Professional Documents
Culture Documents
8/1
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:
8/3
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)
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
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)
8/9
Biến đổi Fourier rời rạc DFT (discrete Fourier transform) của tín
(8.7a)
(spectral point) hay chỉ số phổ (spectral index). Viết X(k) như trên
(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)
𝑛 = 0, 1, … , 𝑁 − 1 (IDFT)
(8.8b)
8/11
11
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)
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
.
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
8/19
19
Giải
(a) Tín hiệu và các mẫu được trình bày ở Hình 8.3a. Các mẫu là
các hệ số là
8/20
20
10
Vậy
8/21
21
(a) (b)
8/22
22
11
(c)
8/23
23
(a) Tín hiệu và các mẫu được trình bày ở Hình 8.3b. Các mẫu là
(b) Tín hiệu và các mẫu được trình bày ở Hình 8.3c. Các mẫu là
8/24
24
12
8.24 Thừa số xoay
(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,
8/27
27
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
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
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
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:
36
18
Ví dụ 3.1.5
Một tín hiệu tương tự 𝑥𝑎 (𝑛) giới hạn tần số ở 10 kHz được lấy
,
,
)
(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:
hay
8/38
38
19
Với 𝑘 = 800, chúng ta cần cẩn thận. Bởi vì 𝑋(𝜔) tuần hoàn ở chu kỳ
2𝜋,
hay
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
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
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
8/51
51
(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:
53
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.
(8.23)
8/55
55
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
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
8/61
61
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
8/66
66
33
Vậy DFT là 𝑿 = 𝑾𝒙 nên tìm được
hay 𝑋 𝑘 = 𝟒, 3 + 𝑗3, 2, 3 − 𝑗3
67
Bảng 8.1: Các tính chất chính của biến đổi Fourier rời rạc DFT
8/68
68
34
8/69
69
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)
8/71
71
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.
8/73
73
74
37
(a)
(b)
8/75
75
(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
8/77
77
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
8/82
82
41
8/83
83
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)
(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
(8.37a)
(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
8/96
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)
97
Ở mỗi lần dịch chuyển lấy tổng của cách tích 𝑥 𝑚 ℎ(−𝑚) như trên.
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
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 .
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
105
(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)
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
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)
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
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
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
Tính ra
8/118
118
59
Sau cùng lấy biến đổi IDFT của 𝑌(𝑘) để có đáp ứng 𝑦(𝑛):
8/119
119
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
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)
(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
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
(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
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 < 0 : Do sự đối xứng nên kết quả như trường
hợp 0 < 𝜏 < 2 , tức 𝑟12 𝜏 = −4𝜏
8/133
133
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
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
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:
141
Ví dụ 3.6.6
Cho hai tín hiệu
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.
• 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:
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)
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
8/148
148
74
Đổi biến số 𝑘 = 𝑛 − 𝑚 :
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
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.
Tự tương quan của tín hiệu nhận được trong thời gian M mẫu khá dài
so với N là:
8/153
153
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
8/162
162
81
Như vậy
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