You are on page 1of 4

TRANSFORMADA RAPIDA DE FOURIER

Altamar Carlos
De la Hoz Nelson
Herrera Cesar
Molina Angélica
Niebles Jairo
Pizarro Oscar

ING, ESP, M.SC, PH.D(C) JORGE DUARTE FORERO

UNIVERSIDAD DEL ATLÁNTICO

FACULTAD DE INGENIERÍA
PROGRAMA INGENIERIA MECÁNICA
INSTRUMENTACION INDUSTRIAL
SEMESTRE 2016-1

BARRANQUILLA -COLOMBIA
04 DE ABRIL 2016
1. Transformada de fourier [1]

Cada persona que dedica su tiempo en las áreas de la física o ingeniería tiene en un momento u otro utilizar técnicas
de transformación para simplificar la solución de un problema, el concepto de Fourier como transformación matemática
se emplea para convertir señales entre el dominio del tiempo y el dominio de la frecuencia, esa es la esencia de la
transformada de Fourier: descomponer o separar la forma de onda en una suma de sinusoides de frecuencias diferentes.
Dado un conjunto de datos de la muestra y una frecuencia de la transformada le dará la amplitud y la fase de la frecuencia
dentro de los datos de la muestra. Una equivalencia muy ilustrativa y adecuada para explicar la transformada de Fourier
es compararlo a un batido, dado dicho batido, se encuentra los ingredientes ¿Cómo Ejecutando el licuado a través de
filtros para extraer cada ingrediente ¿Por qué Los ingredientes son fáciles de analizar, comparar y modificar que el propio
batido? Cómo conseguimos el batido de nuevo Se mezclan los ingredientes. Matemáticamente, esta relación se expresa
como:

𝑆(𝑓) = ∫ 𝑠(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡
−∞

Donde S(f) es la forma de onda que se descompone en una suma de sinusoides, S(f) es la transformada de Fourier
de S (t), y 𝑗 = √−1.

Ahora, la transformada de Fourier más allá de las resoluciones de ecuaciones diferenciales parciales, resulta de gran
utilidad en el procesamiento de señales ya que podremos reconstruir una señal transmitida por el muestreo en sus puntos
discretos. Considere como funciones las señales provenientes de una fuente, el problema que representa realizar el
cálculo de un número infinito de coeficiente de Fourier y sumar una serie infinita para reconstruir una señal (función) no es
práctico. Una suma finita podría ser una aproximación satisfactoria, sin embargo, ciertas señales pueden reconstruirse
mediante un número finito de muestras. Debido a la naturaleza de las matrices que se generan con la transformación
discreta de Fourier, estas operaciones pueden realizarse de manera muy eficiente, desde el punto de vista computacional,
mediante el uso de la TRANSFORMADA RÁPIDA DE FOURIER.

La interpretación de los resultados de la transformada rápida de Fourier no requiere de profundos conocimientos en


el algoritmo en sí mismo, sino en la comprensión de la transformada discreta de Fourier. Esto se deduce del hecho de
que la FFT es simplemente un algoritmo (es decir, un método particular de realización de una serie de cálculos) que puede
calcular la transformada de Fourier discreta mucho más rápidamente que otros algoritmos disponibles. [2] Así que
abordando primero la transformada discreta de Fourier Matemáticamente, se puede escribir la como una serie compleja:

1 2𝑝
𝑓(𝑥) = ∑ 𝑐𝑛 𝑒 𝑖𝑛𝑤𝑥 𝑑𝑜𝑛𝑑𝑒 𝑐𝑛 = ∫ 𝑓(𝑥)𝑒 −𝑖𝑛𝑤𝑥 𝑑𝑥 (1)
2𝑝 0
𝑛= −∞

2𝜋
Donde 𝑤 = = 𝜋/𝑝, es la frecuencia angular fundamental y 2p es el periodo fundamental. Sin embargo, en el caso
2𝑝
discreto, la entrada es f0, f1, f2, . . . , que son los valores de la función f en puntos uniformemente espaciados 𝑥 = 𝑛𝑇, n=
0, 1, 2, . . . . El número T se llama velocidad de muestreo o longitud del intervalo de muestreo.* Si f es continua en T,
entonces la muestra de f en T está definida como el producto 𝑓(𝑥)𝛿(𝑥 − 𝑇) , donde 𝛿(𝑥 − 𝑇)es la función delta de Dirac
(vea la sección 4.5). Podemos entonces representar esta versión discreta de f, o señal discreta, como la suma de impulsos
unitarios que actúan sobre la función en 𝑥 = 𝑛𝑇

𝑓(𝑥) = ∑ 𝑓(𝑥)𝛿(𝑥 − 𝑛𝑇) (2)


𝑛= −∞

Si aplicamos la transformada de Fourier a la señal discreta (2) tenemos:


∞ ∞

∫ ∑ 𝑓(𝑥)𝛿(𝑥 − 𝑛𝑇) 𝑒 𝑖𝛼𝑥 𝑑𝑥 (3)


−∞ 𝑛= −∞

Mediante la propiedad de análisis de la función delta de Dirac esto es lo mismo que:


𝐹(∝) = ∑ 𝑓(𝑛𝑇)𝑒 𝑖𝛼𝑛𝑇 (4)


𝑛= −∞

La expresión 𝐹(∝) en (4) se llama transformada discreta de Fourier (DFT) de la función f. En (4), a menudo escribimos
los coeficientes f(nT) como f(n) o fn. También vale la pena observar que debido a que 𝑒 𝑖𝛼𝑇 es periódica en α y 𝑒 𝑖𝛼𝑇 =
2𝜋
𝑖(𝛼𝑇+ )𝑇
𝑒 𝑖(𝛼𝑇+2𝜋) = 𝑒 𝑇 solamente es necesario considerar la función para α en [0, 2𝜋/T]. Sea 𝑁 = 2𝜋/𝑇. Esto coloca a x
en el intervalo [0, 2𝜋]. Por lo tanto, debido a que muestreamos sobre un periodo, la suma en (4) es realmente finita.
Ahora considere los valores funcionales f (x) en puntos N uniformemente espaciados, x =nT, n= 0, 1, 2, . . . , N - 1,
en el intervalo [0, 2𝜋], esto es, f0, f1, f2, . . . , Fn-1. Usando estos N términos, la serie discreta (finita) de Fourier 𝑓(𝑥) =
∑∞
𝑛= −∞ 𝑐𝑛 𝑒
𝑖𝑛𝑤𝑥
nos da :

𝑓𝑜 = 𝑐0 + 𝑐1 𝑒 𝑖∗1∗0 + 𝑐2 𝑒 𝑖∗2∗0 … . + 𝑐𝑁−1 𝑒 𝑖∗(𝑁−1)∗0

𝑓1 = 𝑐0 + 𝑐1 𝑒 𝑖∗2𝜋/𝑁 + 𝑐2 𝑒 𝑖∗4𝜋/𝑁 … . + 𝑐𝑁−1 𝑒 𝑖∗(2𝑁−1)𝜋/𝑁

𝑓2 = 𝑐0 + 𝑐1 𝑒 𝑖∗4𝜋/𝑁 + 𝑐2 𝑒 𝑖∗8𝜋/𝑁 … . + 𝑐𝑁−1 𝑒 𝑖∗(4𝑁−1)𝜋/𝑁

𝑓𝑁−1 = 𝑐0 + 𝑐1 𝑒 𝑖∗(2𝑁−1)𝜋/𝑁 + 𝑐2 𝑒 𝑖∗(4𝑁−1)𝜋/𝑁 … . + 𝑐𝑁−1 𝑒 𝑖∗(2𝑁−1)2𝜋/𝑁


𝑖2𝜋
2𝜋 2𝜋
Si establecemos 𝑤𝑛 = 𝑒 𝑛 = cos + 𝑖 𝑠𝑒𝑛 y aplicamos las leyes exponentes, este sistema de ecuaciones es lo
𝑛 𝑛
mismo que :

𝑓𝑜 = 𝑐0 + 𝑐1 + 𝑐2 … . + 𝑐𝑁−1 𝑓1 = 𝑐0 + 𝑐1 𝑤𝑁 + 𝑐2 𝑤𝑁2 … . + 𝑐𝑁−1 𝑤𝑁𝑁−1


2(𝑁−1) 2(𝑁−1) (𝑁−1)2
𝑓2 = 𝑐0 + 𝑐1 𝑤𝑁2 + 𝑐2 𝑤𝑁4 … . + 𝑐𝑁−1 𝑤𝑁 … .. 𝑓𝑁−1 = 𝑐0 + 𝑐1 𝑤𝑁 + … . + 𝑐𝑁−1 𝑤𝑁 5)

Al utilizar notación matricial, entonces (5) es :


1 1 1 ….. 1 𝑐0
𝑓𝑜
1 𝑤𝑁 𝑤𝑁2
… . . 𝑤𝑁𝑁−1 𝑐1
𝑓1 (
𝑓2 = 1 𝑤𝑁2 𝑤𝑁4… . . 𝑤𝑁2(𝑁−1) 𝑐2
. . 6)
. .
(𝑓𝑁−1 ) 𝑁−1
(1 𝑤𝑁
2(𝑁−1)
𝑤𝑁 𝑤𝑁
(𝑁−1)2
)(
𝑐𝑁−1 )

Dejemos que la matriz de NXN en (6) quede expresada mediante el símbolo 𝐹𝑁 . Dadas las entradas f0, f1, f2, . . fn-
1, ¿existe una forma sencilla de encontrar los coeficientes de Fourier c0, c1, c2, . . . ,𝑐𝑁−1 Si 𝐹𝑁 es la matriz constituida por
los complejos conjugados de los elementos de 𝐹𝑁 y si I expresa la matriz identidad de N X N, entonces tenemos:
1
𝐹𝑁 ̅𝐹̅̅𝑁̅ = ̅𝐹̅̅𝑁̅𝐹𝑁 𝑃𝑜𝑟 𝑙𝑜 𝑞𝑢𝑒 𝐹𝑁−1 = ̅𝐹̅̅̅
𝑁 𝑁
A partir de 6 y de la última ecuación es posible deducir que:
𝑐0 𝑓𝑜
𝑐1 1 𝑓1
𝑐2 = ̅𝐹̅̅𝑁̅
𝑁 𝑓
. .2
(𝑐𝑁−1 ) (𝑓𝑁−1 )
Ahora partiendo de la explicación de la transformada discreta de Fourier de f(x), donde tenemos a f muestreada en
n puntos uniformemente espaciados por una distancia T entre ellos, por ejemplo 0, T, 2T, 3T, . . . , (n - 1)T. (Utilizamos
𝑇 = 𝜋/𝑛 al comienzo de todo . Sustituyendo lo anterior, la transformada discreta de Fourier:
𝑛−1 𝑛−1
2𝜋𝑀 𝑏 − 𝑎 𝑖2𝜋𝑀𝑎 𝑏−𝑎 𝑗𝑀 2𝜋𝑘 𝑘𝑗
𝐹( )= 𝑒 𝑏−𝑎 ∑ 𝑓(𝑎 + 𝑗)𝑤𝑛 𝑠𝑒 𝑐𝑜𝑛𝑣𝑖𝑒𝑟𝑡𝑒 𝑒𝑛 𝐹 ( ) = 𝑇 ∑ 𝑓𝑗 𝑤𝑛 , 𝑘 = 0,1,2. . , 𝑛 − 1
𝑏−𝑎 𝑛 𝑛 𝑇
𝑗=0 𝑗=0

𝑘𝑗
Por simplicidad de notación, se escribe mejor: 𝐶𝑘 = ∑𝑛−1
𝑗=0 𝑓𝑗 𝑤𝑛 , 𝑘 = 0,1,2. . , 𝑛 − 1

Si recordamos ahora las matrices en (6), f= 𝐹𝑁 c. podemos ahora entender La clave de la TRF que es al final son
las propiedades de 𝑤𝑛 y la factorización de matrices. Si 𝑛 = 2𝑁 2N, podemos escribir Fn de la manera siguiente:
𝐼 𝑁−1 𝐷2𝑁−1 𝐹 𝑁−1 0
𝐹2𝑁 = ( 2 )( 2 )𝑃
𝐼2𝑁−1 −𝐷2𝑁−1 0 𝐹2𝑁−1

donde 𝐼𝑘 es la matriz identidad k x k, y P es la matriz permutación que modifica a l matriz c de tal forma que los
subíndices pares se colocan en la parte superior mientras los impares van en la inferior.

La matriz D es una matriz diagonal definida por,


1
𝑤2𝑁
𝑤22𝑁
… 𝑁−1 −1
( 𝑤22𝑁 )

Observe que cada una de las 𝐹2𝑛−1 matrices puede, a su vez, factorizarse. Al final, la matriz 𝐹𝑁 con 𝑛2 elementos
diferentes de cero se factoriza como el producto de n matrices más sencillas, lo cual significa un gran ahorro en cuanto a
la cantidad de cálculos necesarios que deba realizar una computadora.

2. Caso de estudio y aplicación [2]

En nuestro caso que usamos el ALGORITMO DE BLUESTEIN para calcular la DFT de x(n), se evalúa la Z-transformada
de x(n) en N puntos igualmente espaciados en un círculo unitario en el plano z. El uso de un cambio no lineal de la variable, se puede
crear una estructura que es equivalente a la modulación y filtrado de x(n) por una señal de "picos". Su identidad matemática es
𝑛2 −(𝑘−𝑛)2 +𝑘 2
(𝑘 − 𝑛)2 = 𝑘 2 − 2𝑘𝑛 + 𝑛2 entonces 𝑛𝑘 =
2

El cual si la reemplazamos en la ecuación de la DFT


𝑁−1
2 ⁄2 2 ⁄2 2 ⁄2
𝐶(𝑘) = {∑[𝑥(𝑛)𝑊 𝑛 ]𝑊 −(𝑘−𝑛) } 𝑊𝑘
𝑛=0
2
Esta ecuación se puede interpretar como multiplicando primero los datos x (n) por una secuencia de picos (𝑊 𝑛 ⁄2 ), luego la
convolución, y finalmente multiplicamos la salida del filtro por la secuencia de picos para dar el DFT. Definir la secuencia de picos o
2
señal como ℎ(𝑛) = 𝑊 𝑛 ⁄2 que se llama un pico porque el exponente cuadrado da una sinusoide con el cambio de frecuencia.
Entonces nos queda:

𝐶(𝑛) = {[𝑥(𝑛)ℎ(𝑛)] ∗ ℎ−1 }ℎ(𝑛)

Sabemos que la convolución se puede llevar a cabo multiplicando la DFT de la señal, entonces aquí vemos que la evaluación de
la DFT se puede llevar a cabo por convolución.

Algo que tuvimos presente que la limitación fundamental del algoritmo es la aplicación de datos IGUALMENTE ESPACIADOS
PARA EL CASO DE ESTUDIO SE SUPONE QUE EL MOTOR GIRA A UNA RPM CONSTANTE, podemos notar de los datos que varía es cada
0,5° , este es la limitación del algoritmo pero que coincide bien con nuestros datos, además que el algoritmo de bluestein se utilizan
para numero impares.

3. Conclusión [2]

El algoritmo de Goertzel en su forma de primer orden no es particularmente interesante, pero la forma de segundo
orden de dos a-un-tiempo es significativamente más rápido que una directa DFT. También se puede utilizar para cualquier
evaluación polinómica o para la DTFT a valores desigualmente espaciados o para la evaluación de algunos términos DFT.
Una observación muy interesante es que el bucle interior mayor parte de la Glassman-Ferguson FFT es uno de primer
orden Goertzel algoritmo a pesar de que la FFT se desarrolla en un marco muy Erent di.

Además de recuentos flotante Aritmética en coma, el número de evaluaciones de la función trigonométrica que deben
realizarse o el tamaño de una tabla para almacenar los valores calculados previamente deben ser considerados. Dado
que el valor de los términos W NK en (5.23) se iterativamente calcular en la estructura de filtro IIR, No es redonda-o
acumulación de errores que deben ser analizados en cualquier aplicación. Puede ser posible mejorar aún más la ciencia
de la segunda orden algoritmo de Goertzel para el cálculo de la totalidad de la DFT de una secuencia de números. Tal vez
un cuarto orden DE podía calcular cuatro valores de salida a la vez y que podría ser separados por un numerador que
cancelar tres de los ceros. Tal vez el algoritmo podría estar dispuesto en etapas para dar un registro de N (N) recuento de
operación. El algoritmo actual no tiene en cuenta ninguna de las simetrías del índice de insumos.

4. Bibliografía
[1] “Brigham - The Fast Fourier Transform.” [Online]. Available:
http://www.ingelec.uns.edu.ar/pds2803/Materiales/LibrosPDF/Brigham/TOC.htm. [Accessed: 05-Apr-2016].

[2] M. Clausen and U. Baum, Fast {F}ourier {T}ransforms. 1993.

You might also like