Teoría del todo

Parte V · Del electrón al programa

Análisis de señales

en cursoÚltima actualización: 26 de octubre de 2026 · Primera versión del capítulo

Se construye sobre: Cuando el álgebra y el análisis se encuentran, Sensores y actuadores

Toca una cuerda de guitarra junto a una aplicación de afinar. En menos de un segundo la pantalla dice “la, 110 Hz, un poquito bajo”. Piensa en lo que hizo: el micrófono le entregó una lista de miles de números por segundo, una curva temblorosa que a ojo no se parece a nada, y de ahí sacó una sola frecuencia, con decimales. La cuerda no vibra a una sola frecuencia, además: suena su fundamental y encima sus armónicos, al doble, al triple, cada uno con su fuerza, y esa mezcla es lo que distingue una guitarra de un piano tocando la misma nota. El afinador separó la mezcla. Ese es el oficio del análisis de señales: mirar algo que cambia en el tiempo y preguntar de qué frecuencias está hecho.

Las piezas ya están en el libro. En álgebra y análisis vimos que una función periódica tiene coordenadas en la base de senos y cosenos, la serie de Fourier. En sensores y actuadores, cómo un conversor convierte una señal continua en muestras y por qué hay que muestrear a más del doble de la frecuencia más alta. Este capítulo junta las dos cosas y las vuelve una herramienta.

De la serie a la transformada

La serie de Fourier sirve para lo periódico. Una palabra dicha, un latido, un temblor, no se repiten igual para siempre. La transformada de Fourier es lo que queda cuando el período se estira hasta el infinito y las frecuencias permitidas, que eran múltiplos enteros de una fundamental, se vuelven un continuo:

para funciones razonables, por ejemplo suaves y que se apagan rápido lejos del origen (para las de cuadrado integrable, las integrales se entienden como un límite). La exponencial compleja es un seno y un coseno empaquetados juntos, gracias a la fórmula de Euler y a los números complejos: el módulo de dice cuánto de la frecuencia hay en la señal, y su ángulo, en qué fase está. La integral es, otra vez, un producto interno: proyectar la señal sobre cada frecuencia.

Un computador no tiene ni curvas continuas ni integrales infinitas. Tiene muestras , tomadas a ritmo . La versión que sí se puede calcular es la transformada discreta de Fourier, la DFT:

Es una suma finita, sin límites ni convergencia que discutir: un cambio de base en un espacio de dimensiones, en el que los vectores de la nueva base son senoidales muestreadas. La casilla corresponde a la frecuencia , así que la resolución en frecuencia es , el inverso de la duración del registro. Para distinguir dos tonos separados por un hertz necesitas, más o menos, un segundo de señal. Y Parseval, que en el capítulo de álgebra y análisis era una suma infinita, aquí es una identidad de sumas finitas:

La energía es la misma mirada desde el tiempo o desde la frecuencia. Son dos coordenadas del mismo vector.

La FFT, o cómo un algoritmo cambió la ingeniería

Calcular la DFT al pie de la letra cuesta multiplicaciones para cada una de las casillas: operaciones. En 1965 James Cooley y John Tukey publicaron una manera de hacerlo en un número de operaciones proporcional a (después se supo que Gauss había usado una idea equivalente a comienzos del siglo XIX, sin que se difundiera). Si es una potencia de dos, el truco es partir las muestras en pares e impares: la DFT de tamaño sale de dos DFT de tamaño y una vuelta de combinaciones, y cada una de esas se parte otra vez, hasta llegar a tamaño uno. Es divide y vencerás, la misma estrategia que se cuenta en algoritmos y complejidad.

La diferencia no es de grado. Con las 256 muestras de la animación de abajo, la DFT directa hace del orden de 65 mil productos y la FFT, unos 2 mil. Con un millón de muestras, la directa necesita un billón; la FFT, unos veinte millones. Esa reducción es la que hizo posible calcular espectros en tiempo real, y está metida dentro del celular, del módem y de casi cualquier cosa que procese sonido o radio. La animación calcula su espectro con una FFT escrita a mano y sus pruebas comprueban que da lo mismo que la suma directa.

Juega · componer, mirar el espectro, filtrar

Un segundo de señal, 256 muestras por segundo: tres senoidales más ruido. Abajo, su espectro calculado con la transformada discreta de Fourier. El filtro pasa bajos borra todo lo que esté a la derecha del corte.

tiempo0 s0,5 s1 sespectro (amplitud por frecuencia)0326496128Hz
senoidal 1
senoidal 2
senoidal 3

Pasan 5 Hz, 18 Hz. Relación señal-ruido: 9,4 dB a la entrada; 16,7 dB a la salida, contra lo que se quiso conservar.

Al empezar, la señal es la suma de una senoidal de 5 Hz con amplitud 1, otra de 18 Hz con amplitud 0,6 y otra de 60 Hz con amplitud 0,4, más ruido. En el tiempo es una maraña. En el espectro son tres agujas limpias, de alturas 1,01, 0,62 y 0,37 (el ruido las mueve un poco), y el ruido queda como un pasto bajo repartido por todas las frecuencias, que no pasa de 0,09. Mueve las frecuencias y las amplitudes, y mira cómo cada aguja obedece a su deslizador sin tocar a las otras.

Filtrar es multiplicar

Un sistema lineal e invariante en el tiempo es uno en el que la respuesta a una suma es la suma de las respuestas, y en el que retrasar la entrada solo retrasa la salida. El circuito RC de condensadores y bobinas lo es, también un parlante bueno, una sala de conciertos o el camino que recorre una onda sísmica por la roca, en aproximación. Un sistema así queda descrito entero por su respuesta al impulso : lo que sale cuando entra un golpe instantáneo. Cualquier entrada es una fila de golpes de distintos tamaños, así que la salida es la suma de las respuestas a cada uno, corridas y escaladas. Esa suma se llama convolución:

La media móvil de series de tiempo es una convolución con una respuesta al impulso plana; el eco de una iglesia es otra. Y aquí aparece el teorema que hace útil todo lo anterior, el teorema de convolución: la transformada de una convolución es el producto de las transformadas,

(Para la DFT vale tal cual con la convolución circular, la que da la vuelta al final del registro; las pruebas de la animación lo comprueban.) Una operación enredada en el tiempo, que mezcla cada muestra con todas sus vecinas, se vuelve en frecuencia una multiplicación casilla por casilla. La razón es la de valores propios: las exponenciales complejas son los vectores propios de todo sistema lineal e invariante, y es la lista de sus valores propios. Diseñar un filtro es escoger esa lista.

Un pasa bajos deja en las frecuencias bajas y casi cero en las altas; un pasa altos, al revés; un pasa banda conserva solo una franja, como hace una radio al sintonizar una emisora. El filtro de la animación es el más drástico posible: pone en cero, sin más, toda casilla por encima del corte. Con el corte en 30 Hz, la aguja de 60 Hz desaparece y la señal filtrada queda suave. Ese filtro “ideal” tiene un precio que ya conocías: un borde abrupto en frecuencia equivale a una respuesta al impulso que oscila a lado y lado, y en señales con saltos aparece el mismo sobrepico de Gibbs de la onda cuadrada. Los filtros reales caen más suave a propósito.

Ventanas y fuga

La DFT tiene un supuesto escondido: trata el registro de muestras como si se repitiera para siempre. Si la senoidal da un número entero de vueltas en la ventana, el final empalma con el principio y todo cae en una sola casilla. Si no, el empalme tiene un salto, y un salto necesita muchas frecuencias para armarse: la energía se derrama a las casillas vecinas. Se llama fuga espectral. Pulsa “probar 10,5 Hz”: la aguja de amplitud 1 se parte entre 10 y 11 Hz, ninguna de las dos llega a 0,75 (sin ruido, ni siquiera a 0,66), y a diez casillas de distancia todavía queda algo de energía.

El remedio es multiplicar el registro por una ventana que lo apague suavemente en los bordes, de modo que no haya salto que empalmar. La de Hann, un ciclo de coseno elevado para que no baje de cero, es de las más usadas. Prende “ventana de Hann” y la fuga lejana casi desaparece, a cambio de un pico un poco más ancho. No hay almuerzo gratis: es la misma tensión entre concentrarse en el tiempo y concentrarse en la frecuencia que vuelve a aparecer en la sección siguiente.

El espectrograma y el límite tiempo–frecuencia

Una canción no tiene un solo espectro; tiene uno que cambia. El espectrograma corta la señal en ventanas cortas que se solapan, calcula la FFT de cada una y las pone lado a lado: el tiempo en un eje, la frecuencia en el otro, la intensidad en color. En el espectrograma de una voz se ven las bandas de los formantes, las resonancias de la garganta y la boca que distinguen una a de una i aunque se digan en el mismo tono; en el de un piano, cada nota como una escalera de armónicos que se apaga.

Pero no se puede tener todo. Una ventana corta ubica bien cuándo pasó algo y mal a qué frecuencia; una larga, al revés. Si se miden las dos anchuras con desviaciones estándar, ninguna señal escapa a

Es un teorema sobre la transformada de Fourier, y es exactamente el mismo que, con , se vuelve el principio de incertidumbre de la mecánica cuántica. Un pulso muy corto está hecho de muchas frecuencias; un tono puro dura para siempre.

El cuerpo hace su propio análisis espectral. En el oído interno, la cóclea tiene una membrana cuya rigidez cambia a lo largo de su recorrido, de modo que cada tramo vibra con más fuerza a una frecuencia distinta: el sonido llega al cerebro ya separado en bandas. El ojo hace una versión mucho más pobre con la luz: como se cuenta en conos y bastones, tres tipos de cono funcionan como tres filtros anchos y solapados sobre el espectro de la luz, y de un espectro entero el ojo conserva solo tres números. Por eso dos luces con espectros muy distintos pueden verse del mismo color, algo que al oído, con su análisis mucho más fino, le pasa mucho menos.

Ruido y la relación señal–ruido

Toda medición trae ruido. El más común en los modelos es el ruido blanco, que reparte su potencia por igual en todas las frecuencias, como el pasto bajo de la animación. La calidad de una medición se resume en la relación señal–ruido, la razón entre la potencia de lo que quieres y la de lo que estorba, que por cubrir muchos órdenes de magnitud se da en decibelios:

Diez decibelios son un factor diez en potencia; veinte, un factor cien. Filtrar mejora la relación porque la señal vive en unas pocas frecuencias y el ruido blanco en todas: quitar las bandas donde no hay nada que quieras se lleva ruido sin tocar la señal. En la animación, al empezar, la relación es de 9,4 dB; con el corte en 30 Hz, contando como señal solo lo que el filtro debía conservar (los tonos de 5 y 18 Hz), sube a 16,7 dB. Subir el corte deja pasar más ruido; bajarlo demasiado empieza a comerse la señal. La pregunta de cuánta información cabe a pesar del ruido, y cómo protegerla, es la de ruido, canales y códigos, y la radio de largo alcance de LoRa vive de esto: su receptor recupera cada símbolo con una FFT, incluso con la señal por debajo del ruido.

Donde se usa

El electrocardiograma mide, desde la piel, los milivoltios que deja la actividad eléctrica del corazón, y casi todo su procesamiento es filtrado. La respiración y el movimiento hacen que la línea de base suba y baje despacio, y un pasa altos de corte muy bajo la endereza. Los cables recogen la red eléctrica, que en Colombia oscila a 60 Hz, y un filtro de banda eliminada, muy angosto, la borra sin tocar el resto. Y la frecuencia cardiaca se puede leer como la frecuencia fundamental de la señal, igual que el afinador lee la nota.

Un sismógrafo registra el movimiento del suelo como una serie de tiempo, y su espectro dice mucho del sismo. Las ondas P llegan primero y las S después; las de un sismo grande traen más energía en frecuencias bajas, y el suelo blando de una ciudad amplifica unas frecuencias más que otras, que es una de las razones por las que un mismo sismo sacude distinto a dos barrios. El sismo de magnitud 7,4 del 10 de agosto de 2026, con epicentro cerca de San José del Palmar, en el Chocó, y a unos cien kilómetros de profundidad, quedó registrado por las estaciones del Servicio Geológico Colombiano, y de esas señales salen su magnitud, su profundidad y su mecanismo, como se cuenta en tectónica de placas.

Tambor de un sismógrafo antiguo en una vitrina, envuelto en papel negro sobre el que una aguja rayó muchas líneas finas y paralelas; en una franja, las líneas se ensanchan en oscilaciones
El tambor de un sismógrafo antiguo, en el Museo Nacional de la Naturaleza y la Ciencia de Tokio. El papel gira y avanza mientras una aguja raya una línea por vuelta; donde las líneas se ensanchan en temblores, pasó un sismo. Es una serie de tiempo escrita a mano por el suelo, esperando que alguien le saque el espectro.Foto: Daderot · CC0 · Wikimedia Commons

La compresión de audio e imagen también es análisis de señales. JPEG parte la imagen en bloques de ocho por ocho píxeles, pasa cada uno a frecuencias con una transformada de coseno, y guarda con menos precisión las frecuencias altas, los detalles finos donde el ojo nota menos la diferencia. MP3 hace algo parecido con el sonido, con un banco de filtros y un modelo de qué frecuencias tapan a cuáles para el oído humano. En los dos casos la idea es la misma: en la base correcta, casi toda la energía se concentra en pocas coordenadas, y las demás se pueden descartar sin que el sentido lo note mucho. Cuánto se puede apretar sin perder nada lo dice la entropía; lo que hacen JPEG y MP3 es perder, a propósito, lo que menos se nota.

Misma matemática, otra pregunta

Las series de tiempo y las señales son el mismo objeto: números ordenados en el tiempo. Lo que cambia es la pregunta. Quien analiza una serie quiere saber qué viene después; quien analiza una señal quiere saber de qué está hecha. Las dos preguntas se tocan en un resultado precioso, el teorema de Wiener–Khinchin: para un proceso estacionario, el espectro de potencia es la transformada de Fourier de la autocorrelación. El correlograma que en una serie muestra un pico a los doce meses y la aguja que en el espectro aparece en la frecuencia de un ciclo por año dicen lo mismo, en dos bases distintas. En mis notas de ciencia de datos Fourier aparece justamente así, como una manera de extraer de los datos las características que un modelo de aprendizaje automático puede usar.

Es el patrón de este libro una vez más: una sola idea, cambiar de base para que lo complicado se vuelva simple, que aparece en la cuerda de una guitarra, en un latido, en un temblor de tierra y en la foto que acabas de mandar por el celular.