{"id":285027,"date":"2026-01-05T08:22:04","date_gmt":"2026-01-05T08:22:04","guid":{"rendered":"https:\/\/design.crysound.com\/analisis-fft-con-opentest\/"},"modified":"2026-08-14T05:41:27","modified_gmt":"2026-08-14T05:41:27","slug":"analisis-fft-con-opentest","status":"publish","type":"post","link":"https:\/\/design.crysound.com\/es\/blog\/analisis-fft-con-opentest\/","title":{"rendered":"An\u00e1lisis FFT con OpenTest"},"content":{"rendered":"\n<p>En las pruebas de audio y vibraci\u00f3n, el <strong>an\u00e1lisis FFT (Transformada R\u00e1pida de Fourier)<\/strong> es una de las herramientas que casi todos los ingenieros usan tarde o temprano:<\/p>\n\n<ul class=\"wp-block-list\">\n<li>Respuesta en frecuencia de altavoces<\/li>\n\n\n\n<li>Distorsi\u00f3n de auriculares<\/li>\n\n\n\n<li>Diagn\u00f3sticos NVH<\/li>\n\n\n\n<li>Soluci\u00f3n de problemas de resonancias estructurales<\/li>\n\n\n\n<li>B\u00fasqueda de ruido de producci\u00f3n y de \"tonos misteriosos\"<\/li>\n<\/ul>\n\n<p>Muchas preguntas pr\u00e1cticas en realidad est\u00e1n planteando las mismas pocas cosas:<\/p>\n\n<ul class=\"wp-block-list\">\n<li>\u00bfD\u00f3nde est\u00e1 concentrada la energ\u00eda en frecuencia?<\/li>\n\n\n\n<li>\u00bfEst\u00e1 dominada por un solo tono o por un grupo de arm\u00f3nicos?<\/li>\n\n\n\n<li>\u00bfQu\u00e9 tan alto es el nivel de ruido de fondo?<\/li>\n\n\n\n<li>\u00bfHay picos de resonancia?<\/li>\n<\/ul>\n\n<p>La FFT es el punto de partida m\u00e1s universal para responder a estas preguntas.<\/p>\n\n<p>Este art\u00edculo te ayudar\u00e1 a aclarar tres cosas desde una perspectiva de ingenier\u00eda:<\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Qu\u00e9 es el an\u00e1lisis FFT<\/strong><\/li>\n\n\n\n<li><strong>C\u00f3mo funciona FFT a nivel conceptual<\/strong><\/li>\n\n\n\n<li><strong>C\u00f3mo utilizar FFT de forma correcta y eficiente en la pr\u00e1ctica<\/strong><\/li>\n<\/ul>\n\n<h2 class=\"wp-block-heading\"><strong>\u00bfQu\u00e9 es la FFT?<\/strong><\/h2>\n\n<p>En el <strong>dominio del tiempo<\/strong>, una se\u00f1al es simplemente una forma de onda que cambia con el tiempo: todos los componentes \"apilados\" en un mismo trazo. Puedes verla, pero es dif\u00edcil saber qu\u00e9 frecuencias contiene.<\/p>\n\n<p>La FFT (Transformada R\u00e1pida de Fourier) descompone una se\u00f1al en el dominio del tiempo en una suma de senoidales a diferentes frecuencias. En el <strong>dominio de la frecuencia<\/strong>, la se\u00f1al se representa mediante <strong>frecuencia + amplitud + fase<\/strong>. En t\u00e9rminos sencillos:<\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Dominio del tiempo<\/strong>: c\u00f3mo se mueve la se\u00f1al a lo largo del tiempo<\/li>\n\n\n\n<li><strong>Dominio de la frecuencia<\/strong>: qu\u00e9 componentes de frecuencia contiene, cu\u00e1les son m\u00e1s fuertes y c\u00f3mo se relacionan entre s\u00ed<\/li>\n<\/ul>\n\n<p>Hist\u00f3ricamente, la idea clave de Fourier (a principios del siglo 19) fue que una funci\u00f3n peri\u00f3dica compleja puede expresarse como una suma de senos y cosenos. Esto evolucion\u00f3 hasta la transformada de Fourier en tiempo continuo, que mapea se\u00f1ales a un eje de frecuencia continuo.<\/p>\n\n<p>En la era de los ordenadores, las cosas cambiaron: los ingenieros trabajan con <strong>datos muestreados<\/strong> y normalmente solo disponen de un <strong>registro de longitud finita de N muestras<\/strong>. Esto lleva a la <strong>DFT (Transformada Discreta de Fourier)<\/strong>, que mapea N muestras en el tiempo a N contenedores de frecuencia discretos.<\/p>\n\n<p>La FFT (Transformada R\u00e1pida de Fourier) <strong>no es una transformada diferente<\/strong>. Es una <strong>familia de algoritmos<\/strong> que calculan exactamente la misma DFT de forma mucho m\u00e1s eficiente:<\/p>\n\n<ul class=\"wp-block-list\">\n<li>DFT directa: complejidad ~ O(N\u00b2)<\/li>\n\n\n\n<li>FFT: complejidad ~ O(N log N)<\/li>\n<\/ul>\n\n<p>La salida X[k] es <strong>id\u00e9ntica<\/strong> al resultado de la DFT; la FFT simplemente llega mucho m\u00e1s r\u00e1pido aprovechando la simetr\u00eda y la estrategia de dividir y vencer.<\/p>\n\n<h2 class=\"wp-block-heading\"><strong>En qu\u00e9 es buena la FFT y en qu\u00e9 no lo es<\/strong><\/h2>\n\n<p><strong>La FFT es muy buena para:<\/strong><\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Encontrar componentes deterministas de banda estrecha<\/strong>\n<ul class=\"wp-block-list\">\n<li>Tonos fundamentales, arm\u00f3nicos, frecuencias de conmutaci\u00f3n, tonos de silbido, l\u00edneas relacionadas con la velocidad<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Observar distribuciones de banda ancha<\/strong>\n<ul class=\"wp-block-list\">\n<li>Nivel de ruido de fondo, pendientes 1\/f, potencia en banda, SNR<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Caracterizar el comportamiento de sistemas<\/strong>\n<ul class=\"wp-block-list\">\n<li>Funciones de transferencia, resonancias \/ anti-resonancias, coherencia, estimaci\u00f3n de retardo<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Servir como base del an\u00e1lisis tiempo-frecuencia<\/strong>\n<ul class=\"wp-block-list\">\n<li>STFT, espectrogramas, etc.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n<p><strong>La FFT no es buena (o no es suficiente por s\u00ed sola) para:<\/strong><\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Se\u00f1ales fuertemente no estacionarias y \"frecuencia instant\u00e1nea\"<\/strong>\n<ul class=\"wp-block-list\">\n<li>Para chirps y contenido que cambia r\u00e1pidamente, necesitas STFT, wavelets u otros m\u00e9todos tiempo-frecuencia, no una \u00fanica FFT sobre un registro largo<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Separar dos tonos extremadamente cercanos por debajo de tu resoluci\u00f3n en frecuencia<\/strong>\n<ul class=\"wp-block-list\">\n<li>Si la separaci\u00f3n es menor que tu resoluci\u00f3n de contenedor (definida por N), ning\u00fan algoritmo podr\u00e1 resolverlos m\u00e1gicamente<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Convertir datos cortos en \"mediciones largas\"<\/strong>\n<ul class=\"wp-block-list\">\n<li>El relleno con ceros solo interpola visualmente el espectro; <strong>no<\/strong> a\u00f1ade informaci\u00f3n nueva<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n<h2 class=\"wp-block-heading\"><strong>Antes de usar FFT: conceptos clave que debes dominar<\/strong><\/h2>\n\n<p>Para usar bien la FFT, debes dominar unos cuantos fundamentos:<\/p>\n\n<ol class=\"wp-block-list\">\n<li>Frecuencia de muestreo<\/li>\n\n\n\n<li>La DFT y su interpretaci\u00f3n<\/li>\n\n\n\n<li>Qu\u00e9 representas realmente (magnitud, amplitud, potencia, PSD)<\/li>\n\n\n\n<li>Enventanado y fuga espectral<\/li>\n\n\n\n<li>Promediado<\/li>\n<\/ol>\n\n<h3 class=\"wp-block-heading\"><strong>Frecuencia de muestreo: hasta qu\u00e9 frecuencia puedes ver<\/strong><\/h3>\n\n<p>Antes de la FFT, ya has tomado una decisi\u00f3n crucial: el muestreo. Una se\u00f1al de tiempo continuo x(t) se convierte en una secuencia discreta x[n]=x(n\/fs). La frecuencia de muestreo fsf_sfs\u200b determina la <strong>frecuencia m\u00e1s alta que puedes observar sin aliasing<\/strong>: la <strong>frecuencia de Nyquist<\/strong>, fs\/2.<\/p>\n\n<p>Si la se\u00f1al anal\u00f3gica contiene energ\u00eda por encima de fs\/2, esta no desaparece: se pliega de nuevo en la banda por debajo de Nyquist como <strong>aliasing<\/strong>. Una vez que se produce aliasing, la FFT no puede \"deshacerlo\"; la informaci\u00f3n queda irreversiblemente mezclada.<\/p>\n\n<p>En la pr\u00e1ctica, debes usar un <strong>filtro anti-alias<\/strong> antes del ADC (o antes de cualquier remuestreo) para suprimir los componentes por encima de Nyquist.<\/p>\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/design.crysound.com\/wp-content\/uploads\/2026\/01\/image-1024x455.webp\" alt=\"\" class=\"wp-image-264683\"\/><\/figure>\n\n<p><em>Ejemplo:<\/em> una senoide de 900 Hz muestreada a fs=1 kHz aparecer\u00e1 a 100 Hz en el espectro discreto: un artefacto cl\u00e1sico de aliasing.<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>C\u00e1lculo e interpretaci\u00f3n de la DFT<\/strong><\/h3>\n\n<p>Dadas N muestras x[0]..x[N\u22121], la DFT se define como:<\/p>\n\n<figure class=\"wp-block-image size-large is-resized\"><img decoding=\"async\" src=\"https:\/\/design.crysound.com\/wp-content\/uploads\/2026\/01\/QianJianTec1767161799209-1024x77.webp\" alt=\"\" class=\"wp-image-264689\" style=\"width:470px;height:auto\"\/><\/figure>\n\n<p>La transformada inversa (IDFT) reconstruye la se\u00f1al en el tiempo: <\/p>\n\n<figure class=\"wp-block-image size-large is-resized\"><img decoding=\"async\" src=\"https:\/\/design.crysound.com\/wp-content\/uploads\/2026\/01\/QianJianTec1767164703907-1024x86.webp\" alt=\"\" class=\"wp-image-264690\" style=\"width:430px;height:auto\"\/><\/figure>\n\n<p>Intuitivamente, X[k] te indica <strong>cu\u00e1n fuertemente se correlaciona la se\u00f1al<\/strong> con una exponencial compleja a la frecuencia de ese contenedor.<\/p>\n\n<ul class=\"wp-block-list\">\n<li>La <strong>magnitud<\/strong> X[k] indica \"cu\u00e1nto\" de ese componente de frecuencia existe<\/li>\n\n\n\n<li>La <strong>fase<\/strong> codifica la alineaci\u00f3n temporal respecto a otros componentes<\/li>\n<\/ul>\n\n<h3 class=\"wp-block-heading\"><strong>\u00bfQu\u00e9 est\u00e1s representando? Magnitud, amplitud, potencia, PSD<\/strong><\/h3>\n\n<p>A partir de un mismo conjunto de resultados de FFT X[k], puedes crear muchos \"espectros\" diferentes que se ven parecidos pero representan <strong>distintas magnitudes f\u00edsicas<\/strong>. Aqu\u00ed es donde a menudo surge la confusi\u00f3n entre herramientas y plataformas.<\/p>\n\n<p>Las variantes m\u00e1s habituales incluyen:<\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Espectro de magnitud<\/strong> |X[k]|\n<ul class=\"wp-block-list\">\n<li>Las unidades dependen de la normalizaci\u00f3n (por ejemplo, \"V\u00b7muestras\")<\/li>\n\n\n\n<li>\u00datil para localizar picos, arm\u00f3nicos y la forma general del espectro<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Espectro de amplitud<\/strong>\n<ul class=\"wp-block-list\">\n<li>Magnitud correctamente escalada, en unidades f\u00edsicas (por ejemplo, V)<\/li>\n\n\n\n<li>Adecuado para leer amplitudes de senoidales y realizar mediciones calibradas<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Espectro de potencia<\/strong> |X[k]|\u00b2\n<ul class=\"wp-block-list\">\n<li>De nuevo, con escala dependiente; se usa a menudo para comparar potencia\/energ\u00eda cuando las convenciones est\u00e1n fijadas<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Densidad espectral de potencia (PSD)<\/strong> Sxx(f)\n<ul class=\"wp-block-list\">\n<li>Unidades como V\u00b2\/Hz o Pa\u00b2\/Hz<\/li>\n\n\n\n<li>Se utiliza para an\u00e1lisis de ruido, potencia en banda y comparaciones entre diferentes longitudes de FFT<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n<p>Si quieres <strong>comparar niveles de ruido<\/strong> entre distintos tama\u00f1os de FFT, ventanas o herramientas, usa <strong>PSD<\/strong> (o densidad espectral de amplitud). Los valores brutos de |X| o |X|\u00b2 rara vez son directamente comparables.<\/p>\n\n<p><strong>Un ejemplo concreto: dos tonos en el tiempo y en frecuencia<\/strong><\/p>\n\n<p>Imagina una se\u00f1al que consiste en dos senoidales a diferentes frecuencias.<\/p>\n\n<ul class=\"wp-block-list\">\n<li>En el <strong>dominio del tiempo<\/strong>, su suma puede parecer una forma de onda \"ondulante\".<\/li>\n\n\n\n<li>En el <strong>dominio de la frecuencia<\/strong> (FFT\/PSD), ver\u00e1s <strong>dos picos estrechos y bien definidos<\/strong> en las frecuencias correspondientes.<\/li>\n<\/ul>\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/design.crysound.com\/wp-content\/uploads\/2026\/01\/&#x5FAE;&#x4FE1;&#x56FE;&#x7247;_2025-12-31_161309_507-1024x627.webp\" alt=\"\" class=\"wp-image-264692\"\/><\/figure>\n\n<p>En el an\u00e1lisis FFT de OpenTest, puedes visualizar tanto el espectro como la PSD\/ASD una al lado de la otra, lo que facilita:<\/p>\n\n<ul class=\"wp-block-list\">\n<li>Identificar componentes tonales<\/li>\n\n\n\n<li>Inspeccionar la distribuci\u00f3n del ruido<\/li>\n\n\n\n<li>Comparar diferentes condiciones de funcionamiento en la misma rejilla de frecuencias<\/li>\n<\/ul>\n\n<p><strong>Pru\u00e9balo t\u00fa mismo:<\/strong> <a href=\"http:\/\/www.opentest.com\" target=\"_blank\" rel=\"noopener\" title=\"\">descarga la edici\u00f3n gratuita de OpenTest<\/a> y ejecuta una FFT sobre una se\u00f1al sencilla de dos tonos para ver ambos picos claramente separados.<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>Funciones de ventana y fuga espectral: limpiando los espectros<\/strong><\/h3>\n\n<p>En teor\u00eda, la FFT asume que el bloque muestreado contiene un <strong>n\u00famero entero de periodos<\/strong> y luego se repite peri\u00f3dicamente. En la realidad, el registro casi nunca se alinea perfectamente con un n\u00famero entero de ciclos. Cuando repites ese bloque, aparecen discontinuidades en los bordes, lo que hace que la energ\u00eda se extienda a los contenedores vecinos: esto es la <strong>fuga espectral<\/strong>.<\/p>\n\n<p>Para reducir la fuga, normalmente aplicamos una <strong>funci\u00f3n de ventana<\/strong> al registro temporal antes de hacer la FFT. Una ventana afecta simult\u00e1neamente a:<\/p>\n\n<ol class=\"wp-block-list\">\n<li><strong>Anchura del l\u00f3bulo principal<\/strong>\n<ul class=\"wp-block-list\">\n<li>Un l\u00f3bulo principal m\u00e1s ancho = los picos se ensanchan \u2192 es m\u00e1s dif\u00edcil separar tonos cercanos<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Altura de los l\u00f3bulos laterales<\/strong>\n<ul class=\"wp-block-list\">\n<li>L\u00f3bulos laterales m\u00e1s bajos = m\u00e1s f\u00e1cil ver picos peque\u00f1os cerca de uno grande (mejor rango din\u00e1mico)<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Escalado de amplitud\/energ\u00eda<\/strong>\n<ul class=\"wp-block-list\">\n<li>Las ventanas cambian la relaci\u00f3n entre la amplitud real de un tono puro y el pico observado, as\u00ed como el nivel aparente de ruido de fondo<\/li>\n<\/ul>\n<\/li>\n<\/ol>\n\n<p>Algunas recomendaciones pr\u00e1cticas:<\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Ventana rectangular<\/strong>\n<ul class=\"wp-block-list\">\n<li>\u00dasala solo cuando puedas garantizar un muestreo coherente (un n\u00famero entero de periodos en el registro) y quieras el l\u00f3bulo principal m\u00e1s estrecho posible<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Ventana de Hanning (Hann)<\/strong>\n<ul class=\"wp-block-list\">\n<li>Una opci\u00f3n predeterminada muy robusta para trabajo general de ac\u00fastica y vibraci\u00f3n<\/li>\n\n\n\n<li>Muy utilizada con m\u00e9todos de Welch\/PSD<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Hamming<\/strong>\n<ul class=\"wp-block-list\">\n<li>Similar a Hann, con un comportamiento de l\u00f3bulos laterales ligeramente diferente, com\u00fan en comunicaciones<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Blackman \/ Blackman-Harris<\/strong>\n<ul class=\"wp-block-list\">\n<li>L\u00f3bulos laterales m\u00e1s bajos, \u00fatil cuando necesitas ver picos peque\u00f1os junto a otros grandes, a costa de un l\u00f3bulo principal m\u00e1s ancho<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/design.crysound.com\/wp-content\/uploads\/2026\/01\/&#x5FAE;&#x4FE1;&#x56FE;&#x7247;_2025-12-31_171329_033-1024x625.webp\" alt=\"\" class=\"wp-image-264695\"\/><\/figure>\n\n<p>En OpenTest puedes cambiar entre distintas funciones de ventana en el m\u00f3dulo de an\u00e1lisis FFT y ver de inmediato el impacto en la anchura de los picos, los l\u00f3bulos laterales y el nivel de ruido de fondo.<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>Promediado: haciendo los espectros m\u00e1s estables<\/strong><\/h3>\n\n<p>Para se\u00f1ales ruidosas o no estacionarias, una sola FFT puede verse muy \"dentada\" o inestable. Al promediar varios espectros, obtienes un resultado m\u00e1s suave y repetible. Los tipos de promediado m\u00e1s habituales incluyen:<\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Promediado lineal<\/strong>\n<ul class=\"wp-block-list\">\n<li>Una simple media aritm\u00e9tica de varios resultados FFT<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Promediado exponencial<\/strong>\n<ul class=\"wp-block-list\">\n<li>Los datos m\u00e1s recientes tienen m\u00e1s peso; es bueno para monitorizaci\u00f3n en tiempo real cuando el espectro debe reaccionar pero no cambiar bruscamente<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Promediado de energ\u00eda (potencia)<\/strong>\n<ul class=\"wp-block-list\">\n<li>Basado en la potencia; garantiza que las magnitudes relacionadas con potencia se mantengan coherentes<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n<p>Una buena configuraci\u00f3n de promediado logra un equilibrio entre <strong>suprimir fluctuaciones aleatorias<\/strong> y <strong>preservar cambios reales<\/strong> en la se\u00f1al.<\/p>\n\n<h2 class=\"wp-block-heading\"><strong>\u00bfD\u00f3nde usamos la FFT en la pr\u00e1ctica?<\/strong><\/h2>\n\n<h3 class=\"wp-block-heading\"><strong>Audio y ac\u00fastica<\/strong><\/h3>\n\n<p>Las aplicaciones t\u00edpicas incluyen:<\/p>\n\n<ul class=\"wp-block-list\">\n<li>Encontrar frecuencias de realimentaci\u00f3n, distorsi\u00f3n arm\u00f3nica y niveles de ruido de los dispositivos<\/li>\n\n\n\n<li>Medici\u00f3n de respuesta en frecuencia (funci\u00f3n de transferencia)<\/li>\n\n\n\n<li>An\u00e1lisis de modos de sala \/ resonancias<\/li>\n\n\n\n<li>Espectrogramas de voz, m\u00fasica y ruido de equipos<\/li>\n<\/ul>\n\n<p>En audio\/ac\u00fastica, debes tener claras las unidades y convenciones:<\/p>\n\n<ul class=\"wp-block-list\">\n<li>dB SPL, ponderaci\u00f3n A, bandas de 1\/3 de octava, etc.<\/li>\n\n\n\n<li>La FFT es el motor; la <strong>convenci\u00f3n de presentaci\u00f3n<\/strong> (referencia, ponderaci\u00f3n, ancho de banda) debe estar claramente definida.<\/li>\n<\/ul>\n\n<h3 class=\"wp-block-heading\"><strong>Vibraci\u00f3n y maquinaria rotativa<\/strong><\/h3>\n\n<ul class=\"wp-block-list\">\n<li>Identificaci\u00f3n de picos relacionados con la velocidad (1X, 2X, frecuencias de engrane)<\/li>\n\n\n\n<li>Resonancias estructurales y comportamiento modal bajo diferentes condiciones de funcionamiento<\/li>\n\n\n\n<li>Diagn\u00f3stico de rodamientos, ruido de engranajes, desbalanceo, desalineaci\u00f3n<\/li>\n<\/ul>\n\n<p>Para el an\u00e1lisis de rodamientos y cajas de engranajes, a menudo se usa la detecci\u00f3n\/demodulaci\u00f3n de envolvente:<\/p>\n\n<ul class=\"wp-block-list\">\n<li>Aplicar un filtro pasa banda a la se\u00f1al<\/li>\n\n\n\n<li>Demodular y despu\u00e9s realizar una FFT de la envolvente para revelar las frecuencias de fallo<\/li>\n<\/ul>\n\n<p>Si la velocidad de rotaci\u00f3n est\u00e1 cambiando, una FFT simple \"emborronar\u00e1\" los picos. En ese caso, el <strong>seguimiento de \u00f3rdenes<\/strong> o el remuestreo sincr\u00f3nico es m\u00e1s adecuado, convirtiendo el eje de \"frecuencia\" en \"orden\".<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>Electr\u00f3nica de potencia y calidad de energ\u00eda<\/strong><\/h3>\n\n<ul class=\"wp-block-list\">\n<li>Arm\u00f3nicos de la frecuencia de l\u00ednea (50\/60 Hz y m\u00faltiplos), THD, rizado, picos de conmutaci\u00f3n<\/li>\n\n\n\n<li>Pruebas de EMI de preconformidad: l\u00edneas espectrales, nivel de ruido de fondo, potencia en banda<\/li>\n<\/ul>\n\n<p>En sistemas de potencia, el muestreo no coherente es un problema com\u00fan: si la longitud del registro no es un n\u00famero entero de ciclos de red, la fuga afecta a la exactitud arm\u00f3nica. Las soluciones incluyen muestreo sincr\u00f3nico, ventanas basadas en ciclos enteros o analizadores arm\u00f3nicos especializados.<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>RF y comunicaciones (vista de banda base)<\/strong><\/h3>\n\n<ul class=\"wp-block-list\">\n<li>Espectros de se\u00f1ales moduladas y m\u00e1scaras espectrales<\/li>\n\n\n\n<li>An\u00e1lisis espectral de OFDM y multicarrier, fuga a canales adyacentes<\/li>\n<\/ul>\n\n<p>Aqu\u00ed la coherencia es fundamental:<\/p>\n\n<ul class=\"wp-block-list\">\n<li>Mismas unidades<\/li>\n\n\n\n<li>Mismo ancho de banda (RBW)<\/li>\n\n\n\n<li>Misma ventana, detector y tipo de promediado<\/li>\n<\/ul>\n\n<p>La propia FFT es sencilla; convertirla en <strong>mediciones de potencia comparables<\/strong> requiere ajustes muy bien definidos.<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>Im\u00e1genes y filtrado 2D<\/strong><\/h3>\n\n<p>La FFT 2D extiende la misma idea a las im\u00e1genes:<\/p>\n\n<ul class=\"wp-block-list\">\n<li>Los bordes corresponden a frecuencias espaciales altas; las zonas suaves, a frecuencias bajas<\/li>\n\n\n\n<li>Filtrado paso bajo \/ paso alto, eliminaci\u00f3n de ruido peri\u00f3dico, aceleraci\u00f3n de convoluciones en el dominio de la frecuencia<\/li>\n<\/ul>\n\n<p>La misma suposici\u00f3n de extensi\u00f3n peri\u00f3dica se aplica ahora en 2D: las discontinuidades en los bordes de la imagen producen artefactos fuertes en el dominio de la frecuencia. El relleno, los bordes reflejados o las ventanas 2D son formas habituales de mitigar esto.<\/p>\n\n<h2 class=\"wp-block-heading\"><strong>Convertir la FFT en una herramienta de ingenier\u00eda cotidiana<\/strong><\/h2>\n\n<p>Desde el punto de vista matem\u00e1tico, la FFT no es especialmente \"ligera\". Pero en el uso de ingenier\u00eda, el objetivo es en realidad sencillo:<\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\n<p><strong>Ver m\u00e1s claramente y mucho m\u00e1s r\u00e1pido lo que est\u00e1 oculto dentro de la se\u00f1al.<\/strong><\/p>\n<\/blockquote>\n\n<p>Cuando entiendes:<\/p>\n\n<ul class=\"wp-block-list\">\n<li>Qu\u00e9 calcula realmente la FFT<\/li>\n\n\n\n<li>C\u00f3mo afectan al resultado el muestreo, el enventanado, el escalado y el promediado<\/li>\n\n\n\n<li>Cu\u00e1ndo usar espectros frente a PSD y qu\u00e9 ajustes son importantes para tu caso de uso<\/li>\n<\/ul>\n\n<p>...entonces la FFT deja de ser un tema matem\u00e1tico abstracto y se convierte en una <strong>herramienta pr\u00e1ctica y cotidiana<\/strong> para el trabajo de ac\u00fastica y vibraci\u00f3n, desde I&amp;D y validaci\u00f3n hasta las pruebas de producci\u00f3n.<\/p>\n\n<p><\/p>\n\n<p><a href=\"www.opentest.com\" target=\"_blank\" rel=\"noreferrer noopener\">Descarga y empieza ahora&gt;<\/a> o rellena el siguiente formulario \u2193 para programar una demostraci\u00f3n en vivo.<\/p>\n\n<p>Descubre m\u00e1s funciones e historias de aplicaci\u00f3n en <a href=\"http:\/\/www.opentest.com\" target=\"_blank\" rel=\"noreferrer noopener\">www.opentest.com<\/a>.<\/p>\n\n<p><\/p>\n\n<p><\/p>\n","protected":false},"excerpt":{"rendered":"<p>En las pruebas de audio y vibraci\u00f3n, el an\u00e1lisis FFT (Transformada R\u00e1pida de Fourier) es una de las herramientas que casi todos los ingenieros usan tarde o temprano: Muchas preguntas pr\u00e1cticas en realidad est\u00e1n planteando las mismas pocas cosas: La FFT es el punto de partida m\u00e1s universal para responder a estas preguntas. Este art\u00edculo [...]<\/p>\n","protected":false},"author":1,"featured_media":273550,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_eb_attr":"","content-type":"","_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_post_was_ever_published":false},"categories":[1063,1055],"tags":[],"class_list":["post-285027","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-base-de-conocimiento","category-blogs"],"blocksy_meta":[],"acf":[],"jetpack_featured_media_url":"https:\/\/design.crysound.com\/wp-content\/uploads\/2026\/02\/44.webp","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/design.crysound.com\/es\/wp-json\/wp\/v2\/posts\/285027","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/design.crysound.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/design.crysound.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/design.crysound.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/design.crysound.com\/es\/wp-json\/wp\/v2\/comments?post=285027"}],"version-history":[{"count":0,"href":"https:\/\/design.crysound.com\/es\/wp-json\/wp\/v2\/posts\/285027\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/design.crysound.com\/es\/wp-json\/wp\/v2\/media\/273550"}],"wp:attachment":[{"href":"https:\/\/design.crysound.com\/es\/wp-json\/wp\/v2\/media?parent=285027"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/design.crysound.com\/es\/wp-json\/wp\/v2\/categories?post=285027"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/design.crysound.com\/es\/wp-json\/wp\/v2\/tags?post=285027"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}