TEMA 4

1

• TEMA 4
• LA TRANSFORMADA DISCRETA DE FOURIER

2
ESQUEMA GENERAL
3
ESQUEMA GENERAL

• Sea la señal x(t), cuya Transformada de Fourier
  es X(f).
• Veamos un procedimiento numérico de evaluación
  de ésta, que será discreto, y nos dará una
  estimación del espectro en puntos discretos.
• Consideraremos las fuentes de error introducido
  en el proceso.

4
(No Transcript)
5
ESQUEMA GENERAL

• La primera fuente de error es el error de
  solapamiento (aliasing) que se produce al
  muestrear la señal en el tiempo.
• La segunda fuente de error es la que se produce
  al truncar la señal en el tiempo (leakage), que
  da lugar a cierto rizado en la característica
  espectral.
• De lo anterior se desprende la conveniencia
  de estudiar la DFT en el contexto de las señales
  periódicas.

6
REPRESENTACIÓN DE SECUENCIAS PERIÓDICAS LAS
SERIES DE FOURIER DISCRETAS

• La señal  , al ser periódica, admite ser
  desarrollada en SERIES DE FOURIER

7
REPRESENTACIÓN DE SECUENCIAS PERIÓDICAS LAS
SERIES DE FOURIER DISCRETAS

• PARALELISMO CONTÍNUO-DISCRETO DEL DESARROLLO EN
  SERIES

8
REPRESENTACIÓN DE SECUENCIAS PERIÓDICAS LAS
SERIES DE FOURIER DISCRETAS

• REPRESENTACIÓN EN DSF DE UNA SECUENCIA PERIÓDICA

9
PROPIEDADES DE LA DFS
10
PROPIEDADES DE LA DFS
11
CONVOLUCIÓN PERIÓDICA
12
CONVOLUCIÓN PERIÓDICA
EJEMPLO DE CONVOLUCIÓN PERIÓDICA
13
MUESTREO EN LA TRANSFORMADA Z

• Consideremos ahora, de una forma mas general,
  la relación existente entre
• una secuencia aperiódica x(n)  X(z)
• y la secuencia periódica para la cual sus
  coeficientes del DSF corresponden a muestras de
  X(z) equiespaciadas en ángulo alrededor del
  círculo unitario.

14
MUESTREO EN LA TRANSFORMADA Z

• Sea X(z) la Transformada Z de x(n), si evaluamos
  su transformada z en N puntos equiespaciados en
  ángulo, obtenemos la secuencia periódica
• donde
• a la cual le corresponde la secuencia periódica
• dada por
• sustituyendo los valores de   , obtenemos

15
MUESTREO EN LA TRANSFORMADA Z

• intercambiando el orden del sumatorio
• pero
• por lo que

16

• Relación entre la duración M de una secuencia y
  el número de muestras N en el espectro.
• cuando NltM ocurre el efecto de aliasing. El
  subrayado indica una secuencia producida por DFT
  inversa

17
MUESTREO EN LA TRANSFORMADA Z

• Si longitud x(n)ltN entonces x(n) puede
  recuperarse extrayendo un periodo de 
• Una secuencia finita de duración menor o igual
  que N puede representarse exactamente por N
  muestras de su transformada Z sobre el círculo
  unidad.
• Por lo anterior, X(z) también podrá sintetizarse
  a partir de estas N muestras.

18
REPRESENTACIÓN DE SECUENCIAS DE DURACIÓN FINITA
LA DFT

• Los resultados anteriores sugieren
• Representar una secuencia de duración finita N
  por una secuencia periódica de periodo N y
  considerar su representación como un periodo del
  DSF de la secuencia periódica.

19
REPRESENTACIÓN DE SECUENCIAS DE DURACIÓN FINITA
LA DFT

• DFT
• IDFT

20
PROPIEDADES DE LA DFT

• 1) Linealidad
•            x3(n)ax1(n)bx2(n) , X3(k)
  aX1(k)bX2(k)
• Si longx1(n)N1 y longx2(n)N2
  entonces
• longx3(n)maxN1,N2
• 2) Periodicidad
•        x(n) y X(k) son periódicas con período N.

21
PROPIEDADES DE LA DFT

• 3) Simetría
•       Si x(n) lt---gtX(k) entonces x(n)
  lt---gtX(-k)
• X(N-k)
•   Para señales REALES
•         x(n)x(n) y X(k)X(N-k)
•         ReX(k) es una función par
•         ImX(k) es una función impar
•         X(k) es una función par
•        FaseX(k) es una función impar

22
PROPIEDADES DE LA DFT

• 4) Desplazamiento Circular de una secuencia
• Sea x(n) lt---gt X(k), Cuál será el x1(n) lt---gt
  X(k)e-j2pkm/N ?
• Interpretación de la DFT como un período de la
  DSF.

Luego x1(n) corresponderá a un desplazamiento
circular de x(n) ya que ambos están confinados en
0ltnltN-1
23
PROPIEDADES DE LA DFT
Luego x1(n) corresponderá a un desplazamiento
circular de x(n) ya que ambos están confinados en
0ltnltN-1
24
PROPIEDADES DE LA DFT

• 5) Convolución Circular
• Sean dos secuencias de longitud N x1(n) y x2(n)
  con
• DFTs X1(k) y X2(k).
• Cuál será la x3(n) cuya DFT es X3(k)X1(k)X2(k)?

25
PROPIEDADES DE LA DFT

• 5) Convolución Circular
• Es decir, x3(n) será un periodo de la convolución
  de las
• secuencias periódicas  ,
  correspondientes a x1(n) y
• x2(n) respectivamente.
• x3(n)x1(n)()x2(n) lt---gt X3(k)X1(k)X2(k)

26
CONVOLUCION LINEAL USANDO LA DFT
27
CONVOLUCION LINEAL USANDO LA DFT

• Convolución de dos secuencias finitas de igual
• número de puntos

28
CONVOLUCION LINEAL USANDO LA DFT

• Convolución de dos secuencias finitas de distinto
• número de puntos

En general si DFTS
sobre la base de puntos
29
CONVOLUCION LINEAL USANDO LA DFT
Convolución de una secuencia finita con otra
de un número indefinido de puntos
30
CONVOLUCION LINEAL USANDO LA DFT
Convolución de una secuencia finita con otra de
un número indefinido de puntos

• Método solapa y suma
• Método solapa y guarda

31
Método Solapa y Suma

• Convolución Lineal
• Long

Cada Término de la sumatoria debe calcularse
utilizando DFT de LM1 puntos

32
(No Transcript)
33
Método Solapa y Guarda

34
(No Transcript)
35
Relación entre parámetros temporales y
frecuenciales
T periodo de muestreo N nº de puntos tdNT
duración de la señal en el tiempo ?f resolucón
frecuencial Fh frecuencia máxima de la señal
36
Relación entre parámetros temporales y
frecuenciales
Límite superior del periodo de muestreo
Según el teorema del muestreo fs2fh
T1/2fh Por otro lado 2fhN?f N2fh/ ?f
?f1/NT
Nº mínimo de muestras requerido para calcular la
DFT
37
DFT de Señales Sinusoidales
38
(No Transcript)
39
(No Transcript)
40
Evaluación de la DFT de 64 puntos a partir de 32
muestras de la función exponencial e-t evaluada
en t0,1k para k0,1,,,,31
Pi/T31,416
?f1/NT1/(320,1) ?O1,9635
rad/seg ?f1/NT1/(640,1) ?O0.98175
rad/seg
Observar que los últimos 32 puntos son los
complejos conjugados de los 32 primeros, debido a
la propiedad de simetria de la DFT para una señal
real.
41
Las 32 muestras definen 4 periodos
fk?f k/NT K4, 28
42
El nº de muestras no es múltiplo del periodo.
43
(No Transcript)
44
(No Transcript)
45
COMPUTACIÓN DE LA DFT

• DFT
• IDFT
• Caso general, x(n) COMPLEJO

46
COMPUTACIÓN DE LA DFT
 
47
COMPUTACIÓN DE LA DFT
Comparación del número de multiplicaciones
requeridas por cálculo directo de DFT y por
cálculo mediante el algoritmo FFT
48
COMPUTACIÓN DE LA DFT

49
COMPUTACIÓN DE LA DFT
Explicación intuitiva

• Para secuencias reales

50
COMPUTACIÓN DE LA DFT
Explicación intuitiva

• Para N8, Términos k Términos kN/2

51
COMPUTACIÓN DE LA DFT
Explicación intuitiva
52
COMPUTACIÓN DE LA DFT
Explicación intuitiva
53
ALGORITMOS FFT DE DECIMANCIÓN EN EL TIEMPO

• Descomponen x(n) en subsecuencias sucesivamente
  más pequeñas
• Aprovechan la simetría y periodicidad de los

54
Caso general, N2v y v entero.

• Separando en n pares e impares
• LLamando H(k) al primer sumatorio y G(k) al
• segundo obtenemos
• X(k) G(k)   H(k)

55
ALGORITMOS FFT DE DECIMANCIÓN EN EL TIEMPO

• Realizando un proceso análogo de partición con
  G(k) y H(k) obtenemos
• y así sucesivamente
• En el caso general de N2u se precisa de ulog2N
  etepas de computación como las comentadas.

56
Ejemplo del algoritmo para N823
57
Cada DFT de 4 puntos se descompone en 2 de 2
puntos
58
Esquema de la DFT de dos puntos
59
(No Transcript)
60
Computación local Si Xm(l) representa el
elemento l-esimo del vector correspondiente a la
etapa m, para l0,1,,N-1 m0,1,,µ Xm1(p)Xm(
p)Xm(q) Xm1(q)Xm(p)-Xm(q)WNr
-1
61
BIT REVERSE Si (n2n1n0) es la representación
binaria del índice n de la secuencia x(n), esta
se almacena en X0(n0n1n2)
62
BIT REVERSE Si (n2n1n0) es la representación
binaria del índice n de la secuencia x(n), esta
se almacena en X0(n0n1n2)
x(000)
x(100)
x(010)
x(110)
x(000)
x(101)
x(011)
x(111)
63
Análisis del costo computacional
Para el caso general de puntos se
realiza la descomposición
N log2 N multiplicaciones complejas N log2 N
sumas complejas
64
Formas alternativas del algoritmo FFT de
decimación en tiempo
65
(No Transcript)
66
Algoritmo FFT de decimación en frecuencia
67
Se divide la secuencia X(k) en subsecuencias
sucesivamente mas pequeñas.
68
(No Transcript)
69
(No Transcript)
70
(No Transcript)
71
Formas alternativas del algoritmo FFT de
decimación en tiempo
72
(No Transcript)
73
Algoritmos IFFT decimación en tiempo
decimación en tiempo
74
Invirtiendo el sentido de la computación básica
en mariposa en el diagrama de flujo
correspondiente a una FFT de decimación en tiempo
Obtenemos un esquema para la IFFT que es de
decimación en frecuencias