INSTITUTO POLITECNICO NACIONAL

UNIDAD PROFESIONAL INTERDISCIPLINARIA EN INGENIERÍA Y

TECNOLOGÍAS AVANZADAS

Alumno:

Hernández Girón Alan

Tema: Práctica 2: Transformada Rápida de Fourier

Materia: Procesamiento de Señales Biológicas

Profesor: Tovar Corona Blanca

Grupo: 3BM3
Objetivos
-Observar la importancia de un muestreo adecuado, en la conversión de señales en el
dominio del tiempo al dominio de la frecuencia.

-Conocer la FFT de las funciones establecida.

-Analizar el comportamiento de la funciones del dominio del tiempo, en el dominio de la

frecuencia.

Introducción
FFT es la abreviatura usual (del inglés Fast Fourier Transform) de un eficiente algoritmo
que permite calcular la transformada de Fourier discreta (DFT) y su inversa. La FFT es de
gran importancia en una amplia variedad de aplicaciones, desde el tratamiento digital de
señales y filtrado digital en general a la resolución de ecuaciones en derivadas parciales o
los algoritmos de multiplicación rápida de grandes enteros. El algoritmo pone algunas
limitaciones en la señal y en el espectro resultante. Por ejemplo: la señal de la que se
tomaron muestras y que se va a transformar debe consistir de un número de muestras
igual a una potencia de dos. La mayoría de los analizadores TRF permiten la
transformación de 512, 1024, 2048 o 4096 muestras. El rango de frecuencias cubierto por
el análisis TRF depende de la cantidad de muestras recogidas y de la proporción de
muestreo.

Uno de los algoritmos aritméticos más ampliamente utilizados es la transformada rápida

de Fourier, un medio eficaz de ejecutar un cálculo matemático básico y de frecuente
empleo. La transformada rápida de Fourier es de importancia fundamental en el análisis
matemático y ha sido objeto de numerosos estudios. La aparición de un algoritmo eficaz
para esta operación fue una piedra angular en la historia de la informática.

Las aplicaciones de la transformada rápida de Fourier son múltiples. Es la base de muchas

operaciones fundamentales del procesamiento de señales, donde tiene amplia utilización.
Además, proporciona un medio oportuno para mejorar el rendimiento de los algoritmos
para un conjunto de problemas aritméticos comunes.
Procedimiento

Generar las distintas señales indicadas a continuación proponiendo valores de frecuencia

así como los valores de las constantes que requiera cada función y realizar su
correspondiente análisis de su respuesta en el tiempo como su respuesta en frecuencia
usando la transformada rápida de Fourier con el comando de MatLab fft.

Programa
%Practice 2: Fast Fourier Transform
close all
clear all
clc

%Find the analityc solution of the following esamples:

% A)Función Coseno

f=50;
fs=20*f;
T=1/fs;
A=1;
t=0:T:0.2;

x=A*cos(2*pi*f*t);
subplot(4,2,1),
plot(t,x)
title(['Original Function ',num2str(f),'Hz'])
hold on
xlabel('Time')
hold on
ylabel('Amplitude')
grid on;
% Generate the Frecuency vector for the FFT
X=fft(x);
le=length(X);
le=floor(le/2);
X=X(1:le);
f=(0:le-1)*(fs/2)/(le-1);

subplot(4,2,2),
plot(f,abs(X))
axis([0 fs/2 0 130])
title('Fast Fourier Transform')
xlabel('Frequency')
ylabel('Amplitude')
grid on;

% B) Escalón Unitario

fs=40; %Disminuyendo la frecuencia de muestreo se puede observar mejor la

fft
T=1/fs;

B=1; %Amplitud total del Pulso. NOTA: Si el pulso aumenta, la amplitud

%del Sinc disminuye
Bm=B/2; %Amplitud del pulso del origen hacia los extremos
t0=-5;
tf=5;

t1=t0:T:-Bm;
t2=-Bm:T:Bm;
t3=Bm:T:tf;
x1=zeros(1,length(t1));
x2=ones(1,length(t2));
x3=zeros(1,length(t3));
t=[t1 t2 t3]; %Concatenamos vectores
x=[x1 x2 x3];

subplot(4,2,3),
plot(t,x,'r')
axis([t0 tf 0 2])
title('Original Function')
xlabel('Time')
ylabel('Amplitude')
grid on;
%Fast Fourier Transform
X=fft(x);
le=length(X);
le=floor(le/2);
X=X(1:le);
f=(0:le-1)*(fs/2)/(le-1);

subplot(4,2,4),
plot(f,abs(X))
title('Fast Fourier Transform')
xlabel('Frequency')
ylabel('Amplitude')
grid on;

%C) Función Exponencial

clear all

f=50;
fs=10*f;
T=1/fs;

t=0:T:(0.5);
x=exp(-1*2*pi*f*t);
subplot(4,2,5),
plot(t(1:100),x(1:100))
title('Exponential Function')
xlabel('Time')
ylabel('Amplitude')
grid on;
%Fast Fourier Transform
X=fft(x);
le=length(X);
le=floor(le/2);
X=X(1:le);
f=(0:le-1)*(fs/2)/(le-1);

subplot(4,2,6),
plot(f,abs(X))
title('Fast Fourier Transform')
xlabel('Frequency')
ylabel('Amplitude')
grid on;

%D) Suma de senos

fa=100;
fb=80;
fc=40;
fs=800;
T=1/fs;

A=3;
B=2;
C=1;

t=0:T:0.2;
x=(A*sin(2*pi*fa*t))+(B*sin(2*pi*fb*t))+(C*sin(2*pi*fc*t));
subplot(4,2,7),
plot(t,x)
title('Original Function')
xlabel('Time')
ylabel('Amplitude')
grid on;
%Fast Fourier Transform
X=fft(x);
le=length(X);
le=floor(le/2);
X=X(1:le);
f=(0:le-1)*(fs/2)/(le-1);

subplot(4,2,8),
plot(f,abs(X))
title('Fast Fourier Transform')
xlabel('Frequency')
ylabel('Amplitude')
grid on;

%ECG
fs=250;
load a01m.mat; %fs=250
figure,
subplot(1,2,1)
plot(val);
title('ECG');
xlabel('Time')
ylabel('Amplitude')
%Fast Fourier Transform
X=fft(val);
le=length(X);
le=floor(le/2);
X=X(1:le);
f=(0:le-1)*(fs/2)/(le-1);
subplot(1,2,2),
plot(f,abs(X))
title('Fast Fourier Transform')
xlabel('Frequency')
ylabel('Amplitude')
grid on;

Resultados:
Conclusiones
Un aspecto importante, es que las gráficas en el dominio de la frecuencia, el límite de la
f
gráfica en el eje “x” esta en s , debido que el procedimiento matemático de la FFT
2
centra la grafica en origen, dejando una mitad negativa y la otra mitad positiva en el
−f s
dominio de la frecuencia (por lo que la grafica en el dominio de la frecuencia va de
2
f
hasta s ). Al utilizar esta herramienta en la práctica, es fácil entender que en la realidad
2
no existen frecuencias negativas, por lo que solo se utiliza la parte positiva de dicha
transformada.

Se refleja como la frecuencia de muestreo de la función en el dominio del tiempo

repercute en los resultados en la gráfica en el dominio de la frecuencia, por lo que se debe
tener en cuenta una seria consideración de la frecuencia de muestreo para una buena
representación en ambas gráficas
Bibliografía
http://paulbourke.net/miscellaneous/dft/

http://cs.cinvestav.mx/~fraga/Cursos/PDI/tdf.pdf

http://iie.fing.edu.uy/ense/asign/dsp/proyectos/2006/analizador_espectro/FFT.pdf