Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apunte 2 Parte
Apunte 2 Parte
Señales y sistemas
Los conceptos de señal y de sistema surgen de una gran variedad de campos de la ciencia y de
la tecnología como los circuitos, la sismología, el procesamiento de la voz y de las imágenes y
muchos más de naturaleza muy variada. Como ejemplo citemos el caso de un circuito
eléctrico, que constituye el sistema en el que las señales de entrada y salida son la corriente y
la tensión. Como otro ejemplo, cuando un automovilista oprime el acelerador está generando
una señal de entrada en un sistema, que es el auto, y obtiene como señal de salida una
velocidad. En todos los casos, las señales, tanto de entrada como de salida, son funciones de
una o más variables independientes. En los dos ejemplos mencionados, la representación de
las señales se realiza por medio de curvas continuas. Pero si consideramos como señal al
índice semanal del mercado de valores, su representación gráfica no está dada por una curva
continua sino por una sucesión de puntos. En un caso como éste, se dice que la representación
es discreta.
Para agregar más ejemplos, consideremos un sistema reproductor de CDs: la señal de entrada
es la información grabada; ésta ingresa al reproductor, que es el sistema, y como resultado
genera una señal sonora, que es la de salida. Un sistema de mejoramiento de imágenes toma
como entrada una imagen y la transforma en otra de salida que tiene algunas propiedades
modificadas, por ejemplo, el contraste.
Los sistemas se denominan continuos o discretos de acuerdo a cómo sean sus entradas y
salidas. Indicaremos respectivamente con t, f (t ) y y (t ) a la variable y a las señales de
entrada y salida continuas, en tanto que con n, f [n ] y y[n] a la variable y a las señales de
entrada y salida discretas; supondremos que n adopta valores enteros. En otras palabras, las
señales son continuas o discretas de acuerdo al modo en que varía la variable independiente.
Para fijar ideas, supondremos que la variable independiente, ya sea t o n, representa al tiempo.
El modo particular en que la señal de entrada es transformada para dar lugar a la de salida es
una característica propia del sistema en cuestión. Dicho de otro modo, la señal que se obtiene
a la salida es el resultado de la operación que el sistema ejecuta sobre la de entrada. A esa
operación la denominamos transferencia del sistema. La relación entre ambas señales la
simbolizamos en la forma:
sistema
f (t ) → y (t ) si el sistema es continuo o
73
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Señales y sistemas
En líneas generales, todo dispositivo de medición, por ejemplo de señales eléctricas, tiene esta
característica, esto es, la señal que recogemos a la salida está "teñida" de la influencia del
instrumento de medida. En ocasiones, este efecto es perjudicial pues enmascara al fenómeno
que se quiere determinar, en cuyo caso se trata de minimizarlo. En otras, el efecto es buscado
intencionalmente pues el interés está en acentuar o modificar determinados rasgos de la señal.
Como ejemplo de esto último, pensemos en un filtro que deja pasar un dado rango de
frecuencias y elimina otros.
af1 (t ) + bf 2 (t ) → ay1 (t ) + by 2 (t )
Los sistemas lineales e invariantes en el tiempo (LTI por su denominación en inglés, linear
and time invariant) tienen unas cuantas propiedades que los hacen interesantes para el
estudio. Una de las ellas se refiere a la posibilidad de descomponer cualquier señal de entrada
en una superposición de señales básicas. La condición de LTI del sistema garantiza que la
salida es una superposición similar de las respuestas del sistema a cada una de esas señales
básicas. En particular, resulta útil utilizar al impulso unitario como señal básica, tanto en el
caso continuo como en el discreto. Cualquier señal se puede representar como combinación
lineal de implulsos retardados, de modo que con sólo conocer la respuesta del sistema al
impulso unitario, podremos averiguar la salida que produce una señal de entrada arbitraria.
Esta operación que combina la respuesta del sistema al impulso con la desomposición de una
señal de entrada cualquiera en términos de impulsos para dar la señal de salida, se denomina
convolución, como veremos en breve.
74
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones de variable discreta
n 2 / 2 , 0 ≤ n ≤ 4
4 , n = 5
f [ n] =
(n − 10) 2 / 2 , 5 < n ≤ 9
0 para otro valor de n
f[n ] 4
0
-1 0 1 2 3 4 5 6 7 8 9 10 11
n
Para señales de variable discreta, las funciones impulso unitario y escalón unitario se definen,
respectivamente, en la forma
1, n = 0 1, n ≥ 0
δ[n] = y u[n] =
0, n ≠ 0 0, n < 0
75
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones de variable discreta
1 1
δ [n ] u [n ]
0 0
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3
n n
δ [n -1 ]
0
-2 -1 0 1 2 3
n
u [n + 2 ]
0
-5 -4 -3 -2 -1 0 1 2 3
n
Veamos cómo se representa la función u[n + 2] − u[n − 1] . Partimos de los gráficos de cada
uno de los términos y los restamos para cada valor de la abscisa, n. En aquellos valores de n
para los cuales ambos términos son nulos, la resta es nula. También es nula en aquellos para
los cuales ambos términos son 1. Esto dice que la función es nula para n ≤ −3 y para n ≥ 1 .
En cambio, se obtiene 1 para n=-2, -1, 0, donde el primer término vale 1 y el segundo, 0.
Luego, la gráfica es
1
u [n + 2 ]-u [n -1 ]
0
-5 -4 -3 -2 -1 0 1 2 3
n
76
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones de variable discreta
n ∞
u[n] = ∑ δ [m] u[n] = ∑ δ [n − k ]
m = −∞ k =0
El impulso unitario discreto se puede usar para descomponer cualquier señal discreta como
una secuencia de impulsos individuales, donde, a diferencia del último ejemplo, habrá que
considerar al valor de la función en cada punto como la amplitud del impulso en dicho punto.
Consideremos en particular la función dada al comienzo de esta sección. Al descomponerla en
términos de impulsos discretos desplazados y con el factor de amplitud correspondiente,
obtenemos:
+∞
f [n] = ∑ f [k ] δ [n − k ] [ 1]
k = −∞
Supongamos que conocemos la señal de salida cuando la de entrada es δ [n] , es decir que
conocemos la función h[n] tal que
sistema
δ [n] → h[n]
Mostraremos que esta información basta para conocer la respuesta de dicho sistema, y[n] ,
frente a una entrada cualquiera, f [n] . En otras palabras, el sistema queda completamente
caracterizado por esa función h[n]. Analicemos esta afirmación primero mediante un ejemplo.
Consideremos h[n] = u[n] − u[n − 3] . Como ya vimos esta función toma el valor 1 para n=0, 1
y 2 y es nula para cualquier otro valor de n. Si ésta es la respuesta del sistema al impulso
unitario, tenemos
1 1
h [n ]= u [n ]-u [n -3 ]
δ [n ]
0 0
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3 4 5
n sistema n
→
Elijamos ahora la función de entrada f [n] = n ⋅ (u[n] − u[n − 4]) . Se puede comprobar que
f [1] = 1 , f [2] = 2 , f [3] = 3 y todos los demás valores son nulos. Esta función, descompuesta
en términos de impulsos resulta
f [n] = δ [n − 1] + 2δ [n − 2] + 3δ [n − 3]
Consideremos ahora cada término por separado. Por ser el sistema invariante en el tiempo, la
respuesta al impulso δ [n − 1] tendrá la misma forma que la respuesta a δ [n ] pero atrasada una
unidad en el tiempo, es decir, será h[n − 1] . En forma análoga, las respuestas a δ [n − 2] y a
δ [n − 3] serán respectivamente h[n − 2] y h[n − 3] . Pero como, además, el sistema es lineal, la
respuesta a 2 δ [n − 2] será 2 h[n − 2] y la respuesta a 3 δ [n − 3] será 3 h[n − 3] . La linealidad
también asegura que la respuesta a la suma δ [n − 1] + 2δ [n − 2] + 3δ [n − 3] será la suma
h[n − 1] + 2h[n − 2] + 3h[n − 3] . Analicemos en forma gráfica estas operaciones. Colocamos en
la primera columna cada término que forma la señal de entrada, y en la segunda, cada término
de la de salida.
78
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones de variable discreta
entrada salida
4 6
5
3
4
δ [n -1 ] 2 h [n -1 ] 3
2
1
1
0 0
-3 -2 -1 0 1 2 3 4 5 -1 0 1 2 3 4 5 6 7
n n
4 6
5
3
4
2 δ [n -2 ] 2 2 h [n -2 ] 3
2
1
1
0 0
-3 -2 -1 0 1 2 3 4 5 -1 0 1 2 3 4 5 6 7
n n
4 6
5
3
4
3 δ [n -3 ] 2 3 h [n -3 ] 3
2
1
1
0 0
-3 -2 -1 0 1 2 3 4 5 -1 0 1 2 3 4 5 6 7
n n
4 6
5
3 4
f[n ] 2 y [n ] 3
2
1
1
0 0
-3 -2 -1 0 1 2 3 4 5 -1 0 1 2 3 4 5 6 7
n n
En términos generales, para encontrar la convolución entre una señal de entrada y la respuesta
de un sistema al impulso unitario, efectuamos las siguientes operaciones:
1. Descomponer la señal de entrada como combinación lineal de impulsos discretos
desplazados y multiplicados por factores de escala dados por el valor de la función en
cada punto.
2. Aplicar la función transferencia del sistema a cada impulso, teniendo en cuenta las
características de linealidad e invariancia en el tiempo del sistema.
3. Sumar en cada abscisa las respuestas a cada impulso individual.
79
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones de variable discreta
En símbolos:
L + f [−2] δ[n + 2] + f [−1] δ[n + 1] + f [0] δ[n] + f [1] δ[n − 1] + f [2] δ[n − 2] + L →
L + f [−2] h[n + 2] + f [−1] h[n + 1] + f [0] h[n] + f [1] h[n − 1] + f [2] h[n − 2] + L = y[n]
La señal de salida, y[n] que resulta de la superposición entre la respuesta propia del sistema
(la función h[n] ) y la señal de entrada (la función f [n] ) se denomina convolución y se indica
como
Si comparamos las expresiones [1] y [2], vemos que ambas tienen la misma forma, salvo que
los impulsos unitarios desplazados aparecen reemplazados por la función h igualmente
desplazada. El mismo factor que aparece en [1] multiplicando a cada impulso, esto es el valor
de la señal en cada punto, aparece en la señal de salida multiplicando a la respuesta del
sistema al impulso.
La expresión [2] nos da el valor de la salida en cada instante n. Podemos hacer otra lectura de
ella. Al ingresar un impulso en un instante dado, el sistema comienza a responder y esa
respuesta puede durar a lo largo del tiempo, según la forma particular que tenga la función h.
Cuando al instante siguiente llega al sistema un nuevo impulso, el sistema todavía está
completando su respuesta al anterior, de modo que la salida mostrará el efecto combinado de
ambos y de todos los impulsos que sigan ingresando. El sistema tiene "memoria". Por esto,
para obtener y en cada punto debemos efectuar una suma en la que interviene la función h
evaluada en instantes anteriores a n, ya que su argumento es n-k. Pero h[n − k ] es la respuesta
que emitió el sistema frente a un impulso que ingresó en el instante n-k.
Vamos a presentar un método alternativo para calcular la convolución entre dos señales
discretas. Para esto, observemos que en la suma de convolución, cada término tiene la forma
f [k ] ⋅ h[n − k ] . La suma se efectúa sobre el índice k, es decir, para cada valor de k se obtiene
un término, en tanto que el valor de n se mantiene fijo. La operación da el valor de la salida
para ese n: y[n]. Para comprender mejor el procedimiento, pensemos en el significado de
h[n − k ] como función de k para cada n dado.
A fin de fijar ideas, tomemos un ejemplo. Sea un sistema con respuesta al impulso dada por la
función h[n] del gráfico:
80
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones de variable discreta
δ[n] h[n]
2 1
• • • • • • • • • • • •
n n
En forma inmediata, vemos que h[k] tiene una representación idéntica en función de k. Por lo
tanto, h[-k] está dada por
h[-k]
1 2
• • • • • •
k
Donde hemos reflejado la función h[k] respecto del eje vertical. h[-k] es la función h[n-k]
particular que se obtiene para n=0. Para otros valores de n, habrá que efectuar los
desplazamientos correspondientes. Las figuras que siguen son ejemplos de esto para n=1, -1 y
–2, respectivamente.
1 2 1 2 1 2
• • • • • • • • • • • • • • • • • • • •
k k k
f[k]
4 456
• • • • •
k
f[k]
h[-3-k]
4 456
1 2
• • • • •• • • • • • • • •
k
81
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones de variable discreta
f[k]
h[-1-k]
4 456
1 2
• • • • • • • • • • • • • •
k
El único producto que no se anula es el que corresponde a k=-1 pues, para los demás valores
de k se anula al menos una de las dos funciones. Luego, y[−1] = 4 ⋅ 2 = 6 .
f[k]
h[-k]
4 456
1 2
• • • • • • • • • • • • • •
k
Ahora tenemos dos términos no nulos: los correspondientes a k=-1 y 0. Resulta así
y[0] = 4 ⋅ 2 + 4 ⋅ 2 = 16 .
f [k]
h[1-k]
4 456
1 2
• • • • • • • • • • • • • •
k
f[k]
h[2-k]
4 456
1 2
• • • • • • • • • • • • • •
k
f[k]
h[3-k]
4 456
1 2
• • • • • • • • • • • • • •
k
82
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones de variable discreta
f[k]
h[4-k]
4 456
1 2
• • • • • • • • • • • • • •
k
Con un corrimiento más llegamos a y[5] = 6 ⋅ 1 = 6 .
f[k]
h[5-k]
4 456
1 2
• • • • • • • • • • • • • •
k
Todas las funciones h[n-k] con n ≥ 6 conducen a resultados nulos pues para todos los valores
de k sea anula al menos una de las dos funciones.
Hemos obtenido así la convolución entre las dos funciones dadas. La ventaja de este
procedimiento reside en que resulta similar al empleado para calcular la convolución de
funciones de variable continua. En este caso la convolución se calcula mediante una integral
∞
que se expresa en la forma y (t ) = f (t ) * h(t ) = ∫ f ( x) ⋅ h(t − x)dx .
−∞
83
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones periódicas de variable discreta
Cuando estudiamos las funciones periódicas de variable real dijimos que una función f(t) tiene
período T si cumple que f(t)= f(t+T). La aplicación reiterada de esta relación conduce a f(t)=
f(t+mT), donde m es un número entero cualquiera.
Al analizar las funciones de variable discreta, diremos que una función f[n] tiene período N si
cumple que f[n]= f[n+N] o bien, f[n]= f[n+mN], donde n, m y N son números enteros. Así
formulada la definición, el paso de variable continua a variable discreta parece sólo formal.
Sin embargo, veremos que aparecen algunas diferencias importantes que justifican su estudio
como un tema aparte. Para comenzar, consideremos algunos ejemplos que nos permitan
comparar las funciones de variable continua y las de variable discreta.
2π 2π
Sean f1(t ) = cos( t ) y g1[n] = cos[ n] . La única diferencia entre ellas reside en que,
5 5
mientras en la primera, la variable t toma todos los valores reales, en la segunda, la variable n
toma sólo valores enteros. Esto significa que la gráfica de f1(t) es una curva continua en tanto
que la de g1[n] es una sucesión de bastones (o de puntos aislados) levantados sobre los valores
enteros de la variable independiente. Podemos decir que los puntos representativos de g1[n]
son muestras equiespaciadas de f1(t) tomadas para los valores enteros de la variable
independiente.
0.5
0.5
t n
0.0
0.0
0 2 4 6 8 10 12
0 2 4 6 8 10 12
-0.5
-0.5
-1.0
-1.0
2π
El período de f1(t) es 5 pues al reemplazar t por t+T, se obtiene f1(t + T ) = cos[ (t + T )] =
5
2π 2π 2π
= cos[ t+ T ] , que toma el mismo valor que f1(t) si T = 2π . El período es el número
5 5 5
mínimo que satisface esta igualdad, es decir, T=5. En el caso de la función de variable
discreta, mediante un razonamiento análogo, llegamos a que su período es N=5.
Hasta aquí parece no haber diferencias de gran significación entre ambos tipos de funciones.
3π
Veamos el siguiente ejemplo. Sea ahora el par de funciones f 2 (t ) = cos( t ) y g 2 [n] =
5
3π 3π
= cos[ n] . El período de f2(t) lo obtenemos a partir de f 2 (t + T ) = cos( (t + T )) =
5 5
84
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones periódicas de variable discreta
3π 3π 3π
= cos( t + T ) = f 2 (t ) ⇒ T = 2 π . El mínimo valor real que satisface esta igualdad es
5 5 5
10
T = . Si trasladáramos el mismo razonamiento a g2[n], resultaría para N el número
3
fraccionario 10/3, lo que carece de sentido puesto que N es entero. Pero la periodicidad de la
función coseno es tal que si incrementamos su argumento en cualquier múltiplo entero de 2π,
el valor de la función no se altera. Por lo tanto la condición de periodicidad de g2[n] queda
3π 10
asegurada si exigimos que N = 2π m , o sea N = m . El mínimo entero N que satisface
5 3
esta igualdad es N=10 y éste se obtiene asignando a m el valor (también entero) 3. Esto queda
en evidencia en las figuras correspondientes. En el gráfico de f2(t) se observa que mientras la
variable t recorre el rango de 0 a 10, la función cumple tres ciclos. El mismo recorrido en la
variable n da lugar a un solo ciclo de g2[n]. Vemos que, si bien ambas funciones tienen la
misma forma, el hecho de que la variable sea continua o discreta, hace que no tengan el
mismo período.
cos (3π / 5 t)
1.0
cos[3π/5 n]
1.0
0.5 0.5
t
0.0 n
0.0
0 2 4 6 8 10 12
0 2 4 6 8 10 12
-0.5
-0.5
-1.0
-1.0
3 3
Consideremos ahora las funciones f3 (t ) = cos( t ) y g3[n] = cos[ n] . Por un lado, el
2 2
4 3 3 3 3
período de f3(t) es π , ya que f3 (t + T ) = cos[ (t + T )] = cos[ t + T ] = cos( t ) ⇒
3 2 2 2 2
3
⇒ T = 2π . Al aplicar a g3[n] el mismo razonamiento que en el ejemplo anterior, llegamos a
2
3
la condición N = 2π m que no puede ser satisfecha por ningún par de valores enteros N y
2
m. Concluimos así, que la función de variable discreta g3[n] no es periódica por más que su
símil en variable continua sí lo sea.
cos (3 / 2 t)
1.0 1.0 cos[3/2 n]
0.5 0.5
t
0.0 0.0
0 2 4 6 8 10 12 14 16 0 2 4 6 8 10 12 14 16 n
-0.5 -0.5
-1.0 -1.0
85
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones periódicas de variable discreta
A fin de generalizar estas ideas, consideremos una función periódica general de variable
continua escrita en su forma exponencial: f (t ) = eiω t , donde ω representa la frecuencia y
cuyo período es T=2π/ω. En forma análoga, definimos la función de variable discreta
g[n] = eiω n y analizamos bajo qué condiciones representa a una función periódica. Para que
lo sea, debe ocurrir, como ya dijimos, que g[n + N ] = eiω ( n + N ) = eiω n ⋅ eiω N = g[n] ⋅ eiω N =
m
= g[n] . Esta igualdad se satisface sólo si eiω N = 1 , es decir si ω N = 2π m , o sea ω = 2π .
N
Dado que m y N son dos números enteros, su cociente m/N es un número racional. La
importancia de esta expresión de ω reside en que restringe los valores que ω puede tomar para
que la señal eiω n resulte periódica. En otras palabras, la función de variable discreta eiω n es
periódica si y sólo si ω es algún múltiplo racional de 2π.
Con las señales periódicas de variable discreta haremos, como ya hicimos con las de variable
continua, su desarrollo de Fourier. Para esto, debemos tener identificada la frecuencia
fundamental y sus armónicas. Dicho desarrollo consistirá en descomponer una función
periódica cualquiera como una suma en la que cada término representa la contribución de
cada armónica a la señal dada. Si indicamos con ωo a la frecuencia fundamental, las de sus
armónicas se indicarán como k ωo, donde k es un número entero.
Antes de entrar de lleno en el tema del desarrollo de Fourier de estas funciones, observemos
una característica que ellas tienen en el campo de la frecuencia. Vemos que si, en una función
periódica discreta, que escribimos en la forma eiω n , cambiamos la frecuencia ω por ω+λ,
obtenemos ei (ω +λ ) n = eiω n ⋅ eiλ n . Si λ=2π o cualquier múltiplo entero de 2π, la señal
ei (ω +λ) n coincide con eiω n . Es decir,
Esto indica que las funciones de la forma eiω n , además de ser periódicas en el tiempo
discreto, n, también son periódicas en la frecuencia, ω, con período 2π. Esta propiedad
tendrá, como veremos, consecuencias importantes en el desarrollo de Fourier de las funciones
periódicas de variable discreta, que marcarán la diferencia fundamental con los desarrollos de
las funciones periódicas de variable continua.
Ahora sí, consideremos una señal exponencial compleja discreta de frecuencia ωo (frecuencia
fundamental) y sus armónicas, de frecuencias k ωo. Consideremos, sin perder generalidad, que
2π
ωo = . Indiquemos con Φk = eikω o n a cada una de las funciones periódicas que
N
corresponden a cada frecuencia k ωo. Aquella de frecuencia ωo (k=1) es la primera armónica,
la de frecuencia 2ωo (k=2), segunda armónica, etc. El período de la primera es N = 2 π/ω o , el
de la segunda, π/ω o , etc. Todas ellas tienen período N pues éste es el menor múltiplo común
de todos los períodos. Las sucesivas funciones Φ k son
86
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones periódicas de variable discreta
Φ0 [n] = ei 0ω o n = 1 ,
2π
)ni(
Φ1[n] = e i1ω o n
=e N ,
2π
i 2( )n
Φ2 [n] = e i 2ω o n
=e N ,
2π
i3( )n
Φ3 [n] = e i 3ω o n
=e N ,
.......
2π
iN ( )n
ΦN [n] = e iNω o n
=e N []
= ei 2π n = 1 = Φ0 n ,
ΦN +1[n] = ei ( N +1)ω o n = eiNω o n ⋅ eiω o n = Φ1[n] , ...
Φ k [n] = Φ N + k [n] .
1.0 1.0
0.5 0.5
t t
0.0 0.0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
-0.5 -0.5
-1.0 -1.0
87
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones periódicas de variable discreta
En forma análoga a lo hecho para las funciones periódicas de variable continua, vamos a
representar a las funciones periódicas de variable discreta mediante combinaciones lineales de
funciones Φ k , es decir de exponenciales complejas armónicamente relacionadas, cuyo
período coincida con el de la función a desarrollar. Para una función genérica f [n] de período
N, dicha combinación lineal debe contener exactamente N términos, cada uno de los cuales
contiene a una de las N funciones Φ k distintas. Esta característica marca una diferencia
fundamental con las funciones de variable continua. Mientras en las de variable continua
tenemos infinitas armónicas, en las de variable discreta el número de armónicas es finito y
coincide con el período de la función. El desarrollo de Fourier de las funciones de variable
discreta es una suma finita, a diferencia del de las funciones de variable continua, donde se
obtiene una serie (suma de infinitos términos).
f [ n] = ∑ ck eikω o n
k =< N >
donde el símbolo ‹N› señala que el índice de suma k recorre N enteros consecutivos,
empezando por un entero cualquiera. Esto es así porque en cualquier caso, el conjunto de
exponenciales complejas que aparecen en la sumatoria es el mismo, ya que, como dijimos,
Φ k [n] = Φ N + k [n] .
Supongamos ahora que tenemos una señal discreta f [n] de período N y queremos encontrar
su desarrollo. El problema consiste en determinar los N coeficientes ck. Más concretamente,
dados f [0] , f [1] , f [2] ,..., f [N − 1] , nos proponemos determinar los coeficientes co, c1,
c2,...,cN-1. El problema consiste en resolver el sistema de ecuaciones
f [0] = ∑ ck eikω o 0 = ∑ ck = c0 + c1 + c2 + L + c N −1
k =< N > k =< N >
f [1] = ∑ ck eikω o ⋅1 = c0 + c1eiω o + c2ei 2ω o + L + c N −1ei ( N −1)ω o
k =< N >
f [2] = ∑ ck eikω o ⋅2 = c0 + c1eiω o 2 + c2ei 2ω o 2 + L + c N −1ei ( N −1)ω o 2
k =< N >
......
f [ N − 1] = ∑ ck eikω o ( N −1) = c0 + c1eiω o ( N −1) + c2ei 2ω o ( N −1) + L + c N −1ei ( N −1)ω o ( N −1)
k =< N >
Cada uno de los paréntesis representa una progresión geométrica. En el primero la razón es
88
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones periódicas de variable discreta
1 − q N 1 − eiω o N 1 − ei ( 2π / N ) N 1 − ei 2π
eiω o y esta suma de N términos es = = = = 0 . En el
1− q 1 − eiω o 1 − eiω o 1 − e iω o
segundo la razón es ei 2ω o y así sucesivamente hasta el último, en que la razón es eiω o ( N −1) .
Cada uno de esos paréntesis se anula, como puede verse mediante un cálculo similar al
1 1
anterior. Así resulta, co = ( f [0] + f [1] + f [2] + L + f [ N − 1]) = ∑ f [ n]
N N n =< N >
1
co = ∑ f [ n]
N n =< N >
Esta expresión nos dice que
(de manera similar a lo que ya conocíamos para las funciones de variable continua).
Calculemos ahora
Puede verse que todos los paréntesis del segundo miembro se anulan (efectuando la suma de
términos de progresiones geométricas), de modo que
1 1
c1 = ( f [0] + e −iω o f [1] + e −i 2ω o f [2] + L + e −i ( N −1)ω o f [ N − 1]) = ∑ e − iω o n f [ n ]
N N n =< N >
1 1
c2 = ( f [0] + e −i 2ω o f [1] + e −i 4ω o f [2] + L + e −i 2( N −1)ω o f [ N − 1]) = ∑ e −i 2ω o n f [n]
N N n =< N >
Generalizando
1
ck = ∑ e −ikωon f [n]
N n =< N >
89
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones periódicas de variable discreta
Esta expresión permite conocer los coeficientes del desarrollo discreto de Fourier de una
función de variable discreta f[n] de período N (frecuencia fundamental ωo=2π/N).
1 si n = 3l − 1
El otro término: δ [n − 3l + 1] = , sumado para todos los valores enteros de l,
0 si n ≠ 3l − 1
da un 1 cada vez que n tome un valor que sea una unidad menor que un múltiplo entero de 3
(ej.: -7, -4, -1, 2, 5, etc.). El factor 3 indica que en dichos puntos la altura del pulso es 3. En
los restantes puntos, es decir en aquellos de la forma n = 3l − 2 , f [n] es nula. La
representación de la función es
3 2 3 2 3 2 3 2
• • • • •
-4 -3 -2 -1 0 1 2 3 4 5 6 n
Resulta claro a partir del gráfico que la función es periódica y que su período es N=3; luego
ωo=2π/3. Para determinar el desarrollo de Fourier es necesario calcular tres coeficientes ck,
donde el índice k puede tomar tres valores enteros consecutivos cualesquiera. Por simplicidad,
elijamos c-1, co y c1. Ya vimos que co es el valor medio de f[n] en un período
1 1 5
co = ( f [−1] + f [0] + f [1]) = (3 + 2 + 0) =
3 3 3
1 1 1
c1 = ∑ e − iω o n f [ n ] = ∑ e −i ( 2π / 3) n f [n] = (ei ( 2π / 3) f [−1] + e0 f [0] + e −i ( 2π / 3) f [1]) =
N n =< N > 3 n =<3> 3
1 i ( 2π / 3) 2 2π 2π 2 1 3 2 1 3
(3e + 2 + 0) = ei ( 2π / 3) + = cos + i sen + = − +i + = +i
3 3 3 3 3 2 2 3 6 2
1 1 1
c −1 = ∑ e iω o n f [ n ] = ∑ e i ( 2 π / 3) n f [n] = (e −i ( 2 π / 3) f [−1] + e 0 f [0] + e i ( 2 π / 3) f [1]) =
N n =< N > 3 n =<3> 3
90
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones periódicas de variable discreta
1 2 2π 2π 2 1 3 2 1 3
= (3e −i ( 2 π / 3) + 2 + 0) = e −i ( 2 π / 3) + = cos − isen + = − −i + = −i
3 3 3 3 3 2 2 3 6 2
5 1 2π n 2π n
f [ n] = + cos + 3 sen
3 3 3 3
La expresión de f[n] carece de término imaginario, como era de esperar, puesto que por su
definición ya sabíamos que se trata de una función real. A semejanza de lo que ocurre con las
funciones de variable continua, por tratarse de una función que no tiene paridad, su desarrollo
contiene senos y cosenos. Por otra parte, dado que el valor medio de f en un período es no
nulo (lo que resulta evidente a partir del gráfico), el desarrollo presenta un término
independiente (de valor 5/3). La única frecuencia presente en el desarrollo es la fundamental,
ωo=2π/3, y esto es debido a que en su definición la función contiene dos componentes, ambas
de periodicidad 3.
Así como hicimos para las funciones de variable continua, también para las de variable
discreta representaremos los espectros de amplitud y de fase. La diferencia más visible con
aquellos es la periodicidad en frecuencia que aparece ahora. En el ejemplo que acabamos de
analizar, los valores permitidos en el eje de las abscisas son los múltiplos de 2π/3. Calculamos
los módulos y argumentos de los tres coeficientes diferentes. Los restantes se repiten
cíclicamente.
5
c0 = ; Arg c0=0
3
7 3/2
c1 = c −1 = ; Arg c1= arctan = arctan 3 3 ≈ 79° ; Arg c-1 ≈ −79°
3 1/ 6
Arg ck
IckI
• • • •
kω0
kω0
Estudiaremos a continuación algunas propiedades generales que nos permitirán luego evitar
algunos cálculos.
91
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones periódicas de variable discreta
1 −ikω n
• Supongamos que f[n] es real. En la expresión ck = ∑ e o f [n] , que en general es
N n =< N >
compleja (la exponencial lo es), tomemos el conjugado. Recordemos que al conjugar e −ikω o n ,
se obtiene eikω o n . Luego,
1
ck = ∑ eikω o n f [n] .
N n =< N >
(Nótese que esta expresión toma esta forma porque f[n] es real. Si no, habría que tomar
también su conjugado). Si, además, en la expresión para ck cambiamos k por -k, resulta
1
c− k = ∑ eikω o n f [n] que coincide con la anterior. Concluimos que
N n =< N >
si f[n] es real ⇒ ck = c− k
Si hubiéramos conocido esta propiedad antes de resolver el ejemplo anterior, nos habríamos
ahorrado el cálculo de c-1 pues lo podríamos haber obtenido a partir de c1.
• Supongamos ahora que f[n] es par (real o compleja), es decir que f[n]=f[-n]. Si en la
expresión
Si definimos un nuevo índice l=-k, vemos que mientras k recorre N valores enteros
consecutivos, l recorre también N valores enteros consecutivos. (Para fijar ideas, supongamos
que N=4 y que el índice de suma k recorre los valores 0, 1, 2 y 3. En tal caso, el índice l toma
los valores 0, -1, -2 y -3). Por las propiedades ya expuestas de las exponenciales complejas,
ambas sumas arrojan el mismo resultado. Podemos así reescribir la anterior en la forma
f [ − n] = ∑ c−l eilωo n
l =< N >
• Supongamos ahora que f[n] es impar (real o compleja), es decir que f[n]=-f[-n]. Por un
lado, esto implica, como en toda función impar, que f[0]=0 y que el valor medio de f es cero.
Pero el valor medio en un período coincide con co. Por lo tanto,
f [ − n] = ∑ ck e −ikω o n
k =< N >
f [ − n] = ∑ c−l eilω o n ,
l =< N >
reemplazamos l por k y comparamos la expresión de f[-n] con la de f[n], vemos que para que
sea f[n]=-f[-n], debe ocurrir que ck = −c− k . Es decir,
• Si f[n] es real e impar, se cumple a la vez que ck = c− k y que ck = −c− k , de modo que
ck = −ck . Esto significa que el número complejo ck y su conjugado difieren sólo en el signo y
esto indica que ck es imaginario puro. Esta conclusión y la anterior se resumen diciendo que
Teorema de Parseval
Mediante este teorema se obtiene una relación entre el valor cuadrático medio de la función f
y los coeficientes de su desarrollo discreto de Fourier. Su importancia reside en que el valor
1 2
cuadrático medio de la función, definido como ∑ f [n] , mide la energía que se
N n =< N >
transporta en la señal f[n]. Dado que f es en general una función compleja, el cuadrado de su
2
módulo es el producto de f por su conjugado: f [n] = f [n] ⋅ f [n] . Entonces,
1 2 1
∑
N n =< N >
f [ n] = ∑ f [ n] ⋅ f [ n ] .
N n =< N >
93
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones periódicas de variable discreta
1 2 2
∑ f [n] = ∑ ck
N n =< N > k =< N >
Todas estas propiedades de simetría veremos que resultan en una enorme economía a la hora
de resolver problemas.
Sabemos, para comenzar, que f[0]=f[1]=f[2]=1. Dado que el período es 7, nos resta conocer
otros cuatro valores de la función. Dado que f es par, conocemos también f[-1]=f[-2]=1.
Sabemos además, que la suma de todos los valores de f en un período es 3. Esta suma
desarrollada es
Para escribir el desarrollo, debemos calcular antes los 7 coeficientes ck, pero ya sabemos que
son reales y pares. Sabemos además que siempre co representa el valor medio de f en un
período. Luego,
1 1 3
co = ∑ f [ n] = ⋅ 3 =
N n =< N > 7 7
1 1
ck = ∑ e −ikωo n f [n] = ∑ e −ik ( 2 π / 7) n f [n] =
N n =< N > 7 n =<7 >
94
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Funciones periódicas de variable discreta
1 ikωo ⋅3
= (e f [−3] + e ikωo ⋅2 f [−2] + e ikωo f [−1] + e 0 f [0] + e −ikωo f [1] + e −ikωo ⋅2 f [2] + e ikωo ⋅3 f [3]) =
7
1
(−e ik (6 π / 7) + e ik ( 4 π / 7) + e ik ( 2 π / 7) + 1 + e −ik ( 2 π / 7) + e ik ( 4 π / 7) − e ik (6 π / 7) ) =
7
de donde
1 2π 4π 6π
c1 = (1 + 2 cos + 2 cos − 2 cos ) = 0.5148
7 7 7 7
1 4π 8π 12π
c2 = (1 + 2 cos + 2 cos − 2 cos ) = −0.3563
7 7 7 7
1 6π 12π 18π
c3 = (1 + 2 cos + 2 cos − 2 cos ) = 0.1272
7 7 7 7
2π n 4π n 6π n
f [n] = 0.4286 + 1.0296 cos − 0.7126 cos + 0.2543 cos
7 7 7
Esta es la expresión final del desarrollo de la función discreta f [n] . Comprobamos que, por
tratarse de una función par, su desarrollo contiene sólo términos con cosenos, además del
término independiente. Cabría esperar, en principio, que, por ser una función de período 7, el
desarrollo debería contener 7 armónicas. Sin embargo, sólo aparecen 4 de ellas ( 0 ⋅ ω o , 1⋅ ω o ,
2 ⋅ ω o y 3 ⋅ ω o ) como argumentos de los cosenos. Esto es así porque la armónica 4 ⋅ ω o
equivale, por la periodicidad de la función, a la armónica − 3 ⋅ ω o y ésta, por ser f una función
par, equivale a la armónica 3 ⋅ ω o . Algo similar puede argumentarse respecto de las armónicas
5 ⋅ ω o y 6 ⋅ ω o que coinciden con 2 ⋅ ωo y ωo respectivamente.
95
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
También vimos que, dada una función no periódica de variable continua, su representación en
frecuencia está dada por su transformada de Fourier, que es una función continua de la
frecuencia. Para obtener la representación en frecuencia de una señal no periódica f (t ) , que
supusimos nula fuera de un cierto intervalo − t1 < t < t2 , nos valimos de un artificio que
~
consistió en construir una función periódica f (t ) que coincidiera con f (t ) en el intervalo
~
− t1 < t < t2 , de período T > t1 + t2 , y tal que f (t ) fuera nula en la parte del período exterior
~
a dicho intervalo. Al calcular la serie de Fourier de f (t ) y representar sus espectros de
amplitud y fase, se obtienen líneas con un espaciado regular de 2π / T . Luego hicimos que T
~
aumentara pero sin modificar t1 y t2 , de modo que aumentaran los tramos donde f (t ) es
~
nula. Si bien la nueva f (t ) sigue siendo periódica, su período es mayor y en consecuencia el
espaciado de las líneas de los espectros es más pequeño. En el límite, cuando F ( ω ) e i ω n , el
espaciado se vuelve infinitesimal, lo que equivale a decir que el espectro es continuo en lugar
de discreto. La formulación matemática de esta idea nos condujo a la expresión de la
transformada de Fourier.
Para completar el esquema nos queda analizar las funciones no periódica de variable discreta.
Procederemos en forma similar a la anterior para determinar su representación en frecuencias.
96
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
Para esto consideremos una función f [n] de la variable entera n, de duración finita, es decir,
sus valores no nulos caen en el intervalo n1 < n < n2 y es nula fuera él, como en la figura.
f [n]
• • • • • • • •
n1 n2 n
~
Definamos una nueva función f [n] periódica, que coincida con f [n] en el intervalo [n1, n2 ] .
~
El período N de f [n] debe abarcar al intervalo [n1, n2 ] , o sea N > n2 − n1 + 1 . En la gráfica
~
de f [n] se debe poder reconocer al esquema que representa a la parte no nula de f [n] ,
repetido indefinidamente. Dicha función tendrá una forma como la de la figura y admitirá un
desarrollo discreto de Fourier en términos de las armónicas de su frecuencia fundamental
2π
ω0 = .
N
~
f [ n]
N
• • • • • • • • • • • • • • • • • • • • •
n1 n2 n
N −1
Sin perder generalidad, podemos tomar como intervalo de suma el [0,N-1], que contiene N
términos
1 N −1 ~
ck = ∑ f [n]e −ikω0 n (2´)
N n =0
~
Como este intervalo abarca a [n1, n2 ] y como, además, f [n] es nula fuera [n1, n2 ] , (2)
97
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
1 N
ck = ∑ f [n]e−ikω0n
N n =0
( 3)
n
1 2
ck = ∑ f [n]e −ikω0 n
N n=n
1
Pero f [n] es nula fuera de [n1, n2 ] , de modo que la última suma es equivalente a
1 ∞
ck = ∑ f [n]e −ikω0n
N n = −∞
( 4)
~
Sabemos que los coeficientes del desarrollo de la función periódica f [n] existen para los
valores de frecuencia que sean múltiplos enteros de ω 0 , es decir, los coeficientes c k , al ser
representados en función de la frecuencia, darán un conjunto de líneas equiespaciadas,
separadas entre sí en una distancia ω 0 . (Por otra parte, los coeficientes c k resultan periódicos
en frecuencia y su período es N, el mismo valor que da la periodicidad en el tiempo).
Podemos pensar que los coeficientes c k son muestras de una cierta función continua, tomadas
a intervalos regulares de amplitud ω 0 . Definimos una nueva función F (ω) de la variable
continua ω, tal que sea proporcional a la envolvente de los c k :
∞
F (ω) = ∑ f [n]e−iωn ( 5)
n = −∞
98
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
2π 1 ω0
Como ω 0 = , es = . Reemplazando,
N N 2π
~ 1
f [ n] = ∑ F (kω0 )eikω0n ⋅ ω0
2π k =<N >
( 7)
ik ω 0n
F (k ω 0)e
-2 π -π kω0 π 2π
ω0
Si ahora hacemos que N aumente, ω 0 disminuirá y así lo hará el espaciado entre las muestras
de F (ω)eiωn . Cuando N → ∞ , ω0 → dω y la suma de (7) se convierte en una integral que
~
abarcará un intervalo de ancho 2π. Pero, simultáneamente, f [n] → f [n] cuando N → ∞ .
Así, a partir de (7) obtenemos
1 iωn
f [ n] =
2π ∫ F (ω)e dω
2π
con
∞
F (ω) = ∑ f [n]e−iωn
n = −∞
como en (5).
∞ ∞ ∞ ∞
F (ω) = ∑ f [n]e −iωn
= ∑ α u[n] en −iωn
= ∑α n −iωn
e = ∑ ( α e − iω ) n
n = −∞ n = −∞ n =0 n =0
− iω
Esta última es una serie geométrica de razón α e , cuyo módulo es α e −iω = α < 1 .
Luego, la serie converge a
99
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
1
F (ω) =
1 − α e − iω
1 1 1 1
F (ω) = = = =
− iω 1 − α(cos ω − i sin ω) 1 − α(cos ω − i sin ω)
1 − αe (1 − α cos ω) 2 + (α sin ω) 2
1
F (ω) =
1 − 2α cos ω + α 2
1/(1+α) 1/(1-α)
ω ω
-2π -π π 2π -2π -π π 2π
Arg[F(ω)] Arg[F(ω)]
0<α<1 -1<α<0
ω ω
-2π -π π 2π -2π -π π 2π
Estudiar estas propiedades nos ayuda a comprender mejor sus características y, en muchos
casos, nos permite reducir la complejidad de los cálculos. Desde su misma definición,
notamos su gran similitud con la transformada de Fourier de las funciones de variable
100
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
continua; esta similitud proviene del carácter no periódico de las funciones a las cuales se
aplican ambos tipos de transformadas. Asimismo, dada la estrecha relación que existe entre la
serie y la transformada de Fourier, veremos cómo algunas de las propiedades de la serie
discreta se transfieren a la transformada discreta.
1. Periodicidad en frecuencia
F (ω + 2π) = F (ω)
2. Linealidad
si ℑ [ f1[n]] = F1 (ω) y ℑ [ f 2 [n]] = F2 (ω) , entonces ℑ [af1[n ] + bf 2 [n]] = aF1(ω) + bF2 (ω)
3. Desplazamiento en el tiempo
4. Desplazamiento en frecuencia
[ ]
ℑ eiω0 n f [n] = F (ω − ω0 )
101
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
5. Inversión de tiempo
ℑ [ f [− n]] = F (−ω)
6. Diferenciación en el tiempo
7. Diferenciación en frecuencia
∞
dF (ω)
Partimos de F (ω) = ∑ f [n]e−iωn y derivamos respecto de ω:
dω
=
n = −∞
∞
dF (ω)
= ∑ (−in) ⋅ f [n]e−iωn = −iℑ [nf [n]] . Luego dω
= −iℑ [n ⋅ f [n]] de donde
n = −∞
dF (ω)
ℑ [n ⋅ f [n]] = i
dω
8. Conjugación
Sea f [n ] una función compleja (en particular, puede ser real). Su transformada es
____
102
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
____ _______
ℑ f [n ] = F (−ω)
En general, F (ω) es una función compleja que podemos descomponer en sus partes real e
imaginaria, tal como hicimos para la transformada de variable continua:
F (ω) = R(ω) + iJ (ω) .
____ _______
equivalente F (ω) = F (−ω) . Pero, F (ω) = R(ω) − iJ (ω) y F (−ω) = R(−ω) + iJ (−ω) .
Igualando, resulta:
R(ω) = R(−ω)
si f [n ] es real ⇒
J (ω) = − J (−ω)
F (ω) = F (−ω) implica la igualdad de sus módulos y argumentos. En cuanto a los módulos, es
______
F (ω) = F (−ω) . Pero además, como dos complejos conjugados tienen igual módulo:
______
F (ω) = F (ω) . Luego, resulta que F (ω) = F (−ω) , que expresa que el módulo de la
transformada es una función par de la frecuencia.
F (ω) = F (−ω)
si f [n ] es real ⇒
Arg( F (ω)) = − Arg( F (−ω))
103
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
Toda función f [n ] puede descomponerse como suma de una función par más otra impar:
f [n] = f p [n] + fi [n] . Tal como vimos para las funciones de variable real,
[ ]
ℑ f p [n] = R (ω) y ℑ[ fi [n ]] = J (ω)
La energía que transporta una señal genérica dada por una función compleja f [n ] (que, en
∞ ∞ _____
∞
1
∑ f [n] = 2π ∫ F (ω) dω
2 2
n = −∞ 2π
104
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
11. Convolución
∞
y[n ] = f [n ]* h[n] = ∑ f [k ]h[n − k ]
k = −∞
Veamos ahora qué relación existe entre la convolución y la transformada de Fourier para
funciones de variable discreta. Para esto, expresemos las transformadas de f [n ] y h[n] , y
luego calculemos la de y[n] en términos de las anteriores:
∞ ∞
ℑ [ f [n]] = F (ω) = ∑ f [n]e −iωn
; ℑ [h[n]] = H (ω) = ∑ h[n]e−iωn
n = −∞ n = −∞
∞ ∞ −iωn
ℑ [ y[n]] = Y (ω) = ∑∑ f [k ]h[n − k ] e
n = −∞ k = −∞
Así escrita, esta expresión indica que primero resolvemos la suma interior variando el índice
k, para cada valor fijo de n, y luego sumamos para todos los valores de n. Como el orden de la
suma puede invertirse sin cambiar el resultado, podemos intercambiar el orden de las
sumatorias:
∞ ∞
Y (ω) = ∑ f [k ] ∑ h[n − k ] e −iωn
k = −∞ n = −∞
∞ ∞ ∞ ∞
−iω( m + k ) −iωm −iωk
Y (ω) = ∑ f [k ] ∑ h [m ] e = ∑ f [k ] ∑ h[m] e e
k = −∞
m = −∞
k = −∞
m = −∞
La expresión dentro de la llave es H (ω) que, como no depende del índice de suma k,
podemos sacarlo como factor común:
∞ ∞
Y (ω) = ∑ f [k ] H ( ω) e − i ωk
=
∑
f [k ] e −iωk
⋅ H (ω)
k = −∞ k = −∞
105
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
o sea
ℑ [ f (t ) * h(t )] = ℑ [ f (t )] ⋅ ℑ [h(t )]
Su aplicación, tanto para variable discreta como continua, nos provee de un método
alternativo para calcular la respuesta de un sistema a una entrada dada. En efecto, si
conocemos las funciones f y h, podemos calcular sus respectivas transformadas F(ω) y H(ω).
Luego determinamos su producto y, como ℑ [ y ] = Y (ω) = F (ω) ⋅ H (ω) , al calcular la
antitransformada de F(ω)⋅H(ω), obtenemos y:
y (t )
= ℑ [F (ω) ⋅ H (ω)]
−1
y[n]
Hemos aprendido a desarrollar una función periódica de variable continua en serie de Fourier,
cuya expresión es
∞
f (t ) = ∑ ck eikω0t ( 8)
k =∞
donde los coeficientes están dados por
1 −ikω0t
ck =
T ∫ f (t ) e dt ( 9)
T
106
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
∞
F (ω) = ∑ f [n]e−iωn ( 10)
n = −∞
1 iωn
f [ n] =
2π ∫ F (ω) e dω ( 11)
2π
Las similitudes entre estas expresiones son visibles. Mientras f (t ) depende de la variable
continua t y tiene período T, F (ω) depende de la variable continua ω y tiene período 2π. Las
ecuaciones (8) y (10) muestran que ambas se desarrollan es series de exponenciales complejas
armónicamente relacionadas, con coeficientes de peso que son valores discretos. Dichos
coeficientes se calculan, como se ve en las ecuaciones (9) y (11), mediante integrales a lo
largo de un período de esas funciones de variable continua. El factor que precede a cada
integral es la inversa del período correspondiente.
Hemos visto cómo, para efectuar el análisis en frecuencia de una señal en tiempo discreto
f [n] , convertimos la secuencia en el dominio del tiempo en una expresión equivalente en el
dominio de la frecuencia que es la transformada de Fourier F (ω) que analizamos en los
apartados anteriores. Pero F (ω) viene dada por una función continua de la frecuencia y esta
característica la hace no adecuada para ser procesada por métodos computacionales que son
los que se emplean habitualmente para el análisis frecuencial de señales. Veremos a
continuación un procedimiento que permite obtener la transformada de Fourier en forma de
función discreta de la frecuencia, conocido como el método de la transformada discreta de
Fourier. Se lo designa mediante la sigla DFT por las iniciales de su nombre en inglés
(Discrete Fourier Transform).
107
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
~
desarrollo de Fourier de una función periódica f [n] que se obtuvo a partir de otra función
f [n] no periódica de duración finita. Si la duración de la señal f [n] es L y el período de
~ ~
f [n] es N, la deducción de (3) exigió que N>L. En otras palabras, la función f [n] fue
construida con los L valores de f [n] y los restantes, hasta totalizar los N valores, se
completaron con ceros.
2πk
Por lo tanto, al comparar (12) con (3) y establecer la relación F ( ) = N ck estamos
N
suponiendo que hemos construido una función periódica que es la repetición de infinitas
“copias de f [n] ”. Este concepto está implícito en el procedimiento de muestreo de la
transformada.
Pero, además, el método del muestreo en frecuencias debe permitirnos reconstruir la señal en
el tiempo a partir de las muestras de la transformada. Veamos que existe un valor mínimo
para el número N de muestras para que esto suceda. En efecto, a partir de las N muestras de la
1 2πk
transformada, obtenemos los N valores de los coeficientes ck = F ( ) y con ellos
N N
~ ~ N −1
calculamos la función periódica f [n] de período N en la forma f [n] = ∑ ck eik (2π / N )n . Si
k =0
~
f [n] tiene una duración L en el tiempo menor que el período N, en la gráfica de f [n]
reconoceremos la repetición periódica de f [n] . En cambio, si hemos tomado muy pocas
~
muestras y sucede que N<L, entonces la función f [n] periódica que calculamos a partir de
las muestras tendrá un período que no alcanza a abarcar toda la duración de la señal f [n] . En
~
tal caso, f [n] mostrará una forma distorsionada de f [n] . Por lo tanto, para que el método de
muestreo de la transformada nos permita reconstruir la señal f [n] , el número de muestras en
frecuencia debe ser mayor o igual que la duración de f [n] en el tiempo.
En resumen, una secuencia de duración finita L, es decir, f [n] = 0 para n<0 y para n ≥ L ,
tiene transformada de Fourier
∞ L −1
−iωn
F (ω) = ∑ f [n]e = ∑ f [n]e−iωn con 0 ≤ ω < 2 π
n = −∞ n =0
Cuando muestreamos F (ω) en frecuencias equiespaciadas 2 πk / N con k = 0,1,L, N − 1 , con
N ≥ L , las muestras resultantes son
108
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
∞ L −1
2πk
F( ) = ∑ f [n]e −i 2πkn / N = ∑ f [n]e −i 2πkn / N con k = 0,1,L, N − 1
N n = −∞ n =0
N −1
Fˆ [k ] = ∑ f [n]e −i 2πkn / N con k = 0,1,L, N − 1
n =0
donde el índice superior de la suma se cambió por N –1, si bien los términos no nulos están
entre 0 y L –1.
~ 1 N −1 ˆ
f [ n] = ∑ F [k ]ei 2πkn / N con n = 0,1,L, N − 1
N k =0
109
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
Veamos ahora qué ocurre si calculamos la DFT de N=3 puntos. Las muestras equiespaciadas
en frecuencia de la transformada se toman cada 2π/3. La DFT viene dada ahora por
2πk
Fˆ [k ] = F ( ) = 1 + e −i ( 2πk / 3) + e −i 2( 2πk / 3) + e −i3( 2πk / 3) = 2 + e −i 2πk / 3 + e −i 4πk / 3 con k=
3
2πk πk 2πk πk
0,1,2, o en la otra forma: Fˆ [k ] = 4e −i3/2( 2πk / 3) cos cos = 4(−1) k cos cos .
3 3 3 3
Obtenemos Fˆ [0] = 4 , Fˆ [1] = 1 , Fˆ [2] = 1 . Con este nuevo muestreo de la transformada
Si, por el contrario, elegimos para N un valor grande, tendremos una descripción más refinada
de la transformada a la vez que se incrementa la complejidad del cálculo. Sin embargo, si el
propósito es recuperar la señal en el tiempo, ese mayor costo computacional no se traduce en
beneficio alguno. Para este fin basta con elegir un N que sea igual o mayor que la duración de
110
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
la señal en el tiempo. Para el caso del ejemplo que desarrollamos, si tomáramos, digamos,
N=20, obtendríamos una función periódica del tiempo de período 20, que valdría 1 entre 0 y 3
inclusive y los restantes 16 puntos serían nulos.
El algoritmo FFT
El desarrollo que han alcanzado en los años más recientes los métodos de tiempo discreto para
el análisis y síntesis de señales se debe fundamentalmente a la gran capacidad de cálculo de
las computadoras modernas. Una ventaja adicional de la DFT es que existen diversos
algoritmos computacionales para evaluarla. Vamos a mencionar sólo uno que resulta
sumamente ágil. Se denomina transformada rápida de Fourier y se indica FFT por las
iniciales de su nombre en inglés (Fast Fourier Transform).
(
de modo que e −i 2π / N )kn = (WN )kn = WNkn . Con esta notación, la DFT se expresa:
N −1
Fˆ [k ] = ∑ f [n] WNkn con k = 0,1,L, N − 1
n =0
y la transformada inversa, IDFT, como
~ 1 N −1 ˆ
f [ n] = ∑ F [k ]WN−kn con n = 0,1,L, N − 1
N k =0
Vemos que para cada valor de k, el cálculo directo de la DFT exige realizar N
multiplicaciones complejas y N–1 sumas complejas. Luego, para evaluar los N valores de
F̂ [k ] , habrá que efectuar N 2 multiplicaciones complejas y N ( N − 1) sumas complejas.
Existen diversos métodos computacionales para calcular la DFT y la IDFT. Vamos a esbozar
uno de ellos, quizás el más difundido en el procesamiento digital de señales. Esencialmente
consiste en elegir un valor de N que sea una potencia natural de 2. La razón de esta elección
se verá enseguida. Separamos la secuencia de N valores de f [n ] en dos secuencias: las de los
lugares pares y la de los lugares impares:
N
f1[n] = f [2n] y f 2 [n] = f [2n + 1] con n = 0,1,L, − 1
2
La DFT ahora se expresa como:
111
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Transformada de Fourier de tiempo discreto
N −1
Fˆ [k ] = ∑ f [n] WNkn = ∑ f [n] WNkn + ∑ f [n] WNkn
n =0 n par n impar
( N / 2) −1 ( N / 2) −1
= ∑ f1[n] WN2nk + ∑ f 2[n] WN( 2n +1) k
n =0 n =0 N
con k = 0,1,L, −1
( N / 2) −1 ( N / 2) −1 2
= ∑ f1[n] WN2nk + ∑ f 2[n] WN2nkWNk
n =0 n =0
( N / 2) −1 ( N / 2) −1
= ∑ f1[n] (WN2 ) nk + WNk ∑ f 2[n] (WN2 ) nk
n =0 n =0
2 2 −i 2 π / N 2 −i 2 π /( N / 2)
Pero WN = (WN ) = (e ) =e = WN / 2 . Para fijar ideas, digamos que si
hemos elegido calcular la DFT de 8 puntos, el cálculo directo nos exige utilizar los 8 valores
de W8. El cambio que acabamos de introducir nos conduce a determinar los valores de W4. Ya
comienza a vislumbrarse cómo esto nos conducirá a una simplificación notable en el
cómputo. El procedimiento se denomina diezmado en el tiempo. Ahora la DFT se expresa
como:
( N / 2) −1 ( N / 2) −1
Fˆ [k ] = ∑ f1[n] WNnk/ 2 + WNk ∑ f 2[n] WNnk/ 2
n =0 n =0
( N / 2) −1 ( N / 2) −1
Designamos Fˆ1[k ] = ∑ f1[n] WNnk/ 2 y Fˆ2 [k ] = ∑ f 2[n] WNnk/ 2 . Estas son las DFT de
n =0 n =0
f1[n ] y f 2 [n] , respectivamente, que contienen N/2 puntos. Se puede ver fácilmente que Fˆ1[k ]
y Fˆ2 [k ] tienen período N/2: Fˆ1[k ] = Fˆ1[k + N / 2] y Fˆ2 [k ] = Fˆ2 [k + N / 2] . Tenemos entonces:
N
Fˆ [k ] = Fˆ1[k ] + WNk Fˆ2 [k ] con k = 0,1,L, − 1
2
Se observa que para calcular Fˆ1[k ] son necesarias (N / 2) 2 multiplicaciones complejas y otras
tantas para calcular Fˆ2 [k ] ; además se requieren N/2 multiplicaciones complejas más para
N N N
calcular WNk Fˆ2 [k ] . En total, el cálculo de F̂ [k ] requiere 2( ) 2 + = ( N + 1)
2 2 2
multiplicaciones complejas. Volviendo al caso N=8, de las 64 multiplicaciones complejas
requeridas en el cálculo directo, pasamos a 28. La economía computacional es evidente.
Como hemos elegido para N una potencia natural de 2, podemos volver a repetir el
procedimiento para f1[n] y f 2 [n] , separando a cada una en sus términos de lugares pares e
impares y así siguiendo hasta terminar en la DFT de 2 puntos. Para comprender mejor el
procedimiento examinemos el siguiente caso.
k k k
= f [0] + f [4] (-1) + (−i ) ( f [2] + f [6](−1) )
113
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis