Transformada rpida de Fourier (FFT)

EL procesamiento de seales digitales es la disciplina que estudia las reglas que

rigen el comportamiento de las seales discretas, as como los sistemas utilizados
para procesarlos, por medio de ella podemos abordar procesamiento de seales
continuas que utilizan tcnicas digitales. Esta tiene aplicaciones en
Espectroscopia, Simulacin de filtrado, procesamiento de imgenes, filtrado de
ruido, rotacin de imgenes, valores compactos de resonancia magntica,
procesamiento geolgico, telfonos mviles, juguetes electrnicos, y muchos
otros. En procesamiento de seales analgicas, tomamos una seal continua, lo
que representa una magnitud fsica que vara continuamente, y la pasamos a
travs de un sistema que modifica esta seal para un fin determinado. Por otra
parte, en el procesamiento de seales digitales, se procesa secuencias de
nmeros utilizando algn tipo de hardware digital. Por lo general, llamamos a
estas secuencias de nmeros de TIEMPO DISCRETO DIGITAL O SEALES. El
poder de procesamiento de seal digital proviene del hecho de que, una vez que
una secuencia de nmeros est disponible para apropiarse de hardware digital,
podemos llevar a cabo ningn tipo de procesamiento numrico en l. (Diniz P.,
2010)
Los tratamientos de sistemas de tiempo discreto se trabajan como entidades
separadas de los sistemas de tiempo continuo, destacando las propiedades de un
subconjunto importante de estos sistemas, como son, la linealidad y la invariancia
del tiempo, as como su descripcin por circunvoluciones de tiempo discreto. Su
mayor peso es que se estudia la respuesta de dominio temporal de los sistemas
de tiempo discreto mediante la caracterizacin de diferentes transformaciones al
dominio de la frecuencia. (Oran, 1974)
Es all donde entra la transformada de Fourier que me permite caracterizar el
procesamiento de seales discretas en el tiempo. Para ellos el fundamento regido
por esta es que puede descomponer una seal discreta como una suma de series
complejas en tiempo de ondas sinusoidales; esto conlleva que para determinados
valores ella presenta propiedades como linealidad, tratamiento de nmeros
complejos, reversibilidad en el tiempo y cumple con el teorema desplazamiento de
frecuencia.
Un sistema invariante en el tiempo lineal implementa la convolucin lineal de la
seal de entrada con la respuesta de impulso del sistema. Dado que la
transformada de Fourier tiene la potestad de que, por medio de la convolucin de
dos secuencias del producto de sus transformadas de Fourier, es natural
considerar el clculo de convoluciones de tiempo en el dominio de la frecuencia.
La DFT es la versin discreta de la transformada de Fourier Sin embargo el
proceso de muestreo en el dominio de la frecuencia obliga a la seal a ser
peridica en el tiempo, este implica que la IDFT del producto de la DFT de dos
seales de longitud N corresponde a la convolucin de una secuencia con la

versin peridica de la otra. Esta versin peridica obtenida mediante la repeticin

de la seal de longitud-N con periodo N.
El objetivo de la convoluciones en esto es obtener algoritmos rpidos para las
operaciones a realizar. Tales problemas son muy comunes en la fsica y por lo
general estn relacionados con el clculo de los procesos digitales de filtrado,
circunvoluciones, y correlaciones. Para grandes circunvoluciones, la carga de
procesamiento correspondiente se convierte rpidamente excesivo y, Por lo tanto,
se debe considerar el esfuerzo se ha dedicado a la elaboracin de un mtodo de
procesamiento ms veloz y convergente. El enfoque convencional para acelerar el
clculo de convoluciones y por ende del filtrado de las seales se basa en la
TRANSFORMADA RPIDA DE FOURIER (FFT) (Nussbaumer, 1981)
La ventaja de la velocidad ofrecida por los algoritmos de FFT puede ser
sumamente grande para larga circunvoluciones y por ende el ms comnmente
utilizado. Sin embargo, hay varios inconvenientes en la FFT, uno de ellos es
principalmente al uso de senos y cosenos y a la necesidad de operaciones con
nmeros complejos, incluso si las circunvoluciones son reales.
Con el fin de superar las limitaciones del mtodo FFT, muchos se han puesto en la
tarea de implementar algoritmos ms sofisticados en el tiempo. De hecho, el
nmero de tales algoritmos es tan grande que una presentacin exhaustiva sera
casi imposible (Hirji, 1996)
Adems, muchos algoritmos son diferentes en apariencia, pero son internamente
idnticos y slo se diferencian en el formalismo utilizado para desarrollar una
descripcin. Estos podemos clasificarlos en mtodos algebraicos y mtodos
aritmticos. Al revisar el estado del arte de estos podemos ver que la mayora de
los mtodos algebraicos para reducir diversas formas de cargas computacionales
de anidacin y de rendimiento que son a menudo iguales a los algebraicos y
permitiendo un procesamiento significativo en aumento de la eficiencia cuando
implementadas en hardware de propsito especial.
Sabemos que la Transformada rpida de Fourier es un algoritmo de calculo que
requiere de mucho menor esfuerzo computacional que la DFT, debido a su
procedencia el clculo iterativo de los coeficientes de la DFT, de forma que se
optimiza el nmero de operaciones a realizar. Partiendo de su formado de anidado
interno no solo se optimiza el tiempo de clculo, sino que tambin reduce
considerablemente los errores de redondeo asociados con la representacin en
una computadora de los datos numricos mediante una palabra finita sea
definido por un nmero determinado de bits. De hecho, tanto el tiempo de clculo
como el error de redondeo se reducen un factor de (log 2N) /N, donde N es el
nmero de muestras de la seal a tratar. Por ejemplo, si N=1024= 2 10 , el factor
vale 102.4, o sea, (Haykin S., 2011)que la consideracin que deberamos tener
que, si el clculo directo de la DFT tarda 1 hora, la FFT estara disponible en
solamente 35 segundos.

El desarrollo intuitivo del algoritmo escogido para presentar el clculo de la FFT es

el conocido Cooley-Tukey. El primer paso para la aplicacin de este algoritmo es la
eleccin de un nmero de muestras que sea una potencia de 2, sea N=2y, donde
y es un nmero entero. Siguiendo con el ejemplo del apartado anterior se puede
ver que N= 4= 2y =22, de esta forma se puede aplicar el algoritmo de clculo
basado en la FFT al conjunto de muestras.
Por definicin tenemos que la secuencia de N nmeros complejos x0.....,xN-1 se
transforma en la secuencia de N nmeros complejos X0,XN-1 mediante la DFT
con la formula
N 1

X K= x n e

2 i
kn
N

k =0, . , N 1

n=0

Donde i es l unidad imaginaria y

2 i
N

es la N-sima raz de la unidad.

Partiendo entonces tambin podemos observar que La transformada inversa de

Fourier discreta (IDFT) viene dada por

N 1

x n= X k e

2 i
kn
N

n=0, , N1

k=0

Una descripcin simple de estas ecuaciones es que los nmeros complejos X k

representan la amplitud y fase de diferentes componentes sinusoidales de la seal
de entrada xn .La DFT calcula Xk a partir de xn la suma de componentes
sinusoidales con una frecuencia k/N.
La FFT es de gran importancia en una amplia variedad de aplicaciones, desde el
tratamiento digital de seales y el filtrado, pero el algoritmo pone algunas
limitaciones en la seal y en el espectro resultante, por ejemplo; la seal la seal
de la que se tomaron muestras y que se va a transformar debe consistir de un
nmero de muestras igual a una potencia de dos. La mayora de los analizadores
de FFT permiten la transformacin de 512, 1024, 2048 o 4096 muestras. El rango
de frecuencias cubierto por el anlisis TRF depende de la cantidad de muestras
recogidas y de la proporcin de muestreo (Carrillo, 2003)
La idea que permite esta optimizacin es la descomposicin de la transformada a
tratar en otras ms simples y stas a su vez hasta llegar a transformadas de 2
elementos donde k puede tomar los valores 0 y 1.
El filtrado es el proceso por el que la parte esencial o til de una seal se separa
de otras componentes extraas o indeseadas que se denominan generalmente
ruido, por general son captados por los sensores al ser estos no tratados o
eliminados por medios fsicos. El termino ruido puede ser la modulacin de

amplitud, o a interferencias generadas por los propios dispositivos electrnicos. La

idea de realizar filtrados en sistemas lineales en el tiempo se basa en la propiedad
antes hablada perteneciente a la transformada de Fourier llamada
CONVOLUCION. Un filtro ideal selectivo en frecuencia es aquel que permite pasar
ciertos valores determinados de frecuencia inalterada y elimina el resto. El
intervalo de frecuencias que se eliminan se denomina banda eliminada.
La idea que permite esta optimizacin es la descomposicin de la transformada a
tratar en otras ms simples y stas a su vez hasta llegar a transformadas de 2
elementos donde k puede tomar los valores 0 y 1.
El filtrado es el proceso por el que la parte esencial o til de una seal se separa
de otras componentes extraas o indeseadas que se denominan generalmente
ruido, por general son captados por los sensores al ser estos no tratados o
eliminados por medios fsicos. El termino ruido puede ser la modulacin de
amplitud, o a interferencias generadas por los propios dispositivos electrnicos. La
idea de realizar filtrados en sistemas lineales en el tiempo se basa en la propiedad
antes hablada perteneciente a la transformada de Fourier llamada
CONVOLUCION. Un filtro ideal selectivo en frecuencia es aquel que permite pasar
ciertos valores determinados de frecuencia inalterada y elimina el resto (Soliman
S., 1999). El intervalo de frecuencias que se eliminan se denomina banda
eliminada. Los filtros selectivos ms comunes son los siguientes:
1. Los filtros paso majo se caracterizan por tener una banda de paso que ocupa
desde f= 0 hasta f=fs. que se denomina frecuencia de corte del filtro.
2. los filtros paso alto se caracterizan por tener una banda de paso que ocupa
desde f=fs. hasta el infinito.
3. Los filtros paso banda se caracterizan por tener una banda de paso que ocupa
desde f=fs1 hasta f=fs2 .Las restantes frecuencias se eliminan.
4. Los filtros de banda eliminada eliminan las frecuencias comprendidas entre fs1 y
fs2 y dejan pasar las restantes frecuencias.

Los filtros se pueden clasificar tambin en pasivos y activos, Los pasivos se

realizan con elementos como resistencias, condensadores y bobinas, los
segundos utilizan amplificadores operacionales, condensadores y resistencias.
La seleccin entre filtros depende del fenmeno a tratar del nivel de exactitud del
instrumento captador de la seal real o continua. Entre parmetros a tener en
cuenta se encuentran, el rango de frecuencias de trabajo de filtro: los cuales para
los filtros pasivos pueden trabajar a frecuencias superiores, mientras que los
activos a frecuencias bajas. Otro parmetro fundamental es La sensibilidad del
filtro a cabios en los parmetros, o estabilidad y esto radica en que los valores del
componente que se utilizan en la realizacin de circuitos se desvan de los
nominales en algunos lugares de los valores fuentes de los procesos o fenmenos
debido a la fabricacin o las tolerancias. como observacin podemos encontrar
que los pasivos son siempre superiores a los activos en cuanto a estabilidad.

Diniz, P., Da Silva E., Netto S., (2010), Digital Signal Processing, Rio de Janeiro, Brasil,
(2da edicin), Cambridge.
Oran, E., (1974), The fast Fourier transform and its applications, New Jersey, Estados
Unidos, (1ra edicion), Prentice-Hall.
Nussbaumer, H., (1981), Fast Fourier Transform and Convolution Algorithms, New York,
Estados Unidos, (1ra edicion), Springer-Verlag.

Hirji, K., (1996), A review and a synthesis of the fast Fourier transform algorithms for exact
analysis of discrete data, Los Angeles, Estados Unidos, ELSERVIER.
Haykin, S., Van Veen, H., (2011), Seales y sistemas, Mexico D.F., Mexico, Limusa Wiley.
Carrillo, C., (2003), Fundamentos del Anlisis de Fourier, Vigo, Espaa, Universidad de
Vigo, Facultad de Ingeniera.
Soliman, S., Srinath M., (1999), Seales y Sistemas continuos y discretos, Madrid,
Espaa, Prentice-Hall.