1 Integraalimuunnokset Metropolia/A. Koivumäki Tässä on tekstiä, joka on alunperin aikoinaan kirjoitettu Stadian Tietoliikenneteoria-kurssin materiaaliksi, mutta soveltuu oivallisesti Integraalimuunnokset-kurssin Fourier-analyysiä käsitteleväksi materiaaliksi. Matemaattisesti orientoituneempi esitys aiheesta löytyy kirjasta Launonen, Sorvali, Toivonen: Sarjat ja F-, L- ja Z-muunnos (Teknisten ammattien matematiikka 3E). Sisältö Sisältö ..........................................................................................................................................1 2. Tietoliikennesignaalit ja niiden tutkiminen aika- ja taajuustasossa ........................................2 2.1 Tietoliikenne, informaatio, signaali ......................................................................................2 2.2 Signaalien aaltomuotoja eli tarkastelua aika-alueessa...........................................................3 2.3 Sinimuotoinen signaali..........................................................................................................5 Reaalinen sinisignaali..............................................................................................................5 Kompleksinen sinisignaali ......................................................................................................7 2.4 Jaksollisen signaalin spektri: Fourier-sarja ...........................................................................9 Jaksollisen signaalin teho ......................................................................................................15 2.5 Ei-jaksollisen signaalin spektri: Fourier-muunnos..............................................................18 Ei-jaksollisen signaalin energia.............................................................................................22 2.6 Fourier-analyysin työkaluja.................................................................................................24 Symmetriset signaalit. ...........................................................................................................24 Duaalisuus .............................................................................................................................24 Signaalien summaaminen......................................................................................................26 Signaalin viive.......................................................................................................................26 Derivointi ..............................................................................................................................27 Integrointi ..............................................................................................................................27 Taajuuskonversio ..................................................................................................................29 2.7 Impulssi ...............................................................................................................................31 2.8. Konvoluutio........................................................................................................................34 2 2. Tietoliikennesignaalit ja niiden tutkiminen aika- ja taajuustasossa 2.1 Tietoliikenne, informaatio, signaali Käyttökelpoisena määrittelynä käsitteelle "sähköinen tietoliikenne" voidaan pitää esimerkiksi tätä: Sähköinen tietoliikenne on informaation siirtämistä paikasta toiseen sähköisten signaalien avulla. Määritelmään sisältyy kaksi keskeistä käsitettä: informaatio ja signaali. Informaatio on käsitteenä varsin monisyinen. Sitä voidaan tutkia esim. filosofisena tai sosiaalisena tai psykologisena käsitteenä. Mutta informaatio voidaan myös määritellä eksaktina matemaattisena käsitteenä, ja siihen liittyviä asioita voidaan esittää yhtälöinä ja lukuarvoina. Näin tehdään informaatioteoria nimisessä tietoliikennetekniikan (tai yhtä hyvin matematiikan) osa-alueessa. Informaatioteoriasta on omat oppikirjansa, nyt siihen ei syvennytä. Tässä yhteydessä riittää, kun tietää, että tietoliikennetekniikassa informaation määrän perusyksikkö on bitti (ja sen kerrannaiset kilobitti, megabitti jne.) ja informaation siirtonopeuden perusyksikkö on bittiä sekunnissa (ja sen kerrannaiset). Ja itse asiassa noita yksiköitäkään ei tarvitse kovin usein tämän kirjan aikana muistella, koska käsittelyn pääpaino on määritelmän toisessa käsitteessä, eli signaalissa. Käytännönläheinen informaation määritelmä tässä yhteydessä voisi mennä vaikka näin: "Informaatio on sitä mitä siirtyy, kun ihmisellä on asiaa toiselle ihmiselle." Nyt siis opiskelemme sitä, miten tuo informaatio siirtyy sähköisessä tietoliikenteessä. Ja aivan ensimmäiseksi opiskellaan sitä, mitä tärkeitä ominaisuuksia tuossa siirtymisessä tarvittavilla signaaleilla on. Kun tietoliikenteen määritelmässä mainitaan termi "sähköiset signaalit", saattaa tulla mieleen vastalauseita tyliin "entä optinen tiedonsiirto?" tai "eikös äänisignaalit siirräkään informaatiota?". Määritelmä on kuitenkin vain apuväline, jonka tarkoitus on toimia apuna, kun opiskelun aikana tulee mieleen kysymys: "Mihin tämä kaikki nyt taas liittyykään?" On hyödyllistä vastata tuohon kysymykseen palauttamalla mieleen tuo tietoliikenteen määritelmä. Kun ollaan opiskelemassa tietoliikennesignaalien ymmärtämistä, signaalin käsite kannattaa rajata vieläkin tarkemmin. Käytännönläheisesti voi määritellä vaikkapa näin: Tietoliikennesignaali on vaihtojännite, jonka jännitevaihtelut on saatu aikaan muuttamalla informaatiota sähköksi. Se, että informaatiota sisältävä signaali voi esiintyä muutenkin kuin jännitteenä, esim. sähkövirtana, valona, radioaaltoina (eli sähkö- ja megneettikenttänä), äänenä (eli akustisena signaalina) jne. ilmenee esimerkeissä käytännön laite- ja järjestelmäratkaisuista ja niissä tapahtuvasta signaalinkäsittelystä. Silloin, kun ollaan kiinnostuneita vain signaaleista yleisellä tasolla ja halutaan oppia, mitkä ovat signaalien tärkeät ominaisuudet, kannattaa signaali ymmärtää edellä olevan käytännönläheisen määritelmän tavalla. Se, miten "informaation muuttaminen sähköksi" tapahtuu, on aiheena tämä kirjan myöhemmissä luvuissa. Silloin tutustutaan mm. modulaation käsitteeseen. Kun on kyseessä digitaalinen tiedonsiirto (jolloin informaatio on muutettu biteiksi), tarvitaan modulaation ohella myös koodausta. Toistaiseksi ei kuitenkaan puututa siihen, miten informaatiota sisältävät signaalit on saatu aikaan. Keskitytään vain siihen, mitä tärkeitä ominaisuuksia noilla signaaleilla on ja miten ne ominaisuudet saadaan selville. 3 2.2 Signaalien aaltomuotoja eli tarkastelua aika-alueessa Todellisen tietoliikennesignaalin ominaisuuksia voidaan selvitellä mittaamalla. Kun ajatellaan signaalia ajan suhteen vaihtelevana jännitteenä, tulee varmaankin mieleen tutkia signaalia oskilloskoopilla, jolloin kuvaruudulla näkyy signaalin aaltomuoto, eli graafinen esitys, jossa on vaaka-akselilla aika sekunteina (tai millisekunteina tai mikrosekunteina jne.) ja pystyakselilla jännite voltteina (tai millivoltteina jne.). Tällöin sanotaan, että signaalia tutkitaan aikatasossa eli aika-alueessa (engl. time domain). Kuvassa 2.1 on esimerkkejä signaalien aaltomuodoista. Kun signaaleja tarkastellaan teoreettisesti, niiden oletetaan aina olevan kestoltaan äärettömän pitkiä, jolloin niiden aaltomuoto on alkanut ajanhetkellä -∞ ja jatkuu hetkeen +∞ asti. Siksi osaan signaalien kuvaajia on merkitty kolme pistettä, joka tarkoittaa, että signaalin aaltomuoto jatkuu äärettömyyteen asti samalla tavoin. Jos kolmea pistettä ei ole piirretty, signaalin nollasta poikkeava osa on kokonaan näkyvissä, jolloin äärettömyyteen asti jatkuvan osan jännite = 0. Viimeksi mainitussa tapauksessa on siis kyseessä kertaluonteinen jänniteilmiö, jonka kesto on rajallinen. Silti tällaistakin signaalia pidetään äärettömän pitkäkestoisena; nyt vaan signaalin arvo on nolla muulloin kuin tuon kertaluonteisen ilmiön tapahtumahetkellä. Kuva 2.1. Joukko signaalien aaltomuotoja 4 Kuvassa 2.1 olevat signaalit voidaan luokitella jaksollisiin signaaleihin ja ei-jaksollisiin signaaleihin. Jaksollisessa signaalissa sama aaltomuoto toistuu säännöllisin välein, eijaksollisessa signaalissa toistumista ei esiinny. Tosin ei-jaksollisessakin signaalissa voi olla säännöllistä toistoa, mutta yksikin poikkeama toistossa aiheuttaa sen, että signaali on nimenomaan ei-jaksollinen. Jaksollisuus määritellään seuraavasti. Signaali v(t) on jaksollinen, mikäli v(t + n ⋅ T0 ) = v(t ) kaikilla kokonaisluvuilla n (2.1) Tässä T0 on signaalin jaksonpituus. Yhtälö siis kertoo sen, että kun aika-akselilla siirrytään kokonaislukumäärän jaksoja eteen- tai taaksepäin, signaalin arvo pysyy samana. Kuvan 2.1 signaaleista ovat jaksollisia numerot 1 (siniaalto), 5 (pareittain esiintyvien piikkimäisten pulssien jono), 6 (kolmioaalto), 11 (kokoaaltotasasuunnattu siniaalto), 12 (ei erityistä nimeä), 15 (suorakulmaisten pulssien jono) ja 16 (sakara-aalto). Muut ovat eijaksollisia. Kun halutaan siirtää todellista informaatiota tietoliikennejärjestelmässä, informaation siirrossa käytettävä signaali ei voi olla jaksollinen. Kun jaksollisesta signaalista on nähty yksi jakso, on nähty koko signaali. Tällöin on myös vastaanotettu kaikki signaaliin sisältyvä informaatio, joten uutta informaatiota ei myöhemmissä jaksoissa enää ole. Aito informaatio on luonteeltaan ennustamatonta; jos se pystyttäisiin ennustamaan, ei se enää olisi uutta informaatiota. Siksi todellinen tietoliikennesignaali on aina ei-jaksollinen. Kuvassa 2.2 on vielä yksi todellisesta maailmasta poimittu signaalin aaltomuoto. Kyseessä on noin 25 ms pitkä näyte ihmisäänestä sanomassa i-kirjainta. Kuva 2.2. Näyte puhesignaalin aaltomuodosta Tästä aaltomuodosta ei kovin helposti pysty päättelemään mitään kovin olennaisia puhesignaalin luonteeseen liittyviä asioita. Siksi tietoliikennesignaaleja useimmiten tarkastellaankin taajuustasossa eli taajuusalueessa (engl. frequency domain). Silloin tarkastelun kohteena on signaalin spektri. Kuvan 2.2 puhesignaalin spektri on kuvassa 2.3. Spektristä nähdään että i-kirjaimen lausumisesta syntyvä signaali sisältää voimakkaimmin n. 340 Hz:n taajuutta. Sen lisäksi siinä näyttäisi 5 erityisesti olevan muitakin n. 170 Hz:n kerrannaistaajuuksia. Lisäksi taajuusvälillä 2 - 2.5 kHz näyttäisi olevan enemmän tavaraa kuin esim. taajuusvälillä 1 - 1.5 kHz. Näitä spektristä helposti nähtävissä olevia tärkeitä tietoja ei mitenkään pysty näkemään suoraan kuvan 2.2 aaltomuodosta. Puheen spektrin monipuolinen ymmärtäminen on oleellista esimerkiksi silloin, kun mietitäään puheen siirtämistä mahdollisimman tehokkaasti digitaalisessa matkapuhelinverkossa. Kuva 2.3. Puhesignaalin spektri Taajuusalueen matemattinen analyysi perustuu tutkittavan signaalin spektrin esittämiseen eritaajuisten sinisignaalien avulla. Siksi ennen spektrianalyysiin siirtymistä käydään lävitse sinimuotoiseen signaaliin liittyvät perusasiat. 2.3 Sinimuotoinen signaali Reaalinen sinisignaali Sinimuotoisen signaalin yhtälö on v(t ) = A cos(2πft + ϕ ) (2.2) missä A on signaalin amplitudi eli huippuarvo, f on sen taajuus ja ϕ on sen vaihekulma. Se, miksi yhtälössä on järkevää olla kosinifunktio eikä sinifunktio, selviää luvussa 2.3. Kosinista huolimatta kuitenkin usein käytetään nimitystä "sinisignaali" tai vain "sini". Sinisignaalin jaksonpituus T0 on myös tärkeä ominaisuus. Taajuus ja jaksonpituus ovat toistensa 1 1 käänteislukuja: f = eli T0 = eli f T0 = 1 . Tämän käänteislukuyhteyden voi todeta edellä T0 f olevasta sinisignaalin yhtälöstä seuraavasti. Tietyllä ajanhetkellä t1 sinisignaalin arvo on v ( t 1 ) = A cos 2 π f t + ϕ ja jaksonpituuden kuluttua eli hetkellä t1+T0 sen arvo on 1 1 v(t1 + T0 ) = A cos[2πf (t1 + T0 ) + ϕ ] = A cos 2πf t1 + + ϕ = A cos 2πft1 + 2πf + ϕ f f ( ) = A cos[2πft1 + 2π + ϕ ] = A cos[2πft1 + ϕ ] = v(t1 ) Tuossa käytettiin hyväksi tietoa siitä, että kosinifunktion jaksonpituus on 2π radiaania eli 360°. 6 On tärkeää ymmärtää, että sinisignaali on ajan t funktio, mutta sinisignaalin yhtälössä esiintyvä kosinifunktio on kulman funktio. Yhtälössä (2.2) suluissa oleva kosinin argumentti 2πft + ϕ muuttaa ajan kulumisen kulman arvon kasvamiseksi. Myös on tärkeää ymmärtää, milloin kulman arvoa pitää käsitellä radiaaneina ja milloin asteina. Mukana oleva termi 2π viittaa radiaaneihin, mutta toisaalta käytännössä vaihekulma ϕ annetaan usein asteina. Niinpä esimerkiksi sinisignaalin v(t ) = 5 cos(2π ⋅ 1 kHz ⋅ t + 60°) yhtälö kannattaa mielessään muuttaa muotoon v(t ) = 5 cos(2π ⋅ 1 kHz ⋅ t + π 3) tai muotoon v(t ) = 5 cos(360° ⋅ 1 kHz ⋅ t + 60°) ainakin siihen asti, kunnes oppii käsittelemään luontevasti lausekkeita, joissa esiintyy sekä radiaaneina että asteina annettuja kulma-arvoja. Usein taajuuden f sijaan sinisignaalin yhtälössä esiintyy kulmataajuus ω. Näiden välillä on yhteys ω = 2πf . Kulmataajuuden yksikkö on periaatteessa sama kuin taajuuden eli 1/s, jota voidaan kutsua myös hertsiksi. Kulmataajuuden yhteydessä ei kuitenkaan ole suositeltavaa käyttää yksikkönä hertsiä, koska se on varattu nimenomaan taajuuden yksiköksi. Kulmataajuuden yksikkö on 1/s, jonka voi sanoa myös muodossa "radiaania sekunnissa". Kulmatajuus nimittäin kuvaa sinisignaalin yhtälössä esiintyvän kulman 2πft + ϕ muuttumisnopeutta. Käytännössä kun puhutaan erilaisista tietoliikennesignaaleista, ei koskaan puhuta signaalien kulmataajuuksista. Siis esimerkiksi radiossa juontaja sanoo: "Täällä Radio Megapolis, 96,8 megahertsiä". Hän ei sano: "Täällä Radio Megapolis, 608,2 megaradiaania sekunnissa". Siksi tämän kirjan tekstissä ja yhtälöissä esiintyy lähes poikkeuksetta taajuus f, ei kulmataajuus ω. Kuvassa 2.4 on sinisignaalin aaltomuodon kuvaaja kun vaihekulma ϕ=0, kun ϕ > 0 ja kun ϕ < 0. Kuva 2.4. Sinisignaaleja. Paksulla viivalla piirretyn sinin vaihe = 0, katkoviivalla piirretyistä vasemmanpuoleisen vaihe on >0 ja oikeanpuoleisen <0. Vaihekulma siis määrää aaltomuodon paikan aika-akselilla. Sillon kun sinisignaali esiintyy yksinään, ei vaihekulman arvolla ole merkitystä, sen arvo on itse asiassa sopimuskysymys. Amplitudi ja taajuus sen sijaan ovat tietysti oleellisia myös yksinäisellä sinisignaalilla. Mutta heti kun vähintään kaksi sinisignaalia esiintyy jossain yhtä aikaa, toisiinsa summautuneina, myös yksittäisten sinien vaihekulmien arvoilla on yhtä tärkeä osuus kokonaissignaalin muodostumisessa kuin amplitudeilla ja taajuuksillakin. Kuvassa 2.5 on kahden signaalin kuvaajat, jotka kumpikin noudattavat yhtälöä v1 (t ) = cos(2πf 1t ) + cos(2πf 2 t ) (2.3) v2 (t ) = cos(2πf1t ) + cos(2πf 2 t + 90°) (2.4) 7 missä taajuudet ovat f1 =1 kHz, f2 = 2 kHz. Signaalit eroavat siis vain suurempitaajuisen komponenttinsa vaihekulman osalta. Kuva 2.5. Kahdesta eritaajuisesta sinisignaalista (1 kHz ja 2 kHz) koostuva signaali saattaa näyttää esimerkiksi jommalta kummalta näistä. Nähdään, että nyt yhden vaihekulman muuttuminen muuttaa signaalin aaltomuotoa. Tässä tapauksessa vaikutus ei ole erityisen dramaattinen, joissakin toisissa tapauksissa signaaliin sisältyvien sinikomponenttien vaihekulmien muuttumisella voi olla hyvinkin suuri vaikutus signaalin aaltomuotoon. Kompleksinen sinisignaali Kun vaihtovirtapiirien analyysissä tutkitaan sinimuotoisia jännitteitä ja virtoja piireissä, jotka sisältävät resistansseja ja reaktansseja, käytetään kompleksilukumatematiikkaan perustuvaa osoitinlaskentaa, jolloin sini- ja kosinifunktioiden sijaan käsitellään kompleksisia eksponenttifunktioita. Piirien analysointi voitaisiin periaatteessa tehdä ilman kompleksilukumatematiikkaakin, mutta silloin tuloksena olisi tavattoman monimutkaisia trigonometrisia yhtälöitä. Siksi asian näennäisellä monimutkaistamisella (kompleksisten eksponenttifunktioiden käyttöönotto) saadaan aikaan yksinkertaisempi tulos. Myös tietoliikennesignaalien analyysi yksinkertaistuu, jos signaalien tarkastelu perustuu reaalisten sinisignaalien sijaan kompleksisiin eksponenttifunktioihin. Tosin käytännössä tuo siirtyminen kompleksimatematiikkaan ei ole täydellinen, koska ainakin jotkut signaalien ominaisuuksiin liittyvät asiat on järkevää käsitellä reaalisina. 8 Siirtyminen kompleksianalysiin perustuu näihin tuttuihin trigonometrian perusyhtälöihin: cos( x) = 1 2 (e sin( x) = 1 j2 (e jx jx + e − jx ) (2.5) − e − jx ) (2.6) Kun näistä ylempää sovelletaan yhtälöön (2.2), saadaan tietoliikennesignaalien analyysin perustana oleva sinimuotoisen signaalin yhtälö kompleksimuotoon v(t ) = A cos(2πft + ϕ ) = A j ( 2πft +ϕ ) A − j ( 2πft +ϕ ) A j 2πft jϕ A − j 2πft − jϕ e + e = e e + e e 2 2 2 2 (2.7) Jos sinisignaali olisi yhtälössä (2.2) alunperin määritelty sinifunktiota käyttäen, olisi nyt pitänyt soveltaa alempaa yhtälöä, jolloin v(t):n yhtälöön olisi nimittäjiin ilmestynyt imaginääriyksikkö j. Silloin imaginääriyksikkö ilmestyisi tästä eteenpäin moniin muihinkin paikkoihin. Siksi oli järkevä valinta käyttää yhtälössä (2.2) kosinifunktiota määriteltäessä sinisignaalia. Yhtälön (2.7) tulkitsemiseksi pitää hieman kerrata kompleksilukujen ominaisuuksia. Kuten matematiikan ja piirianalyysin kursseissa on opittu, kompleksiluku voidaan esittää graafisesti kompleksitasoon piirrettynä vektorina eli osoittimena: Im b r α Re a Kuva 2.6. Kompleksilukua z = a+jb vastaava kompleksinen osoitin jα Kompleksisen osoittimen yhtälö voidaan esittää muodossa z = re , missä r on osoittimen pituus eli z:n itseisarvo ja α on positiivisen reaaliakselin ja osoittimen välinen kulma eli z:n vaihekulma. Koska termi "vaihekulma" on kuitenkin otettu jo aiemmin reaalisen sinisignaalin määrittelyn yhteydessä hieman toisenlaiseen käyttöön, käytetään jatkossa sekaannusten välttämiseksi termin "kompleksiluvun vaihekulma" sijaan nimitystä "kompleksiluvun kulma". Nyt yhtälön (2.7) oikea puoli voidaan tulkita kahtena kompleksitasossa sijaitsevana osoittimena, joiden • kummankin itseisarvo = A/2 • kulmat ovat 2πft + ϕ ja − 2πft − ϕ . 9 Im A/2 kulma 2πft+ϕ Re kulma -2πft-ϕ A/2 Kuva 2.7 Sinisignaali koostuu kahdesta kompleksisesta osoittimesta. Osoittimien kulmissa (jotka ovat toistensa vastaluvut) esiintyy aikamuuttuja t. Se tarkoittaa sitä, että kulmat eivät ole vakioita, vaan ne muuttuvat ajan kuluessa. Osoittimet siis pyörivät kompleksitasossa. Pyörivin osoittimiin liittyvät mm. seuraavat seikat: • Toinen osoitin pyörii myötäpäivään, toinen pyörii vastapäivään. • Kummankin osoittimen pituus = A/2. Tätä voidaan kutsua osoittimen amplitudiksi. • Kumpikin osoitin pyörähtää täyden ympyrän ajassa 1/f. Siis reaalisen sinisignaalin 1 jaksonpituus T0 = vastaa nyt osoittimen yhtä kierrosta. f • Vastapäivään pyörivän osoittimen kulma muuttuu nopeudella 2πf ja myötäpäivään pyörivän nopeudella −2πf. • Kulman muuttumisnopeuden itseisarvo = kulmataajuus ω. On luontevaa määritellä vastapäiväinen pyörimissuunta positiiviseksi ja myötäpäiväinen negatiiviseksi. Silloin osoittimien pyörimistaajuudet ovat ±f ja niiden pyörimiskulmataajudet ovat ±ω. • Osoittimien kulmat ovat aina toistensa vastaluvut. Silloin osoittimia vastaavien kompleksilukujen (eli osoittimien kärkien) imaginääriosat ovat toistensa vastaluvut, joten osoittimien summa on aina puhtaasti reaalinen. Niinpä yhtälössä (2.7) olevan reaalisen sinisignaalin voidaan ajatella olevan osoitin, jonka kärki liikkuu edestakaisin reaaliakselilla välillä -A ... A. • Hetkellä t = 0 osoittimien kulmat ovat ±ϕ. Koska kulmien itseisarvot ovat samat kuin lähtökohtana olleen reaalisen sinisignaalin vaihekulma, niitä voi sanoa osoittimien vaihekulmiksi. Edellisen tarkastelun perusteella voidaan todeta: Reaalinen sinisignaali A cos(2πft + ϕ ) koostuu kahdesta kompleksisesta sinisignaalista: A j 2πft jϕ A A e e ja e − j 2πft e − jϕ , joiden kummankin amplitudi on , joiden taajuudet ovat f ja −f ja 2 2 2 joiden vaihekulmat ovat ϕ ja −ϕ. 2.4 Jaksollisen signaalin spektri: Fourier-sarja Nyt kun sinimuotoisen signaalin olemus on selvitetty, voidaan ottaa käsittelyyn muut aaltomuodot. Kaikille tietoliikennesignaaleille (ja muillakin luonnontieteiden ja tekniikan aloilla esiintyville signaaleille ja aaltomuodoille) pätee: 10 Kaikki signaalit, niin jaksolliset kuin ei-jaksollisetkin, koostuvat eritaajuisista sinisignaaleista. Voidaan osoittaa, että jaksolliselle signaalille v(t) tuo tarkoittaa sitä, että signaali voidaan aina lausua yhtälönä ∞ v(t ) = ∑ An cos(2πnf 0 t + ϕ n ) . (2.8) n =0 Tämä on signaalin v(t) reaalinen Fourier-sarjakehitelmä. Yhtälö kertoo, että mikä tahansa jaksollinen aaltomuoto voidaan lausua äärettömän monen eritaajuisen sinisignaalien summana niin, että • • sinimuotoisten komponenttien taajuudet ovat v(t):n perustaajuuden f0 kokonaislukumonikertoja kullakin sinimuotoisella nf0-taajuisella komponentilla on oma amplitudi An ja oma vaihekulma ϕn Jaksollisen signaalin perustaajuus f0 on jaksonpituuden käänteisluku: f0 = 1 T0 (2.9) Perustaajuuden monikertoja kutsutaan signaalin v(t) harmonisiksi taajuuksiksi; Taajuus nf0 on signaalin n:s harmoninen taajuus. Jos siis tunnetaan jaksollisen signaalin jaksonpituus, tiedetään heti, että signaali koostuu taajuuksista 0, f0, 2f0, 3f0, 4f0 jne. Mutta miten saadaan selville, mitä ovat eri taajuuskomponenttien amplitudit A0, A1, A2, A3, A4 jne. ja vaiheet ϕ0, ϕ1, ϕ2, ϕ3, ϕ4 jne? Ne voidaan ratkaista tekemällä signaalin v(t) Fourier-analyysi, johon palataan pian. Ilman erityistä Fourier-analyysiakin voi lähes triviaalina esimerkkinä todeta, että sinimuotoisen perussignaalin v(t ) = A cos(2πft + ϕ ) reaalisen Fourier-sarjan amplitudit ja vaiheet ovat A1 = A An = 0, kun n ≠ 1 ϕ1 = ϕ ϕn = 0, kun n ≠ 1 Toinen yksinkertainen tapaus on tasasähkösignaali v(t) = U. Sen reaalisen Fourier-sarjan parametrit ovat A0 = U An = 0, kun n ≥ 1 ϕn = 0 kaikilla n:n arvoilla Tasasähköhän voidaan tulkita nollataajuiseksi sinisignaaliksi: U = U ⋅ cos(2π ⋅ 0 ⋅ t ) . Yleinen tapaus, jossa jaksollisen signaalin aaltomuoto ei ole sinimuotoinen, vaatii mutkikkaampaa matemaattista analyysiä. Ei kuitenkaan kannata jatkaa yhtälön (2.8) mukaisen reaalisen Fourier-sarjan tutkimista, vaan kannattaa siirtyä kompleksiseen Fourier-sarjaan. Siirtyminen tapahtuu edellä luvussa 2.3 esitetyllä tavalla. Korvataan siis yhtälössä (2.8) olevan 11 kosini kompleksisilla eksponenttifunktioilla, eli tarkastellaan, miten jaksollinen sinaali koostuu eritaajuisista kompleksisista sinisignaaleista. Tuloksena on jaksollisen signaalin v(t) kompleksisen Fourier-sarjan yhtälö v (t ) = ∞ ∑c n = −∞ n ⋅ e j 2π ⋅nf 0 ⋅t (2.10) Nyt signaali v(t) esitetään eritaajuisten kompleksisten sinisignaalien summana. Perustaajuus f0 on sama kuin edellä, siis jaksonpituuden käänteisluku, ja signaali v(t) koostuu yhä harmonisista taajuuskomponenteista nf0. Erona on se, että nyt myös negatiiviset n:n arvot ovat mukana. Kuitenkaan ei puhuta esimerkiksi jaksollisen signaalin negatiivisista harmonisista taajuuksista (esim. "miinus kolmas harmoninen"). Termi "n:s harmoninen" tarkoittaa nyt sekä taajuutta nf0 että taajuutta −nf0. Tämäntaajuiset kompleksiset eksponenttifunktiothan muodostavat yhdessä nf0-taajuisen reaalisen sinisignaalin. Kompleksisen Fourier-sarjan yhtälössä ei näy erikseen nf0-taajuisen komponentin amplitudia ja vaihekulmaa samalla tavalla kuin reaalisen Fourier-sarjan yhtälössä (2.8). Yhtälön (2.10) kertoimet cn ovat kompleksilukuja, jolloin nf0-taajuisen komponentin • amplitudi on kertoimen itseisarvo c n • vaihe on kertoimen vaihekulma arg(cn). Eri taajuuskomponenttien amplitudit ja vaiheet saadaan selville integraalilausekkeesta cn = 1 v(t )e − j 2π ⋅nf0 ⋅t dt ∫ T0 T0 Tässä merkintä ∫ (2.11) tarkoittaa määrättyä integraalia T0:n pituisen ajanjakson yli. Integroinnin T0 alaraja on vapaasti valittavissa, mutta yläraja on alaraja+T0. Joissakin tapauksissa cn:n saa lasketuksi helpoiten integroimalla −T0/2:sta T0/2:een, toisissa tapauksissa integrointi 0:sta T0:aan johtaa helpommin sieventyvään cn:n lausekkeeseen. Jaksollisen signaalin spektrin kuva on Fourier-sarjan kertoimien cn arvojen graafinen esitys taajuuden funktiona. Yleensä amplitudispektri eli kertoimien itseisarvot |cn| ja vaihespektri eli kertoimien vaihekulmat arg(cn) esitetään erikseen. Signaalin spektri siis kertoo seuraavat asiat: • • • Mitä taajuuksia signaali sisältää (eli minkätaajuisista sinimuotoisista komponenteista se koostuu). Mikä on kunkin signaaliin sisältyvän (sinimuotoisen) komponentin amplitudi. Tämän kertoo amplitudispektri. Mikä on kunkin signaaliin sisältyvän (sinimuotoisen) komponentin vaihe. Tämän kertoo vaihespektri. Amplitudispektri on käytännössä yleensä tärkeämpi. Usein vaihespektistä ei tarvita tietoa, ja myös sen mittaaminen vaatii mutkikkaammat ja kalliimmat laitteet kuin pelkän amplitudispektrin mittaaminen. ****************** Esimerkki alkaa ************************************** 12 Esimerkki 2.1 Määritetään sakara-aallon (kuva 2.8) kompleksisen Fourier-sarjan kertoimet ja piirretään sakara-aallon spektri. v(t) A ... -T0 ... 2 T0 t T0 -A Kuva 2.8 Sakara-aalto eli suorakulma-aalto eli "kanttiaalto" Ratkaisu. Jotta yhtälön (2.11) integraalin voi laskea, pitää tutkittavan signaalin v(t) yhtälö ensin kirjoittaa integraalilausekkeen alle. Riittää, että signaalia tarkastellaan yhden jakson mittaisella aikajaksolla. Sakara-aallon amplitudi on A ja sen jaksonpituus on T0, joten sen yhtälö aikavälillä -T0/2 ... T0/2 on − A v(t ) = A kun t on välillä − T0 2 K 0 (2.12) kun t on välillä 0 L T0 2 Nyt Fourier-sarjan kertoimen yhtälöksi tulee 1 cn = T0 T0 2 ∫ v(t )e − j 2π ⋅nf 0 ⋅t −T0 2 A =− T0 / 0 −T0 2 1 dt = T0 0 ∫ (− A) ⋅ e −T0 2 e − j 2π ⋅nf0 ⋅t A + − j 2π ⋅ nf 0 T0 0 = A ( 1 − e )− (e j 2π ⋅ n j 2π ⋅ n = (2 − e j 2π ⋅ n A A jπn jπn ) − e − jπn = j2 A 2A =− π ⋅n = jπ ⋅ n 0 T0 2 / − jπn − j 2π ⋅nf 0 ⋅t 1 dt + T0 T0 2 ∫ A⋅e − j 2π ⋅nf 0 ⋅t dt 0 e − j 2π ⋅nf0 ⋅t − j 2π ⋅ nf 0 ) −1 A j 2π ⋅ n [2 − 2 cos(πn )] = A [1 − cos(πn )] jπ ⋅ n jos n on pariton jos n on parillinen Lopputulokseen päädyttiin toteamalla, että cos(πn ) on 1 tai −1 riippuen siitä, onko kokonaisluku n parillinen vai pariton. T0 ja f0 katoavat matkan varrella, koska T0f0 = 1. Sakara-aalto siis sisältää vain parittomat harmoniset taajuudet (koska parillisten harmonisten amplitudi = 0), ja parittomille n:n arvoille pätee, että sakara-aaltoon sisältyvän nf0-taajuisen komponentin 13 2A πn • amplitudi = • − 90° kun n > 0 vaihekulma = kun n < 0 90° (2.13) (2.14) Kuvassa 2.9 on sakara-aallon amplitudispektrin ja vaihespektrin kuvaaja. Amplitudispektrin kuvaajan pystyakselilla on kaksi eri asteikkoa. Oikeassa reunassa on absoluttinen amplitudiasteikko, vasemmassa reunassa on suhteellinen eli normalisoitu asteikko. Suhteelliset amplitudiarvot saadaan antamalla suurimmalle esiintyvälle amplitudille arvoksi 1, jolloin muut amplitudit ovat arvoltaan ≤ 1. 2A/π 1,6A/π 1,2A/π 0,8A/π 0,4A/π Kuva 2.9. Sakara-aallon amplitudi- ja vaihespektri. ****************** Esimerkki loppuu ************************************** 14 Sakara-aaltoesimerkissä 2.1 saadun kaltaista spektriä, jossa esiintyy vain tiettyjä pistetaajuuksia, kutsutaan viivaspektriksi. Ja kun spektri liittyy kompleksiseen Fouriersarjakehitelmään, eli siinä esiintyvät sekä negatiiviset että positiiviset taajuudet, puhutaan kaksipuolisesta spektristä. Jos jaksollisen signaalin spektriä lähdetään tarkastelemaan reaalisen Fourier-sarjan pohjalta, on tuloksena yksipuolinen spektri, jossa on vain positiivinen taajuusakseli. Reaalisen Fouriersarjan, yhtälö (2.8), amplitudeille An ja vaihekulmille ϕn on vastaava integraalilauseke kuin yhtälössä (2.11) oleva kompleksisen Fourier-sarjan kertoimen cn lauseke. Sitä ei kannata tässä ryhtyä käsittelemään, mutta voidaan silti päätellä millainen on sakara-aallon yksipuolinen spektri. Oletetaan, että n on positiivinen kokonaisluku. Jaksollisen signaalin n:nteen harmoniseen taajuuteen liittyvät kompleksisen Fourier-sarjan kertoimet cn ja c-n. Tällöin tuo n:s harmoninen taajuuskomponentti kokonaisuudessaan on vn (t ) = c−n e − j 2π ⋅nf0 ⋅t + cn e j 2π ⋅nf0 ⋅t = c−n e j⋅arg( c−n ) e − j 2π ⋅nf0 ⋅t + cn e j⋅arg( cn ) e j 2π ⋅nf0 ⋅t Tässä on muutettu kompleksiluvut c-n ja cn eksponenttifunktiota käyttävään osoitinmuotoon. Sovelletaan tätä sakara-aaltoon, jolle edellä laskettiin cn = − j2 A , kun n on pariton πn Saadaan vn (t ) = 2 A − j 2π ⋅nf0 ⋅t + jπ / 2 2 A j 2π ⋅nf0 ⋅t − jπ / 2 e + e πn πn 2A 4A = 2 cos(2π ⋅ nf 0 ⋅ t − π 2 ) = cos(2π ⋅ nf 0 ⋅ t − π 2) πn πn Tämä on siis sakara-aallon n:nnen harmonisen taajuuskomponentin yhtälö silloin kun n on pariton luku. Jos n on parillinen, on cn = c-n = 0. Koko sakara-aallon yhtälöksi voi silloin kirjoittaa ∞ v(t ) = ∑ v n (t ) = n =0 ∞ 4A cos(2π ⋅ nf 0 ⋅ t − π / 2) n =1, 3,5 ,... πn ∑ joten reaalisessa Fourier-sarjassa sakara-aallon parittoman n:nnen harmonisen • amplitudi = • vaihe = −π/2 4A πn Voidaan varsin helposti osoittaa, että jos jaksollisen signaalin kompleksisessa Fourier-sarjassa positiivista n:ää vastaa kerroin cn, on saman signaalin reaalisessa Fourier-sarjassa 15 An = 2 ⋅ c n ϕ n = arg(c n ) Tarkkaan ottaen edellä sanottu pätee vain, kun signaalin aaltomuodon yhtälö on reaalinen. Mutta toisaalta, jos v(t):n yhtälö on kompleksinen, ei sen reaalisen Fourier-sarjan tutkimisessa ole juurikaan mieltä. Jaksollisen signaalin teho Tietoliikennesignaalin sähköinen teho on usein käytännössä tärkeä tarkasteltava suure. Lähdetään tarkastelemaan signaalitehoa sähköopin perusteista tutusta tilanteesta, kuva 2.10 u(t) i(t) R Kuva 2.10 Jännite vastuksen yli Jos vastuksen yli vaikuttava jännite on tasajännite, eli u(t) = U, niin vastuksen häviöteho U2 P= ilmoittaa millä teholla sähköenergia muuttuu vastuksessa lämpöenergiaksi. R Jos jännite on vaihtojännite, niin vastuksen hetkellinen häviöteho saadaan samalla tavalla: u 2 (t ) p (t ) = . Yleensä hetkellinen teho ei ole oleellinen asia (joskus on), vaan useimmiten ollaan R kiinnostuneita keskimääräisestä tehosta, jonka symbolina käytetään myös P:tä. Nyt keskimääräinen teho tarkoittaa tietysti tehon aikakeskiarvoa. Kun jännite u(t) on jaksollinen, on myös teho p(t) jaksollinen, jolloin riittää määrittää tehon aikakeskiarvo jakson T0 pituisena aikana. Keskimääräinen teho signaalin periaatteessa äärettömän pitkänä kestoaikana on sitten sama keskimääräinen teho yhden jakson aikana. On helppo osoittaa, että jaksollisen tehon p(t) aikakeskiarvo jakson pituisena aikana on P = p (t ) = 1 T0 ∫ p(t )dt , (2.15) T0 missä on myös esitelty aikakeskiarvon merkintätapa < >-sulkuja käyttäen. Integraalin merkintätapa on selostettu edellä yhtälön (2.11) yhteydessä. Kun p(t):n paikalle sijoitetaan jännite ja resistanssi, tulee tehoksi u 2 (t ) u 2 (t ) U2 P = p(t ) = = = R R R (2.16) Tuossa on lopuksi otettu käyttöön vaihtojännitteen u(t) tehollisarvo U, joka siis on 16 U= u 2 (t ) (2.17) Määrittelemällä tehollisarvo saadaan vaihtojännitteen häviöteholle sama yhtälö kuin tasajännitteen häviöteholle. Aivan samalla tavalla voidaan järkeillä, mikä on vastuksen häviöteho vastuksen läpi kulkevan vaihtovirran i(t) avulla lausuttuna: P = i 2 (t ) ⋅ R = I 2 ⋅ R (2.18) Jotta varsinainen asia, eli tietoliikennesignaalien tehoon liittyvä tarkastelu onnistuisi mahdollisimman yleispätevästi ja ilman sähköteknisten yksityiskohtien (kuten tehon yhtälössä esiintyvän resistanssin R arvon) pohtimista, kannattaa tehdä seuraavat sopimukset: • Signaaleilla ei ole yksikköjä. Siis jos jännitettä u(t) tai virtaa i(t) tai jotain muuta sähköistä suuretta tarkastellaan tietoliikennesignaalina, sille käytetään symbolia v(t), joka ei ole voltteja eikä ampeereja eikä mitään muutakaan vastaavaa, vaan se on pelkästään aaltomuoto, jonka arvot ovat paljaita lukuja. [Tietysti signaalista voidaan käyttää muutakin merkintää kuin v(t); tässä kirjassa esiintyvät mm. signaalit w(t), x(t), y(t) ja z(t).] • Sovitaan, että kaikki signaalit esiintyvät 1 Ω:n suuruisen resistanssin yhteydessä. Samalla jätetään tuostakin yksikkö pois, jolloin myös teho on ilman yksikköä. Lopputuloksena saadaan jaksollisen tietoliikennesignaalin v(t) keskimääräiselle teholle yhtälön P = v 2 (t ) (2.19) Jos halutaan olla tarkkoja, pitää ottaa huomioon sellainen teoreettinen mahdollisuus, että signaalin aaltomuodon yhtälö v(t) voi olla kompleksinen. Käytännön signaalilla näin ei voi olla, mutta esimerkiksi edellä kompleksiseksi sinisignaaliksi kutsuttu eksponenttifunktio on kompleksinen signaali. Sellaisessa tapauksessa yhtälö (2.19) antaa teholle kompleksiarvon, joka ei ole mahdollista. Yleispätevä tehon lauseke, joka pätee myös kompleksisille signaaleille, on P = v(t )v * (t ) = v(t ) 2 (2.20) Merkintä v * (t ) tarkoittaa v(t):n kompleksikonjugaattia. Jatkossa käytetään jälkimmäistä, itseisarvon sisältävää lauseketta, vaikka itseisarvo useimmiten onkin tarpeeton. Yhtälö (2.20) antaa signaalin tehon, kun sen aaltomuoto tunnetaan. Entä jos tunnetaan vain signaalin spektri? Jaksollisen signaalin tapauksessa tämä tarkoittaa sitä, että tunnetaan sen Fourier-sarjan kertoimet cn. Silloin signaali tunnetaan yhtälön (2.10) antamassa muodossa. Kun tuo yhtälö sijoitetaan tehon yhtälöön (2.20), saadaan helpohkosti tulos P= ∞ ∑c n = −∞ 2 n (2.21) Tulos on varsin järkeenkäypä, koska yhtälö kertoo sen, että signaalin kokonaisteho on signaalin Fourier-komponenttien tehojen summa. 17 Yhtälöä (2.21) kutsutaan Parsevalin yhtälöksi tai Parsevalin teoreemaksi. Parsevalin yhtälöä voidaan käyttää mm. tutkimaan, miten signaalin sisältämä teho jakautuu eri taajuuksien kesken. Tätä valaisee esimerkki 2.2. ****************** Esimerkki alkaa ************************************** Esimerkki 2.2 Sakara-aallon jaksonpituus on 50 µs. Montako prosenttia sen kokonaistehosta on a) perustaajuudella (20 kHz)? b) alle 120 kHz:n taajuuksilla? c) yli 200 kHz:n taajuuksilla? Muistutus: Kun sanotaan "alle 120 kHz:n taajuuksilla", tarkoitetaan kaksipuolisesta spektristä puhuttaessa taajuusväliä −120 kHz ... 120 kHz. Ratkaisu: Jaksollisen signaalin tehon voi laskea kahdella tavalla: Aaltomuodosta: P = v(t ) 2 ja spektristä: P = ∞ ∑c n= −∞ 2 n Sakara-aallon kokonaisteho on helposti pääteltävissä. Signaalin toinen potenssi on tietysti vakio eli A2, joten sen aikakeskiarvokin on tietysti A2. Siis nyt P = A2 Sitten pitää selvittää, miten tuo kokonaisteho jakautuu eri taajuuksien kesken. Se selviää P:n toisesta lausekkeesta. a) Perustaajuuteen liittyvät Fourier-sarjan kertoimet ovat c1 ja c-1. Silloin perustaajuinen teho on 2 2 2 2A 2A 8A 2 Pa = c−1 + c1 = + = 2 = 0,8106 ⋅ A . π π π Siispä perustaajuinen teho on 81,06 % kokonaistehosta. 2 2 b) Alle 120 kHz:n taajuudet tarkoittavat nyt harmonisia taajuksia 0, ±20, ±40, ±60, ±80 ja ±100 kHz, joihin liittyvät indeksin n arvot 0, ±1, ±2, ±3, ±4 ja ±5. Mutta kun sakara-aallolla kertoimet cn ovat nollasta poikkeavia vain parittomilla n:n arvoilla, tulee tarkasteltavan osatehon (eli alle 120 kHz:llä olevan tehon) arvoksi nyt Pb = 5 5 ( ∑ cn = 2∑ cn = 2 ⋅ c1 + c3 + c5 2 n = −5 n =1 2 2 2 2 ) = 2 ⋅ 4πA 2 2 + 4 A2 4 A 2 + 9π 2 25π 2 = 0,9547 ⋅ A 2 Tuossa käytettiin hyväksi myös sitä, että sakara-aallolla c−n = cn . Vastaus siis on, että alle 120 kHz:n taajuuksilla esiintyvä teho on 95,47 % kokonaistehosta. c) Teho yli 200kHz:n taajuuksilla on helpointa laskea vähentämällä kokonaistehosta teho, joka on taajuuksilla ≤ 200 kHz. Jälkimmäinen teho taas lasketaan samalla tavalla kuin b-kohdassa 18 ottamalla mukaan parittomat harmoniset komponentit yhdeksänteen asti. Tämän kohdan vastaus saadaan näin: 9 ( Pc = P − ∑ cn = A 2 − 2 ⋅ c1 + c3 + c5 + c7 + c9 2 n = −9 2 2 2 2 2 ) 4 A2 4 A2 4 A 2 4 A2 4 A2 = 0,0404 ⋅ A 2 = A 2 − 2 ⋅ 2 + 2 + + + 2 2 2 π 9 π 25 π 49 π 81 π Siis yli 200 kHz:n taajuuksilla on 4,04 % kokonaistehosta. ****************** Esimerkki loppuu ************************************** 2.5 Ei-jaksollisen signaalin spektri: Fourier-muunnos Jos signaali ei ole jaksollinen, sillä ei tietenkään ole jaksonpituutta, jolloin sillä ei ole perustaajuutta eikä harmonisia taajuuksia. Voidaan kuitenkin tulkita, että ei-jaksollisen signaalin jaksonpituus lähestyy ääretöntä, jolloin sen perustaajuus lähestyy nollaa ja harmoniset taajuudet (jotka ovat perustaajuuden monikertoja) ovat äärettömän tiheässä. Silloin ei-jaksollinen signaali sisältää kaikki taajuudet, jolloin sen spektri ei ole viivaspektri, vaan jatkuva. Jos edellä oleva tarkastelu tehdään matemaattisesti, päädytään tuloksena signaalin v(t) Fouriermuunnokseen: ∞ V ( f ) = ∫ v (t )e − j 2πft dt (2.22) −∞ Fourier-muunnos V(f) on samalla signaalin v(t) spektri. Tässä Fourier-muunnosyhtälö on kompleksisessa muodossa. Yhtälön reaalista muotoa ei kannata ryhtyä tutkimaan lainkaan. Vaikka Fourier-muunnokseen päädyttiin ei-jaksollisten signaalien kautta, antaa yhtälö (2.22) myös jaksollisen signaalin v(t) spektrin. Yhtälön voidaan osoittaa antavan spektriksi c V( f ) = n 0 kun f = n ⋅ f 0 kaikilla muilla taajuksilla (2.23) missä cn saadaan yhtälöstä (2.11). Spektristä V(f) nähdään, että signaali v(t) sisältää vain harmoniset taajuudet, ja se voidaan esittää yhtälönä (2.10). Fourier-muunnos toimii myös toisin päin. Jos signaalin v(t) spektri V(f) tunnetaan, niin signaalin aaltomuoto saadan selville Fourier-käänteismuunnoksella: ∞ v (t ) = ∫ V ( f )e j 2πft df (2.24) −∞ Fourier-muunnokselle ja -käänteismuunnokselle käytetään mm. seuraavia merkintätapoja, kun ei haluta kirjoittaa täydellisiä integraalilausekkeita: 19 V ( f ) = F [v(t )] v(t ) = F −1 [V ( f )] v(t ) ↔ V ( f ) Ei-jaksollisen signaalin Fourier-muunnokseen ja spektriin liittyvät asiat tulevat esiin parhaiten esimerkin kautta. ****************** Esimerkki alkaa ************************************** Esimerkki 2.3 Määritetään suorakulmaisen pulssin eli sakarapulssin Fourier-muunnos ja piirretään sen spektrin kuvaaja. Suorakulmainen pulssi on tärkeä ei-jaksollinen perussignaali. Pulssin aaltomuoto on kuvassa 2.11. v(t) A t −τ/2 τ/2 Kuva 2.11. Suorakulmainen pulssi Pulssin kestoaikaa merkitään τ:lla ja sen korkeutta A:lla. Pulssin yhtälö voidaan kirjoittaa näin: A v(t ) = 0 kun − τ / 2 < t < τ / 2 muualla (2.25) Jotta jatkossa voitaisiin kirjoittaa suorakulmaisia pulsseja sisältävien signaalien yhtälöitä kätevästi, otetaan käyttöön tällainen merkintätapa kuvan 2.11 ja yhtälön (2.25) τ:n kestoiselle A:n korkuiselle suorakulmaiselle pulssille v(t): t v(t ) = AΠ τ (2.26) Suorakulmaisen pulssin symbolina käytetään siis isoa pii-kirjainta Π. Pulssin korkeuden A merkintätapa on selvä, mutta pulssin keston τ merkintä ikäänkuin jakajaksi saattaa hämätä. Kyseessä siis ei ole jakolasku, vaan sopimus pulssin keston merkintätavasta. Suorakulmaisen pulssin Fourier-muunnos saadaan varsin suoraviivaisella integroinnilla: 20 ∞ V ( f ) = ∫ v(t )e − j 2πft dt = −∞ τ /2 ∫ Ae − j 2πft −τ / 2 τ /2 dt = A / −τ / 2 e − j 2πft − j 2πf = ( A e − jπfτ − e jπfτ − j 2πf ) A sin(πfτ ) sin(πfτ ) = Aτ πf π fτ = Aτ ⋅ sinc( fτ ) = Lopputulos siis on t AΠ ↔ Aτ ⋅ sinc( fτ ) τ (2.27) Spektrin yhtälö on lopussa saatettu tarkoituksella (laventamalla τ:lla) muotoon, josta se voidaan kirjoittaa sinc-funktiota käyttäen. Tietoliikennetekniikassa (ja muillakin aloilla) esiintyy melko usein muotoa sin(πx) πx oleva lauseke, joten on katsottu tarpeelliseksi ottaa käyttöön tuolle lausekkeelle oma nimitys. Sinc-funktion määritelmä on sinc( x) = sin(πx) πx (2.28) Sinc-funktion tärkeimmät ominaisuudet ovat: • sinc(0) = 1 (Esim. laskimella ei voi laskea suoraan lauseketta sin(0)/0, mutta on helppo sin(πx) osoittaa, että raja-arvona lim = 1. x →0 πx • sinc(x) =0 aina kun x on kokonaisluku (paitsi jos x=0) Sinc-funktion kuvaaja on kuvassa 2.12. Monien käytännön tietoliikennesignaalien amplitudispekristä löytyy samanlaisia piirteitä kuin sinc:n itseisarvon kuvaajasta. Spektrissä on yleensä korkea pääkeila ja joukko matalampia sivukeiloja. Jonkin verran epähavainnollinen termi 'keila' on vastine englannin kielen sanalle 'lobe'. 21 Kuva 2.12. Sinc-funktio ja sen itseisarvo Kuvassa 2.13 on suorakulmaisen pulssin amplitudispektri, kun pulssille on oletettu todellinen kestoaika, tässä tapauksessa τ = 10 µs. Pulssin korkeus on A. Silloin pulssin spektri on V ( f ) = Aτ ⋅ sinc( fτ ) jolloin sinc-funktion nollakohdat sattuvat taajuuksille, joilla fτ = kokonaisluku, eli taajuuksille f = n⋅ 1 τ = n ⋅ 100 kHz , missä n on mikä tahansa kokonaisluku paitsi 0. 22 Kuva 2.13. Suorakulmaisen pulssin (τ = 10 µs) amplitudispektri Koska nyt spektri on puhtaasti reaalinen, ovat vaihespektrin ainoat mahdolliset arvot 0 ja ±180°. Vaihe on ±180° (eli ±π) silloin, kun V(f) on negatiivinen. ****************** Esimerkki loppuu ************************************** Kuvan 2.13 kaltaisten spektrien yhteydessä puhutaan usein signaalin kaistanleveydestä (engl. bandwidth), jonka symbolina käytetään useimmiten B:tä tai W:tä. Eri symboleja käytetään, koska, kuten luvussa 3 tulee esille, myös tietoliikennejärjestelmillä ja -laitteilla on kaistanleveysniminen ominaisuus. Järjestelmän kaistanleveyttä merkitään yleensä B:llä, joten jos samassa yhteydessä puhutaan myös signaalin kaistanleveydestä, on järkevää että sillä on eri symboli W. Signaalin kaistanleveys voidaan määritellä eri tavoin. Sillä saatetaan tarkoittaa spektrin pääkeilan leveyttä, kuitenkin niin, että vain positiivisella taajuusakselilla olevan osa otetaan huomioon. τ:n kestoisen suorakulmaisen pulssin kaistanleveys näin määriteltynä on siis W = 1/τ. Joskus puhutaan 3 dB:n kaistanleveydestä, joka myös määritetään spektrin positiivisella taajuusakselilla olevan osan perusteella. Suorakulmaisen pulssin tapauksessa 3 dB:n kaistanleveys saadaan ratkaisemalla f pulssin yhtälöstä Aτ ⋅ sinc( fτ ) = 0,708 ⋅ Aτ (2.29) eli ratkaisemalla se taajuus, jolla spektrin arvo on pudonnut 3 dB verrattuna spektrin maksimiarvoon Aτ. Amplitudin pieneneminen 3 dB tarkoittaa kertomista luvulla 0,708, koska 20 ⋅ log(0,708) = −3 . Yhtälön ratkaisuna saadaan suorakulmaisen pulssin 3 dB:n kaistanleveyden 0.44 arvoksi W3dB = . Myös muita desibeliarvoja voidaan käyttää kaistanleveyden määrittelyyn, τ voidaan puhua esim 10 dB:n kaistanleveydestä. Ei-jaksollisen signaalin energia Jos signaali on esimerkiksi kuvan 2.11 mukainen pulssi tai jokin muu kertaluonteinen ilmiö, on sen keskimääräinen teho nolla. Luvun 2.2 alussahan todettiin, että signaaleja pidetään aina kestoltaan äärettöminä, jolloin kestoltaan äärellisen signaalin äärellinen kokonaisenergia 23 jakaantuu äärettömän pitkälle ajalle, jolloin lopputulos on nolla. Siksi ei-jaksollisen signaalin tapauksessa on järkevämpää tutkia tehon asemasta signaalin energiaa. Samanlaisella sähköteknisellä tarkastelulla kuin luvussa 2.4 oleva jaksollisen signaalin tehotarkastelu voidaan päätellä että signaalin v(t) energia on E= ∞ ∫ v(t ) 2 dt (2.30) −∞ Parsevalin tehoyhtälö (2.21) antaa jaksollisen signaalin keskimääräisen tehon signaalin spektrikomponenttien amplitudien avulla. Samantyppinen yhtälö voidaan johtaa signaalin energialle: ∞ E = ∫ V ( f ) df 2 (2.31) −∞ Energian yhtälön voi tulkita samalla tavalla kuin Parsevalin tehoyhtälön (2.21), eli kyseessä on signaalin spektrikomponenttien energioiden summa. Kun spektri ei koostu yksittäisistä taajuuksista, vaan on jatkuva, on yhtälössä summauksen sijaan integrointi. Yhtälöä (2.31) kutsutaan Rayleigh'n teoreemaksi tai Rayleigh'n yhtälöksi. 2 Energian laskemisessa esiintyvää amplitudispektrin toista potenssia V ( f ) kutsutaan signaalin v(t) energiaspektriksi. Myös nimityksiä 'energiaspektrin tiheys' tai pelkkä 'spektrin tiheys' käytetään. Energiaspektri siis kertoo, miten signaalin sisältämä kokonaisenergia on jakautunut eri taajuuksien kesken. Myös käytetään termejä 'tehospektri' ja 'tehospektrin tiheys', koska joissakin tapauksissa myös ei-jaksollisen signaalin yhteydessä voidaan puhua signaalin keskimääräisestä tehosta. Silloin tehospektri kertoo miten tuo teho on jakautunut eri taajuuksien kesken. Käyttämällä nimitystä 'spektri tiheys' voidaan puhua amplitudispektrin toisesta potenssista ilman, että pitää yksilöidä, käsitelläänkö energiaa vai tehoa. ****************** Esimerkki alkaa ************************************** Esimerkki 2.4. Tutkitaan suorakulmaisen pulssin energian jakautumista eri taajuuksille. Laske, montako prosenttia kuvan 2.11 suorakulmaisen pulssin energiasta on pulssin spektrin pääkeilan alueella. Pulssin kokonaisenergian saa helposti aika-alueen energiayhtälöstä (2.30). Kun pulssin yhtälö (2.25) sijoitetaan integraaliin, tulee energia laskutoimituksella E= ∞ ∫ v(t ) 2 dt = −∞ τ /2 τ /2 ∫ A dt = A τ/ τ 2 − /2 2 t = A 2τ − /2 Spektrin pääkeilan määräämällä taajuuskaistalla olevan energian saa laskemalla Rayleigh'n yhtälön integraalin vain mainitun taajuuskaistan yli. Esimerkissä 2.3 kävi ilmi, että suorakulmaisen pulssin pääkeila on taajuusvälillä −1/τ ... 1/τ, joten pitää laskea integraali ∞ E = ∫ V ( f ) df = −∞ 2 sin (πfτ ) A A 2τ 2 ⋅ sinc 2 ( fτ )df = ⋅ ∫ df = 0.92 ⋅ A2τ 2 ∫ f π −1/ τ −1 / τ 1/τ 2 1/τ 2 24 Integraalia ei voi laskea suljetussa muodossa, joten lopputulos on laskettu numeerisesti tietokoneella. ****************** Esimerkki loppuu ************************************** 2.6 Fourier-analyysin työkaluja Kaikkien mahdollisten aaltomuotojen spektri on ainakin periaatteessa määritettävissä suoraan Fourier-muunnosintegraalin (2.22) avulla. Useissa tapauksissa Fourier-muunnoksen laskeminen määritelmän avulla on kuitenkin tarpeetonta, koska jo tiedossa olevia spektrejä voidaan käyttää hyväksi määritettäessä uusien signaalien spektrejä. Seuraavassa esitetään tärkeimmät tavat johtaa uuden signaalin Fourier-muunnos aiemmin tunnetuista muunnoksista. Kaikki esitetyt tulokset on varsin helppo johtaa Fourier-muunnoksen määritelmästä lähtien. Yksityiskohtaisia johtamisia tässä ei esitetä. Symmetriset signaalit. Signaalin aaltomuoto voi olla symmetrinen aika-akselin origon suhteen kahdella tavalla: • Parillisesti symmetriselle signaalille pätee v(−t ) = v(t ) . Esimerkiksi kosinifunktiolla määritelty sinimuotoinen signaali v(t ) = A ⋅ cos(2πft ) on parillisesti symmetrinen. Esimerkki ei-jaksollisesta parillisesta signaalista on kuvan 2.11 suorakulmainen pulssi. Myös jäljempänä olevassa kuvassa 2.16 oleva pulssipari on parillisesti symmetrinen. Parillisen signaalin Fourier-muunnoksen yhtälö sieventyy puhtaasti reaaliseen muotoon ∞ V ( f ) = 2 ∫ v(t ) cos( 2πft ) dt (2.32) 0 • Parittomasti symmetriselle signaalille pätee: v(−t ) = −v(t ) . Esimerkiksi sinifunktiolla määritelty sinimuotoinen signaali v(t ) = A ⋅ sin(2πft ) on parittomasti symmetrinen. Esimerkki ei-jaksollisesta parittomasti symmetrisestä signaalista on kuvassa 2.18 Parittoman signaalin Fourier-muunnoksen yhtälö sieventyy puhtaasti imaginääriseen muotoon ∞ V ( f ) = j 2 ∫ v(t ) sin( 2πft ) dt (2.33) 0 Duaalisuus Fourier-muunnoksen ja -käänteismuunnoksen yhtälöt (2.22) ja (2.24) muistuttavat toisiaan melkoisesti. On melko yksinkertaista todistaa, että aaltomuodolla ja sen spektrillä on seuraava ominaisuus: Jos aaltomuodon v(t) spektri on V(f), niin silloin aaltomuodon V(t) spektri on v(-f). Tämä tarkoittaa esimerkiksi sitä, että kun suorakulmaisen pulssin spektri on sinc-funktion muotoinen, on vastaavasti sinc-funktion muotoisen pulssin spektri suorakulmio. Esimerkki 2.5 valaisee asiaa. 25 ****************** Esimerkki alkaa ************************************** Esimerkki 2.5. Määritetään oheisen sinc-muotoisen pulssin spektri. t -5T -4T -3T -2T -T T 2T 3T 4T 5T Kuva 2.14 Sinc-pulssi Ratkaisu. Kuvan 2.14 signaalin yhtälö on 1 v(t ) = C ⋅ sinc(t ⋅ ) T Voidaan käyttää hyväksi aiemmin kerrottua Fourier-muunnoksen duaalisuusominaisuutta. Tiedetään, että t AΠ ↔ Aτ ⋅ sinc( fτ ) , τ joten soveltamalla suoraan duaalisuusperiaatetta, saadaan − f Aτ ⋅ sinc(tτ ) ↔ AΠ τ Nyt sinc-pulssissa on Aτ:n sijaan C ja τ:n sijaan 1/T (jolloin myös voidaan kirjoittaa A = CT). Lisäksi koska suorakulmaista pulssia kuvaava Π-funktio on parillisesti symmetrinen, voidaan oikean puolen miinusmerkki jättää pois. Näin saadaan sinc-pulssin spektri: 1 f C ⋅ sinc(t ⋅ ) ↔ CTΠ . T 1/ T Sinc-pulssin spektrin taajuuskaista on siis tarkasti rajattu. Jos pulssin pääkeilan kesto on 2T, niin sen kaksipuolisen spektrin leveys on 2/T. Kuitenkin puhuttaessa signaalin kaistanleveydestä tarkoitetaan positiivisella taajuusakselilla olevan spektrin osan leveyttä, joten nyt sinc-pulssin kaistanleveys on 1/T. 26 V(f) CT f -1/T 1/T Kuva 2.15 Sinc-pulssin spektri. ****************** Esimerkki loppuu ************************************** Signaalien summaaminen Jos signaali kerrotaan vakiolla, myös sen spektri tulee kerrotuksi samalla vakiolla: av(t ) ↔ aV ( f ) (2.34) Jos kaksi signaalia summataan, myös niiden spektrit summautuvat: v1 (t ) + v 2 (t ) ↔ V1 ( f ) + V2 ( f ) (2.35) Yhdistämällä ja yleistämällä edelliset saadaan Fourier-muunnoksen superpositioperiaate: a1v1 (t ) + a 2 v 2 (t ) + a 3 v3 (t ) + K ↔ a1V1 ( f ) + a 2V2 ( f ) + a3V3 ( f ) + K (2.36) Signaalin viive Jos signaalille v(t) aiheutetaan td:n suuruinen viive (alaindeksi d tulee sanasta delay, viive) niin tuloksena on viivästetty signaali v(t-td), jonka aaltomuoto on sama, mutta joka on siirtynyt aikaakselilla td:n verran. Jos viive on negatiivinen, siirtyy v(t) viiveen ansiosta tietysti negatiiviseen suuntaan (eli vasemmalle) aika-akselilla. Viive aiheuttaa signaalin spektriin vaihetermin: v (t − t d ) ↔ V ( f )e − j 2πft d (2.37) Koska spektriin ilmestyvän kompleksisen eksponenttitermin itseisarvo = 1, ei viive vaikuta signaalin amplitudispektriin. Sen sijaan vaihespektriin tulee tajuudesta riippuva muutos, eli ftaajuisen komponentin vaihekulma muuttuu viiveen vaikutuksesta määrällä − j 2πft d . ****************** Esimerkki alkaa ************************************** Esimerkki 2.6. Määritä kuvassa 2.16 olevan pulssiparin spektrin lauseke 27 v(t) τ τ A t T -T Kuva 2.16. Kahdesta suorakulmaisesta pulssista koostuva signaali. Ratkaisu. Nyt voidaan soveltaa yhtälössä (2.36) esitettyä superpositioperiaatetta, koska signaalin voidaan ajatella olevan kahden pulssin summa. Noilla kahdella suorakulmaisella pulssilla on viiveet -T ja T, joten yhtälössä (2.26) esiteltyä merkintätapaa käyttäen ja ottamalla viiveet huomioon tutkittavan signaalin aikatason yhtälö voidaan kirjoittaa t − (−T ) t −T v(t ) = AΠ + AΠ τ τ Silloin voidaan suoraan kirjoittaa spektrin yhtälö käyttämällä hyväksi yhtälössä (2.27) annettua suorakulmaisen pulssin Fourier-muunnosta sekä yhtälössä (2.37) annettua viiveen vaikutusta: V ( f ) = Aτ ⋅ sinc( fτ ) ⋅ e − j 2πf ( −T ) + Aτ ⋅ sinc( fτ ) ⋅ e − j 2πfT Ensimmäisessä termissä miinusmerkit tietysti kumoavat toisensa (siinä on edelleen -T muistuttamassa siitä, että ensimmäisen pulssin viive on negatiivinen) jolloin kompleksiset eksponentit muodostavat yhtälön (2.5) mukaisesti kosinifunktion. Lopputulokseksi saadaan V ( f ) = 2 Aτ ⋅ sinc( fτ ) ⋅ cos(2πfT ) ****************** Esimerkki loppuu ************************************** Derivointi Signaalin derivointi ajan suhteen aiheuttaa spektriin kertoimen j2πf: dv(t ) ↔ j 2πf ⋅ V ( f ) dt (2.38) Integrointi Signaalin integrointi ajan suhteen aiheuttaa spektriin jakajan j2πf: t ∫ v ( λ ) dλ ↔ −∞ V( f ) j 2πf (2.39) ****************** Esimerkki alkaa ************************************** Esimerkki 2.7. Määritetään kuvassa 2.17 olevan kolmiopulssin spektrin yhtälö. 28 v(t) A t −τ τ Kuva 2.17 Kolmiopulssi Ratkaisu. Koska myös kolmiopulssi on varsin perustavanlaatuinen ei-jaksollinen signaali, on sillekin käytössä samantyyppinen merkintätapa kuin mitä esiteltiin suorakulmaiselle pulssille yhtälössä (2.26). Kuvan pulssin yhtälö kirjoitetaan näin: t v(t ) = AΛ τ (2.40) Kolmiopulssin symbolina käytetään isoa lambda-kirjainta Λ. Huomaa, että nyt pulssin kestoaikaan liittyvä symboli τ tarkoittaa eri asiaa kuin suorakulmaisella pulssilla. Kolmiopulssin kestoa merkitään 2τ:lla, kun suorakulmaisen pulssin kesto = τ. Tähän omituisuuteen saadaan selitys pian. Kuvan 2.17 kolmiopulssin spektrin saisi kyllä lasketuksi suoraan Fourier-muunnoksen yhtälöstä (2.22), mutta melko työläästi. Helpommalla päsee oivaltamalla, että kolmiopulssin derivoiminen ajan suhteen antaa kaksi suorakulmaista pulssia. Silloin tuon derivaattasignaalin spektrin lauseke selviää melko helpolla, ja sen jälkeen yhtälöä (2.38) käyttäen selviää saman tien myös alkuperäisen kolmiopulssin spektri. Kuvan 2.17 kolmiopulssi koostuu kahdesta suorasta. Ensin on nouseva suora, jonka kulmakerroin on A/τ ja sitten laskeva suora, jonka kulmakerroin on −A/τ. Suoran derivaattahan on sama kuin sen kulmakerroin, joten kolmiopulssin derivaattasignaali on kuvassa 2.16. v(t) A/τ τ −τ t -A/τ Kuva 2.18 Kolmiopulssin aikaderivaatta Kolmiopulssin derivaatassa on kaksi suorakulmaista pulssia, joiden kummankin kesto on τ, korkeudet ovat A/τ ja −A/τ ja viiveet −τ/2 ja τ/2. Silloin ratkaisu etenee samalla tavalla kuin edellä esimerkissä 2.6 Kuvan 2.18 derivaattasignaalin yhtälö on 29 x(t ) = A τ Π t − (−τ / 2) − A Π t − τ / 2 τ τ τ joten derivaattasignaalin spektri on X(f ) = τ ⋅ sinc( fτ ) ⋅ e − j 2πf ( −τ / 2) − τ ⋅ sinc( fτ ) ⋅ e − j 2πfτ / 2 τ τ A A Kun supistetaan τ:t ja 2:t ja huomioidaan miinusmerkit, yhtälö saadaan mm. yhtälön (2.6) perusteella helposti muotoon X ( f ) = j 2 A ⋅ sinc( fτ ) ⋅ sin(πfτ ) Nythän koska x(t ) = dv(t ) , dt on yhtälön (2.38) mukaan X ( f ) = j 2πf ⋅ V ( f ) , joten etsitty kolmiopulssin spektri on V( f ) = V ( f ) j 2 A ⋅ sinc( fτ ) ⋅ sin(πfτ ) = j 2πf j 2πf Kun supistaa pois j2:t ja laventaa τ:lla (jolloin osoittajassa olevasta sinistä ja nimittäjästä saa aikaan sinc-funktion), tulee lopputulokseksi V ( f ) = Aτ ⋅ sinc 2 ( fτ ) Kolmiopulssin spektri eroaa siis suorakulmaisen pulssin spektristä vain eksponentiltaan. On kuitenkin muistettava, mitä edellä sanottiin pulsin kestoaikaan liittyvästä τ:sta. Jos τ tarkoittaisi kummallakin pulssimuodolla samaa, eivät spektrien lausekkeet olisi aivan noin samankaltaiset. Itse asiassa τ on määritelty niin, että kummankin pulssin pinta-alan antaa sama lauseke, eli Aτ. ****************** Esimerkki loppuu ************************************** Taajuuskonversio Signaalin kertominen sinimuotoisella signaalilla siirtää sen spektrin sekä ylös- että alaspäin taajuusakselilla: 1 1 v(t ) ⋅ cos(2πf c t ) ↔ V ( f − f c ) + V ( f + f c ) 2 2 (2.41) Alkuperäisen signaalin v(t) spektri V(f) siis kahdentuu niin että spektrin se kohta, joka alun perin oli taajuuden f=0 kohdalla, siirtyy taajuuksien ±fc kohdalle. Tällaista spektrin siirtämistä taajuusakselilla toiseen paikkaan kutsutaan taajuuskonversioksi. 30 ****************** Esimerkki alkaa ************************************** Esimerkki 2.8 Tarkastellaan tutkapulssia ja sen spektriä. Pulssitutka lähettää kuvassa 2.19 esitetyn kaltaisia siniaaltopurskeita, joiden yhtälön voi kirjoittaa muodossa t v(t ) = Π ⋅ A cos(2πf c t ) τ Kuva 2.19 Tutkapulssi Soveltamalla suoraan yhtälöitä (2.27) ja (2.41) tämän spektrin lausekkeen voi kirjoittaa: V( f ) = 1 1 Aτ sinc[( f + f c )τ ] + Aτ sinc[( f − f c )τ ] 2 2 31 Kuva 2.20 Tutkapulssin amplitudispektri. Kuvassa on vain positiivinen taajuusakseli. Negatiivisella akselilla kohdassa f = −fc on samanlainen spektri. Kuvan spektri on samanlainen kuin esimerkissä 2.13 oleva suorakulmaisen pulssin amplitudispektri. Koska sinc-funktion muotoinen spektri on kuitenkin siirtynyt pois nollataajuuden kohdalta, on signaalin kaistanleveys kaksinkertainen verrattuna pelkän τ:n kestoisen suorakulmaisen pulssin kaistanleveyteen. Kaistanleveyttä määriteltäessähän otetaan huomioon vain positiivisella taajuusakselilla oleva spektrin osa (ks. luku 2.5). Suorakulmaisen pulssin spektrin pääkeilasta vain puolet on positiivisella taajuusakselilla, joten sen kaistanleveys on W= 1/τ. Sen sijaan nyt tutkitun tutkapulssin spektrissä koko pääkeila on positiivisella taajuusakselilla, joten kaistanleveys on W= 2/τ. ****************** Esimerkki loppuu ************************************** 2.7 Impulssi Luvussa 2.5 tarkasteltiin suorakulmaisen pulssin spektriä ja saatiin tulos t AΠ ↔ Aτ ⋅ sinc( fτ ) τ Valitaan pulssin kesto ja korkeus niin, että niiden tulo (eli pulssin pinta-ala) Aτ = 1. Silloin tietysti tulee ongelmia suureiden yksiköiden kanssa, mutta ei anneta sen haitata. Pulssin spektrin yhtälö on tällöin sinc(fτ). Sitten annetaan pulssin lyhentyä niin, että sen korkeus samalla muuttuu niin, että koko ajan Aτ = 1. Pulssin spektrin muoto noudattaa kuvassa 2.12 olevaa sinc-muotoa. Function sinc(x) nollakohdat ovat kohdissa x = kokonaisluku, joten pulssin spektrin sinc(fτ) nollakohdat ovat taajuuksilla f = kokonaisluku ⋅ (1/τ). Kun pulssi kapenee niin, että sen keskikohta pysyy aika-akselin origossa ja koko ajan sen pintaala = 1, sen spektrin pääkeila levenee, mutta pääkeilan maksimiarvo säilyy ykkösenä. Pääkeilahan on taajuusakselilla välillä -1/τ ... 1/τ ja nyt pulssin kesto τ pienenee. On helppo päätellä, että kun pulssin kesto lähestyy nollaa (jolloin sen korkeus lähestyy ääretöntä), spektri lähestyy vaakasuoraa viivaa, jonka arvo = 1. Teoreettisena rajatapauksena saadaan äärettömän lyhyt, äärettömän korkea pulssi, jonka pinta-ala = 1 ja jonka spektri = 1. Tuota pulssia kutsutaan impulssiksi ja sen symboli on δ(t). Impulssille siis pätee: δ (t ) ↔ 1 (2.42) Impulssin spektri siis on taajuudesta riippumaton vakio. Impulssi on signaali, joka sisältää kaikkia taajuuksia yhtä paljon. Impulssi δ(t) sijaitsee aika-akselin nollakohdassa. Sen piirrossymbolina käytetään ylöspäin osoittavaa 1:n korkuista nuolta. Tuo nuolen korkeus ei siis ilmoita impulssin korkeutta (joka on ääretön), vaan sen pinta-alan. Voidaan sanoa, että δ(t) on perusimpulssi, jonka arvo = 1 ja joka tapahtuu hetkellä t = 0. Impulssi voi sijaita myös muualla aika-akselilla ja sen arvo voi olla muutakin kuin 1. Kuvassa 2.21 on A:n arvoinen td:n verran viivästetty impulssi Aδ(t-td). 32 v(t) A t td Kuva 2.21 Impulssi Aδ(t-td) aika-akselilla Soveltamalla yhtälöitä (2.36) ja (2.42) voidaan kirjoittaa suoraan yleisen impulssin Fouriermuunnos Aδ (t −t d ) ↔ Ae − j 2πftd (2.43) Impulssin pinta-alaominaisuus voidaan ilmaista seuraavalla yhtälöllä: ∞ ∫ δ (t )dt = 1 (2.44) −∞ Koska impulssi on äärettömän kapea, voidaan kirjoittaa ε ∫ δ (t )dt = 1 (2.45) −ε missä ε on mielivaltaisen pieni positiivinen luku. Suoraan yhtälöstä (2.44) seuraa tämä impulssin ominaisuus: ∞ ∫ v(t )δ (t − t d )dt = v(t d ) (2.46) −∞ jonka voi ajatella näytteeksi signaalista v(t) hetkellä t = td. Spektrianalyysin kannalta tärkeä impulssiin liittyvä asia on signaalin arvon askelmaisen muutoksen derivaatan tulkinta impulssina. Askelfunktiolla u(t) tarkoitetaan signaalia, jonka arvo hyppää arvosta 0 arvoon 1 hetkellä t = 0. Kuvassa 2.22 on A:n suuruinen hetkellä t = td tapahtuva askel, jonka yhtälö siis on v(t) = Au(t − td). v(t) A t td 33 Kuva 2.22. Askelmainen signaali dv(t ) arvo nolla dt kaikkialla muualla paitsi juuri askeleen kohdalla eli hetkellä t = td. Koska muutos on pystysuora, on derivaatta tuossa kohdassa arvoltaan ääretön. Derivaatta siis muistuttaa kovasti impulssia, koska se on nolla muulloin paitsi äärettömän lyhyen ajan, jolloin se on ääretön. Voidaankin osoittaa, että seuraava tulkinta on oikeutettu: Jos kuvan signaali v(t) derivoidaan ajan suhteen, on derivaattasignaalin d [Au (t − t d )] = Aδ (t − t d ) dt (2.47) Siis A:n korkuisen askeleen derivaatta on A:n arvoinen impulssi. Yhtälö (2.47) on varsin käyttökelpoinen työkalu, kun halutaan selvittää erilaisten, erityisesti pulsseista koostuvien signaalien spektrejä. Esimerkki 2.9 valaisee asiaa. ****************** Esimerkki alkaa ************************************** Esimerkki 2.9 Määritetään esimerkissä 2.6 käsitellyn pulssiparin spektri uudestaan käyttäen hyväksi impulsseja. Ratkaisu. Derivoidaan kuvassa 2.16 oleva signaali. Tulos: x(t ) = dv(t ) = Aδ [t − (− T − τ / 2 )] − Aδ [t − (− T + τ / 2 )] + Aδ [t − (T − τ / 2 )] − Aδ [t − (T + τ / 2 )] dt Tämän derivaattasignaalin Fourier-muunnos saadaan soveltamalla jokaiseen impulssiin yhtälöä (2.43): X ( f ) = Ae − j 2πf (−T −τ / 2) ) − Ae − j 2πf (−T +τ / 2) ) + Ae − j 2πf (T −τ / 2) ) − Ae − j 2πf (T +τ / 2) ) = Ae j 2πfT e jπfτ − Ae j 2πfT e − jπfτ + Ae − j 2πfT e jπfτ − Ae − j 2πfT e − jπfτ ( ) ( = Ae j 2πfT e jπfτ − e − jπfτ + Ae − j 2πfT e jπfτ − e − jπfτ ( )( = A e j 2πfT + e − j 2πfT e jπfτ − e − jπfτ = A ⋅ 2 cos(2πfT ) ⋅ j 2 sin(πfτ ) ⋅ ) ) Ja koska yhtälön (2.38) mukaan X ( f ) = j 2πf ⋅ V ( f ) saadaan V( f ) = V ( f ) A ⋅ 2 cos(2πfT ) ⋅ j 2 sin(πfτ ) = = 2 Aτ ⋅ cos(2πfT ) ⋅ sinc( fτ ) j 2πf j 2πf eli täsmälleen sama lauseke kuin mitä saatiin jo aiemmin esimerkissä 2.6. ****************** Esimerkki loppuu ************************************** 34 Edellä on käsitelty aika-alueen impulsseja. Myös spektrissä voi esiintyä impulsseja. Yhtälössä (2.23) on esitetty jaksollisen signaalin v(t) spektrin V(f) yhtälö Fourier-sarjan kertoimia käyttäen. Saman yhtälön voi impulsseja käyttäen kirjoittaa V( f ) = ∞ ∑c n = −∞ n ⋅δ ( f − n ⋅ f0 ) (2.48) Harmonisten taajuuksien n ⋅ f 0 kohdalla olevia spektriviivoja siis voi pitää impulsseina. Koska Fourier-sarjan kertoimet cn voivat olla myös kompleksisia, tulee tässä samalla todetuksi, että on olemassa myös kompleksisia impulsseja. 2.8. Konvoluutio Vaikka konvoluutio ei olekaan varsinaisesti spektrianalyysiin liittyvä asia, vaan paljon laajempi tietoliikenne- ja muiden signaalien käyttöön liittyvä ilmiö, on sen esittely tässä yhteydessä perusteltua. Konvoluution käsitettä tarvitaan luvussa 3, ja sitä voi käyttää myös spektrien määrittämisen apuvälineenä. Konvoluutio on ilmiö, joka esiintyy luonnossa koko ajan. Esimerkiksi kaikki se informaatio, mitä saamme näkö- ja kuuloaistimme välityksellä on erilaisten konvoluutioiden tulosta. Pari esimerkkiä: • Kun kuuntelet kotona radiota, et kuule radion kaiuttimen ääntä, vaan kuulet kaiuttimesta tulevan äänen ja huoneakustiikasta riippuvan suureen (eli huoneen impulssivasteen; tähän palataan luvussa 3) konvoluution. • Kun otat valokuvan, ei filmille talletu kuvattava kohde, vaan sinne tallettuu kuvattavan kohteen ja mm. optiikan ominaisuuksista ja kameran mahdollisesta tärähtämisestä riippuvan suureen konvoluutio. Konvoluutiossa tapahtuu signaalien eräänlainen sekoittuminen toisiinsa. Kahden signaalin konvoluution tuloksena oleva uusi signaali tavallaan perii ominaisuuksia molemmilta alkuperäisiltä signaaleilta. Silloin konvoluutiosignaali muistuttaa jollain tavalla kumpaakin alkuperäistä signaalia. Matemaattisesti tarkasteltuna konvoluutio on kahden signaalin välinen tapahtuma, jonka määrittelee yhtälö x(t ) * y (t ) = ∞ ∫ x(λ ) y(t − λ )dλ (2.49) −∞ Yhtälön selitystä: • Vasen puoli luetaan "x:n ja y:n konvoluutio" tai täsmällisemmin "signaalien x(t) ja y(t) välinen konvoluutio". • Tulos eli konvoluutio on ajan t funktio. Se on siis samalla tavalla aikatason signaali kuin konvoloituvat sigaalit x(t) ja y(t). • Integroinnissa käytetään apumuuttujaa λ. Sille, että se on juuri λ, ei ole mitään erityistä syytä, se voisi periaatteessa olla mikä tahansa muukin kirjain. Oleellista on se, että vaikka integrointi tapahtuukin ajan suhteen koko aika-akselin yli −∞:stä ∞:ään, ei integrointimuuttujana voi käyttää normaalia ajan symbolia t, koska se on integroinnin lopputulokseen jäävä aikamuuttuja. 35 • • Integroitavana on λ-akselille asetettujen signaalien x ja y tulo. Signaali x on λ-akselilla sellaisenaan, mutta y-signaalin paikka λ-akselilla riippuu aikamuuttujan t arvosta. Lisäksi ysignaali kääntyy peilikuvakseen, koska argumenttina on −λ. Aikamuuttujaa t voi ajatella "kuluvana aikana", jolloin t kasvaa koko ajan. Tämä tarkoittaa sitä, että λ-akselille sijoitettu y-signaali liukuu koko ajan vasemmalta oikealla, kun t kasvaa. Esimerkki 2.10 pyrkii selventämään konvoluutiointegraalin laskemista. ****************** Esimerkki alkaa ************************************** t t Esimerkki 2.10 Määritä suorakulmaisten pulssien x(t ) = A∏ . ja y (t ) = B∏ τ1 τ2 konvoluutio. Oletetaan τ 1 ≥ τ 2 . Ratkaisu: Kuvassa 2.23 on signaalit sijoitettuna λ-akselille yhtälön (2.49) jälkeen olevan selityksen mukaisesti. Nyt y-signaalin kääntyminen peilikuvakseen ei näy, koska pulssi on symmetrinen. Pulssi x on origossa, mutta pulssin y paikka riippuu kuluvan ajan t arvosta. Kuvaan on piirretty ypulssi viidellä eri t:n arvolla. Nimittäin se, mitä konvoluutiointegraalin alle tulee, riippuu siitä, miten paljon signaalit x ja y ovat päällekkäin λ-akselilla. Nyt kun y-pulssi on kapeampi kuin xpulssi, on kolme eri tapausta: • Pulssit eivät ole yhtään päällekkäin (kuvan kohdat a ja e) • Pulssit ovat osaksi päällekkäin (kuvan kohdat b ja d) • y-pulssi on kokonaan x-pulssin päällä (kuvan kohta c) • a) b) y(t-λ ) y(t-λ ) x(λ ) x(λ ) λ λ t c) t d) y(t-λ ) x(λ ) y(t-λ ) x(λ ) λ t λ t 36 e) y(t-λ ) x(λ ) λ t Kuva 2.23 Konvoloituvat pulssit ajan t eri arvoilla Silloin kun pulssit eivät ole yhtään päällekkäin (kuva 2.23 a ja e), on yhtälön (2.49) integroitava tietysti nolla kaikilla λ:n arvoilla, joten saadaan konvoluution määrittämisen ensimmäinen osatulos: x(t ) * y (t ) = 0, kun t < − τ 1 2 − τ 2 2 ja kun t > τ 1 2 + τ 2 2 Kun y-pulssi on ylittänyt x-pulssin vasemman reunan, mutta on vielä osaksi x-pulssin ulkopuolella (kuva 2.23 b), eli kun − τ 1 / 2 − τ 2 / 2 ≤ t ≤ −τ 1 / 2 + τ 2 / 2 , on integraalin alla olevan lausekkeen arvo = AB silloin kun λ on välillä − τ 1 / 2 ... t + τ 2 / 2 , joten mainitulla t-välillä konvoluution arvo on x(t ) * y (t ) = t +τ 2 / 2 ∫ AB dλ =AB t + τ − τ1 + τ 2 1/2 2 Kun y-pulssi on kokonaan x-pulssin päällä (kuva 2.23 b), eli kun − τ 1 / 2 + τ 2 / 2 ≤ t ≤ τ 1 / 2 − τ 2 / 2 , on integraalin alla olevan lausekkeen arvo = AB silloin kun λ on välillä t − τ 2 / 2 ... t + τ 2 / 2 , joten mainitulla t-välillä konvoluution arvo on x(t ) * y (t ) = t +τ 2 / 2 ∫ AB dλ =ABτ 2 t −τ 2 / 2 Ja lopuksi, kun y-pulssi on ylittänyt x-pulssin oikean reunan, mutta on vielä osaksi x-pulssin päällä (kuvan 2.23 d), eli kun τ 1 / 2 − τ 2 / 2 ≤ t ≤ τ 1 / 2 + τ 2 / 2 , on integraalin alla olevan lausekkeen arvo = AB silloin kun λ on välillä t − τ 1 / 2 ... τ 2 / 2 , joten mainitulla t-välillä konvoluution arvo on x(t ) * y (t ) = τ2 / 2 ∫ AB dλ =AB − t + τ t− 1 /2 τ1 + τ 2 2 Konvoluution kuvaaja on piirretty kuvaan 2.24. Konvoluutio on yleisessä tapauksessa puolisuunnikas. Jos pulssit ovat samanlevyiset, eli τ 1 = τ 2 tulee konvoluution kuvaajasta kolmion muotoinen pulssi. 37 x(t)*y(t) C t -T1 -T2 T2 T1 Kuva 2.24 Suorakulmaisten pulssien konvoluutio. Kuvassa on selvyyden vuoksi käytetty seuraavia symboleja: T1 = τ1 2 + τ2 2 , T2 = τ1 2 − τ2 2 , C = ABτ 2 . ****************** Esimerkki loppuu ************************************** Konvoluution vaikutus spektriin voidaan johtaa sijoittamalla konvoluutiointegraali (2.49) Fourier-muunnosintegraaliin (2.22). Tulos on varsin yksinkertainen: x(t ) * y (t ) ↔ X ( f )Y ( f ) (2.50) Aikatason konvoluutio siis aiheuttaa spektrien kertolaskun. Edellä on esitetty aikatasossa tapahtuva konvoluutio. Myös spektrit voivat konvoloitua, ja niin tapahtuu silloin, kun aikatason signaaleja kerrotaan keskenään. Nimittäin voidaan johtaa tulos x(t ) y (t ) ↔ X ( f ) * Y ( f ) (2.51) Nämä kaksi tulosta ovat hyvin keskeisiä tietoliikennesignaalien käsittelyn kannalta ja niihin palataan myöhemmin tässä kirjassa. On helppo osoittaa, että konvoluution leveys (siis aaltomuotojen tapauksessa konvoluutiosignaalin kesto ja spektrien tapauksessa konvoluutiospektrin leveys) on konvoloitavien asioiden leveyksien summa. Näinhän kävi edellä esimerkissä 2.10. Siis yhtälön (2.51) perusteella voidaan päätellä, että jos kaksi signaalia, joiden kaistanleveydet ovat B1 ja B2 kerrotaan keskenään, on lopputuloksen kaistanleveys B1 + B2. Edellisessä luvussa käsitelty impulssi esiintyy usein konvoluution yhteydessä. Voidaan osoittaa, että v(t ) * δ (t − t d ) = v(t − t d ) (2.52) Siis signaalin konvoloiminen viivästetyn impulssin kanssa antaa tulokseksi alkuperäisen signaalin viivästettynä.
© Copyright 2024