FILTROS POR MUESTREO EN FRECUENCIA

Introduccin
Vamos a considerar un nuevo procedimiento de diseo de filtros
digitales exclusivo de la tcnica digital. Este mtodo, de gran flexibilidad,
se conoce bajo el nombre de muestreo en frecuencia.
En general se afirma que todos los filtros FIR son no recursivos, pero
esta idea no es del todo cierta. Es cierto que siempre pueden ser
implementados de forma no recursiva, pero en algunas ocasiones la
opcin recursiva adems de ser posible es mucho ms econmica.
Los filtros digitales diseados mediante el procedimiento de muestreo
en frecuencia son una buena prueba de ello.
Consideremos primero el concepto de resonador digital el cual se
caracteriza por tener un par de polos complejos conjugados en el crculo
unidad y un cero de orden 2 en el origen. Su funcin de transferencia es
por lo tanto:

cuya ecuacin en diferencias finitas es:

y[n] = 2 (cos u) y[n-1] - y[n-2] + x[n]
Podemos observar la respuesta en frecuencia sin ms que activar el
correspondiente programa, por ejemplo para u= 45 (t/4 rd):

y[n] -1.4142 y[n-1] + y[n-2] = x[n]
Activar
Este sistema se conoce como resonador porque sus polos estn el
crculo de radio unidad, por lo tanto el sistema est al lmite de la
estabilidad y su respuesta h[n] se repite peridicamente tal y como se
representa en la Figura 6.32. y se puede observar ejecutando el programa
oportuno que representa h|n|:




Fig. 6.32.


Activar
El resonador como sistema procesador es poco til por su precaria
estabilidad. Si embargo su respuesta al impulso h[n] puede hacerse finita
asocindole en serie un filtro no recursivo denominado comb filter cuya
funcin de transferencia es:


su correspondiente ecuacin en diferencias finitas es:

v|n| = w|n| - w|n-M|
La respuesta al impulso h|n| del filtro comb genera un pulso positivo y
otro negativo tal y como se representa en la Figura 6.33. y adems se
observa activando el programa adecuado para diferentes valores de M.




Fig. 6.33.

Activar
Su respuesta en frecuencia se representa en la Figura 6.34. As mismo
es posible visualizarla para diferentes valores de M activando el
correspondiente programa.




Fig. 6.34.

Activar
La combinacin del filtro comb y del resonador es el sistema bsico
para disear el filtro muestreado en frecuencia tal y como se representa
en la Figura 6.35.

Fig. 6.35.

La operatividad del sistema queda resumida en la Figura 6.35.: Una
entrada x[n] al filtro comb origina un pulso positivo y otro negativo a la
salida del mismo separados entr s M intervalos de muestreo. El primero
de ellos excita el resonador que comienza a generar su caracterstica
oscilacin. El segundo pulso (negativo) obliga al resonador a entrar en un
estado de halt M intervalos de muestreo posteriormente.
Es ilustrativo considerar la distribucin de los M ceros del filtro comb,
stos estn uniformemente repartidos, Figura 6.36., en el crculo unidad.



Fig. 6.36.

En el diseo se consigue que lo dos polos del resonador sean cancelados
por dos ceros del filtro comb, dando como resultado un filtro global que
slo tiene ceros, por lo tanto su respuesta al impulso ser finita.
A primera vista parece poco operativo utilizar el resonador puesto que
sus polos son cancelados, sin embargo la idea esencial es la sencillez del
algoritmo.
Por ejemplo para u = 60 (t/3 rd) y M = 24 la ecuacin en diferencias
finitas recursiva del filtro global, as como su funcin de transferencia, tal
y como se representa la Figura 6.35. sera:

y[n] = y[n-1] - y[n-2] + x[n] - x| n -24|
H(z)=
Podemos observar tanto la respuesta en frecuencia del filtro H(O)
como la respuesta finita al impulso h|n| activando los respectivos
programas:

Visualizar H(O)

Visualizar h[ n]

El centro de la respuesta en frecuencia del filtro paso de banda
sintetizado corresponde a la situacin de los polos del resonador en el
plano z.
Se propone como ejercicio la simulacin razonada de filtro global para
distintos valores de M y u.
Cuando el parmetro M aumenta la anchura de la banda de paso se
reduce y la caracterstica tiende a parecerse a una funcin de la forma
sen x /x . Una vez entendido el funcionamiento de este sistema estamos en
condiciones de abordar el estudio de los filtros por muestreo en
frecuencia.

Filtros por muestreo en frecuencia
Supongamos que deseamos sintetizar un filtro digital con una respuesta
en frecuencia tal y como se representa en la Figura 6.37.:




Fig. 6.37.

En la banda de paso del filtro se efecta un muestreo tal y como se
representa en la figura adjunta. Con cada una de la frecuencia
muestreadas O
i
se forma el subsistema consistente en un filtro comb y
un resonador con la banda de paso centrada en O
i
y ponderada por la
amplitud a
i
tal y como se representa a continuacin:

Se recomienda observar y analizar tanto la respuesta en
frecuencia H(O
i
) como la respuesta al impulso h| n| del filtro comb, del
resonador y de todo el subsistema para distintos valores de M,
a
i
(positivos y negativos -1 < a
i
< 1 ), y O
i


Visualizar H(O)

Visualizar h[n]


Fig. 6.38.

La respuesta en frecuencia deseada, Figura 6.38., se obtiene por
superposicin de las respuestas individuales obtenidas por cada
subsistema. En un montaje prctico un slo filtro comb alimenta a cada
uno de los resonadores tal y como se representa en la Figura 6.39..
Debemos darnos cuenta que debe haber una alternancia en los signos de
pesos de los resonadores porque hay una inversin de fase entre las
salidas de dos resonadores adyacentes.

Fig. 6.39.

La idea de reconstruir una funcin continua a partir de funciones
ponderadas en un entorno de cada muestra es un aspecto de gran
importancia en la teora de la seal. Por ejemplo la reconstruccin de una
seal analgica a partir de sus muestras en el dominio del tiempo es una
buena prueba de ello.
Por ltimo una consideracin final respecto a la estabilidad. Si se
sitan los ceros y lo polos en el crculo de radio unidad (recordar que una
cancelacin polo -cero), un error aritmtico puede dar lugar a que la
cancelacin exacta no tenga lugar y a que los polos se desplacen fuera del
crculo de radio unidad con la consiguiente inestabilidad del sistema. Por
esta razn el radio de los polos y ceros es ligeramente inferior a la unidad.
( )
Veamos un ejemplo de diseo:
Ejemplo.- Disear un filtro por muestreo en frecuencia que aproxime la
respuesta en frecuencia representada en la Figura 6.40.:




Fig. 6.40.

Solucin


Desde un punto de vista prctico, por requerimientos del hardware, es
interesante el diseo con coeficientes enteros. Cules son las
restricciones para que la ecuacin en diferencias finitas que caracteriza la
operatividad conjunta de un filtro comb - resonador tenga los coeficientes
enteros?.
Un resonador con sus polos en el crculo de radio unidad est
caracterizado por la ecuacin:
y|n| = 2 cos (O
i
) y|n-1| - y|n-2| + x|n|
cuando se asocia en serie con un filtro comb con M intervalos de
muestreo retrasados, la ecuacin se transforma en :
y|n| = 2 cos (O
i
) y|n-1| - y|n-2| + x|n| - x|n-M|
Por lo tanto el criterio para que todos los coeficientes sean enteros es
que cos (O
i
) sea entero. Hay tres posibilidades, correspondiendo a
funciones de paso de banda con diferentes frecuencias centrales que son:

Alternativamente, es posible situar un polo, que ser cancelado,
en O =0 O = 180 generando de esta forma una funcin de paso bajo o
paso alto respectivamente.
y|n| = y|n-1| + x|n| - x|n-M| paso bajo H(z) =
y|n| = -y|n-1| + x|n| - x|n-M| paso alto H(z) =
Es posible observar y analizar tanto la respuesta en
frecuencia H(O) como la respuesta al impulso h|n| de los dos sistemas
anteriores:

Visualizar H(O)
Visualizar h[n]
Se ha desarrollado un programa iterativo que permite la
representacin de H(O) y h|n| de diversos filtros diseados por esta
tcnica. Dicho programa admite como entrada los lmites inferior y
superior (en grados) de H(O) y el intervalo de muestreo de la frecuencia.
Activar.
Solucin
Examinando la respuesta en frecuencia se observa que el muestreo en
frecuencia es cada 3 entre 84 (O = 0.46666 t) y 105 (O = 0.58333 t).

por lo tanto el filtro comb debe tener un nmero de ceros:
M = con un radio r =0.999. La funcin de transferencia es:


deducindose la ecuacin en diferencias finitas:

w|n| = x|n| - 0.88687 x|n-120|

En este punto conviene hacer la siguiente reflexin: Por
especificaciones de diseo el intervalo de muestreo de frecuencia al ser
de 3 hay que generar 120 ceros repartidos uniformemente entre 360,
por lo tanto los ceros tendrn una fase de:
0, 3, 6, 9, 12, 15, ........45, 48, 51,.....72, 75, 78, 81, 84, 87, 90,
93, 96, 99, 102, 105, 108, 111, 114, ......... 360
Para que los polos de los distintos resonadores se cancelen con los
correspondientes ceros las frecuencias de muestreo deben ser
exactamente:
87, 90, 93, 96, 99, 102
Modificando la ecuacin del resonador para que renga un
radio r menor que la unidad:
y
i
[n| = (2 r cos O
i
) y
i
[n-1| - r
2
y
i
|n-2| + x|n|
Cada uno de los resonadores tiene su propio ngulo, generando entre los
seis y el filtro comb el sistema completo cuyo esquema se representa en el
siguiente diagrama donde las muestras en frecuencia aparecen
ponderadas y con los signos invertidos. Las seis ecuaciones son:

sumando estas seis ecuaciones se obtiene la respuesta global del filtro:

y|n| = y
1
|n| + y
2
|n| + y
3
|n| + y
4
|n| + y
5
|n| + y
6
[n|

La respuesta en frecuencia H|O| y al impulso h|n| del filtro se puede
observarse ejecutando el programa correspondiente.
La respuesta al impulso comienza en n = 0, y finaliza despus de 120
intervalos de muestreo, el filtro es por lo tanto FIR. Analizando
detenidamente h|n| vemos que es antisimtrica correspondiendo por lo
tanto al filtro una respuesta lineal en frecuencia.
Ejecutando el siguiente programa se puede apreciar los efectos de la no
cancelacin de los polos por los correspondientes ceros.
Se ha desarrollado un programa iterativo que permite la
representacin de H(O) y h|n| de diversos filtros diseados por esta
tcnica. Dicho programa admite como entrada los lmites inferior y
superior (en grados) de H(O) y el intervalo de muestreo de la
frecuencia.Activar.
INTEGRADOR DIGITAL
Tanto la integracin como la diferenciacin son operaciones
aritmticas que se efectan frecuentemente en el procesado digital de
seales. La integracin como la diferenciacin digital se pueden
implementar mediante una amplia variedad de algoritmos tanto
recursivos como no recursivos. Sin embargo mientras la aproximacin
ms comnmente empleada para la diferenciacin es no recursiva, la
integracin, inherentemente, es una operacin recursiva. Veamos
diversos procedimientos de efectuar tal operacin con tcnicas digitales:
Tcnica del impulso invariante
Aproximar un integrador analgico mediante un filtro digital
recursivo.

cuya funcin de transferencia es H
a
(s) =

La respuesta impulsional de este filtro es la funcin de escaln
unitario:
cuya transformada z es:
H(z)
y la correspondiente ecuacin en diferencias finitas:

y|n| = y|n-1| + x|n|
este algoritmo se conoce con el nombre de "running sum" y su
interpretacin. grfica se representa en la Figura 6.41.

Fig. 6.41.

La respuesta en frecuencia H(O) = puede
observarse activando el siguiente programa. Activar
Se habra obtenido el mismo resultado mediante la tcnica que se
representa a continuacin:

I ntegracin trapezoidal. La ecuacin en diferencias finitas que modela
esta tcnica es:
y|n| = y|n-1| + {x|n| + x|n-1| }
donde se observa que la salida y|n| es actualizada promediando los
valores de la entrada actual x|n| y la precedente x|n-1| ,representndose
su interpretacin grfica en la Figura 6.42..

Fig. 6.42.
La funcin de transferencia y la respuesta en frecuencia son
respectivamente:

H(z) = ; H(O) =
Podemos observar la respuesta al impulso h|n|activando los
respectivos programas:
Visualizar h[n]
I ntegracin mediante la regla de Simpson. Esta tcnica se modela
mediante la siguiente ecuacin en diferencias finitas:
y|n| = y|n-2| + {x|n| + 4 x|n-1| + 4x|n-2| }
donde se observa que la salida y|n| es actualizada ponderando los valores
de la entrada actual x|n| y las obtenidas dos intervalos de muestreo
anteriores x|n-1| , x|n-2| . Su interpretacin grfica se representa en la
Figura 6.43..

Fig. 6.43.
La funcin de transferencia y la respuesta en frecuencia son:

H(z) =
H(O) =
Podemos observar la respuesta al impulso h|n| activando los
respectivos programas:
Visualizar h[n]
Asociando el concepto de integracin a la idea analgica de rea, se
observa que mediante la tcnica del impulso invariante, Figura 6.41., el
rea de cada muestra es igual al valor de x|n| , y la seal analgica
envolvente est siendo aproximada por un retenedor de orden cero. En el
caso de la integracin trapezoidal, Figura 6.42., el rea asociada a cada
muestra es la correspondiente a un trapecio, aproximndose la seal
analgica envolvente por un conjunto de segmentos rectilneos, esta
aproximacin se conoce como retenedor de primer orden. La integracin
por la regla de Simpson, Figura 6.43., es una aproximacin cuadrtica en
la que intervienen la muestra actual x|n| y las dos anteriores x|n-1| y x|n-
2| .
Respecto de la respuesta en frecuencia debemos hacer las siguientes
reflexiones. Un integrador analgico ideal debera tener una
magnitud inversamente proporcional a la frecuencia angulare y
un desplazamiento de fase uniforme de -t/2. Por ejemplo:

Por lo tanto un integrador digitaldebera tener unas caracterstica
semejantes. Sin embargo, puesto que la respuesta en frecuencia digital de
cualquier sistema LTI es peridica (de periodo 2 t) y simtrica respecto
de t, se efectuar la representacin en rango .
La relacin existente entre la frecuencia digital O y la analgica e es O =
Te donde T es el periodo de muestreo.
Analizando cuidadosamente las respuesta en frecuencia mediante las
tres tcnicas se observa que mediante la tcnica del impulso invariante se
obtiene una buena respuesta en el margen comprendido entre O
0y O= 0.4t.Sin embargo cuando O tel mdulo de H(O) est
evaluado en exceso respecto del valor ideal, y la fase de H(O) vara
linealmente conO .
Cuando se emplea el algoritmo de la integracin trapezoidal | H(O)|
tambin se obtiene una buena respuesta en el margen comprendido
entre O 0y O= 0.4t.Sin embargo cuando O tel mdulo de H(O)
est muy atenuado respecto del valor ideal. La fase de H(O) se mantiene
constante dentro del campo de variacin de O .
Cuando se emplea el algoritmo de Simpson el | H(O)| tiene una buena
respuesta en el margen comprendido entre O 0y O= 0. 5t.Sin
embargo cuando O tel mdulo de H(O) aumenta expectacularmente.
Lo mismo que en el caso anterior la fase de H(O) se mantiene constante
dentro del campo de variacin de O .
Impulso invariante y|n| = y|n-1| + x|n|
Integracin trapezoidal y|n| = y|n-1| + {x|n| + x|n-1| }
Regla de Simpson. y|n| = y|n-2| + {x|n| + 4 x|n-1| + 4x|n-2| }
Analizar
Otro aspecto interesante a considerar es el mapa de polos y ceros de la
funcin de transferencia correspondiente a cada algoritmo.
Visualizar
Ejemplo: Aproximar un integrador analgico utilizando la
transformacin bilineal.
Suponer un periodo de muestreo T = 0.01 seg.
Solucin.
Solucin
La funcin de transferencia del integrador anlgico es :
H
a
(s) = ; el cual se digitaliza mediante la transformacin bilineal s
=
obtenindose la funcin de transferencia:
H(z)=

con un polo en z = 1, un cero en z = -1, y una ganancia de 0.005.
La correspondiente ecuacin en diferencias finitas es:

y|n| = y|n-1| + 0.005 {x|n| + x|n-1| }
algoritmo coincidente con el mtodo de integracin trapezoidal.
INTRODUCCIN
La idea central de la Transformada de Fourier es muy sencilla, el
anlisis espectral descompone una seal en sus frecuencias constitutivas y
almacena la amplitud de cada componente en el dominio de la frecuencia.
Por lo tanto una TF es la representacin de una seal en el dominio de la
frecuencia y contiene exactamente la misma informacin que la funcin
original. Lo nico que difiere es el procedimiento de representacin. El
anlisis de Fourier permite entonces examinar la seal desde otro punto
de vista.
La Transformada Discreta de Fourier (DFT) desempea un papel
fundamental en el anlisis y diseo de sistemas digitales de procesamiento
de seales. Cuando se implementa la DFT mediante diversos algoritmos
conocidos como Transformada Rpida de Fourier (FFT) , la DFT
proporciona una excelente tcnica de anlisis en el dominio de la
frecuencia aplicada a la investigacin de sistemas digitales LTI.
Anteriormente, en el Tema 3, se han descrito dos representaciones de
Fourier aplicadas al tratamiento digital de seales.
1.- Una versin discreta de las series de Fourier aplicadas a
seales peridicas digitales. Los coeficientes espectrales a
k
se interpretan
como armnicos de la serie que generan una lnea espectral.
2.- Una versin discreta de la Transformada de Fourier aplicada a
seales digitales no peridicas. Dicha transformada genera un espectro
continuo en funcin de la frecuencia digital O.

Estas dos representaciones estn ntimamente ligadas al anlisis de
Fourier de seales analgicas. Sin embargo hay una diferencia
fundamental puesto que el espectro frecuencial de una seal muestreada es
peridica, mientras que el de una seal analgica no. Este hecho
diferencial es una consecuencia inherente al Teorema del muestreo.
La DFT puede ser considerada como una tercera representacin de
Fourier orientada al procesamiento de una seal digital x[n| no peridica
de longitud finita.
Los dos objetivos de este captulo son: explicar las bases operativas de
la DFT y su relacin con otras representaciones de Fourier. A
continuacin explicaremos los problemas de implementar la DFT
directamente y las soluciones aportadas mediante el empleo de la FFT.
LA TRANSFORMADA DISCRETA DE FOURIER
(D.F.T)
Es poco frecuente encontrar seales puramente peridicas en el
procesado digital de seales. Seales y datos no peridicos con un nmero
finito de valores es el entorno ms comnmente empleado en los sistemas
LTI prcticos.
La Transformada Discreta de Fourier (DFT) de una seal
x[n| definida en el rango
0 N-1 se define como:
X[k| = ; 0 N-1 [1|
donde y los valores espectrales X[k| se evalan en 0 N-
1. Al trmino W
N
se le denomina frecuentemente " twiddle factor" y es un
conjunto de valores complejos.
La Transformada inversa de Fourier (IDFT), que permite generar la
seal x[n| a partir de sus muestras espectrales X[k| , se define:
x[n| = ; 0 N-1 [2|
donde los valores de x[n| son evaluados en el rango 0 N-1
Si se emplea la ecuacin [1| para calcular valores adicionales de
X[k| fuera del rango 0 N-1 encontraremos que se forma una
secuencia espectral peridica, laDFT es peridica. Del mismo modo,
empleando la ecuacin [2| para calcular valores adicionales de x[n|fuera
del rango 0 (N-1) se obtiene una versin peridica de la seal
x[n| . Por lo tanto la DFT e IDFT representan una secuencia finita
peridica dentro de una seal no peridica x[n|. En efecto la DFT
considera a una seal no peridica x[n| como si fuese peridica a efecto
de algoritmos de clculo. Tambin es importante saber que tanto una
seal peridica de periodo N y otra seal no peridica de la que se han
tomado N muestras, ambas estn definidas por N valores o muestras.
Tambin debemos darnos cuenta que la nica diferencia entre
la DFT y la IDFT a efectos de implementacin es el factor de escala 1/N y
el cambio de signo en la funcin exponencial. Por lo tanto si
desarrollamos un algoritmo para calcular la DFT, el clculo de la IDFT
es inmediato. Este hecho es una consecuencia directa de la simetra
existente entre los dominios del tiempo y la frecuencia.
Cuando los N valores de x[n| son reales, X[k| se descompone en su
parte real e imaginaria
R( X[k| ) = ; I(X[k| ) = -
a partir de los cuales se calcula el |X[k| | y la potencia media cuadrtica
definida por la expresin:
|X[k| |
2
= |R(X[k| )|
2
+ |I (X[k| )|
2

Las ecuaciones [1|y [2| son esencialmente las mismas que las ecuaciones
de anlisis y sntesis correspondientes a las series de Fourier
correspondiente a una seal peridica x|n| , la nica diferencia es que
ahora se ha incorporado el factor de escala 1/N en la ecuacin de sntesis.
La similitud entre la DFT y la serie discreta de Fourier puede
interpretarse de dos formas. Si la seal x[n| es realmente peridica
laecuacin [1| proporciona una nueva forma de las series discretas de
Fourier; pero si x[n| es no peridica, y solamente es tratada como
peridica a efecto de clculos computacionales, la ecuacin [1| representa
la DFT.
En principio parece redundante el estudio de la DFT puesto que ya
desarrollamos una versin discretizada de la Transformada de Fourier
aplicable a tanto a seales discretizadas no peridicas x[n| como a
sistemas LTI. Podemos emplear lo anteriormente desarrollado para
describir la correspondiente funcin espectral X[k|sin hacer ninguna
suposicin sobre la periodicidad?. La respuesta es s y no. Por un lado es
posible encontrar una versin discretizada de las funciones espectrales
continuas X(O) o H(O), si embargo las dificultades surgen cuando
necesitamos procesar o estimar la informacin. Un sistema digital no
puede operar con funciones continuas, todo lo que puede hacer es estimar
el valor de la funcin para un conjunto de valores discretos de la
frecuencia digital O, - en otras palabras es necesario generar una versin
muestreada de X(O) o H(O), . Este hecho operativo implica responder a
la siguiente pregunta; Cuntas muestras de X(O) o H(O), son
necesarias?. Pocas muestras originarn una respuesta inadecuada
mientras que muestras en exceso implican una gran cantidad de clculo
redundante. En las siguientes pginas se desarrollan estos conceptos.
Dominio
del tiempo la frecuencia

La DFT y la IDFT nos permiten representar una seal x[n| o un sistema
LTI en uno u otro dominio sin perdida de informacin.
Por ejemplo, en el Tema 3, calculamos la respuesta en frecuencia H(O)
de un sistema LTI caracterizado por la ecuacin en diferencias finitas y
funcin de transferencia H(z):
y[n| = 1.5 y[n-1| - 0.85 y [n-2] + x[n|


Ejecutando el correspondiente programa observamos la representacin
de la respuesta en frecuencia H(O) sobre 320 muestras que representan la
variacin de la frecuencia digital Oen el rango .
En principio no existi ningn criterio inicial para representar H(O),
se observa que con 320 muestras se obtiene una excelente representacin
pero sin darnos cuenta del exceso de clculos redundantes que se han
realizado. Por lo tanto es necesario el cuantificar el nmero de muestras
necesarias.
El Teorema del Muestreo nos dice que una seal continua de banda
limitada puede ser completamente caracterizada en el dominio del tiempo
por un conjunto de muestras tomadas adecuadamente. En el dominio de
la frecuencia tambin se puede aplicar el mismo teorema de la siguiente
forma:
"El espectro continuo de una seal de duracin limitada a T
0
segundos
puede ser completamente representada por muestras regularmente
espaciadas a intervalos de frecuencia inferiores a Hz."

Una seal aperidica x|n| de la que se toman N muestras durante un
tiempo T
0
=NT, donde T es el periodo de muestreo, su espectro
frecuencial puede ser completamente representado en el dominio de la
frecuencia mediante muestras espaciadas frecuencialmente Hz.
rad/seg.
Al trmino df = se le denomina resolucin espectral. Puesto que la
frecuencia digitalO = eT donde w es la frecuencia angular analgica.
Concluimos diciendo que debemos muestrear en el dominio
frecuencial de Oa intervalos menor o igual que
Por ejemplo con una frecuencia de muestreo f
s
= 50 KHz (T = 0.02 msg)
y capturando 256 muestras la resolucin espectral df =
= Hz. por eso una seal senoidal de 3.125 kHz se
representa como una simple ordenada en 16
armnico ( ). Diversos aspectos relativos al anlisis
frecuencial sern estudiados en el siguiente Tema 8.
Otro aspecto a recordar es que el espectro frecuencial de una seal o
sistema digital LTI es siempre una funcin peridica de periodo2t.
Sabemos que esto es una consecuencia del Teorema del Mustreo. Puesto
que un periodo es suficiente para definirlo, muestreando a intervalos
de se obtienen muestras en el dominio frecuencial.
Retornando a las ecuaciones que definen la DFT y la IDFT:
X[k| = 0 N-1 DFT
x[n| = ; 0 N-1 IDFT
observamos que hacen exactamente lo propuesto: la DFT proporciona N
coeficientes espectrales X[k| de una seal x|n| de la que se han tomado N
muestras, e inversamente la IDFT genera los N valores muestreados de la
seal x[n| a partir de las N muestras espectrales. Los valores de X[k| se
pueden considerar como muestras separadas por la resolucin
espectral df = tomadas en el dominio de la frecuencia y cuya
envolvente es la Transformada de Fourier X(O).
La DFT evala tanto valores reales como imaginarios:
X[k|=
;
0 N-1
R( X[k) = ; I(X[k) = -
Si una seal tiene N valores imaginarios (cada uno con su parte real e
imaginaria) existen 2N grados de libertad en el dominio del tiempo. Los N
valores de su espectro frecuencial X[k| tambin tendrn 2N grados de
libertad en el dominio frecuencial (parte real y parte imaginaria). Si la
seal es real tendr N grados de libertad en el dominio del tiempo, es este
caso solo son necesarios la mitad de valores X[k| para definir
completamente el espectro frecuencial puesto que la otra mitad tiene
simetra de espejo. En el desarrollo de este tema slo se procesarn
seales reales.

Fig. 7.4.
La Figura 7.4. resume las relaciones entre la DFT, la Transformada de
Fourier, y las series discretas de Fourier. La parte (a) muestra una seal
real muestreada x[n| , no peridica, de la que se han tomado N muestras.
Esta seal x[n| tiene asociada un espectroX(O)continuo y
peridico (periodo 2t) del cual se representa slo la magnitud.

Recordar que la porcin de espectro entre t y 2 t tiene simetra de
espejo respecto del definido entre 0 y t.
La parte (b) representa una versin peridica de la misma seal as
como los coeficientes de la serie peridica de Fourier. Los coeficientes
espectrales X[k| se puede interpretar como muestras de X(O) tomadas
con una determinada resolucin espectral df = .
La TFD se ha desarrollado buscando tcnicas basadas en un sistema
digital de clculo (DSP, ordenador, ....) para calcular la respuesta en
frecuencia.
Ejemplo 1: Utilizar la DFT para calcular la respuesta en frecuencia
discreta de una seal x|n| definida por:
x[0| = 0; x[1| = 1, x[2| = 2, x[3| = 3 (Rampa truncada) Solucin.
Ejemplo 2 Continuado con el ejemplo anterior, demostrar que los 4
puntos de la respuesta en frecuencia son realmente necesarios para
reconstruir la seal x|n|.Solucin
Ejemplo 3 Una seal x(t) se muestrea a una frecuencia f
s
= 8 kHz. Los
valores de las muestras son x[0| = 1; x[T| = 0, x[2
.
T| = 0, x[3
.
T|=1.
Representar en el dominio de la frecuencia el mdulo y la fase de la DFT.
Calcular la IDFT Solucin
Para completar una visin general de la DFT veremos:
1.- Propiedades
2.- Programacin de la DFT
En el siguiente tema (Tema 8), profundizaremos en la operatividad de
la DFT, mediante la FFT, aplicada a la operatividad de los sistemas
digitales LTI. No obstante, en este apartado, veremos diversos aspectos
asociados a la DFT como son:
1.- Espectro de la funcin
2.- La DFT y el filtrado digital.
3.-La DFT y la convolucin
4.- Frecuencia y DFT.
Ecuacin 1: dft
X[k| = ; 0 N-1
Ecuacin 2:idft
x[n| = ; 0 N-1
EJEMPLO1
Solucin:
N=4 k=0,1,2,.....N-1



SOLUCION2
Solucin
El problema se resuelve encontrando x|n| en la IDFT.
n = 0, 1, 2, 3


x|1| = 1

x|2| = 2


Debemos tener en cuenta que la IDFT es peridica (periodo M) en este
ejemplo M = 4
x[5| = x[1| , x[6| = x[2| ;...... etc M =4
Comprobacin:
Pero
SOLUCION3
Solucin
DFT de 4 puntos correspondiente a la secuencia x [0|= 1, x|1|= 0,
x|2|= 0, x|3|= 1
N=4 k = 0,1,2, 3
la fase





Cuando se representa X|k| en funcin de la frecuencia debemos tener
en cuenta que cuando de una seal aperidica x|n| se toman N
muestras con un periodo de muestreo T, su espectro frecuencial puede ser
completamente representado en el dominio de la frecuencia
mediante muestras espaciadas frecuencialmente Hz. rd/sg.
donde al trmino df = se le denomina resolucin espectral.
Si la frecuencia de muestreo son 8 kHz, el correspondiente periodo
ser df = = 2 kHz. Por lo tanto X|1|= X|df| = 2
kHz, X|2| = X|2
.
df | = 4 kHz, X[3| = X|3
.
df| =6 kHz. En la Figura 7.5. se
representa |X| k| | y en funcin de kO.


Fig. 7.5.
Para determinar x|n| a partir de las muestras espectrales se calcula
la IDFT.

n = 0, 1, 2, 3





resultados que coinciden con los anteriores.

Espectro de
Consideremos la seal x|n| = , su correspondiente DFT ser:

Un clculo directo de esta expresin requiere la evaluacin de los N
coeficientes de la DFT X|0| , X|1| . .....,X|N-1| .
Sin embargo podemos ahorrar tiempo, observando que el coeficiente
X|k| de la DFT depende nicamente de la diferencia
frecuencial, donde W es la frecuencia digital e entrada a la
DFT y es la frecuencia del coeficiente k-simo.
Esto nos permite tratar todos los coeficientes de forma idntica, en
lugar de calcularlos individualmente.
Definamos la variacin de la frecuencia digital: y la
siguiente funcin :

Es importante darse cuenta que esta expresin no es el valor de los
coeficientes de la DFT. Por ejemplo si:

(Aplicando la regla de LHopital)

En general se verifica:
Si la frecuencia de la seal de entrada x| n| = es precisamente un
mltiplo entero de , el coeficiente de la DFT que se asocia con la
frecuencia tiene el valor N y todos los otros coeficientes son nulos.
En este caso, los coeficientes de la DFT indicaran la frecuencia de la
entrada, porque solamente el coeficiente k-simo ser no nulo.
Sin embargo esto es un caso muy especial de la DFT rara vez la seal
de entrada tendr una frecuencia que sea exactamente un mltiplo
de . Cuando la seal de entrada tiene una frecuencia arbitraria, la
diferencia de frecuencia, , puede asumir cualquier valor desde t a t.
Analizando de nuevo la ecuacin:

se observa que la magnitud del denominador aumenta cuando se aleja
de cero. Esto implica que los coeficientes que se asocian con frecuencias
que estn separadas de la frecuencia de entrada ( aumenta) tendrn
valores pequeos. Aquellos coeficientes asociados con frecuencias
cercanas a la frecuencia de entrada generalmente sern mayores. As
pues, aun cuando la entrada no este relacionada con la frecuencia de los
coeficientes de la DFT, sta todava nos da una referencia de la frecuencia
de la seal de entrada.
Estas observaciones nos llevan a afirmar que la DFT es un proceso
de clasificacin de frecuencias. Cada uno de los N coeficientes de la DFT
es sensible a una frecuencia de entrada particular:

X|k| esta asociado con la frecuencia . Cuanto ms prxima est la
frecuencia de entrada a la de un coeficiente particular, mayor ser este.
En la Figura 7.8. se efecta una representacin de
para:

Fig. 7.8.
a).- 10 puntos. b).- 20 puntos. c).- 40 puntos.
y en la Figura 7.9. para
a).- 80 puntos. b).- 160 puntos. c).- 320 puntos

Fig. 7.9.
Es muy importante darse cuenta que las respuestas de la DFT no son
grficas de los coeficientes de la DFT en funcin de la frecuencia de
entrada. Realmente lo que son, es una herramienta para calcular un
coeficiente particular de la DFT, conocida la diferencia entre una
frecuencia y la frecuencia O de la seal de entrada x|n|.
Mediante esta herramienta es posible calcular todos los coeficientes de
la DFT, evaluando el para cada uno de ellos y determinando su
magnitud y fase en la grfica apropiada. Veamos varios ejemplos.
Ejemplo 1: Se aplican 40 muestras de x|n| = a una DTF. Calcular
los coeficientes resultantes. Solucin

Ejemplo 2: Supongamos que hacemos un ligero cambio en la frecuencia
de la seal de entrada del ejemplo anterior. Estamos interesados en la
DFT de 40 puntos de . Solucin
Ejemplo 3: Aplicamos 40 muestras de la seal x| n| = cos a
una DFT. Cuales son los coeficientes de la TDF? Solucin.
SOLUCION EJEMPLO1
Solucin


Fig. 7.10

Calculamos los coeficientes X|k| mediante la respuesta de la DFT de 40
puntos representada en la Figura 7.10. c) . El problema es calcular X|0| ,
X|1| ,.....X 39| que corresponden a las frecuencias 0, ,........, rad
/ muestra.
Primero se evala X|0| calculando su DW. Puesto que la frecuencia de
entrada es y X|0| corresponde a la frecuencia de 0,
. En la Figura 7.10. c) encontramos que est exactamente en el cuarto
nulo X| 0| =0.
La prxima accin es calcular AO para X|1|. Siguiendo el
mismo procedimiento se llega a que . En la Figura
7.10. c) encontramos que est exactamente en el tercer nulo
X|1| =0.
Generalizando:
representndose en la Figura 7.11.

Fig. 7.11.
Rara vez los coeficientes de la DFT proporcionan una determinacin
no ambigua de la frecuencia. En este ejemplo la frecuencia de entrada es
un mltiplo de . Una frecuencia de entrada diferente podra generar
mltiples coeficientes no nulos.

SOLUCION EJEMPLO2
Solucin

Fig. 7.12.



Clculo de X|4| : donde
observando en la Figura 7.12. c) se determina que |X|4| | = 36

Calculo de X|5| : donde
observando en la Figura 7.12. c) se determina que |X|5| | = 10
Hay muchos ms coeficientes no nulos porque la frecuencia de entrada
no es un mltiplo entero de las frecuencias de la DFT tal y como se
aprecia en la Figura 7.13.

Fig. 7.13.

Este fenmeno de que una simple sinusoide compleja origine mltiples
coeficientes no nulos se llama dispersin espectral, ya que parece que la
seal dispersa su frecuencia en las frecuencias adyacentes. La nica
forma de reducirlo es aumentar la longitud de la DFT o modificar la DFT
mediante el uso de ventanas, aspecto ste que se tratar en el tema
siguiente .
SOLUCION EJEMPLO3
Solucin:
La seal x|n| = cos se puede reescribir como:
x|n| = cos
Teniendo en cuenta que la DFT es un operador lineal podemos utilizar los
resultados del Ejemplo 2 , resultando la grfica adjunta, representada en
la Figura 7.14.

Fig. 7.14.

En resumen, la DFT es una tcnica para representar una seal discreta
en funcin de la frecuencia en lugar de la representacin convencional en
funcin del tiempo. La respuesta de la DFT es un herramienta til para
predecir la salida de la TDF a sinusoides complejas.

Afortunadamente, cualquier seal es una suma ponderada se
sinusoides, de forma que la respuesta de la DFT se puede utilizar para
comprender los coeficientes de la DFT frente a una entrada arbitraria.
La DFT y el filtrado digital

La DFT se puede utilizar como herramienta en el anlisis de filtros
digitales. Podemos as predecir como un filtro afectar a una clase
especifica de seales de entrada.

Sea un filtro digital caracterizado por su respuesta al impulso h|n| ,
entre la entrada x|n| y la salida y|n| existir la relacin representada en
la siguiente grfica


La convolucin digital de x|n| y h|n| permite calcular y|n| mediante la
expresin general:

as mismo en lo que respeta a la respuesta en frecuencia H(O) se tendr

La DFT de la secuencia de entrada x [n| es:
X[k| = ; 0 N-1
definamos como la seal reconstruida a partir da las muestras X|k| ,
es decir es la IDFT.
= ; 0 N-1
Cuando se verifica que x|n| = X|k| se puede establecer la
relacin:
y|n| =
Si aplicamos todas las componentes de , por superposicin:
|1|
aplicando la IDFT a Y| k| tenemos que :
|2|
de las relaciones |1| y |2| se deduce que

Y| k| =

Este resultado proporciona un mtodo rpido y conveniente para
investigar la respuesta de un filtro en el dominio frecuencial. Es mucho
mas fcil calcular la salida de un filtro en el dominio de la frecuencia que
en el dominio de tiempo, ya que es ms sencillomultiplicar que efectuar la
convolucin.
La ventaja del dominio temporal radica en que es ms sencillo
interpretar y[n| que los coeficientes Y|k| de la DFT.

Una interpretacin de la operatividad del filtro en el dominio frecuencial
se representa en la Figura 7.15.

Fig. 7.15.
Es muy importante recordar que el enfoque en el dominio de la
frecuencia para el anlisis frecuencial mediante la DFT
presuponeconsiderar una periodicidad en la seal de entrada x|n| .
Esto puede, y generalmente as ocurre, implicar cierta extraeza
cuando se mal interpreta la tcnica para calcular la salida del filtro
cuando la seales de entrada no son peridicas.

Es siempre posible representar seales no peridicas con DFT con un
nmero elevado de muestras N. Esto todava produce una representacin
peridica de la seal, pero los periodos pueden ser tan grandes que se
aislan por largas cadenas de ceros. En la Figura 7.16. se representa este
fenmeno.

Fig. 7.16.

Si se lleva esto al limite es posible representar una seal aperidica,
pero entonces la suma de la DFT se convierte en una integral y se llama
Transformada de Fourier.

Ejemplo: Utilizar la representacin frecuencial de la entrada para
ayudar a especificar la respuesta en frecuencia deseada de un
filtro.Solucin

SOLUCION
Solucin :
Efectuemos la siguiente descomposicin:
x|n| = s|n| + r|n| donde:
x|n| : seal medida
s|n| : seal
r|n| : ruido

Fig. 7.15.
En las grficas adjuntas, Figura 7.15., se representa la DFT de la seal
medida (a), del ruido (b) y de la seal ( c )


LA TRANSFORMADA RPIDA DE FOURIER
(F.F.T)
La Transformada Rpida de Fourier(Fast Fourier Transform) es una
herramienta fundamental en el procesado digital de seales. Su origen es
relativamente reciente puesto que fueron J.W.Cooley y J.W Tukey,
quienes hacia 1965 abordaron por primera vez el problema de la
programacin de un algoritmo para el clculo de series complejas.
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 est
sometida 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.
La implementacin del algoritmo de la FFT puede realizarse de dos
formas distintas:
1.- Mediante un programa que pueda ejecutarse tanto en un PC como
en una tarjeta que posea un microprocesador especfico para este tipo de
operaciones (DSP).
2.- Mediante el desarrollo de una tarjeta (HARDWARE) en la cual se
emplean circuitos integrados especficos. Tal es el caso de los modernos
analizadores de espectro.
Por lo tanto el objetivo de este apartado es mostrar la redundancia
implcita en el clculo de la DFT, para luego comprobar cmo
undeterminado algoritmo de la FFT elimina esta redundancia. La DFT
de una serie de muestras x[n| para 0 n N se define:
; 0 k N
donde : y
Antes de entrar en detalles sobre la FFT comprobemos la naturaleza
peridica del trmino , de hecho la periodicidad y simetra de
contribuyen a la redundancia de la DFT.

En la siguiente tabla se evala

Desarrollo intuitivo Para mostrar el algoritmo de la FFT empecemos
por elegir un nmero de muestras N = 2
m
donde m es un nmero entero.
Estudiemos el caso de N= 4
{x| 0| , x| 1| , x| 2| , x| 3| } <---------- {X| 0| , X| 1| , X| 2| , X| 3| }

este clculo implica 12 sumas y 9 multiplicaciones complejas
Observando que es peridica, con un periodo igual a 4 , el
clculo de X|2| y X|3| se expresa como:


y el anterior sistema de ecuaciones se puede reescribir como:




cuyo clculo implica 12 sumas y 5 multiplicaciones complejas. El
diagrama en bloques se representa en la Figura 7.21.

Fig. 7.21.
Esta interpretacin de la FFT de 4 puntos sugiere que la
organizacin de la FFT se obtuvo dividiendo la DFT de 4 puntos en dos
TDF de 2 puntos y combinando sus coeficientes. Observar que en el
desarrollo del algoritmo, el dato x|0| se empareja con x|2| , y x|1| con
x|3| . El algoritmo empleado se representa mediante el diagrama de flujo
mostrado en la Figura 7.22.

Fig. 7.22.
Esto implica que la organizacin de una FFT de 8 puntos se puede dividir
en dos DFT de 4 puntos y a continuacin una combinacin de ambos
conjuntos de coeficientes. Desarrollo

Algoritmos de programacin
Cuando un determinado algoritmo para evaluar la FFT se aplica en el
dominio del tiempo, se denomina de forma general comoestimacin en el
tiempo , (Decimation in Time DIT). El primer algoritmo DIT fue debido a
Cooley y Tukey. La estimacin se refiere a una significante reduccin en
el nmero de clculos realizada en el dominio del tiempo.
Veamos a continuacin el caso general cuando N es potencia de 2, es
decir, N = 2
m
, siendo m un nmero natural. Este procedimiento se conoce
como estimacin en el tiempo en base 2 siendo uno de los algoritmos ms
empleados para evaluar la FFT.
Una vez entendido el algoritmo de estimacin en el tiempo en base 2, en
las siguientes pginas se explica otro algoritmo basado en
unprocedimiento de separacin de ndices. Explicacin. Para finalizar
esta seccin, en las pginas adjuntas se desarrollan y amplan diversos
aspectos relativos a la FFT. Explicacin.
Desarrollo de la DFT de 8 puntos:



Las dos sumas en que se ha dividido X[k|tienen la apariencia de dos
DFT de 4 puntos. Definamos las secuencias de puntos pares e
impares x[pn| y x[i n| :



k= 0, 1, 2,.....7
Por lo tanto la DFT de 8 puntos es la combinacin de los dos conjuntos de
4 puntos. A primera vista parece que existe un problema con la ecuacin
anterior. Los coeficientes de la DFT de 8 puntos demandan que el ndice
k vare entre 0 y 7, sin embargo las DFT de 4 puntosnicamente calculan
cuatro coeficientes cada uno. Sin embargo debemos recordar que
los coeficientes de la DFT son peridicos y aunque calculamos solamente
N coeficientes para una transformada de N puntos, la periodicidad de los
coeficientes significa que estn definidos para todo k. Estos aspectos
quedan explicados en el resumen adjunto.
En la Figura 7.23. se representa mediante un diagrama de flujo la FFT
de 8 puntos.

Fig. 7.23.
El proceso contina en sucesivas subdivisiones hasta llegar a dos
trminos. Una descomposicin de este tipo se conoce bajo el nombre
de estimacin en el tiempo en base 2 y es uno de los algoritmos ms
empleados para evaluar la FFT. Por ejemplo para N=8 partiendo por la
secuencia { x[0| , x[1| , x[2| , x[3| , x[4| , x[5| , x[6| , x[7| } formamos las
subsecuencias formadas por lo trminos pares { x[0| , x[2| , x[4| , x[6| }; e
impares { x[1| , x[3| , x[5| , x[7| }. Cada subsecuencia se vuelve a dividir
quedando finalmente:

{ x[0| , x[4| }; { x[2| , x[6| }; { x[1| , x[5| }; {x[3,x[7| }
Anlisis del caso general correspondiente al algoritmo
basado
en la estimacin en el tiempo en base 2
Supongamos que tenemos N muestras de una seal x[n| donde N = 2
m
.
En primer lugar separamos la secuencia x[n| en dos subsequenciaso
secuencias parciales cada una de N/2 muestras. La primera
subsecuencia contiene los trminos pares y la segunda losimpares.
Indicando n = 2
.
r (pares) y n = 2
.
r + 1 (impares), la DFT de la secuencia
x|n| se expresa para 0 k N-1 como:
=

teniendo en cuenta que ; resulta
finalmente:
X[k]
=
X[k] =
;
;
X
1
[k| es la transformada de los trminos pares en x[n| y X
2
[k| de
los impares.
Este clculo requiere N multiplicaciones y sumas complejas para
generar los N coeficientes de dos DFTs de N/2 puntos, por lo tanto
cualquier DFT de longitud par se puede dividir en dos DFTs de menor
longitud.
Comparando la ecuacin :
X[k] =

con X[k] k = 0,...,N-1
se observa que el factor aparece en X
1
|k| y X
2
|k| por lo que slo se
necesita calcularlo una vez.
Mediante este algoritmo, la FFT se basa en la divisin repetida de una
DFT. Siendo N una potencia de 2, las DFTs parciales se pueden dividir
repetidamente hasta que se llega a una DFT de dos puntos.
La FFT global se calcula evaluando primero las DFTs de dos puntos,
luego combinamos sus coeficientes para generar los correspondientes a
la DFT de 4 puntos.
Continuamos as sucesivamente construyendo una DFT de ms
trminos hasta que obtenemos los N coeficientes de la DFT requerida de
N puntos.
Vemos pues que la FFT se puede ver como una serie de etapas (N=2
m
)

El n total de operaciones complejas es N

.
m = N
.
log
2
N.
En la siguiente tabla se efecta una comparacin entre los tiempos de
ejecucin de la DFT y la FFT

Ejemplo 1.- Analizar el desarrollo de una DFT de 8 puntos mediante el
algoritmo de estimacin en el tiempo. Solucin
Ejemplo 2.- Calcular la DFT de la secuencia {1, 0, 0, 1 } empleando el
algoritmo de Cooley Tukey. Representar grficamente la
transformada. Solucin

Fig. 7.26.
Inspeccionando el diagrama que representa el algoritmo de Cooley -
Tukey par N=8, Figura 7.26., observamos que es necesarioreordenar los
datos de entrada. Este "desorden" es inherente al algoritmo y es un
problema menor ya que es fcil desarrollar una tcnica general para el
reordenamiento de la secuencia x|n| . El secreto est en pensar en
trminos binarios. En la tabla adjunta se muestra en la primera columna
el orden requerido de las datos de entrada. En la segunda se representan
los correspondientes ndices en binario. Observamos que si los ndices en
binario son sometidos a un intercambio de posiciones de sus dgitos con
respecto a un hipottico eje central (es decir el 100 se convierte en 001, el
110 en 011, etc.), entonces se obtiene la secuencia natural. Este proceso se
denomina "bit reversal" y supone un mtodo directo para desarrollar un
resultado generalizado para el reordenamientode la FFT.

Anlisis del caso general correspondiente al algoritmo
basado en la separacin de ndices mediante mapeado

Podemos comenzar por expresar la longitud N de la secuencia { x|n| }
como el producto de dos factores N
1
y N
2
:
N = N
1
.

N
2

Tambin definimos dos nuevos ndices n
1
y n
2

n
1
= 0, 1, 2, .....(N
1
- 1)
n
2
= 0, 1, 2, .....(N
2
- 1)
Se define la siguiente ecuacin lineal para acceder a los valores de la
secuencia
{x| n| } mediante los ndices n
1
y n
2
:
n = (M
1
.
n
1
+ M
2
.
n
2
)
N

donde M
1
y M
2
son dos constantes y el subndice N ndica mdulo N.
De una forma similar el ndice k correspondiente a la DFT se puede
expresar como:
k = (J
1
.
k
1
+ J
2
.
k
2
)
N

Comencemos por aplicarlo al caso de N = 4, N
1
= 2 y

N
2
=
2. Escogemos M
1
= 2,
M
2
=1, J
1
= 1, J
2
=2, por lo tanto:
n = 2
.
n
1
+
.
n
2
; k =k
1
+ 2 k
2

donde los ndices n
1
, n
2
,

k
1
y k
2
varan entre 0 y 1. El mapeado n y k se
representa en la pgina adjunta. Mediante este mapeado la secuencia
inicial {x| n| } se divide en dos subsecuencias.
La DFT de x|n| para el caso de N = 4 se define por la expresin:

que efectuando la sustitucin: n = 2
.
n
1
+
.
n
2


puesto que no es funcin de n
1
se obtiene :

resultando la ecuacin :
(1)
n
2
= 0 n
2
=1
Desarrollando la ecuacin (1) se llega al mismo resultado que el
obtenido por el anterior procedimiento de estimacin en el tiempo.
Examinando con ms detalle la ecuacin (1) y teniendo en cuenta el mapa
de ndices
X|k| se reescribe como:
X|k| = {x|0| + x|2|
.
W
4
2 k
} + W
4
k .
{x|1| + x|3|
.
W
4
2 k
}
cuyo desarrollo se representa en la pgina adjunta.

Fig. 7.28.
El clculo de X|k| puede representarse grficamente mediante el
diagrama de flujo de la Figura 7.28. La notacin empleada es que las
ramas que entran a un nodo se suman para generar la variable en ese
nodo, la transmitancia de cada rama se indica en un smbolo circular. El
nmero dentro de cada smbolo representa la potencia de W
4
. Teniendo
en cuenta que W
4
0
= 1 el esquema (a) se simplica obtenindose el esquema
(b). Es importante darse cuenta que si bien la salida X|k| est en orden
natural, las muestras de entrada {x|n| } han sido reordenadas. Este
reordenamiento surge como una necesidad de parear la muestra x|0| con
x|2| , y x|1| con x|3|.
Teniendo en cuenta las relaciones:
W
4
1
= = - j ; W
4
2
= (W
4
1
)
2
= ( - j)
2
= -1; W
4
3
= W
4
1

.
W
4
2
= j
se puede efectuar otra representacin del diagrama de flujo, Figura 7.29.,
representando los correspondientes valores numricos.

Fig. 7.29.
El grfico inicial puede seguir desarrollndose teniendo en cuenta las
expresiones:
W
4
0
= 1 = W
2
0
; W
4
2
= -1 = W
2
1
; y W
4
3
= W
4
2

.
W
4
1
= W
2
1

.
W
4
1

Aunque la mayora de las trasmitancias se redefinen como potencias
de W
2
(y por lo tanto de valores ), no se ha podido eliminar el
trmino W
4
1
lo cual implica clculos adicionales. Figura 7.30.

Fig. 7.30.
Retomando la ecuacin
anterior y
desarrollando para k = k
1
+ 2 k
2
se llega a :
=

puesto que para todos los valores de k
2
y n
1
este
trmino no contribuye al clculo. As mismo , con lo cual el
resultado final es:
X| k| (2)

Comparando la ecuacin (2) con el anterior diagrama de flujo, Figura
7.30., vemos que el trmino W
2
k1 n1
representa la transmitancia de la
primera etapa; W
2
k2 n2
corresponde a la transmitancia de la segunda etapa
junto con el factor W
4
k1 n2
. La no contribucin de W
4
k2 n1
simplifica la
programacin y tiene un efecto de desacoplo del
trmino el cual depende slo de k
1
. Dicho desacoplose
produce por la adecuada eleccin de las constantes en la ecuacin
n = 2
.
n
1
+
.
n
2
; k =k
1
+ 2 k
2

Es importante darse cuenta que todas la ideas desarrolladas hasta
ahora se han basado en suponer que la longitud N de la secuencia {x[n} es
una potencia de 2. Las ideas bsicas hasta ahora explicadas se ampliarn
en la seccin correspondiente al desarrollo de varios algoritmos
correspondientes a la FFT. Para terminar esta seccin preliminar vamos
a explicar otros conceptos.

El primero de ellos es la notacin FFT butterfly. La evaluacin del
diagrama de flujo visto anteriormente, Figura 7.29., implica una suma y
una resta. Este hecho operativo puede considerarse como la unidad
bsica de evalucin la cual se representa en la Figura 7.31. Debido a su
forma, la figura se denomina "butterfly" (mariposa).

Fig. 7.31.
Esta idea de representacin se puede ampliar a ms etapas del
diagrama de flujo. Partiendo del siguiente diagrama, Figura 7.30., los dos
factores W
4
1
se pueden combinar para obtener el diagrama de flujo de la
Figura 7.32. A partir de estos nuevos diagramas se generan eficientes
algoritmos para evaluar la FFT.

Fig. 7.32.
Si descomponemos una DFT de N puntos, donde N = 2
m
sern
necesarias U etapas para procesarla mediante sucesivas descomposiciones
en base 2, U = log
2
N.
Mediante la notacin X
p
[d| se indica el array complejo resultante de
evaluar la p -sima etapa , donde d = 0, 1, 2, 3.....N-1 y p = 1, 2, 3,....U. La
forma general del procedimiento FFT butterfly para la etapa (p+1) se
representa en la Figura 7.33. donde T
F
representa el correspondiente
"factor twiddle W
F

k
". La figura genera las siguientes ecuaciones que son
evaluadas sucesivamente.
X
p+1
[p| = X
p
[p| + T
F
X
p
[q|
X
p+1
[q| = X
p
[p| - T
F
X
p
[q|

Fig. 7.33.

Ampliacin de los algoritmos para evaluar la FFT

De las anteriores explicaciones hemos deducido que la evaluacin de la
FFT implica el desarrollo de diversos algoritmos todos ellos basadas en
la descomposicin de una DFT de longitud N = 2
m
, en sucesivas DFTs de
longitud menor.
Para consolidar las explicaciones anteriores veamos el caso de N=8
Ejemplo1.- Evaluar una FFT de 8 = 2
3
puntos mediante el
procedimiento de mapeado de ndices definidos por las ecuaciones:
n = 4
.
n
1
+ 2
.
n
2
+ n
3
k = k
1
+ 2
.
k
2
+ 4
.
k
3

donde todos los ndices n
1
, n
2
, n
3
, k
1
, k
2
, k
3
toman los valores 0, 1
a) Construir el mapa de ndices.
b) Dibujar el diagrama de flujo expresando toas las transmitancias como
potencias de
W
8.

c) Redibujar el diagrama de flujo para representarlo mediante la tcnica
butterfly
Solucin
Este procedimiento de estimacin en el tiempo mediante el mapeado de
ndices corresponde al primer tipo de algoritmos desarrollados y
pertenece al tipo de algoritmos de Cooley- Tukey.
Si en el ejemplo anterior se desarrolla k = k
1
+ 2
.
k
2
+ 4
.
k
3
en sus
ndices k
1
, k
2
y k
3
se tiene:

donde desarrollando el exponente de W
8
:
16
.
k
3
.

n
1
+ 8
.
k
2
.

n
1
+ 8
.
k
3
.

n
2
+ 4
.
k
1
.

n
1
+ 4
.
k
2
.

n
2
+ 4
.
k
3
.

n
3
+ 2
.
k
1
.

n
2
+ 4
.
k
2
.

n
3
+
k
1
.

n
3

Evaluando en mdulo 8, el primer trmino siempre produce W
8
0
=1
por lo tanto no afecta al resultado final. Por lo tanto


Los tres sumandos se asocian a las tres etapas del correspondiente
diagrama de flujo. En cada sumando hay transmitancias que son
potencias de W
8
4
. El valor de estos trminos siempre es . Los
trminos de la segunda etapa y de la tercera etapa
corresponden a los factores "twiddle".


Fig. 7.36.

En la Figura 7.36. se representa el diagrama de flujo en cual la entrada
aparece en orden natural mientras que la salida aparece cambiada.
Reordenando las transmitancias es posible representar, Figura 7.37., en
orden natural tanto la entrada como la salida.

Fig. 7.37.
Otra tcnica empleada para alterar el orden de la secuencia de salida es
la conocida bajo el nombre bit-reversal tal y como se representa en la
tabla adjunta. Refirindonos al ejemplo 1, vemos que en la definicin de
lo ndices de n haciendo n
1
el bit ms significativo, y en la de k haciendo
k
3
el ms significativo , se llega a la misma representacin. Por lo tanto la
tcnica bit - reversal se incorpor en las propias definiciones de n y k.

A continuacin veremos una forma importante de evaluar la FFT
conocida como estimacin en frecuencia. Esta tcnica puede considerarse
como dual de la correspondiente a la estimacin en el tiempo y debe
considerarse como una consecuencia de la simetra de la DFT. Recordar
que la tcnica de estimacin en el tiempo divide la secuencia de entrada
{x|n| } en dos subsecuencias una con lostrminos pares y la otra con
los impares, y as sucesivamente. El proceso de estimacin termina
cuando se llegan a grupos de dos trminos. En el proceso de estimacin en
frecuencia la divisin se efecta en la secuencia de salida es decir en el
dominio de la frecuencia.
Desarrollemos estas ideas para el caso de N =4. Una FFT para N=4
mediante la tcnica de estimacin en frecuencia puede definirse mediante
los ndices n
1
, n
2
, k
1
y k
2
en los siguientes trminos
n = n
1
+
.
2
.
n
2
; k = 2
.
k1

+ k
2

donde los ndices n
1
, n
2
,

k
1
y k
2
varan entre 0 y 1. Desarrollo
Ejemplo2.- El mapa de ndices para evaluar una FFT de 8 = 2
3
puntos
mediante el procedimiento de estimacin de frecuencia viene definido por
las ecuaciones:
n = n
1
+ 2
.
n
2
+ 4
.
n
3
k = 4
.
k
1
+ 2
.
k
2
+ k
3

donde todos los ndices n
1
, n
2
, n
3
, k
1
, k
2
, k
3
toman los valores 0, 1
a) Dibujar el diagrama de flujo expresando toas las transmitancias como
potencias de
W
8.

b) Redibujar el diagrama de flujo para representarlo mediante la tcnica
butterfly y
factores Twiddle . Solucin


Fig. 7.44.
Hemos mencionado previamente la dualidad existente entre los
algoritmos para evaluar la FFT mediante la estimacin en el tiempo y la
frecuencia. Si comparamos lo diagramas de flujo, Figura 7.44.,
correspondientes a ambos algoritmos se observa que es posible deducir el
uno del otro sin ms que intercambiar las entradas por las salidas e
invertir el sentido de las seales. Este hecho tiene una importante
implicacin para calcular la Trasnformada Inversa de Fourier (IDFT) la
cual se define por la expresin:

donde salvo el coeficiente 1/N y el signo de W
N
es idntica a la DFT.

Por ejemplo el algoritmo de estimacin en el tiempo para N=8
representado en el correspondiente diagrama de flujo es fcilmente
adaptable para calcular la IDFT mediante la estimacin en el dominio de
la frecuencia. Figura 7.45.

Fig. 7.45.
Evaluacin de la FFT en base distinta a 2

Hasta ahora una DFT de N valores de la secuencia {x[n| } se ha divido
en sucesivos subsecuencias de 2 elementos surgiendo diversos algoritmos
de evaluacin de la FFT. Tambin es posible efectuar subdivisiones en
base distinta a 2.
Supongamos una secuencia {x[n}de 16 valores (N=16), para trabajar en
base 4 efectuamos sucesivas subdivisiones en grupos de 4 muestras, por lo
tanto se considera la transformada de 4 puntos como la unidad bsica de
procesamiento.
El algoritmo propuesto emplea la tcnica de estimacin en el
tiempo con mapeado de ndices el cual se obtiene por las ecuaciones:
n = 4
.
n
1
+ n
2
;

k = 4
.
k
1
+ 4
.
k
2
; n
1
, n
2
, k
1
, k
2
{0, 1, 2, 3}
cuyo mapa se representa en la siguiente pgina.


Desarrollo del algoritmo.

Tambin es posible disear algoritmos con mltiples bases. Por
ejemplo una DFT se puede calcular descomponiendo {x|n|} en distintas
subsecuencias unas para ser tratadas con una DFT de 2 puntos (base 2) y
otras con una DFT de 4 puntos (base 4).
Para terminar este apartado podemos hacernos la siguiente pregunta
Cmo enfocar el clculo de la FFT cuando la secuencia de datos {x[n|}
tiene una longitud que no es una potencia de 2? Solucin
Comentario final
La FFT es un algoritmo relativamente complicado de programar en un
ordenador. Desde un punto de vista prctico, en general, no es necesario
programar un algoritmo en concreto para el clculo de la FFT.
La mayora de los sistemas software de procesamiento de seales
incluyen en su librera de funciones alguna funcin que admite un array
de datos de entrada y produce un array de coeficientes de la DFT.
Cada algoritmo FFT tiene sus propios convenios que deben seguirse si
se desea interpretar correctamente sus resultados.
SOLUCION 1
Solucin

n = 4
.
n
1
+ 2
.
n
2
+ n
3
k = k
1
+ 2
.
k
2
+ 4
.
k
3

n
1
, n
2
, n
3
, k
1
, k
2
, k
3
{ 0, 1}
a) Puesto que ahora son necesarias tres variables, el mapa de ndices se
construye
mediante las siguientes tablas:

Comparando ambas tablas se observa que si k evoluciona en orden
natural de 0 a 7, entonces la correspondiente secuencia de entrada {x[n}
se debe tomar en el siguiente orden :
0, 4, 2, 6, 1, 5, 3, 7
b) Para evaluar la DFT en mdulo N = 8 partimos de la definicin:

que efectuando las sustituciones: n = 4
.
n
1
+ 2
.
n
2
+ n
3
k = k
1
+ 2
.
k
2
+ 4
.
k
3

se obtiene:



El sumando representa la primera etapa de
procesamiento. Las transmitancias dadas por W
8
4 k n1
toma los valores
W
8
0
,W
8
4
W
8
8
W
8
12
,.... y as sucesivamente. En mdulo 8 todos estos
factores se reescriben como W
8
0
W
8
4
.
El sumando representa la segunda etapa de
procesamiento. Las transmitancias dadas por W
8
2 k n2
toma los valores
W
8
0
W
8
4
W
8
2
W
8
4
W
8
6
W
8
8
,.... y as sucesivamente.
El sumando representa la tercera etapa de procesamiento. Las
transmitancias dadas por W
8
k n3
toma los valores comprendidos entre
W
8
0
y W
8
7


En la Figura 7.34. se representa el correspondiente diagrama de flujo.

Fig. 7.34.

c) Para redibujar el diagrama de flujo segn el mtodo "butterfly" y las
factores tuiddle debemos tener en cuenta las siguientes relaciones:
W
8
4
= -1, W
8
0
= 1 W
8
2
= -j W
8
6
= W
8
4 .
W
8
2

efectundose la representacin en la Figura 7.35.

Fig. 7.35.

SOLUCION 2
Solucin
a) n = n
1
+ 2
.
n
2
+ 4
.
n
3
;

k = 4
.
k
1
+ 2
.
k
2
+ k
3
; los ndices n
1
, n
2
, n
3
, k
1
, k
2
,
k
3
toman los valores 0, 1.
El mapa de ndices se construye mediante las siguientes tablas:



Comparando ambas tablas se observa que si n evoluciona en orden
natural de 0 a 7, entonces la correspondiente secuencia transformada
{X[k} se debe tomar en el orden:
0, 4, 2, 6, 1, 5, 3, 7
Para evaluar la DFT en mdulo N = 8 partimos de la definicin:

que efectuando las sustituciones: n = n
1
+ 2
.
n
2
+ 4
.
n
3
k = 4
.
k1

+ 2
.
k
2
+ k
3

se obtiene:



El sumando representa la primera etapa de
procesamiento cuyas transmitancias son W
8
k n1
, por lo tanto son
potencias de W
8
1

El sumando representa la segunda etapa de
procesamiento, cuyas transmitancias son potencias de W
8
2
.
El sumando representa la tercera etapa de procesamiento
con unas transmitancias potencias de W
8
4
.

En la Figura 7.41. se representa el correspondiente diagrama de flujo

Fig. 7.41.
b) Para redibujar el diagrama de flujo segn el mtodo "butterfly" y las
factores tuiddle, puesto que dicho mtodo implica restas, debemos
efectuar los cambios necesario para obtener expresiones del tipo:
W
8
7
= W
8
4 .
W
8
3
= (-1)
.
W
8
3

donde el trmino W
8
3
es el factor twidle comn a las dos ramas de
entrada, efectundose la representacin en la Figura 7.42.

Fig. 7.42.
Existe la posibilidad de obtener la secuencia de salida {X[k} en orden
natural siempre y cuando de altere el orden de la secuencia de entrada.
Figura 7.43.

Fig. 7.43.
Existen diversas alternativas para resolver el problema:
1 Alternativa Calcular directamente la DFT. Es muy ineficaz
especialmente para grandes secuencias de datos, pero es muy fcil de
programar.
2 Alternativa Dividir sucesivamente la DFT por la mitad hasta que se
alcanzan una DFT de longitud impar. Calcular estas DFTs de forma
directa y a continuacin cambiar los coeficientes hasta obtener los
coeficientes deseados.
3 Alternativa: Forzar a que los datos tengan una longitud que sea
potencia de 2, aadiendo ceros al final de la secuencia de datos. Los datos
que son nulos no contribuyen al sumatorio en el calculo de la DFT.
4 Alternativa Desarrollar una FFT alternativa con base distinta de 2
para resolver el problema especifico. La restriccin de que N = 2
m
viene de
dividir por la mitad las DFTs para producir DFTs de menos trminos.
Si desarrollsemos una FFT de base 3, se manejaran secuencias de
datos cuyas longitudes son potencias de 3 { x|3| , x|9| , x|27| , x[81|,
x|243| ,....} .
Es tambin posible desarrollar una FFT basada en dividir la DFT
utilizando mezclas de races lo que da lugar a mltiples algoritmos.
INTRODUCCIN
Hemos dedicado tres temas al estudio de diversos aspectos relativos
al tratamiento digital de seales en el dominio de la frecuencia. En el Tema
3 se efecta una introduccin sobre la Transformada de Fourier aplicada a
seales y sistemas digitales. Esta introduccin se ampla con la
operatividad de la Transformada z, estudio que se realiza en el Tema 4. Por
ltimo en el Tema 7 se aborda el estudio de la DFT, incluyendo el diseo y
organizacin de diversos algoritmos de la FFT.
En este captulo final centraremos nuestra atencin a diversas reas de
aplicacin de la FFT como son el anlisis espectral y el filtrado digital por
convolucin rpida. Tambin se aborda el estudio de las funciones
de autocorrelacin y correlacin cruzada as como su relacin con la FFT.
ANLISIS ESPECTRAL
El anlisis espectral de una seal digital tiene por objeto
la descomposicin de dicha seal en sus diversas componentes dentro del
dominio frecuencial. Este anlisis, que puede llevarse a efecto en un
ordenador (va software) o en un sistema digital con un hardware
especfico, es una tcnica ampliamente utilizada en varias especialidades
de ingeniera, ciencias aplicadas, y procesamiento de datos. Una tarea
muy comn en el anlisis espectral es tratar de encontrar una
determinada seal que est contaminada por otras, por ejemplo ruido.
La FFT, a causa de su rapidez, es la herramienta ms adecuada para
llevar a cabo un anlisis espectral. Cualquier algoritmo para calcular la
FFT contiene un conjunto de coeficientes espectrales, armnicos, que se
pueden entender como muestras de la correspondiente funcin espectral
continua (Transformada continua de Fourier ).
Veamos diversos ejemplos para familiarizarnos con esta tcnica de
anlisis.
Ejemplo 1.- Se toman N = 128 muestras de la seal senoidal
modulada x|n| definida por:
+
Las cuatro componentes frecuenciales caracterizadas
por b
1
b
2
b
3
y b
4
,

de amplitudes a
1
a
2
a
3
y a
4
, corresponden exactamente con
los armnicos b
1
b
2
b
3
y b
4.

Se ha desarrollado un programa interactivo que permite visualizar
dichos armnicos.
En la Figura 8.2. se muestra la respuesta obtenida para b
1
= 7; b
2
=
21; b
3
= 33; b
4
= 0; a
1
= 0.2 ; a
2
= 0.4 ; a
3
= 0.3 y a
4
= 0. Los armnicos
presentes son justamente el 7 , 21, y 33. La amplitud de dichos
armnicos es proporcional a los valores de las a
i
respectivas. Observar la
simetra en la respuesta.

Fig. 8.2.
Ejecutar. Analizar la respuesta obtenida para diferentes valores de a
i
y
b
i
tanto positivos como negativos.
Cuando las componentes b
i
no son nmeros enteros la correspondiente
muestra espectral no es nica sino que existe una dispersin en un entorno
del valor entero.
Ejemplo 2.- Se toman N = 2
m
muestras de la seal senoidal
modulada x|n| definida por:
+
+ Activar
Ejemplo 3.- En este ejemplo se representa la FFT de 128 puntos como
mximo de las siguientes funciones:
a) Senoidal, b) Escaln, c) Exponencial amortiguada. d) Senoidal
amortiguada.
e) x[n] = sen(e)+sen(3e)/3 + sen(5e)/5 + sen(7e)/7 + sen(9e)/9
f) x[n] = sen(e)+sen(3e)/3 - sen(5e)/5 + sen(7
.
e)/7 - sen(9e)/9 e =
2
.
t
.
n /N
Las seales correspondientes a los apartados e) y f) son distintas, pero
si correspondiesen a una seal acstica sonaran de forma idntica puesto
que nuestros odos no captan la informacin de fase. Activar
Una explicacin al fenmeno de dispersin espectral, consiste en
considerar la operatividad de la DFT o FFT como un proceso de filtrado.
En efecto, el comportamiento de la DFT implica la actuacin de un
conjunto de filtros elementales de paso de banda que separan la seal en
varias componentes frecuenciales. Esta interpretacin, para N=8, se
representa en la Figura 8.3. donde el rango de frecuencia
digital se ha dividido en 8 bandas de paso solapadas donde se
cuantifica en qu medida est presente la seal de entrada x|n|en cada
una de ellas.

Fig. 8.3.
Por ejemplo una seal senoidal x|n| con una frecuencia coincidente con
la frecuencia central n 2, generara un nico valor espectral espectral
correspondiente a dicha frecuencia.
La parte (a) de la Figura 8.3. no proporciona un representacin
completa del fenmeno porque la respuesta frecuencial de cada filtro
elemental tiene unos lbulos laterales. La anchura del lbulo principal,
centrado en O
c
es 4 t/N radianes y la de los laterales
2t/N radianes. La frecuencia de paso por cero coincide con las
frecuencias centrales de los dems filtros elementales. Por lo tanto si una
seal x[n| tiene una componente cuya frecuencia corresponde
exactamente con una de las frecuencias centrales (frecuencia de un
armnico, termino ) la salida ser nica. Si la componente est
desplazada de la frecuencia central, la salida, adems de la componente
correspondiente a la frecuencia central tendr otras componentes
correspondientes a los lbulos laterales.
Ejemplo 4.- Analizar el efecto de los lbulos laterales. Solucin
Cuanto ms amplia sea la seal x[n| mayor deber de ser el valor de N
y por lo tanto mayor tambin el nmero de filtros elementales que
simulan la operatividad de la FFT. Por ejemplo una muestra de 64 puntos
(N=64) solo puede resolver componentes espaciadas 2 t/64 radianes. En
aplicaciones donde se necesita una amplia resolucin espectral se puede
llegar a emplear N = 4096 (10
12
) puntos o incluso superior.
Se ha desarrollado un programa interactivo que permite calcular y
representar la FFT de una serie de muestras x|n| almacenadas en un
fichero. As mismo los resultados se almacenan en otro fichero para su
posterior anlisis. El algoritmo es el correspondiente a la estimacin en el
tiempo en base 2. Activar
En los siguientes apartados se desarrollan aspectos relativos al empleo
de la FFT en el procesamiento de seales.
La FFT y el ruido
La FFT y las ventanas
Relaciones frecuenciales
Veamos las relaciones frecuenciales existentes entre H(O) y la
transformacin en el dominio de la frecuencia de h|n| mediante
la DFT FFT de N puntos.
La funcin H(O)se representa en el rango
H(O) <----->
donde O es la frecuencia digital
Por otro lado, una DFT FFT de N puntos tiene una duracin de N
T sg donde T es el periodo de muestreo. El espacio entre dos lneas
del espectro armnicos es de
Hz rd/sg.
El rango es equivalente a El nmero de lneas
espectrales en este rango es lo que explica la simetra
existente en el espectro entorno al valor
Para un valor O
0
perteneciente a H(O
0
)y n
0
tal que ;se
tiene la equivalencia ------> t
O
0
------> n
0

As mismo sabemos que la relacin existente entre la frecuencia f de una
seal analgica, la frecuencia de muestreo f
s
y la frecuencia
digital O = tes:

a un armnico n
0
del espectro, le corresponde una frecuencia analgica f
0


Por ejemplo muestreando a f
s
= 10 kHz, la longitud de la FFT es N = 512,
al armnico
n
0
= 32 le corresponde una frecuencia f:

EJEMPLO4 SOLUCION
Solucin: La ecuacin:

define una seal con dos componentes que no son armnicas. Una est
entre el armnico 33 y 34 ; la otra entre el 40 y 41 pero 1/4cercano al
armnico 40.
Modelamos la respuesta en frecuencia de cada filtro elemental en que
se descompone el espectro de N puntos por la funcin estando
separadas una de otra 2 t / N a lo largo del eje de la frecuencia. Por lo
tanto podemos basar nuestras predicciones en la evaluacin de una
funcin en puntos separados uno de otros por 2 t / N.

Fig. 8.4.
La Figura 8.4. (a) representa la situacin de una componente entre dos
armnicos. Las respuestas producidas en los filtros adyacentes se
representan por los puntos A, B, C, D,.... Los valores correspondientes a
dichos puntos se evalan en la siguiente tabla:

x

Amplitud
(% del valor max)
A t/2 2/t 63.66%
B 3 t/2 -2/3t 20.94%
C 5 t/2 2/5t 12.73%
D 7 t/2 -2/7t 9.09%

La situacin de una componente situada entre dos armnicos se
representa en la Figura 8.4. (b). Los puntos se han desplazado de
distancia entre los cruces por cero. Los valores correspondientes a dichos
puntos se evalan en la siguiente tabla:

x

Amplitud
(% del valor max)
A 3p/4

30.01%
B 7 p/4

12.86%
C 11 p/4

8.2%
D 15 p/4

6.0%
A -p/4

90.03%
B -5 p/4

18%
C -9p/4

10%
D -13 p/4

6.92%


La FFT y el ruido
En el siguiente ejemplo veamos la forma mediante la cual a travs de la
FFT se puede detectar una seal en presencia de ruido. Supongamos que
la muestra de seal representada en la Figura 8.5. (a) contiene una seal
peridica cuadrada contaminada por ruido. Aunque el ojo humano no
sea capaz de detectar tal evento, mediante el procesamiento de x[n| con la
FFT es posible detectarlo. Existen otras tcnicas para detectar una seal
en presencia de ruido. Dichas tcnicas sern analizadas en el estudio la
autocorrelacin y correlacin cruzada.

Fig. 8.5.
Analizando el espectro de la Figura 8.5. (b) se observa que hay una
distribucin espectral aleatoria de la energa ms una lnea espectral bien
definida en el armnico 32 y otra, tambin bien definida, de menor
amplitud (1/3) en el armnico 96. Posiblemente existan ms componentes,
pero estn enmascaradas por el ruido. En lo referente a la seal de ruido,
sus muestras en el dominio del tiempo son estadsticamente
independientes, mientras que en el dominio de la frecuencia su valor
medio es constante. Dicho ruido se conoce como ruido blanco.
Se sabe por el anlisis trigonomtrico de Fourier de seales peridicas
continuas, que dicho anlisis aplicado a una seal cuadrada genera
como componentes espectrales, Figura 8.6., la frecuencia fundamental y
los armnicos de orden impar con amplitudes de crecientes.

Fig. 8.6.
La FFT es por lo tanto consistente con el punto de vista del anlisis en
el dominio del tiempo. La FFT nos dice que la seal en el dominio
temporal consiste en ruido blanco ms otra seal en la que predominan los
armnicos 32 y 96, siendo la amplitud del tercer armnico 1/3 de la del
primero. Por lo tanto podemos asegurar que la seal de entrada se
compone de ruido blanco ms otra seal cuadrada cuyafrecuencia
fundamental coincide con el armnico 32 de la FFT de 512 puntos.
La FFT y las ventanas
Hemos visto que si la seal de entrada x|n| tiene alguna componente
que corresponda exactamente con un armnico de su correspondiente
FFT, esta componente se manifestar con una lnea espectral
perfectamente definida.
En general no podemos esperar que este caso se produzca
frecuentemente. Lo normal es que la seal de entrada x|n| contenga una
mezcla de frecuencias donde, en el mejor de los casos, alguna de ellas sea
exactamente un armnico. Esto significa que las lneas espectrales tendrn una
dispersin ms o menos acentuada lo que puede dificultar la interpretacin del
espectro.
El efecto de la dispersin se modifica si la seal x|n| se multiplica por
una adecuada funcin ventana. Sabemos que multiplicar dos
seales x
1
[n| y x
2
[n| en el dominio del tiempo es equivalente a
convolucionar su respectivos espectros de frecuencia definidos
por X
1
(O)y X
2
(O) .
En el Tema 4, seccin de Filtros No Recursivos, analizamos la utilidad
de diversas funciones ventana para trucar la respuesta al impulso de un
filtro determinado. En dicho tema se estudi que mediante la funcin
ventana es posible lograr un equilibrio en la respuesta en frecuencia entre
el lbulo principal y los laterales. Similares consideraciones pueden
efectuarse en el anlisis espectral de la FFT donde es posible reducir la
dispersin espectral.
El criterio operativo de una ventana es el de tener un lbulo principal lo
ms estrecho posible para conseguir una buena resolucin espectral y ausencia
de lbulos laterales para evitar la dispersin espectral. Lamentablemente
existe un compromiso entre la anchura del lbulo principal y la amplitud
de los lbulos laterales. Pequeos lbulos laterales originan un lbulo
principal ms ancho y viceversa.
En las siguientes pginas se desarrollan diversos aspectos relativos a la
FFT y las ventanas.
Entre las ventanas operativas consideraremos:
ventana rectangular.
ventana triangular.
ventana Hamming.
Precauciones para utilizar ventanas con la DFT
Podemos ilustrar algunos efectos de las ventanas ejecutando el diversos
ente programas interactivos.
Ejemplo 1 Utilizar la DFT para calcular el espectro de una seal digital.
Se desea que la dispersin espectral sea menor que el 10% para
coeficientes que representan frecuencias que estn distantes en
mas de la frecuencia de la seal, . Solucin
Podemos ilustrar algunos efectos de las ventanas ejecutando el diversos
ente programas interactivos
Programa 1. Se toman como datos {x|n|} los valores de la seal senoidal
modulada definida por:

El programa admite como variables modificables por el usuario
a) Los valores a
i
,

b
i
,

c
i
y f
i
.
b) Eleccin del tipo de ventana
c) Eleccin del nmero de puntos N de la FFT
d) Nmero de puntos de las ventana Nv.
e) Punto de comienzo de la ventana Nc.
El programa visualiza x|n| , X|k| y |x|n| | Activar
Programa 2. Se toman como datos {x|n|} los valores de la seal senoidal
modulada del ejemplo anterior.
El programa admite como variables modificables por el usuario
a) Los valores a
i
,

b
i
,

c
i
y f
i
.
b) Eleccin del nmero de puntos N de la FFT
c) Nmero de puntos de las ventana Nv.
d) Punto de comienzo de la ventana Nc.
El programa visualiza x|n| , X|k| correspondiente a una ventana
rectangular,
x
t
[n| , X
t
|k| correspondiente a una ventana triangular y x
h
[n| ,
X
h
[k| correspondiente a una ventana Hamming. Activar
Programa 3. Se toman como datos {x|n|} los valores introduicidos por el
usuario va teclado con un mximo de 64 .
El programa visualiza x|n| , X|k| correspondiente a una ventana
rectangular,
x
t
[n| , X
t
|k| correspondiente a una ventana triangular y x
h
[n| ,
X
h
[k| correspondiente a una ventana Hamming. Activar
SOLUCIOBN EJEMPLO1
Solucin
Podemos obtener las especificaciones de diseo de diseo de dos formas
distintas:
Alternativa1.- Mediante el empleo de una ventana uniforme y ejecutar la
DFT con el nmero de puntos necesario para que se cumpla que la
dispersin sea menor del 10%.
Con una DFT de 40 puntos el lbulo lateral es del 20% a la frecuencia
digital de 0.07
.
t y otro del 13% a 0.07
.
t. Por lo tanto no se cumplen las
especificaciones.
Con una DFT de 80 puntos el lbulo lateral es del 7% a 0.11
.
t , por lo
tanto en este caso se cumplen las especificaciones de diseo.
Alternativa 2.- Mediante el empleo de otra ventana que requiera menos
puntos de la DFT para cumplir con las especificaciones de diseo. Los
lbulos laterales de una ventana Hamming son menores del 10% de forma
que las especificaciones se cumplen empleando dicha ventana y
procesando la DFT con el nmero de puntos suficiente de forma que el
lbulo principal est acotado entre 0.1
.
t
El lbulo principal de una ventana Hamming se extiende entre (-
4
.
t)/N y (4
.
t)/N. Por lo tanto la longitud de la ventana de Hamming se
calcula mediante la expresin:
(4
.
t)/N = 0.1
.
t ---->
Eotoventana Hamming con una DFT de 40 puntos originar una
dispersin espectral muy pequea (del orden de 1%) para frecuencias
digitales mayores que 0.1
.
t.
Investigacin de sistemas L.T.I
Se emplea frecuentemente el anlisis espectral para caracterizar un
sistema LTI, por ejemplo analizar la respuesta en frecuencia.
Para ello el sistema es excitado por una seal adecuada x|n| -
frecuentemente un impulso o un escaln - almacenndose la
correspondiente respuesta temporal y|n|. Transformando la respuesta
temporal en el dominio frecuencial podemos estimar la funcin de
transferencia del sistema. Para dicha transformacin se emplea la FFT.
En diversos temas de esta unidad temtica hemos estudiado la
caracterizacin de un sistema LTI. En el Tema 2 - seccin 2.3 -
("Descripcin de un procesador digital LTI en el tiempo"), en el Tema 3 -
seccin 3.3 - ("Respuesta en frecuencia de un procesador LTI"), en el Tema
4 - seccin 4.6 - ("Evaluacin geomtrica de la Transformada de Fourier en el
plano z"), sin olvidar las caractersticas intrnsecas de la FFT.
El diagrama en bloques de la Figura 8.11. representa el empleo de la
FFT para analizar las caractersticas de un sistema LTI. Una seal de
entrada x[n| de banda ancha se aplica a la entrada del sistema bajo
prueba (en el esquema se supone que el sistema es digital, si fuese
analgico sera necesario el correspondiente convertidor analgico
digital).

Fig. 8.11.
El procesamiento de la seal de salida y[n| mediante la FFT genera el
espectro Y[k|. Una vez determinado el espectro X[k| de la seal de entrada,
se obtiene que:
Y[k] = H[k]
.
X[k] -----> [1]
Esta operacin es equivalente a efectuar la convolucin peridica en el
dominio del tiempo entre la seal x[n| y la respuesta impulsional del
sistema h[n|
|2|
La implementacin ms sencilla de las ecuaciones [1| y |2| implica el
empleo de
x[n| = o[n| . En este caso la salida y[n| es h[n| obtenindose directamente
la respuesta en frecuencia.
Debido a que muchas veces la seal impulso no es practicable, se suele
emplear la seal escaln u|n| . Si la respuesta a la seal escaln se
almacena, la correspondiente respuesta al impulso se puede encontrar
indirectamente mediante la ecuacin en diferencias finitas de primer
orden.
Es importante recordar que debemos tomar el nmero de muestras
necesarias, de acuerdo con el Teorema del Muestreo, para obtener una
buena representacin en el dominio de la frecuencia en el
rango .
Puesto que estamos interesados en emplear la FFT para transformar la
respuesta temporal en el dominio frecuencial, debemos tener muy clara la
relacin que existe con la resolucin en el dominio del tiempo y la
frecuencia. Como se explic en el tema anterior la evaluacin de la FFT
ser en base 2 . Por ejemplo si se toman 256 (2
8
= 256 ) muestras de
la seal de respuesta y|n| , se generar una FFT de 256 puntos. En este
caso el nmero de grados de libertad es el mismo en el dominio del
tiempo y de la frecuencia.
Sucede que no siempre el nmero de muestras de y|n| coincide con una
potencia de 2. As que lo usual es aadir ceros a las muestras tomadas en
el dominio del tiempo hasta adaptarla a la longitud requerida. La adicin
de ceros se conoce con el nombre de cero-filling ozero-padding . Por
ejemplo si y|n| tiene 180 valores, se aaden 76 ceros hasta completar
los 256 valores.
En la Figura 8.12. se representa el efecto de completar con ceros
la respuesta al impulso h|n| de 190 puntos para diferentes valores de N =
2
m
.

Fig. 8.12.
En la Figura 8.12.(a) , h|n| se ha completado con 66 ceros hasta
completar los 256 puntos. En la FFT se observan dos mximos y unos
valores significativos a muy baja frecuencia. En la Figura 8.12.(b) se
observa el efecto de completar con ms ceros hasta lo 512 puntos. En el
dominio de la frecuencia se ha muestreado en exceso, aunque se ha
duplicado el nmero de lneas espectrales y la resolucin. En la Figura
8.12.(c) se ha efectuado la FFT con 128 muestras. En este caso la
respuesta h|n| est truncada lo cual origina errores que se manifiestan en
dispersiones en el espectro frecuencial que al tener menos puntos dificulta
la interpretacin del mismo al reducirse la resolucin.
Veamos varios ejemplos.
Explicar las relaciones existentes entre el dominio del tiempo h|n| y el de
la frecuencia H(O). Explicar como variara la interpretacin en eldominio
de la frecuencia mediante una DFT de mnima longitud y una FFT en base
2 para los siguientes sistemas:
Ejemplo 1. Sea un sistema LTI con la funcin de transferencia
Solucin
para los pares de valores de r y u.
a) r = 0.9 u= 0;b) r = 0.8 u= 125;c) r = 0.95 u=180 ; d) r =
0.99 u= 20
Ejemplo 2. Sea un sistema LTI que opera como un filtro de paso bajo
caracterizado como un promediador mvil de Mtrminos. Solucin
Ejemplo 3. Sea un sistema LTI que caracteriza a un filtro de paso de
banda muestreado en frecuencia. Solucin
EJEMPLO 1 SOLUCION
Solucin
Ejecutando el programa interactivo para simular la respuesta en
frecuencia H(O) sobre 320 puntos del sistema cuya funcin de
transferencia es:

para los pares de valores de r y u, oc o|ticvc:
a) Para r = 0.9 u= 0la Figura 8.13. representa la respuesta obtenida

Fig. 8.13.
Para calcular la DFT de h|n| de 320 puntos sera necesario completarla
aproximadamente con 230 ceros. Lo cual indica que la seal est
muestreada en exceso. Para calcular la DFT de h|n| con el mnimo
nmero de puntos de acuerdo con el Teorema del Muestreo seran
necesarios 90 puntos. Para calcular la FFT de 128 puntos sera tambin
necesario completarla aproximadamente con 38 ceros.
b) Para r = 0.8 u= 125la Figura 8.14. representa la respuesta obtenida

Fig. 8.14.
Las consideraciones son similares al caso anterior, para calcular
la DFT sera necesario completarla aproximadamente con 290 ceros. Para
calcular la DFT de h|n| con el mnimo nmero de puntos sera suficiente
con 30 puntos. La FFT se calculara con 32 puntos.
c) Para r = 0.9 u=180la Figura 8.15. representa la respuesta
obtenida

Fig. 8.15.
Las consideraciones son idnticas al caso a), para calcular la DFT sera
necesario completarla aproximadamente con 230 ceros. Para calcular
la DFT de h|n| con el mnimo nmero de puntos sera suficiente con 90
puntos. La FFT se calculara con 128 puntos lo que implica aadir 38
ceros.
d) Para r = 0.99 u= 20la Figura 8.16. representa la respuesta obtenida

Fig. 8.16.
Con 320 puntos no se completa h|n| por lo tanto debemos asumir una
cierta dispersin espectral en H(O) con 320 muestras. Para calcular
la DFT de h|n| con el mnimo nmero de puntos seran necesarios 320
puntos. Para calcular la FFT seran necesarios 512 puntos.
Se propone variar r y u y analizar las anteriores consideraciones
operativas. Activar
EJEMPLO 2 SOLUCION
Solucin
Ejecutando el programa interactivo para simular la respuesta en
frecuencia H(O) sobre 320 puntos del promediador mvil de M trminos y
analizando la correspondiente grfica para M = 5 se observa
que H(O) est muestreada en exceso. Tericamente para M =
5 la respuesta al impulso h|n| puede ser transformada con una DFT de 5
puntos o con una FFT de 8.
Sin embargo podra suceder que una DFT de 5 puntos no revelase nada
interesante de H(O) si las muestras coinciden en O = 2t/5, 4 t/5
..... valores en los que H(O) = 0.
EJEMPLO2 SOLUCION
Solucin
Ejecutando el programa que simula la respuesta en
frecuencia H(O) sobre 320 puntos del filtro de paso banda muestreado en
frecuencia se observa que h|n| tiene 120 valores distintos de cero, por lo
tanto para transformar h|n| mediante una DFT de 320 puntos es
necesario completar la respuesta con 200 ceros. Tambin es posible una
DFT mnima de 120 puntos o una FFT de 128.
FILTRADO DIGITAL MEDIANTE CONVOLUCIN
RPIDA
Bases del mtodo.- Sabemos que el filtrado digital de una
seal x|n| puede efectuarse tanto en el dominio del tiempo como en el de
lafrecuencia. En el dominio del tiempo se efecta la convolucin de
la seal x|n| con la respuesta al impulso h|n| del filtro en cuestin:

Tal y como se representa en la Figura 8.17., para realizar el filtrado en
el dominio de la frecuencia de transforman, mediante las correspondientes
FFT, las seales x|n| y h|n|. Posteriormente se multiplican las
correspondientes transformadas
X|k| y H|k| para generar la seal Y|k| = X|k|
.
H|k| . Posteriormente
mediante la IDFT de Y|k| se determina y|n| = .

Fig. 8.17.
Debemos recordar que en la transformacin de una
seal x[n| del dominio del tiempo al de la frecuencia mediante la DFT o
FFT, se supone que el conjunto de N muestras
de x[n| tiene periodicidad de valor N. Por lo tanto la convolucin rpida
implementada en la Figura 8.17. se denomina convolucion circular.

El resultado y[n| de la convolucin circular tambin es una funcin
peridica. En la Figura 8.18. se representa grficamente dicha
convolucin.

Fig. 8.18.
Si embargo, en el filtrado digital se necesita la ,convolucin lineal,
Figura 8.19., es decir, es necesario efectuar la convolucin de una seal
en general no peridica x[n| con la respuesta al impulso del filtro h[n| para
obtener la salida aperidica y[n| .

Fig. 8.19.
El problema, y su solucin, se representan de forma grfica en las
siguientes Figuras 8.18, Figura 8.19. convolucin circular, convolucin
lineal -. Las formas de onda de x[n| y h[n| no tienen importancia, se ha
elegido una forma rectangular para ilustrar convenientemente la
operatividad del procedimiento.
En la convolucin circular se observa que la salida y[n| es peridica y
adems existe solapamiento. El solapamiento se origina porque las
repeticiones de x[n| y h[n| estn demasiado prximas entre s. Si se
aumenta el periodo, insertando ms ceros, el solapamiento desaparece.
En este caso cada periodo de y[n| se asemejara a la correspondiente a
una convolucin lineal.

En general se puede afirmar que para evitar el solapamiento en
una convolucin circular de dos funciones con N
1
y N
2
valores distintos de
cero, se debe cumplir la relacin:
.

Aplicando estas ideas al esquema, Figura 8.17, que representa el filtrado
digital, implementando la FFT en base 2, se elige el mnimo valor de N
que cumpla la condicin . La IDFT mediante la cual se
calcula la secuencia y[n| , contiene (N
1
+

N
2
- 1)valores, similares a los
obtenidos por una convolucin lineal de x[n| y h[n| , seguidos de N -
(N
1
+

N
2
- 1) ceros.
La convolucin rpida exige dos FFT de N puntos y una IDFT de N
puntos. Estas tres operaciones implican la ejecucin de
aproximadamente (N = 2
m
) multiplicaciones y sumas.
Tambin se necesitan N multiplicaciones para efectuar el
productoX|k|
.
H|k| . Admitamos que una multiplicacin ocupa la mayor
parte del tiempo de clculo, y que una multiplicacin compleja necesita el
doble de tiempo que una real. Si N
1
y N
2
son aproximadamente la mitad
de N, la ventaja en rapidez de clculo de la convolucin rpida se modela
por la expresin:


La evaluacin de esta ecuacin se representa en la tabla adjunta. Por
ejemplo para N = 1024 mediante la convolucin rpida se efecta el
filtrado 4 veces ms rpido que mediante la convolucin en el dominio del
tiempo.

Longitud de la
transformada N
variacin en la velocidad de clculo

64 0.421
128 0.727
256 1.28
512 2.29
1024 4.13
2048 7.53
4096 13.8

En la prctica se emplean seales reales, en cuyo caso solamente es
necesario calcular la mitad de la transformada, adems al completarse en
muchas ocasiones x[n| y h[n| con ceros habr multiplicaciones que no ser
necesario efectuarlas.
Se ha desarrollado un programa interactivo que implementa el filtrado
por convolucin rpida de N = 128 puntos de un filtro digital
caracterizado por la ecuacin en diferencias finitas:

y|n| + a
1
y|n -1| + a
2
y|n -2| + a
3
y[n -3| = b
0
x|n| + b
1
x|n -1| + b
2
x|n -2| +
b
3
x|n -3|
La seal de entrada x[n| es un escaln con 64 puntos de valor 1, y
otros 64 ceros. La respuesta al impulso h[n| corresponde a un filtro de paso
de banda de segundo orden:
y[n| = 1.5 y[n -1| - 0.85 y[n - 2| + x[n| por lo tanto h[n| = 1.5 h[n - 1| - 0.85
y[n - 2| + o[n|

Fig. 8.20.
La grfica , Figura 8.20., obtenida representa x[n| , h[n| , y[n| como
resultado de la convolucin lineal en el dominio del tiempo , elmdulo de
las FFT |X[k| |, |H[k| |, |X[k|
.
H[k| | e y[n| obtenida de aplicar la IDFT
a Y[k| = X[k|
.
H[k| , es decir y[n| calculada de esta forma es la
convolucin lineal de x[n| y h[n| , . Activar.
Como complemento, se ha desarrollado otro programa
interactivo dinmico similar al anterior excepto que analiza por
convolucin rpida la operatividad de un sistema LTI caracterizado por
la ecuacin en diferencias finitas:

a
0
y|n| + a
1
y|n -1| +.......+ a
N
y|n -N| = b
0
x|n| + b
1
x|n -1| +........+ b
M
x|n -
M|
La FFT se calcula sobre 128 puntos, as mismo se puede elegir el tipo
de seal de entrada x[n| . Activar.
Segmentacin de la seal. En esta seccin analizaremos un problema
que surge en el filtrado por convolucin rpida. El mtodo desarrollado
anteriormente contempla el hecho de que la seal a filtrar x[n| y
la respuesta al impulso del filtro h[n| tienen el mismo nmero de puntos (En
el ejemplo anterior N=128). En la prctica, sin embargo, se necesita
efectuar la convolucin de un gran nmero de muestras dex[n| con
relativamente pocos valores de h[n| . Para aplicar el mtodo anterior
debemos completar h[n| con un gran nmero de ceros. En tal caso, sobre
todo trabajando en tiempo real, es poco til el retraso originado al
procesar el algoritmo de la FFT a una secuencia tan larga.

Este problema puede resolverse segmentando la seal de entrada x[n| en
diversas secciones de longitud adecuada para poderse aplicar la
convolucin rpida a cada seccin y posteriormente combinar las salidas.
Comnmente se emplean dos tcnicas, una overlap-add y la otra overlap -
save tambin conocida como select - save.


CORRELACIN CRUZADA Y
AUTOCORRELACIN
Frecuentemente en el procesado digital de seales se necesita
cuantificar el grado de interdependencia entre dos procesos o la similitud
entre dos seales x
1
[n| y x
2
[n|. En otras palabras determinar
la correlacin existente entre dos procesos o seales. De entre los variados
campos de aplicacin, vamos a centrar nuestra atencin en la deteccin e
identificacin de seales.
Descripcin de la correlacin . Consideremos la necesidad de comparar
dos seales
x
1
[n| y x
2
[n| de la misma longitud N. Una medida de la correlacin
existente entre ambas seales puede efectuarse mediante la suma de los
productos de los correspondientes pares de puntos mediante la expresin
conocida como correlacin cruzada:

Un resultado negativo en c
12
indica una correlacin negativa, es decir
un incremento en una variable se asocia con un decremento en la otra.
La anterior definicin de la correlacin cruzada produce un resultado
que depende del nmero de muestras. Una definicin alternativa es:

la cual promedia la suma de productos entre el nmero N de elementos.
Ejemplo 1.- Calcular la correlacin cruzada de las secuencias definidas
por:


n 0 1 2 3 4 5 6 7 8
x
1
[n| 4 2 -1 3 -2 -6 -5 4 5
x
2
[n| -4 1 3 7 4 -2 -8 -2 1

= [4
.
(-4) + 2
.
1 + (-1)
.
(3) + 3
.
7 + (-2)
.
4 + (-6)
.
(-2)
+
+ (-5)
.
(-8) + 4
.
(-2) + 5
.
1 = 5
Sin embargo la definicin debe ser modificada
porque en muchos casos puede indicar correlacin cruzada cero y sin
embargo las dos seales estar totalmente correlacionadas, tal es el caso de
dos seales en oposicin de fase, Figura 8.27.

Fig. 8.27.
Para resolver este problema es necesario rotar o retrasar una de las
seales respecto de la otra. Tal y como se representa en la Figura 8.28. la
seal x
2

[n| se retrasa o rota a la izquierda k intervalos de muestreo. Otra
alternativa equivalente es rotar x
1

[n| a la derecha. En este caso, la nueva
expresin para la correlacin cruzada es:



Fig. 8.28.

Ejemplo 2.- Calcular la correlacin cruzada de las secuencias definidas
por:


n 0 1 2 3 4 5 6 7 8
x
1
[n] 4 2 -1 3 -2 -
6
-
5
4 5
x
2
[n| -4 1 3 7 4 -
2
-
8
-2 1

sin retraso y con un retraso k = 3 . Solucin
Tambin es posible considerar la correlacin cruzada para seales
analgicas.
Existe otro problema asociado con la definicin:

Coma se ha podido comprobar en el ejemplo anterior, cuando k =
0 c
12
[0| = 5 , mientras que par k = 3 c
12
[3| = 1.33. A medida que aumenta
el ndice k, disminuye el solapamiento entre las
secuencias x
1
[n| y x
2
[n+k| y en consecuencia c
12
[k| disminuye linealmente
conforme k aumenta tal y como se representa en la Figura 8.29. donde
para k=N c
12
[N| = 0.


Fig. 8.29.

Definiendo el valor verdadero de
la correlacin para un valor concreto de k, la relacin entre c
12
[k|
V
y el
calculado c
12
[k| se obtiene de la expresin :
----->
por lo tanto el valor calculado de la correlacin cruzada c
12
[k| puede ser
fcilmente corregido aadindole el trmino
Los valores de la correlacin cruzado obtenidos por las expresiones
anteriores dependen del valor absoluto de los valores de la secuencia.
Desde un punto de vista prctico es interesante cuantificar entre los
valores -1 y +1, por ejemplo +1 significa un 100% de correlacin mientras
que -1 significa que las dos seales estn en oposicin de fase. Esta forma
de especificar la correlacin puede implementarse normalizando los
valores por una cantidad dependiente de la energa asociada al dato.
Veamos un ejemplo. Consideremos los dos pares de
seales {x
1
[n| x
2
[n| } y
{x
3
[n| x
4
[n| } cuyos valores se indican en la tabla adjunta.
Como puede apreciarse en la tabla las seales x
1
[n| y x
3
[n| tienen la
misma forma diferencindose en un factor de escala. Lo mismo sucede
con las seales x
2
[n| y x
4
[n| , por lo tanto, por significado fsico, la
correlacin entre las seales {x
1
[n| x
2
[n| } y {x
3
[n| x
4
[n| } debe ser la
misma. Sin embargo si se aplican las expresiones
;
se obtienen resultados distintos. Esta situacin se corrige normalizando la
correlacin cruzada c
12
[k| por el factor:
=
y de forma similar para c
34
[k|
La versin normalizada de c
12
[k| es por lo tanto:

donde el trmino se conoce como coeficiente de la correlacin
cruzada. Su valor est comprendido entre +1 y -1. El valor +1 significa un
100% de correlacin, mientras que -1 significa un 100% de correlacin en
oposicin de fase. Un valor cero significa que no existe correlacin y por
lo tanto las dos seales son completamente independientes. Este es el caso,
por ejemplo, si una de las seales fuese completamente aleatoria.
Pequeos valores de indican poca correlacin.
Ejemplo 3. Calcular los valores del coeficiente de correlacin cruzada
aplicada a las secuencias de la tabla anterior.
Solucin
Existe un caso especial cuando ambas secuencias coinciden, x
1
[n| =
x
2
[n| . Este proceso se conoce como autocorrelacin.
La funcin de autocorelacin se modela por la expresin:

la cual tiene la siguiente propiedad:
= S
donde S es la energa normalizada asociada a la seal x
1
[n|. Este hecho
proporciona un mtodo para calcular la energa asociada a una seal. Si
la seal es totalmente aleatoria. por ejemplo ruido blanco, la
autocorrelacin tendr su valor mximo para
k = 0 (retraso nulo) y fluctuar entorno a cero a medida que el retraso
aumenta. Esto constituye una prueba para seales aleatorias tal y como
se representa en la Figura 8.30.

Fig. 8.30.
En las siguientes pginas se amplan diversos aspectos operativos y
aplicaciones de la funcin de autocorrelacin y correlacin cruzada.
Correlacin cruzada de dos seales peridicas de periodo
distinto.......Analizar
Efecto del tiempo de observacin finito en el clculo de la funcin de
autocorrelacin.........................................................................................Anali
zar
Utilizacin de la autocorrelacin para detectar seales enmascaradas
por el ruido
. ..............................................................................................Analizar
Estimacin de una seal peridica enmascarada con
ruido ..................Analizar
Clculo de la correlacin cruzada mediante la
IDFT ........................... Analizar
Determinacin de la respuesta al impulso de un sistema
lineal ........... Analizar
Relacin entre la convolucin y la
correlacion ....................................... Analizar
Ejemplo 4. En la Figura 8.34. se representa la relacin existente entre la
seal de control u(t) y la seal de error e(t). El control del sistema se
considera satisfactorio si el coeficiente de correlacin cruzada entre
dichas seales cumple la condicin > 0.6.

Fig. 8.34.
Analizar el sistema. Solucin
Ejemplo 5. Un sistema de sonar se emplea para determinara la distancia
de una fuente de sonido. El sistema, Figura 8.36. consiste en dos
transductores T
1
y T
2
separados una distancia d. Los
transductores T
1
y T
2
reciben las seales ruidosas s
1
(t) y s
2
(t) = s
1
(t +
t). El sistema de procesamiento calcula la funcin de correlacin cruzada
de dos secuencias de la misma longitud. Analizar el sistema.

Fig. 8.36.
Solucin
Se ha diseado un programa interactivo que calcula tanto la funcin de
autocorrelacin como de correlacin cruzada de unos datos, los cuales
pueden ser introducidos va teclado o bien ledos desde el fichero
correspondiente.
Despus de procesar los datos y mostrarse la informacin en la
pantalla, stos pueden almacenarse en otro fichero para su anlisis
posterior si fuese preciso. Activar

SOLUCION EJEMPLO1
Solucin Las secuencias representadas en la tabla:

n 0 1 2 3 4 5 6 7 8
x
1
[n| 4 2 -1 3 -2 -6 -5 4 5
x
2
[n| -4 1 3 7 4 -2 -8 -2 1

se transforman cuando x
2
[n| se retrasa k = 3 intervalos de muestreo en:

n 0 1 2 3 4 5 6 7 8
x
1
[n| 4 2 -1 3 -2 -6 -5 4 5
x
2
[n| 7 4 -2 -8 -2 1

Cuando no existe retraso la correlacin cruzada es:
= [4
.
(-4) + 2
.
1 + (-1)
.
(3) + 3
.
7 + (-2)
.
4 + (-6)
.
(-2)
+
+ (-5)
.
(-8) + 4
.
(-2) + 5
.
1 = 5
Con retraso k = 3 la nueva correlacin cruzada es:
= [4
.
7 + 2
.
4 + (-1)
.
(-2) + 3
.
(-8) + (-2)
.
(-2) +
+ (-6)
.
1| = 1.3333
TABLA ADJUNTA

TABLA ANTERIOR










EJEMPLO 3 SOLUTION
Solucin
De la tabla se obtienen los datos para calcular el factor de
normalizacin para la pareja de secuencias {x
1
[n| , x
2
[n| } y {x
3
[n| ,
x
4
[n| }
para c
12
[k| ---->
para c
34
[k| ---->
Por lo tanto ;
Ahora = con lo cual el proceso de normalizacin permite
efctuar una estimacin de la correlacin cruzada con independencia de los
valores absolutos de los datos.
NOS ABURRIMOS Y NOS QUEDAMOS HASTA ACA
http://www.ehu.es/Procesadodesenales/tema8/corre1.html#solucion