Análisis de Señales y Sistemas:

Transformada Discreta de
Fourier DFT
Señales y Sistemas
Universidad de Ingeniería y Tecnología

1
• Presentación basada en el material profesor Renán Rojas.
Establecer los conceptos de la Transformada Discreta de Fourier (DFT).
Aplicar la DFT.
Antecedentes
Series de Fourier en TD
Para x(n) de periodo N.
Ecuación de sintesís:
N −1
x(n) =  ck e j 2 k n N N: periodo.
k =0

Ecuaión de análisis:
1 N −1
ck =  x(n)e − j 2 k n N k = 0.,, N − 1
N n=0
Comentarios:
Espectro discreto y periódico con periodo N.
ck puede ver se como muestras escaladas de X(e jw )
Antecedentes

Transformada de Fourier en TD
Para x(n) aperiódico:
Ecuación de sintesís:

x ( n) =
1

2 2 
X ( e jw
)e − jwn
dw w
Antecedentes
Ecuación de análisis:

X (e jwn
) =  x ( n )e − jwn

n =−

Comentarios:
Espectro continuo y periódico con periodo 2. Ente las frecuencias (-,) o (0,2)
Muestreo en el dominio de la frecuencia y reconstrucción de señales discretas en el tiempo

Fig. 1

¿Como podríamos solucionar este problema?

Muestreo en el dominio de la frecuencia y reconstrucción de señales discretas en el tiempo

Tomar muestras de la transformada de Fourier en tiempo discreto

¿Cuantos puntos tomaremos?

Fig. 2.a
¿Que ocurrirá en el tiempo discreto x  n  ?

Fig. 2.b
Muestreo en el dominio de la frecuencia y reconstrucción de señales discretas en el tiempo

Muestreo en el dominio de la frecuencia y reconstrucción de señales dis cret as en el t ie mp o:

Las señales aperiodicas de energía finita tiene espectros conitnuos. Consideremos una señal
aperiodica discreta en el tiempo x(n) cuya transformada de Fourier es:

X (e jw
) =  x  n e − jwn
(1)
n =−

Suponga que muestreamos X ( e jw ) periodicamente en frecuencias especiadas w radianes entre

muestras sucesivas. Como X ( e jw ) es periodica de periodo 2, solo es necesario muestras en
ese rango. Por comodidad, tomamos N muestras equidistantes en el intervalo de 0  w  2 con
un especiado w= 2 N como se muestra en la siguiente figura:
Fig. 3
Muestreo en el dominio de la frecuencia y reconstrucción de señales discretas en el tiempo

Si evaluamos evaluamos (1) en w = 2k N , obtenemos:

 2  
X  k  =  x  n e (
− j 2 kn N )
k =0,1,...,N − 1 (2)
 N  n =−

Como vemos (2) representa el espectro discretizado.

Fig. 3
Muestreo en el dominio de la frecuencia y reconstrucción de señales discretas en el tiempo

 2 
¿Qué relación existe entre el numero de elemenos de x  n  y el numero de muestras N tomado en X  k  ?
N 
Del sumatorio (2):
 2  
X  k  =  x  n e (
− j 2 kn N )
k =0,1,...,N − 1 (2)
 N  n =−
puede dividirse en un numero infinito de sumas, donde cada suma consta de N terminos. Asi tenemos:
 2  −1 N −1 2 N −1
X  k  = .... +  x  n  e − j 2 kn N
+  x n e − j 2 kn N
+  x  n  e − j 2 kn N +.......
N  n =− N n=0 n= N

 2  
 lN + N −1 − j 2 kn N 
X  k  =    x  n e  (2a)
 N  l =−  n = lN 
Para la sumatoria interna podemos modificar su limite inferior a n y su limite superior a N − 1 sin
alterar su representación. Expandimos (2a):
Muestreo en el dominio de la frecuencia y reconstrucción de señales discretas en el tiempo

 2  
 lN + N −1 
X  k  =    x  n  e − j 2 kn N  (2a)
 N  l =−  n = lN 
Para la sumatoria interna podemos modificar su limite inferior a n y su limite superior a N − 1 sin
alterar su representación. Expandimos (2a):
  − j 2 k  0 + lN  − j 2 k 1+ lN  − j 2 k  2 + lN  − j 2 k  N −1+ lN  
 2   
X  k  =    x  0 + lN  e N
+ x 1 + lN  e N + x  2 + lN  e N
+ ... + x  N − 1 + lN  e N

 N  l =−   
  − j 2 k  0 − j 2 k lN  − j 2 k 1 − j 2 k lN  − j 2 k  2 − j 2 k lN  − j 2 k  N −1 − j 2 k lN  
 2   
X  k  =    x lN  e N e N + x 1 + lN  e N e N + x  2 + lN  e N e N + ... + x  N − 1 + lN  e N e N 
 N  l =−   1 1 1 1 
  − j 2 k  0 − j 2 k 1 − j 2 k  2 − j 2 k  N −1 
 2   
X  k  =    x  0 + lN  e N + x 1 + lN  e N + x  2 + lN  e N + ... + x  N − 1 + lN  e N 
 N  l =−   se hace el arreglo para que sea 1 
Podemos escribirlo como:
 2  
 N −1 
X  k  =    x  n + lN  e − j 2 kn N  k =0,1,...,N − 1
 N  l = −  n = 0 
Muestreo en el dominio de la frecuencia y reconstrucción de señales discretas en el tiempo

Podemos escribirlo como:

 2  
 N −1 − j 2 kn N 
X  k  =    x  n + lN  e  k =0,1,...,N − 1
 N  l =−  n = 0 
Además intercambiamos el orden de los sumatorios, obteniendo:
 2  N −1    − j 2 kn N
X  k  =    x  n + lN e k =0,1,...,N − 1
 N  n = 0  l = − 
La sumatoria de l podemos escribirla asi:
 2  N −1    − j 2 kn N
X  k  =    x  n − lN e k =0,1,...,N − 1 (3)
 N  n = 0  l = − 
Muestreo en el dominio de la frecuencia y reconstrucción de señales discretas en el tiempo

De (3) podemos definir:


x p  n =  x  n − lN  (4)
l = −

obtenida por repetición periódica de x  n  cada N muestras.

Reemplazando (4) en (3) tenemos:
 2  N −1
X  k  =   x p  n e − j 2 kn N k =0,1,...,N − 1 (4a)
 N  n=0

Analizamos el comportamiento de x p  n  =  x  n − lN  (4)
l =−

Como vemos x p  n  es la extensión periódica de x  n  y es evidente que x  n  puede recupearse

de x p  n :
Si no existe alisaing en el dominio del tiempo. Dicho de otro modo, si x  n  está limitada en el
tiempo por un periodo menor que N de x p  n  .
Muestreo en el dominio de la frecuencia y reconstrucción de señales discretas en el tiempo

Esta situación se ilustra en la siguiente figura, consideremos una secuencia de duración finita x(n),
que es distinta de cero en el intervalo 0  n  L − 1: Fig. 4

Solo cuando N  L, x  n  =x p  n  0  n  N-1. La secuencia x  n  se puede recuperar a partir de

x p  n  sin ambiguedades.
La DFT de N puntos de una secuencia de duración finita x(n) de longitud L  N, es equivalente a
la DFT de N puntos de una secuencia periodica x p  n  de periodo N.
Muestreo en el dominio de la frecuencia y reconstrucción de señales discretas en el tiempo

Analizemos las relación entre N y L.

Si L =N para un valor numerico de L =N =10.
x  n  =  x  0 , x 1 , x  2 , ......x 9

X  k  =  X  0 , X 1 , X  2 ,......, X 9

Si N  L para un valor numerico de L=10 y N=14


x  n  = x  0 , x 1 , x  2 ,......x 9 , 0, 0, 0, 0
10 11 12 13

X  k  =  X  0 , X 1 , X  2 ,......, X 9  , X 10  , X 11 , X 12  , X 13
Conclusión: Debemos rellenar la secuencia x  n  con N − L ceros, es decir 4 ceros.
Muestreo en el dominio de la frecuencia y reconstrucción de señales discretas en el tiempo

 2 
¿Como recuperar la secuencia x p  n  desde la expresion (4a) es decir X  k  ?
N 
La señal x p  n  tiene un periodo fundamental N, entonces puede expandirse en series de Fourier:
N −1
x p  n  =  ck e j 2 kn N n=0,1,...,N − 1 (5)
k =0

Con coeficientes de series de Fourier:

N −1
1
ck =  p
x  n e − j 2 kn N
k =0,1,...,N − 1 (6)
N n=0

Recordemos la ecuación (4a):

 2  N −1
X  k  =   x p  n e − j 2 kn N k =0,1,...,N − 1 (4a)
 N  n=0
Si comparamos (4a) y (6) obtenemos que:
1  2 
ck = X  k  k =0,1,...,N − 1 (7)
N N 
Muestreo en el dominio de la frecuencia y reconstrucción de señales discretas en el tiempo

De (5):
N −1
x p  n  =  ck e j 2 kn N n=0,1,...,N − 1 (5)
k =0

y (7):
1  2 
ck = X  k  k =0,1,...,N − 1 (7)
N N 
Si reemplazamos (7) en (5) obtenemos:
N −1
 1  2  
x p  n  =   X  k   e j 2 kn N n=0,1,...,N − 1
k =0  N  N 
1   2   j 2 kn N
N −1
x p  n =
  X  N k  e n=0,1,...,N − 1 (8)
k =0 
N  
La relación (8) proporciona la reconstrucción de la señal periodica x p  n  a partir de las muestras del
espectro X ( e jw ) . Sin embargo no implica que podamos recuperar X ( e jw ) o x  n  desde la muestras.
Debemos establecer una relación entre x p  n  y x  n  .
Muestreo en el dominio de la frecuencia y reconstrucción de señales discretas en el tiempo

Por tanto, concluímos que el espectro de un señal discreta aperiodica en el tiempo con duración
finita L puede recuperarse de forma exacta a partir de sus muestras en las frecuencias
wk = 2k N , si N  L.
El procedimiento consiste en calcular x p  n  , n = 0,1,...N − 1 de acuerdo con (8).
Además se define:
 x p  n 0  n  N − 1
x  n =  (9)
 0 otro caso
Dado que x  n  = x p  n  para 0  n  N − 1, a podemos reescribir (8) en:
1 N −1
  2   j 2 kn N
x  n =   X  N k  e 0  n  N −1 (10)
N k =0   
Transformada Discreta de Fourier (DFT):

En resumen, una secuencia de duración finita x  n  de longitud L es decir, x  n  = 0 para n<0 y n  L,

tiene una transformada de Fourier:
L −1
X (e jw
) =  x  ne − jwn
0  w  2 (11)
n=0

Si muestreamos X ( e jw ) en frecuencias igualmente espaciadas wk = 2k N , k = 0,1,...N − 1 donde N  L,

las muestras resultantes son:
 2k  L −1
X (k )  X   =  x  n e − j 2 kn N

 N  n=0
N −1
X ( k ) =  x  n e − j 2 kn N , k = 0,1, ...N − 1 (12)
n=0

Donde por conveniencia, el indice superior se ha incrementado de L − 1 a N − 1, ya que x(n) =0 para n  L.

 N elementos

x ( n ) =  x ( 0 ) , x (1) ,....., x ( L − 1) , 0,...., 0 
 L elementos Todos son ceros 
Transformada Discreta de Fourier (DFT):

A su vez, la relación mostrada en (10) nos permite recuperar las secuencia x(n) a partir de las
muestras de frecuencia, se denomina DFT inversa (IDFT).
1 N −1
  2   j 2 kn N
x  n =   X  N k  e 0  n  N −1 (10)
N k =0   
Cuando x  n  tiene una longitud L  N , la IDFT de N puntos da x  n  = 0 para L  n  N − 1.
 N elementos

x ( n ) =  x ( 0 ) , x (1) ,....., x ( L − 1) , 0, ...., 0 
 L elementos Todos son ceros 
Transformada Discreta de Fourier (DFT):

Transformada Discreta de Fourier (DFT):

Resumiendo las fórmulas para la DFT e IDFT son:
N −1
DFT: X  k  =  x  n  e − j 2 kn N , k = 0,1, 2,..., N − 1
n=0
N −1
1
IDFT: x  n  =  X  k  e j 2 kn N
, n = 0,1, 2,..., N − 1
N k =0
  
Ej 1: Para la seuencias x  n  = 1, 2,3, 4 .Determinar:


a.Transformada discreta de Fourier de x  n  con N=5.

b.La secuencia x p  n 
Sol:
a. La suencia tiene un tamaño de L=4 y N=5, por lo tanto se cumple la condición de N  L
Determinamos la DFT de la secuencia x[n]:
N −1
DFT: X  k  =  x  n  e − j 2 kn N , k = 0,1, 2,..., N − 1
n=0
a. Para N=5; Recordar x  n  = 1, 2,3, 4   1 2 3

4
X  k  =  x  n  e − j 2 kn 5 , k = 0,1, 2,..., 4
n=0

X  k  = x  0 e − j 2 k 0 5 + x 1 e − j 2 k1 5 + x  2 e − j 2 k 2 5 + x 3 e − j 2 k 3 5 + x  4 e − j 2 k 4 5 , k = 0,1, 2,..., 4

X  k  = (1) e − j 2 k 0 5 + ( 2 ) e − j 2 k1 5 + ( 3) e − j 2 k 2 5 + ( 4 ) e − j 2 k 3 5 + ( 0 ) e − j 2 k 4 5 , k = 0,1, 2,..., 4
X  k  = 1 + ( 2 ) e − j 2 k1 5 + ( 3) e − j 2 k 2 5 + ( 4 ) e − j 2 k 3 5 + 0 , k = 0,1, 2,..., 4
Calculamos los valores numericos de X  k  :
X  0 = 1 + ( 2 ) e + ( 3) e + ( 4) e
− j 2  ( 0 )1 5 − j 2 ( 0) 2 5 − j 2 ( 0 )3 5
+ 0 =10
X 1 = 1 + ( 2 ) e + ( 3) e + ( 4) e
− j 2  (1)1 5 − j 2  (1) 2 5 − j 2  (1) 3 5
+ 0 = -4.0451-j1.3143
X  2 = 1 + ( 2 ) e + ( 3) e + ( 4) e
− j 2  ( 2 )1 5 − j 2 ( 2) 2 5 − j 2 ( 2)3 5
+ 0 = 1.5451 - j 2.1266
X 3 = 1 + ( 2 ) e + ( 3) e + ( 4) e
− j 2  ( 3)1 5 − j 2  ( 3) 2 5 − j 2  ( 3) 3 5
+ 0 = 1.5451 + j 2.1266
X  4 = 1 + ( 2 ) e + ( 3) e + ( 4) e
− j 2  ( 4 )1 5 − j 2 ( 4) 2 5 − j 2 ( 4)3 5
+ 0 = -4.0451 + j1.3143
b. Procedemos a calcular x p  n  con N=5:

x p  n =  x  n − lN 
l =−

x p  n =  x  n − l 5
l =−

 
x p  n  = ...x  n − ( −2 )( 5 )  + x  n − ( −1)( 5 )  + x  n − 0 ( 5 )  + x  n − 1( 5 )  + x  n − 2 ( 5 )  ....

xp  n = ...x  n + ( 2 )( 5 ) + x  n + (1)( 5 ) + x n − 0 ( 5 ) + x n − 1( 5 ) + x n − 2 ( 5 ) ....
  
Obtenemos x p  n  . Recordar x  n  = 1, 2, 3, 4 
 
0 1 2 3

Para n = 0 tenemos

x p  0 = ...x 0 + ( 2 )( 5 )  + x 0 + (1)( 5 )  + x 0 − 0 ( 5 )  + x 0 − 1 ( 5 ) + x 0 − 2 ( 5 ) .... 
x p  0 = ...x 10 + x 5 + x  0 + x  −5 + x  −10 .... = x  0
Para n = 1 tenemos

x p 1 = ...x 1 + ( 2 )( 5 )  + x 1 + (1)( 5 )  + x 1 − 0 ( 5 )  + x 1 − 1( 5 )  + x 1 − 2 ( 5 ) .... 
x p 1 = ...x 11 + x  6 + x 1 + x  −4 + x  −9.... = x 1
Para n = 2 tenemos
 
x p  2 = ...x  2 + ( 2 )( 5 )  + x  2 + (1)( 5 )  + x  2 − 0 ( 5 )  + x  2 − 1 ( 5 )  + x  2 − 2 ( 5 ) ....
x p  2 = ...x 12 + x  7  + x  2 + x  −3 + x  −8.... = x  2 
  
Para n = 3 tenemos. Recordar x  n  = 1, 2,3, 4 
 
0 1 2 3


x p 3 = ...x 3 + ( 2 )( 5 )  + x 3 + (1)( 5 )  + x 3 − 0 ( 5 )  + x 3 − 1 ( 5 )  + x 3 − 2 ( 5 ) .... 
x p 3 = ...x 13 + x 8 + x 3 + x  −2 + x  −7  .... = x 3
Para n = 4 tenemos
 
x p  4 = ...x  4 + ( 2 )( 5 )  + x  4 + (1)( 5 )  + x  4 − 0 ( 5 )  + x  4 − 1( 5 )  + x  4 − 2 ( 5 )  ....
x p  4 = ...x 14 + x 9 + x  4 + x  −1 + x  −6.... = 0
Para n = 5 tenemos

x p 5 = ...x 5 + ( 2 )( 5 )  + x 5 + (1)( 5 )  + x 5 − 0 ( 5 )  + x 5 − 1( 5 )  + x 5 − 2 ( 5 ) .... 
x p 5 = ...x 15 + x 10 + x 5 + x  0 + x  −6.... = x  0
Agrupando los resultados obtenidos:
x p  n  = ..., x  0 , x 1 , x  2 , x 3 , 0, x 0  , x 1 , x  2  , x 3 , 0....
 
 
x p  n  = ...,1, 2,3, 4, 0,1, 2,3, 4, 0....
 x n x n 
Determine la DFTde N puntos de esta secuencia para N  L.
La trasnformada de Fourier de esta secuencia es:
L −1
X (e jw
) =  x  n e − jwn

n=0
L −1
1 − e − jwL  e − jw L 2   e jwL 2 − e − jw L 2  sin ( wL 2 ) − jw( L −1) 2
X ( e ) =  1 e  =− jw n
jw
=  − jw 2   jw 2 − jw 2 = e
 sin ( w 2 )
− jw
n=0 1− e e  e −e
El módulo se ilustra en la siguiente figura para L=10.

Fig. 5.a Fig. 5.b

La DFT de N puntos de x ( n ) es simplemente X ( e jw ) igualadas en un conjunto de N frecuencias
igualmente espaciadas wk = 2k N , k = 0,1,..., N . Así tenemos:
1− e (
− j 2 kL N )
 e − j ( kL N )   e j ( kL N ) − e − j ( kL N )  sin ( kL N )
X (k ) =
− j k ( L −1)
= =
N
 − j k N   j ( k N ) − j ( k N )  e
1− e − j 2 k N
 e  e −e  sin ( k N )
sin ( kL N ) − j k ( L −1) N
X (k ) = e (I )
sin ( k N )
Caso 1: Si se selecciona N = L
Para k = 0, tener en cuenta que en (I) el valor de X ( k ) es indeterminado. Entonces de la definción
de la DFT tenemos:
N −1
X  k  =  x  n  e − j 2 kn N , k = 0,1, 2,..., N − 1
n=0
Como N  L podemos escribir:
L −1
X  k  =  x  n  e − j 2 kn N , k = 0,1, 2,..., N − 1
n=0

Para k = 0 tenemos:
L −1 L −1 L −1
X  k  =  1 e  =  1 e  =  11
− j 2 ( 0 ) N
n n n
− j 2 k N

n=0 n=0
  n=0

Notar que No podemos usar:

n +1 n +1
n
r − 1 1 − r

k =0
r k
=
r −1
=
1− r
donde r  1

Tenemos:
L −1
X  k  =  11 = 10 + 11 + .... + 1L −1 = L
n

n=0 L veces
Caso 1: Si se selecciona N = L
Para k  0 de ( I ) tenemos:
0

sin ( kL N ) sin ( kN N ) sin ( k )  − j k ( N −1)

X (k ) =
− j k ( L −1) N − j k ( N −1) N
= = =0
N
e e e
sin ( k N ) sin ( k N ) sin ( k N )
Entonces
L k =0
X (k ) = 
 0 k = 1, 2,..., L − 1
Luego existe sólo un valor distinto de cero en la DFT. Esto es evidente si observamos X ( e jw ) , ya que
X ( e jw ) = 0 en las frecuencias wk = 2k L para k  0.
Aunque la DFT de L puntos es suficiente para representar de forna univoca la secuencia x ( n ) en el
dominio de la frecuencia, esta no proporcina suficiente detalle para obtener una adecuada representación
de la característica espectral de x ( n ) . Para L=10 tenemos:
wk = 2k L para L=10
10 k =0
Fig. 5.a wk = 0 = 2 ( 0 ) 10 =0 X (k ) = 
 0 k = 1, 2,...,9
wk =1 = 2 (1) 10 =  5
wk = 2 = 2 ( 2 ) 10 = 2 5
wk = 3 = 2 ( 3) 10 = 3 5
wk = 4 = 2 ( 4 ) 10 = 4 5
wk = 5 = 2 ( 5 ) 10 = 5 5 = 
¿Soluciones?
Caso 2: Para solucionar este problema debemos evalular X ( e jw ) en frecuencias con un menor
espaciado entre si, por ejemplo wk = 2k L donde N  L.
Podemos ver estos calculos como una expansión del tamaño de la secuencia de L puntos
a N puntos, es decir añadiendo N − L ceros a la secuencia.
Asi, la DFT de N puntos proporciona una interpolación mas ajustada que la DFT de L puntos.
La siguiente figura muestra una grafica de la DFT para N=50 y N=100 para un secuencia con L=10.
Fig. 6.a Fig. 6.b

LA DFT "discretiza" el espectro de X ( e jw ) en N muestras. En un periodo de 0 a 2.

Propiedades de la DFT

Como hemos visto, la DFT de N puntos de una secuencia de duración finita x(n) de longitud L  N, es
equivalente a la DFT de N puntos de una secuencia periodica x p  n  de periodo N. La cual es se obtiene
expandiendo periodicamente x(n) , es decir:

x p  n =  x ( n − lN )
l =−

Suponga que ahora desplazamos k unidades hacia la derecha la secuencia periodica x p  n  .Asi obtenemos

otra secuencia periódica: x  n = x p n − k  =
'
p  x ( n − k − lN )
l =−

La secuencia de duración finita:

 x 'p  n  0  n  N − 1
x  n = 
'

 0 otro caso
Esta relacionada con la secuencia original x(n) por un desplazamiento circular. Esta relación se ilustra en la
siguiente figura con N=4.
Propiedades de la DFT
N=4

Fig. 7
Propiedades de la DFT
En general, el DESPLAZAMIENTO CIRCULAR de la secuencia
se puede representar como el indice de módulo N . N=4
Así podemos escribir:
x ' ( n ) = x ( n − k , modulo N )
x' ( n )  x ( ( n − k ))N
Por ejemplo, si k = 2 y N = 4, tenemos:
x ' ( n )  x ( ( n − 2 ) )4

secuencia de duración finita

Fig. 7
Propiedades de la DFT

Resumen:
La secuencia periodica x p  n  de periodo N se obtiene expandiendo periodicamente x ( n ) así tenemos la
secuencia periódica

x p  n =  x  n − lN  (mayor detalle ver Ej.1)
l =−
Acotada para que sea una secuencia de duración finita
DESPLAZAMIENTO CIRCULAR  ' 

 x p  n  = x p  n − k  =  x ( n − k − lN ) 0  n  N − 1
x' ( n )  x ( ( n − k ))N = l =−

 0 otro caso
secuencia de duración finita
Propiedades de la DFT

En general, el DESPLAZAMIENTO CIRCULAR de la secuencia se puede representar como el índice de

módulo N . Así podemos escribir:
x ' ( n ) = x ( n − k , modulo N )
x' ( n )  x ( ( n − k ))N
Por ejemplo, si k =2 y N = 4, tenemos: *Gira DOS posiciones en dirección Anti Horario.

Fig. 8 x '  x ( ( n − 2 ) )4 Fig. 9

Analizando:
x ' ( 0 ) = x ( ( 0 − 2 ) )4 = x ( ( −2 ) )4 = x ( 2 )
x ( ( −2 ) )4
x ' (1) = x ( (1 − 2 ) )4 = x ( ( −1) )4 = x ( 3)
x ' ( 2 ) = x ( ( 2 − 2 ) )4 = x ( ( 0 ) )4 = x ( 0 )
x ' ( 3) = x ( ( 3 − 2 ) )4 = x ( (1) )4 = x (1)

 
x ( n ) = 1, 2,3, 4


x ' ( n )  x ( ( n − 2 ) )4 = 3, 4,1, 2


Propiedades de la DFT

Por tanto, x ' ( n ) es simplemente x ( n ) DESPLAZADA CIRCULARMENTE DOS UNIDADES DE

TIEMPO, donde se ha seleccionado arbitrariamente la dirección antihoraria como la dirección positiva.
x ' ( n ) = x ( n − 2, modulo 4 )
x ' ( n )  x ( ( n − 2 ) )4
Por tanto, concluÍmos que un desplazamiento circular de una secuencia de N puntos es equivalente
a un desplazamiento lineal de su extensión periodica y viceversa.

Fig. 10
Propiedades de la DFT

En resumen:
La secuencia x ( ( n ) ) N se dibuja sobre una circunfenrecia colocando las muestras en secuenia antihoraria.
Tomando como referencia x ( ( n ) ) N :
x ( ( n − k ) ) N , gira la secuencia en sentido antihorario.
x ( ( n + k ) ) N gira la secuencia en sentido horario.
La secuencia x ( ( − n ) ) N se dibuja sobre una circunfenrecia colocando las muestras en secuenia horaria.
Tomando como referencia x ( ( − n ) ) N :
x ( ( − n + k ) ) N , gira la secuencia en sentido antihorario.
x ( ( − n − k ) ) N , gira la secuencia en sentido horario.
Propiedades de la DFT

Secuencias menores a N elementos:

x (n) h (n)
TF en TD X ( e jw ) H ( e jw )
DFT X (k ) H (k )
Propiedades de la DFT

Se puede demoestrar que:

N −1
DFT −1
 X  k  H  k  =  x ( n ) h ( ( m − n ) ) N
, m  0,1,...., N − 1

n=0

DFT −1  X  k  H  k  = x  n  h ( n ) , m  0,1,...., N − 1
Propiedades de la DFT

Para las secuencias x1 ( n ) y x2 ( n ) la convolución circular se define como, donde N es el periodo

de las señales.
N −1
x3 ( m ) =  x1 ( n ) x2 ( ( m − n ) ) N , m  0,1,...., N − 1 ()
n=0
Ejemplo: convolución circular [Proakis 4 Ed]
Calcule la convolución circular de las dos secuencias siguientes para un N=4:

 
x1 ( n ) = 2,1, 2,1


x ( n ) = 1, 2,3, 4
2


Sol:
Cada secuencia consta de cuatro puntos distintos de cero.Se recomienda representar graficamente
cada secuencias como puntos sobre una circunferencia.
Observe que las secuencias se han representado sobre la circunferencia en sentido antihorario, lo
que establece la direción de referencia para girar una secuencia respecto a la otra.
Fig. 11.a
Ejemplo: convolución circular
Ahora, x3 ( m ) se obtiene calculando la convolución de x1 ( n ) y x2 ( n ) como se especifica en (  ) Comenzando por m=0,
tenemos:
N −1
x3 ( m ) =  x1 ( n ) x2 ( ( m − n ) ) N , m  0,1,...., N − 1 ()
n=0
3
x3 ( 0 ) =  x1 ( n ) x2 ( ( 0 − n ) )4 , m  0,1,....,3
n=0

La secuencia x2 ( ( − n ) )4 es simplemente la secuencia x2 ( n ) reflejada y dibujada sobre una circunferencia, como se muestra
en la figura 11.b. Dicho de otro modo, la secuencia reflejada es simplemente x2 ( n ) representada en sentido horario.
La secuencia producto se obtiene multiplicando x1 ( n ) por x2 ( ( −n ) )4 , punto por punto. Esta secuencia se muestra en la figura
11.b. Finalmente, sumanos los valores de la secuencia producto para obtener: x3 ( 0 ) = 14.
Fig. 11.b

Producto
Ejemplo: convolución circular

Para m = 1, tenemos:
3
x3 (1) =  x1 ( n ) x2 ( (1 − n ) )4 , m  0,1,....,3
n=0

Es fácil ver que x2 ( (1 − n ) )4 es simplemente la secuencia x2 ( ( − n ) )4 gira en sentido antihorario una unidad de tiempo
sobre la circunferencia unidad, como se muestra en la figura 11.c. Esta secuencia girada se multiplica por x1 ( n )
proporcionando la secuencia producto, que también se muestra en la figura 11.c. Finalmente, sumanos los valores
de la secuencia producto para obtener x3 (1) .Así x3 (1) = 16.
Fig. 11.c
Producto

x3 (1) = 16
Ejemplo: convolución circular

Para m = 2, tenemos:
3
x3 ( 2 ) =  x1 ( n ) x2 ( ( 2 − n ) )4 , m  0,1,....,3
n=0

Es fácil ver que x2 ( ( 2 − n ) )4 es la secuencia reflejada de la figura 11.d girada dos unidades de tiempo en
sentido antihorario. La secuencia resultante en muestra en la figura 11.d junto con la secuencia producto
x1 ( n ) x2 ( ( 2 − n ) )4  . Sumando los cuatro términos de la secuencia producto, obtenemos: x3 ( 2 ) = 14.

Producto Fig. 11.d

Ejemplo: convolución circular

Para m = 3, tenemos:
3
x3 ( 3) =  x1 ( n ) x2 ( ( 3 − n ) )4 , m  0,1,....,3
n=0

La secuencia reflejada x2 ( ( −n ) )4 ahora se gira tres unidades de tiempo para proporcionar x2 ( ( 3 − n ) )4

y la secuencia resultante se multiplica por x1 ( n ) para dar la secuencia producto mostrada en la figura
11.e. La suma de los valores de la secuencia producto es: x3 ( 3) = 16.

Producto Fig. 11.e

Ejemplo: convolución circular

Observe que si se continúa realizando estos calculos mas allá de m = 3, simplemente se repite
la secuencia de los cuatro valores obtenidos. Por tanto, la convolución circular resultante será:


x3 ( 3) = 14,16,14,16


Fig. 12
Pares de la DFT

Some Transform Pairs

3. x ( n ) = e
j 2  ( k0 N ) n
1. x ( n ) =  ( n ) 0  n  N −1
X (k ) = 1 0  k  N −1 X ( k ) = N  ( ( k − k0 ) ) N

2. x ( n ) = 1 0  n  N −1 4. x ( n ) = cos ( 2 ( k0 N ) n )
X (k ) = N(k ) 0  k  N −1
X ( k ) =  ( ( k − k0 ) ) N +  ( ( k + k0 ) ) N 
N
X ( k ) = N  (( k ))N 2
Apéndice

n
r n +1 − 1 1 − r n +1

k =0
r =
k

r −1
=
1− r
donde r  1

Serie de potencias :

1

n=0
q =
n

1− q
donde q  1

Funciones :
par : f ( x)= f (− x) Ej. cos ( x) = cos ( − x)
Ejemplos de funciones pares son el valor absoluto, x 2 , x 4 , cos ( x), y cosh( x).
impar : f (− x)= − f ( x) Ej. sin (− x) = − sin( x)
Ejemplos de funciones impares son x, x 3 , seno( x ) y sinh( x ).
Apéndice
Fórmula de Euler : j = −1 Apéndice :
z = re j = r  cos()  j sin()  −1 e jz − e − jz
j= sin(z) =
Módulo j 2j

r = Re( z ) + Im( z )
2 2
cos(n) = (−1) n e jz + e − jz
cos(z) =
2
Ängulo e  j 2 n = 1
sin( x) = − sin( x)
 Im( z )  1 n = par
 = tan −1
e  j n
= sin( x) = sin( x + )

 Re( z )  −1 n = impar sin(  ) = sin() cos()  cos() sin()
cos( x) = cos( − x)
cos( x) = − cos( x + )
cos(  ) = cos() cos() sin() sin()