Teoría de Señales y Sistemas

Dr. Roberto Muñoz Guerrero

4.- LA TRANSFORMADA DE FOURIER

Considérese un tren periódico de pulsos como el de la siguiente figura.

* El ancho de pulso será representado por τ en lugar de d, a fin de evitar confusión en el manejo de las
ecuaciones.

Los coeficientes de Fourier están dados por (utilizando tablas de transformación para
series de Fourier):

Aτ
Fn = sin c(nf 0τ )e − jπf 0τ ……….(a)
T0

Representados en su forma compleja, Fn e j∠Fn , con:

Aτ
Fn = sin c(nf 0τ ) (b)
T0

⎧ − πnf 0τ si sin c(nf 0τ )〉 0

⎪
∠Fn = ⎨ − πf 0τ + π si nf 0 > 0 y sin c(nf 0τ ) < 0 (c)
⎪− πnf τ − π si nf 0 < 0 y sin c(nf 0τ ) < 0
⎩ 0

La representación de los coeficientes de Fourier en el dominio de la frecuencia, llamado

espectro, del tren de pulsos se muestra en la siguiente figura.
Teoría de Señales y Sistemas
Dr. Roberto Muñoz Guerrero

Dos observaciones importantes se pueden resaltar de la figura. Primero, si se comparan

las figuras (a) y (b), se nota que el ancho de la envolvente en el espectro como el ancho
del pulso (τ) decremente, esto es, el ancho del pulso y el ancho de su espectro son
inversamente proporcionales. Segundo, comparando las figuras (a) y (c) se observa que
la separación entre líneas en el espectro es 1/T0, y por lo consiguiente la densidad de las
líneas espectrales incrementa como el periodo de f(t) incremente.

Aprovechando los resultados del ejercicio anterior, se puede desarrollar una

representación espectral para señales no periódicas. Específicamente, en la suma de la
serie de Fourier compleja se hace que el espaciamiento de frecuencia f 0 = T0−1 se
aproxime a cero y el índice n se aproxime a infinito, tal que el producto nf0 se aproxime
a una variable de frecuencia continua, f.

De las series de Fourier dadas por:

∞
f (t ) = ∑F e
n = −∞
n
j 2πnf 0 t

T /2 (d)
1 0
T0 −T∫0 / 2
Fn = f (t )e − j 2πnf 0 t dt
Teoría de Señales y Sistemas
Dr. Roberto Muñoz Guerrero

Si el límite cuando f 0 = T0−1 → 0 , implica que Fn → 0 , siempre y cuando se cumpla que

la siguiente desigualdad exista.

∞ ∞

∫
−∞
f (t )e − j 2πnf 0 t dt ≤ ∫ f (t ) dt
−∞
(e)

Antes de evaluar el límite, las ecuaciones en (d) se escriben en la forma:

∞
Fn j 2πnf 0 t
f (t ) = ∑
nf 0 = −∞ f 0
e Δ(nf 0 ) (f)

1/ 2 f0
Δ
F
F~ (nf 0 ) = n = ∫ f (t )e − j 2πnf 0 t dt (g)
f 0 −1 / 2 f 0

El símbolo Δ(nf0) representa los incrementos en la variable nf0 debidos a f0. La

aplicación del límite es:

T0→∞

f0→0 y n→∞ tal que nf0→f

1
= Δ(nf 0 ) → df
T0
Fn
→ F~ ( f )
f0

Lo que significa que la suma en la ecuación (f) cambia por una integral sobre la variable
continua f, y los límites de la integral en (g) se extiende sobre el eje t, -∞<t<∞. Las
expresiones resultantes son:

∞ ∞

∫ F ( f )e df = ∫ F ( jw)e
j 2πft
f (t ) = jwt
dw (h)
−∞ −∞

∫ f (t )e
− j 2πft
F( f ) = dt
−∞

∫ f (t )e
− jwt
F ( jw) = dt (i)
−∞

A las ecuaciones (h) e (i) se les conoce como el par de Transformada de Fourier para
f(t).

4.1. LA TRANSFORMADA DE FOURIER Y LA DFT.

Teoría de Señales y Sistemas
Dr. Roberto Muñoz Guerrero

La DFT presenta un muestreo en el dominio de la frecuencia de la transformada de

Fourier. La DFT normalmente es una secuencia compleja.

La transformada de Fourier de una función real, f(t), con energía finita es:

∞
F ( jw) = ∫ f (t )e − jwt dt ----- (1)
−∞

Por otra parte, una versión discreta de f(t), denota f (t ) , puede escribirse como una
secuencia de impulsos:
∞
f (t ) = f (t ) ∑ δ (t − nT ) ----- (2)
n = −∞

∞
f (t ) = ∑ f δ (t − nT )
n = −∞
n ----- (3)

Donde fn = f [nT ] ← La secuencia

La transformada de Fourier de la secuencia fn, denotada F ( jw) :

Sustituyendo (3) en (1)

∞
F ( jw) = ∫ f (t )e − jwt dt
−∞

∞ ∞
F ( jw) = ∫ ∑ f nδ (t − nT )e− jwt dt
−∞
n = −∞
∞ ∞
F ( jw) = ∑∫ f nδ (t − nT )e− jwt dt
−∞
n = −∞

∑f e
− jnwT
F ( jw) = n ----- (4)
n = −∞

Usualmente, a la ecuación (4) se le nombra la DFT. Sin embargo, es más apropiado

llamarla como la transformada de Fourier de la secuencia fn. La definición Formal de la
DFT de una secuencia real, fn, se obtiene de la ecuación (4) haciendo finitos los límites
de la suma y utilizando muestras de la variable de frecuencia, w.

La ecuación (4) tiene las siguientes propiedades:

a) La ecuación (4) es una transformación lineal, esto es, si se tienen dos secuencias
de energía finita, fn y gn

FT {k1 f n + k2 g n } = k1FT { f n } + k2 FT {g n }

FT= Transformada de Fourier, k1, k2 son constantes.

Teoría de Señales y Sistemas
Dr. Roberto Muñoz Guerrero

b) F ( jw) es real y par, si y solo si, f(t) es par en los puntos de muestra, esto es:
fn = f-n

c) F ( jw) es imaginaria e impar, si y solo si, f(t) es impar en los puntos de muestra,
esto es: fn = -f-n

d) F ( jw) y F ( − jw) son complejos conjugados

2π
e) F ( jw) es periódica con periodo w0 = :
T
F ( jw) = F ( jw + jmω0 ) ∀ m entero
demostración:

∑ fn e
− j ( w + mw0 ) nT
F ( jw + jm w0) = F ( j ( w + mw0 )) =
n = −∞
∞

∑ fn e
− jwnT − j 2π n m
=
n = −∞
e
− j 2π n m
e =1

∑ fn e
− jwnT
F ( j ( w + mw0 )) = = F ( jw) ----- (5)
n = −∞

Para recuperar la secuencia fn de la transformada F ( jw) se utiliza la fórmula de los

coeficientes de la serie de Fourier:

T π

∫π
jwnT
fn = T
F ( jw) e dw ----- (6)
2π −
T

A las ecuaciones (4) y (6) se les conoce como el par de transformadas de Fourier de
la secuencia fn. Sin embargo, este par de transformadas no son de uso práctico ya
que no pueden ser implementadas en una computadora.

Para comenzar a calcular la transformada de Fourier, la primera condición es que la

suma de la ecuación (4) sea finita. En la práctica, las señales son truncadas, en
diferentes formas, para obtener un conjunto finito de muestras:

- Una señal transitoria se asume que es igual a cero después de que su amplitud se
aproxima a un valor despreciable.

- Una señal periódica se muestrea sobre un número entero de periodos

- Una señal aleatoria se multiplica por una ventana de duración finita.

En cualquier caso, supóngase que se tienen N muestras de f(t). Si es muestreo de la

señal inicia en t = 0, la ecuación (4) toma la forma:
Teoría de Señales y Sistemas
Dr. Roberto Muñoz Guerrero

N −1
F ( jw) = ∑ f n e
− jnwT
----- (7)
n=0

Si el muestreo en un tiempo diferente a cero, por ejemplo, en t = kT, la ecuación (4)

toma la forma:

N + k −1

∑
− jnwT
F ( jw) = fn e
n =k

N −1
F ( jw) = ∑ f n + k e
− j ( n + k ) wT

n =0

N −1

∑f e
− jkwT − jnwT
F ( jw) = e n+k ----- (8)
n =0

k = cualquier entero positivo o negativo.

La ecuación (8) representa el teorema del corrimiento:

“Si f(t) es recorrido kT segundos a la derecha (izquierda), la transformada de Fourier

− jkwT jkwT
de f (t ) , se deberá de multiplicar por el e (e ) ”
Este corrimiento, no afecta la magnitud de F ( jw) , solamente modifica la fase de la
transformada.

Aún cuando la frecuencia w en las ecuaciones (7) y (8) es una variable continua,
solamente N valores de F ( jw) son independientes, ya que la secuencia fn tiene N
grados de libertad. Además la propiedad de periodicidad sugiere que solamente se
podría evaluar a F ( jw) en uno de sus periodos, por ejemplo: wT = 0 a 2π, en
consecuencia.

2πm
w= ; m = 0, 1, ---, N-1 ----- (9)
NT

Con base a lo anterior, se define la Transformada Discreta de Fourier (DFT) como:

F m = DFT

2πm
) = ∑ fn e
− j ( 2πmn / N )
Fm = F ( j ----- (10)
NT
m = 0, 1, ---, N-1
Teoría de Señales y Sistemas
Dr. Roberto Muñoz Guerrero

Normalmente, existen N valores complejos de F m , y por consiguiente, 2N valores

de entre reales y complejos. Cuando la secuencia fn es real, solamente N valores de
F m son independientes, sin embargo, de la propiedad (d):

*
F m = F −m ----- (11)

* = complejo conjugado
De la propiedad (e):
F −m = F −m + N ----- (12)

F −m = F N −m ----- (13)

La ecuación (13) indica que solamente los valores de F m para m = 0 a N/2

requieren ser calculados, esto tiene relación con el teorema de muestreo.

La ecuación (10) tiene que ser aplicada cuando fn es compleja.

Las muestras de frecuencias de la DFT en la ecuación (10) están distribuidas sobre

2π
un periodo desde w = 0 hasta w = (desde DC hasta la frecuencia de muestreo).
T
Debido a la naturaleza periódica de F ( jw) , las mismas muestras se podrían obtener
−π π
en un periodo diferente, por ejemplo, de a
T T
π
Las frecuencias positivas, de 0 a , se representan por F m para:
T
N
De m = 0 a m = si N es par
2
N −1
De m = 0 a m = si N es impar
2
−π
Las frecuencias negativas, de a 0, se representan por F m para:
T
N
De m = a m = N-1 si N es par
2
N +1
De m = a m = N-1 si N es impar
2

De este modo, cuando la DFT se calcula para un rango de m = 0 a N-1, la muestra

N +1
de N/2 a N-1 (o de a N-1 si N es impar) se asocian con las frecuencias
2
−π
negativas entre a 0.
T
Teoría de Señales y Sistemas
Dr. Roberto Muñoz Guerrero

La secuencia fn se puede recuperar a partir de F m a través de la siguiente ecuación:

N −1
1
∑ Fm e
j ( 2 π m n/ N )
fn = ----- (14)
N m=0

con n = 0, 1, ---, N-1

En resumen, las siguientes ecuaciones constituyen el par de DFT

N −1
F m = ∑ fn e
− j ( 2π m n / N )
con m = 0, 1, ---, N-1
n =0

N −1
1
∑ Fm e
j (2π m n / N )
fn = con n = 0, 1, ---, N-1
N m=0

2πm
w=
NT
Teoría de Señales y Sistemas
Dr. Roberto Muñoz Guerrero
4.2 RELACIÓN CON LA TRANSFORMADA DE FOURIER: “ALIASING”

− jwt
El término e de la ecuación:
∞
F ( jw) = ∫ f (t )e − jwt dt
−∞

Cambia rápidamente de valor, si w es grande, y el intervalo de muestreo, T, deberá ser

lo suficientemente pequeño para obtener exactitud en F ( jw) . Por otra parte, el teorema
1
de muestreo establece que debe ser mayor que dos veces la máxima componente de
T
frecuencia de f(t). Para conciliar estos dos puntos, es necesario establecer una relación
entre F ( jw ) y F ( jw) .
Sea fn la secuencia de muestras de f(t) y se define a f (t ) como una función de muestreo
de f(t)

Donde las flechas en la figura (b) son funciones impulsos con un ancho CERO amplitud
infinita y área igual a fn. f (t ) se puede escribir como:
N −1
f (t ) = f (t ) ∑ δ (t − nT )
n =0
N −1
d (t ) = ∑ δ (t − nT )
n =0

f (t ) = f (t )d (t ) --- (15)
donde d(t) representa un tren de impulsos unitarios.
Debido a que el periodo de d(t) es de t = 0 a t = NT, y f(t) será cero fuera de este rango,
d(t) puede ser representado por una serie de Fourier.

∑ Cn e
j ( 2π n t / T )
d (t ) = --- (16)
n = −∞

Con los coeficientes Cn dados por:

1 T
− j ( 2π n t T )
Cn = ∫
2
d (t ) e dt
T −T
2
Teoría de Señales y Sistemas
Dr. Roberto Muñoz Guerrero
1 ∞ T2
∑
− j ( 2π n t T )
= ∫
T m = −∞ − 2
T
δ (t − mT ) e dt

El único término en la suma diferente a cero es cuando m = 0

1
∴ Cn = --- (17)
T
Sustituyendo en (16)
1 ∞ j ( 2π n t T )
d (t ) = ∑ e --- (18)
T n = −∞
sustituyendo en (15)
1 ∞
f (t ) = ∑ f (t ) e
j ( 2π n t T )
--- (19)
T n = −∞
con f (t ) en esta forma, F ( jw) puede representarse como:
∞ − jwt
F ( jw) = ∫ f (t ) e dt
−∞
∞ ∞
1
∑ ∫
j ( 2π n t T ) − jwt
= f (t ) e e dt
T −∞
n = −∞

∞ ∞ 2π n
1
∑ ∫
− j ( w−
=
)t
f (t ) e T dt
T −∞
n = −∞

1 ∞
2π n
F ( jw) =
T
∑
n = −∞
F ( jw − j
T
) --- (20)

La ecuación (20) establece la relación entre la transformada de Fourier de f(t) y la

transformada de Fourier de f (t ) (de la cual se deriva la DFT). La ecuación (20) indica
que:
“La transformada de Fourier de una secuencia muestreada es una superposición
de un número infinito de transformadas de Fourier recorridas de la función f(t),
1
escaladas por un factor ”
T
Teoría de Señales y Sistemas
Dr. Roberto Muñoz Guerrero

En este caso, T es lo suficiente pequeño para evitar que los espectros se traspasen.
Teoría de Señales y Sistemas
Dr. Roberto Muñoz Guerrero

En la última figura, el valor de T no es lo suficientemente pequeño, es decir, existe

π
valores de F ( jw ) diferentes a cero para w > .
T

4.4 RECONSTRUCCIÓN CON SERIES DE FOURIER

Se puede notar que las ecuaciones para la DFT, la DFT inversa y las series de
Fourier son, en forma, similares

N −1
F m = ∑ fn e
− j ( 2π m n N )
m = 0, 1, ---, N-1 --- (25)
n =0
N −1 j ( 2π m n N )
1
fn =
N
∑ Fm
m =0
n = 0, 1, ---, N-1 --- (26)

En ambos casos, las ecuaciones son similares a las series de Fourier, siendo fn y Fm los
coeficientes de la serie, respectivamente.

La ecuación (26) sugiere una reconstrucción para la función f(t), para lograrlo es
necesario realizar los siguientes ajustes: a) limitar las armónicas a frecuencias menores
que la frecuencia “holding”, lo cual se logra si los límites de la suma se hacen
simétricos alrededor de cero, restringiéndolos a N/2, y b) sustituir la variable continua t
por nT.

1
∑ F 'm e
j ( 2π m t NT )
fˆ (t ) =
N m≤
N
2
Teoría de Señales y Sistemas
Dr. Roberto Muñoz Guerrero

F N /2 N
F 'm = ; m = si N es par --- (27)
2 2
N
= F 'm; m <
2

La reconstrucción fˆ ( nT ) es igual a f(nT), y por lo tanto igual a f(t) para los puntos
muestreados. Las dos preguntas restantes son:
a) ¿Qué sucede entre los puntos muestreados? y,
b) ¿Qué sucede con la señal para un tiempo t > NT.

Primero, para un t > NT, f(t) se repite periódicamente debido a que la ecuación (27) es
una serie de Fourier. Los coeficientes de la serie son F 'm / N , y la frecuencia
fundamental es 1/NT Herz. Esto sugiere que si f(t) es un transitorio muestreado, se
produce en la reconstrucción, una representación periódica de f(t), denotada con fp(t)
en la siguiente figura.

Por lo tanto, la reconstrucción solamente es válida en el intervalo 0-NT.

La siguiente pregunta es: si fˆ (t ) , es periódica e igual a fp(t) y a f(t) en los puntos
muestreados, entonces, ¿serán iguales en los puntos diferentes a los muestreados?

Representando a fp(t) con series de Fourier:

∞

∑c e
j ( 2π i / NT )
fp (t ) = i --- (28)
c = −∞
Si fp(t) es real entonces Ci es el complejo conjugado de C-i. La ecuación (28) representa
a fp(t) y a f(t) en el intervalo de 0 – NT, así que la DFT se puede representar por
N −1
F m = ∑ fn e
− j ( 2π m n N )
--- (29)
n =0
N −1
= ∑ fp( nT ) e
− j ( 2π m n N )
--- (30)
n =0
∞ N −1 ⎡ ⎤
= ∑ ci ∑
j ⎢ 2π n ( i − m ) N ⎥

i =0 n =0
e ⎣ ⎦ --- (31)

Por series geométricas:

Teoría de Señales y Sistemas
Dr. Roberto Muñoz Guerrero

N −1 ⎡ ⎤

∑ e
j ⎢ 2π n ( i − m ) N ⎥
⎣ ⎦ =N si i = m + kN
n =0
∞
Fm = N ∑C
k = −∞
m + kN --- (32)

1
Si fp(t) está limitada a frecuencias menores a , Ci en la ecuación (28) será cero para
2T
i ≥ N 2 , por lo tanto de la ecuación (32)
N
F m = NCm ∀ m < (si no hay “aliasing”)
2
De la ecuación (27) y (28):

∑C e
j ( 2π m t NT )
fˆ (t ) = m
N
m<
2
= fp (t ) (si no hay “aliasing”)

Finalmente, la expresión simplificada para la reconstrucción

1 ⎧ m≤ N / 2
⎡ 2πmt 2πmt ⎤ ⎫
fˆ (t ) = ⎨ F 0 + 2 ∑ ⎢ Re( F 'm ) cos( ) − Im( F 'm ) sen ( ) ⎬
N⎩ m =1 ⎣ NT NT ⎥⎦ ⎭

FN 2 N
F 'm = ; m=
2 2
N
= Fm m<
2
 TRANSFORMADA RAPIDA DE FOURIER
(FFT).

ECUACIÓN DE LA DFT:

N −1
Fm = ∑fe
n=0
n
− j ( 2πmn / N )

m=0,1,2,...........,N-1

2πm
w=
NT

• El computo de la DFT implica N multiplicaciones por

cada componente, para un total de N2
multiplicaciones y N sumas.
• Si se utiliza un procesador (DSP) con un ciclo de
reloj de 50 ns, y se tienen N = 1000 muestras, el
tiempo necesario para calcular la DFT sería de:

(1000)2 x 50 x 10-9 = 0.05 s

lo que limitaría a una frecuencia de muestreo de 20 Hz
si se requiere procesamiento en tiempo real.
 • La FFT reduce el coste computacional de la DFT.

• Esta reducción se basa en eliminar las

redundancias de la DFT.

En la ecuación de la DFT, se asigna a una “variable”

al término exponencial:

WN = e − j ( 2π / N )
N −1
Fm = ∑ f n WNmn m=0,1,......, N-1
n =0

WN es cíclico, por ejemplo, si N = 8:

W86 = W814 = W822

W85 = W813 = W821

W87 = W815 = W823

W84 = W812 = W820 W80 = W88 = W816

W81 = W89 = W817

W83 = W811 = W819

W82 = W810 = W818

 2π 2πp
−j ( p+ N ) −j
WNp = WNp + N = e N
=e N
e − j 2π = e − j 2πp / N

¿COMO APROVECHAR LA PROPIEDAD CÍCLICA DE WN

PARA ELIMINAR ALGUNOS DE LOS N2 PRODUCTOS?

CONSIDERANDO A N UN NUMERO PAR DE MUESTRAS,

TAL QUE: N = 2P, CON P UN NUMERO ENTERO. LAS
MUSTRAS fn SE PUEDEN SEPARAR EN PARES E
IMPARES:

P −1 P −1
Fm = ∑ f 2 nW 2 mn
N + ∑ f ( 2 n +1)WNm ( 2 n +1)
n =0 n=0

P −1 P −1
Fm = ∑ f 2 nW 2 mn
N +W m
N ∑f W
( 2 n +1) N
2 mn

n =0 n =0

SI an = f2n Y bn = f2n+1
2π 2 2π
− j( ) − j ( 2π ) − j( )2
Wp = e P
=e N
=e N
= WN2 ⇒ WPmn = WN2 mn
 P −1
Am = ∑ anWPmn
n=0

P −1
Bm = ∑ bnWPmn
n=0

m = 0,1,2,........, P-1

Fm = Am + WNm Bm

CADA SUB-DFT REQUIERE DE (N/2)2 PRODUCTOS, ASI

QUE Fm REQUIERE DE UN TOTAL DE

2(N/2)2 + N = N(N/2 +1 ) PRODUCTOS

OBSERVESE QUE SI N ES DIVISIBLE ENTRE 4, Am Y Bm

PUEDEN SER DIVISIBLES EN 2 DFT CADA UNA.
DESCOMPOSICIÓN DE LA SECUENCIA

LAS DOS DFT DE LA ECUACION ANTERIOR REQUIERE

DESCOMPONER O SEPARAR LA SECUENCIA DE
ENTRADA:

0 1 2 3 4 5 ............ N - 1

0 2 4 6 ............ N - 2 1 3 5 7 .......... N - 1

COMPUTACIONALMENTE, LO MAS PRACTICO ES QUE N

SEA UNA POTENCIA DE 2 PARA PODER REALIZAR LA
MAYOR CANTIDAD DE DESCOMPOSICIONES:

N=2q
DE TAL MANERA QUE SE PUEDA OBTENER q
DESCOMPOSICIONES DE LA SECUENCIA.
POR EJEMPLO, SI N=8=23 DARÁ LUGAR A 3
DESCOMPOSICIONES:

000 001 010 011 100 101 110 111

0 1 2 3 4 5 6 7

0 2 4 6 1 3 5 7

0 4 2 6 1 5 3 7

0 4 2 6 1 5 3 7
000 100 010 110 001 101 011 111

LA DESCOMPOSICIÓN DA LUGAR AL EFECTO DE “bit

reversal”.

DIAGRAMAS DE FLUJO DE SEÑAL.

ESTOS DIAGRAMAS SON REDES DE NODOS
CONECTADOS POR SEGMENTOS DE LINEAS Y SE
UTILIZAN PARA DESCRIBIR GRAFICAMENTE COMO ES
PROCESADA UNA SECUENCIA DE ENTRADA.

WNn

x1 n Y

= WN0

x2 Y = WNn x1 + x2

POR EJEMPLO, PARA UNA DFT DE 2 MUESTRAS (N=2),

TAMBIEN LLAMADA DFT DE 2 PUNTOS

x0 F0

x1 F1
1
W21
DFT DE 4 PUNTOS:

x0 F0

x2 F1
2
1
W42
2
x1 F2

x3 3 F3
2
W42
FFT utilizando descomposición en el Domino de la frecuencia

A diferencia del método anterior (descomposición en el domino del tiempo), en el

método de descomposición en el dominio de la frecuencia, el conjunto de componentes
de la DFT, F m , es descompuesto.

Considérese que N es par, P = N/2. Dividiendo la secuencia de entrada fn en dos partes:

an = f n n = 0, 1, …, P-1
bn = f n+ P n = 0, 1, …, P-1

N −1
F m =∑ fn WNmn
n =0
P −1 P −1
F m =∑ fn WNmn + ∑ f n + P WNm ( n + P )
n =0 n =0
P −1 P −1
F m =∑ fn WNmn + WNmp ∑ f n + P WNmn
n =0 n =0
P −1 N
F m = ∑ (an + W
m
N
2
bn ) WNmn
n =0

pero: WNN 2 = ( −1)

y WN2 = WP

mn mn
2( )
WN 2
= WP 2
 P −1 mn
F m = ∑ ( an + ( −1) m bn ) WP 2
n =0

Esta forma sugiere descomposición en el domino de la frecuencia, ya que la ecuación

toma diferente forma dependiendo de si el valor de m es par o impar.

Si m es par, m =2k ⇒ k = m 2
P −1
m
F 2 k = ∑ ( an + bn ) WPkn ; k = = 0,1,..., P − 1
n =0 2

Si m es impar, m = 2k + 1 ⇒ k = (m − 1) 2
P −1
F 2 k +1 = ∑ ( an − bn ) WP( 2 k +1) n 2
n=0
P −1
F 2 k +1 = ∑ [ ( an − bn ) WPn 2 ] WPnk
n=0

WP = W 2
N
n
WP 2 = WN2 ( n 2 ) = WNn
P −1
⎡ ⎤ m −1
F 2 k +1 = ∑ ⎢(an − bn ) WNn ⎥ WPnk k= = 0,1,2,..., P − 1
n =0 ⎣ ⎦ 2

Tomando las ecuaciones (1) y (2) se obtienen los N valores de la DFT, tomando cada
ecuación por separado (1) y (2) se obtienen dos DFT de orden P.

__
f0 F0

__
f0 __
F0
f1 2 F2

1
__
__ f2 F1
f1
2
1 F1

__
f3 3 2 F3
 __
f0
F0

0
__
f1
4 F4

0
__
f2 4 F2

2
0 __
f3 6 4
F6

0
__
f4 4
F1
1

0
__
f5 5 4 F5
2

0
__
f6 6 4 F3
3

2
0 __
f7 7 6 4 F7