CENTRO DE ENSEÑANZA TECNICA INDUSTRIAL

MARCO ANTONIO ROMO ANTONIO

REGISTRO: 12100601
ROMERO MORENO ARTURO CUITLÁHUAC
REGISTRO: 12100596

PRACTICA NO. 6

TRANSFORMADA DISCRETA DE FOURIER

ANÁLISIS DIGITAL DE SEÑALES

JOSE MA. VALENCIA

GUADALAJARA JAL., A 21 DE NOVIEMBRE DEL 2015.

OBJETIVO.

Al finalizar la práctica el alumno debe ser capaz de:

1. Representar señales discretas en el dominio de la frecuencia.
2. Determinar la respuesta en frecuencia de un sistema discreto.

RESUMEN.

La Transformada Discreta de Fourier:

El análisis de Fourier es una familia de técnicas matemáticas, todo se basa en la
descomposición de señales en sinusoides. La transformada de Fourier discreta (DFT) es el
miembro de la familia utiliza señales digitalizadas. La DFT, es una versión de la transformada
de Fourier discreta que utiliza los números reales para representar las señales de entrada y de
salida. El complejo DFT, es una técnica más avanzada que utiliza números complejos. (Steven
W. Smith, Capítulo 8: La Transformada Discreta de Fourier, 1997-2011, pág. 141)

Aplicaciones de la DFT:

La Transformada Discreta de Fourier (DFT) es una de las herramientas más importantes de

procesamiento de señal digital. En primer lugar, la DFT puede calcular de una señal de espectro
de frecuencia. Este es un examen directo de información codificada en la frecuencia, la fase y
amplitud de las sinusoides de componentes. Por ejemplo, el habla humana y escuchar señales de
uso con este tipo de codificación. En segundo lugar, la DFT puede encontrar respuesta en
frecuencia de un sistema de respuesta de impulso del sistema, y viceversa. Esto permite que los
sistemas a analizar en el dominio de la frecuencia, tal como convolución permite que los sistemas
a analizar en el dominio del tiempo. En tercer lugar, la DFT se puede utilizar como un paso
intermedio en más elaboradas técnicas de procesamiento de señal. El ejemplo clásico de esto
es la convolución FFT, un algoritmo para la convolución de señales que es cientos de veces más
rápido que los métodos convencionales. (Steven W. Smith, Capítulo 9: Aplicaciones de la DFT,
1997-2011, pág. 169)

Propiedades de la Transformada de Fourier:

Los dominios de tiempo y frecuencia son formas alternativas de representación de señales. La

transformada de Fourier es la relación matemática entre estas dos representaciones. Si una señal
se modifica en un dominio, también se cambiará en el otro dominio, aunque por lo general no en
la misma forma. Por ejemplo, se ha demostrado anteriormente que la convolución de señales en
el dominio del tiempo, los resultados en sus espectros de frecuencia que se multiplican. Otras
operaciones matemáticas, como sumar, de escala y cambiantes, también tienen una operación de
juego en el dominio contrario. Estas relaciones se denominan propiedades de la transformada de
Fourier, cómo un cambio en una matemática resultados de dominio en un cambio de matemática
en el otro dominio. (Steven W. Smith, Capítulo 10: Transformada de Fourier Propiedades, 1997-
2011, pág. 185)
 La Transformada de Fourier en tiempo discreto:

La Transformada de Fourier en tiempo discreto (DTFT) es el miembro de la familia

transformada de Fourier que opera en señales discretas aperiódicas La mejor manera de entender
la DTFT es cómo se relaciona con la DFT. Para empezar, imagine que usted adquiere un N de la
señal de la muestra, y quiere encontrar su espectro de frecuencias. Mediante el uso de la DFT, la
señal se puede descomponer en seno y coseno olas, con frecuencias equidistantes entre cero y la
mitad de la frecuencia de muestreo. El relleno de la señal del dominio de ltiempo con ceros hace
que el período del dominio del tiempo sea más largo, así como hacer el espaciado entre las
muestras en el dominio de la frecuencia más estrecho. Como N tiende a infinito, el dominio del
tiempo se convierte en aperiódica, y el dominio de la frecuencia se convierte en un continuo de
señales. Esta es la DTFT, la transformada de Fourier que se relaciona una señal aperiódica,
discreta, con un periódico, espectro continuo de frecuencias.
(Steven W. Smith, Capitulo 10: transformada de fourier en timpo discreto , 1997-2011, pág.
206)
Ecuaciones de la DTFT:

Si la transformada de Fourier de una señal,, se define como

Su inversa viene dada por

(RELATED, s.f.)
TRANSFORMADA RÁPIDA DE FOURIER (FFT)

El término genérico “transformada rápida de Fourier” abarca distintos algoritmos con

distintas características, ventajas y desventajas. Por ejemplo, una FFT diseñada y optimizada
usando un lenguaje de alto nivel probablemente no funcionará correctamente en un DSP de coma
fija. Sin embargo, todas las FFT’s usan la misma aproximación para reducir el algoritmo en un
número reducido de DFT’s sucesivas, cortas y simples. Hay que tener en cuenta que:
 La FFT es un algoritmo (no una aproximación) a iguales intervalos de espaciamiento.
 Las limitaciones de la FFT surgen de las que tiene la DFT.
  No es ni mejor ni peor. Sin embargo se logra una eficiencia debido a los números de
operaciones menores que utiliza la FFT para ser resuelta. (Cordoba, s.f.)

El algoritmo de la Transformada Rápida de Fourier (FFT)

El algoritmo FFT entrega los mismos resultados que (DFT), pero optimiza el cómputo
dividiendo el problema en cálculos de DFT de menor orden y una estructura recursiva. Para
derivar una de las versiones más comunes del algoritmo FFT llamado Radix-2, asumimos que
N=2m. La división de la DFT de N puntos a dos de N/2 presentada por el algoritmo divide y
conquista se puede volver a realizar recursivamente en cada bloque de la figura 1. Para ilustrar
este punto, la reducción de orden se vuelve a aplicar sobre cada DFT de N/2 puntos en la figura
2. Es posible seguir esta reducción hasta llegar al bloque más pequeño posible de una DFT de
dos puntos, a cual se obtiene directamente de la ecuación principal.

Esta implementación recursiva se conoce como FFT radix 2 y es una de las formas más
comunes y su complejidad numérica baja de N2 a Nlog2(N). La figura 3 presenta el esquema de
una estructura de reducción de orden en la DFT, la figura 4 el caso de una FFT de 8 puntos, y la
figura 5 la complejidad numérica en función al número de puntos N.
(Matías Zañartu, 2012)
 Ejemplos de cómo usar la FFT en MATLAB

La Transformada Rápida de Fourier (FFT) es una técnica usada con frecuencia en el

procesamiento de señales. Una transformada de Fourier aproxima cualquier función continua
como la suma de funciones periódicas (senos y cosenos). FFT hace lo mismo para las señales
discretas – serie de puntos de datos en lugar de una función definida de forma continua. FFT le
permite identificar componentes periódicos en su señal discreta. Puede que tenga que identificar
una señal periódica enterrado bajo ruido aleatorio, o analizar una señal con varias fuentes
subyacentes periódicos diferentes. MATLAB incluye una implementación incorporada de FFT
para ayudarle a hacer esto.

Calcule la longitud (número de elementos) del vector que contiene sus datos. Por ejemplo, si
los datos se almacenan en un vector llamado d, tipo L = longitud (d); en la línea de comandos de
MATLAB y sin comillas. L contendrá ahora el número de elementos en d.

Calcular la potencia de 2 que es mayor que o igual a L, escribiendo p = nextpow2 (L); en la

línea de comandos de MATLAB y sin comillas. Si L = 1.000, por ejemplo, p será 10, porque 2 ^
10 = 1024.

Realizar la FFT escribiendo Y = fft (d, 2 ^ p); en la línea de comandos de MATLAB y sin
comillas. Este comando agrega ceros a d para obtener un vector de longitud 2 ^ p y después
realiza la FFT en el ^ p-elemento del vector 2. Los ceros adjuntas no afectan el resultado de la
FFT, pero FFT se ejecuta más rápido con un vector cuya longitud es una potencia de 2.

Mantener sólo las partes únicos de Y tecleando Y = Y (1: ((2 ^ p +1) / 2)); sin las comillas en
la línea de comandos de MATLAB. Esto es necesario porque la salida de la FFT es simétrica –
es decir, el segundo medio de Y es simplemente el complejo conjugado de la primera mitad.
Ahora, Y da los coeficientes de las funciones seno y coseno a frecuencias de 0 a 1 + (2 ^ p / 2)).

Divida Y por L / 2 escribiendo Y = Y. / (L / 2); en la línea de comandos de MATLAB y sin

comillas. Esto es necesario porque salida de la FFT por defecto de MATLAB se multiplica por
un factor de L / 2, por lo que será mayor si d es más largo. Dividiendo por L / 2 normaliza la
salida de la FFT de manera que no depende de la longitud de d.

Si d no se muestreó a 1 Hz, pero en alguna frecuencia f, las frecuencias reales representados

en Y serán 0 a F * (1 + (2 ^ p / 2))). Calcular un vector MATLAB que contiene estas frecuencias.
En primer lugar, definir su frecuencia de muestreo real en una variable f. Si su frecuencia de
muestreo real fue de 0,5 Hz (1 muestra cada 2 segundos), debe escribir f = 0,5; en la línea de
comandos de MATLAB y sin comillas. A continuación, escriba freq = f * (0: (1 + (2 ^ p / 2))).)
En la línea de comandos de MATLAB y sin comillas. Ahora frec contiene las frecuencias reales
representados en Y. (miamorenlinea, s.f.)

DESARROLLO TEORICO.

1. Empleando la DFT (4 y 8 puntos) calcule el componente espectral de las siguientes secuencias:

∞
𝑗2𝜋𝑘
𝑥 [𝑘 ] = ∑ 𝑥 (𝑛) ∗ 𝑒 − 𝑁
∗𝑛
𝑝𝑎𝑟𝑎 𝑘 = 0 … ± (𝑁 − 1)
𝑛=−∞

4
𝑗2𝜋𝑘
1) 𝑁 = 4, 𝑥 [𝑘 ] = ∑ 𝑥 ( 𝑛 ) ∗ 𝑒 − 4
∗𝑛

𝑛=0
j2π j2π j2π j2π j2π
x[0] = x(0)e− 4 ∗0∗0 + x(1)e− 4 ∗0∗1
+ x(2)e− 4 ∗0∗2 + x(3)e− 4
∗0∗3
+ x(4)e−4
∗0∗4
0 0 0 0 0
= e + 2e + 3e + 4e + 5e = 15

j2π j2π j2π j2π j2π

x[1] = x(0)e− 4
∗1∗0
+ x(1)e− 4 ∗1∗1 + x(2)e− 4
∗1∗2
+ x(3)e− 4
∗1∗3
+ x(4)e−4
∗1∗4
jπ j6π
= e0 + 2e− 2 + 3e−jπ + 4e− 4 + 5e−j2π = 3 + j2 = 3.6056

j2π j2π j2π j2π j2π

x[2] = x(0)e− 4 ∗2∗0 + x(1)e− 4 ∗2∗1 + x(2)e− 4 ∗2∗2 + x(3)e− 4
∗2∗3
+ x(4)e−4
∗2∗4

= e0 + 2e−jπ + 3e−j2π + 4e−j3π + 5e−j4π = 3 + j0 = 3

j2π j2π j2π j2π j2π

x[3] = x(0)e− 4 ∗3∗0 + x(1)e− 4 ∗3∗1 + x(2)e− 4 ∗3∗2 + x(3)e− 4 ∗3∗3 + x(4)e− 4
∗3∗4

= e0 + 2e−j6π/4 + 3e−j3π + 4e−j18π/4 + 5e−j6π = 3 − j2 = 3.6056

4
j2πk
2) N = 8, x[k] = ∑ x(n) ∗ e− 8
∗n

n=0
 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋
𝑥 [0] = 𝑥 (0)𝑒 − 8 ∗0∗0 + 𝑥 (1)𝑒 − 8 ∗0∗1 + 𝑥 (2)𝑒 − 8
∗0∗2
+ 𝑥 (3)𝑒 − 8
∗0∗3
+ 𝑥(4)𝑒 −8
∗0∗4

= 𝑒 0 + 2𝑒 0 + 3𝑒 0 + 4𝑒 0 + 5𝑒 0 = 15

𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋

𝑥 [1] = 𝑥 (0)𝑒 − 8
∗1∗0
+ 𝑥 (1)𝑒 − 8 ∗1∗1 + 𝑥 (2)𝑒 − 8 ∗1∗2 + 𝑥 (3)𝑒 − 8 ∗1∗3 + 𝑥(4)𝑒 − 8 ∗1∗4
𝑗𝜋 𝑗𝜋 𝑗6𝜋
= 𝑒0 + 2𝑒 − 4 + 3𝑒 − 2 + 4𝑒 − 8 + 5𝑒 −𝑗𝜋 = −5.414 − 𝑗7.24 = 9.042

𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋

𝑥 [2] = 𝑥 (0)𝑒 − 8
∗2∗0
+ 𝑥 (1)𝑒 − 8 ∗2∗1 + 𝑥 (2)𝑒 − 8 ∗2∗2 + 𝑥 (3)𝑒 − 8 ∗2∗3 + 𝑥(4)𝑒 −8
∗2∗4
𝑗𝜋 𝑗3𝜋
= 𝑒0 + 2𝑒 − 2 + 3𝑒 −𝑗𝜋 + 4𝑒 − 2 + 5𝑒 −𝑗2𝜋 = 3 + 𝑗2 = 3.605

𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋

𝑥 [3] = 𝑥 (0)𝑒 − 8
∗3∗0
+ 𝑥 (1)𝑒 − 8 ∗3∗1 + 𝑥 (2)𝑒 − 8 ∗3∗2 + 𝑥 (3)𝑒 − 8 ∗3∗3 + 𝑥(4)𝑒 − 8 ∗3∗4
𝑗6𝜋 𝑗9𝜋
= 𝑒0 + 2𝑒 − 8 + 3𝑒 −𝑗3𝜋/2 + 4𝑒 − 4 + 5𝑒 −𝑗3𝜋 = −2.585 − 𝑗1.242 = 2.868

𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋

𝑥 [4] = 𝑥 (0)𝑒 − 8 ∗4∗0 + 𝑥 (1)𝑒 − 8 ∗4∗1 + 𝑥 (2)𝑒 − 8 ∗4∗2 + 𝑥 (3)𝑒 − 8
∗4∗3
+ 𝑥(4)𝑒 −8
∗4∗4

= 𝑒 0 + 2𝑒 −𝑗𝜋 + 3𝑒 −𝑗2𝜋 + 4𝑒 −𝑗3𝜋 + 5𝑒 −𝑗4𝜋 = 3 + 𝑗0 = 3

𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋

𝑥 [5] = 𝑥 (0)𝑒 − 8 ∗5∗0 + 𝑥 (1)𝑒 − 8 ∗5∗1 + 𝑥 (2)𝑒 − 8 ∗5∗2 + 𝑥 (3)𝑒 − 8 ∗5∗3 + 𝑥(4)𝑒 − 8 ∗5∗4
= 𝑒 0 + 2𝑒 −𝑗5𝜋/4 + 3𝑒 −𝑗5𝜋/2 + 4𝑒 −𝑗15𝜋/4 + 5𝑒 −𝑗5𝜋 = −2.585 + 𝑗1.242 = 2.868

𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋

𝑥 [6] = 𝑥 (0)𝑒 − 8 ∗6∗0 + 𝑥 (1)𝑒 − 8 ∗6∗1 + 𝑥 (2)𝑒 − 8 ∗6∗2 + 𝑥 (3)𝑒 − 8 ∗6∗3 + 𝑥(4)𝑒 − 8
∗6∗4

= 𝑒 0 + 2𝑒 −𝑗6𝜋/4 + 3𝑒 −𝑗3𝜋 + 4𝑒 −𝑗18𝜋/4 + 5𝑒 −𝑗6𝜋 = 3 + 𝑗2 = 3.605

𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋

𝑥 [7] = 𝑥 (0)𝑒 − 8 ∗7∗0 + 𝑥 (1)𝑒 − 8 ∗7∗1 + 𝑥 (2)𝑒 − 8 ∗7∗2 + 𝑥 (3)𝑒 − 8 ∗7∗3 + 𝑥(4)𝑒 − 8 ∗7∗4

= 𝑒 0 + 2𝑒 −𝑗7𝜋/4 + 3𝑒 −𝑗7𝜋/2 + 4𝑒 −𝑗21𝜋/4 + 5𝑒 −𝑗7𝜋 = −5.414 − 𝑗7.24 = 9.042

7
j2πk
1) N = 4, x[k] = ∑ x(n) ∗ e− 4
∗n

n=−7
 j2π j2π j2π j2π
x[0] = x(−7)e− 4
∗0∗−7
+ x(−6)e− 4
∗0∗−6
+ x(−5)e−4
∗0∗−5
+ x(−4)e−4
∗0∗−4
j2π j2π j2π j2π
+ x(−3)e− 4
∗0∗−3
+ x(−2)e− 4 ∗0∗−2 + x(−1)e− 4 ∗0∗−1 + x(0)e− 4 ∗0∗0
j2π j2π j2π j2π
+ x(1)e− 4 ∗0∗1 + x(2)e− 4 ∗0∗2 + x(3)e− 4 ∗0∗3 + x(4)e− 4 ∗0∗4
j2π j2π j2π
+ x(5)e− 4 ∗0∗5 + x(6)e− 4 ∗0∗6 + x(7)e− 4 ∗0∗7
= 0e0 + 0e + 0e + 0e + 1e + 1e + 1e + 1e + 1e + 1e + 1e + 0e + 0e
0 0 0 0 0 0 0 0 0 0 0 0

+ 0e0 + 0e0 = 7

j2π j2π j2π j2π

x[1] = x(−3)e− 4
∗1∗−3
+ x(−2)e−
4
∗1∗−2
+ x(−1)e− 4 ∗1∗−1 + x(0)e− 4 ∗1∗0
j2π j2π j2π
+ x(1)e− 4 ∗1∗1 + x(2)e− 4 ∗1∗2 + x(3)e− 4 ∗1∗3
j6π jπ jπ j6π
= e 4 + ejπ + e 2 + e0 + e− 2 + e−jπ + e− 4 = −1 + j0 = 1

j2π j2π j2π j2π

x[2] = x(−3)e− 4
∗2∗−3
+ x(−2)e−4
∗2∗−2
+ x(−1)e− 4 ∗2∗−1 + x(0)e− 4
∗2∗0
j2π j2π j2π
+x(1)e− 4 ∗2∗1 + x(2)e− 4 ∗2∗2 + x(3)e− 4 ∗2∗3
j3π j2π jπ 0 −jπ −j2π −j3π
=e +e +e +e +e +e +e = −1 + j0 = 1

j2π j2π j2π j2π

x[3] = x(−3)e− 4
∗3∗−3
+ x(−2)e−
4
∗3∗−2
+ x(−1)e− 4 ∗3∗−1 + x(0)e− 4 ∗3∗0
j2π j2π j2π
+ x(1)e− 4 ∗3∗1 + x(2)e− 4 ∗3∗2 + x(3)e− 4 ∗3∗3
j18π j6π j6π j18π
= e 4 + ej3π + e 4 + e0 + e− 4 + e−j3π + e− 4 = −1 + j0 = 1
 7
𝑗2𝜋𝑘
2) 𝑁 = 8, 𝑥 [𝑘 ] = ∑ 𝑥 ( 𝑛 ) ∗ 𝑒 − 8
∗𝑛

𝑛=−7
𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋
𝑥 [0] = 𝑥 (−7)𝑒 − 8 ∗0∗−7 −
+ 𝑥 (−6)𝑒 8 ∗0∗−6
+ 𝑥 (−5)𝑒 − 8 ∗0∗−5 + 𝑥(−4)𝑒 − 8 ∗0∗−4
𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋
+ 𝑥 (−3)𝑒 − 8 ∗0∗−3 + 𝑥 (−2)𝑒 − 8 ∗0∗−2 + 𝑥 (−1)𝑒 − 8 ∗0∗−1 + 𝑥(0)𝑒 − 8 ∗0∗0
𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋
+ 𝑥 (1)𝑒 − 8 ∗0∗1 + 𝑥 (2)𝑒 − 8 ∗0∗2 + 𝑥 (3)𝑒 − 8 ∗0∗3 + 𝑥 (4)𝑒 − 8 ∗0∗4
𝑗2𝜋 𝑗2𝜋 𝑗2𝜋
+ 𝑥 (5)𝑒 − 8 ∗0∗5 + 𝑥 (6)𝑒 − 8 ∗0∗6 + 𝑥 (7)𝑒 − 8 ∗0∗7
= 0𝑒 0 + 0𝑒 0 + 0𝑒 + 0𝑒 + 1𝑒 + 1𝑒 + 1𝑒 + 1𝑒 + 1𝑒 + 1𝑒 + 1𝑒 + 0𝑒 + 0𝑒 + 0𝑒
0 0 0 0 0 0 0 0 0 0 0 0

+ 0𝑒 0 = 7

𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋

𝑥 [1] = 𝑥(−3)𝑒 − 8
∗1∗−3
+ 𝑥(−2)𝑒 − 8 ∗1∗−2 + 𝑥 (−1)𝑒 − 8 ∗1∗−1 + 𝑥 (0)𝑒 − 8 ∗1∗0
𝑗2𝜋 𝑗2𝜋 𝑗2𝜋
+ 𝑥(1)𝑒 − 8 ∗1∗1 + 𝑥 (2)𝑒 − 8 ∗1∗2 + 𝑥 (3)𝑒 − 8 ∗1∗3
𝑗6𝜋 𝑗𝜋 𝑗𝜋 𝑗𝜋 𝑗𝜋 𝑗6𝜋
= 𝑒 8 + 𝑒 2 + 𝑒 4 + 𝑒 0 + 𝑒 − 4 + 𝑒 − 2 + 𝑒 − 8 = 1 − 𝑗0 = 1

𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋

𝑥 [2] = 𝑥(−3)𝑒 − 8
∗2∗−3
+ 𝑥(−2)𝑒 − 8 ∗2∗−2 + 𝑥 (−1)𝑒 − 8 ∗2∗−1 + 𝑥 (0)𝑒 − 8 ∗2∗0
𝑗2𝜋 𝑗2𝜋 𝑗2𝜋
+ 𝑥(1)𝑒 − 8 ∗2∗1 + 𝑥 (2)𝑒 − 8 ∗2∗2 + 𝑥 (3)𝑒 − 8 ∗2∗3
𝑗6𝜋 𝑗𝜋 𝑗𝜋 𝑗6𝜋
= 𝑒 4 + 𝑒 𝑗𝜋 + 𝑒 2 + 𝑒 0 + 𝑒 − 2 + 𝑒 −𝑗𝜋 + 𝑒 − 4 = −1 + 𝑗0 = 1

𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋

𝑥 [3] = 𝑥(−3)𝑒 − 8
∗3∗−3
+ 𝑥(−2)𝑒 − 8 ∗3∗−2 + 𝑥 (−1)𝑒 − 8 ∗3∗−1 + 𝑥 (0)𝑒 − 8 ∗3∗0
𝑗2𝜋 𝑗2𝜋 𝑗2𝜋
+ 𝑥(1)𝑒 − 8 ∗3∗1 + 𝑥 (2)𝑒 − 8 ∗3∗2 + 𝑥 (3)𝑒 − 8 ∗3∗3
𝑗9𝜋 𝑗3𝜋 𝑗6𝜋 𝑗6𝜋 𝑗3𝜋 𝑗9𝜋
= 𝑒 4 + 𝑒 2 + 𝑒 8 + 𝑒 0 + 𝑒 − 8 + 𝑒 − 2 + 𝑒 − 4 = 1 + 𝑗0 = 1

𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋

𝑥 [4] = 𝑥(−3)𝑒 − 8
∗4∗−3
+ 𝑥(−2)𝑒 − 8 ∗4∗−2 + 𝑥 (−1)𝑒 − 8 ∗4∗−1 + 𝑥 (0)𝑒 −8
∗4∗0
𝑗2𝜋 𝑗2𝜋 𝑗2𝜋
+ 𝑥(1)𝑒 − 8 ∗4∗1 + 𝑥 (2)𝑒 − 8 ∗4∗2 + 𝑥 (3)𝑒 − 8 ∗4∗3
𝑗3𝜋 𝑗2𝜋 𝑗𝜋 0 −𝑗𝜋 −𝑗2𝜋 −𝑗3𝜋
=𝑒 +𝑒 +𝑒 +𝑒 +𝑒 +𝑒 +𝑒 = −1 + 𝑗0 = 1

𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋

𝑥 [5] = 𝑥(−3)𝑒 − 8
∗5∗−3
+ 𝑥(−2)𝑒 − 8 ∗5∗−2 + 𝑥 (−1)𝑒 − 8 ∗5∗−1 + 𝑥 (0)𝑒 − 8 ∗5∗0
𝑗2𝜋 𝑗2𝜋 𝑗2𝜋
+ 𝑥(1)𝑒 − 8 ∗5∗1 + 𝑥 (2)𝑒 − 8 ∗5∗2 + 𝑥 (3)𝑒 − 8 ∗5∗3
𝑗15𝜋 𝑗5𝜋 𝑗5𝜋 𝑗5𝜋 𝑗5𝜋 𝑗15𝜋
= 𝑒 4 + 𝑒 2 + 𝑒 4 + 𝑒 0 + 𝑒 − 4 + 𝑒 − 2 + 𝑒 − 4 = 1 + 𝑗0 = 1

𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋

𝑥 [6] = 𝑥(−3)𝑒 − 8
∗6∗−3
+ 𝑥(−2)𝑒 − 8 ∗6∗−2 + 𝑥 (−1)𝑒 − 8 ∗6∗−1 + 𝑥 (0)𝑒 − 8 ∗6∗0
𝑗2𝜋 𝑗2𝜋 𝑗2𝜋
+ 𝑥(1)𝑒 − 8 ∗6∗1 + 𝑥 (2)𝑒 − 8 ∗6∗2 + 𝑥 (3)𝑒 − 8 ∗6∗3
𝑗18𝜋 𝑗6𝜋 𝑗6𝜋 𝑗18𝜋
= 𝑒 4 + 𝑒 𝑗3𝜋 + 𝑒 4 + 𝑒 0 + 𝑒 − 4 + 𝑒 −𝑗3𝜋 + 𝑒 − 4 = −1 + 𝑗0 = 1

𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋

𝑥 [7] = 𝑥(−3)𝑒 − 8
∗7∗−3
+ 𝑥(−2)𝑒 − 8 ∗7∗−2 + 𝑥 (−1)𝑒 − 8 ∗7∗−1 + 𝑥 (0)𝑒 − 8 ∗7∗0
𝑗2𝜋 𝑗2𝜋 𝑗2𝜋
+ 𝑥(1)𝑒 − 8 ∗7∗1 + 𝑥 (2)𝑒 − 8 ∗7∗2 + 𝑥 (3)𝑒 − 8 ∗7∗3
𝑗21𝜋 𝑗7𝜋 𝑗7𝜋 𝑗7𝜋 𝑗7𝜋 𝑗21𝜋
= 𝑒 4 + 𝑒 2 + 𝑒 4 + 𝑒 0 + 𝑒 − 4 + 𝑒 − 2 + 𝑒 − 4 = 1 + 𝑗0 = 1
 DESARROLLO PRÁCTICO.

1. Muestre gráficamente la DTFT (Magnitud y fase) de las secuencias a) y b) del desarrollo teórico
empleando 4, 8, 256, 512 y 1024 puntos.

Secuencia a):

Secuencia b):
Determine la DTFT de las siguientes señales discretas para 256, 512 y 1024 puntos y muestre gráficamente
magnitud y fase.

a) 𝑥(𝑛) = cos(2𝜋 ∙ 1250 ∙ 𝑛) 𝑝𝑎𝑟𝑎 0 ≤ 𝑛 ≤ 500

b) 𝑦(𝑛) = 0.9𝑒 𝑛 𝑝𝑎𝑟𝑎 0 ≤ 𝑛 ≤ 200

CONCLUSIONES.

Cuitláhuac:

Durante la realización de la práctica se puso a prueba la transformada discreta de Fourier para

distintas señales además de usar varios puntos, mediante el desarrollo teórico me di cuenta de la
complejidad de esta transformada pues requiere de una cantidad de cálculos muy grande y a pesar de que
lo cálculos no son complejos son muchos como para hacerlos a mano, así que utilizamos Matlab como
herramienta para calcular las transformadas y realizar las gráficas correspondientes. Noté que cuando usas
menos puntos que el largo de la secuencia el resultado es incompleto pues una de las reglas es usar mínimo
el largo de la palabra como puntos para obtener la señal y de esta manera tener una respuesta más exacta
y entre más puntos se tiene la señal es cada vez más definida y exacta.

Marco:

A lo largo de esta práctica se comprendió el funciona miento de la trasformada rápida de

Fourier y su porque , se observó que a diferencia de la trasformada original , esta marca la
distinción entre esperar frente al monitor de una computadora durante media hora o únicamente
tres segundos puesto que la simplificación de la trasformación genera un ahorro de cálculos de
gran magnitud, y más si la requerimos para imágenes puesto que esto se vería aún más
pronunciado ya que esta maneja mayor complejidad de operaciones , por ello la trasformada
rápida de Fourier nos es de gran ayuda en Matlab.
Bibliografía
Cordoba, U. N. (s.f.). TRANSFORMADA DE FOURIER Y EL ALGORITMO FFT. Obtenido de
dsp.efn.unc.edu.ar: http://www.dsp.efn.unc.edu.ar/documentos/FFT.pdf

Matías Zañartu, P. (2012). Procesamiento Digital de Señales con Aplicaciones . Obtenido de

profesores.elo.utfsm.cl/:
http://profesores.elo.utfsm.cl/~mzanartu/ELO313/Docs/ELO313_2012_FFT.pdf

miamorenlinea. (s.f.). ¿CÓMO USAR LA FFT EN MATLAB? Obtenido de miamorenlinea:

http://miamorenlinea.net/Como-usar-la-FFT-en-MATLAB/

RELATED, D. (s.f.). dsprelated. Obtenido de FOURIER TEOREMAS PARA LA DTFT:

http://www.dsprelated.com/freebooks/sasp/Fourier_Transform_FT_Inverse.html

Steven W. Smith, P. (1997-2011). Capitulo 10: transformada de fourier en timpo discreto . En P. Steven
W. Smith, El científico y la Guía del Ingeniero de Steven W. Smith, Ph.D. (pág. 206). California:
DSPguide.com.

Steven W. Smith, P. (1997-2011). Capítulo 10: Transformada de Fourier Propiedades. En P. Steven W.

Smith, El científico y la Guía del Ingeniero de Steven W. Smith, Ph.D. (pág. 185). California:
DSPguide.com.

Steven W. Smith, P. (1997-2011). Capítulo 8: La Transformada Discreta de Fourier. En P. Steven W.

Smith, El científico y la Guía del Ingeniero de Steven W. Smith, Ph.D. (págs. 141-141). california:
DSPguide.com.

Steven W. Smith, P. (1997-2011). Capítulo 9: Aplicaciones de la DFT. En P. Steven W. Smith, El científico

y la Guía del Ingeniero de Steven W. Smith, Ph.D. (pág. 169). California: DSPguide.com.