Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Analisis de Fourier
Analisis de Fourier
Señales (DSP)
Es el tratamiento o manipulación de datos digitales que
representan alguna señal física. Los datos son normalmente
generados mediante un proceso de conversión A/D.
El procesamiento se puede clasificar en dos grupos:
1. Estadístico
2. Fourier
Análisis de Fourier:
Encontrar información “escondida” dentro de los datos:
- Limpiarla (ruido)
- Ubicar patrones
- Compactarla
- Reacomodarla
Técnicas empleadas
- Transformaciones de Fourier
- Filtrado Digital
- Convolución y Correlación
Aplicaciones:
•Óptica
•Astronomía
•Geología
•Análisis Químico
•Materiales
•Computación
•Medicina
•Acústica
•Música
•Video
Series de Fourier
Cualquier señal periódica continua se puede
representar como una serie infinita de senos y
cosenos de diferentes amplitudes cuyas
frecuencias son harmónicas de la frecuencia de
la señal. Esto es lo que se conoce como la serie
de Fourier de la señal.
Una Función Periódica f(t) tiene la siguiente
propiedad para todo valor de t.
f(t)=f(t+T)
f ( t ) 12 a 0 [a n cos(nw0 t ) bnsen (nw0 t )]
n 1
Es posible escribir de una manera ligeramente
diferente la Serie de Fourier, si observamos que el
término ancos(nw0t)+bnsen(nw0t) se puede escribir
como
an bn
a 2n b 2n cos( nw t ) sen ( nw t )
2
2 0 2
2 0
n
a b n a n b n
Cn cos(nw0 t n )
Si además definimos C0=a0/2, la serie de
Fourier se puede escribir como
f ( t ) C0 C n cos( nw0 t n )
n 1
Así, Cn a b
2
n
2
n
1 b n
y n tan
an
Así, una función periódica f(t) se puede escribir como la
suma de componentes sinusoidales de diferentes
frecuencias wn=nw0.
b 0 mn
a m (t ) n (t )dt
rn mn
Functiones senoidales
ortogonales
w0=2p/T.
T /2 T /2
T / 2
cos(mw0t )dt 0, m0 T / 2
sin( mw0t )dt 0, m0
T /2 0 mn
T / 2 cos(mw0t ) cos(nw0t )dt T / 2 m n
T /2 0 mn
T / 2 sin( mw0t ) sin( nw0t )dt T / 2 m n
T /2
T / 2
sin( mw0t ) cos(nw0t )dt 0, for all m and n
Multiplicando ambos miembros de la identidad por
cos(nw0t) e integrando de –T/2 a T/2, obtenemos:
T/2
an 2
T f ( t ) cos(nw0 t )dt n 0,1,2,3,...
T / 2
T/2
bn T2 f ( t )sen (nw0 t )dt n 1,2,3,...
T / 2
T/2
a0 2
T f ( t )dt
T / 2
Ejemplo: Encontrar la Serie de Fourier para
la siguiente función de periodo T:
f(t)
1
t
... -T/ 0 T/ T .
.. 2 2
-1
Solución: La expresión para f(t) en –T/2<t<T/2 es
1 para T2 t 0
f (t)
1 para 0 t T
2
T/2
Coeficientes an: a n 2 f (t ) cos(nw0 t )dt
T
T / 2
0 T/2
T cos(nw0 t )dt cos(nw0 t )dt
2
T / 2 0
1 0
1 T/2
T2 sen (nw0 t ) sen (nw0 t )
nw0 T / 2 nw0 0
0 para n 0
Coeficiente a0: T/2
a 0 T2 f ( t )dt
T / 2
0 T/2
T dt dt
2
T / 2 0
0 T/2
T2 t t
T / 2 0
0
T/2
Coeficientes bn: bn 2 f ( t )sen(nw0 t )dt
T
T / 2
0 T/2
T sen (nw0 t )dt sen (nw0 t )dt
2
T / 2 0
1 0
1 T/2
T2 cos(nw0 t ) cos(nw0 t )
nw0 T / 2 nw0 0
2
np
1 (1) ) para n 0
n
Serie de Fourier: Finalmente la Serie de Fourier
queda como
1
Componentes
0.5
-0.5
Suma
fundamental
-1 tercer armónico
quinto armónico
septimo armónico
-1.5
-1 -0.5 0 t 0.5 1
Forma Compleja de la Serie de Fourier
Consideremos la serie de Fourier para una
función periodica f(t), con periodo T=2p/w0.
f ( t ) 12 a 0 [a n cos(nw0 t ) bnsen (nw0 t )]
n 1
O bien,
f (t ) c0 c n e jnw0 t
cne jnw0 t
n 1 n 1
Es decir,
f (t) c e
n
n
jnw0 t
Series de Fourier. 22
A la expresión obtenida
f (t) c e
n
n
jnw0 t
0.7
Espectro de Amplitud de f(t)
0.6
0.5
Cn
0.4
0.3
0.2
0.1
0
-30 -20 -10 0 n 10 20 30
... -T -T/ 0 T/ T ..
. 2 2
-p/ p/ t
2 2
0 T
2 t 2p
p
f ( t ) 1 2 t p2
0 p
t T2
2
Espectro del tren de pulsos para P=1, T=2
0.6
0.4
cn
0.2
-0.2
-60 -40 -20 0 20 40 60 w=nw
0
0.6
p=1, T=2
cn
0.4
0.2
-0.2
w=nw0
0.3 -50 0 50
-0.1
-50 0 50
0.15
0.1
p=1, T=10
0.05
-0.05
-50 0 50
0.06
p=1, T=20
0.04
0.02
-0.02
-50 0 50
Si hace T muy grande sin aumentar P
(T): El espectro se vuelve ¡continuo!
Es decir,
Transformada
F(w) f ( t )e jwt
dt De Fourier
Donde
F(w)e
jwt Identidad
f (t) 1
2p dw De Fourier
F(w)e
1 jwt
F [F(w)] f ( t ) 1
2p dw
Ejemplo. Calcular F(w) para el pulso rectangular f(t)
siguiente
f(t)
1
t
-p/ 0 p/
2 2
F(w) f ( t )e jwt dt dt
e jwt
p / 2
Integrando
jwt
p/2
1
jw e p / 2
0.5
-50 0 50 w
Señales Discretas
Tipos de señales :
1) Analógica : Continua en tiempo y amplitud
2) Discreta en el Tiempo:
Transformada Discreta de Fourier
x( f ) x(t )e j 2p ft dt
nFS
m
N
La Transformada se convierte en
N 1
X ( m) x ( n )e j 2p nm / N
n 0
The DFT
N 1
X ( m) x ( n )e j 2p nm / N
n 0
En donde :
La magnitus de X(m) es :
El ángulo de X(m) es :
X imag (m)
1
X (m) tan
X real (m)
DFT Ejemplo
Supongamos que se desea evaluar la DFT en 8 puntos a una señal
Senoidal con componenetes de frequencia de 1KHz and 2KHz
Supongamos que:
Etc...
Evaluando se tiene:
Se observa que:
magnitud de X(N-m) = magnitud de X(m)
fase de X(N-m) = fase de X(m)
O:
X(m) = complejo conjugado de X(N-m)
1) Linealidad:
si a(n) = b(n) + c(n)
entonces A(m) = B(m) + C(m)
N 1
1
x ( n)
N
X ( m)e
m 0
j 2p mn / N
Fugas en la DFT
Las salidas de DFT corresponden a las frecuencias f = mfs/N
¿Qué sucede si la entrada tiene frecuencias que no coinciden
Con esos valores
Digamos que en el ejemplo anterior se tienen frecuencias 2.3 Khz
y muestreamos 8000 M/s
Remedio
“Windowing”
Ejemplo gráfico
Dominio del
Tiempo
Dominio de la
Frecuencia
La Transformada Discreta de Fourier (DFT)
requiere el cálculo de N funciones exponenciales
para obtener F(n), lo cual resulta un esfuerzo de
cálculo enorme para N grande.