Vous êtes sur la page 1sur 4

Universidad Politécnica Salesiana

Nombre: Pablo Tupiza G.


Asignatura: Análisis de señales
Tema: Transformada de Fourier y Trasformada Inversa
Transformada de Fourier
¿Para qué sirve?
La transformada de Fourier es básicamente el espectro de frecuencias de una función. Un buen ejemplo
de eso es lo que hace el oído humano, ya que recibe una onda auditiva y la transforma en una
descomposición en distintas frecuencias. El oído humano va percibiendo distintas frecuencias a medida
que pasa el tiempo, sin embargo, la transformada de Fourier contiene todas las frecuencias del tiempo
durante el cual existió la señal; es decir, en la transformada de Fourier se obtiene un sólo espectro de
frecuencias para toda la función.

La transformada de Fourier se utiliza para pasar una señal al dominio de frecuencia para así obtener
información que no es evidente en el dominio temporal. Por ejemplo, es más fácil saber sobre qué
ancho de banda se concentra la energía de una señal analizándola en el dominio de la frecuencia.
La transformada también sirve para resolver ecuaciones diferenciales con mayor facilidad y, por
consiguiente, se usa para el diseño de controladores clásicos de sistemas realimentados, si
conocemos la densidad espectral de un sistema y la entrada podemos conocer la densidad espectral
de la salida. Esto es muy útil para el diseño de filtros de radiotransistores.
La transformada de Fourier también se utiliza en el ámbito del tratamiento digital de imágenes,
como por ejemplo para mejorar o definir más ciertas zonas de una imagen fotográfica o tomada con
una computadora

¿Qué encuentra?

Una serie temporal es, en el fondo, la suma de muchas ondas como las que has visto antes. Estas
ondas tienen la forma típica de un sin(x) o cos(x). Siempre puedes separar una serie temporal como
la suma de muchas ondas de dimensiones diferentes y con ritmo también diferentes. Esto es la
transformada de Fourier. Es un separador de series temporales en ondas simples.
Propiedades
Requisitos para hacerlo en Matlab
La función fft en Matlab ® utiliza un rápido algoritmo de transformación de Fourier para calcular la
transformada de Fourier de los datos. Considere una señal sinusoidal x que es una función del
tiempo t con los componentes de la frecuencia. Utilice un vector de tiempo para el muestreo

Algoritmo

El muestreo

Fs = 1000; % Sampling frequency


T = 1/Fs; % Sampling period
L = 1500; % Length of signal
t = (0: L-1)*T; % Time vector

Creacion de la señal
S = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t);

Se le agrega ruido blanco


X = S + 2*randn(size(t));

Se grafica con el ruido blanco


plot(1000*t(1:50),X(1:50))
title('Signal Corrupted with Zero-Mean Random Noise')
xlabel('t (milliseconds)')
ylabel('X(t)')

Calcule la transformada de Fourier de la señal.


Y = fft(X);

Calcule el espectro bilateral P2. A continuación, calcule el espectro unilateral P1 basado en P2 y la


longitud de la señal de valor uniforme L.
P2 = abs(Y/L);
P1 = P2(1:L/2+1);
P1(2:end-1) = 2*P1(2:end-1);

Defina el dominio de la frecuencia f y represente gráficamente el espectro de amplitud unilateral P1.


Las amplitudes no son exactamente de 0,7 y 1, como se esperaba, debido al ruido añadido. Como
promedio, las señales más largas producen mejores aproximaciones de frecuencia.
f = Fs*(0:(L/2))/L;
plot(f,P1)
title('Single-Sided Amplitude Spectrum of X(t)')
xlabel('f (Hz)')
ylabel('|P1(f)|')

Ahora, tome la transformada de Fourier de la señal original, la señal sin dañar y recupere las
amplitudes exactas, 0,7 y 1,0.
Y = fft(S);
P2 = abs(Y/L);
P1 = P2(1:L/2+1);
P1(2:end-1) = 2*P1(2:end-1);
plot(f,P1)
title('Single-Sided Amplitude Spectrum of S(t)')
xlabel('f (Hz)')
ylabel('|P1(f)|')

TRANSFORMADA INVERSA
La idea básica del teorema de inversión es que dada una función f , la transformada de Fourier
inversa aplicada a la transformada de Fourier de f resulta en la misma función original, en
símbolos:
Sin embargo, el resultado formulado de esta forma no es siempre válido, porque el dominio de
la transformada de Fourier como lo hemos definido en el primer párrafo de este artículo no es
invariante, o sea que la transformada de Fourier de una función integrable no es necesariamente
integrable.
Para formular el teorema de inversión necesitamos encontrar espacios de funciones que sean
invariantes bajo la transformada de Fourier. De hecho, hay numerosas posibilidades, la más
natural del punto de vista técnico siendo el espacio de Schwartz de funciones φ rápidamente
decrecientes. Sin embargo aquí tomamos un camino más directo para formular un enunciado:
Teorema. El espacio de funciones complejas f definidas en la recta tales que y la transformada
de Fourier de sean integrables, es invariante tanto por la transformada de Fourier que por la
transformada de Fourier inversa. Además para una función en este espacio, vale el teorema de
inversión .
Otra posibilidad para formular un teorema de inversión se fundamenta en el hecho de que la
transformada de Fourier tiene muchas extensiones naturales.