Skip to content Skip to navigation Skip to collection information

OpenStax_CNX

You are here: Home » Content » Señales y Sistemas » Transformada Discreta de Fourier (DFT)

Navigation

Table of Contents

Lenses

What is a lens?

Definition of a lens

Lenses

A lens is a custom view of the content in the repository. You can think of it as a fancy kind of list that will let you see content through the eyes of organizations and people you trust.

What is in a lens?

Lens makers point to materials (modules and collections), creating a guide that includes their own comments and descriptive tags about the content.

Who can create a lens?

Any individual member, a community, or a respected organization.

What are tags? tag icon

Tags are descriptors added by lens makers to help label content, attaching a vocabulary that is meaningful in the context of the lens.

This content is ...

Affiliated with (What does "Affiliated with" mean?)

This content is either by members of the organizations listed or about topics related to the organizations listed. Click each link to see a list of all content affiliated with the organization.
  • Rice Digital Scholarship

    This collection is included in aLens by: Digital Scholarship at Rice University

    Click the "Rice Digital Scholarship" link to see all content affiliated with them.

  • Featured Content display tagshide tags

    This collection is included inLens: Connexions Featured Content
    By: Connexions

    Comments:

    "Señales y Sistemas is a Spanish translation of Dr. Rich Baraniuk's collection Signals and Systems (col10064). The translation was coordinated by an an assistant electrical engineering professor […]"

    Click the "Featured Content" link to see all content affiliated with them.

    Click the tag icon tag icon to display tags associated with this content.

Also in these lenses

  • Lens for Engineering

    This module and collection are included inLens: Lens for Engineering
    By: Sidney Burrus

    Click the "Lens for Engineering" link to see all content selected in this lens.

Recently Viewed

This feature requires Javascript to be enabled.

Tags

(What is a tag?)

These tags come from the endorsement, affiliation, and other lenses that include this content.
 

Transformada Discreta de Fourier (DFT)

Module by: Don Johnson. E-mail the authorTranslated By: Fara Meza, Erika Jackson

Based on: Discrete Fourier Transform (DFT) by Don Johnson

Summary: La transformada de Fourier se puede calcular en timpo discreto apresar de las complicaciones causadas por una señal finita y frecuencias continuas.

La transformada de Fourier Discreta en el tiempo (y también la transformada continua) pueden ser evaluadas cuando tenemos una expresión analítica para la señal. Suponga que tengamos una señal, como es la señal del habla usada en el capitulo anterior, para ella no existe una formula. Entonces ¿cómo podría usted calcular su espectro? Por ejemplo, ¿cómo calculamos el espectrograma para el ejemplo de la señal de habla ? La transformada de Fourier discreta ( DFT) nos permite calcula el espectro de información discreta en el tiempo. Estando en tiempo discreto podemos calcular exactamente el espectro, para señales análogas no existe manera similar para calcular su espectro similar. Para el espectro de señales análogas se tienen que construir equipo especial, que consiste en casi todos los casos de convertidores A / D y computaciones discretas. Análisis de el espectro discreta en el tiempo son mas flexibles que los análisis de las señales continuas.

La formula del DTFT es una suma que conceptualmente es fácil de calcular excepto por unos problemas.

  • Duración de la señal. La suma se extiende sobre la duración de la señal, la cual tiene que ser finita para calcular el espectro de la señal. Es extremadamente difícil guardar una señal infinita, así que asumimos que la señal se extiende sobre 0 N1 0 N 1 .
  • Frecuencia continúa. Igual de importante que el problema de la duración de la señal es el hecho que la frecuencia variable es continua: talvez solo se tenga que extender un periodo, como 12 12 1 2 1 2 o 0 1 0 1 , pero la formula DTFT requiere evaluar el espectro de todas las frecuencias dentro del periodo. Calculemos el espectro de unas cuantas frecuencias; las mas obvias son las que tienen una espacio similar f=kK f k K , kkK1 k k K 1 .

Así que definimos la transformada discreta de Fourier ( DFT) como

Sk= n =0N1snej2πnkK  ,   k0K1    k k 0 K 1 S k n 0 N 1 s n 2 n k K
(1)

Aquí, Sk S k representa Sej2πkK S 2 k K .

Podemos calcular el espectro en todas las frecuencias con espacio similar que queremos. Note que usted puede pensar de esta motivación computacional como muestrear el espectro; se vera mas sobre esta interpretación después. El problema ahora es el saber cuantas frecuencias son suficientes para capturar el como el espectro cambia con la frecuencia. Una manera de responder esta pregunta es determinando la formula de la transformada inversa discreta de Fourier: dado Sk S k , k=0K1 k 0 K 1 ¿cómo encontramos sn s n , n=0N1 n 0 N 1 ? La formula estará en la siguiente manera sn= k =0K1Skej2πnkK s n k 0 K 1 S k 2 n k K . Substituyendo la formula DFT en este prototipo para la transformada inversa da

sn= k =0K1 m =0N1sme(j2πmkK)ej2πnkK s n k 0 K 1 m 0 N 1 s m 2 m k K 2 n k K
(2)
Note que la relación de ortogonalidad que usamos tiene un carácter diferente ahora.
k =0K1e(j2πkmK)ej2πknK={K  if  (m=nn±Kn±2K)0  otherwise   k 0 K 1 2 k m K 2 k n K K m n ± n K ± n 2 K 0
(3)
Nosotros obtenemos valores de no cero cada vez que los dos índices difieren por múltiple de KK. Podemos expresar estos resultados como KlδmnlK K l l δ m n l K . Así, nuestra formula se convierte
sn= m =0N1smK l =δmnlK s n m 0 N 1 s m K l δ m n l K
(4)
Los números nn y mm existen en el rango 0N1 0 N 1 . Para obtener una transformada inversa, necesitamos sumar un solo muestreo unitario para m m, n n en este rango. Si no lo hiciéramos, sn s n igualaría a la suma de valores, y no tendríamos una transformada valida: una vez que regresemos al dominio de frecuencia, no podríamos obtener una ¡ambiguosidad! claramente, el termino l=0 l 0 siempre provee un muestreo unitario (nos haremos cargo del factor de K K pronto). Si evaluamos el espectro en menos frecuencias que lo que dura la señal, el termino correspondiente a m=n+K m n K aparecerá para algunos valores de m m, nn 0N1 0 N 1 . Esta situación significa que nuestra transformada prototipo iguala sn+sn+K s n s n K para cualquier valor de n n. La única manera de eliminar este problema es el requerir KN K N : tenemos que tener mas muestreos de frecuencia que lo que dura la señal. De esta manera, podemos regresar del dominio de frecuencia al cual entramos por la DFT.

Exercise 1

Cuando tenemos menos muestreos de frecuencia que lo que dura la señal, algunos valores de la señal discreta igualan la suma de los valore de la señal original. Dada la interpretación del muestreo para el espectro, caracterice este efecto de una manera diferente.

Solution

Esta situación nos lleva a aliasing en el dominio del tiempo.

Otra manera para entender este requerimiento es el usar de teoría de ecuaciones lineares. Si escribimos la expresión para el DFT como un conjunto de ecuaciones lineares,

s0+s1++sN1=S0 s 0 s 1 s N 1 S 0
(5)
s0+s1e(j)2πK++sN1e(j)2π(N1)K=S1 s 0 s 1 2 K s N 1 2 N 1 K S 1 s0+s1e(j)2π(K1)K++sN1e(j)2π(N1)(K1)K=SK1 s 0 s 1 2 K 1 K s N 1 2 N 1 K 1 K S K 1 tenemos K K. Obtenemos ecuaciones en N N desconocidos si queremos encontrar la señal de su espectro muestreado. Este requerimiento es imposible de encontrar si K<N K N ; tenemos que tener KN K N . Nuestra de relación de ortogonalidad esencialmente dice que si tenemos el suficiente numero de ecuaciones (muestreos de frecuencia), el conjunto de ecuaciones que resultan de esto se pueden resolver.

Por convención, el numero de valores para las frecuencias del DFT K K es elegido para igualar la duración de la señal N N. El par para la transformada discreta de Fourier consiste de

Par de la Transformada Discreta de Fourier

Sk= n =0N1sne(j2πnkN) S k n 0 N 1 s n 2 n k N
(6)
sn=1N k =0N1Skej2πnkN s n 1 N k 0 N 1 S k 2 n k N
(7)

Ejemplo 1

Use esta demostración para hacer un análisis del DFT para la señal.

LabVIEW Example: (run) (source)

Ejemplo 2

Use esta demostración para sintetizar una señal de una secuencia DFT

LabVIEW Example: (run) (source)

Collection Navigation

Content actions

Download:

Collection as:

PDF | EPUB (?)

What is an EPUB file?

EPUB is an electronic book format that can be read on a variety of mobile devices.

Downloading to a reading device

For detailed instructions on how to download this content's EPUB to your specific device, click the "(?)" link.

| More downloads ...

Module as:

PDF | EPUB (?)

What is an EPUB file?

EPUB is an electronic book format that can be read on a variety of mobile devices.

Downloading to a reading device

For detailed instructions on how to download this content's EPUB to your specific device, click the "(?)" link.

| More downloads ...

Add:

Collection to:

My Favorites (?)

'My Favorites' is a special kind of lens which you can use to bookmark modules and collections. 'My Favorites' can only be seen by you, and collections saved in 'My Favorites' can remember the last module you were on. You need an account to use 'My Favorites'.

| A lens I own (?)

Definition of a lens

Lenses

A lens is a custom view of the content in the repository. You can think of it as a fancy kind of list that will let you see content through the eyes of organizations and people you trust.

What is in a lens?

Lens makers point to materials (modules and collections), creating a guide that includes their own comments and descriptive tags about the content.

Who can create a lens?

Any individual member, a community, or a respected organization.

What are tags? tag icon

Tags are descriptors added by lens makers to help label content, attaching a vocabulary that is meaningful in the context of the lens.

| External bookmarks

Module to:

My Favorites (?)

'My Favorites' is a special kind of lens which you can use to bookmark modules and collections. 'My Favorites' can only be seen by you, and collections saved in 'My Favorites' can remember the last module you were on. You need an account to use 'My Favorites'.

| A lens I own (?)

Definition of a lens

Lenses

A lens is a custom view of the content in the repository. You can think of it as a fancy kind of list that will let you see content through the eyes of organizations and people you trust.

What is in a lens?

Lens makers point to materials (modules and collections), creating a guide that includes their own comments and descriptive tags about the content.

Who can create a lens?

Any individual member, a community, or a respected organization.

What are tags? tag icon

Tags are descriptors added by lens makers to help label content, attaching a vocabulary that is meaningful in the context of the lens.

| External bookmarks