Ing.

Electrnica
1

PRACTICA 4
TRANSFORMADA DE FOURIER DE FOURIER
Daniel Felipe Celis Pea Cdigo: 201023005600
Fifer8512@hotmail.com, Bogota D.C


Resumen

En este informe se busca visualizar y obtener
el espectro de magnitud comn y fase de dos
seales, mediante el software matemtico
Matlab, el cual nos permite visualizar las
distintas formas de las grficas obtenidas
mediante el procedimiento Transformada de
Fourier.

PALABRAS CLAVES: Matlab, software
matemtico, funciones.

Abstract

This report seeks to visualize and obtain the
spectrum of common magnitude and phase of two
signals, using the Matlab mathematical software,
which allows us to visualize the different shapes of
the graphs obtained by Fourier transform method.

KEY WORDS: magnitude, phase spectra
,mathematical, software .


I. MARCO TEORICO

ESPECTRO DE FRECUENCIAS


Figura N 1.Espectro de frecuencias de la luz
emitida por tomos de hierro libres en la regin
visible del espectro electromagntico.

El espectro de frecuencia de un fenmeno
ondulatorio (sonoro, luminoso o electromagntico),
superposicin de ondas de varias frecuencias, es
una medida de la distribucin de amplitudes de cada
frecuencia. Tambin se llama espectro de frecuencia
al grfico de intensidad frente a frecuencia de una
onda particular.
El espectro de frecuencias o descomposicin
espectral de frecuencias puede aplicarse a cualquier
concepto asociado con frecuencia o movimientos
ondulatorios como son los colores, las notas
musicales, las ondas electromagnticas de radio o
TV e incluso la rotacin regular de la tierra.

ESPECTRO LUMINOSO, SONORO Y
ELECTROMAGENTICO

Una fuente de luz puede tener muchos colores
mezclados en diferentes cantidades (intensidades).
Un arcoris, o un prisma transparente, deflecta cada
fotn segn su frecuencia en un ngulo ligeramente
diferente. Eso nos permite ver cada componente de
la luz inicial por separado. Un grfico de la
intensidad de cada color deflactado por un prisma
que muestre la cantidad de cada color es el espectro
de frecuencia de la luz o espectro luminoso.
Cuando todas las frecuencias visibles estn
presentes por igual, el efecto es el "color" blanco, y
el espectro de frecuencias es uniforme, lo que se
representa por una lnea plana. De hecho cualquier
espectro de frecuencia que consista en una lnea
plana se llama blanco de ah que hablemos no solo
de "color blanco" sino tambin de "ruido blanco".
De manera similar, una fuente de ondas sonoras
puede ser una superposicin de frecuencias
diferentes. Cada frecuencia estimula una parte
diferente de nuestra cclea (caracol del odo).
Cuando escuchamos una onda sonora con una sola
frecuencia predominante escuchamos una nota.
Pero en cambio un silbido cualquiera o un golpe
repentino que estimule todos los receptores,
diremos que contiene frecuencias dentro de todo el
rango audible. Muchas cosas en nuestro entorno que
calificamos como ruido frecuentemente contienen
frecuencias de todo el rango audible. As cuando un
espectro de frecuencia de un sonido, o espectro
sonoro. Cuando este espectro viene dada por una
lnea plana, decimos que el sonido asociado es
ruido blanco.

Cada estacin emisora de radio o TV es una fuente
de ondas electromagnticas que emite ondas
cercanas a una frecuencia dada. En general las
frecuencias se concentrar en una banda alrededor
de la frecuencia nominal de la estacin, a esta banda
es a lo que llamamos canal. Una antena receptora
de radio condensa diferentes ondas
electromagnticas en una nica seal de amplitud
de voltaje, que puede ser a su vez decodificada
nuevamente en una seal de amplitud sonora, que
es el sonido que omos al encender la radio. El
sintonizador de la radio selecciona el canal, de un
modo similar a como nuestros receptores de la
cclea seleccionan una determinada nota. Algunos
canales son dbiles y otros fuertes. Si hacemos un
grfico de la intensidad del canal respecto a su
frecuencia obtenemos el espectro
electromagntico de la seal receptora.
analisis espectral

Figura N 2.jemplo de la forma de onda de la voz y
su espectro de frecuencia.


Figura N 3.Una onda triangular representada en
el dominio temporal (arriba) y en el dominio de la
frecuencia (abajo).La frecuencia fundamental est
en torno a 220Hz.

Anlisis se refiere a la accin de descomponer algo
complejo en partes simples o identificar en ese algo
complejo las partes ms simples que lo forman.
Como se ha visto, hay una base fsica para modelar
la luz, el sonido o las ondas de radio en
superposicin de diferentes frecuencias. Un proceso
que cuantifique las diversas intensidades de cada
frecuencia se llama anlisis espectral.
Matemticamente el anlisis espectral est
relacionado con una herramienta llamada
transformada de Fourier o anlisis de Fourier. Ese
anlisis puede llevarse a cabo para pequeos
intervalos de tiempo, o menos frecuentemente para
intervalos largos, o incluso puede realizarse el
anlisis espectral de una funcin determinista (tal
como

. Adems la transformada de Fourier de

una funcin no slo permite hacer una
descomposicin espectral de los formantes de una
onda o seal oscilatoria, sino que con el espectro
generado por el anlisis de Fourier incluso se puede
reconstruir (sintetizar) la funcin original mediante
la transformada inversa. Para poder hacer eso, la
transformada no solamente contiene informacin
sobre la intensidad de determinada frecuencia, sino
tambin sobre su fase. Esta informacin se puede
representar como un vector bidimensional o como
un nmero complejo. En las representaciones
grficas, frecuentemente slo se representa el
mdulo al cuadrado de ese nmero, y el grfico
resultante se conoce como espectro de potencia o
densidad espectral de potencia.

Es importante recordar que la transformada de
Fourier de una onda aleatoria, mejor dicho
estocstica, es tambin aleatoria. Un ejemplo de
este tipo de onda es el ruido ambiental. Por tanto
para representar una onda de ese tipo se requiere
cierto tipo de promediado para representar
adecuadamente la distribucin frecuencial. Para
seales estocsticas digitalizadas de ese tipo se
emplea con frecuencia la transformada de Fourier
discreta. Cuando el resultado de ese anlisis
espectral es una lnea plana la seal que gener el
espectro se denomina ruido blanco. [1]

OBJETIVO

Con las consideraciones anteriores, la presente
practica, rene en un documento la fundamentacin
matemtica, los algoritmos de la transformada
Rpida de Fourier, y la aplicacin de los mismos al
procesamiento de imgenes mediante el desarrollo
de software que muestra como se implementan
dichos algoritmos.


II. MATERIALES Y METODOS

A continuacin se desarrollara la
primera parte de la prctica con sus
respectivos cdigos e imagen de
simulacin, en la cual veremos
distintos tipos de seales.
1. Generacin funcin Gaussiana
%function x = gaussiana (t,mu,sig)
function x = gaussiana (t,mu,sig)
lim = log (1e100);%(es importante
poner este limite)
var = sig ^ 2;
E = -(t-mu).^2/(2 * var);
norma = sqrt(2*pi * var);
E0 = max(E); umbral = E0-lim;
E =
E.*(E>umbral)+umbral.*(E<umbral);

Solucin:

x=exp(E)/norma;

gaussiana(5,5,5)

ans = 0.0798

2. Obtencin transformada Fourier

%function X=tr_four(t,x,w)
%presupone que t,x y w son vectores
fila
%presupone.muestreo uniforme de t
(no necesariamente de w)
function X = tr_four(t,x,w)
deltat = t(2) - t(1);
A = (-1i .* (w' .* t));
B = exp(A);
X = deltat .* (x*B');

Solucion:
>> T= [1 2 3]

T = 1 2 3

>> X= [4 5 6]

X = 4 5 6

>> W= [7 8 9]

W = 7 8 9

>> tr_four ([2 1],[4 5],[7])

ans = -4.3165 - 7.2474i

3. Obtencin de la transformada
inversa de Fourier.

%function X=tr_inv_four(t,x,w)
%presupone que t,x y w son vectores
fila
%presupone.muestreo uniforme de w
(no necesariamente de w)
function X = tr_inv_four(w,x,t)
deltat = w(2) - w(1);
A = (-1i .* (t' .* w));
B = exp(A);
X = (1/(2*pi))*deltat .* (x*B');

>> tr_inv_four([2 1],[4 5],[7])

ans =

-0.6870 + 1.1535i




4.Generar y graficar las siguientes
ondas sinusoidales.
A=4;
f=1;%hz
w0=2*pi*f;
t=0:.001:1;
fase=pi/6;
senoidal=A*sin(w0*t+fase);
figure(1)
plot(t,senoidal)
cosenoidal=A*cos(w0*t+fase);
figure(2)
plot(t,cosenoidal)

La grafica obtenida es:


Figura 1. Plot Onda senoidal


Figura 2. PlotOnda cosenoidal


5.Transformada de Fourier de una
sinusoide
A=4;
f=100;%hz
fs=4400;
T=1/f;%periodo de seal
Tm=3*T;%duracion de muestra
w0=2*pi*f;
N=50;%numero muestras
tao=Tm/N;%intervalo muestreo
t=0:tao:Tm;
fs=1/tao;%frecuencia muestreo
df=fs/N;
fref=-fs/2:df:fs/2;
fase=pi/6;
senoidal=A*sin(w0*t+fase);
figure(1)
plot(t,senoidal)
figure(3)
tfsin=abs(fftshift(fft(senoidal)));%k=[?N/
2+1:N/2]
stem(fref,tfsin)

La grafica obtenida es la siguiente:


Figura 3. PlotTransformada de Fourier de una senoidal


Figura 4. StemTransformada de Fourier


6.Transformada de Fourier de una
seal triangular:

A=4;
f=100;%hz
fs=4400;
T=1/f;%periodo de seal
Tm=3*T;%duracion de muestra
w0=2*pi*f;
N=50;%numero muestras
tao=Tm/N;%intervalo muestreo
t=0:tao:Tm;
fs=1/tao;%frecuencia muestreo
df=fs/N;
fref=-fs/2:df:fs/2;
t=0:1/1e3:1;%1 kHz sample freq for 1
sec
d=0:Tm:1;%3 Hz repetition freq
genfuncion=pulstran(t,d,'tripuls',0.1,-1);
figure(1)
plot(t,genfuncion)
tfourier=abs(fftshift(fft(genfuncion)));
figure(3)
stem(fref,tfourier)

La grafica obtenida es la siguiente:


Figura 5. PlotTransformada de Fourier de una seal triangular

7.Transformada de Fourier de una
onda triangular:

A=4;
f=100;%hz
fs=4400;
T=1/f;%periodo de seal
Tm=3*T;%duracion de muestra
w0=2*pi*f;
N=15;%numero muestras
tao=Tm/N;%intervalo muestreo
t=0:tao:Tm;
fs=1/tao;%frecuencia muestreo
df=fs/N;
fref=-fs/2:df:fs/2;
u=[zeros(1,10),ones(1,6)];%funcionesc
alon
u1=[zeros(1,10),ones(1,6)];
u2=[zeros(1,10),ones(1,6)];
pulso=u1-u2;%funcion pulso
ancho=0.5;
triangular=A*sawtooth(w0*t+ancho);%f
uncion triangular
genfuncion=triangular;
figure,plot(t,genfuncion)

tfourier=abs(fftshift(fft(genfuncion)));
figure,stem(fref,tfourier)

La grafica obtenida es la siguiente:


Figura 7. PlotTransformada de Fourier de una onda triangular



Figura 8. StemTransformada de Fourier de una onda triangular


III. CONCLUSIONES

El uso de las aplicaciones del software MATLAB
nos permite representar cada frecuencia contenida
en las seales X1(t) y X2(t) y sus intensidades, as
podemos diferenciar la diferentes frecuencias y sus
diferentes amplitudes que el conjunto de estas es el
espectro de frecuencias de una seal.

Un parmetro fundamental para caracterizar una
seales el ancho de banda de la seal y si la seal
tiene mayor ancho puede transportar mayor
informacin.



IV. REFERENCIAS Y BIBLIOGRAFIA

Brigham, E. (1988). Fast Fourier Transform and
Its Applications. New York. Prentice Hall

James, G. (2002). Matemticas avanzadas para
ingeniera. EE.UU.. Prentice Hall