Transformada rapida de Fourier

ESCUELA PROFESIONAL DE INGENIERA ELECTRONICA

Ruelas Yucra Gustavo Ronaldo

Quiroz Riveros Alexander Jhuliano
Sevincha Yana Milagros

Matematica Aplicada a la Ingenieria | 14/11/2019

LA TRANSFORMADA RAPIDA DE FOURIER

Implementación por definición

la Transformada Rá pida de Fourier es de suma importancia en el aná lisis, diseñ o y realizació n de

algoritmos y sistemas de procesamiento de señ ales dado que brinda mayor eficiencia tanto en
tiempo como en recursos.

Toda señ al perió dica puede ser representada por la suma de series de Fourier. Con un aná lisis
adecuado es posible obtener una representació n de Fourier para señ ales de duració n finita. Esta
representació n es la que se conoce como la Transformada de Fourier Discreta (TFD). La TFD se
puede representar como:

N −1
X ( k )= ∑ x ( n ) . W knN k=0,1,…,N-1
n=0

2π

( 2Nπ n )−i sin ⁡( 2Nπ n)

−i
N
donde W N =e =cos y N=2a , a=1,2,3 , …

Con lo anterior, el cá lculo de un punto de la Transformada discreta de Fourier está dada por:

X ( k )=x ( 0 ) W 0+ x ( 1 ) W k + …+ x ( N −1 ) W k( N−1)

Desarrollando para los N valores posibles de k se obtiene una matriz de tamañ o NxN. Se
puede calcular el nú mero de operaciones necesarias para realizar la transformació n de
los datos mediante este algoritmo. El nú mero de sumas complejas que se deben realizar es de (N-
1)N y la cantidad de multiplicaciones complejas asciende a N 2. Es claro que ésta cantidad de
operaciones es alta y requiere de un enorme poder de cá lculo.

El algoritmo de la FFT fue originalmente inventado por Carl Friedrich Gauss en 1805. Diferentes
versiones del algoritmo fueron descubiertas a lo largo de los añ os, pero la FFT no se hizo popular
sino hasta 1965, con la publicació n de James Cooley y John Tukey, quienes reinventaron el
algoritmo al describir como ejecutarlo de forma eficiente en una computadora.

La idea bá sica detrá s de la FFT consiste en la divisió n del tiempo, es decir, en la descomposició n
iterativa en Transformadas de Fourier Discretas má s simples. La FFT hace uso de dos propiedades
de la Transformada de Fourier Discreta. La FFT presentada asume que N es potencia de 2, sin
embargo, existen métodos para adaptar otros valores de N a las condiciones necesarias de este
algoritmo.

La transformada rá pida de Fourier FFT es un algoritmo que reduce el tiempo de cá lculo de n2 pasos
a n log 2 (n) . El ú nico requisito es que el nú mero de puntos en la serie tiene que ser una potencia de
2 (2n puntos), por ejemplo 32, 1024, 4096, etc.

Las propiedades que se aprovechan son las siguientes:

W k(N −n)
- Simetria Conjugada Compleja: N =W −kn
N =¿
 W kn k(N +n)
- Periodicidad en n,k: N =W N =W nN(k +N )

La FFT divide la Transformada de Fourier Discreta a calcular en dos TFD menores segú n la paridad
de los términos:

N −1 N / 2−1 N / 2−1
X ( k )= ∑ x ( n ) . W kn
N= ∑ x ( 2 r ) . W 2Nkr + ∑ x ( 2 r +1 ) . W kN(2r +1)
n=0 r=0 r=0

N
donde r=1,2,…, -1
2
N −1 N / 2−1 N / 2−1
kr kr
X ( k )= ∑ x ( n ) . W kn
N= ∑ x ( 2 r ) .(W ¿ ¿ N 2) +W kN ∑ x ( 2 r+ 1 ) .(W ¿ ¿ N 2) ¿ ¿
n=0 r=0 r=0

2π 2π
−i −i
Sabiendo → 2
W N =e N
W N =e N /2
=W N /2 se puede re-expresar la TFD de N muestras en la
suma de dos TFD de N/2 muestras.

N / 2−1 N / 2−1
X ( k )= ∑ x ( 2 r ) . W N /2kr +W kN ∑ x ( 2 r+ 1 ) . W N /2kr
r =0 r=0

Dado que se tratan de dos TFD, esto significa que podemos aplicar el mismo método de divisió n en
pares e impares para así obtener dos pares de TFD de N/4 muestras. El método es así aplicado
hasta que se obtienen TFD de 1 muestra, cuyo cá lculo resulta sencillo. Una vez obtenidos los valores
de las TFD simples, es cuestió n de adicionar los resultados.
Se puede observar que si se tenía inicialmente una TFD de N muestras, se podrá n llevar a cabo
divisiones.

La transformada rá pida de Fourier FFT es un algoritmo que reduce el tiempo de cá lculo de n2 pasos
a n·log2(n). El ú nico requisito es que el nú mero de puntos en la serie tiene que ser una potencia de 2
(2n puntos), por ejemplo 32, 1024, 4096, etc

Demostración para N=4

kn
Antes de entrar en detalles sobre la FFT comprobemos la naturaleza perió dica del término W N , de
kn
hecho la periodicidad y simetría de W N contribuyen a la redundancia de la DFT.

2π

( 2Nπ n )−i sin ⁡( 2Nπ n)

−i
N
W N =e =cos N.

En la siguiente tabla se evalú a W kn

N.
Se demostrara el algoritmo FFT empecemos por elegir un numero N de muestras que se igual a una
potencia de 2, en este caso 4.

{x0 , x1 , x2 , x3 } <---------- {X 0 , X1 , X2 , X3 }

Lo que haremos será reducir las 12 sumas y las 9 multiplicaciones complejas por ser perió dica

Se ha simplificado las dos ú ltimas sumas de X2, X3 se han reducido a una pequeña expresión por
ejemplo la tercera suma de X2 se puede escribir de otra forma
2π 4 2π 0
−i −i
e 4
=cos ( 2 π )−i sin ( 2 π ) =1=e 4 , lo mismo se hará con las otras.

Luego se puede reescribir como:

Ahora su cá lculo implica 12 sumas y 5 multiplicaciones

Esta interpretació n de la FFT de 4 puntos sugiere que la organizació n de la FFT se

obtuvo dividiendo la DFT de 4 puntos en dos TDF de 2 puntos y combinando sus coeficientes.
Observar que en el desarrollo del algoritmo, el dato x[0] se empareja con x[2] , y x[1] con x[3] . El
algoritmo empleado se representa mediante el diagrama de flujo mostrado en la Figura.

Implementación de forma matricial

Es posible representar la ecuació n como un producto entre una matriz y un vector, de modo que

Puesto que los datos de entrada está n representados por un vector-columna de 4 componentes.
Efectuar la multiplicació n usual de matrices directa requeriría N 2. multiplicaciones complejas y
N(N-1) adiciones complejas. Por lo tanto, puede escribirse de la siguiente manera:
Debido a que W n =W n +mN , donde “m” es un entero, es posible factorizar la matriz en el producto de
dos matrices:

Los elementos X(1) y X(2) han cambiado de lugar en el vector que se encuentra del lado izquierdo.
Cuando se multipliquen las matrices, los renglones 1 y 2, también se intercambiará n. Después, se
calcula el nú mero de multiplicaciones y adiciones que se requieren. Primero, se identifica el
resultado de multiplicar la segunda matriz cuadrada por el conjunto de datos de entrada como:

Recordando como se multiplican las matrices, el primer elemento del vector de la izquierda es:

X ( 0 ) =X 0 ( 0 ) + X 0 W 0 ( 2)

De manera similar, el cá lculo de X(1) y X(2) requieren de una multiplicació n y una adició n. Aunque
W 0 uno, se hará que W 0 =−W 2 y el producto ya se ha obtenido en el cá lculo del primer elemento y
puede, en consecuencia, só lo almacenarse hasta que se necesite y luego restarse en vez de sumarse.
De manera similar, X(3) só lo requiere una adició n má s. Hasta ahora se tienen dos multiplicaciones
y cuatro sumas. Apelando a condiciones de simetrías similares en la segunda multiplicació n de
matrices, se encuentra que se requieren dos multiplicaciones y cuatro sumas má s. Así, en total, se
necesitan cuatro multiplicaciones y ocho adiciones. Puesto que, computacionalmente, las
multiplicaciones requieren por lo general mucho má s tiempo de có mputo que las adiciones, el
algoritmo de FFT para cuatro puntos es alrededor de cuatro veces má s rápido que la FDT directa. El
siguiente diagrama muestra, en forma de grá fica de flujo de señ ales, como se realizan las
operaciones necesarias.

BIBLIOGRAFIA
http://lcr.uns.edu.ar/fvc/NotasDeAplicacion/FVC-Schmidt%20Ana%20Luc%C3%ADa.pdf
http://www.ehu.eus/Procesadodesenales/tema7/ty3.html
http://bibing.us.es/proyectos/abreproy/11014/fichero/Volumen+1%252F2.-
+Calculo+eficiente+de+la+transformada+de+Fourier.pdf