Procesamiento de Datos

Sismicos
Rodriguez Mejia Diego
Ernesto
Aynaya Mamani Pepe Angel

Transformada de
Fourier

La transformada de Fourier es fundamental en el anlisis de

data ssmica.
Se aplica en la mayora de los procesos.
Una traza ssmica representa una onda registrada en una
estacin ssmica.
La forma digital de la traza ssmica es una serie de tiempo que
puede ser completamente descrita como una suma de nmero
de sinusoides, cada uno con un nico pico, amplitud,
frecuencia, y fase.
El anlisis de la traza ssmica en sus componentes sinusoidales
es desarrollada por la Transformada rpida de Fourier (FFT).
Por el contrario, la sntesis de una traza ssmica desde sus
componentes individuales es desarrollado por la Transformada
de Fourier Inversa.

La transformada de Fourier

Es decir,

f (t )

1
2

F ( )e

it

Identidad
de Fourier
o antitransformada de
Fourier

donde:

F ( )

f (t )e

i t

Transformada
de Fourier

dt

Estas expresiones nos permiten calcular

la expresin F() (dominio de la
frecuencia) a partir de f(t) (dominio del
3

La transformada de Fourier y
la transformada inversa de
Fourier

F ( )

f (t ) exp(i t ) dt

1
f (t )
2

F ( ) exp(i t ) d

En algunos textos, el factor 1/2 se "reparte" entre la transformada y la

anti-transformada para obtener simetra en la expresin,4 como: 1/(2).

Notacin: A la funcin F() se le llama

transformada de Fourier de f(t) y

f
se denota por F o
, es decir

F [ f (t )] F ( ) f ( )

f (t )e

it

dt

En forma similar, a la expresin que

nos permite obtener f(t) a partir de
F() se le llama transformada
inversa de Fourier y se denota por F
1

,es decir

F [ F ( )] f (t )
1

1
2

F ( )e

it

Transformadas integrales
b

F ( ) K ( , t ) f (t ) dt
a

K(,t): ncleo o kernel.

Asocia a cada funcin f(t) en el
espacio t, directo o real, otra funcin
F() en el espacio o recproco.
Ejemplos: de Fourier, Wavelet,
transformada Z, de Laplace, de
Hilbert, de Radon, etc
6

Un problema que es difcil de resolver en sus

"coordenadas" (espacio t) originales, a menudo,
es ms sencillo de resolver al transformarlo a
espacio .
Despus, la transformada inversa nos devuelve la
solucin en el espacio original.

Problem in

Relatively easy solution

Solution in

Transform space

Transform space
Inverse transform

Integral transform
Original

Solution of

Difficult solution

original problem

problem
7

Ejemplo. Calcular F() para el pulso

rectangular f(t) siguiente:
1

f(t)

t
-p

/2

/2

Solucin. La expresin en el dominio

del tiempo de la funcin es:
0

f (t ) 1
0

t 2p
p
t
2
p
2 t

p
2

Integrando:

F ( )

f (t )e

p/2
it

dt

1
i

i t

p/2
p / 2

i t

dt

ip / 2

p/2

1
i

(e

ip / 2

ip / 2
Usando la frmula
e ip / 2
e
sen (p / 2)
de Euler:
2i

sen (p / 2)
F ( ) p
p sinc (p / 2)
p / 2
9

f (t ) 1
0

p
2

t
p
t
2
p
2

p =1

p
2

En forma grfica, F ( ) p sinc (p / 2)

la transformada es:
F(w)

F(w) con p=1

0.5
0
-50

5010

La funcin sinc(x)
Sinc(x/2) es la

transformada de
Fourier de una
funcin
rectngulo.

Sinc2(x/2) es la

transformada de
Fourier de una
funcin triangulo.

Sinc2(ax) es el

patrn de
difraccin de una
ranura.
11

La Transformada discreta de
Fourier(DFT)
Es un tipo de transformada discreta utilizada
en el anlisis de Fourier. Transforma una
funcin matemtica en otra, obteniendo una
representacin en el dominio de la frecuencia,
siendo la funcin original una funcin en el
dominio del tiempo. Pero la DFT requiere que
la funcin de entrada sea una secuencia
discreta y de duracin finita. Dichas
secuencias se suelen generar a partir del
muestreo de una funcin continua, como
puede ser la voz humana.

 Al
contrario
que
la
transformada de Fourier en tiempo discreto
(DTFT),
esta transformacin nicamente evala suficientes
componentes frecuenciales para reconstruir el
segmento finito que se analiza. Utilizar la DFT implica
que el segmento que se analiza es un nico perodo de
una seal peridica que se extiende de forma infinita;
si esto no se cumple, se debe utilizar una ventana para
reducir los espurios del espectro. Por la misma razn,
la DFT inversa (IDFT) no puede reproducir el dominio
del tiempo completo, a no ser que la entrada sea
peridica indefinidamente. Por estas razones, se dice
que la DFT es una transformada de Fourier para
anlisis de seales de tiempo discreto y dominio finito.
Las funciones sinusoidales base que surgen de la
descomposicin tienen las mismas propiedades.

Muestreo y aliasing
Una seal de banda limitada a B Hz (sin
contenido espectral apreciable por encima de
esta frecuencia), puede determinarse de manera
unvoca a partir de sus muestras tomadas a
intervalos no mayores a Ts = B s .
O sea, que para que no haya prdida de la
informacin contenida en la seal se deben
tomar muestras con una razn mayor a fs =
2B muestras/s.

Muestreo de Ondas
Para representar ondas en computadoras digitales, necesitamos
digitalizar o muestrea la onda.

Efectos secundarios:
Introducir algo de ruido
Limita el rango superior frecuencia maxima

Tasa de Muestreo
Tasas altas de muestreo permiten
que la onda sea representada mas
precisamente

Teorema de Nyquist y
Aliasing
Teorema de Nyquist
Podemos representar digitalmente solo las
frecuencias por debajo de la mitad de la taza de
muestreo.
Ejemplo
CD: SR= 44.100 Hz
Frecuencia Nyquist= SR/2= 22.050 Hz
Ejemplo
SR=22,050 Hz
Nyquist Frecuency= SR/2 = 11.025 Hz

Teorema de Nyquist y
Aliasing
Las frecuencias por encima de la frecuencia
Nyquist presentaran el fenomeno llamado aliasing
La frecuencia aliaseada esta en un rango de
[SR/2,SR]
Ejemplo
SR=22,050 Hz
Nyquist Frecuency= SR/2 = 11.025 Hz

Sampling-Beat Wave

Real
signal

nal
g
i
s
ed
l
p
Sam

MMIII* Prof. M. Kostic

Good Sampling

Real
signal

nal
g
i
s
ed
l
p
Sam

MMIII* Prof. M. Kostic

Sampling with Aliasing

Real
signal

na
g
i
s
ed
l
p
Sam

MMIII* Prof. M. Kostic

Teorema de Nyquist y
Aliasing
Ejemplo grafico 1a:
SR= 20,000 Hz
Nyquist frecuency = 10,000 Hz
f= 2,500 Hz (no aliasing)

Teorema de Nyquist y
Aliasing
Ejemplo grafico 1b:
SR= 20,000 Hz
Nyquist frecuency = 10,000 Hz
f=5,000 Hz (no aliasing)

Las figuras de la izquierda y derecha tienen la misma frecuencia, pero

diferentes puntos de muestreo

Teorema de Nyquist y
Aliasing
Ejemplo grafico 2:
SR= 20,000 Hz
Nyquist frecuency = 10,000 Hz
f = 10,000 Hz (no aliasing)

Teorema de Nyquist y
Aliasing
Ejemplo grafico 2:
Pero, si los puntos de muestreo caen en
las intercepciones con 0 el sonido es
completamente cancelado

Teorema de Nyquist y Aliasing

Ejemplo grafico 3
SR= 20,000 Hz
Nyquist frencuency = 10,000 Hz
f=12,500 Hz, f=7,500

Teorema de Nyquist y Aliasing

Ejemplo grafico 3
Interpolando las ondas sinusoidales
mas simples a los puntos
muestreados nos da una onda con
aliasing (linea punteada):