Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
________________________________________________________________________
4. SISTEMI I SIGNALI
4.1 Definicije osnovnih pojmova
Informacija je novo, do tada nepoznato, saoptenje (obavjetenje) o ne emu.
Komunikacija je razmjena informacija.
Signal je materijalni nosioc (prenosilac) informacije, koji moe biti razli ite fizikalne
prirode (elektri ni, mehani ki, pneumatski, itd).
Sistem je izdvojeni dio prostora kod kojeg postoji povezanost sa ostalim dijelom
prostora. Ako je dio fizi kog prostora, sistem je fizi ki a ako je dio apstraktnog prostora,
sistem je apstraktni (npr. sistem jedna ina).
Organizovani fizi ki sistem ili kra e sistem je skup dijelova, jedinica, tj. podsistema koji
su me usobno povezani u funkcionalnu cjelinu sa ciljem da se ostvari odre eni zadatak,
kretanje (rad, proces) a na osnovu razmene materije i/ili energije i/ili informacije izme u
podsistema u okviru sistema i izme u sistema i okoline. Po svojoj prirodi sistem moe
da bude tehni ki, bioloki, drutveni, ekonomski, itd.
Veli ine koje bitno uti u na rad sistema a nastale su van njega su njegove ulazne
veli ine (oznaka u ) veli ine. M ulaznih veli ina u1 , u2 , , uM ine vektor ulaza u ,
odnosno u
u1 u2
u3
uM
Veli ina ija vrijednost i ije promjene vrijednosti predstavljaju rezultat rada sistema, a za
ije vrijednosti i promjene smo zainteresovani je izlazna veli ina (oznaka y ) sistema.
y1
y2
y3
yN
Veli ine koje uti u na rad sistema a nastale su van njega i na koje ne moemo uticati su
poreme ajne veli ine (oznaka z ). P poreme ajnih veli ina z1 , z2 , , z P ine vektor
poreme aja z , odnosno z
z1
z2
z3
zP
Sistemi i signali
________________________________________________________________________
Dijagram sistema je simboli ki grafi ki prikaz sistema S u obliku paravugaonika, na
kojem su sve ulazne veli ine prikazane jednostrukim strelicama usmjerenim ka sistemu,
u1
y1
u
S
uM
yN
S
Slika 4.1.1
S . Sli no, kod paralelne veze sistema S1 i S 2 u sistem S (slika 4.1.2b), ulaz ukupnog
sistema je istovremeno ulaz i sistema S1 i sistema S 2 , dok je izlaz ukupnog sistema
algebarski zbir izlaza sistema S1 i S 2 . Od posebne vanosti je povratna veza dva
sistema S1 i S 2 u sistem S (slika 4.1.2c), kod koje je ulaz sistema S1 algebarski zbir
ukupnog ulaza u sistem i izlaza sistema S 2 , dok je izlaz ukupnog sistema istovremeno
izlaz sistema S1 i ulaz sistema S 2 .
u1
u
u1
S1
u2
y1
S2
y2
S
u2
S1
S2
y1
u1
y
y1
y2
a)
u
y2
b)
y2
y2
S2
S1
y1
u2
y
c)
Slika 4.1.2
Sistemi i signali
________________________________________________________________________
4.2 Matemati ko modeliranje sistema
Realni fizikalni sistemi se zamjenjuju njihovim matemati kim modelima. Ti modeli imaju
osobine realnih sistema, tako da se pomo u njih moe izvoditi analiza i sinteza realnih
sistema, te simulacija tih sistema na digitalnom ra unaru. Time je omogu ena laka
promjena pojedinih parametara sistema, kao i uticaj tih parametara na ponaanje izlaza
sistema. Kod matemati kog modeliranja, a u cilju pojednostavljivanja modela, esto se
uvode odre ene pretpostavke i aproksimacije.
Sistemi mogu biti stati ki i dinami ki. Ako u matemati om modelu sistema nema izvoda
niti jedna izlazne ili ulazne promjenljive po vremenu, onda je sistem stati ki. U
suprotnom sistem je dinami ki. Na primjer, stati ki sistem je poluga kod koje je
pomjeranje jednog kraja ulaz a pomjeranje drugog kraja izlaz. Pri tome su uvedene
slede e pretpostavke: (i) poluga je apsolutnio kruto tijelo (nije elasti na), (ii) masa
poluge se zanemaruje, tako da ne postoje inercijalne sile i (iii) trenje u osloncu se
zanemaruje. U slu aju da pretpostavka (ii) ne vai ili trenje u osloncu zavisi od ugaone
brzine, sistem je dinami ki. Kod stati kih sistema nema kanjenja izlaza u odnosu na
ulaz, dok kod dinami kih to postoji. Ako kanjenje postoji, onda izlaz uvijek kasni za
ulazom, jer je ulaz uzrok a izlaz posledica. U realnim sistemima obrnuto je nemogu e,
jer posledica ne moe da prethodi uzroku.
Ako je matemati ki model sistema opisan obi nim linearnim diferencijalnim jedna inama
sa konstantnim koeficijentima, onda je u pitanju stacionarni linearni sistem. Ako me u
tim koeficijentia postoji bar jedan koji zavisi od vremena, onda se radi o linearnom
nestacionarnom sistemu. U slu aju da je sistem opisan nelinearnim diferencijalnim
jedna inama, u pitanju su nelinearni sistemi. Analogno sa prethodnim, i oni mogu biti
stacionarni i nestacionarni.
U teoriji sistema automatskog upravljanja, najve i dio problema analize i sinteze je
rijeen za linearne stacionarne sisteme. To je prije svega zbog toga to kod ovih
sistema, zbog linearnosti, vrijedi princip superpozicije, a zbog stacionarnosti sistem je
vremenski invarijantan. Ako za sistem vrijedi princip suporpozicije, onda to zna i da ako
y1 t a za ulaz u2 t izlaz je y2 t , onda za ulaz
je za ulaz u1 t izlaz
u t
u1 t
u2 t izlaz je y t
y1 t
y2 t . Vremenska invarijantnost zna i da
odziv ne e promjeniti svoju vrijednost ako se pobuda pomakne za neki vremenski
interval . Drugim rije ima to zna i, da ako je za ulaz (pobudu) u t u trenutku t izlaz
Sistemi i signali
________________________________________________________________________
frekventnom domenu su razra ene metode pomo u kojih je koritenjem tih zavisnosti
mogu e izvriti analizu i sintezu ukupnog sistema. Intezivan razvoj ra unarskih
tehnologija je omogu io da se nelinearne i parcijalne diferencijalne jedna ine mogu
priblino rjeavati, to je i doprinijelo da se i teorije nelinearnih sistema intezivno razvija.
Tako e, razvoj vjeta ke inteligencije i ekspertskih sistema je u inio da se veliki broj
problema moe rjeavati i u slu ajevima kada je matemati ki model sistema nepoznat.
Na sli an na in izvodimo jedna inu ponaanja elektri nog sistema, slika 4.2.2. Sistem
se sastoji od redne veze omskog otpora, zavojnice i kondezatora. Posmatramo
promjenu napona uC t (izlaz, odziv) na kondezatoru u zavisnosti od promjene ulaznog
(pobudnog) napona u t . Zbog redne veze, struja i t kroz sve komponente sistema je
Sistemi i signali
________________________________________________________________________
ista. Po drugom Kirhofovom zakonu, ukupna elektromotorna sila (priklju eni napon) je
jednaka zbiru padova napona, odnosno
u t uR t u L t u C t , gdje su naponi
L
u t
L
R
uR t
u t
uC t
i t
di t
1
i t dt
dt
C
padovi napona na omskom otporu,
zavojnici
i
kondezatoru
sledstveno.
Eleminacijom struje i t iz zadnje jedna ine
uR t
Ri t , uL t
i uC t
duC t
, to smjenom u
dt
prethodne jedna ine, kona no daje jedna inu ponaanja sistema kao
d 2 uC t
du t
LC
RC C
uC t u t .
(4.2)
2
dt
dt
I u ovom slu aju smo dobili diferencijalnu jedna inu drugog reda sa konstantnim
koeficijentima. Prema tome, i mehani ki sistem sa slike 4.2.1 i elektri ni sistem sa slike
4.2.2 su modelirani kao linearni stacionarni sistemi. Nakon dijelenja jedna ine (4.1) sa
M i jedna ine (4.2) sa LC i stavljaju i kod prve jedna ine da je ulaz u f t i izlaz
dobijamo
Slika 4.2.2
i t
y x t a kod druge jedna ine, ulaz u u t i izlaz y uC t , dobijamo u oba slu aja
istu diferencijalnu jedna inu
d2y
dy
a1
a0 y b0u ,
(4.3)
2
dt
dt
pri emu su u prvom(drugom) slu aju koeficijenti a0 , a1 i b0 dati kao (vrijednosti u zagradi
1 1
K 1
D R
, a1
i b0
. Dakle, iako su ova
M LC
M L
M LC
dva sistema potpuno razli ita po svojoj fizikalnoj prirodi, kad je u pitanju ponaanje
izlaza u odnosu na djelovanje ulaza, oni imaju isto ponaanje. Matemati ki model ova
dva sistema je identi an. Ako je za matemati ki model (4.3) poznat uticaj parametara na
ponaanje izlaza sistema, onda je za svaki sistem koji imaju isti matemati ki model lako
uo iti uticaj njegovih parametara na njegov izlaz. Tako, umjesto da posmatramo sistem
sa slike 4.2.1 mi moemo na osciloskopu posmatrati sistem sa slike 4.2.2, pri emu je
lako uspostaviti zavisnost me u parametrima sistema; sa jedne strane mehani kog
sistema: masa (M), krutost opruge (K) i priguenja (D) i sa druge strane elektri nog
sistema: induktivnost (L), kapacitet (C) i otpornost (R).
su za elektri ni sistem) : a0
Kod tre eg primjera, slika 4.2.3, posmatramo slobodno kretanje kuglice mase
m polupre nika r u konkavnoj glatkoj povrini (kaloti). Izme u kuglice i kalote postoji
sila trenja kotrljanja fC koja
zavisi od koeficijenta trenja
i
ugaone brzine , tj. fC
L .
Kuglica u proizvoljnoj poziciji,
npr. ta ka A , ima kineti ku i
potencijalnu energiju sledstveno:
2
1
i
Ek
m L
2
E p mgL 1 cos
tako da je
m
r
A
O
Slika 4.2.3
Sistemi i signali
________________________________________________________________________
Lagrenova energija L
Ek
d L
dt
ponaanja ovog sistema, kao
Ep ,
to dalje daje
fC ,
1
m L
2
mgL 1 cos
Iz
mL2
L mgL sin
0.
(4.4)
Za razliku od prethodna dva primjera, u ovom primjeru dobili smo nelinearnu
diferencijalnu jedna inu koja predstavlja stacionarni (jer koeficijenti nisu funkcije
vremena) nelinearni sistem. Za stacionarne linearne sisteme je razvijen matemati ki
aparat za analizu i sintezu, to nije slu aj sa nelinearnim sistemima. Zbog toga se
nelinearni sistemi linearizuju u nekoj okolini eljene izlazne i upravlja ke veli ine, tako
da se i ve ina takvih sistema sa kojima se sre emo u mehatronici, sa dovoljno ta nosti,
mogu posmatrati kao linearni. O postupku linearizacije vie rije i u nastavku.
Sistemi i signali
________________________________________________________________________
Za elektri ni sistem, opisan jedna inom ponaanja (4.2), uvo enjem stanja
x1 uc i x2 uc i stavljaju i y uc t , u u t , dobijamo jedna inu stanja i jedna inu
izlaza u obliku (4.7) gdje su: x
uc
x1
uc
x2
1
R ,b
1 , c 1 0 .
LC
L
LC
Lako je primjetiti da su u oba slu aja matrica A i vektori b i c konstantni i da ne
zavise niti od stanja (zbog linearnosti) niti od vremena (zbog stacionarnosti). Ovo ne vai
za tre i primjer, jer je jedna ina ponaanja koja ga opisuje nelinearna, odnosno sistem je
nelinearan. Kod tog primjera e matrica A zavisiti od stanja x1
. Zbog toga se vri
linearizacija takvog sistema.
, A
4.2.3 Linearizacija
Problem linearizacije
Koijevoj formi oblika
, X
X1
(4.9)
g X t ,U t ,
Y t
gdje je vektor X
f X t ,U t
X2
Xn
f
f1 f 2
fn
je vektorska funkcija stanja i skalarna funkcija g :
funkcija izlaza. Razvojom funkcija
f i g u Tajlorov red u okoline neke ta ke
X s ,U s dobijamo
X t
f X s ,U s
Y t
g X s ,U s
f
X
g
X
X t
X Xs
U Us
X t
X Xs
U Us
f
U
Xs
Xs
g
U
U t
X Xs
U Us
U t
X Xs
U Us
Us
U
Xs , U t
Us
i Y t
Ys
Ax bu
(4.10)
y cx + du
skalar d =
g
U
f
X
n n
, vektor b =
X Xs
U Us
.
X Xs
U Us
f
U
n
X Xs
U Us
, vektor c =
g
X
1 n
X Xs
U Us
Sistemi i signali
________________________________________________________________________
Primjer:
Jedna inu ponaanja (4.4) prikai u Koijevom obliku a zatim izvri linearizaciju u okolini
stacionarnog stanja ako je ulaz U s 0 .
Uvode i smjene: X 1
dobijamo:
i X2
X 2 = f 1 X 1 , X 2 ,U
X1
g
sin X 1
L
X2
Y
0 , X 1s
0
c= 1 0 .
X 2s
X 0 0
U 0
Nakon
0.
0 , tako da imamo
X 2s
mL
X 2s ,
Matricu
g
cos X 1
L
smjena
X 2s
g
sin X 1s
L
X 1s
Ys
f2
X2
f 2 X 1 , X 2 ,U
g X 1, X 2 ,U
f1
X2
X2
X1
U stacionarnom stanju i za U s
odnosno
f1
X1
A=
f2
X1
mL
A dobijamo kao A =
mL
X t
X 0 0
U 0
0 ,u
, i vektori
g
L
U t
f
X
mL
0
i y= Y t
Ys
b=
,
X Xs
U Us
0
0
dobijamo
jedna inu stanja x Ax i jedna inu izlaza y cx . Sistem kod kojeg je u jedna ini stanja
ulaz (upravljanje ) jednako nuli se naziva autonoman sistem, jer se kretanje u takvom
sistemu ostvaruje samo na osnovu akumulisane energije. U naem slu aju to je usled
kineti ke i potencijalne energije koje sistem ima u ta ki A, slika 4.2.3, u po etnom
trenutku posmatranja t 0 .
F s
(4.11)
gdje je funkcija f t
f t
, pri emu
Sistemi i signali
________________________________________________________________________
Kompleksna promjenljiva s
ograni enost integrala (4.11).
slu ajevima (osim 1. ) vai F s
1.
f1 t
2.
f t
3.
at
f2 t
f t
dt
t
5.
, F2 s
f2 t
sn F s
f t dt
7. lim f t
sn k f
k 1
k 1
f 0
f1 t
F s a
6. lim f t
t
F2 s , gdje su F1 s
F1 s
e sF s
dn f t
4.
j .
Realni dio
se bira tako da osigura
U nastavku dajemo osnovne osobine LT. U svim
f t .
F s
s
lim sF s
s
lim sF s
s
Dx t
Kx t
sx (1) 0
x 0
D sX ( s ) x 0
x 0
X s
KX s
F s .
1/ M
.
(4.12)
D
K
F s
s2
s
M
M
U teoriji automatskog upravljanja linearnih sistema razara ene su mnoge metode, kod
kojih se preko funkcije prenosa moe izvriti i analiza i sinteza sistema. Dakle, i jedno i
G s
Sistemi i signali
________________________________________________________________________
drugo se realizuje u kompleksnom podru ju, tako da se samo krajnji rezultati vra aju u
vremensko podru je, tj. u podru je gdje stvarni sistem postoji.
4.3.3
Furijerova transformacija
f t e
j t
j , odnosno
dt .
(4.13)
Digitalni sistemi
a)
x kT
b)
c)
x kT
T
0
Slika 4.4.1
10
Sistemi i signali
________________________________________________________________________
Diskretizacija po nivou je sa velikom rezolucijom, tj. sa velikim brojem uzastopnih nivoa i
sa malom razlikom me e njima (i do vie od 224 16, 777, 216 ), tako da su greke te
diskretizacije zanemarive. To dalje zna i da prakti no ne postoji razlika izme u
diskretnih i digitalnih sistema, odnosno da se za digitalne sisteme moe primjenjivati
teorija diskretnih sistema.
4.4.1 Z- transformacija
Kao to je kod kontinualnih sistema LT matemati ki aparat za analizu sistema, tako je
kod diskretnih sistema, taj aparat
transformacija (ZT). S obzirom da su signali kod
diskretnih sistema definisani samo u nekim trenucima trenucima odabiranja
(uzorkovanja, semplovanja), to zna i da se na njega ne moe primjeniti integralni
ra un. Ako se sada kod LT u jedna ina (4.11) integral zamjeni sa sumom i umjesto e st
piemo e st e sTk z k , z e sT dobijamo
F z
f kT z k .
f kT
(4.14)
k 0
Ovaj izraz predstavlja definicioni obrazac za ra unanje ZT. Sli no kao kod LT i ovdje
(bez dokazivanja) dajemo neke koristne osobine ZT.
1.
f kT
g kT
F z
G z
n 1
2.
zn F z
f k n
f kT z
k 0
3.
f k n
z F z
4.
f k g k n
F z G z
k 0
5. lim f k
f 0
lim F z
6. lim f k
lim 1 z
z 1
F z
Slika 4.4.2
11
Sistemi i signali
________________________________________________________________________
pripadaju. Dakle, perioda odabiranja mora biti takva da se na osnovu diskretnih uzoraka
moe jednozna no rekonstruisati originalni signal. Vrijednost periode odabiranja nekog
proizvoljnog signala, koja daje uzorke na osnovu kojih se jednozna no moe
rekonstruisati originalni kontinualni signal odre ena je slede om teoremom:
Teorema: Neka je zadan kontinualan signal iji frekventni spektar ne sadri frekvencije
ve e od 0 . Ako je srednja frekvencija diskretizacije s ve a od dvostruke najvie
frekvencije u kontinualnom signalu 0 ,
s >2 0 ,
onda je taj kontinualni signal potpuno odre en tako dobijenim diskretnim signalom.
Ova teorema se u anglosaksonskoj literaturi naziva enonova teorema, a u Ruskoj
literaturi teorema Koteljnikova.
U slu aju kad nije mogu e utvrditi najve u frekvenciju s , onda se koriste neke
prakti ne metode za izbor odgovaraju e periode odabiranja. Za detalje pogledajte
specijalizovanu literaturu. I ponovo da naglasimo da je izbor odgovaraju e periode
veoma zna ajan. Suvie mala perioda daje veliki broj uzoraka ime se bitno optere uju
ra unarski resursi mehatroni kog sistema i pove ava vjerovatno a numeri kih greki, a
suvie mala perioda daje uzorke koji ne predstavljaju originalni kontinualni signal.
4.4.3 Diskretni model u obliku jedna ine ponaanja
Realni sistemi su uglavnom kontinualni i opisani su diferencijalnim jedna inama. Ako se
za upravljanje ovim sistemom koristi ra unar koji sa sistemom komunicira samo u
diskretnim trenucima, onda da bi ra unar mogao generisati odgovaraju e upravljanje on
mora raspolagati diskretnim modelom sistema. Ovaj diskretni model je opisan
diferencnim jedna inama. U nastavku emo objasniti dobijanje tog diskretnog modela
ako je kontinualni model dat preko jedna ine ponaanja. Polazimo od definicije izvoda
x t
neke kontinualne funkcije x t , odnosno x t lim
.
Ako je perioda odabiranja
t 0
t
dovoljno mala i ako se signal posmatra samo u trenucima odabiranja, onda vrijedi
x kT
x kT T x kT
priblian obrazac x kT
. Da bi pojednostavili dalji ra un
T
T
uvodimo operator pomjeranja E definisan kao x kT T
Ex kT . Veza izme u ovog
operatora
i
operatora
(prva
kona na
razlika)
data
je
kao
x kT
x kT T x kT
E 1 x kT , odakle slijedi
E 1 . Imaju i ovo na umu
imamo
x
kT
x kT
E 1
Tn
E 1
x kT .
T
Lako
je
pokazati
da
je
n ta
derivacija
Primjer: Posmatramo sistem opisan jedna inom ponaanja (4.3), gdje su koeficijenti
a0 b0 1, a1 3 i ako je perioda odabiranja T 1 .
Rjeenje: U jedna inu ponaanja (4.3) u trenucima kT , prvu i drugu derivaciju
zamjenjujemo priblinim vrijednostima, tako da dobijamo
12
Sistemi i signali
________________________________________________________________________
E 1
T
E 1
1 y kT
T
stepene po E dobijamo,
Ey kT
y kT T
3T 2
T2 1
E
y kT
2
T
T2
u kT , odakle stavljaju i T 1 i
y k 1 , kona no dobijamo y k 2
n
i
ai y t
i 0
y k 1
m
2y k
u k .
i
bi u t , m n, m, n
i 0
ai y k i
i 0
(4.15)
bi u k i ,
i 0
y k
e AT a vektor bd kao bd
T
0
e At dt b . Za razliku
13
Sistemi i signali
________________________________________________________________________
po etnim uslovima, dakle
G z
Y z
Pm z
U z
Qn z
c zI
Ad
dobijanja
bd
d i
a)
b)
periodische
periodi naFunktion
funkcija
Fourier-Polynom
Furijev polinom
Slika 4.5.1
periodische
periodi naFunktion
funkcija
Fourier-Polynom
Furijev polinom
odmah sloio sa ovom tvrdnjom i smatrao je da se rad moe objaviti, me utim Lagran
nije dozvolio da se rad objavi. On je smatrao da ta tvrdnja ne vrijedi za kontinualne
funkcije sa okovima-uglovima (npr. povorka pravougaonih impulsa, testerasti
signal,...), odnosno da je njih nemogu e izraziti preko sinusne funkcije. Rad je ipak
14
Sistemi i signali
________________________________________________________________________
objavljen, ali tek nakon 15 godina, poslije smrti Lagrana. Kasnije e se pokazati da su i
Furije (Laplas) i Lagran bili u pravu. Lagranova tvrdnja da je to za kontinualne
okaste funkcije nemogu e je zaista ta na, ali je isto tako injenica da je razlika izme u
originalne funkcije i Furijerovog polinoma (dobijenog kao zbir sinusa) zanemarivo mala
( na slici 4.5.1 a) data je razlika izme u originalnog testerastog signala i Furijerovog
polinoma od jedne sinusne funkcije, a na slici 4.5.1 b) je data ta razlika kada je Furijerov
polinom zbir od samo 21 sinusne funkcije odgovaraju ih amplituda i frekvencija ), toliko
mala da je razlika energija tih signala jednaka nuli, tj. nema razlike. U tom smislu Furije
je u pravu, ali je i Lagran u pravu, jer u to vrijeme nau na znanja o konceptu energije su
bila veoma mala. To je kasnije pokazano ( poslije smrti Furijera ), Gibsov efekat.
Dakle, preko Furijerove transformacije (FT) vri se razlaganje nekog signala na sinusne
signale1. Ali zato vrimo to razlaganje i zato koristimo sinuse a ne npr. pravougaone
signale? Razloga ima vie, ali me u njima je svakako glavni razlog to to sinusni signal
ima osobinu vjernosti (eng. sinusoidal fidelity), tj. ako je na ulazu nekog linearnog
sistema sinusna pobuda, onda je i na izlazu sinusni signal iste frekvencije kao ulazni,
dok se amplituda i faza mogu razlikovati. U prethodnom izlaganju smo govorili o
kontinualnom (periodi an ili aperiodi an, jer se aperiodi an signal moe tretirati kao
periodi an
sa
beskona nom
periodom ) signalu. A ta se
doga a ako je signal diskretan?
A
Posmatramo slu aj sa slike 4.5.2.
m
Na toj slici je dat aperiodi an signal
p
sa 16 uzoraka. Pokazano je da se
l
ovaj signal moe predstaviti sa 18
i
signala, 9 kosinusnih i 9 sinusnih
t
kao na slici 4.5.3. Nije o igledno, ali
u
je
svaki uzorak sa slike 4.5.2
d
jednak
zbiru 18 odgovaraju ih
a
uzoraka sa slike 4.5.3, i to ne
priblino nego potpuno egzaktno
kao to je 8 jednako 5+3. Funkcija
broj uzorka
na slici 4.5.2 je diskretna funkcija u
vremenskom domenu i ozna ava
Slika 4.5.2
se sa malim slovima, npr, funkcija
x k , dok su uzorci na slici 4.5.3 uzorci u frekventnom domenu i ozna avaju se sa
odgovaraju im velikim slovima. Ne uputaju i se u matemati ku egzaktnost, uzorci u
frekventnom domenu X k na slici 4.5.3 iji zbir daje odgovaraju e uzorke u
veremenskom domenu (slika 4.5.2),
dobijeni su Diskretnom Furijerovom
Transformacijom (DFT) funkcije x n , koja se definie kao
N 1
X k
x n e
2
kn
N
, k
0,1,
, N 1.
(4.20)
n 0
Kad kaemo zbir sinusnih signala, onda pri tome mislimo na obe funkcije, i sinus i cosinus. Kao to
znamo, funkcija cosinus se uvjek moe izraziti preko funkcije sinus.
15
Sistemi i signali
________________________________________________________________________
Kosinusi
Sinusi
Slika 4.5.3
16
Sistemi i signali
________________________________________________________________________
Kod svake transformacije postoji i inverzna transformacija, jer se preko nje rezultati
obrade ponovo vra aju u vremenski domen, tj. tamo gdje realan proces stvarno i postoji.
Ova inverzna transformacija se definie kao
2
j kn
1 N1
X k e N , n 0,1, , N 1 .
(4.21)
Nk0
Nije teko uo iti odre enu sli nost izme u FT (jedna ina 4.13) i DFT (jedna ina 4.20).
Ako se u (4.13) integral zamjeni sumom, kontunualna funkcija x t diskretnom
x n
2 k
, gdje je n diskretni
N
trenutak a N broj uzoraka signala u vremenskom domenu. Oznake k i n se odnose na
diskretnu frekvenciju i diskretni trenutak vremena sledstveno.
funkcijom x n
sa
2
N
N 1
x n WN kn , k
X k
0,1,
, N 1,
n 0
2 k
2 k
n
j sin
n . Ako se skup uzoraka u vremenskom domenu
N
N
izrazi preko vektora x x0 x1
xN 1 , onda gornja jedna ina u matri nom obliku
postaje
gdje je WN kn
cos
1 1
X
x WN
1 WN
x 1 WN2
1 WNN
1
2
N
4
N
WNN 1
WN2( N 1)
W
W
1
WN( N
WN( N
1)2
(4.22)
1)( N 1)
Ova jedna ina se lake i bre realizuje na ra unaru nego jedna ina (4.20), jer ve ina
matemati kih softvera rade isklju ivo sa matricama (svaki realan broj tretiraju kao
matricu dimenzije 1x1), npr. MATLAB.
Primjer: Data su diskretni signali sa 2 ( x x0 x1 ) i 4 uzorka ( x x0 x1 x2 x3 ) u
vremenskom domenu. Odredi DFT tih uzoraka.
Rjeenje: Ako je N
Ako je N
2 , onda je W4
4 , onda je W4
2
j
4
e
j
2
2
1 , pa je W2
1
1
1
1
17
X0
x0
x1
X1
x0
x1 .
Sistemi i signali
________________________________________________________________________
W4
1
1
1
j
1
1
1
j
1
X0
tako da je
x0
x1
x2
x3
x0
x2
x1
x3
X 1 x0 jx1 x2 jx3
X 2 x0 x1 x2 x3
x0 x2
x0 x2
j x1 x3
x1 x3
X3
x0
j x1 x3 .
x0
jx1 x2
jx3
x2
N
N
N
N
N
, tj. 2
, plus dodatnih
operacija, to ukupno daje 2
+
2
2
2
2
2
naem primjeru, za N 4 , ovo je ve uteda u vremenu ra unanja za 50% .
2-DFT
II
x0
x2
N2
.U
2
-1
X0
( x0
x2 ) ( x1
X1
( x0
x2 )
X2
( x0
x2 ) ( x1
X3
( x0
x2 )
j ( x1
x3 )
x3 )
-j
2-DFT
x1
x3
-1
-1
j ( x1
x3 )
x3 )
Slika 4.5.4
18
Sistemi i signali
________________________________________________________________________
nastavi unutar svake grupe, i ponavlja sve dotle dok grupa ne bude imala samo jedan
element, onda se broj ra unanja DFT funkcije f sa N 2 operacija svodi na N log 2 N .
Utede ra unanja tada zavise od broja elemenata, to je dato narednom tabelom. Kao
to vidimo, ra unske utede su ogromne. Zbog toga se ova transformacija naziva brza
furijerova transformacija (FFT, Fast Fourier Transformation). Rije transformacija ovdje
treba shavtiti uslovno, jer u pitanju nije nova transformacija, nego samo brzi algoritam za
ra unanje transformacije poznate kao DFT.
N
FFT:
uteda
DFT: N 2
N log 2 N
8
64
24
62.5%
16
256
64
75%
64
4.096
384
90,625%
256
65.536
2.048
96,875%
512
262.144
4.608
98,242%
4096
16.777.216
49.152
99,707%
1-DFT
2-DFT
4-DFT
8-DFT
X (0)
x (0)
x (4)
W20
X (1)
1
W40
x (2)
x (6)
X (2)
1
W41
W20
X (3)
W80
x(1)
x(5)
W81
W20
1
W82
X (6)
1
W83
W41
W20
X (5)
1
W40
x(3)
x (7)
X (4)
1
Slika 4.5.5
19
X (7)
1
Sistemi i signali
________________________________________________________________________
svakom voru vrijednosti ra unaju koriste i iste lokacije u memoriji uz dodavanje
koeficijenata koji su specifi ni za svaki vor. Ovo ne samo da ubzava postupak
ra unanja, nego i omogu ava da se iste memorijske lokacije koriste tokom cijelog
ra unanja, pri emu nove vrijednosti zamjenjuju stare vrijednosti na istoj lokaciji. Pri
tome uzorci u vremenskom domenu moraju biti poredani kao na slici 4.5.5. Ovaj
redoslijed se naziva bit inverzni redoslijed, jer se isti dobija kad se prirodni redoslijed
uzoraka u vektoru pro ita kao binarni broj ali u obrnutom redoslijedu. Tako npr. uzorak
x6 se nalazi na mjestu koje zauzima uzorak x3 po prirodnom redoslijedu, jer je u
binarnom sistemu 6 110 , to pro itano obrnuto (s desna na lijevo) daje broj 3=011.
Ovo sortiranje se obavi prije FFT posebnim programom, koji ustvari prepie uzorke iz
jednog memorijskog bloka u drugi, npr. iz bloka A u blok B, pri emu se indeksi
elemenata u bloku B dobijaju kao obrnuto pro itani indeksi iz bloka A. Dalje se
kompletan postupak ra unanja realizuje u bloku B. Na kraju ra unanja, odnosno uzorci u
frekventnom domenu (dobijeni DFT) su poredani u prirodnom redoslijedu, slika 4.5.5.
4.7 Realizacija diskretne funkcije prenosa
Posmatramo tipi an sistem automatskog upravljanja, slika 4.5.6, kod kojeg je upravljanje
realizovano preko ra unara. On se sastoji od kontinualnog objekta iji matemati ki
model je dat ili preko jedna ine ponaanja ili preko jedna ina u prostoru stanja ili preko
Go(s)
C(z)
r(t)
A/D
r(k)
e(k)
y(k)
digitalni kontroler
u(k)
diff
jed
D/A
u(t)
objekat
y(t)
takt
senzor
A/D
Slika 4.5.6
funkcije prenosa Go s i digitalnog kontrolera koji je dat ili preko funkcije prenosa C z
ili diferentne jedna ine ponaanja ili diskretnim modelom u prostoru stanja. U daljem
tekstu smatramo da je kontroler zadan preko digitalne funkcije prenosa C z . Zadatak
kontrolera je da generie upravljanje koje e prisiliti objekat da je njegovo dinami ko
ponaanje izlaza y t identi no ili to blie eljenom dinami kom ponaanju i u
prelaznom i u stacionarnom stanju. Prije nego to nastavimo dalje objasnimo pojmove
prelaznog i stacionarnog stanja. Stacionarno stanje sistema je ono stanje koje sistem
stalno zadrava im se jednom na e u njemu, dok je prelazno stanje ono stanje koje nije
stacionarno. Obi no stacionarno stanje smatramo onim stanjem kad vrijeme ima velike
vrijednosti (tei beskona nosti), to po istoj logici implicira da je prelazno stanje ono
stanje kad je vrijeme blisko nuli (tei nuli). Preko stacionarnog stanja se definie ta nost
a preko prelaznog stanja se definiu prelazne osobine sistema kao to su relativna
stabilnost (preskok) i brzina odziva (vrijeme rasta i vrijeme smirenja). eljeno dinami ko
20
Sistemi i signali
________________________________________________________________________
ponaanje u stacionarnom i prelaznom stanju ustvari predstavlja eljeni na in
konvergencije stvarnog izlaza eljenom izlazu (referenci r t ) i ubudu e ga smatramo
poznatim, jer se ono postavlja pred sistem od strane projektanta a zavisno od prakti ne
primjene tog sistema. eljeno dinami ko ponaanje je zadano preko referentne
vrijednosti r t , pri emu ubudu e smatramo da je i na in dostizanja te vrijednosti
poznat, odnosno, ako je poznato r t
10V
256 do 224
21
Sistemi i signali
________________________________________________________________________
4.7.2
Neka se kao kontroler koristi dobro poznati digitalni PID kontroler sa funkcijom prenosa
C z
U z
E z
k pd
kid
1 z
kdd 1 z
kid
1 z
E z
i derivacijske
D z
k dd 1 z
(4.23)
P z
k pd E z ,
integralne
E z . Primjenjuju i inverznu
22
Sistemi i signali
________________________________________________________________________
Rekurzivni algoritam se odlikuje velikom brzinom, to je njegova velika prednost u
odnosu na ostale algoritme. Me utim, ovaj algoritam ima i neke nedostatke koji u nekim
slu ajevima mogu biti veoma kriti ni. Radi se o tome da se greka (npr. ra unska) koja
je nastala u prethodnom trenutku prenosi na sadanji trenutak, odnosno greka se
komulira.
4.7.3
U z
. Ranije smo
E z
odgovaraju e uzorke E k
e n WN kn , k
DFT e n
0,1,
, N 1 u frekvent-
n 0
nom domenu
2. Tako dobijeni uzorci ulaznog signala u frekventnom domenu pomnoe se sa
skupom C k
C e
2 k
N
0,1,
1
N
N 1
C k E k e
2
nk
N
k 0
,N 1.
Za realizaciju gornjeg algoritma oba skupa uzoraka E k i C k moraju biti iste duine,
tj. imati isti broj uzoraka N . Ako se taj broj uzoraka razlikuje, npr. jedan od njih ima M ,
M N , onda se onaj sa manjim brojem dopunjava sa N M nultih uzoraka u
vremenskom domenu. To zna i, ako skup C k ima M elemenata, onda je prvo
1
potrebno na i niz c n
DFT
sa
c N 1
c M
c M
C k ,k
0,1,
,M
0 , na i DFT od C k
DFT c n , k
0,1,
23
, N 1 i taj