Применение метода анализа Фурье к последовательностям
В математике преобразование Фурье с дискретным временем ( ДВПФ ) - это форма анализа Фурье , применимая к последовательности значений.
DTFT часто используется для анализа выборок непрерывной функции. Термин дискретное время относится к тому факту, что преобразование работает с дискретными данными, часто с выборками, интервал которых имеет единицы времени. Из равномерно расположенных образцов она производит функцию частоты , которая является периодическим суммирования из непрерывного преобразования Фурье исходной непрерывной функции. При определенных теоретических условиях, описываемых теоремой выборки , исходная непрерывная функция может быть полностью восстановлена из DTFT и, следовательно, из исходных дискретных выборок. Само ДВПФ является непрерывной функцией частоты, но его дискретные выборки могут быть легко вычислены с помощью дискретного преобразования Фурье (ДПФ) (см. § Выборка ДВПФ ), который на сегодняшний день является наиболее распространенным методом современного анализа Фурье.
Оба преобразования обратимы. Обратное ДВПФ - это исходная последовательность дискретизированных данных. Обратное ДПФ - это периодическое суммирование исходной последовательности. Быстрого преобразования Фурье (БПФ) представляет собой алгоритм для вычисления одного цикла ДПФ, и обратный производит один цикл обратного ДПФ.
Определение
Дискретное преобразование Фурье дискретной последовательности действительных или комплексных чисел x [ n ] для всех целых чисел n представляет собой ряд Фурье , который производит периодическую функцию частотной переменной. Когда переменная частота, ω, имеет нормированные единицы из радиан / образца , периодичность является 2π , а ряд Фурье :
-
|
|
( Уравнение 1 )
|
Полезность этой функции в частотной области основана на формуле суммирования Пуассона . Пусть X ( f ) будет преобразованием Фурье любой функции x ( t ) , выборки которой на некотором интервале T ( секунды ) равны (или пропорциональны) последовательности x [ n ] , то есть T ⋅ x ( nT ) = x [ n ] . Тогда периодическая функция, представленная рядом Фурье, представляет собой периодическое суммирование X ( f ) через частоту f в герцах ( циклах / сек ) :
|
|
( Уравнение 2 )
|
Рис. 1. Изображение преобразования Фурье (вверху слева) и его периодического суммирования (DTFT) в нижнем левом углу. В нижнем правом углу показаны образцы ДВПФ, вычисленные с помощью дискретного преобразования Фурье (ДПФ).
Целое число k имеет единицы циклов / отсчет , а 1 / T - это частота дискретизации, f s ( отсчетов / сек ). Таким образом, X 1 / T ( f ) содержит точные копии X ( f ) , которые сдвинуты на кратные f s герц и объединены путем сложения. При достаточно большом е ы с к = 0 термин может наблюдаться в области [- е с / 2, е с / 2 ] практически без искажений ( сглаживания ) от других условий. На рисунке 1 крайние точки распределения в верхнем левом углу замаскированы за счет наложения спектров при периодическом суммировании (нижний левый).
Отметим также, что e - i2πfTn - преобразование Фурье функции δ ( t - nT ) . Следовательно, альтернативное определение DTFT:
|
|
( Уравнение 3 )
|
Модулированная гребенчатая функция Дирака представляет собой математическую абстракцию, которую иногда называют импульсной выборкой .
Обратное преобразование
Операция, которая восстанавливает дискретную последовательность данных из функции DTFT, называется обратным DTFT . Например, обратное непрерывное преобразование Фурье обеих частей уравнения 3 дает последовательность в виде модулированной гребенчатой функции Дирака:
Тем не менее, отметив , что Х 1 / Т ( е ) является периодическим, вся необходимая информация содержится в любом интервале длины 1 / T . Как в уравнении 1, так и в уравнении 2 суммирование по n представляет собой ряд Фурье с коэффициентами x [ n ] . Стандартные формулы для коэффициентов Фурье также являются обратными преобразованиями:
-
|
|
( Уравнение 4 )
|
Периодические данные
Когда последовательность входных данных x [ n ] является N- периодической , уравнение 2 может быть вычислительно сведено к дискретному преобразованию Фурье (ДПФ), потому что :
- Вся доступная информация содержится в N образцах.
-
X 1 / T ( f ) сходится к нулю везде, кроме целых кратных 1 / ( NT ) , известных какчастоты гармоник . На этих частотах DTFT расходится с разной частотно-зависимой скоростью. И эти скорости задаются ДПФ одного цикла последовательности x [ n ] .
- ДВПФ является периодическим, поэтому максимальное количество уникальных амплитуд гармоник составляет (1 / T ) / (1 / ( NT )) = N
Коэффициенты ДПФ определяются как :
-
и DTFT :
-
Подстановка этого выражения в формулу обратного преобразования подтверждает :
-
( все целые числа )
как и ожидалось. Обратный ДПФ в строке выше иногда называют дискретным рядом Фурье ( ДПФ ).
Выборка DTFT
Когда ДВПФ является непрерывным, обычной практикой является вычисление произвольного количества выборок ( N ) одного цикла периодической функции X 1 / T :
где - периодическое суммирование :
-
(см. Дискретный ряд Фурье )
Последовательность является обратным ДПФ. Таким образом, наша выборка DTFT приводит к тому, что обратное преобразование становится периодическим. Массив | X k | 2 значения называется периодограммой , а параметр N называется NFFT в одноименной функции Matlab.
Чтобы вычислить один цикл численно, нам потребуется последовательность x [ n ] конечной длины . Например, длинная последовательность может быть усечена оконной функцией длины L, что приведет к трем случаям, заслуживающим особого упоминания. Для упрощения записи рассмотрим значения x [ n ] ниже, чтобы представить значения, измененные оконной функцией.
Случай: Прореживание частоты. L = N ⋅ I , для некоторого целого числа I (обычно 6 или 8)
Цикл сводится к суммированию I отрезков длины N . Затем ДПФ носит разные названия, например :
- оконная презумпция БПФ
- Вес, перекрытие, прибавление (WOLA)
- многофазная ДПФ
- банк многофазных фильтров
-
многоблочное управление окнами и временным алиасингом .
Напомним, что прореживание выборочных данных в одном домене (по времени или частоте) приводит к перекрытию (иногда известному как наложение ) в другом, и наоборот. По сравнению с ДПФ с длиной L , суммирование / перекрытие вызывает децимацию по частоте, в результате чего только выборки ДВПФ меньше всего страдают от спектральной утечки . Это обычно является приоритетом при реализации банка фильтров БПФ (канализатора). При использовании обычной оконной функции длины L , scalloping потери были бы неприемлемыми. Таким образом, многоблочные окна создаются с помощью инструментов проектирования FIR-фильтров . Их частотный профиль плоский в самой высокой точке и быстро спадает в средней точке между оставшимися отсчетами DTFT. Чем больше значение параметра I , тем лучше потенциальная производительность.
Случай: L = N +1 .
Когда симметричный, L -длина функция окна ( ) усекается до 1 коэффициента его называют периодическим или ДПФ-даже . Усечение влияет на DTFT. ДПФ из усеченных последовательностей выборок ДВПФА в частотных интервалах 1 / N . Чтобы выполнить выборку на тех же частотах, для сравнения вычисляется ДПФ для одного цикла периодического суммирования,
Рис. 2. ДПФ
e i2πn / 8 для
L = 64 и
N = 256
Рис. 3. ДПФ
e i2πn / 8 для
L = 64 и
N = 64
Случай: частотная интерполяция. L ≤ N
В этом случае ДПФ упрощается до более знакомой формы:
Чтобы воспользоваться преимуществом алгоритма быстрого преобразования Фурье для вычисления ДПФ, суммирование обычно выполняется по всем N членам, даже если N - L из них являются нулями. Поэтому случай L < N часто называют заполнением нулями .
Спектральная утечка, которая увеличивается с уменьшением L , отрицательно сказывается на некоторых важных показателях производительности, таких как разрешение нескольких частотных компонентов и количество шума, измеряемого каждой выборкой DTFT. Но эти вещи не всегда имеют значение, например, когда последовательность x [ n ] является бесшумной синусоидой (или константой), сформированной оконной функцией. Затем обычно используют заполнение нулями для графического отображения и сравнения подробных шаблонов утечки оконных функций. Чтобы проиллюстрировать это для прямоугольного окна, рассмотрим последовательность:
-
а также
Рисунки 2 и 3 представляют собой графики величины двух ДПФ разного размера, как указано на их метках. В обоих случаях доминирующая составляющая находится на частоте сигнала: f = 1/8 = 0,125 . На рис. 2 также видна спектральная картина рассеяния прямоугольного окна L = 64 . Иллюзия на рис. 3 является результатом выборки DTFT только в точках пересечения нуля. Вместо ДВПФ последовательности конечной длины он производит впечатление бесконечно длинной синусоидальной последовательности. Факторами, способствующими возникновению иллюзии, являются использование прямоугольного окна и выбор частоты (1/8 = 8/64) с ровно 8 (целыми) циклами на 64 выборки. Окно Ханна даст аналогичный результат, за исключением того, что пик будет расширен до 3 отсчетов (см. Окно Ханна с четностью ДПФ ).
Свертка
Теорема свертки для последовательностей :
Важным частным случаем является круговая свертка последовательностей x и y, определяемая как где - периодическое суммирование. Дискретно-частотный характер означает, что произведение с непрерывной функцией также является дискретным, что приводит к значительному упрощению обратного преобразования :
Для последовательностей x и y , ненулевая длительность которых меньше или равна N , окончательное упрощение :
Значение этого результата объясняется в алгоритмах круговой свертки и быстрой свертки .
Свойства симметрии
Когда действительная и мнимая части сложной функции разлагаются на их четную и нечетную части , имеется четыре компонента, обозначенных ниже индексами RE, RO, IE и IO. И существует взаимно однозначное отображение между четырьмя компонентами комплексной функции времени и четырьмя компонентами ее комплексного частотного преобразования :
Отсюда очевидны различные отношения, например :
- Преобразование вещественной функции ( x RE + x RO ) является четной симметричной функцией X RE + i X IO . И наоборот, четно-симметричное преобразование подразумевает действительную временную область.
- Преобразование мнимозначной функции ( i x IE + i x IO ) является нечетной симметричной функцией X RO + i X IE , и верно обратное.
- Преобразование четно-симметричной функции ( x RE + i x IO ) является действительной функцией X RE + X RO , и верно обратное.
- Преобразование нечетно-симметричной функции ( x RO + i x IE ) является мнимозначной функцией i X IE + i X IO , и верно обратное.
Связь с Z-преобразованием
представляет собой ряд Фурье, который также может быть выражен через двустороннее Z-преобразование . Т.е.:
где обозначение отличает Z-преобразование от преобразования Фурье. Следовательно, мы также можем выразить часть Z-преобразования через преобразование Фурье:
Обратите внимание, что при изменении параметра T члены остаются на постоянном расстоянии друг от друга, а их ширина увеличивается или уменьшается. Члены X 1 / T ( f ) остаются постоянной ширины, а их расстояние 1 / T масштабируется вверх или вниз.
Таблица дискретных преобразований Фурье
Некоторые общие пары преобразований показаны в таблице ниже. Применяются следующие обозначения:
-
- действительное число, представляющее непрерывную угловую частоту (в радианах на выборку). ( в циклах в секунду и в секундах / отсчет). Во всех случаях в таблице DTFT является 2π-периодическим (в дюймах ).
-
обозначает функцию, определенную на .
-
обозначает функцию, определенную на , и ноль в другом месте. Потом:
-
- дельта-функция Дирака
-
нормализованная функция sinc
-
это функция прямоугольника
-
является функция треугольника
-
n - целое число, представляющее дискретную временную область (в выборках)
-
дискретная ступенчатая функция
-
это дельта Кронекера
Временная область x [ n ]
|
Частотная область X 2π (ω)
|
Замечания
|
Ссылка
|
|
|
|
|
|
|
целое число
|
|
|
нечетное M четное M
|
целое число
|
|
|
|
Этот термин следует интерпретировать как распределение в смысле главного значения Коши вокруг его полюсов в .
|
|
|
|
|
|
|
-π <a <π
|
настоящий номер
|
|
|
|
реальный номер с
|
|
|
|
реальный номер с
|
|
|
|
целые числа и
|
|
|
|
реальные числа с
|
|
|
|
реальное число ,
|
|
|
|
он работает как дифференцирующий фильтр
|
|
|
реальные числа с
|
|
|
|
|
|
|
|
Преобразование гильберта
|
|
|
|
комплекс действительных чисел
|
|
Характеристики
В этой таблице показаны некоторые математические операции во временной области и соответствующие эффекты в частотной области.
Имущество
|
Временная область x [ n ]
|
Частотный диапазон
|
Замечания
|
Ссылка
|
Линейность
|
|
|
сложные числа
|
|
Обратное время / изменение частоты
|
|
|
|
|
Сопряжение времени
|
|
|
|
|
Обращение времени и спряжение
|
|
|
|
|
Реальная часть времени
|
|
|
|
|
Воображаемая часть времени
|
|
|
|
|
Реальная часть частоты
|
|
|
|
|
Мнимая часть частоты
|
|
|
|
|
Сдвиг во времени / Модуляция по частоте
|
|
|
целое число k
|
|
Сдвиг частоты / Модуляция во времени
|
|
|
настоящий номер
|
|
Децимация
|
|
|
целое число
|
|
Расширение времени
|
|
|
целое число
|
|
Производная по частоте
|
|
|
|
|
Интеграция по частоте
|
|
|
|
|
Разница во времени
|
|
|
|
|
Суммирование во времени
|
|
|
|
|
Свертка по времени / Умножение по частоте
|
|
|
|
|
Умножение по времени / Свертка по частоте
|
|
|
Периодическая свертка
|
|
Взаимная корреляция
|
|
|
|
|
Теорема Парсеваля
|
|
|
|
|
Смотрите также
Примечания
Цитирование страниц
использованная литература
дальнейшее чтение
-
Порат, Боаз (1996). Курс цифровой обработки сигналов . Джон Уайли и сыновья. С. 27–29 и 104–105. ISBN 0-471-14961-6.
-
Зиберт, Уильям М. (1986). Цепи, сигналы и системы . Серия "Электротехника и информатика Массачусетского технологического института". Кембридж, Массачусетс: MIT Press. ISBN 0262690950.
-
Лайонс, Ричард Г. (2010). Понимание цифровой обработки сигналов (3-е изд.). Прентис Холл. ISBN 978-0137027415.