Luento 2. Jaksolliset signaalit

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

Luento 4 Jaksollisten signaalien Fourier-sarjaesitys 4.1 Fourier-sarja 4.2 Viivaspektri, tehospektri

2. Fourier-sarjoista. Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu

SIGNAALITEORIAN KERTAUSTA 1

Jaksollisen signaalin spektri

SIGNAALITEORIAN KERTAUSTA OSA 1

Tietoliikennesignaalit & spektri

Mat / Mat Matematiikan peruskurssi C3-I / KP3-I Harjoitus 5 / vko 42, loppuviikko, syksy 2008

Signaalit ja järjestelmät aika- ja taajuusalueissa

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

Fourier-sarjat ja -muunnos

TRIGONOMETRISTEN FUNKTIOIDEN KUVAAJAT

Kompleksianalyysi, viikko 6

Numeeriset menetelmät

Luento 4. Fourier-muunnos

Luento 4 Fourier muunnos

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

u(0, t) = 0 kaikille t > 0: lämpötila pidetään vakiona pisteessä x = 0;

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

Diskreetti Fourier-muunnos ja sen hyödyntäminen signaalien spektrien muodostamisessa. Pentti Romppainen

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)

6.2.3 Spektrikertymäfunktio

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot

Kompleksiluvut., 15. kesäkuuta /57

1 Vastaa seuraaviin. b) Taajuusvasteen

u = 2 u (9.1) x + 2 u

Yhteenveto Fourier-numeriikan luennoista

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

Kvanttifysiikan perusteet, harjoitus 5

F {f(t)} ˆf(ω) = 1. F { f (n)} = (iω) n F {f}. (11) BM20A INTEGRAALIMUUNNOKSET Harjoitus 10, viikko 46/2015. Fourier-integraali:

A B = 100, A = B = 0. D = 1.2. Ce (1.2 D. C (t D) 0, t < 0. t D. )} = Ae πjf D F{Π( t D )} = ADe πjf D sinc(df)

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

3.3 Funktion raja-arvo

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

= 2 L L. f (x)dx. coshx dx = 1 L. sinhx nπ. sin. sin L + 2 L. a n. L 2 + n 2 cos. tehdään approksimoinnissa virhe, jota voidaan arvioida integraalin

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

Kompleksianalyysi, viikko 4

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

MS-C1420 Fourier-analyysi osa I

SIGNAALITEORIAN KERTAUSTA OSA 2

Integroimistekniikkaa Integraalifunktio

13. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: = 1 + y x + ( y ) 2 (y )

1 Sisätulo- ja normiavaruudet

5 Funktion jatkuvuus ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT Määritelmä ja perustuloksia

Johdatus reaalifunktioihin P, 5op

Derivaatan sovellukset (ääriarvotehtävät ym.)

802320A LINEAARIALGEBRA OSA II

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

Sinin muotoinen signaali

(a) avoin, yhtenäinen, rajoitettu, alue.

b) Määritä/Laske (ei tarvitse tehdä määritelmän kautta). (2p)

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

MATP153 Approbatur 1B Ohjaus 2 Keskiviikko torstai

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

Viikon aiheet. Funktion lineaarinen approksimointi

Luento 7. LTI-järjestelmät

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

= vakio = λ. V (x) V (0) = V (l) = 0.

Sarjoja ja analyyttisiä funktioita

a(t) = v (t) = 3 2 t a(t) = 3 2 t < t 1 2 < 69 t 1 2 < 46 t < 46 2 = 2116 a(t) = v (t) = 50

MS-C1420 Fourier-analyysi osa I

MS-C1420 Fourier-analyysi osa I

Osa IX. Z muunnos. Johdanto Diskreetit funktiot

Pienimmän neliösumman menetelmä

2. kl:n DY:t. Lause. Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2.

saadaan kvanttorien järjestystä vaihtamalla ehto Tarkoittaako tämä ehto mitään järkevää ja jos, niin mitä?

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n.

Analyysi III. Jari Taskinen. 28. syyskuuta Luku 1

Scanned by CamScanner

spektri taajuus f c f c W f c f c + W

Signaaliavaruuden kantoja äärellisessä ajassa a

1 Analyyttiset funktiot

Pakotettu vaimennettu harmoninen värähtelijä Resonanssi

4. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä

Luento 9. Epälineaarisuus

10. Toisen kertaluvun lineaariset differentiaaliyhtälöt

1. Normi ja sisätulo

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

Kaikkia alla olevia kohtia ei käsitellä luennoilla kokonaan, koska osa on ennestään lukiosta tuttua.

Luento 14: Periodinen liike, osa 2. Vaimennettu värähtely Pakkovärähtely Resonanssi F t F r

Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot! Laskin (yo-kirjoituksissa hyväksytty) on sallittu apuväline tässä kokeessa!

y = 3x2 y 2 + sin(2x). x = ex y + e y2 y = ex y + 2xye y2

e int) dt = 1 ( 2π 1 ) (0 ein0 ein2π

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

x n e x dx = n( e x ) nx n 1 ( e x ) = x n e x + ni n 1 x 4 e x dx = x 4 e x +4( x 3 e x +3( x 2 e x +2( xe x e x ))) = e x

f (28) L(28) = f (27) + f (27)(28 27) = = (28 27) 2 = 1 2 f (x) = x 2

Fysiikan matematiikka P

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,

MS-C1420 Fourier-analyysi osa II

4.0.2 Kuinka hyvä ennuste on?

Valintakoe

6.8 Erityisfunktioiden sovelluksia

Harjoitus 1, tehtävä 1

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

LASKIN ON SALLITTU ELLEI TOISIN MAINITTU! TARKISTA TEHTÄVÄT KOKEEN JÄLKEEN JA ANNA PISTEESI RUUTUUN!

Matemaattisen analyysin tukikurssi

Numeeriset menetelmät TIEA381. Luento 13. Kirsi Valjus. Jyväskylän yliopisto. Luento 13 () Numeeriset menetelmät / 42

Oletetaan sitten, että γ(i) = η(j). Koska γ ja η ovat Jordan-polku, ne ovat jatkuvia injektiivisiä kuvauksia kompaktilta joukolta, ja määrittävät

Transkriptio:

Luento Jaksollisten signaalien Fourier-sarjat Viivaspektri S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio Jaksollinen (periodinen) Jaksolliset signaalit Jaksonaika - / / Perusjakso Amplitudi t Ominaistaajuus f =/ Signaalin ominaisuuksien tarkastelemiseksi riittää kun keskitytään yhden jakson pituiseen aikaväliin. Valitaan yksinkertaisuuden vuoksi tarkasteluväliksi / t / S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio

Jaksolliset signaalit Kahden jaksollisen signaalin sisätulo, kun molempien signaalien jaksonaika on tai on niiden monikerta Keskimääräinen teho (indusoitu normi) S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 3 Ortonormaali kanta arkastellaan osoitinsignaaleja iπ k φk () t = exp t k =...,,,,,,... Osoittimen φ k (t) pyörimistaajuus k=: Hz asavirtakomponentti (DC) k=: / Perustaajuus (. harmoninen taajuus) k>: k/ k. Harmoninen taajuus Osoittimet muodostavat ortonormaalin kannan ( φk() t φl() t ) = k = l k l Im φ k () t Re S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 4

Ortonormaali kanta Osoitetaan, että k = l ( φk() t φl() t ) = k l arkastellaan ensin tapausta k = l ( φk φl ) iπk iπl () t () t = exp t exp t dt, k l iπ ( k l) i π = exp t dt = exp t dt = dt = S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 5 Ortonormaali kanta arkastellaan nyt tapausta k l ( φk φl ) iπk iπl () t () t = exp t exp t dt, k l ( ) ( exp( iπ ( k l) ) exp( iπ ( k l) )) ( ) ( π ( k l) ) sinc( k l) π ( k l) ( ) iπ k l iπ k l = exp t dt exp t = iπ ( k l) = iπ k l sin = = = S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 6 sin i ix ix ( x) = ( e e ) sinc ( x) = sin ( π x) π x 3

sinc( x) = sin ( π x) π x Nollakohdat Raja-arvo sin ( π x) sinc( x) = = π x x =±, ±, ±, 3, SINC-funktio.8.6.4. -. -.4 - -8-6 -4-4 6 8 sin ( πx sin ) ( π x) cos( ) limx lim x π πx π = x = lim x = = πx π x π π x Hôpital s rule S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 7 i) ii) Ortonormaali kanta arkastellaan jaksollista funktiota v(t) = v(t+m ), m =,-,,, joka täyttää ehdot P= v() t dt < ε vt ε vt ε lim ( + ) ( ) (Neliöintegroituva/ehosignaali) äärellisessä määrässä pisteitä välillä / t / Jälkimmäinen ehto rajoittaa signaalin epäjatkuvuuskohtien määrän. t S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 8 4

Ortonormaali kanta Signaali, joka täyttää ehdot i) ja ii) voidaan esittää ortogonaalisen kannan avulla Exponentiaalinen Fourier-sarja π k vt () = vkφk() t = vk exp i t k= k= Fourier-kertoimet * k = ( () φk() ) = () k () ()exp φ = π k v v t t v t t dt v t t dt S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 9 Eksponentiaalinen Fourier-sarja On periodinen π k vt () = vk exp i t = vt ( + m ), m k = ästä seuraa se, että jaksollisen signaalin perusjaksolle laskettu Fourier-sarja on voimassa kaikilla t:n arvoilla. πk πk πk vt ( + m) = vk exp i ( t+ m) = vk exp i t exp i m k= k= π k = vk exp i t = v( t) k = Im π k exp i m = exp( iπ km) = π Re S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 5

Exponentiaalinen Fourier-sarja Fourier-kertoimet ovat kompleksisia suureita: vastaavat perustaajuuden f = / harmonisia taajuuksia asavirtakomponentti k = vastaa signaalin keskimääräistä amplitudia S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio rigonometrinen Fourier-sarja Reaaliselle signaalille Hermiittinen symmetria Käytetään tätä ominaisuutta hyväksi: {v k } {v k } (k>) (k<) rigonometrinen Fourier-sarja S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 6

Fourier kosini- ja sinisarja Fourier-kertoimet π k vk = v()exp t t dt πk πk = vt () cos t isin t αk iβk = π k αk = vt () cos t dt π k βk = vt () sin t dt ( ) sin ( ) ix e = cos x i x S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 3 Fourier kosini- ja sinisarja Fourier sini- ja kosinisarja v(t) on reaalinen: v = α * v = v = ( α + iβ ) k k k k Nyt voidaan kirjoittaa v,v, π k vt () = vk exp i t = k = πk πk = α + ( αk iβk) exp i t + ( αk + iβk) exp i t k = πk πk = α + αk cos t + βk sin t k = v -,v -, ( ) iexp ix + iexp( ix) = exp i exp( ) = sin( x) ( ( ix) ix ) S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 4 7

Fourier kosini- ja sinisarja arkastellaan reaalista signaalia v(t) Jos pinta-ala signaalin yli on nolla, α = (β = reaaliselle signaalille) Parillinen signaali v(-t) = v(t) => β k = sini-sarja häviää - - + ++ + - - Pariton signaali v(-t) = -v(t) => α k = kosini-sarja häviää Puoliaaltosymmetrinen: v(-t) = -v( /-t) Parilliset harmoniset häviävät α n =, β n =, n =,,, S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 5 Olkoon Esimerkki Fourier-sarjan kertoimet Huomataan, että v(t) Joten kertoimet voidaan kirjoittaa muotoon S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 6 8

Ratkaistaan integraali Esimerkki Joten sin(π l) A exp( iφ ) k = A = exp( iφ ) k = otherwise Amplitudispektri: v k Vaihespektri: arg{v k } S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 7 Viivaspektri Reaalinen jaksollinen signaali voidaan esittää summana kosinisignaaleja Viivaspektri Amplitudispektri: v k Vaihespektri: arg{v k } v v v v v arg{ v } arg{ v } f f f f arg{ v } f f f f arg{ v } S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 8 9

Parsevalin teoreema Signaalin keskimääräinen teho / P= v() t dt = v / k k = - - S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 9 Viivaspektri ehospektri v v v ehospektrin kertoimet määrittävät miten signaalin teho on jakautunut eri taajuuksille. S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio

Esimerkki Signaali, jossa on DC-komponentti Keksimääräinen teho Huomaa, että Joten tehon lauseke voidaan viedä muotoon Osoittautuu, että S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio Vakion viivaspektri Esimerkki Huomaa, että k =±, ±, ±,3, sinc( k) = k = S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio

Sinisignaalin viivaspektri Esimerkki johdettiin aiemmin Signaalin v(t) viivaspektri saadaan summana Amplitudispektri: v k Vaihespektri: arg{v k } V exp( iφ ) k = V exp( iφ ) k muutoin = = S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 3 Esimerkki Ratkaistaan signaalin teho Parsevalin teoreeman mukaan / P= v() t dt vk = / k = joten, nyt P= vk = v, + v, + v, = V + V + V = V + V k = 4 4 ulos on sama kuin suoraan tehon määritelmästä johdettu. S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 4

Esimerkki 3 Kellosignaali + - Signaalin DC-komponentti on (α = ) Signaali on pariton, joten kosinisarja häviää (α k = k =,,3 ) vk =iβk Signaali on myös puoliaaltosymmetrinen, joten parilliset harmoniset katoavat β n =, n =,,,3,... S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 5 Esimerkki 3 Lasketaan sinisarjan kertoimet π k βk = vt ()sin t dt πk πk = sin tdt sin tdt + π k πk πk = cos cos πk + πk sin( ax) dx = cos( ax) a k parillinen cos( π k ) = ( + cos( π k )) = = πk πk k pariton π k Eksponentti Fourier-sarjan kertoimiksi tulee tällöin vk+ = iβk+ = i, vk = π k S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 6 3

Esimerkki 3 ehospektri 4/π v v3 v5 k Vaihespektri π/ -π/ k S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 7 Esimerkki 4 Pulssijono Α τ τ< Signaalilla on DC-komponentti (pulssin pinta-ala on Aτ) Signaali on parillinen (sinisarja häviää) v k =α k τ πk πk vk = v()exp t t dt Acos t dt = τ S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 8 4

Esimerkki 4 Integroimalla saadaan τ πk πk vk = v()exp t t dt Acos t dt = τ A πk τ πk τ = sin sin π k πτ k πτ k sin sin τ τ τ = A = A = A sinc k k τ π π k cos( ax) dx = sin( ax) a ( x) sin =sin( x) S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 9 Esimerkki 4 Amplitudispektri. τ/=. k=-:; x=.; %x=au/ < A=;.5. for n=:length(k) v(n)=a*x*sinc(k(n)*x); end; v k.5 bar(k,v,.) xlabel('k') ylabel('v_k') title(['\tau/=' numstr(x)]) hold on t=-:.:; plot(t,a*x*sinc(x*t)) axis([ - -x/4 x]) hold off v k -.5 - -8-6 -4-4 6 8 k τ/=.9.8.7.6.5.4.3.. -. -. - -8-6 -4-4 6 8 k S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 3 5

Katkaistu Fourier-sarja arkastellaan approksimaatiota Jos v(t) täyttää ehdot i) ja ii) i) P= v() t dt < äärellisessä määrässä pisteitä t välillä / t / ii) lim ε vt ( + ε) vt ( ε) niin erosignaalin keskimääräinen teho menee nollaan S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 3 Gibbsin ilmiö Jos signaali on epäjatkuva-amplitudinen, niin askelmaisessa muutoskohdassa on noin 9 % ylitys riippumatta N:n suuruudesta..5.5 N= -.5 N= - -.5 - -.8 -.6 -.4 -...4.6.8 ime S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 3 6

Esimerkki 5 Pulssijono Α τ τ< πk τ τ vk = v()exp t t dt A sinc k = vt () = vt ˆ( ) = k iπ t ve k k= K k iπ t ve k K k = S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 33 Esimerkki 5 Approksimaatio. τ/=. K= K=; k=-k/:k/; =; x=.; %x=au/ < A=; v(t).8.6.4. for n=:length(k) v(n)=a*x*sinc(k(n)*x); end; -. - -.5 - -.5.5.5 t t=-*:.:*; vhat=; for n=:length(k) vhat=vhat+v(n)*exp(i**pi*k(n)/*t); end; plot(t,vhat) xlabel('t') ylabel('v(t)') title(['\tau/=' numstr(x) ' K=' numstr(k)]) v(t)..8.6.4. τ/=. K=4 -. - -.5 - -.5.5.5 t S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 34 7

http://www.jhu.edu/%7esignals/fourier/index.html S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio 35 8