Transformata przekształca funkcję czasu na widmo, np. sygnał f(t) w przebieg amplituda-częstotliwość. Znajomość transformaty jest ważna, ponieważ media transmisji charakteryzowane są pasmem częstotliwości, a sygnały – funkcjami czasu. Obie te wielkości zderzają się w procesie transmisyjnym. Aby go dobrze zaprojektować, trzeba móc przedstawić obie wielkości w jednej skali. Transformata prosta ma postać
gdzie t- czas; ;f(t) – funkcja czasu ;w - częstotliwość (kątowa); F(w) – widmo.
Przykład
Wyznaczyć widmo impulsu prostokątnego, symetrycznego względem osi rzędnych o standardowej amplitudzie 1 i czasie trwania t. Po podstawieniu danych otrzymujemy
Przebieg F(w) przedstawiono na rys.1 – linia czerwona. Widzimy, że:
- widmo skończonego przebiegu f(t) wyraża się funkcją ciągłą (tu –tzw. sinus całkowy)
- jest nieskończone, -¥<w<¥
- periodyczne (sinwt/2)
- maleje liniowo z częstotliwością (1/|w|)
- punkty zerowe są dyktowane przez czas impulsu i występują dla w = ±2/t, ±4/t,...
Rys.1. Widmo pojedynczego impulsu prostokątnego
Inne własności
- Zawsze, kiedy funkcja f(t) jest skończona, otrzymujemy widmo nieskończone i na odwrót.
- Energia widma oraz przebiegu w czasie są jednakowe (prawo Parsevala)
- Funkcja f(t) może być określona w dowolnym miejscu na osi czasu (±¥), natomiast widmo
zawsze będzie występować na całej skali w, choć położenie na osi t zaznaczy się fazą
- Widmo f(t) w postaci impulsu Diraca d(t) dla t=0 jest stałe, sięgające od -¥ do +¥.
- Można wykazać, że widmo dla nieskończonej okresowej serii impulsów prostokątnych o parametrach, jak wyżej wyraża się identyczną funkcją, jak dla pojedynczego impulsu, tyle że dyskretną, rys.2 – linie zielone; odstęp między liniami dyktuje okres T Rys.2. Widmo nieskończonego ciągu impulsów prostokątnych
Widmo dyskretne wyznacza się za pomocą szeregu Fouriera. Przy stosowaniu techniki komputerowej korzystamy z tzw. szybkiej transformaty Fouriera, FFT. Rezygnuje się wówczas z niewygodnej ujemnej osi częstotliwości i wprowadza w to miejsce składową rzeczywistą i urojoną –real oraz imag
gdzie f(n) –próbka sygnału w chwili n; m - numer harmonicznej, m=0,1,2,...,2N; j=Ö-1.
Wyznaczyć widmo FFT dla funkcji f(t)=sin(2pi x1000t)+0,5sin(2pi x2000t+3pi/4), rys.3.
Jak widać, funkcja jest sumą dwu sinusoid o częstotliwościach 1000 i 2000 Hz, przesuniętych w fazie o 3pi/4 i poróżnionych w amplitudzie o 50%.
Niech N=8 i częstotliwość próbkowania fs=8000 c/s. Wobec tego widmo FFT zostanie określone dla M=2N=16 harmonicznych częstotliwości podstawowej fs/N=1000 Hz.
Program w języku Matlab przyjmie postać:
for n=1:8,
f(n)=sin(2*pi*(1000/8000)*(n-1))+0.5*sin(2*pi*(2000/8000)*(n-1)+3*pi/4);
end;ff=fft(f);figure;bar(abs(ff));…
Rys.3. Funkcja transformowana f(t)
absangleimag
real
Rys.4. Widmo funkcji f(t): absolutne, kątowe, składowa rzeczywista i urojona
Komentarz
Ponieważ funkcja transformowana jest rzeczywista, jej widmo jest określone już przez pierwsze cztery współrzędne, n=1,2,3,4. Druga połowa widma jest lustrzanym odbiciem pierwszej - symetrycznym dla składowej rzeczywistej i asymetrycznym dla urojonej.
Widzimy, że widmo urojone, wyrażane składnikami sinusoidalnymi, ma dwie składowe, podstawową dla n+1=2 o częstotliwości 1000 Hz i amplitudzie –4 oraz jej harmoniczną o częstotliwości 2000 Hz i amplitudzie 1,41.
Natomiast widmo rzeczywiste, wyrażone składnikami kosinusoidalnymi, ma tylko jedną składową o częstotliwości 2000 Hz i amplitudzie 1,41. Zatem obie składowe tworzą w rzeczywistości harmoniczną 2000 Hz o amplitudzie 2 i przesunięciu fazy 3pi/4. Wzrost amplitudy FFT w miarę zwiększania N jest naturalnym procesem. Należy o tym pamiętać, zwłaszcza przy naprzemiennym stosowaniu FFT oraz IFFT (inverse).
Jak widzimy, uzyskane widmo składa się z dwu harmonicznych, 1000 Hz i 2000 Hz. Pierwsza ma amplitudę 4 jednostki, druga 2 jednostki. Obie są przesunięte fazowo. Wynik odpowiada zatem produktowi wejściowemu z dokładnością do współczynnika stałego N/2.
Zadanie
Wyznaczyć sygnał f(t), który ma widmo skończone prostokątne 1 w przedziale ±w1
Wskazówka – należy zastosować transformatę odwrotną IFFT.
Literatura
R. Lyons, Wprowadzenie do cyfrowego przetwarzania sygnałów, WKŁ, W-wa 1999
darkstone