Fö 3-4 – Periodiska signaler, Fourierserieanalys
1
Periodisk summa av sinusar
Exempel ‒
test av periodicitet:
Låt x ( ) t = Asin ( ω
at + α ) + Bsin ( ω
bt + β ) . Om ω
aω
b∈! ⇔ x ( ) t är T -periodisk, dvs. x ( ) t = x ( ) t +T
med T = 2 π
ω
1, där ω
1= SGD ω (
a, ω
b)
Största Gemensamma Delare (SGD)= Greatest Common Devisor (GCD)
x
( )
t = 3sin⎛⎝⎜6t + π3⎞⎠⎟ + 2cos 10t − 3π 4⎛
⎝⎜
⎞
⎠⎟
w(t) = 2sin
( )
9t − 5cos⎛⎝⎜ 3t + π3⎞⎠⎟ + 3sin 5t − π 2⎛
⎝⎜
⎞
⎠⎟
z(t) = cos 2π 3 t −
π 2
⎛
⎝⎜
⎞
⎠⎟ + 7sin πt + π 3
⎛
⎝⎜
⎞
⎠⎟
⎧
⎨
⎪⎪
⎪
⎪⎪
⎪⎪
Fö 3-4 – Periodiska signaler, Fourierserieanalys
2
Summa av cos/sin
x
( )
trödkurva
! = 3sin 6t + π 3
⎛
⎝⎜
⎞
⎠⎟
blå kurva
"$$#$$%
+ 2cos 10t − 3π 4
⎛
⎝⎜
⎞
⎠⎟
grön kurva
"$$#$$%
ωa
ωb = 6
10 ∈! ⇒
ω1 = SGD 6,10
( )
= 2 rad/s⇒ T = 2π
ω1 = π sek
⎧
⎨
⎪⎪
⎪
⎩
⎪⎪
⎪
-5 -4 -3 -2 -1 0 1 2 3 4 5
Fö 3-4 – Periodiska signaler, Fourierserieanalys
3
Fourierserieutveckling av periodiska signaler ( ) ( ) ( )
En fysikalisk periodisk signal ,
dvs. , kan uttryckas
som följande summa av sinusar:
-
T x t
x t = x t T+
x t ( ) = X
0+ X ˆ
ksin k ( ω
1t + ϕ
k)
k=1
∑
∞⇔ Fourierserieutveckling av x t
( )
ω1 = 2πf1: grundvinkelfrekvens f1 = 1
T : grundfrekvens
X0: medelvärdesnivå
Xˆ1sin
(
ω1t +ϕ1)
: grundtonXˆk sin k
(
ω1t +ϕk)
, k = 2, 3, 4…: övertoner⎫
⎬⎪
⎭⎪ deltoner
T = 2π ω1
Fö 3-4 – Periodiska signaler, Fourierserieanalys
4
Ex: Approximation av fyrkantvåg
6
2 1 4 3
5 # termer
x t
k N
( ) =
∑
=!
(k udda) 1Gibbs fenomen
6
2 1 4 3
5
Fö 3-4 – Periodiska signaler, Fourierserieanalys
5
Fourierserieutveckling
JAVA-demo:
Generering av periodiska signaler med hjälp av (co)sinusformade basfunktioner:
www.falstad.com/fourier
OBS – testa även detta själv!
Fö 3-4 – Periodiska signaler, Fourierserieanalys
6
Spektrum ‒ grafisk frekvensbeskrivning av signal
m k ϕm
Enkelsidigt amplitudspektrum resp. fasspektrum
X ˆ
msin ( m ω
1t + ϕ
m)
Dubbelsidigt amplitudspektrum resp. fasspektrum
m k Xˆm
k –m
m
argC−m
argCm
–m m k
C−m Cm
Delton m har vinkelfrekvens mω1
= X ˆ
m2 e
j ϕm−π2⎛
⎝⎜
⎞
⎠⎟
Cm
! " # # ## $ ⋅e
jmω1t+ X ˆ
m2 e
− j ϕm−π2⎛
⎝⎜
⎞
⎠⎟
Cm∗ =C−m
! ## " ## $ ⋅e
−jmω1tFö 3-4 – Periodiska signaler, Fourierserieanalys
7
Spektrum ‒ grafisk frekvensbeskrivning av signal
Enkelsidigt
komplext spektrum
mω1 ω
Xˆmejϕm
( m k ) ( m k )
Dubbelsidigt
komplext spektrum
–mω1 mω1 ω
Antingen ω -axel eller k-axel
C−m Cm
X ˆ
msin ( m ω
1t + ϕ
m)
= X ˆ
m2 e
j ϕm−π2⎛
⎝⎜
⎞
⎠⎟
Cm
! " # # ## $ ⋅e
jmω1t+ X ˆ
m2 e
− j ϕm−π2⎛
⎝⎜
⎞
⎠⎟
Cm∗ =C−m
! ## " ## $ ⋅e
−jmω1tX ˆ
msin ( m ω
1t + ϕ
m)
= X ˆ
m2 e
j ϕm−π2⎛
⎝⎜
⎞
⎠⎟
Cm
! " # # ## $ ⋅e
jmω1t+ X ˆ
m2 e
− j ϕm−π2⎛
⎝⎜
⎞
⎠⎟
Cm∗ =C−m
! ## " ## $ ⋅e
−jmω1tFö 3-4 – Periodiska signaler, Fourierserieanalys
8
Fourierserieutveckling, sammanfattn:
x(t) = C
ke
jkω1tk=−∞
∑
∞= X
0+ X ˆ
ksin(k ω
1t + ϕ
k)
k=1∑
∞X
0= C
0= 1
T x(t)dt
α α+T
∫
ˆ X
k>0= 2 C
kϕ
k>0= argC
k+ π 2
Amplitudspektrum
Fasspektrum Samband:
Komplexa fourierserie- koefficienter
C
k= 1
T x(t)e
− jkω1tα
α +T
∫ dt
där
Lasse Alfredsson:
X0 = Medelvärdet
(liksp-/-strömskomponenten)
Centralt för fourierserieteorin är att de trigonometriska funktionerna bildar ett ON-system när man betraktar dem som vektorer i det lineära rummet av periodiska integrabla funktioner.
Detta tas åtminstone upp i Y:s Fourieranalyskurs!
Vad tas upp i I:arnas Transformkurs?
x t ( ) reellvärd
⇔ C
−k= C
k∗Grundvinkelfrekvens ω1 = 2π T
Fö 3-4 – Periodiska signaler, Fourierserieanalys
9
LTI-system: periodiskt in ⟹ periodiskt ut
C
k= C
kx′jk ω
1Stabilt LTI-system
x(t) = C
ke
jkω1tk=−∞
∑
∞y(t) =
k∑
=−∞∞C
k⋅H e { }jkω1t
Ex.1: y(t) = x t − t ( )
0= C
ke
jkω1( )
t−t0=
k=−∞
∑
∞C
ke
− jkω1t0Dk
! " # # $ e
jkω1tk=−∞
∑
∞Ex.2: y(t) = ′ x t ( ) = C
kd e ( )jkω1
dt =
k=−∞
∑
∞jk ω
1⋅C
kDk
! " # $ # e
jkω1tk=−∞
∑
∞Ex. 2 ⟹ Allmänt samband:
C
kför den periodiska signalen x(t) kan
erhållas från C för derivatasignalen x’(t):
= Tavlan = D
ke
jkω1tk=−∞
∑
∞Fö 3-4 – Periodiska signaler, Fourierserieanalys
10
Kretsberäkningar ( här söks y(t) )
1. Fourierserieutveckla källsignalerna (t.ex. en källa ) x(t)
R , jk ω
1L, 1 jk ω
1C X ˆ
ksin(k ω
1t + ϕ
k) → X
k= ˆX
ke
jϕk2. Använd likströmsteori för källornas medelvärden ( ) X
0⇒ Y
03. Använd j ω -metoden för källornas deltoner:
Y
k= ˆ Y
ke
jψk⟹ Delton k: y
k(t) = ˆ Y
ksin(k ω
1t + ψ
k)
4. Superposition ger tidsuttrycket för sökt storhet:
Beräkna sökt storhet på komplex form:
y(t) = Y
0+ y
k(t)
k=1
∞∑
= Y
0+ Y ˆ
ksin(k ω
1t + ψ
k)
k=1
∞∑
Lasse Alfredsson:
Poängtera repetition:
xk(t)=Im{Xk*ejkw1t}
Lasse Alfredsson:
Poängtera att här beaktar vi endast periodiska signaler !
Lasse Alfredsson:
Linjärt nät => jw-metoden
jw-metoden (sinussignaler):
¤ Ersätt 1) källor m. kompl. storh.
2) passiva kretselem. m.
komplexa impedanser
¤ Beräkna sökt komplex storhet m.h.a. likströmsteori
¤ Omvandla till motsv. tidsuttryck
Fö 3-4 – Periodiska signaler, Fourierserieanalys
11
Signalmedeleffekt
P = X
e2= 1
T x(t)
2dt
α α +T
∫
Signal(medel)effekten P är ett storleksmått för en T-periodisk signal x(t)
( jämför med elektrisk aktiv effekt ):
Parsevals formel/teorem:
1
T x(t)2dt = Xe2 = X02 + Xˆke2
k=1
∑
∞T
∫
= Xke (sinus)= Xˆ2k = 2C2k = C02 + k∑
∞=12 Ck 2 = Ck 2k=−∞
∑
∞P = 1
T x(t)
2T
∫ dt = C
k 2k=−∞
∑
∞Bevis (kolla själv!):
Fö 3-4 – Periodiska signaler, Fourierserieanalys
12
Fourieranalys & fouriersyntes
x(t) och ω
1(eller T) är givna. Bestäm
C
k= 1
T x t ( ) e
− jkω1tdt
T
∫
Signalens frekvensspektrum, dvs. C
kritad som funktion av k, frekvens f eller vinkelfrekvens ω , är ofta av intresse.
Vanligen ritar man då amplitudspektrum och fasspektrum:
t
x(t) T
–f1
f1 –3f1
3f1
5f1
7f1 –5f1
–7f1
arg C
k|C
k|
k·f1 –f1 f1
–3f1 3f1 5f1 7f1 –5f1
–7f1
k·f1
k k*
C
−= C
Fourieranalys:
C
kFö 3-4 – Periodiska signaler, Fourierserieanalys
13
Fourieranalys & fouriersyntes
T
|C
k|
k·f1 –f1 f1
–3f1 3f1 5f1 7f1 –5f1
–7f1
k·f1 –f1
f1 –3f1
3f1
5f1
7f1 –5f1
–7f1
arg C
kFouriersyntes:
C
koch ω
1(eller T) är givna. Bestäm/skapa
x t
( )
= Ckejkω1tk=−∞
∑
∞I praktiska sammanhang nöjer man sig med en approximation:
xM
( )
t = Ckejkω1tk=−M
∑
M1 1
, , , ,
M M M M
C
−C
− +K C
−C
xM
( )
t ≈ x t( )
t