PRZETWARZANIE SYGNAŁÓW

Podobne dokumenty
Wykład 2: Szeregi Fouriera

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

TRANSFORMATA FOURIERA

DYSKRETNE PRZEKSZTAŁCENIE FOURIERA C.D.

Przetwarzanie sygnałów biomedycznych

Dyskretne przekształcenie Fouriera cz. 2

Andrzej Leśnicki Laboratorium CPS Ćwiczenie 7 1/7 ĆWICZENIE 7. Splot liniowy i kołowy sygnałów

Drgania i fale II rok Fizyk BC

Szeregi funkcyjne. Szeregi potęgowe i trygonometryczne. Katedra Matematyki Wydział Informatyki Politechnika Białostocka

Przetwarzanie sygnałów

Transformata Fouriera

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

Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM

POLITECHNIKA POZNAŃSKA

Właściwości sygnałów i splot. Krzysztof Patan

Szereg i transformata Fouriera

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

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

TERAZ O SYGNAŁACH. Przebieg i widmo Zniekształcenia sygnałów okresowych Miary sygnałów Zasady cyfryzacji sygnałów analogowych

Ćwiczenie 3. Właściwości przekształcenia Fouriera

Propagacja w przestrzeni swobodnej (dyfrakcja)

) (2) 1. A i. t+β i. sin(ω i

Przekształcenie całkowe Fouriera

Temat ćwiczenia. Analiza częstotliwościowa

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

Zjawisko aliasingu. Filtr antyaliasingowy. Przecieki widma - okna czasowe.

Przekształcenie Fouriera obrazów FFT

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

Transformacje Fouriera * podstawowe własności

DYSKRETNA TRANSFORMACJA FOURIERA

POLITECHNIKA POZNAŃSKA

Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE

Różne reżimy dyfrakcji

CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE

Podstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

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

Kartkówka 1 Opracowanie: Próbkowanie częstotliwość próbkowania nie mniejsza niż podwojona szerokość przed spróbkowaniem.

1.1 Wprowadzenie. 1.2 Podstawy matematyczne analizy widmowej Przestrzeń Euklidesowa N-wymiarowa

FUNKCJE ZESPOLONE Lista zadań 2005/2006

Laboratorium Przetwarzania Sygnałów

Matematyczne Metody Fizyki II

Propozycja szczegółowego rozkładu materiału dla 4-letniego technikum, zakres podstawowy i rozszerzony. Klasa I (90 h)

CYFROWE PRZTWARZANIE SYGNAŁÓW (Zastosowanie transformacji Fouriera)

Cyfrowe przetwarzanie sygnałów Jacek Rezmer -1-

MATeMAtyka klasa II poziom rozszerzony

Teoria sterowania - studia niestacjonarne AiR 2 stopień

Dyskretne przekształcenie Fouriera

Teoria Sygnałów. Inżynieria Obliczeniowa II rok 2018/19. Wykład 10. ( t) Wykorzystanie transformacji Fouriera w analizie korelacyjnej

Przetwarzanie sygnałów z czasem ciągłym

Podstawy akwizycji i cyfrowego przetwarzania sygnałów

LABORATORIUM METROLOGII. Podstawy akwizycji i cyfrowego przetwarzania sygnałów. dr inż. Andrzej Skalski. mgr inż. Mirosław Socha

Materiały pomocnicze do wykładu

ANALIZA HARMONICZNA DŹWIĘKU SKŁADANIE DRGAŃ AKUSTYCZNYCH DUDNIENIA.

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

III. Funkcje rzeczywiste

Podstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Podstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

MATeMAtyka zakres podstawowy

Kurs wyrównawczy - teoria funkcji holomorficznych

METODY MATEMATYCZNE I STATYSTYCZNE W INŻYNIERII CHEMICZNEJ

1. Modulacja analogowa, 2. Modulacja cyfrowa

Część 1. Transmitancje i stabilność

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

Podstawowe człony dynamiczne

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27

Podstawy Automatyki. wykład 1 ( ) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24)

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 8

AiR_TSiS_1/2 Teoria sygnałów i systemów Signals and systems theory. Automatyka i Robotyka I stopień ogólnoakademicki

8. Analiza widmowa metodą szybkiej transformaty Fouriera (FFT)

Laboratorium Przetwarzania Sygnałów Biomedycznych

Przekształcenia widmowe Transformata Fouriera. Adam Wojciechowski

Funkcje analityczne. Wykład 12

Mechanika Kwantowa. Maciej J. Mrowiński. 24 grudnia Funkcja falowa opisująca stan pewnej cząstki ma następującą postać: 2 x 2 )

1. Liczby zespolone Zadanie 1.1. Przedstawić w postaci a + ib, a, b R, następujące liczby zespolone (1) 1 i (2) (5)

Akwizycja i przetwarzanie sygnałów cyfrowych

Analiza szeregów czasowych: 2. Splot. Widmo mocy.

Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L

MATeMAtyka zakres rozszerzony

4.2 Analiza fourierowska(f1)

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

Przetwarzanie sygnałów

Wykład VI Dalekie pole

Materiały pomocnicze do wykładu

Przekształcenia całkowe. Wykład 1

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Zajęcia nr 1 (1h) Dwumian Newtona. Indukcja. Zajęcia nr 2 i 3 (4h) Trygonometria

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

Rozdział 3. Granica i ciągłość funkcji jednej zmiennej

ROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ.

Cyfrowe przetwarzanie i kompresja danych

Dyskretne układy liniowe. Funkcja splotu. Równania różnicowe. Transform

Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L

Zaliczenie wykładu Technika Analogowa Przykładowe pytania (czas zaliczenia minut, liczba pytań 6 8)

Dyskretne sygnały deterministyczne i analiza widmowa

4 Zasoby językowe Korpusy obcojęzyczne Korpusy języka polskiego Słowniki Sposoby gromadzenia danych...

Liczby zespolone. x + 2 = 0.

Przetwarzanie sygnału cyfrowego (LabVIEW)

PODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.

ELEKTRONIKA. dla Mechaników

Transkrypt:

PRZEWARZANIE SYGNAŁÓW SEMESR V Człowiek- nalepsza inwestyca Proekt współfinansowany przez Unię Europeską w ramach Europeskiego Funduszu Społecznego

Wykład II Wprowadzenie Podstawy teoretyczne przetwarzania sygnałów

Szereg Fouriera i przekształcenie Fouriera Jean Baptiste Joseph Fourier.3.768 6.5.83 8 stwierdził, że pewne funkce można przedstawić w postaci nieskończone sumy harmonicznych teoria transmisi ciepła, teoria drgań, efekt szklarniowy, prace nad liczbą rozwiązań równań algebraicznych sekretarz Akademii Francuskie, członek Królewskie Szwedzkie Akademii Nauk

rygonometryczny szereg Fouriera ft okresowa, okres, spełnia warunki Dirichleta; rozwinięcie ft w szereg trygonometryczny Fouriera: n f t a [ a cos n t b sin n t] n n =/, n=,,,... współczynniki rozwinięcia: a / f t / dt / a cos n f t n t dt bn / / / f tsin n t dt

Wykładniczy szereg Fouriera rozwinięcie ft w szereg wykładniczy Fouriera: n t Fn exp n n f t współczynniki rozwinięcia F n F n e arg F n F n / f / t exp n t d { F n } - widmo amplitudowe, {argf n } widmo fazowe { F n } - widmo mocy sygnału ft Związek między współczynnikami rozwinięcia w szereg wykładniczy i w szereg trygonometryczny dla n>=: F n a n b n F n a n b n

Przykłady rozwinięć w SF I A rect t - ciąg impulsów prostokątnych o współczynniku wypełnienia / współczynniki rozwinięcia: =/ F n / / A / rect texp n t dt Aexp nt dt exp nt / n / / F n A n exp n t / / A [exp n / exp n / ] n A [cos n / n sin n / cos n / sin n / ]

Przykłady rozwinięć w SF I B rect t - ciąg impulsów prostokątnych o współczynniku wypełnienia / współczynniki rozwinięcia: =/ F n A [cos n / n sin n / cos n / sin n / ] A n sin n / A sin n / n / A sin n / n / A n sin c F n A n sin n / A sin n / n F n A n sin c

Przykłady rozwinięć w SF I C rect t - ciąg impulsów prostokątnych o współczynniku wypełnienia / współczynniki rozwinięcia: F n A n sin c =/ przebiegi współczynników rozwinięcia dla różnych wartości i ustalone wartości.

Przykłady rozwinięć w SF I D rect t - ciąg impulsów prostokątnych o współczynniku wypełnienia /: =/ współczynniki rozwinięcia: F n A n sin c rozwinięcie funkci rect t : rect A n t Fn exp n t sin c exp n n n t

Przykłady rozwinięć w SF II A Dla wypełnienia 5% i symetrii przebiegu względem obu osi znika składowa stała, a współczynniki są rzeczywiste. Współczynniki: Rozwinięcie w szereg Fouriera: 4A a n sin n / n rect 4 A t an exp n t [cos t cos3 t cos5 t n 3 5...] Analizowany przebieg prostokątny est sumą nieparzystych harmonicznych funkci cos t z maleącymi amplitudami, nie zawiera składowe stałe średnie.

Przykłady rozwinięć w SF II B 4A a n sin n / n Sygnał moduły współczynników rozwinięcia 4A rect t [cos t cos3 t cos5 t 3 5...] Analizowany przebieg - suma nieparzystych harmonicznych z maleącymi amplitudami, nie zawiera składowe stałe średnie.

Przykłady rozwinięć w SF II C 4A rect t [cos t cos3 t cos5 t 3 5...] Przebieg prostokątny aproksymowany sumą edne, dwóch, trzech i czterech harmonicznych.

Przykłady rozwinięć w SF III Ciąg t: k t t k współczynniki rozwinięcia: F n / / / / k t kexp n t dt texp nt dt =/ rozwinięcie ciągu t: : t Fn exp n t exp n t exp n n n n t

Przekształcenie Fouriera Proste i odwrotne przekształcenia Fouriera funkci ft F=F{ft} ftf F f texp t dt f t F exp t d istnieą gdy ft est bezwzględnie całkowalna Zapis Fω argfω - widmo gęstości amplitudy - widmo fazowe F F e arg F

Wybrane właściwości przekształcenia Fouriera I

Wybrane właściwości przekształcenia Fouriera II ransformata pochodne ft ft F f t F, f n t n F Przesunięcie w czasie ft F ft-t exp-t F

Wybrane właściwości przekształcenia Fouriera III ransformata splotu funkci f tf, f tf est iloczynem transformat splatanych funkci!!! F{ f t* f t} F F

Wybrane właściwości przekształcenia Fouriera IV ransformata iloczynu funkci f tf, f tf est splotem transformat mnożonych funkci!!!!!! F{ f t f t} F * F

Przykłady transformat Fouriera I Sygnał prostokątny o czasie trwania rect: F f texp t dt rect exp t dt F rect exp t dt / / Aexp t dt A exp t / / F A exp t A [exp / exp / / / ]

Przykłady transformat Fouriera II Sygnał prostokątny o czasie trwania rect: / sin ] / sin / cos / sin / [cos ] / exp / [exp A A A F sin sin / sin c A A A F

Przykłady transformat Fouriera III Sygnał prostokątny o czasie trwania rect: F sygnału prostokątnego: F A sin c F est funkcą rzeczywistą parzystą część uroona est zerowa. Wykres F

Przykłady transformat Fouriera IV Sygnał prostokątny o czasie trwania rect: F sygnału prostokątnego: F A sin c Położenia zer części rzeczywiste i modułu F ω=±kπ/ k> Szerokość listka głównego 4π/ mierzona ako odległość między zerami modułu F Położenia ekstremów listków bocznych ω m = ±3π/±mπ/ m=,... Szerokość listków bocznych π/

Przykłady transformat Fouriera V Sygnał prostokątny o czasie trwania rect: F sygnału prostokątnego: F A sin c Wartość maksymalna listka głównego A Wartość maksymalna modułu pierwszego listka bocznego - A/3π Asinc3π/; Stosunek maks. wartości modułów listka pierwszego i głównego /3π=.

Przykłady transformat Fouriera VI Znormalizowany moduł F sygnału prostokątnego rect o czasie trwania : F sin c A linia ciągła czas trwania sygnału ; linia przerywana czas trwania /. Maksymalna wartość listka głównego modułu F dla czasu trwania ; dla czasu trwania / / Maksymalna wartość modułu pierwszego listka bocznego po normalizaci /3π Stosunek maks. wartości modułów listka pierwszego i głównego /3π=.

Przykłady transformat Fouriera VII Dystrybuca delta Diraca: Właściwość dystrybuci: f t t t t f f t t f ransformata dystrybuci: F{ t} texp t dt

Przykłady transformat Fouriera VIII Funkca stała F nie istniee w myśl definici funkca nie est bezwględnie całkowalna. Można wyznaczyć wartość główną F przy ->+: F lim lim / / exp t dt lim sin c sin c Definica delty Diraca: k t lim k sinc kt

Przykłady transformat Fouriera IX Funkca stała Właściwość symetrii F!!!!! ft F Ft f- Skoro F delty Diraca est funkcą stałą: F{ t} texp t dt Na mocy właściwości symetrii F transformata funkci stałe ma postać delty Diraca: F

Przykłady transformat Fouriera X Sygnał cosinusoidalny o ograniczonym czasie trwania paczka i ednostkowe amplitudzie / / / / / / ] exp [exp ]exp exp [exp exp cos dt t t dt t t t dt t t / / exp cos ]exp / / [ cos exp dt t t dt t t t t dt t t f F

Przykłady transformat Fouriera XI Sygnał cosinusoidalny o ograniczonym czasie trwania paczka i ednostkowe amplitudzie / / ] exp [exp dt t t / / / / / / exp exp ] exp [exp t t dt t t

Przykłady transformat Fouriera XII Sygnał cosinusoidalny o ograniczonym czasie trwania paczka i ednostkowe amplitudzie / / exp t / exp t / Analogia do obliczania F okna prostokątnego: F A exp t A [exp / exp / / / ] A [exp / exp / ] A [cos / sin / cos / sin / ] A sin / zostae zastąpione przez - bądź +

Przykłady transformat Fouriera XIII Sygnał cosinusoidalny o ograniczonym czasie trwania paczka i ednostkowe amplitudzie ] sin [sin exp exp / / / / c c t t / sin A Analogia do obliczania F okna prostokątnego: zostae zastąpione przez - bądź +

Przykłady transformat Fouriera XIV Sygnał cosinusoidalny o ograniczonym czasie trwania paczka i ednostkowe amplitudzie F [sin c sin c ] Moduł F paczki funkci cosinus o czasie twania, oś Y znormalizowana do /. Położenia ekstremów, zer, wartości maksymalne listka głównego i listków bocznych określamy podobnie ak w przypadku F okna prostokątnego.

Przykłady transformat Fouriera XV Sygnał cosinusoidalny F nie istniee w sensie definici, ponieważ funkca cosinus nie est bezwzględnie całkowalna. Można wyznaczyć wartość główną F paczki fali cos przy ->+. / F cos texp t dt [sin c sin c ] / Definica delty Diraca: k t lim k sinc kt F{cos t} lim [ sin c sin c ] [ ]

Przykłady transformat Fouriera XVI Sygnał sinusoidalny F nie istniee w sensie definici. Można wyznaczyć wartość główną F paczki fali sin przy ->+. F paczki fali sin: F{sin t } [ sin c sin c ] F{sin t} [ ] na rysunku Fω!!

Przykłady transformat Fouriera XVII Zespolony sygnał wykładniczy exp t cos t sin t Sygnał cosinusoidalny F{cos t} [ ] Sygnał sinusoidalny na rys. F{sinω o t} F{sin t} [ ] F{exp t} F{cos t} F{sin t} Jest to tzw. sygnał analityczny posiada niezerowe wartości F tylko po edne stronie początku układu.

Przykłady transformat Fouriera XVIII F dowolne funkci okresowe nie istniee w sensie definici Można taką funkcę rozwinąć w SF: t Fn exp n n f t a następnie przeprowadzić F rozwinięcia - ponieważ znamy F zespolone funkci wykładnicze!!! F n n n F

Przykłady transformat Fouriera XIX F dowolne funkci okresowe nie istniee w sensie definici Można taką funkcę rozwinąć w SF, potem przeprowadzić F rozwinięcia Ciąg dystrybuci Diraca posiada następuące rozwinięcie w SF: t t Fn exp n t exp n n n wobec tego ego F est równa: F { t} n n n n

Przykłady transformat Fouriera XX Przebieg prostokątny rect t okres,wypełnienie /, amplituda A, ω =π/: Sposób I Współczynniki rozwinięcia w SF Wyznaczamy rozwinięcie w SF sygnału prostokątnego, a następnie F rozwinięcia: F n A n sin c / exp n t dt / F{ rect t} F{ n F n exp n t} A A n n n sin c n n sin c n

Przykłady transformat Fouriera XXI Przebieg prostokątny rect t okres,wypełnienie /, amplituda A, ω =π/: Sposób II okresowy sygnał prostokątny est wynikiem splotu okresowego ciągu delt Diraca o okresie i okna prostokątnego o amplitudzie A i czasie trwania rect t rect t* t rect t* t k k k rect t k F splotu funkci est iloczynem F! F{ f t* f t} F F F obu splatanych funkci znamy!!! F { t} n n F A sin c

Przykłady transformat Fouriera XXII Przebieg prostokątny rect t okres,wypełnienie /, amplituda A, ω =π/: Sposób II okresowy sygnał prostokątny est wynikiem splotu okresowego ciągu delt Diraca o okresie i okna prostokątnego o amplitudzie A i czasie trwania F { t} n n F A sin c F{ rect t} F{ t} F{ rect } [ n n ] A sin c A A n n n sin c n n sin c n

ransformaca Fouriera podsumowanie właściwości Sygnał rzeczywisty parzysty - F rzeczywista, parzysta przykład cos t, rectt Sygnał rzeczywisty nieparzysty przykład sin t, - F uroona, nieparzysta Sygnał uroony parzysty przykład cos t - F uroona, parzysta Sygnał uroony nieparzysty przykład sin t - F rzeczywista, nieparzysta

ransformata Fouriera Iloczyn funkci cosinusoidalne o pulsaci i ciągu delt Diraca o okresie =π/, >> k t t k F { t} n n F{cos t} [ ] F iloczynu funkci est splotem transformat! Należy wyznaczyć splot F funkci cosinusoidalne i F ciągu delt Diraca!!! F{cos t t} F{cos t}* F{ t}

ransformata Fouriera Iloczyn funkci cosinusoidalne o pulsaci i ciągu delt Diraca o okresie =π/, > Splot transformat funkci cosinusoidalne i ciągu delt Diraca: {cos } {[ ]}*[ F t t n] n F {cos t t} n n

F tw. o próbkowaniu I Iloczyn funkci cosinusoidalne o pulsaci i ciągu delt Diraca o okresie =π/, > ransformata iloczynu funkci cosinusoidalne i ciągu delt Diraca: F {cos t t} n n ransformata iloczynu dowolne funkci i ciągu delt Diraca: F { f t t} F * F{ t} F n n

F tw. o próbkowaniu II F { f t t} F n n Widmo sygnału spróbkowanego est okresowe z okresem równym częstotliwości pulsaci próbkowania!! Jak wynika z rysunku obok, aby kolene repliki widm nie nałożyły się na siebie, należy spełnić warunek: f >=f max ω >=ω max!!!!!! Jest to tzw. twierdzenie o próbkowaniu tw. Shannona, warunek Nyquista, które wymaga, by sygnał był próbkowany z częstotliwością/pulsacą conamnie równą podwoone wartości maksymalne częstotliwości/pulsaci widma sygnału. W praktyce warunek ten musi być spełniony z nadmiarem. Jest to twierdzenie o fundamentalnym znaczeniu dla cyfrowego przetwarzania sygnałów. Jego niespełnienie skutkue niemożnością odtworzenia sygnału ciągłego na podstawie ego próbek.

F tw. o próbkowaniu III F { f t t} F n n wierdzenie o próbkowaniu wymaga, by sygnał był próbkowany z częstotliwością/ pulsacą conamnie równą podwoone wartości maksymalne częstotliwości/ pulsaci widma sygnału. f >=f max ω >=ω max Niespełnienie tego warunku skutkue nakładaniem się widm tzw. aliasing patrz obszary w czerwonych elipsach obok i niemożnością odtworzenia sygnału czasu ciągłego na podstawie ego próbek.

Energia, moc, widmowa gęstość energii i mocy

Energia, moc, widmowa gęstość energii i mocy I Sygnały o skończonym czasie trwania i skończone energii w skończonym przedziale czasu sygnały nieokresowe, bezwzględna całkowalność, moc średnia równa zero, energia sygnału E określona est przez zależność tw. Parsevala : E = f tdt= - - F d Zastosowanie przekształcenia Fouriera Fω - widmowa gęstość energii Ω

Energia, moc, widmowa gęstość energii i mocy II Sygnały okresowe Rozwinięcie w szereg Fouriera - okres sygnału F n = / -/ ft exp -ntdt F n - widmo amplitudy F n - widmo mocy moc sygnału P tw. Parsevala energia tracona w ednostce czasu w oporności Ω związki z elektrotechniką P = / -/ f tdt Fn

Energia, moc, widmowa gęstość energii i mocy III Sygnały o nieskończonym czasie trwania i nieskończone energii w nieskończonym przedziale czasu Sygnały o nieskończonym czasie trwania np. okresowe - energia nieskończona w nieskończonym przedziale, F z definici nie istniee funkca nie est bezwzględnie całkowalna, można określić moc średnią P uśrednienie za czas obserwaci : P lim / / f t dt = lim - F d d - Φω - widmowa gęstość mocy: w praktyce - ze względu na ograniczoną długość rekordu danych = lim F = F