Universidad Del Cauca. Urbano Hamilton Andrs, Bedoya Simn. FFT Radix2.

TRANSFORMADA RAPIDA DE FOURIER EN MODO RADIX-2

Hamilton Andrs Urbano Benavides
haurbano@unicauca.edu.co

Simn Bedoya Valencia

simonbedoya@unicauca.edu.co

RESUMEN: En el anlisis del procesamiento de

seales tanto analgicas como digitales, se encuentra
una herramienta de gran importancia y uso dentro de
este campo, conocida como la Transformada de
Fourier; dentro de ella se puede encontrar un caso
particular para el estudio de seales discretas, conocida
como la Transformada de Fourier en tiempo discreto
(TFD), esta permite llevar una seal discreta que se
encuentra en el dominio del tiempo para obtener su
representacin en el dominio de la frecuencia, mediante
una sumatoria infinita o finita, se presentan casos en los
que la sumatoria finita cuenta con pocos valores,
facilitando su clculo manual, para sumatorias finitas
demasiado extensas, donde se vuelve tedioso su
proceso de desarrollo, se utilizan las propiedades de
simetra compleja conjugada y la de periodicidad,
utilizndolas mediante dos algoritmos bsicos:
Diezmado en el tiempo, donde la secuencia se divide
en subsecuencias de menor tamao; y Diezmado en
frecuencia, donde quienes se descomponen en
fracciones ms manejables, son los coeficientes de la
Transformada de Fourier Discreta; para estas
subdivisiones, existen varias posibilidades, entre ellas,
se encuentra el algoritmo para la FFT base 2 (Radix2).
PALABRAS
CLAVES:
Diezmado,
transformada de Fourier discreta.

radix,

ABSTRACT: In the analysis of processing both

analog and digital signals , is a tool of great importance
and use in this field , known as the Fourier Transform ;
within it can be found for a particular case study of
discrete signals , known as the Fourier Transform
discrete Time (PDT ) , this signal can be discretely
located in the time domain for its representation in the
frequency domain by a finite or infinite sum , cases
occur in which finite sum has few values , facilitating
manual calculation , for too long finite summations,
which becomes tedious development process , the
properties of complex conjugate symmetry are used and
periodicity , using them with two basic algorithms :
Decimation in time , where the sequence is divided into
subblocks of smaller size , and decimation in frequency

, where those are decomposed into manageable

fractions , are the coefficients of the discrete Fourier
transform .
KEY WORDS:
Decimated, Radix.
I.

Discrete

Fourier

transform,

INTRODUCCIN

En el desarrollo de este documento, se expondr y

referenciar el mtodo de desarrollo rpido de la
Transformada de Fourier en tiempo discreto, Radix-2,
explicando de forma clara y concisa, partiendo del
hecho que la transformada de Fourier de tiempo
discreto es la manera de analizar en frecuencia seales
y secuencias, para as analizar de una manera ms
eficiente las secuencias x(n), donde esto nos lleva al
anlisis en frecuencia, donde acta la transformada de
Fourier discreta (DFT), haciendo nfasis sobre este
documento trataremos la transformada de Fourier de
tiempo discreto haciendo uso de una tcnica para el
clculo eficiente, todo esto realizado mediante
diferentes algoritmos; La transformada discreta de
Fourier aplica como una herramienta esencial en el
procesado de seales digitales, incluyendo el filtrado
lineal, anlisis de correlacin y en el anlisis espectral,
donde se tratara los algoritmos para maximizar este
proceso que se basa en el refrn divide y vencers,
hay dos mtodos muy conocidos cuando N es potencia
de 2 o de 4, en este caso nos introduciremos donde N
es potencia de 2 viendo as cmo surge este
procedimiento, la forma en la cual se desarrolla, ya sea
haciendo uso de la tcnica de diezmado en el tiempo o
en frecuencia; algunos ejemplos que permitan aclarar
dudas que surjan dentro de la lectura y aprendizaje.
II.

DESARROLLO

Como se dijo anteriormente la transformada de

Fourier es una herramienta muy til la que permite
pasar una seal que se encuentra en el dominio del
tiempo al dominio de la frecuencia para as poder ser
trabajada, analizada y resuelta de una manera ms fcil
y eficaz garantizando el correcto estudio de la
secuencia en estudio. Se sabe que la transformada de

Universidad Del Cauca. Urbano Hamilton Andrs, Bedoya Simn. FFT Radix2.
Fourier discreta (DFT) est dada por la siguiente
ecuacin:

() = ()

() = ()

(3)

=0

(1)

Donde X(n) es la funcin la cual se quiere pasar del

dominio del tiempo al dominio de la frecuencia, X () es
el resultado ya en el dominio de la frecuencia. Como se
puede observar en la ecuacin, los lmites de la
sumatoria son -( ) y (); en
algunos casos no son estos lmites estos pueden
cambiar respeto a la misma X(n) que es la que nos
genera los lmites a la sumatoria, pero si los lmites son
de un alto valor se vuelve un trabajo tedioso, largo,
poco eficaz y hasta duro. Si los lmites de la sumatoria
son 0 y , esto es una ventaja cuando la sumatoria es
de fcil solucin gracias a estos lmites y a las
propiedades de las sumatorias, los cuales solo pueden
ser aplicadas entre estos lmites de la sumatoria. En
algunos casos la sumatoria puede ser corta y de fcil
solucin gracias a que los lmites implican la sumatoria
de pocos factores, pero puede suceder que la suma no
sea infinita, pero tampoco que sea corta, lo que lleva a
un procedimiento tedioso, Esto sin contar que el factor
X(n) puede ser complejo, lo que nos lleva a complicar
an ms el procedimiento. Cuando el lmite superior es
N-1 y el inferior 0 podemos ver la sumatoria de la
siguiente manera:
() = (0) 0 + (1) 1 + + () (2)
Como se observa en la ecuacin (2) la sumatoria se
convierte en un proceso tan largo y tedioso como los
lmites de la sumatoria lo ordenen.
Todos estos tropiezos nos llevan a buscar una
manera de poder realizar estas opresiones de una
manera ms efectiva y sencilla, con menor nmero de
operaciones y procesos matemticos a esto le
llamaremos calculo eficiente de la transformada de
Fourier discreta (DFT) por medio de algoritmos de la
transformada rpida de Fourier (FFT).
Existen diversas maneras para el clculo eficiente
de la DFT. En vista de la gran utilidad que tiene la DFT
en
diferentes
procesos
digitales
numerosos
matemticos, ingenieros y cientficos han encontrado la
manera de solucionar el problema con el clculo de la
DFT que es calcular la X (k) de N nmeros complejos
dada la secuencia X (n) de longitud N, como se observa
en la en la ecuacin (3).

0 1
Donde all se ve la complejidad a desarrollar la
sumatoria con sus diferentes valores donde
= 2/ (4)
Gracias a todas estas personas que se dedicaron a
cambiar o ms bien a facilitar el clculo de la DFT se
realiz por medio de una particularidad, de un famoso
refrn Divide y Vencers, tambin conocido como el
algoritmo (DYV), de que se trata este algoritmo?, este
algoritmo hace alusin a que un problema difcil se
resuelve dividiendo en partes ms simples tantas veces
sea necesario, pero que tiene que ver con la DFT? A
continuacin explicaremos como se aplica este popular
refrn a la DFT.
Metodologa de divide y vencers para
calcular la DFT: Este mtodo se basa en la
descomposicin de una DFT de N puntos en DFTs ms
pequeas. Este mtodo tiene una familia de algoritmos
eficientes, llamados algoritmos FFT.
Donde trata la el anlisis bajo una secuencia de N
puntos que se puedan representar en la ecuacin (5).
=

(5)

Despus do conocer de dnde salen los tan

conocidos y aclamados algoritmos FFT o algoritmos
para la transformada rpida de Fourier vamos a llegar
al tema de los algoritmos para la FFT base 2 o
tambin conocido como transformada rada de Fourier
en modo radix 2.
ALGORITMOS PARA LA FFT BASE
(transformada rada de Fourier en modo radix 2).

Como vimos anteriormente en el mtodo divide y

vencers el patrn de N se puede factorizar de la
siguiente manera si no es un nmero primo:
= 1 2 3 . .

(6)

Donde cada r es un nmero primo, en este caso

tenemos:
1 = 2 = 3 = =

Universidad Del Cauca. Urbano Hamilton Andrs, Bedoya Simn. FFT Radix2.

( )1
2

Se ve que sigue un patrn regular dado por:

() = 1 ()/2
+ 2 ()/2

= (7)

=0

En este caso se llama o conoce como una DFTs de

tamao r, por seguir un patrn se le denomina base del
algoritmo para la FFT.
Ahora como el tema trata de la FFT en modo radix
2, quiere decir que trabajaremos con una base de
algoritmo igual a 2.Asi:

el

= 1 () + 2 () = 0, 1 , , 1 (11)
Como podemos darnos cuenta que 1 () 2 ()
don las DFTs de N/2 puntos de las secuencias
1 () 2 ().
Como puede observarse el clculo de 1 ()

2 () requiere de (N/2) multiplicaciones para pasar

mtodo

divide

vencers

de tener 2 a

As generando la divisin de la secuencia de datos

de N puntos a N/2 puntos correspondientes a las
muestras pares e impares de x(n), denotadas por
1 () 2 (), esto es:

2 () = (2 + 1)

1 = 1 ()
2 = 2 ()
Se puede expresar

(9)

() = 1 () + 2 ()

Para = 0, 1 , . , 2 1
El resultado de 1 () 2 () se conoce como
diezmado de X(n) por 2 o algoritmo diezmado en
tiempo.
La DFT de N puntos se puede reescribir de la
siguiente manera (DFTs diezmadas):

( + /2) = 1 () 2 ()
Ya habiendo realizado una vez el proceso lo
realizamos de nuevo a cada una de las secuencias
1 () 2 (), Asi:
Para 1 ()
11 () = 1 (2)

() = ()

= 0, 1, , 1

12 () = 1 (2 + 1)

=0

( )1
2

()

(2+1))

Pero 2 = /2 Reemplazando en (10)

1
4

Para 2 ()

( )1
2

=0

= 0, 1, . ,

(10)

= (2)2 + (2 + 1)
=0

+ /2 , esto es un reduccin de dividir

As obteniendo este resultado diezmado en tiempo o

dividido por dos se le realiza o se le aplica de nuevo el
mtodo generando as ya no una secuencia de k hasta
N/2 si no hasta N/4 y as se hace repetitivamente hasta
reducir lo mayor posible la solucin de la FFT.

1 () = (2)

por 2 nmero de multiplicaciones complejas cuando N

es grande.

=2

()

=0

requiere ( )2 multiplicaciones complejas y el clculo de

= 2 (8)
As aplicando
escogemos,

( )1
2

21 () = 2 (2)
22 () = 2 (2 + 1)
= 0, 1, . ,

1
4

Universidad Del Cauca. Urbano Hamilton Andrs, Bedoya Simn. FFT Radix2.
Calculamos los DFTs de N/4 con relacin a los
DFTs de N/2:
1 () = 11 () + 12 ()

El algoritmo de diezmado en frecuencia lo que

busca es descomponer en subsecuencias menores los
coeficientes de la DTF de la secuencia X (w).

1 ( + /4) = 11 () 12 ()
2

() = () ,

2 () = 21 () + 22 ()

= 1,2,3, . . , 1. (15)

=0

2 ( + /4) = 21 () 22 ()

Dnde:

Despus de realizar el clculo de las DFTs de N/4

que se necesitan ya un numero de menor de
multiplicaciones complejas se reduce a

2
4

+ se puede

ver que se reduce de nuevo en 2 aproximadamente.

Ahora des pues de hacer esto vamos viendo que va
reduciendo una manera considerable el clculo de
operaciones y haciendo todo ms simple y fcil de
desarrollar en tanto tiempo como de cantidad de
operaciones, pero ahora como sabremos hasta cuando
podemos realizar el diezmado o la reduccin, como
estamos trabajando en base 2, tenemos que:
= 2
La cantidad de veces que podemos realizar el
diezmado es el nmero de veces que esta repetido el
tamao de la base por ellos despejamos v, As:

= (2/) (16)
Cuando la sumatoria es demasiado larga se puede
utilizar el algoritmo diezmado en frecuencia, y ms
explcitamente lo podemos hacer para valores de N
donde N es una potencia de 2, es decir:
= 2
A estos valores de N se los denomina Radix-2, y su
nombre se debe a que los valores de N son potencias
de 2. As mismo existen otros mtodos entre los cuales
esta Radix-4, y su nombre tambin est dado por que
los valores de N son potencias de 4, pero en este
artculo solo se explicara el mtodo para radix-2 y se
enfocara en este mismo.
Gracias a las propiedades anteriormente nombradas
tenemos:
+ =

= 2 (12)

+ 2 = (17)

v va a ser el numero de repeticiones al que se le

puede aplicar el diezmado en tiempo, como tambin
llegamos a saber el nmero al que se reduce las
multiplicaciones complejas y las sumas complejas.

( ) 2 = # (13)
2
2 = #

(14)

Otras formas de conocer el mtodo radix 2 se

pueden ver a continuacin; se hace uso de unas
propiedades de las seales con la que se trabaja, las
cuales son la simetra compleja conjugada y la
periodicidad. La DTF se hace ms efectiva y sencilla de
calcular, esto gracias a dos mtodos bsicos que hacen
uso
de
las
dos
propiedades
anteriormente
mencionados. Estos dos mtodos son: Diezmado en el
tiempo y diezmado en la frecuencia.

Como tenemos la certeza de que N es un nmero

entero y par, podemos reescribir la sumatoria en dos
sumatorias distintas que son, la sumatoria de los
nmeros pares y la sumatoria de los nmeros impares.
Por lo que la sumatoria quedara:

1
2

() = ()

+ () (18)

=
2

=0

Si remplazamos n=u+N/2 en la segunda sumatoria

de la expresin anterior.

1
2

1
2

=0

=0

() = () + ( + ) (+ 2 ) (19)
2

Donde 2 sale de la sumatoria por no depender

de la variable u, adems remplazando u=n, tenemos:

Universidad Del Cauca. Urbano Hamilton Andrs, Bedoya Simn. FFT Radix2.

1
2

() = () +

=0

1
2

( + )
2

=0

1
2

,
() = [() + ( + )] 2 ,
2

=0

Usando:

2 = cos(

2
2
) (
) = cos() = (1) (20)
2
2

Por lo que la sumatoria queda:

1
2

() = [() +

(1)

=0

Aprovechando que los factores W son funciones con

periodo N, los factores pueden ser escritos de la
siguiente forma: se sabe que 2 = y haciendo:
2

( + )] (21)
2

Ahora se puede separar en sumatorias para valores

de k pares e impares:

() = () + ( + ) (22)
2

() = () ( + ) (23)
2
Tenemos que:

( )1
2

1
2

() = [() + ( + )] ,
2

(2 , ) = () 2

=0

=0

( )1
2
,

1
2

() = [() ( + )] ,
2
=0

2 ,

Si se remplaza =
para la sumatoria par y =
2 , + 1 para la impar, las sumatorias se pueden
reescribir como:

(2 , + 1) = () 2
=0

As llegamos a una Transformada de Fourier ms

eficaz y sencilla de calcular, lo anterior fue el proceso
utilizando el algoritmo diezmado en frecuencia y con un
modo radix-2, siguiendo el algoritmo de diezmado en el
tiempo llegaremos al mismo resultado.

1
2

,
() = [() + ( + )] 2 ,
2

=0

Tabla 1. COMPARACION ENTRE LA COMPLEJIDAD COMPUTACIONAL DEL CALCULO DIRECTO DE LA DFT Y LA DEL
ALGORITMO FFT. TRATAMIENTO DIGITAL DE SEALES. JOHN G. PROAKIS, DIMITIS G. MANOLAKIS

Nmero de
Puntos, N

Multiplicaciones Complejas en
el clculo Directo

Multiplicaciones Complejas

en el algoritmo FFT ( )

Factor de
mejora

16

4.0

64

12

5.3

16

256

32

8.0

32

1,024

80

12.8

64

4,096

192

21.3

128

16,384

448

36.6

256

65,536

1,024

64.0

512

262,144

2,304

113.8

1,024

1,048,576

5,120

204.8

Universidad Del Cauca. Urbano Hamilton Andrs, Bedoya Simn. FFT Radix2.
Podemos ver en la figura 1 la representacin del clculo
de un DFT de N = 8 untos se observa que se realiza en
tres capas ya que en representacin en base 2 queda

representado en 23 esto quiere decir que se puede

realizar el proceso tres veces.

Fig. 1. Tratamiento digital de seales, John G. Proakis, Dimititris G. Manolakis.

Ahora vamos a ver en la figura 2 como se da la relacin
entre las secuencias respectivas de cada etapa hasta
llegar al resultado.

Fig 2. Tratamiento digital de seales, John G. Proakis, Dimititris G. Manolakis

Universidad Del Cauca. Urbano Hamilton Andrs, Bedoya Simn. FFT Radix2.
III.
1.

2.

3.

4.

5.

6.

estas frecuencias enviadas en formato de

imagen para convertirla de nuevo en un patrn
de voz.

APLICACIONES.
Un las principales aplicaciones es el Anlisis
espectral de seales, la cual se usa para
extraer la informacin de la fase, la amplitud y
la frecuencia de seales senoidales, ya que es
en estos factores donde se encuentra la
informacin.
Todos saben lo difcil que es realizar una
convolucion entre dos seales en el domino
del tiempo debido a la gran cantidad de sumas
y multiplicaciones que hay que hacer, con la
DFT podemos pasar estas seales al dominio
de la frecuencia y realizar de manera ms
sencilla una simple multiplicacin, luego tomar
el resultado en el domino de la frecuencia y
con una transformada inversa de Fourier
obtener este resultado en el domino del tiempo
y el resultado ser exactamente el mismo a
haber realizado la convolucion.
Obviamente una utilidad de esta transformada
es el anlisis de una seal y hasta de un
sistema en el dominio de la
frecuencia,
gracias a la transformada inversa podemos
hacer un filtro de manera muy fcil con una
funcin de transferencia y pasar esta funcin
de transferencia al dominio del tiempo y
tendremos el filtro en el dominio del tiempo.
La transformada rpida de Fourier es la base
de la codificacin de audio MP3, la ms usada
en el siglo XXI, este proceso utiliza un N =
1024 puntos, como se explica anteriormente
divide el proceso en 10 etapas o en otras
palabras divide la secuencia 10 veces en base
2, en este proceso se logra el mismo audio de
una manera ms rpida.
La transformada rpida de Fourier es muy
utilizada en el mbito de la mecnica, ya que
esta nos ayuda a tener una respuesta rpida y
efectiva del anlisis en frecuencia de las
vibraciones en los diferentes componentes
mecnicos.
En el proceso de conversin de voz a
imgenes es utilizada la transformada rpida
de Fourier como proceso de lectura de la
trama de voz para la respectiva clasificacin
de frecuencias y guardarlas en un formato de
imagen conocido (JPEG, TIFF, PNG, etc). Ya
en el receptor se utiliza la transformada
inversa rpida de Fourier para la lectura de

IV.

CONCLUCIONES.

Como podemos apreciar en la Tabla 1, gracias

al mtodo de la transformada rpida de Fourier
Radix 2, se disminuyen el nmero de
operaciones complejas o real a realizar en el
proceso de encontrar la DFT.

Se llega a reconocer lo efectivo del mtodo en

cuanto al manejo de secuencias no infinitas
pero si de un gran valor, teniendo en cuenta
que N no sea nmero primo, ni impar para
garantizar que se puedan expresar en
potencias de 2.

Gracias a este mtodo, podemos analizar

estas
secuencias
en
dispositivos
computacionales de una forma ms efectiva y
rpida, garantizando menos uso de los
recursos de los dispositivos computacionales.

El proceso nos describe de una manera exacta

cuantas etapas o cuantas aplicaciones del
mtodo se puede realizar en la secuencia, as
teniendo un control del proceso por etapas.

Como anteriormente se menciona en la

aplicacin de la transformada rpida de
Fourier en el mbito de la imagen, es una
herramienta muy potente que ha mejorado la
portabilidad y calidad de esta.

Para entender mejor la gran ayuda que nos

brinda la FFT, podemos asociarlo a un ejemplo
tan simple como el siguiente:
Un amigo vive en un rascacielos de N plantas.
Queremos averiguar en qu planta est su
apartamento. Nuestras preguntas slo sern
contestadas con " s " o " no". Cuntas
preguntas debemos formular para averiguar
dnde vive?
La aproximacin ms sencilla y ms directa
consiste en preguntar: " Vives en la planta n?
". En el mejor de los casos, nuestra sospecha
inicial resulta cierta, pero es ms probable
estar equivocados, de tal manera que habr
que repetir la misma pregunta con otras

Universidad Del Cauca. Urbano Hamilton Andrs, Bedoya Simn. FFT Radix2.
plantas. En el peor de los casos, haremos
exactamente N-1 preguntas. Con cada
pregunta slo podemos excluir una de las N
posibilidades.
Sin embargo, con la pregunta " Vives en la
mitad superior del edificio? ", podemos excluir
la mitad de las posibilidades de una sola vez.
Tras la respuesta, sabremos si l vive en la
mitad superior o inferior del edificio, y
podemos seguir haciendo nuestras preguntas
de la misma manera, mediante la particin de
las restantes posibilidades en dos mitades
(mtodo de la bsqueda dicotmica). Con esta
estrategia, necesitamos un menor nmero de
preguntas.

[4]. TRANSFORMADA RAPIDA DE FOURIER.

http://www.cmlab.csie.ntu.edu.tw/cml/dsp/traini
ng/coding/transform/fft.html
[5]. DECIMATION IN TIME (DIT) RADIX 2.
http://cnx.org/content/m12016/latest/

Si el nmero de plantas es una potencia de

dos, es decir del tipo 2 , necesitamos
exactamente p preguntas. As, para N plantas,
necesitamos 2 preguntas. La estrategia,
aplicada recursivamente para una solucin
ms eficiente al problema de la bsqueda se
basa en el principio " Divide y vencers".
V.

BIBLIOGRAFIA
[1]. JOHN G. PROAKIS, DIMITRIS G.
MANOLAKISM TRATAMIENTO DIGITAL DE
SEALES. PRINCIPIOS, ALGORITMOS Y
APLICACIONES,
TERCERA
EDICION,
PRENTICE HALL.
[2]. OPPENHEIM A., SCHOFER R.M BUCK,
TRATAMIENDO DE SEALES EN TIEMPO
DISCRETO,
TERCERA
EDICIONM
PEARSON.

VI.

WEBGRAFIA
[1]. THE USE OF FFT AND MDCT IN MP3
AUDIO COMPRESSIONM JOHN (JAKE)
GUCKERT, UNIVERSIDAD DE UTAHMMATH
2270, SPRING 2012.
http://www.math.utah.edu/~gustafso/s2012/227
0/web-projects/Guckert-audio-compressionsvd-mdct-MP3.pdf
[2]. INTRODUCCION A LAS VIBRACIONES,
http://es.scribd.com/doc/78413792/10/Analisisde-espectros-FFT
[3]. TRANSFORMADA RAPIDA DE FOURIER.
http://www.alfonsomartin.es/tdi/pdf/fourier3.pdf