20-06-2022

Análisis Espectral
Parte 1
Fast Fourier Transformation (FFT)

Tipo de señales
 Existen las señales periódicas y las no periódicas.
 Dentro de las periódicas podemos clasificar las ondas en ondas
simples y ondas complejas

• ONDA PERIODICA SIMPLE – A, f y T

1
 20-06-2022

Tipo de señales

Señal Periódica Compleja

Amplitud

Tipo de señales

Señal No Periódica

Amplitud

2
 20-06-2022

Tipo de señales

https://phet.colorado.edu/es/simulations/fourier-making-waves

Representaciones de una señal

o Oscilograma (waveform):
o Representación grafica en el que la abscisa (eje horizontal)
se expresa tiempo en segundos o milisegundos y, en la
ordenada (eje vertical) amplitud (dB o porcentual).

o En el se capta la forma de onda

o Para el análisis nos entrega información del periodo de una

señal y por lo tanto de su frecuencia fundamental.

o Además es posible determinar rápidamente si una señal es

periódica o aperiódica debido a la repetición o no de un
patrón.
(Martinez, Eugenio)

3
 20-06-2022

Representaciones de una señal

o Espectro:
o Es una representación de las componentes (frecuencias) de un
momento de la señal.

o Para construir un espectro se toma una porción de la señal, se

analiza y se descompone.

o Representación grafica en el que la abscisa (eje horizontal) se

expresa frecuencia en Hz o kHz, en la ordenada (eje vertical)
amplitud (dB o porcentual).

o Para el análisis nos entrega la relación de energía (amplitud) de

las diferentes componentes o armónicos de un sonido, o
concentraciones de energía en ciertos rangos de frecuencias.

o Análisis de intensidad y timbrísticas de un sonido.

4
 20-06-2022

Representaciones de una señal

Espectro
Forma de onda Espectro

FFT

Onda Periódica Espectro Discreto

Representaciones de una señal

Espectro
Forma de onda Espectro

FFT

Onda no Periódica Espectro Continuo

10

5
 20-06-2022

11

12

6
 20-06-2022

http://www.acusticaintegral.com/3303/presion-sonora-oscilogramas/

13

http://www.acusticaintegral.com/3313/suma-y-resta-de-decibelios-spl/

14

7
 20-06-2022

15

Teorema de Fourier
El Teorema del matemático francés Jean Baptiste Fourier (1768-
1830) dice que:

“Toda señal periódica compleja se puede

descomponer en infinitas señales periódicas
simples”

Entonces, es posible obtener las componentes sinusoidales de

una señal, siempre que esta sea periódica

16

8
 20-06-2022

Teorema de Fourier

17

Teorema de Fourier

18

9
 20-06-2022

Teorema de Fourier
Serie de Fourier

La formulación matemática que expresa el teorema

de Fourier es la Serie de Fourier.

La serie de Fourier es el proceso matemático

mediante el cual conocemos las componentes
sinusoidales que forman una señal.

De esta forma es posible obtener las frecuencias, y

sus amplitudes, que componen una señal periódica
compleja.

Es importante observar que la Serie de Fourier trata

sólo con funciones o señales periódicas.

19

Dominio de una señal

o A partir de la serie de Furier se establecen dos dominios
para las señales.
o Dominio del Tiempo
o Dominio de la Frecuencia

o Una señal expresada en el dominio del tiempo se

muestra en un gráfico de amplitud v/s tiempo,
comúnmente llamado Oscilograma.

o Para el dominio de la frecuencia, se utiliza un gráfico

amplitud v/s frecuencia que muestra la amplitud de las
frecuencias que componen la señal en un instante de
tiempo determinado, comúnmente llamado Espectro.

20

10
 20-06-2022

Fast Fourier Transformation

La Transformada Rápida de Fourier (FFT) es una herramienta

matemática / computacional desarrollada por J.W. Cooley y
J.W. Tukey en 1965.

La FFT se utiliza para convertir una señal del dominio del

tiempo (amplitud v/s tiempo) al dominio de la frecuencia
(amplitud v/s frecuencia o espectro).

21

Fast Fourier Transformation

La Transformada Rápida de Fourier nos permite obtener el

espectro de frecuencia de una señal:

• Periódica y No Periódica: Transformando las señales no

periódicas en periódicas

• En Tiempo Real: A medida que la señal ingresa en el

sistema computacional, este muestra su espectro en
forma inmediata

22

11
 20-06-2022

Fast Fourier Transformation

Para obtener el espectro de una señal no periódica, el

algoritmo FFT toma una porción de la señal y la repite en
el tiempo suponiendo a esta porción como el período de
la señal.

Es decir, transforma una señal no periódica en periódica.

Este proceso lo realiza a través de “ventanas”.

23

Fast Fourier Transformation

Ventanas (Smoothing Windows)

Las ventanas, son filtros temporales que toman parte de la

señal en el tiempo.

Una ventana toma una parte de la señal considerándola

como un “período”.

Sin embargo, al tomar una muestra con una ventana, puede

producirse un truncamiento de la señal (discontinuidad).

24

12
 20-06-2022

Fast Fourier Transformation

25

Fast Fourier Transformation

Ventanas

La representación en el dominio de la frecuencia de la señal

periódica resultante que contiene discontinuidades,
contiene componentes de frecuencia que no existen
realmente (distorsión de frecuencia).

Para el caso de una onda sinusoidal, en lugar de tener una

única línea espectral tenemos varias líneas adyacentes al
valor de frecuencia.

Este efecto, se visualiza como una pérdida de amplitud y

una “disolución” de la línea espectral hacia los costados.
A esta distorsión en la frecuencia se llama Pérdida o
Leakage.

26

13
 20-06-2022

Fast Fourier Transformation

Efecto Pérdida o Leakage

27

Fast Fourier Transformation

Ventanas

Las ventanas de tiempo suavizan los extremos de la

muestra de manera que sean cero, evitando las
discontinuidades y por lo tanto, disminuyendo las pérdidas.

Existen distintos tipos de ventanas que se usan para

disminuir el efecto Leakage según el tipo de señal.

Algunas ventanas disminuyen esta distorsión de frecuencia

para un tipo de señales, pero lo empeoran para otras.

28

14
 20-06-2022

Fast Fourier Transformation

29

Resolución en Resolución Disminución

Ventana Aplicaciones comunes
frecuencia en amplitud efecto Leakage
Barlett Razonable Razonable Moderada
Mediciones de
Blackman Razonable Buena Excelente
Distorciones
Mediciones de alta
exactitud en amplitud /
Flat top Deficiente Excelente Moderada
Pruebas con señales
sinusoidales
Hamming Razonable Razonable Razonable
Análisis de frecuencia
de señales no
Hanning Razonable Excelente Excelente
periódicas contínuas
en el tiempo
Análisis de frecuencia
de señales periódicas
Kaiser Razonable Razonable Deficiente
aunque la venana no
coincida el periódo
Parzen Razonable Razonable Deficiente
Análisis de frecuencia
de señales periódicas
Uniform Excelente Deficiente Deficiente siempre que la venana
coincida con uno o
más periódos
30

15
 20-06-2022

Fast Fourier Transformation

Ventanas

Entonces, para la correcta elección de una ventana, se debe

tener encuentra lo siguiente:

a) Tipo de señal a evaluar (periodicidad)

b) Variaciones bruscas de amplitud en el

tiempo (existencia de discontinuidades)

c) Resolución de espectro esperada.

31

Fast Fourier Transformation

Existen básicamente, 4 parámetros variables en los analizadores

FFT:

a) FFT Size
b) Número de líneas Espectrales
c) Resolución Espectral (Separación de frecuencia)
d) Averaging

32

16
 20-06-2022

Fast Fourier Transformation

FFT Size

FFT size, se refiere a la cantidad de puntos de la

ventana.

Entonces, afecta directamente al tamaño temporal o

período de la ventana.

Se puede ajustar para que la ventana coincida con el

período de una señal periódica o para minimizar las
discontinuidades que se producen al hacer periódica la
señal.

33

Fast Fourier Transformation

Número de Líneas Espectrales

El número de líneas espectrales que se utilizarán para

obtener el espectro es igual a la mitad de la cantidad
de puntos de la FFT (FFT Size).

Por ejemplo, una FFT de 1024 puntos (FFT size)

produce 512 líneas espectrales.

Entonces, el espectro de la señal estará representado

por 512 líneas espectrales.

34

17
 20-06-2022

Fast Fourier Transformation

Resolución de Frecuencia

La resolución de frecuencia es la separación entre las

líneas espectrales.

Está dada por la relación entre la frecuencia de

muestreo (sampling rate) y el FFT size.

𝑆𝑎𝑚𝑝𝑙𝑖𝑛𝑔 𝑅𝑎𝑡𝑒
= 𝑅𝑒𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎
𝐹𝐹𝑇 𝑆𝑖𝑧𝑒

35

Fast Fourier Transformation

Resolución de Frecuencia

Amplitud

43.1 Hz

F0 F1 F2 F3 ………………………………… F512

Frecuencia
Sampling Rate = 44.1 KHz y FFT size = 1024 pts. => Resolución espectral = 43.1 Hz

36

18
 20-06-2022

Fast Fourier Transformation

Resolución de Frecuencia

Entonces, a mayor FFT size, obtendremos mejor

resolución de frecuencia.

Si la presentación de resultados en el dominio de la

frecuencia es logarítmica, existe mayor distancia entre
frecuencias bajas que entre frecuencias altas.

Entonces la resolución de frecuencia de FFT será

siempre mejor en frecuencias altas que en bajas.

37

Fast Fourier Transformation

Averaging (Promedio)

Al analizar el espectro de frecuencia en tiempo real de

una señal entrante, obtenemos tantos espectros como
variaciones tenga la señal en el tiempo.

Entonces los analizadores FFT promedian estos

espectros en el tiempo.

Un valor de averaging pequeño implica un promedio

de espectros en un pequeño espacio temporal.

38

19
 20-06-2022

Fast Fourier Transformation

Resumen
⚫Elalgoritmo FFT entrega una aproximación del espectro de
una señal, sea esta periódica o no.
⚫Los resultados son entregados en tiempo real.
⚫Según el tipo de señal, se debe elegir la ventana correcta
para disminuir las distorsiones de frecuencia.
⚫La resolución de FFT es mejor en altas frecuencias que en
bajas frecuencias. Entonces, el resultado es mas confiables
en altas frecuencias.
⚫Mientras mayor la cantidad de puntos de la ventana o FFT
size, más preciso será el espectro entregado.

39

20