JoVE Logo

Oturum Aç

17.8 : DTFT Özellikleri - II

Ayrık zamanlı sinyal işleme çalışmasında, Ayrık Zamanlı Fourier Dönüşümünün (DTFT) özelliklerini anlamak, frekans domaindeki sinyalleri analiz etmek ve işlemek için çok önemlidir. Frekansa göre türevleme, evrişim, birikim ve Parseval ilişkisi dahil olmak üzere çeşitli özellikler, sinyal analizi için güçlü araçlar sunar.

Frekansa göre türevleme özelliği, bir DTFT çifti düşünülerek ve her iki tarafın ω'ye göre türevlenmesi ile gösterilir. j (hayali birim) ile çarpıldığında, sağ taraf nx[n]'nin Fourier dönüşümü halini alır. Matematiksel olarak, X(e^jω); x[n]'nin DTFT'siyse, j(d/dω(X(e^jω))) nx[n]'nin DTFT'sidir. Bu özellik, sinyalin spektrumunun eğimiyle ilgili frekans özelliklerini bulmak için yararlıdır.

DTFT çiftlerine ayrık zamanlı evrişim uygularken başka bir önemli özelliği gözlemleriz. Sağ taraftaki toplama sırasını değiştirerek ve zaman kaydırma özelliğini uygulayarak zaman evrişim özelliğine ulaşırız. Bu, zaman domaindeki iki sinyalin evrişiminin, frekans domaindeki DTFT'lerinin çarpımına karşılık geldiğini belirtir. Tersine, zaman domaindeki iki sinyali çarpmak, frekans domaindeki DTFT'lerinin periyodik bir evrişimine yol açar ve periyodun tersine göre ölçeklendirilir.

Birikme özelliği, ayrık zamanlı bir sinyalin zaman içinde toplanmasına odaklanır. Bu birikmiş sinyalin Ayrık Zamanlı Fourier Dönüşümü (DTFT), orijinal sinyalin DTFT'siyle ilişkilidir ancak üstel bir ölçekleme faktörüyle değiştirilir. Ek olarak, delta fonksiyonu içeren bir terim vardır; bu terim frekans domainde 2π aralıklarla periyodik bileşenler ekler. Bu özellik, zaman domaindeki birikimin frekans gösterimini nasıl etkilediğini ve periyodik özelliklere nasıl yol açtığını vurgular.

Parseval İlişkisi, zaman doamindeki bir sinyalin enerjisini frekans domain gösterimine bağlayan önemli bir sonuçtur. Özellikle, zaman domaindeki kareli büyüklüklerin toplamı olan x[n] sinyalinin toplam enerjisi, DTFT'sinin kareli büyüklüklerinin integraline eşittir. Bu ilişki, her iki domainde de sinyal gücünü ve enerjisini analiz etmede temeldir.

Bu özellikler toplu olarak ayrık zamanlı sistemleri analiz etme, tasarlama ve anlama yeteneğini artırarak, bunları dijital sinyal işlemede vazgeçilmez hale getirir.

Etiketler

DTFTDiscrete Time Fourier TransformSignal ProcessingFrequency DifferentiationConvolutionAccumulation PropertyParseval s RelationTime shifting PropertyEnergy AnalysisFrequency DomainDiscrete time SystemsPeriodic ConvolutionSignal Spectrum

Bölümden 17:

article

Now Playing

17.8 : DTFT Özellikleri - II

The Fourier Transform

179 Görüntüleme Sayısı

article

17.1 : Sürekli Zamanlı Fourier Dönüşümü

The Fourier Transform

279 Görüntüleme Sayısı

article

17.2 : Fourier Dönüşümünün Temel Sinyalleri

The Fourier Transform

465 Görüntüleme Sayısı

article

17.3 : Fourier Dönüşümünün Özellikleri I

The Fourier Transform

155 Görüntüleme Sayısı

article

17.4 : Fourier Dönüşümünün Özellikleri II

The Fourier Transform

160 Görüntüleme Sayısı

article

17.5 : Fourier Dönüşümü için Parseval Teoremi

The Fourier Transform

830 Görüntüleme Sayısı

article

17.6 : Ayrık Zamanlı Fourier Dönüşümü

The Fourier Transform

257 Görüntüleme Sayısı

article

17.7 : DTFT'nin Özellikleri I

The Fourier Transform

350 Görüntüleme Sayısı

article

17.9 : Ayrık Fourier Dönüşümü

The Fourier Transform

211 Görüntüleme Sayısı

article

17.10 : Hızlı Fourier Dönüşümü

The Fourier Transform

258 Görüntüleme Sayısı

JoVE Logo

Gizlilik

Kullanım Şartları

İlkeler

Araştırma

Eğitim

JoVE Hakkında

Telif Hakkı © 2020 MyJove Corporation. Tüm hakları saklıdır