Лабораторная работа №1 Преобразование Фурье
Изучение преобразования Фурье и его основных свойств, а также методики получения быстрого преобразования Фурье (БПФ).
2. Теоретические сведения
Ортогональные функции
Для лучшего понимания вопроса о рядах Фурье дадим определение ортогональным функциям. Множество непрерывных функций действительного переменного называется ортогональным на интервале , если
При множество называется ортонормированным.
Ряд Фурье
Для теории формирования и обработки сигнала особое значение имеет возможность разложения заданного в виде функции сигнала по различным ортогональным системам функций.
Впервые в 1807 году французский математик и физик Жан Батист Жозеф Фурье показал, что любую произвольную функцию можно представить в виде бесконечной суммы синусных и косинусных членов:
где (рад/с) – основная угловая частота, которая связана с периодом T функции соотношением . Частоты называют гармониками, так как они кратны основной частоте . В данном случае речь идет о системе ортогональных функций вида .
Коэффициенты из формулы (1.2) можно вычислить с учетом ортогональности множества функций на периоде T:
С учетом этих соотношений:
Раздел математики, устанавливающий соотношение между функцией и коэффициентами и , называется гармоническим анализом, а представление (1.2) – рядом Фурье.
Компоненты ряда Фурье называются гармониками. Любая четная функция может быть разложена в ряд Фурье, состоящий из косинусов, а любая нечетная функция раскладывается в ряд из синусов. Для некоторых функций ряд Фурье может состоять лишь из нечетных гармоник.
В целом, любая полная система ортогональных функций может быть применена для разложения в ряды, которые соответствуют рядам Фурье. Например, часто используется разложение в ряды по функциям Уолша, Хаара, Лагерра, Бесселя и т.д.
Семейство преобразований Фурье
Преобразование Фурье (Fourier transform) – это разложение функций на синусоиды (далее косинусные функции также будем называть синусоидами, т.к. они отличаются от «настоящих» синусоид только фазой). Анализ Фурье закладывает основы многих методов, применяющихся в цифровой обработке сигналов и изображений (ЦОСиИ). По сути, преобразование Фурье (ПФ) позволяет сопоставить сигналу, заданному во временной области, его эквивалентное представление в частотной области. Обратно, если известна частотная характеристика сигнала, то обратное преобразование Фурье позволяет определить соответствующий сигнал во временной области.
Семейство преобразований Фурье (преобразование Фурье, ряды Фурье, дискретные ряды Фурье и дискретное преобразование Фурье) представлено на рис. 1.1 – 1.4.
Рис. 1.1. Преобразование Фурье: сигнал непрерывный и апериодический
Рис. 1.2. Ряды Фурье: сигнал непрерывный и периодический
Рис. 1.3. Дискретные ряды Фурье: сигнал дискретный и апериодический
Рис. 1.4. Дискретное преобразование Фурье:
(дискретные ряды Фурье) сигнал дискретный и периодический
Дискретное преобразование Фурье (ДПФ)
Из описанного семейства преобразований к цифровой обработке сигналов и изображений имеет отношение дискретное преобразование Фурье, которое оперирует дискретной по времени выборкой периодического сигнала во временной области. Для того, чтобы быть представленным в виде суммы синусоид, сигнал должен быть периодическим. Но в качестве набора входных данных для ДПФ доступно только конечное число отсчетов (N) рис. 1.
Основная идея ДПФ ни чем не отличается от ПФ (см. рис. 1.5).
Рис. 1.5. Основная идея ДПФ
Для получения представления x(t) (1.2) рядом Фурье в комплексной форме необходимо использовать соотношения в виде формулы Эйлера:
Таким образом, если означает последовательность X(m) конечных действительных или комплексных чисел, где , то дискретное преобразование Фурье этой последовательности определяется как
Выражения (1.13), (1.14) составляют пару преобразований Фурье.
Функции W km являются N-периодическими, т.е. W km =W ( k + N ) m =W k ( m + N ) .
Следовательно, последовательности , также являются N-периодическими, т.е.
Рассмотрим основные свойства дискретного преобразования Фурье:
а) теорема линейности: дискретное преобразование Фурье является линейным, т.е. если , и , то ;
б) теорема комплексной сопряженности: если = – такая последовательность действительных чисел, что N/2 – целое число и X(m)Cx(k), то
Из (1.13) следует, что где W=e - i 2 / N .
Тогда, подставляя вместо k – (N/2+l), будем иметь
т.к. W Nm = -1.
в) теорема сдвига: если Z(m)Cz(k) и Z(m)=X(m+h), , то
Cz(k)=W - kh Cx(k). (1.16)
Z(m)Cz(k), т.е. , .
С учетом подстановки Z(m)=X(m+h), будем иметь .
Осуществляя замену переменных m+h=r, указанное соотношение будет иметь вид .
, когда p и q удовлетворяют условию
|p-q|=N-1, то Cz(k)=W - kh Cx(k).
Аналогично при Z(m)=X(m-h) , Cz(k)=W kh Cx(k).
Можно выделить следующие области применения ДПФ:
цифровой спектральный анализ
вычисление импульсной характеристики по частотной
вычисление частотной характеристики по импульсной
быстрое преобразование Фурье (БПФ) – простой алгоритм для эффективного вычисления ДПФ.
ДИСКРЕТНОЕ ПРЕОБРАЗОВАНИЕ ФУРЬЕ (ДПФ)
Периодический сигнал может быть разложен на сумму выбранных должным образом косинусоидальных и синусоидальных функций (Жан Батист Жозеф Фурье, 1807).
ДПФ работает с конечным числом (N) оцифрованных по времени отсчетов X(m). Когда эти группы отсчетов повторяются, они становятся периодическими с точки зрения преобразования.
Комплексный спектральный выход ДПФ C(k) является результатом свертки входных отсчетов с базисными функциями синуса и косинуса.
Быстрое преобразование Фурье (БПФ)
Быстрое преобразование Фурье (FFT) является не более, чем алгоритмом для ускоренного вычисления ДПФ путем сокращения требуемого числа операций умножения и сложения. Данное преобразование было предложено в 1960-ых годах. Алгоритм быстрого преобразования Фурье значительно сокращает количество арифметических операций и объем памяти, необходимой для вычисления ДПФ. ДПФ может быть сильно упрощено, если использовать свойства симметрии и периодичности коэффициентов поворота.
При вычислении N-точечного ДПФ требуется вычислений с комплексными числами, а при реализации N-точечного БПФ вычислений с комплексными числами. Вычислительная эффективность БПФ по сравнению с ДПФ становится весьма существенной, когда количество точек БПФ увеличивается до нескольких тысяч (табл. 1.1).