* デルタ関数に収束するさまざまな数列
いろいろな数列の極限がデルタ関数。→ いろいろ応用できる。
面積
1
のまま、幅を0
に。Gaussian
パルスの極限δ(t) = lim
τ → 0
1
τ e − πt
2 τ 2
三角パルスの極限
δ (t) =
τ lim → 0
1 τ
1 − | t | τ
, | t | ≤ τ 0, | t | > τ
指数パルスの極限δ (t) = lim
τ → 0
1 2τ e | τ t |
標本化関数(sinc
関数)
の極限δ (t) = lim
k →∞
sin(kt)
πt = lim
k →∞
k
π sinc(kt) 2
乗標本化関数(sinc 2
関数)
の極限δ (t) = lim
k →∞
k π
sin 2 (t)
t 2 = lim
k →∞
k
π sinc 2 (t)
デルタ関数を含むフーリエ変換 (1/3)
デルタ関数のフーリエ変換
F [ δ (t) ] =
Z−∞ ∞ e − jωt δ (t)dt = 1
定数A(
つまり直流)
のフーリエ変換矩形パルス関数
: R τ (t) = 1 (τ < 1/2) or 0 (τ > 1/2)
を用いて、F [ A ] = lim τ →∞ F [ A · R τ (t) ] = lim τ →∞ Aτ · sinc
ωτ 2
= 2πA τ lim
→∞
τ /2
π · sinc
ωτ 2
= 2πAδ (ω) signum
関数: sgn(t) =
1, t > 0
− 1, t < 0
のフーリエ変換F [ sgn(t) ] = 2
jω
(
導出) Heaviside
の単位ステップ関数を用いて、sgn(t) = 2 · u(t) − 1 = lim
a → 0
·
e − at (1)(t) − e at (1)( − t)
¸と書けるから、
"Z
∞ − at − jωt
Z0 − at − jωt
#
− 2jω
2
デルタ関数を含むフーリエ変換 (2/3)
Heaviside
関数(
単位ステップ関数) u(t)
のフーリエ変換u(t) = 1
2 { 1 + sgn(t) } = 1
2 {F [ 1 ] + F [ sgn(t) ] }
により、F [ u(1) ] = πδ (ω) + 1 jω cos(Ωt), sin(Ωt)
のフーリエ変換F [ cos(Ωt) ] = π[δ(ω − Ω) + δ (ω + Ω)]
F [ sin(Ωt) ] = − jπ [δ(ω − Ω) − δ (ω + Ω)]
(
導出)
F [ cos(Ωt) ] = lim
τ→∞
Z τ /2
−τ /2
e
−j(ω−Ω)t+ e
−j(ω+Ω)t2 dt
= lim
τ→∞
e
−j(ω−Ω)t− 2j(ω − Ω) + e
−j(ω+Ω)t− 2j(ω + Ω)
τ /2
−τ /2
= lim
τ→∞
sin(ω − Ω)τ /2
(ω − Ω) + sin(ω + Ω)τ /2 (ω + Ω)
=
τlim
→∞
τ 2
sin(ω − Ω)τ /2
(ω − Ω)τ /2 + sin(ω + Ω)τ /2 (ω + Ω)τ /2
= lim
τ→∞
τ 2 sinc
(ω − Ω)τ 2
+ τ 2 sinc
(ω + Ω)τ 2
デルタ関数を含むフーリエ変換 (3/3)
e jΩt ( −∞ < t < ∞ )
のフーリエ変換F
e jΩt
= 2πδ (ω − Ω)
(
導出) = F [ cos(Ωt) + j sin(Ωt) ]
= π [δ(ω − Ω) + δ(ω + Ω) − δ(ω + Ω) + δ(ω − Ω)]
周期関数
f (t)
のフーリエ変換周期関数はフーリエ級数
(
係数をF k
とする)
で表現できるから、f (t) = ∞
Xk= −∞ F k e jkΩt
と書くと、F [ f (t) ] = ∞
Xk= −∞ F k F
e jkΩt
= 2π ∞
Xk= −∞ F k δ (ω − k Ω)
演習 : インパルス列のフーリエ変換
単位インパルス関数
(
デルタ関数) δ (t)
を周期T
で並べた関数: δ T (t) = ∞
Xk= −∞ δ(t − kT )
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
0 1 2 3 4 5
Time Sampling of a Signal
Sampling(t)
最重要 インパルス列のフーリエ変換
単位インパルス関数
(
デルタ関数) δ (t)
を周期T
で並べた関数: δ T (t) = ∞
Xk= −∞ δ(t − kT )
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
0 1 2 3 4 5
Time Sampling of a Signal
Sampling(t)
Ω = 2π/T
とすると、フーリエ級数は、δ T (t) = ∞
Xk= −∞ c k e jkΩt , c k = 1 T
Z
T /2
− T /2 δ T (t)e − jkΩt dt = 1 T
だから、F [ δ T (t) ] =
Z− T /2 T /2
∞
Xk= −∞
1
T e jkΩt
e − jωt dt = 1 T
∞
Xk= −∞
Z
T /2
− T /2 e − j(ω − kΩ)t dt
= 1 T
∞
Xk= −∞ F [ 1 ] (ω − kΩ) = 1 T
∞
Xk= −∞ 2πδ(ω − kΩ) = Ω ∞
Xk= −∞ δ (ω − kΩ)
= Ωδ Ω (ω)
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
-40 -20 0 20 40
Frequency Signal Spectrum Sampling
Sampling(omega)
「インパルス列のフーリエ変換はインパルス列」
重要なフーリエ変換 ( 定常信号、時間対称信号 )
t(
時間)
領域表現ω(
周波数)
領域表現 意味δ(t) 1 Dirac
のデルタ関数1 2πδ(ω)
直流| t | − 2
ω 2
cos Ωt π[δ (ω − Ω) + δ (ω + Ω)]
余弦波sin Ωt − jπ [δ (ω − Ω) − δ (ω + Ω)]
正弦波W
2π sinc W 2 t
1, | ω | < W/2
0, | ω | > W/2 sinc
関数重要なフーリエ変換 (t > 0 のみの信号 )
t(
時間)
領域表現ω(
周波数)
領域表現 意味
1, | t | < τ /2
0, | t | > τ /2 τ sinc τ
2 ω
矩形パルス
1 − | τ t | , | t | < τ
0, | t | > τ τ sinc 2 τ
2 ω
三角パルス( =
矩形パルス同士の畳み込 み)
e − a | t | 2a
a 2 + ω 2
両側指数減衰e − t
2
2σ 2 σ √
2πe − σ
2 ω 2
2
ガウス関数δ T (t) Ωδ Ω (ω) (Ω = 2π
T )
周期的インパルス列重要なフーリエ変換 (t > 0 のみの信号 )
t(
時間)
領域表現ω(
周波数)
領域表現 意味u(t) πδ (ω) + 1
jω
Heaviside
の単位ステップ 関数u(t) · e − at 1
a + jω
一次系のインパルス応答u(t) · te − at 1
(a + jω) 2
臨界制動二次系のインパル ス応答
(=
同一の一次系インパルス 応答同士の畳み込み)
u(t) · cos Ωt π
2j [δ(ω − Ω) + δ(ω + Ω)] + jω Ω 2 − ω 2
余弦波右半分
(= u(t)
と余弦波の積= ω
領 域では畳み込み)
u(t) · sin Ωt π
2j [δ (ω − Ω) − δ(ω + Ω)] + Ω Ω 2 − ω 2
正弦波右半分
(= u(t)
と正弦波の積= ω
領 域では畳み込み)
u(t) · e − at sin Ωt Ω
(a + jω) 2 + Ω 2
減衰正弦波
(=
一次系インパルス応答と 正弦波の積= ω
領域では畳 み込み)
サンプリング定理
サンプリング定理
エリアシング、折り返し、
Nyquist
周波数 リサンプリング信号のサンプリング ( 標本化 ) と復元
目的
:
ディジタル信号処理、離散系への変換、etc.
信号
f (t)
から等しい間隔の標本(
サンプル)
列を取り出す。-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
0 5 10 15 20 25 30 35 40 45 50
Time (* sampling period) Sampling a Signal
signal samples
サンプリング
(
標本化)
↓-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
0 5 10 15 20 25 30 35 40 45 50
Time (* sampling period) Sampling a Signal
samples
信号復元 ↓
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
0 5 10 15 20 25 30 35 40 45 50
Time (* sampling period) Sampling a Signal
信号のサンプリング ( 標本化 ) と復元の問題
正確に復元できる
(
原情報の情報を保存している)
サンプリングの 条件は何か?
サンプル値列の多義性
-1 -0.5 0 0.5 1
0 1 2 3 4 5
Time (* sampling period) Ambiguity of a Sample Sequence
low band signal high band signal samples
正弦波のサンプリング
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
0 2 4 6 8 10
Time (* sampling period) Ambiguity of a Sample Sequence
low band signal high band signal samples
一般信号のサンプリング 直感的サンプリング定理
:
サンプリング ( 標本化 ) 定理
標本化定理
◆
f m [Hz]
以上の周波数成分を持たない帯域制限信号f (t)
は、1/2f m [
秒]
より短い等しい間隔の標本(
サンプル)
で完全に決定される。F [ f (t) ] = F (ω) =
0, | ω | > ω m = 2πf m any, | ω | < ω m = 2πf m
情報を失わずに連続データと離散データを相互に変換可能。
-1 -0.5 0 0.5 1
0 2 4 6 8 10
Time (* sampling period) Satisfying the Sampling Theorem
low freq signal samples
サンプリング定理を満たす正弦波
-1 -0.5 0 0.5 1
0 2 4 6 8 10
Time (* sampling period) Violating the Sampling Theorem
high freq signal samples
サンプリング定理を満たさない正弦波
サンプリング定理 ( 図解 )
信号波形
(
時間領域)
スペクトル(
周波数領域)
-0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2
0 1 2 3 4 5
Frequency (* pi) Signal Spectrum Distribution
Waveform(t)
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
-40 -20 0 20 40
Frequency (* pi) Signal Spectrum Distribution
Spectrum(omega)
もとの信号波形とスペクトル。周波数帯域が制限されている。
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
0 1 2 Time 3 4 5
Sampling of a Signal
Sampling(t)
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
-40 -20 Frequency0 20 40
Signal Spectrum Sampling
Sampling(omega)
サンプリングとは、信号波形にデルタ関数列を掛けることである。
-0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2
0 1 2 3 4 5
Time Sampling of a Signal
Waveform(t) Samples(t)
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
-40 -20 0 20 40
Frequency (* pi) Signal Spectrum Distribution
Spectrum(omega)
信号サンプル値倍のデルタ関数の列。そのスペクトルは原スペクトルとインパルス列の畳み込み。
-0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2
-3 -2 -1 0 1 2 3
Time
Sample Interpolation Function
Interpolation(t)
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
-40 -20 0 20 40
Frequency Low Pass Filter
LowPassFilter(freq)
スペクトルに矩形を掛けて余分なスペクトルを除く。
これは信号サンプル値インパルス列と標本化関数
(sinc)
の畳み込み。0 0.2 0.4 0.6 0.8 1
1.2 Sampling of a Signal
Waveform(t) Samples(t) Interpolation(t,0.) Interpolation(t,1.) Interpolation(t,2.) Interpolation(t,3.) Interpolation(t,4.) Interpolation(t,5.)
0.2 0.4 0.6 0.8 1
1.2 Signal Spectrum Distribution
Spectrum(omega)
サンプリング定理の導出
信号
f (t)
の帯域をΩ[rad/S]
以 下に制限: F (ω) = F [ f (t) ]
と すると、F (ω) = 0 where | ω | > Ω
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
-40 -20 0 20 40
Frequency (* pi) Signal Spectrum Distribution
Spectrum(omega)
f (t)
を間隔T ≤ 2π Ω
でサンプリ ングした標本列信号f T (t)
は、f T (t) = f (t)δ T (t)
-0.4-0.2 0 0.2 0.4 0.6 0.8 1 1.2
0 1 2 3 4 5
Time Sampling of a Signal
Waveform(t) Samples(t)
F Ω (ω) = F [ f T (t) ] , Ω = 2π/T
とすると、F Ω (ω) = F [ f (t)δ T (t) ] = 1
2π F (ω) ∗ F [ δ T (t) ]
= 1
2π F (ω) ∗ { Ωδ Ω (ω) } = 1 T
Z
∞
−∞ F (ω)δ Ω (ω − σ)dσ
F Ω (ω)
は周波数領域でF (ω)
を周期Ω
で並べたものとなる。エリアシング
◆ 信号の帯域
(0
でないスペクトル成分の存在範囲): B
、-0.2 0 0.2 0.4 0.6 0.8 1 1.2
-40 -20 0 20 40
Frequency (* pi)
Signal Spectrum Distribution
Spectrum(omega)
原信号スペクトル。帯域は
B
◆ サンプリング周波数
f m
でサンプリングしたサンプル値のインパ ルス列信号のスペクトルは、f m
間隔で繰り返しパターン。→ エ リアシング(aliasing)
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
-40 -20 0 20 40
Frequency (* pi)
Signal Spectrum Distribution
Spectrum(omega)
折り返し
◆
Nyquist (
ナイキスト)
周波数: f m = 2B (Nyquist
間隔: T = 2f 1
m
、 最大サンプリング周期)
Nyquist
周波数以上の周波数でサンプリングすれば情報が保存できる。
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
-40 -20 0 20 40
Frequency (* pi)
Signal Spectrum Distribution
Spectrum(omega)
折り返しのないサンプル列スペクトル
◆
Nyquist
周波数未満の周波数でサンプリングすると、スペクトルの折り返しが生じる。情報の一部が 失われる。
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
-20 -15 -10 -5 0 5 10 15 20
Frequency (* pi)
Signal Spectrum Distribution
Spectrum(omega) Spectrum(omega-10) Spectrum(omega+10) Spectrum(omega-20) Spectrum(omega+20)
折り返しの生じたサンプル列スペクトル
サンプリング定理による波形の復元
原信号
f (t) (f m = Ω/2π
以下に帯域制限)
をサンプル値系列f T (t) (
サンプル間隔T = 1/2f m )
から復元するには?
周波数領域で、
(rect W
は幅W
の矩形関数)
f (t) = F − 1 [T F T (ω) rect 2Ω (ω)] = T f T (t) ∗
Ω
π sinc(Ωt)
= f T (t) ∗ sinc(Ωt)
k
番目の標本値をf k
とするとf T (t) = ∞
X−∞ f k δ(t − kT ) f (t) = f T (t) ∗ sinc(Ωt) =
Z−∞ ∞ ∞
Xk= −∞ f k δ(s − kT )sinc(Ω(t − s))ds
= ∞
Xk= −∞ f k sinc(Ω(t − kT )) = ∞
Xk= −∞ f k sin Ω(t − kT )
Ω(t − kT )
サンプリング定理による波形の復元
-1 -0.5 0 0.5 1
0 2 4 6 8 10
Time (* sampling period) Interpolation of Samples
signal samples
サンプル値列から原信号の復元
(
正弦波の例)
-1 -0.5 0 0.5 1
0 2 4 6 8 10
Time (* sampling period) Interpolation of Samples
signal samples
サンプル値列から原信号の復元
(
一般信号の例)
周波数領域におけるサンプリング定理
サンプリング定理は時間領域と周波数領域で双対性を持つ。
◆ 周波数領域のサンプリング定理
:
時刻
| t | > T [
秒]
で0
となる時間制限信号f (t)
は、1/2T [Hz](= π/T [rad/s])
より 小さな当間隔の周波数スペクトルのサンプルで完全に決定できる。(
導出) | t | > T
でf (t) = 0
より、T = π/ω 0
とすると、f (t) =
P∞ −∞ c k e jkω o t
だからc k = 1
2T
Z
T
− T f (t)e − jkω 0 t dt = 1 2T
Z
∞
−∞ f (t)e − jkω 0 t dt
= 1
2T F [ f (t) ] (kω 0 )
F [ f (t) ] (kω 0 ) = F (kω 0 )
は、周波数領域でω 0 = π/T [rad/s]
間隔のサンプル列。F (ω) =
Z−∞ ∞ f (t)e − jωt dt =
Z− T T
∞
Xk= −∞
1
2T F (kω 0 )e jkωt
e − jωt dt
= ∞
Xk= −∞
F (kω 0 ) 1 2T
Z
T
− T e − jk(ω − ω 0 )t dt
=
Z− T T F (kω 0 ) sin(ω − kω 0 )T
(ω − kω 0 )T dt
信号のサンプリングの手順
サンプリング周波数
Ω
による信号のサンプリングと復元の実際x(t)
- - - - --低域通過 フィルタ
ω <
ω20標本化
ディジタル 処理、記録 伝送、etc.
信号復元
低域通過 フィルタ
ω <
ω20y(t)
低域通過フィルタ
(low-pass filter: LPF)
により、周波数ω 0 /2
以 上をカット。サンプリング周波数
ω 0
により信号をサンプリング。目的のディジタル信号処理、ディジタル記録、ディジタル伝送な どを行なう。
サンプル値を並べて、インパルス列信号を生成。
低域通過フィルタ
(low-pass filter: LPF)
により、周波数ω 0 /2
以 上をカット。信号のリサンプリング
x(t):
原信号, x k :
サンプル列,
Ω:
サンプリング周波数 → サンプリング周波数ω m 0
への変換。目的
/
用途:
ディジタル系の間の情報の適切な変換例
: CD(44.1kHz)
とDAT(48kHz)
の変換、画像の画素数の変換、その他あらゆるデジタル系 接続。任意の時刻
t
についての信号の補間計算x(t) = ∞
Xk= −∞ x k · sinc Ω(t − kT ) (T
はサンプリング周期) ω m 0 > Ω
の場合(
アップサンプリング)
新しいサンプリング点における信号の補間計算
(
サンプリング周期T 0 = 2π/ω m 0 ) x(iT 0 ) =
X∞
k= −∞ x k · sinc Ω(iT 0 − kT ) ω m 0 < Ω
の場合(
ダウンサンプリング)
新しいサンプリング点における信号の補間計算
(
サンプリング周期T 0 = 2π/ω m 0 )
x(iT 0 ) = ∞
Xx k · sinc ω m 0 (iT 0 − kT )
四種のフーリエ変換
4
つのタイプType 1 Type 2 Type 3 Type 4
時間 無限連続 有限連続 無限離散 有限離散 周波数 無限連続 無限離散 有限連続 有限離散演習問題 1: 四種のフーリエ変換対の関係
1.
四種のフーリエ変換対のそれぞれについて、畳み込み定理を証明 せよ。(
ヒント:
畳み込みをどのように定義すれば、畳み込み定理が成立する か? [
巡回畳み込み])
2.
連続信号の畳み込み結果をサンプリングしたものは、信号をサン プリングして得られた離散信号の畳み込み結果に等しいことを示 せ。(
無限長、有限長の両方について)
動機
: type 4 (DFT)
は、FFT
により高速計算可能。→ これを連続系にも利用 したい。→ 連続系と離散系をつなぐ理論が必要。提出期限: