PASO 1:

La sintaxis típica para el cálculo de la TRANSFORMADA DISCRETA DE FOURIER (DFT) de una

señal es fft(x,N) donde x es la señal discreta de la forma x[n], que desea transformar, y N es el
número de puntos de la DFT. N debe ser al menos tan grande como el número de muestras en x[n].

n=[0:29];
x=cos(2*pi*n/10);
N1=64;
N2=128;
N3=256;
X1=abs(fft(x,N1));
X2=abs(fft(x,N2));
X3=abs(fft(x,N3));
F1=[0:N1-1]/N1;
F2=[0:N2-1]/N2;
F3=[0:N3-1]/N3;
plot(F1,X1,'-x'),title('N=64'),axis([0 1 0 20])

plot(F2,X2,'-x'),title('N=128'),axis([0 1 0 20])

LIZETH ALMENDRAHUAROC FIRMA PROCESAMIENTO DE SEÑALES 2018-0

plot(F3,X3,'-x'),title('N=256'),axis([0 1 0 20])

PASO 2
SI N es el mismo numero de muestras N4=30

>> n=[0:29];
>> x=cos(2*pi*n/10);
>> N1=64;
>> N2=128;
>> N3=256;
>> N4=30;
>> X1=abs(fft(x,N1));
>> X2=abs(fft(x,N2));
>> X3=abs(fft(x,N3));
>> X4=abs(fft(x,N4));
>> F1=[0 : N1-1]/N1;
>> F2=[0 : N2-1]/N2;
>> F3=[0 : N3-1]/N3;
>> F4=[0 : N4-1]/N4;
>> plot(F1,X1,'-x'),title('N=64'),axis([0 1 0 20])
>> plot(F2,X2,'-x'),title('N=128'),axis([0 1 0 20])
>> plot(F3,X3,'-x'),title('N=256'),axis([0 1 0 20])
>> plot(F4,X4,'-x'),title('N=30'),axis([0 1 0 20])

LIZETH ALMENDRAHUAROC FIRMA PROCESAMIENTO DE SEÑALES 2018-0

PASO 3
En el último ejemplo, la longitud de x[n] se limita a un periodo de duración.Ahora, vamos a
elegir un gran valor para N (para una transformación con muchos puntos ), y lo
aplicaremos para diferentes periodos:

n=[0:29];
>> x1=cos(2*pi*n/10);
>> x2=[x1 x1];
>> x3=[x1 x1 x1];
>> N=2048;
>> X1=abs(fft(x1,N));
>> X2=abs(fft(x2,N));
>> X3=abs(fft(x3,N));
>> F=[0:N-1]/N;
>> subplot(3,1,1)
>> plot(F,X1),title('3 periods'),axis([0 1 0 50])
>> subplot(3,1,2)
>> plot(F,X2),title('6 periods'),axis([0 1 0 50])
>> subplot(3,1,3)
>> plot(F,X3),title('9 periods'),axis([0 1 0 50])

LIZETH ALMENDRAHUAROC FIRMA PROCESAMIENTO DE SEÑALES 2018-0

PASO 4:

Al utilizar la FFT para calcular la DFT de una señal discreta, observamos que directamente
no nos da el espectro de una señal. Como hemos visto los dos últimos experimentos, la
FFT puede variar enormemente dependiendo del número de muestras N de la FFT, y el
número de períodos de la señal de que están representados. Hay otro problema también.
La FFT contiene información que está entre 0 y la frecuencia de muestreo fs., sin embargo,
sabemos que la frecuencia de muestreo debe ser de al menos dos veces el componente
de mayor frecuencia. Por lo tanto, la señal del espectro debe estar por debajo de fs/2.
Recordamos también que una verdadera señal presenta en su transformada una magnitud
simétrica para las frecuencias positivas y negativas. Así que en vez de tener un espectro
que va desde 0 a fs, sería más apropiado para mostrar el espectro de –fs/2 a fs/2. Esto
puede ser logrado mediante el uso de Matlabfftshift:
>> clear
>> n=[0:149];
>> x1=cos(2*pi*n/10);
>> N=2048;
>> X=abs(fft(x1,N));
>> X=fftshift(X);
>> F=[-N/2:N/2-1]/N;
>> plot(F,X);
>> xlabel('frequency / f s')

LIZETH ALMENDRAHUAROC FIRMA PROCESAMIENTO DE SEÑALES 2018-0