Furijeova transformacija i primene

Uvod

U okviru ove skripte1 upozna cemo se sa osnovnim pojmovima Furijeove transformacije kao i njenom primenom u prirodnim naukama (npr. na analizu stacionarnih vremenskih serija). Kako se podrazumeva da su se studenti ve c upoznali sa pojmom Furijeove transformacije (Matematika 4), teorijska razmatranja su izlo zena veoma koncizno davaju ci prednost primerima. Neki delovi ovi skripte su zasnovani na materijalima skripti prof. dr - urovi Dragutina D ca dok je preostala kori s cena literatura navedena na kraju.

1.1

Denicija Furijeove transformacije

Jednodimenziona Furijeova (integralna) transformacija2 funkcije h(t) mo ze se denisati kao:

H (f ) =

h(t)ei2f t dt,

(1a)

dok je:

h(t) =

H (f )ei2f t df,

(1b)

tzv. inverzna Furijeova transformacija. Postoji nekoliko konvencija u smislu denicije Furijeove transformacije. Ukoliko zelimo da koristimo kru znu frekvenciju 2f tada je uobi cajeno da se Furijeova i njena inverzna transformacija deni su preko:

H ( ) =

h(t)eit dt,

(2a)

i h(t) = 1 2

H ( )eit d.

(2b)

Obi cno se, zbog simetrije, koristi i slede ca denicija: 1 H ( ) = 2 i 1 h(t) = 2

1 2

h(t)eit dt,

(3a)

H ( )eit d.

(3b)

Ova skripta namenjena je studentima astrozike koji slu saju kurs radio-astronomija. Nekada se naziva i direktna Furijeova transformacija.

Funkcije h(t) i H (f ) naziva cemo Furijeovim parovima3 i dalje cemo ih obele zavati sa h(t) H (f ). Na slici 1 su dati primeri Furijeovih parova4 .

Slika 1: Neki Furijeovi parovi. (Preuzeto iz [7].) Razli citi autori koriste razli cite denicije Furijeove transformacije. U nekoj literaturi Furijeova i njena inverzna transformacija se deni su suprotno gore navedenoj deniciji (suprotnost se ogleda u smislu znaka minus u eksponencijalnom clanu). Rezultati se su stinski ne menjaju tako da studenti mogu koristiti bilo koju od pomenutih konvencija.
U principu, re c je o prelasku na drugi bazis, npr. prelaz iz koordinatne u impulsnu reprezentaciju u kvantnoj mehanici ili prelaz iz vremenskog u frekventni domen u analizi vremenskih serija. 4 Bitno je ista ci, kao sto ce biti re ci u narednim poglavljima, da se Furijeova transformacija mo ze - Furijeova odnositi i na bilo koju drugu nezavisnu promenljivu (koordinatu) ne samo vreme. Takode, transformacija se mo ze uop stiti na vi sedimenzioni slu caj.
3

1.2

Osobine Furijeove transformacije i primeri

Lako se mo zemo ubediti u va zenje slede cih osobina Furijeovih parova (dokazati za ve zbu): h(at) 1 h |b| t b 1 H |a| f a (4a) (4b) (4c) (4d)

H (bf )

h(t t0 ) H (f )ei2f t0 h(t)ei2f0 t H (f f0 )

Parsevalova teorema: Ukupna snaga u signalu h(t) ra cunata u vremenskom domenu je jednaka ukupnoj snazi ra cunatoj u frekventnom domenu:

|h(t)|2 dt =

|H (f )|2 df.

(5)

Ukoliko je poterbno odrediti koliko je snage sadr zano u intervalu frekvencija (f, f + df ) obi cno posmatramo frekvencije tako da se kre cu u intervalu od 0 (nulta frekvencija) do . Tada se mo ze denisati spektralna gustina (jednostrana): Ph (f ) |H (f )|2 + |H (f )|2 , 0f < (6)

pa je snaga u intervalu (f, f + df ) integral od Ph u tim granicama.

Primeri P1 Odrediti Furijeovu transformaciju funkcije: h(t) = A, |t| < T 0, |t| > T.

Iskoristimo, npr., konvenciju (2):

T

H ( ) =

h(t)eit dt = A
T

eit dt

H ( ) = gde je iskori s ceno da va zi:

2A A iT e eiT = sin(T ), i sin(x) = eix eix 2i sinc(x) =

Kona cno imamo:

sin(x) x Vidi prvi i drugi crte z na slici 1. Furijeova transformacija pravougaonika je sink funkcija. H ( ) = 2AT sinc(T ),

1.0

0.8

0.6

sinc(x)

0.4

0.2

0.0

-0.2

-20

-10

10

20

Slika 2: Sink funkcija

P2 Odrediti Furijeovu transformaciju funkcije: 0, t [(, T ) (T, )] A t + A, t (T, 0) h(t) = T A T t + A, t (0, T ).

Iskoristimo konvenciju (2):

0

H ( ) =

h(t)eit dt =
T 0 0

A t + A eit dt + T
T

T 0

A A T

A t eit dt T
T

H ( ) =

A T

teit dt + A
T T

eit dt + A
0

eit dt

teit dt
0

Posle kra ceg sredivanja i primene parcijalne integracije u prvom i cetvrtom integralu u gornjoj jedna cini, dobijamo: 2A H ( ) = (1 cos(T )) , T 2 gde je iskori s ceno da va zi: eix + eix cos(x) = 2 Uz: x 1 cos(x) = 2 sin2 2 dobijamo: 2 sin T 4A T 2 T 2 H ( ) = sin = AT = AT sinc2 T 2 T 2 2 2 Dakle, Furijeova tranformacija trougla je sink na kvadrat.

1.0

0.8

0.6

sinc (x)
0.4 0.2 0.0 -20 -10 0 10 20

Slika 3: Sink kvadrat funkcija

P3a Odrediti Furijeovu transformaciju funkcije: h(t) = cos(xt).

H ( ) =

h(t)eit dt = H ( ) = 1 2

cos(xt)eit dt =

1 2

eixt + eixt eit dt

ei(x+)t + ei(x)t dt

Kako je Dirakova funkcija data preko: (y ) = kona cno dobijamo: H ( ) = ( ( + x) + ( x)) 1 2

eisy ds,

(y ) = (y )

Slika 4: Uz zadatak 3a.

P3b Odrediti Furijeovu transformaciju funkcije: h(t) = sin(xt).

H ( ) =

h(t)eit dt =

sin(xt)eit dt =

1 2i

eixt eixt eit dt

Sli cno kao i u prethodnom primeru dobijamo: H ( ) = 1 2i

ei(x+)t ei(x)t dt

H ( ) = i ( ( x) ( + x))

P4 Odrediti Furijeovu transformaciju funkcije: h(t) = Aeat ,

2

a > 0.

H ( ) =

h(t)eit dt = A
2 i t a

eat eit dt
2

H ( ) = A

ea(t

) dt = Ae 4a
i 2

ea(t 2a ) dt 2 e 4a a

i 2

H ( ) = Ae 4a Gore je iskori s ceno:

ea(t 2a ) d t dx =

i 2a

=A

a2 x2

, 2a

a>0

- Gausijan. Dakle, Furijeova transformacija Gausijana je, takode,

P5 Odrediti Furijeovu transformaciju funkcije: h(t) = t2 cos t , + a2 a > 0.

F ( ) =

t2

cos t it e dt + a2

Iz: cos t = sledi: F ( ) = F1 ( ) + F2 ( ) = 1 2

eit + eit 2

eit(+1) 1 dt + 2 2 t +a 2

eit(1) dt t2 + a2

Ovaj zadatak se najjednostavnije re sava uz pomo c kompleksne analize. Ponovimo, zato, nekoliko va znih rezultata kompleksne analize bitnih za re savanje ovog zadatka: 1. Ako je funkcija f : D C analiti cka na zatvorenoj, pozitivno orjentisanoj krivoj , koja je granica oblasti D, onda va zi:
n

f (z )dz = 2i
k=1

z = zk

Res f (z ),

gde su zk singulariteti funkcije f unutar oblasti D. 2. Va zi: Res f (z ) = lim

z =z0 z z0

1 [(z z0 )m f (z )](m1) . (m 1)!

m (z ) 3. Ako je f (z ) = P Qn (z ) , gde su Pm (z ) i Qm (z ) polinomi po z C m-tog i n-tog stepena, i ako je n m + 2 sledi:

R + R

lim

f (z )dz = 0,

gde je R+ = Reit , t [0, ]. Odredimo sada F1 ( ). Polovi (prvog reda) podintegralne funkcije su t = ai. Sa slike 5 je jasno da va zi: = R+ l, R > a, te da je: I1

eiz (+1) dz = z 2 + a2

( ) dz +
R + l

( ) dz

Na osnovu (1.) i (2.) sledi:

eiz (+1) eiz (+1) eiz (+1) dz = 2 i Res = 2 i lim = ea(+1) 2 2 2 2 2 2 z =ai z + a z ai z + a z +a a
R +

Uz pomo c (3.) mo zemo proceniti 0

( ) dz . Sa jedne strane va zi: dz , + a2

R +

eiz (+1) dz z 2 + a2

R +

z2

a sa druge, na osnovu (3.) imamo: z2 dz =0 + a2

R +

uz R . Podsetimo se i da ako je kompleksan broj jednak nuli po modulu tada su mu - jednke nuli. Po realna i imaginarna komponenta, takode, sto smo dobili da je + ( ) dz = 0 R sada imamo da je:
R l

lim

( ) dz = lim

( ) dz,

odnosno: F1 ( ) = Sli cno se nalazi za F2 ( ): F2 ( ) = Kona cno dobijamo: F ( ) = a e cosh a a a(1) e + ea(+1) 2a a(+1) e 2a

Slika 5: Uz zadatak 5.

Konvolucija i korelacija
Konvolucija dve funkcije s(t) i h(t) je data preko:

y (t) =

s( )h(t )d = s(t) h(t).

(7)

Na slici 6 je gra cki predstavljen princip konvolucije: funkcija h( ) se prevede u njenu ogledalsku funkciju h( ) i zatim translira h(t ) kako bi zatim bila prevu cena preko citave funkcije s( ). Ukoliko bismo h(t ) zaledili na bilo kojem mestu tokom procesa prevla cenja preko s( ) i pomno zili odgovaraju ce vrednosti za ove dve funkcije dobili bismo jednu, korespondentnu, vrednost za y (t). Skup svih tako dobijenih vrednosti predstavlja konvoluciju dve date funkcije. Konvolucija se u nauci mo ze razumeti kao rezultat sprezanja dva zi cka procesa.

Slika 6: Princip konvolucije. (Preuzeto iz [7].) Teorema o konvoluciji: Furijeova transformacija konvolucije dve funkcije je jednaka proizvodu Furijeovih transformacija svake funkcije zasebno: h(t) s(t) H (f )S (f ). 9 (8)

Teorema o konvoluciji je od velikog zna caja u nauci5 . Korelacija dve funkcije s(t) i h(t) je denisana preko:

Corr(s, h) = z (t) =

s( )h( + t)d.

(9)

Na osnovu teoreme o konvoluciji sledi: z (t) H (f )S (f ) = Z (f ) Corr(s, h) H (f )S (f ). Viner-Ni sin-a teorema: Corr(g, g ) |G(f )|2
Primeri P1 Odrediti konvoluciju f f , gde je: A, |x| f (x) = 0, |x| >
D 2 D 2

(10)

(11)

-D/2

D/2

Slika 7: Pravougaonik (uz zadatak 1)

Na slici 7 gra cki je predstavljena nkcija f (x). Tra zena konvolucija je data sa: (f f )( ) =

f (x)f ( x)dx

Gra cki se konvolucija mo ze zamisliti kao prevla cenje jedne funkcije preko druge i ra cunanje povr sine koja se nalazi ispod funkcije koja predstavlja njihov proizvod. Kako imamo dve iste funkcije, svejedno je koju cemo prevla citi preko koje (generalno je svejedno mada u zavisnosti od konkretnog problema mo ze biti jednostavnije prevla citi jednu umesto drugu funkciju). Ra cunanje konvolucije za < 0 odgovara kretanju funkcije iz po cetnog polo zaja (u ovom slu caju kada su funkcije prekolopljene) u levo, a za > 0 u desno (u principu mogli bismo da posmatramo stvari npr. tako sto jedna funkcija ide iz i kre ce se samo desno). Kako je jasno da je svejedno da li u razmatramo < 0 ili > 0 (re savanje je sli cno, a funkcija koju cemo dobiti

10

Slika 8: Uz postupak konvolucije (primer 1).

konvolucijom je simetri cna u odnosu na = 0), razmatra cemo samo slu caj > 0 (kretanje na desno). Slika 8 obja snjava ra cunanje konvolucije u nekoj ta cki 0 < D. Vidimo da se za iz D ovog intervala ove dve funkcije preklapaju na intervalu od 2 + do D 2 i za u tom intervalu ra cunamo konvoluciju kao povr sinu ispod krive koja predstavlja proizvod datih funkcija na tom intervalu. Za (0, D) imamo:
D 2

D + 2

A2 dx = A2 (D )

Vidimo da se za > D ove dve funkcije vi se ne preklapaju pa je za te vrednosti vrednost konvolucije jednaka nuli. Kona cno dobijamo (slika 9): 2 (0, D) A (D ) 2 A ( D) (D, 0) f f = 0, x / ((D, 0) (0, D))

Detaljnije o konvoluciji i njenom zna caju u nauci vidi u [7], [22], i dr.

11

Slika 9: Konvolucija dva pravougaonika je trougao.

P2 Odrediti konvoluciju f f , gde je: A x (D, 0) D (D + x) , A f (x) = (D x) , x (0, D) D 0, x / ((D, 0) (0, D))

Slika 10: f(x)

Zanima nas da odredimo konvoluciju dva trougla. Na sli can na cin kao i u prethodnom primeru re savamo i ovaj problem: gleda cemo samo > 0 i zatim cemo simetri cno preslikati funkciju za < 0. Kako funkcija f (x) (vidi sliku 10) denisana razli cito za razli cite intervale, ra cunanje konvolucije cemo podeliti na nekoliko intervala za . Za 0 < D imamo: f f =
0

A+
D D

A x D A

A+ A x D

A ( x) dx + D A

A x D

A+

A ( x) dx+ D

A 7 A2 3 ( x) dx = + 2A2 D D 6 D2

Razdvojili smo integral na tri dela kako na ta tri dela imamo razli cite poditnegralne funkcije (vidi slku 11). Za D < < 2D imamo (vidi sliku 12): f f =
D D

A x D

A+

A 8 1 A2 3 ( x) dx = A2 D 2A2 + D 3 6 D2

12

Slika 11: Uz postupak konvolucije (primer 2).

Za > 2D va zi f f = 0. Simetri cno je za < 0. Na kraju je neophodno ispitati osobine funkcije (konveksnost/konkavnost). Re senje je predstavljeno na slici 13: 7 A2 3 2 | | < D 6 D2 | | + 2A D, 1 A2 | |3 8 2 2 f f = | | 2D 3 A D 2A | | + 6 D2 , D 0 , | | > 2D

P3 Odrediti konvoluciju funkcija aE (x) i bE (x) ako su a, b, , konstante a: E (x) = ex , x 0 0, x < 0.

Po deniciji imamo: aE (x) bE (x) = ab

E (x)E ( x)dx

13

Slika 12: Uz postupak konvolucije (primer 2).

Slika 13: Konvolucija dva trougla

Na slici 14 vidimo da se funkcije preklapaju na intervalu od 0 do : aE (x) bE (x) = abE ( )
0

E (x x)dx = abE ( )

E ( ) 1

14

Slika 14: Uz postupak konvolucije (primer 3).

aE (x) bE (x) = ab Odredimo sada i E (x) E (x): E (x) E (x) = lim

0

E ( ) E ( )

E ( ) E ( ) d = E ( ) = E ( ) d

Na kraju, odredimo i E (x) E (x): E (x) E (x) = E (x) E (x) = E ( + x)E (x)dx >0 < 0.

x+ x e dx, e x+ x e e dx, 0

E (x) E (x) =

E ( ) + E ( ) +

15

P4 Odrediti konvoluciju funkcija f (x) = funkcije.

2 x2 e

i g (x) = e|x| . Skicirati grak rezultuju ce

Po deniciji imamo: 2 (f g ) (t) = |t x| =

ex e|tx| dx
2

t x, t > x x t, t < x

Na ovom mestu je lak se prevla citi funkciju g (x) (u eksponentu je linearna zavisnost od x) - vidi sliku 15.

Slika 15: Uz postupak konvolucije (primer 4).

2 (f g ) (t) = 2 (f g ) (t) =
t t t t t

ex e(tx) dx +
2

ex etx dx
2 2

ex ex et dx +
2

ex ex et dx
t

2 (f g ) (t) = et

e(x

2 x)

dx + et

e(x

2 + x)

dx

16

2 (f g ) (t) = et

e(x
t

2 x+ 1 )+ 1 4 4

dx + et
t
1

e(x

2 +x+ 1 )+ 1 4 4

dx

1 2 (f g ) (t) = et+ 4

e(x 2 ) dx + et+ 4
1 2

e(x+ 2 ) dx
1 2

t
1 2

I1 I2 =

t t

e(x 2 ) dx, e(x+ 2 ) dx,

1 2

y =x y =x+

1 2 1 2
t+ 1 2

t 1 2

1 2 (f g ) (t) = et+ 4

ey dy + et+ 4
2 1

ey dy
2

I3 =

t 1 2

ey dy,
2

z = y
t+ 1 2
1 t+ 2

(1)ez dz + et+ 4
2 1

1 2 (f g ) (t) = et+ 4

t+ 1 2

ey dy
2 2

1 2 (f g ) (t) = et+ 4

ez dz + et+ 4
2 1

ey dy

t+ 1 2

Poznato je generalno: 2
t

2 2 ex dx = 2 1
t 0

0
2

ex dx
2

t 0

ex dx =
2

ex dx = 1 erf (t) dx = , 2a

Gore smo iskoristili da je:

0

ea

2 x2

a>0

Sada kona cno imamo: (f g ) (t) = et+ 4 1 erf

1

t +

1 2

+ et+ 4 1 erf

t+

1 2

Skiciranje. Odredimo prvo (f g ) (0). Iz tablica specijalnih funkcija nalazimo da je erf ( 1 2) 0.52. Dobijamo: (f g ) (0) 1.23. Odredimo sada prvi izvod funkcije: (f g ) (t). Posle kra ceg 2 sredivanja dobijamo (i cinjence da ex ravnomerno konvergira): (f g ) (t) = et+ 4 e(t 2 ) 1 + erf
1 1 2

t +

1 2

+ et+ 4 1 erf

t+

1 2

e(t+ 2 )

1 2

Gore je iskori s ceno da va zi: d d

b( ) b( )

f (x, )dx =
a( ) a( )

db da f (x, )dx + f (b, ) f (a, ) d d

17

- da Sada je jasno da va zi: (f g ) (0) = 0 Postoji ekstremna vrednost u nuli. Jasno je, takode, je funkcija diferencijabilna: (f g ) (0 ) = (f g ) (0+ ) = 0. Na kraju, odredimo drugi izvod funkcije: (f g ) (t). Nakon kra ceg sredivanja dobijamo: (f g ) (t) = et+ 4 (2t + 1)e(t 2 ) + 1 erf
1 1 2

t + 1 2

1 2

+et+ 4 (2t 1)e(t+ 2 ) + 1 erf

1 1 2

t+

Iz uslova (f g ) (t) = 0 dobijamo: 2et

2 1 4

+ et erf c t +

1 2

+ et erf c t +

1 2

= 0,

gde smo sa erf c(x) ozna cili erf c(x) = 1 erf (x). Jasno je da je za t = 0 funkcija konkavna (drugi izvod manji od nule). Za t = 1 funkcija je konveksna (drugi izvod ve ci od nule). Kako je funkcija simetri cna, kona cno, mo zemo skicirati njen grak (uraditi za ve zbu). Oblik funkcije mo ze da se oceni i samo logi ckim zaklju civanjem (bez tra zenja izvoda) ali za lociranje prevojnih

ta caka je neophodno nala zenje drugog izvoda.

18

Prakti cni zna caj Furijeovih transformacija

Posmatrajmo proizvoljnu neprekidnu funkciju x(t) i uzmimo da je nezavisno promenljiva vreme t. Furijeova transformacija od x(t) je, kao sto smo videli u prethodnim poglavljima:

X (f ) =

x(t)ei2f t dt,

dok je inverzna Furijeova transformacija data sa:

x(t) =

X (f )ei2f t df,

gde je f frekvencija. Ukoliko se frekvencija zameni ugaonom brzinom = 2f dobijamo jedna cine analogne (2a/b). Iz Ojlerove formule: eikx = cos(kx) + i sin(kx) sledi: X (f ) =

(12) (13)

x(t) cos(2f t)dt + i

x(t) sin(2f t)dt = U + iV,

gde je U tzv. kosinus transformacija, a V tzv. sinus transformacija. Sada cemo poku sati da odgovorimo na pitanje o prakti cnom interesu za transformaciju x(t) u X (f ). Pretpostavimo da se u x(t) nalazi nekoliko (Q) slabih oscilatornih signala, potopljenih u intenzivniji sum, koji cemo predstaviti nekom nepoznatom funkcijom s(t):
Q

x(t) =
j =1

Aj cos(2fj t) + s(t).

(14)

1 i2fj t e + ei2fj t , 2 za Furjeovou transformaciju od x(t) se dobija: cos(2fj t) =

Q

Ako izvr simo smenu:

X (f ) =
j =1

Aj 2

ei2(f +fj )t + ei2(f fj )t dt +

s(t)ei2f t dt

Lako se mo ze uo citi da prvi integral sa desne strane predstavlja zbir Dirakovih funkcija:
Q

I1 =
j =1

Aj 2

[e

i2 (f +fj )t

+e

i2 (f fj )t

]dt =
j =1

Aj [ (f + fj ) + (f fj )]. 2

Ukoliko je, radi jednostavnosti, s(t) tzv. beli sum6 njegovom transformacijom se dobija konstanta: I2 = s(t)ei2f t dt = const.

Ovaj tip suma ne zavisi od frekvencije. Pored belog suma javljaju se i 1/f (icker, pink) sum, 1/f 2 (Braunov, crveni, random-walk) sum,...

19

Dakle, Furijeovom transformacijom funkcije x(t), koja sadr zi oscilatorne signale potopljene u belom sumu, dobija se diskretna funkcija frekvencije X (f ) koja se sastoji od zbira Dirakovih funkcija. Ako se sada ograni cimo samo na pozitivne frekvencije, koje imaju zi cki smisao, dobijamo:
Q

X (f ) =
j =1

Aj (f fj ) + const. 2

Ako bismo u Dekartovom koordinatnom sistemu predstavili X (f ), svakoj (ko)sinusoidnoj komponenti x(t) odgovarala bi jedna linija na f = fj koja po cinje sa konstantnog nivoa I2 . Tako se, umesto slike neprekidne funkcije, dobija ne sto nalik na linijski spektar, tzv. periodogram. Na osnovu gornjeg izlaganja naslu cujemo da bi Furijeova transformacija neprekidne funkcije x(t), u kojoj nismo u stanju da vizuelno prepoznamo harmonijske komponente, mogla da omogu ci da se x(t) razlo zi po frekvenciji i tako analizira njena oscilatorna struktura. Medutim, po sto su granice integracije beskona cne, gornje formule se ne mogu odnositi na realno posmatrane funkcije. Pretpostavimo sada da je x(t) zadato na intervalu t [0, T ]. Mi mo zemo denisati funkciju: x1 (t) = h(t)x(t), gde je: h(t) = 1, t [0, T ] 0, t / [0, T ].

O cigledno, funkcija x1 (t) je denisana na intervalu t (, ), pa se mo ze na ci odgovaraju ca Furijeova transformacija:

X1 (f ) =

h(t)x(t)ei2f t dt.

(15)

Ako je H (s) Furijeova transformacija h(t), to je:

h(t) =

H (s)ei2st ds,

pa sledi: X1 (f ) =

x(t)ei2f t

H (s)ei2st ds dt.

Kako se u drugom integralu vr si integracija po promenljivoj s, to se prva podintegralna funkcija mo ze uneti pod ovaj integral kao konstanta i tako dobiti:

X1 (f ) = Po sto je:

x(t)ei2(f s)t H (s)dsdt.

x(t)ei2(f s)t dt = X (f s), 20

kona cno dobijamo: X1 (f ) =

X (f s)H (s)ds.

(16)

Ovako denisano X1 (f ) predstavlja konvoluciju funkcija X (s) i H (s). Smenom promenljive, mo ze se lako pokazati da je:

X1 (f ) =

X (u)H (f u)du.

Iz gornjih jedna cina sledi zaklju cak, da kad je x(t) zadato na kona cnom intervalu t, integral:
T

I=
0

x(t)ei2f t dt,

ne predstavlja X (f ) - Furijeovu transformaciju x(t), ve c Furijeovu transformaciju funkcije x1 (t) = h(t)x(t). Medutim, kao sto cemo kasnije videti, i to I = X1 (f ) sadr zi dovoljno jasne informacije o oscilatornoj strukturi x(t). U engleskoj terminologiji, h(t) je poznato kao boxcar function. Radi ilustracije, uze cemo da je x(t) zadato na intervalu t [T, T ] i da predstavlja zbir sinusoidnih signala bez suma: x(t) =
j

[aj cos(2fj t) + bj sin(2fj t)] .

Ako deni semo: 1 I= T

T

x(t)e
T

i2f t

1 dt = T

h(t)x(t)ei2f t dt,

dobi cemo (uz primenu Ojlerove jedna cine): I= 1 T 1 T

T T T T

aj [cos(2fj t) cos(2f t) + i cos(2fj t) sin(2f t)] dt+

j

bj [sin(2fj t) cos(2f t) + i sin(2fj t) sin(2f t)] dt.

j

Sada mo zemo iskoristiti trigonometrijske identitete: 1 [cos( ) + cos( + )] 2 1 sin() cos( ) = [sin( ) + sin( + )] 2 1 sin() sin( ) = [cos( ) cos( + )] 2 Integrali sinusa u granicama [T, T ] su jednaki nuli, pa imamo: cos() cos( ) = I=
j

aj 2T

T T

[cos (2 (fj + f )t) + cos (2 (fj f )t)] dt+ 21

+
j

ibj 2T

T T

[cos (2 (fj f )t) cos (2 (fj + f )t)] dt.

Integracijom kona cno dobijamo: I=

j

aj

sin(2 (fj + f )T ) sin(2 (fj f )T ) + 2 (fj + f )T 2 (fj f )T sin(2 (fj + f )T ) sin(2 (fj f )T ) . 2 (fj + f )T 2 (fj f )T

i
j

bj

Ako je T mnogo ve ce od perioda P i Pj , koji odgovaraju frekvencijama f i fj , imenioc 2 (f + fj )T je veliki, pa se prvi sabirci uz aj i bj mogu zanemariti tako da I postaje: I
j

aj

sin(2 (f fj )T ) sin(2 (f fj )T ) = + ibj 2 (f fj )T 2 (f fj )T =

j

(aj + ibj )R(),

(17)

gde je R() sinc() sin , = 2 (f fj )T . Kad god frekvencija f , kao nezavisno promenljiva, te zi frekvenciji nekoj od oscilacija sadr zanih u x(t) (fj ) realni deo I te zi aj , a imaginarni deo ka bj , jer funkcija R() te zi jedinici. Podsetimo se da realni deo I god je T su stinski odgovara kosinus transformaciji, a imaginarni sinus transformaciji. Sto ve ce u odnosu na periode P i Pj , ekstremum funkcije R() je u zi. Takozvana selektivnost Furijeovih transformacija - mogu cnost razdvajanja ekstremuma bliskih frekvencija (fj , fk ) - zavisi od sirine ekstremuma R() funkcija koje odgovaraju tim frekvencijama.

22

4
4.1

Diskretna Furijeova transformacija

Uzorkovanje

U praksi, mo zemo samo da prikupljamo uzorke neke kontinualne funkcije odnosno signala (njene vrednosti u diskretnim ta ckama). Uzorkovanje sa ekvidistantnim korakom T se obi cno predstavlja proizvodom kontinualne funkcije koja se uzorkuje i tzv. ce salj 7 funkcije (set impulsnih funkcija sa korakom T ):

h(t) =
n=

(t nT ) H (f ) =

1 T

f
n=

n , T

(18)

gde za impulsnu (Dirakovu ) funkciju va zi: (t ) = 0 za t = ,

(t )dt = 1.

Na slici 16 je gra cki predstavljen princip uzorkovanja i posledica teoreme o konvoluciji. Dok se u vremenskom domenu funkcije mno ze u frekventnom domenu je re c o konvoluciji.

Slika 16: Princip uzorkovanja. (Preuzeto iz [7].) Teorema o uzorkovanju: Ako kontinualna funkcija h(t), uzorkovana sa ekvidistantnim korakom T , zadovoljava uslov da je njena Furijeova transformacija H (f ) = 0 za sve frekvencije u Najkvistovom intervalu |f | fc , tada se funkcija mo ze potpuno rekon1 ce struisati datim uzorcima. fc = 2T se naziva Najkvistova frekvencija. U suprotnom svako H (f ) = 0 van Najkvistovog intervala, biti pogre sno preslikano u njega (aliasing). Na slici 17 je gra cki prikazana negativna posledica uzorkovanja funkcije za koje ne va ze uslovi teoreme o uzorkovanju.
7

Nekada se obele zava i sa X(x).

23

Slika 17: Uz obja snjenje pojave pogre snog preslikavanja. (Preuzeto iz [10].)

4.2

Diskretna Furijeova transformacija

Teorija koja je ranije izlo zena odnosi se na neprekidne funkcije h(t), koje se u tehnici nazivaju analogni signali. Medutim, s obzirom na prirodu astronomskog posmatranja, diskretne posmatra cke serije su osnova na sih istra zivanja. Iz prakti cnih razloga, cesto se i analogni signali predstavljaju pomo cu diskretnih serija. Gubitak ta cnosti, koji je posledica diskretizacije (ili digitalizacije), ne mora biti zna cajan. Po Najkvistovoj teoremi imamo da ako je neprekidna funkcija h(t) zadata diskretno na seriji ekvidistantnih argumenata ti i ako je elementarni interval (korak) dovoljno mali, h(t) se mo ze rekonstruisati izmedu susednih (ti , tj ) sa proizvoljnom ta cno s cu. Pretpostavimo da neku kontinualnu funkciju h(t) mo zemo uzorkovati na ekvidistantnim intervalima T . Uzorkovali smo N diskretnih vrednosti funkcije hk h(kT ) gde je k = 0, 1, 2, ..., N 1. Na osnovu teoreme o uzorkovanju tra zimo periodi cne clanove na fn N N n , n = , ..., , sa granicama f . Zelimo da ocenimo Furijeovu transformaciju c NT 2 2 8 (konvencija 1) u slu caju kona cnog broja diskretnih ta caka :
N 1

H (fn ) =

hk (t)ei2fn t dt
k=0 N 1

h(kT )ei2fn kT T

H (fn ) T
k=0
8

hk ei2nk/N = T Hn ,

Logi cno, diskretne su i funkcija i njena Furijeova transformacija. k broji uzorkovane vrednosti dok n broji probne frekvencije.

24

gde Hn predstavlja tzv. diskretnu Furijeovu transformaciju9 (dalje DFT):

N 1

Hn =
k=0

hk ei2nk/N .

(19a)

Lako se vidi da Hn ne zavisi od intervala uzorkovanja T . Inverzni DFT je dat: 1 hk = N

N 1

Hn ei2nk/N .

(19b)

n=0

Za diskretnu Furijeovu transformaciju mo zemo pisati:

N 1

Hn =
k=0

hk (cos(2fn kT ) + i sin(2fn kT )) = Uf + iVf ,

N 1 N 1

(20a)

Uf =
k=0

hk cos(2fn kT ),

Vf =
k=0

hk sin(2fn kT ).

(20b)

Frekvencija f fp , kao nezavisno promenljiva, se cesto naziva probna frekvencija. Ovaj atribut joj se daje zbog toga sto se pri analizi signala h(t) nepoznata fp proizvoljno varira da bi se otkrili pikovi. Kao sto je ranije re ceno, probna frekvencija mora biti manja od Najkvistove frekvencije. Ukoliko sa ozna cimo ukupnu du zinu vremenske serije jasno je da probna frekvencija mora biti ve ca od 1/. Ve ci periodi od mogu biti detektovani kao prisustvo sekularnog clana u podacima (npr. linearni trend). U prakti cnoj primeni Furijeovih transformacija se nastoji da ukupna du zina vremenske serije bude bar desetak puta ve ce od najve ceg pretpostavljenog perioda. Korisno je, kao rezultat diskretne Furijeove transformacije, prikazati grak amplituda (amplitudni spektar) |Hn |2 Af za razli cite probne frekvencije fp . Ukoliko razmatramo pozitivne frekvencije (jednostrano) tada amplitude i faze za svaku probnu frekvenciju fp > 0 mo zemo izra cunati preko: Af = 2 N
2 Uf + Vf2 ,

f = arctg

Uf Vf

(21)

4.3

Problemi diskretizacije i uslovi za primenu Furijeove transformacije

Ponovimo jo s jednom da se mora voditi ra cuna o teoremi o uzorcima. Sa jedne strane postoji visokofrekventno ograni cenje u vidu Najkvistove frekvencije (sve frekvencije moraju biti manje od Najkvistove odnosno svi periodi ve ci od minimalog dikranog 1 Najkvistovom frekvencijom). Ako sa fu ozna cimo frekvenciju uzorkovanja (fu = T ) tada fu iz Najkvistove teoreme sledi fp < 2 odnosno fp < fc , gde smo sa fp ozna cili probne (pozitivne) frekvencije. Sa druge strane niskofrekventno ograni cenje diktirano je ukupnom du zinom vremenske serije (periodi moraju biti manji od maksimalnog odnosno sve
9

Ponekad se diskretna Furijeova transformacija deni se sli cno konvenciji 3.

25

frekvencije moraju biti ve ce od mimalne koja je odredena veli cinom samog uzorka). Ako sa N ozna cimo broj uzorkovanih ta caka sa ekvidistantnim korakom T tada, u principu, mora va ziti fp > N1T . Diskretna Furijeova transformacija se mo ze koristi u analizi stacionarnih vremenskih - jedna serija. U slu caju nestacionarnosti podesnije je koristiti metodu talasi ca. Takode, od pretpostavki za primenu diskretne Furijeove transformacije jeste da je uzorkovanje ekvidistantno. Postojanje rupa i neravnomernosti u posmatra ckoj seriji je cesta pojava u astronomiji (npr. obla cne posmatra cke no ci, itd.). U slu caju vremenskih serija sa znatnim odstupanjima od ekvidistantnog uzorkovanja podesnije je koristiti tzv. Lombov periodogram (ili njegove modikacije). Upotreba interpolacije i zatim primena Furijeove analize iako sasvim opravdana mo ze dovesti do pojava la znih pikova koji upravo odgovaraju rupama u posmatranjima. Jo s jedan problem vezan za analizu diskretnih podataka jeste postojanje razlike u fazi. Kako je prakti cno nemogu ce da po cetna i krajnja ta cka sa analiziranog intervala budu u istoj fazi, tako se javlja sirina pika10 . Jedan od na cina da smanjimo sirinu pika jeste upotrebom odgovaraju cih ltera. Mo zemo npr. koristiti Haningov prozor i time poku sati da ve sta cki dovedemo po cetnu i krajnju ta cku u istu fazu. To se posti ze konstrukcijom funkcije cije vrednosti te ze nuli na po cecima i krajevima posmatranog intervala i njenim mno zenjem sa na som serijom.
Cinjenica da se stvarne u cestanosti sinusnih/kosinusnih komponenti koje su zaista prisutne u signalu, ne sadr ze ceo broj puta u okviru datog intervala vremena ve c su naglo odse cene na krajevima, doprinosi sirenju linija koje opisuju te komponente u Furijeovom spektru (domen u cestanosti). Samim tim, dolazi do gubitka zna cajnih informacija, jer se ne zna da li je sirenje spektralnih linija nastalo usled opisanog efekta ili je u pitanju npr. amplitudna modulacija sa nosiocem na glavnoj u cestanosti, a sirenje oko ove u cestanosti uslovljeno sirinom frekventnog opsega moduli su ceg signala i dubinom modulacije.
10

26

Dodatak
Reprezentacija funkcija Vektor F mo ze biti reprezentovan kao:
N

F=
n=1

Fn in ,

u bazisu (ortonormiranom skupu vektora) koji zadovoljava: im in = m,n = - va Takode zi: Fm = F im . Sli cno, funkcija y (t) mo ze biti reprezentovana u nekom bazisu kao:
N

1, m = n 0, m = n.

y (t) =
n=1

Yn n (t).

U prostoru funkcija, mo ze se denisati skalarni proizvod dve funkcije x(t) i y (t) kao:
b

(x, y ) =
a

x(t)y (t) (t)dt,

(D 1.1)

na intervalu a < t < b, gde je y (t) kompleksno konjugovana vrednost od y (t) a (t) metrika. Sistem funkcija se naziva ortogonalnim na nekom intervalu a < t < b, ako su svake dve funkcije iz tog sistema ortogonalne medusobno na tom intervalu, odnosno ako je zadovoljeno:
b

n m =
a

n (t) m (t)dt = kn m,n .

Sistem je ortonormiran ako va zi da je kn = 1, n. Istorijski, prvi i najva zniji ortogonalni sistem funkcija je sistem: 1, cos x, sin x, cos 2x, sin 2x, ..., cos nx, sin nx, ... (D 1.2)

na intervalu x [, ] (tzv. Furijeova serija). Lako se mo zemo uveriti da je ovaj sistem zaista ortogonalan. Uz deniciju skalarnog proizvoda za dve realne funkcije x(t) i y (t), zadate na kona cnom ili beskona cnom intervalu (a < t < b):
b

(x, y ) =
a

x(t)y (t)dt

(D 1.3)

27

imamo11 :

cos nx cos mxdx = 0 (m = n),

sin nx sin mxdx = 0 (m = n),

(D 1.4)

cos nx sin mxdx = 0 ( m, n = 0, 1, 2, ...).

Sistem (1.2) je ortogonalan i na intervalu x [0, 2 ] i uop ste na bilo kom intervalu du zine 12 2 (osobina odredenog integrala periodi cnih funkcija ). Sistem funkcija: 1, cos x, cos 2x, ..., cos nx, ... (D 1.5) je ortogonalan na intervalu x [0, ] kao i sistem funkcija: sin x, sin 2x, ..., sin nx, ... (D 1.6)

Pri tome, sistem funkcija (1.2) na tom intervalu nije ortogonalan. Svaku od funkcija iz (1.2) mo zemo proizvoljno produ ziti (razvu ci) du z xose tako da dobijemo sistem funkcija: 1, cos x x 2x 2x nx nx , sin , cos , sin , ..., cos , sin , ..., l l l l l l (D 1.7)

koji je ortogonalan na intervalu x [l, l], pri cemu je l arbitrarno. Sli cno mogu da se - ortogonalni razvuku sistemi (1.5) i (1.6) kao i bilo koji ortogonalni sistem funkcija. Takode, sistem funkcija ostaje ortogonalan pri translacijama du z xose na tom (transliranom) intervalu. Osobinu ortogonalnosti mogu imati i neki drugi sistemi funkcija. Ovde cemo navesti jo s i postupak konstrukcije sistema tzv. Le zandrovih polinoma na intervalu x [1, 1]. Po ci cemo od sistema funkcija: 1, x, x2 , x3 , ..., xn , ... (x [1, 1]) Prve dve funkcije su medusobno ortogonalne:
1

(D 1.8)

1xdx = 0,
1

zato mo zemo staviti P0 (x) 1 i P1 (x) x. Tre ca funkcija nije ortogonalna sa prvom, pa cemo za P2 (x) uzeti linearnu kombinaciju prve tri funkcije (D1.8), tj.: P2 (x) = ax2 + bx + c,
Pretpostavlja se da su funkcije x i y bilo kona cne bilo beskona cne, ali integral (1.3) mora biti apsolutno konvergentan. 12 Za periodi cne funkcije va zi f (x) = f (x ), gde je period.
11

28

gde koecijente a, b, c biramo tako da P2 (x) bude ortogonalan sa ve c izabranim polinomima P0 (x), P1 (x), tj.:
1 1

(ax2 + bx + c)1dx = 0,
1 1

(ax2 + bx + c)xdx = 0.

Tako dobijamo: b = 0, a = 3c, tj. P2 (x) = c(3x2 + 1). Ovde je c proizvoljna konstanta13 . Obi cno je biramo tako da bude P2 (1) = 1. Dobijamo c = (1/2), tj.: 3 1 P2 (x) = x2 . 2 2 Za konstrukciju P3 (x) uzimamo kombinaciju prve 4 funkcije (D1.8), tj.: P3 (x) = ax3 + bx2 + cx + d, pri cemu se koecijenti a, b, c, d biraju tako da P3 (x) bude ortogonalna sa ve c konstruisanim polinomima P0 (x), P1 (x) i P2 (x). Uz dopunski uslov P3 (1) = 1 nalazimo: 5 3 P3 (x) = x3 x. 2 2 Po analogiji dalje mo zemo konstruisati: 1 1 P4 (x) = (35x4 30x2 + 3), P5 (x) = (63x5 70x3 + 15x), ... 8 8 Ovako konstruisani polinomi su medusobno ortogonalni na intervalu x [1, 1]. Postupak sli can ovome mo ze da se na intervalu x [1, 1] sprovede nad bilo kojim sistemom linearno nezavisnih funkcija, kao i na bilo kom intervalu, ako su integrali kvadrata tih funkcija konvergentni na izabranom intervalu. Taj postupak se naziva ortogonalizacijom. Primeri razli citih ortogonalnih sistema u prostoru funkcija su: Furijeova serija, Le zandrovi polinomi, Lagerovi polinomi, Hermitovi polinomi, Cebi sevljevi polinomi, sferni harmonici, itd.
13

Iz skupa ravnopravnih objekata izaberemo jedan - izvr sili smo normiranje.

29

Literatura
- c, Z., Kadelburg, Matemati [1] D. Adnadevi cka analiza II, (Matemati cki fakultet, Beograd, 2008) [2] G. J. Babu, E. D. Feigelson, Astrostatistics, (Chapman & Hall, 1996). [3] R. Bracewell, The Fourier Transform and Its Applications, McGraw-Hill, Inc., 1965. - urovi [4] D. D c, Matemati cka obrada astronomskih posmatranja, (ISRO Privrednonansijski vodi c, Beograd, 1979). - urovi [5] D. D c, Skripte za predmet Obrada astronomskih posmatranja, (1999) - urovi [6] D. D c, Bull. Astron. Belgrade, 145, 17, (1992). [7] P. Gregory, Bayesian Logical Data Analysis for the Physical Sciences, (Cambridge University Press, 2005). [8] A. Papoulis, The Fourier Integral and Its Applications, McGraw-Hill Book Company, Inc., 1962 [9] W. H. Press, G. B. Rybicki, ApJ, 338, 277, (1989). [10] W. H. Press, G. B. Rybicki, Numerical Recipes in C: The Art of Scientic Computing, Second Edition (https://www.zyka.umk.pl/nrbook/bookcpdf.html). [11] D. P. Radunovi c, A. B. Samard zi c, F. M. Mari c, Numeri cke metode, Zbirka zadataka kroz C, Fortran i Matlab, (Akademska misao, 2005). [12] D. Radunovi c, Talasi ci, (Akademska misao, Beograd, 2005). [13] K. Rohlfs, T. L. Wilson, Tools of Radio Astronomy (second completely revised and enlarged edition), (Springer-Verlag, Berlin, Heidelberg, 1996). [14] S. W. Smith, The Scientist and Engineers Guide to Digital Signal Processing, (California Tehnical Publishing, 1997). [15] D. Uro sevi c, J. Milogradov-Turin, Teorijske osnove radio-astronomije, (Matemati cki fakultet, Beograd, 2007). [16] J. V. Wall, C. R. Jenkins, Practical Statistics for Astronomers, (Cambridge University Press, 2003).

30