UNIVERSIDAD TECNOLÓGICA DE BOLÍVAR 

SIGNALS & SYSTEMS 
 
LAB 3. Fourier transforms 

Objectives 
By the end of this laboratory assignment, you should be able to: 
 Compute the Fourier series coefficients with MATLAB. 
 Compute  the  continuous‐time  Fourier  transform  with  MATLAB  and  analyze  its 
properties. 

Background 
Much  of  the  signal  processing,  communication  and  control  systems  analysis  relies  upon 
frequency  analysis  of  signals  and  systems.  Frequency  response,  bandwidth,  and  filtering 
are all concepts based on the idea that a signal can be thought of as comprising sinusoidal 
components at different frequencies. 
Traditional  frequency  analysis  uses  two  basic  transforms:  the  Fourier  series,  for  periodic 
waveforms,  and  the  Fourier  transform,  for  non‐periodic  waveforms.  In  both  cases  the 
information from a signal is converted to a frequency‐domain representation; instead of 
representing  the  information  in  the  signal  as  a  function  of  time,  it  is  represented  as  a 
function of frequency. Being transforms, no information is created or lost in the process, 
so  the  original  signal  can  be  recovered  from  knowing  the  Fourier  transform,  and  vice 
versa. 
What does plotting the signal content as a function of frequency tell us? In a broad sense, 
it  tells  us  at  what  frequencies  the  signal  has  energy,  just  as  a  prism  visually  shows  the 
colors – frequencies – present in a light source, or a stereo spectrum analyzer shows the 
relative loudness of tones in a musical piece. In this lab we investigate how to evaluate the 
Fourier spectrum of a signal. 
Fourier series 
A periodic signal x(t) can be represented by an exponential Fourier series as follows: 
 2
xt    ak e
j kt
T
 
k                                                        (1)
Where  T  indicates  the  period  of  the  signal  and  ak  are  called  Fourier  series  coefficients, 
which,  in  general,  are  complex.  To  obtain  those  coefficients,  we  can  use  the  following 
expressions: 
 UNIVERSIDAD TECNOLÓGICA DE BOLÍVAR 

2
1 j
xt e T dt
kt
ak 
TT
(2)
1
xt dt
T T
a0   
                                                      (3)
 
Fourier transform 
The continuous‐time Fourier transform of a non‐periodic signal x(t) is given by: 

X  j    xt e
 jt
dt
                                                    (4) 
In contrast to a periodic signal, the amplitude and phase spectra of a non‐periodic signal 
consist of a continuum of frequencies. Note that the Fourier transform is a function that 
depends only on frequency:  = 2f  [rad/sec].  
The signal x(t) can be recovered from X(j) via the inverse transform equation: 

1
xt    X  j e
jt
d  
2                                                 (5)
Some of the properties of the Fourier transform are listed in table 1. 
 
Table 1. Properties of Fourier transform 
Linearity  Ax(t) + By(t)  AX(j) + BY(j) 
Time Translation  x(t ‐ t0)   e  jt0 X  j   
Scale Change  x(at)   1
X  j a   
a
Frequency Translation e j0t xt     X(j‐0) 
Time Differentiation  d xt 
n
(j)nX(j) 
 
dt n
Integration  1
X  j   
t

 x d   

j
Time Convolution  x(t) * h(t)   X(j)H(j) 
 
 UNIVERSIDAD TECNOLÓGICA DE BOLÍVAR 

Procedure 

Part 1. Fourier series.  

The Fourier series coefficients of a periodic signal can be calculated in MATLAB using the 
function fft (Fast Fourier Transform).  To do that, we have to extract a single period of 
the signal.  

3
x(t)

-1
-4 -3 -2 -1 0 1 2 3 4
time (sec)  
Figure 1. Signal x(t) 

1. Generate  and  plot  the  signal  x(t)  in  Figure  1  for  0  <  t  <  10  with  MATLAB  using  the 
function  sawtooth(2*pi*f0*t).  Use  a  sampling  rate  of  1000  Hz  to  define  the 
time  variable.  Make  sure  that  the  signal  resembles  the  wave‐shape  in  Figure  1.  The 
fundamental frequency of the signal is the inverse of its period: f0 = 1/T. 

2. Extract  a  single  period  of  the  signal  and  save  it  in  a  new  variable:  x1.  Calculate  the 
Fourier series coefficients as follows: 
N=length(x1);
X=fft(x1)/N;

3. Plot the magnitude and phase of the first 11 coefficients using the function stem: 
subplot(211)
stem([0:10],abs(X(1:11))),xlabel(‘k’),ylabel(‘|a_k|’)
subplot(212)
stem([0:10],abs(X(1:11))),xlabel(‘k’),ylabel(‘Phase’)

4. Use  equations  2  and  3  to  calculate  the  Fourier  series  coefficients  of  the  signal. 
Evaluate the first three coefficients (for k = 0, 1 and 2). Compare with the results given 
by MATLAB. Are they the same? 
 UNIVERSIDAD TECNOLÓGICA DE BOLÍVAR 

Part 2. Fourier transform.  

The MATLAB symbolic math toolbox can be used to compute the Fourier transform of a 
signal.  There  are  MATLAB  commands  for  computing  both  the  Fourier  transform  and  the 
inverse  Fourier  transform,  fourier(f)  and  ifourier(F),  where  both  f  and  F  are 
symbolic  objects  that  have  been  defined.  These  commands  use  the  function  int  that 
calculates the integrals given in equations (4) and (5) respectively. As an example, consider 
a decaying sinusoid of the form: 

yt   e  at sinbt u t 
 
Figure 3 displays y(t) for the case a = 2, b = 10.  

0.5
y(t)

-0.5

-1
-1 -0.5 0 0.5 1 1.5 2 2.5
time (sec)  
Figure 3. Signal y(t)  

The following commands can be used to determine the Fourier transform of y(t): 
syms y t Y w
a=2; b=10;
y=exp(-a*t)*sin(b*pi*t)*heaviside(t);
Y=fourier(y);
pretty(Y)

5. Define the following signals as symbols and plot them using the command ezplot.  

 x1 t   te 2t u t   
 UNIVERSIDAD TECNOLÓGICA DE BOLÍVAR 

 x 2 t   5u t  0.5  u t  0.5  

 x3 t   3t  ut   ut  2  6  ut  2  ut  6   2t  18  ut  6  ut  9  

6. Compute  the  Fourier  transform  of  the  signals  from  the  previous  problem  using  the 
command Fourier.  

7. Graph  the  magnitude  |X()|  and  phase  X()  of  the  Fourier  transforms  from  the 
previous  exercise  using  the  function  freqs(B,A).  You  have  to  provide  the 
coefficients  of  the  polynomials  in  the  numerator  and  denominator  of  the  Fourier 
transform.  

8. Perform  the  following  operations  on  the  signals  and  plot  their  Fourier  transforms. 
Compare the results with the transforms of the original signals.  

 Multiply the first signal by any positive constant different than zero. 

 Shift the second signal in time to obtain x(t‐1). 

 Change the scale of the third signal to obtain x(2t). 

Analysis 
 Observe the graph of the Fourier coefficients in numeral 3 and answer the following 
questions: 
o What is the DC value of the signal?  
o What is the coefficient that has more energy?  
o What are the magnitudes of the first and second harmonic? 
 Analyze the graphs of magnitude and phase of the Fourier transform from exercise 7 
and answer the following questions: 
o What frequency or frequencies have more energy? 
o What is the maximum value of the magnitude of the Fourier transform? 
o What is the general shape of the phase?  
 Describe the changes in the magnitude and phase of the Fourier transforms after the 
operations in exercise 8. Verify that your results agree with the properties in table 1. 
o Multiplication by a constant. 
o Time shifting. 
o Time scaling.