Transformada Discreta de Fourier

„ Ejemplos
Ejemplos de cálculo 1.3. La longitud de la convolución lineal de las secuencias es

1. Transformada Discreta de Fourier. A {x [n ] ∗ h [n ]} = A {x [n ]} + A {h [n ]} − 1

1.4. Las secuencias deben modificarse agregando tantos ceros como sea necesario para
1. Convolución circular y lineal.
que su longitud concuerde con la de la convolución lineal
1. Para las secuencias x[n] y h[n]
1.1. Determinar las Transformadas Discretas de Fourier de las secuencias. {
x [n ] = 1;1;0;0;0
↑
}  1 
h [n ] = 1;0; ;0;0 
↑ 2 
1.2. Obtener la convolución circular.
1.5. La Transformada Discreta de Fourier de las secuencias modificadas es
1.3. Calcular la longitud de la convolución lineal de las secuencias.
2π kn
1.4. Obtener las secuencias modificadas para calcular la convolución lineal.
4 −j
2
− j πk  2
−j π
4
−j π
6
−j π − j πk 
8

X [ k ] = ∑ x [n ] e
l 5
= 1+ e 5
= 1;1 + e 5 ;1 + e 5 ;1 + e 5 ;1 + e 5 
1.5. Calcular las Transformadas Discretas de Fourier de las secuencias modificadas.
n =0  
1 − j 5 π k  1 − j π k 
4 2π kn 4 4 8 12 4
l [k ] = h [ n ] e − j 1 −j π 1 −j π 1 −j π
1.6. Obtener la convolución lineal. H ∑ 5
= 1+
2
e = 1;1 + e 5 ;1 + e 5 ;1 + e 5 ;1 + e 5 
2 2 2 2
n =0  
{ }
x [n ] = 1;1;0
↑
 1
h [n ] = 1;0; 
↑ 2  1.6. El producto de las transformadas es

Solución: l [k ] =  1 + e − j 5 π k   1 + 1 e − j 5 π k  = 1 + e − j 5 π k + 1 e − j 5 π k + 1 e − j 5 π k
2 4 2 4 6
l [k ] = l
Y X [k ] H   2  2 2
1.1. La Transformada Discreta de Fourier de las secuencias es   

antitransformando, se obtiene la convolución circular de las secuencias modificadas, que es

2 −j
2π kn 2
− j πk  1 3 1 3 
X [ k ] = ∑ x [n ] e 3
= 1+ e 3
= 2; − ; +  igual a la convolución lineal de las secuencias originales
n =0  2 2 2 2 
2π kn
2π kn
1 − j 3 π k  3 3 3  1 4 l  1 1 
yl [n ] = x [n ] ⊗ h [n ] = x [n ] ∗ h [n ] = ∑ Y [k ] e
2 4 j
−j 3 3 = 1;1; ; ;0 
H [k ] = ∑ h [n ] e
5
3
= 1+ e = ; + j ; −j  5 k =0
n =0 2  2 4 4 4 4  ↑ 2 2 

1.2. El producto de las dos transformadas es

2. Solapamiento en el tiempo.
n
2. Considerar la secuencia temporal x[n]=0.5 u[n].
 −j
2π k
 4π k
1 −j 3  3 −j
2π k
1 −j
4π k
 3 3 3 3 
Y [k ] = X [k ] H [k ] =  1 + e 3  1 + 2 e
  = + e 3 + e 3 = 3; − j ; +j  2.1. Determinar X(e ω).
j
   2 2  4 4 4 4 
j
2.2. Determinar la secuencia X[k]≡X(e ω) ω=2πk/4 para k=0;1;2;3.
antitransformando, por la propiedad de convolución circular
2.3. Si la secuencia obtenida en el punto anterior fueran los coeficientes de una
2π kn Transformada Discreta de Fourier, determinar la secuencia temporal que se deriva de
1 2
 3 1
y [n ] = x [n ] ⊗ h [ n ] = ∑ Y [k ] e
j
3
=  ;1;  dicha secuencia.
3 k =0  2 2
2.4. Comparar la secuencia obtenida con x[n] y justifique el resultado.
Solución:

2.1. La Transformada de Fourier de Tiempo Discreto es

( )
X e jω =
2
2 − e − jω

2.2. La secuencia obtenida para ω=2πk/4 con k=0;1;2;3 es

2 2 2 2
X[k ] = ⇒ X[0] = 2 ; X[1] = ; X[2] = ; X[3] =
2 − e − jω ω=
2 πk 2+ j 3 2− j
4

2.3. La secuencia temporal que generaría X[k] es

2 πkn
−j
1 3 2e 4 16 8 4 2
x̂[n] = ∑ 2 πk
⇒ x̂[n] = ; x̂[n] = ; x̂[n] = ; x̂[n] =
4 k =0 −j 15 15 15 15
2−e 4

2.4. La transformada inversa de X[k] es diferente de x[n] porque existe solapamiento a nivel
temporal ya que x[n]≠0 para n>N

x[n]
x̂[n] = 4
≠ x[n]
 1
1 −  
2

3. Determinar la Transformada Discreta de Fourier de orden N de la secuencia

2πk
x[n] = e jωn ; 0 ≤ n ≤ N − 1 con ω ≠ ∀k / 0 ≤ k ≤ N − 1
N

Solución: Si ω=2πm/N con m∈Z entonces X[k]=0 ∀k≠m y X[m]=N. En caso contrario

 ωN 
 ω(N −1) πk 
j +
sen 
X[k ] = e  2 N

 2 
1 2πk 
sen  ω − 
 2  N 

28
 %Convolucion lineal
Ejemplos de simulación ymn=ifft(Ymk,L);

1. Transformada Discreta de Fourier. %Graficos

%Secuencias
1.1. Simular el ejercicio de cálculo referido a la convolución de secuencias. figure(1)
subplot(2,3,1)
Solución: stem(n,xn,'r.-')
xlabel('n')
%Programa para calculo y grafica de la TDF de una senal y un sistema ylabel('x[n]')
%Ejemplo de Simulacion 1.: Convolucion lineal y circular title('Secuencia')
clc, clear, close all subplot(2,3,2)
stem(n,hn,'k.-')
%Secuencias xlabel('n')
xn(1)=1;xn(2)=-1; ylabel('h[n]')
hn(1)=-1;hn(2)=1; title('Secuencia')
subplot(2,3,3)
%Secuencias modificadas stem(n,yn,'b.-')
Lx=length(xn); xlabel('n')
Lh=length(hn); ylabel('y[n]')
L=Lx+Lh-1; title('Convolucion circular')
xmn=xn;xmn(Lx+1:L)=0; %Modulo de las TDFs
hmn=hn;hmn(Lh+1:L)=0; subplot(2,3,4)
stem(k,Xk,'r.-')
%Escala de tiempo discreto y frecuencias xlabel('k')
n=0:max(Lx,Lh)-1; ylabel('X[k]')
k=0:max(Lx,Lh)-1; title('Transformada de la secuencia')
m=0:L-1; subplot(2,3,5)
q=0:L-1; stem(k,Hk,'k.-')
xlabel('k')
%TDFs de las secuencias ylabel('H[k]')
Xk=fft(xn,Lx); title('Transformada de la secuencia')
Hk=fft(hn); subplot(2,3,6)
stem(k,Yk,'b.:')
%TDF de la convolucion circular xlabel('k')
Yk=Xk.*Hk; ylabel('Y[k]')
title('Transformada de la convolucion circular')
%Convolucion circular %Secuencias modificadas
yn=ifft(Yk,max(Lx,Lh)); figure(2)
subplot(2,3,1)
%TDFs de las secuencias modificadas stem(m,xmn,'r.-')
Xmk=fft(xmn,L); xlabel('n')
Hmk=fft(hmn,L); ylabel('xm[n]')
title('Secuencia modificada')
%TDF de la convolucion lineal subplot(2,3,2)
Ymk=Xmk.*Hmk; stem(m,hmn,'k.-')

29
xlabel('n')
ylabel('hm[n]')
title('Secuencia modificada')
subplot(2,3,3)
stem(m,ymn,'b.-')
xlabel('n')
ylabel('ym[n]')
title('Convolucion lineal')
%Modulo de las TDFs de las secuencias modificadas
subplot(2,3,4)
stem(q,Xmk,'r.-')
xlabel('k')
ylabel('Xm[k]')
title('Transformada de la secuencia modificada')
subplot(2,3,5)
stem(q,Hmk,'k.-')
xlabel('k')
ylabel('Hm[k]')
title('Transformada de la secuencia modificada')
subplot(2,3,6)
stem(q,Ymk,'b.:')
xlabel('k')
ylabel('Ym[k]')
title('Transformada de la convolucion lineal')

30