5º Curso-Tratamiento Digital de Señal

Series y Transformada de Fourier

❒ Series de Fourier
❒ Transformada de Fourier

17/11/99 Capítulo 3: Series y Transformada de Fourier 1

 5º Curso-Tratamiento Digital de Señal

Series de Fourier
❒ Las series de Fourier describen señales periódicas como una
combinación de señales armónicas (sinusoides).
❒ Con esta herramienta podemos analizar una señal periódica en
términos de su contenido frecuencial o espectro.
❒ Nos permitirá establecer la dualidad entre tiempo y frecuencia,
de forma que operaciones realizadas en el dominio temporal
tienen su dual en el dominio frecuencial.
❒ Forma trigonométrica de las series de Fourier: se pretende
describir una función periódica xp(t) de periodo T (frecuencia
fundamental f0=1/T, 0=2 f0).
a0
x (t)   a1 cos0t  … ak cosk0t  … b1 sin0t  … bk sink0t  …
p
2

a
 0   ak cosk0t  bk sink0t 
2 k 1

17/11/99 Capítulo 3: Series y Transformada de Fourier 2

 5º Curso-Tratamiento Digital de Señal

Series de Fourier


❒ En forma exponencial: xp (t)   X kexp( jk
k 
s 0 t)
Se ha empleado la ecuación de1 Euler : e j  cos  j sen
◆

◆ Se demuestra que X k a  jb 

s
2 k k
1
❒ Cálculo de los coeficientes XS k  xp texp( jk0t)dt
TT
❒ Relación de Parseval



1
Px   x p (t)dt   Xsk
2 2

T T k  
◆ La potencia contenida en una señal puede evaluarse a partir de los
coeficientes de su correspondiente serie de Fourier.

17/11/99 Capítulo 3: Series y Transformada de Fourier 3

 5º Curso-Tratamiento Digital de Señal

Series de Fourier
❒ Espectro de señales periódicas : Los coeficientes Xs[k] son los
coeficientes espectrales de la señal xp(t).
❒ La gráfica de esos coeficientes en función del índice armónico
k ó de las frecuencias k0, se denomina espectro.
❒ Hay dos tipos de gráficos, uno de magnitud con los coeficien-
tes |Xs[k]| y otro de la fase de Xs[k].
❒ La función |Xs[k]| así como la fase de Xs[k] son funciones
discretas de la frecuencia.
❒ Es importante saber cuantos armónicos serán necesarios para
reconstruir una señal dada. Para ello utilizaremos la relación
de Parseval.

17/11/99 Capítulo 3: Series y Transformada de Fourier 4

 5º Curso-Tratamiento Digital de Señal

Series de Fourier
❒ Un parámetro importante en la reconstrucción de señales es la
velocidad de convergencia, o lo que es lo mismo la velocidad
a la cual los coeficientes de Fourier tienden a 0.
❒ Propiedades Superposicion x (t)  y (t)  X  k  Y k
p p S S

Derivada x p(t)  jk2f0 XS k (k  0)

X  k
t
(t)dt   C (k  0)
Integral 0 x p jk2f
0

Retraso x p (t   )  X S kexp( jk2f0 )

Escalado x p (t)  XS k (armonicos en f = kf0 )
x (t)  X k  X*k
p S S

Modulacion cos(m2f0 t)x p (t) 

1
X S k  m XS k  m
2
1
2
 
x p (t   )  x p (t   )  cos(2f0  )XS k

Convolucion x p (t)y p (t)  X S kYS k

x p (t)  yp (t) XS kYS k

17/11/99 Capítulo 3: Series y Transformada de Fourier 5
 5º Curso-Tratamiento Digital de Señal

Series de Fourier
❒ Respuesta de un sistema a entradas periódicas
◆ Tenemos un sistema cuya respuesta a impulso es h(t). Si sometemos
esta sistema a una entrada armónica x(t)=exp(jt), la respuesta y(t)
será la convolución de h(t) con x(t):
  
y(t)  h( ) expj (t   )d  exp( j t) h( ) exp( j )d x(t)H(  )


 

◆ Como toda señal xp(t) puede ser expresada como una suma infinita de
armónicos y aplicando el principio de superposición:


 
x p (t)   X S kexp( jk 0 t)  yp (t)   XS kHk 0 exp( jk 0 t)
k  k 


◆ La respuesta del sistema a una señal periódica es también una señal

periódica de la misma frecuencia que la señal de entrada, pero con
diferentes magnitudes y fases.
◆ La respuesta de un sistema a entradas armónicas nos da la respuesta
estacionaria del sistema.
17/11/99 Capítulo 3: Series y Transformada de Fourier 6
 5º Curso-Tratamiento Digital de Señal

Series de Fourier
❒ Efecto Gibbs
◆ Para señales discontinuas, su reconstrucción a partir de las series de
Fourier produce el llamado efecto Gibbs, que consiste en la aparición
de un pico del 9% en el punto de discontinuidad. Este efecto se da
incluso cuando se emplea un número grande de armómicos para la
reconstrucción.
◆ Si queremos aproximar una función periódica con discontinuidades
que tiene infinitos armónicos, tendremos que truncar la función hasta
el armónico N. Esto nos va a producir el efecto Gibbs.
◆ Para eliminarlo se utilizan las llamadas ventanas espectrales que
suavizan la reconstrucción de la función. Veremos más acerca de estas
ventanas en capítulos próximos.

17/11/99 Capítulo 3: Series y Transformada de Fourier 7

 5º Curso-Tratamiento Digital de Señal

Transformada de Fourier
❒ Queremos ampliar el concepto de series de Fourier a señales
no periódicas. Podemos visualizar una señal no periódica
como una señal continua de periodo infinito :
◆ El espaciado entre frecuencias se aproxima a 0 y es por tanto una
función continua.
◆ La señal pasa a ser de potencia a señal de energía.
◆ Los coeficientes Xs[k] son 0. Ya no es un indicador del contenido
espectral de la señal.
❒ Se define la Transformada de Fourier de x(t) como


X  f   lim T  X  k    x(t ) exp( j2ft )dt

S
T 


❒ Relación entre las Series y la Transformada de Fourier:

◆ X() es la función envolvente de Xs[k].
◆ Si muestreamos X() a intervalos f0, la función resultante es el
espectro de una señal periódica de periodo T0=1/f0.
17/11/99 Capítulo 3: Series y Transformada de Fourier 8
 5º Curso-Tratamiento Digital de Señal

Transformada de Fourier
◆ Es decir, muestrear en el dominio frecuencial se corresponde con
señales periódicas en el dominio temporal.

◆ X  f   T  X S k 
k f  f
0

X  f 
◆ X S k  
T fkf0

❒ Transformada Inversa de Fourier para una función X() :



x(t ) 
 X ( f ) exp( j 2ft )df


17/11/99 Capítulo 3: Series y Transformada de Fourier 9

 5º Curso-Tratamiento Digital de Señal

Transformada de Fourier
❒ Propiedades de la Transformada de Fourier

Superposicion F ax(t)  by(t)  aX()  bY() Desplazamiento F xt     e j X  

Derivada F x (t)  jX() F e j 2t xt   X  f   
F  xn (t)  ( j)n X() Convolucion F  x t  yt  X  Y 
1
t F  j2tx(t)  2X () F x t  yt    X  Y 
F ( j2t)n x(t)  (2 )n X n () 1 2

   
2 2


 t
 1 Parseval x t dt  
 
X  d
Integral F   x(t)dt  X()  X(0)(w) 

  j Teorema

1    
del valorInicial x0   lim jX  
+

Escalado F x(t)   X   
  









17/11/99 Capítulo 3: Series y Transformada de Fourier 10
 5º Curso-Tratamiento Digital de Señal

Transformada de Fourier
❒ Podemos utilizar la Transformada de Fourier para analizar la
respuesta a sistemas LTI, valiéndonos del hecho de que
convolución en el tiempo equivale al producto en el dominio
frecuencial.
❒ Si la respuesta y(t) a un sistema con una respuesta a impulso
h(t) y entrada x(t) con condiciones iniciales cero es
y(t)  x(t)h(t)

Aplicando la Transformada de Fourier a ambos miembros,

Y (w)  X(  )H( )

H()=Y()/X() es la función de Transferencia del sistema. Esta

nos permite analizar la respuesta frecuencial del sistema.
❒ Como se vió en las Series de Fourier, se puede analizar la respuesta en el
estado estacionario del sistema a partir de H().

17/11/99 Capítulo 3: Series y Transformada de Fourier 11

 5º Curso-Tratamiento Digital de Señal

Transformada de Fourier
❒ Limitaciones de la Transformada de Fourier
◆ El sistema debe tener condiciones iniciales cero.
◆ Entradas que no son señales de energía requieren el uso de impulsos.
❒ Por ello se extiende el concepto de la Transformada de
Fourier a la Transformada de Laplace.

17/11/99 Capítulo 3: Series y Transformada de Fourier 12

 5º Curso-Tratamiento Digital de Señal

Espectro de la señal x(t) = rect(t)

0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0
-15 -10 -5 0 5 10 15
Frecuencia (Hz)

17/11/99 Capítulo 3: Series y Transformada de Fourier 13

 5º Curso-Tratamiento Digital de Señal

Reconstrucción de x(t) (15 armónicos) a partir de muestreos en el espectro

Muestreos cada 0.25 Hz
1.2

0.8
x(t)
0.6

0.4

0.2

0
0 1 2 3 4 5
t (s)

17/11/99 Capítulo 3: Series y Transformada de Fourier 14

 5º Curso-Tratamiento Digital de Señal

Reconstrucción de x(t) (15 armónicos) a partir de muestreos en el espectro

Muestreos cada 0.5 Hz
1.2

0.8

0.6
x(t)
0.4

0.2

-0.2
0 1 2 3 4 5
t (s)

17/11/99 Capítulo 3: Series y Transformada de Fourier 15

 5º Curso-Tratamiento Digital de Señal

Magnitud vs índice k
0.5

0.4

0.3

0.2

0.1

0
0 5 10 15 20 25
17/11/99 Capítulo 3: Series y Transformada de Fourier 16
 phase vs k
5º Curso-Tratamiento Digital de Señal

Fase vs k

150

100

50

-50

-100

-150

0 5 10 15 20 25

17/11/99 Capítulo 3: Series y Transformada de Fourier 17

 5º Curso-Tratamiento Digital de Señal

power(o) & cumulative power(*) vs k

0.25

0.2

0.15

0.1

0.05

0
0 5 10 15 20 25

17/11/99 Capítulo 3: Series y Transformada de Fourier 18

 5º Curso-Tratamiento Digital de Señal

Reconstrucciones de un periodo de x(t)

1.2

0.8

0.6

0.4

0.2

-0.2

-0.4
0 1 2 3 4

17/11/99 Capítulo 3: Series y Transformada de Fourier 19

 5º Curso-Tratamiento Digital de Señal

Reconstrucción con 25 armónicos

1.2

0.8

0.6

0.4

0.2

-0.2
0 1 2 3 4

17/11/99 Capítulo 3: Series y Transformada de Fourier 20

 5º Curso-Tratamiento Digital de Señal

Reconstrucción real (--) y suavizada (--) con 25 armónicos

1.2

0.8

0.6

0.4

0.2

-0.2
0 1 2 3 4
17/11/99 Capítulo 3: Series y Transformada de Fourier 21