Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad 4
Análisis frecuencial en tiempo discreto
El procesamiento digital de señales se usa para realizar análisis de frecuencia de
señales, esto significa transformar señales desde en el dominio del tiempo al dominio
de la frecuencia. En muchas aplicaciones es conveniente considerar una descripción
alterna de una secuencia en términos de secuencias exponenciales complejas de la
forma e , donde representa la variable de frecuencia normalizada en radianes.
Esta descripción lleva a una representación en particular útil de secuencias en tiempo
discreto y sistemas LIT en tiempo discreto en el dominio de la frecuencia.
La representación en el dominio de la frecuencia de una secuencia en tiempo discreto
que se explica en este capítulo es la transformada de Fourier en tiempo discreto,
mediante la cual una secuencia en el dominio del tiempo se convierte en una función
continua de la variable de frecuencia . Debido a la periodicidad de la transformada
de Fourier en tiempo discreto, la correspondiente secuencia en tiempo discreto puede
obtenerse al calcular su representación en serie de Fourier. Como consecuencia de que
la representación se encuentra en términos de una serie infinita, se examina la
existencia de la transformada de Fourier en tiempo discreto junto con sus propiedades.
La representación en el dominio de la frecuencia de un sistema LIT en tiempo discreto
es su respuesta en frecuencia dada por la transformada de Fourier en tiempo discreto
de su respuesta al impulso. La respuesta en frecuencia es la más conveniente para
analizar y diseñar sistemas en tiempo discreto. En la mayor parte de las aplicaciones,
estas transformadas son funciones racionales y resulta más conveniente tratar con
ellas que con las secuencias de longitud infinita en el dominio del tiempo.
( Ω) = Ω
( )
1 Ω
( )= ( Ω)
2
( ) ⎯⎯⎯ ( Ω)
( Ω) = | ( Ω)| (Ω)
Donde
( Ω) = { ( Ω)}
| ( )| <∞
( Ω) = Ω
( )
( )= ( − )
( )= ( ) ( )
( )= ( ) ( − )
( )= ( ) ( − )
( Ω) = ( ) Ω
( Ω) = ( ) ( − ) Ω
( Ω) = ( ) ( − ) Ω
( − ) ( ) = ( )
( Ω) = ( ) Ω
= ( )
= ( )
≡ {( ( )}
( )
| ( )| < ∞
Entonces
= ( ) ≦ | ( )| ≦ | ( )| < ∞
= | ( )| < ∞
lim − =0
→
Donde
= ( )
lim =
→
( ) ( )
( )= ( ) = ( )
( )| = [ ( ) ]
( )| ≡ = ( )
Ejemplo 4.1
Calcular la transformada de Fourier de una señal en tiempo discreto de la secuencia
impulso unitario ( ) = ( ).
Solución.
La transformada de Fourier de la secuencia impulso unitario ( ) se obtiene al usar la
ecuación dada por la definición.
= ( ) =1
Ejemplo 4.2
Calcular la transformada de Fourier en tiempo discreto de la secuencia causal
exponencial.
( )= ( ), | |<1
= ( )
1
= ( ) =
1−
Ejemplo 4.3
Determine la TFTD de la secuencia.
, 0≤ ≤ −1
( )= | |<1
0,
Solución.
1−
= ( ) =
1−
Suponiendo =1
1−
=
1−
−
=
−
( ) ( )
=
( )
1
( )= ( )
2
Las ecuaciones = ∑ ( ) y ( ) = ∫ ( )
constituyen un par de transformadas de Fourier en tiempo discreto para la secuencia
( ). La ecuación =∑ ( ) se llama ecuación de análisis, debido a
que analiza qué tanto de cada señal exponencial compleja está presente en la señal
original. Por otro lado, la ecuación ( ) = ∫ ( ) se conoce como
ecuación de síntesis, puesto que sintetiza una señal arbitraria a partir de sus
componentes exponenciales complejas.
1 ℓ
( )= (ℓ)
2
ℓ
1 ( ℓ)
( − ℓ)
(ℓ) = (ℓ)
2 ( − ℓ)
ℓ ℓ
( ℓ)
Para ≠ ℓ, ( − ℓ) = 0, y da como resultado (
= 0. Para = ℓ,
ℓ)
( ℓ)
(
= 0/0. En este caso, al usar la regla de L'Hopital, se obtiene
ℓ)
( − ℓ) cos ( − ℓ)
lim = =1
→ℓ ( − ℓ)
Por lo tanto
( − ℓ) 1, =ℓ
=
( − ℓ) 0, ≠ℓ
= ( − ℓ)
En consecuencia
( − ℓ)
(ℓ) = (ℓ) ( − ℓ) = (ℓ)
( − ℓ)
ℓ ℓ
= +
∗
= +
∗
= −
∗
donde denota el complejo conjugado de .
( )
=
Donde
( ) = arg
= cos ( )
= sen ( )
∗
= = +
tan ( ) =
( )
[ ( ) ] ( )
= ( ) = ( )
ℱ{ (− )} = (− ) = ( ) =
esto es,
(− )
∗
Secuencia conjugada compleja ( )
∗
ℱ { ∗ ( )} = ∗
( ) = ( ) = ∗
es decir,
∗ ∗
( )
∗ ∗
(− )
( )= ( )+ ( )
= ( ( )+ ( ))(cos + )
= [ ( ) cos − ( ) ]
= [ ( ) cos + ( ) ]
∗
Si = , esto es, = y =− .
Por consiguiente, las partes real e imaginaria de una transformada de Fourier simétrica
conjugada son, respectivamente, funciones par e impar de .
∗
=−
= +
Donde
∗
= +
∗
= + ( )
= [ ( )+ ( )]
∗
Al sustituir la expresión anterior en la ecuación = + y
∗ ∗
utilizando la expresión ( ) , se obtiene
= ( ) + ( )
+ ( ) − ( )
= ( ) = ℱ{ ( )} ;
es decir,
( )
( )
( )= ( )+ ( )
Donde
( )= [ ( ) + ∗
(− )]
( )= [ ( )− ∗
(− )]
ℱ{ ( )} = [ℱ{ ( )} + ℱ { ∗ (− )}]
∗
= ( )+ ( ) =
esto es,
( )
( )
= ( )+ ( )
lo que indica que es una función par de . De igual manera, para una señal
real, se advierte que.
tan(− ) =
( )
= = − tan( )
( )
∗
=
=− ( )
= ( )
Las ecuaciones anteriores nos indican que para una secuencia imaginaria pura
y son, respectivamente, funciones impares y par de . También es
posible demostrar que ( ) y ( ) son funciones par e impar de .
Como las partes simétrica y no simétrica conjugadas de una secuencia real son, de
manera respectiva, secuencias par e impar, se concluye que
( ) y ( )
( ) = ∗( )
= ( )
=−
( ) = ( )
arg = −arg
Nota: ( ) y ( ) son las partes par e impar de ( ) respectivamente.
Ejemplo 4.4
Encuentre las partes real, imaginaria, magnitud y fase de la transformada de Fourier
en tiempo discreto del ejemplo 4.2.
Solución.
La transformada de Fourier del ejemplo 4.2 viene dada por
1
=
1−
1 1− 1 − cos − sen
= ∗ =
1− 1− 1 − 2 cos +
1 − cos sen
= −
1 − 2 cos + 1 − 2 cos +
1 − cos
=
1 − 2 cos +
sen
=−
1 − 2 cos +
Ya que el cos y sen son funciones periódicas de con periodo 2 , las gráficas de
y ( ) son ambas funciones periódicas de con periodo 2 . Además el
cosw y son, respectivamente, funciones par e impar de . Por consiguiente,
y también son funciones par e impar de .
La magnitud será
∗
=
1 1 1
= ∗ =
1− 1− 1 − 2 cos +
1
=
√1 − 2 cos +
La fase
( ) sen
tan( ) = =−
( ) 1 − cos
sen
( )= −
1 − cos
Es posible ver en el ejemplo 4.5 las gráficas de las expresiones dadas anteriormente
que y ( ) son funciones periódicas de con periodo 2 . Además,
y ( ) son, respectivamente, funciones par e impar de .
Ejemplo 4.5
Graficar utilizando Matlab la parte real, imaginaria, magnitud y fase del ejemplo 4.4
con α = 0.6.
Solución.
Para este caso se toma la expresión calculada del ejemplo 4.4.
1
= = =
1− − − 0.6
text(3.12,0.4,'pi','HorizontalAlignment','center','FontSize',10)
text(-1.88,0.4,'pi','HorizontalAlignment','center','FontSize',10)
text(2.12,0.4,'pi','HorizontalAlignment','center','FontSize',10)
text(-0.88,0.4,'pi','HorizontalAlignment','center','FontSize',10)
text(1.12,0.4,'pi','HorizontalAlignment','center','FontSize',10)
subplot(2,2,4)
plot(w/pi, angle(h));
title('Fase')
ylabel('Amplitud en rad')
xlabel('Frecuencia')
text(-2.88,-1.1,'pi','HorizontalAlignment','center','FontSize',10)
text(3.12,-1.1,'pi','HorizontalAlignment','center','FontSize',10)
text(-1.88,-1.1,'pi','HorizontalAlignment','center','FontSize',10)
text(2.12,-1.1,'pi','HorizontalAlignment','center','FontSize',10)
text(-0.88,-1.1,'pi','HorizontalAlignment','center','FontSize',10)
text(1.12,-1.1,'pi','HorizontalAlignment','center','FontSize',10)
Figura 4.1. Parte real, imaginaria, magnitud y fase de la señal = 1/(1 − 0.6 ).
Ejemplo 4.6
Encuentre la TFTD de la secuencia de duración finita.
1, − ≤ ≤
( )=
0,
( )= ( ) =
( ) / / /
− −
= = / / /
1− −
( ) ( ) sen ( + )
−
= / /
=
− sen
sen ( + )
=
sen
Ejemplo 4.7
Grafique la señal ( ), y la magnitud del ejemplo 4.6, para = 15.
1, − 15 ≤ ≤ 15
( )=
0, en el resto
figure(1)
plot(w/pi, abs(x))
title('Magnitud X(w)');ylabel('Amplitud');xlabel('Frecuencia')
text(-0.98,-1.09,'pi','HorizontalAlignment','center','FontSize',10)
text(1.02,-1.09,'pi','HorizontalAlignment','center','FontSize',10
figure(2) %600 puntos señal de la transformada de Fourier X(e )
plot(w/pi, x)
title('X(w)');ylabel('Amplitud');xlabel('Frecuencia')
text(-0.98,-21.5,'pi','HorizontalAlignment','center','FontSize',10)
text(1.02,-21.5,'pi','HorizontalAlignment','center','FontSize',10)
Ejemplo 4.8
Calcular ( ) de un filtro pasa bajo que se muestra en la figura 4.5, la cual tiene
aplicación en el filtrado digital.
Solución.
1, − ≤| |≤
=
0, < | |≤
1 HLP(e jw)
w
-π -wc wc π
Figura 4.5. Gráfica de la transformada de Fourier de un filtro pasa bajo.
1 1 1
( )= = =
2 2 2
1 sen
( )= − = , −∞ < < ∞, ≠0
2
1 1
( )= = =
2 2
, =0
( )=
, ≠0
sen sen
ℎ ( )= = , −∞ < <∞
ℎ ( )= , −∞ < <∞
Ejemplo 4.9
A continuación se ilustra la convergencia cuadrática, de la señal en tiempo discreto
anterior.
ℎ ( )= , −∞ < <∞
Solución.
La transformada de Fourier en tiempo discreto (TFTD) de ℎ ( ) viene dada por
= ℎ ( ) =
para diversos valores de , como se muestra en la figura 4.6. Es posible ver de esta
figura que, independientemente del número de términos de la suma anterior, hay
rizos en la gráfica de ( ) junto a ambos lados del punto = . El número
de rizos aumenta cuando crece, la altura del rizo más grande permanece igual para
todos los valores de . Cuando tiende a infinito, se cumple la condición de la
ecuación → ∫ − = 0, lo que indica la convergencia de
( ) a ( ). El comportamiento oscilatorio en la gráfica de ( ),
aproximándose a la transformada de Fourier ( ) en el sentido cuadrático
medio en el punto de discontinuidad ( = ), como se indica en la figura 4.6, se
conoce como fenómeno de Gibbs.
( ) ( ) ( ) ( )
= ( ) + ( ) ,…, ( ) + ( )
Esto forma un polinomio donde los términos ( ) son los coeficientes de la evaluación
de la expresión para los valores de , los términos exponenciales nos
dan el orden del polinomio, por lo que tenemos un polinomio de orden en .
n2=-30:30;
b2=0.4*sinc(0.4*n2);
h2=freqz(b2,1,w); % Respuesta en frecuencia filtro FIR
subplot(2,2,3)
plot(w/pi,abs(h2))
title('Magnitud')
ylabel('Amplitud')
xlabel('Frecuencia')
text(0.5,0.8,'K=30','HorizontalAlignment','center','FontSize',10)
text(1.05,-0.05,'pi','HorizontalAlignment','center','FontSize',10)
text(-0.95,-0.05,'pi','HorizontalAlignment','center','FontSize',10)
n3=-40:40;
b3=0.4*sinc(0.4*n3);
h3=freqz(b3,1,w); % Respuesta en frecuencia filtro FIR
subplot(2,2,4)
plot(w/pi,abs(h3))
title('Magnitud')
ylabel('Amplitud')
xlabel('Frecuencia')
text(0.5,0.8,'K=40','HorizontalAlignment','center','FontSize',10)
text(1.05,-0.05,'pi','HorizontalAlignment','center','FontSize',10)
text(-0.95,-0.05,'pi','HorizontalAlignment','center','FontSize',10)
sen
ℎ ( )= = −∞ < <∞
Instrucciones en Matlab
n=-20:20;
wc=0.4;
b=0.4*sinc(0.4*n);
stem(n,b)
title('Magnitud')
ylabel('Amplitud')
xlabel('n')
text(10,0.25,'wc/pi=0.4 ,'HorizontalAlignment','center','FontSize',10)
Una función delta de Dirac, llamada también función de impulso ideal, ( ), es una
función de con una altura infinita, ancho cero y área unitaria. Se define mediante la
ecuación.
( ) = 1, ( ) = 0, para ≠0
( − ) ( ) = ( )
Ejemplo 4.10
Encontrar la Transformada Fourier en Tiempo Discreto Inversa de las señales.
.− ( )= 2 ( +2 )
.− ( )= 2 ( − +2 )
Solución.
Para el caso a:
En este caso, los impulsos son funciones de una variable continua ( ) y por lo tanto
son de altura infinita, anchura cero y área unitaria
X(w)
2 2 2 2π 2
w
-4π -2π -π 0 π 2π 4π
2π
Figura 4.8. Gráfica de la señal ( 2π ) = ∑
2π 2 ( +2 )
1
( )= 2 ( )
2
( )= ( ) =
( )=1
Para el caso b:
La sumatoria ∑ 2 ( − + 2 ) es una función periódica de con un
periodo 2 y se denomina tren de impulsos periódicos.
1
( ) = 2 ( − )
2
( ) =
( ( − )
= ) 2 +2
Ejemplo 4.11
Encontrar la Transformada de Fourier en Tiempo Discreto de la señal
( ) = cos( ).
Solución.
La función coseno se puede descomponer
( )= = ( + )
( )= ( ) = ( + )
( (
( )= ( ) + ) )
( ( − )
) 2 +2
= ( + +2 )+ ( − +2 )
w
-4π -2π -w0 0 w0 2π w0+2 4π
2π ( ) = cos(
Figura 4.9. Gráfica de la señal ).
( )= = 2 ( − +2 )
( )= , ∞< <∞
2
= 2 − ≤ <
1
= ( ) , = 0,1,2, … −1
Ejemplo 4.12
Encontrar la Transformada de Fourier en Tiempo Discreto de la señal
x(n)
1 1 1 1 1
n
-2N -N 0N 2N
Figura 4.10. Gráfica de la señal 2π( ) = ∑ ( − )
Solución.
Caso a). Para este caso = 2 , la función coseno se puede descomponer en
/ /
( ) = +
1
= −2
5
1
= ( ) , = 0,1,2, … −1
1 2
=2 −
Ejemplo 4.13
Encontrar la Transformada de Fourier en Tiempo Discreto de la señal ( ).
Solución.
En vista que la secuencia ( ) no es absolutamente sumable ni de cuadrado sumable, no
es inmediata la demostración. Para esto se crea la señal ( ) de la figura 4.11 y se
divide en dos señales tal y como se indica a continuación.
1, para ≥0
( )=
−1, para <0
x(n)
1 1 1 1 1
...
-4 -3 -2 -1
2π 2π 2π 1
n
0 2 3 4
... 2π 2π 2π
-1 -1 -1 -1
Figura 4.11. Gráfica de la señal ( )
( )=2 ( )−1
{ ( )} = {2 ( )} − {1}
{ ( )} {1}
{ ( )} = +
2 2
{ ( )} = = (−1) + (1)
= (−1) +
1
{ ( )} = = −
1− 1−
1 1 2
{ ( )} = = + =
1− 1− 1−
{1} = 2 ( +2 )
{ ( )} {1}
{ ( )} = +
2 2
∑ 2 ( +2 )
{ ( )} = +
2 2
1
{ ( )} = + ( +2 )
1−
Linealidad
ℱ ℱ
Si ( ) ( ) y ( ) ( ).
ℱ
Entonces ( )+ ( ) + .
Ejemplo 4.14
Determine la transformada de Fourier de la señal
( )= | |
−1 < <1
Elaborado por: Profesor Agustin José Larez Coburuco/ Correo:agustinlarez@gmail.com
246
1, (−∞ ≤ ≤ ∞) 2 ( +2 )
1
( ) + ( +2 )
1−
2 ( − +2 )
1
( ), | | < 1
1−
1
( + 1) ( ), | | < 1
(1 − )
sen
ℎ ( )= −∞< 1, − ≤| |≤
=
<∞ 0, <| |≤
Planteado de una forma sencilla, la transformada de Fourier, vista como una operación
sobre la señal ( ), 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 de transformadas de Fourier de las señales individuales. La propiedad de
linealidad hace que la transformada de Fourier sea adecuada para el estudio de
sistemas lineales.
( )= ( ) + ( )
Donde
, ≥0
( )=
0, <0
, <0
( )=
0, ≥0
= ( ) = = ( )
1
=
1−
siempre que
=| | =| |<1
que es una condición que se satisface en este problema. De forma similar, la transformada
de Fourier de ( ) es
= ( ) = =
= =
1−
= +
1−
=
1 − 2 cos +
n2=-40:-1;
x2=0.9.^(-n2);% Señal x2
stem(n2,x2)
hold on
n1=0:40;
x1=0.9.^(n1);% Señal x1
stem(n1,x1)
title(' Señal x(n)')
ylabel(' Magnitud ')
xlabel('n')
text(10,0.75,'\alpha =
0.9','HorizontalAlignment','center','FontSize',10);
( )= | |
Figura 4.12. Gráfica de la señal −1 < < 1.
Desplazamiento temporal
ℱ ℱ
Si ( ) , entonces ( − )
La demostración de esta propiedad se sigue directamente de la transformada de
Fourier de ( − ) haciendo un cambio en el índice del sumatorio. Así,
[∠ ( ) ]
{ ( − )= =
Esta relación implica que si se desplaza una señal en el dominio temporal muestras,
la magnitud de su espectro en frecuencia permanece inalterada. Sin embargo, el
espectro en fase cambia en una cantidad − . Este resultado puede explicarse
fácilmente si recordamos que el contenido de frecuencias de una señal depende
solamente de su forma. Desde un punto de vista matemático, podemos decir que
desplazar unidades en el dominio del tiempo, es equivalente a multiplicar el
espectro por en el dominio de la frecuencia.
Reflexión temporal
ℱ ℱ
Si ( ) , entonces (− )
{ (− )} = ℓ
(ℓ) =
ℓ
Si ( ) es real, entonces
∠ ( ) ∠ ( )
= = | ( )|
Esto significa que si una señal se refleja con respecto al origen de tiempos, su espectro
en magnitud permanece inalterado, y su espectro en fase experimenta un cambio de
signo (inversión de la fase).
El teorema de convolución
ℱ ℱ
Si ( ) ( ) y ( ) ( )
ℱ
Entonces ( )= ( )∗ ( ) ( )=
( )= ( )∗ ( )= ( ) ( − )
= ( ) = ( ) ( − )
( ) ( ) ( )
=
)
= ( ) ( )
= ( )
Ejemplo 4.15
Determine la convolución de las secuencias ( ) = ( ) = 2, 2, 2 en el tiempo
discreto y luego encontrar su TFTD y encontrar la convolución en la frecuencia.
−2−1 0 1 2
( ) 2 2 2
( ) 2 2 2
4 4 4
4 4 4
4 4 4
4 8 12 8 4 Suma de las columnas.
= ( )
( ) ( ) ( ) ( ) ( )
= (−2) + (−1) + (0) + (1) + (2)
=4 +8 + 12 +8 +4
=4 + 82 + 12 + 8 +4
= ( )
( ) ( ) ( )
= (−1) + (0) + (1)
( )
=2 +2 +2 =2 +2+2
= = 2 + 4 cos =2(1 + 2 cos )
El teorema de la correlación
ℱ ℱ
Si ( ) y ( )
ℱ
Entonces ( ) =
( )= ( ) ( − )
= ( ) = ( ) ( − )
( ) ( ) ( )
=
)
= ( ) ( )
= ( )
El teorema de Wiener-Khintchine.
ℱ
Sea ( ) una señal real. Si ( ℓ)
Desplazamiento en frecuencia
ℱ ℱ
Si ( ) ( ), entonces ( ) −
= ( ) = ( )
( ) ( ) (
= = )
X(w)
-1
-2π -π 0 π
w
2π
−
2 2
X(w-w0)
-1
-2π+w0 0 w0 π 2π 2π+w0
w
-2π
El teorema de la modulación
ℱ ℱ
Si ( ) ( ), entonces [ ( + )+ ( − )]
= ( + )
( )= ( ) = ( + )
( (
= ( ) + ) )
Teorema de Parseval
ℱ ℱ
Si ( ) ( ) y ( ) ( )
Entonces
∗ ∗
( ) ( )= ( ) ( )
∗
( )
∗ ∗(
= ( ) = ( ) )
| ( )| = |X( )| )
Concluimos que
= (0) = | ( )| = |X( )| = ( )
Entonces
ℱ
( )≡ ( ) ( ) ( )= ( ) ( − )
( )= ( )
así, tenemos
( )= ( ) = ( ) ( )
= ( ) ( )
( ) ( ) ( ) ( ) ( − )
=
= ( )
= ( )
=− ( )
= ( )
Las propiedades obtenidas en esta sección se resumen en la Tabla 4.5, que sirve de
referencia, así mismo muestra algunos pares de transformadas de Fourier.
( )= ℎ( ) ( − )
( )= − ∞< <∞
( )= ( )
ℎ( ) A
Multiplicación ( ) ( ) ( ) ( − )
Relación 1 ∗
( ) ∗( )
Parseval 2
∗( ∗
Conjugación )
Desplazamiento
( ) −
frecuencial
Modulación ( ) [ ( + )+ ( − )]
Wiener
( ), con ( ) real
Khintchine
( )= ℎ( )
= ℎ( )
|ℎ( )| < ∞
( )=
Conviene destacar que la respuesta a la salida del sistema también tiene la forma de
una exponencial compleja de la misma frecuencia que la entrada y alterada por el
factor multiplicativo , que es la transformada de Fourier de la respuesta
impulsional ℎ( ) del sistema evaluada en la frecuencia de la señal de entrada .
Ejemplo 4.16
Determine la secuencia de salida del sistema con respuesta impulsional
1
ℎ( ) = ( )
3
( )= /
−∞< <∞
Solución.
En primer lugar calculamos la transformada de Fourier de la respuesta impulsional
ℎ( ) y posteriormente la evaluamos en la frecuencia de la señal de entrada.
Recordemos que
1
= ℎ( ) =
1−
Para = π 4, da lugar a
1 . °
= = 1.25
4 1−
( ) = 1.25 . °
( – . °)
( ) = 1.25 −∞< <∞
Este ejemplo ilustra claramente que el único efecto del sistema sobre la señal de
entrada ( ) es el escalado de la amplitud por 1,25 y el desplazamiento en fase de
– 17.14°. Por consiguiente, la salida también es una exponencial compleja de
frecuencia π/4, amplitud 1,25 y fase – 17.14°.
( )
= ( )
Para un sistema lineal e invariante en el tiempo con respuesta impulsional real, las
funciones de fase y magnitud poseen propiedades de simetría, es una función
par de y ( ) una función impar de . Por tanto, si conocemos y
( ) para, 0 ≤ ≤ también conocemos estas funciones para − ≤ ≤ 0.
Mediante Euler, una sinusoide se pueda expresar como la suma o diferencia de dos
exponenciales complejas conjugadas, implica que la respuesta de un sistema lineal e
invariante en el tiempo a una sinusoide es parecida a la respuesta cuando la entrada es
una exponencial compleja
El hecho de que una sinusoide se pueda expresar como la suma o diferencia de dos
exponenciales complejas conjugadas, implica que la respuesta de un sistema lineal e
invariante en el tiempo a una sinusoide es parecida a la respuesta cuando la entrada es
una exponencial compleja.
( )= | ( )| cos[ +∅ + ( )]
Ejemplo 4.17
Determine la respuesta del sistema a la señal de entrada
1
ℎ( ) = ( )
4
Solución.
La transformada de Fourier en tiempo discreto de la respuesta impulsional ℎ( ), es la
respuesta en frecuencia del sistema y está dada por
1
= ℎ( ) =
1−
1 4
(0) = =
1− 3
1 . °
= = 1.187
4 1−
1 . °
= = 1.109
3 1−
( ) ∑ + +⋯+
( )= = =
( ) ∑ + + ⋯+
( ) + +⋯+
( )= =
( ) + + ⋯+
( ) ( − )( − ) … ( − )
( )= =
( ) ( − )( − ) … ( − )
∏ ( − )
( )=
∏ ( − )
donde = .
Sustituyendo = y definiendo = 1.
( )
∏ ( − )
=
∏ ( − )
( )… ( )
=| |
( ) ( )… ( )
( )
puesto que la magnitud de es 1.
| ( )| = 20 | | + 20 ( ) − 20 ( )
La fase de es la suma de las fases de los factores del numerador, menos las
fases de los factores del denominador. Por consiguiente, tenemos
∠ =∠ + ( − )+ ( )+ ( ) +⋯+ ( )
−[ ( ) + ( ) + ⋯ + ( )]
( ) ( )
= − =
( )
= − = ( )
Las interpretaciones geométricas son muy útiles para la comprensión de los efectos
que la localización de los polos y ceros tienen en el módulo y la fase de la
transformada de Fourier.
La presencia de un cero sobre la circunferencia unidad hace que el módulo de la
respuesta en frecuencia, en puntos de la circunferencia unidad próximo a ese cero, sea
pequeño. La existencia de un polo cercano a la circunferencia unidad hace que el
módulo de la respuesta en frecuencia sea grande en puntos cercanos a ese polo.
Además, el efecto de un polo se cancela colocando un cero cercano a e1 y viceversa.
Ejemplo 4.18
Utilizando Matlab, calcule la respuesta en frecuencia del sistema descrito por la
siguiente función de transferencia
(a) (b)
Figura 4.15. Interpretación geométrica de la contribución de los polos y ceros para magnitud (a) y fase (b)
Solución.
El “Signal Processing Toolbox” de MATLAB puede emplearse para determinar los
valores de la transformada de Fourier de una secuencia real descrita como una función
racional en . El programa calcula los valores de la transformada de Fourier en los
puntos de frecuencia prescritos y grafica las partes real e imaginaria y los espectros de
magnitud y fase. Debe señalarse que debido a las relaciones de simetría de la
transformada de Fourier de una secuencia real, aquélla se evalúa sólo en valores
especificados igualmente espaciados de entre 0 y . Las gráficas generadas se
presentan en la figura 4.16.
Aplicar la instrucción: [h, w] = freqz(N, D) para calcular la respuesta en frecuencia.
Donde N y D son dos vectores con los coeficientes del polinomio del numerador y
denominador.
También usaremos las instrucciones real, imag, abs, y angle y la función
fvtool(N, D) para encontrar la magnitud en db.
text(1.02,-1080,'pi','HorizontalAlignment','center','FontSize',10)
subplot(2,2,3)
plot(w/pi, abs(h));
title('Magnitud')
ylabel('Amplitud')
xlabel('Frecuencia w/pi ')
text(1.02,70,'pi','HorizontalAlignment','center','FontSize',10)
subplot(2,2,4)
plot(w/pi, angle(h));
title('Fase')
ylabel('Amplitud en rad')
xlabel('Frecuencia w/pi ')
text(1.02,-4.3,'pi','HorizontalAlignment','center','FontSize',10)
fvtool(N,D) % Herramienta calculo respuesta en frecuencia
. . . . .
Figura 4.16. Respuesta en frecuencia de =
. . . .
Figura 4.17. Magnitud en db del ejemplo 4.18 con la función fvtool(N, D).
= ( )
2
( )= = ( ) = 0,1,2, … , −1
( ), 0 ≤ ≤ − 1
( )=
0, ≤ ≤ −1
( )= ( ) = 0,1,2, … , −1
En la ecuación anterior:
.- ( ) es una señal de duración finita, de longitud d
.- es la longitud seleccionada de la Trasformada de Fourier Discreta, ≫ .
.- es el índice para las muestras en ( ).
.- es el índice de la frecuencia para la TFD.
1
( )= ( ) = 0,1,2, … , −1
Ejemplo 4.19
Encontrar la transformada de Fourier discreta de la señal ( ) = 0.9 ( ) y utilice
Matlab para graficar. Seleccionar = 10 y = 50.
( )= 0.9 = 0,1,2, … , ∞
1
( )= = 0,1,2, … , ∞
1 − 0.9
N=0:49;
x=0.9.^N;
y=fft(x,length(N));
stem(N,abs(y));
ylabel('Magnitud X(k)')
xlabel('No muestras k')
text(51,-0.2,'k','HorizontalAlignment','center','FontSize',10)
text(25,6,'N=50','HorizontalAlignment','center','FontSize',10)
Ejemplo 4.20
Una secuencia de duración finita de longitud viene dada por, determine la TFD de
puntos de esta secuencia para ≥ .
1, 0 ≤ ≤ − 1
( )=
0,
Figura 4.18. Magnitud de la transformada de Fourier ( ) = 0.9 ( ) ejemplo 4.19 con = 10.
( )= ( ) = 0,1,2, … , −1
1−
( )= = 0,1, … , −1
1−
( ) sin( )
( )=
sin( )
Para = 0.
( )= ( ) = 0,1,2, … , − 1
( )=
Figura 4.19 Magnitud de la transformada de Fourier ( ) = 0.9 ( ) ejemplo 4.19 con = 50.
Para = 1,2, … , − 1
( )= ( ) = 1,2, … , − 1
1− 1− 1−1
( )= = = = 1, … , − 1
1− 1− 1−
( )=0
, =0
( )=
0, = 1,2, … , − 1
Del ejemplo anterior se puede concluir que, aunque la TFD de puntos es suficiente
para representar de forma univoca la secuencia ( ) en el dominio de la frecuencia,
resulta evidente que no es suficiente para obtener una representación grafica detallada
de las características espectrales de ( ). Si deseamos obtener una mejor
representación gráfica, debemos calcular (interpolar) ( ) en frecuencias mas
próximas entre si, digamos, en = 2 / , donde > . En efecto, podemos
interpretar esta operación como la expansión de la secuencia de puntos a puntos,
añadiendo − ceros a la secuencia ( ), es decir, rellenando con ceros. Por lo
tanto, la TFD de puntos proporciona una interpolación mas fina que la TFD de
puntos.
Ejemplo 4.21
Utilizar Matlab para graficar el resultado del ejemplo 4.20 para una secuencia de
duración finita de longitud = 10 viene dada por
1, 0 ≤ ≤9
( )=
0,
Ejemplo 4.22
Determine la transformada de Fourier discreta de la secuencia ( ) = 2, 4,6,8 .
Solución.
( )= ( ) = 0,1,2, … , −1
Figura 4.20. Magnitud y fase de la TFD de longitud = 10, para = 50 y = 100 del ejemplo 4.21.
Para =0
Para =1
. . . .
(1) = ( ) = (0). + (1). + (2). + (3).
(1) = 2 + 4. + 6. + 8.
π π 3π 3π
(1) = 2 + 4 Cos − jSen + 6[Cosπ − jSenπ] + 8 Cos − jSen
2 2 2 2
(1) = 2 − 4j − 6 + 8j = −4 + 4j
=2
=3
. . . .
(3) = ( ) = (0). + (1). + (2). + (3).
3π 3π 9π 9π
(3) = 2 + 4 Cos − jSen + 6[Cos3π − jSen3π] + 8 Cos − jSen
2 2 2 2
(3) = 2 + 4j − 6 − 8j = −4 − 4j
20
−4 + 4j
La solución es ( )=
−4
−4 − 4j
Ejemplo 4.23
Determine la transformada de Fourier Discreta inversa (TFDI) del ejemplo anterior.
20
−4 + 4j
( )=
−4
−4 − 4j
Solución.
Utilizamos la definición
1
( )= ( ) = 0,1,2, … , −1
Para =0
1 1
(0) = ( ) = [ (0) + (1) + (2) + X(3)] =
4 4
1
(0) = [20 − 4 + 4j − 4 − 4 − 4j] = 2
4
Para = 1
1
(1) = ( )
4
1
(1) = X(0). . + X(1). . + X(2). . + X(3). .
4
1 π π
(1) = 20 + (−4 + 4j) Cos − jSen + (−4)[Cosπ − jSenπ] + (−4
4 2 2
3π 3π
− 4j) Cos − jSen
2 2
1
(1) = [20 − 4j − 4 + 4 + 4j − 4] = 4
4
Para =2
1
(2) = ( )
4
1 . . . .
(2) = X (0). + X (1). + X (2). + X (3).
4
1
(2) = 20 + (−4 + 4j)[Cos2π − jSen2π] + (−4)[Cos4π − jSen4π] + (−4
4
− 4j)[Cos6π − jSen6π]
1
(2) = [20 − 4 + 4j + 4 − 4j + 4] = 6
4
Para =3
1
(3) = ( )
4
1 . . . .
(3) = X (0). + X (1). + X(2). + X (3).
4
1 3π 3π
(3) = 20 + (−4 + 4j) Cos − jSen + (−4)[Cos3π − jSen3π] + (−4
4 2 2
9π 9π
− 4j) Cos − jSen
2 2
1
(3) = [20 + 4j + 4 + 4 − 4j + 4] = 8
4
Ejemplo 4.24
Utilizar Matlab para graficar la TDF para una secuencia de duración finita dada por.
1, 0 ≤ ≤3
( )=
0,
Solución.
En la figura 4.21 se muestran la magnitud de la TDF para = 8 = 16 y = 32
puntos. A medida que aumenta, las características espectrales de la señal se
muestran más claras, de ahí la ventaja de seleccionar un valor de mucho mayor que
la longitud de la señal discreta.
( )= ( ) = 0,1,2, … , −1
( )= ( ) = 0,1, … , −1
1
( )= ( ) = 0,1, … , −1
(0) (0)
(1) (1)
= =
⋮ ⋮
( − 1) ( − 1)
y la matriz de , como
=0 =1 =2 =3 … = −1
⎡ ⋯ ⎤ =0
⎢ ⋯ ⎥ =1
⎢ ⋯ ( )
⎥
⋯ =2
=⎢ ⋮⋮⋮ ) ⎥
( =3
⎢ ⎥ ⋮
⋮ ⋮ ⋮
⎢ ⋮ ( ) ( ) ⋯
⋮ ⎥ = −1
( )( )
⎣ ⎦
Note que cada valor es obtenido al multiplicar por . Por ejemplo para =2 y
= 3 entonces podemos obtener = .
=( )
1 ∗
=
∗
donde denota la matriz compleja conjugada de . Comparando, concluimos
∗
que ( ) = , esto implica que
∗
. =
1.- Periodicidad: = ;
( )
= = . = = =[ ]
/
2.- Simetría: =− ;
( )
/
= = . =− =− = −[ ]
3.- = /
/ = / = =[ ] =
Los cálculos son realizados usando la identidad de Euler. Por ejemplo cuando = 1,
.
tenemos que = = − = 0,707107 − 0,707107.
W =W =W =W ⋯
W =W =W =W ⋯
W =W =W =W ⋯
W =W =W =W ⋯
⋮
W =W =W =W ⋯
Ejemplo 4.25
Calcule la TFD de la secuencia de 4 puntos ( ) = (2, 4,6,8)
Parte Img
W =W
o
W =W o o W =W
W =W
-1 o
. o1
W =W
Parte Real
o o
W =W W =W
o
W =W
Figura 4.22. Propiedad cíclica del factor = para = 8.
1 1 1
⎡ ⎤ ⎡1 ⎤
⎢
=⎢
⎥
⎥= ⎢1 ⎥
⎢ ⎥ ⎢1 ⎥
⎣ ⎦ ⎣1 ⎦
= =− , = = −1, = = , = =1
= = −1, = =− ,
Así pues,
1 1 1 1 2 20
1 − −1 4 −4 + 4
= = 1 −1 1 −1 6 = −4
1 −1 − 8 −4 − 4
1 1 1 1 20
1 1 −1 − −4 + 4
= 1 −1 1 −1 . −4
4
1 − −1 −4 − 4
20 −4 + 4 −4 −4 − 4
1 20 (−4 + 4 ) −1(−4) – (−4 − 4 )
= 20
4 −1(−4 + 4 ) 1(−4) −1(−4 − 4 )
20 − (−4 + 4 ) −1(−4) (−4 − 4 )
Elaborado por: Profesor Agustin José Larez Coburuco/ Correo:agustinlarez@gmail.com
278
8 2
1 16 4
= 24 = 6
4
32 8
Ejemplo 4.26
Resolver el problema anterior usando Matlab de la secuencia de 4 puntos
( ) = (2, 4,6,8), utilizando la definición y la TFD como una transformación lineal.
Solución.
% La TFD utilizando la definición.
x=[ 2 4 6 8]; % Vector de entrada
y=fft(x,length(x)) % TFD de longitud 4
x1=ifft(y,length(y))% TIFD
y = 20.0000 -4.0000 + 4.0000i -4.0000 -4.0000 - 4.0000i
x1 = 2 4 6 8
y = 20.0000
-4.0000 + 4.0000i
-4.0000
-4.0000 - 4.0000i
x2 =
2
4
6
8
Ejemplo 4.27
Se tiene un sistema con respuesta impulsional ℎ( ) = (2, 4,6,8,10), encontrar la señal
de salida ( ), para una señal de entrada ( ) = (1, 3,5,7).
Solución.
Para realizar este problema se debe calcular la TDF de h(n) y x(n) multiplicar en el
dominio de la frecuencia . punto a punto y posteriormente calcular
la transformada inversa de Fourier discreta. La propiedad de la convolución de la TFD
nos indica que: ( ) = ℎ( ) ∗ ( ) = .
Ejemplo 4.28
Considera la secuencia ( ) = (1, 2, 3, 4, 5), asumiendo una frecuencia de muestreo de
100 Hz, encuentre el espectro de amplitud y fase.
Solución.
A continuación se indican el código utilizado.
x=[1 2 3 4 5]; % Vector de entrada
N=length(x);
X=fft(x,N); % TFD de longitud 5
Mag=abs(X); % Magnitud
Fas=phase(X); % Fase
Fs=100; % Frecuencia muestreo
for k=0:N-1
F0(k+1)= k*Fs/N;
fprintf('FRECUENCIA F(%d) =%6.2f Hz\n',k,F0(k+1))
end
stem(F0,Mag)
xlabel('Frecuencia Hz');ylabel('Magnitud');
Ejemplo 4.29
Dibujar las componentes de frecuencia hasta el armónico once de una señal cuadrada,
utilizando la frecuencia fundamental de 100 Hz. También realizar la graficas de los
armónicos en tres dimensiones.
Solución.
La onda cuadrada se puede representar por
( )= ∗ sin(2 )
4.
=
.
Tomando una amplitud de A = 1, las amplitudes de los armónicos, son los siguientes:
Fundamental = 1.274, tercero = 04245, quinto = 0.254, séptimo = 0.182, noveno =
0.141, once = 0.115.
Figura 4.24. Componentes de frecuencia hasta el armónico once de una señal cuadrada.
A continuación escribe el código y la gráfica el ejemplo del 4.29, para el caso de tres
dimensiones.
t = 0:1/100000:0.01; % La frecuencia fundamental es 100 Hz
z=0;z1=0;z3=0;z5=0;z7=0;z9=0;z11=0;z13=0;
grid on; xlabel('Orden del Armónico');
zlabel('Amplitud Armónico');
ylabel('Time (Segundo)');
Ejemplo 4.30
Encontrar las componentes en frecuencia de la señal cuadrada del ejemplo anterior.
Solución.
Para esto utilizaremos la función spectrogram.
Fs = 2400; % Frecuencia muestreo, mínimo dos veces la frecuencia máxima
t = 0:1/Fs:0.3; % Periodo de la onda fundamental es T=1/f; T =1/100=0.01 seg
x=(4/pi)*sin(2*pi*t*100)+(4/(3*pi))*sin(2*pi*t*3*100)+(4/(5*pi))*sin(2*pi*t*5*100)
+(4/(7*pi))*sin(2*pi*t*7*100)+(4/(9*pi))*sin(2*pi*t*9*100)
+(4/(11*pi))*sin(2*pi*t*11*100);
[S,F,T,P] = spectrogram(x,256,250,256,Fs); %Calcula el spectrogram de x
figure(1)
mesh(T,F,abs(S)) %Grafica la magnitud en función del tiempo y frecuencia
view(3); % vista en tres dimensión
xlabel('Time (Segundo)'); ylabel(' Frecuencia(Hz)'); zlabel('|Y(f)|');
figure(2)
surf(T,F,10*log10(P),'edgecolor','none'); axis tight;
view(0,90); %Vista en términos de azimut y elevación, igual que view(2)
xlabel('Tiempo(Segundo)'); ylabel('Frecuencia(Hz)'); title('Spectrogram');
Figura 4.26. Componentes de frecuencia del fundamental y los armónicos, tercero, quinto, séptimo, noveno y
once de una señal cuadrada. Ejemplo 4.29
Ejemplo 4.31
Encontrar las componentes en frecuencia de la señal cuadrada del ejemplo 4.29
utilizando la transformada rápida de Fourier.
Solución.
Fs1 = 100000;
t = 0:1/Fs1:0.01; % Tiempo de un ciclo frecuencia fundamental t=1/f; t =1/100=0.01 seg
x1=0;
for k = 1:2:21
x=(4/( pi*k)).* sin(2*pi*k*t*100);% senoide con frecuencia fundamental 100 Hz
x1= x1+x;
end
figure(1)
plot(t,x1) % Ploteo de la señal cuadrada
title('Señal corrompida con Armónicos');xlabel('Tiempo (Segundo)');ylabel('y(t)')
Fs = 2400; % Frecuencia de muestreo Hz, mínimo dos veces la frecuencia máxima.
T = 1/Fs; % Periodo de muestreo (seg);
L = 10000 ; % Longitud de la señal
t = (0:L-1)*T; % Vector tiempo(t=nT)
x1=0;
for k = 1:2:21
x=(4/( pi*k)).* sin(2*pi*k*t*100);
x1= x1+x;
end
NFFT = 2^nextpow2(L); % Próxima potencia de 2 de longitud L
Y = fft(x1,NFFT)/L; % Calculo coeficientes Serie Discreta de Fourier con fft
Elaborado por: Profesor Agustin José Larez Coburuco/ Correo:agustinlarez@gmail.com
285
Figura 4.27. Utilizando la FFT se verifica las componentes de frecuencia del fundamental y los armónicos,
tercero, quinto, séptimo, noveno y once de una señal cuadrada. Ejemplo 4.29
Ejemplo 4.32
Utilizando la transformada rápida de Fourier, encontrar las componentes en frecuencia
de dos señales sinusoidales de 50 Hz y 150 Hz corrompida con ruido aleatorio de
media cero,
Solución.
Fs = 1000; % Frecuencia de muestreo Hz
T = 1/Fs; % Tiempo de muestreo (mseg)
L = 5000; % Longitud de la señal
t = (0:L-1)*T; % Vector tiempo (t=nT)
x = 0.7*sin(2*pi*50*t)+sin(2*pi*150*t); %Suma de sinusoide de 50 Hz más 150 Hz
y = x + 2*randn(size(t)); % Sinusoide más ruido
figure(1)
plot(Fs*t(1:100),y(1:100)) % Ploteo de 100 milisegundos
title('Señal corrompida con ruido aleatorio de media cero')
xlabel('Tiempo (milisegundo)'); ylabel('y(t)')
NFFT = 2^nextpow2(L); % Próxima potencia de 2 de longitud L
Y = fft(y,NFFT)/L; %Al dividir por L,encuentra coeficiente serie discreta de Fourier
f = Fs/2*linspace(0,1,NFFT/2+1); % Calculo de frecuencia entre 0 y Fs/2
figure(2)
plot(f,2*abs(Y(1:NFFT/2+1)))% Plotea amplitud espectro frecuencia de un lado.
title('Espectro en magnitud de | Y(f) | de un lado ')
xlabel('Frequencia (Hz)'); ylabel('| Y(f) |')
(a) (b)
Figura 4.28. Señal sinusoidal de 50 Hz más 150 Hz y corrompida con ruido aleatorio de media cero(a).
Identificación de las componentes de frecuencia al tomar la FFT de la señal corrompida (b).
Ejemplo 4.33
Encontrar el periodo del número de manchas solares de Wölfer de la figura 1.7 del
capítulo uno, entre los años 1700 y 2014, utilizando la transformada rápida de Fourier.
Solución.
Se importan a Matlab los datos desde un archivo en Excel llamado sunspot.xls, usando
la siguiente ruta desde Matlab “File/Import Data/sunspot.xls”. En el archivo de Excel,
la primera columna corresponde a los años y la columna dos el número de manchas
solares.
x1 = diff(x);
%Estandariza, valor medio cero, desviación standard uno
zx=zscore(x1);
% Longitud de la señal
mx=length(zx);
%Próxima potencia base 2
nx=pow2(nextpow2(mx));
% Cálculo FFT de la señales zx,
fftx=fft(zx,nx)/nx; % Se divide por nx, cálculo coeficientes serie discreta de Fourier
% Cálculo de frecuencia entre 0 y Fs/2
fx= (fs/2)*linspace(0,1,nx/2+1);
% Amplitud espectro frecuencia de un lado.
qx=2*abs(fftx(1:nx/2+1));
% Ploteo del espectro en magnitud vs frecuencia
subplot (121), plot(fx,qx)
xlabel('Frecuencia (Hz)'); ylabel('Magnitud | X(k) |');
title('Espectro en Magnitud');
% Ploteo del espectro en magnitud vs índice k
subplot (122), stem((1:nx/2+1),qx)
xlabel('Variable (k)'); ylabel('Magnitud | X(k) |');
title('Espectro en Magnitud');
%Frecuencia donde es máximo el espectro en magnitud
[ymaxx,maxindex]= max(qx);
maxfreqx = fx(maxindex);
%Impresión por pantalla de la frecuencia y periodo de la señal
%t=n/Fs; t*Fs=n; Fs/f= n, donde n son años
% Otra forma de cálculo T=1/f; T= 1/(k/N); T=N/k; T=mx/maxindex
fprintf('FRECUENCIA f= %4.2f Hz(1/Años)\n', maxfreqx);
fprintf('PERIODO T= %4.2f Años\n', fs/maxfreqx);
fprintf('INDICE k= %d\n', maxindex);
Los cálculos indican que la frecuencia máxima es de 91,80 Hz, para esa frecuencia le
corresponde un índice de = 48,
Podemos decir que la información proveniente de las manchas solares tiene una
componente sinusoidal dominante con la frecuencia = 2 / radianes por año,
donde es la longitud de la señal, para nuestro caso = 512 (valor de la variable nx)
y la frecuencia máxima corresponde a la componente espectral = 48, el periodo se
calcula como / = 1/
(a) (b)
Figura 4.29. (a) Espectro en magnitud vs frecuencia. (b)Espectro en magnitud vs el índice k. Ejemplo 4.33
Por otro lado podemos calcular la periodicidad un poco más exacta, sabemos que
= / , por lo que = ∗ o = / por unidad de tiempo. En el programa
se tomó una frecuencia de muestro de 1000 Hz y se calculó una frecuencia máxima
de = 91,80 Hz, por lo que podemos calcular
Ejemplo 4.34
Suponiendo que se tiene un sensor acelerómetro que tiene como salidas tres señales
sinusoidales de amplitud y frecuencia conocidas, una por cada eje en un sistema de
coordenadas X, Y, Z, las cuales están corrompidas por un ruido pseudo aleatorio de
amplitud dos. Encontrar la frecuencia y amplitud por cada eje, así como la magnitud
total del vector compuesto por las tres amplitudes, utilizando la transformada rápida
de Fourier. Se supone que las unidades de las señales vienen dadas en gravedad, que
es la fuerza que la ejerce tierra sobre cualquier objeto
Solución.
Tomamos tres señales sinusoidales cualquiera de frecuencia y amplitud conocida, las
cuales se indican a continuación.
Figura 4.31. Señal del espectro en magnitud para cada eje una vez aplicada la FFT.
Figura 4.32. Salida del programa con la frecuencia y la amplitud por cada eje, así como la amplitud total
Por otro lado se observa que no existe error al calcular las frecuencias de las señales
simuladas, por lo que se concluye que al aplicar la Transformada de Fourier Discreta a
una señal y trasladarla al dominio de la frecuencia el ruido no afecta la frecuencia de
la señal original.