1

Laboratorio 2 Procesamiento Digital de Se ales n

Departamento de Ciencias e Ingeniera de la Computaci n o

Esteban Paya Oscar Andr s Agudelo e

ResumenEn este laboratorio se implemento la transformada discreta de Fourier, a partir de este funci n se saco la parte o real, imaginara, la magnitud y la fase de la senal. Las cuales tienen su respectivo an lisis. A partir de la magnitud y fase se a hizo la transformada inversa discreta de Fourier. Tambi n se e implemento una funci n que realiza la transformada r pida de o a Fourier. Se dar un breve comentario sobre los fraudes cometidos a en la ciencia e ingeniera en Colombia. Index TermsTransformada Discreta de Fourier,Transformada Rapida de Fourier,Transformada Discreta Inversa de Fourier.

calcularla, es importante tener en cuenta la siguiente expresi n: o Xd (w) = Fd (x(nT )) =

n=

x(nT )ejwnT

(1)

Para esto realizaremos una funci n que nos determine la o parte real, la parte imaginaria, la magnitud y la fase del espectro de la se al, pero primero debemos simplicar la n expresi n anterior, por lo que lo primero que debemos hacer o es expresar el ejwnT en su representaci n de senos t cosenos: o Xd (w) =
n=

x(nT )(Cos(wnT ) + jsin(wnT )) (2)

I.

I NTRODUCCI ON

transformada discreta de Fourier solo se puede aplicar a se ales digitales o discretas. Las se ales discretas se n n pueden obtener de una se al continua mediante el proceso de n muestreo. El an lisis de Fourier es una familia de t cnicas a e matem ticas que consisten en descomponer una se al en una a n suma de senos y cosenos y tambi n en hacer una an lisis e a en el dominio de la frecuencia. Utilizar la DFT implica que el segmento que se analiza es un unico perodo de una se al peri dica que se extiende de forma innita; si esto n o no se cumple, se debe utilizar una ventana para reducir los espurios del espectro. Por la misma raz n, la transformada o discreta inversa de Fourier (IDFT) no puede reproducir el dominio del tiempo completo, a no ser que la entrada sea peri dica indenidamente. Es por esto que la DFT solo es o aplicable en tiempo discreto y dominio nito. la DFT se utiliza com nmente en procesado digital de se ales y otros campos u n relacionados dedicados a analizar las frecuencias que contiene una se al muestreada. n En cuanto a la transformada r pida de Fourier es un algoa ritmo que permite el calculo de la DFT y la IDFT de manera optima realizando N sumas complejas y N multiplicaciones complejas. Las aplicaciones de la FFT son: ltros digitales,tratamiento de imagen (JPEG) y audio (MP3), reducci n de o ruido en se ales, como el ruido blanco y an lisis en frecuencia n a de cualquier se al discreta. n

Ya que el seno es impar y el coseno par , ademas de las propiedades de la sumatoria podemos expresar la transforma discreta de Fourier de la siguiente forma: X(k) =
N 1 i=0

x(i)Cos(2ki/N )

N 1 i=0

x(i)jsin(2ki/N ))

(3) Por lo tanto si observamos la ecuaci n resultante se puede o observar que la primera sumatoria expresa la parte real y la segunda la parte imaginaria, lo que nos facilita los c lculos de a nuestra funci n. o X(k) = RE{X(k)} + IM {X(k)} (4)

Luego para calcular la magnitud y la fase del espectro usamos las siguientes expresiones: |X(k)| = RE{X(k)}2 + IM {X(k)}2 (5) /X(k) = T an1
1

IM {X(k)} RE{X(k)}

) (6)

II.

P ROCEDIMIENTO

II-A. Transformada Discreta de Fourier Para analizar el espectro de una se al aperiodica es nen cesario usar la transformada discreta de Fourier para poder 13
11

f u n c t i o n [ IM , RE , Mag , Fase , y ] = T D F d i r e c t a ( x , N) IM= z e r o s ( 1 ,N) ; % n i c i a l o s v e c t o r e s con c e r o s . I RE= z e r o s ( 1 ,N) ; f o r r = 1 :N % a r a r e c o r r e r l o s v e c t o r e s . P w= 0 ; z =0; f o r j = 1 :N % e a l i z a r l a s s u m a t o r i a s . R w = w + x ( j ) c o s ( ( 2 p i ( r 1) ( j 1) ) / N) ; % C a l c u l a r RE . z = z x ( j ) s i n ( ( 2 p i ( r 1) ( j 1) ) / N) ; % C a l c u l a r IM . end RE ( r ) =w; IM ( r ) =z ; end

15

17

y=RE+IM1 i ; Mag= s q r t ( RE . 2 + IM . 2 ) ; % a l c u l a r l a m a g n i t u d d e l C espectro . F a s e = a t a n ( IM . / RE ) ; % a l c u l a r l a f a s e d e l e s p e c t r o . C end TDFdirecta.m

frecuencia de muestreo de esta se al fue de 8kHz, ya que como n la voz humana tiene una frecuencia entre 500Hz y 3.5kHz, por lo tanto la frecuencia tiene que ser mnimo el doble, o en nuestro caso 8kHz.

II-A1. Se al Senos Concatenados: Esta se al fue generada n n con una frecuencia de muestreo de 10kHz esto con el n de visualizar mejor no solo la se al, si no tambi n sus espectros. n e

Figura 4. Espectro de frecuencia de la se al n

Figura 1. Espectro de frecuencia de la se al n

Figura 5. Magnitud y Fase del espectro

Figura 2. Magnitud y Fase del espectro

Figura 6. Parte Real e Imaginaria del espectro Figura 3. Parte Real e Imaginaria del espectro

Como se puede observar en la magnitud del espectro obtuvimos las frecuencias a las cuales variaban los senos, los resultados al realizar la transformada son los esperados salvo por las irregularidades que tiene en cada una de las gr cas, a esto es debido al fen meno de Gibbs, ya que tomamos una o muestra con una ventana rectangular, y para eliminar estas irregularidades es necesario usar una ventana con variaciones suaves. II-A2. Se al Fonema: Para esta se al se tomo un fragmenn n to (Fonema (a))del audio generado en el laboratorio pasado, la

Como se puede observar la magnitud del espectro, las componentes frecuenciales no superan los 3kHz por lo que conrma lo dicho anteriormente.

II-A3. Espectrograma: Para calcular el espectrograma de ambas se ales se implemento una ventana Hamming n por sus variaciones suaves, ademas se tomaron 3 gr a cas diferentes que nos muestran el comportamiento de la (STF) a medida que se varia el tama o de la ventana. n

al hacer que el tama o de la ventana sea muy peque a, se n n diculta mas el identicar las componentes de frecuencia de la se al. n

Figura 7. Ventana Hamming 5 %

Para esta gr ca se tomo una ventana Hamming con un a tama o del 5 % del vector de senos,como se puede observar n al hacer que el tama o de la ventana sea muy peque a, se n n diculta mas identicar las componentes de frecuencia de la se al. n

Figura 11. Ventana Hamming 25 %

Para esta gr ca se tomo una ventana Hamming con un a tama o del 25 % del vector del fonema, como se puede n observar el tama o de la ventana permite identicar tanto n las componentes frecuenciales, como el tiempo en el cual perduran, para esta se al se puede determinar que tiene una n frecuencia de 500 Hz fonema y de 200 Hz ruido.

Figura 8. Ventana Hamming 25 %

Para esta gr ca se tomo una ventana Hamming con un taa ma o del 25 % del vector de senos, como se puede observar el n tama o de la ventana permite identicar tanto las componentes n frecuenciales, como el tiempo en el cual perduran, para esta se al se puede determinar que tiene una frecuencia de 100 Hz n hasta 0.1 s luego una frecuencia de 150 Hz hasta 0.2 s y al nal una frecuencia de 200 Hz.

Figura 12. Ventana Hamming 70 %

Para esta gr ca se tomo una ventana Hamming con un a tama o del 70 % del vector del fonema, como se observar n al hacer la ventana muy grande, se pueden identicar los espectros de frecuencia pero es complicado distinguir en que instantes de tiempo perduran. II-B. Transformada Inversa de Fourier

Figura 9. Ventana Hamming 70 %

Para esta gr ca se tomo una ventana Hamming con un a tama o del 70 % del vector de senos, como se observar al hacer n la ventana muy grande se pueden identicar los espectros de frecuencia pero es complicado distinguir en que instantes de tiempo perduran.

Una vez se le aplique a una se al la DFT esta se al se n n puede recuperar haciendo la inversa de la DFT es decir la IDFT. En este caso se realizo una funci n que recibiendo la o parte imaginaria y real de la se al a la cual se le aplico la DFT n retornara la funci n original y se tuvo en cuenta la siguiente o expresi n: o
N/2

X[i] = donde

N/2

REX[k]Cos(2ki/N )+

IM X[k]sin(2ki/N )) (7) (8) (9)

k=0

k=0

REX[0] = REX[0]/N REX[N/2] = REX[N/2]/N

1

Figura 10. Ventana Hamming 5 %

Para esta gr ca se tomo una ventana Hamming con un a tama o del 5 % del vector del fonema,como se puede observar n

f u n c t i o n [ x ] = T D F i n v e r s a ( RE , IM , N) x= z e r o s ( 1 ,N) ; f o r i = 1 : N % e c o r r e e l v e c t o r de s a l i d a . R w= 0 ; z =0; f o r k=0 : ( N / 2 ) % a l c u l a c a d a uno d l o s t e r m i n o s C de l a i n v e r s a .

11

13

i f k == 0 | | k == N/ 2 % o n d i c i o n p a r a l o s C v a l o r e s de k . w = w + ( RE ( k + 1 ) / ( N) ) c o s ( ( 2 p i ( k ) ( i 1) ) /N) ; z = z ( IM ( k + 1 ) / ( N / 2 ) ) s i n ( ( 2 p i ( k ) ( i 1) ) /N) ; else w = w + ( RE ( k + 1 ) / ( N / 2 ) ) c o s ( ( 2 p i ( k ) ( i 1) ) /N) ; z = z ( IM ( k + 1 ) / ( N / 2 ) ) s i n ( ( 2 p i ( k ) ( i 1) ) /N) ; end end x ( i ) =w+z ; end TDFinversa.m

15

La gura 14 contiene tres gr cas la primera gr ca es la a a se al fonema reconstruida con IDFT,es decir con la funci n n o que se muestra arriba elaborada en Matlab. La segunda gr ca a es la se al original a la cual no se le ha realizado ninguna n transformada o cambio. La ultima gr ca es el error cuadr tico a a medio a trav s del tiempo de cada componente del vector. En e la ultima gr ca se ve que el error es demasiado peque o en a n el orden de 1032 por lo cual las dos gr cas (la 1 y la 2) no a es evidente alguna diferencia entre ellas y se podra decir que es la misma. Tipo De Se al n Error Cuadr tico Medio a Se al de Senos 1.9122x1030 n Se al Fonema n 2.4103x1026
Cuadro I E RROR C UADR ATICO M EDIO

II-B1. Error cuadr tico Medio: Una forma de evaluar la a bondad de ajuste del modelo es a trav s del error cuadr tico e a medio. Este se calcula como el promedio de los cuadrados de los residuales.Esta denotado por la siguiente formula: ECM = (x x)2 N

Como se puede ver en el cuadro 1 esta el error cuadr tico a medio de las dos se ales. En cuanto al error del la se al de n n senos concatenados es muy baja es de 1.9122x1030 es decir pr cticamente cero es demasiado baja. en cuanto al error de la a se al fonema el error es de 2.4103x1026 menos baja que el n error de los senos concatenados pero igual es muy baja y se podra decir que es cercano a cero. Por ende podramos decir que la IDFT es un buen m todo para recuperar las se ales e n discretas en la frecuencia II-C. Transformada R pida de Fourier a

Figura 13. Se al senos reconstruidos y error n

La gura 13 contiene tres gr cas la primera gr ca es la a a se al de senos concatenados reconstruida con IDFT,es decir n con la funci n que se muestra arriba elaborada en Matlab. o La segunda gr ca es la se al original a la cual no se le ha a n realizado ninguna transformada o cambio. La ultima gr ca a es el error cuadr tico medio a trav s del tiempo de cada a e componente del vector. En la ultima gr ca se ve que el error a es demasiado peque o en el orden de 1028 por lo cual las n dos gr cas (la 1 y la 2) no es evidente alguna diferencia entre a ellas y se podra decir que es la misma.

Para realizar la transformada de fourier de 8 puntos usamos la estructura mariposa, con el n de generar la matriz W que nos permitira calcular el espectro de una se al con una n simple multiplicaciones de matrices, a comparaci n de la o transformada directa de fourier la complejidad computacional se reduce considerablemente. Primero debemos encontrar la estructura de mariposa que se adecua a nuestro dise o(8 n puntos):

Figura 15. Estructura Mariposa

Para esta estructura sabemos que W8 es una abreviaci n o 2i para las exponenciales complejas e N , ademas h es el vector de entrada al cual se le quiere calcular la transformada y H es la salida, sabiendo esto reducimos esta expresi n a una matriz o W 8x8 que nos permita realizar c lculos computacionales mas a simples:
Figura 14. Se al fonema reconstruido y error n

H(0) = h(0)+ h(1)+ h(2) +h(3) + h(4)+ h(5)+ h(6) +h(7)

2 3 H(1) = h(0)+h(1)W8 +h(2)W8 +h(3)W8 h(4)h(5)W8 2 3 h(6)W8 h(7)W8 2 2 2 H(2) = h(0) + h(1)W8 h(2) h(3)W8 + h(4) + h(5)W8 2 h(6) h(7)W8 3 2 5 3 H(3) = h(0)+h(1)W8 h(2)W8 h(3)W8 h(4)h(5)W8 2 5 +h(6)W8 + h(7)W8

H(4) = h(0) h(1)+ h(2) h(3) +h(4) h(5)+ h(6) h(7)

2 3 H(5) = h(0)h(1)W8 +h(2)W8 h(3)W8 h(4)+h(5)W8 2 h(6)W8

Figura 16. FFT

Comparando los resultados con los que genera la funci n o FFT de Matlab se obtuvieron los siguientes datos: FFT8 Magnitud 8 0 0 0 8 0 0 0 Fase 0 0 0 0 0 0 0 0 FFT Magnitud 8 0 0 0 8 0 0 0 Fase 0 0 0 0 0 0 0 0

3 h(7)W8

2 2 2 H(6) = h(0) h(1)W8 h(2) + h(3)W8 + h(4) h(5)W8 2 h(6) + h(7)W8 3 2 5 3 H(7) = h(0)h(1)W8 h(2)W8 +h(3)W8 h(4)+h(5)W8 2 5 +h(6)W8 h(7)W8

Podemos 1 1 1 1 H= 1 1 1 1

reducir este sistema de ecuaciones a una matriz: 1 W8 2 W8 3 W8 1 W8 2 W8 3 W8 1 2 W8 1 2 W8 1 2 W8 1 2 W8 1 3 W8 2 W8 W8 1 3 W8 2 W8 W8 1 1 1 W8 2 1 W8 3 1 W8 1 1 1 W8 2 1 W8 3 1 W8 1 2 W8 1 2 W8 1 2 W8 1 2 W8

Cuadro II C OMPARACI ON A LGORITMOS

1 x=[2 0 0 2 0 0 2 0] 3 W8 2 W8 W8 h 1 3 W8 2 W8 W8

5 Como se puede observar en la matriz los t rminos W8 fueron e reducidos a W8 ya que por propiedad de simetra se tiene que N/2+K K WN = WN . Teniendo esta matriz se implemento la siguiente funci n en Matlab: o

10

12

14

f u n c t i o n [ Mag , Fase , y ] = FFT8 ( x ) wn= exp (( 2 p i 1 i ) / 8 ) ; w= [ 1 1 1 1 1 1 1 1 ; % M a t r i z w 1 wn wn 2 wn 3 1 wn wn 2 wn 3 ; 1 wn 2 1 wn 2 1 wn 2 1 wn 2 ; 1 wn 3 wn 2 wn 1 wn 3 wn 2 wn ; 1 1 1 1 1 1 1 1; 1 wn wn 2 wn 3 1 wn wn 2 wn 3 ; 1 wn 2 1 wn 2 1 wn 2 1 wn 2 ; 1 wn 3 wn 2 wn 1 wn 3 wn 2 wn ] ; y=wx ; Mag= a b s ( y ) ; % a l c u l o M a g n i t u d C Fase= angle ( y ) ; % alculo Fase C end FFT8.m

Figura 17. FFT

Comparando los resultados con los que genera la funci n o FFT de Matlab se obtuvieron los siguientes datos: FFT8 Magnitud Fase 6 0 0.8284 0.7854 2 1.5708 4.8284 -0.7854 2 0 4.8284 0.7854 2 -1.5708 0.8284 -0.7854 FFT Magnitud Fase 6 0 0.8284 0.7854 2 1.5708 4.8284 -0.7854 2 0 4.8284 0.7854 2 -1.5708 0.8284 -0.7854

Para comprobar la funcionalidad del algoritmo creado se calculo el espectro de las se ales propuestas en el laboratorio: n x=[2 0 2 0 2 0 2 0]

Cuadro III C OMPARACI ON A LGORITMOS

x=[2 0 0 0 2 0 0 0]

Figura 18. FFT

Comparando los resultados con los que genera la funci n o FFT de Matlab se obtuvieron los siguientes datos: FFT8 FFT Magnitud Fase Magnitud Fase 4 0 4 0 0 0 0 0 4 0 4 0 0 0 0 0 4 0 4 0 0 0 0 0 4 0 4 0 0 0 0 0
Cuadro IV C OMPARACI ON A LGORITMOS

Como se puede observar en cada una de las tablas la FFT8 y la FFT de Matlab manejan algoritmos parecidos ya que generan los mismos resultados con un error del 0 %. II-D. An lisis de problema Sociotecnol gico a o Cargo culto es un t rmino que surgi a principios del siglo e o XX, cuando en los mares del sur es decir Melanesia entre otras islas que no cuentan con desarrollo cientco ni tecnol gico, o las colonias de Inglaterra y despu s Estados Unidos tuvieron e grandes inuencias. Los nativos de esas islas eran personas creyentes de un Dios y le rezaban y hacan sus respectivos sacricios. En esa epoca ellos tenan que salir a cazar, cultivar y estar pendiente de sus cultivos. Lo que los sorprendi a estos o nativos fue cuando llego el primer barco de Inglaterra lleno de alimentos y municiones, ellos no comprendan como el Dios de los ingleses les mandaba tanto si ellos no hacan ritos complicados ni sacricios y el Dios les pagaba de buena manera. Entonces ellos optaron por cambiar de Dios y realizar las mismas plegarias para no volver a cazar y cultivar. Poco despu s los estadounidense llegaron a estas islas por al e guerra, los nativos se sorprendieron al ver que a diferencia de los ingleses los estadounidense les llegaba comida, medicina entre otros objetos para la guerra en avi n. Los nativos o copiaron la cultura estadounidense para ver si ellos podan adquirir lo mismo. A este tipo de eventos el se or Feyman n lo llama ciencia del culto a la cargaporque siguen todos los preceptos y formas aparentes de la investigaci n cientca, o pero les falta algo esencial, porque los aviones no aterrizan.

Siempre ha existido cierta pol mica con la etica cientca e ya que la ciencia es un instrumento que utilizar el hombre para hombre explorar la naturaleza y obtiene conocimientos sobre ella. Los usos que se le dan a ese conocimiento no dependen del m todo utilizado para alcanzarlo. Esto hace referencia a e el uso que se le da al conocimiento o a sus aplicaciones, pero no se tiene encuentra el como se obtuvo ese conocimiento, si es verdico o es un fraude. La ciencia de cargo culto conlleva a que la ciencia y la ingeniera pueda ser un fraude. Todo empieza con el hombre, ya que nosotros buscamos tener prestigio y ser reconocidos por esto se puede inventar o maquillar ciertos resultados para obtener lo que buscamos. Por ejemplo en la ultima d cada se e desato uno de los esc ndalos m s grandes de la ciencia. El a a cientco Sur-coreano Hwang Woo Suk anuncio en 2005 que haba obtenido c lulas madre de embriones humanos clonados e de diversos pacientes. Sin embargo, en enero de 2006 una comisi n de investio gaci n de la Universidad de Se l conrm que la eminencia o u o mundial haba falsicado los resultados de sus experimentos y que nunca existieron tales c lulas madres conseguidas de e pacientes especcos. Poco despu s el cientco admiti haber e o falsicado algunos datos. Hace algunos meses se supo que Apple demando a Samsung por plagio de los Smartphone ya que esta empresa haba copiado ciertos rasgos del iphone, sin pagarle a esta compa a por el uso de la idea. Estos e considera n fraude de ingeniera y todo estos se debe a la avaricia del sur humano. Esto es un acontecimiento mundial ya que no solo se vive en pases desarrollados como las Coreas entre otros. En Colombia se descubri que le profesor Hugo Felipe Hoenigsberg de o la universidad de los Andes se apropi de una investigaci n o o de tesis de una estudiante de doctorado para que el pudiera publicar y recibir los 35 millones que Colciencias dio para apoyar el proyecto. El profesor en ese entonces era el director del instituto de gen tica de los andes ahora esta en la c rcel e a pagando su condena por fraude. No tan solo es la falsicaci n o de resultados sino el robo de ideas lo cual conlleva al fraude. Esto no es eticamente correcto ay que no esta enga ando al n mundo sino que tambi n se esta enga ando la persona como e n tal, todo esto se hace para ganar un poco de gloria y prestigio que se puede terminar pagando en la c rcel como una burla a mundial o nacional. En Colombia tambi n se han visto casos de corrupci n o de e o fraude. En Bogot la construcci n de TransMilenio por la calle a o 26 fue adjudicada a los hermanos Nule los cuales recibieron plata por anticipado y la gastaron en sus deudas y no en la construcci n de esta calle la cual tuvo un retraso de 2 a os. o n Tambi n se dice que le dieron el 9 % del presupuesto para esta e calle al entonces alcalde de Bogot en ese entonces Samuel a Moreno. Esto se puede ver como un fraude en ingeniera y la poca etica de los hermanos Nule como del alcalde. III. C ONCLUSIONES

Mediante la herramienta de Matlab se pudo comprobar que usando la transformada discreta de fourier es posible adquirir el espectro de una se al y de esta forma analizar n

sus componentes frecuenciales. Al realizar el espectrograma de las se ales propuestas en el laboratorio se pudo comprobar n que para la transformada corta de fourier (STF), es necesario usar una ventana que se adecue a las frecuencias que maneja la se al, ya que si la venta es muy peque a, no es posible n n determinar en el espectrograma cuales son las componente frecuenciales de la se al,y si la ventana es muy grande, no n es posible determinar cuales es la duraci n en el tiempo de o cada una de las frecuencias. Por lo tanto para el laboratorio se usaron ventanas con el 25 % del tama o del vector. Para la n transformada inversa de fourier se pudo comprobar que el error computacional es muy peque o, pero este varia dependiendo n del tama o del vector, esto es debido a los truncamientos n que realiza Matlab a la hora de manejar los datos de la se al, aunque para las se ales del laboratorio los errores n n fueron mnimos, es necesario usar la transformada r pida de a fourier(FFT) para aplicaciones mas robustas. Para el calculo de la FFT de 8 putos fue necesario usar una estructura de mariposa de 3 etapas,y por medio de esta calcular la matriz W que permite asociar el vector de entrada h (Tiempo)y la salida H(Frecuencia), al comprobar el resultado de la funci n o FFT8 con la generada por Matlab se logro comprobar que el error entre estas dos era del 0 % esto es debido a que Matlab usa este tipo de algoritmo para reducir no solo la complejidad del calculo sino tambi n el error por truncamiento. e IV. B IBLIOGR AFIA

Proakis, John G. Manolakis, Dimitris G. Tratamiento digital de se al: principios, algoritmos y aplicaciones. n Editorial Pretice Hall, c1998 Oppenheim, Alan V. Schafer, Ronald W. Discrete-time signal processing. Editorial Prentice Hall, c1989 Buitrago, Juliana. Fraude y enga o en la investigaci n n o biom dica [en linea] Vol.35 #2, 2005[ref. 16 de Septieme bre 2012]. Schulz, Pablo C. La etica en la ciencia [en lnea] Vo lumen 6(2), Junio de 2005. Departamento de Qumica. Universidad Nacional del Sur, Baha Blanca, Argenti na. [ref. 10 de Septiembre 2012]. Disponible en Web: http://www.ehu.es/reviberpol/pdf/JUN05/schulz.pdf Richard Feynman. Surely Youre Joking, Mr. Feynman! WW Norton, 1985.