4.

52 En el problema nos pide la relación entre la señal de entrada xc(t) y la salida y[n] en el
cual se usarán las propiedades al aplicar un filtro pasabajo a la funcion H ( e− jw ) luego
aplicaremos un retraso con un cambio de variable incluido para poder relacionar xc(t) con y[n].

En el sistema de la Figura

π
X c ( j Ω )=|Ω|≥
T

π π
H ( e− jw )={e− jw ,|ω|≥ y 0 , π ≥|ω|>
L L
¿Cómo se relaciona y[n] con la señal de entrada xc(t)?

Solución:

Dividimos H ( e− jw ) en un filtro pasa bajo y aplicamos un retraso.

H ( e− jw )=H pasa bajo (e ¿¿− jw )∗e− jw ¿

Quedándonos la transferencia de la siguiente manera

π π
H pasabajo ( e− jw ) ={1 ,|ω|≥ y 0 , π ≥|ω|>
L L
En la figura del sistema entonces:

Luego analizando el sistema:

Asumiendo que no existirá aliasing:

x [ n ] =xc ( nT )
Aplicando un cambio de variable

1 T
w [ n ] = xc n
L ( )
L
Finalmente aplicando un retraso a gran proporción:
 1 T T
v [ n ]=w [ n−1 ]=
L (
xc n −
L L )
Quedando la relación entre y[n] y xc(t)

1 T
y [ n ] =v [ nL ] =
L (
xc nT −
L )
Resumen

Para resolver y entender el problema recordaremos el computo de la transformada de Fourier

por diezmado, los efectos de la longitud finita de palabra en los cálculos de la DFT y modelos
lineales de ruido para demostrar que la relación ruido-señal de un cálculo de una DFT varía de
forma diferente con la longitud de la secuencia, dependiendo de cómo se realice el escalado.

Para la parte (a)

Para la parte (b)

Otro enfoque para este análisis de ruido es calcular el ruido promedio en la salida utilizando el
número promedio de mariposas de ruido conectadas a un nodo de salida. Este estilo de
análisis se utiliza en Weinstein
Para la parte (c) se hará uso de a y b para calcula relación ruido-señal usando las siguientes
ecuaciones

9.52 Para obtener fórmulas de la relación ruido-señal en el algoritmo de FFT por diezmado en
el tiempo de base 2 en coma fija se hizo la suposición de que cada nodo de salida estaba
2 1 −B
conectado a (N −1) mariposas, y que cada una de ellas contribuye con la cantidad σ B = ∗2
3
r
a la varianza del ruido de salida. Sin embargo, cuando W N =±1 o ± j .Las multiplicaciones se
pueden realizar sin error. Por tanto, si se modifican los resultados obtenido en la sección 9.7
para tener este hecho en cuenta, se puede obtener una estimación menos pesimista de los
efectos del ruido de cuantificación.

a) Para el algoritmo de diezmando en tiempo presentado en la sección 9.7 determine

para cada etapa el numero de mariposas en las que se realiza una multiplicación por
±1 y ±j.
b) Utilice el resultado del apartado (a) para obtener estimadores mejorados de la
varianza del ruido de salida (Ecuación (9.58)) y de la relación ruido-señal (Ecuación
(9.68)) para valores impares de k. Comente en qué son diferentes estos estimadores
para valores pares de k. No intente obtener una expresión cerrada de estas cantidades
para valores pares de k.
c) Repita los apartados (a) y (b) para el caso en el que la salida de cada etapa se atenúe
por un factor de 0.5. Es decir, obtenga las expresiones modificadas correspondientes a
la Ecuación (9.71) para la varianza del ruido de salida y a la Ecuación (9.72) para la
relación ruido-señal de salida, suponiendo que las multiplicaciones por ±1 y ±j no
introducen error.

Solución:

(A)

Primero tengamos en cuenta que cada etapa tiene N / 2 de mariposas. En la primera etapa
todas las multiplicaciones son W 0N =±1. En la segunda etapa la mitad son +1 y la otra mitad
N/4
son W N =− j. Las etapas sucesivas tienen la mitad del número de la etapa anterior. En
general,

N
El numero de +1 multiplicaciones en la etapa1 m= para m=1,2,3 , … , v
2m
Y

N
El número de -j multiplicaciones en la etapa2 m=0 para m=1 y m= para m=2,3 , … , v
2m
(B)

Si asumimos que todos los +1 y -j multiplicaciones se hacen sin ruido, entonces el ruido será
diferente en cada nodo de salida. Esto se puede ver fácilmente en la Figura 9.10, donde vemos,
por ejemplo, que X [0] estará libre de ruido, mientras que X [1] no será ruido. Por lo tanto, se
requerirá un análisis de ruido para cada nodo de salida por separado. Un enfoque algo más
simple sería asumir que, dado que las dos primeras etapas consisten en solo multiplicaciones
+1 y -j, estas dos etapas se pueden realizar sin ruido. Cada nodo de puchero está conectado a
todas las mariposas N / 2 en la primera etapa y a N / 4 mariposas en la segunda etapa. Por lo
tanto, si las dos primeras etapas se realizan sin ruido, una mejor estimación del número de
fuentes de ruido independientes que contribuyen a la salida es:

N N N
N−1− − = −1
2 4 4
Tenga en cuenta que todas las salidas indexadas impares tendrán exactamente (N / 4) - 1 de
las fuentes de ruido, mientras que las salidas indexadas pares tendrán menos. De hecho, X [0],
X [N / 4], X [N / 2], X [3N / 4] será silencioso. X [N / 8], X [3N / 8], X [5N / 8] y X [7N / 8] tendrán
una única fuente. Es posible continuar este análisis para todo X [k], pero claramente se
necesitaría una fórmula complicada para describir el número de fuentes de ruido para todos
los pares k. Hemos demostrado que:

N
Numero de fuentes de ruido= −1 k impar
4

N
Numero de fuentes de ruido< −1 k par
4

Por lo tanto, el número de fuentes de ruido tiene un límite superior (N / 4) -1. Con este límite,
podemos obtener una variación de ruido de salida más optimista.

2
ε [|F [k ]| ] ≤ ( N4 −1)∗σ B
2

≤ ( N4 )∗σ B
2
Para un N grande

Cuando se realiza el escalado en la entrada, se encuentra que un límite superior en la relación

ruido-señal es:

2
ε [|F [k ]| ] (≤ N4 −1 )∗σ 2 3
= ∗N 2∗σ B2=
N 2∗2−2 B
B
2
ε [|X [k ]| ] 1 4 4
3N

Esta ecuación es similar a la Ec.9.65 pero con una escala de 1/4. Esto implica que la Ec. 9.65 es
un poco demasiado pesimista. Sin embargo, tenga en cuenta que la dependencia N 2 todavía
está presente.

C:

Ahora suponga, como antes, que las dos primeras etapas son silenciosas, por lo que la
ecuación 9.67 no incluiría las dos primeras etapas.
 v−1
2 1 2 v−2 m−2
[ ]
ε | F [ k ]| ≤ σ B2∗∑ 2v−m∗
2
m=2

Simplificando:
v−1
2 1 v−m −2
[ ]
ε | F [ k ]| =σ B 2∗∑
2
m=2

Realizando un cambio de variable v-m-2=K:

v−3
2 1k
[ ]
ε | F [ k ]| =2 σ B2∗∑
k=0 2

Recordando la serie de 1/2

2
[ ]
ε | F [ k ]| =2 σ B2∗1−¿ ¿

Simplificando:
2
[ ]
ε | F [ k ]| =4 σ B2∗1−¿ ¿

Luego:
2 4
[ ]
ε | F [ k ]| =4 σ B2∗(1−
N
)

Así:

2
ε [|F [k ]| ] N−4
≤ 12 N σ B2∗( )
ε [|X [k ]| ]
2
N

Finalmente, para un N grande la relación entre señal y ruido seria:

2
ε [|F [k ]| ]
2
≤ 12( N −4) σ B2
ε [|X [k ]| ]

Aplicaciones con la Transformada Discreta de Fourier

En medicina

el análisis de la transformada de Fourier esta relacionado con: el análisis espectral del

comportamiento global de los cromosomas, el análisis espectral de la variabilidad de la
frecuencia cardiaca, el procesamiento de imágenes generadas por econogramas, resonancias
magnéticas y tomografía axial
En comunicaciones

se usa para analizar la frecuencia de señales, diseñar los sistemas de transmisión de señales
para transmitir información, diseñar supresores y canceladores de ecos en líneas telefónicas.

En ingenierıa mecanica

se utiliza para balancear rotores y eliminar la vibracion que generan cuando o estan
balanceados, estudiar los problemas relacionados con vibraciones mecanicas en los motores,
generadores y equipos rotatorios en general.
Bibliografia

https://www.fcfm.buap.mx/assets/docs/docencia/tesis/ma/FlorAngelicaTrinidadTorres.pdf