FOURIER SERİLERİ

Fourier serileri sadece sin veya cos trigonometrik fonksiyonunu

içerdiğinden, karmaşık fonksiyonların hesaplarında ve bunlarla
gerçekleştirilen işlemlerde kolaylık sağlamaktadır.
 2π 
Temel periyodu T0 (ω0 =  ) olan herhangi bir f = x( t ) fonksiyonu,
 T0 
üç farklı gösterimdeki Fourier seri açılımlarıyla ifade edilebilir. Bunlar;1

a.Fourier Serilerinin Trigonometrik Formu

τ Periyodundaki bir x(t) sinyalini Fourier serileri ile aşağıdaki gibi
ifade edebiliriz.
a
x(t ) = 0 + a1 cos wt + a 2 cos 2wt + .... + a n cos nwt + b1 sin wt + b2 sin 2 wt + .... + bn sin nwt
2
[a.1]
ao
Buradaki sabit terim olmakla birlikte frekansın olduğu andaki dc
2
terimi ifade eder. 2.1 nolu denklem serilerin genel ifadesidir. Bunu normal
bir sinyal şeklinde ifade edebilmemiz için an ve bn terimlerinin bulunması
gereklidir. Bu terimlerin bulunmasında integral fonksiyonundan
faydalanacağız.
Denklemle ilgili faydalı integrallerin sonuçları aşağıda verilmiştir.
τ τ

∫ sin( nwt )dt = 0

0
∫ cos( nwt )dt
0
=0

∫sin( nwt ). sin( mwt )dt =0

o
⇔ m≠ n

τ
= ⇔ m=n
2
τ

∫ cos( nwt ). cos( mwt )dt =0

0
⇔ m≠ n

τ
= ⇔ m=n
2

∫sin( nwt ). cos( mwt )dt =0

0
⇔ bütün m ve n’ler için

τ
a.1 nolu denklem için ± sınırları için integral alınırsa,
2

1
İleri Programlama Uygulamaları-Dr.Fahri VATANSEVER-Seçkin Yayınları

1
 τ τ
+ +
2 2
a0
∫ x(t )dt =
τ
∫τ 2
dt
− −
2 2
a 0τ
= Olur. (Sağ taraftaki terimler üstte verilen
2
integral sonuçlarına göre sıfır olur.)
τ
+
2
a 0 ’ı buradan çekersek, a0 = ∫τ x(t )dt olur. Burada sadece a 0 ’ ı
−
2

bulduk a n ve bn ’leri bulmak için ana denklemin her iki tarafını cos( nwt ) ile
çarpıp integral alırsak

τ τ
+ +
2 2

∫ x(t ) cos nwt =

τ
∫τ a n cos nwt .dt Olur. Baştaki trigonometrik formüllerin
− −
2 2
integral sonuçlarına göre n ve m nin eşit olduğu cos’lu çarpım hariç diğer
çarpımlar sıfır olur, buradan da denklem
τ
+
2
2
an =
τ ∫τ x(t ) cos nwt .dt Halini alır. n yerine sıfır koyarsak baştaki a 0
−
2
formülü elde edilir.

Aynı şekilde ana denklemin her iki tarafı sin( nwt ) ile çarparsak bn
bulunur.

τ
+
2
2
bn =
τ ∫τ x(t ) sin nwt .dt Olur.
−
2

Denklemlerini daha güzel bir şekilde ifade edersek 3 ana denklem

elde ederiz.

∞ ∞
a0
∗ x(t ) = + ∑ a n cos nwt + ∑ bn sin nwt .dt [a.2]
2 n =1 n =1

τ
+
2
2
∗ an =
τ ∫τ x(t ) cos nwt .dt
−
2
[a.3]

2
 τ
+
2
2 2π
∗ bn =
τ ∫τ x(t ) sin nwt .dt (w =
τ
) [a.4]
−
2

ÖRNEK 1:
Kare dalga sinyali için Fourier katsayılarını bulup açılımını yazınız.

ÇÖZÜM:
Fourier katsayılarını bulabilmek için hangi aralıkta integral almamız
gerektiğini belirlemeliyiz. Genellikle integral alınacak aralık küçük
parçalara (aralıklara)bölünür ve her aralık için farklı bir fonksiyon kullanılır.
τ
Aralığı − ≤ t <0 alırsak;
2
τ
x (t ) = −V − ≤ t <0
2
τ
x (t ) = +V 0 ≤t <
2
a n Katsayısını bulmak için 2.3 nolu denklemi kullanırsak;

τ
+
2
2
an =
τ ∫τ x(t ) cos nwt .dt
−
2

τ
0 Τ
2 22 2V
a n = ∫ ( −V ) cos nwt .dt + ∫ ( +V ) cos nwt ..dt = [( − sin nwt ) I 0τ + (sin nwt ) I 02 ]
τ −τ τ 0 nwt −
2
2

2V nwt nwt
= [0 + sin( − ) + sin − 0] = 0
nwt 2 2

τ
2
2
bn =
τ ∫τ x(t ) sin nwt .dt
−
2

3
 τ
0 2 τ
2 2 2V
bn = ∫τ (−V ) sin nwt .dt + τ ∫0 (+V ) sin nwt .dt = nwt [(cos nwt ) I −τ2 + (− cos nwt ) I 02 ]
0

τ
−
2

2V nw τ nw τ 2V nw τ
bn = [1 − cos( − ) − cos( ) +1] = [2 − 2 cos( )]
nw τ 2 2 nw τ 2

2π nwτ
Burada w = ⇒ = nπ olur. Böylece denklem
τ 2
4V
bn = ⇔ n tek (n>0)
nπ

bn = 0 ⇔ n çift

4V 1 1 1
x(t ) = [sin wt + sin 3wt + sin 5wt + .... + sin nwt ]
π 3 5 n

b.Fourier Serilerinin Exponansiyel Formu

Temel x(t) sinyalini doğal logaritma tabanında kullanarak daha kolay ifade
edebiliriz.

e jnwt + e − jnwt e jnwt − e − jnwt

cos nwt = ve sin nwt = eşitliklerini denklem a.2’de
2 2j
yerine yazar isek;
a ∞
e jnwt + e − jnwt ∞
(e jnwt − e − jnwt )
x(t ) = 0 + ∑ a n ( ) + ∑ bn
2 n =1 2 n =1 2j

a0 ∞
( a − jbn ) ∞ ( a n + jbn ) − jnwt
x (t ) = + ∑ e jnwt . n +∑ e
2 n =1 2 n =1 2

a ve b’li ifadelere katsayılar atarsak,

∞ ∞
x(t ) = C 0 + ∑ C n e jnwt + ∑ C * n e − jnwt buradan,
n =1 n =1
∞
x(t)= ∑C
n =−
∞
n e jnwt bütün şartlarını sağlar.

a n − jbn
C n ise idi.
2
τ τ
2 2
12 1
∫ x(t ).(cos nwt − j sin nwt )dt = ∫τ x(t ).e
− jnwt
Cn = dt
2τ τ 2
− −
2 2

4
 τ
∞ 2
1
böylece x(t) çekilirse x(t)= ∑C n e jnwt
n =−
∞
Cn =
τ ∫τ x(t )e
− jnwt
dt
−
2
şeklinde iki çok basit sade formül elde ederiz. 2

c. Harmonik Fourier serisi

∞
x( t ) = R0 + ∑ Rk . cos ( kω 0 t + θ k )
k =1
veya
∞
x( t ) = R0 + ∑ Rk . sin ( kω0 t + θ k )
k =1
Bu eşitlikte
♦ R0 ,Doğru akım bilşeni,
♦ Rk ,harmonik genliği,
♦ θk da faz açısını
göstermekte olup Rk . cos ( kω0 t + θ k ) veya Rk . sin ( kω0 t + θ k ) , k. harmonik
bileşen olarak adlandırılır. Tabloda bazı periyodik fonksiyonlara ait seri
açılımları ve grafikleri verilmektedir.

Periyodik fonksiyon ve seri Grafiği

açılımı


x( t ) =  1
, 0 <t <π
−1 , −π < t < 0


4 sin ( 3t ) sin ( 5t ) 
x( t ) =  sin ( t ) + + + ... 
π 3 5 

x (t ) = t , 0 < t < 2π

 sin ( 2 x ) sin ( 3 x ) 
x( t ) = π − 2 sin ( x ) + + + ... 
 2 3 

2
http://www.gencbilim.com/odev/odevgoster.php?il=adapazari&id=22837

5
x (t ) = t , 0<t <π

π 4 cos( 3t ) cos( 5t ) 
x( t ) = −  cos( t ) + + + ... 
2 π 3 2
5 2


x (t ) = t , −π < t <π

 sin ( 2 x ) sin ( 3 x ) 
x( t ) = 2 sin ( x ) − + + ... 
 2 3 

ÖRNEK:

 , −4 < t < 0
x(t ) =  0
5 , 0 <t <4

fonksiyonunun Fourier seri açılımını yapınız.
2π π
T0 = 8 → w0 = =
8 4
4
2 2
a0 =
T0 ∫T x( t ) dt = 8 ∫0 5dt
0

 kπt 
4
2 2
ak =
T0 ∫ x( t ). cos ( kω0 t ) dt =
T0
80∫ 5 cos 
 4 
dt

5 4  kπt   
4
=  sin    
4  kπ  4  0 

=5
{1 − cos( kπ )}
kπ
a 0 + ∑ {a k . cos ( kω0 t ) + b . sin ( kω0 t )}
∞
1
x( t ) =
2 k =1

5 5 ∞
 1 − cos( kπ )    kπt  
= + ∑  . sin    
2 π k =1  k    4  
5 10   πt  1  3πt  1  5πt  
= + sin   + sin   + sin   + ....
2 π  4 3  4  5  4  

6
3

1.Simetri Etkisi
Önceki örnekte a n katsayıları 0 dır. Ve dikkat edersek x(t)
fonksiyonu tek bir fonksiyondu. Biz biliyoruz ki x(-t)=x(t) çift fonksiyonları
temsil eder. x(-t)=-x(t) ise tek fonksiyonları temsil eder. Buna göre cosinüs
fonksiyonu çift bir fonksiyondur. Sinüs ise tek bir fonksiyondur. Tabi ki
bunların tüm harmonikleri de aynı özelliğe sahiptir.
Bu özellikten yola çıkarak tek bir fonksiyon Fourier serisinde yalnız tek
fonksiyon tarafından temsil edilir. Aynı şekilde çift bir fonksiyonda çift
fonksiyon tarafından temsil edilir.
Fourier serilerinin trigonometrik gösteriminde sinüs ve cosinüs
fonksiyonlarını kullandığımıza göre eğer x(t) sinyali çitse bu sinyali cosinüs
sinyal cinsinden tek ise sinüs sinyali cinsinden yazarız. Bunun sonucu
olarak ta sinyal tekse serinin açılımındaki tüm a n ler 0, çiftse tüm bn ler 0
dır.

1.1Yarım dalga simetri

Şayet bir simetrik sinyal tek ya da çift ise onun tek yarım dalga
simetri veya çift yarım dalga simetriye sahip olup olmadığı araştırılır. τ
τ
temel sinyalin periyodu ise; x(t + ) = x(t )
2
⇒ Çift yarım dalga simetri vardır.
τ
x(t + ) = −x(t ) ⇒ tek yarım dalga simetri vardır.
2
Bir simetrik sinyal çift yarım dalga simetriye sahip ise onu Fourier
serisinde tek katsayılı harmonikler olmaz. Aynı şekilde tek yarım dalga
simetri varsa Fourier serisinde çift katsayılı harmonikler olmaz. Bu da bize
hesaplamada kolaylık sağlar çünkü sadece n’nin tek ve çift değerleri için
hesap yaparız.
ÖRNEK:
−To + To
Peak V voltaja sahip [ , ] periyotlu bir üçgen dalga sinyalin Fourier
2 2
seriye açılımını bulunuz.

ÇÖZÜM:
Bu sinyali simetriklik bakımından incelediğimiz zaman tek simetriye sahip
olmakla beraber yarım dalga simetri özelliği de vardır. Böylece sadece bn
katsayılarını n’in tek değerleri için hesaplamamız yeterlidir. Öyle ise;

4Vt
0 ≤ t ≤ To / 4
To
V(t)=
4Vt
2V - To / 4 < t ≤ To / 2
To

3
İleri Programlama Uygulamaları-Dr.Fahri VATANSEVER-Seçkin Yayınları

7
 buradan bn katsayıları a.4 nolu denklemle bulabiliriz;

To / 4 To / 2
4 4Vt 4 4Vt
bn =
To ∫
0
To
sin nwo t.dt +
To ∫
To / 4
(2V −
To
) sin nwo t.dt

bu uzun integralin sonucunu yazarsak

8V nπ
bn = sin n’ in tek değerleri için Fourier seriye açınımını
nπ
2 2
2
yazarsak;
∞
8V
V(t)= ∑ n π
n= 1
2 2
s i n wo t
şeklinde olur.4
n ,t e k

FOURİER DÖNÜŞÜMLERİ
Fourier serileri, sonlu sınırları olan periyotlarda tekrarlanan
fonksiyonlar içindir. Bir fonksiyon periyodik değilse ve aynı zamanda bütün
uzayda tanımlıysa Fourier serisi anlamsızdır. Bu durumlarda, Fourier
serilerinin genel biçimi olarak kabul edilecek olan Fourier dönüşümü ele
alınmalıdır. Matematikte benzer integral dönüşümleri kullanılmaktadır.
Örnek olarak Laplace dönüşümü verilebilir.
Fourier dönüşümü esas olarak Fourier serisinden türetilir. Ancak
dönüşümün sonunda elde edilen artık bir serinin terim katsayıları değil, bir
fonksiyondur. Fourier dönüşümü, birbiriyle bir integral dönüşümü altında
ilişkili olan iki uzay arasındaki dönüşümdür. Bir başka deyişle, bir olay bu
uzayların her ikisinde de gözlenebilir. Örneğin kartezyen koordinatlarda
konum değişkeni x olan bir fonksiyonun Fourier dönüşümü, gözlenen olayı
değişkeni 1/x ile orantılı olan bir uzaya taşır.5

1.Fourier Dönüşümünün Elde Edilişi:

a0 ∞
nπx nπx
f ( x) = + ∑ ( ( a n cos + bn sin )
2 n =1 T T
ve
nπx
T
1
an =
T ∫ f ( x). cos
−T
T
.dx

nπx
T
1
bn = ∫
T −T
f ( x ). sin
T
.dx olduğunu biliyoruz. Bu durumda T → ∞

olduğunda Fourier Serisi yerini Fourier İntegrallerine bırakıyor. Eğer f(x) ve

f’(x)parçalı sürekli fonksiyonlar ve,

4
http://www.gencbilim.com/odev/odevgoster.php?il=adapazari&id=22837
5
Sayısal Çözümleme-Recep TAPRAMAZ-Literatür Yayıncılık

8
∞

∫
−∞
f ( x ) dx < ∞ ise;
∞

1. f ( x) = ∫ ( A(α ). cos αx + B(α ). sin αx)dα

0
∞
1
2. A(α) =
π ∫ f (u ). cos αu.du
−∞
∞
1
π −∫∞
3. B(α) = f (u ). sin αu.du

2. ve 3.’ü 1.’de yerine koyarsak;

1
∞
1 ∞
 1 ∞

[ ∫ f (u ). sin αu.du . sin αx ]dα
2 −∫∞ ∫−∞ f (u ). cos αu.du  cos αu +  π
f ( x) = 
π
 −∞

∞ ∞
1
f (u )[ cos αu. cos αx + sin αu. sin αx ]du .dα
2 −∫∞−∫∞
=
∞ ∞
1
f ( x) =
2π ∫ ∫ f (u ) cosα ( x − u )du.dα
− ∞− ∞
∞ ∞
1
0.i =
2π ∫ ∫ i. f (u ) sin α ( x − u )du.dα
− ∞− ∞
∞ ∞
1
f ( x) =
2π ∫ ∫ f (u ).( cosα ( x − u) + i sin α ( x − u)du.dα ) du.dα
− ∞− ∞

∞ ∞
1
∫ ∫ f (u ).e
iα ( x − u )
f ( x) = du.dα
2π − ∞− ∞
∞ ∞
1
∫ ∫ f (u ).e
iαx
f ( x) = e −iαu du.dα
2π − ∞− ∞

1
∞
∞ 
∫−∞  ∫ f (u ).e −iαu du 
iαx
f ( x) = e d α  
2π  −∞ 
∞

∫ f (u )e
−iαu
F (α) = du f(u)’nun fourier dönüşümü (1)denir.
−∞
∞
1
∫ F (α )e
iαx
F (u ) = dα Ters fourier dönüşümüdür.(2)Yani;
2π −∞

F(α)’nın bilinmesi halinde f(u)’nun bulunması için kullanılır.Ters

dönüşümün varlığı, yani (2)’deki integralin yakınsak olması ve yakınsaklık
halinde gerçekten f(u)’yu vermesi için f(u)’nun sürekli olması yeterlidir.

2.Özel Durumlar:

1)f(x) tek ⇒ A(α ) = 0

9
 ∞ ∞
2
F ( x) =
π ∫ sin αxd α = ∫ f(u)sin αu.du
0 0
∞
Fs (α) = ∫ f(u)sin αu.du Fourier-Sin Dönüşümü
0
∞
2
f ( x) =
π ∫ F (α ) sin αxdα
0
s

2)f(x) çift ⇒ B(α ) = 0

∞ ∞
2
f ( x) =
π ∫ cos αx.dα = ∫ f(u)cos αu.du
0 0
∞
Fc (α) = ∫ f(u)cos αu.du Fourier-Cos Dönüşümü
0
∞
f ( x ) = ∫ Fc (α)cos αx.d α 6

3.Fourier Dönüşümünün Özellikleri

a.Doğrusallık
Fourier dönüşümü, doğrusal özellikli bir dönüşümdür. Eğer bir f(t)
fonksiyonu f1(t), f2(t), f3(t)… fonksiyonlarının doğrusal birleşimi şeklindeyse,
yani c1, c2, c3… sabitler olmak üzere
f (t ) = c1 f 1 (t ) + c 2 f 2 (t ) + c3 f 3 (t ) +........ (1.6)
biçiminde ise, bunun Fourier dönüşümü
F { f (t )} = c1 F { f 1 (t )} + c 2 F { f 2 (t )} + c3 F { f 3 (t )} +........ (1.7)
olacaktır. Bu özellik ters dönüşüm için de geçerlidir.

b.Türev özelliği
Bir f(t) fonksiyonunun türevinin Fourier dönüşümü, dönüşümün tanımı ve
kısmi integrasyon yöntemi kullanarak (Denklem 1.1 ve 1.2) kolayca
gösterilebilir.
df (t ) 
F1 (ω) = F   = −iωF (ω) (1.8)
 dt 
ifadede F( ω ) , Teorem 1.1 ile tanımlanan f(t) fonksiyonunun
dönüşümüdür. Benzer biçimde, fonksiyonun ikinci türevinin Fourier
dönüşümü de,
 df 2 (t ) 
F2 (ω) = F  2  = −ω F (ω)
2
(1.9)
 dt 
olacaktır. Genel biçimiyle bir fonksiyonun herhangi bir n mertebeli
türevinin Fourier dönüşümü,
 df n (t ) 
Fn (ω) = F  n  = (−iω) F (ω)
n
(1.10)
 dt 
olarak verilir. Türev özelliği, çeşitli fiziksel olayları temsil eden diferansiyel
denklem çözümlerinde büyük kolaylık sağlar.

6
http://www.gencbilim.com/odev/odevgoster.php?il=adapazari&id=22770

10
Örnek: Şekilde verilen elektronik devrenin girişine bir sinyal uygulandığı
zaman çıkıştan nasıl bir sinyal alınacağını, yani devrenin tepkisini
inceleyelim. L indiktörü ve C kapasitörü üzerinden geçen akım I alınırsa,
Kirchoff gerilim yasasına göre devrenin denklemi,
q dl
Vg = +L
C dt
olur.R1 ve R2 dirençlerinin çıkış sinyal şekline doğrudan katkısı olmadığı için
bunlar denklemde dikkate alınmayacaktır. Denklemin zamana göre türevi
dq
alınırsa, I = olduğundan,
dt
dV R 1 d 2t
= I +L 2
dt C dt
şeklindeki diferansiyel denklem elde edilecektir. Bu denklemin
çözümünden elde edilen I akımıyla çıkış sinyali bulunur.

Şimdi denklemin frekans uzayına( ω ) Fourier dönüşümünü alalım:

 dV g  1 d 2t 
F  = F { I } + LF  2
 dt  C  dt 
Denklem 1.10 ile verilen dönüşümün türev özelliği ile devre denklemi,

d 2 t 
− iωF {V g } =
1
F{ I } −ω2 F  2 
C  dt 
olacaktır. Denklemi yeniden düzenleyerek
iω
F{ I} = F {V g }
L (ω 2 − ω02
sonucunu elde ederiz. Bu ifadede ω0 = 1 / LC alınmıştır. Bu tür devrelerde
ω0 devrenin rezonans frekansı olarak tanımlanır. Verilen bir giriş voltajının
Fourier dönüşümü alınarak devre akımının Fourier dönüşüm ifadesi, ya da
akımın frekans uzayındaki ifadesi bulunur. Bütün bunlardan sonra ters
Fourier dönüşümü alınarak devre akımının zamana göre değişimi elde
edilecektir. Devreye göre çıkış voltajı R2 I olacaktır.

c.Katlanma (Convolution)
f (t ) ve g (t ) fonksiyonlarını alalım. Bu fonksiyonların Fourier dönüşümleri
de F (ω) ve G (ω) olsun. Fonksiyonların katlanması,
∞
1
2π −∫∞
f ∗g = g ( s ) f (t − s ) ds (1.11)

olarak tanımlanır. Fourier dönüşümünü kullanarak

∞ ∞

∫ g ( s) f (t − s)ds = ∫ F (ω)G (ω)e dω

−iωt
(1.12)
−∞ −∞

11
sonucu bulunur. Yani f (t ) ve g (t ) fonksiyonlarının Fourier dönüşümlerinin
çarpımlarının ters dönüşümü iki fonksiyonun katlanması olarak tarif edilir. 7

HIZLI FOURİER DÖNÜŞÜMÜ

Mikroişlemci hızları arttıkça Sayısal Fourier dönüşümü algoritması
büyük sayıdaki data değerlerini değerlendirme açısında cazipliğini
koruyabilir. Ancak düşük hızlardaki işlemciler için yüksek sayıda datayı
işleme sokmak , sayısal Sayısal Fourier dönüşümü algoritması için oldukça
zamana ihtiyaç duyulacağından pek tercih edilmez. Ölçüm sayısının çok
sayıda olduğu işlemlerde hızlı Fourier dönüşümü tercih edilmelidir. Hızlı
n
Fourier dönüşümü algoritmasının uygulanabilmesi için data sayısının 2
olması gerekir. Bu özellik hızlı fourier dönüşümünün sayısal Fourier
dönüşümüne göre bir dezavantajıdır, zira sayısal fourier dönüşümü de data
sayısında bir kısıtlama bulunmamaktadır. Eğer Hızlı fourier dönüşümünde
data sayısında eksiklik olursa ve datalar ‘0’ a doğru yakınsıyor ise ilk yol
eksik dataları ‘0’ ile doldurmaktır. Böyle bir durum söz konusu değil ise
n
datalar içinden uygun görülenleri dışarı atarak data sayısını 2 ‘e
çekmektir. Diğer bir yaklaşım ise İnterpolasyon yaparak yeni datalar
üretmektir. MATLAB ortamında Fourier yöntemine ilişkin çeşitli komutlar
bulunmaktadır. Bunlardan ilki hızlı fourier dönüşümü komutudur Hızlı
Fourier dönüşümü matlab komutu fft’dir :

Y=fft(y):
hızlı fourier dönüşümünde kullanılan MATLAB komutudur. y
vektörünün ayrık fourier dönüşümünü bulur.Bu işlem,hızlı fourier
dönüşümü algoritması kullanılarak gerçekleştirilir. Y değerinin aranılan
harmonik genliklerinin k/2 katıdır. Hızlı Fourier dönüşümü komutu
kullanıldığında, örnekleme sayısının yarısı kadar (k/2) harmonik ve bunların
genlikleri incelenir. Örnek olarak K=16 adet örnekleme yapılmış ise bu
komut kullanıldığında doğru bileşen dahil k/2=8 adet harmonik ile ilgili
bilgi alınır. Diğer kalan 16k/2=8 bileşen ise negatif bileşen
değerleridir.1.bileşen doğru akım bileşenini, 2.,3.,4.,5.,6.,7., bileşenler
pozitif bileşenleri verir.8. harmonik bileşeni ise Nyquist frekans bileşenidir.
Nyquist frekansını takip eden bilenler ise (9-15) negatif bileşenlerdir.9.
bileşen değeri 7. bileşenin eşleniğine (konjugesine) eşittir. 10. bileşen 6.
bileşenin, 11. bileşen 5. bileşenin, 12. bileşen 4. bileşenin, 13. bileşen 3.
bileşenin, 14. bileşen 2. bileşenin, 15. bileşen 1. bileşenin eşleniğidir.

Yukarıda da bahsedildiği gibi hızlı fourier dönüşüm uygulamalarında

n
harmonik analizi yapılacak fonksiyonun (y) eleman sayısı (ne) ,2
özelliğini sağlamalıdır. k adet eleman içeren bir y fonksiyonuna Hızlı fourier
dönüşümü komutu uygulandığında ancak k/2 kadar harmonik ve bunların
genlikleri hakkında bilgi sahibi olunabilir.(doğru bileşen değeri bu
harmonik sayısına dahildir).8

7
Sayısal Çözümleme-Recep TAPRAMAZ-Literatür Yayıncılık

8
Simulink ve Mühendislik Uygulamaları 7.04- Prof. Dr. Uğur Arifoğlu

12
4.Fourier Serisinin Bir Limiti Olarak Fourier İntegrali:

Fourier serisinin bu özelliğini geliştirmemizde Dirichlet Koşulları, herhangi

bir periyodik fonksiyonun genişlemesini sağlamak için yeterlidir.Birçok
mekanik ve elektrik sistemlerde genel periyodik karışıklıklara yanıt
bulmayı olanaklı kılar.Diğer yandan, etkileyen güç yada voltaj içeren birçok
problem periyodik değildir, çünkü tek bir tekrarlanmayan ahenkli kalp atışı
gibidir.Bu kısa fonksiyon, Fourier serisinin doğrudan kullanımını kontrol
altında tutamaz.Fourier Serisi, böyle seriler için sadece periyodik
fonksiyonları tanımlamada faydalıdır.Ancak, verilen fonksiyonun
periyodunu sonsuz olarak, Fourier Serisi tarafından yaklaşan limitini
araştırmak, periyodik olmayan fonksiyon için uygun bir temsil olarak elde
edilebilir.

Fp(t)

Şekil1.2p=4 periyodunda periyodik bir fonksiyon.

Fourier İntegrali farklı bir formda yazılabilir.Bunun için;

∞
 1 iwt ∞ 
∫−∞ 2π −∫∞
−iwt
f (t ) =  .e f ( s ).e .ds  dw ‘den yararlanabiliriz.

∞ ∞
1
f (t ) = ∫ g (w).e .dw ∫ f ( s).e −iws .ds
g ( w) =
iwt
ve
−∞
2π −∞
f(t) ve onun katsayı fonksiyonu g(w) olan bu iki ifadeyle, Fourier
Dönüşümü olarak bilinen çifti oluşturabiliriz.Katsayı fonksiyonu g(w), f(t)’ye
eşittir.Bu durumun ,fonksiyonun iki farklı temsiline etkisi;f(t)’nin zaman
içinde ilgi alanı ve g(w)’nin bu ilgi alanında ne sıklıkta yer alacağıdır.

ÖRNEK:

1 ,
f (x) =  , x <a
x >a

0
fonksiyonunu ele alalım. Bu fonksiyonun Fourier dönüşümünü bulmak için;
∞

∫ f ( x).e
−iαx
F(f(x))=F(α)= .dx
−∞
a
1 −iαx 1
∫ f ( x).e
−iαx
F(α)= .dx = − .e = − (e iαa − e −iαa )
−a
iα iα
ÖRNEK:
f(x)= e − mx (m>0) olmak üzere Fourier-Cos dönüşümünü bulunuz.

13
 ∞

Fc(α)= ∫
0
f(u).Cosαu.du

İki kez kısmi integral uygulanarak;

e − mu ( −m.Cosαu + αSinαu )
= lim
s →∞ m2 + α 2
e − ms (−m.Cosαs + αSinαs ) m
Fc(α)= lim + 2
s →∞ m +α
2 2
m +α 2
m
= 2
m +α 2
∞
2 m
e − mx = ∫ 2 .Cosαx.dx
π 0 m +α 2
π − mx ∞ 1
e =∫ 2 .Cosαx.dx sonucundan yararlanarak ;
2m 0 m + α 2

∞
1 π
∫t
0
2
+ 16
.Costx.dt integralinin sonucunu
2(m = 4)
e −( 4 x ) şeklinde bulabiliriz.9

ÖRNEK:
Periyodu T=9.6 sn olan y(t) fonksiyonu içinden [0;T] aralığında, eşit
zaman aralıkları ile 16 adet örnek (ölçme yöntemi ile) alınmaktadır. Elde
edilen örnek (ayrık değerler) aşağıda verilmiştir.
y=[0 4.7163 6.5026 5.6751 3.2878 0.5738 -1.5028 -2.4723 -2.3602
-1.5293…
-0.4619 0.4301 0.9153 0.9619 0.6876 0.2770 -0.0979];
y ayrık vektörüne fft komutu kullanarak harmonik analizi yapınız.
ÇÖZÜM:
Zamana ilişkin başlangıç, artış ve bitiş değerleri t=0:0.6:9.6 saniye olarak
verilmektedir. Örneklenmiş y vektörünün eleman sayıları 2 n =4 = 16 şartı
sağlanmadır. Yukarıda, fft komutu kullanılarak ancak k/2sayıda harmonik
hakkında bilgi sahibi olunabileceği belirtilmişti. Bu bilgiye göre
ulaşılabilecek harmonik sayısı (m);verilen y vektörü için k/2=16/2=m=8
olmaktadır.

Yatay eksen olarak t (zaman) domeninden f (frekans) domenine

geçildiğinde frekans artışı;
∆f = 1 / T = 1 / 9.6 = 0.10416 Hz ;( ∆f = 0.6
sn olduğu
unutulmamalıdır)
Olacaktır. Fft komutu kullanılarak incelenebilecek en büyük harmonik
frekansı(Nyquist frekansı);
f max = ( k / 2) * ∆f = 8 * 0.10416 = 0.83 Hz
Olacaktır. Bu soruda da yukarıda anlatıldığı gibi 3.harmonik genliği ile
14.harmonik genliği ve 7.harmonik genliği ile 9.harmonik genliği
birbirlerine eşittir. Aynı şekilde Nyquist frekanslarının tek katları kendi

9
http://www.gencbilim.com/odev/odevgoster.php?il=adapazari&id=22770

14
aralarında ve çift katlarıda kendi aralarında eşit harmonik genlik değerine
sahiptir.
Yukarıda , ‘Y değerinin aranılan harmonik genliklerinin k/2 katı
olduğu unutulmamalıdır’ ifadesi kullanıldı. Bundan hareketle;
>>Y=fft(y)
Komutu uygulandığında (aranılan gerçek harmonik genlik değerlerine
ulaşmak için) Y harmonik genlik değerlerini k/2 sayısına bölmek
gerekmektedir. Aşağıda verilen programda bu işlem;
>>Yss(1:nt/2)=(2/nt)*Y(1:nt/2);
satırında yapılmaktadır. Verilen programda;
>>[fss ‘Yss’] ;
satırında gerçek frekans ve gerçek harmonik genlik değerlerine
ulaşılmaktadır. Örnekte verilen örnekleme şartlarında y vektörünün
harmonik analizini yapan MATLAB programı aşağıda gösterilmiştir.

>> nt=16; %örnekleme sayısı → 2 n şartını sağlamalı

>> T=9.6; %periyot → (nt+1)*dt=T
>> dt=T/nt; %örnekleme aralığı → ∆t = 0.6 sn
>> df=1/T; %frekans artışı → ∆f =1 / T =1 / 9.6 = 0.10416 Hz
>> fmax=(nt/2)*df; %Nyquist frekansı →
f max = ( k / 2) * ∆f = 8 * 0.10416 = 0.83 Hz
>> t=0:dt:(nt-1)*dt; %t=0:0.6:9;
>> f=0:df:(nt-1)*df; %f=0:0.10146:fmax=0.83
% y harmonik analizi yapılacak y(t) fonksiyonunun örneklenmiş data
değerleri
>> y=[0 4.7163 6.5026 5.6751 3.2878 0.5738 -1.5028 -2.4723 -2.3602...
-1.5293 -0.4619 0.4301 0.9153 0.9619 0.6876 0.2770]
>> y=fft(y)%y vektörüne fft komutu uygulanır
>> subplot(221),bar(t,abs(y)),xlabel('zaman(sn)'),ylabel('genlik(y)');
>> subplot(222),bar(t,real(y)),xlabel('zaman(sn)'),ylabel('real(y)');
>> subplot(223),bar(t,imag(y)),xlabel('zaman(sn)'),ylabel('imajiner(y)');
>> fss=0:df:(nt/2-1)*df;
>> yss=zeros(1,nt/2);
>> yss(1:nt/2)=(2/nt)*y(1:nt/2); %y değeri nt/2 ‘ye bölünüyor(an+jbn)
değerleri
>> disp('frekans harmonik sayısı gerçek genlik değerleri')
>> [fss'[0:nt/2-1]'yss'] %aranılan harmonik ve gerçek genlik
değerleri
>> subplot(221),
>> bar(fss,abs(yss)); %harmonik genliğinin çubuk formunda çizimi
>> xlabel('frekans (Hz)'),ylabel('genlik (yss)');
>> subplot(222);
>> bar(fss,real(yss)); %an katsayısının çubuk formunda çizimi
>> xlabel('frekans (Hz)'),ylabel('reel (yss)');
>> subplot(223);
>> bar(fss,imag(yss)); %bn katsayısının çubuk formunda çizimi
>> xlabel('frekans (Hz)'),ylabel('imajiner(yss)');

15
Yukarıda verilen programın çalıştırılması sonunda command window
ortamında elde edilen harmonik sayısı ve gerçek genlik değerleri aşağıdaki
gibidir.

>>y
y=
0 15.7010 %doğru akım bileşeni
0.6000 19.2996 +11.5735 % 1. harmonik nt/2 katı
1.2000 -11.2650 +13.8929i % 2. harmonik nt/2 katı
1.8000 -5.8754 + 2.3748i % 3. harmonik nt/2 katı
2.4000 -3.3826 + 0.8128i % 4. harmonik nt/2 katı
3.0000 -2.3512 + 0.3682i %5. harmonik nt/2 katı
3.6000 -1.8616 + 0.1811i %6. harmonik nt/2 katı
4.2000 -1.6322 + 0.0769i %7. harmonik nt/2 katı
4.8000 -1.5642 %fmax (nyquist ) frekansındaki genlik (nt/2 katı)
5.4000 -1.6322 -0.0769i %7. harmonik eşleniği nt/2 katı
6.0000 -1.8616 -0.1811i %6. harmonik eşleniği nt/2 katı
6.6000 -2.3512 -0.3682i %5.harmonik eşleniği nt/2 katı
7.2000 -3.3826 -0.8128i %4. harmonik eşleniği nt/2 katı
7.8000 -5.8754 -2.3748i %3.harmonik eşleniği nt/2 katı
8.4000 -11.2650 -13.8929i %2.harmonik eşleniği nt/2 katı
9.0000 19.2996 -11.5735i %1.harmonik eşleniği nt/2 katı
↑t değerleri
>>
frekans harmonik sayısı gerçek genlik değerleri
ans=
0 0 1.9626 %doğru akım bileşeni=
y ort
0.1042 1 2.4124 +1.4467i %1.harmonik
genliği
0.2083 2 -1.4081 +1.7366i %2.harmonik
genliği
0.3125 3 -0,7344 +0.2969i %3.harmonik
genliği
0.4167 4 -0.4228 +0.1016i %4.harmonik
genliği
0.5208 5 -0.2939 +0.0460i %5.harmonik
genliği
0.6250 6 -0.2327 +0.0226i %6.harmonik
genliği
0.7292 7 -0.2040 +0.0096i %7.harmonik
genliği
↑frekans değerleri

ÖRNEK:
y (t ) = 0.5 + sin( 2 * π * 3.125 * t ) + cos( 2 * π * 9.25 * t ) fonksiyonu ile değişen ve
periyodu T=3.2 sn olan bir işaretin fft komutu yardımıyla harmonik analizi

16
yapın.y(t) fonksiyonundan periyot boyunca eşit zaman aralıklarında nt=64
adet örnek alınmaktadır
ÇÖZÜM:
y (t) değişimi şekil 1.1. de görülmektedir. Verilen problemi çözen
MATLAB programı aşagıda gösterilmiştir.

Yukarıda verilen programın çalıştırılması sonunda command window

ortamında elde edilen harmonik frekans değerleri ve harmonik genlik
değerleri aşağıda gösterilmiştir.

ans =
0 1.0272 % doğru bileşen: y ort
0.3125 0.0272 - 0.0014i % 1.h
0.6250 0.0272 - 0.0028i % 2.h
0.9375 0.0272 - 0.0043i % 3.h
1.2500 0.0271 - 0.0057i % 4.h
1.5625 0.0271 - 0.0072i % 5.h
1.8750 0.0271 - 0.0087i % 6.h
2.1875 0.0270 - 0.0103i % 7.h
2.5000 0.0270 - 0.0119i % 8.h

17
2.8125 0.0269 - 0.0136i % 9.h
3.1250 0.0269 + 1.9846i % 10.h
3.4375 0.0268 - 0.0173i % 11.h
3.7500 0.0267 - 0.0193İ % 12.h
4.0625 0.0266 - 0.0214i % 13.h
4.3750 0.0264 - 0.0237i % 14.h
4.6875 0.0263 - 0.0263i % 15.h
5.0000 0.0261 - 0.0291i % 16.h
5.3125 0.0258 - 0.0322i % 17.h
5.6250 0.0255 - 0.0357i % 18.h
5.9375 0.0251 - 0.0397i % 19.h
6.2500 0.0246 - 0.0443i % 20.h
6.5625 0.0240 - 0.0498i % 21.h
6.8750 0.0231 - 0.0564i % 22.h
7.1875 0.0219 - 0.0646i % 23.h
7.5000 0.0202 - 0.0753i % 24.h
7.8125 0.0175 - 0.0899i % 25.h
8.1250 0.0130 - 0.1115i % 26.h
8.4375 0.0046 - 0.1473i % 27.h
8.7500 -0.0159 - 0.2231i % 28.h
9.0625 -0.1107 - 0.5318i % 29.h
9.3750 0.2830 + 0.6553i % 30.h
9.6875 0.1222 + 0.1214i % 31.h

18
FOURİER DÖNÜŞÜMÜ MATLAB KOMUTLARI

y = ifft(x):x vektörünün ters ayrık fourier dönüşümü (hızlı fourier

dönüşümü algoritmasını kullanarak ) hesaplar. Eğer x bir matris ise her bir
kolonun ters ayrık fourier dönüşümünü bulur.

y=ifft(x,n): x vektörünün n noktalı ters ayrık Fourier dönüşümü (hızlı

fourier dönüşümü algoritmasını kullanarak) hesaplar

y =ifft(x,n,dim) y = ifft(x,[],dim): Boyut (dim) boyunca, x

vektörünün n noktalı ters ayrık Fourier dönüşümü (hızlı fourier dönüşümü
algoritmasını kullanarak) hesaplar.

y =ifft(…, ‘symmetric’): Aktif olan boyut (dim)boyunca eşlenik

simetrik x matrisinin ters ayrık dönüşümünde kullanılır. Özellikle
yuvarlama hataları dolayısı ile tam anlamı ile eşlenik simetrik olamayan x
matrislerinde tercih edilir.

y = (…, ‘nonsymmetric’): Aktif olan boyut(dim)boyunca eşlenik

simetrik olmayan x matrisinin ters ayrık dönüşümünde kullanılır.

İfft2 (x) : x vektör (ya da matrisinin)iki boyutlu Ters hızlı fourier

dönüşümü bulur.

19
Fourier : Sembolik işlemlerde fourier dönüşümünde kullanılır.Aşağıda bu
komutun çeşitli kullanılışları gösterilmiştir.

F = fourier (f) : Sembolik f(x) fonksiyonunun fourier transformunu bulur.

f fonksiyonu (default olarak)x’e bağlıdır.Dönüşüm sonunda (default
olarak)w ile değişen bir fonksiyon elde edilir.Diğer bir ifade ile f =
f(x)fonksiyonuna fourier komutu kullanılarak dönüşüm uygulandığında, F
=F(w)elde edilir.F fonksiyonu f fonksiyonunun fourier dönüşümüdür:
∞

F(w)=f{f(x)}= ∫
−∞
f(x)e −iwx dx (1)

F=fourier(f,v): (1)eşitliğinde (default değer olan)w yerine v

koyarak f fonksiyonunun fourier dönüşümünü bulur.
∞

F (v)= f{f(u)}= ∫
−∞
f(u)e −ivx dx

F =fourier(f,u,v): (1)eşitliğinde (default değer olan)w yerine v ve

(default değer olan )x yerine u koyarak f fonksiyonunun fourier
dönüşümünü bulur:
∞

F(v)= f {(u)} ∫
−∞
f(u)e −ivu du

İfourier : Sembolik işlemlerde ters fourier dönüşümünde kullanılır.

Aşağıda bu komutun çeşitli kullanılışları gösterilmiştir.
f =ifourier (F): Sembolik F(w)fonksiyonunun ters fourier
transformunu (f(x))bulur.F fonksiyonu (default olarak)w’ya
bağlıdır.Dönüşüm sonunda (default olarak)x ile değişen bir f fonksiyonu
elde edilir.Diğer bir ifade ile F = F(w)fonksiyonuna ifourier komutu
kullanılarak dönüşüm uygulandığında f=f(x)elde edilir.f fonksiyonu F
fonksiyonunun ters fourier dönüşümüdür:
∞
1
f(x)=f −1
{F(w)}=
2π ∫
−∞
F(w)e iwx dw (2)

f =fourier(F,u) :(2)eşitliğinde (default değer olan)x yerine u koyarak F

fonksiyonunun ters fourier dönüşümünü bulur:

∞
1
f(u)=f −1 {F(w)}=
2π ∫
−∞
F(w)e iwu dw (3)

f=fourier (F,v,u) : (2)eşitliğinde (default değer olan) w yerine v ve

(default değer olan) x yerine u koyarak F fonksiyonu ters fourier
dönüşümünü bulur:
∞
1
f(u)=f −1
{F(v)}=
2π −∞
∫ F(v)e ivu dv (4) 10

Fourier Dönüşümünü sürekli ve ayrık zamanda inceleyelim.

10
Simulink ve Mühendislik Uygulamaları 7.04- Prof. Dr. Uğur Arifoğlu

20
 +∞
)= ∫X (t )e − jwt dt
jw
X (e C Sürekli zamanlı Fourier dönüşümü
−∞

+∞

∫ x ( n )e
− jωn
X (e j ) = dn Ayrık zamanlı Fourier dönüşümü
−∞

Matlab’da kullandığımız dönüşüm ise hem zamanda hem de frekansta

ayrık olduğu için DFT ve IDFT kullanırız.

N −1
2π
X (k ) = ∑x( n)e − jwk n wk = k Ayrık FT
n =0 N

N −1
1
x ( n) =
N
∑X ( k )
n =0
− jw k n
Ters Ayrık FT

21
Şekil 1a’da sinyalin frekans cevabının mutlak değeri çizilmişken şekil 1b’de
faz cevabı çizilmiştir. Burada dikkat edilmesi gereken husus faz cevabının
bulunurken örnekleme frekansının yeterince büyük seçilmesinin gerekli
olduğudur.

şekil 1a

şekil 1b

Sinyalin Fourier dönüşümünden sonra sıfıra yakın değerler oluşmaktadır.

Bu sayıların oluşumundan dolayı faz cevabı anlaşılır şekilde çıkmamıştır.
Bu problemin çözülebilmesi için DFT işleminden sonra sıfıra yakın saylar
sıfırlanır. Bu işlem verilen örnekte faz temizleme ile gösterilen kısmın
açılmasıyla gerçekleştirilebilir.11

11
http://www.istanbul.edu.tr/eng/ee/labs/iletisim/lablar/lab1.pdf

22
KAYNAKLAR

1. İleri Programlama Uygulamaları-Dr.Fahri VATANSEVER-Seçkin Yayınları

2. Sayısal Çözümleme-Recep TAPRAMAZ-Literatür Yayıncılık

3. http://www.gencbilim.com/odev/odevgoster.php?il=adapazari&id=22770

4. http://www.gencbilim.com/odev/odevgoster.php?il=adapazari&id=22837

5. http://www.istanbul.edu.tr/eng/ee/labs/iletisim/lablar/lab1.pdf

6. Simulink ve Mühendislik Uygulamaları 7.04- Prof. Dr. Uğur Arifoğlu

23