Diskrétní Fourierova transformace

Podobné dokumenty
Analýza signálů ve frekvenční oblasti

1 Základy Z-transformace. pro aplikace v oblasti

Fourierova transformace ve zpracování obrazů

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

Analýza a zpracování signálů. 3. Číselné řady, jejich vlastnosti a základní operace, náhodné signály

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

2.4. INVERZNÍ MATICE

6. FUNKCE A POSLOUPNOSTI

4. KRUHOVÁ KONVOLUCE, RYCHLÁ FOURIEROVA TRANSFORMACE (FFT) A SPEKTRÁLNÍ ANALÝZA SIGNÁLŮ

DIFERENCIÁLNÍ POČET FUNKCE JEDNÉ PROMĚNNÉ. 1) Pojem funkce, graf funkce

S k l á d á n í s i l

1. Signá ly se souvislým časem

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM

NEPARAMETRICKÉ METODY

Systé my, procesy a signály I - sbírka příkladů

SIGNÁLY A LINEÁRNÍ SYSTÉMY (ČASOVÉ ŘADY)

Komplexní čísla. Definice komplexních čísel

Abstrakt. Co jsou to komplexní čísla? K čemu se používají? Dá se s nimi dělat

je číselná posloupnost. Pro všechna n položme s n = ak. Posloupnost

5. Lineární diferenciální rovnice n-tého řádu

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY

zpracování signálů - Fourierova transformace, FFT Frekvenční

I. Exponenciální funkce Definice: Pro komplexní hodnoty z definujeme exponenciální funkci předpisem. z k k!. ( ) e z = k=0

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus

KTE/TEVS - Rychlá Fourierova transformace. Pavel Karban. Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni

Interference. 15. prosince 2014

Transformace obrazu Josef Pelikán KSVI MFF UK Praha

8.1.2 Vzorec pro n-tý člen

3. Charakteristiky a parametry náhodných veličin

Analýza a zpracování signálů. 4. Diskrétní systémy,výpočet impulsní odezvy, konvoluce, korelace

Fourierova transformace ve zpracování obrazů

a logaritmickou funkci a goniometrické funkce. 6.1 Násobení řad. Podívejme se neprve na násobení mnohočlenů x = x x n a y = y y n.

0. 4b) 4) Je dán úhel Urči jeho základní velikost a převeď ji na radiány. 2b) Jasný Q Q ZK T D ZNÁMKA. 1. pololetí

n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1

8.1.2 Vzorec pro n-tý člen

OBRAZOVÁ ANALÝZA POVRCHU POTISKOVANÝCH MATERIÁLŮ A POTIŠTĚNÝCH PLOCH

12. N á h o d n ý v ý b ě r

1 Základní pojmy a vlastnosti

Klasifikace izolovaných singulárních bodů (zkráceně ISB) C... množina komlexních čísel oo... nekonečno є... náleží

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Číslicové filtry. Použití : Analogové x číslicové filtry : Analogové. Číslicové: Separace signálů Restaurace signálů

1 Uzavřená Gaussova rovina a její topologie

6. Posloupnosti a jejich limity, řady

Znegujte následující výroky a rozhodněte, jestli platí výrok, nebo jeho negace:

4. Návrh číslicových filtrů s nekonečnou impulzní odezvou

n-rozměrné normální rozdělení pravděpodobnosti

11.1 Úvod. Definice : [MA1-18:P11.1] definujeme pro a C: nedefinujeme: Posloupnosti komplexních čísel

f (k) (x 0 ) (x x 0 ) k, x (x 0 r, x 0 + r). k! f(x) = k=1 Řada se nazývá Taylorovou řadou funkce f v bodě x 0. Přehled některých Taylorových řad.

23. Mechanické vlnění

11. přednáška 16. prosince Úvod do komplexní analýzy.

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou

FOURIEROVA A LAPLACEOVA TRANSFORMACE,

Posloupnosti a číselné řady. n + 1. n n n n. n n n. = lim. n2 sin n! lim. = 0, je lim. lim. lim. 1 + b + b b n) = 1 b

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model

ANALÝZA VLIVU NUMERICKÉ APERTURY A ZVĚTŠENÍ NA HODNOTU ROZPTYLOVÉ FUNKCE BODU

VaR analýza citlivosti, korekce

Číselné řady. 1 m 1. 1 n a. m=2. n=1

Lineární regrese ( ) 2

P. Girg. 23. listopadu 2012

IAJCE Přednáška č. 12

Mocniny. Mocniny, odmocniny, logaritmy, exponenciála. Obecná mocnina. Mocniny. Odmocniny

(3n + 1) 3n Příklady pro samostatnou práci

Geometrická optika. Vznikají tak dva paprsky odražený a lomený - které spolu s kolmicí v místě dopadu leží v jedné rovině a platí:

Zimní semestr akademického roku 2015/ listopadu 2015

VI. Derivace složené funkce.

množina všech reálných čísel

3. ELEMENTÁRNÍ FUNKCE A POSLOUPNOSTI. 3.1 Základní elementární funkce. Nejprve uvedeme základní elementární funkce: KONSTANTNÍ FUNKCE

NMAF063 Matematika pro fyziky III Zkoušková písemná práce 17. ledna 2019

Užitečné zdroje příkladů jsou: Materiály ke cvičením z Kalkulu 3 od Kristýny Kuncové:

1. Základy měření neelektrických veličin

4.5.9 Vznik střídavého proudu

Deskriptivní statistika 1

Číslicové zpracování signálů - spojité a diskrétní signály

Sekvenční logické obvody(lso)

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací

Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad...

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL

POUŽITÍ CEPSTER V DIAGNOSTICE STROJŮ

DETEKCE UŽITEČNÉHO SIGNÁLU V APLIKACI HARMONICKÉHO RADARU S VYUŽITÍM MATLAB


NMAF061, ZS Zápočtová písemná práce VZOR 5. ledna e bx2 x 2 e x2. F (b) =

Cvičení 1.1. Dokažte Bernoulliovu nerovnost (1 + x) n 1 + nx, n N, x 2. Platí tato nerovnost obecně pro všechna x R a n N?

Matematická analýza I

( + ) ( ) ( ) ( ) ( ) Derivace elementárních funkcí II. Předpoklady: Př. 1: Urči derivaci funkce y = x ; n N.

pravděpodobnostn podobnostní jazykový model

31ZZS 9. PŘEDNÁŠKA 24. listopadu 2014

GRADIENTNÍ OPTICKÉ PRVKY Gradient Index Optical Components

Náhodný výběr 1. Náhodný výběr

2. Vícekriteriální a cílové programování

Časové řady - rozklad na harmonické složky

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13).

13 Popisná statistika

NMAF063 Matematika pro fyziky III Zkoušková písemná práce 25. ledna x 1 n

2 Diferenciální počet funkcí více reálných proměnných

1. Základy počtu pravděpodobnosti:

je vstupní kvantovaný signál. Průběh kvantizační chyby e { x ( t )}

Obsah. skentest. 1. Úvod. 2. Metoda výpočtu Základní pojmy

Analýza a zpracování signálů. 3. Číselné řady, jejich vlastnosti a základní operace, náhodné signály

Transkript:

Disrétí Fourierova trasformace

Záladí idea trasformace x Trasformace Zpracováí v časové oblasti Zpracováí v trasform. oblasti x Iverzí Trasformace

Spojitá Fourierova trasformace f j πft x t e dt Disrétí Fourierova trasformace expoeciálí tvar m 1 0 x e j πm/ Disrétí Fourierova trasformace goiometricý tvar m 1 0 x [ cosπm / j siπm / ] m idex DFT ve frevečí oblasti, m1,,,-1

Každá hodota m je určeá součtem součiů vstupích vzorů s hodotami omplexí siusoidy cosφ-jsiφ. Přesá frevece siusoidy f a m závisí a počtu vzorů vstupího sigálu a vzorovací freveci f s : fa m mf s Př. Při vzorováí 500 Hz a počtu vzorů 4 jsou frevece f a ásledující: 0 0Hz 131.5 Hz 6.5 Hz 393.75 Hz

Polárí tvar DFT imag m m real m+j imag m mag Ф real mag mag real m + imag m Φ ta 1 imag real m m PS m mag m real m + imag m

Při použití polárí reprezetace DFT pozor a ásledující možé problémy : správou overzi fáze - sw většiou vrací fázový úhel v radiáech a to v rozsahu < π/, π/ > při výpočtu fáze pozor a ulovou reálou část přetečeí fáze je v tomto případě ±90º pozor a správou overzi úhlu z itervalu < π/, π/ > a iterval <0, π > fáze u velmi ízých amplitud, teré se ztrácí v šumů může chaoticy mitat oolo ulové hodoty

fázová charateristia se opauje s periodou π to způsobuje v ěterých případech espojitost ve fázové charateristice Amplitudová frevečí charateristia je vždy ladá problémy mohou astat poud imagiárí část trasformovaého sigálu je celá ulová -> může docházet e prudé změě ve fázové charateristice mezi π a π

Př : Uvažujme sigál xt vzorovaý frevecí 8Hz reprezetovaý 8 vzory x t siπ 1000 t + 0.5siπ 1000 t + 3π 4 x0 0.3535 x1 0.3535 x 0.6464 x3 1.0607 x4 0.3535 x5-1.0607 x6-1.3535 x7-0.3535

Vlastosti DFT 1. Liearita 1 x 1 + x 1 1 +. Periodičost - fuce x a jsou periodicé s periodou P 3. Kruhový časový posu 4. Kruhový frevečí posu celé e x j 0 0, 0 π celé x e j 0 0, 0 π

4. Kruhová ovoluce v časové oblasti 5. Kruhová ovoluce ve frevečí oblasti 6. Obraz obráceé poslouposti 7. Vlastosti spetra reálé poslouposti 1 1 x x 1 1 1 x x x ] Im[ ] Im[ ] Re[ ] Re[ φ φ

8. Vlastosti spetra reálé a sudé poslouposti je-li x reálá a sudá je i reálá sudá 9. Vlastosti spetra reálé a liché poslouposti je-li x reálá a lichá, pa je imagiárí, lichá 10. Alterativí vzorec pro výpočet IDFT x * 1 1 π j * e 0 K výpočtu iverzí trasformace je možé použít algoritmů pro výpočet DFT: ejprve obrátíme zaméa hodot imagiárí části, vypočteme DFT obrátíme zaméa imagiárích částí vypočteých hodot výslede vydělíme

Vlastosti fázové charateristiy

Veliost DFT vzorů Je-li x reálý vstupí sigál složeý ze siusove s odpovídající amplitudou A 0 a celočíselým počtem cylů přes vzorů, je veliost DFT vzoru odpovídající siusovy M r daá vztahem M r A 0 Pro omplexí vstupí sigál s veliostí A 0 tj. A 0 e jπft je výstupí veliost DFT vzorů M r A 0

Prosaováí ve spetru Spectrum leaage Prosaováí způsobuje že DFT spetrum je pouze aproximací vstupího spetra a e jeho přesým spetrem. Prosaováí je možé elimiovat, ale elze jej odstrait úplě.

Rozlišeí DFT

K vysvětleí prosaováí ve spetru se používá Fourierův obraz reálé osiové fuce ] / si[ ] si[ 1 ] / si[ ] si[ 1, / cos ] / [ ] / [ m m e m m e m K x m m j m m j r r + + + + + π π π π π π π

K omezeí vlivu prosaováí ve spetru se před provedeím DFT ásobí vstupí sigál tzv. oem. w m 1 w x e 0 j πm / Používaá oa: pravoúhlé w 1, pro 1,, -1 trojúhelíové w /, pro 0,1,,/ -/, pro /+1, -1 Haigovo Hammigovo w 0.5-0.5cosπ/ pro 1,,,-1 w 0.54-0.46cosπ/ pro 1,,,-1