INSTITUTO POLITECNICO NACIONAL

UNIDAD PROFESIONAL INTERDISCIPLINARIA EN INGENIERA Y

TECNOLOGAS AVANZADAS

Alumno:

Hernndez Girn Alan

Tema: Prctica 2: Transformada Rpida de Fourier

Materia: Procesamiento de Seales Biolgicas

Profesor: Tovar Corona Blanca

Grupo: 3BM3
Objetivos
-Observar la importancia de un muestreo adecuado, en la conversin de
seales en el dominio del tiempo al dominio de la frecuencia.

-Conocer la FFT de las funciones establecida.

-Analizar el comportamiento de la funciones del dominio del tiempo, en

el dominio de la frecuencia.

Introduccin
FFT es la abreviatura usual (del ingls Fast Fourier Transform) de un
eficiente algoritmo que permite calcular la transformada de Fourier
discreta (DFT) y su inversa. La FFT es de gran importancia en una amplia
variedad de aplicaciones, desde el tratamiento digital de seales y
filtrado digital en general a la resolucin de ecuaciones en derivadas
parciales o los algoritmos de multiplicacin rpida de grandes enteros. El
algoritmo pone algunas limitaciones en la seal y en el espectro
resultante. Por ejemplo: la seal de la que se tomaron muestras y que se
va a transformar debe consistir de un nmero de muestras igual a una
potencia de dos. La mayora de los analizadores TRF permiten la
transformacin de 512, 1024, 2048 o 4096 muestras. El rango de
frecuencias cubierto por el anlisis TRF depende de la cantidad de
muestras recogidas y de la proporcin de muestreo.

Uno de los algoritmos aritmticos ms ampliamente utilizados es la

transformada rpida de Fourier, un medio eficaz de ejecutar un clculo
matemtico bsico y de frecuente empleo. La transformada rpida de
Fourier es de importancia fundamental en el anlisis matemtico y ha
sido objeto de numerosos estudios. La aparicin de un algoritmo eficaz
para esta operacin fue una piedra angular en la historia de la
informtica.

Las aplicaciones de la transformada rpida de Fourier son mltiples. Es

la base de muchas operaciones fundamentales del procesamiento de
seales, donde tiene amplia utilizacin. Adems, proporciona un medio
oportuno para mejorar el rendimiento de los algoritmos para un conjunto
de problemas aritmticos comunes.
Procedimiento

Generar las distintas seales indicadas a continuacin proponiendo

valores de frecuencia as como los valores de las constantes que
requiera cada funcin y realizar su correspondiente anlisis de su
respuesta en el tiempo como su respuesta en frecuencia usando la
transformada rpida de Fourier con el comando de MatLab fft.

Programa

%Practice 2: Fast Fourier Transform

close all
clear all
clc

%Find the analityc solution of the following esamples:

% A)Funcin Coseno

f=50;
fs=20*f;
T=1/fs;
A=1;
t=0:T:0.2;

x=A*cos(2*pi*f*t);
subplot(4,2,1),
plot(t,x)
title(['Original Function ',num2str(f),'Hz'])
hold on
xlabel('Time')
hold on
ylabel('Amplitude')
grid on;
% Generate the Frecuency vector for the FFT
X=fft(x);
le=length(X);
le=floor(le/2);
X=X(1:le);
f=(0:le-1)*(fs/2)/(le-1);

subplot(4,2,2),
plot(f,abs(X))
axis([0 fs/2 0 130])
title('Fast Fourier Transform')
xlabel('Frequency')
ylabel('Amplitude')
grid on;

% B) Escaln Unitario

fs=40; %Disminuyendo la frecuencia de muestreo se puede observar mejor la

fft
T=1/fs;

B=1; %Amplitud total del Pulso. NOTA: Si el pulso aumenta, la amplitud

%del Sinc disminuye
Bm=B/2; %Amplitud del pulso del origen hacia los extremos
t0=-5;
tf=5;

t1=t0:T:-Bm;
t2=-Bm:T:Bm;
t3=Bm:T:tf;
x1=zeros(1,length(t1));
x2=ones(1,length(t2));
x3=zeros(1,length(t3));
t=[t1 t2 t3]; %Concatenamos vectores
x=[x1 x2 x3];

subplot(4,2,3),
plot(t,x,'r')
axis([t0 tf 0 2])
title('Original Function')
xlabel('Time')
ylabel('Amplitude')
grid on;
%Fast Fourier Transform
X=fft(x);
le=length(X);
le=floor(le/2);
X=X(1:le);
f=(0:le-1)*(fs/2)/(le-1);

subplot(4,2,4),
plot(f,abs(X))
title('Fast Fourier Transform')
xlabel('Frequency')
ylabel('Amplitude')
grid on;

%C) Funcin Exponencial

clear all

f=50;
fs=10*f;
T=1/fs;

t=0:T:(0.5);
x=exp(-1*2*pi*f*t);
subplot(4,2,5),
plot(t(1:100),x(1:100))
title('Exponential Function')
xlabel('Time')
ylabel('Amplitude')
grid on;
%Fast Fourier Transform
X=fft(x);
le=length(X);
le=floor(le/2);
X=X(1:le);
f=(0:le-1)*(fs/2)/(le-1);

subplot(4,2,6),
plot(f,abs(X))
title('Fast Fourier Transform')
xlabel('Frequency')
ylabel('Amplitude')
grid on;

%D) Suma de senos

fa=100;
fb=80;
fc=40;
fs=800;
T=1/fs;

A=3;
B=2;
C=1;

t=0:T:0.2;
x=(A*sin(2*pi*fa*t))+(B*sin(2*pi*fb*t))+(C*sin(2*pi*fc*t));
subplot(4,2,7),
plot(t,x)
title('Original Function')
xlabel('Time')
ylabel('Amplitude')
grid on;
%Fast Fourier Transform
X=fft(x);
le=length(X);
le=floor(le/2);
X=X(1:le);
f=(0:le-1)*(fs/2)/(le-1);

subplot(4,2,8),
plot(f,abs(X))
title('Fast Fourier Transform')
xlabel('Frequency')
ylabel('Amplitude')
grid on;

%ECG
fs=250;
load a01m.mat; %fs=250
figure,
subplot(1,2,1)
plot(val);
title('ECG');
xlabel('Time')
ylabel('Amplitude')
%Fast Fourier Transform
X=fft(val);
le=length(X);
le=floor(le/2);
X=X(1:le);
f=(0:le-1)*(fs/2)/(le-1);
subplot(1,2,2),
plot(f,abs(X))
title('Fast Fourier Transform')
xlabel('Frequency')
ylabel('Amplitude')
grid on;

Resultados:
Conclusiones
Un aspecto importante, es que las grficas en el dominio de la
fs
frecuencia, el lmite de la grfica en el eje x esta en 2 , debido que

el procedimiento matemtico de la FFT centra la grafica en origen,

dejando una mitad negativa y la otra mitad positiva en el dominio de la
frecuencia (por lo que la grafica en el dominio de la frecuencia va de
f s fs
2 hasta 2 ). Al utilizar esta herramienta en la prctica, es fcil

entender que en la realidad no existen frecuencias negativas, por lo que

solo se utiliza la parte positiva de dicha transformada.

Se refleja como la frecuencia de muestreo de la funcin en el dominio

del tiempo repercute en los resultados en la grfica en el dominio de la
frecuencia, por lo que se debe tener en cuenta una seria consideracin
de la frecuencia de muestreo para una buena representacin en ambas
grficas

Bibliografa
http://paulbourke.net/miscellaneous/dft/

http://cs.cinvestav.mx/~fraga/Cursos/PDI/tdf.pdf

http://iie.fing.edu.uy/ense/asign/dsp/proyectos/2006/analizador_espectro
/FFT.pdf