PLANIFICACION GENERAL

299004 Procesamiento Digital de Seales

Jhon Jairo Montoya Cd. 16.862.376

Juan Carlos Merchn Rubiano Cd. 16.798.483
Jos Javier Daz Caicedo. Cd. 16.832.619
Ricardo Valderruten Cd.75102119
Luis armando Erazo 15.81.31.15

Grupo 299004_15

Tutor(a) del Curso

Ana Isabel Bolaos

29 DE NOVIEMBRE DE 2016
UNIVERSDIAD NACIONAL ABIERTA Y A DISTANCIA
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera CBTI
 CONTENIDO

INTRODUCCION .............................................................................................................................. 2
OBJETIVOS ....................................................................................................................................... 3
GENERAL ...................................................................................................................................... 3
ESPECIFICOS ................................................................................................................................ 3
MARCO TEORICO INDIVIDUAL ................................................................................................... 4
ACTIVIDAD GRUPAL .................................................................................................................... 10
CONCLUSIONES ............................................................................................................................ 20
BIBLIOGRAFA............................................................................................................................... 24
 INTRODUCCION

El presente documento contiene el desarrollo de la gua de actividades correspondiente al Trabajo

colaborativo de la materia Procesamiento digital de seales, que brinda la Universidad nacional
abierta y a distancia.

En l se desarrollarn unas actividades correspondientes a la unidad 3 Aplicaciones del Procesamiento

Digital de seales

Dentro de la actividad el alumno leer algunos artculos propuestos en la gua y realizar una
explicacin escrita de lo que se entendi con sus propias palabras.

Como actividad grupal deber desarrollar una pregunta propuesta por el tutor aplicando todo lo visto
en la unidad 3 acompaado del simulador sugerido en la gua con sus respectivos anlisis
 OBJETIVOS

GENERAL

Desarrollar los puntos propuestos en la gua de actividades propuestas

ESPECIFICOS

Conocer y tener un espacio de integracin con todos los compaeros de grupo Colaborativo

Aplicar los conocimientos que propone la unidad reflejados en ejercicios tericos y prcticos

Realizar un resumen del articulo propuesto con sus propias palabras

Determinar la interpretacin de rpida de Fourier FFT y su anlisis

Graficar a travs de los simuladores, la rpida de Fourier (FFT) y establecer su significado

 MARCO TEORICO INDIVIDUAL_5 PARTICIPANTES

JOHN JAIRO MONTOYA CORTES

1832. Transformada de Fourier Rpida Escasa y su aplicacin en el sistema de diagnstico

inteligente del rodamiento del tren.

Resumen

Se est proponiendo un sistema para monitorear el estado saludable de los rodamientos de un tren en
lnea basado en la transformada rpida dispersa de Fourier, donde consta de dos partes secuenciales.
La primera extrae caractersticas de falla que se basan en el espectro SFFT y la segunda es la
construccin de un clasificador basado en la red neural BP. Se espera lograr con este monitoreo unos
resultados gratificantes comparando con el sistema tradicional de diagnstico de fallas.

JUAN CARLOS MERCHAN RUBIANO

High-perfomance sparse fast Fourier transforms

Resumen

El autor da una descripcin importante de la transformada de Fourier, esta es sumamente importante

y bien conocida con una variedad de aplicaciones en muchas disciplinas cientficas.
Es utilizada para diferentes aplicaciones por ejemplo en el procesamiento o tratamiento de seales,
comprensin de imgenes, filtrado de ruido entre otros.
La FFT es un algoritmo revolucionario por la informtica en ciencia e ingeniera este fue seleccionado
como uno de los 10 algoritmos del siglo XX describindolo como un algoritmo ms omnipresente
por ser utilizado para analizar y manipular datos digitales o discretos.

El autor da una visin general donde dada una seal en el dominio del tiempo x 2 Cn donde la
transformada Fourier rpida dispersa (SFFT) deber calcular la frecuencia K no nulo.

no necesita ser
Para dar solucin SSFT existen diferentes versiones .para las versiones 1,2,4
exactamente K-sparse. Esta seal puede ser ruidosa.
La transformada de Fourier rpida es un algoritmo probalstico. Es decir el componente de frecuencia
K de una seal K-sparse se reconstruye con una probabilidad finita.
El autor muestra los diferentes algortimos DFT para una seal sparse y sus propiedades
Un frecuente paso en el algoritmo SFFT es el calculo del DFT de un vector de dimensin baja y
luego submuestrear y resumir el resultado. Lemma 2. Muestra este calculo que puede hacerse muy
eficientemente revertiendo esos pasos.

Con esas definiciones y lemmas esto es posible para definir la Transformada rapidas de Fourier
(SFFT)

La SFFT V1 consiste en mltiples ejecuciones de dos tipos de bucles: bucles de localizacin y bucles
de estimacin. El propsito de este primer tipo de ubicacin de bucles, es generar una lista de
candidatos de coordenadas I. las coordenadas candidatos tienen una cierta probabilidad de que
los ndices de uno de K significativo coeficiente no nulos en . Para correr en mltiples itinerarios
de localizacin de bucles, esta probabilidad puede ser incrementada. El segundo tipo de, estimacin
de bucles son usados exactamente para determinar la frecuencia de coeficientes para dar un ser de
coordenadas I
SFFT Versin 2 es muy similar a la versin 1. La diferencia nica es que es usada la heurstica
para encontrar rpidamente el significado del coeficiente de la seal.
La heurstica basada en un filtro especial, una versin modificada del algoritmo. Aqu se
denominar como filtro de Mansour.
Los bucles del filtro de Mansour puede ser implementada como sigue. Sea wM del tamao de un
filtro. Entonces:
1. Elegir un desplazamiento aleatorio t 2 [n/wM].
2. Submuestra de un vector de entrada para el calculo = + para i [Wm]
3. Calcular the DFT de Z
4. Retornar las coordenadas de un mximo de magnitud en

Recuerde que la funcin de ventana es utilizada para extraer parte de la seal y mantener el espectro
mnimo. El filtro Mansour no tiene fuga espectral en absoluto Estas es la mayor ventaja puesto que
el error se reduce, y, por lo tanto, el filtro Mansour puede acelerar la ejecucin del SFFT.

SFFT Versin 3. Mientras que las ideas centrales de la versin 3 de SFFT siguen siendo similares a
la versin 1 y 2, esta versin introduce dos mejoras importantes.
La primera mejora se basa en la observacin una vez que el coeficiente de la frecuencia de la seal
es encontrado y estimado, se puede eliminar. Este factor puede ser usado para reducir la cantidad de
trabajo para realizar una secuencia de pasos.
La segunda importante adicin en SFFT V3 es un esquema mejorado para encontrar las coordenadas
de frecuencia significativas de la seal usando mediciones individuales. En SFFT V1 y V2 mltiples
bucles de localizacin fueron ejecutados y sus resultados combinados en orden para conseguir un
correcto candidato de coordenadas con una alta probabilidad.
SFFT Versin 4. La versin 4 del algoritmo SFFT usa la misma idea de la versin 3 pero eliminando
la restriccin de que solo pueden utilizarse seales exactas K-sparse. Esto hace que sea usado el
mismo esquema para encontrar el candidato de coordenadas como en la versin 3, pero permitiendo
ms de dos distintas medidas y reconstrucciones de numero finitos de bits de coordenadas en cada
medida. Este enfoque es similar a una bsqueda binaria, en cada paso de la regin de frecuencia esto
lo reduce an ms.

Ricardo Valderruten

Fast Fourier transform using matrix decomposition

Resumen

Los autores buscan disminuir la complejidad en cuanto a las multiplicaciones y el nmero total de
operaciones que involucra el desarrollo de la transformada rpida de Fourier (FFT), a travs de la
descomposicin en forma recursiva de la matriz de transformada discreta de Fourier (DFT) en un
grupo matrices. Mediante tres ejemplos categricos se pudo obtener representaciones diferentes de
FFT con reducido costo computacional. Dicho esquema de modelado se verifico en el algoritmo de
encriptacin de imgenes sobre mltiples etapas, permitiendo validar el rendimiento del cifrado y
desempeo del proceso de encriptacin para proteger diferentes tipos de imgenes con diferentes
niveles de seguridad.

Luis Armando Erazo

Implementacin de Software Eficiente de la Transformada de Fourier Rpida Escasa y ptima

para el Caso Ruidoso.

Resumen

Resumen del Autor:

En este artculo se presenta una implementacin software optimizada (sFFT- 4.0) del algoritmo
Transformada Rpida de Fourier Escasa (sFFT) Casi ptimo para el caso con ruido. En primer lugar,
se desarroll una versin modificada del algoritmo sFFT Casi ptimo para el caso con ruido, esta
modificacin resuelve los problemas de exactitud de la versin origial al modificar la ventana plana
y los procedimientos; y en segundo lugar, se implement el algoritmo modificado en una plataforma
multincleo compuesta de ocho ncleos. Los resultados experimentales en el agrupamiento de
computadores muestran que la implementacin desarrollada es ms rpida que el clculo directo
usando la biblioteca FFTW bajo ciertas condiciones de escass y tamao de seal, y mejora los
tiempos de ejecucin de implementaciones previas como sFFT-2.0. Al mejor conocimiento de los
autores, la implementacin desarrollada es la primera del algoritmo sFFT Casi ptimo para el caso
con ruido. [ABSTRACT FROM AUTHOR]

Resumen de acuerdo a lo ledo en el artculo:

El resumen expuesto en la base de datos de la biblioteca unad, nos muestra implementado mediante
un software el desarrollo de un algoritmo de sFFT ptimo en seales ruidosas o inestables, las cuales
se modifican mediante procedimientos que mejoren la calidad de dicha seal ruidosa.
El algoritmo sFFT modificado se logra diseando unas ventanas planas y realizando varias
modificaciones en los procedimientos
La sFFT se refiere a una familia de algoritmos que permiten estimar la Transformada de Fourier
Discreta (DFT) de una seal dispersa, mucho ms rpido que los algoritmos FFT. En el caso actual
se tiene una seal dbil en el dominio de DFT. En el artculo ellos presentan dos algoritmos sFFT
mejorados en cuanto a tiempo de ejecucin.
En el artculo se present un algoritmo de sFFT casi optimizado modificado para el caso ruidoso, este
algoritmo reduce muestreo y corrige la Cero-hash del algoritmo original duplicando el ancho de banda
de la ventana plana y modificando los procedimientos originales
Cabe destacar que tambin nos muestra la manera como hacen el procedimiento y la descripcin del
algoritmo sFFT, calculando la estimacin DFT de un ruido en una seal. Existen igualmente unos
mtodos que menciono a continuacin:

Procedure HashToBins: calcula los errores (the hashes-error)

Procedure Locate Signal: Procedimiento de seal local, calcula la frecuencia de un determinado set

Procedure Locate Inner: Procedimiento local Inner Realiza el ajuste de las posiciones de frecuencia
en el espectro permutado

Procedure EstimateValues: Este procedimiento, calcula el ajuste de estimacin de DFT

Jose Javier Diaz

High-performance sparse fast Fourier transforms

Actualmente todas las herramientas de anlisis espectral se ejecutan atraves de un ordenador con un
algoritmo, llamado la transformada de Fourier escasa (SFT), cuyos flujos de datos se pueden procesar
de 10 a 100 veces ms rpido de lo que era posible con la FFT. Anteriormente, el aumento de
velocidad se debe a la informacin la cual contiene una gran cantidad de estructura, los parmetros
que se estudian son: Frecuencia de muestreo, tamao de la ventana, tipo de ventana, nmeros de ceros
por ventana y forma de representacin, tambin es una herramienta de anlisis muy usada en la
acstica, ingeniera biomdica, mtodos numricos, procesamiento de seal, radar,
electromagnetismo, comunicaciones, etc.
 ACTIVIDAD GRUPAL_5 PARTICIPANTES

Cada estudiante debe ingresar y realizar como mnimo tres (3) aportes significativos
para resolver las siguientes inquietudes:

En qu consiste la FFT y cmo se interpretan sus resultados?. Es decir, sin en Matlab

u Octave se calculara la FFT a un vector de datos, =(), y se graficara con
(()), Qu significado tiene el eje x de la grfica y cmo se relaciona con la
frecuencia y el tiempo? Qu significado tiene la primera mitad de la grfica y cmo se
relaciona con la segunda mitad?

ANALISIS JUAN CARLOS MERCHAN RUBIANO

En que Consiste
La FFT es un algoritmo que permite realizar el clculo de la transformada de Fourier Discreta de una
secuencia de forma eficiente, permitiendo convertir una seal del dominio del tiempo al dominio de
la frecuencia y en modo viceversa. Pues al ejecutar el clculo de la transformada de Fourier Discreta
para N valores se deben realizar N2 multiplicaciones complejas y N2-N sumas complejas, lo que
resulta ineficiente al no emplear las propiedades de simetra y periodicidad. Para mejorar la eficiencia
se procede a descomponer la transformada de Fourier Discreta en sucesiones ms pequeas.

La transformadas rpidas de Fourier (FFT) Est basado en la extraccin de serie de senos y cosenos
que, cuando se superponen, reproducirn la funcin.
La transformada rpida de Fourier es un mtodo matemtico para transformar una funcin del tiempo
en una funcin de frecuencia. A veces se describe como la transformacin del dominio del tiempo al
dominio de frecuencia. Es muy til para el anlisis de fenmenos dependientes del tiempo.
Ante todo, debe quedar claro que la FFT no es una nueva transformada, sino que se trata de un
algoritmo para el clculo de la Transformada Discreta de Fourier (DFT). Su importancia radica en el
hecho que elimina una gran parte de los clculos repetitivos a que es sometido la DFT, por lo tanto,
se logra un clculo ms rpido. Adems, la FFT generalmente permite una mayor precisin en el
clculo de la DFT disminuyendo los errores de redondeo.

COMO SE INTERPRETA SUS RESULTADOS

Como se haba dicho inicialmente la FFT es una herramienta matemtica muy til para el anlisis de
seales digitalizados.
Para su interpretacin se debe tener presente que los valores obtenidos son del tipo complejo (parte
real + parte imaginaria) con esto se pueden obtener dos tipos de grficos a partir de stos nmeros:
de amplitud y de fase.
Las formas y simetras dependen de la seal que se est estudiando. Por ejemplo, si trabajamos con
una seal real en el dominio del tiempo (que no posee parte imaginaria) se obtendr como resultado
una funcin par para el grfico de amplitud y una funcin impar para el de fase

Calculo del Vector de datos Matlab

fs=10;
t = (0:1:length(x)-1)/fs;
plot(t,x)

Figra 1. Seal Continua

>> fs=10;
t = (0:1:length(x)-1)/fs;
plot(t,x);
Y = fft(x);
plot(abs(Y));
Figura 2 Picos espectrales

Qu significado tiene el eje x de la grfica y cmo se relaciona con la frecuencia y el tiempo?

En este ejercicio se est recogiendo una distancia de = 0.1 segundos aparte y estn contenidas en
Matlab en el Vector x que luego sern ploteadas con el comando indicado en Matlab.

Entonces como en Matlab se plotea por default, la lnea de interpolacin es ejecutada entre un simple punto
y da la impresin de una seal continua. Ver figura 1.

Tambin podemos observar que con el comando de Fs como fs = 1/ la cual es la frecuencia de

muestreo en Hz

Para ver si hay un pico espectral se recurre a la funcion FFT, que realiza el clculo
computacional DFT, esta es una manera eficiente, y es llamado la transformada rpida de
Fourier (FFT), y su uso es muy simple.

El vector x del dominio del tiempo simple, devuelve un vector Y de una muestra Y ms), m= 0,1,,
N1of de DFT calculada.

Estos comandos resultan en el grafico mostrado ver figura 2 donde se observa algunos aspectos
interesantes en la trama, en primer lugar y lo ms importante, hay dos picos espectrales claros, lo
que indica que hay ms de una seal de ruido. El segundo punto de inters surge al tratar de
interpretarlos lo cual nos muestra claramente que hay 2 puntos espectrales en el X Y tienen el
mismo nivel de ruido en ambos extremos.

Qu significado tiene la primera mitad de la grfica y cmo se relaciona con la segunda

mitad?
Hay dos picos espectrales de ruido en ambas partes lo que indica que hay simetra y continuidad de
la seal X(w) = F(x)
Anlisis Ricardo Valderruten
En qu consiste la FFT y cmo se interpretan sus resultados? Es decir, sin en Matlab u Octave
se calculara la FFT a un vector de datos, =(), y se graficara con (()), Qu
significado tiene el eje x de la grfica y cmo se relaciona con la frecuencia y el tiempo? Qu
significado tiene la primera mitad de la grfica y cmo se relaciona con la segunda mitad?
La FFT es un algoritmo que permite realizar el clculo de la transformada de Fourier Discreta de una
secuencia de forma eficiente, permitiendo convertir una seal del dominio del tiempo al dominio de
la frecuencia y en modo viceversa. Pues al ejecutar el clculo de la transformada de Fourier Discreta
para N valores se deben realizar N2 multiplicaciones complejas y N2-N sumas complejas, lo que
resulta ineficiente al no emplear las propiedades de simetra y periodicidad. Para mejorar la eficiencia
se procede a descomponer la transformada de Fourier Discreta en sucesiones ms pequeas.
La FFT mediante la aplicacin de un algoritmo eficiente nos permite convertir la seal del dominio
del tiempo al dominio de la frecuencia, permitiendo descomponer una seal en sus diferentes
armnicos de longitud de onda grande y pequea, lo que permite obtener informacin clara sobre los
defectos de forma o retemblado.

Emplearemos la transformada de Fourier para encontrar los componentes de frecuencia de una seal
en dominio del tiempo que se ha visto afecta por el ruido con una frecuencia de muestreo de 1KHz.
= (120) + 3(300)
Para lo cual nos apoyamos de la herramienta Matlab para encontrar la transformada de Fourier
mediante el comando (), mediante el siguiente script.
T=1/fs;
L=1000;
t=(0:L-1)*T;
st=sin(120*pi*t)+3*sin(300*pi*t);
sc=st+3*randn(size(t));
plot(t,sc)
title('Seal transmitida con ruido');
xlabel('t(ms)');
ylabel('x(t)');
y=fft(sc);
M2=abs(y/L);
M1=M2(1:L/2+1);
M1=2*M1;
f=fs*(0:(L/2))/L;
plot(f,M1)
title('Amplitud de espectro de transmitida con ruido');
xlabel('f(Hz)');
ylabel('Magnitud M1');
 Fig. 1. Seal en el dominio del tiempo.

Fig. 2. Espectro de la seal en el dominio de la frecuencia.

Al analizar el espectro de la seal transmitida en el dominio de la frecuencia se puede observar las
componentes de frecuencia de la seal transmitida , la primera componente se localiza a una
frecuencia 1 = 60 cuya amplitud es 1 = 1.09, y la segunda componente se localiza a una
frecuencia 2 = 150 cuya amplitud es 2 = 2.96.

Anlisis Luis Armando Erazo

En qu consiste la FFT y cmo se interpretan sus resultados?
La Transformada Rpida de Fourier FFT es una herramienta utilizada en el procesamiento digital de
seales, un algoritmo para el clculo de la Transformada Discreta de Fourier DFT, la FFT elimina
clculos repetitivos y errores de redondeo a que sta se somete permitiendo un clculo rpido.
Los resultados que da mientras transforma una seal de dominio de tiempo a dominio de frecuencia
o viceversa permiten conocer la expresin de la seal con respecto a una de stas caractersticas
respectivamente.
Su salida incluye frecuencias negativas, en su primera mitad se contienen frecuencias desde DC (0
Hz) hasta frecuencia Nyquist en orden ascendente, y en la segunda una imagen de las f negativas.
Es decir, sin en Matlab u Octave se calculara la FFT a un vector de datos, = (), y se graficara con
(())

Como ejemplo, para realizar el clculo de una FFT de una onda senoidal los parmetros a introducir
en el cdigo seran frecuencia de muestreo y de la onda senoidal, vector de tiempo y el nmero de
puntos de sta.
Con los comandos
nfft=nmero de puntos a representar
y=fft(x) = con el cual se calcula la transformada discreta de Fourier (DFT) de Xuso de un algoritmo
de transformada rpida de Fourier (FFT).

Qu significado tiene el eje x de la grfica y cmo se relaciona con la frecuencia y el tiempo?

Nos permite apreciar la frecuencia de muestreo medida en Hz, all vemos que va hasta los 600 que se
asignaron en el cdigo.
Qu significado tiene la primera mitad de la grfica y cmo se relaciona con la segunda mitad?
En la primera mitad se puede ver el resultado al primer impulso donde se grafica la frecuencia de la
onda y su magnitud, la segunda mitad marca el inicio del reflejo del impulso, el cual permite conocer
de manera univoca el comportamiento del sistema La respuesta al impulso, permite conocer que
suceder antes de que l suceda.
 Impulso Inicio del reflejo

Anlisis John Jairo Montoya Cortes

En qu consiste la FFT y cmo se interpretan sus resultados?
La Transformada Rpida de Fourier (FFT Fast Fourier Transform) es un algoritmo de clculo de la
DFT que requiere menor esfuerzo computacional que el clculo directo de la DFT. Se basa en un
clculo iterativo de los coeficientes de la DFT, de forma que se optimiza el nmero de operaciones a
realizar y, consecuentemente, el tiempo de cmputo de la transformada. Conviene resaltar que la FFT
no slo optimiza el tiempo de clculo, si no que tambin reduce considerablemente los errores de
redondeo asociados con la representacin en una computadora de los datos numricos mediante una
palabra finita (con un nmero determinado de bits). De hecho, tanto el tiempo de clculo como el
error de redondeo se reducen un factor de (log2N)/N, donde N es el nmero de muestras de la seal a
tratar. Por ejemplo si N=1024=210, el factor vale 102.4, o sea, que si el clculo directo de la DFT tarda
1 hora, la FFT estara disponible en solamente 35 segundos.
La interpretacin de la FFT no requiere un conocimiento profundo del algoritmo implantado para su
clculo, pero si es necesario una buena base en cuanto al comportamiento de la DFT. De esto se
deduce el hecho de que la FFT es un algoritmo relativamente sencillo.

Qu significado tiene el eje x de la grfica y cmo se relaciona con la frecuencia y el tiempo?

El eje x es el nmero de muestras utilizadas.

Matlab tiene implementada una funcin para calcular directamente una FFT, con hacer simplemente
la instruccin
>>fft(x)
En donde x es nuestra serie de datos. El resultado numrico de la transformacin no se interpreta
directamente. Se trata de nmeros complejos, que tendrn un mdulo que ser la amplitud- y un
ngulo la fase- de cada una de las componentes. Adems estarn repetidos, dando una serie de datos
simtrica. Nos interesa slo la mitad. Y adems estarn multiplicados por N/2, siendo N el nmero de
datos de nuestra serie. Si recuperaremos la ltima seal que generamos.
>>t=[0:0.01:1];
>>x1=5*sin(4*pi*t);
>>x2=2*sin(8*pi*t+1);
>>x=x1+x2;
>>plot(t,x)

Si nuestro espacio de tiempo es 1 seg, nuestra frecuencia f es 1/1seg = 1Hz. Si hacemos ahora la fft,
y nos quedamos slo con las amplitudes (con la funcin abs) podemos escribir
>>y=abs(fft(x));
Lo representaremos ahora con un nuevo tipo de grfico: un grfico de barras bar
graph- con la funcin bar
>>bar(y)
Tal y como se dijo, tenemos los datos repetidos en un grfico simtrico, nos interesan slo la mitad,
y para ser ms concretos, los primeros, porque a partir de un determinado valor son muy pequeos
Podemos representar una parte del grfico escribiendo

>>bar(y(1:20))

Qu significado tiene la primera mitad de la grfica y cmo se relaciona con la segunda mitad?
Las barras representan las amplitudes de la serie
sin(2 ) sin(2 2 ) sin(2 3 ) sin(2 4 ) ... 0 1 1 2 2 3 3 4 4 A + A ft + + A ft + + A ft + + A ft +
+
La que se ha generado es 5*sin(4*pi*t)+2*sin(8*pi*t+1)
La primera barra representa A0, la componente continua. Nuestra seal no tena.
La segunda barra representa la amplitud A1, correspondiente frecuencia fundamental f que
tampoco exista en la seal que nos hemos generado. Tampoco tenemos en A3.
En cambio si tenemos componentes con frecuencias 2f y 4f, y eso es lo que nos muestra el grfico.
Como hemos dicho, los valores de amplitudes en el grfico estn multiplicados por N/2, siendo N el
nmero de puntos (100 en nuestro caso). Si queremos verlos slo hay que dividir por ese nmero

Anlisis Jos Javier Daz

En qu consiste la FFT y como se interpretan sus resultados?

Rpta: La FFT es la Transformada Rpida de Fourier, por sus siglas en ingls Fast Fourier Transform,
es un algoritmo que calcula la Transformada de Fourier Discreta (DFT). La DFT consiste en la
transformacin de una seal en el dominio del tiempo al dominio de la frecuencia.

Como ejemplo se usar la seal () = sin(2(1000)), cuya frecuencia es 1 [], cuya grafica
se muestra en la figura 1, y generada con el cdigo mostrado a continuacin

MATLAB
clc
clear all;
close all;
f=1000;
fs=10000;
t=(0:1/(100*fs):30/fs);
x=sin(2*pi*f*t);
plot(t,x,'k')
title('x(t)=sen(2\pi(1000)t)')
ylabel('Amplitud')
xlabel('tiempo [s]')
 x(t)=sen(2(1000)t)
1

0.8

0.6

0.4

0.2
Amplitud
0

-0.2

-0.4

-0.6

-0.8

-1
0 0.5 1 1.5 2 2.5 3
tiempo [s] -3
x 10

Figura 1. Seal en el dominio del tiempo () = sin(2(1000))

Luego esta seal se muestrea a una frecuencia de = 10 [], por lo que

1
[] = sin (2 ( ) )
10
Cuya grafica se genera con el siguiente cdigo y se muestra en la figura 2.

MATLAB
clc
clear all;
close all;
f=1000;
fs=10000;
t=(0:1/(100*fs):30/fs);
x=sin(2*pi*f*t);
n=0:30;
xn=sin(2*pi*f*n/fs);
p=stem(n,xn,'k','filled');
set(p,'linewidth',2,'markersize',4);
title('x(t=nTs)=sen(2\pi(1/10)n)')
ylabel('Amplitud')
xlabel('Muestras')
 x(t=nTs)=sen(2(1/10)n)
1

0.8

0.6

0.4

0.2
Amplitud
0

-0.2

-0.4

-0.6

-0.8

-1
0 5 10 15 20 25 30
Muestras

1
Figura 2. Seal en el dominio del tiempo discreto [] = sin (2 (10) )

Luego se estima la FFT:

MATLAB
clc
clear all;
close all;
f=1000;
fs=10000;
t=(0:1/(100*fs):30/fs);
x=sin(2*pi*f*t);
n=0:30;
xn=sin(2*pi*f*n/fs);
N=2048;
X=abs(fft(xn,N))
F=[0:N-1]/N;
plot(F,X,'k')
title('X(f)')
ylabel('|X(f)|')
xlabel('Frecuencia')
axis([0 1 0 20])
 X(f)
20

18

16

14

12

|X(f)|
10

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Frecuencia

1
Figura 3. Transformada de Fourier de [] = sin (2 (10) )

Qu significado tiene el eje x de la grfica y como se relaciona con la frecuencia el tiempo?

Rpta: El eje x de la FFT (figura 3) corresponde a la frecuencia normalizada, cuya relacin con la

frecuencia es , y el cdigo hace una transformacin del nmero de muestras de la seal, a nmero
de muestras de la FFT

Qu significado tiene la primera mitad de la grfica y como se relaciona con la segunda mitad?

Rpta: La FFT contiene informacin entre 0 y fs, sin embargo, la frecuencia de muestreo debe ser al
menos dos veces el componente de frecuencia ms alta. Por lo tanto, el espectro de la seal debe de
estar por debajo de fs/2, la frecuencia de Nyquist. Tambin es importante tener en cuenta que una
seal real debe tener una magnitud de transformacin que es simtrica para frecuencias positivas y
negativas. As que en lugar de tener un espectro que va desde 0 a fs, sera ms apropiado mostrar el
espectro de fs/2 a fs/2. Esto puede lograrse utilizando ffshift funcin de MATLAB como lo
demuestra el siguiente cdigo.

MATLAB
clc
clear all;
close all;
f=1000;
fs=10000;
t=(0:1/(100*fs):30/fs);
x=sin(2*pi*f*t);
n=0:30;
xn=sin(2*pi*f*n/fs);
N=2048;
Xf = abs(fft(xn,N));
 Xf = fftshift(Xf);
Ff = [-N/2:N/2-1]/N;
plot(Ff,Xf,'k'),
title('X(f)')
ylabel('|X(f)|')
xlabel('frecuencia/fs')

X(f)
16

14

12

10
|X(f)|

0
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
frecuencia/fs

1
Figura 4. Transformada de Fourier de [] = sin (2 (10) )

En la figura 4, se puede realizar un anlisis en frecuencia, donde se observa que la seal tiene
frecuencia normaliza 0,1, es decir que es la frecuencia para la cual la seal posee la mxima potencia.
 CONCLUSIONES

Se pudo determinar que la transformada rpida de Fourier es una herramienta fundamental en el

proceso digital de seales teniendo presente que no se trata de una nueva transformada, sino que

se trata de un algoritmo para el clculo de la transformada Discreta de Fourier (DFT).

La Transformada de Fourier es una herramienta de anlisis muy utilizada en el campo cientfico

(acstica, ingeniera biomdica, mtodos numricos, procesamiento de seal, radar,

electromagnetismo, comunicaciones, etc.). Transforma una seal representada en el dominio del

tiempo al dominio de la frecuencia, pero sin alterar su contenido de informacin, slo es una forma

diferente de representarla. La potencia del anlisis de Fourier radica en que nos permite

descomponer una seal compleja en un conjunto de componentes de frecuencia nica; sin embargo,

no nos indica el instante en que han ocurrido. Por ello, esta descomposicin es til para seales

estacionarias: las componentes de las frecuencias que forman la seal compleja no cambian a lo

largo del tiempo.

 BIBLIOGRAFA

Xiaofeng Li1 x, Meng He1 m, Limin Jia2 l, Yong Qin2 y. 1832. Sparse Fast Fourier
Transform and its application in intelligent diagnosis system of train rolling bearing. Journal
Of Vibroengineering [serial on the Internet]. (2015, Dec), [cited November 16, 2016]; 17(8):
4219-4230. Available from: Applied Science & Technology Source.

Schumacher, J.1 Pschel, M.2(2014). IEEE Workshop on Signal Processing Systems, SiPS:
Design and Implementation. (IEEE Workshop on Signal Processing Systems, SiPS: Design
and Implementation, 15 December 2014). ISSN: 15206130
Zhou, Yicong, Cao, Weijia, Fast Fourier transform using matrix decomposition. Department
of Computer and Information Science, University of Macau, Macau 999078, China
Lopez, Parrado (2015). Implementacion Software Eficiente de la Transformada de Fourier.
Escasa optima para el caso con ruido. Vol11. Issue22. p73-94.Fuente Academica
Jorn Schumacher, Markus Puschel (2014), High-performance sparse fast Fourier
transforms, Publicado en: Signal Processing Systems (SiPS), 2014 IEEE Workshop on
http://bibliotecavirtual.unad.edu.co:2052/document/6986055/keywords