Anlisis de Seales

Captulo III: Transformada de Fourier discreta

Profesor: Nstor Becerra Yoma

3.1 Teorema del Muestreo

Gran desarrollo de la computacin => digitalizacin de seales mediante muestreo, posterior reconstruccin de la seal Condicin necesaria en el proceso para no perder informacin: teorema del muestreo:
Una seal de ancho de banda B [Hz] puede ser muestreada sin prdida de informacin si se toman valores con una separacin menor o igual a 1/(2B) segundos.

3.1 Teorema del Muestreo

Primera aproximacin: muestreo usando tren de pulsos
f (t )

PT (t ) : pulsos, periodo T

f S (t ) = f (t ) PT (t )

3.1 Teorema del Muestreo

f S (t ) = f (t ) PT (t )
PT() es peridica
jn0t

f S (t ) = f (t ) Pn e
n =

jn0t { f S (t )} = f (t ) Pn e n =

{ f S (t )} = { f S (t )} =

n =

jn0t P f ( t ) e n

}
El espectro F() se repite

n =

P F ( n )
n 0

3.1 Teorema del Muestreo

{ f S ( t )} = P0 F( ) +
n = n0

Pn F( n0 ), 0 =

2 T

f (t ) PT (t )

F ( )

PT ( ) FS ( )
0

f S (t )

3.1 Teorema del Muestreo

FS ( )
0

0 =

2 T

Si el T de muestreo aumenta => 0 disminuye => se puede producir traslape de espectros para T muy grande. El traslape se alcanza cuando:
2 1 0 = = 2W T = T 2B
(frecuencia de Nyquist)

Para evitar traslape:

1 T< 2B

3.1 Teorema del Muestreo

Reconstruccin de la seal => efecto prctico: pasa la banda entre -0/2 y 0/2
F ( ) FS ( ) FRECONSTR ( )

3.2 Efecto alias

Traslape espectral: efecto alias, T muy grande Resultado: distorsin de la seal al reconstruirla.
F ( ) FS ( ) FRECONSTR ( )

3.2 Efecto alias

Solucin: filtro prealias: baja la distorsin
F ( ) F2 ( ) FS ( ) FRECONSTR ( )

3.2 Efecto alias

En general, el espectro de una seal se hace menor a medida que aumenta la frecuencia La principal distorsin se produce cerca de 0/2
FRECONSTR ( )

Distorsin alta Distorsin baja

3.2 Efecto alias

Estimacin de la cantidad de efecto alias (comparativo):

F ( )

0
2

0
2
2

0 2 =0 / 2 F ( ) d 0 %alias = 0 / 2 2 F ( ) d
=0

El trmino cuadrtico penaliza el alias para frecuencias cercanas a 0/2

3.3 Transformada de Fourier discreta

Se tiene N muestras uniformemente distribuidas f (kT ) = f (0), f (T ), f (2T ), ... , f (( N 1)T )
T

NT

La transformada de Fourier discreta (DFT) se define como: N 1 2 j n kT = Fd (n) = f (kT )e NT k =0

3.3 Transformada de Fourier discreta N 1 2 Fd (n) = f (kT )e j n kT = NT k =0

Fd (n) = f (kT )e
k =0 N 1 jn 2 k N

y T no aparecen de forma explcita en la DFT Se puede obtener a partir de la transformada de Fourier, haciendo aproximaciones

3.3 Transformada de Fourier discreta

Sea:
f (t ) 0 t < NT ~ f (t ) = otro caso 0

Su transformada es:
NT ~ F ( ) = f (t )e jt dt t =0 N 1 ~ F (n) f (kT )e jnkT T k =0

/ n, t nT

Luego:

~ TFD (n) = F ( ) | = n

3.3 Transformada de Fourier discreta

El espectro obtenido es peridico, de periodo N:

FD (n + N) = f (kT )e j (n + N )kT
k =0

N 1

= f (kT )e
k =0 N 1 k =0

N 1

jnkT

jNkT

2 / = NT

= f (kT )e jnkT e j 2k = FD (n)

3.3 Transformada de Fourier discreta

La exactitud en el clculo de la transformada tambin es afectada por el efecto alias. La transformada es peridica => la frecuencia ms alta que se puede determinar corresponde a n=N/2, es decir, (N/2)=1/(2T) => de acuerdo al teorema del muestreo

3.3 Transformada de Fourier discreta

Tambin hay una transformada inversa de Fourier discreta: 1 N 1 f (kT ) = FD (n)e jnk N n =0 La transformada inversa es exacta respecto a la transformada directa, a menos que se produzca efecto alias. La transformada inversa es peridica, periodo NT Propiedades semejantes a la transformada de Fourier continua.

3.4 Transformada de Fourier rpida

El clculo de la DFT requiere N2 multiplicaciones. Tiempo de clculo excesivo para N grande. Algoritmo FFT (fast Fourier transform): permite calcular la DFT de forma rpida: Nlog2N multiplicaciones. Dos formas de visualizarla: a partir de sumas por bits o a partir de paridad/imparidad.

3.4 Transformada de Fourier rpida

La notacin WN para la exponencial de la DFT:
Dado N, se define WN como el crculo unitario dividido en N partes, con ngulos negativos
WN = e
j T

=e

2 N

WN = 1

360 N
j 2 2 N N x N

Im
W8 W8
4 3 5

W8

W8

WN
0

Nx

=e

=1
j 2 N /2

W8 W8
2

Re

WN = e
2 x

j 2

=e

= WN / 2

W8

1 8

W N * = WN

= WN

(N x)

3.4 Transformada de Fourier rpida

Forma 1 (ejemplo para 4 puntos):
Fd (n) = f (kT )e j n kT
k =0 3 N 1

Fd (n) = f (kT )W4 , WN = e

nk k =0

j T

=e

2 N

Se pueden escribir k y n como nmeros binarios:

k = (k1 , k0 ) = {00, 01, 10, 11}, k = 2k1 + k0 n = (n1 , n0 ) = {00, 01, 10, 11}, n = 2n1 + n0

3.4 Transformada de Fourier rpida

Luego:
FD ( n1 ,n0 ) =
k0 = 0 k1 = 0

f ( k1 ,k0 )W4( 2 n1 + n0 )( 2 k1 + k0 )

W4( 2 n1 + n0 )( 2 k1 + k0 ) = W4 2 n0 k1 W4( 2 n1 + n0 )k0 W4 4 n1k1 = 1 1 ( 2 n + n )k 2 n0 k1 FD ( n1 ,n0 ) = f ( k1 ,k0 )W4 W4 1 0 0 k0 = 0 k1 = 0

1

f1 (n0 , k0 )

f 2 (n0 , n1 )

3.4 Transformada de Fourier rpida

f1 (n0 , k0 ) = f (k1 , k0 )W4
k1 = 0 1 1 2 n0 k1

f1 (n0 , k0 ) = f (k1 , k0 )W2

k1 = 0 1

n0 k1

Una para pares, otra para impares Suma ponderada de las anteriores

f 2 (n0 , n1 ) =

k0 =0

f (n , k )W
1 0 0

( 2 n1 + n0 ) k 0

FD (n1 , n0 ) = f 2 (n0 , n1 )

3.4 Transformada de Fourier rpida

Ejemplo: mariposa para 4 puntos:
f (k )
f ( k1 , k 2 )

f1 (n0 , k0 )

f 2 (n0 , n1 )

f D ( n) f D ( 0)

f(0)

f (00)

*W 0

*W 0

f 2 (00)

f (1 ) f(2) f (3)

f (01) f (10) f (11)

*W 0 *W 2 *W 2

*W 2 *W 1 *W 3

f 2 (10) f 2 (01) f 2 (11)

f D (1) f D ( 2) f D (3)

3.4 Transformada de Fourier rpida

DFT: lento (N2), requiere poca memoria FFT: rpido (N log2 N), requiere bastante memoria (recursivo), requiere que el nmero de puntos sea potencia de 2. N 2 32 256 1024 N2 4 1024 2048 1048576 N log2N 2 160 65536 10240

3.4 Transformada de Fourier rpida

Resumen FFT:
1. Se elige el n de muestras tal que N=2r con r entero. Si es necesario, se pueden incluir ceros aumentados. 2. Para N muestras en el tiempo existen N frecuencias distintas. 3. Como resultado de la extensin peridica, los puntos de muestra 0 y N son iguales, tanto en el tiempo como en la frecuencia (f0=fN; FD0=FDN) 4. Las componentes de frecuencia positiva estn en (0,N/2), las componentes de frecuencia negativa estn en (N/2,N). Ocurre lo mismo en el tiempo (tiempos positivos y negativos)

3.4 Transformada de Fourier rpida

5. Para funciones de valor real, las componentes de frecuencia positiva son complejas conjugadas de las componentes de frecuencia negativa. Los puntos n=0 y n=N/2 son comunes a ambos, por lo que tienen valor real. 6. La componente de frecuencia ms alta (es decir, n=N/2) corresponde a 1/(2T) [Hz]. La frecuencia mxima visible se puede aumentar disminuyendo el espaciamiento entre frecuencias en el tiempo

3.4 Transformada de Fourier rpida

7. El espaciamiento entre componentes de frecuencia es 1/(NT) [Hz], se puede disminuir agregando ceros aumentados a la secuencia de muestras

3.4 Transformada de Fourier rpida

f (kT ) k (tiempo)

T NT
FD (n)
2 /( NT ) n ( frecuencia)

2 / T