Преобразование фурье и его свойства. Преобразование фурье

На практике важна связь между рядом преобразований сигнала и соответствующими этим преобразованиям изменениями его спектральной плотности.

1. Сложение, усиление и ослабление сигналов (теорема линейности).

К линейным операциям относят сложение, вычитание, усиление и ослабление сигналов, поэтому к ним применимо свойство линейности. Если имеется совокупность детерминированных сигналов u 2 (t ), ... ; и0), ..., u s (t),

обладающих спектральными плотностями 5, (со), S 2 (со), ..., 5)(со), ..., 5^со), то суммарному (разностному) значению сигналов

соответствует сумма (разность) их спектральных плотностей

Данная теорема имеет элементарное доказательство: достаточно в прямое преобразование Фурье (2.29) подставить сумму исходных сигналов.

В общем виде теорему линейности записывают следующим образом:

где a i - произвольные числовые коэффициенты; i = 0, 1,..., N.

2. Сдвиг сигнала во времени (теорема запаздывания). Пусть сигнал u x (t) со спектральной плотностью 5, (со) задержан на некоторое время t c . В этом случае u 2 (t) = u x (t - t c)> и спектральная плотность задержанного сигнала в соответствии с прямым преобразованием Фурье (2.29) имеет вид

Введя новую переменную интегрирования т = t - t c , получим

Итак, сдвиг исходного сигнала во времени на некоторый интервал t c приводит к тому, что спектр задержанного сигнала оказывается равен спектральной плотности 5j(co), умноженной на комплексную экспоненту Амплитудный же спектр сигнала не меняется (ведь модуль такой комплексной экспоненты равен единице). При этом фазовый спектр приобретает дополнительное слагаемое -со? с, линейно зависящее от частоты. На практике сдвиг исходного сигнала во времени осуществляют при аудио- и видеозаписи. Теорема запаздывания показывает, что сколько бы долго ни хранилась такая запись, спектр (и форма) сигнала не претерпит изменений.

3. Смещение спектра сигнала (теорема смещения). Если S { (со) - спектральная плотность сигнала u { (t), то спектральная плотность S 2 (со + Q), полученная путем сдвига исходного спектра но оси частот на величину Q, соответствует сигналу u 2 (t) = jQt . Действительно, согласно формуле (2.29)

Это преобразование спектра импульсного сигнала применяют в системах связи либо при переносе спектра сигнала из одной полосы частот в другую, либо при модуляции. Формула (2.34) показывает, что в результате таких преобразований спектр сигнала смещается на величину Q, равную частоте сдвига.

4. Изменение масштаба времени. Пусть в исходном сигнале u x (t) изменен масштаб времени так, что аргумент t умножен на постоянный коэффициент b и u 2 (t) = u x (bt). Если b > 1, то происходит «сжатие» исходного сигнала; если же 0 b 1, то исходный сигнал «растягивается» во времени. Докажем это.

Спектральная плотность измененного во времени сигнала

Введя новую переменную т = Ы , получим откуда

Увеличение длительности импульсного сигнала любой формы в b раз сопровождается сжатием ширины его спектра во столько же раз, и наоборот, уменьшение длительности сигнала приводит к расширению его спектра.

5. Спектр произведения сигналов (теорема о свертке спектров). Прежде чем определить данный спектр, введем важное для теории сигналов понятие свертки двух функций. Рассмотрим скалярное произведение двух функций /(?) и h(t):

Это соотношение имеет фундаментальное значение в теории связи. Интеграл (2.35) в математике и теории цепей называют сверткой (англ, convolution) двух функций или сигналов (где * - знак операции свертки функций).

Пусть сигналы /(f) и h(t) имеют спектральные плотности /(со) и #(со) соответственно. Тогда их произведение u{t) = f{t)h{t) будет характеризовать спектральная плотность

При выводе формулы (2.36) сигнал /(f) выражен через его спектральную плотность F(со) с заменой переменной со на т.

Согласно формуле (2.36) спектральная плотность произведения двух сигналов есть свертка их спектральных плотностей (умноженная на 1/(2л)), т.е. свертка, осуществленная ужй в частотной области. Данное соотношение имеет чрезвычайно важное значение в теории связи. Оно связывает спектральный и временной подходы к анализу импульсных сигналов и служит для целей исследования прохождения подобных сигналов через линейные и линейно-параметрические цепи.

Нетрудно убедиться, что операция свертки коммутативна, т.е. допускает изменение порядка следования преобразуемых функций:

Теорема Рэлея и равенство Парсеваля. Приняв в фломуле (2.36) значение частоты со = 0, приходим к выводу известной в математике теоремы {обобщенной формулы ) Рэлея для сигналов

Здесь учтено соотношение (2.32), согласно которому //(-со) = Н*(со). Легко запоминающаяся трактовка формулы (2.37) такова: скалярное произведение двух непрерывных сигналов с точностью до коэффициента 1/(2тг) пропорционально скалярному произведению их спектральных плотностей. Формула Рэлея относится к классу обобщенных функций и обладает важным положением, касающимся спектральных свойств ряда неинтегрируе- мых сигналов.

При f(t) = h(t) = u(t) из теоремы Рэлея вытекает равенство Парсеваля

6. Умножение сигнала на гармоническую функцию. Умножим исходный непрерывный сигнал u(t)> спектральная плотность S(со) которого известна, на гармоническую функцию единичной амплитуды (для упрощения примем начальную фазу гармонического сигнала равной нулю): f(t) = u(t)cos($ 0 L

Посмотрим, что произошло со спектром при таком преобразовании:

Итак, спектр исходного сигнала при его умножении на гармоническую функцию «раздвоился» - распался на два слагаемых вдвое меньшего уровня, чем исходный (1/2 перед каждым из слагаемых), смещенных на частоту сигнала ±со 0 соответственно влево (со - со 0) и вправо (со + со 0) по оси частот. Несложно показать, что если в гармоническом сигнале имеется начальная фаза ср 0 , то при нервом слагаемом в формуле (2.39) будет множитель e j% , а при втором - е

• Джон Рэлей (J. Rayleigh, 1842-1919) - британский физик и механик.
• Марк-Антуан Парссваль (Marc-Antoine Parseval dcs Chenes, 1755-1836) - французскийматематик.

Как следует из теории ряда Фурье, он применим при обращении с периодическими функциями и с функциями с ограниченным интервалом изменения независимых переменных (поскольку этот интервал может быть расширен на всю ось путем периодического продолжения функции). Однако периодические функции сравнительно редки на практике. Эта ситуация требует создания более общего математического аппарата для обращения с непериодическими функциями, а именно интеграла Фурье и на его основе, преобразования Фурье.

Рассмотрим непериодическую функцию f(t) как предел периодической с периодом T=2l при l®?.

Периодическая функция с периодом 2l может быть представлена в виде разложения в ряд Фурье (воспользуемся комплексной его формой)

где выражения для коэффициентов имеют вид:

Введем следующее обозначение для частот:

Запишем разложение в ряд Фурье в виде одной формулы, подставив в (1), выражение для коэффициентов (2) и для частоты (3) :

Спектр периодической функции с периодом 2l дискретный

Обозначим минимальное расстояние между точками спектра, равное основной частоте колебаний за, т.е.

и введем это обозначение в (4):

В таких обозначениях ряд Фурье напоминает интегральную сумму для функции.

Переходя к пределу при T=2l®? к непериодической функции, получим, что частотный интервал становится бесконечно малым (обозначим его за dw), а спектр становится непрерывным. С математической точки зрения это соответствует замене суммирования по дискретному набору интегрированием по соответствующей переменной в бесконечных пределах.

Это выражение и есть интегральная формула Фурье.

2.2 Формулы преобразования Фурье.

Интеграл Фурье удобно представить в виде суперпозиции двух формул:

Функция F(w), сопоставляемая по первой формуле функции f(t), называется ее преобразованием Фурье . В свою очередь, вторая формула, позволяющая найти исходную функцию по ее образу, называется обратным преобразованием Фурье . Обратим внимание на симметрию формул для прямого и обратного преобразования Фурье с точность до постоянного множителя 1/2pи знака в показателе экспоненты.

Символически прямое и обратное преобразование Фурье будем обозначать как f(t)~F(w).

Проводя аналогию с тригонометрическим рядом Фурье, можно прийти к выводу, что образ Фурье (6) является аналогом коэффициента Фурье (см.(2)), а обратное преобразование Фурье (7) является аналогом разложения функции в тригонометрический ряд Фурье (см.(1)).

Отметим, что множитель вместо обратного преобразования можно отнести к прямому преобразованию Фурье или сделать симметричные множители для прямого и обратного преобразований. Главное, чтобы оба преобразования вместе составляли интегральную формулу Фурье (5), т.е. произведение постоянных множителей при прямом и обратном преобразовании должно быть равно..

Отметим, что для прикладных целей более удобной оказывается не угловая частота w, а частотаn, связанная с первой соотношениемw=2pn. и измеряемая в герцах (Гц). В терминах этой частоты формулы преобразования Фурье будут иметь вид:

Сформулируем без доказательства достаточные условия существования преобразования Фурье.

• 1) f(t) - ограничена при t?(-?,?);
• 2) f(t) - абсолютно интегрируема на t?(-?,?);
• 3) Число точек разрыва, максимума и минимума функции f(t) конечно.

Другим достаточным условием является требование квадратичной интегрируемости функции на свей действительной оси, что физически соответствует требованию конечной мощности сигнала.

Таким образом, с помощью преобразования Фурье мы имеем два способа представления сигнала: временное f(t) и частотное F(w).

• 2.3 Свойства преобразования Фурье.
• 1. Линейность.

Если f(t)~F(w),g(t)~G(w),

то аf(t)+bg(t) ~aF(w)+bG(w).

Доказательство основано на линейных свойствах интегралов.

• 2. Четность.
• 2.1 Если f(t) действительная четная функция и f(t)~F(w), то F(w) также действительная четная функция.

Доказательство:

Используя определение (6), а также формулу Эйлера получим

• -четная функция.
• 2.2 Если f(t) -нечетная действительная функция, то F(w)- нечетная мнимая функция.

2.3 Если f(t) произвольная действительная функция, F(w) имеет четную действительную часть и нечетную мнимую часть.

Доказательство:

Cвойства четности 2 можно суммировать в формуле:

3. Подобие

Если f(t)~F(w), то f(at)~.

• 4. Смещение.
• 4.1 Если f(t)~F(w), то f(t-a)~.

Т.е. запаздыванию во времени соответствует умножение на комплексную экспоненту в области частот.

4.2 Если f(t)~F(w), то~.

Т.е. смещение по частоте соответствует умножению на комплексную экспоненту во временной области.

• 5. Если f(t)~F(w), то
• 5.1 f’(t)~iwF(w),~

если f(t) имеет n непрерывных производных.

Доказательство:

если F(w) имеет n непрерывных производных.

Доказательство:

• 2.4 Важнейшие примеры нахождения преобразования Фурье .

где - прямоугольный импульс

При этом мы учли, что - интеграл Пуассона.

Нахождение последнего интеграла можно пояснить следующим образом. Контур интегрирования С есть прямая в комплексной плоскости (t,w), параллельная действительной оси (w-постоянное число). Интеграл от скалярной функции по замкнутому контуру равен нулю. Образуем замкнутый контур, состоящий из прямой С и действительной оси t, замыкающихся на бесконечности. Т.к. на бесконечности подинтегральная функциястремится к нулю, то интегралы по замыкающим кривым равны нулю. Значит интеграл по прямой С равен интегралу, взятому по действительной действительной оси, проходимой в положительном направлении.

2 .5 Принцип неопределенности для частотно-временного представления сигнала.

На примере прямоугольного импульса покажем справедливость принципа неопределенности, состоящего в том, что невозможно одновременно локализовать импульс во времени и усилить его избирательность по частоте.

Согласно 5), ширина прямоугольного импульса во временной области DT равна 2Т. За ширину образа Фурье прямоугольного импульса примем расстояние между соседними нулями центрального горба в частотной области. Первые нули функции имеем при.

Таким образом получаем

Таким образом, чем более импульс локализован во времени, тем сильнее размазан его спектр. Обратно, чтобы сократить спектр, мы вынуждены растягивать импульс во времени. Этот принцип справедлив при любой форме импульса и носит универсальный характер.

2.6 Свертка и ее свойства.

Свертка-основная процедура при фильтрации сигнала.

Назовем функцию h(t) сверткой непериодических функций f(t) и h(t), если она определяется как следующий интеграл:

Символически будем обозначать этот факт как.

Операция свертки обладает следующими свойствами.

• 1. Коммутативность.

Доказательство коммутативности можно получить путем замены переменной t-t=t’

• 2. Ассоциативность

Доказательство:

• 3. Дистрибутивность

Доказательство этого свойства непосредственно следует из линейных свойств интегралов.

Для обработки сигналов наиболее важным в методе Фурье (после формул преобразования Фурье) являются теоремы о свертке. Будем использовать частоту nвместоw, т.к. теоремы о свертке в этом представлении будут иметь взаимообратимый характер.

2.7 Теоремы о свертке

Первая теорема о свертке .

Преобразование Фурье прямого произведения функций равно свертке преобразований

Доказательство:

Пусть, тогда. Используя определение обратного преобразования Фурье и меняя порядок интегрирования, получим:

В терминах угловой частоты wэта теорема имеет менее универсальный вид

Вторая теорема о свертке.

Преобразование Фурье свертки функций равно прямому произведению преобразований.

Доказательство:

Для примера рассмотрим свертку прямоугольного импульса

По условию f(t)=0 приt<-T и приt>T. Аналогично, f(t-t)=0 при

t-t<-T и при t-t>T, т.е. приt>t+T и приt

при -2T

Объединяя оба случая, получим выражение для свертки:

Таким образом, сверткой прямоугольного импульса самого с собой будет треугольный импульс (иногда эту функцию называют L-функцией).

Пользуясь теоремой о свертке, можно легко получить преобразование Фурье L-функции

На практике физическим ситуациям соответствуют функции, равные нулю при t<0. Это приводит к тому, что бесконечные пределы заменяются конечными.

Найти свертку функций f(t) и g(t)

т.к. f(t)=0 приt<0 и g(t-t)=0 при t-t<0,т.е. приt>t.

Введем понятие взаимной корреляции двух функций f(t) и g(t).

где t- временной сдвиг, непрерывно изменяющийся в промежутке (-?,?).

Важным понятием является корреляция функции с самой собой, которая носит название автокорреляции.

• 2.8 Мощность и энергия сигнала.

Перейдем к рассмотрению понятия мощности и энергии сигнала. Важность этих понятий объясняется тем, что любая передача информации есть фактически передача энергии.

Рассмотрим произвольный комплексный сигнал f(t).

Мгновенная мощность сигнала p(t) определяется равенством

Полная энергия равна интегралу от мгновенной мощности по всему промежутку существования сигнала:

Мощность сигнала может быть рассмотрена также как функция частоты. При этом мгновенную частотную мощность обозначают как.

Полная энергия сигнала вычисляется по формуле

Полная энергия сигнала не должна зависеть от выбранного представления. Значения полной энергии, посчитанные из временного и частотного представления, должны совпадать. Поэтому, приравнивая правые части, получаем равенство:

Это равенство составляет содержание теоремы Парсеваля для непериодических сигналов. Строгое доказательство этой теоремы будет дано при изучении темы “Обобщенные функции”.

Аналогично, выражая энергию взаимодействия двух различных сигналов f(t) и g(t) во временном и частотном представлении, получим:

Выясним математический смысл теоремы Парсеваля.

С математической точки зрения интеграл есть скалярное произведение функций f(t) и g(t), обозначаемое как (f,g). Величинаназывается нормой функции f(t) и обозначается как. Поэтому из теоремы Парсеваля следует инвариантность скалярного произведения относительно преобразования Фурье,т.е.

Мгновенная мощность сигнала, рассматриваемая как функция частоты,т.е. , имеет и другое общепризнанное название - спектр мощности. Спектр мощности является основным математическим инструментом спектрального анализа, позволяющего выяснить частотный состав сигнала. Кроме спектра мощности сигнала на практике используется амплитудный и фазовый спектры, определяемые, соответственно как:

• 2.9 Теорема Винера -Хинчина.

Плотность спектра мощности сигнала f(t) равна Фурье-образу автокорреляционной функции

Плотность кросс-спектрасигналов f(t) и g(t) равна Фурье- образу корреляционной функции.

Оба утверждения можно объединить в одно: Спектральная плотность равна преобразованию Фурье корреляционной функции.

Доказательство будет дано позже после введения понятия обобщенной функции.

Я полагаю что все в общих чертах знают о существовании такого замечательного математического инструмента как преобразование Фурье. Однако в ВУЗах его почему-то преподают настолько плохо, что понимают как это преобразование работает и как им правильно следует пользоваться сравнительно немного людей. Между тем математика данного преобразования на удивление красива, проста и изящна. Я предлагаю всем желающим узнать немного больше о преобразовании Фурье и близкой ему теме того как аналоговые сигналы удается эффективно превращать для вычислительной обработки в цифровые.

Без использования сложных формул и матлаба я постараюсь ответить на следующие вопросы:

• FT, DTF, DTFT - в чем отличия и как совершенно разные казалось бы формулы дают столь концептуально похожие результаты?
• Как правильно интерпретировать результаты быстрого преобразования Фурье (FFT)
• Что делать если дан сигнал из 179 сэмплов а БПФ требует на вход последовательность по длине равную степени двойки
• Почему при попытке получить с помощью Фурье спектр синусоиды вместо ожидаемой одиночной “палки” на графике вылезает странная загогулина и что с этим можно сделать
• Зачем перед АЦП и после ЦАП ставят аналоговые фильтры
• Можно ли оцифровать АЦП сигнал с частотой выше половины частоты дискретизации (школьный ответ неверен, правильный ответ - можно)
• Как по цифровой последовательности восстанавливают исходный сигнал

Я буду исходить из предположения что читатель понимает что такое интеграл , комплексное число (а так же его модуль и аргумент), свертка функций , плюс хотя бы “на пальцах” представляет себе что такое дельта-функция Дирака . Не знаете - не беда, прочитайте вышеприведенные ссылки. Под “произведением функций” в данном тексте я везде буду понимать “поточечное умножение”

Начать надо, наверное, с того что обычное преобразование Фурье - это некая такая штука которая, как можно догадаться из названия, преобразует одни функции в другие, то есть ставит в соответствие каждой функции действительного переменного x(t) её спектр или фурье-образ y(w):

Если приводить аналогии, то примером аналогичного по смыслу преобразования может послужить например дифференцирование, превращающее функцию в её производную. То есть преобразование Фурье - такая же, по сути, операция как и взятие производной, и её часто обозначают схожим образом, рисуя треугольную “шапочку” над функцией. Только в отличие от дифференцирования которое можно определить и для действительных чисел, преобразование Фурье всегда “работает” с более общими комплексными числами. Из-за этого постоянно возникают проблемы с отображением результатов этого преобразования, поскольку комплексные числа определяются не одной, а двумя координатами на оперирующем действительными числами графике. Удобнее всего, как правило, оказывается представить комплексные числа в виде модуля и аргумента и нарисовать их по раздельности как два отдельных графика:

График аргумента комплексного значения часто называют в данном случае “фазовым спектром”, а график модуля - “амплитудным спектром”. Амплитудный спектр как правило представляет намного больший интерес, а потому “фазовую” часть спектра нередко пропускают. В этой статье мы тоже сосредоточимся на “амплитудных” вещах, но забывать про существование пропущенной фазовой части графика не следует. Кроме того, вместо обычного модуля комплексного значения часто рисуют его десятичный логарифм умноженный на 10. В результате получается логарифмический график, значения на котором отображаются в децибелах (дБ).

Обратите внимание что не очень сильно отрицательным числам логарифмического графика (-20 дБ и менее) при этом соответствуют практически нулевые числа на графике “обычном”. Поэтому длинные и широкие “хвосты” разнообразных спектров на таких графиках при отображении в “обычные” координаты как правило практически исчезают. Удобство подобного странного на первый взгляд представления возникает из того что фурье-образы различных функций часто необходимо перемножать между собой. При подобном поточечном умножении комплекснозначных фурье-образов их фазовые спектры складываются, а амплитудные - перемножаются. Первое выполняется легко, а второе - сравнительно сложно. Однако логарифмы амплитуды при перемножении амплитуд складываются, поэтому логарифмические графики амплитуды можно, как и графики фаз, просто поточечно складывать. Кроме того, в практических задачах часто удобнее оперировать не «амплитудой» сигнала, а его «мощностью» (квадратом амплитуды). На логарифмической шкале оба графика (и амплитуды и мощности) выглядят идентично и отличаются только коэффициентом - все значения на графике мощности ровно вдвое больше чем на шкале амплитуд. Соответственно для построения графика распределения мощности по частоте (в децибелах) можно не возводить ничего в квадрат, а посчитать десятичный логарифм и умножить его на 20.

Заскучали? Погодите, еще немного, с занудной частью статьи, объясняющей как интерпретировать графики, мы скоро покончим:). Но перед этим следует понять одну крайне важную вещь: хотя все вышеприведенные графики спектров были нарисованы для некоторых ограниченных диапазонов значений (в частности, положительных чисел), все эти графики на самом деле продолжаются в плюс и минус бесконечность. На графиках просто изображается некоторая “наиболее содержательная” часть графика, которая обычно зеркально отражается для отрицательных значений параметра и зачастую периодически повторяется с некоторым шагом, если рассматривать её в более крупном масштабе.

Определившись с тем, что же рисуется на графиках, давайте вернемся собственно к преобразованию Фурье и его свойствам. Существует несколько разных способов как определить это преобразование, отличающихся небольшими деталями (разными нормировками). Например в наших ВУЗах почему-то часто используют нормировку преобразования Фурье определяющую спектр в терминах угловой частоты (радианов в секунду). Я буду использовать более удобную западную формулировку, определяющую спектр в терминах обычной частоты (герцах). Прямое и обратное преобразование Фурье в этом случае определяются формулами слева, а некоторые свойства этого преобразования которые нам понадобятся - списком из семи пунктов справа:

Первое из этих свойств - линейность. Если мы берем какую-то линейную комбинацию функций, то преобразование Фурье этой комбинации будет такой же линейной комбинацией образов Фурье этих функций. Это свойство позволяет сводить сложные функции и их фурье-образы к более простым. Например, фурье-образ синусоидальной функции с частотой f и амплитудой a является комбинацией из двух дельта-функций расположенных в точках f и -f и с коэффициентом a/2:

Если взять функцию, состоящую из суммы множества синусоид с разными частотами, то согласно свойству линейности, фурье-образ этой функции будет состоять из соответствующего набора дельта-функций. Это позволяет дать наивную, но наглядную интерпретацию спектра по принципу “если в спектре функции частоте f соответствует амплитуда a, то исходную функцию можно представить как сумму синусоид, одной из которых будет синусоида с частотой f и амплитудой 2a”. Строго говоря, эта интерпретация неверна, поскольку дельта-функция и точка на графике - это совершенно разные вещи, но как мы увидим дальше, для дискретных преобразований Фурье она будет не так уж и далека от истины.

Второе свойство преобразования Фурье - это независимость амплитудного спектра от сдвига сигнала по времени. Если мы подвинем функцию влево или вправо по оси x, то поменяется лишь её фазовый спектр.

Третье свойство - растяжение (сжатие) исходной функции по оси времени (x) пропорционально сжимает (растягивает) её фурье-образ по шкале частот (w). В частности, спектр сигнала конечной длительности всегда бесконечно широк и наоборот, спектр конечной ширины всегда соответствует сигналу неограниченной длительности.

Четвертое и пятое свойства самые, пожалуй, полезные из всех. Они позволяют свести свертку функций к поточечному перемножению их фурье-образов и наоборот - поточечное перемножение функций к свертке их фурье-образов. Чуть дальше я покажу насколько это удобно.

Шестое свойство говорит о симметрии фурье-образов. В частности, из этого свойства следует что в фурье-образе действительнозначной функции (т.е. любого “реального” сигнала) амплитудный спектр всегда является четной функцией, а фазовый спектр (если его привести к диапазону -pi...pi) - нечетной. Именно по этой причине на графиках спектров практически никогда не рисуют отрицательную часть спектра - для действительнозначных сигналов она не дает никакой новой информации (но, повторюсь, и нулевой при этом не является).

Наконец последнее, седьмое свойство, говорит о том, что преобразование Фурье сохраняет “энергию” сигнала. Оно осмысленно только для сигналов конечной продолжительности, энергия которых конечна, и говорит о том, что спектр подобных сигналов на бесконечности быстро приближается к нулю. Именно в силу этого свойства на графиках спектров как правило изображают только “основную” часть сигнала, несущую в себе львиную долю энергии - остальная часть графика просто стремится к нулю (но, опять же, нулем не является).

Вооружившись этими 7 свойствами, давайте посмотрим на математику “оцифровки” сигнала, позволяющую перевести непрерывный сигнал в последовательность цифр. Для этого нам понадобится взять функцию, известную как “гребенка Дирака”:

Гребенка Дирака - это просто периодическая последовательность дельта-функций с единичным коэффициентом, начинающаяся в нуле и идущая с шагом T. Для оцифровки сигналов, T выбирают по возможности малым числом, T<<1. Фурье-образ этой функции - тоже гребенка Дирака, только с гораздо большим шагом 1/T и несколько меньшим коэффициентом (1/T). С математической точки зрения, дискретизация сигнала по времени - это просто поточечное умножение исходного сигнала на гребенку Дирака. Значение 1/T при этом называют частотой дискретизации:

Вместо непрерывной функции после подобного перемножения получается последовательность дельта-импульсов определенной высоты. При этом согласно свойству 5 преобразования Фурье, спектр получившегося дискретного сигнала есть свертка исходного спектра с соответствующей гребенкой Дирака. Несложно понять, что исходя из свойств свертки, спектр исходного сигнала при этом как бы “копируется” бесконечное число раз вдоль оси частот с шагом 1/T, а затем суммируется.

Заметим, что если исходный спектр имел конечную ширину и мы использовали достаточно большую частоту дискретизации, то копии исходного спектра не будут перекрываться, а следовательно и суммироваться друг с другом. Несложно понять что по подобному “свернутому” спектру будет легко восстановить исходный - достаточно будет просто взять компоненту спектра в районе нуля, “обрезав” лишние копии уходящие на бесконечность. Простейший способ это сделать - это домножить спектр на прямоугольную функцию, равную T в диапазоне -1/2T...1/2T и нулю - вне этого диапазона. Подобный Фурье-образ соответствует функции sinc (Tx) и согласно свойству 4, подобное умножение равнозначно свертке исходной последовательности дельта-функций с функцией sinc(Tx)

То есть с помощью преобразования Фурье мы получили способ легко восстановить исходный сигнал из дискретизированного по времени, работающий при условии что мы используем частоту дискретизации, по крайней мере вдвое (из-за наличия в спектре отрицательных частот) превышающую максимальную частоту присутствующую в исходном сигнале. Этот результат широко известен и называется “теорема Котельникова / Шеннона-Найквиста” . Однако, как несложно теперь (понимая доказательство) заметить, этот результат вопреки широко распространенному заблуждению определяет достаточное , но не необходимое условие для восстановления исходного сигнала. Все что нам требуется - это добиться того, чтобы интересующая нас часть спектра после дискретизации сигнала не накладывалась друг на друга и если сигнал достаточно узкополосный (имеет малую “ширину” ненулевой части спектра), то этого результата часто можно добиться и при частоте дискретизации намного ниже чем удвоенная максимальная частота сигнале. Подобная техника называется “undersampling” (субдискретизация, полосовая дискретизация) и довольно широко используется при обработке всевозможных радиосигналов. Например, если мы берем FM-радио действующее в полосе частот от 88 до 108 МГц, то для его оцифровки можно использовать АЦП с частотой всего 43.5 МГц вместо предполагающихся по теореме Котельникова 216 МГц. При этом, правда, понадобится качественный АЦП и хороший фильтр.

Замечу, что “дублирование” высоких частот частотами меньших порядков (алиасинг) - непосредственное свойство дискретизации сигнала, необратимо “портящее” результат. Поэтому если в сигнале в принципе могут присутствовать частоты высокого порядка (то есть практически всегда) перед АЦП ставят аналоговый фильтр, “отсекающий” все лишнее непосредственно в исходном сигнале (так как после дискретизации делать это уже будет поздно). Характеристики этих фильтров, как аналоговых устройств, неидеальны, поэтому некоторая “порча” сигнала при этом все равно происходит, и на практике из этого следует что наибольшие частоты в спектре, как правило, недостоверны. Чтобы уменьшить эту проблему, сигнал нередко сэмплируют с завышенной частотой дискретизации, ставя при этом входной аналоговый фильтр на меньшую полосу пропускания и используя только нижнюю часть теоретически доступного частотного диапазона АЦП.

Еще одно распространенное заблуждение, кстати, - это когда сигнал на выходе ЦАП рисуют “ступеньками”. “Ступеньки” соответствуют свертке дискретизированной последовательности сигналов с прямоугольной функцией ширины T и высоты 1:

Спектр сигнала при таком преобразовании умножается на фурье-образ этой прямоугольной функции, а у подобной прямоугольной функции это снова sinc(w), “растянутый” тем сильнее, чем меньше ширина соответствующего прямоугольника. Спектр дискретизированного сигнала при подобном “ЦАП” поточечно умножается на этот спектр. При этом ненужные высокие частоты с “лишними копиями” спектра обрезаются не полностью, а верхняя часть “полезной” части спектра, напротив, ослабляется.

На практике так, естественно, никто не делает. Существует много разных подходов к построению ЦАП, но даже в наиболее близких по смыслу ЦАП взвешивающего типа прямоугольные импульсы в ЦАП напротив выбираются по возможности короткими (приближающимися к настоящей последовательности дельта-функций) чтобы избежать излишнего подавления полезной части спектра. “Лишние” частоты в получившемся широкополосном сигнале практически всегда гасят, пропуская сигнал через аналоговый фильтр низких частот, так что «цифровых ступенек» нет ни «внутри» преобразователя, ни, тем более, на его выходе.

Однако вернемся обратно к преобразованию Фурье. Описанное выше преобразование Фурье, примененное к заранее дискретизированной последовательности сигналов называется преобразованием Фурье дискретного времени (DTFT). Спектр получаемый подобным преобразованием всегда 1/T-периодичен, поэтому спектр DTFT полностью определяется её значениями на отрезке }