TEMA 6:

Procesamiento de señales
Señal: “magnitud física de interés que varía con el tiempo, el espacio o
cualquier otra variable o variables independientes. Matemáticamente,
describimos una señal como una función de una o más variables
independientes. Existen casos en los que dicha relación funcional es
desconocida o demasiado complicada.”.
Sistema: dispositivo físico que realiza una operación sobre una señal.
Se caracteriza por el tipo de operación que realiza sobre la señal.
• Si la operación es lineal, el sistema se denomina lineal
• Si la operación es no lineal, el sistema se dice no lineal, etc.
Estas operaciones se denominan habitualmente procesamiento de señales

En el procesado de señales muchas de las señales proceden de medidas del

mundo real (sonidos, temperatura, luz, etc.). Para poder utilizar estas
señales necesitamos un transductor o sensor, dispositivo que transforma la
magnitud física en una magnitud eléctrica variable, en general una tensión.
 Procesamiento de señales

ELEMENTOS BÁSICOS DE UN SISTEMA

DE PROCESAMIENTO DE SEÑALES
Componentes de un sistema de medida
 Procesamiento de señales

Sistemas analógicos y sistemas digitales

Sistemas analógicos: las señales son funciones de una variable

continua, como el tiempo o el espacio y normalmente toman valores
en un rango continuo.

Son procesadas directamente por sistemas analógicos con el propósito

de cambiar sus características o extraer cualquier información
deseada.
 Procesamiento de señales

Sistemas analógicos y sistemas digitales

Sistemas digitales: Para realizar el procesamiento se necesita una

interfaz entre la señal analógica y el procesador digital, el conversor
analógico-digital (A/D), cuya salida es una señal adecuada al
procesador digital, cuando la salida digital del procesador se ha de
entregar en forma analógica, se necesita otra interfaz desde el
dominio digital al analógico. Esta interfaz se denomina conversor
digital-analógica (D/A).
 Procesamiento de señales

Clasificación de la señales
Se pueden clasificar en cuatro categorías dependiendo de las
características de la variable tiempo y de los valores que puede tomar:
• Analógicas, x(t): amplitud y tiempo continuos: definidas para todo t
y pueden tomar cualquier valor en el intervalo continuo (a,b),
donde a puede ser -∞ y b puede ser ∞.
• Muestreadas, xS[n]: tiempo discreto, amplitud continua. Los
instantes del tiempo no necesitan ser equidistantes. Si usamos el
índice n como la variable independiente que representa al tiempo,
la señal pasa a ser una función de una variable entera (es decir, una
secuencia de números). Por lo tanto, una señal en tiempo discreto
se puede representar matemáticamente como una secuencia de
números reales o complejos. Pueden originar de dos maneras:
• Eligiendo valores de una señal analógica en determinados
instantes de tiempo. Este proceso se denomina muestreo.
• Acumulando una variable a lo largo de un determinado periodo
de tiempo.
 Procesamiento de señales

Clasificación de la señales
• Cuantizadas, xQ(t): tiempo continuo, amplitud discreta: Si una señal
toma todos los valores posibles en un intervalo tanto finito como
infinito, se dice que es continua.
• Digitales, xQ[n]: tiempo y amplitud discretos: Si toma valores de un
conjunto finito se dice que es discreta. Normalmente, estos valores
son equidistantes y por tanto pueden expresarse como un múltiplo
de la distancia entre dos valores sucesivos. Una señal en tiempo
discreto, que toma valores en un conjunto discreto se denomina
señal digital.
 Procesamiento de señales

Características del procesado analógico. Desventajas

• Solución específica para cada aplicación
• Alta sensibilidad a los componentes
 Tolerancias de resistencias y condensadores (falta de precisión)
 Diferencia de ganancia entre transistores aparentemente
iguales
 Derivas térmicas
 Envejecimiento
• Alto grado de incertidumbre en el comportamiento de cada circuito
concreto
 Necesidad de ajustes (desplazamiento del cero u offset, de
ganancia)
 Pérdida de tiempo caso por caso en soluciones particulares
• Coste añadido al diseño
 Procesamiento de señales

Ventajas de un sistema de digital frente a uno analógico

• Programabilidad/Flexibilidad: Al tratarse de sistemas programados

se facilita el cambio de los algoritmos sin necesidad de modificar el
circuito como ocurre con los sistemas analógicos. Los circuitos
disponen de diferentes tipos de memoria (ROM, EEPROM, RAM).
• Repetitividad: La memoria y la lógica de un procesador no se
alteran. Procesos repetibles no influenciados por derivas térmicas,
tolerancias de los componentes, no necesitan ajustes individuales.
• Coste: Un sistema programado puede modificar su funcionamiento
sin modificar la circuitería como ocurre con los sistemas analógicos.
• Implementación de sistemas sin equivalente analógico: Existen
sistemas digitales sin equivalente analógico como los filtros FIR. Se
pueden generar formas de onda. Se pueden almacenar señales.
 Procesamiento de señales

Ventajas de un sistema de digital frente a uno analógico

• Existencia de un gran número de herramientas de diseño: Muchas

de las tareas de procesado ya están hechas y existen programas
como Matlab que permiten obtener los coeficientes de un filtro sin
necesidad de conocer todo el desarrollo matemático subyacente.
Existen herramientas que permiten automatizar el proceso casi al
completo, desde el diseño hasta la programación del dispositivo
sobre el que se va a ejecutar el programa. Si bien para poder
utilizar todas estas herramientas es necesario conocer los
fundamentos básicos del procesado.
 Procesamiento de señales

Limitaciones de un sistema de procesado digital.

Muchas señales presentan un ancho de banda excesivamente grande

como para permitir su tratamiento digital en tiempo real. Para dichas
señales, el procesado analógico o, actualmente el óptico, son la
solución. Sin embargo, cuando existan dispositivos digitales con la
suficiente velocidad de proceso, o se desarrollen algoritmos que
reduzcan la carga computacional, el tratamiento digital será preferible.

Otro inconveniente del procesado digital es que las señales reales son
analógicas, de variable continua; la precisión es infinita (rango y
dominio: continuos). Estas señales deben ser muestreadas y
digitalizadas para obtener una secuencia discreta de valores discretos
(rango y dominio: discretos) por lo que se ha de tener en cuenta que
se comenten errores en el muestreo y en la digitalización.
 Procesamiento de señales

Proceso de adquisición de datos

En este proceso se realiza una medición, a través de un computador,
de una magnitud física.
Consta de tres etapas:
1. Conversión de la magnitud a una señal eléctrica
2. Adaptación de la señal eléctrica para su lectura digital
3. Sistema hardware de adquisición de datos (PC, DSP…).
 Procesamiento de señales

1. Acondicionamiento de la señal
Genera una señal aceptable por las tarjetas de adquisición de datos.
Las tarjetas de adquisición de datos suelen admitir niveles de tensión
entre unos márgenes determinados: -10V a 10V, 0 a 10V, 0 a 5V, etc...
Funciones principales:
• Transformación: Los sensores proporcionan ΔV, o ΔI. Las tarjetas de
adquisición de datos admiten ΔV, que no siempre coincide con las
que proporciona el sensor.
• Amplificación: La señal de los sensores deben ser amplificada para
ser detectada por la tarjeta de adquisición de datos. La
amplificación ha de recorrer todo el margen de la tarjeta de
adquisición de datos.
• Conversión por medio de optoacopladores: Conversión de una
señal eléctrica en una señal óptica. Con el objetivo de aislar
eléctricamente los sensores de la tarjeta de adquisición evitando
problemas de derivación de corrientes.
 Procesamiento de señales

1. Acondicionamiento de la señal
• Filtrado: Elimina ruidos de alta frecuencia que pueden hacer perder
exactitud al sistema de adquisición de datos.
• Excitación: Hay muchos sensores que necesitan de una excitación,
bien en corriente, bien en tensión, para producir la variación
proporcional a la magnitud a medir.
• Linealización: Proceso de conversión de la respuesta del sensor en
lineal.
 Procesamiento de señales

1. Acondicionamiento de la señal
 Procesamiento de señales

2. Tarjetas de adquisición de datos

El último paso en un sistema de adquisición de datos son las tarjetas
de adquisición de datos, se encargan de:
• Las conversiones de señales desde analógica a digital (A/D) y (D/A).
• La comunicación con el ordenador.
 Procesamiento de señales

3. PC de Procesamiento
El ámbito industrial o científico demandan procesos que requieren:
• Control automático que se realiza sin presencia humana
• Control inteligente toma decisiones en función del estado del proceso.
El desarrollo de los PCs en los últimos años ha posibilitado soluciones de
este tipo con un coste relativamente bajo.
Para relacionarse con el exterior necesita de una vía de comunicación, un
canal de transmisión y recepción de datos.
Las interfaces habituales entre el PC y el usuario son:
• El teclado para la entrada de datos
• La pantalla o impresora para la salida de datos.
• Comunicación a través de un módem que utiliza la línea telefónica
y que permite la transmisión de datos.
• El teléfono móvil o cualquier dispositivo capaz de comunicarse por
Wifi.
 Procesamiento de señales

4. Incorporación de microcontroladores y DSP

Son sistemas independientes capaces de hacer la adquisición y

tratamiento de datos de manera autónoma, comunicándose con el PC en
la transmisión de bloques de datos elaborados, recibir órdenes de control
o informar de situaciones particulares.
El PC actúa como un coordinador del sistema completo.
Los microcontroladores y DSP aumentan la capacidad de proceso y dotan
al sistema de la potencia de los microprocesadores añadiendo puertos de
E/S y conversor analógico-digital incluido dentro del microcontrolador.
En general disponen de comunicación serie con el PC y la posibilidad de
ser programadas en lenguajes de alto nivel.
 Procesamiento de señales

FUNDAMENTOS DE PROCESAMIENTO DE SEÑAL

1. Muestreo de señales Analógicas

Muestrear: Tomar el valor instantáneo de la señal en un momento

determinado. En una señal continua, las muestras se toman a intervalos
regulares, generalmente con un periodo de muestreo fijo entre medidas.
Un factor clave es el ritmo o frecuencia con la que se toman las medidas.
Teorema de muestreo o de Shannon Establece la mínima frecuencia
requerida al muestrear una señal analógica para representarla de
manera precisa, establece:
“Una señal que no contenga componentes en frecuencias superiores
a f0 puede ser reconstruida si se muestrea con una frecuencia mayor
de 2f0. Esto es que fm > 2f0”
 Procesamiento de señales

1. Muestreo de señales Analógicas

frecuencia de muestreo, fs=fm

En el muestreo, la información entre muestras se pierde.

Al reconstruir la señal, se ha de interpolar entre las muestras. En este
proceso se presenta un inconveniente, ya que existe un número infinito
de señales que podrían dar lugar a las muestras que tenemos. Este efecto
se denomina aliasing las frecuencias de estas señales se denominan
frecuencias alias (fAlias) y son aquellas que cumplen la siguiente relación:
fAlias= Múltiplo Entero Más Cercano a la fm– fentrante.
 Procesamiento de señales

1. Muestreo de señales Analógicas

Efecto Alias o aliasing

 Procesamiento de señales

1. Muestreo de señales Analógicas

El aliasing se soluciona con el teorema de Nyquist:

La fm mínima que tenemos que utilizar al muestrear una señal debe ser
mayor que 2•fmax
fmax =frecuencia máxima de la señal.
La tasa de muestreo fm = 2f definida para una señal con ancho de banda f
se denomina tasa de Nyquist.
El teorema de muestreo de Nyquist es la base de la equivalencia entre
señales analógicas y digitales.
Si la tasa de muestreo es menor que la de Nyquist, la señal original s(t)
no se puede recuperar de forma exacta a partir de las muestras.
 Procesamiento de señales

1. Muestreo de señales Analógicas

Ejemplo: Una onda senoidal con una frecuencia de 100 Hz. El Teorema de
Nyquist indica que debemos utilizar una frecuencia de muestreo> 200 Hz.
 Procesamiento de señales

2. Proceso de obtención de la Señal Digital

El muestreo convierte una señal digital continua en una serie de valores
digitales discretos.

1. Eliminar las componentes de la señal por encima de la frecuencia de

Nyquist ya que estas, no deben ser muestreadas. Esto se consigue
usando un usando un filtro anti-aliasing. El filtro anti-aliasing no es
más que un filtro paso bajo analógico.
 Procesamiento de señales

2. Proceso de obtención de la Señal Digital

2. La señal de entrada continua se pasa a un circuito sample and hold.

Este circuito toma muestras a un ritmo fijo y mantiene el valor hasta
que se toma la muestra siguiente, dando como resultado una forma
de onda escalonada.
 Procesamiento de señales

2. Proceso de obtención de la Señal Digital

3. Cuantificación: Los valores muestreados se han de convertir en

números que ya están listos para ser procesador. Se realiza mediante
un conversor analógico/digital (A/D).
 Procesamiento de señales

2. Proceso de obtención de la Señal Digital

3. Para cuantificar la señal se utiliza un número de niveles que

representan escalones de amplitud de entrada; para cada muestra
A/D devuelve un valor que representa el nivel más cercano al valor
de la muestra. Esto implica inevitablemente una aproximación
llamada Error de Cuantificación.
 Procesamiento de señales

2. Proceso de obtención de la Señal Digital

Cuantos más niveles de cuantificación se utilicen, más exactamente se

representa la señal analógica.
Ej: Si la resolución es de 12 dígitos binarios, tendríamos 212=4096 niveles.
El número de bits usados depende de los requisitos de la aplicación.
También se utiliza un filtro analógico de reconstrucción sobre la señal
producida por el conversor digital/analógico (D/A) para eliminar las altas
frecuencias de la señal, las cuales se deben a los niveles discretos en la
señal reconstruida que son constantes en un periodo de muestra
completo, y después cambian rápidamente entre los niveles discretos.
 Procesamiento de señales

3. Convertidores A/D y D/A

Para convertir una señal analógica en digital y viceversa, el sistema

requiere convertidores A/D y D/A.
El convertidor A/D y el D/A se integran en un solo dispositivo junto con
los filtros necesarios antialiasing y de reconstrucción.
Hay dos tipos principales:
1. Los chips de Interfaz Analógico (AIC).
2. Los chips Codificador/DECodificador (CODEC).

La diferencia principal entre estos dos tipos es que los AIC están
disponibles para un rango más amplio de aplicaciones, mientras que los
CODEC se orientan generalmente a las telecomunicaciones utilizando
cuantificación logarítmica y un ancho de banda fijo.
 Procesamiento de señales

3. Convertidores A/D y D/A

Conversores Analógico/Digital (A/D)
La mayoría contienen el circuito sample and hold Los más populares son:
• A/D de aproximación sucesiva: Compara la forma de onda de la
entrada con la salida de un D/A dentro del dispositivo. Repetidamente
dividen la tensión de entrada por la mitad produciendo una salida de
n bits en n ciclos de su reloj. Son precisos y rápidos, y relativamente
baratos de producir. Sin embargo, pueden ser lentos al responder a
cambios repentinos en la señal de entrada y son sensibles a picos en
la propia señal de entrada.
• A/D de Doble Pendiente: Utilizan un condensador conectado a una
tensión de referencia. Se carga a través de la Ventrada y se descarga a
través de la Vreferencia. El tiempo para descargarse se almacena
utilizando un contador digital, y es proporcional a la Ventrada. Produce
resultados muy precisos,pero es muy lento y generalmente costoso.
 Procesamiento de señales
3. Convertidores A/D y D/A
Conversores Analógico/Digital (A/D)
• A/D Flash: Compara la Ventrada con un conjunto de tensiones de
referencia creados por una escala de resistencias de igual valor. Se
utilizan comparadores entre cada nivel de V y la salida digital
decodificada. Este proceso es muy rápido pero requiere 2n
resistencias exactas para un A/D de n bits. Lo hace caro, y
comercialmente no práctico para utilizar una exactitud de 8 bits.
• A/D Sigma Delta: Hace uso de técnicas de sobremuestreo y de
reducción de ruido. Utilizan principalmente técnicas y filtros digitales.
Pueden ser implementados VLSI, son económicos, y pueden integrar
sobre el mismo chip procesador de la señal. Proporcionan una buena
protección frente al ruido para resoluciones de hasta 20 bits, y son
excelentes para aplicaciones de audio.
Sobremuestreo: Muestrear la señal de entrada a un ritmo mayor 2fm. Permite
que la especificación del filtro analógico anti-aliasing sea bastante más sencilla,
reduciendo los requerimientos del circuito analógico.
 Procesamiento de señales
3. Convertidores A/D y D/A
Conversores Digital/Analógico (D/A)
Se utilizan para reconstruir una señal analógica después de procesar la
señal digital, son generalmente mucho más baratos que los conversores
A/D. Hay dos tipos principales:
• Conversor D/A Multiplicador: El valor digital de la entrada se utiliza
para activar una selección de fuentes de corrientes con los valores
apropiados para cada dígito binario, por ejemplo 0,25 mA, 0,5 mA, 1
mA, etc. Las fuentes de corrientes se suman y la corriente resultante
se extrae directamente o se convierte a una Vsalida. Algunos
conversores D/A utilizan un conjunto de resistores escalados y una
fuente de tensión de referencia. Los resistores se conectan a tierra o a
una Vcc dependiendo del valor del bit correspondiente de la señal, y
se genera una salida proporcional a la suma de las tensiones usadas.
Son los más usados, y son rápidos. La salida es una onda escalonada
que se suaviza con un filtro para eliminar las altas frecuencias.
 Procesamiento de señales

3. Convertidores A/D y D/A

Conversores Digital/Analógico (D/A)

Inconveniente: la tensión o la corriente generada para el bit más
significativo (MSB) deben ser muy exactas, lo cual es extremadamente
complicado en la práctica.
• Conversor D/A Bitstream: Utiliza el mismo concepto descrito
anteriormente para el conversor A/D sigma delta, con un número más
pequeño de bits de salida para una frecuencia de muestreo mucho
más alta. Esto proporciona ventajas similares al conversor A/D sigma
delta, con lo que el conversor D/A bitstream puede ser implementado
principalmente en el dominio digital.
 Procesamiento de señales

PROCESADO DE LA SEÑAL
El Procesamiento de señales trata de la representación, transformación y
manipulación de señales y de la importancia que contienen.
Con frecuencia se desea que estos sistemas funcionen en tiempo real, lo
que significa que el sistema en tiempo discreto se implementa de forma
que las muestras de salida se calculan a la misma velocidad a la que se
muestrea la señal en tiempo continuo.
Otro tipo de problemas del tratamiento de señales al que se enfrenta es
la interpretación de señales. Necesitan un procesado digital previo
(filtrado, estimación de parámetros, etc.) seguido por un sistema de
reconocimiento que produzca una representación simbólica.
Muchas aplicaciones requieren del análisis espectral de la señal, con las
nuevas transformadas rápidas se reduce el tiempo de cómputo. Los
algoritmos se pueden implementar en hardware digital específico.
Una de estas transformaciones es la Transformada de Fourier, que es una
herramienta utilizada para obtener la información frecuencial de una
determinada función.
 Procesamiento de señales

TRANSFORMADAS
Las transformadas son herramientas matemáticas que convierte la señal
del dominio del tiempo al dominio de la frecuencia. Unas convierten las
señales temporales en señales de frecuencias simples (análisis de
Fourier) , y otras en señales que contienen una banda fija de frecuencia
(análisis wavelet).
Los dos instrumentos fundamentales en el Análisis de Fourier
relacionados con el estudio y procesamiento de señales son:
• Series de Fourier, que permiten la representación de una señal
periódica como superposición de ondas de base llamadas armónicos
• Transformada de Fourier, para las señales aperiódicas, tanto en su
versión continua como en su versión discreta.
 Procesamiento de señales

TRANSFORMADAS
1. Series de Fourier
Joseph Fourier encontró que una función periódica se puede representar
como una suma infinita ponderada de términos en senos y cosenos (la
serie de Fourier).
Análisis Armónico, estudia la representación de funciones o señales
como superposición de ondas de base (los armónicos). En las series de
Fourier estos son sinusoidales y por tanto las series son trigonométricas.
El Teorema de Fourier establece que cualquier señal continua periódica
puede representarse como: 1 ∞
𝑓𝑓 (𝑡𝑡) = 𝑎𝑎0 + � [𝑎𝑎𝑛𝑛 cos(𝑛𝑛𝜔𝜔0 𝑡𝑡) + 𝑏𝑏𝑛𝑛 sin(𝑛𝑛𝜔𝜔0 𝑡𝑡)]
2 𝑛𝑛=1
∞
= 𝐶𝐶0 + � 𝐶𝐶𝑛𝑛 cos(𝑛𝑛𝜔𝜔0 𝑡𝑡 − 𝜃𝜃𝑛𝑛 )
𝑛𝑛=1
• ω0 (fr=ω0/2π) es la frecuencia frecuencia fundamental.
• an, bn, Cn y θn son los coeficientes de la Serie de Fourier que definen las
senoides cuya frecuencia es múltiplo de la fundamental
Componente fundamental: aquella cuya frecuencia coincide con la
fundamental (n=1). El resto son las componentes armónicas
 Procesamiento de señales

TRANSFORMADAS
1. Series de Fourier
Cn y θn, son amplitud armónica y ángulo de fase.
a0/2 y C0 representan el valor medio de la función f(t) a lo largo de un
período por lo que reciben el nombre de componente continua.
2
𝑎𝑎0 = �𝑓𝑓(𝑡𝑡)𝑑𝑑𝑑𝑑
𝑇𝑇 𝑇𝑇
2 2
𝑎𝑎𝑛𝑛 = � 𝑓𝑓 (𝑡𝑡) ∙ cos(𝑛𝑛𝜔𝜔0 𝑡𝑡) 𝑑𝑑𝑑𝑑 𝑏𝑏𝑛𝑛 = �𝑓𝑓 (𝑡𝑡) ∙ sin(𝑛𝑛𝜔𝜔0 𝑡𝑡) 𝑑𝑑𝑑𝑑
𝑇𝑇 𝑇𝑇 𝑇𝑇 𝑇𝑇
𝑎𝑎0 𝑏𝑏𝑛𝑛
𝐶𝐶0 = 𝐶𝐶𝑛𝑛 = �𝑎𝑎𝑛𝑛2 + 𝑏𝑏𝑛𝑛2 𝜃𝜃𝑛𝑛 = tan−1 � �
2 𝑎𝑎𝑛𝑛
La Serie de Fourier se puede representar de forma que incluya los valores
eficaces de los distintos armónicos:
∞ 𝐶𝐶𝑛𝑛
𝑓𝑓 (𝑡𝑡) = 𝐶𝐶0 + � √2𝐶𝐶𝑛𝑛′ cos(𝑛𝑛𝜔𝜔0 𝑡𝑡 − 𝜃𝜃𝑛𝑛 ) donde 𝐶𝐶𝑛𝑛′ =
𝑛𝑛=1 √2
Una función periódica se descompone en una serie infinita de funciones
sinusoidales que tienen diferentes frecuencias, todas ellas múltiplos de la
frecuencia fundamental ω0
 Procesamiento de señales

TRANSFORMADAS
1. Series de Fourier
 Procesamiento de señales

TRANSFORMADAS
Forma compleja de las series de Fourier
En las series de Fourier es necesario especificar dos números para cada
frecuencia, la amplitud y la fase. Tales valores pueden representarse
mediante un sólo número complejo. Se consigue una notación más
compacta y una simplificación en la resolución de algunos problemas.
La forma compleja de la Serie de Fourier es:
𝑇𝑇
+∞ 2
1
𝑓𝑓 (𝑡𝑡) = � 𝑑𝑑𝑛𝑛 ∙ 𝑒𝑒 𝑗𝑗𝑗𝑗 𝜔𝜔 0 𝑡𝑡 𝑑𝑑𝑛𝑛 = � 𝑓𝑓(𝑡𝑡) ∙ 𝑒𝑒 −𝑗𝑗𝑗𝑗 𝜔𝜔 0 𝑡𝑡 𝑑𝑑𝑑𝑑
𝑇𝑇
𝑛𝑛 =−∞ 𝑇𝑇
−
2

Es una expresión muy compacta que simplifica la notación. Aparecen

frecuencias negativas (cuando n<0) que en realidad no existen, son una
consecuencia matemática al trabajar con la notación compleja.
Una propiedad deducible en la Serie de Fourier compleja, es que el
desplazamiento en el tiempo de una función periódica no tiene efecto
sobre el espectro de magnitud. En cambio, modifica la fase una cantidad
-nω0t0 radianes para la componente de frecuencia nω0.
 Procesamiento de señales

TRANSFORMADAS
2. Transformada de Fourier
La Transformada de Fourier es aplicable a prácticamente cualquier tipo
de función, periódica o no, mediante las siguientes relaciones:

Con el empleo de F(ω), se obtiene una función continua en el dominio de

la frecuencia ω (en rad/s). Se le llama también espectro continuo de f(t).
La función F(ω) es en general compleja, pudiéndose dividir en su partes
real e imaginaria, o en módulo (espectro de magnitud) y fase (espectro
de fase)

𝐹𝐹 (𝜔𝜔) = 𝑅𝑅 (𝜔𝜔) + 𝑗𝑗𝑗𝑗(𝜔𝜔) = |𝐹𝐹(𝜔𝜔)|𝑒𝑒 𝑗𝑗 ∅(𝜔𝜔 )

 Procesamiento de señales

TRANSFORMADAS
2. Transformada de Fourier
Significado físico de la Transformada de Fourier

Se puede interpretar como si la función f(t) estuviese compuesta de

infinitos armónicos separados un infinitésimo
 Procesamiento de señales

TRANSFORMADAS
3. La Transformada de Fourier Discreta (DFT)
Las funciones asociadas a la Transformada de Fourier son ecuaciones en
el dominio continuo del tiempo y de la frecuencia, o sea, que toman
infinitos valores en un intervalo finito de tiempo y de frecuencia. La
Transformada de Fourier Discreta ó DFT, posibilita el análisis de Fourier
en sistemas digitales.
Una ventaja de la DFT, es la existencia de algoritmos de cálculo que
permiten realizar este análisis con un número mínimo de operaciones.
Estos algoritmos se agrupan bajo la denominación de FFT (Fast Fourier
Transform o Transformada Rápida de Fourier), y optimizan los cálculos
necesarios para la DFT, siempre y cuando las señales implicadas cumplan
una serie de requisitos, como que el número de muestras sea una
potencia de 2.
Una vez alcanzada la expresión para la DFT, es necesario ver bajo qué
condiciones ésta es capaz de alcanzar la mejor aproximación a la
Transformada de Fourier.
 Procesamiento de señales
TRANSFORMADAS
3. La Transformada de Fourier Discreta (DFT)
La DFT implica un muestreo, un truncado y la convolución de la señal
resultante con un tren de impulsos cuyo resultado es una señal periódica
discreta.
Para que el muestreo no implique pérdida de información, se debe
muestrear a una frecuencia superior a la que nos da el límite de Nyquist,
su Transformada de Fourier ha de tener una frecuencia máxima.
En el truncado y convolución, el objetivo es el de obtener una señal
periódica a partir de una porción de información de la señal original. En
primer lugar, como la señal a la que se llega es una señal periódica, la
señal original lo ha de ser también. Al hacer la convolución la señal
truncada pasa a ser un período representativo de nuestra señal final, por
lo tanto el truncado ha de abarcar exactamente a uno o varios períodos
de la señal original si se no se desea introducir error en este paso.
Si la señal original es periódica, después del muestreo ha de seguir
siéndolo. La frecuencia de muestreo debe ser múltiplo de la original.
 Procesamiento de señales

TRANSFORMADAS
3. La Transformada de Fourier Discreta (DFT)

Requisitos de la señal para DFT sea equivalente a la Transf. de Fourier:

• Ser una señal periódica.
• Ser una señal de banda limitada, o sea, que su espectro frecuencial
tenga una frecuencia máxima finita.
Condiciones que garantizan la equivalencia entre la Transformada de
Fourier y la DFT:
• Muestrear por encima del doble de la fmax de la señal (límite de
Nyquist). Además la fm ha de ser un múltiplo entero de la f0.
• El tiempo de truncado ha de ser un múltiplo entero del T0, para que
este abarque un número entero de períodos.
 Procesamiento de señales

TRANSFORMADAS
3. La Transformada de Fourier Discreta (DFT)
 Procesamiento de señales
TRANSFORMADAS
4. La Transformada Rápida de Fourier (FFT)
Es un algoritmo de cálculo de la DFT que requiere mucho menor esfuerzo
computacional que el cálculo directo de la DFT. Se basa en un cálculo
iterativo de los coeficientes de la DFT, se optimiza el número de
operaciones a realizar y el tiempo de cómputo de la transformada.
Tanto el tiempo de cálculo como el error de redondeo se reducen un
factor de (log2N/N), donde N es el número de muestras de la señal a
tratar. Por ejemplo si N=1024=210, el factor vale 102.4, o sea, que si el
cálculo directo de la DFT tarda 1 hora, la FFT estaría disponible en
solamente 35 segundos.
La FFT es un algoritmo relativamente sencillo.
Se han invertido grandes esfuerzos, ya sea en la búsqueda de algoritmos
que agilicen el cálculo de la DFT, por ejemplo los algoritmos de FFT, como
en el desarrollo de un hardware apropiado para este tipo de cálculos, tal
es el caso de los DSP
 Procesamiento de señales

TRANSFORMADAS
5. Métodos básicos de Análisis Conjunto Tiempo-Frecuencia (ACTF)
El método más sencillo para caracterizar la frecuencia de una señal como
una función del tiempo era dividir la señal en varios bloques que se
podían solapar. Se aplica la Transformada de Fourier a cada bloque para
extraer los contenidos de frecuencia de cada uno de ellos. Este proceso
llegó a conocerse como la Transformada de Fourier en Tiempo Corto
(STFT) y refleja cómo los contenidos de frecuencia cambian con el
tiempo.
El tamaño de los bloques determina la precisión en tiempo. Cuanto más
pequeño es el bloque, mejor es la resolución temporal. Sin embargo, la
resolución en frecuencia es inversamente proporcional al tamaño del
bloque. Tradicionalmente, este fenómeno se conoce como efecto
ventana.
La expansión de Gabor puede considerarse como la inversa de la STFT.
 Procesamiento de señales

TRANSFORMADAS
5. Métodos básicos de Análisis Conjunto Tiempo-Frecuencia (ACTF)
Los algoritmos ACTF permiten examinar el espectro instantáneo. Se
obtiene una mayor comprensión de la naturaleza de la señal.
1. Espectrograma STFT
El espectrograma basado en la STFT se define como el cuadrado de la
STFT, es simple y rápido pero sufre el efecto ventana.

Las figuras 1 y 2 ilustran el efecto ventana del espectrograma STFT,

utilizando los términos reales de una señal de tres tonos centrados en
(0.005s, 350Hz), (0.18s, 100Hz) y (0.18s, 350Hz). Con una ventana de
banda estrecha (Fig. 1), el espectro dependiente del tiempo tiene alta
resolución en frecuencia pero baja resolución temporal. Con un ancho de
banda mayor (Fig. 2), el espectro dependiente del tiempo tiene una
resolución en frecuencia pobre pero alta resolución temporal.
 Procesamiento de señales

TRANSFORMADAS
5. Métodos básicos de Análisis Conjunto Tiempo-Frecuencia (ACTF)
Señal de 3 tonos centrados (0.005s, 350Hz),(0.18s, 100Hz),(0.18s, 350Hz).

Con una ventana de banda estrecha el Con un ancho de banda mayor, el espectro
espectro dependiente del tiempo tiene dependiente del tiempo tiene una resolución
alta resolución en frecuencia pero baja en frecuencia pobre pero alta resolución
resolución temporal. temporal.
 Procesamiento de señales

TRANSFORMADAS
5. Métodos básicos de Análisis Conjunto Tiempo-Frecuencia (ACTF)
2. Espectrograma de Gabor
El espectrograma de Gabor de cuarto orden para la señal test de tres
tonos. Presenta una alta resolución en tiempo y en frecuencia y no tiene
los términos cruzados de interferencia que aparecen en otras
distribuciones como las cónicas, Choi-Williams o Wigner-Ville.
 Procesamiento de señales

TRANSFORMADAS
6. Teoría de wavelets
La STFT está limitada a una anchura de la ventana fija, lo cual significa
que la relación entre la resolución de la frecuencia y del tiempo, que a su
vez depende de la señal a analizar, debe ser fijada a priori para capturar
un fenómeno en particular.
Las wavelets son estructuras matemáticas más avanzadas capaces de
analizar señales no estacionarias en tiempo y frecuencia que implican no
sólo el análisis espectral sino también el temporal.
La Transformada Wavelet (TW) proporciona mayor resolución en el
tiempo para componentes de alta frecuencia de una señal y mayor
resolución en la frecuencia para componentes de baja frecuencia de una
señal. La TW proporciona una ventana que se ajusta automáticamente
para dar la resolución adecuada. El análisis Wavelet descompone una
señal conforme a una escala temporal, en lugar de la frecuencia, usando
funciones de base que tienen propiedades de variación de escala.
 Procesamiento de señales

TRANSFORMADAS
6. Teoría de wavelets
Análisis tiempo frecuencia con la STFT Análisis tiempo frecuencia con la WT

Área constante
∆t frecuencia frecuencia
f f
∆f

Tiempo (o área espacial) Tiempo (o área espacial)

t t

La Transformada Wavelet descompone una señal en una suma de

traslaciones (desplazamientos en el tiempo) y dilataciones (compresiones
en el tiempo) de la denominada Wavelet madre. La función Wavelet está
localizada en el tiempo y en la frecuencia y genera una serie de
coeficientes (igual que la Transformada de Fourier) en las diferentes
escalas. Este hecho, proporciona a la TW un soporte más compacto para
el análisis de señales con componentes transitorios localizados.
 Procesamiento de señales

TRANSFORMADAS
6. Teoría de wavelets

Al igual que con el análisis de Fourier, en el cual se descompone una

señal en senos y cosenos, en el análisis wavelet se usan funciones
wavelets. Tomando como base estas funciones, una señal o función f(t)
puede ser procesada como una combinación lineal de la forma:

j y k son enteros y ψj,k(t) son las funciones wavelet que forman una base
ortogonal. La descomposición wavelet se basa en dilataciones y
traslaciones de la función ψ(t) o "wavelet madre". Los subíndices j y k
representan estas dilataciones y traslaciones.
 Procesamiento de señales

TRANSFORMADAS
6. Teoría de wavelets
 Procesamiento de señales

TRANSFORMADAS
6. Teoría de wavelets
 Procesamiento de señales

TRANSFORMADAS
6. Teoría de wavelets
Descomposición wavelet de una señal discreta
La descomposición wavelet de una señal discreta f(n), donde n es el
número de muestras, es una suma de funciones expresada:

aJ(n) (señales de aproximación) y dj(n) (señales de detalle) vienen dadas

por: a ( n) = ∑ a Φ ( n) d ( n) = ∑ d Ψ ( n)
j j ,k j ,k j j ,k j ,k
k k

y que se verifica la siguiente relación entre las señales de aproximación y

detalle:

Las señales de aproximación a(n) representan el contenido en baja

frecuencia de la señal, mientras que las señales de detalle d(n) se
corresponden con las altas frecuencias.
 Procesamiento de señales

TRANSFORMADAS
6. Teoría de wavelets
Descomposición wavelet de una señal discreta

f(n) [0,fm/2] Hz

[fm/2,fm/4] Hz [0,fm/4] Hz

d1(n) a1(n)

[fm/4,fm/8] Hz [0,fm/8] Hz

d2(n) a2(n)
[fm/8,fm/16] Hz [0,fm/16] Hz

d3(n) a3(n)
 Procesamiento de señales

TRANSFORMADAS
6. Teoría de wavelets
Descomposición wavelet de una señal discreta