Welcome to Scribd. Sign in or start your free trial to enjoy unlimited e-books, audiobooks & documents.Find out more
Download
Standard view
Full view
of .
Look up keyword
Like this
12Activity
0 of .
Results for:
No results containing your search query
P. 1
hızlıFourierDonusumu

hızlıFourierDonusumu

Ratings: (0)|Views: 468|Likes:
Published by halil ibrahim

More info:

Published by: halil ibrahim on Nov 21, 2009
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

12/05/2012

pdf

text

original

 
HIZLI FOURİER DÖNÜŞÜMÜ ( FAST FOURİER TRANSFROM-FFT )
Hızlı Fourier dönüşümü titreşim analizinde kullanılan istatistik tabanlı matematiksel bir işlemdir. Karışık halde bulunan sinyalleri birbirinden ayrıştırır ve hangi frekansta hangişiddette bir titreşim olduğunu gösterir. Kısaca FFT sinyallerimizi frekans alanına geçirirkenkullandığımız bir işlemdir.FFT tekrarlanmayan sinyalleri dikkate almazken karmaşık sinyaller içinde periyodik olanları belirleyip bunları harmonik bileşenlerine ayırır.FFT, zaman düzlemindeki sinyali eşdeğer frekans düzlemindeki sinyaledönüştürmekte kullanılan bundan bir önceki yöntem olan DFT ( Ayrık Fourier Dönüşümü )tabanlı verimli bir algoritmadır.Bazen bu dönüşümler zaman düzlemindeki alanların frekans düzlemindeki alanlaradönüştürülmesi olarak da tanımlanabilir. Bu da zamana bağlı olarak algılanan olgularınanalizinde kullanılan oldukça etkili bir yöntemdir.Fourier dönüşümlerini incelediğimizde karmaşık veriler içeren bilgi ya da işlemlerinçözülmesinin çok karışık ve zor olduğunu görürüz. Eğer elimizde 8 değişkenli bir sinyalimizvarsa bunu DFT ile analiz etmek istersek 49 karmaşık çarpma ve 56 karışık toplamaişlemlerinin olduğunu görürüz. Bu veriler uzun zamanda hesaplanabilir veriler olmasınarağmen çok daha büyük sayıda değişkenli verilerde hesaplama oldukça zor olacak ve de büyük zaman kayıplarına sebebiyet verecektir. DFT den FFT ye geçişte özellikle çarpmaişleminden bahsedilmesinin sebebi çarpma işleminin diğer işlemlerden daha fazla zamandayapılmasındandır.Başka bir deyişle; FFT eğri üzerinde eşit aralıklarla çok sayıda örnek alarak çözümyapan bir algoritmaya sahiptir. Örnek sayısı yarıya düşürüldüğünde eğrinin analizi içingereken çarpan sayısı da yarıya düşer. Örneğin ; 16 örnekten oluşan bir eğri için 16nın karesiyani 256 çarpma gerekecektir ve eğer eğriyi iki tane 8 örnekten oluşan parçaya ayırırsak, her  parça için 8in karesi yani 64 çarpma; iki çarpma için 128 çarpma olacaktır ki bu da öncekidurumun yarısına eşittir.Yani örnek serisini alt bölümlere ayırmaya devam edersek 8 ana noktadan oluşan ve bölünemeyen parçalar elde ederiz. Bu iki noktadan oluşan ve bölünemeyen parçaların Fourier Dönüşümleri çarpma yapmadan hesaplanabilir ancak dönüşümün tamamını hesaplarken parçaları birleştirmek gerekeceğinden buradaki çarpma işlemlerini yapmak yenidenzorlaşacaktır. Fourier dönüşümünün üstün bir yanı fiziksel olguların gösterilmesinde dahauygun olmasıdır. Pek çok durum örneğin basit bir sistemin titreşime gösterdiği tepki,sinüzoidal fonksiyonların karmaşık toplamı şeklinde gösterilebilir bu nedenle Fourier Dönüşümünün doğanın davranışlarını göstermek için daha uygun olduğu söylenebilir.FFT algoritması N kompleks noktalı bir data serisinin sonlu Fourier Dönüşümünüyaklaşık Nlog2N işlemle hesaplayan bir metottur. Fourier analizi ilk açıklandığında N^2işlemle orantılı olan ve orantı faktörünün trigonometrik fonksiyonların simetri özelliklerikullanılarak azaltılabileceğine inanan birçok kişinin ilgisini çekerken ; o yıllarda N^2 işlemlimetotları kullanan bilgisayarlar yüzlerce saatlik bir işlem süresine ihtiyaç duymaktaydı.Cooley ve Tukey’in hızlı Fourier dönüşümü algoritması N kompozit (yani iki ya dadaha fazla sayının çarpımı gibi) veya 2’nin bir kuvveti olmadığında bile uygulanabilir olmasından dolayı genel bir algoritmadır. Ve böylelikle eskiden saatlerce süren hesaplamalar Cooley ve Tukey’in algoritması ile dakikalar içerisinde gerçekleştirilebilir bir hale gelmiştir.Fourier dönüşümü kullanılarak algoritmaların hesaplanması ve oldukça azalmış işlemyükünün elde edilmesi sinyal işlemedeki uygulamaları ve oldukça verimli hesaplamaalgoritmalarının bulunmasını etkilemiştir.Genel anlamda FFT dönüşümünü yazacak olursak;
 
FFT N noktayı
 
dene azaltan ve bunun için çok daha az sayıda işlem kullanan bir matematiksel işlemler 
 
topluluğudur ve de DFT‘nin basitleştirilmiş halidir. bu fonksiyonda dönüşümler harmonik değillerdir baz alınan frekans aralığına ya da frekansa göre değişiklik gösterirler. FFT bir çeşitsinüs fonksiyonu gibidir ve gittikçe azalan fonksiyonlarla istenilen işlem yapılır. FFTalgoritmaları genellikle zaman kırımı ve frekans kırımı olmak üzere iki kısımdan oluşur vegenel mantığı 2’ye bölme üzerine dayanmaktadır.FFT fonksiyonlarını yazacak olursak:Örneklerle çözecek olursak :Örnek 1:hftG: Hızlı Fourier Dönüşümü’nün gerçek kısmıhftS: Hızlı Fourier Dönüşümü’nün sanal kısmıx: dönüşüm yapılacak dizix=Array(0,2,3,1);donusum = hftG(x);olarak kullanılabilir 
function hftG(x){G = new Array();N=x.length;for(k=0;k<N;k++){Xkg =0;for(n=0;n<N;n++){fi = 2*Math.PI*n*k/N;Xkg+=x[n]*Math.cos(fi);}G[k]=Xkg;}return G;}function hftS(x){S = new Array();N=x.length;for(k=0;k<N;k++){Xks =0;for(n=0;n<N;n++){fi = 2*Math.PI*n*k/N;Xks+=x[n]*Math.sin(fi);}S[k]=Xks;}return S;}function genlik(x){N = x.length;ge = new Array();g = hftG(x);s =hftS(x);document.write("<table border=’1′><tr><td>k</td><td>x[n]</td><tdcolspan=2>X[k]</td><td>|X[k]|</td>");for(k=0;k<N;k++){document.write("<tr><td>"+k+"</td><td>"+x[k]+"</td>")document.write("<td>"+g[k]+"</td><td>j("+s[k]+")</td>");document.write("<td>"+Math.sqrt(Math.pow(g[k],2)+Math.pow(s[k],2))+"</td></tr>")}document.write("</table>");}genlik(Array(1,0,-1,0,0,1,0,-1));
 
Çıktı:kx[n]X[k]|X[k]|010j(0)010-0.41421356237309515j(-0.9999999999999998)1.08239220029239382-12.000000000000001j(2)2.8284271247461907302.414213562373094j(0.9999999999999992)2.613125929752752400j(0)0512.414213562373093j(-1.0000000000000013)2.613125929752752601.9999999999999978j(-2.0000000000000004)2.8284271247461897-1-0.41421356237309614j(1.0000000000000042)1.0823922002923982 Örnek 2:FTT , tipik karşılaştırma sinyalimiz: FTT(x,N)X : dönüştürülmek istenen x[n] N: FTT deki ana noktaların sayısı ve en az x[n] örnekleme sayısı kadar olmalıN’nin değeri her 30 örnekte değişen kosinüs ile her 10 örnekle değişen periyoda göredeğişsin. N ‘nin 3 farklı değerini belirleyelim ve her 3 değer için x[n] dönüşümünü yapalım.n = [0:29];x = cos(2*pi*n/10); N1 = 64; N2 = 128; N3 = 256;X1 = abs(fft(x,N1));X2 = abs(fft(x,N2));X3 = abs(fft(x,N3));F1 = [0 : N1 - 1]/N1; // frekans aralığı 0 dan başlayıp N-1 e kadar N noktada FFT için.F2 = [0 : N2 - 1]/N2; // örnekleme yapar. Bu durumda aralığımız 0 den 1-1/N e kadar F3 = [0 : N3 - 1]/N3; // olmalıdır.subplot(3,1,1) // her bir dönüşümün çizimi diğeri üzerindedir. plot(F1,X1,’-x’),title(’N = 64’),axis([0 1 0 20])subplot(3,1,2) plot(F2,X2,’-x’),title(’N = 128’),axis([0 1 0 20])subplot(3,1,3) plot(F3,X3,’-x’),title(’N = 256’),axis([0 1 0 20])

Activity (12)

You've already reviewed this. Edit your review.
1 hundred reads
1 thousand reads
The_ZOR liked this
İsa Çakmak liked this
comert liked this
brsdncgll liked this
brsdncgll liked this
erdosttorun liked this
asu_tpc liked this
lusacan liked this

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->