dft
Post on 16-Oct-2014
23 Views
Preview:
TRANSCRIPT
Νοέµβριος 2005 ΨΕΣ 1
DFTDFT∆ιακριτός µετ/σµός FourierDiscrete Fourier Transform
Νοέµβριος 2005 ΨΕΣ 2
ΟρισµοίO διακριτός µετασχηµατισµός Fourier – DFT, αναφέρεται σε µία
πεπερασµένου µήκους ακολουθία N σηµείων και ορίζεται ως εξής:
10)()]([)(1
0−≤≤== ∑
−
=
NkWnxnxDFTkXN
n
nkN
N2j
N eWπ
−=«παράγοντα στροβιλισµού- twiddle factor»
Παράγει Ν φασµατικούς συντελεστές χρησιµοποιώντας τα Ν δείγµατα εισόδου και τον
Νοέµβριος 2005 ΨΕΣ 3
ο αντίστροφος µετασχηµατισµός (inverse DFT) :
10)(1)]([)(1
0−≤≤== ∑
−
=
− NnWkXN
kXIDFTnxN
k
nkN
∆ίνει µια φόρµουλα σύνθεση του αρχικού σήµατος µε τη χρήση των Ν φασµατικών συντελεστών
Νοέµβριος 2005 ΨΕΣ 4
Ανάλυση σε συναρτήσεις βάσεως
[ ]
[ ]
[ ]
n
nπj83nπ2j
83nπ2j
82nπ2j
82nπ2j
8nπ2j
8nπ2j
84nπ2j
85nπ2j
83nπ2j
86nπ2j
82nπ2j
87nπ2j
8nπ2j
87nπ2j
86nπ2j
85nπ2j
84nπ2j
83nπ2j
82nπ2j
8nπ2j
8knπ2j7
0k
)1)(4(X81
)8
3nπ2sin()]3(XIm2[)8
3nπ2cos()3(XRe281
)8
2nπ2sin()]2(XIm2[)8
2nπ2cos()2(XRe281
)8
nπ2sin()]1(XIm2[)8
nπ2cos()1(XRe281
)0(X81
e)4(X81e)3(*Xe)3(X
81e)2(*Xe)2(X
81e)1(*Xe)1(X
81)0(X
81
e)4(Xe)5(Xe)3(Xe)6(Xe)2(Xe)7(Xe)1(X)0(X81
e)7(Xe)6(Xe)5(Xe)4(Xe)3(Xe)2(Xe)1(X)0(X81
e)k(X81)n(x
−
+⎥⎦⎤
⎢⎣⎡ −
+⎥⎦⎤
⎢⎣⎡ −
+⎥⎦⎤
⎢⎣⎡ −
+=
=+⎥⎥⎦
⎤
⎢⎢⎣
⎡++
⎥⎥⎦
⎤
⎢⎢⎣
⎡++
⎥⎥⎦
⎤
⎢⎢⎣
⎡++=
=⎥⎥⎦
⎤
⎢⎢⎣
⎡+++++++=
=⎥⎥⎦
⎤
⎢⎢⎣
⎡+++++++=
==
−−−
=∑
Νοέµβριος 2005 ΨΕΣ 5
Το ψηφιακό σήµα των 16 σηµείων αναλύεται σε άθροισµα 9 συνηµιτονικών και 9 (7) ηµιτονικώνψηφιακών σηµάτων
Ανάλυση σε ηµίτονα και συνηµίτοναπαράδειγµαπαράδειγµα
Νοέµβριος 2005 ΨΕΣ 6
Ο DFT σε µορφή πίνακα
xDX N=
1Nk0W)n(x)k(X1N
0n
nkN −≤≤= ∑
−
=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
− −−
−
)1N(x.....
)1(x)0(x
W.....W1............
W.....W11.....11
)1N(X......
)1(X)0(X
2)1(NN
1NN
1NN
1N
DN
Νοέµβριος 2005 ΨΕΣ 7
Ο ΙDFT σε µορφή πίνακα
XDx NN1 ∗=
Αντίστοιχα ο ορίζεται ως εξής:∗ND
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
=
−−−−
−−−∗
2)1(NN
)1N(N
)1N(N
1N
N
W.....W1............
W.....W11.....11
D
1NNNNN DD
N1
10000....0000100001
IDDN1 −∗∗ =⇔
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
==Αποδεικνύεται ότι
XDN1XDx N
1N
∗− ==Αρα
Νοέµβριος 2005 ΨΕΣ 8
Παράδειγµα :DFT δύο σηµείων x(n) = {xo x1 }, i.e. Ν=2
10)()(1
0
.2 ≤≤=∑
=
kWnxkXn
kn ππ
jjeeW −−
== 22
2
)1()0( )cos().1()0()1(1).0(
)1().0()()1(
1).1(1).0(
)1().0()()0(
1.12
1.02
1
0
12
0.12
0.02
1
0
0.2
xxxxexx
WxWxWnxX
xx
WxWxWnxX
jn
n
n
n
−=+=+=
+==
+=
+==
−
=
=
∑
∑
ππ
Νοέµβριος 2005 ΨΕΣ 9
1W2=-1π
πjj
eeW −−== 2
2
2
DFT δύο σηµείων σε µορφή πίνακα
⎯⎯→⎯
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
= =
−−
−2
11
11
2
1
1111
N
)(NN
NN
NNN
N
W.....W............
W.....W.....
D ⎥⎦
⎤⎢⎣
⎡−
=⎥⎦
⎤⎢⎣
⎡= − 11
111
112 πje
D
⎥⎦
⎤⎢⎣
⎡−+
=⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡−
=⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡
10
10
1
0
1
02
1
0
xxxx
xx
1111
xx
DXX
Όπως φαίνεται ο DFT2 είναι το άθροισµα και η διαφοράτων σηµείων x0 ,και x1.
Νοέµβριος 2005 ΨΕΣ 10
Παράδειγµα :DFT Ν=4 σηµείων x(n) = {xo x1 x2 x4}
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−−−−
−−=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
j1j11111j1j11111
WWW1WWW1WWW11111
94
64
34
64
44
24
34
244D4=
Στην εύρεση των πινάκων αυτών εµφανίζονται οι διάφορες
δυνάµεις του παράγοντα στροβιλισµού
24
πjeW −=
34W
124 −=W
jW −=14
104 =W
Νοέµβριος 2005 ΨΕΣ 11
Παράγοντας στροβιλισµού –Twiddle Factor (TF)
Nπ2j
N eW −=
1W NN =
)Nmod()kn(N
knN WW = πχ. jWW 1
494 −==
ισχύει πάντα:
kjkN
Nπ2
eW −=
knN
2/NknN WW −=+
8kπ2jk
8 eW−
=12π/8
jW28 −=
18W
Νοέµβριος 2005 ΨΕΣ 12
Σχέση DFT - DTFT
∑∞
−∞=
−==n
nωjωi e)n(x)]n(x[DTFT)e(X
kωωj
Nπ
)e(X)k(X2=
=
∑∑−
=
−−
=
===1N
0n
knNπ2j1N
0n
knN e)n(xW)n(x)]n(x[DFT)k(X
Συµπέρασµα: Ο DFT προέρχεται από δειγµατοληψία του DTFT
Νοέµβριος 2005 ΨΕΣ 13
DFT - DTFT - DFS
n k
n
ω
x(n)
|X(ω)|
x(n)
X(k)
DTFT
DFS
DFT
Νοέµβριος 2005 ΨΕΣ 14
παραδείγµατα
Για το σήµα x(n)=[1,1,1,1] υπολογείστε: α)τον DTFT β) τον DFT4
ωjωj
ω4j
ω3jωj2ωj3
0n
nωjωj
23
e)2/ωsin(
)ω2sin(e1e1
eee1e)n(x)e(X
−
−
−
−−−
=
−
=−−
=
+++== ∑α) Ο DTFT :
β) Ο DFT4 :
0)3(X)2(X0j1j1)j()j()j()j()1(X
41111)0(XραΑ
jeW;3,2,1,0k,W)n(x)k(X
44
32104
4
4/π2j4
3
0n
nk44
===+−−=−+−+−+−=
=+++=
−==== −
=∑
34W
124 −=W
jW −=14
104 =W
Νοέµβριος 2005 ΨΕΣ 15
DFTDTFT
Νοέµβριος 2005 ΨΕΣ 16
Αύξηση της πυκνότητοςτου φάσµατος µε DFT
Αύξηση της πυκνότητας γίνεται µε ελάττωση του βήµατος ω=2π/Ν δηλ
µε αύξηση του Ν.
επιτυγχάνεται µε πρόσθεση στη ακολουθία µηδενικών (zero padding).
Η "πράξη" αυτή δεν αλλάζει την απόκριση συχνότητας (DTFT)
αλλά αυξάνει την συχνότητα δειγµατοληψίας του DTFT
Νοέµβριος 2005 ΨΕΣ 17
(5)X1.082e......(3)X
0(4)X(2)X(7)X2.61e......(1)X
.............................400001111(0)X
Αρα
7;0,1,2,3...kx(n)W(k)X
88
88
8j67.5
8
8
7
0
nk88
j22.5 ∗
∗−
=
===
=====
=+++++++=
==
−
∑
o
o
n
Γιά το σήµα x(n)={1,1,1,1,0,0,0,0}
υπολογίζουµε τον DFT8 (8 σηµείων) Χ8(k).
DFT4
0 . 5 1 1.5 2
4
2
0
DTFT
DFT8
Νοέµβριος 2005 ΨΕΣ 18
Φάσµατα µεγάλης ανάλυσηςΗ διαδικασία του zero-padding αυξάνει την πυκνότηταδειγµατοληψίας αλλά σε καµία περίπτωση δεν µεταβάλλει τοφάσµα Η(ejω).Το φάσµα αυτό καθορίζεται για κάθε ω την στιγµή που δίνονταιτα Ν σηµεία x(n). O DFT βρίσκει τις τιµές Η(ejω) για τιµές τουω=2π/Ν και αύξηση του Ν αλλάζει τα σηµεία δειγµατοληψίας.Βελτίωση της διακριτότητας ανάλυσης (resolution)τουφάσµατος γίνεται ……
….από τη σχέση αβεβαιότητος µεταξύ συχνότητας και χρόνου
∆ω ≥ 2π/L∆ω είναι η διαφορά που πρέπει να έχουν δύο συχνότητες ω1 και ω2 γιανα γίνουν αντιληπτές από τον DFT και L είναι ο αριθµός των σηµείωνx(n).
Νοέµβριος 2005 ΨΕΣ 19
Το σήµα x(n) περιέχει 3 συχνότητες: f1/fs=2/10, f2/fs=2.5/10 και f3/fs=3/10 . x(n)=cos(2π2/10n)+cos(2π2.5/10 n)+cos(2π3/10n). Tα αποτελέσµατα του DFT δεικνύονται στο σχήµα για διάφορα L και Ν.Στη δεύτερη γραµµή λόγω αύξησης της ανάλυσης εµφανίζεται και τοτρίτο µέγιστο.
L=10Ν=64
L=10Ν=32
L=20Ν=64
L=20Ν=32
Νοέµβριος 2005 ΨΕΣ 20
Ιδιότητες του DFT
1Nk0W)n(x)]n(x[DFT)k(X1N
0n
nkN −≤≤== ∑
−
=
Γραµµικότητα: DFT[ax1(n)+bx2(n)] = aDFT[x1(n)] +bDFT[x2(n)]
Περιοδικότητα: Χ(k+N)=X(k)
Kυκλική αντιστροφή :Eάν ορίσουµε την αντιστροφή στο χρόνο:
Τότε ισχύει: ⎩⎨⎧
≤≤−=
=−1-Nn1νάε)nN(x
0nνάε)0(x))n((x N
⎩⎨⎧
≤≤−=
=−=−1-Nk1νάε)kN(X
0kνάε)0(X))k((X]))n((x[DFT NN
Νοέµβριος 2005 ΨΕΣ 21
α)η ακολουθία x(n)
β)η ακολουθία x(-n)
γ) η x(n) και η x(-n) παριστάνονται στηνπεριφέρεια σεαντίθετη φορά
δ) H x(-n) µε τηνκλασσική έννοια τηςαντιστροφής αλλά σεπεριοδική επέκτασητου σήµατος
0 1 2 3 4 5 6 7n
x(n)
0 1 2 3 4 5 6 7n
x(-n)
n
- n
(α) (β)
(γ)
0 1 2 3 4 5 6 7n
x(n) (δ)
Νοέµβριος 2005 ΨΕΣ 22
Παράδειγµα: η ακολουθία x(n)=10(0.8)n, 0≤n≤10, και οι ακολουθίες: x((-n))11 ,FFT{x(n)} και FFT{ x((-n))11}
x(n)=10(0.8)n , 0≤n≤10
x((-n))11
ReFFT{x(n)} ImFFT{x(n)}
ReFFT{x(-n)11} ImFFT{x(-n)11}
Νοέµβριος 2005 ΨΕΣ 23
Ιδιότητες του DFT (συνέχεια)
Συµµετρίες (για πραγµατικές σειρές)
X(k)=X*((- k))N =⎩⎨⎧
≤≤−=
∗
∗
1-Nk1νάε)kN(X0kνάε)0(X
Παρατηρήσεις:
Λόγω της συµµετρίας ο X(k) πρέπει να υπολογισθεί για τιµές του k=0, 1, … N/2 (για N άρτιο) ή (N-1)/2 (για Ν περιττό). Αυτό είναι απόλυτα λογικό διότι ο DFTΝείναι µιγαδικός αριθµός εποµένως έχει 2Ν τιµές. Επειδή όµως προέρχεται απόΝ σηµεία x(n) πρέπει να έχει Ν βαθµούς ελευθερίας.
Επειδή Χ(0)=Χ*((-0))Ν=Χ*(0) Χ(0) = πραγµατικός
Εάν Ν=άρτιος τότε και ο Ν/2 όρος είναι πραγµατικός:
Χ(Ν/2) =Χ*(N-Ν/2) = X*(N/2)
Νοέµβριος 2005 ΨΕΣ 24
» X=fft(x)
Χ(5)- Πραγµατικός
Χ(0) - Πραγµατικός
X(0)= 44.6313X(1)= 9.1126 -12.1461iX(2)= 5.8657 - 5.9285iX(3)= 5.2159 - 3.1819i X(4)= 5.0107 - 1.4304iX(5)= 4.9590X(6)= 5.0107 + 1.4304iX(7)= 5.2159 + 3.1819i X(8)= 5.8657 + 5.9285iX(9)= 9.1126 +12.1461i
x = 10.0000 8.0000 6.4000 5.1200 4.0960 3.2768 2.62142.0972 1.6777 1.3422
N=10
Νοέµβριος 2005 ΨΕΣ 25
Ιδιότητες του DFT (συνέχεια)
Κυκλική Μετατόπιση
Οταν µια ακολουθία Ν σηµείων πρέπει να µετατοπισθείακολουθούµε τα εξής βήµατα:
µετατρέπουµε την ακολουθία x(n) σε περιοδική
µετατοπίζουµε κατά m δείγµατα :
κρατάµε µία περίοδοRN είναι ένα ορθογώνιο παράθυρο που έχει Ν µόνο µη µηδενικές τιµές(και =1).
για τον DFT έχουµε:
DFT[x((n-m))NRN(n)]=WNkmX(k)
N))n((x)n(x~ =
N))mn((x)mn(x~ −=−
NR)mn(x~ −
Νοέµβριος 2005 ΨΕΣ 26
α) η ακολουθία x(n)=10x0.8n για 0≤n≤10 (11 σηµεία)β) περιοδική επέκτασηγ) µετατόπιση αριστερά κατά τέσσερα σηµεία x((n+4))11R11δ) µετατροπή σε µία ακολουθία 11 πάλι σηµείων
αγ
β δ
x(n+4)
n=4
Νοέµβριος 2005 ΨΕΣ 27
Ιδιότητες του DFT (συνέχεια)
ΚυκλικήΚυκλική ΣυνέλιξηΣυνέλιξηΒάσει της κυκλικής µετατόπισης, η κυκλική συνέλιξη ορίζεται ως εξής:
Για τον DFT της κυκλικής συνέλιξης ισχύει η εξής βασική ιδιότητα:
DFT[x1(n)⊗x2(n)]=X1(k) X2(k)
N2
1N
0m121 ))mn((x)m(x)n(x)n(x −=⊗ ∑
−
=
Νοέµβριος 2005 ΨΕΣ 28
κυκλική συνέλιξη - Παράδειγµα
Για τις ακολουθίες x1={1,2,2} και x2={1,2,3,4} Να υπολογισθεί η κυκλική συνέλιξη 4 σηµείων: x1(n) ⊗ x2(n)
Επειδή η x2 είναι ακολουθία 4 σηµείων τροποποιούµε:x1(n) ={1,2,2,0} , x2(n)={1,2,3,4}Στη συνέχεια στο πεδίο του χρόνου υπολογίζουµε:
n=0 x1(m)x2(-m) = {1,2,2,0}T•{1,4,3,2}=15
n=1 x1(m)x2((1-m))4 = {1,2,2,0}T•{2,1,4,3}= 12
n=2 ………………………… =9n=3 ………………………… =14Αρα x1(n) ⊗ x2(n) = {15,12,9,14}
∑=
3
0m
∑=
3
0m
Νοέµβριος 2005 ΨΕΣ 29
κυκλική συνέλιξη - Παράδειγµα (συνέχεια)
Αντίστοιχα στο πεδίο των συχνοτήτων (DFT) έχουµε:DFT{x1(n)}= { 5, -1-2j, 1, -1+2j}
DFT{x2(n)}= {10, -2+2j, -2, -2-2j}
X1(k) X2(k)={50, 6+2j, -2, 6-2j}
IDFT{X1(k) X2(k)} = x1(n) ⊗x2(n) ={15, 12, 9, 14}
Νοέµβριος 2005 ΨΕΣ 30
κυκλική συνέλιξη - Παράδειγµα - (συνέχεια)
Γραφική αναπαράσταση των ακολουθιών του παραδείγµατοςx1={1,2,2,0} και x2={1,2,3,4}
1
2
3
4
1
2
2
0 1
4
3
2
x2(-m)
x1(m)
x2(1-m)
Οι δύο εσωτερικοί κύκλοι παριστάνουν τις κυκλικές ακολουθίες x1(m) καιx2(-m). Στον εξωτερικό κύκλο δεικνύεται η x2(1-m)
Νοέµβριος 2005 ΨΕΣ 31
Ιδιότητες του DFT (συνέχεια)
Γραµµική συνέλιξηΣτηριζόµενοι στην κυκλική συνέλιξη, µπορούµε να υπολογίσουµε και τη γραµµική συνέλιξηΈστω x1(n) µία ακολουθία N1 σηµείων και
x2(n) µία ακολουθία N2 σηµείων.H γραµµική συνέλιξη είναι x3(n) = x1(n) ∗x2(n) =
Η ακολουθία x3(n) είναι µία ακολουθία N= N1+N2–1 σηµείων. Επιλέγοντας Ν= Ν1+Ν2-1 σηµεία υπολογίζεται η κυκλική συνέλιξη x4(n)
x4(n) = x1(n) ⊗ x2(n) = x3(n) για 0 ≤ n ≤ N-1
Που ισούται βέβαια µε την γραµµική συνέλιξη.
)kn(x)k(xN
−∑−
2
1
01
1
Νοέµβριος 2005 ΨΕΣ 32
Ιδιότητες του DFT (συνέχεια)
ΠαράδειγµαΝα υπολογισθεί η γραµµική και κυκλική συνέλιξη για τα σήµαταx1(n)={1,2,2,1} και x2(n)={1,-1,-1,1}
x1=[1 2 2 1];x2=[1 –1 –1 1];x3=conv(x1,x2)= 1 1 –1 –2 -1 1 1Επιλέγοντας N=4+4-1=7 και εκτελώντας κυκλική συνέλιξη προκύπτει το ίδιο αποτέλεσµα
Για την γραµµική συνέλιξη, από το Matlab λαµβάνουµε:
Νοέµβριος 2005 ΨΕΣ 33
Kυκλική και γραµµική συνέλιξηΓραφική αναπαράσταση
h[n]
y[n]
1 περίοδος ( N )
0 nΚυκλική (περιοδική) Συνέλιξη
x[n] x[n]
h[n]
y[n]
nΓραµµική (µη περιοδική) Συνέλιξη
Για να έχουµε σωστό αποτέλεσµα συνέλιξης πρέπει κάθε ακολουθία να έχει 7+5-1=11 σηµεία
Νοέµβριος 2005 ΨΕΣ 34
Ταχεία συνέλιξη (Fast Convolution)
Η συνολική διαδικασία φιλτραρίσµατος µε FFT περιλαµβάνειτην εύρεση των δύο FFTs δηλ. της κρουστικής απόκρισης h(n) και τουσήµατος εισόδου x(n)την εύρεση του γινοµένου των δύο FFTs.την αντιστροφή (υπολογισµός του IFFT)
Η συνολική αυτή διαδικασία έχει την ονοµασία ταχεία συνέλιξη (fast convolution)
FFT
FFT
Πολλαπλασιασµός
ΙFFT
x(n)
h(n)
y(n)
Νοέµβριος 2005 ΨΕΣ 35
Ταχεία συνέλιξη (γραφικά)
h(n)
1 64
x(n)
1 128
y(n)=x(n) ∗h(n)
X(k)
|H(k)| |H(k)| |X(k)|
IFFT
Νοέµβριος 2005 ΨΕΣ 36
Συνέλιξη κατά τµήµατα (block convolutions)
Μέθοδος επικάλυψης – πρόσθεσης (overlap and add)
Μέθοδος επικάλυψης – αποθήκευσης (overlap and save
- select and save)
x(n)
h(n)
y(n)
h(-n)
Νοέµβριος 2005 ΨΕΣ 37
x(n)
h(n)
y0
y1
y2
y(n)
Συνέλιξη µε τηνµέθοδοεπικάλυψης-πρόσθεσης
Νοέµβριος 2005 ΨΕΣ 38
x(n)
h(n)
y0
y1
y2
y(n)
Συνέλιξη µε τηνµέθοδο επικάλυψης-αποθήκευσης . Ηεπικάλυψη είναι 3 σηµεία. Τα 3 πρώταδείγµατα σε κάθε επιµέρους συνέλιξηαπορρίπτονται.
top related