TRANSFORMADA DISCRETA DE FOURIER

Algún espectro de una forma de onda puede fácilmente aproximarse utilizando la

transformada discreta de Fourier. A continuación, se demuestra cómo la DFT puede emplearse
en el cálculo de muestras de una transformada continua de Fourier CFT.

La DFT está definida por:

Donde n=0,1, 2, n-1, y la transformada discreta inversa de Fourier (IDFT) está definida
mediante:

Donde k=0,1, 2, N-1

Para examinarla relación entre las DFT y las CFT hace falta conocer 3 conceptos:

- Ventaneo: consiste en truncar sobre el intervalo (0, T) una forma de onda, de manera
que solo se requiere un numero finito de muestras.

T en cualquier otro caso

La transformada de Fourier de la forma de onda ventaneada es:

A continuación se aproxima la CFT utilizando una serie finita para representar la

integral, donde t = k∆t, f = n/T, dt = ∆t y ∆t = T/N. Entonces:

se obtiene la relación entre la CFT y la DFT

 - Muestreo
- Generación periódica de muestras

Al utilizar la DFT para aproximar la CFT puedes generarse errores significativos, los cuales se
deben a un numero de factores que se pueden categorizar en tres efectos básicos:

- Fuga: causado por un ventaneo en el dominio del tiempo. En el dominio de frecuencia,

esto corresponde a la consolación del espectro de la forma de onda sin ventaneo con
el espectro de la función de ventana. Esto dispersa el espectro de los componentes de
frecuencia de w(t), y causa que cada componente de frecuencia se “fugue” a frecuencias
adyacentes. La fuga puede producir errores cuando se compara la DFT con la CFT. El efecto
puede reducirse incrementando el ancho de ventana T o, de forma equivalente, aumentando N
para una ∆T dada. Los componentes periódicos grandes en w1t2 causan más fugas y si estos
componentes están presentes, pueden eliminarse antes de evaluar la DFT para reducir la fuga.

- Aliasing: A partir del estudio anterior sobre muestreo se sabe que el espectro de una
forma de onda muestreada consiste en la repetición del espectro de una forma de
onda sin muestreo alrededor de harmónicas de la frecuencia de muestreo. Si fs<2B,
donde fs = 1/∆t y B es el componente de frecuencia significativo más alto en la forma
de onda sin muestreo, entonces ocurrirán errores de aliasing, y puede reducirse
utilizando una frecuencia de muestreo más alta o un filtro pasa bajos de premuestreo.
Note que el componente de frecuencia más alto que puede evaluarse con una DFT de
N puntos es de f = fs/2 = N/(2T).

- Efecto de estacas: ocurre porque la DFT de N puntos no puede resolver los

componentes espectrales más cercanos que al espacio de ∆f = 1/T. ∆f puede
disminuirse si T se incrementa. Si la longitud de datos está limitada a T0 segundos,
donde T0 ≤ T, entonces T puede extenderse añadiendo puntos de muestreo con valor
de cero. Esto se conoce como relleno con ceros y reducirá la ∆f para producir una
mejor resolución espectral.

En resumen, varios conceptos fundamentales se aplican cuando se utiliza la DFT en la

evaluación de la CFT. Primero, la forma de onda está ventaneada sobre un intervalo de (0, T)
de tal manera que se obtiene un número finito de muestras. Segundo, la DFT y la IDFT son
periódicas con periodos de fs = 1/∆t y T, respectivamente. Los parámetros ∆t, T y N se
seleccionan tomando en cuenta las siguientes consideraciones:

• ∆t se escoge de tal manera que satisfaga la condición de muestreo de Nyquist, fs = 1/∆t > 2B,
donde B es la frecuencia más alta en la forma de onda. ∆t es el tiempo entre muestras y se
conoce como resolución de tiempo. Además, t = k∆t.

• T se escoge para obtener la resolución de frecuencia deseada, donde la resolución de

frecuencia es ∆f = 1/T. Además, f = n/T.

• N es el número de puntos de datos y está determinado por N = T/∆t.

N depende de los valores utilizados para ∆t y T. La duración del cálculo aumenta conforme se
incrementa N. La DFT de N puntos genera los espectros de N frecuencias sobre el intervalo de
frecuencia (0, fs), donde fs = 1/∆t = N/T. La mitad de este intervalo de frecuencia representa
frecuencias positivas y la otra mitad frecuencias negativas.

Utilizando la DFT para calcular las series de Fourier

La DFT puede utilizarse también para evaluar los coeficientes para las series complejas de
Fourier

Esta integral se aproxima empleando una serie finita, donde t = k ∆t, f0 = 1/T, dt = ∆t, y ∆t =
T/N. Entonces

El coeficiente de la serie de Fourier está relacionado a la DFT mediante

La DFT regresa valores de X(n) para n = 0, 1, . . ., N - 1. Por consiguiente, la ecuación debe

modificarse para suministrar valores de Cn para una n negativa.
 SEÑALES DE BANDA LIMITADA

Una forma de onda limitada en banda tiene espectros diferentes de cero sólo dentro de una
cierta banda de frecuencias. En este caso se aplican importantes teoremas, en particular el de
muestreo, para procesar la forma de onda. Esto es muy importante y aplicable a problemas de
comunicación digital.

Su aplicación en la comunicación digital parte del teorema de Nyquist el cual demuestra que la
reconstrucción exacta de una señal periódica continua en banda base a partir de sus muestras
es matemáticamente posible si la señal está limitada en banda y la tasa de muestreo es
superior al doble de su ancho de banda.