CHƯƠNG 3

PHÂN TÍCH TÍN HIỆU VÀ HỆ

THỐNG LIÊN TỤC TRONG
MIỀN TẦN SỐ
TS. Bùi Quang Chung

01/25/2024
 Chương 3 - Phân tích tín hiệu và
hệ thống liên tục trong miền tần số
2

 Chuỗi Fourier liên tục (Continuous - Time Fourier series)

- Biểu diễn tín hiệu liên tục tuần hoàn bằng chuỗi
Fourier
 Biến đổi Fourier (Fourier transform) tín hiệu liên tục theo
thời gian
 Đáp ứng tần số của hệ thống LTI
 Một số ví dụ về ứng dụng của biến đổi Fourier tín hiệu
liên tục theo thời gian
01/25/2024
 CT - Fourier series
3

- Chuỗi Fourier được sử dụng để

Một cách biểu
biểu diễn cho tín hiệu tuần hoàn diễn tín hiệu khác
- Một tín hiệu bất kì nào cũng được trong miền thời
gian (vector
biểu diễn dưới dạng tổ hợp tuyến không gian cơ sở
là các hàm sin)
tính của các tín hiệu sin phức
- Ý tưởng sử dụng các tín hiệu sin phức là từ các đặc trưng
rất hấp dẫn của chúng: các hàm sin phức là liên tục và khả
vi nên dễ dàng lấy tích phân và vi phân của chúng
- Đặc biệt quan trọng, các hàm sin phức chính là các hàm
riêng (eigenfunctions) của hệ thống LTI
01/25/2024
 Các hàm sin phức đa hài
4

 Một tập các hàm sin phức được gọi là hài của nhau nếu tồn tại
hằng số ω0 sao cho tần số cơ bản của mỗi hàm sin phức là một số
nguyên lần của ω0
 Tập các hàm sin phức đa hài có dạng với mọi k
nguyên
 Hàm sin phức thứ k có tần số cơ bản là kω 0 được gọi là hài bậc k
của hàm sin phức cơ bản có tần số ω 0
 Các hàm sin phức trong tập sin phức đa hài là trực giao với nhau
 Do tần số cơ bản của mỗi hàm sin phức trong tập các hàm sin
phức đa hài là một số nguyên lần của ω 0 nên tổ hợp tuyến tính của
các hàm sin phức này cũng là tuần hoàn và có chu kì T = 2π/ω 0
01/25/2024
 CT - Fourier series
5

 Bất kì một tín hiệu phức tuần hoàn x(t) nào với
chu kì T và tần số cơ bản ω0 = 2π/T có thể được biểu
diễn bởi tổ hợp tuyến tính của tập các hàm sin phức đa hài
như sau
Chuỗi Fourier liên tục

ck là hệ số chuỗi Fourier có thể thực hoặc

Bất kì tín hiệu vật lý nào cũng được coi là tuần hoàn với
phức
chu kì đúng bằng thời gian tồn tại của nó

01/25/2024
 CT - Fourier series
6

 Để đơn giản, ký hiệu cho tín hiệu x(t) được biểu

diễn dưới dạng chuỗi Fourier có các hằng số chuỗi
Fourier ck như sau

 Hệ số chuỗi Fourier ck được xác định như sau

 Phương trình trên còn được gọi là phtr phân tích

chuỗi Fourier, hay tín hiệu x(t) hoàn toàn được
đặc trưng bởi các hệ số Fourier ck
01/25/2024
 Dạng lượng giác của chuỗi Fourier
7

 Nếu x(t) là tín hiệu thực, chuỗi Fourier của nó có thể viêt lại
dưới hai dạng sau:

Dạng lượng
giác tổ hợp

Dạng lượng
giác

 Chú ý rằng ở biểu diễn chuỗi dưới dạng lượng giác chỉ chứa
các giá trị thực

01/25/2024
 Tính hội tụ của chuỗi Fourier
8

 Do chuỗi Fouirer là tổ hợp của vô số hàm sin phức nên vấn đề về

tính hội tụ của chuỗi cần phải xem xét để đảm bảo mức độ chính
xác của phép phân tích trên
 Xét xN(t) được biểu diễn dưới dạng chuỗi Fourier giới hạn chỉ gồm
các hài có bậc ≤ N

 Khi đó, x(t) có thể thu được từ x N(t) như sau

01/25/2024
 Tính hội tụ của chuỗi Fourier
9

 Hàm lỗi khi xấp xỉ x(t) và xN(t) sẽ là

và lỗi trung bình bình phương (MSE - Mean square error) sẽ là
Năng lượng của
hàm (tín hiệu) lỗi

 Nếu t (tín hiệu lỗi tiến tới 0 tại mọi điểm) 

chuỗi Fourier hội tụ tới x(t) tại mọi điểm, và nếu tốc độ hội tụ là như
nhau tại mọi điểm  hội tụ đều
 Nếu (năng lượng tín hiệu lỗi tiến tới 0)  chuỗi
Fourier hội tụ tới x(t) theo MSE
 Hội tụ tại mọi điểm sẽ hội tụ theo MSE nhưng hội tụ theo MSE chưa
chắc đã hội tụ tại mọi điểm  điều kiện hội tụ theo điểm chặt hơn
01/25/2024
 Tính hội tụ của chuỗi Fourier: TH liên tục
10

 Nếu tín hiệu tuần hoàn x(t) là liên tục và các hệ số chuỗi
Fourier ck có tổng tuyệt đối

Thì chuỗi Fourier biểu diễn cho tín hiệu x(t) sẽ hội tụ đều
(uniformly)
 Trên thực tế, nhiều tín hiệu được xem xét thường là không
liên tục (ví dụ như xung vuông, xung tam giác, …) nên kết
quả trên sẽ bị giới hạn ở một số điểm

01/25/2024
Tính hội tụ của chuỗi Fourier: Giới hạn năng lượng
11

 Nếu tín hiệu tuần hoàn x(t) là giới hạn năng lượng trong
một chu kì ( ) thì chuỗi Fourier hội tụ theo
MSE
 Các tín hiệu trong thực tế thường thoả mãn điều kiện giới
hạn năng lượng trên nên hội tụ theo MSE thường được áp
dụng
 Cần chú ý là, hội tụ theo MSE không có nghĩa là hội tụ tại
mọi điểm nên định lý hội tụ trên không cung cấp nhiều
thông tin hữu ích về giá trị của x(t) tại t mà chỉ có ý nghĩa
trong việc xác định xem chuỗi Fourier có hội tụ không.
01/25/2024
 Tính hội tụ của chuỗi Fourier: Dirichlet
12
 Điều kiện Dirichlet của một tín hiệu tuần hoàn x(t) là
1. Trên một chu kì đơn, x(t) là khả tích tuyệt đối:
2. Trên một chu kì đơn, x(t) có hữu hạn các điểm cực đại và cực tiểu (x(t) biến
thiên có giới hạn)
3. Trên bất kì một khoảng hữu hạn nào, x(t) có hữu hạn các điểm không liên tục,
mỗi điểm trong số đó là hữu hạn
 Nếu tín hiệu tuần hoàn x(t) thoả mãn điều kiện Dirichlet thì
- Chuỗi Fourier sẽ hội tụ tại mọi điểm, ngoại trừ các điểm không liên tục của x(t)
- Tại mỗi điểm không liên tục tại t = ta, chuỗi Fourier hội tụ về
: giá trị của tín hiệu x(t) tại phía trái của ta
: giá trị của tín hiệu x(t) tại phía phải của ta

Hầu hết các tín hiệu thoả mãn điều kiện Dirichlet và hội tụ tại mọi điểm sẽ
xác định giá trị của chuỗi Fourier tại mọi điểm Điều kiện Dirichlet được
áp dụng trong thực tế
01/25/2024
Một số tín hiệu vi phạm điều kiện x(t) = 1/t với 0<t≤1
Vi phạm điều kiện 1
13

x(t) = sin(2π/t) với 0<t≤1

Vi phạm điều kiện 2
Dirichlet

Vi phạm điều kiện 3

01/25/2024
 Hiện tượng Gibbs
14

 Hiện tượng Gibbs là nhược điểm của chuỗi Fourier.

 Tín hiệu x(t) không liên tục thì chuỗi Fourier biểu diễn cho x(t)
không hội tụ đều.  Tốc độ hội tụ tại những điểm lân cận điểm
không liên tục sẽ chậm hơn.
 Tại những điểm lân cận điểm không liên tục, chuỗi Fourier giới
hạn cho tín hiệu xN(t) xuất hiện các gợn sóng và biên độ đỉnh
của các gợn sóng này hầu như không giảm khi N tăng.
 Như vậy, khi N tăng, các gợn sóng bị nén giống như trường hợp
không liên tục, nhưng, với bất kì N hữu hạn nào thì biên độ đỉnh
của các gợn sóng hầu như không đổi.  Hiện tượng Gibbs
01/25/2024
Hiện tượng Gibbs: chuỗi xung vuông
15

01/25/2024
 16

Các
tính
chất
của
chuỗi
Fouri
er

01/25/2024
 Bài tập
17

Bài 18: Biểu diễn các tín hiệu sau dưới dạng chuỗi Fourier
phức
a) x(t) = cosω0t b) x(t) = sinω0t
c) x(t) = cos(2t + π/4) d) x(t) = cos4t + sin6t
e) x(t) = sin2t
Bài 19: Cho chuỗi xung đơn vị tuần hoàn có chu kì T0 như
sau

Xác định biểu diễn chuỗi Fourier của tín hiệu đó

01/25/2024
 Bài tập
18
Bài 20: Xác định chuỗi Fourier phức biểu diễn cho các tín hiệu sau và tính
công suất của nó

a) b)

c) d)
01/25/2024
 Bài tập
19

Bài 21: Xác định chuỗi Fourier phức biểu diễn cho các tín
hiệu sau

a)

b)

01/25/2024
 Một cách nhìn khác về tín hiệu: Miền tần số
20

 Chuỗi Fourier đưa ra một cách hoàn toàn mới để biểu diễn tín
hiệu
 Biểu diễn tín hiệu trong miền thời gian: biểu diễn tín hiệu
dưới dạng là một hàm theo biến thời gian (thông tin được
phân phối theo thời gian)
BIẾN ĐỔI Biểu diễn tín hiệu trong miền tần số: biểu
diễn tín hiệu đó dưới dạng thông tin phân phối theo tần số
 Miền tần số là một khái niệm nền tảng trong kĩ thuật. Rất
nhiều vấn đề kĩ thuật được giải quyết trong miền tần số dễ
dàng hơn nhiều trong miền thời gian.
01/25/2024
 Chuỗi Fourier và phổ tần
21

 Mỗi hệ số của chuỗi Fourier định lượng lượng thông tin của
tín hiệu tại tần số tương ứng.
 Phân bố thông tin của tín hiệu tại các tần số khác nhau được
gọi là phổ tần (frequency spectrum) của tín hiệu
 Các hệ số của chuỗi Fourier ck biểu diễn phổ tần
của tín hiệu liên tục tuần hoàn
 Phổ của tín hiệu tuần hoàn chỉ tồn tại tại các tần số kω0 với k
là số nguyên
 Các biên độ |ck| là phổ biên độ của tín hiệu x(t)
 Argument của ck là phổ pha của tín hiệu x(t)
01/25/2024
 Biến đổi Fourier
22

 Chuỗi Fourier cung cấp một cách biểu diễn tín hiệu tuần
hoàn cực kì hiệu quả.
 Với tín hiệu không tuần hoàn thì sao?
 Cần một công cụ biểu diễn tín hiệu trong miền tần số
tổng quát hơn chuỗi Fourier

Biến đổi Fourier chuyển đổi tín hiệu bất kì (tuần hoàn
hoặc không tuần hoàn) biểu diễn trong miền thời gian
sang biểu diễn trong miền tần số
 Biến đổi Fourier bắt nguồn từ chuỗi Fourier  có nhiều
điểm tương đồng giữa biến đổi Fourier và chuỗi Fourier
01/25/2024
Biến đổi Fourier tín hiệu thời gian liên tục
23

 Biến đổi Fourier tín hiệu liên tục theo thời gian

 Biến đổi Fourier thời gian liên tục: Continous

time Fourier transform (CT - Fourier Transform)
 Biến đổi Fourier (FT)

01/25/2024
 Biến đổi Fourier (FT)
24

 Định nghĩa: Biến đổi Fourier

Biến đổi Fourier (FT) của tín hiệu w(t):

Với ℑ[.] là ký hiệu biến đổi Fourier của [.]

f là tần số, đơn vị là Hz (1/s).
Biểu diễn tín hiệu Biểu diễn tín hiệu
trong miền thời gian FT trong miền tần số
w(t) W(f)
01/25/2024
 Biến đổi Fourier (FT)
25

 Biểu diễn W(f) trong tọa độ Decart (còn gọi là biều diễn ở
dạng cầu phương):

 Biểu diễn W(f) ở dạng tọa độ cực (còn gọi là biểu diễn
dưới dạng biên độ - pha):

Phổ biên độ:

Phổ pha:

01/25/2024
 Biến đổi Fourier (FT)
26

 Định nghĩa: Biến đổi Fourier ngược (IFT)

Biến đổi Fourier ngược (IFT) của tín hiệu W(f):

w(t) và W(f) tạo nên cặp biến đổi Fourier

Mô tả trong miền thời gian Mô tả trong miền tần số

(Inverse FT) (FT)
01/25/2024
 Điều kiện thực hiện FT – Điều kiện hội tụ
27

 Điều kiện để thực hiện được FT cho tín hiệu liên tục w(t)
tượng tự như điều kiện để chuỗi Fourier biểu diễn cho tín
hiệu w(t) phải hội tụ  chủ yếu áp dụng điều kiện Dirichlet
 Tín hiệu w(t) chỉ có thể thực hiên được FT nếu nó thỏa
mãn điều kiện Dirichlet:
(1): w(t) khả tích tuyệt đối. Tức là:

(2) + (3): Trên bất kỳ khoảng thời gian hữu hạn nào, w(t)
là hàm đơn trị với hữu hạn các đỉnh cực đại, cực tiểu và
hữu hạn các điểm không liên tục.

01/25/2024
Điều kiện thực hiện FT – Điều kiện hội tụ
28

 Điều kiện đủ yếu hơn để có thực hiện FT là:

Năng lượng
hữu hạn

Với E là năng lượng chuẩn hóa

 Tất cả các tín hiệu có thể thực hiện được về mặt vật
lý đều thỏa mãn điều kiện năng lượng hữu hạn.

Tất cả các tín hiệu vật lý trong thực tế đều có thể

thực hiện FT
01/25/2024
Các 29

tính
chấ
t
của
biế
n
đổi
Fou
rier

01/25/2024
Phổ của một số tín hiệu cơ bản
30

01/25/2024
Phổ của một số tín hiệu cơ bản
31

v(t) = Asin0t với 0=2f0

01/25/2024
 32

Một
số
cặp
biế
n
đổi
Fou
rier

01/25/2024
 Phổ vạch của tín hiệu tuần hoàn
33
 Mối quan hệ giữa chuỗi Fourier và biến đổi Fourier
 Định lý: Nếu w(t) là tín hiệu tuần hoàn có chu kỳ T 0, phổ của w(t)
sẽ như sau:

Với f0 = 1/T0 và cn là các hệ số chuỗi Fourier của w(t)

Chứng minh:

Thực hiện biến đổi Fourier cả 2 phía, ta có:

01/25/2024
 Phổ vạch của tín hiệu tuần hoàn
34

 Định lý: Nếu w(t) là hàm tuần hoàn với chu kỳ T0 và được biểu
diễn bởi:

Với,

Thì các hệ số của chuỗi Fourier sẽ được tính như sau:

Các hệ số của chuỗi Fourier cũng có thể được tính toán từ

các giá trị mẫu tuần hoàn của biến đổi Fourier.
01/25/2024
 Bài tập
35

Bài 22: Tìm phổ của các tín hiệu sau:

a) b)

c) d)
e) w(t) = Asin0t

01/25/2024
 Lấy mẫu tín hiệu liên tục
36

 Quá trình lấy mẫu và nội suy cho phép chuyển đổi tín hiệu
từ dạng liên tục sang rời rạc và ngược trở lại.
 Quá trình lấy mẫu có thể thực hiện theo nhiều cách khác
nhau, nhưng chủ yếu là lấy mẫu tuần hoàn  dễ dàng
thực hiện
 Một chuỗi y gồm các mẫu thu được từ tín hiệu liên tục x
có mối quan hệ như sau
y(n) = x(nT) với n nguyên
T: hằng số thực dương  chu kì lấy mẫu
ωs = 2π/T: tần số lấy mẫu
01/25/2024
 Lấy mẫu tín hiệu liên tục
37

 Xem xét ví dụ sau:

- Hai tín hiệu liên tục x1(t) và x2(t) có dạng sau
x1(t ) = 0 và x2(t) = sin(2πt)
- Lấy mẫu mỗi tín hiệu với chu kì T = 1, thu được chuỗi
tín hiệu rời rạc tương ứng
y1(n) = y2(n) ∀n
y1(n) = x1(nT) = x1(n) = 0
x1(t) ≠ x2(t) ∀t
y2(n) = x2(nT) = sin(2πn) = 0

Trong một số điều kiện cụ thể, tín hiệu liên tục theo thời
gian có thể khôi phục hoàn toàn từ các mẫu của chúng
01/25/2024
 Lấy mẫu tín hiệu liên tục
38
 Quá trình lấy mẫu một tín hiệu liên tục theo thời gian x(t) để được
một chuỗi tín hiệu rời rạc y(n)
- Tạo s(t)
với
- Tạo y(n)
 Thực hiện biến đổi Fourier cho s(t), thu được

 Phổ tần S(ω) của s(t) là tổng của vô hạn các bản sao phổ tần X(ω) của
tín hiệu ban đầu x(t) được dịch đi một số nguyên lần ωs
 Độ lớn ωs quyết định hiện tượng chồng phổ (aliasing)  quyết định đến
khả năng khôi phục hoàn toàn tín hiệu liên tục từ các mẫu của nó
01/25/2024
Lấy mẫu tín hiệu liên tục
39

01/25/2024
Hiện tượng chồng phổ
40

Khi bị chồng phổ, dạng ban

đầu của X(ω) bị mất đi 
không khôi phục được tín
hiệu liên tục ban đầu từ các
mẫu của nó

01/25/2024
 Khôi phục tín hiệu nhờ nội suy
41

 Quá trình khôi phục một

tín hiệu liên tục theo
thời gian x(t) từ các
mẫu y(n) của nó như sau
- Tạo s(t) từ y(n)

- Đưa s(t) qua bộ lọc thông thấp có đáp ứng xung h(t) = sinc(πt/T)
để giữ lại thành phần phổ cơ bản X(ω) tại băng tần gốc (n = 0)
và loại bỏ tất cả các bản sao của X(ω) tại các tần số nωs (n ≠ 0)

01/25/2024
 Lý thuyết lấy mẫu
42

 Nếu tín hiệu x(t) có biến đổi Fourier là X(ω), và giả thiết
rằng |X(ω)| = 0 ∀ |ω|>ωM (tức là x(t) bị giới hạn băng tần
trong khoảng [-ωM, ωM]) thì x(t) sẽ được xác định duy
nhất bởi các mẫu của nó y(n) = x(nT) với mọi n nguyên
nếu
ωs > 2ωM Điều kiện Nyquist

với ωs = 2π/T
 ωs: được gọi là tần số Nyquist, T đươc gọi là chu kì lấy
mẫu Nyquist

01/25/2024
Định lý Parseval và Mật độ phổ năng lượng
43
 Định lý Persaval đưa ra một phương pháp khác để xác định
năng lượng trong miền tần số thay vì trong miền thời gian
 Hay nói cách khác năng lượng được bảo toàn trong cả 2
miền.

Nếu ω1(t)=ω2(t)=ω (t) thì phtr trên trở thành *:

*
: Còn được gọi là Rayleigh’s energy theorem
01/25/2024
Định lý Parseval và Mật độ phổ năng lượng
44
 Mật độ phổ năng lượng (Energy Spectral Density - EDS)
được định nghĩa cho sóng năng lượng.
 EDS được tính theo công thức:

Với ω(t)  W(f)

Sử dụng định lý Parseval ta có năng lượng chuẩn hóa
được tính bằng phần diện tích nằm dưới EDS

01/25/2024
 Mật độ phổ công suất
45

 Định nghĩa cửa sổ của tín hiệu như sau

 Công suất chuẩn hóa trung bình tính trong miền thời gian:

 Sử dụng lý thuyết Parseval’s để tính toán công suất trong miền

tần số:

01/25/2024
 Mật độ phổ công suất
46

 Định nghĩa: Mật độ phổ công suất Power Spectral Density (PSD)
của tín hiệu công suât xác định được tính theo công thức:

- với wT(t) ↔ WT(f) và Pw(f) có đơn vị W/Hz.

- PSD luôn là hàm thực không âm theo tần số.
- PSD không nhạy cảm với phổ pha của w(t)
 Công suất chuẩn hóa trung bình được tính theo công thức:

 phần diện tích bị giới hạn bới PSD chính là công suất chuẩn hóa
trung bình
01/25/2024
Hàm tương quan – Correlation function
47

 Ý nghĩa:
 Một phương pháp/ công cụ để phân tích tín hiệu và hệ thống
 Định lượng sự giống nhau (similarity) của hai tín hiệu theo
thời gian
 Định nghĩa hàm tương quan chéo - Crosscorrelation function
của hai tín hiệu công suất

với τ là biến độc lập

 Các tính chất của

01/25/2024
 Hàm tự tương quan – AutoCorrelation function
48
 Định nghĩa: Hàm tự tương quan của tín hiệu thực (vật lý):

 Định lý Wiener-Khintchine : PSD và hàm tự tương quan là một cặp

biến đổi Fourier;

 Có thể tính PSD bằng 1 trong 2 phương pháp sau:

1. Trực tiếp: sử dụng định nghĩa,
2. Gián tiếp: xác định hàm tự tương quan và sau đó dùng biến đổi
Fourier: Pw(f)= ℑ [Rw(τ) ]
 Công suất trung bình có thể được tính bằng 1 trong 4 cách sau.

01/25/2024
 Đáp ứng tần số của hệ thống CT-LTI
49

 Một hệ thống CT-LTI có mối quan hệ giữa đầu ra y(t) với đầu vào
x(t) và đáp ứng ứng h(t) như sau
y(t) = x(t) * h(t) x(t) Hệ thống LTI y(t)
 Áp dụng biến đổi Fourier
X(f) h(t)  H(f) Y(f)
Y(f) = X(f) H(f)
H(f): hàm truyền đạt hay đáp ứng
tần số của hệ thống CT-LTI.
Đáp ứng xung vs đáp ứng tần số:
cặp biến đổi Fourier.
 H(f) là hàm phức, có thể được biểu
diễn dưới dạng toạ độ cực:

01/25/2024
 Đáp ứng tần số của hệ thống CT-LTI
50
 |H(f)| là đáp ứng biên độ (chính là độ khuếch đại) của HT
 Argument của H(f) là đáp ứng pha (chính là độ dịch pha) của HT

 Vì h(t) là hàm thực

theo thời gian (hệ
thống thực tế)
- θ(f) là hàm lẻ
- |H(f)| là hàm chẵn

01/25/2024
 Hàm truyền đạt công suất
51

 Mật độ phổ công suất (PSD) của tín hiệu đầu vào, Px(f) là:

 Mật độ phổ công suất (PSD) của tín hiệu đầu ra, Py(f) là

Áp dụng đặc tính của

hàm truyền đạt

 Hàm truyền đạt công

suất của hệ thống:
01/25/2024
 Ứng dụng biến đổi Fourier: Bộ lọc
52

 Quá trình lọc: chỉnh sửa dạng phổ của tín hiệu bằng cách
tăng cường hoặc suy giảm các thành phần tần số cụ thể
 Bộ lọc lựa chọn tần số (frequency selective filter): cho một
số tần số đi qua hầu như không méo hoặc méo rất nhỏ,
trong khi suy giảm đáng kể các thành phần tần số còn lại
 Ứng dụng của bộ lọc
- Sửa phổ - Tối thiểu hoá nhiễu
- Sửa dạng xung - Cân bằng kênh (tối thiểu
méo)
 Phân loại bộ lọc:
- Bộ lọc thông thấp - Bộ lọc thông dải
01/25/2024
- Bộ lọc thông cao - Bộ lọc chặn dải
 Bộ lọc lý tưởng
53
Bộ lọc lý tưởng: là bộ lọc có đặc tính truyền dẫn không méo trên một hoặc
một số băng tần nhất định và có đáp ứng bằng 0 tại tất cả các tần số khác

Bộ lọc thông thấp Bộ lọc thông cao

Bộ lọc thông dải Bộ lọc chặn dải

01/25/2024
 Bộ lọc thực tế
54

Bộ lọc thông dải

01/25/2024
Ứng dụng biến đổi Fourier: Băng thông
55

 Băng thông hệ thống:

- Băng thông tuyệt đối: là khoảng tần số từ tần số có biên độ phổ
lớn nhất đến tần số dương lớn nhất sao cho biên độ phổ bắt đầu
từ tần số đó trở đi đều bằng 0  chỉ tồn tại ở các hệ thống lý
tưởng
- Băng thông 3dB: là khoảng tần số từ tần số có biên độ phổ lớn
nhất đến tần số dương lớn nhất mà biên độ phổ tại tần số đó
bằng ½ của biên độ phổ lớn nhất
 Băng thông tín hiệu: là dải tần số dương mà hầu hết năng
lượng/ công suất của tín hiệu tập trung tại đó
- Băng thông 3dB
- Tín hiệu có băng tần giới hạn ωM: nếu với
01/25/2024
 Bài tập
56

Bài 23: Hệ thống CT-LTI được mô tả bởi hàm sau

Xác định tín hiệu đầu ra nếu biết tín hiệu đầu vào hệ thống là
a) x(t) = e–tu(t) b) x(t) = u(t)
Bài 24: Bộ dịch pha lý tưởng có hàm truyền đạt như sau

a) Tìm đáp ứng xung h(t)

b) Xác định tín hiệu đầu ra nếu tín hiệu đầu vào là bất kì
c) Xác định tín hiệu đầu ra nếu đầu vào x(t) = cosω 0t

01/25/2024
 Bài tập
57

Bài 25: Tìm biến đổi Fourier ngược cho các tín hiệu sau
a) X(ω) = 1/(1+jω)2 b) X(ω) = 1/(a+jω)N
c) X(ω) = 1/(2 – ω2 + j3ω)
Bài 26: Tính PSD của tín hiệu hình sin w(t) = Asinω 0t
Bài 27: Cho tín
hiệu xung vuông
tuần hoàn w(t)
a) Xác định phổ
vạch của w(t)
b) Xác định PSD của w(t)

01/25/2024