Transformada rápida de Fourier (I)

La transformada rápida de Fourier FFT es un algoritmo que reduce el tiempo de cálculo de

n2 pasos a n·log2(n). El único requisito es que el número de puntos en la serie tiene que ser
una potencia de 2 (2n puntos), por ejemplo 32, 1024, 4096, etc.

Las fórmulas con la que MATLAB calcula la transformada rápida de Fourier Y=fft(x) y la
transformada inversa y=ifft(X) son, respectivamente:

X(k)=N∑j=1x(j)ω(j−1)(k−1)Nx(j)=1NN∑k=1x(k)ω−(j−1)(k−1)N⎫⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎬⎪
⎪ ⎪ ⎪ ⎪ ⎪⎭ωN=exp(−2πiN)
Supongamos que tenemos una señal descrita por un conjunto de n (potencia de dos) pares
de datos (tj,xj) igualmente espaciados en el tiempo, por un intervalo Δt, desde t=0 hasta
tfinal=(n-1)Δt. La inversa del intervalo Δt, se denomina frecuencia de muestreo fs. De modo
que el vector de tiempos es t=(0:n-1)/ fs

La función fft de MATLAB convierte un vector de valores de la señal x en función del

tiempo t en un vector g en función de la frecuencia ω.

g=fft(x)

g es un vector cuyos elementos son números complejos por que guarda información acerca
de de la amplitud y de la fase. Ahora tenemos que asociar cada elemento del vector g con
una frecuencia, del mismo modo que hemos asociado cada elemento del vector x con un
tiempo.

El intervalo de frecuencias es Δω=2π/(n·Δt)=2πfs/n de modo que la mínima frecuencia es 0

y la máxima ωmax=2πfs(n-1)/n. La resolución espectral Δω es inversamente proporcional al
tiempo total n·Δt de recogida de datos en la serie temporal.
Conocido el intervalo de tiempo Δt o la frecuencia de muestreo Δt=1/fs y el número de
pares de datos n (potencia de 2), creamos el vector de tiempos t y el vector de frecuencias
angulares ω del siguiente modo:

>> n=length(x);
>> t=(0:n-1)*dt;
>> dw=2*pi/(n*dt);
>> w=(0:n-1)*dw;

Podemos obviar la fase y concentrarnos en la amplitud, si calculamos y representamos el

cuadrado de los elementos del vector g. A P se le denomina espectro de potencia (Power
spectrum)

P=|g(ω)|2
Para ilustrar la aplicación de la función fft de MATLAB, vamos a analizar la señal formada
por la suma de cuatro armónicos de frecuencias angulares ω=1, 3, 3.5, 4 y 6 rad/s

x(t)=cos(t)+0.5·cos(3t)+0.4·cos(3.5t)+0.7·cos(4t)+0.2·cos(6t)

Recuérdese que la transformada de Fourier de f(t)=cos(ω0t) es F(ω)=π[δ(ω-ω0)+δ(ω+ω0)].

Dos funciones delta de Dirac situados en +ω0 y en -ω0.

Creamos un script para realizar las siguientes tareas:

1. Construir una serie temporal (x,t) formada por n=214=16384 pares de datos,
tomando un intervalo de tiempo Δt=0.4 s, o bien una frecuencia de muestreo de
fs=2.5 Hz. El tiempo final es tfinal=16383·0.4=6553.2 s
2. Calcular la transformada rápida de Fourier fft y la guardamos en el vector g
3. Crear el array de frecuencias ω como en el cuadro anterior
4. Calculamos la potencia power: el cuadrado del valor absoluto de cada elemento de
g.
5. Representar gráficamente power en términos de la frecuencia angular ω

%serie temporal
n=2^14;
dt=0.4;
t=(0:n-1)*dt; %vector de tiempos
x=cos(t)+0.5*cos(3*t)+0.4*cos(3.5*t)+0.7*cos(4*t)+0.2*cos(6*t);

%amplitud-fase vs. frecuencias

g=fft(x);
power=abs(g).^2;
dw=2*pi/(n*dt);
w=(0:n-1)*dw; %vector de frecuencias angulares

plot(w,power)
xlabel('\omega')
ylabel('P(\omega)')
title('Espectro de potencia')
La transformada de Fourier de la función x(t) superposición de cinco funciones armónicas
nos debería dar funciones delta δ(ω) de altura infinita situadas en ω=±ω0. El resultado de la
aplicación de la función fft de MATLAB es un conjunto de picos muy estrechos y de gran
amplitud.

La transformada de Fourier de cualquier señal tiene un número igual de frecuencias

positivas que negativas, P(ω)=P(-ω). En la ventana de la representación gráfica vemos
solamente frecuencias positivas, no vemos la parte negativa del espectro. En la figura de
más abajo vemos las componentes de frecuencias negativas en color rojo.

%serie temporal
n=2^14;
dt=0.4;
t=(0:n-1)*dt; %vector de tiempos
x=cos(t)+0.5*cos(3*t)+0.4*cos(3.5*t)+0.7*cos(4*t)+0.2*cos(6*t);

%amplitud-fase vs. frecuencias

y=fft(x);
g=fftshift(y);
power=abs(g).^2;
dw=2*pi/(n*dt);
w=(-n/2:n/2-1)*dw;

plot(w,power)
xlabel('\omega')
ylabel('P(\omega)')
grid on
title('Espectro de potencia')

Así pues, solamente la primera mitad de la ventana gráfica muestra los picos de frecuencias
correctas, la otra mitad corresponde a las frecuencias negativas.

Solamente podemos detectar los componentes de frecuencia que son menores que
ωc=π/Δt=πfs. Esta frecuencia límite se denomina frecuencia crítica o frecuencia de Nyquist.
En el ejemplo anterior, ωc=7.85 rad/s. Luego, todas las frecuencias de los armónicos
componentes de la señal, ω=1, 3, 3.5, 4 y 6 rad/s son detectadas.

Si solamente queremos ver las frecuencias positivas hasta la frecuencia angular crítica ωc,
modificamos el script :

n=2^14;
dt=0.4;
t=(0:n-1)*dt; %vector de tiempos
x=cos(t)+0.5*cos(3*t)+0.4*cos(3.5*t)+0.7*cos(4*t)+0.2*cos(6*t);

%amplitud-fase vs. frecuencias

g=fft(x);
power=abs(g).^2;
dw=2*pi/(n*dt);
w=(0:n-1)*dw;
wc=pi/dt; %frecuencia angular crítica
plot(w,power)
xlim([0 wc])

xlabel('\omega')
ylabel('P(\omega)')
grid on
title('Espectro de potencia')

Si queremos distinguir entre dos frecuencias ω1 y ω2 en el espectro es necesario que

Δω<<|ω1-ω2| sea pequeño por lo que el tiempo total de muestreo de la señal n·Δt deberá ser
grande. Si queremos que frecuencia crítica ωc sea grande entonces Δt tendrá que ser
pequeño o la frecuencia de muestreo fs grande. En cualquier caso, tendremos que procesar
muchísimos datos n.

Efecto de la frecuencia de muestreo fs

Supongamos la siguiente función y su transformada de Fourier
f(t)=texp(−t)F(ω)=∞∫−∞f(t)exp(−iωt)dt=∞∫0texp(−t)exp(−iωt)dt=∞∫0texp(−a
t)dt=−1a(t+1a)exp(−at)∣∣∞0=1a2=1(1+iω)2
Para estudiar el efecto la frecuencia de muestreo fs en la Transformada Rápida de Fourier,
vamos a tomar n=16 datos igualmente espaciados de la función f(t) tomando una frecuencia
de muestreo fs=2 Hz, es decir Δt=1/fs=0.5 s es el intervalo de tiempo entre dos muestras
consecutivas de f(t). El último dato corresponde al instante (n-1)Δt=15·0.5=7.5 s La
frecuencia crítica ωc=π/Δt=πfs=2π.

fs=2; %frecuencia de muestreo

n=16; %número de datos
dt=1/fs;
t=(0:n-1)*dt;
x=t.*exp(-t); %muestras, datos

subplot(2,1,1)
tt=0:0.05:8;
xx=tt.*exp(-tt);
plot(tt,xx,'b',t,x,'ro','markersize',4,'markeredgecolor','r',
'markerfacecolor','r')
xlabel('t')
ylabel('x')
title('f(t)')

subplot(2,1,2)
wc=pi*fs; %frecuencia límite de Nyquist
ww=-4*pi:0.1:4*pi;
Fw=1./(1+1i*ww).^2;

%transformada rápida de Fourier

y=fft(x,n);
g=fftshift(y);
dw=2*pi/(n*dt);
w=(-n/2:n/2-1)*dw;

plot(ww,abs(Fw),'b',w,abs(g)/fs,'ro','markersize',3,'markeredgecolor','r'
,
'markerfacecolor','r')
set(gca,'XTick',-4*pi:2*pi:4*pi)
set(gca,'XTickLabel',{'-4\pi','-2\pi','0','2\pi','4\pi'})
xlim([-4*pi,4*pi])
xlabel('\omega')
ylabel('|F(w)|')
title('Transformada')
Cambiamos la frecuencia de muestreo a fs=16 Hz, es decir Δt=1/fs=0.0625 s es el intervalo
de tiempo entre dos muestras consecutivas de f(t). El número n=128 de datos, por lo que el
último dato corresponde al instante (n-1)Δt=127·0.0625=7.9375 s. La frecuencia crítica
ωc=π/Δt=πfs=16π.

fs=16; %frecuencia de muestreo

n=128; %número de datos
.............
Las frecuencias ω se extienden desde -16π a +16π, pero se muestran de -4π a +4π para
comparar con el ejemplo previo.

Función de Gauss
Hemos estudiado en la página titulada "Propagación de las ondas en un medio dispersivo"
la transformada de Fourier de la función cos(ω0t) modulada por una función de Gauss.

f(t)=exp(−(t−t0)22σ2)cos(ω0t)F(ω)=√ 2π σexp(iω0t0)exp(−iωt0)exp(−(ω−ω0)2σ22
)+√ 2π σexp(−iω0t0)exp(−iωt0)exp(−(ω+ω0)2σ22)

La transformada de Fourier no se ve afectada por la posición del centro del pulso t0.

En primer lugar, centramos el pulso en t0=8 y establecemos la anchura del pulso en σ2=5,
tomamos ω0=10 como frecuencia angular. Dibujamos la función f(t) en el intervalo 0<t<16.
Aunque el pulso se extiende desde -∞ a +∞, en el intervalo [0,16] está definido el pulso.

Con una frecuencia de muestreo fs=8, tomamos n=128 datos, señalamos los datos tomados
como puntos de color rojo en la gráfica f(t). El primer dato corresponde al instante t1=0 y el
último dato al instante tn=(n-1)/ fs=127/8=15.875
En la parte inferior de la ventana, representamos la transformada de Fourier F(ω) en el
intervalo comprendido entre -ωc y ωc , siendo ésta la fecuencia límite ωc=πfs. Calculamos la
transformada rápida de Fourier (FFT) de los datos tomados y representamos su módulo en
dicho intervalo.

t0=8;
w0=10;
s2=5;
t=0:0.05:16;
f=@(t) exp(-(t-t0).^2/(2*s2)).*cos(w0*t);

subplot(2,1,1)
hold on
plot(t,f(t),'b')
fs=8;
n=128;
dt=1/fs;
t=(0:n-1)*dt;
ft=f(t);
plot(t,ft,'ro','markersize',2,'markeredgecolor','r','markerfacecolor','r'
)
hold off
grid on
xlabel('t')
ylabel('f(t)')
title('Función')

subplot(2,1,2)
hold on
wc=pi*fs; %frecuencia límite de Nyquist
w=-wc:0.1:wc;
Fw=sqrt(2*pi*s2)*exp(-1i*w*t0).*(exp(1i*w0*t0)*exp(-(w-w0).^2*s2/2)+...
exp(-1i*w0*t0)*exp(-(w+w0).^2*s2/2))/2;

%transformada rápida de Fourier

y=fft(ft,n);
g=fftshift(y);
dw=2*pi/(n*dt);
ww=(-n/2:n/2-1)*dw;
plot(w,abs(Fw),'b',ww,abs(g)/fs,'ro','markersize',2,
'markeredgecolor','r','markerfacecolor','r')
hold off
grid on
xlabel('\omega')
ylabel('F(\omega)')
title('Transformada')
Obtenemos dos picos situados en ω=-ω0=-10 y ω=+ω0=10

Si ahora centramos el pulso en t0=2 y tomamos n=32 datos con la misma frecuencia de
muestreo fs=8, de modo que el primer dato corresponde al instante t1=0 y el último dato al
instante tn=(n-1)/ fs=31/8=3.875, obtenemos una pobre definición de la transformada de
Fourier tal como puede verse en la parte inferior de la figura.

t0=2;
w0=10;
s2=5;
t=0:0.05:4;
f=@(t) exp(-(t-t0).^2/(2*s2)).*cos(w0*t);

subplot(2,1,1)
hold on
plot(t,f(t),'b')
fs=8;
n=32;
dt=1/fs;
t=(0:n-1)*dt;
ft=f(t);
plot(t,ft,'ro','markersize',2,'markeredgecolor','r','markerfacecolor','r'
)
hold off
grid on
xlabel('t')
ylabel('f(t)')
title('Función')

subplot(2,1,2)
hold on
wc=pi*fs; %frecuencia límite de Nyquist
w=-wc:0.1:wc;
Fw=sqrt(2*pi*s2)*exp(-1i*w*t0).*(exp(1i*w0*t0)*exp(-(w-w0).^2*s2/2)+...
exp(-1i*w0*t0)*exp(-(w+w0).^2*s2/2))/2;

%transformada rápida de Fourier

y=fft(ft,n);
g=fftshift(y);
dw=2*pi/(n*dt);
ww=(-n/2:n/2-1)*dw;
plot(w,abs(Fw),'b',ww,abs(g)/fs,'ro','markersize',2,'markeredgecolor','r'
,
'markerfacecolor','r')
hold off
grid on
xlabel('\omega')
ylabel('F(\omega)')
title('Transformada')