Clase5 - Prof. Dany - de - Cecchis

Quien recuerda esto?
El mundo de lo analógico.
3
Y ahora
usamos esto!
La era digital. Donde la música se
escribe como un sucesión de bytes!
4
En las
imágenes?
Recordamos estos?
5
Imagenes sin revelar, infinitas copias…
Imágenes y cámaras
digitales
6
Transmisión de grandes
cantidades de datos
Fotos digitales de alta resolución para ser transferidas desde
el espacio exterior
7
Tratamiento de Imágenes
Eliminación del Ruido
8
Transformada de Fourier discreta
▶ Las series de Fourier o transformadas de Fourier se basan en

asumir que f (x) esta definida sobre un intervalo en el cual
integrar las fórmulas de Euler.
▶ Frecuentemente solo tenemos muchos valores discretos
(samplings) de la función f (x).
▶ La idea es extender el análisis de Fourier en casos donde solo
se tienen samplings de la función.
▶ La principal aplicación del “análisis discreto de Fourier”
involucra grandes cantidades de datos igualmente espaciados.
▶ Las aplicaciones son telecomunicaciones, análisis de series de
tiempo discreto, tratamiento de imágenes, etc.
▶ En estos caso de funciones discreta usamos la Transformada
Discreta de Fourier (DFT).
Sea f (x) una función periódica, digamos de período 2π. Y asumimos N
muestreos o samplings en el intervalo 0 ≤ x ≤ 2π igualmente espaciados
2πk
xk = ; k = 0, 1, . . . , N − 1.
N
Se suele decir que f (x) esta muestreada (sampled) en estos puntos.
Ahora, se quiere conseguir un polinomio trigonométrico complejo de la
forma
NX−1
q(x) = cn einx
n=0
el cual interpola a f (x) en los nodos de la muestra, i.e.

q(xk ) = f (xk ) ≡ fk .
N
X −1
fk = f (xk ) = q(xk ) = cn einxk ; k = 0, 1, . . . , N − 1.
n=0
Tenemos un problema de aproximación. Conseguir los coeficientes
c0 , . . . , cN −1 , tal que satisfagan
N
X −1
fk = cn einxk ; k = 0, 1, . . . , N − 1.
n=0
Para este tipo de problemas, usualmente se utiliza alguna propiedad de

ortogonalidad, en este caso del sistema de funciones que generar el
espacio de polinomios.
Pero en este caso, en vez de la integral, usaremos la suma y se multiplica
la expresión anterior por e−imxk (note el signo menos) y sumamos sobre
k para todos los puntos. Esto es
N
X −1 N
X −1 N
X −1
fk e−imxk = cn ei(n−m)xk
k=0 k=0 n=0
N
X −1 N
X −1
= cn ei(n−m)2πk/N (9)
n=0 k=0
Denotamos
ei(n−m)2πk/N = [ei(n−m)2π/N ]k = rk .
Si m ̸= n se tiene que r ̸= 1, además que

N −1
X 1 − rN
rk = = 0.
1−r
k=0
El resultado se anula porque rN = 1. Ya que (n − m) ∈ Z, se tiene
rN = [ei(n−m)2π/N ]N = ei(n−m)2π
= cos[2π(n − m)] + i sen[2π(n − m)] = 1 + 0 = 1.
Ahora, cuando n = m tenemos que r = e0 = 1. El la sumatoria

resulta
N
X −1
[1]k = N.
k=0
Con esto, se tiene para la expresión (9) que
N
X −1 N
X −1 N
X −1
fk e−imxk = cn ei(n−m)2πk/N = cm N.
k=0 n=0 k=0
Cambiando n por m y despejando para el coeficiente, tenemos la

forma para calcular los coeficientes como
N −1
1 X
cn = fk e−inxk ; con fk = f (xk ), n = 0, . . . , N − 1 (10)
N
k=0
Transformada Discreta de Fourier
Por tanto definimos la Transformada Discreta de Fourier (DFT)

de una señal discreta dada por el vector f = [f0 , f1 , . . . , fN −1 ]T ,
como el vector resultante f̂ = [fˆ0 , fˆ1 , . . . , fˆN −1 ]T , dado por
N
X −1
fˆn = N cn = fk e−in xk ; fk = f (xk ); n = 0, . . . , N − 1 (11)
k=0
En la práctica, las implementaciones para el cálculo de la DFT (lo

que se conoce como Fast Fourier Transform) hacen normalizaciones
de los coeficientes
√ cn . Por lo que algunas implementaciones calculan
N cn o N cn .
En forma matricial f̂ = FN f , donde la matriz de Fourier tiene las

entradas FN = [enk ] definidas como
enk = e−inxk = e−2πink/N = wnk ;
con w = wN = e−2πi/N la longitud entre cada sample.

Ejemplo. (DFT con muestra de tamaño N = 4)

Si se toman N = 4 muestras, entonces
w = e−2πi/N = e−πi/2 = −i. Así wnk = (−i)nk . Además la señal
de entrada (muestra) es f = [0 1 4 9]T , entonces tenemos
w0 w0 w0 w0
 
 w0 w1 w2 w3 
f̂  w0 w2 w4 w6  f
= F4 f =  
w0 w3 w6 w9
    
1 1 1 1 0 14
 1 −i −1 i   1   −4 + 8i 
= 
    =  
1 −1 1 −1   4   −6 
1 i −1 −i 9 −4 − 8i
Transformada Discreta Inversa de Fourier
De la DFT se tiene que f̂ = FN f . Así, podemos recuperar la señal

discreta original a través de la Transformada Discreta Inversa de
Fourier (IDFT) que viene dada por
1
f = F−1
N f̂ = F̄N f̂ , (12)
N
donde F̄N es la conjugada de la matriz FN , cuyos coeficientes son
w̄nk
[F̄N ]nk =
N

Clase5 - Prof. Dany - de - Cecchis

Cargado por

Copyright:

Formatos disponibles

Clase5 - Prof. Dany - de - Cecchis

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase5 - Prof. Dany - de - Cecchis

Cargado por

Copyright:

Formatos disponibles

Quien recuerda esto?

▶ Las series de Fourier o transformadas de Fourier se basan en

el cual interpola a f (x) en los nodos de la muestra, i.e.

Para este tipo de problemas, usualmente se utiliza alguna propiedad de

Si m ̸= n se tiene que r ̸= 1, además que

El resultado se anula porque rN = 1. Ya que (n − m) ∈ Z, se tiene

Ahora, cuando n = m tenemos que r = e0 = 1. El la sumatoria

Cambiando n por m y despejando para el coeficiente, tenemos la

Por tanto definimos la Transformada Discreta de Fourier (DFT)

En la práctica, las implementaciones para el cálculo de la DFT (lo

En forma matricial f̂ = FN f , donde la matriz de Fourier tiene las

enk = e−inxk = e−2πink/N = wnk ;

con w = wN = e−2πi/N la longitud entre cada sample.

Ejemplo. (DFT con muestra de tamaño N = 4)

De la DFT se tiene que f̂ = FN f . Así, podemos recuperar la señal

También podría gustarte