Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
LA TRANSFORMADA DE FOURIER
La transformada de Fourier
Sea f(t) una función localmente integrable cuya integral valor absoluto esta acotada en
R.
Se define su transformada de Fourier como:
Transformadas integrales
f(t)g(t)h(t)
Luego:
2. TRASLACIÓN EN EL DOMINIO DE TIEMPOS
La transformada de Fourier no se ve afectada por la posición del centro del pulso t0.
En primer lugar, centramos el pulso en t0=8 y establecemos la anchura del pulso
en σ2=5, tomamos ω0=10 como frecuencia angular. Dibujamos la función f(t) en el
intervalo 0<t<16. Aunque el pulso se extiende desde -∞ a +∞, en el intervalo [0,16]
está definido el pulso.
Con una frecuencia de muestreo fs=8, tomamos n=128 datos, señalamos los datos
tomados como puntos de color rojo en la gráfica f(t). El primer dato corresponde al
instante t1=0 y el último dato al instante tn=(n-1)/fs=127/8=15.875
En la parte inferior de la ventana, representamos la transformada de Fourier F(ω)
en el intervalo comprendido entre -ωc y ωc , siendo ésta la fecuencia límite ωc=πfs.
Calculamos la transformada rápida de Fourier (FFT) de los datos tomados y
representamos su módulo en dicho intervalo.
Obtenemos dos picos situados en ω=-ω0=-10 y ω=+ω0=10
3. TRANSFORMADA DISCRETA DEL COSENO
La transformada discreta del coseno expresa una secuencia finita de varios puntos como
resultado de la suma de distintas señales sinusoidales (con distintas frecuencias y
amplitudes). Como la [Transformada Discreta de Fourier] (DFT) la DCT trabaja con una
serie de números finitos, pero mientras la DCT solo trabaja con cosenos la DFT lo hace
con exponenciales complejas y utilizando únicamente números reales.
El proceso empieza con una descomposición de la imagen en tres matrices, una roja,
una azul y una verde. Cada una de estas matrices las dividiremos en submatrices de
8×8 para aplicar la transformada del coseno.
Para continuar se guardan los valores de la compresión en otra matriz con otro barrido
en zig-zag para poder llegar a la fase final que es la anti transformada del coseno.
Definición:
DCT-II
DCT-III
DOCT-IV
Ejemplo: Se tiene que {sen nx: n ³ 1} es un conjunto ortogonal de funciones en [0, p].
Entonces se Obtiene
Ya que
Exprese f(x) = 1 como una serie en términos del conjunto ortogonal de funciones {sen
nx: n ³ 1} en [0, p].
Así es
Suponga que se tiene una función f(x) definida en el intervalo [0, L]. Primero se mostrará
cómo construir la serie de cosenos. Como se tiene interés en los valores de la serie sólo
en el intervalo [0, L], se puede definir f(x) de cualquier manera fuera de este intervalo.
Con el fin de obtener una serie solo con términos de cosenos, se definirá una extensión
periódica par de f(x).
Si f(x) es una función diferenciable por partes [0, L], la serie de Fourier de cosenos para
f(x) es
Donde
(n ³ 1)
Sea f(x) = x en [0, 2]. Encuentre la serie de Fourier de cosenos para f(x)
Se tiene, con L = 2 y f(x) = x
Entonces
4. TEOREMA DE NYQUIST
El teorema de muestreo de Nyquist-Shannon, también conocido como teorema de
muestreo de Whittaker-Nyquist-Kotelnikov-Shannon, criterio de Nyquist o teorema de
Nyquist, es un teorema fundamental de la teoría de la información, de especial interés
en las telecomunicaciones
El teorema trata del muestreo que no debe ser confundido o asociado con la
cuantificación, proceso que sigue al de muestreo en la digitalización de una señal y que,
al contrario del muestreo, no es reversible (se produce una pérdida de información en el
proceso de cuantificación, incluso en el caso ideal teórico, que se traduce en una
distorsión conocida como error o ruido de cuantificación y que establece un límite teórico
superior a la relación señal-ruido). Dicho de otro modo, desde el punto de vista del
teorema, las muestras discretas de una señal son valores exactos que aún no han
sufrido redondeo o truncamiento alguno sobre una precisión determinada, esto es, aún
no han sido cuantificadas.
El teorema demuestra que la reconstrucción exacta de una señal periódica continua en
banda base a partir de sus muestras, es matemáticamente posible si la señal está
limitada en banda y la tasa de muestreo es superior al doble de su ancho de banda.
Dicho de otro modo, la información completa de la señal analógica original que cumple
el criterio anterior está descrita por la serie total de muestras que resultaron del proceso
de muestreo. No hay nada, por tanto, de la evolución de la señal entre muestras que no
esté perfectamente definido por la serie total de muestras.
“La frecuencia de muestreo mínima requerida para realizar una grabación digital de
calidad, debe ser igual al doble de la frecuencia de audio de la señal analógica que se
pretenda digitalizar y grabar”.
Desarrollado por H. Nyquist, quien afirmaba que una señal analógica puede ser
reconstruida, sin error, de muestras tomadas en iguales intervalos de tiempo. La razón
de muestreo debe ser igual, o mayor, al doble de su ancho de banda de la señal
analógica”.
La teoría del muestreo define que para una señal de ancho de banda limitado, la
frecuencia de muestreo, FM, debe ser mayor que dos veces su ancho de banda [B]
medida en Hertz [Hz].
Para la realización del presente análisis vamos a suponer un caso sencillo, consistente
en muestrear una señal senoidal de frecuencia ωx. El tren de impulsos de muestreo
será el visto anteriormente. Puesto que el muestreo es, en definitiva, la multiplicación de
los impulsos del tren de muestreo por el valor de la señal analógica en cada instante de
muestreo, tenemos entonces que la señal a muestrear tiene por expresión:
Si ahora tenemos en cuenta que cos A cos B = 1/2 [cos(A+B) + cos (A-B)] y
desarrollamos el sumatorio para los diferentes valores de K tenemos que:
Gráficamente hay que filtrar la señal muestreada para coger solamente la parte del
espectro de frecuencias correspondiente a la señal original tal y como se muestra en la
siguiente figura:
Para que el proceso de recuperación de la señal original sea posible es necesario que
cuando se ha realizado el proceso de muestreo, la frecuencia de muestreo o frecuencia
del tren de impulsos haya sido de al menos el doble que la mayor frecuencia presente
en la señal a muestrear, es decir ωs ≥ ωzmax. Si esto no se cumple, entonces las
bandas laterales se solaparán entre sí y la recuperación de la señal original será
imposible.
Esto es lo que se conoce como el TEOREMA DEL MUESTREO, el cual establece que
para realizar un muestreo que posteriormente permita reconstruir la señal original sin
error, la frecuencia de muestreo ωs utilizada debe de ser, por lo menos, igual o mayor
que dos veces la máxima frecuencia contenida en la señal a muestrear. Se debe de
tener en cuenta no obstante que el procedimiento de recuperación de la señal original a
partir de la señal muestreada requiere utilizar filtros ideales, imposibles de realizar. Por
ello, en la práctica, no es posible recuperar la información de la señal analógica original
de forma exacta mediante ese sistema. Matemáticamente existe una fórmula que
permite calcular el valor exacto de la señal original en cualquier instante de tiempo. Esta
fórmula da el valor exacto en los instantes de muestreo y calcula el valor también
exacto entre instantes de muestreo por interpolación:
Ahora bien, si se examina la fórmula con atención se observa que para calcular el valor
de la señal original en un instante t es necesario realizar un sumatorio infinito con los
infinitos valores en los instantes de muestreo antes de t y con los infinitos valores en los
instantes de muestreo detrás de t. Es decir, es un proceso irrealizable, lo cual está de
acuerdo con la imposibilidad física de disponer de filtros ideales para conseguir la
recuperación de la señal original de forma exacta. En la práctica la reconstrucción de la
señal original a partir de la señal muestreada se realiza mediante los denominados
convertidores D/A, que físicamente son retenedores de orden cero.
Si las muestras se han tomado a una frecuencia suficiente, la señal recuperada nunca
será exactamente igual que la original pero si muy parecida.
Ejemplos prácticos: