Дискретное преобразование Фурье

Преобразование Фурье

Введение

ДИСКРЕТНЫЕ ПРЕОБРАЗОВАНИЯ СИГНАЛОВ

Цифровая обработка сигналов оперирует с дискретными преобразованиями сигналов и обрабатывающих данные сигналы систем. Математика дискретных преобразований зародилась в недрах аналоговой математики еще в 18 веке в рамках теории рядов и их применения для интерполяции и аппроксимации функций, однако ускоренное развитие она получила в 20 веке после появления первых вычислительных машин. В принципе, в своих основных положениях математический аппарат дискретных преобразований подобен преобразованиям аналоговых сигналов и систем. Однако дискретность данных требует учета этого фактора, и его игнорирование может приводить к существенным ошибкам. Кроме того, ряд методов дискретной математики не имеет аналогов в аналитической математике.

Дискретное преобразование Фурьеможет быть получено непосредственно из интегрального преобразования дискретизаций аргументов (t_k = kDt, f_n = nDf):

S(f) =s(t) exp(-j2pft) dt, S(f_n) = Dts(t_k) exp(-j2pf_nkDt), (8.1)

s(t) =S(f) exp(j2pft) df, s(t_k) = DfS(f_n) exp(j2pnDft_k). (8.2)

Напомним, что дискретизация функции по времени приводит к периодизации ее спектра, а дискретизация спектра по частоте - к периодизации функции. Не следует также забывать, что значения (8.1) числового ряда S(f_n) являются дискретизаций непрерывной функции S'(f) спектра дискретной функции s(t_k), равно как и значения (8.2) числового ряда s(t_k) являются дискретизацией непрерывной функции s'(t), и при восстановлении этих непрерывных функций S'(f) и s'(t) по их дискретным отсчетам соответствие S'(f) = S(f) и s'(t) = s(t) гарантировано только при выполнении теоремы Котельникова-Шеннона.

Для дискретных преобразований s(kDt) Û S(nDf), и функция, и ее спектр дискретны и периодичны, а числовые массивы их представления соответствуют заданию на главных периодах Т = NDt (от 0 до Т или от -Т/2 до Т/2), и 2f_N = NDf (от -f_N до f_N), где N – количество отсчетов, при этом:

Df = 1/T = 1/(NDt), Dt = 1/2f_N = 1/(NDf), DtDf = 1/N, N = 2Tf_N. (8.3)

Соотношения (8.3) являются условиями информационной равноценности динамической и частотной форм представления дискретных сигналов. Другими словами: число отсчетов функции и ее спектра должны быть одинаковыми. Но каждый отсчет комплексного спектра представляется двумя вещественными числами и, соответственно, число отсчетов комплексного спектра в 2 раза больше отсчетов функции? Это так. Однако представление спектра в комплексной форме - не более чем удобное математическое представление спектральной функции, реальные отсчеты которой образуются сложением двух сопряженных комплексных отсчетов, а полная информация о спектре функции в комплексной форме заключена только в одной его половине - отсчетах действительной и мнимой части комплексных чисел в частотном интервале от 0 до f_N, т.к. информация второй половины диапазона от 0 до -f_N является сопряженной с первой половиной и никакой дополнительной информации не несет.

При дискретном представлении сигналов аргумент t_k обычно проставляется номерами отсчетов k (по умолчанию Dt = 1, k = 0,1,…N-1), а преобразования Фурье выполняются по аргументу n (номер шага по частоте) на главных периодах. При значениях N, кратных 2:

S(f_n) º S_n = s_k exp(-j2pkn/N), n = -N/2,…,0,…,N/2. (8.4)

s(t_k) º s_k = (1/N)S_n exp(j2pkn/N), k = 0,1,…,N-1. (8.5)

Главный период спектра в (8.4) для циклических частот от -0.5 до 0.5, для угловых частот от -p до p. При нечетном значении N границы главного периода по частоте (значения ±f_N) находятся на половину шага по частоте за отсчетами ±(N/2) и, соответственно, верхний предел суммирования в (8.5) устанавливается равным N/2.

В вычислительных операциях на ЭВМ для исключения отрицательных частотных аргументов (отрицательных значений номеров n) и использования идентичных алгоритмов прямого и обратного преобразования Фурье главный период спектра обычно принимается в интервале от 0 до 2f_N (0 £ n £ N), а суммирование в (8.5) производится соответственно от 0 до N-1. При этом следует учитывать, что комплексно сопряженным отсчетам S_n* интервала (-N,0) двустороннего спектра в интервале 0-2f_N соответствуют отсчеты S_N+1-n (т.е. сопряженными отсчетами в интервале 0-2f_N являются отсчеты S_n и S_N+1-n).

Пример: На интервале Т= [0,99], N=100, задан дискретный сигнал
s(k) =d(k-i) – прямоугольный импульс с единичными значениями на точках k от 3 до 8. Форма сигнала и модуль его спектра в главном частотном диапазоне (вычисление по формуле S(n) =s(k) exp(-j2pkn/100) с шагом по частоте Dw=2p/100, приведены на рис. 8.1.

Рис. 8.1. Дискретный сигнал и модуль его спектра

На рис. 8.2 приведена огибающая значений другой формы представления главного диапазона спектра. Независимо от формы представления спектр периодичен, в чем нетрудно убедиться, если вычислить значения спектра для большего интервала аргумента n с сохранением того же шага по частоте, как это показано на рис. 8.3 для огибающей значений спектра.

Рис. 8.2. Модуль спектра Рис. 8.3. Модуль спектра

На рис. 8.4. показано обратное преобразование Фурье для дискретного спектра, выполненное по формуле s'(k) = (1/100)S(n)×exp(j2pkn/100), которое показывает периодизацию исходной функции s(k), но главный период k={0,99} этой функции полностью совпадает с исходным сигналом s(k).

Рис. 8.4. Обратное преобразование Фурье

Преобразования (8.4-8.5) называют дискретными преобразованиями Фурье (ДПФ). Для ДПФ, в принципе, справедливы все свойства интегральных преобразований Фурье, однако при этом следует учитывать периодичность дискретных функций и спектров. Произведению спектров двух дискретных функций (при выполнении каких-либо операций при обработке сигналов в частотном представлении, как, например, фильтрации сигналов непосредственно в частотной форме) будет соответствовать свертка периодизированных функций во временном представлении (и наоборот). Такая свертка называется циклической и ее результаты на концевых участках информационных интервалов могут существенно отличаться от свертки финитных дискретных функций (линейной свертки).

Из выражений ДПФ можно видеть, что для вычисления каждой гармоники нужно N операций комплексного умножения и сложения и соответственно N² операций на полное выполнение ДПФ. При больших объемах массивов данных это может приводить к существенным временным затратам. Ускорение вычислений достигается при использовании быстрого преобразования Фурье.

Дата добавления: 2014-01-03