Transformada Rápida de Fourier

Transformada rápida de Fourier
La Transformada rápida de Fourier, conocida por la abreviatura FFT (del inglés Fast
Fourier Transform) es un algoritmo eficiente que permite calcular la transformada de
Fourier discreta (DFT) y su inversa. La FFT es de gran importancia en una amplia
variedad de aplicaciones, desde el tratamiento digital de señales y filtrado digital en
general a la resolución de ecuaciones en derivadas parciales o los algoritmos de
multiplicación rápida de grandes enteros. Cuando se habla del tratamiento digital de
señales, el algoritmo FFT impone algunas limitaciones en la señal y en el espectro
resultante ya que la señal muestreada y que se va a transformar debe consistir de un
número de muestras igual a una potencia de dos. La mayoría de los analizadores de FFT
permiten la transformación de 512, 1024, 2048 o 4096 muestras. El rango de
frecuencias cubierto por el análisis FFT depende de la cantidad de muestras recogidas y
de la proporción de muestreo.
La transformada rápida de Fourier es de importancia fundamental en el análisis

matemático y ha sido objeto de numerosos estudios. La aparición de un algoritmo eficaz
para esta operación fue un hito en la historia de la informática.
Definición
Sea una señal aperiódica discreta en el tiempo. La transformada discreta de

Fourier (DFT, por sus siglas en inglés) de esta señal se define como:
en la cual es un conjunto de números complejos. La evaluación directa de esa

fórmula requiere operaciones aritméticas, pero con un algoritmo FFT se puede
obtener el mismo resultado con sólo operaciones. En general, dichos
algoritmos dependen de la factorización de n pero, al contrario de lo que frecuentemente
se cree, existen FFTs para cualquier n, incluso con n primo.
La idea que permite esta optimización, es la descomposición de la transformada a tratar
en otras más simples y éstas a su vez hasta llegar a transformadas de 2 elementos donde
k puede tomar los valores 0 y 1. Una vez resueltas las transformadas más simples hay
que agruparlas en otras de nivel superior que deben resolverse de nuevo y así
sucesivamente hasta llegar al nivel más alto. Al final de este proceso, los resultados
obtenidos deben reordenarse.
Dado que la transformada discreta de Fourier inversa es análoga a la transformada

discreta de Fourier, con distinto signo en el exponente y un factor 1/n, cualquier
algoritmo FFT puede ser fácilmente adaptado para el cálculo de la transformada inversa
discreta de Fourier (conocida por su sigla inglesa, IDFT). Por lo general, tenemos que:
donde el símbolo de asterisco (*) denota la conjugada compleja de la expresión que le

antecede.
Algoritmos
El algoritmo de la Transformada de Fourier Rápida (FFT), fue popularizado por los
matemáticos estadounidenses James William Cooley y John Wilder Tukey en 1965. Se
puede ilustrar mediante el siguiente ejemplo, calculando la FFT de un conjunto de
cuatro muestras de datos. Se define el conjunto de muestras de una señal como la señal
en tiempo discreto de forma que los datos de entrada para el algoritmo sean
La DTF de dicha señal es, aplicando la definición:
Se recomienda usar la notación:
Para este caso de 4 puntos de datos, recordando el álgebra lineal, es posible escribir
la FFT en forma de matriz como:
Puesto que los datos de entrada están representados por un vector-columna de 4

componentes. Efectuar la multiplicación usual de matrices directa requeriría
multiplicaciones complejas y adiciones complejas. Por lo tanto,
puede escribirse de la siguiente manera:
Debido a que , donde m es un entero, es posible factorizar la

matriz en el producto de dos matrices:
Los elementos han cambiado de lugar en el vector que se encuentra del

lado izquierdo. Cuando se multipliquen las matrices, los renglones 1 y 2, también se
intercambiarán. Después, se calcula el número de multiplicaciones y adiciones que
se requieren. Primero, se identifica el resultado de multiplicar la segunda matriz
cuadrada por el conjunto de datos de entrada como:
Recordando como se multiplican las matrices, el primer elemento del vector de la

izquierda es:
De manera similar, el cálculo de requieren

de una multiplicación y una adición. Aunque es uno, se hará que
y el producto ya se ha obtenido en el cálculo del primer elemento y
puede, en consecuencia, sólo almacenarse hasta que se necesite y luego restarse en
vez de sumarse. De manera similar, sólo requiere una adición más. Hasta ahora
se tienen dos multiplicaciones y cuatro sumas. Apelando a condiciones de simetrías
similares en la segunda multiplicación de matrices, se encuentra que se requieren
dos multiplicaciones y cuatro sumas más. Así, en total, se necesitan cuatro
multiplicaciones y ocho adiciones. Puesto que, computacionalmente, las
multiplicaciones requieren por lo general mucho más tiempo de cómputo que las
adiciones, el algoritmo de FFT para cuatro puntos es alrededor de cuatro veces más
rápido que la FDT directa. El siguiente diagrama muestra, en forma de gráfica de
flujo de señales, como se realizan las operaciones necesarias.
Ejemplo:
Un ejemplo de lo que se puede hacer con la transformada rápida de Fourier consiste en
el oído humano debido a que este recibe una onda auditiva y la transforma en una
descomposición en distintas frecuencias a medida que pasa el tiempo sin embargo con
la transformada rápida de Fourier esta contiene todas las frecuencias en todos los
tiempos en el cual existió dentro de la misma señal.
A lo que me refiero es que con la transformada rápida de Fourier se obtienen un solo
espectro de frecuencia para toda la función.
Otro ejemplo: compresión de audio MP3.

Sabemos que una señal de audio, como una canción es una función temporal, de valores
de presión del aire, los cuales son transformados por micrófonos en valores de voltaje,
que pueden ser medidos y guardados en una grabación. Y, luego, se puede hacer el
proceso inverso con unos altavoces que transforman un voltaje variable en una presión
de aire variable.
Ahora bien, el almacenamiento de valores instantáneos de presión de aire o de voltajes
de un micrófono no es muy eficiente. Sabemos que el oído humano no es igual de
sensible a unas frecuencias que a otras.
Lo que haría el MP3 sería codificar con mayor precisión las frecuencias que mejor
escucha el oído humano y codificar de forma muy burda, con poca precisión, las
frecuencias a las que el oído no es muy sensible. Esto nos permite ahorrar muchos
datos… de forma que una canción pueda ocupar la décima parte y oírse prácticamente
igual.
Para calcular las componentes en frecuencia de una canción se haría la transformada de
Fourier, la cual nos da las componentes o coeficientes en cada frecuencia, de forma que
unas componentes se codifican con más bits (más precisión) y otras se codifican con
menos bits.
Esto también se hace en la telefonía móvil. El sonido de la voz se codifica, dedicando
más bits a ciertas frecuencias, y menos bits a otras, ahorrando información, y, por tanto,
pudiendo transmitir la voz de una llamada telefónica gastando menos ancho de banda.
Lo que ocurre es que la señal de una canción o de una voz de una llamada telefónica no
es una señal continua en el tiempo, sino que se compone de una sucesión de muestras…
y, entonces, no se hace una transformada de Fourier continua, sino lo que se conoce
como ‘transformada discreta de Fourier’ o ‘transformada de Fourier discreta’. En esta
transformada no habría infinitas frecuencias sino un número finito de ellas. Y, además,
se conoce un algoritmo eficiente para hacerlo, llamado FFT = Fast Fourier Transform.
Así que se tomarían las muestras en el tiempo, se haría la FFT y tenemos un número
finito de muestras en frecuencia, se codifican esas muestras, cada una con el número de
bits correspondiente y ya tendríamos el fichero MP3.
Para descomprimir el MP3 se haría la operación inversa: con los bits de cada frecuencia
podemos hacer la operación inversa con otra FFT y obtener una señal que no será igual
que la original pero que a nuestro oído le sonará igual.
El JPEG funciona de forma similar, pero en lugar de la Transformada de Fourier usa la
Transformada del Coseno, más adecuada para imágenes, descartando información
visual que apenas ven nuestros ojos.

Transformada Rápida de Fourier

Cargado por

Copyright:

Formatos disponibles

Transformada Rápida de Fourier

Cargado por

Información del documento

Descripción 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

Transformada Rápida de Fourier

Cargado por

Copyright:

Formatos disponibles

Transformada rápida de Fourier

La transformada rápida de Fourier es de importancia fundamental en el análisis

Sea una señal aperiódica discreta en el tiempo. La transformada discreta de

en la cual es un conjunto de números complejos. La evaluación directa de esa

Dado que la transformada discreta de Fourier inversa es análoga a la transformada

donde el símbolo de asterisco (*) denota la conjugada compleja de la expresión que le

La DTF de dicha señal es, aplicando la definición:

Se recomienda usar la notación:

Puesto que los datos de entrada están representados por un vector-columna de 4

Debido a que , donde m es un entero, es posible factorizar la

Los elementos han cambiado de lugar en el vector que se encuentra del

Recordando como se multiplican las matrices, el primer elemento del vector de la

De manera similar, el cálculo de requieren

Otro ejemplo: compresión de audio MP3.

También podría gustarte