Procesamiento digital de señales

Semana 5.
DFT
Dra. María del Pilar Gómez Gil
Otoño 2017
Coordinación de computación
Versión: 11 de Octubre 2017 INAOE
(c) P.Gómez Gil, INAOE 2017 1
 Tema
La transformada
Discreta de Fourier
(tarea: leer los capítulo 8 y 9 del libro de texto)

Gran parte del material de esta presentación fue tomado de:

Smith, Steven The Scientist and Engineer's Guide to Digital Signal Processing
W. , Second Edition, 1999, California Technical Publishing
Smith, Steven W. Digital Signal Processing. A Practical Guide for Engineers and
Scientist. Amsterdam: Newnes, Elsevier Science. 2003. ISBN: 0-750674-44-X.

(c) P.Gómez Gil, INAOE 2017 2

 Fasor
O Es la representación de un número
complejo a través de un vector que gira a
cierta velocidad en el plano real-imaginario
O Se puede escribir como:

b 1
a  bj  a  b  tan  
2 2

a

cis = “Coseno  + i Sen  “

(c) P.Gómez Gil, INAOE 2017 3
 Representación de un número
complejo
Imag.

b
a  bj  a 2  b2  tan 1  
a

 b

a Real

(c) P.Gómez Gil, INAOE 2017 4

 Ecuación ó Identidad de Euler
e  Cos( wt )  jSen( wt )
jwt

w  constante
j  1

e jwt es un fasor

(c) P.Gómez Gil, INAOE 2017 5

 Proyección de un fasor en el eje
de los números reales

Animación de la
proyección de la parte
real de un número
complejo que gira, lo
cual dibuja un coseno !!!

By Gonfer at English
Wikipedia, CC BY-SA 3.0,
https://commons.wikim
edia.org/w/index.php?c
urid=11313700
(c) P.Gómez Gil, INAOE 2017 6
 Transformaciones de señales
O Una señal se puede descomponer en la
combinación de otras señales base
O Una transformación es la representación de
una señal utilizando algún otro sistema de
funciones base
O En PDS se utilizan mucho las tranformaciones.
Las mas comunes son las transformadas
discretas de Fourier (DFT), Laplace, Z, Hilbert,
wavelets (WT) y Coseno (DCT)

(c) P.Gómez Gil, INAOE 2017 7

El concepto de “funciones base” base,
con un ejemplo de “kinder” 
Para hacer plastilina “verde” cuando no tienes…

v 
 
azul  0.4 e 
 rojo  0    r 
    
amarillo  0.6 d 
e 
Verde = 0.4 x Azul + 0.6 x Amarillo

8
 La familia de Transformadas
de Fourier
O El análisis de Fourier debe su nombre a
Jean Baptiste Joseph Fourier (1768-1830)
O Fourier estaba interesado en la
propagación del calor, y en 1807 publicó un
artículo sobre como usar sinusoides para
representar distribuciones de temperatura.
O Allí aseguró que cualquier señal periódica
podría representarse como la suma de
ondas sinusoidales, escogidas
correctamente.
(Smith, 1999)
(c) P.Gómez Gil, INAOE 2017 9
 Tipos de FT
Tipo de Señal Discreta Continua

Periódica Transformada de Serie de Fourier

Fourier Discreta (DFT)

Aperiódica Transformada de Transformada de

Fourier en tiempo Fourier
discreto (Discrete
Time Fourier Requiere un número
transform, DTFT) infinito de sinusoides!
Requiere un número
infinito de sinusoides!
(c) P.Gómez Gil, INAOE 2017 10
 (Smith, 1999)
(c) P.Gómez Gil, INAOE 2017 11
 Transformada Discreta de
Fourier (DFT)
(El único tipo que pueden usar las computadoras, pues
solo manejan señale discretas y finitas)

DFT
Señal en el
tiempo (n) Señal en la
f(n) frecuencia (u)
F(u)

(c) P.Gómez Gil, INAOE 2017 12

Transformada Discreta de Fourier
(cont.)
N 1 2
j
F (u )   f ( n ) e
un
N

n 0
u = 0,1,2, ..., N-1

F(u)  K(u, n) f(n)

K se conoce como el “núcleo” de la transformada

13
 DFT expandida
O La DFT puede expandirse en n (dominio del tiempo),
o en u (dominio de la frecuencia)
N 1 2
j  0 n
F ( 0)   f ( n ) e N

n 0
N 1 2
j 1n
F (1)   f ( n ) e N

n 0


N 1 2
j  N 1n
F ( N  1)   f ( n ) e N

n 0
14
(c) P.Gómez Gil, INAOE 2017
 DFT expandida (cont.)
2 2 2
j u 0  j u 1 j u  N 1
F (u)  f (0) e N
 f (1) e N
 f ( N  1) e N

(c) P.Gómez Gil, INAOE 2017 15

 Kernel o núcleo de
transformación
 F (0)     f (0) 
 F (1)   
j 2
un  
u    e N
 f (1)

      
    
 F ( N  1)     f ( N  1) 
<---- n -------->

  jN2 un 
W  e  Núcleo de transformación
 

(c) P.Gómez Gil, INAOE 2017 16

 Ejemplo
O Calcular la DFT de {2, 0, 1, 3}
Para este ejemplo N=4, entonces
  jN2 un    j 2 un 
W  e 
  e    j un
 
   
ya que, por la ecuación de Euler:
j
  
e 2
 Cos  jSen  0 j   j
2 2
(c) P.Gómez Gil, INAOE 2017 17
 Cálculo del kernel para el ejemplo

Recodar que…

j2    1  1  1
j3    1  1  1  (1) j   j

(c) P.Gómez Gil, INAOE 2017 18

 Cálculo del kernel para el
ejemplo (cont.)
 j 0  1
 j 1   j
 j 2   12  j 2   1(1)  1
 j 3   13  j 2  j    1(1) j   j
 j 4   14  j 2  j 2   1(1) 1  1
 j 6   16  j 3  j 3   1( j ) j    j 2  1
 j 9   19  j 3  j 3  j 3   1( j ) j  j    j
(c) P.Gómez Gil, INAOE 2017 19
 Cálculo del kernel para el
ejemplo (cont.)

(  j ) 0 ( j ) 0 ( j ) 0 ( j ) 0  1 1 1 1
   
(  j ) 0
( j )1 ( j ) 2 ( j ) 3  1  j  1 j 
W 
(  j ) 0 ( j ) 2 ( j ) 4 ( j ) 6
1  1 1  1 
 9  
 ( j )
1
( j )3 ( j ) 6 ( j )   1 j  1  j 

(c) P.Gómez Gil, INAOE 2017 20

 Ejemplo (cont.)
1 1 1 1  2  2  0  1  3 
1  j  1 j  0 2  0  1  3 j 
F(u)       
1  1 1  1 1  2  0  1  3 
    
1 j  1  j   
3 2  0  1  3 j 
 6   60 
1  3 j   101.2490 
  
 0   0 
   
1  3 j   10  1.2490 
(c) P.Gómez Gil, INAOE 2017 21
 Ejemplo sobre manejo de números complejos en
Matlab y uso de función “fft” (código aquí)

22
(c) P.Gómez Gil, INAOE 2017
 Ejemplo sobre manejo de números complejos en
Matlab y uso de función “fft” (cont.)

(c) P.Gómez Gil, INAOE 2017 23

 Ejecución del ejemplo

(c) P.Gómez Gil, INAOE 2017 24

 Otro ejemplo de cálculo DFT

Código

(c) P.Gómez Gil, INAOE 2017 25

 Otro ejemplo (cont.)

(c) P.Gómez Gil, INAOE 2017 26

 Otro ejemplo (cont.)

(c) P.Gómez Gil, INAOE 2017 27

 Sobre la parte real y parte
imaginaria de la DFT
O La DFT de una función con N puntos resulta
en un número complejo con N puntos.
Entonces la DFT puede dividirse en dos
componentes: una parte real y una
imaginaria.
O La parte real corresponde a los
componentes coseno y la imaginaria a los
componentes seno.

(c) P.Gómez Gil, INAOE 2017 28

 Parte real e imaginaria de DFT

(Smith, 1999)

(c) P.Gómez Gil, INAOE 2017 29

(c) P.Gómez Gil, INAOE 2017
(Smith, 1999) 30
 En el ejemplo anterior…
z= real(fft(x));

(c) P.Gómez Gil, INAOE 2017 31

(c) P.Gómez Gil, INAOE 2017 32
¿Qué representa el eje horizontal
de F(u)? (1/3)
O Recordemos que la forma general de una función
coseno continua está dada por:

x(t )  cos( wt)

donde w es la frecuencia, dada en
radianes/segundo
O 2π radianes = 360º = darle una vuelta a un circulo
Entonces:
x (t )  cos( 2ft)
Donde f = frecuencia en ciclos/segundo = Hertz
33
"Sine cosine one period" by Geek3 - Own work.
Licensed under Creative Commons Attribution 3.0 via
Wikimedia Commons -
http://commons.wikimedia.org/wiki/File:Sine_cosine_one_pe
riod.svg#mediaviewer/File:Sine_cosine_one_period.svg
34
¿Qué representa el eje horizontal
de F(u)? (2/3)
O La función coseno discreta se define como:
x(nTmuestreo)  cos(2f señalnTmuestreo)
donde Tmuestreo es el periodo de muestreo.

f señal
x(nTmuestreo)  cos( 2 n)
f muestreo

  2
f señal se conoce como frecuencia
f muestreo normalizada ó natural
35
 ¿Qué representa el eje horizontal de
F(u)? (3/3)

0 N/2 N-1 Sin dimensión

(posicional) u

f señal
π 2π Radianes   2
f muestreo
f señal
0.5 1 sin dimensiones
f muestreo

Frecuencia de Nyquist ! Hz f señal

f muestreo f muestreo
2
Lo sombreado representa al rango “útil” o disponible de frecuencias 36
de cualquier sistema discreto
 Funciones base de la DFT

(Smith, 1999)

(c) P.Gómez Gil, INAOE 2017 37

(c) P.Gómez Gil, INAOE 2017
Figura 8.5 de (Smith, 1999) 38
(c) P.Gómez Gil, INAOE 2017
Cont. Figura 8.5 de (Smith, 1999)
39
 Síntesis de la DFT

(Ecuaciones 8.2 y 8.3, Smith 1999)

(c) P.Gómez Gil, INAOE 2017 40

 DFT inversa
O Se define como: 2
N 1 j un
1
e
N
f ( n)  F (u )
N n 0

para n = 0,1 .. N-2

O Al comparar esta ecuación con la de DFT, se

nota que solo el signo del exponencial es
diferente!
41
 Ejemplo

O Obtener la transformada inversa de:

F (u)  6, 1  3 j, 0, 1  3 j
1 1 1 1  6   8   2
1 j  1  j  1  3 j   0  0 
    1   
f ( n)   
1  1 1  1   0  4  4  1
      
1  j  1 j  1  3 j  12 3
42
 Ejemplo (cont.)

O Multiplicación del primer renglón por

primera columna:
6 1 3 j  0 1 3 j  8
O Multiplicación del cuarto renglón por
primera columna:

6  j  3 j 2  j  3 j 2  6  6 j 2  12
43
Transformada Rápida de Fourier
O Leer:
Ramirez-Cortés JM, Gómez-Gil MdP, Baez-
López D. “El Algoritmo de la Transformada
Rápida de Fourier y su Controvertido Origen”,
Revista Ciencia y Desarrollo, Vol. XXIV, No.
139, Marzo-Abril 1998.

Disponible en:
http://www-elec.inaoep.mx/~jmram/cvjmr/El algoritmo
de la FFT y su controvertido 1998.pdf

44