Professional Documents
Culture Documents
DE FOURIER
Señales y Sistemas
Transformada Discreta de Fourier
Sea x(t) una señal continua en el tiempo, tomaremos una
aproximación de una sumatoria de impulsos discretos.
N −1
xs (t ) ≈ ∑ x(n∆t )δ (t − n∆t )
n =0
x1 (t ) * x 2 (t ) ↔ X1( f )X 2 ( f )
El teorema de multiplicación de Fourier
x1 (t ) x 2 (t ) ↔ X1( f ) * X 2 ( f )
Ejemplo
− t 2τ
x(t ) = exp X(f ) =
1 + ( 2πfτ )
2
τ
2τ ∞ ∞
2τf s
Xs( f ) = * f s ∑ δ ( f − nf ) = ∑
1 + ( 2πfτ ) n = −∞ 1 + ( 2π ( f − nf ) s τ )
2 s 2
n = −∞
Calculando la DFT solo en una sección de T segundos es en efecto,
multiplicar xs(t) por una función de ventana Π(t/T). En el dominio de la
frecuencia, esto corresponde a la convolución de Xs(f) con la transformada
de Fourier de la función de la ventana, la cual es TSincTf.
donde
WNnk = e − j 2πnk / N
x (n) = 4 + 3Sin(πn / 2)
e jπ n / 2 − e − jπ n / 2 3 jπ n / 2 3 − jπ n / 2
x(n) = 4 + 3 = 4 − je + je
2j 2 2
[ ]
N −1 N −1 N −1
S N (l , k ) = ∑ e j 2π nl / N
W =∑e
nk
N
j 2π n ( l − k ) / N
=∑ e j 2π ( l − k ) / N n
n= 0 n= 0 n= 0
1 − e j 2π ( l −k )
S N (l , k ) = j 2π ( l −k ) / N
= 0, k ≠l
1 −e
Ya que la exponencial es igual a 1, para cualquier par de (k,l)
Ejemplo
Sin embargo, k=l, el numerador y el denominador de SN(l,k).
Pero es un caso particular de la serie geométrica si se evalúa
para k=l, entonces la serie geométrica queda como:
[ ] = ∑ [1] = ∑ 1 = N
N −1 N −1 N −1
S N (l , l ) = ∑ e j 2π ( 0 ) / N n n
n= 0 n= 0 n= 0
S N (l , k ) = Nδ k ,l
Realizando la sumatoria
X(0)=x(0) + x(1)
X(1)=x(0) – x(1)
Ejemplo de DFT de 2 puntos
x(0) X(0)
2-Puntos
x(1) DFT
X(1)
x(0) X(0)
x(1) X(1)
-1
Antes de seguir con el siguiente ejemplo debemos examinar WNK
para tres valores específicos de k. Para k= N/2 se tiene
π N
− j2
WNN / 2 = e N 2
= e − jπ = −1
Los otros dos caso especiales de interés son cuando k= N/4 y 3N/
4.
π N
− j2
WNN / 4 = e N 4
= e − jπ / 2 = − j
π 3N
− j2
WN3 N / 4 = e N 4
= e − j 3π / 2 = j
Derivación Matemática de FFT
Algoritmo en el dominio del Tiempo: Consideraremos la suma
de la DFT separadamente los términos pares e impares en la
suma, siendo n= 2r para pares y 2r+1 para impares.
N −1 N / 2 −1 N / 2 −1
X (k ) = ∑ x(n)W nk
N = ∑ x(2r )W 2 rk
N + ∑ x(2r + 1)W ( 2 r +1) k
N
n =0 r =0 r =0
N / 2 −1 N / 2 −1
X (k ) = ∑ x(2r )W
r =0
2 rk
N +W k
N ∑ x(2r + 1)W
r =0
2 rk
N = G (k ) + W Nk H (k )
N / 2 −1 N / 2 −1
G (k ) = ∑ x(2r )W
r =0
rk
N /2 H (k ) = ∑ x ( 2 r + 1)W rk
N /2
r =0
x(0) G(0) X(0)
x(2) G(1) X(1)
x(4) DFT G(2) X(2)
N/2 Puntos G(3)
x(6) X(3)
N / 2− 1 N / 2−1
N ( m+ N / 2) k
X (k ) = ∑n= 0
x(n)W +
nk
N ∑
m= 0
x(m +
2
)WN
N / 2−1 N / 2− 1
N mk
X (k ) = ∑
n= 0
x(n)W + W
nk
N N
N / 2k
∑
m= 0
x(m +
2
)WN
N / 2 −1 N / 2 −1
N mk
X (k ) = ∑ x(n)W
n =0
nk
N + (−1) k
∑
m =0
x(m +
2
)WN
Derivación Matemática de FFT
N / 2 −1
N nk
X (k ) = ∑
n =0
x(n) + (−1) x(m + 2 )WN
k
Ahora consideremos k par e impar separadamente.
N / 2−1
N 2 nr N / 2−1 N nr
X ( 2r ) = ∑
n= 0
x(n) + x(m + 2 )WN = ∑ x(n) + x(m + 2 )WN / 2
n= 0
N / 2 −1
N 2 nr n N / 2−1 N nr n
X (2r + 1) = ∑
n =0
x ( n ) − x ( m + )
2 W N W N = ∑
n =0
x ( n ) − x ( m + )WN / 2WN
2
x(0) X(0)
x(1) X(1)
DFT
N/2 Puntos
x(2) X(2)
x(3) X(3)
x ( n) = x e ( n) + x o ( n)
1 1
x ( n) = [ x ( n) + x ( N − n) ] + [ x ( n) − x ( N − n) ]
2 2
Retardo en el Tiempo
x(n-m) ↔ X(k)e(-j2πkm/N)=X(k)WNkm
Propiedades de la DFT
Retardo en Frecuencia
x(n)e(j2πnm/N)↔ X(k-m)
Dualidad
N-1X(n) ↔ x(-k)
Propiedades de la DFT
Convolución Circular
N −1
Multiplicación
x(n) y (n) ↔ N −1 X (k ) ⊗ Y (k )
Propiedades de la DFT
Teorema de Parseval
N −1 N −1
∑ x ( n) ∑ X (k )
2 −1 2
=N
n =0 k =0
Propiedades de la DFT
Transformada de funciones reales pares
xer(n)↔Xer(k)
Transformada de funciones impares reales
xor(n)↔jXoi(k)
Propiedades de la DFT
Asuma que x(n) y y(n) son las partes real e
imaginaria de una secuencia compleja x(n),
es decir:
z(n)=x(n)+jy(n)
Entonces
z(n) ↔ Z(k)=X(k)+jY(k)
Aplicaciones de la FFT
Filtrado
Analizadores de Espectro
Convolución
Densidad Espectral de Energía
Funciones de Autocorrelación
Identificación del Sistema
Recuperación de la Señal
Deconvolución
Selección de Parámetros para el
Procesamiento de la Señal con DFT
En el procesamiento de una señal por medio de DFT
o FFT, el teorema de muestreo requiere que la tasa
de muestreo sea de fs ≥2W muestras por segundo,
donde W es el ancho de banda de la señal. Asuma
una ventana de T segundos con una DFT de N
puntos, la tasa de muestreo es fs = N/T.
fs 1
∆f = =
N T
Lo que se conoce como resolución en frecuencia.
Combinando estas ecuaciones se tiene:
1 2W
∆f = ≥ Hz
T N