공부 정리 블로그
[신호처리3] - Discrete-Time Fourier Transtrom(DTFT) 본문
Properties of th DTFT
비주기 함수란 무엇인가?
1.
a_kN = ΣX[n]e^(-jk*2ㅠ/N *n)
N-> 무한대로 갈때,
Xn[n] -> X[n]
a_kN ≡ X(kΩ0)
K*2ㅠ/N -> 0~2ㅠ 사이실수 = Ω(라지 오메가로 치환)
(k:0~N-1(정수)),
K=N-1 -> (N-1)2ㅠ/ N
N이 무한대로 가면 2ㅠ
2.
lim a_kN = lim ΣX[n]e^(-jk*2ㅠ/N *n)
Xn[n] -> X[n]
a_kN ≡ X(kΩ0) ≡ X(Ω)
K*2ㅠ/N -> 0~2ㅠ 사이실수 = Ω(라지 오메가로 치환)
(k:0~N-1(정수)),
K=N-1 -> (N-1)2ㅠ/ N
N이 무한대로 가면 2ㅠ
IDTFT
https://angeloyeo.github.io/2019/07/09/DTFT.html
이산시간 푸리에 변환(Discrete Time Fourier Transform) - 공돌이의 수학정리노트
angeloyeo.github.io
https://angeloyeo.github.io/2019/07/09/DTFT.html
이산시간 푸리에 변환(Discrete Time Fourier Transform) - 공돌이의 수학정리노트
angeloyeo.github.io
1. 복소수 표현 : X(ω)는 복소수로 표현됨
2. 주기성 : 주기는 2ㅠ X(ω + 2π) = X(ω)
3. 공액대칭 : 실수 값으로 이루어진 입력 신호 x[n]의 DTFT인 X(ω)는 공액 대칭(conjugate symmetric)입니다. 이는 X(ω)의 크기와 실수 부분이 짝수(symmetric)이고, 위상과 허수 부분이 홀수(odd)임을 의미
4. y 축 대칭 X(ω) = X(-ω)
DFT : Discret Fourier Transform
1: 1 대응
*비교 (C:continuous, D : discrete)
CTFT : C⇔ C (X(w))
DTFT : D ⇔ C (X(Ω))
DFT : D ⇔ D
(n개) -> (DFT)-> (n개)
Def. 0~ N-1까지 값을 가지는 X[n]을 DTFT한 다음 2ㅠ/N 간격으로 ((K2ㅠ/ N, K=0,1, ...N-1)
Sampling 과는 다름
sampling(delta train 곱합(무한대를 곱함), 발산 값들)
푸리에 시리즈와 값이 같음
Uncertainty Principle(trade-off)
A signal cannot be arbitrarily narrow in both time and frequency simultaneously.
• Narrow in time <-> wide in frequency
• Wide in time <-> narrow in frequency
시간 영역에서 매우 짧은 신호는 높은 주파수 성분을 가집니다. 그러나 이러한 신호는 주파수 영역에서는 넓은 대역폭을 가지게 됩니다. 반대로, 시간 영역에서 긴 신호는 낮은 주파수 성분을 가집니다. 그러나 이러한 신호는 주파수 영역에서는 좁은 대역폭을 가지게 됩니다.
Frequency Response
https://scribblinganything.tistory.com/150
FRF (Frequency Response Function, 주파수 응답)이란?
주파수 응답 함수란? FRF은 특정 입력(힘)을 넣어서 나오는 반응(g)을 주파수 도메인에서 보는 것이다. FRF를 사용하는 목적은 시편의 공진주파수(Resonant frequency), 댐핑(damping), 모드 형태(mode shape)의
scribblinganything.tistory.com
Frequency Response of Discrete-Time Systems
LTI system
1. 선형성
sccaling 만족 ( 천원을 넣으면 생수가 나오는 시스템)
a+b = ㄱ + ㄴ (입력이 합형태로 들어가면 출력도 그대로 합 형태로 나옴)
3. 입력 delay -> 출력 delay(마우스 입력-> 마우스 출력 / 1시간 뒤 마우스 입력 - > 1시간 뒤 마우스 출력)
h[n]은 LTI 를 만족하는 system
x[n]이라는 discrete domain을 h[n]과 convolution 해서 y[n]이라는 결과가 나옴
Frequency resoponse
Convolution Theorem
y[n] = x[n](scaling)*h[n]
Windowing (Modulation) Theorem
(이후 내용 정리 필요)
Example: Impulse Train with Period P (1)
convolution 하여서 곱했을 때, f(0)이 나오는 function 을 impurse funciton 이라고 함
Impurse response?
impurse response 로 임의의 입력(피아노 건반)에 대하여 X(t)(오케스트라)의 출력을 알 수 있음
=> 출력을 가늠하고 계산할 수 있게 도와줌
Convoution 개념
convolution = calculation of accumulated reaction(누적된 반응을 계산)
signal can be expressed by sum of impurse
=> impurse의 합으로 signal 출력을 나타낼 수 있음
convolution 예시
함수를 함수의 합으로 나타낼 수 있음
X[n] = 3δ[n] + 2δ[n-1] + δ[n-2]
X[n]의 disceret fun합을 δ[n]을 이용하여 표현할 수 있음
따라서, δ[n]에 대한 h[n]의 출력을 알 때, 그 결과를 y[n]으로 나타낼 수 있음
좀 더 일반화 시켜서,
해당 signal을 y[n]으로 나타내보면,
X[n] = ... + X[-2]δ[n+2] + X[-1]δ[n+1]
+ X[0]δ[n] + X[1]δ[n-1] + ...
이므로 아래와 같이 나타낼 수 있음
즉, convolution은
LTI system을 만족하는 그 자체로 볼 수 있음
'대학원 수업 > 음성신호' 카테고리의 다른 글
[음성신호처리6]-Speech production (1) | 2023.04.24 |
---|---|
[신호처리4] - Filters (0) | 2023.04.24 |
[음성신호처리9]-Psychoacoustics (0) | 2023.04.22 |
[음성신호처리8] - Human Auditory System (0) | 2023.04.22 |
[음성신호처리2]푸리에 급수, 푸리에 변환, Discrete-Time Signals (1) | 2023.04.22 |