Kompleksianalyysi, viikko 7

Samankaltaiset tiedostot
5. Z-muunnos ja lineaariset diskreetit systeemit. z n = z

z muunnos ja sen soveltaminen LTI järjestelmien analysointiin

Diskreetin LTI-systeemin stabiilisuus

Osa IX. Z muunnos. Johdanto Diskreetit funktiot

Kompleksianalyysi, viikko 5

Kompleksianalyysi, viikko 6

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Lukujonot Z-muunnos Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt. Z-muunnos. 5. joulukuuta Z-muunnos

4. Fourier-analyysin sovelletuksia. Funktion (signaalin) f(t) näytteistäminen tapahtuu kertomalla funktio näytteenottosignaalilla

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe

Lukujonot Z-muunnos Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt. Z-muunnos. 1. joulukuuta Z-muunnos

Sisältö. 1. Kompleksiluvut 2. Funktiot 3. Differentiaalilaskentaa 4. Sarjat 5. Integrointi 6. Möbius-muunnos 7. Diskreetti systeemi

SÄÄTÖJÄRJESTELMIEN SUUNNITTELU

T SKJ - TERMEJÄ

1 Vastaa seuraaviin. b) Taajuusvasteen

Potenssisarja, suppenemissäde. Potenssisarja ja derivointi. Potenssisarja ja analyyttiset funktiot. Potenssisarja ja integrointi.

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

MATEMATIIKAN JAOS Kompleksianalyysi

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

y x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Digitaalinen Signaalinkäsittely T0125 Luento

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Numeeriset menetelmät

Y (z) = z-muunnos on lineaarinen kuten Laplace-muunnoskin

Harjoitus 1. Tehtävä 1. Malliratkaisut. f(t) = e (t α) cos(ω 0 t + β) L[f(t)] = f(t)e st dt = e st t+α cos(ω 0 t + β)dt.

KOMPLEKSIANALYYSI I KURSSI SYKSY exp z., k = 1, 2,... Eksponenttifunktion z exp(z) Laurent-sarjan avulla

järjestelmät Luento 8

Dynaamisten systeemien teoriaa. Systeemianalyysilaboratorio II

Kompleksianalyysi, viikko 4

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n

Laplace-muunnos. 8. marraskuuta Laplace-muunnoksen määritelmä, olemassaolo ja perusominaisuudet Differentiaaliyhtälöt Integraaliyhtälöt

Insinöörimatematiikka D

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

z-muunnos ja differenssiyhtälöt

6.2.3 Spektrikertymäfunktio

Kompleksiluvut signaalin taajuusjakauman arvioinnissa

Signaalit ja järjestelmät aika- ja taajuusalueissa

LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k

Laplace-muunnos: määritelmä

MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio.

Harjoitus 6: Simulink - Säätöteoria. Syksy Mat Sovelletun matematiikan tietokonetyöt 1

Säätötekniikan matematiikan verkkokurssi, Matlab tehtäviä ja vastauksia

2. Funktiot. Keijo Ruotsalainen. Mathematics Division

Funktiojonot ja funktiotermiset sarjat Funktiojono ja funktioterminen sarja Pisteittäinen ja tasainen suppeneminen

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 8: Divergenssi ja roottori. Gaussin divergenssilause.

Sarja. Lukujonosta (a k ) k N voi muodostaa sen osasummien jonon (s n ): s 1 = a 1, s 2 = a 1 + a 2, s 3 = a 1 + a 2 + a 3,...,

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

SIGNAALITEORIAN KERTAUSTA 1

Funktiot. funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina.

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

031021P Tilastomatematiikka (5 op) viikko 3

Epälineaaristen yhtälöiden ratkaisumenetelmät

Analogiatekniikka. Analogiatekniikka

Matematiikan tukikurssi, kurssikerta 5

Analyysi I (sivuaineopiskelijoille)

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit

1 Di erentiaaliyhtälöt

v AB q(t) = q(t) v AB p(t) v B V B ṗ(t) = q(t) v AB Φ(t, τ) = e A(t τ). e A = I + A + A2 2! + A3 = exp(a D (t τ)) (I + A N (t τ)), A N = =

Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16

Mellin-muunnos ja sen sovelluksia

Matematiikan tukikurssi

Dynaamisten systeemien identifiointi 1/2

Kompleksianalyysi Funktiot

6. Toisen ja korkeamman kertaluvun lineaariset

Satunnaismuuttujien muunnokset ja niiden jakaumat

Fourier-analyysi, I/19-20, Mallivastaukset, Laskuharjoitus 7

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

1 Kompleksiluvut 1. y z = (x, y) Kuva 1: Euklidinen taso R 2

Kompleksiluvut., 15. kesäkuuta /57

Positiivitermisten sarjojen suppeneminen

T Signaalinkäsittelyjärjestelmät Kevät 2005 Pakolliset ja lisäpistelaskarit

SGN Signaalinkäsittelyn perusteet Välikoe Heikki Huttunen

e ax, kun x > 0 f(x) = 0, kun x < 0, 0, kun x > 0 e ax, kun x < 0 e (a iω)x dx = a+iω = 1 a 2 +ω 2. e ax, x > 0 e ax, x < 0,

Säätötekniikan ja signaalinkäsittelyn työkurssi

Fourier-sarjat ja -muunnos

Täydellisyysaksiooman kertaus

Missä mennään. systeemi. identifiointi. mallikandidaatti. validointi. malli. (fysikaalinen) mallintaminen. mallin mallin käyttötarkoitus, reunaehdot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33

2.2.1 Ratkaiseminen arvausta sovittamalla

Matematiikan tukikurssi

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

Konvergenssilauseita

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

MS-C1420 Fourier-analyysi osa I

1. Viikko. K. Tuominen MApu II 1/17 17

MS-C1420 Fourier-analyysi osa I

Alipäästösuotimen muuntaminen muiksi perussuotimiksi

: Johdatus signaalinkäsittelyyn 1

Matematiikan tukikurssi

Osa VI. Fourier analyysi. A.Rasila, J.v.Pfaler () Mat Matematiikan peruskurssi KP3-i 12. lokakuuta / 246

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Polkuintegraali yleistyy helposti paloitain C 1 -poluille. Määritelmä Olkoot γ : [a, b] R m paloittain C 1 -polku välin [a, b] jaon

4.0.2 Kuinka hyvä ennuste on?

Matematiikan peruskurssi 2

Transkriptio:

Kompleksianalyysi, viikko 7 Jukka Kemppainen Mathematics Division

Fourier-muunnoksesta Laplace-muunnokseen Tarkastellaan seuraavassa kausaalisia signaaleja eli signaaleja x(t), joille x(t) 0 kaikilla t < 0 (ennen ajanhetkeä t = 0 signaali on nollasignaali). Korvataan Fourier-muunnoksessa iω muuttujalla s, jolloin F(x)(ω) = e iωt x(t)dt sij. = e st x(t)dt. Integraalia 0 0 e st x(t)dt merk. = L(x)(s) sanotaan signaalin x(t) Laplace-muunnokseksi, missä yleisesti sallitaan s C. Kausaaliselle signaalille siis Fourier-muunnos pisteessä f on sama kuin Laplacemuunnos pisteessä s = iω, eli F(x)(f) = L(x)(iω). 0 2 / 25

Näytteistys Digitaalisessa maailmassa meillä ei ole jatkuvia signaaleja, vaan pelkästään näytteitä niistä. Aikadiskreettejä signaaleja voidaan kuvata jonojen avulla. Otetaan kausaalisesta signaalista x(t) näytteitä tasaisin aikavälein t, jolloin jatkuvasta signaalista saadaan diskreetti jono signaalin arvoja pisteissä k t: x(t) näytteistys (x(0),x( t),x(2 t),...) = (x(k t)) k=0. Jatkossa usein oletetaan, että t = 1. Tämä ei rajoita yleistä tapausta, sillä jono (x(k t)) k=0 voidaan nimetä uudelleen asettamalla y(k) = x(k t) ja tarkastelemalla jonoa (y(k)) k=0 alkuperäisen sijaan. 3 / 25

Näytteistyksen havainnollistus Alla oleviin kuviin on piirretty kausaalinen signaali ja siitä tasaisin aikavälein otetut näytteet (mustat pisteet). Kuva 1 : Näytteistys signaalista x(t) = sint aikavälein t = π 4. Kuva 2 : Näytteistys signaalista x(t) = exp( t) yksikköaikavälein. 4 / 25

Laplace-muunnoksen diskretisointi Jos t on pieni, niin dt t ja Laplace-muunnoksen integraali on likimain summa 0 x(t)e st dt x(k t)e k ts t. k=0 Merkitään z = e s t, missä nyt z = e tre(s) ja arg(z) = tim(s), jolloin oikean puolen summa on muotoa missä y(k) = x(k t). t y(k)z k, k=0 5 / 25

Z-muunnos Nyt voidaan asettaa määritelmä Määr. 1 Jonon (x(k)) k=0 Z-muunnos on X(z) := Z(x)(z) = x(k)z k. Jos meillä on ei-kausaalinen jono (x(k)) k=, niin Z-muunnos määritellään asettamalla X(z) = x(k)z k (1) k= k=0 Tämän vuoksi Määritelmän 1 muunnosta kutsutaan myös yksipuoliseksi Z-muunnokseksi ja kaavan (1) muunnosta kaksipuoliseksi Z-muunnokseksi. 6 / 25

Z-muunnos Koska yksipuolinen Z-muunnos on yleisempi, käsitellään jatkossa ainoastaan sitä. Lisäksi Huomautus 1 Ellei toisin mainita, jatkossa käsitellään ainoastaan kausaalisia signaaleja x(t), jotka on diskretisoitu yksikköaikavälein. Tarkastelemme siis jonoja (x(n)) n=, joille x(n) = 0 kaikilla n < 0. Koska jono häviää negatiivisissa kokonaislukupisteissä, aloitetaan indeksointi nollasta ja jonoa merkitään (x(n)) n=0. Usein jätetään myös indeksointi merkitsemättä ja jonoa merkitään yksinkertaisesti x(n). Tulkinta: Z-muunnoksen voidaan siis ajatella olevan aikadiskreetin näytejonon Laplace-muunnos. 7 / 25

Esimerkkejä Z-muunnoksen laskemisessa on hyödyksi geometrisen sarjan summakaava z k = 1, z < 1. 1 z Esim. 1 k=0 Laske jonon (x(n)) n=0, missä x(n) = exp(σn) ja σ R, Z-muunnos. Millä z:n arvoilla sarja suppenee. Milloin yksikköympyrä {z C : z < 1} sisältyy suppenemisalueeseen? Esim. 2 Olkoon X(z) = 1 b z kausaalisen jonon x(n) Z-muunnos. Mikä on kyseinen jono ja millä z:n arvoilla muunnos on määritelty? 8 / 25

Z-muunnoksen ominaisuuksia Koska Z-muunnos on diskretisoitu Laplace-muunnos, on sillä samanlaisia ominaisuuksia kuin Laplace-muunnoksella. Seuraavaan taulukkoon on koottu tärkeimpiä ominaisuuksia. Jono Z-muunnos Ominaisuus αx(n) +βy(n) αx(z)+βy(z) Lineaarisuus x(n n 0 ) z n 0 X(z) Aikasiirto a n x(n) X(a 1 z) Skaalaus z-puolella nx(n) Muunnoksen derivointi x(n) X(z) Kompleksikonjugointi x(n) y(n) X(z)Y(z) Konvoluution muunnos Yllä merkinnällä x(n) y(n) tarkoitetaan diskreettiä konvoluutiota x(n) y(n) = z dx(z) dz n x(k)y(n k), n = 0,1,2,... k=0 9 / 25

Diskreetti Fourier-muunnos Rajoittamalla Z-muunnoksen argumentti z yksikköympyrälle { z = 1} saadaan argumentille eksponenttiesitys z = e iω, ω R. Tällöin Z-muunnos voidaan kirjoittaa muodossa X(ω) merk. = Z(x)(e iω ) = n= x(n)e iωn, jota sanotaan diskreetiksi Fourier-muunnokseksi. Huomaa, että kausaaliselle jonolle (x(n)) n=0 X(ω) = x(n)e iωn, n=0 joka on diskretisoitu Laplace-muunnos rajoitettuna yksikköympyrälle. 10 / 25

Diskreetti LTI-systeemi Aikadiskreettejä systeemejä voidaan kuvata mustalaatikkomallilla x(n) h(n) y(n) Systeemin heräte on jono (x(n)) n=0 ja vaste on jono (y(n)) n=0 = L((x(n)) n=0 ), missä L on systeemin toiminnan määräävä funktio. Yleensä käytetään merkintää y(n) = L(x(n)). Tärkeän erikoistapauksen muodostavat lineaariset (Linear), aikainvariantit (Time Invariant) LTI-systeemit. 11 / 25

Diskreetti kausaalinen LTI-systeemi Lineaarisuus ja aikainvarianttisuus tarkoittavat seuraavaa. Systeemi on (i) lineaarinen, jos L(αx 1 (n)+βx 2 (n)) = αl(x 1 (n))+βl(x 2 (n)); (ii) aikainvariantti, jos L(x(n n 0 )) = y(n n 0 ). Siis, jos tunnetaan yksittäisten jonojen x 1 (n) ja x 2 (n) vasteet, niin niiden lineaarikombinaation αx 1 (n)+βx 2 (n) vaste on jonojen x 1 (n) ja x 2 (n) vasteiden y 1 (n) ja y 2 (n) lineaarikombinaatio αy 1 (n)+βy 2 (n). Toisaalta, jos herätettä viivästetään n 0 aikayksikköä, niin vasteessa näkyy täsmälleen sama viive. Sanotaan, että systeemi on kausaalinen, jos ajanhetken n vaste y(n) riippuu ainoastaan herätteen x(k) arvoista ajanhetkillä k n (so ei myöhemmin tulevista arvoista). 12 / 25

Impulssivaste Mikä tekee LTI-systeemien analyysin helpoksi, on se hämmästyttävä tosiasia, että systeemin toiminnan määrää täysin aikadiskreetin yksikköimpulssin { 1, n = 0, δ(n) = 0, n 0. vaste, jota merkitään h(n) = L(δ(n)) ja sanotaan systeemin impulssivasteksi. Voidaan nimittäin osoittaa, että kausaalisen LTI-systeemin vaste määräytyy kaavalla y(n) = n h(n k)x(k), n = 0,1,2,..., (2) k=0 kaikille kausaalisille herätteille x(n). 13 / 25

Siirtofunktio Kaavan (2) mukaan vaste on impulssivasteen ja herätteen konvoluutio y(n) = h(n) x(n). Sovelluksissa tarkastellaan usein aikapuolen sijaan taajuuspuolta, eli halutaan tietää systeemin toiminta eri taajuuksilla. Ottamalla kaavassa (2) puolittain Z-muunnos, saadaan missä Y(z) = H(z)X(z), (3) H(z) = h(k)z k (4) k=0 on systeemin siirtofunktio. Siirtofunktio on siis impulssivasteen Z-muunnos. 14 / 25

Esimerkki Esim. 3 Systeemin impulssivaste on h(k) = a k, a C. Laske siirtofunktio H(z). Millä z:n arvoilla H(z) { on määritelty? Määrää askelvaste eli 0, k < 0 vaste kun heräte on x(k) = 1, k 0. 15 / 25

Siirtofunktio Systeemin toiminnan määrää siis täysin impulssivasteen ohella siirtofunktio. Koska siirtofunktio on määritelmän mukaan kompleksinen sarja, ei ole selvää onko se aina määritelty. Sarjan (4) suppenemisalue on luentoviikon 5 mukaan aina origokeskisen ympyrän ulko-osa edellyttäen, että sarja ylipäänsä suppenee. Impulssivaste ja siirtofunktio muodostavat Z-muunnosparin h(k) H(z), k = 0,1,... Laurentin kehitelmän mukaan h(k) = 1 H(z)z k 1 dz, 2πi S r missä S r sulkee sisäänsä kaikki H(z):n navat. Z-käänteismuunnos 16 / 25

Esimerkkejä Rationaalifunktion Z-käänteismuunnos on usein helpompi määrätä kompleksisen käyräintegraalin kuin osamurtohajotelman avulla. Esim. 4 Diskreetin kausaalisen LTI-systeemin siirtofunktio on H(z) = Määrää systeemin impulssivaste h(k). Esim. 5 z z 2 1 12 z 1, z > 1 3. 12 Olkoon H(z) = 2z3 3z 2 z erään kausaalisen LTI-systeemin (z 1) 2 (z 3) siirtofunktio. Määrää systeemin impulssivaste 17 / 25

BIBO-stabiilisuus Yleensä LTI-systeemeiltä edellytetään stabiilisuutta. Määritellään mitä stabiilisuudella tarkoitetaan. Määr. 2 (BIBO-stabiilisuus) Diskreetti LTI-systeemi (digitaalinen suodatin) on stabiili (BIBO stable), jos vaste (y(n)) n=0 on rajoitettu aina kun heräte (x(n)) n=0 on rajoitettu. BIBO tulee sanoista Bounded Input Bounded Output Stabiilisuus voidaan luonnehtia impulssivasteen avulla. Lause 1 Diskreetti LTI-systeemi on stabiili jos ja vain jos h(k) <. 18 / 25

Todistus jos : Olkoon (x(k)) k=0 rajoitettu, eli Vaste on ja y(n) = y(n) k eli y(n) on rajoitettu. vain jos sivuutetaan. x(k) K, k = 0,1,... h(k)x(n k), n = 0,1,2,... k=0 h(k) x(n k) K h(k) }{{} K k }{{} < <, 19 / 25

Stabiilisuus ja H(z):n navat Siirtofunktio on usein (supistetussa muodossa oleva) rationaalifunktio H(z) = A(z) B(z), missä A:lla ja B:llä ei ole yhteisiä tekijöitä. Tällöin stabiilisuus voidaan luonnehtia siirtofunktion napojen avulla. Lause 2 Olkoon kausaalisen diskreetin LTI-systeemin siirtofunktio rationaalifunktio. Tällöin systeemi on stabiili jos ja vain jos kaikki navat ovat yksikköympyrän sisällä. 20 / 25

Taajuusvastefunktio Jos yksikköympyrä sisältyy alueeseen, jossa Z-muunnos on äärellisenä olemassa, niin merkitsemällä z = e iω saadaan taajuusvastefunktio H(ω) = H(e iω ) = h(n)e iωn, n=0 joka on siis kausaalisen jonon h(n) diskreetti Fourier-muunnos. Usein taajuusvastefunktio on järkevä jakaa amplitudivasteeseen H(ω) ja vaihevasteeseen Arg(H(ω)). 21 / 25

Esimerkki Esim. 6 Tarkastellaan differenssiyhtälöä y(n) = a 1 y(n 1)+a 2 y(n 2)+x(n), missä a i R. (a) Määrää vastaavan systeemin siirtofunktio ja tutki millä ehdoilla systeemi on stabiili. (b) Määrää stabiilissa tapauksessa systeemin taajuusvastefunktio. (b) Parametrisoi siirtofunktio napojen pituuden ja vaihekulman suhteen ja tutki parametrien vaikutusta taajuusvastefunktioon. 22 / 25

Esimerkin 6 amplitudivasteita Esimerkin 6 amplitudivaste eri parametrien arvoilla, kun navalle on käytetty merkintää z 1 = re iω. Kuva 3 : Amplitudivaste, kun r = 0.8 ja ω = π 4, ω = π 2 ja ω = 3π 4. Kuva 4 : Amplitudivaste, kun ω = π 2 ja r = 0.5, r = 0.75 ja r = 0.95. 23 / 25

Lopetetaan kurssi seuraavaan Tampereen teknillisen yliopiston matematiikan emeritusprofessori Armo Pohjavirran lausahdukseen: Insinöörille matematiikka on kuin kulmakarvat. Eihän niistä mitään varsinaista hyötyä ole, mutta otapa pois, niin johan on kumman näköinen. 24 / 25

Mutta tähänpä onkin hyvä lopettaa tämä kurssi. Kiitoksia mielenkiinnosta! 25 / 25