1

Escuela Colombiana de Ingeniería ¨Julio Garavito¨ - Colegio Mayor de Nuestra Señora del Rosario Programa de Ingeniería
Biomédica – Sistemas y Señales Biomédicos

Implementación en MATLAB de la Transformada de

fourier

​ Matlab engineering software is used in the biomedical

Abstract—
field for the simulation of engineering operations, signal
processing and mathematics, and data analysis. In the case of
signal evaluation and analysis, specifically periodic signals, the
method of series and Fourier transform has been implemented.
Therefore, it was possible to determine specific patterns of the
signals in both the time and frequency domains, in order to
compare them with each other.
Por tal motivo y teniendo en cuenta la importancia de esta
transformada, en el presente informe se pretende enlazar los
aspectos teóricos con la aplicación práctica de este método en
el procesamiento de señales, específicamente de sonido, con el
fin de reconocer patrones específicos de cada señal bien sea en
el dominio de tiempo o de la frecuencia.

II. PROCEDIMIENTO Y RESULTADOS

I. INTRODUCCIÓN
1.
Las series de Fourier demuestran que es posible expresar toda
función periódica de periodo T suma trigonométrica de senos
y cosenos del mismo periodo T. Adicionalmente, se sabe que
una serie de Fourier puede interpretarse como una ampliación
de una función periódica f(t), en términos de una suma infinita
de senos y cosenos [1].
Las series de Fourier son una herramienta matemática básica
pero de suma importancia dentro del análisis de Fourier, el
cual es usado para analizar funciones periódicas a través de la
descomposición de dicha función en una suma infinita de
funciones sinusoidales mucho más simples [2]. Cuando se
tiene una señal periódica f(t), podemos analizarla
descomponiéndose en n valores para de coeficientes llamados
coeficientes de Fourier.
Realice una rutina en Matlab, que permita cargar un
archivo de audio (‘vocales.m4a’) y visualizarlo en
una gráfica en función del tiempo en segundos.
Determine cuáles segmentos de la señal de voz
corresponden a “silencios” o a voz. Para ello de
forma empírica determine un umbral y segmente
cada vocal. Visualice las señales segmentadas en
tiempo y frecuencia. Analizando la información
obtenida diseñe un algoritmo que nos permita
identificar la vocal ‘a’.
Para este experimento, se implementó una señal
proporcionada por la docente, la cual contenía las
vocales (a, e, i, o, u). En la figura 1, se puede
observar la representación de dicha señal.

Adicionalmente, una de las principales aplicaciones derivadas

de esta serie, es la transformada de Fourier. Esta es una
transformación matemática empleada para transformar señales
entre el dominio del tiempo y el dominio de la frecuencia,
teniendo muchas aplicaciones en la física y la ingeniería. Este
proceso es reversible, siendo capaz de transformarse en
cualquiera de los dominios al otro [3].

En el caso de una función periódica en el tiempo (por ejemplo,

un sonido musical continuo pero no necesariamente
sinusoidal), la transformada de Fourier se puede simplificar
para el cálculo de un conjunto discreto de amplitudes
complejas, llamado coeficientes de las series de Fourier. Ellos
representan el espectro de frecuencia de la señal del Figura 1. Representación de la señal de vocales propuesto para el
experimento.
dominio-tiempo original [3].

Escuela Colombiana de Ingeniería ¨Julio Garavito¨ - Colegio Mayor de Nuestra Señora del Rosario Programa de Ingeniería
Biomédica – Sistemas y Señales Biomédicos
Con el fin de generar un algoritmo el cual tuviera la capacidad
de reconocer la vocal a a partir de la señal original, fue
necesario realizar la segmentación de dicha vocal con el fin de
conocer su comportamiento (figura 2)
Figura 2. Segmentación de la vocal a de la señal original
Una vez obtenida dicha segmentación, se realizó su respectivo
procesamiento con la transformada de Fourier y de esta
manera poder comparar esta señal con una de prueba.
Figura 2. Representación del espectro de frecuencia de la vocal a de prueba.
Gracias a esto, se logró obtener el espectro de frecuencia de la
vocal de prueba con el fin de comparar esta con la vocal a de
la señal original. Así, fue posible realizar una satisfactoria
comparación ya que el algoritmo arrojó que la vocal de prueba
correspondía a la vocal a.
2
2. Utilizando la función guide, cree una interfaz en
Matlab, que permita calcular la FFT de una señal
elegida por el usuario, muestre en ejes separados,
pero en la misma figura, la señal original y su
transformada de Fourier. Recuerde incluir las
etiquetas adecuadas en los ejes coordenados para
cada gráfica (señal original versus tiempo, espectro
de la señal versus frecuencia). Dada la función 𝑥(𝑡) =
𝑒 −𝑡𝑢(𝑡) grafique su comportamiento en el dominio
del tiempo y de la frecuencia, utilizando la interfaz
diseñada.
Figura 4. Señal original. Señal con transformada de Fourier.
3. De la base datos VOICED (VOice ICar fEDerico II)
descargue 4 registros, 2 de sujetos sanos y 2 con
patologías. Utilizando la interfaz creada, calcule los
espectros de las señales descargadas.
Figura 5. Paciente 1 Femenino: Disfonía hipercinética.
Figura 6. Paciente 2 Masculino: Laringitis por Reflujo .
 3
Escuela Colombiana de Ingeniería ¨Julio Garavito¨ - Colegio Mayor de Nuestra Señora del Rosario Programa de Ingeniería
Biomédica – Sistemas y Señales Biomédicos

Figura 7. Paciente 3 Femenino: Saludable

Figura 8. Paciente 4 Masculino: Saludable

III. CONCLUSIONES

● A partir de la transformada de Fourier, fue

posible generar un algoritmo que reconoce
vocales a partir de una señal original. Para este
caso, fue posible reconocer la vocal a partir de
su espectro de frecuencia.
● Usando la interfaz gráfica GUIDE se puede ver
y manejar mejor las señales y con la
transformada de fourier favorece el análisis de
las mismas.

REFERENCIAS
[1] Tomado de:
https://techlandia.com/13112007/como-encontrar-las-intersecc
iones-de-una-curva-en-matlab
[2] ​Slimen, Itaf Ben et al. “Epileptic seizure prediction based
on EEG spikes detection of ictal-preictal states.” ​Journal of
biomedical research vol. 34,3 (2020): 162-169.
doi:10.7555/JBR.34.20190097
[3] A. Oppenheim, S. Nawab and A. Willsky, Señales y
sistemas. Naucalpan de Juárez: Pearson Educación, 1998.