UNIVERSIDAD DE LOS ANDES

POSGRADO INGENIERÍA BIOMÉDICA

ENERO 2007

ANÁLISIS FRECUENCIAL DE
SEÑALES

LUIS ENRIQUE MENDOZA

 AGENDA

INTRODUCCIÓN.

DEFINICIÓN.

SEÑALES ESTACIONARIAS Y NO ESTACIONARIAS.

TRANSFORMADA DE FOURIER.

TRANSFORMADA DE FOURIER EN TIEMPO CORTO.

INTRODUCCIÓN TRANSFORMADA WAVELET.

 INTRODUCCIÓN
Muchos de los fenómenos físicos se pueden describir en el
dominio del tiempo ( variable independiente tiempo,
amplitud variable dependiente ), sin embargo la información
que se puede obtener de esta representación no es siempre
la mejor, puesto que la información que caracteriza esta
señal puede verse mas claramente en el dominio de la
frecuencia.
 DEFINICIÓN
Las transformadas son modelos matemáticos que se
pueden aplicar a cualquier tipo de señales, para así tener
la mayor información que se pueda de dicha señal.
Generalmente se asume que las señal en estado original
se definen en el dominio del tiempo.
 SEÑAL ESTACIONARIA
Señal cuya frecuencia no varia con el tiempo
 SEÑALES NO ESTACIONARIAS
Señal cuya frecuencia varia con el tiempo
 TRANSFORMADA

Propiedades de una transformada

Reversible
T, directa
Dominio Dominio
Real transformada
(Tiempo)
T . Inversa. T −1
Fourier
Gabor
wavelet
Coseno
Laplace
Teorema de UNICIDAD
∞ ∞ .

E= ∫ x(t) dt = ∫ X (f )
2 2
df
−∞ −∞

Conservación de la energía
 COMO SE OBTIENE EL ESPECTRO DE FRECUENCIA?

Transformada de Fourier, la cual informa sobre la

amplitud del espectro a ciertos valores de frecuencia.

Fs=7000Hz
Condición de existencia de la transformada de Fourier

La señal x(t) tiene transformada de fourier si:

∞ 2

xa = ∫ x(t)
−∞
dt < ∞

X (f ) < ∞
Bases ortonormales:
x c ( t ), x b ( t ) = 0
− j*2*pi*f *t
x c (t) = e
x c (t) = 1
 Propiedades de la transformada de Fourier
Linealidad y Superposición
Dg ( t ) + ψh ( t ) TF DG (f ) + ψH(f )

F(a * g ( t ) + b * r ( t ))

aF(g ( t )) + bF(r ( t ))
 Propiedades de la transformada de Fourier
Cambio de escala 1 ⎡f ⎤
x (rt ) X⎢ ⎥
x(t) TF X (f ) TF
r ⎣r⎦
 Propiedades de la transformada de Fourier

Diferenciación en el tiempo

⎡ d n (r ( t )) ⎤
F⎢ n ⎥ = ( j * w ) n
* F(r ( t ))
⎣ dt ⎦

Diferenciación en frecuencia

n
d F( w )
F[( j * t ) * r ( t )] =
n

dw n
 Propiedades de la transformada de Fourier

Integración en el tiempo

x(t) TF X (f )
Y
∞

∫ x (t )dt = 0
−∞
t

∫ x ( t ) dt X (f )
TF
−∞ jw
 Propiedades de la transformada de Fourier
Desplazamiento en el tiempo

x(t) TF X (f ) f ( x ( t − κ)) TF X(f ) * e − j*w*κ

 Propiedades de la transformada de Fourier
Simetría x(t) TF X (f )
X (f ) = X ( −f ) Simetría par

θ(X(−f )) = −θ(X(f )) Simetría impar

 Propiedades de la transformada de Fourier
Desplazamiento en frecuencia o modulación

x(t) TF X (f )

x ( t ) * e j*( w − w c )*t

TF

X (f − f c )
 Propiedades de la transformada de Fourier

Convolución

x(t) TF X (f )

g( t ) • h ( t ) TF G (f ) * H (f )

F(g( t ) • r ( t )) F(g ( t )) * F(r ( t ))

 Clases de transformada de Fourier

Transformada de fourier en tiempo continuo TFC

Transformada de fourier en tiempo discreto TFTD

Transformada de fourier discreta TFD

 Transformada de Fourier continua TFC.

Representación de la señal original en función de sumas de

exponenciales complejas, donde f es la frecuencia real.

∞
x(t) ∫−∞
x ( t )e − 2* j*π*f *t dt X(f)

Transformada directa

∫
2* j* π *f * t
X ( f ) e df
−∞
Transformada inversa T −1
X(f) es una función compleja
 Transformada de Fourier continua TFC.

∫
− j*2*pi*f *t
X (f ) = x ( t ) * e dt
−∞

La señal x(t) es multiplicada por un termino sinusoidal de

frecuencia f, si la señal tiene una componente de frecuencia igual o
cercana a f, entonces la integral del producto dará un valor grande.
Si el valor de la integral del producto es pequeño se dice que la
señal no contiene frecuencias de valor f.

Como el intervalo de integración va desde [- ], no importara el

instante en que aparezca la componente de frecuencia f, y no
afectará el resultado de la integración.
 Transformada de Fourier continua TFC.

∫
− j*2*pi*f *t
X (f ) = x ( t ) * e dt
−∞

El espectro de una señal X(f), en general esta dado en forma

compleja .

X ( f ) = X ( f ) * e jθ ( f )

θ(X(f )) Fase del espectro

X (f ) Magnitud del espectro

Ejemplos transformada de fourier continua

FT

FT
Ejemplos transformada de Fourier continua

FT

x ( t1) = cos(w * 300 * t1)

x(t2) = exp(j * 2 * π *120 * t2)
FT x(t3) = cos(w * 25 * t3)
x(t4) = sin(w * 80 * t4)
Transformada de fourier en tiempo discreto TFTD.

Representación de la secuencia en términos de exponencial

complejo

∞
x(n) ∑ x (
n = −∞
n ) e − 2* j*π*f *n X(f)

Transformada directa

π
1
∫
j*2*π*f *n
X ( f ) e df
2 * π −π
Transformada inversa T −1
Ejemplos transformada de Fourier en tiempo discreto

DTFT

FT
 Transformada de fourier discreta TFD.

Representación de la secuencia en términos de exponencial

complejo

N −1
x(n) ∑ x
n =0
( n ) e − j*2*π*k *n / N
X(k )

Transformada directa

1 N −1
∑
N k =0
x ( k ) e j*2*π*k *n / N

Transformada inversa T −1
K y n = 0,1 …, N-1 N = numero de muestras
Ejemplos transformada de Fourier discreta

DFT DFT

IDTF
 TFC , TFTD y TFD

TFC TFTD TFD

Espectro continuo Espectro continuo Espectro discreto

Definida entre [ - Definida entre [- π π ] Definida entre [- π π ]

]

Tabla comparativa
 Problemas de la transformada de Fourier

Es imposible obtener información del tiempo y

Incertidumbre frecuencia de una señal en un punto exacto del
plano tiempo frecuencia.

Forma incorrecto Forma correcto

 Problemas de la transformada de Fourier

Incertidumbre

Se concluya que la TF no tiene problemas en el dominio de la

frecuencia, se sabe exactamente las frecuencias que existen, de la
misma manera no hay ningún inconveniente en el dominio del tiempo,
ya que se conocen los valores de la señal en cualquier instante de
tiempo.
Lo que proporciona estas resoluciones es la ventana utilizada:

j*2*π*f *t
e
La cual existe para cualquier instante d e tiempo [ - ]
 Problemas de la transformada de Fourier

Incertidumbre

No contiene ninguna
información de No contiene ninguna
frecuencia información de
tiempo
Que tanta resolución tiempo frecuencia tiene la TF ?

La transformada de fourier solo da el valor(es) de las componentes

espectrales que se encuentran en la señal, a dicha transformada no
le importa conocer en que tiempo ocurren estas componentes
espectrales.

Señales estacionarias: se dice que la resolución tiempo-

frecuencia es buena.

Señales no estacionarias: se dice que la resolución tiempo-

frecuencia es cero.
Transformada de fourier (T.F) de señal estacionaria

10 25 50 100

TF

Transformada de fourier (T.F) de señal no estacionaria

TF
 ¿ Cuando aplicar la T.F. ?

Teniendo en cuenta las definiciones de señal estacionarias, no

estacionarias y sus diferentes transformadas, se puede decir que
solo es aplicable a señales estacionarias, debido a que las
componentes espectrales se encuentran en todo momento.

Que pasa con las señales que son no

estacionarias ?

La solución fue dividir las señales en porciones finitas y

aplicarle la transformada de fourier.
A este proceso se le llamo:
 Transformada de fourier en tiempo corto S.T.F.T

Proporciona información de las componentes espectrales y su

momento de ocurrencia.

Existe una sola diferencia entre la T.F y la S.T.F.T, en S.T.F.T la

señal se divide en segmentos pequeños, en estos segmentos se
debe asumir que la señal es estacionaria y en T.F existe un solo
segmento infinito.
∞

∫
− 2*pi* j*f *t
tftcc( t 0 , f ) = x ( t ) * v ( t − t 0 ) * e dt
−∞
∞
tftcd( t 0 , f ) = ∑ x (n ) * v(n − t 0 ) * e − 2*pi* j*f *n
−∞

x(t) x (n ) Señal original

v( t ) v( n ) Función ventana
Transformada de fourier en tiempo corto S.T.F.T

Ejemplo
Ventana
gaussiana

− a *t 2 / 2
x(t) = e
a es la longitud de la
ventana.

Se supone que la
porción de señal dentro
de la ventana debe ser
Explicación gráfica estacionaria.
Transformada de fourier en tiempo corto S.T.F.T

Ejemplo Ventana
cuadrada
Transformada de fourier en tiempo corto S.T.F.T

Desplazamiento de la ventana

1 2 3 4 5

1 2 3

Desplazamiento
periódico con periodo Desplazamiento
igual a la duración del periódico con periodo
menor a la duración Solapamiento
la ventana
del la ventana
 Transformada de fourier en tiempo corto S.T.F.T

Desplazamiento de la ventana

Espectros de la señal no solapada Espectros de la señal solapada

Mayor cantidad de espectros de frecuencias con ventanas

solapadas.
 Transformada de fourier en tiempo corto S.T.F.T

Variación del enventanado:

Variación del ancho de la ventana

si el ancho de la
ventana va hacia el
infinito

Señal no
estacionaria
Que
sucede?

TF
 Problemas de la STFT

Resolución: principio de incertidumbre (ventana).

Resolución Resolución
Resolución
tiempo alta tiempo muy baja
tiempo baja
frecuencia baja frecuencia mas
frecuencia alta
alta
Resolución en tiempo es alta, ya que se puede conocer el
x(t) valor de la señal en cualquier tiempo.
Transformada de fourier en tiempo corto S.T.F.T

longitud de la ventana
1000
Transformada de fourier en tiempo corto S.T.F.T

longitud de la ventana
10
 Transformada de fourier en tiempo corto S.T.F.T

En conclusión:
Resolución baja en tiempo y Resolución para el tiempo
alta en frecuencia para es alta y baja en frecuencia
ventanas que tiendan la para ventanas de baja
infinito. longitud

Análisis con resolución única, los componentes de

frecuencia son analizado con una sola resolución.
 INTRODUCCIÓN A WAVELET

Análisis multiresolucional

La transformada WAVELET aplica en su desarrollo un análisis

multiresolucional, por este motivo en los últimos años a tenido
gran impacto.
Wavelet trata de solucionar el problema de resolución STFT
proponiendo un análisis multiresolucional.

Que es el análisis multiresolución ? Resolución en

tiempo y resolución
de frecuencia a
frecuencias altas,
Resolución de
Es analizar la señal a diferentes
tiempo y resolución
frecuencias con resolución
de frecuencia a
Diferentes.
frecuencias bajas
 CONCLUSIONES

La FT tiene resolución tiempo-frecuencia alta para señales

estacionarias y nula para señales no estacionarias.

La STFT resuelve el problema de incertidumbre, el inconveniente

es que el análisis se hace con única resolución.

El análisis multiresolucional es el mas indicado para disminuir

el problema de incertidumbre que esta presente en la STFT.
 BIBLIOGRAFIA

[Link]

[Link]

[Link]

[Link]

[Link]/~matt/wavelets/

[Link]
?
 Próximo
Seminario
Transformada
wavelet