dft : direct fourier transform · transformada discreta de fourier dft periódica = dfs el término...
TRANSCRIPT
DFT : Direct Fourier Transform
2
Objetivo
Explicar las características de la Transformada Directa de Fourier «DFT» mediante el análisis de algunos ejemplos.
Interpretar el significado de los ejes de la transformación y analizar los resultados de la Síntesis de la Transformada de Fourier Directa.
Describir las periodicidades relacionadas con la transformación, así como dar una introducción a las Series Directas de Fourier «FDS».
Al final de la unidad el alumno deberá tener una comprensión de las bases de la Transformada Directa de Fourier «DFT» y las Series Directas de Fourier «FDS».
Análisis de Señales con la DFT ● Señal adquirida con N=1024 muestras.
Introducción
Transformada Discreta de Fourier
Re
Im
Análisis de Señales con la DFT x[n] ∈ ℂ1024
64 960N/2
Picos sólo en la parte realreal del espectro
cos(ωn)
Análisis de Señales con la DFT ● Señal
con:
Transformada Discreta de Fourier
x [n ] = cos(ωn+φ)+η[n ]
φ = 0
ω =2π
102464
Análisis de Señales con la DFT ● Actividad Solar
● Galileo detecta manchas en el sol y comienza a registrar su número y evolución.
● Número de las manchas solares y la cantidad de grupos que se forman son indicativos de la actividad solar.
Transformada Discreta de Fourier
Análisis de Señales con la DFT ● Actividad Solar : Registro de actividad solar mensual desde mayo 1874-Presente indicando el área de manchas solares:
http://solarscience.msfc.nasa.gov/greenwch.shtml
Transformada Discreta de Fourier
Análisis de Señales con la DFT ● Actividad Solar (1929 – 2014) N=1024
Transformada Discreta de Fourier
Análisis de Señales con la DFT ● Actividad Solar (1929 – 2014) N=1024
Transformada Discreta de Fourier
|x[k]|
8
Análisis de Señales con la DFT ● Actividad Solar (1929 – 2014) N=1024
● El pico principal de la DFT está en k = 8.
● 8 ciclos sobre la muestra de 1024 meses.
● Frecuencia : 1024 / 8 ≈ 11 años
Transformada Discreta de Fourier
Análisis de Señales con la DFT ● Si el periodo de muestreo Ts es conocido:
● La frecuencia (positiva) más rápida será: ω = π
● Una senoidal con frecuencia ω = π requerirá 2 muestras para completar una revolución completa.
● El tiempo entre muestras Ts = 1 / Fs
● El período para la senoidal más rápida será entonces = 2 Ts segundos
● La frecuencia para la senoidal más rápida resulta en: Fs / 2 Hz
Transformada Discreta de Fourier
Análisis de Señales con la DFT ● Señal de Audio N=1024
Transformada Discreta de Fourier
Análisis de Señales con la DFT ● Señal de Audio FFs s = 8ksps (kHz)= 8ksps (kHz) N=1024
Transformada Discreta de Fourier
204
378
266
|x[k]|
Análisis de Señales con la DFT ● Señal de Audio FFs s = 8ksps (kHz)= 8ksps (kHz) N=1024
● El pico principal de la DFT está en k = 266.
● Picos secundarios en k = 204 y 378.
● Componentes de Frecuencia :
Transformada Discreta de Fourier
FFs s /2 = 4kHz/2 = 4kHz
N/2=512
4kHz512
k
1593.75
2078.12
2953.12
Análisis de Señales con la DFT ● Huracanes por año N=151
http://www.aoml.noaa.gov/hrd/hurdat/easyhurdat_5103.html
Transformada Discreta de Fourier
Análisis de Señales con la DFT ● Huracanes por año N=151
Transformada Discreta de Fourier
|x[k]|
Síntesis de Señales con la DFT
Transformada Discreta de Fourier
Síntesis de Señales con la DFT ● Generador de sinusoidales
Transformada Discreta de Fourier
wn(k)= e
j( 2πN
nk+φk )
Im
Re
-1
-1 1
2πk/Nw
k [0]
wk [1]
wk [2]
ϕk
Síntesis de Señales con la DFT ● Generador de sinusoidales
Transformada Discreta de Fourier
Ak ej( 2π
Nnk+φk )A k
φk~
k
Síntesis de Señales con la DFT
Transformada Discreta de Fourier
x [n]
A0
φ0~ 0
A1
φ1~ 1
~N-2
A N−1
φN −1~
A N−2
φN −2
N-1
+...
Síntesis de Señales con la DFT ● Como inicializar el generador de sinusoidales
● Amplitud del k-esimo elemento:
● Fase del k-esimo elemento:
Transformada Discreta de Fourier
Ak
φk~ k
Ak =∣X [k ]∣/N
φk = ∠ X [k ]
Síntesis de Señales con la DFT ● Ejemplo:
Transformada Discreta de Fourier
x [n] = [1,2,3, 4,3,2,1]
Síntesis de Señales con la DFT ● Ejemplo:
Transformada Discreta de Fourier
x [n] = [1,2,3, 4,3,2,1]
|x[k]|
∠x[k]
k Ak ϕk
0 2.285714 0
1 0.721274 -2.69279
2 0.043997 0.8976
3 0.091872 -1.7952
4 0.091872 1.7952
5 0.043997 -0.8976
6 0.721274 2.69279
Transformada Discreta de Fourier
x [n]
A0
φ0 ~ 0
A1
φ1 ~ 1
~N-2
A N−1
φN −1 ~
A N−2
φN −2
+...
Síntesis de Señales con la DFT ● Ejemplo: Inicializar Ak y ϕk con los valores obtenidos
N-1
Ak ej(2πN nk+ φk )
x [n ] =∑ Ak ej(2πN nk+ φk )
Transformada Discreta de Fourier
Síntesis de Señales con la DFT ● k=0
Ak ej(2πN nk+ φk )
∑ Ak ej(2πN nk +φ k)
Real Imaginaria
Transformada Discreta de Fourier
Síntesis de Señales con la DFT ● k=1
Ak ej(2πN nk+ φk )
∑ Ak ej(2πN nk +φ k)
Real Imaginaria
Transformada Discreta de Fourier
Síntesis de Señales con la DFT ● k=2
Ak ej(2πN nk+ φk )
∑ Ak ej(2πN nk +φ k)
Real Imaginaria
Transformada Discreta de Fourier
Síntesis de Señales con la DFT ● k=3
Ak ej(2πN nk+ φk )
∑ Ak ej(2πN nk +φ k)
Real Imaginaria
Transformada Discreta de Fourier
Síntesis de Señales con la DFT ● k=4
Ak ej(2πN nk+ φk )
∑ Ak ej(2πN nk +φ k)
Real Imaginaria
Transformada Discreta de Fourier
Síntesis de Señales con la DFT ● k=5
Ak ej(2πN nk+ φk )
∑ Ak ej(2πN nk +φ k)
Real Imaginaria
Transformada Discreta de Fourier
Síntesis de Señales con la DFT ● k=6
Ak ej(2πN nk+ φk )
∑ Ak ej(2πN nk +φ k)
Real Imaginaria
Transformada Discreta de Fourier
Síntesis de Señales con la DFT ● ¿Que ocurre si se procesa la señal usando más pasos que los contenidos en el intervalo de k = 0:N-1 ?
x [n+N ] = x [n ]
¡ La salida de laseñal resulta ser periódica !
Transformada Discreta de Fourier
Síntesis de Señales con la DFT ● Para los casos donde k > N-1
Fórmula de la Síntesis:
Produce una señal de N puntos en el dominio del tiempo
Produce una señal N-periódica en el dominio del tiempo
x [n ] =1N ∑k=0
N−1
X [k ] ej2 πN
nk
, n=0,1,. .. , N−1
x [n ] =1N ∑k=0
N−1
X [k ] ej2 πN
nk
, n ∈ℤ
Transformada Discreta de Fourier
DFT periódica = DFS● El término « DFS : Discrete Fourier Series» se emplea para referir explícitamente los casos donde las señales discretas de Fourier son de naturaleza periódica.
● Las DFS traduce una señal N-periódica en una secuencia periódica de Fourier de sólo N-elementos.
● La inversa de una DFS mapea una secuencia de coeficientes de Fourier de periodicidad N en una señal N-periódica.
● Matemáticamente la DFS de una señal no periódica es igual a una DFT de un sólo período.
Transformada Discreta de Fourier
DFT periódica = DFS● Las DFS nos ayudan a entender el mecanismo para definir los corrimientos en el tiempo de señales de longitud finita.
● Para una secuencia N-periódica x̃ [n ]:
x̃ [n−M ] está bien definida para toda M∈ℕ
DFS {x̃ [n−M ]}= e− j
2 πN
Mk
X̃ [ k ]
IDFS { X̃ [k ]}= x̃ [n−M ]
X̃ [ k ]= DFS {x̃ [n]}
Corrimiento de fase
Transformada Discreta de Fourier
DFT periódica = DFS● En cuanto a la inversa
IDFS {~X [k ](defasada en M)}=~x [n−M ]
IDFS {ej2 πN
Mk
X̃ [k ]}= x̃ [n−M ]
Corrimiento o Retraso en el dominio de la frecuencia
Transformada Discreta de Fourier
DFT periódica = DFS● Para una señal x[n] de N-puntos :
x [n−M ] No está definida / Fuera del intervalo
x̃ [n ] se construye mediante :
x [n mod N ]→ X̃ [ k ] = X [ k ]
IDFS {ej2 πN
Mk
X̃ [k ]}= IDFS {ej
2 πN
Mk
X [ k ]}
IDFS {ej2 πN
Mk
X [k ]}= x̃ [n−M ] = x [(n−M ) mod N ]Corrimiento = operación circular
Una herramienta para cada clase de señal
● DFT :
● Empleada en Señales de Longitud Finita
● DFS :
● Señales Periódicas
● Extensión natural de la DFT para señales periódicas
● DTFT :
● Señales de longitud infinita
Transformada Discreta de Fourier
Transformada Discreta de Fourier
DFS (Señales Periódicas)● Versión para señales periódicas del la DFT
● Para una señal x[n] de N-puntos :
● N-grados de libertad (DOF)
● Toda la información de frecuencia está capturada en tan sólo N coeficientes α
k (N-grados de libertad )
DFS {x̃ [n−M ]} = e− j 2π
NMk
X̃ [k ]
Transformada Discreta de Fourier
DFS (Señales Periódicas)
x [n] + y [n ]
z−Mα
y [n ]= α y [n−M ]+x [n]
Transformada Discreta de Fourier
DFS (Señales Periódicas)
x [n] = (2n /(N−1))−1
Transformada Discreta de Fourier
DFS (Señales Periódicas)
X [k ] = DFT {x [n ]}
Componente DC = 0
Transformada Discreta de Fourier
DFS (Señales Periódicas)
x [n] + y [n ]
z−Mα
x̃ [n] ≠ 0 para 0⩽n<M y α = 1
y [n] = x̃ [0 ], x̃ [1] , ... , x̃ [M−1] ,x̃ [0] , x̃ [1 ], ... , x̃ [M−1] , ...x̃ [0] , x̃ [1 ], ... , x̃ [M−1] , ...
1er período
2do período
3er período
Transformada Discreta de Fourier
DFS (Señales Periódicas)
N = 64
y [n ]= α y [n−M ]+x [n]
Transformada Discreta de Fourier
DFS (Señales Periódicas)
N = 64
Y [k ] = DFT {y [n ]}: DFT de 2 períodos
Transformada Discreta de Fourier
DFS (Señales Periódicas)
N = 64
Y [k ] = DFT {y [n ]}: DFT de 2 períodos
k = 0
Transformada Discreta de Fourier
DFS (Señales Periódicas)
N = 64
Y [k ] = DFT {y [n ]}: DFT de 2 períodos
k = 1
Transformada Discreta de Fourier
DFS (Señales Periódicas)
N = 64
Y [k ] = DFT {y [n ]}: DFT de 2 períodos
k = 2
Transformada Discreta de Fourier
DFS (Señales Periódicas)
N = 64
Y [k ] = DFT {y [n ]}: DFT de 2 períodos
k = 3
Transformada Discreta de Fourier
DFS (Señales Periódicas)
N = 64
Y [k ] = DFT {y [n ]}: DFT de 2 períodos
Transformada Discreta de Fourier
DFS (Señales Periódicas)
N = 96
y [n ]= α y [n−M ]+x [n]
Transformada Discreta de Fourier
DFS (Señales Periódicas)
N = 96
Y [k ] = DFT {y [n ]}: DFT de 3 períodos
k = 0
Transformada Discreta de Fourier
DFS (Señales Periódicas)
N = 96
Y [k ] = DFT {y [n ]}: DFT de 3 períodos
k = 1
Transformada Discreta de Fourier
DFS (Señales Periódicas)
N = 96
Y [k ] = DFT {y [n ]}: DFT de 3 períodos
k = 2
Transformada Discreta de Fourier
DFS (Señales Periódicas)
N = 96
Y [k ] = DFT {y [n ]}: DFT de 3 períodos
k = 3
Transformada Discreta de Fourier
DFS (Señales Periódicas)
N = 96
Y [k ] = DFT {y [n ]}: DFT de 3 períodos
Transformada Discreta de Fourier
DFS (Señales Periódicas)● Conclusiones:
● La información espectral contenida en la DFT también está contenida en la DFS .
● El término DFS se utiliza para recalcar que se trabaja con una señal periódica de N-puntos.
● Los componentes espectrales que se encuentran en las diferentes proyecciones de la DFS se les encuentra también en la DFT (de un sólo período) pero en cada caso con coeficientes escaladoscoeficientes escalados.
Transformada Discreta de Fourier
DFS (Señales Periódicas)● Conclusiones:
X L[k ] = L X̄ [k /L] si k=0, L ,2L , 3L , ...
X L[k ] = 0 si k≠0, L ,2L ,3L , ...
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● DTFT : Discrete Time Fourier Transform
● Se usa para señales infinitas pero variables
● Considere una señal formada por elementos pero que estos no se repiten.
● Por ejemplo podemos tener señales aleatorias
● Podemos también tener señales periódicas PERO cuya magnitud cambia conforme avanza la secuencia:
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● Ejemplo de una señal periódica cuya magnitud cambia conforme avanza la secuencia:
e.g.: para un α < 1
y [n] = x̃ [0] , x̃ [1], ..., x̃ [M−1] ,
α x̃ [0] ,α x̃ [1] , ... ,α x̃ [M−1 ], ...
α2 x̃ [0 ] ,α2 x̃ [1] , ... ,α2 x̃ [M−1 ], ...
1er período
2do período
3er período
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● En primer lugar consideremos que es lo que pasa en una DFT cuya N → ∞.
● Como las frecuencias de las señales fundamentales están definidas en términos de N :
● Conforme N → ∞ la frecuencia ω disminuye.
● Por lo tanto el conjunto de frecuencias en el intervalo [0, 2π] se incrementa e incrementa en proporción al factor (2π/N)k .
ℂN ω= 2 π/N
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● En el límite con N → ∞ : (2π/N)k → ω
● Lo que hace cambiar a ω de valor discreto a una variable en el dominio de los reales.
● La frecuencia ω ya no es un múltiplo de la frecuencia fundamental.
● La sumatoria extrae los valores resultantes del intervalo.
∑n
x [n ]e− jωn ω∈ℝ
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● Definición «Discrete Time Fourier Transform»:
● La función se define para ω ∈ ℝ :
● Si dicha función existe, entonces la inversa se define como:
x [n ] ∈ l 2(ℤ)
F (ω) = ∑n=−∞
∞
x [n ] e− jω n
x [n ] =1
2 π∫−π
π
F(ω)e jω n dω , n ∈ ℤ
Secuencia de energía finita
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● Periodicidad de la DTFT:
● F(ω) es periódica en 2π
● Por convención se representa dentro del intervalo de [ -π, π ].
X (e jω)= ∑
n=−∞
∞
x[n] e− jω n
Resalta el hecho de ser periódica en 2π
X (e jω)
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● Ejemplo: x [n] =∣a∣n u [n ] ∣a∣<1
Secuencia de energía finita
a = 0.88
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
X (e jω)= ∑n=−∞
∞
x[n ] e− jω n
x [n] =∣a∣n u [n ] ∣a∣<1
=∑n=0
∞
an e−j ω n
=∑n=0
∞
(ae− jω)
n =1
1−a e− jω
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
● Magnitud de la señal
x [n] =∣a∣n u [n ] ∣a∣<1
∣X (e jω )∣2 =1
1+α2−2α cosω
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
x [n] =∣a∣n u [n ] ∣a∣<1
-π -π/2 0 π/2 π
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
x [n] =∣a∣n u [n ] ∣a∣<1 -1π a 1π
∣X (e j ω)∣
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
x [n] =∣a∣n u [n ] ∣a∣<1 -3π a 3π
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
x [n] =∣a∣n u [n ] ∣a∣<1 -5π a 5π
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)x [n] = (2 n /(N−1))−1 n=0,1,… ,N−1
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
y [m] = α(m/N ) x̃ [m mod N ]u [m ] M=800
N=32
α=0.88
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
Y (e jω) = ∑
m=−∞
∞
y [m ]e−j ωm
= ∑p=0
∞
∑m=0
M−1
αp x̃ [m] e− jω ( pM +m )
= ∑p=0
∞
αp e− jωMp ∑
m=0
M−1
x̃ [m] e− jωm
= A (e− jωM) X̃ (e− jω
)
Suma externa: Repetición (escala)
Suma interna: Figura básica
~ DTFT Exponencial
Escala en frecuencia
~ DTFT Señal acotada en M
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
A (e jω)= DTFT {α n u [n ]}=
11−αe− jω
∣A (e j ω)∣
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
A (e jωM) rescala el eje de la frecuencia: periodicidad
∣A (e j ω)∣M = 1
-π -π/2 0 -π/2 π
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
A (e jωM) rescala el eje de la frecuencia: periodicidad
∣A (e j ω)∣M = 2
-π -π/2 0 -π/2 π
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
A (e jωM) rescala el eje de la frecuencia: periodicidad
∣A (e j ω)∣M = 3
-π -π/2 0 -π/2 π
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
A (e jωM) rescala el eje de la frecuencia: periodicidad
∣A (e j ω)∣M = 4
-π -π/2 0 -π/2 π
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
A (e jωM) rescala el eje de la frecuencia: periodicidad
∣A (e j ω)∣M = 5
-π -π/2 0 -π/2 π
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
A (e jωM) rescala el eje de la frecuencia: periodicidad
M = 12
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
X̄ (e jω)= e− jω(M+1
M−1)1−e−j (M−1 )ω
(1−e− jω )2−
1−e− j (M+1)ω
(1−e− jω )2
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
Y (e jω) = Ae jωM X̄ e jω
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
Condiciones
● Existencia:∣X (e jω)∣= ∣ ∑n=−∞
∞
x [n ]e−j ω n∣
Secuencia absolutamente sumable, por lo tanto:
= ∑n=−∞
∞
∣x[n ]∣
< ∞
El resultado debe ser acotado
⩽ ∑n=−∞
∞
∣x[n ]e− jω n∣
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
Condiciones
● Inversa:
12 π ∫−π
π
X ( e j ω )e jω n dω =1
2 π ∫−π
π
( ∑k=−∞∞
x [k ] e− jω k)e jω n dω
Si n≠k = ∑
k=−∞
∞
x [k ]∫−π
π
e− jω(n− k )
2 πdω
Se generan un número entero de ciclos entre -π y π= 0
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
Condiciones
● Inversa:
12 π ∫−π
π
X ( e j ω )e jω n dω =1
2 π ∫−π
π
( ∑k=−∞∞
x [k ] e− jω k)e jω n dω
Si n=k
= ∑k=−∞
∞
x [k ]∫−π
π
e− jω(n− k )
2 πdω
= x [n]
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
Formalmente la DTFT es un producto punto en ℂ∞
● Pero como nuestra «base» es infinita y no puede ser cuantificada:
● Se debe notar que comienza con secuencias pero el resultado de la transformación es una funciónfunción
● DTFT existe para todas las secuencias de suma cuadrada acotada
∑n=−∞
∞
x [n ]e jω n = ⟨ e jω n , x [n ]⟩
{e jω n }ω ∈ ℝ
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
Propiedades
● Linealidad:
● Corrimiento en el tiempo:
● Modulación de señal (dual)
DTFT {α x [n ]+β y [n ]} = α X (e jω)+βY (e jω
)
DTFT {x [n−M ]}= e−j ωM X (e jω)
DTFT {e jω0 n x [n ]}= X ( e j (ω−ω0 ))
Rotación plano complejo
Desplazamiento en la frecuencia
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)
Propiedades
● Inversión del tiempo:
● Conjugado
DTFT {x [−n ]} = X (e− jω)
DTFT {x * [n ]}= X *(e− jω)
Inversión de la frecuencia
Conjugado e Inversión de la frecuencia
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● Si x[n] es simétricasimétrica, la DTFT resultará simétricasimétrica
● Si x[n] es realreal, la DTFT será Hermitiana y simétricaHermitiana y simétrica
● Si x[n] es realreal, la magnitud de la DTFT será simétricasimétrica
● Si x[n] es real y simétricareal y simétrica, la X(ejω) será real y simétricareal y simétrica
x [n ] = x [−n ] ⟺ X (e jω)= X (e− jω
)
x [n ] = x * [n ] ⟺ X (e jω)= X *(e− jω
)
x [n ] ∈ℝ ⟺ X (e jω) = X (e−j ω
)
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● Para algunas funciones no hay problema :
● Sin embargo en otros casos existen dificultades:
DFT {δ[n ]}= 1
DTFT {δ[n ]} = ⟨ e jω n , δ[n ]⟩ = 1
DFT {1}= N δ[k ]
DTFT {1}= ∑n=−∞
∞
e− jω n = ?
Problema: Muchas otras funciones tampoco son acotadas
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● Para las funciones no acotadas usamos :
La delta de Diracdelta de Dirac
∫−∞
∞
δ( t−s) f ( t)dt = f (s)
para todas las funciones de t ∈ℝ
donde s ∈ ℝ
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● Para las funciones no acotadas usamos :
La delta de Diracdelta de Dirac
limk→∞ r k(t)=δ(t )
rect ( t ) = 1 for ∣t∣<12
0 en cualquier otro caso
Area = 1
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● Para las funciones no acotadas usamos :
La delta de Diracdelta de Diracf(t)
δ(t− s)
f(s)∫−∞
∞
δ(t−s) f (t )dt
limk→∞ r k ( t )=δ(t )
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● Tren de pulsos en el dominio de la frecuencia :
δ̃(ω)= ∑k=−∞
∞
δ (ω−2π k )
−3π −2π −1π 0 1π 2π 3π
● El teorema de muestreo sirve de puente entre las señales analógicas y las digitales, al relacionar ambos tipos de señales bajo la siguiente fórmula:
Muestreo continuo : Nyquist & Shannon
x ( t )=∑n=-∞
∞
x [n]sin (π(t−nT S)/T S)
π( t−nT S)/T S
Transformada Discreta de Fourier
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● Con la fórmula anterior entonces podemos definir :
DTFT {1}= δ̃(ω)
DTFT {ejω0 n}= δ̃(ω−ω0)
DTFT {cosω0 n} =[δ̃(ω−ω0 )+δ̃(ω+ω0 )]
2
DTFT {sinω0 n} =− j[ δ̃ (ω−ω0)−δ̃(ω+ω0)]
2
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● Transformación de soporte finito «finite support»
X̄ (e jω)= ∑
k=0
N−1
X [ k ]ᐱ (ω−2 πN) k
conᐱ (ω)= (1 /N) R̄ (e jω): Interpolación de la DTFT
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● DFT Diente de sierra de 32 «Taps»
N=32
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● DFT Diente de sierra de 32 «Taps»
N=32
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● Diente de sierra: extensión de soporte finito
N=96
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● DTFT Diente de sierra: extensión de soporte finito
N=96
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● Diente de sierra: extensión de soporte finito
N=640
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● DFT Diente de sierra de 32 «Taps»
N=640
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● DFT Diente de sierra de 32 «Taps»
Transformada Discreta de Fourier
DTFT (Señales de longitud Infinita)● Conclusiones:
● Zero Padding no añade nueva información a la señal
● Una transformada discreta de Fourier (DFT) con «zero padding» es simplemente una DTFT con una extensión de soporte finito muestreada
Transformada Discreta de Fourier
Resumen DFT
x [n ] = 1 /N∑ X [k ] ej2 πN
nk
X [ k ]= ⟨e− j2 πN
nk
, x [n ] ⟩
base : {e j2 πN
nk }k
ℂN
ℂN
Transformada Discreta de Fourier
Resumen DFS
x̃ [n ] = 1 /N∑ X̃ [k ] ej2 πN
nk
X̃ [ k ]= ⟨e− j2 πN
nk
, x̃ [n ] ⟩
base : {e j2 πN
nk }k
ℂ̃N
ℂN
Transformada Discreta de Fourier
Resumen DTFT
x [n ] =1
2 π∫ X ( e jω ) e jω n dω
X (e jω)= ⟨e−j ω n , x [n ]⟩
«base» : {e jω n }ωl2 (ℤ) L 2 [−π ,π]
Aplicaciones
Modulación Sinusoidal
● Pasa-bajos, Pasa-altos y Pasa-banda
● Modulación
Short-Time Fourier Transform (STFT)
● Representaciones Tiempo vs Frecuencia
● STFT y los Espectrogramas
● Ajustes Tiempo-Frecuencia
Aplicaciones
Modulación Sinusoidal
● Las Señales las podemos subdividir en tres categorías básicas en cuanto a su distribución de frecuencias.
● Pasa-bajos, Banda base o «baseband»
● Pasa-altos
● Pasa-banda
Aplicaciones
Modulación Sinusoidal
● Señales Pasa-bajos «baseband»
Aplicaciones
Modulación Sinusoidal
● Señales Pasa-altos
Aplicaciones
Modulación Sinusoidal
● Señales Pasa-banda
Aplicaciones
Modulación Sinusoidal
● Multiplicación por coseno
● x[n] : Banda base
● ωc es la frecuencia portadora «carrier frequency»
DTFT {x [n ]cos(ωc n)} = DTFT {12 ejωc n
x [n ]+12
e− jωc n
x [n ]}
=12{X ( e j (ω−ω c))+X (e j (ω+ω c)) }
Aplicaciones
Modulación Sinusoidal
● Multiplicación por coseno
Señal Banda base
Aplicaciones
Modulación Sinusoidal
● Multiplicación por coseno
Señal Modulada
Aplicaciones
Modulación Sinusoidal
● Multiplicación por coseno (con Periodicidad)
Señal Banda base
Aplicaciones
Modulación Sinusoidal
● Multiplicación por coseno (con Periodicidad)
Señal Modulada
Aplicaciones
Modulación Sinusoidal
● Multiplicación por coseno (con Periodicidad)
Señal Modulada
Aplicaciones
Modulación Sinusoidal
● Multiplicación por coseno (con Periodicidad)
Aplicaciones
Modulación Sinusoidal
● Multiplicación por coseno (con Periodicidad)
Aplicaciones
Modulación Sinusoidal
● Señales de Voz y Música se clasifican como señales Pasa-bajas «baseband»
● Transmisiones radiales son señales Pasa Banda, frecuencias mucho mayores
● Modulación desplaza la señal Pasa-Bajas a una banda de transmisión.
● La Demodulación en el receptor regresa al señal a la banda base
Aplicaciones
Demodulación Sinusoidal
DTFT {y [n ]⋅2cos (ωc n)} = Y (e j (ω−ωc ) )+ (Y e j (ω+ω c) )
Y (e jω) =12[X (e j (ω−ω c))+ (X e
j (ω+ω c)) ]y [n ] = x[n ] cos(ωc n)
=12[X (e j (ω− 2ωc ) )+X (e j(ω) )+X (e j (ω) )+ ( X e j(ω+2ω c) ) ]
= X (e j(ω) )+ 12[ X (e j(ω−2ω c) )+( X e j (ω+ 2ωc )) ]
Aplicaciones
Demodulación Sinusoidal
● Multiplicación por coseno (con Periodicidad)
Aplicaciones
Demodulación Sinusoidal
● Multiplicación por coseno (con Periodicidad)
Aplicaciones
Demodulación Sinusoidal
● Multiplicación por coseno (con Periodicidad)
Aplicaciones
Demodulación Sinusoidal
● Multiplicación por coseno (con Periodicidad)
Aplicaciones
Demodulación Sinusoidal
● Multiplicación por coseno (con Periodicidad)
Aplicaciones
Demodulación Sinusoidal
● Multiplicación por coseno
DTFT {y [n ]2cos (ωc n)}
Aplicaciones
Demodulación Sinusoidal
● Resumen
● Se recupera íntegramente la señal en banda base
● Pero se conservan algunas componentes espurias de alta frecuencia.
● Componentes de alta frecuencia que habrá que eliminar.
Aplicaciones
Afinación de Instrumentos
● Problema
● Se tiene una señal de referencia sinusoidal a una frecuencia ω
0
● Se tiene una señal variable ω se la cual se desea ajustar (afinar).
● El objetivo es hacer ω = ω0 empleando
únicamente el oído
Aplicaciones
Afinación de Instrumentos
● Procedimiento
1) Acercar ω a la frecuencia de ω0
2) Cuando ambas frecuencias son cercanas ω ≈ ω
0 se reproducen ambas
señales al mismo tiempo.
3) Se emplea explora la relación entre señales
Aplicaciones
Afinación de Instrumentos
● Relación entre frecuencias
x [n ] = cos(ω0 n)+cos(ω n)
x [n ] = 2cos(ω0+ω
2n)+cos(
ω0−ω
2n)
≈ 2 cos (Δω n )+cos (ω0 n )
Aplicaciones
Afinación de Instrumentos
● Relación entre frecuencias
● Cuando ω ≈ ω0 , la componente de error casi no
se percibe, sin embargo al ser modulada por la señal portadora ω
0 permite que sea escuchada.
x [n ]≈ 2 cos (Δω n )+cos (ω0 n )
Error Señal de modulación ω
0
Aplicaciones
Afinación de Instrumentos
Aplicaciones
Afinación de Instrumentos
Aplicaciones
Afinación de Instrumentos
Short-Time Fourier Transform
Dual-Tone Multi Frecuency Dialing : DTMF
Short-Time Fourier Transform
Dual-Tone Multi Frecuency Dialing : DTMF
Frecuencias seleccionadas para NO coincidir en caso de suma o resta (modulación)
Short-Time Fourier Transform
Dual-Tone Multi Frecuency Dialing : DTMF
Short-Time Fourier Transform
Dual-Tone Multi Frecuency Dialing : DTMF
Relación tiempo - frecuencia● La representación en el tiempo NO proporciona información clara de las frecuencias
● La representación en la frecuencia NO proporciona información clara sobre los eventos en el tiempo
Short-Time Fourier Transform
Concepto● Tomar pequeños tozos, de longitud L , de la señal original
● Transformar dichas secciones usando la DFT y analizar en conjunto la información:
Short-Time Fourier Transform
X [m ;k ] =∑n=0
L−1
x [m∗L+n ] e− j 2 π
Lnk
Muestreo con L = 256
Short-Time Fourier Transform
Muestreo con L = 256
Short-Time Fourier Transform
Muestreo con L = 256
Short-Time Fourier Transform
Muestreo con L = 256
Short-Time Fourier Transform
Definición● Es una representación visual del espectro de frecuencias en una señal (e.g. Sonido, vibración, etc) donde la intensidad de la señal varían con el tiempo o con alguna otra variable. Los espectrogramas a veces se llaman cataratas espectrales, huellas vocales, o voicegrams.
● Los espectrogramas se utilizan ampliamente en los campos de la música, sonar, de radar, el procesamiento del habla, la sismología, etc.
● Spectral waterfalls, voiceprints, or voicegrams
Espectrograma
Definición
Espectrograma
Implementación● Codificar la magnitud en escala de colores
● e.g. : En escala de grises (hot, jet, bone, copper, ...)
● Oscuro = Magnitud pequeña
● Claro = Magnitud grande
● Emplear escalas logarítmicas (potencia en dBs)
● 10 log10( | X [ m; k ] | )
● Conjuntar cada resultado espectral, una tras otra, hasta construir una matriz.
Espectrograma
Muestreo con L = 256
Espectrograma de la DTMF
Dimensionamiento● Si se conoce la frecuencia de muestreo: Fs=1/T entonces será posible dimensionar los ejes.
● Fs/2 Hz representa la máxima frecuencia positiva
● La resolución en frecuencia se obtiene mediante : Fs/L Hz● El ancho de las rebanadas en tiempo estará determinado por: L Ts segundos
Espectrograma
Fs = 8000 Hz
Espectrograma de la DTMF
Dimensionamiento
● ¿Como determinar el ancho óptimo de la ventana de análisis ?
● ¿Cual es la posición óptima de las ventanas de transformación?
● ¿Se pueden traslapar? ¿Por cuanto?
● La forma óptima de la ventana
● Ponderación de las muestras
Espectrograma
Tempering
Espectrograma
L10
L10 2L1
Wideband vs Narrowband
● Ventana Larga : Narrowband● Más puntos para la DFT : Mayor resolución en frecuencia
● Pueden ocurrir más cosas : Menor resolución espacial
● Ventana corta : Wideband ● Muchos intervalos de tiempo : mejor localización de las transiciones temporales
● Menos puntos para la DFT : pobre resolución de frecuencias
Espectrograma
Wideband
Espectrograma de la DTMF
Original (entre Wideband y Narrowband)
Espectrograma de la DTMF
Narrowband
Espectrograma de la DTMF
Análisis de Voz
Espectrograma de la DTMF
Análisis de Voz
Espectrograma de la DTMF
Análisis de Voz
Espectrograma de la DTMF
Subdivisión del espectrograma
Espectrograma
L=20
2 π / L
Subdivisión del espectrograma
Espectrograma
L=10
2 π / L
Subdivisión del espectrograma
Espectrograma
L= 4
2 π / L
Subdivisión del espectrograma
● Resolución en el tiempo:
● Δt = L
● Resolución en la Frecuencia:
● Δf = 2 π / L
● Relación tiempo-frecuencia:
● Δt Δf = 2 π
Espectrograma