实验七傅立六叶分析.doc

實驗七 傅立葉分析 目的： 本實驗乃實驗六之延續，主要在學習如何以傅立葉轉換來分析及現我們的數據，而最主要的方法即為快速傅立葉轉換。 原理： 倘若我們手上的數據具有週期性，我們所欲嘗試的擬合曲線，很顯然地三角函數是一個可能的選擇。傅立葉分析的本質在於它能夠以較簡單的週期函數 如 sin， cos )的適當組告，來表示複推的週期結構。傅立棄轉換的型式有很多種，在此我們僅討論分散的傅立葉複數轉換。 (一) 分離的傅立葉轉換 假設我們有一組數據，同時假設其為時間序列(time series) 數據，即在相等的時間間隔內，讀取一個數據，而即稱為時間長度(time length)。對應於向量我們可以定義其分離的傅立葉轉換，，其中可表示為 (7-1) ，k=0，1，2，…..，N-1 同理其逆換可表示為 (7-2) 需注意在使用不同軟體的傅立葉轉換副程式時，需注意其歸一化(normalization)的方式。 相對於定義於時間，則定義於頻率 ，k=0,1,2,…..,N-1 (7-3) 最小非零的頻率，顯然是。因此要量測低頻訊號，需要分析一個長時間序列的數據;同理最大的頻率為，即欲獲得高頻訊號，我們需縮短相鄰兩次測量的時間。 然而我們必須要問，經傅立葉轉換的是否對所有的(定義於(7-3)式)均為獨立整訊息。也許同學們已觀察到，原本(7-1)式的轉換後而得的乃一複數，包括實部和虛部。若所有頻率之均獨立，則N個頻率上將包含了2N個數據，顯然要比原本多出了一倍的資訊量，因此我們相信並非所有頻率的皆為獨立。事實上我們可以從下面的例題看出，所有高於的頻率皆無法從時間間隔為的測量中析出，即我們的高頻鑑別度降為的一半，而此頻率上限稱為Nyquist frquency，。 我們可以考慮一已 知訊號 (7-4) 我們考慮抽樣時間間隔為，並考慮下列兩種情況，(1)，及(2)，。我們的抽樣時間, 則兩訊號之抽樣值可表示為 (7-5) (7-6) (7-6)式又可改寫成 因此，解析上互相獨立的個訊號，卻在抽樣過程中得到同一筆數據，即我們無法鑑別的訊號。 以下我們呈示一個簡單的傅立葉轉換的副程式 subroutine sft以及一個可以產生(7-4)式的抽樣數據的程式 sftdemo.f。 subroutine sft(y,N) !Discrete fourier transform routine (slow version) parameter( Nmax=2000 ) ! Max size for data vector complex y(N),yt(Nmax),ii twopiN= -6,283185307/N != -2*pi/N ii=(0.,1.) ! ii= sqqrt(-1) do k=0,(N-1) yt(k+1)=0. ! Compute transform using definition (sum) do j=0,(N-1) yt(k+1)= yt(k+1) + y(j+1)*(cos(twopiN*j*k) + ii*sin(twopiN*j*k) !! Notice we use exp(ii*x) = cos(x)+ii*sin(x) end do end do do i=1,N y(i) = yt(i) ! Copy transform into y end do return end program sfdemo ! Discrete Fourier transform demonstrati