공부 정리 블로그

[신호처리3] - Discrete-Time Fourier Transtrom(DTFT) 본문

대학원 수업/음성신호

[신호처리3] - Discrete-Time Fourier Transtrom(DTFT)

따옹 2023. 4. 24. 10:08

Properties of th DTFT

 

비주기 함수란 무엇인가?

늘릴수록 하나만 남는 거 처럼 보임 / 축은 Ω으로 바뀌므로 2ㅠ 주기를 가짐

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

 

[DTFT결과] w = k*2ㅠ/N   (2ㅠ 주기)

IDTFT

2. 양번에 N , (1/2ㅠ) 각각 곱해주기

 

lim 취하고 앞에 정의된 notation 들로 치환하기

 

적분 도메인 살펴보기

 

IDFT

 

 

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 

실수부 + 허수부

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)

 

*sink -> sinc

 

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)

impurse function &delta;[n]

convolution 하여서 곱했을 때, f(0)이 나오는 function 을 impurse funciton 이라고 함

 

예시) g(t)의 conv 값이 f(0)이기때문에 g(t)는 &delta;(t)

 

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)

예시) LTI를 만족하는 라텍스 배게는 scaling, add 이라는 두 가지 속성을 만족함

 

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

 

3&delta;[n]을 LTI가 만족하는 system에 넣으면 출력을 h[n]으로 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,

 

예시

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