Академический Документы
Профессиональный Документы
Культура Документы
Sismicos
Rodriguez Mejia Diego
Ernesto
Aynaya Mamani Pepe Angel
Transformada de
Fourier
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
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
f
se denota por F o
, es decir
F [ f (t )] F ( ) f ( )
f (t )e
it
dt
,es decir
F [ F ( )] f (t )
1
1
2
F ( )e
it
Transformadas integrales
b
F ( ) K ( , t ) f (t ) dt
a
Problem in
Solution in
Transform space
Transform space
Inverse transform
Integral transform
Original
Solution of
Difficult solution
original problem
problem
7
f(t)
t
-p
/2
/2
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
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
Good Sampling
Real
signal
nal
g
i
s
ed
l
p
Sam
Real
signal
na
g
i
s
ed
l
p
Sam
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)
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