Elektronika Praktyczna 5/2006
98
K U R S
Dyskretne przekształcenie
Fouriera
, część 3
Jeśli rozpatrywany sygnał − na-
zwijmy go x
C
1
(
t
) − będzie odwróco-
ny w fazie, to również wystąpi peł-
na korelacja, w tym sensie, że zmia-
nom sygnału x
C
1
(
t
) będą towarzy-
szyły dokładnie przeciwne zmiany
sygnału harmonicznego cos
(2πft
),
względem którego wyznaczamy kore-
lację, co zilustrowano na
rys. 12.
Wyliczmy zatem odpowiednią
całkę
(2.12)
Wynik jest zgodny z oczekiwania-
mi – wartość całki jest taka sama,
lecz ma przeciwny znak.
Przeprowadźmy teraz kolejny
eksperyment. Rozważmy przypadek,
gdy rozpatrywany sygnał − nazwij-
my go x
C
2
(
t
) − będzie przesunięty
o 90°. Taka sytuacja jest przedsta-
wiona na
rys. 13.
Przyjrzyjmy się dokładnie do-
wolnemu pojedynczemu okresowi.
W czasie jednej ćwiartki okresu oby-
dwa sygnały zmieniają się jednakowo
(jednocześnie rosną lub maleją), ale
już w kolejnej zmieniają się przeciw-
nie (tzn. gdy jeden rośnie, to drugi
maleje i vice versa). Odnotowujemy
więc zupełny brak korelacji między
obydwoma sygnałami. Dla pewności
policzmy odpowiednią całkę
(2.13)
Dyskretne przekształcenie Fouriera DFT (Discrete Fourier Transform)
jest, obok procedur filtracji cyfrowej, jednym z podstawowych,
a zarazem najbardziej skutecznych narzędzi cyfrowego przetwarzania
sygnałów. Poza istotnym znaczeniem teoretycznym DFT odgrywa
ważną rolę w zagadnieniach związanych z układowymi realizacjami
różnorodnych algorytmów przetwarzania sygnałów. Wynika to
z istnienia bardzo wydajnego algorytmu obliczania dyskretnej
transformaty Fouriera, zwanego szybką transformatą Fouriera FFT
(Fast Fourier Transform).
Rys. 12. Odwrócony w fazie sygnał analizowany (linia ciągła) i sygnał
cos
(2πft
) (linia przerywana) – pełna ujemna korelacja
Wynik obliczeń potwierdza nasze
przewidywania, ale i tak jest zaskaku-
jący. Przecież zawartość widmowa sy-
gnału nie zmieniła się!
W tym miejscu ujawnia się potęga
rachunku symbolicznego i geniusz Fo-
uriera. Rozpatrzmy korelację sygnału
x
C
2
(
t
) (przesuniętego o 90°) z sygna-
łem harmonicznym sin
(2πft
). Obydwa
sygnały przedstawione są na
rys. 14.
Widzimy pełną korelację obu sy-
gnałów, którą potwierdza wynik ob-
liczeń części urojonej transformaty
Fouriera
(2.14)
Jak widać, nie ma korelacji z sy-
gnałem cos
(2πft
), ale jest pełna ko-
relacja z sygnałem sin
(2πft
).
Na zakończenie tej części roz-
ważań rozpatrzymy przypadek, gdy
analizowany sygnał jest przesunięty
o 45°. Policzmy pełną transformatę
Fouriera
Rys. 13. Przesunięty o 90°sygnał analizowany (linia ciągła) i sygnał cos
(2πft
)
(linia przerywana) – brak korelacji
1
Dyskretne przekształcenie Fouriera, cz
��� 3
JAK MIESI
�C TEMU
Je
�li rozpatrywany sygnał − nazwijmy go x
C1
( t )
− b�dzie odwrócony w fazie, to równie� wyst�pi
pełna korelacja, w tym sensie,
�e zmianom sygnału x
C1
( t ) b
�d� towarzyszyły dokładnie przeciwne
zmiany sygnału harmonicznego cos (2
πft ), wzgl�dem którego wyznaczamy korelacj�, co zilustro-
wano na rys. 12.
Rys. 12. Odwrócony w fazie sygnał analizowany (linia ci
�gła) i sygnał cos (2πft ) (linia przerywana) –
pełna ujemna korelacja
Wyliczmy zatem odpowiedni
� całk�
( )
(
)
( )
1
d
2
cos
180
2
cos
e
Re
1
−
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.12)
Wynik jest zgodny z oczekiwaniami – warto
�� całki jest taka sama, lecz ma przeciwny znak.
Przeprowad
�my teraz kolejny eksperyment. Rozwa�my przypadek, gdy rozpatrywany sygnał − na-
zwijmy go x
C2
( t )
− b�dzie przesuni�ty o 90°. Taka sytuacja jest przedstawiona na rys. 13.
Rys. 13. Przesuni
�ty o 90°sygnał analizowany (linia ci�gła) i sygnał cos (2πft ) (linia przerywana) –
brak korelacji
Przyjrzyjmy si
� dokładnie dowolnemu pojedynczemu okresowi. W czasie jednej �wiartki okresu
obydwa sygnały zmieniaj
� si� jednakowo (jednocze�nie rosn� lub malej�), ale ju� w kolejnej zmie-
niaj
� si� przeciwnie (tzn. gdy jeden ro�nie, to drugi maleje i vice versa). Odnotowujemy wi�c zu-
pełny brak korelacji mi
�dzy obydwoma sygnałami. Dla pewno�ci policzmy odpowiedni� całk�
( )
(
)
( )
0
d
2
cos
90
2
cos
e
Re
2
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.13)
Wynik oblicze
� potwierdza nasze przewidywania, ale i tak jest zaskakuj�cy. Przecie� zawarto��
widmowa sygnału nie zmieniła si
�!
W tym miejscu ujawnia si
� pot�ga rachunku symbolicznego i geniusz Fouriera. Rozpatrzmy korela-
cj
� sygnału x
C2
( t ) (przesuni
�tego o 90°) z sygnałem harmonicznym sin (2πft ). Obydwa sygnały
przedstawione s
� na rys. 14.
Rys. 14. Przesuni
�ty o 90°sygnał analizowany (linia ci�gła) i sygnał sin (2πft ) (linia przerywana) –
pełna korelacja
Widzimy pełn
� korelacj� obu sygnałów, któr� potwierdza wynik oblicze� cz��ci urojonej transfor-
maty Fouriera
( )
(
) ( )
1
d
2
sin
90
2
cos
e
Im
2
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.14)
Jak wida
�, nie ma korelacji z sygnałem cos (2πft ), ale jest pełna korelacja z sygnałem sin (2πft ).
Na zako
�czenie tej cz��ci rozwa�a� przeanalizujemy przypadek, gdy analizowany sygnał jest prze-
suni
�ty o 45°. Policzmy pełn� transformat� Fouriera
1
Dyskretne przekształcenie Fouriera, cz
��� 3
JAK MIESI
�C TEMU
Je
�li rozpatrywany sygnał − nazwijmy go x
C1
( t )
− b�dzie odwrócony w fazie, to równie� wyst�pi
pełna korelacja, w tym sensie,
�e zmianom sygnału x
C1
( t ) b
�d� towarzyszyły dokładnie przeciwne
zmiany sygnału harmonicznego cos (2
πft ), wzgl�dem którego wyznaczamy korelacj�, co zilustro-
wano na rys. 12.
Rys. 12. Odwrócony w fazie sygnał analizowany (linia ci
�gła) i sygnał cos (2πft ) (linia przerywana) –
pełna ujemna korelacja
Wyliczmy zatem odpowiedni
� całk�
( )
(
)
( )
1
d
2
cos
180
2
cos
e
Re
1
−
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.12)
Wynik jest zgodny z oczekiwaniami – warto
�� całki jest taka sama, lecz ma przeciwny znak.
Przeprowad
�my teraz kolejny eksperyment. Rozwa�my przypadek, gdy rozpatrywany sygnał − na-
zwijmy go x
C2
( t )
− b�dzie przesuni�ty o 90°. Taka sytuacja jest przedstawiona na rys. 13.
Rys. 13. Przesuni
�ty o 90°sygnał analizowany (linia ci�gła) i sygnał cos (2πft ) (linia przerywana) –
brak korelacji
Przyjrzyjmy si
� dokładnie dowolnemu pojedynczemu okresowi. W czasie jednej �wiartki okresu
obydwa sygnały zmieniaj
� si� jednakowo (jednocze�nie rosn� lub malej�), ale ju� w kolejnej zmie-
niaj
� si� przeciwnie (tzn. gdy jeden ro�nie, to drugi maleje i vice versa). Odnotowujemy wi�c zu-
pełny brak korelacji mi
�dzy obydwoma sygnałami. Dla pewno�ci policzmy odpowiedni� całk�
( )
(
)
( )
0
d
2
cos
90
2
cos
e
Re
2
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.13)
Wynik oblicze
� potwierdza nasze przewidywania, ale i tak jest zaskakuj�cy. Przecie� zawarto��
widmowa sygnału nie zmieniła si
�!
W tym miejscu ujawnia si
� pot�ga rachunku symbolicznego i geniusz Fouriera. Rozpatrzmy korela-
cj
� sygnału x
C2
( t ) (przesuni
�tego o 90°) z sygnałem harmonicznym sin (2πft ). Obydwa sygnały
przedstawione s
� na rys. 14.
Rys. 14. Przesuni
�ty o 90°sygnał analizowany (linia ci�gła) i sygnał sin (2πft ) (linia przerywana) –
pełna korelacja
Widzimy pełn
� korelacj� obu sygnałów, któr� potwierdza wynik oblicze� cz��ci urojonej transfor-
maty Fouriera
( )
(
) ( )
1
d
2
sin
90
2
cos
e
Im
2
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.14)
Jak wida
�, nie ma korelacji z sygnałem cos (2πft ), ale jest pełna korelacja z sygnałem sin (2πft ).
Na zako
�czenie tej cz��ci rozwa�a� przeanalizujemy przypadek, gdy analizowany sygnał jest prze-
suni
�ty o 45°. Policzmy pełn� transformat� Fouriera
1
Dyskretne przekształcenie Fouriera, cz
��� 3
JAK MIESI
�C TEMU
Je
�li rozpatrywany sygnał − nazwijmy go x
C1
( t )
− b�dzie odwrócony w fazie, to równie� wyst�pi
pełna korelacja, w tym sensie,
�e zmianom sygnału x
C1
( t ) b
�d� towarzyszyły dokładnie przeciwne
zmiany sygnału harmonicznego cos (2
πft ), wzgl�dem którego wyznaczamy korelacj�, co zilustro-
wano na rys. 12.
Rys. 12. Odwrócony w fazie sygnał analizowany (linia ci
�gła) i sygnał cos (2πft ) (linia przerywana) –
pełna ujemna korelacja
Wyliczmy zatem odpowiedni
� całk�
( )
(
)
( )
1
d
2
cos
180
2
cos
e
Re
1
−
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.12)
Wynik jest zgodny z oczekiwaniami – warto
�� całki jest taka sama, lecz ma przeciwny znak.
Przeprowad
�my teraz kolejny eksperyment. Rozwa�my przypadek, gdy rozpatrywany sygnał − na-
zwijmy go x
C2
( t )
− b�dzie przesuni�ty o 90°. Taka sytuacja jest przedstawiona na rys. 13.
Rys. 13. Przesuni
�ty o 90°sygnał analizowany (linia ci�gła) i sygnał cos (2πft ) (linia przerywana) –
brak korelacji
Przyjrzyjmy si
� dokładnie dowolnemu pojedynczemu okresowi. W czasie jednej �wiartki okresu
obydwa sygnały zmieniaj
� si� jednakowo (jednocze�nie rosn� lub malej�), ale ju� w kolejnej zmie-
niaj
� si� przeciwnie (tzn. gdy jeden ro�nie, to drugi maleje i vice versa). Odnotowujemy wi�c zu-
pełny brak korelacji mi
�dzy obydwoma sygnałami. Dla pewno�ci policzmy odpowiedni� całk�
( )
(
)
( )
0
d
2
cos
90
2
cos
e
Re
2
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.13)
Wynik oblicze
� potwierdza nasze przewidywania, ale i tak jest zaskakuj�cy. Przecie� zawarto��
widmowa sygnału nie zmieniła si
�!
W tym miejscu ujawnia si
� pot�ga rachunku symbolicznego i geniusz Fouriera. Rozpatrzmy korela-
cj
� sygnału x
C2
( t ) (przesuni
�tego o 90°) z sygnałem harmonicznym sin (2πft ). Obydwa sygnały
przedstawione s
� na rys. 14.
Rys. 14. Przesuni
�ty o 90°sygnał analizowany (linia ci�gła) i sygnał sin (2πft ) (linia przerywana) –
pełna korelacja
Widzimy pełn
� korelacj� obu sygnałów, któr� potwierdza wynik oblicze� cz��ci urojonej transfor-
maty Fouriera
( )
(
) ( )
1
d
2
sin
90
2
cos
e
Im
2
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.14)
Jak wida
�, nie ma korelacji z sygnałem cos (2πft ), ale jest pełna korelacja z sygnałem sin (2πft ).
Na zako
�czenie tej cz��ci rozwa�a� przeanalizujemy przypadek, gdy analizowany sygnał jest prze-
suni
�ty o 45°. Policzmy pełn� transformat� Fouriera
1
Dyskretne przekształcenie Fouriera, cz
��� 3
JAK MIESI
�C TEMU
Je
�li rozpatrywany sygnał − nazwijmy go x
C1
( t )
− b�dzie odwrócony w fazie, to równie� wyst�pi
pełna korelacja, w tym sensie,
�e zmianom sygnału x
C1
( t ) b
�d� towarzyszyły dokładnie przeciwne
zmiany sygnału harmonicznego cos (2
πft ), wzgl�dem którego wyznaczamy korelacj�, co zilustro-
wano na rys. 12.
Rys. 12. Odwrócony w fazie sygnał analizowany (linia ci
�gła) i sygnał cos (2πft ) (linia przerywana) –
pełna ujemna korelacja
Wyliczmy zatem odpowiedni
� całk�
( )
(
)
( )
1
d
2
cos
180
2
cos
e
Re
1
−
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.12)
Wynik jest zgodny z oczekiwaniami – warto
�� całki jest taka sama, lecz ma przeciwny znak.
Przeprowad
�my teraz kolejny eksperyment. Rozwa�my przypadek, gdy rozpatrywany sygnał − na-
zwijmy go x
C2
( t )
− b�dzie przesuni�ty o 90°. Taka sytuacja jest przedstawiona na rys. 13.
Rys. 13. Przesuni
�ty o 90°sygnał analizowany (linia ci�gła) i sygnał cos (2πft ) (linia przerywana) –
brak korelacji
Przyjrzyjmy si
� dokładnie dowolnemu pojedynczemu okresowi. W czasie jednej �wiartki okresu
obydwa sygnały zmieniaj
� si� jednakowo (jednocze�nie rosn� lub malej�), ale ju� w kolejnej zmie-
niaj
� si� przeciwnie (tzn. gdy jeden ro�nie, to drugi maleje i vice versa). Odnotowujemy wi�c zu-
pełny brak korelacji mi
�dzy obydwoma sygnałami. Dla pewno�ci policzmy odpowiedni� całk�
( )
(
)
( )
0
d
2
cos
90
2
cos
e
Re
2
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.13)
Wynik oblicze
� potwierdza nasze przewidywania, ale i tak jest zaskakuj�cy. Przecie� zawarto��
widmowa sygnału nie zmieniła si
�!
W tym miejscu ujawnia si
� pot�ga rachunku symbolicznego i geniusz Fouriera. Rozpatrzmy korela-
cj
� sygnału x
C2
( t ) (przesuni
�tego o 90°) z sygnałem harmonicznym sin (2πft ). Obydwa sygnały
przedstawione s
� na rys. 14.
Rys. 14. Przesuni
�ty o 90°sygnał analizowany (linia ci�gła) i sygnał sin (2πft ) (linia przerywana) –
pełna korelacja
Widzimy pełn
� korelacj� obu sygnałów, któr� potwierdza wynik oblicze� cz��ci urojonej transfor-
maty Fouriera
( )
(
) ( )
1
d
2
sin
90
2
cos
e
Im
2
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.14)
Jak wida
�, nie ma korelacji z sygnałem cos (2πft ), ale jest pełna korelacja z sygnałem sin (2πft ).
Na zako
�czenie tej cz��ci rozwa�a� przeanalizujemy przypadek, gdy analizowany sygnał jest prze-
suni
�ty o 45°. Policzmy pełn� transformat� Fouriera
1
Dyskretne przekształcenie Fouriera, cz
��� 3
JAK MIESI
�C TEMU
Je
�li rozpatrywany sygnał − nazwijmy go x
C1
( t )
− b�dzie odwrócony w fazie, to równie� wyst�pi
pełna korelacja, w tym sensie,
�e zmianom sygnału x
C1
( t ) b
�d� towarzyszyły dokładnie przeciwne
zmiany sygnału harmonicznego cos (2
πft ), wzgl�dem którego wyznaczamy korelacj�, co zilustro-
wano na rys. 12.
Rys. 12. Odwrócony w fazie sygnał analizowany (linia ci
�gła) i sygnał cos (2πft ) (linia przerywana) –
pełna ujemna korelacja
Wyliczmy zatem odpowiedni
� całk�
( )
(
)
( )
1
d
2
cos
180
2
cos
e
Re
1
−
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.12)
Wynik jest zgodny z oczekiwaniami – warto
�� całki jest taka sama, lecz ma przeciwny znak.
Przeprowad
�my teraz kolejny eksperyment. Rozwa�my przypadek, gdy rozpatrywany sygnał − na-
zwijmy go x
C2
( t )
− b�dzie przesuni�ty o 90°. Taka sytuacja jest przedstawiona na rys. 13.
Rys. 13. Przesuni
�ty o 90°sygnał analizowany (linia ci�gła) i sygnał cos (2πft ) (linia przerywana) –
brak korelacji
Przyjrzyjmy si
� dokładnie dowolnemu pojedynczemu okresowi. W czasie jednej �wiartki okresu
obydwa sygnały zmieniaj
� si� jednakowo (jednocze�nie rosn� lub malej�), ale ju� w kolejnej zmie-
niaj
� si� przeciwnie (tzn. gdy jeden ro�nie, to drugi maleje i vice versa). Odnotowujemy wi�c zu-
pełny brak korelacji mi
�dzy obydwoma sygnałami. Dla pewno�ci policzmy odpowiedni� całk�
( )
(
)
( )
0
d
2
cos
90
2
cos
e
Re
2
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.13)
Wynik oblicze
� potwierdza nasze przewidywania, ale i tak jest zaskakuj�cy. Przecie� zawarto��
widmowa sygnału nie zmieniła si
�!
W tym miejscu ujawnia si
� pot�ga rachunku symbolicznego i geniusz Fouriera. Rozpatrzmy korela-
cj
� sygnału x
C2
( t ) (przesuni
�tego o 90°) z sygnałem harmonicznym sin (2πft ). Obydwa sygnały
przedstawione s
� na rys. 14.
Rys. 14. Przesuni
�ty o 90°sygnał analizowany (linia ci�gła) i sygnał sin (2πft ) (linia przerywana) –
pełna korelacja
Widzimy pełn
� korelacj� obu sygnałów, któr� potwierdza wynik oblicze� cz��ci urojonej transfor-
maty Fouriera
( )
(
) ( )
1
d
2
sin
90
2
cos
e
Im
2
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.14)
Jak wida
�, nie ma korelacji z sygnałem cos (2πft ), ale jest pełna korelacja z sygnałem sin (2πft ).
Na zako
�czenie tej cz��ci rozwa�a� przeanalizujemy przypadek, gdy analizowany sygnał jest prze-
suni
�ty o 45°. Policzmy pełn� transformat� Fouriera
1
Dyskretne przekształcenie Fouriera, cz
��� 3
JAK MIESI
�C TEMU
Je
�li rozpatrywany sygnał − nazwijmy go x
C1
( t )
− b�dzie odwrócony w fazie, to równie� wyst�pi
pełna korelacja, w tym sensie,
�e zmianom sygnału x
C1
( t ) b
�d� towarzyszyły dokładnie przeciwne
zmiany sygnału harmonicznego cos (2
πft ), wzgl�dem którego wyznaczamy korelacj�, co zilustro-
wano na rys. 12.
Rys. 12. Odwrócony w fazie sygnał analizowany (linia ci
�gła) i sygnał cos (2πft ) (linia przerywana) –
pełna ujemna korelacja
Wyliczmy zatem odpowiedni
� całk�
( )
(
)
( )
1
d
2
cos
180
2
cos
e
Re
1
−
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.12)
Wynik jest zgodny z oczekiwaniami – warto
�� całki jest taka sama, lecz ma przeciwny znak.
Przeprowad
�my teraz kolejny eksperyment. Rozwa�my przypadek, gdy rozpatrywany sygnał − na-
zwijmy go x
C2
( t )
− b�dzie przesuni�ty o 90°. Taka sytuacja jest przedstawiona na rys. 13.
Rys. 13. Przesuni
�ty o 90°sygnał analizowany (linia ci�gła) i sygnał cos (2πft ) (linia przerywana) –
brak korelacji
Przyjrzyjmy si
� dokładnie dowolnemu pojedynczemu okresowi. W czasie jednej �wiartki okresu
obydwa sygnały zmieniaj
� si� jednakowo (jednocze�nie rosn� lub malej�), ale ju� w kolejnej zmie-
niaj
� si� przeciwnie (tzn. gdy jeden ro�nie, to drugi maleje i vice versa). Odnotowujemy wi�c zu-
pełny brak korelacji mi
�dzy obydwoma sygnałami. Dla pewno�ci policzmy odpowiedni� całk�
( )
(
)
( )
0
d
2
cos
90
2
cos
e
Re
2
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.13)
Wynik oblicze
� potwierdza nasze przewidywania, ale i tak jest zaskakuj�cy. Przecie� zawarto��
widmowa sygnału nie zmieniła si
�!
W tym miejscu ujawnia si
� pot�ga rachunku symbolicznego i geniusz Fouriera. Rozpatrzmy korela-
cj
� sygnału x
C2
( t ) (przesuni
�tego o 90°) z sygnałem harmonicznym sin (2πft ). Obydwa sygnały
przedstawione s
� na rys. 14.
Rys. 14. Przesuni
�ty o 90°sygnał analizowany (linia ci�gła) i sygnał sin (2πft ) (linia przerywana) –
pełna korelacja
Widzimy pełn
� korelacj� obu sygnałów, któr� potwierdza wynik oblicze� cz��ci urojonej transfor-
maty Fouriera
( )
(
) ( )
1
d
2
sin
90
2
cos
e
Im
2
=
�
�
�
π
⋅
°
−
π
=
�
�
�
�
�
�
∞
∞
−
−
t
ft
ft
f
X
t
C
(2.14)
Jak wida
�, nie ma korelacji z sygnałem cos (2πft ), ale jest pełna korelacja z sygnałem sin (2πft ).
Na zako
�czenie tej cz��ci rozwa�a� przeanalizujemy przypadek, gdy analizowany sygnał jest prze-
suni
�ty o 45°. Policzmy pełn� transformat� Fouriera
2
( )
(
) (
)
(
) (
)
°
−
∞
∞
−
−
∞
∞
−
−
=
−
=
=
�
�
�
π
°
−
π
−
�
�
�
π
°
−
π
=
45
j
3
e
1
707
,
0
j
707
,
0
d
2
sin
45
2
cos
e
j
d
2
cos
45
2
cos
e
t
ft
ft
t
ft
ft
f
X
t
t
C
(2.15)
Wynik oblicze
� wskazuje, �e moduł transformaty jest równy jedno�ci, a ró�ny od zera wykładnik
informuje o przesuni
�ciu fazowym sygnału poddanego transformacji wzgl�dem sygnału odniesienia
cos (2
πft ).
Na podstawie pokazanych przypadków, wykorzystuj
�c odrobin� dedukcji, dochodzimy do wniosku,
�e je�li kształt sygnału nie zmienia si�, to niezale�nie od jego przesuni�cia fazowego, moduł trans-
formaty Fouriera jest zawsze jednakowy, a zmienia si
� jedynie jej faza, okre�laj�c poło�enie sygna-
łu wzgl
�dem składowej kosinusoidalnej.
Je
�li analizowany sygnał b�dzie sum� kilku składowych harmonicznych, to moduł transformaty
Fouriera b
�dzie osi�gał lokalnie maksymalne warto�ci dla cz�stotliwo�ci równych cz�stotliwo�ciom
tych składowych. Wynika to z faktu,
�e tylko dla tych składowych istnieje korelacja mi�dzy anali-
zowanym sygnałem i odpowiednim harmonicznym sygnałem odniesienia.
Przekształcenie Fouriera sygnału dyskretnego
Jak mogli
�my si� przekona�, transformata Fouriera sygnału ci�głego ma bardzo klarown� i intu-
icyjn
� interpretacj� fizyczn�. Obecnie rozpatrzymy proces transformacji Fourierowskiej sygnału o
czasie dyskretnym. Na pocz
�tku usystematyzujemy poj�cia zwi�zane z sygnałami ci�głymi, dys-
kretnymi i cyfrowymi oraz rzucimy nieco
�wiatła na sam proces próbkowania.
W wyniku próbkowania sygnałów ci
�głych otrzymujemy sygnały o czasie dyskretnym nazywane w
literaturze polskiej sygnałami dyskretnymi. Z kolei sygnał dyskretny poddany kwantyzacji warto
�ci
chwilowej i zapisowi w postaci ci
�gu liczb nosi nazw� sygnału cyfrowego. Sygnał cyfrowy jest
wi
�c sygnałem dyskretnym zarówno w czasie, jak i − ze wzgl�du na sko�czon� ilo�� poziomów
kwantowania
− w warto�ci. Sygnał cyfrowy, b�d�cy z programowego punktu widzenia wektorem
1
,
mo
�e by� bezpo�rednio poddawany procedurom cyfrowego przetwarzania sygnałów.
Proces próbkowania polega na pomiarze warto
�ci sygnału w �ci�le okre�lonych momentach czaso-
wych. W najprostszym przypadku mamy do czynienia z próbkowaniem równomiernym [3, 4], któ-
rego zasady s
� okre�lone przez twierdzenie Kotielnikowa − Shannona. Proces próbkowania ma z
reguły miejsce w wi
�kszo�ci współczesnych przyrz�dów pomiarowych oraz w programach do ana-
lizy układów elektronicznych.
W pierwszym przypadku próbkowanie jest realizowane w celu pó
�niejszego zastosowania wybra-
nych algorytmów CPS oraz archiwizacji danych pomiarowych. W drugim
− „próbkowanie” odby-
wa si
� „przypadkiem” w wyniku realizacji procedur całkowania numerycznego. Słowo próbkowa-
nie zostało wzi
�te w cudzysłów, gdy� nie mamy tu do czynienia z pomiarem, lecz predykcj� warto-
�ci przebiegu w wybranych momentach czasowych.
W przeciwie
�stwie do przyrz�dów pomiarowych, programy realizuj�ce analiz� czasow� układów
elektronicznych z reguły nie „próbkuj
�” sygnału równomiernie, ale praktycznie, za pomoc� proce-
dur interpolacji wielomianowej (najcz
��ciej liniowej), daj� w efekcie ko�cowym sygnał spróbko-
wany równomiernie [2]. Z tego powodu dalsze rozwa
�ania ograniczymy do przypadku sygnału
dyskretnego z jednakowym odst
�pem czasowym mi�dzy s�siednimi próbkami.
Na samym pocz
�tku rozwa�a� w �wiecie sygnałów dyskretnych pojawia si� pytanie – Jak taki sy-
gnał zapisa
� analitycznie? Z pomoc� przychodzi nam teoria dystrybucji z tzw. delt� Diraca δ(t).
Nie wgł
�biaj�c si� w zawiło�ci matematyczne, przyjmijmy do wiadomo�ci, �e delta Diraca ma nie-
sko
�czenie du�� warto�� w momencie t = 0, a w pozostałym czasie jest równa zeru. Ponadto całka
1
Czyli uporz
�dkowanym ci�giem liczb o wspólnej nazwie.
2
( )
(
) (
)
(
) (
)
°
−
∞
∞
−
−
∞
∞
−
−
=
−
=
=
�
�
�
π
°
−
π
−
�
�
�
π
°
−
π
=
45
j
3
e
1
707
,
0
j
707
,
0
d
2
sin
45
2
cos
e
j
d
2
cos
45
2
cos
e
t
ft
ft
t
ft
ft
f
X
t
t
C
(2.15)
Wynik oblicze
� wskazuje, �e moduł transformaty jest równy jedno�ci, a ró�ny od zera wykładnik
informuje o przesuni
�ciu fazowym sygnału poddanego transformacji wzgl�dem sygnału odniesienia
cos (2
πft ).
Na podstawie pokazanych przypadków, wykorzystuj
�c odrobin� dedukcji, dochodzimy do wniosku,
�e je�li kształt sygnału nie zmienia si�, to niezale�nie od jego przesuni�cia fazowego, moduł trans-
formaty Fouriera jest zawsze jednakowy, a zmienia si
� jedynie jej faza, okre�laj�c poło�enie sygna-
łu wzgl
�dem składowej kosinusoidalnej.
Je
�li analizowany sygnał b�dzie sum� kilku składowych harmonicznych, to moduł transformaty
Fouriera b
�dzie osi�gał lokalnie maksymalne warto�ci dla cz�stotliwo�ci równych cz�stotliwo�ciom
tych składowych. Wynika to z faktu,
�e tylko dla tych składowych istnieje korelacja mi�dzy anali-
zowanym sygnałem i odpowiednim harmonicznym sygnałem odniesienia.
Przekształcenie Fouriera sygnału dyskretnego
Jak mogli
�my si� przekona�, transformata Fouriera sygnału ci�głego ma bardzo klarown� i intu-
icyjn
� interpretacj� fizyczn�. Obecnie rozpatrzymy proces transformacji Fourierowskiej sygnału o
czasie dyskretnym. Na pocz
�tku usystematyzujemy poj�cia zwi�zane z sygnałami ci�głymi, dys-
kretnymi i cyfrowymi oraz rzucimy nieco
�wiatła na sam proces próbkowania.
W wyniku próbkowania sygnałów ci
�głych otrzymujemy sygnały o czasie dyskretnym nazywane w
literaturze polskiej sygnałami dyskretnymi. Z kolei sygnał dyskretny poddany kwantyzacji warto
�ci
chwilowej i zapisowi w postaci ci
�gu liczb nosi nazw� sygnału cyfrowego. Sygnał cyfrowy jest
wi
�c sygnałem dyskretnym zarówno w czasie, jak i − ze wzgl�du na sko�czon� ilo�� poziomów
kwantowania
− w warto�ci. Sygnał cyfrowy, b�d�cy z programowego punktu widzenia wektorem
1
,
mo
�e by� bezpo�rednio poddawany procedurom cyfrowego przetwarzania sygnałów.
Proces próbkowania polega na pomiarze warto
�ci sygnału w �ci�le okre�lonych momentach czaso-
wych. W najprostszym przypadku mamy do czynienia z próbkowaniem równomiernym [3, 4], któ-
rego zasady s
� okre�lone przez twierdzenie Kotielnikowa − Shannona. Proces próbkowania ma z
reguły miejsce w wi
�kszo�ci współczesnych przyrz�dów pomiarowych oraz w programach do ana-
lizy układów elektronicznych.
W pierwszym przypadku próbkowanie jest realizowane w celu pó
�niejszego zastosowania wybra-
nych algorytmów CPS oraz archiwizacji danych pomiarowych. W drugim
− „próbkowanie” odby-
wa si
� „przypadkiem” w wyniku realizacji procedur całkowania numerycznego. Słowo próbkowa-
nie zostało wzi
�te w cudzysłów, gdy� nie mamy tu do czynienia z pomiarem, lecz predykcj� warto-
�ci przebiegu w wybranych momentach czasowych.
W przeciwie
�stwie do przyrz�dów pomiarowych, programy realizuj�ce analiz� czasow� układów
elektronicznych z reguły nie „próbkuj
�” sygnału równomiernie, ale praktycznie, za pomoc� proce-
dur interpolacji wielomianowej (najcz
��ciej liniowej), daj� w efekcie ko�cowym sygnał spróbko-
wany równomiernie [2]. Z tego powodu dalsze rozwa
�ania ograniczymy do przypadku sygnału
dyskretnego z jednakowym odst
�pem czasowym mi�dzy s�siednimi próbkami.
Na samym pocz
�tku rozwa�a� w �wiecie sygnałów dyskretnych pojawia si� pytanie – Jak taki sy-
gnał zapisa
� analitycznie? Z pomoc� przychodzi nam teoria dystrybucji z tzw. delt� Diraca δ(t).
Nie wgł
�biaj�c si� w zawiło�ci matematyczne, przyjmijmy do wiadomo�ci, �e delta Diraca ma nie-
sko
�czenie du�� warto�� w momencie t = 0, a w pozostałym czasie jest równa zeru. Ponadto całka
1
Czyli uporz
�dkowanym ci�giem liczb o wspólnej nazwie.
2
( )
(
) (
)
(
) (
)
°
−
∞
∞
−
−
∞
∞
−
−
=
−
=
=
�
�
�
π
°
−
π
−
�
�
�
π
°
−
π
=
45
j
3
e
1
707
,
0
j
707
,
0
d
2
sin
45
2
cos
e
j
d
2
cos
45
2
cos
e
t
ft
ft
t
ft
ft
f
X
t
t
C
(2.15)
Wynik oblicze
� wskazuje, �e moduł transformaty jest równy jedno�ci, a ró�ny od zera wykładnik
informuje o przesuni
�ciu fazowym sygnału poddanego transformacji wzgl�dem sygnału odniesienia
cos (2
πft ).
Na podstawie pokazanych przypadków, wykorzystuj
�c odrobin� dedukcji, dochodzimy do wniosku,
�e je�li kształt sygnału nie zmienia si�, to niezale�nie od jego przesuni�cia fazowego, moduł trans-
formaty Fouriera jest zawsze jednakowy, a zmienia si
� jedynie jej faza, okre�laj�c poło�enie sygna-
łu wzgl
�dem składowej kosinusoidalnej.
Je
�li analizowany sygnał b�dzie sum� kilku składowych harmonicznych, to moduł transformaty
Fouriera b
�dzie osi�gał lokalnie maksymalne warto�ci dla cz�stotliwo�ci równych cz�stotliwo�ciom
tych składowych. Wynika to z faktu,
�e tylko dla tych składowych istnieje korelacja mi�dzy anali-
zowanym sygnałem i odpowiednim harmonicznym sygnałem odniesienia.
Przekształcenie Fouriera sygnału dyskretnego
Jak mogli
�my si� przekona�, transformata Fouriera sygnału ci�głego ma bardzo klarown� i intu-
icyjn
� interpretacj� fizyczn�. Obecnie rozpatrzymy proces transformacji Fourierowskiej sygnału o
czasie dyskretnym. Na pocz
�tku usystematyzujemy poj�cia zwi�zane z sygnałami ci�głymi, dys-
kretnymi i cyfrowymi oraz rzucimy nieco
�wiatła na sam proces próbkowania.
W wyniku próbkowania sygnałów ci
�głych otrzymujemy sygnały o czasie dyskretnym nazywane w
literaturze polskiej sygnałami dyskretnymi. Z kolei sygnał dyskretny poddany kwantyzacji warto
�ci
chwilowej i zapisowi w postaci ci
�gu liczb nosi nazw� sygnału cyfrowego. Sygnał cyfrowy jest
wi
�c sygnałem dyskretnym zarówno w czasie, jak i − ze wzgl�du na sko�czon� ilo�� poziomów
kwantowania
− w warto�ci. Sygnał cyfrowy, b�d�cy z programowego punktu widzenia wektorem
1
,
mo
�e by� bezpo�rednio poddawany procedurom cyfrowego przetwarzania sygnałów.
Proces próbkowania polega na pomiarze warto
�ci sygnału w �ci�le okre�lonych momentach czaso-
wych. W najprostszym przypadku mamy do czynienia z próbkowaniem równomiernym [3, 4], któ-
rego zasady s
� okre�lone przez twierdzenie Kotielnikowa − Shannona. Proces próbkowania ma z
reguły miejsce w wi
�kszo�ci współczesnych przyrz�dów pomiarowych oraz w programach do ana-
lizy układów elektronicznych.
W pierwszym przypadku próbkowanie jest realizowane w celu pó
�niejszego zastosowania wybra-
nych algorytmów CPS oraz archiwizacji danych pomiarowych. W drugim
− „próbkowanie” odby-
wa si
� „przypadkiem” w wyniku realizacji procedur całkowania numerycznego. Słowo próbkowa-
nie zostało wzi
�te w cudzysłów, gdy� nie mamy tu do czynienia z pomiarem, lecz predykcj� warto-
�ci przebiegu w wybranych momentach czasowych.
W przeciwie
�stwie do przyrz�dów pomiarowych, programy realizuj�ce analiz� czasow� układów
elektronicznych z reguły nie „próbkuj
�” sygnału równomiernie, ale praktycznie, za pomoc� proce-
dur interpolacji wielomianowej (najcz
��ciej liniowej), daj� w efekcie ko�cowym sygnał spróbko-
wany równomiernie [2]. Z tego powodu dalsze rozwa
�ania ograniczymy do przypadku sygnału
dyskretnego z jednakowym odst
�pem czasowym mi�dzy s�siednimi próbkami.
Na samym pocz
�tku rozwa�a� w �wiecie sygnałów dyskretnych pojawia si� pytanie – Jak taki sy-
gnał zapisa
� analitycznie? Z pomoc� przychodzi nam teoria dystrybucji z tzw. delt� Diraca δ(t).
Nie wgł
�biaj�c si� w zawiło�ci matematyczne, przyjmijmy do wiadomo�ci, �e delta Diraca ma nie-
sko
�czenie du�� warto�� w momencie t = 0, a w pozostałym czasie jest równa zeru. Ponadto całka
1
Czyli uporz
�dkowanym ci�giem liczb o wspólnej nazwie.
2
( )
(
) (
)
(
) (
)
°
−
∞
∞
−
−
∞
∞
−
−
=
−
=
=
�
�
�
π
°
−
π
−
�
�
�
π
°
−
π
=
45
j
3
e
1
707
,
0
j
707
,
0
d
2
sin
45
2
cos
e
j
d
2
cos
45
2
cos
e
t
ft
ft
t
ft
ft
f
X
t
t
C
(2.15)
Wynik oblicze
� wskazuje, �e moduł transformaty jest równy jedno�ci, a ró�ny od zera wykładnik
informuje o przesuni
�ciu fazowym sygnału poddanego transformacji wzgl�dem sygnału odniesienia
cos (2
πft ).
Na podstawie pokazanych przypadków, wykorzystuj
�c odrobin� dedukcji, dochodzimy do wniosku,
�e je�li kształt sygnału nie zmienia si�, to niezale�nie od jego przesuni�cia fazowego, moduł trans-
formaty Fouriera jest zawsze jednakowy, a zmienia si
� jedynie jej faza, okre�laj�c poło�enie sygna-
łu wzgl
�dem składowej kosinusoidalnej.
Je
�li analizowany sygnał b�dzie sum� kilku składowych harmonicznych, to moduł transformaty
Fouriera b
�dzie osi�gał lokalnie maksymalne warto�ci dla cz�stotliwo�ci równych cz�stotliwo�ciom
tych składowych. Wynika to z faktu,
�e tylko dla tych składowych istnieje korelacja mi�dzy anali-
zowanym sygnałem i odpowiednim harmonicznym sygnałem odniesienia.
Przekształcenie Fouriera sygnału dyskretnego
Jak mogli
�my si� przekona�, transformata Fouriera sygnału ci�głego ma bardzo klarown� i intu-
icyjn
� interpretacj� fizyczn�. Obecnie rozpatrzymy proces transformacji Fourierowskiej sygnału o
czasie dyskretnym. Na pocz
�tku usystematyzujemy poj�cia zwi�zane z sygnałami ci�głymi, dys-
kretnymi i cyfrowymi oraz rzucimy nieco
�wiatła na sam proces próbkowania.
W wyniku próbkowania sygnałów ci
�głych otrzymujemy sygnały o czasie dyskretnym nazywane w
literaturze polskiej sygnałami dyskretnymi. Z kolei sygnał dyskretny poddany kwantyzacji warto
�ci
chwilowej i zapisowi w postaci ci
�gu liczb nosi nazw� sygnału cyfrowego. Sygnał cyfrowy jest
wi
�c sygnałem dyskretnym zarówno w czasie, jak i − ze wzgl�du na sko�czon� ilo�� poziomów
kwantowania
− w warto�ci. Sygnał cyfrowy, b�d�cy z programowego punktu widzenia wektorem
1
,
mo
�e by� bezpo�rednio poddawany procedurom cyfrowego przetwarzania sygnałów.
Proces próbkowania polega na pomiarze warto
�ci sygnału w �ci�le okre�lonych momentach czaso-
wych. W najprostszym przypadku mamy do czynienia z próbkowaniem równomiernym [3, 4], któ-
rego zasady s
� okre�lone przez twierdzenie Kotielnikowa − Shannona. Proces próbkowania ma z
reguły miejsce w wi
�kszo�ci współczesnych przyrz�dów pomiarowych oraz w programach do ana-
lizy układów elektronicznych.
W pierwszym przypadku próbkowanie jest realizowane w celu pó
�niejszego zastosowania wybra-
nych algorytmów CPS oraz archiwizacji danych pomiarowych. W drugim
− „próbkowanie” odby-
wa si
� „przypadkiem” w wyniku realizacji procedur całkowania numerycznego. Słowo próbkowa-
nie zostało wzi
�te w cudzysłów, gdy� nie mamy tu do czynienia z pomiarem, lecz predykcj� warto-
�ci przebiegu w wybranych momentach czasowych.
W przeciwie
�stwie do przyrz�dów pomiarowych, programy realizuj�ce analiz� czasow� układów
elektronicznych z reguły nie „próbkuj
�” sygnału równomiernie, ale praktycznie, za pomoc� proce-
dur interpolacji wielomianowej (najcz
��ciej liniowej), daj� w efekcie ko�cowym sygnał spróbko-
wany równomiernie [2]. Z tego powodu dalsze rozwa
�ania ograniczymy do przypadku sygnału
dyskretnego z jednakowym odst
�pem czasowym mi�dzy s�siednimi próbkami.
Na samym pocz
�tku rozwa�a� w �wiecie sygnałów dyskretnych pojawia si� pytanie – Jak taki sy-
gnał zapisa
� analitycznie? Z pomoc� przychodzi nam teoria dystrybucji z tzw. delt� Diraca δ(t).
Nie wgł
�biaj�c si� w zawiło�ci matematyczne, przyjmijmy do wiadomo�ci, �e delta Diraca ma nie-
sko
�czenie du�� warto�� w momencie t = 0, a w pozostałym czasie jest równa zeru. Ponadto całka
1
Czyli uporz
�dkowanym ci�giem liczb o wspólnej nazwie.
(2.15)
99
Elektronika Praktyczna 5/2006
K U R S
Wynik obliczeń wskazuje, że
moduł transformaty jest równy jed-
ności, a różny od zera wykład-
nik informuje o przesunięciu fazo-
wym sygnału poddanego transfor-
macji względem sygnału odniesie-
nia cos
(2πft
).
Na podstawie pokazanych przy-
padków, wykorzystując odrobinę de-
dukcji, dochodzimy do wniosku, że
jeśli kształt sygnału nie zmienia
się, to niezależnie od jego przesu-
nięcia fazowego, moduł transforma-
ty Fouriera jest zawsze jednakowy,
a zmienia się jedynie jej faza, okre-
ślająca położenie sygnału względem
składowej kosinusoidalnej.
Jeśli analizowany sygnał będzie
sumą kilku składowych harmonicz-
nych, to moduł transformaty Fo-
uriera będzie osiągał lokalnie mak-
symalne wartości dla częstotliwo-
ści równych częstotliwościom tych
składowych. Wynika to z faktu, że
tylko dla tych składowych istnieje
korelacja między analizowanym sy-
gnałem i odpowiednim harmonicz-
nym sygnałem odniesienia.
Przekształcenie Fouriera
sygnału dyskretnego
Jak mogliśmy się przekonać,
transformata Fouriera sygnału cią-
głego ma bardzo klarowną i intu-
icyjną interpretację fizyczną. Obec-
nie rozpatrzymy proces transforma-
cji Fourierowskiej sygnału o czasie
dyskretnym. Na początku usystema-
tyzujemy pojęcia związane z sygna-
łami ciągłymi, dyskretnymi i cyfro-
wymi oraz rzucimy nieco światła
na sam proces próbkowania.
W wyniku próbkowania sygnałów
ciągłych otrzymujemy sygnały o cza-
sie dyskretnym nazywane w litera-
turze polskiej sygnałami dyskretny-
mi
. Z kolei sygnał dyskretny pod-
dany kwantyzacji wartości chwilo-
wej i zapisowi w postaci ciągu liczb
nosi nazwę sygnału cyfrowego. Sy-
gnał cyfrowy jest więc sygnałem
dyskretnym zarówno w czasie, jak
i − ze względu na skończoną ilość
poziomów kwantowania − w warto-
ści. Sygnał cyfrowy, będący z pro-
gramowego punktu widzenia wekto-
rem
1
, może być bezpośrednio pod-
dawany procedurom cyfrowego prze-
twarzania sygnałów.
Proces próbkowania polega na
pomiarze wartości sygnału w ściśle
określonych momentach czasowych.
W najprostszym przypadku mamy
do czynienia z próbkowaniem rów-
nomiernym [3, 4], którego zasady są
Rys. 15. Proces próbkowania. a) oryginalny sygnał ciągły, b) funkcja próbku-
jąca, c) sygnał dyskretny (na najmniejszych impulsach – ze względu na czy-
telność rysunku – nie zaznaczono grotów strzałek)
określone przez twierdzenie Kotielni-
kowa −
Shannona. Proces próbkowa-
nia ma z reguły miejsce w większo-
ści współczesnych przyrządów po-
miarowych oraz w programach do
analizy układów elektronicznych.
W pierwszym przypadku próbko-
wanie jest realizowane w celu póź-
niejszego zastosowania wybranych
algorytmów CPS oraz archiwizacji
danych pomiarowych. W drugim −
„próbkowanie” odbywa się „przy-
padkiem” w wyniku realizacji pro-
cedur całkowania numerycznego.
Słowo próbkowanie zostało wzięte
w cudzysłów, gdyż nie mamy tu do
czynienia z pomiarem, lecz predyk-
cją wartości przebiegu w wybranych
momentach czasowych.
W przeciwieństwie do przyrzą-
dów pomiarowych, programy re-
alizujące analizę czasową układów
elektronicznych z reguły nie „prób-
kują” sygnału równomiernie, ale
praktycznie, za pomocą procedur
interpolacji wielomianowej (najczę-
ściej liniowej), dają w efekcie koń-
cowym sygnał spróbkowany równo-
miernie [2]. Z tego powodu dalsze
rozważania ograniczymy do przy-
padku sygnału dyskretnego z jedna-
Rys. 14. Przesunięty o 90°sygnał analizowany (linia ciągła) i sygnał sin
(2πft
) (li-
nia przerywana) – pełna korelacja
Elektronika Praktyczna 5/2006
100
K U R S
kowym odstępem czasowym między
sąsiednimi próbkami.
Na samym początku rozważań
w świecie sygnałów dyskretnych po-
jawia się pytanie – Jak taki sy-
gnał zapisać analitycznie? Z pomocą
przychodzi nam teoria dystrybucji
z tzw. deltą Diraca δ(t). Nie wgłę-
biając się w zawiłości matematycz-
ne, przyjmijmy do wiadomości, że
delta Diraca ma nieskończenie dużą
wartość w momencie t = 0, a w po-
zostałym czasie jest równa zeru.
Ponadto całka po czasie z impulsu
Diraca w granicach ±∞ jest równa
jedności. Z tego powodu delta Di-
raca nie jest funkcją w klasycznym
sensie, lecz tzw. dystrybucją.
Formalnie dystrybucję Diraca
opisuje się następująco
(2.16)
Dystrybucję δ(t) przedstawia się
graficznie jako wąski prążek za-
kończony strzałką o wysokości rów-
nej polu pod wykresem dystrybucji,
a więc równej jedności, umieszczo-
ny w punkcie t = 0.
Na bazie dystrybucji δ(t) moż-
na utworzyć tzw. funkcję próbkują-
cą o postaci
(2.17)
Funkcja ta reprezentuje ciąg im-
pulsów Diraca o jednostkowej wy-
sokości, ułożonych na osi czasu
w jednakowych odstępach, równych
okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x
(
t
) sygna-
łu ciągłego x
C
(
t
) może być przed-
stawiona jako iloczyn sygnału x
C
(
t
)
i funkcji próbkującej
Cały proces próbkowania, prze-
prowadzony zgodnie z twierdzeniem
Kotielnikowa − Shannona, jest zilu-
strowany na
rys. 15.
Ponieważ funkcja próbkująca,
a tym samym sygnał x
(
t
), są określo-
ne w dyskretnych momentach czasu
często stosuje się zapis wyraźnie
wskazujący, że mamy do czynienia
z wektorem
Stosując klasyczną transforma-
tę Fouriera do sygnału dyskretnego
x
(
n
), możemy napisać
(2.20)
Zmieniając kolejność całkowania
i sumowania, otrzymujemy
(2.21)
Ponieważ
(2.22)
ostatecznie otrzymujemy
(2.23)
W punktach t = nT
S
zachodzi
równość
3
po czasie z impulsu Diraca w granicach
±∞ jest równa jedno�ci. Z tego powodu delta Diraca nie jest
funkcj
� w klasycznym sensie, lecz tzw. dystrybucj�.
Formalnie dystrybucj
� Diraca opisuje si� nast�puj�co
( )
( )
�
�
�
�
��
�
�
�
�
�
�
=
δ
�
�
�
≠
=
∞
=
δ
∞
∞
-
1
d
0
dla
0
0
dla
t
t
t
t
t
(2.16)
Dystrybucj
� δ(t) przedstawia si� graficznie jako w�ski pr��ek zako�czony strzałk� o wysoko�ci
równej polu pod wykresem dystrybucji, a wi
�c równej jedno�ci, umieszczony w punkcie t = 0.
Na bazie dystrybucji
δ(t) mo�na utworzy� tzw. funkcj� próbkuj�c� o postaci
( )
(
)
�
∞
∞
=
−
δ
=
σ
-
n
S
nT
t
t
(2.17)
Funkcja ta reprezentuje ci
�g impulsów Diraca o jednostkowej wysoko�ci, uło�onych na osi czasu w
jednakowych odst
�pach, równych okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x ( t ) sygnału ci
�głego x
C
( t ) mo
�e by� przedstawiona jako iloczyn sygnału
x
C
( t ) i funkcji próbkuj
�cej
( )
( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
σ
=
-
n
S
C
C
nT
t
t
x
t
t
x
t
x
(2.18)
Cały proces próbkowania, przeprowadzony zgodnie z twierdzeniem Kotielnikowa
− Shannona, jest
zilustrowany na rys. 15.
Rys. 15. Proces próbkowania. a) oryginalny sygnał ci
�gły, b) funkcja próbkuj�ca, c) sygnał dyskretny
(na najmniejszych impulsach – ze wzgl
�du na czytelno�� rysunku – nie zaznaczono grotów strzałek)
Poniewa
� funkcja próbkuj�ca, a tym samym sygnał x ( t ), s� okre�lone w dyskretnych momentach
czasu
...
,
2
,
1
,
0
,
±
±
=
=
n
nT
t
S
cz
�sto stosuje si� zapis wyra�nie wskazuj�cy, �e mamy do czynienia z wektorem
( ) ( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
=
=
-
n
S
S
C
S
nT
t
nT
x
n
x
nT
x
t
x
(2.19)
Stosuj
�c klasyczn� transformat� Fouriera do sygnału dyskretnego x ( n ), mo�emy napisa�
( )
( ) (
)
( )
(
)
�
�
�
−
δ
=
�
�
�
−
δ
=
∞
∞
−
∞
−∞
=
π
−
∞
∞
−
π
−
∞
−∞
=
�
�
t
nT
t
nT
x
t
nT
t
nT
x
f
X
n
S
nT
f
S
C
nT
f
n
S
S
C
S
S
d
e
d
e
2
j
2
j
(2.20)
Zmieniaj
�c kolejno�� całkowania i sumowania, otrzymujemy
( )
( )
(
)
( )
(
)
�
�
∞
−∞
=
∞
−∞
=
∞
∞
−
π
−
π
−
∞
∞
−
�
�
�
−
δ
=
−
δ
�
�
�
=
n
n
S
nT
f
S
C
S
nT
f
S
C
t
nT
t
nT
x
t
nT
t
nT
x
f
X
S
S
d
e
d
e
2
j
2
j
(2.21)
Poniewa
�
(
)
1
d
=
�
�
�
−
δ
∞
∞
−
t
nT
t
S
(2.22)
ostatecznie otrzymujemy
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
C
S
nT
x
f
X
2
j
e
(2.23)
W punktach t = nT
S
zachodzi równo
��
3
po czasie z impulsu Diraca w granicach
±∞ jest równa jedno�ci. Z tego powodu delta Diraca nie jest
funkcj
� w klasycznym sensie, lecz tzw. dystrybucj�.
Formalnie dystrybucj
� Diraca opisuje si� nast�puj�co
( )
( )
�
�
�
�
��
�
�
�
�
�
�
=
δ
�
�
�
≠
=
∞
=
δ
∞
∞
-
1
d
0
dla
0
0
dla
t
t
t
t
t
(2.16)
Dystrybucj
� δ(t) przedstawia si� graficznie jako w�ski pr��ek zako�czony strzałk� o wysoko�ci
równej polu pod wykresem dystrybucji, a wi
�c równej jedno�ci, umieszczony w punkcie t = 0.
Na bazie dystrybucji
δ(t) mo�na utworzy� tzw. funkcj� próbkuj�c� o postaci
( )
(
)
�
∞
∞
=
−
δ
=
σ
-
n
S
nT
t
t
(2.17)
Funkcja ta reprezentuje ci
�g impulsów Diraca o jednostkowej wysoko�ci, uło�onych na osi czasu w
jednakowych odst
�pach, równych okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x ( t ) sygnału ci
�głego x
C
( t ) mo
�e by� przedstawiona jako iloczyn sygnału
x
C
( t ) i funkcji próbkuj
�cej
( )
( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
σ
=
-
n
S
C
C
nT
t
t
x
t
t
x
t
x
(2.18)
Cały proces próbkowania, przeprowadzony zgodnie z twierdzeniem Kotielnikowa
− Shannona, jest
zilustrowany na rys. 15.
Rys. 15. Proces próbkowania. a) oryginalny sygnał ci
�gły, b) funkcja próbkuj�ca, c) sygnał dyskretny
(na najmniejszych impulsach – ze wzgl
�du na czytelno�� rysunku – nie zaznaczono grotów strzałek)
Poniewa
� funkcja próbkuj�ca, a tym samym sygnał x ( t ), s� okre�lone w dyskretnych momentach
czasu
...
,
2
,
1
,
0
,
±
±
=
=
n
nT
t
S
cz
�sto stosuje si� zapis wyra�nie wskazuj�cy, �e mamy do czynienia z wektorem
( ) ( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
=
=
-
n
S
S
C
S
nT
t
nT
x
n
x
nT
x
t
x
(2.19)
Stosuj
�c klasyczn� transformat� Fouriera do sygnału dyskretnego x ( n ), mo�emy napisa�
( )
( ) (
)
( )
(
)
�
�
�
−
δ
=
�
�
�
−
δ
=
∞
∞
−
∞
−∞
=
π
−
∞
∞
−
π
−
∞
−∞
=
�
�
t
nT
t
nT
x
t
nT
t
nT
x
f
X
n
S
nT
f
S
C
nT
f
n
S
S
C
S
S
d
e
d
e
2
j
2
j
(2.20)
Zmieniaj
�c kolejno�� całkowania i sumowania, otrzymujemy
( )
( )
(
)
( )
(
)
�
�
∞
−∞
=
∞
−∞
=
∞
∞
−
π
−
π
−
∞
∞
−
�
�
�
−
δ
=
−
δ
�
�
�
=
n
n
S
nT
f
S
C
S
nT
f
S
C
t
nT
t
nT
x
t
nT
t
nT
x
f
X
S
S
d
e
d
e
2
j
2
j
(2.21)
Poniewa
�
(
)
1
d
=
�
�
�
−
δ
∞
∞
−
t
nT
t
S
(2.22)
ostatecznie otrzymujemy
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
C
S
nT
x
f
X
2
j
e
(2.23)
W punktach t = nT
S
zachodzi równo
��
3
po czasie z impulsu Diraca w granicach
±∞ jest równa jedno�ci. Z tego powodu delta Diraca nie jest
funkcj
� w klasycznym sensie, lecz tzw. dystrybucj�.
Formalnie dystrybucj
� Diraca opisuje si� nast�puj�co
( )
( )
�
�
�
�
��
�
�
�
�
�
�
=
δ
�
�
�
≠
=
∞
=
δ
∞
∞
-
1
d
0
dla
0
0
dla
t
t
t
t
t
(2.16)
Dystrybucj
� δ(t) przedstawia si� graficznie jako w�ski pr��ek zako�czony strzałk� o wysoko�ci
równej polu pod wykresem dystrybucji, a wi
�c równej jedno�ci, umieszczony w punkcie t = 0.
Na bazie dystrybucji
δ(t) mo�na utworzy� tzw. funkcj� próbkuj�c� o postaci
( )
(
)
�
∞
∞
=
−
δ
=
σ
-
n
S
nT
t
t
(2.17)
Funkcja ta reprezentuje ci
�g impulsów Diraca o jednostkowej wysoko�ci, uło�onych na osi czasu w
jednakowych odst
�pach, równych okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x ( t ) sygnału ci
�głego x
C
( t ) mo
�e by� przedstawiona jako iloczyn sygnału
x
C
( t ) i funkcji próbkuj
�cej
( )
( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
σ
=
-
n
S
C
C
nT
t
t
x
t
t
x
t
x
(2.18)
Cały proces próbkowania, przeprowadzony zgodnie z twierdzeniem Kotielnikowa
− Shannona, jest
zilustrowany na rys. 15.
Rys. 15. Proces próbkowania. a) oryginalny sygnał ci
�gły, b) funkcja próbkuj�ca, c) sygnał dyskretny
(na najmniejszych impulsach – ze wzgl
�du na czytelno�� rysunku – nie zaznaczono grotów strzałek)
Poniewa
� funkcja próbkuj�ca, a tym samym sygnał x ( t ), s� okre�lone w dyskretnych momentach
czasu
...
,
2
,
1
,
0
,
±
±
=
=
n
nT
t
S
cz
�sto stosuje si� zapis wyra�nie wskazuj�cy, �e mamy do czynienia z wektorem
( ) ( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
=
=
-
n
S
S
C
S
nT
t
nT
x
n
x
nT
x
t
x
(2.19)
Stosuj
�c klasyczn� transformat� Fouriera do sygnału dyskretnego x ( n ), mo�emy napisa�
( )
( ) (
)
( )
(
)
�
�
�
−
δ
=
�
�
�
−
δ
=
∞
∞
−
∞
−∞
=
π
−
∞
∞
−
π
−
∞
−∞
=
�
�
t
nT
t
nT
x
t
nT
t
nT
x
f
X
n
S
nT
f
S
C
nT
f
n
S
S
C
S
S
d
e
d
e
2
j
2
j
(2.20)
Zmieniaj
�c kolejno�� całkowania i sumowania, otrzymujemy
( )
( )
(
)
( )
(
)
�
�
∞
−∞
=
∞
−∞
=
∞
∞
−
π
−
π
−
∞
∞
−
�
�
�
−
δ
=
−
δ
�
�
�
=
n
n
S
nT
f
S
C
S
nT
f
S
C
t
nT
t
nT
x
t
nT
t
nT
x
f
X
S
S
d
e
d
e
2
j
2
j
(2.21)
Poniewa
�
(
)
1
d
=
�
�
�
−
δ
∞
∞
−
t
nT
t
S
(2.22)
ostatecznie otrzymujemy
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
C
S
nT
x
f
X
2
j
e
(2.23)
W punktach t = nT
S
zachodzi równo
��
3
po czasie z impulsu Diraca w granicach
±∞ jest równa jedno�ci. Z tego powodu delta Diraca nie jest
funkcj
� w klasycznym sensie, lecz tzw. dystrybucj�.
Formalnie dystrybucj
� Diraca opisuje si� nast�puj�co
( )
( )
�
�
�
�
��
�
�
�
�
�
�
=
δ
�
�
�
≠
=
∞
=
δ
∞
∞
-
1
d
0
dla
0
0
dla
t
t
t
t
t
(2.16)
Dystrybucj
� δ(t) przedstawia si� graficznie jako w�ski pr��ek zako�czony strzałk� o wysoko�ci
równej polu pod wykresem dystrybucji, a wi
�c równej jedno�ci, umieszczony w punkcie t = 0.
Na bazie dystrybucji
δ(t) mo�na utworzy� tzw. funkcj� próbkuj�c� o postaci
( )
(
)
�
∞
∞
=
−
δ
=
σ
-
n
S
nT
t
t
(2.17)
Funkcja ta reprezentuje ci
�g impulsów Diraca o jednostkowej wysoko�ci, uło�onych na osi czasu w
jednakowych odst
�pach, równych okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x ( t ) sygnału ci
�głego x
C
( t ) mo
�e by� przedstawiona jako iloczyn sygnału
x
C
( t ) i funkcji próbkuj
�cej
( )
( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
σ
=
-
n
S
C
C
nT
t
t
x
t
t
x
t
x
(2.18)
Cały proces próbkowania, przeprowadzony zgodnie z twierdzeniem Kotielnikowa
− Shannona, jest
zilustrowany na rys. 15.
Rys. 15. Proces próbkowania. a) oryginalny sygnał ci
�gły, b) funkcja próbkuj�ca, c) sygnał dyskretny
(na najmniejszych impulsach – ze wzgl
�du na czytelno�� rysunku – nie zaznaczono grotów strzałek)
Poniewa
� funkcja próbkuj�ca, a tym samym sygnał x ( t ), s� okre�lone w dyskretnych momentach
czasu
...
,
2
,
1
,
0
,
±
±
=
=
n
nT
t
S
cz
�sto stosuje si� zapis wyra�nie wskazuj�cy, �e mamy do czynienia z wektorem
( ) ( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
=
=
-
n
S
S
C
S
nT
t
nT
x
n
x
nT
x
t
x
(2.19)
Stosuj
�c klasyczn� transformat� Fouriera do sygnału dyskretnego x ( n ), mo�emy napisa�
( )
( ) (
)
( )
(
)
�
�
�
−
δ
=
�
�
�
−
δ
=
∞
∞
−
∞
−∞
=
π
−
∞
∞
−
π
−
∞
−∞
=
�
�
t
nT
t
nT
x
t
nT
t
nT
x
f
X
n
S
nT
f
S
C
nT
f
n
S
S
C
S
S
d
e
d
e
2
j
2
j
(2.20)
Zmieniaj
�c kolejno�� całkowania i sumowania, otrzymujemy
( )
( )
(
)
( )
(
)
�
�
∞
−∞
=
∞
−∞
=
∞
∞
−
π
−
π
−
∞
∞
−
�
�
�
−
δ
=
−
δ
�
�
�
=
n
n
S
nT
f
S
C
S
nT
f
S
C
t
nT
t
nT
x
t
nT
t
nT
x
f
X
S
S
d
e
d
e
2
j
2
j
(2.21)
Poniewa
�
(
)
1
d
=
�
�
�
−
δ
∞
∞
−
t
nT
t
S
(2.22)
ostatecznie otrzymujemy
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
C
S
nT
x
f
X
2
j
e
(2.23)
W punktach t = nT
S
zachodzi równo
��
(2.18)
3
po czasie z impulsu Diraca w granicach
±∞ jest równa jedno�ci. Z tego powodu delta Diraca nie jest
funkcj
� w klasycznym sensie, lecz tzw. dystrybucj�.
Formalnie dystrybucj
� Diraca opisuje si� nast�puj�co
( )
( )
�
�
�
�
��
�
�
�
�
�
�
=
δ
�
�
�
≠
=
∞
=
δ
∞
∞
-
1
d
0
dla
0
0
dla
t
t
t
t
t
(2.16)
Dystrybucj
� δ(t) przedstawia si� graficznie jako w�ski pr��ek zako�czony strzałk� o wysoko�ci
równej polu pod wykresem dystrybucji, a wi
�c równej jedno�ci, umieszczony w punkcie t = 0.
Na bazie dystrybucji
δ(t) mo�na utworzy� tzw. funkcj� próbkuj�c� o postaci
( )
(
)
�
∞
∞
=
−
δ
=
σ
-
n
S
nT
t
t
(2.17)
Funkcja ta reprezentuje ci
�g impulsów Diraca o jednostkowej wysoko�ci, uło�onych na osi czasu w
jednakowych odst
�pach, równych okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x ( t ) sygnału ci
�głego x
C
( t ) mo
�e by� przedstawiona jako iloczyn sygnału
x
C
( t ) i funkcji próbkuj
�cej
( )
( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
σ
=
-
n
S
C
C
nT
t
t
x
t
t
x
t
x
(2.18)
Cały proces próbkowania, przeprowadzony zgodnie z twierdzeniem Kotielnikowa
− Shannona, jest
zilustrowany na rys. 15.
Rys. 15. Proces próbkowania. a) oryginalny sygnał ci
�gły, b) funkcja próbkuj�ca, c) sygnał dyskretny
(na najmniejszych impulsach – ze wzgl
�du na czytelno�� rysunku – nie zaznaczono grotów strzałek)
Poniewa
� funkcja próbkuj�ca, a tym samym sygnał x ( t ), s� okre�lone w dyskretnych momentach
czasu
...
,
2
,
1
,
0
,
±
±
=
=
n
nT
t
S
cz
�sto stosuje si� zapis wyra�nie wskazuj�cy, �e mamy do czynienia z wektorem
( ) ( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
=
=
-
n
S
S
C
S
nT
t
nT
x
n
x
nT
x
t
x
(2.19)
Stosuj
�c klasyczn� transformat� Fouriera do sygnału dyskretnego x ( n ), mo�emy napisa�
( )
( ) (
)
( )
(
)
�
�
�
−
δ
=
�
�
�
−
δ
=
∞
∞
−
∞
−∞
=
π
−
∞
∞
−
π
−
∞
−∞
=
�
�
t
nT
t
nT
x
t
nT
t
nT
x
f
X
n
S
nT
f
S
C
nT
f
n
S
S
C
S
S
d
e
d
e
2
j
2
j
(2.20)
Zmieniaj
�c kolejno�� całkowania i sumowania, otrzymujemy
( )
( )
(
)
( )
(
)
�
�
∞
−∞
=
∞
−∞
=
∞
∞
−
π
−
π
−
∞
∞
−
�
�
�
−
δ
=
−
δ
�
�
�
=
n
n
S
nT
f
S
C
S
nT
f
S
C
t
nT
t
nT
x
t
nT
t
nT
x
f
X
S
S
d
e
d
e
2
j
2
j
(2.21)
Poniewa
�
(
)
1
d
=
�
�
�
−
δ
∞
∞
−
t
nT
t
S
(2.22)
ostatecznie otrzymujemy
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
C
S
nT
x
f
X
2
j
e
(2.23)
W punktach t = nT
S
zachodzi równo
��
3
po czasie z impulsu Diraca w granicach
±∞ jest równa jedno�ci. Z tego powodu delta Diraca nie jest
funkcj
� w klasycznym sensie, lecz tzw. dystrybucj�.
Formalnie dystrybucj
� Diraca opisuje si� nast�puj�co
( )
( )
�
�
�
�
��
�
�
�
�
�
�
=
δ
�
�
�
≠
=
∞
=
δ
∞
∞
-
1
d
0
dla
0
0
dla
t
t
t
t
t
(2.16)
Dystrybucj
� δ(t) przedstawia si� graficznie jako w�ski pr��ek zako�czony strzałk� o wysoko�ci
równej polu pod wykresem dystrybucji, a wi
�c równej jedno�ci, umieszczony w punkcie t = 0.
Na bazie dystrybucji
δ(t) mo�na utworzy� tzw. funkcj� próbkuj�c� o postaci
( )
(
)
�
∞
∞
=
−
δ
=
σ
-
n
S
nT
t
t
(2.17)
Funkcja ta reprezentuje ci
�g impulsów Diraca o jednostkowej wysoko�ci, uło�onych na osi czasu w
jednakowych odst
�pach, równych okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x ( t ) sygnału ci
�głego x
C
( t ) mo
�e by� przedstawiona jako iloczyn sygnału
x
C
( t ) i funkcji próbkuj
�cej
( )
( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
σ
=
-
n
S
C
C
nT
t
t
x
t
t
x
t
x
(2.18)
Cały proces próbkowania, przeprowadzony zgodnie z twierdzeniem Kotielnikowa
− Shannona, jest
zilustrowany na rys. 15.
Rys. 15. Proces próbkowania. a) oryginalny sygnał ci
�gły, b) funkcja próbkuj�ca, c) sygnał dyskretny
(na najmniejszych impulsach – ze wzgl
�du na czytelno�� rysunku – nie zaznaczono grotów strzałek)
Poniewa
� funkcja próbkuj�ca, a tym samym sygnał x ( t ), s� okre�lone w dyskretnych momentach
czasu
...
,
2
,
1
,
0
,
±
±
=
=
n
nT
t
S
cz
�sto stosuje si� zapis wyra�nie wskazuj�cy, �e mamy do czynienia z wektorem
( ) ( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
=
=
-
n
S
S
C
S
nT
t
nT
x
n
x
nT
x
t
x
(2.19)
Stosuj
�c klasyczn� transformat� Fouriera do sygnału dyskretnego x ( n ), mo�emy napisa�
( )
( ) (
)
( )
(
)
�
�
�
−
δ
=
�
�
�
−
δ
=
∞
∞
−
∞
−∞
=
π
−
∞
∞
−
π
−
∞
−∞
=
�
�
t
nT
t
nT
x
t
nT
t
nT
x
f
X
n
S
nT
f
S
C
nT
f
n
S
S
C
S
S
d
e
d
e
2
j
2
j
(2.20)
Zmieniaj
�c kolejno�� całkowania i sumowania, otrzymujemy
( )
( )
(
)
( )
(
)
�
�
∞
−∞
=
∞
−∞
=
∞
∞
−
π
−
π
−
∞
∞
−
�
�
�
−
δ
=
−
δ
�
�
�
=
n
n
S
nT
f
S
C
S
nT
f
S
C
t
nT
t
nT
x
t
nT
t
nT
x
f
X
S
S
d
e
d
e
2
j
2
j
(2.21)
Poniewa
�
(
)
1
d
=
�
�
�
−
δ
∞
∞
−
t
nT
t
S
(2.22)
ostatecznie otrzymujemy
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
C
S
nT
x
f
X
2
j
e
(2.23)
W punktach t = nT
S
zachodzi równo
��
3
po czasie z impulsu Diraca w granicach
±∞ jest równa jedno�ci. Z tego powodu delta Diraca nie jest
funkcj
� w klasycznym sensie, lecz tzw. dystrybucj�.
Formalnie dystrybucj
� Diraca opisuje si� nast�puj�co
( )
( )
�
�
�
�
��
�
�
�
�
�
�
=
δ
�
�
�
≠
=
∞
=
δ
∞
∞
-
1
d
0
dla
0
0
dla
t
t
t
t
t
(2.16)
Dystrybucj
� δ(t) przedstawia si� graficznie jako w�ski pr��ek zako�czony strzałk� o wysoko�ci
równej polu pod wykresem dystrybucji, a wi
�c równej jedno�ci, umieszczony w punkcie t = 0.
Na bazie dystrybucji
δ(t) mo�na utworzy� tzw. funkcj� próbkuj�c� o postaci
( )
(
)
�
∞
∞
=
−
δ
=
σ
-
n
S
nT
t
t
(2.17)
Funkcja ta reprezentuje ci
�g impulsów Diraca o jednostkowej wysoko�ci, uło�onych na osi czasu w
jednakowych odst
�pach, równych okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x ( t ) sygnału ci
�głego x
C
( t ) mo
�e by� przedstawiona jako iloczyn sygnału
x
C
( t ) i funkcji próbkuj
�cej
( )
( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
σ
=
-
n
S
C
C
nT
t
t
x
t
t
x
t
x
(2.18)
Cały proces próbkowania, przeprowadzony zgodnie z twierdzeniem Kotielnikowa
− Shannona, jest
zilustrowany na rys. 15.
Rys. 15. Proces próbkowania. a) oryginalny sygnał ci
�gły, b) funkcja próbkuj�ca, c) sygnał dyskretny
(na najmniejszych impulsach – ze wzgl
�du na czytelno�� rysunku – nie zaznaczono grotów strzałek)
Poniewa
� funkcja próbkuj�ca, a tym samym sygnał x ( t ), s� okre�lone w dyskretnych momentach
czasu
...
,
2
,
1
,
0
,
±
±
=
=
n
nT
t
S
cz
�sto stosuje si� zapis wyra�nie wskazuj�cy, �e mamy do czynienia z wektorem
( ) ( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
=
=
-
n
S
S
C
S
nT
t
nT
x
n
x
nT
x
t
x
(2.19)
Stosuj
�c klasyczn� transformat� Fouriera do sygnału dyskretnego x ( n ), mo�emy napisa�
( )
( ) (
)
( )
(
)
�
�
�
−
δ
=
�
�
�
−
δ
=
∞
∞
−
∞
−∞
=
π
−
∞
∞
−
π
−
∞
−∞
=
�
�
t
nT
t
nT
x
t
nT
t
nT
x
f
X
n
S
nT
f
S
C
nT
f
n
S
S
C
S
S
d
e
d
e
2
j
2
j
(2.20)
Zmieniaj
�c kolejno�� całkowania i sumowania, otrzymujemy
( )
( )
(
)
( )
(
)
�
�
∞
−∞
=
∞
−∞
=
∞
∞
−
π
−
π
−
∞
∞
−
�
�
�
−
δ
=
−
δ
�
�
�
=
n
n
S
nT
f
S
C
S
nT
f
S
C
t
nT
t
nT
x
t
nT
t
nT
x
f
X
S
S
d
e
d
e
2
j
2
j
(2.21)
Poniewa
�
(
)
1
d
=
�
�
�
−
δ
∞
∞
−
t
nT
t
S
(2.22)
ostatecznie otrzymujemy
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
C
S
nT
x
f
X
2
j
e
(2.23)
W punktach t = nT
S
zachodzi równo
��
3
po czasie z impulsu Diraca w granicach
±∞ jest równa jedno�ci. Z tego powodu delta Diraca nie jest
funkcj
� w klasycznym sensie, lecz tzw. dystrybucj�.
Formalnie dystrybucj
� Diraca opisuje si� nast�puj�co
( )
( )
�
�
�
�
��
�
�
�
�
�
�
=
δ
�
�
�
≠
=
∞
=
δ
∞
∞
-
1
d
0
dla
0
0
dla
t
t
t
t
t
(2.16)
Dystrybucj
� δ(t) przedstawia si� graficznie jako w�ski pr��ek zako�czony strzałk� o wysoko�ci
równej polu pod wykresem dystrybucji, a wi
�c równej jedno�ci, umieszczony w punkcie t = 0.
Na bazie dystrybucji
δ(t) mo�na utworzy� tzw. funkcj� próbkuj�c� o postaci
( )
(
)
�
∞
∞
=
−
δ
=
σ
-
n
S
nT
t
t
(2.17)
Funkcja ta reprezentuje ci
�g impulsów Diraca o jednostkowej wysoko�ci, uło�onych na osi czasu w
jednakowych odst
�pach, równych okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x ( t ) sygnału ci
�głego x
C
( t ) mo
�e by� przedstawiona jako iloczyn sygnału
x
C
( t ) i funkcji próbkuj
�cej
( )
( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
σ
=
-
n
S
C
C
nT
t
t
x
t
t
x
t
x
(2.18)
Cały proces próbkowania, przeprowadzony zgodnie z twierdzeniem Kotielnikowa
− Shannona, jest
zilustrowany na rys. 15.
Rys. 15. Proces próbkowania. a) oryginalny sygnał ci
�gły, b) funkcja próbkuj�ca, c) sygnał dyskretny
(na najmniejszych impulsach – ze wzgl
�du na czytelno�� rysunku – nie zaznaczono grotów strzałek)
Poniewa
� funkcja próbkuj�ca, a tym samym sygnał x ( t ), s� okre�lone w dyskretnych momentach
czasu
...
,
2
,
1
,
0
,
±
±
=
=
n
nT
t
S
cz
�sto stosuje si� zapis wyra�nie wskazuj�cy, �e mamy do czynienia z wektorem
( ) ( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
=
=
-
n
S
S
C
S
nT
t
nT
x
n
x
nT
x
t
x
(2.19)
Stosuj
�c klasyczn� transformat� Fouriera do sygnału dyskretnego x ( n ), mo�emy napisa�
( )
( ) (
)
( )
(
)
�
�
�
−
δ
=
�
�
�
−
δ
=
∞
∞
−
∞
−∞
=
π
−
∞
∞
−
π
−
∞
−∞
=
�
�
t
nT
t
nT
x
t
nT
t
nT
x
f
X
n
S
nT
f
S
C
nT
f
n
S
S
C
S
S
d
e
d
e
2
j
2
j
(2.20)
Zmieniaj
�c kolejno�� całkowania i sumowania, otrzymujemy
( )
( )
(
)
( )
(
)
�
�
∞
−∞
=
∞
−∞
=
∞
∞
−
π
−
π
−
∞
∞
−
�
�
�
−
δ
=
−
δ
�
�
�
=
n
n
S
nT
f
S
C
S
nT
f
S
C
t
nT
t
nT
x
t
nT
t
nT
x
f
X
S
S
d
e
d
e
2
j
2
j
(2.21)
Poniewa
�
(
)
1
d
=
�
�
�
−
δ
∞
∞
−
t
nT
t
S
(2.22)
ostatecznie otrzymujemy
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
C
S
nT
x
f
X
2
j
e
(2.23)
W punktach t = nT
S
zachodzi równo
��
(2.19)
3
po czasie z impulsu Diraca w granicach
±∞ jest równa jedno�ci. Z tego powodu delta Diraca nie jest
funkcj
� w klasycznym sensie, lecz tzw. dystrybucj�.
Formalnie dystrybucj
� Diraca opisuje si� nast�puj�co
( )
( )
�
�
�
�
��
�
�
�
�
�
�
=
δ
�
�
�
≠
=
∞
=
δ
∞
∞
-
1
d
0
dla
0
0
dla
t
t
t
t
t
(2.16)
Dystrybucj
� δ(t) przedstawia si� graficznie jako w�ski pr��ek zako�czony strzałk� o wysoko�ci
równej polu pod wykresem dystrybucji, a wi
�c równej jedno�ci, umieszczony w punkcie t = 0.
Na bazie dystrybucji
δ(t) mo�na utworzy� tzw. funkcj� próbkuj�c� o postaci
( )
(
)
�
∞
∞
=
−
δ
=
σ
-
n
S
nT
t
t
(2.17)
Funkcja ta reprezentuje ci
�g impulsów Diraca o jednostkowej wysoko�ci, uło�onych na osi czasu w
jednakowych odst
�pach, równych okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x ( t ) sygnału ci
�głego x
C
( t ) mo
�e by� przedstawiona jako iloczyn sygnału
x
C
( t ) i funkcji próbkuj
�cej
( )
( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
σ
=
-
n
S
C
C
nT
t
t
x
t
t
x
t
x
(2.18)
Cały proces próbkowania, przeprowadzony zgodnie z twierdzeniem Kotielnikowa
− Shannona, jest
zilustrowany na rys. 15.
Rys. 15. Proces próbkowania. a) oryginalny sygnał ci
�gły, b) funkcja próbkuj�ca, c) sygnał dyskretny
(na najmniejszych impulsach – ze wzgl
�du na czytelno�� rysunku – nie zaznaczono grotów strzałek)
Poniewa
� funkcja próbkuj�ca, a tym samym sygnał x ( t ), s� okre�lone w dyskretnych momentach
czasu
...
,
2
,
1
,
0
,
±
±
=
=
n
nT
t
S
cz
�sto stosuje si� zapis wyra�nie wskazuj�cy, �e mamy do czynienia z wektorem
( ) ( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
=
=
-
n
S
S
C
S
nT
t
nT
x
n
x
nT
x
t
x
(2.19)
Stosuj
�c klasyczn� transformat� Fouriera do sygnału dyskretnego x ( n ), mo�emy napisa�
( )
( ) (
)
( )
(
)
�
�
�
−
δ
=
�
�
�
−
δ
=
∞
∞
−
∞
−∞
=
π
−
∞
∞
−
π
−
∞
−∞
=
�
�
t
nT
t
nT
x
t
nT
t
nT
x
f
X
n
S
nT
f
S
C
nT
f
n
S
S
C
S
S
d
e
d
e
2
j
2
j
(2.20)
Zmieniaj
�c kolejno�� całkowania i sumowania, otrzymujemy
( )
( )
(
)
( )
(
)
�
�
∞
−∞
=
∞
−∞
=
∞
∞
−
π
−
π
−
∞
∞
−
�
�
�
−
δ
=
−
δ
�
�
�
=
n
n
S
nT
f
S
C
S
nT
f
S
C
t
nT
t
nT
x
t
nT
t
nT
x
f
X
S
S
d
e
d
e
2
j
2
j
(2.21)
Poniewa
�
(
)
1
d
=
�
�
�
−
δ
∞
∞
−
t
nT
t
S
(2.22)
ostatecznie otrzymujemy
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
C
S
nT
x
f
X
2
j
e
(2.23)
W punktach t = nT
S
zachodzi równo
��
3
po czasie z impulsu Diraca w granicach
±∞ jest równa jedno�ci. Z tego powodu delta Diraca nie jest
funkcj
� w klasycznym sensie, lecz tzw. dystrybucj�.
Formalnie dystrybucj
� Diraca opisuje si� nast�puj�co
( )
( )
�
�
�
�
��
�
�
�
�
�
�
=
δ
�
�
�
≠
=
∞
=
δ
∞
∞
-
1
d
0
dla
0
0
dla
t
t
t
t
t
(2.16)
Dystrybucj
� δ(t) przedstawia si� graficznie jako w�ski pr��ek zako�czony strzałk� o wysoko�ci
równej polu pod wykresem dystrybucji, a wi
�c równej jedno�ci, umieszczony w punkcie t = 0.
Na bazie dystrybucji
δ(t) mo�na utworzy� tzw. funkcj� próbkuj�c� o postaci
( )
(
)
�
∞
∞
=
−
δ
=
σ
-
n
S
nT
t
t
(2.17)
Funkcja ta reprezentuje ci
�g impulsów Diraca o jednostkowej wysoko�ci, uło�onych na osi czasu w
jednakowych odst
�pach, równych okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x ( t ) sygnału ci
�głego x
C
( t ) mo
�e by� przedstawiona jako iloczyn sygnału
x
C
( t ) i funkcji próbkuj
�cej
( )
( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
σ
=
-
n
S
C
C
nT
t
t
x
t
t
x
t
x
(2.18)
Cały proces próbkowania, przeprowadzony zgodnie z twierdzeniem Kotielnikowa
− Shannona, jest
zilustrowany na rys. 15.
Rys. 15. Proces próbkowania. a) oryginalny sygnał ci
�gły, b) funkcja próbkuj�ca, c) sygnał dyskretny
(na najmniejszych impulsach – ze wzgl
�du na czytelno�� rysunku – nie zaznaczono grotów strzałek)
Poniewa
� funkcja próbkuj�ca, a tym samym sygnał x ( t ), s� okre�lone w dyskretnych momentach
czasu
...
,
2
,
1
,
0
,
±
±
=
=
n
nT
t
S
cz
�sto stosuje si� zapis wyra�nie wskazuj�cy, �e mamy do czynienia z wektorem
( ) ( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
=
=
-
n
S
S
C
S
nT
t
nT
x
n
x
nT
x
t
x
(2.19)
Stosuj
�c klasyczn� transformat� Fouriera do sygnału dyskretnego x ( n ), mo�emy napisa�
( )
( ) (
)
( )
(
)
�
�
�
−
δ
=
�
�
�
−
δ
=
∞
∞
−
∞
−∞
=
π
−
∞
∞
−
π
−
∞
−∞
=
�
�
t
nT
t
nT
x
t
nT
t
nT
x
f
X
n
S
nT
f
S
C
nT
f
n
S
S
C
S
S
d
e
d
e
2
j
2
j
(2.20)
Zmieniaj
�c kolejno�� całkowania i sumowania, otrzymujemy
( )
( )
(
)
( )
(
)
�
�
∞
−∞
=
∞
−∞
=
∞
∞
−
π
−
π
−
∞
∞
−
�
�
�
−
δ
=
−
δ
�
�
�
=
n
n
S
nT
f
S
C
S
nT
f
S
C
t
nT
t
nT
x
t
nT
t
nT
x
f
X
S
S
d
e
d
e
2
j
2
j
(2.21)
Poniewa
�
(
)
1
d
=
�
�
�
−
δ
∞
∞
−
t
nT
t
S
(2.22)
ostatecznie otrzymujemy
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
C
S
nT
x
f
X
2
j
e
(2.23)
W punktach t = nT
S
zachodzi równo
��
3
po czasie z impulsu Diraca w granicach
±∞ jest równa jedno�ci. Z tego powodu delta Diraca nie jest
funkcj
� w klasycznym sensie, lecz tzw. dystrybucj�.
Formalnie dystrybucj
� Diraca opisuje si� nast�puj�co
( )
( )
�
�
�
�
��
�
�
�
�
�
�
=
δ
�
�
�
≠
=
∞
=
δ
∞
∞
-
1
d
0
dla
0
0
dla
t
t
t
t
t
(2.16)
Dystrybucj
� δ(t) przedstawia si� graficznie jako w�ski pr��ek zako�czony strzałk� o wysoko�ci
równej polu pod wykresem dystrybucji, a wi
�c równej jedno�ci, umieszczony w punkcie t = 0.
Na bazie dystrybucji
δ(t) mo�na utworzy� tzw. funkcj� próbkuj�c� o postaci
( )
(
)
�
∞
∞
=
−
δ
=
σ
-
n
S
nT
t
t
(2.17)
Funkcja ta reprezentuje ci
�g impulsów Diraca o jednostkowej wysoko�ci, uło�onych na osi czasu w
jednakowych odst
�pach, równych okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x ( t ) sygnału ci
�głego x
C
( t ) mo
�e by� przedstawiona jako iloczyn sygnału
x
C
( t ) i funkcji próbkuj
�cej
( )
( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
σ
=
-
n
S
C
C
nT
t
t
x
t
t
x
t
x
(2.18)
Cały proces próbkowania, przeprowadzony zgodnie z twierdzeniem Kotielnikowa
− Shannona, jest
zilustrowany na rys. 15.
Rys. 15. Proces próbkowania. a) oryginalny sygnał ci
�gły, b) funkcja próbkuj�ca, c) sygnał dyskretny
(na najmniejszych impulsach – ze wzgl
�du na czytelno�� rysunku – nie zaznaczono grotów strzałek)
Poniewa
� funkcja próbkuj�ca, a tym samym sygnał x ( t ), s� okre�lone w dyskretnych momentach
czasu
...
,
2
,
1
,
0
,
±
±
=
=
n
nT
t
S
cz
�sto stosuje si� zapis wyra�nie wskazuj�cy, �e mamy do czynienia z wektorem
( ) ( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
=
=
-
n
S
S
C
S
nT
t
nT
x
n
x
nT
x
t
x
(2.19)
Stosuj
�c klasyczn� transformat� Fouriera do sygnału dyskretnego x ( n ), mo�emy napisa�
( )
( ) (
)
( )
(
)
�
�
�
−
δ
=
�
�
�
−
δ
=
∞
∞
−
∞
−∞
=
π
−
∞
∞
−
π
−
∞
−∞
=
�
�
t
nT
t
nT
x
t
nT
t
nT
x
f
X
n
S
nT
f
S
C
nT
f
n
S
S
C
S
S
d
e
d
e
2
j
2
j
(2.20)
Zmieniaj
�c kolejno�� całkowania i sumowania, otrzymujemy
( )
( )
(
)
( )
(
)
�
�
∞
−∞
=
∞
−∞
=
∞
∞
−
π
−
π
−
∞
∞
−
�
�
�
−
δ
=
−
δ
�
�
�
=
n
n
S
nT
f
S
C
S
nT
f
S
C
t
nT
t
nT
x
t
nT
t
nT
x
f
X
S
S
d
e
d
e
2
j
2
j
(2.21)
Poniewa
�
(
)
1
d
=
�
�
�
−
δ
∞
∞
−
t
nT
t
S
(2.22)
ostatecznie otrzymujemy
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
C
S
nT
x
f
X
2
j
e
(2.23)
W punktach t = nT
S
zachodzi równo
��
3
po czasie z impulsu Diraca w granicach
±∞ jest równa jedno�ci. Z tego powodu delta Diraca nie jest
funkcj
� w klasycznym sensie, lecz tzw. dystrybucj�.
Formalnie dystrybucj
� Diraca opisuje si� nast�puj�co
( )
( )
�
�
�
�
��
�
�
�
�
�
�
=
δ
�
�
�
≠
=
∞
=
δ
∞
∞
-
1
d
0
dla
0
0
dla
t
t
t
t
t
(2.16)
Dystrybucj
� δ(t) przedstawia si� graficznie jako w�ski pr��ek zako�czony strzałk� o wysoko�ci
równej polu pod wykresem dystrybucji, a wi
�c równej jedno�ci, umieszczony w punkcie t = 0.
Na bazie dystrybucji
δ(t) mo�na utworzy� tzw. funkcj� próbkuj�c� o postaci
( )
(
)
�
∞
∞
=
−
δ
=
σ
-
n
S
nT
t
t
(2.17)
Funkcja ta reprezentuje ci
�g impulsów Diraca o jednostkowej wysoko�ci, uło�onych na osi czasu w
jednakowych odst
�pach, równych okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x ( t ) sygnału ci
�głego x
C
( t ) mo
�e by� przedstawiona jako iloczyn sygnału
x
C
( t ) i funkcji próbkuj
�cej
( )
( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
σ
=
-
n
S
C
C
nT
t
t
x
t
t
x
t
x
(2.18)
Cały proces próbkowania, przeprowadzony zgodnie z twierdzeniem Kotielnikowa
− Shannona, jest
zilustrowany na rys. 15.
Rys. 15. Proces próbkowania. a) oryginalny sygnał ci
�gły, b) funkcja próbkuj�ca, c) sygnał dyskretny
(na najmniejszych impulsach – ze wzgl
�du na czytelno�� rysunku – nie zaznaczono grotów strzałek)
Poniewa
� funkcja próbkuj�ca, a tym samym sygnał x ( t ), s� okre�lone w dyskretnych momentach
czasu
...
,
2
,
1
,
0
,
±
±
=
=
n
nT
t
S
cz
�sto stosuje si� zapis wyra�nie wskazuj�cy, �e mamy do czynienia z wektorem
( ) ( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
=
=
-
n
S
S
C
S
nT
t
nT
x
n
x
nT
x
t
x
(2.19)
Stosuj
�c klasyczn� transformat� Fouriera do sygnału dyskretnego x ( n ), mo�emy napisa�
( )
( ) (
)
( )
(
)
�
�
�
−
δ
=
�
�
�
−
δ
=
∞
∞
−
∞
−∞
=
π
−
∞
∞
−
π
−
∞
−∞
=
�
�
t
nT
t
nT
x
t
nT
t
nT
x
f
X
n
S
nT
f
S
C
nT
f
n
S
S
C
S
S
d
e
d
e
2
j
2
j
(2.20)
Zmieniaj
�c kolejno�� całkowania i sumowania, otrzymujemy
( )
( )
(
)
( )
(
)
�
�
∞
−∞
=
∞
−∞
=
∞
∞
−
π
−
π
−
∞
∞
−
�
�
�
−
δ
=
−
δ
�
�
�
=
n
n
S
nT
f
S
C
S
nT
f
S
C
t
nT
t
nT
x
t
nT
t
nT
x
f
X
S
S
d
e
d
e
2
j
2
j
(2.21)
Poniewa
�
(
)
1
d
=
�
�
�
−
δ
∞
∞
−
t
nT
t
S
(2.22)
ostatecznie otrzymujemy
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
C
S
nT
x
f
X
2
j
e
(2.23)
W punktach t = nT
S
zachodzi równo
��
3
po czasie z impulsu Diraca w granicach
±∞ jest równa jedno�ci. Z tego powodu delta Diraca nie jest
funkcj
� w klasycznym sensie, lecz tzw. dystrybucj�.
Formalnie dystrybucj
� Diraca opisuje si� nast�puj�co
( )
( )
�
�
�
�
��
�
�
�
�
�
�
=
δ
�
�
�
≠
=
∞
=
δ
∞
∞
-
1
d
0
dla
0
0
dla
t
t
t
t
t
(2.16)
Dystrybucj
� δ(t) przedstawia si� graficznie jako w�ski pr��ek zako�czony strzałk� o wysoko�ci
równej polu pod wykresem dystrybucji, a wi
�c równej jedno�ci, umieszczony w punkcie t = 0.
Na bazie dystrybucji
δ(t) mo�na utworzy� tzw. funkcj� próbkuj�c� o postaci
( )
(
)
�
∞
∞
=
−
δ
=
σ
-
n
S
nT
t
t
(2.17)
Funkcja ta reprezentuje ci
�g impulsów Diraca o jednostkowej wysoko�ci, uło�onych na osi czasu w
jednakowych odst
�pach, równych okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x ( t ) sygnału ci
�głego x
C
( t ) mo
�e by� przedstawiona jako iloczyn sygnału
x
C
( t ) i funkcji próbkuj
�cej
( )
( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
σ
=
-
n
S
C
C
nT
t
t
x
t
t
x
t
x
(2.18)
Cały proces próbkowania, przeprowadzony zgodnie z twierdzeniem Kotielnikowa
− Shannona, jest
zilustrowany na rys. 15.
Rys. 15. Proces próbkowania. a) oryginalny sygnał ci
�gły, b) funkcja próbkuj�ca, c) sygnał dyskretny
(na najmniejszych impulsach – ze wzgl
�du na czytelno�� rysunku – nie zaznaczono grotów strzałek)
Poniewa
� funkcja próbkuj�ca, a tym samym sygnał x ( t ), s� okre�lone w dyskretnych momentach
czasu
...
,
2
,
1
,
0
,
±
±
=
=
n
nT
t
S
cz
�sto stosuje si� zapis wyra�nie wskazuj�cy, �e mamy do czynienia z wektorem
( ) ( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
=
=
-
n
S
S
C
S
nT
t
nT
x
n
x
nT
x
t
x
(2.19)
Stosuj
�c klasyczn� transformat� Fouriera do sygnału dyskretnego x ( n ), mo�emy napisa�
( )
( ) (
)
( )
(
)
�
�
�
−
δ
=
�
�
�
−
δ
=
∞
∞
−
∞
−∞
=
π
−
∞
∞
−
π
−
∞
−∞
=
�
�
t
nT
t
nT
x
t
nT
t
nT
x
f
X
n
S
nT
f
S
C
nT
f
n
S
S
C
S
S
d
e
d
e
2
j
2
j
(2.20)
Zmieniaj
�c kolejno�� całkowania i sumowania, otrzymujemy
( )
( )
(
)
( )
(
)
�
�
∞
−∞
=
∞
−∞
=
∞
∞
−
π
−
π
−
∞
∞
−
�
�
�
−
δ
=
−
δ
�
�
�
=
n
n
S
nT
f
S
C
S
nT
f
S
C
t
nT
t
nT
x
t
nT
t
nT
x
f
X
S
S
d
e
d
e
2
j
2
j
(2.21)
Poniewa
�
(
)
1
d
=
�
�
�
−
δ
∞
∞
−
t
nT
t
S
(2.22)
ostatecznie otrzymujemy
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
C
S
nT
x
f
X
2
j
e
(2.23)
W punktach t = nT
S
zachodzi równo
��
3
po czasie z impulsu Diraca w granicach
±∞ jest równa jedno�ci. Z tego powodu delta Diraca nie jest
funkcj
� w klasycznym sensie, lecz tzw. dystrybucj�.
Formalnie dystrybucj
� Diraca opisuje si� nast�puj�co
( )
( )
�
�
�
�
��
�
�
�
�
�
�
=
δ
�
�
�
≠
=
∞
=
δ
∞
∞
-
1
d
0
dla
0
0
dla
t
t
t
t
t
(2.16)
Dystrybucj
� δ(t) przedstawia si� graficznie jako w�ski pr��ek zako�czony strzałk� o wysoko�ci
równej polu pod wykresem dystrybucji, a wi
�c równej jedno�ci, umieszczony w punkcie t = 0.
Na bazie dystrybucji
δ(t) mo�na utworzy� tzw. funkcj� próbkuj�c� o postaci
( )
(
)
�
∞
∞
=
−
δ
=
σ
-
n
S
nT
t
t
(2.17)
Funkcja ta reprezentuje ci
�g impulsów Diraca o jednostkowej wysoko�ci, uło�onych na osi czasu w
jednakowych odst
�pach, równych okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x ( t ) sygnału ci
�głego x
C
( t ) mo
�e by� przedstawiona jako iloczyn sygnału
x
C
( t ) i funkcji próbkuj
�cej
( )
( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
σ
=
-
n
S
C
C
nT
t
t
x
t
t
x
t
x
(2.18)
Cały proces próbkowania, przeprowadzony zgodnie z twierdzeniem Kotielnikowa
− Shannona, jest
zilustrowany na rys. 15.
Rys. 15. Proces próbkowania. a) oryginalny sygnał ci
�gły, b) funkcja próbkuj�ca, c) sygnał dyskretny
(na najmniejszych impulsach – ze wzgl
�du na czytelno�� rysunku – nie zaznaczono grotów strzałek)
Poniewa
� funkcja próbkuj�ca, a tym samym sygnał x ( t ), s� okre�lone w dyskretnych momentach
czasu
...
,
2
,
1
,
0
,
±
±
=
=
n
nT
t
S
cz
�sto stosuje si� zapis wyra�nie wskazuj�cy, �e mamy do czynienia z wektorem
( ) ( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
=
=
-
n
S
S
C
S
nT
t
nT
x
n
x
nT
x
t
x
(2.19)
Stosuj
�c klasyczn� transformat� Fouriera do sygnału dyskretnego x ( n ), mo�emy napisa�
( )
( ) (
)
( )
(
)
�
�
�
−
δ
=
�
�
�
−
δ
=
∞
∞
−
∞
−∞
=
π
−
∞
∞
−
π
−
∞
−∞
=
�
�
t
nT
t
nT
x
t
nT
t
nT
x
f
X
n
S
nT
f
S
C
nT
f
n
S
S
C
S
S
d
e
d
e
2
j
2
j
(2.20)
Zmieniaj
�c kolejno�� całkowania i sumowania, otrzymujemy
( )
( )
(
)
( )
(
)
�
�
∞
−∞
=
∞
−∞
=
∞
∞
−
π
−
π
−
∞
∞
−
�
�
�
−
δ
=
−
δ
�
�
�
=
n
n
S
nT
f
S
C
S
nT
f
S
C
t
nT
t
nT
x
t
nT
t
nT
x
f
X
S
S
d
e
d
e
2
j
2
j
(2.21)
Poniewa
�
(
)
1
d
=
�
�
�
−
δ
∞
∞
−
t
nT
t
S
(2.22)
ostatecznie otrzymujemy
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
C
S
nT
x
f
X
2
j
e
(2.23)
W punktach t = nT
S
zachodzi równo
��
3
po czasie z impulsu Diraca w granicach
±∞ jest równa jedno�ci. Z tego powodu delta Diraca nie jest
funkcj
� w klasycznym sensie, lecz tzw. dystrybucj�.
Formalnie dystrybucj
� Diraca opisuje si� nast�puj�co
( )
( )
�
�
�
�
��
�
�
�
�
�
�
=
δ
�
�
�
≠
=
∞
=
δ
∞
∞
-
1
d
0
dla
0
0
dla
t
t
t
t
t
(2.16)
Dystrybucj
� δ(t) przedstawia si� graficznie jako w�ski pr��ek zako�czony strzałk� o wysoko�ci
równej polu pod wykresem dystrybucji, a wi
�c równej jedno�ci, umieszczony w punkcie t = 0.
Na bazie dystrybucji
δ(t) mo�na utworzy� tzw. funkcj� próbkuj�c� o postaci
( )
(
)
�
∞
∞
=
−
δ
=
σ
-
n
S
nT
t
t
(2.17)
Funkcja ta reprezentuje ci
�g impulsów Diraca o jednostkowej wysoko�ci, uło�onych na osi czasu w
jednakowych odst
�pach, równych okresowi próbkowania T
S
(sampling).
Spróbkowana wersja x ( t ) sygnału ci
�głego x
C
( t ) mo
�e by� przedstawiona jako iloczyn sygnału
x
C
( t ) i funkcji próbkuj
�cej
( )
( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
σ
=
-
n
S
C
C
nT
t
t
x
t
t
x
t
x
(2.18)
Cały proces próbkowania, przeprowadzony zgodnie z twierdzeniem Kotielnikowa
− Shannona, jest
zilustrowany na rys. 15.
Rys. 15. Proces próbkowania. a) oryginalny sygnał ci
�gły, b) funkcja próbkuj�ca, c) sygnał dyskretny
(na najmniejszych impulsach – ze wzgl
�du na czytelno�� rysunku – nie zaznaczono grotów strzałek)
Poniewa
� funkcja próbkuj�ca, a tym samym sygnał x ( t ), s� okre�lone w dyskretnych momentach
czasu
...
,
2
,
1
,
0
,
±
±
=
=
n
nT
t
S
cz
�sto stosuje si� zapis wyra�nie wskazuj�cy, �e mamy do czynienia z wektorem
( ) ( ) ( )
( ) (
)
�
∞
∞
=
−
δ
=
=
=
-
n
S
S
C
S
nT
t
nT
x
n
x
nT
x
t
x
(2.19)
Stosuj
�c klasyczn� transformat� Fouriera do sygnału dyskretnego x ( n ), mo�emy napisa�
( )
( ) (
)
( )
(
)
�
�
�
−
δ
=
�
�
�
−
δ
=
∞
∞
−
∞
−∞
=
π
−
∞
∞
−
π
−
∞
−∞
=
�
�
t
nT
t
nT
x
t
nT
t
nT
x
f
X
n
S
nT
f
S
C
nT
f
n
S
S
C
S
S
d
e
d
e
2
j
2
j
(2.20)
Zmieniaj
�c kolejno�� całkowania i sumowania, otrzymujemy
( )
( )
(
)
( )
(
)
�
�
∞
−∞
=
∞
−∞
=
∞
∞
−
π
−
π
−
∞
∞
−
�
�
�
−
δ
=
−
δ
�
�
�
=
n
n
S
nT
f
S
C
S
nT
f
S
C
t
nT
t
nT
x
t
nT
t
nT
x
f
X
S
S
d
e
d
e
2
j
2
j
(2.21)
Poniewa
�
(
)
1
d
=
�
�
�
−
δ
∞
∞
−
t
nT
t
S
(2.22)
ostatecznie otrzymujemy
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
C
S
nT
x
f
X
2
j
e
(2.23)
W punktach t = nT
S
zachodzi równo
��
więc
(2.25)
Ponieważ w wykładniku w miej-
scu t pojawił się iloczyn nT
S
, mo-
żemy stwierdzić, że widmo sygna-
łu spróbkowanego jest okresowe,
a okres jest równy T
S
. Maksymalna
częstotliwość, dla której sensowne
jest badanie widma
2
, jest więc rów-
na częstotliwości próbkowania (sam-
pling frequency
) określonej wzorem
(2.26)
Skoro dotarliśmy aż tutaj, śmia-
ło możemy przystąpić do lektu-
ry ostatniej części cyklu omawia-
jącej dyskretne przekształcenia Fo-
uriera (DFT) i przykład jego realiza-
cji praktycznej.
Andrzej Dobrowolski
http://adobrowolski.wel.wat.edu.pl
Literatura
1. Cooley J., Tuckey J., „An algo-
rithm for the machine compu-
tation of complex Fourier se-
ries
”, Math. Comput., vol. 19
(90), 1965
2. Dobrowolski A., „Pod maską
SPICE’a. Metody i algorytmy
analizy układów elektronicz-
nych
”, BTC, Warszawa, 2004
3. Lyons R. G., „Wprowadze-
nie do cyfrowego przetwarza-
nia sygnałów
”, WKŁ, Warsza-
wa, 1999
4. Oppenheim A. V., Schafer R.
W., „Cyfrowe przetwarzanie
sygnałów
”, WKŁ, Warszawa,
1979
5. Szabatin J., „Podstawy teorii
sygnałów
”, WKŁ, Warszawa,
2000
1
Czyli uporządkowanym ciągiem
liczb o wspólnej nazwie.
2
W przypadku sygnału okresowe-
go jego widmo powtarza się po-
wyżej częstotliwości będącej od-
4
( ) ( )
S
S
C
nT
x
nT
x
=
(2.24)
wi
�c
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
S
nT
x
f
X
2
j
e
(2.25)
Poniewa
� w wykładniku w miejscu t pojawił si� iloczyn nT
S
, mo
�emy stwierdzi�, �e widmo sygna-
łu spróbowanego jest okresowe, a okres jest równy T
S
. Maksymalna cz
�stotliwo��, dla której sen-
sowne jest badanie widma
1
, jest wi
�c równa cz�stotliwo�ci próbkowania (sampling frequency)
okre
�lonej wzorem
S
S
T
f
1
=
(2.26)
Skoro dotarli
�my a� tutaj, �miało mo�emy przyst�pi� do lektury ostatniej cz��ci cyklu omawiaj�cej
dyskretne przekształcenia Fouriera (DFT) i przykład jego realizacji praktycznej.
Andrzej Dobrowolski
+ STRONA JAK MIESIAC TEMU
Literatura
1. Cooley J., Tuckey J., „An algorithm for the machine computation of complex Fourier series”,
Math. Comput., vol. 19 (90), 1965
2. Dobrowolski A., „Pod mask
� SPICE’a. Metody i algorytmy analizy układów elektronicznych”,
BTC, Warszawa, 2004
3. Lyons R. G., „Wprowadzenie do cyfrowego przetwarzania sygnałów”, WKŁ, Warszawa, 1999
4. Oppenheim A. V., Schafer R. W., „Cyfrowe przetwarzanie sygnałów”, WKŁ, Warszawa, 1979
5.
Szabatin J., „Podstawy teorii sygnałów”, WKŁ, Warszawa, 2000
1
W przypadku sygnału okresowego jego widmo powtarza si
� powy�ej cz�stotliwo�ci b�d�cej odwrotno�ci� okresu.
4
( ) ( )
S
S
C
nT
x
nT
x
=
(2.24)
wi
�c
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
S
nT
x
f
X
2
j
e
(2.25)
Poniewa
� w wykładniku w miejscu t pojawił si� iloczyn nT
S
, mo
�emy stwierdzi�, �e widmo sygna-
łu spróbowanego jest okresowe, a okres jest równy T
S
. Maksymalna cz
�stotliwo��, dla której sen-
sowne jest badanie widma
1
, jest wi
�c równa cz�stotliwo�ci próbkowania (sampling frequency)
okre
�lonej wzorem
S
S
T
f
1
=
(2.26)
Skoro dotarli
�my a� tutaj, �miało mo�emy przyst�pi� do lektury ostatniej cz��ci cyklu omawiaj�cej
dyskretne przekształcenia Fouriera (DFT) i przykład jego realizacji praktycznej.
Andrzej Dobrowolski
+ STRONA JAK MIESIAC TEMU
Literatura
1. Cooley J., Tuckey J., „An algorithm for the machine computation of complex Fourier series”,
Math. Comput., vol. 19 (90), 1965
2. Dobrowolski A., „Pod mask
� SPICE’a. Metody i algorytmy analizy układów elektronicznych”,
BTC, Warszawa, 2004
3. Lyons R. G., „Wprowadzenie do cyfrowego przetwarzania sygnałów”, WKŁ, Warszawa, 1999
4. Oppenheim A. V., Schafer R. W., „Cyfrowe przetwarzanie sygnałów”, WKŁ, Warszawa, 1979
5.
Szabatin J., „Podstawy teorii sygnałów”, WKŁ, Warszawa, 2000
1
W przypadku sygnału okresowego jego widmo powtarza si
� powy�ej cz�stotliwo�ci b�d�cej odwrotno�ci� okresu.
(2.24)
4
( ) ( )
S
S
C
nT
x
nT
x
=
(2.24)
wi
�c
( )
( )
�
∞
−∞
=
π
−
=
n
nT
f
S
S
nT
x
f
X
2
j
e
(2.25)
Poniewa
� w wykładniku w miejscu t pojawił si� iloczyn nT
S
, mo
�emy stwierdzi�, �e widmo sygna-
łu spróbowanego jest okresowe, a okres jest równy T
S
. Maksymalna cz
�stotliwo��, dla której sen-
sowne jest badanie widma
1
, jest wi
�c równa cz�stotliwo�ci próbkowania (sampling frequency)
okre
�lonej wzorem
S
S
T
f
1
=
(2.26)
Skoro dotarli
�my a� tutaj, �miało mo�emy przyst�pi� do lektury ostatniej cz��ci cyklu omawiaj�cej
dyskretne przekształcenia Fouriera (DFT) i przykład jego realizacji praktycznej.
Andrzej Dobrowolski
+ STRONA JAK MIESIAC TEMU
Literatura
1. Cooley J., Tuckey J., „An algorithm for the machine computation of complex Fourier series”,
Math. Comput., vol. 19 (90), 1965
2. Dobrowolski A., „Pod mask
� SPICE’a. Metody i algorytmy analizy układów elektronicznych”,
BTC, Warszawa, 2004
3. Lyons R. G., „Wprowadzenie do cyfrowego przetwarzania sygnałów”, WKŁ, Warszawa, 1999
4. Oppenheim A. V., Schafer R. W., „Cyfrowe przetwarzanie sygnałów”, WKŁ, Warszawa, 1979
5.
Szabatin J., „Podstawy teorii sygnałów”, WKŁ, Warszawa, 2000
1
W przypadku sygnału okresowego jego widmo powtarza si
� powy�ej cz�stotliwo�ci b�d�cej odwrotno�ci� okresu.
forum.ep.com.pl