Luento 3. Fourier-sarja

Samankaltaiset tiedostot
Luento 3. Fourier-sarja

( ) ( ) x t. 2. Esitä kuvassa annetun signaalin x(t) yhtälö aikaalueessa. Laske signaalin Fourier-muunnos ja hahmottele amplitudispektri.

Luento 4. Fourier-muunnos

( ) ( ) 2. Esitä oheisen RC-ylipäästösuotimesta, RC-alipäästösuotimesta ja erotuspiiristä koostuvan lineaarisen järjestelmän:

S Signaalit ja järjestelmät Tentti

Luento 4 Fourier muunnos

Juuri 13 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. K1. A: III, B: I, C: II ja IV.

Luento 9. Epälineaarisuus

KULMAMODULOITUJEN SIGNAALIEN SPEKTRIN LASKEMINEN

Konvoluution laskeminen vaihe vaiheelta Sivu 1/5

TKK Tietoliikennelaboratorio Seppo Saastamoinen Sivu 1/5 Konvoluution laskeminen vaihe vaiheelta

KULMAMODULOITUJEN SIGNAALIEN SPEKTRIN LASKEMINEN

Kojemeteorologia. Sami Haapanala syksy Fysiikan laitos, Ilmakehätieteiden osasto

Luento 11. Stationaariset prosessit

Silloin voidaan suoraan kirjoittaa spektrin yhtälö käyttämällä hyväksi suorakulmaisen pulssin Fouriermuunnosta sekä viiveen vaikutusta: ( ) (

Luento 2. Jaksolliset signaalit

Luento 11. Stationaariset prosessit

Luento 7. LTI-järjestelmät

LUKU 7 KOHINAN VAIKUTUS ANALOGISTEN MODULAATIOIDEN SUORITUSKYKYYN A Tietoliikennetekniikka I Osa 24 Kari Kärkkäinen Kevät 2015

SIGNAALITEORIAN KERTAUSTA 2. Tietoliikennetekniikka I A Kari Kärkkäinen Osa 3

Luento 2. S Signaalit ja järjestelmät 5 op TKK Tietoliikenne Laboratorio 1. Jean Baptiste Joseph Fourier ( )

5. Vakiokertoiminen lineaarinen normaaliryhmä

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

Tietoliikennesignaalit

Luento 11. tietoverkkotekniikan laitos

z = Amplitudi = itseisarvo ja vaihe = argumentti (arg). arg Piirretään vielä amplitudi- ja vaihespektri:

Systeemimallit: sisältö

KANTATAAJUINEN BINÄÄRINEN SIIRTOJÄRJESTELMÄ AWGN-KANAVASSA

1. Todista/Prove (b) Lause 2.4. käyttäen Lausetta 2.3./by using Theorem b 1 ; 1 b + 1 ; 1 b 1 1

Huomaa, että aika tulee ilmoittaa SI-yksikössä, eli sekunteina (1 h = 3600 s).

Kompleksilukujen alkeet

2. Suoraviivainen liike

b) Ei ole. Todistus samaan tyyliin kuin edellinen. Olkoon C > 0 ja valitaan x = 2C sekä y = 0. Tällöin pätee f(x) f(y)

Aluksi.1. Integrointia

Luento 7. Järjestelmien kokoaminen osista

4.3 Signaalin autokorrelaatio

Tasaantumisilmiöt eli transientit

Dynaaminen optimointi ja ehdollisten vaateiden menetelmä

Älä tee mitään merkintöjä kaavakokoelmaan!

Diskreetillä puolella impulssi oli yksinkertainen lukujono:

W dt dt t J.

Puolijohdekomponenttien perusteet A Ratkaisut 2, Kevät 2017

LUKU 6 KOHINAN VAIKUTUS ANALOGISTEN MODULAATIOIDEN SUORITUSKYKYYN

Luento 9. Epälineaarisuus

Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat

Harjoitus Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia:

2. Systeemi- ja signaalimallit

KOHINA KULMAMODULAATIOISSA

ẍ(t) q(t)x(t) = f(t) 0 1 z(t) +.

9. Epäoleelliset integraalit; integraalin derivointi parametrin suhteen. (x + y)e x y dxdy. e (ax+by)2 da. xy 2 r 4 da; r = x 2 + y 2. b) A.

a) Ortogonaalinen, koska kantafunktioiden energia 1

DEE Lineaariset järjestelmät Harjoitus 4, ratkaisuehdotukset

KYNNYSILMIÖ JA SILTÄ VÄLTTYMINEN KYNNYKSEN SIIRTOA (LAAJENNUSTA) HYVÄKSI KÄYTTÄEN

ELEC-A7200 Signaalit ja järjestelmät 5 op

Digitaalinen signaalinkäsittely Signaalit, jonot

l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja

ELEC C4140 Kenttäteoria (syksy 2015)

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

S Ä H K Ö - J A T I E T O T E K N I I K A N O S A S T O

l 1 2l + 1, c) 100 l=0

Signaalit aika- ja taajuustasossa

Kompleksianalyysi, viikko 6

6.2.3 Spektrikertymäfunktio

3 SIGNAALIN SUODATUS 3.1 SYSTEEMIN VASTE AIKATASOSSA

x v1 y v2, missä x ja y ovat kokonaislukuja.

LUKU 7. Perusmuodot Ensimmäinen perusmuoto. Funktiot E, F ja G ovat tilkun ϕ ensimmäisen perusmuodon kertoimet ja neliömuoto

joka on separoituva yhtälö, jolla ei ole reaalisia triviaaliratkaisuja. Ratkaistaan: z z(x) dx =

Aineaaltodynamiikka. Aikariippuva Schrödingerin yhtälö. Stationääriset tilat. Ei-stationääriset tilat

VÄRÄHTELYMEKANIIKKA SESSIO 18: Yhden vapausasteen pakkovärähtely, transienttikuormituksia

763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 2017

Mallivastaukset KA5-kurssin laskareihin, kevät 2009

T Signaalinkäsittelyjärjestelmät Kevät 2004

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,

Luento 8. Suodattimien käyttötarkoitus

S Elektroniset mittaukset ja elektroniikan häiriökysymykset 2 ov. Kurssin aihealue

Osittaisdifferentiaaliyhtälöt

= vakio = λ. V (x) V (0) = V (l) = 0.

Kotitehtävät 1-6: Vastauksia

X(t) = X 0 + tx 1 + t 2 X 2 + t 3 X ,

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

5 YHDEN VAPAUSASTEEN YLEINEN PAKOTETTU LIIKE

f x dx y dy t dt f x y t dx dy dt O , (4b) . (4c) f f x = ja x (4d)

YKSISIVUKAISTAMODULAATIO (SSB)

3. Teoriaharjoitukset

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

(x) (tasaisesti suppeneva sarja)

3 Derivoituvan funktion ominaisuuksia

Rahoitusriskit ja johdannaiset Matti Estola. luento 13 Black-Scholes malli optioiden hinnoille

8 USEAN VAPAUSASTEEN SYSTEEMIN VAIMENEMATON PAKKOVÄRÄHTELY

Kompleksianalyysi, viikko 4

Ratkaise tehtävä 1 ilman teknisiä apuvälineitä! 1. a) Yhdistä oikea funktio oikeaan kuvaajaan. (2p)

Systeemimallit: sisältö

Sovellettu todennäköisyyslaskenta B

T Signaalinkäsittelyjärjestelmät Kevät 2005

BINÄÄRINEN SYNKRONINEN TIEDONSIIRTO KAISTARAJOITTAMATTOMILLA MIELIVALTAISILLA PULSSIMUODOILLA SOVITETTU SUODATIN JA SEN SUORITUSKYKY AWGN-KANAVASSA

Lineaaristen järjestelmien teoriaa II

u = 2 u (9.1) x + 2 u

ELEC C4140 Kenttäteoria (syksy 2016)

Tietoa sähkökentästä tarvitaan useissa fysikaalisissa tilanteissa, esimerkiksi jos halutaan

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

Transkriptio:

Fourier muuos Rayleigh eoreema Spekriiheys Lueo 3 4..6 Fourier-sarja Fourier-sarja avulla pysyii esiämää jaksollie sigaali, joka jaksoaika o. Fourier-sarja Fourier-kompoei Eäpä aperiodise sigaali, joilla jaksoaika? 4..6

Fourier-muuos Esieää sigaali Fourier-sarjaa: Raja-arvo k, d, i k = i V() Euler iegral 4..6 3 Fourier-muuos Fourier-muuos Kääeismuuos Dirichle ehdo Fourier muuuvalle eergiasigaalille I: Sigaali o iseisesi iegroiuva v () d< II: Sigaali maksimi- ja miimiarvo ova äärellisiä jokaisella äärellisellä aikavälillä ( a, b) sup {(, )} s( ) ( ), i i i s i a i i b + + < < + i III: Sigaali epäjakuvuuskohia o rajallie määrä lim äärellisessä määrässä ε s ( + ε) v ( ε) piseiä välillä (-,) 4..6 4

Symmeria omiaisuude Jos v (), V() o hermiiie: oisi saoe Parillie Asia o helppo odeaa: iπ ( ) iπ ( ) = ( ) = ( ) * * iπ iπ V v e d v e d V ( ) = v ( ) e d = v( ) e d = V( ) v v v * () () = () Vasaavasi, jos v() o imagiäärie, V() o aihermiiie: V V * ( ) = ( ) Pario 4..6 5 Symmeria omiaisuude arkasellaa apausa, jossa v () Jos v() o parillie v(-)=v() o reaalie. ällöi * V( ) = V ( ) = V( ) eli V() o reaalie ja parillie Jos v() o pario v(-)=-v() o imagiäärie. ällöi * V( ) = V ( ) = V( ) eli V() o imagiäärie ja pario 4..6 6 3

Symmeria omiaisuude arkasellaa apausa v () = ivq(), Im v () = vq() Jos v Q () o parillie v Q (-)=v Q () ( π ) V( ) = i vq ( )cos d o imagiäärie. ällöi V( ) = V( ) eli V() o reaalie ja pario Jos v Q () o pario v Q (-)=-v Q () ( π ) V( ) = vq ( )si d o reaalie. ällöi V( ) = V( ) eli V() o reaalie ja pario { } ( x) cos = cos( x) ( x) si = si( x) 4..6 7 Symmeria omiaisuude arkasellaa y apausa yleisä apausa v () Fourier-muuos o lieaarie operaaio, joe Re{v()} Parillie Pario Reaalie Parillie Parillie Pario { ()} = { Re { ()}} + { Im { ()}} F v F v i F v Im{v()} Parillie Pario Imagiaarie Parillie Pario Parillie Re{V()} Parillie Hermiiie Pario Ai-hermiiie Parillie Reaalie Im{V()} Pario Parillie Parillie Imagiaarie Pario Pario Pario Pario 4..6 8 4

Kausaalise sigaali Sigaali o kausaalie, jos v()=, <. Kausaalise sigaali Fourier-muuos Verraaa yksipuolisee Laplace-muuoksee Jos σ= ja ω=π, Laplace-muuoksesa ulee Fourier-muuos Laplace-muuos o olemassa laajemmalle joukolle sigaaleia kui Fourier muuos. 4..6 9 Esimerkki arkasellaa expoeiaalisa sigaalia v () = e a, Fourier muuos: Dirichle eho I: a a, a v () d= e d= e a =, a < eli Fourier-muuos o olemassa ku a< (myöhemmi osoiauuu, eä myös apaus a= o muueavissa) a iπ F{ v() } = e e d =, a< a+ iπ Laplace muuos: a s a e e d = e d =, Re{} s < a a+ s Laplace muuos löyyy myös apaukselle a> 4..6 5

Ampliudi spekriiheys Bode diagrammi Vaihespekriiheys Bode diagrammi: Ampliudi (db) ja vaihe aajuude ukioa l 4..6 Esimerkki: Bode diagrammi Fourier-muuos Ampliudi ja vaihe: V( ) = V( ) e V( ) = iarg { V( )} ( π ) + π arg ( ) arca arca { V } = = ( π ) Im V( ) e { V )} i ( arg Re 4..6 6

Bode diagram Bode Diagram Magiude (db) - - -3-4 Phase (deg) -45-9 - - 4..6 Frequecy (rad/sec) 3 Rayleigh Eergia eoreema * * Ev = v() v () d = V( ) V ( ) d Spekriiheys * * Ev = v() v () d = v() V ( )exp( iπ ) d d = ( π ) = ( π ) * * v() V ( )exp i d d v()exp i dv ( ) d V( ) * ulkia: V( ) = V( ) V ( ) keroo mie sigaali eergia o jakauuu eri aajuuksille (J/Hz) 4..6 4 7

Pulssi spekriiheys Pulssi s () = Π Fourier muuos S( ) = g( )exp( iπ ) d = exp( iπ ) d. Π () = > = exp iπ exp iπ iπ = π ( exp( iπ ) exp( iπ ) ) ( π ) i si = = sic π ( ) 4..6 5 S( ) = sic ( ) sic ( x) = si ( π x) π x Power Specrum o a Pulse log S( ) 5 Pulse = = =3 Specral desiy (db/hz) -5 - -5 - -3 - - 3 Frequecy (Hz) 4..6 6 8

Fourier muuokse omiaisuuksia Lieaarisuus (superposiio) { } F av () + a v () = av ( ) + av ( ) Aikasiiro i { ( τ )} = V( ) e F v Aikaskaalaus F{ v( α) } = V α α Kojugaai { } * * F v = V () ( ) Duaalisuus F V () = v( ) { } π τ Derivaaa d F v() ( ) ( ) = i π V d Iegraali τ τ F... v( τ) dτ... dτ = V( ) ( iπ ) Kovoluuio F h( τ) v( τ) dτ = H( ) V( ) Kerolasku { () ()} = ( ) ( ) F hv Hφ V φ dφ 4..6 7 Superposiio Fourier muuos o lieaarie operaaori, joe osisa koosuva sigaali voidaa Fourier muuaa osissa { () + ()} = { ()} + { ()} F v u F v F u Esimerkki s() + τ = + τ s () = Π + τ Π τ F Π = sic( ) S( ) = sic( ) + τ sic( τ ) 4..6 8 9

Aikasiiro arkasellaa sigaalia s(), joka Fourier muuos o S() Sigaalia viiväseää τ: verra. s() s(-τ) τ Rakaisaa viiväsey sigaali Fourier-muuos iπ ehdää muuuja vaihdos F{ s( τ) } = s( τ) e d ' = τ = ' + τ, d ' = d i π ( ' + τ) iπ τ i π ' = s(') e d' = e s(') e d' S( ) Aikasiirrey sigaali Fourier-muuos: i { τ } = π τ F s( ) e S( ) 4..6 9 aajuussiro arkasellaa sigaalia s(), joka Fourier muuos o S() aajuussiiro S(- ) S() S(- ) Kääeismuuos iπ { ( ) } = ( ) F S S e d = iπ i π ' e S e d ( ') ' aajuussiirrey sigaali muuospari: iπ iπ { ( )} = { ( )} = ( ) F S F S e s e { } F s() e = S( ) ehdää muuuja vaihdos ' = = ' +, d ' = d iπ 4..6

Lieaarie modulaaio Moduloiu sigaali x() = s()cos ( π c) Voidaa kirjoiaa muooo x () = s () ( e + e ) = se () + se () iπ c iπ c iπ c iπ c Fourier muuos X( ) S( c) S( c) F s() e = S( ) iπ = + + { } Modulaaio siirää sigaali aajuuskaisa c ympärisöö: S() X() - c c 4..6 Kaisaleveys Kaisaleveys B määriää millä aajuusalueella merkiävä osa (esim. 95%) sigaali ehosa/eergiasa o. Kaisaleveyde määriämisessä huomioidaa vai posiiivise aajuude. S() X() 95% B s 95% B x Moduloidu sigaali kaisaleveys o kaksikeraie kaaaajuisee sigaalii ähde: B x =B s 4..6

Kaisaleveys Yksikeraie määrielmä o puoleeho (eergia) kaisaleveys. S() max S( ) max S ( b ) b -3 db B s S( b) = b > max S( ) B B s x = b = b b Kaaaajuie sigaali Moduloiu sigaali 4..6 3 Kaisaleveys Pulssi puole-eho kaisaleveys S( b) = sic ( b ) =.9 max S( b).8.7.443.6 sic( b ) = b.5.4.3 Bs = b.. Moduloidu pulssi Bx = b aajuuskaisa o käääe verraollie pulssi piuuee sic()..4.6.8..4.6.8 4..6 4

Kaisaleveys Pulse - -4-3 db -6 S() /max( S() ) -8 - - -4-6 = -8 = =3 - -3 - - 3 Frequecy (Hz) 4..6 5 Aika- ja aajuusskaalaus Aikaskaalaus aajuusskaalaus a F{ s( a) } = S F { S( a) } = s a a a a a odisus { } iπ F s( a) = s( a) e d ' d ' = a =, d = a a sg( a) i π ' F{ s( a) } = s( ') e d a sg( a) { ( )} F s a = S a a Muuuja vaiho Jos sg(a)=- iegroii raja vaihuva, ällöi arviaa kaavaa b a ( xdx ) = ( xdx ) a b 4..6 6 3

Duaalisuus Jos muuospari Fs (()) = S( ) ueaa, päee sigaalille y = S() F S() = s( ) { } odisus ( ) ( ( )) ( ) i π ( ) i π = = FS Se d Se d = S e d = s = s i π' ( ') ' ( ') ( ) S(): kääeismuuokse määrielmä = =- 4..6 7 Ideaalie alipääsösuodai Ideaalie kaisapääsösuodai joka aajuuskaisa o B S() S( ) =Π B B Π () = > Vasaava aikaaso sigaali Fourier-muuos o F Π = sic ( ) Duaalisuudesa seuraa, eä F { S( ) } = F B Π = Bsic( B ) B B ja koska sic o parillie saadaa s() = Bsic( B) 4..6 8 4

Derivoimiskeio Lausuaa sigaali kääeismuuokse avulla s() = F { s() } = S( ) e i π d Sigaali aikaderivaaa d d = d iπ s() = S( ) e d d d iπ S( ) e d d iπ ( π ) = S( ) i e d d F s() d Muuoskaavaksi saadaa Koska iegraali ei ole muuuja suhee, voidaa derivaaa operaaori viedä iegraali sisälle Derivoidu sigaali Fourier-muuos d F s() = ( i π ) S( ) d 4..6 9 arkasellaa sigaalia τ y ( )... s( τ) dτ... dτ = kpl Iegroimiskeio ällöi d s() = y() d Derivoimiskeiosa seuraa d S( ) = F s( ) = i π Y( ) = ( π ) { } ( ) Joe Y( ) = S( ) iπ ( ) Muuoskaavaksi saadaa: F s() i S( ) d τ F... s( τ) dτ... dτ = S( ) ( iπ ) kpl 4..6 3 5

Kolmiopulssi Kolmiopulssi A - ( ) A s () = > Kolmiopulssi aikaderivaaa A d + s () A A = Π Π d - -A Π () = > 4..6 3 Kolmiopulssi Fourier muueaa aikaderivaaa d + s () A A = Π Π d F AΠ = Asic( ) i { τ } = π τ F s ( ) e S( ) d F s( ) = Asic( ) e Asic( ) e d = iasic si ( ) ( ) i i s(): Fourier-muuos saadaa y iegroimiskeio avulla τ τ τ τ = kpl d iasic( ) si( ) S( ) = F s( ) = = Asic ( ) π π i d i F... s( ) d... d S( ) ( iπ ) 4..6 3 6

Gaussi pulssi Gaussi pulssi s () = Aexp π.9.8.7.6.5.4.3.. Rakaisaa derivaaa - -.5 - -.5.5.5 s() d π s() = Aπ exp π = s() d (*) 4..6 33 Gaussi pulssi Derivaaa Fourier-muuos d F s () = ( i π ) S( ) d Fourier-muuokse derivaaa saadaa laskeua käyämällä hyväksi duaalisuua F { S ()} = s( ) d F s() = i π S( ) d d F s( ) = i πs( ) d d ( ) F S( ) = i πs( ) = i πs( ) = iπ Aexp π d (**) s() o parillie 4..6 34 7

Gaussi pulssi arkasellaa lausekkeia d π s() = s() (*) d d F S( ) = ( i π) s( ) (**) d Havaiaa, eä d π d F s () = F s () F = {( i π) s ()} = S( ) d i i d oisaala d F s () = i π S( ) d Joe d S ( ) = ( i π ) S ( ) i d (***) 4..6 35 Gaussi pulssi Saaii diereiaali yhälö S(): suhee i d S ( ) = ( i π ) S ( ) d (***) d S = π S d ( ) ( ) ds( ) = π S( ) d l ( ) = π + S C S = π + C = k π ( ) exp( ) exp( ) Iegroidaa molemma puole C=l(k) vakio 4..6 36 8

Gaussi pulssi Vakio k määräyyy Rayleigh eergia ereemasa S( ) d = s( ) d k exp( ) d A exp d ' π = π = ' =, d = d' Muuuja vaiho ' ' exp d k π A exp π = d k = A 4..6 37 Gaussi pulssi Gaussi pulssi Fourier-muuos s () = Aexp π S( ) = Aexp( π ( ) ) =. Pulssi muoo säilyy Fourier-muuoksessa..9.9.8.8.7.7.6.6 s().5 S().5.4.4.3.3.... -. -.5 -. -.5.5..5. - -5 - -5 5 5 4..6 38 9

Yksikköpulssi vs Gaussi pulssi.9.9.8.8.7.7.6.6 s().5 S().5.4.4.3.3.... - -.5 - -.5.5.5 - -.5 - -.5.5.5 4..6 39 Kovoluuio iegraali Kovoluuio y () x () = y( τ ) x ( τ) dτ ulkia x() y () x() peilaaa y-akseli suhee ja liueaa y(): yli 4..6 4 τ

hp://www.jhu.edu/%7esigals/covolve/idex.hml 4..6 4 Kovoluuio iegraali Esimerkki: x() y () x () = muuoi e y () = < 4..6 4

Kovoluuio iegraali y () = - < > - - 4..6 43 τ τ τ τ τ y() = e d τ = ( + e ) y() e d τ τ = τ ( ) ( e ) e = + y () x () = y( τ ) x ( τ) dτ.4 Kovoluuio iegraali.35.3.5 y()..5..5..4.6.8..4.6.8 4..6 44

Kovoluuio iegraali arkasellaa kaha eergia sigaalia u() ja h(), joide Fourier-muuokse ova U() ja H(). Sigaalie välie kovoluuio o y(): Sigaali y() Fourier muuos 4..6 45 Kerolasku arkasellaa kaha eergia sigaalia u() ja h(), joide Fourier-muuokse ova U() ja H(). Sigaalie ulo y () = uh () () Sigaalie ulo Fourier-muuos: iπ iπφ iπ F { uh () ()} = uhe () () d= U( φ) e dφ he () d H( φ ) Muuos o kovoluuio iegraali 4..6 46 u () iπ( φ) = U( φ) h( ) e d dφ = U( φ) H( φ) dφ { } F u() h() = U( φ) H( φ) dφ 3

Kakaisu sigaali arkasellaa sigaalia s(), joka Fourier-muuos o S(). Kakaisaa sigaalisa jakso (-/,/). Kakaisu sigaali y () =Π s () Kakaisu sigaali Fourier-muuos ( ) Y( ) = S( φ) sic ( φ) dφ o sigaali Fourier-muuokse ja sic-ukio kovoluuio. 4..6 47 Kakaisu siisigaali Siimuooie sigaali s () = cos π [, ] ( ) c S( ) Kakaisu sigaali cos( π c ) y () = > Y( ) 4..6 48 4