15-11-2023

Descripción breve

Análisis: Es el proceso de estudiar y comprender el

comportamiento de las señales y los sistemas
utilizados en la transmisión, procesamiento y
recepción de información en el campo de las
telecomunicaciones. Este análisis implica examinar
las características de las señales, cómo se propagan
y cómo interactúan con los sistemas a lo largo del
proceso de comunicación.

Señales y sistemas de comunicación: Es una

representación matemática de una cantidad física
que varía en función del tiempo o de alguna otra
variable. En el contexto de las comunicaciones, las
señales pueden ser analógicas o digitales.

Instituto Tecnológico De Chetumal.

Tarea 2 Transformada rápida de fourier (Reporte).

Docente: Juan Ramon Sonda Martínez.

Tema: Series de Fourier y su transformada.
Asignatura: Análisis de señales y sistemas de
comunicación.

Carrera: Ing. Tecnologías de la información y

comunicaciones.

Alumno: Magaña Quintal Ángel De Jesús.

Semestre: 5. Grupo: K5U.

Chetumal Q, Roo A 15 de noviembre del 2023.

 15-11-2023

Índice

Transformada rápida de Fourier ....................................................................................................2

Conclusión ........................................................................................................................................7

1
 15-11-2023

Transformada rápida de Fourier

Sintaxis
Y = fft(X)
Y = fft(X,n)
Y = fft(X,n,dim)

Descripción
Y = fft(X) calcula la transformada discreta de Fourier (DFT) de X utilizando un algoritmo de
transformada rápida de Fourier (FFT).
• Si X es un vector, fft(X) devuelve la transformada de Fourier del vector.
• Si X es una matriz, fft(X) trata las columnas de X como vectores y devuelve la
transformada de Fourier de cada columna.
• Si X es un arreglo multidimensional, fft(X) trata los valores en la primera dimensión
del arreglo cuyo tamaño no es igual a 1 como vectores y devuelve la transformada de
Fourier de cada vector.

Y = fft(X,n) devuelve la DFT de n puntos. Si no se especifica ningún valor, Y tiene el

mismo tamaño que X.
• Si X es un vector y la longitud de X es menor que n, X se rellena con ceros
finales hasta la longitud n.
• Si X es un vector y la longitud de X es mayor que n, X está truncado a la
longitud n.
• Si X es una matriz, cada columna se trata como en el caso del vector.
• Si X es un arreglo multidimensional, la primera dimensión del arreglo cuyo
tamaño no es igual a 1 se trata como en el caso del vector.

Y = fft(X,n,dim) devuelve la transformada de Fourier en la dimensión dim. Por ejemplo,

si X es una matriz, fft(X,n,2) devuelve la transformada de Fourier de n puntos de cada fila.

2
 15-11-2023

Ejemplos

Señal ruidosa
Use las transformadas de Fourier para encontrar los componentes de frecuencia de una señal
enterrada en ruido.
Especifique los parámetros de una señal con una frecuencia de muestreo de 1 kHz y una
duración de señal de 1,5 segundos.

Código:
Fs = 1000; % Sampling frequency
T = 1/Fs; % Sampling period
L = 1500; % Length of signal
t = (0:L-1)*T; % Time vector

Forme una señal con una sinusoide de 50 Hz de 0,7 de amplitud y una sinusoide de 120 Hz
de 1 de amplitud.
Código:
S = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t);

Corrompa la señal con ruido blanco de media cero con una varianza de 4.
Código:
X = S + 2*randn(size(t));

Represente la señal ruidosa en el dominio del tiempo. Es difícil identificar los componentes
de frecuencia mirando la señal X(t).
Código:
plot(1000*t(1:50),X(1:50))
title("Signal Corrupted with Zero-Mean Random Noise")
xlabel("t (milliseconds)")
ylabel("X(t)")

3
 15-11-2023

Representación gráfica:

Calcule la transformada de Fourier de la señal.

Código:
Y = fft(X);

Calcule el espectro de dos lados P2. Luego calcule el espectro de un lado P1 basado en P2 y
la longitud de señal de valor par L.
Código:
P2 = abs(Y/L);
P1 = P2(1:L/2+1);
P1(2:end-1) = 2*P1(2:end-1);

4
 15-11-2023

Defina el dominio de la frecuencia f y represente el espectro de amplitud de un lado P1. Las

amplitudes no están exactamente en 0,7 y 1, tal y como se esperaba, debido al ruido añadido.
De media, las señales más largas producen mejores aproximaciones de frecuencia.

Código:
f = Fs*(0:(L/2))/L;
plot(f,P1)
title("Single-Sided Amplitude Spectrum of X(t)")
xlabel("f (Hz)")
ylabel("|P1(f)|")

Representación gráfica:

5
 15-11-2023

Ahora tome la transformada de Fourier de la señal original sin corromper y recupere las
amplitudes exactas, 0,7 y 1,0.

Código:
Y = fft(S);
P2 = abs(Y/L);
P1 = P2(1:L/2+1);
P1(2:end-1) = 2*P1(2:end-1);

plot(f,P1)
title("Single-Sided Amplitude Spectrum of S(t)")
xlabel("f (Hz)")
ylabel("|P1(f)|")

Representación gráfica:

6
 15-11-2023

Conclusión

Para finalizar puedo decir que, la Transformada Rápida de Fourier (FFT) emerge como una
herramienta fundamental en el análisis de señales y sistemas en el ámbito de la ingeniería y
las ciencias aplicadas. Su capacidad para descomponer una señal en sus componentes
frecuenciales de manera eficiente ha revolucionado la forma en que abordamos problemas
relacionados con el procesamiento de señales.

En el entorno de MATLAB, la implementación de la FFT es accesible y poderosa,

permitiendo a los ingenieros y científicos realizar análisis espectrales de manera rápida y
eficiente. El código para aplicar la FFT en MATLAB es sencillo y, con las funciones
incorporadas en la plataforma, se vuelve aún más fácil de utilizar.

A través de la visualización de las transformadas de Fourier en gráficas, se puede apreciar

claramente cómo la FFT descompone una señal en sus componentes frecuenciales,
proporcionando información valiosa sobre la distribución de energía en el dominio de la
frecuencia. Este proceso resulta esencial en aplicaciones que van desde el procesamiento de
señales de audio hasta la resolución de ecuaciones diferenciales en el dominio de la
frecuencia.