Diskrete Fouriertransformation (DFT)

Aus LNTwww
Wechseln zu:Navigation, Suche

Argumente für die diskrete Realisierung der FT

Die Fouriertransformation gemäß der bisherigen Beschreibung im Kapitel Signaldarstellung/Fouriertransformation und -rücktransformation weist aufgrund der unbegrenzten Ausdehnung des Integrationsintervalls eine unendlich hohe Selektivität auf und ist deshalb ein ideales theoretisches Hilfsmittel der Spektralanalyse. Sollen die Spektralanteile $X(f)$ einer Zeitfunktion $x(t)$ numerisch ermittelt werden, so sind die allgemeinen Transformationsgleichungen

$$\begin{align*}X(f) & = \int_{-\infty }^{+\infty}x(t) \cdot {\rm e}^{-{\rm j} \hspace{0.05cm}\cdot \hspace{0.05cm} 2 \pi f t}\hspace{0.1cm} {\rm d}t\hspace{0.5cm} \Rightarrow\hspace{0.5cm} {\boldsymbol {\rm Hintransformation}} \hspace{0.05cm},\\ x(t) & = \int_{-\infty }^{+\infty}\hspace{-0.15cm}X(f) \cdot {\rm e}^{\hspace{0.05cm}+{\rm j} \hspace{0.05cm}\cdot \hspace{0.05cm} 2 \pi f t}\hspace{0.1cm} {\rm d}f\hspace{0.35cm} \Rightarrow\hspace{0.5cm} {\boldsymbol {\rm R\ddot{u}cktransformation}} \hspace{0.05cm}\end{align*}$$

aus zwei Gründen ungeeignet:

  • Die Gleichungen gelten ausschließlich für zeitkontinuierliche Signale. Mit Digitalrechnern oder Signalprozessoren können jedoch nur zeitdiskrete Signale verarbeitet werden.
  • Für eine numerische Auswertung der beiden Fourierintegrale ist es erforderlich, das jeweilige Integrationsintervall auf einen endlichen Wert zu begrenzen.


Daraus ergibt sich folgende Konsequenz: Ein kontinuierliches Signal muss vor der numerischen Bestimmung seiner Spektraleigenschaften zwei Prozesse durchlaufen, nämlich

  • den der Abtastung zur Diskretisierung, und
  • den der Fensterung zur Begrenzung des Integrationsintervalls.


Im Folgenden wird ausgehend von einer aperiodischen Zeitfunktion $x(t)$ und dem dazugehörigen Fourierspektrum $X(f)$ eine für die Rechnerverarbeitung geeignete zeit– und frequenzdiskrete Beschreibung schrittweise entwickelt.


Zeitdiskretisierung - Periodifizierung im Frequenzbereich

Die folgenden Grafiken zeigen einheitlich links den Zeitbereich und rechts den Frequenzbereich. Ohne Einschränkung der Allgemeingültigkeit sind $x(t)$ und $X(f)$ jeweils reell und gaußförmig.

Diskretisierung im Zeitbereich – Periodifizierung im Frequenzbereich

Entsprechend Abschnitt 5.1 kann man die Abtastung des Zeitsignals $x(t)$ durch die Multiplikation mit einem Diracpuls $p_{\delta}(t)$ beschreiben. Es ergibt sich das im Abstand $T_A$ abgetastete Zeitsignal

$${\rm A}\{x(t)\} = \sum_{\nu = - \infty }^{+\infty} T_{\rm A} \cdot x(\nu \cdot T_{\rm A})\cdot \delta (t- \nu \cdot T_{\rm A} )\hspace{0.05cm}.$$

A$\{ x(t)\}$ transformieren wir nun in den Frequenzbereich. Der Multiplikation des Diracpulses $p_{\delta}(t)$ mit $x(t)$ entspricht im Frequenzbereich die Faltung von $P_{\delta}(f)$ mit $X(f)$. Es ergibt sich das periodifizierte Spektrum P$\{ X(f)\}$, wobei $f_P$ die Frequenzperiode der Funktion P$\{ X(f)\}$ angibt:

$${\rm A}\{x(t)\} \hspace{0.2cm}\circ\!\!-\!\!\!-\!\!\!-\!\!\bullet\, \hspace{0.2cm} {\rm P}\{X(f)\} = \sum_{\mu = - \infty }^{+\infty} X (f- \mu \cdot f_{\rm P} )\hspace{0.5cm} {\rm mit }\hspace{0.5cm}f_{\rm P}= {1}/{T_{\rm A}}\hspace{0.05cm}.$$

Dieser Zusammenhang wurde ebenfalls bereits in Abschnitt 5.1 hergeleitet, jedoch mit etwas anderer Nomenklatur. Diese Nomenklaturänderung wird auf den nachfolgenden Seiten begründet:

  • A$\{ x(t)\}$ anstelle von $x_A(t)$,
  • $f_P$ = $1/T_A$ anstelle von $f_A = 1/T_A$,


Die Grafik zeigt den hier beschriebenen Funktionalzusammenhang. Hierzu ist anzumerken:

  • Die Frequenzperiode $f_P$ wurde hier aus Darstellungsgründen bewusst klein gewählt, so dass die Überlappung der zu summierenden Spektren deutlich zu erkennen ist.
  • In der Praxis sollte $f_P$ aufgrund des Abtasttheorems mindestens doppelt so groß sein wie die größte im Signal $x(t)$ enthaltene Frequenz.
  • Ist dies nicht erfüllt, so muss mit Aliasing gerechnet werden – siehe Kapitel 5.3.


Frequenzdiskretisierung - Periodifizierung im Zeitbereich

Die Diskretisierung von $X(f)$ lässt sich ebenfalls durch eine Multiplikation mit einem Diracpuls beschreiben. Es ergibt sich das im Abstand $f_A$ abgetastete Spektrum:

$${\rm A}\{X(f)\} = X(f) \cdot \sum_{\mu = - \infty }^{+\infty} f_{\rm A} \cdot \delta (f- \mu \cdot f_{\rm A } ) = \sum_{\mu = - \infty }^{+\infty} f_{\rm A} \cdot X(\mu \cdot f_{\rm A } ) \cdot\delta (f- \mu \cdot f_{\rm A } )\hspace{0.05cm}.$$

Transformiert man den hier verwendeten Frequenz–Diracpuls (mit Impulsgewichten $f_A$) in den Zeitbereich, so erhält man mit $T_P = 1/f_A$:

$$\sum_{\mu = - \infty }^{+\infty} f_{\rm A} \cdot \delta (f- \mu \cdot f_{\rm A } ) \hspace{0.2cm}\bullet\!\!-\!\!\!-\!\!\!-\!\!\circ\, \hspace{0.2cm} \sum_{\nu = - \infty }^{+\infty} \delta (t- \nu \cdot T_{\rm P } ) \hspace{0.05cm}.$$

Die Multiplikation mit $X(f)$ entspricht im Zeitbereich der Faltung mit $x(t)$. Man erhält also das im Abstand $T_P$ periodifizierte Signal P$\{ x(t)\}$:

$${\rm A}\{X(f)\} \hspace{0.2cm}\bullet\!\!-\!\!\!-\!\!\!-\!\!\circ\, \hspace{0.2cm} {\rm P}\{x(t)\} = x(t) \star \sum_{\nu = - \infty }^{+\infty} \delta (t- \nu \cdot T_{\rm P } )= \sum_{\nu = - \infty }^{+\infty} x (t- \nu \cdot T_{\rm P } ) \hspace{0.05cm}.$$

Diskretisierung im Frequenzbereich – Periodifizierung im Zeitbereich Dieser Zusammenhang ist in der Grafik veranschaulicht. Aufgrund der groben Frequenzrasterung ergibt sich in diesem Beispiel für die Zeitperiode $T_P$ ein relativ kleiner Wert, so dass sich das periodifizierte Zeitsignal P$\{ x(t)\}$ aufgrund von Überlappungen deutlich von $x(t)$ unterscheidet.


Finite Signaldarstellung

Zur finiten Signaldarstellung kommt man, wenn sowohl die Zeitfunktion $x(t)$ wie auch die Spektralfunktion $X(f)$ ausschließlich durch ihre Abtastwerte angegeben werden.

Finite Signale der DFT

Diese Grafik ist wie folgt zu interpretieren:

  • Im linken Bild blau eingezeichnet ist die Funktion $\text{A}\{ \text{P}\{ x(t)\}\}$. Diese ergibt sich durch Abtastung der periodifizierten Zeitfunktion P$\{ x(t)\}$ mit äquidistanten Diracimpulsen im Abstand $T_A = 1/f_P$.
  • Im rechten Bild grün eingezeichnet ist die Funktion $\text{P}\{ \text{A}\{ x(t)\}\}$. Diese ergibt sich durch Periodifizierung (mit $f_P$) der abgetasteten Spektralfunktion. Zwischen dem blauen finiten Signal und dem grünen finiten Signal besteht eine Fourierkorrespondenz:

$${\rm A}\{{\rm P}\{x(t)\}\} \hspace{0.2cm}\circ\!\!-\!\!\!-\!\!\!-\!\!\bullet\, \hspace{0.2cm} {\rm P}\{{\rm A}\{X(f)\}\} \hspace{0.05cm}.$$

  • Die Diraclinien der periodischen Fortsetzung $\text{P}\{ \text{A}\{ x(t)\}\}$ der abgetasteten Spektralfunktion fallen allerdings nur dann in das gleiche Frequenzraster wie diejenigen von A$\{ X(f)\}$, wenn die Frequenzperiode $f_P$ ein ganzzahliges Vielfaches ($N$) des Frequenzabtastabstandes $f_A$ ist.

Deshalb muss bei Anwendung der finiten Signaldarstellung stets gelten, wobei für die natürliche Zahl $N$ in der Praxis meist eine Zweierpotenz verwendet wird:

$$f_{\rm P} = N \cdot f_{\rm A} \hspace{0.5cm} \Rightarrow\hspace{0.5cm} {1}/{T_{\rm A}}= N \cdot f_{\rm A} \hspace{0.5cm} \Rightarrow\hspace{0.5cm} N \cdot f_{\rm A}\cdot T_{\rm A} = 1\hspace{0.05cm}.$$

Hinweis: Der obigen Grafik liegt der Wert $N$ = 8 zugrunde. Bei Einhaltung der Bedingung $N \cdot f_A \cdot T_A = 1$ ist die Reihenfolge von Periodifizierung und Abtastung vertauschbar. Somit gilt:

$${\rm A}\{{\rm P}\{x(t)\}\} = {\rm P}\{{\rm A}\{x(t)\}\}\hspace{0.2cm}\circ\!\!-\!\!\!-\!\!\!-\!\!\bullet\, \hspace{0.2cm} {\rm P}\{{\rm A}\{X(f)\}\} = {\rm A}\{{\rm P}\{X(f)\}\}\hspace{0.05cm}.$$

Die Zeitfunktion $\text{P}\{ \text{A}\{ x(t)\}\}$} besitzt die Periode $T_P = N \cdot T_A$ und die Periode im Frequenzbereich beträgt $f_P = N \cdot f_A$. Zur Beschreibung des diskretisierten Zeit– und Frequenzverlaufs reichen somit jeweils $N$ komplexe Zahlenwerte in Form von Impulsgewichten aus.

Es liegt ein impulsartiges Signal $x(t)$ in abgetasteter Form vor; der Abstand zweier Abtastwerte beträgt $T_A$ = 1 μs beträgt. Nach einer diskreten Fouriertransformation mit $N$ = 512 liegt das Spektrum $X(f)$ in Form von Abtastwerten im Abstand $f_A = (N \cdot TA)–1 \approx 1.953$ kHz vor. Vergrößert man $N$ auf 2048, so ergibt sich ein feineres Frequenzraster mit $f_A \approx 488$ Hz.


Von der kontinuierlichen zur diskreten Fouriertransformation

Aus dem herkömmlichen ersten Fourierintegral

$$X(f) =\int_{-\infty }^{+\infty}x(t) \cdot {\rm e}^{-{\rm j} \hspace{0.05cm}\cdot \hspace{0.05cm} 2 \pi f \hspace{0.05cm}t}\hspace{0.1cm} {\rm d}t$$

entsteht durch Diskretisierung ($\text{d}t \to T_A$, $t \to ν \cdot T_A$, $f \to \mu \cdot f_A$, $T_A \cdot f_A = 1/N$) die Summe

$${\rm P}\{X(\mu \cdot f_{\rm A})\} = T_{\rm A} \cdot \sum_{\nu = 0 }^{N-1} {\rm P}\{x(\nu \cdot T_{\rm A})\}\cdot {\rm e}^{-{\rm j} \hspace{0.05cm}\cdot \hspace{0.05cm} 2 \pi \hspace{0.05cm} \cdot \hspace{0.05cm}\nu \hspace{0.05cm} \cdot \hspace{0.05cm}\mu /N} \hspace{0.05cm}.$$

Es ist berücksichtigt, dass aufgrund der Diskretisierung jeweils die periodifizierten Funktionen einzusetzen sind. Aus Gründen einer vereinfachten Schreibweise nehmen wir nun die folgenden Substitutionen vor:

  • Die $N$ Zeitbereichskoeffizienten seien mit der Laufvariablen $v$ = 0, ... , $N$ – 1:

$$d(\nu) = {\rm P}\left\{x(t)\right\}{\big|}_{t \hspace{0.05cm}= \hspace{0.05cm}\nu \hspace{0.05cm}\cdot \hspace{0.05cm}T_{\rm A}}\hspace{0.05cm}.$$

  • Die $N$ Frequenzbereichskoeffizienten seien mit der Laufvariablen $\mu$ = 0, ... , $N$ – 1:

$$D(\mu) = f_{\rm A} \cdot {\rm P}\left\{X(f)\right\}{\big|}_{f \hspace{0.05cm}= \hspace{0.05cm}\mu \hspace{0.05cm}\cdot \hspace{0.05cm}f_{\rm A}}\hspace{0.05cm}.$$

  • Abkürzend wird für den komplexen Drehfaktor – der von $N$ abhängt – geschrieben:

$$w = {\rm e}^{-{\rm j} \hspace{0.05cm}\cdot \hspace{0.05cm} 2 \pi /N} = \cos \left( {2 \pi}/{N}\right)-{\rm j} \cdot \sin \left( {2 \pi}/{N}\right) \hspace{0.05cm}.$$


Die Gleichung der Diskreten Fouriertransformation (kurz DFT) lautet:

$$D(\mu) = \frac{1}{N} \cdot \sum_{\nu = 0 }^{N-1} d(\nu)\cdot {w}^{\hspace{0.05cm}\nu \hspace{0.03cm} \cdot \hspace{0.05cm}\mu} \hspace{0.05cm}. $$


Zur Definition der DFT

Oder in Worten: Unter dem Begriff Diskrete Fouriertransformation versteht man die Berechnung der $N$ Spektralkoeffizienten $D(\mu)$ aus den $N$ Signalkoeffizienten $d(ν)$.

In der Grafik erkennt man die $N$ = 8 Signalkoeffizienten d$(ν)$ an der blauen Füllung und die $N$ = 8 Spektralkoeffizienten $D(\mu)$ an der grünen Füllung.


Inverse Diskrete Fouriertransformation

Die Inverse Diskrete Fouriertransformation (IDFT) beschreibt das zweite Fourierintegral

$$\begin{align*}x(t) & = \int_{-\infty }^{+\infty}X(f) \cdot {\rm e}^{\hspace{0.05cm}{\rm j} \hspace{0.05cm}\cdot \hspace{0.05cm} 2 \pi f \hspace{0.05cm} t}\hspace{0.1cm} {\rm d}f\end{align*}$$

in diskretisierter Form. Man erhält mit dem Übergang $\text{d}f \to f_A$:

$$d(\nu) = {\rm P}\left\{x(t)\right\}{\big|}_{t \hspace{0.05cm}= \hspace{0.05cm}\nu \hspace{0.05cm}\cdot \hspace{0.05cm}T_{\rm A}}\hspace{0.05cm},\hspace{1.55cm} \nu = 0, ... \hspace{0.05cm}, N-1\hspace{0.05cm},$$

Die Gleichung der Inversen Diskreten Fouriertransformation (kurz IDFT) lautet:

$$d(\nu) = \sum_{\mu = 0 }^{N-1} D(\mu) \cdot {w}^{-\nu \hspace{0.03cm} \cdot \hspace{0.05cm}\mu} \hspace{0.05cm}.$$


Zur Definition der IDFT

In anderen Worten: Unter dem Begriff Inverse Diskrete Fouriertransformation versteht man die Berechnung der Signalkoeffizienten $d(ν)$ aus den Spektralkoeffizienten $D(\mu)$.

Es gelten auch hier die Definitionen:

$$d(\nu) = {\rm P}\left\{x(t)\right\}{\big|}_{t \hspace{0.05cm}= \hspace{0.05cm}\nu \hspace{0.05cm}\cdot \hspace{0.05cm}T_{\rm A}}\hspace{0.05cm},\hspace{1.55cm} \nu = 0, ... \hspace{0.05cm}, N-1\hspace{0.05cm},$$

$$D(\mu) = f_{\rm A} \cdot {\rm P}\left\{X(f)\right\}{\big|}_{f \hspace{0.05cm}= \hspace{0.05cm}\mu \hspace{0.05cm}\cdot \hspace{0.05cm}f_{\rm A}} \hspace{0.05cm},\hspace{0.3cm} \mu = 0, ... \hspace{0.05cm}, N-1\hspace{0.05cm},$$

$$w = {\rm e}^{-{\rm j} \hspace{0.05cm}\cdot \hspace{0.05cm} 2 \pi /N} \hspace{0.05cm}.$$

Ein Vergleich zwischen der DFT und IDFT zeigt, dass genau der gleiche Algorithmus verwendet werden kann. Die einzigen Unterschiede der IDFT gegenüber der DFT sind:

  • Der Exponent des Drehfaktors ist mit unterschiedlichem Vorzeichen anzusetzen.
  • Bei der IDFT entfällt die Division durch $N$.


Interpretation von DFT und IDFT

Die folgende Grafik zeigt nochmals die diskreten Koeffizienten im Zeit– und Frequenzbereich zusammen mit den periodifizierten zeitkontinuierlichen Funktionen.

Zeit- und Frequenzbereichskoeffizienten der DFT

Bei Anwendung von DFT bzw. IDFT ist zu beachten:

  • Nach obigen Definitionen besitzen die DFT–Koeffizienten $d(ν)$ und $D(\mu)$ stets die Einheit der Zeitfunktion. Dividiert man $D(\mu)$ durch $f_A$, so erhält man den Spektralwert $X(\mu \cdot f_A)$.
  • Die Spektralkoeffizienten $D(\mu)$ müssen stets komplex angesetzt werden, um auch ungerade Zeitfunktionen berücksichtigen zu können.
  • Aus Symmetriegründen verwendet man meist komplexe Zeitkoeffizienten $d(ν)$, um auch Bandpass–Signale im äquivalenten Tiefpassbereich transformieren zu können.
  • Als Grundintervall für $ν$ $\mu$ definiert man meist – wie in obiger Grafik – den Bereich von 0 bis $N$ – 1. Mit den komplexwertigen Zahlenfolgen

$$\langle d(\nu)\rangle = \langle d(0), ... , d(N-1) \rangle \hspace{0.2cm}{\rm sowie}\hspace{0.2cm} \langle D(\mu)\rangle = \langle D(0), ... , D(N-1) \rangle$$ werden DFT und IDFT ähnlich wie die herkömmliche Fouriertransformation symbolisiert: $$\langle D(\mu)\rangle \hspace{0.2cm}\bullet\!\!-\!\!\!-(N)\!-\!\!\!-\!\!\hspace{0.05cm}\circ\, \hspace{0.2cm} \langle d(\nu)\rangle \hspace{0.05cm}.$$

  • Ist die Zeitfunktion $x(t)$ bereits auf den Bereich 0 ≤ $t$ < $N \cdot T_A$ begrenzt, dann geben die Zeitkoeffizienten direkt die Abtastwerte der Zeitfunktion an ⇒ $d(ν) = x(ν \cdot T)$.
  • Ist das Zeitsignal $x(t)$ gegenüber dem Grundintervall verschoben, so muss man die auf der nächsten Seite gezeigte Zuordnung zwischen $x(t)$ und den Koeffizienten $d(ν)$ wählen.


Die obere Grafik zeigt den unsymmetrischen Dreieckimpuls $x(t)$, dessen absolute Breite kleiner ist als $T_P = N \cdot T_A$.

Zur Belegung der DFT-Koeffizienten

Die untere Skizze zeigt die zugeordneten DFT–Koeffizienten für das Beispiel $N$ = 8.

Für die Zeitindizes $ν = 0$, ... , $N/2 = 4$ gilt $d(ν) = x(ν \cdot T_A)$.

Dagegen sind die Koeffizienten $d$(5), $d$6) und $d$(7) wie folgt zu setzen:

Aufgaben zum Kapitel

A5.2 Inverse DFT

Z5.2 DFT eines Dreieckimpulses