Upload
anaapcarian
View
235
Download
1
Embed Size (px)
Citation preview
7/31/2019 Anlisis frecuencial
1/55
Clase 3: Anlisis frecuencial
7/31/2019 Anlisis frecuencial
2/55
Cambridge University Press 2011
Manolakis & Ingle Fig4.1
por la identidad de Euler estudiar las sinusoides contnuas es
equivalente a estudiar las exponenciales complejas.
Sinusoides y sus propiedades:Sinusoides continuas
7/31/2019 Anlisis frecuencial
3/55
Cambridge University Press 2011
Propiedades de las sinusoides continuas:
Una sinusoide continua es peridica con periodo fundamentalpara todo valor de
Dos sinusodies continuas con frecuencias distintas son seales distintas
implica
La tasa de oscilaciones de una sinusoide continua se incrementaindefinidamente a medida que aumenta la frecuencia
7/31/2019 Anlisis frecuencial
4/55
Cambridge University Press 2011
Sinudoides continuas armnicas
Se denominan exponenciales complejas armnicas con frec. Fundamentalal conjunto de seales dado por
Donde se denomina a como la armnica fundamental.
Todas las armnicas poseen perodo
Las armnicas son ortogonales
7/31/2019 Anlisis frecuencial
5/55
Cambridge University Press 2011
Manolakis & Ingle Fig4.3
Armnicas
No armnicas
(cuasi-peridicas)
7/31/2019 Anlisis frecuencial
6/55
Manolakis & Ingle Fig4.4
Sinusoides y sus propiedades:Sinusoides discretas
Definiendo la frec normalizada y la frec angular normalizada
Tenemos
7/31/2019 Anlisis frecuencial
7/55 Cambridge University Press 2011
El hecho de que n sea una variable discreta
y que t sea continua trae aparejadas
diferencias fundamentales.
Estas diferencias son centrales
para los temas a estudiar
en este curso
7/31/2019 Anlisis frecuencial
8/55
Propiedades de las sinusoides discretas:
Una sinusoide discreta
es peridica si y solo si
notemos que si es mayor que 1, es posible escribir
por lo que podemos solo considerar que la frec normalizada es menor a 1
Esto implica que:
la frecuencia angular normalizada de una sinusoide discreta vara entre
Sinusoides discretas cuyas frec. ang. varen en mltiplos de
son idnticas
La tasa de osc. de una sinusoide discreta aumenta cuando
se incrementa de a
PERO decrece cuando la frec. angular crece de a
7/31/2019 Anlisis frecuencial
9/55
Sinudoides discretas armnicas
Consideremos las exponenciales peridicas (tales que )
Vemos que existe solo un nro finito de valores de k para los que las
exponenciales son distintas
Las seales
son peridicas tanto en tiempo (n) como en frecuencia (k) con perodo N
Las exponenciales complejas armnicamente relacionadas son tambin
ortogonales
7/31/2019 Anlisis frecuencial
10/55 Cambridge University Press 2011Manolakis & Ingle Fig4.7
Variables frecuenciales y sus unidades
7/31/2019 Anlisis frecuencial
11/55
Representacin en serie de Fourier de seales contnuas
Las seales contnuas peridicas pueden descomponerse
en un conjunto de sinusoides armnicas de igual perodo.
El espectro de la seal es discreto. Puede analizarse en trminos de
la frecuencia
7/31/2019 Anlisis frecuencial
12/55
Relacin de Parseval
La potencia promedio en un perodo puede obtenerse en ambos dominios
El valor corresponde a la potencia promedio de x(t) correspondiente al
K-esimo armnico.
Se denomina espectro de potencia de x(t) a la grfica de como funcin de
Propiedades del espectro
Es un espectro de lineas, con separacin uniforme Si x(t) es real
luego
7/31/2019 Anlisis frecuencial
13/55 Cambridge University Press 2011
Manolakis & Ingle Fig4.8
Ej: tren de pulsos
muestreo de cada
La separacin entre cruces por cero depende de
La separacin entre lineas espectrales depende de
7/31/2019 Anlisis frecuencial
14/55 Cambridge University Press 2011
Manolakis & Ingle Fig4.9
7/31/2019 Anlisis frecuencial
15/55 Cambridge University Press 2011
Manolakis & Ingle Fig4.14
7/31/2019 Anlisis frecuencial
16/55
Transformada de Fourier de tiempo contnuo
Considerando que una seal de tiempo continuo puede obtenerse
al llevar al lmite el perodo de una seal peridica se llega a
que el espectro de una seal aperidica es continuo
7/31/2019 Anlisis frecuencial
17/55
Relacin de Parseval
Para seales aperidicas de energa finita tenemos
La energa en una banda de frecuencias est dada por
Lo que motiva que a se lo denomine
densidad espectral de energa
7/31/2019 Anlisis frecuencial
18/55 Cambridge University Press 2011
Ej: Producto de seal aperidica con seal peridica
Dado que el producto es aperidico calculamos su TFTD
7/31/2019 Anlisis frecuencial
19/55 Cambridge University Press 2011
Notemos que si
y
tendremos para
Lo que implica que en tal caso podemos recuperar
Realizando la transformada inversa de Fourier de en
Ej: consideremos que s(t) es un tren de impulsos con
7/31/2019 Anlisis frecuencial
20/55 Cambridge University Press 2011
Manolakis & Ingle Fig4.1
7/31/2019 Anlisis frecuencial
21/55
Representacin de Fourier de seales discretas
Se puede realizar un anlisis equivalente al visto para seales contnuas
Consideremos una seal formada por N exponenciales complejas
harmnicas
esta seal es peridica con perodo N.
Los coeficientes pueden obtenerse a partir de la ortogonalidad delas seales armnicas. Multiplicando a ambos lados de la ecuacin por
y sumando sobre n tenemos
7/31/2019 Anlisis frecuencial
22/55
Operando
Sabemos que es igual a si
y cero en cualquier otro caso
Luego
Al igual que es una seal peridica de perodo
7/31/2019 Anlisis frecuencial
23/55
En vistas de este resultado tenemos una forma de representar
Secuencias peridicas, lo que es equivalente a la
Serie de Fourier de Seales Discretas
Tambin es vlida la relacin de Parseval
Y con ella la interpretacin de que corresponde al espectro de
potencia de la seal para las frecuencias
7/31/2019 Anlisis frecuencial
24/55
Ej. Tren de impulsos
7/31/2019 Anlisis frecuencial
25/55
Ej. Tren de pulsos
7/31/2019 Anlisis frecuencial
26/55
Cambridge University Press 2011
En el ejemplo anterior podemos ver una funcin similar a la sinc(x)
pero peridica, que se denomina funcin de Dirichlet
7/31/2019 Anlisis frecuencial
27/55
Cambridge University Press 2011
Debido a que el clculo de la SFTD requiere de un nmero finito
de trminos, es posible calcularla exactamente en un tiempo finito.
En MATLAB la funcin que hace esto es fft(.)
7/31/2019 Anlisis frecuencial
28/55
Cambridge University Press 2011
Transformada de Fourier de tiempo discreto (TFTD)
Al igual que antes, se puede llegar a la transformada de Fourier partiendo de
La serie de Fourier y llevando el perodo a infinito.
Si consideramos el caso del tren de pulsos tendremos
Manteniendo el largo del pulso en y aumentandoel perodo de la seal tendremos
7/31/2019 Anlisis frecuencial
29/55
Cambridge University Press 2011
Manolakis & Ingle Fig4.22a
7/31/2019 Anlisis frecuencial
30/55
Cambridge University Press 2011
Manolakis & Ingle Fig4.22b
M l ki & I l Fi 22
7/31/2019 Anlisis frecuencial
31/55
Cambridge University Press 2011
Manolakis & Ingle Fig4.22c
Manolakis & Ingle Fig4.22c
7/31/2019 Anlisis frecuencial
32/55
Cambridge University Press 2011
Manolakis & Ingle Fig4.22d
En el lmite tendremos que las muestras se acercan como
y el resultado ser continuo
7/31/2019 Anlisis frecuencial
33/55
Cambridge University Press 2011Manolakis & Ingle Fig4.23
Consideremos una seal aperidica y su extensin peridica
7/31/2019 Anlisis frecuencial
34/55
Como se cumple que tenemos
Si en funcin de esto definimos una funcin continua envolvente
Vemos que podemos calcular a los coeficientes como muestras de
esta envolvente
Donde es el espaciado entre sucesivas muestras espectrales
7/31/2019 Anlisis frecuencial
35/55
Reconstruyendo a partir de los coeficientes, y teniendo en cuenta
que si podemos escribir
luego
A medida que tendremos que para finitoy tambin por lo que en el lmite la expresin anterior
resulta:
Dado que es peridica de perodo podemos seleccionar
cualquier intervalo de esa duracin para realizar la integracin.
7/31/2019 Anlisis frecuencial
36/55
Asi la transformada de Fourier de tiempo discreto esta dada por
Y de la derivacin de esta tenemos el hecho que la serie y transformada
De Fourier de tiempo discreto estn relacionadas en ambos dominios
7/31/2019 Anlisis frecuencial
37/55
Relacin de Parseval
Si la secuencia es de energa finita tenemos
Y por idntico razonamiento al hecho anteriormente denominamos a
como densidad espectral de energa
7/31/2019 Anlisis frecuencial
38/55
7/31/2019 Anlisis frecuencial
39/55
Propiedades de la TFTD
Relacin con la transformada Z
Si la RDC de contiene al circulo unidad,
podemos evaluarla en este
Podemos apreciar que esto se corresponde con la TFTD de
Asi la TFTD puede obtenerse intersectando un cilindro de radio 1
centrado en el origen con la grfica de
Manolakis & Ingle Fig4 26
7/31/2019 Anlisis frecuencial
40/55
Cambridge University Press 2011
Manolakis & Ingle Fig4.26
7/31/2019 Anlisis frecuencial
41/55
Simetras
Sean tanto como su TFTD funciones complejas
Separemos la parte real e imaginaria de . Reemplazando
obtenemos
7/31/2019 Anlisis frecuencial
42/55
Analicemos el caso de una seal real
Reemplazando tenemos
Por simetra del seno y el coseno
y
tenemos
La parte real posee simetra par
La parte imaginaria posee simetra impar
Es decir, posee simetra Hermtica
7/31/2019 Anlisis frecuencial
43/55
El mdulo y fase de la TFTD estn dados por
Teniendo en cuenta la simetra de las partes reales e imaginarias
obtenemos
Mdulo par
Fase impar
7/31/2019 Anlisis frecuencial
44/55
Consideremos ahora una seal real y par
Debido a que es par y es impar tendremos
Par
Par
7/31/2019 Anlisis frecuencial
45/55
Si por el contrario tenemos una seal real e impar
Debido a que es impar y es par tendremos
Impar
Impar
7/31/2019 Anlisis frecuencial
46/55
Seal TFTDReal y par Real y par
Real e impar Imaginaria e impar
Imaginaria y par Imaginaria y par
Imaginaria e impar Real e impar
Seal RP + RI + j ( II + IP )
TFTD RP + RI + j ( II + IP )
Si es (im)par su transformada se mantiene (im)par
Resumen de propiedades de simetra
7/31/2019 Anlisis frecuencial
47/55
Ej: consideremos una secuencia cuya TFTD est dada por
7/31/2019 Anlisis frecuencial
48/55
De la ecuacin de sntesis obtenemos
En usamos LHospital para resolver
7/31/2019 Anlisis frecuencial
49/55
Propiedades operativas de la TFTD
Linealidad
Desplazamiento en tiempo
Desplazamiento en frecuencia
Modulacin
7/31/2019 Anlisis frecuencial
50/55
Propiedades operativas de la TFTD
Diferenciacin en frecuencia
Reflexin temporal
Conjugacin
Convolucin
Multiplicacin de secuencias (ventaneo)
7/31/2019 Anlisis frecuencial
51/55
Teorema de Parseval (Plancherel)
7/31/2019 Anlisis frecuencial
52/55
Correlacin
La correlacin entre dos secuencias se define como
Y existe si al menos una de las secuencias posee energa finita.
Podemos analizar su utilidad definiendo una nueva secuencia
y calculando su energa
Que es una ecuacin cuadrtica en donde la desigualdad
se cumple cuando el discriminante es no-positivo
o seaCoeficiente de correlacin
normalizado
7/31/2019 Anlisis frecuencial
53/55
Consideremos el caso
obtenemos correlacin mxima
En cambio si
Tenemos correlacin mnima
El caso define la no-correlacin de las secuencias
Por inspeccin podemos verificar que la diferencia entre la convolucin
y la correlacin se encuentran en el espejado de la secuencia
previo a su desplazamiento. En el caso de la correlacin tenemos
lo que implica que la correlacin no es conmutativa
7/31/2019 Anlisis frecuencial
54/55
En base a esto podemos obtener la correlacin de dos seales
basados en su convolucin
Luego su TFTD est dada por
En el caso particular de correlacionar una secuencia consigo misma
tenemos
Resultado que se conoce como teorema de Wiener-Khinchine
7/31/2019 Anlisis frecuencial
55/55
Manolakis & Ingle Fig4.33
Representacin de Fourier para distintos tipos de seales