‫ﻧﻤﻮﻧﻪ ﺑﺮداري و ﮔﺮﻓﺘﻦ داده ﻫﺎ‬

Sampling and Data Acquisition

References:
- Figliola & Beasley, Chap. 7,
- Dally, Chap. 4,
- N. Mathivanan, PC-Based Instrumentation, Prentice-Hall India, 2007,
Chap 4.

1
 ‫ﻣﻮﺿﻮﻋﺎت ﻣﺮﺗﺒﻂ ﺑﺎ ﻧﻤﻮﻧﻪ ﺑﺮداري از ﺳﻴﮕﻨﺎل ﻫﺎ و ﺗﺒﺎدل اﻃﻼﻋﺎت ﺑﻪ‬
‫ﺻﻮرت رﻗﻤﻲ‬

‫ﻧﻤﻮﻧﻪ ﺑﺮداري از ﺳﻴﮕﻨﺎل ﻫﺎ‬ ‫
‬

‫ﭘﺪﻳﺪه ‪ Aliasing‬و ﻧﺎﮔﻮﻳﺎﻳﻲ داﻣﻨﻪ ﺳﻴﮕﻨﺎل )‪(Amplitude Ambiguity‬‬ ‫
‬

‫اﻧﺘﺨﺎب ﻧﺮخ ﻧﻤﻮﻧﻪ ﺑﺮداري ﻣﻨﺎﺳﺐ‬ ‫
‬

‫ﻛﻠﻤﺎت رﻗﻤﻲ )‪(digital words‬‬ ‫
‬

‫ﺗﺒﺪﻳﻞ ﺳﻴﮕﻨﺎل ﻫﺎي آﻧﺎﻟﻮگ ﺑﻪ ﺳﻴﮕﻨﺎل ﻫﺎي دﻳﺠﻴﺘﺎل ))‪ (ADC(A/D‬و ﺑﺮﻋﻜﺲ ))‪(DAC(D/A‬‬ ‫
‬

‫اﺳﺘﺎﻧﺪاردﻫﺎي ﺗﺒﺎدل اﻃﻼﻋﺎت‬ ‫
‬

‫‪2‬‬
 ‫درﻳﺎﻓﺖ و ذﺧﻴﺮه اﻃﻼﻋﺎت ﺑﻪ ﺻﻮرت ﻧﺮم اﻓﺰاري‬

‫ذﺧﻴﺮه و ﭘﺮدازش ﺳﻴﮕﻨﺎل ﻫﺎ ﺑﻪ ﺻﻮرت رﻗﻤﻲ ﺧﻴﻠﻲ آﺳﺎن ﺗﺮ و ﻛﻢ ﻫﺰﻳﻨﻪ ﺗﺮ از اﻧﺠﺎم آن ﺑﻪ ﺻﻮرت‬ ‫
‬
‫آﻧﺎﻟﻮگ اﺳﺖ‪.‬‬
‫ﻟﺰوم ﻧﻤﻮﻧﻪ ﺑﺮداري از ﻳﻚ ﺳﻴﮕﻨﺎل آﻧﺎﻟﻮگ ﺑﺮاي ﺗﺒﺪﻳﻞ آن ﺑﻪ ﻳﻚ ﺳﻴﮕﻨﺎل زﻣﺎن‪-‬ﮔﺴﺴﺘﻪ ‪(discrete‬‬ ‫
‬
‫)‪:time‬‬

‫دوره ﺗﻨﺎوب ﻧﻤﻮﻧﻪ ﺑﺮداري‬

‫‪Sampling Period‬‬

‫‪3‬‬
 ‫ﻧﻤﻮﻧﻪ ﺑﺮداري ﻣﻨﺎﺳﺐ از ﻳﻚ ﺳﻴﮕﻨﺎل‬

‫ﻫﻤﺎن ﮔﻮﻧﻪ ﻛﻪ در ﺑﺤﺚ ﻫﺎي ﻗﺒﻠﻲ دﻳﺪﻳﻢ‪ ،‬ﻳﻚ ﺳﻴﮕﻨﺎل را ﻣﻲ ﺗﻮان ﺗﺮﻛﻴﺒﻲ از اﻣﻮاج ﺳﻴﻨﻮﺳﻲ ﻳﺎ‬ ‫
‬
‫ﻛﺴﻴﻨﻮﺳﻲ ﺑﺎ داﻣﻨﻪ ﻫﺎي ﻣﺨﺘﻠﻒ و ﻓﺮﻛﺎﻧﺲ ﻫﺎي ﻣﺨﺘﻠﻒ در ﻧﻈﺮ ﮔﺮﻓﺖ‪.‬‬
‫در ﻓﺮآﻳﻨﺪ ﻧﻤﻮﻧﻪ ﺑﺮداري‪ ،‬ﺑﺎﻳﺪ ﺗﻤﺎم اﻃﻼﻋﺎت ﻣﺮﺑﻮط ﺑﻪ داﻣﻨﻪ ﻫﺎ و ﻓﺮﻛﺎﻧﺲ ﻫﺎي ﻳﻚ ﺳﻴﮕﻨﺎل ﺣﻔﻆ‬ ‫
‬
‫ﺷﻮد‪.‬‬
‫ﻋﻮاﻣﻞ ﻣﺆﺛﺮ در ﻛﻴﻔﻴﺖ ﻧﻤﻮﻧﻪ ﺑﺮداري‪:‬‬ ‫
‬
‫ﻓﺮﻛﺎﻧﺲ ﻫﺎي ﻣﻮﺟﻮد در ﺳﻴﮕﻨﺎل ﻧﻤﻮﻧﻪ ﺑﺮداري ﺷﺪه‬ ‫
‬
‫دوره ﺗﻨﺎوب ﻧﻤﻮﻧﻪ ﺑﺮداري )‪ (sampling period‬ﻳﺎ ﻧﺮخ ﻧﻤﻮﻧﻪ ﺑﺮداري )‪(sample rate‬‬ ‫
‬

‫زﻣﺎن ﻛﻞ ﻧﻤﻮﻧﻪ ﺑﺮداري ﺷﺪه )ﺑﺎﻳﺪ ﺑﻪ ﻗﺪر ﻛﺎﻓﻲ ﺑﺰرگ ﺑﺎﺷﺪ ﺗﺎ ﺳﻴﮕﻨﺎل ﻧﻤﻮﻧﻪ ﺑﺮداري ﺷﺪه‪ ،‬ﻧﻤﻮﻧﻪ اي از ﻛﻞ‬ ‫
‬
‫ﺳﻴﮕﻨﺎل ﺑﺎﺷﺪ و ﻫﻤﻪ ﻓﺮﻛﺎﻧﺲ ﻫﺎي آن را در ﺑﺮﮔﻴﺮد(‬

‫‪4‬‬
 ‫اﻧﺘﺨﺎب ﻧﺮخ ﻳﺎ ﻓﺮﻛﺎﻧﺲ ﻧﻤﻮﻧﻪ ﺑﺮداري‬

‫اﻧﺘﺨﺎب ﻓﺮﻛﺎﻧﺲ ﻣﻨﺎﺳﺐ )ﻳﺎ دوره ﺗﻨﺎوب ﻣﻨﺎﺳﺐ( ﺑﺮاي ﻧﻤﻮﻧﻪ ﺑﺮداري‪ ،‬اﻫﻤﻴﺖ وﻳﮋه اي دارد‪:‬‬ ‫
‬
‫اﻳﻦ ﻓﺮﻛﺎﻧﺲ ﺑﺎﻳﺪ ﺑﻪ ﻗﺪر ﻛﺎﻓﻲ ﺑﺰرگ ﺑﺎﺷﺪ ﺗﺎ ﻫﻤﻪ ﺗﻐﻴﻴﺮات ﺳﻴﮕﻨﺎل را ﺿﺒﻂ ﻛﻨﺪ‪.‬‬ ‫
‬

‫ﻣﻌﺎدل آن‪ :‬ﻓﺎﺻﻠﻪ زﻣﺎﻧﻲ ﻧﻤﻮﻧﻪ ﺑﺮداري ﻫﺎ )دوره ﺗﻨﺎوب( ﺑﺎﻳﺪ ﺑﻪ ﻗﺪر ﻛﺎﻓﻲ ﻛﻮﭼﻚ ﺑﺎﺷﺪ‪f s = 1 / δt :‬‬ ‫
‬

‫ﻣﻌﻤﻮﻻً‪ ،‬ﭘﻴﺸﻨﻬﺎد ﻣﻲ ﺷﻮد ﻛﻪ ﻓﺮﻛﺎﻧﺲ ﻧﻤﻮﻧﻪ ﺑﺮداري ﺣﺪاﻗﻞ ‪ 20‬ﺑﺮاﺑﺮ ﺑﺎﻻﺗﺮﻳﻦ ﻓﺮﻛﺎﻧﺲ ﻣﻮﺟﻮد در ﺳﻴﮕﻨﺎل‬ ‫
‬
‫ﺑﺎﺷﺪ‪.‬‬
‫ﺑﻨﺎﺑﺮﻳﻦ‪ ،‬ﺑﺎﻳﺪ ﻳﻚ آﺷﻨﺎﻳﻲ ﻛﻠﻲ ﺑﺎ ﻣﺤﺪوده ﻓﺮﻛﺎﻧﺲ ﻫﺎي ﻣﻮﺟﻮد در ﺳﻴﮕﻨﺎل داﺷﺘﻪ ﺑﺎﺷﻴﻢ ﺗﺎ ﻓﺮﻛﺎﻧﺲ ﻧﻤﻮﻧﻪ‬ ‫
‬
‫ﺑﺮداري ﻣﻨﺎﺳﺒﻲ اﻧﺘﺨﺎب ﻛﻨﻴﻢ‪.‬‬
‫اﻧﺘﺨﺎب ﻓﺮﻛﺎﻧﺲ ﻧﻤﻮﻧﻪ ﺑﺮداري ﺧﻴﻠﻲ ﺑﺎﻻ‪ ،‬ﺑﺎﻋﺚ ﻣﻲ ﺷﻮد ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻫﺎ زﻳﺎد ﺷﻮد و ذﺧﻴﺮه ﺳﺎزي و ﭘﺮدازش‬ ‫
‬
‫آﻧﻬﺎ دﺷﻮار ﺷﻮد‪.‬‬
‫ﻗﻀﻴﻪ ﻧﻤﻮﻧﻪ ﺑﺮداري )‪:(Shannon & Nyquist) (Sampling Theorem‬‬ ‫
‬
‫
ﻓﺮﻛﺎﻧﺲ ﻧﻤﻮﻧﻪ ﺑﺮداري ﺑﺎﻳﺪ ﺣﺪاﻓﻞ‪ ،‬دو ﺑﺮاﺑﺮ ﺑﺎﻻﺗﺮﻳﻦ ﻓﺮﻛﺎﻧﺲ ﻣﻮﺟﻮد در ﺳﻴﮕﻨﺎل ﭘﻴﻮﺳﺘﻪ ﺑﺎﺷﺪ‪f s > 2 f m :‬‬
‫ﻳﺎ ﺑﻪ ﻋﺒﺎرت دﻳﮕﺮ‪ ،‬ﺑﺎﻻﺗﺮﻳﻦ ﻓﺮﻛﺎﻧﺲ ﻣﻮﺟﻮد در ﺳﻴﮕﻨﺎل ﭘﻴﻮﺳﺘﻪ ﺑﺎﻳﺪ از ﻓﺮﻛﺎﻧﺲ ‪ fN = fs/2‬ﻛﻤﺘﺮ ﺑﺎﺷﺪ‪ .‬ﻓﺮﻛﺎﻧﺲ‬ ‫
‬
‫‪ fN‬را ﻓﺮﻛﺎﻧﺲ ﻧﺎﻳﻜﻮﻳﺴﺖ )‪ (Nyquist Frequency‬ﻣﻲ ﻧﺎﻣﻨﺪ‪.‬‬
‫اﮔﺮ ﻓﺮﻛﺎﻧﺲ ﻧﻤﻮﻧﻪ ﺑﺮداري از اﻳﻦ ﻓﺮﻛﺎﻧﺲ ﻛﻮﭼﻜﺘﺮ ﺑﺎﺷﺪ‪ ،‬ﺳﻴﮕﻨﺎل ﻧﻤﻮﻧﻪ ﺑﺮداري ﺷﺪه‪ ،‬ﻳﻚ ﺳﻴﮕﻨﺎل دروﻏﻴﻦ‬ ‫
‬
‫)‪ (false‬ﺧﻮاﻫﺪ ﺑﻮد و ﭘﺪﻳﺪه اﻟﻴﺎزﻳﻨﮓ )‪) (Aliasing‬ﻳﺎ ﺑﺪ ﻧﻤﺎﻳﻲ( اﺗﻔﺎق ﻣﻲ اﻓﺘﺪ‪.‬‬
‫‪5‬‬
 ‫اﺛﺮ ﺗﻐﻴﻴﺮ ﻧﺮخ ﻧﻤﻮﻧﻪ ﺑﺮداري ﺑﺮ ﺳﻴﮕﻨﺎل زﻣﺎن‪-‬ﮔﺴﺴﺘﻪ‬

‫ﺳﻴﮕﻨﺎل ﭘﻴﻮﺳﺘﻪ ﺳﻴﻨﻮﺳﻲ ﺑﺎ ﻓﺮﻛﺎﻧﺲ ‪ 10‬ﻫﺮﺗﺰ‪:‬‬ ‫
‬

‫ﻫﺮ ﭼﻪ ﻓﺮﻛﺎﻧﺲ ﻧﻤﻮﻧﻪ ﺑﺮداري ﻛﻮﭼﻜﺘﺮ ﺷﻮد و‬ ‫
‬
‫ﻓﻮاﺻﻞ زﻣﺎﻧﻲ ﻧﻤﻮﻧﻪ ﺑﺮداري ﺑﻴﺸﺘﺮ ﺷﻮد‪ ،‬ﻣﻘﺪار‬
‫اﻃﻼﻋﺎت ﻣﺎ از ﺳﻴﮕﻨﺎل ﻛﻢ ﻣﻲ ﺷﻮد‪.‬‬
‫ﺗﺎ وﻗﺘﻲ ﻓﺮﻛﺎﻧﺲ ﻧﻤﻮﻧﻪ ﺑﺮداري ﺑﻴﺸﺘﺮ از ‪ 20‬ﻫﺮﺗﺰ‬ ‫
‬
‫اﺳﺖ‪ ،‬ﺗﻌﺪاد ﺗﻜﺮارﻫﺎي اﻣﻮاج ﺳﻴﻨﻮﺳﻲ )ﻣﺜﺒﺖ‪-‬‬
‫ﻣﻨﻔﻲ ﺷﺪن ﻫﺎ( ﻗﺎﺑﻞ ﺗﺸﺨﻴﺺ اﺳﺖ‪.‬‬

‫‪6‬‬
 ‫اﺛﺮ ﺗﻐﻴﻴﺮ ﻧﺮخ ﻧﻤﻮﻧﻪ ﺑﺮداري ﺑﺮ ﺳﻴﮕﻨﺎل زﻣﺎن‪-‬ﮔﺴﺴﺘﻪ‬

‫اﮔﺮ ﻓﺮﻛﺎﻧﺲ ﻧﻤﻮﻧﻪ ﺑﺮداري ﻛﻤﺘﺮ از ‪ 20‬ﻫﺮﺗﺰ ﺷﻮد‪،‬‬ ‫
‬

‫ﻣﺜﺒﺖ‪-‬ﻣﻨﻔﻲ ﺷﺪن ﺳﻴﮕﻨﺎل در ﻓﻮاﺻﻞ ﺑﻴﻦ ﻧﻤﻮﻧﻪ‬
‫ﺑﺮداري ﻫﺎ ﻗﺎﺑﻞ ﺗﺸﺨﻴﺺ ﻧﻴﺴﺖ‪.‬‬
‫در اﻳﻦ ﺻﻮرت‪ ،‬ﻧﻘﺎط ﮔﺴﺴﺘﻪ ﻧﻤﻮﻧﻪ ﺑﺮداري ﺷﺪه‪،‬‬ ‫
‬
‫ﻣﻮﺟﻲ ﺳﻴﻨﻮﺳﻲ ﺑﺎ ﻓﺮﻛﺎﻧﺴﻲ ﻛﻤﺘﺮ از ﻓﺮﻛﺎﻧﺲ‬
‫ﺳﻴﮕﻨﺎل را ﺗﺸﻜﻴﻞ ﻣﻲ دﻫﻨﺪ‪.‬‬
‫ﻣﺸﺎﺑﻪ اﻳﻦ ﭘﺪﻳﺪه را در ﺗﺼﻮﻳﺮﺑﺮداري از ﺗﻠﻮﻳﺰﻳﻮن‬ ‫
‬
‫در ﺣﺎل ﭘﺨﺶ و ﻧﻴﺰ در ﺳﺮﻋﺖ ﺳﻨﺠﻲ ﺑﻪ ﻛﻤﻚ‬
‫‪ stroboscope‬ﻣﻲ ﺗﻮان ﻣﺸﺎﻫﺪه ﻛﺮد‪.‬‬
‫‪fa=2 Hz‬‬

‫‪7‬‬
 ‫ﻣﺜﺎل دﻳﮕﺮي از ﭘﺪﻳﺪه ﺑﺪﻧﻤﺎﻳﻲ )‪(Aliasing‬‬

‫ﻧﻤﻮﻧﻪ ﺑﺮداري از ﻳﻚ ﺳﻴﮕﻨﺎل ‪ 60 Hz‬ﺑﺎ ﻧﺮخ ﻧﻤﻮﻧﻪ ﺑﺮداري ‪: 50 Hz‬‬ ‫
‬

‫‪fa=10 Hz‬‬

‫‪fa=12-10=2 Hz‬‬

‫‪8‬‬
 ‫ﺗﻮﺟﻴﻪ ﭘﺪﻳﺪه اﻟﻴﺎزﻳﻨﮓ‬

‫ﻳﻚ ﺳﻴﮕﻨﺎل ﭘﻴﻮﺳﺘﻪ ﺳﻴﻨﻮﺳﻲ ﺳﺎده ﺑﺎ ﻓﺮﻛﺎﻧﺲ ‪ f‬را در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ‪:‬‬ ‫
‬

‫اﮔﺮ ﺳﻴﮕﻨﺎل در ﻓﻮاﺻﻞ زﻣﺎﻧﻲ ‪ δt‬ﻧﻤﻮﻧﻪ ﺑﺮداري ﺷﻮد‪ ،‬ﻣﻘﺪار ﺳﻴﮕﻨﺎل در اﻳﻦ زﻣﺎن ﻫﺎ ﺑﺮاﺑﺮﺳﺖ ﺑﺎ‪:‬‬ ‫
‬

‫ﻓﺮﻛﺎﻧﺲ ﻧﻤﻮﻧﻪ ﺑﺮداري ‪ fs =1/δt‬اﺳﺖ‪.‬‬ ‫
‬

‫از آﻧﺠﺎ ﻛﻪ )‪ sinx=sin(x+2πq‬اﺳﺖ‪ ،‬ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ‪:‬‬ ‫
‬

‫اﻳﻦ ﺗﺴﺎوي ﻧﺸﺎن ﻣﻲ دﻫﺪ ﻛﻪ ﻧﻤﻮﻧﻪ ﺑﺮداري از ﻣﻮج ﻫﺎﻳﻲ ﺑﺎ ﻓﺮﻛﺎﻧﺲ ﻫﺎي ‪ f‬و ‪ ، f + m/δt‬ﺑﻪ ﻧﺘﺎﻳﺞ ﻳﻜﺴﺎﻧﻲ‬ ‫
‬
‫ﺧﺘﻢ ﻣﻲ ﺷﻮد و ﺗﻤﺎﻳﺰ اﻳﻦ ﻓﺮﻛﺎﻧﺲ ﻫﺎ ﻣﻤﻜﻦ ﻧﻴﺴﺖ )‪ m‬ﻣﻲ ﺗﻮاﻧﺪ ﻣﻨﻔﻲ ﻫﻢ ﺑﺎﺷﺪ(‪.‬‬
‫ﻓﻘﻂ وﻗﺘﻲ ‪ m=0‬اﺳﺖ‪ ،‬اﻳﻦ دو ﺳﻴﮕﻨﺎل ﺑﺎ ﻫﻢ ﺑﺮاﺑﺮﻧﺪ و ﭘﺪﻳﺪه اﻟﻴﺎزﻳﻨﮓ اﺗﻔﺎق ﻧﻤﻲ اﻓﺘﺪ‪.‬‬ ‫
‬

‫‪9‬‬
 ‫ﻓﺮﻛﺎﻧﺲ ﻧﻤﻮﻧﻪ ﺑﺮداري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺟﻠﻮﮔﻴﺮي از اﻟﻴﺎزﻳﻨﮓ‬

‫ﻓﺮﻛﺎﻧﺲ ﻫﺎي اﻟﻴﺎزﻳﻨﮓ‪fa= f + m/δt= f + m fs :‬‬ ‫
‬

‫اﮔﺮ ‪ fs > 2f‬ﺑﺎﺷﺪ ) ‪ f‬ﺑﺰرﮔﺘﺮﻳﻦ ﻓﺮﻛﺎﻧﺲ ﺳﻴﮕﻨﺎل اﺳﺖ(‪ ،‬ﺑﺮاي ‪ ، m ≠ 0‬ﻓﺮﻛﺎﻧﺲ ﻫﺎي اﻟﻴﺎزﻳﻨﮓ ﺑﺰرﮔﺘﺮ از‬ ‫
‬
‫ﻓﺮﻛﺎﻧﺲ ‪ f‬ﺧﻮاﻫﻨﺪ ﺑﻮد‪:‬‬
‫‪fa= f + m fs > f + 2 f = 3f :m = +1‬‬ ‫
‬

‫‪fa= f + m fs < f - 2 f = -f‬‬ ‫‪:m = -1‬‬ ‫
‬

‫ﺑﻨﺎﺑﺮﻳﻦ‪ ،‬اﻧﺪازه ﻓﺮﻛﺎﻧﺲ ﻫﺎي اﻟﻴﺎزﻳﻨﮓ‪ ،‬ﺑﺰرﮔﺘﺮ از ﺑﺎﻻﺗﺮﻳﻦ ﻓﺮﻛﺎﻧﺲ ﻣﻮﺟﻮد در ﺳﻴﮕﻨﺎل ) ‪ ( f‬ﺧﻮاﻫﺪ ﺑﻮد و ﺳﻴﮕﻨﺎل‬ ‫
‬
‫‪ f‬ﻣﻀﺮﺑﻲ از آن ﻓﺮﻛﺎﻧﺲ ﻫﺎ را در ﺧﻮد ﻧﺪارد‪.‬‬

‫‪10‬‬
 ‫ﻧﺎﮔﻮﻳﺎﻳﻲ داﻣﻨﻪ ﺳﻴﮕﻨﺎل )‪(Amplitude Ambiguity‬‬

‫ﺑﺮاي ﻳﻚ ﺳﻴﮕﻨﺎل‪ ،‬اﻃﻼﻋﺎت داﻣﻨﻪ و ﻓﺮﻛﺎﻧﺲ ﺳﻴﮕﻨﺎل ﺣﻔﻆ ﻣﻲ ﺷﻮد‪ ،‬اﮔﺮ ‪:‬‬ ‫
‬
‫ﻃﻮل ﻛﻞ زﻣﺎن ﻧﻤﻮﻧﻪ ﺑﺮداري ‪ Nδt‬ﻣﻀﺮﺑﻲ ﺻﺤﻴﺢ از زﻣﺎن ﺗﻨﺎوب اﺻﻠﻲ )ﺑﺰرﮔﺘﺮﻳﻦ زﻣﺎن ﺗﻨﺎوب‬ ‫‪.1‬‬
‫ﺳﻴﮕﻨﺎل ﻫﺎي ﺗﺸﻜﻴﻞ دﻫﻨﺪه( ﺑﺎﺷﺪ‪Nδt=mT1 :‬‬
‫ﻓﺮﻛﺎﻧﺲ ﻧﻤﻮﻧﻪ ﺑﺮداري ﺷﺮاﻳﻂ ﻗﻀﻴﻪ ﻧﻤﻮﻧﻪ ﺑﺮداري را ارﺿﺎء ﻛﻨﺪ‪f s > 2 f m :‬‬ ‫‪.2‬‬

‫در اﻳﻦ ﺻﻮرت‪ ،‬ﺳﻴﮕﻨﺎل اﺻﻠﻲ را ﻣﻲ ﺗﻮان از ﺿﺮاﻳﺐ ‪ DFT‬ﺳﻴﮕﻨﺎل ﺑﺪﺳﺖ آورد‪.‬‬ ‫
‬

‫ﻓﺎﺻﻠﻪ ﻓﺮﻛﺎﻧﺴﻲ ﺗﺒﺪﻳﻞ ‪ DFT‬ﺑﺮاﺑﺮ ﺧﻮاﻫﺪ ﺑﻮد ﺑﺎ‪δf=1/Nδt = fs/N :‬‬ ‫
‬
‫اﮔﺮ ﻃﻮل ﻛﻞ زﻣﺎن ﻧﻤﻮﻧﻪ ﺑﺮداري ﻣﻀﺮب ﺻﺤﻴﺤﻲ از زﻣﺎن ﺗﻨﺎوب اﺻﻠﻲ ﺳﻴﮕﻨﺎل ﻧﺒﺎﺷﺪ و دوره‬ ‫
‬
‫ﺗﻨﺎوب ﺑﺮﻳﺪه )‪ (truncated‬ﺷﻮد‪ ،‬اﺳﺘﺨﺮاج ﺳﻴﮕﻨﺎل ﻫﺎي اﺻﻠﻲ ﺳﻴﮕﻨﺎل از روي داده ﻫﺎي ﻧﻤﻮﻧﻪ‬
‫ﺑﺮداري ﺷﺪه دﻗﻴﻖ ﻧﺨﻮاﻫﺪ ﺑﻮد‪.‬‬
‫در اﻳﻦ ﺻﻮرت‪ ،‬داﻣﻨﻪ ﻫﺎ در ﻓﺮﻛﺎﻧﺲ ﻫﺎي ﻣﺨﺘﻠﻒ‪ ،‬دﻗﻴﻖ )‪ (exact‬اﺳﺘﺨﺮاج ﻧﻤﻲ ﺷﻮﻧﺪ‪ .‬اﻳﻦ‬ ‫
‬
‫ﭘﺪﻳﺪه را اﺑﻬﺎم ﻳﺎ ﻧﺎﮔﻮﻳﺎﻳﻲ داﻣﻨﻪ ﺳﻴﮕﻨﺎل ﻣﻲ ﮔﻮﻳﻨﺪ‪.‬‬

‫‪11‬‬
 ‫ﻣﺜﺎل ﻧﺎﮔﻮﻳﺎﻳﻲ داﻣﻨﻪ ﺳﻴﮕﻨﺎل‬

‫در اﻳﻦ ﺣﺎﻟﺖ‪ ،‬ﻃﻮل ﻛﻞ زﻣﺎن ﻧﻤﻮﻧﻪ ﺑﺮداري ‪ Nδt‬ﻣﻀﺮﺑﻲ ﺻﺤﻴﺢ از زﻣﺎن ﺗﻨﺎوب اﺻﻠﻲ اﺳﺖ‪ ،‬ﺑﻨﺎﺑﺮﻳﻦ اﺳﺘﺨﺮاج‬ ‫
‬
‫ﻓﺮﻛﺎﻧﺲ و داﻣﻨﻪ ﺳﻴﮕﻨﺎل ﻫﺎي ﺗﺸﻜﻴﻞ دﻫﻨﺪه ﻣﻤﻜﻨﺴﺖ‪.‬‬

‫دور‪>?@ A‬وب ا‪:89:‬‬

‫‪T1=1/f=1/100‬‬
‫‪"# $%&'% (%)*"+‬دار‪:‬‬
‫‪fs=1/ δt=1/0.3125ms=3200‬‬
‫‪Nδt=(256)(0.3125)=80ms‬‬
‫‪f =100Hz‬‬ ‫‪=8T1‬‬

‫‪12‬‬
 ‫ﻣﺜﺎل ﻧﺎﮔﻮﻳﺎﻳﻲ داﻣﻨﻪ ﺳﻴﮕﻨﺎل‬

‫‪f=100Hz‬‬ ‫ﺑﻪ ﻋﻠﺖ ﺑﺮﻳﺪه ﺷﺪن ﺳﻴﮕﻨﺎل‪،‬‬ ‫
‬

‫ﻓﺮﻛﺎﻧﺲ ﻫﺎﻳﻲ در اﻃﺮاف‬
‫ﻓﺮﻛﺎﻧﺲ اﺻﻠﻲ ﺳﻴﮕﻨﺎل‬
‫اﺳﺘﺨﺮاج ﺷﺪه اﻧﺪ‪.‬‬

‫اﮔﺮ ﻓﺎﺻﻠﻪ زﻣﺎﻧﻲ ﻧﻤﻮﻧﻪ ﺑﺮداري‬ ‫
‬

‫ﺑﺰرﮔﺘﺮ ﺷﻮد‪ ،‬ﻣﻘﺎدﻳﺮ داﻣﻨﻪ ﻫﺎ ﺑﻪ‬
‫ﻣﻘﺪار واﻗﻌﻲ ﻧﺰدﻳﻚ ﺗﺮ ﻣﻲ‬
‫ﺷﻮد‪.‬‬

‫‪13‬‬