signaltransformationen (1 vo + 1 ue) teil 2: fourier-analyse · konvergenz der fourier-reihe (fr)...
TRANSCRIPT
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Signaltransformationen (1 VO + 1 UE)Teil 2: Fourier-Analyse
Klaus Witrisal
Technische Universitat GrazInstitut fur Signalverarbeitung und Sprachkommunikation
http://spsc.tugraz.at
Uberblick der VorlesungsthemenMay 12, 2017
Klaus Witrisal May 12, 2017 Slide 1/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Konzept der Fourier-Analyse
I Diskussion von “Signaltransformationen” aus der Sicht derSignalverarbeitung und Nachrichtentechnik
I Idee: Darstellung von Signalen als Linearkombination von“Standard”-Signalen (Basis- bzw. Eigensignale)
I Fourier-Analyse: gewahlt werden komplexe Exponential-funktionen
I Bsp.: (Fourier Reihe)
x(t) =
∞∑k=−∞
akejkω0t
ak . . . Gewichtsfaktorenejkω0t . . . komplexe Exponentialfunktionen
Klaus Witrisal May 12, 2017 Slide 2/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Bsp: Diskussion der komplexen Exponentialfunktion
I geg.: x(t) = Ceat, wobei C und a komplexwertig sein konnen
I Fall 1:I C, a ∈ R (reellwertig)I wir erhalten reelwertige, exponentiell anwachsende (r > 0)
bzw. abfallende (r < 0) Funktionen
I Fall 2: (Verwendung in der Fourier-Analyse!)I a = jω (rein imaginaerwertig)I C ∈ C (komplexwertig); C = |C|ejϕI wir erhalten komplexwertige, periodische Funktionen mit
konstantem Betrag (Bsp.: Beweise dieser Eigenschaften)I in der komplexen Ebene: Zeiger, der mit konstanter
Geschwindigkeit (ω) rotiert (Bsp.: Illustration)
I Fall 3:I a ∈ C (a = jω + σ) und C ∈ C (beide komplexwertig)I bedampfte, komplexe Exponentialfunktionen
Klaus Witrisal May 12, 2017 Slide 3/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Bedeutung der Signaldarstellung durch komplexeExponentialfunktionen
1. Interpretation des Frequenzgehalts von SignalenI durch Frequenzen und Amplituden der Exponential-
schwingungenI dazu ist es wichtig, dass eine “breite Klasse” von
Signalen darstellbar ist!
2. Betrachtung von linearen, zeitinvarianten (LZI) SystemenI Antwort eines LZI Systems auf eine komplexe Exponential-
funktion ist wieder eine komplexe Exponentialfunktion mit derselben Frequenz aber mit geanderter Amplitude
I komplexe Exponentialfunktionen sind “Eigenfunktionen”von LZI Systemen
Klaus Witrisal May 12, 2017 Slide 4/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Unterscheidung von Signalklassen (Themen diesesVL-Teils)
I verschiedene Signalklassen benotigen verschiedene Variantender Fourier-Analyse
I Einteilung in:I periodische / nichtperiodische SignaleI zeitkontinuierliche / zeitdiskrete Signale
daraus resultieren vier Formen der Fourier-Analyse, die indiesem VL-Teil behandelt werden
I Und eine funfte Form:I zeitbeschrankte, zeitdiskrete Signale
(vgl. eine Periode der periodischen, zeitdiskreten Form)
(wichtig fur numerische Berechnung durch Computer (DFT))
Klaus Witrisal May 12, 2017 Slide 5/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
1. Form: Fourier Reihe zur Darstellung periodischer,zeitkontinuierlicher Signale
I periodisches Signal x(t) ∈ C:
es gilt x(t) = x(t+ T ) fur alle t ∈ RT . . . Periode (T > 0)
I Fourier Reihe:
x(t) =
∞∑k=−∞
akejkω0t
ak ∈ C . . . Fourier-Koeffizienten; k ∈ Zω0 . . . Frequenz der Grundschwingung; ω0 = 2π/Tkω0 . . . Frequenz der k-ten harmonischen Komponente;
der (k − 1)-ten Oberschwingung
Klaus Witrisal May 12, 2017 Slide 6/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Beispiele
1. Beispiel
I geg.: x(t) = sinω0t periodisch mit T = 2π/ω0I ges.: Fourier Reihe
I Methode: KoeffizientenvergleichI Lernziel: Zerlegung der reelwertigen Funktion sinω0t in
komplexe Exponentialfunktionen
2. BeispielI geg.: x(t) = 1 + 2 cosω0t+ sinω0t+ cos(2ω0t+ π/4)
periodisch mit T = 2π/ω0I ges.: Fourier Reihe
I Methode: Koeffizientenvergleich
Klaus Witrisal May 12, 2017 Slide 7/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Berechnung der Fourier-Koeffizienten
I Umformung der Fourier-Reihe
x(t) =
∞∑k=−∞
akejkω0t
ergibt
ak =1
T
∫ t0+T
t0
x(t)e−jkω0tdt
t0 ∈ R . . . beliebiger Startpunkt des Integrationsintervalls
Klaus Witrisal May 12, 2017 Slide 8/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Beispiel
3. Beispiel:
I geg.: periodisches Rechtecksignal x(t) = x(t+ T ),
x(t) =
{1 |t| ≤ T10 T1 < |t| ≤ T/2
I ges.: Fourier Reihe; graphische Darstellung der Koeffizientenfur T1 = T/4
I Methode/Lernziel: Berechung der Fourier-Koeffizienten mitHilfe der Analysegleichung
Klaus Witrisal May 12, 2017 Slide 9/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Beispiel 3 (cont’d)
−20 −15 −10 −5 0 5 10 15 20−0.2
0
0.2
0.4
0.6
coefficient index k
Re{a
k}
−20 −15 −10 −5 0 5 10 15 20−1
−0.5
0
0.5
1
coefficient index k
Im{a
k}
Klaus Witrisal May 12, 2017 Slide 10/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Konvergenz der Fourier-Reihe (FR):Ist ein periodisches Signal x(t) tatsachlich als Fourier-Reihedarstellbar?
I sind alle Koeffizienten endlich, also |ak| <∞ fur alle k?
I ist die FR-Darstellung endlich?
I ist die FR-Darstellung gleich dem Originalsignal x(t)?
Kriterium der endlichen Energie:∫T|x(t)|2dt <∞
Wenn dieses Kriterium erfullt ist, dann sind
I alle |ak| <∞ (Beispiel: Beweis)
I Die Energie des Darstellungsfehlers geht gegen Null(Konvergenz im Sinne des quadratischen Fehlers)
Klaus Witrisal May 12, 2017 Slide 11/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Konvergenz der Fourier-Reihe (FR) (cont’d):Dirichlet Bedingungen: Das Signal
I ist “absolut Integrierbar”∫T|x(t)|dt <∞
I hat endlich viele Schwingungen innerhalb einer Periode T
I hat endlich viele Sprunge innerhalb einer Periode T
Dann ist die FR identisch dem Signal x(t) fur alle t,
Ausnahme:
I An Unstetigkeitsstellen (Sprungstellen) konvergiert die FRzum Mittelwert der rechts- und linksseitigen Grenzwerte
I Gibbs-Phanomen: Uberschwinger an Sprungstellen bei derSynthese mittels abgebrochener FR (Beispiel: Rechtecksignal)
Klaus Witrisal May 12, 2017 Slide 12/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Beispiel 3 (cont’d)
−4 −3 −2 −1 0 1 2 3 4−0.5
0
0.5
1
1.5
N = 1
time t
−4 −3 −2 −1 0 1 2 3 4−0.5
0
0.5
1
1.5
N = 5
time t
−4 −3 −2 −1 0 1 2 3 4−0.5
0
0.5
1
1.5
N = 20
time t
−4 −3 −2 −1 0 1 2 3 4−0.5
0
0.5
1
1.5
N = 3
time t
−4 −3 −2 −1 0 1 2 3 4−0.5
0
0.5
1
1.5
N = 7
time t
−4 −3 −2 −1 0 1 2 3 4−0.5
0
0.5
1
1.5
N = 80
time t
Klaus Witrisal May 12, 2017 Slide 13/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Beispiel
4. Beispiel:
I geg.: periodisches Rechtecksignal (wie in Bsp. 3)x(t) = x(t+ T ),
x(t) =
{1 |t| ≤ T10 T1 < |t| ≤ T/2
Die Koeffizienten {ak} sind bekannt; es sei T1 = T/4.I Das Signal wird durch ein RC-Tiefpassfilter geschickt, mit
H(jω) =1
1 + jωRC
I ges.: Fourier Reihe des Ausgangssignals y(t)I Methode/Lernziel: Berechung der Systemantwort einers LZI
Systems mittels Fourier-Reihendarstellung und FrequenzgangI Konvergenz der FR des Ein- bzw. Ausgangssignals;
Symmetrie-Eigenschaften
Klaus Witrisal May 12, 2017 Slide 14/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Beispiel 4 (cont’d)
−20 −15 −10 −5 0 5 10 15 20−0.2
0
0.2
0.4
0.6
coefficient index k
Re{b
k}
−20 −15 −10 −5 0 5 10 15 20−0.2
−0.1
0
0.1
0.2
coefficient index k
Im{b
k}
Klaus Witrisal May 12, 2017 Slide 15/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Beispiel 4 (cont’d)
−4 −3 −2 −1 0 1 2 3 4−0.5
0
0.5
1
1.5
N = 1
time t
−4 −3 −2 −1 0 1 2 3 4−0.5
0
0.5
1
1.5
N = 5
time t
−4 −3 −2 −1 0 1 2 3 4−0.5
0
0.5
1
1.5
N = 20
time t
−4 −3 −2 −1 0 1 2 3 4−0.5
0
0.5
1
1.5
N = 3
time t
−4 −3 −2 −1 0 1 2 3 4−0.5
0
0.5
1
1.5
N = 7
time t
−4 −3 −2 −1 0 1 2 3 4−0.5
0
0.5
1
1.5
N = 80
time t
Klaus Witrisal May 12, 2017 Slide 16/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Zusammenfassung: Fourier Reihe fur periodische,zeitkontinuierliche Signale
I Fur ein periodisches Signal x(t) = x(t+ T ) ∈ C gilt
x(t) =
∞∑k=−∞
akejkω0t (Synthesegleichung)
ak =1
T
∫Tx(t)e−jkω0tdt (Analysegleichung)
ak ∈ C . . . Fourier-Koeffizienten; k ∈ Zω0 . . . Frequenz der Grundschwingung; ω0 = 2π/T
I Kurzschreibweise
x(t) = x(t+ T )FR←→ {ak}
Klaus Witrisal May 12, 2017 Slide 17/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Eigenschaften der FRGeg: Zwei periodische Signale und deren Fourier-Koeffizienten:
x(t) = x(t+ T )FR←→ {ak}
y(t) = y(t+ T )FR←→ {bk}
Linearitat:
I es gilt fur eine Linearkombination der Signale:
z(t) = Ax(t) +By(t)FR←→ ck = Aak +Bbk
Zeitverschiebung:
I es gilt fur eine verschobene Version des Signals x(t): (Beweis)
y(t) = x(t− t0)FR←→ bk = ake
−jkω0t0 = ake−j2πkt0/T
I weitere Eigenschaften siehe Tabelle!
Klaus Witrisal May 12, 2017 Slide 18/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Beispiel
5. Beispiel:
I geg.: periodisches Rechtecksignal (wie in Bsp. 3)x(t) = x(t+ T ),
x(t) =
{1 |t| ≤ T10 T1 < |t| ≤ T/2
Die Koeffizienten {ak} sind bekannt; es sei T1 = T/4.I ges.: Fourier Reihe des verschobenen Signals
g(t) = x(t− T/4)− 1/2
I Methode/Lernziel: Anwendung der Eigenschaften der FR;Auswirkung auf die Reihendarstellung; Diskussion derSymmetrie-Eigenschaften
Klaus Witrisal May 12, 2017 Slide 19/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Fourier-Reihe fur reelwertige SignaleHermitesche Symmetrie der Koeffizienten:
I es gilt fur x(t) = x(t+ T ) ∈ R
x(t)FR←→ {ak} mit ak = a∗−k hermitesch
|ak| = |a−k| gerade
∠ak = −∠a−k ungerade
Re(ak) = Re(a−k) gerade
Im(ak) = −Im(a−k) ungerade
I Beweis ergibt harmonische Form der FR:
x(t) = a0 +∞∑k=1
Ak cos(kω0t+ ϕk)
mitAk = 2|ak| . . . Amplitude der k. Harmonischenϕk = ∠ak . . . Phase der k. Harmonischen
Klaus Witrisal May 12, 2017 Slide 20/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Fourier-Reihe fur reelwertige Signale (cont’d)eine weitere Form der FR fur x(t) = x(t+ T ) ∈ R:
I Trigonometrische Form der FR:
x(t) = a0 +
∞∑k=1
αk cos(kω0t) + βk sin(kω0t)
αk = 2Re(ak) . . . Koeffiz. der geraden Funktionsteileβk = −2Im(ak) . . . Koeffiz. der ungeraden Funktionsteile
I direkte Berechnung der Koeffizienten:
αk =2
T
∫Tx(t) cos(kω0t)dt
βk =2
T
∫Tx(t) sin(kω0t)dt
Klaus Witrisal May 12, 2017 Slide 21/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
2. Form: Fourier-TransformationI nicht-periodisches Signal x(t) ∈ C
I Analyse heißt Fourier-TransformationI Synthese heißt inverse Fourier-Transformation
I Erklarungsansatz: Fourier-Reihe, wobei die Periode T →∞bzw. die Frequenz der Grundschwingung ω0 → 0
Beispiel:
I geg.: periodisches Rechtecksignal x(t) = x(t+ T ),
x(t) =
{1 |t| ≤ T10 T1 < |t| ≤ T/2
I ges.: Fourier-Koeffizienten fur z.B. T = 4T1, 16T1, . . . ;Einhullende der Fourier Koeffizienten Tak
I Lernziel: Auswirkung der steigenden Periode bzw. fallendenGrundfrequenz auf die Fourier-Koeffizienten
Klaus Witrisal May 12, 2017 Slide 22/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Fourier-Transformation: fur nicht-periodische Signale
Herleitung mittels Grenzubergang T →∞ bzw. ω0 → 0:
x(t) =1
2π
∞∑k=−∞
X(jkω0)ejkω0tω0 → x(t) =
1
2π
∫ ∞−∞
X(jω)ejωtdω
x(t) . . . periodisch fortgesetzte Version des Signals x(t)X(jω) . . . Einhullende der FR-Koeffizienten Takω . . . kontinuierliche Frequenzvariable
I Die Einhullende X(jω) wird Fourier-Transformierte genannt
X(jω) =
∫ ∞−∞
x(t)e−jωtdt
Klaus Witrisal May 12, 2017 Slide 23/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Beispiele
6. Beispiel:
I geg.: Rechteckpuls
x(t) =
{1 |t| ≤ T10 |t| > T1
I ges.: Fourier Transformierte X(jω)I Methode: Berechnung der FT mittels Analysegleichung
7. Beispiel:I geg.: Rechtsseitige, reellwertige Exponentialfunktion
x(t) = e−atu(t); a > 0, a ∈ R
u(t) . . . SprungfunktionI ges.: Fourier Transformierte X(jω); Diskussion von X(jω)
I Methode: Berechnung der FT mittels Analysegleichung
Klaus Witrisal May 12, 2017 Slide 24/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Konvergenz der Fourier-Transformation (FT):Ist ein Signal x(t) tatsachlich als FT darstellbar?
I ist die Transformierte endlich, also |X(jω)| <∞ fur alle ω?
I ist die inverse FT endlich?
I ist die inverse FT gleich dem Originalsignal x(t)?
Kriterium der endlichen Energie:∫ ∞−∞|x(t)|2dt <∞
Wenn dieses Kriterium erfullt ist, dann gilt
I |X(jω)| <∞ fur alle ω (Beispiel: Beweis)
I Die Energie des Darstellungsfehlers geht gegen Null(Konvergenz im Sinne des quadratischen Fehlers)
Klaus Witrisal May 12, 2017 Slide 25/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Konvergenz der Fourier-Transformation (FT) (cont’d):
Dirichlet Bedingungen: Das Signal x(t)
I ist “absolut Integrierbar”∫ ∞−∞|x(t)|dt <∞
I hat endlich viele Schwingungen in einem endlichen Intervall
I hat endlich viele, endlich hohe Sprunge in einem endl. Intervall
Dann ist die inverse FT identisch dem Signal x(t) fur alle t,
Ausnahme:
I An Unstetigkeitsstellen (Sprungstellen) konvergiert die FTzum Mittelwert der rechts- und linksseitigen Grenzwerte
Klaus Witrisal May 12, 2017 Slide 26/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Beispiel8. Beispiel:
I geg.: periodische, komplexe Exponentialfunktion
x(t) = ejω0t
I ges.: Fourier Transformierte X(jω)I Methode/Lernziel: Diskussion der Konvergenzbedingungen;
Definition des Dirac-Pulses
Definition des Dirac-Pulses δ(t) (Dirac-Verteilung)∫ ∞−∞
δ(t)dt = 1; δ(t) = 0 fur t 6= 0
I Ausblendeeigenschaft:∫ ∞−∞
x(t)δ(t− t0)dt = x(t0)
∫ ∞−∞
δ(t− t0)dt = x(t0)
fur x(t) stetig an der Stelle t = t0
Klaus Witrisal May 12, 2017 Slide 27/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Beispiele
9. Beispiel:
I geg.: Dirac-Puls bei t = 0
x(t) = δ(t)
I ges.: Fourier Transformierte X(jω)I Methode: Berechnung der FT mittels Analysegleichung und
Ausblendeeigenschaft
10. Beispiel:I geg.: Dirac-Puls im Frequenzbereich
X(jω) = 2πδ(ω − ω0)
I ges.: inverse Fourier Transformierte x(t)I Methode: Berechnung der inversen FT mittels
Synthesegleichung und AusblendeeigenschaftI Lernziel: Fourier-Transformation periodischer Funktionen
mittels Dirac-Puls (vgl. Bsp. 8)
Klaus Witrisal May 12, 2017 Slide 28/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Zusammenfassung: Fourier Transformation furnicht-periodische, kontinuierliche Signale
I Fur ein nicht-periodisches Signal x(t) ∈ C gilt
X(jω) =
∫ ∞−∞
x(t)e−jωtdtFourier Transformation(Analysegleichung)
x(t) =1
2π
∫ ∞−∞
X(jω)ejωtdωinverse Fourier Transf.(Synthesegleichung)
X(jω) . . . Fourier Transformierte
I Kurzschreibweise
x(t)FT←→ X(jω)
Klaus Witrisal May 12, 2017 Slide 29/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Eigenschaften der Fourier TransformationGeg: Zwei Signale und deren Fourier-Transformierte:
x(t)FT←→ X(jω)
y(t)FT←→ Y (jω)
Linearitat:
I es gilt fur eine Linearkombination der Signale:
z(t) = Ax(t) +By(t)FT←→ Z(jω) = AX(jω) +BY (jω)
Zeitverschiebung:
I es gilt fur eine verschobene Version des Signals x(t): (Beweis)
y(t) = x(t− t0)FT←→ Y (jω) = e−jωt0X(jω)
I weitere Eigenschaften siehe Tabelle!
Klaus Witrisal May 12, 2017 Slide 30/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Beispiel
11. Beispiel:
I geg.: Periodische Funktion
x(t) = cos(ω0t)
I ges.: Fourier Transformierte X(jω)I Methode: Berechnung der FT mittels Transformationspaar
ejω0t FT←→ 2πδ(ω − ω0) (merken!); Linearitatseigenschaft
Klaus Witrisal May 12, 2017 Slide 31/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
3. Form: Fourier-Reihe zur Darstellung periodischer,zeitdiskreter Signale
I zeitdisktretes Signal x[n]; n ∈ Z ist ganzzahligI z.B. abgetastetes kontinuierliches Signal x[n] = x(nTs) mit
Abtastperiode TsI periodisches, zeitdisktretes Signal x[n] ∈ C:
es gilt x[n] = x[n+N ] fur alle n ∈ ZN . . . Periode (N ∈ N, also N > 0)
I Fourier-Reihe:
x[n] =∑k=〈N〉
akejkθ0n =
∑k=〈N〉
akejk 2π
Nn
ak ∈ C . . . Fourier-Koeffizienten; k ∈ Zθ0 . . . Grundfrequenz θ0 = 2π/N〈N〉 . . . Indexmenge der Reihenglieder
Klaus Witrisal May 12, 2017 Slide 32/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Diskussion: Zeitdiskrete, komplexe Exponentialfunktionenmit Periode N
I Die zeitdiskrete (ZD) Exponentialfunktion
x[n] = ejθn
ist periodisch mit der Periode N , wenn θ = k 2πN , k ∈ Z also
x[n] = ejk2πNn = ejkθ0n
mit θ0 = 2π/NI Bsp.: Beweis der PeriodizitatI Bsp.: Illustration in der komplexen Ebene
I Beachte: es gibt genau N verschiedene ZD, komplexeExponentialfunktionen mit Periode N
Klaus Witrisal May 12, 2017 Slide 33/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Fourier-Reihe fur zeitdiskrete Signale (cont’d)
daraus folgt fur die Fourier-Reihe:
I es genugt, genau N verschiedene Reihenglieder zubetrachten
x[n] =
k0+N−1∑k=k0
akejk 2π
Nn =
∑k=〈N〉
akejk 2π
Nn
k0 ∈ Z . . . beliebiger Startindex〈N〉 . . . allg. Indexmenge der Reihenglieder;
z.B.: 〈N〉 = {k0, k0 + 1, . . . , k0 +N − 1}
I kein Konvergenzproblem: wegen endlicher Anzahl vonReihengliedern
Klaus Witrisal May 12, 2017 Slide 34/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Berechnung der Fourier-Koeffizienten
I Umformung der Fourier-Reihe
x[n] =
N−1∑k=0
akejk 2π
Nn
ergibt
ak = ak±N = ak±2N = · · · = 1
N
n0+N−1∑n=n0
x[n]e−jk2πNn
n0 ∈ Z . . . beliebiger Startindex der Summe
Klaus Witrisal May 12, 2017 Slide 35/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Zusammenfassung: Fourier-Reihe fur periodische,zeitdiskrete Signale
I Fur ein periodisches Signal x[n] = x[n+N ] ∈ C, n ∈ Z gilt
x[n] =∑k=〈N〉
akejk 2π
Nn =
∑k=〈N〉
akejkθ0n (Syntheseglg.)
ak =1
N
∑n=〈N〉
x[n]e−jk2πNn =
1
N
∑n=〈N〉
x[n]e−jkθ0n (Analyseglg.)
ak ∈ C . . . Fourier-Koeffizienten; k ∈ Zak = ak+N . . . Periodizitat der Koeffizienten (∀k ∈ Z)θ0 . . . Frequenz der Grundschwingung; θ0 = 2π/N
Klaus Witrisal May 12, 2017 Slide 36/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Beispiele (ZD-FR)
12. Beispiel:
I geg.: N -periodisches ZD Signal
x[n] = sin(θ0n), θ0 =2π
N
I ges.: Koeffizienten der Fourier-Reihe {ak}; DarstellungI Methode/Lernziel: Berechnung der Fourier-Koeffizienten
mittels Koeffizientenvergleich; Illustration der Periodizitat
13. Beispiel:I geg.: ZD periodisches Rechtecksignal x[n] = x[n+N ],∀n ∈ Z
x[n] =
{1 −N1 ≤ n ≤ N1; N1 ∈ N0 sonst
I ges.: ZD Fourier-ReiheI Methode: Berechnung der Fourier-Koeffizienten mittels
Analyseglg.; Verwendung der endlichen geometrischen Reihe
Klaus Witrisal May 12, 2017 Slide 37/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
5. Form: Diskrete Fourier-Transformation (DFT)
I Fur endliche ZD Signale x[n] ∈ C der Lange N ,n = {0, 1, . . . , N − 1}
I gedachte N -periodische Fortsetzung; Verwendung der ZD FR
I Schreibweise (N -Punkt DFT):
x[n] =1
N
N−1∑k=0
X[k]ejk2πNn inverse DFT (Syntheseglg.)
X[k] =
N−1∑n=0
x[n]e−jk2πNn DFT (Analyseglg.)
X[k] . . . DFT von x[n], k = {0, 1, . . . , N − 1}X[k] = Nak . . . Definition durch Koeffizienten der ZD FR
Klaus Witrisal May 12, 2017 Slide 38/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Beispiel (DFT)
14. Beispiel:
I geg.: ZD Signal der Lange N
x[n] =
{1 n = 1, n = N − 10 n = 0, 2, 3, . . . , N − 2
I ges.: N -Punkt DFTI Methode/Lernziel: Berechnung der DFT; Modulo-N
Symmetrie
Klaus Witrisal May 12, 2017 Slide 39/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
4. Form: Zeitdiskrete Fourier-TransformationI nicht-periodisches Signal x[n] ∈ CI Ansatz: ZD Fourier-Reihe; Periode N →∞ bzw. Frequenz
der Grundschwingung θ0 → 0
x[n] =1
2π
∑k=〈N〉
X(ejkθ0)ejkθ0nθ0 → x[n] =1
2π
∫2πX(ejθ)ejθndθ
x[n] . . . periodisch fortgesetzte Version des Signals x[n]X(ejθ) . . . Einhullende der FR-Koeffizienten Nakθ . . . kontinuierliche Frequenzvariable
I Die Einhullende X(ejθ) wird zeitdiskrete Fourier-Transformierte (DTFT) genannt
X(ejθ) =∞∑−∞
x[n]e−jθn
Klaus Witrisal May 12, 2017 Slide 40/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Beispiele (DTFT)
15. Beispiel:I geg.: ZD Rechteckpuls
x[n] =
{1 |n| ≤ N1
0 |n| > N1
I ges.: DTFTI Methode: Berechnung der DTFT mittels Analyseglg.;
Verwendung der endlichen geometrischen Reihe
16. Beispiel:I geg.: ZD, rechtsseitige Exponentialfunktion
x[n] = anu[n]; 0 < a < 1; a ∈ R
u[n] . . . ZD SprungfunktionI ges.: DTFT
I Methode/Lehrziel: Berechnung der DTFT mittels Analyseglg.;Diskussion von Betrag und Phase; graphische Darstellung
Klaus Witrisal May 12, 2017 Slide 41/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Zusammenfassung: DTFT fur nicht-periodische,zeitdiskrete Signale
I Fur ein nicht-periodisches Signal x[n] ∈ C, n ∈ Z gilt
X(ejθ) =
∞∑−∞
x[n]e−jθnZDFT bzw. DTFT(Analysegleichung)
x[n] =1
2π
∫2πX(ejθ)ejθndθ
inverse ZDFT (IDTFT)(Synthesegleichung)
X(ejθ) . . . zeitdiskrete Fourier-Transformierte (DTFT);DTFT ist periodisch mit 2π; θ ∈ R
Klaus Witrisal May 12, 2017 Slide 42/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Uberblick: 5 Formen der Fourier-AnalyseZeitbereich Frequenzbereich
Fourier- x(t) =∑∞k=−∞ ake
jkω0t FR←→ ak = 1T
∫Tx(t)e−jkω0tdt
Reihe periodisch diskretzeitkontinuierlich aperiodisch
Fourier- x(t) = 12π
∫∞−∞X(jω)ejωtdω
FT←→ X(jω) =∫∞−∞ x(t)e−jωtdt
Transf. aperiodisch kontinuierlichzeitkontinuierlich aperiodisch
Fourier- x[n] =∑k=〈N〉 ake
jk 2πN n FR←→ ak = 1
N
∑n=〈N〉 x[n]e
−jk 2πN n
Reihe periodisch diskret(ZD-FR) zeitdiskret periodisch
Fourier- x[n] = 12π
∫2πX(ejθ)ejθndθ
FT←→ X(ejθ) =∑∞−∞ x[n]e−jθn
Transf. aperiodisch kontinuierlich(DTFT) zeitdiskret periodisch
N -Punkt x[n] = 1N
∑N−1k=0 X[k]ejk
2πN n N←→ X[k] =
∑N−1n=0 x[n]e
−jk 2πN n
DFT zeitdiskret, endlich diskret, endlich
Klaus Witrisal May 12, 2017 Slide 43/44
TU Graz - SPSC – Signal Processing and Speech Communication Lab
Literatur und Ressourcen
Bucher
I A.V. Oppenheim, A.S. Willsky, S.H. Nawab: Signals andSystems. Prentice-Hall, 1996 (2nd ed.)
I A. Papoulis: Circuits and Systems. Oxford Univ. Press, 1979.
I O. Follinger: Laplace-, Fourier- und z-Transformation.Huethig, 2003 (8th ed.)
Vorlesungsunterlagen: (online)
I dieser Foliensatz
I Tabelle der Transformationseigenschaften
I Unterlagen zu den Zusatzubungen
I Prufungsbeispiele und Losungen
http://www.spsc.tugraz.at/courses/signaltransformationen
Klaus Witrisal May 12, 2017 Slide 44/44