Luento 4. Fourier-muunnos



Samankaltaiset tiedostot
S Signaalit ja järjestelmät Tentti

Tietoliikennesignaalit

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

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

Luento 9. Epälineaarisuus

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

Luento 2. Jaksolliset signaalit

12. ARKISIA SOVELLUKSIA

Luento 11. Stationaariset prosessit

6.4 Variaatiolaskennan oletusten rajoitukset. 6.5 Eulerin yhtälön ratkaisuiden erikoistapauksia

Luento 4 Fourier muunnos

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

Luento 9. Epälineaarisuus

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

MS-C1420 Fourier-analyysi osa II

12. Luento. Modulaatio

W dt dt t J.

Rahoitusriskit ja johdannaiset Matti Estola. luento 12 Stokastisista prosesseista

SIGNAALITEORIAN KERTAUSTA 1

a) Ortogonaalinen, koska kantafunktioiden energia 1

MAT Fourier n menetelmät. Merja Laaksonen, TTY 2014

Luento 3. Fourier-sarja

Konvoluution laskeminen vaihe vaiheelta Sivu 1/5

Luento 3. Fourier-sarja

Luento 11. Stationaariset prosessit

3 SIGNAALIN SUODATUS 3.1 SYSTEEMIN VASTE AIKATASOSSA

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

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

SIGNAALITEORIAN KERTAUSTA OSA 1

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

Taustaa KOMPLEKSILUVUT, VÄRÄHTELIJÄT JA RADIOSIGNAALIT. Jukka Talvitie, Toni Levanen & Mikko Valkama TTY / Tietoliikennetekniikka

MS-C1420 Fourier-analyysi osa I

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

MS-C1420 Fourier-analyysi osa II

a) Miksi signaalin jaksollisuus on tärkeä ominaisuus? Miten jaksollisuus vaikuttaa signaalin taajuussisältöön?

MS-C1420 Fourier-analyysi osa I

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

Kompleksianalyysi, viikko 6

Luento 7. LTI-järjestelmät

ẍ(t) q(t)x(t) = f(t) 0 1 z(t) +.

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

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

MS-C1420 Fourier-analyysi osa I

Tasaantumisilmiöt eli transientit

2. Taloudessa käytettyjä yksinkertaisia ennustemalleja. ja tarkasteltavaa muuttujan arvoa hetkellä t kirjaimella y t

Tietoliikennesignaalit & spektri

Numeeriset menetelmät

( ) 5 t. ( ) 20 dt ( ) ( ) ( ) ( + ) ( ) ( ) ( + ) / ( ) du ( t ) dt

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

YKSISIVUKAISTAMODULAATIO (SSB)

2. Suoraviivainen liike

Luento 11. tietoverkkotekniikan laitos

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

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe

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

Signaalit ja järjestelmät aika- ja taajuusalueissa

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.

SATE2140 Dynaaminen kenttäteoria syksy /7 Laskuharjoitus 4 / Sähkömagneettiset aaltojen polarisoituminen

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe

VÄRÄHTELYMEKANIIKKA SESSIO 18: Yhden vapausasteen pakkovärähtely, transienttikuormituksia

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

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Valintakoe

Mat Matematiikan pk KP3-i - kertaus

KYNNYSILMIÖ JA SILTÄ VÄLTTYMINEN KYNNYKSEN SIIRTOA (LAAJENNUSTA) HYVÄKSI KÄYTTÄEN

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

Ratkaisu. Virittäviä puita on kahdeksan erilaista, kun solmut pidetään nimettyinä. Esitetään aluksi verkko kaaviona:

KULMAMODULOITUJEN SIGNAALIEN ILMAISU DISKRIMINAATTORILLA

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

Monisilmukkainen vaihtovirtapiiri

DEE Lineaariset järjestelmät Harjoitus 4, ratkaisuehdotukset

VÄRÄHTELYMEKANIIKKA SESSIO 14: Yhden vapausasteen vaimeneva pakkovärähtely, harmoninen kuormitusheräte

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

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)

Luoki?elua: tavallinen vs osi?ais. Osa 11. Differen0aaliyhtälöt. Luoki?elua: kertaluku. Luoki?elua: lineaarisuus 4/13/13

5. Vakiokertoiminen lineaarinen normaaliryhmä

A-osio. Ei laskinta! Valitse seuraavista kolmesta tehtävästä vain kaksi joihin vastaat!

KULMAMODULOITUJEN SIGNAALIEN SPEKTRIN LASKEMINEN

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

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

ELEC-A7200 Signaalit ja järjestelmät 5 op

Luento 7 Järjestelmien ylläpito

Ilmavirransäädin. Mitat

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Sopimuksenteon dynamiikka: johdanto ja haitallinen valikoituminen

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Kompleksiluvut signaalin taajuusjakauman arvioinnissa

OH CHOOH (2) 5. H2O. OH säiliö. reaktori 2 erotus HCOOCH 3 11.

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

6 Integraali ja derivaatta

Kojemeteorologia. Sami Haapanala syksy Fysiikan laitos, Ilmakehätieteiden osasto

YKSISIVUKAISTAMODULAATIO (SSB)

F E . 1. a!? # % b $ c + ± = e < > [ \ ] ^ g λ Ø ø φ " 1 / 2 h Á á É. j À à È è Ì ì Ò k ò ù Ä ä Ë ë Ï. o à ã Ñ ñ Õ õ F` = 6mm = 9/12mm = 19mm

Osittaisdifferentiaaliyhtälöt

Osa 11. Differen-aaliyhtälöt

Diskreetillä puolella impulssi oli yksinkertainen lukujono:

SIGNAALITEORIAN KERTAUSTA OSA 2

Luento 2. Järjestelmät aika-alueessa Konvoluutio-integraali. tietoverkkotekniikan laitos

Luku 4 - Kuvien taajuusanalyysi

SIGNAALITEORIAN KERTAUSTA 2. Tietoliikennetekniikka I A Kari Kärkkäinen Osa 3

Transkriptio:

Lueno 4 Erikoissignaalien Fourier-muunnokse Näyeenoo 4..6 Fourier-muunnos Fourier-muunnos Kääneismuunnos Diricle n edo Fourier muunuvalle energiasignaalille I: Signaali on iseisesi inegroiuva v ( d< II: Signaalin maksimi- ja minimiarvo ova äärellisiä jokaisella äärellisellä aikavälillä ( a, b sup { } ( (, ( i, s i i s i a i i b + + < < + i III: Signaalin epäjakuvuuskoia on rajallinen määrä lim äärellisessä määrässä ε s ( + ε v ( ε piseiä välillä (-, 4..6

Fourier-muunnos On olemassa joukko signaaleia, joka eivä äyä Diricle n eoja, mua niille voidaan kuienkin esiää Fourier-muunnos sien, eä muunnoksen yleise ominaisuude ova voimassa. Esim. Impulssiunkio Tasavira Askel- ja signmum-unkio Sini-signaali Näiä signaaleja kusuaan yleiseyiksi signaaleiksi. Yleisey signaali ova eosignaaleja 4..6 3 Impulssiunkio/Diracin dela-unkio Ääreömän kapea pulssi, jonka pina-ala on. + δ( d= δ( d= Impulssiunkio δ( voidaan joaa raja-arvona pulssisa, jonka piuus on ε ja korkeus /ε, kun ε. Suorakaidepulssin apauksessa: δ = Π ε ε ( limε ε Π ( x x = muuoin 4..6 ε ε 4

Impulssiunkio 9 8 Suorakaidepulssi 9 8 Gaussin pulssi T= T=.5 T=. 7 7 6 6 Ampliudi 5 4 Ampliudi 5 4 3 3 - - Aika - - Aika 4..6 5 Impulssiunkio Signaalin kerominen impulssiunkiolla Näyeenoo ( s( δ( = s δ( s( δ ( d = s( Signaalin konvoluuio impulssiunkion kanssa (impulssivase s( δ( = s( τ δ( τ d = s( 4..6 6 3

Impulssiunkion Fourier muunnos Impulssiunkion Fourier-muunnos x( X( F{ δ ( } = Raja-arvona pulssin Fourier-muunnkosesa: F Π = sinc ε ε ( ε F AΠ = ATsinc( T T limε F Π = limε sinc( ε ε ε sin ( π ε π cos( π ε = limε = imε = π ε π l Hôpial Raja-arvoja käyäen suoraan F-muunnoksen määrielmäsä: s( δ( = s( δ( i i F{ ( } ( e π π δ = δ d = e δ ( d = + = 4..6 δ( d= δ( d= 7 = Signaalin energia on jakaanunu asan kaikille aajuuksille Impulssiunkion kääneismuunnos Impulssiunkion kääneismuunnos F { δ ( } = x( X( Todisus F e d e d i { ( } ( π i π δ δ δ ( DC-komponenin (vakion Fourier-muunnos F { A} = Aδ ( Taajuussiirros i F δ ( = e π = = = = { } Todisus iπ iπ iπ F { δ ( } = δ ( e d = e δ ( d = e 4..6 8 = = 4

Sini-signaalin Fourier-muunnos Sinimuooinen signaali Eulerin kaavalla sinimuooinen signaali voidaan kirjoiaa kaden osoiimen avulla, joia aajuusasossa vasaa aajuussiirros. i i sin ( = ( e e cos i i i ( = ( e + e iπ { δ ( } = F e Spekri: A Y( = e + + e iφ iφ ( δ ( δ ( A Y( 4..6 9 Jaksollisen signaalin Fourier-muunnos Jaksollinen signaali voidaan esiää Fourier-sarjan avulla π k v ( = vk exp i k = T Sovelleaan aajuussiirroksen Fourier-muunnosa iπ π k F e = δ F{ v( } = vkf exp i = vkδ k k= T k= T Jaksollisen signaalin Fourier-muunnos saa nollasa poikkeavia arvoja ainoasaan armonisilla aajuuksilla. Inegraali spekriieyden yli anaa signaalin keskimääräisen eon ( * ( = k = v k= V V d v P { } ( 4..6 5

Epäjakuva-ampliudise signaali Askelunkio u( < u ( = δτ ( dτ= Epäjakuvuuskodan derivaaa voidaan lausua impulssiunkion avulla d u ( = δ ( d u( u ( 4..6 Epäjakuva-ampliudise signaali Epäjakuvuuskoa ajanekellä d x ( = ξ'( + x x d ξ '( + ( ( δ ( on signaalin jakuvan ermin derivaaa, joka äyää Diricle n edo x( + x( - x( Signaalin Fourier muunnos-saadaan inegroinikeinon avulla { (} F x + ( ( ( ( τ F... s( d... d n S( n τ τ τ = ( iπ n kpl x( = ξ '( τ + x x δ τ dτ + iπ { ξ '( } + ( ( ( F x x e = iπ 4..6 6

Epäjakuva-ampliudise signaali Mona epäjakuvuuskoaa d x ( = ξ'( + Δ x ( k δ d + ( ( Δ x( = x x k k k k ( k { (} F x { ξ } F '( + Δx( k e k = iπ iπ k Esimerkki Pulssi > T x ( = AΠ = T A T d x ( = A δ τ + T A δ τ T d A x( x ( iπ T iπ T ( π T e e sin F{ x( } = A = AT = ATsinc( T iπ π T 4..6 3 Signmum-unkio < x( = sgn( = = > Rakaisaan derivaaa Signum-unkio x( - dx(/d d d x ( = sgn( d d + = x( x( δ ( = ( δ( = δ( Derivaaan Fourier-muunnos unneaan, joen x(:n Fourier-muunnos saadaan inegroinikeinolla d F{ x( } = F x( X( iπ d = F{ δ ( } = iπ iπ 4..6 4 7

Signum-unkio Tarkiseaan ulos kääneismuunamalla se i π ( π ( π cos sin F = e d = d + i d iπ iπ iπ iπ cos( π sin ( π = i d + d π π cos( π v ( = π Funkio on parion, joen (pina-ala inegraali sen yli = v( =v( sinc ( ' d ' sin ( π F = d sinc( d iπ = π = sinc ( ' d ' < = sgn( sinc ( ' d ' = sgn( ' = d = d sinc( d = 4..6 5 Muuujan vaio Yksikköaskelunkio Askelunkio voidaan esiää asavirakomponenin ja signum-unkion avulla sgn( u ( = ( + sgn( = > Fourier-muunnos F { u (} = F + F sgn( = δ ( + jπ - u( - U( 4..6 6 8

Näyeenoo Tarkasellaan jakuvaa signaalia g( vain ieyinä ajanekinä k, k T g( { gk (, k } Nyquisin näyeenooeoreema: Tarkasellaan kaisarajoieua signaalia (, jonka kaisanleveys on B. Jos näyeenoo aajuus s = B, niin ( voidaan lausua näyeiseyn signaalin avulla g( k avulla sin ( π s ( k g( = g( k = g( ksinc( s ( k k= π ( k k= s 4..6 7 Näyeenoo Alkuperäinen signaali g( iπ G( ge ( d = Näyeisyssignaali s( = k s ( = muuoin Näyeisey signaali g s (=g(s( Fourier-muunnos g( s( gs ( iπ iπ ( = g(( s e d = g( δ ( k e d k = = k = ge ( iπ k 4..6 8 9

Näyeenoo Näyeisyssignaali on periodinen, joen se voidaan lausua Fourier-sarjana π k S( s ( = sk exp i k = / π k sk = s(exp i d = / Ny näyeisey signaali voidaan kirjoiaa muooon π k i gs ( = g( s( = g( e k = Fourier-muunnos π k k i i π i k π ( = g( e e d g( e d G = k= = k= k= Poissonin summakaava iπ k k 4..6 g( e = G 9 k= k= Näyeenoo Alkuperäisen signaalin spekri G( Näyeiseyn signaalin spekri k ( = G k = < B B ( B ( B B Jos, niin alkuperäinen signaali voidaan palauaa näyeiseysä: B ( B G( = muuoin 4..6

Näyeenoo Jos, niin Nyquisin aajua korkeamma aajuude laskosuva < B alemmille eikä alkuperäisä signaalia voida enään palauaa. ( Nyquisin aajuus N = s = 4..6 Näyeenoo Näyeisyssignaali s( = k s ( = muuoin Näyeiseävä signaali g( = cos( π s G( = + + ( δ ( s δ ( s Näyeisey signaali gs( = cos( π s s( Kerolasku aikaasossa => Kovoluuio aajuusasossa s S( s G( ( s < 4..6

Näyeenoo Näyeisyssignaali s( = k s ( = muuoin Näyeiseävä signaali g( = cos( π s G( = + + ( δ ( s δ ( s Näyeisey signaali gs( = cos( π s s( Kerolasku aikaasossa => Kovoluuio aajuusasossa s S( G( s ( s > 4..6 3 Näyeenoo Aliasoini ilmiö: Yli Nyquisin aajuuden oleva signaali, näyää näyeisyksen jälkeen alemman aajuuden signaalila..8.6.4. s =4 Hz, N = Hz = Hz =3 Hz -. -.4 N -.6 -.8 N -..4.6.8..4.6.8 4..6 4