DFT. verze:

Podobne dokumenty
Kristýna Kuncová. Matematika B2 18/19

Numerické metody 8. května FJFI ČVUT v Praze

Necht je funkce f spojitá v intervalu a, b a má derivaci v (a, b). Pak existuje bod ξ (a, b) tak, že f(b) f(a) b a. Geometricky

Komplexní analýza. Martin Bohata. Katedra matematiky FEL ČVUT v Praze Martin Bohata Komplexní analýza Mocninné řady 1 / 18

Aproximace funkcí 1,00 0,841 1,10 0,864 1,20 0,885. Body proložíme lomenou čarou.

Matematika 2, vzorová písemka 1

1 Soustava lineárních rovnic

Úvodní informace. 18. února 2019

Inverzní Z-transformace

Vybrané kapitoly z matematiky

(1) Derivace. Kristýna Kuncová. Matematika B2 17/18. Kristýna Kuncová (1) Derivace 1 / 35

Funkce zadané implicitně. 4. března 2019

Kristýna Kuncová. Matematika B2

5. a 12. prosince 2018

Geometrická nelinearita: úvod

Kapitola 4: Soustavy diferenciálních rovnic 1. řádu

(2) Funkce. Kristýna Kuncová. Matematika B2. Kristýna Kuncová (2) Funkce 1 / 25

Matematika (KMI/PMATE)

Cauchyova úloha pro obyčejnou diferenciální rovnici

Obsah. 1.2 Integrály typu ( ) R x, s αx+β

Elementární funkce. Edita Pelantová. únor FJFI, ČVUT v Praze. katedra matematiky, FJFI, ČVUT v Praze

Linea rnı (ne)za vislost

kontaktní modely (Winklerův, Pasternakův)

MATEMATIKA 3. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

Laplaceova transformace

Rovnice proudění Slapový model

Komplexní analýza. Martin Bohata. Katedra matematiky FEL ČVUT v Praze Martin Bohata Komplexní analýza Úvod 1 / 32

Určitý (Riemannův) integrál a aplikace. Nevlastní integrál. 19. prosince 2018

Stavový popis Stabilita spojitých systémů (K611MSAP) Katedra aplikované matematiky Fakulta dopravní ČVUT. čtvrtek 20. dubna 2006

Edita Pelantová, katedra matematiky / 16

Speciální funkce, Fourierovy řady a Fourierova transformace

Operace s funkcemi [MA1-18:P2.1] funkční hodnota... y = f(x) (x argument)

Statistika (KMI/PSTAT)

Numerické metody minimalizace

Co nám prozradí derivace? 21. listopadu 2018

Jednoduchá zobrazení. Podpořeno z projektu FRVŠ 584/2011.

Komplexní analýza. Příklad Body. Nepište obyčejnou tužkou ani červeně, jinak písemka nebude přijata. Soupis vybraných vzorců. 4a.

Jednoduchá zobrazení. Podpořeno z projektu FRVŠ 584/2011.

Matematika III Stechiometrie stručný

Diferenciální rovnice základní pojmy. Rovnice se

FAKULTA STAVEBNÍ. Stavební statika. Telefon: WWW:

Kombinatorika a grafy I

Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky

Periodický pohyb obecného oscilátoru ve dvou dimenzích

Internet a zdroje. (Zdroje na Internetu) Mgr. Petr Jakubec. Katedra fyzikální chemie Univerzita Palackého v Olomouci Tř. 17.

Powyższe reguły to tylko jedna z wersji gry. Istnieje wiele innych wariantów, można też ustalać własne zasady. Miłej zabawy!

Matematická analýza 2. Kubr Milan

NÁVOD K POUŽITÍ KEZELÉSI KÉZIKÖNYV INSTRUKCJA OBSŁUGI NÁVOD NA POUŽÍVANIE. Česky. Magyar. Polski. Slovensky

x2 + 2x 15 x 2 + 4x ) f(x) = x 2 + 2x 15 x2 + x 12 3) f(x) = x 3 + 3x 2 10x. x 3 + 3x 2 10x x 2 + x 12 10) f(x) = log 2.

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava

Teorie. kuncova/ Definice 1. Necht f je reálná funkce a a R. Jestliže existuje.

Lineární algebra - iterační metody

GEM a soustavy lineárních rovnic, část 2

Obsah. Zobrazení na osmistěn. 1 Zobrazení sféry po částech - obecné vlastnosti 2 Zobrazení na pravidelný konvexní mnohostěn

Fakulta biomedic ınsk eho inˇzen yrstv ı Teoretick a elektrotechnika Prof. Ing. Jan Uhl ıˇr, CSc. L eto 2017

do magisterské etapy programu ELEKTRONIKA A KOMUNIKACE

Obsah. Limita posloupnosti a funkce. Petr Hasil. Limita posloupnosti. Pro a R definujeme: Je-li a < 0, pak a =, a ( ) =. vlastní body.

Zadání: Vypočítejte hlavní momenty setrvačnosti a vykreslete elipsu setrvačnosti na zadaných

7. Aplikace derivace

Energetické principy a variační metody ve stavební mechanice

cepstrum Jan Černocký FIT VUT Brno

Petr Hasil. c Petr Hasil (MUNI) Nekonečné řady MA III (M3100) 1 / 187

prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Pravděpodobnost a statistika Katedra teoretické informatiky Fakulta informačních technologií

Fakulta biomedic ınsk eho inˇzen yrstv ı Teoretick a elektrotechnika Prof. Ing. Jan Uhl ıˇr, CSc. L eto 2017

Vladimír Ulman Centre for Biomedical Image Analysis. 10th October, 2007 FI MU, Brno

Jan Kotera. Vlnky a zpracování obrazu

Okrajový problém podmínky nejsou zadány v jednom bodu nejčastěji jsou podmínky zadány ve 2 bodech na okrajích, ale mohou být

Fyzika laserů. Kvantová teorie laseru. 22. dubna Katedra fyzikální elektroniky.

podle přednášky doc. Eduarda Fuchse 16. prosince 2010

Algebra I Cvičení. Podstatná část příkladů je převzata od kolegů, jmenovitě Prof. Kučery, Doc. Poláka a Doc. Kunce, se

Anna Kratochvílová Anna Kratochvílová (FJFI ČVUT) PDR ve zpracování obrazu / 17

Register and win!

K SAMOSTATNÉ MODULOVÉ SCHODY MONTÁŽI. asta

fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu (reg. č. CZ.1.07/2.2.00/28.

MATEMATIKA 3 NUMERICKÉ METODY. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

Průvodce studiem V této kapitole se budeme zabývat diferenciálním počtem pro funkce více

Matematická analýza II pro kombinované studium. Konzultace první a druhá. RNDr. Libuše Samková, Ph.D. pf.jcu.cz

Kombinatorika a komplexní aritmetika

Metody, s nimiž se seznámíme v této kapitole, lze použít pro libovolnou

Fakulta elektrotechniky a komunikačních technologií Ústav telekomunikací. Ing. Petr Sysel WAVELETOVÉ TRANSFORMACE VE SPEKTRÁLNÍ OBLASTI

Nekomutativní Gröbnerovy báze

Obsah. 1 Konstrukce (definice) Riemannova integrálu Výpočet Newtonova Leibnizova věta Aplikace výpočet objemů a obsahů 30

Biosignál II. Lékařská fakulta Masarykovy univerzity Brno

Kapitola 2. Nelineární rovnice

prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Pravděpodobnost a statistika Katedra teoretické informatiky Fakulta informačních technologií

Univerzita Karlova v Praze Matematicko-fyzikální fakulta. rizik. Katedra pravděpodobnosti a matematické statistiky

Obsah. Petr Hasil. (konjunkce) (disjunkce) A B (implikace) A je dostačující podmínka pro B; B je nutná podmínka pro A A B: (A B) (B A) A (negace)

Diskontované řízení portfolia

Ekonomicko-statistický návrh regulačního diagramu

Stochastické modelování v ekonomii a financích Konzistence odhadu LWS. konzistence OLS odhadu. Předpoklady pro konzistenci LWS

Matematika pro ekonomiku

Martin Pergel. 26. února Martin Pergel

Petr Beremlijski, Marie Sadowská

Univerzita Karlova v Praze Matematicko-fyzikální fakulta. Fourierova transformace periodických struktur. Katedra matematické analýzy

algebrou úzce souvisí V druhém tematickém celku se předpokládá základní znalosti z matematické analýzy

POLIURETANOWE SPRĘŻYNY NACISKOWE. POLYURETHANOVÉ TLAČNÉ PRUŽINY

Statistika (KMI/PSTAT)

Logika V. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı BI-MLO, ZS 2011/12

DOPLŇKY PRO STAVBU DOPLNKY PRE STAVBU ELEMENTY DODATKOWE NÁVRH PLYNOVÉ VZPĚRY / NÁVRH PLYNOVEJ VZPERY / SPOSÓB DZIAŁANIA

ČVUT FEL, K October 1, Radek Mařík Ověřování modelů II October 1, / 39

Transkrypt:

Výpočet spektra signálu pomocí DFT kacmarp@fel.cvut.cz verze: 009093 Úvod Signály můžeme rozdělit na signály spojité v čase nebo diskrétní v čase. Další možné dělení je na signály periodické nebo signály neperiodické. Dostáváme tak celkem čtyři kombinace těchto vlastností a tedy i čtyři skupiny signálů. Ke každé takové skupině je definován jiný transformační vztah, který mezi sebou váže signál (jeho časový průběh) a spektrum FT{.}, DtFT{.}, FS{.} a DFS{.}. V reálných situacích těžko můžeme předpokládat, že budeme znát analytické vyjádření signálu a že budeme moci provést výpočet spektra dle definičního vztahu. V praxi se musíme spokojit se vzorky signálu a to navíc na konečném časovém intervalu. Diskrétní Fourierova transformace (DFT) představuje numerický prostředek výpočtu všech čtyř uvažovaných transformací. Aby bylo možné výsledek DFT použít, je potřeba ho správně interpretovat. Dále je potřeba si uvědomit, že pro některé transformace nebo typy signálu dostaneme jen přibližný výsledek spektra. Cílem cvičení je si na konkrétních signálech vyzkoušet výpočet jejich spektra pomocí DFT. Příklady jsou voleny tak, aby byly zastoupeny signály ze všech skupin. Každý příklad je zadán analytickým vztahem signálu (jeho časovou závislostí) a zároveň je poskytnut i analytický tvar spektra (analytický tvar spektra si hloubavý student zkontroluje v rámci domácího cvičení). Úkolem studenta je daný signál implementovat v programu Matlab a provést srovnání spektra vypočteného numericky pomocí DFT se spektrem zadaným analyticky. Dostačující bude provádět srovnání jen amplitudového spektra a to formou ve společném grafu. Pro lepší kontrolu jsou u každého zadaného signálu obrázky jak časového průběhu tak i amplitudového spektra pro konkrétní parametry signálu. Diskrétní Fourierova řada DFS Označíme d n = DFS{s[k]}. Koeficienty Fourierovy řady d n diskrétního periodického signálu s[k] lze pomocí DFT vypočítat dle vztahu d n = N 0 DFT{s[k]}.

Jako argument DTF dosazujme právě jednu periodu s[k]. Hodnota N 0 je perioda signálu s[k]. Výpočet DFS{.} pomocí DFT je bezproblémový, vždy dostaneme přesné hodnoty koeficientů d n. Příklad : Signál s[k] na intervalu jedné periody k = 0,..., N 0 je dána vztahem s per [k] = A a k, kde A > 0 a > a > 0. Pro signál s[k] na celém intervalu k Z platí s[k] = i= s per [k in 0 ] i Z. Spektrum signálu, koeficienty Fourierovy řady d n = DFS{s[k]}, jsou dány vztahem d n = A ( ) a N 0 ( ). N 0 a exp( jπn N 0 ) Na obrázku je zobrazen s[k] a amplitudové spektrum d n pro parametry N 0 = 5, A =.0 a a = :.0 0.3 0. n Příklad : Signál s[k] na intervalu jedné periody k = 0,..., N 0 je dán vztahem { A pro k = 0,..., N, s per [k] = 0 jinde,

kde A > 0, N 0 > N > 0, N N. Pro signál s[k] na celém intervalu k Z platí s[k] = i= s per [k in 0 ] i Z. Spektrum signálu, koeficienty Fourierovy řady d n = DFS{s[k]}, jsou dány vztahem jπn exp( ) exp( jπnn ) A N 0 N 0 N d n = 0 pro n in exp( jπn 0, i Z, ) N 0 A N 0 N pro n = in 0, i Z. Na obrázku je zobrazen signál s[k] a amplitudové spektrum d n pro N 0 = 0, A =.0 a N = 5:.0 0.3 0. n 3 Fourierova transformace v diskrétním čase DtFT Označíme S(Ω) = DtFT{s[k]}. Vzorky spektra S(nΩ 0 ) diskrétního signálu s[k] na násobcích Ω 0 lze pomocí DFT vypočítat dle vztahu S(nΩ 0 ) = DFT{s[k]}. Pomocí DFT lze získat jen spektrum na násobcích Ω 0 = π N. Hodnota N je délka intervalu signálu s[k], která je použitá pro výpočet spektra pomocí DFT. V případě finitního signálu máme možnost provést výpočet na celém intervalu, kde je signál s[k] nenulový. V tomto případě dostaneme přesné hodnoty vzorků spektra S(nΩ 0 ). S rostoucím N (při doplnění signálu s[k] nulovými vzorky) dostaneme hustěji navzorkované spektrum (krok ve spektru Ω 0 = π N se zmenšuje). V případě nefinitního signálu dostaneme jen přibližné hodnoty S(nΩ 0 ), které se s rostoucím N zpřesňují. 3

Příklad 3: Diskrétní signál s[k] je dán vztahem { A pro k = 0,..., N, s[k] = 0 jinde, kde A > 0, N > 0, N N. Spektrum signálu S(Ω) = DtFT{s[k]} je dáno vztahem S(Ω) = A exp(jω) ( exp( jn Ω) ) ( exp(jω) ). Na obrázku je zobrazen signál s[k] a jeho amplitudové spektrum S(Ω) pro parametry A =.0 a N = 7: 5.0 7 6 5 3 Π Π Π Příklad : Diskrétní signál s[k] je dán vztahem { ( ( )) A + cos π N s[k] = k pro k = N,... N, 0 jinde, kde A > 0, N > 0 N N. Spektrum signálu S(Ω) = DtFT{s[k]} je dáno vztahem ( ( )) S(Ω) = A cos( ) Ω cos π sin ( N ) sin(n Ω Ω) ( ). cos π cos(ω) N

Na obrázku je zobrazen signál s[k] a jeho amplitudové spektrum S(Ω) pro hodnoty A =.0 a N = 5: 0.0.5 0 8 6.0 Π Π Π Příklad 5: Diskrétní signál s[k] je dán vztahem kde A > 0, > a > 0. s[k] = A a k, Spektrum signálu S(Ω) = DtFT{s[k]} je dáno vztahem ( a cos(ω)) S(Ω) = A a cos(ω) + a. Na obrázku je zobrazen signál s[k] a jeho amplitudové spektrum S(Ω) pro hodnoty A =.0 a a = :.0 Π Π Π 0 8 6 5

Příklad 6: Diskrétní signál s[k] je dán vztahem kde A > 0, N 0 > 0, N 0 N. s[k] = A ( ( )) π + cos k, N 0 Spektrum signálu S(Ω) = DtFT{s[k]} na intervalu Ω ( π, π označíme jako S per (Ω). Platí ( S per (Ω) = πa δ(ω) + π δ(ω ) + ) π δ(ω + ). N 0 N 0 Pro spektrum S(Ω) na celém intervalu Ω R platí S(Ω) = i= S per (Ω i π) i Z. Na obrázku je zobrazen signál s[k] a amplitudové spektrum S(Ω) pro hodnoty A =.0 a N 0 = 8..0 Π.5.0 Π 0 Π Π Π Fourierova řada FS Označíme c n = FS{s(t)}. Aby bylo možné provést výpočet koeficientů Fourierovy řady c n spojitého periodického signálu s(t) pomocí DFT je potřeba signál s(t) vzorkovat. Signál s(t) budeme vzorkovat tak, aby na základní periodu T 0 vycházel celý počet vzorků, tedy poměr T 0 /T sa necht je celé číslo. Koeficienty c n spojitého periodického signálu s(t) lze vypočítat podle vztahu c n = T sa T 0 DFT{s(kT sa )}. 6

Jako argument DFT dosazujeme vzorky právě jedné periody s(t). V případě, že je signál s(t) navzorkován tak, že je splněna vzorkovací podmínka, získáme přesné hodnoty koeficientů c n. To je možné jen v případě spektrálně omezených signálů. V opačném případě dostaneme jen přibližné hodnoty c n (které se s rostoucím f sa = /T sa zpřesňují). Příklad 7: Spojitý periodický signál s(t) s periodou T 0 je dán vztahem ( s(t) = A cos ( π ) t), T 0 kde A > 0. Pro spektrum signálu, jeho koeficienty Fourierovy řady, platí A pro n = 0, c n = A pro n = ±, 0 jinde. Na obrázku je signál s(t) a amplitudové spektrum c n zobrazeno pro parametry A =.0 a T 0 = 5.0:.0 3.5.0 n Příklad 8: Spojitý periodický signál s(t) na intervalu jedné periody t 0, T 0 ) je dán vztahem { A pro t 0, T ), s per (t) = 0 jinde. kde A > 0, T 0 > T > 0. Pro signál s(t) na celém intervalu t R platí 7

s(t) = i= s per (t i T 0 ) i Z. Pro spektrum signálu, jeho koeficienty Fourierovy řady, platí { ( )) A jπn exp( jπnt T c n = 0 pro n 0, A T T 0 pro n = 0. Na obrázku je signál s(t) a amplitudové spektrum c n zobrazeno pro parametry A =.0, T 0 = 5.0 a T = 3.0:.0 0.3 0. n Příklad 9: Spojitý periodický signál s(t) na intervalu jedné periody t 0, T 0 ) je dán vztahem { ( ) A sin π T s per (t) = 0 t pro t 0, T ) 0, 0 jinde, kde A > 0. Pro signál s(t) na celém intervalu t R platí s(t) = i= s per (t i T 0 ). Pro spektrum signálu, jeho koeficienty Fourierovy řady, platí ( ) A +( ) n π pro n ±, n c n = j A pro n =, j A pro n =. 8

Na obrázku je signál s(t) a amplitudové spektrum c n zobrazeno pro parametry A =.0 a T 0 = 5.0:.0 0.30 5 0 0.0 0.05 n 5 Fourierova transformace FT Označíme S(ω) = FT{s(t)}. Před použitím DFT je potřeba signál s(t) navzorkovat. Vzorkovací periodu označíme T sa = /f sa. Pomocí DFT získáme vzorky spektra S(nω 0 ) na násobcích ω 0. Krok v kmitočtu má hodnotu ω 0 = π fsa N kde N je počet vzorků signálu s(t), které dosadíme jako argument transformace DFT. Vzorky spektra S(nω 0 ) spojitého signálu s(t) lze vypočítat podle vztahu S(nω 0 ) = T sa DFT{s(kT sa )}. Výpočet spektra S(ω) pomocí DFT je vždy přibližný. Při odvození postupu výpočtu je totiž potřeba předpokládat, že je signál s(t) jak spektrálně omezený tak i finitní, což nikdy nemůže být splněno současně. Příklad 0: Signál ve spojitém čase je dán vztahem { A pro t 0, T ), s(t) = 0 jinde, kde A > 0, T > 0. Pro spektrum signálu s(t) platí S(ω) = A jω (exp(jt ω) ). 9

Na obrázku je signál s(t) a amplitudové spektrum S(ω) zobrazeno pro parametry A =.0 a T = 5.0:.0 5 3 Π Π Π Ω Příklad : Signál ve spojitém čase je dán vztahem { ( )) A + cos( π T s(t) = t pro t T, T ), 0 jinde, kde A > 0 a T > 0. Pro spektrum signálu s(t) platí S(ω) = A ω sin ( ) T ω ( ) T ω. π Na obrázku je signál s(t) a amplitudové spektrum S(ω) zobrazeno pro parametrya =.0 a T = 5.0:.0.5.0 5 3 3 Π Π Π Ω 0

Příklad : Signál ve spojitém čase je dán vztahem s(t) = A exp( a t ), kde A > 0, a > 0. Pro spektrum signálu s(t) platí S(ω) = aa a + ω. Na obrázku je signál s(t) a amplitudové spektrum S(ω) zobrazeno pro parametrya =.0 a a = 0.7: 0.0.5.0.5.0 3 Π Π Π Ω Příklad 3: Signál ve spojitém čase je dán vztahem ( ( s(t) = A + cos π )) t, T 0 kde A > 0 a T 0 > 0. Pro spektrum signálu s(t) platí ( S(ω) = πa δ(ω) + δ(ω π ) + δ(ω + π ) ). T 0 T 0 Na obrázku je signál s(t) a amplitudové spektrum S(ω) zobrazeno pro parametry A =.0 a T 0 = 5.0:

.0 Π.5.0 Π Π Π Ω