CHƯƠNG 8

BIẾN ĐỔI FOURIER RỜI RẠC DFT

8/1

8.1 GIỚI THIỆU

Ở chương 2 Biến đổi Fourier Thời Gian Rời Rạc (Discrete – Time
Fourier Transform – DTFT), đã được trình bày khá chi tiết mà trọng tâm
là đáp ứng tần số của các hệ thống thời gian rời rạc. Chương này bàn về
Biến Đổi Fourier Rời Rạc (Discrete Fourier Transform – DFT). Thật ra
biến đổi Fourier rời rạc cũng áp dụng cho biến đổi DTFT nhưng về
mặt tần số thì DTFT có phổ liên tục còn DFT có phổ rời rạc. Bên
cạnh còn có Biến Đổi Fourier Nhanh (Fast Fourier Transform –
FFT) là các thuật toán giúp tính toán nhanh DFT. Biến đổi DFT và FFT
rất hữu ích trong phân tích và xử lý nhiều vấn đề của tín hiệu và hệ
thống tuyến tính và bất biến thời gian (linear and time invariant – LTI),
còn gọi tuyến tính và bất dịch chuyển (linear and shift invariant – LSI).
8/2

1
 Chúng thích hợp cho việc xử lý trên máy tính, ở các bộ xử
lý tín hiệu số (digital signal processor – DSPor), hay các hệ
thống xử lý số nói chung. Xem lại Chương 1 và 2 và qua giới
thiệu về DFT ở trên chúng ta thấy tương quan thời gian – tần
số của phân tích Fourier (gồm các chuỗi Fourier và các biến
đổi Fourier) như sau:
1. Chuỗi Fourier thời gian liên tục CTFS:

2. Biến đổi Fourier thời gian liên tục CTFT:

8/3

3. Chuỗi Fourier thời gian rời rạc DTFS:

4. Biến đổi Fourier thời gian rời rạc DTFT:

5. Biến đổi Fourier rời rạc DFT:

8/4

2
 8.2 BIẾN ĐỔI FOURIER RỜI RẠC DFT
Trước tiên nhắc lại biến đổi Fourier thời gian rời rạc DTFT. Với
tín hiệu x(n), nói chung không tuần hoàn và hiện hữu ở mọi thời
gian, đôi biến đổi DTFT là

(DTFT) (8.1)

(IDTFT) (8.2)

8/5

Đối với hệ thống thì đáp ứng xung ℎ(𝑛) thay thế tín hiệu 𝑥(𝑛) và
biến đổi là:

(8.3)

(8.4)

𝐻(𝜔) được gọi là đáp ứng tần số (frequency response). Để ý

tổng là vô hạn và biến đổi 𝑋(𝜔)
𝐻(𝜔) liên tục về tần số. Điều này không thuận tiện cho việc tính
toán trên máy tính và các bộ xử lý tín hiệu số. Do đó cần phải rời
.

rạc hóa tần số 𝝎.

8/6

3
 8.2.1. Rời rạc hóa tần số liên tục ω:
Đối với tín hiệu thời gian liên tục chúng ta có định lý lấy mẫu
(sampling theorem) cho biết để phục hồi đúng tín hiệu nguyên thủy
từ các mẫu, tần số lấy mẫu (còn gọi tốc độ lấy mẫu) phải lớn hơn
hai lần thành phần tần số lớn nhất của tín hiệu. Ví dụ với tiếng nói
được giới hạn ở 3.4 kHz thì tần số lấy mẫu phải lớn hơn 2 x 3.4 =
6.8 kHz mà thường là 8 kHz hoặc hơn. Cùng một nguyên lý áp
dụng cho việc lấy mẫu tần số, phát biểu như sau: Phổ tần số
liên tục của tín hiệu hiện hữu trong thời gian hữu hạn 𝑻𝟎 sec có
thể được biểu diễn bởi các mẫu tần số lấy ở khoảng cách tần số
cách đều ít nhất là 𝟏Τ𝑻𝟎 Hz (hay mẫu/sec) (Hình 8.1). Phổ tần
nguyên thủy có thể được phục hồi đúng từ các mẫu tần số.
8/7

Hình 8.1: Lấy mẫu tần số

8/8

4
 8.2.2 DFT VÀ IDFT
Biến đổi DTFT khi tín hiệu 𝑥(𝑛) chỉ có N mẫu từ 𝑥 = 0 đến
𝑛 = 𝑁 − 1 là
(8.5)

Bây giờ rời rạc hóa tần số liên tục 𝜔 trong chu kỳ 2𝜋 :

(8.6)

2𝜋Τ𝑁 được hiểu là tần số căn bản (fundamental frequency)

(vòng tròn 2𝜋 được chia thành N điểm cách đều nhau).

8/9

Biến đổi Fourier rời rạc DFT (discrete Fourier transform) của tín

hiệu x(n) có N mẫu từ 𝑥 = 0 đến 𝑛 = 𝑁 − 1 được định nghĩa như:

(8.7a)

k được gọi là hệ số phổ (spectral coefficent), hay điểm phổ

(spectral point) hay chỉ số phổ (spectral index). Viết X(k) như trên

có ý nghĩa hơn nhưng để thuận tiện thường người ta viết

(8.7b)

8/10

10

5
 X(k) là phổ tần (frequency spectrum) của X(n)
Tín hiệu 𝑥(𝑛) được phục hồi bởi DFT ngược (IDFT):

𝑛 = 0, 1, … , 𝑁 − 1 (IDFT)
(8.8a)

hoặc viết theo cách

𝑛 = 0, 1, … , 𝑁 − 1 (IDFT)
(8.8b)

8/11

11

Định nghĩa trên cũng áp dụng cho hệ thống:

𝑘 = 0, 1, … , 𝑁 − 1 (DFT) (8.9a)

𝑛 = 0, 1, … , 𝑁 − 1 (IDFT) (8.9b)

Các định nghĩa như trên được gọi DFT N điểm (N – point
DFT). Nếu tính 𝑋 𝑘 và 𝐻 𝑘 ngoài khoảng 0 ≤ 𝑘 ≤ 𝑁 − 1, ví
dụ trong khoảng 2𝑁 − 1 ≤ 𝑘 ≤ 0 hay, chúng ta sẽ thấy các trị
lặp lại. Như vậy 𝑋 𝑘 và 𝐻 𝑘 tuần hoàn ở chu kỳ N dù rằng
ban đầu không có ý định đó.
8/12

12

6
 Cũng tương tự khi tính 𝑥 𝑛 và ℎ 𝑛 chúng ta sẽ thấy
chúng tuần hoàn ở chu kỳ N dù rằng ban đầu không đặt vấn đề là
𝑥 𝑛 và ℎ 𝑛 tuần hoàn hay không.
Chúng ta có thể thay thế 2𝜋Τ𝑁 𝑘 hay 2𝜋𝑘Τ𝑁 bằng tần
số góc 𝜔𝑘 , lúc bấy giờ đổi biến đổi trở thành:

(DFT) (8.10a)

(IDFT) (8.10b)

Cách viết trên cũng áp dụng cho 𝐻 𝜔𝑘 và ℎ(𝑛).

8/13

13

Như vậy DFT là rời rạc hóa DTFT. Vì DFT liên quan đến
thuật toán FFT nên có thể nói là DFT là cách tính hiệu quả DTFT.
Tuy nhiên DTFT liên quan đến bản chất tần số của tín hiệu và đáp
ứng tần số của hệ thống (lọc) nên không phải bao giờ chúng ta cũng
rời rạc hóa DTFT để biến nó thành DFT.
Thường số mẫu (chiều dài tín hiệu) N được chọn là lũy thừa
nguyên của 2 ( ví dụ 8, 16, 32, …). Khi số mẫu không thỏa số lượng
như vậy, hoặc vì lý do nào khác, chúng ta có thể thêm các mẫu
không (biên độ không) ở cuối cho đủ số lượng mẫu cần thiết. Biện
pháp này gọi là độn không (zero padding) hay điền không (zero
filling). Ngoài ra việc thêm các mẫu không ở cuối còn có tác dụng
khác. Các vấn đề này sẽ được đề cập ở sau.
8/14

14

7
 8.2.3 Liên hệ DFT với DTS (DTFS)
Ở đầu chương 2 chuỗi Fourier rời rạc thời gian DTFS
(discrete – time Fourier series) của tín hiệu tuần hoàn đã được
trình bày. Có sự liên hệ rất sát sao giữa DFT với DTFS nên nhiều
tác giả gọi chuỗi Fourier rời rạc DFS (discrete Fourier series)
thay cho DTFS, còn về nội dung không có gì khác cả.
DFT được định nghĩa bởi (8.7) và (8.8) còn DFS được
định nghĩa bởi (2.3) và (2.2):

(DFS) (8.11a)

(IDFS) (8.11b)
8/15

15

Để ý là thừa số 1Τ𝑁 được gán cho 𝑋𝐷𝐹𝑆 (𝑘) thay vì cho 𝑥(𝑛).
Như vậy
(8.12)

Bởi vì 𝑋(𝑘) là ký hiệu chung cho DFT và DFS nên ở đẳng thức
trên chúng ta viết 𝑋𝐷𝐹𝑇 (𝑘) để phân biệt với 𝑋𝐷𝐹𝑆 (𝑘), còn bình
thường trong chương này chúng ta viết 𝑋 𝑘 để chỉ DFT.
Ngoài ra 𝑋𝐷𝐹𝑆 (𝑘) là các hệ số khai triển của chuỗi thời gian
෠
tuần hoàn nên có tác giả viết là 𝑋(𝑘) ứng với thời gian 𝑥(𝑛).
෤

8/16

16

8
Để minh họa giữa DFT, và DTFS, xem chuỗi 𝑥(𝑛) gồm 5 xung độ lớn 1
xảy ra ở 0 ≤ 𝑛 ≤ 4 ở Hình 8.2a. Từ 𝑥 𝑛 chuỗi tuần hoàn 𝑥(𝑛)
෤ được
trình bày ở Hình 8.2b. DFS của 𝑥(𝑛)
෤ tương ứng với DFT của 𝑥(𝑛). Các
hệ số của 𝑥(𝑛)
෤ được cho bởi

0 , khác đi
Tức DFS chỉ có các hệ số khác không ở 𝑘 = 0 và các bội số của 𝑘 = 5.
Các hệ số DFS được trình bày ở hình 8.2c, ở đó đáp ứng độ lớn
෨
𝑋 𝜔 của DTFT cũng được chỉ ra cho thấy 𝑋(𝑘) là các mẫu của
𝑋 𝜔 ở các tần số 𝜔𝑘 = 2𝜋 𝑘Τ5. Các hệ số DFT là các hệ số DFS
trong một chu kỳ 0 < 𝑛 < 4 nên chỉ gồm một xung ở 𝑛 = 5 như thấy ở
Hình 8.2d. 8/17

17

Hình 8.2: Minh họa liên hệ

giữa DFS, DTFT và DFT
(a) Chuỗi dài hữu hạn 𝑥(𝑛)
(b)Chuỗi tuần hoàn

.
𝑥(𝑛)
෤ tạo ra từ 𝑥 𝑛 với
chu kỳ 𝑁 = 5
෨
(c) Các hệ số 𝑋(𝑘) của DFS
và độ lớn 𝑋 𝜔 của
DTFT

8/18

18

9
 Ví dụ 3.1.1
Xem tín hiệu tương tự tuần hoàn

Tìm các hệ số DFT khi được lấy mẫu như sau

a) Lấy mẫu ở tốc độ Nyquist trong một chu kỳ căn bản
b) Lấy mẫu ở tốc độ gấp đôi tốc độ Nyquist trong một chu kỳ căn bản
c) Lấy mẫu ở tốc độ Nyquist trong hai chu kỳ căn bản

8/19

19

Giải
(a) Tín hiệu và các mẫu được trình bày ở Hình 8.3a. Các mẫu là

Từ định nghĩa của DFT

các hệ số là

8/20

20

10
 Vậy

8/21

21

(a) (b)

Tín hiệu lấy mẫu và DFT

(a) Lấy mẫu ở tốc độ Nyquist trong một chu kỳ
(b) Lấy mẫu ở tốc độ gấp đôi Nyquist trong một chu kỳ

8/22

22

11
 (c)

(c) Lấy mẫu ở tốc độ Nyquist trong hai chu kỳ

Hình 8.3: Ví dụ 8.1.1

8/23

23

(a) Tín hiệu và các mẫu được trình bày ở Hình 8.3b. Các mẫu là

Tính toán tương tự như ở (a) cho kết quả

(b) Tín hiệu và các mẫu được trình bày ở Hình 8.3c. Các mẫu là

Tính toán tương tự như ở (a) cho kết quả

8/24

24

12
 8.24 Thừa số xoay

Để được thuận tiện người ta dùng cách viết tắt

(8.13)
gọi thừa số xoay (twiddle factor). Vậy

(8.14a)

(8.14b)

(8.14c)

(8.14d)
trong đó dấu * chỉ liên hiệp phức.

8/25

25

Ví dụ 3.1.2
Tìm DFT N điểm của tín hiệu
(a) 𝑥1 𝑛 = 𝛿 𝑛
(b) 𝑥2 𝑛 = 1, 0 ≤ 𝑛 ≤ 𝑁 − 1
(c) 𝑥3 𝑛 = 𝛿(𝑛 − 𝑛0 ), 0 ≤ 𝑛0 ≤ 𝑁
(d) 𝑥4 𝑛 = 𝑎𝑛
(e) 𝑥5 𝑛 = cos(𝜔0 𝑛), 𝜔0 = 2𝜋𝑘0 /𝑁 và 𝜔0 ≠ 2𝜋𝑘0 /𝑁

8/26

26

13
 Giải
(a) Trực tiếp từ định nghĩa của DFT

Vậy biến đổi DFT của mẫu đơn vị 𝛿 𝑛 là 1 ở tất cả các điểm phổ k.

(b) Tín hiệu là xung chữ nhật số (digital rectangular pulse) gồm N
mẫu đơn vị từ 𝑛 = 0 đến 𝑛 = 𝑁 − 1. Cũng trực tiếp từ định nghĩa của
DFT,

Tổng có trị N khi 𝑘 = 0 và trị 0 khi 𝑘 ≠ 0 . Vậy 𝑋2 𝑘 = 𝑁𝛿(𝑛)

8/27

27

(c) Trực tiếp từ định nghĩa của DFT,

So với biến đổi của 𝛿(𝑛) ở (a) thì ở đây biên độ cũng là 1 nhưng có
thêm thừa số pha.
(d) Trực tiếp từ định nghĩa của DFT,

Dùng công thức chuỗi hình học hữu hạn lặp lại ở đây:

để được

8/28

28

14
 (e) Trước tiên phát biểu cosin theo hàm mũ phức

Vậy

Với 𝜔0 = 2𝜋𝑘0 /𝑁,

Tổng đầu tiên bằng 0 khi 𝑘 ≠ 𝑘0 , và bằng 𝑁 khi 𝑘 = 𝑘0 .

Tổng thứ hai bằng 0 khi 𝑘 ≠ 𝑁 − 𝑘0 và bằng N khi 𝑘 = (𝑁 − 𝑘0 ).
Vậy kết quả là c và 𝑘 = 𝑁 − 𝑘0 0 , khác đi
8/29

29

Khi 𝜔0 ≠ 2𝜋𝑘0 /𝑁 chúng ta dùng công thức chuỗi hình học để tính X(k):

8/30

30

15
Để ý là ngoại trừ khi 𝜔0 là bội số nguyên của 2𝜋Τ𝑁, 𝑋(𝑘) nói chung
khác không ở mỗi 𝑘. Lý do của sự khác biệt ở hai trường hợp của 𝜔0
là do 𝑋(𝑘) tương ứng với các mẫu của DTFT của 𝑥(𝑛), mà là

Khi lấy mẫu ở N điểm cách đều trong khoảng 0, 2𝜋 các mẫu sẽ nói
chung khác không. Tuy nhiên khi 𝜔0 = 2𝜋 𝑘0 Τ𝑁 tất cả các mẫu, trừ ở
𝑘 = 𝑘0 và 𝑘 = 𝑁 − 𝑘0 xảy ra ở các điểm không của hàm sin.

8/31

31

Ví dụ 8.2.3
Tìm và vẽ phổ tần N điểm của tín hiệu 𝑥(𝑛) gồm L mẫu từ 𝑛 = 0 đến
𝑛 =𝐿−1 biên độ 1. Xem trường hợp 𝐿 = 10, 𝑁 = 50 và
𝐿 = 10, 𝑁 = 100.
Giải
Tín hiệu là xung chữ nhật số đã
gặp ở trước. Biến đổi là

Xử lý tiếp như sau:

8/32

32

16
 Hình 8.4a trình bày phổ độ lớn và phổ pha cho trường
hợp chuỗi xung dài và phân tích DFT điểm (độn 40 mẫu
không) độ phân giải tăng lên (Hình 8.4b)
Hình 8.4a trình bày phổ độ lớn và phổ pha cho trường
hợp chuỗi xung dài 𝐿 = 10 và phân tích DFT 𝑁 = 50 điểm
(độn 40 mẫu không). Nếu tăng N lên 100 (độn 90 mẫu không)
độ phân giải tăng lên (Hình 8.4b)

8/33

33

Hình 8.4a: Ví dụ 8.1.3

(Phổ độ lớn và pha của
DFT khi L=10, N=50)

8/34

34

17
 Hình 8.4b: Ví dụ
8.1.3 (Phổ độ lớn và
pha của DFT khi
L=10, N=100)

8/35

35

Ví dụ 3.1.4
Tìm DFT N điểm của chuỗi

Giải
Trước tiên khai triển hàm
cosin ra hàm mũ phức:

Kết quả DFT là:

9 1
𝑋 𝑘 = 2 𝑁, 𝑘 = 0, 4 𝑁, 𝑘 = 2 và 𝑘 = 𝑁 − 2 0 , khác đi
8/36

36

18
 Ví dụ 3.1.5
Một tín hiệu tương tự 𝑥𝑎 (𝑛) giới hạn tần số ở 10 kHz được lấy
,
,
)

mẫu ở tần số 𝑓𝑠 = 20𝑘𝐻𝑧. DFT 𝑁 = 1000 điểm của 𝑥𝑎 (𝑛) là

(a) Chỉ số phổ 𝑘 = 150 tương tứng với tần số tương tự nào?
Còn 𝑘 = 800 thì sao?
(b) Tìm khoảng cách giữa các điểm phổ

8/37

37

Giải
(a) Chúng ta biết tần số 𝜔 liên hệ với tần số tương tự Ω bởi

Ω Ω
ω = Ω𝑇𝑠 = =
𝑓𝑠 20000
(b) Với DFT 𝑁 điểm thì DTFT được lấy mẫu ở 𝑁 tần số:

Như vậy 𝑋 𝑘 tương ứng với tần số tương tự

hay

8/38

38

19
Với 𝑘 = 800, chúng ta cần cẩn thận. Bởi vì 𝑋(𝜔) tuần hoàn ở chu kỳ
2𝜋,

𝑘 = 800 tương ứng với tần số số

Tần số tương tự tương ứng là

hay

(b) Khoảng cách giữa các điểm phổ cho bởi

8/39

39

Ví dụ 3.1.6
(a) Tính đáp ứng tần số DFT 𝐻(𝜔𝑘 ) của lọc FIR có đáp ứng xung

(b) Lấy biến đổi DFT ngược của 𝐻(𝑘) để phục hồi đáp ứng xung.

Giải
(a) Đáp ứng xung có 4 trị giá vậy 𝑁 = 4 và 𝜔𝑘 = 2𝜋𝑘Τ4
Cũng để ý là trong khoảng 0 ≤ 𝑛 ≤ 3 thì ℎ 𝑛 = 𝑛 . Đáp ứng tần số
𝐻 𝜔𝑘 là

8/40

40

20
 Vậy

8/41

41

Hình 8.5: ví dụ 8.2.6 (đáp ứng tần số)

8/42

42

21
(b) Ở hình 8.5 chúng ta có thể tưởng tượng đáp ứng tần số liên tục
𝐻(𝜔) (đường đứt đoạn) được lấy mẫu đều ở 4 điểm để có 𝐻 𝜔𝑘 .
Bây giờ hãy xem đáp ứng xung có thể được phục hồi từ các đáp ứng
tần số rời rạc. Trước tiên biến đổi DFT ngược là:

8/43

43

Vậy

Tương tự, sẽ được các tri ℎ(2) và ℎ(3). Nếu tính ℎ(4), ℎ(5), …
chúng ta sẽ thấy chúng giống như ℎ 0 , ℎ(1) … vì DFT và IDFT là
tuần hoàn ở chu kỳ N.

8/44

44

22
Ví dụ 3.1.7
Một tín hiệu âm thanh giới hạn tần số ở 8 𝑘𝐻𝑧 được lấy mẫu ở 20
𝑘𝐻𝑧 rồi được tính DFT 1000 điểm.
(a) Tính khoảng cách giữa hai mẫu tần số kế nhau
(b)Phổ tần ở hệ số 𝑘 = 200 tương ứng với tần số tương tự nào?
Ví dụ 3.1.8
Cho biết chuỗi số 𝑥 𝑛 = 0, 0, 1, 1, 1, 1, 1
Tìm phổ độ lớn và pha của DFT 10 điểm.

8/45

45

Ví dụ 3.1.9
(a) Tìm DFT của chuỗi tuần hoàn 𝑥(𝑛)
෤ có chu kỳ 𝑁 = 10:

(b) Bây giờ chuỗi được độn không để kéo dài chu kỳ từ 10 mẫu lên 20
mẫu.
Tìm phổ DFT mới.
Xem giải ví dụ 3.1.7, 3.1.8, 3.1.9 ở tài liệu 3

8/46

46

23
8.2.5 DFT ở dạng ma trận
Trước tiên viết chuỗi tín hiệu vào và các hệ số phổ ra 𝑋(𝑘) ở dạng
vector:
(8.16a)

(8.16b)

𝒙 và 𝑿 là vectơ cột 𝑁 × 1 nhưng được viết như các vectơ hàng được
chuyển vị để chiếm ít không gian. Thừa số xoay 𝑊𝑁𝑘𝑛 được viết ở
dạng ma trận 𝑁 × 𝑁 𝑾:

(8.17)

8/47

47

Để ý 1 là 𝑊𝑁0 . Ví dụ với 𝑁 = 5 ma trận 𝑊 là

Vì DFT là một biến đổi tuyến tính từ mẫu vào 𝑥 đến phổ ra x nên có
thể được phát biểu theo liên hệ ma trận sau: 𝑿 = 𝑾𝒙 (8.18)
Vậy 𝑥 = 𝑊 −1 𝑋. May mắn là chúng ta không cần phải tính ma trận
nghịch đảo 𝑊 −1 bởi vì theo định nghĩa của DFT và IDFT thì 𝑊 −1 =
𝑊 ∗ Τ𝑁.
Như vậy ma trận IDFT là: (8.19)
8/48

48

24
 Ví dụ 3.1.10
Cho chuỗi 𝑥 𝑛 = 𝟏, 2, 1, 0 tìm DFT dùng ma trận.

Giải
Chúng ta có 𝑁 = 4, 𝑊𝑁 = 𝑒 −𝑗2𝜋Τ4 = −𝑗, vậy DFT cho bởi

Kết quả 𝑋 𝑘 = 4, −𝑗 2 , 0, 𝑗 2

8/49

49

Ví dụ 3.1.11
Cho chuỗi mẫu 𝑥 𝑛 = 𝟏, 1, 0, 0 , tìm DFT 4 điểm; xong lấy IDFT
để phục hồi 𝑥(𝑛)

Giải
DFT là

Do tính chất đối xứng và tuần hoàn (mục 8.2) ở sau, chúng ta có

Vậy
hay

8/50

50

25
 Bây giờ IDFT là

hay 𝑥 𝑛 = 1, 1, 0, 0 như mong muốn.

8/51

51

Tìm IDFT từ kết quả DFT

Cả hai DFT và IDFT là các thao tác ma trận nên có sự đối xứng trong
các hệ thức DFT và IDFT. Do đó chúng ta có thể tìm IDFT bằng cách
tính DFT của chuỗi liên hiệp rồi lấy liên hiệp kết quả và chia cho N.
Một cách toán học,

(8.20)

Trong đó 𝑋(𝑘) là DFT của chuỗi cho và dấu * chỉ liên hiệp phức

Ví dụ 3.1.12
Tìm IDFT của 𝑋 𝑘 = 4, −𝑗2, 0, 𝑗2 dùng DFT.

8/52

52

26
 Giải
Trước tiên lấy liên hiệp của 𝑋(𝑘) cho để có

Kế đến tìm DFT của 𝑋 ∗ (𝑘) dùng ma trận DFT 4 × 4 của ví dụ trước:

Sau cùng lấy liên hiệp kết quả này nếu phức rồi chia cho 𝑁 = 4 để
được IDFT:

IDFT chính là chuỗi 𝑥(𝑛) cho ban đầu

8/53

53

8.3 CÁC TÍNH CHẤT CỦA DFT

Biến đổi DFT có nhiều tính chất như biến đổi DTFT. Tuy nhiên ở DFT
sự dịch chuyển thời gian và dịch chuyển tần số không tuyến tính như ở
DTFT mà vòng tròn, điều này làm một số tính chất của DFT phức tạp hơn.
(a) Tuần hoàn
Nếu tín hiệu 𝑥(𝑛) (hoặc đáp ứng xung ℎ(𝑛)) có chiều dài N hữu hạn từ 𝑛 =
0 đến 𝑛 = 𝑁 − 1, DFT 𝑋(𝑘) (hoặc đáp ứng tần số 𝐻(𝑘)) tuần hoàn ở chu
kỳ N tức phổ trong khoảng 0 ≤ 𝑘 ≤ 𝑁 − 1 được lặp lại vô tận bên ngoài
khoảng. Một cách để phát biểu tính chất tuần hoàn là
𝑋 𝑘 = 𝑖𝑁 = 𝑋 𝑘 , 𝑖 = ±1, ±2, … , ±∞
Ngược lại nếu 𝑋(𝑘) có chiều dài N hữu hạn, IDFT của nó, tức tín hiệu, tuần
hoàn ở chu kỳ N.
8/54

54

27
(b) Tuyến tính
DFT là một biến đổi tuyến tính như nhiều biến đổi khác. Xem hai
chuỗi sau có cùng chiều dài thì tuyến tính có nghĩa:

(8.22)

Trong đó 𝑎1 và 𝑎2 là các hằng. Vậy tổ hợp tuyến tính của nhiều tín
hiệu cho cùng tổ hợp biến đổi DFT của mỗi tín hiệu.

(c) Đối xứng liên hiệp

Đối với tín hiệu thực, biến đổi DFT của nó là đối xứng liên hiệp
(conjugate symmetry) theo nghĩa

(8.23)
8/55

55

Chứng minh như sau. Từ định nghĩa của DFT,

Vì 𝑊𝑁∗ = 𝑊𝑁−1 nên nếu 𝑥(𝑛) thực vế phải ở phương trình trên chỉ là
𝑋 ∗ (𝑘) như mong muốn. Nếu 𝑥(𝑛) thực thì 𝑋 0 cũng thực, vậy
𝑋 𝑁 = 𝑋 ∗ (0) cũng thực do tính tuần hoàn

8/56

56

28
 Đặc biệt khi N chẵn mà thường là lũy thừa nguyên của 2, biến
đổi DFT 𝑋 𝑘 sẽ là hàm đối xứng của 𝑘 qua điểm giữa 𝑁Τ2,
tức phổ độ lớn sẽ có đối xứng chẵn và phổ pha sẽ có đối xứng
lẻ qua điểm giữa này:

(8.24a)

(8.24b)

Hình 8.6 chỉ sự đối xứng ở trường hợp N chẵn và lẻ. Khi tín
hiệu thực và N chẵn điểm đối xứng xảy ra ở 𝑁Τ2, còn với N lẻ
điểm 𝑁Τ2 có giá trị nửa số nguyên. Vì sự đối xứng chúng ta
chỉ cần tính nửa đầu của 𝑋(𝑘). Hình 8.7 cho ví dụ về phổ của
một tín hiệu thực.
8/57

57

Hình 8.6: Sự đối xứng của DFT đối với tín hiệu thực

8/58

58

29
 Hình 8.7: Phổ độ lớn và pha của DFT 256 điểm của tín hiệu
𝑥 𝑛 = 0.8𝑛 − (−0.9)𝑛 , 𝑛 = 0, 1, … , 256 8/59

59

Ví dụ 3.2.1 Tìm DFT của chuỗi 𝑥 𝑛 = 1, 1, 0, 0, 0, 0, 0, 0

Giải
Tín hiệu chỉ có hai mẫu nhưng được độn thêm sáu mẫu không để có
chiều dài 𝑁 = 8. DFT 8 điểm là:

Do sự đối xứng chúng ta chỉ cần tính 𝑋(𝑘) đến 𝑁Τ2 = 4 rồi lấy đối
xứng liên hiệp phần còn lại

8/60

60

30
 Với 𝑁 = 8, đối xứng liên hiệp là 𝑋 𝑘 = 𝑋 ∗ (8 − 𝑘), vậy

Kết quả chung:

8/61

61

(d) Định lý Parseval

Ở chuỗi Fourier thời gian liên tục CTFS, biến đổi Fourier
thời gian liên tục CTFT, chuỗi Fourier thời gian rời rạc DTFS (DTS)
và biến đổi Fourier thời gian rời rạc DTFT và, bây giờ, biến đổi
Fourier rời rạc DFT đều có định lý Parseval.
Định lý cho biết sự bảo toàn năng lượng khi chuyển từ miền
thời gian sang miền biến đổi. Về phương diện năng lượng người ta
chia tín hiệu ra tín hiệu năng lượng (energy signal) là các tín hiệu
có năng lượng tín hiệu hữu hạn, và tín hiệu công suất (power
signal) là tín hiệu có năng lượng tín hiệu vô hạn nhưng có công suất
trung bình (average power) hữu hạn. Lưu ý người ta gọi năng
lượng tín hiệu (đơn vị volt2 nếu tín hiệu có đơn vị là volt) thay vì
năng lượng theo nghĩa bình thường (đơn vị joule).
8/62

62

31
Với tín hiệu 𝑥(𝑛) dài N mẫu hữu hạn có biến đổi DFT 𝑋(𝑘), định lý
Parversal phát biểu

(8.25)

Khi số mẫu N dài vô hạn thì năng lượng tín hiệu cũng vô hạn, lúc bấy
giờ người ta định nghĩa công suất tín hiệu trung bình

(8.26a)

Hay chỉ là

(8.26b)

8/63

63

Với tín hiệu tuần hoàn thì công suất trung bình được tính trong một
chu kỳ của tín hiệu. Vế phải của (8.25) là công suất toàn thể trong
miền tần số DFT, vậy

(8.27)

là công suất phổ ở chỉ số tần số 𝑘 và được gọi là mật độ phổ công
suất (power spectrum / spectral density – PSD) và cũng được gọi
biểu đồ chu kỳ (periodogram), ký hiệu bởi 𝑆𝑁 (𝑘):

(8.28)

8/64

64

32
 Về sau chúng ta có thể thay đổi các ký hiệu cho phù hợp
với ngữ cảnh lúc đó. Công suất phổ trung bình cho bởi

(8.29)

Dĩ nhiên 𝑃𝑥 = 𝑃𝑘 .

Ví dụ 3.2.2
Cho tín hiệu 𝑥 𝑛 = 𝟑, −1, 0, 2
Tìm công suất trung bình trong miền thời gian 𝑃𝑥 và trong
miền tần số 𝑃𝑘 .

8/65

65

Giải
Công suất trung bình 𝑃𝑥

Để tính 𝑃𝑥 , tìm 𝑋(𝑘) trước, Thừa số xoay là

8/66

66

33
 Vậy DFT là 𝑿 = 𝑾𝒙 nên tìm được

hay 𝑋 𝑘 = 𝟒, 3 + 𝑗3, 2, 3 − 𝑗3

PSD ở một chỉ số tần số:

Công suất phổ trung bình:

Kết quả 𝑃𝑥 = 𝑃𝑘 như mong muốn.

8/67

67

Bảng 8.1: Các tính chất chính của biến đổi Fourier rời rạc DFT

8/68

68

34
 8/69

69

8.3 DFT VÀ BIẾN ĐỔI Z

Ở mục 8.7 chúng ta đã biết có sự liên quan của biến đổi DTFT với
biến đổi z. Bây giờ xét sự liên quan của biến đổi DFT với biến đổi z.
Biến đổi z một bên của tín hiệu 𝑥(𝑛) dài N mẫu là 1

Mặt khác DFT của tín hiệu là

nên 𝑋(𝑘) chỉ là 𝑋(𝑧) khi thay thế 𝑊𝑁𝑘𝑛

8/70

70

35
Vậy biến đổi z dọc vòng tròn đơn vị chính là biến đổi DFT khi thay
thế z = W như minh họa ở Hình 8.9 trường hợp 𝑁 = 8. Các điểm
phân bố đều trên vòng tròn bắt đầu ở góc không. Nhớ lại là biến thiên
của 𝑧 dọc vòng tròn đơn vị chính là biến đổi DTFT khi thay thế
𝑧 = 𝑒 𝑗𝜔 :
(8.31)

Vì DTFT tuần hoàn ở chu kỳ 2𝜋 nên 𝑋(𝑘) tuần hoàn ở chu kỳ N.

Ở Hình 8.9 cho thấy tương ứng giữa DFT và biểu đồ 𝑧 khi 𝑁 = 8. Để
ý là để được thuận tiện khi viết các biểu thức về DFT người ta thường
dùng thừa số xoay (mục 8.2.4). Bảng 8.2 liệt kê trị giá của 𝑊𝑧𝑘

8/71

71

Hình 8.9: Tương ứng giữa DFT và biến đổi z khi N = 8

8/72

72

36
Bằng cách viết 𝑊𝑁 = 𝑒 −𝑗2𝜋𝑘Τ𝑁 = cos 2𝜋 𝑘Τ𝑁 − 𝑗𝑠𝑖𝑛(2𝜋 𝑘Τ𝑁)
chúng ta có thể tìm trị của 𝑊𝑁 cho bất cứ trị nào của 𝑘 và 𝑁.
Bảng 8.2 liệt kê các trị số của W8 cho 𝑘 = 0, 1, … , 7.

Bảng 8.2: Trị giá của 𝑊8 ,

𝑘 = 0, 1, …, 𝑁 − 1

8/73

73

8.5 DỊCH CHUYỂN VÒNG TRÒN

Ở biến đổi DFT dịch chuyển thời gian của chuỗi 𝒙(𝒏), trì hoãn hay
tới trước, hay dịch chuyển tần số, với 𝒌 tăng hay giảm, là dịch
chuyển vòng tròn (circular shift) chứ không phải dịch chuyển
tuyến tính (đường thẳng). Xem chuỗi 𝑥(𝑛) gồm N mẫu từ 𝑥(0) đến
𝑥(𝑁 − 1). Đối với dịch chuyển tới (tức trì hoãn hay dịch chuyển về
phải) một mẫu thì chuỗi mới sẽ là từ 𝑥(1) đến 𝑥(𝑁) với 𝑥 𝑁 = 𝑥(0)
cũ. Dịch chuyển kế tiếp sẽ cho chuỗi từ 𝑥(2) đến 𝑥(𝑁 + 1) với
𝑥 𝑁 = 𝑥(0) và 𝑥 𝑁 + 1 = 𝑥(1) cũ. Hình 8.6a minh họa các điều
vừa nói. Một cách khác dễ hình dung hơn là cho dịch chuyển chuỗi
𝑥(𝑛) quanh vòng tròn như thấy ở Hình 8.6b. Để ý dịch chuyển tới là
theo chiều kim đồng hồ và dịch chuyển lùi là theo chiều ngược lại.
8/74

74

37
 (a)

(b)

Hình 8.6: Dịch chuyển vòng trong của chuỗi 4 mẫu

8/75

75

Gọi chuỗi 𝑥(𝑛) có chiều dài hữu hạn N trong khoảng

0, 𝑁 − 1 và bằng 0 bên ngoài. Xem một chuỗi tuần hoàn 𝑥𝑝 (𝑛) tạo
ra từ 𝑥(𝑛) như sau
(8.32)

Trong đó 𝑚𝑜𝑑 𝑁 là phép toán modulo và ( 𝑛 )𝑁 là cách viết khác

của 𝑥(𝑛𝑚𝑜𝑑𝑁). Phép modulo được định nghĩa như

(8.33)

Đối với n dương, phép toán modulo là số dư sau khi chia 𝑛 cho N, ví
dụ:

8/76

76

38
Khi n dương chúng ta chọn dấu −, như vậy 0 < 𝑛 − 𝑖𝑁 < 𝑁, ví dụ
với 𝑁 = 3

Khi n âm chúng ta chọn dấu +, như vậy 0 < 𝑛 + 𝑖𝑁 < 0, ví dụ với

𝑁=3

8/77

77

Hình 8.7 cho biết phép toán 𝑛𝑚𝑜𝑑3.

Hình 8.7: Phép toán 𝑛 mod 3

8/78

78

39
 Chuỗi tuần hoàn 𝑥𝑝 (𝑛) định nghĩa ở (8.32) được gọi là nới rộng
tuần hoàn (periodic extension) của 𝑥(𝑛). Để ý là 𝑥𝑝 𝑛 = 𝑥(𝑛)
cho 0< 𝑛 < 𝑁 − 1 và 𝑥𝑝 (𝑛) nới rộng 𝑥(𝑛) một cách tuần hoàn ở
cả hướng dương (phía trước hoặc trì hoãn) và hướng âm (phía sau
hoặc tới trước). Chuỗi nguyên thủy 𝑥(𝑛) có thể được trích lại đúng
từ nới rộng tuần hoàn 𝑥𝑝 (𝑛) nếu không có sự chồng lấn (aliasing)
tín hiệu (trong miền thời gian), nghĩa là nếu 𝑥(𝑛) được hạn chế
thời gian để ngắn hơn 1 chu kỳ N của 𝑥𝑝 (𝑛) như minh họa ở Hình
8.8.
.
Ở nhiều nơi chúng ta đã gọi aliasing về mặt tần số là chồng phổ
hay hiện tượng tên giả.
8/79

79

Hình 8.8: Chuỗi không tuần hoàn dài L và nới rộng tuần hoàn
của nó khi N = L (không chồng lấn) và N < L (có chồng lấn)
8/80

80

40
 Từ nới rộng tuần hoàn (8.32) nới rộng tuần hoàn của chuỗi 𝑥(𝑛)
dịch chuyển 𝑛0 là

(8.34)

Ở dịch chuyển trên của nới rộng tuần hoàn là dịch chuyển vòng
tròn. Chúng ta có thể tưởng tượng N mẫu của chuỗi 𝑥(𝑛) được
quấn chung quanh vòng tròn đơn vị (Hình 8.6b) thì nới rộng tuần
hoàn 𝑥𝑝 (𝑛 − 𝑛0 ) sẽ biểu diễn tín hiệu 𝑥(𝑛) được dịch chuyển
ngược chiều kim đồng hồ 𝑛0 mẫu. Hình 8.9 minh họa sự dịch
chuyển của chuỗi 5 mẫu.

8/81

81

Nếu 𝑥(𝑛) nằm trong khoảng 𝑁1 ≤ 𝑛 ≤ 𝑁2 và 𝑖 là một số nguyên, thì

dịch chuyển vòng tròn của 𝑥(𝑛)𝑛0 mẫu là

Kết quả trên có nghĩa miễn là 𝒏 − 𝒏𝟎 nằm trong khoảng nguyên

thủy, chuỗi đã dịch chuyển vòng tròn giống như chuỗi dịch
chuyển tuyến tính. Nếu khác đi, chuỗi dịch chuyển vòng tròn nhận
được bằng cách tìm 1 số nguyên 𝑖 sao cho 𝑛 − 𝑛0 + 𝑖𝑁 nằm trong
khoảng của chuỗi nguyên thủy. Chúng ta có thể đối chiếu công thức
trên với hình 8.9

8/82

82

41
 8/83

83

Hình 8.9: Dịch chuyển tuyến tính chuỗi 𝑥(𝑛)

và dịch chuyển vòng tròn tương ứng của chuỗi 5 mẫu
8/84

84

42
Ví dụ 3.4.1
Cho chuỗi 𝑥 𝑛 = 𝟏, 2, 3, 0, 0, 5, 6, 7 tìm chuỗi dịch chuyển vòng tròn
(a) 𝑥(𝑛 − 2)
(b) 𝑥(𝑛 + 2)
(c) 𝑥(−𝑛)
Giải
(a)Với 𝑥(𝑛 − 2) chúng ta di chuyển hai mẫu cuối đến đầu, vậy
𝑥𝑐𝑠 𝑛 − 2 = 6, 7, 1, 2, 3, 0, 0, 5
(b) Với 𝑥(𝑛 + 2) chúng ta di chuyển hai mẫu đầu đến cuối, vậy
𝑥𝑐𝑠 𝑛 + 2 = 3, 0, 0, 5, 6, 7, 1, 2
(c) Với 𝑥(−𝑛) chúng ta đảo 𝑥(𝑛) thành 5, 0, 0, 3, 2, 1, 7, 𝟔
𝑥𝑐𝑠 𝑛 + 2 = 3, 0, 0, 5, 6, 7, 1, 2 8/85

85

Tính chất dịch chuyển vòng tròn của DFT N điểm (đã liệt kê ở
Bảng 8.1)
- Dịch chuyển vòng tròn thời gian 𝑛0 mẫu của chuỗi 𝑥(𝑛) :

(8.35)

- Dịch chuyển vòng tròn tần số 𝑘0 chỉ số :

(8.36)

8/86

86

43
Ví dụ 8.4.2
Cho tín hiệu 𝑥1 𝑛 = 𝛿 𝑛 + 2𝛿(𝑛 − 5)
(a)Tìm DFT 10 điểm 𝑋1 (𝑘)
(b)Tìm tín hiệu 𝑥2 (𝑛) có DFT là 𝑋2 𝑘 = 𝑒 𝑗4𝜋𝑘Τ10 𝑋1 (𝑘)
Giải
(a) Biết DFT của 𝛿(𝑛) là 1 nên dùng tính chất trì hoãn để được
(b) Nhân 𝑋1 (𝑘) với hàm mũ phức 𝑒 −𝑗2𝜋𝑘𝑚Τ𝑁 tương ứng với dịch
chuyển vòng tròn 𝑥1 (𝑛) m điểm. Ở đây 𝑚 = −2 nên chúng ta dịch
chuyển 𝑥1 (𝑛) hai điểm. Vậy
𝑥2 𝑛 = 2𝛿 𝑛 − 3 + 𝛿(𝑛 + 8)

8/87

87

Ví dụ 3.4.3
Cho tín hiệu 𝑥 𝑛 = [1, 1, 2, 3, 4, 5, 0, 0, 6]
(a) Tìm một chu kỳ của tín hiệu dịch chuyển vòng tròn 𝑥(𝑛 − 2)
(b) Như trên với 𝑥(𝑛 + 2)
(c) Như trên với 𝑥(−𝑛)

8/88

88

44
Giải
(a) Để tạo 𝑥(𝑛 − 2) chúng ta di chuyển hai mẫu cuối lên đầu, vậy

(b) Để tạo 𝑥(𝑛 + 2) chúng ta di chuyển hai mẫu đầu xuống cuối, vậy

(c) Để tạo tín hiệu 𝑥(−𝑛) từ 𝑥(𝑛) chúng ta dùng lật vòng tròn
(circular flipping), tức đảo trên vòng tròn, thành 0, 0, 6, 5, 4, 3, 2, 1
rồi tạo nới rộng tuần hoàn để được

8/89

89

Ví dụ 3.4.4
Tín hiệu 𝑥(𝑛) có DFT là 𝑋 𝑘 = 4, −𝑗2, 0, 𝑗2 với 𝑁 = 4.
Tìm DFT của
(a) Tín hiệu dịch chuyển vòng tròn thời gian , 𝑦 𝑛 = 𝑥 𝑛 − 2
(b) Tín hiệu đảo thời gian tức lật vòng tròn (circular flip) 𝑥 −𝑛
(c) Tín hiệu liên hiệp 𝑦 𝑛 = 𝑥 ∗ 𝑛

8/90

90

45
 Ví dụ 3.4.5
(a)Tín hiệu 𝑥(𝑛) có DFT 𝑋 𝑘 = 4, −𝑗2, 0, 𝑗2 với 𝑁 = 4, tìm
• DFT của tích số 𝑦 𝑛 = 𝑥 𝑛 𝑥 𝑛 = 𝑥 2 𝑛
• Nhân chập vòng tròn 𝑐 𝑛 = 𝑥 𝑛 ∗ 𝑥 𝑛
• Năng lượng tín hiệu
(b) Tín hiệu 𝑥 𝑛 = 1, 1, 2, 0 có DFT là 𝑋 𝑘 với 𝑁 = 4, tìm
• Tín hiệu có DFT là 𝑋 𝑘 − 1
• Tín hiệu của nhân chập 𝑋 𝑘 ∗ 𝑋 𝑘
• Tín hiệu có tích 𝑋 𝑘 𝑋 𝑘
Xem giải ví dụ 8.5.4 và 8.5.5 ở tài liệu 3

8/91

91

8.6 NHÂN CHẬP VÒNG TRÒN

Biết nhân chập của tín hiệu 𝑥(𝑛) với đáp ứng xung ℎ(𝑛) (hay
một tín hiệu nào khác) trong biến đổi DTFT là

(8.37a)

(8.37b)

Ở trên là nhân chập tuyến tính trong miền thời gian. Có hệ thức về
chiều dài
(8.38)

8/92

92

46
Trong đó 𝑁𝑦 , 𝑁𝑥 , 𝑁ℎ lần lượt là chiều dài của tín hiệu ra 𝑦(𝑛), tín hiệu vào
𝑥(𝑛), đáp ứng xung ℎ(𝑛) . Ở biến đổi DTFT có tính chất nhân chập thời
gian và nhân chập tần số đã biết:

(8.40)

Gọi 𝒙(𝒏) và 𝒉(𝒏) là hai chuỗi thời gian có cùng chiều dài N (nếu không
chúng ta độn không) và 𝒙𝒑 (𝒏) và 𝒉𝒑 (𝒏) là hai nới rộng tuần hoàn
tương ứng, nhân chập tuần hoàn (circular convolution) trong DFT, viết
𝒄(𝒏), được định nghĩa như

(8.41a)

(8.41b)
8/93

93

Vì 𝑚 𝑁
= 𝑚 khi 0 ≤ 𝑚 ≤ 𝑁 − 1 nên

(8.42a)

Thay vì viết nhân chập vòng tròn là 𝑥 𝑛 ∗ ℎ(𝑛), cách khác là chỉ
định luôn số mẫu N và viết 𝑐 𝑛 = 𝑥 𝑛 𝑁ℎ 𝑛 . Nhân chập vòng tròn
tuần hoàn ở chu kỳ N.

8/94

94

47
8.6.1 Tính chất
Giống như nhân chập tuyến tính, nhân chập vòng tròn có các tính chất

(8.43)

(8.44)

(8.45)

Tính chất đầu tiên là hoán vị, tính chất thứ hai là nhân chập trong thời
gian, và tính chất thứ ba là nhân chập trong tần số.

8/95

95

8.6.2 Tính toán

Việc tính toán nhân chập vòng tròn cũng tương tự như đối với
nhân chập tuyến tính nhưng ở đây là dịch chuyển vòng tròn. Có nhiều
phương pháp. Phương pháp đồ thị và phương pháp chuỗi được trình
bày qua ví dụ sau.
Ví dụ 3.5.1
Cho tín hiệu vào 𝑥(𝑛) và đáp ứng xung hệ thống ℎ 𝑛
𝑥 𝑛 = 2, 1, 2, −1
ℎ 𝑛 = 1, 2, 3, 4
Tìm tín hiệu ra qua nhân chập vòng tròn
𝑦 𝑛 = 𝑥 𝑛 ∗ ℎ(𝑛)

8/96

96

48
Giải
Phương pháp đồ thị được trình bày ở Hình 8.10
- Bước 1: Đổi biến số thời gian 𝑛 thành biến số thời gian tạm 𝑚 và
sắp xếp 𝑥(𝑚), ℎ(𝑚) trên hai vòng tròn đồng tâm với gốc 𝑚 = 0 cố
định chung (Hình 8.10a), tức ℎ(0) đối mặt với 𝑥(0).
- Bước 2: Gấp vòng tròn (còn gọi lật vòng tròn đã nói ở trước) ℎ(𝑚)

qua ℎ(0) để tạo ảnh gương ℎ(−𝑚) tức ℎ −𝑚 4

(Hình 8.10b).

Xong lấy tổng các tích 𝑥 𝑚 ℎ(−𝑚) để có 𝑦 0 = 10.

- Tạo dịch chuyển ℎ(𝑛 − 𝑚). Với 𝑛 dương, chúng ta dịch chuyển
vòng tròn ℎ(−𝑚) ngược chiều kim đồng hồ, và với 𝑛 âm chúng ta
dịch chuyển vòng tròn ℎ(−𝑚) chiều kim đồng hồ.
8/97

97

Ở mỗi lần dịch chuyển lấy tổng của cách tích 𝑥 𝑚 ℎ(−𝑚) như trên.

Hình 8.10c trình bày trường hợp ℎ(1 − 𝑚) tức ℎ 1 − 𝑚 4

và kết

quả là 𝑦 1 = 10. Lần dịch kế ℎ(2 − 𝑚) tức ℎ 2 − 𝑚 4

ở Hình

8.10d cho 𝑦 2 = 6.
Tiếp tục được 𝑦 3 = 14.
Kết quả của nhân chập vòng tròn là:
𝑦 𝑛 = 𝑥 𝑛 ∗ ℎ 𝑛 = 10, 10, 6, 14

8/98

98

49
 Hình 8.10 : Ví dụ 8.6.1
8/99

99

Có thể chỉ dùng một vòng tròn với 𝑥(𝑚) ở bên trong và ℎ(𝑚) dịch
chuyển chung quanh bên ngoài. Cách khác là dùng phương pháp
chuỗi (vector) như sau:

Kết quả như trước. Ngoài ra chúng ta có thể sắp xếp việc tính toán
theo cách riêng mình.
8/100

100

50
Ví dụ 3.5.2
Tính nhân chập vòng tròn của 𝑥1 (𝑛) và 𝑥2 (𝑛) cho sau đây:

0 , ngoài ra
Giải
Chúng ta sẽ dùng tính chất nhân chập thời gian của DFT nên tìm DFT
của 𝑥1 (𝑛) và 𝑥2 (𝑛) trước:

0 , ngoài ra

8/101

101

Vậy

0 , ngoài ra

Bây giờ lấy biến đổi DFT ngược của 𝑋(𝑘) để được nhân chập vòng
tròn N điểm:
𝑐 𝑛 = 𝑥 𝑛 𝑁𝑥 𝑛 = 𝑁 , 0≤ 𝑛 ≤ 𝑁 − 1

0 , ngoài ra

8/102

102

51
 Ví dụ 3.5.3
Cho hai chuỗi 𝑥(𝑛) và ℎ(𝑛)

Gọi 𝑋(𝑘) và 𝐻(𝑘) lần lượt là DFT 5 điểm của 𝑥(𝑛) và ℎ(𝑛).
Tạo tích

rồi lấy biến đổi ngược để có 𝑦(𝑛)

8/103

103

Giải
Bởi vì 𝑌(𝑘) là tích của hai DFT lưu ý 5 điểm 𝑋(𝑘) và 𝐻(𝑘) nên 𝑦(𝑛)
là nhân chập 5 điểm của 𝑥 𝑛 với ℎ(𝑛). Chúng ta tìm nhân chập vòng
tròn theo cách nào đó, ví dụ đồ thị. Ở đây vì 𝑥(𝑛) và ℎ(𝑛) là các
chuỗi đơn giản, chúng ta tính trực tiếp:

Trong đó 𝑥 𝑛 − 𝑘 𝑁
là cách viết cho 𝑥 𝑛 − 𝑘 𝑚𝑜𝑑𝑁 .

Vì ℎ 𝑛 = 1 cho 𝑛 = 0, 1, 2, 3 và ℎ 4 = 0, nhân chập 5 điểm là

8/104

104

52
Như vậy nhân chập vòng tròn bằng tổng của các trị giá của chuỗi

𝑥 𝑛−𝑘 5
, dịch chuyển vòng tròn từ 𝑘 = 0 đến 𝑘 = 3 .

Bởi vì 𝑥(𝑛) là

Như vậy 𝑦(0) là tổng của bốn trị đầu tiên của 𝑥 𝑛 − 𝑘 5
mà là

𝑦 0 = 6. Dịch chuyển vòng tròn chuỗi này về phải 1 mẫu, chúng ta

có

và lấy tổng bốn trị đầu cho 𝑦 1 = 6

Tiếp tục theo cùng cách thức sẽ được 𝑦 2 = 7, 𝑦 3 = 9, và
𝑦 4 =8. Tổng hợp lại, được kết quả 𝑦 𝑛 = 6, 6, 7, 9, 8
8/105

105

8.6.3 Tính toán dùng ma trận

Bởi vì nhân chập vòng tròn là biến đổi tuyến tính từ 𝑥(𝑛) đến 𝑐(𝑛)
nên nó có thể được phát biểu ở dạng ma trận như DFT. Trước tiên viết
chuỗi 𝑥(𝑛) và 𝑐(𝑛) như ma trận cột:
(8.46a)

(8.46b)
Bây giờ dạng ma trận của nhân chập vòng tròn là 𝒄 = 𝑪 𝒉 𝒙 (8.47)
Trong đó ma trận vuông 𝐶(ℎ) gồm các cột xoay vòng của ℎ(𝑛). Ví dụ
𝑁 = 4 ma trận là

(8.48)

8/106

106

53
8.6.4 Liên hệ nhân chập vòng tròn với nhân chập tuyến tính
Nếu 𝑦 𝑛 là nhân chập tuyến tính của hai chuỗi 𝑥(𝑛) và ℎ(𝑛) có cùng
chiều dài N thì nhân chập vòng tròn tương ứng của hai chuỗi là

(8.49)

Trong đó 𝑟𝑁 𝑛 là cửa sổ chữ nhật (rectangular window) theo định

nghĩa
(8.50)

8/107

107

Ví dụ 3.5.6
Xem tín hiệu 𝑥 𝑛 = 𝛿 𝑛 + 2𝛿(𝑛 − 5)
(a)Tìm DFT 10 điểm 𝑋(𝑘) của 𝑥(𝑛)
2𝜋Τ10
(b)Tìm chuỗi có DFT là 𝑍 𝑘 𝑌 𝑘 = 𝑒 𝑗2𝑘 𝑋(𝑘)
(c)Tìm chuỗi 10 điểm 𝑦(𝑛) có DFT là 𝑌 𝑘 = 𝑋 𝑘 𝑍(𝑘)
Trong đó 𝑍(𝑘) là DFT 10 điểm của chuỗi

Xem bài giải Ví dụ 3.5.6 ở tài liệu 3.

8/108

108

54
8.6.5 Độn không để tìm nhân chập vòng tròn bằng nhân chập
tuyến tính
Trong các thảo luận ở trước chúng ta giả sử các chuỗi tín hiệu
và đáp ứng xung có cùng chiều dài N, nếu không thì phương pháp độn
không (zero padding) được dùng để các chuỗi có độ dài như nhau.
Ngoài ra sự độn không giúp các chuỗi có độ dài là bội số nguyên của
2 khi cần. Trong mục này việc độn không có mục đích khác, đó là để
suy nhân chập vòng tròn từ nhân chập tuyến tính. Xem chuỗi 𝑥(𝑛) có
chiều dài 𝑁𝑥 , chuỗi ℎ(𝑛) có chiều dài 𝑁ℎ . Chiều dài của kết quả nhân
chập tuyến tính là 𝑁𝑥 + 𝑁ℎ − 1. Bây giờ độn không hai chuỗi để có
chiều dài như nhau và bằng 𝑁𝑥 + 𝑁ℎ − 1 hoặc lớn hơn:
8/109

109

(8.51a)
(8.51b)
Chúng ta sẽ có nhân chập vòng tròn bằng với nhân chập tuyến tính.
Xem nhân chập vòng tròn
Nếu ℎ𝑧𝑝 (𝑛) là nới rộng tuần hoàn của ℎ𝑧 (𝑛) thì nhân chập vòng tròn
là:
(8.52)

Vì 0 ≤ 𝑚 ≤ 𝑁ℎ và 0 ≤ 𝑚 ≤ 𝑁𝑥 trị tối thiểu cho 𝑛 − 𝑚 là −(𝑁ℎ − 1).

Nhưng ℎ2 (𝑚) có 𝑁ℎ − 1 độn không ở cuối nên ℎ𝑧𝑝 −𝑚 = 0 cho 0 ≤
𝑚 ≤ 𝑁ℎ . Điều này có nghĩa ℎ𝑧𝑝 (𝑛 − 𝑚) có thể được thay thế bởi
ℎ2 (𝑛 − 𝑚), mà như vậy 𝑐(𝑛) là nhân chập tuyến tính của 𝑥(𝑛) với ℎ(𝑛).
Nếu chúng ta độn thêm không để có kết quả cũng sẽ như vậy.
8/110

110

55
 Ví dụ 3.5.8
Cho hai chuỗi
(a) Tìm nhân chập vòng tròn và so sánh với nhân chập tuyến tính
(b) Độn không hai chuỗi để nhân chập vòng tròn cho nhân chập tuyến
tính
Giải
(a) Dùng phương pháp nào đã biết để tính nhân chập vòng tròn sẽ được
𝑐 0 = 1×1+0×3+1×4+1×2 = 7
𝑐 1 = 1×2+0×1+1×3+1×4 = 9
𝑐 2 = 1×4+0×2+1×1+1×3 = 8
𝑐 4 = 1×3+0×4+1×2+1×1 = 6

8/111

111

Vậy nhân chập vòng tròn là c 𝑛 = 𝑥 𝑛 ∗ ℎ 𝑛 = 𝟕, 9, 8, 6

Trong lúc nhân chập tuyến tính cho kết quả
𝑦 𝑛 = 𝑥 𝑛 ∗ ℎ 𝑛 = 𝟏, 2, 4, 7, 5, 7, 4
Hai nhân chập rất khác nhau.
(b) Vì mỗi chuỗi cho có 4 mẫu nên nhân chập tuyến tính sẽ có
4 + 4 − 1 = 7 mẫu. Như vậy chúng ta thêm 3 không ở cuối mỗi
chuỗi:
𝑥𝑧 𝑛 = 1, 0, 1, 1, 0, 0, 0
ℎ𝑧 𝑛 = 1, 2, 3, 4, 0, 0, 0

8/112

112

56
Bây giờ nhân chập vòng tròn là:
𝑐𝑧 0 = 1 × 1 + 0 × 0 + 1 × 0 + 1 × 0 + 0 × 0 + 0 × 4 + 0 × 3 = 1
𝑐𝑧 1 = 1 × 2 + 0 × 1 + 1 × 0 + 1 × 0 + 0 × 0 + 0 × 4 + 0 × 3 = 2
…
Kết quả là 𝑐 𝑛 = 𝑥 𝑛 ∗ ℎ 𝑛 = 1, 2, 4, 7, 5, 7, 4
giống như nhân chập tuyến tính.
Hình 8.11 giải thích tại sao nhân chập vòng tròn bằng nhân
chập tuyến tính hay không. Khi 𝑁 < 𝑁𝑥 + 𝑁ℎ − 1 có sự chồng lấn
(aliasing) giữa nhân chập vòng tròn của các chu kỳ kế của 𝑥 𝑛 và
ℎ(𝑛). Khi 𝑁 ≥ 𝑁𝑥 + 𝑁ℎ − 1 sẽ không có sự chồng lấn.

8/113

113

(a)

8/114

114

57
 (b)

Hình 8.11: Nhân chập hai chuỗi tuần hoàn 𝑥(𝑛) và ℎ(𝑛)
(a) Khi 𝑁 ≥ 𝑁𝑥 + 𝑁ℎ − 1 có chồng lấn, khi 𝑁 ≥ 𝑁𝑥 + 𝑁ℎ − 1 không
có chồng lấn
8/115

115

Ví dụ 3.5.9
Cho hai chuỗi

(a) Dùng DFT và IDFT để tìm đáp ứng của hệ thống

(b) Nếu tính nhân chập vòng tròn 6 điểm, kết quả sẽ là gì?
(c) Xác định đáp ứng khi dùng DFT 4 điểm
Giải
Đáp ứng của hệ thống là 𝑦 𝑛 = 𝑥 𝑛 ∗ ℎ(𝑛)
Ở đây là tính DFT của 𝑥(𝑛) và của ℎ(𝑛) rồi nhân với nhau và tính
IDFT để có 𝑦(𝑛)

8/116

116

58
(a) Vì chiều dài của 𝑥(𝑛) là 𝐿𝑥 = 4, của đáp ứng xung là 𝐿ℎ = 3.
Nhân chập tuyến tính hai chuỗi sẽ có chiều dài 𝐿𝑦 = 6. Do đó chúng
ta dùng DFT ít nhất 6 điểm ví dụ 8 điểm. Vậy DFT của 𝑥 𝑛 là

Tính ra

8/117

117

DFT của ℎ(𝑛) là:

Tính ra

Tiếp theo tính tích 𝑌 𝑘 = 𝑋 𝑘 𝐻(𝑘), kết quả:

8/118

118

59
Sau cùng lấy biến đổi IDFT của 𝑌(𝑘) để có đáp ứng 𝑦(𝑛):

Kết quả 𝑦 𝑛 = 𝟏, 4, 9, 11, 8, 3, 0, 0

Sáu trị đầu của 𝑦(𝑛) là đáp ứng mong muốn, hai trị không ở sau là do chúng
ta đã độn không để dung DFT 8 điểm trong khi số điểm tối thiểu là 6.
(b) Nhân hai DFT tương ứng với nhân chập vòng tròn trong miền thời gian
nhưng việc độn hai chuỗi 𝑥(𝑛) và 𝑦(𝑛) đủ mẫu không làm nhân chập vòng
tròn cho kết quả như nhân chập tuyến tính. Nếu bây giờ chúng ta tính nhân
chập vòng tròn 6 điểm hai chuỗi có độn không

8/119

119

sẽ được kết quả: 𝑦 𝑛 = 𝟏, 4, 9, 11, 8, 3

Như là nhân chập tuyến tính ở (a).
(c) DFT 4 điểm của ℎ 𝑛 :

Tính ra:
DFT 4 điểm của ℎ(𝑛):

Lập tích

8/120

120

60
 IDFT 4 điểm

Nếu chúng ta tính nhân chập vòng tròn 4 điểm của 𝑥 𝑛 với
ℎ 𝑛 sẽ thấy có cùng kết quả như 𝑦(𝑛) ở trên.
So sánh kết quả 𝑦(𝑛) ở (c) với ở (a) và (b), chúng ta thấy rõ
hậu quả chồng lấn. Cụ thể
𝑦 4 chồng lấn 𝑦(0) cho 𝑦ො 0 = 𝑦 0 + 𝑦 4 = 9
𝑦 5 chồng lấn 𝑦(1) cho 𝑦ො 1 = 𝑦 1 + 𝑦 5 = 7
Các trường hợp khác không có chồng lấn vì 𝑦 𝑛 = 0 khi 𝑛 ≥ 6 nên
𝑦ො 2 = 𝑦 2 = 9 𝑦ො 3 = 𝑦 3 = 11
8/121

121

8.7 TƯƠNG QUAN

Nhân chập (convolution) là một phép toán quan trọng và phổ biến trong
xử lý tín hiệu liên tục thời gian (tương tự) và rời rạc thời gian (số). Nhân chập bắt
đầu từ định nghĩa có vẻ tréo ngoe (gấp tín hiệu trước khi dịch chuyển) nhưng nhờ
đó nó trở thành biểu diễn quan trọng cho các hệ thống tuyến tính và được xử lý ở
biến đổi Laplace, z và Fourier.
Cũng như nhân chập, tương quan (correlation) được định nghĩa cho tín
hiệu tương tự lẫn số nhưng không diễn tả sự tương tác giữa tín hiệu và hệ thống,
trong khi sức mạnh của nhân chập nằm ở khả năng này. Tương quan giữa hai tín
hiệu đo sự tương tự (giống nhau) giữa chúng, đây là tương quan chéo
(crosscorrelation). Tuy nhiên tương quan của tín hiệu với chính nó cũng có ý nghĩa,
đây là tự tương quan (autocorrelation). Tương quan được ứng dụng trong các lĩnh
vực như ra-đa, truyền thông dữ liệu, địa vật lý, và các quá trình ngẫu nhiên.
Thường nói tương quan là ám chỉ tương quan chéo.
8/122

122

61
8.7.1 Biểu đồ tương quan
Một cách để thể hiện sự tương quan của hai tín hiệu là biểu đồ
tương quan (correlogram) như thấy ở Hình 8.12) đối với tín hiệu
tương tự và Hình 8.13 và 8.14 đối với tín hiệu thời gian rời rạc.
Nhược điểm của biểu đồ thời gian là chỉ hiệu quả đối với các
tín hiệu đơn giản hoặc có mối liên hệ đơn giản. Ngoài ra rất khó diễn
giải.
Cách hiệu quả hơn là diễn tả sự tương quan của hai tín hiệu
liên tục và rời rạc theo quy định nghĩa toán học cụ thể.

8/123

123

Hình 8.13: Biểu đồ tương quan của hai tín hiệu tương tự x1(t) và x2(t)

8/124

124

62
 Hình 8.14: Biểu đồ tương quan của hai tín hiệu rời rạc thời gian

8/125

125

Hình 8.18: Biểu đồ tương quan của hai tín hiệu rời rạc thời gian

8/126

126

63
8.7.2 Tương quan chéo
Tương quan chéo của hai tín hiệu thường được gọi tắt là tương quan.
Tương quan giữa hai tín hiệu thời gian liên tục 𝑥(𝑡) và 𝑣(𝑡), viết
𝑟𝑥𝑣 (𝜏), được định nghĩa:

(8.53a)

hoặc
(8.53b)

Trong đó 𝜏 là thông số dịch chuyển thời gian. Cho một tín hiệu dịch
chuyển ngang qua tín hiệu kia đứng yên, ở mỗi dịch chuyển chúng ta
tính tương quan 𝑟𝑥𝑣 𝜏 rồi vẽ sự biến thiên của 𝑟𝑥𝑣 𝜏 theo 𝜏.
Có tác giả định nghĩa khác với trên. 8/127

127

Nếu tín hiệu là phức thì hai biểu thức trên dùng 𝑣 ∗ (𝑡 − 𝜏) và 𝑣 ∗ 𝑡 thay cho
𝑣 𝑡 − 𝜏 và 𝑣 𝑡 lần lượt.
Tương quan của hai tín hiệu thời gian rời rạc 𝒙(𝒏) và 𝒗 𝒏 được định
nghĩa:
(8.54a)

hoặc tương đương

(8.54b)

Chỉ số 𝑚 là dịch chuyển thời gian (time shift) còn gọi độ trễ (lag). Vậy
tương quan chéo đo sự giống nhau giữa hai tín hiệu khi một tín hiệu dịch
chuyển qua tín hiệu kia đứng yên, khác với ở nhân chập tín hiệu lật lại (đảo
thời gian) rồi mới dịch chuyển.
8/128

128

64
Nếu chúng ta đảo vị trí của 𝑣(𝑛) và 𝑥(𝑛), sẽ có

hoặc tương đương

Như vậy
(8.55)

Điều này có nghĩa là khi đảo thứ tự hai tín hiệu thì kết quả là ảnh
gương của nhau qua nhưng chứa cùng một thông tin.
Ở trên là định nghĩa đối với tín hiệu năng lượng (energy
signal) là tín hiệu có năng lượng tín hiệu (signal energy) hữu hạn.

8/129

129

Nhớ lại là ở DTFT và DFT chúng ta có định lý Parseval liên hệ năng

lượng trong miền thời gian và năng lượng trong miền biến đổi. Đối
với tín hiệu công suất (power signal), là tín hiệu có năng lượng vô
hạn nhưng công suất trung bình hữu hạn (ví dụ tín hiệu sin và các tín
hiệu tuần hoàn), định nghĩa có thay đổi:

(8.56a)

hoặc

(8.56b)

8/130

130

65
Đặc biệt đối với tín hiệu tuần hoàn ở chu kỳ N thì trung bình được lấy
trong một chu kỳ N của tín hiệu:

(8.57a)

hoặc

(8.57b)

Đối với tín hiệu phức thì thế 𝑣(𝑛 − 𝑚) bằng 𝑣 ∗ 𝑛 − 𝑚 và 𝑣(𝑛) bằng
𝑣 ∗ (𝑛).

8/131

131

Ví dụ 3.6.1
Tìm tương quan của hai tín hiệu năng lượng 𝑥1 (𝑡) và 𝑥2 (𝑡) và ở
Hình 8.15a

Hình 8.15a: Ví dụ 8.7.1 (tín hiệu và tương quan)

Giải
Tương quan của hai tín hiệu tương tự cho bởi

8/132

132

66
Để tính tương quan chúng ta cho tín hiệu 𝑥2 (𝑡) dịch chuyển ngang
qua tín hiệu 𝑥1 (𝑡) từ xa bên trái qua xa bên phải như thấy ở Hình
8.15b.
• Trường hợp 𝜏 > 4 : Hai tín hiệu không có phần chồng nhau nên
𝑟12 𝜏 = 0

• Trường hợp 2 < 𝜏 < 4 :

• Trường hợp 0 < 𝜏 < 2 :

• Trường hợp −2 < 𝜏 < 0 : Do sự đối xứng nên kết quả như trường
hợp 0 < 𝜏 < 2 , tức 𝑟12 𝜏 = −4𝜏
8/133

133

Hình 8.15b: Ví dụ 8.6.1 (tính tương quan)

8/134

134

67
• Trường hợp −2 < 𝜏 < 0 : Cũng do sự đối xứng, với trường hợp
2 < 𝜏 < 4 nên 𝑟12 𝜏 = 4(𝜏 − 4)

• Trường hợp 𝜏 < −4 : Hai tín hiệu không chồng nhau nên
𝑟12 𝜏 = 0

Kết quả tương quan 𝑟12 𝜏 được trình bày ở Hình 8.15b.

8/135

135

Ví dụ 3.6.2
Tìm tương quan của hai tín hiệu công suất

Giải
Chúng ta tính tương quan theo định nghĩa

Ở đây

8/136

136

68
Dùng hệ thức

để được

Tiếp theo dùng

8/137

137

để được

8/138

138

69
 Tiếp theo dùng công thức chuỗi hình học hữu hạn
𝑁−1
1 − 𝑎𝑁
𝑛
෍ 𝑎 = 𝑁,𝑎 = 1; = , khác đi
1−𝑎
𝑛=0
dẫn đến kết quả tương quan

8/139

139

Để hiểu rõ thêm hãy xem một số hạng trong ngoặc như

Tỉ số không bao giờ lớn hơn hai về độ lớn bất chấp trị giá N,
còn mẫu số là một hằng số. Do đó khi N tiến về vô tận thì
phân số này được giới hạn. Các phân số khác cũng vậy. Do có
thừa số 1Τ𝑁 chung nên tương quan 𝑟𝑥𝑣 (𝑚) tiến về không khi
N tiến về vô tận, và như vậy hai tín hiệu không tương quan.
Kết luận chung là hai tín hiệu sin ở hai tần số khác nhau
không tương quan nhau.
8/140

140

70
Ví dụ 3.6.3
Tính tương quan chéo của hai tín hiệu

Ví dụ 3.6.4
Tính tương quan hai tín hiệu

Ví dụ 3.6.5
Tính tương quan của hai tín hiệu sau:

Xem bài giải ví dụ 3.6.3, 3.6.4, 3.6.5 ở tài liệu 3

8/141

141

Ví dụ 3.6.6
Cho hai tín hiệu

Tính tương quan.

Giải

Tổng được chi làm hai khoảng của 𝑚 tùy thuộc vào chiều dịch
chuyển của 𝑣(𝑛) qua 𝑥 𝑛 :
• Khi 𝑚 < 0, 𝑣(𝑛) dịch chuyển trái qua 𝑥(𝑛), giới hạn dưới của
tổng là 𝑛 = 0:
8/142

142

71
trong đó công thức chuỗi hình học vô hạn đã được dùng.

Vì 𝑚 < 0, chúng ta viết:

• Khi 𝑚 ≥ 0, 𝑣(𝑛) dịch chuyển phải qua 𝑥(𝑛), giới hạn dưới của
tổng là 𝑛 = 𝑚:

Đổi biến 𝑘 = 𝑛 − 𝑚:

8/143

143

Vì 𝑚 ≥ 0 chúng ta viết:

Tổng lại được

8/144

144

72
8.7.3 Tự tương quan
Tự tương quan của một tín hiệu là tín hiệu tương quan chéo với chính
nó. Không có tự nhân chập. Tư tương quan là:

(8.59a)
hay tương đương
(8.59b)

Ở 𝑚 = 0 (chưa có dịch chuyển) tự tương quan là cực đại bởi vì tín

hiệu chồng hoàn toàn lên chính nó. Tự tương quan giảm khi m tăng
lên ở cả hai chiều, vậy tự tương quan là hàm đối xứng chẵn:
(8.60)
Tự tương quan của tín hiệu tương tự cũng tương tự.
8/145

145

Ví dụ 3.6.8
Chứng tỏ tự tương quan của một tổng hai tín hiệu sin ở hai tần số
khác nhau là tổng tự tương quan của hai tín hiệu sin đó.

Giải
Xem hai tín hiệu sin

Tự tương quan là

8/146

146

73
Tự tương quan được phân ra bốn số hạng:

với

8/147

147

Tương quan 𝑟12 (𝑚) và 𝑟21 (𝑚) bằng không vì là tương quan hai tín
hiệu sin khác tần số như kết luận ở Ví dụ 8.7.2.
Còn lại 𝑟𝑥𝑥 𝑚 = 𝑟1 𝑚 + 𝑟2 (𝑚) như mong muốn.
Ví dụ 3.6.9
Tìm tự tương quan của tín hiệu 𝑥 𝑛 = 𝑎𝑛 𝑢(𝑛), 𝑜 < 𝑎 < 1

Giải
Có

+ (𝑚) cho 𝑚 ≥ 0 rồi

Vì 𝑟𝑥𝑥 (𝑚) là hàm chẵn chúng ta chỉ cần tính 𝑟𝑥𝑥
phát sinh kết quả cho toàn tự tương quan. Khi 𝑚 ≥ 0,

8/148

148

74
 Đổi biến số 𝑘 = 𝑛 − 𝑚 :

Áp dụng công thức chuỗi hình học vô hạn, được

Hình 8.16 : Tự tương quan

của tín hiệu 𝑥 𝑛 = 𝑎𝑛 𝑢(𝑛)

8/149

149

Kết quả trên là cho 𝑚 > 0. Với tất cả 𝑚 chúng ta chỉ cần thế 𝑚 cho
𝑚 do tính đối xứng chẵn của tự tương quan. Vậy

Kết quả được thể hiện ở Hình 8.16. Chúng ta thấy có sự đối xứng
chẵn 𝑟𝑥𝑥 𝑚 = 𝑟𝑥𝑥 (−𝑚) và đỉnh xảy ra ở 𝑟𝑥𝑥 (0).

8/150

150

75
8.7.4 Tương quan và truyền thông dữ liệu
Xem tín hiệu số 𝑥(𝑛) truyền theo kênh truyền đến đầu thu ở
xa. Nó đến muộn 𝑛0 mẫu so với lúc truyền đi và trở thành 𝑥(𝑛 − 𝑛0 ),
đồng thời với nhiễu cộng 𝑧(𝑛). Vậy tín hiệu toàn thể nhận được ở đầu
thu là 𝑦 𝑛 = 𝑥 𝑛 − 𝑛0 + 𝑧(𝑛)
Tương quan của 𝑦(𝑛) và 𝑥(𝑛) là

(8.61)
8/151

151

Kết quả trên cho thấy tương quan chéo gồm hai thành phần:
tự tương quan 𝑟𝑥𝑥 (𝑚 − 𝑛0 ) của tín hiệu truyền đi nhưng dịch chuyển
thời gian, và tương quan chéo 𝑟𝑧𝑥 (𝑚) giữa tín hiệu truyền đi 𝑥(𝑛) và
nhiễu 𝑧(𝑛). Do đó bằng cách xem xét 𝑟𝑦𝑥 (𝑚) chúng ta biết được sự
trì hoãn 𝑛0 của tín hiệu đến đầu thu.
Tự tương quan và năng lượng của tín hiệu
Xem tín hiệu 𝑥(𝑛) tương quan với chính nó

Ở độ dịch chuyển (độ trễ) 𝑚 = 0

8/152

152

76
Trong đó E là năng lượng chuẩn hóa của tín hiệu. Kết quả này cung
cấp một cách để tính năng lượng tín hiệu. Ngoài ra khi tín hiệu là
thuần ngẫu nhiên (ví dụ nhiễu Gauss) tự tương quan lớn nhất ở
𝑚 = 0 , sau đó dao động ngẫu nhiên chung quanh trị không.
Đây là cách để khử tính ngẫu nhiên của tín hiệu.

Xác định tín hiệu tuần hoàn trong nền nhiễu

Tín hiệu 𝑦(𝑛) đến đầu thu gồm tín hiệu mang dữ liệu 𝑥 𝑛 truyền đi
và nhiễu quấy rối 𝑧(𝑛)

Tự tương quan của tín hiệu nhận được trong thời gian M mẫu khá dài
so với N là:

8/153

153

Thế biểu thức của 𝑦 𝑛 vào tự tương quan trên, được

8/154

154

77
 Bởi vì tín hiệu 𝑥(𝑛) là tuần hoàn ở chu kỳ N, tự tương quan 𝑟𝑥𝑥 (𝑚)
cũng tuần hoàn với đỉnh ở 𝑚 = 0, 𝑁, 2𝑁, …
Tương quan chéo 𝑟𝑥𝑧 (𝑚) và 𝑟𝑧𝑥 (𝑚) của tín hiệu và nhiễu là khá
nhỏ bởi vì tín hiệu và nhiễu không có tương quan nhau. Số hạng
cuối cùng 𝑟𝑧𝑥 (𝑚) là tự tương quan của nhiễu, có có đỉnh ở 𝑚 = 0
và suy giảm nhanh về không do bản chất ngẫu nhiên của nó. Như
vậy còn lại 𝑟𝑥𝑥 (𝑚) là lớn nhất.
Đặc điểm này cho phép chúng ta phát hiện tín hiệu 𝑥(𝑛) tuần hoàn
ngay cả khi nhiễu quấy rối có biên độ so sánh được với tín hiệu
hoặc cả lớn hơn. Phương pháp tương quan đã được dùng để xác
định cao độ (pitch) (tức tần số căn bản) của tiếng nói và âm nhạc.
8/155

155

Ví dụ 3.6.11
Thiết lập tương quan chéo giữa hai tín hiệu nhiễm nhiểu để xem có
thể rút ra kết luận gì.
Giải
Gọi hai tín hiệu nhiễm nhiễu là
𝑥1 𝑡 = 𝑠1 𝑡 + 𝑧1 (𝑡) và 𝑥2 𝑡 = 𝑠2 𝑡 + 𝑧2 (𝑡)
trong đó 𝑠1 (𝑡), 𝑠2 (𝑡) là tín hiệu mang thông tin 𝑧1 𝑡 , 𝑧2 (𝑡) là nhiễu
quấy rầy. Tương quan chéo là

8/156

156

78
 8/157

157

Do không có sự tương quan giữa tín hiệu 𝑠1 với nhiễu 𝑧2 , giữa tín
hiệu 𝑠2 với nhiễu 𝑧1 , và giữa hai nhiễu 𝑧1 , 𝑧2 nên ba số hạng cuối của
phương trình rất nhỏ (giảm về không khí khi độ trễ 𝑚 tăng). Với N
lớn phương trình trên trở thành

trong đó 𝑠ҧ là trị trung bình của 𝑠1 , v.v. Như vậy khi 𝑚 tăng lên,
𝑟12 𝑚 = 𝑟𝑠1𝑠2 (𝑚) là tương quan chéo của hai tín hiệu, tức loại trừ
được ảnh hưởng của nhiễu.

8/158

158

79
8.7.5 Tương quan vòng tròn
Cũng như nhân chập có nhân chập tuyến tính và nhân chập vòng tròn,
tương quan cũng gồm tương quan tuyến tính và tương quan vòng
tròn (circular correlation). Ở trước tương quan được định nghĩa đối
với các tín hiệu thực, còn đối với tín hiệu 𝑥(𝑛) và 𝑣(𝑛) phức định
nghĩa của tương quan tuyến tính có thay đổi:

(8.64a)

hay

(8.64b)

8/159

159

trong đó * chỉ liên hiệp phức. Tương quan vòng tròn N điểm của hai
tín hiệu phức 𝑥(𝑛) và 𝑣(𝑛) dài N là:

trong đó 𝑥𝑝 (𝑛), 𝑣𝑝 (𝑛) lần lượt là nới rộng tuần hoàn của chuỗi 𝑥(𝑛)
và 𝑣(𝑛) và 𝑟𝑁 𝑛 là cửa sổ chữ nhật (8.50).
Thật ra có vài cách định nghĩa tương quan vòng tròn khác nhau.
Không sao, tương quan vòng tròn ít được dung. Tương quan vòng
tròn có tính chất

(8.66)

8/160

160

80
tức để tính 𝑟෦
𝑥𝑣 (𝑚) , thay vì tính trực tiếp từ định nghĩa, chúng ta tính 𝑋 𝑘 ,

𝑉 ∗ (𝑘), tích 𝑋(𝑘)𝑉 ∗ (𝑘) rồi lấy biến đổi DFT ngược. Cũng có định nghĩa
thêm thừa số 1Τ𝑁 ở trước.
Thật ra tương quan tuyến tính cũng có tính chất như trên và cách tính qua
trung gian của DFT được gọi là tương quan nhanh (fast correlation).
Ví dụ 3.6.12
Xem hai chuỗi

(a) Tìm nhân chập vòng tròn N điểm của 𝑥(𝑛) với 𝑣(𝑛)
(b) Tìm tương quan vòng tròn N điểm của 𝑥(𝑛) với chính nó (tức tự tương
quan)
(c) Tìm tương quan vòng tròn N điểm của 𝑥(𝑛) với 𝑣(𝑛)

8/161

161

Giải
(a) Bởi vì chỉ có hai hệ số trong DFT của 𝑥(𝑛) và 𝑣(𝑛) khác không
nên cách dễ nhất là tìm IDFT của tích 𝑋1 (𝑘)𝑋2 (𝑘). Với

Các DFT N điểm là

8/162

162

81
 Như vậy

Và IDFT là hàm sin có biên độ 𝑁Τ2:

8/163

163

(b) DFT của tự tương quan vòng tròn của 𝑥1 (𝑛), chúng ta có

Kết quả :

(c) DFT của tương quan vòng tròn của 𝑥(𝑛) với 𝑣 𝑛 là:

Kết quả :

8/164

164

82
 HẾT CHƯƠNG 8

8/165

165

83