9. Dyskretna transformata Fouriera algorytm FFT

Podobne dokumenty
13. Wybrane algorytmy cyfrowego przetwarzania sygnałów

Transformata Fouriera. Sylwia Kołoda Magdalena Pacek Krzysztof Kolago

FFT i dyskretny splot. Aplikacje w DSP

Szybka transformacja Fouriera (FFT Fast Fourier Transform)

Przekształcenie Fouriera i splot

Transformata Fouriera

Analiza szeregów czasowych: 2. Splot. Widmo mocy.

Analiza szeregów czasowych: 2. Splot. Widmo mocy.

Problemy implementacji algorytmów FFT w strukturach FPGA 1)

Ćwiczenie 3. Właściwości przekształcenia Fouriera

Adaptacyjne Przetwarzanie Sygnałów. Filtracja adaptacyjna w dziedzinie częstotliwości

Zastowowanie transformacji Fouriera w cyfrowym przetwarzaniu sygnałów

Transformaty. Kodowanie transformujace

2. Próbkowanie Sygnały okresowe (16). Trygonometryczny szereg Fouriera (17). Częstotliwość Nyquista (20).

uzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem próbkowania t takim, że T = t N 1 t

CYFROWE PRZTWARZANIE SYGNAŁÓW (Zastosowanie transformacji Fouriera)

Przetwarzanie i transmisja danych multimedialnych. Wykład 8 Transformaty i kodowanie cz. 2. Przemysław Sękalski.

Dyskretne przekształcenie Fouriera cz. 2

Politechnika Świętokrzyska. Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 6. Transformata cosinusowa. Krótkookresowa transformata Fouriera.

Przekształcenie Fouriera obrazów FFT

Teoria sygnałów Signal Theory. Elektrotechnika I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny)

Analiza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne

Przetwarzanie sygnału cyfrowego (LabVIEW)

Andrzej Leśnicki Laboratorium CPS Ćwiczenie 6 1/8 ĆWICZENIE 6. Dyskretne przekształcenie Fouriera DFT

Szybka transformacja Fouriera

DYSKRETNA TRANSFORMACJA FOURIERA

Transformata Fouriera i analiza spektralna

DYSKRETNE PRZEKSZTAŁCENIE FOURIERA C.D.

Przetwarzanie i transmisja danych multimedialnych. Wykład 7 Transformaty i kodowanie. Przemysław Sękalski.

Katedra Elektrotechniki Teoretycznej i Informatyki

Wstęp do metod numerycznych Dyskretna transformacja Fouriera. P. F. Góra

Instrukcja do laboratorium z cyfrowego przetwarzania sygnałów. Wybrane właściwości Dyskretnej Transformacji Fouriera

POLITECHNIKA POZNAŃSKA

Wykład 2. Transformata Fouriera

Podstawy Przetwarzania Sygnałów

Cyfrowe Przetwarzanie Obrazów i Sygnałów

Uniwersytet Warszawski. Projektowanie filtrów typu FIR o liniowej charakterystyce fazowej

Zastosowanie Procesorów Sygnałowych

Algorytmy i struktury danych. Wykład 4

Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L

Próbny egzamin z matematyki dla uczniów klas II LO i III Technikum. w roku szkolnym 2012/2013

dr inż. Artur Zieliński Katedra Elektrochemii, Korozji i Inżynierii Materiałowej Wydział Chemiczny PG pokój 311

Luty 2001 Algorytmy (7) 2000/2001

Przetwarzanie sygnałów

8. Analiza widmowa metodą szybkiej transformaty Fouriera (FFT)

PL B1. Sposób i układ pomiaru całkowitego współczynnika odkształcenia THD sygnałów elektrycznych w systemach zasilających

Analiza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne

n=0 (n + r)a n x n+r 1 (n + r)(n + r 1)a n x n+r 2. Wykorzystując te obliczenia otrzymujemy, że lewa strona równania (1) jest równa

Przekształcenia widmowe Transformata Fouriera. Adam Wojciechowski

jako analizatory częstotliwości

Ćwiczenie: Własności dyskretnej transformaty Fouriera (DFT)

Zapis liczb binarnych ze znakiem

2. Szybka transformata Fouriera

Przedmowa Wykaz oznaczeń Wykaz skrótów 1. Sygnały i ich parametry Pojęcia podstawowe Klasyfikacja sygnałów

Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L

IMPLEMENTATION OF THE SPECTRUM ANALYZER ON MICROCONTROLLER WITH ARM7 CORE IMPLEMENTACJA ANALIZATORA WIDMA NA MIKROKONTROLERZE Z RDZENIEM ARM7

1. Pochodna funkcji. 1.1 Pierwsza pochodna - definicja i własności Definicja pochodnej

Technika audio część 2

Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L

Transformata Laplace a to przekształcenie całkowe funkcji f(t) opisane następującym wzorem:

Równania różniczkowe liniowe wyższych rzędów o stałych współcz

Szybkie przekształcenie Fouriera

BIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat

Analiza obrazu. wykład 5. Marek Jan Kasprowicz Uniwersytet Rolniczy 2008

MATEMATYKA WYKAZ UMIEJĘTNOŚCI WYMAGANYCH NA POSZCZEGÓLNE OCENY DLA KLASY DRUGIEJ

Rozwiązania zadań z kolokwium w dniu r. Zarządzanie Inżynierskie, WDAM, grupy I i II

V. WYMAGANIA EGZAMINACYJNE

Program zajęć pozalekcyjnych z matematyki poziom rozszerzony- realizowanych w ramach projektu Przez naukę i praktykę na Politechnikę

7. Szybka transformata Fouriera fft

6. FUNKCJE. f: X Y, y = f(x).

Przetwarzanie sygnałów

EGZAMIN MATURALNY Z MATEMATYKI

CIĄGI wiadomości podstawowe

Transformacja Fouriera i biblioteka CUFFT 3.0

Zygmunt Wróbel i Robert Koprowski. Praktyka przetwarzania obrazów w programie Matlab

5. Rozwiązywanie układów równań liniowych

GENERACJA PRZEBIEGU SINUSOIDALNEGO.

Próbny egzamin maturalny z matematyki Poziom rozszerzony

Rozwiązania zadań z kolokwium w dniu r. Zarządzanie Licencjackie, WDAM, grupy I i II

Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki

Samodzielnie wykonaj następujące operacje: 13 / 2 = 30 / 5 = 73 / 15 = 15 / 23 = 13 % 2 = 30 % 5 = 73 % 15 = 15 % 23 =

Interpolacja funkcji

NIEOPTYMALNA TECHNIKA DEKORELACJI W CYFROWYM PRZETWARZANIU OBRAZU

Metody numeryczne Wykład 6

Propagacja w przestrzeni swobodnej (dyfrakcja)

Prawdopodobieństwo i statystyka

1 Hydroliza soli. Hydroliza soli 1

przy warunkach początkowych: 0 = 0, 0 = 0

Dane obrazowe. R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski

INTERPOLACJA I APROKSYMACJA FUNKCJI

Przekształcenie Z. Krzysztof Patan

Transformacje i funkcje statystyczne

III. STRUKTURA I FORMA EGZAMINU

ZASTOSOWANIE RACHUNKU OPERATORÓW MIKUS- IŃSKIEGO W PEWNYCH ZAGADNIENIACH DYNAMIKI KONSTRUKCJI

Układy równań i równania wyższych rzędów

Wykład 2 - model produkcji input-output (Model 1)

Zadania do samodzielnego rozwiązania

Różne reżimy dyfrakcji

FPGA IMPLEMENTATION OF FAST FOURIER TRANSFORM ALGORITHM IMPLEMENTACJA ALGORYTMU SZYBKIEJ TRANSFORMATY FOURIERA W UKŁADZIE PROGRAMOWALNYM FPGA

Transkrypt:

Transformata Fouriera ma szerokie zastosowanie w analizie i syntezie układów i systemów elektronicznych, gdyż pozwala na połączenie dwóch sposobów przedstawiania sygnałów reprezentacji w dziedzinie czasu i reprezentacji w dziedzinie częstotliwości. Dyskretna transformata Fouriera (ang. discrete fourier transform - DFT) stosowana jest wtedy, gdy wartości liczbowe sygnału x t są określone dla skończonej liczby N wartości zmiennej t (czas) należącej do pewnego przedziału [0,T ]. Najczęściej przyjmuje się, że wartości te są równoodległe o jednakowy przedział czasu t=t / N =1 / f p, gdzie f p jest częstotliwością próbkowania. Sygał x t jest zatem reprezentowany przez skończony ciąg {x n },,1,, N 1, wartości liczbowych próbek sygnału. Zadanie obliczenia dyskretnej transformacji Fouriera sygnału sprowadza się do wyznaczenia wartości liczbowych sum nk X k = x n W N k=0,1,, N 1, dla przekształcenia prostego (czas częstotliwość) oraz sum x n = 1 nk X k W N N,1,, N 1, 9.1.b k =0 dla przekształcenia odwrotnego IDFT (ang. inverse DFT) - częstotliwość czas, gdzie W m N =e j 2 m/ N 9.1.c to współczynnik obrotu. N 1 N 1 9.1.a

Wyznaczenie DFT w oparciu o zależność 9.1.a (oraz IDFT z wykorzystaniem 9.1.b ) wymaga wykonania N 2 mnożeń oraz N dodawań. Stosując algorytm szybkiej transformacji Fouriera FFT (odwrotnej szybkiej transformacji Fouriera) liczbę obliczeń można zmniejszyć do ok. N /2 log2 N. Zmniejszenie nakładu obliczeń transformaty DFT można uzyskać stosując następujący ciąg przekształceń. 1. Podział sekwencji wejściowej {x n }={x 0, x 1,, x N 1 } na dwie połowy: x {x 0, x 1,, N oraz 2 1 } {x N 2, x N 2 1,, x N 1 }. Transformatę DFT całej sekwencji z uwzględnieniem transformat obydwu części można zapisać odpowiednio N /2 1 N 1 X k = x n W nk nk N x n W N 9.1.d n= N / 2 Podstawiając n=n N /2 w drugiej sumie powyższego wzoru otrzymuje się N /2 1 X k = x n W N nk W N kn/ 2 N / 2 1 x n N 2 W nk N 9.1.e

Wykorzystując własność wyrażenia 9.1.c W N kn / 2 =e j k = e j k = cos j sin k = 1 k zależność 9.1.e przyjmuje postać N /2 1 X k = [ x x n 1 k n N2 ] W nk N. 9.1.f Z kolei wyrażenie 1 k =1 dla k parzystego i 1 dla k nieparzystego. Pozwala to zapisać równanie 9.1.f oddzielnie dla k parzystego N /2 1 X k = [ x x n n N2 ] W nk N. 9.1.g k nieparzystego. N /2 1 X k = [ x x n n N2 ] W nk N. 9.1.h

Zastępując k=2 k dla parzystych k oraz k=2 k 1 dla nieparzystych k równania 9.1.g oraz 9.1.h dla k=0,1,, N /2 1 przyjmują odpowiednio postać N /2 1 X 2k = [ x x n n N2 ] W 2nk N, 9.1.i N / 2 1 X 2k 1 = [ x n x n n =0 N2 ] W n N W 2nk N. 9.1.j Wykorzystując własność współczynnika obrotu oraz stosując podstawienia 9.1.c W 2m N =W m N / 2, 9.1.k a n =x n x n N 2, b n =x n x n N 2,

Wyrażenia 9.1.i oraz 9.1.j przyjmują bardziej czytelną postać dwóch N /2 -punktowych transformat DFT N /2 1 X 2k = N / 2 1 X 2k 1 = n =0 nk a n W N / 2 b n W n nk N W N /2, 9.1.l. 9.1.m

2. Podział uzyskanych dwóch sekwencji {a 0, a 1,,a N /2 1 } oraz {b 0 W 0 N, b 1 W 1 N / N,,b N /2 1 W 2 1 N } na cztery sekwencje N /4 punktowe. Wyznaczenie transformat DFT dla poszczególnych sekwencji w sposób analogiczny do czynności w punkcie nr 1.

3. Przeprowadzanie dekompozycji DFT do momentu uzyskanych sekwencji dwuelementowych tzw. ''motylków''. N /2 W przypadku 2-punktowego DFT równanie lub 1 nk X k = x n W 2 k=0,1, X 0 =a 0 W 0 2 a 1 W 0 2 =a 0 a 1 X 1 =a 0 W 2 0 a 1 W 2 1 =a 0 a 1 przyjmuje postać 9.1.n 9.1.o W drugim równaniu 9.1.0 wykorzystano własność współczynnika obrotu W 1 2 =e j 2 / 2 = 1 9.1.c

Omówiona metoda dekompozycji DFT nosi nazwę algorytmu FFT z podziałem w dziedzinie częstotliwości DIF (ang. decimation in frequency ).

Jak można zauważyć w fazie końcowej algorytm ten wymaga posortowania uzyskanych wartości widma. Można do tego wykorzystać metodę numeracji o odwróconej kolejności bitów (ang. bit-reversal procedure) 0 (000) 2 (000) 2 0 1 (001) 2 (100) 2 4 2 (010) 2 (010) 2 2 3 (011) 2 (110) 2 6 5 (101) 2 (101) 2 5 7 (111) 2 (111) 2 7

Istnieje również metoda dekompozycji DFT z podziałem w dziedzinie czasu DIT (ang. decimation in time ). Powstaje ona w wyniku rozkładu algorytmu spowodowanego podziałami danych wejściowych na ciagi danych parzystych i nieparzystych. X k N /2 =C k W N k D k, k N / W 2 k N = W N k=0,1,, N /2 1

FFT z podziałem w dziedzinie czasu DIT. Dla N =8 X k =C k W k 8 D k, k=0, 1,2, 3, X k 4 =C k W k 8 D k, k=0, 1,2, 3.