Vous êtes sur la page 1sur 16

En este trabajo estableceremos qu es una transformada de Fourier, quin es

Jean Baptiste Fourier, qu hizo, por qu las transformadas llevan su nombre, una

explicacin sencilla de las transformadas, y la aplicacin que tienen las transformadas a

mi campo de estudio.

Prcticamente todo en el mundo se puede describir a travs de una forma de onda

en una funcin de tiempo, espacio o alguna otra variable. Por ejemplo, las ondas sonoras,

campos electromagnticos, la elevacin de una colina frente a la ubicacin, el precio de

sus acciones favoritas en funcin del tiempo, etc. La transformada de Fourier nos da una

manera nica y poderosa de ver estas formas de onda. Todas las formas de onda, no

importa la que observe en el universo, en realidad son slo la suma de sinusoides simples

de diferentes frecuencias.

La transformada de Fourier, es una transformada matemtica con diferentes

aplicaciones en la ptica, el procesamiento de seales, la fsica, matemtica e ingeniera.

Llevan el nombre de Jean Baptise Joseph Fourier. Nacido el 21 de marzo de 1768 en

Auxerre, Francia, fue un gran matemtico y fsico. Fourier comenz a formar trminos

muy complicados a sus 14 aos. Fue la primera persona en dar una explicacin cientfica

al efecto invernadero en un tratado. A pesar de que aport mucho al mundo cientfico,

probablemente, su trabajo ms importante tena que ver con la conduccin de calor en

los materiales. En 1811, Joseph Fourier, a sus 43 aos de edad, prefecto del distrito

francs de Auxerre, entr en una competencia en la investigacin de calor patrocinado


por la Academia Francesa de Ciencias. En el documento que present describe una

nueva tcnica analtica que hoy llamamos la transformada de Fourier, y gan la

competencia. l tom una ecuacin que describe la forma en que el calor viaja en un

medio determinado, y la resolvi con una serie infinita de funciones trigonomtricas

llamadas Series de Fourier. Bsicamente, lo que Fourier descubri se reduce a la regla

general de que todas las seales, por complejas que sean, pueden ser representadas

por una suma de funciones sinusoidales, que se mezclan de forma individual. De esas

series viene la motivacin para la transformada de Fourier. Muere en Pars el 16 de mayo

de 1830.

En el estudio de series de Fourier, funciones complicadas pero peridicas se

escriben como la suma de ondas simples, matemticamente representadas por senos y

cosenos. Las series de Fourier son tiles para el estudio de seales peridicas pero,

desafortunadamente, ste tipo de seales no son tan frecuentes en la prctica como las

no peridicas. La transformada de Fourier es una extensin de la serie de Fourier que

se produce cuando se utiliza la suma de ondas sinusoidales simples para funciones no

peridicas.

La transformada de Fourier se presenta en tres variedades: la vieja transformada

de Fourier, las series de Fourier y la transformada de Fourier discreta. Pero es la

transformada de Fourier discreta o DFT, la que representa el renacimiento de Fourier.

Debido a las propiedades del seno y el coseno, es posible recuperar la amplitud de cada
onda en una Serie de Fourier usando una integral. En muchos casos es conveniente

utilizar la frmula de Euler, para escribir series de Fourier en trminos de los flujos

bsicos e2i. Esto tiene la ventaja de simplificar muchas de las frmulas involucradas, y

proporciona una formulacin para la serie de Fourier que se asemeja ms a la definicin

utilizada en este artculo. Re-escribir los senos y cosenos como exponenciales

complejos, hace que sea necesario que los coeficientes de Fourier sean valores

complejos. La interpretacin usual de este nmero complejo es que da tanto la amplitud

(o tamao) de la onda presente en la funcin, y la fase (o el ngulo inicial) de la onda.

Estos exponenciales complejos contienen a veces "frecuencias" negativas. Cuando la

transformada de Fourier se trabaja en trminos complejos, el coseno se encuentra en la

parte real y el seno en el plano "imaginario".

Matemticamente la transformada de Fourier es una generalizacin de las series

complejas de Fourier, cuando el lmite tiende al infinito. Se sustituye A n con F(k) dk

mientras n/L tiende a K. Luego se cambia la sumatoria por una integral, y la ecuacin

final es:
Una cosa es clara: bajo ciertas hiptesis, conocer la transformada de Fourier de

una seal equivale a conocer dicha seal, ya que al aplicar la transformada inversa

recuperamos toda la informacin. La transformada inversa, matemticamente es descrita

de la con la siguiente ecuacin.

Para tener una idea de lo que la transformada de Fourier hace, considere la

posibilidad de un Ipod conectado a una bocina. El Ipod enva la informacin de audio a

la bocina como fluctuaciones en el voltaje de una seal elctrica. Estas fluctuaciones

causan que el tambor de la bocina vibre, que a su vez hace que las partculas de aire se

muevan y produzcan sonido.

Las fluctuaciones de una seal de audio a travs del tiempo se pueden representar

en una grfica: el eje x es el tiempo, y el eje y es la tensin de la seal elctrica, o tal vez

el movimiento del tambor de la bocina o partculas de aire. De cualquier manera, la seal

termina pareciendo a un garabato ondulatorio errtico. Pero al escuchar el sonido que

se produce a partir de ese garabato, se puede distinguir con claridad todos los

instrumentos de una orquesta sinfnica, tocando notas al mismo tiempo.

Eso es debido a que el garabato es, efectivamente, la suma de una serie de

garabatos mucho ms regulares, que representan diferentes frecuencias de sonido.

Frecuencia slo significa la velocidad a la que las molculas de aire van y vienen, o una
fluctuacin de voltaje, y se puede representar como la velocidad a la que un garabato

habitual sube y baja. Al agregar dos frecuencias en conjunto, el garabato que queda sube

cuando las frecuencias que lo compone suben, baja donde ambos van hacia abajo, y

hace algo en el medio donde van en diferentes direcciones.

La Transformada de Fourier hace matemticamente lo que el odo humano hace

fsicamente: descomponer una seal en sus frecuencias componentes. A diferencia de

la seal analgica de, por ejemplo, un reproductor de discos, la seal digital de un

reproductor de un archivo de msica mp3 es simplemente una serie de nmeros, cada

uno representando un punto en un garabato. Si recogemos suficientes de esos puntos,

reproduciremos una imitacin razonable de una seal continua. Una grabacin de audio

digital con calidad de CD, por ejemplo, recoge 44.100 muestras por segundo.

De igual forma, si conocemos los coecientes de Fourier de cierta seal

(peridica), de la que sabemos que es sucientemente suave, entonces conocemos la

seal, pues para rescatarla completamente bastar sumar la correspondiente serie de

Fourier. As, el papel del espectro de la seal, que en el caso peridico lo juegan los

coecientes de Fourier, en el caso no peridico lo juega la transformada de Fourier. La

palabra transformada indica que estamos trabajando con una herramienta para

transformar un tipo determinado de problema en otro. De hecho, la transformada de

Fourier ser til para simplicar el estudio de la solucin de cierto tipo de ecuaciones

diferenciales, convirtiendo el problema de la solucin de una ecuacin diferencial en un

problema de solucin de ecuaciones algebraicas. La motivacin para dicho estudio est


en el hecho de que la transformada de Fourier posee buenas propiedades algebraicas

cuando se aplica a las derivadas sucesivas de una seal, o al trasladar la seal, etc.

La onda original se puede aproximar por una mezcla de senos llamados parciales,

que se mezclan en una cierta relacin. Mientras ms se utilicen los senos, ms precisin

tiene el resultado comparado nuestra forma de onda original. En el mundo "real", donde

las seales son continuas, es decir, que se puede medir en intervalos infinitamente

pequeos, en una precisin que slo est limitado por su equipo de medicin, se

necesitara un nmero infinito de senos para construir perfectamente cualquier seal

dada. Ms bien, se trata de muestras de dichas seales que se miden en intervalos

regulares y slo con precisin finita. Por lo tanto, no necesitamos un nmero infinito de

senos, slo necesitamos lo suficiente. En la mayora de los casos, se trata de ondas que

pueden tener una estructura muy compleja, por lo que no se sabe de antemano cuntas

ondas "parciales" no estn realmente presentes. En este caso, es muy reconfortante

saber que si no sabemos cuntas ondas sinusoidales constituyen la seal original no

existe un lmite superior a la cantidad que necesitaremos. Sin embargo, esto nos deja

con la pregunta de cuntas realmente son. Supongamos que tenemos 1000 muestras de

una seal. La onda sinusoidal con el perodo ms corto que puede estar presente alterna

picos y valles para cada muestra. Por lo tanto, la onda sinusoidal con la frecuencia ms

alta tiene picos 500 y valles 500 en nuestras 1.000 muestras.


Ahora vamos a ver lo baja que la onda sinusoidal de frecuencia ms baja puede

ser. Si nos dan slo un punto de muestra nica, cmo podramos ser capaces de medir

los picos y valles de una onda sinusoidal que pasa por este punto? No podemos, ya que

hay muchas ondas sinusoidales de diferentes perodos que pasan por este punto. Por lo

tanto, un nico punto de datos no es suficiente para decirnos algo acerca de la

frecuencia. Ahora, si nos dieron dos muestras, cul sera la frecuencia de la onda

sinusoidal ms baja que pasa por estos dos puntos? En este caso, es mucho ms

sencillo. Hay una onda sinusoidal de frecuencia muy baja que pasa a travs de los dos

puntos.

Imagnese los dos puntos ms a la izquierda son dos clavos con una soga

extendida entre ellos La frecuencia ms baja que podemos ver es la soga de vaivn

entre los dos clavos. Si tenemos 1.000 muestras, los dos "clavos" seran, la primera y la

ltima muestra, es decir, la nmero 1 la nmero 1000. Se conoce que la frecuencia de

una cadena baja cuando aumenta su longitud. As que podemos esperar que nuestra

onda sinusoidal ms baja, es ms baja en frecuencia, cuando se distancian los clavos

uno del otro. Si elegimos 2.000 muestras, por ejemplo, la onda sinusoidal ms bajo ser

mucho menor, ya que nuestros 'clavos' son ahora muestra nmero 1 y el nmero de la

muestra de 2000. De hecho, va a ser dos veces ms bajo, ya que los clavos estn ahora

al doble de distancia que las primeras 1000 muestras. Por lo tanto, si tenemos ms

muestras, podemos discernir las ondas sinusoidales de una frecuencia ms baja, ya que

cada vez que pasa por cero, nuestros 'clavos', se movern ms lejos.
Como podemos ver, despus de dos "clavos" nuestra onda empieza a repetir con

la pendiente ascendente (el primero y el tercero clavo son idnticos). Esto significa que

cualquiera de los dos clavos adyacentes abarca exactamente la mitad de la onda

sinusoidal completa, o en otras palabras, ya sea un pico o un valle, o medio periodo.

Todava no sabemos cuntas de estas ondas sinusoidales que finalmente

necesitamos. Como ya sabemos la frecuencia inferior y superior que cualquier onda

sinusoidal parcial puede tener, podemos calcular cuntos de ellos encajan entre estos

dos lmites. Puesto que hemos clavado nuestra onda sinusoidal parcial ms baja a las

muestras del extremo izquierdo y derecho, es necesario que todas las dems ondas

sinusoidales utilicen estos clavos tambin Imagnense las ondas sinusoidales son

cuerdas de una guitarra conectada a dos puntos fijos. Slo pueden oscilar entre los dos

clavos (a menos que se rompen), al igual que nuestras ondas sinusoidales de abajo.

Esto conduce a la relacin ms baja que nuestro primer parcial encaja con perodo de

1/2, el segundo parcial se ajusta a 1 periodo, el tercer parcial se ajusta a 1 1/2 perodo,

siguiendo as en las 1000 muestras que tenemos.

Ahora bien, si contamos el nmero de ondas sinusoidales que caben en nuestras

1.000 muestras de esa manera, para crear la onda original, nos encontraremos con que

necesitamos exactamente 1.000 ondas sinusoidales suman para representar las 1000

muestras. De hecho, siempre encontraremos que necesitamos la misma cantidad de

ondas sinusoidales que de muestras. La sumatoria de estas ondas sinusoidales, ms la


amplitud determinada, se acerca a la onda original; mientras ms ondas sinusoidales

hayan, ms se parece a la onda original.

Como hemos visto, la transformada de Fourier y sus "parientes", las transformadas de

seno y coseno discretio proporcionan herramientas tiles para descomponer una seal

en un grupo de ondas parciales. La ventaja de utilizar tanto el seno y el coseno de onda

simultneamente en la transformada de Fourier es que as se puede introducir el

concepto de fase que hace que la transformacin ms general en la que podemos utilizar

para analizar de manera eficiente y claramente sinusoides que no son puras, y por

supuesto otras seales as.

La transformada de Fourier es independiente de la seal bajo examen, ya que requiere

el mismo nmero de operaciones no importa si la seal que estamos analizando es una

sola sinusoide o alguna otra cosa ms complicada. Esta es la razn por la transformada

de Fourier discreta se llama transformacin no paramtrica, lo que significa que no es

directamente til cuando se necesita un anlisis "inteligente" de la seal.

Por ltimo, es importante mencionar que hay una aplicacin ms eficiente de las

transformadas de Fourier; un algoritmo llamado "Fast Fourier Transform", que fue

concebido originalmente por los cientficos de la computacin James Cooley y John

Tukey en 1965. La Fast Fourier Transform" es un algoritmo eficiente que calcula la


transformada en menos tiempo, pero idntico con respecto a sus resultados en una

computadora.

Luego de haber tomado la seal de una cancin reproducida en una bocina por

un Ipod, aplicar las transformadas de Fourier a mi campo: Agrimensura. Hay equipo

especializado de medicin que utiliza las transformadas de Fourier.

El equipo patentizado de Koji Kobayashi y Hiroshi Nakajima dispositivo de medir

distancias en objetivos de imgenes en movimiento de alta velocidad, utiliza la

Transformada de Fourier.

Es un dispositivo de medicin a distancia que incluye una primera y segunda

cmara, primera y segunda secciones de datos de patrones de generacin de Fourier,

una seccin de procesamiento de patrones, y una seccin de medicin de distancia. Las

dos cmaras estn separadas una de otra por una distancia predeterminada. La primera

seccin de generacin de datos del patrn de Fourier, genera la primera informacin de

patrn de Fourier en dos dimensiones, mediante la realizacin de la Transformada

discreta de Fourier de dos dimensiones para transformar los datos de imagen captados

por la primera cmara como datos del primer patrn. La segunda seccin de generacin

de datos de patrn de Fourier genera segundos datos de patrn de Fourier en dos

dimensiones mediante la realizacin de la Transformada discreta de Fourier para

transformar los datos de imagen captados por la segunda cmara como datos del

segundo patrn. La seccin de procesamiento de patrones sintetiza la primera y segunda

informacin de patrn de Fourier de dos dimensiones, y lleva a cabo ya sea la


Transformada de Fourier discreta bidimensional, o la Transformada discreta de Fourier

inversa para transformar los datos sintetizados. La seccin de medicin de distancia

obtiene un pico de correlacin en un intervalo de exclusin de una parte cerca de una

posicin de referencia en una zona componente de correlacin que aparece en la de

Fourier sintetizado datos de patrn de dos dimensiones, y mide la distancia a un objetivo

sobre la base de la distancia a partir de una referencia posicin en el rea de componente

de correlacin de la posicin del pico de correlacin.

Otro invento de medicin, patentizado e inventado por Felix Hohne, utiliza tambin

las Transformadas de Fourier. La invencin se refiere a un radar de medicin de

distancia. Una seal de alta frecuencia modulada en frecuencia lineal especial se emite

a travs de una antena y se mezcla con una seal de eco reflejada por un objeto de

destino cuya distancia ha de determinarse. La distancia de dicho objeto de destino a

continuacin, se puede calcular mediante el anlisis de la frecuencia del resultado de la

mezcla. El objetivo de la invencin es mejorar la resolucin de la distancia o aumentar la

precisin de la medicin. Para este fin, un primer anlisis de frecuencia se lleva a cabo

primero para obtener un resultado de anlisis aproximado. Dicho resultado anlisis

aproximado se usa para controlar un dispositivo de filtracin que luego restringe el

resultado de la mezcla en su rango de tiempo para un segmento alrededor de la

frecuencia del objeto de destino. Una transformada de Fourier discreta se lleva a cabo

entonces para este segmento con el fin de producir un resultado del anlisis con un paso

de exploracin ms refinado que el primer anlisis de frecuencia. El resultado de la

medicin se refina an ms, preferiblemente teniendo en cuenta no slo la frecuencia


del resultado de la mezcla como se determina por el objeto de destino, sino tambin la

relacin de fase de la oscilacin de esta frecuencia y por el que se completa el resultado

de la medicin con una longitud de onda correspondiente parte fraccionaria.

Una de las aplicaciones que consider ms interesante fue la del modelaje de las

anomalas del nivel del mar por medio de la Fast Fourier Transform". Se presenta un

mtodo de anlisis espectral y filtrado de las anomalas del nivel del mar (SLA) obtenidos

a partir de mediciones altimtricas, tomadas con el satlite TOPEX / POSEIDON. Tales

anomalas del nivel del mar en un momento determinado crean la topografa de la

superficie del mar, que se puede analizar utilizando las Fast Fourier Transform" de dos

dimensiones (FFT 2D). Los datos originales llamados "ciclos" se definen en una rejilla

rectangular en el dominio de latitud y longitud y se transforman con el FFT 2D al nmero

de ondas correspondientes al dominio, con coordenadas representando el nmero de

ondas por grado en las direcciones de latitud y longitud, respectivamente. El filtrado de

la topografa de la superficie del mar se consigue multiplicando los datos transformados

por una funcin de transferencia del filtro e invirtiendo los datos de la FFT.

Estos anlisis permiten la deteccin de las ondas con ms energa en la topografa

de la superficie del mar y la estimacin de cunto se relacionan las anomalas del nivel

del mar en diferentes momentos de tiempo a lo largo de los meridianos y paralelos. Se

ha encontrado que la correlacin y la coherencia de la topografa de la superficie del mar


a lo largo de los paralelos es mayor que a lo largo de los meridianos para todo el rango

de nmero de onda, independientemente de tiempo.

Otra de las aplicaciones cercanas a mi campo es en la topografa. La topografa

de superficie tiene un gran impacto en las propiedades mecnicas. Dado que las

superficies medidas reales contienen ruido, no son adecuadas para el anlisis y la

investigacin, y es necesaria la reconstruccin de la topografa de superficie. La

Transformada Discreta de Fourier puede convertir data en un dominio espacial al dominio

de la frecuencia. La informacin de la superficie se confirma a partir de la distribucin de

amplitud-frecuencia en el dominio de la frecuencia.

Una descripcin de una nueva tcnica de Fourier utilizada en la agrimensura se

da para el clculo de la atraccin gravitatoria de una capa con una superficie superior

irregular para su aplicacin en el terreno correccin de los estudios gravedad marinos en

aguas poco profundas. Anteriormente un algoritmo basado en Fourier falla o se vuelve

inexacto cuando los picos de la topografa se aproximan a la superficie del mar muy de

cerca. El nuevo enfoque divide la atraccin en dos partes: una contribucin local desde

el material dentro de un cilindro alrededor de cada punto de observacin y la atraccin

de la materia fuera del cilindro. Una regla de cuadratura especial, optimizada para la

distribucin de los datos reales, evala la contribucin local. El clculo del componente

exterior representa la mayor parte del esfuerzo numrico. Afortunadamente, la integral

exterior posee una expansin como una serie de circunvoluciones, y mediante la


evaluacin de estos en el dominio de Fourier el procedimiento puede tomar ventaja de la

eficiencia de la transformada rpida de Fourier.

Las transformadas de Fourier tienen grandes aplicaciones en los distintos campos

de la ciencia, ya que en el mundo existen ondas no peridicas, y las Transformadas de

Fourier convierten esta informacin en una ms sencilla y fcil de recuperar, por medio

de la suma de funciones trigonomtricas.


Referencias

http://itp.nyu.edu/~cm2878/crysmoore/?p=927

http://www.ncbi.nlm.nih.gov/pubmed/9267626

http://link.springer.com/chapter/10.1007%2F978-3-642-27183-0_6#page-1

http://www.intechopen.com/books/fourier-transforms-new-analytical-approaches-and-ftir-

strategies/description-of-topography-of-surfaces-and-thin-films-with-the-use-fourier-transformation-

obtained-fr

http://ieeexplore.ieee.org/xpl/articleDetails.jsp?tp=&arnumber=5609552&url=http%3A%2F%2Fieeexplo

re.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D5609552

http://www.opticsinfobase.org/josa/abstract.cfm?uri=josa-72-1-156

http://www.dmae.upm.es/Asignaturas/MetodosMatematicos_eiae/Transformada_Fourier.pdf

http://www4.ujaen.es/~jmalmira/transformada_fourier_almira.pdf

http://amatema.webs.ull.es/anamat_p0304/Fisica/Metodos%20Matematicos%20V/RMMATVT4.pdf

http://www.fftw.org/

http://www.nbtwiki.net/doku.php?id=tutorial:the_discrete_fourier_transformation_dft#.UZ3HV

4fmMco

https://ccrma.stanford.edu/~jos/mdft/DFT_Definition.html

http://web.mit.edu/newsoffice/2009/explained-fourier.html

http://www.cbk.waw.pl/~kosek/strona2/kosek3.html

http://www.opticsinfobase.org/josa/abstract.cfm?uri=josa-72-1-156
http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=5609552&url=http%3A%2F%2Fieeexplo

re.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D5609552

http://www.google.com/patents/US6148270

http://www.google.com.mx/patents/US6373427

Vous aimerez peut-être aussi