Sveučilište u Splitu

Pomorski fakultet

Fourierova analiza signala

Joško Šoda
Sažetak izlaganja:

• Podjela signala

• Fourierov niz

• Fourierov integral

• Uzorkivanje signala

• Frekvencijski odziv kod diskretnih sekvenci

• Diskretna Fourierova transformacija

• Zaključak
Ciljevi:

• predstaviti temeljne vrste signala

• predstaviti temelje spektralne analize signala

• predstaviti i razlikovati tri vrste spektralne analize signala (Fourierov niz, Fourierov integral i
diskretnu fourierovu transformaciju)
Podjela signala
- Informacija u signalu je sadržana od uzoraka varijacija u nekoj formi.

- Primjerice, ljudski govor se predstavlja kao fluktuiranje akustičkog tlaka, dok se monokromatska slika predstavlja kao
variranje u osvjetljenju duž slike.

- Matematički, signal se zapisuje kao funkcija od jedne ili više nezavisnih varijabli.

Slika. Predstavljanje fizikalnih fenomena signalima, a.) relativna osjetljivost ljudskog

oka u funkciji valne duljine, b.) relativna potrošnja el. energije u funkciji vremena
- osnovna podjela signala je na vremenski kontinuirane i vremenski diskretne

- kontinuirani signal se zapisuje kao vremenska funkcija f(x)=x(t)

- diskretni signal ili diskretna sekvenca, xn ili x[n], je niz vrijednosti koji se označavaju indeksom n.

- Obično se diskretni signali dobivaju uzorkivanjem kontinuiranog signala u vremenskim razmacima T koji su određeni
frekvencijom uzorkivanja fs = 1/T.
- kontinuirani i diskretni signali se mogu podijeliti na periodičke i aperiodičke signale

- za kontinuirani signal se kaže da je periodičan ako vrijedi x(t+T)=x(t), gdje se sa T označava osnovni period signala

- za diskretni signal se kaže da je periodičan ako vrijedi x[n+N]=x[n], gdje je sa N označen osnovni period signala
- kontinuirani i diskretni signali dijele se na stacionarne i nestacionarne signale
- stacionarni signal je onaj signal kojemu se svojstvo (frekvencijski sadržaj) vremenski ne mijenja (nije
važno vrijeme snimanja za određivanje svojstava)

- nestacionarni signal je onaj signal kojemu se svojstvo (frekvencijski sadržaj) vremenski mijenja
 - poboljšavanje rezolucije svemirskih
svemir i fotografija
• Područja gdje se koristi analiza signala: svemirska - sažimanje podataka
istraživanja - analiza signala koji dolaze iz udaljenih
svemirskih objekata

-dijagnostička medicina koja se temelji na

višedimenzionalnim signalima (MRI, CT,
utrazvuk i dr.)
• razvoj (digitalne) obrade signala je započeo razvojem medicina - analiza elektrokardiogramskog signala
(EEG)
računala, 60-tih godina 20. stoljeća - spremanje slikovnih podataka

- sažimanje slikovnih u zvukovnih signala za

multimedijalne prezentacije
komericjalne - specijalni efekti u filmovima
• 80-tih godina 20. stoljeća (digitalna) obrada signala je primjene - video konferencije

smatrana naprednim programom i predavala se samo na

poslijediplomskim kolegijima - sažimanje slikovnih i zvukovnih signala
- potiskivanje eho-a
(digitalna)
komunikacije - multipleksiranje signala
obrada signala
- filtriranje signala

- radar
• 90-tih godina 20. stoljeća (digitalna) obrada signala se predaje vojska i - sonar
- elektronika za navođenje oružja
vojna industrija
na preddiplomskim i diplomskim kolegijima i spada u - vojne komunikacije (sigurnost)

temeljna znanja za kolegije iz područja tehničkih znanosti

- istraživanja ruda i minerala
industrijska - upravljanje i nadziranje procesima
primjena - ne-destruktivna testiranja
- dizajn CAD aplikacija i primjena

• (digitalna) obrada signala se uspoređuje s revolucijom u - analiza i obrada signala vibracija (potresi)
znanstveno - prikupljanje podataka
vremenu kada se razvijala elektronika područje - analiza sprekta
- simulacija i modeliranje
 Načini analize signala:

• vremensko područje (korelacija, autokorelacija i dr.)

• frekvencijsko područje (Fourierov niz, Fourierov integral, Diskretna Fourierova transformacija, FFT)

• vremensko – frekvencijsko područje (prozorska Fourierova transformacija, valići, Winger-Villeova

transformacija, Huan-Huangova transformacija, kompleksni valići, i dr.)

• statistička obrada signala (slučajne varijable, varijanca, očekivanja, momenti, i dr.)

• Svrha analize signala: dobiti dodatne informacije o proučavanom signalu.

Fourierova analiza
- dobila je ime po francuskom matematičaru i fizičaru Jean Baptiste Joseph Fourier (1768 – 1830)

- Fourier je 1807. godine promatrao propagaciju topline, te je predložio da se sinusoidalne (koje se matematički opisuju
preko kompleksne eksponencijale) funkcije koriste za opisivanje raspodjele temperature.

- Fourier je tvrdio da se bilo koji periodički signal može predstaviti sumom sinusoidalnih funkcija određene frekvencije
i njenih višekratnika.

- Fourierova analiza jedan je od najznačajnijih alata kod obrade signala i analize sustava!!!
- 1759. J. L. Lagrange je kritizirao ideju korištenja trigonometrijskih funkcija jer je iznio primjedbu da u točkama
diskontinuiteta nije moguće točno opisati zadani signal (Gibbsov fenomen)

- P. L. Dirichlet (1829.) je proširio analizu uzimajući u obzir uvjete na granici, te predstavio pravila s kojima se periodički
signal može opisati Fourierovim nizom i pod kojim uvjetima (tzv. Dirichletovi uvjeti)

- 1822. godine Fourier je napokon predstavio svoj rad (prije nije mogao biti objavljen zbog protivljenja Lagrangea)
„Theorie analytique de la chaleur” (eng. „The Analytical Theory of Heat”)
- s obzirom na vrste signala koje egzistiraju, postoje četiri (4) „vrste” Fourierove analize:
Signali

Kontinuirani Diskretni

Periodički Aperiodički Periodički Aperiodički

Fourierov Fourierov Diskretna Vremenski

niz integral Fourierova Diskretna
(FS) (FT) transformacija Fourierova
(DFT) transformacija - Napomena: Zbog činjenice da su temeljni
(DTFT) građevni blokovi svih Fourierovih
transformacija sinusoidalne funkcije, SVI
DFT signali su definirani iz minus beskonačnosti u
plus beskonačnost.

- Zbog toga, Fourierova analiza nije definirana

za signale koji traju određeno vrijeme.
brza
Fourierova
- Tada se koristi metodologija s kojom se
transformacija vremenski konačni signali proširuju na
(FFT) signale s beskonačnim trajanjem.
• Fourierov niz

- Hipoteza: svaki periodički signal može se prikazati u frekvencijskom području preko jakosti (magnitude) i faze.

- Vrijedi: ako je promatrani signal kontinuiran i periodički u vremenskom području, tada je diskretan u frekvencijskom
području i obratno!!!

- Svaki periodički signal se može predstaviti jednadžbom: x(t )


x (t )   x(t  kT )
k 

x (t )

T T
x (t ), za t   , ]
x(t )   2 2 aperiodički signal
0, drugdje
- U DSP terminologiji x (t ) se naziva periodičko proširenje od x(t)

- Upravo navedeno svojstvo se koristi kod DSP procesora, tj. svaki promatrani odsječak signala koji se obrađuje, tretira
se kao periodički, te se temeljem toga računaju koeficijenti!!!

- koristeći kompleksnu eksponencijalu, periodički signal se može zapisat:


x (t )  
k 
X k  e jk0t
 Xk - koeficijenti
T T
t   , ]
2 2
2
0   2 f
T
- koristeći matematičke operacije: množenja lijeve i desne strane s kompleksnom eksponencijalom i integriranja te
sređivanjem izraza dobiva se izraz za računanje koeficijenata periodičkog signala:

T
1 2
X k   x (t )  e  jk0t dt
T T
2

- Dakle, tzv. polarni oblik Fourierovog niza, tj. formule analize i sinteze glase:

T
1 2
X k   x (t )  e  jk0t dt • formule analize
T T
2


x (t )  
k 
X k  e jk0t • formula sinteze
 Xk - općenito radi se o kompleksnom broju koji se može predstaviti kao:

X k  Re  X k   j  Im  X k 
X k  X k e j arg( X k )

Re  X k   Im  X k 
2 2
Xk
Im  X k 
arg( X k )  arctg
Re  X k 

- Primjer: Neka je zadan x (t )  sin(0t ) koji je periodičan za: t   0, 2  ili t    ,  

1 j0t  j0t
x (t )  sin(0t )   Eulerove relacije  e  e 
2j

1 j0t 1  j0t
x (t )  e  e
2j 2j
 1
X1 
2j
1 Xk
X 1 
2j 0.5
j0 
1 1e j

  0.5e
2


2j j 0 0 
2e 2
X k  0.5

arg(X k )  
2
Polarni oblik Fourierovog niza se može prikazati u trigonometrijskom obliku ako se preradi na slijedeći način:

 1 0 
x (t )  
k 
Xk e jk0t
 x (t )  
k 
Xk e jk 0t
  Xk e
k 0
jk 0t
  X k  e jk 0t
k 1

 
x (t )   X  k  e  jk0t
 X 0   X k  e jk0t
k 1 k 1

uz supstitucije:

1 


k 
Xk e jk0t
  X  k  e  jk0t
k 1
T T
2
0
1 1 2
X0   Xk e jk0t
  x (t )  e  j 00t
dt   x (t )dt  DC
k 0 T T T T
2 2
Sređivanjem gore navedenih izraza dobiva se trigonometrijski oblik Fourierovog niza ili

tzv. Euler ili Euler – Fourierova jednadžba za predstavljanje periodičkih sekvenci koja glasi:


1
x (t )  a0   (a k  cos(k 0 t)  b k sin( k0t ))
2 k 1
T
1 2
a0   x (t )dt
T T
2
Trigonometrijski oblik Fourierovog niza
T
2 2
a k   x(t )  cos(k 0 t) dt
T T
2
T
2 2
b k   x(t )  sin(k 0 t)dt
T T
2
Konvergencija Fourierovog niza

- Postavlja se pitanje za koje sve periodičke signale se može koristiti Fourierov niz?

- U praksi može se dogoditi da ima beskonačno mnogo koeficijenta s kojima bi se trebao predstaviti promatrani periodički
signal da bude identičan polaznom signalu.

- Također, može se dogoditi da iako su svi koeficijenti konačni da razvoj u Fourierov red daje divergenciju, tj. ne teži
funkciji x(t).

- Postoje dvije klase uvjeta koje periodički signal mora zadovoljiti da bi se mogao prikazati Fourierovim nizom.

- Ti uvjeti su poznati pod nazivom Dirichletovi uvjeti.

Dirichletovi uvjeti:

1. Periodički signali moraju imati konačnu energiju u jednom periodu, tj. vrijedi:


2
x(t ) dt  
T

Ako je gore navedeni uvjet zadovoljen koeficijenti od X k su konačni. To znači, da ako bi se izračunala energija od x(t) i
energija od rekonstruiranog signala, da bi razlika energija težila nuli kada bi broj koeficijenata težio k beskonačnosti. Tj.
energije rekonstruiranog i originalnog signala bi bile jednake.

2. U bilo kojem konačnom intervalu ako postoji konačan broj diskontinuiteta, tada se Fourierovim nizom predstavlja
originalni signal, osim u točkama diskontinuiteta. U diskontinuitetima se uzima srednja vrijednost kao vrijednost prekida.

Valja istaći da signali koji su nedefinirani u nekom periodu, u praksi nisu fizički mogući!
Gibbsov efekt; Kada se signal
opisuje s Fourierovim nizom, tada
bez obzira koliko bio odabran N,
postoji nadvišenje u
diskontinuitetima od 9%.
Povećanjem broja članova N,
nadvišenje „teži” ka
diskontinuitetu. Nadvišenje
nestaje samo kada je broj članova
N beskonačan. U praksi to nije
moguće.
 Fourierova transformacija ili Fourierov integral

• Za aperiodičke signale potrebno je razviti novi alat, tj. novu tehniku analize.

• Metodologija razvoja je slijedeća: Aperiodički signal se predstavi kao periodički, dakle, tretira ga se kao periodički
signal s osnovnim periodom T0 koji teži u beskonačnost.

• Vrijedi zaključak: Ako se primjeni Fourierov red na periodički signal, te se dopusti da T0   , dobiva se
transformacija aperiodičkog signala. Također kada je T0   tada vrijedi:  X k   0 i 0  0 .
• Neka je zadan, općenito, aperiodički signal x(t). Neka ga se periodički proširi kao što je prikazano na slici.

• Uporabom Fourierovog niza, dobivaju se koeficijenti:


x (t )  X k  e jk0t

2
k 
0 
T0
2
T0
1
Xk 
T0 T
 x (t )  e jk0t dt
 0
2
• Polazi se od Fourierovog reda:

2
0 
T0

• za kontinuiran.

• Dakle, suma prelazi u integral!

• Konačno vrijedi:

1
x(t )    X ( ) e jt d  • inverzna Fourierova
2  transformacija

X ( )  

x(t )  e  jt dt • spektar signala ili
Fourierova transformacija
• Svojstva Fourierove transformacije
• Svojstvo simetrije

• Ako je x(t) realna funkcija, tada vrijedi: X ( )  X ( )*

• Dokaz:
*
 
  *
X ( )    x(t )  e dt    x (t )  e jt dt
*  jt

   

• Kod realnih funkcija vrijedi: x* (t )  x(t )

• Dobiva se:

 

 
jt
X ( ) 
*
x (t )  e dt 
*
x(t )  e jt dt  X ( )
 
• Gustoća energije kod aperiodičkog signala, Parsevalov teorem

• Gustoća energije kod aperiodičkog signala se može izračunati iz općenite formule za energiju signala u vremenskom
području:




2
Ex  x(t ) dt


• Energija signala se može predstaviti:


Ex  

x(t)  x(t)*dt

• Ako se uvrsti formula za Fourierovu transformaciju tada vrijedi:

*
 
 1   
1

Ex   x(t)  x(t) dt   x(t)  
*
  X ( ) e d   dt   x(t) 
jt
  X * ( ) e  jt d   dt
   2   
2 
• Sređivanjem izraza, dobiva se:

1

   1

Ex    X ( )    x(t )e dt  d  
*  jt
  X * ( ) X ( )  d 
2     2 

• Kod realnih sekvenci, vrijedi:

  2
1 1
  X * ( ) X ( )  d     X ( )  d 
2  2 

• Parsevalov teorem kaže da se energija signala može računati u vremenskom području kao kvadrat
modula koeficijenata signala u vremenu ili kao gustoća energije spektra, odnosno kvadrat modula
spektra magnitude signala u frekvencijskom području.

  2
1
Ex  

x(t)  x(t)*dt    X ( )  d 
2 
• Svojstvo konvolucije signala u frekvencijskom području

• Ako su zadani signal ulaza x(t), prijenosna funkcija sustava h(t) i izlazni signal y(t), tada se izlazni signal y(t) može
izračunati prema formuli za konvoluciju signala:


y (t )  x(t )  h(t)   x( )  h(t   )d


• Spektar izlaznog signala se računa prema:

 
  
  jt
Y ( )   y (t )e dt   ( x(t )  h(t))e dt     x ( )  h(t   )d e dt 
 jt  jt

     


    
Y ( )   x( )    h(t   ) e dt  d   x( )  H ( )  e
 jt  j
d  H ( )   x( )e  j d
     

• Konvolucija u vremenskom području odgovara

množenju spektra signala u frekvencijskom
Y ( )  X ( )  H ( ) području!!!
• Uzorkivanje signala

• Vremensko uzorkivanje je proces pretvaranja vremenski – kontinuiranog signala u vremenski – diskretnu sekvencu.

• Razvojem digitalne tehnike razvili su se i A/D pretvarači.

• Proces uzorkivanja će biti dobiven uporabom korištenjem Fourierove analize, odnosno spektra signala.

r (t ) r * (t )

r (t ) r * (t )
t *
0 
0 2T 3T 4T 5T 6T 7T
t
  (t  kT )
T

k 


  (t  kT )
k 

1
 
3T 2T T 2T 3T t
0 T
• Korištenjem Fourierovog niza na generator jediničnih Dirackovih funkcija, te uz uporabu Lapalceove transformacije,
dobiva se izraz za spektar uzorkovanog signala:

1 
R ( j )    R( j  jk0 )
*

T k 

efekt
prekrivanja

S S
S  S
2 2
• Dakle, kada se signal r(t) uzorkuje, tada se u spektru na mjestima uzorkivanja pojavi spektar od originalnog signala.

• Također, tijekom uzorkivanja posebna pozornost se treba voditi kod izbora frekvencije uzorkivanja.

• Ako se frekvencija uzorkivanja ne odabere ispravno može doći do efekta prekrivanja (eng. aliasing).

• Također, u praksi je poznato da spektar signala ne mora biti konačan. Zbog toga iako je izabrana ispravna frekvencija
uzorkivanja može doći do efekta prekrivanja. Da bi se to izbjeglo, u praksi, se prije uzorkivanja postavi NF pred-filtar s
kojim se spektar originalnog signala ogranići.
• Slika prikazuje spektar signala r(t) kada se na njega primjeni nisko propusni filtar, i spektar uzorkivanog signala. Valja
uočiti da, zbog ugradnje NF-filtra, ne dolazi do pojave prekrivanja.

 S
S  S S
2 2
• Teorem uzorkivanja: Signal r(t) se može obnoviti iz uzoraka ako je frekvencija uzorkivanja barem dva puta veća od
najveće frekvencije (gornje granične frekvencije) signala r(t).

• Matematički zapis teorema uzorkivanja:

0  2   g

Spektar uzorkivanog signala i teorem uzorkivanja

1  1 
R ( j )    R ( j  jk0 )    R( j (  k0 ))
*

T k  T k 

0  2   g
• Frekvencijski odziv kod diskretnih sekvenci (signala)

• Važno svojstvo svakog vremenski nezavisnog sustava (LTI sustava) je odziv u ustaljenom stanju ako se na ulazu sustava
narine sinusoidalna sekvenca, kao što je prikazano na slici.

x  n   X  cos(  n   ) yss  n   Y  cos(  n   )

h  n

• Sinusoidalna sekvenca se može prikazati preko kompleksne eksponencijalne sekvence, koristeći Eulerove relacije:

  2 f 0Ts - digitalna frekvencija

1
cos(  n)   (e jn  e  jn )
2 f 0 - period kontinuiranog signala
Ts - period uzorkivanja
- Ponavljanje:
x(t )  cos(  t )  cos(2 f 0  t )  x(t  n  Ts )  x  n   cos(2 f 0  n  Ts )  cos(  n)
• Uzimajući u obzir da se s kompleksnom eksponencijalom može prikazati i DC komponenta, na način da se digitalna
frekvencija postavi na vrijednost nula, kaže se da kompleksna eksponencijala predstavlja karakterističnu funkciju (eng.
eigenfunction).

• Dakle, s karakterističnom funkcijom se može izračunati odziv sustava u ustaljenom stanju, na način:

x  n   x1  n   x2  n   e jn  e  jn  2 cos(  n)   n  

• Neka je zadan diskretni sustav kao što je prikazano na slici.

x  n y  n
h  n

• Izlaz y[n] iz sustava se može dobiti primjenom konvolucijske sume

 
y  n   x k   h n  k    h k   x n  k 
k  k 
• Ako se na ulaz sustava dovede karakteristična funkcija x  n   e jn , za odziv se dobiva:

  
y  n   h k   e j ( n  k )
  h k   e jn
e  jk
e jn
  h  k  e jk
k  k  k 


yss  n   x  n    h  k  e  jk
k 

• Ako se na ulaz promatranog sustava narine karakteristična funkcija, na izlazu se dobiva odziv sustava u ustaljenom
stanju.

• Odziv sustava u ustaljenom stanju je jednak karakterističnoj funkciji pomnoženo s karakterističnom vrijednosti (eng.
eigenvaule or characteristic value).
• Karakteristična vrijednost, H e j   ima značajnu ulogu u obradi signala, te se naziva FREKVENCIJSKI ODZIV
SUSTAVA.


He j
   h  k  e  j k

k 

• Dakle, ako se na ulaz sustava dovede karakteristična funkcija, na izlazu sustava se dobije odziv sustava u
ustaljenom stanju, preko frekvencijskog odziva, kao što je prikazano na slici.

yss  n  x  n   H  e j 

x  n   e jn yss  n  x  n   H  e j 
h  n
• Svojstva frekvencijskog odziva


He j
   h  k  e  j k

k 

• Kao što se može vidjeti frekvencijski odziv je kompleksna funkcija te se može pisati:

H  e j   M  e jP

M  H  e j  - magnituda

P  H  e j  - faza ili kut

• Dakle, ako se promatraju magnituda i faza kod različitih frekvencija, dobiva se

frekvencijski odziv sustava.
• Primjer: Neka je zadan sustav: h  n     n     n  1 . Ako se na ulazu narine
karakteristična funkcija potrebno je pronaći i nacrtati frekvencijski odziv sustava.

h  n
• Rješenje:
1

h  n     n     n  1
0 1 n

x  n   e jn


He j
   h  k  e  jk

k 

      
He  e
j j j j j j j
j j0  j1  j1
e  1 e e 2
e 2
e 2
e 2
e 2
 (e 2
e 2
)
  j 2
He j
  2  cos( )  e
2

M  H  e j   2  cos( )
2

P  H  e j   
2
• Prikaz frekvencijskog odziva sustava.

• Valja uočiti da su magnituda i faza sustava KONTINUIRANE funkcije, iako se

radi o diskretnoj sekvenci.
 
M  H  e j   2  cos( ) P  H  e j   
2 2
2 0

1.8
M a g n it u d a s e k v e n c e , M

1.6

Faza sekv ence

1.4 -0.5

1.2

0.8
-1
0.6

0.4

0.2
-1.5

0 1 2 3 0 1 2 3
digitalna frekvencija digitalna frekvencija
• Periodičnost

 
• Funkcija H e j je periodička u periodu  0, 2  !

• Dokaz:

  
He j (  2 )
   h  k  e  j (  2 ) k
  h  k  e  jk
e  j 2 k
  h  k  e
 jk
 H  e j 
k  k  k 

• Simetričnost

• Magnituda od H e
j
 
je parna funkcija od digitalne frekvencije, dok je faza od H e
j
 
je neparna funkcija od digitalne frekvencije.

• Dokaz:
    
He j
   h  k  e  jk
  h  k  (cos(k )  j sin(k ))   h  k   cos(k )  j  h  k   sin(k )  u  j v
k  k  k  k 
   
He  j
   h  k  e jk
  h  k  (cos(k )  j sin(k ))   h  k   cos(k )  j  h  k   sin(k )  u  j v
k  k  k  k 
v
He 
 arctg
j
(u  v )  e
2 2 u

v
He 
arctg
 j
(u  v )  e
2 2 u

• Zaključak: H  e j   H  e  j  - parna funkcija

H  e j    H  e  j  - neparna funkcija
• Frekvencijski opseg

• Zbog činjenice da je digitalna frekvencija periodička funkcija, i koristeći spoznaje iz teorema uzorkivanja, maksimalna
digitalna frekvencija kod koje ne dolazi do tzv. efekta prekrivanja je:

max  

• Ako se uvrste vrijednosti za digitalnu frekvenciju, tada vrijedi:

2 f maxTs  
fs
f max 
2

• Dakle, maksimalna analogna frekvencija koju se može razlučiti u sustavu, koji je uzorkivan s frekvencijom
uzorkivanja, iznosi pola frekvencije uzorkovanja! Dakle, odabir frekvencija uzorkivanja ima značajnu ulogu kod
frekvencijskog odziva diskretnih sekvenci.
• Diskretna Fourier-ova transformacija

• Polazna točka je da se bilo koja sekvenca može predstaviti kao suma kompleksnih eksponencijala.

• Također, konačna sekvenca se može periodički proširiti, te na taj način se polazna točka može primijeniti.

• Jednadžbe Diskretne Fourier-ove transformacije, DFT, glase:

N 1 2
 jk
X (k )   x  n   e
n
N
k  0,1, 2,..., N  1
n0
2
1 N 1
x  n     X (k)  e N n  0,1, 2,..., N  1
jn k

N k 0
• Primjer: Za sekvencu prikazanu na slici potrebno je pronaći DFT transformaciju, te
magnitudu i fazu prikazati grafički.
x  n
• Rješenje:
3
N 3 2
2 2
 jk
X (k)   x  n   e
n 1
N
k  0,1, 2
n 0

 j0
2
0  j0
2
1  j0
2
2 0 1 2 n
X (0)  3  e 3
 2e 3
 1 e 3
6
2 2 2 2 2 
 j1 0  j1 1  j1 2 j  j2 j
X (1)  3  e 3
 2e 3
 1 e 3
 3 2e 3
e 3
 3e 6

2 2 2 2 2 
 j2 0  j2 1  j2 2  j2  j4 j
X (2)  3  e 3
 2e 3
 1 e 3
 3 2e 3
e 3
 3 e 6

X  k
6
X  k

3 6

0 1
0 2 k
0 1 2 k 

6
• Zaključak

• Fourierova analiza signala pretvara promatrani signal iz vremenskog područja u frekvencijsko područje (iz
amplituda-vrijeme prostora u magnituda-frekvencija prostor)

• osim proučavanja signala, s Fourierovom analizom se proučavaju i regulacijski sustavi

• kompleksne eksponencijale (sinusna i kosinusna funkcija) su građevni blokovi Fourierove transformacije

• brza Fourierova transformacija (FFT) je algoritam koji se danas koristi za računanje spektra i diskretnih i
„kontinuiranih” signala
 Signali

Kontinuirani Diskretni

Periodički Aperiodički Periodički Aperiodički

Fourierov Fourierov Diskretna Vremenski

niz integral Fourierova Diskretna
(FS) (FT) transformacija Fourierova
(DFT) transformacija
(DTFT)

DFT

brza
Fourierova
transformacija
(FFT)
 Sveučilište u Splitu
Pomorski fakultet

Fourierova analiza signala

Joško Šoda