Wykład 6 - DFT, liniowe układy ciagłe
Transkrypt
Wykład 6 - DFT, liniowe układy ciagłe
Akwizycja i przetwarzanie sygnałów cyfrowych Tadeusz Chmaj Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Tadeusz Chmaj Wykład II Analiza czestotliwościowa sygnałów dyskretnych Do tej pory - dwie metody analizy cz˛estotliwościowej sygnałów szereg Fouriera - do analizy periodycznych ciagłych ˛ funkcji czasu; wynik - przeliczalny ciag ˛ współczynników transformata Fouriera - całkowe przekształcenie, zamienia ciagł ˛ a˛ funkcje˛ czasu na ciagła ˛ funkcje˛ czestości ˛ powyższe metody - choć daja˛ wyniki analityczne uciażliwe ˛ w stosowaniu, o sporej złożności najbardziej popularne podejście - analiza numeryczna z wykorzystaniem komputerow i specjalizowanych układów mikroprocesorów (DSP - digital signal procesor) podstawowe narz˛edzie analityczne - dyskretne przekształcenie Fouriera (DFT) zanim to zrobimy, wprowadźmy pojecie ˛ transformaty Fouriera sygnału dyskretnego (DTFT - discrete time Fourier transform) Tadeusz Chmaj Wykład II Definicja DTFT Niech x[nTs ] – dyskretny sygnał – wynik okresowego próbkowania sygnału w chwilach n ∗ Ts , gdzie Ts - odstep ˛ czasowy miedzy ˛ próbkami zwykłe (proste) przekształceniem Fouriera sygnału dyskretnego (DTFT) określamy wzorem: ∞ P X (ejωTs ) = x(nTs )e−jnωTs n=−∞ transformata DTFT – przyporzadkowanie ˛ sygnałowi ˛ funkcji zespolonej X (e−jωTs ) dyskretnemu x(nTs ) ciagłej zmiennej rzeczywistej ω zwyczajowo (by podkreślić dyskretność sygnału) argument tej funkcji zapisujemy jako ejωTs (zamiast ω). funkcja X (ejωTs ) - okresowa funkcja zmiennej ω o okresie ωs = 2π/Ts . Powód: dla ω + ωs wykladnik eksponenty ulega zwiekszeniu ˛ o 2πni co pociaga ˛ tez˛e. Tadeusz Chmaj Wykład II Własności DTFT Okresowość widm – podstawowa cech sygnałów dyskretnych. Inny opis spróbkowanego sygnału analogowego traktujemy go jako ciagły ˛ sygnał analogowy, widmo – R∞ ciagła ˛ transformata Fouriera Xδ (jω) = xδ (t)e−jωt dt = −∞ R∞ −∞ x(t) ∞ P δ(t − n∆t)e−jωt dt = n=−∞ ∞ P x(n∆t)e−jnω∆t – n=−∞ dokładnie równoważne formule DTFT. Cz˛esto DTFT rozpatruje sie˛ nie jako funkcje˛ pulsacji ω tylko pulsacji θ unormowanej wzgledem ˛ okresu próbkowania Ts , θ = ωTs (lub cz˛estotliwości próbkowania fs , θ = ω/fs ). W tych zmiennych – widmo to funkcja okresowa o okresie 2π. DTFT jako funkcja pulsacji unormowanej: ∞ P X (ejθ ) = x(n)e−jnθ n=−∞ Tadeusz Chmaj Wykład II Od DTFT do DFT Odwrotne przekształcenie DTFT: 1 x(n) = 2π Zπ X (eiΩ )einΩ d Ω −π Typowe zagadnienie analizy widmowej sygnał dostepny ˛ w skończonym przedziale czasowym [0, T ] próbkowany z ustalonym odstepem ˛ czasowym Ts w chwilach tn = n ∗ Ts , n = 0, 1, . . . N − 1; gdy czas w jednostkach Ts to x (tn ) → x (n) o skończonym czasie trwania N = T /Ts - dyskretny sygnał okresowy o okresie N : x (n + N) = x (n) DFTF wymaga znajomości ∞-wielu próbek; daje periodyczne widmo ciagłe ˛ idea DFT - weźmy skończony zbiór próbek czasowych sygnału i ma jego podstawie określmy widmo w skończonej ilośći wartości pulsacji (cz˛estotliwości) Tadeusz Chmaj Wykład II Definicja DFT DFT: w oparciu o dyskretny zbiór N próbek sygnału czasowego x(n) określamy przepis na widmo X dla N dyskretnych wartości pulsacji unormowanej θn widmo X (ejθ ) – okresowa funkcja zmiennej θ o okresie 2 π – wystarczy określić je o przedziale [0, 2π); obliczamy widmo X (ejθn ) dla θn = 2π N n to prowadzi do formuły na dyskretna˛ transformate˛ Fouriera (DFT): X (ejθk ) = X (k) = N−1 X x(n)exp(−j n=0 2π kn) N oraz relacji odwrotnej : x(n) = N−1 1 X 2π X (k)exp(j nk) N N k =0 Tadeusz Chmaj Wykład II Własności DFT Okresowość: X (k + N) = X (k) Dowód: dla każdego składnika sumy wyznaczjacej ˛ X (k) od indeksu k (numerujacego ˛ próbk˛e cz˛estości) zależy tylko ˛ czynnik fazowy F (k, n) = exp(−j 2π N kn). Spełnia on relacje: 2π 2π F (k + N, n)= exp(−j N (k + N)n)=exp(−j N kn) exp(−j 2π N Nn) = F (k, n)exp(−j2πn) = F (k, n). To pociaga ˛ za soba˛ okresowość widma. Symetria DFT dla rzeczywistych sygnałów: gdy x(n)∗ = x(n), to X (k) = X ∗ (N − k) Dowód: dla rzeczywistych x(n) mamy: X (k) = N−1 N−1 P P ∗ ∗ x(n)exp(−j 2π x(n)exp(j 2π N nk) = [ N nk)] = X (−k). n=0 n=0 Z tej relacji oraz z okresowości widma mamy: X ∗ (N − k) = X ∗ (N − k − N) = X ∗ (−k) = X (k) Gdy x(t) rzeczywiste, a N parzyste, to mamy: X ( N2 + k) = X ∗ ( N2 − k) Tadeusz Chmaj Wykład II Parametry DFT dziedzina czasowa: ilość N próbek czasowych , odstep ˛ czasowy pomiedzy ˛ kolejnymi próbkami Ts , długość sygnału (N − 1) ∗ Ts , okresowość danych czasowych T = NTs dziedzina cz˛estotliwości: maksymalna czestość ˛ - zadana przez maksymalna˛ wartość pulsacji unormowanej: 2π = θmax = ωmax Ts = 2πfmax Ts → fmax = T1s ; dodatkowo musimy uwzglednić ˛ symetrie˛ sygnału, co daje: Fmax = 1 2 ∗ Ts odległość miedzy ˛ kolejnymi prażkami ˛ widma fs = fmax 1/N = 1/(NTs ) = T1 , okresowość spektrum Fp = Nfs = 1/Ts Tadeusz Chmaj Wykład II Własności DFT - c.d. Dla rzeczywistych danych x(n): N wartości prażków ˛ (liczb zespolonych) jest zadanych przez N liczb rzeczywistych (symetria wzgledem ˛ N/2) N−1 P zerowy prażek ˛ widma rzeczywisty i równy X (0) = x (n) n=0 Liniowość: DFT (a x(n) + b y(n)) = a DFT (x(n)) + b DFT (y(n)) Własność splotu: niech X (k), Y (k) – widma DFT sygnałów x(k), y(k), niech Z (k) = X (k)Y (k). Wtedy, gdy określimy z(n) jako IDFT widma Z (k), to dostajemy: N−1 P x(m) = x(n)y(m − n), czyli widmo DFT splotu n=0 czasowego dwóch dyskretnych sygnałów N-okresowych jest równe iloczynowi ich widm DFT Własność iloczynu: widmo DFT iloczynu = splot widm Tadeusz Chmaj Wykład II DFT jako aproksymacja FT DFT może być użyta jako aproksymacja ciagłej ˛ transformaty dla transformaty wyrażonej jako funkcja cz˛estotliwości mamy, sygnału kauzalnego (x(t) = 0 dla t < 0) mamy: R∞ X (f ) = x(t)e−j2πft dt 0 zastepujemy ˛ wielkości ciagłe ˛ próbkowanymi wielkościami k dyskretnymi: t → nTs , dt → Ts , f → kfs = NT co prowadzi s do: N−1 X 2πf k X( ) = Ts x(nTs )e−j N nk NTs n=0 tak można uzyskać niezłe przybliżenie widma amplitudowego funkcji szybko spadajacej ˛ problemy z widmem fazowym Tadeusz Chmaj Wykład II Definicja układów LTI Układ - obiekt - czarna skrzynka na której wejście podaje sie˛ sygnał wejściowy x (pobudzenie) a z wyjścia pobiera sygnał wyjściowy y (odpowiedź Opis transmisyjny: układ – operator T wykonujacy ˛ pewna˛ operacje˛ na sygnale y = T [x] Niech X - zbiór dopuszczalnych wejść, Y - zbiór dopuszczalych wyjść - dziedzina i zbiór wartości operatora T. gdy X , Y sygnały ciagłe ˛ w czasie - układy analogowe gdy X , Y sygnały dyskretne w czasie - uklady dyskretne szczególna grupa układów - układy LTI, czyli układy: liniowe: T [ax + by ] = aT [x ] + bT [y ] stacjonarne (niezmienne w czasie): jezeli odpowiedzia˛ na x (t) jest y (t), to odpowiedzia˛ na x (t − t0 ) jest y (t − t0 ) Tadeusz Chmaj Wykład II Analogowe układy LTI Działanie analogowych układów LTI: opis w dziedzinie czasu: y (t) = R∞ h(τ )x (t − τ )dτ ; h(t) - −∞ odpowiedź impulsowa – odpowiedź układu na impuls R∞ Diraca: y (t) = h(τ )δ(t − τ )dτ = h(t) −∞ uzasadnienie: x (t) = R∞ x (τ )δ(t − τ )dτ −∞ x (t) → y (t), prawa strona to suma przesunietych ˛ w czasie (t − τ ) i przeskalowanych w amplitudzie (* x (τ )) sygnałów δ(t) - z liniowości i stacjonarności dostajemy prawa˛ strone˛ górnej relacji opis w dziedzinie czestotliwości: ˛ Y (ω) = H(ω)X (ω), dla impulsu Diraca Y (ω) = H(ω)∆(ω) = H(ω) Tadeusz Chmaj Wykład II Projekt układu , transmitancja Jak dobrać h(t)? Odpowiedz w dziedzinie cz˛estotliwości: Wiemy, że Y (ω) = H(ω)X (ω) Zasada: gdy chcemy osłabić sygnał dla pulsacji ω kladziemy H(ω) → 0, gdy dana˛ pulsacje˛ przepuszczamy – kładziemy H(ω) = 1 układy LTI - w dziedzinie czasu opisywane przez liniowe równania różniczkowe: N X n=0 an M X d n y(t) d m x(t) = b m dt n dt m m=0 Ważna własność transformaty Fouriera: gdy x(t) ↔ X (ω), m to d dtx(t) ↔ (iω)n X (ω) m Tadeusz Chmaj Wykład II Projekt układu , transmitancja c.d. Ostatnia relacja daje równanie na transformaty: N X an (iω)n Y (ω) = n=0 M X bm (iω)m X (ω) m=0 Skad ˛ - transformata Fouriera odpowiedzi impulsowej (transmitancja Fouriera) M P Y (ω) m=0 = H(ω) = N X (ω) P bm (iω)m an (iω)n n=0 Projekt ukladu - określenie rz˛edów równań M, N oraz stałych ai , bj Tadeusz Chmaj Wykład II Metodologia projektowania Transmitancja Fouriera - ułamek, którego licznik i mianownik - wielomiany zmiennej (iω) nazywam: z1 , z2 , . . . , zM miejsca zerowe licznika transmitancji (zera transmitancji), zaś p1 , p2 , . . . , pN miejsca zerowe mianownika transmitancji (bieguny transmitancji) W tym jezyku ˛ mamy: bM (iω − z1 )(iω − z2 ) . . . (iω − zM ) Y (ω) = X (ω) bN (iω − p1 )(iω − p2 ) . . . (iω − pN ) 12 10 8 Im s H(ω) = 6 4 2 -12 -10 Tadeusz Chmaj -8 -6 -4 Re s -2 Wykład II 0 2 Metodologia projektowania c.d. Zasady projektowania 20 0 18 -2 16 H(ω)=(z0-iω)/(pk-iω) 14 z0=-10+i*10 12 pk=-10+i*ωk -4 ωk -6 1 2 4 6 10 10 20 log10 |H(ω)| 20 log10 |H(ω)| by wyzerować transmitancje˛ dla pewnej pulsacji ω dobieramy parametry tak by jednen z czynników (iω − zm ) był równy 0 dla tej wartości ω podobnie – wzmocnienie gdy w interesujacym ˛ nas obszarze jest jeden z biegunów transmitancji 8 p0=-10+i*10 -12 zk=-10+i*ωk 6 -14 4 -16 2 H(ω)=(zk-iω)/(p0-iω) -8 -10 ωk 1 2 4 6 10 -18 0 -20 0.1 1 10 ω [rd/s] 100 Tadeusz Chmaj 1000 0.1 Wykład II 1 10 ω [rd/s] 100 1000 Metodologia projektowania c.d. Projekt - ustalenie N, M, pozycji zer i biegunów transmitancji Ograniczenia projektowe - stabilność (odpowiedź na sygnałem o ograniczonej amplitudzie ma być sygnał o ograniczonej amplitudzie) rzad ˛ mianownika conajmniej równy rzedowi ˛ licznika N ≥ M gdy współczynnki ai , bj rzeczywiste – bieguny i zera wystepuj ˛ a˛ jako sprzeżone ˛ pary zera transmitancji - moga˛ być wszedzie ˛ bieguny transmitancji tylko w lewej półpłaszczyźnie (Re omega)<0 Sprawdzenie - obliczenie transmitancji wzdłuż osi urojonej wszystkich charakterystyk układu wyliczenie odpowiedzi impulsowej jako odwrotnej transformaty Fouriera transmitancji Tadeusz Chmaj Wykład II Warunki stabilności Założenie - transmitancja ma rozład na sume˛ składników z jednym biegunem (czyli bieguny sa˛ jednokrotne) postać transmitancji: bM c1 c2 cN H(ω) = + + ··· + aN iω − p1 iω − p2 iω − pN parametryzacja biegunów pk = σk + iωk Transformata odwrotna: h(t) ∼ ck e(σk +iω)t lub: h(t) + h∗ ∼ eσt cos(ωt + β) w obu przypadkach gdy σ > 0 - niestabilność Tadeusz Chmaj Wykład II Asymptotyka transmitancji Gdy |ω| ≫ |zk | oraz |ω| ≫ |pk |, to dostajemy: M N m=1 n=1 X bM X 20log10(H(ω)) = 20log10 + 20log10|ω|− 20log10 |ω| aN asymptotycznie (dla dużych pulsacji): każde zero transmitancji - wzrost nachylenia charakterystyki amplitudowej o 20 dB/dekade˛ każdy biegun transmitancji - spadek nachylenia charakterystyki amplitudowej o 20 dB/dekade˛ wykresy charakterystyki amplitudowej (w dB) w funkcji logarytmu pulsacji - wykresy Bodego Tadeusz Chmaj Wykład II Przyklad pojektowania – metoda zer i biegunów Zadanie - zaprojektować filtr górnoprzepustowy Analiza - wymagania: 3 3 2 2 1 1 Im(s) Im(s) - filtr górnoprzepustowy - asymptotycznie (duże pulsacje) nachylenie charakterystyki powinno dażyć ˛ do zera =⇒ taka sama liczba zer co biegunów - pulsacja ω = 0 ma nie przechodzić =⇒ punkt z1 = (0, 0) powinien być zerem transmitancji górnoprzepustowość =⇒ zera transmitancji rozmieszczone na osi urojonej w okolicy z = (0, 0) każde zero skompensowane leżacym ˛ w pobliżu biegunem dla małych pulsacji - osłabienie 0 0 -1 -1 -2 -2 -3 -3 -1 -0.8 -0.6 -0.4 -0.2 0 -1 Re(s) Tadeusz Chmaj -0.8 -0.6 -0.4 Re(s) Wykład II -0.2 0 Przyklad pojektowania – metoda zer i biegunów Wyniki - zależność od rz˛edu modelu 3 0 2 -10 -20 20 log10 |H(ω)| Im(s) 1 0 -1 -30 -40 -50 -2 -60 -3 -70 -1 -0.8 -0.6 -0.4 -0.2 0 0.1 1 -80 0 -90 -10 100 1000 100 1000 -20 20 log10 |H(ω)| -100 20 log10 |H(ω)| 10 ω [rd/s] Re(s) -110 -120 -130 -140 -30 -40 -50 -60 -70 -150 -80 -160 -90 10 100 1000 ω [rd/s] 10000 Tadeusz Chmaj 100000 0.1 Wykład II 1 10 ω [rd/s] Metoda zer i biegunów - podsumowanie Metoda intuicyjnie prosta, ale o małej wydajności Wymaga wielu prób, brak deterministycznego algorytmu prowadzacego ˛ do poprawy rozwiazania ˛ Trudno uzyskać rozwiazania ˛ spełniajace ˛ wymagania: liniowość pasma przepuszczania duże tłumienie w paśmie zaporowym duża stromość zboczy charaktrystyk amplitudowo-czestotliwościowych ˛ Bardziej wydajne podejście - stosowanie modeli (aproksymacji) filtrów (np. Butterwortha, Czebyszewa I, Czebyszewa II, eliptyczny. wybór prototypu - narzucenie rozkladu zer i biegunów transmitancji – wstepne ˛ określenie charakterystyk filtra Istotny element procesu projektowania - transformacja cz˛estotliwości, która pozwala na transformacje˛ wybranego typu filtra (który umiemy zaprojektować) na taki, który jest wymagany. Tadeusz Chmaj Wykład II