Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4
Análisis en frecuencia
de señales
La transformada de Fourier es una de las diversas herramientas matemáticas que resulta útil en el análisis y el
diseño de sistemas LTI. Otra de ellas es la serie de Fourier. Estas representaciones de señales implican, básica-
mente, la descomposición de las señales en función de componentes sinusoidales (o exponenciales complejas).
Cuando se emplea una descomposición de este tipo, se dice que la señal está representada en el dominio de la
frecuencia.
Como vamos a demostrar, la mayor parte de las señales de interés práctico se pueden descomponer en una
suma de componentes sinusoidales. Cuando se trabaja con señales periódicas, tal descomposición se conoce
como serie de Fourier. En el caso de señales de energía finita, la descomposición se conoce como transformada
de Fourier. Estas descomposiciones son extremadamente importantes en el análisis de los sistemas LTI, porque
la respuesta de un sistema LTI a una señal de entrada sinusoidal es una sinusoide de la misma frecuencia pero
de diferente amplitud y fase. Además, la propiedad de linealidad del sistema LTI implica que una suma lineal
de componentes sinusoidales en la entrada produce una suma lineal similar de componentes sinusoidales en la
salida, la cual sólo difiere en las amplitudes y fases de las sinusoides de entrada. Este comportamiento caracte-
rístico de los sistemas LTI hace que la descomposición sinusoidal de señales sea muy importante. Aunque son
posibles muchas otras descomposiciones, sólo las señales sinusoidales (o exponenciales complejas) presentan
esta deseable propiedad al pasar a través de un sistema LTI.
Vamos a iniciar nuestro análisis de señales en el dominio de la frecuencia empleando la representación
de señales periódicas y aperiódicas continuas en el tiempo mediante las series de Fourier y la transformada de
Fourier, respectivamente. A continuación, veremos un tratamiento paralelo de las señales periódicas y aperiódicas
discretas en el tiempo. Las propiedades de la transformada de Fourier se describen en detalle y también se
presentan una serie de dualidades tiempo–frecuencia.
i i
i i
Prisma de vidrio
Violeta
Azul
Verde
Haz de Amarillo
Naranja
luz solar Rojo
Espectro
(a)
Prisma de vidrio
Luz blanca
Haz de
luz solar
(b)
Figura 4.1.1. (a) Análisis y (b) síntesis de la luz blanca (luz solar) utilizando prismas de vidrio.
fenómeno, Newton colocó otro prisma invertido respecto del primero y demostró que los colores volvían a
mezclarse para formar la luz blanca, como se muestra en la Figura 4.1.1(b). Newton demostró que si se coloca
una ranura entre los dos prismas que impida que uno o más colores incidan sobre el segundo prisma, la luz que
se obtiene ya no es luz blanca. Por tanto, la luz que atraviesa el primer prisma simplemente se descompone en
sus colores componentes sin sufrir ningún otro cambio. Sin embargo, si se mezclan de nuevo todos esos colores
se obtiene la luz blanca original.
Más tarde, Joseph Fraunhofer (1787–1826), haciendo medidas de la luz emitida por el sol y las estrellas,
descubrió que el espectro de la luz observada constaba de líneas de colores distintos. Unos pocos años después (a
mediados del siglo Xviii), Gustav Kirchhoff y Robert Bunsen descubrieron que cada elemento químico, cuando
se calentaba hasta la incandescencia, radiaba su propio color de luz. En consecuencia, cada elemento químico
puede identificarse mediante sus propias líneas espectrales.
Gracias a los conocimientos de la Física, sabemos que cada color se corresponde con una frecuencia
específica del espectro visible. Por tanto, el análisis de la luz de acuerdo con los colores es realmente una forma
de análisis en frecuencia.
El análisis de las frecuencias de una señal implica la descomposición de la señal en sus componentes de
frecuencia (sinusoidales). En lugar de luz, nuestras formas de onda son básicamente funciones del tiempo.
Las herramientas de análisis de Fourier que vamos a desarrollar, las series de Fourier y la transformada de
Fourier, desempeñan el mismo papel que el prisma en el caso de la luz. La recombinación de las componentes
sinusoidales para reconstruir la señal original es básicamente un problema de síntesis de Fourier. El problema
del análisis de señales es fundamentalmente el mismo para el caso de una forma de onda que para el caso de
la luz procedente de compuestos químicos calientes. Al igual que en el caso de los componentes químicos, las
diferentes formas de onda tienen espectros distintos. Luego el espectro proporciona una “identidad” o una firma
a la señal, en el sentido de que no existe ninguna otra señal que tenga el mismo espectro. Como veremos, este
atributo está relacionado con el tratamiento matemático de las técnicas en el dominio de la frecuencia.
Si descomponemos una forma de onda en componentes sinusoidales, de la misma forma que un prisma
separa la luz blanca en diferentes colores, la suma de estas componentes sinusoidales proporciona la forma de
onda original. Por el contrario, si falta cualquiera de estas componentes, el resultado será una señal diferente.
En nuestro análisis en el dominio de la frecuencia, desarrollaremos las herramientas matemáticas apropiadas
(“prismas”) para descomponer las señales (“luz”) en componentes de frecuencia sinusoidales (colores). Además,
i i
i i
también desarrollaremos las herramientas para sintetizar (“prismas invertidos”) una determinada señal a partir
de sus componentes en frecuencia.
El motivo fundamental de desarrollar estas herramientas para llevar a cabo el análisis en el dominio de la
frecuencia es proporcionar una representación matemática y gráfica de las componentes de frecuencia contenidas
en una determinada señal. Como en Física, se emplea el término espectro para hacer referencia al contenido en
frecuencia de una señal. El proceso que permite obtener el espectro de una señal dada utilizando las herramientas
matemáticas básicas que se describen en este capítulo se conoce como análisis en frecuencia o análisis espectral.
En contraste, el proceso de determinar el espectro de una señal en la práctica, basándose en medidas reales de
la señal, se denomina estimación espectral. Esta diferenciación es muy importante. En un problema práctico,
la señal que se va a analizar no conduce a una descripción matemática exacta. Normalmente, la señal contiene
cierta información a partir de la cual intentaremos extraer la información importante. Si la información que
queremos extraer se puede obtener directa o indirectamente del espectro de la señal, podremos realizar una
estimación espectral sobre la señal que contiene la información y luego obtener una estimación del espectro
de la señal. De hecho, podemos interpretar la estimación espectral como un tipo de análisis espectral realizado
sobre las señales obtenidas a partir de orígenes físicos (como por ejemplo, la voz, una señal de EEG o ECG,
etc.). Los instrumentos o programas software utilizados para obtener estimaciones espectrales de tales señales
son los analizadores de espectros.
Aquí vamos a ocuparnos del análisis espectral y en el Capítulo 14 abordaremos el tema de la estimación
del espectro de potencia.
es una señal periódica de período fundamental Tp = 1/F0. Por tanto, podemos pensar en las señales exponenciales
e− j2π F0lt
i i
i i
donde l es un entero y luego integramos ambos lados de la ecuación resultante en un único período, es decir,
entre 0 y Tp , o, de forma más general, entre t0 y t0 + Tp , donde t0 es un valor inicial arbitrario y matemáticamente
conveniente. Así, tenemos
t0 +Tp t0 +Tp ∞
t0
x(t)e− j2π lF0t dt =
t0
e− j2π lF0t ∑ ck e+ j2π kF0t dt (4.1.2)
k=−∞
Para evaluar la integral del lado derecho de la Ecuación (4.1.2), intercambiamos el orden del sumatorio y la
integral y combinamos las dos exponenciales. Por tanto,
t0 +Tp
t0 +Tp
∞ ∞
e j2π F0 (k−l)t
∑ ck
t0
e j2π F0 (k−l)t
dt = ∑ ck
j2π F0 (k − l)
(4.1.3)
k=−∞ k=−∞ t0
Para k = l, el lado derecho de (4.1.3) evaluado para los límites inferior y superior, t0 y t0 + Tp, respectivamente,
da cero. Por otro lado, si k = l, tenemos
t0 +Tp t0 +Tp
dt = t = Tp
t0 t0
y así, la expresión para los coeficientes de Fourier en función de la señal periódica dada son
t0 +Tp
1
cl = x(t)e− j2π lF0t dt
Tp t0
Puesto que t0 es un valor arbitrario, esta integral puede evaluarse para cualquier intervalo de longitud Tp , es
decir, para cualquier intervalo igual al período de la señal x(t). En consecuencia, la integral para los coeficientes
de la serie Fourier se escribirá como sigue
1
cl = x(t)e− j2π lF0t dt (4.1.4)
Tp Tp
Una cuestión importante que surge en la representación de la señal periódica x(t) mediante la serie de Fourier
es si la serie converge o no a x(t) para todo valor de t, es decir, si la señal x(t) y su representación como serie
de Fourier
∞
∑ ck e j2π kF0t (4.1.5)
k=−∞
son iguales para cualquier valor de t. Las condiciones de Dirichlet garantizan que la serie dada por (4.1.5) será
igual a x(t), excepto en los valores de t para los que x(t) es discontinua. En dichos valores de t, (4.1.5) converge
al valor medio de la discontinuidad. Las condiciones de Dirichlet son:
1. La señal x(t) tiene un número finito de discontinuidades en cualquier período.
2. La señal x(t) contiene un número finito de máximos y mínimos en cualquier período.
3. La señal x(t) es absolutamente integrable en cualquier período, es decir,
|x(t)| dt < ∞ (4.1.6)
Tp
i i
i i
es cero, aunque x(t) y su serie de Fourier no sean iguales para todos los valores de t. Observe que la expresión
(4.1.6) implica la expresión (4.1.7), pero no al contrario. También, tanto (4.1.7) como las condiciones de Dirichlet
son suficientes pero no necesarias (es decir, existen señales que tienen representación en serie de Fourier pero
no satisfacen estas condiciones).
En resumen, si x(t) es periódica y satisface las condiciones de Dirichlet, se puede representar mediante una
serie de Fourier como la dada en (4.1.1), donde los coeficientes están especificados por (4.1.4). Estas relaciones
se resumen en la siguiente tabla.
Análisis en frecuencia de señales periódicas continuas en el tiempo
∞
Ecuación de síntesis x(t) = ∑ ck e j2π kF0t (4.1.8)
k=−∞
1
Ecuación de análisis ck = x(t)e− j2π kF0t dt (4.1.9)
Tp Tp
En general, los coeficientes de Fourier ck son valores complejos. Además, es fácil demostrar que si la señal
periódica es real, ck y c−k son complejos conjugados. Por tanto, si
ck = |ck |e jθk
entonces
c−k = |ck |− jθk
En consecuencia, la serie de Fourier también puede representarse en la forma
∞
x(t) = c0 + 2 ∑ |ck | cos(2π kF0t + θk ) (4.1.10)
k=1
donde
a0 = c0 , ak = 2|ck | cos θk , bk = 2|ck | sen θk
Las expresiones (4.1.8), (4.1.10) y (4.1.11) son tres formas equivalentes de la representación en serie de Fourier
de una señal periódica real.
i i
i i
i i
i i
… …
Figura 4.1.2. Espectro de densidad de potencia de una señal periódica continua en el tiempo.
señal periódica simplemente es el cuadrado del módulo de la tensión. La información de fase se pierde totalmente
(o no aparece) en la densidad espectral de potencia.
Si la señal periódica es real, los coeficientes de la serie de Fourier {ck } satisfacen la condición
c−k = c∗k
En consecuencia, |ck |2 = |c∗k |2 . Ya que el espectro de potencia es una función simétrica de la frecuencia, esta
condición también implica que el módulo de la tensión es simétrico (función par) respecto del origen y la fase
es una función impar. Gracias a la simetría, basta entonces con especificar el espectro de la señal real periódica
sólo para las frecuencias positivas. Además, la potencia media total se puede expresar como
∞
Px = c20 + 2 ∑ |ck |2 (4.1.15)
k=1
∞
1
= a20 + ∑ (a2k + b2k )
2 k=1
(4.1.16)
que se deduce directamente de las relaciones dadas en la Sección 4.1.1 para los coeficientes {ak }, {bk } y {ck }
empleados en las expresiones de la serie de Fourier.
EJEMPLO 4.1.1
Determine la serie de Fourier y el espectro de densidad de potencia del tren de impulsos rectangulares que se muestra en la
Figura 4.1.3.
Solución. La señal es periódica de período fundamental Tp y, evidentemente, satisface las condiciones de Dirichlet. Por
tanto, podemos representar la señal según la serie de Fourier dada por (4.1.8) con los coeficientes de Fourier especificados
por (4.1.9).
x(t)
A
… …
−Tp − 0 Tp t
2 2
i i
i i
0
0
Dado que x(t) es una señal par [es decir, x(t) = x(−t)], es cómodo seleccionar el intervalo de integración de −Tp /2 a
Tp /2. Luego la expresión (4.1.9) para k = 0 da
Tp /2 τ /2
1 1 Aτ
c0 = x(t) dt = A dt = (4.1.17)
Tp −Tp /2 Tp −τ /2 Tp
El término c0 representa el valor medio (componente continua) de la señal x(t). Para k = 0, tenemos
τ /2 τ /2
1 A e− j2π F0 kt
ck = Ae− j2π kF0 t dt =
Tp −τ /2 Tp − j2π kF0 −τ /2
A e jπ kF0 τ − e− jπ kF0 τ
= (4.1.18)
π F0 kTp j2
Aτ sen π kF0 τ
= , k = ±1, ±2, . . .
Tp π kF0 τ
Es interesante destacar que el lado derecho de la Ecuación (4.1.18) tiene la forma (sen φ )/φ , donde φ = π kF0 τ . En
este caso, φ toma valores discretos, ya que F0 y τ son fijos y el índice k varía. Sin embargo, si dibujamos (sen φ )/φ con φ
como un parámetro continuo en el rango −∞ < φ < ∞, obtenemos la gráfica mostrada en la Figura 4.1.4. Observe que esta
función decrece hasta cero cuando φ → ±∞, tiene un valor máximo igual a la unidad en φ = 0 y es cero en múltiplos de π
(es decir, en φ = mπ , m = ±1, ±2, . . .). Es evidente que los coeficientes de Fourier dados por (4.1.18) son los valores de las
muestras de la función (sen φ )/φ para φ = π kF0 τ , a cuya amplitud se ha aplicado el factor de escala Aτ /Tp .
Puesto que la función periódica x(t) es par, los coeficientes de Fourier ck son reales. Por tanto, el espectro de fase es
cero cuando ck es positivo o π cuando ck es negativo. En lugar de dibujar los espectros de módulo y de fase por separado,
podemos simplemente dibujar {ck } en una única gráfica, indicando los valores positivos y negativos de ck . En la práctica,
esto se suele hacer cuando los coeficientes de Fourier {ck } son reales.
La Figura 4.1.5 ilustra los coeficientes de Fourier del tren de impulsos rectangulares cuando Tp es fijo y la anchura del
impulso τ puede variar. En este caso, Tp = 0.25 segundos, por lo que F0 = 1/Tp = 4 Hz y τ = 0.05Tp , τ = 0.1Tp y τ = 0.2Tp .
Observe que el efecto de disminuir τ manteniendo fijo Tp es dispersar la potencia de la señal en el rango de frecuencias. El
espaciado entre líneas espectrales adyacentes es F0 = 4 Hz, independientemente del valor de la anchura del impulso τ .
Por otro lado, también es interesante fijar τ y variar el período Tp cuando Tp > τ . La Figura 4.1.6 ilustra esta condición
cuando Tp = 5τ , Tp = 10τ y Tp = 20τ . En este caso, el espaciado entre líneas espectrales adyacentes disminuye cuando Tp
aumenta. En el límite, cuando Tp → ∞, los coeficientes de Fourier ck tienden a cero debido al factor de Tp en el denominador
de la Ecuación (4.1.18). Este comportamiento es coherente con el hecho de que cuando Tp → ∞ y τ permanece fija, la señal
resultante ya no es una señal de potencia. En lugar de ello, se ha convertido en una señal de energía y su potencia media es
cero. Los espectros de las señales de energía finita se describen en la siguiente sección.
Observe también que si k = 0 y sen(π kF0 τ ) = 0, entonces ck = 0. Los armónicos con potencia cero se producen a
frecuencias kF0 , tales que π (kF0 )τ = mπ , m = ±1, ±2, . . . , o en kF0 = m/τ . Por ejemplo, si F0 = 4 Hz y τ = 0.2Tp , se
obtiene que las componentes espectrales en ±20 Hz, ±40 Hz, . . . tienen potencia cero. Estas frecuencias se corresponden
con los coeficientes de Fourier ck , k = ±5, ±10, ±15, . . . . Por el contrario, si τ = 0.1Tp , las componentes espectrales con
potencia cero son k = ±10, ±20, ±30, . . . .
i i
i i
ck
ck
ck
0 F
Figura 4.1.5. Coeficientes de Fourier del tren de impulsos rectangulares cuando Tp es fijo y la anchura del
impulso τ varía.
Esta interpretación implica que será posible obtener el espectro de x(t) a partir del espectro de x p (t), simplemente
calculando el límite cuando Tp → ∞.
i i
i i
ck
F
0
ck
F
0
ck
0 F
Figura 4.1.6. Coeficientes de Fourier de un tren de impulsos rectangulares con anchura de pulso fija τ y período
variable Tp .
x(t)
−Tp/2 0 Tp/2 t
(a)
x(t)
… …
(b)
Figura 4.1.7. a) Señal aperiódica x(t) y (b) señal periódica x p (t) construida mediante la repetición de x(t) con
un período Tp .
donde
Tp /2
1
ck = x p (t)e− j2π kF0t dt (4.1.21)
Tp −Tp /2
Dado que x p (t) = x(t) para −Tp /2 ≤ t ≤ Tp /2, (4.1.21) puede expresarse como
i i
i i
Tp /2
1
ck = x(t)e− j2π kF0t dt (4.1.22)
Tp −Tp /2
También se cumple que x(t) = 0 para |t| > Tp /2. Por tanto, los límites de la integral de (4.1.22) se pueden
reemplazar por −∞ e ∞. Luego,
1 ∞
ck = x(t)e− j2π kF0t dt (4.1.23)
Tp −∞
Ahora definimos una función X(F), denominada transformada de Fourier de x(t), como
∞
X(F) = x(t)e− j2π Ft dt (4.1.24)
−∞
X(F) es una función de la variable continua F; no depende de Tp ni de F0 . Sin embargo, si comparamos (4.1.23)
y (4.1.24), es evidente que los coeficientes de Fourier ck se pueden expresar en función de X(F) como
1
ck = X(kF0 )
Tp
o, lo que es equivalente,
k
Tp ck = X(kF0 ) = X (4.1.25)
Tp
Por tanto, los coeficientes de Fourier son muestras de X(F) tomadas en múltiplos de F0 y a las que se ha aplicado
un factor de escala F0 (que es equivalente a multiplicar por 1/Tp ). Sustituyendo el valor de ck dado por (4.1.25)
en (4.1.20), tenemos
1 ∞ k
x p (t) = ∑
Tp k=−∞
X
Tp
e j2π kF0t (4.1.26)
Ahora tomamos el límite de (4.1.26) cuando Tp tiende a infinito. En primer lugar, definimos ∆F = 1/Tp . Haciendo
esta sustitución, (4.1.26) queda
∞
x p (t) = ∑ X(k∆F)e j2π k ∆Ft ∆F (4.1.27)
k=−∞
Está claro que en el límite cuando Tp tiende a infinito, x p (t) se reduce a x(t). Además, ∆F se convierte en el
diferencial dF y k ∆F se convierte en la variable frecuencia continua F. A su vez, el sumatorio de (4.1.27) pasa
a ser una integral de la variable frecuencia F. Por tanto,
∞
lı́m x p (t) = x(t) = lı́m
Tp →∞ ∆F→0
∑ X(k∆F)e− j2π k ∆Ft ∆F (4.1.28)
k=−∞
∞
x(t) = X(F)e j2π Ft dF
−∞
Esta integral proporciona x(t) cuando se conoce X(F), y recibe el nombre de transformada inversa de Fourier.
Esto concluye nuestra derivación heurística de la pareja de transformadas de Fourier dadas por (4.1.24) y
(4.1.28) para una señal aperiódica x(t). Aunque la dedución no es rigurosa matemáticamente, nos ha permitido
obtener la relación de las transformadas de Fourier deseada empleando argumentos relativamente simples
e intuitivos. En resumen, el análisis en frecuencia de señales aperiódicas continuas en el tiempo implica la
siguiente pareja de transformadas de Fourier.
i i
i i
Es evidente que la diferencia esencial entre la serie de Fourier y la transformada de Fourier es que el espectro
de esta última es continuo y la síntesis de una señal aperiódica a partir de su espectro se consigue mediante la
operación de integración en lugar de la de suma.
Por último, deseamos indicar que la pareja de transformadas de Fourier dadas por (4.1.29) y (4.1.30) se
pueden expresar en función de la variable de frecuencia en radianes Ω = 2π F. Puesto que, dF = dΩ/2π , (4.1.29)
y (4.1.30) se transforman en
∞
1
x(t) = X(Ω)e jΩt dΩ (4.1.31)
2π −∞
∞
X(Ω) = x(t)e− jΩt dt (4.1.32)
−∞
Observe que si una señal x(t) es absolutamente integrable, también tendrá energía finita. Es decir, si
∞
|x(t)| dt < ∞
−∞
entonces ∞
Ex = |x(t)|2 dt < ∞ (4.1.35)
−∞
Sin embargo, el inverso no es cierto. Es decir, una señal puede tener energía finita pero no ser absolutamente
integrable. Por ejemplo, la señal
sen 2π F0t
x(t) = (4.1.36)
πt
i i
i i
es cuadráticamente integrable pero no es absolutamente integrable. Esta señal tiene la transformada de Fourier
1, |F| ≤ F0
X(F) = (4.1.37)
0, |F| > F0
Puesto que esta señal viola la relación (4.1.33), es evidente que las condiciones de Dirichlet son suficientes pero
no necesarias para asegurar la existencia de la transformada de Fourier. En cualquier caso, prácticamente todas
las señales con energía finita tienen una transformada de Fourier, por lo que no tenemos que preocuparnos por
señales que rara vez nos encontraremos en la práctica.
Ésta es la relación de Parseval para señales aperiódicas de energía finita y expresa el principio de conservación
de la energía en los dominios del tiempo y de la frecuencia.
El espectro X(F) de una señal es, en general, un valor complejo. Por tanto, normalmente se expresa en
forma polar como sigue
X(F) = |X(F)|e jΘ(F)
donde |X(F)| es el módulo del espectro y Θ(F) es la fase del espectro,
Θ(F) = X(F)
i i
i i
En otras palabras, el espectro de densidad de energía de una señal real tiene simetría par.
EJEMPLO 4.1.2
Determine la transformada de Fourier y el espectro de densidad de energía de un impulso rectangular definido como
A, |t| ≤ τ /2
x(t) = (4.1.43)
0, |t| > τ /2
Solución. Evidentemente, esta señal es aperiódica y satisface las condiciones de Dirichlet. Por tanto, su transformada de
Fourier existe. Aplicando la Ecuación (4.1.30), tenemos que
τ /2
sen π F τ
X(F) = Ae− j2π Ft dt = Aτ (4.1.44)
−τ /2 πFτ
Observe que X(F) es real y por tanto puede representarse gráficamente utilizando sólo una gráfica, como se muestra en la
Figura 4.1.8(b). Obviamente, X(F) tiene la forma de la función (sen φ )/φ mostrada en la Figura 4.1.4. Luego el espectro
de un impulso rectangular es la envolvente del espectro de líneas (coeficientes de Fourier) de la señal periódica obtenida
mediante la repetición periódica del impulso con un período Tp , como se ve en la Figura 4.1.3. En otras palabras, los
coeficientes de Fourier ck de la señal periódica correspondiente x p (t) son simplemente muestras de X(F) en las frecuencias
kF0 = k/Tp . Específicamente,
1 1 k
ck = X(kF0 ) = X (4.1.45)
Tp Tp Tp
A partir de (4.1.44), podemos ver que los cruces por cero de X(F) se producen en múltiplos de 1/τ . Además, la anchura
del lóbulo principal, que contiene la mayor parte de la energía de la señal, es igual a 2/τ . Cuando la duración del impulso τ
disminuye (aumenta), el lóbulo principal se hace más ancho (más estrecho) y más energía se desplaza hacia las frecuencias
más altas (más bajas), como se ilustra en la Figura 4.1.9. Por tanto, cuando el impulso se expande (comprime) en el tiempo,
su transformada se comprime (expande) en frecuencia. Este comportamiento, entre la función del tiempo y su espectro, es
una forma del principio de incertidumbre que aparece de diferentes maneras en distintas áreas de la Ciencia y la Ingeniería.
Por último, el espectro de densidad de energía del impulso rectangular es
2
sen π F τ
Sxx (F) = (Aτ )2 (4.1.46)
πFτ
i i
i i
x(t)
A
0 t
−
2 2
(a)
X(F)
−2 −1 0 1 2 F
(b)
x(t) X(F)
A
− 0 t 1 0 1 F
2 2 −
x(t) X(F)
A
− 0 t 0 F
1 1
2 2 −
X(F)
x(t)
A
− 0 t 0 F
2 2
1 1
−
Figura 4.1.9. Transformada de Fourier de un impulso rectangular para diversos valores de la anchura.
i i
i i
e j2π kn/N , k = 0, 1, . . . , N − 1
y se expresa como
N−1
x(n) = ∑ ck e j2π kn/N (4.2.1)
k=0
Observe la similitud entre la Ecuación (4.2.2) y su contrapartida para señales continuas en el tiempo dada por
(4.1.3). La demostración de (4.2.2) se obtiene de forma inmediata aplicando la siguiente fórmula de las series
geométricas
N−1 N, a=1
∑ an = 1 − aN , a = 1 (4.2.3)
n=0
1−a
La expresión para los coeficientes de Fourier ck se puede obtener multiplicando ambos lados de la Ecuación
(4.2.1) por la exponencial e− j2π ln/N y sumando el producto desde n = 0 hasta n = N − 1. Por tanto,
N−1 N−1 N−1
∑ x(n)e− j2π ln/N = ∑ ∑ ck e j2π (k−l)n/N (4.2.4)
n=0 n=0 k=0
i i
i i
donde hemos hecho uso de (4.2.2). Luego el lado derecho de la Ecuación (4.2.4) se reduce a Ncl y, por tanto,
1 N−1
cl = ∑ x(n)e− j2π ln/N ,
N n=0
l = 0, 1, . . . , N − 1 (4.2.6)
Así, tenemos la expresión deseada para los coeficientes de Fourier en función de la señal x(n).
Las relaciones (4.2.1) y (4.2.6) para el análisis en frecuencia de señales discretas en el tiempo se resumen
a continuación.
Análisis en frecuencia de señales periódicas discretas en el tiempo
N−1
Ecuación de síntesis x(n) = ∑ ck e j2π kn/N (4.2.7)
k=0
N−1
1
Ecuación de análisis ck =
N ∑ x(n)e− j2π kn/N (4.2.8)
n=0
La Ecuación (4.2.7) suele denominarse serie de Fourier discreta en el tiempo (DTFS, discrete-time Fourier
series). Los coeficientes de Fourier {ck }, k = 0, 1, . . . , N − 1 proporcionan la descripción de x(n) en el dominio de
la frecuencia, en el sentido de que ck representa la amplitud y la fase asociadas con la componente de frecuencia
donde ωk = 2π k/N.
Recuerde de la Sección 1.3.3 que las funciones sk (n) son periódicas de período N. Por tanto, sk (n) =
sk (n + N). Teniendo en cuenta esta periodicidad, se deduce que los coeficientes de Fourier ck , que están más allá
del rango k = 0, 1, . . . , N − 1, también satisfacen la condición de periodicidad. De hecho, a partir de la Ecuación
(4.2.8), que se cumple para todo valor de k, tenemos
1 N−1 1 N−1
ck+N = ∑
N n=0
x(n)e− j2π (k+N)n/N = ∑ x(n)e− j2π kn/N = ck
N n=0
(4.2.9)
Por tanto, los coeficientes de la serie de Fourier {ck } forman una secuencia periódica que se extiende fuera del
rango k = 0, 1, . . . , N − 1. De aquí que
ck+N = ck
es decir, {ck } es una secuencia periódica de período fundamental N. Luego el espectro de una señal x(n)
periódica de período N es una secuencia periódica de período N. En consecuencia, cualesquiera N muestras
consecutivas de la señal o de su espectro proporcionan una descripción completa de la señal en los dominios
del tiempo o de la frecuencia.
Aunque los coeficientes de Fourier forman una secuencia periódica, vamos a fijar nuestra atención en el
período de rango k = 0, 1, . . . , N − 1. Esto resulta cómodo, ya que en el dominio de la frecuencia, es suficiente
para cubrir el rango fundamental 0 ≤ ωk = 2π k/N < 2π , para 0 ≤ k ≤ N − 1. Por el contrario, el rango de
frecuencias −π < ωk = 2π k/N ≤ π se corresponde con −N/2 < k ≤ N/2, que resulta inadecuado cuando N es
impar. Evidentemente, si utilizamos una frecuencia de muestreo Fs , el rango 0 ≤ k ≤ N − 1 se corresponde con
el rango de frecuencias 0 ≤ F < Fs .
EJEMPLO 4.2.1
i i
i i
√
(a) x(n) = cos 2π n
(b) x(n) = cos π n/3
(c) x(n) es periódica de período N = 4 y x(n) = {1, 1, 0, 0}
↑
Solución.
√ √
(a) Para ω0 = 2π , tenemos f0 = 1/ 2. Dado que f 0 no es un número racional, la señal no es periódica. Por tanto, esta
señal no se puede expandir en una serie de Fourier. No obstante, la señal tiene un espectro. Su contenido espectral
√
consta de una única componente de frecuencia en ω = ω0 = 2π .
(b) En este caso, f 0 = 1
6 y, por tanto, x(n) es periódica de período fundamental N = 6. A partir de (4.2.8), tenemos
1 5
ck = ∑ x(n)e− j2π kn/6 ,
6 n=0
k = 0, 1, . . . , 5
lo que significa que c−1 = c5 . Por tanto, esto es coherente con la Ecuación (4.2.9) y con la observación anterior de
que los coeficientes de la serie de Fourier forman una secuencia periódica de período N. En consecuencia, podemos
concluir que
c0 = c2 = c3 = c4 = 0
1 1
c1 = , c5 =
2 2
o
1
ck = (1 + e− jπ k/2 ), k = 0, 1, 2, 3
4
Para k = 0, 1, 2, 3, tenemos
1 1 1
c0 = , c1 = (1 − j), c2 = 0, c3 = (1 + j)
2 4 4
El módulo y la fase de los espectros son
√ √
1 2 2
|c0 | = , |c1 | = , |c2 | = 0, |c3 | =
2 4 4
π π
c0 = 0, c1 = − , c2 = no definido, c3 =
4 4
La Figura 4.2.1 ilustra el contenido espectral de las señales de los apartados (b) y (c).
i i
i i
ck
1
2
… …
−5 −1 0 1 2 3 4 5 6 k
(a)
|ck|
1
2
… …
−3 −2 −1 0 1 2 3 4 k
(b)
… 4 …
−3 1 5
−2 −1 0 2 3 4 k
−
4
(c)
Figura 4.2.1. Espectros de las señales periódicas del Ejemplo 4.2.1 (b) y (c).
1 N−1
Px = ∑ |x(n)|2
N n=0
(4.2.10)
Ahora vamos a deducir una expresión para Px en función de los coeficientes de Fourier {ck }.
Si empleamos la relación (4.2.7) en (4.2.10), obtenemos
1 N−1
Px = ∑ x(n)x∗ (n)
N n=0
1 N−1 N−1
= ∑ x(n) ∑ ck e
N n=0
∗ − j2π kn/N
k=0
i i
i i
Ahora podemos intercambiar el orden de los dos sumatorios y aplicar la Ecuación (4.2.8), obteniendo
N−1
1 N−1
Px = ∑ c∗k ∑ x(n)e− j2π kn/N
N n=0
k=0
(4.2.11)
N−1
1 N−1
= ∑ |ck | = ∑ |x(n)|2
2
k=0 N n=0
que es la expresión buscada para la potencia media de la señal periódica. En otras palabras, la potencia media de
la señal es la suma de las potencias de las componentes de frecuencia individuales. Interpretamos (4.2.11) como
la relación de Parseval para señales periódicas discretas en el tiempo. La secuencia |ck |2 para k = 0, 1, . . . , N − 1
es la distribución de potencia expresada como una función de la frecuencia y se conoce como espectro de
densidad de potencia de la señal periódica.
Si estuviéramos interesados en conocer la energía de la secuencia x(n) en un solo período, la expresión
(4.2.11) implica que
N−1 N−1
EN = ∑ |x(n)|2 = N ∑ |ck |2 (4.2.12)
n=0 k=0
lo que es coherente con los resultados obtenidos anteriormente para las señales periódicas continuas en el
tiempo. Si la señal x(n) es real [es decir, x∗ (n) = x(n)], entonces, procediendo como en la Sección 4.2.1,
podemos demostrar fácilmente que
c∗k = c−k (4.2.13)
o, lo que es equivalente,
Estas propiedades de simetría para el módulo y la fase del espectro de una señal periódica, junto con la propiedad
de periodicidad, tienen importantes consecuencias en el rango de frecuencias de las señales discretas en el tiempo.
De hecho, si combinamos la expresión (4.2.9) con (4.2.14) y (4.2.15), obtenemos
y
ck = −cN−k (4.2.17)
Más específicamente, tenemos que
Por tanto, para una señal real, el espectro ck , k = 0, 1, . . . , N/2 para N par, o k = 0, 1, . . . , (N − 1)/2 para N
impar, especifica por completo la señal en el dominio de la frecuencia. Evidentemente, esto es coherente con el
hecho de que la frecuencia relativa más alta que se puede representar mediante una señal discreta en el tiempo
es igual a π . De hecho, si 0 ≤ ωk = 2π k/N ≤ π , entonces 0 ≤ k ≤ N/2.
Utilizando las propiedades de simetría de los coeficientes de la serie de Fourier de una señal real, la serie
de Fourier dada por (4.2.7) también puede expresarse de las siguientes formas alternativas
i i
i i
L
2π
x(n) = c0 + 2 ∑ |ck | cos kn + θk (4.2.19)
k=1 N
L
2π 2π
= a0 + ∑ ak cos kn − bk sen kn (4.2.20)
k=1 N N
EJEMPLO 4.2.2
Señal periódica “cuadrada”. Determine los coeficientes de la serie de Fourier y el espectro de densidad de potencia de la
señal periódica mostrada en la Figura 4.2.2.
Solución. Aplicando la ecuación de análisis dada por (4.2.8) a la señal mostrada en la Figura 4.2.2, obtenemos
que es una suma geométrica. Ahora utilizamos la Ecuación (4.2.3) para simplificar el sumatorio anterior. Así, obtenemos
AL
L−1
, k=0
A N
ck = ∑
N n=0
(e− j2π k/N )n =
A 1 − e− j2π kL/N
, k = 1, 2, . . . , N − 1
N 1 − e− j2π k/N
sen(π kL/N)
= e− jπ k(L−1)/N
sen(π k/N)
Por tanto,
AL
, k = 0, +N, ±2N, . . .
N
ck = A − jπ k(L−1)/N sen(π kL/N) (4.2.21)
e , en otro caso
N sen(π k/N)
x(n)
−N 0 L N n
i i
i i
L = 2, N = 10
5
2
| |
k
Nc
2
1. 5 1 0. 5 0 0.5 1 1.5
Frecuencia (Ciclos/intervalo de muestreo)
L = 2, N = 40
5
2
|
N|ck
2
1.5 1 0.5 0 0.5 1 1.5
Frecuencia (Ciclos/intervalo de muestreo)
Figura 4.2.3. Gráfica del espectro de densidad de potencia dado por la Ecuación (4.2.22).
i i
i i
La transformada de Fourier de una señal de energía finita discreta en el tiempo x(n) se define como
∞
X(ω ) = ∑ x(n)e− jω n (4.2.23)
n=−∞
Físicamente, X(ω ) representa el contenido en frecuencia de la señal x(n). En otras palabras, X(ω ) es una
descomposición de x(n) en sus componentes de frecuencia.
Podemos observar dos diferencias básicas entre la transformada de Fourier de una señal de energía finita
discreta en el tiempo y la transformada de Fourier de una señal de energía finita analógica. Primero, para señales
continuas en el tiempo, la transformada de Fourier y, por tanto, el espectro de la señal, el rango de frecuencias
es (−∞, ∞). Por el contrario, el rango de frecuencias de una señal discreta en el tiempo es (−π , π ) o, lo que
es equivalente, (0, 2π ). Esta propiedad se refleja en la transformada de Fourier de la señal. De hecho, X(ω ) es
periódica de período 2π , es decir,
∞
X(ω + 2π k) = ∑ x(n)e− j(ω +2π k)n
n=−∞
∞
= ∑ x(n)e− jω n e− j2π kn (4.2.24)
n=−∞
∞
= ∑ x(n)e− jω n = X(ω )
n=−∞
Por tanto, X(ω ) es periódica de período 2π . Pero esta propiedad es sólo una consecuencia del hecho de que el
rango de frecuencias de cualquier señal discreta en el tiempo está limitado a (−π , π ), o (0, 2π ), y de que cualquier
frecuencia externa a este intervalo es equivalente a una frecuencia que se encuentre dentro del intervalo.
La segunda diferencia básica también es consecuencia de la naturaleza discreta en el tiempo de la señal.
Dado que la señal es discreta en el tiempo, la transformada de Fourier de la señal es una suma de términos en
lugar de una integración, como en el caso de las señales continuas en el tiempo.
Como X(ω ) es una función periódica de la variable de frecuencia ω , puede expandirse en serie de Fourier,
siempre y cuando se satisfagan las condiciones de la existencia de la serie de Fourier descritas anteriormente.
De hecho, a partir de la definición de la transformada de Fourier X(ω ) de la secuencia x(n), dada por (4.2.23),
observamos que X(ω ) tiene la forma de una serie de Fourier. Los coeficientes de Fourier de esta expansión en
serie son los valores de la secuencia x(n).
Para demostrar este punto, vamos a evaluar la secuencia x(n) a partir de X(ω ). En primer lugar, multiplicamos
ambos lados de la Ecuación (4.2.23) por e jω m e integramos en el intervalo (−π , π ). Así, tenemos
π π
∞
−π
X(ω )e jω m
dω =
−π
∑ x(n)e − jω n
e jω m d ω (4.2.25)
n=−∞
La integral del lado derecho de la Ecuación (4.2.25) puede evaluarse si se puede intercambiar el orden de las
operaciones de suma e integración. Este intercambio puede hacerse si la serie
N
XN (ω ) = ∑ x(n)e− jω n
n=−N
converge uniformemente a X(ω ) cuando N → ∞. Convergencia uniforme quiere decir que, para cualquier ω ,
XN (ω ) → X(ω ), cuando N → ∞. La convergencia de la transformada de Fourier se aborda más en detalle en
i i
i i
la siguiente sección. Por el momento, vamos a suponer que la serie converge uniformemente, de manera que
podemos intercambiar el orden de las operaciones de suma e integración en la Ecuación (4.2.25). Luego
π
2π , m = n
e jω (m−n) d ω =
−π 0, m= n
En consecuencia,
∞ π
2π x(m), m = n
∑ x(n)
−π
e jω (m−n) d ω =
0, m= n
(4.2.26)
n=−∞
Si comparamos la integral de (4.2.27) con (4.1.9), vemos que es sólo la expresión correspondiente a los
coeficientes de la serie de Fourier de una función que es periódica de período 2π . La única diferencia entre
(4.1.9) y (4.2.27) es el signo del exponente del integrando, lo cual es una consecuencia de nuestra definición de
la transformada de Fourier dada por (4.2.23). Por tanto, la transformada de Fourier de la secuencia x(n), definida
por (4.2.23), tiene la forma de una expansión en serie de Fourier.
En resumen, el par de transformadas de Fourier para señales discretas en el tiempo es el siguiente.
N
XN (ω ) = ∑ x(n)e− jω n (4.2.30)
n=−N
converge uniformemente a X(ω ), dada por la integral de (4.2.25), cuando N → ∞. Por convergencia uniforme
entendemos que, para cada ω ,
lı́m {supω |X(ω ) − XN (ω )|} = 0 (4.2.31)
N→∞
entonces
∞ ∞
|X(ω )| = ∑ x(n)e− jω n ≤ ∑ |x(n)| < ∞
n=−∞ n=−∞
i i
i i
Luego la expresión (4.2.32) define una condición suficiente para la existencia de la transformada de Fourier
discreta en el tiempo. Observe que ésta es la contrapartida discreta en el tiempo de la tercera condición de
Dirichlet para la transformada de Fourier de las señales continuas en el tiempo. Las dos primeras condiciones
no se aplican a causa de la naturaleza discreta en el tiempo de {x(n)}.
Existen algunas secuencias que no son absolutamente sumables, sino cuadráticamente sumables. Es decir,
tienen energía finita
∞
Ex = ∑ |x(n)|2 < ∞ (4.2.33)
n=−∞
que es una condición menos restrictiva que la dada por (4.2.32). Nos gustaría definir la transformada de Fourier
para secuencias de energía finita, pero para ello tenemos que hacer menos restrictiva la condición de convergencia
uniforme. Para tales secuencias, podemos imponer la condición de convergencia cuadrática media:
π
lı́m |X(ω ) − XN (ω )|2 d ω = 0 (4.2.34)
N→∞ −π
Por tanto, la energía del error X(ω ) − XN (ω ) tiende a cero, pero el error |X(ω ) − XN (ω )| no necesariamente
tiende a cero. De esta forma, podemos incluir señales de energía finita en la clase de señales para las que existe
la transformada de Fourier.
Consideremos un ejemplo de señales de energía finita. Suponga que
1, |ω | ≤ ωc
X(ω ) = (4.2.35)
0, ωc < |ω | ≤ π
Recuerde que X(ω ) es periódica de período 2π . Luego la Ecuación (4.2.35) sólo representa un período de X(ω ).
La transformada inversa de X(ω ) es la secuencia
π
1
x(n) = X(ω )e jω n d ω
2π −π
ωc
1 sen ωc n
= e jω n d ω = , n = 0
2π −ωc πn
Para n = 0, tenemos
ωc
1 ωc
x(0) = − ωc d ω =
2π π
Luego
ω
c
, n=0
π
x(n) = ω sen ωc n (4.2.36)
c , n=
0
π ωc n
Este par de transformadas se ilustra en la Figura 4.2.4.
En ocasiones, la secuencia {x(n)} dada por (4.2.36) se expresa como
sen ωc n
x(n) = , −∞ < n < ∞ (4.2.37)
πn
entendiéndose que en n = 0, x(n) = ωc /π . Sin embargo, debemos hacer hincapié en que (sen ωc n)/π n no es
una función continua y, por tanto, no se puede utilizar la regla de L’Hôpital para determinar x(0).
i i
i i
x(n)
− n
0
(a)
0
(b)
no converge uniformemente para todo ω . Sin embargo, la secuencia {x(n)} tiene energía finita Ex = ωc /π ,
como demostraremos en la Sección 4.3. Por tanto, la suma de la expresión (4.2.38) converge a X(ω ), dada en
(4.2.35), en sentido cuadrático.
Para ilustrar este punto, consideremos la suma finita
N
sen ωc n − jω n
XN (ω ) = ∑ πn
e (4.2.39)
n=−N
La Figura 4.2.5 muestra la función XN (ω ) para varios valores de N. Observe que aparece un sobreimpulso
oscilatorio importante en ω = ωc , independiente del valor de N. Cuando N aumenta, las oscilaciones se hacen
más rápidas y el tamaño del rizado no varía. Se puede demostrar que cuando N → ∞, las oscilaciones convergen
hacia el punto de discontinuidad en ω = ωc , pero su amplitud no llega a ser cero. Sin embargo, se satisface la
expresión (4.2.34) y, por tanto, XN (ω ) converge a X(ω ) en sentido cuadrático.
El comportamiento oscilatorio de la aproximación XN (ω ) a la función X(ω ) en un punto de discontinuidad
de X(ω ) se conoce como fenómeno de Gibbs. Puede observarse un efecto similar en el truncamiento de la
serie de Fourier de una señal periódica continua en el tiempo, dada por la ecuación de sintesis (4.1.8). Por
ejemplo, el truncamiento de la serie de Fourier para la señal periódica cuadrada del Ejemplo 4.1.1 alcanza el
mismo comportamiento oscilatorio de la suma finita que aproxima x(t). En el Capítulo 10 veremos de nuevo el
fenómeno de Gibbs en el diseño práctico de sistemas FIR discretos en el tiempo.
i i
i i
Ahora expresamos la energía Ex en función de la característica espectral X(ω ). En primer lugar, tenemos que
∞ ∞ π
1
Ex = ∑ x∗ (n)x(n) = ∑ x(n) X ∗ (ω )e− jω n d ω
n=−∞ n=−∞ 2 π −π
i i
i i
Ésta es la relación de Parseval para señales aperiódicas discretas en el tiempo de energía finita.
En general, el espectro X(ω ) es una función compleja de la frecuencia y se puede expresar como
donde
Θ(ω ) = X(ω )
es la fase del espectro y |X(ω )| es el módulo.
Como en el caso de las señales continuas en el tiempo, la magnitud
representa la distribución de energía como una función de la frecuencia y se conoce como espectro de densidad
de energía de x(n). Evidentemente, S xx (ω ) no contiene información acerca de la fase.
Suponga ahora que la señal x(n) es real. En este caso, se puede deducir fácilmente que
X ∗ (ω ) = X(−ω ) (4.2.44)
o, lo que es equivalente,
|X(−ω )| = |X(ω )|, (simetría par) (4.2.45)
y
X(−ω ) = −X(ω ), (simetría impar) (4.2.46)
A partir de la Ecuación (4.2.43), se deduce también que
A partir de estas propiedades de simetría, concluimos que el rango de frecuencias de las señales reales
discretas en el tiempo puede limitarse a 0 ≤ ω ≤ π (es decir, la mitad del período). De hecho, si conocemos
X(ω ) en el rango 0 ≤ ω ≤ π , podremos determinarla para el rango −π ≤ ω < 0, utilizando las propiedades de
simetría anteriormente mencionadas. Como ya hemos visto, se obtienen resultados similares para las señales
periódicas discretas en el tiempo. Por tanto, la descripción en el dominio de la frecuencia de una señal real
discreta en el tiempo queda completamente especificada por su espectro en el rango de frecuencias 0 ≤ ω ≤ π .
Normalmente, trabajaremos en el intervalo fundamental 0 ≤ ω ≤ π o 0 ≤ F ≤ Fs /2, expresado en hercios.
Sólo dibujaremos más de un semiperíodo cuando lo requiera la aplicación específica.
EJEMPLO 4.2.3
Solución. Ya que |a| < 1, la secuencia x(n) es absolutamente sumable, como puede verificarse aplicando la fórmula de la
suma geométrica,
∞ ∞
1
∑ |x(n)| = ∑ |a|n = 1 − |a| < ∞
n=−∞ n=0
i i
i i
x(n)
4
a = 0.5
3
2
1
0 5 10 15 20 n − 0
2 2
x(n)
a = −0.5 4
3
2
1
0 5 10 15 20 n − 0
2 2
(a) (b)
Figura 4.2.6. (a) Secuencias x(n) = ( 12 )n u(n) y x(n) = (− 12 )n u(n). (b) Espectros de densidad de energía.
Por tanto, existe la transformada de Fourier de x(n) y se obtiene aplicando (4.2.29). Luego,
∞ ∞
X(ω ) = ∑ an e− jω n = ∑ (ae− jω )n
n=0 n=0
Como |ae− jω | = |a| < 1, utilizamos de nuevo la fórmula de la suma geométrica para obtener
1
X(ω ) =
1 − ae− jω
El espectro de densidad energía está dado por
1
Sxx (ω ) = |X(ω )|2 = X(ω )X(ω ) =
(1 − ae− jω )(1 − ae jω )
EJEMPLO 4.2.4
i i
i i
x(n)
A
…
0 L−1 n
∞ L−1
∑ |x(n)| = ∑ |A| = L|A| < ∞
n=−∞ n=0
Por tanto, x(n) es absolutamente sumable y su transformada de Fourier existe. Además, fíjese en que x(n) es una señal de
energía finita con Ex = |A|2 L.
La transformada de Fourier de esta señal es
L−1
X(ω ) = ∑ Ae− jω n
n=0
1 − e− jω L
=A (4.2.49)
1 − e− jω
sen(ω L/2)
= Ae− j(ω /2)(L−1)
sen(ω /2)
Para ω = 0, la transformada dada por (4.2.49) es X(0) = AL, lo que se obtiene fácilmente haciendo ω = 0 en la ecuación de
definición de X(ω ), o aplicando la regla de L’Hôpital a (4.2.49), para resolver la forma indeterminada cuando ω = 0.
El módulo y la fase del espectro de x(n) son
|A|L,
ω =0
|X(ω )| = sen(ω L/2) (4.2.50)
|A| , en otro caso
sen(ω /2)
y
ω sen(ω L/2)
X(ω ) = A − (L − 1) + (4.2.51)
2 sen(ω /2)
donde sabemos que la fase de una magnitud real es cero si dicha magnitud es positiva y π si es negativa.
Las gráficas de |X(ω )| y X(ω ) se muestran en la Figura 4.2.8 para el caso en que A = 1 y L = 5. El espectro de
densidad de energía es simplemente el cuadrado de la expresión dada en (4.2.50).
Existe una interesante relación entre la transformada de Fourier del impulso de amplitud constante del
Ejemplo 4.2.4 y la señal periódica rectangular del Ejemplo 4.2.2. Si evaluamos la transformada de Fourier dada
por (4.2.49) en un conjunto de frecuencias igualmente espaciadas (armónicamente relacionadas)
2π
ωk = k, k = 0, 1, . . . , N − 1
N
obtenemos
2π sen[(π /N)kL]
X k = Ae− j(π /N)k(L−1) (4.2.52)
N sen[(π /N)k]
i i
i i
Θ(ω)
Figura 4.2.8. Módulo y fase de la transformada de Fourier del impulso rectangular discreto en el tiempo de la
Figura 4.2.7.
Si comparamos este resultado con la expresión de los coeficientes de la serie de Fourier dada por (4.2.21) para
la onda periódica rectangular, tenemos que
2π
X k = Nck , k = 0, 1, . . . , N − 1 (4.2.53)
N
Hemos establecido que la transformada de Fourier del impulso rectangular, que es idéntica a un solo período
del tren de impulsos rectangulares periódico, evaluada en las frecuencias ω = 2π k/N, k = 0, 1, . . . , N − 1, que
son idénticas a las componentes de frecuencia armónicamente relacionadas utilizadas en la representación en
serie de Fourier de la señal periódica, es simplemente un mútliplo de los coeficientes de Fourier {ck } en las
frecuencias correspondientes.
La relación dada en la Ecuación (4.2.53) para la transformada de Fourier del impulso rectangular evaluada
en ω = 2π k/N, k = 0, 1, . . . , N − 1, y los coeficientes de Fourier de la correspondiente señal periódica, no sólo
se cumple para estas dos señales, sino que, de hecho, se cumple de manera general. Esta relación se desarrolla
más en detalle en el Capítulo 7.
donde r2 < |z| < r1 es la región de convergencia de X(z). Expresamos la variable compleja z en forma polar
como
i i
i i
z = re jω (4.2.55)
donde r = |z| y ω = z. Por tanto, dentro de la región de convergencia de X(z), podemos sustituir z = re jω en
(4.2.54), lo que da
∞
X(z)|z=re jω = ∑ [x(n)r−n ]e− jω n (4.2.56)
n=−∞
A partir de la relación dada en (4.2.56), vemos que X(z) puede interpretarse como la transformada de
Fourier de la secuencia x(n)r−n . El factor de ponderación r−n aumenta con n si r < 1 y disminuye si r > 1.
Alternativamente, si X(z) converge para |z| = 1, entonces
∞
X(z)|z=e jω ≡ X(ω ) = ∑ x(n)e− jω n (4.2.57)
n=−∞
Por tanto, la transformada de Fourier puede interpretarse como la transformada z de la secuencia evaluada en el
círculo unidad. Si X(z) no converge en la región |z| = 1 [es decir, si la circunferencia unidad no está contenida
en la región de convergencia de X(z)], la transformada de Fourier X(ω ) no existe. La Figura 4.2.9 ilustra la
relación entre X(z) y X(ω ) para la secuencia rectangular del Ejemplo 4.2.4, donde A = 1 y L = 10.
Observe que la existencia de la transformada z requiere que la secuencia {x(n)r−n } sea absolutamente
sumable para ciertos valores de r, es decir,
∞
∑ |x(n)r−n | < ∞ (4.2.58)
n=−∞
Figura 4.2.9. Relaciones entre X(z) y X(ω ) para la secuencia del Ejemplo 4.2.4, con A = 1 y L = 10.
i i
i i
Por tanto, si (4.2.58) sólo converge para los valores r > r0 > 1, la transformada de z existe, pero la transformada
de Fourier no existe. Éste es el caso por ejemplo de las secuencias causales de la forma x(n) = an u(n), donde
|a| > 1.
Sin embargo, existen secuencias que no satisfacen el requisito establecido por la expresión (4.2.58); por
ejemplo, la secuencia
sen ωc n
x(n) = , −∞ < n < ∞ (4.2.59)
πn
Esta secuencia no tiene una transformada z. Puesto que tiene energía finita, su transformada de Fourier converge
en sentido cuadrático medio a la función discontinua X(ω ), definida como
1, |ω | < ωc
X(ω ) = (4.2.60)
0, ωc < |ω | ≤ π
En resumen, la existencia de la transformada z requiere que se satisfaga la expresión (4.2.58) para alguna
región del plano z. Si esta región contiene la circunferencia unidad, entonces existe la transformada de Fourier
X(ω ). Sin embargo, la existencia de la transformada de Fourier, que se define para señales de energía finita, no
asegura necesariamente la existencia de la transformada z.
4.2.7 El Cepstro
Considere una secuencia {x(n)} cuya transformada z es X(z). Suponga que {x(n)} es una secuencia estable, tal
que X(z) converge en la circunferencia unidad. El cepstro complejo de la secuencia {x(n)} se define como la
secuencia {cx (n)}, que es la transformada z inversa de Cx (z), donde
El cepstro complejo existe si Cx (z) converge en la región anular r1 < |z| < r2 , donde 0 < r1 < 1 y r2 > 1.
Dentro de esta región de convergencia, Cx (z) puede representarse mediante la serie de Laurent
∞
Cx (z) = ln X(z) = ∑ cx (n)z−n (4.2.62)
n=−∞
donde
1
cx (n) = ln X(z)zn−1 dz (4.2.63)
2π j C
C es un contorno cerrado alrededor del origen y contenido dentro de la región de convergencia. Evidentemente,
si Cx (z) puede representarse como en (4.2.62), la secuencia cepstro complejo {cx (n)} es estable. Además, si
existe el cepstro complejo, Cx (z) converge en la circunferencia unidad y así tenemos
∞
Cx (ω ) = ln X(ω ) = ∑ cx (n)e− jω n (4.2.64)
n=−∞
donde {cx (n)} es la secuencia obtenida a partir de la transformada inversa de Fourier de ln X(ω ), esto es,
π
1
cx (n) = ln X(ω )e jω n d ω (4.2.65)
2π −π
i i
i i
entonces
ln X(ω ) = ln |X(ω )| + jθ (ω ) (4.2.67)
Sustituyendo (4.2.67) en (4.2.65), obtenemos el cepstro complejo de la forma
π
1
cx (n) = [ln |X(ω )| + jθ (ω )]e jω n d ω (4.2.68)
2π −π
Podemos separar la transformada inversa de Fourier dada por (4.2.68) en las transformadas inversas de Fourier
de ln |X(ω )| y θ (ω ):
1 π
cm (n) = ln |X(ω )|e jω n d ω (4.2.69)
2 π −π
1 π
cθ (n) = θ (ω )e jω n d ω (4.2.70)
2 π −π
En algunas aplicaciones, como por ejemplo el procesamiento de voz, sólo se calcula la componente cm (n). En
dicho caso, la fase de X(ω ) se ignora. Por tanto, la secuencia {x(n)} no se puede recuperar a partir de {cm (n)}.
Es decir, el proceso de transformación de {x(n)} en {cm (n)} no se puede invertir.
En el procesamiento de señales de voz, el cepstro (real) se emplea para separar y, por tanto, para estimar el
contenido espectral de la señal de voz a partir de la frecuencia fundamental del orador. En la práctica, el cepstro
complejo se utiliza para separar señales que se han convolucionado. El proceso de separación de dos señales
convolucionadas se denomina deconvolución y el uso del cepstro complejo para llevar a cabo este proceso de
separación se denomina deconvolución homomórfica. Este tema se aborda en la Sección 5.5.4.
1 − z−1 cos ω0
X(z) =
1 − 2z−1 cos ω0 + z−2
i i
i i
El siguiente ejemplo ilustra la extensión de la transformada de Fourier para las tres secuencias.
EJEMPLO 4.2.5
Solución.
(a) De la Tabla 3.3, obtenemos
1 z
X1 (z) = = , ROC: |z| > 1
1 − z−1 z−1
X1 (z) tiene un polo, p1 = 1, sobre la circunferencia unidad, pero converge para |z| > 1.
Si evaluamos X1 (z) sobre la circunferencia unidad, excepto en z = 1, obtenemos
e jω /2 1
X1 (ω ) = = e j(ω −π /2) , ω = 2π k, k = 0, 1, . . .
2 j sen(ω /2) 2 sen(ω /2)
1 z
X2 (z) = = , ROC: |z| > 1
1 + z−1 z+1
i i
i i
(c) A partir de la exposición anterior, tenemos que X3 (ω ) es infinita en la frecuencia ω = ω0 . Utilizando la Tabla 3.3,
tenemos que
z 1 − z−1 cos ω0
x3 (n) = (cos ω0 n)u(n) ←→ X3 (z) = , ROC: |z| > 1
1 − 2z−1 cos ω0 + z−2
La transformda de Fourier es
1 − e− jω cos ω0
X3 (ω ) = , ω = ±ω0 + 2π k, k = 0, 1, . . .
(1 − e j(ω −ω0 ) )(1 − e j(ω +ω0 ) )
−
|1 − e− jω cos ω0 |
|X3 (ω )| = , ω = ±ω0 + 2π k, k = 0, 1, . . .
|1 − e− j(ω −ω0 )||1 − e− j(ω +ω0 )|
Ahora, si ω = −ω0 u ω = ω0 , |X3 (ω )| se hace infinito. Para las restantes frecuencias, la transformada de Fourier está
bien condicionada.
i i
i i
Xa(F)
F
0 0
(a)
Xa(F)
F
0 0
(b)
Xa(F)
F
0 0
(c)
Figura 4.2.10. Señales de (a) baja frecuencia, (b) alta frecuencia y (c) media frecuencia.
Del mismo modo, una señal periódica continua en el tiempo x p (t) es de banda limitada periódicamente si sus
coeficientes de Fourier cumplen que ck = 0 para |k| > M, donde M es un entero positivo. Una señal periódica
discreta en el tiempo de período fundamental N es de banda limitada periódicamente si sus coeficientes de
Fourier cumplen que ck = 0 para k0 < |k| < N. La Figura 4.2.11 ilustra los cuatro tipos de señales de banda
limitada.
Utilizando la dualidad entre el dominio de la frecuencia y el dominio del tiempo, podemos proporcionar
medios similares para caracterizar las señales en el dominio del tiempo. En particular, diremos que una señal
x(t) está limitada en el tiempo si
x(t) = 0, |t| > τ
Si la señal es periódica de período Tp , será limitada en el tiempo periódicamente si
i i
i i
X(F) ck
en el tiempo
Continuas
F kF0
−B 0 B −MF0 0 MF0
ck
en el tiempo
Discretas
0 − 0
N N
también se dice que es limitada en el tiempo. Cuando la señal es periódica con período fundamental N, se dice
que es limitada en el tiempo periódicamente si
Podemos establecer, aunque no lo vamos a demostrar, que ninguna señal puede ser limitada en el tiempo
y de banda limitada de forma simultánea. Además, existe una relación recíproca entre la duración temporal
y la duración en frecuencia de una señal. Si tenemos un impulso de corta duración en el dominio del tiempo,
su espectro tiene una anchura que es inversamente proporcional a la duración del impulso en el dominio del
tiempo. Cuanto más estrecho es el impulso en el dominio del tiempo, mayor es el ancho de banda de la señal.
En consecuencia, el producto de la duración temporal por el ancho de banda de una señal no puede hacerse
arbitrariamente pequeño. Una señal de corta duración tiene un ancho de banda grande y una señal con un ancho
de banda pequeño tiene una duración larga. Por tanto, para cualquier señal, el producto tiempo–ancho de banda
es fijo y no se puede hacer arbitrariamente pequeño.
Por último, observe que hemos abordado métodos para realizar el análisis en frecuencia de señales periódicas
y aperiódicas con energía finita. Sin embargo, existe una familia de señales aperiódicas deterministas con potencia
finita, que se forman por la superposición lineal de exponenciales complejas con frecuencias relacionadas no
armónicamente, es decir,
M
x(n) = ∑ Ak e jωk n
k=1
donde ω1 , ω2 , . . . , ωM no están relacionadas armónicamente. Estas señales tienen espectros discretos pero las
distancias entre las líneas no están armónicamente relacionadas. A veces, las señales con espectros discretos no
armónicos se denominan señales quasi-periódicas.
i i
i i
las características y la ubicación de un terremoto. Una señal electromagnética, como por ejemplo una señal de
radar reflejada desde un avión, contiene información sobre la posición del avión y su velocidad. Estos parámetros
se pueden estimar observando la señal de radar recibida.
Al procesar cualquier señal con el fin de medir parámetros o extraer otro tipo de información, es preciso
conocer de forma aproximada el rango de frecuencias contenidas en la señal. Como referencia, las Tablas 4.1,
4.2 y 4.3 proporcionan límites aproximados en el dominio de la frecuencia para señales biológicas, sísmicas y
electromagnéticas.
Electroretinogramaa 0–20
Electronistagmogramab 0–20
Neumogramac 0–40
Electrocardiograma (ECG) 0–100
Electroencefalograma (EEG) 0–100
Electromiogramad 10–200
Esfigmomanogramae 0–200
Voz 100–4000
a Registro gráfico de las características de la retina.
b Registro gráfico del movimiento involuntario de los ojos .
c Registro gráfico de la actividad respiratoria.
d Registro gráfico de la actividad muscular, como por ejemplo una contracción muscular.
e Registro gráfico de la presión sanguínea.
i i
i i
La Figura 4.3.1 resume las fórmulas de análisis y síntesis de estos tipos de señales.
Como ya hemos mencionado en varias ocasiones, existen dos características en el dominio del tiempo que
determinan el tipo del espectro de señal que obtendremos. Éstas son: si la variable tiempo es continua o discreta
y si la señal es periódica o aperiódica. Vamos a resumir brevemente los resultados obtenidos en las secciones
anteriores.
Señales continuas en el tiempo con espectro aperiódico. Una inspección minuciosa de las fórmulas de análisis
de la serie de Fourier y de la transformada de Fourier no revelan ningún tipo de periodicidad en el dominio
espectral. Esta falta de periodicidad es una consecuencia del hecho de que la exponencial compleja exp( j2π Ft)
es una función de la variable continua t y, por tanto, no es periódica en F. Luego el rango de frecuencias de las
señales continuas en el tiempo se extiende desde F = 0 hasta F = ∞.
Señales discretas en el tiempo con espectro periódico. Tanto la serie de Fourier como la transformada de
Fourier para señales discretas en el tiempo son periódicas de período ω = 2π . Como consecuencia de esta
periodicidad, el rango de frecuencias de las señales discretas en el tiempo es finito y se extiende desde ω = −π
hasta ω = π radianes, donde ω = π corresponde a la máxima velocidad de oscilación posible.
Señales periódicas con espectro discreto. Como ya hemos señalado, las señales periódicas se describen
mediante la serie de Fourier. Los coeficientes de la serie de Fourier proporcionan las “líneas” que forman el
espectro discreto. El espaciado entre las líneas ∆F o ∆ f es igual a la inversa del período Tp o N, respectivamente,
en el dominio del tiempo. Es decir, ∆F = 1/Tp para señales periódicas continuas en el tiempo y ∆ f = 1/N para
señales discretas en el tiempo.
Señales aperiódicas de energía finita con espectro continuo. Esta propiedad es una consecuencia directa del
hecho de que tanto X(F) como X(ω ) son funciones de exp( j2π Ft) y exp( jω n), respectivamente, las cuales son
funciones continuas de las variables F y ω . La continuidad en frecuencia es necesaria para romper la armonía
y crear por tanto señales aperiódicas.
En resumen, podemos concluir que la periodicidad de “período” α en un dominio implica automáticamente
la discretización con un “espaciado” de 1/α en el otro dominio, y viceversa.
i i
i
i
Dominio del tiempo Dominio de la frecuencia Dominio del tiempo Dominio de la frecuencia
xa(t) ck x(n) ck
… … … … … …
t F n k
-Tp 0 Tp 0 -N 0 N -N 0 N
1 1 1 N -1
ck = F0 =
Tp Tp N n=0
Serie de Fourier
Señales periódicas
N -1
xa(t) = -
k=- k=0
… … … …
t F n
0 0 -3 -2 -1 0 1 2 0
Xa(F) = ∫
- n=-
Señales aperiódicas
1
x(n) =
Transformadas de Fourier
-
i
i
i i
Si tenemos presente que el “período” en el dominio de la frecuencia hace referencia al rango de frecuencias,
el “espaciado” en el dominio del tiempo se corresponde con el período de muestreo T , el espaciado entre líneas
en el dominio de la frecuencia es ∆F, luego α = Tp implica que 1/α = 1/Tp = ∆F, α = N implica que ∆ f = 1/N
y α = Fs implica que T = 1/Fs.
Estas dualidades tiempo-frecuencia son evidentes si observamos la Figura 4.3.1. Sin embargo, las ilustra-
ciones de esta figura no se corresponden con ninguno de los pares de transformadas reales, por lo que debe
evitarse realizar ninguna comparación entre ellas.
Una inspección detenida de la Figura 4.3.1 también revela algunas dualidades y simetrías matemáticas entre
las distintas relaciones del análisis en frecuencia. En particular, podemos observar que existen dualidades entre
las siguientes ecuaciones de análisis y síntesis:
Observe que todas las relaciones duales únicamente difieren en el signo del exponente de la correspondiente
exponencial compleja. Es interesante destacar que este cambio de signo puede interpretarse como el solapamiento
de la señal o como el solapamiento del espectro, ya que
Si nos fijamos ahora en la densidad espectral de las señales, debemos recordar que hemos empleado el término
densidad espectral de energía para caracterizar las señales aperiódicas de energía finita y el término densidad
espectral de potencia para las señales periódicas, por lo que esta terminología es coherente con el hecho de que
las señales periódicas son señales de potencia y las señales aperiódicas con energía finita son señales de energía.
i i
i i
para la transformada inversa (ecuación de sintesis). Haremos también referencia a x(n) y X(ω ) como un par de
transformadas de Fourier e indicaremos esta relación mediante la notación
F
x(n) ←→ X(ω ) (4.4.3)
Sustituyendo (4.4.4) y e− jω = cos ω − j sen ω en (4.4.1) y separando las partes real e imaginaria, obtenemos
∞
XR (ω ) = ∑ [xR (n) cos ω n + xI (n) sen ω n] (4.4.6)
n=−∞
∞
XI (ω ) = − ∑ [xR (n) sen ω n − xI (n) cos ω n] (4.4.7)
n=−∞
Señales reales. Si x(n) es real, entonces xR (n) = x(n) y xI (n) = 0. Por tanto, (4.4.6) y (4.4.7) se reducen a
∞
XR (ω ) = ∑ x(n) cos ω n (4.4.10)
n=−∞
y
∞
XI (ω ) = − ∑ x(n) sen ω n (4.4.11)
n=−∞
i i
i i
Dado que cos(−ω n) = cos ω n y sen(−ω n) = − sen ω n, se deduce a partir de (4.4.10) y (4.4.11) que
XR (−ω ) = XR (ω ) , (par) (4.4.12)
XI (ω )
X|ω | = tan−1 (4.4.16)
XR (ω )
Como consecuencia de (4.4.12) y (4.4.13), el módulo y la fase del espectro también presentan las propiedades
de simetría
|X(ω )| = |X(−ω )| , (par) (4.4.17)
En el caso de la transformada inversa de una señal real [es decir, x(n) = xR (n)], (4.4.8) implica que
1
x(n) = [XR (ω ) cos ω n − XI (ω ) sen ω n] d ω (4.4.19)
2π 2π
Dado que ambos productos XR (ω ) cos ω n y XI (ω ) sen ω n son funciones pares de ω , tenemos
π
1
x(n) = [XR (ω ) cos ω n − XI (ω ) sen ω n] d ω (4.4.20)
π 0
Señales reales pares. Si x(n) es una señal real y par [es decir, x(−n) = x(n)], entonces x(n) cos ω n es par y
x(n) sen ω n es impar. Por tanto, a partir de (4.4.10), (4.4.11) y (4.4.20), obtenemos
∞
XR (ω ) = x(0) + 2 ∑ x(n) cos ω n, (par) (4.4.21)
n=1
Eje imaginario
Eje real
0
i i
i i
XI (ω ) = 0 (4.4.22)
1 π
x(n) = XR (ω ) cos ω n d ω (4.4.23)
π 0
Por tanto, las señales reales y pares poseen un espectro real, que además está formado por funciones pares de la
variable frecuencia ω .
Señales reales e impares. Si x(n) es real e impar [es decir, x(−n) = −x(n)], entonces x(n) cos ω n es impar y
x(n) sen ω n es par. Por tanto, (4.4.10), (4.4.11) y (4.4.20) implican que
XR (ω ) = 0 (4.4.24)
∞
XI (ω ) = −2 ∑ x(n) sen ω n, (impar) (4.4.25)
n=1
1 π
x(n) = − XI (ω ) sen ω n d ω (4.4.26)
π 0
Luego las señales reales e impares poseen espectros imaginarios puros, que además están formados por funciones
impares de la variable de frecuencia ω .
Señales imaginarias puras. En este caso, xR (n) = 0 y x(n) = jxI (n). Luego las expresiones (4.4.6), (4.4.7) y
(4.4.9) se reducen a
∞
XR (ω ) = ∑ xI (n) sen ω n, (impar) (4.4.27)
n=−∞
∞
XI (ω ) = ∑ xI (n) cos ω n, (par) (4.4.28)
n=−∞
π
1
xI (n) = [XR (ω ) sen ω n + XI (ω ) cos ω n] d ω (4.4.29)
π 0
XR (ω ) = 0 (4.4.33)
∞
XI (ω ) = xI (0) + 2 ∑ xI (n) cos ω n, (par) (4.4.34)
n=1
π
1
xI (n) = XI (ω ) cos ω n d ω (4.4.35)
π 0
x(n) = xR (n) + jxI (n) = xeR (n) + xoR(n) + j[xeI (n) + xoI(n)] = xe (n) + xo(n) (4.4.36)
i i
i i
1
xe (n) = xeR (n) + jxeI (n) = [x(n) + x∗(−n)]
2
1
xo (n) = xoR (n) + jxoI (n) = [x(n) − x∗ (−n)]
2
Los superíndices e y o indican, respectivamente, las componentes de la señal pares e impares. Observe que
xe (n) = xe (−n) y xo (−n) = −xo (n). A partir de la Ecuación (4.4.36) de las propiedades de la transformada de
Fourier establecidas anteriormente, obtenemos las siguientes relaciones:
R I R I
R I R I (4.4.37)
Estas propiedades de simetría de la transformada de Fourier se resumen en la Tabla 4.4 y en la Figura 4.4.2. En
la práctica se emplean a menudo para simplificar los cálculos de la transformada de Fourier.
Secuencia DTFT
x(n) X(ω )
x∗ (n) X ∗ (−ω )
x∗ (−n) X ∗ (ω )
xR (n) Xe (ω ) = 12 [X(ω ) + X ∗(−ω )]
jxI (n) Xo (ω ) = 12 [X(ω ) − X ∗(−ω )]
xe (n) = 12 [x(n) + x∗(−n)] XR (ω )
xo (n) = 12 [x(n) − x∗ (−n)] jXI (ω )
Señales reales
X(ω ) = X ∗ (−ω )
Cualquier señal real XR (ω ) = XR (−ω )
x(n) XI (ω ) = −XI (−ω )
|X(ω )| = |X(−ω )|
X(ω ) = −X(−ω )
xe (n) = 12 [x(n) + x(−n)] XR (ω )
(real y par) (real y par)
xo (n) = 12 [x(n) − x(−n)] jXI (ω )
(real e impar) (imaginaria e impar)
EJEMPLO 4.4.1
1
X(ω ) = , −1 < a < 1 (4.4.38)
1 − ae− jω
i i
i i
Par Par
Real Real
Impar Impar
Impar Impar
Imaginaria Imaginaria
Par Par
Solución. Multiplicando el numerador y el denominador de (4.4.38) por el complejo conjugado del denominador, obtenemos
1 − ae jω 1 − a cos ω − ja sen ω
X(ω ) = =
(1 − ae− jω )(1 − ae jω ) 1 − 2a cos ω + a2
Esta expresión puede separase en sus partes imaginaria y real. Obtenemos así
1 − a cos ω
XR (ω ) =
1 − 2a cos ω + a2
a sen ω
XI (ω ) = −
1 − 2a cos ω + a2
Sustituyendo las dos últimas ecuaciones en (4.4.15) y (4.4.16) obtenemos el módulo y la fase del espectro como
1
|X(ω )| = √ (4.4.39)
1 − 2a cos ω + a2
y
a sen ω
X(ω ) = − tan−1 (4.4.40)
1 − a cos ω
Las Figuras 4.4.3 y 4.4.4 muestran la representación gráfica de estas funciones para a = 0.8. El lector puede verificar
fácilmente que, como era de esperar, todas las propiedades de simetría de los espectros de las señales reales se cumplen
también en este caso.
EJEMPLO 4.4.2
i i
i i
6 3
5 2
4 1
X R( )
X1( )
3 0
2 1
1 2
0 3
0. 5 0 0.5 0.5 0 0.5
4
|X (ω)|
0
π 0. 5 π 0 0.5 π π
ω
0.4π
0.2π
∠X( ω)
0.2π
0.4π
π 0.5 π 0 0.5 π π
ω
Figura 4.4.4. Módulo y fase del espectro de la transformada del Ejemplo 4.4.1.
Solución. Evidentemente, x(−n) = x(n). Por tanto, x(n) es una señal real y par. A partir de (4.4.21) obtenemos
M
X(ω ) = XR (ω ) = A 1 + 2 ∑ cos ω n
n=1
sen(M + 12 )ω
X(ω ) = A
sen(ω /2)
i i
i i
Ya que X(ω ) es real, el módulo y la fase del espectro están dados por
sen(M + 1 )ω
|X(ω )| = A 2
(4.4.42)
sen(ω /2)
y
0, si X(ω ) > 0
X(ω ) = (4.4.43)
π, si X(ω ) < 0
La Figura 4.4.5 muestra las gráficas para X(ω ).
x(n)
n
−M 0 M
−2
Figura 4.4.5. Características espectrales del impulso rectangular del Ejemplo 4.4.2.
i i
i i
Linealidad. Si
F
x1 (n) ←→ X1 (ω )
y
F
x2 (n) ←→ X2 (ω )
entonces
F
a1 x1 (n) + a2x2 (n) ←→ a1 X1 (ω ) + a2X2 (ω ) (4.4.44)
Enunciado de forma simple, la transformación de Fourier, vista como una operación sobre una señal x(n),
es una transformación lineal. Por tanto, la transformada de Fourier de una combinación lineal de dos o más
señales es igual a la misma combinación lineal de las transformadas de Fourier de las señales individuales. Esta
propiedad puede demostrarse fácilmente utilizando la Ecuación (4.4.1). La propiedad de linealidad hace que la
transformada de Fourier resulte útil en el estudio de los sistemas lineales.
EJEMPLO 4.4.3
ae jω
=
1 − ae jω
i i
i i
x(n)
n
0
1+a
1−a
Figura 4.4.6. Secuencia x(n) y su transformada de Fourier para el Ejemplo 4.4.3 con a = 0.8.
X(ω ) = X1 (ω ) + X2 (ω ) (4.4.46)
1 − a2
=
1 − 2a cos ω + a2
Desplazamiento temporal. Si
F
x(n) ←→ X(ω ) (4.4.47)
entonces
F
x(n − k) ←→ e− jω k X(ω )
La demostración de esta propiedad se obtiene de forma inmediata a partir de la transformada de Fourier de
x(n − k) haciendo un cambio en el índice del sumatorio. Así
Esta relación indica que si una señal se desplaza en el dominio del tiempo k muestras, el espectro del módulo
no cambia. Sin embargo, la fase del espectro varía en una cantidad −ω k. Este resultado se puede explicar
simplemente recordando que el contenido en frecuencias de una señal sólo depende de su forma. Desde un
punto de vista matemático, podemos decir que un desplazamiento en el dominio del tiempo de k muestras es
equivalente a multiplicar el espectro por e− jω k en el dominio de la frecuencia.
i i
i i
Inversión temporal. Si
F
x(n) ←→ X(ω )
entonces
F
x(−n) ←→ X(−ω ) (4.4.48)
Esta propiedad puede establecerse calculando la transformada de Fourier de x(−n) y haciendo un sencillo
cambio en el índice del sumatorio. Así
∞
F{x(−n)} = ∑ x(l)e jω l = X(−ω )
l=−∞
Esto significa que si una señal se refleja respecto al origen de tiempos, el módulo del espectro no cambia y la
fase cambia de signo (inversión de fase).
Teorema de convolución. Si
F
x1 (n) ←→ X1 (ω )
y
F
x2 (n) ←→ X2 (ω )
entonces
F
x(n) = x1 (n) ∗ x2 (n) ←→ X(ω ) = X1 (ω )X2 (ω ) (4.4.49)
Para demostrar la Ecuación (4.4.49), recordamos la fórmula de la convolución
∞
x(n) = x1 (n) ∗ x2(n) = ∑ x1 (k)x2 (n − k)
k=−∞
Multiplicando ambos lados de esta ecuación por la exponencial exp(− jω n) y sumando para todo n, obtenemos
∞ ∞ ∞
X(ω ) = ∑ x(n)e− jω n = ∑ ∑ x1 (k)x2 (n − k) e− jω n
n=−∞ n=−∞ k=−∞
Después de intercambiar el orden de los sumatorios y de hacer un sencillo cambio en el índice del sumatorio,
el lado derecho de la esta ecuación se reduce al producto X1 (ω )X2 (ω ). Luego, la Ecuación (4.4.49) queda
demostrada.
El teroema de convolución es una de las herramientas más potentes en el análisis de sistemas lineales.
Establece que convolucionar dos señales en el dominio del tiempo es equivalente a multiplicar sus espectros en
el dominio de la frecuencia. En capítulos posteriores veremos que el teorema de convolución proporciona una
importante herramienta de cálculo en muchas aplicaciones de tratamiento digital de señales.
EJEMPLO 4.4.4
i i
i i
Teorema de correlación. Si
F
x1 (n) ←→ X1 (ω )
y
F
x2 (n) ←→ X2 (ω )
entonces
F
rx1 x2 (m) ←→ Sx1 x2 (ω ) = X1 (ω )X2 (−ω ) (4.4.50)
La demostración de la Ecuación (4.4.50) es similar a la de la Ecuación (4.4.49). En este caso, tenemos
∞
rx1 x2 (n) = ∑ x1 (k)x2 (k − n)
k=−∞
x1(n)
3
F
1
n
−1 0 1
x(n) 10
3 F
n
−2 −1 0 1 2 0
X2(ω)
x2(n)
3
F
n
−1 0 1 −1
i i
i i
Multiplicando ambos lados de esta ecuación por la exponencial exp(− jω n) y sumando para todo n, obtenemos
∞ ∞ ∞
Sx1 x2 (ω ) = ∑ rx1x2 (n)e− jω n = ∑ ∑ x1 (k)x2 (k − n) e− jω n
n=−∞ n=−∞ k=−∞
Por último, intercambiamos el orden de los sumatorios y hacemos un cambio en el índice del sumatorio. Luego,
el lado derecho de la ecuación anterior se reduce a X1 (ω )X2 (−ω ). La función Sx1 x2 (ω ) se conoce como densidad
espectral de energía cruzada de las señales x 1 (n) y x2 (n).
F
rxx (l) ←→ Sxx (ω ) (4.4.51)
Esto es, la densidad espectral de energía de una señal de energía es la transformada de Fourier de su autocorre-
lación. Se trata de un caso especial de la Ecuación (4.4.50).
Este resultado es muy importante, ya que implica que la autocorrelación de una señal y su densidad espectral
de energía contienen la misma información acerca de la señal. Dado que ninguna de ellas contiene información
acerca de la fase, es imposible reconstruir de forma unívoca la señal a partir de la función de autocorrelación o
del espectro de densidad de energía.
EJEMPLO 4.4.5
Solución. A partir del Ejemplo 2.6.2, sabemos que la función de autocorrelación de esta señal es
1
rxx (l) = a|l| , ∞<l<∞
1 − a2
Utilizando el resultado dado por (4.4.46) para la transformada de Fourier de a|l| , deducido en el Ejemplo 4.4.3, tenemos
1 1
F{rxx (l)} = F{a|l| } =
1 − a2 1 − 2a cos ω + a2
Por tanto, de acuerdo con el teorema de Wiener–Khintchine,
1
Sxx (ω ) =
1 − 2a cos ω + a2
Desplazamiento en frecuencia. Si
F
x(n) ←→ X(ω )
entonces
F
e jω0 n x(n) ←→ X(ω − ω0 ) (4.4.52)
Esta propiedad puede demostrarse fácilmente mediante la sustitución directa en la ecuación de análisis
(4.4.1). De acuerdo con esta propiedad, la multiplicación de una secuencia x(n) por e jω0 n es equivalente a la
traslación en frecuencia del espectro X(ω ) una cantidad ω0 . Esta frecuencia de traslación se indica en la Figura
4.4.8. Como el espectro X(ω ) es periódico, el desplazamiento ω0 se aplica al espectro de la señal en cada
período.
i i
i i
0
(a)
0
(b)
Teorema de modulación. Si
F
x(n) ←→ X(ω )
entonces
F 1
x(n) cos ω0 n ←→ [X(ω + ω0 ) + X(ω − ω0 )] (4.4.53)
2
Para demostrar el teorema de modulación, en primer lugar, expresamos la señal cos ω0 n como
1
cos ω0 n = (e jω0 n + e− jω0n )
2
Multiplicando x(n) por estas dos exponenciales y utilizando la propiedad del desplazamiento en frecuencia
descrita anteriormente, obtenemos la expresión dada por (4.4.53).
Aunque la propiedad dada por (4.4.52) también puede interpretarse como una modulación (compleja), en
la práctica, preferimos utilizar la Ecuación (4.4.53), porque la señal x(n) cos ω0 n es real. Evidentemente, en este
caso, las propiedades de simetría dadas por (4.4.12) y (4.4.13) se conservan.
El teorema de modulación se ilustra en la Figura 4.4.9, que muestra una gráfica de los espectros de las
señales x(n), y1 (n) = x(n) cos 0.5π n e y2 (n) = x(n) cos π n.
Teorema de Parseval. Si
F
x1 (n) ←→ X1 (ω )
y
F
x2 (n) ←→ X2 (ω )
entonces
∞ π
1
∑ x1 (n)x∗2 (n) =
2π −π
X1 (ω )X2∗ (ω ) d ω (4.4.54)
n=−∞
Para demostrar este teorema utilizamos la Ecuación (4.4.1) con el fin de eliminar X1 (ω ) del lado derecho
de la Ecuación (4.4.54). Así, tenemos
∞ ∞ ∞
1 1
2π 2π
∑ x1 (n)e − jω n
X2∗ (ω ) d ω = ∑ x1 (n)
2π 2π
X2∗ (ω )e− jω n d ω = ∑ x1 (n)x∗2 (n)
n=−∞ n=−∞ n=−∞
i i
i i
− 0
2 2
(a)
− 0
2 2
(b)
1
1
2
− − 0
2 2 2 2
(c)
En el caso especial en que x2 (n) = x1 (n) = x(n), la relación de Parseval dada por (4.4.54) se reduce a
∞
1
∑ |x(n)|2 =
2π 2π
|X(ω )|2 d ω (4.4.55)
n=−∞
Observe que el lado izquierdo de la Ecuación (4.4.55) es, simplemente, la energía Ex de la señal x(n). También
es igual a la autocorrelación de x(n), rxx (l), evaluada en l = 0. El integrando del lado derecho de la Ecuación
(4.4.55) es igual al espectro de densidad de energía, por lo que la integral en el intervalo −π ≤ ω ≤ π proporciona
la energía total de la señal. Por tanto, podemos concluir que
∞ π
1 1
Ex = rxx (0) = ∑ |x(n)|2 =
2π 2π
|X(ω )|2 d ω =
2π −π
Sxx (ω ) d ω (4.4.56)
n=−∞
i i
i i
La integral del lado derecho de la Ecuación (4.4.57) representa la convolución de las transformadas de Fourier
X1 (ω ) y X2 (ω ). Esta relación es la dual de la convolución en el dominio del tiempo. En otras palabras, la
multiplicación de dos secuencias en el dominio del tiempo es equivalente a la convolución de sus transformadas de
Fourier. Asimismo, la convolución de dos secuencias en el dominio del tiempo es equivalente a la multiplicación
de sus transformadas de Fourier.
Para demostrar (4.4.57), utilizamos la transformada de Fourier de x3 (n) = x1 (n)x2 (n) y empleamos la
fórmula de la transformada inversa, luego,
π
1
x1 (n) = X1 (λ )e jλ n d λ
2π −π
Así, tenemos
∞ ∞
X3 (ω ) = ∑ x3 (n)e− jω n = ∑ x1 (n)x2 (n)e− jω n
n=−∞ n=−∞
∞
1 π
= ∑ 2π −π
X1 (λ )e jλ n d λ x2 (n)e− jω n
n=−∞
π
∞
1
=
2π −π
X1 (λ )d λ ∑ x2 (n)e − j(ω −λ )n
n=−∞
π
1
= X1 (λ )X2 (ω − λ )d λ
2π −π
∞
d − jω n
= ∑ x(n)
dω
e
n=−∞
∞
= −j ∑ nx(n)e− jω n
n=−∞
i i
i i
Ahora multiplicamos ambos lados de la ecuación por j para obtener el resultado dado por (4.4.58).
Las propiedades obtenidas en esta sección se resumen en la Tabla 4.5, la cual es una buena herramienta de
referencia. La Tabla 4.6 ilustra algunos pares de transformadas de Fourier útiles con los que nos encontraremos
en capítulos posteriores.
1 !π
Multiplicación x1 (n)x2 (n) 2π −π X1 (λ )X2 (ω − λ )d λ
Diferenciación en el
ω)
dominio de la frecuencia nx(n) j dX(
dω
Conjugación x∗ (n) X ∗ (−ω )
1 !π
Teorema de Parseval ∑∞ ∗
n=−∞ x1 (n)x2 (n) =
∗
2π −π X1 (ω )X2 (ω )d ω
i i
i i
Problemas
4.1 Considere la sinusoide rectificada de onda completa de la Figura P.4.1.
4.2 Cálcule y dibuje el módulo y la fase del espectro de las señales siguientes para (a > 0).
Ae−at , t ≥ 0
(a) xa (t) =
0, t <0
i i
i i
xa(t)
Figura P.4.1.
(a) Determine y dibuje el módulo y la fase de su espectro, |Xa (F)| y Xa (F), respectivamente.
(b) Cree una señal periódica x p (t) de período fundamental Tp ≥ 2τ , tal que x(t) = x p (t) para |t| < Tp /2.
¿Cuáles son los coeficientes de Fourier ck para la señal x p (t)?
(c) Utilizando los resultados de los apartados (a) y (b), demuestre que ck = (1/Tp )Xa (k/Tp ).
x(n) = {. . . , 1, 0, 1, 2, 3, 2, 1, 0, 1, . . .}
↑
4.6 Determine y dibuje el módulo y la fase del espectro de las siguientes señales periódicas.
(f) x(n) = {. . . , 0, 0, 1, 1, 0, 0, 0, 1, 1, 0, 0, . . .}
↑
i i
i i
4.7 Determine las señales periódicas x(n), de período fundamental N = 8, si sus coeficientes de Fourier están
dados por:
4.8 Se dice que dos señales discretas, sk (n) y sl (n), son ortogonales en un intervalo [N1 , N2 ] si
N2
Ak , k = l
∑ sk (n)s∗l (n) =
0, k = l
n=N1
N−1
N, k = 0, ±N, ±2N, . . .
∑ e j2π kn/N =
0, en otro caso
n=0
(b) Ilustre la validez de la relación del apartado (a) dibujando para cada valor de k = 1, 2, . . . , 6, las
señales sk (n) = e j(2π /6)kn , n = 0, 1, . . . , 5. [Nota: para un k dado, la señal n, sk (n), puede representarse
como un vector en el plano complejo].
(c) Demuestre que las señales relacionadas armónicamente
Dibuje el módulo y la fase del espectro para las señales de los apartados (a), (f) y (g).
i i
i i
0
− −
8 8 8 8 8 8
Figura P.4.10.
cuya transformada de Fourier es X(ω ) = XR (ω ) + j(XI (ω )). Determine y dibuje la señal y(n) cuya
transformada de Fourier es
Y (ω ) = XI (ω ) + XR(ω )e j2ω
2
1
− 0
10 10
(a)
0
(b)
2 W
1
0
(c)
Figura P.4.12.
i i
i i
era
M
X(ω ) = 1 + 2 ∑ cos ω n
n=1
y
1, −M ≤ n ≤ −1
x2 (n) =
0, en otro caso
son, respectivamente,
1 − e− jω (M+1)
X1 (ω ) =
1 − e− j ω
e jω − e jω (M+1)
X2 (ω ) =
1 − e jω
Con ello, demuestre que
X(ω ) = X1 (ω ) + X2 (ω )
sen(M + 12 )ω
=
sen(ω /2)
y, por tanto,
1
M sen(M + )ω
1 + 2 ∑ cos ω n = 2
n=1 sen(ω /2)
cuya transformada de Fourier es X(ω ). Calcule las siguientes magnitudes, sin calcular explícitamente
X(ω ):
(a) X(0)
(b) ∠X(ω )
!π
(c) −π X(ω ) dω
(d) X(π )
!π
(e) −π |X(ω )| dω
2
i i
i i
0
−
2 2
Figura P.4.15.
F 1
an u(n) ←→ , |a| < 1
1 − ae− jω
Utilizando el teorema de diferenciación en la frecuencia y por inducción, demuestre que
(n + l − 1)! n F 1
x(n) = a u(n) ←→ X(ω ) =
n!(l − 1)! (1 − ae− jω )l
4.17 Sea x(n) una señal arbitraria, no necesariamente real, cuya transformada de Fourier es X(ω ). Exprese las
transformadas de Fourier de las siguientes señales en función de X(ω ).
(a) x∗ (n)
(b) x∗ (−n)
(c) y(n) = x(n) − x(n − 1)
(d) y(n) = ∑nk=−∞ x(k)
(e) y(n) = x(2n)
x(n/2), n par
(f) y(n) =
0, n impar
i i
i i
0
−
2 2
Figura P.4.19.
i i
i i
1
X(ω ) =
1 − ae− jω
(a) x(2n + 1)
(b) eπ n/2 x(n + 2)
(c) x(−2n)
(d) x(n) cos(0.3π n)
(e) x(n) ∗ x(n − 1)
(f) x(n) ∗ x(−n)
4.23 Partiendo de una señal discreta en el tiempo x(n) con una transformada de Fourier X(ω ), como la mostrada
en la Figura P.4.23, determine y dibuje la transformada de Fourier de las siguientes señales:
x(n), n par
(a) y1 (n) =
0, n impar
(b) y2 (n) = x(2n)
x(n/2), n par
(c) y3 (n) =
0, n impar
0
−
4 4
Figura P.4.23.
i i