UNIVERSIDAD TECNOLÓGICA METROPOLITANA

FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRICIDAD

Procesamiento Digital de Señales

La Transformada Discreta de Fourier (DTF)
Profesor: Dr. Ing. Hugo Durney Wasaff
Ayudante: Rodrigo Muñoz Lazo
Santiago Septiembre 2007

1. Introducción
En el presente documento se realiza una explicación de la formulación y estructura de la Transforma-
da Discreta de Fourier (DTF) como una herramienta fundamental que permite caracterı́zar mediante una
cantidad limitada de coeficientes la densidad espectral de potencia (espectro discreto) de señales temporales
discretizadas. Esto pondrá en evidencia las diferencias y similitudes entre la Transformada de Fourier con-
tinua (TF) y la DTF, pudiendo asi interpretar correctamente y entender los resultados discretos de la DTF,
sus lı́mites de representación y su aplicación en un contexto de procesamiento digital.

2. Nociones basicas
Para comprender la estructura y formulación de la DTF es necesario considerar algunos fundamentos en
relación a los tipos de señal que permiten modelar el proceso de discretización.

2.1. Función Impulso o Delta de Dirac

La función delta de Dirac se define a partir de las siguientes expresiones:


0 t 6= 0
δ(t) = (1)
∞ t=0
Z ∞
δ(t)dt = 1 (2)
−∞

De la definiciones dadas en (1) y (2) se pueden deducir las siguientes propiedades de la función:
Z ∞
f (t)δ(t)dt = f (0) (3)
−∞
Z ∞
f (t)δ(t − To )dt = f (To ) (4)
−∞
Z ∞
f (t) ∗ δ(t − To ) = f (λ)δ(t − To − λ)dλ = f (t − To ) (5)
−∞
 Debe tenerse especial atención con la propiedad (5) que expresa la convolución de una señal cualquiera
con la función impulso desplazada, es de fácil deducción teniendo en cuenta las otras dos propiedades y da
resultados importantes en el estudio de la DTF. También puede definirse la delta de dirac como
k
δ(t) = lı́m sinc(kt)
k→∞ π
igualdad que cumple con lo señalado en (1) y (2).

Se puede obtener la transformada de Fourier de la delta de Dirac fácilmente usando la propiedad (3)
como se muestra: Z ∞
F{δ(t)} = ∆(ω) = δ(t)e−jωt dt = ejω0 = 1 (6)
−∞

2.2. Tren de impulsos

Un tren de impulsos gráficado se muestra en la figura 1.

dT ( t )

t
-4T -3T -2T -T T 2T 3T 4T

Figura 1: Gráfica de un tren de impulsos periódico.

Matemáticamente un tren de impulsos periódico δT (t) se define como:

∞
X
δT (t) = δ(t − T n) (7)
n=−∞
= δ(t) + δ(t − T ) + δ(t − 2T ) + δ(t − 3T ) + ... + δ(t − nT )
+δ(t + T ) + δ(t + 2T ) + δ(t + 3T ) + ... + δ(t + nT )

Para poder encontrar la Transformada de Fourier de δT (t) es necesario recordar los siguientes pares de
transformadas:

F{sin(ωk t)} = jπ[δ(ω − ωk ) − δ(ω + ωk )] (8)

F{cos(ωk t)} = π[δ(ω − ωk ) + δ(ω + ωk )] (9)

También se debe tener en cuenta la propiedad de Euler:

e±jωk x = cos(ωk x) ± j sin(ωk x) (10)

Entonces se tiene la siguiente transformada de Fourier:

F{ejωk x } = F{cos(ωk x)} + jF{sen(ωk x)} = 2πδ(ω + ωk ) (11)

HDW/rml sep/2007 2
 ya que δT (t) es periodica, con perı́odo T , se puede representar por medio de su Serie de Fourier la cual
está dada por (con ωo = 2π/T ):
∞
X
δT (t) = Fn ejnωo t (12)
n=−∞

Como se puede ver en (7) si T es el periodo, observando la propiedad (4) entonces F n esta dado por:
Z T /2 Z 0+
jnωo t
Fn = 1/T δT (t)e = 1/T δ(t)ejbωo t = 1/T
−T /2 0−

con lo cual se tiene:

∞
X
δT (t) = 1/T ejnωo t (13)
n=−∞

Aplicando la transformada de Fourier a la expresión (13) y teniendo en cuenta el resultado en (11) se

tiene:
X∞
2π
F{δT (t)} = 2π/T δ(ω − nωo ) = δω (ω) (14)
n=−∞
T o

El resultado en (14) es importante para el desarrollo de la DTF y dice que la transformada de Fourier
de un tren de deltas de perı́odo T en el tiempo es otro tren de deltas en la frecuencia de periodo 2π/T = ω o .

2.3. Resultados importantes del tren de impulsos respecto a las operaciones de

multiplicación y convolución en tiempo y frecuencia aplicadas a una señal

Es sabido y ampliamente demostrado que las operaciones de convolución de dos señales en el tiempo
corresponden a la multiplicación de sus espectros en la frecuencia y la convolución de sus espectros en la
frecuencia corresponde a la multiplicación de estas señales en el tiempo. Formalmente, si s 1 (t) y s2 (t) son dos
señales en el tiempo y si S1 (ω) y S2 (ω) son sus respectivos espectros de densidad de potencia (transformada
de Fourier) se tiene:

F{s1 (t) ∗ s2 (t)} = S1 (ω)S2 (ω) (15)

1
F{s1 (t)s2 (t)} = S1 (ω) ∗ S2 (ω) (16)
2π

Que corresponden a las propiedades de convolución en tiempo y frecuencia de la TF respectivamente. Si

se convoluciona un tren de impulsos con una señal s(t) y teniendo en cuenta la propiedad (5) y la definición
(7) se tiene:
Z ∞
s(t) ∗ δT (t) = δT (λ)s(t − λ)dλ
−∞
Z ∞ ∞
X
= δT (λ − T n)s(t − λ)dλ
−∞ n=−∞

X∞ Z ∞
= δ(λ − T n)s(t − λ)dλ
n=−∞ −∞

X∞
= s(t − T n) (17)
n=−∞

HDW/rml sep/2007 3
 De (17) se puede ver que el resultado de la convolución de un tren de impulsos y una señal produce una
señal perı́odica de perı́odo igual el del tren de impulsos, e.d, T ya que cada impulso del tren desplaza a la
señal según la propiedad (5) generando réplicas de s(t) con el origen desplazado según la posición de cada
delta. un ejemplo de esto se puede ver gráficamente en la figura 2.

* =

... ... ... ...

Figura 2: Gráfica del resultado de la convolución de un tren de deltas y una señal acotada, se puede apreciar el
resultado periodico de la convolución

El muestreo de una señal se puede modelar como:

Z ∞ Z ∞ ∞
X ∞
X
s(t)δt (t)dt = δ(t − T n)s(t)dt = s(T n) (18)
−∞ −∞ n=−∞ n=−∞

De (18) se puede ver que la multiplucación por un tren de impulsos de una señal produce otro tren de
impulsos cuya envolvente es la señal original, esto es debido a que cada impulso del tren toma una muestra
de la señal según la propiedad (4).
Ahora teniendo en cuenta la reciprocidad entre el tiempo y la frecuencia de las operaciones de convolución
y multiplicación mostradas en (16) y (15) y ádemas con los resultados en (17) y (18) en relación a lo obtenido
al aplicar las operaciones de convolución y multiplicación respectivamente a una señal, podemos seguir los
siguientes razonamientos:

a) Si multiplicamos una señal en el tiempo por un tren de impulsos, obtendremos una señal discreta según
(18), pero la multiplicación en el tiempo equivale a la convolución en la frecuencia según (16), con lo
que se obtiene que el espectro original de la señal se convoluciona con el espectro del tren de impulsos,
que es un tren de impulsos en la frecuencia según (14), y la convolución de un tren de impulsos por
el espectro de la señal produce un espectro periodico según (17), en resumen el espectro de una señal
discreta es perı́odico como se muestra en la figura 3(c).
b) Análogamente si multiplicamos el espectro de una señal por un tren de impulsos obtendremos un
espectro discreto, como la multiplicación en frecuencia equivale a la convolución en el tiempo según
(15) se tiene una convolución entre un tren de impulsos en el tiempo y la señal lo que produce una
señal periodica, por lo tanto un espectro discreto es proveniente de una señal periodica (figura 3(b)).
c) Si una señal es multiplicada por un tren de impulsos y luego convolucionada por otro tren de impulsos,
entonces primero se muestrea la señal y luego se extiende periodicamente. En la frecuencia el proceso
en el espectro es de convolucionar el espectro por el tren de impulsos espectral del primer tren lo que
da un espectro periodico, luego como el segundo tren se convoluciona en el tiempo, el tren espectral
de este se multiplica en la frecuencia con el resultado anterior, lo que resulta en un espectro discreto y
periodico, por lo tanto a señales discretas y periodicas les corresponden espectros periodicos y discretos
como se puede ver en la figura 3(d).

Los resultados gráficos de los razonamientos anteriores se muestran en la figura 3.

HDW/rml sep/2007 4
 (a) La señal s(t) es continua y limitada en el tiempo tiene un espectro continuo y no limitado en la frecuencia

(b) La señal s(t) es perı́odica y continua por lo cual tiene un espectro no limitado en la frecuencia y discreto que
corresponde a una serie de Fourier (SDF)

(c) La señal x(n) es discreta lo que genera un espectro continuo y periodico

(d) La señal x
e(n) es discreta y periodica y su espectro es también discreto y periodico

Figura 3: Tipos de Señales temporales y sus respectivos espectros

3. La DTF
Si tenemos una señal s(t) limitada en el tiempo, como la mostrada en la figura 5(a), podemos muestrearla
cada ts segundos y obtendremos la señal discreta x[n], entonces su Transformada de Fourier se puede calcular
como:
Z ∞ 
X(ω) = F{x[n]} = F s(t)δts (t)dt
−∞
Z ∞ Z ∞ ∞
!
X
= s(t) δ(t − nts )dt e−jωt dt
−∞ −∞ n=−∞
∞
X
= s(nts )e−jωnts
n=−∞
X∞
= x[n]e−jωnts (19)
n=−∞

HDW/rml sep/2007 5
 Como la señal s(t) es limitada en el tiempo, el número de muestras que contiene x[n] es finito y digamos
de longitud N y con inicio en n = 0, por lo tanto la expresión (19) se reduce a:
N
X −1
X(ω) = x[n]e−jωnts (20)
n=0

El Problema de la expresión (20) es que el resultado es un espectro continuo y perı́odico tal cual como
el mostrado en la figura 3(c), Observando la figura 3, la unica señal que presenta elementos discretos en
ambos dominios es la figura 3(d), esto permite considerar una correspondencia entre colecciones discretas de
muestras en el dominio del tiempo y de la frecuencia, ası́ podemos ver que si tuvieramos una señal discreta
y perı́odica en la frecuencia, esta generarı́a un espectro discreto, como vimos anteriormente para convertir la
señal x[n] discreta en una perı́odica x
e[n] es necesario convolucionar x[n] por un tren de impulsos de periodo,
digamos, T = N ts lo que resulta en la situación mostrada en la figura 4.

Figura 4: Detalle de una señal en dominio temporal y frecuencial discretos que da origen a la DTF

Con este resultado sólo debemos calcular el espectro de x

e[n], y como es una señal periodica solo debemos
fijarnos en un perı́odo de ésta, que es lo mismo que x[n], y además como se trata de una señal periodica,
su espectro tiene solo componentes ubicados en múltiplos de la frecuencia de muestreo de la señal x e[n], es
decir, ωk = 2πk/(N ts). Asi, tomando la expresión (20) con esta discretización de frecuencias tenemos:
N
X −1
X(ω) = x[n]e−jωk nts
n=0
N
X −1
2πk
= x[n]e−j N ts nts
n=0
N
X −1
2πk
≡ X[k] = x[n]e−j N n (21)
n=0

La expresión (21) es la Transformada Discreta de Fourier. El resultado de esta transformación se muestra

en la figura 4 donde se puede ver que el espectro es discreto y perı́odico y la DTF entrega los valores del
espectro discretizado en el intervalo 0 ≤ ω ≤ 2π, donde ahora introducimos la frecuencia angular normalizada
respecto de la frecuencia de muestreo ωs = 2πfs , esto es ω = 2π ffs .

3.1. Zero Padding

Se puede ver que la DTF entrega el mismo número de N puntos como muestras se tiene en x[n] al generar
una extensión periódica x
e[n] de perı́odo N . Existe una técnica para aumentar el número de puntos en la
señal que se llama zero padding que consiste en agregar ceros al final o al principio de la muestra, lo que
genera una mayor resolución en el espectro al calcular la DFT ya que produce más puntos en el intervalo

HDW/rml sep/2007 6
[0, 2π]. También se puede ver que al poner ceros en la muestra, su extensión periódica queda como el de la
figura 5(b) y el perı́odo aumenta y por lo tanto la frecuencia fundamental de su serie de Fourier disminuye
y por tanto el espectro tiene un número mayor de puntos. Estos resultados se pueden apreciar en la figura
3.1.

(a) Se puede apreciar que una señal perı́odica y su espectro

(b) En la señal se ha agregado ceros y luego se le ha hecho una extención periodica con lo cual se tiene una señal
de un periodo mayor y con más puntos en su espectro

Figura 5: Efecto del zero padding

La ventaja de usar zero padding es que la secuencia con que se calcula la DFT es más parecida a la señal
muestreada, la cual es limitada en el tiempo y está en un entorno de valores nulos antes y después del rango
válido de señal. Con esto se obtiene una mayor resolución en frecuencia para la representación del espectro
pero se compromete un mayor coste computacional para el cálculo de la DFT cuya longitud será mayor que
N , correspondiente a la longitud de la mı́nima muestra válida de la señal procesada.

HDW/rml sep/2007 7