und präsentieren Fourier-Analyse bis Arduino Von: Stoffi 6. November 2012 Inhaltsverzeichnis Komplexe Zahlen Fourierreihe Fourier-Transformation Diskrete Fourier-Transformation Komplexe Zahlen I I I I I Erweiterung der reellen Zahlen R Zahlenstrahl → Zahlenebene relle Einheit 1 imaginäre Einheit i i 2 = −1 Komplexe Zahlen I Komplexe Exponentialfunktion (e-Funktion) ei ·Φ = cos(Φ) + i sin(Φ) mit Φ ∈ R Fourierreihe I Sei f : R → R eine T -periodische, (abschnittsweise) stetig differenzierbare Funktion 1 (x mod 10) 5 T = 10 f (x ) = I Ziel: f in Sinus- und Kosiunsfunktionen zu zerlegen um Frequenzverhalten zu entschlüsseln Fourierreihe I f hat eine Kreisfrequenz ω von ω = I Frequenz f 6= Kreisfrequenz ω 2π T Fourierreihe I f ist ein Vektor im Hilbertraum H der T -periodischen, (abschnittsweise) stetig differenzierbaren Funktionen I die Funktionen {cos(k ωx ), sin(k ωx )} mit k ∈ N bilden ein vONS (vollständiges Orthonormalsystem) in H Fourierreihe I Es existiert eine Darstellung von f derart: f (x ) = mit ∞ a0 + ∑ (ak cos(k ωx ) + bk sin(k ωx )) 2 k =1 2 ak = T Z c +T 2 bk = T I c f (x ) · cos(k ωx )dx , Z c +T c f (x ) · sin(k ωx )dx Anschaulich: ak = ˆ wie gut passt der cos() zu f (x ) Fourierreihe I Beispiel: 1 (x mod 10) 5 T = 10 f (x ) = ak = 1 5 Z 10 1 bk = 1 5 Z 10 1 0 0 5 5 x cos(k x sin(k a0 = π x )dx = 0 5 P.I. π 2 x )dx = − 5 kπ P.I. 1 5 Z 10 1 0 5 xdx = 2 ∀k ∈ N ∀k ∈ N Fourierreihe ∞ f (x ) = 1 + 2 π 2 π ∑ (− k π sin(k 5 x )) k =1 I n-te Partialsumme fn (x ) = 1 + n ∑ (− k π sin(k 5 x )) k =1 Fourierreihe I Mit komplexen Zahlen viel schöner zu rechnen: ∞ ∑ f (x ) = ck eik ωx k =−∞ mit 1 ck = T I Z c +T f (x )e −ik ωx c e-funktion deutlich einfacher zu integrieren Fourier-Transformation I Fourierreihe nur für periodische Funktionen I Umgehung mit einem Trick I T →∞ I I I k ω wird kontinuierlich Summen werden zu Integralen Z ∞ 1 f̂ (ω ) = √ 2π −∞ f (x )e −iωx dx I f̂ (ω ) ist die Fouriertransformierte von f (x ) I einige Beispiele: Fourier-Transformation Fourier-Transformation I inverse Fourier-Transformation Z ∞ 1 f (x ) = √ f̂ (ω )eiωx d ω 2π −∞ I einfaches Ableiten, da f 0 (x ) I ↔ iω f̂ (ω ) hilfreich beim Lösen von Differentialgleichung Diskrete Fourier-Transformation I Digitale Signale nicht kontinuiertlich: Sampels, Pixel,. . . I Integrale werden wieder zu Summen I Für ein Set (ein Vektor) aus mit N komplexen ”Messwerten”gilt dann N −1 âk = ∑ jk e −2πi · N · aj j =0 I Frequenzinformation f nicht direkt enthalten da auch keine Samplingrat SR angegeben k f (k ) = SR · N I Abtasttheorem SR > 2fmax Diskrete Fourier-Transformation I 1. Beispiel: Freiwillige vor Diskrete Fourier-Transformation I inverse Diskrete Fourier-Transformation ak = I 1 N N −1 ∑ jk e2πi · N · âj j =0 Verlustfreies hin und her Transformieren Diskrete Fourier-Transformation I 2. Beispiel: Tiefpassfilter Diskrete Fourier-Transformation I Spannungsteiler mit komplexen Widerständen Z ZC Ua = Ue ZR + ZC 1 ZR = R ZC = iωC I Ua auflösen Einsetzten und nach U e Ua 1 = Ue 1 + iωCR Diskrete Fourier-Transformation I Filter Simulieren: I Audiodaten fouriertransformieren I Transformierte mit I Transformierte rücktransformieren Ua Ue ( ω ) multiplizieren Arduino I Rechnung für Diskrete Fourier-Transformation aufwendig: N 2 Mult. und Add. I besserer Algorithmus: FFT und iFFT I (invers) fast Fourier transform I oft schon vorimplimentiert I leider nicht auf Arduino End of Line