Actividad Formativa 2: Transformada de Fourier con PythonEstudiante: Abraham Osbaldo Cantú Trejo | Materia: PR | Junio 2026
La Transformada de Fourier: Análisis y Aplicaciones en el Procesamiento de Señales
La Transformada de Fourier es un pilar fundamental en la ingeniería y las telecomunicaciones, permitiendo la transformación del tiempo a la frecuencia. Mediante este proceso, las señales complejas se descomponen en sus componentes frecuenciales, facilitando un análisis preciso de datos dinámicos. Esta herramienta es esencial para aplicaciones en ingeniería y telecomunicaciones, tales como el diseño de filtros digitales, la compresión de señales, y el procesamiento avanzado de voz e imágenes, permitiendo que las organizaciones optimicen recursos mediante un análisis técnico riguroso.
+ info
Objetivos del Proyecto
Objetivo General: Analizar señales mediante la Transformada de Fourier en Python para dominar su representación temporal y frecuencial.
Generación de señales básicas: Crear y manipular diversas formas de onda fundamentales para establecer la base del análisis.
Aplicación de la FFT: Implementar la Transformada Rápida de Fourier para realizar el procesamiento espectral con alta eficiencia computacional.
Comparación de dominios: Visualizar el espectro y comparar las propiedades de la señal para analizar los cambios entre los dominios.
01
Marco Teórico: Fundamentos matemáticos, dominios de análisis y señales de estudio.
Fundamentos y Computación de laTransformada de Fourier
La Transformada de Fourier permite analizar señales descomponiéndolas en senoides elementales. Su definición matemática se expresa mediante la integral: X(f)=∫−∞∞ x(t)e−j2πft dt. Para su implementación, la Transformada Rápida de Fourier (FFT) es fundamental, ya que optimiza el cálculo reduciendo significativamente la complejidad algorítmica.
El dominio del tiempo representa la amplitud de una señal conforme transcurre el tiempo, permitiéndonos observar cómo evoluciona la forma de onda instantáneamente.
El dominio de la frecuencia revela qué frecuencias componen dicha señal, identificando las oscilaciones internas que constituyen su estructura completa.
El pulso rectangular mantiene un valor unitario dentro de un intervalo específico y es cero fuera del mismo.
Oscilación pura definida por x(t) = sen(2πft) con una frecuencia de 20 Hz, representando un comportamiento periódico ideal.
La función escalón presenta un cambio abrupto, valiendo cero antes del instante inicial y uno posteriormente.
Pulso Rectangular
Función Escalón
Señal Senoidal
Señales de prueba
Análisis de señales
Transiciones
01
Implementación técnica:Entorno de simulaciónen Python.
03
02
01
Definimos fs = 1000 Hz, estableciendo la frecuencia de muestreo necesaria para capturar con precisión los componentes temporales.
Generamos el vector de tiempo t y las señales base (senoidal, pulso, escalón) para analizar sus respuestas en frecuencia.
Iniciamos configurando NumPy para cálculos vectorizados y Matplotlib para la visualización de datos esenciales.
Implementación de la Transformada Rápida de Fourier (FFT)
Para procesar señales mediante la librería NumPy, utilizamos primero np.fft.fft(), que calcula la FFT sobre el conjunto de datos de entrada. Por su parte, np.fft.fftfreq() es fundamental para determinar los bins de frecuencia correspondientes a los puntos calculados, basándose en la tasa de muestreo y la longitud de la señal.
Una vez obtenida la transformada, el análisis de Magnitud y Fase se realiza extrayendo el módulo complejo mediante np.abs(fft), que nos indica la intensidad de cada componente. Simultáneamente, el argumento o fase, esencial para entender el desplazamiento temporal, se obtiene calculando np.angle(fft), completando así el espectro completo de la señal analizada.
+ info
En el dominio del tiempo, la señal muestra una oscilación constante y predecible. Al realizar el análisis espectral, la transformación revela un único pico a 20 Hz, confirmando que la señal contiene una frecuencia única. Este resultado destaca la precisión en la caracterización de señales puras mediante herramientas de procesamiento digital.
Análisis espectral de una señal senoidal pura a 20 Hz, revelando su estructura armónica fundamental.
Análisis Espectral del Pulso Rectangular
Al analizar el pulso, observamos cómo los cambios bruscos generan múltiples frecuencias por cambios bruscos, dando lugar a un espectro amplio en lugar de una única frecuencia definida.
Análisis espectral: Comportamiento de la función escalón
La función escalón representa un cambio abrupto, transitando de 0 a 1 en el instante 0.5s. Este salto genera un espectro caracterizado por componentes de baja frecuencia predominantes. Al ser una señal que persiste indefinidamente tras el cambio, su energía se concentra en las regiones inferiores del espectro, mostrando cómo un cambio de estado único altera permanentemente el comportamiento frecuencial.
+ info
Demostración de Linealidad
La Transformada de Fourier respeta la superposición de señales en el dominio de la frecuencia.
20 Hz
Frecuencia de la primeraseñal senoidal componente
Al analizar una señal compuesta por la suma de dos senoides, una de 20 Hz y otra de 60 Hz, observamos que su espectro presenta picos exactos en dichas frecuencias. Esto confirma la propiedad de linealidad: la transformada de una suma es igual a la suma de las transformadas individuales.
60 Hz
Frecuencia de la segundaseñal senoidal componente
Efectos de las Transformaciones en el Tiempo
Al aplicar un desplazamiento temporal, la magnitud del espectro permanece inalterada, reflejando solo un cambio en la fase lineal.
El escalamiento (compresión/expansión) altera la resolución espectral al expandir o contraer el ancho de banda ocupado.
Por el contrario, la expansión en el tiempo provoca que el espectro se concentre, predominando componentes de baja frecuencia.
Una compresión temporal ensancha el contenido espectral, dispersando la energía en un rango mayor de frecuencias.
El desplazamiento temporal (fase) introduce una rotación en el espectro manteniendo la potencia constante.
Estas propiedades son fundamentales para la manipulación precisa de señales en el dominio frecuencial.
El dominio del tiempo permite observar la evolución de la señal, siendo fundamental para la adquisición de datos y visualización.
El dominio de la frecuencia revela los componentes espectrales, facilitando tareas críticas de análisis y diseño de filtros.
Conclusiones de la Simulación
Validación
La simulación validó con éxito los fundamentos teóricos de la Transformada de Fourier. Al verificar propiedades como la linealidad y el escalamiento, confirmamos su versatilidad analítica. Esta es una herramienta indispensable en telecomunicaciones, permitiendo un procesamiento de señales preciso, eficiente y adaptable a múltiples entornos digitales.
Eficiencia en espectros complejos mediante FFT.
Impacto
Propiedades Esenciales
Pilares fundamentales del procesamiento de señales digitales.
Teoría validada mediante simulación numérica.
Gracias por su atención en la Actividad Formativa 2. ¿Tienen alguna duda?
Incremento del 73% en la eficiencia en el diseño de filtros digitales complejos para telecomunicaciones.
+73%
Optimización de recursos y reducción de costos operativos en el procesamiento de señales.
La superioridad algorítmica de la FFT
La FFT representa una mejora fundamental frente a la DFT. Mientras que el cálculo directo de la DFT tiene una complejidad de O(N²), la FFT reduce esta carga computacional a O(N log N), permitiendo procesar señales masivas en tiempo real con una eficiencia sin precedentes.
- Reducción drástica del costo operativo de cómputo.
- Habilitación del monitoreo y análisis en tiempo real.
- Optimización crítica para sistemas de alta frecuencia.
- Permite aplicaciones de hardware embebido con recursos limitados.
- Escalabilidad superior para grandes volúmenes de datos.
1/f
La discontinuidad del escalón impone un comportamiento asintótico en el espectro, donde la energía decae inversamente con la frecuencia.
Simulación y Análisis de Señales con Transformada de Fourier
Osvaldo Cantu
Created on June 29, 2026
Exploración práctica de la Transformada de Fourier mediante Python. Analiza señales senoidales, pulsos y funciones escalón, verificando propiedades de linealidad, desplazamiento y escalamiento con herramientas como NumPy y Matplotlib.
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Startup Presentation
View
Black and White Presentation
View
Marketing Presentation
View
Dynamic Visual Presentation
View
Corporate Christmas Presentation
View
Customer Service Manual
View
Business Results Presentation
Explore all templates
Transcript
Actividad Formativa 2: Transformada de Fourier con PythonEstudiante: Abraham Osbaldo Cantú Trejo | Materia: PR | Junio 2026
La Transformada de Fourier: Análisis y Aplicaciones en el Procesamiento de Señales
La Transformada de Fourier es un pilar fundamental en la ingeniería y las telecomunicaciones, permitiendo la transformación del tiempo a la frecuencia. Mediante este proceso, las señales complejas se descomponen en sus componentes frecuenciales, facilitando un análisis preciso de datos dinámicos. Esta herramienta es esencial para aplicaciones en ingeniería y telecomunicaciones, tales como el diseño de filtros digitales, la compresión de señales, y el procesamiento avanzado de voz e imágenes, permitiendo que las organizaciones optimicen recursos mediante un análisis técnico riguroso.
+ info
Objetivos del Proyecto
Objetivo General: Analizar señales mediante la Transformada de Fourier en Python para dominar su representación temporal y frecuencial.
Generación de señales básicas: Crear y manipular diversas formas de onda fundamentales para establecer la base del análisis.
Aplicación de la FFT: Implementar la Transformada Rápida de Fourier para realizar el procesamiento espectral con alta eficiencia computacional.
Comparación de dominios: Visualizar el espectro y comparar las propiedades de la señal para analizar los cambios entre los dominios.
01
Marco Teórico: Fundamentos matemáticos, dominios de análisis y señales de estudio.
Fundamentos y Computación de laTransformada de Fourier
La Transformada de Fourier permite analizar señales descomponiéndolas en senoides elementales. Su definición matemática se expresa mediante la integral: X(f)=∫−∞∞ x(t)e−j2πft dt. Para su implementación, la Transformada Rápida de Fourier (FFT) es fundamental, ya que optimiza el cálculo reduciendo significativamente la complejidad algorítmica.
El dominio del tiempo representa la amplitud de una señal conforme transcurre el tiempo, permitiéndonos observar cómo evoluciona la forma de onda instantáneamente.
El dominio de la frecuencia revela qué frecuencias componen dicha señal, identificando las oscilaciones internas que constituyen su estructura completa.
El pulso rectangular mantiene un valor unitario dentro de un intervalo específico y es cero fuera del mismo.
Oscilación pura definida por x(t) = sen(2πft) con una frecuencia de 20 Hz, representando un comportamiento periódico ideal.
La función escalón presenta un cambio abrupto, valiendo cero antes del instante inicial y uno posteriormente.
Pulso Rectangular
Función Escalón
Señal Senoidal
Señales de prueba
Análisis de señales
Transiciones
01
Implementación técnica:Entorno de simulaciónen Python.
03
02
01
Definimos fs = 1000 Hz, estableciendo la frecuencia de muestreo necesaria para capturar con precisión los componentes temporales.
Generamos el vector de tiempo t y las señales base (senoidal, pulso, escalón) para analizar sus respuestas en frecuencia.
Iniciamos configurando NumPy para cálculos vectorizados y Matplotlib para la visualización de datos esenciales.
Implementación de la Transformada Rápida de Fourier (FFT)
Para procesar señales mediante la librería NumPy, utilizamos primero np.fft.fft(), que calcula la FFT sobre el conjunto de datos de entrada. Por su parte, np.fft.fftfreq() es fundamental para determinar los bins de frecuencia correspondientes a los puntos calculados, basándose en la tasa de muestreo y la longitud de la señal.
Una vez obtenida la transformada, el análisis de Magnitud y Fase se realiza extrayendo el módulo complejo mediante np.abs(fft), que nos indica la intensidad de cada componente. Simultáneamente, el argumento o fase, esencial para entender el desplazamiento temporal, se obtiene calculando np.angle(fft), completando así el espectro completo de la señal analizada.
+ info
En el dominio del tiempo, la señal muestra una oscilación constante y predecible. Al realizar el análisis espectral, la transformación revela un único pico a 20 Hz, confirmando que la señal contiene una frecuencia única. Este resultado destaca la precisión en la caracterización de señales puras mediante herramientas de procesamiento digital.
Análisis espectral de una señal senoidal pura a 20 Hz, revelando su estructura armónica fundamental.
Análisis Espectral del Pulso Rectangular
Al analizar el pulso, observamos cómo los cambios bruscos generan múltiples frecuencias por cambios bruscos, dando lugar a un espectro amplio en lugar de una única frecuencia definida.
Análisis espectral: Comportamiento de la función escalón
La función escalón representa un cambio abrupto, transitando de 0 a 1 en el instante 0.5s. Este salto genera un espectro caracterizado por componentes de baja frecuencia predominantes. Al ser una señal que persiste indefinidamente tras el cambio, su energía se concentra en las regiones inferiores del espectro, mostrando cómo un cambio de estado único altera permanentemente el comportamiento frecuencial.
+ info
Demostración de Linealidad
La Transformada de Fourier respeta la superposición de señales en el dominio de la frecuencia.
20 Hz
Frecuencia de la primeraseñal senoidal componente
Al analizar una señal compuesta por la suma de dos senoides, una de 20 Hz y otra de 60 Hz, observamos que su espectro presenta picos exactos en dichas frecuencias. Esto confirma la propiedad de linealidad: la transformada de una suma es igual a la suma de las transformadas individuales.
60 Hz
Frecuencia de la segundaseñal senoidal componente
Efectos de las Transformaciones en el Tiempo
Al aplicar un desplazamiento temporal, la magnitud del espectro permanece inalterada, reflejando solo un cambio en la fase lineal.
El escalamiento (compresión/expansión) altera la resolución espectral al expandir o contraer el ancho de banda ocupado.
Por el contrario, la expansión en el tiempo provoca que el espectro se concentre, predominando componentes de baja frecuencia.
Una compresión temporal ensancha el contenido espectral, dispersando la energía en un rango mayor de frecuencias.
El desplazamiento temporal (fase) introduce una rotación en el espectro manteniendo la potencia constante.
Estas propiedades son fundamentales para la manipulación precisa de señales en el dominio frecuencial.
El dominio del tiempo permite observar la evolución de la señal, siendo fundamental para la adquisición de datos y visualización.
El dominio de la frecuencia revela los componentes espectrales, facilitando tareas críticas de análisis y diseño de filtros.
Conclusiones de la Simulación
Validación
La simulación validó con éxito los fundamentos teóricos de la Transformada de Fourier. Al verificar propiedades como la linealidad y el escalamiento, confirmamos su versatilidad analítica. Esta es una herramienta indispensable en telecomunicaciones, permitiendo un procesamiento de señales preciso, eficiente y adaptable a múltiples entornos digitales.
Eficiencia en espectros complejos mediante FFT.
Impacto
Propiedades Esenciales
Pilares fundamentales del procesamiento de señales digitales.
Teoría validada mediante simulación numérica.
Gracias por su atención en la Actividad Formativa 2. ¿Tienen alguna duda?
Incremento del 73% en la eficiencia en el diseño de filtros digitales complejos para telecomunicaciones.
+73%
Optimización de recursos y reducción de costos operativos en el procesamiento de señales.
La superioridad algorítmica de la FFT
La FFT representa una mejora fundamental frente a la DFT. Mientras que el cálculo directo de la DFT tiene una complejidad de O(N²), la FFT reduce esta carga computacional a O(N log N), permitiendo procesar señales masivas en tiempo real con una eficiencia sin precedentes.
1/f
La discontinuidad del escalón impone un comportamiento asintótico en el espectro, donde la energía decae inversamente con la frecuencia.