صفحه محصول - پاورپوینت تبدیل فوریه

پاورپوینت تبدیل فوریه (pptx) 20 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 20 اسلاید

قسمتی از متن PowerPoint (.pptx) :

تبدیل فوریه (Fourier Transform) پس ازعبور نور از يك منشور ‍(Prism) يا diffraction grating، نور به اجزا مختلف با فركانس هاي خاص خود (مونوكروماتيك) تجزيه مي شود. اين امر مشابه تبديل فوريه (FT) است. مي توان يــك سيگنال يك بعدي را بصورت مجموعه اي از امواج سينوسي (با فركانس و دامنه متفاوت) نشان داد. هرچه فركانس هاي بيشتري را محاسبه نماييم تخمين فوريه يك سيگنال دقيق تر مي شود و اطلاعات بيشتري درباره شكل اوليه آن بدست مي آيد. تبدیل فوریه (Fourier Transform) FT مبتني بر اين واقعيت است كه سيگنال دوره اي (Periodic) شامل بي نهايت سيگنال هاي سينوسي وزن دار با فــركانس هاي متفاوت است. اين فركانس ها عبارتند از فركانس پايه (frequency Fundamental ) و مضارب درست اين فركانس پايه. در تبديل فوريه، توابع پايه‌اي هم جهت(orthonormal basis function)، امواج سينوسي با فركانس‌هاي متفاوت هسنند كه در فضاي بي‌نهايت تعريف شده‌اند تبدیل فوریه (Fourier Transform) هر يك از ضرايب حاصل در تبديل فوريه توسط ضرب نقطه‌اي(inner product) تابع ورودي و يكي از توابع پايه‌اي(basis function) بدست مي‌آيد. اين ضرايب، در واقع، درجه شباهت بين تابع ورودي و تابع پايه‌اي مورد نظر را نشان مي‌دهد. اگر دو تابع پايه‌اي بر هم عمود (orthogonal) باشند، حاصل‌ضرب نقطه‌اي آنها صفر و لذا نشان مي‌دهد كه آن‌دو با هم شبيه نيستند. بنابراين اگر سيگنال يا تصوير ورودي از اجزايي تشكيل شده باشد كه يك يا چند تابع پايه‌اي داشته باشد، سپس آن يك يا چند ضريب بزرگ و ديگر ضرايب كوچك هستند. Inverse Fouries Transform در تبديل معكوس، سيگنال يا تصوير اوليه توسط مجموع توابع پايه‌اي (در فركانس‌هاي مختلف) كه تحت تاثير وزن ضرايب تبديل قرار گرفته‌اند، بازسازي مي‌شود. بنابراين اگر يك سيگنال يا تصوير از اجزائي شبيه به تعداد معدودي از توابع پايه‌اي تشكيل شده باشد، بسياري از عبارات موجود در اين جمع (ضرايب تبديل) حذف شده و فقط تعدادي از اين ضرايب تبديل، تقويت اجزايي از تصوير را كه شبيه به توابع مربوطه پايه‌اي است انجام داده و تصوير را مي‌سازند. Advantage وقتي تبديل فوريه يك سيگنال يا تصوير بدست مي آيد، اعمال متعدد رياضي برروي آنها قابل انجام است. در فضاي فركانسي انجام اين عمليات رياضي از انجام آنها در فضاي مكاني به مراتب ساده تر است. بعنوان مثال عمل Convolution به يك ضرب ساده تبديل مــي شود و روش هاي پردازشي ديگر نيز مانند Correlation، differentiation، integration و Interpolation به سهولت انجام مي شوند. 1D Fourier Transform تبديل فوريه يك تابع يك بعدي ( x ) f بصورت زير تعريف مي شود. x بـعنــــــوان يـك مـتغيــر در فضاي واقـعـي ( real Space ) و U در فضاي فركـانس (Frequency Space) در نظر گرفته مــــي شود و ( x ) f نـشان دهنده يك پــروسـه فيـزيكـي است. ( x ) f مــعمـولاً band Limited است يعني پهناي باند آن 2B است. f(x)¹ 0 for < B otherwise f(x) = 0 Fourier Transform of f(t) Real part of this Function is: MX (Real)  MY (Imaginary)