Signals and Systems/Frequency Domain
Analysis Sinyal dan Sistem / Analisis Domain
Frekuensi
Sinyal dan Sistem
Contents Isi
1 Analisis Frekuensi
2 Stationary vs Fungsi ergodic
3 Power Spectral Density (PSD) dari Gaussian White Noise 4 Wiener Khintchine Teorema Einstein
5 Bandwidth
[ sunting ] Analisis Frekuensi
Noise, like any other signal, can be analyzed using the Fourier Transform and frequency-domain techniques. Kebisingan, seperti sinyal lainnya, dapat dianalisis dengan menggunakan Fourier Transform dan teknik frekuensi-domain. Some of the basic techniques used on noise (some of which are particular to random signals) are discussed in this section. Beberapa teknik dasar yang digunakan pada kebisingan (beberapa di antaranya khusus untuk sinyal acak) akan dibahas dalam bagian ini.
Gaussian white noise, one of the most common types of noise used in analysis, has a "flat spectrum". Gaussian white noise, salah satu jenis yang paling umum dari kebisingan yang digunakan dalam analisis, memiliki "spektrum datar". That is, the amplitude of the noise is the same at all frequencies. Artinya, amplitudo kebisingan adalah sama pada semua frekuensi.
[ sunting ] Alat Tulis vs ergodic Fungsi
[ edit ] Power Spectral Density (PSD) dari Gaussian White
Noise
White noise has a level magnitude spectrum, and if we square it, it will also have a level (PSD) function. kebisingan putih memiliki spektrum besar tingkat, dan jika kita persegi, itu juga akan memiliki tingkat Power Spectral Density (PSD) fungsi. The value of this power magnitude is known by the variable N 0 . Nilai ini besarnya daya dikenal oleh variabel N 0. We will use this
quantity later. Kami akan menggunakan jumlah ini nanti.
Using the duality property of the Fourier Transform, the Wiener-Khintchine-Einstein Theorem gives us an easy way to find the PSD for a given signal. Menggunakan properti dualitas dari Fourier Transform, Teorema Wiener-Khintchine-Einstein memberi kita cara mudah untuk menemukan PSD untuk sinyal yang diberikan.
if we have a signal f(t) , with autocorrelation R ff , then we can find the PSD, S xx by the following
function: jika kita memiliki sinyal f (t), dengan R ff autokorelasi, maka kita dapat menemukan
PSD, xx S dengan fungsi berikut:
Where the previous method for obtaining the PSD was to take the Fourier transform of the signal
f(t) , and then squaring it. Dimana metode sebelumnya untuk memperoleh PSD adalah untuk mengambil Transformasi Fourier sinyal f (t), dan kemudian mengkuadratkan itu.
[ sunting ] Bandwidth
The bandwidth of a random function. Bandwidth dari suatu fungsi acak.
[
sunting
] Noise-Setara Bandwidth
[
sunting
] Sistem Band terbatas
[
sunting
] Sistem Narrow band
[ sunting ] Windowing
Many random signals are infinite signals, in that they don't have a beginning or an end. Banyak acak sinyal sinyal tak terbatas, dalam arti bahwa mereka tidak memiliki awal atau akhir. To this effect, the only way to really analyze the random signal is take a small chunk of the random signal, called a sample . Untuk efek ini, satu-satunya cara untuk benar-benar menganalisis sinyal acak adalah mengambil sepotong kecil dari sinyal acak, yang disebut sampel.
Let us say that we have a long random signal, and we only want to analyze a sample. Mari kita katakan bahwa kita memiliki sinyal acak panjang, dan kita hanya ingin menganalisis sampel. So we take the part that we want, and destroy the part that we don't want. Jadi kita ambil bagian yang kita inginkan, dan menghancurkan bagian yang tidak kita inginkan. Effectively, what we have done is to multiply the signal with a rectangular pulse. Efektif, apa yang kita lakukan adalah untuk memperbanyak sinyal dengan pulsa persegi panjang. Therefore, the frequency spectrum of our sampled signal will contain frequency components of the noise and the rectangular pulse . Oleh karena itu, spektrum frekuensi sampel sinyal kita akan mengandung komponen frekuensi noise dan pulsa persegi. It turns out that multiplying a signal by a rectangular pulse is rarely the best way to sample a random signal. Ternyata mengalikan sinyal dengan sebuah pulsa persegi panjang jarang cara terbaik untuk sampel sinyal acak. It also turns out that there are a number of other windows that can be used instead, to get a good sample of noise, while at the same time introducing very few extraneous frequency components. Hal ini juga ternyata bahwa ada
beberapa jendela lain yang dapat digunakan sebagai pengganti, untuk mendapatkan sampel yang baik dari suara, sementara pada saat yang sama memperkenalkan sedikit sekali komponen-komponen frekuensi asing.
mengambil masalah yang sangat sederhana (mendapatkan contoh informasi), dan menciptakan masalah yang sangat sulit, yang dekonvolusi dari frekuensi yang dihasilkan spektrum. There are a number of different windows that we can use. Ada beberapa jendela yang berbeda yang dapat kita gunakan.
[
sunting
] Rectangular Window
[
sunting
] Segitiga Window
[
sunting
] Hamming Window
Retrieved from " " Diperoleh dari "
http://en.wikibooks.org/wiki/Signals_and_Systems/Frequency_Domain_Analysis " : Kategori : Sinyal dan Sistem
