دلارام میرزاآقا | Delaram Mirzaaqa
دلارام میرزاآقا | Delaram Mirzaaqa
خواندن ۴ دقیقه·۵ سال پیش

تبدیل فوریه و سیگنال های غیرایستا

آیا تبدیل فوریه ابزاری مناسب برای آنالیز سیگنال­ های غیرایستاست؟

برای پاسخ به این سوال باید ابتدا به تعریف تبدیل فوریه بپردازیم.

در قرن 19، یک ریاضی ­دان فرانسوی به نام ژوزف فوریه اثبات کرد که هر تابع تناوبی را می­ توان به صورت مجموع توابع نمایی مختلط نشان داد. این ایده که بعدها به سیگنال­ های متناوب و نامتناوب ناپیوسته نیز تعمیم پیدا کرد، تبدیل فوریه یا به اختصار FT نام گرفت. تبدیل فوریه­ هر سیگنال را به یک سری توابع نمایی مختلط با فرکانس­ های متفاوت تجزیه می­ کند و اصطلاحاً آن را از حوزه ی زمان به حوزه ی فرکانس می برد. عکس این اتفاق یعنی انتقال سیگنال تبدیل یافته از حوزه ی فرکانس به حوزه ی زمان نیز توسط عکس تبدیل فوریه صورت می گیرد.

بیایید رابطه­ ی تبدیل فوریه را با دقت بیشتری بررسی کنیم. سیگنال مورد نظر که در واقع برداری در حوزه ­ی زمان است، در یک عبارت نمایی با فرکانسی مشخص مثل f ضرب می ­شود و سپس مجموع جملات حاصل­ضرب­ برای تمام زمان­ ها مورد محاسبه قرار می­ گیرد؛ زیرا انتگرال نسبت به متغیر زمان گرفته شده ­است. این عبارت نمایی را می­ توان با توجه به فرمول اویلر به فُرم توابع مثلثاتی نوشت، به طوری که دارای یک قسمت حقیقی از کسینوس فرکانس f و یک قسمت موهومی از سینوس فرکانس f باشد. پس در تبدیل فوریه، سیگنال اصلی در عبارتی مختلط ضرب می­ شود که شامل سینوس ­ها و کسینوس ­های فرکانس f است. سپس این حاصل­ضرب­ ها با هم جمع می­ شوند. اگر حاصل­ جمع این حاصل­ ضرب­ها عدد بزرگی باشد، می­ توان چنین نتیجه گرفت که سیگنال اولیه در فرکانس f جزء طیفی غالبی دارد. یعنی فرکانس f قسمت عمده ­ی این سیگنال را تشکیل می­ دهد. اما اگر حاصل­ جمع صفر باشد، بدین معناست که این سیگنال اصلاً دارای فرکانس f نیست. بنابراین، تبدیل فوریه از وجود یا عدم وجودی یک جزء فرکانسی خاص سخن می­ گوید.

اما چرا تبدیل فوریه برای آنالیز سیگنال­ های غیرایستا مناسب نیست؟

از آن­ جایی که اطلاعات ارائه ­شده در انتگرال یا همان حاصل­ جمع رابطه­ ی تبدیل فوریه ، مربوط به زمان­ های منفی بی­ نهایت تا مثبت بی­ نهایت است؛ زمان یا اصطلاحاً مکان وقوع فرکانس f تاثیری در نتیجه ­ی حاصل­جمع ندارد. بنابراین، تبدیل فوریه در مواجهه با سیگنال­ های غیرایستا که در آن­ها مشخصات سیگنال در طول زمان یا مکان تغییر می­ کند، عمل­کرد ضعیفی دارد. چرا که صرف وجود یا عدم وجود یک جزء فرکانسی خاص در یک سیگنال غیرایستا مشخصه­ ی متمایزکننده ­ای نیست. برای توضیح بیشتر این موضوع، به مثال زیر توجه کنید.

فرض کنید یک سیگنال ایستا با چهار جزء فرکانسی f1، f2، f3 و f4 داریم که در تمامی زمان­ها اتفاق افتاده­ اند. محور فرکانس تبدیل فوریه­ ی این سیگنال دارای چهار قله در چهار جزء فرکانسی فوق ­الذکر خواهد بود. دقت شود که از آن­ جایی که هر چهار فرکانس در یک زمان اتفاق افتاده ­اند، پس فرکانس سیگنال متغیر با زمان نیست و سیگنال ایستاست.

حال یک سیگنال غیرایستا با همان چهار جزء فرکانسی را در نظر بگیرید. از آن­ جایی که این سیگنال غیرایستاست، پس در هر بازه ­ی زمانی یکی از اجزای فرکانسی را داریم و این به معنی متغیر با زمان بودن فرکانس سیگنال و در نتیجه غیرایستا بودن سیگنال است. جالب این­جاست که محور فرکانس تبدیل فوریه­ ی سیگنال دوم نیز دارای چهار قله در همان چهار جزء فرکانسی­ خواهد بود.

بنابراین، تبدیل فوریه نمی­ تواند دو سیگنال فوق را علی­ رغم ماهیت متفاوتشان، از یکدیگر تمییز دهد، زیرا اجزای فرکانسی هر دو سیگنال یکسان است. تبدیل فوریه تنها در صورتی می ­تواند مفید واقع شود که زمان رخ­داد یک جزء فرکانسی حائز اهمیت نباشد؛ که البته در سیگنال­های غیرایستا چنین نیست.

تبدیل فوریهسیگنالسیگنال غیرایستاپردازش سیگنالحوزه فرکانسی
Data Scientist; University Lecturer; block-chain Critic
شاید از این پست‌ها خوشتان بیاید