20 −20
0 0.5 1 1.5 2 0 0.5 1 1.5 2
a1= 10, f1 = 2 Hz, T1= 0.5 s. b1= 10, f1 = 2 Hz, T1= 0.5 s.
x1=a1cos(ω1t)
y1=b1sin(ω1t)
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(ω2t)
y2=b2sin(ω2t)
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(ω3t)
y3=b3sin(ω3t)
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(ω4t)
20 y4=b4sin(ω4t) 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
Análisis de Fourier
Señales continuas
Señales continuas periódicas. Serie de Fourier.
K
P
◮ Al sumar ondas coseno, x(t) = ak cos(ωk t):
k=1
◮ Si ωk = n · ω1 , n ∈ N ⇒ x(t) es una onda periódica:
◮ 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(ωk t):
k=1
◮ Si ωk = n · ω1 , n ∈ N ⇒ y (t) es una onda periódica:
◮ El periodo de y (t) es T1 .
◮ y (0) = y (T ) = 0.
K
P
◮ En conclusión, f (t) = (ak cos(ωk t) + bk sin(ωk t)) es periódica:
k=1
◮ Si ωk = n · ω1 , n ∈ N ⇒ f (t) es una onda periódica:
◮ El periodo de f (t) es T1 .
PK
◮ f (0) = f (T ) = ak .
k=1
7
Análisis de Fourier
Señales continuas
Señales continuas periódicas. Serie de Fourier.
− 12
−1 < t < 0
f (t) = + 12 0<t<1
f (t) = f (t + 2) resto
2 2 2 2 2
f (t) = sinπt + sin3πt + sin5πt + sin7πt + sin9πt · · ·
π 3π 5π 7π 9π
En la figura siguiente se representa la función f(t) y los tres primeros
términos de la serie de Fourier. Se observa como con tan sólo tres
términos, la aproximación conseguida es notable.
9
Análisis de Fourier
Señales continuas
Señales continuas periódicas. Serie de Fourier.
0.5
−0.5
−1
−4 −2 0 2 4 6
0.5 0.5
0 0
−0.5 −0.5
−1 −1
−4 −2 0 2 4 6 −4 −2 0 2 4 6
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
Análisis de Fourier
Señales continuas
Señales continuas periódicas. Serie de Fourier.
Teorema
Cualquier función periódica de periodo T se puede descomponer en una
suma de senos y cosenos:
∞
X 2πn 2πn
f (t) = c + an cos t + bn sin t
n=1
T T
11
Análisis de Fourier
Señales continuas
Señales continuas periódicas. Serie de Fourier.
−1
−4 −2 0 2 4 6
f(t), f1(t) = 2π sin π 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) = 2/3π sin 3π 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) = 2/5π sin 5π 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
∞
X 2πn 2πn
f (t) = c + an cos t + bn sin t
n=1
T T
◮ Término c.
Z + T2 +T ∞ !
2πn 2πn
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
Análisis de Fourier
Señales continuas
Señales continuas periódicas. Serie de Fourier.
◮ Término a1 .
+T
2π
Z 2
f (t)cos t dt =
−T
2
T
+T ∞ !
2πn 2πn 2π
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
2π T 2π
Z 2
⇒ f (t)cos t dt = a1 ⇒ a1 = f (t)cos t dt
−T
2
T 2 T − T2 T
◮ Término an .
+T
2 2πn
Z 2
an = f (t)cos t dt
T −T
2
T
15
Análisis de Fourier
Señales continuas
Señales continuas periódicas. Serie de Fourier.
◮ Término b1 .
+T
2π
Z 2
f (t)sin t dt =
−T
2
T
+T ∞ !
2πn 2πn 2π
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
2π T 2π
Z 2
⇒ f (t)sin t dt = b1 ⇒ b1 = f (t)sin t dt
−T
2
T 2 T − T2 T
◮ Término bn .
+T
2 2πn
Z 2
bn = f (t)sin t dt
T −T
2
T
16
Análisis de Fourier
Señales continuas
Señales continuas periódicas. Serie de Fourier.
+T
2 2πn
Z 2
an = f (t)cos t dt, n = 0, 1, 2, . . .
T −T
2
T
+T
2 2πn
Z 2
bn = f (t)sin t dt, n = 1, 2, . . .
T −T
2
T
Análisis de Fourier
◮ Señales continuas.
◮ Señales continuas periódicas.
◮ Serie de Fourier.
◮ Serie de Fourier compleja.
◮ Señales continuas no periódicas.
◮ Serie de Fourier.
◮ Transformada de Fourier.
◮ Señales discretas.
◮ Señales discretas periódicas.
◮ Serie de Fourier discreta.
◮ Señales discretas no periódicas.
◮ Serie de Fourier discreta.
◮ Transformada de Fourier en tiempo discreto (DTFT).
◮ Transformada de Fourier discreta (DFT).
18
Análisis de Fourier
Señales continuas
Señales continuas periódicas. Serie de Fourier compleja
+T
1 2
Z 2
Cn = (an − ibn ) = f (t)e −inω1 t dt
2 T −T
2
+T
1 2
Z 2
Dn = (an + ibn ) = f (t)e inω1 t dt
2 T −T
2 19
Análisis de Fourier
Señales continuas
Señales continuas periódicas. Serie de Fourier compleja
ya que
+T +T
2 2 1 inω1 t
Z 2
Z 2
+ e −inω1 t dt
an = f (t)cosnω1 tdt = f (t) e
T −T
2
T −T
2
2
+T +T
2 2 1 inω1 t
Z 2
Z 2
− e −inω1 t dt
bn = f (t)sinnω1 tdt = f (t) e
T −T
2
T −T
2
2i
20
Análisis de Fourier
Señales continuas
Señales continuas periódicas. Serie de Fourier compleja
+T
1
Z 2
Cn = f (t)e −i2πnt/T dt, Cn ∈ C
T −T
2
Ejemplo
Desarrollar en series de Fourier f (t) = t 2 , 0 < t < 2π, con periodo 2π.
2 T 1 2π 2 8π 2
Z Z
a0 = f (t)dt = t dt =
T 0 π 0 3
Z T Z 2π
2 2πnt 1
an = f (t) cos dt = t 2 cos ntdt
T 0 T π 0
Integrando por partes
2π
1 2 sin nt cos nt sin nt 4
an = t + 2t 2 − 2 3 = n2
π n n n 0
T 2π
2 2πnt 1
Z Z
bn = f (t) sin dt = t 2 sin ntdt
T 0 T π 0
2π
1 2 cos nt sin nt cos nt 4π
= −t + 2t 2 + 2 3 =−
π n n n
0 n
22
Análisis de Fourier
Señales continuas
Señales continuas periódicas. Serie de Fourier compleja
1 1 4 4π 2 + i2πn
Cn = (an − ibn ) = +i =
2 2 n2 n n2
1 4π 2
C0 = a0 =
2 3
Por tanto
∞
4π 2 X
4 4π
f (t) = t 2 ≈ + 2
cos nt − sin nt
3 n=1
n n
∞
4π 2 X 2 + i2πn int
f (t) = t 2 ≈ + e
3 n=−∞
n2
n6=0
Espectro
◮ Un espectro es la representación de una señal en el dominio de la
frecuencia.
◮ Cuando tenemos senos-cosenos, el espectro consistepen representar
an y bn frente a ωn . Es preferible representar dn = an2 + bn2 frente
a ωn , 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 módulo (espectro de módulo) y la fase (espectro de fase).
◮ El espectro de módulo, |Cn |, es simétrico respecto al eje x = 0.
Cn = 21 (an − ibn )
⇒ C−n = Cn∗ ⇒ |C−n | = |Cn |
C−n = Dn = 21 (an + ibn )
◮ dn se reparte entre Cn y C−n en partes iguales:
1 1
|Cn |2 = (an2 +bn2 ), n = 0, 1, 2, . . . |C−n |2 = (an2 +bn2 ), n = 1, 2, 3, . . .
2 2
|Cn |2 + |C−n |2 = 2|Cn |2 = dn2 , n = 1, 2, 3, . . .
C0 = d0
25
Análisis de Fourier
Señales 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 10
0 0 0 0
Teorema de Parseval
Teorema
Sea f (t) una función periódica, 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 función periódica, 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=−∞
Análisis de Fourier
◮ Señales continuas.
◮ Señales continuas periódicas.
◮ Serie de Fourier.
◮ Serie de Fourier compleja.
◮ Señales continuas no periódicas.
◮ Serie de Fourier
◮ Transformada de Fourier.
◮ Señales discretas.
◮ Señales discretas periódicas.
◮ Serie de Fourier discreta.
◮ Señales discretas no periódicas.
◮ Serie de Fourier discreta.
◮ Transformada de Fourier en tiempo discreto (DTFT).
◮ Transformada de Fourier discreta (DFT).
28
Análisis de Fourier
Señales continuas
Señales continuas no periódicas. Serie de Fourier.
29
Análisis de Fourier
Señales continuas
Señales continuas no periódicas. Serie de Fourier.
2. Transformada de Fourier
f (t) t ∈ [ta , tb ]
h(t) =
0 resto
Sabemos que
∞
X
h(t) = Cn e i2πnt/T
n=−∞
+T
1
Z 2
Cn = h(t)e −i2πnt/T dt
T −T
2
32
Análisis de Fourier
Señales continuas
Señales continuas no periódicas. Transformada de Fourier.
∞ ∞
1
Z Z
−iωt
h(t) = h(t)e dt e iωt dω
−∞ 2π −∞
Teorema
La Transformada de Fourier y la Transformada Inversa de Fourier se
definen mediante:
Z ∞
1
H(ω) = h(t)e −iωt dt
2π −∞
Z ∞
h(t) = H(ω)e iωt dω
−∞
33
Análisis de Fourier
Señales continuas
Señales continuas no periódicas. Transformada de Fourier.
1
El factor 2π nosotros lo hemos asignado a H(ω), pero también lo
podíamos haber asignado a h(t). De hecho, no existe una solución
consensuada para este problema, y nos podemos encontrar las siguientes
definiciones para la transformada de Fourier:
Z ∞ Z ∞
1 1
H(ω) = h(t)e −iωt dt H(ω) = √ h(t)e −iωt dt
2π −∞ 2π −∞
Z ∞ Z ∞
1
h(t) = H(ω)e iωt dω h(t) = √ H(ω)e iωt dω
−∞ 2π −∞
Z ∞ Z ∞
H(ω) = h(t)e −iωt dt H(f ) = h(t)e −i2πft dt
−∞ −∞
∞ ∞
1
Z Z
iωt
h(t) = H(ω)e dω h(t) = H(f )e i2πft dω
2π −∞ −∞
34
Análisis de Fourier
Señales continuas
Señales continuas no periódicas. Transformada de Fourier.
Hay dos condiciones generales que tiene que cumplir la función h(t) para
tener transformada de Fourier:
◮ La función ha de ser absolútamente integrable, esto es,
R + T2
−T
|h(t)|dt < ∞.
2
◮ Cualquier discontinuidad de h(t) tiene que ser finita.
Aplicando la fórmula de Euler, la transformada de Fourier a veces se
escribe
Z ∞ Z ∞
1 1
H(ω) = h(t) cos(ωt)dt − i h(t) sin(ωt)dt
2π −∞ 2π −∞
Por tanto, H(ω) = H ∗ (−ω) y el espectro, |H(ω)|, es simétrico respecto
al eje Y.
Teorema
Teorema de Parseval. Sea h(t) una función periódica, y sea H(ω) su
Transformada de Fourier. Entonces se cumple que:
Z ∞ Z ∞ Z ∞
2 2 2
(h(t)) dt = 2π |H(ω)| dω = |H(f )| df
−∞ −∞ −∞
35
Análisis de Fourier
Señales continuas
Señales continuas no periódicas. Transformada de Fourier.
37
Análisis de Fourier
Señales continuas
Catalogo de transformadas de Fourier
38
Análisis de Fourier
Señales continuas
Catalogo de transformadas de Fourier
39
Análisis de Fourier
Señales continuas
Catalogo de transformadas de Fourier
40
Análisis de Fourier
Señales continuas
Delta de Dirac
41
Análisis de Fourier
Señales continuas
Delta de Dirac
42
Análisis de Fourier
Señales continuas
Delta de Dirac
Gráficamente, δ(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
Análisis de Fourier
Señales continuas
Delta de Dirac
y el segundo miembro
Z∞ Z∞
h(t0 )δ(t − t0 ) = h(t0 ) δ(t − t0 ) = h(t0 )
−∞ −∞
44
Análisis de Fourier
Señales continuas
Delta de Dirac
Por tanto
∞
X ∞
X
h(t)δ(t−n∆t) = h(n∆t)δ(t−n∆t)
n=−∞ n=−∞
45
Análisis de Fourier
Señales continuas
Convolución y su transformada de Fourier
47
Análisis de Fourier
Señales continuas
Convolución y su transformada de Fourier
48
Análisis de Fourier
Señales continuas
Convolución y su transformada de Fourier
◮ Forma alternativa
Z ∞
y (t) = h(τ )x(t − τ )dτ
−∞
49
Análisis de Fourier
Señales continuas
Convolución y su transformada de Fourier
50
Análisis de Fourier
Señales continuas
Convolución y su transformada de Fourier
51
Análisis de Fourier
Señales continuas
Convolución y su transformada de Fourier
52
Análisis de Fourier
Señales continuas
Correlación y su transformada de Fourier
Integral de correlación
Z ∞
y (t) = x(τ )h(t + τ )dτ
−∞
Proceso de correlación:
1. Displacement. Se desplaza h(τ )
una cantidad igual a t ⇒ h(t + τ ).
2. Multiplication. Se multiplican x(τ )
y h(t + τ ).
3. Integration. El área bajo
x(τ ) · h(t + τ ) es el valor de la
convolución en el instante t.
53
Análisis de Fourier
Señales continuas
Correlación y su transformada de Fourier
Teorema
La Transformada de Fourier de la correlación de dos funciones es igual al
producto de la conjugada de la Transformada de Fourier de la primera
función y la Transformada de Fourier de la segunda función.
Z ∞
Y (f ) = H(f )X ∗ (f )
TF
y (t) = x(τ )h(t + τ )dτ ⇐⇒
−∞ Y (ω) = 2πH(ω)X ∗ (ω)
54
Análisis de Fourier
Señales continuas
Correlación y su transformada de Fourier
55
Análisis de Fourier
Señales discretas
Señales discretas periódicas. Serie de Fourier discreta.
Análisis de Fourier
◮ Señales continuas.
◮ Señales continuas periódicas.
◮ Serie de Fourier.
◮ Serie de Fourier compleja.
◮ Señales continuas no periódicas.
◮ Serie de Fourier.
◮ Transformada de Fourier.
◮ Señales discretas.
◮ Señales discretas periódicas.
◮ Serie de Fourier discreta.
◮ Señales discretas no periódicas.
◮ Serie de Fourier discreta.
◮ Transformada de Fourier en tiempo discreto (DTFT).
◮ Transformada de Fourier discreta (DFT).
56
Análisis de Fourier
Señales discretas
Señales discretas periódicas. Serie de Fourier discreta.
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
Análisis de Fourier
Señales discretas
Señales discretas periódicas. Serie de Fourier discreta.
+T
1
Z 2
Cn = f (t)e −i2πnt/T dt
T −T
2
58
Análisis de Fourier
Señales discretas
Señales discretas periódicas. Serie de Fourier discreta.
Teorema
Cualquier función periódica discreta de periodo T = N∆t se puede
descomponer como:
N−1
X
f (k∆t) = Cn e i2πnk/N
n=0
N−1
1 X
Cn = f (k∆t)e −i2πnk/N
N
k=0
2πn 2πn
◮ Las frecuencias de cada Cn son: ωn = T = N∆t .
◮ Es facil comprobar que C−n = Cn∗ , por lo que |C−n | = |Cn | y el
espectro (ωn , |Cn |) es simétrico respecto al eje x = 0.
60
Análisis de Fourier
Señales discretas
Señales discretas periódicas. Serie de Fourier discreta.
Propiedades
◮ n=0
N−1
1 X
C0 = f (k∆t) ⇒ Media de los valores discretos de f , f (k∆t).
N
k=0
N−1 N−1
1 X 1 X
CN = f (k∆t)e −i2π(N/2)k/N = f (k∆t) cos(πk)
2 N N
k=0 k=0
61
Análisis de Fourier
Señales discretas
Señales discretas periódicas. Serie de Fourier discreta.
N
◮ n= +m
2
N−1
1 X
C N +m = f (k∆t)e −i2π(N/2+m)k/N
2 N
k=0
N−1
1 X
= f (k∆t)e −i2πmk/N e −ikπ = C ∗N −m
N 2
k=0
62
Análisis de Fourier
Señales discretas
Señales discretas periódicas. Serie de Fourier discreta.
Análisis de Fourier
◮ Señales continuas.
◮ Señales continuas periódicas.
◮ Serie de Fourier.
◮ Serie de Fourier compleja.
◮ Señales continuas no periódicas.
◮ Serie de Fourier.
◮ Transformada de Fourier.
◮ Señales discretas.
◮ Señales discretas periódicas.
◮ Serie de Fourier discreta.
◮ Señales discretas no periódicas.
◮ Serie de Fourier discreta.
◮ Transformada de Fourier en tiempo discreto (DTFT).
◮ Transformada de Fourier discreta (DFT).
64
Análisis de Fourier
Señales discretas
Señales discretas periódicas. Serie de Fourier discreta.
65
Análisis de Fourier
Señales discretas
Señales discretas no periódicas. Serie de Fourier discreta.
f (tk ) tk ∈ [ta , tb ]
h(tk ) =
0 resto
∞ N−1
1 1 X
Z
H(ω) = h(k∆t)e −iωk∆t dt = h(k∆t)e −iωk∆t ∆t
2π −∞ 2π
k=0
N−1
∆t X
= h(k∆t)e −iωk∆t
2π
k=0
2π
Esta función es periódica con periodo ∆t ya que
2π
e −iωk∆t = e −iω(k+ ∆t )∆t , ∀k
69
Análisis de Fourier
Señales discretas
Señales discretas no periódicas. Transformada de Fourier en tiempo discreto.
Z ∞
h(k∆t) = H(ω)e iωk∆t dω
−∞
2π
H(ω)e iωk∆t es periódica con periodo ∆t por lo que la integral anterior
toma un valor infinito. Por ello se integra en un periodo
Z
h(k∆t) = H(ω)e iωk∆t dω
2π
∆t
Muestreo de señales
Las señales en tiempo discreto pueden aparecer de muchas formas, pero
lo más común es que aparezcan como consecuencia del muestreo de
señales en tiempo continuo.
A partir de una señal continua xc (t)
se obtiene una secuencia de muestras
xk mediante la relación
xk = xc (k∆t)
71
Análisis de Fourier
Señales discretas
Muestreo de señales
Teorema
Sea función continua xc (t), el valor
muestreado de xc (t) en t = tk es el
producto
xk = x(tk ) = x(t)δ(t − tk )
Aliasing
75
Análisis de Fourier
Señales discretas
Muestreo de señales
−1
a fs /2 > 60: por los datos sólo pasa
−0.05 −0.04 −0.03 −0.02 −0.01 0 0.01
−1
los datos sólo pasa y1 = cos(2π60t)
−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(2π60t) e y2 = cos(2π20t).
0
−1
−0.05 −0.04 −0.03 −0.02 −0.01 0 0.01 0.02 0.03 0.04 0.05 77
Análisis de Fourier
Señales discretas
Muestreo de señales
Teorema de muestreo
78
Análisis de Fourier
Señales discretas
Muestreo de señales
X (f ) = 0 para |f | ≥ fm ;
fs 1
fnq = = ≥ fm [Hz]
2 2∆t
79
Análisis de Fourier
Señales discretas
Muestreo de señales
N−1 N−1
2πnk
X X
H(ωn ) = h(k∆t)e −iωn k∆t = h(k∆t)e −i N
k=0 k=0
N−1 N−1
∆t X ∆t X 2πnk∆t 2π
h(k∆t) = H(ωn )e iωn k∆t ∆ω = H(ωn )e i N∆t =
2π n=0 2π n=0 N∆t
N−1
1 X 2πnk
= H(ωn )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:
N−1
2πnk
X
H(n∆ω) = h(k∆t)e −i N
k=0
N−1
1 X 2πnk
h(k∆t) = H(n∆ω)e i N
N n=0 82
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
Comentarios
◮ Aunque hemos partido de la Transformada de Fourier continua, que
presupone periodo infinito, al discretizar obtenemos una función
periódica (ver Figura 6.2 (g)).
◮ En realidad, el resultado obtenido construyendo una función discreta
periódica
N−1
X
f (k∆t) = Cn e i2πnk/N , k = 0, 1, · · · , (N − 1)
n=0
N−1
1 X
Cn = f (k∆t)e −i2πnk/N , n = 0, 1, · · · , (N − 1)
N
k=0
es idéntico al obtenido discretizando la Transf. de Fourier continua
N−1
1 X
h(k∆t) = H(n∆ω)e i2πnk/N , k = 0, 1, · · · , (N − 1)
N n=0
N−1
X
H(n∆ω) = h(k∆t)e −i2πnk/N , n = 0, 1, · · · , (N − 1)
85
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
Comentarios
◮ Existe un algoritmo muy eficiente para implementar la DFT
conocido como Fast Fourier Transform (FFT).
◮ La transformada de Fourier reproduce exáctamente los valores xk ,
pero no reproduce exáctamente la señal continua x(t). Será tanto
más 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(2π/N)(n−1)(k−1) n = 1, 2, · · · , N
k=1
N
1 X
xk = Xn e i(2π/N)(n−1)(k−1) k = 1, 2, · · · , N
N n=1
◮ El espectro {(ωn , |Xn |) : n = 0, 1, . . . , (N − 1), ωn = 2πn/(N∆t)} es
simétrico respecto al eje y .
86
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
Ejemplo
Calcular la DFT de los datos obtenidos al muestrear la señal x(t) = t 2
con ∆t = 1 seg considerando
◮ N=8;
◮ N=9.
N=8
2π
k tk = k∆t xk n ωn = N∆t n Xn
0 0 0 0 0 140
1 1 1 1 π/4 -4.69+77.25i
2 2 4 2 2π/4 -24.00+32.00i
3 3 9 3 3π/4 -27.31+13.25i
4 4 16 4 4π/4 -28.00
5 5 25 5 5π/4 -27.31-13.25i
6 6 36 6 6π/4 -24.00-32.00i
7 7 49 7 7π/4 -4.69-77.25i
87
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
= 0 − 1 + 4 − 9 + 16 − 25 + 36 − 49 = −28
88
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
∗
◮ Se cumple que Xn = XN−n , n = 1, 2, . . . , N/2 − 1. Efectivamente
89
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
N=9
2π
k tk = k∆t xk n ωn = N∆t n Xn
0 0 0 0 0 204
1 1 1 1 2π/9 -2.03+11.27i
2 2 4 2 4π/9 -29.61+48.27i
3 3 9 3 6π/9 -34.50+23.38i
4 4 16 4 8π/9 -35.86+7.14i
5 5 25 5 10π/9 -35.86-7.14i
6 6 36 6 12π/9 -34.50-23.38i
7 7 49 7 14π/9 -29.61-48.27i
8 8 64 8 16π/9 -2.03-11.27i
◮ La frecuencia de muestreo fs y de Nyquist fnq son
1 fs 1
fs = = 1 Hz = 2π rad/s, fnq = = = 0,5 Hz = π rad/s.
∆t 2 2∆t
◮ Para n=0 el resultado es real y es la suma de los xk
N−1
X
X0 = xk = 204
k=0
90
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
∗
◮ Se cumple que Xn = XN−n , n = 1, 2, . . . , N/2. Efectivamente
91
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
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) ωn (rad/s)
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) ωn (rad/s)
92
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
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
N−1
X 2πjk
Xk = xj e −i N , k = 0, 1, . . . , N − 1
j=0
N−1
1 X 2πjk
xj = Xk e i N , j = 0, 1, . . . , N − 1
N
k=0
N es par
◮ Para k = N
2
N−1 N−1 N−1
−i 2πjN/2
X X X
−iπj
XN = xj e N = xj e = xj cos(πj)
2
j=0 j=0 j=0
dónde Xk∗
es el complejo conjugado de Xk . Supongamos que
Xk = zk + iyk ; desarrollando
i 2πjk ∗ −i 2πjk 2πjk 2πjk
Xk e N + Xk e N = (zk + iyk ) cos + i sin +
N N
2πjk 2πjk 2πjk 2πjk
(zk − iyk ) cos − i sin = 2zk cos − 2yk sin
N N N N
95
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
Sustituyendo arriba
N/2−1
1 1 1 X 2πjk 2πjk
xj = X0 + X N cos(πj) + Xk e i N + Xk∗ e −i N
N N 2 N
k=1
N/2−1
1 1 1 X 2πjk 2πjk
= X0 + X N cos(πj) + 2zk cos − 2yk sin
N N 2 N N N
k=1
N/2
a0 X 2πjk 2πjk
= + 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
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
donde
X0
a0 = , b0 = 0
N
XN
2
aN = , bN = 0
2 N 2
2zk 2yk
ak = , bk = −
N N
97
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
N es impar
Para k = 1
N−1
X 2πj
X1 = xj e −i N
j=0
98
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
dónde Xk∗
es el complejo conjugado de Xk . Supongamos que
Xk = zk + iyk ; desarrollando
i 2πjk ∗ −i 2πjk 2πjk 2πjk
Xk e N + Xk e N = (zk + iyk ) cos + i sin +
N N
2πjk 2πjk 2πjk 2πjk
(zk − iyk ) cos − i sin = 2zk cos − 2yk sin
N N N N
99
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
Sustituyendo arriba
(N−1)/2
1 1 X 2πjk 2πjk
xj = X0 + Xk e i N + Xk∗ e −i N
N N
k=1
(N−1)/2
1 1 X 2πjk 2πjk
= X0 + 2zk cos − 2yk sin
N N N N
k=1
(N−1)/2
a0 X 2πjk 2πjk
= + ak cos + bk sin
2 N N
k=1
donde
2zk 2yk
ak = , bk = −
N N
O también como
(N−1)/2
X 2πjk 2πjk
xj = ak cos + bk sin
N N
k=0
donde
X0 2zk 2yk
a0 = , b0 = 0, ak = , bk = − 100
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
Ejemplo
La transformada de Fourier continua estaba definida para frecuencias
positivas y negativas.
Z ∞
h(t) = H(ω)e iωt dω
−∞
N−1
X
xk = Xn e i2πnk/N , k = 0, 1, · · · , (N − 1)
k=0
101
Análisis de Fourier
Señales discretas
Transformada de Fourier discreta (DFT)
◮ Si N es par:
N/2
X
xk = Xn e i2πnk/N , k = 0, 1, · · · , (N − 1)
n=−N/2−1
* X0 y X N son reales.
2
N
* X−r = Xr∗ , r = 1, . . . , 2
− 1.
◮ Si N es impar:
(N−1)/2
X
xk = Xn e i2πnk/N , k = 0, 1, · · · , (N − 1)
n=−(N−1)/2
* X0 es real.
N−1
* X−r = 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