Tema 4.

Análisis de Fourier de señales y sistemas de

tiempo discreto.

2015-2016

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 1 / 26

Índice

1 Introducción

2 Respuesta de sistemas LTI a exponenciales complejas

3 Representación de señales periódicas: series de Fourier

4 Representación espectral de señales

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 2 / 26

 Introducción

Índice
1 Introducción
2 Respuesta de sistemas LTI a exponenciales complejas
3 Representación de señales periódicas: series de Fourier
Desarrollo en Serie de Fourier
Propiedades de los coeficientes de la serie de Fourier
4 Representación espectral de señales

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 3 / 26

 Introducción

Introducción

Tema anterior. Sistemas LTI

x(t) y x[n] se pueden expresar como combinación lineal de impulsos (deltas).
Por tanto, la salida de un sistema LTI es:

y(t) = x(t) ∗ h(t) (1)

y[n] = x[n] ∗ h[n]

Objetivo
Expresar las señales de tiempo continuo x[n] como combinación lineal de otro tipo
de señales básicas que permitan:
Calcular la salida sin realizar la convolución.
Entender la dinámica de las señales y sistemas de un modo más intuitivo.

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 4 / 26

 Autovalores y autofunciones

Índice
1 Introducción
2 Respuesta de sistemas LTI a exponenciales complejas
3 Representación de señales periódicas: series de Fourier
Desarrollo en Serie de Fourier
Propiedades de los coeficientes de la serie de Fourier
4 Representación espectral de señales

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 5 / 26

 Autovalores y autofunciones

Respuesta de sistemas LTI a exponenciales complejas:

Autovalores y autofunciones
Consideración
Las exponenciales complejas son autofunciones de los sistemas LTI.

n
X
∞
n−k n
x[n] = z0 → y[n] = h[k]z0 = H(z0 ) · z0
k=−∞

X
∞
−k
H(z0 ) = h[k]z0 → Autovalor
k=−∞

z0n → Autofunción

Linealidad
X n
X n
x[n] = ak z k → y[n] = ak z k H(zk )
k k

Conclusión
Sabemos como se transforma una exponencial compleja ⇒ son interesantes como señales básicas

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 6 / 26

 Señales periódicas: series de Fourier

Índice
1 Introducción
2 Respuesta de sistemas LTI a exponenciales complejas
3 Representación de señales periódicas: series de Fourier
Desarrollo en Serie de Fourier
Propiedades de los coeficientes de la serie de Fourier
4 Representación espectral de señales

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 7 / 26

 Señales periódicas: series de Fourier Desarrollo en Serie de Fourier

Índice
1 Introducción
2 Respuesta de sistemas LTI a exponenciales complejas
3 Representación de señales periódicas: series de Fourier
Desarrollo en Serie de Fourier
Propiedades de los coeficientes de la serie de Fourier
4 Representación espectral de señales

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 8 / 26

 Señales periódicas: series de Fourier Desarrollo en Serie de Fourier

Exponencial compleja de tiempo discreto

x[n] = ejΩ0 n

Periodicidad
Cálculo del periodo:

x [n] = x [n + N ]
AejΩn = AejΩ(n+N )
2πk
ΩN = 2πk ⇒ N = , N, k ∈ Z+
Ω

No todas son periódicas !!!

La frecuencia es Ω = 2πk
N
, los múltiplos de 2π/N, N ∈ Z+ .
Existen muchas frecuencias que generan la misma señal: Ω y Ω + 2πk, k ∈ Z:

AejΩn = Aej(Ω+2πk)n

solo necesitamos un intervalo de longitud 2π para obtener todas las frecuencias!!!

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 9 / 26

 Señales periódicas: series de Fourier Desarrollo en Serie de Fourier

Exponencial compleja de tiempo discreto

x[n] = ejΩ0 n

Periodicidad
Cálculo del periodo:

x [n] = x [n + N ]
AejΩn = AejΩ(n+N )
2πk
ΩN = 2πk ⇒ N = , N, k ∈ Z+
Ω

No todas son periódicas !!!

La frecuencia es Ω = 2πk
N
, los múltiplos de 2π/N, N ∈ Z+ .
Existen muchas frecuencias que generan la misma señal: Ω y Ω + 2πk, k ∈ Z:

AejΩn = Aej(Ω+2πk)n

solo necesitamos un intervalo de longitud 2π para obtener todas las frecuencias!!!

Número de frecuencias finito

Para exponenciales periodicas con un N dado, las únicas frecuencias diferentes son:
2π 2π
Φk [n] = ejk N n , Ωk = k , k ∈ [0, N )
N
Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 9 / 26
 Señales periódicas: series de Fourier Desarrollo en Serie de Fourier

Exponenciales complejas armónicamente relacionadas

Proposición
Una señal periódica con periodo N se puede expresar como una combinación de
exponenciales complejas armónicamente relacionadas ⇒ Desarrollo en Serie de
Fourier (DSF).

Definición
La familia de exponenciales complejas armónicamente relacionadas con periodo N :
2π
Φk [n] = ejk N n , k ∈ [0, N )

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 10 / 26

 Señales periódicas: series de Fourier Desarrollo en Serie de Fourier

Desarrollo en serie de Fourier

Ecuación de sı́ntesis
Sea una señal periódica x[n] con periodo fundamental N ⇒ se puede poner como
combinación lineal de exponenciales complejas armónicamente relacionadas:
2π
X
x[n] = ak ejk N n ; ak ∈ C
k=<N >

ak : Coeficientes del Desarrollo en Serie de Fourier

k = 0 → Componente continua
k = 1 → Componente fundamental (Primer armónico)
k = P → P-ésimo armónico

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 11 / 26

 Señales periódicas: series de Fourier Desarrollo en Serie de Fourier

Ejemplo de DSF
Cálculo de coeficientes: ejemplo 1
Sea una señal periódica x[n] = sin 2π


N n , los coeficientes del DSF se pueden
obtener por identificación con la expresión:
2π
X
x[n] = ak ejk N n
k=<N >

para ello expresamos la señal en términos de exponenciales:

1 j 2π n 1 2π
x[n] = e N − e−j N n
2j 2j
Identificando, los coeficientes quedan:
1 1
a0 = 0, a1 = , a2 = 0, aN −1 = a−1 = −
2j 2j

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 12 / 26

 Señales periódicas: series de Fourier Desarrollo en Serie de Fourier

Obtención de los coeficientes del DSF

Ecuación de sı́ntesis
Sea x[n] una señal con periodo N , se puede expresar:
2π
X
x[n] = ak ejk N n ; ak ∈ C
k=<N >

Ecuación de análisis
Los coeficientes se obtienen:
1 X 2π
ak = x[n] · e−jk N n
N
n=<N >

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 13 / 26

 Señales periódicas: series de Fourier Desarrollo en Serie de Fourier

Ejemplo de DSF
Cálculo de coeficientes: ejemplo 2
Sea la señal con periodo N = 4:
x[n]
3
bc bc
2 bc bc

··· bc
1 bc bc
···
bc bc bc
n
−6 −5
bc −4 −3 −2 −1
bc
−1 1 2 3bc 4 5 6

N −1
1 X 2π 1h 3π
i
ak = x[n] · e−jk N n = 1 + 2e−jkπ − e−jk 2
N n=0 4
quedando:
1 1+j 1−j
a0 = , a1 = − , a2 = 1, a3 = −
2 4 4

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 14 / 26

 Señales periódicas: series de Fourier Desarrollo en Serie de Fourier

Ejemplo de análisis: Tren de pulsos rectangulares

Los coeficientes del DSF serán:

N1
1 X 2π 1 ejkΩ0 N1 − ejkΩ0 (N1 +1)
ak = e−jk N n = =
N N 1 − e−jkΩ0
n=−N1

sin kΩ0 (N1 + 21 )



 1
1 1
1 ejkΩ0 (N1 + 2 ) − ejkΩ0 (N1 + 2 )
 , k=6 0, Ṅ
sin k Ω20
N

= Ω0 Ω0 =
N ejk 2 − e−jk 2  2N1 + 1 ,

k = 0, Ṅ

N

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 15 / 26

 Señales periódicas: series de Fourier Desarrollo en Serie de Fourier

Tabla de DSF
EJEMPLOS DE CÁLCULO DE COEFICIENTES DEL DESARROLLO EN SERIE DE
FOURIER DE SEÑALES DISCRETAS

SEÑAL COEFICIENTES
2
jk n ak
N
✂ ake
k✁ N

2✆m
(a ) ✝ 0 ☛
N
j✄ 0 n
e ✠1 , k ☛ m, m ✡ N, m ✡ 2 N ,☞
a k ☛ ✟
✞0 , otro valor

✝ 0
(b) irracional ☎ señal aperiódica
2✆

2✎m
(a ) ✏ 0 ✕
N
cos ✌ 0n ✓1 /2 , k ✕ ✔ m, ✔ m ✔ N, ✔ m ✔ 2 N ,✖
a k ✕ ✒
✑0 , otro valor

✏ 0
(b) irracional ✍ señal aperiódica
2✎

✘
Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 16 / 26
 ✎
Señales periódicas: series de Fourier
✏ ✕
Desarrollo en Serie de Fourier

EJEMPLOS
✌ DE CÁLCULO DE COEFICIENTES
✓ DEL ✕DESARROLLO
✔ ✔ ✔ ✔ EN
✔ SERIE
✖ DE
✕ ✒
FOURIER DE SEÑALES DISCRETAS
✑

✏
SEÑAL COEFICIENTES
✍
2✎

2✘m
✂ (a ) ✙ 0 ✥
✁ N
sen ✌ 0n ✢1 /2j , k ✥ m, m ✣ N, m ✣ 2 N ,✦
✆
✚
✝ ☛1
k ✥ ✜✤ ✥ ✤ ✤ ✣ ✤ ✣
a /2j , k m, m N, m 2 N ,✦
✚
✄ ✛ 0 , otro valor
✠ ☛ ✡ ✡ ☞
☛ ✟
✙ 0
(b) ✞ irracional ✗ señal aperiódica
2✘
✝
☎
✆1 ,
✬ k ✮ 0, ✭ N, ✭ 2N
x ✧n ★ ✩ 1 a ✮ ✫
k
✪0, con otro valor
✎
✏ ✕
✴ 1
x ✯ n ✰✌✹ a ✻ ✺ k
✳ ✸ ✱n ✷ kN ✲ k
✓N ✕ ✔ ✔ ✔ ✔ ✔ ✖
k ✶ ✵✴ ✕ ✒
✑
Onda cuadrada periódica sen ❊❆ 2 ◆ k N ❇ ❈N 1 ▲ ❉❋
1

❑✏
2
a k
, k ▼ 0, ❏ N , ❏ 2 N ,■
❃ ✍
❀1, n ❄ N 1 N sen ●❆ 2 ◆ k 2 N ❇❍
x ✼n ✽ ✾ ❂ y x ✼n ✿ N ✽ ✾ x ✼n ✽ ✎
❀
❁
0, N 1 ❅ n ❄ N 2 2N1 ▲ 1
a k ❑ ✘ , k ❑ 0, ❏ N , ❏ 2 N ,■
✙ ✥N

✌ ✢ ✥ ✣ ✣ ✦
✚ Fourier de tiempo discreto
Tema 4. Análisis de 2015-2016 17 / 26
 Señales periódicas: series de Fourier Propiedades de los coeficientes de la serie de Fourier

Índice
1 Introducción
2 Respuesta de sistemas LTI a exponenciales complejas
3 Representación de señales periódicas: series de Fourier
Desarrollo en Serie de Fourier
Propiedades de los coeficientes de la serie de Fourier
4 Representación espectral de señales

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 18 / 26

 Señales periódicas: series de Fourier Propiedades de los coeficientes de la serie de Fourier

Tabla de DSF

SERIES DE FOURIER EN TIEMPO DISCRETO

Propiedad Señal periódica Coeficiente

x n ✁☎ a k ✠
✄ Periódicas con periodo N y ✟ Periódicas de periodo N
y n ✁✂ bk ✞
frecuencia fundamental ✆0=2✝/N
✍n
Ecuaciones x ✡n ☛ ✎ ake
jk
2
N 1 ✔ jk ✕ n
2
N
☞ a k
✖ ✒ x ✏ n ✑e
k✌ N N n✓ N

Linealidad A x 1 ✗n ✘ ✙ B x 2
✗n ✘ Aa k ✚
Bbk
2✣
Desplazamiento de tiempo x✛ n ✢ n0✜ ✤ jk
N
n0
ake
2✧
Desplazamiento en jM
N
n a k★M
x ✥n ✦ e
frecuencia
Conjugación x
✫
✩n ✪ a
✬
✭k

Inversión en el tiempo x ✮✰ n ✯ a ✱k

Escalado en el tiempo ✸ x ✴ n m ✵, n multiplo de m 1

x ✲ m ✳ ✴n ✵ ✹ ✷ a k (vistas como periódicas de periodo
✶0, resto de valores m
(periódica de periodo mN) mN)
Convolución periódica N akbk
z ✺n ✻ ✿ x ✺n ✻ ❀ y ✺n ✻ ✿ ✼ x ✺r ✻y ✺n ✾ r✻
r✽ N

❁ ❂ ❁ ❂
❃ ❅
❄

■ ❉ ❍ ❊
❆ ❇❈ ❆ ❈ ❇ ❋ ❏ ●
Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 19 / 26
 Señales
✮✰ ✯
periódicas: series de Fourier Propiedades de los coeficientes de la serie de Fourier
✱

✸ ✴ ✵
✲ ✳✴ ✵ ✹ ✷
✶
SERIES DE FOURIER EN TIEMPO DISCRETO
✺ ✻ ✿ ✺ ✻❀ ✺ ✻ ✿ ✼ ✺ ✻ ✺ ✾ ✻
Propiedad Señal periódica
✽ Coeficiente
Multiplicación x ❁ n ❂ y✁☎❁ n ❂ ❃ a r
b k✠❅ r
✄ r❄ N ✟
✁✂
✞
Primera diferencia x ❆n ❇ ❈ x ❆n ❈ 1❇ ✆ ✝ ❋1 ❏ e
■ jk ❉ 2 ❍ N ❊
●a
k
✍
✕
Suma consecutiva n
✡ ☛ ✎ ☞
✖
a k ✏ ✑
✔
✒
▼ x ❑ k ▲✌ (de valor finito y periódica sólo
❱ jk ◗ 2 ❯ N ❘
❙1 ❲ e ✓ ❚
k P ◆❖
si a0=0)✗ ✘✙ ✗ ✘ ✚
❛
a ❴✤ a ✣
✢ k ❵k
✛ ✜

Re ❩ a k
❬ ❴ Re ❩ a ❵k
❬
Simetría conjugada para ✧
★
✥ ✦ Im ❩ a ❬ ❴ ❫ Im ❩ a ❬
señales reales. x ❳ n ❨ Re al k ❵k

✫ a ✬k ❴ a
✩ ✪ ❵k
✭

✮✰ ✯ ❪ ❴ ❫❪
✱a k a❭k

Señales reales y pares x❜ n❝ REAL ✸ ✴ y PAR ✵ ak real y par

✲ ✳✴ ✵ ✹ ✷
Señales reales e impares x ❞ n ❡ R E✶A L e IM P A R ak imaginaria e impar
Descomposición par e impar x p ❢n ❣ ❥ Par ❤x ❢ n ❣✐ ❢ x ❢ n ❣ real ❣ Re ❑a k
▲

de señales reales x✺ ❢✻n✿❣ ❥ ✺Im✻ ❀par ✺❤ x✻ ❢✿n ❣✐ ❢ x✺❢ n✻ ❣ ✺real

✾ ❣✻ j Im ❑a ▲
I ✼ k
✽
Relación de Parseval para señales periódicas
❁ ❂ ❁ ❂
1 2 2❃ ❅
Pm ♦ ♠ x ❦n ❧ ♦ ♠ a k
❄
N n♥ N k♥ N
■ ❉ ❍ ❊
❆ ❇❈ ❆ ❈ ❇ ❋ ❏ ●

▼ ❑ ▲
❱ ◗ ❯ ❘
❙ ❲ ❚
P ◆❖

❛
Tema 4. Análisis de Fourier ❴de tiempo discreto 2015-2016 20 / 26
 Representación espectral de señales

Índice
1 Introducción
2 Respuesta de sistemas LTI a exponenciales complejas
3 Representación de señales periódicas: series de Fourier
Desarrollo en Serie de Fourier
Propiedades de los coeficientes de la serie de Fourier
4 Representación espectral de señales

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 21 / 26

 Representación espectral de señales

Representación espectral

Representación espectral
El espectro de frecuencias de una señal ondulatoria muestra cuál es la proporción
de cada una de las frecuencias que la componen (sonora, luminosa,
electromagnética,...).

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 22 / 26

 Representación espectral de señales

Representación espectral de señales. Ejemplo 1

El valor de los coeficientes del DSF son la proporción de cada uno de los armónicos
que forman la señal. Se representa el valor de los coeficientes para cada frecuencia.
Ejemplo coseno
π 
x[n] = A0 cos n + φ0
3
A0 −j π3 n −jφ0 A0 j π3 n jφ0
x[n] = e ·e + e ·e
2 2

¿Cuanto vale el periodo?

¿Cuanto valen los coeficientes?
¿Cuál es la representación espectral?

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 23 / 26

 Representación espectral de señales

Representación espectral de señales. Ejemplo 1

A0 /2 |akA
| /2
0
| |

Ω
π − π3 π π
3

Figura: Módulo

φak φ
0
|

Ω
π − π3 π π
3
|

−φ0

Figura: Fase

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 23 / 26

 Representación espectral de señales

Ejemplo de representación espectral. Ejemplo 2

Representar el desarrollo en serie de la señal:

     
2π 2π 4π
x[n] = 1 + sen n + 2cos n + cos n + π/4
N N N

Identificando términos: si lo ponemos en función de exponenciales complejas

quedará:
√  
2 4π 1 2π
x[n] = (1 − j) e−j N n + 1 − e−j N n + 1 + · · ·
4 2j
  √
1 2π 2 4π
···+ 1 + ej N n + (1 + j) ej N n +
2j 4

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 24 / 26

 Representación espectral de señales

Ejemplo de representación espectral. Ejemplo 2

Representar el desarrollo en serie de la señal:

     
2π 2π 4π
x[n] = 1 + sen n + 2cos n + cos n + π/4
N N N

Identificando términos: si lo ponemos en función de exponenciales complejas

quedará:
√  
2 4π 1 2π
x[n] = (1 − j) e−j N n + 1 − e−j N n + 1 + · · ·
4 2j
  √
1 2π 2 4π
···+ 1 + ej N n + (1 + j) ej N n +
2j 4
Coeficientes de la serie de Fourier: a0 = 1, a1 = 1 − 21 j , a−1 = 1 + 21 j ,



√ √
a2 = 42 (1 + j), a−2 = 42 (1 − j)

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 24 / 26

 Representación espectral de señales

Ejemplo de representación espectral. Ejemplo 3

|ak |
√ √
5 5
2 2
| 1 |

1 |

1
2 | |
2

Ω
−3π −2π −π π 2π 3π
−π 4 4 4 4 4 4 π
Figura: Amplitud

φak
π/4
|

arctg(0,5)
|

Ω
−3π −2π −π π 2π 3π
−π 4 4 4
|

4
-arctg(0,5) 4 4 π
|

π/4

Figura: Fase
Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 25 / 26
 Representación espectral de señales

Ejemplo de representación espectral. Ejemplo 4

Representación espectral del tren de pulsos rectangulares:

 sin(kΩ0 (N1 + 12 )) , k 6= 0, Ṅ
Ω
N ak = sin(k 20 )
2N + 1, k = 0, Ṅ
1

Tema 4. Análisis de Fourier de tiempo discreto 2015-2016 26 / 26