Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROPIEDADES Y APLICACIONES
Para k =0 , 1 ,2 , .. . , N−1.
La señal
∞
x p ( n )= ∑ x ( n−ln ) . ..(4)
l=−∞
1 2π
ck=
N
X
N( )
k , k =0 , 1, . . ., N−1 . . . ( 7 )
Por lo tanto:
N−1 j 2 πkn
1 2π N
x p (n)= ∑ X( k)e , n=0 , 1, . . ., N −1. . .(8)
N k=0 N
De modo que x(n) se puede recuperar a partir de xp(n) sin ambigüedades. Por el
contrario, si N < L, no es posible recuperar x(n) a partir de su extensión periódica
debido al aliasing en el dominio del tiempo. Por tanto, concluimos que el espectro de
una señal discreta en el tiempo aperiódica con duración finita L puede recuperarse.
De forma exacta a partir de sus muestras en las frecuencias ⍵k = 2πk/N, si N ≥ L. El
procedimiento consiste en calcular xp(n), n = 0, 1, . . . ,N −1 de acuerdo con (8); luego
x p ( n ) , 0 ≤ n≤ N −1
x ( n )= { 0 , en otro caso
. ..(9)
( )[ ]
− j ⍵−
( )
X ( ⍵ )= ∑
n=0
[ 1
N
∑
k=0
X
2π
( )
N
k e N
] −j⍵n
e =∑
k=0
X
2π
N
k
1
N
∑e
n=0
N
n
. ..(11)
Cuando la secuencia x(n) tiene una duración finita de longitud L ≤ N, entonces xp(n) es
simplemente una repetición periódica de x(n), donde xp(n) sobre un solo período está
dada por
donde los índices superior e inferior del sumatorio reflejan el hecho de que x(n)= 0
fuera del rango 0≤n≤L−1.
Si muestreamos X(⍵) en frecuencias igualmente espaciadas ⍵k = 2πk/N, k = 0, 1,
2, . . . ,N−1, donde N ≥ L, las muestras resultantes son
L−1 j 2 πkn
2π
X ( k )=X
N ( )
k =∑ x (n) e
n=0
N
,
N −1 j 2 πkn
N
X ( k )= ∑ x ( n ) e , k=0 ,1 , 2 ,. . . , N −1. . .(18)
n=0
se denomina DFT inversa (IDFT). Evidentemente, cuando x(n) tiene una longitud L < N,
la IDFT de N puntos da x(n) = 0 para L ≤ n ≤ N −1. Resumiendo, las fórmulas para la DFT
y la IDFT son:
N−1 − j 2 πkn
N
DFT : X ( k )= ∑ x ( n ) e , k=0 , 1 , 2, . .. , N−1. . .(20)
n=0
N−1 j2 πkn
1 N
IDFT : X ( k )= ∑ X(k)e , n=0 , 1, 2 , .. . , N −1. ..(21)
N k=0
N −1
1
x ( n )=
N
∑ X ( k ) W −kn
N
, n=0 , 1, . .. , N−1. . .(23)
k =0
W N =e− j 2 π / N . . .(24)
[ ] [ ]
x N = x (1) , X N = X (1) , W N =¿
⋮
x (N −1)
⋮
X ( N −1)
Con estas definiciones, la DFT de N puntos se puede expresar en forma matricial como
X N =W N x N . ..(26)
x N =W −1
N X N . ..( 27)
Si comparamos (31) y (32) con (18) y (19), observamos que la fórmula para los
coeficientes de la serie de Fourier tiene la forma de una DFT. De hecho, si definimos
una secuencia x(n) = xp(n), 0 ≤ n ≤ N −1, la DFT de esta señal es simplemente
X ( k )=Nck . .. ( 33 )
Además, (31) tiene la forma de una IDFT. Así, la DFT de N puntos proporciona el
espectro de líneas exacto de una secuencia periódica de período fundamental N.
Relación con la transformada de Fourier de una secuencia aperiódica. Ya hemos
demostrado que si x(n) es una secuencia aperiódica de energía finita con la
transformada de Fourier X(ω), la cual se muestrea a N frecuencias igualmente
espaciadas ωk = 2πk/N, k = 0,1, . . . ,N −1, las componentes espectrales
∞ − j 2 πnk
X ( k )=X ( ⍵ ) ¿ 2 πk = ∑ x ( n) e N
, K=0 ,1 , .. . , N −1 .. . ( 34 )
⍵= n=−∞
N
x p ( n ) ,0 ≤ n ≤ N −1
ẍ ( n )= { 0 , en otro caso
. . .(36)
no se parece a la secuencia original {x(n)}, a menos que x(n) sea de duración finita y
longitud L≤ N, en cuyo caso
x ( n )=ẍ ( n ) , 0 ≤n ≤ N−1 . .. ( 37 )
∞
¿ ∑ x(n) e−2 jπk / N
n=−∞
X ( z )= ∑ x ( n ) z = ∑
n=0
−n
n=0
[ 1
N ∑ X (k) e
k=0
N
] z =
−n 1
N ∑ X (k ) ∑ (e
k=0 n=0
N
z −1
)
N−1
1−z− N X ( k)
X ( z )= ∑ .. .( 40)
N k=0 1−e j 2 πk / N z−1
1−e− j ⍵ N
N−1
X (k )
X ( ⍵ )= ∑ . .. ( 41 )
N k=0 (
− j ⍵−
2 πk
N )
1−e
k=−∞
donde {ck} son los coeficientes de Fourier. Si muestreamos xa(t) a una tasa uniforme Fs
= N/Tp = 1/T, obtenemos la secuencia discreta en el tiempo
∞ ∞ j 2 πkn N−1 ∞ j 2 πkn
x (n)≡ x a ( nT )= ∑
k=−∞
ck e
j 2 πk F 0 nT
= ∑
k =−∞
ck e N
=∑ [∑ ]
k=0 l =−∞
Ck e N
. . .(43)
Y
∞
Ĉ k = ∑ Ck −ln . ..(45)
l=−∞
2. Propiedades de la DFT
En la Sección 1 hemos presentado la DFT como un conjunto de N muestras {X(k)} de la
transformada de Fourier X(⍵) para una secuencia de duración finita {x(n)} de longitud
L≤ N. El muestreo de X(⍵) se hace en N frecuencias igualmente espaciadas ⍵k = 2πk/N,
k = 0, 1, 2, . . . ,N −1. Hemos demostrado que las N muestras {X(k)} representan de
forma unívoca la secuencia {x(n)} en el dominio de la frecuencia. Recuerde que la DFT y
la DFT inversa (IDFT) para la secuencia de N puntos {x(n)} se definen como
N−1
DFT : X ( k )= ∑ x ( n ) W kn
N , k=0 ,1 , . .. , N−1 . ..(2.1)
n=0
N −1
1
IDFT : x ( n ) =
N
∑ X (k ) W knN , n=0 ,1 , . .. , N−1 . ..( 2.2)
n=0
W N =e− j 2 π / N . . .(2.3)
Y
DFT
x2 ( n ) ↔ X 2 (k )
N
x ' p ( n ) , 0 ≤ n ≤ N −1
x ' p ( n )= { 0 , en otro caso
. . .(2.9)
Está relacionada con la secuencia original x(n) por un desplazamiento circular. Esta
relación se ilustra en la Figura 2.1 para N = 4. En general, el desplazamiento circular de
la secuencia se puede representar como el índice de módulo N.
Así, podemos escribir
x ' ( n ) =x ( ( n−2 ) )4
x ' ( 3 ) =x ( ( 1 ) )4 =x (1)
Donde
1
x pe ( n )= [x p ( n ) + x ¿p ( N −n ) ]. . . ( 2.17 )
2
1
x po ( n )= [ x p ( n )−x ¿p ( N −n ) ]
2
N −1
2 πkn 2 πkn
n=0
[
X I ( k )=− ∑ x R ( n ) sen
N
−x I ( n ) cos
N ]
. ..(2.21)
Del mismo modo, sustituyendo (2.19) en la expresión de la IDFT dada por (2.2),
obtenemos
N−1
1 2 πkn 2 πkn
X R ( n )=
N
∑
k=0
[ X R ( k ) cos
N
− X I ( k ) sen
N ]
. . .(2.22)
N−1
1 2 πkn 2 πkn
X I ( n )=
N
∑
k=0
[ X R ( k ) sen
N
+ X I ( k ) cos
N ]
. ..(2.23)
En consecuencia, |X(N−k)| = |X(k)| y ∠X(N −k) = −∠X(k). Además, xI(n) = 0 y, por tanto,
x(n) se puede determinar a partir de (2.22), que es otra forma de la IDFT.
Secuencias reales pares. Si x(n) es real y par, es decir,
x ( n )=x ( N −n ) , 0 ≤ n≤ N−1
Secuencias imaginarias puras. En este caso, x(n) = jxI(n). Por tanto, (2.20) y (2.21) se
reducen a
N −1
2 πkn
X R ( k)= ∑ X I ( n ) sen , . ..(2.29)
n=0 N
N −1
2 πkn
X I (k )= ∑ X I ( n ) cos ,. . .(2.30)
n=0 N
Es
X R ( k )= X eR ( k )+ X oR ( k )
Suponga que tenemos dos secuencias de duración finita de longitud N, x1(n) y x2(n).
Sus respectivas DFT de N puntos son
− j 2 πnk
X 1 ( k ) =∑ N−1 x 1 ( n ) e N
, k=0 ,1 , .. . , N −1 .. .(2.32)
n=0
N −1 − j 2 πnk
N
X 2 ( k ) = ∑ x2 ( n ) e ,k =0 , 1 ,. . . , N −1. . . (2.33 )
n=0
Si multiplicamos las dos DFT, el resultado es otra DFT, por ejemplo, X3(k) de una
secuencia x3(n) de longitud N. Determinemos la relación entre x3(n) y las secuencias
x1(n) y x2(n).
Tenemos
X 3 ( k )=X 1 ( k ) X 2 ( k ) , k=0 , 1 , .. . , N −1 .. . ( 2.34 )
La IDFT de {X3(k)} es
N−1 j 2 πmk N−1 j 2 πmk
1 N 1 N
X 3 ( m )= ∑ X3 (k ) e = ∑ X1 (k ) X2 (k ) e . . . ( 2.35 )
N k=0 N k =0
Suponga que sustituimos X1(k) y X2(k) en (7.2.35) utilizando las DFT dadas por (2.32) y
(2.33). Así, obtenemos
N−1 N −1 − j 2 πkn N −1 − j 2 πkl j 2 πkm N−1 N−1 N −1 j 2 πk(m−n−l)
x 3 ( m )=
1
N
∑
k=0
[ ∑ x1 ( n) e
n=0
N
][ ∑
l=0
x2 ( l ) e N
] e N
=
1
N
∑
n=0
x1 ( n ) ∑ x2( l )
l=0
[ ∑e
k =0
N
] . . .(2.36)
N , a=1
{
N−1
k
∑ a = 1−aN . .. ( 2.37 )
k=0 ,a≠1
1−a
∑ a k= N , l=m−n+0 ,pN=
{ ( ( m−n ) ) N , p entero . . . (2.38 )
en otro caso
k=0
DFT
x ( n) ↔ X (k )
N
entonces
DFT
x ( (−n ) ) N =x ( N−n ) ↔ X ( (−k ) ) N =X ( N−k ) . . . ( 2.42 )
N
− j 2 πkn
DFT {x ( N −n ) }=∑ N−1 x ( N −n ) e N
n=0
entonces
DFT − j 2 πkl / N
x ( ( n−l ) ) N ↔ X (k )e .. . ( 2.43 )
N
N −1 − j2 πk (m+l)
N
¿ ∑ x (m) e
m= N−l
Además,
N−1 − j 2 πkn N−1−l − j 2 πk (m+l )
N N
∑ x (n−l)e = ∑ x (m)e
n =l m=0
Por tanto,
N−1 − j2 πk (m+l) − j 2 πkl
N N
DFT { x( ( n−l ) ) }= ∑ x (m) e =X ( k)e
m=0
entonces
j2 πln/ N
DFT
x ( n) e ↔ X ( ( k−l ) ) N .. .(2.44)
N
Por tanto, la multiplicación de la secuencia x(n) por la secuencia exponencial compleja e j 2 πkn / N
es equivalente al desplazamiento circular de la DFT l unidades en frecuencia. Ésta es la
propiedad dual de la propiedad de desplazamiento temporal circular y su demostración es
similar a la misma.
entonces
¿
DFT ¿ ¿
x ( n) ↔ X ( (−k ) ) N =X ( N−k ) .. . ( 2.45 )
N
¿
La demostración de esta propiedad se deja como ejercicio para el lector. La IDFT de X (k ) es
N −1 j 2 πkn N −1 j 2 πk ( N−n)
1
N
∑X
k=0
¿
(k )e N
=
[1
N
∑ X (k) e
k=0
N
]
Por tanto,
¿ ¿
DFT ¿
x ( (−n )) N =x ( N −n ) ↔ NX ( k ) . ..( 2.46)
N
Correlación circular. En general, para secuencias complejas x(n) e y(n), si
DFT
x ( n) ↔ X (k )
N
y
DFT
y (n) ↔ Y (k )
N
entonces
DFT ¿
ř xy ( l ) ↔ Řxy ( k )=X ( k ) Y ( k ) . . . ( 2.47 )
N
decir,
ř xy ( l )=x ( l ) © y ¿ (−l)
Entonces, con la ayuda de las propiedades dadas por (2.41) y (2.46), la DFT de N puntos de
ř xy ( l ) es
Ř xy ( k )=X (k )Y ¿ (k )
En el caso especial en que y(n) = x(n), tenemos que la expresión correspondiente para la
autocorrelación circular es x(n),
DFT 2
ř xx ( l ) ↔ Řxx ( k ) =|X ( k )| . . .(2.48)
N
DFT
x1 ( n ) ↔ X 1 (k )
N
Y
DFT
x2 ( n ) ↔ X 2 (k )
N
Entonces
DFT 1
x1 ( n ) x2 ( n ) ↔ X ( k ) © X 2 (k ) .. .(2.49)
N N 1
Esta propiedad es la dual de (2.41). Su demostración se obtiene simplemente intercambiando
los papeles del tiempo y la frecuencia en la expresión de la convolución circular de dos
secuencias.
DFT
x ( n) ↔ X ( k)
N
Y
DFT
y (n) ↔ Y ( k)
N
Entonces
N−1 N −1
1
∑ x ( n ) y ¿ ( n )= ∑ X ( k ) Y ¿( k). ..(2.50)
n =0 N k=0
∑ x ( n ) y ¿ ( n )=ř x y ( 0 )
n =0
Y
N −1
1
ř xy ( l )=
N
∑ Řxy (k )e j2 πkl/ N
k=0
La expresión dada en (2.50) es la forma general del teorema de Parseval. En el caso especial en
que y(n) = x(n), (2.50) se reduce a
N−1 N −1
∑ |X ( k )| =¿ N1 ∑ |X ( k )| . .. ( 2.51 ) ¿
2 2
n =0 k=0
que expresa la energía de la secuencia de duración finita x(n) en función de las componentes
de frecuencia {X(k)}.