La transformada de Fourier descompone una señal en el dominio del tiempo en componentes sinusoidales en el dominio de la frecuencia. Jean Baptiste Joseph Fourier descubrió que cualquier función puede representarse como la suma de funciones sinusoidales. La transformada de Fourier nos permite analizar señales en el dominio de la frecuencia, lo que es útil para extraer información codificada en la frecuencia de la señal.
2.
Transformadas de Fourier
Jean Baptiste Joseph Fourier (1768 –
1830)
Contribuyo a la idea de que una
función puede ser representada por
la suma de funciones sinusoidales
f (t) cak
k 1
cos(
2kt
)
T
bk
k 1
sin(
2kt
)
T
6. Trasformada de Fourier
Es interesante descomponer una
señal en sinusoides por la:
• FIDELIDAD SINUSOIDAL
Eso garantiza que si entra un
sinusoide a un sistema lineal solo
variará su fase y su amplitud pero su
frecuencia sera la misma
7. Transformadas de Fourier
Dependiendo del tipo de función que
se desee transformar se utilizan
diferentes métodos
8. Transformadas de Fourier
Aperiodiodicas
Continuas
Transformada de Fourier
Periódicas Continuas
Series de Fourier
Aperiódicas Discretas
T. Discreta en Tiempo de
Fourier
Periódicas Discretas
Transformada Discreta de
10. Transformada de Fourier
Nosotros manejamos señales con un
número finito de muestras
Hay dos opciones
• Convertirlas a Aperiódicas Discretas
• Convertirlas a Periódicas Discretas
Para sintetizar una señal aperiódica
se necesita un número infinito de
sinusoides
11. Transformada de Fourier
Por lo tanto nos concentraremos en
la Transformada Discreta de Fourier
Llamada más comúnmente por su
siglas en ingles DFT
Para hacerlo debemos pensar en la
señal digital como periódica, o sea
que se repite indefinidamente
12. Transformada de Fourier
Existen dos maneras de atacar
matemáticamente la DFT
• DFT Sinusoidal (Real)
• DFT Exponencial (Complejo)
13.
DFT Real
Se basa en calcular los coeficientes
de la siguiente ecuación:
x[n]
N /2
ak
k 0
cos(2kn / N) )
N /2
bk
k 0
sin(2kn/ N)
Re X[n]
Im X[n]
a[n]
b[n]
16. DFT Complejo
Se basa en la identidad
eix
cos(x) isen(x)
De tal manera que:
17. Real vs. Complejo
La verdadera transformada de
Fourier es compleja por naturaleza
Hacerla real permite estudiarla
mejor, pero introduce ciertos
problemas
Nosotros utilizaremos las dos
dependiendo de la aplicación
18. El dominio de la frecuencia
Aplicar la transformada de fourier a
una señal en el dominio del tiempo
tiene como efecto expresar esa señal
en el dominio de la frecuencia
X[n]=DFT(x[n])
Por lo tanto el eje x de la
transformada de fourier representa
frecuencia
20. El dominio de la frecuencia
El eje x se puede expresar de 4
maneras:
• Fracción de la frecuencia de Muestreo
• Número de Muestra
• Frecuencia Natural (radianes)
• Frecuencia Absoluta
21. Inversa de la DFT
Así como podemos ir del dominio del
tiempo al dominio de la frecuencia
Usamos la inversa de la DFT para
pasar de la frecuencia al tiempo
Por lo tanto podemos ver que al
pasar del tiempo a la frecuencia solo
estamos expresando la misma
información de otra manera
22. Inversa de la DFT
Eso nos lleva a un concepto muy
importante en analisis de señales y
sistemas: Dualidad
23. Cálculo de la DFT
Hay 3 métodos para calcular la DFT
• DFT por ecuaciones simultaneas
• DFT por correlación
• FFT
Hoy veremos los dos primeros
24.
DFT por ecuaciones
simultaneas
Tenemos N valores en tiempo y hay
que calcular N valores en frecuencia
Debemos escribir N ecuaciones
lineales independientes
x[n]
N /2
ak
k 0
cos(2kn / N) )
N /2
bk
k 0
sin(2kn/ N)
26. DFT por ecuaciones
simultaneas
Se puede resolver usando los
métodos como Eliminación de Gauss
Pero en la práctica es muy lento
Solo se utiliza de manera teórica
27. DFT por correlación
Correlacionamos la señal original con
cada una de las funciones
sinusoidales base
Esto significa multiplicar cada punto
de la señal de entrada por la función
sinusoidal y luego sumar todos los
puntos
30. Notación Polar
Tal como representamos a la función
en frecuencia con una parte real y
una imaginaria podemos expresarla
en forma de Magnitud y Fase
Mag X[0] y Fas X[0] son calculadas a
partir de Re X[0] y Im X[0] y asi con
las demas muestras
31. Notación Polar
Esta forma de representar la función
en frecuencia nos ayuda a
visualizarla mejor
34. Notación Polar
Usamos la notación polar para
visualizar la señal
Usamos la notación rectangular para
hacer los cálculos
35. Análisis Espectral
Como ya vimos, en muchas señales,
la información no esta codificada en
la forma de la señal, sino en su
frecuencia
Ejemplo de esto:
• Sonido
• Radar Submarino
• Color
36. Análisis Espectral
Para analizar este tipo de señales el
dominio del tiempo es insatisfactorio
Trate de analizar su voz simplemente
viendo a forma de la señal en tiempo
Se utiliza la transformada de fourier
para representar estas señales en
frecuencia y asi poderlas analizar
42. Análisis Espectral
A representar una función en sus
componentes de frecuencia se le
llama Análisis Espectral
Nos permite saber que frecuencias
están presentes dentro de una señal
43. Análisis Espectral
Al tomar un grupo de muestras
estamos multiplicando la función por
una ventana cuadrada
Eso provoca distorsiones en las
frecuencias obtenidas
48. Resolución
Si tomamos más puntos tendremos
una mejor definición en frecuencia
Pero empeorara la definición en
tiempo
Si tomamos menos puntos,
tendremos una mejor definición en
tiempo
Pero empeorara la definición de la
55. Respuesta en Frecuencia
Asi como en el dominio del tiempo
un sistema puede ser caracterizado
por su Respuesta a Impulso
En la Frecuencia un sistema se
caracteriza por su Respuesta en
Frecuencia
La relación entre las dos es la
transformada de Fourier
57. Respuesta en Frecuencia
Muchas veces podemos entender
mejor el funcionamiento de un
sistema si analizamos la Respuesta a
Frecuencia en vez de la Respuesta a
Impulso
59. Convolución en Frecuencia
Si
• x[n] * h[n] = y[n]
Entonces
• X[f] ? H[f] = Y[f]
Respuesta
• Multiplicación
60. Convolución en Frecuencia
Convolucionar dos señales en el
dominio del tiempo, significa
multiplicarlas en el dominio de la
frecuencia
Y viceversa