Professional Documents
Culture Documents
Dr. A.Demirkol
BÖLÜM 9
ÖRNEKLEME TEORİSİ
GİRİŞ
Bir işaretin, kendisinden eşit zaman aralıklarıyla alınan örneklerden tekrar elde edilebilmesi
önemlidir. Sürekli işaretten alınan örnekleri, diğer bir deyişle ayrık noktaları göz önüne
alalım. Bazen alınan örnekleri sağlayacak kaynak işaretler birden fazla olabilir. Yani aynı
ayrık noktaları verecek işaret sayısı oldukça fazla olabilir. Aşağıdaki şekil bu yaklaşıma
örnektir.
f 2 (t )
f1 (t )
f 3 (t )
t
− 3T − 2T −T 0 T 2T 3T
Verilen şekil örnekleme teorisinin önemini ve özelliğini çok açık olrak vurgulayan çarpıcı bir
örnektir. Görüldüğü gibi üç sürekli ve farklı işaretin f1 (t ) , f 2 (t ) ve f 3 (t ) eşit uzaklıktaki
(zamanlardaki, kT) kesişimleri aynı ayrık noktaları vermektedir. Kesişimler dikkate
alındığında
durumu söz konusudur. Aynı değerleri, örnekleri veya ayrık noktaları veren birden fazla
tesadüfi işaret ortaya çıkmıştır. Üç işaret aynı değerleri verdiğine göre bu noktalardan acaba
tekrar orijinal üç işareti elde etmek mümkün olabilecek mi. Ortada üçtane sürekli-zaman
işareti ve bir tanede bunların kesişim değerlerinden oluşan ayrık-zaman noktalı bir işaret var.
Duruma göre ayrık işaret birden fazla sürekli işaretten elde edilebilmektedir. Bunun tersi
doğrumudur?. Elde edilen ayrık-zamanlı işaret eğer tekrar sürekli-zaman işaretlerini
oluşturabilecekse bu mantıklı olurdu. Ama ortada şu sorun vardır : tek bir ayrık-zamanlı
işaretten nasıl olacak ki üç tane farklı sürekli-zaman işareti elde edilebilecektir?. Bu mümkün
olamaz. Tek bir ayrık-zamanlı işaret yine bir sürekli-zaman işaretini tam olarak
oluşturabilecektir. Örnekte görülen f1 (t ), f 2 (t ), f 3 (t ) işaretleri aynı ortak noktalara sahip
olmasına rağmen, her bir işaretin bu tür ayrık noktalardan tekrar elde edilebilmesi için bazı ön
koşullara gerek vardır.
1
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Örneğin işaretlerden herhangi birinin ayrık noktalardan tekrar elde edilebilmesi için söz
konusu ayrık noktaların (örneklerin) sayısı (hacmi) önemlidir. Her işaret için bu ayrık
noktaların sayısı farklı olacaktır. Bu sayı neye göre değişecektir?. İşaretin içeriğiyle ilgili en
önemli parametre olan frekans bu açıdan belirleyicidir. Bu durum yukarıdaki
f1 (t ), f 2 (t ), f 3 (t ) şekillerinde görülmektedir. İşaretler aynı noktaları sağlamasına rağmen her
biri farklı frekanslardadır. Bu farklı işaretlerden elde edilen noktaların sayısı farklı olacağı
için bu örneklerden tekrar orijinal sürekli-zaman (analog) işaretlerin tekrar elde edilmesi de
mümkün olmayacaktır. Çünkü farklı frekanslı işaretler demek, her birinin farklı ayrık
noktaları olabileceği anlamına gelmektedir. Eğer farklı frekanslı işaretlerden daima aynı
sayıda örnek noktası alınırsa durum şöyle açıklanabilir: aynı parçayı farklı frekanslardaki
müzik aleti ile çalmayla eş değerdir. Bu durumda kulağa tam kıvamında (frekansında) sesler
gelebileceği gibi daha düşük kalitede seslerde duyabileceğiz. Bu kalitesiz sesler daha ziyade
olması gerekenden daha düşük frekansla çalındığında çıkan seslerle ilgilidir. İşte aynı müzik
parçasının olması gerekenden daha düşük frekansla çalınması durumunda sesin bayılması
(fading) gibi bir ses ortaya çıkar. Bu duruma örnekleme teorisinde “örtüşme” (aliasing)
denilmektedir. Bunun sinema filmlerindeki arabaların dönen tekerinin sanki duruyormuş gibi
yada geri dönüyormuş gibi görünmesiyle bağlantısı var. Buna sebep olan gözümüzün
seyretme anındaki frekansının tekerin frekansından düşük olmasıyla açıklanabilir.
Verilen şekle göre teorik açıdan bu örneklenmiş işaretten tekrar orijinal işaretler
f1 (t ), f 2 (t ), f 3 (t ) elde edilebileceklermiş gibi görünüyor?. Ancak bunun böyle olamayacağı
örnekleme teorisi ile açıklanabiliyor. Örnekleme teorisi ile yukarıdaki işaretlerle oluşan
karmaşa ortadan kalkmakta ve işaretlerin örneklerinden tekrar elde edilmesi üzerine kural ve
standart getirilmektedir. Bu teori yardımıyla her farklı işaretin örnek sayısı farklı alınmakta ve
sonuçta bu örneklerden orijinal işaret tekrar elde edilmektedir. Örnekleme teorisi bunu sorun
(örtüşme, aliasing) kabul eder ve oluşmamasının standardını ortaya koyar.
Farklı işaretlerin açıklanan sebeplerden dolayı oluşan örneklerinden orijinal işaretlerin tekrar
elde edilemeyişleri “band-sınırlı” kavramıyla da açıklanabilir. Band sınırlı işaretlerin değerleri
belirli bandın dışında sıfırdır (Fourier transformasyonları sıfır; ω > 2πB için F (ω) = 0 ).
Böylece band-sınırlı işaretin en yüksek frekans değerine (B Hz) göre örnekler alınacağından
ve bu değer her bir işaret için farklı olacağından, sonuçta alınan örneklerde farklı olacaktır.
Diğer bir deyişle birden fazla farklı ama band-sınırlı işaret yukarıdaki şekle benzer aynı
noktaları oluşturmayacaktır artık. Bu yolla örneklemenin özelliği ve önemi ortaya
çıkmaktadır. Buna göre birbirinden farklı olan her bir işaretin örnekleme frekansına göre
alınan örnekleri veya ayrık noktaları farklı olacağından, yukarıdakine benzer olarak aynı
değerleri veren farklı birden fazla işaret artık söz konusu olmayacaktır.
2
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Örnekleme
Belli koşullar altında sürekli-zaman (analog) işareti kendisinden alınan örneklerle ayrık
formda gösterilebileceği gibi (construction), bunun sonucunda aynı örneklerden tekrar elde de
edilebilir (reconstruction). Bunun için öncelikle işaretin band-sınırlı (band-limited) olması
gerekecektir. Böyle bir band sınırının örneğin B Hz olduğu kabul edelim. Bu koşul
sağlandıktan sonra örneklerin zamanda (zamana bağlı olarak) eşit aralıklarla alınması
gerekecektir. Bu eşit aralıkların örnekleme frekansı olarak tanımlanan FS frekansının, band-
sınırlı işaretin frekansının en az iki katı (2B) veya iki katından büyük ( ≥ 2 B ) olması gerekir :
FS ≥ 2 B
FS-min = 2 B
olması gerekir, ki bu durumdaki Nyquist miktarı (rate) olarak anılır ( FS-min = FN ). Bu koşullar
altında sürekli-zaman işaretinin örneklenerek ayrık-zaman formunda gösterilmesi işlemine
kısaca “örnekleme” veya genel anlamda buna imkan tanıyan işaret analizlere “örnekleme
teorisi” adı verilmektedir. Ayrıca ilgili koşullar altında ( Fs ≥ 2 B ) sürekli işaretten alınan
numunelere de “örnek” adı verilmektedir. Örnekleme teorisinin uygulanabilmesi için iki
temel kriter olan
1. Band-sınırlı işaret
2. Örnekleme frekansı ( Fs ≥ 2 B )
3
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
ω1
A B
ω2
ω1
2ω1
ω1 ω1 ω1
2ω1
A B C D
4
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Görüldüğü gibi (b) de işaretlerden birinin frekansı diğerinin iki katıdır ( ω1 , 2ω1 ). Diğer bir
deyişle birinin hızı diğerinin iki katıdır. Eğer bu iki işaret (c) de gösterildiği gibi A
noktasından hareket ederlerse hızlı araç yavaş aracın aldığı mesafenin iki katını katetmiş
olacaktır. Buna göre aynı hızda gittiklerinde yavaş araç C noktasına geldiğinde hızlı araç D
noktasına varmış olacaktır. Burada şunu da düşünebiliriz. Hızlı aracın, yavaş aracın ilk
noktasından itibaren BC aralığındaki tüm noktalarını tek tek görebilmesi için onu yakalayıp
ve C deki görünen uç noktasının önüne geçmesi gerekir. Bunu hızlı aracın yavaş aracın önce
arkasını sonra aracın içindeki en arkadaki yolcuları, devamla ortadaki ve en öndeki yolcuları
ve de şöförünü geçtikten sonra bu kez yavaş aracın önüne geçmesi işlemine benzetmek
mümkündür. Bu aslında tipik bir konvülasyon işlemidir. Buradan şu sonuç ortaya çıkıyor ki
bir periodluk ve bir frekanslı (bir saykıl) bir işaretten her alteransta bir örnek alabilmek için,
ikinci işaretin frekansının en az birinci işaretin frekansının iki katı olma zorunluluğu vardır.
Bu yüzden örneklemede örnekleme frekansı, işaret frekansının en az iki katı olması kuralı
vardır ( Fs ≥ 2 B ). Bundan dolayı ω1 frekanslı işaret en az 2ω1 frekanslı işaretle
örneklenmelidir. Bu durumu vurguladığımız gibi konvülasyonlada açıklamız mümkündür.
ω1 ω1
2ω1
A B C D
Buna göre hızlı işaret yavaş işaretin solundan (sıfır noktasından) başlayarak yavaş işlemle
ilgili kesişen ortak noktaları belirleyecektir. Bu ortak noktalarda örneklenen noktalar olarak
düşünülebilir. Bu ortak noktalar iki farklı işaretin frekans konvülasyonu olarak düşünülebilir
( ω1 * 2ω1 ).
5
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Nyquist Örnekleme frekansı
Temel olarak Nyquist kuralı Shannon bilgi teorisi üzerine kurulu ve onun sonucu olan bir
yaklaşımdır. Bu yaklaşımın ifadesine göre
PS
C = B log 2 (1 + )
PN
Belli bir C bilgi kapasitesinin işaretin band genişliği B (Hz), işaretin gücü PS ve PN
gürültüyle ilişkilidir. Sürekli-zaman işaretinin band sınırlı olması anlaşıldıktan sonra,
örnekleme teorisi uygulanabilirdir. Bunun için alınacak örneklerin zaman olarak
birbirlerinden eşit ve de yakın aralıklarla dizilmiş olması gerekecektir. Bu homojen aralığı
sağlayan kavram örnekleme frekansı olarak anılmaktadır ve FS ile gösterilmektedir. Bu değer
ile yukarıda band sınırlı işaretin en yüksek değerli frekansını gösteren B değeri arasında
örneklemeyi gerçekleyecek bir bağıntı mevcuttur. Nyquist örnekleme frekansı olarak anılan
f N frekansı FS örnekleme frekansının yarısına eşittir.
FS
fN =
2
FS ≥ 2 B
Nyquist kuralı olarak anılan bu yöntemin garanti edilmesi durumunda ancak band-sınırlı
sürekli işaret tekrar örneklerinden elde edilebilmektedir. Bunun sağlanamaması durumunda
tekrar elde etme (reconstruction) mümkün olmayacaktır. Minumum anlamda dahi en azından
FN -min = 2 B
1
FS ≥ 2 B = ≥ 2B
TS
ve
1
TS ≤
2B
1
bağıntıları olacaktır. Buna göre örnekleme periodu TS , band-sınırlı işaretin belirttiği
2B
değerinden bile küçük alınmalıdır gerçeği ortaya çıkar.
6
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Bunun daha yalın bilinen anlamı, örneklenecek sürekli işaretten alınacak örnekler zaman
olarak birbirine son derece yakın olacaktır. Burada frekans açısından örnekleme
1
spektrumunda Fs örnekleme frekansı her birinin aralığı olan çok sayıda örnekle dolu
2B
olacaktır. Bunun sonucu olarak birbirine son derece yakın ve çok sayıda örnek alınacak
demektir ki, buda sağlıklı bir örneklemenin gereğidir.
F (ω)
−B 0 B ω
Nyquist frekansı ( f N ): Nyquist miktarı olarakda bilinir ama genel olarak ayrık sistemlerin
bir özelliğidir. Bazen FN / 2 olarak da adlandırılır. Bu açıdan işaretteki en yüksek frekanslı
bileşene eşit olduğu düşünülebilir ( f N = B )
7
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Örnek
Çözüm
a) sin c(100π t ) de band genişliğini bulmak için sin c(100π t ) fonksiyonunun Fourier
transformasyonunu bulmamız gerekiyor. Daha önceden
W ω
sin c(W t ) ⇔ rect ( )
π 2W
π ⎡100π ⎤ π ⎡ ω ⎤
sin c(100π t ) = ⎢ sin c(100π t )⎥ = ⎢⎣rect( 200π ⎥⎦
100π ⎣ π ⎦ 100π
ω
= 0.01 rect ( )
200π
ω ω
0.01 rect( ) = rect( )
200π 2W
b) sin c(100π t ) + sin c(50π t ) de band genişliği olarak en yüksek frekansa sahip bileşenin
değeri alınacağı için bu durumda B = 100 Hz olacağından Nyquist oranı ve aralığı (a) daki ile
aynı olacaktır. FS = 2 B = 200 Hz , T = 1 / 2 B = 0.05 s .
8
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Örnek
f (t ) = sin c 2 (100 t )
Çözüm
f (t ) = 30 sin c 2 (100 t ) işaretinin band genişliğini bulmak için 30 sin c 2 (100 t ) fonksiyonunun
Fourier transformasyonunu bulmamız gerekiyor. Daha önceden
W Wt ω
sin c 2 ( ) ⇔ Δ( )
2π 2 2W
2π ⎡ 200π 200π t ⎤ ⎡ ω ⎤
sin c 2 (100 t ) = 30 ⎢ sin c 2 ( )⎥ = 0.3 ⎢Δ(
200π ⎣ 2π 2π ⎦ ⎣ 2 × 200π ⎥⎦
ω
= 0.3 Δ( )
400π
ω ω
0.3 Δ( ) = Δ( )
400π 2W
Örnekleme amacıyla kullanılabilecek delta, sinc, impuls dizisi ve sıfır-dereceli tutucu gibi
çeşitli örnekleme fonksiyonları ve sistemleri vardır. Bunların içinde impuls dizisi olarak
anılan
∞
f (t ) = ∑ δ (t − kT )
k = −∞
9
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Örnek
∞
f (t ) = ∑ δ (t − kT )
k = −∞
fonksiyonunun Fourier transformasyonunu hesaplayınız.
Çözüm
Verilen f (t ) fonksiyonunu periodik (T) olduğundan Fourier serisi karşılığı Şekil (a) daki gibi
olacaktır.
f (t ) F (ω)
T
2π
T
t ω
4π 2π 2π 4π 6π
− 2T − T 0 T 2T 3T − − 0
T T T T T
-a- -b-
Şekil 4 (a) Periodik impuls dizisi (b) periodik impuls Fourier transformasyonu
1 j ω0 t
e ⇔ δ (ω − ω0 )
2π
e j ω0 t ⇔ 2π δ (ω − ω0 )
f (t ) = e j ω0 t
F (ω) = 2π δ (ω − ω0 )
∞ ∞
∑ ak e j k ω0 t ⇔
k =-∞
∑ 2π a
k =- ∞
k δ (ω − kω0 )
∞
F (ω) = ∑ 2π a
k =- ∞
k δ (ω − kω0 )
∞
2π
f (t ) = ∑a
k =-∞
k e j k ω0 t ω0 =
T
Bu denklem bir impuls dizisi (train) biçimindeki bir Fourier serisidir. Serinin katsayısı
10
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
1 T /2 1
ak =
T ∫− T / 2
δ (t ) e − j k ω0 t dt =
T
1
olarak hesaplanır. Buna göre impuls dizisinin bütün terimleri özdeş ve real olup değerine
T
eşit vede çift fonksiyon şeklindedir. Bulunan katsayı yukarıda spektrum ifadesinde yerine
yazılırsa
∞ ∞
1
F ( ω) = ∑ 2π a k δ (ω − kω0 ) =
k =-∞
∑ 2π T δ (ω − kω )
k =-∞
0
2π ∞
=
T
∑ δ (ω − kω )
k =-∞
0
elde edilir. Bulunan F (ω) spektrumu yukarıdaki Şekil (b) de gösterilmiştir. Farkedileceği
gibi zaman domenindeki impuls aralıkları perioda (T ) bağlı olarak büyüdükçe, frekans
domenindeki impuls aralıkları da giderek daralmakta ve frekans bileşenleri birbirine
yakınlaştığından, spektrumda daha fazla ve dar aralıklı bileşenlerden oluşan bir yoğunluk söz
konusu olmaktadır. Bulunan ifadeler tanımlamalara uygun olarak
∞
2π ∞
∑a
k =-∞
k e j k ω0 t ⇔
T
∑ δ (ω − kω )
k =-∞
0
11
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
F (ω)
f (t )
A
t
− 2πB 2πB ω
0 B F (Hz )
-a- -b–
PT (ω)
p (t ) = δ T (t )
2π
T
t
T − 2ωs − ωs 0 ωs 2ωs 3ωs ω
-c- -d-
p(t ) PT (ω)
f (t ) f (t ) F (ω) F (ω)
-e- -f-
LPF F (ω)
f (t )
A/T
t
2πB ωs ω
0 B Fs F (Hz)
- g- -h-
12
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Spektrumdan da görüldüğü gibi işaret B ile band-sınırlıdır. İşareti f (t ) örneklemek için
saniyedeki örnek sayısını gösteren örnekleme frekansını FS kabul edelim. Örneklemeyi
yapmak üzere bir örnekleme fonksiyonuna (işaretine) ihtiyacımız olacaktır. Bunuda T
periodlu birim impuls dizisi (unit impuls train) olarak δ T (t ) fonksiyonuyla gösterelim (şekil
(c)). Şekil (c) den de görüldüğü gibi örnekleme fonksiyonu olarak birim impuls fonksiyonu
δ (t ) kendisini her bir T periodunda tekrarlayan δ T (t ) özelliğinde ortaya çıkmıştır.
Kullanılan δ T (t ) , impuls örnekleme fonksiyonu olarak adlandırılır. Örneklemeyi belirleyen
en önemli fonksiyondur. Örnekleme bu fonksiyonun perioduna göre yapılıyor olsa da aslında
1
bu değer f (t ) işareti tarafından T ≤ olarak belirlenmektedir. Dolaysıyla örnekleme
2B
fonksiyonu δ T (t ) nin T periodunu bunun dışında belirleme durumu söz konusu olamaz. Böyle
bir teşebbüs “oversampling veya undersampling” olarak anılan durumlara sebebiyet verir ki
bunlarda örnekleme teorisinde arzulanmayan durumlardır.
Buradaki T periodu örnekleme periodu ( TS ) olup, örnekler arasındaki ardışık zamanı
göstermektedir. Bu şekilde T , 2T ,3T ,L, nT olacak şekilde örnek noktaları saptanır. Bunlar
f (t ) işareti baz alınarak yapıldığından, zaman ekseninde olacağından örnek anları
( T , 2T ,3T ,L, nT ) aynı zamanda “t” ye karşılık gelecektir. Bundan dolayı daha doğru
gösterim olarak t = T , 2T ,3T ,L, nT alınması daha tutarlı olacaktır. Yani örnekler “t” nin
T , 2T ,3T ,L, nT anlarında gerçeklenecek demektir. Şekil (e) deb de görülebileceği gibi
örnekleme band-sınırlı işaretin f (t ) , impuls örnekleme fonksiyonu p (t ) = δ T (t ) ile çarpımı
( f (t ) × p(t ) ) olarak gelişecektir.
f (t ) = f (t ) × δ T (t )
= f (t ) p (t )
∞
p(t ) = ∑ δ (t − nT )
n = −∞
2π ∞
PT (ω) =
T
∑ δ (ω − nω )
n = −∞
s
f (t ) = f (t ) p(t )
∞
= ∑ f (nT ) δ
n = −∞
T (t − nT )
13
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
olarak elde edilecektir (şekil (g)). Denklem ve Şekil (g) ye göre işaret fonksiyonu f (t ) , T-
periodlu örnekleme fonksiyonu δ T (t ) ile çarpıldığından bunun anlamı f (t ) işareti de her bir
T periodunda kendisini tekrarlayacak demektir. Bir başka deyişle δ T (t ) ile f (t ) işaretinden
her bir T anında bir örnek alınacaktır. Burada üzerinde durulması gereken ayrıntı δ T (t )
fonksiyonunun da T periodlu olduğundan dolayı trigonometrik Fourier serisi ile ifade
edilebilmesi durumudur. Bunun karşılığının daha önceki bölümlerden (Fourier serisi)
1 2π
δ T (t ) = [1 + 2 cos ωs + 2 cos 2ωs + 2 cos 3ωs + L] ωs = = 2πFs
T T
olduğunu biliyoruz. Buna göre f (t ) = f (t ) × δ T (t ) ifadesini tekrar düzenlersek
1
f (t ) = f (t ) δ T (t ) = [ f (t ) + 2 f (t ) cos ωs + 2 f (t ) cos 2ωs + 2 f (t ) cos 3ωs + L]
T
Şekil (g) gibi elde edilir. Buradan f (t ) nin spektrumu olan F (ω) yi bulmak için f (t ) nin
Fourier transformasyonunun alınması gerekecektir.
1
F{ f (t )} = [ F{ f (t )} + F{2 f (t ) cos ωs } + F{2 f (t ) cos 2ωs } + F {2 f (t ) cos 3ωs } + F {L]
T
1
F{ f (t ) cos ω0 t} = f (t )[e j ω0t + e − j ω0t ]
2
1
= [ f (t ) e j ω0t + f (t ) e − j ω0t ]
2
1
= [ F (ω − ω0 ) + F (ω + ω0 )]
2
1
F { f (t ) cos nωs } ⇔ [ F (ω − nωs ) + F (ω + nωs )]
2
gibi uygulanırsa
1
F{ f (t )} = [ F (ω) + F (ω − ωs ) + F (ω + ωs ) + F (ω − 2ωs ) + F (ω + 2ωs ) + F (ω − 3ωs ) + F (ω + 3ωs ) + L]
T
1 ∞
= ∑ F (ω − nωs ) n = 0, ± 1 , ± 2 , ± 3 , L
T n = −∞
= F (ω)
elde edilir. F (ω) ifadesini biraz daha kompakt olacak formda toparlarsak f (t ) nin Fourier
transformasyonu olarak F (ω)
14
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
1 ∞
F (ω) = ∑ F (ω − nωs )
T n = −∞
elde edilmektedir (şekil (h)). Bu denklemin zaten Şekil (b) ile (d) nin çarpımlarından oluştuğu
görülmektedir.
Yukarıdaki şekilden bazı kesitleri burada ele almamızda fayda var. Bunun için band sınırlı
işaretimiz f (t ) ve Fourier spektrumu aşağıdaki gibi olsun.
F (ω)
f (t )
A
t
− 2πB 2πB ω
0 B F (Hz )
-a- -b–
Görüldüğü gibi şekil (b) den f (t ) işaretinin band sınırlı (B) olduğu görülmektedir. Böyle bir
işareti en az 2B frekansıyla örneklemek istersek, işaretin örneklenmiş versiyonu ve bu
örneklenmiş versiyonunun spektrumu olarak aşağıdaki şekiller karşımıza çıkacaktır.
LPF F (ω)
f (t )
A/T
t
2πB ωs ω
0 B Fs F (Hz)
- c- -d-
15
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Şekil (c) ve de (d) den görüldüğü gibi örneklenmiş işaretin spektrumu (Fourier uzayı), şekil
(b) nin frekans olarak sıralı kopyalarından oluşmaktadır. Bunun sebebi şöyle açıklanabilir.
1
Her örnek FS ≥ 2 B veya T ≤ kuralına göre alındığından, dolayısıyla her örnek şekil (b)
2B
deki spektrum gibi olacaktır. Bu şekilde kaçtane örnek alındıysa, her örnek de her seferinde
şekil (b) gibi olacağından, sonuçta örneklenmiş işaretin spektrumu orijinal işarete ait band
sınırlı işaretin kopyalarından oluşan spektrum olacaktır. Burada dikkat edilirse örnekleme
fonksiyonu olarak kullanılan delta fonksiyonu ( p (t ) = δ T (t ) ) “ T ” örnekleme periodlu
olduğundan, örneklenecek f (t ) işareti t = kT koşuluyla örneklenerek f (t ) işaretine
dönüşmüştür. Burada aslında gerçek dönüşüm
f (t ) = f (t ) = f (kT )
= f [k ]
biçimindedir. Her örnek “ T ” örnekleme periodlu olmak üzere çok sayıda “k” tane örnekten
oluşacağı için her bir t = kT anı sonuçta farklı örnekleme frekanslarına karşı gelecektir
( ωS1 , ωS 2 ,L, ωSk ,L ) . Bu yüzden (d) deki örnekleme spektrumunun da çok sayıda
( ωS1 , ωS 2 ,L, ωSk ,L ) noktasından oluşması da doğaldır. Her bir nokta “k” değerine bağlı
olarak işaretin t = kT anındaki değerine karşılık gelmektedir.
Burada impuls dizisi (impuls train) ile ideal olarak örneklenen bir işaretin frekansının Nyquist
oranını sağlamadığı ( ωs < 2ωM ) sağlamadığı durum göz önüne alınmıştır. Örnekler
arasındaki boşluk (period) veya frekans aralığı ωs > 2ωM koşulunu sağlanamadığından alınan
örnekler yeterli mesafelerde tam olarak konuşlanacağı yerde, yetersiz aralık (space) yüzünden
birbirlerini örten veya birbirleriyle örtüşen şekilde oluşarak spektrumda çözünürlüğü
zayıflatan sonucunda işaret veya bilginin örneklerinden tekrar oluşturulamayacağı bir soruna
sebebiyet veren bir durum hasıl olmaktadır. Örtüşme veya “aliasing” adı verilen bo durum
ciddi bir soruna işaret etmektedir. Bu hem Shannon hemde Nyquist ile belirtilen kuralların
ihlal edilidiği durumu belirttiğinden, dolaysıyla bilginin gerekli gösterimi, işlenmesi veya
tekrar elde edilmesinin söz konusu olamayacağı ciddi bir soruna sebebiyet vermektedir. Bu
sorunun önüne geçmek için anti-aliasing (örtüşme karşıtı) adıyla anılan özel filtreler
kullanılmaktadır. Bir tür ön filtreleme (pre-filter) tipindeki bu yöntemle olabildiğince örtüşme
probleminin önüne geçilmeye çalışılır.
Örtüşmenin yarattığı sorunun çözümü için özel tip filtreleme kullanılmaktadır. Örneklenecek
işaretin en yüksek frekansına gore dizayn edilmiş örnekleme sistemi, örnekleme başlamadan
once analog işareti en yüksek frekans bileşenine gore filter eder. Bunun anlamı şudur ; eğer
bir analog ses örneklenecekse bir ses işaretindeki bulunabilecek en yüksek frekans belirlidir
(3 kHz civarı). Örnekleyici bu frekansın üzerindeki bileşenleri bastıracak veya filter edecektir.
Çünkü bazen gürültünün de sebep olabileceği bazı nedenlerden dolayı ses işaretinde 3 KHz in
üstünde yüksek frekanslı bileşenler olabilir. Bu durumda bunların elimine edilmeleri gerekir.
Aksi taktirde “örtüşme (aliasing)” problemi kaçınılmaz olur.
16
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Yüksek örnekleme (oversampling) durumu
Nyquist oranının gerektirdiğinden daha fazla örnek alınma işlemine oversampling veya
“aşırı örnekleme” denilmektedir. Bu yaklaşım her ne kadar örtüşme durumunu kesinlikle
bertraf etse de ve işaretin örneklerinden çok rahat şekilde elde edilmesini sağlasa da
oversampling durumunun gereksiz ve yararsız olduğu düşünülebilir. En önemli handikapı
fazla örnek alınması dolaysıyla yapılacak işlem karmaşası ve işlem hacminin yanı sıra bu
şekilde olası kullanılacak hesaplama elemanlarının kabiliyetlerini veya maliyetlerini de
olumsuz etkileyebileceği düşünülebilir. Bunun yanı sıra fazla sayıda örnek alınması genel ve
spesifik anlamda ideal bir örneklemeden de uzak bir durumdur.
Örnek
Örnekleme Örnekleme
frekansı ( FS ) periodu (T)
5 Hz 0.2
10 Hz 0.1
20 Hz 0.05
Çözüm
W Wt ω
sin c 2 ( ) ⇔ Δ( )
2π 2 2W
ω
olduğunu bildiğimize göre, sin c 2 (5π t ) fonksiyonunun Fourier transformasyonunu Δ( )
2W
gibi bulmamız gerekiyor. Denklemde görülen “ Δ ” üçgen fonksiyonu operatörüdür. Bunun
ω W Wt
için Δ( ) fonksiyonunu önce sin c 2 ( ) gibi düzenlememiz gerekecek. Bunun için
2W 2π 2
2π ⎡10π 10π t ⎤ ⎡ ω ⎤
sin c 2 (5π t ) = 30 ⎢ sin c 2 ( )⎥ = ⎢Δ(
10π ⎣ 2π 2 ⎦ ⎣ 2 × 10π ⎥⎦
ω
= Δ( )
20π
ω ω
Δ( ) = Δ( )
20π 2W
17
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Buradan W = 10π = 2πB , B = 5 Hz olarak bulunur. Şimdi bu durumu örnekleme frekansının
FS = 5 Hz alındığı koşula göre irdeleyelim.
a) FS = 5 Hz için
b) FS = 10 Hz için
c) FS = 20 Hz için
Her bir durumla ilgili şekilleri de göz önüne alan detaylı analiz aşağıdadır.
18
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
2. FS = 10 Hz bu frekans FS ≥ 2 B kuralı gereğince FS ≥ 2 B = 10 ≥ 2 × 5 = 10 = 10 koşulunu
sağlamaktadır. Diğer bir deyişle gereken en az 10 örnek FS = 10 Hz gereğince sağlanmaktadır.
Bu durumda olması gereken kadar sayıda örnekleme olduğundan Nyquist rate yani normal
örnekleme durumu oluşmaktadır. Bu durum Şekil (f) de gösterilmiştir. Alınan örnekler
1
arasındaki boşluk ( T = )yeterli olduğundan örnekler örtüşmemekte ve aliasing sorunu
2B
1
oluşmamaktadır. Bu durumdaki F (ω) nin spektrumu, normal koşullardaki F (ω)
T
spektrumunun kendisini periodik olarak tekrarladığı normal spektrumdan oluşacaktır (Şekil-
d). Bu durumda f (t ) band-sınırlı işareti kendisini oluşturan f (t ) örneklerinden tekrar elde
edilebilecektir. Bu Şekil (f) den de görülmektedir. F (ω) işareti, F (ω) spektrumunun
gösterildiği gibi bir alçak geçiren filtreden (LPF) geçirilmesiyle elde edilmektedir
(reconstruction).
19
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
f (t ) F (ω)
(a) (b)
ω
− 0.2 0 0.2 t − 10π 10π
−5 5 F (Hz)
ω
− 0.4 − 0.2 0 0.2 t − 40π − 20π 20π 40π
− 20 −5 5 20 F (Hz)
f (t )
(e) İdeal filtre F (ω) (f)
t
− 0.1 0 0.1 0.2 0.3 − 40π − 10π − 10π 40π ω
− 20 −5 5 20 F (Hz)
f (t ) F (ω)
(g) Pratik filtre (h)
20
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Bunların ışığında yukarıda verilen f (t ) = sin c 2 (10π t ) işaretinin verilen tablodaki
parametrelere göre örneklenmesiyle oluşan sonuçlar aşağıdaki tabloda toparlanmıştır.
Örnekleme Örnekleme 1
F (ω) = F (ω) Durum
frekansı ( FS ) periodu (T) T
5 Hz 0.2 ω
Δ( ) Undersampling
20π
10 Hz 0.1 ω
2Δ ( ) Nyquist oranı
20π
20 Hz 0.05 ω
4Δ ( ) Oversampling
20π
f (t ) = f (t ) p (t )
∞
p(t ) = ∑ δ (t − nT )
n = −∞
21
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
f r (t ) = f (t ) * h(t )
∞
f r (t ) = ∑ f (nT ) h(t − nT )
n = −∞
p(t )
f (t )
f (t ) h(t ) , H (ω) f r (t )
-a-
F (ω)
− ωM 0 ωM ω
-b-
F (ω)
1
ωs > 2ωM
T
ωs − ωM 0 ωM ωs ω
-c-
22
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
H (ω)
− ωc 0 ωc ω
-d-
Fr (ω)
− ωM 0 ωM ω
-e-
Şekil (c) de yer alan örneklenmiş F (ω) işareti h(t ) olarak verilen filtre fonksiyonunun
Fourier transformasyonudur. Verilen ifadeden h(t ) filtre fonksiyonunun aslında ideal alçak
geçiren filtre olduğunu düşünürsek ifadesinin
ωcT sin(ωc t )
h(t ) =
π ωc t
olarak tekrar elde edilebileceğini görmekteyiz. Burada Nyquist oranını sağlamak üzere
ωc = ωs / 2 olarak alınmıştır.
23
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Yeniden Elde Etmede Zorluklar
Bir işaretin örneklerinden tekrar elde edilmesinde bazı zorluklar vardır. Özellikle kullanılacak
pratik alçak geçiren filtre açısından bazı problemler mevcuttur. Örneğin örneklenmiş işaretin
spektrumu (b) deki gibi olsun. Bu durumda kesik çizgilerle belirtilmiş bir dikdörtgen tipli
alçak geçiren filtre kullanılırsa başlangıca yakın düşük frekanslı bileşenleri geçireceğinden,
sonuçta f (t ) ile tanımlanan band sınırlı işaretin frekans eşdeğerini geçirmiş olacağından, bu
da f (t ) işaretinin tekrar örneklerinden elde edilmesi demek olacağından, yapılanlar doğru ve
tutarlıdır. Ancak problem ideal bir filtrenin kullanılamama durumundan kaynaklanmaktadır.
Çünkü özellikle de minumum örnekleme frekansı seçildiğinde Fs = 2 B aşağıdaki durum söz
konusu olacaktır.
LPF F (ω)
f (t )
A/T
t
2πB ωs ω
0 B Fs F (Hz)
-a- -b-
Bu durumda şekil (b) incelendiğinde görülebileceği gibi örneğe ait spektrumdaki bileşenler
arasında bir boşluk olmayacaktır. İşaretler birbirlerine göre tam sınır değerlerindedir. Zorluk
bu noktadan itibaren başlıyor. Çünkü böyle bir durum için kesik çizgilerle belirtildiği gibi tam
ideal bir alçak geçiren filtre kullanılma zorluluğu vardır. Ancak biliyoruz ki pratik filtre
tasarımında filtrenin yalnızca geçirme kısmı olmayıp, aynı zamanda band geçiş ve band
söndüren kısımları da mevcuttur. Dolayısıyla şekil (b) deki gibi ideal bir alçak geçiren filtre
kullanılması mümkün olmayacaktır. Bu da direkt olarak bir işaretin örneklerinden elde
edilemeyeceği anlamına gelen bir zorluğu gösterir. Bu yüzden örnekleme kesinlikle FS > 2 B
kuralına uygun olarak yapılmalıdır. Bu andaki görüntüde aşağıdaki gibi olacaktır.
24
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
LPF F (ω)
f (t )
A/T
t
2πB ωs ω
0 B Fs F (Hz)
-a- -b-
Görülebileceği gibi en azından FS > 2 B ile yapılan örneklemede (b) deki gibi örnekler
arasında boşluk olacaktır. Böyle bir durumda idealden ziyade şekilde görüldüğü gibi yamuk
tipli bir tür pratik alçak geçiren filtre kullanımı mümkün olacaktır. Bu ilk duruma göre daha
uygulanabilirdir. Ancak bu kez de Paley-Wiener koşuluna göre, filtre realizasyonu için hiçbir
zaman söndürme bandı genlik kazancı sıfır olamayacağından ( H ( jω) ≠ 0 , başka bir sorunla
karşı karşıya kalırız. Neticede en azından örneklemenin FS > 2 B kuralına göre yapılması
durumunda örneklerden orijinal işaretin elde edilmesinin daha mümkün olabildiği
görülmektedir. En azından orijinal işarete oldukça yakın bir işaretin elde edilmesi söz konusu
olur. Bu şekilde en az bilgi kaybı yaşanır.
2. Örtüşme problemi
Bir işaretin örneklerinden tekrar elde edilmesindeki diğer bir güçlükte örneklerin
örtüşmesinden kaynaklanan pronlemdir. Bunun örnekleme frekansının işaret frekansından
küçük olduğu durumlarda oluştuğunu bilmekteyiz ( FS < 2 B ) . Yukarıda ele alınan örnekleme
durumu aşağıdaki gibi tekrar göz önüne alınırsa f (t ) = sin c 2 (10π t ) işaretinin FS = 5 Hz lik
frekansla örneklenmesi durumunda FS ≥ 2 B kuralı gereğince FS ≥ 2 B = 5 ≥ 2 × 5 = 5 ≠ 10
sağlayamadığından en az 10 örnek yerine FS = 5Hz gereğince yalnızca 5 tane örnek
yapılabilmektedir. Bu durumda olması gerekenden daha az sayıda örnekleme olduğundan
örtüşme (aliasing) durumu oluşmaktadır. Bu durumda aşağıda (b) deki işaret örtüşmeden
dolayı Şekil (d) deki gibi olmaktadır. Bu alınan örnekler arasında yeterince boşluk
1
olmadığından ( T > ) örnekler birbirlerini örtecek şekilde dizilmişlerdir. Bu durumda
2B
sağlıklı bir örneklemeden bahsetmek mümkün değildir. Bunun sonucu olarak, orijinal f (t )
band-sınırlı işaret kendisini oluşturan f (t ) örneklerinden tekrar elde edilemeyecektir.
25
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
f (t ) F (ω)
ω
− 0.2 0 0.2 t − 10π 10π
−5 5 F (Hz)
(a) (b)
f (t ) F (ω)
− 20 −5 5 20 F (Hz)
(c) (d)
Bu durumda yapılması gereken ilk iş ihtiyati olarak işaretin alçak geçiren bir filtreden
geçirilmesidir. Çünkü örtüşme, işaretteki herhangi bir sebeple bulunan rastgele yüksek
frekanslı olmaması gereken bir işaretten kaynaklanmış olabilir. Çünkü böyle bozucu bir
frekans f (t ) işaretinde normalde olmayan ama gürültü tipinde bir şekilde sonradan var
olabilecek istenmeyen bir işaret türü de olabilir. Örnekleme öncesi ön filtreleme bu sorunu
çözebilir. Ön filtre, örtüşme filtresi veya karşıt filtre (anti-aliasing fitler) olarak kullanılacak
filtre bir alçak geçiren filtre olacaktır. Bu şekilde işareti bozabilecek ve sonucunda örtüşmeye
götürebilecek istenmeyen yüksek frekanslı bileşen ortadan kaldırılabilir. İstenmeyen frekansın
gürültü olması muhtemeldir. Çünkü gürültü teorik olarak spektrumun tüm bileşenlerini içeren
yüksek frekanslı bir işarettir.
Diğer bir taraftan örtüşmeyi önleyecek alternatif bir yol daha vardır. Bu da şekil (d) görülen
örtüşen işaretin kuyruk kısımları üzerindedir. Dikkat edilirse, örtüşen kısımlar genellikle bu
kuyruk bölümünde bulunan bileşenlerdir. Bu yüzden örneklemeyi garanti etmek adına
örneklemeye geçmeden bu kuyruk kısımlarının filtre edilmesi de diğer bir alternatif
çözümdür. Bu şekilde bir şekilde örtüşmeye ve sonucunda bilgi kaybına sebep olabilecek bir
sorun işin başındayken ortadan kaldırılmış olunur. Bu anlamda kullanılacak filtre de yine bir
tür alçak geçiren filtre olacaktır. Çünkü işaretin her iki yanındaki kuyruk kısmını oluşturan
bileşenler yüksek frekanslıdırlar. Kullanılacak her bir yöntemle en az bilgi kaybı
yaşanabileceği gibi aynı zamanda işaretlerin örneklerinden elde edilmesi de garanti
edilmektedir.
26
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Sıfır-Dereceli Tutucu Kullanarak Örnekleme
∞
p(t ) = ∑ δ (t − nT )
n = −∞
2π ∞
PT (ω) =
T
∑ δ (ω − nω )
n = −∞
s
olan fonksiyonun eşdeğeridir. Buna eşdeğer sıfır-tutucu sisteminin “tutma (hold)” özelliği ile
impuls özellikli darbelerin örneklenmesi, üretilebilmesi mümkün olabilmektedir. Özel
nitelikli impuls dizisi gibi örneklemede kullanılan böyle bir sistemin basit şeması aşağıdaki
şekilde (a,b,c,d,e,f) gösterilmiştir.
27
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
f (t ) f [n]
0 t 0 n
-a- -b-
f [n] f r (t )
0 n 0 t
-c- -d-
f r (t ) f (t )
0 t 0 t
-e- -f-
Görüldüğü gibi (a) daki f (t ) işareti belli bir örnekleme perioduna (T) sahip “sıfır-tutucu”
(zero-order hold) sistemiyle (b,c) deki noktalarından itibaren örneklenmeye başlamaktadır.
Her örneklenen örnek bir “örnekle ve tut” aşamasından geçerek örnekleme işlemi
tamamlanmaktadır. Bunun anlamı şudur : ilk değer belirlenen anından itibaren örneklendikten
sonra, sonraki örnek elde edilinceye kadar tutulur (hold). Örneklenecek her nokta bu şekilde
elde edilir. Bunun sonucundaki görüntü (b) ve (c) den görüldüğü gibi merdiven (stair,
ladder) şeklindeki bir işaret olarak oluşur. Merdiven şeklindeki darbe uç noktalarından
itibaren birleştirilerek ZOH sisteminin çıkışı olan işaret f r (t ) elde edilir (d). Bu işaretin bir
alçak geçiren filtreden (LPF) geçirilmesiyle oluşan sürekli f r (t ) işaretinin asıl (örneklenen)
işaret olduğu kabul edilir ( f r (t ) = f (t ) ). Bu işlem bize, bu yolla Şekil (d) de f r (t ) olarak
verilen ZOH çıkışlarının pratikte dar ve yüksek genlikli impulslar olarak elde edilebileceğini
göstermektedir. Çünkü ilk örnekleme yöntemi olarak verilen “impuls-dizisi” ile örneklemede,
örnekleme fonksiyonu olarak bir tür impuls fonksiyonu olan Delta dirac ( δ (t ) )
kullanılmaktaydı.
28
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
∞
f (t ) = ∑ f (nT ) δ (t − nT )
n = −∞
f (t )
f (t ) Sıfır-dereceli f 0 (t )
tutucu
∞
f 0 (t ) = ∑ f [n] h(t − nT )
n = −∞
Çıkışı bu şekilde olan ZOH sisteminin çalışma prensibini gösteren blok şeması aşağıdaki
şekillerde (a,b,c,d) görülmektedir.
29
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
p(t )
h0 (t )
f p (t )
f (t ) f 0 (t )
0 T t
-a-
f (t )
t
-b-
f p (t )
t
-c-
f 0 (t )
t
-d-
Şekil 15 LTI Impuls dizili sıfır-dereceli tutma (zero-order hold) yöntemiyle örnekleme
Görüldüğü gibi (a) “ T ” genişiliğindeki dikdörtgen dalgaya sahip LTI sistemini gösteren zero-
hold tipli bir tutucunun ( h0 (t ) ) genel şeması verilmiştir. Tutucunun gösterdiği darbenin
genişliği olan T (period) örnekleme perioduna göre değişmektedir. Aslında farkedilebileceği
gibi “sıfır-tutucu” sistemi T periodlu bir tür alçak geçiren filtre yapısındadır. Böyle bir filtre
tipinde olmasının da sebebi, olası örtüşmeye sebep olabilecek yüksek frekanslı bileşenleri
önleyerek sağlıklı bir örnekleme yapılmasını temin etmektir. Buna uygun ZOH’u gösteren
h0 (t ) nın frekans domenindeki karşılığı
30
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
⎡ 2 sin(ωT / 2) ⎤
H 0 (ω) = e − j ωT / 2 ⎢ ⎥⎦
⎣ ω
olarak elde edilir. İfadeden alçak geçiren filtrenin frekans cevabı sin c(ωT / 2) tipli dikdörtgen
T sin c(ωT / 2)
özellikli fonksiyonel yapıda( ) olabileceğini anlıyoruz. Buradaki örnekleme
ωT / 2
fonksiyonu p(t ) ve örneklenmiş f p (t ) fonksiyonlarının aslında ZOH sisteminin içinde
olduğunu, daha açıklayıcı ve pratik olması açısından bu şekilde ayrı olarak gösterildiğini
bilmeliyiz. Çünkü ZOH çıkışının
∞
f 0 (t ) = ∑ f [n] h(t − nT )
n = −∞
ifadesine bakıldığında aslında sözünü ettiğimiz Şekil (c) de verilen f p (t ) nin f [n] yerine
kullanıldığı görülmektedir. Bu şekilde impuls fonksiyon yerine “sıfır-tutuculu” sistem
örnekleme fonksiyonu gibi kullanılarak örneklemeyi mümkün kılmaktadır.
H (ω)
p(t )
h0 (t )
f p (t ) f 0 (t ) hr (t )
f (t ) H r (ω) r (t )
0 T t
-e-
Şekil 16 Seri bağlı sıfır seviyeli tutucunun yeniden oluşturma filtresiyle gösterimi
31
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
ZOH sistemine dair h0 (t ) filtresinin frekans cevabı ( H 0 (ω) ) yukarıda verilmişken seri bağlı
LTI sistemin frekans cevabından ( H (ω) ) yararlanarak ikinci sistemin frekans çıkışı H r (ω)
de hesaplanabilir.
⎡ 2 sin(ωT / 2) ⎤
H (ω) = H 0 (ω) H r (ω) = e − j ωT / 2 ⎢ ⎥⎦ × H r (ω)
⎣ ω
⎡ ⎛ 2 sin(ωT / 2) ⎞⎤
H r (ω) = H (ω) / ⎢e − j ωT / 2 ⎜ ⎟⎥
⎣ ⎝ ω ⎠⎦
Şu ana kadar sürekli-zaman işaretlerin örneklenerek ayrık forma getirilişleri üzerinde durduk.
Benzer şekilde ayrık işaretlerinde örneklenmesi mümkündür. Genel örnekleme kurallarının
tümü bu tip örnekleme içinde aynen geçerlidir. Burada dikkat edilmesi gereken şudur; aslında
klasik örnekleme zaten bir tür filtreleme prosesidir. Sonsuz geniş bir aralıktaki sürekli-zaman
işaretten sonlu sayıda örnek alınarak ve üzerinde çeşitli işlemler yapılarak tekrar sürekli
işaretin elde edilmesinin mümkün olduğunu biliyoruz. Şimdi örneklenerek ayrık forma
getirilmiş işaretin bir kez daha örneklenmesi söz konusudur. Dolayısıyla ikinci bir filtreleme
daha söz konusudur. Bu yüzden ayrık-zaman işaretlerin örneklenmesine, bir anlamda
temeldeki sürekli-zaman işaretinin dolaylı olarak ikinci kez örneklenmesi, diğer bir deyişle
ikinci kez filtrelenmesi olarak yaklaşabiliriz. Bu anlamda ayrık işaretlerin örneklenmesi aynı
zamanda ayrık veya dijital işaretlerin filtrelenmesi olarak da anılabilir. Burada sürekli-zaman
işaretinin örneklenmesiyle sonlu sayıda işaret elde edilebileceği gibi, sonsuz sayıda da
olmasıda teorik açıdan mümkündür. İkinci tipteki sonsuz aralıktaki ayrık işaretlerin
örneklenmesi her ne kadar makul görünse de prensip olarak, sonlu sayıda ayrık noktası olan
ayrık-zamanlı bir işaretinde örneklenmesi mümkündür. Şimdi böyle bir prosesin detaylarını
araştıracağız.
Normal bir örneklenmede ilgili temel bir işaretin yanında aynı zamanda bu işareti belirli bir
“ T ” örnekleme periodu ile örnekleyecek örnekleme fonksiyonuna ihtiyaç duyulmaktaydı. Bu
fonksiyon sürekli-zaman prosesi için impuls dizisi halinde impuls fonksiyonuydu. Burada da
Örneklenecek f [n] ayrık işareti p[n] impuls dizisi ile bu kez “ T ” periodu yerine N
örnekleme periodu ile örneklenecektir. Buna göre örneklenmiş f p [n] ayrık işaretinin ifadesi
∞
f p [n] = f [n] * p[n] = ∑ f [kN ] δ [n − kN ]
k = −∞
32
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
1
∫ π P (e
jθ
F p (e j ω ) = ) F (e j ( ω−θ ) dθ
2π 2
f [n] f p [n]
∞
p[n] = ∑ δ [n − kN ]
k = −∞
-a-
f [n]
(b)
p[n]
(c)
f p [n]
(d)
33
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Şekillerden de görüldüğü gibi (a) da işlem bloğu verilen ayrık-zaman işaretlerin
örneklenmesinde (b) deki ayrık-zamanlı işaret “N” periodlu ayrık impuls dizisiyle gösterilen
örnekleme fonksiyonuyla örneklenerek (d) deki f p [n] örneklenmiş ayrık-zaman işaretine
dönüşmektedir. Burada f [n] → f p [n] dönüşümüyle sağlanan ayrık örneklemenin aslında bir
tür dijital veya ayrık filtreleme prosesi olduğunu görüyoruz. Bu prosese ait spektrumu elde
etmek için ilgili örnekleme ve örneklenmiş işaretlerin frekans cevabı
2π ∞
P (e j ω ) =
N
∑ δ (ω − kω )
k = −∞
s
N −1
1
F p (e j ω ) =
N
∑ F (e
k =0
j ( ω − kωS )
)
F (e j ω )
− 2π − ωM 0 ωM 2π ω
(a)
P (e j ω )
2π
N
0 ωS 2π ω
(b)
Fp (e j ω )
1
N
− ωM 0 ωM ωS 2π ω
(ω S − ω M )
(c)
34
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Görüldüğü gibi ayrık-zaman işaretlerinin örneklenmesinin proses olarak normal
örneklemeden pek bir farkı görünmüyor. Burada da örnekleme kuralları olan FS > 2 B
kuralının geçerli olduğunu görmekteyiz. Buna göre ωS örnekleme frekansının ωM ayrık
işaret frekansının iki katından büyük olduğu görülmektedir ( ωS > 2ωM )
Normal örneklemede nasıl ki sürekli bir işaret örneklerinden elde edilebiliyordu, şimdi de
ayrık bir işaret örneklerinden elde edilebilir. Bunun aşamaları aşağıdaki şekiller üzerinde
gösterilmiştir.
p[n] H ( jω)
h0 [n]
f p [n]
f [n] f r [n]
0 N n
-a-
F ( jω)
− 2π − ωM 0 ωM 2π ω
(b)
Fp (e j ω )
1
N
− ωM 0 ωM ωS 2π ω
(c) (ω S − ω M )
F ( jω)
N
ωS
− 2π 0 2π ω
2
(d)
35
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Fr ( jω)
− 2π − ωM 0 ωM 2π ω
(e)
Şekil 19 Ayrık örneklenmiş işaretin örneklerinden elde edilmesi
Fr ( jω) ≅ F ( jω)
f r [ n] ≅ f [ n]
Sonuçta ideal koşullarda ayrık-zamanlı bir işaret örneklerinden tekrar elde edilebilmektedir.
Eğer tekrar Şekil (a) ya dönerek ayrık-zaman işaretinin örneklerinden nasıl elde edildiğine
bakarsak örneklenmiş f p [n] işaretinin alçak geçiren filtre özelliğindeki h0 [n] impuls
cevabına bağlı sistemden geçirilmesiyle beklenen f r [n] işaretinin elde edildiğini
görmekteyiz. Burada f r [n] işaretinin başlangıçtaki f [n] işaretinin aynısı veya çok benzeri
olduğu kabulü vardır. Bunu sağlayan denklemler yazılırsa f r [n] işaretinin f p [n] ile h0 [n]
impuls cevabının konvülasyonundan elde edilebileceğini görmekteyiz.
Nωc sin ωc n
h0 [n] =
π ωc n
∞
Nωc sin ωc (n − kN )
f r [n] = ∑ f [kN ]
k = −∞ π ωc (n − kN )
Bu elde edilen ifade ideal koşullardaki alçak geçiren filtre kullanılması durumundaki yeniden
elde etmeyi işaret eder. Uygulamada ideal alçak geçiren filtre yerine ona yakın özellikteki
interpolasyon filtresi kullanımı söz konusudur. Bu haldeki aynı veya yakın sonucu sağlayacak
interpolasyon ifadesi aşağıdaki gibi düşünülebilir.
36
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
∞
f r [ n] = ∑ f [kN ] h [n − kN ]
k = −∞
r
Örnekleme Uygulamaları
Örneklemenin en çok kullanıldığı haberleşme ve kontrol alanlarında sürekli bir işaretin ayrık
veya dijital işaretlere dönüştürülmesiyle ilgilidir. Bunun tersi de yani ayrık/dijital formdan
sürekli forma dönüşte örnekleme işlemlerinin içinde olduğu mevzulardır. Bu tip fonksiyonel
sistemlere genellikle konvertör denilmektedir. ADC (analog-digital convertor) ile sürekli bir
işaretin örnekleme suretiyle ayrık/dijital forma çevrilmesi söz konusu iken, DAC (digital-
analog convertor) ile de diğerinin tersi yani bu kez de dijital formdan sürekli forma dönüşüm
söz konusudur. Aşağıdaki şekillerde bu tür dönüşümleri şematize edilmiştir.
f (t ) f [k ]
ADC
(a)
f [k ] f (t )
DAC
(b)
f [k ] y[k ]
DC - DC
(c)
37
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Şu ana kadarki analizlerde sistemin cos Ωk veya sin Ωk gibi ayrık sinusoid girişlere olan
cevabı üzerinde durduk. Buna mukabil giriş ayrık değil sürekli-zaman işaretide olabilirdi.
Nitekim pratikte daha ziyade ayrık-zaman sistemin girişi örneklenmiş sürekli-zaman işaretleri
olduğundaki cevabı ön plandadır. Sürekli işaret sin ωt veya e j ω t biçiminde olabilir. Eğer
sin ωt sinusoidi bir T örnekleme periodu ile örneklendiği zaman sin ωkT ayrık formuna
dönüşmektedir. Buradaki sürekli-ayrık zaman dönüşümü için frekanslar arasında
Ω = ωT
ωt = Ωk
ωkT = Ωk
buradan da
Ω = ωT
38
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
sonucu ortaya çıkar. Buna göre ayrık frekans, sürekli frekansın T örnekleme periodu ile
belirlenen değeridir. Veya şöyle düşünebiliriz; ayrık frekans T tane ω sürekli frekanstan
oluşmaktadır. Buradan ayrıca şu da ortaya çıkmıştır. Örnekleme periodu küçük bir değer
olduğundan, bunun ω frekansıyla çarpımından çok daha küçük bir değer ortaya çıkacaktır.
Frekans için küçük kelimesi daha ziyade “sıkışık” (compress) kelimesine karşılık
düşünülebilir. Bu şekilde en sıkışık işaret paketi “impuls” gibi düşünülebileceğinden, dar ve
genliği büyük impulsin gösterdiği nokta “örnek” olarak düşünülebilir. Sonuçta 2π periodluk
2π
sinusoidal aralıkta T örnekleme periodundan çok sayıda olduğu göz önüne alınırsa tane
T
salınım (saykıl) yani frekans söz konusu olacaktır. Burada her bir T aralığında işarete ait bir
örnek belirlendiğinden ve her bir örnek değeri bir ayrık salınıma yani saykıla (impuls gibi)
karşılık geleceğinden ayrık frekans
2π 2π
Ω = ayrik frekans = =
örnek sayisi N 0
şeklinde de ifade edilebilir. Dolayisiyla her bir T örnekleme periodunda alınan örnek aynı
zamanda bir saykıla karşılık geleceğinden toplam frekans da 2π periodluk aralığın toplam
örnek sayısına bölümüyle elde edilen değere karşılık gelecektir. Buradan ayrık periodu da yeri
gelmişken ifade edebiliriz. Ayrık bir işaretin periodu, T örnekleme periodu ile belirlenen
örnek sayısı kadar olacaktır. Çünkü 2π periodluk aralıktaki toplam örnek sayısı, aynı
zamanda ayrık işaretin periodunu oluşturacaktır. Buna göre
veya
Gerek ayrık frekans gerekse ayrık period ifadelerini aşağıdaki şekillerde de formülüze
edebiliriz. Eğer sinusoid olarak sin Ω k ayrık işaretini göz önüne alırsak, periodiklik
yaklaşımından
ΩN 0 = 2π m
⎛ 2π ⎞
N0 = m ⎜ ⎟
⎝Ω⎠
elde edilir. Burada N 0 tamsayı olacağından ifade bunu sağlayacak en küçük “m” değeri için
hesaplanır. Ayrıca
39
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Ω = ωT
Ω = ωT = 2π f 0T
1
1) T = için
f
f
Ω = 2π 0
f
veya
2)
1 T
Ω = 2π f 0T = 2π T = 2π
T0 T0
f0 T
Her iki ifade de elde edilen gerek gerekse oranları 2π periodluk aralığındaki N 0
f T0
örnek sayısına karşılık geldiğinden
f0 T
= = N0
f T0
f0 T
Ω = 2π = 2π
f T0
2π
=
N0
olarak bulunacağı teyit edilir. Bunu bir örnekle somutlaştırabiliriz. Örneğin aşağıdaki ayrık
işareti göz önüne alalım.
40
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Örnek
f [k ]
Çözüm
f [k ]
π
Şekil 23 f [k ] = sin k Ayrık periodik işaret
3
Görüldüğü gibi periodik bir sin ωt işaretinin örneklenmesi durumunun söz konusu olduğunu
görmekteyiz. Şekil üzerinden ayrık frekans ve periodu belirlemek üzere
41
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
T0
N0 =
T
2π
Ω=
N0
Veya
⎛ 2π ⎞
Ω = m ⎜⎜ ⎟⎟
⎝ N0 ⎠
Bağıntılarını göz önüne aldığımızda 2π periodluk dilime düşen ayrık örnek sayısının
dolayısıyla ayrık periodun 12 olduğunu görmekteyiz.
N 0 = 12
⎛ 2π ⎞ π
Ω = m⎜ ⎟=
⎝ 12 ⎠ 6
Bulunur. Oranı tam sayı yapacak en küçük “m” değeri m = 1 alınmıştır. Bu koşullar altındaki
süreki f (t ) = sin ωt işareti t = kT olmak üzere ayrık form olarak Ω = ωT koşuluyla
f (t ) = sin ωT k = sin Ωk
= f [k ]
π
elde edilir. Buna göre ayrık sinusoidin açık ifadesi de Ω = için
6
π
f [k ] = sin Ωk = sin k
6
π
olur. Elde edilen sin k işaretinin küçük periodlu olduğu açıktır. Eğer 2π periodu göz
6
π
önüne alınırsa tam 12 tane açısının söz konusu olduğu görülmektedir. Bunun anlamı aynı
6
zamanda 12 tane örnek noktasının belirlenmesidir. İşte bu örnek noktaları sonucu f [k ] ayrık
işareti elde edilmiştir. Buradan ilk çıkan sonuç açısal frekansın 2π den küçük olması,
belirlenecek ayrık örnek noktalarının sayısını artırmaktadır. Daha fazla örnek alınması
isteniyorsa örnekleme hem örnekleme periodunun hemde ayrık frekansın daha küçük
seçilmesi gerekir. Açısal hız kavramı ile bağlantılı olan bu durum aşağıdaki diagram üzerinde
daha açık olarak gösterilmiştir. Ωk açısal hızı Ω = π / 6 olmak üzere k = 0,1,2, L,11
değerleriyle yarıçapı “1” birim olan çember üzerinde görülmektedir.
42
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
k =3
k=2
Ω
Ω k =1
Ω k =0
Ω
k = 11
1
π
Buna göre f [k ] = sin k işaretinde her bir ayrık frekansı Ω = π / 6 için k = 0,1,2, L,11
6
olmak üzere birim çember üzerinde 12 kez tekrarlanacaktır. Bu yüzden ayrık frekans
Ω = π / 6 görünmektedir.
(a) : ωs = 2ωo
43
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
(b): ωs = 2ωo
44
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
45
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Şekilden de görüldüğü gibi farklı frekanslardaki iki sinusoidin aynı örneklere sahip oldukları
görülmektedir. Örnek sayısı baz alındığında kalın çizgilerle gösterilen işaret için aşırı
örnekleme (oversampling) durumu söz konusudur. Bu durumda gereğinden fazla örnek
alındığı için örneklemede bir problem yoktur ve işaretin tekrar örneklerinden elde edilmesi
mümkün olacaktır. Diğer yandan normal çizgilerle gösterilen işaretin ise “az örnekleme”
(undersampling) durumuyla karşı karşıya olduğunu görmekteyiz. Bu durumda bu işaret için
gereğinden az işaret alındığı için, örtüşme problemi kaçınılmaz olacaktır.
Sinusoidal Örnekleme
x(t ) = cos(2π f 0 t + θ )
x[n] = cos(2π f 0 n T + θ )
x ′(t ) = cos(2π ( f 0 + k f s ) t + θ )
1 f
x ′ [n] = cos(2π ( f 0 + k f s ) nT + θ ) = cos(2π n ( f 0 + k f s ) + θ ) = cos(2π n ( 0 ) + 2knπ ) + θ )
fs fs
f0
= cos(2π n ( ) +θ)
fs
f0
x ′ [n] = cos(2π n( ) +θ)
fs
46
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
olarak hesaplandığını görmekteyiz. Burada da yukarıdakine benzer olarak verilen
1
x ′(t ) = cos(2π ( f 0 + k f s ) t + θ ) periodik sinusoid işaretinin örneklenmiş hali T =
fs
f
örnekleme frekansı için aynı şekilde yine x[n] = cos(2π n( 0 ) + θ ) olarak bulunmuştur.
fs
Buradan hareketle gerek x(t ) = cos(2π f 0 t + θ ) gerekse x ′(t ) = cos(2π ( f 0 + k f s ) t + θ )
işaretlerinin örneklenmiş versiyonlarının eşdeğerinin aynı fonksiyon
f
x[n] = cos(2π n( 0 ) + θ ) olduğu fark edilmektedir.
fs
f0
x(t ) = cos(2π f 0 t + θ ) → x[n] = cos(2π n( ) +θ)
fs
f
x ′(t ) = cos(2π ( f 0 + k f s ) t + θ ) → x[n] = cos(2π n( 0 ) + θ )
fs
f0 = fa + k fs
f0
k=
fs
1
oranı elde edilir ki bunun da Nyquist kriterine göre sağlıklı bir örnekleme yapmak için k ≤
2
olması gerekir.
47
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Örnek
f (t ) = 3 cos100π t işaretinin
Çözüm
f 50
f d (n) = A cos(2π n) = 3 cos(2π n)
Fs 200
π
= 3 cos n
2
π
olarak elde edilir. Buna göre 2π periodluk görünen işaretten her bir anında bir örnek
2
alınmak üzere toplam dört örnek alınmaktadır.
48
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
f 50
f d (n) = A cos(2π n) = 3 cos(2π n)
Fs 100
= 3 cos π n
Buna göre 2π periodluk görünen işaretten her bir π anında bir örnek alınmak üzere toplam
iki örnek (minimum koşul) alınmaktadır.
f 50 4π 2π 2π
f d (n) = A cos(2π n) = 3 cos(2π n) = 3 cos n = 3 cos(2π − )n = 3 cos(− )n
Fs 75 3 3 3
2π
= 3 cos n
3
Buna göre 2π periodluk görünen işaretten minumum her bir π anında bir örnek alınmak
4π
zorunluluğu vardı. Oysa şimdi değeri söz konusudur. Bu değer π den büyük olduğundan
3
artık toplam minimum iki örnek alma imkanı kalmamıştır.
Ω = ωT
1
olduğunu biliyoruz. T, örnekleme periodudur ( T = ). Buna göre yukarıdaki f d (n)
Fs
bağıntısından
2π ω 2π f a
= ωT = =
3 Fs Fs
2π ω 2π f a
= =
3 75 75
f a = 25 Hz
Bulunur. Bu değer örtüşen işaretin frekansıdır. Buna göre örtüşen işaretin kendisi de
49
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
olarak bulunur. Bunun anlamı şudur : eğer f (t ) = 3 cos(2 × 50)π t işareti Fs = 75 Hz ile
örneklenirse Fs ≠ 2 f olacağından bir örtüşme (aliasing) kaçınılmaz olacaktır. Bu örtüşme
2π
durumunda oluşacak örnekleri gösteren [ f d (n) = 3 cos n ] ifadesinin sürekli zamandaki
3
2π
karşılığı y (t ) = 3 cos 50π t işaretiyle aynı olacaktır. Burada [ f d (n) = 3 cos n ] ifadesi,
3
orijinal f (t ) = 3 cos(2 × 50)π t işaretinin ayrık versiyonu olmakla beraber aynı zamanda onun
örtüşen versiyonudur. Dolayısıyla y a (t ) = 3 cos 50π t işaretinin vereceği örnek noktalar aynı
zamanda örtüşme durumundaki f (t ) = 3 cos(2 × 50)π t ile aynıdır. Bu yüzden
y a (t ) = 3 cos(2 × 25)π t işareti Fs = 75 Hz örnekleme frekansı altında f (t ) = 3 cos(2 × 50)π t
işaretinin örtüşmüş (aliased) versiyonu olacaktır. Diğer bir deyişle 25 Hz lik frekans 50 Hz lik
frekansın örtüşen (alias) frekansı olarak değerlendirilebilir.
f 50
f d (n) = A cos(2π n) = 3 cos(2π n)
Fs 50
= 3 cos 2 π n
Buna göre 2π periodluk görünen işaretten minumum her bir π anında bir örnek alınmak
zorunluluğu vardı. Oysa şimdi 2π değeri söz konusudur. Bu değer π den büyük olduğundan
artık toplam minimum iki örnek alma imkanı kalmamıştır. Örtüşmenin kaçınılmaz olduğu bu
koşullardaki ayrık işaretin Ω frekansının (açısal hızını) ise
Ω = ωT
ω 2π f a
2π = ωT = =
Fs Fs
2π f a
2π =
50
f a = 50 Hz
Bulunur. Bu değer örtüşen işaretin frekansıdır. Buna göre örtüşen işaretin kendisi de
50
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
y a (t ) = 3 cos(2 × f a )π t = 3 cos(2 × 50)π t
= 3 cos100π t
f 50 5π π
f d (n) = A cos(2π n) = 3 cos(2π n) = 3 cos( n) = 3 cos(2π + n)
Fs 40 2 2
π
= 3 cos n
2
Buna göre 2π periodluk görünen işaretten minumum her bir π anında bir örnek alınmak
5π
zorunluluğu vardı. Oysa şimdi değeri söz konusudur. Bu değer π den büyük olduğundan
2
artık toplam minimum iki örnek alma imkanı kalmamıştır. Örtüşmenin kaçınılmaz olduğu bu
koşullardaki ayrık işaretin Ω frekansının (açısal hızını) ise
Ω = ωT
ω 2π f a
2π = ωT = =
Fs Fs
2π f a
2π =
40
f a = 40 Hz
Bulunur. Bu değer örtüşen işaretin frekansıdır. Buna göre örtüşen işaretin kendisi de
51
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
y a (t ) = 3 cos(2 × f a )π t = 3 cos(2 × 40)π t
= 3 cos 80π t
Örnek
x1 (t ) = cos 2π (10)t
x 2 (t ) = cos 2π (50)t
Çözüm
x1 (t ) işareti için Fs > 2 × 10 olduğu için örtüşme yok. Bu durumda ayrık işaret
10 π
x1 [k ] = cos 2π ( )k = cos k
40 2
50 5π
x 2 [k ] = cos 2π ( )k = cos k
40 2
Bu işaret
5π π
x 2 [k ] = cos k = cos(2π + )k
2 2
olduğu için örtüşen işaret x2 [k ] ile örtüşmeyen x1 [k ] işaret arasında bir ilişki vardır. Daha
önceden ayrık işaretin Ω frekansını (açısal hızını)
Ω = ωT
1
olduğunu biliyoruz. T, örnekleme periodudur ( T = ). Buna göre yukarıdaki x2 [ k ]
Fs
bağıntısından
π ω 2π f a
= ωT = =
2 Fs Fs
52
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
yazılabilir. İfadedeki f a örtüşme frekansını göstermektedir. Örnekleme frekansı 40 olduğuna
gore ( Fs = 40 Hz )
π ω 2π f a
= =
2 40 40
f a = 10 Hz
Bulunur. Bu değer örtüşen işaretin frekansıdır. Buna göre örtüşen işaretin kendisi de
Daha önce periodik işaretlerin Fourier analizleri yapılmıştı. Bu analizlere konu olan işaret
sürekli veya pratikte analog diyebileceğimiz işaretler içindi. Bu bölümde benzer analizleri
ayrık işaretler için yapmaya çalışacağız. Ayrık işaret veya sistem analizi için temel olan
sürekli işarettir. Sürekli işaretten yararlanarak ayrık formdaki işaretleri elde ettiğimize göre,
burada da yine periodik sürekli işaretlerin ayrık forma dönüştürülmesi ve ayrık hale geldikten
sonraki hal olan periodik ayrık işaretin Fourier analizleri yapılacaktır.
Analize başlamadan once bu bölümde ayrık işaretin sürekli işaretten nasıl elde edildiği
üzerinde durmayacağımızı belirtmeliyiz. Bunun nasıl olduğunu “örnekleme teorisi”
bölümünde ele almıştık. Biz burada üzerinde çalışacağımız ayrık değerlerin elde edildiğini,
hazır olduğunu düşünerek onların elde edilişini değil, elde edildikten sonraki davranışlarını
analiz etmeye çalışacağız. Ancak özet bilgi olarak ayrık işaretin bildiğimiz gibi sürekli
formdaki bir analog işaretten örnekleme teorisine dayalı olarak elde edildiğini şimdilik
hatırlamamız yeterli olacaktır. Bunun için ayrık işaret analizine olan ihtiyacı vurgulamak
açısından aşağıdaki örneği göz önüne almamız faydalı olacaktır.
53
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Görüldüğü gibi sistem girişindeki sürekli formdaki f (t ) işareti “ayrık system” de kullanılma
amacıyla form değiştirerek f [k ] ye dönüşmektedir.
f (t ) → f [k ] (8.1)
oluşmaktaydı. Biz burada ilk aşama olan f (t ) → f (kT ) (örnekleme) ile değil son aşaması
olan f [k ] ile ( f (t ) → L → f [k ] ) ilgileneceğiz. Bu bilgiyi ve hatırlatmayı yaptıktan sonra
ayrık Fourier serisinin analizine geçebiliriz.
Ayrık işaret
f (t ) sürekli bir işareti göz önüne alalım. Bu işaretin yukarıda örneği verile ayrık bir sisteme
uygun olması amacıyla f [k ] ayrık formata dönüştürülmesi gerekecektir. Bunun için sürekli
f (t ) fonksiyonu örnekleme prensibinden yararlanılarak t = kT için yeni örneklerin elde
edileceği aralıklara bölünecektir. Her bir kT aralığında ( k = 0,1,2,3,L için ) bir örnek yer
almaktadır. Burada T örnekler arasındaki aralığı göstermektedir ve örnekleme periodu olarak
anılmaktadır ( T = 1 / f s , f s ≥ 2 B, T ≤ 1 / 2 B ). Her bir örnek bu aralığa göre yerleştirilmişlerdir
veya dizilmişlerdir. Diğer bir deyişle T örneklerin periodunu gösterdiği gibi aynı zamanda
ayrık işaretinde periodunu göstermektedir. Bu şekilde sürekli bir işaretten ayrık formattaki
işaret elde edilebilmektedir.
f (t ) → f (kT )
(8.4)
= f [k ]
olarak elde edilebilir. Görüldüğü gibi f (kT ) ayrık işaretini çalışmalarımızda pratik açıdan
yalnızca f [k ] olarak kabul etmekteyiz ( f [k ] = f (kT ) ). İlgili prensip ve ifadelerin yardımıyla
sürekli formdan elde edilen ayrık işaretin pratik görüntüsü aşağıdaki gibi olacaktır.
54
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
f [k ] , f (kT )
k
-2 0 1 2 5 10
t
− 2T 0 T 2T 5T 10T
Görüldüğü gibi f (kT ) ayrık işaretini çalışmalarımızda pratik açıdan yalnızca f [k ] olarak
kabul etmekteyiz ( f [k ] = f (kT ) ).
f [k ] = e j Ω k = e j Ω 0 , e j Ω , e j 2 Ω , e j 3 Ω ,L k = 0,1,2,3,L (8.7)
55
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
k =3
k=2
Ω
Ω k =1
Ω
k =0 Ω k =0
Ω
Ω k =1
k=2
k =3
e j Ωk e− j Ω k
e j Ω k = r e jθ
olarak düşünülürse burada magnitude (genlik) olarak r = 1 ve faz olarak da θ = Ω k olarak
göz önüne alınmışlardır. Şekillerden görüldüğü gibi her bir “k” için ( k = 0,1,2,3 ) birim daire
üzerinde Ω kadarlık bir hareket olmaktadır. Sonuçta total kaymalarda k = 1 için Ω , k = 2
için 2Ω , k = 3 içinse 3Ω açılık dönüşler söz konusu olacaktır. Bu şekilde exponensiyel
ifade de e j Ω 0 , e j Ω , e j 2 Ω , e j 3 Ω gibi gösterimler ortaya çıkacaktır. Bu ifadeler sürekli
haldeki e j ω 0 , e j ω , e j 2 ω , e j 3 ω ile karşılaştırıldığında ayrık formattaki Ω nın sürekli formdaki
ω ya denk geldiği görülmektedir.
Ω=ω
ω rad/sn olarak bilinirken, Ω da her bir “k” ayrık değeri için üretildiğinden benzer şekilde
birim örnek (sample) aralığındaki radyan olur. Bu yüzden Ω ayrık gösterimin frekansı
olarak anılır. Dolaysıyla e j Ω 0 , e j Ω , e j 2 Ω , e j 3 Ω ayrık gösterimlerindeki frekansı da Ω
olacaktır.
56
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
C cos(Ωk + θ )
f (t ) = cos ωt
= cos ω kT
(8.8)
= f (kT )
= f [k ]
olarak elde edilebilir. Görüldüğü gibi f (kT ) ayrık işaretini çalışmalarımızda pratik açıdan
yalnızca f [k ] olarak kabul etmekteyiz ( f [k ] = f (kT ) ). Burada ayrık formdaki frekans
cos Ωk değerlendirmesine göre
Ω = ωT (8.9)
olur. Buna göre sürekli işaret cos ωt her T anında örneklenerek ayrık cos Ωk işaretini
oluşturur.
f [k ] işaretinin periodik olması için her bir T anında işaretin kendisini tekrarlaması
gerekecektir. Bu yüzden ayrık işarette her bir T aralığında aynı sayıda örneklenmiş ayrık
değerler/örnekler (noktalar) mevcut olacaktır. Dolaysıyla sürekli zamanda örneğin “sn” olarak
ifade edilebilecek her bir aralık ayrık formatta bu süreye karşılık gelen toplam ayrık nokta
sayısı ile ifade edilebilecektir. Eğer bir T periodundaki örnek sayısı N 0 = 7 ise bunun
anlamı her periodda 7 tane örneklenmiş ayrık nokta mevcuttur ve aynı zamanda ayrık işaretin
periodu 7 örnekten ibarettir. Daha da önemlisi her bir örnek aynı zamanda işareti oluşturan
ayrık bir katsayıya ( Dr ) karşılık gelecektir. Bunun anlamı T perioduna karşılık gelen N 0 = 7
örnekten oluşan ayrık işaretin aynı zamanda 7 tane harmoniği/bileşeni olduğu yönündedir. Bu
anlamda ayrık periodik bir işaretin periodu olan N 0 dört anlama sahiptir :
57
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
1. N 0 , sürekli işaretteki periodun karşılığıdır
2. N 0 , ayrık işaretin periodunu göstermektedir ve
3. N 0 , ayrık işarete bir period içindeki örnek sayısını, ayrık nokta sayısını göstermektedir.
4. N 0 , dolaysıyla period içinde yer alan harmonik/bileşen sayısını gösterir.
N 0 −1
f [k ] = ∑D
r =0
r e j r Ω0 k
(8.10)
Denklemden de görüldüğü gibi periodu gösteren N 0 aynı zamanda period içinde yer alan
ayrık bileşen (harmonik) sayısını da (r) göstermektedir.
Buna göre eğer f [k ] fonksiyonu periodik ayrık bir işaret ise N 0 > 0 (pozitif) olmak üzere
f [k ] = f [k + N 0 ] (8.11)
Örnek
f [k ]
k
-16 -8 0 8 16
Şekilden görüldüğü gibi periodik ayrık işaretin her bir periodunda ( N 0 ) 8 örnek
bulunmaktadır. Diğer bir deyişle 8 harmonik mevcut olduğundan dolaysıyla hesaplanması
gereken katsayıda Dr de 8 tanedir. Burada ilginç olan N 0 ın hem periodu hemde harmonik
yani bileşen sayısını göstermesidir. Bununda sebebi verilen şekil ve denklemlerden görüldüğü
gibi periodik bir ayrık işarette periodun kendisini tekrarlayan örnekler/harmonikler üzerine
kurulmasıdır ve bu nedenle periodik ayrık bir işaret için period ifadesi N 0 in toplam bileşen
sayısından bağımsız olamayacağı görülmektedir . Buradan ayrık işaret
58
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
N 0 −1 8 −1
f [k ] = ∑ Dr e j r Ω 0 k = ∑ Dr e j r Ω 0 k
r =0 r =0
7
= ∑ Dr e j r Ω 0 k (8.12)
r =0
ve eğer
ΩN 0 = 2π m (8.15)
denkliği söz konusu olacaktır. Burada “m” tam bir sayıdır. Buna göre
Ω m
= (8.16)
2π N 0
ve period
⎛ 2π ⎞
N0 = m ⎜ ⎟ (8.17)
⎝Ω⎠
olarak elde edilir. Burada periodu hesaplayabilmek için “m” in seçimi önemlidir. Bunun için
2π
“m”, denklemde görülen oranını tam sayı yapacak şekilde seçilir.
Ω
59
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
AYRIK FOURIER SERİSİ
Örnekleme teorisinden yararlanarak sürekli bir işaretin ayrık formatta elde edilebileceğini
artık biliyoruz. Bu kez örneklemeye tabii işaretin periodik sürekli bir fonksiyon olduğunu
düşünelim. Buna göre örnekleme yoluyla periodik ayrık işaret elde edilecektir. Aşağıdaki
şekil böyle bir yaklaşımı ifade etmeye çalışmaktadır.
f (t ) f [k ]
t k
0 0
Görüldüğü gibi sürekli haldeki “t” zaman değişkenin yerini ayrık formattaki “k” sayısı
almıştır ( t → kT ). Artık f (t ) işareti her noktada değil, belli bir “T ” perioduna bağlı olarak
aralıkları t → kT ile belirlenen ayrık “ kT ” noktalarında tanımlıdır. Eğer sürekli formda
görünen f (t ) işareti aynı zamanda periodik bir işaretse (şekilden öyle olduğu anlaşılıyor)
2π
ω= (8.18)
T
ifadesini sağlıyor demektir. Diğer yandan eğer sürekli ve periodic bir işaretten elde edilen
f [k ] ayrık işaretide aynı zamanda periodik ise onunda sürekli haldeki periodik ifadeye
2π
Ω= (8.19)
N
benzer bir ifadeyi sağlaması gerekiyor. Bu halde ayrık periodik işaret söz konusu olacaktır.
Bu durumda gerekli analizleri yapabilmek için biraz geçmişteki bilgilerimizi hatırlatmak
faydalı olacaktır. Sürekli Fourier serisinin T0 gibi bir perioda sahip cos ve sin gibi
trigonometrik ve ortogonal periodik sinusiodal fonksiyonlardan oluştuğunu biliyoruz.
Serideki bu fonksiyonlar
{cos(0 × ω0 t ) = 1, cos ω0 t , cos 2ω0 t ,L, cos nω0 t ,L ; sin ω0 t , sin 2ω0 t ,L, sin nω0 t , L} (8.20)
60
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Biçiminde temel bir frekansa ( ω0 ) dayalı ve onun harmonik bileşenlerden oluşmaktaydı.
Bunların toplamından oluşan serinin görünümü
f (t ) = a 0 cos 0 × ω0 t + a1 cos ω0 t + a 2 cos 2ω0 t + L + a n cos nω0 t + b1 sin ω0 t + b2 sin 2ω0 t + L + bn sin nω0 t
∞
= a0 + ∑ a n cos nω0 t + bn sin nω0 t
n =1
(8.21)
2π
şeklindeydi. Burada temel frekansın ω0 = şeklinde olup t1 ≤ t ≤ t1 + T0 ile ifade edilen
T0
T0 perioduna bağlı olduğunu biliyoruz. Burada Fourier serisinin alternatif gösteriminin
∞
f (t ) = a 0 + ∑ a n cos nω0 t + bn sin nω0 t (8.22)
n =1
veya ,
a = C cosω0 t
(8.24)
b = −C sin ω0 t
∞
f (t ) = C 0 + ∑ C n cos(nω0 t + θ n ) (8.25)
n =1
e − j ω0 t , e − j 2 ω0 t , e − j 3 ω0 t , L, e − jn ω0 t ,1, e j ω0 t , e j 2 ω0 t , e j 3 ω0 t , L, e jn ω0 t (8.26)
∞
f (t ) = ∑D
n = −∞
n e jn ω0 t
(8.27)
61
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
1 t1 +T0
T0 ∫t1
a0 = f (t ) dt (8.28)
2 t1 +T0
T0 ∫t1
an = f (t ) cos nω0 t dt (8.29)
2 t1 +T0
T0 ∫t1
bn = f (t ) sin nω0 t dt (8.30)
1
Dn =
T0 ∫
T0
f (t ) e − jn ω0 t dt (8.31)
olduklarını biliyoruz. Bu analizleri şimdi benzer şekilde ayrık durum için ele alacağız. Burada
katsayılar hakkında, işaret fonksiyonu f (t ) nin sürekli olmasına rağmen, ilgili a n , bn ve Dn
katsayılarının spektrumlarının ayrık olması, ilginç bir ayrıntı olarak aklımızda kalmıştı.
Sürekli formdaki bir f (t ) işaretinin periodic gösterimin
f (t ) = f (t + T0 ) (8.32)
2π
şeklinde ve ω0 = olduğunu hatırlıyoruz. Benzer durumu ayrık form için
T0
f [k ] = f [k + N 0 ] (8.33)
şeklinde yazabilmekteyiz. Sürekli form ile kıyaslandığında “t” yerine sayıyı gösteren ayrık bir
değer “k” ve T0 periodu yerine aynı anlama gelen N 0 kullanılmıştır. Burada “k” ayrık
işaretin kaçtane ayrık değerden oluştuğunu göstermektedir. Bu anlamda değeri sonlu ve
sonsuz olabilir. Sonlu olduğunu kabul edersek, mevcut ayrık değerlerin kaç ayrık değerden
sonra kendisini tekrarladığını bilmemiz gerekiyor. Bu değer N 0 ise, anlamı belirli sayıda
ayrık noktalardan oluşan f [k ] işareti kendi içinde her N 0 ayrık değerden sonra tekrarlanan
ayrık kümelerden (dizilerden) oluşmaktadır. Bundan dolayı doğal olarak N 0 ayrık işaretin
periodudur. Burada göze çarpan bir husus, sürekli formda periodu gösteren T0 ın bir zaman
sürecini gösterdiği halde, ayrık formdaki eşdaşı olan N 0 ayrık nokta sayısını göstermektedir.
Peki bu durumda sürekli formdaki frekans ω0 = 2π / T0 , ayrık formda nasıl gösterilecektir.
Ayrık frekansı göstermek üzere Ω 0
2π
Ω0 = (8.34)
N0
olacaktır. Sürekli formda frekans bir periodluk zamandaki saykıl olduğuna göre, ayrık formda
da N 0 periodundaki saykıl veya salınım olacaktır. Yani N 0 ile gösterilen ayrık noktaların
1
sayısı olan ayrık frekansı oluşturacaktır.
N0
62
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Sürekli formdaki ω0 = 2π / T0 ifadesi birim çember göz önüne alındığında tam bir tur
yapılması için gereken hız veya frekans olduğuna gore ayrık formdaki Ω 0 = 2π / N 0 ifadesi
de bir tam turdaki bir N 0 periodunun kaç kere tekrarlanacağını yani tekrarlama hızını
dolaysıyla frekansını test etmektedir. Diğer bir deyişle bir periodun kaç tane T0 veya N 0
içerdiğinin tespit edilmesiyle ilgili bir tür hız kavramı hesaplanmak istenmektedir. Dolaysıyla
1
N 0 büyüdükçe bu hız düşecek, küçüldükçe de doğal olarak büyüyecektir ( f = ).
T
Burada ayrık Fourier serisinin analizi önce klasik yöntemle yapılacaktır. Sürekli Fourier
serisinin analizi yapılırken bulunan seri katsayıları yani genlik spektrumu sinüssel ifadelerden
yararlanılarak yapılacaktır. Sürekli Fourier serisine benzer olarak ayrık Fourier serisi
(8.36)
∞
f [k ] = ∑ a n cos nΩ 0 k + bn sin nΩ 0 k (8.37)
n=0
∞
f [k ] = ∑ a n cos nΩ 0 k + bn sin nΩ 0 k
n =0
∞
(8.38)
= ∑ C n cos(nΩ 0 k + θ )
n =0
gibi de yazılabilir.
C n = a n2 + bn2 (8.39)
a n = cos θ , (8.40)
bn = − sin θ (8.41)
bn
θ = tan −1 (− ) (8.42)
an
63
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Ayrık formatta çalışıldığı için sonlu sayıda örnek söz konsu olacağından yukarıdaki ifadedeki
sonsuz ( ∞ ) yerine hem periodu hemde period daki ayrık nokta sayısını gösteren N 0 koyalım.
N 0 −1
f [k ] = ∑a
n =0
n cos nΩ 0 k + bn sin nΩ 0 k (8.43)
N 0 −1
1
∑ f [k ] cos nΩ 0 k
an = k =0
N 0 −1
(8.50)
N0
∑ cos
k =0
2
nΩ 0 k
N 0 −1
1
a0 =
N0
∑ f [k ]
k =0
(8.51)
N 0 −1
1
∑ f [k ] sinΩ 0 k
bn = k =0
N 0 −1
(8.58)
N0
∑ sin
k =0
2
nΩ 0 k
elde edilir.
Burada ayrık Fourier serisinin analizi alternatif veya ikinci yöntem olarak daha kompakt
formdaki exponensiyel ifadeler baz alınarak yapılacaktır. Dolaysıyla sürekli formda
{cos(0 × ω0 t ) = 1, cos ω0 t , cos 2ω0 t , L , cos nω0 t ,L ; sin ω0 t , sin 2ω0 t , L, sin nω0 t , L} (8.60)
{cos(0 × Ω 0 k ), cos Ω 0 k , cos 2Ω 0 k ,L, cos nΩ 0 k ,L ; sin Ω 0 k , sin 2Ω 0 k ,L , sin nΩ 0 k ,L} (8.61)
64
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
f [k ] = a 0 cos 0 × Ω 0 k + a1 cos Ω 0 k + a 2 cos 2Ω 0 k + L + a n cos nΩ 0 k + b1 sin Ω 0 k + b2 sin 2Ω 0 k + L + bn sin nΩ 0 k
∞
= a 0 + ∑ a n cos nΩ 0 k + bn sin nΩ 0 k
n =1
(8.62)
∞
f [k ] = ∑ a n cos nΩ 0 k + bn sin nΩ 0 k (8.63)
n =0
Buna alternative olarak ayrık Fourier seri analizleri kompakt formdaki exponensiyel ifadeler
baz alınarakda oluşturulabilir. Sürekli formda
e − j ω0 t , e − j 2 ω0 t , e − j 3 ω0 t , L, e − jn ω0 t ,1, e j ω0 t , e j 2 ω0 t , e j 3 ω0 t , L, e jn ω0 t (8.64)
e − j 3 Ω0 k , e − j 2Ω0 k , e − j Ω0 k , L, 1 , e j Ω0 k , e − j 2 Ω0 k , e − j 3 Ω0 k ,L , e − j n Ω0 k (8.65)
gibi değerlendirerek ayrık Fourier serisini daha kompakt tarzda da oluşturabiliriz. Buradaki
ayrık formdaki basis fonksiyonunun sürekli halde olduğu gibi aslında Euler prensibini
sağlayan sinüssel ifadelerden oluşmaktadır.
ve de,
cos[ Ω 0 k ] =
2
e[
1 j Ω0 k
+ e − j Ω0 k ] (8.68)
sin[Ω 0 k ] =
2j
e [
1 j Ω0 k
− e − j Ω0 k ] (8.69)
olduklarını zaten sürekli formlarından da çıkarabiliriz. İfadelerde yer alan harmonik sayısını
gösteren “n” sonlu veya sonsuz sayıda olabilir. Burada e ± j n Ω0 k ifadesindeki n Ω 0 k yerine
n Ω 0 k + 2kπ alınması
n Ω 0 k = n Ω 0 k + 2kπ (8.70)
gösterimi
e j ( n Ω0 k ± 2 k π ) = e j ( n Ω0 ± 2 π ) k = e j n Ω0 k e ± 2 π k = e j n Ω0 k (8.71)
e j ( r + N 0 ) Ω0 k = e j ( r Ω0 k + 2 π k ) = e j r Ω0 k = g r (8.72)
65
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
elde edilecektir. Burada “r” nin herhangi bir değeri için “n” ci harmonic bulunmuş olacaktır.
Örneğin r = 1 için yani birinci harmonik g1 için (r + N 0 ) = (1 + N 0 ) olacak ve fonksiyonu
e j ( 1+ N 0 ) Ω0 k = e j ( Ω0 k + 2 π k ) = e j Ω 0 k = g1 (8.73)
olurken ikinci harmonik için (r + N 0 ) = (2 + N 0 ) ve
e j ( 2+ N 0 ) Ω 0 k = e j (2 Ω0 k + 2 π k ) = e j 2 Ω0 k = g 2 (8.74)
N 0 −1
f [k ] = ∑D
r =0
r e j r Ω0 k
(8.75)
2π
Ω0 = (8.76)
N0
olduğunu biliyoruz. Buradan ayrık Fourier serisinin her bir harmoniğinin (bileşeninin) N 0
periodu ile birbirlerinden ayrıldığını görmekteyiz. Burada enterasan olan N 0 periodunun aynı
zamanda ayrık harmonic sayısınıda göstermesidir. Bunun sebebi daha önce açıklandığı gibi
periodik uzunluğun zaman olarak değil örnek sayısı ile belirlenmesidir. Ayrık seri ifadesini
biraz açarsak,
f [k ] = D0 + D1 e j Ω0 k + D2 e j 2 Ω0 k + Dr e j 3 Ω 0 k + L + Dr e j ( N 0 −1) Ω 0 k
N 0 −1
= ∑D
r =0
r e j r Ω0 k (8.77)
66
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
N 0 −1
f [k ] = ∑D
r =0
r e j r Ω0 k
(8.83)
N 0 −1
1
Dr =
N0
∑ f [k ] e
k =0
− j r Ω0 k
, Ω0 =
2π
(8.84)
N0
Her iki denklemden de görüldüğü gibi ayrık f [k ] işareti için frekans spektrumunu temsil
eden Dr katsayısıda ayrık formda oluşmuştur. Değinilecek bir diğer noktada hem f [k ]
işaretinin hemde katsayının Dr , aynı sayıda ayrık değeri veya bileşeni dikkate aldığı
şeklindedir. Diğer bir deyişle her ikisi de bir period ( N 0 ) kapsamındaki ayrık bileşen sayısı
uzerine kurulmuştur. Durum sürekli form ile benzerlik göstermektedir. Burada f [k ] yı
oluşturan “k” belki sayıca perioddan çok daha büyüktür, hatta sonsuz da olabilir. Ancak
neticede periodik olduğundan bir period daki ( N 0 ) davranışı nasılsa bunun dışındaki
noktalarda da aynısı olarak kendisini tekrarlayacağından f [k ] için 0 − ( N 0 − 1) aralığındaki
ayrık noktaların dikkate alınması tutarlıdır.
Fourier spekrumu
denkleminden görüldüğü gibi ayrık işaretin frekans dağılımını ayrık formda gösteren spektral
yoğunluktur. Bu değer ayrık Fourier serisini oluşturan f [k ] işaretinin oluşturan harmoniklere
ait katsayılar olup hangi bileşenin hangi oranda veya genlikte frekansa sahip olduğunu
göstermesi açısından önemlidir.
f [k ] = D0 + D1 e j Ω0 k + D2 e j 2 Ω0 k + Dr e j 3 Ω 0 k + L + Dr e j ( N 0 −1) Ω 0 k
N 0 −1
= ∑D
r =0
r e j r Ω0 k (8.89)
Görüldüğü gibiher bir ayrık bileşeninin frekans genliği farklı bir Dr katsayısı ile temsil
edilmektedir. Burada harmoniklere ait frekansların 0, Ω 0 ,2Ω 0 ,3Ω 0 ,L, ( N 0 − 1) Ω 0 olduğunu
görmekteyiz. Fourier serisini oluşturan Dr katsayısının kompleks formda olduğunu ve polar
formda
Dr = Dr e j∠ Dr (8.90)
67
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Dr = D− r ve ∠ Dr = −∠ D− r (8.91)
Bulunan değerler itibariyle ayrık Fourier serisi ile sürekli formu arasında benzerlikler olduğu
ortaya çıkmaktadır. Fark sürekli formatta sonsuz bileşen olduğundan dolayı spektrum band
genişliği sonsuz iken, ayrık formda ise spektrum band sınırlı (bandlimited) ve sonlu sayıda
( N 0 ) harmonikler söz konusudur.
∞
f (t ) = ∑D
n = −∞
n e j n ω0 t
1
Dn =
T0 ∫ T0
f (t ) e − j n ω0 t dt
N 0 −1
f [k ] = ∑D
r =0
r e j r Ω0 k
N 0 −1
1
Dr =
N0
∑ f [k ] e
r =0
− j r Ω0 k
Karşılaştırıldıklarında ilk farklı olan, f (t ) işaretinin ayrık Fourier seride ayrık formda f [k ]
oluşudur. Bunun dışında frekans spektrumları Dn ve Dr benzer olarak her ikisinde de ayrık
formdadır. Buradan çıkarılacak sonuç şudur :
68
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
a) sonsuz sayıda ayrık bileşenin toplamı sürekli fonksiyon oluşturur ( f (t ) ).
b) sonlu sayıda toplam daima ayrık değer oluşturur ( Dr ) .
c) belirli (sabit, fix) bir aralıktaki ( T0 ) integral daima ayrık değer oluşturur ( Dn ) .
İkinci olarak ise sürekli formdaki T0 periodunun karşılığı ayrık formda N 0 olarak değişmiştir.
T0 periodunda sonsuz harmonik dikkate alınırken, N 0 da sonlu sayıda harmonik dikkate
alınmıştır. Sürekli haldeki spektrumdaki bileşenler arasındaki aralık T0 iken, ayrık durumda
bu aralık 2π olmuştur.
Örnek
Ayrık Fourier serisini gösteren f [k ] = sin 0.1π k işaretinin genlik ve faz spektrumunu
belirleyin.
Çözüm
Öncelikle f [k ] = sin 0.1π k işaretini oluşturmak için frekans ve period gibi parametrelerini
bulmaya çalışalım.
Ω = 0.1π
⎛ 2π ⎞
N 0 = m⎜ ⎟
⎝Ω⎠
⎛ 2π ⎞
N0 = m ⎜ ⎟ = m (20)
⎝ 0.1π ⎠
N 0 = 20
olarak elde edilir. Buna göre f [k ] nın değişimi aşağıdaki gibi olacaktır.
f [k ]
k
− 10 0 10 20
69
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Şimdi genlik ve faz spektrumu için ayrık Fourier seri denklem çifti üzerinde bir takım
işlemler yapmamız gerekecek. Period N 0 = 20 olduğundan
9
f [k ] = ∑D
r = −10
r e j 0.1π r k
1 9
Dr = ∑ sin 0.1π k e − j 0.1π r k
20 k = −10
=
1 9 1
∑
20 k = −10 2 j
(
e j 0.1π k − e − j 0.1π k
)e − j 0.1π r k
1 ⎡ 9 9
⎤
= ∑ e j 0.1π
40 j ⎢⎣ k = −10
k (1− r )
− ∑
k = −10
e − j 0.1π k (1+ r )
⎥
⎦
ifade “r” nin tüm değerleri için sıfır iken yalnızca r = 1 için değerler elde etmek mümkün
olacaktır.
⎧ 1
⎪ D1 = 2 J r =1
⎪
⎪ 1
Dr = ⎨ D−1 = − r =1
⎪ 2J
⎪0 r ≠1
⎪
⎩
1 j 0.1π k
f [k ] = sin 0.1π k = (e − e − j 0.1π k )
2j
1 1 j π /2 1 1 − j π /2
D1 = = e ve D−1 = − = e
2J 2J 2J 2J
oldukları görülecektir. Görüldüğü gibi spektrumda yalnızca iki tane sıfır olmayan bileşen
olacaktır. Buradan ayrıca genliklerin
1
D1 = D−1 =
2
ve fazın ise,
π π
∠ D1 = − ve ∠ D−1 =
2 2
70
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
oldukları görülecektir. Bunlara göre genlik ve faz spektrumlarıda aşağıdaki gibi olacaktır.
Dr
− 2π − π / 10 π / 10 2π Ω
− 20 − 10 0 10 20 r
∠ Dr
π /2
− 2π − π / 10 π / 10 2π Ω
π /2
71
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
f [k ]
−N N k
0
Şekil 34 Periodik olmayan ayrık işaret
f N0 [k ]
− N0 −N N N0 k
0
Şekil 35 Periodik olmayan ayrık işaretin periodik ayrık işarete dönüştürülmesi
Bu senaryoya göz atarsak eğer f N 0 [k ] işaretinin periodu N 0 eğer çok büyük veya sonsuz
büyükse ( N 0 → ∞ ) ise, periodik olmayan işaret f [k ] kendisini bu geniş aralıkta
tekrarlayacaktır. f [k ] nin f N 0 [k ] dan elde edilişini aşağıdaki tanımda görüyoruz.
lim f N 0 [k ] = f [k ]
N 0 →∞
Bu durumda f N 0 [k ] işareti ayrık Fourier serisi ile ifade edilebilen bir işaret pozisyonundadır.
Fourier serisi f N 0 [k ] , N 0 → ∞ durumunda f [k ] işaretini de temsil edecektir. Ayrıntıları
göstermek üzere exponensiyel formları kullanacağız. Eğer ayrık exponensiyel Fourier serisi
f N 0 [k ] ise,
N 0 −1
2π
f N 0 [k ] = ∑De
r =0
r
j r Ω0 k
= ∑De
r = < N0 >
r
j r Ω0 k
, Ω0 =
N0
72
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
olmak üzere
∞
1
Dr =
N0
∑ f [k ] e
k = −∞
− j r Ω0 k
olduğunu biliyoruz. Bu ifadenin sağ tarafının tanım aralığı dikkat edilirse N 0 → ∞ için
(−∞, ∞) aralığı olarak tanımlanmıştır. Sonsuz aralığa rağmen k > N için ( − N < k < N )
zaten f [k ] = 0 olacağından durum değişmeyecektir. Burada incelenmesi gereken husus N 0
daki değişimin Dr spektrumunu nasıl etkileyeceğidir. En son verilen denkleme bakarsak
f [k ] nin ayrık olmasına rağmen Dr nin (−∞, ∞) aralığı için sürekli formda olabileceği
yönünde kanaat kuvvetlidir. Bunu görmek üzere (−∞, ∞) aralığındaki toplamın sürekli bir
fonksiyonu oluşturabileceğini düşünerek yeni bir sürekli fonksiyon F (Ω) göz önüne alalım.
Bu fonksiyonun Fourier serisi karşılığı olarak
∞
F (Ω) = ∑ f [k ] e
k = −∞
−jΩk
1
Dr = F (r Ω 0 )
N0
olduğunu görebilmekteyiz. Buradan Fourier serisindeki katsayının Dr , Fourier serisinin
F (Ω) her Ω 0 rad/sn lik örneklerinin 1 / N 0 katı olduğu ortaya çıkmaktadır. Buradan
(1 / N 0 ) F ( Ω) teriminin Dr nin zarfı (envelope) olduğu da ortaya çıkar. Elde edilen Dr nin
denklemine bakarsak eğer period N 0 artırılırsa iki türlü etkilenme olacaktır. Öncelikle Dr nin
frekans eksenindeki genliği küçülecektir. İkinci olarak ise
2π
Ω0 =
N0
Bağıntısından dolayı aynı zamanda frekans yani Ω 0 da etkilenecektir. Bu durumda frekans
eksenindeki bileşenler arasındaki aralıklar yani boşluklarda daralmış olacaktır. Bu son
durumda N 0 ın artırılması durumunda Dr nin temsil ettiği bileşenlerin genlikleri azalacak,
ama daha fazla bileşen yer alacak, üstelik bileşenler arasındaki aralıklar daha dar olacağından
daha sıkı ve birbirine yakın ve de daha yoğun görünen kompakt bir görününm ortaya
çıkacaktır. Bunların ışığında Dr nin görüntüsünü göz önüne getirirsek aşağıdaki şekil ortaya
çıkabilecektir.
73
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Dr
(1 / N 0 ) F ( Ω)
0 Ω
-a-
Dr
(1 / N 0 ) F ( Ω)
Ω
0
-b-
Şekilden de görüldüğü gibi (a) da görülen ayrık şeklin (1 / N 0 ) F ( Ω) bağıntısına göre periodu
artırıldığında (b) den de görülebileceği gibi Dr nin genliği küçüldüğü gibi spektrumda ( Ω )
daha fazla bileşen yer almakta ve bileşenler arasındaki aralık daha da azalmakta ve sonuçta
daha sıkı, yoğun ve kompakt bir görüntü ortaya çıkmaktadır. Örneğin eğer (a) daki spektrum
göz önüne alınırsa period iki katına çıkarıldığında, genlik yarıya düşmekte buna mukabil
spektrumda yer alan bileşen sayısı da iki katına çıkmıştır. Üstelik spektrun eskisinden daha
sıkı, yoğun ve daha kompakt görünümdedir. Limit durumunda ( N 0 → ∞ ) periodun daha da
büyümesi neticesinde genlik değerleri gittikçe küçülen daha fazla Dr bileşeni yer alırken, bu
kez bileşenler arasındaki aralık çok daha daralacaktır ve nihayetinde bu aralık sıfır gibi bir
noktaya geldiğinde bileşenlerin birbirlerine çok yakın, çok yoğun, kompakta ve sonuçta
sürekli bir formdaymış gibi bir görüntü ortaya çıkar. Bu olay “Cauchy dizisi” ninde bir sonucu
olarak görülebilir. Bu nedenle Dr nin spektrumu f [k ] ayrık işaretine rağmen sürekli formda
çıkar. Durum bu açıdan sürekli formdaki Fourier transformasyonu ile tam bir benzerlik
göstermektedir. Dr nin bileşen sayısının artması ile bahsedildiği gibi bileşenlerin genlikleri
gittikçe sıfıra yaklaşan Fourier serisindeki karekterdedir. Şimdi bu işlem ve tanımlamaların
matematik açıdan nasıl gerçeklendiğine bakalım. En son ki denklemimizde sürekli fonksiyon
F (Ω)
74
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
∞
F (Ω) = ∑ f [k ] e
k = −∞
−jΩk
∞
F (r Ω 0 ) = ∑ f [k ] e
k = −∞
− j r Ω0 k
1
Dr = F (r Ω 0 )
N0
ve
f N 0 [k ] = ∑ De
r = < N0 >
r
j r Ω0 k
1 1
f N 0 [k ] = ∑De
r = < N0 >
r
j r Ω0 k
=
N0
F (r Ω 0 ) ∑
r = < N0 > N 0
F (r Ω 0 ) e j r Ω0 k
1
f N 0 [k ] =
N0
∑ F (r Ω
r = < N0 >
0 ) e j r Ω0 k
2π
elde edilecektir. Eğer period yerine N 0 = yazılırsa
Ω0
1 1
f N 0 [k ] =
N0
∑ F (r Ω
r = < N0 >
0 ) e j r Ω0 k =
2π r =∑
F (r Ω 0 ) e j r Ω0 k
( ) < N0 >
Ω0
⎛Ω ⎞
= ∑ F (r Ω
r = < N0 >
0 ) e j r Ω0 k ⎜ 0 ⎟
⎝ 2π ⎠
⎡ F (r Ω 0 ) Ω 0 ⎤ j r Ω0 k
f [k ] = lim
Ω 0 →0
∑ ⎢
r = < N0 > ⎣ 2π ⎥e
⎦
75
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
fark edildiği gibi N 0 → ∞ için spektrum Ω 0 sonsuz küçük olacaktır ( Ω 0 → 0 ). Bunun için
sonsuz küçük yaklaşımını göstermek üzere Ω 0 yerine ΔΩ kullanalım ( Ω 0 → ΔΩ ). Bu
durumda
2π
ΔΩ =
N0
⎡ F (r ΔΩ) ΔΩ ⎤ j r ΔΩ k
f [k ] = lim ∑
r = < N0 > ⎣
ΔΩ →0 ⎢ 2π ⎥⎦ e
1
= lim
ΔΩ → 0 2π
∑ F (r ΔΩ) e j r ΔΩ k ΔΩ
r = < N0 >
Burada F (r ΔΩ)ΔΩ / 2π ifadesinin aslında bir tür katsayı olduğu görülmektedir. Bu katsayı
aynı ifadedeki her bir harmoniği gösteren e j r ΔΩ k exponensiyel ifadenin miktarıdır.
Dolaysıyla buy olla her bir harmoniğin miktarı belirlenmektedir. Bu denklemde r =< N 0 >
ifadesinin N 0 tane harmonikten oluşan her bir harmonik (bileşen) arasındaki aralığı
göstermektedir ve bu aralık biliyoruz ki 2π dir( N 0 ΔΩ = 2π ). Durum örneklemedeki her bir
örnek aralığının ( kT ) alınmasına eşdeğerdir ( t → kT ). Bunların ışığında son elde edilen
f [k ] denkleminin aslında F (r ΔΩ) e j r ΔΩ k fonksiyonlarının çarpımından oluşan örtülü
alanın toplamından başka birşey değildir. Bu fonksiyonun yatay eksendeki ΔΩ ile belirlenen
dar aralıklardan oluştuğu da göz önüne alınırsa f [k ] ifadesinin aslında alan hesaplanması
için kullanacağımız bir integral olduğu ortaya çıkmaktadır.
F (Ω) e j k Ω
F (r ΔΩ) e j ( r ΔΩ ) t
ΔΩ
Ω
0 rΔ Ω
1
f [k ] =
2π ∫π 2
F ( Ω ) e j k Ω dΩ
76
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
olarak elde edilecektir. Bu ifade “Fourier integrali” olarak adlandırılır. Harmonikler
arasındaki aralık 2π olduğundan ∫ integrali 2π aralığındaki sürekli aralığı integre eder.
2π
Bu şekilde sürekli spektrumu oluşturan 2π aralığındaki bileşenlere ait her bir değer ayrık
f [k ] işaretini oluşturacaktır. Başlangıcında Dr olan olan ayrık spektrum şimdi sürekli F (Ω)
fonksiyonu biçimindedir. Bunun da karşılığını önceden
∞
F (r Ω 0 ) = ∑ f [k ] e
k = −∞
− j r Ω0 k
∞
F ( Ω) = ∑ f [k ] e
k = −∞
−j Ωk
olarak aynen sürekli Fourier serisindekine benzer olarak elde edilir. Bulunan F ( Ω) ayrık
işaret f [k ] nin frekans domain karşılığıdır. Bu son bulunan ifade F ( Ω) serisi “ayrık-zaman
Fourier transformasyonu (DTFT)” olarak adlandırılır. Bu terminolojiyle bağlantılı olarak
yukarıda “Fourier integrali” olarak ifade edilen f [k ] integrali de “invers ayrık-zaman Fourier
transformasyonu (IDTFT)” olarak anılır. Bu analizden bulunan ayrık zamanlı Fourier
denklem çiftini bir kez daha özet olarak aşağıda veriyoruz.
∞
F ( Ω) = ∑ f [k ] e
k = −∞
−j Ωk
Ayrık-zaman Fourier transformasyonu (DTFT)
1
f [k ] =
2π ∫π
2
F ( Ω ) e j k Ω dΩ Invers ayrık-zaman Fourier transformasyonu (IDTFT)
F ( Ω) = F{ f [k ]} ve f [k ] = F −1{F ( Ω)}
Bu yazım ayrıca
f [ k ] ⇔ F (Ω )
∞
F ( Ω) = ∑ f [k ] e
k = −∞
−j Ωk
77
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
F (Ω) < ∞
∞
∑
k = −∞
f [k ] e − j Ω k <∞
∞
∑
k = −∞
f [k ] e − j Ω k < ∞
∞
∑
k = −∞
f [k ] < ∞
∑
k = −∞
f [k ] < ∞ toplamı garanti eden koşul sağlanıyorsa DTFT mevcut olur.
∞
f (t ) = ∑D
n = −∞
n e j n ω0 t
1
Dn =
T0 ∫ T0
f (t ) e − j n ω0 t dt
∞
F ( Ω) = ∑ f [k ] e
k = −∞
−j Ωk
1
f [k ] =
2π ∫π
2
F (Ω) e j k Ω dΩ
İkinci olarak katsayıları gösteren ( Dn ) seride ayrık formda elde edilirken, benzer parametre
ayrık transformasyonda sürekli F (Ω) formunda elde edilmiştir. F (Ω) nin sürekli formda
oluşunun sebebi yine yukarıda açıklanan
78
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
1
Dr = F (r Ω 0 )
N0
∞
F (ω) = ∫ f (t ) e − j ω t dt
−∞
1 ∞
f (t ) =
2π ∫ −∞
F (ω) e − j ω t dω
∞
F ( Ω) = ∑ f [k ] e
k = −∞
−j Ωk
1
f [k ] =
2π ∫π 2
F (Ω) e j k Ω dΩ
İkinci olarak her ikisindede katsayıları gösteren gerek F (ω) gerekse F (Ω) sürekli formdadır.
Bunun sebebide ;
1
Dr = F (r Ω 0 )
N0
koşulundan kaynaklandığını görüyoruz. Çünkü katsayı hem period N 0 hemde frekansın Ω 0
değişim aralığına ( rΩ 0 → ΔΩ ) bağlı olarak değişmektedir. Benzer yaklaşımın sürekli durum
içinde
1
D n = F ( n ω0 )
T0
79
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
geçerli olduğunu görmekteyiz. Bu kez de katsayı hem period T0 hemde frekansın ω0 değişim
aralığına ( n ω0 → Δω ) bağlı olarak değişmektedir. Buraya kadar yapılan analizi şimdi
örnekleme teorisinide işin içine katarak biraz daha detaylı ve grafikler üzerinde görmeye
çalışacağız. Bu açıdan her iki transformasyon arasındaki ilişki daha net olarak ortaya
çıkacaktır.
f c (t ) Fc (ω)
A
t
0 − 2πB 0 2πB ω
-a- -b-
f c (t ) Fc (ω)
A/T
2π π 2π
− 2T 0 4T t − − 0 2π B ω
T T T
-c- -d-
f [k ] F (Ω)
A/T
−2 0 4 k − 2π −π 0 π 2π Ω
-e- -f-
80
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Örnekleme Nyquist oranına (rate) göre yapılıyor. Bu halde bildiğimiz gibi T ≤ 1 / 2 B dir.
Örneklemle oluşan f c (t ) işareti
∞
f c (t ) = ∑f
k = −∞
c (kT ) δ (t − kT )
∞
Fc (ω) = ∑f
k = −∞
c (kT ) e − j k T ω
olarak (d) deki spektrumdan da görülmektedir. Buradan Fc (ω) ile Fc (ω) arasında genlikleri
açısından
Fc (ω)
Fc (ω) =
T
ilişkisi göze çarpmaktadır. Fc (ω) nin değeri Fc (ω) nin 1 / T katıdır. Bunun anlamı örnekleme
periodu (T) yi yeterince küçük tutarak( T ≤ 1 / 2 B ) yüksek genlikli örnekler elde edilmesidir.
Şekil (c) de verilen Fourier spektrumunda görüldüğü gibi periodik olarak birden fazla ve
sürekli işaret görülmektedir. Sürekliliğin sebebi, bu bölümde açıkladığımız gibi periodun
sonsuz büyük olduğu ayrık boyutta katsayılar sürekli formda elde edilmekteydiler. İkinci
olarak birden fazla şeklin periodik olarak tekrarlı görünümde olmalarının sebebi ise, Fourier
transformasyonunun Fourier serisinden elde edilmesinden kaynaklanmaktadır. Çünkü bir
periodik olmayan işaret onuda kapsayan daha geniş aralıktaki periodik Fourier serisinden elde
edilebilmekteydi. Fourier serisi periodik işaretlerden oluştuğu için, bu periodik işaretlerin her
biride spektrumda yer alacağından çoklu görüntü oluşacaktır.
Nyquist frekansı ωs = 2π / T dir. Ayrıca bu frekansın işaretin frekansının en az iki katı kadar
olması gerektiğinide biliyoruz( ωs ≥ 2 B ). Buradan (e) de görülen ayrık f [k ] işaretinin f c (t )
den
f [k ] = f c (kT )
bağıntısına göre üretildiğini görmekteyiz. Nihayet ayrık f [k ] işaretinden elde edilen sürekli
formdaki ayrık zaman Fourier transformasyonun F (Ω) (şekil (f))
∞
F ( Ω) = ∑ f [k ] e
k = −∞
−j Ωk
∞
F ( Ω) = ∑f
k = −∞
c (kT ) e − j Ω k
81
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
⎛Ω⎞
F (Ω) = Fc ⎜ ⎟
⎝T ⎠
Ω
ω=
T
olduğu görülür. Fc (ω) spektrumu örnekleme perioduna bölünmektedir. Diğer bir deyişle
örnekleme T perioduna gore yapıldığından mevcut Fc (ω) nin spektrumu bu durumda T
periodlu örneklerin spektrumundan oluşacaktır ( Fc (Ω / T ) ). Bunun yanısıra yine şekiller (d)
ve (f) den görüldüğü üzere Fc (ω) ve F (Ω) genlikleri aynı kalmıştır ( A / T ) .
Örnek
Çözüm
f [k ]
0 5 10 k
82
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
∞ ∞ ∞
F ( Ω) = ∑ f [k ] e
k = −∞
−j Ωk
= ∑γ
k = −∞
k
u (k ) e − j Ω k =∑ γ k e − j Ω k
k =0
∞
= ∑ (γ e − j Ω ) k
k =0
∞
F ( Ω) = ∑ (γ e − j Ω ) k
k =0
u[k ] den dolayı (−∞, ∞) aralığı (0, ∞ ) olarak alınmıştır. Elde edilen ifade geometrik bir dizi
görüntüsünde olduğundan çözümü
n
r n +1 − 1
∑r
m =0
m
=
r −1
, r ≠1
∞
(γ e − j Ω ) ∞ +1 − 1
F ( Ω) = ∑ r k =
k =0 γ e− j Ω −1
1
=
1 − γ e− j Ω
1
F ( Ω) =
1 − γ e− j Ω
1
F ( Ω) =
1− γ e− j Ω
1
=
1 − γ cos Ω + jγ sin Ω
83
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
1 1
F ( Ω) = =
1 − γ cos Ω + jγ sin Ω (1 − γ cos Ω) 2 + (γ sin Ω) 2
1
=
1 + γ − 2γ cos Ω
2
F (Ω)
− 3π − 2π −π 0 π 2π 3π Ω
Görüldüğü gibi F (Ω) çift fonksiyon olup bileşenler arasındaki aralık 2π dir.
⎡ γ sin Ω ⎤
∠ F (Ω) = − tan −1 ⎢ ⎥
⎣1 − γ cos Ω ⎦
0.932
− 3π − 2π −π 0 π 2π 3π Ω
84
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Örnek
Aşağıda verilen ayrık darbe fonksiyonuna ait ayrık Fourier transformasyonunu bulun.
f [k ]
−4 0 4 k
Çözüm
Şekilden görüldüğü gibi darbe fonksiyonu 9 ayrık noktadan oluşmakta (9 noktalı window
fonksiyonu) ve (−4,4) arasında tanımlıdır. Buna göre
M −1 M −1
∞ 2 2
F ( Ω) = ∑ f [k ] e
k = −∞
−j Ωk
= ∑1 × e
M −1
−j Ωk
= ∑e M −1
−j Ωk
k =− k =−
2 2
M −1
2
= ∑ (e M −1
−j Ω
)k
k =−
2
elde edilir.
M −1
2
F ( Ω) = ∑ (e
M −1
−j Ω
)k
k =−
2
İfadesi geometrik bir seri olduğundan karşılığı
85
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
M −1
2
e − j Ω ( M +1) / 2 − e − j Ω ( M −1) / 2
F ( Ω) = ∑ (e M −1
−j Ω
) =
k
e− j Ω −1
k =−
2
e − j Ω / 2 (e − j Ω M / 2 − e − j Ω M / 2 )
=
e − j Ω / 2 (e − j Ω / 2 − e − j Ω / 2 )
MΩ
sin( )
= 2
Ω
sin( )
2
sin(4.5Ω)
= , M =9
sin(0.5Ω)
Elde edilen
sin(4.5Ω)
F (Ω ) =
sin(0.5Ω)
− 2π −π 0 π 2π F (Ω)
Burada karşılaştırma yapabilme adına, ayrık Fourier serisinin katsayısını gösteren Dr nin
spektrumunun bir an için aşağıdaki şekil gibi olduğunu düşünebiliriz. Çünkü F (Ω) bir tür
sin cΩk gibi davrandığından ona uygun Dr nin spektrumunuda aşağıdaki gibi düşünmek
yanlış olmayacaktır.
Dr
-16 -8 0 8 16 r
− 2π −π π 2π Ω
86
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Buna göre hesaplanan Fourier spektrumuna bakıldığı zaman F (Ω) nin Dr nin zarfı
(envelope) olduğu görülmektedir. Bu anlamda Ayrık Fourier serisinin katsayısı Dr ile ayrık
Fourier transformasyonu F (Ω) arasında işaret-zarf ilişkiside tespit edilmiş olmaktadır. Bunu
zaten
1
Dr = F (r Ω 0 )
N0
Örnek
⎛ Ω ⎞ π
F (Ω) = rect ⎜⎜ ⎟⎟ , Ω c = olarak dikdörtgen bir işarete ait Fourier transformasyonu
⎝ 2 Ω c ⎠ 4
verilmişken ayrık invers Fourier transformasyonunu bulun.
Çözüm
Verilen F (Ω) = rect (Ω / 2Ω c ) fonksiyonunun spektrumu aşağıda verilmiştir.
F ( Ω)
π π
− 2π −π − 0 π 2π Ω
4 4
1 1 π
∫ F ( Ω ) e j k Ω dΩ = ∫ π1× e
jkΩ
f [k ] = dΩ
2π 2 π 2π −
1 c jkΩ
Ω
2π ∫−Ωc
= e dΩ
1
= e j k Ω | Ω−Ωc c
j 2π k
sin(Ω c k )
=
πk
Ω
= c sin(Ω c k )
π
π
Eğer Ω c = olarak alınırsa
4
Ωc 1 kπ
f [k ] = sin(Ω c k ) = sin c ( )
π 4 4
87
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
f [k ] nın değişimi de aşağıdaki gibi olacaktır.
f [k ]
1
0 8 k
Frekans örneklenmesi
f [k ]
F (Ω)
k Ω
−N N
f N 0 [k ]
Dr
k Ω
− N0 −N N N0
0
Şekil 48 Periodik olmayan ayrık işaretin periodik ayrık işarete dönüştürülmesi
Her iki şekilden görüldüğü gibi Dr spektrumu, F (Ω) spektrumunun örneklenmiş versiyonu
gibidir. Bundan dolayı F (Ω) - Dr dönüşümüne aynı zamanda spektrum örneklenmesi
denilebilmektedir. Bu sürekli durum içinde geçerlidir. Çünkü sürekli formda da Fourier
serisinin spektrumu, sürekli haldeki Fourier transformasyonunun örneklenmiş versiyonu gibi
davranmaktadır. Bundan dolayı sürekli formdaki F (ω) - Dn durumuda, spektrum
örneklenmesiyle ilgilidir.
88
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
6. Parseval Enerji Teoremi
f [ k ] ⇔ F (Ω)
∞
1
∑ ∫ π F (Ω)
2 2
Ef = f [k ] = dΩ
k = −∞ 2π 2
Birim impuls cevabı h[k ] olan bir linear zamanla değişmeyen (LTI) bir ayrık sistem göz
önüne alalım. Bu durumda f [k ] ayrık giriş için sistem “sıfır-durum” cevabı olan y[k ]
bulmak için
y[k ] = f [k ] * h[k ]
y[k ] = f [k ] * h[k ]
= F (Ω ) H ( Ω )
= Y (Ω)
1
∫ π Y (Ω ) e
jΩk
y[k ] = dΩ
2π 2
ise ve
olduğundan
1
∫ π F (Ω) H (Ω) e
jΩk
y[k ] = dΩ
2π 2
89
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
olarak alternatif biçimde de yazılabilmektedir. Frekans domeni exponensiyel formda
gösterilen sinusoidal işaretlerin bileşenlerinin/harmoniklerinin toplamını göstermektedir.
Frekans domeninde kullanılan F (Ω) , H (Ω) ve Y (Ω) fonksiyonları f [k ] , h[k ] ve y[k ] nın
ayrık Fourier transformasyonları olduklarından aşağıdaki dualite işlemleri mümkündür.
Bu bölümde ayrık ve fast Fourier transformasyonu ile işaret işleme konusu ele alınacaktır. Şu
ana kadar “ayrık-zaman Fourier transformasyonu (DTFT)” gördük. Şimdi yalnızca “ayrık
Fourier transformasyonu (DFT)” göreceğiz. DFT dijital filtreler için kullanılan yazılım tabanlı
çözümdür. Bu amaçla DFT dijital bilgisayarlar üzerinde “hızlı Fourier transformasyonu
(FFT)” kullanılarak uygulanır. Ayrık zaman Fourier serilerindeki (DTFS) denklem çiftlerinin
N 0 −1
f [k ] = ∑D
r =0
r e j r Ω0 k
N 0 −1
2π
Dr = ∑ f [k ] e
r =0
− j r Ω0 k
, Ω0 =
N0
olduğunu biliyoruz. Örnekleme teorisinin analiz edildiği bölümden biliyoruz ki, birde
yalnızca “ayrık Fourier transformasyonu (DFT)” var. Bunu vurgulamamızın nedeni ayrık
Fourier serisindeki denklemler DFT denklemlerine özdeştir. Bundan dolayı ayrık-zaman
Fourier serilerinin (DTFS) katsayılarının hesaplanmasında, DFT için kullanılan “fast Fourier
transformasyonu (FFT)” olarak bilinen yazılım tabanlı algoritma kullanılmaktadır. FFT yi
görmeden ve uygulamadan önce DTFS ile özdeş olduğunu öne sürdüğümüz “ayrık Fourier
transformasyonuna (DFT)” kısaca bir göz atmakta yarar var.
Yukarıda da bahsedildiği gibi, örnekleme teorisi ile kullanılan Fourier özellikli bir
transformasyondur. Kullanımı f [k ] veya f (t ) gibi fonksiyonların zaman değişkenini
gösteren “ k ve t “ ye bağlı olmadığı için “sunumunda “zaman” kelimesi kaldırılmış yalnızca
“ayrık Fourier transformasyonu (DFT)” olarak anılmaktadır. Dijital tabanlı bilgisayar
uygulamalarına yönelik hesaplamalara son derece uygun bir transformasyondur. Bu amaçla
özellikle dijital filtre tasarımlarında oldukça yaygın kullanılan bir tekniktir. Basit ve kısaca
ilgili denklemlerine bir göz atacağız.
90
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
∞
F ( Ω) = ∑ f [k ] e
k = −∞
−j Ωk
1
f [k ] =
2π ∫π
2
F (Ω) e j k Ω dΩ
1. F (Ω) nin ifadesinden görüldüğü gibi, sonsuz terimin toplamından oluşmaktadır. Ancak
sayısal hesaplama platformları veya makineleri sonlu veya sınırlı hesaplama zamanına göre
çalıştıklarından, sonsuz hesaplama mümkün olmayacaktır.
İki durum incelendiği zaman birinci durumun daha önceliği olduğu görülmektedir. Bu güçlük
f [k ] nın sonlu uzunlukta alınması veya f [k ] nın uygun bir pencere ile traşlanması
(filtrelenmesi, kesilmesi;truncating) ile çözülebilir.
Pencereleme youyla oluşacak hata daha geniş ve inceltilmiş (tapered) pencere ile azaltılabilir.
Bundan dolayı çözüm üretme adına f [k ] yı sonlu uzunlukta kabul edeceğiz. Bunu
yaptığımız anda hem F (Ω) ye çözüm getirirken, aynı zamanda F (Ω) den elde edilecek
f [k ] nın hesaplanmasınıda mümkün kılmış olacağız. Çünkü bu kabulle birlikte F (Ω) nin
örnekleri (numuneleri) sonlu sayıda olacağından, f [k ] integralden ziyade sonlu uzunlukta
toplam (sum) kullanılarak hesaplanabilecektir.
91
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
f [k ]
0 N0 −1 k
-a-
f N0 [k ]
− N0 0 N0 2N 0 k
-b-
f N 0 [k ]
− N0 0 N0 k
-c-
N 0 −1
2π
f N 0 [k ] = ∑D
r =0
r e j r Ω0 k , Ω0 =
N0
Burada Dr nin de
1 N 0 −1
2π
Dr =
N0
∑ f [k ] e
k =0
− j r Ω0 k
, Ω0 =
N0
92
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
olduğunu biliyoruz. Burada dikkat edilirse Dr için f [k ] kullanıldı. Dr ifadesini
f N 0 [k ] = f [k ] , k = 0,1,2,L, N 0 − 1
∞
F ( Ω) = ∑ f [k ] e
k = −∞
−j Ωk
N 0 Dr = F ( r Ω 0 )
yazılabileceğini hatta bununda Fr yani F (Ω) nin “r” nci örnekleri olduğunu görebiliriz.
N 0 Dr = F (r Ω 0 ) = Fr
N 0 −1
1
f N 0 [k ] =
N0
∑F
r =0
r e j r Ω0 k
N 0 −1
Fr = ∑ f [k ] e
k =0
− j r Ω0 k
N 0 −1
1
f [k ] =
N0
∑F
r =0
r e j r Ω0 k , k = 0,1,2,L, N 0 − 1
93
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
N 0 −1
Fr = ∑ f [k ] e
k =0
− j r Ω0 k
ayrık Fourier transformasyon (DFT)
N 0 −1
1
f [k ] =
N0
∑F
r =0
r e j r Ω0 k invers ayrık Fourier transformasyon (IDFT)
Denklemleri ayrık Fourier transformasyon (DFT) çiftleri olarak bilinir. Burada bulunan Fr ,
ayrık-zaman Fourier transformasyonunun F ( Ω) (DTFT) örneklerini oluşturur. Farkedildiği
gibi F ( Ω) sürekli olmasına rağmen onun N 0 tane örneği doğal olarak ayrık veya sonlu
boyuttadır.
N 0 −1
Fr = ∑ f [k ] e
k =0
− j r Ω0 k
, r = 0,1,2,L , N 0 − 1
f [k ] ⇔ Fr
ilişkisi mevcuttur. Burada Fr nin hem f [k ] hemde F ( Ω) ile olan ilişkisini hatırlatmakta
fayda var. Buna göre Fr verilen işaret f [k ] nın N 0 -noktalı dizisidir. f [k ] üzerindeki her
bir örnek bir Fr ye karşılık gelmektedir.
Diğer yandan Fr nın DTFT F ( Ω) ile olan ilişkisine gelince; Fr ayrık-zaman Fourier
transformasyonunundaki (DTFT) ayrık işaret f [k ] nın sonlu uzunlukta alınmasıyla oluşan
DTFT ( F ( Ω) ) nun örnekleridir. Dolaysıyla Fr , F ( Ω) nin spektrumdaki
örneklerini/elemanlarını göstermektedir. Toplam 2π uzunluğundaki aralıkta yer alan N 0 tane
2π
noktanın her biri Ω 0 = frekans aralıklarıyla alınmış örnekleridir. f [k ] nın N 0 -noktalı
N0
dizisi demek f [k ] de ayrık eleman sayısı N 0 anlamındadır. Buna göre f [k ] işaretinde ayrık
olarak N 0 sayıda ayrık nokta vardır. Dolaysıyla N 0 tane ayrık nokta Fr de da mevcuttur.
Çünkü Fr örneklerinden oluşan F ( Ω) de N 0 -noktalı dizinin gösterdiği f [k ] işaretinden
oluşmaktadır. Sonuçta ayrık Fourier transformasyonuyla bilinen
∞
F ( Ω) = ∑ f [k ] e
k = −∞
−j Ωk
1
f [k ] =
2π ∫π 2
F (Ω) e j k Ω dΩ
94
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
denklerindeki gerek sonsuz toplam ( F ( Ω) ) gerekse yaklaşık integral ( f [k ] ) ifadeleri yerine,
sonlu sayıdaki ayrık terimleri içeren Fourier transformasyonlarının
N 0 −1
Fr = ∑ f [k ] e
k =0
− j r Ω0 k
N 0 −1
1
f [k ] =
N0
∑F
r =0
r e j r Ω0 k
Örnek
Aşağıda verilen ayrık darbe şekline ait DFT dani f k ve FFT algoritmasını kullanarak Fr
Fourier serisini bulun.
f [k ]
− 36 − 32 − 28 − 16 −4 0 4 16 28 32 36 k
Çözüm
Bu daha önce üzerinde çalıştığımız DTFT nu üzerine bir örnekti. İlgili hesaplamalar aşağıdaki
gibi yapılır.
N 0 = 32
Bu durumda frekans
2π 2π π
Ω= = =
N 0 32 16
olarak elde edilir. Buna göre f [k ]
15 π
j r k
f [k ] = ∑D
r = −16
r e 16
Şekilden de görüldüğü gibi ayrık darbe işareti periodu 32 olmasına rağmen (−4,4) arasında
tanımlı olup bu aralıktaki değeri de f [k ] = 1 olduğundan yukarıdaki denklem
95
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
π π
1 4 −j r k 1 4 − j r 16 k
Dr = ∑
32 k = −4
1 × e 16
= ∑e
32 k = −4
n
a n +1 − a m
∑ak =
k =m a −1
, a ≠1
yaklaşımı gereğince
πr 4π r
⎡ − j 516 j ⎤
1 ⎢e − e 16 ⎥
Dr =
32 ⎢ −j r
πr
k ⎥
⎢⎣ e 16
− 1 ⎥⎦
0.5π r 5π r 4.5π r
−j ⎡ − j 4.16 j ⎤
e 16
⎢e − e 16 ⎥
⎛ 1 ⎞ ⎣ ⎦
=⎜ ⎟ 0.5π r 0.5π r 0.5π r
⎝ 32 ⎠ − j 16 ⎡ − j 16 j ⎤
e ⎢e − e 16 ⎥
⎣ ⎦
4.5π r
sin( )
⎛ 1 ⎞ 16
=⎜ ⎟
⎝ 32 ⎠ sin( 0.5π r
16
⎛ 1 ⎞ sin(4.5 r Ω 0 ) π
=⎜ ⎟ , Ω0 =
⎝ 32 ⎠ sin(0.5 r Ω 0 ) 16
olarak bulunmuştu. Şimdi Dr nin eşdeğeri olan Fr , verilen f [k ] işaretinden elde edilmesi
gerekiyor. Verilen ayrık işaretin değişimini de göz önüne alarak f k aşağıdaki gibi üretilebilir.
⎧1
⎪ 0≤k ≤4 and 28 ≤ k ≤ 31
f k = ⎨16
⎪⎩0 5 ≤ k ≤ 27
Bu şekilde tanımlanan f k nin değerlerine göre FFT kullanılarak Fr , Dr gibi elde edilebilir.
Buna göre Fr daha önce elde ettiğimiz Dr nin spektrumuna benzer olarak aşağıdaki gibi
olacaktır.
96
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Dr , Fr
9 / 32
-32 -16 0 16 32 r
− 2π −π 0 π 2π Ω
Bu bölümde ayrık ve hızlı Fourier transformasyonu ile işaret işleme konusu ele alınacaktır. Şu
ana kadar “ayrık-zaman Fourier transformasyonu (DTFT) ve ondan türetilen ayrık Fourier
transformasyonunu (DFT) gördük. Şimdi ayrık Fourier transformasyonundan (DFT)
yararlanarak, Hızlı Fourier transformasyonu olarak bilinen sayısal hesaplama yöntemini (fast
Fourier transformasyonu, FFT) göreceğiz. DFT dijital filtreler için kullanılan yazılım tabanlı
çözümdür. Bu amaçla DFT dijital bilgisayarlar üzerinde “fast Fourier transformasyonu
(FFT)” kullanılarak uygulanır. Bunun için ayrık-zaman Fourier serisinin (DTFS) çiftinin
N 0 −1
f [k ] = ∑D
r =0
r e j r Ω0 k
N 0 −1
2π
Dr = ∑ f [k ] e
r =0
− j r Ω0 k
, Ω0 =
N0
olduğunu biliyoruz. Örnekleme teorisinin analiz edildiği bölümden biliyoruz ki, ayrık Fourier
serisindeki denklemler DFT denklemlerine özdeştir. Bundan dolayı abir anlamda yrık-zaman
Fourier serisinin (DTFS) katsayılarının hesaplanmasında, DFT için kullanılan “fast Fourier
transformasyonu (FFT)” olarak anılan yazılım tabanlı algoritma kullanılmaktadır. FFT
hesaplama yönteminin özü bilgisayarlar gibi sayısal hesaplama ortamlarında çalıştırılmak
üzere aşağıda ayrık Fourier transformasyonu (DFT) çifti ile verilen
N 0 −1
Fr = ∑f
k =0
k e − j r Ω0 k
1 N 0 −1
2π
fk =
N0
∑F e
r =0
r
j r Ω0 k
, Ω 0 = ω0T =
N0
97
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
denklemleriyle ilgili hesaplamaların yapılmasında işlem kompleksliği ve hacmi açısından
oldukça basitlik sağlayan bir yöntem olup 1965 de İngliz bilim adamları Tukey ve Cooley
tarafından geliştirilmiştir.
İşlemler DFT çiftini esas alan yazılım tabanlı bir algoritma kullanılarak geliştirilmiş ve
“Hızlı Fourier transformasyonu” (Fast Fourier Transformation ,FFT) adını almıştır.
Uygulamada bazen algoritmik yönünden dolayı FFT algoritması olarak da anılır. Esas
itibariyle DFT deki işlem hacmini azaltmaya yönelik bir algoritmadır. Bu yönüyle yüksek
örnek sayılı DFT uygulamalarının işlenmesinde oldukça etkin bir katkı sağlamaktadır. Örnek
sayısının N 0 alınacağı böyle bir uygulamada yukarıdaki DFT çiftine bakıldığında Fr yi
hesaplamak için her bir örnek için N 0 tane kompleks çarpma ve N 0 − 1 tane de kompleks
toplamanın yapılması gerektiğini görürüz. Örneğin eğer bir örnek değil de toplam N 0 örnek
için yani örneklerin tamamı için Fr hesaplanacaksa bu anda toplam N 02 tane kompleks
çarpma ve N 0 ( N 0 − 1) tanede kompleks toplama yapılması gerekecektir. Örnek sayısı N 0 ın
daha da büyük değerleri için yapılacak hesaplamaların hacimleri, kompleksliği, bunlara
harcanacak zamanların büyüklüğü saatler, bazen günler ifade edilebilecek boyutlarda olacağı,
hatta süper bilgisayarların bile hesaplamalarda yetersiz kalabileceği gibi büyük bir sorun
ortaya çıkmaktadır. İşte böyle bir sorunu gidermek adına Tukey ve Cooley FFT adı verilen
yazılım tabanlı bir algoritmayı geliştirerek sorunun çözümüne büyük bir katkı yapmışlardır. O
günden günümüze hala FFT algoritmaları sayısal işaret işleme çalışmalarında etkin çözüm
yöntemi olarak kullanılmaya devam etmektedir. Bu tekniğin avantajlarını aşağıdaki tablodaki
karşılaştırmalu değerlerden daha net olarak görmekteyiz.
Birinci sütün kullanılacak örnek sayısını ( N 0 ), ikinci sütun toplam N 0 tane örneğin DFT da
gerektireceği kompleks çarpma sayısını, üçüncü sütun ise FFT da gerekecek çarpma sayısını
göstermektedir. Son sütun ise iki yöntem yani DFT ve FFT arasındaki hız faktörünü, yani
birinin diğerine göre ne kadar veya kaç kat hızlı olduğunu göstermektedir. Tabloya ait tüm
veriler incelendiğinde N 0 tane örneğin FFT ile işlenmesinin müthiş bir avantaj sağladı net bir
şekilde görülmektedir. İkinci sütundaki DFT daki işlem hacminin oldukça büyük hacimde
olduğu ve eğer 1024 ten daha büyük N 0 değerleri için beklide DFT nun efektif veya hiç
cevap veremeyecği gibi bir izlenim söz konusudur. Diğer yandan son sütundaki hız faktörleri
incelendiğinde de FFT nun DFT na göre karşılaştırılamayacak denli hızlı olduğu
görülmektedir. Dolaysıyla böyle ve N 0 değerinin artması durumunda FFT nun tek çözüm
yöntemi olarak seçilmesinin tutarlı bir tercih olacağı görülmektedir.
98
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
Sonuçta Tukey ve Cooley tarafından işaret işleyicilerin hizmetine sunulan FFT
algoritmasının, kompleks hesaplamalardaki üstün yeteneği ile oldukça etkin ve ilgi gören bir
yöntem olarak kullanılmaya devam edileceği görüşü ağırlıktadır.
Gr Fr
W Nr0
Hr − W Nr0 Fr + ( N 0 / 2)
f0 F0
G0
f2 G1 F1
N0 = 4 W8
DFT
f4 G2 F2
2
W 8
f6 G3 F3
W83
f1 H0 F4
f3 N0 = 4 H1 − W8 F5
DFT
f5 H2 − W82 F6
f7 H3 − W83 F7
-a-
99
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
f0 F0
N0 = 2 A0
DFT
f4 A1 F1
2
W8 W8
f2 N0 = 2 B0 -1 F2
DFT W82
f6 B1 F3
−W 8
2
W8
3
f1 F4
N0 = 2
DFT
f5 F5
W82 − W8
f3 N0 = 2 -1 − W82 F6
DFT
f7 − W82 − W83 F7
-b-
100
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
f0 F0
f4 F1
-1
W82 W8
f2 F2
-1 W82
f6 F3
-1 −W 8
2
W8
3
f1 F4
f5 F5
-1 W 8
2
− W8
f3 F6
-1 −W 8
2
f7 F7
-1 − W82 − W83
-c-
101