You are on page 1of 101

İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler

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

Şekil 1 Farklı sürekli işaretlerin aynı T zamanlarında aynı değerleri üretmesi

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

f1 (kT ) = f 2 (kT ) = f 3 (kT )

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.

Mevcut sürekli-zaman işaretlerinin aynı ayrık noktaları (örnekleri) oluşturmaları mümkündür


ve bu örtüşme (aliasing) olarak adlandırılan kavram ile açıklanabiliyor. Eğer f1 (t ), f 2 (t ), f 3 (t )
işaretleri aynı örnekleme frekansıyla örnekleniyorlarsa f 2 (t ) ve f 3 (t ) işaretlerinin frekansları
f1 (t ) işaretinin frekansının “örtüşeni (aliasing)” olması durumunda, f 2 (t ) ve f 3 (t )
işaretlerinin oluşturacağı örnekler f1 (t ) ile aynı olacaktır. Yukarıdaki şekil böyle bir duruma
uygun düşmektedir. Ancak bu durumda her üçü aynı örnekleri göstermesine rağmen, bu
örneklerden sadece f1 (t ) işareti tam olarak tekrar elde edilebilirken (reconstruction), aynı
örneklerden f 2 (t ) ve f 3 (t ) işaretleri tekrar elde edilemeyeceklerdir. Bu, örnekleme teorisinin
önemli bir sonucudur.

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

Bu denklem, yöntemi geliştiricisinin adıyla anılan Nyquist örneklem kuralı olarak


bilinmektedir. Burada Fs örnekleme frekansı, B de örneği alınacak band-sınırlı sürekli-zaman
işaretinin frekansıdır. Örnekleme frekansının minumum değerinin

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 )

Band Sınırlı İşaretin Örneklenmesi ve Konvülasyon

Fourier transformasyonuna göre band dışında (band genişliği : ω2 − ω1 ) Fourier


transformasyonu sıfır olan [ F (ω) = 0 ] işaret band sınırlıdır. İşaretin sonsuz büyüklükteki
ω = (−∞ , + ∞) band genişliğinde olması durumunda işaretin enerjisinden dolayısıyla da band
genişiğinden bahsetmek mümkün olmaz. Bu yüzden örneklenmeye dahil olacak işaret band
sınırlı ve Fourier transformasyonu mevcut olmalıdır. Diğer yandan niçin örnekleme frekansı
örneklenecek işaretin frekansının veya band genişliğinin iki katı olmalıdır?. Bu sorunun
cevabını sinusoidal yaklaşımla verebiliriz. Eğer iki aynı frekanslı (hızdaki) sinusoidal işaret
mevcut ise aşağıda şekil (a) daki gibi düşünebiliriz. Her ikisi aynı frekanstadır ( ω1 = ω2 ). Bu
durumda aynı A noktasından harekete başlayan araçlar olarak düşündüğümüzde birinin
diğerini geçerek B noktasına daha önce gelmesi mümkün olmayacaktır. Şimdi işaretlerimizin
farklı hızlarda olduğu (b) seçeneğini göz önüne alalım.

3
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol

ω1

A B

ω2

Şekil 2a): Aynı Frekanslı işaretler (ω1 = ω2 )

ω1

2ω1

Şekil 2b): Farklı frekanslı işaretler

ω1 ω1 ω1

2ω1

A B C D

Şekil 2c): Farklı işaretlerin Frekans Davranışı

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

Şekil 2d): Konvülasyon : Farklı işaretlerin Frekans Davranışı : ω1 * 2ω1

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

Bu kurala göre, örnekleme frekansı FS , band sınırlı işaretin (maksimum B frekanslı)


frekansının en az iki katı kadar olmalıdır koşulu sağlanmalıdır.

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

olmalıdır. Bu durumdaki frekansa Nyquist miktarı (frekansı) denilmektedir ( FN -min = FN ).


Örnekleme frekansına göre örnekler eşit zaman aralıklarıyla alınacağı için aynı zamanda
örnekleme periodu ( TS ) kavramıda gündemde olacaktır. Buna göre örnekleme periodu,
örnekleme frekansı ve Nyquist değeri arasında

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.

Örneklemede kullanılan terimler

F (ω)

−B 0 B ω

Şekil 3 Band sınırlı işaret

Nyquist miktarı (rate) ( FN ) : FN = 2 B , Minumum örnekleme frekansını göstermektedir.

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 )

Örnekleme frekansı : FS > 2 FN , Örtüşme olmaması ve işaretin örneklerinden elde edilmesi


için gereklidir.

İşaret frekansı (B) : Örneklenecek işaretteki en yüksek frekans

7
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol

Örnek

Verilen işaretlerin Nyquist miktarını ve Nyquist aralığını bulun.

a) sin c(100π t ) b) sin c(100π t ) + sin c(50π t )

Çözüm

Nyquist oranı olarak istenen FS = 2 B ve Nyquist aralığı olarak istenen de T = 1 / 2 B dir.


Buna göre

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

olduğunu bildiğimize göre, sin c(100π t ) fonksiyonunun Fourier transformasyonunu


ω
rect ( ) gibi bulmamız gerekiyor. Bunun için sin c(100π t ) fonksiyonunu önce
2W
W
sin c(W t ) gibi düzenlememiz gerekecek. Bunun için
π

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

Buradan W = 200π = 2πB , B = 100 Hz ve FS = 2 B = 200 Hz , T = 1 / 2 B = 0.05 s .

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

Verilen işaretinn Nyquist miktarını ve Nyquist aralığını bulun.

f (t ) = sin c 2 (100 t )

Çözüm

Nyquist oranı olarak istenen FS = 2 B ve Nyquist aralığı olarak istenen de T = 1 / 2 B dir.


Buna göre

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

olduğunu bildiğimize göre, 30 sin c 2 (100 t ) fonksiyonunun Fourier transformasyonunu


ω ω W Wt
Δ( ) gibi bulmamız gerekiyor. Bunun için Δ( ) fonksiyonunu önce sin c 2 ( )
2W 2W 2π 2
gibi düzenlememiz gerekecek. Bunun için

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

Buradan W = 200π = 2πB , B = 100 Hz ve FS = 2 B = 200 Hz , T = 1 / 2 B = 0.05 s .

Impuls Dizisiyle Örnekleme

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 = −∞

fonksiyonu en tanınan ve kullanılanıdır. Bu fonksiyonu zaman ve frekans içeriği açısından


tanımak ve hatırlamakta fayda var. Bunun için f (t ) işaretinin F (ω) Fourier
transformasyonunun nasıl elde edildiğini tekrar gözden geçirelim.

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

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

Daha önceden Fourier transformasyonundan

1 j ω0 t
e ⇔ δ (ω − ω0 )

e j ω0 t ⇔ 2π δ (ω − ω0 )

f (t ) = e j ω0 t

F (ω) = 2π δ (ω − ω0 )

olduğunu biliyoruz. Buna göre

∞ ∞

∑ ak e j k ω0 t ⇔
k =-∞
∑ 2π a
k =- ∞
k δ (ω − kω0 )


F (ω) = ∑ 2π a
k =- ∞
k δ (ω − kω0 )



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

biçiminde de gösterilebilir. Bu koşulları taşıyan impuls dizisi önemli bir örnekleme


fonksiyonudur. Aşağıda şekil (c) de verilen impuls dizisi (impuls train) fonksiyonu genelde en
rağbet görenidir. Bu fonksiyon alternatif isim olarak tarak (comb) fonksiyonu olarak da anılır.
Bir band-sınırlı sürekli-zaman işaretinden alınan örneklerin ayrık-zaman sistemde
işlenmesinin örnekleme teorisi ile mümkün olduğunu biliyoruz. Bunun için sürekli işaretten
alınacak örneklerin birbirine yeterince yakın ve de sayısının yeterince yüksek olması gerekir.
Çünkü işlem sonucunda bu örnekler kullanılarak sürekli işaret tekrar elde edilecektir. Bu
yüzden alınacak örnek sayısının miktarı ve sayısı önemlidir. Örnekleme teorisi uygulanırken
hatırlanacağı gibi band-sınırlı (B Hz) işaretin f (t ) Fourier transformasyonu belli band
aralığının ( − 2πB < ω < 2πB ) dışında sıfır ( F (ω) = 0 ) olarak kabul edilmekteydi.
Bu şartlardaki örnekleme frekansının FS değeri Nyquist kuralına göre FS ≥ 2 B veya diğer bir
deyişle örnekleme periodunun TS , TS ≤ 1 / 2 B olduğunu biliyoruz. Bunu ispat etmek
mümkündür. Örneklenecek band-sınırlı işaret olarak f (t ) ve onun Fourier
transformasyonunun sırasıyla (a) ve (b) olarak aşağıdaki gibi olduğunu kabul edelim.

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 )

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-

Şekil 5 Örneklenmiş işaret ve Fourier spektrumu

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 )

f (t ) örneklenmiş işarete ait fonksiyondur. δ T (t ) impuls fonksiyonunu temsil eden p(t )


örnekleme fonksiyonunun örneklemeye uygun biçiminin zaman domeninde


p(t ) = ∑ δ (t − nT )
n = −∞

ve frekans domenindeki değerinin ise

2π ∞
PT (ω) =
T
∑ δ (ω − nω )
n = −∞
s

olduğunu yukarıda göstermiştik. Eğer örnekleme f (t ) nin t = T , 2T ,3T ,L, nT olacak


şekilde “n” tane noktasına göre yapılırsa verilen ifade

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

denklemde görülen f (t ) cos ωs ifadesinin Fourier transformasyonunu da daha önceki Fourier


transformasyonu bölümünden

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

olduğunu biliyoruz. Bu yaklaşım denklemdeki her terime aynen

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.

F (ω) = F (ω) PT (ω)


= f (t ) * p (t )

Örneklenmiş İşaretin Spektrumu

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–

Şekil 6 Örneklenecek Band sınırlı f (t ) işareti ve F (ω) Fourier spektrumu

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-

Şekil 7 Örneklenmiş işaret ve Fourier spektrumu

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.

Az örnekleme (undersampling) durumu

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.

Örtüşme problemine karşıt örtüşme filtresi (anti-aliasing filter)

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

f (t ) = sin c 2 (5π t ) işaretini

Örnekleme Örnekleme
frekansı ( FS ) periodu (T)
5 Hz 0.2
10 Hz 0.1
20 Hz 0.05

Tablodaki parametrelere göre örnekleyerek sonuçlarını tartışalım.

Çözüm

İlk olarak f (t ) = sin c 2 (5π t ) işaretinin zaman ve frekans f (t ) - F (ω) domenindeki


görünümü aşağıdaki şekilde verilen (a) ve (b) deki gibi olacaktır. f (t ) = sin c 2 (5π t )
işaretinin band genişliğini bulmak için sin c 2 (5π t ) fonksiyonunun Fourier
transformasyonunu bulmamız gerekiyor. Daha önceden

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

FS = 5 Hz örnekleme frekansı FS ≥ 2 B = 10 Hz koşulunu sağlayamadığından şekil (d) de


görüldüğü gibi örtüşme olacaktır. Diğer bir deyişle gereğinden az örnek alındığından örtüşme
probleminden dolayı işaretin örneklerinden elde edilebilmesi mümkün değildir. Dolayısıyla
veri kaybı söz konusu olacaktır.

b) FS = 10 Hz için

B = 5 Hz olduğundan FS ≥ 2 B = 10 ≥ 2 × 5 = 10 = 10 koşulu gereği kritik örnekleme söz


konusudur. Yani örtüşme yok ancak işaret minumum örnekleme frekansıyla
örneklenmektedir. Herhangi bir örtüşme veya riskli durum olmadığından, işaret örneklerinden
rahatlıkla elde edilebilecektir. Buna dair şekli de (f) de görmekteyiz.

c) FS = 20 Hz için

B = 5 Hz olduğundan FS ≥ 2 B = 20 >> 2 × 5 = 10 koşulu gereği aşırı örnekleme söz


konusudur. Yani gereğinden fazla örnek alınmıştır. Herhangi bir örtüşme veya riskli durum
olmadığından, işaret örneklerinden rahatlıkla elde edilebilecektir. Buna dair şekli de (h) de
görmekteyiz.

Her bir durumla ilgili şekilleri de göz önüne alan detaylı analiz aşağıdadır.

1. FS = 5Hz bu frekans FS ≥ 2 B kuralı gereğince Fs ≥ 2 B = 5 ≥ 2 × 5 = 5 ≠ 10


sağlayamamaktadır. Diğer bir deyişle en az 10 örnek yerine FS = 5 Hz gereğince yalnızca 5
tane örnek yapılabilmektedir. Bu durumda olması gerekenden daha az sayıda örnekleme
olduğundan undersampling yani az örnekleme veya örnekleme altı durumu oluşmaktadır.
Bu durum Şekil (d) de gösterilmiştir. Alınan örnekler arasında yeterince boşluk olmadığından
1
(T > ) örnekler birbirlerini örtecek şekilde dizilmişlerdir. Bu örtüşme durumu aliasing
2B
olarak bilinir ve sağlıklı bir örnekleme yapılmadığını gösterir. Bu durumda önemli bir sonuç
olarak, başlangıç f (t ) band-sınırlı işareti kendisini oluşturan f (t ) örneklerinden tekrar elde
edilemeyecektir.

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).

3. Fs = 20 Hz Bu frekans Fs ≥ 2 B kuralı gereğince Fs ≥ 2 B = 20 ≥ 2 × 5 = 20 > 10 koşulunu


sağlamaktadır. Diğer bir deyişle gereken en az 10 örnek gerekirken Fs = 20 Hz gereğince 20
tane örnek temin edilerek daha fazlası sağlanmaktadır. Bu durumda olması gereken sayıdan
fazla örnekleme olduğundan oversampling yani aşırı örnekleme veya örnek fazlalığı
durumu oluşmaktadır. Bu durum Şekil (h) de gösterilmiştir. Alınan örnekler arasındaki boşluk
1
( ) den daha fazla olduğundan örnekler örtüşmemekte ve aliasing sorunu hiç
2B
oluşmamaktadır. Bu durumda f (t ) band-sınırlı işareti kendisini oluşturan f (t ) örneklerinden
tekrar rahatlıkla elde edilebilecektir. Ek olarak F (ω) nin spektrumu, normal koşullardaki
1
F (ω) spektrumunun kendisini periodik olarak 20 Hz aralıklarla tekrarladığı spektrumdan
T
oluşacaktır (Şekil-h). Burada da F (ω) işareti, F (ω) spektrumunun gösterildiği gibi bir alçak
geçiren filtreden (LPF) veya benzer yapıdaki pratik bir filtreden 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)

f (t ) (c) F (ω) (d)

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)

− 0.3 − 0.1 0 0 .2 t − 40π − 10π 10π 40π ω

Şekil 8 Az değerle örnekleme ve aşırı değerle örnekleme

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

İşaretin tekrar elde edilişi üzerine

Yeniden oluşturma (reconstruction) olarak bilinen bu proseste örneklenmiş işaret


örneklerinden tekrar elde edilmeye çalışılmaktadır. Bunun için iki temel şartın : band-sınırlı
(B Hz) işaret ve Nyquist oranının FS ≥ 2 B sağlandığını başından kabul ediyor ve bu şartlar
altında yeniden oluşturma işlemini analiz edeceğimiz belirtmemiz gerekiyor. Ingilizcesi
“reconstruction” olarak bilinen bu işlemin diğer bir adı da “interpolasyon” dur. Bir tür ana
işarete yaklaşma veya onu kestirme yoluyla elde etme anlamına gelen bu teknikle yukarıdaki
iki kritere göre örneklenmiş sürekli-zaman işareti f (t ) , örneklerinden ( f (t ) ) elde
edilmektedir. f (t ) veya F (ω) nın elde edilme işlemi için örneklenmiş işaretin aşağıdaki
şekildeki gibi B Hz-bandlı ve T kazançlı (gain) ideal bir alçak geçiren filtreden (LPF)
1
geçirilerek elde edildiğini biliyoruz. Aynı şekilde örneklenmiş işaretin F (ω)
T
bileşenlerinden oluştuğunu da görmekteyiz. Bu nedenle yeniden elde etme (reconstruction)
işlemi için B Hz-bandlı ve T kazançlı (gain) ideal bir alçak geçiren filtreden (LPF) geçirilme
gereği vardır.

Şimdi yeniden oluşturma prosesinin matematiksel gösterimine geçebiliriz. Burada verilen


band-sınırlı f (t ) işaretinin örneklenmiş f (t ) işaretinden elde edilişi ele alınacaktır. Bu işlem
yapılırken örneklenmiş işaretin ideal bir alçak geçiren filtreden geçirildiği göz önüne alınarak
grafiksel bir yöntem izlenecektir. Hatırlanacağı gibi örneklenmiş işaret

f (t ) = f (t ) p (t )


p(t ) = ∑ δ (t − nT )
n = −∞

olarak elde edilmekteydi. Buradan tekrar f (t ) nin elde edilmesi için

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 = −∞

örneklenmiş işaret f (t ) ile filtre fonksiyonu h(t ) nin konvülasyonunun alınacağını


görmekteyiz. Aşağıdaki verilen şekil yeniden oluşturma işleminin frekans domenindeki ( ω )
aşamalarını göstermektedir.

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)

T ωM < ωc < (ωs − ωM )

− ωc 0 ωc ω

-d-

Fr (ω)

− ωM 0 ωM ω

-e-

Şekil 9 Sürekli-zaman işaretinin örneklerinden elde edilmesi (reconstruction)

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

olduğunu buradan işaretin ,



ω T sin(ωc (t − nT ))
f r (t ) = ∑ f (nT ) c
n = −∞ π ωc (t − nT )

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

İşaretin örneklerinden tekrar elde edilmesiyle (reconstruction) ilgili sorunlar mevcuttur. Bu


anlamda ele alınması gereken iki husu var. Biri kullanılan ideal filtre diğeride örtüşme
probleminin yarattığı olumsuzluktur. Her ikisine kısaca değinilecektir. İlk olarak ideal filtre
ele alınacaktır.

1. İdeal filtre problemi

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-

Şekil 10 Minumum örnekleme frekansına ( Fs = 2 B ) ve Fourier spektrumu

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-

Şekil 11 Örneklenmiş işaret ve Fourier spektrumu

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)

− 0.4 − 0.2 0 0.2 t − 40π − 20π 20π 40π ω

− 20 −5 5 20 F (Hz)
(c) (d)

Şekil 12 Örnekleme ve örtüşme

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

Örneklenecek işaretin band-limitli olması durumunda impuls-dizisi ile örnekleme oldukça


kolay ve basit şekilde uygulanabilmektedir. Pratikte dar ve yüksek genlikli darbeler
biçimindeki impulsleri üretmek ve göndermek (transmit) kullanıldığı ve gösterildiği kadar
kolay değildir. Bu zorluğu aşmak için “zero-order hold” adı verilen “sıfır dereceli tutucu”
devreleri kullanılmaktadır. Böyle bir devre yardımıyla örnekleme yapılmaktadır. Burada sıfır-
dereceli tutucu bir tür örnekleme fonksiyonu olarak bildiğimiz impuls dizisini oluşturan


p(t ) = ∑ δ (t − nT )
n = −∞

veya frekans domenindeki karşılığı

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-

Şekil 13 Sıfır-dereceli tutucu ile örnekleme

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 = −∞

Ancak uygulamada δ (t ) fonksiyonunu üretmek zor olduğundan yukarıda vurgulandığı gibi


bunun yerine aynı “ T ” genişliğindeki dikdörtgensel darbeye (pulse) sahip olan “sıfır-dereceli
tutucu” (Zero-order hold) sistemi kullanılmaktadır. Bu sistemin yukarıda basit olarak
gösterilen çalışma prensiplerine dair ayrıntılar teorik ve denklemlerle aşağıda verilmiştir.

f (t )

f (t ) Sıfır-dereceli f 0 (t )
tutucu

Şekil 14 Sıfır seviyeli tutucu ile örnekleme

Görüldüğü gibi örneklenecek f (t ) işareti “zero-order hold (ZOH)” sistemine verilmektedir.


Giriş işaretinden ilk örnek ZOH tarafından belirlendikten sonra bu örnek bir sonraki örnek
elde edilinceye kadar tutulur. f (t ) işaretinin tekrar elde edilmesi için ZOH çıkışının tekrar
alçak geçiren filtreden (LPF) geçirilmesi gerekecektir. ZOH çıkışı f 0 (t ) , impuls-dizi kullanan
dikdörtgen (darbe) özellikli bir LTI sistem tarafından üretilebilmektedir.


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.

İşaretin Sıfır-Tutucu (zero-order holder) Örneklerinden Elde Edilişi(reconstruction)

Yukarıda ZOH fonksiyonunu örnekleme fonksiyonu gibi kullanarak f (t ) işaretini örnekledik.


Şimdi bu şekilde ZOH ile örneklenen işaretin örneklerinden tekrar işareti elde etmenin
yollarını arayacağız. Gelinen noktada f (t ) işaretini örneklerinden elde etmek için ZOH çıkışı
olan f 0 (t ) tekrar impuls cevabı hr (t ) ve frekans cevabı H r (ω) olan bir LTI sistemden
geçirilerek beklenen f (t ) işaretine denk olacağı düşünülen r (t ) çıkışına ulaşılır. Diğer bir
deyişle beklenen tekrar elde edilmek istenen f (t ) işareti olarak r (t ) çıkışı seri (cascade)
bağlı durumdaki iki LTI sistemin impuls cevaplarının ( h0 (t ) ve hr (t ) ) çarpımından
( h0 (t ) hr (t ) = H 0 (ω) * H r (ω) )geçirilerek elde edilmektedir. Buradaki h0 (t ) nin alçak
geçiren filtre (LPF) işlevinde hr (t ) ise LPF ile elde edilen çıkışı daha geliştirmek ve beklenen
işarete yaklaştırmak üzere kullanılan ikinci bir tür interpolasyon (reconstruction) filtresidir.
Bu durum aşağıdaki şekil üzerinde ayrıntılı olarak gösterilmiştir.

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 ⎠⎦

Yeniden oluşturma şemasına bakıldığında buradaki örnekleme fonksiyonu p(t ) ve


örneklenmiş f p (t ) fonksiyonlarının daha önce belirtildiği gibi ZOH sistemini gösterdiğini,
f p (t ) nin f [n] yerine kullanıldığını, bunun da daha açıklayıcı ve pratik olması açısından bu
şekilde düşünüldüğünü bilmekteyiz

Ayrık-Zaman İşaretlerin Örneklenmesi

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 = −∞

olacaktır. Bu işaretin spektrumu ise,

32
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
1
∫ π P (e

F p (e j ω ) = ) F (e j ( ω−θ ) dθ
2π 2

olacaktır. Bu prosesin adımları aşağıdaki şekil üzerinde verilmiştir.

f [n] f p [n]


p[n] = ∑ δ [n − kN ]
k = −∞

-a-

f [n]

(b)

p[n]

(c)

f p [n]

(d)

Şekil 17 Ayrık-zamanlı işaretin örneklenmesi

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 )
)

Bunlara göre F (e j ω ) spektrumu da aşağıdaki gibi olacaktır.

F (e j ω )

− 2π − ωM 0 ωM 2π ω
(a)

P (e j ω )

N

0 ωS 2π ω

(b)

Fp (e j ω )

1
N

− ωM 0 ωM ωS 2π ω
(ω S − ω M )
(c)

Şekil 18 Ayrık örneklenmiş işaretin spektrumu

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 )

Ayrık-zaman Örneklemesinden İşaretin Elde Edilişi

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

Görüldüğü gibi ayrık örneklenmiş işaretin örneklerinden elde edilebildiği görülmektedir.


Bunda en önemli kural Fs > 2 B koşuluna bağlı kalınmasıdır. Nitekim yukarıdaki şekillerden
ωS
de görülebileceği gibi N kazançlı ve kesim frekanslı bir alçak geçiren filtre
2
kullanılmasıyla (b) de görülen ayrık-zaman işaretinin spektrumunu oluşturan işaret, şekil (e)
de Fr ( jω) olarak tekrar elde edilmiştir. Burada orijinal f [n] işaretinin frekans karşılığı olan
band sınırlı F ( jω) işareti ile filtreleme ile elde edilen Fr ( jω) işaretinin aynı veya oldukça
yakın oldukları kabul edilmektedir [ Fr ( jω) ≅ F ( jω) ]. Bundan dolayı şekil (a) daki yeniden
oluşturma (reconstruction) blok diagramında görülen ayrık işaretin örneklerinden elde
edildiğini gösteren sistem çıkışındaki f r [n] işaretide f [n] ile aynı olacaktır ( f r [n] ≅ f [n] ).
Bunları tekrar yazarsak

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.

f r [n] = f r [n] * h0 [n]

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

Denklemde görülen hr [n − kN ] terimi söz konusu interpolasyon filtresinin impuls cevabına


karşılık gelmektedir.

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)

Şekil 20 Sürekli-ayrık zaman dönüşümleri

İşaretlerin işlenmesi sırasında genellikle verilen konfigürasyonlardan herhangi birine ihtiyaç


duyularak proses yerine getirilir. Hangisi alınırsa veya tasarlanırsa mutlaka örnekleme
prensiplerinin dikkate alınması gerekecektir. Günümüz modern elektrik mühendisliğinin bir
çok çalışma alanında her iki sistemi kullanan basit veya kompleks yapıda bileşik sistemler
mevcuttur. Bazen hibrid (karışık) ismiyle anılan bu sistemlere dair en genel blok şeması
aşağıda verilmiştir.

37
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol

e(t ) e(k ) x[k ] y (t )


∑ A/D G[z ] D/A G (s )
f (t )

y (t ) ayrık zaman kontrölörü sürekli-zaman sistem

Şekil 21 Analog-Dijital hibrid Sistem

Görüldüğü gibi günümüz modern elektrik mühendisliğinde sürekli ve ayrık/dijital sistemlerin


bir arada olduğu karmaşık ve daha fonksiyonel yapıdaki hibrid sistemler kullanılmaktadır.
Şekildeki sistemin her aşamasıyla birlikte özellikle A/D (analog-dijital konvertör) ve D/A
(dijital-analog konvertör) bölümlerinde yoğun olarak örnekleme teoremine ait prensiplerin
uygulandığı ve kullanıldığı görülmektedir. Buradan hareketle belki ayrı ve özel olarak
incelenecek ADC ve DAC sistemlerinde ayrık sistemlere ve örnekleme dair tüm kuralların
önemli ve geçerli olduğu görülebilir.

Ayrık Sinusoid İşaretler

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

durumu söz konusudur. Yani Ω ayrık-zaman frekansı ω sürekli zaman frekansının T


periodu ile örneklenmesinden oluşmaktadır ( ωT ). Bunun anlamı şudur : ayrık frekans sürekli
frekansın artık, örnekleme periodu ile belirlenen aralığpındaki değeridir veya salınımıdır artık.
Sürekli zamanlarda sinusoid işaret 2π periodluk aralığındaki salınım sayısı olarak
bilinmekteydi. Şimdi ayrık durum için buna bir de “ T ” örnekleme periodu eklenmiş ve artık
sürekli zaman olarak 2π periodluk dilimde “ T ” tane ω salınımı söz konusudur. Durumu
daha da açarsak, Ω ayrık frekans ile ω sürekli frekans arasında aşağıdaki ilişkinin mevcut
olduğunu görürüz.

ωt = Ωk

Eğer sürekli işaret T örnekleme periodu olmak üzere t = kT olarak örneklenirse

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

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

Ayrik period = ornek sayisi = N 0

veya

surekli isaretin periodu T0


Ayrik period = ornek sayisi = = = N0
ornekleme periodu T

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

sin Ω k = sin Ω(k + N 0 ) = sin(Ωk + ΩN 0 )

yazılabileceği gibi buradan

ΩN 0 = 2π m

olması gerektiğini biliyoruz. Buradan N 0 periodu

⎛ 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

den, ωT terimini f 0 temel işaretin, f ise örnekleme işaretinin frekansı olarak

Ω = ωT = 2π f 0T

yzabiliriz. Burada iki seçenek öne çıkmaktadır.

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

ayrık frekansın her iki ifadeden de

f0 T
Ω = 2π = 2π
f T0

=
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 ]

Şekil 22 Ayrık periodik işaret

Bu ayrık işaretin frekansını ve periodunu bulmaya çalışalım.

Çözüm

Verilen ayrık işaret incelendiğinde periodik ve tanıdık sinusoidlerden birine karşılık


gelebileceği görülmektedir. Bu yaklaşımımızı delillendirmek adına ayrık işaretin bir sürekli-
zaman sinusoid işaretinden oluşumunu gösteren aşağıdaki şekli dikkate alırsak, analizimiz
kolaylaşacaktır.

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


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

Buradan ayrık frekans ise

⎛ 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

Şekil 24 Ayrık frekans

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.

Sinusoid İşaretlerin Örneklenmesi

(a) : ωs = 2ωo

43
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol

(b): ωs = 2ωo

(c): ωs < 2ωo

(d): ωs = 3ωo / 2 (ωs < 2ωo )

44
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol

(e): ωs = 4ωo (ωs > 2ωo )

(f): ωs = 10ωo (ωs > 2ωo )

Şekil 25 Sinusoidlerin Nyquist frekansına göre örneklenmeleri

Şekil 26 Farklı frekanslarda aynı örneklere sahip iki sinusoid

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

Sinusoid fonksiyonlar bilindiği gibi periodik fonksiyonlar olduğundan, burada


cos(2π f 0 t + θ ) veya sin(2π f 0 t + θ ) gibi periodik fonksiyonların örneklenmesinden söz
edilmektedir. Böyle bir işaretin

x(t ) = cos(2π f 0 t + θ )

olduğunu düşünürsek, bunun örneklenmiş halinin t = nT için

x[n] = cos(2π f 0 n T + θ )

olduğunu düşüneceğiz. Burada T örnekleme frekansıdır ve işaret periodik olsa da Nyquist


oranına göre örnekleme yapılacaktır. Buna göre periodik sinusoidler için örnekleme frekansı
1
f s > 2 f 0 alınacaktır. Buna göre örnekleme aralığı T = olarak x[n] de yerine konulursa
fs
1
x[n] = cos(2π f 0 n + θ )
fs
f
x[n] = cos(2π n( 0 ) + θ )
fs
elde edilir. Buradan x(t ) = cos(2π f 0 t + θ ) işaretinin örneklenmiş versiyonu karşımıza
f
x[n] = cos(2π n( 0 ) + θ ) olarak çıkmaktadır. Diğer yandan bu kez x(t ) gibi bir başka
fs
periodik sinusoid olan

x ′(t ) = cos(2π ( f 0 + k f s ) t + θ )

işaretini alalım. Bunun örneklenmiş versiyonunun da

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

Örneklenmiş sinusoidlerde örtüşme frekansları

Yukarıda verilen periodik sinusoidlerin örneklenmesi durumundaki örtüşmeye sebep


olabilecek örtüşme frekansları, ilgili bağıntılardan yararlanılarak tespit edilebilir. Verilen
ifadelerde eğer işaret periodik ise [ x( f 0 + k f s ) = x( f 0 ) ] işaret frekansı f 0 , örtüşme (aliased)
frekansı f a ve örnekleme frekansı f s türünden

f0 = fa + k fs

şeklinde yazılabilir. İşaret periodik olduğundan f 0 , kendisini ( k f s , k = 1,2,L )


noktalarında ayrıca tekrar edecektir. Ve eğer işaret örtüşmüyorsa verilen bağıntıda f a = 0
olacaktır. Bu durumda

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

a)Örtüşme oluşturmayacak minumum örnekleme oranını,

b) Eğer işaret Fs = 200 Hz örnekleme frekansıyla örneklenirse örneklenmiş işareti,

c) Eğer işaret Fs = 100 Hz örnekleme frekansıyla örneklenirse örneklenmiş işareti,

d) Aynı işaret bu kez Fs = 75 Hz ile örneklenirse oluşan işareti,

e) Fs = 75 Hz ile örneklenirse oluşan işarete denk frekanstaki sinusoidin frekansını, bulun.

f) Fs = 50 Hz ile örneklenirse oluşan işarete denk frekanstaki sinusoidin frekansını, bulun.

g) Fs = 40 Hz ile örneklenirse oluşan işarete denk frekanstaki sinusoidin frekansını, bulun.

Çözüm

a) f (t ) = 3 cos(2 × 50)π t olarak yazılabilecek sürekli-zaman işaretinin frekansı f = 50 Hz


olduğundan minumum örnekleme oranının Fs = 2 f gereğince Fs = 2 × 50 = 100 Hz olması
gerekir.

b) f (t ) = 3 cos100π t işareti Fs = 200 Hz ile örneklenmek istenmektedir. Görüldüğü gibi


Fs = 200 Hz örnekleme frekansı işaret frekansı 50 Hz den büyük olduğundan ( Fs ≥ 2 f ) bir
örtüşme söz konusu olmayacaktır. Bu koşullardaki örtüşmesiz işaret

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.

c) f (t ) = 3 cos100π t işareti Fs = 100 Hz ile örneklenmek istenmektedir. Görüldüğü gibi


Fs = 100 Hz örnekleme frekansı işaret frekansı Nyquist kuralı gereği 50 Hz lik işaretin
minumum oranına eşit olduğundan ( Fs = 2 f ) yine bir örtüşme söz konusu olmayacaktır. Bu
koşullardaki örtüşmesiz işaret

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.

d) f (t ) = 3 cos100π t işareti bu kez Fs = 75 Hz ile örneklenirse Fs ≠ 2 f kuralı gereğince


örtüşme olacaktır. Bu durumda örtüşen ayrık işareti bulalım

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

= 3 cos n
3

Buna göre 2π periodluk görünen işaretten minumum her bir π anında bir örnek alınmak

zorunluluğu vardı. Oysa şimdi değeri söz konusudur. Bu değer π den büyük olduğundan
3
artık toplam minimum iki örnek alma imkanı kalmamıştır.

e) Daha önceden ayrık işaretin Ω frekansını (açısal hızını)

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

yazılabilir. İfadedeki f a örtüşme frekansını göstermektedir. Örnekleme frekansı 75 olduğuna


gore ( Fs = 75 Hz )

2π ω 2π f a
= =
3 75 75

f a = 25 Hz

Bulunur. Bu değer örtüşen işaretin frekansıdır. Buna göre örtüşen işaretin kendisi de

y a (t ) = 3 cos(2 × f a )π t = 3 cos(2 × 25)π t


= 3 cos 50π t

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

durumunda oluşacak örnekleri gösteren [ f d (n) = 3 cos n ] ifadesinin sürekli zamandaki
3

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) f (t ) = 3 cos100π t işareti bu kez Fs = 50 Hz ile örneklenirse Fs ≠ 2 f kuralı gereğince


örtüşme olacaktır. Bu durumda örtüşen ayrık işareti bulalım

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

olduğunu bildiğimize göre f d (n) bağıntısından

ω 2π f a
2π = ωT = =
Fs Fs

yazılabilir. İfadedeki f a örtüşme frekansını göstermektedir. Örnekleme frekansı 50 olduğuna


gore ( Fs = 50 Hz )

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

olarak bulunur. Böylece y a (t ) = 3 cos(2 × 50)π t işareti Fs = 50 Hz örnekleme frekansı


altında f (t ) = 3 cos(2 × 50)π t işaretinin örtüşmüş (aliased) versiyonuyla aynı olacaktır. Diğer
bir deyişle 50 Hz lik frekans aynı zamanda kendisinin yani 50 Hz lik frekansın örtüşen (alias)
frekansı olarak değerlendirilebilir.

g) f (t ) = 3 cos100π t işareti bu kez Fs = 40 Hz ile örneklenirse Fs ≠ 2 f kuralı gereğince


örtüşme olacaktır. Bu durumda örtüşen ayrık işareti bulalım

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

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

olduğunu bildiğimize göre f d (n) bağıntısından

ω 2π f a
2π = ωT = =
Fs Fs

yazılabilir. İfadedeki f a örtüşme frekansını göstermektedir. Örnekleme frekansı 50 olduğuna


gore ( Fs = 40 Hz )

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

olarak bulunur. Böylece y a (t ) = 3 cos(2 × 40)π t işareti Fs = 40 Hz örnekleme frekansı


altında f (t ) = 3 cos(2 × 50)π t işaretinin örtüşmüş (aliased) versiyonu olacaktır. Diğer bir
deyişle 40 Hz lik frekans 50 Hz lik frekansın örtüşen (alias) frekansı olarak
değerlendirilebilir.

Örnek

x1 (t ) = cos 2π (10)t

x 2 (t ) = cos 2π (50)t

İşaretlerinin örnekleme frekansı Fs = 40 Hz ile örneklenmiş ayrık formlarını bulun.

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

x 2 (t ) için Fs < 2 × 50 olduğundan örtüşme vardır. Bu durumda önce ayrık işaret

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

y a (t ) = cos(2 × f a )π t = cos(2 × 10)π t


= cos 20π t

Buna göre x2 [k ] işareti Fs = 40 Hz örnekleme frekansı ile örneklenen x1 [k ] işaretinin örtüşen


versiyonudur.

ÖRNEKLENMİŞ İŞARETLERİN AYRIK GÖSTERİMİ

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.

Sürekli/Ayrık Ayrık Ayrık/Sürekli


f (t ) Dönüştürücü f [k ] Sistem y[k ] Dönüştürücü y (t )
örnekleyici
C/D-C D/C-C

Şekil 27 Sistemde sürekli – ayrık işaret davranışı

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)

Bu prosesin “sürekli/ayrık dönüştürücü” denilen elemanla sağlandığını görmekteyiz.


Dönüştürücü veya konvertör diyebileceğimiz bu eleman aslında örnekleme teorisine göre
sürekli işareti alıp örnekleyerek ayrık formu sağlamaktadır. Bu işlemde kısaca

f (t ) → f (kT ) , k = 1,2,3,L (8.2)


şeklinde gösteriliyordu. Bunun anlamı f (t ) işaretinden Nyquist örnekleme frekansına
f s ≥ 2 f 0 gore T periodlu ardışık bir çok nokta veya numune(sample) alınmaktadır. Bunun
sonucunda f [k ] ayrık işareti oluşmaktadır. Buna göre yukarıdaki ifade biraz daha
düzenlenebilir.

f (t ) → f (kT ) → f [k ] , k = 1,2,3,L (8.3)

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

Şekil 28 Ayrık işaret

Görüldüğü gibi f (kT ) ayrık işaretini çalışmalarımızda pratik açıdan yalnızca f [k ] olarak
kabul etmekteyiz ( f [k ] = f (kT ) ).

Ayrık zamanlı exponensiyel işaret e j Ω k

f [k ] = e j Ω k şeklindeki ayrık exponensiyel işarete biraz yakından bakmakta yarar vardır.


e j Ω k ifadesi kompleks değerli “k” ya bağlı fazör olarak adlandırılmaktadır. Grafik
gösteriminde real veya imajiner eksenler üzerinde yada magnitude ve açıyla gösterimi yapılır.
Exponensiyel ifade e j Ω k nin Euler denklemlerine gore trigonometric sin ve cos
fonksiyonlarından oluştuğunu biliyoruz.

e j Ω0 k = cos[ Ω 0 k ] + j sin[ Ω 0 k ] (8.5)

e − j Ω0 k = cos[ Ω 0 k ] − j sin[ Ω 0 k ] (8.6)

Pozitif değerleri gösteren e j Ω k ifadesini göz önüne alarak

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)

aşağıdaki grafiği oluşur.

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

Şekil 29 Exponensiyel e j Ω k ve e − j Ω k fazör gösterimleri

Verilen her iki şekilde Ω ve k = 0,1,2,3 için ayrık e j Ω k ve e − j Ω k ifadelerinin fazör


diagramları gösterilmiştir. Eğer exponensiyel ifade hem magnitude ve faz açısından
değerlendirilecekse e j Ω k ifadesi

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

Ayrık zamanlı sinüs fonksiyonları

Ayrık zamanlı bir trigonometrik fonksiyon olarak

C cos(Ωk + θ )

yazılabilir. Bu şekildeki sinusoidal fonksiyonlarla exponensiyel e j Ω k ifadeleri arasında


Euler yaklaşımından gelen derin benzerlikler olduğunu biliyoruz. Yazılan C cos(Ωk + θ )
ifadesinde C genliği, Ω frekansı ve θ ise fazı (rad) göstermektedir. Ayrık formu analiz
edebilmek için sürekli form olan cos ωt yi göz önüne alalım. Bu fonksiyon t = kT için yeni
örneklerin elde edileceği aralıklara bölünmüşlerdir. 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 anlamda herhangi trigonometrik bir ayrık işaret

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.

Ayrık işaretin periodu

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)

olması gerekir. Aşağıdaki örnek period kavramını daha açıklayıcı kılmaktadır.

Örnek

f [k ]

k
-16 -8 0 8 16

Şekil 30 Ayrık periodik işaret

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

yazılır. Eğer şekilde verilen f [k ] fonksiyonu

f [k ] = cos Ωk = cos Ω(k + N 0 )


(8.13)
= cos(Ωk + ΩN 0 )

ve eğer

f [k ] = cos Ωk = cos(Ω + 2π )k = cos(Ω + 4π )k = L (8.14)

yaklaşımı göz önüne alınırsa

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

“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

Şekil 31 Sürekli periodik ve ayrık periodik işaret

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)


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


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)

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 n cos nω0 t + bn sin nω0 t = C n cos(nω0 t + θ n ) (8.23)

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

olduğunu biliyoruz. Nihayetinde basis fonksiyon olan sinusoidal ve orthogonal fonksiyonları


( a n cos nω0 t + bn sin ω0 t ) Euler bağıntısından yararlanılarak exponensiyel formdaki ( e jn ω0 t )

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)

gibi bileşenlerle göstermeye yarayan Fourier serisinin daha kompakt formatınında


f (t ) = ∑D
n = −∞
n e jn ω0 t
(8.27)

olduğunuda sürekli form analizlerinden hatırlamaktayız. Ayrıca klasik sürekli formdaki


gösterimde katsayıların

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)

exponensiyel gösterimde ise katsayının

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)


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


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

Konvansiyonel teknikle Ayrık Fourier serisinin analizi

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

{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} (8.35)

gibi ayrık bileşenlerin süperpozisyonundan veya linear toplamlarından meydana gelecektir.

f [k ] = a 0 cos 0 × Ω 0 k + a1 cos Ω 0 k + a 2 cos 2Ω 0 k + L + a n cos n Ω 0 k + b1 sin Ω 0 k + b2 sin 2Ω 0 k + L + bn sin n Ω 0 k



= a 0 + ∑ a n cos nΩ 0 k + bn sin nΩ 0 k
n =1

(8.36)

f [k ] = ∑ a n cos nΩ 0 k + bn sin nΩ 0 k (8.37)
n=0

Daha kompakt olarak


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)

f [k ] = a 0 cos 0 × Ω 0 k + a1 cos Ω 0 k + a 2 cos 2Ω 0 k + L + a m cos m Ω 0 k + L + a n cos n Ω 0 k +


(8.44)
+ b1 sin Ω 0 k + b2 sin 2Ω 0 k + L + bm sin m Ω 0 k + L + bn sin n Ω 0 k

Buradan a n ve bn katsayılarını bulmaya çalışalım. Önce a n ifadesini elde edelim.

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

elde edilir. n = 0 için

N 0 −1
1
a0 =
N0
∑ f [k ]
k =0
(8.51)

Aynı şekilde diğer katsayı bn de hesaplanabilir.

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.

Ayrık Fourier serisinin exponensiyel gösterimle analizi

Burada ayrık Fourier serisinin analizi alternatif veya ikinci yöntem olarak daha kompakt
formdaki exponensiyel ifadeler baz alınarak yapılacaktır. Dolaysıyla 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 (8.59)

{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)

olarak verilen sinusoidal harmonikler ayrık formda sinus fonksiyonlarıyla aşağıdaki


formlarda oluşturabiliriz.

{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)

olarak olarak e ± j n Ω0 k şeklindeki exponensiyel gösterimleri ayrık formda

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.

e j Ω0 k = cos[ Ω 0 k ] + j sin[ Ω 0 k ] (8.66)

e − j Ω0 k = cos[ Ω 0 k ] − j sin[ Ω 0 k ] (8.67)

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)

değiştirmediğinden vede aksine kompakt gösterime daha uygun olduğundan e j ( n Ω0 k ± 2 k π )


gösterimi tercih edilecektir. Bundan istifade ile herhangi bir harmoniğe ait bileşeni bulmak
için, örneğin n.harmonik için e j n Ω0 k

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)

olacak şekilde harmonikler elde edilebilecektir. Böylelikle N 0 periodundaki mevcut


harmonikler r = 0,1,2,3,L , N 0 − 1 veya r = 1,2,3, L, N 0 biçiminde sıralanacaklar.
Kullanımda hangisinin tercih edileceği sonucu değiştirmeyecektir. Bu yüzden ayrık formdaki
Fourier serisinin exponensiyel kompakt kormunu aşağıdaki gibi oluşturabiliriz.

N 0 −1
f [k ] = ∑D
r =0
r e j r Ω0 k
(8.75)

İfadeden görüldüğü gibi periodic olan ve ( 0 − ( N 0 − 1) ) arasında N 0 tane harmonikten oluşan


bir seri karşımıza çıkmıştır. Burada ayrık frekans ifadesinin


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)

Sinusoidal her bir frekanstaki (harmonik) bileşenin aynı indisli katsayılarla


( D0 , D1 , D2 , D3 ,L, D N 0 −1 ) çarpılıp toplamlarından oluştuğunu görmekteyiz. Bu katsayıların
işlevi, sürekli formda olanından pek farklı değildir. Hangi harmoniğin hangi miktarda
olduğunu bilmek hem işaretin spectrum analizi hemde işaretin tekrar oluşturulması açısından
önemli rol oynamaktadır. Burada farkedildiği gibi sürekli hala gore basit bir durum
oluşmuştur. O da periodun N 0 sonlu olmasından dolayı hangi sayıda ayrık bileşen olduğu için
seriyi oluşturmak, katsayılarını hesaplama işlemleri daha belirgin ve net bir hal almıştır.
Period içindeki ayrık nokta sayısını bilmek işi kolaylaştırmaktadır. Uygulamada kuşkusuz
işareti tekrar elde etmek açısından örneklem hacminin yinede büyük olması normaldir, ama
sonlu sayıdadır. Bu bağlamda kompakt formdaki Fourier serisinin katsayılarını hesaplamak
önemlidir. Buna göre f [k ] ayrık işareti ve katsayısından( Dm ) oluşan ayrık Fourier serisine
ait denklem çifti aşağıdaki gibi yazılabilir.

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 =

(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

Elde edilen Dr katsayısı


N 0 −1
1
Dr =
N0
∑ f [k ] e
k =0
− j r Ω0 k
(8.88)

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)

yazılabileceğini bilmekteyiz. Sürekli formdakine benzer olarak Dr − ω ifadesi genlik


spektrumu, benzer şekilde ∠ Dr − Ω yaklaşımıda faz spektrumu olarak anılmaktadır. Verilen
f [k ] işaretinin spektrum analizi, genlik ve faz spektrumlarından oluşacaktır. Ayrık formdaki
katsayılar Dr kompleks olduğundan, eşlenik olarak D− r ile Dr arasındaki genlik ve faz
spektrumları bu kez

67
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol

Dr = D− r ve ∠ Dr = −∠ D− r (8.91)

biçiminde olacaktır. Görüldüğü gibi genlik spektrumu Dr = D− r olduğundan çift fonksiyon


tipinde iken, faz spektrumu ∠ Dr = −∠ D− r dan dolayı tek fonksiyon tipindedir. Bu şekilde
ayrık Fourier spektrumu 0 ≤ r ≤ N 0 − 1 bileşenlerine göre incelendiği zaman her bir Dr nin

birbirinden Ω 0 = frekansıyla ayrıldıklarını ve toplam N 0 bileşenin periodik olarak Ω
N0

üzerinde 2π ( N 0 × ) aralıklarıyla tekrarlandıklarını görmekteyiz. Diğer bir deyişle f [k ]
N0
işaretinin periodu N 0 iken, N 0 tane bileşenin katsayısını gösteren Dr nin periodu 2π
radyandır. Burada karıştırılmaması gereken husus şudur : N 0 , “k” ekseni üzerindeki f [k ]
nın periodu, 2π ise Ω frekans ekseni üzerindeki Dr nin periodunu göstermektedir.

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.

Sürekli Fourier – Ayrık Fourier Seri Karşılaştırılması

Her ikiside zaman – frekans analiz yöntemidir. Sürekli Fourier serisi


f (t ) = ∑D
n = −∞
n e j n ω0 t

1
Dn =
T0 ∫ T0
f (t ) e − j n ω0 t dt

ve ayrık Fourier serisi

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 ⎠

Buradan “m” minimum olarak seçileceğinden eğer “ m = 1 ” olarak anılırsa period

N 0 = 20

olarak elde edilir. Buna göre f [k ] nın değişimi aşağıdaki gibi olacaktır.

f [k ]

k
− 10 0 10 20

Şekil 32 Ayrık işaret : sin 0.1π k

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

buradan katsayı denklemi

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

Buna göre ayrık Fourier serisi

1 j 0.1π k
f [k ] = sin 0.1π k = (e − e − j 0.1π k )
2j

Bu yazıma göre katsayıların

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

(a) : Genlik spektrumu

∠ Dr

π /2

− 2π − π / 10 π / 10 2π Ω

π /2

(b) : Faz spektrumu

Şekil 33 Ayrık Fourier serisi genlik – faz spektrumu

AYRIK-ZAMAN FOURIER TRANSFORMASYONU

Daha önce sürekli işaretlerin incelendiği Fourier serisi ve Fourier transformasyonu


bölümlerinde gördüğümüz periodik olmayan işaretlerin analizi bu kez periodik olmayan ayrık
işaret olarak analiz edilecektir. Periodik işaretlerin davranışlarının analizi daha kolay
olduğundan periodik olmayan işaretin bir şekilde periodik forma dönüştürülmesi analizinide
kolaylaştıracaktır. Benzer prosesin Fourier transformasyonu bölümünde nasıl yapıldığını
gördük. Buradaki en önemli periodik işaret Fourier serisidir. Bu yüzden periodik olmayan
ayrık işareti ayrık Fourier serisi formuna dönüştürmeye çalışacağız. Periodik olmayan ayrık
bir işarete örnek aşağıdaki şekilde görülmektedir.

71
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol
f [k ]

−N N k
0
Şekil 34 Periodik olmayan ayrık işaret

Şekilde görülen ayrık f [k ] işaretinin periodik olmadığı ve yalnızca (− N , N ) aralığında


tanımlı olduğu görülmektedir. Bu şekli periodik hale getirmek için bu aralığı da kapsayan
alternatif bir (− N 0 , N 0 ) aralığına ihtiyaç var. Bu aralığı gösteren ayrık işaret de f N 0 [k ] olsun.
Bu yeni aralığın aynı zamanda periodik olduğunu kabul ediyoruz. Dolaysıyla ayrık f N 0 [k ]
işaretinin periodu N 0 olacaktır. Buna göre period N 0 ≥ 2 N + 1 olacaktır. Buna göre bu
aralıkta asıl periodik olmayan işaret de yer alacağı için, (− N , N ) aralığı kendini tekrarlayan
periodik forma gelmiş olacaktır. Bu senaryoyu aşağıdaki şekil üzerinde görmekteyiz.

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

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

olarak yazalım. Bunun Dr ifadesindeki karşılığının

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


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-

Şekil 36 Ayrık Fourier spektrumunun N 0 periodu ile değişimi

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

olarak yazılmıştı. Bunu her r bileşenin Ω 0 frekansında örneklendiği ( r Ω 0 ) durumunu da


katarak ( Ω → r Ω 0 ) tam bir Fourier serisine dönüştürürsek ifade


F (r Ω 0 ) = ∑ f [k ] e
k = −∞
− j r Ω0 k

olacaktır. Daha önceki ifadelerden

1
Dr = F (r Ω 0 )
N0
ve

f N 0 [k ] = ∑ De
r = < N0 >
r
j r Ω0 k

olduğunu biliyoruz. Burada Dr eğer f N 0 [k ] de yerine konulduğunda

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


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 ⎠

Limit durumunda N 0 → ∞ , Ω 0 → 0 olacağından f N 0 [k ] → f [k ] olacağından yani


periodik görünen f N 0 [k ] işareti periodik olmayan f [k ] işaretine dönüşecektir. Bu yüzden
yukarıdaki denklem

⎡ 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


ΔΩ =
N0

olduğunu göz önüne alarak f [k ] aşağıdaki gibi düzenlenir.

⎡ 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

Şekil 37 Ayrık Fourier serisinden Fourier integralinin oluşumu

Tüm açıklamaları şekil den de görebilmekteyiz. Buna göre f [k ] düzenlenirse

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.

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

olarak bulmuştuk. Ancak yeni kabuller ve yaklaşımlarla r Ω 0 → Ω olduğunu tespit ettiğimiz


için


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)

Bulunan ayrık transformasyonlar birbirine dönüştürülebilir özellikte olduklarından bir birleri


cinsinden yazılabilirler.

F ( Ω) = F{ f [k ]} ve f [k ] = F −1{F ( Ω)}

Bu yazım ayrıca

f [ k ] ⇔ F (Ω )

olarakda ifade etmek mümkündür.

Ayrık-zaman Fourier transformasyonunun var olma koşulu


F ( Ω) = ∑ f [k ] e
k = −∞
−j Ωk

F (Ω) transformasyonunun var olabilmesi için F ( Ω) < ∞ olması gerekiyor. Yani


transformasyonla gösterilen toplamın sonlu sayıda olması gerekiyor. Buna gore

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 ] < ∞

olması gerekir. Burada bilindiği gibi e − j Ω k = 1 alınmıştır. Sonuçta sonlu sayıda



k = −∞
f [k ] < ∞ toplamı garanti eden koşul sağlanıyorsa DTFT mevcut olur.

Sürekli Fourier Serisi – Ayrık Fourier Transformasyonu Karşılaştırılması

Her ikiside zaman – frekans analiz yöntemidir. Sürekli Fourier serisi


f (t ) = ∑D
n = −∞
n e j n ω0 t

1
Dn =
T0 ∫ T0
f (t ) e − j n ω0 t dt

ve ayrık Fourier transformasyonu


F ( Ω) = ∑ f [k ] e
k = −∞
−j Ωk

1
f [k ] =
2π ∫π
2
F (Ω) e j k Ω dΩ

Karşılaştırıldıklarında tüm parametrelerin zıt yönde benzerlik gösterdiği görülmektedir. İlk


olarak ana işareti gösteren serideki f (t ) sürekli formda iken, ayrık Fourier
transformasyonunda bu ayrık f [k ] formundadır. Bir an için her iki yöntemde sanki f (t )
yerine F (Ω) , f [k ] yerine de ( Dn ) gelmiş gibi bir görüntü var. Bu analoji açıdan
düşünülebilir. Burada da yine iki sonuç gözlemlenmektedir :

a) sonsuz sayıda ayrık bileşenin toplamı sürekli fonksiyon oluşturur ( F (Ω) ve f (t ) ).


b) belirli (sabit, fix) bir aralıktaki ( T0 ,2π ) belirli bir değer için (n ve k) integral daima ayrık
değer oluşturur ( Dn ve f [k ] ) .

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

bağıntısından kaynaklanmaktadır. Katsayının çift parametreye (period N 0 ve frekans


rΩ 0 → ΔΩ ) bağlı değişimi bu sonucu ortaya çıkarmıştır. Bu açıdan bakıldığında analoji
olarak sürekli Fourier serisi ile ayrık Fourier transformasyonu birbirinin tam tersi veya
zıddıdır gibi bir tespit ortaya çıkmaktadır.

Sürekli Fourier – Ayrık Fourier Transformasyonu Karşılaştırılması

Her ikiside zaman – frekans analiz yöntemidir. Sürekli Fourier transformasyonu


F (ω) = ∫ f (t ) e − j ω t dt
−∞
1 ∞
f (t ) =
2π ∫ −∞
F (ω) e − j ω t dω

ve ayrık Fourier transformasyonu


F ( Ω) = ∑ f [k ] e
k = −∞
−j Ωk

1
f [k ] =
2π ∫π 2
F (Ω) e j k Ω dΩ

karşılaştırıldıklarında ilk farkın doğal olarak işaretleri ( f (t ) , f [k ] ) oluşturan frekansların


birinde sürekli ( ω ) diğerinde ayrık ( Ω ) olmasıdır. Buradan hareketle işaretlerinde biri sürekli
( f (t ) ), diğeride ayrıktır ( f [k ] ).

İkinci olarak her ikisindede katsayıları gösteren gerek F (ω) gerekse F (Ω) sürekli formdadır.
Bunun sebebide ;

a) sonsuz sayıda ayrık bileşenin toplamı sürekli fonksiyon oluşturur ( F (Ω) ).


b) sonsuz aralıktaki sürekli bir değişkene ( ω ) göre integrasyon daima sürekli fonksiyon üretir
( F (ω) ).

Bu iki tespitin de ayrık durum için

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-

Şekil 38 Sürekli – Ayrık zaman Fourier transformasyon karşılaştırılması

Şekilden görüldüğü gibi sürekli ve ayrık Fourier transformasyonu 3 aşamada


yapılabilmektedir. Şekilde (a) da yalnızca sürekli zaman fonksiyonunun, (b) de Fourier
transformasyonu görülmektedir. Sürekli işaret şekilden de görüldüğü gibi band sınırlı (band
limited) bir işaret olup band genişliği B Hz dir. Şekilde sürekli işaretin zaman ve Fourier
spektrumu görülmektedir. İkinci etapta (c) de sürekli işaret f c (t ) örnekleme teorisine uygun
olarak örnekleme periodu T ye göre örneklenerek f c (t ) işareti oluyor.

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 )

bunun Fourier spektrumu da


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

bağıntısıyla elde edildiğini bu bölümde şu ana kadar ayrıntılarıyla gördük. Örnekleme


adımından yararlanarak ayrık Fourier transformasyonunu f c (t ) ye göre de ifade etmek
mümkündür. Buna göre


F ( Ω) = ∑f
k = −∞
c (kT ) e − j Ω k

yazılabilir. Bunun spektrumu da (f) de görülmektedir. Buradan (e) ve (f)’e bakarak


örneklenmiş işaretin spektrumu Fc (ω) ile ayrık Fourier transformasyonu F (Ω) arasında

81
İşaretler ve Sistemler – Signals & Systems : Örnekleme-ayrık dönüşümler
Dr. A.Demirkol

⎛Ω⎞
F (Ω) = Fc ⎜ ⎟
⎝T ⎠

ilişkisinin olduğunu görmekteyiz. Bunun anlamı F (Ω) fonksiyonun yer aldığı Ω


spektrumunu eğer perioda (T) bölersek Fc (ω) fonksiyonunu elde ederiz demektir. Buna gore

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 ) .

Bu karşılaştırmada belki dikkat edilecek en önemli nokta başlangıçtaki f c (t ) işaretinin


bandlimitli olma halidir. Biz burada öyle kabul ettik. Aksi taktirde bandlimitli olmadığı
durumda örneklemeden sonraki f [k ] işaretini tekrar başlangıçtaki f c (t ) olarak elde etmek
mümkün olmayabilirdi. Bunun yanı sıra ayrıca işaretlerin birbirlerinden ayırd edilemedikleri,
örtüştükleri ve tıpkı Nyquist frekansından düşük örneklerin alınması durumunda karşılaşılan
“aliasing” adı verilen bir tür örnekleme probleminin de olması kaçınılmaz olurdu.

Örnek

f [k ] = (0.8) k u[k ] işaretinin DTFT nu bulun

Çözüm

f [k ] işaretinin değişimi yaklaşık aşağıdaki gibi olacaktır.

f [k ]

0 5 10 k

Şekil 39 γ k u[k ] işareti

İşareti f [k ] = γ k u[k ] şeklinde genelleştirerek ( γ = 0.8 ) DTFT nu hesaplamaya çalışalım.

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

olacaktır. Burada eğer r = γ e − j Ω gibi kabul edilirse F (Ω)


(γ e − j Ω ) ∞ +1 − 1
F ( Ω) = ∑ r k =
k =0 γ e− j Ω −1
1
=
1 − γ e− j Ω

olarak elde edilir. Buradan Fourier transformasyonunun olabilmesi ve işaretin belirsizliğe


sürüklenmemesi için γ e − j Ω < 1 olması gerekiyor. Ayrıca e − j Ω = 1 olduğunu düşünecek
olursak γ < 1 olacaktır, aksi durumda ( γ > 1 ) yakınsama olmayacaktır. Bu durumda
F (Ω)

1
F ( Ω) =
1 − γ e− j Ω

yazılabilecektir. İfade exponensiyel ifadenin açılımı olan Euler’e göre düzenlenirse

1
F ( Ω) =
1− γ e− j Ω
1
=
1 − γ cos Ω + jγ sin Ω

olur. Buradan genlik spektrumu F (Ω) için

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

Elde edilir. Buna göre F (Ω) aşağıdaki görünümde olacaktır.

F (Ω)

− 3π − 2π −π 0 π 2π 3π Ω

Şekil 40 γ k u[k ] işareti genlik spektrumu

Görüldüğü gibi F (Ω) çift fonksiyon olup bileşenler arasındaki aralık 2π dir.

Faz spektrumu ∠ F (Ω) ise

⎡ γ sin Ω ⎤
∠ F (Ω) = − tan −1 ⎢ ⎥
⎣1 − γ cos Ω ⎦

olarak elde edilir.


∠ F (Ω )

0.932

− 3π − 2π −π 0 π 2π 3π Ω

Şekil 41 γ k u[k ] işareti faz spektrumu

Görüldüğü gibi faz spektrumu tek fonksiyondur.

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

Şekil 42 Ayrık darbe işareti

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 )

sin( )
= 2
Ω
sin( )
2
sin(4.5Ω)
= , M =9
sin(0.5Ω)
Elde edilen

sin(4.5Ω)
F (Ω ) =
sin(0.5Ω)

Fonksiyonun yani DTFT spektrumu


F (Ω)
9

− 2π −π 0 π 2π F (Ω)

Şekil 43 Ayrık darbe işareti Fourier spektrumu

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

Şekil 44 Ayrık darbe işaretinin genlik spektrumu

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

bağıntısıda teyit etmekteydi.

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

Şekil 45 Darbe fonksiyonunun Fourier spektrumu

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

Şekil 46 Darbe fonksiyonunun invers ayrık Fourier transformasyonu

Frekans örneklenmesi

Şimdiye kadar zaman domenindeki işaretlerin ayrık forma getirilmeleri amacıyla


örneklendiğini gördük. Şimdi frekans uzayındaki işaretin örneklenmesini göz önüne alabiliriz.
Örneğin Ayrık Fourier transformasyonunun spektrumunun aşağıdaki gibi olduğunu biliyoruz.

f [k ]
F (Ω)

k Ω
−N N

Şekil 47 Periodik olmayan ayrık işaret ve spektrumu

Şimdi f [k ] işaretinin periodik olduğunu ve Fourier serisi olarak f N 0 [k ] ile gösterilmesine


dair ayrık zaman-frekans uzayı görüntülerinin de aşağıdaki gibi olduğunu biliyoruz.

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

Parseval’s teoreminden yararlanarak ayrık bir sistemdeki enerjinin ifadesini Fourier


transformasyonu üzerinden vereceğiz. Özünde biliyoruz ki, enerji Fourier transformasyonu ile
izaha oldukça uygun bir kavramdır.

f [ k ] ⇔ F (Ω)

ise ayrık f [k ] işaretinin enerjisi, frekans domenini gösteren Fourier transformasyonunun


enerjisine eşit olur.


1
∑ ∫ π F (Ω)
2 2
Ef = f [k ] = dΩ
k = −∞ 2π 2

Ayrık Fourier transformasyonuyla ayrık – zaman linear sistem analizi

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 ]

bağıntısını kullanacağız. Bir konvülasyon olan işlemin karşılığını frekans domeninde de


yazabiliriz. Çünkü biliyoruz ki zaman domeni “k” da ki konvülasyon, frekans “ Ω ”
domenindeki çarpma işlemine eşittir.

y[k ] = f [k ] * h[k ]
= F (Ω ) H ( Ω )
= Y (Ω)

Veya alternatif olarak

1
∫ π Y (Ω ) e
jΩk
y[k ] = dΩ
2π 2

ise ve

Y (Ω) = F (Ω) H (Ω)

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.

f [k ] ⇔ F (Ω) , h[k ] ⇔ H (Ω) ve y[k ] ⇔ Y (Ω)

Ayrık Fourier Transformasyonu ve Fast Fourier Transformasyonu

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

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.

Direkt ve Invers Ayrık Fourier Transformasyonunun (DFT-IDFT) Hesaplanması

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.

Eğer f (t ) işareti örneklenecekse Fourier transformasyonu F ( ω) üzerinde bir takım işlemler


yapılması gerekecektir. Bu anlamda örneklenmiş ifadeleri gösteren f (kT ) ve F (r ω0 )
fonksiyonları f (t ) ve F ( ω) Fourier çiftlerinin “k” ncı ve “r” nci örneklerini
göstermektedirler. Bundan dolayı f (t ) ve F ( ω) yerine f k ve Fr kullanılmaktadır. Bunun
için DFT-IDFT çiftini elde edebilmek için dijital (sayısal) işaretlerin spektral (frekansa dayalı)
analizleri DTFT ve IDTFT larının yani F (Ω) ve f [k ] ların hesaplanmasını
gerektirmektedir.

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

Ancak bunların dijital bilgisayarlarda direkt uygulanmasında bazı zorluklar vardır.

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.

2. f [k ] bir integral ifadesi olduğundan yaklaşık hesaplanması mümkün olduğundan,


hesaplanmasında önemli bir güçlük çıkmayabilir.

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.

Bunları uygulayabilmek için f [k ] işaretinin k = 0 da başladığını ve sonlu olarak N 0


uzunluğunda olduğunu düşünelim. Buna ait yaklaşım aşağıdaki Şekil (a) da görülmektedir.
Bunun yanı sıra periodik olmayan (a) daki ayrık işareti Fourier serisindeki gibi içeren f N 0 [k ]
işaretini de Şekil (b) de görmekteyiz. Bu işaret (a) daki f [k ] işaretinin tekrarlarından
oluşmaktadır. Diğer bir deyişle f [k ] nın uzunluğunu gösteren N 0 aynı zamanda f N 0 [k ] nın
da periodunu oluşturmaktadır.

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-

Şekil 49 Sonlu uzunluktaki ayrık işaretin ayrık Fourier transformasyonuyla hesaplanması

Burada periodik f N 0 [k ] işaretini ayrık-zaman Fourier serisi (DTFS) ile gösterebiliriz.

N 0 −1

f N 0 [k ] = ∑D
r =0
r e j r Ω0 k , Ω0 =
N0

Burada Dr nin de

1 N 0 −1

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

koşuluna bağlı olarak f N 0 [k ] türünden de yazmak mümkündür. f [k ] nın ayrık Fourier


transformasyonunun


F ( Ω) = ∑ f [k ] e
k = −∞
−j Ωk

olduğunu biliyoruz. Bu son yazılan Dr ve F (Ω) denklemlerinden

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

Bu yazılanlardan N 0 Dr nin de Fr gibi F ( Ω) nin örnekleri olduğunu görüyoruz. Bu örnekler


spectrum üzerinde Ω 0 ( 2π / N 0 ) frekans aralıklarıyla dizilmişlerdir ve N 0 tane örneğin yer
aldığı bu aralığın tam karşılığı da 2π dir. Bunu şöyle yorumlamak mümkündür ; N 0 Dr terimi
F ( Ω) a ait mevcut örneklerin veya spektrumun aynı zamanda uzunluğunu göstermektedir.
Bu anlamda böyle bir uzunluktaki spektrumdaki F ( Ω) ya ait örnekler söz konusu olacaktır.
Bu anlamda yukarıdaki şekil (b) de verilen f N 0 [k ] ifadesinin Dr yerine Fr cinsinden
karşılığı ( Dr = Fr / N 0 )

N 0 −1
1
f N 0 [k ] =
N0
∑F
r =0
r e j r Ω0 k

yazılabilir. Aynı şekilde nin yukarıdaki ifadesine bakarak ( N 0 Dr = Fr ) den dolayı da Fr

N 0 −1
Fr = ∑ f [k ] e
k =0
− j r Ω0 k

yazılabilir. f N 0 [k ] = f [k ] , k = 0,1,2,L, N 0 − 1 dan dolayı yukarıdaki f N 0 [k ] ifadesini f [k ]


olarak

N 0 −1
1
f [k ] =
N0
∑F
r =0
r e j r Ω0 k , k = 0,1,2,L, N 0 − 1

olarak yazılabilir. Burada bulunan

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

Fr değeri f [k ] nın ayrık Fourier transformasyonu (DFT), f [k ] de Fr nin inverse ayrık


Fourier transformasyonu (IDFT) dur. Aralarındaki ilişki diğer transformasyonlar gibi çift
yönlü olduğundan

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

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

kullanımının dijital bilgisayarlarda hesaplanmasının daha faydalı olacağı görülmektedir.

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

Şekil 50 Periodik ayrık darbe işareti

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

buradan katsayı denklemi


π
1 15 −j r k
Dr = ∑
32 k = −16
f [k ] 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

Burada k = 0 için Dr = 9 / 32 olacaktır. Ayrıca bu denklem bir geometrik seri tipinde


olduğundan

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

Şekil 51 FFT kullanılarak DFT hesaplanması

Fast Fourier Transformasyonu

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

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

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.

DFT ve FFT yöntemlerinin karşılaştırılması


Örnek sayısı Kompleks çarpma Kompleks çarpma DFT – FFT
N0 DFT : N 02 FFT : ( N 0 / 2) log 2 N 0 Hız oranı
4 16 4 4
8 64 12 5.3
16 256 32 8
32 1024 80 12.8
64 4096 192 21.3
128 16384 448 36.6
256 65536 1024 64
512 262144 2304 113.8
1024 1048576 5120 204.8

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.

Fast Fourier Transformasyonu

Gr Fr

W Nr0

Hr − W Nr0 Fr + ( N 0 / 2)

Şekil 52 Kelebek (butterfly)

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-

Şekil 53 8-Noktalı FFT aşamaları

101

You might also like