Professional Documents
Culture Documents
Predavanja
Izv. prof. dr. sc. Viktor Sucic
Uvod
Obrada signala: novo znanstveno podrucje koje je nalo primjene u mnogim granama elektrotehnike,
tehnike i znanosti uopce.
U ovom kolegiju bavit c emo se:
Signal: funkcija kojom predstavljamo neku fizikalnu velicinu/varijablu, a koja sadri informaciju o
ponaanju/prirodi promatranoga fenomena.
Pojednostavljeno receno, signal je skup podataka ili informacija.
Primjeri signala:
Signal matematicki predstavljamo kao funkciju nezavisne varijable t, tj. kao x(t), gdje je t najcece
vrijeme. Npr. x(t) = 3et .
(a) govor
(d) svemir
(e) EKG
(f) tecaj
Vremenski kontinuirane (ili krace kontinuirane): x(t) je funkcija vremenski kontinuirane varijable
t R (npr. govor).
Vremenski diskretne (ili krace diskretne): x[n] je funkcija vremenski diskretne varijable n Z (npr.
mjesecna rata kredita). Za sve ostale vrijednosti vremena diskretni signal nije definiran.
Vremenski diskretan signal:
1.5
1.5
0.5
0.5
x[n]
x(t)
Kontinuirani signal
2
0.5
0.5
1.5
1.5
2
1
0.5
0.5
2
10
(a) sin(2t)
10
Analogne: signal moe poprimiti beskonacno mnogo razlicitih vrijednosti amplitude u odredenom
kontinuiranom intervalu.
Digitalne: signal moe poprimiti samo konacan broj vrijednosti amplitude. Npr, signali u racunalima
poprimaju jednu od dvije vrijednosti amplitude (0 ili 1).
Kvantizacija (engl. quantisation): postupak kojim se iz analognog dobiva digitalni signal.
1.5
1.5
2.5
2
1.5
0.5
x(t)
x[n]
x(t)
0.5
0.5
0.5
0.5
0.5
1
1.5
1.5
2
1
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
1.5
2
10
10
2
6
(a)
10
(b)
(c)
x[n]
1
0.5
0
0.5
1
1.5
2
6
10
(d)
Slika 3: (a) Analogni, kontinuirani, (b) analogni, diskretni, (c) digitalni, kontinuirani, (d) digitalni, diskretni signal.
Deterministicke
signale: fizikalni opis signala, bilo u matematickom ili grafickom smislu, u
potpunosti je poznat.
Stohasticke
signale: vrijednosti signala ne mogu se tocno predvidjeti i poznati su nam samo
statisticki parametri signala (npr. srednja vrijednost, varijanca, i sl.).
U ovom kolegiju bavit c emo se iskljucivo deterministickim signalima.
Deterministicki signal
Stohasticki signal
2
1.5
1.5
x(t)+AWGN
x(t)
0.5
0
0.5
0.5
0
0.5
1.5
1.5
2
1
0.5
(a) sin(2t)
0.5
2
1
0.5
0.5
10
t.
(1)
n.
(2)
+T0
x(t)dt =
+T0
x(t)dt,
, R.
(3)
x(t)dt.
T0
x[n].
N0
11
1.5
1.5
1.5
0.5
0.5
0.5
x(t)
x[n]
x(t)
0.5
0.5
0.5
1.5
1.5
1.5
2
1
0.5
0.5
2
10
10
2
10
(a)
10
(b)
(c)
x[n]
0.5
0
0.5
1
1.5
2
10
10
(d)
Slika 6: (a) Periodican, kontinuirani, (b) periodican, diskretni (c) neperiodican, kontinuirani, (d) neperiodican, diskretni signal.
12
(4)
(5)
Iz (4) i (5):
mT1 = nT2 = T
T1 /T2 = n/m Q.
(6)
(8)
pN1 = qN2 = N.
(9)
Iz (7) i (8):
Kako je uvijek moguce naci cijele brojeve p i q koji zadovoljavaju (9), zbroj dva diskretna periodicna
signala uvijek je periodican signal.
13
f0 6= 0.
Odgovor 1.1.
x(t + T0 ) = ej2f0 (t+T0 ) = ej2f0 t ej2f0 T0
x(t) = x(t + T0 )
kada je
ej2f0 T0 = 1
T0 =
f0 T0 = 1.
f0
Takoder
vrijedi
x(t) = x(t + kT0 ), k Z
kT0 =
f0
14
t<0
x[n] = 0,
n < 0.
x(t) = 0,
t0
x[n] = 0,
n 0.
Ako je
tj.
x(t) = 0,
signal je antikauzalan.
Signal koji pocinje prije trenutka t = 0, odnosno n = 0, zovemo nekauzalan signal.
15
Kako bismo numericki izrazili velicinu signala, nuno je promatrati ne samo njegovu amplitudu nego i
trajanje.
Jedna mjera velicine signala je njegova energija (E), odnosno snaga (P ).
Energija signala x(t) je:
E=
x(t)x (t)dt =
|x(t)|2 dt.
(10)
T /2
1
x(t)x (t)dt = lim
T T
T /2
T /2
T /2
|x(t)|2 dt.
(11)
Srednja snaga periodicnoga signala s periodom T0 (za T = kT0 u (11)) jednaka je:
Pav = lim
1
k
kT0
T0
0
|x(t)| dt
1
=
T0
T0
0
|x(t)|2 dt.
(12)
16
n=
|x[n]|2
N
X
1
|x[n]|2 .
P = lim
N 2N + 1
n=N
(13)
(14)
Signal moe biti ili signal energije, ili signal snage, ili niti signal energije niti signal snage.
Periodicni i stohasticki signali najcece su signali snage, dok su deterministicki neperiodicni signali
signali energije.
17
x(t)
1.5
2et/2
1
0.5
0
0.5
1
10
Odgovor 1.2.
E=
|x(t)| dt =
1
P = lim
T T
2 dt +
1
(2e
t/2 2
) dt =
T /2
1
|x(t)|2 dt = lim
T T
T /2
E<
i P =0
Z
4dt +
1
4dt +
1
4et dt = 4 + 4 = 8.
4et dt
= lim
8
= 0.
T
Signal energije.
18
=
=
=
=
1
lim
T T
A2
lim
T 2T
A2
lim
T 2T
T /2
T /2
Z
Z
T /2
(1 + cos(4f0 t + 2))dt
T /2
T /2
A2
dt + lim
T 2T
T /2
A2
A2
+0=
2
2
T /2
cos(4f0 t + 2))dt
T /2
Kao to vidimo, snaga P ne ovisi niti o frekvenciji f0 niti o fazi signala x(t).
Z
A2
E=
|x(t)| dt =
2
P <
(1 + cos(4f0 t + 2))dt = + 0 = .
i E=
Signal snage.
19
N
X
1
lim
|x[n]|2
N 2N + 1
n=N
N
X
1
|2ej3n |2
lim
N 2N + 1
n=N
N
X
1
lim
22
N 2N + 1
n=N
E=
n=
lim
|x[n]|2 =
4(2N + 1)
= 4.
2N + 1
n=
|2ej3n |2 =
n=
4 = .
20
21
1.5
1.5
1.5
0.5
0.5
x(t+1)
1
0.5
x(t2)
x(t)
0
0.5
0.5
1.5
1.5
1.5
2
5
2
5
2
5
(b)
(c)
1.5
1.5
1.5
1
0.5
x(2t+3)
1
0.5
x(t/3)
1
0.5
0
0.5
0.5
0.5
1.5
1.5
1.5
2
5
(d)
2
5
(e)
2
5
(a)
x(3t)
0.5
(f)
Slika 7: Signal: (a) x(t) (b) x(t 2) (c) x(t + 1) (d) x(3t) (e) x(t/3) (f) x(2t + 3).
Signal x(2t + 3) (slika 7(f)) dobije se pomakom originalnoga signala x(t) (slika 7(a)) za t0 = 3,
skaliranjem pomaknutoga signala sa a = 2, te refleksijom dobivenoga signala oko okomite osi.
22
x(2t + 3)
x(2t + 3)
x(2t + 3)
x(2t + 3)
1,
0,
1,
0,
1 (2t + 3) 1
inace.
1,
0,
1 t 1
inace.
4 (2t) 2
inace.
1,
0,
2 t 1
inace.
1,
0,
2t1
inace.
1,
0,
1t2
inace.
23
2. Modeli signala
Kontinuirani signali
Jedinicna
stepenica (Heaviside jedinica):
u(t) =
1,
0,
t0
t<0
u(t)
2.5
2.5
1.5
1.5
xk(t)
x(t)
Kontinuirani signal
3
1
0.5
1
0.5
0.5
0.5
1
5
1
5
(a)
(b)
25
Primjer 2.1. Skicirati signal x(t) = 4u(t) 6u(t 2) + 3u(t 4) + 2u(t 5).
Odgovor 2.1.
6x(t)
4
2
1
26
x(t)
0.5
0
0.5
1
1.5
2
5
Odgovor 2.2.
x(t) = u(t + 1) u(t 1) = rect(t/2).
27
Za prikaz fenomena koji se javljaju u vrlo kratkim vremenskim intervalima i kod mjerenja dovode do
trenutne promjene mjerene velicine.
Najvanija je funkcija u teoriji signala i sustava.
Dirac ju je definirao na sljedeci nacin:
(t) = 0, t 6= 0
Z
i
(t)dt = 1
6
6
28
Delta funkciju u praksi c esto definiramo kao granicnu vrijednost konvencionalne funkcije.
1
1/,
|t| /2
(t) = rect(t/) =
0,
|t| > /2
(t)
2
Vidimo da:
1
6
(t)dt = 1
29
( )d =
Za 0:
tj.
( )d =
1,
0,
1,
0,
t /2
t < /2
t0
t<0
( )d = u(t)
Stoga:
( )d = u(t)
du(t)
= (t).
dt
30
6
6x(t0 )
t0
Jednakost
x(t)(t t0 )dt = x(t0 ) poznata je kao svojstvo uzorkovanja (engl. sampling) ili
prosijavanja (engl. sifting), i predstavlja formalnu definiciju delta funkcije kao generalizirane funkcije
(promatramo njezin utjecaj ne testnu funkciju x(t), a ne njezine vrijednosti u svakom vremenskom
trenutku).
31
(t) = (t)
b
a
1
(t + b/a)
|a|
x(t)(t t0 )dt
x(t0 ),
0,
nedefiniran,
(konvolucija)
a < t0 < b
a < b < t0 ili t0 < a < b
a = t0 ili b = t0 .
32
et (2t 2)dt
1
et (2t 2)dt =
2
1
e1
=
(t 1)dt =
2
2e
33
Jedinicna
kosina:
r(t) = tu(t) =
r(t)
6
t,
0,
1
|
u( )d = r(t)
t0
t<0
0
Z
dr(t)
= u(t).
dt
Sve funkcije izvedene iz (t) (sukcesivnim deriviranjem ili integriranjem) zovemo singularne funkcije.
Ove funkcije imaju tzv. singularnu tocku (tocku u kojoj funkcija nema derivaciju; u navedenim funkcijama
singularnost se javlja u ishoditu).
34
Diskretni signali
Jedinicna
stepenica:
u[n] =
1,
0,
n 0,
n < 0.
-3 -2 -1 0
2 3 4
7 n
n = 0,
n 6= 0.
-3 -2 -1 0
u[n] =
n
X
[k]
k=
35
Kako je
Diskretna sinusoida:
1,
[n k] =
0,
n = k,
=
n 6= k.
x[n] =
k=
x[k][n k]
36
37
39
Sustav je proces koji rezultira transformacijom signala odnosno ekstrakcijom eljenih informacija iz
signala. Njime se ulaznom signalu (pobudi) pridruuje odgovarajuci izlazni signal (odziv).
- Sustav T
- y = T {x}
Ovo je sustav s jednim ulazom i jednim izlazom, ali moguci su i sustavi s vie ulaza i vie izlaza.
Primjer ulazno-izlazne veze sustava je integral poznat kao integral superpozicije ili konvolucijski integral:
Z
y(t) = T {x(t)} =
x() h(t ) d,
gdje je funkcija h(t) impulsni odziv sustava i predstavlja izlazni signal kada sustav pobudimo delta
funkcijom, tj. h(t) = T {(t)}.
40
41
Linearan sustav je sustav za koji vrijedi princip superpozicije, tj. ako su x1 i x2 ulazi u sustav T , tada
vrijedi:
T {1 x1 + 2 x2 }
=
=
1 T {x1 } + 2 T {x2 }
1 y 1 + 2 y2 ,
1 , 2 const.
Svojstvo
T [1 x1 ] = 1 T {x1 } = 1 y1
zovemo homogenost, dok je
T {x1 + x2 } = T {x1 } + T {x2 } = y1 + y2
aditivnost sustava T .
N
X
k=1
k xk
y=
N
X
k=1
k yk , gdje je yk = T {xk }.
42
Primjer 3.1. Za ulazni signal x i izlazni signal y, pokazati da je sustav y = x/(1 + x) nelinearan.
Odgovor 3.1.
T {1 x1 + 2 x2 }
=
6=
6=
1 x1 + 2 x2
1 + (1 x1 + 2 x2 )
x1
x2
1
+ 2
1 + x1
1 + x2
1 y1 + 2 y2 .
43
x[n]
- l
- y[n]
g[n]
Odgovor 3.2.
y[n] = T {x[n]} = x[n]g[n]
T {1 x1 [n] + 2 x2 [n]}
1 x1 [n]g[n] + 2 x2 [n]g[n]
1 y1 [n] + 2 y2 [n].
Sustav je linearan.
44
Sustav je vremenski nepromjenjiv (fiksan ili sustav s konstantnim parametrima) ako se njegova
ulazno-izlazna relacija ne mijenja s vremenom.
Za kontinuirani sustav to znaci da:
x(t) , :
T {x(t )} = y(t )
x(t)
y(t)
x(t)
t0
t1
System
y(t)
t0
t1
T {x[n n0 ]} = y[n n0 ]
45
Sustav koji je linearan i vremenski nepromjenjiv zovemo linearan, vremenski nepromjenjiv (LVN)
sustav.
46
Primjer 3.3. Termistor ima otpor R(t). Struja kroz termistor je y(t) =
x(t)
, gdje je x(t) napon na
R(t)
y1 (t) =
x1 (t)
,
R(t)
x2 (t)
x1 (t )
x1 (t )
=
6= y1 (t ) =
R(t)
R(t)
R(t )
=
6=
et x(t )
47
Sustav je kauzalan (fizikalan) ako njegov trenutni izlaz ovisi samo o sadanjim i/ili prolim vrijednostima
ulaza, a ne o buducim vrijednostima ulaza.
Jednostavno receno, nema odziva prije nego se sustav pobudi.
48
t2
4
49
Ako ogranicen ulazni signal rezultira u ogranicen izlazni signal, sustav je BIBO (engl. bounded input
bounded output) stabilan, tj.
|x| Kx <
|y| Ky < ,
50
N 1
1 X
Primjer 3.8. MA (engl. Moving Average) sustav y[n] =
x[n k] uklanja kratkotrajne varijacije u
N k=0
podacima i naglaava dugotrajan trend. N kontrolira stupanj izgladenosti
ulaznih podataka. Je li MA sustav
BIBO stabilan?
(a)
(b)
(c)
Slika 11: Moving Average (MA) sustav - cijena dionica INTEL-a, (a) originalni podaci, (b) MA, N = 4, (c) MA, N = 8.
BIBO stabilan.
51
Kada je izlazni signal sustava funkcija ulaznog signala samo u sadanjim trenucima vremena, sustav je
trenutan (bez memorije); npr. v(t) = R i(t) i y[n] = sin(x[n]).
i(t)
v(t)
Slika 12: Trenutni sustav.
Napomena: Svi sustavi bez memorije su kauzalni. Obratno nije nuno tocno.
Ako uz trenutne vrijednosti izlaz sustava jo ovisi i oZprolim i/ili buducim vrijednostima ulaznoga signala,
1 t
v()d.
sustav je dinamican
(s memorijom); npr. i(t) =
L
i(t)
v(t)
Slika 13: Dinamican sustav.
N 1
1 X
MA sustav y[n] =
x[n k] ima memoriju. Sustav je takoder
kauzalan.
N k=0
52
Ako se odredenim
operacijama (inverzni sustav T 1 ) iz izlaznoga signala moe dobiti ulazni signal,
sustav T je invertibilan.
Kada vie razlicitih ulaza daje isti izlaz, sustav je neinvertibilan; npr. y(t) = x2 (t) i y[n] = x[Kn].
53
fc const.
s memorijom,
kauzalan,
linearan,
vremenski nepromjenjiv,
stabilan?
54
=
=
=
d)
1 y1 (t) + 2 y2 (t),
e)
=
6=
x(t ) cos(2fc t)
BIBO stabilan jer kako je | cos(2fc t)| 1, svaki c e ograniceni ulazni signal x(t) rezultirati u ogranicen
izlazni signal y(t), tj.
|y(t)| = |x(t) cos(2fc t)| |x(t)|,
te za |x(t)| Kx < imamo |y(t)| Kx < .
55
Osnovni problem kod analize sustava: dani su linearan vremenski nepromjenjiv (LVN) sustav i ulazni
signal; potrebno je naci izlazni signal sustava.
x(t)
- LVN sustav T
- ?
Impulsni odziv sustava je njegov odziv na jedinicni impuls u vremenu t = 0 kada su svi pocetni uvjeti
sustava nula:
h(t) = T {(t)}.
57
Konvolucijski integral
Ulazni signal x(t) LVN sustava T aproksimirat c emo pomocu niza pravokutnih impulsa, kako je
prikazano na slici 15.
58
(t)
h(t)
(t n )
(vremenska nepromjenjivost)
h(t n )
(x(n ) )(t n )
(homogenost)
(x(n ) )h(t n )
x(n )(t n )
n=
lim
x(n )h(t n )
n=
(aditivnost)
x(n )(t n )
n=
x( )(t )d
lim
x(n )h(t n )
n=
x( )h(t )d
x(t)
y(t)
Odziv LVN sustava T s impulsnim odzivom h(t) na pobudu x(t) definiran je konvolucijskim
integralom
Z
y(t) =
x( )h(t )d,
to krace piemo y(t) = x(t) h(t).
Some people claim that convolution has driven many electrical engineering undergraduates to contemplate
theology, either for salvation or as an alternative career. (IEEE Spectrum, March 1991, p.60)
59
a > 0, b > 0, a 6= b
Odgovor 4.1.
y(t)
=
=
=
ebt
ea u( ) eb(t ) u(t ) d
Z
e(ab) d
0
eat
ebt
ab
u(t)
u(t)
Opcenito vrijedi:
e
1 t
u(t) e
2 t
e 1 t e 2 t
u(t), 1 6= 2 .
u(t) =
1 2
60
x( )h(t )d vrijedi:
=
=
h()x(t )d,
Z
h()x(t )d
=t
h(t) x(t).
Paralelna kombinacija LVN sustava ekvivalentna je sustavu c iji je impulsni odziv zbroj individualnih
impulsnih odziva.
61
Serijska kombinacija LVN sustava ekvivalentna je sustavu c iji je impulsni odziv konvolucija
individualnih impulsnih odziva.
x( )( t)d = x(t).
Kauzalnost: Kako je vecina signala i sustava u praksi kauzalna, tj. x(t) = 0, t < 0 i h(t) = 0, t < 0,
slijedi da je integrand x( ) h(t ) 6= 0 samo u intervalu 0 t, t 0. Stoga je:
Z t
x( )h(t )d,
t0
y(t) = x(t) h(t) =
0
0,
t < 0.
62
Povrina ispod signala y(t) = x(t) h(t) umnoak je povrina ispod signala x(t) i h(t):
Z
Z Z
Ay =
y(t) dt =
x( ) h(t ) d dt
Trajanje signala: Ako signal x(t) ima trajanje Tx , a signal h(t) trajanje Th (vremenska konstanta
sustava), tada je trajanje signala y(t) = x(t) h(t) jednako zbroju Ty = Tx + Th .
=
=
x( )
h(t ) dt d
x( ) Ah d = Ah Ax .
Odziv na jedinicnu
stepenicu (za analizu sustava gdje se javljaju nagle promjene ulaznoga
signala):
Z
Z
Sustav y(t) =
h( )u(t )d =
h( )d
i h(t) =
h( )d.
ds(t)
dt
63
1 t/RC
e
u(t)
RC
h( )d =
t
0
pobudenog
jedinicnom stepenicom.
1 /RC
e
d = (1 et/RC )u(t).
RC
(RC = 1)
64
Nadimo
odziv LVN sustava s impulsnim odzivom h(t) pobudenog
signalom x(t) = est , t:
y(t)
=
=
h(t) est
Z
h( )es(t ) d
=
=
gdje je
H(s) =
h( )es d
st
h( )es d
est H(s)
(15)
(16)
Vrijednosti kompleksne varijable s za koje integral u (16) konvergira zovemo podrucje konvergencije
(engl. region of convergence (ROC)) funkcije H(s).
Iz (15) vidimo da je izlazni signal jednak ulaznome signalu skaliranom s konstantom H(s) (za odredeno
65
Graficka
konvolucija kontinuiranih signala
Ovaj nacin rjeavanja konvolucijskog integrala osobito je prikladan kada analizirane signale na
jednostavan nacin moemo prikazati graficki.
Pomae u boljem razumijevanju (vizualizaciji) konvolucijskog integrala i njegovih primjena (npr.
otipkavanje signala, filtriranje signala, ...).
Konvoluciju dva kontinuirana signala x1 (t) i x2 (t) definirali smo kao integral po :
Z
x3 (t) =
x1 ( )x2 (t )d, t.
Signal x1 ( ) identican je signalu x1 (t), gdje smo t jednostavno zamijenili sa . Isto vrijedi i za x2 ( )
i x2 (t).
Signal x2 (t ) dobijemo refleksijom signala x2 ( ) oko ordinate (x2 ( )) te vremenskim pomakom
za t:
Kako bismo nali vrijednost signala x3 (t) u trenutku t = t0 , prvo pomnoimo x1 ( ) i x2 (t0 ), a
zatim nademo
povrinu A0 ispod ovog umnoka = x3 (t0 ) = A0 .
Prethodni postupak ponovimo za sve vrijednosti vremena t (odnosno za razlicite intervale od t), to
rezultira u signal x3 (t).
66
Zadrimo x1 ( ) fiksno,
Rotirajmo x2 ( ) oko okomite osi, c ime dobijemo x2 ( ),
Pomaknimo x2 ( ) du osi za t0 , to nam daje signal x2 (t0 ),
Povrina ispod umnoka x1 ( ) x2 (t0 ) je vrijednost konvolucije u t = t0 ,
Ponovimo ovaj postupak, pomicuci x2 ( ) za razlicite pozitivne i negativne vrijednosti t. Dobivena
krivulja je signal x3 (t) = x1 (t) x2 (t).
Kako je konvolucija komutativna operacija, tj. x1 (t) x2 (t) = x2 (t) x1 (t), od dva signala koja
konvoluiramo obicno rotiramo oko ordinate i pomicemo du apscise onaj signal c ija je matematicka
definicija jednostavnija.
67
t5
x1 (t) = 2 rect
2
t2
x2 (t) = rect
4
Odgovor 4.3. Ovu c emo konvoluciju naci grafickim putem jer je zadane signale jednostavno prikazati
graficki.
6x1 (t)
2
x2 (t)
4 5 6
1
0
68
x1 ( )
6
2
4 5 6
x2 ( )
6
1
2
x2 ( )
6
1
x2 (t )
6
t4
V. Sucic, Signali i sustavi - Predavanja
69
slucaj 1:
slucaj 2:
t4
slucaj 3:
2d = 2t 8, 4 t 6
4 t 6
t4
6
4
2d = 4, 6 t 8
6
t4
2d = 20 2t, 8 t 10
t4
x1 (t) x2 (t)
2t 8
4
A 20 2t
A
AA 10
t
70
y(t)
t
0
x( )h(t )d,
Z
t0
e e2(t ) d
=
=
2t
e d
0
2t
et e
t0
71
72
Impulsni odziv sustava je njegov odziv na jedinicni impuls u vremenu n = 0 kada su svi pocetni uvjeti
sustava nula:
h[n] = T {[n]}.
k=
x[k][n k].
73
Konvolucijska suma
[n]
h[n]
[n k]
(vremenska nepromjenjivost)
h[n k]
x[k][n k]
(homogenost)
x[k]h[n k]
k=
x[k][n k]
(aditivnost)
x[n]
k=
x[k]h[n k]
y[n]
Odziv LVN sustava T s impulsnim odzivom h[n] na pobudu x[n] definiran je konvolucijskom
sumom
X
y[n] =
x[k]h[n k], ili krace y[n] = x[n] h[n].
k=
Odziv sustava je zbroj njegovih odziva na svaku komponentu (delta funkciju) signala x[n].
74
1
x[n 1].
2
Naci impulsni odziv sustava, te naci odziv sustava kada ga pobudimo signalom
x[n] = 2[n] + 4[n 1] 2[n 2].
Odgovor 4.5.
x[n] = [n] y[n] = h[n]
h[n] = [n] +
1
[n 1].
2
x[n] = 2[n] + 4[n 1] 2[n 2] y[n] = 2h[n] + 4h[n 1] 2h[n 2] = 2[n] + 5[n 1] [n 3].
75
a =
(1 aN )/(1 a),
N,
aj =
j=0
1
,
1a
a 6= 1
a = 1.
|a| < 1.
Odgovor 4.6.
n
u[n] u[n]
k=
n
X
k=0
k u[k]u[n k]
u[n]
1 n+1
u[n]
1
76
k=
x[k]h[n k] vrijedi:
X x[k]h[n k],
y[n] = x[n] h[n] =
k=0
0,
n0
n < 0.
Trajanje signala: Ako signal x[n] ima p uzoraka, a signal h[n] q uzoraka, tada signal
n
y[n] = x[n] h[n] ima p + q 1 uzoraka.
X
Odziv na jedinicnu
stepenicu: s[n] = T {u[n]} = h[n] u[n] =
h[k].
s[n] =
n
X
k=
Sustav y[n] =
n
X
k=
h[k]
k=
77
Primjer 4.7. Naci impulsni odziv sustava na slici, ako su h1 [n] = u[n], h2 [n] = u[n + 2] u[n],
h3 [n] = [n 2] i h4 [n] = n u[n].
78
Odgovor 4.7.
h[n]
=
=
=
=
=
79
Nadimo
odziv LVN sustava s impulsnim odzivom h[n] pobudenog
signalom x[n] = z n , n:
y[n]
=
=
h[n] z n
X
h[k]z nk
k=
zn
h[k]z k
k=
z n H[z]
(17)
(18)
gdje je
H[z] =
h[k]z k
k=
Vrijednosti kompleksne varijable z za koje suma u (18) konvergira definiraju podrucje konvergencije
funkcije H[z].
Iz (17) vidimo da je signal z n karakteristicna funkcija, dok je H[z] karakteristicna vrijednost sustava.
80
Graficka
konvolucija diskretnih signala
k=
x1 [k]x2 [n k],
n.
Simulacije: http://www.jhu.edu/signals/discreteconv2/index.html.
81
x1 [n]
x2 [n]
6
3
2
r
2
r
-
r
0
r
-
r
0
82
Odgovor 4.8.
x1 [k]
x2 [k]
6
3
2
x2 [k]
r
2
r
-
r
0
x1 [n] x2 [n]
r
r
r
1
6
4
r
0
0,
1 1 = 1,
(1 2) + (2 1) = 4,
x1 [n] x2 [n] =
(1 3) + (2 2) = 7,
2 3 = 6,
0,
n<0
n=0
n=1
n=2
n=3
n4
83
Primjer 4.9. Naci signal c[n] = x[n] g[n], ako su x[n] = (0.8)n u[n] i g[n] = (0.3)n u[n].
Odgovor 4.9.
c[n]
m=
m=
n
X
m=0
=
=
=
x[m]g[n m]
(0.8)m u[m](0.3)nm u[n m]
(0.8)m (0.3)nm
u[n]
m
n
X
0.8
u[n]
(0.3)n
0.3
m=0
(0.3)n+1 (0.8)n+1
u[n]
0.3 0.8
84
85
Stabilnost sustava
Sustav je BIBO stabilan ako svaki ograniceni ulazni signal rezultira u ograniceni izlazni signal. Ukoliko
postoji bar jedan ograniceni ulazni signal koji rezultira u neograniceni izlazni signal, sustav je BIBO
nestabilan.
Kontinuirani LVN sustav s impulsnim odzivom h(t) je BIBO stabilan ako je h(t) apsolutno integrabilna
funkcija, tj.
Z
|h(t)|dt < .
Dokaimo (19):
y(t) =
Z
|y(t)| =
(19)
h( )x(t )d
Z
h( )x(t )d
|h( )| |x(t )| d
87
Kriterij za BIBO stabilnost diskretnog LVN sustava identican je onome za BIBO stabilan kontinuiran LVN
sustav:
X
y[n] =
h[k]x[n k]
k=
X
X
|h[k]| |x[n k]|
h[k]x[n k]
|y[n]| =
k=
k=
k=
|h[k]|.
|h[k]| Kh < .
|h[n]| < ,
k=
Stoga, ako je impulsni odziv diskretnoga LVN sustava apsolutno zbrojiv, tj.
n=
(20)
88
Primjer 5.1. Ispitati BIBO stabilnost LVN sustava c iji je impulsni odziv:
a)
b)
h(t) = u(t),
h[n] = en u[n].
Odgovor 5.1.
a)
|h(t)|dt =
b)
n=
|h[n]| =
n=0
en =
1
e
=
= 1.582 < stabilan sustav.
1 1/e
e1
89
Kauzalnost sustava
k=
h[k] x[n k] = ... + h[1] x[n + 1] + h[0] x[n] + h[1] x[n 1] + ...
Kako kod kauzalnih LVN sustava izlaz ovisi samo o sadanjim i/ili prolim (a ne o buducim)
vrijednostima ulaza, izlazni signal kauzalnog sustava je
yk [n] = h[0] x[n] + h[1] x[n 1] + ... =
k=0
n < 0.
h(t) = 0,
t < 0.
90
Memorija sustava
Izlazni signal LVN sustava bez memorije ovisi samo o sadanjim vrijednostima ulaza, te opcenito ima
oblik:
y(t) = cx(t), tj. y[n] = cx[n], c const.
91
Invertibilnost sustava
Ako je impulsni odziv sustava T h(t), i impulsni odziv inverznoga sustava T 1 hi (t), tada je impulsni
odziv njihove serijske veze h(t) hi (t).
Za ovakvu vezu sustava i njegovoga inverza vrijedi da je izlazni signal jednak ulaznome signalu:
z(t) = x(t) (h(t) hi (t)) = x(t).
Iz svojstava konvolucije tada zakljucujemo da za kontinuirani LVN sustav u seriji s njegovim inverzom
mora vrijediti:
h(t) hi (t) = (t).
Za serijsku vezu diskretnog LVN sustava i njegovog inverza:
z[n] = x[n] (h[n] hi [n]) = x[n]
Napomena: Operacija kojom se iz x(t) h(t) dobije signal x(t) u literaturi je poznata kao
dekonvolucija.
92
Primjer 5.2. Rekurzivni sustav 1. reda y[n] = y[n 1] + x[n], const., ima impulsni odziv
h[n] = n u[n]. Ispitati memoriju, kauzalnost i stabilnost ovoga sustava.
Odgovor 5.2. Kako je
X
X
X
X
|h[n]| =
||n , sustav je BIBO stabilan
|n | =
|h[n]| =
n=
n=0
|| < 1.
n=0
n=
1
< kada je
1 ||
93
Za skup {1, cos 0 t, cos 20 t, . . . , cos n0 t, . . . ; sin 0 t, sin 20 t, . . . , sin n0 t, . . .}, 0 je osnovna
frekvencija, a sinusoida s frekvencijom n0 je n-ti harmonik sinusoide s osnovnom frekvencijom.
Ovaj je skup ortogonalan na svakom intervalu s trajanjem T0 = 2/0 (period osnovne sinusoide):
Z
0,
m 6= n
cos n0 t cos m0 tdt =
T0 /2, m = n 6= 0
T0
Z
0,
T0 /2,
m 6= n
m = n 6= 0
n i m
=
=
X
2
a0 +
(an cos n0 t + bn sin n0 t) ,
t1 t t1 + T0 ,
0 =
T
0
n=1
(21)
95
Zbog ortogonalnosti,
an =
t1 +T0
t1
t1 +T0
cos2 n0 tdt
t1
1
a0 =
T0
2
an =
T0
t1 +T0
x(t)dt
(22)
t1
t1 +T0
n = 1, 2, 3, . . .
(23)
t1
Na slican nacin,
2
bn =
T0
t1 +T0
n = 1, 2, 3, . . .
(24)
t1
96
Dirichletovi uvjeti
Da bi Fourierov red postojao, koeficijenti a0 , an i bn moraju biti konacni, za to x(t) mora biti po jednom
periodu apsolutno integrabilna funkcija, tj.
Z
|x(t)|dt <
(25)
T0
Da bi dodatno Fourierov red jo i konvergirao u svakoj tocki, x(t) mora imati konacan broj maksimuma,
minimuma i diskontinuiteta u jednom periodu.
+
x(t
d ) + x(td )
U tocki diskontinuiteta t = td , Fourierov red konvergira u vrijednost
.
2
97
Kako je
an cos n0 t + bn sin n0 t = Cn cos(n0 t + n )
gdje su
Cn =
a2n + b2n
i n = tan1
bn
an
(26)
i ako definiramo
C0 = a 0 ,
(27)
tada je
x(t) = C0 +
n=1
Cn cos(n0 t + n ),
t1 t t1 + T0
(28)
98
Periodicnost
Fourierovog reda
Neka je x(t) = C0 +
n=1
Cn cos(n0 t + n ), t. Tada je
x(t + T0 )
C0 +
C0 +
C0 +
n=1
n=1
Cn cos [n0 (t + T0 ) + n ]
Cn cos [(n0 t + 2n) + n ]
Cn cos (n0 t + n )
n=1
x(t), t.
2
an =
T0
2
bn =
T0
(29)
n = 1, 2, 3, . . .
(30)
n = 1, 2, 3, . . .
(31)
T0
T0
99
Primjer 6.1. Naci kompaktni oblik trigonometrijskog Fourierovog reda za periodican signal na slici.
100
Odgovor 6.1.
T0 =
x(t) = a0 +
0 =
2
= 2.
T0
n=1
1
a0 =
2
an =
2
bn =
"
et/2 dt = 0.504
2
1 + 16n2
8n
1 + 16n2
x(t) = 0.504 1 +
0t
n=1
2
(cos 2nt + 4n sin 2nt) ,
1 + 16n2
0t
101
Cn =
x(t)
n = tan1
4
64n2
+
= 0.504
(1 + 16n2 )2
(1 + 16n2 )2
0.504 + 0.504
C0 = a0 = 0.504
bn
an
n=1
1 + 16n2
1+
16n2
0t
0t
102
103
Primjer 6.2. Naci kompaktni trigonometrijski Fourierov red za signal na slici. Skicirati Fourierov spektar
signala.
104
Odgovor 6.2.
T0 = 2
1
a0 =
2
an
/2
dt =
/2
1
2
Z
n
2
1 /2
sin
cos nt dt =
/2
n
2
n parno
0,
2/(n),
n = 1, 5, 9, 13,
1
bn =
2
1
x(t) = +
2
0 = 2/T0 = 1.
/2
sin ntdt = 0
/2
1
1
1
cos t cos 3t + cos 5t cos 7t +
3
5
7
3
5
7
V. Sucic, Signali i sustavi - Predavanja
105
C0 =
Cn =
0,
2/(n),
0,
,
n =
1
2
n parno
n neparno
n 6= 3, 7, 11, 15,
n = 3, 7, 11, 15,
Kad god su sinusni c lanovi nula, dozvoljavajuci da Cn bude negativno, spektralna je informacija u
potpunosti sadrana u amplitudnom spektru signala (stoga i naziv amplitudni a ne magnitudni spektar).
106
Simetricnost
signala i njegov Fourierov red
Kako je cos n0 t parna, a sin n0 t neparna funkcija od t, kada je signal x(t) parna funkcija vremena,
produkt x(t) cos n0 t je takoder
parna, dok je x(t) sin n0 t neparna funkcija od t. Tada su:
2
a0 =
T0
4
an =
T0
T0 /2
x(t)dt
0
T0 /2
bn = 0
Kada je signal x(t) neparna funkcija vremena, produkt x(t) cos n0 t je neparna, a x(t) sin n0 t je parna
funkcija vremena t:
a0 = an = 0
4
bn =
T0
T0 /2
Simetricnost signala stoga omogucuje racunanje koeficijenata trigonometrijskog Fourierovog reda samo
po jednoj polovici perioda.
107
Sinteza signala
ovakvoga signala primarno potrebne komponente niih frekvencija (amplitudni spektar brzo opada s
frekvencijom).
Cak
i za beskonacno mnogo c lanova Fourierovog reda, oscilacije oko diskontinuiteta uvijek postoje u
sinteziranom signalu i iznose oko 9% amplitude u tocki diskontinuiteta tzv. Gibbsov fenomen i javlja
se kad god imamo diskontinuitete u signalu.
108
1.2
0.8
0.8
Amplituda
Amplituda
1.2
0.6
FS od x(t)
0.4
x(t)
0.6
x(t)
0.2
0.2
0.2
0.2
FS od x(t)
0.4
1.2
1.2
0.8
0.8
0.6
FS od x(t)
0.4
x(t)
x(t)
(c) 21 c lan
FS od x(t)
0.4
0.2
0.6
0.2
(b) 11 c lanova
Amplituda
Amplituda
(a) 6 c lanova
0.2
0.2
(d) 51 c lan
109
ejm0 t ejn0 t dt =
ej(mn)0 t dt =
T0 , m = n
T0
T0
Dn ejn0 t
(32)
n=
gdje je
1
Dn =
T0
x(t)ejn0 t dt
(33)
T0
110
=
=
=
i
Cn h j(n0 t+n )
j(n0 t+n )
e
+e
2
Cn jn
C
n
e
ejn ejn0 t
ejn0 t +
2
2
Dn ejn0 t + Dn ejn0 t
Cn cos(n0 t + n ),
n=1
te za D0 = C0 imamo
x(t)
D0 +
Dn ejn0 t + Dn ejn0 t
n=1
Dn ejn0 t
n=
Eksponencijalni oblik Fourierovog reda matematicki je elegantniji, te c emo ga koristiti kao primarni oblik
Fourierovog reda.
111
Vidjeli smo da je
an cos n0 t + bn sin n0 t
Cn cos(n0 t + n )
Dn ejn0 t + Dn ejn0 t
Dn + Dn = an
Dn =
Dn =
1
(an jbn )
2
1
(an + jbn )
2
(34)
(35)
i Dn Dn = j bn
an = 2Re{Dn } i bn = 2Im{Dn }
(36)
112
n=0
Koeficijenti
Z
x(t)dt
a0 = T1
0
T0
Z
x(t) cos n0 tdt
an = T2
0
T0
Z
bn = T2
x(t) sin n0 tdt
0
Kompaktni trigonometrijski:
X
Cn cos (n0 t + n )
x(t) = C0 +
n=1
T0
C0 = a 0
p
Cn = a n 2 + b n 2
n
n = tan1 b
a
n
Eksponencijalni:
X
x(t) =
Dn ejn0 t
n=
Dn =
1
T0
a 0 = C0 = D 0
an jbn = Cn ejn = 2Dn
n1
n = Dn
x(t)ejn0 t dt
T0
113
Odgovor 6.3. a)
1
1
1 j0 t
(e
+ ej0 t ) = ej0 t + ej0 t
2
2
2
1
1
, D1 = i Dn = 0 za |n| 6= 1.
2
2
1 j6t
1
1
1
1 j6t
1
(e
ej6t ) = ej6t + ej4t + ej4t +
e .
cos 4t + sin 6t = (ej4t + ej4t ) +
2
2j
2j
2
2
2j
b)
c) sin2 t =
D3 =
ejt ejt
2j
2
D1 =
1
1
1
1
, D2 = , D2 = , D3 =
Ostali su koeficijenti nule.
2j
2
2
2j
1
1
1
1
= (ej2t 2 + ej2t ) = ej2t + ej2t .
4
4
2
4
1
1
1
D1 = , D0 = i D1 = . Ostali koeficijenti su nule.
4
2
4
114
x(t) =
Dn ej2nt .
n=
Dn
=
=
=
=
=
x(t)
0.504
n=
=
+
V. Sucic, Signali i sustavi - Predavanja
Z
1
x(t)ej2nt dt
T0 T0
Z
1 t/2 j2nt
e
e
dt
0
Z
1 ( 1 +j2n)t
e 2
dt
0
1
1
( 2 +j2n)t
e
( 21 + j2n)
0
0.504
1 + j4n
1
ej2nt
1 + j4n
1
1
1
ej2t +
ej4t +
ej6t +
1 + j4
1 + j8
1 + j12
1
1
1
ej2t +
ej4t +
ej6t +
1 j4
1 j8
1 j12
0.504 1 +
115
|Dn | = |Dn | =
Dn = n
Dn = |Dn |ejn
n 6= 0
Dn = n
i
i
Dn = |Dn |ejn
Kada je signal realna funkcija vremena (x(t) R), magnitudni spektar (|Dn | vs. ) parna je funkcija
od , dok je fazni spektar (Dn vs. ) neparna funkcija frekvencije .
Frekvencijski pojas signala je razlika izmedu
najvece i najmanje frekvencije u spektru signala.
Spektralni pojas je irina eksponencijalnog spektra signala (uzimajuci u obzir i negativne frekvencije u
spektru).
116
D1
D1
D2
D2
0.504
0.504
1 + j4
0.504
1 j4
0.504
1 + j8
0.504
1 j8
117
118
Primjer 6.6. Trigonometrijski Fourierov spektar signala prikazan je na slici. Skicirati eksponencijalni
Fourierov spektar signala.
x(t) = 16 + 12 cos 3t
+ 8 cos 6t
+ 4 cos 9t
4
2
4
119
Odgovor 6.6.
x
(t)
=
=
=
=
16 + 6ej 4 ej3t + 6ej 4 ej3t + 4ej 2 ej6t + 4ej 2 ej6t + 2ej 4 ej9t + 2ej 4 ej9t
120
x(t) = T0 (t) =
n=
(t nT0 ).
121
Odgovor 6.7.
T0 (t) =
Dn ejn0 t ,
n=
1
Dn =
T0
T0
T0 (t)e
T0 (t) =
jn0 t
1
dt =
T0
1
T0 (t) =
T0
T0 /2
0 =
2
T0
(t)ejn0 t dt =
T0 /2
ejn0 t ,
n=
C0 = D 0
Cn = 2|Dn |
1
T0
2
,
T0
0
0 =
1 jn0 0
1
e
=
T0
T0
2
T0
n = 1, 2, 3,
1
1 + 2(cos 0 t + cos 20 t + cos 30 t + ) ,
T0
0 =
2
T0
122
Spektar signala T0 (t) je realan te je dovoljno samo prikazati magnitudni spektar (fazni je spektar nula za
sve frekvencije).
Simulacije:
http://www.jhu.edu/signals/fourier2/index.html.
http://www.jhu.edu/signals/listen-new/listen-newindex.htm.
123
Parsevalov teorem za periodicne
kontinuirane signale
Periodican signal x(t) s periodom T0 definirali smo pomocu trigonometrijskog Fourierovog reda kao:
x(t) = C0 +
Cn cos(n0 t + n )
n=1
Stoga je snaga signala x(t) snaga zbroja svih kosinusoida u signalu, a to je jednako zbroju snaga
svake od komponenti:
2 /2, dok je snaga DC komponente C jednaka C 2 (vidi
Snaga kosinusoide s amplitudom Cn je Cn
0
0
Primjer 1.3),
=
Px =
C02
1 X 2
+
C
2 n=1 n
(Parsevalov teorem)
(37)
Dn ejn0 t
n=
Px =
n=
Px = D02 + 2
n=1
|Dn |2
(38)
|Dn |2 .
124
Odziv LVN sustava na periodicnu
pobudu
x(t) =
Dn ejn0 t ,
0 =
n=
ejt H(j)ejt
|{z}
|
{z
}
ulaz
n=
2
T0
Dn ejn0 t
{z
pobuda x(t)
izlaz
Dn H(jn0 )ejn0 t
(39)
n=
{z
odziv y(t)
125
126
Odgovor 6.8.
x(t) =
Dn ej0 nt ,
0 = 2/T0 = 2/ = 2.
n=
1
Dn =
sin tej2nt dt =
x(t) =
n=
H(s) =
y(t) =
Dn H(jn0 )e
n=
1
3s + 1
jn0 t
n=
2
(1 4n2 )
2
ej2nt
2
(1 4n )
H(j) =
Dn H(j2n)e
1
3j + 1
j2nt
n=
2
j2nt
e
(1 4n2 )(j6n + 1)
127
Fourierovog reda
Nedostaci analize signala i sustava pomocu
U praksi su pobude opcenito neperiodicni signali, dok se Fourierovim redom mogu analizirati iskljucivo
periodicni signali.
Rjeenje je nadeno
u analizi signala pomocu Fourierovog integrala (tzv. Fourierove transformacije).
Za analizu sustava s periodicnom pobudom sustav mora biti stabilan, dok sustavi u praksi takoder
mogu
biti nestabilni ili marginalno stabilni.
Rjeenje je nadeno
u primjeni pobude est , gdje s vie nije strogo ograniceno na imaginarnu os
128
Svaki se neperiodican signal moe prikazati kao kontinuirani zbroj (integral) kompleksnih
eksponencijala.
Od neperiodicnog signala x(t) prvo c emo generirati periodican signal xT0 (t) s periodom T0 , tako to
c emo replicirati x(t) svakih T0 sekundi (T0 je dovoljno veliko da se kopije signala ne preklapaju u
vremenu).
130
Periodican signal xT0 (t) moemo prikazati pomocu eksponencijalnog Fourierovog reda:
xT0 (t) =
Dn ejn0 t
n=
1
Dn =
T0
T0 /2
T0 /2
0 =
T0
x(t)ejt dt,
Dn =
1
X(n0 ).
T0
131
Kada je T0 dvostruko vece, 0 se smanji upola, tako da se u spektru javlja dvostruko vie
komponenata.
Istovremeno se magnituda spektra smanjuje upola, no oblik spektra se ne mijenja.
132
n=
X
X(n) jnt
e
xT0 (t) =
2
n=
1
x(t) = lim xT0 (t) = lim
T0
0 2
n ,
X(n0 ) jn0 t
e
T0
1
x(t) =
2
d,
X()ejt d
X(n)ejnt
n=
n=
(Fourierov integral)
(40)
133
Funkciju X() zovemo direktna Fourierova transformacija od x(t), dok je x(t) inverzna Fourierova
transformacija od X():
Z
Z
1
jt
1
X()ejt d
(41)
X() = F {x(t)} =
x(t)e
dt
i
x(t) = F {X()} =
2
(42)
Kako je X() =
X() = X () =
Z
x(t)e
jX()
jt
dt
x(t)ejt dt
jX()
X() = |X()|e
i X () = |X()|e
|X()| = |X()| i X() = X()
Magnitudni spektar je parna, a fazni neparna funkcija od kada je analizirani signal realan.
134
eat u(t)ejt dt =
1 (a+j)t
(a+j)t
e
e
dt =
a + j
0
U polarnom obliku a + j je
X() =
a2 + 2 ej tan
|X()| =
1
a2 + 2
1
,
a + j
a>0
(
a ) X() =
i
j tan1 (
1
a)
e
2
2
a +
X() = tan
a
135
Dirichletovi uvjeti
Buduci da je |ejt | = 1,
|X()|
|x(t)|dt.
|x(t)|dt < .
(43)
Konvergencija u svakoj tocki zahtijeva da signal x(t) u bilo kojem konacnom vremenskom intervalu ima
konacan broj maksimuma, minimuma i diskontinuiteta.
+
U tocki diskontinuiteta t = td , X() konvergira u (x(t
d ) + x(td ))/2.
136
ej(n)t H(n)ej(n)t
X(n) j(n)t
X(n)H(n) j(n)t
e
e
2
2
Zbog linearnosti:
X
X
X(n)H(n) j(n)t
X(n) j(n)t
e
lim
e
lim
0
0
2
2
n=
n=
|
|
{z
}
{z
}
pobuda x(t)
y(t)
odziv y(t)
X
1
lim
X(n)H(n)ej(n)t
2 0 n=
Z
Z
1
1
X()H()ejt d =
Y ()ejt d
2
2
137
x( )(t )d
x( )h(t )d
(44)
U frekvencijskoj domeni:
ejt H()ejt
1
x(t) =
2
1
y(t) =
2
X()ejt d
X()H()ejt d
(45)
138
sin x
0.5
6 5 4 3 2
2 3 4 5 6
Interpolacijska funkcija:
je parna funkcija od x,
sinc(0) = 1 i sinc(x) = 0 za x = , 2, 3, . . . , n, . . . ,
oscilira s periodom 2 (zbog sin x c lana),
amplituda joj kontinuirano opada kao 1/x.
2n
Npr. funkcija sinc
= n, tj. u =
ima nule u
2
2
139
=
=
t
ejt dt
rect
/2
ejt dt
/2
=
=
2 sin
1 j /2
(e
ej /2 ) =
j
sin
2
= sinc
2
2
t
sinc
rect
(46)
glavnoj latici sinc funkcije, tj. u frekvencijskom pojasu od 0 do prve nule u = 2/ (tj. f = 1/ [Hz]).
Stoga se signal rect(t/ ) moe okarakterizirati kao niskofrekvencijski signal.
140
(t)ejt dt = ej0 = 1
(t) 1
(47)
141
()ejt d =
1
()
2
1 2()
1
1 j0t
e
=
2
2
(48)
Za prikaz konstante pomocu kompleksnih eksponencijala potreban je samo jedan c lan (ej0t ), te je stoga u
spektru zastupljena samo jedna frekvencijska komponenta = 0.
142
Primjer 7.5. Kojoj funkciji u vremenu odgovara impuls centriran oko frekvencije 0 ?
Odgovor 7.5.
1
F 1 {( 0 )} =
2
( 0 )ejt d =
1 j0 t
e
2
1 j0 t
e
( 0 )
2
ej0 t 2( 0 )
(49)
ej0 t 2( + 0 )
(50)
143
1 j0 t
(e
+ ej0 t )
2
cos 0 t [( 0 ) + ( + 0 )]
(51)
144
u(t)ejt dt =
1
ejt
ejt dt =
j
0
Do izraza za U () moemo puno jednostavnije doci ako u(t) definiramo na sljedeci nacin:
u(t) = lima0 eat u(t).
1
a
a
1
U () = lim F {eat u(t)} = lim
= lim
j
=
lim
+
a0
a0 a + j
a0 a2 + 2
a0 a2 + 2
a2 + 2
j
Z
Kada a 0,
a
():
a2 + 2
a
1
=
d = tan
2
2
a +
a
U () = () +
1
j
(52)
Zbog diskontinuiteta u t = 0, signal u(t) ne moemo sintezirati samo pomocu (), nego su nam potrebne i
visokofrekvencijske komponente (clan 1/(j)).
V. Sucic, Signali i sustavi - Predavanja
145
Odgovor 7.8.
sgn(t) = 2u(t) 1
2() +
sgn(t)
2
2
2() =
j
j
(53)
146
x(t)
at
e
u(t)
eat u(t)
ea|t|
teat u(t)
tn eat u(t)
(t)
7
8
1
j
0t
e
cos 0 t
10
sin 0 t
11
u(t)
12
sgn t
13
cos 0 tu(t)
14
sin 0 tu(t)
15
16
W sinc(W t)
tri t
W sinc2 W t
2
2
X
(t nT )
n=
2
2
et /2
17
18
19
20
21
22
V. Sucic, Signali i sustavi - Predavanja
X()
1
a+j
1
aj
2a
a2 + 2
1
(a+j)2
n!
(a+j)n+1
1
a > 0
a > 0
a > 0
a > 0
a > 0
2()
2( 0 )
[( 0 ) + ( + 0 )]
j[( + 0 ) ( 0 )]
() + 1
j
2
j
j
[( ) + ( + )] +
0
0
2 2
2
0
0
[( ) ( + )] +
0
0
2 2
2j
0
0
2
(a+j)2 +0
a+j
2
(a+j)2 +0
sinc
2
rect
2W
sinc2
2
4
tri
2W
X
0
( n0 )
n=
2 2
2e /2
a > 0
a > 0
0 = 2
T
147
Linearnost
x2 (t) X2 ()
tada je
a1 x1 (t) + a2 x2 (t) a1 X1 () + a2 X2 ()
(54)
Dualnost
148
Simetricnost
x(t) X()
X(t) 2x().
(55)
Dokaz:
1
x(t) =
2
X()e
jt
2x(t) =
X()ejt d
2
|
{z
}
| {z }
X()
x(t)
X(t) = X()|=t
sinc
{z
|
t
2
X(t)
i x() = x(t)|t=
2rect
}
{z
|
2x()
= 2rect
149
1 2().
150
Skaliranje
Dokaz: Za a > 0,
Z
1
F {x(at)} =
x(at)ejt dt =
a
x()e
(56)
j(/a)
1
d = X
a
a
Slicno za a < 0,
1
x(at)
X
a
a
151
152
1
,
a + j
x(t) X()
eat u(t)
1
a j
ea|t|
1
2a
1
+
= 2
a + j
a j
a + 2
153
Vremenski pomak
x(t) X()
x(t t0 ) X()ejt0
Dokaz:
F {x(t t0 )}
=
=
=
=
(57)
Z
e
x(t t0 )ejt dt
x()ej(+t0 ) d
jt0
X()e
x()ej d
jt0
154
2a
jt0
e
a2 + 2
155
Frekvencijski pomak
x(t) X()
x(t)ej0 t X( 0 )
(58)
Dokaz:
F {x(t)e
j0 t
}=
x(t)e
j0 t jt
dt =
x(t)ej(0 )t dt = X( 0 )
(59)
x(t)ej0 t X( + 0 )
1
1
[x(t)ej0 t + x(t)ej0 t ] [X( 0 ) + X( + 0 )]
2
2
(60)
Primjene u radio prijenosu: Svakoj se radijskoj postaji dodjeljuje razlicito 0 i pripadajuci frekvencijski
pojas. Na ovaj se nacin omogucuje prijenos vie razlicitih signala istovremeno preko istog
komunikacijskog kanala.
156
Primjer 7.11. Naci i skicirati Fourierovu transformaciju signala x(t) cos 10t, gdje je x(t) = rect(t/4).
Odgovor 7.11.
x(t) cos 10t
X() = 4 sinc(2)
1
[X( + 10) + X( 10)]
2
157
Konvolucija
Dokaz:
F {x1 (t) x2 (t)}
=
=
=
=
=
h(t) H(),
ejt
x1 ( )
Z
Z
(62)
(61)
x1 ( )x2 (t )d dt
ejt x2 (t )dt d
x1 ( )ej X2 ()d
X2 ()
x1 ( )ej d
X1 ()X2 ()
(63)
158
teat u(t)
1
(a + j)2
159
x(t) X()
dx(t)
x(t) X()
=
jX() (Deriviranje)
dt
Z t
X()
+ X(0)() (Integriranje)
=
x( )d
j
(65)
(64)
dx(t)
jX().
dt
Takoder
vrijedi:
dn x(t)
(j)n X().
n
dt
(66)
160
x( )d
X()
+ X(0)().
j
1,
0,
t
>t
slijedi da je
x(t) u(t) =
x( )u(t )d =
x( )d
X()
1
+ () =
+ X(0)().
x(t) u(t) =
x( )d X()
j
j
161
dt
dt
Naci njegov impulsni odziv.
Odgovor 7.14. Fourierova transformacija prethodne jednadbe je
jY () + 2Y () = X() + jX(),
tj.
(2 + j)Y () = (1 + j)X().
Frekvencijski odziv sustava je
H() =
1 + j
2 + j 1
1
Y ()
=
=
=1
X()
2 + j
2 + j
2 + j
162
X() =
H() =
Y ()
1
=
X()
2 + j
1
1
1
1
= Y () = X()H() =
=
1 + j
(1 + j)(2 + j)
1 + j
2 + j
163
x(t)
X()
Zbrajanje
x1 (t) + x2 (t)
X1 () + X2 ()
Mnoenje skalarom
kx(t)
kX()
Simetricnost
X(t)
Skaliranje (a R)
x(at)
x(t t0 )
2x()
1
X
|a|
a
X()ejt0
x1 (t) x2 (t)
X1 ()X2 ()
Frekvencijski pomak (0 R)
Konvolucija u vremenu
Konvolucija u frekvenciji
x(t)ej0 t
x1 (t)x2 (t)
Deriviranje
Integriranje
Rt
dn x(t)
dtn
x( )d
X( 0 )
1
(X1 () X2 ())
2
(j)n X()
X()
j
+ X(0)()
164
Vidjeli smo da je
Y () = H()X()
(67)
U polarnom obliku:
|Y ()|ejY () = |X()||H()|ej(X()+H(j))
te je
|Y ()| = |X()||H()|
(68)
Y () = X() + H()
(69)
H() je tzv. frekvencijski odziv sustava: |H()| je amplitudni odziv sustava, dok je H() fazni
odziv sustava, koji nam kazuju kako sustav modificira amplitudu i fazu spektra ulaznoga signala.
165
(70)
|H()| = k
(const.),
H() = td
(linearna faza).
(71)
Vidimo da konstantan amplitudni odziv sam nije dovoljan da osigura prijenos signala bez distorcije.
Nuna je i linearnost faznog odziva sustava tj. td mora biti konstantno u eljenom frekvencijskom
pojasu.
166
filtri
Idealni i prakticni
frekvencija
za koju je odziv jednak -3dB (tj. frekvencija u kojoj je normirana magnituda jednaka
1/ 2),
energetski spektar filtra je |H()|2 , te -3dB odgovara frekvenciji za koju filtar proputa samo polovicu
ulazne snage.
Filtri koje c emo ovdje analizirati svi imaju linearnu fazu u odgovarajucem frekvencijskom pojasu.
167
Idealni niskopropusni filtar (NPF) proputa frekvencije W , a priguuje sve frekvencije iznad
granicne frekvencije W .
Frekvencijske karakteristike idealnog NPF su |H()| = rect
i H() = td , te je
2W
ejtd .
H() = rect
2W
168
i
jtd
rect
e
2W
W
sinc(W (t td ))
(72)
169
(a) HPF
(b) BPF
Slika 24: Idealni (a) visokopropusni i (b) pojasno-propusni filtar.
170
sin at
Naci izlaz y(t) za
t
a < c ,
a > c .
Odgovor 7.16.
sin at
x(t) =
X() = rect
=
t
2a
a)
b)
1,
0,
|| < a
|| > a
sin at
t
sin c t
y(t) = h(t) =
t
y(t) = x(t) =
171
Energija signala Parsevalov teorem za neperiodicne
kontinuirane signale
x(t)x (t)dt
Z
1
X ()ejt d dt
x(t)
2
Z
Z
1
X ()
x(t)ejt dt d
2
Z
1
X ()X()d
2
Z
1
|X()|2 d
2
=
=
=
1
Ex =
|x(t)|2 dt =
2
|x(t)|2 dt,
|X()|2 d
(Parsevalov teorem)
(73)
(74)
172
1
|X()|2 = |X()|2 F ,
2
gdje je F =
[Hz]
2
173
Napomena:
Frekvenciju W zovemo osnovni frekvencijski pojas signala (engl. essential bandwidth), koji sadri
95% ukupne energije signala.
Postoje i druge definicije osnovnog frekvencijskog pojasa, npr. to je frekvencija u kojoj magnitudni
spektar ima vrijednost jednaku 1% svojega maksimuma.
174
Odgovor 7.17.
Ex =
x (t)dt =
e2at dt =
1
2a
Takoder,
X() =
1
Ex =
1
|X()|2 d =
0.95
0.95 Ex =
2a
1
j + a
1
d
1
= 1
tan
=
2 + a2
a
a 0
2a
1
=
=
d
2 + a2
0
W
1
tan1
a
a 0
W
1
tan1
a
a
0.95
W
= tan1
= W = a tan
2
a
0.95
2
= 12.706 a [rad/s]
175
Autokorelacijska funkcija
(75)
(76)
(77)
Stoga nam oblik funkcije x (t) daje informaciju o spektru signala x(t):
176
Cesto
je nuno signal ograniciti na konacan interval (npr. prilikom numerickog racunanja Fourierove
transformacije, definiranja kauzalnog impulsnog odziva, otipkavanja signala, itd.).
Za ovu se svrhu koriste vremenski otvori (engl. windows).
Najjednostavniji je pravokutni vremenski otvor kojim se daje jedinicna teina informaciji unutar otvora i
teina nula svim podacima izvan njega.
Teinski faktori ne moraju biti konstantni (npr. u slucaju Bartlettovog ili trokutastog otvora, teine linearno
opadaju sa irinom otvora).
Vremenski otvori (T=65)
Pravokutni
Bartlett
Hanning
Hamming
Blackman
Amplituda
0.8
0.6
0.4
0.2
0
32
32
177
Xw () =
1
(X() W ())
2
(78)
irina funkcije Xw () je zbroj irina funkcija X() i W (), tj. frekvencijski se pojas povecava za
irinu pojasa u W (). Ova je pojava poznata kao spektralno irenje (engl. spectral smearing).
to je vremenski otvor ui, spektar mu je iri i obratno.
Cak
i kada je X() pojasno ogranicen, W () nije strogo ogranicen.
Stoga Xw () opcenito nije pojasno ogranicen i u spektru se javljaju frekvencije koje inace nisu
prisutne u spektru originalnoga signala. Ova se pojava naziva spektralno curenje (engl. spectral
leakage).
178
179
Zbog spektralnog irenja dolazi do smanjenja spektralne rezolucije, te je stoga poeljno da je glavna
latica spektra vremenskog otvora to ua = koristiti dui vremenski otvor.
Bocne latice uzrokuju spektralno curenje. Stoga elimo otvor sa to manjim bocnim laticama koje brzo
opadaju s frekvencijom = koristiti izgladene
vremenske otvore (Hammingov, Hanningov, Blackmanov,
Kaiserov, itd.).
odgovarajuceg trajanja.
180
Vremenski otvor
Pravokutni: rect
t
Bartlett: tri 2T
Hanning: 0.5 1 + cos
t
T
2t
T
Hamming: 0.54 + 0.46 cos 2t
T
+ 0.08 cos
Blackman: 0.42 + 0.5 cos 2t
T
" r
I0
Kaiser:
14
I0 ()
t
T
2
4t
T
, (1 10)
irina
Brzina opadanja
Najveca
glavne latice
bocnih latica
bocna latica
[dB/oct]
[dB]
4
T
13.3
8
T
12
26.5
8
T
18
31.5
8
T
42.7
12
T
18
58.1
11.2
T
59.9 ( = 8.168)
181
Time domain
Frequency domain
Time domain
Frequency domain
40
1
Time domain
Frequency domain
40
1
20
40
1
30
20
20
60
0.6
0.4
0
10
20
0
Magnitude (dB)
40
0.8
10
Magnitude (dB)
0.4
20
Amplitude
Magnitude (dB)
Amplitude
0.6
0.8
Amplitude
0.8
0.6
0.4
20
40
30
60
80
0.2
40
0.2
100
10
15
20
Samples
25
120
30
0.2
80
50
0
0.2
0.4
0.6
0.8
Normalized Frequency ( rad/sample)
10
15
20
Samples
(a) = 0.05
25
60
30
0.2
0.4
0.6
0.8
Normalized Frequency ( rad/sample)
10
15
20
Samples
(b) = 1
25
100
30
0.2
0.4
0.6
0.8
Normalized Frequency ( rad/sample)
(c) = 5
Slika 28: Utjecal parametra na spektralna svojstva Kaiserovog vremenskog otvora (T = 32).
Time domain
Frequency domain
Time domain
Frequency domain
40
20
0.6
0.4
20
Magnitude (dB)
40
0
Amplitude
20
0.8
Magnitude (dB)
Amplitude
Magnitude (dB)
0.4
20
20
0.8
0.6
Frequency domain
40
0.8
Amplitude
Time domain
40
0.6
0.4
40
20
40
60
0.2
60
80
10
15
20
Samples
25
30
100
0.2
0.4
0.6
0.8
Normalized Frequency ( rad/sample)
(a) T = 32
0.2
60
0.2
80
10
20
30
40
Samples
50
60
0.2
0.4
0.6
0.8
Normalized Frequency ( rad/sample)
(b) T = 64
80
20
40
60
80
Samples
100
120
100
0.2
0.4
0.6
0.8
Normalized Frequency ( rad/sample)
(c) T = 128
Slika 29: Utjecal trajanja otvora T na spektralna svojstva Kaiserovog vremenskog otvora ( = 5).
182
Time domain
Frequency domain
Time domain
Frequency domain
40
40
1
30
20
0.4
Amplitude
0.6
10
0
Magnitude (dB)
0.8
20
Magnitude (dB)
Amplitude
0.8
0.6
0.4
20
40
10
0.2
0.2
20
10
15
20
Samples
25
30
30
0.2
0.4
0.6
0.8
Normalized Frequency ( rad/sample)
60
10
15
20
Samples
25
(a) pravokutni
Time domain
80
30
0.2
0.4
0.6
0.8
Normalized Frequency ( rad/sample)
(b) Bartlett
Frequency domain
Time domain
Frequency domain
40
40
1
20
20
0.8
0.6
0.4
Amplitude
Magnitude (dB)
0
20
40
Magnitude (dB)
0.8
Amplitude
0.6
0.4
20
40
60
0.2
0.2
80
10
15
20
Samples
25
100
30
0.2
0.4
0.6
0.8
Normalized Frequency ( rad/sample)
60
10
15
20
Samples
(c) Hanning
Time domain
80
30
Time domain
0.2
0.4
0.6
0.8
Normalized Frequency ( rad/sample)
Frequency domain
40
0.9
(d) Hamming
Frequency domain
25
40
1
20
20
0.8
0
0.4
40
60
Magnitude (dB)
0.5
20
Amplitude
Magnitude (dB)
Amplitude
0.6
0.8
0.7
0.6
0.4
20
40
60
0.3
80
80
0.2
0.2
100
0.1
0
10
15
20
Samples
25
30
120
100
0.2
0.4
0.6
0.8
Normalized Frequency ( rad/sample)
(e) Blackman
10
15
20
Samples
25
30
120
0.2
0.4
0.6
0.8
Normalized Frequency ( rad/sample)
Slika 30: Spektralna svojstva razlicitih vremenskih otvora (T = 32). Slike generirane pomocu Matlab funkcije wintool.
V. Sucic, Signali i sustavi - Predavanja
183
Otipkavanje signala
Realan signal x(t) sa spektrom ogranicenim na B Hz (X() = 0, || > 2B) moe se bez pogreke
rekonstruirati iz svojih uzoraka dobivenih otipkavanjem signala s frekvencijom otipkavanja fs 2B.
Minimalna frekvencija otipkavanja fs = 2B Hz poznata je kao Nyquistova frekvencija.
Razmotrimo signal x(t) na slici, c iji je spektar ogranicen na B Hz (2B rad/s).
Otipkavanje signala x(t) s frekvencijom fs Hz jednako je njegovom mnoenju s nizom delta funkcija
T (t) kojega c ine jedinicni impulsi koji se periodicki ponavljaju s periodom T = 1/fs .
185
n=
(t nT ) =
n=
x(nT )(t nT )
(79)
T (t) je periodican signal te ga definiramo pomocu trigonometrijskog Fourierovog reda (Primjer 6.7):
T (t) =
1
[1 + 2 cos s t + 2 cos 2s t + 2 cos 3s t + ] ,
T
Xs () = F {xs (t)} =
1
[X( s ) + X( + s )]
2
1
[X() + (X( s ) + X( + s )) + (X( 2s ) + X( + 2s )) + . . . ]
T
2
T
1
[x(t) + 2x(t) cos s t + 2x(t) cos 2s t + 2x(t) cos 3s t + ]
T
x(t) cos s t
s = 2fs =
1
Xs () =
T
n=
X( ns ).
(80)
186
Kako bismo rekonstruirali x(t) iz xs (t), potrebno je dobiti X() iz Xs () primjenom niskopropusnog
filtra s granicnom frekvencijom B Hz, pod uvjetom da se sukcesivni ciklusi u Xs () ne preklapaju, tj.
mora vrijediti:
2B
4B
2B
s 2B
fs
(81)
Period otipkavanja T =
1
2B
(82)
1
poznat je kao Nyquistov period.
2B
187
Primjer 8.1. Neka je x(t) =
Tada je X() = 0.2tri
. Naci Nyquistovu frekvenciju i
20
Nyquistov period signala x(t). Razmotriti na koji nacin s vrijednosti manje i vece od Nyquistove frekvencije
utjecu na spektar otipkanog signala.
W
t
W
2
sinc
tri
. Ovdje je W = 10.
Napomena:
2
2
2W
sinc2 (5t).
fs
10
0.2
10
20
0.1
20
40
0.05
1
T
X()
Undersampling
20
Oversampling
tri 20
2tri 20
4tri
Nyquist rate
188
189
h(t)
0,
1,
t = n/(2B), n Z +
t = 0.
190
Svaki uzorak signala xs (t) na ulazu filtra daje sinc funkciju na izlazu, c ija je amplituda jednaka vrijednosti
signala u promatranom trenutku:
x(nT )(t nT )
x(nT )(t nT )
xr (t)
n=
n=
n=
n=
x(nT )h(t nT )
x(nT )h(t nT )
x(nT )sinc(2B(t nT ))
x(nT )sinc(2Bt n),
2BT = 1.
(83)
191
Primjer 8.2. Primjenom interpolacijske formule, naci signal x(t) koji je pojasno ogranicen na B Hz, i c iji su
uzorci
x(0) = 1
T = 1/(2B).
x(t) = sinc(2Bt)
192
Aliasing
Kako idealni NPF ne postoji u praksi, frekvencija otipkavanja mora biti fs > 2B (s > 4B).
to je fs vece, rekonstruirani signal bolje aproksimira originalni signal.
Vaan ogranicavajuci faktor u spektralnoj analizi signala u praksi je problem aliasinga:
Svi su signali u praksi vremenski ograniceni, te ne mogu istovremeno biti i pojasno ograniceni.
Znamo da se Xs () sastoji od kopija od X() koje se ponavljaju svakih fs Hz.
Zbog neogranicenog frekvencijskog pojasa, neovisno o fs , spektralna se preklapanja uvijek javljaju.
Filtriranjem Xs () s NPF (B = fs /2) dobije se iskrivljena verzija od X() zbog gubitka "repa" kod
X() i njegovog preklapanja na originalni spektar.
Zbog navedenog spektralnog preklapanja, frekvencija fs /2 + fx u rekonstruiranom signalu javlja se
kao frekvencija fs /2 fx . (Frekvencija fs /2 je tzv. frekvencija preklapanja).
193
194
Antialiasing filtar je NPF s granicnom frekvencijom fs /2 Hz, kojim se eliminiraju sve frekvencijske
komponente signala vece od fs /2 Hz.
Ovaj se filtar mora primijeniti prije otipkavanja signala.
Njegovom se primjenom u spektru otipkanoga signala frekvencije vece od fs /2 vie ne pojavljuju kao
aliasi u podrucju ispod fs /2 Hz.
195
Razmotrimo problem aliasinga na primjeru signala x(t) = cos t. Pokazat c emo da su uzorci kosinusa s
frekvencijama s /2 + x i s /2 x identicni kada je frekvencija otipkavanja fs = s /2 Hz.
=
=
=
=
=
cos(s /2 x )nT
(s T = 2)
Kako bismo izbjegli aliasing, kosinusoida s frekvencijom f mora se otipkati tako da frekvencija
otipkavanja fs zadovoljava uvjet fs 2f Hz, tj. mora vrijediti:
0 f fs /2.
196
Slika 38: Utjecaj frekvencije otipkavanja fs na rekonstrukciju kosinusa f0 = 100 Hz: (a) fs = 120 Hz, javlja se aliasing, rekonstruirani
signal je kosinus fr = 20 Hz (b) fs = 240 Hz, nema aliasinga i rekonstruiran je originalni signal fr = f0 = 100 Hz.
197
Numericko
racunanje
Fourierove transformacije: Diskretna Fourierova transformacija (DFT)
198
Broj uzoraka signala x(t) u jednom periodu je N0 = T0 /T i broj uzoraka u jednom periodu njegovog
1/T
T0
= N0 .
spektra je N0 = fs /f0 =
=
1/T0
T
Povecavanjem N0 opada f0 ; kaemo da raste spektralna (frekvencijska) rezolucija signala.
T0
Neka je k - ti uzorak od x(t) xk = T x(kT ) =
x(kT ), i r - ti uzorak od X() Xr = X(r0 ), gdje je
N0
0 = 2f0 = 2/T0 . Tada je:
Xr =
NX
0 1
k=0
xk ejr0 T k =
NX
0 1
xk ejr0 k
(84)
k=0
N0 1
1 X
Xr ejr0 k , 0 = 0 T
xk =
N0 r=0
xk Xr
(direktna DFT od xk )
(inverzna DFT od Xr )
(85)
(DFT par)
199
1
0.5
0.9
0.8
0.4
|Y(f)|
|X(f)|
0.7
0.3
0.2
0.6
0.5
0.4
0.3
0.1
0.2
0.1
0
0
25
20
15
10
10
15
20
25
25
20
15
10
f [Hz]
10
15
20
25
f [Hz]
(a)
(b)
1
0.9
0.8
|Yzp(f)|
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
25
20
15
10
10
15
20
25
f [Hz]
(c)
j210 1 t
3 , (c) signal u
Slika 40: DFT pomocu Matlab funkcije FFT (fs = 50 Hz, N0 = 50) signala: (a) x(t) = cos(210t), (b) y(t) = e
(b) za N0 = 600.
V. Sucic, Signali i sustavi - Predavanja
200
uzoraka u X()) f0 = T0 =
f0
T0
201
Primjer 8.3. Signal ima trajanje 2 ms i frekvencijski pojas od 10 kHz. Koliko mora biti N0 u DFT ako je
eljena frekvencijska rezolucija 100 Hz?
Odgovor 8.3. = 2 ms, B = 10000 Hz, f0 = 100 Hz.
T0 =
1
1
= 10 ms zero padding: T0 = 10 2 = 8 ms
=
f0
100
fs = 2B = 20000 Hz
N0 =
fs
20000
= 200.
=
f0
100
T smanjimo s originalnih 50 na 45 s, i
T0 povecamo s originalnih 10 na 11.5 ms (tj. poboljamo frekvencijsku rezoluciju f0 za
100 86.96 = 13.04 Hz).
202
9. Literatura
Korisna literatura
Lathi, Linear Systems and Signals, 2/E, Oxford University Press, 2010. (Fakultetska knjinica i
Sveucilina knjinica)
Soliman and Srinath, Continuous and Discrete Signals and Systems, 2/E, Prentice Hall, 1998.
(Fakultetska knjinica)
Hsu, Schaums Outline of Theory and Problems of Signal and Systems, McGraw-Hill, 1995. (Sveucilina
knjinica)
Vrankic, Signali i sustavi: zbirka rijeenih zadataka, Graphis, 2007. (Fakultetska knjinica)
Haykin, Signals and Systems, 2/E, Wiley, 2003.
Oppenheim, Willsky, and Hamid, Signals and Systems, 2/E, Prentice Hall, 1997.
Phillips, Parr, and Riskin, Signals, Systems, and Transforms, 3/E, Prentice Hall, 2003.
Mandal and Asif, Continuous and Discrete Time Signals and Systems, Cambridge University Press,
2007.
Ziemer, Tranter, and Fannin, Signals and Systems: Continuous and Discrete, 4/E, Prentice Hall, 1998.
McGillem and Cooper, Continuous and Discrete Signal and System Analysis, 3/E, HRW Saunders,
1991.
Ostala literatura dostupna na web stranicama izdavaca: Prentice Hall, McGraw-Hill, Wiley, Elsevier,
Springer, ...
204