Densidad espectral

Ir a la navegaciónIr a la búsqueda

DEP de una señal aleatoria en la banda de 0kHz-20kHz estimada mediante el método de Welch.

En matemáticas y en física, la Densidad Espectral (Spectral Density) de una señal es una

función matemática que nos informa de cómo está distribuida la potencia o
la energía (según el caso) de dicha señal sobre las distintas frecuencias de las que está
formada.

La definición matemática de la Densidad Espectral (DE) es diferente dependiendo de si se

trata de señales definidas en energía, en cuyo caso hablamos de Densidad Espectral de
Energía (DEE), o en potencia, en cuyo caso hablamos de Densidad Espectral de
Potencia (DEP).

Aunque la densidad espectral no es exactamente lo mismo que el espectro de una señal, a

veces ambos términos se usan indistintamente, lo cual, en rigor, es incorrecto.

Definición matemática[editar]
Señales definidas en energía[editar]

Una señal es definida en energía si su energía media es finita, i.e, y por tanto,
su potencia media es cero. Otra forma de decir lo mismo es si la integral de su valor
absoluto al cuadrado existe y es finita.
Su DEE es

expresado en [J/Hz]

donde es la Transformada de Fourier de , la integral de esta función en todo

el eje es el valor de la energía total de la señal

Señales definidas en potencia[editar]

Una señal es definida en potencia si su potencia media es finita, i.e, y

por tanto, su energía media es infinita, .

 La DEP se calcula usando el Teorema de Wiener-Khinchin el cual relaciona la
DEP con la transformada de Fourier de la función de autocorrelación

expresado en [W/Hz]

donde significa Transformada de Fourier y es la función de

autocorrelación de .

El valor es la potencia de la componente continua (DC) de la señal. La

integral de esta función en todo el eje es el valor de la potencia total de

la señal

Usando el concepto de correlación cruzada es posible definir también

la densidad espectral cruzada.

Nota: En realidad, la definición de la DEP sirve también para las

señales definidas en energía, que serían un caso particular. En este
caso la Transformada de Fourier de la autocorrelación de la
señal x(t) sería simplemente la transformada de Fourier de la
señal x(t) al cuadrado, es decir, la DEE.

Propiedades[editar]
Relativas a los sistemas lineales e invariantes con el
tiempo[editar]

En un sistema lineal e invariante con el tiempo en el que es la entrada, la

respuesta al impulso e la salida del sistema. Tenemos las siguientes propiedades:

donde es la media de y es la densidad espectral cruzada

entre e
 Suma de procesos[editar]
En general, la Densidad Espectral de la suma NO es suma de Densidades
Espectrales. Esto sólo es cierto si ambos procesos no están
correlacionados. En general, si tenemos:

donde e son conjuntamente estacionarios, entonces

E
s
Estimaciónt de la densidad espectral[editar]
i muy común y con grandes aplicaciones prácticas en procesado de señal es
Un problema
m la densidad espectral de potencia de una señal aleatoria estacionaria.
el de estimar
Decimos "estimar" puesto que, como la señal es un proceso estocástico (estacionario)
a
dada la naturaleza estocástica del mismo no es posible determinar con absoluta precisión
c
su DEP a no ser que dispongamos de un registro de señal infinito, lo cual no es posible.
Las técnicas de estimación se dividen en dos grandes grupos:
i
ó
 No Paramétricas. Están basadas siempre de una u otra forma en el cálculo
del periodograma. Calcular la transformada de fourier (en un ordenador es la DFT) de
n de señal para estimar su espectro es un ejemplo de técnica no paramétrica.
un registro
 Paramétricas. Consisten en suponer un determinado modelo para el proceso
d (modelos AR, MA, ARMA, etc) y en la estimación de los parámetros de
estocástico
estosemodelos mediante técnicas de predicción lineal (filtrado lineal óptimo) u otros
métodos.
Acercal de los procesos estocásticos no estacionarios[editar]
La DE sóloa está matemáticamente bien definida en el caso de señales con una función de
d estacionaria, i.e, que no dependa de la posición de las variables aleatorias
autocorrelación
que componen el proceso sino sólo de la distancia entre ellas. Es decir, la DE sólo está
e para el caso de señales deterministas y señales aleatorias estacionarias.
bien definida
Un proceson aleatorio no estacionario que es estacionario a trozos se llama cuasi-
estacionario y es posible definir la DEP en cada uno de estos trozos. Para estimar la DEP
s de procesos lo normal es usar un método de estimación espectral paramétrico
en este tipo
i
adaptativo (por ejemplo mediante un modelo AR y el algoritmo LMS para identificar el
modelo AR).
d
Aplicaciones
a [editar]

d
 Intuitivamente, la Densidad Espectral sirve para identificar periodicidades escondidas
en unae función de variable continua o de variable discreta (secuencia de números)
 Estimar la entropía de un proceso aleatorio (las señales deterministas obviamente no
tienensentropía). Cuanto más plana es la DEP de una señal aleatoria, más entropía
p
e
c
t
 contiene. Una señal aleatoria cuya DEP sea perfectamente plana se llama ruido
blanco, no contiene redundancia y por tanto no puede ser comprimida (sin pérdidas).
 Una vez conocida su entropía, comprimir con o sin pérdidas una señal de audio o
vídeo (codecs FLAC/MP3/OGG, DIVX/THEORA/etc) o restaurar sus propiedades
 Proporciona información muy valiosa sobre la dinámica interna de muchos sistemas
físicos. Sirve para identificar elementos o compuestos químicos (espectroscopia).
También sirve para la identificación de modelos matemáticos lineales en teoría de
control

Referencias[editar]
 "Tratamiento digital de señales. Principios, algoritmos y aplicaciones". John G. Proakis,
Dimitris G. Manolakis. Prentice Hall, ISBN 0-13-373762-4