Documente Academic
Documente Profesional
Documente Cultură
;
N
j n
e
es un ejemplo de funci"n peri"dica discreta.
:l anlisis de Fourier en tiempo discreto es similar a su anlogo en tiempo
continuo, pero una de las grandes diferencias que presenta en que las series
a#ora no presentaran infinitos trminos sino que estarn determinados por el
n=mero del periodo N.
6na se!al peri"dica puede representarse en trminos de exponenciales
complejas de la forma<
;
;
&
; &
B C ( )
N
N
jk n
k
k N
x n a e con N N N
(;.&)
:sta es la representaci"n de una serie de Fourier de una se!al discreta
peri"dicaD para #allar el /Esimo coeficiente a
k
multipliquemos por
;
N
jr n
e
ambos
miembros en (;.&)<
;
; ; ;
&
B C
N N N
N
jr n jr n jk n
k
k N
e x n a e e
D. L. LL. FIEE-UNI
1
-N
1
n
-N
1
x
p
[n]
n
x[n]
N
2
N
2
MATEMATICAS V TRANSFORMADA RAPIDA DE FOURIER
Fuesto que x[n] es peri"dica da lo mismo que
& ;
B , n N N
o
B(, n N
. #ora
tomando sumatoria para < ( n N:
; ; ; ;
& & & & &
( )
( ( ( ( (
B C
N N N N
N N N N N
jr n jr n jk n j r k n
k k
n n k k n
e x n a e e a e
(G)
Fero $eamos que<
;
;
;
&
(
( ) &
( D (, , ; ,
&
D (, , ; ,
N
N
N
j s
N
N
js n
j s
n
e
s N N
e
e
N s N N
p
p
p
-
=
K
K
:ntonces en (G)<
; ;
& & &
( )
( ( (
B C
N N
N N N
jr n j r k n
k r
n k n
e x n a e a N
, luego<
;
&
(
&
B C
N
N
jk n
k
n
a e x n
N
(;.;)
:sta =ltima se llama ecuacin de anlisis, es aplicable solo a una funci"n
peri"dica para obtener su la serie discreta de Fourier (5DF). Heamos a#ora
que en analog8a a la $ariable continua nuestros resultados se pueden extender
para #allar la 5DF de se!ales de duraci"n finita como se $e en la figura<
(a)
(b)
F0%67 &<
#ora, sea x[n] una se!al aperi"dica de duraci"n N podemos construir una
se!al peri"dica x
p
[nC de periodo N tal que<
< <
'
< <
& ;
; &
B C D
B C
( D
p
x n N n N
x n
N n y n N
(GG)
:ntonces podemos #allar la representaci"n de la 5DF de x
p
[n] sobre
< <
& ;
N n N
en donde se debe cumplir que
;
&
&
(
B C
N
jk n
N
k n p N
a e x n D a#ora para
D. L. LL. FIEE-UNI
2
MATEMATICAS V TRANSFORMADA RAPIDA DE FOURIER
que x
p
[n] se acerque mas a x[n] podemos #acer que el periodo sea ms
grande, es decir que en la figura.&.b los ciclos de x
p
[n] estarn cada $e@ ms
alejados - como
< <
& ;
B C ( x n n fuera de N n N
, podemos escribir<
;
&
B C
N
jk n
k
n
a e x n
N
(;.I)
Definamos la funci"n
+
( ) B C
j j n
n
X e x n e
, entonces en (;.I) $emos que<
&
( )
o
j k
k N
a X e , con
;
o N
, de lo cual llegamos a<
+
( ) B C
o o
j k jk n
n
X e x n e
(;.J)
:sta expresi"n se conoce como la transformada de Fourier en tiempo
discreto. partir de (;.&) se obser$a que x[n] se puede expresar tambin
como<
+
&
B C ( )
o o
j k jk n
k
x n X e e
N
(;.))
,omo
( )
o
j k
X e es peri"dica podemos coger el inter$alo de la sumatoria de ( a
N-1, luego<
& &
( (
&
B C ( ) ( ) B C
o o o o
N N
j k jk n j k jk n
k n
x n X e e X e x n e
N
(;.4)
2.2 TRANSFORMADA DISCRETA DE FOURIER (DFT):
,on el resultado de (;.4) podemos intentar calcular la transformada para un
conjunto de N datos, por simplicidad #agamos
( ) ( )
o
j k
X e X k -
;
o N
N
jk n j k kn
e e w , desarrollando<
+ + +
+ + +
+ + +
K K K
K
M M M
K
;
;
;
(()
&
(
(&)
& &?( &?& &?( &)
(
( &)
& ( &)( ( &)& ( &)( &)
(
(() B C (& & &)
(&) B C ( )
( &) B C ( )
N
N
N N N
N
N N N
j n
N
n
j n
N N
n
j N n
N N N N N
n
X e x n
X e x n w w w
X N e x n w w w
Fuede ser expresado de forma matricial como<
1
_ _
1
1
1
1
1 , ,
]
L
M
M M L O M M
L
(&)(&) (&)( &)
( &)(&) ( &)( &)
& & &
(() B(C
&
(&) B&C
( &) & B &C
N N
N N
N
N N N
X x
w w
X x
X N w w x N
(;.A)
:qui$alente a< [ ]
X x
, donde W es denominada matriz de Fourier. 6n
#ec#o mu- importante - e$idente es que W es una matri@ simtrica .
#ora $eamos algunos casos prcticos en donde se usa la DFT<
2.3 EJEMPLOS DE LA DFT
D. L. LL. FIEE-UNI
3
MATEMATICAS V TRANSFORMADA RAPIDA DE FOURIER
a.- :jecutemos la DFT para el siguiente caso (NKJ) por el mtodo ordinario<
,alculando los $alores de
;
J
( )
( )
j kn
kn kn
N
w e j :
n
k
! 1 2 "
! e
!#!
$1 e
!#1
$1 e
!#2
$1 e
!#"
$1
1 e
1#!
$1 -j -1 j
2 e
2#!
$1 -1 1 -1
" e
"#!
$1 j -1 -j
:ntonces de la formula (;.A)<
1 _ _ _
1
+
1
1
1
] , , ,
& & & & & (() &(
& & ; (&) ; ;
& & & & I (;) ;
& & J (I) ; ;
X
j j X j
X
j j X j
(;.'.&)
b.- Heamos a#ora el caso para nK'<
Frocediendo como en el caso anterior encontramos a#ora que<
_
+ +
+ +
+ +
+ +
,
; ; ; ; ; ; ; ;
; ; ; ; ; ; ; ;
; ; ; ; ; ; ; ;
; ; ; ; ; ; ; ;
; ; ; ; ; ; ; ;
; ; ; ; ; ; ; ;
; ; ; ; ; ; ; ;
; ; ; ; ; ; ; ;
& & & & & & & &
& &
& & & &
& &
& & & & & & & &
& &
& & & &
& &
j j j j j j
j j j j
j j j j j j
j j j j j j
j j j j
j j j j j j
(2.8.2)
:ntonces ejecutando x X , obtenemos<
k 0 1 2 3 4 5 6 %
X&k' 36 -4
-!"65
-4 -4 -4
-1"65
-4 -4
#1"65
-4 #4 -4
#!"65
D. L. LL. FIEE-UNI
n 0 1 2 "
x[n] 1 2 3 4
n 0 1 2 3 4 5 6 A
x[n] 1 2 3 4 5 6 7 8
4
MATEMATICAS V TRANSFORMADA RAPIDA DE FOURIER
(G) OBSERVACIN:
Heamos que en la ec. (;.'.&) pudimos #aber reali@ado la siguiente
factori@aci"n<
.bser$emos que<
;
J
J
( )
j nk
nk nk
w e j
:ntonces<
I
( J
( ) B C
nk
n
X k x n w
Desarrollando< + + +
; I
( ) B(C B&C( ) B;C( ) BIC( )
k k k
X k x x j x j x j
+ + + B(C B&C( ) B;C( &) BIC( )
k k k
x x j x x j
7eordenando< + + + ( ) ( B(C B;C( &) ) ( B&C BIC( &) )( )
k k k
X k x x x x j (G.&)
+ + + + + ( B;?(C B;?&C( &) ) ( B;?( &C B;?& &C( &) )( )
k k k
x x x x j
L sea a#ora<
+ B C B; C , B C B; &C D (,&
par ipm
x r x r x r x r r
L adems como el $alor de (E&)
/
solo depende de si / es par o impar,
podemos #acer que<
+ ( ) ( B(C B&C( &) )
r
par par par
X r x x
, -
+ ( ) ( B(C B&C( &) )
r
ipm ipm ipm
X r x x
. :ntonces para $isuali@ar esto mejor
desarrollemos (G.&) para este caso<
+ + +
+ + +
+ + +
+ + +
(() ( B(C B;C(&) ) ( B&C BIC(&) )(&)
(&) ( B(C B;C( &)) ( B&C BIC( &) )( )
(;) ( B(C B;C(&) ) ( B&C BIC(&) )( &)
(I) ( B(C B;C( &) ) ( B&C BIC( &))( )
X x x x x
X x x x x j
X x x x x
X x x x x j
(G.;)
:n donde xB(CK&, xB&CK;, xB;CKI, xBICKJ, entonces
(() J D (&) ;
par par
X X
-
(() 4 D ( ;)
ipm ipm
X X
, entonces<
+
+ +
+
+
(() (() (()(&) &(
(&) (&) (&)( ) ; ;
(;) (() (()( &) ;
(I) (&) (&)(&) ; ;
par ipm
par ipm
par ipm
par ipm
X X X
X X X j j
X X X
X X X j
(G.I)
Mue es el mismo resultado que obtu$imos anteriormente, pero a#ora se
necesitaron efectuar menos multiplicaciones. La ec. (G.I) nos in$ita a
#acer el siguiente diagrama de desarrollo<
x[0] X
par
(0)
X(0)
x[] X
par
(!)
X(!)
x[!] X
"#p
(0)
X()
x[$] X
"#p
(!)
X($)
F0%67 ;
D. L. LL. FIEE-UNI
5
MATEMATICAS V TRANSFORMADA RAPIDA DE FOURIER
:n la ecuaci"n (;.A) - de los ejemplos a - b notamos que el n=mero de
multiplicaciones complejas a ejecutar es N
2
(sin considerar el #ec#o que
(
&
N
w
). :l mtodo matricial que #emos $isto en la prctica es ejecutado por un
computadorD sin embargo cuando N es mu- grande como en se!ales de $ideo
- audio digitales
4
&( N - se debe reali@ar &(
&;
multiplicaciones
aproximadamente, entonces los clculos resultaran mu- tediosos, ocupar8an
muc#a memoria - adems tomaran muc#o tiempo.
:sto =ltimo fue la moti$aci"n para desarrollar un mtodo ms directo para
calcular la DFT, el algoritmo de la transformada rpida de Fourier FFT, el cual
acabamos de introducir impl8citamente en la obser$aci"n anterior.
3. DEDUCCIN DEL ALGORITMO FFT DE COOLEY TUEY:
Na-
Fartamos de la DFT para una se!al dada polinomialmente como<
&
?
(
( ) B C
N
k n
N
n
X k x n w
(I.&)
#ora asumiendo que el n=mero de datos > es par, descomponemos la
sumatoria en sus trminos pares e impares<
+
+ +
O ; & O ; &
?; ?(; &)
( (
( ) B; C B; &C
N N
k n k n
N N
n n
X k x n w x n w
+ +
O ; & O ; &
?; ?;
( (
B; C B; &C
N N
k n k k n
N N N
n n
x n w w x n w
5ea a#ora<
+ B; C B C B; &C B C x n f n y x n ( n
, donde el nue$o
B(, O ; &C n N
notemos que podemos #acer que
; ;
O ;
?; ?
?;
O ;
N N
j k n j k n
k n kn
N N
w e e w , -
definamos a<
O ; & O ; &
? ?
O ; O ;
( (
( ) B C ( ) B C
N N
k n k n
N N
n n
F k f n w ) k ( n w
(I.;)
dems $eamos que F&k' y )&k' son tambin peri"dicas<
+
+
;
O ;
O ; & O ; &
( O ;)?
( O ;)? ?
O ; O ;
( (
( O ;) B C B C ( )
N
N N
j N n
k N n k n
N N
n n
F k N f n w f n w e F k
nlogamente para )&k'* con N+2 como periodo m8nimo. :ntonces nuestro
problema de calcular una DFT para N datos se redujo a#ora a calcular ; DFT
para N+2 datos cada una . >ue$amente asumamos que N+2 es par - a#ora, para
F&k',
+
+ +
O ; & O J & O J &
? ?; ?(; &)
O ; O ; O ;
( ( (
( ) B C B; C B; &C
N N N
k n k n k n
N N N
n n n
F k f n w f n w f n w
+
O ; & O J & O J &
? ?; ?;
O ; O ; O ; O ;
( ( (
B C B C B C B(, O J &C
N N N
k n k n k k n
N f N N f N
n n n
f n w f n w w ( n w n N
Donde f
f
, (
f
son lo mismo para f[n] que para x[n]-
De igual forma para ([n],
D. L. LL. FIEE-UNI
6
MATEMATICAS V TRANSFORMADA RAPIDA DE FOURIER
+
+ +
O J & O J &
?; ?(; &)
O ; O ;
( (
( ) B; C B; &C
N N
k n k n
N N
n n
) k ( n w ( n w
+
O J & O J &
?; ?;
O ; O ; O ;
( (
B C B C B(, O J &C
N N
k n k k n
( N N f N
n n
f n w w ( n w n N
:s decir que a#ora sobre f[n] - ([n] se reali@an J DFT de longitud N+..
:ntonces podr8amos #acer m=ltiples di$isiones del inter$alo B(,N-1C mientras
se pueda di$idir N entre ;.
#ora estamos listos para generali@ar el mtodo, entonces<
5ea x un $ector de datos, de longitud N =;
m
. :ntonces sobre el inter$alo
B(,N-1C se pueden reali@ar m particiones como se mostr" anteriormente #asta
llegar a una DFT de longitud ; ,esta es la unidad bsica del FFT conocida
como mariposa (o butterfl- en ingles) en donde solo se necesitara una
multiplicaci"n - ; sumas complejas< como se muestra en la figura<
Figura I< Los elementos computacionales bsicos de la transformada rpida de Fourier es la
mariposa. Toma dos n=meros complejos, representados por a - /, - forma las cantidades
mostradas. ,ada mariposa requiere una multiplicaci"n compleja - dos sumas complejas.
3.1 EJEMPLO DEL ALGORITMO FFT
Fara especificar la idea realicemos nue$amente el ejemplo b, para >K;
I
por el
algoritmo FFT<
Desarrollando<
A ?
( '
( ) B C
k n
n
X k x n w
(I.&.&)
+ + + + + + +
( ; I J ) 4 A
' ' ' ' ' ' ' '
B(C B&C B;C BIC BJC B)C B4C BAC
k k k k k k k k
x w x w x w x w x w x w x w x w
Donde se cumple para w<
+
+
; ;
' J
; ; ;
' ' J
; ? ?
; ? ?
' J
(; &)? ?
(; &)? ?
' J '
j n k j n k
n k n k
j n k j k j n k
n k n k k
w e e w
w e e e w w
grupando trminos pares con impares<
+ + +
( ; I
J J J J
( ) ( B(C B;C BJC B4C )
k k k k
X k x w x w x w x w
+ + + +
( ; I
J J J J '
( B&C BIC B)C BAC )
k k k k k
x w x w x w x w w
Tomamos<
+ B; C B C B; &C B C , (,&,;,I x r f r y x r ( r r
,luego<
+ + +
( ; I
J J J J
( ) ( B(C B&C B;C BIC )
k k k k
X k f w f w f w f w
+ + + +
( ; I
J J J J '
( B(C B&C B;C BIC )
k k k k k
( w ( w ( w ( w w (I.&.;)
Fero dentro de cada parntesis de (I.&.;) podemos reali@ar una nue$a
factori@aci"n, sabiendo que<
D. L. LL. FIEE-UNI
7
MATEMATICAS V TRANSFORMADA RAPIDA DE FOURIER
+
+
; ;
J ;
; ; ;
J ; J
; ? ?
; ? ?
J ;
(; &)? ?
(; &)? ?
J ; J
j n k j n k
n k n k
j n k j n k j k
n k n k k
w e e w
w e e e w w
:ntonces< ( )
+ + +
; ;
J J J
( ) ( B(C B;C ) ( B&C BIC )
k k k
X k f f w f f w w
( )
+ + + +
; ;
J J J '
( B(C B;C ) ( B&C BIC )
k k k k
( ( w ( ( w w w
>ue$amente<
+ B; C B C B; &C B C , (,&
f (
f s f s y f s f s s
, luego<
( )
+ + +
; ; J
( ) ( B(C B&C ) ( B(C B&C )
k k k
f f ( (
X k f f w f f w w
( )
+ + + +
; ; J '
( B(C B&C ) ( B(C B&C )
k k k k
f f ( (
( ( w ( ( w w w
(***)
7empla@ando los 8ndices iniciales<
( )
+ + +
;
( ) ( B(C BJC ) ( B;C B4C )
j k
j k j k
X k x x e x x e e
( )
+ + + +
; J
( B&C B)C ) ( BIC BAC )
j k j k
j k j k
x x e x x e e e
KP ( )
+ + + ( ) ( B(C BJC( &) ) ( B;C B4C( &) )( )
k k k
X k x x x x j
( )
+ + + +
J
( B&C B)C( &) ) ( BIC BAC( &) )( )
j k
k k k
x x x x j e (I.&.I)
:sta es la forma general de se obtiene /Esimo termino para >K', adems
$emos que se debern ejecutar J DFT de longitud ;, - los resultados que se
obtengan se usaran para ejecutar ; DFT de longitud J, para lo cual se reali@o I
particiones. Fara interpretar lo que indica la ec. (I.&.I) $eamos la figura J,
donde cada flec#a en diagonal representa una suma - las acompa!an sus
factores multiplicati$os<
F0%67 J
:l n=mero total de clculos que se reali@ara sern NK' sumas para cada etapa
- log
;
NKI etapas, #aciendo el n=mero de procesos bsicos de (')(I)KN 0o(
2
N.
:n general se cumple que para la FFT el n=mero de clculos es< N 0o(
2
N.
D. L. LL. FIEE-UNI
8
MATEMATICAS V TRANSFORMADA RAPIDA DE FOURIER
,omparando con la DFT de N
;
clculos. Fara cuantificar la diferencia $eamos
la siguiente tabla para distintos $alores de N<
N ; J ' &4 I; 4J &;' ;)4 )&; &(;J
$
2
J &4 4J ;)4 &(;J J(34 &4I'J 4))I4 ;4;&JJ &(J')A4
$lo%2$
; ' ;J 4J &4( I'J '34 ;(J' J4(' &(;J(
:l n=mero de clculos es directamente proporcional al tiempo de soluci"n<
FIGURA 5< :sta figura muestra que tan lento crece
el tiempo de soluci"n de un proceso de >log;>.
:sta diferencia en la rapide@ de clculos de la FFT Q computaci"n digital fue
completamente responsable de la 9explosi"n9 del Frocesamiento Digital de
5e!ales D5F en los a!os 4(Rs.
Fara terminar #a- que mencionar que el algoritmo FFT se encuentra
implementado en muc#os programas de computaci"n. Heamos las
instrucciones que se usan en el 2TL1 para el ejecutar el ejemplo a - b:
a.EFara nK;
;
<,xK(&,;,I,J)<
>> x=1:1:4
x =
1 2 3 4
>> y=fft(x)'
y =
10.0000
-2.0000 - 2.0000i
-2.0000
-2.0000 + 2.0000i
b.EFara nK;
I
,xK(&,;,I,J,),4,A,')
>> x=1:1:8
D. L. LL. FIEE-UNI
9
MATEMATICAS V TRANSFORMADA RAPIDA DE FOURIER
x =
1 2 3 4 5 6 7 8
>> y=fft(x)'
y =
36.0000
-4.0000 - 9.6569i
-4.0000 - 4.0000i
-4.0000 - 1.6569i
-4.0000
-4.0000 + 1.6569i
-4.0000 + 4.0000i
-4.0000 + 9.6569i
(G) manera de extensi"n dejamos adjuntado un art8culo donde se muestra la
deducci"n del FFT de forma matricial en los anexos
4. REFERENCIAS BIBLIOGRAFICAS
B&C .E .ppen#eim, . H. D +ills/-, . 5.D >aSab, 5.N.< 5:TL:5 L 505T:25<
:d. Frentice Nall< 2xico<&33'.
Fg.<;&& a ;&IEI)' a I4&EJ&A a J;(.
B;C.E7ojas, H. D.< T7>5F.72D U< F0::E6>0< LimaEFer=. ;((&
Fg.< 3I a &().
7eferencias en 0nternet<
Hisitar<
,oole-ETu/e- FFT algorit#m E +i/ipedia, t#e free
enc-clopedia.#tm
2at#SorldVSolframVcomEFastFourierTransform.#tm
Deri$ando la Transformada 7pida de Fourier.m#t
:cuaci"n de 2atri@ para la DTF5.m#t
D. L. LL. FIEE-UNI
1