Análisis de 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.
 Función Periódica

Una Función Periódica f(t) tiene la siguiente propiedad para todo

valor de t.
f(t) = f(t+T)

A la constante mínima T para la cual se cumple lo anterior se le llama

el periodo de la función.

Repitiendo la propiedad se puede obtener:

f(t) = f(t+nT), donde n=0,1,  2, 3,...
 Serie Trigonométrica de Fourier
Las Funciones periódicas f(t) de periodo T pueden expresarse por la
siguiente serie, llamada Serie Trigonométrica de Fourier.

f(t) = ½ a0 + a1cos(0t)+a2cos(20t)+...
+ b1sen(0t)+b2sen(20t)+...

Donde 0=2/T.

Es decir,


f (t )  12 a0   [an cos(n0t )  bn sen(n0t )]
n 1
 Serie Trigonométrica de Fourier
Es posible escribir de una manera ligeramente diferente la Serie de
Fourier, si observamos que el término ancos(n0t)+bnsen(n0t) se
puede escribir como

 an bn 
a 2n  b 2n  cos( n t )  sen ( n t ) 
 2 2 0 2 2 0 
 a n  bn a n  bn 

Podemos encontrar una manera más compacta para expresar estos

coeficientes pensando en un triángulo rectángulo:
 Serie Trigonométrica de Fourier

an
 cos n
C n  a 2n  b 2n a 2n  b 2n
bn bn
n  senn
a 2n  b 2n
an

Con lo cual la expresión queda

 Cn  cos  n cos(n0t )  sen n sen(n0t )

 C n  cos(n0 t   n )
 Serie Trigonométrica de Fourier

Si además definimos C0=a0/2, la serie de Fourier se puede escribir

como

Así, 
f (t )  C0   Cn  cos(n0t   n )
n 1

y
Cn  a  b2
n
2
n

1  b n

n  tan  
 an 
 Serie Trigonométrica de Fourier

Así, una función periódica f(t) se puede escribir como la suma de

componentes sinusoidales de diferentes frecuencias n=n0.

A la componente sinusoidal de frecuencia n0: Cncos(n0t+n) se le

llama la enésima armónica de f(t).

A la primera armónica (n=1) se le llama la componente fundamental

y su periodo es el mismo que el de f(t)

A la frecuencia 0=2f0=2/T se le llama frecuencia angular

fundamental.
 Cálculo de los coeficientes de la Serie
Dada una función periódica f(t) ¿cómo se obtiene su serie de
Fourier?


f (t)  1
a
2 0
  [a n cos(n0 t )  b n sen (n0 t )]
n 1

Obviamente, el problema se resuelve si sabemos como calcular los

coeficientes a0,a1,a2,...,b1,b2,...

Esto se puede resolver considerando la ortogonalidad de las

funciones seno y coseno.
 Functiones Ortogonales

• Un conjunto de funciones {k} es orthogonal en el intervalo a <

t < b si se cumple que

b 0 mn
a  m (t )  n (t )dt  
rn mn
 Functiones senoidales ortogonales

0=2/T.
T /2 T /2

T / 2
cos(m0t )dt  0, m0 T / 2
sin( m0t )dt  0, m0

T /2  0 mn
T / 2 cos(m0t ) cos(n0t )dt  T / 2 m  n
T /2  0 mn
T / 2 sin(m0t ) sin(n0t )dt  T / 2 m  n
T /2

T / 2
sin(m0t ) cos(n0t )dt  0, for all m and n
 Cálculo de los coeficientes de la Serie
Multiplicando ambos miembros de la identidad por cos(n0t) e
integrando de –T/2 a T/2, obtenemos:
T /2
an  2
T  f (t ) cos(n t )dt
T / 2
0 n  0,1,2,3,...

Similarmente, multiplicando por sen(n0t) e integrando de –T/2 a T/2,

obtenemos:

T /2
bn  2
T  f (t )sen(n t )dt
T / 2
0 n  1,2,3,...

T /2
a0  2
T  f (t )dt
T / 2
Ejemplo
Ejemplo: Encontrar la Serie de Fourier para la siguiente función de
periodo T:
f(t)
1

t
... -T
/2 0 T
/2 T ...

-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
Ejemplo
Coeficientes an:
T /2
an  T2  f (t ) cos(n t )dt
T / 2
0

 0 T /2

 T    cos(n0t )dt   cos(n0t )dt 
2

 T / 2 0 
 1
0
1
T /2

 T 
2
sen(n0t )  sen(n0t ) 
 n0 T / 2
n0 0  
0 para n  0
Ejemplo
Coeficiente a0: T /2
a0  T2  f (t )dt
T / 2

 0 T /2

 T    dt   dt 
2

 T / 2 0 

 0 T /2

 T  t
2
t 
 T / 2 0  
0
Ejemplo
Coeficientes bn: T /2
bn  T2  f (t )sen(n t )dt
T / 2
0

 0 T /2

 T    sen(n0t )dt   sen(n0t )dt 
2

 T / 2 0 

 1
0
1
T /2

T
2
cos(n0t )  cos(n0t ) 
 n0 T / 2
n0 0  

1
  (1  cos(n ))  (cos(n )  1)
n


2
n

1  (1) n )  para n  0
Ejemplo

Serie de Fourier: Finalmente la Serie de Fourier queda como

4
f (t )   sen(0t )  13 sen(30t )  15 sen(50t )  ...

En la siguiente figura se muestran: la componente
fundamental y los armónicos 3, 5 y 7 así como la suma
parcial de estos primeros cuatro términos de la serie para
0=, es decir, T=2:
 Componentes de la Serie de Fourier

1.5

0.5
Componentes

-0.5
Suma
fundamental
-1 tercer armónico
quinto armónico
septimo armónico
-1.5
-1 -0.5 0 0.5 1
t
 Forma Compleja de la Serie de Fourier

Consideremos la serie de Fourier para una función periodica f(t),

con periodo T=2/0.

f (t )  12 a0   [an cos(n0t )  bn sen(n0t )]
n 1

Es posible obtener una forma alternativa usando las fórmulas de

Euler:

cos(n0t )  12 (e jn0t  e  jn0t )

Donde
sen(n0t )  1
2j (e jn0t  e  jn0t )

j  1
 Forma Compleja de la Serie de Fourier

La serie se puede escribir como


f ( t )  c 0   (c n e jn0 t  c  n e  jn0 t )
O bien,
n 1

 
Es decir, f (t )  c0   cn e jn0 t
  cn e jn0 t

n 1 n  1


f (t)  c e
n  
n
jn0 t

Series de Fourier. 22
A la expresión obtenida

f (t)  c e
n  
n
jn0 t

Se le llama forma compleja de la serie de

Fourier y sus coeficientes cn pueden obtenerse a
partir de los coeficientes
T anjn, btn como ya se dijo, o
c  T  f ( t ) e dt
1 0
bien: n
0

Para n=0, 1, 2, 3, ...

Espectros de Frecuencia Discreta
Dada una función periódica f(t), le corresponde una y sólo una serie
de Fourier, es decir, le corresponde un conjunto único de
coeficientes cn.

Por ello, los coeficientes cn especifican a f(t) en el dominio de la

frecuencia de la misma manera que f(t) especifica la función en el
dominio del tiempo.
 Espectros de Frecuencia Discreta

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

Observación: El eje
Frecuencia horizontal
negativa (?) es Frecuenci
un eje de
a frecuencia,
(n=número de armónico = múltiplo de 0).
 Ancho de banda de una señal
• Existen muchas definiciones para el ancho de banda de
una señal, dependiendo del contexto en que se emplee el
término.
• Una de ellas se refiere al conjunto de las componentes de
frecuencia cuya amplitud no es menor en 3 dB a la mayor
componente del espectro de Fourier de la señal.
• Esta definición sería inapropiada si el objetivo es
mantener una representación fiel de la señal.
• Obviamente, para una señal periódica podemos obtener
su ancho de banda con su serie de Fourier.
De la Serie a la Transformada de Fourier
La serie de Fourier nos permite obtener una
representación en el dominio de la frecuencia para
funciones periódicas f(t).

¿Es posible extender de alguna manera las series

de Fourier para obtener el dominio de la
frecuencia de funciones no periódicas?

La respuesta es sí, pero ahora el espectro de

frecuencias NO es discreto sino continuo.
De la Serie a la Transformada de Fourier
Tren de pulsos de amplitud 1, ancho P y periodo
T:
f(t)
1

... -T -T
/2 0 T
/2 T ...
-p
/2 p
/2 t

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=nw0
 0.6
p=1, T=2

cn
0.4

0.2

-0.2
=n0
0.3 -50 0 50

0.2 p=1, T=5

0.1

-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()   f ( t )e  j t
dt De Fourier
Donde



Identidad

j t
Estas f (t)  1
expresiones
2 ()epermiten
Fnos d Decalcular
la
Fourier
expresión F() (dominio
 de la frecuencia) a partir
de f(t) (dominio del tiempo) y viceversa
Notación: A la función F() se le llama
transformada de Fourier de f(t) y se denota por
F, es decir

F[f ( t )]  F()   f ( t )e  jt dt
En forma similar, a la expresión que nos permite
obtener f(t) a partir de F() se le llama
transformada inversa de Fourier y se denota por
F –1 ,es decir

 F()e
1 jt
F [F()] f ( t )  1
2 d

Ejemplo. Calcular F(w) para el pulso rectangular f(t)
siguiente
f(t)
1

t
Solución. La expresión -pen
/2 0 elp/2 dominio del tiempo de la
función es

0 t  2p
 p
f ( t )  1 2  t 
p
2
0
2  t
p

  p/2

F()   f ( t )e  jt dt   dt
e  j t
Integrando
 p / 2
p/2
 jt
 1
 j e p / 2
Usando la fórmula de Euler:
 1
 j ( e  jp / 2  e j p / 2 )
sen (para
Obsérvese que el resultado es igual al obtenido p / 2cn
)
cuando T , pero multiplicado porFT(.)  p
p / 2
En forma Gráfica

F(w) con p=1

F(w)

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
FT: Cuando la señal de origen es continua


x( f )   x(t )e  j 2 ft dt


El tiempo y la frecuencia son variables continuas

Pero si las señales son discretas DTFT

(Discrete Time Fourier Transform)

x( f )   x(n)e j 2 fn


El tiempo se discretiza pero la frecuencia sigue siendo continua (la

suma es infinita)
 The DFT
Para discretizar ambas variables

1) Limitamos la frecuencia continua a un valor máximo value de F s

2) Discretizamos la frecuencia a valores m

nFS
m
N

La Transformada se convierte en

N 1
X ( m )   x ( n )e  j 2 nm / N

n 0
 The DFT
N 1
X ( m)   x ( n )e  j 2 nm / N

n 0
En donde :

X(m) = la mth DFT componente de salida: X(0), X(1),X(2)…

m = Indice de la salida de la DFT en el dominio de la fecuencia
m = 0,1,2,…,N-1
x(n) = muestras de entrada, x(0),x(1),x(2)…..
n = Indice de las muestras de entrada,n = 0,1,2,3,…, N-1
N = Número total de muestras de entrada y de los puntos de
frecuencia en la salida de la DFT.
 DFT
La DFT es una cantidad compleja

X (m)  X real (m)  jX imag (m)

La magnitus de X(m) es :

X mag (m)  X (m)  X real (m) 2  X imag (m) 2

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:

x(t )  sin(2 .1000.t )  0.5sin(2 .2000t  3 / 4)

Periodo de x(t) = 1/1Khz = 1/1000
8 muestras/periodo => Ts = 1/8000 sec
O sea Fs = 8000 muestras/s
t = nTs

x(n)  sin(2 .( n / 8))  0.5sin(2 .(2 n / 8)  3 / 4)

n = 0,1,…,7
 DFT Ejemplo (Cont…)
Entonces
N 1
X (0)   x(n) Componente DC
n 0
7
X (1)   x(n)[cos(2 n / 8)  j sin(2 n / 8)]
n 0

Etc...

Evaluando se tiene:

X(0) = 0 +j0 (dc) X(1) = 0 – j 4 (1KHz)

X(2) = 1.414 + j1.414 (2Khz) X(3) = 0 + j 0 (3Khz)
X(4) = 0 +j0 (4Khz) X(5) = 0 + j 0 (5Khz)
X(6) = 1.414 – j 1.414 (6Khz) X(7) = 0 + j 4 (7KHz)
DFT Ejemplo (Resultados)
 Simetría en la DFT

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)

Conclusión: Al calcular la DFT de x(n) en N puntos, obtenemos N términos

complejos de salida pero sólo los primeros N/2 términos son independientes
 Propiedades de la DFT

1) Linealidad:
si a(n) = b(n) + c(n)
entonces A(m) = B(m) + C(m)

2) Teorema del corrimiento: :

Si y(n) = x(n+k)
entonces Y(m) = ej2pikm/N X(m)
 Transformada Inversa IDFT

Para obtener x(n) a partir de X(m)

N 1
1
x(n) 
N
 X ( m )e
m 0
j 2 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

Los picos detectados son = 0Kkz, 1Khz, 2Khz,…,7Khz

pero el pico 2.3 Khz no aparece!!

Este pico de frecuencia se ha “fugado” (escurrido)

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.

Se han desarrollado métodos que permiten

ahorrar cálculos y evaluar de manera rápida la
Transformada discreta, a estos métodos se les
llama
Transformada Rápida de Fourier (FFT)
• En el cálculo de la transformada directa de Fourier el número
de operaciones requeridas es proporcional a N2

• En el cálculo de la transformada rápida de Fourier (FFT) el

número de operaciones requeridas es proporcional a N(lnN)