Comparative analysis of the fast Fourier transform,

Hilbert transform and Wavelet transform for the

application of frequencies
Jeanfranco Lozada Romero ([email protected]), Camila Fernanda Herrera Arzapalo ([email protected])
Universidad Privada del Norte
Facultad de Ingeniería
ABSTRACT
The study of soil displacements is crucial in various disciplines,
I. RESUMEN from civil engineering to geophysics, where understanding how
El estudio de los desplazamientos de suelos es crucial en soil behaves under different loads or conditions is essential to
diversas disciplinas, desde la ingeniería civil hasta la design safe structures and prevent natural disasters.
geofísica, donde entender cómo se comporta el suelo bajo This study is based on carrying out a comparative analysis
diferentes cargas o condiciones es fundamental para between the Fast Fourier Transform (FFT), the Hilbert Transform
diseñar estructuras seguras y prevenir desastres naturales. (HT) and the Wavelet Transform (WT) in the application of
Este estudio se basa en realizar un análisis comparativo frequencies in earthquakes. This research due to the importance
entre la Transformada Rápida de Fourier (FFT), la of understanding and characterizing seismic events, as well as the
requirement to use effective mathematical tools in the analysis.
Transformada de Hilbert (HT) y la transformada de
The information sources used for this study included databases to
Wavelet (WT) en la aplicación de frecuencias en sismos.
obtain relevant scientific articles. The criteria for admission of
Esta investigación debido a la importancia de comprender the documents included the importance of the topic, the quality
y caracterizar los eventos sísmicos, así como el and timeliness of the information. The main results indicate that
requerimiento de utilizar herramientas matemáticas the combination of FFT, HT and WT can improve the precision
efectivas en el análisis. Las fuentes de información in the detection and characterization of seismic signals, providing
utilizadas para este estudio incluyeron bases de datos para a more complete understanding of the events and their
obtener artículos científicos relevantes. Los criterios de characteristics in soils. In conclusion, FFT, HT and WT are
admisión de los documentos incluyeron la importancia del effective mathematical tools that can be used together to obtain
tema, los gráficos de autoría propia y actualidad de la more accurate results in earthquake frequency analysis. Their
información. Los principales resultados indican que la combination allows for better interpretation and analysis of
combinación de la FFT, la HT y la WT puede mejorar la seismic signals, which can contribute to risk mitigation and
precisión en la detección y caracterización de señales infrastructure planning in earthquake-prone areas.
General objective:
sísmicas, proporcionando una comprensión más
Characterize the dynamic response of the soil to seismic
completa de los eventos y sus características en los suelos.
excitation.
En conclusión, la FFT, la HT y la WT son modelos
matemáticos eficaces que pueden utilizarse en conjunto Keywords: Correlation, Fourier, Hilbert, Wavelet, Displacement.
para obtener resultados más precisos en el análisis de
frecuencias en sismos. Su combinación permite una mejor I. INTRODUCCIÓN
interpretación y análisis de señales sísmicas, lo que puede
contribuir a la mitigación de riesgos y la planificación de El análisis de desplazamiento de suelos mediante la
infraestructuras en áreas propensas a sismos. Transformada de Fourier es una técnica importante, ya que,
Objetivo general: gracias a ella podemos determinar el comportamiento del suelo
Caracterizar la respuesta dinámica del suelo ante la en el dominio de la frecuencia, obteniendo respuesta dinámica a
excitación sísmica. cargas sísmicas o vibraciones. Esto es valioso para construir
estructuras antisísmicas, al identificar las frecuencias de las
Palabras claves: Correlación, Fourier, Hilbert, Wavelet, vibraciones. Además, esta técnica también se emplea en
Desplazamiento. prospección geofísica y geotecnia para caracterizar el suelo y
detectar anomalías subterráneas.

22nd LACCEI International Multi-Conference for Engineering, Education, and Technology: Sustainable Engineering for a Diverse, Equitable, and Inclusive Future at the Service
of Education, Research, and Industry for a Society 5.0. Hybrid Event, San Jose – COSTA RICA, July 17 - 19, 2024. 1
Como bien sabemos, los sismos son fenómenos naturales magnitudes de movimientos tectónicos no estaría preparada
que ocurren con normalidad y están presentes en todas las ya que, más del 80% de las viviendas peruanas no están
partes del planeta. Hay ciertos factores que influyen en la regularizadas ni independizadas por las entidades públicas que
percepción de estos fenómenos, donde se observa una dan los permisos necesarios para la construcción, también por
mayor variedad en cuanto a su intensidad. Algunos de estos mencionar el estudio de mecánica de suelos y entre otros
factores incluyen la ubicación geográfica, donde las factores que bien o no, son necesarios al momento de realizar
condiciones climáticas pueden tener un impacto nocivo. una construcción.
Además, los sismos se generan debido a los movimientos
de las placas tectónicas que conforman la corteza terrestre, Transformada Rápida de Fourier (FFT):
en un proceso conocido como tectónica. También pueden
ser ocasionados por deslizamientos de montañas, que Es un algoritmo eficiente para calcular la Transformada de
generan fuerzas de gran magnitud y pueden resultar en Fourier Discreta (DFT) de una señal discreta en el
sismos significativos. Estos son solo algunos ejemplos de dominio del tiempo. La FFT es una implementación
factores notables que influyen en los sismos. Para específica de la DFT que reduce drásticamente la cantidad
comprender mejor estos fenómenos y determinar las de operaciones necesarias para calcularla, lo que la hace
frecuencias de los sismos, se han aplicado diversos muy útil para el procesamiento rápido de señales.
modelos matemáticos. Tres de los enfoques que vamos a
Se pueden utilizar diferentes convenciones para la
estudiar en este campo son la Transformada de Fourier, la
definición y la normalización:
Transformada de Hilbert y la Transformada de Wavelet.
Señal de entrada en el dominio del tiempo
La combinación de estos modelos matemáticos con el
estudio de los factores mencionados anteriormente puede 𝑁−1
ayudar a entender mejor la influencia de los modelos
matemáticos en la determinación de las frecuencias en los 𝑋̃ (𝑘 ) = ∑ ( 𝑥̃𝑛) 𝑊 𝑘𝑛 N
sismos. Esto abre la puerta a la posibilidad de mejorar las 𝑛=0
predicciones y el entendimiento de los sismos, lo que a su
vez podría tener aplicaciones importantes en la Donde: 𝑋̃(𝑘), representa las componentes de frecuencia en el
moderación de riesgos y la planificación de dominio de la frecuencia. Cada valor de 𝑋̃(𝑘) representa la
infraestructuras en áreas propensas a sismos. contribución de la frecuencia k en la señal original.
𝑥̃(𝑛), es la muestra de la señal en el dominio del tiempo. Cada
Realizar un análisis comparativo entre la Transformada valor de 𝑥̃(𝑛) representa la amplitud de la señal en el instante de
Rápida de Fourier, la Transformada de Hilbert y la tiempo n.
transformada de Wavelet para determinar su funcionalidad 𝑊𝑁, es la raíz 𝑁-ésima de la unidad compleja, que se utiliza
en la aplicación de frecuencias en sismos con el fin de como coeficiente de ponderación en la fórmula de la
fusionar los tres modelos matemáticos obteniendo algún Transformada de Fourier Discreta.
resultado que mejore la precisión al momento de detectar
una señal.
Señal en el dominio de la frecuencia
Evaluar y comparar el rendimiento de la Transformada
Rápida de Fourier, la Transformada de Hilbert y la 𝑁−1
1
transformada de Wavelet en la clasificación y análisis de 𝑥̃ (𝑘 ) = ∑ 𝑋̃ (𝑛)𝑊 −𝑘𝑛
las frecuencias presentes en señales sísmicas registradas.
Examinar las ventajas y limitaciones de la Transformada 𝑁
𝑁 𝑛=0
Rápida de Fourier, la Transformada de Hilbert y la
transformada de Wavelet en la detección de cambios en la
respuesta sísmica de los suelos ante 1000 Hz en la 𝑥̃(𝑘): Representa la señal reconstruida en el dominio del
frecuencia de los sismos. tiempo a partir de las componentes de frecuencia 𝑋̃(𝑛).
En la actualidad se vienen dando catástrofes que afectan de
forma significativas tanto a las estructuras como a la 𝑋̃(𝑛): Es la componente de frecuencia en el dominio de la
sociedad que vive en la misma, por ejemplo, podemos frecuencia. Cada valor de 𝑋̃(𝑛) representa la contribución de la
denotar las intensas lluvias que se dan en el norte del Perú frecuencia n en la señal original.
en cierta época del año y esto desencadena inundaciones o
los mismos huaicos por el exceso de contenido de agua en 𝑊𝑁: Es la raíz 𝑁-ésima de la unidad compleja, que se utiliza
los cerros. Estas catástrofes que ocurren no son manejables como coeficiente de ponderación en la fórmula de la
ya que el hombre de alguna forma no puede evitarlas más Transformada de Fourier Discreta.
si se pueden prevenir con planes y estrategias. Se Es importante destacar que estas nuevas fórmulas no son la
menciona que el Perú al momento de afrontar grandes convención estándar de la Transformada de Fourier Discreta,

22nd LACCEI International Multi-Conference for Engineering, Education, and Technology: Sustainable Engineering for a Diverse, Equitable, and Inclusive Future at the Service
of Education, Research, and Industry for a Society 5.0. Hybrid Event, San Jose – COSTA RICA, July 17 - 19, 2024. 2
sino una variante específica que utiliza una diferente la señal en el dominio del tiempo a partir de las componentes de
normalización y orden de los términos. En general las frecuencia 𝑋̃(𝑛) en el dominio de la frecuencia.
convenciones y fórmulas específicas pueden variar según
el contexto y la implementación de las transformadas. En En conclusión, las fórmulas 𝑋̃(𝑘) y 𝑥̃(𝑘) representan las
resumen, la fórmula 𝑋̃(𝑘) calcula las componentes de componentes de frecuencia y la señal reconstruida,
frecuencia en el dominio de la frecuencia a partir de las respectivamente, en una variante específica de la
muestras de la señal 𝑥̃(𝑛) en el dominio del tiempo. Transformada de Fourier Discreta. Estas fórmulas pueden
Mientras que la fórmula 𝑥̃(𝑘) realiza la reconstrucción de utilizarse en casos particulares donde se requiera una
normalización o un orden específico de los términos.

- Transformada de Hilbert (HT):

Es la forma más sencilla de entender las variaciones de la

amplitud y frecuencia de una señal con respecto al tiempo.
La transformada se define como: Una función tal como g se dice que es un wavelet si satisface
la siguiente condición de admisibilidad necesaria para obtener
la "Transformada Wavelet Inversa":

donde es la Transformada de Fourier de g(t) También la

Donde: función debería tener energía finita, esto es:
H[x(t)]: Representa la Transformada de Hilbert de la señal
x(t), que es la envolvente analítica de la señal.
x(t): Es la señal original en el dominio del tiempo que se
desea analizar.
t: Es la variable de tiempo en la que se evalúa la
Transformada de Hilbert.
τ (tau): Es la variable de integración en la integral, que Hay muchos tipos de Transformada Wavelet, siendo de gran
representa el desplazamiento o retardo de la señal original en importancia aquellas en las cuales el conjunto de las funciones
la convolución. base es ortonormal. La Transformada Wavelet de una señal
P: Indica que se está realizando la convolución principal en la f(x) a escala 2' se define por el producto:
integral. Esta parte de la integral asegura que se evitan
problemas de singularidad o discontinuidades en la señal x(t)
cuando se realiza la convolución.

En síntesis, la Transformada de Hilbert es una técnica

matemática que nos permite obtener la envolvente de una
señal sin cambiar de dominio. En otras palabras, al aplicar la
Transformada de Hilbert a una señal, obtenemos una nueva La Transformada Wavelet puede ser descripta de varias
señal que conserva las características únicas y singulares de la maneras. Este describe a una Transformada Wavelet como un
envolvente de la señal original. Esto nos proporciona proceso para representar una función con diferentes niveles de
información valiosa sobre la amplitud y la fase de la señal en aproximación.
función del tiempo, lo que puede ser útil para el análisis de Además del análisis comparativo, también
señales no estacionarias y la detección de eventos transitorios. investigaremos las ventajas y limitaciones de la
Transformada rápida de Fourier, la Transformada de
- Transformada de Wavelet (WT): Hilbert y la transformada de Wavelet en la detección de
cambios en la respuesta sísmica de los suelos ante
El conjunto de funciones base se obtiene a partir del Wavelet variaciones en la frecuencia de los sismos. Esto nos
Madre g basic (t) por dilataciones controladas por la variable permitirá comprender en qué situaciones cada
a, y traslaciones controladas por la variable b, de acuerdo a transformada puede ser más adecuada y cómo
la ecuación: pueden complementarse para obtener resultados más
ME FALTA HACERLO COMO CREACIÓN PROPIA precisos y confiables en el análisis de frecuencias en
sismos.
Al finalizar este informe, esperamos obtener
conclusiones claras y fundamentadas sobre la

22nd LACCEI International Multi-Conference for Engineering, Education, and Technology: Sustainable Engineering for a Diverse, Equitable, and Inclusive Future at the Service
of Education, Research, and Industry for a Society 5.0. Hybrid Event, San Jose – COSTA RICA, July 17 - 19, 2024. 3
efectividad de la Transformada rápida de Fourier, la y asentamientos. También permite la compresión de datos,
Transformada de Hilbert y la transformada de Wavelet reduciendo la complejidad y facilitando un procesamiento más
en la aplicación de frecuencias en sismos. eficiente sin pérdida significativa de información. En resumen,
la Transformada de Wavelet es una herramienta valiosa para
¿Cuáles son las ventajas y limitaciones de cada
un análisis profundo y preciso de los desplazamientos de
transformada en el análisis de la respuesta sísmica de
suelos.
los suelos? Estas preguntas serán abordadas en detalle a
lo largo de este informe para brindar una visión más
ANALIZADO POR FOURIER:
completa de estas importantes herramientas en el
La Transformada de Fourier permite determinar las
campo de la sismología.
frecuencias predominantes en los desplazamientos de suelos al
Como finalidad principal por lo que estamos convertir la señal del dominio del tiempo al dominio de la
elaborando esta investigación es para realizar frecuencia. Esto es útil para identificar patrones de oscilación
comparativa en los gráficos de frecuencia que y vibración presentes en los datos, proporcionando
proporciona la transformada rápida de Fourier, la información sobre las componentes armónicas y su amplitud.
transformada de Hilbert y la transformada de Wavelet. Al analizar las frecuencias dominantes, se puede comprender
Nos enfocaremos en realizar un análisis comparativo mejor la dinámica de los movimientos del suelo, identificar
entre estos importantes modelos matemático utilizados posibles resonancias y detectar perturbaciones periódicas o
en el análisis de frecuencias en sismos: la cíclicas que podrían ser indicativas de fenómenos naturales o
Transformada Rápida de Fourier (FFT), la inducidos.
Transformada de Hilbert (HT) y la transformada de
Wavelet (WT). Estas transformadas ofrecen enfoques Además, la Transformada de Fourier facilita el filtrado de la
distintos pero complementarios para el análisis de señal para eliminar ruido o enfocar el análisis en ciertas
señales sísmicas y han demostrado ser eficaces en la bandas de frecuencia. Por ejemplo, se puede aplicar un filtro
identificación y caracterización de las frecuencias pasa bajas para reducir el ruido de alta frecuencia y destacar
presentes en los sismos las tendencias principales de los desplazamientos. Esto mejora
la claridad de la señal y permite una interpretación más precisa
de los datos, lo cual es crucial para monitorear la estabilidad
II. METODOLOGÍA del suelo y predecir posibles eventos geotécnicos adversos,
Esta investigación está basada en una revisión sistemática como deslizamientos de tierra o asentamientos.
mixta, se denomina así a la investigación descriptiva y
que señala la manera de cómo se manifiesta el fenómeno ANALIZADO POR HILBERT:
o evento (mediante gráficos y el modelamiento La Transformada de Hilbert permite determinar la envolvente
matemático), en el cual se busca especificar las de la señal de desplazamientos de suelos, mostrando cómo
importantes características para la explicación de estos varía la amplitud a lo largo del tiempo. Esto facilita la
fenómenos, dimensiones y los componentes. Se aplican identificación de cambios en la intensidad de los
estrategias científicas que examinen una dirección desplazamientos, como deslizamientos de tierra o
sistemática mixta, y una valoración, consideración de un asentamientos. Además, permite calcular la fase instantánea de
breviario de un argumento específico. la señal, proporcionando información sobre la sincronización
y las variaciones cíclicas en los movimientos del suelo.
Analizar la fase instantánea ayuda a identificar patrones
ANALIZADO POR WAVELET: repetitivos y a comprender la relación temporal entre
La Transformada de Wavelet permite analizar los diferentes eventos de desplazamiento.
desplazamientos de suelos descomponiendo la señal en
múltiples escalas y localizando características específicas en el La Transformada de Hilbert es la capacidad de calcular la
tiempo y la frecuencia. Esto facilita la identificación de frecuencia instantánea, que muestra cómo varía la frecuencia
patrones y anomalías que podrían no ser evidentes con otros de la señal en el tiempo. Esto es crucial para detectar
métodos, proporcionando una visión detallada de los fluctuaciones en las frecuencias dominantes y entender
movimientos a corto y largo plazo. Además, permite la cambios en la velocidad de los movimientos del suelo. La
detección precisa de eventos significativos y cambios en los frecuencia instantánea puede revelar oscilaciones de alta
desplazamientos, ayudando en la interpretación de fenómenos frecuencia indicativas de vibraciones inducidas por
geotécnicos y en la toma de decisiones informadas. actividades humanas o eventos sísmicos. En resumen, la
Transformada de Hilbert proporciona una comprensión
Al proporcionar un análisis multiresolución, la Transformada detallada de la dinámica de los desplazamientos de suelos,
de Wavelet ayuda a separar el ruido de las señales útiles, identificando cambios en la amplitud, fase y frecuencia de la
mejorando la calidad de los datos analizados. Esto es crucial señal.
para el monitoreo continuo y la predicción de eventos
relacionados con la estabilidad del suelo, como deslizamientos

22nd LACCEI International Multi-Conference for Engineering, Education, and Technology: Sustainable Engineering for a Diverse, Equitable, and Inclusive Future at the Service
of Education, Research, and Industry for a Society 5.0. Hybrid Event, San Jose – COSTA RICA, July 17 - 19, 2024. 4
Para esta investigación comparamos los 3 modelos
matemáticos: N° BASE DE ECUACUCION DE BUSQUEDA
La Transformada de Fourier, la Transformada de Wavelet y la DATOS
Transformada de Hilbert son herramientas fundamentales en el 1 MasScience ´´Transformada de Fourier´´
análisis de desplazamientos de suelos, cada una con enfoques
distintos y aplicaciones específicas. La Transformada de 2 SCOPUS ¨ Transformada de Wavelet ¨
Fourier es ideal para descomponer una señal en componentes
de frecuencia y determinar las frecuencias predominantes en
desplazamientos estacionarios. Sin embargo, carece de 3 WEB OF ¨Transfornda de hilbert¨¨
resolución temporal y no puede capturar cambios en las science
frecuencias a lo largo del tiempo, limitando su utilidad en
señales no estacionarias como los desplazamientos de suelos. 4 Science Direct ¨Fourier y Wavelet¨
En contraste, la Transformada de Wavelet ofrece un análisis
multiresolución, permitiendo estudiar tanto las variaciones de 5 WOLFRAM ¨ Dezplazamientos de Suelos¨
frecuencia como los cambios temporales en la señal. Esto la ALPHA
hace efectiva para detectar eventos transitorios y patrones no 6 DIALNET ¨ Hilbert y wavelet ¨
estacionarios en los desplazamientos de suelos,
proporcionando una visión más completa de la dinámica del
suelo en diferentes escalas temporales y de frecuencia. Se consideró las bases de datos que agrupan mayor porcentaje
de publicaciones relacionadas a la ingeniería; el estudio
Por otro lado, la Transformada de Hilbert se destaca por contempló los siguientes criterios de inclusión y exclusión:
calcular la envolvente de la señal, la fase instantánea y la
frecuencia instantánea, revelando cómo varían la amplitud, la C1: Artículos con antigüedad no mayor a 10 años, permiten
fase y la frecuencia de los desplazamientos de suelos en tener información relevante y actualizada, se consideró
tiempo real. Esta capacidad es crucial para analizar modos artículos científicos a partir del 2018
transitorios y cambios rápidos en los desplazamientos,
complementando las limitaciones de la Transformada de C2: Artículos relacionados al sector público e investigatorio;
Fourier y extendiendo el análisis de la Transformada de este criterio ha sido considerado para poder orientar y
Wavelet al proporcionar una comprensión detallada de las clasificar la información en el campo de nuestro interés.
variaciones dinámicas en la señal. En resumen, cada
transformada ofrece herramientas distintas y complementarias C3: No se consideraron tesis en repositorios. Solo fueron
para el análisis de desplazamientos de suelos, desde el análisis considerados artículos científicos publicados en revistas
de frecuencias dominantes hasta la captura de cambios determinadas
temporales y modos transitorios, dependiendo de las
necesidades específicas del monitoreo geotécnico y la C4: Publicaciones en español, e inglés; considerado las
predicción de eventos geológicos. publicaciones en idioma español por ser nuestro idioma nativo
cada transformada tiene ventajas, depende de la tarea a y el inglés por ser un idioma en el cual se tiene gran cantidad
aplicar: de publicación de investigaciones en las principales bases de
Transformada de Fourier: datos.
Ideal para análisis de frecuencia en señales estacionarias.
Limitada en resolución temporal. C4: Artículos a nivel mundial. Debido a que la aplicación de
los sistemas de gestión se realiza a nivel global.
Transformada de Wavelet:
Proporciona análisis multiresolución en el dominio tiempo-
frecuencia.
Excelente para señales no estacionarias y detección de eventos
transitorios.

Transformada de Hilbert:
Calcula la envolvente, fase instantánea y frecuencia
instantánea.
Útil para analizar variaciones de amplitud y frecuencia en
tiempo real, y para detectar modos transitorios.
Cada una ofrece diferentes ventajas y se puede utilizar de
manera complementaria para proporcionar una comprensión
más completa de los desplazamientos de suelos.
Tabla1. Ecuaciones de búsqueda por cada base de datos

22nd LACCEI International Multi-Conference for Engineering, Education, and Technology: Sustainable Engineering for a Diverse, Equitable, and Inclusive Future at the Service
of Education, Research, and Industry for a Society 5.0. Hybrid Event, San Jose – COSTA RICA, July 17 - 19, 2024. 5
 V. RESULTADOS Y DISCUSIÓN
Del grafico se muestra integración efectiva de las
transformadas de Fourier, Wavelet y Hilbert para analizar Aquí aplicamos un algoritmo para demostrar la Transformada
desplazamientos de suelos en MATLAB. Cada transformada de Fourier (FFT)
ofrece enfoques distintos que complementan y enriquecen la
comprensión de la señal: Aquí tenemos el gráfico de Fourier a una Frecuencia de 1000
Hz, representa la distribución de las frecuencias espaciales
En primer lugar, la Transformada de Fourier revela las presentes en una imagen digital como esta, cada punto en la
componentes espectrales predominantes en los imagen de frecuencia tiene una especificación y su brillo
desplazamientos de suelos, representadas en la gráfica de indica la amplitud de esa frecuencia en la imagen original:
amplitud frente a la frecuencia. Este enfoque es ideal para
identificar las frecuencias dominantes y sus contribuciones Figura 1. Modelamiento de la Transformada Rápida de
relativas a la señal. Sin embargo, al ser estática en el tiempo, Fourier
la Transformada de Fourier puede perder detalles importantes
sobre eventos transitorios y cambios rápidos en los
desplazamientos.

Por otro lado, la Transformada de Wavelet proporciona un

análisis multiescala que captura tanto la información en el
dominio del tiempo como en el de la frecuencia. La
representación de los coeficientes de wavelet en una imagen
de escala de colores permite detectar patrones temporales
complejos y variaciones locales en diferentes escalas
temporales. Este enfoque es especialmente útil para señales no
estacionarias como los desplazamientos de suelos, donde se
pueden identificar eventos transitorios y cambios rápidos que
podrían perderse en un análisis puramente frecuencial como el
de Fourier.

Finalmente, la Transformada de Hilbert complementa el Aquí aplicamos la transformada de Fourier en el

análisis al proporcionar la envolvente de la señal y la desplazamientos de suelos:
información sobre la fase instantánea y la frecuencia
instantánea. Esto permite una visión detallada de cómo varía
la amplitud de los desplazamientos a lo largo del tiempo, Aquí tenemos la Transformada Wavelet Continua
además de revelar cambios en la fase y la frecuencia que representada la distribución de la energía de una señal a lo
pueden indicar la dinámica subyacente en los movimientos del largo del tiempo y de las escalas, se diferencia de la
suelo. Este enfoque dinámico y detallado es crucial para Transformada de Fourier porque este solo proporciona
comprender la evolución temporal de los desplazamientos y información sobre la frecuencia de una señal.
para identificar eventos críticos.

En conjunto, la integración de estos enfoques permite un

análisis exhaustivo y holístico de los desplazamientos de
suelos, capturando tanto las características frecuenciales
dominantes como los cambios temporales y transitorios,
esenciales para aplicaciones en geotecnia, monitoreo de
riesgos naturales y diseño de estructuras resilientes

22nd LACCEI International Multi-Conference for Engineering, Education, and Technology: Sustainable Engineering for a Diverse, Equitable, and Inclusive Future at the Service
of Education, Research, and Industry for a Society 5.0. Hybrid Event, San Jose – COSTA RICA, July 17 - 19, 2024. 6
 Tenemos la representación de dos formas diferentes de
visualizar la información contenida en una señal. La señal
Aquí aplicamos un algoritmo para demostrar la original representa en el dominio del tiempo, mientras que
Transformada de Wavelet (WT): la señal reconstruida se representa en el dominio del
Luego de eso, colocamos los algoritmos y representamos tiempo-desplazamiento.
la Transformada Wavelet Continua del Desplazamiento de
Suelos, analiza el comportamiento dinámico del suelo y
para eventos sísmicos, analiza la distribución de las ondas
sísmicas en diferentes escalas y tiempos, puede indicar la
magnitud, ubicación y profundidad de un terreno, a una
frecuencia de 1000 Hz:

La imagen representa, la señal original es una onda sinusoidal

que conlleva una frecuencia, la HT crea una señal que
combina estos dos componentes y la envolvente de amplitud
es constante. En este caso, en una señal más compleja, la
La imagen de los Coeficientes de la Transformada de envolvente de amplitud varía y nos dará una idea clara de la
Wavelet Discreta representa la distribución de la amplitud variación del desplazamiento de la señal en el tiempo.
que representa los coeficientes de aproximación y detalle La fase instantánea proporciona información sobre la
en cada nivel de escala y posición, mientras que el índice evolución temporal de la fase de la señal representada en el
representa la posición del coeficiente dentro de la señal o eje x por la fase en radianes y el tiempo.
imagen.
La frecuencia instantánea de la señal determina cómo cambia
la frecuencia de la señal en el tiempo, para una señal de 1000
Hz la frecuencia instantánea varía proporcionando una
medida de cómo cambia la frecuencia de la señal a lo largo
del tiempo.

22nd LACCEI International Multi-Conference for Engineering, Education, and Technology: Sustainable Engineering for a Diverse, Equitable, and Inclusive Future at the Service
of Education, Research, and Industry for a Society 5.0. Hybrid Event, San Jose – COSTA RICA, July 17 - 19, 2024. 7
 En el primer gráfico se muestra la señal original con los identificar eventos tanto en el dominio del tiempo
desplazamientos marcados a lo largo de 30 segundos. como en el de la frecuencia la convierte en una
En el segundo gráfico se muestra el análisis de Fourier, herramienta especialmente útil para el análisis de
destacando las componentes frecuenciales de la señal hasta señales que son transitorias o no estacionarias.
5 Hz. (si lo modifico no se aprecia muchos por ejemplos a
1000 Hz) Aplicación en el análisis de señales sísmicas:
En el tercer gráfico se muestra el análisis de Wavelet
Continua (CWT), mostrando cómo varían las frecuencias Transformada rápida de Fourier: se utiliza
de la señal en el tiempo a lo largo de 30 segundos. comúnmente en el análisis espectral de señales
Estos gráficos te permitirán comparar cómo cada método sísmicas para identificar las frecuencias absolutas y
(Fourier y Wavelet) aborda el análisis de desplazamientos las amplitudes relacionadas. Es útil para el estudio
en datos de suelos simulados durante un período extendido de la respuesta frecuencial de los suelos y la
de tiempo, proporcionando una perspectiva visual identificación de las características de los sismos.
detallada de sus capacidades y aplicaciones potenciales en
ingeniería geotécnica. Transformada de Hilbert: es valiosa para distinguir
la evolución temporal y los cambios en la amplitud
de las señales sísmicas. Permite detectar fenómenos
transitorios, como cambios notorios en la amplitud
de una señal, y proporciona información sobre la
amplitud instantánea y la fase.

Transformada de Wavelet: esta transformada

encuentra aplicaciones en numerosos campos, como
el procesamiento de señales, las comunicaciones, la
medicina, la ciencia y la ingeniería.

Tomando en cuenta lo discutido, la FFT se enfoca

en el análisis espectral y proporciona información
sobre las componentes de frecuencia en una señal
sísmica, mientras que la HT se centra en la
envolvente y la fase instantánea de la señal, lo que
permite analizar cambios transitorios en la amplitud
y la fase, y por otro lado, la WT descompone una
señal en componentes que varían en escala y
frecuencia Estas transformadas son herramientas
valiosas en el análisis de señales sísmicas y ofrecen
VI. CONCLUSIONES enfoques complementarios para el estudio de los
sismos y la respuesta de los suelos. La elección de la
Transformada rápida de Fourier: se emplea para transformada dependerá de qué es lo que se busca
descomponer una señal en sus componentes de determinar y las características de las señales
frecuencia, otorgando datos sobre las amplitudes y sísmicas a estudiar.
fases de las diferentes frecuencias presentes en la
señal. No proporciona directamente información VII. REFERENCIAS
sobre la envolvente de la señal. C. Hernández Sánchez, «Determinación del epicentro de un
sismo por medio del algoritmo EM-DPD», 2019.
Transformada de Hilbert: también puede W. C. X. L. J. W. F. T. W. Z. C. &. Y. W. Geng, «A robust
proporcionar información sobre las frecuencias method for instantaneous frequency estimation via inverse
presentes en una señal, pero su objetivo principal es spectral decomposition.,» Journal of Applied Geophysics, p.
obtener la envolvente de la señal y la fase 206, 2022.
instantánea, lo que permite estudiar cambios W. M. F. D. M. C. M. J. T. &. C. A. M. Ramirez,
transitorios en la amplitud y la fase con respecto al «Frecuencias y periodos predominantes de sismos registrados
tiempo. en la ciudad de Tacna, mediante análisis y espectro de
Fourier.,» INGENIERÍA INVESTIGA», 2020.
Transformada de Wavelet: es un modelo L. H. Ochoa Gutiérrez, «Solución rápida y automática de
matemático poderoso que permite el análisis de una parámetros hipocentrales para eventos sísmicos, mediante el
variedad extensa de señales. Su capacidad para

22nd LACCEI International Multi-Conference for Engineering, Education, and Technology: Sustainable Engineering for a Diverse, Equitable, and Inclusive Future at the Service
of Education, Research, and Industry for a Society 5.0. Hybrid Event, San Jose – COSTA RICA, July 17 - 19, 2024. 8
empleo de técnicas de aprendizaje de máquina (Doctoral Arrufat‐Pié, E., Estévez‐Báez, M., Estévez‐
dissertation)», 2016. Carreras, J. M., Machado‐Curbelo, C., Leisman, G.,
AZOR MONTOYA, J. R.: WAVELETS CON & Beltrán, C. (2021). Comparison between
MATHCAD, Trabajo Final, Universidad de traditional fast Fourier transform and marginal
Mendoza Facultad de Ingeniería, 1998. spectra using the Hilbert–Huang transform method
SWELDENS, W; SCHROEDER, R: Building your for the broadband spectral analysis of the
owns wavelets at home. http: electroencephalogram in healthy
//cm.bell-labs.com/who/wim/papers/athome. ps. Gz humans. Engineering
STRANG, G.: "Wavelets and dilation equations: a Reports, 3(8). https://doi.org/10.1002/eng2.12367
brief introduction". Bruns, A. (2004b). Fourier-, Hilbert- and wavelet-
http://wwwmath.mit.edu/-gs/papers/siamrev.ps.gz based signal analysis: are they really different
Transfromada de Wavelet-acervo para el approaches? Journal Of Neuroscience
mejoramiento del aprendizaje de alumnos de Methods, 137(2), 321-
ingeniería, en Inteligencia Artificial. 332. https://doi.org/10.1016/j.jneumeth.2004.03.002
(s. f.). https://virtual.cuautitlan.unam.mx/intar/? Vista de APLICACIÓN DE LA TRANSFORMADA
page_id=1108 DE HILBERT-HUANG EN LA DETECCIÓN DE
Table 1 A comparative summary of Fourier, MODOS DE VARIABILIDAD HIDROCLIMÁTICA
Wavelet and Hilbert-Huang. . . (s. f.). EN COLOMBIA. | DYNA.
ResearchGate. https://www.researchgate.net/figure/ (s. f.). https://revistas.unal.edu.co/index.php/dyna/ar
A-comparative-summary-of-Fourier-Wavelet-and- ticle/view/20618/35521
Hilbert-Huang-transformations_tbl1_272210042
Bruns, A. (2004). Fourier-, Hilbert- and wavelet-
based signal analysis: are they really different
approaches? Journal Of Neuroscience
Methods, 137(2), 321-
332. https://doi.org/10.1016/j.jneumeth.2004.03.002
Puliafito, V., Vergura, S., & Carpentieri, M. (2017).
Fourier, Wavelet, and Hilbert-Huang Transforms
for Studying Electrical Users in the Time and
Frequency Domain. Energies, 10(2),
188. https://doi.org/10.3390/en10020188
An Analytical Comparison between DWT and
Hilbert-Huang-Based Methods for the Diagnosis of
Rotor Asymmetries in Induction Machines. (2007, 1
septiembre). IEEE Conference Publication | IEEE
Xplore. https://ieeexplore.ieee.org/document/43480
43

22nd LACCEI International Multi-Conference for Engineering, Education, and Technology: Sustainable Engineering for a Diverse, Equitable, and Inclusive Future at the Service
of Education, Research, and Industry for a Society 5.0. Hybrid Event, San Jose – COSTA RICA, July 17 - 19, 2024. 9