1 / 74

TEMA 4 LA TRANSFORMADA DISCRETA DE FOURIER

TEMA 4 LA TRANSFORMADA DISCRETA DE FOURIER. ESQUEMA GENERAL. 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.

yetty
Download Presentation

TEMA 4 LA TRANSFORMADA DISCRETA DE FOURIER

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  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. 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.

  5. REPRESENTACIÓN DE SECUENCIAS PERIÓDICAS: LAS SERIES DE FOURIER DISCRETAS • La señal  , al ser periódica, admite ser desarrollada en SERIES DE FOURIER

  6. REPRESENTACIÓN DE SECUENCIAS PERIÓDICAS: LAS SERIES DE FOURIER DISCRETAS PARALELISMO CONTÍNUO-DISCRETO DEL DESARROLLO EN SERIES

  7. REPRESENTACIÓN DE SECUENCIAS PERIÓDICAS: LAS SERIES DE FOURIER DISCRETAS REPRESENTACIÓN EN DSF DE UNA SECUENCIA PERIÓDICA

  8. PROPIEDADES DE LA DFS

  9. PROPIEDADES DE LA DFS

  10. CONVOLUCIÓN PERIÓDICA

  11. CONVOLUCIÓN PERIÓDICA EJEMPLO DE CONVOLUCIÓN PERIÓDICA

  12. 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.

  13. 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:

  14. MUESTREO EN LA TRANSFORMADA Z intercambiando el orden del sumatorio: pero: por lo que:

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

  16. MUESTREO EN LA TRANSFORMADA Z • Si longitud [x(n)]<N 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.

  17. 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.

  18. REPRESENTACIÓN DE SECUENCIAS DE DURACIÓN FINITA: LA DFT • DFT: • IDFT:

  19. PROPIEDADES DE LA DFT 1) Linealidad            x3(n)=ax1(n)+bx2(n) , X3(k)= aX1(k)+bX2(k) Si long[x1(n)]=N1 y long[x2(n)]=N2 entonces long[x3(n)]=max{N1,N2} 2) Periodicidad        x(n) y X(k) son periódicas con período N.

  20. PROPIEDADES DE LA DFT 3) Simetría Si x(n) <--->X(k) entonces x*(n) <--->X*(-k)= X*(N-k)   Para señales REALES:         x(n)=x*(n) y X(k)=X*(N-k)         Re[X(k)] es una función par         Im[X(k)] es una función impar         |X(k)| es una función par        Fase[X(k)] es una función impar

  21. PROPIEDADES DE LA DFT 4) Desplazamiento Circular de una secuencia Sea x(n) <---> X(k), ¿Cuál será el x1(n) <---> 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 0<n<N-1

  22. PROPIEDADES DE LA DFT Luego x1(n) corresponderá a un desplazamiento circular de x(n) ya que ambos están confinados en 0<n<N-1

  23. 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)?

  24. 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) <---> X3(k)=X1(k)X2(k)

  25. CONVOLUCION LINEAL USANDO LA DFT

  26. CONVOLUCION LINEAL USANDO LA DFT Convolución de dos secuencias finitas de igual número de puntos

  27. CONVOLUCION LINEAL USANDO LA DFT Convolución de dos secuencias finitas de distinto número de puntos En general si : DFT’S sobre la base de puntos

  28. CONVOLUCION LINEAL USANDO LA DFT Convolución de una secuencia finita con otra de un número indefinido de puntos

  29. 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

  30. Método Solapa y Suma Convolución Lineal Long • Cada Término de la sumatoria debe calcularse utilizando DFT de L+M–1 puntos

  31. Método Solapa y Guarda

  32. Relación entre parámetros temporales y frecuenciales: T: periodo de muestreo N: nº de puntos td=NT: duración de la señal en el tiempo Δf: resolucón frecuencial Fh: frecuencia máxima de la señal

  33. Relación entre parámetros temporales y frecuenciales: Límite superior del periodo de muestreo Según el teorema del muestreo: fs≥2fh T≤1/2fh Por otro lado: 2fh=NΔf N≥2fh/ Δf Δf=1/NT Nº mínimo de muestras requerido para calcular la DFT

  34. DFT de Señales Sinusoidales

  35. Evaluación de la DFT de 64 puntos a partir de 32 muestras de la función exponencial e-t evaluada en t=0,1k para k=0,1,,,,31 Pi/T=31,416 *** Δf=1/NT=1/(32*0,1); ΔΩ=1,9635 rad/seg *·*·* Δf=1/NT=1/(64*0,1); ΔΩ=0.98175 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.

  36. Las 32 muestras definen 4 periodos f=kΔf =k/NT K=4, 28

  37. El nº de muestras no es múltiplo del periodo.

  38. COMPUTACIÓN DE LA DFT • DFT: • IDFT: • Caso general, x(n) COMPLEJO:

  39. COMPUTACIÓN DE LA DFT

  40. COMPUTACIÓN DE LA DFT Comparación del número de multiplicaciones requeridas por cálculo directo de DFT y por cálculo mediante el algoritmo FFT:

  41. COMPUTACIÓN DE LA DFT

  42. COMPUTACIÓN DE LA DFT Explicación intuitiva Para secuencias reales:

  43. COMPUTACIÓN DE LA DFT Explicación intuitiva Para N=8, Términos k Términos k+N/2

More Related