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

Samankaltaiset tiedostot
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,

Laplace-muunnos: määritelmä

Fourier-sarjat ja -muunnos

Kompleksianalyysi, viikko 7

6.2.3 Spektrikertymäfunktio

SIGNAALITEORIAN KERTAUSTA 1

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

Signaalit ja järjestelmät aika- ja taajuusalueissa

2. Fourier-sarjoista. Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu

MS-C1420 Fourier-analyysi osa I

MS-C1420 Fourier-analyysi osa I

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

MS-C1420 Fourier-analyysi osa I

Luento 2. Jaksolliset signaalit

Numeeriset menetelmät

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

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.

SIGNAALITEORIAN KERTAUSTA OSA 2

1. Annettu siirtofunktio on siis G(s) ja vastaava systeemi on stabiili. Heräte (sisäänmeno) on u(t) = A sin(ωt), jonka Laplace-muunnos on

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

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

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Insinöörimatematiikka D

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

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Helsinki University of Technology

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

T 2. f T (x)e i2π k T x dx. c k e i2π k T x = x dx. c k e i2π k T x = k Z. f T (x) =

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset

Taajuus-, Fourier- ja spektraalianalyysi

Yhteenveto Fourier-numeriikan luennoista

MS-C1420 Fourier-analyysi Esimerkkejä, perusteluja, osa I

Signaalimallit: sisältö

MS-C1420 Fourier-analyysi osa II

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

8. Avoimen kuvauksen lause

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.

6.1 Autokovarianssifunktion karakterisaatio aikatasossa

Signaalien datamuunnokset. Digitaalitekniikan edut

Signaalien datamuunnokset

8. Kuvaustekniikat. Tämän kuvauksen esittäminen ei ole kuitenkaan suoraviivaista. Niinpä se käydään läpi kaksivaiheisena

MS-C1420 Fourier-analyysi Esimerkkejä, perusteluja, osa I

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe

SIGNAALITEORIAN KERTAUSTA OSA 1

Laplace-muunnoksesta ja sen sovelluksista

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

MS-C1420 Fourier-analyysi osa II

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Luento 7. LTI-järjestelmät

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

Spektri- ja signaalianalysaattorit

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

1 Sisätulo- ja normiavaruudet

Seuraava topologisluonteinen lause on nk. Bairen lause tai Bairen kategorialause, n=1

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

Lineaarialgebra MATH.1040 / Piirianalyysiä 2

Luento 13: Periodinen liike. Johdanto Harmoninen värähtely Esimerkkejä F t F r

z muunnos ja sen soveltaminen LTI järjestelmien analysointiin

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

7. Tasaisen rajoituksen periaate

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

Värähdysliikkeet. q + f (q, q, t) = 0. q + f (q, q) = F (t) missä nopeusriippuvuus kuvaa vaimenemista ja F (t) on ulkoinen pakkovoima.

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

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

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 JA TILASTOTIETEEN LAITOS

Diskreetin LTI-systeemin stabiilisuus

Pakotettu vaimennettu harmoninen värähtelijä Resonanssi

Matemaattisessa analyysissa on usein käyttökelpoista soveltaa integraalimuunnoksia. Yksi tärkeimmistä on Laplace-muunnos. e st f(t)dt, s > s 0

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

6.5.2 Tapering-menetelmä

Säätötekniikkaa. Säätöongelma: Hae (mahdollisesti ulostulon avulla) ohjaus, joka saa systeemin toimimaan halutulla tavalla

Jaksollisen signaalin spektri

Kompleksianalyysi, viikko 6

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

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

Ajatellaan jotakin datajoukkoa joka on talletettu datamatriisiin X: n vectors. TKK, Informaatiotekniikan laboratorio 1

Dynaamisten systeemien identifiointi 1/2

8. Avoimen kuvauksen lause

Taajuus-, Fourier- ja spektraalianalyysi

e int) dt = 1 ( 2π 1 ) (0 ein0 ein2π

Signaaliavaruuden kantoja äärellisessä ajassa a

Osittaisdifferentiaaliyhtälöt

12. Laskostumisen teoria ja käytäntö

9 Maxwellin yhtälöt. 9.5 Aaltoyhtälö ja kenttien lähteet Aaltoyhtälö tyhjössä Potentiaaliesitys Viivästyneet potentiaalit

1. Normi ja sisätulo

Esimerkki 1 Ratkaise differentiaaliyhtälö

ELEC-C7230 Tietoliikenteen siirtomenetelmät

Taajuus-, Fourier- ja spektraalianalyysi

Epähomogeenisen yhtälön ratkaisu

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

5 Funktion jatkuvuus ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT Määritelmä ja perustuloksia. 1. Tarkastellaan väitettä

k = 1,...,r. L(x 1 (t), x

järjestelmät Luento 8

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

6. Lineaariset operaattorit

Luento 4 Fourier muunnos

Transkriptio:

4.1 Näytteenottolause 4. Fourier-analyysin sovelletuksia Näyttenottosignaali (t) = k= δ(t kt). T on näytteenottoväli, ja ω T = 1 T on näyttenottotaajuus. Funktion (signaalin) f(t) näytteistäminen tapahtuu kertomalla funktio näytteenottosignaalilla f(t) = f(t) (t) = k= f(kt)δ(t kt). 63

Jatkuva signaali Diskreetti piikkijono 5 5 4.5 4 3.5 f(t)=5 t, t 5 4.5 4 3.5 f(t)=5 t, t 5 Näytteenottoväli T=0.25 3 3 2.5 2.5 2 2 1.5 1.5 1 1 0.5 0.5 0 6 4 2 0 2 4 6 0 5 4 3 2 1 0 1 2 3 4 5 64

Näytteenottosignaalin Fourier-muunnos Näytteenottosignaali on T-periodinen: (t + T) = (t) Koska kompleksisen eksponenttifunktion Fourier-muunnos on F(e ikω 0t )(ω) = 2πδ(ω kω0 ), niin näytteenottosignaalin Fourier-muunnos on D(ω) = 2π T k= δ(ω 2πk T ) = ω 0 k= δ(ω kω 0 ). 65

Aikarajoitettu signaali: On olemassa T > 0 siten, että f(t) = 0, kun t > T. Taajuusrajoitettu signaali: F(ω) = 0, kun ω > ω c. Lause 11. Tulofunktion f(t)g(t) Fourier-muunnos on funktioiden Fouriermuunnosten konvoluutio: F(fg)(ω) = 1 1 (F G)(ω) = 2π 2π F(ν)G(ω ν)dν. 66

Oletus: Signaali taajuusrajoitettu. Näytejonon f(t) = f(t) (t) Fourier-muunnos (kts. lause 11): F( f)(ω) = 1 T k= δ(ω k T ) F(ω) = k= 1 T F(ω k1 T ). Näytejonon Fourier-muunnos 1 T -jaksollinen, l. ω 0-jaksollinen Taajuusalueessa funktio T 1 F(ω) monistetaan jaksolliseksi, jonka monistuskeskuksina ovat taajuudet T k. Laskostuminen: Jos T on liian suuri, ts. T liian pieni, kopiot menevät päällekkäin. = Signaalin käänteismuunnos vääristyy. 2π 67

Ei laskostumista, jos näytteenottoväli T riittävän pieni Jos signaalin kaistanleveys 2W, ts F(ω) = 0, kun ω > W, niin jatkuvan signaalin f(t) Fourier-muunnos saadaan näytteistetyn signaalin Fourier-muunnoksesta kertomalla kopio 2π T F(ω) luvulla 1 ω 0 = T 2π. Jatkuva signaali saadaan käänteismuunnoksella F(ω):sta. 68

Esim. 2. Muodosta signaalien x(t) = sin(2πω 0 (t + T 6 )) ja y(t) = sin(4πω 0 (t + T 6 )), missä ω 0 = T 1 näyttejonot kun näytteenottotaajuus ω T = 3ω 0. Onko signaalit erotettavissa toisistaan näytteiden perusteella? Ratkaisu: Näytteenottotaajuus on 3ω 0 ja näytteenottoväli T 3 = 1 3ω 0 = Näytteenottopisteet: kt 3, k Z. x( kt 3 ) = sin(2πω 0( kt 3 + T 6 )) = sin(π 3 + 2πk 3 ), y( kt 3 ) = sin(4πω 0( kt 3 + T 6 )) = sin(2π 3 + 4πk 3 ) = sin(π 3 4πk 3 ), 69

Koska sin(α) = sin(β), kun α β = 2πm, m Z, niin x( kt 6 ) = sin(π 3 + 2πk 3 ) = sin(π 3 4πk 3 ) = y(kt ), k Z. 3 Näin ollen signaalien näytejonot eivät eroa toisistaan. 70

Funktio on taajuusrajoitettu (kaistarajoitettu): F(ω) = 0, ω > ω c. Kun näyttöönottotaajuus ω T = T 1 on riittävän suuri, niin funktio voidaan rekonstruoida näytteistä täydellisesti. kriittinen näytteenottotaajuus l. Nyquistin taajuus: ω T = 2ω c, missä ω c on suurin signaalissa esiintyvä taajuus. (kaksi näytettä jokaiselta jaksolta). 71

Lause 12 (Shannon-Mclane-Kotelnikov). Olkoon f(t) jatkuva taajuusrajoitettu signaali, missä ω c on korkein esiintyvä taajuus. Tällöin signaalin voidaan yksikäsitteisesti rekonstruoida näytteistä f(kt), missä T = π ω c, ja f(t) = k= f( kπ ω c ) sin(ω ct kπ) (ω c t kπ). 72

Tod.: Oletus: F(ω) = 0, kun ω > ω c. Tällöin f(t) = 1 2π Funktion arvo t = nt: F(ω)eiωt dω = 1 2π ωc ωc ω c F(ω)e iωt dω. f( nt) = ω c π 1 F(ω)e 2πiω 2ωcdω n = ω c 2ω c ω c π d n d n on 2ω c -periodisen funktion F(ω) Fourier-kerroin. F(ω) = T n= f( nt)e 2πin ω 2ωc = T f( nt)e intω. 73

Sijoitus käänteismuunnoksen lausekkeeseen: f(t) = T 2π = T 2π = T 2π = T = T n= n= n= n= k= f( nt) ωc ω c e i(t+nt)ω dω / ωc e i(t+nt)ω f( nt) ω c i(t + nt) [ e iω c (t+nt) e iω c(t+nt) f( nt) i(t + nt) f( nt) sin(ω c(t + nt) π(t + nt) f(kt) sin(ω c(t kt). π(t kt) (merkitään n = k)

1 sinc funktio 0.8 0.6 0.4 f(x) = sin(πx) πx 0.2 0 0.2 0.4 5 4 3 2 1 0 1 2 3 4 5 74

Käänteistulos taajuusalueessa: Aikarajoitetun signaalin taajuusspektri voidaan täydellisesti määrätä sen taajuusnäytteistä taajuuksilla kπ T, k Z: Lause 13. Olkoon f(t) aikarajoitettu signaali, ts. f(t) = 0, kun t > T. Tällöin F(ω) = k= F( kπ kπ) )sin(ωt T (ωt kπ). 75

4.2 Energia ja epätarkkuusperiaate T-jaksollisten funktioiden Fourier-kertoimille oli voimassa Parseval n kaava: T 2 T 2 f(t) 2 = T k= d k 2, Fourier-munnokselle on voimassa analoginen Plancherel n kaava: Lause 14 (Plancherel). Oletetaan, että signaalin energia on äärellinen. Tällöin f(t) 2 dt = F(ω) 2 dω. 76

Tod.: Osoitetaan, että kaikille funktioille f ja g, joiden energiat ovat äärellisiä on voimassa: f(t)g(t)dt = F(ω)G(ω)dω. Sijoitetaan sisätulon integraaliin funktioiden f(t) ja g(t) käänteismuunnokset: f(t)g(t)dt = 1 2π [ F(ω)eiωt dω ] 1 2π [ G(v)e ivt dv ] dt. 77

Integraalit oletetaan itseisesti suppeneviksi, siten voidaan vaihtaa integroimisjärjestyksiä, jolloin saadaan f(t)g(t)dt = 1 [ ] [ ] 4π 2 F(ω)G(v) ω= v= ei(ω v)t dt dωdv = 1 2π = 1 2π F(ω) [ F(ω)G(ω)dω. G(v)δ(v ω)dv } {{ } 2πδ(ω v) ] dω Valitsemalla lauseessa funktion g(t) paikalle f(t) saadaan Plancherel n kaava. 78

Epätarkkuusperiaate Fysikaalisen ilmiön "aikaesitys" f(t) ja "taajuusesitys" F(ω) Jos toinen esityksistä on keskittynyt kapealle kaistalle, niin toinen esityksistä täyttää koko avaruuden. Esimerkiksi impulssin f = δ kaistanleveys on nolla, kun taas sen Fourier-muunnoksen F(ω) = 1 kaistanleveys on ääretön. 79

Kaistanleveys vastaa satunnaisotoksen keskihajontaa. Määritellään kaistanleveyden puolikkaat aika- ja taajuusavaruudessa asettamalla B 2 t = t 2 f(t) 2 dt f(t) 2 dt, B2 ω = (ω) 2 F(ω) 2 dω F(ω) 2 dω. Epätarkkuusperiaate: Jokaiselle funktiolle: B t B ω 1 4. 80

4.4 Lineaariset systeemit Systeemi on fysikaalisen (tai kemiallisen, tai taloudellisen) prosessin matemaattinen malli, joka liittää herätteen f 1 (x) (l. ärsyke tai input) vasteeseen f o (x) (l. reaktio tai output): f o (x) = L(f i (x)). heräte Systeemi vaste 81

Systeemi on lineaarinen, jos kaikilla a, b R. L(af i1 (x) + bf i2 (x)) = al(f i1 (x)) + bl(f i2 (x), Systeemi on aikainvariantti, jos herätettä f i viivästetään τ aikayksikköä, niin vastekin viivästyy τ aikayksikköä, ts. f 0 (x τ) = L(f i (x τ)) Sanallisesti: systeemi on aikainvariantti täsmälleen silloin, kun sen "sisäinen olotila", tapa, jolla se vaikuttaa signaaleihin, ei muutu ajassa. Jos heräte alkaa nyt tai vuoden päästä, niin herätteen vaikutus on täsmälleen sama. 82

Systeemi on kausaalinen, jos vaste on havaittavissa vasta, kun herätekin on olemassa: Jos f i (x) = 0, kun x x 0, niin myös f 0 (x) = 0, kun x x 0. Lopulta lineaarinen systeemi on jatkuva, jos jonkin sopivan funktionormin suhteen on voimassa f o = L(f i ) A f i. Yo. epäyhtälössä herätteen ja vasteen suuruutta mittaavat normit eivät tarvitse olla samoja. 83

Lineaarisen aikainvariantin systeemin vaste jaksolliseen herätteeseen on jaksollinen: L(e iωx ) = k(ω)e iωx. Kompleksinen eksponenttifunktio e iωx on systeemin ominaisfunktio, ja silloin luku k(ω) on värähtelytaajuutta ω vastaava ominaisarvo. 84

Impulssi- ja taajuusvaste Heräte δ(x) = impulssivaste: L(δ(x) = h(t, τ) Systeemi on kausaalinen, jos ja vain jos sen impulssivaste on kausaalinen. Lineaariselle, kausaaliselle ja aikainvariantille systeemille L(δ(x τ)) = h(x τ), ja h(x τ) = 0, kun x τ. 85

Systeemin heräte: f i (x) = δ(x τ)f i (τ)dτ. Silloin lineaarisen aikainvariantin systeemin vaste: f o (x) = L(f i (x)) = L( = δ(x τ)f i(τ)dτ) f i(τ)l(δ(x τ))dτ = f i(τ)h(x τ)dτ vaste = impulssivasteen ja herätteen konvoluutio Systeemin taajuusesitys: F o (ω) = H(ω)F i (ω), Systeemin taajuusvastefunktio, joka on impulssivasteen Fourier-muunnos: H(ω) = F 0(ω) F i (ω). 86

Esim. 3. Määrää RC-piirin impulssi- ja taajuusvaste. 87

Kirchhoffin laki = herätejännite v i (t) = Ri(t) + C 1 t i(τ)dτ ja ulostulojännite: v o (t) = 1 C t i(τ)dτ. Jännitesignaalien Fourier-muunnos: V o (ω) = (R + iωc 1 )I(ω), V i (ω) = iωc 1 I(ω). RC-piirin taajuusvastefunktio: H(ω) = V o(ω) Systeemin impulssivaste: h(t) = 1 RC e t 0, t < 0. RC, t > 0 iωc R+ iωc 1 V i (ω) = 1 = 1 RC 1 1 RC +iω, 88