‫עיבוד אותות ספרתי‬

‫חוברת הקורס‬

‫‪SCE‬‬

‫‪T. Trigano and D. Bykhovsky‬‬

‫תאריך העדכון‪:‬‬
‫‪ 23‬בנובמבר ‪2020‬‬
‫ז׳ בכסלו ה׳תשפ״א‬
 :‫גרסה העדכנית ביותר של החוברת ניתנת להורדה מהאתר‬
https://bykhov.github.io/dsp/

2019 ‫ ספטמבר‬- 1.0.1 ‫גרסה‬

2019 ‫ דצמבר‬- 1.1.5 ‫גרסה‬

This work is licensed under a Creative Commons “Attribution-

NonCommercial-ShareAlike 4.0 International” license.
 ‫תוכן העניינים‬

‫‪7‬‬ ‫הקדמה‬ ‫‪1‬‬

‫‪7‬‬ ‫‪ 1.1‬מבוא ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪8‬‬ ‫‪ 1.2‬אותות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪9‬‬ ‫‪ 1.3‬מערכות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬

‫‪11‬‬ ‫סיווג אותות בדידים ומערכות בדידות‬ ‫‪2‬‬

‫‪11‬‬ ‫‪ 2.1‬הקדמה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪11‬‬ ‫‪ 2.2‬אותות בדידים ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪11‬‬ ‫אותות בסיסיים ‪. . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬ ‫‪2.2.1‬‬
‫‪13‬‬ ‫הגדרת האות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬ ‫‪2.2.2‬‬
‫‪13‬‬ ‫‪ 2.2.3‬פעולות על האות ‪. . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪14‬‬ ‫‪ 2.2.4‬סיווג אותות בדידים ‪. . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪15‬‬ ‫‪ 2.3‬מערכות בדידות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪16‬‬ ‫‪ 2.3.1‬סיווג מערכות בדידות ‪. . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪17‬‬ ‫‪ 2.4‬מערכות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . LTI‬‬
‫‪18‬‬ ‫‪ 2.4.1‬קונבולוציה בדידה ‪. . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪21‬‬ ‫סיבתיות ויציבות עבור מערכות ‪. . . . . . . . . . . . . . . . LTI‬‬ ‫‪2.4.2‬‬
‫‪23‬‬ ‫‪ FIR 2.4.3‬ו‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IIR-‬‬
‫‪23‬‬ ‫‪ 2.5‬שאלות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬

‫‪25‬‬ ‫התמרת ‪Z‬‬ ‫‪3‬‬

‫‪25‬‬ ‫‪ 3.1‬הקדמה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪25‬‬ ‫‪ 3.1.1‬מבט בעזרת המשוואות הדיפרנציאליות ‪. . . . . . . . . . . . . . .‬‬
‫‪26‬‬ ‫‪ 3.1.2‬מבט בעזרת האותות העצמיים ‪. . . . . . . . . . . . . . . . . . .‬‬
‫‪26‬‬ ‫‪ 3.2‬הגדרה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪27‬‬ ‫‪ 3.3‬תחום ההתכנסות של התמרת ‪. . . . . . . . . . . . . . . . . . . . . . . Z‬‬
‫‪27‬‬ ‫‪ 3.3.1‬הגדרה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪29‬‬ ‫‪ 3.3.2‬תכונות כלליות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪31‬‬ ‫‪ 3.4‬התמרות שימושיות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪32‬‬ ‫‪ 3.5‬תכונותיה של התמרת ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . Z‬‬
‫‪36‬‬ ‫‪ 3.6‬מערכות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . LTI‬‬
‫‪39‬‬ ‫‪ 3.7‬התמרת ‪ Z‬ההפוכה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪39‬‬ ‫‪ 3.7.1‬הגדרה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪4‬‬ ‫תוכן העניינים‬

‫‪40‬‬ ‫‪ 3.7.2‬שיטות שימושיות לחישוב ‪. . . . . . . . . . . . . . . . . . . . . .‬‬

‫‪43‬‬ ‫ייצוג מערכות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬ ‫‪3.8‬‬

‫‪45‬‬ ‫התמרת פורייה בזמן בדיד‬ ‫‪4‬‬

‫‪45‬‬ ‫‪ 4.1‬הקדמה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪47‬‬ ‫‪ 4.2‬ניסוח הגדרה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪47‬‬ ‫‪ 4.2.1‬התמרת פוריה בזמן בדיד ‪. . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪47‬‬ ‫‪ 4.2.2‬קשר בין אות אנלוגי לאות דגום בזמן רציף ‪. . . . . . . . . . . . .‬‬
‫‪49‬‬ ‫‪ 4.2.3‬קשר בין אות אנלוגי לאות דגום בזמן רציף ‪. . . . . . . . . . . . .‬‬
‫‪50‬‬ ‫‪ 4.3‬הגדרה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪52‬‬ ‫‪ 4.4‬תכונות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪57‬‬ ‫‪ 4.5‬קשר בין סוג מסנן למפת האפסים והקטבים ‪. . . . . . . . . . . . . . . .‬‬
‫‪58‬‬ ‫‪ 4.6‬שאלות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬

‫‪59‬‬ ‫תכונות המערכות‬ ‫‪5‬‬

‫‪59‬‬ ‫‪ 5.1‬הקדמה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪60‬‬ ‫‪ 5.2‬מסננים בעלי פאזה לינארית ‪. . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪60‬‬ ‫‪ 5.2.1‬השהייה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪61‬‬ ‫‪ 5.2.2‬פאזה לינארית ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪64‬‬ ‫‪ 5.3‬מסננים מעבירי הכל )‪. . . . . . . . . . . . . . . . . . . . . . . (All-Pass‬‬
‫‪66‬‬ ‫‪ 5.4‬מערכת הפיכה‪/‬הפוכה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪67‬‬ ‫‪ 5.5‬שאלות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬

‫‪69‬‬ ‫שינוי תדר דגימה‬ ‫‪6‬‬

‫‪69‬‬ ‫‪ 6.1‬הורדת תדר דגימה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪69‬‬ ‫‪ 6.1.1‬תת‪-‬דגימה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪69‬‬ ‫‪ DTFT‬של אות לאחר תת‪-‬דגימה ‪. . . . . . . . . . . . . . . . . .‬‬ ‫‪6.1.2‬‬
‫‪71‬‬ ‫‪ 6.1.3‬דסימציה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪72‬‬ ‫‪ 6.2‬העלת תדר דגימה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪72‬‬ ‫‪ 6.2.1‬על‪-‬דגימה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪72‬‬ ‫‪ DTFT‬של אות לאחר על‪-‬דגימה ‪. . . . . . . . . . . . . . . . . .‬‬ ‫‪6.2.2‬‬
‫‪73‬‬ ‫‪ 6.2.3‬אינטרפולציה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪74‬‬ ‫‪ 6.3‬שינוי תדר הדגימה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪74‬‬ ‫‪ 6.4‬שאלות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬

‫‪75‬‬ ‫התמרת פוריה בדידה‬ ‫‪7‬‬

‫‪75‬‬ ‫‪ 7.1‬הקדמה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪75‬‬ ‫‪ 7.2‬הגדרה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪78‬‬ ‫‪ 7.3‬תכונות התמרת ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . DFT‬‬
‫‪78‬‬ ‫‪ 7.3.1‬ציקליות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪80‬‬ ‫‪ 7.3.2‬תכונות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫תוכן העניינים‬ ‫‪5‬‬

‫‪85‬‬ ‫מבוא לשיערוך ספקטרום‬ ‫‪8‬‬

‫‪85‬‬ ‫‪ 8.1‬סיכום הקשר בין ההתמרות ‪. . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪86‬‬ ‫‪ 8.2‬ריפוד באפסים ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪88‬‬ ‫‪ 8.3‬חלונות ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪88‬‬ ‫‪ 8.3.1‬אות סופי בזמן ‪. . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪90‬‬ ‫‪ 8.3.2‬השפעה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪90‬‬ ‫‪ 8.3.3‬חלון לא מלבני ‪. . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪91‬‬ ‫‪ 8.4‬אותות בעלי תדר משתנה בזמן ‪. . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪92‬‬ ‫‪ 8.5‬סיכום ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬

‫‪93‬‬ ‫מסננים‬ ‫‪9‬‬

‫‪93‬‬ ‫‪ 9.1‬הקדמה ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪94‬‬ ‫‪ 9.2‬מפרט דרישות לתכנון מסננים ‪. . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪94‬‬ ‫‪ 9.2.1‬מפרט מסנני ‪. . . . . . . . . . . . . . . . . . . . . . . . . . FIR‬‬
‫‪95‬‬ ‫‪ 9.2.2‬מפרט מסנני ‪. . . . . . . . . . . . . . . . . . . . . . . . . . . IIR‬‬
‫‪95‬‬ ‫‪ 9.2.3‬מאפיינים נוספים ‪. . . . . . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪96‬‬ ‫‪ 9.3‬תכנון מסנני ‪ FIR‬בשיטת החלונות ‪. . . . . . . . . . . . . . . . . . . . . .‬‬
‫‪99‬‬ ‫‪ 9.4‬תכנון מסננים ע"י ‪. . . . . . . . . . . . . . . . . . . . . . . . . . Matlab‬‬
‫‪99‬‬ ‫‪ 9.4.1‬שיטות תכנון נפוצות ‪. . . . . . . . . . . . . . . . . . . . . . . . .‬‬

‫‪101‬‬ ‫פתרונות לשאלות‬

‫‪103‬‬ ‫א׳ נספח מתמטי‬

 ‫פרק ‪1‬‬

‫הקדמה‬

‫מבוא‬ ‫‪1.1‬‬
‫למה אנלוגי לא‬ ‫העולם סביבנו הוא אנלוגי‪ ,‬והתמודדות איתו מחייבת שימוש במעגלים אלקטרוניים אנלוגיים‪.‬‬
‫משהו?‬ ‫עם זאת‪ ,‬למעגלים אנלוגיים ישנם מספר מגרעות‪:‬‬

‫� מחיר גבוה‬

‫� קושי בייצור רכיבים מדוייקים‬

‫� קושי בשינוי פרמטרים‬

‫� תלות בטמפרטורה‬

‫� רגישות לרעש‬

‫יתרונות של עיבוד‬ ‫במקרים רבים‪ ,‬ניתן להשתמש במקום במערכת ספרתיות מבוססות אותות דגומים בזמן בדיד‬
‫ספרתי‬ ‫ועיבוד אות בצורה ספרתית ע"ג מעבד או חומרה ייעודית‪ .‬היתרונות של מערכות בזמן בדיד‬
‫הם‪:‬‬

‫� מחיר יחסית נמוך של חומרה‪ ,‬עבור תדרים נמוכים‬

‫� ביצועים מדוייקים ועקביים‬

‫� שינוי קל של פרמטרים‬

‫� שיטות מסויימות ניתנות למימוש בצורה ספרתית בלבד‬

‫לעבודה עם אותות דגומים עדיין מספר מגבלות מובנות‪ ,‬בעיקר עבור אותות בתדר גבוה‬
‫והספקים גבוהים‪.‬‬
‫מעבר טכנולוגיה‬ ‫בעידן המודרני‪/‬דיגיטלי‪ ,‬המהלך עשורות שנים האחרונות‪ ,‬קיימת מגמה ברורה של החלפת‬
‫מאנלוגי לדיגיטלי‬ ‫מערכות עם חלקים מעולם הרכיבים החשמליים כגון סלילים‪ ,‬קבלים‪ ,‬נגדים וכד'‪ ,‬למערכות‬
‫מבצעות סינון ועיבוד הנתונים של אותות דגומים‪.‬‬
‫כלי מתמטיים אינם‬ ‫מעולם העיבוד האותות האנלוגיים‪ ,‬נרצה לשמר את כלים המתמטיים שמאפשרים לנתח את‬
‫זהים‬ ‫התוכן ספקטראלי של האותות בקלות )כגון התמרת פורייה(‪ ,‬או לנתח מערכות במישור התדר‪,‬‬
‫‪8‬‬ ‫פרק ‪ .1‬הקדמה‬

‫כמו התמרת לפלס‪ .‬אם זאת‪ ,‬המעבר מתחום אנלוגי לדיגיטלי כולל מספר אתגרים‪ ,‬ולכאורה‬
‫שימוש אותם הכלים אינו מיידי‪ .‬לשם הדוגמה‪ ,‬נציג להלן הבדלים מהותיים קיימים בין התמרת‬
‫פורייה של אות אנלוגי תואורטי והתמרת פורייה מעשית של גרסה הספרתית‪.‬‬

‫אותות‬ ‫‪1.2‬‬

‫התמרת פוריה מעשית‬

‫דוגמה ‪ :1.1‬נתון אות אנלוגי‬

‫‪x(t) = cos (2πF1 t) + cos (2πF2 t) ,‬‬

‫כאשר התדרים הם ‪ .F1 = 48kHz, F2 = 52kHz‬האות עובר דגימה בתדר דגימה של‬
‫‪ .Fs = 200kHz‬כשנרצה לשרטט התמרת פוריה של האות הדגום המתקבל‪ ,x[n] ,‬נצפה לקבל‬
‫את התוצאה המופיע להלן באיור ‪1.1‬ב‪.‬‬ ‫ככה זה בתאוריה‬

‫‪0.6‬‬ ‫‪2‬‬

‫‪0.5‬‬
‫‪1‬‬
‫|)‪Amplitude, |X(jf‬‬

‫‪0.4‬‬

‫‪0.3‬‬
‫)‪x(t‬‬

‫‪0‬‬
‫‪0.2‬‬

‫‪0.1‬‬
‫‪-1‬‬
‫‪0‬‬

‫‪-0.1‬‬ ‫‪-2‬‬
‫‪-52‬‬
‫‪-48‬‬

‫‪48‬‬
‫‪52‬‬

‫‪0‬‬ ‫‪0.1‬‬ ‫‪0.2‬‬ ‫‪0.3‬‬ ‫‪0.4‬‬ ‫‪0.5‬‬

‫]‪Frequency [kHz‬‬ ‫]‪Time [msec‬‬

‫ב( אות בתדר‬ ‫א( אות בזמן‬

‫איור ‪ :1.1‬הצגה של האות )‪ x(t‬והתמרת פוריה התאורטית שלו‪.‬‬

‫החישוב בפועל יכול להראות כמו אחת הדוגמאות שבאיור ‪ ,1.2‬המציג חלק מהאפשרויות של‬ ‫התמרת פוריה‬
‫ההתמרה המתקבלת‪ .‬חשוב להדגיש‪ ,‬שאפשרות מעשית היחידה לחישוב התמרת הפוריה של‬ ‫מעשית לפעמים‬
‫יכולה להיות קצת‬
‫האות‪ ,‬היא חישוב התמרת פוריה של האות הדגום‪ .‬שימוש המעשי של התמרת פוריה הוא‬
‫מאתגרת‬
‫אחד הנושאים החשובים שבספר‪ ,‬עליו נרחיב בפרק ‪.8‬‬
‫באופן מקורב‪ ,‬אפשר להבין את הצורות המתקבלות באופן הבא‪ .‬זאת שאנו רואים במטלב‬ ‫ניסיון להסביר‬
‫חלק מהאות )במקום האות האינסופי בזמן המתואר על ידי הנוסחה( זהה מתמטית למכפלה‬ ‫בגדול את‬
‫התוצאות‬
‫בחלון‪ ,‬ובמישור התדר זהה לקונבולוציה בין ההלמים של ההתמרה הצפוייה לצורת ‪ .sinc‬כמו‬
‫כן‪ ,‬לדגום במישור הזמן גורם להוספת שכפולים ספקטראליים במישור התדר‪ ,‬כך שהגבר‬
‫ההתמרה נראה מחזורי עבור אות בדיד‪ .‬אך הגרפים הללו מאירים על קושי מעשי ‪ -‬לא תמיד‬
‫ניתן לבדיל בין תדרים סמוכים תוך צפיית הספקטרום )כאשר אין בעייה כזאת עבור אותות‬
‫אנלוגיים תאורטיים(‪.‬‬
 ‫‪ 1.3‬מערכות‬ ‫‪9‬‬

‫‪0.6‬‬ ‫‪1‬‬

‫‪0.5‬‬
‫‪0.8‬‬

‫|)‪Amplitude, |X(jf‬‬

‫|)‪Amplitude, |X(jf‬‬
‫‪0.4‬‬
‫‪0.6‬‬
‫‪0.3‬‬
‫‪0.4‬‬
‫‪0.2‬‬

‫‪0.2‬‬
‫‪0.1‬‬

‫‪0‬‬ ‫‪0‬‬
‫‪-100‬‬ ‫‪-50‬‬ ‫‪0‬‬ ‫‪50‬‬ ‫‪100‬‬ ‫‪-100‬‬ ‫‪-50‬‬ ‫‪0‬‬ ‫‪50‬‬ ‫‪100‬‬
‫]‪Frequency [kHz‬‬ ‫]‪Frequency [kHz‬‬

‫ב(‬ ‫א(‬
‫‪0.5‬‬ ‫‪0.2‬‬

‫‪0.4‬‬
‫‪0.15‬‬
‫|)‪Amplitude, |X(jf‬‬

‫|)‪Amplitude, |X(jf‬‬
‫‪0.3‬‬
‫‪0.1‬‬
‫‪0.2‬‬

‫‪0.05‬‬
‫‪0.1‬‬

‫‪0‬‬ ‫‪0‬‬
‫‪-100‬‬ ‫‪-50‬‬ ‫‪0‬‬ ‫‪50‬‬ ‫‪100‬‬ ‫‪-100‬‬ ‫‪-50‬‬ ‫‪0‬‬ ‫‪50‬‬ ‫‪100‬‬
‫]‪Frequency [kHz‬‬ ‫]‪Frequency [kHz‬‬

‫ד(‬ ‫ג(‬

‫איור ‪ :1.2‬התמרת פוריה מעשית של האות )‪ ,x(t‬בהתאם לפרמטרים שונים‪.‬‬

‫‪ 1.3‬מערכות‬
‫עיבוד אותות זה‬ ‫חשוב להדגיש‪ ,‬שב‪ DSP-‬מערכת הינה תוכנה או חומרה ספרתית ייעודית‪ .‬העובדה הזאת מצד‬
‫מימוש נוסחאות‬ ‫אחד יוצרת גמישות‪ ,‬ומאידך נותנת יותר מקום לטעויות מאשר העולם האנלוגי‪ .‬להלן דוגמה‬
‫בתוכנה‬
‫למערכות הניתנת למימוש מדוייק באופן ספרתי בלבד‪.‬‬
‫‪10‬‬ ‫פרק ‪ .1‬הקדמה‬

‫השהייה של מערכות‬
‫דוגמה ‪ :1.2‬השהייה היא אחת הפרמרים החשובים של המערכות‪ .‬בדוגמה להלן‪ ,‬נראה שוני‬ ‫בעיה במערכות‬
‫בין המערכות בעלי השהייה זהה עבור כל דרכי כניסה אפשריים‪ ,‬מול השהייה שונה לכל תדר‬ ‫הניתנת לפתרון‬
‫ספרתי בלבד‬
‫ותדר‪ .‬במהלך הקורס‪ ,‬נלמד את מתכננים מערכות מיוחדות בעלי השהייה זהה כל התדרים‬
‫)פרק ‪.(5.2‬‬
‫‪Non-synchronized‬‬ ‫‪Synchronized‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪1‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪0.5‬‬ ‫‪0.5‬‬
‫‪3‬‬ ‫‪3‬‬
‫‪Amplitude‬‬

‫‪Amplitude‬‬
‫‪0‬‬ ‫‪0‬‬

‫‪-0.5‬‬ ‫‪-0.5‬‬

‫‪-1‬‬ ‫‪-1‬‬
‫‪0‬‬ ‫‪50‬‬ ‫‪100‬‬ ‫‪150‬‬ ‫‪200‬‬ ‫‪0‬‬ ‫‪50‬‬ ‫‪100‬‬ ‫‪150‬‬ ‫‪200‬‬
‫]‪Time [n‬‬ ‫]‪Time [n‬‬

‫ב( השהייה שונה לכל תדר‬ ‫א( השהייה זהה לכל תדר‬

‫איור ‪ :1.3‬המחשה של השהייה שונה עבור תדרים שונים‪.‬‬

 ‫פרק ‪2‬‬

‫סיווג אותות בדידים ומערכות בדידות‬

‫‪ 2.1‬הקדמה‬
‫אותות מעולם האנלוגי נקראים גם אותות בזמן רציף‪.‬‬

‫צורת רישום‬ ‫זמן רציף )הגדרה ‪ :(2.1‬אות בזמן רציף יוגדר ע''י סוגריים עגולים‪ .() ,‬לדוגמה‪.x(t) ,‬‬

‫כשאומרים אותות ספרתיים‪ ,‬הכוונה בחוברת היא לאותות בזמן בדיד‪.‬‬

‫זמן בדיד )הגדרה ‪ :(2.2‬אות בזמן רציף יוגדר ע''י סוגריים מרובעים‪ .[] ,‬לדוגמה‪ ,x[n] ,‬כאשר‬
‫‪) n P Z‬מספר שלם(‪.‬‬

‫עכשיו נבחן קשר בין האותות‪.‬‬

‫דגימה )הגדרה ‪ :(2.3‬בהינתן זמן דגימה ‪ T‬או תדר דגימה ‪ ,Fs = 1/T‬הקשר בין אות אנלוגי‬
‫לספרתי הוא‬
‫)‪(2.1‬‬ ‫‪s[n] = s(nT ).‬‬

‫נושא הדגימה מוצג בהרחבה בהמשך‪.‬‬

‫אותות בדידים‬ ‫‪2.2‬‬

‫‪ 2.2.1‬אותות בסיסיים‬
‫נזכיר בקטע זה את הגדרותיהם של האותות היסודיים בעיבוד אותות ספרתי‪ .‬האותות האלה‬
‫מאוד דומים לאותות רציפים )פרט להלם‪ ,‬שבעצמו בדיד‪ ,‬ואפילו יותר נוח להגדיר כאות בדיד(‪.‬‬

‫אותות החשובים‬ ‫הלם בדיד )הגדרה ‪:(2.4‬‬

‫‪$‬‬
‫‪&1 n = 0‬‬
‫)‪(2.2‬‬ ‫= ]‪δ[n‬‬
‫‪%0 n ‰ 0‬‬

‫ראה גם איור ‪2.1‬א‪.‬‬

‫‪12‬‬ ‫פרק ‪ .2‬סיווג אותות בדידים ומערכות בדידות‬

‫‪$‬‬ ‫מדרגה בדידה )הגדרה ‪:(2.5‬‬

‫‪&1 n ě 0‬‬
‫)‪(2.3‬‬ ‫= ]‪u[n‬‬
‫‪%0 n ă 0‬‬

‫ראה גם איור ‪2.1‬ב‪.‬‬

‫‪1‬‬ ‫‪1‬‬
‫]‪u[n‬‬

‫]‪[n‬‬
‫‪0‬‬ ‫‪0‬‬

‫‪-4‬‬ ‫‪-2‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪-4‬‬ ‫‪-2‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬
‫]‪Time [n‬‬ ‫]‪Time [n‬‬
‫ב( מדרגה בדידה‪u[n] ,‬‬ ‫א( הלם בדיד‪δ[n] ,‬‬

‫איור ‪ :2.1‬אותות בסיסיים‪.‬‬

‫בדומה לקשר הלם רציף ‪ -‬מדרגה רציפה‪ ,‬ניתן למצוא בקלות את הקשר בין ההלם הבדיד‬
‫והמדרגה הבדידה‪:‬‬

‫קשר בין אותות בסיסיים )תכונה ‪ :(2.1‬מתקיימים השוויוניים‬

‫)‪(2.4‬‬ ‫]‪δ[n] = u[n] ´ u[n ´ 1‬‬

‫‪n‬‬
‫‪ÿ‬‬
‫)‪(2.5‬‬ ‫= ]‪u[n‬‬ ‫]‪δ[k‬‬
‫‪k=´8‬‬

‫דוגמה ‪ :2.1‬פולס בדיד באורך ‪N0‬‬

‫] ‪x[n] = u[n] ´ u[n ´ N0‬‬

‫אות אקספוננציאלי )הגדרה ‪ :(2.6‬ההגדרה להלן מתארת משפחת אותות חשובה ביותר‪:‬‬
‫האותות האקספוננציאליים‪ .‬בדומה לתחום האנלוגי‪ ,‬האותות הללו בעלי תכונות מתמטיות‬
‫ופרקטיות חשובות‪.‬‬
‫האות ]‪ x[n‬אפקפוננציאלי‪ ,‬כאשר הוא בעל אחת הצורות הבאות‪:‬‬

‫)‪2.6‬א(‬ ‫‪x[n] = z n , z P C‬‬

‫)‪2.6‬ב(‬ ‫‪x[n] = ean , a P C‬‬

‫באופן ברור‪ ,‬המשוואות זהות לחלוטין עבור‬

‫
‬ ‫
‬
‫‪z = ea = eRe(a) cos Im(a) + jeRe(a) sin Im(a) .‬‬
 ‫‪ 2.2‬אותות בדידים‬ ‫‪13‬‬

‫האותות האקספוננציאליים מגדירים בסיס מתאים לתיאור המערכות לינאריות וקבועות בזמן‪,‬‬
‫כפי שנראה בהמשך‪.‬‬

‫אותות הטריגונומטריים )תכונה ‪ :(2.2‬כלל האותות הטריגונומטריים מוגדרים כקומבינציה‬

‫לינארית של אותות אקספוננציאליים‪ ,‬ובאופן כללי כל הפתרונות של משוואות דיפרנציאליות‬
‫מסדר ראשון או שני מתוארים בעזרת אותות אקספוננציאליים‪.‬‬

‫הגדרת האות‬ ‫‪2.2.2‬‬

‫ישנם מספר דרכים להגדיר‪/‬לרשום אות בדיד‪ ,‬כמתואר בדוגמה להלן‪.‬‬

‫איך רושמים‬ ‫דוגמה ‪ :2.2‬להלן ארבעה דרכים מקובלות‪:‬‬

‫אותות?‬

‫‪1‬‬
‫‪$ n‬‬
‫‪& 1‬‬
‫’‬
‫‪ně0‬‬
‫= ]‪x[n‬‬ ‫‪2‬‬
‫‪% 0‬‬ ‫‪nă0‬‬
‫]‪x[n‬‬

‫’‬
‫‪1/2‬‬

‫]‪= (0.5)n u[n‬‬

‫‪1/4‬‬ ‫"‬ ‫*‬
‫‪1/8‬‬ ‫‪1 1‬‬
‫‪= 1, , , . . .‬‬
‫‪0‬‬ ‫‪2 4‬‬
‫‪-4‬‬ ‫‪-2‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬
‫]‪Time [n‬‬

‫אותות שמתחילים בזמן שונה מאפס )הגדרה ‪ :(2.7‬עבור אותות שלא מתחילים בזמן ‪ ,0‬הדרך‬
‫הנוספת לרשום אותם היא ע''י סימון ‪ n = 0‬בעזרת חץ‪ ,‬לדוגמה ‪.y[n] = t1, 2, 4u‬‬
‫‪Ò‬‬

‫הערה ‪ ! 2.1‬כל מה שלא נכתב באופן מפורש בייצוג ‪ x[n] = t. . .u‬הוא ‪.0‬‬

‫‪ 2.2.3‬פעולות על האות‬
‫יהי ]‪ x[n‬אות בדיד נתון; ניתן ליצור אות חדש אשר מתבסס על ]‪ ,x[n‬בעזרת פעולות בסיסיות‬
‫על המשתנה החופשי‪ ,‬כלומר ‪ .n‬במקרה הבדיד הפעולות המותרות הינן‪:‬‬

‫‪ :(2.8‬ניתן ליצור אות חדש ]‪ y[n‬מוגדר על ידי הנוסחה‬ ‫שיקוף )הפיכה( בזמן )הגדרה‬
‫]‪.y[n] = x[´n‬‬

‫הזזה בזמן )הגדרה ‪ :(2.9‬ניתן ליצור אות חדש ]‪ y[n‬מוגדר על ידי הנוסחה ] ‪.y[n] = x[n ´ n0‬‬
‫נציין כי פרמטר ההזזה ‪ n0‬חייב להיות מספר שלם )חיובי או שלילי(‪ ,‬על מנת שנשמר את‬
‫הסקלה בזמן‪.‬‬
‫‪14‬‬ ‫פרק ‪ .2‬סיווג אותות בדידים ומערכות בדידות‬

‫‪1‬‬ ‫‪1‬‬
‫]‪x[-n-1‬‬

‫]‪x[n-1‬‬
‫‪1/2‬‬ ‫‪1/2‬‬

‫‪1/4‬‬ ‫‪1/4‬‬
‫‪1/8‬‬ ‫‪1/8‬‬
‫‪0‬‬ ‫‪0‬‬

‫‪-4‬‬ ‫‪-3‬‬ ‫‪-2‬‬ ‫‪-1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪-4‬‬ ‫‪-3‬‬ ‫‪-2‬‬ ‫‪-1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬
‫]‪Time [n‬‬ ‫]‪Time [n‬‬
‫ב( שיקוף והזזה‪x[´n ´ 1] ,‬‬ ‫א( הזזה‪x[n ´ 1] ,‬‬

‫איור ‪ :2.2‬פעולות על האות ]‪ x[n] = (0.5)n u[n‬במישור הזמן‪ ,‬כאשר ‪.n0 = 1‬‬

‫לא נגדיר את פעולות הכיווץ והרחבה בשלב זה‪ .‬ניתן לבצע אותן על ידי תת‪-‬דגימה )או‬
‫דסימציה( ועל‪-‬דגימה )או אינטרפולציה(‪ ,‬שנידונים בהמשך בפרק ‪.6‬‬

‫סיווג אותות בדידים‬ ‫‪2.2.4‬‬

‫זוגי‪/‬אי זוגי )הגדרה ‪ :(2.10‬אות בדיד ]‪ x[n‬הוא אות זוגי‪ ,‬כאשר ]‪ .x[´n] = x[n‬אות בדיד‬
‫]‪ x[n‬הוא אות אי‪-‬זוגי‪ ,‬כאשר ]‪.x[´n] = ´x[n‬‬

‫סימטריה מובנת )תכונה ‪ :(2.3‬כל אות ניתן להציג כסכום של אות זוגי‪ xe [n] ,‬ואי זוגי‪,xo [n] ,‬‬

‫)‪(2.7‬‬ ‫‪x[n] = xe [n] + xo [n],‬‬

‫כאשר‬
‫‪1‬‬ ‫‬
‫)‪2.8‬א(‬ ‫= ]‪xe [n‬‬ ‫]‪x[n] + x[´n‬‬
‫‪2‬‬
‫‪1‬‬ ‫‬
‫)‪2.8‬ב(‬ ‫= ]‪xo [n‬‬ ‫]‪x[n] ´ x[´n‬‬
‫‪2‬‬
‫ההגדרה הבאה מרחיבה את המושג של זוגיות‪/‬אי זוגיות‪:‬‬

‫סימטרי ‪ /‬אנטיסימטרי )הגדרה ‪ :(2.11‬נתון ‪) α P 12 Z‬כפולה של חצי(‪ .‬אות בדיד ]‪ x[n‬הוא‬

‫אות סימטרי בייחס לציר הסימטרייה ‪ ,t = α‬כאשר‬

‫)‪(2.9‬‬ ‫‪x[2α ´ n] = x[n].‬‬

‫אות בדיד ]‪ x[n‬הוא אות אנטי‪-‬סימטרי בייחס למרכז האנטי‪-‬סימטרייה ‪ ,t = α‬כאשר‬

‫)‪(2.10‬‬ ‫‪x[2α ´ n] = ´x[n].‬‬

‫צד ימין‪/‬סיבתי )הגדרה ‪ :(2.12‬אות ]‪ x[n‬הינו צד ימין כאשר קיים ‪ N0‬עבורו מתקיים ‪x[n] = 0‬‬
‫לכל ‪ .n ă N0‬בנוסף‪ ,‬אם ‪ ,N0 ě 0‬נאמר שהאות סיבתי‪.‬‬
 ‫‪ 2.3‬מערכות בדידות‬ ‫‪15‬‬

‫צד שמאל‪/‬אנטי‪-‬סיבתי )הגדרה ‪ :(2.13‬אות ]‪ x[n‬הינו צד שמאל כאשר קיים ‪ N0‬עבורו מתקיים‬
‫‪ x[n] = 0‬לכל ‪ .n ą N0‬בנוסף‪ ,‬אם ‪ ,N0 ď 0‬נאמר שהאות אנטי‪-‬סיבתי‪.‬‬
‫אות סופי בזמן )הגדרה ‪ :(2.14‬אות שהוא גם צד שמאל וגם צד ימין הינו אות סופי בזמן או‬
‫אות חסום בזמן‪.‬‬
‫חסימה באמפליטודה )הגדרה ‪ :(2.15‬אות ]‪ x[n‬הינו חסום באמפליטודה כאשר קיים ‪M ě 0‬‬
‫עבורו לכל ‪ n P Z‬מתקיים‬
‫ˇ‬ ‫ˇ‬
‫‪ˇx[n]ˇ ď M.‬‬

‫ההגדרות הללו זהות להגדרות הקיימות עבור האותות הרציפים‪ .‬לעומת זאת‪ ,‬הגדרתו של אות‬
‫בדיד מחזורי היא משתנה‪.‬‬
‫מחזוריות )הגדרה ‪ :(2.16‬אות בדיד הוא מחזורי אם ורק אם קיים מספר ‪) N P Z‬שלם(‪ ,‬כך‬
‫שלכל ‪n P Z‬‬
‫)‪(2.11‬‬ ‫‪x[n + N ] = x[n].‬‬

‫המספר הטבעי ‪ N0‬הקטן ביותר שמקיים את השורה לעיל נקרא המחזור של האות‪.‬‬
‫אזהרה על‬ ‫הערה ‪ ! 2.2‬האות )‪ x(t‬יכול להיות מחזורי‪ ,‬ואילו האות הבדיד התואם ]‪ x[n‬יכול להיות לא‬
‫מחזוריות‬ ‫מחזורי‪ .‬על מנת להוכיח את המחזוריות‪ ,‬נצטרך להתייחס להגדרה בלבד‪.‬‬
‫
‬
‫דוגמה ‪ :2.3‬למשל‪ ,‬האות הבדיד ‪ x[n] = cos nπ/4‬מחזורי‪ ,‬בעל זמן מחזור ‪ ,N = 8‬מאחר‬
‫ ‬ ‫‬ ‫‬ ‫ומתקיים‬
‫‪π‬‬ ‫‪π‬‬
‫‪cos‬‬ ‫‪n = cos‬‬ ‫‪(n + 8) .‬‬
‫‪4‬‬ ‫‪4‬‬
‫דוגמה ‪ :2.4‬האות )‪ x[n] = cos(n‬אינו מחזורי‪.‬‬
‫אנרגיה )הגדרה ‪ :(2.17‬אנרגיה של האות ]‪ x[n‬נתונה ע"י‬
‫‪8‬‬
‫‪ÿ‬‬
‫)‪(2.12‬‬ ‫= ‪Ex‬‬ ‫]‪x2 [n‬‬
‫‪k=´8‬‬

‫מערכות בדידות‬ ‫‪2.3‬‬

‫מערכות בדידות פועלות על אותות בדידים ]‪) x[n‬כניסה( ומחזירות אותות שונים ]‪) y[n‬יציאה‪,‬‬
‫או מוצא(‪.‬‬

‫]‪x[n‬‬ ‫)·( ‪T‬‬ ‫]‪y[n‬‬

‫זאת אומרת שדרך כללית כדי להגדיר מערכת היא על ידי משוואה מסוימת שעושה את הקשר‬
‫כניסה‪-‬מוצא‬
‫)‪y[n] = T (x[n], x[n ´ 1], y[n ´ 1], ...‬‬
‫דוגמה ‪ :2.5‬כמות הכסף אשר נמצאת בתוכנית החיסכון בחודש מספר ‪ ,n‬מתוארת על ידי‬
‫הנוסחה‬
‫]‪y[n] = 1.0046y[n ´ 1] + x[n‬‬

‫כאשר ]‪ y[n‬הוא הסכום בחודש ‪ n‬ו‪ x[n]-‬היא הפקדה בחודש ‪.n‬‬

‫‪16‬‬ ‫פרק ‪ .2‬סיווג אותות בדידים ומערכות בדידות‬

‫סיווג מערכות בדידות‬ ‫‪2.3.1‬‬

‫במידה והקשר כניסה‪-‬מוצא של מערכת בדידה ידוע‪ ,‬אנו יכולים לאפיין את המערכת זו‬
‫לפי תכונותיה‪ ,‬בדומה למה שעשינו עבור מערכות בזמן רציף‪ .‬בקטע זה מוזכרות התכונות‬
‫הקלאסיות עבור המקרה הבדיד‪ .‬מומלץ להוכיח את התכונות המופיעות בדוגמאות הקטע‪.‬‬

‫עם‪/‬בלי זכרון )הגדרה ‪ :(2.18‬מערכת בדידה היא רגעית )חסרת זכרון( כאשר נצטרך את‬
‫הכניסה בהווה בלבד במטרה לחשב את ערך המוצא באותו זמן‪ .‬מערכת בדידה היא בעלת‬
‫זכרון כאשר אינה רגעית‪.‬‬

‫דוגמה ‪ :2.6‬למשל‪ ,‬המערכת המוגדרת על ידי הנוסחה ‪ y[n] = x[n]2‬היא רגעית‪ ,‬והמשוואה‬
‫]‪ y[n] = x[n] + x[n + 1‬מאפיינת מערכת בעלת זכרון‪.‬‬

‫לינאריות )הגדרה ‪ :(2.19‬מערכת בדידה מוגדרת על ידי הקשר כניסה‪-‬מוצא ‪ T‬היא לינארית‬
‫כאשר‬
‫)‪(2.13‬‬ ‫)]‪T (a1 x1 [n] + a2 x2 [n]) = a1 T (x1 [n]) + a2 T (x2 [n‬‬

‫משמעות הדברים היא‪ :‬אם ידוע שעבור הכניסה ]‪ x1 [n‬מתקבל המוצא ]‪ y1 [n‬ואם ידוע‬
‫שעבור הכניסה ]‪ x2 [n‬מתקבל המוצא ]‪ ,y2 [n‬אז עבור הכניסה ]‪ a1 x1 [n] + a2 x2 [n‬יתקבל‬
‫]‪ .a1 y1 [n] + a2 y2 [n‬באופן כללי‪ ,‬אם מכניסים כניסה מסובכת לתוך מערכת לינארית‪ ,‬ניתן‬
‫לפרק את הכניסה הזו כסכום של פונקציות פשוטות יותר )עיקרון סופרפוזיציה(‪.‬‬

‫דוגמה ‪ :2.7‬למשל‪ ,‬המערכת ]‪ y[n] = x[n] ´ x[n ´ 1‬לינארית‪ ,‬אך ‪ y[n] = x[n] + 3‬אינה‬
‫לינארית‪.‬‬
‫הערה ‪ ! 2.3‬עבור מערכת לינארית קיימת התכונה המעניינת‪,“Zero input, zero output” :‬‬
‫כלומר אם מכניסים ‪ ,0‬אנו אמורים לקבל ‪ .0‬לכן‪ ,‬אם מכניסים ‪ 0‬תוך מערכת ומקבלים‬
‫מוצא שונה מ‪ ,0-‬אנחנו יכולים להיות בטוחים שהמערכת אינה לינארית!‬
‫קביעות בזמן )הגדרה ‪ :(2.20‬מערכת בדידה מוגדרת על ידי הקשר כניסה מוצא‬
‫)]‪ y[n] = T (x[n‬היא קבועה בזמן‪ ,‬כאשר אם מכניסים את אותה כניסה מוזזת ] ‪x[n ´ n0‬‬
‫יתקבל אותו מוצא מוזז ] ‪) y[n ´ n0‬באותו פרמטר ‪.(!n0‬‬

‫משמעות הדברים היא‪ :‬המערכת תגיב באותו אופן לאותה כניסה‪ ,‬וזה לא תלוי בזמן התחלת‬
‫הכניסה‪ .‬במילים אחרות‪ ,‬המערכת אינה ''מזדקנת'' או משתנת בשימוש‪.‬‬

‫דוגמה ‪ :2.8‬למשל‪ ,‬המערכת ]‪ y[n] = x[n] ´ x[n ´ 1‬קבועה בזמן‪ ,‬אך ]‪y[n] = nk=0 x[k‬‬
‫‪ř‬‬

‫אינה קבועה בזמן‪.‬‬

‫דוגמה ‪ :2.9‬בדוק האם מערכת ]‪ y[n] = x2 [n‬היא לינארית ו‪/‬או קבוע בזמן‪.‬‬

‫פתרון‪ :‬המערכת היא קבועה בזמן‪ ,‬כי מתקיים‬

‫] ‪x1 [n] = x[n ´ n0‬‬

‫‪y1 [n] = T (x1 [n]) = x2 [n ´ n0 ] = y[n ´ n0 ].‬‬

‫המערכת היא לא לינארית‪ ,‬כי מתקיים‬

‫]‪y1 [n] = T (x1 [n]) = x21 [n‬‬

‫‪ 2.4‬מערכות ‪LTI‬‬ ‫‪17‬‬

‫]‪y2 [n] = T (x2 [n]) = x22 [n‬‬

‫]‪T (x1 [n] + x2 [n]) = (x1 [n] + x2 [n])2 ‰ y1 [n] + y2 [n‬‬

‫סיבתיות )הגדרה ‪ :(2.21‬המערכת סיבתית כאשר מוצא בזמן ‪ N‬כלשהו תלוי בעבר ‪n ă N‬‬
‫או בהווה ‪ n = N‬בלבד‪.‬‬

‫דוגמה ‪ :2.10‬למשל‪ ,‬המערכת ]‪ y[n] = x[n ´ 1‬סיבתית‪ ,‬אך המערכת ]‪ y[n] = x[n + 1‬אינה‬
‫סיבתית‪.‬‬

‫משמעות הדברים היא‪ :‬לא ייתכן מצב שבו מערכת סיבתית תגיב ללא כניסה קודמת‪ .‬כלומר‬
‫עבור מערכת סיבתית כל מוצא מתקבל עקב כניסה בעבר או בהווה‪.‬‬

‫יציבות )הגדרה ‪ :(2.22‬מערכת בדידה היא יציבה כאשר עבור כל כניסה חסומה מתקבל מוצא‬
‫חסום‪ ,‬הנקראת גם יציבות )‪.Bounded input, bounded output (BIBO‬‬

‫דוגמה ‪ :2.11‬למשל המערכת ]‪ y[n] = x[n] ´ x[n ´ 1‬יציבה‪ ,‬אבל המערכת‬

‫]‪ y[n] = nk=´8 x[k‬אינה יציבה‪.‬‬
‫‪ř‬‬

‫במציאות נתעניין במיוחד במסננים סיבתיים )כדי שנשלוט במסנן( ויציבים )כדי שהמסנן לא‬
‫יתפוצץ כשמכניסים כניסה מדי גדולה(‪.‬‬

‫הופכיות )הגדרה ‪ :(2.23‬מערכת בדידה היא הופכית כאשר עבור כל מוצא קיימת כניסה אחת‬
‫בלבד בהתאם למוצא זה‪.‬‬

‫מה זאת אומרת? בד''כ‪ ,‬מתעניינים במסנן הופכי על מנת שנשחזר את האות המקורי‪ .‬הנושא‬
‫נידון בהרחבה בהמשך )פרק ‪.(5.4‬‬

‫‪ 2.4‬מערכות ‪LTI‬‬
‫מערכות ‪) LTI‬לינאריות וקבועות בזמן( הן מקרה פרטי של מערכות‪ .‬כאשר מדובר על מערכת‬
‫‪ ,LTI‬ישנה אופציה על מנת לאפיין אותה באופן שלם ע''י התגובה להלם‪.‬‬

‫תגובה להלם )הגדרה ‪ :(2.24‬נקרא לתגובה להלם של מערכת ‪ LTI‬כלשהי את המוצא המתקבל‪,‬‬
‫כאשר הכניסה היא הלם בדיד‪ .‬התגובה להלם בד''כ מסומנת ב‪.h[n]-‬‬

‫הצגה ע''י סכום אותות הלם )תכונה ‪ :(2.4‬כל אות ספרתי ניתן להציג ע''י סכום אותות הלם‬
‫מוזזים‪ .‬בהינתן אות ]‪ ,x[n‬ניתן לרשום‬
‫‪8‬‬
‫‪ÿ‬‬
‫)‪(2.14‬‬ ‫= ]‪x[n‬‬ ‫]‪x[k]δ[n ´ k‬‬
‫‪k=´8‬‬

‫דוגמה ‪ :2.12‬רשום אות ‪ x[n] = ta0 , a1 , a2 u‬ע"י סכום אותות הלם מוזזים‪.‬‬

‫פתרון‪:‬‬
‫‪2‬‬
‫‪ÿ‬‬
‫= ]‪x[n] = a0 δ[n] + a1 δ[n ´ 1] + a2 δ[n ´ 2‬‬ ‫]‪ak δ[n ´ k‬‬
‫‪k=0‬‬
‫‪18‬‬ ‫פרק ‪ .2‬סיווג אותות בדידים ומערכות בדידות‬

‫קונבולוציה בדידה‬ ‫‪2.4.1‬‬

‫משפט‪ .‬נתונה מערכת ‪ LTI‬מוגדרת על ידי תגובתה להלם ]‪ .h[n‬עבור כניסה כלשהיא ]‪x[n‬‬ ‫הגדרת קונבולוציה‬
‫המוצא המתקבל זהו הקונבולוציה הבדידה בין התגובה להלם ובין הכניסה‪ ,‬כלומר‪:‬‬
‫‪8‬‬
‫‪ÿ‬‬
‫)‪(2.15‬‬ ‫= ]‪y[n] = h[n] ˚ x[n‬‬ ‫]‪x[k]h[n ´ k‬‬
‫‪k=´8‬‬

‫הוכחה‪ .‬נתבונן בטבלה להלן‪:‬‬

‫הסבר‬ ‫מוצא‬ ‫כניסה‬

‫תגובה להלם‬ ‫]‪h[n‬‬ ‫]‪δ[n‬‬
‫לינארית‬ ‫]‪a0 h[n‬‬ ‫]‪a0 δ[n‬‬
‫לינארית וקביעות בזמן‬ ‫]‪a1 h[n ´ 1‬‬ ‫]‪a1 δ[n ´ 1‬‬
‫לינארית וקביעות בזמן‬ ‫]‪ak h[n ´ k‬‬ ‫]‪ak δ[n ´ k‬‬
‫‪8‬‬
‫‪ÿ‬‬ ‫‪8‬‬
‫‪ÿ‬‬
‫לינאריות‬ ‫]‪ak h[n ´ k‬‬ ‫]‪ak δ[n ´ k‬‬
‫‪k=´8‬‬ ‫‪k=´8‬‬

‫עכשיו נציב ‪ x[k] = ak‬בשורה האחרונה של הטבלה‪.‬‬

‫הקונבולוציה הבדידה בעלת תכונות דומות לקונבולוציה רציפה‪.‬‬

‫אורך תגובה לאות סופי בזמן )תכונה ‪ :(2.5‬עבור אות כניסה באורך ‪ Nx‬ואורך תגובה להלם‬
‫‪ ,Nh‬אורך התגובה המתקבלת‬
‫)‪(2.16‬‬ ‫‪Ny = Nh + Nx ´ 1‬‬
‫נזכיר כעת את התכונות החישוביות של הקונבולוציה הבדידה‪:‬‬
‫קומוטטיביות )תכונה ‪ :(2.6‬אנו צופים בשני אותות ‪ /‬תגובות להלם של מערכות ‪ LTI‬בזמן‬ ‫רצף שתי מערכות‬
‫בדיד אשר נקראים ]‪ h1 [n‬ו‪ .h2 [n]-‬עבורם מתקיים ]‪.h1 [n] ˚ h2 [n] = h2 [n] ˚ h1 [n‬‬
‫הוכחה‪.‬‬
‫‪8‬‬
‫‪ÿ‬‬
‫= ]‪h1 [n] ˚ h2 [n‬‬ ‫]‪h1 [k]h2 [n ´ k‬‬
‫‪k=´8‬‬
‫‪8‬‬
‫)‪(2.17‬‬ ‫‪k1 =n´k‬‬
‫‪ÿ‬‬
‫=‬ ‫] ‪h1 [n ´ k 1 ]h2 [k 1‬‬
‫‪k1 =´8‬‬

‫]‪= h2 [n] ˚ h1 [n‬‬

‫בפועל‪ ,‬קומוטטיביות הינה תכונה חשובה מאוד‪ ,‬מכיוון שהיא מאפשרת להחליף את סדר‬
‫הבלוקים בחיבור‪ ,‬כמתואר באיור ‪.2.3‬‬
‫]‪a[n‬‬ ‫]‪b[n‬‬
‫]‪x[n‬‬ ‫]‪h1 [n‬‬ ‫]‪h2 [n‬‬ ‫]‪y[n‬‬ ‫≡‬ ‫]‪x[n‬‬ ‫]‪h2 [n‬‬ ‫]‪h1 [n‬‬ ‫]‪y[n‬‬

‫איור ‪ :2.3‬סדר חישוב מערכות ‪ LTI‬אינו משנה )קומוטטיביות(‪.‬‬

 ‫‪ 2.4‬מערכות ‪LTI‬‬ ‫‪19‬‬

‫רצף שלוש מערכות‬ ‫אסוציאטיביות )תכונה ‪ :(2.7‬אנו צופים בשלושה אותות בזמן בדיד אשר נקראים ]‪h2 [n] ,h1 [n‬‬
‫ו‪ .h3 [n]-‬עבורם מתקיים‬
‫‬ ‫‬ ‫‬ ‫‬
‫)‪(2.18‬‬ ‫‪h1 [n] ˚ h2 [n] ˚ h3 [n] = h1 [n] ˚ h2 [n] ˚ h3 [n] = h1 [n] ˚ h2 [n] ˚ h3 [n].‬‬

‫הוכחה‪.‬‬
‫‪8‬‬
‫‪ÿ‬‬
‫= ]‪(h1 [n] ˚ h2 [n]) ˚ h3 [n‬‬ ‫]‪(h1 ˚ h2 )[k]h3 [n ´ k‬‬
‫‪k=´8‬‬
‫‪‬‬ ‫‪‬‬
‫‪8‬‬ ‫‪8‬‬
‫‪‬‬ ‫]‪h1 [k 1 ]h2 [k ´ k 1 ] h3 [n ´ k‬‬
‫‪ÿ‬‬ ‫‪ÿ‬‬
‫=‬
‫‪k=´8‬‬ ‫‪k1 =´8‬‬
‫‪8‬‬
‫‪ÿ‬‬ ‫‪8‬‬
‫‪ÿ‬‬
‫=‬ ‫]‪h1 [k 1 ]h2 [k ´ k 1 ]h3 [n ´ k‬‬
‫‪k=´8 k1 =´8‬‬
‫‪‬‬ ‫‪‬‬
‫‪8‬‬ ‫‪8‬‬
‫)‪(2.19‬‬
‫‪h1 [k 1 ] ‬‬ ‫‪h2 [k ´ k 1 ]h3 [n ´ k]‬‬
‫‪ÿ‬‬ ‫‪ÿ‬‬
‫=‬
‫‪k1 =´8‬‬ ‫‪k=´8‬‬
‫‪‬‬ ‫‪‬‬
‫‪8‬‬ ‫‪8‬‬
‫‪h1 [k 1 ] ‬‬ ‫‪h2 [m]h3 [n ´ m ´ k 1 ]‬‬
‫‪m=k´k1‬‬
‫‪ÿ‬‬ ‫‪ÿ‬‬
‫=‬
‫‪k1 =´8‬‬ ‫‪k=´8‬‬
‫‪8‬‬
‫‪ÿ‬‬
‫=‬ ‫] ‪h1 [k 1 ](h2 ˚ h3 )[n ´ k 1‬‬
‫‪k1 =´8‬‬
‫‬ ‫‬
‫]‪= h1 [n] ˚ h2 [n] ˚ h3 [n‬‬

‫בפועל‪ ,‬האסיציאטיביות מאפשרת לנתח חיבור טורי של מערכות ‪ LTI‬מאיזה שהיא נקודה‬
‫התחלתית‪ ,‬כך שניתן לפתח את התגובה להלם הכוללת מנקודה פלונית בשרשרת‪ ,‬כמתואר‬
‫באיור ‪.2.4‬‬
‫‪20‬‬ ‫פרק ‪ .2‬סיווג אותות בדידים ומערכות בדידות‬

‫]‪x[n‬‬ ‫]‪h1 [n‬‬ ‫]‪h2 [n‬‬ ‫]‪h3 [n‬‬ ‫]‪y[n‬‬

‫≡‬

‫]‪x[n‬‬ ‫]‪h1 [n‬‬ ‫]‪h2 [n] ∗ h3 [n‬‬ ‫]‪y[n‬‬

‫≡‬

‫]‪x[n‬‬ ‫]‪h1 [n] ∗ h2 [n‬‬ ‫]‪h3 [n‬‬ ‫]‪y[n‬‬

‫≡‬

‫]‪x[n‬‬ ‫]‪h1 [n] ∗ h2 [n] ∗ h3 [n‬‬ ‫]‪y[n‬‬

‫איור ‪ :2.4‬סדר חישוב מערכות ‪ LTI‬אינו משנה )אסוציאטיביות(‪.‬‬

‫פילוג )תכונה ‪ :(2.8‬עבור שלוש מערכות מתקיים‬ ‫חיבור מערכות‬

‫במקביל‬
‫‬ ‫‬
‫)‪(2.20‬‬ ‫‪h1 [n] + h2 [n] ˚ h3 [n] = h1 [n] ˚ h3 [n] + h2 [n] ˚ h3 [n].‬‬

‫הוכחה‪ .‬מידית לפי הגדרת הקונבולוציה‪.‬‬

‫בעזרת תכונת הפילוג‪ ,‬ניתן לטעון ששני סכימות הבלוקים המופיעים באיור ‪ 2.5‬זהים לחלוטין‪.‬‬

‫]‪h1 [n‬‬ ‫]‪h3 [n‬‬ ‫]‪h1 [n‬‬

‫]‪x[n‬‬ ‫‪b‬‬
‫]‪y[n‬‬ ‫]‪x[n‬‬ ‫]‪h3 [n‬‬ ‫‪b‬‬
‫]‪y[n‬‬

‫]‪h2 [n‬‬ ‫]‪h3 [n‬‬ ‫≡‬ ‫]‪h2 [n‬‬

‫איור ‪ :2.5‬פילוג‬

‫בפועל‪ ,‬ניתן להשתמש בתכונות הללו כדי לקבל מבנה מסנן עבורו סכימת המלבנים כולל‬
‫מספר קטן יותר של פעולות‪ .‬הדבר גורם לפחות חישובים‪ ,‬ולכן לעיבוד זריז יותר של הנתונים‬
‫הספרתיים‪.‬‬

‫דוגמה ‪ :2.13‬נתונה מערכת בעלת תגובה להלם ‪ .h[n] = t1, 2, 3, 4u‬חשב תגובה לכניסה‬
‫‪.x[n] = t1, 1u‬‬

‫פתרון‪:‬‬

‫]‪y[n] = x[n] ˚ h[n‬‬

‫]‪= (δ[n] + δ[n ´ 1]) ˚ h[n‬‬
‫‪= h[n] + h[n ´ 1] = t1, 2 + 1, 3 + 2, 4 + 3, 4u = t1, 3, 5, 7, 4u .‬‬
 ‫‪ 2.4‬מערכות ‪LTI‬‬ ‫‪21‬‬

‫]‪h[n‬‬ ‫]‪y[n] = h[n] + h[n − 1‬‬

‫‪3‬‬ ‫‪7‬‬
‫‪1‬‬ ‫‪5‬‬
‫‪n‬‬
‫‪0‬‬ ‫‪3‬‬
‫‪=⇒ 3‬‬
‫]‪h[n − 1‬‬ ‫‪1‬‬
‫‪3‬‬ ‫‪n‬‬
‫‪0‬‬ ‫‪3 4‬‬
‫‪1‬‬
‫‪n‬‬
‫‪0‬‬ ‫‪3 4‬‬
‫איור ‪ :2.6‬דוגמה לחישוב גרפי של התגובה לאות הנתון‪.‬‬

‫סיבתיות ויציבות עבור מערכות ‪LTI‬‬ ‫‪2.4.2‬‬

‫במערכות ‪LTI‬‬ ‫כאשר מערכת היא ‪ ,LTI‬נוכל לסווג את הסיבתיות והיציבות שלה בעזרת תכונות נוספות‪ .‬חשוב‬
‫הדברים יותר‬ ‫לזכור כי התכונות האלה מתקיימות רק במקרה של מערכת ‪!LTI‬‬
‫פשוטים‬
‫סיבתיות )תכונה ‪ :(2.9‬נתונה מערכת ‪ LTI‬מוגדרת על ידי תגובתה להלם ]‪ .h[n‬המערכת‬
‫סיבתית אם ורק אם ‪ h[n] = 0‬עבור ‪.n ă 0‬‬

‫הוכחה‪ .‬נדרש להוכיח את שני הכיוונים‪:‬‬

‫‪ .1‬נניח כי ‪ h[n] = 0‬עבור ‪ ;n ă 0‬ניתן לכתוב כי‬

‫‪8‬‬
‫‪ÿ‬‬
‫= ]‪y[n‬‬ ‫]‪x[k]h[n ´ k‬‬
‫‪k=´8‬‬
‫)‪(2.21‬‬ ‫‪n‬‬
‫‪ÿ‬‬
‫=‬ ‫‪x[k]h[n ´ k],‬‬
‫‪k=´8‬‬

‫כלומר המוצא בזמן ‪ n‬תלוי בעבר או בהווה בלבד‪ ,‬לכן המערכת סיבתית‪.‬‬

‫‪ .2‬נניח כעת כי המערכת סיבתית‪ .‬בהנחה שקיים ‪ ,M ă 0‬כך ש‪ ,h[M ] ‰ 0-‬מתקבל‬

‫‪8‬‬
‫‪ÿ‬‬
‫= ]‪y[n‬‬ ‫]‪x[k]h[n ´ k‬‬
‫‪k=´8‬‬
‫)‪(2.22‬‬ ‫‪n‬‬
‫‪ÿ‬‬
‫=‬ ‫] ‪x[k]h[n ´ k] + x[M ]h[n ´ M‬‬
‫‪k=´8‬‬

‫כלומר המוצא תלוי בעתיד‪ .‬מכיוון שהשוויון זה סותר את הנחת הסיבתיות שעשינו‪,‬‬
‫זאת אומרת ש‪ h[n] = 0-‬עבור כל מספר ‪.n ă 0‬‬

‫יציבות )תכונה ‪ :(2.10‬נתונה מערכת ‪ LTI‬מוגדרת על ידי תגובתה להלם ]‪ .h[n‬המערכת יציבה‬
‫אם ורק אם‬
‫ˇ ‪8‬‬
‫‪ÿ‬‬ ‫ˇ‬
‫)‪(2.23‬‬ ‫‪ˇh[k]ˇ ă 8.‬‬
‫ˇ‬ ‫ˇ‬
‫‪k=´8‬‬
‫‪22‬‬ ‫פרק ‪ .2‬סיווג אותות בדידים ומערכות בדידות‬

‫ˇ‬ ‫ˇ‬
‫‪ . 8‬עבור כל כניסה חסומה ‪ ˇx[n]ˇ ď M‬מתקבל‬
‫ˇ‬ ‫ˇ‬
‫‪ .1‬נניח כי ‪ˇ ă 8‬‬ ‫הוכחה‪.‬‬
‫‪ř‬‬
‫]‪h[k‬‬
‫ˇ‬ ‫ˇ‬
‫ˇ ‪k=´8‬‬

‫ˇ‬ ‫ˇ‬ ‫ˇ ‪8‬‬

‫‪ÿ‬‬ ‫ˇ ˇ‬ ‫ˇ‬ ‫ˇ ‪8‬‬
‫‪ÿ‬‬ ‫ˇ‬
‫)‪(2.24‬‬ ‫‪ˇy[n]ˇ ă‬‬ ‫‪ˇh[k]ˇ ¨ ˇx[n ´ k]ˇ ă M‬‬ ‫‪ˇh[k]ˇ ă 8‬‬
‫ˇ‬ ‫ˇ‬ ‫ˇ‬ ‫ˇ ˇ‬ ‫ˇ‬ ‫ˇ‬ ‫ˇ‬
‫‪k=´8‬‬ ‫‪k=´8‬‬

‫לכן המערכת יציבה‪.‬‬

‫
‬
‫‪ .2‬כעת מניחים שהמערכת יציבה‪ .‬עבור מספר ‪ ,n‬בוחרים את הכניסה ]‪,x[k] = sign h[n ´ k‬‬
‫ומקבלים‪:‬‬
‫‪8‬‬
‫‪ÿ‬‬ ‫‪8‬‬
‫‪ÿ‬‬ ‫‪8‬‬
‫‪ÿ‬‬ ‫ˇ‬ ‫ˇ‬
‫)‪(2.25‬‬ ‫= ]‪y[n‬‬ ‫= ]‪h[k]x[n ´ k‬‬ ‫= )]‪h[k] sign(h[k‬‬ ‫ˇ]‪ˇh[k‬‬
‫‪k=´8‬‬ ‫‪k=´8‬‬ ‫‪k=´8‬‬

‫עקב הנחת היציבות‪ ,‬ניתן לומר כי הטור האחרון מתכנס לגבול סופי‪.‬‬

‫אותות עצמיים של מערכות ‪) LTI‬תכונה ‪ :(2.11‬האותות האקספוננציאליים הם האותות‬

‫העצמיים של המערכות ‪ .LTI‬ז"א‪ ,‬כל אות מוצא הוא קומבינציה לינארית של אותות האקספוננציאליים‪.‬‬

‫הוכחה‪ .‬נסמן ב‪ h[n]-‬את התגובה להלם של המערכת ‪ LTI‬הנבחנת‪ .‬מזינים בתוכה כניסה‬
‫‪ .x[n] = z n‬במוצא מתקבל‬

‫]‪y[n] = h[n] ˚ x[n‬‬

‫‪8‬‬
‫‪ÿ‬‬
‫=‬ ‫]‪h[k]x[n ´ k‬‬
‫‪k=´8‬‬
‫‪8‬‬
‫‪ÿ‬‬
‫=‬ ‫‪h[k]z n´k‬‬
‫‪k=´8‬‬
‫‪‬‬ ‫‪‬‬
‫‪8‬‬
‫‪=‬‬ ‫‪h[k]z ´k  z n‬‬
‫‪ÿ‬‬

‫‪k=´8‬‬

‫‪:= H(z)z n‬‬

‫לכן ]‪ x[n‬הוא אות עצמי‪.‬‬

‫בין היתר‪ ,‬אנחנו מסיקים מהתכונה הקודמת כי להזנת התדר הטהור ‪ ,x[n] = ejω0 n‬מתקבל‬
‫]‪ ;H(ejω )x[n‬במקרה הזה ) ‪ H(ejω‬משפיע על ההגבר ועל תוספת פאזה‪ ,‬אך אינו משנה את‬
‫התדר ‪ .ω0‬בקיצור‪ ,‬מערכת ‪ LTI‬מאזן את התדרים הקיימים בתוך אות כניסה‪ ,‬אך אינו יוצר‬
‫תוכן ספקטראלי חדש‪.‬‬

‫דוגמה ‪ :2.14‬מצא פתרון של משוואת הפרשים‬

‫]‪x[n] = 5x[n ´ 1] ´ 6x[n ´ 2‬‬

‫עם תנאי התחלה ]‪.x[0], x[1‬‬

 ‫‪ 2.5‬שאלות‬ ‫‪23‬‬

‫פתרון‪ :‬נניח פתרון מהצורה ‪ .x[n] = z n‬מתקבל‪,‬‬

‫‪z n = 5z n´1 ´ 6z n´2‬‬

‫‪z 2 ´ 5z + 6 = 0‬‬
‫‪z1 = 2, z2 = 3‬‬
‫‪ñ x[n] = c1 2n + c2 3n‬‬
‫‪,‬‬
‫]‪x[0‬‬ ‫‪= c1 + c2‬‬ ‫‪.‬‬
‫‪ñ c1 , c 2‬‬
‫]‪x[1‬‬ ‫‪= 2c1 + 3c2 -‬‬

‫‪ FIR‬ו‪IIR-‬‬ ‫‪2.4.3‬‬
‫ההגדרה הבאה ייחודית למסננים דיגיטליים‪:‬‬
‫קבוצות החשובות‬ ‫מסנן ‪) FIR/IIR‬הגדרה ‪ :(2.25‬בהינתן מערכת ‪ LTI‬בעלת תגובה להלם ]‪ ,h[n‬נגיד שהמערכת‬
‫של מסננים‬ ‫‪ ,Finite Impulse Response) FIR‬בעלת תגובה להלם סופית( כאשר ]‪ h[n‬בעל תמך סופי )קיים‬
‫‪ ,N‬עבורו ‪ h[n] = 0‬לכל ‪ .|n| ą N‬מערכת ‪ LTI‬שאינה ‪ FIR‬הינה מערכת ‪Infinite Impulse) IIR‬‬
‫‪ ,Response‬בעלת תגובה להלם אינסופית(‪.‬‬
‫למעשה‪ ,‬המסננים מסוג ‪ FIR‬קלים לתכנן‪ ,‬אך אינם מדויקים בהגבר‪ .‬ניתן לקבל מסננים ‪IIR‬‬
‫הרבה יותר מדויקים בתדר‪ ,‬אבל המחיר לשלם הינו קושי בתכנון ופאזה לא לינארית‪ .‬הנושאים‬
‫האלה ידונו בהמשך‪.‬‬

‫שאלות‬ ‫‪2.5‬‬

‫‪ 2.1‬תכונות מערכות‬
‫א‪ .‬נתון האות ‪ .x[n] = ejπn/3 + ejπn/2‬האם האות ]‪ x[n‬מחזורי ? אם כן‪ ,‬מהו המחזור שלו‪.‬‬

‫ב‪ .‬נתונות מערכות‬

‫]‪(S1 ) y[n] = x[n ´ 1] + 2x[n] + x[n + 1‬‬

‫]‪(S2 ) y[n] = x[2n‬‬
‫‪(S3 ) y[n] = (x[n])2‬‬
‫]‪(S4 ) y[n] = (´1)n x[n‬‬

‫עבור כל אחת מהמערכות בדקו‪:‬‬

‫� לינאריות‬
‫� קביעות בזמן‬
‫� סיבתיות‬
‫� יציבות‬
 ‫פרק ‪3‬‬

‫התמרת ‪Z‬‬

‫‪ 3.1‬הקדמה‬
‫אנו מציגים כאן שתי הצדקות להגדרת התמרת ‪ ,z‬אחת מבוססת על האותות העצמיים של‬
‫המערכות הלינאריות והקבועות בזמן‪ ,‬השנייה על מישור הזמן‪.‬‬

‫‪ 3.1.1‬מבט בעזרת המשוואות הדיפרנציאליות‬

‫התמרת לפלס‬ ‫התבונן בדוגמה של מערכת ‪ LTI‬בזמן רציף‪ ,‬מיוצגת ע"י משוואה דיפרנציאלית המקשרת בין‬
‫הייתה חשובה‬ ‫כניסה )‪ x(t‬ליציאה )‪ ,y(t‬מהצורה‬

‫‪d2‬‬ ‫‪d‬‬ ‫‪d‬‬

‫‪a2‬‬ ‫‪2‬‬
‫‪y(t) + a1 y(t) + a0 y(t) = b1 x(t) + b0 x(t),‬‬
‫‪dt‬‬ ‫‪dt‬‬ ‫‪dt‬‬
‫ותנאי התחלה המתבקשים‪ .‬ניתן לקבל תגובה להלם )‪ h(t‬של המערכת ואות יציאה עבור‬
‫כניסה נתונה‪ ,‬תוך שימוש בהתמרת לפלס )‪ ,(Laplace‬מתוך הקשר מהצורה‬

‫)‪Y (s‬‬ ‫‪b1 s + b0‬‬

‫= )‪H(s‬‬ ‫=‬ ‫‪,‬‬ ‫| ‪s ą |σ0‬‬
‫)‪X(s‬‬ ‫‪a2 s 2 + a1 s + a0‬‬

‫עבור מערכת ‪ LTI‬במישור זמן בדיד משוואת ההפרשים )באנגלית גם נקראת ‪differential‬‬
‫‪ (equation‬המקבילה היא‬

‫]‪a0 y[n] + a1 y[n ´ 1] + a2 y[n ´ 2] = b0 x[n] + b1 x[n ´ 1‬‬

‫המטרה של הפרק‬ ‫המטרה של ההתמרה המתבקשת בזמן בדיד היא לקשר בין‪:‬‬

‫)‪ (1‬תגובה להלם ]‪h[n‬‬

‫)‪ (2‬קשר קונבולוציה ]‪y[n] = h[n] ˚ x[n‬‬

‫)‪ (3‬פתרון המשוואה דיפרנציאלית‬

‫בד"כ‪ ,‬משוואת הפרשים תהיה פשוטה בהרבה מקשר הקונבולוציה‪.‬‬

‫‪26‬‬ ‫פרק ‪ .3‬התמרת ‪Z‬‬

‫דוגמה ‪ :3.1‬מערכת בעלת תגובה להלם ]‪ h[n] = an u[n‬ניתו לייצג גם כקונבולוציה ]‪y[n] = h[n] ˚ x[n‬‬
‫עם תגובה להלם אינסופית בזמן‪ ,‬וגם כמשוואת הפרשים ]‪ ,y[n] = ay[n ´ 1] + x[n‬שהיא‬
‫פשוטה בהרבה‪.‬‬

‫‪ 3.1.2‬מבט בעזרת האותות העצמיים‬

‫כפי שהוצג בפרק הקודם )תכונה ‪ ,(2.11‬האותות העצמיים מאפשרים לנו לאפיין איך מערכת‬ ‫אינטואיציה‬
‫‪ LTI‬מגיבה לתדר נתון‪ ,‬וראינו שמערכת ‪ LTI‬משנה את עוצמתו של אות הכניסה ומוסיף‬
‫קידום ‪ /‬השהייה‪ ,‬אך אינה משנה את תדר אות הכניסה‪ .‬באופן מתמטי‪ ,‬כאשר מוזן בכניסה‬
‫‪ ,x[n] = z ´n‬מתקבל במוצא‬
‫‪y[n] = H(z)z ´n ,‬‬

‫כאשר הביטוי )‪ H(z‬מהווה את שינויי הגבר ופאזה‪ .‬לאור הנידון‪ ,‬הביטוי )‪ H(z‬כפונקציה‬
‫של התדר ‪ z‬מייצג את פונקצית התמסורת של המערכת ‪ LTI,‬ומגדירה את ההתמרה זמן‪-‬תדר‬
‫הנדרשת לניתוח מערכות ‪ LTI‬במישור התדר‪.‬‬

‫‪ 3.2‬הגדרה‬
‫התמרת ‪) Z‬הגדרה ‪ :(3.1‬יהי ]‪ x[n‬אות בדיד כלשהו‪ .‬התמרת ‪ Z‬של האות ]‪ ,x[n‬אשר מסומנת‬
‫ב‪ X(z)-‬מוגדרת כדלהלן‪:‬‬
‫‪8‬‬
‫‪ÿ‬‬
‫)‪(3.1‬‬ ‫= )‪X(z‬‬ ‫‪x[k]z ´k‬‬
‫‪k=´8‬‬

‫כאשר ‪) z P C‬מספר מרוכב כלשהו(‪.‬‬

‫‪Z‬‬
‫לפעמים נרשום ]‪ X(z) = Z x[n‬או ]‪ , X(z) ÐÑ x[n‬כדי להגיד "התמרת ‪ Z‬של האות‬
‫␣‬ ‫(‬

‫הבדיד ]‪ ."x[n‬ה )‪ X(z‬גם נקראת פונקצית התמסורת של המערכת‪ .‬התמרת ‪ Z‬עבור אותות‬
‫בזמן בדיד‪ ,‬היא מקבילה של התמרת לפלס בזמן רציף‪.‬‬

‫דוגמה ‪ :3.2‬נתון האות הבדיד‬ ‫דוגמה מספרית‬

‫‪$‬‬
‫‪&1 n = 0, 1, 2, 3‬‬
‫= ‪x[n] = t1, 1, 1, 1u‬‬
‫אחרת ‪%0‬‬

‫על פי הגדרתה‪ ,‬התמרת ‪ Z‬של אות הינה‪:‬‬

‫‪8‬‬
‫‪ÿ‬‬ ‫‪3‬‬
‫‪ÿ‬‬
‫‪´k‬‬
‫= )‪X(z‬‬ ‫‪x[k]z‬‬ ‫=‬ ‫‪z ´k‬‬
‫‪k=´8‬‬ ‫‪k=0‬‬

‫‪= 1 + z ´1 + z ´2 + z ´3‬‬
‫‪1 ´ z ´4‬‬
‫=‬
‫‪1 ´ z ´1‬‬

‫ההתמרה המתקבלת היא סכום של טור סופי‪ ,‬ובעלת ערך סופי עבור כל ערכי‬
‫‪.tz P C, z ‰ 0u‬‬
 ‫‪ 3.3‬תחום ההתכנסות של התמרת ‪Z‬‬ ‫‪27‬‬

‫הערה ‪ ! 3.1‬יש לשים לב‪ ,‬כי ‪ .X(z = 1) = 4‬ניתן להראות זאת ע"י כלל לופיטל ‪(L’Hospital’s‬‬
‫)‪ ,Rule‬או כאשר שמים לב לריבוי שורשים מהצורה‬

‫‪z4 ´ 1‬‬ ‫)‪(z ´ 1)(z + 1)(z + j)(z ´ j‬‬ ‫)‪(z + 1)(z 2 + 1‬‬
‫= )‪X(z‬‬ ‫=‬ ‫=‬ ‫‪.‬‬
‫)‪z 3 (z ´ 1‬‬ ‫)‪z 3 (z ´ 1‬‬ ‫‪z3‬‬

‫‪ 3.3‬תחום ההתכנסות של התמרת ‪Z‬‬

‫‪ 3.3.1‬הגדרה‬
‫הצורך להגדיר ערכי ‪ ,z‬עבורם הסכום הינו סופי‪ ,‬דומה לצורך הגדיר תחום התכנסות‪ ,‬כפי‬
‫שעושים עם התמרת לפלס‪ .‬נמחיש את הצורך ע"י דוגמה להלן‪.‬‬

‫דוגמה ‪ :3.3‬נתעניין באות ]‪ .x[n] = an u[n‬לאחר חישוב מתקבלת התמרה‬

‫‪8‬‬
‫‪ÿ‬‬
‫= )‪X(z‬‬ ‫‪ak z ´k‬‬
‫‪k=0‬‬
‫ ‪8‬‬ ‫‪k‬‬
‫)‪(3.2‬‬
‫‪ÿ‬‬
‫=‬ ‫‪az ´1‬‬
‫‪k=0‬‬
‫‪1‬‬
‫=‬ ‫‪,‬‬ ‫|‪ROC X = |z| ą |a‬‬
‫‪1 ´ az ´1‬‬

‫מאידך‪ ,‬עבור אות ]‪ ,y[n] = ´an u[´n ´ 1‬מתקבל‬

‫‪´1‬‬
‫‪ÿ‬‬
‫= )‪Y (z‬‬ ‫‪´ak z ´k‬‬
‫‪k=´8‬‬
‫‪8‬‬
‫‪m=´k‬‬
‫‪ÿ‬‬
‫´ =‬ ‫‪a´m z m‬‬
‫‪m=1‬‬
‫‪ÿ‬‬
‫‪8‬‬ ‫‪m‬‬
‫‪´1‬‬
‫´=‬ ‫‪a z‬‬
‫)‪(3.3‬‬ ‫‪m=1‬‬
‫‪8‬‬
‫‪ÿ‬‬ ‫‬ ‫‪m‬‬
‫‪´1‬‬
‫´‪=1‬‬ ‫‪a z‬‬
‫‪m=0‬‬
‫‪1‬‬
‫´‪=1‬‬
‫‪1 ´ a´1 z‬‬
‫‪1‬‬
‫=‬ ‫|‪, ROC Y = |z| ă |a‬‬
‫‪1 ´ az ´1‬‬

‫תמיד חייבים תחום‬ ‫רואים כי ההתמרות זהות‪ ,‬אע''פ שהאותות המקוריים שונים לגמרי‪ .‬ההבדל בין ההתמרות הוא‬
‫ההתכנסות!‬
‫ˇ‬ ‫ˇ‬
‫בתנאי לסכום סדרה הנדסית אינסופית‪ .‬במקרה ראשון מדובר ב‪ ,ˇaz ´1 ˇ ă 1-‬ובמקרה השני‬
‫ˇ‬ ‫ˇ‬
‫ב‪ .ˇa´1 z ˇ ă 1-‬התנאים אלה נקראים תחום ההתכנסות של התמרות ‪ .Z‬תחומי ההתכנסות של‬
‫האותות האלה נותנים באיור מס' ‪.3.1‬‬
‫‪28‬‬ ‫פרק ‪ .3‬התמרת ‪Z‬‬

‫)‪Im(z‬‬ ‫)‪Im(z‬‬

‫‪a‬‬ ‫‪a‬‬
‫)‪Re(z‬‬ ‫)‪Re(z‬‬

‫ב( |‪|z| ă |a‬‬ ‫א( |‪|z| ą |a‬‬

‫איור ‪ :3.1‬תחומי ההתכנסות של הדוגמה‬

‫‪1‬‬
‫תחום ההתכנסות )הגדרה ‪ :(3.2‬נתון אות בדיד ]‪ x[n‬בעל התמרת )‪ .X(z‬תחום ההתכנסות‬
‫‪8‬‬
‫‪ÿ‬‬
‫מתכנס לגבול סופי‪.‬‬ ‫של )‪ X(z‬הוא קבוצת המספרים המרוכבים ‪ ,z‬כך שהטור ‪x[n]z ´n‬‬
‫‪n=´8‬‬
‫נכתוב באופן מתמטי‪:‬‬
‫‪$‬‬ ‫‪,‬‬
‫&‬ ‫‪8‬‬
‫‪ÿ‬‬ ‫‪.‬‬
‫)‪(3.4‬‬ ‫= ‪ROC x‬‬ ‫;‪z P C‬‬ ‫‪x[n]z ´n ă 8‬‬
‫‪%‬‬ ‫‪k=´8‬‬
‫‪-‬‬

‫כלומר‪ ,‬תחום ההתכנסות המתאים להתמרת ‪ Z‬הוא חלק המישור המרוכב‪ ,‬וניתן לצייר אותו‪.‬‬
‫כמו כן‪ ,‬ניתן להגדיר את מפת האפסים והקטבים‪.‬‬

‫אפסים )הגדרה ‪ :(3.3‬נקודה ‪ ,z0‬כך ש‪ X(z0 ) = 0-‬נקראת אפס )‪ ,(zero‬ומסומנת במישור ‪Z‬‬
‫ב‪.˝-‬‬

‫קטבים )הגדרה ‪ :(3.4‬נקודה ‪ ,z0‬כך ש‪ lim X(z) = 8-‬נקראת קוטב )‪ ,(pole‬ומסומנת במישור‬
‫‪zÑz0‬‬
‫‪ Z‬ב‪.ˆ-‬‬

‫בדומה להתמרת לפלס‪ ,‬ניתן לשרטט את מפת האפסים והקטבים בהתאם לפונקצית תמסורת‬
‫מסוימת )‪.X(z‬‬
‫הערה ‪ ! 3.2‬אין להתבלבל בין ‪ z‬ו‪ z ´1 -‬תוך כדי חישוב תחום ההתכנסות! המשתנה החופשי‬
‫הוא ‪ ,z‬אע''פ שהביטוי ‪ z ´1‬מופיע באופן טבעי בחישובינו‪.‬‬
‫הערה ‪ ! 3.3‬חשוב לפרט את תחום ההתכנסות בכל מקרה‪ .‬כדי לאפיין אות בדיד בעזרת‬
‫התמרות ‪ ,Z‬חייב לתת גם את הביטוי הסגור של ההתמרה וגם תחום ההתכנסות שלו‪.‬‬
‫‪Z‬‬ ‫‪1‬‬ ‫‪z‬‬
‫‪ ,x[n] = an u[n] ÐÑ‬האפס הוא ב‪z0 = 0-‬‬ ‫‪´1‬‬
‫=‬ ‫דוגמה ‪ :3.4‬עבור |‪, |z| ą |a‬‬
‫‪1 ´ az‬‬ ‫‪z´a‬‬
‫וקוטב ב‪.zp = a-‬‬

‫‪1‬תחום ההתכנסות‪ROC=Region of Convergence ,‬‬

 ‫‪ 3.3‬תחום ההתכנסות של התמרת ‪Z‬‬ ‫‪29‬‬

‫תכונות כלליות‬ ‫‪3.3.2‬‬

‫התכונה הבאה עונה על השאלה הטבעית‪" :‬מהי הצורה של תחום ההתכנסות?"‪.‬‬

‫סוגים אפשריים‬ ‫צורת תחום ההתכנסות )תכונה ‪ :(3.1‬תחום ההתכנסות הוא קבוצה בעלת סימטריה מרכזית‬
‫בייחס לנקודה ‪ .z = 0‬כמו כן‪ ,‬רק הצורות הבאות בלבד מתאימות כתחומי התכנסות‪:‬‬

‫)‪Im(z‬‬ ‫)‪Im(z‬‬ ‫)‪Im(z‬‬

‫)‪Re(z‬‬ ‫)‪Re(z‬‬ ‫)‪Re(z‬‬

‫ג( טבעת ‪|a| ă |z| ă |b|,‬‬ ‫ב( בתוך המעגל ‪|z| ă |a|,‬‬ ‫א( מחוץ למעגל ‪|z| ą |a|,‬‬

‫איור ‪ :3.2‬תחומי ההתכנסות אפשריים‬

‫הוכחה‪ .‬ניתן לבדוק את התכונה באופן טבעי‪ ,‬אם מתייחסים להגדרתו של תחום ההתכנסות‪.‬‬
‫למעשה‪ ,‬אם נניח כי איזושהי נקודה ‪ z‬שייכת לתחום ההתכנסות‪ ,‬אז כל נקודה מסוג‬
‫‪ ,z1 = |z|ejω‬גם שייכת לתחום ההתכנסות‪ ,‬לכן תחומי התכנסות סימטריים בקשר למרכז‬
‫המישור‪ .‬בכדי להוכיח כי תחום ההתכנסות תמיד רציף‪ ,‬יש להשתמש בתוצאה הבאה‪ :‬אם‬
‫‪ z1 = ρ1 ejθ P ROC‬ו‪ ,z2 = ρ2 ejθ P ROC-‬עבור כל ‪ 0 ď λ ď 1‬מתקיים ‪λz1 + (1 ´ λ)z2 P‬‬
‫‪ .ROC‬עקב כך הצורות המותרות לתחומי התכנסות הן משלושת הסוגים באיור ‪ 3.2‬בלבד‪.‬‬
‫הערה ‪ ! 3.4‬כתוצאה מידית של התכונה לעיל‪ ,‬ניתן לטעון כי תחום ההתכנסות אינו תלוי‬
‫במשתנה החופשי ‪ .z‬זאת גם דרך לבדוק את הטעויות‪ :‬אם מקבלים תחום שעדיין תלוי‬
‫במשתנה החופשי‪ ,‬קיימת טעות חישוב‪.‬‬

‫קטבים בתוך תחום ההתכנסות )תכונה ‪ :(3.2‬תחום ההתכנסות אינו מכיל קטבים‪.‬‬

‫הוכחה‪ .‬בעזרת הגדרתו של תחום ההתכנסות‪.‬‬

‫התכונות הבאות חשובות‪ ,‬מכיוון שהן גם מתייחסות לסיווג המערכות‪.‬‬

‫תחום ההתכנסות של אות סיבתי )תכונה ‪ :(3.3‬נתון אות סיבתי )צד‪-‬ימין(‪ ,‬כלומר‪ ,‬אות מסוים‬
‫כך ש‪ .x[n] = 0, n ă N -‬נניח‪ ,‬שקיים מספר ממשי ‪ ,r0 P R‬ששייך ל‪ ,ROC-‬כך ש‪-‬‬
‫‪ .t|z| = r0 u Ă ROC x‬ניתן לטעון כי‪.t|z| ě r0 u Ă ROC x :‬‬
‫יתרה מכך‪ ,‬עבור אות צד ימין בעל התמרה )‪ X(z‬רציונלית )פולינום חלקי פולינום(‪,‬‬

‫)‪(3.5‬‬ ‫‪ROC x = t|z| ą r0 u,‬‬

‫כאשר ‪ r0‬הוא ההקטב הגדול ביותר‪.‬‬

‫הוכחה‪ .‬נניח ‪ .t|z| = r0 u Ă ROC x‬עבור ‪ ,r1 ą r0‬מתקיים | ‪ .|r1´n | ă |r0´n‬לכן המעגל‬
‫‪ ,t|z| = r1 u P ROC x‬ומתקיים ‪.t|z| ě r0 u Ă ROC x‬‬
‫‪30‬‬ ‫פרק ‪ .3‬התמרת ‪Z‬‬

‫לסיכום‪ ,‬כאשר פונקצית התמסורת היא פונקציה רציונלית והאות הוא סיבתי‪ ,‬תחום ההתכנסות‬
‫הינו "מחוץ למעגל"‪ ,‬ומוגבל על ידי קוטב‪ .‬על כן ‪ r0‬שווה לקוטב הגדול ביותר‪ ,‬וניתן לכתוב‬
‫כי ‪.ROC x = t|z| ą r0 u‬‬

‫תחום ההתכנסות של אות אנטי‪-‬סיבתי )תכונה ‪ :(3.4‬נתון אות אנטי‪-‬סיבתי )צד‪-‬שמאל(‪ ,‬כלומר‪,‬‬
‫אות מסוים כך ש‪ .x[n] = 0, n ă N -‬נניח‪ ,‬שקיים מספר ממשי ‪ ,r0 P R‬ששייך ל‪ ,ROC-‬כך‬
‫ש‪ .t|z| = r0 u Ă ROC x -‬ניתן לטעון כי‪.t|z| ď r0 u Ă ROC x :‬‬
‫יתרה מכך‪ ,‬עבור אות צד שמאל בעל פונקצית התמרה )‪ X(z‬רציונלית )פולינום חלקי פולינום(‪,‬‬

‫‪ROC x = t|z| ă r0 u,‬‬

‫כאשר ‪ r0‬הוא ההקטב הקטן ביותר‪ .‬הוכחת התכונה לעיל זהה להוכחה של תכונה הקודמת‪.‬‬

‫ניתן לתת בסיכום את התכונה הבאה‪:‬‬

‫‪ :(3.5‬עבור אות ]‪ x[n‬כלשהו‪ ,‬מוגדר עבור‬ ‫תחום ההתכנסות של אות לא סיבתי )תכונה‬
‫) ‪) n P (N1 , N2‬ייתכן כי ‪ N1 , N2‬אינסופיים(‪:‬‬

‫‪ .1‬אם ‪ ,N1 ě 0, N2 ě 0‬תחום ההתכנסות הוא בצורת "מחוץ למעגל"‬

‫‪ .2‬אם ‪ ,N1 ă 0, N2 ă 0‬תחום ההתכנסות הוא בצורת "בתוך המעגל"‬

‫‪ .3‬אם ‪ ,N1 ă 0, N2 ą 0‬תחום ההתכנסות הוא "טבעת"‬

‫הוכחה‪ .‬במקרה הראשון‪ ,‬האות הוא סיבתי ‪ ,‬על כן תחום ההתכנסות מסוג "מחוץ למעגל"‪.‬‬
‫במקרה השני‪ ,‬האות אנטי‪-‬סיבתי‪ ,‬על כן תחום ההתכנסות הינו מסוג "בתוך המעגל"‪ .‬במקרה‬
‫האחרון‪ ,‬לא סיבתי‪ ,‬פונקצית התמסורת היא בצורה‪:‬‬

‫‪Nÿ‬‬
‫‪2 ą0‬‬ ‫‪´1‬‬
‫‪ÿ‬‬ ‫‪N2‬‬
‫‪ÿ‬‬
‫)‪(3.6‬‬ ‫= )‪X(z‬‬ ‫= ‪ak z ´k‬‬ ‫‪ak z ´k +‬‬ ‫‪ak z ´k ,‬‬
‫‪k=N1 ă0‬‬ ‫‪k=N1‬‬ ‫‪k=0‬‬

‫על כן תחום ההתכנסות הוא בהתאם‪.‬‬

‫למשל‪ ,‬אם מדובר על אות סופי בזמן‪ ,‬תחום ההתכנסות הינו המישור המרוכב המלא‪ ,‬פרט‬
‫ל‪ 0-‬אם האות כולל חלק סיבתי‪ ,‬ולאינסוף אם האות כולל חלק אנטי‪-‬סיבתי‪.‬‬

‫דוגמה ‪ :3.5‬חשב התמרת ‪ Z‬של האות‬

‫‪ n‬‬ ‫‪ n‬‬
‫‪1‬‬ ‫‪1‬‬
‫= ]‪x[n‬‬ ‫´ ‪u[n] +‬‬ ‫]‪u[n‬‬
‫‪2‬‬ ‫‪3‬‬

‫‬ ‫‬ ‫פתרון‪:‬‬

‫‪1‬‬
‫´ ‪2z z‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪12‬‬
‫= )‪X(z‬‬ ‫‪+‬‬ ‫=‬ ‫‬ ‫‬
‫‪1 ´1‬‬ ‫‪1 ´1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪1´ z‬‬ ‫‪1+ z‬‬ ‫´‪z‬‬ ‫‪z+‬‬
‫‪2‬‬
‫‪loooomoooon‬‬ ‫‪3‬‬
‫‪loooomoooon‬‬ ‫‪2‬‬ ‫‪3‬‬
‫‪looooooooooomooooooooooon‬‬
‫‪|z|ą 12‬‬ ‫‪|z|ą 13‬‬
‫) ‪|z|ąmax( 12 , 31‬‬

‫מפת קטבים ואפסים ותחום ההתכנסות עבור הדוגמה מופיעים באיור ‪.3.3‬‬
‫‪ 3.4‬התמרות שימושיות‬ ‫‪31‬‬

‫דוגמה ‪ :3.6‬נתון אות‬

‫‪$‬‬
‫‪&an‬‬ ‫‪ně0‬‬
‫= ]‪x[n‬‬ ‫]‪= an u[n] ´ bn u[´n ´ 1‬‬
‫‪%´bn‬‬ ‫‪nă0‬‬

‫חשב התמרת ‪ Z‬של האות‪ ,‬לרבות תחום ההתכנסות‪.‬‬

‫פתרון‪:‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪z‬‬ ‫‪z‬‬
‫= )‪X(z‬‬ ‫‪´1‬‬
‫‪+‬‬ ‫‪´1‬‬
‫=‬ ‫‪+‬‬
‫‪1 ´ az‬‬ ‫‪1 ´ bz‬‬ ‫‪z´a z´b‬‬
‫‬ ‫‬
‫‪2z z ´ a+b‬‬‫‪2‬‬
‫=‬ ‫‪ROC = |z| ą |a| X t|z| ă bu‬‬
‫)‪(z ´ a)(z ´ b‬‬
‫מפת קטבים ואפסים ותחום ההתכנסות עבור הדוגמה מופיעים באיור ‪.3.3‬‬

‫)‪Im(z‬‬ ‫)‪Im(z‬‬

‫‪a‬‬
‫‪a+b‬‬
‫‪2‬‬ ‫‪b‬‬ ‫‪− 13‬‬ ‫‪1‬‬
‫‪2‬‬
‫‪1‬‬
‫‪2‬‬
‫)‪Re(z‬‬ ‫)‪Re(z‬‬

‫ב( דוגמה ‪3.6‬‬ ‫א( דוגמה ‪3.5‬‬

‫איור ‪ :3.3‬דוגמה לתחומי ההתכנסות‪.‬‬

‫‪ 3.4‬התמרות שימושיות‬
‫הטבלה להלן מסכמת את התמרות ‪ Z‬המקובלות ביותר ותחומי ההתכנסות שלהן‪.‬‬

‫התמרות ‪ Z‬שימושיות ‪ :3.1‬טבלה‬

‫‪Signal‬‬ ‫‪Z transform‬‬ ‫‪ROC‬‬

‫]‪δ[n‬‬ ‫‪1‬‬ ‫‪C‬‬

‫‪1‬‬
‫]‪u[n‬‬ ‫‪|z| ą 1‬‬
‫‪1 ´ z ´1‬‬
‫‪1‬‬
‫]‪´u[´n ´ 1‬‬ ‫‪|z| ă 1‬‬
‫‪1 ´ z ´1‬‬

‫‪C ´ t0u if m ą 0,‬‬

‫]‪δ[n ´ m‬‬ ‫‪z ´m‬‬
‫‪C ´ t8u if m ă 0‬‬
‫‪32‬‬ ‫פרק ‪ .3‬התמרת ‪Z‬‬

‫‪1‬‬
‫]‪an u[n‬‬ ‫‪|z| ą a‬‬
‫‪1 ´ az ´1‬‬
‫‪1‬‬
‫]‪´an u[´n ´ 1‬‬ ‫‪|z| ă a‬‬
‫‪1 ´ az ´1‬‬
‫‪az ´1‬‬
‫]‪nan u[n‬‬ ‫‪|z| ą a‬‬
‫‪(1 ´ az ´1 )2‬‬
‫‪az ´1‬‬
‫]‪´nan u[´n ´ 1‬‬ ‫‪|z| ă a‬‬
‫‪(1 ´ az ´1 )2‬‬
‫‪1 ´ cos(ω0 )z ´1‬‬
‫]‪cos(ω0 n)u[n‬‬ ‫‪|z| ą 1‬‬
‫‪1 ´ 2 cos(ω0 )z ´1 + z ´2‬‬
‫‪sin(ω0 )z ´1‬‬
‫]‪sin(ω0 n)u[n‬‬ ‫‪|z| ą 1‬‬
‫‪1 ´ 2 cos(ω0 )z ´1 + z ´2‬‬
‫‪1 ´ r cos(ω0 )z ´1‬‬
‫]‪rn cos(ω0 n)u[n‬‬ ‫‪|z| ą r‬‬
‫‪1 ´ 2r cos(ω0 )z ´1 + r2 z ´2‬‬
‫‪r sin(ω0 )z ´1‬‬
‫]‪rn sin(ω0 n)u[n‬‬ ‫‪|z| ą r‬‬
‫‪1 ´ 2r cos(ω0 )z ´1 + r2 z ´2‬‬

‫‪ 3.5‬תכונותיה של התמרת ‪Z‬‬

‫להלן רשימה של תוכונות שימושיות של התמרת ‪.Z‬‬

‫לינאריות )תכונה ‪ :(3.6‬נתונים האותות ]‪ x1 [n], x2 [n‬בעלי התמרות )‪ X1 (z), X2 (z‬ותחומי‬

‫התכנסות ‪ .R1, R2‬התמרת ‪ Z‬של קומבינציה לינארית כלשהיא הינה‪:‬‬

‫‪Z ax1 [n] + bx2 [n] = aX1 (z) + bX2 (z).‬‬

‫␣‬ ‫(‬
‫)‪(3.7‬‬

‫במידה והתמרת ‪ Z‬היא פונקציה רציונלית ואין צמצום בין קטבים ואפסים של )‪,X1 (z), X2 (z‬‬
‫ניתן לומר כי ‪.ROC ax1 +bx2 = R1 X R2‬‬

‫הוכחה‪ .‬על פי הגדרתה של התמרת ‪.Z‬‬

‫הזזה במישור הזמן )תכונה ‪ :(3.7‬נתון האות ]‪ x[n‬בעל התמרה ]‪ X(z) = Z x[n‬ותחום‬
‫␣‬ ‫(‬

‫התכנסות ‪ .R‬התמרת ‪ Z‬של האות המוזז ב‪ m-‬הינה‪:‬‬

‫‪Z x[n ´ m] = z ´m X(z),‬‬

‫␣‬ ‫(‬
‫)‪(3.8‬‬ ‫‪ROC = R ˘ t0, 8u,‬‬

‫הוכחה‪.‬‬
‫‪8‬‬ ‫‪8‬‬
‫‪1‬‬
‫‪ÿ‬‬ ‫‪ÿ‬‬
‫]‪x[k 1 ´ m]z ´k = Z x[n ´ m‬‬
‫␣‬ ‫(‬
‫)‪(3.9‬‬ ‫= )‪z ´m X(z‬‬ ‫= ‪x[k]z ´k´m‬‬
‫‪k=´8‬‬ ‫‪k1 =´8‬‬

‫כיווץ במישור התדר )תכונה ‪ :(3.8‬נתון האות ]‪ x[n‬בעל התמרת ]‪ X(z) = Z x[n‬ותחום‬
‫␣‬ ‫(‬
‫‪ 3.5‬תכונותיה של התמרת ‪Z‬‬ ‫‪33‬‬

‫התכנסות ‪ .R‬התמרת ‪ Z‬של האות המאופנן הינה‪:‬‬

‫ ‬
‫‪z‬‬
‫‪Z (z0 x[n]) = X‬‬
‫‪␣ n‬‬ ‫(‬
‫)‪(3.10‬‬ ‫‪, ROC = |z0 |R,‬‬
‫‪z0‬‬

‫התכונה זו נקראת גם תכונת האפנון‪.‬‬

‫הוכחה‪.‬‬
‫‬ ‫‬ ‫‪8‬‬ ‫‪ ´k‬‬ ‫ ‪8‬‬ ‫‬
‫‪z‬‬ ‫‪ÿ‬‬ ‫‪z‬‬ ‫‪ÿ‬‬
‫‪z0k x[k] z ´k = Z (z0n x[n] ,‬‬
‫␣‬ ‫(‬
‫)‪(3.11‬‬ ‫‪X‬‬ ‫=‬ ‫]‪x[k‬‬ ‫=‬
‫‪z0‬‬ ‫‪k=´8‬‬
‫‪z0‬‬ ‫‪k=´8‬‬

‫ואם ‪ z‬נמצא בתוך ‪ ,R‬גם ‪ |z0 |z‬יימצא בתוך תחום ההתכנסות של האות המאופנן‪.‬‬

‫שיקוף בזמן )תכונה ‪ :(3.9‬נתון האות ]‪ x[n‬בעל התמרת ]‪ X(z) = Z x[n‬ותחום התכנסות‬
‫␣‬ ‫(‬

‫‪ .R‬התמרת ‪ Z‬של האות המשוקף הינה‪:‬‬

‫ ‬
‫‪1‬‬ ‫‪1‬‬
‫‪Z x[´n] = X‬‬
‫␣‬ ‫(‬
‫)‪(3.12‬‬ ‫= ‪, ROC‬‬
‫‪z‬‬ ‫‪R‬‬

‫הוכחה‪.‬‬
‫ ‬ ‫‪8‬‬ ‫‪ ´k‬‬ ‫‪8‬‬
‫‪1‬‬ ‫‪ÿ‬‬ ‫‪1‬‬ ‫‪ÿ‬‬
‫]‪x[´k]z ´k = Z x[´n‬‬
‫␣‬ ‫(‬
‫)‪(3.13‬‬ ‫‪X‬‬ ‫=‬ ‫]‪x[k‬‬ ‫=‬
‫‪z‬‬ ‫‪k=´8‬‬
‫‪z‬‬ ‫‪k=´8‬‬

‫␣‬ ‫(‬ ‫‪1‬‬

‫לכל ‪ z‬אשר נצמא בתוך ‪ ,R‬יימצא בתוך תחום ההתכנסות של ]‪.Z x[´n‬‬
‫‪z‬‬
‫התמרת ‪ Z‬של האות הצמוד )תכונה ‪ :(3.10‬נתון האות ]‪ x[n‬בעל התמרת ]‪X(z) = Z x[n‬‬
‫␣‬ ‫(‬

‫ותחום התכנסות ‪ .R‬התמרת ‪ Z‬של האות המשוקף הינה‪:‬‬

‫
‬
‫‪Z x˚ [n] = X ˚ z ˚ ,‬‬
‫␣‬ ‫(‬
‫)‪(3.14‬‬ ‫‪ROC = R‬‬

‫‪‬‬ ‫˚‪‬‬ ‫הוכחה‪.‬‬

‫
‬ ‫‪8‬‬
‫‪X ˚ z˚ = ‬‬ ‫‪x[n](z ˚ )´k ‬‬
‫‪ÿ‬‬

‫‪k=´8‬‬
‫‪‬‬ ‫˚‪‬‬
‫‪8‬‬ ‫‬ ‫˚‬
‫)‪(3.15‬‬ ‫‪=‬‬ ‫‪‬‬
‫‪ÿ‬‬
‫‪x[n] z ´k‬‬
‫‪k=´8‬‬
‫‪8‬‬
‫‪ÿ‬‬
‫]‪x˚ [n]z ´k = Z x˚ [n‬‬
‫␣‬ ‫(‬
‫=‬
‫‪k=´8‬‬

‫נגזרת התמרת ‪) Z‬הגדרה ‪ :(3.5‬נתון האות ]‪ x[n‬בעל התמרת ]‪ X(z) = Z x[n‬ותחום‬

‫␣‬ ‫(‬

‫התכנסות ‪ .R‬מתקבל‪:‬‬

‫‪dX‬‬
‫‪Z nx[n] = ´z‬‬
‫␣‬ ‫(‬
‫)‪(3.16‬‬ ‫‪(z),‬‬ ‫‪ROC = R ˘ t0u‬‬
‫‪dz‬‬
‫‪34‬‬ ‫פרק ‪ .3‬התמרת ‪Z‬‬

‫הוכחה‪ .‬מתקבל לאחר חישוב‪:‬‬

‫‪8‬‬
‫‪ÿ‬‬
‫= ]‪Z nx[n‬‬
‫␣‬ ‫(‬
‫‪kx[k]z ´k‬‬
‫‪k=´8‬‬
‫‪8‬‬
‫‪ÿ‬‬
‫=‬ ‫‪x[k]kz ´k‬‬
‫‪k=´8‬‬
‫)‪(3.17‬‬ ‫‪8‬‬
‫‪ÿ‬‬ ‫‪d ´k‬‬
‫‪= ´z‬‬ ‫]‪x[k‬‬ ‫‪z‬‬
‫‪k=´8‬‬
‫‪dz‬‬
‫‪8‬‬
‫‪d ÿ‬‬ ‫‪dX‬‬
‫‪= ´z‬‬ ‫‪x[k]z ´k = ´z‬‬ ‫)‪(z‬‬
‫‪dz k=´8‬‬ ‫‪dz‬‬

‫דוגמה ‪ :3.7‬חשב התמרה של ]‪.x[n] = nan u[m‬‬

‫פתרון‪:‬‬
‫‪n‬‬
‫‪x[n] = n‬‬ ‫‪a‬‬ ‫]‪u[m‬‬
‫‪loomoon‬‬
‫‪1‬‬
‫|‪|z|ą|a‬‬
‫‪1´az ´1‬‬
‫‬ ‫‬
‫‪d‬‬ ‫‪1‬‬
‫‪ñ X(z) = ´z‬‬
‫‪dz‬‬ ‫‪1 ´ az ´1‬‬
‫‪az ´1‬‬
‫=‬ ‫‪
2‬‬ ‫|‪|z| ą |a‬‬
‫‪1 ´ az ´1‬‬
‫קונבולוציה )תכונה ‪ :(3.11‬תכונת הקונבולוציה זוהי התכונה החשובה ביותר לגבי התמרת ‪Z‬‬
‫בקשר למערכות לינאריות וקבועות בזמן‪.‬‬
‫נתונים האותות ]‪ x1 [n], x2 [n‬בעלי התמרות )‪ X1 (z), X2 (z‬ותחומי ההתכנסות ‪.R1 , R2‬‬
‫מתקבל‪:‬‬
‫‪Z x1 [n] ˚ x2 [n] = X1 (z)X2 (z), ROC Ą R1 X R2‬‬
‫␣‬ ‫(‬
‫)‪(3.18‬‬

‫הוכחה‪ .‬מתקבל לאחר חישוב‪:‬‬

‫‪‬‬ ‫‪‬‬
‫‪8‬‬ ‫‪8‬‬
‫‪‬‬ ‫‪x1 [k]x2 [n ´ k] z ´n‬‬
‫‪ÿ‬‬ ‫‪ÿ‬‬
‫= ]‪Z x1 [n] ˚ x2 [n‬‬
‫␣‬ ‫(‬
‫‪n=´8‬‬ ‫‪k=´8‬‬
‫‪‬‬ ‫‪‬‬
‫‪8‬‬ ‫‪8‬‬
‫‪‬‬ ‫‪x1 [k]x2 [n ´ k] z ´n+k z ´k‬‬
‫‪ÿ‬‬ ‫‪ÿ‬‬
‫=‬
‫)‪(3.19‬‬ ‫‪n=´8‬‬ ‫‪k=´8‬‬
‫‪‬‬ ‫‪‬‬
‫‪8‬‬ ‫‪8‬‬
‫‪x1 [k]z ´k ‬‬ ‫‪x2 [n ´ k]z ´n+k ‬‬
‫‪ÿ‬‬ ‫‪ÿ‬‬
‫=‬
‫‪k=´8‬‬ ‫‪n=´8‬‬

‫)‪= X1 (z)X2 (z‬‬

‫תחום ההתכנסות מכיל את החיתוך בין תחומי התכנסות‪.‬‬

 ‫‪ 3.5‬תכונותיה של התמרת ‪Z‬‬ ‫‪35‬‬

‫הערה ‪ ! 3.5‬יש לציין כי ברוב המקרים תחום ההתכנסות שווה לחיתוך בין תחומי התכנסות‪,‬‬
‫פרט למקרים כאשר כמה קטבים מצטמצמים ‪ -‬ראו את הדוגמא להלן‪.‬‬
‫זהירות‬ ‫דוגמה ‪ :3.8‬נתונים האותות‬
‫בכפל‪/‬חלוקה של‬
‫פולונומים‬ ‫]‪x1 [n] = (0.5)n u[n‬‬
‫]‪x2 [n] = δ[n] ´ 0.5δ[n ´ 1‬‬

‫חשב ]‪.x1 [n] ˚ x2 [n‬‬

‫פתרון‪ :‬התמרות הן‬

‫‪1‬‬
‫= )‪X1 (z‬‬ ‫‪,‬‬ ‫‪ROC = |z| ą 0.5‬‬
‫‪1 ´ 0.5z ´1‬‬
‫‪X2 (z) = 1 ´ 0.5z ´1 ,‬‬ ‫‪ROC = C ´ t0u‬‬
‫‪Z‬‬
‫]‪X1 (z)X2 (z) = 1 ÐÑ δ[n‬‬

‫תחום ההתכנסות המתקבל הינו המישור המרוכב השלם‪ ,‬וגדול יותר מאשר החיתוך בין תחומי‬
‫ההתכנסות של ‪ X‬ו‪ .Y-‬בנוסף‪ ,‬ניתן לראות שמדובר ברצף של מערכת וההופכית שלה‪ ,‬כמו‬
‫שיבואר בהרחבה בפרק ‪.5.4‬‬

‫דוגמה ‪ :3.9‬נתונים האותות‬

‫]‪x1 [n] = u[n‬‬

‫]‪x2 [n] = an u[n‬‬

‫חשב ]‪.x1 [n] ˚ x2 [n‬‬

‫פתרון‪ :‬התמרות הן‬

‫‪1‬‬
‫= )‪X1 (z‬‬ ‫‪, ROC = |z| ą 1‬‬
‫‪1 ´ z ´1‬‬
‫‪1‬‬
‫= )‪X2 (z‬‬ ‫|‪, ROC = |z| ą |a‬‬
‫‪1 ´ az ´1‬‬
‫‪1‬‬ ‫‪1‬‬
‫= )‪X1 (z)X2 (z‬‬ ‫‪´1‬‬
‫¨‬
‫‪1´z‬‬ ‫‪1 ´ az ´1‬‬
‫‬ ‫‬
‫‪1‬‬ ‫‪1‬‬ ‫‪a‬‬
‫=‬ ‫´‬ ‫)‪ROC = |z| ą max(|a|, 1‬‬
‫‪1 ´ a 1 ´ z ´1 1 ´ az ´1‬‬
‫‪1 h‬‬ ‫‪
i‬‬
‫= ]‪x1 [n] ˚ x2 [n‬‬ ‫]‪u[n] ´ a an u[n‬‬
‫‪1´a‬‬
‫‪1 ´ an+1‬‬
‫=‬ ‫]‪u[n‬‬
‫‪1´a‬‬
‫‪36‬‬ ‫פרק ‪ .3‬התמרת ‪Z‬‬

‫משפט הערך ההתחלתי ומשפט הערך הסופי המשפטים להלן מתקיימים עבור אותות סיבתיות‬
‫)צדי‪-‬ימין( בלבד‪ ,‬ונותנים מידע על התנהגותה של התמרת ‪ Z‬או על התנהגותו של האות הבדיד‬
‫בסביבת אינסוף‪.‬‬

‫משפט הערך ההתחלתי )הגדרה ‪ :(3.6‬אם ]‪ x[n‬הוא אות צד ימין‪ ,‬מתקיים‬

‫)‪(3.20‬‬ ‫)‪x[0] = lim X(z‬‬

‫‪zÑ+8‬‬

‫הוכחת המשפט טריביאלית‪ ,‬על פי הגדרתה של התמרת ‪.Z‬‬

‫משפט הערך הסופי )הגדרה ‪ :(3.7‬עבור אות יציב ]‪ x[n‬בעל התמרת )‪ ,X(z‬כך שקטביה יהיו‬
‫במעגל היחידה‪:‬‬
‫)‪(3.21‬‬ ‫]‪lim x[n] = lim (z ´ 1)X(z) + x[0‬‬
‫‪nÑ+8‬‬ ‫‪zÑ1‬‬

‫הוכחה‪.‬‬

‫]‪(z ´ 1)X(z) = Z x[n + 1] ´ x[n‬‬

‫␣‬ ‫(‬

‫‪8‬‬
‫‪ÿ‬‬
‫=‬ ‫‪(x[k + 1] ´ x[k])z ´k‬‬
‫‪k=0‬‬
‫)‪(3.22‬‬ ‫‪n‬‬
‫‪ÿ‬‬
‫‪= lim‬‬ ‫‪(x[k + 1] ´ x[k])z ´k‬‬
‫‪nÑ+8‬‬
‫‪k=0‬‬
‫‪n‬‬
‫‪ÿ‬‬
‫‪= lim ´x[0] + x[n + 1] +‬‬ ‫) ‪x[k](z ´k´1 ´ z ´k‬‬
‫‪nÑ+8‬‬
‫‪k=1‬‬

‫כאשר משאיפים את ‪) z Ñ 1‬ומכיוון שקטבי )‪ X(z‬בתוך מעגל היחידה‪ ,‬מותר לנו להפוך את‬
‫הגבולות ב‪ z-‬וב‪ ,(n-‬מתקבל‪:‬‬

‫)‪(3.23‬‬ ‫]‪lim (z ´ 1)X(z) = lim x[n] ´ x[0‬‬

‫‪zÑ1‬‬ ‫‪nÑ+8‬‬

‫‪ 3.6‬מערכות ‪LTI‬‬
‫אם נתונה מערכת ‪ ,LTI‬המוגדרת על ידי תגובתה להלם ]‪ ,h[n‬בעלת התמרת )‪ H(z‬ותחום‬
‫התכנסות ‪ ,ROCh‬ניתן לבדוק ביתר קלות האם המערכת היא סיבתית או יציבה‪.‬‬

‫מנה של פולינומים )תכונה ‪ :(3.12‬עבור מערכות ‪ H(z) ,LTI‬היא פונקציה רציונלית‪ ,‬ואנו יכולים‬
‫לנמק את תחום ההתכנסות בעזרת מפת האפסים והקטבים בלבד‪ .‬נניח בקטע זה שניתן לכתוב‬
‫)‪B(z‬‬
‫= )‪ ,H(z‬כאשר )‪ B(z‬ו‪ A(z)-‬הם פולינומים‪ .‬סננים כאלה מופיעים הרבה בעיבוד‬
‫)‪A(z‬‬
‫אותות סטטיסטיים‪ ,‬למשל בעיבוד אותות דיבור‪ .‬נתבונן בקטע זה במערכת מוגדרת על ידי‬
‫משוואת ההפרשים‪:‬‬
‫‪ÿ‬‬‫‪N‬‬ ‫‪M‬‬
‫‪ÿ‬‬
‫)‪(3.24‬‬ ‫= ]‪ak y[n ´ k‬‬ ‫]‪bk x[n ´ k‬‬
‫‪k=0‬‬ ‫‪k=0‬‬
LTI ‫ מערכות‬3.6 37

Z ‫ סיכום של תכונות שימושיות של התמרות‬:3.2 ‫טבלה‬

Property Discrete Signal Z transform ROC

Linearity a1 x1 [n] + a2 x2 [n] a1 X1 (z) + a2 X2 (z) includes R1 X R2

Time shift x[n ´ n0 ] z ´n0 X(z) R

 
z
Frequency scaling z0n x[n] X |z0 |R
z0

Time reversal x[´n] X(z ´1 ) R´1 if m ă 0

Conjugation x˚ [n] X ˚ (z ˚ ) R

R1 X R2 (or
Convolution (x1 ˚ x2 )[n] X1 (z)X2 (z)
possibly more)
dX
Frequency derivation nx[n] ´z (z) R
dz
Time differentiation x[n] ´ x[n ´ 1] (1 ´ z ´1 )X(z) R X t|z| ą 0u
n
ÿ X(z)
Accumulation x[k] R X t|z| ą 1u
k=´8
1 ´ z ´1

:‫ מתקבל‬LTI, ‫על פי תכונותיהן של המערכות‬

   
N M
 ak z ´k  Y (z) =  bk z ´k  X(z)
ÿ ÿ
(3.25)
k=0 k=0

‫ולכן פונקציית תמסורת נתונה ע"י‬

M
ÿ M 
ź 
bk z ´k 1 ´ zk z ´1
Y (z)
(3.26) H(z) = = k=0 = b0 k=1
N 
,
X(z) ÿN ź 
ak z ´k 1 ´ pk z ´1
k=0 k=1

.‫ קטבים‬pk -‫ אפסים ו‬zk ‫כאשר‬

‫ שניתן לממש את‬,‫ הוכח‬.h[n] = an u[n] ‫ נתונה מערכת בעלת תגובה להלם‬:3.10 ‫דוגמה‬
.y[n] = ay[n ´ 1] + x[n] ‫המערכת ע"י משוואת הפרשים‬

x[n] h[n] y[n]

‫‪38‬‬ ‫פרק ‪ .3‬התמרת ‪Z‬‬

‫פתרון‪:‬‬
‫‪Z‬‬ ‫‪1‬‬ ‫)‪Y (z‬‬
‫‪h[n] = an u[n] ÐÑ‬‬ ‫‪´1‬‬
‫=‬ ‫)‪= H(z‬‬
‫‪1 ´ az‬‬ ‫)‪X(z‬‬
‫)‪X(z) = Y (z) ´ az ´1 Y (z‬‬
‫]‪x[n] = y[n] ´ ay[n ´ 1‬‬
‫הערה ‪ ! 3.6‬משוואת הפרשים היא דרך נוספת למימוש המערכת‪ ,‬בנוסף לקונבולוציה עם‬
‫תגובה להלם ]‪.y[n] = h[n] ˚ x[n‬‬
‫דוגמה ‪) :3.11‬חזור על דוגמה ‪ (2.13‬נתונה מערכת בעלת תגובה להלם ‪.h[n] = t1, 2, 3, 4u‬‬
‫חשב תגובה לכניסה ‪.x[n] = t1, 1u‬‬

‫פתרון‪:‬‬

‫)‪Y (z‬‬
‫= )‪H(z‬‬ ‫‪= 1 + 2z ´1 + 3z ´2 + 4z ´4‬‬
‫)‪X(z‬‬
‫‪X(z) = 1 + z ´1‬‬
‫‬ ‫‬
‫‪´1‬‬ ‫‪´2‬‬ ‫‪´4‬‬ ‫‪´1‬‬ ‫‪´1‬‬ ‫‪´2‬‬ ‫‪´4‬‬
‫‪Y (z) = H(z)X(z) = (1 + 2z‬‬ ‫‪+ 3z‬‬ ‫‪+ 4z ) + z‬‬ ‫‪1 + 2z‬‬ ‫‪+ 3z‬‬ ‫‪+ 4z‬‬

‫‪= 1 + 3z ´1 + 5z ´2 + 7z ´3 + 4z ´4‬‬

‫הערה ‪ ! 3.7‬מקדמים של תוצאת הכפלה בין זוג פולינומים היא קונבולוציה של המקדמים‪.‬‬
‫תכונות תחום ההתכנסות )תכונה ‪ :(3.13‬עבור )‪ H(z‬מתקיים‪:‬‬

‫� עבור תגובה להלם צד ימין‪ ,‬תחום ההתכנסות הוא מסוג "מחוץ למעגל"‪ ,‬ורדיוס ומעגל‬
‫נתון על ידי הקוטב עם ההגבר הגדול ביותר‪.‬‬

‫� עבור תגובה להלם צד שמאל‪ ,‬תחום ההתכנסות הוא מסוג "בתוך המעגל"‪ ,‬ורדיוס ומעגל‬
‫נתון על ידי הקוטב עם ההגבר הקטן ביותר‪.‬‬

‫� עבור תגובה להלם אינסופית בזמן‪ ,‬תחום ההתכנסות‪ ,‬אם בכלל קיים‪ ,‬הוא מסוג "טבעת"‪,‬‬
‫ומוגבל על ידי שני קטבים‪.‬‬

‫סיבתיות )תכונה ‪ :(3.14‬אם המערכת ‪ LTI‬סיבתית‪ ,‬תחום ההתכנסות של התגובה להלם הוא‬
‫מסוג "מחוץ למעגל"‪ .‬אם פונקצית התמסורת רציונלית ותחום ההתכנסות מסוג "מחוץ למעגל"‪,‬‬
‫המערכת סיבתית‪.‬‬

‫הוכחה‪ .‬אם המערכת סיבתית‪ ,n ă 0, h[n] = 0 ,‬תחום ההתכנסות בהתאם לתגובה להלם‬
‫הוא מסוג "מחוץ למעגל"‪ .‬כעת נניח כי תחום ההתכנסות הוא מסוג "מחוץ למעגל" ופונקצית‬
‫התמסורת רציונלית מהצורה‪:‬‬
‫‪8‬‬
‫‪ÿ‬‬ ‫‪´1‬‬
‫‪ÿ‬‬ ‫‪8‬‬
‫‪ÿ‬‬
‫)‪(3.27‬‬ ‫= )‪H(z‬‬ ‫= ‪h[k]z ´k‬‬ ‫‪h[k]z ´k +‬‬ ‫‪h[k]z ´k .‬‬
‫‪k=´8‬‬ ‫‪k=´8‬‬ ‫‪k=0‬‬

‫הטור הראשון קשור לאות צד שמאל ותחום ההתכנסות מסוג "בתוך המעגל"‪ ,‬אבל הנחנו כי‬
‫תחום ההתכנסות מסוג "מחוץ למעגל"‪ ,‬לכן ‪ h[k] = 0‬כאשר ‪ .k ă 0‬על כן ניתן לטעון‬
‫שהמערכת זו סיבתית )מכיוון שהמערכת ‪.(LTI‬‬
‫‪ 3.7‬התמרת ‪ Z‬ההפוכה‬ ‫‪39‬‬

‫יציבות )תכונה ‪ :(3.15‬המערכת יציבה אם ורק אם תחום ההתכנסות מכיל את מעגל היחידה‬
‫‪,|z| = 1‬‬
‫)‪(3.28‬‬ ‫‪ROC h = t|z| = 1u.‬‬
‫ˇ ‪8‬‬
‫‪ÿ‬‬ ‫ˇ‬
‫‪ ,‬על כן תחום ההתכנסות מכיל‬ ‫הוכחה‪ .‬אם המערכת יציבה ו‪ ,LTI-‬מתקיים ‪ˇh[k]ˇ ă 8‬‬
‫ˇ‬ ‫ˇ‬
‫‪k=´8‬‬
‫את מעגל היחידה‪ .‬הכיוון ההפוך מתקבל על פי אותו רעיון‪.‬‬

‫דוגמה ‪ :3.12‬מערכת בעלת תגובה להלם‬

‫‪Z‬‬ ‫‪1‬‬ ‫‪z‬‬
‫‪ ,x[n] = an u[n] ÐÑ‬היא יציבה עבור ‪.|a| ă 1‬‬ ‫‪´1‬‬
‫=‬ ‫|‪, |z| ą |a‬‬
‫‪1 ´ az‬‬ ‫‪z´a‬‬
‫להמחשה עבור ערכים שונים של ‪ a‬ראה איור ‪.3.4‬‬

‫‪-1 < a < 0‬‬ ‫‪a>1‬‬

‫‪1‬‬

‫‪0‬‬

‫‪-1‬‬ ‫‪1‬‬
‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪6‬‬
‫‪a = -1‬‬ ‫‪a=1‬‬
‫‪1‬‬
‫‪1‬‬
‫‪0‬‬

‫‪-1‬‬
‫‪0‬‬
‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪6‬‬
‫‪a < -1‬‬ ‫‪0<a<1‬‬

‫‪1‬‬
‫‪1‬‬
‫‪-1‬‬

‫‪0‬‬
‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪6‬‬
‫‪n‬‬ ‫‪n‬‬
‫איור ‪ :3.4‬המחשה של התנהגות של האות ]‪ an u[n‬עבור תחומים שונים של ‪.a‬‬

‫‪ 3.7‬התמרת ‪ Z‬ההפוכה‬

‫‪ 3.7.1‬הגדרה‬
‫נכתוב בהגדרת ההתמרה הישירה‬
‫‪8‬‬
‫‪ÿ‬‬
‫‪jω‬‬
‫)‪(3.29‬‬ ‫= ) ‪X(z = re‬‬ ‫‪x[n]r´n e´jωn‬‬
‫‪n=´8‬‬
‫‪40‬‬ ‫פרק ‪ .3‬התמרת ‪Z‬‬

‫על פי הגדרתו של טור פורייה מתקבל ‪:‬‬

‫‪ż 2π‬‬ ‫‪ż 2π‬‬
‫‪1‬‬ ‫‪jω‬‬ ‫‪jωn‬‬ ‫‪1‬‬ ‫‪n‬‬
‫)‪(3.30‬‬ ‫= ]‪x[n‬‬ ‫‪X(re )e‬‬ ‫= ‪dω‬‬ ‫‪X(rejω )(rejω ) dω‬‬
‫‪2πr´n‬‬ ‫‪0‬‬ ‫‪2π‬‬ ‫‪0‬‬

‫‪dz‬‬
‫= ‪ ,dω‬על כן מתקבלת הגדרתה‬ ‫מכיוון ש ‪ ,z = rejω‬כאשר קובעים את הרדיוס מתקבל‬
‫‪jz‬‬
‫של התמרת ‪ Z‬ההפוכה‪.‬‬

‫ההתמרה ההפוכה )הגדרה ‪ :(3.8‬מוגדרת כדלקמן‪:‬‬

‫¿‬
‫‪1‬‬
‫)‪(3.31‬‬ ‫= ]‪x[n‬‬ ‫‪X(z)z n´1 dz,‬‬
‫‪2πj‬‬
‫‪C‬‬

‫כאשר מסלול האינטגרציה כלשהו מוכל בתחום ההתכנסות‪.‬‬

‫‪ 3.7.2‬שיטות שימושיות לחישוב‬

‫הגדרת ההתמרה ההפוכה תאורטית היא מסורבלת לחישוב‪ ,‬ובדרך כלל משתמשים בשיטות‬
‫האחרות בכדי לחשב את התמרת ‪ Z‬ההפוכה‪ .‬השיטות האלה מתוארות להלן‪.‬‬

‫שיטה ‪ 1‬שימוש התכונות וההתמרות המוכרות‪ ,‬ופירוק בשברים חלקיים‪.‬‬ ‫זה הדרך‬
‫המומלצת בד"כ‬
‫דוגמה ‪ :3.13‬יש למצוא את ההתמרה ההפוכה עבור‬
‫‪5‬‬
‫‪3 ´ z ´1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫ = )‪X(z‬‬ ‫‪6‬‬ ‫‪,‬‬ ‫‪ă |z| ă‬‬
‫‪1 ´1‬‬ ‫‪1 ´1‬‬ ‫‪4‬‬ ‫‪3‬‬
‫‪1´ z‬‬ ‫‪1´ z‬‬
‫‪4‬‬ ‫‪3‬‬

‫פירוק בשברים חלקיים נותן‬

‫‪1‬‬ ‫‪2‬‬
‫= )‪X(z‬‬ ‫‪1 ´1‬‬ ‫‪+‬‬ ‫‪,‬‬
‫´‪1‬‬ ‫‪4‬‬
‫‪z‬‬ ‫‪1 ´ 13 z ´1‬‬

‫‪1‬‬
‫‪ |z| ą‬ותחום ההתכנסות בהתאם‬ ‫‪4‬‬
‫כאשר תחום ההתכנסות בהתאם לביטוי השמאלי הינו‬
‫לביטוי הימני הינו ‪ .|z| ă 31‬בהתאם לטבלה ‪,3.1‬‬
‫‪ n‬‬ ‫‪ n‬‬
‫‪1‬‬ ‫‪1‬‬
‫= ]‪x[n‬‬ ‫‪u[n] ´ 2‬‬ ‫]‪u[´n ´ 1‬‬
‫‪4‬‬ ‫‪3‬‬

‫השיטה זו מועילה כאשר פונקצית התמסורת רציונלית‪ ,‬וכאשר האפסים והקטבים מוכרים‪ ,‬או‬
‫כאשר ניתן לחשב אותם בקלות‪.‬‬
‫‪ 3.7‬התמרת ‪ Z‬ההפוכה‬ ‫‪41‬‬

‫שיטה ‪ 2‬לכתוב את ההתמרה הישירה כטור של המשתנה החופשי‪ ,‬ולזהות את ביטוי האות‪.‬‬

‫דוגמה ‪ :3.14‬למצוא את ההתמרה הפוכה של ‪.X(z) = ln(1 + az ´1 ), |z| ą a‬‬

‫על פי התכונות הכלליות ‪:‬‬

‫‪ÿ (´1)n+1‬‬ ‫‪8‬‬

‫‪´1‬‬ ‫‪´1 n‬‬
‫‪ÿ‬‬ ‫‪(´1)n+1 n ´n‬‬
‫= ) ‪X(z) = ln(1 + az‬‬ ‫= ) ‪(az‬‬ ‫‪a z‬‬
‫‪ně1‬‬
‫‪n‬‬ ‫‪n=1‬‬
‫‪n‬‬

‫בהתאם לסכום הטור ותחום ההתכנסות‪,‬‬

‫‪(´a)n‬‬
‫´ = ]‪x[n‬‬ ‫‪u[n ´ 1].‬‬
‫‪n‬‬
‫נשתמש בשיטה זו כאשר פונקצית התמסורת אינה רציונלית‪ ,‬אך פירוטה כטור ידוע‪.‬‬

‫שיטה ‪ 3‬שימוש משפט השארית‬

‫משפט השארית זהו משפט חשוב גם מבחינה תאורטית ויישומית‪ ,‬אך שימושו אינו פשוט )בד''כ‬
‫קיימת דרך פשוטה יותר(‪ .‬בנוסך לכך‪ ,‬יש לציין כי שימושו של משפט השארית מוגבל לאות‬
‫צד‪-‬ימין בלבד‪ ,‬מפני שהמסלול הסגור חייב להימצא בתחום ההתכנסות ולכלול את כל הקטבים‪.‬‬

‫משפט‪ .‬יהי מסלול סגור שכולל את כל קטבי פונקצית התמסורת ‪ tzi u1ďiďn‬מסדר ‪:tmi u1ďiďn‬‬

‫¿‬ ‫‪n‬‬
‫‪1‬‬ ‫‪ÿ‬‬
‫= ‪F (z)dz‬‬ ‫) ‪Res(F (z), z = zi )Ind(zi‬‬
‫‪2πj‬‬ ‫‪i=1‬‬
‫‪C‬‬
‫)‪(3.32‬‬
‫‪n‬‬ ‫‬ ‫!‬
‫‪ÿ‬‬ ‫‪1‬‬ ‫‪dmi ´1‬‬
‫=‬ ‫‪lim‬‬ ‫) ‪(z ´ zi )mi F (z) Ind(zi‬‬
‫‪zÑzi (mi ´ 1)! dz mi ´1‬‬
‫‪i=1‬‬

‫כאשר ) ‪ Ind(zi‬הוא מספר הסיבובים שעושה המסלול מסביב הקוטב ‪.zi‬‬

‫משפט זה אינו נראה אינטואיטיבי ; למרות זאת‪ ,‬ניתן להבין כמה דברים פשוטים על המשפט‬
‫החזק הזה‪ .‬אלו דברים אינטואיטיביים ניתן להגיד ?‬

‫‪ .1‬כל "משקל" האינטגרל מגיע בגלל הקטבים‪.‬‬

‫‪ .2‬אם כוללים קוטב פעמיים או יותר פעמים‪ ,‬אנחנו צריכים להכפיל את תרומתו לאותה‬
‫כמות‪.‬‬

‫‪ .3‬לקוטב כפול יש יותר משקל מאשר קוטב פשוט‪.‬‬

‫לבסוף‪ ,‬המשפט זה יותר טבעי מאשר הנוסחה שלו‪.‬‬

‫דוגמה ‪ :3.15‬נחזור לדוגמא הרציונלית שלנו‪:‬‬

‫‪3 ´ 5/6z ´1‬‬ ‫)‪z(3z ´ 5/6‬‬ ‫‪1‬‬

‫= )‪X(z‬‬ ‫
‬ ‫=
‬ ‫‪, |z| ą‬‬
‫‪1 ´ 1/4z‬‬ ‫‪´1‬‬ ‫‪1 ´ 1/3z‬‬ ‫‪´1‬‬ ‫)‪(z ´ 1/4)(z ´ 1/3‬‬ ‫‪3‬‬
‫‪42‬‬ ‫פרק ‪ .3‬התמרת ‪Z‬‬

‫סדרי הקטבים הם שווים ל‪ ,1-‬על כן כאשר ‪:n ě 1‬‬

‫‪ n  n‬‬
‫‪n´1‬‬ ‫‪3 ´ 10/3 1‬‬ ‫‪1‬‬
‫‪Res(X(z)z‬‬ ‫= )‪, z = 1/4‬‬ ‫=‬
‫‪1 ´ 4/3 4‬‬ ‫‪4‬‬

‫‪ n‬‬ ‫‪ n‬‬ ‫ומצד שני‪:‬‬

‫‪n´1‬‬ ‫‪3 ´ 5/2 1‬‬ ‫‪1‬‬
‫‪Res(X(z)z‬‬ ‫= )‪, z = 1/3‬‬ ‫‪=2‬‬
‫‪1 ´ 3/4 3‬‬ ‫‪3‬‬

‫‪ n‬‬ ‫‪ n‬‬ ‫לבסוף‪:‬‬

‫‪1‬‬ ‫‪1‬‬
‫= ]‪x[n‬‬ ‫‪u[n] + 2‬‬ ‫]‪u[n‬‬
‫‪4‬‬ ‫‪3‬‬
‫הערה ‪ ! 3.8‬ניתן לנסח את השיטה בצורה קלה יותר‪ ,‬תוך שילוב של שיטה ‪ ,1‬באופן הבא‪.‬‬

‫דוגמה ‪ :3.16‬כפי שכבר צויין‪ ,‬ניתן להציג את הדוגמה באופן הבא‪:‬‬

‫‪A1‬‬ ‫‪A2‬‬
‫= )‪X(z‬‬ ‫‪1 ´1 +‬‬ ‫‪.‬‬
‫‪1 ´ 4z‬‬ ‫‪1 ´ 13 z ´1‬‬

‫ניתן לחשב את המקדמים ע"י‬

‫‬ ‫‬ ‫‬
‫‪5 ´1‬‬ ‫ˇ ‪1 ´1‬‬
‫‬ ‫ˇˇ ‬ ‫‪3´ z‬‬
‫‪6‬‬
‫‪1´ z‬‬
‫‪4‬‬
‫ˇ‬
‫=‬ ‫‬ ‫ˇˇ ‬
‫‪´1‬‬
‫ˇ‬
‫‪A1 = X(z) 1 ´ p1 z‬‬ ‫ˇ‬ ‫‪=1‬‬
‫ˇ‬
‫‪z=p1‬‬ ‫‪1 ´1‬‬ ‫ˇ ‪1 ´1‬‬
‫‪1´ z‬‬ ‫‪1´ z‬‬ ‫‪z=1/4‬‬
‫‪4‬‬ ‫‪3‬‬
‫‬ ‫ˇˇ ‬
‫ˇˇ ‪A2 = X(z) 1 ´ p2 z ´1‬‬ ‫‪= 2,‬‬
‫‪z=p2‬‬

‫כאשר ‪ p1 = 1/4, p2 = 1/3‬הם הקטבים‪.‬‬

‫דוגמה ‪ :3.17‬ניתן גם לחזור לתוצאה של הדוגמה ‪.3.9‬‬

‫ההתמרה היא‬
‫‪1‬‬ ‫‪1‬‬
‫= )‪Y (z‬‬ ‫¨‬
‫‪1 ´ z ´1 1 ´ az ´1‬‬
‫‬ ‫‬
‫‪A1‬‬ ‫‪A2‬‬
‫=‬ ‫‪+‬‬ ‫)‪ROC = |z| ą max(|a|, 1‬‬
‫‪1 ´ z ´1 1 ´ az ´1‬‬
‫ˇ‬
‫‬ ‫ˇˇ ‬ ‫‪1‬‬
‫ˇ‬
‫ˇ‬ ‫‪1‬‬
‫ˇˇ ‪A1 = Y (z) 1 ´ z ´1‬‬ ‫=‬ ‫‪´1‬‬
‫ˇ‬ ‫=‬
‫‪z=1‬‬ ‫ˇ ‪1 ´ az‬‬ ‫ˇ‬ ‫‪1´a‬‬
‫‪z=1‬‬
‫‬ ‫ˇˇ ‬ ‫‪1‬‬ ‫‪a‬‬
‫ˇ ‪´1‬‬
‫‪A2 = Y (z) 1 ´ az‬‬ ‫=‬ ‫‪´1‬‬
‫=‬
‫ˇ‬
‫‪z=a‬‬ ‫‪1´a‬‬ ‫‪a´1‬‬
 ‫‪ 3.8‬ייצוג מערכות‬ ‫‪43‬‬

‫‪ 3.8‬ייצוג מערכות‬
‫טבלה ‪ 3.5‬מתארת שני סוגים של דיאגרמות המקובלות לייצוג מערכות‪.‬‬
‫‪+‬‬
‫]‪x[n‬‬ ‫‪+‬‬ ‫]‪x[n] + y[n] x[n‬‬ ‫]‪x[n] + y[n‬‬

‫‪+‬‬

‫]‪y[n‬‬ ‫]‪y[n‬‬

‫]‪x[n‬‬ ‫‪a‬‬ ‫]‪ax[n‬‬

‫‪a‬‬
‫]‪x[n‬‬ ‫]‪ax[n‬‬

‫]‪x[n‬‬ ‫‪a‬‬ ‫]‪ax[n‬‬

‫‪z −1‬‬
‫]‪x[n‬‬ ‫]‪x[n − 1‬‬
‫]‪x[n‬‬ ‫‪z −1‬‬ ‫]‪x[n − 1‬‬

‫]‪x[n‬‬ ‫]‪x[n‬‬ ‫]‪x[n‬‬ ‫]‪x[n‬‬

‫]‪x[n‬‬ ‫]‪x[n‬‬
‫ב( ''מלא''‬ ‫א( ''חסר''‬

‫איור ‪ :3.5‬ייצוג מערכות בזמן בדיד‪.‬‬

‫שימוש "בנקודות‬ ‫דוגמה ‪ :3.18‬נתונה המערכת‪ ,‬שמופיע באיור ‪.3.6‬‬

‫עזר"‬ ‫מצא פונקציית תמסורת‪ ,‬ומשוואת ההפרשים של המערכת‪.‬‬

‫]‪w[n‬‬
‫]‪x[n‬‬ ‫]‪y[n‬‬

‫‪z −1‬‬
‫‪a‬‬ ‫‪b‬‬

‫]‪w[n − 1‬‬
‫איור ‪ :3.6‬דוגמה לייצוג המערכת‪.‬‬
‫‪44‬‬ ‫פרק ‪ .3‬התמרת ‪Z‬‬

‫פתרון‪ :‬ניתן לראות‪ ,‬שמתוך הקשרים‬

‫‬ ‫‬
‫‪x[n] = w[n] ´ aw[n ´ 1] Z X(z) = W (z) 1 ´ az ´1‬‬
‫‪ÐÑ‬‬ ‫‬ ‫‬
‫]‪y[n] = w[n] + bw[n ´ 1‬‬ ‫‪Y (z) = W (z) 1 + bz ´1‬‬

‫מתקבל‬

‫)‪Y (z‬‬ ‫‪1 + bz ´1 Z‬‬

‫= )‪H(z‬‬ ‫=‬ ‫]‪ÐÑ y[n] ´ ay[n ´ 1] = x[n] + bx[n ´ 1‬‬
‫)‪X(z‬‬ ‫‪1 ´ az ´1‬‬

‫הערה ‪ ! 3.9‬פתרון של השאלות מסוג הזה בד"כ דורש‪:‬‬

‫א( שימוש בנקודות עזר‪,‬‬

‫ב( שילוב של משוואות הפרשים ופונקציות תמסורת‪.‬‬

 ‫פרק ‪4‬‬

‫התמרת פורייה בזמן בדיד‬

‫‪ 4.1‬הקדמה‬
‫בפרק זה מטרתנו היא תיאור ההתמרה שעושה את המעבר מזמן בדיד לתדרים פיזיים ורציפים‪,‬‬
‫בדומה להתמרת פורייה עבור אותות בזמן רציף‪ .‬גם כן נרצה לקשור את האותות הבדידים‬
‫והאותות הדגומים‪ .‬בדומה למה שקורה במקרה הזמן הרציף‪ ,‬התמרת פורייה בזמן בדיד‪,‬‬
‫שנסמן ב‪ ,DTFT -‬שהם ראשי תיבות ‪ .Discrete Time Fourier Transform‬נשתמש בהתמרה זו‬
‫עבור מסננים יציבים בלבד‪.‬‬
‫המטרה היא להציג את התמרת ‪ ,DTFT‬שהיא המקבילה של התמרת פוריה בזמן רציף של‬
‫אות האנלוגי‪ .‬לשם כך‪ ,‬ניזכר בתהליך קבלת אות בדיד מאות רציף‪ ,‬שמתחלק לשני שלבים‬
‫)מסוכמים באיורים ‪:(4.2 ,4.1‬‬

‫)א( דגימה‪ ,‬אשר ממירה את האות הרציף לאות הדגום‪ ,‬אך שנחשב עדיין כאות בזמן רציף‪.‬‬
‫טווח הזמן בין איברים סמוכים שווה למחזור הדגימה‪.‬‬

‫)ב( נרמול‪ ,‬ששומר רק על האיברים ומדלג על מידע של מחזור הדגימה‪ .‬כלומר‪ ,‬האינדקס ‪n‬‬
‫מהווה מקום סידורי בציר הזמן‪ ,‬וכתוצאה מכך ללא יחידות פיזיקליות‪.‬‬

‫∞‬
‫∑‬
‫)‪xc (t‬‬ ‫‪Sampling‬‬ ‫= )‪xs (t‬‬ ‫) ‪xc (nT )δ(t − nT‬‬ ‫‪Normalize‬‬ ‫) ‪x[n] = xc (nT‬‬
‫∞‪n=−‬‬

‫איור ‪ :4.1‬תהליך המרת אות אנלוגי לאות דיגיטלי‬

‫עכשיו נבחן קשר בין התמרת פוריה עבור כל אחד מהשלבים‪.‬‬

‫‪F‬‬
‫א( רענון של התמרת פוריה בזמן רציף‪ ,x(t) ðñ X(jΩ) ,‬בסעיף ‪.4.2.1‬‬
‫?‬
‫‪,Xs (jΩ) á‬‬
‫ב( קשר בין התמרת פוריה של אות בזמן רציף לבין אות אנלוגי המקורי )‪Ý Xc (jΩ‬‬
‫‪Ý‬‬
‫‪â‬‬
‫בסעיף ‪.4.2.2‬‬

‫ג( קשר בין התמרת פוריה של אות דגום בזמן רציף לבין אות דגום בזמן בדיד‪,‬‬
‫?‬ ‫?‬
‫‪ ,X(ejω ) á‬בסעיף ‪.4.2.3‬‬
‫‪Ý‬‬
‫‪Ý Xs (jΩ) á‬‬
‫‪â‬‬ ‫‪Ý‬‬
‫)‪Ý Xc (jΩ‬‬
‫‪â‬‬
‫‪46‬‬ ‫פרק ‪ .4‬התמרת פורייה בזמן בדיד‬

‫)‪s(t‬‬ ‫)‪xc(t‬‬

‫‪T‬‬

‫‪t‬‬ ‫‪t‬‬
‫‪T 2T 3T 4T 5T‬‬ ‫‪T‬‬ ‫‪2T 3T 4T 5T‬‬
‫ב( ''רכבת'' הלמים‬ ‫א( אות אנלוגי‬
‫]‪x[n‬‬ ‫)‪xs(t‬‬

‫‪n‬‬ ‫‪t‬‬
‫‪1 2 3 4 5‬‬ ‫‪T 2T 3T 4T 5T‬‬
‫ד( אות דגום בזמן בדיד‬ ‫ג( אות דגום בזמן רציף‬

‫איור ‪ :4.2‬קשר בין‪ :‬אות אנלוגי במזמן רציף‪ ,‬אות דגום בזמן רציף‪ ,‬אות בזמן בדיד‪.‬‬

‫ד( סיכום הגדרת ) ‪ X(ejω‬בסעיף ‪.4.3‬‬

‫תדרים )תכונה ‪ :(4.1‬מערכת דיגיטלית "רואה" רק את התדרים בין ‪ 0‬לבין ‪ ,Fs /2‬כאשר‬ ‫משפט ‪Nyquist‬‬

‫‪1‬‬
‫)‪(4.1‬‬ ‫= ‪Fs‬‬
‫‪T‬‬
‫מייצג את תדר הדגימה המשמש להמרה מאנלוג לדיגיטל )ראה גם הגדרה ‪.(2.3‬‬
‫הערה ‪ ! 4.1‬מנתחי האותות מסכמים את העובדה הזו במשפט הבא‪ :‬מבהמשך הספר‪ ,‬אנחנו‬
‫נניח כל התדרים של האותות העניינים נמצאים בטווח ]‪ ,[0, Fs /2‬על מנת להקל על השקת‬
‫המסקנות העתידיות‪ .‬ניתן לאלץ את הדבר תוך סינון מעביר נמוכים ראשוני לפני הדגימה‬
‫)‪.(Anti-aliasing filtering‬‬

‫תופעת ‪Aliasing‬‬

‫דוגמה ‪ :4.1‬בהינתן שני האותות‪:‬‬ ‫הדגמה של הבעיה‬

‫‪x1 (t) = cos(0.6πt),‬‬ ‫)‪x2 (t) = cos(2.6πt‬‬

‫מצא אותות הדגומה עבור דגימה בתדר ‪.Fs = 1 Hz‬‬

‫פתרון‪ :‬נקבל‪:‬‬

‫‪x1 [n] = cos(0.6πn),‬‬ ‫‪x2 [n] = cos(2.6πn) = cos(0.6πn + 2πn) = x1 [n].‬‬

‫כלומר‪ ,‬שני אותות אנלוגיים שוניים לחלוטין יכולים לתת את אותו האות הבדיד‪.‬‬
 ‫‪ 4.2‬ניסוח הגדרה‬ ‫‪47‬‬

‫‪ 4.2‬ניסוח הגדרה‬

‫‪ 4.2.1‬התמרת פוריה בזמן בדיד‬

‫תזכורת להתמרת‬ ‫התמרת פוריה )הגדרה ‪ :(4.1‬התמרת פוריה של אות )‪ x(t‬בזמן רציף נתונה ע''י‬
‫פוריה רגילה‬
‫‪ż8‬‬
‫= )‪X(jΩ) = F x(t‬‬
‫(‬‫␣‬
‫)‪(4.2‬‬ ‫‪x(t)e´jΩt dt,‬‬
‫‪´8‬‬

‫‬ ‫‬
‫כאשר ‪ Ω‬הוא תדרות זוויתית ''אנלוגית'' ביחידות ‪ . rad/sec‬סימון נוסף להתמרה הוא‬
‫‪F‬‬
‫)‪.x(t) ðñ X(jΩ‬‬

‫‪ 4.2.2‬קשר בין אות אנלוגי לאות דגום בזמן רציף‬

‫נזכיר בהתחלה את התכונות הייסודיות של פעולת דגימה‪.‬‬

‫רכבת הלמים )הגדרה ‪ :(4.2‬רכבת הלמים אידאלית בעל זמן מחזור ‪ T‬נתונה ע''י‬
‫‪8‬‬
‫‪ÿ‬‬
‫)‪(4.3‬‬ ‫= )‪s(t‬‬ ‫‪δ(t ´ kT ).‬‬
‫‪k=´8‬‬

‫ובעלת התמרת פוריה מהצורה‬

‫‪8‬‬ ‫‬ ‫!‬
‫‪2π ÿ‬‬ ‫‪2π‬‬
‫)‪(4.4‬‬ ‫= )‪S(jΩ‬‬ ‫‪δ j Ω´k‬‬ ‫‪.‬‬
‫‪T k=´8‬‬ ‫‪T‬‬

‫דגימה אידיאלית )הגדרה ‪ :(4.3‬אנו נגדיר את פעולת דגימה האידיאלית ככפל בין אות רציף‬
‫)‪ xc (t‬לבין רכבת הלמים אידאלית בעל זמן מחזור ‪ ,T‬כאשר אות דגום בזמן רציף‪xs (t) ,‬‬
‫)איור ‪ ,(4.2‬נתון ע''י הקשר‬

‫)‪xs (t) = xc (t)s(t‬‬

‫‪8‬‬
‫‪ÿ‬‬
‫)‪= xc (t‬‬ ‫) ‪δ(t ´ kT‬‬
‫)‪(4.5‬‬ ‫‪k=´8‬‬
‫‪8‬‬
‫‪ÿ‬‬
‫=‬ ‫) ‪xc (t)δ(t ´ kT‬‬
‫‪k=´8‬‬

‫‪F‬‬
‫השאלה היא‪ ,‬מהי התמרת פוריה של )‪ ,xs (t) ðñ Xs (jΩ‬ומה הקשר שלה להתמרת פוריה‬
‫?‬
‫‪? Xs (jΩ) á‬‬
‫של האות המקורי‪Ý Xc (jΩ) ,‬‬
‫‪Ý‬‬
‫‪â‬‬
‫‪48‬‬ ‫פרק ‪ .4‬התמרת פורייה בזמן בדיד‬

‫נגדיר את תדרות זוויתית של הדגימה כ‪-‬‬ ‫חישוב של התמרת פוריה של אות דגום בזמן רציף‬
‫‪2π‬‬
‫= ‪ .Ωs‬בהנחה שקיימת התמרת פורייה עבור האות המקורי )שנסמן ב‪ ;(Xc (jΩ)-‬בהתאם‬
‫‪T‬‬
‫לתכונת הקונבולוציה ומכיוון שהתמרת פורייה של רכבת הלמים היא רכבת הלמים )במחזור‬
‫שונה ומנורמל בכדי שנשמר את האנרגיה(‪ ,‬התמרת פורייה של האות הדגום הינה‪:‬‬

‫)‪Xs (jΩ) = F xc (t)s(t‬‬

‫␣‬ ‫(‬

‫‪1‬‬
‫=‬ ‫)‪Xc (jΩ) ˚ S(jΩ‬‬
‫‪2π‬‬
‫‪8‬‬ ‫‬ ‫!‬
‫‪1‬‬ ‫‪2π‬‬ ‫‪ÿ‬‬ ‫‪2π‬‬
‫=‬ ‫˚ )‪Xc (jΩ‬‬ ‫‪δ j Ω´k‬‬
‫‪2π‬‬ ‫‪T k=´8‬‬ ‫‪T‬‬
‫)‪(4.6‬‬
‫‪8‬‬ ‫‬ ‫!‬
‫‪1 ÿ‬‬ ‫‪2π‬‬
‫=‬ ‫‪Xc (jΩ) ˚ δ j Ω ´ k‬‬
‫‪T k=´8‬‬ ‫‪T‬‬

‫‪1 ÿ‬‬
‫‪8‬‬
‫
‬
‫=‬ ‫) ‪Xc j (Ω ´ kΩs‬‬
‫‪T k=´8‬‬

‫כלומר התמרת פורייה של אות דגום מתחלקת בשכפולים של המידע הספקטרלי המקורי‬
‫)מוזזים בתדר הדגימה(‪ ,‬במתואר באיור ‪.4.3‬‬

‫)‪Xc (jΩ‬‬
‫‪1‬‬

‫‪Ω‬‬
‫‪−Ωs /2 −Ωm‬‬ ‫‪Ωm Ωs /2‬‬
‫)‪Xs (jΩ‬‬
‫‪1/T‬‬

‫‪Ω‬‬
‫‪−Ωs‬‬ ‫‪−Ωs /2 −Ωm‬‬ ‫‪Ωm Ωs /2‬‬ ‫‪Ωs‬‬
‫) ‪X(ejω‬‬
‫‪1/T‬‬

‫‪ω‬‬
‫‪−2π‬‬ ‫‪−π −Ωm T‬‬ ‫‪Ωm T‬‬ ‫‪π‬‬ ‫‪2π‬‬
‫איור ‪ :4.3‬קשר בין )‪ Xc (jΩ‬לבין )‪ Xs (jΩ‬לבין ) ‪.X(ejω‬‬
‫‪ 4.2‬ניסוח הגדרה‬ ‫‪49‬‬

‫‪ 4.2.3‬קשר בין אות אנלוגי לאות דגום בזמן רציף‬

‫נחשב‪:‬‬
‫)‪Xs (jΩ) = F xs (t‬‬
‫␣‬ ‫(‬

‫‪8 ż8‬‬
‫‪ÿ‬‬
‫=‬ ‫‪xc (t)δ(t ´ kT )e´jΩt dt‬‬
‫‪k=´8 ´8‬‬
‫‪$‬‬
‫‪8‬‬
‫‪ÿ‬‬ ‫‪&ω = ΩT‬‬
‫)‪(4.7‬‬ ‫=‬ ‫‪xc (nT )e´jΩT n‬‬ ‫‪Ð‬‬
‫‪n=´8‬‬
‫) ‪%x[n] = xc (nT‬‬
‫‪8‬‬
‫‪ÿ‬‬
‫=‬ ‫‪x[n]e´jωn‬‬
‫‪n=´8‬‬
‫ ‬
‫‪= X ejω‬‬

‫היות וניתן לקשר את האות הדגום בזמן רציף לאות בזמן בדיד על ידי הנוסחה ) ‪,x[n] = xc (nT‬‬
‫התמרת ‪ DTFT‬זהה להתמרת פורייה של האות הדגום בזמן רציף‪ ,‬אשר מחושבת בנקודות‬

‫)‪(4.8‬‬ ‫‪ω = ΩT .‬‬

‫עכשיו נשתמש בקשר בין ‪ ω‬ל‪ ,Ω-‬ונקבל את הקשרים‬

‫‪1 ÿ‬‬
‫‪8‬‬
‫
‬
‫)‪(4.9‬‬ ‫= )‪Xs (jΩ‬‬ ‫‪Xc j (Ω ´ kΩs ) Ð ω = ΩT‬‬
‫‪T k=´8‬‬
‫‪8‬‬ ‫‬ ‫!‬
‫‪1‬‬ ‫‪ÿ‬‬ ‫‪ω‬‬ ‫‪2π‬‬
‫)‪(4.10‬‬ ‫= ) ‪X(ejω‬‬ ‫‪Xc j‬‬ ‫‪´k‬‬ ‫‪.‬‬
‫‪T k=´8‬‬ ‫‪T‬‬ ‫‪T‬‬

‫‪2π‬‬
‫‪ k‬הוא הגורם לתופעת ‪ aliasing‬הידוע בעקבות השיכפולים את המידע הספקטראלי‪.‬‬ ‫האיבר‬
‫‪T‬‬
‫האם התוצאה זו טבעית? כן‪ .‬במישור הזמן ביצענו נרמול כאשר עברנו מאות דגום לאות‬
‫רציף‪ ,‬כלומר עברנו ממישור הומוגני בזמן למישור ללא יחידה‪ .‬לאחר מעבר לתדרים‪ ,‬אנחנו‬
‫מצפים לקבל גם נרמול בתדרים‪ ,‬כלומר מישור התמרת פורייה זהו מישור התדרים הפיזיים‪,‬‬
‫ומישור ה‪ DTFT-‬זהו מישור התדרים המנורמלים )ללא יחידה(‪ .‬בהמשך‪ ,‬נסמן ב‪) Ω-‬האות‬
‫היוונית הגדולה ‪ (ω‬את התדרים הפיזיים‪ ,‬וב‪ ω-‬את התדרים המנורמלים‪.‬‬
‫‪50‬‬ ‫פרק ‪ .4‬התמרת פורייה בזמן בדיד‬

‫טבלה ‪ :4.1‬סיכום יחידות של הפרק‬

‫יחידות‬ ‫סימון‬

‫תדר אנלוגי‬ ‫]‪[Hz‬‬ ‫‪F‬‬

‫תדירות זוויתית אנלוגית‬ ‫]‪[rad/sec‬‬ ‫‪Ω = 2πF‬‬

‫תדר ספרתי‬ ‫‪--‬‬ ‫‪f‬‬

‫תדירות זוויתית ספרתית‬ ‫]‪[rad‬‬ ‫‪ω = 2πf‬‬

‫זמן דגימה‬ ‫]‪[sec‬‬ ‫‪T‬‬

‫תדר דגימה‬ ‫]‪[Hz‬‬ ‫‪Fs = 1/T‬‬

‫תדירות זוויתית של דגימה‬ ‫]‪[rad/sec‬‬ ‫‪Ωs = 2π/T‬‬

‫תדירות זוויתית ספרתית‬ ‫]‪[rad‬‬ ‫‪ω = ΩT‬‬

‫‪ 4.3‬הגדרה‬
‫‪ř8‬‬
‫‪.‬‬ ‫‪n=´8‬‬ ‫התמרת ‪) DTFT‬הגדרה ‪ :(4.4‬נתון אות בדיד ]‪ ,x[n‬עבורו מתקיים ‪|x[n]| ă 8‬‬
‫התמרת ‪ DTFT‬מוגדרת ע"י‬
‫‬
‫‬ ‫‪8‬‬
‫)‪X(e ) = X(z‬‬
‫‪ÿ‬‬
‫‪jω‬‬
‫)‪(4.11‬‬ ‫=‬ ‫‪x[n]e´jnω‬‬
‫‪z=ejω‬‬ ‫‪n=´8‬‬

‫הביטוי ) ‪ X(ejω‬נקרא גם תגובת תדר‪.‬‬

‫התדרים המנורמלים הם )ראה גם איור ‪(4.3‬‬

‫‪Negative‬‬ ‫‪Positive‬‬
‫‪minimum‬‬ ‫‪DC‬‬ ‫‪maximum‬‬
‫‪frequency‬‬ ‫‪frequency‬‬
‫‪ω‬‬
‫‪−π‬‬ ‫‪0‬‬ ‫‪π‬‬

‫הערה ‪ ! 4.2‬קיימת הגדרה נוספת נפוצה להתמרת פוריה‪,‬‬ ‫הגדרה נוספת‬

‫המופיע לפעמים‬
‫בספרות‬
‫‪ż8‬‬
‫= )‪X(jF ) = F x(t‬‬ ‫‪x(t)e´j2πF t dt,‬‬
‫(‬ ‫␣‬
‫)‪(4.12‬‬
‫‪´8‬‬

‫כאשר ‪ F‬הוא תדר ''אנלוגי'' ביחידות ]‪ .[Hz‬ההגדרה המשלימה של ‪ DTFT‬היא‬

‫‬ ‫‬ ‫‪8‬‬
‫‪ÿ‬‬
‫‪jf‬‬
‫)‪(4.13‬‬ ‫‪X e‬‬ ‫=‬ ‫‪x[n]ej2πf ,‬‬
‫‪n=´8‬‬
‫‪ 4.3‬הגדרה‬ ‫‪51‬‬

‫כאשר ‪ f‬הוא תדר מנורמל‪.‬‬

‫דוגמה ‪ :4.2‬מצא התמרת ‪ DTFT‬של האות ]‪.h[n] = δ[n ´ 1] + δ[n] + δ[n + 1‬‬

‫פתרון‪ :‬בהתאם להגדרה‪,‬‬

‫‪8‬‬
‫‪ÿ‬‬
‫‪x[n]ejωn = 1 + 2 cos(ω).‬‬
‫␣‬ ‫(‬
‫= ]‪DTFT x[n‬‬
‫‪n=´8‬‬

‫) ‪X (ejω‬‬
‫‪3‬‬

‫‪π‬‬ ‫‪2π‬‬
‫‪ω‬‬
‫‪−1‬‬

‫איור ‪ :4.4‬שרטוט של ) ‪.X(ejω‬‬

‫ניתן לחזור למישור הזמן הבדיד בעזרת ה‪ DTFT-‬ההפוכה‪ .‬מכיוון שהגדרת ה‪ DTFT-‬מאוד‬
‫דומה לטור פורייה )ולמעשה‪ ,‬היא שווה לטור פורייה !(‪ ,‬נוכל לחבר את האות הבדיד להגדרת‬
‫מקדמי פורייה‪.‬‬

‫התמרת ‪ DTFT‬הפוכה )הגדרה ‪ :(4.5‬ה‪ DTFT-‬ההפוכה מוגדרת כדלקמן‪:‬‬

‫‪1 π‬‬
‫‪ż‬‬
‫)‪(4.14‬‬ ‫= ]‪x[n‬‬ ‫‪X(ejω )ejnω dω.‬‬
‫‪2π ´π‬‬

‫דוגמה ‪ :4.3‬מהי התגובה להלם של המערכת בעלת תגובת תדר‬

‫‪$‬‬
‫‪&1 |ω| ă ω‬‬
‫‪jω‬‬ ‫‪c‬‬
‫= ) ‪H(e‬‬ ‫?‬
‫‪%0 ωc ă |ω| ă π‬‬

‫על פי הגדרתה של ה‪ DTFT-‬ההפוכה‪:‬‬

‫‪ż ωc‬‬
‫‪1‬‬
‫= ]‪h[n‬‬ ‫‪ejnω dω‬‬
‫‪2π‬‬ ‫‪´ωc‬‬
‫‬ ‫‬
‫‪1‬‬ ‫‪jnωc‬‬ ‫‪´jnωc‬‬ ‫) ‪sin(nωc‬‬
‫=‬ ‫‪e‬‬ ‫‪´e‬‬ ‫=‬
‫‪2jπn‬‬ ‫‪πn‬‬

‫רואים לפי החישוב שלא ניתן לבצע מסנן מעביר נמוכים אידאלי‪ ,‬כיוון שהמסנן זה אינו סיבתי‬
‫או יציב‪ .‬נחזור בפרקים הבאים על מבנה מסננים פרקטיים מסוגים שונים‪...‬‬

‫רשימת ההתמרות השימושיות מופיע בטבלה ‪.4.2‬‬

‫‪52‬‬ ‫פרק ‪ .4‬התמרת פורייה בזמן בדיד‬

‫טבלה ‪ :4.2‬התמרות ‪ DTFT‬שימושיות‪.‬‬

‫‪Discrete Signal‬‬ ‫‪DTFT‬‬

‫]‪δ[n‬‬ ‫‪1‬‬

‫] ‪δ[n ´ n0‬‬ ‫‪e´jωn0‬‬

‫‪+8‬‬
‫‪ÿ‬‬
‫‪1‬‬ ‫‪2π‬‬ ‫)‪δ(ω + 2πk‬‬
‫‪k=´8‬‬
‫‪+8‬‬ ‫‪+8‬‬ ‫‪+8‬‬ ‫‬ ‫‬
‫‪ÿ‬‬ ‫‪ÿ‬‬
‫‪´jωM k‬‬ ‫‪1 ÿ‬‬ ‫‪2πk‬‬
‫]‪δ[n ´ M k‬‬ ‫‪e‬‬ ‫=‬ ‫´‪δ ω‬‬
‫‪k=´8‬‬ ‫‪k=´8‬‬
‫‪M k=´8‬‬ ‫‪M‬‬
‫‪1‬‬
‫]‪an u[n‬‬ ‫)‪(|a| ă 1‬‬
‫‪1 ´ ae´jω‬‬
‫‪1‬‬
‫]‪an (n + 1)u[n‬‬ ‫)‪(|a| ă 1‬‬
‫‪(1 ´ ae´jω )2‬‬
‫‪+8‬‬
‫‪ÿ‬‬
‫‪e´jω0 n‬‬ ‫‪2π‬‬ ‫)‪δ(ω ´ ω0 + 2πk‬‬
‫‪k=´8‬‬
‫‪#‬‬ ‫
‬
‫‪1 0ďnďM‬‬ ‫‪sin ω(M + 1)/2 ´jωM /2‬‬
‫= ]‪x[n‬‬ ‫
‬ ‫‪e‬‬
‫‪0 otherwise‬‬ ‫‪sin ω/2‬‬

‫תכונות‬ ‫‪4.4‬‬
‫הגדרנו את ה‪ DTFT-‬כמו האנלוגיה של התמרת פורייה בזמן רציף‪ .‬כמו כן‪,‬ניתן לראות את ה‪-‬‬
‫‪ DTFT‬כמו התמרת ‪ Z‬על מעגל היחידה‪ .‬כתוצאה מכך‪ ,‬אנו מצפים אותן תכונות כמו התמרת‬
‫פורייה והתמרת ‪.Z‬‬

‫מחזוריות )תכונה ‪ :(4.2‬בניגוד להתמרת פורייה בזמן רציף‪ ,‬ה‪ DTFT-‬תמיד תהיה מחזורית‬
‫במחזור ‪:2π‬‬
‫‬ ‫‬ ‫‪8‬‬
‫‪ÿ‬‬ ‫‪8‬‬
‫‪ÿ‬‬ ‫ ‬
‫)‪(4.15‬‬ ‫= )‪X ej(ω+2π‬‬ ‫= )‪x[k]e´jk(ω+2π‬‬ ‫‪x[k]e´jkω = X ejω‬‬
‫‪k=´8‬‬ ‫‪k=´8‬‬

‫כלומר‪ ,‬מספיק לשרטט את ה‪ DTFT-‬במרווח בגודל ‪ 2π‬בלבד‪.‬‬

‫ממשיות )תכונה ‪ :(4.3‬מתקיימים קשרים הבאים‪:‬‬

‫‪ 4.4‬תכונות‬ ‫‪53‬‬

‫ה‪DTFT-‬‬ ‫האות‬

‫ממשית‪ ,‬זוגית‬ ‫ממשי‪ ,‬זוגי‬

‫מדומה‪ ,‬אי‪-‬זוגית‬ ‫ממשי‪ ,‬אי‪-‬זוגי‬

‫מדומה‪ ,‬זוגית‬ ‫מדומה‪ ,‬זוגי‬

‫ממשית‪ ,‬אי‪-‬זוגית‬ ‫מדומה‪ ,‬אי‪-‬זוגי‬

‫הזזה בזמן )תכונה ‪ :(4.4‬בהינתן אות ]‪ x[n‬בעל התמרה ) ‪ ,X(ejω‬מתקיים‬

‫) ‪DTFT x[n ´ n0 ] = e´jωn0 X(ejω‬‬

‫␣‬ ‫(‬
‫)‪(4.16‬‬

‫הזזה בתדר )תכונה ‪ :(4.5‬בהינתן אות ]‪ x[n‬בעל התמרה ) ‪ ,X(ejω‬מתקיים‬

‫!‬ ‫)‬ ‫‬ ‫‬
‫‪jω0 n‬‬ ‫) ‪j(ω´ω0‬‬
‫)‪(4.17‬‬ ‫‪DTFT e‬‬ ‫‪x[n] = X e‬‬

‫קונבולוציה )תכונה ‪ :(4.6‬כפי מה שראינו עבור התמרת ‪ Z,‬תכונת הקונבולוציה חשובה ביותר‬
‫שני אותות ]‪ ,h[n], x[n‬בעלי אנרגיה סופית‪,‬‬
‫נתונים ˇ‬
‫ˇ‬ ‫מערכות ‪ .LTI‬אם‬
‫ˇ‬ ‫עבור ˇ‬
‫‪ř8‬‬ ‫‪ř8‬‬
‫‪ , k=´8 ˇh[k]ˇ ă 8, k=´8 ˇx[k]ˇ ă 8‬מתקיים‬
‫ˇ‬ ‫ˇ‬ ‫ˇ‬ ‫ˇ‬

‫) ‪DTFT h[n] ˚ x[n] = H(ejω )X(ejω‬‬

‫␣‬ ‫(‬
‫)‪(4.18‬‬

‫דוגמה ‪ :4.4‬נתונים זוג אותות ‪ .x[n] = t1, 1, 1u, y[n] = t´1, 1, 1u‬חשב ]‪.x[n] ˚ y[n‬‬
‫‪Ò‬‬ ‫‪Ò‬‬

‫פתרון‪ :‬בהתבסס על הקשר להלן‪,‬‬

‫)‪X(ejω ) = ejω + 1 + e´jω = 1 + 2 cos(ω‬‬

‫)‪Y (ejω ) ´ ejω + 1 ´ e´jω = 1 ´ 2 cos(ω‬‬
‫‪1‬‬ ‫
‬
‫‪X(ejω )Y (ejω ) = 1 ´ 4 cos2 (ω) = 1 ´ 4‬‬ ‫)‪1 + cos(2ω) = ´1 ´ 2 cos(2ω‬‬
‫‪2‬‬
‫‪= ´ej2ω ´ 1 ´ e´j2ω‬‬
‫‪ñ x[n] ˚ y[n] = t´1, 0, ´1, 0, ´1u‬‬
‫‪Ò‬‬

‫מכפלה בזמן )תכונה ‪ :(4.7‬התמרת ‪ DTFT‬של ]‪ x[n]y[n‬היא‪:‬‬

‫‪żπ‬‬
‫‪1‬‬
‫‪X(ejθ )Y (ej(ω´θ) )dθ‬‬
‫␣‬ ‫(‬
‫)‪(4.19‬‬ ‫= ]‪DTFT x[n]y[n‬‬
‫‪2π‬‬ ‫‪´π‬‬
‫‪54‬‬ ‫פרק ‪ .4‬התמרת פורייה בזמן בדיד‬

‫הוכחה‪ .‬ישנו‬
‫‪8‬‬
‫‪ÿ‬‬
‫␣‬ ‫(‬
‫= ]‪DTFT x[n]y[n‬‬ ‫‪x[k]y[k]e´jkω‬‬
‫‪k=´8‬‬
‫!‬
‫‪8‬‬ ‫‪żπ‬‬
‫‪ÿ‬‬ ‫‪1‬‬
‫=‬ ‫‪X(ejθ )ejkθ dθ y[k]e´jkω‬‬
‫‪k=´8‬‬
‫‪2π‬‬ ‫‪´π‬‬
‫)‪(4.20‬‬ ‫‪‬‬ ‫‪‬‬
‫‪żπ‬‬ ‫‪8‬‬
‫‪1‬‬
‫‪X(ejθ ) ‬‬ ‫‪y[k]e´jk(ω´θ)  dθ‬‬
‫‪ÿ‬‬
‫=‬
‫‪2π‬‬ ‫‪´π‬‬ ‫‪k=´8‬‬

‫‪1‬‬
‫‪żπ‬‬ ‫‬ ‫‬
‫‪jθ‬‬ ‫)‪j(ω´θ‬‬
‫=‬ ‫‪X(e )Y e‬‬ ‫‪dθ‬‬
‫‪2π‬‬ ‫‪´π‬‬

‫האינטגרל לעיל נקרא קונבולוציה ציקלית‪ .‬נגיד מילולית "ה‪ DTFT-‬של כפל שווה לקונבולוציה‬
‫הציקלית בין התמרות"‪.‬‬

‫משפט פרסבל )‪) (Parseval‬תכונה ‪ :(4.8‬משפט פרסבל מתאר את שימור אנרגיה )הגדרה ‪(2.17‬‬
‫במישור הזמן ומישור התדר‪.‬‬
‫ˇ ‪8‬‬
‫ˇˇ ‪1 π‬‬
‫‪ÿ‬‬ ‫‪ˇ2‬‬ ‫‪ż‬‬ ‫‪ˇ2‬‬
‫ˇ ‪jω‬‬
‫)‪(4.21‬‬ ‫= ˇ]‪ˇx[k‬‬ ‫‪ˇX(e )ˇ dω‬‬
‫ˇ‬ ‫ˇ‬
‫‪k=´8‬‬
‫‪2π ´π‬‬

‫הוכחה‪.‬‬
‫‪8‬‬ ‫‪żπ‬‬
‫‪ÿ‬‬ ‫ˇ‬ ‫‪ˇ2‬‬ ‫‪1‬‬
‫‪X(ejθ )X ˚ (ejθ )dθ,‬‬
‫␣‬ ‫˚‬
‫(‬
‫)‪(4.22‬‬ ‫]‪ˇx[k]ˇ = DTFT x[n]x [n‬‬
‫‪ω=0‬‬
‫=‬
‫‪k=´8‬‬
‫‪2π‬‬ ‫‪´π‬‬

‫לפי תכונת המכפלה‪ ,‬והאינטגרל האחרון שווה לאינטגרל המשפט‪.‬‬

‫סיכום תכונות השימושיות של התמרת ‪ DTFT‬מופיעות בטבלה ‪.4.3‬‬

‫תגובת אמפליטודה‪/‬פאזה )הגדרה ‪ :(4.6‬נגדיר תגובת אמפליטודה ע"י ערך מוחלט של התמרה‪,‬‬
‫ˇ‬ ‫ˇ‬
‫ˇ) ‪ ,ˇX(ejω‬ותגובת פאזה בהתאם ע"י‬

‫‬ ‫‬ ‫␣‬ ‫!(‬

‫) ‪Im H(ejω‬‬
‫)‪(4.23‬‬ ‫‪=H ejω = arctan‬‬ ‫␣‬ ‫(‬
‫) ‪Re H(ejω‬‬

‫דוגמה ‪ :4.5‬נתון מסנן המוגדר על ידי התגובה להלם מהצורה ]‪.|α| ă 1, h[n] = αn u[n‬‬
‫חשב‪ :‬פוקציית תמסורת‪ ,‬תגובת תדר‪ ,‬תגובת אמלפיטודה ותגובת פאזה‪.‬‬

‫פתרון‪ :‬הקשרים המתקבלים הם‬

‫‪1‬‬
‫= )‪H(z‬‬ ‫|‪|z| ą |α‬‬
‫‪1 ´ αz ´1‬‬
‫ ‬ ‫‪1‬‬
‫= ‪H ejω‬‬
‫‪1 ´ αe´jω‬‬
‫ תכונות‬4.4 55

DTFT ‫ תכונות שימושיות של התמרות‬:4.3 ‫טבלה‬

Properties Signal DTFT

Linearity ax1 [n] + bx2 [n] aX1 (ejω ) + bX1 (ejω )

Time shift x[n ´ n0 ] e´jωn0 X(ejω )

 
Frequency scaling ejω0 n x[n] X e j(ω´ω0 )

Time reversal x[´n] X(e´jω )

Conjugation x˚ [n] X ˚ (e´jω )

Convolution (x1 ˚ x2 )[n] X1 (ejω )X2 (ejω )

dX(ejω )
Frequency derivation nx[n] ´j
dω
1
żπ  
Multiplication in time x1 [n]x2 [n] X1 (ejθ )X2 ej(ω´θ) dθ
2π ´π
8 ż ˇ   ˇ2
ÿ
ˇx[n]ˇ2
ˇ ˇ 1 ˇ ˇ
ˇX ejω ˇ dω
Energy conservation (Parseval)
n=´8
2π ˇ
2π
ˇ

1
=
1 ´ α cos(ω) + jα sin(ω)
 
1 1 ´ α cos(ω) ´ jα sin(ω)
=  ¨ 
1 ´ α cos(ω) + jα sin(ω) 1 ´ α cos(ω) ´ jα sin(ω)
1 ´ α cos(ω) ´α sin(ω)
= 2
+j
1 + α ´ 2αcos(ω)
loooooooooomoooooooooon 1 + α2 ´ 2αcos(ω)
loooooooooomoooooooooon
"  * "  *
jω
Re H e Im H ejω

ˇ  ˇ b
ˇ ˇ


ˇH ejω ˇ = H ejω H ˚ ejω
ˇ ˇ
1
=b


1 ´ αe´jω 1 ´ αejω
1
=c
ejω + e´jω
1 + ´ 2α α2
2
1
=a
1 + α2 ´ 2αcos(ω)
‫‪56‬‬ ‫פרק ‪ .4‬התמרת פורייה בזמן בדיד‬

‫‪‬‬ ‫!‬ ‫‪
) ‬‬

‫ ‬ ‫‪jω‬‬
‫‪ Im H e ) ‬‬
‫! ‪=H ejω = arctan ‬‬ ‫‪
‬‬
‫‪Re H ejω‬‬
‫!‬
‫‪α sin ω‬‬
‫‪= ´ arctan‬‬
‫)‪1 ´ α cos(ω‬‬

‫דוגמה מספרית עבור ‪ α = 0.9‬מוצגת באיור ‪ 4.5‬והקשר בין פונקציית תמסורת תמסורת‬
‫לתגובת אמפליטודה מוצגת באיור ‪.4.6‬‬
‫‪0‬‬ ‫‪10‬‬

‫‪-0.2‬‬
‫‪8‬‬
‫‪-0.4‬‬
‫‪6‬‬
‫‪-0.6‬‬

‫‪-0.8‬‬ ‫‪4‬‬

‫‪-1‬‬
‫‪2‬‬
‫‪-1.2‬‬
‫‪0‬‬ ‫‪/4‬‬ ‫‪/2‬‬ ‫‪3 /4‬‬ ‫‪0‬‬
‫‪0‬‬ ‫‪/4‬‬ ‫‪/2‬‬ ‫‪3 /4‬‬

‫ב( תגובת פאזה‬ ‫א( תגובת אמפליטודה‬

‫איור ‪ :4.5‬דוגמה מספרית עבור ‪.α = 0.9‬‬

‫‪2‬‬

‫‪5‬‬
‫‪1‬‬
‫‪4‬‬
‫‪Imaginary‬‬

‫‪3‬‬
‫‪0‬‬
‫‪2‬‬
‫‪1‬‬ ‫‪-1‬‬
‫‪0‬‬
‫‪2‬‬ ‫‪-2‬‬
‫‪2‬‬
‫‪0‬‬
‫‪0‬‬
‫‪-2‬‬ ‫‪-2‬‬ ‫‪-1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪-2‬‬
‫‪Imaginary‬‬ ‫‪Real‬‬ ‫‪Real‬‬
‫ב(‬ ‫א( מבט מלמעלה‬

‫איור ‪ :4.6‬התמרת ‪ DTFT‬זה חתך של התמרת ‪ Z‬מעל מעגל יחידה‪.‬‬

 ‫‪ 4.5‬קשר בין סוג מסנן למפת האפסים והקטבים‬ ‫‪57‬‬

‫‪ 4.5‬קשר בין סוג מסנן למפת האפסים והקטבים‬

‫להבין קצת קשר‬ ‫בהינתן מערכת ‪ LTI‬מוגדרת ע''י פונקציתה התמסורת )‪ ,H(z‬המידע על אפסיה וקטביה רומז‬
‫בין קטבים‪/‬אפסים‬ ‫על סוג המסנן‪ .‬לפי ההגדרה המתמטית‪ ,‬אפס הוא נקודת איפוס של )‪ H(z‬ובקוטב )‪H(z‬‬
‫ותגובת‬
‫שואפת לאינסוף‪ .‬אם )‪ H(z‬היא פונקציה רציונלית )והיא כזאת גם בפועל‪ ,‬וגם ברוב התאוריה(‪,‬‬
‫אמפליטודה‬
‫רציפות הפונקציה קובעת שסביב אפס |)‪ |H(z‬קטן‪ ,‬ולהפך‪ ,‬הוא גדול סביב קוטב‪ .‬עקב כך‬
‫נוכל לזכור כי‬

‫‪ .1‬הוספת אפס במפת )‪ H(z‬גורר את הפחתת הספקטרום בסביבתו‪.‬‬

‫‪ .2‬הוספת קוטב במפת )‪ H(z‬גורר את הגברת הספקטרום בסביבתו‪.‬‬

‫השפעתם של האפסים והקטבים הולכת וגדלה ככל שהם נמצאים קרובים למעגל היחידה‪ ,‬כיוון‬
‫שהתגובה בתדר למסננים בדידים מוגדרת על הנקודות ‪ ,z = ejω‬כפי שהוסבר לעיל‪.‬‬

‫דוגמה ‪ :4.6‬נניח שמפת אפסים וקטבים של )‪ H(z‬כוללת את האפסים ‪ ,ejπ/4 , e´jπ/4‬ואת‬

‫הקטבים ‪ .0, 0.8ejπ/2 , 0.8e´jπ/2‬הקוטב הנמצא בראשית הצירים משפיע באותו אופן על כלל‬
‫נקודות מעגל היחידה‪ ,‬על כן איננו רומז כלל על סוג המסנן‪ .‬האפסים נמצאים בדיוק על מעגל‬
‫היחידה‪ ,‬על נוכל לראות בספקטרום איפוס בתדרים ‪ ,ω = ˘π/4‬וספקטרום נמוך באזורם‪.‬‬
‫יחד עם זאת‪ ,‬הקטבים השונים מ‪ 0-‬גורמים להגדלת הספקטרום בסביבתם‪ ,‬והשפעתם הכי‬
‫משמעותית בתדר ‪ .ω = ˘π/2‬עקב כך אנו מצפים מקסימום באזורים האלה‪ .‬כמו כן‪ ,‬כיוון‬
‫שהאפסים משפיעים גם בשאר המעגל‪ ,‬אנו מצפים לראות בספקטרום החלשה יותר לפני תדר‬
‫התהודה מאשר אחריו‪ .‬ניתן לנחש מהניתוח הזה שהמסנן הוא מעביר פס‪ ,‬דבר שניתוח מתמטי‬
‫מצדיק )ראו גם את האיור ‪.(4.7‬‬
‫‪58‬‬ ‫פרק ‪ .4‬התמרת פורייה בזמן בדיד‬

‫‪5‬‬ ‫‪1‬‬

‫‪4‬‬
‫‪0.5‬‬

‫‪Imaginary Part‬‬
‫‪3‬‬
‫‪0‬‬
‫‪2‬‬
‫‪-0.5‬‬
‫‪1‬‬

‫‪-1‬‬
‫‪0‬‬
‫‪0‬‬ ‫‪/4‬‬ ‫‪/2‬‬ ‫‪3 /4‬‬ ‫‪-1‬‬ ‫‪-0.5‬‬ ‫‪0‬‬ ‫‪0.5‬‬ ‫‪1‬‬
‫‪Real Part‬‬
‫ב( תגובת תדר‬ ‫א( מפת כתבים ואפסים‬

‫‪2‬‬

‫‪5‬‬
‫‪1‬‬
‫‪4‬‬
‫‪Imaginary‬‬

‫‪3‬‬
‫‪0‬‬
‫‪2‬‬
‫‪1‬‬ ‫‪-1‬‬
‫‪0‬‬
‫‪2‬‬ ‫‪-2‬‬
‫‪2‬‬
‫‪0‬‬
‫‪0‬‬
‫‪-2‬‬ ‫‪-2‬‬ ‫‪-1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪-2‬‬
‫‪Imaginary‬‬ ‫‪Real‬‬ ‫‪Real‬‬
‫ד(‬ ‫ג(‬

‫איור ‪ :4.7‬דוגמה לשימוש מפת האפסים והקטבים כמידע על סוג מסנן‬

‫הערה ‪ ! 4.3‬חשוב לזכור כי הדרך הזו רומז על סוג המסנן ואופי הספקטרום‪ ,‬אך איננו‬
‫תחליף לחישוב אמיתי‪ .‬למעשה‪ ,‬הגישה הזו מתאימה כאשר נקודות העניין נמצאות מספיק‬
‫קרובות למעגל היחידה‪ ,‬אבל חשוב להיזהר כאשר הן רחוקות ממעגל היחידה‪.‬‬

‫שאלות‬ ‫‪4.6‬‬

‫‪) 4.1‬תכונות ‪ (DTFT‬נתון קשר ]‪.y[n] = (´1)n x[n‬‬

‫א‪ .‬מה הקשר בין ההתמרה ) ‪ X(ejω‬ל‪?Y (ejω )-‬‬

‫ב‪ .‬בהינתן ש‪ x[n]-‬היא תגובה להלן של מסנן ‪ ,LTI‬מהו סוג המסנן עם תגובה להלן ]‪?y[n‬‬
 ‫פרק ‪5‬‬

‫תכונות המערכות‬
‫אנחנו כבר מכירים מעיבוד אותות רציפים כמה סוגי מסננים‪ :‬מעביר נמוכים‪ ,‬מעביר גבוהים‪,‬‬
‫מעביר פס וחוסם פס‪ .‬המסננים האלה ‪,‬תוכננו במטרה להעביר‪/‬לחסום תחום מסוים של‬
‫תדרים ולעבד אותות לפני דגימה או שחזור‪ .‬בפרק זה נלמד מספר תוכונות נוספות של‬
‫מסננים‪.‬‬

‫‪ 5.1‬הקדמה‬
‫נסכם מספר מאפיינים כללים של מערכות בזמן בדיד‪ ,‬בהתאם לטבלה ‪) 5.1‬חלקם נגדיר‬
‫בהמשך הפרק(‪.‬‬
‫הערה ‪ ! 5.1‬שימוש בתדירות זוויתית במקום תדירות מייצר יחידות לא נוחות עבור תגובת‬
‫אמפלידוטה‪/‬צפיפות הספק‪.‬‬

‫אמפליטודה וצפיפות הספק ספקטראלית )תכונה ‪ :(5.1‬קשר בין תגובת אמפליטודה וצפיפות‬
‫הספק ספקטראלית לבין פונקציית תמסורת‪:‬‬
‫עבור מערכת בעלת פונקצית תמסורת )‪ H(z‬מתקיים‬
‫"‬ ‫‪ #‬‬
‫ˇ‬ ‫‪ˇ2‬‬ ‫‪1‬‬
‫)‪(5.1‬‬ ‫‪ˇH(ejω )ˇ = H(z)H‬‬
‫ˇ‬ ‫ˇ‬
‫‪z‬‬
‫‪z=ejω‬‬

‫הוכחה‪.‬‬
‫"‬ ‫‪ #‬‬
‫ˇ‬ ‫‪ˇ2‬‬ ‫‪1‬‬
‫)‪(5.2‬‬ ‫‪ˇH(ejω )ˇ = H(ejω )H ˚ (ejω ) = H(ejω )H(e´jω ) = H(z)H‬‬
‫ˇ‬ ‫ˇ‬
‫‪z‬‬
‫‪z=ejω‬‬
‫‪60‬‬ ‫פרק ‪ .5‬תכונות המערכות‬

‫טבלה ‪ :5.1‬סיכום מאפיינים כללים של מערכות‪.‬‬

‫הגדרה‬ ‫זמן בדיד‬ ‫זמן רציף‬ ‫הגדרה מילולית‬

‫הגדרה ‪2.24‬‬ ‫]‪h[z‬‬ ‫] ‪h(t) [V‬‬ ‫תגובה להלם‬

‫הגדרה ‪3.1‬‬ ‫)‪H(z‬‬ ‫)‪H(s‬‬ ‫פונקציית תמסורת‬

‫
‬ ‫‬ ‫‬
‫הגדרה ‪4.4‬‬ ‫‪H ejω , H ejf‬‬ ‫) ‪H(Ω), H(F‬‬ ‫תגובת תדר‪/‬אמפליטודה‬
‫ˇ‬ ‫ˇ
‬
‫ˇ ‪jω‬‬
‫ˇ‬ ‫ˇ‬
‫הגדרה ‪4.6‬‬ ‫ˇ ‪ˇH e‬‬ ‫ˇ)‪ˇH(Ω‬‬
‫ˇ‬
‫"‬ ‫‪#‬‬ ‫תגובת אמפליטודה‬
‫ˇ  ˇ‬
‫‪ˇH(F )ˇ ?V‬‬
‫ˇ‬ ‫ˇ‬ ‫ˇ‬ ‫ˇ‬
‫ˇ ‪ˇH ejf‬‬
‫ˇ‬ ‫ˇ‬ ‫‪Hz‬‬
‫ˇ‬ ‫‪
ˇ2‬‬
‫‪ˇH(Ω)ˇ2‬‬
‫ˇ ‪jω‬‬
‫ˇ‬ ‫ˇ‬
‫תכונה ‪5.1‬‬ ‫ˇ ‪ˇH e‬‬
‫ˇ‬
‫"‬ ‫‪#‬‬ ‫צפיפות הספק ספקטראלית‬
‫‪ˇ   ˇ2‬‬
‫ˇ‬ ‫ˇ‬ ‫ˇ‬ ‫‪ˇ2 V 2‬‬
‫ˇ ‪ˇH ejf‬‬ ‫ˇ) ‪ˇH(F‬‬
‫ˇ‬ ‫ˇ‬ ‫‪Hz‬‬
‫
‬
‫הגדרה ‪4.6‬‬ ‫‪=H ejω‬‬ ‫]‪=H(Ω) [rad‬‬ ‫תגובת פאזה‬

‫הגדרה ‪5.1‬‬ ‫)‪τpd (ω‬‬ ‫]‪τpd (Ω) [sec‬‬ ‫השהיית פאזה‬

‫הגדרה ‪5.1‬‬ ‫)‪τgd (ω‬‬ ‫]‪τgd (Ω) [sec‬‬ ‫השהיית חבורה‬

‫‪ 5.2‬מסננים בעלי פאזה לינארית‬

‫‪ 5.2.1‬השהייה‬
‫כדי להבין‪ ,‬מה זה פאזה לינארית‪ ,‬נתחיל בהסבר על הקשר בין הפאזה להשהייה‪ .‬נמחיש את‬
‫הנושא ע''י דוגמה‪.‬‬ ‫ניסוח מתמטי של‬
‫הבעיה בדוגמה ‪1.2‬‬
‫דוגמה ‪ :5.1‬נתונה מערכת‬
‫‪1‬‬‫‪DT F T‬‬
‫ ‬
‫‪n‬‬
‫‪h[n] = a u[n] ðñ‬‬ ‫‪´jω‬‬
‫‪= H ejω‬‬
‫‪1 ´ ae‬‬
‫נתון אות כניסה‬
‫)‪x[n] = cos (ω0 n‬‬

‫רשום אות מוצא ]‪ y[n‬עבור ‪.ω0 = 0, 0.05π, 0.1π, a = 0.9‬‬

‫פתרון‪:‬‬
‫ ˇ‬
‫ˇ‬ ‫ ˇˇ‬ ‫‬ ‫‬
‫ˇ ‪jω0‬‬ ‫‪jω0‬‬
‫‪y[n] = ˇH e‬‬ ‫‪ˇ cos ω0 n + =H e‬‬
‫ˇ‬
‫‪ 5.2‬מסננים בעלי פאזה לינארית‬ ‫‪61‬‬

‫)א( הגבר ‪.DC‬‬

‫ ‬ ‫‪1‬‬
‫= ‪ω0 = 0 ÑH ej0‬‬ ‫‪= 10‬‬
‫‪1 ´ 0.9ej0‬‬
‫‪x[n] = 1‬‬
‫‪y[n] = 10‬‬

‫)ב(‬
‫‬ ‫‬
‫‪ω0 = 0.05π ÑH ejω0 = 5.576e´j0.91‬‬

‫)‪y[n] = 5.576 cos (0.05πn ´ 0.91‬‬

‫
‬
‫]‪= 5.576 cos 0.05π [n ´ 5.75‬‬

‫)ג(‬
‫
‬
‫]‪ω0 = 0.1π Ñ y[n] = 3.19 cos 0.1π [n ´ 3.48‬‬

‫השהייה )הגדרה ‪ :(5.1‬בהינתן אות כניסה מהצורה‬

‫)‪(5.3‬‬ ‫)‪x[n] = v[n] cos (ωn‬‬

‫
‬
‫ואות מוצא לאחר מעבר דרך מערכת ‪ LTI‬בעלת תגובת תדר ‪H ejω‬‬
‫ ‬ ‫‬
‫)‪(5.4‬‬ ‫‪y[n] = v[n ´ τgd ] cos ω n ´ τpd ,‬‬

‫השהיית פאזה )‪ (phase delay‬נתונה ע''י‬

‫
‬
‫‪=H ejω‬‬
‫)‪(5.5‬‬ ‫´ = )‪τpd (ω‬‬
‫‪ω‬‬
‫והשהיית חבורה )‪ (group delay‬נתונה ע''י‬

‫‪d‬‬ ‫ ‬
‫)‪(5.6‬‬ ‫‪τgd (ω) = ´ =H ejω .‬‬
‫‪dω‬‬

‫‪ 5.2.2‬פאזה לינארית‬
‫כעת נתעניין במסננים בעלי פאזה לינארית‪ .‬המסננים אלה חשובים בתחומי אודיו ווידאו‪,‬‬
‫מכיוון שבין אדם רגיש לכל עיוות לא לינארי בפאזות‪ .‬על מנת להבין את חשיבותה של‬
‫הפאזה האות‪ ,‬נלך לפי הדוגמא הבאה‪ .‬אם מעבירים תדר מסוים מהצורה )‪x(t) = cos(ωt‬‬
‫דרך מסנן ‪ LTI,‬מתקבל אותו תדר אם השהייה ושינוי באמפליטודה )‪;y(t) = Acos(ωt + φ‬‬
‫אם מדובר על אות מוזיקה‪ ,‬חשוב שכל התדרים יועברו עם אותה השהייה )אחרת‪ ,‬אין כבר‬
‫מוסיקה‪ .(...‬למשל‪ ,‬רמקולים מביאים עיוות בפאזה שיכולה להיות משמעותית ומפריעה‪ .‬באופן‬
‫אינטואיטיבי‪ ,‬נצטרך כי ‪ ∆φ/∆Ω‬קבוע‪ ,‬ואם התכונה מתקיימת עבור מסנן‪ ,‬זאת אומרת‬
‫שלאחר הסינון‪ ,‬לא שינינו הרבה את צורתו של האות במישור הזמן‪.‬‬
‫‪62‬‬ ‫פרק ‪ .5‬תכונות המערכות‬

‫פאזה לינארית )הגדרה ‪ :(5.2‬נגיד כי מסנן בעל פאזה לינארית אם ורק אם ה‪Delay Group-‬‬
‫שלו קבוע או קבוע בחלקים‪.‬‬

‫דוגמה ‪ :5.2‬מסנן מעביר נמוכים אידאלי הוא בעל פאזה לינארית‪ .‬למעשה‪:‬‬
‫‪$‬‬
‫‪&e´2jω |ω| ă ω‬‬
‫‪c‬‬
‫= ) ‪H(ejω‬‬
‫‪%0‬‬ ‫‪otherwise‬‬

‫לכן ‪.τpd (ω) = τd (ω) = const‬‬

‫מבנה מסננים בעלי פאזה לינארית באופן כללי אינו דבר פשוט‪ ,‬אולם במקרה המסננים ‪,FIR‬‬
‫ניתן להשתמש בתנאי מספיק הבא על מנת לבטח את התכונה הזו‪.‬‬

‫סימטריה )תכונה ‪ :(5.2‬נתון מסנן ‪ FIR‬ממשי מוגדר על ידי תגובתו להלם ]‪ .h[n‬אם מתקיים‬
‫השוויון‪:‬‬
‫)‪(5.7‬‬ ‫‪h[n] = ˘h[α ´ n], α P N‬‬

‫אז המסנן בעל פאזה לינארית‪.‬‬

‫הוכחה‪ .‬נעשה את ההוכחה עבור ‪ α P N‬זוגי )תגובה להלן עם מספר אי‪-‬זוגי של איברים(‪.‬‬
‫ניתן לעשות אותה באותו אופן עבור ‪ 3‬מקרים אחרים‪ .‬עבור ]‪ h[n] = [2α ´ n‬מתקיים‪:‬‬ ‫הוכחה פורמלית‬
‫למקרה כללי של‬
‫‪8‬‬
‫‪ÿ‬‬ ‫פאזה לינארית‬
‫= )‪H(z‬‬ ‫‪h[n]z ´n‬‬
‫‪n=´8‬‬
‫‪α´1‬‬
‫‪ÿ‬‬ ‫‪8‬‬
‫‪ÿ‬‬
‫=‬ ‫‪h[n]z ´n + h[α]z ´α +‬‬ ‫‪h[n]z ´n‬‬
‫‪n=´8‬‬ ‫‪n=α+1‬‬
‫‪‬‬ ‫‪‬‬
‫‪α´1‬‬ ‫‪8‬‬
‫‪= z ´α h[a] +‬‬ ‫‪h[n]z ´n+α ‬‬
‫‪ÿ‬‬ ‫‪ÿ‬‬
‫‪h[n]z ´n+α +‬‬
‫)‪(5.8‬‬ ‫‪n=´8‬‬ ‫‪n=α+1‬‬
‫‪‬‬ ‫‪‬‬
‫‪α´1‬‬ ‫‪α´1‬‬
‫‪= z ´α h[a] +‬‬ ‫‪h[2α ´ n]z n´α ‬‬
‫‪ÿ‬‬ ‫‪ÿ‬‬
‫‪h[n]z ´n+α +‬‬
‫‪n=´8‬‬ ‫‪n=´8‬‬
‫‪‬‬ ‫‪‬‬
‫‪α´1‬‬ ‫‬ ‫‬
‫‪= z ´α h[a] +‬‬ ‫‪h[n] z ´n+α + z n´α ‬‬
‫‪ÿ‬‬

‫‪n=0‬‬

‫כתוצאה מכך‪ ,‬עבור ‪:z = ejω‬‬

‫‪‬‬ ‫‪‬‬
‫‪α´1‬‬ ‫‬ ‫‬
‫‪H(ejω ) = e´jαω h[α] +‬‬ ‫‪h[n] ej(´n+α)ω + ej(n´α)ω ‬‬
‫‪ÿ‬‬

‫‪n=0‬‬
‫‪‬‬ ‫‪‬‬
‫)‪(5.9‬‬ ‫‪α´1‬‬ ‫‬ ‫‬
‫‪= e´jαω h[α] + 2‬‬ ‫‪h[n] cos (n ´ α)ω ‬‬
‫‪ÿ‬‬

‫‪n=0‬‬
‫‪looooooooooooooooooooomooooooooooooooooooooon‬‬
‫‪PR‬‬
‫‪ 5.2‬מסננים בעלי פאזה לינארית‬ ‫‪63‬‬

‫לכן ה‪ Group Delay-‬קבוע ושווה ל‪.α-‬‬

‫דוגמה ‪ :5.3‬עבור ‪) α = 4‬זוגי‪ ,‬ז"א מספר אי זוגי של איברים( וסימטריה זוגית מהצורה‬
‫]‪ ,h[0] = h[4], h[1] = h[3‬מתקיים‬

‫‪4‬‬
‫‪ÿ‬‬
‫‪jω‬‬
‫= ) ‪H(e‬‬ ‫‪h[k]e´jkω = h[0] + h[1]e´jω + h[2]e´j2ω + h[3]e´j3ω + h[4]e´j4ω‬‬
‫‪k=0‬‬
‫‬ ‫‬
‫‪= e´j2ω h[0]ej2ω + h[1]ejω + h[2] + h[3]e´jω + h[4]e´j2ω‬‬
‫‬ ‫‬
‫‪= e´j2ω h[0]ej2ω + h[1]ejω + h[2] + h[1]e´jω + h[0]e´j2ω‬‬
‫
‬
‫]‪= e´j2ω 2h[0] cos(2ω) + 2h[1] cos(ω) + h[2‬‬

‫דוגמה למסנן בעל פאזה לינארית בעל תגובה להלם ‪ h[n] = t1, 1, 2.5, 1, 1u‬מפיעה באיור ‪.5.1‬‬

‫‪5‬‬ ‫‪1‬‬
‫‪Imaginary Part‬‬

‫‪0.5‬‬
‫‪0‬‬ ‫‪4‬‬
‫‪0‬‬ ‫‪/4‬‬ ‫‪/2‬‬ ‫‪3 /4‬‬ ‫‪0‬‬

‫‪-0.5‬‬

‫‪-1‬‬

‫‪-1.5‬‬ ‫‪-1‬‬ ‫‪-0.5‬‬ ‫‪0‬‬ ‫‪0.5‬‬ ‫‪1‬‬ ‫‪1.5‬‬

‫‪Real Part‬‬
‫ב( תגובת אמפליטודה‪/‬פאזה‬ ‫א( מפת כתבים ואפסים‬

‫איור ‪ :5.1‬דוגמה למסנן בעל פאזה לינארית‬

‫דוגמה ‪ :5.4‬עבור ‪) α = 3‬אי זוגי‪ ,‬ז"א מספר זוגי של איברים( וסימטריה אי זוגית מהצורה‬
‫]‪,h[0] = ´h[3], h[1] = ´h[2‬‬
‫מתקיים‬

‫‪H(ejω ) = h[0] + h[1]e´jω + h[2]e´j2ω + h[3]e´j3ω‬‬

‫‪3‬‬
‫‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪3‬‬
‫‬
‫‪= e´j 2 ω h[0]ej 2 ω + h[1]ej 2 ω + h[2]e´j 2 ω + h[3]e´j 2 ω‬‬
‫‪3‬‬
‫‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪3‬‬
‫‬
‫‪= e´j 2 ω h[0]ej 2 ω + h[1]ej 2 ω ´ h[1]e´j 2 ω ´ h[0]e´j 2 ω‬‬
‫ ‬ ‫! ‬
‫‪´j 23 ω‬‬ ‫‪3‬‬ ‫‪1‬‬
‫‪=e‬‬ ‫‪j 2h[0] sin ω + 2h[1] sin ω‬‬
‫‪2‬‬ ‫‪2‬‬

‫דוגמה למסנן בעל פאזה לינארית בעל תגובה להלם ‪ h[n] = t1, 2, ´2, ´1u‬מפיעה באיור ‪.5.2‬‬
‫‪64‬‬ ‫פרק ‪ .5‬תכונות המערכות‬

‫‪1.5‬‬
‫‪5‬‬
‫‪1‬‬

‫‪Imaginary Part‬‬
‫‪0.5‬‬
‫‪0‬‬
‫‪0‬‬ ‫‪/4‬‬ ‫‪/2‬‬ ‫‪3 /4‬‬ ‫‪3‬‬
‫‪0‬‬

‫‪-0.5‬‬

‫‪-1‬‬

‫‪-1.5‬‬
‫‪-2‬‬ ‫‪-1‬‬ ‫‪0‬‬ ‫‪1‬‬
‫‪Real Part‬‬
‫ב( תגובת אמפליטודה‪/‬פאזה‬ ‫א( מפת כתבים ואפסים‬

‫איור ‪ :5.2‬דוגמה למסנן בעל פאזה לינארית‬

‫הערה ‪ ! 5.2‬באופן כללי‪ ,‬אפסים של המערכות המקיימות את התנאי באים ברביעות צמודות‪,‬‬
‫כמו באיור ‪ ,5.1‬או זוגות כמו באיור ‪ .5.2‬בנוסף‪ ,‬אפסים יכולים גם לבוא בזוגות צמודים‪.‬‬
‫הערה ‪ ! 5.3‬התנאי זה מספיק אך לא נדרש‪/‬הכרחי! מסנן יכול להיות בעל פאזה לינארית‬
‫בלי לבדוק את התכונה לעיל‪.‬‬

‫‪ 5.3‬מסננים מעבירי הכל )‪(All-Pass‬‬

‫בקטע זה התבונן במסנן מוגדר על ידי פונקצית התמסורת ‪:‬‬ ‫הגבר קבוע‪ ,‬רק‬
‫פאזה משתנה‬
‫‪z ´N + a1 z ´N +1 + a2 z ´N +2 + ... + aN‬‬
‫)‪(5.10‬‬ ‫= )‪H(z‬‬
‫‪1 + a1 z ´1 + a2 z ´2 ... + aN z ´N‬‬

‫כאשר ‪ aN , ..., a2, a1‬הם מספרים ממשיים‪ .‬נראה‪ ,‬כי ניתן לכתוב את פונקצית התמסורת‬
‫בצורה אחרת ‪:‬‬
‫‬ ‫‬
‫‪z ´N 1 + a1 z + a2 z 2 + ... + aN z N‬‬ ‫‪´1‬‬
‫) ‪´N A(z‬‬
‫)‪(5.11‬‬ ‫= )‪H(z‬‬ ‫=‬ ‫‪z‬‬
‫‪1 + a1 z ´1 + a2 z ´2 ... + aN z ´N‬‬ ‫)‪A(z‬‬

‫עקב כך‪ ,‬מתקבלת התכונה הבאה‪:‬‬

‫‪1‬‬
‫הוא אפס של )‪.H(z‬‬ ‫קשר בין כתבים ואפסים )תכונה ‪ :(5.3‬אם ‪ p‬הוא קוטב של )‪ ,H(z‬הרי‬
‫‪p‬‬
‫מכיוון שמקדמי הפולינום ‪ aN , ..., a2, a1‬הם מספרים ממשיים‪ ,‬האפסים והקטבים הם מספרים‬
‫ממשיים או מספרים מרוכבים צמודים‪ ,‬ולכן נוכל לכתוב את פונקצית התמסורת כדלקמן‪:‬‬

‫‪Mr‬‬ ‫‪M‬‬
‫‪´N‬‬
‫‪ź‬‬ ‫)‪1 ´ dk z źc (1 ´ ek z)(1 ´ e˚k z‬‬
‫)‪(5.12‬‬ ‫‪H(z) = z‬‬
‫‪k=1‬‬
‫) ‪1 ´ dk z ´1 k=1 (1 ´ ek z ´1 )(1 ´ e˚k z ´1‬‬

‫הגבר )תכונה ‪ :(5.4‬הגבר התגובה בתדר שווה ל‪:1-‬‬

‫ˇ‬ ‫ˇ‬
‫ˇ ‪jω‬‬
‫)‪(5.13‬‬ ‫‪ˇH(e )ˇ = 1.‬‬
‫ˇ‬
‫‪ 5.3‬מסננים מעבירי הכל )‪(All-Pass‬‬ ‫‪65‬‬

‫הוכחה‪ .‬עבור‬

‫‪1 ´ az‬‬ ‫‪1 ¨ z ´1 ´ a‬‬

‫)‪5.14‬א(‬ ‫‪H(z) = z ´1‬‬ ‫=‬
‫‪1 ´ az ´1‬‬ ‫‪1 ´ az ´1‬‬
‫‪jω‬‬
‫‪1 ´ ae‬‬ ‫‪e´jω ´ a‬‬
‫)‪5.14‬ב(‬ ‫‪H(ejω ) = ejω‬‬ ‫=‬
‫‪1 ´ ae´jω‬‬ ‫‪1 ´ ae´jω‬‬
‫מתקיים )ראה גם תכונה ‪(5.1‬‬
‫‪jω‬‬ ‫‪´jω‬‬
‫‪jω 1 ´ ae‬‬ ‫‪´jω 1 ´ ae‬‬
‫ˇ‬ ‫‪ˇ2‬‬ ‫ˇ‬ ‫ˇ‬
‫ˇ ‪jω‬‬ ‫‪jω‬‬ ‫‪˚ jω‬‬ ‫ˇ ‪jω‬‬
‫‪(5.15) ˇH(e )ˇ = H(e )H (e ) = e‬‬ ‫‪¨e‬‬ ‫ˇ) ‪= 1 = ˇH(e‬‬
‫ˇ‬ ‫ˇ‬
‫‪1 ´ ae´jω‬‬ ‫‪1 ´ aejω‬‬

‫באופן כללי‪ ,‬מתקיים‪:‬‬

‫‪Mr‬‬
‫‪2‬‬
‫‪ź‬‬ ‫) ‪(1 ´ dk ejω )(1 ´ dk e´jω‬‬
‫= ) ‪(5.16) |H(ejω )| = H(ejω )H ˚ (ejω‬‬ ‫¨‬
‫‪k=1‬‬
‫) ‪(1 ´ dk e´jω )(1 ´ dk ejω‬‬
‫‪Mc‬‬
‫‪ź‬‬ ‫) ‪(1 ´ ek ejω )(1 ´ e˚ ejω )(1 ´ e˚ e´jω )(1 ´ ek e´jω‬‬
‫‪k‬‬ ‫‪k‬‬
‫¨‬ ‫‪=1‬‬
‫‪k=1‬‬
‫‪(1 ´ ek‬‬ ‫‪e´jω )(1‬‬ ‫´‬ ‫‪e˚k e´jω )(1‬‬ ‫) ‪´ e˚k ejω )(1 ´ ek ejω‬‬

‫כלומר כל התדרים מועברים ללא עיוות או שינוי !‬

‫מדוע משתמשים במסנן זה? ישנן שתי סיבות עיקריות‪:‬‬

‫� חישוב טורי של מסנן ‪ all-pass‬יכול להפוך מערכת לא יציבה למערכת יציבה‪ ,‬בעלי‬
‫תכונות תדר זהות‪ ,‬ע"י צמצום קטבים של מערכת ע"י אפסי מסנן ‪.all-pass‬‬

‫� אוזנינו ועינינו רגישות לפאזה לא לינארית‪ ,‬והמסננים ‪ IIR‬השימושיים יעילים להעברת‬

‫תדרים מסוימים‪ ,‬אך מביאים עיוות לא לינארית ומפריעה בפאזה‪ .‬יישום מידי של מסנן‬
‫‪ All-Pass‬הינו לתקן בקירוב את עיוות המובאת בפאזה‪ ,‬בכדי לשאוף לפאזה לינארית‬
‫או כמעט לינארית‪.‬‬

‫דוגמה ‪ :5.5‬דוגמא מספרית של מסנן ‪ All-Pass‬יציב בעל פונקצייה תמסורת‬

‫‪3 + z + 12 z 2 + z 3‬‬
‫‪H(z) = z ´3‬‬
‫‪3 + z ´1 + 21 z ´2 + z ´3‬‬
‫‪1 + 12 z ´1 + z ´2 + 3z ´3‬‬
‫=‬
‫‪3 + z ´1 + 21 z ´2 + z ´3‬‬

‫מוצגת באיור ‪ ;5.3‬רואים את הקשר בין הקטבים לאפסים‪ ,‬וכי הגבר המסנן שווה ל‪ 1-‬עבור‬
‫כל התדרים‪.‬‬
‫‪66‬‬ ‫פרק ‪ .5‬תכונות המערכות‬

‫‪1.5‬‬
‫‪1.01‬‬
‫‪1‬‬
‫‪1‬‬

‫‪Imaginary Part‬‬
‫‪0.5‬‬
‫‪0.99‬‬
‫‪0‬‬ ‫‪/4‬‬ ‫‪/2‬‬ ‫‪3 /4‬‬ ‫‪0‬‬

‫‪0‬‬ ‫‪-0.5‬‬

‫‪-5‬‬ ‫‪-1‬‬

‫‪-10‬‬ ‫‪-1.5‬‬
‫‪0‬‬ ‫‪/4‬‬ ‫‪/2‬‬ ‫‪3 /4‬‬ ‫‪-2‬‬ ‫‪-1‬‬ ‫‪0‬‬ ‫‪1‬‬
‫‪Real Part‬‬
‫ב( תגובת תדר‪/‬פאזה‬ ‫א( מפת כתבים ואפסים‬

‫איור ‪ :5.3‬דוגמה למסנן מעביר כל‬

‫‪ 5.4‬מערכת הפיכה‪/‬הפוכה‬
‫לפי )הגדרה ‪, (2.23‬מערכת היא הופכית כאשר עבור כל מוצא קיימת כניסה אחת בלבד‬
‫בהתאם למוצא זה‪ .‬בהינן מערכת סיבתית ויציבה‪ .h[n] ,‬עבור מערכת הפוכה מתקיים‬
‫]‪ ,h[n] ˚ g[n] = δ[n‬כמתואר באיור ‪.5.4‬‬

‫]‪x[n‬‬ ‫]‪h[n‬‬ ‫]‪g[n‬‬ ‫]‪x[n‬‬

‫איור ‪ :5.4‬מערכת ]‪ g[n‬היא מערכת הפוכה של ]‪.h[n‬‬

‫השאלה המרכזית היא‪ ,‬האם קיימת מערכת ]‪ ,g[n‬שהיא גם יציבה וסיבתית?‬

‫כדי נתח את הנושא‪ ,‬נשתמש בקשר‬

‫)‪B(z‬‬ ‫)‪A(z‬‬
‫)‪(5.17‬‬ ‫= )‪H(z‬‬ ‫= )‪ñ G(z‬‬
‫)‪A(z‬‬ ‫)‪B(z‬‬
‫תכונות החשובות‪:‬‬

‫תחום ההתכנסות )תכונה ‪ :(5.5‬נתונה מערכות בעלת פונצקיית תמסורת )‪ H(z‬ותחום‬

‫ההתכנסות ‪ ,RoCh‬ומערכת הפוכה לה בעלת פונצקיית תמסורת )‪ G(z‬ותחום ההתכנסות‬
‫‪ .RoCg‬עבור המערכות צריך להתקיים‬

‫‪RoCh X RoCg ‰ H‬‬

‫קטבים של )‪) H(z‬תכונה ‪ :(5.6‬עבור מערכת )‪ H(z‬יציבה‪ ,‬כל הקטבים הם בתוך מעגל היחידה‬
‫‪ ð‬האפסים של המערכת )‪ G(z‬הם בתוך מעגל היחידה‪.‬‬

‫אפסים של )‪) H(z‬תכונה ‪ :(5.7‬עבור מערכת )‪ G(z‬יציבה‪ ,‬כל הקטבים הם בתוך מעגל היחידה‬
‫‪ ð‬האפסים של המערכת )‪ H(z‬הם בתוך מעגל היחידה‪.‬‬
‫‪ 5.5‬שאלות‬ ‫‪67‬‬

‫הערה ‪ ! 5.4‬במידה ויש למערכת )‪ H(z‬אפסים ע''ג מעגל יחידה )יציבות גבולית(‪ ,‬לא קיימת‬
‫מערכת הפוכה‪ ,‬היות וישנו תדר מסויים עבורו ‪.H(ejω ) = 0‬‬

‫דוגמה ‪ :5.6‬דוגמה ‪ 3.8‬לעיל היא של מערכת הפיכה והפוכה‪.‬‬

‫שאלות‬ ‫‪5.5‬‬

‫‪) 5.1‬סיווג תכונות( עבור מערכות סיבתיות הבאות‪ ,‬מלא את הטבלה להלן‬

‫‪3‬‬ ‫‪3‬‬
‫‪1 ´ z1 + z2‬‬
‫= )‪H1 (z‬‬ ‫‪2‬‬ ‫‪5‬‬ ‫‪z ´2‬‬
‫‪3 ´2 3 ´1‬‬
‫‪z ´ z +1‬‬
‫‪5‬‬ ‫‪2‬‬
‫‪3 ´1‬‬
‫‪H2 (z) = 1 ´ z + z ´2‬‬
‫‪2‬‬
‫‪1‬‬
‫= )‪H3 (z‬‬
‫‪3‬‬ ‫‪2‬‬
‫‪1 ´ z ´1 + z ´2‬‬
‫‪2‬‬ ‫‪5‬‬
‫‪3 ´1 3 ´2‬‬
‫‪H4 (z) = 1 ´ z + z‬‬
‫‪2‬‬ ‫‪5‬‬

‫‪RoC‬‬ ‫‪Phase Linear‬‬ ‫‪Allpass‬‬ ‫‪Stable‬‬ ‫‪FIR/IIR‬‬

‫)‪H1 (z‬‬

‫)‪H2 (z‬‬

‫)‪H3 (z‬‬

‫)‪H4 (z‬‬
 ‫פרק ‪6‬‬

‫שינוי תדר דגימה‬

‫‪ 6.1‬הורדת תדר דגימה‬

‫נגדיר בקטע זה את פעולות תת‪-‬דגימה ודסימציה‪ .‬נתחיל עם התת‪-‬דגימה‪ ,‬משום שהפעלות‬
‫הללו קשורות זה לזה‪.‬‬

‫‪ 6.1.1‬תת‪-‬דגימה‬
‫זריקת דגימות‬ ‫תת‪-‬דגימה )הגדרה ‪ :(6.1‬נתון אות בדיד ]‪ x[n‬ומספר ‪) M P N‬טבעי‪ ,‬שלם גדול מ‪ .(1-‬אנו‬
‫נגדיר את התת‪-‬דגימה בפקטור ‪ M‬את המרת ]‪ x[n‬לאות החדש שלהלן‬

‫)‪(6.1‬‬ ‫‪y[n] = x[M n].‬‬

‫זאת אומרת‪ ,‬אנו שומרים את האיברים הנמצאים בזמנים הכפולים של ‪ .M‬ניתן לומר‪ ,‬שפעולת‬
‫תתדגימה דומה לכיווץ במישור של אותות בזמן רציף‪ ,‬מפני שהאיבר ב‪ M -‬מועבר ל‪2M ,1-‬‬
‫מועבר ל‪ 2-‬וכו'‪ .‬אך בניגוד לכיווץ הרגיל‪ ,‬אנו מאבדים מידע‪ .‬למעשה‪ ,‬עבור אותות בזמן‬
‫רציף‪ ,‬הכיווץ הינה פעולה הופכית‪ .‬לעומת זאת‪ ,‬כאן כל האיברים הנמצאים בין ‪(k ´ 1)M‬‬
‫לבין ‪) kM‬לא כולל( הולכים לאיבוד‪.‬‬

‫‪ DTFT‬של אות לאחר תת‪-‬דגימה‬ ‫‪6.1.2‬‬

‫כפי שהובהר‪ ,‬התת‪-‬דגימה מבצע כיווץ במישור הזמן‪ .‬לפי תכונותיה היסודיות של התמרות‬
‫פורייה‪ ,‬אנו מצפים לראות מתיחה במישור התדר‪ .‬אמנם מתגלה שאכן קיימת מתיחה‪ ,‬אך‬
‫בנוסף מתווספת תופעת ‪ Aliasing‬עקב מחזוריות ה‪.DTFT-‬‬
‫
‬
‫איך זה משפיע?‬ ‫תת‪-‬דגימה במישור התדר )הגדרה ‪ :(6.2‬הינתן אות בדיד ]‪ x[n‬בעל ‪ X ejω DTFT‬ומספר‬
‫טבעי ‪ ,M‬ה‪ DTFT-‬של ]‪ y[n] = x[M n‬שווה ל‪-‬‬

‫‬ ‫‬ ‫ ‪1 ÿ  j(ω´2πm)/M‬‬

‫‪M ´1‬‬
‫‪jω‬‬
‫)‪(6.2‬‬ ‫‪Y e‬‬ ‫=‬ ‫‪X e‬‬ ‫‪.‬‬
‫‪M m=0‬‬
70 ‫ שינוי תדר דגימה‬.6 ‫פרק‬

.‫הוכחה‬
8
ÿ
␣ (
DTFT y[n] = x[M k]e´jkω
k=´8
8
ÿ
= x[n]e´jnω/M
n=´8
n=kM
ÿ8
= x[n]δ[n mod M ]e´jnω/M
n=´8
(6.3)
8 M ´1
ÿ 1 ÿ ´2jπnk/M ´jnω/M
= x[n] e e
n=´8
M k=0
M ´1 8
1 ÿ ÿ
= x[n]e´jn(ω´2πk)/M
M k=0 n=´8

1 ÿ  ´j 1 (ω´2πk) 
M ´1
= X e M
M k=0

.‫ של האות לאחר פעולת תת דגימה‬Z ‫ ! ההוכחה הזו גם מספקת את התמרת‬6.1 ‫הערה‬

1 ÿ  ´j2πk/M 1/M 
M ´1
(6.4) Y (z) = X e z
M k=0

‫ נקבל‬M = 3 ‫ עבור‬:6.1 ‫דוגמה‬

  1 ÿ 2  
jω j(ω´2πm)/3
Y e = X e
3 m=0
1  jω/3  1  j (ω/3´2π/3)  1  j (ω/3´4π/3) 
= X e + X e + X e
3 3 3
     
looooomooooon loooooooooomoooooooooon loooooooooomoooooooooon
W1 ejω W2 ejω W3 ejω

.6.1 ‫את ההשפעה של כל אחד מאיברי הסכום להלן ניתן לראות באיור‬
 ‫‪ 6.1‬הורדת תדר דגימה‬ ‫‪71‬‬

‫‪ω‬‬

‫‪ω‬‬

‫‪ω‬‬

‫‪ω‬‬
‫‪ω‬‬
‫‪6π‬‬

‫‪6π‬‬

‫‪6π‬‬

‫‪6π‬‬

‫‪6π‬‬
‫‪4π‬‬

‫‪4π‬‬

‫‪4π‬‬

‫‪4π‬‬

‫‪4π‬‬
‫‪2π‬‬

‫‪2π‬‬

‫‪2π‬‬

‫‪2π‬‬

‫‪2π‬‬
‫‪π‬‬

‫‪π‬‬

‫‪π‬‬

‫‪π‬‬

‫‪π‬‬
‫) ‪W1(ejω‬‬

‫) ‪W2(e‬‬

‫) ‪W3(e‬‬
‫) ‪X(e1jω‬‬

‫) ‪Y (e‬‬
‫‪jω‬‬

‫‪jω‬‬
‫‪1/3‬‬

‫‪1/3‬‬

‫‪1/3‬‬

‫‪1/3‬‬
‫‪jω‬‬
‫‪π‬‬

‫‪π‬‬

‫‪π‬‬

‫‪π‬‬

‫‪π‬‬
‫‪3‬‬

‫‪3‬‬

‫‪3‬‬

‫‪3‬‬

‫‪3‬‬
‫‪−2π −π − π3‬‬

‫‪−2π −π − π3‬‬

‫‪−2π −π − π3‬‬

‫‪−2π −π − π3‬‬

‫‪−2π −π − π3‬‬
‫‪−4π‬‬

‫‪−4π‬‬

‫‪−4π‬‬

‫‪−4π‬‬

‫‪−4π‬‬
‫‪−6π‬‬

‫‪−6π‬‬

‫‪−6π‬‬

‫‪−6π‬‬

‫‪−6π‬‬
‫איור ‪ :6.1‬דוגמה של תת‪-‬דגימה עבור ‪.M = 3‬‬

‫‪ 6.1.3‬דסימציה‬
‫איך בכל זאת‬ ‫על מנת למנוע תופעת ‪ ,Aliasing‬נהוג לבצע סינון ע''י מסנן מעביר נמוכים עם תדר קטעון‬
‫משתמשים?‬ ‫‪ M‬לפני תת דגימה בפרמטר ‪ ,M‬כך שלאחר ההתרחבות הצפוייה לא יהיה ‪ Aliasing‬כלל או‬ ‫‪π‬‬

‫שיהיה ניתן להזניח אותו‪ .‬שילוב שתי הפעולות לעיל‪ ,‬כמסוכם באיור ‪ ,6.2‬נקראית דסימציה‬
‫בפקטור ‪.M‬‬

‫‪LPF π‬‬
‫]‪x[n‬‬ ‫= ‪ωcut−off‬‬
‫‪M‬‬ ‫↓‪M‬‬ ‫]‪y[n‬‬

‫איור ‪ :6.2‬פעולת דסימציה בפקטור ‪.M‬‬

‫‪72‬‬ ‫פרק ‪ .6‬שינוי תדר דגימה‬

‫‪ 6.2‬העלת תדר דגימה‬

‫נגדיר בקטע זה את פעולות על‪-‬דגימה ואינטרפולציה‪.‬‬

‫‪ 6.2.1‬על‪-‬דגימה‬
‫על דגימה )הגדרה ‪ :(6.3‬נתון אות בדיד ]‪ x[n‬ומספר ‪) L P N‬טבעי‪ ,‬שלם גדול מ‪ .(1-‬אנו‬ ‫מרדדים באפסים‬
‫נגדיר את התת‪-‬דגימה בפקטור ‪ L‬את המרת ]‪ x[n‬לאות החדש שלהלן‬
‫ ‪$‬‬
‫‪&x n/L n = kL‬‬
‫= ]‪y[n‬‬
‫‪%0‬‬ ‫‪otherwise‬‬
‫)‪(6.5‬‬
‫‪8‬‬
‫‪ÿ‬‬
‫=‬ ‫]‪x[k]δ[n ´ kL‬‬
‫‪k=´8‬‬

‫ברם‪ ,‬אנו מכניסים בין שתי דגימות ‪ L´1‬אפסים‪ .‬ניתן לומר שפעולת תתדגימה דומה למתיחה‬
‫במישור של אותות בזמן רציף‪ ,‬מפני שהאיבר ב‪ 1-‬מועבר ל‪ 2 ,L-‬מועבר ל‪ 2L-‬וכו'‪ .‬לעומת‬
‫התת דגימה‪ ,‬הפעולה הזו חד‪-‬חד ערכית‪ ,‬ואין איבוד מידע‪.‬‬

‫‪ DTFT‬של אות לאחר על‪-‬דגימה‬ ‫‪6.2.2‬‬

‫כפי שהובהר‪ ,‬העל‪-‬דגימה מבצע מתיחה במישור הזמן‪ .‬לפי תכונותיה היסודיות של התמרות‬
‫פורייה‪ ,‬אנו מצפים לראות כיווץ במישור התדר‪ .‬אמנם מתגלה שאכן קיימת כיווץ‪ ,‬אך בנוסף‬
‫מתווספים תוכנים ספקטראליים לא רצויים‪.‬‬
‫
‬
‫התמרת ‪) DTFT‬תכונה ‪ :(6.1‬בהינתן אות בדיד ]‪ x[n‬בעל ‪ X ejω DTFT‬ומספר טבעי ‪,L‬‬ ‫מה קורה בתדר?‬
‫ה‪ DTFT-‬של‬
‫ ‪$‬‬
‫‪&x n/L n = kL‬‬
‫)‪(6.6‬‬ ‫= ]‪y[n‬‬
‫‪%0‬‬ ‫‪otherwise‬‬

‫‬ ‫‬ ‫‬ ‫‬ ‫שווה ל‪-‬‬

‫‪jω‬‬ ‫‪jωL‬‬
‫)‪(6.7‬‬ ‫‪Y e‬‬ ‫‪=X e‬‬ ‫‪.‬‬

‫הוכחה‪.‬‬
‫‪8‬‬
‫‪ÿ‬‬
‫␣‬ ‫(‬
‫= ]‪DTFT y[n‬‬ ‫‪y[n]e´jnω‬‬
‫‪n=´8‬‬
‫‪8‬‬
‫‪ÿ‬‬ ‫‪8‬‬
‫‪ÿ‬‬
‫=‬ ‫‪x[k]δ[n ´ kL]e´jnω‬‬
‫‪n=´8 k=´8‬‬
‫‪8‬‬
‫‪ÿ‬‬ ‫‪8‬‬
‫‪ÿ‬‬
‫=‬ ‫]‪x[k‬‬ ‫‪δ[n ´ kL]e´jnω‬‬
‫‪k=´8‬‬ ‫‪n=´8‬‬
 ‫‪ 6.2‬העלת תדר דגימה‬ ‫‪73‬‬

‫‪8‬‬
‫‪ÿ‬‬
‫=‬ ‫‪x[k]e´jkLω‬‬
‫‪k=´8‬‬
‫‬ ‫‬
‫‪= X ejωL‬‬

‫הערה ‪ ! 6.2‬ההוכחה הזו גם מספקת את התמרת ‪ Z‬של האות לאחר פעולת על דגימה‪,‬‬

‫)‪(6.8‬‬ ‫‪Y (z) = X(z M ).‬‬

‫‪ 6.2.3‬אינטרפולציה‬
‫איך משתמים‬ ‫להלן דוגמא המראה מדוע ניתן לקשור את העל דגימה לכיווץ במישור התדר‪ ,‬והצורך במסנן‬
‫בפועל?‬ ‫מעביר נמוכים עם תדר קטעון ‪ Lπ‬לאחר על דגימה בפרמטר ‪ ,L‬כך של יתבטלו חלקי הספקטרום‬
‫הבלתי רצויים ולישמור ככל הניתן בתכונות האות המקורי‪ .‬שילוב שתי הפעולות לעיל‪ ,‬כמסוכם‬
‫באיור ‪ ,6.3‬נקראית אינטרפולציה בפקטור ‪.L‬‬

‫‪LPF‬‬
‫‪π‬‬
‫= ‪ωcut−off‬‬
‫]‪x[n‬‬ ‫↑‪L‬‬ ‫‪L‬‬ ‫]‪y[n‬‬
‫‪Gain = L‬‬

‫איור ‪ :6.3‬פעולת אינטרפולציה‪.‬‬

‫‪ .6.4‬תשימו לב‪ ,‬שמה שמופיע כהרחבה‬‫באיור ‬

‫אינטרפולציהעבור ‪ L = 3‬מופיע ‬
‫‬ ‫דוגמה ‪:6.2‬‬
‫‪jω‬‬ ‫‪jω‬‬
‫‪ .Y e‬ניתן גם לראות‪ ,‬כי העל דגימה‬ ‫‪ X e‬נהיה חלק מהאות‬ ‫מחזורית של האות‬
‫גורמת כיווץ במישור התדר על כל הסקלה ספקטראלית תוך יצירת חלקים לא רצויים‪.‬‬

‫) ‪X(ejω‬‬

‫‪1‬‬

‫‪ω‬‬
‫‪−3π‬‬ ‫‪−π‬‬ ‫‪π‬‬ ‫‪3π‬‬
‫) ‪Y (ejω‬‬

‫‪LPF‬‬

‫‪ω‬‬
‫‪−3π‬‬ ‫‪−π − π3‬‬ ‫‪π‬‬
‫‪3‬‬ ‫‪π‬‬ ‫‪3π‬‬

‫איור ‪ :6.4‬דוגמה של על‪-‬דגימה ואינטרפולציה עבור ‪.L = 3‬‬

‫‪74‬‬ ‫פרק ‪ .6‬שינוי תדר דגימה‬

‫‪ 6.3‬שינוי תדר הדגימה‬

‫שינוי תדר דגימה במספר רציאונלי )הניתן להצגה כמנה של מספרים שלמים(‪ ,‬מוצג באיור ‪.6.5‬‬

‫‪LPF‬‬ ‫‪LPF‬‬
‫‪π‬‬
‫= ‪ωcut−off‬‬ ‫‪π‬‬
‫]‪x[n‬‬ ‫↑‪L‬‬ ‫‪L‬‬ ‫]‪y[n‬‬
‫= ‪ωcut−off‬‬
‫‪M‬‬ ‫↓‪M‬‬
‫‪Gain = L‬‬

‫‪LPF‬‬
‫‪π π‬‬
‫‬
‫‪ωcut−off = min‬‬ ‫‪,‬‬
‫]‪x[n‬‬ ‫↑‪L‬‬ ‫‪L M‬‬ ‫↓‪M‬‬ ‫]‪y[n‬‬
‫‪Gain = L‬‬

‫איור ‪ :6.5‬מערכת לשינוי תדר הדגימה‬

‫חלוקת תדרי הדגימה למספרים הראשונים מאפשרת לנו למצוא את הערכים של ‪ L‬ו‪ M -‬באופן‬
‫כללי‪ ,‬וניתנת לבוצע במטל''ב בעזרת הפקודה ‪.ifactor‬‬

‫דוגמה ‪ :6.3‬בכמה יישומי אודיו או וידיאו מופיע הצורך לשנות את תדר הדגימה‪ .‬למשל‪ ,‬נניח‬
‫כי אנו רוצים להמיר סרט שהוקלט ב‪) CD-‬תדר דגימה רגיל ‪ (44.1kHz‬ל‪ ,Bluray-‬עבורו תדר‬
‫הדגימה שווה ל‪) 192kHz-‬שימו לב כי המספרים הללו אינם פרופורציונליים !(‪ .‬מובן‪ ,‬שאיננו‬
‫רוצים לחזור לאות הרציף )יגרום לעיוותים לא רצויים‪ ,‬והפעולה יקרה(‪.‬‬

‫פתרון‪ :‬נשים לב‪ ,‬שמתקיים‬

‫‪44100 = 22 ˆ 32 ˆ 52 ˆ 72‬‬
‫‪192000 = 29 ˆ 3 ˆ 53‬‬
‫‪27 ˆ 5‬‬
‫= ‪ñ 192000‬‬ ‫‪ˆ 44100‬‬
‫‪3 ˆ 72‬‬

‫על כן נבחר ‪.L = 27 ˆ 5, M = 3 ˆ 72‬‬

‫שאלות‬ ‫‪6.4‬‬

‫‪) 6.1‬קשר בין ‪ ω‬ל‪ (Ω-‬עבור האות הנתון נדרש לסנן עם תדר קטעון של ‪ .fc = 3kHz‬בהינתן‬
‫
‬
‫תדר דגימה ‪ fs = 50kHz‬מהו ‪ ωc‬של מסנן ספרתי בעל תגובת תדר ‪? H ejω‬‬
 ‫פרק ‪7‬‬

‫התמרת פוריה בדידה‬

‫‪ 7.1‬הקדמה‬
‫התמרה המעשית‬ ‫בפרקים הקודמים הסתכלנו על התמרת ‪ Z‬והתמרת פורייה בזמן בדיד )‪ ,(DTFT‬כלומר על‬
‫שמשתמשים בפועל‬ ‫התמרות שמבצעות מעבור ממישור זמן בדיד למישור תדר רציף‪ .‬אף על פי שהן מאפשרות לנו‬
‫לממש רוב המסננים המקובלים‪ ,‬אנחנו גם מעוניינים לבצע פעולות במישור תדר בדיד‪ ,‬בכדי‬
‫לתכנן אותן ללא קירוב על ידי ‪ .Matlab‬למעשה‪ ,‬כאשר מתכננים מסנן ‪ LTI‬דיגיטלי במציאות‪,‬‬
‫איננו יכולים להבטיח שנקבל בדיוק איזושהי תגובה בתדר‪ ,‬אלא קירוב שיהיה יותר טוב ככל‬
‫שמספר הנקודות בתגובה להלם גדל‪ .‬השאלה המתעוררת היא‪ :‬האם נוכל לשלוט בתגובה‬
‫בתדר עבור כמה נקודות )כלומר‪ ,‬לקבל ערך מטרתי נתון( ?‬
‫באור השאלות האלה מופיע הצורך להגדיר התמרה חדשה‪ ,‬שפועלת על אותות בדידים וסופיים‬
‫בזמן )כיוון שבעצם הם האותות היחידים שנפגשים במציאות( ומבצעת את המעבר ממישור‬
‫הזמן הבדיד למישור תדרים בדידים ‪ :‬ההתמרה זו נקראת התמרת פורייה הבדידה – ‪(DFT‬‬
‫)‪.Discrete Fourier Transform‬‬

‫‪ 7.2‬הגדרה‬
‫התמרת פוריה בדידה )הגדרה ‪ :(7.1‬נתון האות הסופי בזמן ]‪ x[n‬באורך ‪ ,N‬בעל התמרה‬
‫) ‪ .H(ejω‬נדגום את מעגל היחידה לפי ‪ N‬נקודות דגימה אשר מתפלגות באופן אחיד על גבי‬
‫המעגל יחידה בתדרים ‪ .ωk = 2πk/N, k = 0...N ´ 1‬סדרת דגימות המתקבלת היא‬
‫ˇ‬ ‫ˇ‬
‫ˇ‬ ‫ˇ‬
‫)‪(7.1‬‬ ‫ˇ) ‪X[k] = H(ejω‬‬ ‫ˇ)‪= X(z‬‬
‫ˇ‬ ‫ˇ‬
‫‪j 2π k‬‬
‫‪ˇ 2π‬‬ ‫ˇ‬
‫‪ωk = N k‬‬ ‫‪zk =e‬‬ ‫‪N‬‬

‫ניתן להגדיר את ההתמרה ואת ההתמרה הפוכה באופן הבא‪:‬‬

‫‪N‬‬ ‫‪´1‬‬ ‫"‬ ‫*‬

‫␣‬ ‫(‬ ‫‪ÿ‬‬ ‫‪2π‬‬
‫)‪(7.2‬‬ ‫= ]‪X[k] = DFT x[n‬‬ ‫‪x[n] exp ´j kn‬‬ ‫‪k = 0, . . . , N ´ 1‬‬
‫‪n=0‬‬
‫‪N‬‬
‫‪N ´1‬‬ ‫"‬ ‫*‬
‫␣‬ ‫(‬ ‫‪1 ÿ‬‬ ‫‪2π‬‬
‫)‪(7.3‬‬ ‫= ]‪x[n] = IDFT X[k‬‬ ‫‪X[k] exp j kn‬‬ ‫‪n = 0, . . . , N ´ 1‬‬
‫‪N k=0‬‬ ‫‪N‬‬
‫‪76‬‬ ‫פרק ‪ .7‬התמרת פוריה בדידה‬

‫)‪Im(z‬‬

‫‪|z| = 1‬‬ ‫‪2π‬‬

‫= ‪ω1‬‬
‫
‬ ‫‪N‬‬
‫‪H ejωk‬‬

‫‪2π‬‬
‫‪N‬‬ ‫)‪Re(z‬‬

‫‪2π‬‬
‫‪ω7 = 7‬‬
‫‪2π‬‬ ‫‪N‬‬
‫‪ω5 = 5‬‬ ‫‪2π‬‬
‫‪N‬‬ ‫‪ω6 = 6‬‬
‫‪N‬‬
‫בתדרים‬ ‫היחידה‬ ‫המעגל‬ ‫ע''ג‬ ‫) ‪H(ejω‬‬ ‫של‬ ‫‪ N‬נקודות דגימה‬ ‫איור ‪:7.1‬‬
‫‪.ωk = 2πk/N, k = 0...N ´ 1‬‬

‫‪2π‬‬
‫‪) WN‬הגדרה ‪ :(7.2‬מקובל להשתמש בסימון ‪.WN = e´j N‬‬

‫רישום מטריציוני )הגדרה ‪ :(7.3‬ניתן לרשום את ההתמרה‬

‫‪N‬‬
‫‪ÿ‬‬ ‫‪´1‬‬
‫)‪(7.4‬‬ ‫= ]‪X[k‬‬ ‫‪x[n]WNkn‬‬
‫‪n=0‬‬

‫בצורה ווקטורית‬
‫)‪(7.5‬‬ ‫‪XN = WN xN‬‬

‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫כאשר‬

‫‪ X[0]  1‬‬ ‫‪1‬‬ ‫¨¨¨‬ ‫‪1‬‬ ‫‪  x[0] ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ X[1]  1 WN‬‬ ‫‪WN‬‬ ‫‪N ´1‬‬ ‫‪‬‬ ‫‪‬‬ ‫]‪x[1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ ‬‬ ‫¨¨¨‬ ‫‪‬‬ ‫‪‬‬
‫)‪(7.6‬‬ ‫‪‬‬ ‫‪ = .‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪.‬‬
‫‪..‬‬ ‫‪ .‬‬ ‫‪..‬‬ ‫‪..‬‬ ‫‪..‬‬ ‫‪‬‬ ‫‪.‬‬
‫‪..‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ .‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪(N ´1)(N ´1)  ‬‬ ‫‪‬‬
‫]‪X[N ´ 1‬‬ ‫‪1 WNN ´1‬‬ ‫‪¨ ¨ ¨ WN‬‬ ‫]‪x[N ´ 1‬‬

‫דוגמה ‪ :7.1‬נתון אות‬

‫‪x[n] = t1, 1, 1, 1u‬‬

‫)א( חשב התמרת ‪ DTFT‬של האות‪.‬‬

‫)ב( חשב התמרת ‪ DFT‬של האות‪.‬‬

‫פתרון‪ :‬מתוך דוגמה ‪ 3.2‬אנחנו יודעים‪ ,‬ש‪-‬‬

‫‪1 ´ z ´4‬‬
‫= )‪X(z‬‬ ‫‪,‬‬ ‫‪z ‰ 0.‬‬
‫‪1 ´ z ´1‬‬
‫‪ 7.2‬הגדרה‬ ‫‪77‬‬

‫)א( בהתאם להגדרה‪ ,‬מתקבל‬

‫‬ ‫‬ ‫‬ ‫‬ ‫‪1 ´ e´j4ω‬‬
‫‪jω‬‬ ‫‪jω‬‬
‫‪X e‬‬ ‫‪=X z=e‬‬ ‫=‬
‫‪1 ´ e´jω‬‬
‫‪sin(2ω) ´j 3 ω‬‬
‫=‬ ‫‪
e 2‬‬
‫‪sin ω/2‬‬

‫כצפוי‪ ,‬מדובר במערכת בעלת פאזה לינארית‪.‬‬

‫)ב( נתין לקבל את התוצאה בכמה דרכים‪:‬‬

‫ ‬
‫� בהתאם להגדרה‪ ,‬ע''י הצבה של ‪ ω = ωk‬בתוך ‪ X ejω‬מתקבל‬

‫‬ ‫‬ ‫"‬

‫‪1‬‬ ‫‪3‬‬
‫*‬
‫‪jωk‬‬
‫‪X[k] = X e‬‬ ‫‪, ωk = 0, π, π, π‬‬
‫‪2‬‬ ‫‪2‬‬
‫]‪= [4, 0, 0, 0‬‬

‫� דרך נוספת היא חישוב ע''פ הגדרה‪ .‬לדוגמה‪,‬‬

‫‪3‬‬
‫‪ÿ‬‬
‫= ]‪X[0‬‬ ‫‪x[n]W4n¨0 = 4‬‬
‫‪n=0‬‬
‫‪3‬‬ ‫‪3‬‬
‫‪2π‬‬
‫‪ÿ‬‬ ‫‪ÿ‬‬
‫= ]‪X[1‬‬ ‫= ‪x[n]W4n¨1‬‬ ‫‪x[n]e´j N n¨1‬‬
‫‪n=0‬‬ ‫‪n=0‬‬
‫‪´j 2π‬‬ ‫‪2π‬‬
‫‪2‬‬ ‫‪2π‬‬
‫‪3‬‬
‫‪=1+e‬‬ ‫‪4‬‬ ‫‪+ e´j‬‬ ‫‪4‬‬ ‫‪+ e´j‬‬ ‫‪4‬‬

‫‪π‬‬ ‫‪3π‬‬
‫‪= 1 + ej 2 + ejπ + ej‬‬ ‫‪2‬‬

‫‪=1´j´1+j =0‬‬
‫¨¨¨‬

‫� דרך נוספת היא חישוב ווקטורי‬

‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪   ‬‬
‫‪X[0] 1 1‬‬ ‫‪1‬‬ ‫‪1  1 4‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪   ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪   ‬‬
‫‪X[1] 1 ´j ´1 j  1 0‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪   ‬‬
‫‪‬‬ ‫‪=‬‬ ‫‪  =  ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪   ‬‬
‫‪X[2] 1 ´1 1 ´1 1 0‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪   ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪   ‬‬
‫]‪X[3‬‬ ‫‪1 j ´1 ´j‬‬ ‫‪1‬‬ ‫‪0‬‬

‫את הקשר בין ההגדרות ניתן לראות באיור ‪.7.2‬‬

‫‪78‬‬ ‫פרק ‪ .7‬התמרת פוריה בדידה‬

‫‪5‬‬
‫‪4‬‬
‫‪4‬‬ ‫‪DTFT‬‬
‫‪DFT‬‬
‫‪3‬‬ ‫‪2‬‬

‫‪2‬‬ ‫‪0‬‬
‫‪0‬‬ ‫‪/2‬‬ ‫‪3 /2‬‬ ‫‪2‬‬
‫‪1‬‬
‫‪0‬‬
‫‪2‬‬ ‫‪0‬‬
‫‪2‬‬
‫‪0‬‬
‫‪0‬‬ ‫‪-‬‬
‫‪-2‬‬ ‫‪-2‬‬ ‫‪0‬‬ ‫‪/2‬‬ ‫‪3 /2‬‬ ‫‪2‬‬
‫‪Imaginary‬‬ ‫‪Real‬‬
‫ב( קשר בין ‪ Z‬ל‪ DFT-‬ל‪.DTFT-‬‬ ‫א( קשר בין ‪ DTFT‬ל‪.DFT-‬‬

‫איור ‪ :7.2‬קשר בין ההתמרות‪.‬‬

‫תכונות התמרת ‪DFT‬‬ ‫‪7.3‬‬

‫‪ 7.3.1‬ציקליות‬
‫‪) mod‬הגדרה ‪ :(7.4‬פעולה ‪ a mod b‬היא שארית חיובית של החלוקה של מספר ‪ a‬במספר ‪.b‬‬

‫דוגמה ‪ :7.2‬דוגמה מספרית‬

‫‪5 mod 3 = 2‬‬ ‫‪1 mod 3 = 1‬‬

‫‪4 mod 3 = 1‬‬ ‫‪0 mod 3 = 0‬‬
‫‪3 mod 3 = 0‬‬ ‫‪´1 mod 3 = 2‬‬
‫‪2 mod 3 = 2‬‬ ‫‪´2 mod 3 = 1‬‬
‫␣‬ ‫(‬
‫מחזוריות )תכונה ‪ :(7.1‬נתון אות סופי בזמן ]‪ ,x[n‬ובעל התמרה ]‪ ;X[k] = DFT x[n‬ה‪DFT-‬‬
‫היא פונקציה מחזורית במחזור ‪ ,N‬כלומר ] ‪ .X[k] = X[k + N‬דרך המקובלת לרשום את‬
‫המחזוריות היא ע''י‬
‫)‪(7.7‬‬ ‫‪X[k] = X[k mod N ].‬‬

‫הוכחה‪ .‬מידית לפי הגדרתה של ה‪.DFT-‬‬

‫שיקוף )הפיכה( ציקלית )הגדרה ‪ :(7.5‬ניתן להגדיר שיקוף ציקלי בזמן בדומה לשיקוף רגיל‬
‫)הגדרה ‪(2.8‬‬
‫)‪(7.8‬‬ ‫‪y[n] = x[´n mod N ].‬‬

‫הזזה ציקלית )הגדרה ‪ :(7.6‬ניתן להגדיר הזזה ציקלית בזמן בדומה להזזה רגילה )הגדרה ‪(2.9‬‬

‫)‪(7.9‬‬ ‫‪y[n] = x[(n ´ m) mod N ].‬‬

‫‪ 7.3‬תכונות התמרת ‪DFT‬‬ ‫‪79‬‬

‫דוגמה ‪ :7.3‬ניתן לראות דוגמה לשיקוף והזזה ציקליים בזמן‪ ,‬מיוצגים ע''י הרחבה מחזורית‬
‫בזמן באיור וע''י הצגה ציקלית באיור ‪.7.3 .7.4‬‬

‫]‪x[n‬‬

‫‪n‬‬
‫‪0‬‬ ‫‪N‬‬
‫]‪x̃[n‬‬

‫‪n‬‬
‫‪0‬‬ ‫‪N‬‬
‫]‪x̃[−n‬‬

‫‪n‬‬
‫‪0‬‬ ‫‪N‬‬
‫] ‪x[−n mod N‬‬

‫‪n‬‬
‫‪0‬‬ ‫‪N‬‬
‫איור ‪ :7.3‬היפוך הזמן ציקלי ‪ --‬ייצוג ע''י הרחבה מחזורית‪.‬‬

‫]‪x[0‬‬ ‫]‪x[5‬‬

‫]‪x[5‬‬ ‫]‪x[1‬‬ ‫]‪x[4‬‬ ‫]‪x[0‬‬

‫]‪x[n‬‬ ‫] ‪x[(n − 1) mod N‬‬

‫]‪x[4‬‬ ‫]‪x[2‬‬ ‫]‪x[3‬‬ ‫]‪x[1‬‬

‫]‪x[3‬‬ ‫]‪x[2‬‬
‫]‪x[0‬‬ ‫]‪x[5‬‬

‫]‪x[1‬‬ ‫]‪x[5‬‬ ‫]‪x[0‬‬ ‫]‪x[4‬‬

‫] ‪x[−n mod N‬‬ ‫] ‪x[−(n − 1) mod N‬‬

‫]‪x[2‬‬ ‫]‪x[4‬‬ ‫]‪x[1‬‬ ‫]‪x[3‬‬

‫]‪x[3‬‬ ‫]‪x[2‬‬

‫איור ‪ :7.4‬פעולות ציקליות בזמן‪.‬‬

‫‪80‬‬ ‫פרק ‪ .7‬התמרת פוריה בדידה‬

‫תכונות‬ ‫‪7.3.2‬‬
‫לינאריות )תכונה ‪ :(7.2‬עבור שני אותות סופיים בזמן ‪ x2 [n], x1 [n],‬ובעלי התמרות‬
‫␣‬ ‫(‬ ‫␣‬ ‫(‬
‫]‪X1 [k] = DFT x1 [n] , X2 [k] = DFT x2 [n‬‬
‫␣‬ ‫(‬
‫)‪(7.10‬‬ ‫]‪DFT ax1 [n] + bx2 [n] = aX1 [k] + bX2 [k‬‬

‫הוכחה‪ .‬מידית לפי הגדרתה של ה‪.DFT-‬‬

‫הערה ‪ ! 7.1‬האם התכונה נשמרת עבור שני אותות בגודל שונה? תשובה היא כן‪ ,‬אם‬
‫מסתכלים על האותות המרופדים עם אפסים בכדי לקבל גודל זהה‪.‬‬
‫␣‬ ‫(‬
‫הזזה בזמן )תכונה ‪ :(7.3‬עבור אות סופי בזמן ]‪ ,x[n‬ובעל התמרה ]‪;X[k] = DFT x[n‬‬
‫‪2π‬‬
‫]‪DFT x[(n ´ m) mod N ] = e´j N km X[k] = WNkm X[k‬‬
‫␣‬ ‫(‬
‫)‪(7.11‬‬
‫␣‬ ‫(‬
‫הזזה בתדר )תכונה ‪ :(7.4‬עבור אות סופי בזמן ]‪ ,x[n‬ובעל התמרה ]‪;X[k] = DFT x[n‬‬
‫!‬ ‫)‬ ‫‪! 2π‬‬ ‫)‬
‫)‪(7.12‬‬ ‫] ‪DFT WN´mn x[n] = DFT ej N km x[n] = X[(k ´ m) mod N‬‬
‫␣‬ ‫(‬
‫דואליות )תכונה ‪ :(7.5‬עבור אות סופי בזמן ]‪ ,x[n‬ובעל התמרה ]‪;X[k] = DFT x[n‬‬
‫␣‬ ‫(‬
‫] ‪DFT X[n] = N x[(´k) mod N‬‬

‫הוכחה‪ .‬מתקבל לאחר חישוב‪:‬‬

‫‪( Nÿ‬‬‫‪´1‬‬ ‫‪N ´1‬‬

‫‪1 ÿ‬‬ ‫) ‪´n(´k mod N‬‬
‫‪X[n]WNnk = N‬‬
‫␣‬
‫= ]‪DFT X[n‬‬ ‫‪X[n]WN‬‬
‫)‪(7.13‬‬ ‫‪n=0‬‬
‫‪N‬‬ ‫‪n=0‬‬

‫] ‪= N x[(´k) mod N‬‬

‫התכונה כמעט ולא נמצאת בשימוש מעשי‪ ,‬וחשיבותה היא בעיקר תאורטית‪.‬‬
‫␣‬ ‫(‬
‫צימוד )תכונה ‪ :(7.6‬עבור אות סופי בזמן ]‪ ,x[n‬ובעל התמרה ]‪;X[k] = DFT x[n‬‬
‫␣‬ ‫(‬
‫)‪(7.14‬‬ ‫] ‪DFT x˚ [n] = X ˚ [(´k) mod N ] = X ˚ [(N ´ k) mod N‬‬
‫␣‬ ‫(‬
‫)‪(7.15‬‬ ‫]‪DFT x˚ [(´n) mod N ] = X ˚ [k‬‬

‫הוכחה‪ .‬מתקבל לאחר חישוב‪:‬‬

‫‪( Nÿ‬‬
‫‪´1‬‬
‫‪x˚ [n]WNnk‬‬
‫␣‬
‫= ]‪DFT x˚ [n‬‬
‫‪n=0‬‬
‫‪‬‬ ‫˚‪‬‬
‫‪N‬‬ ‫‪´1‬‬
‫‪=‬‬
‫‪n(´k mod N ) ‬‬
‫‪ÿ‬‬
‫‪x[n]WN‬‬
‫‪n=0‬‬

‫] ‪= X ˚ [(´k) mod N‬‬

‫‪ 7.3‬תכונות התמרת ‪DFT‬‬ ‫‪81‬‬

‫] ‪= X ˚ [(N ´ k) mod N‬‬

‫השוויון השני מתקבל באותו אופן‪.‬‬

‫קונבולוציה ציקלית )הגדרה ‪ :(7.7‬עבור שני אותות סופיים בזמן‪ x1 [n] ,‬באורך ‪ N1‬ו‪x2 [n]-‬‬
‫באורך ‪ ,N2‬כאשר ) ‪ ,N ě max(N1 , N2‬ניתן להגדיר‬

‫‪N‬‬ ‫‪´1‬‬
‫‪N‬‬ ‫‪ÿ‬‬
‫)‪(7.16‬‬ ‫= ]‪x1 [n] g x2 [n‬‬ ‫] ‪x1 [m]x2 [(n ´ m) mod N‬‬
‫‪m=0‬‬

‫הוכחה‪.‬‬

‫מכפלה בתדר )תכונה ‪ :(7.7‬עבור שני אותות סופיים בזמן‪ x1 [n] ,‬באורך ‪ N1‬ו‪ x2 [n]-‬באורך‬
‫‪ ,N2‬כאשר ) ‪ .N ě max(N1 , N2‬מתקבל‪:‬‬
‫"‬ ‫*‬
‫‪N‬‬
‫)‪(7.17‬‬ ‫]‪DFT x1 [n] g x2 [n] = X1 [k]X2 [k‬‬

‫הוכחה‪ .‬לפי הגדרת ה‪ ,DFT-‬מתקבל לפי התכונות הרגילות של השארית‪.‬‬

‫"‬ ‫‪´1 N‬‬
‫‪* Nÿ‬‬ ‫‪´1‬‬
‫‪N‬‬ ‫‪ÿ‬‬ ‫‪(n´m)k‬‬
‫= ]‪DFT x1 [n] g x2 [n‬‬ ‫‪x1 [m]x2 [(n ´ m) mod N ]WNmk WN‬‬
‫‪n=0 m=0‬‬
‫‪N‬‬ ‫‪´1‬‬ ‫‪N‬‬ ‫‪´1‬‬
‫‪((n´m) mod N )k‬‬
‫‪ÿ‬‬ ‫‪ÿ‬‬
‫=‬ ‫‪x1 [m]WNmk‬‬ ‫‪x2 [(n ´ m) mod N ]WN‬‬
‫‪m=0‬‬ ‫‪n=0‬‬
‫‪$‬‬ ‫‪,‬‬
‫‪&Nÿ‬‬
‫‪´1‬‬ ‫‪.‬‬
‫‪= DFT‬‬ ‫] ‪x1 [m]x2 [(n ´ m) mod N‬‬
‫‪%m=0‬‬ ‫‪-‬‬

‫]‪= X1 [k]X2 [k‬‬

‫)‪(7.18‬‬

‫הערה ‪ ! 7.2‬עבור קונבולוציה לינארית מתקיים הקשר‬

‫‪DT F T‬‬
‫‪ÿ‬‬
‫= ]‪y[n‬‬ ‫) ‪h[m]x[n ´ m] ÐÑ Y (ejω ) = H(ejω )X(ejω‬‬
‫‪m‬‬

‫כאשר התכונות הציקליות נובעות ישירות מתכונות מחזוריות של ) ‪.Y (ejω‬‬

‫דוגמה ‪ :7.4‬חישוב קונבולוציה ציקלית של סדרות באורך ‪ 4‬בייצוג של כפל מטריצות ובייצוג‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫גרפי )איור ‪.(7.5‬‬
‫]‪y[0] x[0‬‬ ‫‪x[3] x[2] x[1] h[0]‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫]‪y[1] x[1‬‬ ‫‪x[0] x[3] x[2] h[1]‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪=‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬‫]‪y[2‬‬‫]‪ x[2‬‬ ‫‪x[1] x[0] x[3] h[2]‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫]‪y[3‬‬ ‫]‪x[3‬‬ ‫]‪x[2] x[1] x[0] h[3‬‬
‫‪82‬‬ ‫פרק ‪ .7‬התמרת פוריה בדידה‬

‫]‪x[0‬‬ ‫]‪x[1‬‬

‫]‪h[0‬‬ ‫]‪h[0‬‬

‫]‪x[1‬‬ ‫]‪h[3‬‬ ‫]‪y[0] h[1‬‬ ‫]‪x[3‬‬ ‫]‪x[2‬‬ ‫]‪h[3‬‬ ‫]‪y[1] h[1‬‬ ‫]‪x[0‬‬

‫]‪h[2‬‬ ‫]‪h[2‬‬

‫]‪x[2‬‬ ‫]‪x[3‬‬

‫]‪x[3‬‬ ‫]‪x[2‬‬

‫]‪h[0‬‬ ‫]‪h[0‬‬

‫]‪x[0‬‬ ‫]‪h[3‬‬ ‫]‪y[3] h[1‬‬ ‫]‪x[2‬‬ ‫]‪x[3‬‬ ‫]‪h[3‬‬ ‫]‪y[2] h[1‬‬ ‫]‪x[1‬‬

‫]‪h[2‬‬ ‫]‪h[2‬‬

‫]‪x[1‬‬ ‫]‪x[0‬‬

‫איור ‪ :7.5‬קונבולוציה ציקלית‪.‬‬

‫כפל )תכונה ‪ :(7.8‬עבור שני אותות סופיים בזמן‪ x1 [n] ,‬באורך ‪ N1‬ו‪ x2 [n]-‬באורך ‪ ,N2‬כאשר‬
‫) ‪ .N ě max(N1 , N2‬מתקבל‪:‬‬
‫␣‬ ‫(‬ ‫‪1‬‬ ‫‪N‬‬
‫)‪(7.19‬‬ ‫]‪DFT x1 [n]x2 [n] = X1 [k] g X2 [k‬‬
‫‪N‬‬
‫הוכחה‪ .‬לפי הגדרת ה‪ ,DFT-‬מתקבל לפי התכונות הרגילות של השארית‪.‬‬
‫‪N‬‬
‫‪ÿ‬‬ ‫‪´1‬‬
‫‪x1 [n]x2 [n]WNnk‬‬
‫␣‬ ‫(‬
‫= ]‪DFT x1 [n]x2 [n‬‬
‫‪n=0‬‬
‫‪N ´1‬‬ ‫‪N‬‬ ‫‪´1‬‬
‫‪1 ÿ‬‬ ‫‪ÿ‬‬ ‫‪(k´l)n‬‬
‫=‬ ‫]‪x1 [n‬‬ ‫‪X[l]WN‬‬
‫‪N n=0‬‬ ‫‪l=0‬‬
‫)‪(7.20‬‬
‫‪N ´1‬‬ ‫‪N‬‬ ‫‪´1‬‬
‫‪1 ÿ‬‬ ‫‪ÿ‬‬ ‫‪((k´l) mod N )n‬‬
‫=‬ ‫]‪X2 [l‬‬ ‫‪x1 [n]WN‬‬
‫‪N l=0‬‬ ‫‪n=0‬‬
‫‪N ´1‬‬
‫‪1 ÿ‬‬ ‫‪1‬‬ ‫‪N‬‬
‫=‬ ‫]‪X2 [l]X1 [(k ´ l) mod N ] = X1 [k] g X2 [k‬‬
‫‪N l=0‬‬ ‫‪N‬‬

‫משפט פרסבל )תכונה ‪ :(7.9‬נתון אות בדיד ]‪ x[n‬סופי בזמן‪ ,‬באורך ‪ ,N‬ובעל התמרה ]‪.X[k‬‬
‫המשפט מתאר שימור אנרגיה )הגדרה ‪ (2.17‬מהצורה‬
‫‪N‬‬ ‫‪´1‬‬ ‫‪N‬‬ ‫‪´1‬‬
‫‪ˇx[n]ˇ2 = 1‬‬ ‫‪ˇX[k]ˇ2‬‬
‫‪ÿ‬‬ ‫ˇ‬ ‫ˇ‬ ‫‪ÿ‬‬ ‫ˇ‬ ‫ˇ‬
‫)‪(7.21‬‬
‫‪n=0‬‬
‫‪N k=0‬‬
‫‪ 7.3‬תכונות התמרת ‪DFT‬‬ ‫‪83‬‬

‫ההוכחה דומה להוכחת משפט פרסבל עבור ה‪) DTFT-‬תכונה ‪.(4.8‬‬

‫תכונות של התמרת ‪ DFT‬מסוכמות בטבלה ‪.7.1‬‬

‫טבלה ‪ :7.1‬תכונות שימושיות של התמרות ‪DFT‬‬

‫‪Properties‬‬ ‫‪Signal‬‬ ‫‪DTF‬‬

‫‪Linearity‬‬ ‫]‪ax1 [n] + bx2 [n‬‬ ‫]‪aX1 [k] + bX1 [k‬‬

‫‪Time shift‬‬ ‫] ‪x[(n ´ m) mod N‬‬ ‫]‪WNkm X[k‬‬

‫‪Frequency scaling‬‬ ‫]‪WN´mn x[n‬‬ ‫] ‪X[(k ´ m) mod N‬‬

‫‪Time reversal‬‬ ‫] ‪x[´n mod N‬‬ ‫] ‪X ˚ [k] = X[´k mod N‬‬

‫‪Conjugation‬‬ ‫]‪x˚ [n‬‬ ‫] ‪X[´k mod N‬‬

‫‪Convolution‬‬ ‫]‪x1 [n] g x2 [n‬‬ ‫]‪X1 [k]X[k‬‬

‫‪Multiplication in time‬‬ ‫]‪x1 [n]x2 [n‬‬ ‫]‪X1 [k] g X2 [k‬‬

‫הערה ‪ ! 7.3‬על מנת לחשב את ה‪ DFT-‬באופן ישיר‪ ,‬אנו צריכים ‪ N‬מכפלות ו‪ N -‬סכומים‬
‫מרוכבים עבור כל ערך של ‪ ,k‬כאשר כל מכפלה מרוכבת היא ‪ 4‬מכפלות ממשיות‪ ,‬וכל‬
‫סכום מרוכב הוא ‪ 2‬סכומים ממשיים‪ .‬מקובל לציין‪ ,‬שסיבוכיות החישוב היא מסדר גודל של‬
‫
‬
‫‪.O N 2‬‬
‫
‬
‫חשוב להדגיש‪ ,‬שיש אלגוריתמים יעילים בהרבה‪ ,‬שהסיבוכיות לשלהן היא ‪,O N log2 N‬‬
‫הנקראים ‪ Fast Fourier Transform‬או בקיצור ‪ ,FFT‬בהם נעשה שימוש כשנדרש לחבר התמרת‬
‫‪ DFT‬בפועל‪.‬‬
 ‫פרק ‪8‬‬

‫מבוא לשיערוך ספקטרום‬

‫השימוש המרכזי של התמרת ‪ DFT‬הוא לקבל קירוב לתגובת תדר‪/‬אמפליטה ''האמיתיים'' של‬
‫האות ספרתי ו‪/‬או אנלוגי מקורי‪ .‬כאשר האות מייצג תגובה להלם של מערכת מסויימת‪ ,‬מדובר‬
‫בקירוב לתגובת תדר של המערכת‪ .‬להלן‪ ,‬נדון בהבטים שונים של שימוש מעשי בהתמרת ‪.DFT‬‬

‫‪ 8.1‬סיכום הקשר בין ההתמרות‬

‫� התדר של התמרת ‪ DFT‬הוא תדר בדיד‪ ,k ,‬כאשר ‪.k = 0, 1, . . . , N ´ 1‬‬
‫‪2π‬‬
‫= ‪ ,∆ω‬כאשר ישנן ‪ N‬דגימות‪ ,‬בתדרים‬ ‫� המרווח בין דגימות התדר של ‪ DTFT‬הוא‬
‫‪N‬‬
‫‪2π‬‬
‫= ‪.ωk‬‬ ‫‪k, k = 0, 1, . . . , N ´ 1‬‬
‫‪N‬‬
‫� המרווח בין דגימות התדר של התמרת פוריה בזמן רציף )‪ (FT‬הוא‬
‫‪∆ω‬‬ ‫‪2π 1‬‬ ‫‪2π‬‬
‫= ‪ ,∆Ω‬בהתאם לקשר ‪.ΩT = ω‬‬ ‫=‬ ‫= ¨‬ ‫‪Fs‬‬
‫‪T‬‬ ‫‪N T‬‬ ‫‪N‬‬
‫� הקשר בין מספר דגימה לתדר אנלוגי‬

‫‪ωk‬‬ ‫‪k 1‬‬ ‫‪k‬‬

‫)‪(8.1‬‬ ‫= ‪ωk Ñ Ωk‬‬ ‫‪= 2π ¨ = 2π Fs‬‬
‫‪T‬‬ ‫‪N T‬‬ ‫‪N‬‬
‫‪Ωk‬‬ ‫‪k 1‬‬ ‫‪k‬‬
‫)‪(8.2‬‬ ‫= ‪Fk‬‬ ‫= ‪Ñ Fk‬‬ ‫‪= Fs‬‬
‫‪2π‬‬ ‫‪NT‬‬ ‫‪N‬‬

‫� תדרי ‪ ω‬הקשורים להתמרת ‪ DFT‬הם בתחום )‪,[0, 2π‬‬

‫‪2π‬‬
‫= ‪ωk‬‬ ‫בהתאם לקשר ‪, k = 0, 1, . . . , N ´ 1‬‬
‫‪N‬‬
‫‬ ‫‬
‫‪Ωs‬‬
‫– התדרים )‪ (π, 2π‬המתיחסים לתחום תדרים שליליים של ‪. ´ , 0‬‬
‫‪2‬‬
‫– ב‪ ,Matlab-‬החזרת התדרים "למקומם" נעשת ע"י פקודה ‪.fftshift‬‬
‫‪86‬‬ ‫פרק ‪ .8‬מבוא לשיערוך ספקטרום‬

‫)‪Xc (jΩ‬‬

‫‪1‬‬

‫‪Ω‬‬
‫‪−Ωs /2 −Ωm‬‬ ‫‪Ωm‬‬ ‫‪Ωs /2‬‬

‫) ‪X(ejω‬‬

‫‪1/T‬‬

‫‪ω‬‬
‫‪−π −Ωm T‬‬ ‫‪Ωm T‬‬ ‫‪π‬‬ ‫‪2π‬‬
‫‪k‬‬
‫‪0‬‬ ‫‪N −1‬‬

‫איור ‪ :8.1‬קשר בין ‪ DTFT ,FT‬ו‪.DFT-‬‬

‫‪ 8.2‬ריפוד באפסים‬
‫תכונות ריפוד באפסים הן תכונות חשובות כדי לקבל בקלות קירוב מדיוק יותר של ספקטרום‬ ‫מה קשר בין כמה‬
‫בדיד או של אות בדיד‪.‬‬ ‫דגימות של ]‪H[k‬‬
‫למשהו אמיתי?‬
‫ריפוד באפסים במישור הזמן )תכונה ‪:(8.1‬‬

‫נתון אות בדיד ]‪ x[n‬סופי בזמן‪ ,‬באורך ‪ N‬ובעל התמרה ]‪ ;X[k‬יוצרים אות מרופד באפסים‬
‫‪$‬‬ ‫באורך ‪ M‬ע''י‬
‫‪&x[n] 0 ď n ď N ´ 1‬‬
‫)‪(8.3‬‬ ‫= ]‪y[n‬‬
‫‪%0‬‬ ‫‪N ďnďM ´1‬‬

‫ה‪ DFT-‬באורך ‪ M‬נקודות בקשר של ]‪y[n‬‬

‫␣‬ ‫(‬ ‫‪N‬‬

‫‪ÿ‬‬ ‫‪´1‬‬
‫‪nk‬‬
‫‪N‬‬
‫‪ÿ‬‬ ‫‪´1‬‬
‫‪nk N‬‬ ‫␣‬ ‫(‬ ‫‪N‬‬
‫‪´j2πk M‬‬
‫‬
‫)‪(8.4‬‬ ‫= ]‪DFTM y[n‬‬ ‫‪x[n]WM‬‬ ‫=‬ ‫‪x[n]WN M‬‬ ‫]‪= DFT x[n‬‬ ‫‪e‬‬
‫‪n=0‬‬ ‫‪n=0‬‬

‫דוגמה ‪ :8.1‬אני מתעניינים באות‬

‫]‪x[n] = δ[n] + δ[n ´ 1] + δ[n ´ 2] + δ[n ´ 3‬‬

‫‪= t1, 1, 1, 1u‬‬
 ‫‪ 8.2‬ריפוד באפסים‬ ‫‪87‬‬

‫שאנו מרפדים עם אפסים‪ .‬אנחנו כבר יודעים שה‪ DTFT-‬היא מהצורה של ‪ .sinc‬ניתן לראות‬
‫התמרת ‪ DFT‬של האות מרופד עם מספר שונה של אפסים באיור ‪.8.2‬‬

‫‪4‬‬
‫‪2‬‬
‫‪0‬‬

‫‪4‬‬
‫‪2‬‬
‫‪0‬‬

‫‪4‬‬
‫‪2‬‬
‫‪0‬‬

‫‪4‬‬
‫‪2‬‬
‫‪0‬‬
‫‪0‬‬ ‫‪/2‬‬ ‫‪3 /2‬‬ ‫‪2‬‬

‫איור ‪. :8.2‬ריפוד באפסים ‪ -‬התמרה באורך שונה של אותו אות‬

‫הספקטרום של האות המרופד דומה יותר ל‪ DTFT-‬של האות המקורי‪.‬‬

‫האם עוזר תמיד?‬ ‫הערה ‪ ! 8.1‬ריפוד באפסים לא מוסיף מידע חדש על האות‪.‬‬
‫הלוואי‪...‬‬
‫‪ x[n] = cos(0.48πn) + cos(0.52πn),‬עבור‬ ‫דוגמה ‪ :8.2‬נבחן אות ‪n = 0, . . . , M ´ 1‬‬
‫‪ .M = 20, 100‬התוצאה מוצגת באיור ‪.8.3‬‬

‫‪0.8‬‬
‫‪M=20‬‬
‫‪M=100‬‬

‫‪0.6‬‬

‫‪0.4‬‬

‫‪0.2‬‬

‫‪0‬‬
‫‪0‬‬ ‫‪/2‬‬ ‫‪3 /2‬‬ ‫‪2‬‬

‫איור ‪ :8.3‬ריפוד באפסים לא מוסיף מידע חדש על האות‪.‬‬

‫‪88‬‬ ‫פרק ‪ .8‬מבוא לשיערוך ספקטרום‬

‫חלונות‬ ‫‪8.3‬‬
‫בדוגמאות קודמות )דוגמאות ‪ (8.2 ,1.1‬ניתן היה לשים לב‪ ,‬שצורת האות קוסינוס בתדר היא‬ ‫בעייה מספר אחד‬
‫לא בדיוק זוג פונקציות דלתא‪ ,‬שהיינו מצפים לקבל‪ .‬בחלק הזה נעמוד על מקור התופעה‪.‬‬ ‫של ‪DFT‬‬

‫אות סופי בזמן‬ ‫‪8.3.1‬‬

‫כל אות ספרתי הוא מיסוד יהיה סופי בזמן‪ .‬כדי להמחיש‪ ,‬למה יש לכך השפעה‪ ,‬נתבונן‬
‫בדוגמה עבור אות בזמן רציף‪.‬‬

‫דוגמה ‪ :8.3‬נתון אות אנלוגי‪,‬‬

‫)‪xc (t) = A cos(Ω1 t + φ‬‬

‫‪A ´jΩ1 t ´jφ A jΩ1 t jφ‬‬
‫=‬ ‫‪e‬‬ ‫‪e‬‬ ‫‪+ e e .‬‬
‫‪2‬‬ ‫‪2‬‬
‫נניח‪ ,‬שמדובר באות סופי בזמן‪ ,‬באורך ‪ .T0‬בעצם מדובר בהכפלה בחלון‪,‬‬

‫‪&1 t P ´T /2, T /2‬‬ ‫
‬

‫‪$‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪F‬‬ ‫‪sin ΩT0 /2‬‬
‫= )‪wc (t‬‬ ‫‬ ‫= )‪ ðñ Wc (jΩ‬‬ ‫‪.‬‬
‫‪%0 t R ´T0 /2, T0 /2‬‬ ‫‪Ω/2‬‬

‫כאשר מתקבל‬

‫‪A‬‬ ‫‪A‬‬
‫‪x̃c (t) = wc (t)xc (t) = wc (t)e´jΩ1 t e´jφ + wc (t)ejΩ1 t ejφ‬‬
‫‪ŋ‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪ŕ‬‬
‫‪Fŕ‬‬
‫‪ŕ‬‬
‫‪ő‬‬
‫‪A‬‬ ‫‪A‬‬
‫= )‪X̃c (jΩ) = Wc (j(Ω)) ˚ Xc (jΩ‬‬ ‫‪Wc (j(Ω + Ω1 ))e´jφ + Wc (j(Ω ´ Ω1 ))ejφ‬‬
‫‪2‬‬ ‫‪2‬‬
‫הייצוג גרפי של בעיית אות הסופי בזמן מוצג באיור ‪.8.4‬‬
‫‪ 8.3‬חלונות‬ ‫‪89‬‬

‫)‪xc (t‬‬ ‫)‪Xc (jΩ‬‬

‫‪F‬‬
‫⇒⇐‬
‫‪t‬‬ ‫‪Ω‬‬
‫‪−Ω1‬‬ ‫‪Ω1‬‬

‫)‪wc (t‬‬ ‫)‪Wc (jΩ‬‬

‫‪F‬‬
‫⇒⇐‬
‫‪t‬‬ ‫‪Ω‬‬
‫‪− T20‬‬ ‫‪T0‬‬
‫‪2‬‬
‫‪− Ω20‬‬ ‫‪Ω0‬‬
‫‪2‬‬

‫)‪x̃c (t) = wc (t)xc (t‬‬ ‫)‪X̃c (jΩ) = Wc (j(Ω)) ∗ Xc (jΩ‬‬

‫‪F‬‬
‫⇒⇐‬
‫‪− T20‬‬ ‫‪T0‬‬
‫‪2‬‬
‫‪t‬‬ ‫‪Ω‬‬
‫‪−Ω1‬‬ ‫‪Ω1‬‬

‫איור ‪ :8.4‬השפעה של אורך סופי בזמן )רציף( של האות על צורה של אופיין תדר‪.‬‬

‫סיכום‪:‬‬

‫� אות מעשי הוא סופי בזמן ‪ ð‬התוצאה היא הכפלה בחלון בזמן = קונבולוצה עם ‪sinc‬‬
‫בתדר‪.‬‬

‫� אות ארוך יותר בזמן ‪ ð‬ה‪ sinc-‬בתדר הוא צר יותר‪.‬‬

‫� מדובר במגבלה מובנת‪.‬‬

‫ההשפעה של זמן סופי על אות בזמן בדיד היא דומה‪ ,‬ולא תוצג פה בהרחבה ע"י פיתוח‬
‫המתמטי‪.‬‬
‫‪90‬‬ ‫פרק ‪ .8‬מבוא לשיערוך ספקטרום‬

‫‪ 8.3.2‬השפעה‬
‫ניתן לראות‪ ,‬כי התמרת פורייה הבדידה מחזירה לנו מידע חלקי על התוכן הספקטרלי בלבד‪,‬‬ ‫איך הבעיה‬
‫בגלל אורך סופי‪ .‬השינוים המתקבלים הם משתי סוגים )ראה גם איור ‪:(8.5‬‬ ‫מתבטאת?‬

‫א‪ .‬דליפה ספקטרלית )‪ (spectral leakage‬הגורמת להופעת תדרים ''חדשים''‪.‬‬

‫� האות התאורטי הוא פונ' דלתה‪.‬‬

‫� בפועל מתקבל פיק ברוחב משמעותי‪.‬‬

‫ב‪ .‬התרחבות )‪ (smearing‬ספקטראלית‪ ,‬הגורמת לפונציות דלתא להיות רחבות יותר‪.‬‬

‫� בתאוריה‪ ,‬האות אמור להיות שווה ל‪ 0-‬למחוץ לפיק המרכזי‪.‬‬

‫� בפועל ישנה גליות‪ ,‬דועכת או קבוע‪ ,‬בכל התדרים מחוץ לפיק המרכזי‪.‬‬

‫) ‪H(ejω‬‬

‫‪Smearing‬‬

‫‪Leakage‬‬

‫‪ω‬‬

‫איור ‪ :8.5‬תופעת של דליפה ספקטרלית )‪(Spectral Leakage‬‬

‫ומריחה ספקטרלית )‪.(Spectral Smearing‬‬

‫‪ 8.3.3‬חלון לא מלבני‬
‫ההתמודדות עם התופעה היא ע"י שימוש בחלונות שונים חלון ריבועי עבור ניתוח במישור‬
‫התדר‪ .‬עיקר ההשפעה של החלונות היא הקטנת דליפה על חשבון הגדלת מריחה‪ ,‬כאשר החלון‬
‫מלבני הוא בעל מריחה מינימלית האפשרית ודליפה מקסימלית‪.‬‬ ‫איך מתמודדים?‬

‫דוגמה ‪ :8.4‬בדוגמות ‪ 1.1‬ו‪ 8.2-‬הזכרנו אות מהצורה‬

‫‪x[n] = cos(0.48πn) + cos(0.52πn),‬‬ ‫‪n = 0, . . . , M ´ 1‬‬

‫ההשפעה של חלון מסוג ‪ Hamming‬מופיע באיור ‪ .8.6‬ניתן לראות הקטנה משמעותית של‬
‫דליפה ספקטרלית‪ ,‬כאשר "המחיר" הוא קושי בלהפריד ‪ 2‬הפיקים הנראים בבירור עבור חלון‬
‫מלבני‪.‬‬

‫חשוב להדגיש‪ ,‬שאמפליטודה של הדליפה אינה תלוייה ברוחב החלון‪ ,‬אלא בסוג החלון בלבד‪.‬‬
‫‪ 8.4‬אותות בעלי תדר משתנה בזמן‬ ‫‪91‬‬

‫‪100‬‬
‫‪Rect‬‬
‫‪1‬‬
‫‪80‬‬ ‫‪Hamming‬‬

‫‪60‬‬ ‫‪0.8‬‬

‫‪40‬‬ ‫‪0.6‬‬
‫‪Rect‬‬
‫‪20‬‬ ‫‪Hamming‬‬
‫‪0.4‬‬
‫‪0‬‬
‫‪0.2‬‬
‫‪-20‬‬
‫‪0‬‬
‫‪-40‬‬

‫ב( חלונות במישור התדר‬ ‫א( חלונות במישור הזמן‬

‫‪0.6‬‬ ‫‪0‬‬
‫‪Rect‬‬
‫‪Hamming‬‬
‫‪0.5‬‬ ‫‪-10‬‬

‫‪0.4‬‬ ‫‪-20‬‬

‫‪0.3‬‬ ‫‪-30‬‬

‫‪0.2‬‬ ‫‪-40‬‬ ‫‪Rect‬‬

‫‪Hamming‬‬
‫‪0.1‬‬ ‫‪-50‬‬

‫‪0‬‬ ‫‪-60‬‬

‫ד( התמרה של האות )‪ x(t‬עם חלונות שונם‬ ‫ג( חלונות במישור התדר ביחידות ‪dB‬‬

‫איור ‪ :8.6‬דוגמה עבור חלון מלבני ועבור חלון ‪.Hamming‬‬

‫‪ 8.4‬אותות בעלי תדר משתנה בזמן‬

‫לעתים ישנו צורך לנתח אותות יחסית ארוכים בזמן‪ .‬לאותות האלה שתי אתגרים חשובים‪ :‬א(‬
‫התמרה היא ארוכה מאוד‪ ,‬ב( בהרבה מקרים התדרים של האות משתנים בזמן‪ .‬ההתמודדות‬
‫עם האתגר היא בשיטה שנקראת ‪ short-time Fourier transform‬או בקיצור ‪.STFT‬‬
‫שיטה‪:‬‬

‫‪ .1‬מחלקים את האות ]‪ x[n‬למקטעים שונים באורך ‪ .L‬משמעות החלוקה היא היא הכפלה‬
‫בחלון באורך ‪ .L‬בנסיבות מסויימות נכפיל בפועל בחלון ‪.Hamming‬‬

‫‪ .2‬ביצוע התמרת פוריה לכל אחד מהמקטעים בנפרד‪.‬‬

‫‪ .3‬צירוף התוצאות לגרף בזמן‪/‬תדר‪.‬‬

‫מגבלת השיטה )עיקרון אי וודאות(‪:‬‬

‫� קטעים יותר ארוכה נותנים הצגה יותר מדוייקת בתדר‪ ,‬אבל פחות דוייקת בזמן‪.‬‬

‫� קטעים יותר קצרים נותנים הצגה יותר מדוייקת בזמן‪ ,‬אבל פחות דוייקת בתדר‪.‬‬
‫‪92‬‬ ‫פרק ‪ .8‬מבוא לשיערוך ספקטרום‬

‫‪ 8.5‬סיכום‬
‫� אות דגום הוא תמיד באורך סופי‪ .‬המשמעות של אות סופי היא הכפלה בחלון סופי‬
‫בזמן‪ ,‬שהיא קונבולוציה בתדר‪ .‬ההשלכות הן מריחה ודליפה ספקטרליות‪.‬‬

‫� הוספת אפסים אינה מוסיפה לרוחב החלון‪ ,‬אלא משפרת את "נראות" ההתמרה‪.‬‬

‫� הוספת דגימות בזמן )אורח האות( מוסיפה לרוחב החלון‪ ,‬ולכן מקטינה את העיוותים‬
‫הנגרמים בגלל הכפלה בחלון‪.‬‬

‫� ניתן לתעדף הקטנה של דליפה ספקראלית על חשבון התרחבות ע"י שימוש בחלונות‬
‫מיוחדים‪.‬‬
 ‫פרק ‪9‬‬

‫מסננים‬
‫בפרקים הקודמים התעניינו בעיקר באנליזה‪ :‬כלומר‪ ,‬בניתוח אותות ידועים בניתוח מערכות‬
‫קיימות אשר מטרתן לעבד את האותות הללו‪ .‬תכנון מסנן הינו בעית סינטזה‪ ,‬כלומר בהינתן‬
‫אות ידוע ומטרה מסוימת‪ ,‬כיצד לתכנן את המסנן הטוב ביותר העונה על הדרישות‪ .‬למשל‪,‬‬
‫ניתוח אות ‪ ECG‬מתחיל עם הורדת רעשים החיצוניים‪ ,‬ושמירת פס תדרים ענייניים שנמצאים‬
‫בין ‪ 50‬לבין ‪ 250‬הרץ‪ .‬על אף‪ ,‬כל עיוות לא לינארי בפאזה עלול לשנות את צורת פולסי ה‪ECG-‬‬
‫ולגרום לשגיאות באבחון‪ .‬לכן צריך להתחשב באסקפטים פרקטיים‪ ,‬כאשר רוצים לתכנן מסנן‪.‬‬

‫‪ 9.1‬הקדמה‬
‫לפני שנדון בשיטות המעשיות לתכנון המסננים‪ ,‬עלינו להבין את המגבלות הפרקטיות של‬
‫המסננים האידאליים‪ .‬לשם הדיון‪ ,‬נניח וקיבלנו אות דגום ב‪ 100-‬הרץ‪ ,‬ושנרצה להוריד את‬
‫ה‪ DC-‬שלו‪ ,‬כלומר לסננן )למשל( את כל התדרים מתחת ל‪ 0.5-‬הרץ ‪ .1‬במסגרת העבודה הזו‪,‬‬
‫המסנן האידאלי המתאים למשימה הינו מוגדר על ידי התגובה בתדר‬
‫‪$‬‬
‫‪&0 |ω| ă ω‬‬
‫‪c‬‬
‫= ) ‪Hid (ejω‬‬
‫‪%1 otherwise‬‬

‫‪2πfc‬‬ ‫‪π‬‬
‫= ‪ ,ωc‬ובעל תגובה להלם‬ ‫=‬ ‫כאשר‬
‫‪fs‬‬ ‫‪100‬‬

‫)‪sin(ωc n‬‬
‫= ]‪h[n‬‬ ‫‪.‬‬
‫‪πn‬‬
‫אך המסנן המתקבל פשטני מדי‪ :‬למעשה‪ ,‬קל לבדוק תוך בחינת תגובתו להלם שהמסנן הזה‬
‫אינו סיבתי ואינו יציב‪ ,‬כלומר המסנן הזה אינו ניתן למימוש לניתוח הנתונים בזמן אמת‪.‬‬
‫כדי להבין את מקור הבעייתיות‪ ,‬נציין כי אנחנו דורשים במסנן האידיאלי ''יותר מדי''‪ .‬למעשה‪,‬‬
‫אף מסנן מציאותי אינו יכול לבטל בהחלט פס רציף של תדרים‪ ,‬אלא לכל היותר להנחית אותו‪.‬‬
‫בדומה לכך‪ ,‬מסנן מציאותי אינו יכול להעביר פס רציף של תדרים ללא עיוות כלל‪ .‬לבסוף‪ ,‬כל‬

‫‪1‬הבעייה הזו טיפוסית למשל מהורדת ה‪ DC-‬מאותות ‪ ECG‬לצורך אבחון‬

‫‪94‬‬ ‫פרק ‪ .9‬מסננים‬

‫המסננים המציאותיים מגיבים בתדר באופן רציף‪ ,‬כך שבפועל מעבר מתחום תדרים שנרצה‬
‫להעביר לתחום תדרים שנרצה להנחית אינו מתבצע פתאומיות‪.‬‬
‫לאור הנידון‪ ,‬אנו מבינים שלתכנן מסנן פרקטי נעשה תוך שחרור כמה אילוצים‪ .‬כלומר‪ ,‬לא‬
‫נתכנן מסנן בהתאם לנוסחאה אחת‪ ,‬אלא לפי מפרט דרישות‪.‬‬

‫‪ 9.2‬מפרט דרישות לתכנון מסננים‬

‫‪ 9.2.1‬מפרט מסנני ‪FIR‬‬

‫‬ ‫‬
‫) ‪H(ejω‬‬ ‫‪Transition‬‬
‫‬ ‫‬
‫‬ ‫‬
‫) ‪H(ejω‬‬ ‫‪Band‬‬
‫‬ ‫‬

‫‪1 + δp‬‬
‫‪1 + δp‬‬ ‫‪Passband Ripple‬‬
‫‪1 − δp‬‬
‫‪1 − δp‬‬ ‫‪Passband‬‬ ‫‪Stopband‬‬

‫‪δs2‬‬
‫‪δs1‬‬ ‫‪δs‬‬ ‫‪Stopband Ripple‬‬
‫‪ω‬‬ ‫‪ω‬‬
‫‪ωs1 ωp1 ωp2 ωs2‬‬ ‫‪π‬‬ ‫‪ωp‬‬ ‫‪ωs‬‬ ‫‪π‬‬
‫ב( מסנן מעביר פס )‪.(BPF‬‬ ‫א( מסנן מעביר נמוכים )‪.(LPF‬‬

‫איור ‪ :9.1‬מפרט מסנני ‪.FIR‬‬

‫מפרט מסנני ‪LPF‬‬

‫ˇ‬ ‫ˇ‬
‫ˇ ‪jω‬‬
‫)‪(9.1‬‬ ‫‪1 ´ δp ď ˇH(e )ˇ ď 1 + δp ,‬‬ ‫‪0 ď |ω| ď ωp‬‬
‫ˇ‬
‫ˇ‬ ‫ˇ‬
‫ˇ ‪jω‬‬
‫)‪(9.2‬‬ ‫‪H(e‬‬ ‫)‬‫‪ˇ ď δs ,‬‬ ‫‪ωs ď |ω| ď π‬‬
‫ˇ‬
‫ˇ‬

‫!‬
‫‪1 + δp‬‬
‫)‪(9.3‬‬ ‫‪Ap = 20 log10‬‬
‫‪1 ´ δp‬‬
‫)‪(9.4‬‬ ‫) ‪As = ´20 log10 (δs‬‬
‫‪ 9.2‬מפרט דרישות לתכנון מסננים‬ ‫‪95‬‬

‫‪ 9.2.2‬מפרט מסנני ‪IIR‬‬

‫‬ ‫‬
‫) ‪H(ejω‬‬
‫‬ ‫‬

‫‪! 1‬‬
‫‪1 − δp‬‬

‫‪δs‬‬
‫‪ω‬‬
‫‪ωp‬‬ ‫‪ωs‬‬ ‫‪π‬‬
‫איור ‪ :9.2‬מפרט מסנני ‪.IIR‬‬

‫ˇ‬ ‫ˇ‬
‫ˇ ‪jω‬‬
‫)‪(9.5‬‬ ‫‪1 ´ δp ď ˇH(e )ˇ ď 1,‬‬ ‫‪0 ď |ω| ď ωp‬‬
‫ˇ‬
‫ˇ‬ ‫ˇ‬
‫ˇ ‪jω‬‬
‫)‪(9.6‬‬ ‫‪H(e‬‬ ‫)‬ ‫‪ˇ ď δs ,‬‬ ‫‪ωs ď |ω| ď π‬‬
‫ˇ‬
‫ˇ‬

‫
‬
‫)‪(9.7‬‬ ‫‪Ap = ´20 log10 1 ´ δp‬‬
‫)‪(9.8‬‬ ‫) ‪As = ´20 log10 (δs‬‬

‫‪ 9.2.3‬מאפיינים נוספים‬
‫יינתנו מאפיינים לפי הגודלים ‪.ωp , ωs , δs , δp‬‬

‫גורם הבחנה )הגדרה ‪:(9.1‬‬

‫‪d‬‬ ‫‪
´2‬‬
‫‪1 ´ δp‬‬ ‫‪´1‬‬
‫)‪(9.9‬‬ ‫=‪d‬‬
‫‪δs ´ 1‬‬
‫‪´2‬‬

‫הגודל זה מתאר את יעילות המסנן מבחינת הגליות; ככל שגורם ההבחנה שואף ל‪ ,0-‬אנחנו‬
‫מתקרבים לתגובה אידאלית‪.‬‬

‫גורם הסלקטיביות )הגדרה ‪:(9.2‬‬

‫‪ωp‬‬
‫)‪(9.10‬‬ ‫=‪k‬‬
‫‪ωs‬‬
‫כאשר גורם הסלקטיביות קרוב ל‪ ,1-‬המעבר מתחום ההעברה לתחום הניחות כמעט מיידי‪.‬‬

‫תדר הקטעון )הגדרה ‪:(9.3‬‬

‫ ˇ‬ ‫ˇ‬‫ˇ‬
‫ˇ‬ ‫‪1‬‬
‫תדר הקטעון ‪ ω3dB‬הוא התדר שבו התגובה בתדר מקיימת ? = ˇˇ ‪.ˇˇH ejω3dB‬‬
‫‪2‬‬
‫‪96‬‬ ‫פרק ‪ .9‬מסננים‬

‫תכנון מסנני ‪ FIR‬בשיטת החלונות‬ ‫‪9.3‬‬

‫אחת השיטות לתכנון מסנני ‪ FIR‬היא שיטת החלונות‪ .‬להלן נתאר את השיטה‪.‬‬

‫מסנן באורך סופי מתוך מסנן אידיאלי )תכונה ‪ :(9.1‬נדרש מסנן‪ ,‬שבאופן אידיאלי הינו בעל‬
‫
‬ ‫␣‬ ‫(‬
‫]‪ .Hd ejω = DTFT hd [n‬ניתן להוכיח‪ ,‬שמסנן בעל אורך סופי הקרוב עליו ביותר מכיל‬
‫‪ 2M + 1‬דגימות מרכזיות‪ ,‬מהצורה‪:‬‬
‫‪$‬‬
‫‪&h [n] ´M ď n ď M‬‬
‫‪d‬‬
‫)‪(9.11‬‬ ‫= ]‪h[n‬‬
‫‪%0‬‬ ‫‪otherwise‬‬

‫הגדרה ע"י הכפלה בחלון )הגדרה ‪ :(9.4‬ניתן להגדיר את המסנן באורך סופי ע"י הכפלה של‬
‫מסנן האידיאלי בחלון תוך הוספת השהייה מתאימה‪,‬‬

‫)‪(9.12‬‬ ‫‪h[n] = hd [n + M ] w[n],‬‬ ‫‪n = 0, . . . , 2M‬‬

‫כאשר החלון ]‪ w[n‬הינו אחד החלונות מהטבלה ‪ .9.1‬לדוגמה‪ ,‬חלון מלבני הוא‬
‫‪$‬‬
‫‪&1 n = 0, . . . , 2M‬‬
‫)‪(9.13‬‬ ‫= ]‪w[n‬‬ ‫‪.‬‬
‫‪%0 otherwise‬‬

‫פאזה לינארית )תכונה ‪ :(9.2‬מדובר במסנן בעל סימטריה ]‪ ,h[n] = h[2M ´ n‬ולכן בעל פאזה‬
‫לינארית‪.‬‬

‫דוגמה ‪ :9.1‬נקח מסנן ‪ LPF‬אידיאלי מהצורה‪:‬‬

‫‪$‬‬
‫‪jω‬‬
‫‪&0 |ω| ă ω‬‬
‫‪c‬‬ ‫)‪sin(ωc n‬‬
‫= ) ‪Hd (e‬‬ ‫= ]‪ðñ hd [n‬‬
‫‪%1 otherwise‬‬ ‫‪πn‬‬

‫מסנן המתקבל עבור חלון מלבני באורך ‪ M = 100‬הוא‬

‫‪$‬‬
‫‪&h [n ´ 50] n = 0, . . . , 100‬‬
‫‪d‬‬
‫= ]‪h[n‬‬
‫‪%0‬‬ ‫‪otherwise‬‬

‫הגדלת מספר דגימות משפרת את הביצועים של מסנן במישור התדר‪ ,‬דהיינו סלקטיביות טובה‬
‫יותר )הגדרה ‪ ,(9.2‬ובחירת חלון שונה יכולה לשפר את ההבחנה של המסנן )הגדרה ‪ .(9.1‬את‬
‫ההמחשה של התופעות האלה ניתן לראות באיור ‪.9.3‬‬
‫‪ 9.3‬תכנון מסנני ‪ FIR‬בשיטת החלונות‬ ‫‪97‬‬

‫‪1.2‬‬ ‫‪0.1‬‬

‫‪1‬‬ ‫‪0.08‬‬

‫‪0.06‬‬
‫‪0.8‬‬
‫‪0.04‬‬
‫‪0.6‬‬
‫‪0.02‬‬
‫‪0.4‬‬
‫‪0‬‬
‫‪0.2‬‬ ‫‪-0.02‬‬

‫‪0‬‬ ‫‪-0.04‬‬
‫‪-0.1‬‬ ‫‪0‬‬ ‫‪0.1‬‬ ‫‪-50‬‬ ‫‪0‬‬ ‫‪50‬‬

‫ב( מסנן המתקבל‬ ‫א( תגובה להלם‬

‫‪1.2‬‬
‫‪0‬‬ ‫‪Rect‬‬ ‫‪M=50‬‬
‫‪Hamming‬‬ ‫‪1‬‬ ‫‪M=150‬‬

‫‪-20‬‬
‫‪0.8‬‬

‫‪-40‬‬ ‫‪0.6‬‬

‫‪-60‬‬ ‫‪0.4‬‬

‫‪0.2‬‬
‫‪-80‬‬
‫‪0‬‬
‫‪0‬‬ ‫‪0.1‬‬ ‫‪0‬‬ ‫‪0.1‬‬

‫ד( חלון שונה עבור ‪M = 50‬‬ ‫ג( אורך שונה‬

‫איור ‪ :9.3‬מסנן המתקבל בדוגמה ‪.9.1‬‬

‫סיכום‪:‬‬

‫� תכנון מבוסס ביטוי אנליטי של תגובה להלם‪.‬‬

‫� ביצועים מושפעים מאורך וסוג החלון‪.‬‬

‫� ישנו תעדוף )‪ (trade-off‬בין אורך המסנן וביצועים‬

98 ‫ מסננים‬.9 ‫פרק‬

‫ דוגמאות לסוגי חלונות ותכונותיהן‬:9.1 ‫טבלה‬

Transition Mainlobe Bandstop

Window
Math. form n = 0, . . . , M Bandwidth Bandwidth Attenuation
name
(ωs ´ ωp ) (ωp ) (dB)
1.84π 4π
Rectangle w[n] = 1 21
M M +1
h i
3.80π 8π
Bartlett w[n] = nu[n] ´ 2nu n ´ M2 25
M M
"  #
2πk 6.22π 8π
Hanning w[n] = 0.5 1 ´ cos 44
M ´1 M M
 
2πk 6.64π 8π
Hamming w[n] = 0.54 ´ 0.46 cos 53
M ´1 M M
 
2πk
w[n] = 0.42 ´ 0.5 cos 11.12π 12π
Blackman M ´1 74
  M M
4πk
+ 0.08 cos
M ´1
‫‪ 9.4‬תכנון מסננים ע"י ‪Matlab‬‬ ‫‪99‬‬

‫תכנון מסננים ע"י ‪Matlab‬‬ ‫‪9.4‬‬

‫תכנון מסננים בהתאם לאחד המפרטים לעיל עבור ‪ FIR/IIR‬נעשת ע"י פקודה ‪,filterDesigner‬‬
‫בעזרת החלון המופיע באיור ‪.2 9.4‬‬

‫איור ‪ :9.4‬תכנון מסננים ע"י פקודה ‪.filterDesigner‬‬

‫שיטות תכנון נפוצות‬ ‫‪9.4.1‬‬

‫‪IIR‬‬

‫‪ Butterworth‬מסננים בשיטה זאת הן חלקות )ללא גליות( לאורך כל תחום התדרים‪ .‬השיטה‬
‫מבוססת על שימוש במסנן אנלוגי כבסיס לתכנון מסנן ספרתי‪ .‬התכנון דורש מינימום‬
‫פרמטרים‪.‬‬

‫‪ 2‬למידע מפורט ניתן לפנות להוראות באתר‪https://www.mathworks.com/help/signal/ug/get :‬‬

‫‪.ting-started-with-filter-designer.html‬‬
‫‪100‬‬ ‫פרק ‪ .9‬מסננים‬

‫‪ I Type Chebyshev‬השיטה מבוססת על שימוש במסנן אנלוגי כבסיס לתכנון מסנן ספרתי‪.‬‬
‫התכנון דורש מינימום פרמטרים‪.‬‬

‫‪ II Type Chebyshev‬השיטה מבוססת על שימוש במסנן אנלוגי כבסיס לתכנון מסנן ספרתי‪.‬‬
‫התכנון דורש מינימום פרמטרים‪.‬‬

‫‪ Elliptic‬השיטה מבוססת על שימוש במסנן אנלוגי כבסיס לתכנון מסנן ספרתי‪ .‬התכנון דורש‬
‫מינימום פרמטרים‪.‬‬

‫‪FIR‬‬
 ‫פתרונות לשאלות‬

‫פתרון השאלה ‪2.1‬‬

‫א‪ .‬האות מחזורי בעל מחזור ‪12‬‬

‫ב‪ S1 .‬הינ לינארית‪ ,‬קבועה בזמן‪ ,‬לא סיבתית‪ ,‬יציבה‬

‫‪ S2‬לינארית‪ ,‬לא קבועה בזמן‪ ,‬לא סיבתית‪ ,‬יציבה‬
‫‪ S3‬לא לינארית‪ ,‬קבועה בזמן‪ ,‬סיבתית‪ ,‬יציבה‬
‫‪ S4‬לינארית‪ ,‬לא קבועה בזמן‪ ,‬סיבתית‪ ,‬יציבה‬

‫פתרון השאלה ‪4.1‬‬

‫‬ ‫‪n‬‬ ‫א‪ .‬בהתאם למשוואה )‪,(4.17‬‬

‫‪y[n] = ejπ‬‬ ‫]‪x[n‬‬

‫]‪= ejπn x[n‬‬

‫]‪= ejω0 n x[n‬‬
‫ ‬ ‫‬ ‫‬ ‫‬ ‫‬
‫)‪ñ Y ejω = X ej(ω´ω0 ) = X ej(ω´π‬‬

‫ב‪.HPF .‬‬
‫הכוונה‪ :‬ניתן להגיע לתשובה ע"י שרטוט מסנן ‪ LPF‬שרירותי‪.‬‬

‫פתרון השאלה ‪5.1‬‬

‫‪Linear‬‬
‫‪RoC‬‬ ‫‪Allpass‬‬ ‫‪Stable‬‬ ‫‪FIR/IIR‬‬
‫‪Phase‬‬
‫‪b‬‬
‫‪3‬‬
‫‪|z| ą‬‬ ‫‪5‬‬
‫‪X‬‬ ‫‪V‬‬ ‫‪V‬‬ ‫‪IIR‬‬ ‫)‪H1 (z‬‬

‫‪z‰0‬‬ ‫‪V‬‬ ‫‪X‬‬ ‫‪V‬‬ ‫‪FIR‬‬ ‫)‪H2 (z‬‬

‫‪|z| Á 1.15‬‬ ‫‪X‬‬ ‫‪X‬‬ ‫‪X‬‬ ‫‪IIR‬‬ ‫)‪H3 (z‬‬

‫‪z‰0‬‬ ‫‪X‬‬ ‫‪X‬‬ ‫‪V‬‬ ‫‪FIR‬‬ ‫)‪H4 (z‬‬

‫‪102‬‬ ‫פרק ‪ .9‬מסננים‬

‫פתרון השאלה ‪ 6.1‬בהתאם למשוואה )‪(4.8‬‬

‫‪1‬‬ ‫‪3‬‬
‫‪ωc = Ωc T = 2πfc‬‬ ‫‪= π = 0.12π‬‬
‫‪fs‬‬ ‫‪25‬‬
 ‫נספח א׳‬

‫נספח מתמטי‬
‫סכום סדרה הנדסית סופית ואינסופית‬

N ´1
ÿ 1 ´ rN
rn =
n=0
1´r
Nÿ
2 ´1
rN1 ´ rN2
rn = N1 ď N2
n=N1
1´r
8
ÿ 1
rn = |r| ă 1
n=0
1´r
8
ÿ 1
rn = |r| ă 1
n=N1
1 ´ rN1
8
ÿ r
nrn = |r| ă 1
n=0
(1 ´ r)2

‫חזקות‬

am an = am+n
n
am = amn

ejπ/2 = j, e´jπ/2 = ´j, ejπ = ´1 ‫מספרים מרוכבים‬

ejα = cos(α) + j sin(α)

ejα + e´jα
cos(α) =
2
jα
e ´ e´jα
sin(α) =
2j
‫שורשים מרוכבים‬

xN = 1 = ej2πk Ñ x = ej2πk/N , k = 0, . . . , N ´ 1
 ‫במקום סיכום‬
‫ להרחבת והעמקדת הידע מומלץ לפנות לספרים‬.‫החוברת היא רק "טעימה" של החומר‬
:‫ להלן מספר ההערות לגבי חלק מהספרים הזמינים בשוק‬.‫באנגלית‬

.‫ לדוגמא‬Matlab ‫ עם שאלות רבות וסימולציות‬,‫[ הספר המומלץ ביותר‬1]

Dimitris G. Manolakis and Vinay K. Ingle, Applied Digital Signal Processing: Theory and
Practice, Cambridge University Press, 2012.

‫[ ספר תרגילים מומלץ מאוד‬2]

M.H. Hayes,Schaums Outline of Digital Signal Processing, 2nd , McGraw-Hill, 2011.

Matlab-‫[ ספרים טובים מאוד עם דוגמאות ב‬3]

S.K. Mitra, Digital Signal Processing, A Computer Based Approach, 4th , McGraw-Hill,
2010.
Vinay K. Ingle and John G. Proakis, Essentials of Digital Signal Processing Using MATLAB,
3rd , Cengage Learning, 2012.

.‫ קצת כבדים לקריאה‬,‫ יסודיים מאוד‬,‫[ ספרים בסגנון הישן‬4]

Alan V. Oppenheim and Ronald W. Schafer, Discrete-Time Signal Processing, 3rd , Pearson,
2009.
Dimitris Manolakis and John G. Proakis, Digital Signal Processing: Principles, Algorithms,
and Applications, 4th , Pearson, 2007, and 3th , 1996.

‫ וגם כל הזמן מתפרסמים‬,‫כמובן ישנם עוד ספרים רבים וטובים שלא מופיעים ברשימה לעיל‬
.‫ספרים חדשים‬

!‫בהצלחה רבה‬