You are on page 1of 84

11

Anlisis frecuencial de seales discretas


Gran parte del procesamiento de seales est vinculado a aplicaciones tales como detec-
cin y estimacin. Deteccin es determinar si un conjunto especco de patrones o fre-
cuencias estn presentes o no en una seal, mientras que estimacin es la tarea de obtener
los valores de parmetros que la describan. Cuando la seal a analizar es complicada, o
est contaminada por interferencia o ruido, para facilitar la deteccin y estimacin se la
descompone sobre una base que expande el espacio de seal. En muchos casos de inters
en ingeniera la clase de seales a analizar son peridicas, lo que lleva naturalmente a
una descomposicin en senos y cosenos aplicando la transformada de Fourier.
Cada conjunto de mediciones de una seal tiene, necesariamente, una duracin nita:
en algn momento se comenz a medir y en algn otro momento se concluy el proce-
so. La duracin de la experiencia puede ser variable, pero necesariamente es acotada. La
seal discreta est formada entonces por un nmero nito de muestras signicativas, lo
que impone una serie de limitaciones al anlisis armnico. Entre ellas se incluyen la de-
tectabilidad de tonos de baja potencia en presencia de tonos prximos de alta potencia,
la resolucin de tonos de potencia semejante y de frecuencias prximas, la resolucin de
tonos que varen en el tiempo, y los errores de estimacin de los parmetros de cualquiera
de las seales.
En este captulo se tratar el anlisis frecuencial de seales discretas. La hiptesis de
trabajo es que se desea conocer el espectro de una seal peridica x[n] de longitud innita
compuesta por una suma ponderada de sinusoides,
x[n] =
M

m=0
A
m
sen(
m
n +
m
), < n < . (11.1)
Para el anlisis se supondr que se slo se dispone de un conjunto nito de N muestras
uniformemente espaciadas de la seal x[n]. En general N no tiene porqu coincidir con
el perodo N
0
de la seal x[n], aunque por conveniencia se elige que N sea un nmero
altamente compuesto (es decir que tiene muchos factores), y par. La seal que se analiza
no es entonces x[n], sino v[n], donde
v[n] =
_
x[n], n
0
_ n _ n
0
+ N 1,
0, en caso contrario,
(11.2)
1
2 11. Anlisis frecuencial de seales discretas
siendo habitual elegir n
0
= 0. En consecuencia, las estimaciones armnicas V[k] que se
obtienen aplicando la transformada discreta de Fourier (TDF) son N muestras uniforme-
mente espaciadas del espectro peridico V
_
e
j
_
, no del espectro X(e
j
) que es el que se
pretende conocer. El propsito de este captulo es vincular V[k] con

X[k], o bien V(e
j
)
con X(e
j
). A tal n se estudia en primer lugar cmo se modica el espectro al truncar
la seal original (11.1) para obtener (11.2). Se discuten luego distintas formas de trun-
car o ventanear la seal. Se presentan las caractersticas temporales y frecuenciales de las
ventanas ms comunes, y se estudian los parmetros distintivos de cada una. Se estudia
tambin el error (sesgo) cometido al estimar la frecuencia de una seal con estos mto-
dos, y nalmente se comentan los aspectos ms importantes de analizadores espectrales
basados en la TDF.
11.1. Anlisis armnico de seales de longitud nita
Cuando se desea analizar una seal x[n] arbitraria, no necesariamente peridica, calcu-
lando su transformada discreta de Fourier (TDF), en forma consciente o no se efecta
sobre la misma un par de operaciones:
una truncacin o ventaneo (windowing) en el dominio temporal, que limita la
longitud de la seal a un nmero de muestras N arbitrario, y por lo tanto impi-
de el conocimiento de la seal completa. La TDF X[k] de la seal x[n] original no
puede calcularse porque por denicin, la TDF se calcula para seales de longitud
nita N. Por ello x[n] se trunca o ventanea temporalmente, obtenindose la seal
v[n] dada por (11.2) que coincide con x[n] en las N muestras comprendidas entre
n
0
_ n _ n
0
+ N 1. De aqu en ms se supondr que n
0
= 0. En principio, no
interesa que N sea grande, lo que importa es que sea nito para poder efectuar la
sumatoria indicada en la denicin de la TFTD
V(e
j
) =
N1

n=0
v[n]e
jn
=
N1

n=0
x[n]e
jn
o en la suma de la TDF,
V[k] =
N1

n=0
v[n]e
j
2
N
kn
=
N1

n=0
x[n]e
j
2
N
kn
.
Como resultado de la truncacin (disminucin de la duracin efectiva de la seal)
el teorema del ancho de banda estudiado en el Captulo 2 indica que el espectro cal-
culado sobre esta seal queda menos concentrado, extendindose sobre un mayor
rango de frecuencias. Esta dispersin o prdida de la concentracin del espectro
tambin afecta la posibilidad de resolver (distinguir) seales sinusoidales de fre-
cuencias prximas. En consecuencia, no se pueden conocer exactamente las frecuen-
cias presentes en la seal.
un muestreo en el dominio frecuencial, que hace que slo se puedan conocer mues-
tras V[k] del espectro de la seal V
_
e
j
_
en las frecuencias
k
= (2/N)k, con
k = 0, . . . N 1, pero no el espectro de la seal para toda frecuencia [0, 2).
Este muestreo espectral (spectral sampling) subyacente en la TDF puede dar lu-
gar a una interpretacin confusa o incorrecta del verdadero espectro de la seal,
Procesamiento Digital de Seales U.N.S. 2011
11.1. Anlisis armnico de seales de longitud nita 3
Fig. 11.1. Respuesta temporal w[n] (a) y transformada de Fourier W(e
j
) (b) de la ventana
rectangular w[n] = 1, 0 _ n _ 63.
y puede impedir la determinacin correcta de la relacin de amplitud entre dos o
ms seales.
En principio la truncacin de la seal temporal x[n] a una seal v[n] de N muestras de
longitud tambin determina el nmero N de frecuencias donde se calcula la TDF V[k].
Como se estudiar ms adelante, la longitud temporal de la seal no determina de man-
era nica la cantidad de puntos en frecuencia donde se evala V(e
j
) para obtener V[k].
De todas maneras, ambas operaciones truncacin temporal y muestreo espectral dan
lugar a la aparicin de fenmenos interesantes, no totalmente independientes entre s.
11.1.1. Efecto de la truncacin: fuga espectral
El problema de la fuga espectral es inherente al anlisis de Fourier de cualquier conjunto
nito de datos. La seal a analizar se obtiene estudiando la seal original x[n] durante
un cierto perodo de tiempo, y se ignora todo lo que haya sucedido antes o despus de
ese intervalo. El tomar una parte de la seal x[n], por ejemplo las N muestras 0 _ n _
N 1 permite denir una nueva seal que se notar como v[n]. Es natural pensar esta
seal como el resultado de multiplicar la seal original por una ventana w[n],
v[n] = x[n]w[n], (11.3)
donde w[n] est denida (en este caso) como
w[n] =
_
1, 0 _ n _ N 1,
0, en caso contrario.
(11.4)
Otra interpretacin usual es considerar que v[n] se obtiene observando x[n] a travs de
una ventana temporal de N muestras de longitud.
La transformada de Fourier W(e
j
) de la ventana w[n] es
W
_
e
j
_
=

n
w[n]e
jn
=
N1

n=0
e
jn
=
e
jN
1
e
j
1
= e
j(
N1
2
)
sen (N/2)
sen (/2)
.. (11.5)
Procesamiento Digital de Seales U.N.S. 2011
4 11. Anlisis frecuencial de seales discretas
Fig. 11.2. Fuga espectral: (a) Seal peridica x[n]. (b) Espectro X(e
j
). (c) Seal truncada
v[n]. (d) Espectro V(e
j
).
La respuesta en frecuencia de la ventana rectangular no es otra cosa que el kernel o ncleo
de Dirichlet escalado por N. La forma tpica del espectro de

W
_
e
j
_

se muestra en la
Fig. 11.1(b) para N = 64; el mximo del mdulo de

W
_
e
j
_

se alcanza cuando es
mltiplo de 2,

W
_
e
j
_

=2r
= N, r Z.
Para analizar el efecto de la truncacin o ventaneo sobre el espectro de la seal, se estudia
en primer lugar una seal x[n] formada por un tono de frecuencia
0
; por ejemplo, x[n] =
Acos (
0
n + ) , < n < ; una seal de este tipo se ilustra en la Fig. 11.2(a) con
A = 1 y = 0. La transformada de Fourier X
_
e
j
_
de esta seal es un par de impulsos
ubicados en +
0
y
0
de amplitud A que se repiten peridicamente con perodo 2:
X
_
e
j
_
= 2

rZ
A
2
e
j
(
0
+ 2r) +
A
2
e
j
( +
0
+2r) , (11.6)
como se muestra en la Fig. 11.2(b), tambin para A = 1 y = 0.
El proceso de truncacin indicado o ventaneo temporal indicado en (11.3) equivale a la
convolucin de las transformadas X(e
j
) y W(e
j
) en el dominio frecuencia, de modo
que
V
_
e
j
_
=
1
2
_

X(e
j
)W(e
j()
)d. (11.7)
Reemplazando la expresin (11.5) en (11.7) y operando, se encuentra que
V
_
e
j
_
=
1
2
_

2[
A
2
e
j
( +
0
) +
A
2
e
j
(
0
)]W(e
j()
)d (11.8)
=
A
2
e
j
W(e
j(
0
)
) +
A
2
e
j
W(e
j(+
0
)
), (11.9)
Procesamiento Digital de Seales U.N.S. 2011
11.1. Anlisis armnico de seales de longitud nita 5
Fig. 11.3. Seal v[n] del Ejemplo 11.1 y su TFTD V(e
j
).
resultado que se ilustra en la Fig. 11.2(d) . Para la evaluacin de (11.8) se ha considerado
que en el intervalo (, ] donde se calcula la integral slo quedan comprendidos los
trminos del espectro X(e
j
) asociados a r = 0 en (11.6). En denitiva, el espectro V(e
j
)
de la seal truncada v[n] est formado por rplicas del espectro de la ventana W(e
j
)
centradas en las frecuencias = +
0
y =
0
y sus rplicas desplazadas 2r, r Z.
Como W(e
j
) tambin es 2-peridico los picos de la ventana quedan centrados en
todas las rplicas de las frecuencias
0
. Estos mximos alcanzan aproximadamente
el valor NA/2, como se observa en la Fig. 11.2(d) .
En resumen, la truncacin temporal ha transformado un espectro ideal formado por una
serie de impulsos peridicos perfectamente localizados en frecuencia [Fig. 11.2(b)] a una
funcin continua y peridica que cubre todo el rango de frecuencias, como revela la
ecuacin (11.9), con valores mximos en frecuencias cercanas
1
a =
0
+ 2r, y una
serie de picos espurios denominados lbulos laterales, [Fig. 11.2(d)].
EJEMPLO 11.1. Efecto de la truncacin o ventaneo
Sea x[n] = cos[(2/6)n], < n < . La seal v[n] es el resultado de truncar x[n] con una
ventana rectangular w[n] como (11.4) con N = 64, de modo que
v[n] =
_
cos[2/6)n], 0 _ n _ 63,
0, en caso contrario.
como se muestra en la Fig. 11.3(a) . El mdulo del espectro V(e
j
) (la TFTD) de v[n] se representa
en la Fig. 11.3(b) . Este espectro puede pensarse como la convolucin del espectro X(e
j
) formado
por un par de impulsos de rea centrados en (2/6) +2r, r Z con el espectro W(e
j
) de
la ventana rectangular dado por (11.5) e ilustrado en la Fig. 11.1(b). La amplitud de los mximos
del espectro es NA/2 = 64/2 = 32, tal como se indica en la Fig. 11.3(b) .
Otros efectos interesantes ocurren al considerar que la seal discreta est compuesta por
dos componentes sinusoidales,
x[n] = A
0
cos(
0
n +
0
) + A
1
cos(
1
n +
1
), < n < .
1
Los mximos de V(e
j
) no necesariamente coinciden con
0
+ 2r, r Z, pues el espectro V(e
j
) es
la suma de los espectros desplazados de la ventana W
_
e
j
_
en mdulo y fase, y los lbulos laterales de las
ventana pueden alterar la ubicacin de los mximos. Este tema se trata en detalle en las Seccin 11.7.
Procesamiento Digital de Seales U.N.S. 2011
6 11. Anlisis frecuencial de seales discretas
El espectro X
_
e
j
_
de esta seal est formado por cuatro impulsos, ubicados en =

1
, =
0
, =
0
, =
1
, que se repiten peridicamente cada 2. Al truncar la
seal x[n] con la ventana w[n] se obtiene
v[n] = x[n]w[n]
= A
0
cos(
0
n +
0
) + A
1
cos(
1
n +
1
), 0 _ n _ N 1, (11.10)
y su espectro es la convolucin peridica de los impulsos de X
_
e
j
_
con la transformada
de Fourier W
_
e
j
_
de la ventana w[n]. Especcamente, reescribiendo v[n] utilizando
exponenciales complejas,
v[n] =
A
0
2
e
j
0
e
j
0
n
+
A
0
2
e
j
0
e
j
0
n
+
A
1
2
e
j
1
e
j
1
n
+
A
1
2
e
j
1
e
j
1
n
, (11.11)
con 0 _ n _ N 1, y aplicando la propiedad de desplazamiento frecuencial de la trans-
formada de Fourier, es sencillo calcular la transformada de Fourier V
_
e
j
_
de la seal
v[n] dada por (11.10) o (11.11)
V
_
e
j
_
=
A
0
2
e
j
0
W(e
j(
0
)
) +
A
0
2
e
j
0
W(e
j(
0
)
) +
A
1
2
e
j
1
W(e
j(
1
)
) +
A
1
2
e
j
1
W(e
j(
1
)
). (11.12)
Esta expresin revela nuevamente que la transformada de Fourier de la seal truncada
o ventaneada consta de la suma de rplicas de la transformada de Fourier de la ven-
tana W
_
e
j
_
ubicadas en las frecuencias
0
,
1
, y escaladas por las amplitudes de
las distintas exponenciales complejas que componen la seal original x[n]. La forma del
espectro puede alterarse an ms segn sea la relacin entre las frecuencias
0
y
1
ha-
ciendo que las distintas rplicas se sumen o no en fase, como se muestra en el siguiente
Ejemplo.
EJEMPLO 11.2. Efecto de la truncacin o ventaneo para una seal compuesta por dos tonos
Sea x[n] la seal de la ecuacin (11.10), con A
0
= 1, A
1
= 3/4,
0
=
1
= 0, de la que se toman
N = 64 muestras. Para mostrar las caractersticas esenciales se gracar solamente la magnitud de
la transformada de Fourier.
En la Fig. 11.1 se muestra la transformada de Fourier

W
_
e
j
_

de la ventana w[n], y en las


Figs. 11.4(a)-(d) se graca el espectro

V
_
e
j
_

de la seal truncada v[n] para distintos valores de


frecuencias
0
y
1
. En la Fig. 11.4(a) ,
0
= 2/6, y
1
= 2/3. En las Figs. 11.4(b) , 11.4(c)
y 11.4(d) la frecuencia
0
= 2/14 se mantiene constante, y la frecuencia
1
se decrementa,
hacindose cada vez ms cercana a
0.
.
En la Fig. 11.4(a) la frecuencia y la relacin de amplitud de las distintas componentes individuales
son evidentes. En particular, la expresin del espectro de la seal truncada (11.12) sugiere que, si no
hay solapamiento entre las rplicas del espectro W
_
e
j
_
de la ventana a las frecuencias
0
y
1
,
habr un pico de amplitud 32A
0
= 32 en
0
y de 32A
1
= 24 en
1
, ya que

W
_
e
j
_

tiene un pico
de altura igual a 64 (vase la Fig. 11.1). Adems, en la Fig. 11.4(a) se observa que los picos ocurren
aproximadamente a frecuencias
0
= 2/6, y
1
= 2/3, con amplitudes pico en la proporcin
correcta (0.75 a 1).
En la Fig. 11.4(b), con
0
= 2/14 y
1
= 4/15, las frecuencias de la seal estn ms prximas
y hay mayor solapamiento entre las rplicas de la transformada de Fourier

W
_
e
j
_

de la ventana
w[n]; aunque todava es posible reconocer la presencia de dos picos distintivos, la amplitud del
Procesamiento Digital de Seales U.N.S. 2011
11.1. Anlisis armnico de seales de longitud nita 7
Fig. 11.4. Espectro V(e
j
) de una seal formada por dos cosenos de amplitudes A
0
= 1, A
1
=
3/4 y frecuencias (a)
0
= 2/6,
1
= 2/3;(b)
0
= 2/14,
1
= 4/15; (c)

0
= 2/14,
1
= 2/12 y (d)
0
= 2/14,
1
= 4/25, truncados por una
ventana rectangular de largo N = 64.
espectro a la frecuencia =
0
est afectada por la amplitud de la seal sinusoidal de frecuencia
=
1
, y viceversa. Esta interaccin es consecuencia de la fuga espectral: las componentes fre-
cuenciales de una seal no estn ya concentradas en una nica frecuencia, sino que se extienden
en el rango [0, 2) debido a la dispersin espectral introducida por la ventana. En la Fig. 11.4(c),
donde
0
= 2/14 y
1
= 2/12, el nivel de fuga espectral es mayor debido a que la diferencia
entre las componentes de frecuencias
0
y
1
de la seal x[n] se ha reducido an ms. Los lbulos
laterales pueden reducir la altura de los mximos si se suman fuera de fase.
Finalmente, en la Fig. 11.4(d), con
0
= 2/14 y
1
= 4/25, el solapamiento espectral es
tan signicativo que los picos distinguibles en las guras anteriores se confunden en uno solo: las
dos frecuencias presentes en la seales v[n] no podrn ser resueltas (distinguidas) en base a la
observacin del espectro.
La ventana w[n] del Ejemplo aparece simplemente por el hecho de tomar un conjunto
nito de muestras. Por razones obvias, esta ventana se denomina ventana rectangular (o
boxcar). Como se ver en la Seccin 11.2 se han propuesto otras manera de truncar la
seal temporal, pesando la seal x[n] con funciones w[n] que tienden suavemente a cero
cuando n tiende a 0 o a N 1.
11.1.2. Efecto del muestreo espectral: prdidas por ondulacin
Frecuentemente, en lugar de trabajar con la TFTD V(e
j
) de la seal v[n] es ms conve-
niente utilizar la TDF V[k]. El motivo es que el mismo anlisis puede efectuarse cono-
ciendo un conjunto de N valores discretos
k
= (2/N)k, con k = 0, . . . , N 1 en vez de
Procesamiento Digital de Seales U.N.S. 2011
8 11. Anlisis frecuencial de seales discretas
un continuo de frecuencias 0 _ < 2. Como se estudi en el Captulo 4, la TDF V[k]
de la sucesin truncada v[n] se puede calcular tomando muestras de la transformada
de Fourier V
_
e
j
_
en N frecuencias discretas uniformemente espaciadas
k
= 2k/N,
k = 0, . . . N1. Para el caso en que x[n] = Acos
0
n, la TDFT V(e
j
) de la sea truncada
v[n] est dada por (11.9), y por lo tanto la TDF V[k] es
V[k] = V
_
e
j
_

=
k
=
2
N
k
=
A
2
W(e
j(
2
N
k
0
)
) +
A
2
W(e
j(
2
N
k+
0
)
).
En el caso en que w[n] es la ventana rectangular (11.4), W(e
j
) est dado por (11.5), y
entonces,
V[k] =
A
2
e
j(
2
N
k
0
)(
N1
2
)
sen
_
N(
2
N
k
0
)/2

sen
_
(
2
N
k
0
)/2
+
A
2
e
j(
2
N
k+
0
)(
N1
2
)
sen
_
N(
2
N
k +
0
)/2

sen
_
(
2
N
k +
0
)/2
. (11.13)
Si
0
coincide con alguna de las frecuencias
k
donde se evala la TDF, por ejemplo si

0
= (2/N)k
0
, se tiene que
sen
_
N(
2
N
k
0
)/2

sen
_
(
2
N
k
0
)/2

0
=
2
N
k
0
=
sen
_
N(
2
N
k
2
N
k
0
)/2

sen
_
(
2
N
k
2
N
k
0
)/2

=
sen [(k k
0
)]
sen
_

N
(k k
0
)
= N

r
[k k
0
rN]
y
e
j(
2
N
k
0
)(
N1
2
)

0
=
2
N
k
0
= e
j
2
N
(kk
0
)(
N1
2
)
= 1 en k = k
0
+ rN.
Entonces, para valores de k comprendidos entre 0 y N1, (11.13) se puede escribir como
V[k] =
NA
2
[k k
0
] +
NA
2
[k (N k
0
)]. (11.14)
En otras palabras, la TDF de la seal de frecuencia
0
= (2/N)k
0
es un par de impulsos
(discretos) en las muestras k = k
0
y k = N k
0
, que se asocian a las frecuencias

k
0
= (2/N)k
0
,

Nk
0
= (2/N)(N k
0
) = 2 (2/N)k
0
=
0
,
lo que se puede interpretar como que, para las seales senoidales x[n] = Acos
0
n cuya
frecuencia
0
coincida con algunas de las frecuencias base de la TDF (
0
=
k
=
2k/N), la forma del espectro X
_
e
j
_
de la seal x[n] coincide con la TDF V[k] de la
seal truncada v[n]. Esta coincidencia debe tomarse con cierto cuidado:
El espectro X(e
j
) est compuesto de impulsos continuos de la forma (
0
+
2r) mientras que V[k] est formado por impulsos discretos [k k
0
+ rN].
El espectro X(e
j
) calculado con la TFTD y el espectro V[k] calculado con la TDF
son conceptualmente distintos: el primero es funcin de una variable continua ,
0 _ < 2; el segundo depende de una variable discreta k, 0 _ k _ N 1.
Procesamiento Digital de Seales U.N.S. 2011
11.1. Anlisis armnico de seales de longitud nita 9
Fig. 11.5. El fenmeno de muestreo espectral, para una seal cuya frecuencia no es mltiplo
de 2/N (izquierda), y una seal de frecuencia
0
= 2k
0
/N (derecha). (a) y (e)
Espectro de la seal de longitud innta ; (b) y ( f ) espectro de la ventana rectangular;
(c) y (g) espectro de la seal truncada; (d) y (h) TDF de la seal truncada.
La coincidencia radica solamente en la forma que tienen ambos espectros. De todos
modos esta es una situacin muy particular, pues como la frecuencia
0
a determinar
coincide con una de las frecuencias
k
de la TDF, los mximos del espectro de la ventana
rectangular W
_
e
j
_
quedan ubicados sobre las muestras k
0
y Nk
0
; las otras frecuencias

k
coinciden con los ceros de estos espectros.
Este fenmeno se puede interpretar mejor con el auxilio de la Fig. 11.5, en donde se mues-
tra el caso en que la frecuencia
0
de la seal no es un mltiplo de 2/N (columna de la
izquierda) y el caso en que s lo es (columna de la derecha).
Procesamiento Digital de Seales U.N.S. 2011
10 11. Anlisis frecuencial de seales discretas
En la Fig. 11.5(a) se muestra el espectro X
_
e
j
_
de la seal x[n], que en el rango [0, 2)
est formado por dos impulsos de amplitud A centrados en las frecuencias
0
y 2

0
. En el caso de la Fig. 11.5(e) estas frecuencias coinciden con 2k
0
/N y 2(Nk
0
)/N,
respectivamente.
El espectro de la ventana temporal rectangular, que es el mismo en ambos casos, se ilustra
en la Fig. 11.5(b) y ( f ). Como la ventana es de largo N, el espectro tiene N 1 ceros
en el rango de frecuencias [0, 2) que coinciden con las frecuencias 2k/N, para k =
1, . . . , N 1. Para k = 0, N, 2N, . . . el mdulo del espectro vale N.
La Fig. 11.5(c) muestra en lnea llena el resultado de la convolucin peridica de los
espectros de las Figs. 11.5(a) y 11.5(b) , cuando
0
no es mltiplo de 2/N. Las lneas
de puntos muestran la convolucin de la ventana con cada uno de los impulsos. El ca-
so en que
0
es un mltiplo entero de 2/N se representa en la Fig. 11.5(g). Merecen
destacarse dos fenmenos:
En el caso en que la frecuencia de la seal no es un mltiplo de 2/N (columna de
la izquierda) ni los ceros ni los extremos relativos de la convolucin coinciden con
las frecuencias 2k/N, como se observa en la Fig. 11.5(c).
Si la frecuencia de la seal bajo anlisis es un mltiplo de 2/N los ceros coinciden
con las frecuencias 2k/N, pero no los extremos relativos, debido al efecto de un ker-
nel de Dirichlet sobre los dems. En particular, el mximo de un kernel comprende
a un semiciclo positivo y otro negativo de la cola de otro kernel, como se aprecia en
la Fig. 11.5(g). Cuanto ms alejados queden entre s los impulsos, por ejemplo en
el caso de seales de frecuencia intermedia, o cuanto mayor sea la longitud de la
ventana temporal, que hace que los lbulos laterales del espectro de la ventana de-
caigan ms rpidamente, tanto menor ser el corrimiento de los mximos respecto
a las frecuencias 2k/N.
Finalmente, en la Fig. 11.5(d) se ilustra el resultado de muestrear el espectro V(e
j
) de
la seal o, en otras palabras, de calcular la TDF V[k]. En el caso en que la frecuencia de
la seal no es un mltiplo de 2/N (columna izquierda) no se muestrean los mximos
del espectro, y tampoco los ceros, ya que como se dijo anteriormente no coinciden con las
frecuencias 2k/N.
En el caso en que la frecuencia de la seal es mltiplo de 2/N (columna de la derecha)
al muestrear el espectro de la seal se detectan exactamente los ceros del espectro ya que
estn ubicados en las frecuencias 2k/N como se observa en la Fig. 11.5(h) pero no los
mximos, que estn ligeramente desplazados de estas frecuencias. Sin embargo, un anli-
sis detallado de la 11.5(g) revela que en este caso el muestreo coincide con el mximo de
la convolucin del espectro de la ventana con uno de los impulsos, y que en ese punto
la contribucin de los dems kernels es nula. En consecuencia, el valor de la TDF V[k]
en el ndice k es igual al que se obtendra al calcular el espectro X
_
e
j
_
de la seal a la
frecuencia
k
= (2/N)k:
X(e
j
)

=
2
N
k
= 2
A
2

r
( +
0
+ 2r) + (
0
+ 2r)

=
2
N
k
0
= 2
A
2

r
(
2
N
k +
0
+2r) + (
2
N
k
0
+ 2r)
Procesamiento Digital de Seales U.N.S. 2011
11.1. Anlisis armnico de seales de longitud nita 11
= 2
A
2

r
(
2
N
k +
2
N
k
0
+2r) + (
2
N
k
2
N
k
0
+2r)
= 2
A
2

r
N
2
(k + k
0
+ rN) +
N
2
(k k
0
+ rN)
=
NA
2

r
[k + k
0
+ rN] + [k k
0
+ rN] = V[k].
Este es el nico caso en el cual la TDF V[k] es una representacin el del espectro
X
_
e
j
_
. Esta situacin tan particular, sin embargo, representa lo que sera deseable: poder
estimar X(e
j
) a partir de V[k], independientemente de que las frecuencias de las seales
que forman x[n] sean o no mltiplos de 2/N. Muchas de las tcnicas que se presentan
en este Captulo apuntan en esa direccin; sin embargo deben tomarse algunas precau-
ciones, porque el muestreo espectral impuesto por la TDF puede producir resultados que
se presten a confusin. El efecto se ilustra mejor con un Ejemplo.
EJEMPLO 11.3. Efecto del muestreo espectral
La Fig. 11.6 muestra la transformada de Fourier (TFTD) V(e
j
) y la transformada discreta de
Fourier (TDF) V[k] de una seal coseno truncado
v[n] = cos
0
n, con 0 _ n _ 63 = N 1
para una frecuencia
0
= 2/6, que no es mltiplo de 2/64 [Fig. 11.6(a)] y
0
= 20/64, que si
es mltiplo [Fig. 11.6(d)]. La extensin peridica v[n] = v[((n))
N
] de la seal de la Fig. 11.6(a) no
resulta en una seal coseno (faltan un par de muestras), mientras que la extensin peridica v[n]de la
seal de la Fig. 11.6(d) produce un coseno peridico perfecto. (La interpretacin temporal de la fuga
espectral se estudia en detalle en la Seccin 11.1.3). La transformada de Fourier (TFTD) V(e
j
)
de ambas seales es prcticamente idntica, como se aprecia en las Figs. 11.6(b) y 11.6(e) ; la nica
diferencia (apenas observable) es un pequeo corrimiento entre los picos, pues 2/6
~
= 20/64:
la diferencia es de un 6.5 %. Sin embargo, las transformadas discretas de Fourier (TDF) V[k]
de las dos seales son bastante distintas, como ilustran las Figs. 11.6(c) y 11.6( f ) . No slo los
espectros tienen un aspecto diferente, sino que tambin varan las amplitudes asociadas a cada
una de las componentes espectrales. Para la seal de frecuencia
0
= 2/6 la amplitud es 26,96
[Fig. 11.6(c)], mientras que para la seal de frecuencia
0
= (2/64)10 la amplitud es 1 N/2 =
32 [Fig. 11.6( f )]. En resumen, la TDF de la seal de frecuencia
0
= 2/6, que no es mltiplo de
(2/64), no slo tiene fuga espectral debida a la truncacin temporal, sino que adems los mximos
del espectro tienen un valor diferente del esperado, como consecuencias del muestreo espectral.
El anlisis previo revela que la amplitud del espectro estimada mediante la TDF depende
de la frecuencia de la seal que se est analizando. La amplitud observada vara segn qu
tan prxima sea la frecuencia
0
de la seal a alguna de las frecuencias
k
= 2k/N. Este
efecto se denomina prdidas por ondulacin (scalloping loss) o tambin efecto picket-fence
(literalmente, cerca de postes), porque la amplitud observada en funcin de la frecuen-
cia no es constante, sino que ondula con crestas que coinciden con las frecuencias
k
y
valles en las frecuencias 2(k + 1/2)/N.
Una analoga grca es pensar que el espectro V
_
e
j
_
de la seal se observa a travs de
las rendijas de una cerca de madera (picket fence), que estn ubicadas en las frecuencias
k
.
La Fig. 11.7 ilustra esta representacin. La Fig. 11.7(a) muestra el caso en que los mximos
del espectro no coinciden con
k
: al observarlo a travs de la cerca [Fig. 11.7(b)] el
espectro toma el aspecto de la Fig. 11.7(c) . Este es el caso estudiado en el Ejemplo 11.3,
Procesamiento Digital de Seales U.N.S. 2011
12 11. Anlisis frecuencial de seales discretas
Fig. 11.6. Fuga espectral y prdidas por ondulacin por efecto de muestreo espectral para un
tono de frecuencia
0
= 2/6 (izquierda) y
0
= 20/64 (derecha).
que se muestra en la Fig. 11.6(c). Si los mximos del espectro coinciden con las rendijas,
tal como se observa en las Figs. 11.7(d) y 11.7(e) el espectro observado es similar al de
la Fig. 11.7( f ) . Esta situacin es la que se presenta en el Ejemplo 11.3 para la seal de
frecuencia
0
= (2/64)10, cuyo espectro se muestra en la Fig. 11.6( f ).
Si la seal est compuesta por ms de un tono se producen otros efectos interesantes,
como los que se discuten en el siguiente Ejemplo.
EJEMPLO 11.4. Muestreo espectral en seal multitonal con frecuencias
i
,= 2k/N
La sucesin
x[n] = A
0
cos(
0
n +
0
) + A
1
cos(
1
n +
1
), < n < .
con A
0
= 1, A
1
= 3/4,
0
= 2/14,
1
= 4/15, y
0
=
1
= 0, es una seal multitonal cuyas
frecuencias componentes no son mltiplos de 2/N. Si se trunca con una ventana rectangular w[n]
Procesamiento Digital de Seales U.N.S. 2011
11.1. Anlisis armnico de seales de longitud nita 13
Fig. 11.7. Interpretacin grca de las prdidas por ondulacin (efecto picket fence).
de largo N = 64, la seal truncada v[n] se puede escribir como
v[n] =
_

_
cos
_
2
14
n
_
+
3
4
cos
_
4
15
n
_
, 0 _ n _ 63,
0, en caso contrario.
(11.15)
En la Fig. 11.8 se muestra la sucesin ventaneada v[n], y en la Fig. 11.9(a) el mdulo de la trans-
formada de Fourier

V
_
e
j
_

gracado para 0 _ < 2 para comparar con la TDF V[k] de largo


N = 64 que se representa en Fig. 11.9(b). En esta gura el eje horizontal est en funcin del nmero
de muestra k de la TDF; el valor k = 32 corresponde a = . Siguiendo la convencin usual para
mostrar la TDF de una sucesin temporal, se gracan los valores de la TDF V[k] en el rango k = 0
hasta k = N 1, que corresponden a gracar N muestras de la transformada de Fourier V
_
e
j
_
en el rango 0 a 2.
El mdulo [V[k][ de la TDF de la Fig. 11.9(b) corresponde a muestras del mdulo del espectro
Fig. 11.8. Sucesin v[n] = cos[(2/14)n] + (3/4) cos[(4/15)n], 0 _ n _ 63 con
i
,=
(2/64)k
i
.
Procesamiento Digital de Seales U.N.S. 2011
14 11. Anlisis frecuencial de seales discretas
Fig. 11.9. Mdulo de la transformada de Fourier

V
_
e
j
_

(a) y de la TDF [V[k][ (b) de la


seal v[n] de la Fig. 11.8.
V
_
e
j
_
que se graca en la Fig. 11.9(a), donde se aprecia que la mayor magnitud corresponde
aproximadamente a = 2/7,5 y = 2/14, las frecuencias de las dos componentes de la seal
de entrada. Especcamente, la seal
1
= 4/15 = 2(8,5333...)/64 yace entre las muestras
k = 8 y k = 9 de la TDF, y la seal de frecuencia
0
= 2/14 = 2(4,5714...)/64 cae entre las
muestras k = 4 y k = 5. Las ubicaciones en frecuencia de los picos de la Fig. 11.9(a) no coinciden
con las frecuencias
k
= 2k/N de las muestras de la TDF. Esto es lo que ocurre habitualmente: la
ubicacin de las crestas de la TDF V[k] no coincide, en general, con la ubicacin de los mximos de
la transformada de Fourier V
_
e
j
_
ya que estos ltimos pueden caer entre las muestras espectrales
de la TDF. De aqu que la relacin entre las amplitudes de los picos en la TDF V[k] no reejan
necesariamente la relacin entre las amplitudes de los mximos espectrales de V
_
e
j
_
, como se
evidencia comparando la Fig. 11.9(a) y la Fig. 11.9(b). sta es la situacin que se muestra en la
columna de la izquierda de la Fig. 11.5.
EJEMPLO 11.5. Muestreo espectral en seal multitonal con frecuencias
i
= 2k/N)
La sucesin
x[n] = cos
_
2
16
n
_
+
3
4
cos
_
2
8
n
_
, < n < , (11.16)
se trunca con una ventana rectangular w[n] de longitud N = 64, obtenindose la sea truncada
v[n] que se graca en la Fig. 11.10. Esta sucesin es muy similar a la seal multitonal del Ejemplo
anterior, pero en este caso las frecuencias de las componentes coinciden exactamente con dos de las
frecuencias
k
= 2k/N de la TDF. En particular, la frecuencia
1
= 2/8 = (2/64)8 coincide
Fig. 11.10. Sucesin v[n] = cos[(2/16)n] + (3/4) cos[(2/8)n], 0 _ n _ 63 con
i
=
(2/64)k
i
.
Procesamiento Digital de Seales U.N.S. 2011
11.1. Anlisis armnico de seales de longitud nita 15
Fig. 11.11. Mdulo de la transformada de Fourier

V
_
e
j
_

(a) y de la TDF [V[k][ (b) de la


seal de la Fig. 11.10.
con la muestra k = 8 de la TDF, y la frecuencia
0
= 2/16 = (2/64)4 con la muestra k = 4
de la TDF.
En la Fig. 11.11(a) se muestra el grco del mdulo del espectro V
_
e
j
_
de la sucesin v[n], y en
la Fig. 11.11(b) el mdulo de la TDF V[k], que son muestras separadas 2/64 de V
_
e
j
_
. Aunque
la sucesin (11.16) de este Ejemplo es muy similar a la sucesin (11.15) del Ejemplo 11.4, la forma
de la TDF en ambos casos es muy diferente. En particular, en este caso la TDF muestra dos fuertes
lneas espectrales nicamente a las frecuencias de las componentes sinusoidales de la seal, y el
contenido espectral es nulo para el resto de las frecuencias
k
.
En realidad, el aspecto limpio de la TDF de la Fig. 11.11(b) es una ilusin resultante de muestrear
el espectro. Comparando la Fig. 11.11(a) con la Fig. 11.11(b), la justicacin del aspecto de la
Fig. 11.11(b) es que para esta eleccin de parmetros
0
,
1
, la transformada de Fourier V
_
e
j
_
es
exactamente cero en los puntos muestreados por la TDF, salvo los correspondientes a k = 4, 8, 56,
y 60. Aunque la seal v[n] de la ecuacin (11.16) tiene componentes de casi todas las frecuencias,
porque es un coseno truncado como muestra el espectro V(e
j
) de la Fig. 11.11(a), esto no se nota
en las muestras V[k] de la TDF debido a la ubicacin de las muestras espectrales. Esta sucesin
ejemplica el desarrollo de la columna de la derecha de la Fig. 11.5.
11.1.3. Interpretacin temporal de la fuga espectral en la TDF
En general, la truncacin v[n] de largo N de una seal sinusoidal x[n] de longitud arbi-
traria no comprende un nmero entero de perodos de la seal original, como se mues-
tra en la Fig. 11.12(a) ; slo en contados casos ocurre que la seal truncada abarca un
nmero entero de perodos de x[n], como indica la Fig. 11.12(d) . En el primer caso la
frecuencia de la seal no es un mltiplo entero de 2/N. En el segundo la frecuencia de
la seal si es un mltiplo entero de 2/N. Slo hay N de estas frecuencias, dadas por

k
= 2k/N, con k = 0, . . . , N 1, pues valores de k > N resultan en sucesiones de
frecuencia 2((k))
N
/N.
Los coecientes de la TDF de N puntos V[k] de una sucesin de longitud nita v[n] son
iguales a los coecientes de la serie discreta de Fourier

V[k] de una seal peridica v[n]
formada por la extensin peridica de v[n] (es decir, v[n] = v[((n))
N
]). Si la sucesin de
longitud nita v[n] no contiene un nmero entero de perodos de la seal sinusoidal x[n]
[la frecuencia de la seal no es mltiplo de 2/N, Fig. 11.12(b)], la extensin peridica de
longitud innita v[n] presentar discontinuidades en la unin de segmentos adyacentes
de la sucesin nita v[n], como muestra la Fig. 11.12(c). En consecuencia v[n] ,= x[n], y
Procesamiento Digital de Seales U.N.S. 2011
16 11. Anlisis frecuencial de seales discretas
Fig. 11.12. Interpretacion temporal de la fuga espectral.
por lo tanto V[k] ,= X(e
j
)

=2k/N
. Estas discontinuidades en el dominio tiempo son
las responsables de la aparicin de contribuciones en otras frecuencias adems de la fre-
cuencia propia de la seal, ya que se hace necesario el auxilio de componentes de alta
frecuencia para representar correctamente los saltos que presenta la extensin peridi-
ca v[n].
En cambio, si la seal truncada v[n] comprende un nmero entero de perodos de la
seal sinusoidal original x[n] [Fig. 11.12(e)], la extensin peridica v[n] coincide con x[n],
como se observa en la Fig. 11.12( f ) . Por lo tanto, V[k] = X(e
j
)

=2k/N
, es decir que la
TDF V[k] de la sea truncada v[n] tiene la misma forma que el espectro X(e
j
) de la seal
peridica x[n].
EJEMPLO 11.6. Interpretacin temporal de la fuga espectral
Este punto de vista alternativo se puede comprobar en los Ejemplos 11.4 y 11.5. Para el Ejemplo 11.4
las componentes frecuenciales
0
= 2/14 y
1
= (2/15) 2 de la seal x[n] no son mltiplos
de 2/64. El perodo de la seal es N
0
= 420 y la ventana rectangular de N = 64 muestras no
selecciona un nmero entero de perodos de x[n]. Por lo tanto, la extensin peridica v[n] de v[n]
no coincide con x[n], como se muestra en la Fig. 11.12(d) y su espectro V[k] tiene fuga espectral.
En cambio en el Ejemplo 11.5 las componentes de frecuencia de la seal
0
= 2/16 = (2/64)
4 (k
0
= 4) y
1
= 2/8 = (2/64) 8 (k
1
= 8) son mltiplos de 2/64, de modo que la seal
x[n] es peridica con perodo N
0
= 16, como se desprende de una observacin cuidadosa de la
Procesamiento Digital de Seales U.N.S. 2011
11.1. Anlisis armnico de seales de longitud nita 17
Fig. 11.10. La ventana rectangular de 64 puntos selecciona entonces un nmero entero de perodos
de la seal (cuatro en este caso), y en consecuencia la extensin peridica v[n] de v[n] coincide con
x[n]. Por lo tanto el espectro V[k] parece no tener fuga espectral, y se parece ms al espectro
X(e
j
) de x[n]. Este es un ejemplo de cmo la periodicidad inherente de la TDF brinda una respuesta
correcta al problema de calcular el espectro X(e
j
) de una seal peridica x[n] conociendo slo una
porcin v[n] de N muestras de longitud de ella.
11.1.4. La TDF como un banco de ltros
Otros enfoques interesantes para estudiar los fenmenos que ocurren en el anlisis fre-
cuencial de seales sinusoidales se obtienen al pensar en la TDF como un banco de l-
tros pasabanda, tal como muestra la Fig. 11.13(a). Idealmente, cada muestra de V[k] de-
bera ser un ltro pasabanda ideal, con un ancho de banda innitesimal a la frecuencia

k
= 2k/N. Pero en realidad, debido a la longitud nita de la ventana de observacin,
la respuesta en frecuencia tiene la forma del kernel de Dirichlet. En efecto, la k-sima
muestra de la TDF V[k] de una seal v[n], expresada como
V[k] =
N1

`=0
v[`]e
j
2
N
k`
= v[0]e
j
2
N
0k
+ v[1]e
j
2
N
1k
+ v[2]e
j
2
N
2k
+ + v[N 1]e
j
2
N
(N1)k
se puede pensar como la salida y
k
[n] de un ltro FIR con respuesta impulsiva
h
k
[n] =
_
e
j
2
N
kn
, si 0 _ n _ N 1,
0, en caso contrario,
(11.17)
cuando se lo excita con una entrada v[n] de longitud N + 1 denida por
v[n] =
_
v[n], si 0 _ n _ N 1,
0, si n = N,
(11.18)
evaluada en la muestra n = N. En efecto,
y
k
[n] = v[n] + h
k
[n] =
N

`=0
v[n `]h
k
[`] =
N

`=0
v[n `]e
j
2
N
k`
= v[n]e
j
2
N
k0
+ v[n 1]e
j
2
N
k1
+ v[n 2]e
j
2
N
k2
+
+ v[n (N 1)]e
j
2
N
k(N1)
+ v[n N]e
j
2
N
kN
.
Evaluando y
k
[n] en n = N se encuentra que
y
k
[N] = v[N]e
j
2
N
k0
+ v[N 1]e
j
2
N
k1
+ v[N 2]e
j
2
N
k2
+
+ v[N (N 1)]e
j
2
N
k(N1)
+ v[0]e
j
2
N
kN
y teniendo en cuenta que e
j
2
N
kN
= 1, e
j
2
N
k`
= e
j
2
N
k(N`)
se tiene
y
k
[N] = v[N]e
j
2
N
k(N0)
+ v[N 1]e
j
2
N
k(N1)
+ v[N 2]e
j
2
N
k(N2)
+
+ v[N (N 1)]e
j
2
N
k[N(N1)]
+ v[0]e
j
2
N
k(NN)
= v[N]e
j
2
N
kN
+ v[N 1]e
j
2
N
k(N1)
+ v[N 2]e
j
2
N
k(N1)
+
+ v[1]e
j
2
N
k
+ v[0].
Procesamiento Digital de Seales U.N.S. 2011
18 11. Anlisis frecuencial de seales discretas
Fig. 11.13. La TDF V[k] como un banco de N ltros pasabanda (a) . Realizacin FIR del ltro
H
k
(e
j
) (b) .
Finalmente, aplicando la denicin (11.18) de v[n] se encuentra que
y
k
[N] = v[N 1]e
j
2
N
k(N1)
+ v[N 2]e
j
2
N
k(N1)
+ + v[1]e
j
2
N
k
+ v[0]
=
N1

`=0
v[`]e
j
2
N
k`
= V[k].
En consecuencia, otra manera de interpretar la TDF de orden N de una seal es como
un proceso de ltrado por un banco de N ltros FIR, a razn de un ltro con respuesta
impulsiva (11.17) para cada muestra k de la TDF. El valor de la transformada V[k] se
obtiene en la N-sima muestra de la salida de los ltros, como muestra la Fig. 11.13(b).
Este esquema representa solo otra manera de interpretar la TDF, y no signica que sea
una forma eciente de implementarla.
La respuesta en frecuencia de cada ltro es
H
k
(e
j
) =
N1

n=0
e
j
2
N
kn
e
jn
= e
j(
2
N
k)
N1
2
sen
_
N
2
_

2
N
k
_
sen
_
1
2
_

2
N
k
_ , (11.19)
de modo que la respuesta en frecuencia del k-simo ltro tiene la forma del kernel de
Dirichlet, con su lbulo principal centrado en la frecuencia
2

k
= 2k/N.
En la Fig. 11.14(a) se han gracado los lbulos principales del conjunto de ventanas es-
pectrales correspondientes a cada muestra de V[k] (en este caso es N = 8) escalados
por N, y no se muestran los lbulos laterales. Como es natural, el ancho de cada lbulo
principal es inversamente proporcional a la longitud N de la sucesin. En las frecuencias
2
Otra forma de calcular la respuesta en frecuencia del k-simo ltro de la TDF es observando que la
respuesta impulsiva (11.17) es la respuesta impulsiva de la ventana rectangular (11.4) multiplicada por e
j
2
N
kn
.
Por lo tanto, aplicando propiedades de la TFTD, H
k
(e
j
) = W
k
(e
j(
2
N
k)
), como se observa al comparar
(11.5) con (11.19).
Procesamiento Digital de Seales U.N.S. 2011
11.1. Anlisis armnico de seales de longitud nita 19
Fig. 11.14. Respuesta de la TDF como un conjunto de ltros pasabanda.
2k/N donde se calcula las TDF, cada uno de estos ltros parece un ltro independi-
ente; esto es si la seal de entrada es una exponencial compleja de amplitud unitaria e
jn
,
donde es un mltiplo entero de 2/N, resultar en una respuesta que vale la unidad
en la frecuencia armnica apropiada, y cero para el resto de las armnicas.
El efecto picket-fence se hace evidente si la frecuencia de la seal analizada no coincide
con alguno de las armnicas de 2/N donde se calcula la TDF. Por ejemplo, una seal
que est entre la tercera y la cuarta armnica, ser vista por los ltros centrados en
3
=
(2/N) 3 y en
4
= (2/N) 4 pero con un valor menor que la unidad. El peor caso
es cuando la frecuencia de la seal yace en medio de dos muestras espectrales de la TDF,
en cuyo caso la amplitud a la salida de cada uno de los dos ltros ms prximos cae
3
a
0.637. Si se mide potencia, la amplitud observada es (0,637)
2 ~
= 0,406. De manera que el
espectro de potencia visto por este conjunto de ltros no pesa de igual manera seales
de distinta frecuencia, y tiene una ondulacin que vara en un factor de 1/0,406
~
= 2,5 a
1. El mdulo de la respuesta en frecuencia del conjunto de ltros recuerda el perl de una
cerca, Fig. 11.14(b)
4
.
El efecto picket-fence diculta la interpretacin del anlisis espectral de una seal com-
puesta por una nica componente frecuencial como revela la Fig. 11.7(a) o (c). Este in-
conveniente es ms evidente si la seal que se analiza est formada por un conjunto de
seales senoidales. Afortunadamente, el problema puede solucionarse de varias man-
eras:
1. modicando el clculo de la TDF;
2. pesando las muestras temporales con una ventana distinta de la rectangular;
3
Este valor resulta de calcular la magnitud de la respuesta en frecuencia H
k
(e
j
) en
+
= 2(k +1/2)/N.
Entonces
+
2k/N = /N, y por lo tanto H
k
(e
j
)

=+
= sen[/(2N)]
1
. La relacin entre la
ganancia de la ventana en esta frecuencia y la ganancia mxima, que vale N y ocurre en = 2k/N es
H
k
(e
j
)

=+
H
k
(e
j
)

=
2k
N
=
sen[/(2N)]
1
N
.
Aunque la atenuacin es funcin de N, puede obtenerse una aproximacin independiente del largo de la
ventana observando que cerca del mximo H
k
(e
j
) - N sinc[
N
2
(
2k
N
)]. Entonces
H
k
(e
j
)

=+
H
k
(e
j
)

=
2k
N
=
N sinc
_
1
2
_
N sinc (0)
= sinc
_
1
2
_
=
2

= 0,636.
4
Segn la bibliografa, picket fence se reere tanto al efecto de observar el espectro a travs de las rendijas
de una cerca como a la forma de la respuesta de la TDF vista como un conjunto de ltros.
Procesamiento Digital de Seales U.N.S. 2011
20 11. Anlisis frecuencial de seales discretas
Fig. 11.15. Reduccin de las prdidas por ondulacin agregando ceros a la sucesin temporal.
3. interpolando las muestras de la TDF X[k].
A continuacin se estudiarn cada uno de ellos.
Disminucin de la ondulacin modicando el clculo de la TDF
Extendiendo la longitud de la ventana de observacin con un conjunto de muestras nulas
(padding de ceros) se logra que la TDF de esta nueva sucesin tenga mayor resolucin, o
en otras palabras, se evalen otras muestras de frecuencia que yacen entre las muestras
de la TDF original. Por ejemplo, si se duplica la longitud de la TDF, las nuevas muestras
espectrales se ubicarn en medio de las muestras originales.
Si la sucesin original es v[n], para n = 0, . . . , N 1, la sucesin extendida con el
agregado de N ceros se notar como v[n], donde
v[n] =
_
v[n], si 0 _ n _ N 1,
0, para N _ n _ 2N 1.
La TDF

V[k] de la sucesin v[n] de largo 2N muestras es

V[k] =
2N1

`=0
v[`]e
j
2
2N
k`
=
N1

`=0
v[`]
..
=v[n]
e
j
2
2N
k`
+
2N1

`=N
v[`]
..
=0
e
j
2
2N
k`
es decir

V[k] =
N1

`=0
v[`]e
j
2
2N
k`
donde se suma hasta N 1 ya que las ltimas N muestras de v[n] son nulas. Este clculo
tambin puede pensarse como la accin de ltrar la seal original v[n] por un banco de
2N ltros pasabanda, cada uno de ellos con respuesta impulsiva

h
k
[n] =
_
e
j
2
2N
kn
, si 0 _ n _ N 1,
0, en caso contrario,
y 0 _ k _ 2N 1, (11.20)
es decir, un ltro cuya respuesta impulsiva tiene las ltimas N muestras nulas. La difer-
encia entre la respuesta impulsiva (11.17) y la de (11.20) no solo est en la longitud de
la respuesta (N versus 2N), sino tambin en el valor de las muestras (e
j(2k/N)n
versus
e
j[2k/(2N)]n
). La respuesta en frecuencia de cada uno de los ltros que componen el ban-
co es

H
k
(e
j
) = e
j(

N
k)
N1
2
sen
_
N
2
_


N
k
_
sen
_
1
2
_


N
k
_ , 0 _ k _ 2N 1. (11.21)
Procesamiento Digital de Seales U.N.S. 2011
11.1. Anlisis armnico de seales de longitud nita 21
Fig. 11.16. Aumento de la resolucin esectral por agregado de ceros a la sucesin temporal.
Mdulo de la TDF de la seal (a) de la Fig. 11.8 y (b) de la Fig. 11.10.
Comparando (11.21) con (11.19), se observa que el banco est compuesto por 2N ltros
del mismo ancho de banda que en el caso anterior, pero separados /N radianes entre
s (en lugar de 2/N radianes). Esto signica las respuestas en frecuencia de este nuevo
conjunto de ltros se solapan considerablemente, como ilustra la Fig. 11.15(a) . De este
modo la ondulacin en el espectro de potencia se reduce de un 60 % a un 20 % [- 1
sinc
2
(1/4)] como se observa en la Fig. 11.15(b). La ondulacin puede reducirse an ms
aumentando el nmero de ceros agregados a la sucesin v[n] original. Si la sucesin tiene
largo N, el agregado de (M1) bloques de N ceros, llevando la longitud de la sucesin
a MN puntos, resulta en una ondulacin en el espectro de potencia de
% = 100
_
1 sinc
2
_
1
2M
__
.
El agregar ceros a la sucesin temporal original, si bien no aumenta la informacin disponible
sobre la seal, permite muestrear ms namente V(e
j
), obteniendo un conocimiento
ms acabado del espectro. Mientras que V[k] especica el espectro V(e
j
) en las N fre-
cuencias
k
= 2k/N, k = 0, 1, . . ., N, la TDF

V[k] revela el valor de V(e
j
) en las MN
frecuencias
k
= 2k/(MN). La resolucin frecuencial aumenta porque el agregado de
(M1) bloques de N ceros hace en que cada intervalo [
k
,
k+1
] de las N frecuencias
originales aparezcan (M1) frecuencias intermedias [
kM+1
,
kM+2
, . . . ,
(k+1)M1
] que
antes no estaban disponibles. Como el ancho de banda del espectro V(e
j
) depende sola-
mente de las N muestras signicativas, al aumentar el nmero de frecuencias
k
donde
se lo observa hace que disminuya la variacin relativa de amplitud. En otras palabras, au-
mentan las posibilidades que la frecuencia (desconocida)
0
de una de las componentes
tonales de la seal x[n] resulte prxima a algunas de las MN frecuencias
k
.
EJEMPLO 11.7. Disminucin de las prdidas por ondulacin agregando ceros a la seal
La resolucin frecuencial de los Ejemplos 11.4 y 11.5 puede duplicarse agregando 64 ceros a la
sucesin v[n] en las ecuaciones (11.15) y (11.16), respectivamente. La TDF V[k] de 128 puntos de
la seal resultante se muestra en las Figs. 11.16(a) y 11.16(b). Estos espectros deben compararse con
los de las Figs. 11.9(b) y 11.11(b) , respectivamente. La mayor diferencia se aprecia en el espectro de
la seal formada por tonos de frecuencias mltiplos de 2/N [Fig. 11.11(b)] donde ha desaparecido
la similitud entre V[k] y X(e
j
). Para el caso de la seal del Ejemplo 11.4 el resultado es ms
favorable, pues el espectro de la seal con ceros agregados [Figs. 11.16(a)] muestra una relacin
Procesamiento Digital de Seales U.N.S. 2011
22 11. Anlisis frecuencial de seales discretas
entre las amplitudes de los picos ms prxima a la realidad. En cualquiera de los casos la TDF V[k]
es ms parecida al espectro V
_
e
j
_
que se ilustra en las Figs. 11.9(a) y 11.11(a) , respectivamente.
La mayor resolucin frecuencial de las TDF de 128 puntos revela la presencia de otras componentes
frecuenciales que no son observables en los espectros V[k] de la Fig. 11.9(b) y menos an en el de
la Fig. 11.11(b) . El agregado de ceros impide que la extensin peridica v[n] de la seal ventaneada
v[n] coincida con x[n], lo que pone de maniesto la fuga espectral.
Disminucin de la ondulacin usando ventanas temporales
La clave en la disminucin de la ondulacin es lograr que la respuesta de cada ltro
sea lo ms angosta posible, y que se solapen lo suciente como para evitar variaciones
importantes en la magnitud de la respuesta global para seales de diferentes frecuencias.
En la seccin previa este efecto se logr aumentando articialmente la longitud de la
seal a analizar agregndole ceros. Otra manera es pesar las muestras temporales por
una ventana distinta a la rectangular, por ejemplo alguna cuya respuesta en frecuencia
tenga un mayor ancho de banda, o un lbulo principal ms ancho. Aunque de esta forma
se disminuye la ondulacin, se empeora la resolucin frecuencial que es inversamente
proporcional al ancho de banda de la ventana.
Para disminuir el efecto de fuga espectral, se pesan las muestras de x[n] por valores
muy pequeos (o nulos) en las cercanas de n = 0 y n = N 1, y con valores cercanos a
la unidad en un entorno de n = N/2, o (N 1)/2, segn sea N par o impar, respectiva-
mente. De esta manera se reduce la discontinuidad que aparece en la extensin peridica
[Fig. 11.12(d)].
Usualmente la ventana temporal w[n] posee las siguientes caractersticas (aunque no es
imprescindible):
es real y semipositiva, es decir w[n] _ 0;
tiene longitud nita: w[n] = 0 para n < 0 y para n > N 1;
tiende suavemente a cero para n 0 y n N 1;
es simtrica
5
, en el sentido que w[n] = w[N n], para 1 _ n _ N 1.
La seal ventaneada v[n] se obtiene multiplicando muestra a muestra la seal x[n] a
analizar por la ventana temporal w[n],
v[n] =
_
x[n]w[n], si 0 _ n _ N 1,
0, en caso contrario.
y esta operacin puede pensarse como una generalizacin de la truncacin (11.2).
5
En realidad la simetra de la ventana es distinta segn la aplicacin. Si el propsito es el anlisis frecuen-
cial se preere que la extensin peridica de la ventana tenga perodo N; de esta forma primera muestra de
la ventana concide con la primera muestra de su extensin peridica: w[0] = w[N]. En cambio, para el dis-
eo de ltros FIR se prioriza la simetra respecto al punto medio de la ventana, esto es w[n] = w[N 1 n];
en otras palabras, la primera y la ltima muestra de la ventana son iguales: w[0] = w[N 1]. En Matlab
el primer caso se indica como muestreo peridico (periodic sampling); el algoritmo genera una ventana de
largo N +1 y devuelve las primeras N muestras. El segundo caso se denomina muestreo simtrico (simmetric
sampling), y calcula una ventana de largo N.
Procesamiento Digital de Seales U.N.S. 2011
11.1. Anlisis armnico de seales de longitud nita 23
La TDF de la seal ventaneada tambin puede verse como una operacin de ltrado
por un banco de ltros. En efecto,
V[k] =
N1

n=0
v[n]e
j
2
N
kn
=
N1

n=0
x[n]w[n]e
j
2
N
kn
=
N1

n=0
x[n]w[N n]e
j
2
N
k(Nn)
.
De manera anloga a los desarrollos de la Seccin 11.1.4, esta ltima expresin puede in-
terpretarse como la convolucin de v[n] denida por (11.18) con un ltro FIR de respuesta
impulsiva
h
k
[n] =
_
w[n](e
j
2
N
k
)
n
, si 0 _ n _ N 1,
0, en caso contrario,
evaluada en n = N. Cada muestra V[k] de la TDF puede pensarse como la salida del k-
simo ltro de respuesta impulsiva h
k
[n] evaluada en el instante n = N, y cuya respuesta
en frecuencia es
H
k
(e
j
) =
N1

n=0
w[n]e
j(
2
N
k)n
, 0 _ k _ N 1
Si la respuesta en frecuencia de la ventana temporal w[n] es
W(e
j
) =
N1

n=0
w[n]e
jn
la respuesta en frecuencia de los ltros H
k
(e
j
) del banco de anlisis son rplicas de
W(e
j
) desplazados 2k/N unidades en frecuencia
H
k
(e
j
) = W(e
j(
2
N
k)
), 0 _ k _ N 1.
Eligiendo apropiadamente el valor de las muestras temporales w[n], como se estudia en
la Seccin 11.2 se puede alterar la respuesta en frecuencia de los ltros que forman el
banco de anlisis, intentando aumentar el ancho del lbulo principal y la atenuacin de
los lbulos laterales. En general, la respuesta en frecuencia W(e
j
) de la ventana w[n]
satisface las siguientes propiedades:

W
_
e
j
_

tiene un lbulo principal en = 0, y lbulos laterales a ambos lados.


Si la m-sima derivada de la envolvente de w[n] es impulsiva, los lbulos laterales
de

W
_
e
j
_

decaen asintticamente a razn de 6m dB/octava. Esta caracterstica


puede derivarse a partir de la propiedad de la derivacin en frecuencia de la TFTD.
Aunque las principales propiedades y caractersticas de las ventanas se discuten en la
Seccin 11.2, la Fig. 11.17 permite apreciar el efecto de usar una ventana para mitigar
la ondulacin. En dicha gura se muestra el cuadrado del mdulo de la TDF X[k] de
256 puntos calculada con un DSP, utilizando dos ventanas distintas; cada pantalla en
la gura representa las primeras 128 muestras de la TDF. En la la superior se ilustran
los resultados obtenidos al truncar las muestras de la seal de entrada con una ventana
rectangular. Se observa en la columna central que si la frecuencia de la seal no coincide
con alguna de las frecuencias de la TDF (en este caso
k
= 2k/256) la amplitud de la
TDF es mucho menor que cuando la frecuencia de la seal coincide con alguna de las
k
Procesamiento Digital de Seales U.N.S. 2011
24 11. Anlisis frecuencial de seales discretas
Fig. 11.17. Efecto picket-fence: una ventana de variacin suave como la de von Hann (abajo)
presenta una menor variacin de la amplitud de la TDF X[k] en funcin de la
frecuencia de la seal de entrada que la ventana rectangular (arriba).
(columnas de la izquierda o derecha). Note que para = 26,5 (2/256) la amplitud es
de 2.4 divisiones, mientras que para = 26 (2/256) o = 27 (2/256) la amplitud es
de 5.5 divisiones: la variacin es del 56 %, aproximadamente.
En la la inferior se muestran las respuestas obtenidas al aplicar una ventana de von
Hann (que se estudia en la Seccin 11.4.3). La variacin del cuadrado del mdulo de X[k]
en funcin de la frecuencia de la seal de entrada es mucho menor: el efecto picket fence es
menos notorio pues la ventana de von Hann tiene un lbulo cuyo ancho es aproximada-
mente el doble que el de la ventana rectangular.
En la gura tambin se pone de maniesto que la ventana causa una disminucin de
resolucin frecuencial. Mientras que en la la superior de la Fig. 11.17 el ancho de cada
impulso correspondiente a una frecuencia
k
= 2k/N es de una muestra, en la la
inferior de la gura se nota que este ancho se ha ampliado al menos a tres muestras, por
lo que la incerteza en la determinacin de la frecuencia de la seal es mayor.
Disminucin de la ondulacin por interpolacin de las muestras de la TDF
Como se ver en la Seccin 11.4.3, el mismo efecto de aplicar una ventana sobre la seal
temporal, multiplicando punto a punto cada muestra de la seal por cada uno de los
valores de la ventana, puede obtenerse efectuando una suma ponderada de las mues-
tras desplazadas de la TDF. La ventaja de esta aproximacin es que en general requiere
menos operaciones (sumas y productos) que la aplicacin de la ventana a las muestras
temporales.
Procesamiento Digital de Seales U.N.S. 2011
11.2. Ventanas para el anlisis frecuencial de seales 25
Fig. 11.18. Ancho del lbulo principal y atenuacin de los lbulos laterales de la respuesta en
frecuencia de una ventana genrica, en mdulo (izquierda) y en dB (derecha).
11.2. Ventanas para el anlisis frecuencial de seales
Para disminuir los efectos de fuga espectral comentados en la seccin 11.1.1 se trata de
evitar las discontinuidades en la extensin peridica de las seales (Fig. 11.12). Para ello
las muestras temporales los extremos del conjunto de datos se pesan con factores prx-
imos a cero, y los datos centrales del conjunto con factores prximos a la unidad. Esta
funcin ponderadora recibe el nombre genrico de ventana. En la literatura se han
propuesto un gran nmero de ventanas diferentes, cada una diseada con alguna nali-
dad o aplicacin determinada.
Tan importante como la forma temporal w[n] de la ventana es la forma de su respuesta
en frecuencia, W
_
e
j
_
. Si la seal x[n] se pesa temporalmente con una ventana w[n], el
espectro de la seal resultante v[n] = x[n]w[n] es la convolucin (peridica) del espectro
de la seal X
_
e
j
_
con el de la propia ventana W
_
e
j
_
. De all que para alterar lo menos
posible el espectro de la seal el espectro de la ventana debera ser similar a un impulso.
Pero por otra parte, esto se traducira en que la ventana temporal sera innitamente
larga, y por lo tanto no cumplira con el objetivo de seleccionar un conjunto nito de
datos.
La mejor ventana es aquella que tiene la menor duracin temporal y el menor ancho de
banda. Estos son criterios contrapuestos, como queda determinado por el teorema del an-
cho de banda estudiado en el Captulo 2, y es precisamente esta situacin de compromiso
entre longitud y ancho de banda lo que ha dado lugar al desarrollo de un gran nmero
de ventanas con diferentes caractersticas, como se ver en la Seccin 11.4.
Aunque se han denido varios ndices que permiten caracterizar el desempeo de una
ventana, como se ver en la Seccin 11.3, hay dos que sobresalen sobre el resto, y son
el ancho de banda de la ventana, y la atenuacin de sus lbulos laterales. Estos dos
parmetros son fcilmente determinados a partir del grco de su respuesta en frecuen-
cia (Fig. 11.18). El objetivo de una ventana es concentrar la contribucin a una frecuencia
dada tratando de reducir el cantidad de fuga a travs de los lbulos laterales.
La aplicacin de una ventana a una seal ya sea de forma intencional o no, pues el slo
hecho de truncar una seal es equivalente a pesar la seal con la ventana rectangular dada
Procesamiento Digital de Seales U.N.S. 2011
26 11. Anlisis frecuencial de seales discretas
por (11.4) ocasiona prdida de resolucin y fuga espectral:
la disminucin de la resolucin, es decir la imposibilidad de distinguir dos compo-
nentes de frecuencia muy prximas entre s, se debe principalmente al ancho del
lbulo principal de W
_
e
j
_
;
el grado de fuga espectral que se maniesta por la inuencia de una de las com-
ponentes frecuenciales sobre las dems, depende de la amplitud relativa del lbulo
principal y respecto a los lbulos laterales de W
_
e
j
_
.
En general, el ancho del lbulo principal es inversamente proporcional a la longitud N de
la ventana mientras que la amplitud de los lbulos laterales es funcin de la forma de la
ventana; por ello se puede disminuir la fuga espectral utilizando una ventana de forma
temporal distinta a la rectangular.
Como se ver ms adelante, estas mismas ventanas se utilizan en uno de los mtodos
de diseo de ltros FIR de fase lineal (con la pequea diferencia que se indica en la nota
al pie de la pg. 22). Para esta aplicacin, los parmetros relevantes son, nuevamente, el
ancho de banda (ancho del lbulo principal), la atenuacin relativa de los lbulos lat-
erales respecto al principal, y la pendiente de decaimiento de la atenuacin de los lbu-
los laterales. Las ventanas tpicas para este caso son la rectangular, que se estudia en la
Seccin 11.4.1, la de von Hann (Seccin 11.4.3), la de Hamming (Seccin 11.4.4), y la de
Kaiser-Bessel (Seccin 11.4.8). Esta ltima es la ms popular porque con la variacin de
un parmetro () puede controlarse la relacin entre el ancho del lbulo principal y la
atenuacin de los lbulos laterales.
11.3. ndice de desempeo de las ventanas
En la literatura se han propuesto diferentes tipos de ventanas cuyo propsito es optimizar
alguna caracterstica particular. Las ventanas inuyen en varios aspectos del anlisis de
seales, incluyendo la detectabilidad, resolucin, rango dinmico, precisin en la detec-
cin de tonos, y facilidad de implementacin.
Ninguna ventana es la mejor en todos los aspectos, y la ventana correcta depende
de los requerimientos de la aplicacin particular. Sin embargo, es til determinar una
serie de parmetros que permitan una comparacin objetiva de su desempeo. Los ms
relevantes son:
1. el ancho de banda de ruido equivalente (ABRE);
2. la ganancia de procesamiento (GP);
3. la correlacin por solapamiento (CS);
4. las prdidas por ondulacin (scalloping loss, PO) ;
5. la prdida de procesamiento de peor caso (PP);
6. la fuga espectral (nivel de los lbulos laterales);
7. el mnimo ancho de banda de resolucin (AB 6dB).
Procesamiento Digital de Seales U.N.S. 2011
11.3. ndice de desempeo de las ventanas 27
Fig. 11.19. La ventana vista como un ltro espectral.
Seguidamente se analizarn cada uno de estos parmetros. Sin duda, los ms importantes
son los indicados en los tem 6 y 7, aunque el tem 5 es relevante porque agrupa un
conjunto de prdidas inevitables en el anlisis frecuencial de seales utilizando la TDF.
11.3.1. Ancho de banda de ruido equivalente (ABRE)
Como mostr el Ejemplo 11.2, la estimacin de la amplitud de un tono de una frecuencia
est alterada por la contribucin de componentes tonales en otras frecuencias. La magni-
tud de esta contribucin depende de qu tan amplio sea el ancho de banda de la ventana,
y tambin de la atenuacin de sus lbulos laterales. En situaciones reales tambin inuye
en la estimacin el ruido de banda ancha: la ventana se comporta como un ltro aportan-
do contribuciones de todas las frecuencias (Fig. 11.19). Para mejorar la estimacin de la
amplitud de un tono especco debe minimizarse el ruido captado, reduciendo el ancho
de banda de la ventana. El ancho de banda de ruido equivalente (ABRE) de la ventana se de-
ne como el ancho de banda de un ltro ideal que tenga la misma ganancia de potencia
de pico mxima que la ventana, y que acumule la misma potencia de ruido (Fig. 11.20). Si

0
es la potencia de ruido por ancho de banda unitario, la potencia de ruido acumulada
por la ventana es
P
r
=

0
2
_

W
_
e
j
_

2
d =
0
N1

n=0
(w[n])
2
,
donde la segunda igualdad surge de aplicar la relacin de Parseval. El mximo de la
ganancia de potencia de la ventana ocurre en = 0, y est dado por P
p
=
_
W
_
e
j
_

=0

2
=
_

N1
n=0
w[n]
_
2
. El ancho de banda de ruido equivalente (ABRE) normalizado por la po-
tencia de ruido por ancho de banda unitario y por el largo N de la ventana es
ABRE =
N
N1
n=0
(w[n])
2
_

N1
n=0
w[n]
_
2
.
Cuanto mayor sea el ABRE, peor ser el desempeo de la ventana para la estimacin de
la amplitud.
Procesamiento Digital de Seales U.N.S. 2011
28 11. Anlisis frecuencial de seales discretas
Fig. 11.20. Ancho de banda de ruido equivalente de una ventana.
11.3.2. Ganancia de procesamiento (GP)
Un concepto muy relacionado al ancho de banda de ruido equivalente (ABRE) es la
Ganancia de Procesamiento GP (o su inversa, la Prdida de Procesamiento PP). La GP
de la ventana tiene en cuenta la reduccin de los valores de las muestras temporales x[n]
prximas a los extremos de la ventana, y se dene como la relacin entre la relacin seal
a ruido a la salida del ltro y la relacin seal a ruido a la entrada del ltro, normalizada
por el largo de la ventana.
Para interpretar este concepto es conveniente pensar la TDF como el banco de ltros de la
Fig. 11.13. Si la seal de entrada es una exponencial compleja de frecuencia
k
= 2k/N
contaminada por ruido, x[n] = Ae
j
k
n
+ q[n], donde q[n] es una sucesin de ruido blanco
con varianza
2
q
, la salida del k-simo ltro debida a la seal ser
V[k]
seal
=
N1

n=0
(x[n]w[n])e
j
2
N
kn
=
N1

n=0
_
Ae
j
k
n
w[n]
_
e
j
2
N
kn
= A
N1

n=0
w[n] = A W(e
j
)

=0
. (11.22)
La salida del ltro depende de la ganancia de continua de la ventana, que vale N para una
ventana rectangular, y es menor que N para otros tipos de ventana, ya que las muestras
tienden suavemente a cero cerca de los extremos. Esta reduccin en el factor de propor-
cionalidad, que altera la estimacin de las amplitudes del espectro, se denomina ganancia
coherente (GC), y su valor normalizado por el largo del ltro es
GC =
1
N
N1

n=0
w[n]. (11.23)
La ganancia coherente de potencia es GC
2
.
Por otra parte, la salida del ltro k-simo debida al ruido es
V[k]
ruido
=
N1

n=0
(q[n]w[n])e
j
2
N
kn
y la potencia de ruido a la salida del ltro k-simo es el valor medio cuadrtico de este
valor, dado por
E
_
[V[k]
ruido
[
2
_
=

m
w[n]w[m]q[n]q[m]e
j
2
N
kn
e
j
2
N
km
=
2
q
N1

n=0
w
2
[n] (11.24)
Procesamiento Digital de Seales U.N.S. 2011
11.3. ndice de desempeo de las ventanas 29
Fig. 11.21. Particin para procesamiento sin solapamiento (a) y con solapamiento (b).
donde E es el operador esperanza. La ganancia de potencia de ruido (11.24) es la suma
de los cuadrados de los elementos de la ventana, mientras que la ganancia de potencia de
seal [el cuadrado de (11.23)] es el cuadrado de la suma de los elementos de la ventana.
Finalmente
GP =
1
N
S
o
/N
o
S
i
/N
i
=
1
N
A
2
_

N1
n=0
w[n]
_
2
/
_

2
q

N1
n=0
w
2
[n]
_
A
2
/
2
q
=
_

N1
n=0
w[n]
_
2
N
N1
n=0
w
2
[n]
=
1
ABRE
.
La GP es la recproca del ABRE, i.e., un gran ABRE signica que la ganancia de proce-
samiento es reducida. Esto es razonable, ya que la potencia de ruido que afecta la es-
timacin espectral crece cuanto mayor sea el ancho de banda. En la literatura se suele
utilizar tambin la ganancia coherente de potencia, el cuadrado de la GP. La prdida de
procesamiento (PP) es la inversa de la GP, y por lo tanto, coincide con el ancho de banda
de ruido equivalente.
11.3.3. Correlacin por solapamiento (CS)
Cuando se efecta el anlisis frecuencial de una sucesin extremadamente larga, es fre-
cuente particionarla en subsucesiones de longitud N, donde N se elige de acuerdo a la
resolucin frecuencial deseada,
f =
2
N
.
El coeciente reeja el incremento en el ancho de banda debido a la ventana adoptada.
El cociente 2/N es la mnima resolucin obtenible con una TDF de orden N (utilizando
una ventana rectangular) y suele denominarse resolucin de la TDF. El coeciente suele
elegirse como el ancho de banda de ruido equivalente (ABRE), expresado en nmero de
muestras.
Si el procesamiento (ventaneado + TDF) se aplica a tramos que no se solapan entre s
[Fig. 11.21(a)], se ignora una parte importante de la sucesin original, ya que la ventana
tiende a cero en las muestras cercanas a los extremos. Si la transformada se utiliza para
detectar tonos de corta duracin, el anlisis efectuado con segmentos de la seal que no
se solapan puede omitir algn evento, sobre todo si este ocurre cerca de los extremos de
la ventana. Para evitar la prdida de datos es frecuente calcular las TDF de tramos de la
sucesin original que contengan elementos comunes, como se observa en la Fig. 11.21(b).
Es habitual que el solapamiento sea de un 50 % o un 75 %. Aunque se incrementa el vol-
umen de clculo requerido, pues para analizar la sucesin deben calcularse un nmero
mayor de TDFs, las ventajas obtenidas justican el esfuerzo adicional.
Procesamiento Digital de Seales U.N.S. 2011
30 11. Anlisis frecuencial de seales discretas
Para reducir la varianza de las mediciones se promedia el cuadrado del mdulo de TDF
sucesivas. Si se promedian K mediciones independientes, con idntica distribucin, la
varianza del promedio de las K medidas
2
PROM
es 1/K de la varianza individual
2
MED
de cada medicin,

2
PROM

2
MED
=
1
K
. (11.25)
Al solapar las subsucesiones se pierde la propiedad de independencia, de modo que la
reduccin en la varianza no sigue la ley (11.25). El grado de correlacin entre las compo-
nentes aleatorias en transformaciones sucesivas en funcin del solapamiento r, es
c (r) =

rN1
k=0
W[k]W[k + (1 r)N]

rN1
k=0
W
2
[k]
(11.26)
donde rN es la cantidad de muestras que se solapan entre cada subsucesin. La variacin
de la varianza en funcin del coeciente de correlacin (11.26) se calcula como:

2
PROM

2
MED
=
_

_
1
K
_
1 + 2c
2
(
1
2
)

2
K
2
c
2
(
1
2
), para un solapamiento del 50 %,
1
K
_
1 + 2c
2
(
3
4
) + 2c
2
(
1
2
) + 2c
2
(
1
4
)

2
K
2
_
c
2
(
3
4
) + 2c
2
(
1
2
) + 3c
2
(
1
4
)

,
para un solapamiento del 75 %.
(11.27)
Los trminos negativos en (11.27) pueden despreciarse si el nmero de secciones K es
mayor que 10. Adems, para ventanas buenas (Seccin 11.3.8), c
2
(1/4) 1, y tambin
puede omitirse este trmino con error despreciable. En general, para buenas ventanas, la
transformadas calculadas con un solapamiento del 50 % son prcticamente independi-
entes.
11.3.4. Prdida por ondulacin (PO)
La ganancia de procesamiento GP mide la ganancia de la ventana cuando la frecuencia
de la seal a analizar coincide con alguna de las frecuencias
k
de la TDF. La prdida por
ondulacin, o efecto picket-fence, mide la prdida adicional en la ganancia que sufre una
seal sinusoidal cuya frecuencia est en medio de dos frecuencias de la TDF. La ganancia
de una seal de frecuencia
k+1/2
= 2(k + 1/2)/N es
V
_
e
j
_

=
k+1/2
=
N1

n=0
(x[n]w[n])e
j
2
N
kn
=
N1

n=0
w[n]e
j
2
N
(k+
1
2
)n
e
j
2
N
kn
=
N1

n=0
w[n]e
j

N
n
= W
_
e
j
_

=/N
mientras que la ganancia de una seal de frecuencia
k
es (11.22)
V
_
e
j
_

=
k
=
N1

n=0
w[n] = W
_
e
j
_

=0
.
La prdida por ondulacin es el cociente entre estas dos ganancias,
PO =
V
_
e
j
_

=
k+1/2
V
_
e
j
_

=
k
=

N1
n=0
w[n]e
j

N
n

N1
n=0
w[n]
=

W
_
e
j
_

=/N

W
_
e
j
_

=0
Procesamiento Digital de Seales U.N.S. 2011
11.3. ndice de desempeo de las ventanas 31
Fig. 11.22. Efecto de la fuga espectral de una ventana.
es decir que la relacin entre las ganancias de dos seales de frecuencia
k
y
k+1/2
es
igual a la relacin de ganancias de la ventana a frecuencia cero y a frecuencia (1/2)(2/N).
Las prdidas por ondulacin representan la mxima atenuacin de la ganancia de proce-
samiento GP debida a la frecuencia de la seal
6
.
11.3.5. Prdida de procesamiento de peor caso (PP)
La prdida de procesamiento de peor caso est relacionada con la mnima amplitud de
un tono inmerso en ruido que es posible detectar, y se dene como la suma de la mxima
prdida por ondulacin PO, y de la prdida de procesamiento PP = 1/GP = ABRE.
Este nmero indica la reduccin en la relacin seal a ruido de la salida como resultado
del ventaneo y la peor ubicacin de la frecuencia de la seal.
La prdida de procesamiento de peor caso est comprendida entre 3.0 dB y 4.3 dB; una
ventana es mala si su prdida de procesamiento de peor caso excede 3.8 dB (Seccin
11.3.8).
11.3.6. Fuga espectral
La estimacin de la amplitud de un tono no slo se ve inuida por el espectro del ruido de
banda ancha, como se muestra en la Fig. 11.19, sino tambin por las seales de banda an-
gosta que quedan comprendidas dentro del ancho de banda de la ventana. Como ilustra
la Fig. 11.22, un tono de frecuencia
a
tambin contribuye a la estimacin de la ampli-
tud del tono de frecuencia
0
; de aqu el nombre de fuga espectral. Esta contribucin
depende de la ganancia en la frecuencia
a
de la funcin transferencia de una ventana
centrada en
0
o, en otras palabras, del nivel de atenuacin de los lbulos laterales.
Los tonos interferentes contribuyen con distintos mdulos y fases, por lo que el mximo
del espectro puede desplazarse respecto a la frecuencia verdadera de la seal (Fig. 11.5),
lo que diculta detectar seales de pequea amplitud prximas en frecuencia a seales
de amplitud mucho mayor. Estos errores se incrementan a medida que disminuye el niv-
el de atenuacin de los lbulos laterales. Si los lbulos laterales no decaen rpidamente,
an frecuencias lejanas podran interferir en la estimacin de amplitud. Por ello, es de-
seable que la ventana no slo exhiba lbulos laterales de pequea amplitud sino tambin
que la transicin del lbulo principal a los lbulos laterales sea rpida. De aqu que el
6
Para el caso de la ventana rectangular, la prdida por ondulacin es de 0,636 o 3,92 dB, como se calcul
en la nota 3 de la pgina 19.
Procesamiento Digital de Seales U.N.S. 2011
32 11. Anlisis frecuencial de seales discretas
Fig. 11.23. Atenuacin y pendiente de decrecimiento de los lbulos laterales de distintas ven-
tanas: (a) rectangular; (b) triangular; (c) von Hann.
comportamiento de una ventana respecto a la fuga espectral se caracterice con el nivel
de atenuacin de los lbulos laterales ms cercanos al lbulo principal, y la pendiente
de decrecimiento asinttico de la envolvente de dichos lbulos, como se muestra en la
Fig. 11.23.
11.3.7. Mnimo ancho de banda de resolucin
El mnimo ancho de banda de resolucin mide cul es la diferencia en frecuencia nece-
saria para que con una dada ventana puedan resolverse un par de componentes tonales
de igual intensidad a partir de la observacin de los lbulos principales, independiente-
mente de su ubicacin frecuencial. Normalmente, la superposicin de dos picos espec-
trales idnticos se puede resolver si no se solapan menos que el ancho de banda de 3 dB
[Fig. 11.24(a)]. Sin embargo, las componentes espectrales adyacentes estn pesadas por la
ventana y sus espectros se suman coherentemente, por lo que la ganancia de potencia en
el punto de cruce debe ser menor que 0.5, o, en otras palabras, los cruces de las respuestas
en frecuencia de la ventana deben ocurrir ms all del ancho de banda de 6 dB, como se
muestra en la Fig. 11.24(b). El ancho de banda de 6 dB indica entonces el mnimo ancho
de banda de resolucin.
Fig. 11.24. Resolucin espectral de frecuencias prximas: (a) resolucin insuciente; (b) res-
olucin crtica.
Procesamiento Digital de Seales U.N.S. 2011
11.3. ndice de desempeo de las ventanas 33
Tabla 11.1: Ventanas y guras de mrito. GC: Ganancia coherente. ABRE: ancho
de banda de ruido equivalente. AB 3 dB: ancho de banda de 3 dB. PO: prdidas
por ondulacin. PP: prdidas de procesamiento de peor caso. AB 6 dB: ancho de
banda de 6 dB. CS: correccin por solapamiento. Los nombres resaltados indican
las ventanas ms usadas.
Nivel
lbulos
laterales
Pendiente
lbulos
laterales
GC ABRE AB 3dB PO PP AB 6dB CS
VENTANA
(dB) (dB/octava) (muestras) (muestras) (dB) (dB) (muestras) 75% 50%
Rectangular 13 6 1.00 1.00 0.89 3.92 3.92 1.21 75.0 50.0
Bartlett 27 12 0.50 1.34 1.28 1.82 3.07 1.77 72.1 24.9
Hamming 43 6 0.54 1.36 1.30 1.75 3.10 1.82 70.9 23.3
Riesz 21 12 0.67 1.20 1.16 2.22 3.02 1.59 76.7 34.2
Riemann 26 12 0.59 1.30 1.25 1.88 3.03 1.73 73.6 27.2
de la Valle-Poussin 53 24 0.37 1.92 1.82 0.89 3.73 2.56 49.7 4.9
Bohman 46 24 0.40 1.79 1.70 1.02 3.55 2.38 54.9 7.3
Blackman Exacta 68 6 0.46 1.57 1.52 1.33 3.29 2.13 62.7 14.0
Blackman 58 18 0.42 1.73 1.65 1.09 3.48 2.30 57.0 9.0
Flat top 42 0 0.28 2.97 2.94 0.00 4.73 3.57 25.5 7.9
Blackman- mx At.-3T 70 6 0.42 1.71 1.66 1.13 3.45 1.81 57.2 9.6
Harris mn AB-3T 62 6 0.45 1.61 1.56 1.27 3.34 2.19 61.0 12.6
mx At.-4T 92 6 0.36 2.01 1.90 0.82 3.85 2.67 46.4 3.7
mn AB-4T 74 6 0.40 1.79 1.74 1.03 3.56 2.44 53.9 7.4
Nuttall 92 6 0.36 1.98 1.88 0.85 3.81 2.63 47.4 4.1
cos

(x) = 1.0 23 12 0.64 1.24 1.19 2.09 3.01 1.64 75.8 31.7
(von Hann) = 2.0 32 18 0.50 1.50 1.44 1.42 3.19 2.00 66.2 15.6
= 3.0 39 24 0.42 1.74 1.66 1.07 3.47 2.32 57.0 8.4
= 4.0 47 30 0.37 1.95 1.86 0.86 3.76 2.59 48.9 4.2
Gauss = 2.5 42 6 0.50 1.45 1.37 1.58 3.18 1.92 67.5 19.3
= 3.0 55 6 0.42 1.70 1.60 1.16 3.47 2.26 57.3 10.2
= 3.5 69 6 0.36 1.98 1.86 0.87 3.83 2.62 47.0 4.6
Dolph- = 2.5 50 0 0.52 1.40 1.33 1.68 3.13 1.85 69.6 21.7
Chebyshev = 3.0 60 0 0.48 1.52 1.45 1.42 3.24 2.02 64.9 16.0
= 3.5 70 0 0.44 1.64 1.55 1.23 3.37 2.18 60.5 11.7
= 4.0 80 0 0.41 1.74 1.66 1.09 3.50 2.32 56.3 8.6
Kaiser- = 2.0 46 6 0.49 1.50 1.43 1.45 3.21 2.00 66.0 16.8
Bessel = 2.5 57 6 0.44 1.65 1.58 1.20 3.38 2.20 59.9 11.1
= 3.0 69 6 0.40 1.80 1.71 1.02 3.57 2.39 54.3 7.3
= 3.5 82 6 0.37 1.93 1.83 0.89 3.75 2.57 49.2 4.5
Tukey = 0.25 14 18 0.87 1.10 1.01 2.95 3.38 1.38 74.2 44.3
= 0.50 15 18 0.75 1.22 1.15 2.23 3.11 1.58 72.9 36.2
= 0.75 19 18 0.62 1.36 1.31 1.72 3.07 1.80 70.7 24.9
Poisson = 2.0 19 6 0.43 1.31 1.21 2.03 3.22 1.70 70.1 27.5
= 3.0 24 6 0.32 1.66 1.46 1.43 3.63 2.09 55.1 14.9
= 4.0 31 6 0.25 2.08 1.75 1.02 4.20 2.59 40.6 7.3
Cauchy = 3.0 31 6 0.42 1.49 1.34 1.67 3.40 1.91 61.8 19.9
= 4.0 35 6 0.33 1.78 1.52 1.33 3.83 2.22 49.0 12.9
= 5.0 30 6 0.27 2.08 1.69 1.10 4.28 2.55 38.6 8.8

Procesamiento Digital de Seales U.N.S. 2011
34 11. Anlisis frecuencial de seales discretas
Fig. 11.25. Comparacin de ventanas en funcin de la atenuacin de los lbulos laterales y las
prdidas de procesamiento de peor caso. Las mejores ventanas se ubican en el
margen inferior izquierdo.
11.3.8. Comparacin de los ndices de desempeo de distintas ventanas
La Tabla 11.1 condensa la informacin de los parmetros
7
comentados en las seccin
anterior para un conjunto de ventanas que sern analizadas en la Seccin 11.4.
De la Tabla 11.1 se observa que, como el ancho de banda de ruido equivalente (ABRE)
siempre excede el ancho de banda de 3 dB, la diferencia entre estos dos ndices es un buen
indicador del comportamiento global de la ventana. Se ha determinado empricamente
que este ndice oscila entre un 4.0 % a 5.5 % para las buenas ventanas. Aquellas que
superan este valor tienen un lbulo principal muy ancho, o la estructura de sus lbulos
laterales presenta poca atenuacin, y por lo tanto tienen gran prdida de procesamien-
to (PP) o pobres capacidades de deteccin de seales compuestas por un par de tonos
prximos.
Aunque la Tabla 11.1 permite comparar los parmetros de distintos tipos de ventanas,
no evidencia cules son los parmetros ms relevantes, que probablemente son el nivel
de amplitud de los lbulos laterales, vinculado a la fuga espectral, y las prdidas de
7
Los valores de algunos parmetros pueden diferir de los que se observan en los grcos de la Seccin
11.4 pues fueron calculados promediando los parmetros de ventanas de longitud N = 400, 500, 600, 700,
800, 900, 1000.
Procesamiento Digital de Seales U.N.S. 2011
11.4. Algunas ventanas tpicas 35
procesamiento de peor caso. La Fig. 11.25 muestra la posicin relativa de las ventanas con
respecto a estos dos parmetros. Las ventanas ubicadas en el extremo inferior izquierdo
de la gura son ventanas con buen desempeo, ya que tienen bajos lbulos laterales
y bajas prdidas de procesamiento de peor caso. Las diferencias de las PP entre varias
ventanas es menor que 1.0 dB, y para buenas ventanas es menor que 0.7 dB.
11.4. Algunas ventanas tpicas
A continuacin se describen algunas de las ventanas de uso ms frecuente. La primera
ventana que se presenta es la ventana rectangular, que ya fue tratada en la Seccin 11.1.1.
Evidentemente, sta es una ventana de aplicacin muy sencilla en el dominio tiempo, y
muy fcil de analizar en el dominio frecuencial. Sin embargo la baja atenuacin de los
lbulos laterales hace que la fuga espectral sea importante. Para aliviar estos efectos se
han desarrollado muchos tipos de ventanas diferentes, que en general llevan el nombre
de quienes las propusieron por primera vez. Como caracterstica comn presentan una
variacin suave desde su valor mnimo (usualmente cero) hasta su valor mximo, lo que
disminuye la amplitud de los lbulos laterales (minimizando a su vez la fuga espectral)
a costa de aumentar el ancho del lbulo principal (perdiendo resolucin).
Para cada una de las ventanas que se presentan se adjuntan tres grcos que permiten
una comparacin visual entre los distintos tipos (vea por ejemplo la Fig. 11.26). El grco
de la izquierda muestra la forma de la ventana en el dominio temporal (su respuesta
impulsiva). El grco central ilustra el mdulo de la respuesta en frecuencia de la ventana
normalizado por la longitud N de la ventana,

W
N
_
e
j
_

=
1
N

N1

n=0
w[n]e
jn

,
de modo que la ganancia coherente es el valor de

W
N
_
e
j
_

en = 0. Finalmente, a la
derecha de la gura se observa la respuesta en frecuencia de la ventana en dB, normal-
izado al valor de frecuencia cero,

W
dB
_
e
j
_

= 20 log
10

N1
n=0
w[n]e
jn

N1
n=0
w[n]

,
que permite observar con mejor detalle la relacin entre el lbulo principal y los lbulos
laterales, como as tambin la estructura de los mismos. En todos los casos se ha adoptado
una longitud N = 20.
11.4.1. Ventana Rectangular
La ventana rectangular (11.4) pesa igualmente N muestras de la seal x[n],
w[n] =
_
1, 0 _ n _ N 1,
0, en caso contrario.
La respuesta en frecuencia W
_
e
j
_
fue calculada en (11.5), y se repite aqu por conve-
niencia:
W
R
_
e
j
_
= e
j(
N1
2
)
sen (N/2)
sen (/2)
. (11.28)
Procesamiento Digital de Seales U.N.S. 2011
36 11. Anlisis frecuencial de seales discretas
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.00
0
|W(e
j
)| (dB)
0
20
40
60
Fig. 11.26. Ventana rectangular.
El primer cero de la respuesta en frecuencia ocurre cuando N
1
/2 = , por lo que el
ancho del lbulo principal es 2
1
= 4/N. El primer lbulo lateral (que tambin es el
mayor de los lbulos laterales) ocurre aproximadamente a = 3/N, y su magnitud es
W
_
e
j
_

=
3
N
=

sen(3/2)
sen[3/(2N)]

~
=
2N
3
si N 1.
Comparando la amplitud de este lbulo con la amplitud del lbulo principal, que es
igual a N, la magnitud del primer lbulo lateral respecto al lbulo principal es 2/(3) =
21,22 % = 13 dB.
11.4.2. Ventana Triangular o de Bartlett
Como el efecto Gibbs ocurre por la brusca variacin de la amplitud de la ventana de 0 a
1 (y viceversa), Bartlett sugiri una transicin ms gradual en la forma de una ventana
triangular, cuya respuesta impulsiva es
w[n] =
_

_
2n
N
, 0 _ n _
N
2
,
2
2n
N
,
N
2
_ n _ N 1,
si N es par
8
. La respuesta en frecuencia est dada por
W
T
(e
j
) =
2
N
e
j(
N
2
1)
_
sen (N/4)
sen (/2)
_
2
,
que es el cuadrado de la respuesta en frecuencia de una ventana rectangular de ancho
N/2 (la ventana triangular se puede pensar como la convolucin temporal de dos ven-
tanas rectangulares de longitud N/2). La atenuacin de los lbulos laterales es el doble
que para una ventana rectangular, y la amplitud del primer lbulo lateral es aproximada-
mente 26 dB menor que la amplitud del lbulo principal. Los lbulos laterales decaen a
8
En general hay ligeras variaciones en la denicin adoptada segn los diferentes autores. La denicin
debe cambiarse ligeramente segn sea N impar o par. Pero no son stas las nicas diferencias; por ejemplo
en este caso, aunque la ventana es simtrica respecto a N/2, falta la ltima muestra que no vale 0, sino
1/(N 1) o 1/N. Otros autores no incluyen las muestras con valor nulo como parte de la ventana. En
MATLAB la ventana es perfectamente simtrica para N par o impar, y w[0] = w[N 1] = 0, aunque no
siempre es as. Por ejemplo, las funciones w=hann(N) y w=hanning(N) calculan la ventana de von Han, pero
en la primera w[0] = w[N 1] = 0, y en la segunda w[0] = w[N 1] ,= 0. En la prctica estas diferencias
son menores y no afectan fundamentalmente la calidad de la ventana o el resultado de los anlisis que se
efecten con ella.
Procesamiento Digital de Seales U.N.S. 2011
11.4. Algunas ventanas tpicas 37
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.48
0
|W(e
j
)| (dB)
0
20
40
60
Fig. 11.27. Ventana triangular o de Bartlett.
razn de 12 dB/octava. Harris (1978) demostr que la ventana triangular es la ventana
ms simple cuya transformada de Fourier es positiva.
11.4.3. Ventana cos

(n/N) , sen

(n/N) (de von Hann para = 2)


Esta es una familia de ventanas que dependen de un parmetro , usualmente entero. La
expresin general es w[n] = cos

_
n
N

_
, si (N 1)/2 _ n _ (N 1)/2, para ventanas
no causales, de aplicacin en ltros, y
w[n] = sen

_
n
N

_
, si 0 _ n _ N 1,
para ventanas causales que se usan en el clculo de la TDF. En cualquiera de los dos
casos, se las suele identicar como ventanas coseno.
La ventana de Hann (tambin es conocida como Hanning) debe su nombre al meteorl-
ogo austraco Julius von Hann. Es el miembro de la familia de ventanas senoidales para
= 2, y se dene como
w
Hann
[n] = sen
2
_
n
N

_
=
1
2
_
1 cos
_
2
N
n
__
, 0 _ n _ N 1.
La respuesta en frecuencia puede calcularse reemplazando el coseno por su forma expo-
nencial compleja,
W
Hann
(e
j
) =
N1

n=0
w[n]e
jn
=
1
2
N1

n=0
_
1
1
2
e
j
2
N
n

1
2
e
j
2
N
n
_
e
jn
=
1
2
N1

n=0
e
jn

1
4
N1

n=0
e
jn
e
j
2
N
n

1
4
N1

n=0
e
j
2
N
n
e
jn
=
1
2
W
R
(e
j
)
1
4
W
R
(e
j(
2
N
)
)
1
4
W
R
(e
j(+
2
N
)
) (11.29)
donde W
R
(e
j
) es la respuesta en frecuencia de la ventana rectangular (11.28). La relacin
(11.29) muestra que pesar las muestras v[n] de la seal temporal por la ventana de Hann
es equivalente a efectuar un promedio ponderado del espectro V[k] de la seal v[n] sin
ventanear corrido en 2/N. La TDF de W
Hann
(e
j
) es
W
Hann
[k] = W
Hann
(e
j
)

=
2
N
k
=
1
2
W
R
[k]
1
4
W
R
[((k 1))
N
]
1
4
W
R
[((k + 1))
N
],
donde W
R
[k] es la TDF de la ventana rectangular. El primer lbulo lateral de la ventana de
Hann tiene una amplitud 32 dB menor que la del lbulo principal, y los lbulos laterales
decaen a razn de 18 dB/octava.
Procesamiento Digital de Seales U.N.S. 2011
38 11. Anlisis frecuencial de seales discretas
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.61
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.48
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.40
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.36
0
|W(e
j
)| (dB)
0
20
40
60
Fig. 11.28. Familia de ventanas cos

(x) . (a) =1; (b) =2 (von Hann); (c) =3; (d) =4.
11.4.4. Ventana de Hamming
La ventana de Hamming es similar a la de von Hann:
w
Hamm
[n] = 0,54 0,46 cos
_
2
N
n
_
, 0 _ n _ N 1.
La derivacin de la respuesta en frecuencia es similar a la de la ventana de Hann, y resulta
W
Hamm
(e
j
) = 0,54W
R
(e
j
) 0,23W
R
(e
j(
2
N
)
) 0,23W
R
(e
j(+
2
N
)
),
o
W
Hamm
[k] = 0,54W
R
[k] 0,23W
R
[((k 1))
N
] 0,23W
R
[((k + 1))
N
].
Procesamiento Digital de Seales U.N.S. 2011
11.4. Algunas ventanas tpicas 39
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.52
0
|W(e
j
)| (dB)
0
20
40
60
Fig. 11.29. Ventana de Hamming.
Los factores de peso fueron elegidos para minimizar la contribucin al primer lbulo
lateral, que est atenuado casi 43 dB respecto del lbulo principal. El resto de los lbulos
laterales decaen ms lentamente que los de la ventana de Hann, a razn de 6 dB/octava,
pues las muestras 0 y N 1 no son nulas (en particular, w
Hamm
[0] = w
Hamm
[N 1] =
0,08).
11.4.5. Ventanas de Blackman, Flat-top, Blackman-Harris y Nuttall
Las ventanas de Hann y Hamming son ejemplos de funciones temporales tipo coseno
elevado (es decir, la suma de un trmino coseno ms una constante) que resultan en
respuestas frecuenciales que pueden escribirse como la suma ponderada de la respuesta
en frecuencia de la ventana rectangular desplazada en 2/N. Esta idea puede gener-
alizarse expandiendo las funciones de peso temporales como una sumatoria de trminos
coseno,
w
BH
[n] =
M

m=0
(1)
m
b
m
cos
_
2
N
mn
_
, 0 _ n _ N 1, (11.30)
donde
M
m=0
b
m
= 1, b
i
_ 0. De este modo, la respuesta en frecuencia es
W
BH
(e
j
) =
M

m=0
(1)
m
b
m
2
_
W
R
(e
j(
2
N
m)
) +W
R
(e
(j+
2
N
m)
)
_
.
La ventana de Blackman es una expansin de tres trminos, con b
0
= 0,42, b
1
= 0,50, b
2
=
0,08; sta es una aproximacin de la ventana exacta de Blackman, cuyos coecientes
son b
0
= 3969/9304, b
1
= 1155/2326, b
2
= 715/9304. Otra ventana de esta familia es
la Flat-top que tiene una ondulacin (ripple) muy baja en la banda de paso. El ABRE
es elevado (3.8 muestras), por lo que no tiene una buena resolucin espectral, y suele
utilizarse nicamente para calibracin. Es la nica ventana de este apunte cuya respuesta
impulsiva tiene muestras temporales positivas y negativas. Utilizando un algoritmo de
minimizacin, Harris (1978) deriv un conjunto de ventanas de la forma (11.30) con M +
1 = 3 o M + 1 = 4 trminos no nulos, que presentan mxima atenuacin de los lbulos
laterales (que se indican max At.), o minimizan el ancho del lbulo principal (notadas
como mn AB). La ventana de Nuttall (1981) corrige un error en los coecientes de la
ventana de Harris de 4 trminos con mnimo ancho de banda. En la Tabla 11.2 se detallan
los coecientes para cada una de las ventanas citadas, mientras que las respuestas de la
ventana de Blackman, Flat-top, la de 4 trminos de mxima atenuacin de Blackman-
Harris, y la de Nuttall se muestran en las Figs. 11.30(a)(d), respectivamente.
Procesamiento Digital de Seales U.N.S. 2011
40 11. Anlisis frecuencial de seales discretas
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.40
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.34
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.27
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.35
0
|W(e
j
)| (dB)
0
20
40
60
Fig. 11.30. Familia de ventanas de Blackman. (a) Blackman; (b) Flat-top; (c) Blackman-Harris
de 4 trminos y mxima atenuacin de lbulos laterales (92 dB); (d) Nuttall.
Tabla 11.2: Coecientes de familia de ventanas de Blackman.
3 trminos 4 trminos
b
i
Blackman Blackman Flat top B-H B-H B-H B-H Nuttall
exacta mx At. mn AB mx At. mn AB
b
0
3969/9304 0.42 0.2810638602 0.42323 0.44959 0.35875 0.40217 0.40217
b
1
1155/2326 0.50 0.5208971735 0.49755 0.49364 0.48829 0.49703 0.49703
b
2
715/9304 0.08 0.1980389663 0.07922 0.05677 0.14128 0.09392 0.09892
b
3
- - - - - 0.01168 0.00183 0.00188
Procesamiento Digital de Seales U.N.S. 2011
11.4. Algunas ventanas tpicas 41
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.50
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.42
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.36
0
|W(e
j
)| (dB)
0
20
40
60
Fig. 11.31. Familia de ventanas de Gauss. (a) = 2,5; (b) = 3,0; (c) = 3,5.
11.4.6. Ventana de Gauss-Weierstrass
De acuerdo al principio de incertidumbre (teorema del ancho del banda del Captulo 2),
no es posible construir ventanas que sean temporalmente cortas y que tengan un lbulo
principal angosto. El pulso gaussiano, al presentar el menor producto (duracin)(ancho
de banda) es un candidato razonable para una ventana previa truncacin o descarte de
las colas del pulso. La ventana de Gauss se dene como
w[n] = e

1
2
_
1

[nN/2[
N/2
_
2
, 0 _ n _ N 1.
Su transformada de Fourier es la convolucin de la transformada del pulso gaussiano
con el kernel de Dirichlet,
W(e
j
) =
1
2
_
2

1
2
(
1

)
2
~W
R
(e
j
)
~
=
N
2
_
2

1
2
(
1

)
2
,
si > 2,5 y es pequea. Esta ventana est parametrizada por (la inversa del desvo
tpico) que est en relacin directa con el ancho del lbulo principal de su transformada
de Fourier. En general, el incremento de hace que la exponencial decaiga ms rpida-
mente, y en consecuencia sea menos severa la discontinuidad en los extremos, lo que
incrementa el ancho del lbulo principal y decrementa la amplitud de los lbulos lat-
erales.
Procesamiento Digital de Seales U.N.S. 2011
42 11. Anlisis frecuencial de seales discretas
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.51
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.47
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.44
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.41
0
|W(e
j
)| (dB)
0
20
40
60
Fig. 11.32. Ventanas de Dolph-Chebyshev. (a) = 2,5; (b) = 3,0; (c) = 3,5; (d) = 4,0.
11.4.7. Ventana de Dolph-Chebyshev
Esta ventana minimiza el ancho de lbulo principal para una longitud N y una aten-
uacin de los lbulos laterales prejadas. Este tipo de problemas han sido estudiados por
los diseadores de antenas, que buscan incrementar la sensitividad en una direccin re-
stringiendo simultneamente los lbulos laterales de captacin. Su expresin temporal es
relativamente complicada, pero puede obtenerse calculando la TDF inversa de X[k]: las
N muestras de su transformada de Fourier son
W[k] = (1)
k
cos
_
N cos
1
_
cos(

N
k)
_
cosh
_
N cosh
1

_ , 0 _ k _ N 1,
Procesamiento Digital de Seales U.N.S. 2011
11.4. Algunas ventanas tpicas 43
donde = cosh
_
N
1
cosh
1
(10

)
_
, y
cos
1
=
_

2
tan
1
_
1
2
, [[ _ 1,
ln
_
+
_

2
1
_
, [[ > 1.
Para obtener las muestras temporales w[n] se calcula la TDF inversa de W[k] y se escala
para tener amplitud pico unitaria. El parmetro representa el logaritmo de la relacin
entre el nivel de lbulo principal y el mayor lbulo lateral; un valor de = 3 representa
lbulos laterales que son 10
3
veces (60 dB) menores que el lbulo principal. La estruc-
tura de lbulos laterales es uniforme y casi sinusoidal.
11.4.8. Ventana de Kaiser-Bessel
Mientras que la ventana de Gauss es la que tiene menor producto (duracin)(ancho
de banda), y la ventana de Dolph-Chebyshev es la que presenta el lbulo lateral ms
angosto para un determinado nivel de atenuacin de los lbulos laterales, la ventana de
Kaiser-Bessel minimiza el ancho del lbulo principal para que la energa de los lbulos
laterales no supere un porcentaje dado de la energa total. Aunque las ventanas de Kaiser
y de Dolph-Chebyshev son similares, la primera es ms popular, y probablemente sea la
ventana ms utilizada en el procesamiento de seales moderno. Se dene como
w[n] =
1
I
0
()
I
0
_
_

_
1
_
n N/2
N/2
_
2
_
_
, 0 _ n _ N 1, (11.31)
donde I
0
(x) =

n=0
[(1/k!) (x/2)
k
]
2
es la funcin de Bessel modicada de primer tipo. El
parmetro es la mitad del producto (duracin)(ancho de banda). La transformada de
Fourier es aproximadamente W(e
j
) = N sinh /[I
0
()], donde = [
2
(N/2)
2
]
1/2
.
Estas ventanas fueron propuestas para el diseo de ltros FIR. Kaiser obtuvo un par de
frmulas empricas que relacionan el orden N de la ventana y el parmetro con los
criterios de diseo de ltros. Si representa el ancho de la zona de transicin del ltro,
y la ondulacin tolerada en la banda de paso y en la banda de rechazo, el valor emprico
de de una ventana que cumpla estos requerimientos es
=
_
_
_
0,1102 (A 8,7) , si A > 50,
0,5842 (A 21)
0,4
+ 0,07886 (A 21) , si 21 _ A _ 50,
0, si A < 21,
(11.32)
donde A = 20 log
10
. El orden N de la ventana est dado por
N =
A 8
2,285
+ 1, (11.33)
con un error de a lo sumo 2 muestras sobre N, para un amplio rango de valores de y
A. Como se ver ms adelante, las ecuaciones (11.32) y (11.33) simplican el gran medida
el diseo de ltros FIR.
Para utilizar la ventana de Kaiser en el anlisis frecuencial de seales, conviene adaptar
estas ecuaciones en funcin de A
sl
, la relacin en dB entre el nivel del lbulo principal y el
Procesamiento Digital de Seales U.N.S. 2011
44 11. Anlisis frecuencial de seales discretas
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.47
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.42
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.38
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.36
0
|W(e
j
)| (dB)
0
20
40
60
Fig. 11.33. Ventanas de Kaiser-Bessel. (a) = 2; (b) = 2,5; (c) = 3; (d) = 3,5.
nivel del mayor lbulo lateral. Kaiser y Schafer (1980) encontraron que la relacin A
sl
es
relativamente independiente del tamao de la ventana, y por experimentacin numrica
relacionaron con la atenuacin deseada para los lbulos laterales:
=
_
_
_
0, si A
sl
< 13,26,
0,76609 (A
sl
13,26)
0,4
+ 0,09834 (A
sl
13,26) , si 13,26 _ A
sl
_ 60,
0,12438 (A
sl
+6,3) , si 60 < A
sl
< 120.
(11.34)
Utilizando los valores de obtenidos de esta ecuacin se obtienen ventanas cuyos lbulos
laterales dieren menos del 0.36 % del valor deseado para el rango 13,26 < A
sl
< 120. Si
se toma = 0, la ventana de Kaiser coincide con la ventana rectangular y A
sl
= 13,26.
Procesamiento Digital de Seales U.N.S. 2011
11.4. Algunas ventanas tpicas 45
En este caso, los citados autores encontraron que la longitud N en funcin del ancho del
lbulo principal y la atenuacin deseada para los lbulos laterales satisface la relacin
emprica
N
24 (A
sl
+ 12)
155
ml
+ 1, (11.35)
donde
ml
es el ancho del lbulo principal. Para disear una ventana con un lbulo prin-
cipal de ancho
ml
y una atenuacin de lbulos laterales A
sl
, se calcula de (11.34) y se
encuentra N con (11.35); con y A
sl
se computa la ventana temporal con (11.31).
11.4.9. Otras ventanas
Muchos investigadores han construido, con alguna nalidad particular, ventanas que son
productos, sumas, secciones o convoluciones de funciones simples: la ventana triangu-
lar es la convolucin de dos ventanas rectangulares; la de Hamming es la suma de una
ventana rectangular y una de von Hann, etc. A continuacin se listan algunas de las ms
conocidas.
Ventana de Riesz (Bochner, Parzen-I)
Es la ventana polinomial ms sencilla (Fig. 11.34), y su expresin temporal es
w[n] = 1

2n
N
1

2
, 0 _ n _ N 1.
Los lbulos laterales de la respuesta en frecuencia decaen a razn de 12 dB/octava porque
la primera derivada temporal es discontinua en los extremos de la ventana. El primer
lbulo lateral est 22 dB por debajo del lbulo principal.
Ventana de Riemann
Est formada por el lbulo principal de una sinc (Fig. 11.35),
w[n] = sinc (2n/N 1) , 0 _ n _ N 1.
Ventana de de la Valle-Poussin (Jackson, Parzen-II)
Esta ventana, convolucin de dos ventanas triangulares o cuatro rectangulares, es con-
tinua hasta la tercera derivada, y por ello los lbulos laterales decaen a 24 dB/octava
(Fig. 11.36). La expresin temporal es
w[n] =
_
_
_
1 6
_

2n
N
1

_
2
_
1

2n
N
1

_
,

n
N
2

_
N
4
,
2
_
1

2n
N
1

_
3
,
N
4
<

n
N
2

<
N
2
.
Procesamiento Digital de Seales U.N.S. 2011
46 11. Anlisis frecuencial de seales discretas
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.63
0
|W(e
j
)| (dB)
0
20
40
60
Fig. 11.34. Ventana de Riesz (Bochner, Parzen-I).
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.56
0
|W(e
j
)| (dB)
0
20
40
60
Fig. 11.35. Ventana de Riemann.
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.36
0
|W(e
j
)| (dB)
0
20
40
60
Fig. 11.36. Ventana de de la Valle-Poussin (Jackson, Parzen-II).
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.39
0
|W(e
j
)| (dB)
0
20
40
60
Fig. 11.37. Ventana de Bohman.
Procesamiento Digital de Seales U.N.S. 2011
11.4. Algunas ventanas tpicas 47
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.83
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.71
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.60
0
|W(e
j
)| (dB)
0
20
40
60
Fig. 11.38. Ventanas de Tukey. (a) = 25 %; (b) = 50 %; (c) = 75 %.
Ventana de Bohman
Esta ventana (Fig. 11.37) es la convolucin de una ventana triangular con un coseno del
mismo perodo, ms un trmino de correccin para que la derivada se anule en los ex-
tremos. As, la segunda derivada es continua y los lbulos laterales decaen a razn de 12
dB/octava. La expresin de la ventana es
w[n] =
_
1

2n
N
1

_
cos
_

2n
N
1

_
+
1

sen
_

2n
N
1

_
, 0 _ n _ N 1.
Ventana de Tukey
Esta ventana resulta de convolucionar el lbulo de un coseno de ancho N/2 con una
ventana rectangular de ancho (1 /2)N, e intenta suavizar la transicin cerca de los
extremos, sin reducir signicativamente la ganancia de procesamiento. A medida que el
parmetro vara desde 0 hasta 1, la ventana pasa de la ventana rectangular a la ventana
de von Hann. Exhibe un confuso conjunto de lbulos laterales que surge por el producto
Procesamiento Digital de Seales U.N.S. 2011
48 11. Anlisis frecuencial de seales discretas
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.42
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.31
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.24
0
|W(e
j
)| (dB)
0
20
40
60
Fig. 11.39. Familia de ventanas de Poisson. (a) = 2; (b) = 3; (c) = 4.
de las transformadas de las dos componentes. La ventana se dene como
w[n] =
_
1,

n
N
2

_ (1 )
N
2
,
1
2
_
1 cos

2n
N
1

_
, (1 )
N
2
<

n
N
2

_
N
2
.
Ventana de Poisson
La familia de ventanas de Poisson son exponenciales dobles dependientes de un parmetro
, cuya expresin temporal es
w[n] = e

2n
N
1

, 0 _ n _ N 1.
Como es discontinua en los extremos, no decae ms rpido que 6 dB/octava. A medida
que crece, la discontinuidad en los bordes es ms pequea y la estructura de los lbulos
laterales se confunde con las asntotas. El lbulo principal es relativamente ancho por lo
que el ancho de banda de ruido equivalente (ABRE) es elevado. Tambin presenta una
elevada prdida de procesamiento de peor caso.
Procesamiento Digital de Seales U.N.S. 2011
11.4. Algunas ventanas tpicas 49
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.40
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.32
0
|W(e
j
)| (dB)
0
20
40
60
n 0 N1
w[n]
1.0
0.6
0.2
0
|W(e
j
)|
1.0
0.26
0
|W(e
j
)| (dB)
0
20
40
60
Fig. 11.40. Familia de ventanas de Cauchy. (a) = 3; (b) = 4; (c) = 5.
Ventana de Cauchy
Esta es una familia de ventanas dependientes de un parmetro , que se denen como
w[n] =
_
1 +
_

2n
N
1

_
2
_
1
, 0 _ n _ N 1.
Esta ventana es la dual de la ventana de Poisson, por lo que su transformada de Fourier
es una doble exponencial. El lbulo principal es relativamente ancho, y el espectro se
asemeja a un tringulo issceles cuando se graca en dB. El ancho de banda de ruido
equivalente (ABRE) es elevado.
Ventana Exponencial
Esta ventana se utiliza en el anlisis de fenmenos transitorios, en especial cuando la lon-
gitud de la experiencia es mayor que la cantidad de memoria disponible para almacenar
las muestras de la seal. De esta forma se puede hacer muy pequea la amplitud de la
seal en el extremo de la ventana, disminuyendo los efectos de fuga espectral. La con-
stante de tiempo de la ventana exponencial determina su longitud, y tambin el ancho
de banda y el ABRE. Al igual que con la ventana transitoria, es frecuente especicar las
Procesamiento Digital de Seales U.N.S. 2011
50 11. Anlisis frecuencial de seales discretas
muestras donde comienza y termina la ventana, y suavizar el principio de la ventana
pesndola por un medio coseno como en la ventana de Tukey.
Ventana Transitoria
Esta ventana suele utilizarse para mejorar la relacin seal a ruido en la medicin de
fenmenos transitorios. La ventana es rectangular, pero pueden elegirse los nmeros de
muestras donde comienza y termina la ventana. Puede basarse en una ventana de Tukey,
especicando tambin las muestras de principio y n de la misma. La nalidad de este
tipo de ventanas es eliminar de la sucesin los tramos que no tienen que ver con el ex-
perimento que se analiza. Es comn en el anlisis de vibraciones: por ejemplo, cuando
se efecta una medicin de respuesta en frecuencia de un sistema mecnico con un mar-
tillo de impacto, la nica seal de inters es la que se genera durante e inmediatamente
despus del impacto. Cualquier otro tipo de seal medida debe eliminarse pues no tiene
que ver con la experiencia bajo estudio. La ventana transitoria permite eliminar estas
muestras no deseadas haciendo coincidir el comienzo de la misma con el momento del
impacto.
11.5. Criterios de seleccin de ventanas
No hay un criterio absoluto que permita indicar cul es la ventana ptima para cada
aplicacin, aunque s pueden darse algunos lineamientos bsicos.
Debido a la poca potencia computacional de los primeros procesadores, en un principio
se prerieron ventanas que implicaran pocas operaciones en el dominio tiempo, como
por ejemplo la ventana de Tukey (Fig. 11.38) que pesa el primer y ltimo 25 % de las
muestras por un coseno elevado, y deja intactas el 50 % de las muestras restantes. Sin em-
bargo, no es una ventana muy eciente, segn los ndices de desempeo discutidos en
la Seccin 11.3. Otra ventana conveniente desde este punto de vista es la ventana de von
Hann, cuyo efecto sobre los datos temporales se puede reproducir convolucionando la
TDF con los pesos 1/4, 1/2 y 1/4, como se analiza en la Seccin 11.4.3. Si el volumen
de clculo no es un factor decisivo se pueden denir un gran nmero de ventanas con
lbulos laterales de menor amplitud que los de la ventana rectangular.
Los instrumentos que calculan el espectro de una seal en base a la FFT no suelen contar
con una variedad muy amplia de ventanas. Por ejemplo, la serie Inniiumde Agilent slo
cuenta con 3 tipos de ventanas: rectangular, de Hann y at-top; los analizadores de Bruel
& Kjaer tienen 7 ventanas: cuatro con caractersticas predenidas, como la rectangular,
Hann, Kaiser-Bessel, at-top, y tres con parmetros ajustables por el usuario: transitoria,
exponencial, y una arbitraria, denida por el usuario.
Cualquiera sea la ventana elegida, debe tenerse presente que el procedimiento correcto
es aplicar la ventana solamente a los datos reales, y no a los datos articiales generados
por el agregado de ceros a la sucesin original. Estas muestras adicionales nulas slo sir-
ven para obtener una representacin ms suave del espectro de la seal, como muestran
las Figs. 11.9(a) y 11.11(a).
Cuando se analizan seales transitorias, la ventana rectangular es la de uso ms fre-
cuente, aunque el empleo de la ventana transitoria permite mejorar la relacin seal a
Procesamiento Digital de Seales U.N.S. 2011
11.6. Anlisis frecuencial 51
ruido eliminando las partes de la seal que no son relevantes para la experiencia. La ven-
tana exponencial permite ajustar la duracin de la experiencia a la capacidad de memoria
o al tamao de la TDF.
Para el caso de seales no transitorias suelen preferirse ventanas con lbulos principales
ms anchos para determinaciones precisas de relaciones de amplitud, donde es necesario
minimizar las prdidas por ondulacin (efecto picket-fence). En cambio, para estimar
con precisin las frecuencias de seales desconocidas suelen preferirse ventanas con gran
atenuacin de sus lbulos laterales, y un lbulo principal angosto. Aunque la ventana
rectangular es la que tiene el lbulo principal ms angosto, no suele utilizarse pues los
lbulos laterales son importantes y decaen lentamente, alterando el espectro. La ventana
de Hann es la ms utilizada para analizar el contenido espectral de una seal; aunque el
lbulo principal tiene un ancho que es el doble del de la ventana rectangular, la rpida
cada de los lbulos laterales permite resolver componentes frecuenciales cercanas.
La ventana at-top es la ms conveniente para efectuar mediciones de amplitud, ya que
debido al amplio lbulo principal, la amplitud del pico espectral es muy precisa. El mx-
imo error de amplitud debido a la fuga espectral (prdidas por ondulacin) es de 0.1 dB,
mucho mejor que el error que presenta la ventana de Hanning (1.5 dB). Sin embargo,
la ventana at-top no es tan buena cuando se intenta resolver componentes espectrales
prximas. Su gran ABRE (3.43 muestras) hace que su uso sea desaconsejable si la seal
que se pretende analizar est contaminada por ruido. Adems como sus lbulos laterales
no decrecen con la frecuencia, es ms sensible al ruido de banda ancha, lo que diculta la
deteccin de tonos enmascarados por ruido o por tonos prximos de mayor amplitud.
11.6. Anlisis frecuencial
Una de las aplicaciones de la TDF es reconocer o detectar las componentes frecuenciales
de seales peridicas arbitrarias. El problema de estimar la frecuencia de un tono, en
general contaminado con ruido, aparece en campos tan dismiles como audio, comuni-
caciones, medicina, instrumentacin, etc. La herramienta fundamental para resolver este
problema es la TDFT o la TDF. Al utilizar cualquiera de ellas, se presentan una serie de
compromisos entre la cantidad de tiempo necesario para medir la seal, la cantidad de
muestras, el tipo de ventana temporal empleada, y la resolucin obtenible en el dominio
frecuencia. El procedimiento tpico consiste en tomar un conjunto de muestras represen-
tativas, pesarlas por alguna ventana, y calcular la TDF de esas muestras ponderadas. Los
mximos relativos del espectro indican la amplitud relativa de las componentes, y las
ubicaciones de los mismos se asocian a la frecuencia de cada una.
En esta seccin se presentar la metodologa usual de anlisis espectral de seales discre-
tas usando la TDF a travs de ejemplos tomados de Harris (1978), Porat (1997) y Oppen-
heim (1998).
EJEMPLO 11.8. Anlisis de seales sinusoidales utilizando una ventana de Kaiser
La seal del Ejemplo 11.4 se pondera con una ventana de Kaiser, resultando
v[n] =
_

_
w
K
[n] cos
_
2
14
n
_
+
3
4
w
K
[n] cos
_
4
15
n
_
, 0 _ n _ 63,
0, en caso contrario.
(11.36)
Procesamiento Digital de Seales U.N.S. 2011
52 11. Anlisis frecuencial de seales discretas
Fig. 11.41. Anlisis de seales con la ventana de Kaiser. (a) Seal ventaneada de longitud
N = 32. (b) Mdulo de la TDF, N = 32. (c) Seal ventaneada de longitud
N = 64. (d) Mdulo de la TDF, N = 64.
La ventana de Kaiser w
K
[n] est dada por (11.31). El factor se elige de modo de que la mxima
amplitud de los lbulos laterales est 40 dB por debajo del lbulo principal. De acuerdo con (11.34),
para A
sl
= 40 se obtiene = 5,48.
En la Fig. 11.41(a) se muestra la sucesin ventaneada v[n] con una ventana de largo N = 32, y
en la Fig. 11.41(b) la TDF. La diferencia entre las frecuencias de los tonos es =
1

0
=
4/15 2/14 = 0,389. Segn la frmula aproximada (11.35), para el largo de la ventana elegido
(N = 32) y = 5,48, la ventana tiene un lbulo principal
ml
= 0,815, que es ms del doble de
ancho que la diferencia entre las frecuencias de la seal. Por lo tanto, los lbulos principales de las
rplicas de W
K
_
e
j
_
centradas en
0
y en
1
se solapan severamente y no es posible distinguir dos
picos, o resolver las componentes frecuenciales de la seal, como se observa en la Fig. 11.41(b) .
En la Fig. 11.41(c) se muestra la misma seal, pero pesada con una ventana de largo N = 64. Como
la ventana tiene el doble de longitud que en el caso anterior, el lbulo principal tiene aproximadamente
la mitad de ancho. Las ecuaciones de diseo de la ventana de Kaiser (11.34) y (11.35) permiten
calcular que para N = 64 y = 5,48 el ancho del lbulo principal es
ml
= 0,401, apenas superior
a la diferencia de frecuencia entre los tonos. Como ahora las copias de la transformada de Fourier
de la ventana se solapan slo ligeramente, se pueden resolver perfectamente las dos componentes
frecuenciales de la seal, como muestra la Fig. 11.41(d).
En los ejemplos anteriores el orden de la TDF coincide con la longitud de la sucesin
temporal v[n], con la excepcin de la Fig. 11.16 del Ejemplo 11.5, donde se efectu un
padding de ceros antes de calcular la TDF para obtener un eje de frecuencias con una grilla
ms na. El agregado de muestras nulas a la seal original no mejora la resolucin, que
depende de la forma y el largo de la ventana, como se muestra en el siguiente Ejemplo.
EJEMPLO 11.9. Anlisis de seales sinusoidales agregando muestras nulas
Procesamiento Digital de Seales U.N.S. 2011
11.6. Anlisis frecuencial 53
Fig. 11.42. Efecto del tamao de la TDF de una sucesin de longitud N = 32 ponderada con
una ventana de Kaiser. (a) Mdulo de la TDF de 32 puntos. (b) Mdulo de la TDF
de 64 puntos. (c) Mdulo de la TDF de 128 puntos. (d) Mdulo de la TDF de 1024
puntos.
A la seal (11.36) del Ejemplo 11.8, pesada por una ventana de Kaiser con = 5,48 y N = 32,
se le agregan ceros para calcular TDFs de mayor orden que el tamao de la sucesin original.
En la Fig. 11.42(a) se muestra el mdulo de la TDF de 32 puntos, que es una repeticin de la
Fig. 11.41(b). Las Figs. 11.42(b) , (c) y (d) muestran el mdulo de la TDF de 64, 128 y 1024
puntos, respectivamente. El agregado de ceros a la sucesin de 32 puntos hace que la transformada
de Fourier V
_
e
j
_
quede muestreada ms namente, pero no cambia la envolvente del mdulo de la
TDF, como se aprecia en la gura. En consecuencia, el aumento del tamao de la TDF agregando
ceros a la sucesin original no mejora la habilidad para resolver dos componentes frecuenciales
prximas; lo nico que hace es cambiar el espaciado de las muestras espectrales, suavizando la
presentacin de V[k] y hacindola ms parecida a V(e
j
).
Para representar completamente una sucesin v[n] de longitud N basta con efectuar una
TDF V[k] de N puntos, ya que la sucesin original puede recuperarse exactamente a par-
tir de la TDF inversa de V[k]. Sin embargo, el agregado de muestras nulas a la sucesin
original y el clculo de una TDF de orden mayor hace que el espectro de V
_
e
j
_
quede
muestreado ms namente. Una interpolacin lineal de las muestras de la TDF V[k] de
L N puntos permite una interpretacin ms sencilla que la TDF de N puntos, como
se aprecia comparando las Figs. 11.42(a) y 11.42(d) . Se obtiene as una imagen razon-
ablemente precisa del espectro V
_
e
j
_
, que puede utilizarse para estimar las ubicaciones
y amplitudes de los picos espectrales, como se muestra en el siguiente Ejemplo.
EJEMPLO 11.10. Estimacin frecuencial con muestras nulas e interpolacin lineal
La Fig. 11.43 muestra cmo el aumento del largo N de la ventana permite resolver componentes de
frecuencia relativamente prximas entre s, dejando constante el orden L N de la TDF utilizada
Procesamiento Digital de Seales U.N.S. 2011
54 11. Anlisis frecuencial de seales discretas
Fig. 11.43. Clculo de la TDF de orden mucho mayor (1000 puntos) que el largo N de la
sucesin temporal, con interpolacin lineal entre las muestras para obtener una
curva continua. (a) Largo de la sucesin N = 32. (b) N = 42. (c) N = 54. (d)
N = 64.
para evaluar la transformada de Fourier V
_
e
j
_
de una seal ventaneada v[n]. La seal del Ejemplo
11.8 fue pesada por ventanas de Kaiser ( = 5,48) de longitudes N = 32, 42, 54 y 64. En todos los
casos se calcul una TDF de L = 1000 puntos, que permite una representacin suave del espectro
cuando las muestras consecutivas de la TDF se unen con segmentos de recta (Fig. 11.43).
En la Fig. 11.43(a) la longitud de la ventana es N = 32, y no se alcanzan a resolver las dos compo-
nentes sinusoidales. A medida que se incrementa N, se nota una sensible mejora de la discriminacin;
con una ventana de longitud apenas un 30 % superior [N = 42, Fig. 11.43(b)] ya es posible distinguir
la presencia de dos componentes espectrales. Una ventana de longitud un poco mayor (N = 54)
aumenta la diferencia entre las crestas y los valles del espectro.
La TDF de 1024 puntos de la Fig. 11.43(d) permite ubicar los picos espectrales con mas precisin
que la TDF de 64 puntos de la Fig. 11.41(d) del Ejemplo 11.8, a pesar que ambas TDF se han
aplicado a la misma sucesin de largo N = 64 ponderada con la misma ventana. La amplitud de los
picos espectrales de la Fig. 11.43(c) y (d) estn muy prximos a la relacin correcta de 0.75 a 1.
EJEMPLO 11.11. Anlisis con diferentes ventanas
La seal discreta v[n] = sen [(25,48/128) 2n] + 0,005 sen [(32/128) 2n] , con 0 _ n _ 127,
est formada por dos sinusoides cuya frecuencias se han elegido de manera que el tono de mayor
potencia cae entre las muestras 25 y 26 de una TDF de 128 puntos, mientras que el de menor
amplitud coincide con la muestra 32 . La diferencia de amplitud entre los tonos es de 46 dB.
La Fig. 11.44 muestra el mdulo (en dB) de la TDF de L = 1024 puntos de la sucesin de N = 128
puntos completada con ceros, de modo que la TDF V[k] es una aproximacin muy buena del
espectro V
_
e
j
_
de la seal. En cada caso, la sucesin temporal se pes con diferentes ventanas:
rectangular, triangular, von Hann, Hamming, Blackman y Kaiser con = 10/ [Figs. 11.44(a)
( f ) , respectivamente]. Como se puede observar en las Fig. 11.44(a) y (b), los altos lbulos laterales
Procesamiento Digital de Seales U.N.S. 2011
11.6. Anlisis frecuencial 55
Fig. 11.44. Determinacin de frecuencia con diferentes ventanas: (a) rectangular; (b) Bartlett
o triangular; (c) von Hann; (d) Hamming; (e)Blackman; ( f ) Kaiser, = 10/.
de las ventanas rectangular y triangular enmascaran la componente ms dbil, y salvo por una ligera
irregularidad en los lbulos laterales, no se puede reconocer ninguna contribucin. El empleo de una
ventana de Hann [Fig. 11.44(c)] permite detectar ambas componentes, pues a una distancia de 6,5
unidades de 2/N sus lbulos laterales son sucientemente pequeos. La ventana de Hamming
[Fig. 11.44(d)] no tiene un buen desempeo, debido a que sus lbulos laterales decrecen lentamente
en funcin de la frecuencia (a razn de 6 dB/octava, Fig. 11.29) mientras que los lbulos laterales
de la ventana de von Hann decaen a razn de 18 dB/octava [Fig. 11.28(b)]. Las ventanas de
Blackman [Fig. 11.44(e)] y la de Kaiser [Fig. 11.44( f )] tienen un buen comportamiento, ya que
permiten distinguir fcilmente la seal de pequea amplitud; sin embargo, con la ventana de Kaiser
las dos componentes frecuenciales tienen mejor separacin que con la ventana de Blackman, debido
a que la primera tiene un lbulo principal ms angosto que la segunda.
Procesamiento Digital de Seales U.N.S. 2011
56 11. Anlisis frecuencial de seales discretas
11.7. Sesgo en la estimacin espectral
Es habitual identicar las frecuencias componentes de una seal dada en base a la ubi-
cacin de los mximos relativos de su espectro. Sin embargo, salvo para el caso de una
seal con nica componente frecuencial compleja, de la forma x
0
[n] = e
j
0
n
con <
n < , los mximos del espectro de cualquier otra seal formada por dos o ms tonos
quedan desplazados respecto a las frecuencias de las componentes, debido a la interac-
cin de las respuesta en frecuencia de las ventanas utilizadas la truncacin.
Existen numerosas aproximaciones para resolver este inconveniente, y el mtodo basado
en el empleo de la TDF y las ventanas puede no ser el mejor, sobre todo cuando las
seales estn contaminadas por ruido. Sin embargo, los fundamentos pueden descubrirse
estudiando el sesgo causado por las ventanas. En estos casos, se puede plantear una
manera de disminuirlo utilizando estimadores sencillos.
11.7.1. Efectos de la ventana en el error de la estimacin de frecuencia
Como se coment brevemente en la Seccin 11.1.1, los mximos del espectro no ocurren
necesariamente en las frecuencias de las componentes armnicas que forman la seal,
debido al solapamiento de las distintas rplicas del espectro de la ventana de truncacin.
Para explicar este fenmeno es conveniente comenzar con una seal peridica exponen-
cial compleja,
x
0
[n] =
1
2
e
j
0
n
, < n < .
Por simplicidad se considera que esta seal se trunca con una ventana rectangular w[n]
de N muestras de longitud dada por
w[n] =
_
1, 0 _ n _ N 1,
0, caso contrario,
obtenindose la seal
v
0
[n] = x
0
[n] w[n] =
_
1
2
e
j
0
n
, 0 _ n _ N 1,
0, caso contrario.
El espectro de la seal x
0
[n] est formado por un tren de impulsos de rea , ubicados en
la frecuencia
0
y sus rplicas cada 2,
X
0
(e
j
) =

r
(
0
+ 2r).
Si W(e
j
) representa el espectro de la ventana w[n], el espectro V
0
(e
j
), que resulta de la
convolucin peridica entre W(e
j
) y el espectro X
0
(e
j
) de la seal peridica x
0
[n], es
V
0
(e
j
) =
1
2
_

X(e
j
)W(e
j()
)d =
1
2
_

(
0
) W(e
j()
)d
=
1
2
W(e
j(
0
)
).
Para el caso en que w[n] es la ventana rectangular, el espectro W(e
j
), calculado en (11.5),
est dado por
W(e
j
) = e
j(
N1
2
)
sen (N/2)
sen (/2)
,
Procesamiento Digital de Seales U.N.S. 2011
11.7. Sesgo en la estimacin espectral 57
Fig. 11.45. Espectro de la seal x
0
[n] = (1/2)e
j
0
n
para 0 _ n _ N 1 (a) . Espectro de la
seal x[n] = cos
0
n para 0 _ n _ N 1 (b) .
y por lo tanto,
V(e
j
) =
1
2
e
j(
0
)(
N1
2
)
sen[N(
0
)/2]
sen[(
0
)/2]
.
Es sencillo encontrar que el mdulo de este espectro, que se representa en la Fig. 11.45(a),
tiene un mximo en =
0
. En este caso el mximo del espectro ocurre exactamente a
la frecuencia de la seal peridica x
0
[n], en =
0
.
Para una seal peridica x[n] = cos
0
n = (1/2)e
j
0
n
+ (1/2)e
j
0
n
el anlisis resulta
similar. Como se discuti en la Seccin 11.1.1, el espectro de X(e
j
) es
X(e
j
) =

r
(
0
+ 2r) + ( +
0
+ 2r),
y por lo tanto el espectro de la seal v[n] = x[n] para 0 _ n _ N 1 (i.e., x[n] truncada a
N muestras) es
V(e
j
) =
1
2
W(e
j(
0
)
) +
1
2
W(e
j(+
0
)
),
que muestra que el espectro de esta seal es la suma de rplicas del espectro W(e
j
)
de la ventana desplazadas a
0
. Como W(e
j
) es complejo, esta suma debe tener en
cuenta las fases relativas de las rplicas: el mximo de una de las rplicas de W(e
j
)
debe sumarse a las contribuciones de las colas de las dems rplicas. Por lo tanto, las
ubicaciones de los extremos relativos de V(e
j
) no coinciden, en general, con la ubicacin
de los impulsos de X(e
j
), que estn localizados en
0
+ 2r, r Z. Esta situacin es
la que se representa en la Fig. 11.45(b) .
Procesamiento Digital de Seales U.N.S. 2011
58 11. Anlisis frecuencial de seales discretas
La diferencia entre la ubicacin del mximo del espectro, indicado como
0
en la Fig. 11.45(b),
y la frecuencia
0
de la seal real sigue ocurriendo aunque la truncacin de la seal tem-
poral se efecte con otra ventana distinta de la rectangular, ya la ubicacin del mximo
tiene que ver con la suma algebraica de las distintas rplicas del espectro, y no con la
forma del espectro en s. Esta interpretacin tambin muestra que la diferencia entre la
ubicacin de los mximos de V(e
j
) (en las frecuencias
0
+ 2r) y de los impulsos
de X(e
j
) (en las frecuencias
0
+ 2r) es tanto mayor cuanto ms prximas estn las
rplicas del espectro. Para el caso de la Fig. 11.45(b) , las rplicas estn bastante prximas,
y por eso la diferencia entre la frecuencia detectada, dada por la ubicacin del mximo de
V(e
j
) y la frecuencia real
0
es bastante importante. Como los espectros son peridicos
de perodo 2, para el caso de seales reales formadas por componentes de una nica
frecuencia
0
(con rplicas que aparecen en
0
y 2
0
, entre otras frecuencias), la
distancia entre las rplicas es el mnimo entre 2
0
y 2 2
0
. Como el rango de frecuen-
cia es [0, ), el mximo solapamiento se produce para frecuencias cercanas a 0 o a , y
el mnimo para frecuencias prximas a /2
El ancho del lbulo principal y la amplitud de los lbulos laterales tambin inuye en el
error de estimacin. Los lbulos principales anchos afectan la estimacin de frecuencias
prximas, mientras que lbulos laterales de gran amplitud y la manera en que decaen en
funcin de la frecuencia inuyen sobre las componentes frecuenciales ms alejadas pero
de menor intensidad.
EJEMPLO 11.12. Error de estimacin frecuencial para distintas ventanas
En este ejemplo se estudia el error de estimacin de la frecuencia de la seal
v[n] =
_
cos n, 0 _ n _ N 1,
0, caso contrario.
para N = 20, y para distintos valores de comprendidos entre 0 y . La seal se pondera con
distintas ventanas temporales, y la frecuencia se detecta ubicando la posicin del mximo de
una TDF de N
TDF
= 1000 puntos, agregando 980 ceros a v[n]. Como V[k] se calcula en muchos
puntos, la resolucin frecuencial 2/N
TDF
es elevada, y V(e
j
) puede aproximarse por V[k]. En la
Fig. 11.46(a) se graca el error de estimacin = para una ventana rectangular. Como
se mencion anteriormente, el error disminuye a media que se acerca a /2. El error para
prximo a cero (o a 2) tambin es pequeo porque los lbulos principales estn tan solapados
que el mximo ocurre en una frecuencia prxima a = 0 (o a ). En la gura se indican dos
frecuencias, =
0
, para la cual el error de estimacin es elevado, y =
1
donde el error es
pequeo. Para esta ventana, el mximo error ocurre para una seal de frecuencia
0
= 0,084,
mientras que la frecuencia detectada es
0
= 0,13; el error es = 0,046, que es ms del
50 % de la frecuencia real de la seal. El espectro V(e
j
) para esta frecuencia se muestra en la
Fig. 11.46(b); la frecuencia real se indica con lnea de trazos, y se aprecia la diferencia entre esta
frecuencia y la ubicacin del mximo del espectro en =
0
. En la Fig. 11.46(c) se muestra el
espectro V(e
j
) para =
1
, frecuencia para la cual el error de estimacin es pequeo. En este
caso la ubicacin del mximo del espectro en =
1
y la frecuencia real
1
, indicada por lnea de
trazos, es prcticamente indistinguible.
En las Fig. 11.46(d)-( f ) se repiten los resultados para una ventana de von Hann. La Fig. 11.46(d)
muestra que el error decrece ms rpidamente a medida que tiende a /2. Por otra parte, como el
lbulo principal de la ventana es ms ancho que el de la ventana rectangular, el error para frecuencias
cercanas a cero (o a ) es mayor.
El anlisis se repite en la Fig. 11.47(a)-(c) para una ventana de Hamming, y en la Fig. 11.47(d)-
( f ) para una ventana de Blackman-Harris de 3 trminos con mxima atenuacin. El efecto ms
Procesamiento Digital de Seales U.N.S. 2011
11.7. Sesgo en la estimacin espectral 59
Fig. 11.46. Deteccin de frecuencia usando la TDF. Error de estimacin en funcin del espectro
de la seal, y espectro de las seales con mayor y menor error de estimacin, para
una ventana rectangular (a)-(c) , y de von Hann (d)-( f ) .
interesante es la magnitud y la variacin del error de estimacin en funcin de la frecuencia de
la seal a detectar. Nuevamente se observa que el error disminuye para mayores distancias entre
las rplicas del espectro de la ventana (es decir, cuando tiende a /2). Adems, el error en
frecuencias prximas a cero o a es mayor para ventanas con lbulo principal ms ancho (como la
de Blackman-Harris).
La Tabla 11.3 muestra las frecuencias para las cuales ocurre el mayor error de estimacin para cada
una de las ventanas consideradas en este ejemplo. En la Tabla se lista la frecuencia de la seal,
la frecuencia estimada , y la diferencia = .
Si la seal x[n] est formada por mayor nmero de componentes armnicas de similar
amplitud, el error de estimacin de las frecuencias aumentar, en general, porque habr
mayor cantidad de rplicas del espectro de la ventana interrindose mutuamente. En
caso que las componentes espectrales tengan amplitudes muy diferentes, la deteccin de
las frecuencias con menor amplitud se ver afectada por el efecto de las colas de las
componentes de mayor amplitud.
Procesamiento Digital de Seales U.N.S. 2011
60 11. Anlisis frecuencial de seales discretas
Fig. 11.47. Deteccin de frecuencia usando la TDF. Error de estimacin en funcin del espectro
de la seal, y espectro de las seales con mayor y menor error de estimacin, para
una ventana de Hamming (a)-(c) , y de Blackman-Harris de 3 trminos con mxima
atenuacin (d)-( f ) .
Tabla 11.3: Mximos errores de estimacin para distintas ventanas.
ventana
rectangular 0,084 0,130 0,046
von Hann 0,098 0,174 0,076
Hamming 0,098 0,176 0,078
Blackman-Harris 3T-AB 0,104 0,216 0,112
Este problema no puede corregirse de ninguna manera. Sus efectos pueden atenuarse au-
mentando la longitud de la ventana temporal, porque as se reduce el ancho del lbulo
Procesamiento Digital de Seales U.N.S. 2011
11.7. Sesgo en la estimacin espectral 61
Fig. 11.48. Mdulo de las muestras de la TDF de un tono espectral.
principal, y eligiendo una ventana con lbulos laterales de pequea amplitud. Pero si no
puede aumentarse el nmero de muestras de la seal discreta, no hay forma de compen-
sar el error de medicin (aunque puede establecerse una cota sobre el error). Por ello es
que existen numerosos mtodos de estimacin espectral, orientados a casos especcos
como seales senoidales, seales multitonales, seales contaminadas con ruido, etc., que
en general son bastante ms complicados que los mtodos basados en la TDF, y obtienen
resultados ms ajustados. Sin embargo, las tcnicas basadas en la TDF comentadas en
este Captulo son tiles en los casos ms generales, donde no es necesario conocer con
absoluta precisin las frecuencias de las componentes armnicas que intervienen en una
seal, y donde interesa ms conocer la amplitud relativa de las distintas componentes.
11.7.2. Estimadores rpidos y precisos
Los resultados de la Seccin previa muestran que al efectuar el anlisis espectral de una
seal dada, el aumentar el tamao de la TDF (mediante el agregado de ceros a la cola de la
sucesin original) permite obtener espectros ms suaves lo que facilita el reconocimiento
visual de sus mximos, pero no necesariamente aumenta la precisin de la medida. En los
casos en que los mximos del espectro y sus ubicaciones deben detectarse sin interven-
cin humana, usualmente es conveniente trabajar con conjuntos de datos ms reducidos.
En esta seccin se estudia la estimacin de la posicin del mximo del espectro a partir de
una TDF de N puntos, tratando de conseguir una resolucin mayor a 2/N sin necesidad
de calcular una TDF mayor longitud. La presentacin sigue los lineamientos de Jacobsen
y Kootsookos (2007).
Estos mtodos se basan en estimar el pico del espectro V(e
j
) a partir de tres muestras
de la TDF V[k] de la seal truncada v[n], como se muestra en la Fig. 11.48.
Si por simplicidad se ubica el mximo del espectro V(e
j
) en la posicin k
m
de la mxima
muestra de [V[k][, el mximo error de estimacin ser a lo sumo de 1/2 muestra, o /N.
Sin embargo, se puede mejorar la estimacin de la ubicacin del pico utilizando algorit-
mos (exactos o aproximados) que ajusten una curva que pase por el mximo de [V[k][ y
sus dos muestras adyacentes, y detectando dnde ocurre el mximo de la curva. La idea
es obtener un factor de correccin fraccionario tal que, sumando al ndice k
m
donde
ocurre el mximo de [V[k][ permita obtener una estimacin ms precisa de la ubicacin
Procesamiento Digital de Seales U.N.S. 2011
62 11. Anlisis frecuencial de seales discretas
del pico espectral. De este modo, la frecuencia del tono puede estimarse como
= (k
m
+ )
2
N
, (11.37)
donde N es el tamao de la TDF. El factor de correccin puede ser positivo o negativo,
y k
m
+ no necesariamente es un entero (aunque k
m
s lo es). Este renamiento puede ser
sorprendentemente preciso an cuando el tono est contaminado por ruido.
En la literatura se citan numerosas soluciones a este problema, con diferentes grados de
complejidad computacional (Quinn, 1994, 1997; Macleod, 1998; Grandke, 1983; Jain et al.,
1979; Rife y Boorstyn, 1974). Aqu se citarn las ms sencillas, pero que conservan un
grado de precisin razonable. Un estimador simple (Voglewede, 2004) utiliza el trmino
de correccin
=
[V[k
m
+1][ [V[k
m
1][
2[V[k
m
1][ + 4[V[k
m
][ 2[V[k
m
+1][
, (11.38)
que resulta de ajustar una parbola a las tres muestras del mdulo de V[k]. Aunque la
expresin es simple, tiene sesgo estadstico, y su desempeo es pobre en presencia de
ruido. Algunos cambios sencillos a (11.38), utilizando los valores complejos de la TDF
en lugar de su mdulo mejoran dramticamente su comportamiento (Jacobsen, 2004). El
factor de correccin es
= Re
_
V[k
m
+1] V[k
m
1]
V[k
m
1] + 2V[k
m
] V[k
m
+1]
_
. (11.39)
Este estimador es ms preciso que (11.38) y no tiene sesgo estadstico para seales conta-
minadas por ruido. Adems tiene menor complejidad computacional porque no utiliza
el mdulo del espectro, que es de clculo no trivial en sistemas de cmputo de pequea
a mediana capacidad.
El estimador (11.39) funciona adecuadamente cuando la seal temporal ha sido pondera-
da por una ventana rectangular. Sin embargo, debe modicarse cuando las muestran han
sido pesadas por otra ventana. En este caso, la versin del estimador (11.38) resulta
=
P([V[k
m
+1][ [V[k
m
1][)
[V[k
m
1][ +[V[k
m
][ +[V[k
m
+1][
, (11.40)
donde la constante P toma diferentes valores segn la ventana utilizada (Hawkes, 1990).
Basado en (11.39) y (11.40) puede disearse un cuarto estimador que no utiliza el mdulo
del espectro, pero que puede aplicarse a seales ventaneadas. Este estimador est dado
por
= Re
_
Q(V[k
m
+1] V[k
m
1])
V[k
m
1] + 2V[k
m
] + V[k
m
+1]
_
, (11.41)
donde Q es un factor de escala que depende de la ventana. En la Tabla 11.4 se muestran
los factores de escala P y Q para algunas ventanas comunes.
EJEMPLO 11.13. Desempeo de los estimadores rpidos
En la Fig. 11.49 se muestra el desempeo de los distintos estimadores (11.38) a (11.41) para una
seal v[n] = cos n, con 0 _ n _ N, para N = 20, y variando entre 0 y . La columna
de la izquierda muestra el sesgo = , donde se calcula con la ecuacin (11.37), para
Procesamiento Digital de Seales U.N.S. 2011
11.7. Sesgo en la estimacin espectral 63
Tabla 11.4: Factores de escalado P y Q para algunas ventanas comunes.
ventana P Q
von Hann 1.36 0.55
Hamming 1.22 0.60
Blackman-Harris 3T-AB 1.72 0.56
Fig. 11.49. Error de estimacin para los estimadores basados en el mdulo de la TDF (11.38)
y (11.40) (a)-(d) y calculados con los valores complejos de la TDF (e)-(h) , para
distintas ventanas: rectangular (a), (e); von Hann (b), ( f ); Hamming (c), (g);
Blackman-Harris de 3 trminos con mxima atenuacin de los lbulos laterales (d),
(h).
Procesamiento Digital de Seales U.N.S. 2011
64 11. Anlisis frecuencial de seales discretas
los estimadores que utilizan el mdulo (11.38) y (11.40), mientras que la columna de la derecha
corresponde a los resultados de los estimadores que usan los valores complejos de la TDF, dados por
(11.39) y (11.41). En general, los estimadores basados en mdulo tienen un mejor desempeo para
las seales ventaneadas [Fig. 11.49(b)-(d)] que para las seales sin ventanear [Fig. 11.49( f )-(h)];
una excepcin notable es el estimador (11.39) para los datos pesados por una ventana rectangular
[Fig. 11.49(e)].
En comparacin con los resultados de estimar la frecuencia del tono espectral con una TDF de
mayor longitud que se reportan en el Ejemplo 11.12 de la seccin anterior, se observa que en
general el error de estimacin es mayor para los mtodos de esta seccin; las guras relevantes
son la Fig. 11.46(a), Fig. 11.49(a) y Fig. 11.49(e) para la ventana rectangular; la Fig. 11.46(d),
Fig. 11.49(b) y Fig. 11.49( f ) para la ventana de von Han; la Fig. 11.47(a), Fig. 11.49(c) y Fig. 11.49(g)
para la ventana Hamming, y la Fig. 11.47(c), Fig. 11.49(d) y Fig. 11.49(h) para la ventana de
Blackman-Harris de 3 trminos con mxima atenuacin de los lbulos laterales. Debe tenerse en
cuenta, sin embargo, que los estimadores de esta seccin calculan una TDF de longitud N = 20,
mientras que en los de la seccin anterior se utilizaron TDF de 1000 puntos. El nico estimador de
esta seccin que tiene un comportamiento mejor es el estimador basado en la muestras complejas
de la TDF para una ventana rectangular Fig. 11.49(e) . Sin embargo, si este estimador se aplica a un
conjunto de datos que han sido ponderado por una ventana que no sea la rectangular, su desempeo
empeora drsticamente (Jacobsen y Kootsookos, 2007). De todas maneras, los estimadores de esta
Seccin tienen una distribucin ms uniforme del error, mientras que con la tcnica detallada en la
Seccin previa los errores mayores se concentran en cercanas de 0 y de .
En sntesis, el estimador (11.39) es una excelente eleccin para el caso de datos sin ven-
tanear, mientras que los estimadores (11.40) y (11.41) son mejores cuando los datos es-
tn pesados por alguna ventana. Entre estos dos estimadores el (11.41) resulta de imple-
mentacin ms sencilla porque su clculo no necesita el cmputo de la funcin mdulo,
que es costosa desde el punto de vista de complejidad computacional.
11.8. Analizadores espectrales de barrido y de FFT
Tal como fue tratado en el Captulo 2, la medicin del espectro de una seal involucra
compromisos entre precisin, velocidad y rango dinmico. En la mayora de los casos,
el nfasis en uno de estos parmetros impacta adversamente sobre los otros dos. Por
ejemplo, el ancho de banda de resolucin (ABR) que se emplea para conseguir mediciones
rpidas trae aparejado mayores niveles de ruido y una reduccin potencial del rango
dinmico. El aumento de la velocidad de barrido mejora la velocidad de medicin para
un ancho de banda de resolucin determinado, pero reduce la exactitud debido a que
el ltro de anlisis no tiene tiempo de establecerse. El rango dinmico puede mejorarse
utilizando ltros con un ABR angosto, y hasta promediando una serie de barridos para
disminuir la varianza del ruido, a cambio de reducir la velocidad de medicin.
An los analizadores espectrales de alta calidad est sujetos a estas restricciones, ya que
algunas de ellas tienen su origen en limitaciones fsicas. Sin embargo, la implementacin
discreta de la seccin de barrido y el empleo de herramientas de anlisis basadas en la
TDF permiten reducir notoriamente el efecto de los inconvenientes mencionados.
11.8.1. Error de amplitud
Los errores en la medicin de amplitud de las seales estn presentes tanto en los anal-
izadores de barrido como en los basados en la TDF, pero es ms sencillo corregirlos en los
Procesamiento Digital de Seales U.N.S. 2011
11.8. Analizadores espectrales de barrido y de FFT 65
Fig. 11.50. Los ltros de los analizadores espectrales de barrido se calibran a una nica frecuen-
cia, mientras que el ltro del analizador por TDF debe calibrarse en una banda de
frecuencias.
primeros. En un analizador de barrido la precisin de la medida de la amplitud puede
ser muy alta, ya que todos los ltros trabajan a una frecuencia nica. En los analizadores
por TDF la ganancia de los ltros que preceden la etapa de conversin analgica-digital
debe ser plana en toda una banda de frecuencias (Fig. 11.50). Si bien cualquier desviacin
respecto a la respuesta ideal puede medirse y corregirse (en fbrica o en un laboratorio
de calibracin), el procedimiento es imperfecto, y no son infrecuentes errores residuales
del orden de 0,25 dB.
La medicin de amplitud se ve afectada por otras fuentes de error que son del mismo
orden en ambos tipos de instrumentos, y en general pueden disminuirse con un diseo
cuidadoso e incorporando la capacidad de autocalibracin. El empleo de una seccin
de frecuencia intermedia completamente digital en lugar de una analgica, y el proce-
samiento digital de la seal en lugar de hacerlo con una cadena de amplicadores y
ltros analgicos elimina o reduce sensiblemente gran cantidad de fuentes de error, in-
cluyendo la incerteza de la ganancia del canal de frecuencia intermedia, del ancho de
banda del ltro de anlisis, etc.
11.8.2. Rango dinmico
La mayora de los analizadores espectrales modernos utilizan tcnicas de conversin a-
nalgica-digital y procesamiento digital de seales, sobre todo para la presentacin de
resultados. Gradualmente estas herramientas se han ido desplazando hacia la entrada del
instrumento, y en la actualidad las ltimas secciones del ltro de frecuencia intermedia y
el amplicador logartmico se implementan con esta tecnologa en lugar de hacerlo con
electrnica analgica. En general, se digitaliza la seal de la ltima etapa de frecuencia
intermedia, y el ltro de anlisis se implementa por tcnicas de TDF o de ltrado discreto.
El desplazar la etapa de conversin A/Dhacia esta etapa puede afectar el rango dinmico
del analizador.
El conversor A/D debe medir muestras de la seal de frecuencia intermedia con un gran
ancho de banda y niveles muy bajos de ruido. Sin embargo, el ruido de cuantizacin
del conversor A/D es mayor el ruido trmico de la electrnica de las etapas de entrada.
En todos los conversores A/D el ancho de banda de ruido del proceso de muestreo es
mucho mayor que la frecuencia de muestreo (hasta 40 veces!), por lo que es muy difcil
mantener la relacin seal a ruido (SNR) del instrumento sin utilizar procesamiento o
ltrado adicional.
Procesamiento Digital de Seales U.N.S. 2011
66 11. Anlisis frecuencial de seales discretas
Fig. 11.51. Ancho de banda de la conversin A/D en analizadores de barrido (a) o por TDF
(b) .
Si se puede efectuar un anlisis espectral por tcnicas de barrido o por tcnicas de FFT
en un mismo instrumento (lo que cada vez es ms frecuente gracias a la conversin A/D
prxima a la entrada), la primera opcin permite un mejor rango dinmico que la se-
gunda, debido a los distintos anchos de banda de los ltros de anlisis en una u otra
conguracin. Los anchos de banda relativos de un analizador espectral por barrido o
por TDF se muestran en la Fig. 11.51.
La relacin seal a ruido del conversor A/D puede mejorarse sustancialmente limitan-
do su ancho de banda. En el caso de un analizador de barrido, un ltro analgico a la
entrada del conversor limita el ancho de banda a aproximadamente 2.5 veces el ancho
de banda de resolucin [Fig. 11.51(a)]. En el analizador por TDF tambin se coloca un
preltro analgico, pero en este caso no se obtienen mejoras sustanciales en el rango
dinmico porque este ltro debe tener necesariamente un mayor ancho de banda, aprox-
imadamente 1.25 veces el rango de frecuencia bajo anlisis [Fig. 11.51(b)]. De acuerdo a
los valores tpicos de ABR y del rango de frecuencias analizado con la TDF, el ancho de
banda del preltro utilizado en el analizador por TDF puede ser hasta 60 veces mayor
que el del preltro del analizador de barrido.
11.8.3. Velocidad de barrido con ltros digitales
Las mediciones de espectro con buena resolucin y gran ancho de banda demandan mu-
cho tiempo. Esta situacin es tpica para anchos de banda del orden de los 100 kHz, y
tambin en mediciones donde se buscan tonos espurios de bajo nivel, donde debe uti-
lizarse un ltro con un ABR angosto para disminuir el ruido.
En estas condiciones el factor limitante de la velocidad de medicin es el tiempo de es-
tablecimiento del ltro de anlisis ante las variaciones de amplitud que ocurren por el
barrido. El transitorio del ltro de anlisis se traduce en errores de amplitud y de fre-
cuencia, asimetras en la respuesta espectral, etc. Para un ancho de banda determinado,
estos errores se incrementan con la velocidad de barrido.
En los analizadores espectrales de barrido tradicionales estos errores se mantienen aco-
tados limitando la velocidad de barrido segn el ancho de banda seleccionado para el
ltro de anlisis. Los errores de respuesta de este ltro varan con el cuadrado del ABR, y
en consecuencia son muy bajos para ABR pequeos. La respuesta en frecuencia del ltro
de anlisis es de tipo gaussiana, pues tiene buena selectividad para seales de niveles
similares, y admite tiempos de barrido comparativamente rpidos. Tal como se estudi
en el Captulo 2, un ltro cuya respuesta en frecuencia es de forma gaussiana, tiene una
respuesta impulsiva tambin gaussiana, y tal caracterstica permite alcanzar la cota mn-
Procesamiento Digital de Seales U.N.S. 2011
11.8. Analizadores espectrales de barrido y de FFT 67
Tabla 11.5: Tiempos de barrido tpicos para pequeos rangos de frecuencia.
Rango de ABR Velocidad Tiempo
frecuencia de barrido de barrido
100 kHz 1 kHz 500 kHz/s 0.2 s
10 kHz 100 Hz 5 kHz/s 2 s
1 kHz 10 Hz 50 Hz/s 20 s
ima del teorema del ancho de banda; es decir, que para un dado ancho de banda, el ltro
con respuesta en frecuencia gaussiana es el que tiene la respuesta impulsiva de menor
duracin.
Empricamente se ha determinado una relacin de compromiso entre la velocidad de
barrido y los errores inducidos por ella
v
barrido
= 0,5 ABR
2
[Hz/s].
Como es frecuente que el rango de frecuencias y el ABRguarden la relacin rango/ABR =
100, combinando estas dos ecuaciones se puede calcular la velocidad de barrido sugerida
para un ABR deseado. La Tabla 11.5 muestra que se necesitan tiempos de medicin relati-
vamente prolongados an para pequeos rangos de frecuencia; la bsqueda de una seal
espuria en un rango de 100 MHz utilizando un ltro con un ABR de 100 Hz (para tener
un bajo ruido de medicin) necesita un tiempo de barrido del orden de los 200 segundos.
Estas limitaciones se pueden evitar utilizando ltros digitales en lugar de analgicos.
Aunque los efectos del barrido son similares para ambos, la ventaja de los primeros es
que permiten obtener caractersticas y respuestas que seran muy difciles (o costosas) de
conseguir con ltros analgicos. Otras ventajas que ofrecen los ltros digitales de anlisis
son:
mejor curva de respuesta en frecuencia, que permite una mejora en la selectividad
para cada ABR seleccionado;
incrementos ms nos del ABR, lo que permite optimizar el compromiso ABR/tiempo
de barrido;
caractersticas dinmicas predecibles (tiempo de respuesta ante variaciones de am-
plitud) que permiten corregir precisamente los errores de amplitud y frecuencia
causados por el barrido.
Por ejemplo, los ltros digitales con respuesta en frecuencia tipo gaussiana tienen mejor
factor de forma (cociente entre el ancho de banda de 60 dB y el ancho de banda de 3
dB), que suele ser de 4.1:1 comparado a 11:1 para los ltros analgicos, como se muestra
en la Fig. 11.52. Los ltros con factor de forma pequeo aceleran la medicin de seales de
amplitudes muy diferentes, ya que se puede utilizar un ABR ms ancho (y por lo tanto,
una mayor velocidad de barrido) para la misma selectividad.
El compromiso entre el ABR y el tiempo de barrido tambin se optimiza con el uso de
ltros digitales, ya que es sencillo cambiar el ABR. En los analizadores analgicos, el
Procesamiento Digital de Seales U.N.S. 2011
68 11. Anlisis frecuencial de seales discretas
Fig. 11.52. Comparacin del factor de forma de ltros de anlisis analgicos y digitales.
ltro de anlisis tiene anchos de banda seleccionables en la sucesin tpica 1-3-10. Con
ltros digitales se puede controlar el ABR en pasos del 10 %, lo que permite al usuario
seleccionar un ABR adecuado para la resolucin y la velocidad de barrido deseadas.
Las tcnicas de procesamiento digital de seales permiten construir ltros con respuesta
de fase lineal y caractersticas dinmicas predecibles, estables, y repetibles, lo que permite
incrementar la velocidad de barrido a
v
barrido
= 0,8 ABR
2
[Hz/s],
que asegura que el error de amplitud es de 0.5 dB, aproximadamente. Al contrario de
lo que sucede con los ltros analgicos, los errores de los ltros digitales de anlisis son
conocidos y pueden corregirse o compensarse precisamente, de modo que an con ve-
locidades de barrido ms elevadas el error total de medicin es menor.
Sin embargo, hay algunas restricciones que son independientes del tipo de ltro (digital
o analgico): los tiempos de medicin para anchos de banda particularmente amplios
(mayores de 3 GHz) dependen de qu tan rpidamente pueda barrerse o conmutarse el
oscilador local.
11.8.4. Velocidad de medicin de los analizadores de barrido y por TDF
Los analizadores basados en la TDF son ms veloces en las mediciones de gran ancho
de banda y pequeo ABR, ya que analizan simultneamente varias frecuencias. Actan
como un conjunto de ltros trabajando en paralelo (Seccin 11.1.2), en lugar de un nico
ltro que se barre. An cuando el tiempo de establecimiento de cada ltro sea similar
al del ltro de anlisis de un analizador de barrido con el mismo ABR, todos los ltros se
establecen simultneamente, lo que permite una medicin ms rpida (Tabla 11.6). Para
los analizadores de espectro por TDF los tiempos de barrido se incrementan linealmente
con la inversa del ABR, mientras que para los analgicos varan segn el cuadrado de la
inversa del ABR.
Para anchos de banda ms extensos, la carga computacional de los analizadores por TDF
se vuelve signicativa y el tiempo de clculo reduce las ventajas del procesamiento en
Procesamiento Digital de Seales U.N.S. 2011
11.8. Analizadores espectrales de barrido y de FFT 69
Tabla 11.6: Tiempos de medicin tpicos de analizadores por TDF y de barrido.
Rango de ABR Tiempo de medicin
frecuencia TDF barrido
100 kHz 1 kHz 15 ms 0.2 s
10 kHz 100 Hz 31 ms 2 s
1 kHz 10 Hz 196 ms 20 s
Fig. 11.53. Velocidades de medicin relativas para analizadores por TDF, y de barrido con ltros
de anlisis analgicos y digitales.
Fig. 11.54. Tiempos de medicin para analizadores de barrido y por TDF.
Procesamiento Digital de Seales U.N.S. 2011
70 11. Anlisis frecuencial de seales discretas
paralelo; para efectuar una medicin pueden demorar mucho ms que un analizador de
barrido, como muestra la Fig. 11.53.
Una ventaja adicional de los analizadores por TDF es que evalan el contenido espec-
tral de la seal en un determinado instante de tiempo, lo que permite analizar seales
que cambian su contenido espectral en el tiempo, tarea muy difcil para un analizador
analgico de barrido.
Para acelerar el procesamiento de la TDF cuando el ancho de banda de anlisis es amplio
se calculan mltiples TDF donde cada una de ellas cubre un rango de frecuencias menor,
y se concatenan los resultados. Se consigue as el rango dinmico de la tcnica de barrido
con la velocidad del anlisis por TDF. Este diseo requiere variar la frecuencia central
de cada TDF para analizar bandas adyacentes hasta cubrir el ancho de banda deseado. El
proceso se denomina hopping (salto), y es un barrido con saltos discretos de frecuencia.
Los tiempos de medicin se incrementan pues es necesario asegurarse que el oscilador
local se haya estabilizado en la frecuencia correcta (despus de haber saltado) antes de
calcular la TDF.
La Fig. 11.54 compara los tiempos de medida de las distintas tcnicas. Para los anal-
izadores basados en TDF los tiempos de adquisicin y de cmputo son dominantes para
pequeos rangos de frecuencia, aunque an as esta tcnica es ms eciente que la de bar-
rido. Para mayores anchos de banda el tiempo de establecimiento del oscilador local es el
que determina el tiempo de medicin, que demora ms que si se utiliza un instrumento
de barrido. Los analizadores espectrales de buena calidad combinan ambos procedimien-
tos para optimizar las prestaciones.
11.9. Conclusiones
En este Captulo se ha estudiado el problema de detectar componentes tonales, tanto en
forma aislada como en presencia de otros tonos interferentes. Se ha visto que al usar la
TDF como detector las prdidas de peor caso ocasionadas por las ventanas parecen estar
acotadas entre 3 dB y 3.75 dB para buenas ventanas, lo que indica que la eleccin de
la ventana tiene muy poca inuencia en el desempeo de peor caso. Se ha encontrado
que un buen ndice de desempeo es la diferencia entre el ancho de banda de ruido
equivalente (ABRE) y el ancho de banda de 3 dB (AB 3 dB), normalizada por el AB 3
dB. Para las buenas ventanas que se ubican en el margen inferior izquierdo de la
Fig. 11.25 esta relacin oscila entre 4 % y 5.5 %.
La eleccin de la ventana es crtica, en cambio, en la deteccin de seales multitonales, y
para obtener el mayor rango dinmico posible es necesario que el espectro de la ventana
W
_
e
j
_
exhiba un lbulo principal muy concentrado, con lbulos laterales de muy baja
amplitud. En general, las ventanas ptimas, como la de Kaiser-Bessel, Dolph-Chebysev,
y la de Blackman-Harris son muy buenas para detectar tonos cercanos de amplitudes
diferentes. Todas son muy similares entre s; comparada con la de Dolph-Chebyshev,
la ventana de Kaiser-Bessel presenta la ventaja adicional del decaimiento de los lbu-
los laterales a razn de 6 dB/octava. Este hecho, junto con la posibilidad de ajustar la
interaccin entre el ancho del lbulo principal y la atenuacin de los lbulos laterales
[ecuaciones (11.34) y (11.35)] hace que la ventana de Kaiser-Bessel sea probablemente la
ventana ms popular para el anlisis de seales.
Procesamiento Digital de Seales U.N.S. 2011
11.10. Bibliografa 71
Finalmente, se discutieron algunos aspectos del anlisis de seales con TDF y sus ventajas
y desventajas frente al anlisis espectral por barrido presentado en el Captulo 2.
11.10. Bibliografa
1. Adam, J. W., A new optimal window, IEEE Trans. Signal Proc., Vol. 39, 8, Aug.
1991, pp. 1753-1769.
2. Agilent Technologies, Swept and FFT analysis, Agilent PSA Performance Spec-
trum Analyzer Series, Product Note AN 5980-3081EN.
3. Agilent Technologies, Spectral analysis using a deep-memory oscilloscope fast
Fourier transform (FFT), Application Note 1383-1.
4. DeFatta, D. J., Lucas, J. G., Hodgkiss, W. S., Digital Signal Processing: A System Design
Approach, John Wiley and Sons, New York, 1988, Captulo 6.
5. Faber, M., Teaching math on an oscilloscope, Part III: FFT Leakage, Agilent Tech-
nologies, Educators Corner, MLF 5/97.
6. Gade, S., Thrane, N., Konstantin-Hansen, H., Wismer, J., Time Windows, Application
Note, Brel & Kjaer, Denmark, BO 0436-11.
7. Gekinli, N., Yavuz, D., Some windows and a concise tutorial comparison of win-
dowfamilies, IEEE Trans. Acous., Speech Signal Proc., ASSP-26, 6, Dec. 1978, pp. 501-
507.
8. Grandke, T. Interpolation algorithms for discrete Fourier transforms of weighted
signals, IEEE Tras. Instrum. Meas., Vol. IM-32, June 1983, pp.350-355.
9. Hamming, R. W., Digital Filters, 3ra Ed., Dover, Minneola, NY, 1998.
10. Hanna, M. T., Windows with rapidly decaying sidelobes and steerable sidelobe
dips, IEEE Trans. Signal Proc., Vol. 42, 8, Aug. 1994, pp. 2037-2044.
11. Harris, F., On the use of windows for harmonic analysis with the discrete Fourier
transform, Proc. IEEE, Vol. 66, 1, Jan. 1978, pp. 51-83.
12. Ho Ha, Y., Pearce, J., A new window and comparisson with standard windows,
IEEE Trans. Acous., Speech Signal Proc., ASSP-37, 2, Feb. 1989, pp. 298-301.
13. Ifeachor, E. C., Jervis, B. W., Digital Signal Processing: A Practical Approach, Addison-
Wesley, 1993, Captulo 10.
14. Jacobsen, E. On local interpolation of DFT outputs [online].
Disponible: http://www.ericjacobsen.org/FTinterp.pdf (2004).
15. Jacobsen, E., Kootsookos, P. Fast, accurate frequency estimators, IEEE Signal Process-
ing Mag., Vol. 24, 3, May 2007, pp. 123-125.
16. Jain, V., Collins, W., Davies, D. High-accuracy analog measurement via interpolat-
ed FFT, IEEE Trans. Instrum. Meas., vol. IM-28, June 1979, pp. 113-122.
Procesamiento Digital de Seales U.N.S. 2011
72 11. Anlisis frecuencial de seales discretas
17. Macleod, M. Fast nearly ML estimation of the parameters of real or complex single
tones or resolved multiple tones, IEEE Trans. Signal Processing, Vol. 46, 1, Jan 1998,
pp. 141-148.
18. Nuttall, A. H., Some windows with very good sidelobe behavior, IEEE Trans.
Acous. Speech Signal Proc., ASSP-29, 1, Feb. 1981, pp. 84-91.
19. Oppenheim, A. V., Schafer, R., Buck, J., Discrete-Time Signal Processing, Prentice-Hall,
Inc. Upper Saddle River, NJ, 1998, Captulo 10.
20. Porat, B., A course in Digital Signal Processing, John Wiley and Sons, New York,
1997, Captulo 6.
21. Prabhu, K., Renganathan, H.,Optimum binary windows for discrete Fourier trans-
forms, IEEE Trans. Acous., Speech Signal Proc., ASSP-34, 1, Feb. 1986, pp. 216-220.
22. Quinn, B. G. Estimating frequency by interpolation using Fourier coefcients,
IEEE Trans. Signal Procesing, Vol. 45, 3, March 1997, pp. 814-817.
23. Quinn, B. G. Estimation of frequency, amplitude and phase from the DFT of a time
series, IEEE Trans. Signal Procesing, Vol. 42, 5, May 1994, pp. 1264-1268.
24. Rife, D. Boorstyn, R. Single-tone parameter estimation from discrete-time obser-
vations, IEEE Trans. Inform. theory, Vol. IT-20, September 1974, pp. 591-598.
25. Thompson, M. W., FFT Laboratory Experiment 5: A comparison of FFT window
functions, Agilent Technologies, Educators Corner (sin identicacin).
26. Tseng, F. I.,Sarkar, T. K.,Weiner, D. D. A novel window for harmonic analysis,
IEEE Trans. Acous., Speech Signal Proc., ASSP-29, 2, April 1981, pp. 177-184.
27. Voglewede, P. Parabola approximation for peak determination, Global DSP Mag.,
Vol. 3, 5, May 2004, pp. 13-17.
Procesamiento Digital de Seales U.N.S. 2011
11.11. Ejercicios 73
11.11. Ejercicios
Ejercicio 1. La sucesin
x[n] = Acos (
`
n) r
N
[n] =
_
Acos (
`
n) , 0 _ n _ N 1,
0, en caso contrario,
donde r
N
[n] = u[n] u[n N],
`
= 2`/N y ` es un entero, est formada por exacta-
mente ` perodos de la funcin coseno en un rango de N muestras.
1. Muestre que la TDF X[k] de x[n] es una sucesin real dada por
X[k] =
AN
2
[k `] +
AN
2
[k (N `)] , 0 _ k _ N 1, 0 < ` < N.
2. Muestre que si ` = 0, la TDF X[k] de x[n] es X[k] = AN [k], 0 _ k _ N 1.
3. Explique cmo deben modicarse los resultados anteriores si ` < 0 o ` > N.
4. Verique los resultados de los incisos previos para las siguientes sucesiones usando
MATLAB, y graque X[k] empleando la funcin stem.
a) x
1
[n] = 3 cos (0,04n) r
200
[n].
b) x
2
[n] = 5r
50
[n].
c) x
3
[n] = [1 + 2 cos (0,5n) + cos (n)] r
100
[n].
d) x
4
[n] = cos (25n/16) r
64
[n].
e) x
5
[n] = [4 cos (0,1n) 3 cos (1,9n)] r
20
[n].
Ejercicio 2. Considere la sucesin x[n] = Acos (
0
n) r
N
[n], donde
0
= 2f
0
es real.
1. Usando las propiedades de la TDF muestre que las partes real e imaginaria de X[k]
estn dadas por
X[k] = X
R
[k] + jX
I
[k],
X
R
[k] =
A
2
cos
_
N 1
N
(k f
0
N)
_
sen [ (k f
0
N)]
sen [ (k f
0
N) /N]
+
A
2
cos
_
N 1
N
(k + f
0
N)
_
sen [ (k N + f
0
N)]
sen [ (k N + f
0
N) /N]
,
X
I
[k] =
A
2
sen
_
N 1
N
(k f
0
N)
_
sen [ (k f
0
N)]
sen [ (k f
0
N) /N]
+
A
2
sen
_
N 1
N
(k + f
0
N)
_
sen [ (k N + f
0
N)]
sen [ (k N + f
0
N) /N]
,
2. El resultado previo implica que la frecuencia original
0
de la seal coseno se ha
difundido a otras frecuencias que forman las armnicas de la sucesin temporal de
duracin nita. Este efecto se conoce como fuga espectral (o leakage, en ingls), y es
el resultado natural de muestrear cosenos peridicos sobre un nmero no entero de
perodos. Justique el resultado a partir de la extensin peridica x[n] de x[n], y el
resultado del inciso 1 del Ejercicio 1.
Procesamiento Digital de Seales U.N.S. 2011
74 11. Anlisis frecuencial de seales discretas
3. Verique la propiedad de fuga espectral con la sucesin x[n] = cos (5n/99) r
200
[n]
usando MATLAB. Graque la parte real e imaginaria de X[k] usando la funcin
stem.
Ejercicio 3.

C La sucesin x[n] = Asen (


`
n) r
N
[n], donde r
N
[n] = u[n] u[n N],
`
=
2`/N, y ` es un entero, est formada por exactamente ` perodos (o ciclos) de la funcin
seno en un rango de N muestras.
1. Muestre que la TDF X[k] de x[n] es una sucesin imaginaria pura dada por
X[k] = j
AN
2
[k `] + j
AN
2
[k (N `)] , 0 _ k _ N 1, 0 < ` < N.
2. Muestre que si ` = 0, la TDF X[k] de x[n] es X[k] = 0, 0 _ k _ N 1.
3. Explique cmo deben modicarse los resultados anteriores si ` < 0 o ` > N.
4. Verique, usando MATLAB, los resultados de los incisos previos para las siguientes
sucesiones, y graque la parte imaginaria de X[k] empleando la funcin stem.
a) x
1
[n] = 3 sen (0,04n) r
200
[n].
b) x
2
[n] = 5 sen (10n) r
50
[n].
c) x
3
[n] = [2 sen (0,5n) + sen (n)] r
100
[n].
d) x
4
[n] = sen (25n/16) r
64
[n].
e) x
5
[n] = [4 sen (0,1n) 3 sen (1,9n)] r
20
[n].
Ejercicio 4.

C Considere la sucesin x[n] = Asen (


0
n) r
N
[n], donde
0
= 2f
0
es real.
1. Usando las propiedades de la TDF, muestre que las partes real e imaginaria de X[k]
estn dadas por
X[k] = X
R
[k] + jX
I
[k],
X
R
[k] =
A
2
sen
_
N 1
N
(k f
0
N)
_
sen [ (k f
0
N)]
sen [ (k f
0
N) /N]

A
2
sen
_
N 1
N
(k + f
0
N)
_
sen [ (k N + f
0
N)]
sen [ (k N + f
0
N) /N]
,
X
I
[k] =
A
2
cos
_
N 1
N
(k f
0
N)
_
sen [ (k f
0
N)]
sen [ (k f
0
N) /N]
+
A
2
cos
_
N 1
N
(k + f
0
N)
_
sen [ (k N + f
0
N)]
sen [ (k N + f
0
N) /N]
,
2. Justique el resultado a partir de la extensin peridica x[n] de x[n], y el resultado
del inciso 1 del Ejercicio 3.
3. Verique la propiedad de fuga espectral con la sucesin x[n] = sen (5n/99) r
200
[n]
usando MATLAB. Graque la parte real e imaginaria de X[k] usando la funcin
stem.
Procesamiento Digital de Seales U.N.S. 2011
11.11. Ejercicios 75
Ejercicio 5.

I Una seal analgica x


a
(t) = 2 sen4t +5 cos 8t se muestrea a t = 0,01n para
n = 0, 1, . . . , N 1 para obtener una sucesin de N puntos x[n] = 2 sen
4
100
n +5 cos
8
100
n.
Para obtener una estimacin de la magnitud del espectro de x
a
(t) se calcula la TDF de N
puntos de x[n].
1. Elija cul de los siguientes valores de N permite obtener la estimacin ms precisa
del espectro de x
a
(t), y graque las partes real e imaginaria de X[k]: (a) N = 40,
(b) N = 50, (c) N = 60.
2. Determine para cul de los siguientes valores de N se obtiene la menor cantidad
de fuga espectral en el espectro de x
a
(t) , y graque las partes real e imaginaria de
X[k]: (a) N = 90, (b) N = 95, (c) N = 99.
Ejercicio 6.

I La seal x (t) = cos(2t) se muestrea cada T = 0,01 segundos, dando lugar


a la seal discreta x[n] = cos(2Tn) = cos(
2
100
n). La frecuencia de la seal se determina
a partir de una TDF de N = 100 muestras de la seal x[n]. Cules ventanas mostrarn
que la seal tiene valor medio distinto de cero ( X[k][
k=0
,= 0)? cul induce a creer que la
frecuencia de la seal es cero? Evale las alternativas, y verique sus resultados usando
MATLAB. Repita la experiencia eligiendo N = 20.
Ejercicio 7. La ventana triangular o de Bartlett puede generarse convolucionando una
ventana rectangular con s misma. Describa las propiedades de una ventana generada
por convolucionar k veces una ventana rectangular.
Ejercicio 8. Analice si es necesario utilizar ventanas para medir la frecuencia de una seal
que se sabe compuesta por una nica componente frecuencial.
Ejercicio 9. Sea x[n] una seal discreta denida para 0 _ n _ N 1, y X[k] su TDF.
1. Si
Y
1
[k] =
1
2
X[k]
1
4
X[((k 1))
N
]
1
4
X[((k +1))
N
],
muestre que Y
1
[k] representa multiplicar punto a punto x[n] por una ventana tem-
poral. Encuentre la relacin entre esta ventana y la ventana de Hann.
2. Si se dene Y
2
[k] como
Y
2
[k] =0,42X[k]
1
4
X[((k1))
N
]
1
4
X[((k+1))
N
]+
1
25
X[((k2))
N
]+
1
25
X[((k+2))
N
],
demuestre que Y
2
[k] tambin puede aplicando una ventana temporal a la sucesin
x[n]. Cul?
3. Discuta las ventajas de implementar el ventaneo como se propone en este ejercicio.
Ejercicio 10. Estudie las principales propiedades de la ventana w[n] = sen
4
[n/(N1)]
(ancho del lbulo principal, nivel de los lbulos laterales). Cul es la relacin de esta
ventana con la ventana de von Hann?
Procesamiento Digital de Seales U.N.S. 2011
76 11. Anlisis frecuencial de seales discretas
Ejercicio 11. Se conocen 128 muestras de la seal
x[n] = sen
_
2
6,3
128
n
_
+ 0,001 sen
_
2
56
128
n
_
.
1. Explique porqu una ventana rectangular no es adecuada para detectar la segunda
componente frecuencial de la seal.
2. Qu ventana (de von Hann o Hamming) permite detectar mejor la segunda com-
ponente? Porqu? Verique sus resultados usando MATLAB.
Ejercicio 12.

I Cuando se aplican ventanas y se agregan ceros (zero padding) a una sucesin


x[n] de largo N, cul de los siguientes es el procedimiento correcto? Justique. En caso
de duda, experimente con MATLAB.
1. Hacer un padding de ceros para llevar la sucesin x[n] a un largo M, y utilizar luego
una ventana de largo M;
2. Aplicar a x[n] una ventana de largo N, y hacer un padding de ceros para llevar la
longitud de la sucesin ventaneada al largo M.
Ejercicio 13. Un sistema de comunicaciones recibe 2000 muestras de la seal cos(
0
n +
). Debido a interferencias en el canal, la seal recibida es tal que cada 80 valores de la
seal aparecen 20 valores nulos. En MATLAB, esta seal puede generarse con el comando
x = cos(w0*(0:1999)+fi).*kron(ones(1,20),[ones(1,80), zeros(1,20)]);
Se debe determinar la frecuencia
0
, utilizando TDF y ventanas. Considere las siguientes
opciones:
1. una nica ventana de longitud N
1
= 2000 aplicada a toda la sucesin de datos;
2. 20 ventanas de longitud N
2
= 80, aplicada a cada segmento de la seal;
3. ambos mtodos.
Explore las tres opciones con MATLAB. Decida cul es la ms conveniente, y justique.
Ejercicio 14.

C Una medida de desempeo de los distintos tipos de ventana es la pendiente


de decrecimiento de los lbulos laterales (roll-off rate ). Esta medida indica que tan rpi-
damente decrece la amplitud de los lbulos laterales a medida que aumenta la frecuencia
. Se puede demostrar que, para valores grandes de N, los picos del mdulo de la re-
spuesta en frecuencia

W
_
e
j
_

de una ventana w[n] son aproximadamente tangentes a


una curva A() de la forma
A() =
K
[[
r
,
donde r es un entero. Cuanto mayor sea r, tanto ms rpido disminuir la amplitud de los
lbulos laterales a medida que aumenta la frecuencia . La cantidad 6r dene el roll-off
rate , es decir, = 6r, y se mide en dB/octava. El motivo de esta denicin es que
20 log
10
A() = 20 log
10
K 20r log
10
[[ ,
Procesamiento Digital de Seales U.N.S. 2011
11.11. Ejercicios 77
de modo que 20 log
10
A() decrece 6r dB cada vez que se duplica la frecuencia . (Una
frecuencia
1
es un octavo mayor que
0
si
1
= 2
0
; esta terminologa proviene de la
msica, donde el intervalo entre dos notas del mismo nombre es un nmero entero de
octavas. La relacin de frecuencias es una potencia entera de 2.)
Una forma conveniente de visualizar la pendiente de decrecimiento es gracando

W
_
e
j
_

y A() en un grco log-log, de manera que A() es una lnea recta tangente a los pi-
cos de

W
_
e
j
_

. En los ejercicios siguientes, utilice ventanas de largo N = 128, con


padding de ceros hasta completar una longitud M = 1024 para que los grcos sean
suaves, y utilice el comando de MATLAB loglog para gracar.
1. En una ventana rectangular, K = 2 y r = 1, por lo que la pendiente de decrecimiento
es de 6 dB/octava. Verifquelo gracando

W
_
e
j
_

y A() .
2. Usando los resultados del inciso anterior estime el roll-off rate de la ventana tri-
angular y verifquelo mediante los grcos.
3. Demuestre que el roll-off rate de la ventana de von Hann es de 18 dB/octava.
Encuentre el valor de K por prueba y error.
4. Determine el roll-off rate de las ventanas de Hamming y de Blackman.
Ejercicio 15. Clculo de la TDF. Utilice el comando fft para calcular las TDF de las
siguientes sucesiones, y graque la magnitud [X[k][ y la fase \X[k] de cada una. Compare
los resultados obtenidos con los que se obtendran del clculo analtico de la TDF.
1. La TDF de 64 puntos de la sucesin de longitud N = 16
x[n] =
_
1, si n = 0, ..., 15
0, en caso contrario.
2. La TDF de 64 puntos de la sucesin de longitud N = 8
x[n] =
_
1, si n = 0, ..., 7
0, en caso contrario.
3. La TDF de 64 puntos de la sucesin de longitud N = 8
x[n] =
_
1, si 3 _ n _ 4,
0, en caso contrario.
4. La TDF de 128 puntos de la sucesin (1).
5. La TDF de 64 puntos de la sucesin de longitud N = 8
x[n] =
_
10e
j(/8)n
, 3 _ n _ 4,
0, en caso contrario.
6. Cul es el intervalo de frecuencias entre dos muestras sucesivas en las grcas de
los incisos (1)(4)?
Procesamiento Digital de Seales U.N.S. 2011
78 11. Anlisis frecuencial de seales discretas
7. Cul es el valor del espectro para la frecuencia cero (continua) obtenida de los gr-
cos en (1)(4)? Calcule el valor del espectro a frecuencia cero aplicando la deni-
cin.
8. En los grcos (1)(3), cul es el intervalo de frecuencia entre ceros del espectro?
Cul es la relacin entre la longitud N de las distintas sucesiones y el intervalo
entre los ceros?
9. Analice las diferencias entre las grcas obtenidas en los incisos (1) y (4).
Ejercicio 16. Verique que la muestra N 1 de la seal y
k
[n] = x[n] + h
k
[n], donde x[n]
es una seal de longitud nita (0 _ n _ N 1) y h
k
[n] es el ltro FIR con respuesta
impulsiva
h
k
[n] =
_
w[n]
_
e
j
2
N
k
_
n+1
, si 0 _ n _ N 1,
0, en caso contrario,
coincide con el valor de la muestra k-sima de V[k], la TDF de v[n] = x[n]w[n]. En otras
palabras, y
k
[n][
n=N1
= V[k]. Suponga que w[n] es la respuesta impulsiva de una ven-
tana cualquiera, tal que w[n] = w[N 1 n].
Ejercicio 17. Anlisis frecuencial de seales usando la TDF: prdidas por ondulacin
(efecto picket-fence). Considere una sucesin de 64 puntos de longitud, x[n] = cos
0
n,
n = 0, ..., 63.
1. Calcule y graque el mdulo de la TDF de 64 puntos de x[n], para valores de la
frecuencia
(k)
0
dados por
(k)
0
= 2 (1/8 + k), k = 0, 1, 2, 3, 4, con = 1/256.
Observe el fenmeno de fuga espectral en el caso en que k / 0, 4. Cul es la am-
plitud mxima del mdulo de la TDF en cada caso? Cul sera el valor esperado?
2. Adems de la fuga espectral, en el inciso previo se pone de maniesto otro efecto:
la variacin de la amplitud del espectro en funcin de la frecuencia de la seal. Este
fenmeno se conoce como prdidas por ondulacin (scalloping loss, por el borde
ondulado tpico de los moluscos marinos) o efecto picket fence. Considere estas
tres alternativas para minimizar este inconveniente:
a) Calcular la TDF de 256 puntos de las sucesiones del inciso (1) (de largo N = 64
muestras) completndolas con 256 64 = 192 ceros.
b) Aplicar una ventana de von Hann de largo N = 64 a las muestras de la suce-
sin x[n], y calcular la TDF de largo N = 64.
c) Calcular la TDF de 256 puntos de las sucesiones del inciso (1) de largo N = 256
muestras.
3. Compare las TDF obtenidas en los incisos (1)(2). Qu observa en cada caso? Cul
de los mtodos propuestos en el inciso (2) es ms apropiado parar obtener el es-
pectro de una seal real peridica pero de frecuencia fundamental desconocida?
Cul es el inconveniente de cada una de las alternativas propuestas?
Procesamiento Digital de Seales U.N.S. 2011
11.11. Ejercicios 79
Ejercicio 18.

I Anlisis frecuencial de seales usando la TDF: resolucin. Considere la


seal de longitud nita x[n] = cos
0
n + cos
1
n + cos
2
n, 0 _ n _ L, con
0
= 0,2,

1
= 0,22,
2
= 0,6.
1. Calcule el mdulo de la TDF de N puntos [X[k][ para L = 25, 50, 75, 100, N = 2048.
Comente sobre los resultados.
2. La seal x[n] se pesa con ventana de von Hann, obtenindose la seal v[n] =
x[n]w[n]. Calcule [V[k][ para los valores de L y N propuestos en el inciso (1).
3. De la tabla de ventanas, elija aquella que permita obtener la mejor discriminacin y
minimizar las fugas para una longitud L dada. Repita el inciso (2) usando la ventana
elegida, y evale las mejoras obtenidas.
Ejercicio 19. Anlisis de seales inmersas en ruido. Las seales reales estn frecuente-
mente contaminadas por ruido. El propsito de este ejercicio es analizar la inuencia del
ruido en el anlisis espectral de seales usando la TDF. Considere una seal x[n] formada
por una senoidal s [n] y contaminada por ruido r [n]:
x[n] = s [n] + r[n] = cos (0,1n) + 6v[n], 0 _ n _ N 1.
donde v[n] es un ruido aleatorio de distribucin uniforme y con amplitud acotada, [v[n][ _
1. Una forma de analizar el grado de contaminacin de la seal es con la relacin seal a
ruido, (SNR) denida por
SNR (dB) = 10 log
10

N1
n=0
s
2
[n]

N1
n=0
r
2
[n]
1. Graque la seal s[n] y la seal x[n] para N = 256. Observe que es muy difcil
detectar visualmente la seal sinusoidal en el grco de x[n].
2. Calcule la SNR para esta seal.
3. Calcule la TDF de 256 puntos X[k] de x[n]. Determine para qu valores de k = k
+
se
producen los picos de [X[k][ . Determine las frecuencias asociadas (
k
+ = 2k
+
/N),
y comprelas con la frecuencia de la seal s[n].
Ayuda:
Observe que si el vector la s representa la seal s[n], la suma
N1
n=0
s
2
[n] se puede
calcular haciendo el producto de s*s.
Las seales r[n] y v[n] pueden generarse con las siguientes instrucciones:
d = rand(1,N); v = 2*(d-sum(d)/N); r = 6*v;
Procesamiento Digital de Seales U.N.S. 2011
80 11. Anlisis frecuencial de seales discretas
Ejercicio 20. Anlisis espectral de seales discretas Fecha de entrega: 31/10/2011
Dada una seal discreta x[n] compuesta por un conjunto de tonos sinusoidales se debe
estimar la cantidad, frecuencias y amplitudes relativas de los mismos utilizando las her-
ramientas del Captulo 11. A tal n se provee un archivo *.mat con tres versiones (una
de 75 muestras y dos de 150 muestras) de x[n].
1. Escribir un programa en MATLAB que calcule una aproximacin del espectro X
_
e
j
_
de x[n], usando la funcin fft. La rutina debe gracar la amplitud en dB para el
rango de frecuencias comprendido entre = 0 y = . Para facilitar la compara-
cin de las respuestas es conveniente normalizar la amplitud del espectro a la del
pico mximo, escalando las amplitudes entre 80 dB y 0 dB y normalizar el eje de
frecuencias entre 0 y 1 (correspondientes a = 0 y = , respectivamente) como
se muestra en la gura.
0.0 0.2 0.4 0.6 0.8 1.0
80
60
40
20
0
Rectangular
0.0 0.2 0.4 0.6 0.8 1.0
80
60
40
20
0
Hamming
0.0 0.2 0.4 0.6 0.8 1.0
80
60
40
20
0
Von Hann
0.0 0.2 0.4 0.6 0.8 1.0
80
60
40
20
0
Blackman
0.0 0.2 0.4 0.6 0.8 1.0
80
60
40
20
0
Kaiser ( = 2)
0.0 0.2 0.4 0.6 0.8 1.0
80
60
40
20
0
Triangular
2. Aproximar el mdulo del espectro [X(e
j
)[ de la seal x
1
[n] de 75 muestras con una
TDF X
75
[k] de 75 puntos, utilizando el programa desarrollado en el inciso anterior
y aplicando las siguientes ventanas:
(a) Rectangular (boxcar(N)) (d) Blackman (blackman(N))
(b) Hamming (hamming(N)) (e) Kaiser (kaiser(N,beta))
(c) von Hann (hanning(N)) ( f ) Triangular (triang(N))
Gracar los espectros calculados en la misma escala (por ejemplo, con entre 0 y
, y [X
_
e
j
_
[ entre 80 dB y 0 dB) usando los comandos axis y subplot.
3. Repetir el inciso anterior usando una TDF X
2048
[k] de 2048 puntos, agregando 2048
75 ceros a x
1
[n].
Nota: el comando fft(x,N) de MATLAB se encarga de agregar el nmero ceros
necesarios a la cola de x[n] si N es mayor que la longitud de x[n] (es decir, efec-
ta automticamente un padding de ceros). En caso contrario (si N es menor que
el largo de x[n]), el comando toma slo las primeras N muestras de x[n], y descarta
el resto. Este comportamiento es distinto al estudiado en la teora, donde se presen-
ta la TDF X[k] de orden N como N muestras equiespaciadas del espectro X(e
j
), es
decir, X[k] = X(e
j
)

=2k/N
.
4. Comentar los resultados de los incisos anteriores y analizarlos de acuerdo a las
caractersticas de cada ventana. Prestar atencin a la cantidad de tonos y las ampli-
Procesamiento Digital de Seales U.N.S. 2011
11.11. Ejercicios 81
tudes relativas detectadas. Alguna de las ventanas tiene un desempeo notoria-
mente superior a las dems? Cul es la mejora que se obtiene al efectuar una TDF
de mayor longitud?
5. Repetir los incisos 2 a 4 para la seal x
2
[n] de 150 muestras de longitud. Analizar
los resultados obtenidos comparndolos con la seal de 75 muestras.
6. En base a la informacin obtenida en todos los incisos anteriores, resumir en una
nica tabla las frecuencias (normalizadas a ) y amplitudes relativas (en dB) de los
tonos que, segn su criterio, estn presentes en x[n].
7. La segunda seal x
3
[n] de 150 muestras de longitud es la misma seal x
2
[n] de 150
muestras de los incisos anteriores, pero contaminada con ruido gaussiano de media
nula.
a) Estimar el espectro X
3
(e
j
) de x
3
[n], repitiendo los incisos 2 y 3 para esta seal.
b) Estimar la cantidad de tonos presentes y la frecuencia y amplitud relativa de
los mismos. Comentar sobre la diferencia con las estimaciones del inciso 6.
c) Como en este ejemplo la seal original (sin ruido) x[n] est disponible, se
puede calcular la relacin seal a ruido (notada SNR y expresada usualmente
en dB) como
SNR = 10 log
10
_
2
0

X
3
_
e
j
_
X
2
_
e
j
_

2
d
_
2
0

X
2
_
e
j
_

2
d
.
Aplique la relacin de Parseval para simplicar el clculo de la relacin seal
a ruido.
8. Usando los resultados del inciso 6, y conociendo la ganancia de procesamiento de
las ventanas, sintetizar una seal x
e
[n] compuesta por seales sinusoidales de la
frecuencia, amplitud y fase estimadas:
x
e
[n] =

4
k=0

A
k
cos(
k
n +

k
), (11.42)
donde el superndice indica las variables estimadas. Para ello es necesario en-
contrar la relacin entre el mdulo a
k
y la fase
k
del pico en la muestra k-sima del
espectroX[k], X[k] = a
k
e
j
k
, con las frecuencias
k
, amplitudes

A
k
y fases

k
de la
ecuacin de sntesis (11.42).
a) Revise los resultados de sus estimaciones comparando en un grco las suce-
siones x
2
[n] y x
e
[n].
b) Calcule el error mximo
x
m ax
= m ax
0_n_N1
[x
2
[n] x
e
[n][,
y el error medio cuadrtico relativo
e
MC
=
_
_
_
_
_
N1

n=0
(x
2
[n] x
e
[n])
2
N1

n=0
x
2
[n]
2
_
_
_
_
_
1/2
entre las seales temporales x
2
[n] y x
e
[n].
Procesamiento Digital de Seales U.N.S. 2011
82 11. Anlisis frecuencial de seales discretas
0 10 20 30 40 50 60 70 80 90 100
2.0
1.0
0.0
1.0
2.0
Seales temporales x
2
[n] ( ), x
e
[n] () (N = 150)
0 10 20 30 40 50 60 70 80 90 100
2.00
1.00
0.00
1.00
2.00
Diferencia x
2
[n] x
e
[n] (N = 150)
0 0.2 0.4 0.6 0.8
80
60
40
20
0
Espectros X(e
j
) ( ), X
e
(e
j
) () (N = 150)
0 10 20 30 40 50 60 70 80 90 100
2.0
1.0
0.0
1.0
2.0
Seales temporales x
2
[n] ( ), x
e
[n] () (N = 2048)
0 10 20 30 40 50 60 70 80 90 100
0.04
0.02
0.00
0.02
0.04
0.02
Diferencia x
2
[n] x
e
[n] (N = 2048)
0 0.2 0.4 0.6 0.8
80
60
40
20
0
Espectros X(e
j
) ( ), X
e
(e
j
) () (N = 2048)
c) Utilizando la ventana que haya mostrado mejor desempeo, calcular una aprox-
imacin del espectro X
e
_
e
j
_
de x
e
[n]. Comparar en un grco el mdulo de
X
e
_
e
j
_
con el mdulo de X
_
e
j
_
, el espectro de la seal x[n] original.
d) Calcular el error medio cudrtico relativo e
MC,e
entre los espectros original y
estimado, que es la diferencia entre las areas de los espectros, normalizada
por el rea del espectro de la seal original:
e
MC,e
=
_
_
_
_
_
2
0

X
e
_
e
j
_
X
2
_
e
j
_

2
d
_
2
0

X
2
_
e
j
_

2
d
_
_
_
_
1/2
.
Compare este error medio cuadrtico relativo e
MC,e
con el error e
MC
calculado
en el inciso (8b).
Observaciones
Escribir un informe manuscrito detallando sus resultados, y adjuntar una copia im-
presa de los grcos del espectro calculado con cada ventana.
Incluir el cdigo utilizado para analizar la seal.
La evaluacin tendr en cuenta la elaboracin de los resultados y en menor medida
la calidad del cdigo desarrollado.
La presentacin del ejercicio fuera del plazo previsto ser penada con una quita de
puntos proporcional a la demora.
Procesamiento Digital de Seales U.N.S. 2011
11.11. Ejercicios 83

N
o
m
b
r
e

S
u
c
e
s
i

n

t
e
m
p
o
r
a
l

h
[
n
]
,

0

1

A
n
c
h
o

d
e
l

l

b
u
l
o

p
r
i
n
c
i
p
a
l

A
m
p
l
i
t
u
d

l

b
u
l
o

l
a
t
e
r
a
l

(
d
B
)

P
e
n
d
i
e
n
t
e

l

b
u
l
o
s

(
d
B
/
o
c
t
)

G
a
n
a
n
c
i
a

A
B


r
u
i
d
o

e
q
u
i
v
a
l
e
n
t
e

(
m
u
e
s
t
r
a
s
)

P

r
d
i
d
a

d
e

o
n
d
u
l
a
c
i

n

(
d
B
)

R
e
s
p
u
e
s
t
a

T
e
m
p
o
r
a
l

-


R
e
s
p
u
e
s
t
a

e
n

f
r
e
c
u
e
n
c
i
a

(
r
e
l
a
t
i
v
o

y

d
B

n
o
r
m
a
l
i
z
a
d
o
)

B
o
x
c
a
r

R
e
c
t
a
n
g
u
l
a
r

1

4

1
3

6

1

1

3
.
9
2

n
0
N

1
w
[
n
]

0
|
W
(
e
j

)
|

0
|
W
(
e
j

)
|

(
d
B
)

B
a
r
t
l
e
t
t

(
t
r
i
a
n
g
u
l
a
r
)

(
)
2
1
2
1
1
n
N
N

2
7

1
2

0
.
5

1
.
3
3

1
.
8
2

n
0
N

1
w
[
n
]

0
|
W
(
e
j

)
|

0
|
W
(
e
j

)
|

(
d
B
)

B
l
a
c
k
m
a
n

2
4
0
.
4
2
0
.
5
c
o
s
0
.
0
8
c
o
s
1
1
n
n
N
N


1
2

5
8

1
8

0
.
4
2

1
.
7
3

1
.
1
0

n
0
N

1
w
[
n
]

0
|
W
(
e
j

)
|

0
|
W
(
e
j

)
|

(
d
B
)

H
a
m
m
i
n
g

2
0
.
5
4
0
.
4
6
c
o
s
1
n
N

4
3

6

0
.
5
4

1
.
3
6

1
.
7
8

n
0
N

1
w
[
n
]

0
|
W
(
e
j

)
|

0
|
W
(
e
j

)
|

(
d
B
)

v
o
n

H
a
n
n

1
2
1
c
o
s
2
1
n
N

|
|

\
.

8

3
2

1
8

0
.
5

1
.
5

1
.
4
2

n
0
N

1
w
[
n
]

0
|
W
(
e
j

)
|

0
|
W
(
e
j

)
|

(
d
B
)

K
a
i
s
e
r

(
)
(
)
(
)
(
)
2
2
0
0
1
2
1
2
1
2
I
N
n
N
I
M


D
e
p
e
n
d
e

d
e


D
e
p
e
n
d
e

d
e


D
e
p
e
n
d
e

d
e


D
e
p
e
n
d
e

d
e


D
e
p
e
n
d
e

d
e


D
e
p
e
n
d
e

d
e


n
0
N

1
w
[
n
]

0
|
W
(
e
j

)
|

0
|
W
(
e
j

)
|

(
d
B
)


Procesamiento Digital de Seales U.N.S. 2011
84 11. Anlisis frecuencial de seales discretas
Procesamiento Digital de Seales U.N.S. 2011