Professional Documents
Culture Documents
Sysi
Sysi
Sysi
Noubliez jamais
Joe Cocker
Hoofdstuk 2. De Fourier-reeks 19
1. O RTHOGONALE FUNCTIES 19
2. F OURIER - REEKS VAN EINDIGE CONTINUE - TIJD SIGNALEN 21
3. O PMERKINGEN 24
4. D E F OURIER - REEKS VAN PERIODIEKE CONTINUE - TIJD SIGNALEN 26
5. D E F OURIER - REEKS VAN PERIODIEKE DISCRETE - TIJD SIGNALEN
(DFR) 28
6. E IGENSCHAPPEN VAN FR EN DFR 31
7. DFR ALS TRANSFORMATIE 35
8. VOORBEELD 36
Hoofdstuk 4. De 4 Fourier-transformaties 66
1. D E F OURIER - TRANSFORMATIES 66
2. E IGENSCHAPPEN 71
3. C ONVOLUTIE 73
4. D UALITEIT 73
5. S OMMATIEFORMULE VAN P OISSON 76
6. V ERALGEMEENDE FT 76
7. E NERGIESPECTRUM EN V ERMOGENSPECTRUM 80
8. H ET ONZEKERHEIDSPRINCIPE VAN H EISENBERG 82
9. F OURIER - TRANSFORMATIES EN F OURIER - REEKSEN 83
Hoofdstuk 5. Sampling 88
1. S AMPLEN VAN CONTINUE - TIJD SIGNALEN 88
2. R ECONSTRUCTIE ; EEN MATHEMATISCH MODEL 89
3. H ET SAMPLING - THEOREMA 91
4. A LTERNATIEF BEWIJS VAN HET SAMPLING - THEOREMA EN IDEALE
INTERPOLATIE 95
HOOFDSTUK 1
Signalen en Systemen
1. I NLEIDING
Men zou van signalen kunnen zeggen dat ze informatie voorstellen. Dit is
geen definitie; veeleer wordt er een eigenschap gegeven. Om die eigenschap te
vatten zou men ook best het begrip informatie nader specificeren. Je zou dit begrip
kunnen definieren, maar ook dat ligt niet voor de hand. Misschien kunnen we een
rist eigenschappen opsommen . . . ? Dit wordt hopeloos.
Volledig analoog kan men het discours hierboven uitbreiden naar systemen. Je
zou bijvoorbeeld van systemen kunnen zeggen dat ze signalen transformeren. Maar
wat betekent dit?
Hoe je het ook bekijkt: een grafische standaardvoorstelling ziet er zo uit:
signaal signaal
- SYSTEEM -
(ingang/input) (uitgang/output)
Als signalen functies zijn, is het misschien aangewezen opnieuw een aantal
reeds geciteerde voorbeelden als functie te beschrijven. Voorlopig vooral met aan-
dacht voor het domein en het codomein. Het functievoorschrift zelf blijft hier nog
wat op de achtergrond maar krijgt zijn plaats in Sectie 3.
Het signaal Samplegeluid benadert het signaal Geluid: het is bepaald op een dis-
crete tijd domein en heeft waarden bepaald door het oorspronkelijk signaal, b.v.
1Met SYSENSIG wordt hier en in wat volgt zowel de huidige cursus als het vakgebied bedoeld.
2. SIGNALEN ALS FUNCTIES 4
2In het Engels truncation. Dit wordt in het Nederlands vertaald door afbreking of afknot-
ting (zoals in afgeknotte kegel-truncated cone). In de huidige context vind ik deze vertalingen
echte afknappers. Misschien is aftopping een valabel alternatief voor afronding naar beneden?
2. SIGNALEN ALS FUNCTIES 5
Het domein stelt de tijd voor, b.v. uitgedrukt in seconden; P is de amplitude, bij-
voorbeeld uitgedrukt in hPa. Het argument van sin is een element van R uitge-
drukt in radialen (en dus dimensieloos). Per seconde (t uitgedrukt in seconden)
wijzigt het argument met 2440 radialen: het signaal heeft een hoekfrequentie of
pulsatie van 2440 radialen per seconde. Aangezien 2 radialen overeenstem-
men met 1 cyclus (i.e. sin neemt dezelfde waarden aan, in argumenten die 2
verschillen), zegt men dat Toon 440 cycli per seconde doorloopt, of een frequen-
tie heeft van 440 Hz. Er volgt onmiddellijk dat 1 cyclus 1/440 seconden duurt.
De duur van een cyclus is de periode. We tonen expliciet de grootheden in het
argument van Toon met hun eenheden:
(1) waarom wordt de trilling van een stemvork voorgesteld door een sinuso-
daal signaal?
(2) Geluid is complexer dan Toon, want een som van Tonen. M.a.w. Tonen
(corresponderend met verschillende frequenties) zijn de elementaire deel-
tjes van Geluid. Deze gedachte kan uitgebreid worden naar signalen tout
court. Meer hierover in de volgende hoofdstukken.
(3) Toon is een reeelwaardig signaal. Het is misschien verrassend op dit mo-
ment, maar we zullen als elementaire deeltjes complexwaardige Tonen
promoten, nl. deze voorgesteld door de complexe exponentielen van de
vorm t 7 eit : dit resulteert in een meer gestroomlijnde theorie en een
meer compacte presentatie.
(4) ik verkies voorlopig i als voorstelling van de imaginaire eenheid. Dat
kan veranderen in de komende jaren maar dan vooral onder sociale druk
ingenieurs prefereren meestal j.
We beginnen met
of algemener
Het codomein is een maat voor de grijswaarde. Zwart komt bijvoorbeeld overeen
met 0 en wit met 1.
Het signaal
heeft een 3-dimensionaal codomein. Misschien erop wijzen dat (r, g, b) staat voor
de Nederlandse woorden rood, groen en blauw, 3 en intensiteiten voorstellen
van de respectievelijke kleuren.
De zojuist ingevoerde beeldsignalen zijn analoge signalen. We bekijken nu een
aantal digitale signalen:
met DVL = [1 : 200], DHL = [1 : 300], en GG8 = [0 : 255] stelt alle getallen voor die
men met 8 bits kan vormen. Bij ComputerBeeld staat elk element van GG8 voor
een grijswaarde; bij KleurComputerBeeld2 bestaat het codomein uit 256 mogelijke
kleuren gekozen volgens een Tabel, die op zijn beurt zelf een signaal is:
een samplefrequentie van 10 dots/mm. Op die wijze heb je een raster van
pixels gecreeerd; met elke pixel wordt een grijswaarde geassocieerd.
2.3. Signalen ad libitum. Dat het niet allemaal beeld en geluid is, illustreren
we aan de hand van volgende voorbeelden. Indien niet aangegeven, vul je zelf de
details (domein en codomein) in:
(1) de positie en het verloop in de tijd van het zwaartepunt van een vliegtuig,
t.o.v. een referentiestelsel.
(2) de positie en de orientatie en hun verloop in de tijd van een vliegtuig of
een schip, t.o.v. een referentiestelsel. Voor wat betreft de orientatie kan je
denken aan de hoeken van Euler of aan pitch-, roll- en yaw-hoeken. Bij
een schip spreekt men over stampen, slingeren en gieren.
(3) een bestand bekeken als een bitstring: een opeenvolging van 1-tjes en
0-len.
(4) een artikel uit de krant; meestal meer dan beeld als je aanneemt dat de
tekst een betekenis heeft.
De laatste twee voorbeelden zijn zogenaamde datasequenties: het domein van deze
signalen heeft wel een ordening maar deze wordt niet gegeven door de tijd.
Een signaal is niet enkel bepaald door zijn domein en codomein, maar ook
door zijn voorschrift. Er zijn afhankelijk van de context verschillende manieren
om het voorschrift aan te duiden; in deze paragraaf illustreren we hoe men voor
een signaal
f :X Y x 7 y = f (x) (1.17)
correspondeert
(5) FYSISCH MODELLEREN: het signaal Toon kan ook worden bepaald aan
de hand van een model van de stemvork een fysisch systeem dat dit
signaal produceert. De stemvork wordt gemodelleerd d.m.v. een gewone
differentiaalvergelijking (nl. de harmonische oscillator):
x: RR t 7 cos(0t). (1.26)
Hierbij stelt x(t) de verplaatsing van de tip van de stemvork voor; dit
veroorzaakt trillingen van de lucht en dus geluid.
4. ENERGIESIGNALEN EN VERMOGENSIGNALEN 9
4. E NERGIESIGNALEN EN VERMOGENSIGNALEN
met x :R C, x(t) = x(t) = het complex toegevoegde van x(t) . Een discrete tijd
signaal x : Z C is een energiesignaal als
+
x(n)x(n) < . (1.28)
1 +N
lim
N 2N + 1
x(n)x(n) < . (1.30)
N
Dit zijn vermogensignalen; periodieke signalen met eindige (signaal) energie over
een periode zijn vermogensignalen. Uiteraard bestaan er ook signalen met onbe-
grensd gemiddeld vermogen. De terminologie energie en vermogen is genspi-
reerd door de fysica of ingenieurswetenschappen, waar voor reeelwaardige fysi-
sche signalen x : R R de uitdrukking x2(t) evenredig is met het ogenblikkelijke
vermogen (denk b.v. aan een stroom i of een spanning v door of over een tak
met weerstand R waarbij i2 (t) en v2 (t) evenredig zijn met het ogenblikkelijke ver-
mogen). De uitdrukkingen voor (signaal) energie en gemiddeld vermogen die we
vooropstellen zijn hiermee ook verklaard.
We voeren nu het begrip correlatiefunctie in. Voor twee continue tijd complex-
waardige energiesignalen x en y definieren we de kruiscorrelatiefunctie Rex,y : R
C:
Z +
Rex,y (t) , x( + t)y() d
Z + (1.31)
= x()y( t) d.
4. ENERGIESIGNALEN EN VERMOGENSIGNALEN 10
Systemen vormen signalen om in andere signalen en zijn dus functies met als
domein en codomein verzamelingen van functies, en meestal functieruimtes of sig-
naalruimtes. Ruimtes zijn verzamelingen met structuur; b.v. is het soms mogelijk
signalen op te tellen of te vermenigvuldigen met scalairen (ik vermeld niet toevallig
deze twee mogelijkheden).
Waarom zou je signalen omvormen of transformeren? Hier zijn enkele sys-
teemvoorbeelden. Je kan zelf het domein en codomein verzinnen; het voorschrift
bepalen hangt af van je kennis van het systeem en hoe gedetailleerd je het systeem
wenst te beschrijven.
R R] [R R]
TSa : [
notatie
w 7 TSa (w) = TSa w (1.41)
TSa w(t) = w(at). (1.42)
D wordt een delay genoemd als > 0. Wat is de betekenis van TSa met a < 0?
Ik moedig je aan om de subplots in Fig. 2 onderling te vergelijken en grondig de
relatie tussen de formules en de grafvoorstelling te onderzoeken. Ter illustratie
geldt dat
met
5 5 5
g(t) g(t 2) g(3t)
0 0 0
5 5 5
0 5 10 15 t 0 5 10 15 t 0 5 10 15 t
TS3 D2 (g) D2 TS3 (g) D1 (g)
10 10 10
5 5 5
g(3t 2) g(3(t 2)) g(t + 1)
0 0 0
5 5 5
0 5 10 15 t 0 5 10 15 t 0 5 10 15 t
TS1/2 (g) g TS2 (g)
10 10 10
5 5 5
g(t/2) g(n) g(2n)
0 0 0
5 5 5
0 5 10 15 t 0 5 10 15 n 0 5 10 15 n
geheugenloos als voor alle t geldt dat y(t) enkel afhankelijk is van x(t) en
eventueel van t. In SYSENSIG heb je hoofdzakelijk te maken met syste-
men met geheugen.
(2) SMOOTHER: met M > 0 definieren we
met
Z t
1
S(x)(t) = x() d, (1.52)
M tM
of equivalent
Z M
1
S(x)(t) = x(t ) d. (1.53)
M 0
met
Z +
not.
S(x)(t) = (x h)(t) , x()h(t ) d
Z +
= x(t )h() d = (h x)(t), (1.56)
De input x wordt dus omgevormd tot de output y d.m.v. een systeem gekarak-
teriseerd door h; de integraaluitdrukking wordt de convolutie genoemd van twee
6. DIFFERENTIE- EN DIFFERENTIAALVERGELIJKINGEN ALS SYSTEMEN 15
geworden in SYSENSIG dat men voor de studie en analyse ervan het letterwoord
DSP (digital signal processing) reserveert.
xX yY
- S: X Y -
Dit blokdiagram wordt dan genterpreteerd als een grafische representatie van
S : X Y, (1.58)
x 7 y = S(x). (1.59)
xX yY zZ
- S1 : X Y - S2 : Y Z -
S : X Z, (1.60)
z = S(x) = S2 (S1 (x)) = S2 S1 (x). (1.61)
waaruit blijkt dat de cascade een grafische voorstelling is van de compositie van
systemen.
Het blokdiagram in Fig. 5 wordt declaratief beschreven als
S: W X Z (1.62)
z = S(w, x) = S2 (w, S1 (x)). (1.63)
7. SYSTEMEN BESCHREVEN DOOR BLOKDIAGRAMMEN 17
wW
zZ
-
xX yY S2 : W Y Z -
- S1 : X Y -
w=z w W, Z W
-
yY S2 : W Y Z -
xX -
S1 : X Y - zZ
S0 : X Z, (1.64)
z = S0 (x) met S0 (x) = S2 (S0 (x), S1 (x)). (1.65)
De Fourier-reeks
1. O RTHOGONALE FUNCTIES
1.1. Inwendig produkt en norm. Het inwendig produkt speelt een funda-
mentele rol in de studie van Fourier-reeksen. Het maakt het mogelijk afgeleide
begrippen zoals norm en afstand te introduceren, en ook orthogonaliteit.
19
1. ORTHOGONALE FUNCTIES 20
h , i : X X C
(x, y) 7 hx, yi
C],
Z
h f , gi = f g, f , g X = [p (2.2)
p
1
C].
Z
h f , gi = f g, f , g X = [p (2.3)
p p
Het tweede en derde voorbeeld kunnen genterpreteerd worden als een veralgeme-
ning van het eerste voorbeeld. Merk op dat voor het gemak van de notatie, p in
(2.3) een dubbele betekenis heeft: het is zowel een interval als de lengte van een
interval. We veronderstellen ook nog dat de integraal bestaat (b.v. door enkel func-
ties die behoren tot een bepaalde ruimte toe te laten). Denk ook even na over de
betekenis van . in het integrandum.
We vermelden ook de Cauchy-Schwartz ongelijkheid:
kxk = (xT x) 2 ,
1
x, y X = Cn, (2.5)
C],
Z
1
kfk = ( f f) ,2 f , g X = [p (2.6)
p
1
C].
Z
1
kfk = ( f f )2 , f , g X = [p (2.7)
p p
bk = ck , h f , k i, k N0
steeds de beste keuze is (dus ook als f geen lineaire combinatie is van een eindig
aantal basisfuncties). Beschouw voor elke n N0 de uitdrukkingen
n
sn = ck k ,
k=0
bk k , bk C;
n
tn =
k=0
C].
Z
h f , gi = f g met f , g X = [p (2.10)
p
Dit laat ons ook toe signalen te beschouwen gedefinieerd op onbegrensde interval-
len; in wat nu volgt nemen we echter een bijzonder orthonormaal stel, gedefini-
eerd op een eindig interval p zogenaamde eindige signalenen we behouden
1
de coefficient p in de definitie van het inwendig produkt.
C
is de Fourier-reeks van f [p ] ten opzichte van een orthonormaal stel {0 , 1 , . . . }
gedefinieerd op het interval p, met Fourier-coefficienten c0 , c1 , . . . ; men noteert
f cn n ,
n=0
3. OPMERKINGEN 24
waarbij
cn = h f , n i n N0. (2.11)
n : p C, n(t) = ein t , n Z, 0 = 2p ,
0
f (t) t 7 cn ein0t ,
n=
waarbij
1
Z
Z
cn = h f , n i = f (t)ein0t dt, n .
p p
3. O PMERKINGEN
dit kan worden genterpreteerd als een uitbreiding van de stelling van
Pythagoras.
(2) (G LADDE SIGNALEN): veronderstel opnieuw k f k2 < ; uit de conver-
2
k=0 |ck | volgt dat ck 0, k . Maar er is meer: nl.
gentie van
hoe gladder het signaal, hoe sneller de complexe Fourier-coefficienten
ck naar nul gaan met k . We tonen dit niet aan; het resultaat is wel
intutief duidelijk: hoe gladder het signaal is, hoe minder de basissigna-
len t 7 eik0t voor grote k vertegenwoordigd zijn (grote k leidt tot sneller
veranderende waarden in de tijd en dus tot minder gladde sinalen). Je kan
zelf nagaan dat:
1
bloksignaal ck
k
1
driehoekssignaal ck 2
k
1
f C1 ck 3
k
1
f C2 ck 4
k
... ...
(5) (D OE WEL EN ZIE NIET OM): uit de opmerking hierboven volgt dat
nk=0 ck k , ck = h f , k i een steeds betere benadering voorstelt van het
signaal f met groter wordende n. Belangrijk hierbij is op te merken dat
de coefficienten ck onafhankelijk van elkaar bepaald worden. Als je een
benadering maakt bestaande uit een som van b.v. 8 termen, en daarna een
benadering met b.v. nog 3 bijkomende termen, blijven de oorspronkelijke
8 termen behouden. Dit is niet vanzelfsprekend.
Veronderstel namelijk even dat we het signaal
[0, 1] R t 7 et
0 : [0, 1] R 0 (t) = 1
1 : [0, 1] R 1 (t) = t
2 : [0, 1] R 2 (t) = t 2
R1 t 2
M.a.w. eerst bepaal je b0 zodat 0 (e b0 ) dt minimaal is. De waarde
die je op die wijze verkrijgt is verschillend van de waarde b0 die je ver-
R1 t 2
krijgt als je 0 (e b0 b1t) dt minimaliseert! De coefficienten zullen
dus niet overeenkomen met de coefficienten uit de reeksontwikkeling van
de exponentiele functie. Je wordt uitgenodigd de nodige berekeningen te
maken, en dan een verklaring te zoeken: Misschien moet je je afvragen
of de zonet geciteerde signalen k twee aan twee orthogonaal (orthonor-
maal) zijn?
De kleinste periode wordt de fundamentele periode genoemd. Met elk eindig sig-
naal (we bedoelen hiermee een signaal met begrensd domein) g [[a, b) C]
kan je door middel van periodieke uitbreiding een periodiek signaal f [R C]
met periode p = b a laten corresponderen. Introduceer hiervoor eerst een signaal
R C] met
g0 [ (
g(t) t [a, b),
g0 (t) =
0 elders.
4. DE FOURIER-REEKS VAN PERIODIEKE CONTINUE-TIJD SIGNALEN 27
f (t) , g0 (t mp)
mZ
Merk op dat voor elke t de reekssom herleid wordt tot 1 term verschillend van 0,
dat f periodiek is met periode p en dat f (t) = g(t) in het interval [a, b).
Het concept periodieke uitbreiding komt hier ter sprake omdat de Fourier-
in0 t , = 2
reeks
n= cn e 0 p , t p behorend bij een eindig signaal g [[a, b)
C], betekenis heeft voor t R, en periodiek is met periode p.
Merk trouwens op dat ook voor periodieke signalen f1 en f2 met periode p en
1R
met h f1 , f2 i = p p f1 f2 (wegens periodiciteit mag je over elk interval p van lengte
p integreren), de verzameling signalen (let op definitiegebied!)
n : R C, n(t) = ein t , n Z, 0 = 2p ,
0
R
cn ein0t , t (2.14)
n=
de Fourier-reeks is van de periodieke uitbreiding f in de zin dat niet alleen geldt
dat
g(t) cn ein0t , tp (2.15)
n=
maar ook dat
R
f (t) cn ein0t , t (2.16)
n=
met dezelfde Fourier-coefficienten
1
Z 2
Z
cn = f (t)ein0t dt; n , 0 = .
p p p
Merk op dat je de Fourier-coefficienten van f kan berekenen door te integreren
over een willekeurig interval met lengte p.
lim k f sN k2 = 0.
N
Je mag zonder schroom zeggen dat alle signalen van praktisch belang voldoen aan
de Dirichlet-voorwaarden.
Z
x(n) = x(n + p), voor alle n .
of
2 f p = m2, m N, p N.
Dit is enkel mogelijk als f rationaal is. Elke m N definieert dan een periode
m
p=
f
N. Veronderstellen we nu f (# cycli per stap) rationaal
als de corresponderende p
met T f N en N f N en onderling ondeelbaar; dan
Tf
en stellen we f voor als Nf
is p = T N en dus een periode voor elke m = kT f , k N. De fundamentele
mN f
f
1 p1 p1
= ( x(l)eik0 (nl) )
p k=0 l=0
p1
1 p1 ik0 (nl)
= x(l) e
l=0 p k=0
= x(n),
aangezien, zoals hierboven aangetoond,
(
1 p1 ik0 (nl) 1 als l = n,
e = (2.22)
p k=0 0 elders.
5.3. Opmerkingen.
(1) De Fourier-coefficienten ck , k = 0, . . . , p 1, worden bepaald door
1 p1 1
ck = x(n)eik0 n = p x(n)eik0 n
p n=0 p
Bij het signaal x horen een stel Fourier-coefficienten ck (zelfde notatie voor
FR als voor DFR). We veranderen nu de notatie en laten met x het spectrum X
corresponderen:
X [ Z C], X(k) , ck = hx, k i.
met k voor het discrete-tijd geval, gegeven door
k : Z C; k Z
2 (2.23)
n 7 k (n) = eik0 n , 0 =
p
en voor het continue-tijd geval, gegeven door
k : R C; k Z
2 (2.24)
t 7 k (t) = eik0t , 0 =
.
p
We merken hierbij op dat met periodieke signalen (discrete-tijd of continue-tijd)
steeds een discreet spectrum correspondeert; voor periodieke discrete-tijd (of discrete-
stap) signalen is het spectrum bovendien periodiek met dezelfde periode. Het spec-
trum kan uitgedrukt worden t.o.v. verschillende frequentieschalen (t.o.v. de index
k, of t.o.v. k 2
p of t.o.v.
k
p ). De naamgeving spectrum blijft behouden onafhan-
kelijk van de schaal. In Figuur 1 is de (hoek)frequentie uitgedrukt in [rad/stap]
of [rad/sec], naargelang we discrete-stap of continue-tijd signalen beschouwen.
De frequentie f wordt uitgedrukt in [Hz] wat staat voor [cycli/stap] of [cycli/sec],
naargelang het geval.
r r
r r r r
r
-
2 2 k2 (p1)2 (p+1)2
p 0 p p p 2 p
r r
r r r r
r
-f
p1 p+1
1p 0
1
p
k
p p 1 p
waaruit
en dus heeft een reeel signaal een even amplitudespectrum |X| en een
oneven fasespectrum arg X:
x even X even
x oneven X oneven
6. EIGENSCHAPPEN VAN FR EN DFR 34
We verifieren de voorlaatste eigenschap als volgt: aangezien x reeel is, geldt X(k) =
X(k); maar x is even, dus X is even (X(k) = X(k)) en dus volgt X(k) = X(k)
of m.a.w. X is reeel. Analoog voor de laatste eigenschap: toon aan dat X(k) =
X(k) of m.a.w. dat X zuiver imaginair is.
De hierboven geformuleerde stelling van Parseval leidt tot een aantal bedenkin-
gen. De continue-tijd versie van Parseval (2.26) werd hoger bewezen; er werd toen
de nadruk gelegd op het feit dat de FR van een periodiek signaal kan beschouwd
worden als een ontwikkeling van het signaal in zijn componenten t.o.v. een ortho-
normaal assenkruis. De stelling van Parseval is dan te interpreteren als de stelling
van Pythagoras toegepast op het signaal (de schuine zijde) en zijn componenten
(de rechthoekszijden).
Een analoge bespreking voor de discrete versie van de stelling van Parseval
(2.27) is uiteraard mogelijk, maar ik wens het even over een andere boeg te gooien;
de bedoeling is o.a. niet zozeer het ontwikkelen in componenten-aspect van FR
of DFR, maar wel het transformatie-aspect te benadrukken. Het is trouwens het
transformatie-aspect van FR en DFR en (al) zijn uitbreidingen die in wat volgt
meer en meer aan belang zullen winnen.
Beschouw (2.21), waar de spectrale componenten van DFR bepaald worden in
functie van het oorspronkelijk signaal. We beschouwen deze uitdrukking nu als een
transformatie van het tijdsignaal naar het signaal voorgesteld door zijn frequentie-
2
componenten (het spectrum). Introduceer voor het gemak van notatie , ei p en
overtuig jezelf dat k = k modp . Dan kan je (2.21) als volgt compact herschrijven
(we noteren ck als X(k) zoals vroeger aangegeven):
X(0) 1 1 1 ... 1 x(0)
X(1)
1 1
2 . . . p1
x(1)
X(2) 2 4 . . . p2
= 1 x(2) . (2.28)
.. p .. .. .. . .. .
..
.
..
. . . .
X(p 1) 1 p1 p2 ... x(p 1)
x = FX. (2.30)
T
Merk op dat F (en dus ook F) symmetrisch zijn. Er volgt onmiddellijk dat FF =
T T T
pI = F F en dus ook dat 1 F 1 F =I= 1 F 1 F. Men zegt dat 1 F unitair
p p p p p
is: zijn inverse is de complex toegevoegde en getransponeerde, wat in het huidig
geval neer komt op de complex toegevoegde (wegens symmetrie).
De uitdrukkingen (2.30), resp. (2.29) stellen in onze eerste aanpak een ont-
wikkeling naar basissignalen en een uitdrukking voor de componenten voor. Met
onze huidige interpretatie zijn de uitdrukkingen transformaties van de voorstelling
van een signaal in het frequentiedomein naar de voorstelling in het tijdsdomein en
omgekeerd.
1
De gelijkheid van Parseval zegt dat (op een constante p na) de grootte van
een signaal niet verandert door deze transformaties: de norm van het signaal in het
tijdsdomein is gelijk is aan de norm in het frequentiedomein. Dit is een rechtstreeks
gevolg van het feit dat de matrix 1 F unitair is. Een expliciete afleiding ziet er zo
p
uit:
1 1 (2.30) 1 T
|x(n)|2 = p xT x = p X T F FX = X T X = |X(k)|2
p np
(2.31)
kp
Op dezelfde wijze kan je de formule van Plancherel bewijzen; zij drukt uit dat
inwendige produkten onveranderd blijven onder unitaire transformaties in ons
geval geldt dus, met x X en y Y dat
1
X(k)Y (k) = p x(n)y(n). (2.32)
kp np
Onnodig te zeggen dat dat de formule van Parseval een speciaal geval is van de
formule van Plancherel.
8. VOORBEELD
2
(b) Herhaal puntje (2a) met 0 = 6 .
(3) (a) Beschouw het signaal x : Z R, n 7 x(n) = sin 0n, met 0 = 3.25 .
(i) Is het signaal periodiek?
(ii) Bepaal alle DFR-coefficienten.
3.2
(b) Herhaal puntje (3a) met 0 = 6 .
HOOFDSTUK 3
of ook
S:[ Z C] [Z C],
(3.2)
x 7 y = S(x).
We benadrukken dat in deze systeemmodellen de uitgang op unieke wijze bepaald
wordt door de ingang.
We voeren in dit hoofdstuk eerst de eigenschappen lineariteit en tijdsinvarian-
tie in en de hiermee geassocieerde begrippen impulsantwoord en convolutie die een
cruciale rol spelen in de karakterisering van een lineair tijdsinvariant systeem. Dit
leidt dan bijna onmiddellijk tot het frequentieantwoord van een lineair tijdsinvari-
ant systeem; het verband met Fourier-reeksen laten we niet ongemoeid: complexe
exponentiele signalen gedragen zich immers voorbeeldig t.o.v. lineaire tijdsinva-
riante systemen. Differentie- en differentiaalvergelijkingen laten toe een bijzon-
dere klasse van ingang-uitgang-systemen te definieren; er zal blijken dat voor deze
klasse het frequentieantwoord en de overdrachtsfunctie eenvoudig bepaald kun-
nen worden. We besluiten dit hoofdstuk met blokdiagrammen als een mogelijke
voorstelling van bepaalde systemen, en manipulatie van deze diagrammen leidt tot
canonieke voorstellingen van systemen. Zo belanden we bij de regelbare canonieke
vorm, die we later uitgebreid bestuderen in Hoofdstuk ??.
38
1. TIJDSINVARIANTIE 39
- D - S -
- S - D -
1. T IJDSINVARIANTIE
S is tijdsinvariant S D = D S, R
Figuur 1 drukt tijdsinvariantie uit aan de hand van een blokdiagram-voorstelling.
Tijdsinvariantie betekent dus dat x [ R C], t, R geldt dat
S(D (x))(t) = D (S(x))(t).
1.2. Voorbeelden.
(1) Is het systeem Kwadrateer-en-Verschuif DKw : [ R R] [R R]
met
DKw(x)(t) = x2 (t 1), t R, x [R R]
tijdsinvariant?
(2) Is het systeem Tijdsschaling TSa met
TSa : [R R] [R R] notatie
w 7 TSa (w) = TSa w
(3.5)
TSa w(t) = w(at)
tijdsinvariant?
(3) Is Dk tijdsinvariant?
2. L INEARITEIT
of uitgedrukt in waarden
+
(x y)(n) = Z
x(k)y(n k), n . (3.7)
k=
x (y1 + y2 ) = (x y1 ) + (x y2 ); Z C];
x, y1 , y2 [ , C.
Met elk signaal h [ Z C] kunnen we dus een lineair systeem S laten corres-
ponderen:
Z C] [Z C],
S:[
(3.8)
x 7 S(x) = h x
Het systeem S is bovendien tijdsinvariant; n, M Z geldt immers:
DM (S(x)) = DM (h x)
+
= DM ( h(k)Dk (x))
k=
+
= h(k)DM (Dk (x))
k=
+
= h(k)DM+k (x)
k=
+
= h(k)Dk (DM (x))
k=
M
= S(D (x)).
We stellen vast dat elk signaal h [ Z C] een LTI systeem definieert: de uitgang
is de convolutie van h met de ingang.
We tonen nu aan dat het omgekeerde ook geldt, nl. de uitgang van een LTI
systeem is de convolutie van een goed gekozen signaal met de ingang. Beschouw
als ingang u de impuls:
(
: ZR (n) =
1 n = 0,
0 n=6 0, n . Z (3.9)
Je merkt op dat
x= x(k) Dk . (3.10)
k=
Dit is een vertolking van het feit dat een signaal x [ Z C] te schrijven is als een
oneindige gewogen som van verschoven impulsen. De uitdrukking (3.10) volgt
ook uit x = x en de definitie van de convolutiesom (3.6).
Neem nu een LTI systeem S; dan volgt uit (3.10) dat
+
S(x) = x(k)S(Dk ) wegens lineariteit,
k=
+
= x(k) Dk S( ) wegens tijdsinvariantie.
k=
3. CONVOLUTIESOM EN CONVOLUTIE-INTEGRAAL 42
S(x) = x h = h x. (3.11)
In woorden :
R.
Z +
(x y)(t) = x()y(t ) d, t (3.13)
Er geldt opnieuw dat convolutie van een signaal met de ingang een LTI systeem
definieert. Omgekeerd geldt dat voor een willekeurig LTI systeem S, de uitgang
steeds te schrijven is als de convolutie van het impulsantwoord S( ) en de ingang.
De impuls is hier de Dirac-impuls, bepaald door de volgende eigenschappen:
(
(t) = 0 t 6= 0,
R +
R R
(t) (t) dt = (0) [ ] continu in 0.
(3.14)
Verder wordt gebruik gemaakt van het feit dat een signaal x [ R C] steeds kan
geschreven worden als een som van verschoven Dirac-impulsen
Z +
x= x() D d, (3.15)
zoals volgt uit de definierende eigenschap van de Dirac-impuls (veranderen van
veranderlijke is toegelaten: zie hieronder)
R.
Z +
x(t) = x() (t ) d, t
We beeindigen deze paragraaf met een aantal bedenkingen over de Dirac-impuls.
Als een functie zou zijn, zouden de vereisten in deze definitie onmogelijk te vol-
doen zijn. Aan de symbolische integraaluitdrukking kan wel betekenis gegeven
worden d.m.v. distributietheorie. Distributietheorie garandeert ook dat de symbo-
lische integraal dezelfde eigenschappen heeft als een gewone integraal, inclusief
veranderen van veranderlijke en partiele integratie. D.m.v. veranderen van veran-
derlijke toont men aan dat de volgende integraaluitdrukkingen gelijk zijn wegens
gelijk aan (t)
R.
Z + Z +
() ( t) d = () (t ) d = (t), t (3.16)
3. CONVOLUTIESOM EN CONVOLUTIE-INTEGRAAL 43
h1 h2 h1
- h1 - h2 -
h2 h1 h2
- h2 - h1 -
3.3. Voorbeelden.
(1) Het M-point moving average systeem en de smoother zijn gedefini-
eerd in Hoofdstuk 1 d.m.v. een ingang-uitgang-relatie; je kan opnieuw
het impulsantwoord berekenen en dan verifieren of de uitgang gegeven
wordt als de convolutie van het impulsantwoord en de ingang.
(2) Beschouw de verschuivingsoperator D [[ R C] [R C]], R:
x 7 y, y(t) = x(t ), t R.
3.4. Stabiliteit. Het begrip stabiliteit speelt een belangrijke rol in het onder-
zoek van systemen en van lineaire systemen in het bijzonder. We behandelen eerst
discrete-stap systemen.
3. CONVOLUTIESOM EN CONVOLUTIE-INTEGRAAL 44
Bij definitie is een systeem BIBO-stabiel (bounded input bounded output) als
elke begrensde ingang u een begrensde uitgang y geeft. Merk op dat de begrenzing
op de uitgang mag afhangen van de vorm van het ingangssignaal. (Een signaal
u:Z R of C is begrensd als er een positief reeel getal M bestaat zodat |u(n)|
M, n Z).
Aangezien het impulsantwoord het ingang-uitgang gedrag volledig bepaalt,
verwacht je dat voor LTI systemen BIBO-stabiliteit kan uitgedrukt worden in func-
tie van het impulsantwoord; we beweren:
Dit is IO-stabiliteit (input output): een strengere vorm van stabiliteit dan
BIBO-stabiliteit. Inderdaad volgt uit (3.22) dat de uitgang niet enkel be-
grensd is voor begrensde inputs, maar dat de begrenzing op de uitgang
niet afhangt van de vorm van de ingang, maar van de begrenzing op de
ingang. Sterker nog: de begrenzing is evenredig met de begrenzing op
de ingang (met evenredigheidsfactor bepaald door het impulsantwoord).
Eigenaardig genoeg is deze strengere vorm van ingang-uitgang stabiliteit
voor lineaire ingang-uitgang modellen equivalent met BIBO-stabiliteit.
R +
BIBO-stabiliteit |h(t)| dt < .
Inderdaad geldt dat, als h(m) = 0, m < 0, dan is voor een willekeurige ingang
x[ Z C], de uitgang y(n) = m=0 h(m)x(n m), n Z en dus is y(n) enkel
afhankelijk van x(n), x(n 1), . . . .
Daarentegen geldt dat als h(m ) 6= 0, voor een bepaalde m < 0, dan is y(n), n
Z afhankelijk van x(n m) en dus afhankelijk van een ingangswaarde op een later
ogenblik dan het ogenblik n en dus is het systeem niet causaal.
Het bewijs is analoog voor continue-tijd systemen (waarbij omwille van de
integraaluitdrukking voor de uitgang, voor het deel van het bewijs dat correspon-
deert met verondersteld wordt dat het impulsantwoord voldoende regulier is, bv.
stuksgewijze continu).
4. H ET FREQUENTIEANTWOORD EN DE OVERDRACHTSFUNCTIE
op voorwaarde dat de reekssom bestaat. Er volgt dan dat het LTI systeem zich
voorbeeldig gedraagt ten opzichte van exponentiele ingangen x(n) = ein :
Z
y(n) = H()ein , n , R. (3.24)
h[ Z C] H [R C].
Het symbool is suggestief: het duidt aan dat h en H ondubbelzinnig met elkaar
verbonden zijn. Het symbool werd reeds gebruikt in Hoofdstuk 2, paragraaf 6.1
om aan te geven dat je met een periodiek signaal een FR kunt laten corresponderen
en, omgekeerd, dat met de FR een periodiek tijdssignaal correspondeert, en dit
op ondubbelzinnige wijze. Voor periodieke discrete-stap impulsantwoorden h, (of
meer algemeen signalen h) geldt er dus (p is in de volgende uitdrukking een notatie
voor een interval van lengte p)
h [p C] H [p C]
waarbij de relatie compact wordt weergegeven als (cfr. (2.29) en (2.30))
1
H= Fh
p
h = FH
of expliciet
1 p1 2
H(k) = h(m)ei(k0 )m ,
p m=0
k = 0, 1, . . . , p 1; 0 =
p
,
p1
h(m) = H(k)ei(k )m ,
0
m . Z
k=0
x[ Z C], x(n) = zn , Z
n , z C.
Dan
+
y(n) = h(m)z(nm)
m=
+
=z n
h(m)zm .
m=
We introduceren nu de overdrachtsfunctie H : C C:
+
H(z) , h(m)zm , z C. (3.25)
m=
R.
Z +
y(t) = h()x(t ) d, t
dan
Z +
y(t) = h()ei(t) d
Z +
=e it
h()ei d
R 3 t 7 h(t) = (t T )
en als frequentieantwoord
R 3 7 H() =
Z
h(t)eit dt
Z
= (t T )eit dt
iT
=e
2In sommige tekstboeken beschouwt men H ook als gedefinieerd op een ander domein met
waarden H(i).
4. HET FREQUENTIEANTWOORD EN DE OVERDRACHTSFUNCTIE 51
h[ R C] H [R C].
Deze transformatie is de continue-tijd Fourier-transformatie (CTFT). Opnieuw stel-
len we de vraag of er een inverse CTFT bestaat, m.a.w. of het frequentieantwoord
een alternatieve karakterisering is van een LTI systeem:
h[ R C] H [R C].
Het symbool is suggestief; het werd reeds gebruikt in Hoofdstuk 2, paragraaf
6.1 om aan te geven dat je met een eindig (i.e. begrensd domein) of periodiek
continue-tijd signaal een FR kunt laten corresponderen, en omgekeerd, dat (onder
bepaalde voorwaarden, bv. de Dirichlet-voorwaarden) met de FR een tijdssignaal
correspondeert. Voor periodieke signalen h met periode p (b.v. het impulsant-
woord) geldt
h [p C] of h [R C] H [Z C].
of expliciet
1
Z 2
Z
H(k) = h(t)ei(k0 )t dt, k , 0 = , (3.29)
p p p
R.
h(t) = H(k)ei(k0 )t , t p of (3.30)
k=
Dit geeft ons hoop dat ook in het algemene geval een inverse CTFT bestaat; dit
wordt verder uitgewerkt in Hoofdstuk 4.
4.2.3. De overdrachtsfunctie. De overdrachtsfunctie of transferfunctie wordt
ingevoerd door de uitgang te bepalen voor een speciale ingang. Beschouw het LTI
systeem (3.1)
R.
Z +
y(t) = h()x(t ) d, t
Neem als ingang het signaal
y(t) = H(s)est , R, s C.
t (3.32)
Je merkt dat exponentiele signalen t 7 est , s C eigensignalen zijn van een LTI
systeem, en niet enkel het speciale geval (zonet bestudeerd in verband met het
frequentieantwoord) waarbij s beperkt wordt tot de zuiver imaginaire as: s = i.
R, 0 = 2p , p R, p > 0;
x(t) = X(k)eik0t , t
k=
x(n) = X(k)eik n , 0
Z
n , 0 =
2
p
, p N,
kp
met X het spectrum van x. Voor het continue-tijd geval veronderstel je dat b.v. de
Dirichlet-voorwaarden voldaan zijn zodat er puntsgewijze convergentie geldt (mits
de juiste interpretatie in discontinuteitspunten).
Als dit signaal aangelegd wordt aan een LTI systeem met gekend frequentieant-
woord H() (de betekenis verandert naargelang we discrete of continue tijd syste-
men beschouwen de notatie is dezelfde), dan is de uitgang voor het continue-tijd,
resp. het discrete-tijd geval gegeven door:
R,
y(t) = H(k0 )X(k)eik0t , t
k=
Z. Er volgt dan
R,
y(t) = H(k0 )X(k0 )eik0t , t
k=
De uitgang (als functie van de tijd) bevat dus enkel frequentiecomponenten die
reeds in de input aanwezig waren. De frequentiecomponenten worden versterkt/verzwakt
volgens H. Vandaar dat een LTI systeem in sommige vakgebieden een filter ge-
noemd wordt. Een all-pass filter b.v. zal alle frequentie-componenten doorlaten
(|H()| = 1).
Het spectrum van de uitgang is eenvoudigweg het spectrum van de ingang
vermenigvuldigd met het frequentieantwoord. Deze relatie wordt later uitgebreid
van periodieke naar niet-periodieke signalen.
x: RR
x(t) = A cos(t + ), A > 0 en > 0 (z.v.a.a.), R
en zijn complexe voorstelling of fasor X C:
X , Aei (3.33)
zodat
Met x correspondeert de fasor X (je houdt hierbij geen rekening met de hoekfre-
quentie ) en omgekeerd uit X is het oorspronkelijk signaal x eenduidig is af te
leiden, op voorwaarde dat de hoekfrequentie gekend is.
De uitgang y [ R C] corresponderend met x volgt nu uit
x(t) = (X eit + X eit ), t R
1
2
en dus, wegens vorige sectie 4.3
1
y(t) = (H()X eit + H()X eit ), t
2
R
We veronderstellen nu dat S met reele ingangen, reele uitgangen laat corresponde-
ren; m.a.w. het impulsantwoord is reeel. Er geldt dan dat het frequentieantwoord
toegevoegd symmetrisch is (vergelijk dit met (2.25)):
De uitgang y is dan
Merk hierbij op dat, wegens (3.35), het amplitudespectrum |H()| even is.
Uit (3.36) blijkt dat de complexe voorstelling van de uitgang Y kan uitgedrukt
worden als (herneem even de definitie van fasor in (3.33) en (3.34)):
Y = H()X . (3.37)
Uitdrukking (3.37) is een pleidooi achteraf voor het invoeren van het begrip
complexe voorstelling. Voor sinusodale signalen is de complexe voorstelling
van de uitgang evenredig met de complexe voorstelling van de ingang met even-
redigheidsfactor H(). Vergelijk dit met complexe exponentiele ingangen waar de
uitgang evenredig is met de exponentiele ingang met evenredigheidsfactor H().
In sommige vakgebieden zoals b.v. elektrotechniek wordt (3.37) veelvuldig ge-
bruikt.
x e y
-+h - S1 -
6
z
S2
F IGUUR 4. Terugkoppeling.
x e w y
-+h - S2 - S1 -
6
F IGUUR 5. Regelsysteem.
en dus
H1 ()
H() = .
1 H1 ()H2 ()
Blokdiagrammen van het type van Figuur 4 worden veel gebruikt in technische
toepassingen; b.v. de regelkring in Figuur 5 stelt een model voor van een regelsys-
teem: x is de ingestelde temperatuur, y is de te regelen temperatuur van een ruimte.
Het blokje S2 stelt de regelaar voor: b.v. de verwarmingsinstallatie; geef zelf een
fysische interpretatie van de signalen e en w.
a0 y + a1 D1 y + + aN DN y = b0 u + b1 D1 u + + bM DM u (3.39)
y(n) , H()ein , n . Z
Er wordt benadrukt dat men op deze wijze een specifiek ingangs-uitgangskoppel
vooropstelt. Er volgt dat
b0 + b1 ei + + bM eiM
H() = . (3.40)
a0 + a1 ei + + aN eiN
7. DIFFERENTIEVERGELIJKINGEN 58
y(n) , H(z)zn , n . Z
te bepalen. De overdrachtsfunctie is dan gegeven door
H: C C, z 7 H(z) (3.41)
b0 + b1 1z + b2 ( 1z )2 + + bM ( 1z )M
H(z) = . (3.42)
a0 + a1 1z + a2 ( 1z )2 + + aN ( 1z )N
De transferfunctie is gedefinieerd overal in het complexe vlak op de nulpunten van
de noemer na. De relatie met het impulsantwoord (of verschillende impulsant-
woorden!) wordt verder uitgewerkt in Hoofdstuk ??. Je merkt op dat we hetzelfde
symbool H gebruikt hebben voor het frequentieantwoord en de overdrachtsfunctie.
De definitiegebieden zijn echter verschillend; de transferfunctie geevalueerd op de
7. DIFFERENTIEVERGELIJKINGEN 59
eenheidscirkel in het complexe vlak correspondeert met waarden van het frequen-
tieantwoord:
H(z)|z=ei = H().
M 0 = M L,
N 0 = N L,
a0 y + a1 D 1 y + + aN D N y = b0 u + b1 D 1 u + + bM D M u (3.44)
S:u[ R C] 7 y [R C].
Dit gebeurt door een specifiek ingang-uitgang paar te kiezen uit de algemene op-
lossing.
We berekenen nu het frequentieantwoord. Het frequentieantwoord H : R
C, 7 H() wordt bepaald door een ingang R 3 t 7 eit aan te leggen en de
uitgangswaarden te schrijven als
y(t) , H()eit , t R.
Er volgt dat
b0 + b1 (i) + + bM (i)M
H() = . (3.46)
a0 + a1 (i) + + aN (i)N
Deze uitdrukking bepaalt dus het frequentieantwoord. De overdrachtsfunctie wordt
bepaald door als ingang een eigensignaal R 3 t 7 est aan te leggen en de uitgangs-
waarden te schrijven als
y(t) , H(s)est , t R.
Er volgt dat
H: C C, s 7 H(s) (3.47)
b0 + b1 s + b2 s2 + + b
M sM
H(s) = 2
. (3.48)
a0 + a1 s + a2 s + + aN sN
9. FIR-FILTERS EN IIR-FILTERS 61
We melden nu al dat er technieken bestaan (zie Hoofdstuk ??, sectie ??) die ver-
trekkend van (3.48) op efficiente wijze het impulsantwoord bepalen.
Je merkt ook op dat de transferfunctie geevalueerd op de imaginaire as het
frequentieantwoord bepaalt. De nulpunten van de karakteristieke veelterm bepa-
len het definitiegebied van de overdrachtsfunctie en het frequentieantwoord. Het
frequentieantwoord is gedefinieerd op R op een eindig aantal punten na, corres-
ponderend met nulpunten van de karakteristieke veelterm op de imaginaire as. De
relatie van de overdrachtsfunctie met eventueel meerdere impulsantwoorden wordt
onderzocht in Hoofdstuk ??.
De nullen en polen van H(s) zijn de nulpunten van respectievelijk de teller en
de noemer van H(s) na wegdelen van alle gemeenschappelijke factoren. Opnieuw
karakteriseren de polen BIBO-stabiliteit. Voor details verwijzen we naar Hoofd-
stuk ??, sectie ??.
h:ZC
Z
M
y(n) = h(m)u(n m), n (3.49)
m=0
9.2. IIR-filters. Als we (3.49) uitbreiden met een auto-regressief (AR) deel,
dan krijgen we een recursieve filter of ARMA-filter (Auto Regressive Moving
Average) genoemd:
Z
M N
y(n) = b(m)u(n m) a(m)y(n m), n
m=0 m=1
u
- D - D - ... - D
? ? ? ?
b0 b1 b2 bM
y
h
-+? h- . . .
-+? h
-+? -
u b0 r y
- -+h -+h -
6 6
? ?
D D
b1 a1
- -+h +h
6 6
? ?
D D
b2 a
- -+h 2
+h
?
..
6
.. ..6 ?
..
. . . .
6 6 ?
?
D D
bM aN
-
u b0 y
-+h - -+h -
6 6
?
a b1
1
+h - -+h
6 6
?
a2 b2
?-
nieuwe voorstellingen zou kunnen genereren (op deze manier is de Canonieke re-
alisatie van Fig. 9 afgeleid).
Het is handiger om over te stappen op de overdrachtsfunctie-voorstelling van
het filter waarop we algebrasche bewerkingen kunnen uitvoeren. Het resultaat kan
dan op zijn beurt gerenterpreteerd worden in een blokdiagramvoorstelling!
Beschouw de overdrachtsfunctie corresponderend met (3.50):
b0 + b1 1z + b2 ( 1z )2 + + bM ( 1z )M
H(z) =
1 + a1 1z + a2 ( 1z )2 + + aN ( 1z )N
Ze stemt op een natuurlijke wijze overeen met de canonieke vorm in Fig. 9. Je kan
de overdrachtsfunctie ook schrijven als een product:
1 1
H(z) = 1
T ( ).
N( z ) z
De 4 Fourier-transformaties
1. D E F OURIER - TRANSFORMATIES
(1) [R C]: R is b.v. de tijd, een ruimtelijke of een andere continue veran-
derlijke (b.v. frequentie).
Z C]: Z is b.v. discrete tijd, stap of een andere discrete veranderlijke.
(2) [
(3) [R C] p : zoals hierboven maar dan beperkt tot periodieke signalen (pe-
riode p > 0, p R).
66
1. DE FOURIER-TRANSFORMATIES 67
x[ R C] p - X [ Z - C]
FR
X [ Z C] - x[ R -C] p
invFR
R
x(t) = X(k)eik0t t (invFR)
k=
1
Z
Z
X(k) = x(t)eik0t dt k . (FR)
p p
2
waarbij 0 = p , in radialen per seconde.
x(n) = X(k)eik n 0
n Z (4.1)
kp
X(k) =
1
x(n)eik0 n
p np
k . Z (4.2)
1. DE FOURIER-TRANSFORMATIES 68
x[ Z C] p - X [ Z -C] p
DFT
X [ Z C] p - x[ Z -C] p
invDFT
x[ Z C] - R -C]2
X [
DTFT
X [ R C]2- x[ Z - C]
invDTFT
Om historische redenen wordt er voorkeur gegeven aan DFT (de discrete Fourier-
transformatie) als men het transformatie-aspect wenst te benadrukken (cfr. Fig. 2);
DFT is DFR maar met andere coefficienten:
x(n) =
1
X(k)eik0 n
p kp
n Z (invDFT)
X(k) = x(n)eik n 0
k . Z (DFT)
np
R.
X() = x(n)ein , (DTFT)
n=
Klopt het nu dat DTFT en invDTFT elkaars inversen zijn? We verifieren dat
DTFT invDTFT de identiteitsoperator is:
1
Z
?
X() = ( X()ein d)ein (4.3)
n= 2 2
We weten echter uit FR dat voor elk periodiek signaal x [ R C] p geldt (onder
de Dirichlet-voorwaarden):
1
Z
x(t) = ( x()eik0 d)eik0t . (4.4)
k= p p
Dan
3
1 ei4
X() = ein = 1 ei
. (4.6)
n=0
Verifieer de geldigheid van de inverse transformatie.
1.3.2. Opmerking. Aangezien X = DTFT(x) periodiek is met periode 2 heeft
X een Fourier-reeks. Dus enerzijds heb je wegens DTFT:
R
X() = x(n)ein (4.7)
n=
X(k)eik
2
X() = 2
k=
(4.8)
X(k)e
ik
=
k=
waarbij X het spectrum is van X. Uit identificatie volgt dat X(k) = x(k), k Z.
1.4. FT. Enkel het geval van een continue-tijd signaal (niet noodzakelijk pe-
riodiek) moet nu nog worden behandeld. Met x [ R C] laten we genspireerd
door FR, of door de definitie van het frequentieantwoord de continue-tijd Fourier-
getransformeerde X [ R C] (CTFT of kortweg FT) corresponderen:
Z +
X() = x(t)eit dt. (FT)
1. DE FOURIER-TRANSFORMATIES 70
x[ R C] - X [ R C]
FT -
X [ R C] - x[ R C]
invFT -
Z +
1
x(t) = X()eit d (invFT)
2
(
1 t [0, 1],
x(t) =
0 elders in ; R (4.9)
2. EIGENSCHAPPEN 71
x[ R C] p - X [ Z - C]
FR
x[ Z C] p - X [ Z -C] p
DFT
x[ Z C] - X [ R -C]2
DTFT
x[ R C] - X [ R C]
FT -
F IGUUR 5. De 4 transformaties.
R 1 it
dan geldt X() = 0 e dt. Waaruit volgt dat X(0) = 1 en
sin 2 sin 2
X() = ei 2 .
; |X()| = | |
2 2 (4.10)
not. i
= e 2 .sinc
2
1.5. Opmerkingen.
(1) DFT, DTFT, FT transformeren x naar X. Er komt in de uitdrukking van
deze transformaties geen coefficient voor. Bij FR daarentegen is er wel
een coefficient in de transformatie.
(2) We verzamelen de 4 Fourier-transformaties met hun domein en codomein
in een schema (cfr. Fig. 5). Let vooral op het al dan niet periodieke en het
discrete/continue karakter van de signalen in de signaalruimten.
2. E IGENSCHAPPEN
We maken een lijst van enkele belangrijke eigenschappen van de FT. De meeste
van de bewijzen volgen d.m.v. een wijziging van de veranderlijke in de Fourier-
integraal. We merken op dat we reeds dergelijke eigenschappen vermeld hebben
voor FR en DFR (en dus DFT). Analoge eigenschappen gelden voor DTFT.
RC
Veronderstel nu dat x, X L2 ( , ) met X = FT(x). We veronderstellen ook
dat x gereconstrueerd kan worden uit X d.m.v. invFT. Dit wordt uitgedrukt door
x X. We bepalen nu koppels y Y waarbij y, Y L2 ( , ) en y afgeleid RC
wordt uit x.
2. EIGENSCHAPPEN 72
(1) V ERSCHUIVING
(2) M ODULATIE
(4) T IJDSSCHALING
(5) A FGELEIDE
3. C ONVOLUTIE
Er geldt
x y XY. (4.21)
Het bewijs volgt b.v. door de volgorde van integratie (Fourier- en convolutie-
integraal) om te wisselen en dan een nieuwe veranderlijke in te voeren, of door
de FT van x y te schrijven als een dubbele integraal en dan te veranderen van
veranderlijken zodanig dat men onmiddellijk het product XY verkrijgt.
De convolutie-eigenschap is van fundamenteel belang in SYSENSIG en wel in
de volgende interpretatie. Met x de ingang en h het impulsantwoord van een LTI
systeem, is de uitgang in het tijdsdomein gegeven door y = h x. Voor de FT - of
DT FT -getransformeerden volgt
y = h x Y = HX (4.22)
Dit is de uitbreiding van de resultaten van Sectie 4.3 betreffende periodieke signa-
len naar willekeurige signalen x, y [ R C of Z C]; hiervoor interpreteer je
dan best X(), resp. Y () als de component van x, resp. y t.o.v. het basissignaal
t 7 eit (continue tijd) of n 7 ein (in discrete tijd). Je merkt hierbij op dat er
een niet-aftelbaar oneindig aantal basisfuncties zijn (met elke R of met elke
[0, 2) correspondeert er een basisfunctie).
Naast de definitie van het frequentieantwoord H als de Fourier-getransformeer-
de van het impulsantwoord of de verhouding van de uitgang tot de ingang bij het
aanleggen van een exponentiele input, volgen uit uitdrukking (4.23) alternatieve in-
terpretaties voor het frequentieantwoord van een LTI-systeem. Zo is het frequentie-
antwoord de Fourier-getransformeerde van de output als de ingang een Dirac-
impuls is (zie verder), of ook de verhouding van de Fourier-getransformeerde van
de output en de Fourier-getransformeerde van de input.
4. D UALITEIT
x X, (4.25)
X 2 x, met x() = x(), (4.26)
X 2x, met X(t) = X(t). (4.27)
Het laatste paar verkrijg je door tijdsschaling (of preciezer: door tijdsomkering)
toe te passen op het vorige paar.
De D UALITEITSEIGENSCHAP is:
en heeft tot gevolg dat FT 2 (x) = 2 x. De drie koppels vat je samen als:
1
X x X 2 x. (4.29)
2
Beschouw de relatie
en de relatie
X Y 2 x.2 y
2x.y X Y. (4.33)
4.3. Dualiteit voor DFT. Het opstellen van de duale paren voor DFT gebeurt
d.m.v. dezelfde redenering.
Beschouw (DFT); er volgt
1
X(k) = px(n)eik0 n .
p np
(4.35)
x X, (4.36)
X px, met x(k) = x(k), (4.37)
X px, met X(n) = X(n). (4.38)
Het laatste paar verkrijg je door argumentsomkering toe te passen op het vorige
paar.
6. VERALGEMEENDE FT 76
RC
Beschouw een signaal x L2 ( , ) met FT-spectrum X. Met p > 0, p
R introduceren we het signaal + np
n= D x, in de veronderstelling dat de reeks
convergeert. We verifieren dat het nieuwe signaal periodiek is met periode p. Er
bestaat dus een FR-ontwikkeling:
+ + 2
x(t + np) = ck eik p t , (4.39)
n= k=
met
Z p +
1 2
ck = x(t + np)eik p t dt. (4.40)
p 0 n=
1 +
Z (n+1)p
2 2
= x(t)eik p t e|ik{zp np} dt
p n= np
1 (4.41)
1 +
Z
ik 2
p t
= x(t)e dt
p
1 2
= X(k )
p p
Na substitutie in (4.39) volgt de sommatieformule van Poisson
+
1 + 2 2
x(t + np) = X(n )ein p t . (4.42)
n= p n= p
In het bijzonder geldt voor t = 0
+
1 + 2
x(np) = X(n ). (4.43)
n= p n= p
6. V ERALGEMEENDE FT
= D x(t)
Hieruit volgt
D x = x D = D x (4.51)
(4) Om betekenis te geven aan de afgeleide (1) van een Dirac-impuls stel je
met behulp van partiele integratie het volgende vast
Z + + Z +
(1) (t) (t) dt = (t) (1) (t) dt
Z +
= (t) (1) (t) dt (4.52)
(1)
= (0)
We keren nu terug naar de oorspronkelijke vraag naar de bepaling van FT(1). Met
onze kennis van distributies en in de veronderstelling dat de dualiteitseigenschap
ook geldt voor distributies verkrijgen we onmiddellijk een aantal fundamentele
signalen en hun Fourier-getransformeerde.
Steunend op de definierende eigenschap van de Dirac-impuls
Z +
(t)eit dt = 1 (4.56)
en op (4.29) volgt
1 2 (4.57)
en met =
1 2 , (4.58)
en
(n) 7 (i)n 2 g
(n) (4.63)
t 7 (it)n 2 (n) . (4.64)
wat met x = kan genterpreteerd worden als een speciaal geval van
(
Z t 1
7 i X(), 6= 0,
x()d (4.66)
0 7 X(0) (0),
waarbij x X.
7. ENERGIESPECTRUM EN VERMOGENSPECTRUM 80
7. E NERGIESPECTRUM EN V ERMOGENSPECTRUM
R C
We introduceren eerst het signaal xT [ ] en zijn Fourier getransformeerde:
(
x, T2 < t < T2 ,
Z Z T /2
it
xT = 7 XT () = xT (t)e dt = xT (t)eit dt.
0, elders. T /2
(4.70)
Er geldt nu
Z +T /2
1 1 1
Z Z
Parseval
P = lim |x(t)|2 dt = lim |xT (t)|2 dt = lim |XT |2 d f .
T T T /2 T T T T
(4.71)
7. ENERGIESPECTRUM EN VERMOGENSPECTRUM 81
1
Z Z
Sx ( f ) d f = lim |XT |2 d f . (4.72)
T T
We wensen nog iets meer, nl. dat (4.72) ook geldt binnen een frequentieband
[ f1 , f2 ] en dus dat Sx voldoet aan
Z f Z f
1
Sx ( f ) d f = lim |XT |2 d f . (4.73)
T T
|XT |2
Sx ( f ) = lim . (4.74)
T T
We bepalen nu invCTFT(Sx ):
1 |XT ()|2 it
Z
invCTFT(Sx )() = lim e d
2 T T
1
Z
= lim XT ()XT ()ei d
T 2T
Z Z T /2 Z T /2
1 0
= lim xT (t)eit dt xT (t 0 )eit dt 0 ei d
T 2T T /2 T /2
Z T /2 Z T /2
1 1
Z
0
= lim xT (t) xT (t 0 )( ei(tt +) d) dt 0 dt
T T T /2 T /2 2
1 T /2
Z T /2
1 i(t 0 ) it
Z Z
= lim xT (t) xT (t 0 )( e e d) dt 0 dt
T T T /2 T /2 2
1 T /2
Z Z T /2
= lim xT (t) xT (t 0 ) (t t 0 + ) dt 0 dt
T T T /2 T /2
Z T /2
1
= lim xT (t)xT (t + ) dt
T T T /2
= Rvx ().
(4.75)
Rvx Sx (4.76)
Sy = |H|2 Sx . (4.77)
8. HET ONZEKERHEIDSPRINCIPE VAN HEISENBERG 82
coefficient zorgt ervoor dat de energie onveranderd blijft: kxs k2 = kxk2 ). Uit de
schalingseigenschap volgt dat Xs () = sX(s) een dilatatie ondergaat (uitge-
rekt wordt) met een factor 1s . Wat je dus wint in het tijdsomein verlies je in het
frequentiedomein.
De bedoeling is dit verschijnsel te kwantificeren. Het komt er eerst op aan
een grootheid te definieren die maatgevend is voor de spreiding van een signaal
over het domein R. In dat verband is het perfect verdedigbaar elke waarde t in
rekening te brengen in een maat voor de spreiding van het signaal x als x(t) 6= 0, en
dit in meerdere of mindere mate naargelang |x(t)| groter of kleiner is: elke waarde
1
t wordt gewogen met een gewicht kxk2
|x(t)|2 (de factor is zodanig begroot dat de
integraal van alle gewichten 1 is).
In de bovenstaande setting nemen we het gemiddelde van alle t-waarden (cfr.
cursus Waarschijnlijkheidsrekening en Statistiek)
Z +
1
tgem = t|x(t)|2 dt (4.78)
kxk2
en de maat voor spreiding (rond het gemiddelde) van t over R is dan ontleend uit
de spreiding (of de variantie) zoals gedefinieerd in de probabiliteitsleer:
Z +
1
t2 = (t tgem )2 |x(t)|2 dt (4.79)
kxk2
waarbij
Z +
1
gem = |X()|2 d. (4.81)
2kxk2
9. FOURIER-TRANSFORMATIES EN FOURIER-REEKSEN 83
8.1. Opmerkingen.
(1) Het resultaat geldt voor signalen x met kxk2 < . Relatief eenvoudige
bewijzen bestaan indien men bijkomende beperkingen oplegt op x, b.v.
met betrekking tot de wijze waarop x(t) 0 voor |t| .
1
(2) De ondergrens 4 wordt bereikt voor de klasse van signalen x met x(t) =
2
C R
aeigemtb(ttgem ) , met a , b >0 ; tgem en gem behoren tot R en de
symbolen zijn wel degelijk suggestief.
(3) Het Heisenberg-principe heeft een belangrijke interpretatie in de quan-
tummechanica. De toestand van een vrij deeltje in de 1-dimensionale
1
ruimte wordt voorgesteld door een golffunctie x, met kxk2
|x(t)|2 een waar-
schijnlijkheidsdichtheid; zij drukt de waarschijnlijkheid uit dat het deeltje
1
gelocaliseerd is op plaats t. De uitdrukking 2kxk2
|X()|2 is de waar-
schijnlijkheid dat het moment van het deeltje gelijk is aan . Het Hei-
senberg-principe zegt dat je niet onbeperkt de onzekerheid betreffende
positie en moment van een vrij deeltje tegelijkertijd kan reduceren.
(1) Associeer met x zijn triviale uitbreiding xtriv [ Z C] als volgt gedefi-
nieerd: (
x(n) n = 0, 1, . . . , p 1,
xtriv (n) = (4.83)
0 elders.
DTFT [
De DTFT van xtriv , genoteerd als Xtriv R C]2 wordt gegeven door
+ p1
DTFT
Xtriv () = xtriv (n)ein = x(n)ein (4.84)
n= n=0
9. FOURIER-TRANSFORMATIES EN FOURIER-REEKSEN 84
+
x(t) = X FR (k)eik0t . (4.92)
k=
Om de relatie van X FR [ Z C] met het FT-spectrum X FT [R C] te onder-
zoeken neem je de Fourier-getransformeerde van (4.92):
+
X FT () = 2X FR (k) ( k0 ). (4.93)
k=
9. FOURIER-TRANSFORMATIES EN FOURIER-REEKSEN 85
Het FT-spectrum is een (oneindige) som van Dirac-impulsen met intensiteit be-
paald door de FR-componenten en gelokaliseerd op plaatsen k0 op de frequentie-
as R.
9.3.1. Voorbeeld. Beschouw het signaal R 3 t 7 cos 0t R. Aangezien
1
cos 0t = (ei0t + ei0t ) (4.94)
2
volgt voor het FR-spectrum
(
1
k = 1, 1,
X FR (k) = 2
0 elders in . Z (4.95)
X FT () = ( + 0 ) + ( 0 ). (4.96)
met
Z + p + Z +p
X(k) =
1
p
2
2p
ik 2
(t l p)e p t dt =
1
p
2
2p
(t)eik
2
p t dt =
1
p
Z
, k .
l=
(4.100)
Steunend op (4.93) verkrijgt men:
+ +
2 2
Dkp Dk p . (4.101)
k= p k=
Nu volgt nog een bewijs van (4.104), waarbij men genteresseerd is in de uit-
drukking van links naar rechts. Om dit te bewijzen gaat men de uitdrukking van
rechts naar links bewijzen (eenvoudig, zoals zal blijken); hiermee is de andere
richting ook bewezen aangezien er een 1 : 1-relatie is tussen beide leden.
Z 2 +
1
invDTFT(rechterlid(4.104)) = (2 ( k0 + M2))ein d
2 0 M=
Z 2
= ( k0 )ein d
0
ik0 n
=e .
(4.107)
1De bepaling van FT(eik0 t ) volgde onmiddellijk, want reeds vroeger bepaald steunende op de
dualiteitseigenschappen van FT.
9. FOURIER-TRANSFORMATIES EN FOURIER-REEKSEN 87
De voorlaatste stap volgt uit het feit dat van de oneindige som van Dirac-impulsen
slechts diegene corresponderend met M = 0 verschillend van 0 is in het interval
[0, 2) en dus een bijdrage levert in de integraal. De Dirac-impuls ( k0 ) 6= 0
in k0 en k0 [0, 2), k = 0, 1, . . . , p 1.
HOOFDSTUK 5
Sampling
dat continue-tijd signalen omzet in discrete-tijd signalen door restrictie van het
signaal tot uniform gespreide punten. We zeggen dat y ontstaat uit x door (uni-
forme) sampling. We noemen T het sample-interval (of bemonsteringsinterval);
het drukt de tijd uit die verloopt tussen 2 samples en wordt uitgedrukt in [se-
1
conde/sample]. De samplefrequentie fs = T drukt het aantal samples per seconde
uit. De samplefrequentie kan ook worden uitgedrukt door s = 2 fs in [rad/s].
Het is zonder meer duidelijk dat het gesamplede signaal y minder informatie
bevat dan het oorspronkelijke signaal x: je kan je onmiddellijk een aantal signa-
len voorstellen die na sampling alle gelijk zijn. We analyseren dit verder voor de
complexe exponentielen. Beschouw het signaal x [ R C] gegeven door
t 7 ei2 f t ; (5.3)
n 7 ei2 f nT . (5.4)
r
r r
x x0 r
- -
t r t
r r
r r r r
y x1
r r
- -
r n r t
De signalen xN zijn dus niet te onderscheiden van x na sampling. Men zegt dat elke
xN een alias is van x.
ImpulsgeneratorT : y [ Z C] w [R C] (5.7)
k=
w= y(k) DkT . (5.8)
k=
2. RECONSTRUCTIE; EEN MATHEMATISCH MODEL 90
y[ Z C]- R- C]
x [
Reconstructor
y[ Z C-
]
-generator
w[ R C-] R C]
x [
T LTI -
Dan is
x = hT w
k=
= hT y(k) DkT
k=
(5.12)
k=
kT
= y(k) D hT
k=
= x1 , (zie Fig. 1).
Voor de laatste stap is Fig. 3 een grafische ondersteuning van de argumentatie.
Het is interessant op te merken dat de zonet bestudeerde interpolatiemethodes een
goede benadering zijn van het oorspronkelijke signaal in het tijdsdomein zeker
als de sampling-periode T klein genoeg gekozen is. Het is echter best mogelijk
3. HET SAMPLING-THEOREMA 91
y(k + 1)
x 6
y(k)
t
-
(k 1)T kT (k + 1)T (k + 2)T
F IGUUR 3. Lineaire interpolatie
dat de benadering in het frequentiedomein niet zo goed is. Inderdaad voert zero-
order hold steeds discontinuten in, niet noodzakelijk aanwezig in het oorspronke-
lijke signaal x; dit leidt tot hoge frequentiecomponenten in het spectrum van x0 .
First order hold voert in het gereconstrueerde signaal steeds hoeken in, ook daar
waar het oorspronkelijke signaal geen hoeken bevat; dit correspondeert ook met
de invoering van hoge frequentiecomponenten in x1 en dus tot een gereconstrueerd
signaal met een mogelijks fel afwijkend spectrum.
In de volgende paragraaf zullen we de reconstructie in het frequentiedomein
bestuderen, wat uiteindelijk zal leiden tot het Nyquist-Shannon sampling-theorema.
3. H ET SAMPLING - THEOREMA
Je zal merken dat je zelf op basis van een onderzoek van W het sampling-
theorema zal kunnen formuleren. Inderdaad zal op natuurlijke wijze volgen onder
welke voorwaarden op het spectrum X en op de sampling-frequentie fs , het spec-
trum X uit W kan afgeleid worden; dit leidt tot een formulering van het sampling-
theorema. Bovendien bestaat er onder deze voorwaarden een LTI-systeem dat een
exacte reconstructie realiseert, i.e. zodat X = X en dus x = x. Een suggestie voor
een LTI-systeem dat deze ideale interpolatie realiseert ligt zoals zal blijken
voor de hand.
3. HET SAMPLING-THEOREMA 92
X
6
1
-
M M
W
6 1
T
H
T6
-
s c c s
6X = X
1
-
M M
F IGUUR 5. Spectrum van gesampled signaal en blok-keuze van
de reconstructor
3.2. Ideale interpolatie. Een interpretatie in het tijdsdomein van (5.17) is dat
(onder de reeds vermelde voorwaarden) x volledig gedetermineerd wordt door zijn
samples. De reconstructie van het oorspronkelijk signaal uit het gesamplede sig-
naal kan gerealiseerd worden door een LTI-systeem gekarakteriseerd door zijn fre-
quentieantwoord.
R C
Introduceer het frequentieantwoord Huc [ ], c > 0
(
c 1 || < c
Hu () = (5.18)
0 elders.
Dan volgt onder de voorwaarde (5.16) op de bandbreedte en op de samplingfre-
quentie dat
(5.17)
X = T.Huc W = X, (5.19)
met
M < c < s M (5.20)
s
(je verifieert dat c = 2 een goede keuze is). Het systeem voorgesteld door het
frequentieantwoord T Huc is dus een ideale reconstructor. Er zijn uiteraard alterna-
tieven; b.v. elk frequentieantwoord
T
|| M ,
Halt = 0 || (s M ), (5.21)
willekeurig elders,
3. HET SAMPLING-THEOREMA 94
R.
k=
c T sin c (t kT )
x(t) = x(kT ) , t (5.28)
k= c (t kT )
Dit drukt uit hoe het signaal x bepaald wordt aan de hand van zijn samples d.m.v.
ideale interpolatie of sinc-interpolatie. Deze benaming is gesteund op de functie
sinc : R R met voorschrift (
sin( )
=6 0,
sinc( ) =
1 = 0.
3.3. Heuristische kijk op het sampling-theorema. We wensen nu op basis
van een eenvoudige observatie de voorwaarde (5.16) aannemelijk te maken.
Veronderstel X() = 0, || > M met M zoals hoger gedefinieerd. De com-
ponent in x met hoogste freqentie is dus gegeven door de exponentiele
x0 : t 7 ei2 fM t . (5.29)
Al deze signalen geven na sampling y0 . Als we kunnen verzekeren dat y0 enkel kan
voortkomen uit x0 dan zijn er geen aliassen en is er een 1 : 1-relatie tussen x0 en y0 .
Merk op dat de aliassen frequentie fM + N fs , N Z hebben en geen com-
ponenten van x zijn als de samplefrequentie fs groot genoeg is; deze frequenties
bevinden zich dan buiten de bandbreedte van x. Alle aliassen met N > 0 behoren
niet tot x wegens de veronderstelling over X. Als we nu eisen dat (corresponderend
met N = 1)
fM fs < fM of fs > 2 fM , (5.32)
dan is er geen enkele alias die behoort tot x. Je verifieert zelf onmiddellijk dat
met deze samplefrequentie ook de componenten in x met lagere frequentie geen
aliassen hebben.
1 +
=
s k=
2
s
2
2x(k )eik s , R, wegens dualiteit
+
=T x(kT )eikT , R, wegens k y k
k=
(5.34)
Vermenigvuldig nu links en rechts met Huc zoals gedefinieerd in (5.18), dan zal
met M < c < s M (voor de betekenis van deze symbolen, zie hoger) gelden
+
X() = T x(kT )Huc ()eikT , (5.35)
k=
en aangezien
sin c (t kT )
t 7 7 Huc ()eikT (5.36)
(t kT )
volgt na inverse Fourier-transformatie
R.
k=
c T sin c (t kT )
x(t) = x(kT ) , t (5.37)
k= c (t kT )