2.2. Интегральное преобразование Фурье
Любой периодический сигнал xп(t) можно представить в виде ряда Фурье [21]:
где - постоянная составляющая сигнала, 0=2/T=2. Из выражения (2.3) следует, что периодический сигнал любой формы может быть представлен в виде суммы гармонических составляющих с различными амплитудами Ak , частотами k0 - и фазами k. Благодаря этому можно перейти от представления сигнала во временной области к частотной, где Ak=Ak(k0) - спектр амплитуд, k=k(k0) - спектр фаз.
Эти спектры являются линейчатыми. Для любого сигнала x(t) можно определить спектры амплитуд Ak и фаз k .следующим образом:
k(k0)=arctg bk/ak.
где, в свою очередь, величиныak и bk определяются следующим образом:
Любой периодический сигнал бесконечен во времени, что на практике не осуществимо, поэтому периодический сигнал - математическая абстракция, и все рассмотренное выше не применимо к реальным сигналам.
Реальный сигнал ограничен во времени и, следовательно, является непериодическим. Однако, условно его можно рассматривать как периодический с периодом Т. Тогда 0=2/T 0, а спектры амплитуд и фаз становятся непрерывными (сплошными), сумма в разложении Фурье превращается в интеграл. В результате переходим к интегралу Фурье (обратное преобразование) [5,21]:
В формуле s(j) - спектральная плотность сигнала, определяющая как распределяются амплитуды и фазы по частотам непрерывного спектра. Иногда в задачах обработки сигналов ее называют фурье-образом или фурье-спектром сигнала.
От s(j) можно перейти к спектральной плотности амплитуд (s()) и фаз (()).
Для решения этой задачи используется прямое преобразование Фурье:
Важно отметить, что s() -всегда убывающая функция, а () - всегда неубывающая функция. Кроме того, s()=s(-) - четная функция; а () = -(-) - нечетная функция.
Таким образом, с точностью до постоянного коэффициента, прямое и обратное преобразование Фурье могут быть определены по соотношениям
прямое преобразование Фурье:
(2.4)
- обратное преобразование Фурье:
(2.5)
где ξ – некоторая пространственно-частотная спектральная координата (аналог координаты ν для сигналов во временной области). Напомним основные общие свойства преобразования Фурье:
Инвариантность к линейному смещению. Это свойство преобразования Фурье позволяет получать неизменный квадрат Фурье-образа при перемещении исходного объекта вдоль осей координат, что имеет исключительно важное значение при обработке и распознавании образов:
f(x) →F(ξ)
f(x-c)→F1(ξ)=F(ξ)e-j2πξc
или , гдес - произвольное смещение функции вдоль оси.
Теорема масштабов или теорема подобия. Теорема определяет характер изменения спектра при изменении масштаба сигнала
f(x)→F(ξ)
f(mx)→F1(ξ)=F(ξ/m)
т.е. при растяжении функции f(x) в m раз происходит сжатие в m раз ее Фурье-образа, и наоборот.
Теорема о свертке. Пускай требуется вычислить свертку функций f(x) и g(x), причем F(ξ)и G(ξ) - соотвентственно их Фурье-образы:
Если функции иесть Фурье-образы функции f(x) и ядра g(x) соответственно, то есть Фурье-образ сверткиωc(x).
Теорема о корреляции. Если функции иесть Фурье-образы функции f(x) и ядра g(x) соответственно, то есть Фурье образ корреляцииωk(x) функций f(x) и g(x).
Теоремы о свертке и корреляции свидетельствуют о возможности вычисления функций свертки и корреляции через преобразование Фурье. Тем самым на основе преобразования Фурье можно выполнять и распознавание, идентификацию сигналов и обнаружение координат источника сигналов.
Теорема Парсеваля или закон сохранения энергии. Эта теорема свидетельствует о том, что мощность исходного сигнала и мощность спектра сигнала одинаковы:
Преобразование Фурье является одним из важнейших ортогональных преобразований, используемых в цифровой обработке сигналов. Действительно, вполне физически ясен смысл перехода от временного описания исходного сигнала к его частотному описанию. Кроме того, двумерное преобразование Фурье описывает не что иное, как дифракцию электромагнитных и упругих волн в дальней зоне (дифракцию Фраунгофера) – т.е. на большом (по сравнению с размерами источника и длиной волны) расстоянии от источника [28].
- Цифровая обработка сигналов методы предварительной обработки
- Санкт-Петербург
- Содержание
- Введение
- 1. Основные понятия цифровой обработки сигналов
- Понятие о первичной и вторичной обработке сигналов
- Основные требования к системам цос
- Основные типы алгоритмов цифровой обработки сигналов
- 1.4. Линейные и нелинейные преобразования
- 1.5. Переход от непрерывных сигналов к дискретным
- 1.6. Циклическая свертка и корреляция
- 1.7. Апериодическая свертка и корреляция
- 1.8. Двумерная апериодическая свертка и корреляция
- 1.9. Контрольные вопросы и задания.
- 2. Дискретные ортогональные преобразования
- 2.1. Введение в теорию ортогональных преобразований
- 2.2. Интегральное преобразование Фурье
- 2.3. Интегральное преобразование Хартли
- 2.4. Дискретное преобразование Фурье
- 2.5. Дискретное преобразование Хартли
- 2.6. Двумерные дискретные преобразования Фурье и Хартли
- 2.7. Ортогональные преобразования в диадных базисах
- 2.8. Понятие о Wavelet-преобразованиях. Преобразование Хаара
- Задачи цос, решаемые методами дискретных ортогональных преобразований
- 2.9. Контрольные вопросы и задания
- 3. Быстрые алгоритмы ортогональных преобразований
- 3.1. Вычислительная сложность дпф и способы её сокращения
- 3.2. Запись алгоритма бпф в векторно-матричной форме
- 3.3. Представление алгоритма бпф в виде рекурсивных соотношений
- Алгоритмы бпф с прореживанием по времени и по частоте
- 3.6. Вычислительная сложность алгоритмов бпф
- 3.7. Выполнение бпф для случаев
- 3.8. Быстрое преобразование Хартли
- 3.9. Быстрое преобразование Адамара
- 3.10. Контрольные вопросы и задания
- 4. Линейная фильтрация сигналов во временной и частотной областях
- 4.1. Метод накопления
- Не рекурсивные и рекурсивные фильтры
- 4.3. Выбор метода вычисления свертки / корреляции
- 4.4. Выполнение фильтрации в частотной области
- 4.5. Адаптивные фильтры
- 4.6. Оптимальный фильтр Винера
- 4.7. Методы обращения матриц
- 4.8. Контрольные вопросы и задания
- 5. Алгоритмы нелинейной обработки сигналов
- 5.1. Ранговая фильтрация
- 5.2. Взвешенная ранговая фильтрация
- 5.3. Скользящая эквализация гистограмм
- 5.4. Преобразование гистограмм распределения
- 5.5. Контрольные вопросы и задания
- Кафедра вычислительной техники