Contents

1 Procesamiento Digital de seales. 3

1.1 Deniciones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Seales basicas de tiempo continuo. . . . . . . . . . . . . . . . 6
1.2.1 Exponencial compleja y senoidal. . . . . . . . . . . . . 6
1.2.2 Funcin escaln unitario e impulso unitario. . . . . . . 7
2 Sistemas. 8
2.1 Introduccion. . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.1 Sistemas inversos. . . . . . . . . . . . . . . . . . . . . . 9
2.1.2 Sistenas causales. . . . . . . . . . . . . . . . . . . . . . 9
2.1.3 Estabilidad. . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Invariancia en el tiempo. . . . . . . . . . . . . . . . . . . . . . 10
2.2.1 Linearidad. . . . . . . . . . . . . . . . . . . . . . . . . 11
3 Correlacin. 12
3.1 Representacin de seales en terminos de impulsos. . . . . . . 13
4 Convolucin 15
4.1 Respuesta de Sistemas lineales invariantes en el tiempo a ex-
ponenciales complejas. . . . . . . . . . . . . . . . . . . . . . . 18
5 Transformada de Fourier 20
5.1 Representacin de seales peridicas. . . . . . . . . . . . . . . 20
5.1.1 Transformada de Fourier de algunas funciones intere-
santes. . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.2 Propiedades de la Transformada de Fourier . . . . . . . . . . . 24
5.2.1 Linearidad de la Transformada de Fourier. . . . . . . . 24
5.2.2 Transformada de Fourier de una seal conjugada. . . . 25
1
5.2.3 Propiedades de Simetra de la transformada de Fourier. 26
5.2.4 Desplazamieto en tiempo y frecuencia. . . . . . . . . . 27
5.2.5 Diferenciacin . . . . . . . . . . . . . . . . . . . . . . . 28
5.2.6 Escalamiento. . . . . . . . . . . . . . . . . . . . . . . . 28
5.2.7 El Teorema de la convolucin. . . . . . . . . . . . . . . 29
5.2.8 Relacin de Parseval. . . . . . . . . . . . . . . . . . . . 30
5.3 Transformada de Fourier en dos dimensiones. . . . . . . . . . . 31
5.4 Convolucin utilizando TF. . . . . . . . . . . . . . . . . . . . 35
5.5 Teorema del Muestreo . . . . . . . . . . . . . . . . . . . . . . 35
5.5.1 Integracin de la seal continua. . . . . . . . . . . . . . 42
6 Filtros. 43
6.1 Filtros Pasa bajas. . . . . . . . . . . . . . . . . . . . . . . . . 43
6.2 Filtros Pasa Altas. . . . . . . . . . . . . . . . . . . . . . . . . 44
6.3 Filtro pasa bajas Butterworth. . . . . . . . . . . . . . . . . . . 46
6.4 Filtros de pasa banda. . . . . . . . . . . . . . . . . . . . . . . 47
6.5 Filtro de Membrana. . . . . . . . . . . . . . . . . . . . . . . . 49
6.5.1 Estimador de maxima verosimilitud. . . . . . . . . . . 49
6.5.2 Interpretacin del ltro de Membrana en el dominio de
la Frecuencia. . . . . . . . . . . . . . . . . . . . . . . . 51
6.5.3 Deteccin de corriminetos utilizando tecnicas de restau-
racin. . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2
Chapter 1
Procesamiento Digital de seales.
1.1 Deniciones.
Representaremos a una seal discreta por x(t) la cual pude ser funcin de
una o varias variables. Esta seal discreta resulta de hacer la multiplicacin
de una seal continua por un tren de pulsos representados por
x(t) = f (t)
T
(t)
donde f (t) es una funcin continua y
T
(t) es un tren de pulsos unitarios.
La funcin (t) es la delta de dirac la cual toma el valor unitario cuando su
argumento es cero.
Podemos decir que una seal es par si es idntica a su reexin alrededor
del origen, esto es
x(t) = x(t)
y que es impar si
x(t) = x(t)
Una caracteristica importante de cualquier seal, es que esta pude ser
representada por la suma de una seal par y una seal impar
x(t) = P(x(t)) + I(x(t))
donde la parte par la calculamos
P(x(t)) =
1
2
[x(t) +x(t)]
3
y la impar por
I(x(t)) =
1
2
[x(t) x(t)]
Ejemplos.
(a) Demostrar que si x(n) es discreta impar entonces

x(n) = 0
Demostracion: si, x(n) es impar, entonces
x(n) = x(n)
es decir
x(n) +x(n) = 0
considerando

x(n) =
1

n=
x(n) +x(0) +

n=1
x(n)
reordenando

x(n) = x(0) +
1

n=
x(n) +

n=1
x(n)
= x(0) +

n=1
x(n) +

n=1
x(n)
= x(0)

n=1
x(n) +x(n)
con x(0) = 0 y sustituyendo la denicin de seal par en la ecuacin
anterior tenemos :

x(n) = 0 +

n=1
0

x(n) = 0
4
(b) Comprobar, si x
1
(n) es impar y x
2
(n) es par, entonces
x
1
(n) x
2
(n) =impar
Comprobacion: Hacemos que
z (n) = x
1
(n) x
2
(n)
y
z (n) = x
1
(n) x
2
(n)
Adems, sabemos que
x
1
(n) = x
1
(n)
y
x
2
(n) = x
2
(n)
sustituyendo las ecuaciones tenemos
z (n) = x
1
(n) x
2
(n)
resulta
z (n) = z (n)
Lo cual implica que z (n) es impar, i.e. x
1
(n) x
2
(n) es impar.
(c) Considere que x(n) es una seal con parte par P (x(n)) y parte impar
I (x(n)) , demostrar que

n=
x
2
(n) =

n=
P
2
(x(n)) +

n=
I
2
(x(n))
Demostracion: Hacemos
P (x(n)) = x
p
(n)
I (x(n)) = x
i
(n)
y

n=
x
2
(n) =

n=
[x
p
(n) +x
i
(n)]
2
=

n=
_
x
2
p
(n) + 2x
p
(n) x
i
(n) +x
2
i
(n)
_
5
sustituyendo el trmino x
p
(n) x
i
(n) por z (n) y reordenando

n=
x
2
(n) =

n=
_
x
2
p
(n) +x
2
i
(n)
_
+ 2

n=
z (n)
Como z (n) es el producto de una seal par y una impar, usamos el
resultado del inciso b) y, concluimos que z (n) es impar. Ahora, usando el
resultado del inciso a) sabemos que
2

n=
z (n) = 0
Si sustituimos este resultado en la ecuacin tenemos que

n=
x
2
(n) =

n=
_
x
2
p
(n) +x
2
i
(n)
_

n=
x
2
(n) =

n=
x
2
p
(n) +

n=
x
2
i
(n)
Una seal es peridica si tiene la propiedad de tener un valor positivo T para
el cual
x(t) = x(t +T) t
en este caso diremos que la seal es periodica con periodo T
1.2 Seales basicas de tiempo continuo.
1.2.1 Exponencial compleja y senoidal.
La seal exponencial de tiempo continuo es de la forma
x(t) = Ce
at
donde C y a son, en general nmeros complejos. Dependiendo de los val-
ores de estos parmetros, la exponencial puede adoptar varias caractersticas
diferentes. Una clase de exponenciales complejas que nos interesa es
x(t) = e
wot
6
utilizando la relacin de Euler esta seal puede expresarse como
x(t) = cos (w
0
t) +jsen(w
o
t)
Una propiedad importante de esta seal es que es periodica. Para vericar
esta propiedad hacemos
e
wot
= e
wo(t+T)
e
wot
= e
wot
e
woT
para que esta ecuacin se cumpla debemos tener que
e
woT
= 1
Existen dos posibilidades para que esta condicin se cumpla: la primera
cuando w
o
= 0, la cual es peridica para cualquier valor de T, pero si w
o
= 0,
entonces tenemos que existe un valor T
o
al cual llamamos periodo fundamen-
tal y esta dado por la ecuacin
T
o
=
2
|w
0
|
1.2.2 Funcin escaln unitario e impulso unitario.
Otra seal de interes es la funcin escaln unitario la cual esta dada por
u(t) =
_
0, t < 0
1, t > 0
Otra seal bastante til es la funcin impulso unitario de tiempo continuo
la cual est relacionada con el escaln unitario por la ecuacin
u(t) =
_
t

() d
7
Chapter 2
Sistemas.
2.1 Introduccion.
Un sistema se puede ver como cualquier proceso que produce una transfor-
macin de seales. Un sistema tiene una seal de entrada y una seal de
salida la cual est relacionada con la entrada a travs de la transformacin
del sistema.
y(t) = T [x(t)]
donde x(t) es la seal de entrada, y (t) es la seal de salida y T [] es la
transformacin del sistema.
Entre los sistemas podemos tener interconecciones serie y paralelo dadas
como.
Sistemas con y sin memoria.
Si la salida de un sistema para cada valor de la variable independiente de-
pende solo de la entrada en ese mismo instante de tiempo se dice que el
sistema no tiene memoria.
y(t) = Rx(t)
Un ejemplo de un sistema con memoria es
y(n) =
n

k=
x(k)
8
Figure 2.1: Sistemas en serie y en paralelo
2.1.1 Sistemas inversos.
Decimos que un sistema es invertible si dada una transformacin T podemos
encontrar la transformacin T
1
tal que:
y(t) = T[x(t)]
x(t) = T
1
[y(t)]
Un ejemplo de un sistema que no es invertible es y (t) = 0.
2.1.2 Sistenas causales.
Un sistema es causal si su salida en cualquier instante de tiempo depende slo
de los valores en el tiempo presente y en el pasado. Estos sistemas tambin
son llamados no anticipativo.
y(t) = x(t 1)
y(t) =
_
t

x()d
9
2.1.3 Estabilidad.
Un sistema es llamado estable si se produce una salida acotada para una
entrada acotada. Una seal es acotada si
|x(k)| M <
y la seal de salida y(k) = T [x(k)] , es acotada si
|y(k)| N <
Ejemplo. Consideremos la secuencia de los nmeros de Fibonacci donde
x(k) = {1, 2, 3, 5, 8, 13, ...} x(k) = x(k1) +x(k2). En este caso tenemos
un sistema no acotado ya que la sucecin crece indenidamente para valores
de k.
Un ejemplo de seal estable lo tenemos en la sucesin
x(n) =
n

k=0
1
n
2
para esta sucesin podemos ver que
x(n) x(n 1) =
1
n
2
si tomamos el lmite podemos vericar que la sucecin converge en un valor
estable
lim
n
[x(n) x(n 1)] = lim
n
1
n
2
= 0
2.2 Invariancia en el tiempo.
Para que un sistema sea invariante en el tiempo se debe cumplir que para un
desplazamiento en la seal de entrada se produsca el mismo desplazamiento
en la seal de salida.
T [D
n
[x(t)]] = D
n
[T [x(t)]]
Ejemplo. Considere la seal y (t) = sen [x(t)]
D
k
[x(t)] = x(t k)
= sen[x(t k)]
D
k
y (t) = sen[x(t k)]
10
2.2.1 Linearidad.
La caracterstica principal de los sistemas lineales es
T [x(k) +y(k)] = T [x(k)] +T [y(k)]
esta propiedad es conocida como el principio de superposicin.
Ejemplo. Considere el sistema y(k) = mx(t) +b. Que valores debe tener
el sistema para ser lineal.
Consideremos dos seales x
1
(t) y x
2
(t)
y
1
(k) = mx
1
(t) +b
y
2
(k) = mx
2
(t) +b
y
1
(k) +y
2
(k) = m(x
1
(t) +x
2
(t)) + 2b
Si aplicamos la transformacin a la suma de x
1
(t) y x
2
(t) tendremos
y
3
(k) = m(x
1
(t) +x
2
(t)) +b
note que y
3
(k) es diferente de y
1
(k) + y
2
(k), la nica posibilidad es que la
constante b sea igual a cero.
11
Chapter 3
Correlacin.
La croscorrelacion de las seales x(t) y y (t) es la secuencia r
xy
(t) denida
por
r
xy
(k) =

n=
x(n) y (n k)
r
xy
(t) =
_

x() y ( t) d
La funcin de correlacin suministra una medida de la similitud o interde-
pendencia entre las funciones x y y.
Demostrar que la funcin de correlacin y autocorrelacin son seales
pares, es decir
r
xy
(t) = r
yx
(t)
r
xx
(t) = r
xx
(t)
para ello hacemos
_

x() y ( t) d
y sustituimos = t
r
yx
(t) =
_

x( +t) y ( ) d
en el caso de la autocorrelacin tenemos
_

x() x( t) d
12
y sustituimos = t
r
xx
(t) =
_

x( +t) x( ) d
Es la correlacin invariantes a translacin.
_

x( +a) y ( t) d
si sustituimos
= +a
= a
r
xy
(t a) =
_

x( ) y ( (t +a)) d
la correlacin es invariante a translacin. Pero ser lineal
r
xy
(t) =
_

[x
1
() +x
2
()] y ( +t) d
=
_

x
1
() y ( +t) d +
_

x
2
() y ( +t) d
= r
x1y
+r
x2
y
si es una transformacin lineal la correlacin.
3.1 Representacin de seales en terminos de
impulsos.
La funcin impulso unitario, puede utilizarse para construir una clase amplia
de seales. Para ilustrar como funciona consideremos que tenemos una seal
discreta dada por x(n). Si queremos ver un parte de la seal en cierto instante
de tiempo multiplicamos la seal de entrada por un impulso en el instante
que deseamos analizar, as por ejemplo:
x(1) (n + 1) =
_
x(1) si n=-1
0 si no
x(0) (n + 0) =
_
x(0) si n=0
0 si no
x(1) (n 1) =
_
x(1) si n=1
0 si no
13
por lo tanto la suma suma de estos trminos me da la seal x. Matemtica-
mente podemos expresar esta suma como
y (n) =

k=
x(k) (n k)
esta ecuacin es llamada la propiedad de escudriamiento del impulso uni-
tario. Este es un sistema LIT, comenzaremos probando que se trata de un
sistema invariante a translacin

k=
x(k k
0
) (n k)
haciendo

k = k k
0
tenemos:

k=
x
_

k
_

_
n
_

k +k
0
__

k=
x
_

k
_

_
(n k
0
) +

k
_
= y(n k
0
)
para probar que se trata de un sistema lineal hacemos
y(n) =

k=
[x
1
(k) +x
2
(k)] (n k)
=

k=
x
1
(k) (n k) +

k=
x
2
(k) (n k)
= y
1
(n) +y
2
(n)
y para probar si es invariante a translacin hacemos
=

k=
x(k k
0
) (n k)
haciendo el cambio de variable

k = k k
0
tenemos

k=
x
_

k
_

_
n
_

k +k
0
__
=

k=
x
_

k
_

_
(n k
0
)

k
_
= y (n k
0
)
14
Chapter 4
Convolucin
Podemos extender el concepto sustituiendo la funcin impulso por cualquier
otra funcin, as obtenemos la expresin de la convolucin.
y (n) =

k=
x(k) h (n k)
note que tambin es un sistema LIT. La convolucin la podemos representar
por y = x h
La convolucin cumple con dos leyes; la ley conmutativa y la ley asociativa
.
f
1
f
2
= f
2
f
1
(f
1
f
2
) f
3
= f
1
(f
2
f
3
)
demostracin. Comenzaremos por probar la propiedad conmutativa
f
1
f
2
=

k=
f
1
(k) f
2
(n k)
haciendo el cambio de variable

k = n k tenemos

k=
f
1
_
n

k
_
f
2
_

k
_
= f
2
f
1
para demostrar la propiedad asociativa hacemos f
1
f
2
= g y f
2
f
3
= h
g f
3
= f
1
h
15
puesto que
g (n) =

k=
f
1
(k) f
2
(n k)
se tiene que
g (n) f
3
(n) =

j=
g (j) f
3
(n j)
=

j=
_
_

k=
f
1
(k) f
2
(j k)
_
_
f
3
(n j)
sustituyendo l = j k y cambiando el orden de las sumatorias
=

k=
f
1
(k)

j=
f
2
(l) f
3
(n (l +k))
=

k=
f
1
(k)

j=
f
2
(l) f
3
((n k) l)
=

k=
f
1
(k) h (n k)
= f
1
h
Nota: Una sucesin que nos ser especialmente til para realizar los cl-
culos de convolucin y correlacin es la sucecin geomtrica
s
N
=
N

n=0
a
n
= 1 +a +a
2
+... +a
N
para esta serie podemos ver
s
N
= 1 +a(1 +a +a
2
+... +a
N1
)
= 1 +as
N1
que pasa si multiplicamos s
N
por (1 a)
(1 a) s
N
=
_
1 +a +a
2
+... +a
N
_

=
_
a +a
2
+a
3
... +a
N+1
_
= 1 a
N+1
16
de lo cual concluimos que
s
N
=
1 a
N+1
1 a
Esta serie ser convergente en el caso de que |a| < 1 y divergente en el
caso de que |a| < 1. Lo cual lo podemos vericar haciendo
lim
N
a
N
= 0
y el valor de convergencia lo podemos calcular con
s
N
= 1 +as
N1
en el lmite s
N
= s
N1
= r
r = 1 +ar
r(1 a) = 1
r =
1
1 a
En el caso de que |r| = 1, la serie converge al valor de
s
N
=
N

n=0
1
n
= 1 + 1 + 1
2
+... + 1
N
= N + 1
y en el caso de |r| > 1 la serie diverge
lim
N
a
N
= 0
Ejemplo.
Considere una seal x(n) =
n
y un kernel dado por h(n) =
n
. Calcular
la convolucin de estas dos seales.
y (n) =
N1

k=0

(nk)
y (n) =
N1

k=0

k
y (n) =
n
N1

k=0
_

_
k
y (n) =
n
1
_

_
N
1

17
si quisieramos calcular la correlacin hacemos
y (n) =
N1

k=0

(kn)
y (n) =
N1

k=0

k
y (n) =
n
N1

k=0
()
k
y (n) =
n
1 ()
N
1 ()
4.1 Respuesta de Sistemas lineales invariantes
en el tiempo a exponenciales complejas.
La importancia de las exponenciales complejas en el estudios de sistemas
LTI proviene del hecho, de que la respuesta de un sistema LTI a una entrada
exponencial compleja es la misma exponencial compleja modicada solo en
amplitud.
T [z
n
] = H(z)z
n
donde el factor complejo de la amplitud H(z) ser en general una funcin de
la variable compleja s. Esto lo podemos mostrar haciendo
y(n) =

k=
h(k) x(n k)
y(n) =

k=
h(k) z
(nk)
y(n) =

k=
h(k) z
n
z
k
y(n) = z
n

k=
h (k) z
k
y(n) = H(z)z
n
donde
H(z) =

k=
h(k) z
k
18
hemos demostrado que cualquier exponencial compleja es una funcin carac-
terstica de un sistema LIT.
Si la entrada de un sistema LIT de tiempo discreto se presenta como una
combinacin de exponenciales complejas, esto es, si
x(n) =

k
a
k
z
n
k
entonces la salida es
y (n) =

k
a
k
H (z
k
) z
n
k
19
Chapter 5
Transformada de Fourier
5.1 Representacin de seales peridicas.
Recordemos que la exponencial compleja e
j(2/N)n
es periodica con periodo
N y existe una familia de exponenciales complejas tambien con periodo N
dadas por

k
(n) = e
jk(2/N)n
todas estas seales tienen frecuencias que son mltiplos de las misma frecuen-
cia fundamental 2/N. As cuando k = 0 llamaremos a este el componente
de CD de la seal, cuando k = 1 como armonico de frecuencia fundamenta,
k = 2 segundo armnico y as sucesivamente.
Con esto queremos llegar a hacer la representacin de una seal periodica
como la combinacin de exponenciales complejas, tal que
x(n) =
N1

k=0
a
k

k
(n) =
N1

k=0
a
k
e
jk(2/N)n
esta ecuacin es conocida como la serie de Fourier de tiempo discreto y los
coecientes a
k
como los coecientes de esta.
Para determinar los coecientes de la serie de Fourier procedemos
x(0) = a
0

0
(0) +a
1

1
(0) +a
2

2
(0) +... +a
N1

N1
(0)
x(1) = a
0

0
(1) +a
1

1
(1) +a
2

2
(1) +... +a
N1

N1
(1)
x(2) = a
0

0
(2) +a
1

1
(2) +a
2

2
(2) +... +a
N1

N1
(2)
x(N 1) = a
0

0
(N 1) +a
1

1
(N 1) +... +a
N1

N1
(N 1)
20
En forma matricial
_

0
(0)
1
(0) . . .
N1
(0)

0
(1)
1
(1) . . .
N1
(1)
.
.
.
.
.
.
.
.
.
.
.
.

0
(N 1)
1
(N 1) . . .
N1
(N 1)
_

_
_

_
a
0
a
1
.
.
.
a
N1
_

_
=
_

_
x
0
x
1
.
.
.
x
N1
_

_
Tenemos un sistema a = x para el cual la solucin puede ser calculada
si encontramos la inversa de la matriz . Pero una alternativa es multiplicar
por e
jr(2/N)n
ambos lados de la representacin en serie de Fourier y sumar
para todos los N trminos de la serie
N1

n=0
x(n) e
jr(2/N)n
=
N1

n=0
N1

k=0
a
k
e
jk(2/N)n
e
jr(2/N)n
N1

n=0
x(n) e
jr(2/N)n
=
N1

k=0
a
k
N1

n=0
e
j(kr)(2/N)n
la suma interior para n en el lado derecho de la ecuacin es cero a menos que
k r sea cero o un mltiplo entero de N . Por tanto si escogemos valores de
r sobre el mismo rango de k, tendremos que esta suma es igual a N si k = r
y cero de lo contrario, por lo que tenemos
Na
r
=
N1

n=0
x(n) e
jr(2/N)n
a
r
=
1
N
N1

n=0
x(n) e
jr(2/N)n
=
1
N
N1

n=0
x(n)

r
(n)
En lo general representaremos la transformada de Fourier como
X (k) =
1
N
N1

n=0
x(n)

r
(n)
5.1.1 Transformada de Fourier de algunas funciones in-
teresantes.
Transformada de una exponencial compleja.
21
Dado x(n) = e
j
(
2
N
)
k
0
n
la transformada de fourier esta dada como
X(k) =
1
N
N1

n=0
x(n)e
j(
2
N
)kn
=
1
N
N1

n=0
e
j(
2
N
)k0n
e
j(
2
N
)kn
=
1
N
N1

n=0
e
j(
2
N
)(k
0
k)n
esta suma tendr solucin N en el caso de que k = k
0
y cero en los demas
casos. La transformada de Fourier es
e
j(
2
N
)k0n
F
(k k
0
)
Funcin seno.
Dada la funcin seno, podemos hacer la representacin de esta funcin
como
sen
_
2
N
_
k
0
n =
j
2
_
e
j(
2
N
)k
0
n
e
j(
2
N
)k
0
n
_
dado que tenemos la suma de dos exponenciales complejas, la transformada
de Fourier es
sen
_
2
N
_
k
0
n
F

j
2
(k k
0
)
j
2
(k +k
0
)
Funcion coseno.
La representacin de la funcin coseno la podemos dar como
cos
_
2
N
_
k
0
n =
1
2
_
e
j(
2
N
)k0n
+e
j(
2
N
)k0n
_
de manera similar que en la funcin seno tenemos
cos
_
2
N
_
k
0
n
F

1
2
(k k
0
) +
1
2
(k +k
0
)
Funcin impulso unitario.
Recordemos que la funcin impulso unitario es
(n) =
_
1 si n = 0
0 en caso contrario
22
la transformada de Fourier para esta la calculamos
X(k) =
1
N
N1

n=0
(n n
0
) e
j(
2
N
)kn
=
1
N
e
j
(
2
N
)
kn
0
podemos comprobar que

e
j(
2
N
)kn
0

= 1 para cualquier valor que tome k por

lo que nalmente la magnitud de la transformada de Fourier es
(n n
0
)
F

1
N
Transformada de Fourier de una constante.
Consideremos una funcin x(n) = a la transformada de Fourier es
X(k) =
1
N
N1

n=0
ae
j(
2
N
)kn
=
a
N
N1

n=0
e
j(
2
N
)kn
la sumatoria tendra la solucin N para k = 0 y 0 para k = 0 por lo cual
a
F
a (k)
Transformada de Fourier de una caja.
Consideremos una funcin x(n) dada por la siguiente expresin
x(t) =
_
1 si -d < t < d
0 si no
en este caso resolveremos la transformada de Fourier continua, la cual esta
dada por la siguiente expresin
a
k
=
1
T
_
T/2
T/2
x(t)e
j(
2
T
)kt
dt
al sustituir nuestra funcin obtenemos
a
k
=
1
T
_
d
d
e
j(
2
T
)kt
dt
23
-100 -80 -60 -40 -20 0 20 40 60 80 100
-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
Figure 5.1: Funcin Sinc
a
k
=
1
T
1
_
j(
2
T
)k
_
e
j(
2
T
)kt

d
d
a
k
=
1
T
1
_
j(
2
T
)k
_
(2j) sen
_
2
T
kd
_
a
k
=
sen
_
2
T
kd
_
k
la cual luce como
a esta funcin se le conoce como Sinc.
5.2 Propiedades de la Transformada de Fourier
5.2.1 Linearidad de la Transformada de Fourier.
Si
24
x
1
(n)
F
X
1
(k)
x
2
(n)
F
X
2
(k)
entonces
ax
1
(n) +bx
2
(n)
F
aX
1
(k) +bX
2
(k)
prueba
X(k) =
1
N
N1

n=0
x(n)e
j(
2
N
)nk
para la suma de ax
1
(n) +bx
2
(n) queda
=
1
N
N1

n=0
[ax
1
(n) +bx
2
(n)] e
j
(
2
N
)
nk
=
a
N
N1

n=0
x
1
(n)e
j(
2
N
)nk
+
b
N
N1

n=0
x
2
(n)e
j(
2
N
)nk
= aX
1
(k) +bX
2
(k)
5.2.2 Transformada de Fourier de una seal conjugada.
La denicin del conjugado de un nmero complejo es
x = R +jI
x

= R jI
Mostrar que:
x

(n)
F
X

(k)
comenzaremos por
=
1
N
N1

n=0
x

(n)e
j(
2
N
)nk
=
1
N
_
N1

n=0
x(n)e
j(
2
N
)n(k)
_

= X

(k)
25
5.2.3 Propiedades de Simetra de la transformada de
Fourier.
Para cualquier secuencia x(n) la parte real la podemos calcular haciendo
R[x(n)] =
1
2
[x(n) +x

(n)]
y la parte imaginaria como
I [x(n)] =
1
2
[x(n) x

(n)]
Si x(n) es una secuencia real entonces:
1
2
[x(n) x

(n)] = 0
lo que es equivalente a
x(n) = x

(n)
Al aplicar la transformada de Fourier tendremos que
X(n) = X

(n)
A partir de esto se oberva que la parte real de X (k) es una funcin par
de k y la parte imaginaria de X (k) es una funcin impar de k. De manera
similar, la magnitud de X (k) es una funcin par y el ngulo de de fase es
una funcin impar. Adems
E {x(n)}
F
R{X (n)}
y
O{x(n)}
F
I {X (n)}
demostracin:
En el caso de una seal real y par se cumple que x(n) = x(n) y que
x(n) = x

(n) por lo tanto en el dominio de Fourier

X(k) = X(k) = R[X(k)] +jI [X(k)]
X(k) = X

(k) = R[X(k)] jI [X(k)]

26
la unica posibilidad de que esto sea cierto es que la parte imaginaria sea cero.
As la transformada de Fourier se transforma en
=
1
N
N

n=0
x(n) cos
_
2
N
nk
_
a esta ecuacin es comn que se le conozca como la transformada coseno.
En el caso de una seal real e impar, se cumple que x(n) = x(n)
x(n) = x

(n), entonces en el dominio de Fourier

X(k) = X(k) = R[X(k)] jI [X(k)]
X(k) = X

(k) = R[X(k)] jI [X(k)]

la nica posibilidad de que esto ocurra es que la parte real sea cero. La
transformada de Fourier en este caso queda como
= j
1
N
N

n=0
x(n)sen
_
2
N
nk
_
5.2.4 Desplazamieto en tiempo y frecuencia.
Si
x(n)
F
X(k)
x(n n
0
)
F
e
j(
2
N
)n
0
k
X(k)
demostracin
=
1
N
N

n=0
x(n n
0
)e
j(
2
N
)nk
haciendo en cambio de variable n = n n
0
tenemos
=
1
N
N

n=0
x( n)e
j(
2
N
)(n+n0)k
=
1
N
N

n=0
x( n)e
j
(
2
N
)
nk
e
j
(
2
N
)
n
0
k
= e
j(
2
N
)n
0
k
1
N
N

n=0
x( n)e
j(
2
N
)nk
= e
j(
2
N
)n
0
k
X(k)
27
Ahora
e
j(
2
N
)nk
0
x(n)
F
X(k k
0
)
demostracin
=
N1

k=0
X(k k
0
)e
j(
2
N
)nk
haciendo el cambio de variable

k = k k
0
tenemos
=
N1

k=0
X(

k)e
j(
2
N
)n(

k+k
0)
=
N1

k=0
X(

k)e
j(
2
N
)n

k
e
j(
2
N
)nk0
= e
j
(
2
N
)
nk
0
x(n)
5.2.5 Diferenciacin
Demostrar que
x(n) x(n 1)
F

_
1 e
j(
2
N
)k
_
X(k)
tenemos que
x(n)
F
X(k)
y
x(n 1)
F
e
j(
2
N
)k
X(k)X(k)
por superposicin demostramos la primera.
5.2.6 Escalamiento.
Comenzaremos por calcular la transformada de Fourier de x(n)
=
1
N
N1

n=0
x(n)e
j(
2
N
)nk
28
hacemos el cambio de variable m = n
=
1
N
N+1

m=0
x(n)e
j(
2
N
)(m)k
=
1
N
N+1

m=0
x(n)e
j(
2
N
)m(k)
= X(k)
Sea x(an) una seal multiplicada por un entero, calcular la transformada
de Fourier para este caso
=
1
N
N1

n=0
x(an)e
j
(
2
N
)
nk
haciendi m = an tenemos
=
1
N
N1

n=0
x(m)e
j(
2
N
)(
m
a
)k
=
1
N
N1
a

m=0
x(m)e
j(
2
N
)m(
k
a
)
= X(
k
a
)
5.2.7 El Teorema de la convolucin.
El teorema de la convolucin arma que si F [x(n)] = X(k) y F [y (n)] =
Y (k) entonces
x(n) y (n) = NX(k)Y (k)
demostracin
1
N
N1

n=0
_
N1

m=0
x(m) y (n m)
_
e
j
(
2
N
)
nk
cambiando el orden de la sumatoria
=
1
N
N1

m=0
x(m)
_
N1

n=0
y (n m) e
j(
2
N
)nk
_
29
haciendo n = n m
=
1
N
N1

m=0
x(m)
_
N1

n=0
y ( n) e
j(
2
N
)(n+m)k
_
=
1
N
N1

m=0
x(m) e
j(
2
N
)mk
_
_
N1

n=0
y ( n) e
j(
2
N
)nk
_
_
= N
_
1
N
N1

m=0
x(m) e
j(
2
N
)mk
_
_
_
1
N
N1

n=0
y ( n) e
j(
2
N
)nk
_
_
= NX(k)Y (k)
De manera inversa podemos ver que si F [x(n)] = X(k) y F [y (n)] =
Y (k) entonces
x(n) y (n) = X(k) Y (k)
demostracin
N1

k=0
_
N1

l=0
X (l) y (l k)
_
e
j
(
2
N
)
nk
cambiando el orden de la sumatoria
N1

l=0
X (l)
_
N1

k=0
y (l k) e
j(
2
N
)nk
_
haciendo

k = l k
N1

l=0
X (l)
_
_
N1

k=0
y
_

k
_
e
j(
2
N
)n(

k+l)
_
_
=
_
N1

l=0
X (l) e
j(
2
N
)nl
_
_
_
N1

k=0
y
_

k
_
e
j(
2
N
)n

k
_
_
= x(n)y(n)
5.2.8 Relacin de Parseval.
Si x(n) y X (k) son la seal y su transformada respectivamente, entonces
tenemos que:
N1

n=0
|x(n)|
2
= N
N1

k=0
|X(k)|
2
30
podemos representar como
N1

n=0
x(n)x

(n) =
N1

k=0
X(k)X(k)

=
N1

k=0
X(k)
_
1
N
N1

n=0
x(n)e
j(
2
n
)nk
_

=
N1

k=0
X(k)
1
N
N1

n=0
x

(n)e
j(
2
n
)nk
cambiando el orde en que se hacen las sumatorias
=
1
N
N1

n=0
x

(n)
_
N1

k=0
X(k)e
j(
2
n
)nk
_
=
1
N
N1

n=0
x

(n)x(n)
=
1
N
N1

n=0
|x(n)|
2
5.3 Transformada de Fourier en dos dimen-
siones.
En dos dimensiones la transformada de Fourier se expresa como
X(k, l) =
1
NM
N1

n=0
M1

m=0
x(n, m)e
j(
2
NM
)(nk+ml)
reorganizando terminos tenemos:
X(k, l) =
1
NM
M1

m=0
_
N1

n=0
x(n, m)e
j(
2
NM
)nk
_
e
j(
2
NM
)ml
de esta expresion podemos ver que la transformada de Fourier en dos dimen-
siones, es equivalente a realizar la transformada de Fourier en una direccin
del arreglo bidemensional y despues realizarlo en la otra direccin.
La trasformada Discreta de Fourier TDF es O(N
2
) y existe la Trans-
formada Rapida de Fourier FFT la cual es O(N log N), para una seal en
31
Figure 5.2: Seal coseno bidimensional
una sola dimensin. Para el caso de seales en dos dimensiones, la TDF es
O((NM)
2
) y la FFT es O(NM log NM), razn por la cual se utiliza la FFT.
Sin embargo, la FFTrequiere que el tamao de la seales sea potencia de 2, es
decir N = 2
r
y M = 2
s
. Todas la propiedades de la transformada de Fourier
son validas para el caso multidimensional y para hacer la demostracin solo
hay que tener en cuenta que se trata de arreglos bidimensionales.
Transformada de Fourier de una seal bidimensional
Dada la seal x(n.m) = cos
_
2
N
(k
0
n +l
0
m)
_
determinar su transfor-
mada de Fourier.
Esta seal puede ser representada como la suma de dos exponenciales
complejas
x(n, m) = cos
_
2
N
(k
0
n +l
0
m)
_
=
1
2
e
j(
2
N
)(k0n+l0m)
+
1
2
e
j(
2
N
)(k0n+l0m)
por lo tanto
X(k, l) =
1
2
(k k
0
, l l
0
) +
1
2
(k +k
0
, l +l
0
)
En la gura 5.2 podemos ver la seal bidimensional correspondiente x(n, m) =
cos
_
2
N
(10n + 20m))
_
y su transformada de Fourier. Note que en la imagen
de la transformada de Fourier aparecen dos picos en las coordenadas [10, 20]
y [118, 108], lo cual, corresponde con la deduccin anterior.
Ejemplo
32
Figure 5.3: Izq) Patron regular en una seal con ruido gaussiano. Der)
Magnitud de la transformada de Fourier.
El primer rengln de una imagen es creado utilizando una distribucin
normal N(0, 1) y los renglones subsiguientes se calculan de acuerdo con la
siguiente sucesin f(n, m) = f (n 1, m1) tal que se produce un patron
como el mostrado en la gura 5.3 (a la izquierda). Explique a que se debe
que la magnitud de la transformada de Fourier esta dominado por una linea
recta a 45 grados. La transformada de Fouier del ruido gaussiano la podemos
ver en la gura 5.4.
Demostracion:
El primer rengln de imagen fue generado utilizando una distribucin
normal, y los renglones subsecuentes utilizando la recursin
f(n, m) = f (n 1, m1)
la transformda de Fourier para f(n, m) es F(k, l) si aplicamos la propiedad
de translacin de la TF, podemos ver:
f(n, m)
F
F(k, l)
f(n n
0
, mm
0
)
F
e
j(
2
NM
)(n
0
k+m
0
l)
F(k, l)
lo cual nos da como resultado la transformada de fourier F(x), esta multipli-
cada por una exponecial compleja e
j(
2
NM
)(n0k+m0l)
cuyo mximo se localiza
sobre la recta n
0
k + m
0
l = 0, dado que n
0
= m
0
= 1, tendremos que la
pendiente de esta linea recta es 45 grados.
33
Figure 5.4: Magnitud de la transformada de Fourier de ruido gaussiano.
34
5.4 Convolucin utilizando TF.
En una imagen tenemos que la referencia se encuentra en la esquina superior
izquierda. Cuando estamos utilizando la transformada de Fourier debemos
recordar que est, considera que las seales tienen periodos N en la direc-
cin de x y M en la direccin de y. As, una imagen estar representada
virtualmente, por un conjunto de copias innitas es un espacio innito.
Para realizar una translacin de la imagen, una manera es convolucionar
la imagen con la funcin delta de Dirac (n n
0
, mm
0
) donde n
0
y m
0
es
el desplazamiento, hay que recordar que la convolucin es Lineal e invariante
a la translacin, por lo que, la convolucin de dos seales no se vera afectada
cuando hacemos la translacin del kernel.
Cuando aplicamos el teorema de la convolucin
x(n, m) y(n, m)
F
X(k, l)Y (K, l)
debemos tomar en cuenta que si el kernel se desplaza, la transformada de
Fourier del kernel estar multiplicada por una exponencial compleja
x(n n
0
, y m
0
)
F
X(k, l)e
j
2
NM
(n
0
k+m
0
l)
x(n, m) (n n
0
, mm
0
)
F
X(k, l)e
j
2
NM
(n
0
k+m
0
l)
Cuando aplicamos el teorema de la convolucin tendremos
x(n, m) [y(n, m) (n n
0
, mm
0
)]
F
X(k, l)
_
Y (k, l)e
j
2
NM
(n0k+m0l)
_
[x(n, m) (n n
0
, mm
0
)] y(n, m)
F

_
X(k, l)e
j
2
NM
(n0k+m0l)
_
Y (k, l)
x(n n
0
, mm
0
) y(n, n)
F

_
X(k, l)e
j
2
NM
(n0k+m0l)
_
Y (k, l)
lo cual signica que x(n n
0
, mm
0
), estar desplazada a las coordenadas
[n
0
, m
0
]
5.5 Teorema del Muestreo
Considermos el caso de una seal continua en el tiempo dada por x(t) = 30t.
Es claro que la seal tiene periodo 15 lo cual indica que si gracamos la seal
tendremos 15 ciclos completos en un intervalo de 0 a 2 y la grca para
esta lucira como la gura 5.5 (w
b
= 30 o f = 15) si esta misma funcin
35
0 1 2 3 4 5 6 7
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Figure 5.5: funcin periodica.
36
0 1 2 3 4 5 6 7
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Figure 5.6: seal muestreada a intevalos pi/9
37
0 1 2 3 4 5 6 7
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Figure 5.7: funcin periodica muestrea a intervalos de 0.01
38
la muestremos con incremetos de /9 lucira como la g 5.6 y esta misma a
intervalos de 0.01 lucira como 5.7
Cual es el valor de incremento al que debo discretizar mi seal sin perder
informacin?.
Comenzaremos por calcular la transformada de Fourier de un tren de
pulsos dada por
p(t) = + (t + 2T) + (t +T) + (t) +
(t T) + (t + 2T) +
la cual podemos representar como
p(t) =

k=
(t kT)
donde T =
2

. En este caso hablamos de una transformada de Fourier con-

tinua por lo cual haremos la transformada de Fourier utilizando la denicin
continua
P() =
_
+

p(t)e
jt
dt
sustituyendo tenemos
P() =

k=
_
+

(t kT) e
jt
dt
=

k=
e
jkT
como T =
2

entonces el producto kT = 2k lo que da como resultado un

tren de pulsos equiespaciados en la frecuencia con
s
=
2
T
.
P() =

k=
( k
s
)
Una seal muestreada se calcula como
x
p
(t) = x(t)p(t)
39
donde p(t) es un tren de pulsos. Aplicando el teorema de la convolucin
tenemos que la transformada de Fourier de esta seal es
X
p
() = X() P()
X
p
() = X()

k=
(
s
)
=

k=
X( k
s
)
lo cual signica que tendremos copias de nuestra seal X() repedidas cada
2
T
. Pero que ocurre si el ancho de banda de la seal X() rebasa el valor
2
T
?.
Llamemos
s
la frecuencia de muestreo la cual esta dada como

s
=
2
T
y
m
el ancho de banda de la seal x(t), podemos ver que si

s
> 2
m
podemos reconstruir exactamente la seal continua x(t) a partir de la seal
muestreada x
p
(t). La frecuencia de muestreo
s
tambin se conoce como la
frecuencia de Nyquist.
Podemos notar que
x
p
(n) = x(nT) =
1
2
_

X () e
jnT
d
dado que la seal en el dominio de la frecuencia es periodica podemos con-
siderar que
x
p
(n) =
1
2

r=
_
(2r+1)/T
(2r1)/T
X () e
jnT
d
y cada trmino de la suma puede ser reducido a una integral sobre el rango

T
a

T
haciendo el cambio de variable = +
2r
T
x
p
(n) =
1
2

r=
_
/T
/T
X
_
+
2r
T
_
e
jnT
e
j2rn
d
40
Si intercambiamos el orden de integracin y considerando que e
j2rn
= 1
para cualquier valor de n y r, tenemos que:
x
p
(n) =
1
2
_
/T
/T
_

r=
X
_
+
2r
T
_
e
jnT
_
d
haciendo un cambio de variable =

T
x
p
(n) =
1
2
_

_
1
T

r=
X
_

T
+
2r
T
_
e
jn
_
d
de esta ecuacin tenemos que
X
p
() =
1
T

r=
X
_

T
+
2r
T
_
o si hacemos =

T
tenemos
X
p
( T) =
1
T

r=
X
_
+
2r
T
_
Ejemplos.
Aquella frecuencia que de acuerdo con el teorema de muestreo, debe ser
excedida por la frecuencia de muestreo se llama razn de Nyquist. Determine
la razon de Nyquist para las siguientes seales
a) x(t) = 1 + cos(2000t) +sen(4000t).
La transformada de Fourier para esta seal es
x(k) = (0)+
1
2
[(w 2000) +(w + 2000)]+
j
2
[(w 4000) (w + 4000)]
lo cual indica que el espectro de frecuencia tendr valores en el intervalo
[4000, 4000], o bien que
b
= 4000. De acuerdo con esto la razn de
Nyquist es
s
= 8000.
b) x(t) =
sen(200t)
t
. Podemos ver que la antitransformada de Fourier de
una caja es
x(t) = A
_
d
d
e
jt
d
x(t) =
A
jt
e
jt

d
d
x(t) =
1
jt
(2j) sen[dt]
x(t) =
2Asen[dt]
t
41
de donde podemos ver que la transformada de Fourier de esta seal es una
caja de ancho d = 200 y altura A =
1
2
, por lo tanto su ancho de banda
ser de
b
= 200 y su razn de Nyquist ser
s
= 400.
5.5.1 Integracin de la seal continua.
Ahora que hacemos para recuperar la seal continua a partir de la seal
muestreada. Puesto que la seal X
p
() solo esta denida en el rango
_

T
,

T
_
,
calcularemos la antitrasformada en estos lmites, adems X
p
(T) =
1
T
X ()
x(t) =
1
2
_
+

T
TX
p
(T) e
jt
d
=
T
2
_
+

T
_

n=
x(nT) e
jnT
_
e
jt
d
=

n=
x(nT)
_
T
2
_
+

T
e
j(tnT)
d
_
=

n=
x(nT)
sen
_

T
_
(t nT)
_

T
_
(t nT)
42
Chapter 6
Filtros.
6.1 Filtros Pasa bajas.
La idea de un ltro es permitir el paso de solamente un cierto ancho de banda
de un espectro de frecuencias. En el caso de un ltro pasa bajas la frecuencias
que este dejar pasar son aquellas que se encuentran cerca de la frecuencia
cero o componente de C.D.
El ltro pasa bajas ms simple es h(n) = [
1
2
,
1
2
] consideremos una seal
dada por x(n) = [1, 1, 1, 2, 2, 2, 2, 1, 1, 1] al realizar la convolucin de esta
seal con el kernel tenemos
z
1
(n) = x(n) h(n)
[1, 1, 1, 2, 2, 2, 2, 1, 1, 1] [
1
2
,
1
2
]
= [1, 1, 1, 1.5, 2, 2, 1.5, 1, 1, 1]
si volvemos a convolucionar con el mismos kernel tenemos
z
2
(n) = [1, 1, 1, 1.25, 1.75, 1.75, 1.25, 1, 1, 1]
el aplicar sucesivamente el ltrado pasabajas dar lugar a una seal plana.
En lugar de convolucionar varias veces la seal x(n) con el kernel h(n) resulta
ms practico hacer la convolucin del kernel consigo mismo dando lugar a
1,1
1,2,1
1,3,3,1
1,4,6,4,1
43
Pero veamos la transformada de Fourier del kernel propuesto para ser
ltro pasabajas.
H(k) =
1
N
N

k=0
h(n)e
j(
2
N
)nk
=
1
N
_
1 e
j
(
2
N
)
0k
+ 1 e
j
(
2
N
)
1k
_
=
1
N
_
1 +e
j(
2
N
)k
_
la magnitud de este ltro es
|H(k)| =
1
N

_
_
1 + cos
2k
N
_
2
+
_
sen
2k
N
_
2
=
1
N
_
1 + 2 cos
2k
N
+ cos
2
2k
N
+sen
2
2k
N
=
1
N
_
2 + 2 cos
2k
N
=
1
N
cos
k
N
note que esta funcin tiene un mximo en cero y un minimo en N, razon por
la cual, deja pasar las bajas frecuencias y atenua las altas frecuencias. En la
gura podemos ver el comportamiento del ltro pasa bajas en el dominio de
la frecuencia.
6.2 Filtros Pasa Altas.
El ltro pasa bajas ms simple es h(n) = [
1
2
,
1
2
] consideremos una seal dada
por x(n) = [1, 1, 1, 2, 2, 2, 2, 1, 1, 1] al realizar la convolucin de esta seal con
el kernel tenemos
z
1
(n) = x(n) h(n)
[1, 1, 1, 2, 2, 2, 2, 1, 1, 1] [
1
2
,
1
2
]
= [1, 0, 0, 0.5, 0, 0, 0.5, 0, 0, 0]
El aplicar sucesivamente el ltrado pasabajas dar lugar a una seal
plana. En lugar de convolucionar varias veces la seal x(n) con el kernel
44
Figure 6.1:
h(n) resulta ms prctico hacer la convolucin del kernel consigo mismo
dando lugar a
-1,+1
+1,-2,+1
-1,+3,-3,+1
+1,-4,+6,-4,+1
Pero veamos la transformada de Fourier del kernel propuesto para ser
ltro pasa altas.
H(k) =
1
N
N

k=0
h(n)e
j(
2
N
)nk
=
1
N
_
1 e
j(
2
N
)0k
1 e
j(
2
N
)1k
_
=
1
N
_
1 e
j(
2
N
)k
_
la magnitud de este ltro es
|H(k)| =
1
N

_
_
1 cos
2k
N
_
2
+
_
sen
2k
N
_
2
=
1
N
_
1 2 cos
2k
N
+ cos
2
2k
N
+sen
2
2k
N
45
Figure 6.2:
=
1
N
_
2 2 cos
2k
N
=
1
N
sen
k
N
note que esta funcin tiene un mximo en
N
2
y un mnimo en 0, razn por
la cual, deja pasar las altas frecuencias y atenua las bajas frecuencias. En la
gura podemos ver el comportamiento del ltro pasa bajas en el dominio de
la frecuencia.
6.3 Filtro pasa bajas Butterworth.
La magnitud al cuadrado de la respuesta de un ltro Butterworth esta dada
por la expresin
|H (k)|
2
=
1
1 +
_
2k
N
_
2n
Note que |H (0)|
2
= 1 y que

H
_
N
2
_

2
= 0.5, lo cual le da su caracterstica de
ser un ltro pasa bajas, pero adicionalmente este ltro tiene otro parmetro
de control que es el exponente n al cual esta elevado la frecuencia. Si cambi-
amos este valor tendremos que la ventana del ltro se modica tal como se
observa en la gura.
46
-50 -40 -30 -20 -10 0 10 20 30 40 50
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Figure 6.3:
Podemos notar que para valores bajos de n la ventana es suave y para
valores grandres tiende a una ventana cuadrada.
6.4 Filtros de pasa banda.
La ecuacin de una funcin gaussiana g la podemos representar por:
g (, ) =
1

2
e

(x)
2
2
2
y podemos demostrar que la transformada de fourier es otra gaussiana G
dada como
g (,
t
)
F
G(,

)
y que
t

K. Esta expresin es la formulacin del principio de incer-

tidumbre y el caso de una gaussiana se tiene la igualdad. El principio de
incertidumbre establece que no podemos tener denicin simultanemente en
el dominio de la frecuencia y del tiempo.
Esta funcin puede ser utilizada como ltro pasa bajas cuando = 0,
pero con valores diferentes cambiaremos la banda de la seal que queremos
ltrar. As por ejemplo para ltrar una seal condireraremos que la gaussiana
tiene una media cero y que aplicaremos una translacin en el tiempo y/o en
la frecuencia de la seal dada por
G(k) =
1

2
e

k
2
2
2
47
si queremos hacer el ltrado en una frecuencia w
k
=
2
N
k simplemente situ-
amos una gaussiana en G(k ) y otra en G(k +) la transformada de
fourier de estas ser
G(k)
F
g(n)
1
2
G(k )
F

1
2
g(n)e
j(
2
N
)n
1
2
G(k +)
F

1
2
g(n)e
j(
2
N
)n
el ltro en la frecuencia es la suma de G(k ) y G(k +) por lo que el
ltro de convolucin es la suma de estos dos
f
1
(n) =
1
2
g(n)
_
cos
_
2
N
_
n +jsen
_
2
N
_
n
_
f
2
(n) =
1
2
g(n)
_
cos
_
2
N
_
n jsen
_
2
N
_
n
_
f
1
(n) +f
2
(n) = g(n) cos
_
2
N
_
n
Pero que ocurre si en lugar de colocar un ltro en
1
2
G(k ) y otro en
1
2
G(k +), pusieramos uno solo en G(k )
f(n) = g(n)
_
cos
_
2
N
_
n +jsen
_
2
N
_
n
_
note que la parte real es equivalente a la encontrada anteriormente, pero
adems tenemos una parte compleja. El hecho de tener solamente un ltro
G en el dominio de la frecuencia, nos da ms informacin acerca de la banda
que andamos buscando
f
R
(n) = g(n) cos
_
2
N
_
n
f
I
(n) = g(n)sen
_
2
N
_
n
a este tipo de ltro se le conoce como ltro de Gabor. La magnitud del ltro
nos dar los puntos de la seal donde la frecuencia para la cual entonamos
el ltro produce esa seal, siendo mas alta en los puntos de dicha frecuencia.
48
6.5 Filtro de Membrana.
En esta seccin describiremos la aplicacin de la regularizacin al clculo
de un ltro de membrana. La regularizacin es una tcnica de adaptable
de ltrado de seales que permite estimar componentes de baja frecuencia.
Abordaremos el problema desde un punto de vista estadistico, para ello,
calcularemos primero el estimador de mxima verosimilitud, agregaremos
informacin a priori y nalmente con regla de Bayes calcularemos el ltro.
6.5.1 Estimador de maxima verosimilitud.
Para encontrar el estimador de mxima verosimilitud f, dado un conjunto de
observaciones g, suponemos que estos tienen una distribucin de probabilidad
normal con varianza
2
= 1/2, la cual se expresa como:
p(f
i
|g
i
) =
1
C
1
e
(f
i
g
i
)
2
considerando que los datos son generados de manera independiente tenemos
que la distribucin de probabilidades conjunta es
p(f|g) =
N1

i=0
1
C
1
e
(f
i
g
i
)
2
Note que la probabilidad conjunta es mxima cuando g
i
= f
i
. Queremos
calcular una seal suave, por lo que, nuestra informacin a priori ser
p(f) =
N1

i=0
1
C
2
e

2
f
i
=
N1

i=0
1
C
2
e
(f
i
f
i1
)
2
aplicando la regla de Bayes, encontramos la expresin para la probabilidad
a posteriori dada por:
p(g|f) =
p(f|g) p(f)
p(g)
(6.1)
p(g|f) =
N1

i=0
1
C
e
[(f
i
g
i
)
2
+(f
i
f
i1
)
2
]
p(g|f) =
N1

i=0
1
C
e
U(f)
49
Figure 6.4:
La ecuacin 6.1 es la distribucin de probabilidad a posteriori, el mnimo
de esta funcin, lo encontramos cuando la funcin de energa U(f) es mnima.
Nuestro problema lo traducimos en calcular el mnimo de la siguiente funcin:
U(f) =
N1

i=0
_
(f
i
g
i
)
2
+(f
i
f
i1
)
2
_
la cual representa la energa potencial almacenada en un sistema de resortes
acoplados, tal como se muestra en la gura.
Para calcular el valor de f que minimiza la funcin U(f), hacemos
U(f)
f
i
=
0
U(f)
f
i
= 2 (f
i
g
i
) + 2(f
i
f
i1
) 2(f
i+1
f
i
) = 0 (6.2)
50
lo cual nos da el siguiente sistema lineal de ecuaciones :
_

_
1 + 2
1 + 2
.
.
.
.
.
.
.
.
.
1 + 2
1 + 2
.
.
.
.
.
.
.
.
.
1 + 2
1 + 2
_

_
_

_
f
1
f
2
f
i
f
i+1
f
N1
f
N
_

_
=
_

_
g
1
g
2
.
.
.
g
i
g
i+1
.
.
.
g
N1
g
N
_

_
6.5.2 Interpretacin del ltro de Membrana en el do-
minio de la Frecuencia.
Tomando la transformada discreta de Fourier a ambos miembros de la ecuacin
6.2 y agrupando los trminos obtenemos:
F
k
+
_
F
k
F
k
e
(
2
N
)k
_

_
F
k
e
(
2
N
)k
F
k
_
= G
k
agrupando trminos obtenemos
_
1 + 2 e
(
2
N
)k
e
(
2
N
)k
_
F
k
= G
k
_
1 + 2 2cos
_
2
N
k
__
F
k
= G
k
nalmente tenemos que
F
k
=
1
_
1 + 2 2cos
_
2
N
k
__
G
k
= H
k
G
k
H
k
=
1
_
1 + 2 2cos
_
2
N
k
__
donde la funcin H
k
es un ltro pasa bajas equivalente al ltro de membrana.
Note que cuando el valor de aumenta tenemos que el ancho de banda se
disminuye.
51
6.5.3 Deteccin de corriminetos utilizando tecnicas de
restauracin.
Dadas dos imagenes f

y f, la delta de dirac y el operador de corrimiento

S
d
podemos decir:
f

= S
d
f = S
d
f = f S
d
= f
d
lo cual indica que si realizamos convolucin con un impulso desplazado, ten-
dremos una imagen desplazada a un nuevo punto de coordenadas dado por
d. Aplicando transformada de Fourier podemos intentar calcular el valor de
desplazamiento haciendo
f

(n) = f
d
(n)
F

(k) = F(k)e
j(
2
N
)kd
de esta expresin podemos despejar el valor de d pero si un valor de F(k) = 0,
no tenemos manera de estimar el valor del mismo.
En su lugar utilizaremos tecnicas de Regularizacin, para ello, mini-
mizamos la funcin
|f

f g|
2
sugeto a |l g|
2
donde f

(n) es la imagen desplazada, f(n) es la imagen origen, l(n) es un

operador lineal que escogeremos de la mejor manera para facilitar la solucin
y g(n) es la funcin impulso que intentamos encontrar. Para nuestro calculo
procedemos
U(g) =
N1

n=0
[f

(n) f g(n)]
2
+
N1

n=0
|l g(n)|
2
=
N1

n=0
_
f

(n)
N1

i=0
f(n i)g(i)
_
2
+
N1

n=0
_
N1

i=0
l(n i)g(i)
_
2
Para encontar el valor de g que minimiza esta espresin hacemos
U(g)
g(i)
= 2
N1

n=0
_
f

(n)
N1

i=0
f(n i) g(i)
_
f(n i)
+2
N1

n=0
_
N1

i=0
l(n i) g(i)
_
l(n i)
= 0
52
Figure 6.5: Filtro de Menbrana con lambda 1
reorganizado trminos tenemos
N1

n=0
_
N1

i=0
f(n i) g(i)
_
f(n i) +
N1

n=0
_
N1

i=0
l(n i) g(i)
_
l(n i) =
N1

n=0
f

(n)f(n i)
[f f
r
+l l
r
] g(n)+ = f

f
r
(n)
Al aplicar transformada de Fourier tenemos:
G(k) =
[F

(k)]

F(k)
[F(k)]

F(k) + [L(k)]

L(k)
G(k) =
[F

(k)]

F(k)
|F(k)|
2
+ |L(k)|
2
al sacar la antitrasformada de Fourier calculamos la funcin impultos g(n).
Bibliograa.
Digital Image Processing. Concepts, Algorithms and Scientic Appli-
cation. Jahne, B.Berlin Heidelberg: Springer-Verlang
Robot Vision. Berthold Horn. MIT Press.
Algorithms for Image Processing and Computer Vision. James R.
Parker.
53
Figure 6.6: Filtro de Membrana con lambda = 1000
54