Método de procesamiento de señales que calcula una aproximación discreta del contenido en frecuencia de una señal aplicando la transformada rápida de Fourier (FFT) a datos temporales muestreados uniformemente para obtener un espectro complejo; su uso correcto requiere cumplir el teorema de muestreo (Nyquist), elegir ventanas, longitud de segmento y solapado adecuados para controlar fuga y resolución, y escalado apropiado para estimar espectros de potencia o amplitud.

Principio

La FFT sobre una duración finita y muestreada es un estimador de la transformada de Fourier continua cuya resolución y sesgo están determinados por la ventana de observación y el muestreo; existen compromisos entre resolución en frecuencia (registros largos) y resolución en tiempo (registros cortos), y entre fuga espectral y rango dinámico (elección de ventana).

Demostración

Escenario ilustrativo → adquirir una señal de corriente periódica muestreada a 100 kS/s durante 0,1 s (10 000 muestras). Reconocimiento → determinar las ubicaciones armónicas esperadas por debajo de Nyquist (50 kHz) y escoger ventana de Hanning para reducir fuga. Acción → calcular la FFT, convertir amplitudes de bin a unidades físicas y promediar espectros de segmentos solapados para reducir la varianza. Consecuencia → se estiman amplitudes armónicas y nivel de ruido para diagnóstico EMC o de control, sujetos a la resolución y sesgo de ventana indicados en los resultados.

Aplicación incorrecta

Aplicar FFT a datos muestreados no uniformemente o a señales fuertemente no estacionarias sin preprocesado, o interpretar picos espectrales estrechos como tonos físicos cuando son aliasing o artefactos de ventana. El error semántico es tratar la salida cruda de la FFT como un espectro exacto en lugar de un estimador cuyas propiedades dependen del muestreo y la ventana.

Consecuencia

El análisis basado en FFT ofrece estimaciones cuantitativas en frecuencia usadas para identificación de armónicos, diseño de filtros y caracterización de ruido; su mal uso puede producir características espectrales falsas, estimaciones de amplitud erróneas y decisiones de ingeniería equivocadas si no se gestionan el muestreo, antialiasing, ventana y promediado.

Inversión

Para señales fuertemente variantes en el tiempo o cuando se requiere localización tiempo‑frecuencia simultánea, métodos alternativos (STFT con ventanas adaptadas, wavelets o estimadores paramétricos) pueden ofrecer representaciones más útiles que una FFT global única.

Límite

Claramente dentro: señales muestreadas uniformemente, limitadas en banda o correctamente antialiasadas, estacionarias o cuasiestacionarias donde la duración del registro y las ventanas resuelven las componentes de frecuencia requeridas. Caso límite: ráfagas cortas no estacionarias analizadas por segmentos FFT fenetrados; los resultados requieren interpretación de compromisos tiempo‑frecuencia. Claramente fuera: datos muestreados irregularmente sin remuestreo o análisis transitorios que necesiten métodos en dominio temporal no Fourier.

Tensión semántica

Resolución en frecuencia ↔ Resolución en tiempo y fuga: mejorar resolución aumentando la duración reduce la localización temporal y viceversa; la elección de ventana intercambia fuga por precisión de amplitud y comportamiento de lóbulos secundarios.

Síntesis

El análisis espectral por FFT es un estimador eficiente del contenido en frecuencia pero es inherentemente un proceso de medición con compromisos sesgo–varianza y tiempo‑frecuencia controlables; su interpretación fiable exige atención explícita a muestreo, ventana, duración del registro y promediado.