DFT-TDS 08 09

Tratamiento Digital de Señales 25/11/2008
Departamento de Teoría de la Señal y

Communicaciones
Tratamiento Digital de Señales
Transformada Discreta de Fourier

(DFT)
Prof.: Manuel Blanco Velasco
Sumario
Definición e interpretación
La DFT como transformación lineal
Propiedades de la DFT
Filtrado lineal mediante la DFT
Filtrado
Filt d ded secuencias
i ded larga
l
duración
TDS 2
Manuel Blanco-Velasco, Ph.D 1

DTFT (Discrete Time Fourier

Transform)
La Transformada de Fourier (DTFT) es una
función de variable continua:
x [ n] ←⎯⎯
DTFT
→ X ( e jΩ )
∞
( ) ∑ x [ n] e
X e jΩ = − j Ωn
n =−∞
Imposible su uso mediante herramientas

informáticas
Es preciso desarrollar una herramienta
numérica: la DFT
TDS 3
Muestreo de la respuesta en
frecuencia
Se muestrea el espectro de la señal x[n]:
X [ k ] = X ( e jΩ ) 2π , k = 0,1,..., M − 1
Ω= k
M
X[k] recibe el nombre de Transformada

Discreta de Fourier (DFT)
x [ n ] ←⎯⎯
DFT
→ X [k ]
Es necesario definir el valor de M
TDS 4

Relación con el DSF (I)

N −1
X ( e jΩ ) = ∑ x [ n ] e − jΩ⋅n
n=0
x [ n ] = x [ n ] , ∀n ∈ [ 0, N − 1]
2π
⎧ 1 N −1 k ⋅n
[ ] ∑
j
⎪
x n =
a k ⋅ e N
⎪ N k =0
⎨ N −1 2π
⎪ a = x n ⋅ e − j N k ⋅n
⎪⎩ k ∑ [ ]
n=0
TDS 5
Relación con el DSF (II)

Los coeficientes del DSF de la extensión periódica
coinciden con las muestras del espectro de x[n]:
ak = X ( e jΩ ) 2π , k = 0,1,..., N − 1
Ω= k ⋅n
N
TDS 6

Formulación
El muestreo X(ejΩ) da como resultado la extensión
periódica de x[n] que en términos de señal finita
X [k ] = ⎨
(
⎪⎧ X e )
j ( 2π k M )
, 0 ≤ k ≤ M −1
⎪⎩0 resto
⎧ ∞
⎪ ∑ x [ n − rM ], 0 ≤ n ≤ M − 1
x p [ n ] = ⎨ r =−∞
⎪0
⎩ resto
Se desea x p [ n] = x [ n] , 0 ≤ n ≤ N − 1
Hay que evitar el solapamiento temporal
TDS 7
Solapamiento temporal
⎧ ∞
⎪ ∑ x [ n − rM ], 0 ≤ n ≤ M − 1
x p [ n ] = ⎨r =−∞
⎪0
⎩ resto
Para evitarlo,, se debe

cumplir: M ≥ N
TDS 8

Definición e interpretación (I)

La formulación para la DFT:
2π
⎧ N −1 −j k ⋅n
⎪ [ ] ∑ [ ]
= ⋅ , k = 0,1,..., N − 1
N
X k x n e
⎪ n =0
⎨ N −1 2π
⎪x n = 1 k ⋅n
[ ] ∑ X [ k ] ⋅ e N , n = 0,1,..., N − 1
j
⎪⎩ N k =0
En la práctica esto se implementa mediante

un algoritmo FFT
TDS 9
Definición e interpretación (II)

x[ n ]
r=0 M >N
0 N -1 n
r=1 x[n-M]
M n
x[n+M]
r = -1 Equivale a añadir ceros
-M n
xp[n]
n
0 M-1 TDS 10

Sumario
Filtrado
i ded larga
l
duración
TDS 11
Interpretación matricial de la DFT

Se considera la base para las exponenciales
complejas −j
2π
WN = e N
Las fórmulas se pueden expresar
N −1
X [ k ] = ∑ x [ n ] ⋅ WNkn , k = 0,1,..., N − 1
n =0
N −1
1
x [ n] = ∑ X [ k ] ⋅W
− kn
N , n = 0,1,...,
0 1 N −1
N k =0
Se definen los vectores xN y XN de N puntos y la

matriz cuadrada WN de orden N.
TDS 12

Definición de vectores y matrices

⎡ x [0] ⎤ ⎡ X [ 0] ⎤
⎢ ⎥ ⎢ ⎥
⎢ x [1] ⎥ ⎢ X [1] ⎥
x N = ⎢ x [ 2] ⎥ X N = ⎢ X [ 2] ⎥
⎢ ⎥ ⎢ ⎥
⎢ # ⎥ ⎢ # ⎥
⎢ x [ N − 1]⎥ ⎢ X [ N − 1]⎥
⎣ ⎦ ⎣ ⎦
⎡1 1 1 1 " 1 ⎤
⎢1 W WN 2
WN3 " W N −1 ⎥
⎢ N N ⎥
⎢1 WN2 WN4 WN6 " W 2( N −1)
⎥
WN = ⎢ N
3( N −1) ⎥
⎢1 WN
3
WN6 WN9 " W N ⎥
⎢# # # # % # ⎥
⎢ N −1 ( N −1)2 ( N −1)3 ⎥
⎢⎣1 WN WN WN " WN( N −1)( N −1) ⎥⎦
TDS 13
Interpretación matricial de la DFT

N −1
La fórmula de la DFT: X [ k ] = ∑ x [ n] ⋅WNkn , k = 0,1,...,
0 1 N −1
n =0
Se puede rescribir:
⎡ X [ 0] ⎤ ⎡1 1 1 " 1 ⎤ ⎡ x [ 0] ⎤
⎢ ⎥ ⎢ ⎥⎢ x 1 ⎥
⎢ X [1] ⎥ ⎢1 WN ⎥⎢ [ ] ⎥
N −1
WN2 " W N
⎢ X [ 2] ⎥ = ⎢1 WN2 WN4 " W 2( N −1)
⎥ ⎢ x [ 2] ⎥
⎢ ⎥ ⎢ ⎥⎢ ⎥
N
⎢ # ⎥ ⎢# # # % # ⎥⎢ # ⎥
⎢ X [ N − 1]⎥ ⎢1 W N −1 W ( N −1)2
⎦ ⎣ x [ N − 1]⎦
( N −1)( N −1) ⎥ ⎢ ⎥
⎣ ⎦ ⎣ N N " WN
TDS 14

DFT como transformación lineal

De forma compacta: X N = WN x N
Siendo WN matriz de transformación lineal que es
simétrica.
−1
La fórmula de inversión (IDFT): x N = WN X N
Ahora bien, la IDFT se puede obtener mediante una
forma alternativa si volvemos a la expresión original.
TDS 15

N −1
1
La IDFT: x [ n] = ∑ X [ k ] ⋅W − kn
N , n = 0,1,..., N − 1
N k =0
Rescrita en forma matricial:

⎡1 1 1 " 1 ⎤
⎡ x [ 0] ⎤ ⎢ ⎥ ⎡ X [ 0] ⎤
⎢ ⎥ ⎢1 (W )
*
(W ) * 2
" (W ) ⎥ ⎢ X [1] ⎥
* N −1
⎢ x [1] ⎥ 1 ⎢
N N N
⎥⎢ ⎥
(W ) (W ) (WN* )
2( N −1)
⎢ x [ 2] ⎥ = ⎢1 * 2 * 4
" ⎥ ⎢ X [ 2] ⎥
⎢ ⎥ N⎢ N N
⎥⎢ ⎥
⎢ # ⎥ ⎢# # # % # ⎥⎢ # ⎥
⎢ x [ N − 1]⎥ ⎢ ( N −1)( N −1) ⎣ X [ N − 1]⎦
⎥ ⎢ ⎥
⎣ ⎦ ⎢1
⎣ (W )
* N −1
N (W ) * 2( N −1)
N " (WN* ) ⎥
⎦
TDS 16


1 *
compacta, la IDFT: x N =
De forma compacta WN X N
N
Por lo que se deduce que:
1
WN−1 = WN*
N
Esto implica: WN WN* = NI N

Donde IN es la matriz identidad de orden N. Se
concluye que la matriz de transformación es
ortogonal.
TDS 17
Sumario
Filtrado
i ded larga
l
duración
TDS 18

Propiedad de desplazamiento
DTFT:
x [ n ] ←⎯⎯
DTFT
→ X ( e jΩ )
x [ n − n0 ] ←⎯⎯
DTFT
→ X ( e jΩ ) e− jΩ n0
TDS 19
Desplazamiento circular (I)

DSF: x [ n ] ←⎯⎯
DSF
→ ak
2π
−j
x [ n − n0 ] ←⎯⎯
k n0
DSF
→ ak e N
TDS 20

Desplazamiento circular (II)

DFT: x [ n] ← DFT →
←⎯⎯ X [k ]
2π
x ⎡⎣( ( n − n0 ) ) N ⎤⎦ ←⎯⎯
−j
X [k ] e
k n0
DFT
→ N
x[n] x[((n-n0))N]
0 N-1 0 n0 N-1
TDS 21
Reflexión temporal (I)

DTFT: x [ −n ] ←
←⎯⎯
DTFT
→ X ( e − jΩ )
DSF: x [ −n ] ←⎯⎯
DSF
→ a− k
TDS 22

Reflexión temporal (II)

DFT: x [ n] ← DFT →
←⎯⎯ X [k ]
x ⎡⎣( ( −n ) ) N ⎤⎦ ←⎯⎯
DFT
→ X ⎡⎣( ( −k ) ) N ⎤⎦
TDS 23
Simetría temporal
Una señal es simétrica si lo es su extensión
periódica: simetría temporal (par o impar)
TDS 24

Simetría temporal par

Una señal es par si: x [ n ] = x ⎡⎣( ( −n ) ) N ⎤⎦
TDS 25
Simetría temporal impar

Una señal es impar si: x [ n ] = − x ⎡⎣( ( −n ) ) N ⎤⎦
TDS 26

Convolución circular (I)

La convolución de señales periódicas es otra
señal periódica de idéntico período
N −1
z [ n ] = x [ n ] D y [ n ] = ∑ x [ m ] y [ n − m]
m =0
donde: x [ n ] = x [ n + N ]
y [ n ] = y [ n + N ]
z [ n ] = z [ n + N ]
TDS 27
Convolución circular (II)
TDS 28

Convolución circular (III)

Conocidos los coeficientes del DSF
x [ n ] , y [ n ] , z [ n ] ←⎯⎯
DSF
→ ak , bk , ck
z [ n ] = x [ n ] D y [ n ] ←⎯⎯
DSF
→ ck = ak ⋅ bk
TDS 29
Convolución circular (IV)

Aplicado a señales finitas x [ n ] ←⎯⎯
← DFT → X [ k ]
y [ n ] ←⎯⎯
DFT
→Y [k ]
x [ n ] D y [ n ] ←⎯⎯
DFT
→ X [k ] ⋅Y [k ]
Ahora la c.c. se realiza mediante reflexiones y
rotaciones temporales
N −1
x [ n ] D y [ n ] = ∑ x [ m ] y ⎡⎣( ( n − m ) ) N ⎤⎦
m=0
TDS 30

Convolución circular (V)
TDS 31
Sumario
Filtrado
i ded larga
l
duración
TDS 32

Salida de un filtro
La aplicación de la DFT al filtrado lineal requiere
algunas consideraciones
La salida de un sistema LTI se obtiene mediante

convolución lineal ∞
y [ n] = h [ n] ∗ x [ n] = ∑ x [ m] h [ n − m]
m =−∞
Y ( e jΩ ) = H ( e j Ω ) ⋅ X ( e jΩ )
TDS 33
Aplicación de la DFT
En términos de la DFT
(
Y e
j ( 2π k N )
) = H (e (
j 2π k N )
) ⋅ X (e (
j 2π k N )
)
Y [k ] = H [k ] ⋅ X [k ]
Donde la secuencia en el dominio del tiempo
⎧ ∞
⎪ ∑ y [ n − rN ], 0 ≤ n ≤ N − 1
y p [ n ] = ⎨ r =−∞∞
⎪0,
⎩ resto
El producto de DFTs equivale a la convolución circular y hay

que evitar el solapamiento temporal
TDS 34

Longitud de la convolución
circular
⎧ ∞
⎪ ∑ y [ n − rN
N ], 0 ≤ n ≤ N − 1
CONVOLUCIÓN LINEAL y p [ n ] = ⎨ r =−∞
⎪0,
⎩ resto
longitud{x[n]}=L
longitud{h[n]}=M
longitud{y[n]}=L+M-1
TDS 35
Procedimiento
Se alargan x[n] y h[n] hasta una longitud de N
muestras tal que: N = L + M − 1
Se calculan las DFTs de N puntos de ambas señales
siguiendo el procedimiento siguiente:
TDS 36

Filtrado mediante la DFT (I)

El producto de DFTs equivale a la convolución
circular de las secuencias en el dominio del tiempo
El producto de DFTs puede equivaler a la convolución
lineal si se alargan las secuencias añadiendo ceros
hasta longitud N+L-1
Ejemplo:
L<M
TDS 37
Filtrado mediante la DFT (II)

CONV. LINEAL CONV. CIRCULAR
TDS 38

Sumario
Filtrado
i ded larga
l
duración
TDS 39
Método overlap-add (I)

∞
Se segmenta la señal de entrada: x [ n ] = ∑ xr [ n − rL ]

r =0
L L L
x[n] x0[n] x1[n-L] x2[n-2L]
⎪⎧ x [ n + rL ] , 0 ≤ n ≤ L − 1
Donde: xr [ n ] = ⎨
⎪⎩0, h[n] resto M-1
x0[n] y0[n]
x1[n] y1[n]
x2[n] y2[n]
0 L-1 0 L+M-2
TDS 40

Método overlap-add (II)

La salida del LTI:
∞ ∞
y [ n ] = x [ n ] ∗ h [ n ] = ∑ xr [ n − rL ] ∗ h [ n ] = ∑ yr [ n − rL ]
r =0 r =0
donde yr [ n ] = xr [ n ] ∗ h [ n ]
Como longitud{h[n]}=M, entonces longitud{yr[n]}=L+M-1

Por tanto, en la fórmula del sumatorio se produce
solapamiento de muestras.
TDS 41
Descripción del algoritmo (ov.add.)

L L L
x[n] x0[n] x1[n-L] x2[n-2L]
y0[n]
y1[n-L]
M-1
y2[n-2L]
L+M-1
y[n]
L+M-1 L L
Este método se puede aplicar utilizando DFTs de longitud N=L+M-1 puntos
TDS 42

Método overlap-save (I)

Método concebido para aplicarse con la convolución circular.
Se consideran bloques de señal de entrada de longitud L
muestras, donde L>>M.
En esta situación, se realizan convoluciones circulares de
longitud L muestras.
El resultado, para un bloque de entrada xi[n] de L muestras es
un bloque
q de salida yi[[n]] de L muestras.
El método consiste en quedarse con las muestras de la
convolución circular que coinciden con muestras de la
convolución lineal. El resto de muestras se rechazán.
TDS 43
Método overlap-save (II)
Nos basamos en la siguiente premisa
En la convolución circular de L puntos de una señal de

longitud L con otra de longitud M, donde L>>M, se
produce el solapamiento de las M-1 primeras muestras que
no son correspondientes con la convolución lineal
Esta premisa resulta al comparar el resultado de la convolución

circular con el resultado de la convolución lineal
TDS 44

Método overlap-save (III)

⎧ ∞
ycl[n] ⎪ ∑ y [ n − rL ], 0 ≤ n ≤ L − 1
ycc [ n ] = ⎨ r =−∞ cl
⎪0
⎩ resto
n
0 L-1 L+M-2
ycl[n+L]
n
0 M-2
M2
ycl[n-L]
n
0 L-1
TDS 45
Descripción del algoritmo (ov.save)

L-M+1 L-M+1 L-M+1
x[n]
x0[n]
M-1 ceros
x1[n]
M-1
x2[n]
L
y0[n]
y1[n]
y2[n]
M-1
L
TDS 46

DFT-TDS 08 09

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

DFT-TDS 08 09

Cargado por

Copyright:

Formatos disponibles

Tratamiento Digital de Señales 25/11/2008

Departamento de Teoría de la Señal y

Tratamiento Digital de Señales

Transformada Discreta de Fourier

Prof.: Manuel Blanco Velasco

Manuel Blanco-Velasco, Ph.D 1

DTFT (Discrete Time Fourier

 Imposible su uso mediante herramientas

 X[k] recibe el nombre de Transformada

Manuel Blanco-Velasco, Ph.D 2

Relación con el DSF (I)

Relación con el DSF (II)

Manuel Blanco-Velasco, Ph.D 3

Para evitarlo,, se debe

Manuel Blanco-Velasco, Ph.D 4

Definición e interpretación (I)

 En la práctica esto se implementa mediante

Definición e interpretación (II)

Manuel Blanco-Velasco, Ph.D 5

Interpretación matricial de la DFT

 Se definen los vectores xN y XN de N puntos y la

Manuel Blanco-Velasco, Ph.D 6

Definición de vectores y matrices

Interpretación matricial de la DFT

Manuel Blanco-Velasco, Ph.D 7

DFT como transformación lineal

DFT como transformación lineal

 Rescrita en forma matricial:

Manuel Blanco-Velasco, Ph.D 8

DFT como transformación lineal

 Esto implica: WN WN* = NI N

Manuel Blanco-Velasco, Ph.D 9

Desplazamiento circular (I)

Manuel Blanco-Velasco, Ph.D 10

Desplazamiento circular (II)

Reflexión temporal (I)

Manuel Blanco-Velasco, Ph.D 11

Reflexión temporal (II)

Manuel Blanco-Velasco, Ph.D 12

Simetría temporal par

Simetría temporal impar

Manuel Blanco-Velasco, Ph.D 13

Convolución circular (I)

Convolución circular (II)

Manuel Blanco-Velasco, Ph.D 14

Convolución circular (III)

Convolución circular (IV)

Manuel Blanco-Velasco, Ph.D 15

Convolución circular (V)

Manuel Blanco-Velasco, Ph.D 16

 La salida de un sistema LTI se obtiene mediante

 El producto de DFTs equivale a la convolución circular y hay

Manuel Blanco-Velasco, Ph.D 17

Manuel Blanco-Velasco, Ph.D 18

Filtrado mediante la DFT (I)

Filtrado mediante la DFT (II)

Manuel Blanco-Velasco, Ph.D 19

Método overlap-add (I)

 Se segmenta la señal de entrada: x [ n ] = ∑ xr [ n − rL ]

x[n] x0[n] x1[n-L] x2[n-2L]

Manuel Blanco-Velasco, Ph.D 20

Método overlap-add (II)

 Como longitud{h[n]}=M, entonces longitud{yr[n]}=L+M-1

Imposible su uso mediante herramientas

X[k] recibe el nombre de Transformada

En la práctica esto se implementa mediante

Se definen los vectores xN y XN de N puntos y la

Rescrita en forma matricial:

Esto implica: WN WN* = NI N

La salida de un sistema LTI se obtiene mediante

El producto de DFTs equivale a la convolución circular y hay

Se segmenta la señal de entrada: x [ n ] = ∑ xr [ n − rL ]

Como longitud{h[n]}=M, entonces longitud{yr[n]}=L+M-1

En la convolución circular de L puntos de una señal de