Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
6
ANÁLISIS DE FOURIER EN TIEMPO CONTINUO Y DISCRETO EN MATLAB®
1. OBJETIVOS
2. JUSTIFICACIÓN
3. MARCO TEÓRICO
Teoría de Señales y Sistemas – Lab06, Análisis De Fourier En Tiempo Continuo Y Discreto En MATLAB®
(@Autor Ángelo Joseph Soto Vergel)
Página 1 de 16
3.1. Representaciones de Fourier para cuatro clases de señales
Hay cuatro representaciones de Fourier distintas, cada una aplicable a una clase diferente de
señal. Estas cuatro clases se definen por medio de las propiedades de periodicidad de una
señal y dependiendo de si es en tiempo continuo o discreto. Las señales periódicas tienen
representaciones mediante las series de Fourier que pueden aplicarse tanto a señales
continuas (FS) como a señales discretas (DTFS). Las señales no periódicas tienen
representaciones mediante la transformada de Fourier que puede aplicarse tanto a señales
continuas (FT) como a señales discretas (DTFT). La tabla 1 ilustra la relación entre las
propiedades de tiempo de una señal y la representación de Fourier apropiada.
La serie de Fourier describe una señal periódica 𝑥𝑝 (𝑡) como una suma (combinación lineal),
en la mezcla correcta, de armónicos (o senoides) en la frecuencia fundamental 𝑓0 de 𝑥𝑝 (𝑡) y
sus múltiplos 𝑘𝑓0 . La selección de señales armónicas también trae otras ventajas, permite un
esquema simple, congruente y único para encontrar los coeficientes (la proporción correcta o
factor de ponderación) de cada componente. De hecho, una suma de senoides que describe
una señal periódica se conoce como serie de Fourier sólo si los coeficientes se seleccionan
de acuerdo con este esquema.
Existen tres formas para representar una señal periódica en términos de la serie de Fourier:
la forma trigonométrica, la forma polar y la forma exponencial.
Teoría de Señales y Sistemas – Lab06, Análisis De Fourier En Tiempo Continuo Y Discreto En MATLAB®
(@Autor Ángelo Joseph Soto Vergel)
Página 2 de 16
El término constante 𝑎0 toma en cuenta cualquier nivel de DC en 𝑥𝑝 (𝑡), y 𝑎𝑘 y 𝑏𝑘 se conocen
como los coeficientes de la serie trigonométrica de Fourier. Para cada frecuencia armónica
𝑘𝑓0 existe un par de términos (un seno y un coseno).
Para encontrar los coeficientes de la serie de Fourier, basta con examinar sólo un periodo de
𝑥𝑝 (𝑡), puesto que una representación que describa a 𝑥𝑝 (𝑡) sobre un periodo garantiza la
misma representación sobre los demás periodos y, por tanto, para toda la señal. Así que,
La forma polar combina cada par seno – coseno con la frecuencia 𝑘𝑓0 es una sola senoide:
∞
𝑥𝑝 (𝑡) = 𝑐0 + ∑ 𝑐𝑘 cos(𝑘𝜔0 𝑡 + 𝜃𝑘 )
𝑘=1
𝑏𝑘
𝑐0 = 𝑎0 𝑐𝑘 ∠𝜃𝑘 = 𝑎𝑘 − 𝑗𝑏𝑘 𝑐𝑘 = √𝑎𝑘2 + 𝑏𝑘2 𝜃𝑘 = − tan−1 ( )
𝑎𝑘
La forma exponencial invoca la relación de Euler para expresar cada par seno – coseno de
frecuencia 𝑘𝑓0 con exponenciales complejas en ±𝑘𝑓0 :
∞
1 𝑡+𝑇
𝑋[0] = 𝑎0 𝑋[𝑘] = ∫ 𝑥𝑝 (𝑡)𝑒 −𝑗𝑘𝜔0 𝑡 𝑑𝑡 𝑋[−𝑘] = 𝑋 ∗ [𝑘]
𝑇 𝑡
Es posible a partir de los coeficientes 𝑋[𝑘] de la serie de Fourier determinar 𝑥𝑝 (𝑡), por tanto,
se denota la siguiente relación: 𝑥𝑝 (𝑡) ← 𝐹𝑆; 𝜔0 → 𝑋[𝑘].
La relación entre las tres formas de la serie de Fourier y sus coeficientes se representa en la
tabla 2.
Teoría de Señales y Sistemas – Lab06, Análisis De Fourier En Tiempo Continuo Y Discreto En MATLAB®
(@Autor Ángelo Joseph Soto Vergel)
Página 3 de 16
Forma de la 𝑥𝑝 (𝑡) ← 𝐹𝑆; 𝜔0 → 𝑋[𝑘] Relación
FS Ecuación General Coeficientes
1 𝑡+𝑇
𝑎0 = ∫ 𝑥𝑝 (𝑡)𝑑𝑡
∞ 𝑇 𝑡
𝑥𝑝 (𝑡) = 𝑎0 + ∑[𝑎𝑘 cos(𝑘𝜔0 𝑡) 2 𝑡+𝑇
Trigonométrica 𝑎𝑘 = ∫ 𝑥𝑝 (𝑡) cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑘=1 𝑇 𝑡
+ 𝑏𝑘 sin(𝑘𝜔0 𝑡)] 2 𝑡+𝑇
𝑏𝑘 = ∫ 𝑥𝑝 (𝑡) sin(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇 𝑡
𝑋[0] = 𝑎0 = 𝑐0
1 𝑡+𝑇
𝑐0 = ∫ 𝑥𝑝 (𝑡)𝑑𝑡 𝑋[𝑘] = 0.5(𝑎𝑘 − 𝑗𝑏𝑘 )
𝑇 𝑡 𝑋[𝑘] = 0.5𝑐𝑘 ∠𝜃𝑘
∞
𝑐𝑘 ∠𝜃𝑘 = 𝑎𝑘 − 𝑗𝑏𝑘 𝑋[𝑘] = 0.5𝑐𝑘 𝑒 𝑗𝜃𝑘
Polar 𝑥𝑝 (𝑡) = 𝑐0 + ∑ 𝑐𝑘 cos(𝑘𝜔0 𝑡 + 𝜃𝑘 ) 𝑎𝑘 = 2Re{𝑐𝑘 }
𝑐𝑘 = √𝑎𝑘2 + 𝑏𝑘2
𝑘=1
𝑏𝑘 = −2Im{𝑐𝑘 }
𝑏𝑘
𝜃𝑘 = − tan−1 ( )
𝑎𝑘
1 𝑡+𝑇
∞
𝑋[0] = ∫ 𝑥𝑝 (𝑡)𝑑𝑡
𝑇 𝑡
Exponencial 𝑥𝑝 (𝑡) = ∑ 𝑋[𝑘] 𝑒 𝑗𝑘𝜔0𝑡 1 𝑡+𝑇
𝑋[𝑘] = ∫ 𝑥𝑝 (𝑡)𝑒 −𝑗𝑘𝜔0 𝑡 𝑑𝑡
𝑘=−∞ 𝑇 𝑡
𝑋[−𝑘] = 𝑋 ∗ [𝑘]
Tabla 2. Relación entre las tres formas de la serie de Fourier en tiempo continuo y sus coeficientes.
La serie de Fourier de una señal periódica 𝑥𝑝 (𝑡) sin ninguna simetría contiene componentes
impares (senos) y pares (cosenos y el término DC). Si 𝑥𝑝 (𝑡) tiene simetría par, entonces
debe estar formada sólo por términos de simetría par (de DC y cosenos); de aquí que 𝑏𝑘 = 0
y 𝑋[𝑘] sea puramente real con 𝑋[𝑘] = 𝑎𝑘 /2. Por otra parte, si 𝑥𝑝 (𝑡) tiene simetría impar,
entonces sólo debe estar formada por términos de simetría impar (senos); de aquí que 𝑎𝑘 =
𝑎0 = 0 y 𝑋[𝑘] sea puramente imaginario con 𝑋[𝑘] = −𝑗𝑏𝑘 = 2 . Finalmente, si 𝑥𝑝 (𝑡) tiene
simetría de media onda, entonces debe contener únicamente los armónicos que tiene índices
impares, pues estos representan la simetría de media onda. En la tabla 3 se muestran los
efectos de la simetría de la señal sobre los coeficientes de la serie de Fourier.
Teoría de Señales y Sistemas – Lab06, Análisis De Fourier En Tiempo Continuo Y Discreto En MATLAB®
(@Autor Ángelo Joseph Soto Vergel)
Página 4 de 16
𝑇
4 2
𝑎𝑘 = ∫ 𝑥𝑝 (𝑡) cos(𝑘𝜔0 𝑡) 𝑑𝑡 (𝑘 𝑖𝑚𝑝𝑎𝑟)
Simetría de media onda 𝑇 0
en 𝑥𝑝 (𝑡) 𝑇
4 2
𝑏𝑘 = ∫ 𝑥𝑝 (𝑡) sin(𝑘𝜔0 𝑡) 𝑑𝑡 (𝑘 𝑖𝑚𝑝𝑎𝑟)
𝑇 0
Tabla 3. Efectos de la simetría de la señal sobre los coeficientes de la serie de Fourier en tiempo continuo.
Los términos análisis espectral o análisis armónico se usa a menudo para describir el análisis
de una señal periódica 𝑥𝑝 (𝑡) por medio su serie de Fourier. Las cantidades 𝑎𝑘 , 𝑏𝑘 , 𝑐𝑘 , 𝜃𝑘 o
𝑋[𝑘] describen los coeficientes espectrales de 𝑥𝑝 (𝑡). Estos coeficientes pueden graficarse
como una función del índice armónico 𝑘, o 𝑘𝑓0 (hertz), o 𝑘𝜔0 (rad/seg), como se muestra en
la figura 1; estas gráficas se conocen como espectros o graficas espectrales.
Figura 1. Diferentes maneras de dibujar las gráficas espectrales de una serie de Fourier.
El espectro de magnitud y el espectro de fase describen las gráficas de magnitud y de fase
de cada armónico. Estos espectros se trazan como señales discretas y en ocasiones también
se les conoce como espectros de línea. Ahora, el término espectros unilaterales se refiere a
gráficas de frecuencias positivas ( 𝑘 ≥ 0 ) y el término espectros bilaterales se refiere a
gráficas para toda 𝑘, es decir, todas las frecuencias, positivas y negativas. Un ejemplo de
espectro bilateral puede observarse en la figura 2.
𝜋 𝜋
Figura 2. Espectro de magnitud y fase para la señal 𝑥(𝑡) = 3 cos ቀ 2 𝑡 + 4 ቁ.
Teoría de Señales y Sistemas – Lab06, Análisis De Fourier En Tiempo Continuo Y Discreto En MATLAB®
(@Autor Ángelo Joseph Soto Vergel)
Página 5 de 16
3.3. La serie de Fourier en tiempo discreto
Siguiendo una analogía con la serie de Fourier de tiempo continuo, en la tabla 4 se observa
la representación mediante la serie de Fourier en tiempo discreto para una señal periódica
𝑥𝑝 [𝑛]; definiendo su frecuencia fundamental como 𝑁0 ó Ω0 , donde Ω0 = 2𝜋𝑚/𝑁, para 𝑚 y 𝑁
enteros.
Página 6 de 16
definidas para todos los valores reales de la variable de frecuencia, y no sólo para los valores
discretos como en el caso de una señal periódica. En otras palabras, el espectro para una
señal no periódica, no es el espectro de línea, es un espectro continuo.
Dada una señal 𝑥(𝑡), la transformada de Fourier 𝑋(𝜔) de 𝑥(𝑡) está definida para que sea la
función de frecuencia:
∞
𝑋(𝜔) = ∫ 𝑥(𝑡)𝑒 −𝑗𝜔𝑡 𝑑𝑡 −∞<𝜔 <∞
−∞
1 ∞
𝑥(𝑡) = ∫ 𝑋(𝜔)𝑒 𝑗𝜔𝑡 𝑑𝜔
2𝜋 −∞
La transformada 𝑋(𝜔) describe la señal 𝑥(𝑡) como una función de la frecuencia senoidal 𝜔 y
se llama la representación de 𝑥(𝑡) en el dominio de la frecuencia, puesto que convierte la
señal en el dominio del tiempo en su representación en el dominio de la frecuencia. Por
tanto, se puede establecer la relación 𝑥(𝑡) ← 𝐹𝑇 → 𝑋(𝜔).
Es importante mencionar que las integrales que definen la transformada de Fourier, por ser
integrales infinitas, tal vez no converjan para todas las funciones 𝑥(𝑡) y 𝑋(𝜔); y un análisis de
la convergencia está más allá del alcance de esta práctica.
Como en el caso de la transformada de una señal de tiempo continuo, la DTFT de una señal
de tiempo discreto es una función continua de frecuencias, pero a diferencia del caso de
tiempo continuo, la DTFT siempre es una función periódica con periodo 2𝜋.
Dada una señal de tiempo discreto 𝑥[𝑛], la transformada de Fourier de tiempo discreto DTFT
de 𝑥[𝑛] se define como:
∞
Teoría de Señales y Sistemas – Lab06, Análisis De Fourier En Tiempo Continuo Y Discreto En MATLAB®
(@Autor Ángelo Joseph Soto Vergel)
Página 7 de 16
1 𝜋
𝑥[𝑛] = ∫ 𝑋(Ω)𝑒 𝑗Ω𝑛 𝑑Ω 𝑥[𝑛] ← 𝐷𝑇𝐹𝑇 → 𝑋(Ω)
2𝜋 −𝜋
La transformada 𝑋(Ω) describe la señal 𝑥[𝑛] como una función de la frecuencia discreta Ω y
se llama la representación de 𝑥[𝑛] en el dominio de la frecuencia, puesto que convierte la
señal en el dominio del tiempo en su representación en el dominio de la frecuencia. Por
tanto, se puede establecer la relación 𝑥[𝑛] ← 𝐷𝑇𝐹𝑇 → 𝑋(Ω).
Dominio
Periódica No periódica
de tiempo
Serie de Fourier en tiempo Transformada de Fourier en
continuo tiempo continuo
∞
1 ∞
𝑥(𝑡) = ∑ 𝑋[𝑘] 𝑒 𝑗𝑘𝜔0 𝑡 𝑥(𝑡) = ∫ 𝑋(𝜔)𝑒 𝑗𝜔𝑡 𝑑𝜔
2𝜋 −∞
𝑘=−∞ ∞ No
Continua 1 𝑡+𝑇 −𝑗𝜔𝑡
𝑋(𝜔) = ∫ 𝑥(𝑡)𝑒 𝑑𝑡 periódica
𝑋[𝑘] = ∫ 𝑥(𝑡)𝑒 −𝑗𝑘𝜔0 𝑡 𝑑𝑡
𝑇 𝑡 −∞
𝑥(𝑡) 𝑡𝑖𝑒𝑛𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑇
2𝜋
𝜔0 =
𝑇
Serie de Fourier en tiempo
discreto Transformada de Fourier en
𝑛+𝑁−1
tiempo discreto
𝑥[𝑛] = ∑ 𝑋[𝑘] 𝑒 𝑗𝑘Ω0 𝑛 1 𝜋
𝑘=𝑛 𝑥[𝑛] = ∫ 𝑋(Ω)𝑒 𝑗Ω𝑛 𝑑Ω
Discreta 𝑛+𝑁−1 2𝜋 −𝜋 Periódica
1 ∞
𝑋[𝑘] = ∑ 𝑥𝑝 [𝑛]𝑒 −𝑗𝑘Ω0 𝑛
𝑁 𝑋(Ω) = ∑ 𝑥[𝑛]𝑒 −𝑗Ω𝑛
𝑛=𝑛
𝑥[𝑛] 𝑦 𝑋[𝑘] 𝑡𝑖𝑒𝑛𝑒𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑁 𝑛=−∞
2𝜋 𝑋(Ω) 𝑡𝑖𝑒𝑛𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 2𝜋
Ω0 =
𝑁
Dominio
Discreta Continua de la
frecuencia
Tabla 5. Las cuatro representaciones de Fourier.
Teoría de Señales y Sistemas – Lab06, Análisis De Fourier En Tiempo Continuo Y Discreto En MATLAB®
(@Autor Ángelo Joseph Soto Vergel)
Página 8 de 16
4. TRABAJO PREVIO
c. Halle las series de Fourier exponencial y trigonométrica para los trenes de impulsos
mostrados en la figura y calcule la energía del armónico principal, de los primeros cuatro
armónicos y del resto de los armónicos.
Teoría de Señales y Sistemas – Lab06, Análisis De Fourier En Tiempo Continuo Y Discreto En MATLAB®
(@Autor Ángelo Joseph Soto Vergel)
Página 9 de 16
5. ACTIVIDAD
Sintaxis
• fft(X,n)
• ifft(Y,n)
• fftshift(Y)
• fseries(x,T,k)
• fftplot (X,TS)
Descripción
Es posible realizar el análisis de Fourier (serie y transformada) aplicando las ecuaciones
que modelan cada una de las representaciones; sin embargo, MATLAB® y la caja de
herramientas “ADSP” tienen funciones que realizan de forma automática estos cálculos y
permiten encontrar con una buena aproximación la representación en frecuencia de
cualquier señal (periódica o no periódica) tanto en tiempo continuo como discreto.
fseries calcula los coeficientes de la serie de Fourier, donde x es una señal periódica
definida numéricamente o como un string, T es el ancho de un periodo y k es un arreglo de
armónicas para reconstrucciones intermedias, su valor predeterminado es 𝑘 = [1 3 5 32].
La matriz resultante de fseries es una matriz de 32𝑥7 cuyas siete columnas son:
fftplot grafica y obtiene los valores de los espectros de magnitud y fase de la señal X,
Teoría de Señales y Sistemas – Lab06, Análisis De Fourier En Tiempo Continuo Y Discreto En MATLAB®
(@Autor Ángelo Joseph Soto Vergel)
Página 10 de 16
TS es el intervalo de muestreo y por defecto es 1. El resultado de fftplot es una matriz
que retorna los coeficientes de Fourier, Z y sus frecuencias, f. La sintaxis correcta sería:
[Z,f] = fftplot(X,TS)
Nota 1: Las funciones fft, ifft y fftshift son propias de MATLAB®, mientras que
fseries y fftplot son funciones de la caja de herramientas “ADSP”.
Nota: Es importante resaltar, que la variable de tiempo se define de tal forma que permita lograr obtener un
número de muestras de la señal suficiente para realizar cálculos correctos de la fft; esto, debido al
algoritmo que implementa, pues está basado en la DTFT, y, por tanto, habrá una relación entre el número de
muestras y el espectro resultante. A mayor número de muestras, el espectro resultante será más preciso; sin
embargo, este número de muestras tendrá que representarse en el número de periodos que se desea
analizar de la señal y no en el intervalo de muestreo, recordando que el número de muestras resultantes
debe ser una potencia de 2 (recomendado 𝑁𝑀 ≥ 210 , para resultados óptimos 𝑁𝑀 = 212 ).
Teoría de Señales y Sistemas – Lab06, Análisis De Fourier En Tiempo Continuo Y Discreto En MATLAB®
(@Autor Ángelo Joseph Soto Vergel)
Página 11 de 16
Gráfica
Teoría de Señales y Sistemas – Lab06, Análisis De Fourier En Tiempo Continuo Y Discreto En MATLAB®
(@Autor Ángelo Joseph Soto Vergel)
Página 12 de 16
Gráfica
Teoría de Señales y Sistemas – Lab06, Análisis De Fourier En Tiempo Continuo Y Discreto En MATLAB®
(@Autor Ángelo Joseph Soto Vergel)
Página 13 de 16
Gráfica
Nota: Es importante resaltar que el espectro de magnitud no se divide entre el número de muestras NM, pues
al tratarse de una señal no periódica esta normalización ya no es necesaria.
Teoría de Señales y Sistemas – Lab06, Análisis De Fourier En Tiempo Continuo Y Discreto En MATLAB®
(@Autor Ángelo Joseph Soto Vergel)
Página 14 de 16
Gráfica
6. EVALUACIÓN
NOTA: Se deberá entregar un informe en formato pdf de los resultados en forma individual a
la siguiente semana de terminado la sesión de la práctica.
7. BIBLIOGRAFÍA
Teoría de Señales y Sistemas – Lab06, Análisis De Fourier En Tiempo Continuo Y Discreto En MATLAB®
(@Autor Ángelo Joseph Soto Vergel)
Página 15 de 16
MATLAB (3ra ed.). México.
Morón, J. (2011). Señales y Sistemas (1ra ed.). Venezuela: Fondo Editorial Biblioteca
Universidad Rafael Urdaneta.
Oppenheim, A. V., & Willsky, A. S. (1998). Señales y Sistemas (2da ed.).
The MathWorks Inc. (2017). MathWorks - Makers of MATLAB and Simulink. Retrieved April
10, 2017, from https://www.mathworks.com/
Teoría de Señales y Sistemas – Lab06, Análisis De Fourier En Tiempo Continuo Y Discreto En MATLAB®
(@Autor Ángelo Joseph Soto Vergel)
Página 16 de 16