To wyprowadzenie jest trudne. Podejście sugerowane wcześniej ma wadę. Pokażę to najpierw; wtedy dam prawidłowe rozwiązanie.
Chcemy powiązać transformację obniżonego próbkowania sygnału, , z transformacją oryginalnego sygnału .Y D ( z ) = Z { x [ M n ] } Z X ( z ) = Z { x [ n ] }ZYD(z)=Z{x[Mn]}ZX(z)=Z{x[n]}
Zły kierunek
Można by po prostu podłączyć wyrażenie dla sygnału o zmniejszonej częstotliwości próbkowania do wyrażenia transformacji :Z
YD(z)=∑n=−∞+∞x[Mn]z−n
Zmiana zmiennej wydaje się oczywista:n′=Mn
YD(z)=∑n′∈MZx[n′]z−n′/M
Jednak ważne jest, aby zdawać sobie sprawę, że mimo iż nowy indeks sumowania nadal działa w zakresie od do , suma jest teraz ponad 1 z M liczb całkowitych . Innymi słowy, - ∞ ∞n′−∞∞
n′∈MZ={...,−2M,−M,0,M,2M,...} ,
podczas gdy definicja -transform wymagaZ
n∈{...,−2,−1,0,1,2,...} .
Ponieważ nie jest to już transformacja , nie możemy napisać:Z
YD(z)=X(z1/M)
Właściwy sposób
Najpierw zdefiniujmy sygnał pociągu impulsowego „pomocnika” jako:tM[n]
tM[n]=∑k=−∞+∞δ[n−kM]={10:n∈MZ:n∉MZ
Ta funkcja jest równa na każdą z próbek i zero w każdym innym miejscu.mln1M
Równolegle funkcję ciągu impulsów można zapisać jako:
tM[n]=1M∑k=0M−1ej2πkn/M
Dowód: musimy osobno rozważyć przypadki i : n ∉ M Zn∈MZn∉MZ
n∉MZ
tM[n]=1M∑k=0M−1ej2πkn/M=⎧⎩⎨⎪⎪⎪⎪1M∑k=0M−111M1−ej2πkn1−ej2πkn/M:n∈MZ:n∉MZ={1MM1M1−11−ej2πkn/M:n∈MZ:n∉MZ={10:n∈MZ:n∉MZ
W przypadku, gdy ,
n∉MZ
Wróćmy teraz do pierwotnego problemu znalezienia -transformatora downsamplera:Z
YD(z)=∑n=−∞+∞x[Mn]z−n
Stosujemy podstawienie , pamiętając, że powoduje to, że sumowanie działa tylko na wielokrotnościach całkowitych M:n′=Mn
YD(z)=∑n′∈MZx[n′]z−n′/M
Możemy teraz użyć powyższej funkcji impulsowego pociągnięcia, aby bezpiecznie przepisać to jako sumę wszystkich :n∈Z
YD(z)=∑n=−∞+∞tM[n]x[n]z−n/M
Używając powyższego sformułowania funkcji ciągu impulsów jako skończonej sumy wykładniczej, otrzymujemy:
YD(z)=∑n=−∞+∞(1M∑k=0M−1ej2πkn/M)x[n]z−n/M=1M∑k=0M−1∑n=−∞+∞ej2πkn/Mx[n]z−n/M=1M∑k=0M−1∑n=−∞+∞x[n](e−j2πk/Mz1/M)−n
Sumowanie po prawej stronie jest sumowaniem wszystkich liczb całkowitych, a zatem jest poprawnym matematycznym -transformowanym w kategoriach . Dlatego możemy napisać:z ′ = e - j 2 π k / M z 1 / MZz′=e−j2πk/Mz1/M
YD(z)=1M∑k=0M−1X(e−j2πk/Mz1/M)
Jest to wzór na -transformator downsamplera.Z
Nie widziałem wcześniej tego zapisu. Wydaje się to jednak mieć sens. -downsampler jest określony przez równanie:M
Jego transformacji jest określony przez równanie:z
Zastosuj zmianę zmiennej, pozwalając . Na zakresy sumy nie ma wpływu zmiana zmiennej, ponieważ rozciągają się na nieskończoność.n′=Mn
Podobne do wygląda transformacji siebie. Przypomnij, że jest to zdefiniowane jako:x [ n ]z x[n]
Bliższe przyjrzenie się, można zatem stwierdzić, następującą zależność między transformata i :x [ n ] y D [ n ]z x[n] yD[n]
Dlatego też, transformacji wyjściu downsampler jest ściśle związana z transformacji sygnału wejściowego, który ma się spodziewać. W dziedzinie częstotliwości, co w efekcie powodowało krotnie rozciągania treści częstotliwość sygnału.z Mz z M
Ale jak przejść od powyższego równania do tego, o którym mowa w artykule? Podaje definicję w kategoriach , podczas gdy wyprowadzone przez nas wyrażenie jest funkcją . Tak więc dla konkretnej wartości , w której chcesz oszacować , najpierw (tj. Weź -ty pierwiastek ), a następnie zamień go na . Jednak wszystkie niezerowe mają różne -te pierwiastki :z z 1 / M z Y D ( z ) z 1 / MYD(z) z z1/M z YD(z) z1/M z X ( z ) z ∈ C M MM z X(z) z∈C M M
gdzie jest wartością jądra DFT przywołaną w twoim pytaniu, a jest tym, co definiuję jako główny -ty pierwiastek wartości zespolonej :Wk ej2πk/M rp M z
Oznacza to, że 'S głównego -tym korzeń otrzymuje się przez przekształcenie w postać polarnym, biorąc -tego pierwiastka jest wielkości (co jest liczbą rzeczywistą), a następnie dzieląc jest kąt, o . Otrzymane wartości wyrażają w formie biegunowej.M r pz M rp z M z z M rp
Po co męczyć się z tymi wszystkimi problemami? Ponieważ, jak zauważyłem wcześniej, mapowanie z na domenę nie jest jeden do jednego. Teraz zacznę trochę falować ręką. Dla każdej konkretnej wartości , dla której chcesz oszacować , istnieje odpowiadających punktów w które możesz odwzorować. Dlatego każdy z tych punktów w przyczynia się do odpowiadającej wartości . Następnie otrzymujesz sumę podobną do tej przedstawionej w artykule:X ( z 1 / M ) z Y D ( z ) M X ( z 1 / M ) MYD(z) X(z1/M) z YD(z) M X(z1/M) M X(z1/M) YD(z)
gdzie odnosi się do głównego obliczenia pierwiastkowego, które pokazałem wcześniej. W rzeczywistości, można wybrać dowolny z „s korzeni -tej jako głównego jednego; Wybrałem tę definicję, ponieważ jest najprostsza. Jeśli miałbyś właściwie i rygorystycznie wyprowadzić ten związek, uważam, że czynnik pojawia się z powodu pochodnej .rp(z) M z M 1M z1/M
W mowie matematyki uważam, że byłoby to określane jako zestaw funkcji; , gdzie i . Aby rozwinąć skład funkcji i napisać jako funkcję tylko , domenę na fragmenty jeden na jeden, odwrócimy funkcję w tych przedziałach, a następnie zsumujemy wyniki z odpowiednimi współczynnikami skalowania. Użyłem tej techniki wcześniej, aby obliczyć funkcję rozkładu prawdopodobieństwa funkcji zmiennej losowej, biorąc pod uwagę pdf oryginalnej zmiennej losowej (np. Aby uzyskać pdf z biorąc pod uwagęf ( z ) = X ( z ) g ( z ) = z 1 / M YYD(z)=f(g(z)) f(z)=X(z) g(z)=z1/M z Y D ( z ) √YD(z) z YD(z) XX−−√ X pdf), ale nazwa techniki mi ucieka.
źródło