A f - DSP AGH
Transkrypt
A f - DSP AGH
ANALIZA CZĘSTOTLIWOŚCIOWA SYGNAŁÓW Spis treści 1. Dyskretne widmo sygnałów okresowych 2. Związek między szeregiem i transformacją Fouriera 3. Warunki istnienia i odwracalności transformacji Fouriera 4. Widma sygnałów 5. Własności transformacji Fouriera 6. Przykład transformat Fouriera 7. Uogólniona transformacja Fouriera 1 Trochę historii Baron Jean Baptiste Joseph FOURIER (1768-1830) Z wyróżnieniem ukończył szkołę wojskową w Auxerre. Został nauczycielem Ecole Normal a potem Politechniki w Paryżu. Napoleon mianował go zarządcą Dolnego Egiptu w wyniku ekspedycji z 1798 roku. Po powrocie do Francji został prefektem w Grenoble. Baronem został w 1809 roku. Ostatecznie w 1816 roku został sekretarzem Akademii Nauk a następnie jej członkiem w 1817. W okresie od 1808 roku do 1825 roku napisał 21 tomowy Opis Egiptu. Równaniem ciepła zainteresował się w 1807 roku. W opublikowanej w 1822 roku pracy pokazał jak szereg zbudowany z sinusów i kosinusów można wykorzystać do analizy przewodnictwa ciepła w ciałach stałych. Nad szeregami trygonometrycznymi pracował do końca życia, rozszerzając tę problematykę na transformację całkową. 2 Dyskretne widmo sygnałów okresowych Dla sygnałów spełniających dwa warunki: s( t ) s( t T ) s C (,) można utworzyć szereg s (t ) c0 cn cos2nf T t n n 1 gdzie f T 1 / T oraz T c0 f T s (t ) dt cn a n2 bn2 widmo amplitudowe 0 n arc tg(bn an ) T widmo fazowe an 2 f T s(t ) cos(2nf T t ) dt 0 T bn 2 f T s(t ) sin(2nf T t ) dt 0 3 Od szeregu do transformacji Fouriera s( t ) s e 2 jnt / T n n 2 jnfT t s e n s(t ) + T 1 / fT n + T 1 sn s(t ) e 2 j n t / T dt T0 Po zmianie granic całkowania gdzie 1 fT sn f T sn f T 1 2 fT 2 jnfT t s ( t ) e dt 0 2 j n fT t s ( t ) e dt 2 1f T Niech czyli nf T f n , Dodatkowo niech fT 0 sn f T s ( f ) 4 Od szeregu do transformacji Fouriera Podstawiając sn f T s ( f ) oraz nf T f s ( f ) otrzymujemy 2 jft s ( t ) e dt dla fT 0 Ze wzoru s( t ) 2 jn f T t s ( n f ) e fT T n otrzymujemy oznaczając f T df s (t ) 2 jft s ( f ) e df 5 Bramka prostokątna i jej widmo Fouriera Sygnał Widmo jest funkcją rzeczywistą s (t) s (f) ^ Amplituda 1 0 1 0 -T 0 T Obliczyć widmo sygnału 1 dla T t T s(t ) 0 dla t T i t T -2 /T Czas -1 /T 0 -1 /T 2 /T Częstotliwość Posługując się definicją transformacji Fouriera T s ( f ) e T 2 jft 1 dt e 2jft 2 j f T T sin(2 f T ) f 6 Definicja transformacji Fouriera s (t ) Ogólnie sˆ( f ) s( f ) s( t )e j f t dt s( t ) 2 jft s ( f ) e df Dla nas 1 i 2 Często 1 i 1 lub 1 / 2 i 1 7 Warunki odwracalności transformacji Fouriera Twierdzenie 1. Niech dany będzie sygnał Fouriera s L1 () , wtedy s L1 ( ) taki, że jego transformata s(t ) e 2 jft 2 jft s ( t ) e dt df w każdym punkcie t dla którego sygnał s jest ciągły. Twierdzenie 2. Jeżeli sygnał s L1 ( ) L2 ( ) to wtedy jego transformata sˆ L2 (). 8 Widma sygnałów s ( f ) 2 jft s ( t ) e dt s( f ) r( f ) j i( f ) s( f ) e j ( f ) A( f ) e j ( f ) , A( f ) - widma amplitudowe, ( f ) , ( f ) - widma fazowe, s( f ) r ( f ) i ( f ) - widmo rzeczywiste, - widmo urojone. s( f ) r 2 ( f ) i 2 ( f ) iˆ( f ) ( f ) arctg rˆ( f ) 9 iˆ( f ) ( f ) arctg rˆ( f ) Widma sygnałów arc tg : / 2, / 2 zatem / 2 ( f ) / 2 r 2 ( f ) i 2 ( f ) sin ( f ) dla ( f ) 0 A( f ) i( f ) r( f ) dla ( f ) 0 ( f ) ( f ) argsˆ( f ) ( f ) dla dla A( f ) 0 A( f )<0 A( f ) sˆ( f ) ( t ) Wzajemna jednoznaczność między widmem s( f ) a widmami amplitudowymi i fazowymi: s( f ) razem z ( f ) lub A( f ) razem z ( f ) 10 Parzystość widma rzeczywistego i amplitudowego oraz nieparzystość widma urojonego i fazowego s( f ) s (t )e 2 jft s(t )cos (2ft ) j sin(2ft ) dt r( f ) j i( f ) dt gdzie r( f ) s(t ) cos(2ft ) dt i( f ) s (t ) sin(2ft ) dt r( f ) r( f ) i( f ) i( f ) iˆ( f ) ˆ r ( f ) ( f ) arctg s ( f ) r ( f ) i ( f ) 2 2 sˆ( f ) sˆ( f ) ( f ) ( f ) 11 Własności widm s ( f ) r 2 ( f ) i 2 ( f ) ( f ) arc tg(i( f ) r( f )) s( f ) s (t )e 2 jft Dla sygnału dt s(t )cos (2ft ) j sin(2ft ) dt r( f ) j i( f ) s (t ) s ( t ) otrzymujemy sˆ( f ) rˆ( f ) 2 s (t )cos(2ft )dt 0 Dla sygnału s ( t ) s ( t ) otrzymujemy sˆ( f ) jiˆ( f ) 2 j s (t ) sin( 2ft )dt 0 12 Transformacja Fouriera jest przekształceniem liniowym 2 j f t s ( t ) s ( t ) e dt s1 ( f ) s2 ( f ) 2 1 Addytywność 2 jft a s ( t ) e dt as ( f ) Jednorodność Zatem a s (t ) b s (t )e 1 2 2 jft dt a s1 ( f ) b s2 ( f ) 13 Zachowanie iloczynu skalarnego Twierdzenie Rayleigha s (t ) s (t ) dt s ( f ) s ( f ) df 1 2 1 2 Wynika stąd s1 , s2 0 sˆ1 , sˆ2 0 14 Zachowanie energii Twierdzenie Parsevala s 2 L2 s 2 L2 zatem 2 s (t ) dt 2 s( f ) df 15 Zachowanie odległości Skoro s 2 (t )dt 2 sˆ( f ) df to przyjmując s (t ) s1 (t ) s2 (t ) dzięki liniowości transformacji Fouriera otrzymujemy 2 ˆ ˆ s ( t ) s ( t ) dt s ( f ) s ( f ) df 2 2 1 1 2 16 Ograniczone nośniki Niech sygnał ma ograniczony nośnik. dsˆ( f ) 2j t s (t )e 2jft dt df 0 T T sˆ( f ) s (t )e 2jft dt 0 T d n sˆ( f ) n 2jft n 2 j t s ( t ) e dt n df 0 d n sˆ( f ) 2 n nT n s (t ) dt 2 n nT n s n df 0 T L1 Oznacza to, że widmo sˆ( f ) jest funkcją analityczną. Analityczna funkcja - funkcja różniczkowalna, której pochodne są również różniczkowalne. Oznacza to, że funkcja analityczna zmiennej zespolonej może być lokalnie (tzn. w pewnym otoczeniu dowolnego punktu f 0 ) przedstawiona w postaci szeregu potęgowego d n sˆ sˆ( f ) n n 0 df f f0 ( f f0 )n n! Zasada nieoznaczoności Heinsenberga Oznacza to, że widmo może być lokalnie, tzn. w pewnym otoczeniu dowolnego punktu f 0 , przedstawione w postaci szeregu potęgowego d n sˆ sˆ( f ) n n 0 df f f0 ( f f0 )n an f n n! n 0 czyli nośnik widma nie może być ograniczony! s (f) ^ s (t) 1 1 0 0 -T 0 T -2 /T -1 /T 0 -1 /T 2 /T Impuls prostokątny i jego widmo amplitudowe. Postępując podobnie można udowodnić, że jeżeli nośnik widma jest ograniczony, to nośnik sygnału nie może być ograniczony. Nieoznaczoność Heinsenberga Środek rozłożenia energii sygnału 2 t* s t s(t ) dt 2 Środek rozłożenia energii widma sygnału f* s 2 2 f sˆ( f ) df Unormowane kwadraty odchyleń standardowych dla rozkładów energii s 2 t 2 (t t ) * 2 2 s (t )dt Zasada Heinsenberga s 2 f 2 ( f f * ) 2 sˆ( f ) 2 df t f 0,5 19 Dualność transformacji Fouriera s( f ) 2 j f t s ( t ) e dt s( ) 2 jf e 2 j f t s ( t ) e dt df Otrzymujemy zależność zwaną dualnością transformacji Fouriera s ( ) s( ) s( f ) s( t ) e 2 jft dt s( f ) s(t )e 2 jft dt 20 Zmiana skali czasu sygnału s (t ) sˆ( f ) 1 s( at ) a s( f / a) s1 (t ) (t ) s2 (t ) ( 23 t ) sin πf sˆ1 ( f ) πf 2 3πf sin 3 2 sˆ 2 ( f ) 2 πf 2 21 Przesunięcie w dziedzinie czasu i częstotliwości Przesunięcie w dziedzinie czasu s (t t 0 ) s( f ) e 2jft0 bo s(t t 0 )e 2jft dt po podstawieniu t t 0 równa się 2jft0 2jf s ( ) e e d Przesunięcie w dziedzinie częstotliwości s ( t ) e 2jf t s ( f f 0 ) 0 s ( t ) e 2jf 0 t s ( f f 0 ) Sumując obustronnie otrzymujemy 2 s(t )cos(2f 0 t ) s( f f 0 ) s( f f 0 ) 22 sin( πf ) Przesunięcie w dziedzinie czasu sin( πf ) πf 1 sˆ1 ( f ) s1 (t ) t 32 (t ) j2πf πf 1 s2 (t ) s1 (t 1) t 2 (t 1) sin( πf ) 1 sin( π f ) π f exp( j2πf ) sˆ2 ( f ) sˆ1 ( f ) exp( j2πf ) πf j2πf 23 Przesunięcie w dziedzinie częstotliwości s1 (t ) ( 2t 1) ( 2t 1) s2 (t ) (2t 1) (2t 1) exp( j2πt ) πf 2 sin 2 sˆ1 ( f ) πf π( f 1) 2 sin 2 cosπ( f 1) sˆ2 ( f ) sˆ1 ( f 1) π( f 1) cos( πf ) 24 Różniczkowanie w dziedzinie czasu Jeżeli : - sygnał s(t) i jego kolejne pochodne aż do rzędu n-1 są ciągłe, - pochodna rzędu n istnieje prawie wszędzie, - sygnał i wszystkie jego pochodne aż do rzędu n posiadają transformaty Fouriera, czyli dostatecznie szybko dążą do zera dla t to d n s(t ) n dt 2jf n s( f ) 25 Różniczkowanie w dziedzinie czasu 2 s1 (t ) (t ) s2 (t ) ds1 (t ) (t 1) (t 1) dt sin( πf ) sˆ1 ( f ) πf j2 sin 2 ( πf ) sˆ2 ( f ) πf 26 Różniczkowanie w dziedzinie częstotliwości s( f ) r( f ) ji( f ) i ( f ) i ( f ) r ( f ) r ( f ) Obustronnie różniczkując otrzymujemy d n i( f ) d n i( f ) ( 1) d ( f ) n df n d n r( f ) d n r( f ) ( 1) d ( f ) n df n n n Można udowodnić, że d n sˆ( f ) ( 2jt ) s (t ) df n n Warunek wystarczający t n s(t ) d t 27 Splot w dziedzinie czasu s(t ) gdy s1 ( ) s2 (t ) d s1 , s2 L2 ( , ) s1 ( t ) s2 ( t ) Splot oznaczamy Przemienność splotu s1 (t ) s 2 (t ) s ( ) s 1 2 (t ) d s 2 ( ) s1 (t ) d s 2 (t ) s1 (t ) t Gdy s1 (t ) 0 i s2 ( t ) 0 dla t 0 to s1 (t ) s 2 (t ) s1 ( )s 2 (t )d 0 Musi być t 0 aby s2 (t ) nie było równe zeru s ( ) s 1 2 (t )dt sˆ1 ( f )sˆ2 ( f ) 28 Przykład splotu w dziedzinie czasu 29 Wzory do rysunków Splatane sygnały sin( πf ) cos( πf ) πf s1 (t ) t (t ) sˆ1 ( f ) j2πf s2 (t ) (t ) sˆ2 ( f ) sin( πf ) πf Splot w dziedzinie czasu i jego widmo 2 sin( πf ) sin( 2 πf ) 2 2 t t t t πf 2πf 1 1 ˆ ˆ s1 (t ) * s2 (t ) (t 2 ) 2 (t 2 ) s1 ( f ) s1 ( f ) 2 j2πf 30 Splot w dziedzinie częstotliwości i całkowanie w dziedzinie czasu Splot w dziedzinie częstotliwości s1 (t )s 2 (t ) s1 ( f ) s2 ( f ) s ( g )s 1 2 ( f g ) dg Całkowanie w dziedzinie czasu t s( ) d Warunek s (0) 0 1 s( f ) 2jf s(t ) dt 0 31 Impuls paraboliczny Dla sygnału 6t 2 6t 1 dla 1 t 1 s( t ) dla t 1 i t 1 0 znaleźć składową parzystą i nieparzystą oraz wyznaczyć ich widma. 32 Rozłożenie na część parzystą i nieparzystą Każdy sygnał można jednoznacznie rozłożyć na sumę s s p sn gdzie sygnał parzysty s p ( t ) 21 s( t ) s( t ) sygnał nieparzysty tzn. sn ( t ) 1 2 s( t ) s( t ) sn ( t ) sn ( t ) sp (t ) sp ( t ) Z teoretycznych rozważań wiemy, że sygnał parzysty ma widmo czysto rzeczywiste a nieparzysty widmo czysto urojone. Dla rozważanego przykładu otrzymujemy s p (t ) 6t 2 1 sn (t ) 6t 33 Widmo części parzystej 1 s p ( f ) (6t 2 1) e 2jft dt 1 Posługując się tożsamością e at 2 2 t e dt a 3 a t 2at 2 2 at gdzie a 2 jf otrzymujemy widmo czysto rzeczywiste s p ( f ) 6 cos(2f ) 1 2 f 2 f 3 sin(2f ) 7 2 2 f 34 Prezentacja części parzystej Widmo amplitudowe Sygnał s (f) ^ s (t) p p 6 5 0 0 -1 0 1 Czas -3 -2 -1 0 1 2 3 Częstotliwość 35 Widmo części nieparzystej 1 sn ( f ) 6 t e 2jft dt 1 Posługując się tożsamością e at t e dt a 2 at 1 at gdzie a 2 jf otrzymujemy widmo czysto urojone sˆn ( f ) j f sin( 2 f ) cos( 2 f ) 2 f 36 Prezentacja części nieparzystej Widmo amplitudowe Sygnał s (t) s (f) ^ n n 6 5 0 -5 0 -1 0 1 Czas -3 -2 -1 0 1 2 3 Częstotliwość 37 Wykresy do powyższego przykładu Widmo amplitudowe Sygnał s (t) s (f) ^ 6 10 0 0 -1 0 1 Czas -3 -2 -1 0 1 2 3 Częstotliwość 38 Wykresy do kolejnego przykładu Widmo amplitudowe Sygnał s (t) s (f) ^ 1 6 0 0 0 1 2 -3 Czas -2 -1 0 1 2 3 Częstotliwość 39 Przykład transformaty Fouriera t 2 s(t ) 1 0 Wyznaczyć widmo sygnału dla 0 t 1 dla 1 t 2 dla pozostałych t Ze wzoru definiującego transformatę Fouriera 1 s( f ) t e 2 2 jft 0 Posługując się tożsamością 2 dt e 2jft dt 1 e at 2 2 t e dt a 3 a t 2at 2 2 at otrzymujemy sˆ( f ) 1 cos(2f ) sin(2f ) sin(4f ) f 2f 1 sin(2f ) cos(2f ) j 2 2 cos(4f ) f 2 f 40 Wykresy do kolejnego przykładu Widmo amplitudowe Sygnał s (f) ^ s (t) 1 1 0 -5 0 0 0 .5 1 -4 -3 -2 -1 0 1 2 3 4 5 2 Czas Częstotliwość 41 Przykład transformaty Fouriera Wyznaczyć widmo sygnału 1 dla 0 t 0,5 i 1 t 2 s( t ) 0 dla pozostałych t Posługując się definicją transformaty Fouriera s( f ) 0,5 2 0 1 2 jft 2 jft e dt e dt 1 sin(4f ) sin(2f ) sin(f ) j cos(4f ) cos(2f ) cos(f ) 1 2f 42 Wykresy do kolejnego przykładu Widmo amplitudowe Sygnał s (f) ^ s (t) 1 1 0 0 -1 -T 0 T Czas -5 /T -4 /T -3 /T -2 /T -1 /T 0 1 /T 2 /T 3 /T 4 /T 5 /T Częstotliwość 43 Kolejny przykład transformaty Fouriera Obliczyć widmo sygnału 1 dla T t 0 s (t ) 1 dla 0 t T 0 dla t T Posługując się definicją transformaty Fouriera s ( f ) Po całkowaniu 0 T T 0 2 jft 2 jft e dt e dt 1 2jft s ( f ) e 2jf Po podstawieniu granic s ( f ) 0 1 2jft e 2jf T T 0 2j sin 2 (fT ) f 44 Wykresy do kolejnego przykładu Widmo amplitudowe Sygnał s (f) ^ s (t) 1 1 0 0 -T 0 T Czas -3 /T -2 /T -1 /T 0 1 /T 2 /T 3 /T Częstotliwość 45 Kolejny przykład transformaty Fouriera Obliczyć widmo sygnału Korzystając z zależności t T s ( t ) t T 0 dla T t 0 dla 0 t T dla t T t s ( t ) s (t ) dt T i posługując się twierdzeniem o transformacie z całki s ( f ) s ( f ) 2 j f otrzymujemy widmo czysto rzeczywiste s ( f ) sin 2 ( fT ) 2 f 2 46 Wykresy do jeszcze jednego przykładu Widmo amplitudowe Sygnał s (f) ^ s (t) 1 1 0 0 0 T 2T 3T Czas -3 /T -2 /T -1 /T 0 1 /T 2 /T 3 /T Częstotliwość 47 Jeszcze jeden przykład dzisiaj Jakie jest widmo sygnału e Tt s(t ) 0 dla t 0 dla t 0 Posługując się definicją transformacji Fouriera s( f ) e (T 2jf ) t dt 0 1 e (T 2jf ) t T 2jf 0 1 T 2jf 48 Kolejny pouczający przykład transformaty Fouriera Dla sygnału w postaci funkcji Gaussa s(t ) exp (t ) 2 2 2 widmo ma postać 2 2 f 2 s( f ) exp 2 jf 49 Wykresy do kolejnego pouczającego przykładu Widmo amplitudowe Sygnał s (t) s (f) ^ 1 = 2 = 0 0 -1 0 Czas 1 1 = 2 = 0 0 -1 0 1 Częstotliwość 50 Uogólnienie transformacji Fouriera lim s ( t ) s( t ) gdzie 0 0 lim s ( f ) s( f ) 0 s ( f ) uogólniona transformata Fouriera, czyli transformata w sensie granicznym 51 Widma impulsu Diraca i sygnału stałego Widmo impulsu Diraca sT (t ) t T s ( t ) t T 0 s ( t ) T2 sT ( f ) lim s (t ) (t ) T0 T dla T t 0 dla 0 t T dla t T sin 2 ( fT ) f T 2 s( t ) ( t ) 2 2 lim sT ( f ) 1 T 0 s ( f ) 1 zatem (t ) 1 Transformata Fouriera sygnału stałego s(t ) 1 s( f ) ( f ) 52 Transformaty Fouriera sygnałów okresowych lub Widmo s(t ) a 0 a n cos(2 nf 0 t ) bn sin( 2 nf 0 t ) s( t ) n 1 c e 2 n j n f 0t n sc (t ) cos(2nf 0t ) s(t ) cos(2nf 0 t ) 0,5 s( f nf 0 ) 0,5 s( f nf 0 ) cos(2nf 0 t ) 0,5 ( f nf 0 ) 0,5 ( f nf 0 ) sin(2nf 0 t ) 0,5 j ( f nf 0 ) 0,5 j ( f nf 0 ) e 2 jnf 0t cos( 2 nf 0 t ) j sin( 2 nf 0 t ) e 2 jnf 0t ( f nf 0 ) s( f ) a0 ( f ) 0,5 an jbn ( f nf 0 ) an jbn ( f nf 0 ) n s( f ) cn ( f nf 0 ) n 53 Różniczkowanie w dziedzinie częstotliwości s1 (t ) sin( πt ) πt s2 (t ) j2πt s1 (t ) j2sin ( πt ) sˆ1 ( f ) ( f ) sˆ2 ( f ) ( f 12 ) ( f 12 ) 54 Iloczyn w dziedzinie czasu s1 (t ) (t ) sˆ1 ( f ) s2 (t ) cos(2 πt ) sˆ2 ( f ) sin(f ) f 1 ( f 1) ( f 1) 2 s1 (t ) s2 (t ) cos( 2 πt ) (t ) sˆ1 (t ) * sˆ2 (t ) sin π( f 1) sin π( f 1) 2 π( f 1) 2 π( f 1) 55 Iloczyn w dziedzinie czasu 56 Transformacja Fouriera sygnału z niezerową wartością średnią s( t ) s0 ( t ) s gdzie s0 (t ) ma zerową wartość średnią T 1 s lim T s(t ) dt T 2T s(t ) s 0 (t ) s s( f ) s0 ( f ) s ( f ) 57 Transformacja Fouriera sygnału 2-D Widmo sygnału dwu-wymiarowego sˆ( f x , f y ) s( x, y)e 2 j ( f x x f y y ) dxdy s( x , y ) 2 j ( f x x f y y ) s ( f , f ) e df x df y x y 58 Wielowymiarowe przekształcenia Fouriera Jeśli x , f n to s( f ) x1 s( x ) f1 2 j f s ( x ) e T x dx1 dxn 2 j f T x df 1 df n xn s( f ) e f n 59