Transformada de Fourier de Tiempo Reducido
Transformada de Fourier de Tiempo Reducido
Transformada de Fourier de Tiempo Reducido
Educacin
FACULTAD DE CIENCIAS
ESCUELA
:
ING. ELECTRNICA Y TELECOMUNICACIONES
CURSO
:
PROCESAMIENTO DIGITAL DE SEAL I
TEMA
:
TRANSFORMADA DE FOURIER DE TIEMPO REDUCIDO
TRANSFORMADA RPIDA DE FOURIER
PROFESOR
:
ING. MIGUEL ANGEL PANDURO ALVARADO
ALUMNO
:
FARIAS CASTILLO ROBERTO CARLOS
{()} (, ) = ()( )
{[]} (, ) = [][ ]
=
STFT inversa
La STFT es invertible, esto es, la seal original puede ser recuperada de la transformacin por
medio de la STFT inversa. La forma ms ampliamente aceptada de invertir la STFT es usando el
mtodo suma solapada (overlap-add, OLA), que tambin permite modificar al espectro
complejo de STFT. Esto lo hace un mtodo de procesamiento de seal verstil, referido como
el mtodo de solapamiento y suma con modificaciones.
()dt = 1
Es fcil deducir que:
(t )dt = 1 t
Y
() = () ( ) = ()( ) .
La transformada de Fourier continua es:
X() = x(t)ejt dt
Substituyendo X (T) de arriba
() = ()( )
= [ ()( ) ]
= ( )
Por lo que la transformada de Fourier puede ser vista como una suma coherente de fases de
todos los STFTs de x(t), debido a que la transformada inversa de Fourier es
x(t) =
X()e+jt d
2
() =
(, ) +
2
() = [
(, ) + ]
2
Se puede ver que, al comparar arriba que la ventana de grano o wavelet de x (t) es
()( ) =
(, ) +
2
Ejemplo
Usando la siguiente muestra de seal () que est compuesta por un conjunto de 4 formas
de ondas sinusoidales unidas en secuencia. Cada forma de onda est nicamente compuesta
de una de cuatro frecuencias (10, 25, 50, 100 Hz). La definicin de () es.
cos(210)
cos(225)
() =
cos(250)
{ cos(2100)
0 < 5
;
5 < 10
; 10 < 1515
; 15 < 20
Ventana de 25ms
Ventana de 125ms
Ventana de 375ms
Ventana de 1000ms
La ventana de 25 ms nos permite identificar un tiempo preciso en el cual la seal cambia pero
los cambios precisos en la frecuencia son difciles de identificar- En el otro extremo de la
escala, la ventana de 1000 ms permite que las frecuencias sean vistas de forma precisa pero el
tiempo entre los cambios de frecuencia es borroso.
Explicacin
Tambin puede ser explicado con referencia al muestreo y a la frecuencia de Nyquist
Tome una ventana de N muestras del valor real de una seal arbitraria con una tasa de
muestreo de fs. Tomando la transformada de Fourier se produce N coeficientes complejos. De
estos coeficientes solo la mitad son tiles (el ltimo N/2 siendo el complejo conjugado del
primer N/2 en orden inverso, ya que este es el valor real de una seal).
Estos N/2 coeficientes representan las frecuencias 0 a
consecutivos son espaciados aparte por
Hz.
Aplicacin
Las STFTs al igual que las transformaciones estndar de Fourier y otras herramientas son
frecuentemente usadas para analizar msica. El espectrograma puede por ejemplo, mostrar la
frecuencia en el eje horizontal, con las frecuencias ms bajas a la izquierda y las ms altas a la
derecha. La altura de cada barra (resaltada con color) representa la amplitud de las frecuencias
dentro de la banda. La dimensin del fondo representa el tiempo, donde cada nueva barra fue
una transformacin distinta. Los ingenieros de Audio usan este tipo de visualizacin para
obtener informacin acerca de una muestra de audio, por ejemplo, para localizar las
frecuencias de ruidos especficos (especialmente cuando se us con gran resolucin en
frecuencia) o encontrar frecuencias que podran ser ms o menos resonantes en el espacio
donde la seal fue grabada.. Esta informacin puede ser usada para la ecualizacin o
entonacin de otros efectos de audio.
Una STFT est siendo usada para analizar una seal de audio con respecto al tiempo
Definicin
Sean 0 , , 1 nmeros complejos. La transformada discreta de Fourier (DFT, por sus siglas
en ingls) se defino como:
2i
n
fj = n1
k=0 xk e
jk
j = 0, , n 1
[] = {[]} =
1
({ []})
[] = [] 2( )
=0
= (2)
Ejemplo
Un uso comn de transformadas de Fourier es encontrar los componentes de frecuencia de
una seal enterrado en una seal de dominio de tiempo ruidoso. Considere datos muestreados
a 1000 Hz. Formar una seal que contiene un 50 Hz sinusoide de amplitud 0,7 y 120 Hz
sinusoide de amplitud 1 y corrupto con un poco de ruido aleatorio de media cero:
Fs = 1000;
% Sampling frequency
T = 1/Fs;
% Sample time
L = 1000;
% Length of signal
t = (0:L-1)*T;
% Time vector
Plot(Fs*t(1:50),y(1:50))
title('Signal Corrupted with Zero-Mean Random Noise')
xlabel('time (milliseconds)')
La principal razn de las amplitudes no son exactamente en el 0,7 y el 1 es por el ruido. Varias
ejecuciones de este cdigo (incluyendo recalculo de y) se producen diferentes aproximaciones
a 0,7 y 1. La otra razn es que usted tiene una seal de longitud finita. El aumento de L 100010000 en el ejemplo anterior producir mucho mejores aproximaciones en promedio.
Referencias
[1] Cooley, J. W. and J. W. Tukey, "An Algorithm for the Machine Computation of the Complex
Fourier Series,"Mathematics of Computation, Vol. 19, April 1965, pp. 297-301.
[2] Duhamel, P. and M. Vetterli, "Fast Fourier Transforms: A Tutorial Review and a State of the
Art," Signal Processing, Vol. 19, April 1990, pp. 259-299.
[3] FFTW (http://www.fftw.org)
[4] Frigo, M. and S. G. Johnson, "FFTW: An Adaptive Software Architecture for the
FFT,"Proceedings of the International Conference on Acoustics, Speech, and Signal Processing,
Vol. 3, 1998, pp. 1381-1384.