4.3 Diskret Fourier-transform (DFT)
Den nye sjangeren fra kontinuasjonssettene: DFT med enhetsrøtter, aliasing og skifteegenskapen.
Den diskrete Fourier-transformen kalles sjanger R i denne boka. Boka bruker bokstavene til som korte navn på de nitten oppgavetypene på settene; R er den diskrete Fourier-transformen.
Sjangeren opptrer i 2 av 13 gjennomgåtte sett — altså 15 %. Begge forekomstene er i kontinuasjonssett fra 2023 og 2024, ikke i de ordinære settene. Det gir to motstridende signaler, og du fortjener begge:
- Argumentet for å prioritere den: den er fast i de to siste settene i arkivet, den er faglig ferdig integrert i emnet, og den bygger direkte på enhetsrøttene fra kap. 1.1 og den komplekse rekka fra kap. 3.3. Kommer den, er den enkel å score på.
- Argumentet for ikke å bruke for mye tid: to sett er et smalt grunnlag, og vekten på kommende ordinære sett er usikker. Har du dårlig tid, kommer denne etter Del 2, Del 3, Del 5, Del 7 og Del 8.
Vår anbefaling: ta kapitlet, men ta det sist. Det er 55 minutter, og det er lite stoff å holde styr på.
Formelark-merking. DFT-en er vanligvis ikke med på det utdelte formelarket. Hele apparatet — definisjonen, den inverse, reell-testen og skifteegenskapen — må kunnes eller utledes aktivt. Det eneste du henter fra arket i dette kapitlet, er de trigonometriske identitetene, som står på det utdelte formelarket — tren oppslaget; du bruker dem når du skriver om cosinus- og sinusledd til eksponentialer i avlesningsoppgaver. Til gjengjeld er det korte formler, og de er alle bygd på ett eneste objekt: den -te enhetsroten fra kap. 1.1.
Om normeringen. Det finnes flere konvensjoner for hvor faktoren skal ligge. Denne boka legger den foran DFT-en. Andre plasseringer er like riktige, og løsningsforslagene godtar dem — så lenge du bruker den samme konsekvent begge veier. Si hvilken du bruker.
Tidsbruk: 55 minutter lesetid, fire løkker med pausepunkt etter løkke 2.
Sist du var her — de to resultatene fra kap. 1.1 som hele kapitlet hviler på:
Den første sier at potensene av gjentar seg med periode ; den andre er den geometriske rekka med , der telleren blir null.
Og fra kap. 3.3: et signal er reelt hvis og bare hvis koeffisientene har konjugert symmetri. Nøyaktig samme test dukker opp her, bare med endelig mange koeffisienter.
Dette kapitlet er ikke forutsetning for noe senere kapittel — det er en avsluttet enhet.
Når du bare har målepunkter
En Fourier-rekke krever en funksjon du kan integrere. En Fourier-transform krever det samme, over hele tallinja. Men det du faktisk har på en datamaskin, er tall: målinger, tatt med jevne mellomrom.
Den diskrete Fourier-transformen er Fourier-analysen for nettopp den situasjonen. Den tar inn tall og gir ut tall — ingen integraler, bare en endelig sum. Og den er én av de mest brukte algoritmene som finnes: hver gang du ser et frekvensspekter på en skjerm, en lydfil komprimeres eller et bilde lagres som JPEG, ligger det en DFT under.
Ideen er ren gjenbruk. I den komplekse Fourier-rekka fant vi koeffisienten ved å gange funksjonen med og integrere. Her ganger vi datavektoren med og summerer. Integralet er blitt en sum, og den kontinuerlige eksponentialen er blitt en potens av en enhetsrot.
Prisen for å ha bare punkter er at du bare kan skille frekvenser. To svingninger som er raske nok, ser identiske ut i målepunktene — det heter aliasing, og det er grunnen til at et hjul i en film kan se ut til å gå baklengs.
Kapitlet gjør fire ting: definerer DFT-en og den inverse, tar reell-testen, beviser skifteegenskapen, og avslutter med aliasing og båndbegrensede signaler.
Løkke 1 — Fra integral til sum (~15 min)
Avstanden mellom to nabopunkter kalles samplingsintervallet, her . Jo flere punkter, jo finere oppløsning — men også jo mer regnearbeid.
Merk at ikke er med. Signalet tenkes periodisk, så punktet er det samme som .
Indeksene løper fra 0, ikke fra 1 — det er konvensjonen i hele DFT-litteraturen, og den gjør formlene enklere.
Datavektoren tenkes periodisk: . Det er den antagelsen som gjør at et syklisk skift gir mening.
Den ligger på enhetssirkelen med vinkel , og potensene er nøyaktig de enhetsrøttene fra kap. 1.1 — punkter jevnt fordelt rundt sirkelen.
To egenskaper brukes hele tiden:
For er , og potensene er .
Resultatet er en ny vektor av komplekse tall.
Sammenlikn med den komplekse Fourier-rekka i kap. 3.3: der var det . Her er integralet blitt en sum, er blitt , og er blitt . Samme oppskrift, endelig utgave.
Merk minustegnet i eksponenten — akkurat som i rekka og i transformen.
Valget av hvor faktoren skal ligge. Tre vanlige konvensjoner:
| Konvensjon | DFT | Invers |
|---|---|---|
| denne boka | ||
| «fysisk» | ||
| unitær |
Alle tre er riktige, og en besvarelse som bruker en annen enn boka, er ikke feil. Kravet er konsistens: bruker du foran DFT-en, skal den inverse ikke ha den. Skriv én setning om hvilken konvensjon du bruker — det tar fem sekunder og fjerner all tvil.
Boka velger den første fordi den gir middelverdien av dataene, som er lett å kontrollere.
Dette er middelverdien av dataene. Det er den enkleste kontrollen som finnes på et DFT-svar: regn ut gjennomsnittet av tallene i hodet og sammenlikn. Er noe annet, har du regnefeil.
For en reell datavektor er alltid reell.
Merk: ingen her (den ligger i DFT-en), og pluss i eksponenten. Nøyaktig samme mønster som i den komplekse Fourier-rekka: minus når du finner koeffisientene, pluss når du bygger funksjonen tilbake.
Formelen sier at datavektoren er en sum av rene diskrete svingninger, én for hver frekvens , med vekt .
for i .
Begrunnelse: for er hvert ledd 1, og summen er . For er en enhetsrot forskjellig fra 1, og den geometriske rekka gir
siden .
Dette er den diskrete versjonen av ortogonaliteten til fra kap. 3.3.
For , med og dermed :
Nytten: matriseformen viser at DFT-en bare er skalarprodukter, og den gjør det lett å se at transformen er lineær. På eksamen regner du som regel koeffisientene enkeltvis — matrisen er en måte å organisere regningen på, ikke et krav.
Regn ut DFT-en til med .
og potensene er , , , . Vi trenger de negative potensene: , , .
Steg 2 — sett opp summen. Formelen er . Siden , bidrar bare og :
Steg 3 — regn ut for hver . Her er , siden :
Svar:
Kontroll 1 — middelverdien. skal være gjennomsnittet av , som er 0. Stemmer.
Kontroll 2 — invers DFT. Bygg :
Vi får tilbake . Stemmer.
Kontroll 3 — konjugert symmetri. Dataene er reelle, så vi må ha . Her er , og . Stemmer.
Tolkning. All energien ligger på og , og de to hører sammen som et konjugert par. Regner du ut hva de svarer til i den inverse formelen, får du — altså er datavektoren nettopp én ren cosinussvingning, samplet i fire punkter. Og det stemmer: for gir .
(Innstegsoppgave — ren avlesning.) La , slik at .
a) Skriv opp og .
b) Skriv opp .
c) Hva er ?
Regn ut DFT-en til
a)
b)
og kontroller begge med middelverdien.
Løkke 2 — Reell-testen (~13 min)
Et fast delpunkt i denne sjangeren er: «avgjør om det inverse signalet er reelt». Testen er kort, og den er nøyaktig den samme som for den komplekse Fourier-rekka.
siden .
Konsekvens: indeksen betyr det samme som . Det er praktisk i reell-testen, der man ellers måtte snakke om negative indekser i en vektor som bare har indeksene til .
Spesielt må være reell (siden ).
Bevis, den ene veien. Anta reell. Konjuger definisjonen. Siden og , er
der siste likhet er periodisiteten.
Den andre veien følger av at den inverse DFT-en da parer sammen leddene og til , som er reelt.
Praktisk bruk. Testen sparer deg halve regnearbeidet: for en reell datavektor trenger du bare regne ut for , resten følger ved konjugering. Og motsatt: får du oppgitt en koeffisientvektor og skal avgjøre om det inverse signalet er reelt, sjekker du symmetrien i stedet for å regne ut den inverse.
Testen må kunnes — den står ikke på formelarket.
For like er indeksen spesiell: den er sin egen speiling, siden .
Reell-testen krever da at , altså at må være reell for en reell datavektor.
Frekvensen svarer til den raskeste svingningen punkter kan representere: annethvert punkt opp og annethvert ned. Den kalles ofte Nyquist-frekvensen, og den setter grensen for hva som kan måles med punkter.
Absoluttverdien av koeffisientene, tegnet mot .
For en reell datavektor er spekteret speilsymmetrisk: . Derfor viser programvare som regel bare den halvparten som svarer til — den andre halvparten inneholder ingen ny informasjon.
To koeffisientvektorer med er gitt:
a)
b)
Avgjør i hvert tilfelle om det inverse signalet er reelt, og finn signalet.
- : , og . I orden.
- : , og . I orden.
- : , og . I orden. (Merk at er midtfrekvensen, og den må være reell — 0 er reell.)
Signalet er reelt.
Finn det. Den inverse DFT-en er med :
(Her brukte vi og .)
Alle reelle, slik testen lovet.
Kontroll: middelverdien er . Stemmer.
b) Test symmetrien. For : , mens . De er ulike, så symmetrien brytes, og signalet er ikke reelt.
Finn det likevel, som kontroll:
To av komponentene er komplekse. Testen stemmer.
Poenget med oppgaven. I a) kunne vi svart «ja, reelt» på tjue sekunder uten å regne ut den inverse i det hele tatt. Det er hele nytten av testen — og det er den ferdigheten delpunktet er ute etter.
Merk forskjellen mellom de to vektorene: bare fortegnet på er endret. Én fortegnsfeil er alt som skal til for å ødelegge symmetrien — og det er også derfor testen er en så god kontroll på egen regning.
Regn ut DFT-en til , og kontroller resultatet med reell-testen.
Avgjør for hver koeffisientvektor med om det inverse signalet er reelt. Begrunn med reell-testen, uten å regne ut den inverse.
a)
b)
c)
d)
— naturlig pausepunkt (~28 min brukt) —
Du har definisjonen, den inverse og reell-testen. Resten av kapitlet er de to egenskapene som gjør DFT-en anvendelig: skifteegenskapen og aliasing.
Løkke 3 — Skifteegenskapen (~14 min)
Dette er den ene egenskapen som er blitt bedt bevist i arkivet, så beviset er verdt å kunne — ikke bare resultatet.
der indeksen regnes modulo , slik at .
For er .
Hvorfor «syklisk»? Fordi datavektoren tenkes periodisk. Skiftet er som å rotere en tallrekke lagt rundt en sirkel.
Bevis. Sett inn definisjonen og substituer :
Faktoren er uavhengig av og kan settes utenfor:
Summen går fra 1 til i stedet for fra 0 til , men leddet er det samme som leddet : både (periodisitet i dataene) og . Summen er altså uendret, og lik . Dermed
Konsekvens. , siden . Amplitudespekteret er upåvirket av et skift — bare fasen endres.
Motsatt retning. Skifter du den andre veien, , får du . Samme utledning, motsatt fortegn i eksponenten. Si alltid hvilken retning du bruker — det er der fortegnet avgjøres.
Sammenlikn med kap. 4.1: forskyvningsregelen for den kontinuerlige transformen sier . Samme innhold, samme konsekvens for amplituden, endelig utgave.
La med .
a) Regn ut .
b) Regn ut DFT-en til det sykliske skiftet direkte, og kontroller skifteegenskapen.
Kontroll: middelverdien av er . Stemmer.
b) Skiftet. .
Kontroll mot skifteegenskapen. Teoremet sier med :
| regnet direkte | ||||
|---|---|---|---|---|
| 0 | ||||
| 1 | ||||
| 2 | ||||
| 3 |
Alle fire stemmer.
Legg merke til amplitudene. Før skiftet: . Etter: . Identiske — bare fasene er endret. Det er nøyaktig det teoremet lover, og det er en gratis kontroll på at du ikke har regnefeil.
Merk også at er den samme datavektoren vi fant i eksempel 2a. Det er ikke tilfeldig: koeffisientvektoren der var , som er nøyaktig her.
La med .
a) Regn ut .
b) Bruk skifteegenskapen til å skrive opp DFT-en til , uten å regne på nytt.
c) Kontroller b) ved å regne ut direkte.
Forklar deretter hvorfor amplitudespekteret er uendret i begge skiftretninger.
Løkke 4 — Aliasing og båndbegrensede signaler (~13 min)
Til slutt den ene begrensningen ved å bare ha punkter — og den ene situasjonen der DFT-en gir det eksakte svaret.
Konkret: frekvensene og gir samme data, siden
Med punkter kan du altså bare skille frekvenser. En raskere svingning forkles som en langsommere — den får et «alias».
Hverdagseksempelet er hjul i film: filmes de med 24 bilder i sekundet, kan et hjul som roterer raskt se ut til å stå stille eller gå baklengs.
Poenget: er signalet båndbegrenset og du sampler i punkter, gir DFT-en eksakt de riktige koeffisientene — ingen aliasing, ingen tilnærming. Da kan du lese amplitudene rett av .
Er signalet derimot ikke båndbegrenset, folder de høye frekvensene seg ned på de lave, og koeffisientene blir forurenset. Det er derfor man alltid sampler «tett nok».
For et båndbegrenset signal svarer koeffisientene direkte til leddene i signalet:
| Ledd i signalet | Bidrag til |
|---|---|
| konstanten | |
| , |
Begrunnelse: skriv cosinus og sinus med Eulers formler, og bruk at har DFT lik 1 i indeks og 0 ellers (ortogonalitetsrelasjonen).
Dette gjør at en oppgave av typen «les av koeffisientene» kan besvares uten å regne ut en eneste sum.
Direkte utregning av DFT-en krever summer med ledd hver, altså i størrelsesorden operasjoner. Den raske Fourier-transformen (FFT) utnytter symmetriene i potensene av til å gjøre det samme i størrelsesorden operasjoner.
For er forskjellen mellom og rundt operasjoner — altså mellom umulig og øyeblikkelig.
Dette er «bør kjenne til»-stoff. Algoritmen er ikke pensum i dette emnet, og du blir ikke bedt om å utføre den. Men navnet er verdt å kjenne, siden all praktisk bruk av DFT går gjennom den.
a) Avgjør om signalet er båndbegrenset for .
b) Finn uten å regne ut noen sum.
c) Kontroller svaret ved å regne ut og direkte.
Før løsningen som en toppbesvarelse.
Signalet inneholder altså frekvensene . Alle oppfyller , så signalet er båndbegrenset for . Ingen aliasing, og koeffisientene kan leses av eksakt.
Uttelling her: begrunnelsen er selve poenget. Å skrive at «alle frekvenser er mindre enn 4 i tallverdi» er det som gjør resten av besvarelsen gyldig.
b) Avlesning. Etter ortogonalitetsrelasjonen har leddet DFT-koeffisient 1 i indeks og 0 ellers. Med , og med negativ indeks oversatt til :
- konstanten 1 gir ;
- gir , og gir ;
- gir , og gir .
Alle øvrige er null:
Kontroll av reell-testen. Dataene er reelle, så vi må ha . Her er alle koeffisientene reelle, og , , , og er reell. Stemmer.
(At alle er reelle, henger sammen med at signalet bare består av cosinusledd — altså at det er en like funksjon av . Samme regel som for Fourier-koeffisienter i kap. 3.3.)
c) Kontroll ved direkte regning.
Middelverdien. Regn ut alle åtte :
(Her er , som for gir .)
Summen er , så
Stemmer med avlesningen.
Første datapunkt. Den inverse DFT-en gir . Og direkte fra formelen er . Stemmer.
Hva sjangeren tester. Tre ting: at du kan skrive om cosinus til eksponentialer, at du vet hvilken indeks en negativ frekvens havner på ( blir ), og at du kan begrunne båndbegrensningen. Ingen av delene krever regning — men alle tre må stå.
Og hva som skjer uten båndbegrensning. Hadde signalet inneholdt et ledd med , ville det gitt bidrag i indeks — men også vært umulig å skille fra , altså indeks 5 igjen. Da er avlesningen ikke lenger entydig, og du må si det.
Et signal samples i punkter .
a) Vis at og gir nøyaktig de samme fire måleverdiene.
b) Forklar hva det betyr for DFT-en, og hvilken av de to frekvensene DFT-en «rapporterer».
a) Finn ved avlesning.
b) Kontroller svaret med reell-testen og med middelverdien.
c) Hva blir hvis alle dataene skiftes ett hakk fram, ?
Feil fortegn i . DFT-en har minus i eksponenten, den inverse har pluss. Bytter du om, får du speilvendte koeffisienter — havner der skulle ligget.
Å glemme å redusere eksponenten modulo . med er , ikke noe nytt tall. Skriv opp potenstabellen for først; da går resten mekanisk.
Å forveksle «like» med «hverandres konjugerte» i reell-testen. Kravet er . To like komplekse tall oppfyller det bare hvis de er reelle.
Å glemme at og (for like ) må være reelle når dataene er reelle. Det er de to indeksene som er sine egne speilinger.
Å glemme aliasing. Har signalet frekvenser med , er avlesningen ikke entydig. Sjekk båndbegrensningen før du leser av, og si det i besvarelsen.
Å oppgi skifteretningen upresist. Skift fram gir , skift bakover gir . Si hvilken du bruker; det er der fortegnet avgjøres.
Å ikke kontrollere med middelverdien. er gjennomsnittet av dataene. Ti sekunder, og det fanger de fleste regnefeil i den mest utsatte koeffisienten.
Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.
Skolesaga er en uavhengig læringsressurs og er ikke tilknyttet eller godkjent av Norges teknisk-naturvitenskapelige universitet. Dette er ikke offisielt studiemateriell. Les mer.