Professional Documents
Culture Documents
“ANALISIS DE SEÑALES”
Roberto Bernal, Francisco Melo
f (t ) = f (− t )
Y se dice que es impar sí,
f (t ) = − f (− t )
donde: φ n = 2πnf 0 t , con
Sean dos funciones f(t) y g(t) periódicas, la integral
eiφn + e − iφn eiφn − e −iφn
T
Yn = an − ibn
∫ f (t )⋅ g (t )dt 2 2
0 a − ibn iφn an + ibn −iφn
Yn = n e + e
Es nula si el producto f(t)⋅g(t) es impar, y distinta de cero sí es par, 2 2
en el intervalo de integración T.
Si hacemos el cambio de nà-n, se obtiene
∫ f (t )cos(2πnf t )dt ,
2
an =
T0 −T0 2
0
φ n =0 = 0
bn =0 = 0
T0 2
∫ f (t )sin(2πnf t )dt
2 T0 2
bn =
∫ f (t )dt
2
T0
0 a n=0 =
−T0 2 T0 −T0 2
Universidad de Santiago, Departamento de Física Técnicas Experimentales I -Ingeniería Física-
F ∗ (ω ) = F (− ω )
definiendo,
a − ibn
Cn = n
2 F (ω ) = F (ω ) ⋅ F ∗ (ω )
y reemplazando en f(t), F (ω ) = F ∗ (ω )
{ }
∞
f (t ) = Y0 + ∑ Cn ei 2πnf0t + Cn∗e −i 2πnf0t
El modulo de F(ω) es simétrica respecto de cero.
n =1
∞ −∞
f (t ) = Y0 + ∑ Cn e
Ejemplos útiles mínimos a conocer
i 2πnf 0t
+ ∑ Cn ei 2πnf 0t
n =1 n = −1 Ejemplo N°1: Pulso de ancho a y altura 1/a.
∞
f (t ) = ∑C e i 2πnf 0t
1 a t <a 2
f (t ) =
n
n = −∞
0 t >a 2
en donde hemos usado,
Cn∗ = C−n
La última expresión de f(t) corresponde a la representación
compleja de la serie de Fourier en términos de exponenciales
complejas.
Transformada de Fourier
Una función no periódica se puede considerar como periódica si
T0→∞, f0→0, entonces las frecuencias involucradas forman un
conjunto dado por f→nf0, donde la separación entre dos
frecuencias contiguas es,
∆f = (n + 1) f 0 − nf 0 = f 0 =
1 La transformada de Fourier de la función f(t) es,
T0
sin(aω 2)
F (ω ) =
En este caso, aproximamos la suma de Fourier por una integral aω 2
cuya densidad de términos es df/f0.
∞ ∞
f (t ) =
df
∑C e
n = −∞
n
i 2πnf 0t
= ∫ f
Cn ei 2πft
−∞ 0
∞
∞ i 2πft
f (t ) = ∫−∞ −∫∞ f (t )e dt e
df −i 2πft
Definiendo:
∞
F( f ) = ∫ f (t )e
−i 2πft
dt
−∞
2
Universidad de Santiago, Departamento de Física Técnicas Experimentales I -Ingeniería Física-
Se puede observar que para a muy pequeños la distribución en angosto, es decir infinita precisión en frecuencia, necesitamos
frecuencia se hace más elongada, por lo que para a→0, la funtión tomar el limite N→∞.
f(t)→δ(t) y el espectro de Fourier tiende a una constante.
Nota: Chequee el limite de una delta de Dirac centrada en ω0
Nota: Chequee este limite directamente de la definición de la delta cuando N→∞.
de Dirac.
Ejemplo N°3: N pulsos de Dirac.
Ejemplo 2: Considera la siguiente función.
N −1
sin(N ωT 2) −iω
N −1
P(ω ) =
T
2
e
sin(ωT 2)
En este caso la función es una onda sinusoidal con una frecuencia
de oscilación ω0, pero al ser un tren de onda su espectro de Fourier
tendrá cierta distribución centrada en la frecuencia de oscilación
propia.
2πN
sin (ω 0 − ω ) i (ω −ω )πN
ω
− i 0 e 0 ω0 +
ω0 − ω
F (ω ) =
2πN
sin (ω 0 − ω ) −i (ω −ω )πN
ω e 0 ω0
− 0
ω0 + ω
Se puede observar que para N=1, |P(ω)| corresponde a la
transformada de Fourier de una delta de Dirac, cada vez que se
consideran más pulsos en la transformada se estrechan los
máximos haciendo que la distribución tienda a un peine de Dirac
en el espacio de frecuencias.
e −(t −an ) σ2
2
N −1
δ σ (t ) = ∑
n =0 πσ 2
e −(t −an )
∞ N −1 2
σ2
3
Universidad de Santiago, Departamento de Física Técnicas Experimentales I -Ingeniería Física-
sin(N ωa 2) −iω
σ 2ω 2 N −1 Con esto podemos interpretar la mayoría de los resultados de la
−
Gσ (ω ) = e
a
4
e 2 sección anterior, en los cuales la transformada de Fourier de una
sin(ωa 2) función periódica aparecía como el producto de la transformada de
Fourier de dos funciones: una función local y un peine de Dirac
representando la secuencia de repetición.
Esta propiedad se aplica también a la difracción de una red de
orificios, o en la distribución espectral de un cristal, en ambos
casos existe un elemento local que se repite periódicamente en el
espacio o en el tiempo. La periodicidad aparecerá en la escala más
pequeña en el espacio transformado, mientras que la escala de
variación del elemento que se repite lo hará en la escala más
grande. Entonces, en estos casos, la transformada de Fourier
permite analizar el comportamiento de propiedades físicas que
varían a dos escalas claramente separadas.
Modulación en amplitud
Consideremos una función compuesta por la suma de dos señales
cosenoidales de igual amplitud.
∞ ∞
f (t ) = ∑ ∫ ρ (t − τ ) ⋅ δ (τ − nb)dτ
0
n = −∞ − ∞
∞
f (t ) = ∑ ρ (t − na ) 0
n = −∞
4
Universidad de Santiago, Departamento de Física Técnicas Experimentales I -Ingeniería Física-
2- Onda triangular
N 1 1
f max = = f max
2 NTm 2
F ( f ) = F (− f )
Adquisición de señales 2 2
La tecnología actual no permite registrar una señal (eléctrica,
sonora, luminosa, etc.) por un período de tiempo infinito, ni
tampoco en forma continua, por lo que se ha hecho indispensable Para la reconstrucción de la señal, o sea la transformada inversa
la fabricación de componentes capaces de registrar la información de Fourier, se necesita además la fase de cada componente de
lo más fielmente posible. Estos componentes reciben el nombre frecuencia, y teniendo en cuenta que la fase de las frecuencias
de convertidores análogo-digitales (A/D) que constituyen la base negativas es,
de las tarjetas de adquisición que usaremos en este curso.
5
Universidad de Santiago, Departamento de Física Técnicas Experimentales I -Ingeniería Física-
ϕ ( f ) = −ϕ (− f )
Por otra parte, la resolución del espectro depende solamente del
tiempo total de muestreo de la señal, ya que la separación entre dos
frecuencias contiguas es simplemente,
1
∆f =
NTm
dB V1/V2
+40 100
+20 10
+6 2
0 1 El problema del aliasing se puede solucionar de dos maneras, la
-6 ½ primera es usando un criterio para la frecuencia de muestreo, la
-20 1/10 cual debe ser por lo menos2 veces la frecuencia máxima que
-40 1/100 contiene la señal que debemos analizar. Con esto la frecuencia de
aliasing aparece fuera de la región de nuestro interés; fal>fmax,.
De este modo, por ejemplo, para 60dB en rango dinámico se Está solución aunque simple, en la practica se asevera poco útil ya
requiere por lo menos resolver una parte en mil, es decir, a lo que es muy difícil asegurar que nuestra señal no contenga ruido u
menos 10bits en resolución (210=1024). otras señales indeseables a frecuencias cercanas a la de muestreo.
Notemos finalmente que en una escala logarítmica, como los dB La segunda solución nos asegura, mediante la colocación de un
resaltan pequeñas componentes en frecuencia de la señal que en filtro anti-aliasing que actúa según ilustra la figura, que no exista
una escala lineal no serian observables. ninguna componente de la señal más allá de la frecuencia de
interés.
Aliasing
Al registrar una señal debemos asegurarnos que la frecuencia de
muestreo del analizador sea mayor que la frecuencia del fenómeno
físico que vamos a estudiar, de lo contrario, los datos no
representaran al fenómeno acarreando serias confusiones en el
análisis posterior. Para ilustrar este problema, supongamos que
estamos leyendo una señal que varia con una frecuencia cercana a
1Hz con un convertidor que adquiere un dato a razón de 1 por
segundo. Está situación se ilustra en la siguiente figura.
6
Universidad de Santiago, Departamento de Física Técnicas Experimentales I -Ingeniería Física-
Observación 4: Observación 5:
Los filtros anti-aliasing están disponibles en el mercado con Evidentemente, la elección más adecuada dependerá de la
características muy variadas dependiendo de la aplicación, consulte aplicación especifica; ciertas ventanas dan mejor resolución en
con su profesor para la definición de un criterio en su caso. frecuencia y otras mejor resolución en amplitud. Consulte a su
profesor.
Windowing
Otro problema muy recurrente en análisis de señales aparece
cuando la señal no es periódica en la ventana de muestreo. En Análisis de señales
efecto, el procedimiento habitual de calculo de la FFT es el tomar Una vez asimilado los conceptos previos de análisis de funciones
la ventana y repetirla indefinidamente en el tiempo. Así, si la periódicas, y tomado en cuenta las ventajas y limitaciones de la
señal es periódica en el intervalo de muestreo la repetición no adquisición de una señal, debemos proceder a su análisis, por lo
introduce nueva información. En caso contrario, sin embargo, este que ahora nos centraremos en establecer un lenguaje común para
procedimiento da origen a discontinuidades en la señal en los describir ciertas operaciones.
bordes del intervalo de muestreo. Naturalmente, estas
discontinuidades van a modificar el espectro de Fourier por lo que Relaciones lineales
se hace necesaria la aplicación de alguna herramienta para eliminar
este problema.
donde:
x(t ) = Señal de entrada en el dominio temporal
y (t ) = Señal de salida en el dominio temporal
h(t ) = Respuesta impulsiva del sistema
S x ( f ) = Espectro lineal de Fourier de x(t )
S y ( f ) = Espectro lineal de Fourier de y (t )
H( f ) = Función de transferencia del sistema (respuesta en
frecuencia)
Relaciones cuadráticas
donde:
Rxx (τ ) = Auto correlación de la entrada x(t )
R yy (τ ) = Auto correlación de la salida y (t )
La aplicación del método de ventaneo (windowing) permite
obviar en parte está dificultad ya que multiplica la señal en el R yx (τ ) = Correlación cruzada de x(t ) e y (t )
intervalo de muestreo por una función tal que se anula en los
bordes de este, imponiendo de este modo la continuidad de la G xx ( f ) = Potencia espectral de x(t )
G yy ( f ) = Potencia espectral de y (t )
señal.
Evidentemente la señal así obtenida a la que hemos de aplicarle
la FFT no es idéntica a la señal de entrada, pero su distribución en
frecuencias es mucho más parecida a la distribución de la señal con
G yx ( f ) = Potencia espectral cruzada de x(t ) e y (t )
discontinuidades. Otras relaciones
El espectro final de la señal también depende de la ventana que G yx ( f ) S y ( f ) S x∗ ( f )
hemos escogido, sin embargo la posición de los máximos H( f ) = =
principales de intensidad son los mismos. G xx ( f ) S x ( f ) S x∗ ( f )
Las ventanas más usadas son la Hanning, Uniform,Flat top, entre
otras.
7
Universidad de Santiago, Departamento de Física Técnicas Experimentales I -Ingeniería Física-
R yx (τ ) ↔ G yx ( f )
[
Rxx (τ ) = F −1 S y ( f )S x∗ ( f )]
Aquí se muestran dos señales, la primera es una señal sinusoidal
con ruido (aleatorio), y la segunda es el registro promedio de la La correlación cruzada indica la similitud entre dos señales como
señal (N=100). función de un tiempo τ. La aplicación más común de la
correlación cruzada es el tiempo de retardo entre dos señales.
2. Auto correlación: La función de correlación Rxx(τ) es un
promedio temporal especial definido por,
8
Universidad de Santiago, Departamento de Física Técnicas Experimentales I -Ingeniería Física-
R yx (τ ) = h (t ) o Rxx (τ ) ,
G yx ( f ) = S y ( f ) ⋅ S x∗ ( f )
promedio, esta medida hará que el registro promedio de las
componentes no sincrónicas tienda a cero. El espectro lineal
promedio es usado, por ejemplo, para extraer finas componentes de
una señal. El espectro cruzado entrega información sobre la magnitud y la
fase relativa entre las dos señales, por lo que no es necesaria la
sincronización entre ellas.
La magnitud de Gyx(f) es el producto de las magnitudes de ambas
señales, por lo cual el producto será grande si las magnitudes son
grandes, y por el contrario, será pequeño si las magnitudes lo son,
por lo que el espectro cruzado es extremadamente sensible en
aquella componente de frecuencia que son comunes en ambas
señales.
9
Universidad de Santiago, Departamento de Física Técnicas Experimentales I -Ingeniería Física-
∆ϕ 1 ∆ϕ
∆τ = =
∆ω 2π ∆f
4. Función de transferencia: La función de transferencia es la
descripción matemática en el dominio de frecuencias entre la
entrada y salida del sistema.
G yx ( f )
H( f ) =
G xx ( f ) Funciones de coherencia y señal-ruido de dos señales
sinusoidales desfasadas.
La función de transferencia entrega información sobre la magnitud
y la fase de cada componente de frecuencia de la señal normalizada
por Gxx(f), información distinta a la entregada por la correlación
cruzada, la cual entrega la fase relativa entre dos componentes
espectrales.
G yx ( f ) ⋅ G ∗yx ( f )
γ 2(f )= 0 ≤γ 2 ≤1
G xx ( f ) ⋅ G yy ( f )
S( f ) γ 2( f )
=
N( f ) 1−γ 2( f )
10