UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Universidad del Perú, DECANA DE AMERICA

FACULTAD DE INGENIERIA ELECTRONICA Y ELECTRICA

E. P. INGENIERIA DE TELECOMUNICACIONES

DFT

Flavio Nireo Carrillo Gomero

[email protected]
DEPARTAMENTO ACADEMICO DE TELECOMUNICACIONES
Capítulo VIII
Transformada Discreta de Fourier Introducción

INTRODUCCION
x[n] ƒ X(ejΩ)

• X(ejΩ) es una función compleja continua en el dominio de la frecuencia Ω.

X(ejΩ)

-3π -2π -π 0 π 2π 3π Ω
• OBJETIVO: representar x[n] en el dominio de la frecuencia a partir de
las muestras de su espectro X(ejΩ)
• Los computadores sólo pueden almacenar y manejar un conjunto finito de
datos, por consiguiente es necesario representar xc(t) mediante un conjunto
finito de valores.
• Adecuado para ser ejecutado por la PC o por el PDS
Transformada Discreta de Fourier Transformada Discreta de Fourier

Transformada Discreta de Fourier

• Primer paso es muestrear xc(t) para obtener una señal discreta xc[n].

• Segundo paso. Como la señal analógica puede no estar limitada en el

tiempo, hay que obtener un conjunto finito de muestras de la secuencia
discreta mediante un proceso de truncamiento.

• Sea x[n] una secuencia finita, definida de la siguiente manera:

x  n  xc  n w n
• Donde: xc[n] señal discreta con infinitas muestras.

w[n] función ventana. Ejemplo: Ventana Rectangular

1, 0 ≤ n ≤ N-1
w[n] =
0, en el resto
Transformada Discreta de Fourier Respuesta en Frecuencia de los Sistemas SDLIT

• Tercer Paso. Calcular ahora la Transformada de Fourier para Señales Discretas

para N muestras:

N 1
X  e j    x  n  e  jn
n 0

• Dado que X(ejΩ) es una función compleja y de periodo 2π, bastaría con calcular

X(ejΩ) en el intervalo [0, 2π].

• Imposible encontrar exactamente X(ejΩ) utilizando un procesador digital, pues

se necesitarían infinitos espacios de memoria y calcular infinitos productos y
sumas.

• X(ejΩ) se calculará sólo sobre un conjunto de N valores de frecuencia (muestras

de frecuencia) igualmente espaciados en el intervalo [0,2π ] .
Transformada Discreta de Fourier Derivación de la DTF

DERIVACION DE LA TRANSFORMADA DISCRETA DE FOURIER

x[n] En el dominio del tiempo
xc(t) xc[n]
Periodo de
Tm muestreo
Tm.

0 t (seg)
0 2 6 …….….. 15 ………………….. N-1 n (seg)
En el dominio de la frecuencia Frecuencia de
X(ejΩ) X[k] muestreo
1 f
f   m dividida entre N.
NTm N

∆f

0 π 2π Ω (Rad)
0 2∆f 6 ∆f …….….. 15 ∆f ………………….. (N-1) ∆f f = k∆f (Hz)
k  0,1, 2........, N  1
Transformada Discreta de Fourier Derivación de la DTF

DERIVACION DE LA TRANSFORMADA DISCRETA DE FOURIER

X(ejΩ) X[k]
1 f
f   m
NTm N

∆f

0 π 2π Ω (Rad)
0 2∆f 6 ∆f …….….. 15 ∆f ………………….. (N-1) ∆f f = k∆f (Hz)
k  0,1, 2........, N  1
Transformada Discreta de Fourier Derivación de la DTF

……
• De la definición de la Transformada de Fourier para Señales Discretas:

X (e )   x[n]e jn
j

n 
• Como Ω=ω.Tm = 2πf.Tm , entonces:

X (e j 2 f
) 
n 
x[n]e  j 2 fT mn

N 1 N 1  jn 2 k
1
Tm
X[k] X (e j 2 k f )   x[n]e jn 2 k fT   x[n]e
m NTm

n 0 n 0

∆f

0 π 2π Ω (Rad)
0 2 6 …….….. 15 ………………….. N-1 k
0 2∆f 6 ∆f …….….. 15 ∆f ………………….. (N-1)∆f f = k∆f (Hz)
k  0,1, 2........, N  1
Transformada Discreta de Fourier Derivación de la DTF

……
 Simplificando obtenemos:

N 1 2
j
X (e j 2 k f )   x[n]e
kn
N

n 0

N 1 k=0,1,2, …., N-1

DFT X [k ]   x[n]W kn  2 
 j 
n 0 W e  N 

N 1

1
IDFT x  n  X [ k ]W  kn
n=0,1,2, …., N-1
N k 0
Transformada Discreta de Fourier Derivación de la DTF

Ejemplo 1:
Hallar la DFT de la señal discreta x[n]:
x[n]
1
N=8

0 1 2 3 4 5 6 7 n

Solución:
De la expresión para la DFT, aplicando a x[n] obtenemos:

7 2
j
X [k ]   x[n]e
kn
N

n 0

Donde: n  0,1, 2........, 7

k  0,1, 2........, 7
Transformada Discreta de Fourier Derivación de la DTF

……
Calculando cada uno de los componentes de frecuencia de X[k] :
7 2
j
X  k    x[n]e
kn
N

n 0

X 0  x 0  x 1  x  2  x 3  x  4  x 5  x 6  x 7

2 2 2 2 2 2 2
j j j j j j j
X 1  x  0  x 1 e  x  2 e  x 3 e  x  4 e  x  5 e  x  6 e  x 7 e
.1.1 .1.2 .1.3 .1.4 .1.5 .1.6 .1.7
8 8 8 8 8 8 8

2 2 2 2 2 2 2
j j j j j j j
X  2  x  0  x 1 e  x  2 e  x 3 e  x  4 e  x  5 e  x  6 e  x 7  e
2.1 .2.2 2..3 2.4 2.5 2..6 2..7
8 8 8 8 8 8 8

2 2 2 2 2 2 2
j j j j j j j
X 3  x  0  x 1 e  x  2 e  x 3 e  x  4 e  x  5 e  x  6 e  x 7  e
3.1 .3.2 3..3 3.4 3.5 3..6 3..7
8 8 8 8 8 8 8

2 2 2 2 2 2 2
j j j j j j j
X  4  x  0  x 1 e  x  2 e  x 3 e  x  4 e  x  5 e  x  6 e  x 7  e
4.1 .4.2 4..3 4.4 4.5 4..6 4..7
8 8 8 8 8 8 8

2 2 2 2 2 2 2
j j j j j j j
X 5  x  0  x 1 e  x  2 e  x 3 e  x  4 e  x  5 e  x  6 e  x 7 e
5.1 .5.2 5..3 5.4 5.5 5..6 5..7
8 8 8 8 8 8 8

2 2 2 2 2 2 2
j j j j j j j
X  6  x  0  x 1 e  x  2 e  x 3 e  x  4 e  x  5 e  x  6 e  x 7 e
6.1 .6.2 6..3 6.4 6.5 6..6 6..7
8 8 8 8 8 8 8

2 2 2 2 2 2 2
j j j j j j j
X  7   x  0  x 1 e  x  2 e  x 3 e  x  4 e  x  5 e  x  6 e  x 7 e
7.1 .7.2 7..3 7.4 7.5 7..6 7..7
8 8 8 8 8 8 8
Transformada Discreta de Fourier Derivación de la DTF

Resultados del cálculo:

K │X[k]│ Ø[k] (rad)

0 6.0000 +0.0000

1 1.8478 - 1.9635

2 1.4142 - 0.7854

3 0.7653 +0.3927

4 0.0000 +0.0000

5 0.7653 - 0.3927

6 1.4142 +0.2854

7 1.8478 +1.9635
Transformada Discreta de Fourier

FT DE UN PULSO RECTANGULAR CONTINUO

Sea x(t) una señal pulso rectangular continua en el tiempo. Determinar la

Transformada de Fourier X(ω).

x(t)

2.5 2.5 t (seg)

1  / 2  t   / 2
x t   
0 otros sen  / 2 
X    
 / 2 
Transformada Discreta de Fourier

DTFT DE UN PULSO RECTANGULAR DISCRETO

x[n]
1 1 2  n  2
x  n  
0 otros

–3 –2 –1 0 1 2 3 4 5 6 n X  e j   e j 2   e j  1  e  j  e  j 2 

X  e j 

Ω (Rad)
Transformada Discreta de Fourier

K │X(k)│ Ø(k) (rad)

DFT DE UN PULSO RECTANGULAR DISCRETO PARA 0 6.0000 + 0.0000
N=16
1 4.73571 - 0.9817

2 1.8478 - 1.9635

3 0.6888 + 0.1963

4 1.4142 - 0.7854

5 0.4602 - 1.7671

6 0.7653 + 0.3927

7 0.9419 - 0.5890

8 0.0000 + 0.0000

9 0.9419 + 0.5890

10 07653 - 0.3927

11 0.4602 + 1.7671

12 1.4142 + 0.7854

13 0.6888 - 0.1963

14 1.8478 + 1.9635

15 4.7357 + 0.9817
Transformada Discreta de Fourier

DFT DE UN PULSO RECTANGULAR DISCRETO PARA

N=32
Transformada Discreta de Fourier

DFT DE UN PULSO RECTANGULAR DISCRETO PARA

N=64
Ejemplo Práctico
Transformada Discreta de Fourier

DFT con Octave

function[X]=dft_01(x)
#
# Cálculo de la DFT de modo directo.
#
Xsize=length(x);
# Cálculo la DFT (Por el camino menos eficiente)
for m=0:Xsize-1
sum=0;
for n=0:Xsize-1
sum=sum+x(n+1)*(cos(2*pi*n*m/Xsize)-
1i*sin(2*pi*n*m/Xsize));
end
X(m+1)=sum;
end
Transformada Discreta de Fourier

DFT con Matlab

# CALCULO DE LA DFT por el método directo
close all; clear all; clc;
# Datos iniciales.
f=80; # frecuencia analógica en Hz.
fs=1000; # frecuencia de muestreo en Hz.
Ts=1/fs; # periodo de muestreo
n=0:Ts:0.50;
x=cos(2*pi*f*n); # Secuencia de prueba
N=length(x);
X=dft_01(x); # Cálculo de la DFT de x[n]
Xabs=abs(X);
Xmax=max(abs(X));
figure(1);plot(x, '.-b'); # Ploteo de las gráficas resultantes
xlabel(sprintf('%6.5f Segundos entre muestra y muestra', Ts));
title('Muestras de x(t)');
figure(2);plot(abs(X),'.','Color',[0.41,0.26,0.10]);
xlabel(sprintf('La resolución de frecuencia es de %5.3f Hz
entre muestras',fs/(length(X)-1)));
title('Módulo de la DFT de x');
Transformada Discreta de Fourier

Ejemplo 2

Frecuencia de muestreo: fs = 1000 Hz.

Frecuencia analógica de x(t): f = 80 Hz.
Secuencia de entrada: x [n] = cos(2*π*f*n)
Número de muestras en el tiempo: N = length(x)
Resolución de la escala de frecuencia: fk = fs/(N-1)
Transformada Discreta de Fourier

Módulo de la DFT de x
250
X: 41
Y: 248.1

200

150

100

50

0
0 100 200 300 400 500 600
La resolución de frecuencia es de 2.000 Hz entre muestras
Transformada Discreta de Fourier

Ejemplo 3

Frecuencia de muestreo: fs = 1000 Hz.

Frecuencia analógica de x(t): f = 200 Hz.
Secuencia de entrada: x [n] = cos(2*π*f*n)
Número de muestras en el tiempo: N = length(x)
Resolución de la escala de frecuencia: fk = fs/(N-1)
Transformada Discreta de Fourier

Módulo de la DFT de x
250

X: 101
Y: 234.6

200

150

100

50

0
0 100 200 300 400 500 600
La resolución de frecuencia es de 2.000 Hz entre muestras
Transformada Discreta de Fourier

Ejemplo 4

Frecuencia de muestreo: fs = 1000 Hz.

Frecuencia analógica de x(t): f = 450 Hz.
Secuencia de entrada: x [n] = cos(2*π*f*n)
Número de muestras en el tiempo: N = length(x)
Resolución de la escala de frecuencia: fk = fs/(N-1)
Transformada Discreta de Fourier

Módulo de la DFT de x
180
X: 226
Y: 176.6

160

140

120

100

80

60

40

20

0
0 100 200 300 400 500 600
La resolución de frecuencia es de 2.000 Hz entre muestras
Transformada Discreta de Fourier

Ejemplo 5

Frecuencia de muestreo: fs = 1000 Hz.

Frecuencia analógica de x(t): f = 540 Hz.
Secuencia de entrada: x [n] = cos(2*π*f*n)
Número de muestras en el tiempo: N = length(x)
Resolución de la escala de frecuencia: fk = fs/(N-1)
Transformada Discreta de Fourier

Módulo de la DFT de x
180

X: 231 X: 272
Y: 173.9 Y: 173.9
160

140

120

100

80

60

40

20

0
0 100 200 300 400 500 600
La resolución de frecuencia es de 2.000 Hz entre muestras
Transformada Rápida de Fourier
FFT
Transformada Discreta de Fourier FFT

TRANSFORMADA RAPIDA DE FOURIER - FFT

 La Transformada de Fourier Discreta - DFT es discreta tanto en el dominio

del tiempo como en el dominio de la frecuencia y es definida para
secuencias de duración finita.

 Es una transformada para efectos de cálculo, pero muy ineficiente para para
secuencias con longitud de datos N muy grande.

 En 1965 Cooley y Tukey obtuvieron un procedimiento de cálculo reducido de

la DFT.

 Como consecuencia se desarrollaron algoritmos de cálculo conocidos como

algoritmos de la Transformada Rápida de Fourier – FFT.
Transformada Discreta de Fourier FFT

……
Sea x[n] una secuencia de N puntos.

X(k) su DFT de N puntos, dada por la siguiente expresión:.

N 1
X  k    x[n].WNnk , 0  k  N  1
n 0

2
j
donde:
WN  e N

Para obtener una muestra de X(k), se necesita:

N multiplicaciones complejas y
(N-1) sumas complejas

Por lo tanto, para obtener la DFT completa de N puntos se necesita:

N (N-1) ≈ N 2 sumas complejas y
N 2 multiplicaciones complejas
Transformada Discreta de Fourier FFT

……

Generalmente el tiempo de procesamiento para una suma es…..

mayor igual menor

menor

que para una multiplicación.

 Concentrarse sobre el número de multiplicaciones complejas.

 Por ejemplo para N=2 por si mismo requiere:

4 multiplicaciones y 2 sumas.
Transformada Discreta de Fourier FFT

Eficiencia del cálculo

 Un algoritmo diseñado en forma eficiente implica que el

número de operaciones debe ser constante por cada muestra,
por lo tanto el numero total de operaciones debe ser
lineal con respecto a N.

 Entonces la FFT aprovecha las propiedades de:

– Periodicidad y
W 6  W 14  ...
W 7  W 15  ...
– Simetría de W W 5  W 13  ...

 Periodicidad :
W 4  W 12  ... W 0  W 8  ...
k  n N  n k  N 
WNkn  W N W N
 Simetría: W 3  W 11  ... W 1  W 9  ...
kn  N / 2 W 2  W 10  ...
W N  W kn
N
Transformada Discreta de Fourier FFT

Ejemplo 6
Desarrollar el cálculo de la DFT de 4 puntos y un algoritmo eficiente
para realizar dicha operación de:

3 2
j
X  k    x[n].W4nk , 0  k  3, W4  e 4
j
n 0

Solución:
El proceso de cálculo puede ser expresado como una matriz:

 X  0 W40 W40 W40 W40   x  0

   0  
 X 1  W4 W4
1
W42 W43   x 1 
 X  2 W40 W42 W44 W46   x  2
   0 9 
 X 3  W4 W4 W4   x 3
3
W46

El cual requiere 16 multiplicaciones complejas.

Transformada Discreta de Fourier FFT

Criterio de eficiencia: utilizando la periodicidad

W40  W44  1 ; W41  W49   j ; W42  W46  1; W43  j

Y sustituyendo en la matriz anterior, obtenemos:

 X  0 1 1 1 1   x  0 
    
 X 1   1 j 1 j   x 1 

 X  2 1 1 1 1  x  2
    
 X 3  1 j 1  j   x 3 

Utilizando la simetría, obtenemos:

X  0  x  0  x 1  x  2  x 3   x  0  x  2   x 1  x 3

g1 g2

X 1  x  0  jx 1  x  2  jx 3   x  0  x  2  j  x 1  x 3

h1 h2

X  2  x  0  x 1  x  2  x 3   x  0  x  2   x 1  x 3

g1 g2

X 3  x  0  jx 1  x  2  jx 3   x  0  x  2  j  x 1  x 3

h1 h2
Transformada Discreta de Fourier FFT

Por lo tanto un algoritmo eficiente es:

Paso 1 Paso 2
g1  x  0  x  2 X  0  g1  g 2
se requiere
g 2  x 1  x 3 X 1  h1  jh2 solamente 2
h1  x  0  x  2 X  2  g1  g 2 multiplicaciones
h2  x 1  x 3 X 3  h1  jh2 complejas.

Diagrama de flujo de este algoritmo.

x  0 X  0
g1

x  2 X 1
1 h1 j

x 1 X  2
g2 1

x 3 X 3
1 h2 j
Transformada Discreta de Fourier FFT

Una interpretación:

(a) Una secuencia x[n] de 4 puntos es dividida en secuencias de 2

puntos, las cuales son reacomodadas dentro de vectores columna
como la mostrada a continuación:

  X  0  X 1    X  0 X 1 

 ,    
  X  2   X  3   X  2 X 3

(b) se toma una DFT de 2 puntos más pequeños de cada columna:

 X  0 X 1  1 1   X  0 X 1   X  0  X  2 X 1  X 3  g1 g2 

W2      
 X  2 X 3 1 1  X  2 X 3  X  0  X  2 X 1  X 3  h1 h2 

Luego cada elemento de la matriz resultado es multiplicado por W4pq  ,

donde p es el índice de la fila y q es el índice de la columna; es decir,
la operación punto-producto se lleva acabo:

1 1   g1 g 2   g1 g2 
   h 
1  j   1 h2   h1  jh2 
Transformada Discreta de Fourier FFT

……
Finalmente, dos DFT’s de 2 puntos más pequeños se toman de los
vectores fila.

 g1 g2   g1 g 2  1 1   g1  g 2 g1  g 2   X  0 X  2
h    
 jh2  2  h1  jh2  1  h1  jh2   X 1
W
 1 1  h1  jh2 X 3 

Aunque esta interpretación parece tener más multiplicaciones que el

algoritmo eficiente, sugiere un enfoque sistemático de calcular una
DFT grande basado en DFT más pequeños.
Transformada Discreta de Fourier FFT

ALGORITMO PARA LA FFT Radix-2:

DECIMACION EN FRECUENCIA

Sea la secuencia x[n] , para n = 0, 1, 2, …, N-1

Separando x[n] en secuencias pares e impares y aplicando la DFT:
N
1
N 1 2 N 1
X [k ]   x[n]W kn
  x[n]W kn
  x[n]W kn

n 0 n 0 n
N
2
N
Haciendo n  n  y reemplazando en la segunda sumatoria, tenemos:
2
N N
1 N 2
1
2
X [k ]   x[n]W kn  W  x[n 
k N
2
]W kn
n 0 n 0 2
N
 cos    jsen      1
k k k
2
Como W y reemplazando, tenemos:
N
1
2
 N  kn
X [k ]    x[n]   1 x[n 
k
]W
n 0  2 
Transformada Discreta de Fourier FFT

…..
 1 1
k
Como: para k par
 1  1
k
para k impar
Separando X[k] en secuencias separadas pares e impares
N
1
2
 N  kn
X [k ]    x[n]  x[n  ]W Para k par
n 0  2 
N
1
2
 N  kn
X [k ]    x[n]  x[n  ]W Para k impar
n 0  2 

Haciendo k =2m para la sumatoria de los pares y k = 2m+1 para los impares
N
1
 2
N  2 mn
X [2m]    x[n]  x[n  ]W m = 0, 1, 2, …N/2 -1
n 0  2 
N
1
2
 N  2 mn mn m = 0, 1, 2, …N/2 -1
X [2m  1]    x[n]  x[n  ]W W
n 0  2 
Transformada Discreta de Fourier FFT

…..
Haciendo:
 N
a  n  x  n  x n  
 2
 N
b  n  x  n  x  n  
 2
Las ecuaciones pueden ser escritas como 2 DFT de N/2 puntos:
N
1
2
X [2m]   a  nWNmn/2 m = 0, 1, 2, …N/2 -1
n 0

N
1
2
X [2m  1]   b[n]WNmn/2WNn m = 0, 1, 2, …N/2 -1
n 0
Transformada Discreta de Fourier FFT

EJEMPLO PARA N=8

Descomponiendo la DFT de N puntos en dos DFT de N/2 puntos.
Aplicando las dos ecuaciones:
3
X [0]   a  nW40  a 0W40  a 1W40  a  2W40  a 3W40
n 0
3
X [2]   a  nW41n  a 0W40  a 1W41  a  2W42  a 3W43
n 0
3
X [4]   a  nW42 n  a 0W40  a 1W42  a  2W44  a 3W46
n 0
3
X [6]   a  nW43n  a 0W40  a 1W43  a  2W46  a 3W49
n 0
3
X [1]   b  nW40W8n  b 0W40W80  b 1W40W81  b  2W40W82  b 3W40W83
n 0
3
X [3]   b  nW4nW8n  b 0W40W80  b 1W41W81  b  2W42W82  b 3W43W83
n 0
3
X [5]   b  nW42 nW8n  b 0W40W80  b 1W42W81  b  2W44W82  b 3W46W83
n 0
3
X [7]   b  nW43nW8n  b 0W40W80  b 1W43W81  b  2W46W82  b 3W49W83
n 0
Transformada Discreta de Fourier FFT

…..
Descomponiendo a[n] y b[n]
a  0  x  0  x  4 b  0  x  0  x  4
a 1  x 1  x 5 b 1  x 1  x 5

a  2  x  2  x  6 b  2  x  2  x  6

a 3  x 3  x  7  b 3  x 3  x  7 

Transformada Discreta de Fourier FFT

…..
El proceso de descomposición puede ser repetido nuevamente pero para N/4
que es la etapa final para N=8.
El número de etapas, o DFT´s se deberá repetir hasta llegar a la DFT de 2
puntos.
En general una FFT de N puntos tendrá m etapas con N  2m
Transformada Discreta de Fourier FFT

…..
La última descomposición, ya que se ha llegado a aplicar la DFT de 2 puntos,
es la más baja descomposición del algoritmo Radix 2. Luego para una DFT de
2 puntos las salidas X[k] de esta última etapa pueden ser escritas de la
siguiente forma:

X  0  x 0W 0  x 1W 0  x 0  x 1

X 1  x 0W 0  x 1W 1  x 0  x 1

Transformada Discreta de Fourier FFT

…..
La decimación en Frecuencia adquiere su nombre del hecho de que la
secuencia de salida X[k] es descompuesta (decimada) en subsecuencias más
pequeñas, continuando por a etapas o iteraciones.
Transformada Discreta de Fourier FFT

Ejemplo numérico
Hallar la FFT Radix 2 para x[n] = {1, 1, 1, 1, 1, 1, 0, 0}, para N=8.
Los coeficientes W pueden ser calculados una sola vez y almacenados para ser
utilizados luego:
W80  1
2
j    
W e
8
1 8
 cos    jsen    0.707  j 0.707
4 4
4 6
j j
W e
8
2 8
j W e
8
3 8
 0.707  j 0.707

Ahora calculamos las salidas intermedias para cada etapa:

ETAPA 1:
x  0  x  4  2  x´ 0
 x 0  x  4W  0
0
 x´ 4

x 1  x 5  2  x´1
 x 1  x 5W  0
1
 x´5

x  2  x  6  1  x´ 2
 x  2  x 6W   j
2
 x´ 6

x 3  x  7   1  x´3
 x 3  x 7W  0.707  j 0.707
3
 x´ 7 


x´[0], x´[1],….., x´[7] son las salidas intermedias de la 1era. iteración:

Transformada Discreta de Fourier FFT

……
ETAPA 2:
x´ 0  x´ 2  2  1  3  x´´ 0
 x´ 4  x´ 6  0  j   j  x´´ 4

x´1  x´3  2  1  3  x´´1
 x´5  x´ 7   0.707  j 0.707  x´´5

x´0  x´ 2W   2  11=1
0
 x´´ 2
 x´ 4  x´6W 0
j  x´´ 6


x´1  x´3W   2  1  j  =  j

2
 x´´3
 x´5  x´7W 2
 0.707  j 0.707  x´´ 7 


x´´[0], x´´[1],….., x´´[7] representan salidas intermedias de la segunda iteración:

ETAPA 3:

X  0  x´´ 0  x´´1  3  3  6 X  4  x´´ 0  x´´1  0

X 1  x´´ 4  x´´5  0.707  j1.707 X 5  x´´ 4  x´´5  0.707  j 0.2929
X  2  x´´ 2  x´´3  1  j X  6  x´´ 2  x´´3  1  j
X 3  x´´ 6  x´´7   0.707  j 0.2929 X  7   x´´ 6  x´´ 7   0.707  j1.7071
Transformada Discreta de Fourier FFT

x’[0] x’’[0]

x’[1] x’’[1]

x’[2] x’’[2]

x’[3] x’’[3]

x’[4] x’’[4]

x’[5] x’’[5]

x’[6] x’’[6]

x’[7] x’’[7]
 Bibliografia

[1] J. G. Proakis, y D. G. Manolakis, Capítulo 5: La Transformada de

Fourier Discreta, TRATAMIENTO DIGITAL DE SEÑALES, 3.ª Edición,
Editorial Prentice Hall, pp. 401 - 455, 2000.

[2] J. G. Proakis, y D. G. Manolakis, Capítulo 6: Calculo eficiente de la

DFT: algoritmos para la FFT, TRATAMIENTO DIGITAL DE SEÑALES,
3.ª Edición, Editorial Prentice Hall, pp. 457 - 507, 2000.
 PREGUNTAS

Fin del Capítulo VIII