Saya melihat-lihat online tetapi saya tidak menemukan yang relevan. Sangat sulit bagi perangkat elektronik untuk menguraikan sinyal dalam frekuensi yang berbeda.
Bagaimana ini dilakukan pada tingkat logam kosong?
Sumber atau komentar yang disarankan akan sangat membantu
power-electronics
hardware
fourier
veronika
sumber
sumber
Jawaban:
Perangkat yang menggunakan Fourier Transform
Ini bukan.
Sebenarnya ada beberapa perangkat yang melakukan itu, secara eksplisit.
Pertama-tama, Anda harus membuat perbedaan antara transformasi Fourier berkelanjutan (yang mungkin Anda kenal sebagaiF{ x ( t ) } ( f) = ∫∞- ∞x ( t ) ej 2 πftd t ) dan Digital Fourier Transform (DFT), yang dapat Anda lakukan dengan sinyal sampel.
Untuk keduanya, ada perangkat yang mengimplementasikannya.
Transformasi Fourier Berkelanjutan
Ada sedikit cara kebutuhan aktual untuk ini dalam elektronik digital - sinyal digital diambil sampelnya, jadi Anda akan menggunakan DFT.
Dalam optik dan fotonik, Anda akan melihat bahwa ada peluang aktual untuk mendapatkan benda periodik yang sempurna dengan panjang "besar" (baca: hampir tak terhingga dari integral di atas). Secara efektif, elemen acousto-optik dapat bersemangat dengan satu atau beberapa nada, dan itu akan memiliki efek korelasi yang sama dengan integral di atas. Anda tidak perlu melihat pada pemenang Hadiah Nobel Fisika 2018 untuk menemukan contoh Fourier Optik .
Discrete Fourier Transform
Ini benar - benar di semua tempat ; ini merupakan langkah pemrosesan standar sehingga sebagai insinyur komunikasi, kita bahkan sering lupa di mana tempatnya.
Jadi, daftar ini jauh dari lengkap; contoh saja:
Perhatikan bahwa daftar di atas hanya berisi hal-hal yang melakukan DFT selama operasi . Anda dapat 100% yakin bahwa selama desain apa pun yang terkait dengan RF, terutama antena, mixer, amplifier, (de) modulator, banyak Transformasi Fourier / analisis Spektral terlibat. Hal yang sama berlaku untuk desain perangkat audio, desain tautan data berkecepatan tinggi, analisis gambar ...
Bagaimana ini dilakukan?
Saya hanya akan membahas DFT di sini.
Biasanya, itu diimplementasikan sebagai FFT , Fast Fourier Transform. Itu salah satu penemuan algoritmik paling penting dari abad ke-20, jadi saya akan menyisakan sedikit kata tentang itu, karena ada ribuan artikel di luar sana yang menjelaskan FFT.
Dengan begitu, Anda dapat mengurangi kompleksitas DFT dari $ N ^ 2 $ (yang akan menjadi kompleksitas jika Anda menerapkan DFT sebagai jumlah naif) menjadi sesuatu dalam urutanNcatatanN N
Ini relatif mudah untuk mengimplementasikannya dalam perangkat keras, jika Anda bisa mendapatkan seluruh vektor input sekaligus - Anda mendapatkancatatanN N= 2l
Dalam perangkat lunak, prinsipnya sama, tetapi Anda perlu tahu cara multi-thread transformasi yang sangat besar, dan cara mengakses memori secepat mungkin dengan memanfaatkan cache CPU Anda secara optimal.
Namun, untuk perangkat keras dan perangkat lunak, ada perpustakaan yang hanya Anda gunakan untuk menghitung DFT (FFT). Untuk Perangkat Keras, yang biasanya berasal dari vendor FPGA Anda (mis. Altera / Intel, Xilinx, Lattice ...), atau perusahaan alat desain ASIC besar (Cadence) atau rumah ASIC Anda.
sumber
Anda tidak bisa mendapatkan lebih banyak "bare metal" dan "hardware" daripada satu set buluh bergetar.
http://www.stichtco.com/freq_met.htm
Jadi perangkat keras apa yang melakukan transformasi fourier, sekelompok sistem resonansi dapat melakukan itu
sumber
Perangkat Gelombang Akustik Permukaan digunakan sebagai perangkat elektro-mekanis analog untuk melakukan beberapa tugas pemrosesan sinyal. Sebagian besar kertas paywalled.
Bab 16 dari buku Colin Campbell 1989 Surface Acoustic Wave Devices dan Aplikasi Pemrosesan Sinyal mereka
Ringkasan Penerbit
sumber
Ini dapat dilakukan pada level logam telanjang - secara harfiah - menggunakan Harmonic Analyzer:
https://www.youtube.com/watch?v=NAsM30MAHLg
Dan maaf untuk memberikan jawaban hanya tautan, tetapi yang ini benar-benar harus Anda lihat sendiri.
sumber
Transformasi Fourier pada fungsi sampel diskrit adalah perubahan fungsi dasar dari serangkaian nilai kali-sampel (biasanya) menjadi serangkaian nilai frekuensi-komponen yang setara. Ini adalah transformasi linear (transformasi Fourier dari jumlah dua seri adalah jumlah dari transformasi Fourier dari dua seri), sehingga identik dengan matriks yang beroperasi pada vektor (seri time-of-sample).
Matriks peringkat N yang beroperasi pada vektor dengan komponen N menghasilkan vektor kedua dengan komponen N dengan melakukan perkalian N ^ 2, dan penambahan (N ^ 2 - N).
Oke, jadi sekarang bagaimana logam melakukan ini:
Ada alat yang disebut 'harmonic analyzer' yang mengalikan dan mengakumulasi satu frekuensi (pada dasarnya satu baris matriks), yang merupakan sejenis komputer analog. Ini melibatkan memplot fungsi input pada kertas grafik, menghubungkan polar planimeter (integrator mekanik) dan linkage (pengali mekanik) dan melacak kurva memberi Anda ... satu elemen dari output. Menggunakannya tidak terlalu buruk, tetapi untuk transformasi 1024-elemen, Anda harus melakukan operasi ... 1024 kali. Ini adalah bagaimana tabel pasang surut dihitung, seabad yang lalu. lihat artikel Instrumen Matematika di sini, halaman 71
Lalu ada metode manual, menggunakan slide rule dan menambahkan mesin, yang membutuhkan mencari elemen matriks dalam tabel sinus / cosinus, dan itu berarti Anda mengoperasikan slide rule Anda, untuk pengambilan sampel 1024 elemen, lebih dari 2 juta kali.
Komputer serba guna dapat melakukan operasi juga.
Beberapa (prosesor sinyal digital, DSP) khusus desain CPU dibuat dengan akselerasi multiply-akumulasi hardware, yang mempercepat. Dan, ada algoritma yang sangat pintar, FFT, yang mengatasi masalah sampel N yang membutuhkan operasi N ^ 2, dengan mencatat bahwa matriks 4x4 adalah matriks 2x2 dari matriks 2x2; ada cara untuk mengambil angka komposit (kekuatan dua, seperti '1024' mudah digunakan) dan hanya menggunakan operasi N * Log (N) sesuai pesanan alih-alih N ^ 2. Itu berarti 1024 input hanya membutuhkan 61.440 operasi, bukan 1.048.576.
FFT tidak menyederhanakan transformasi Fourier diskrit umum, karena mengharuskan nilai N menjadi nonprima (dan hampir selalu menggunakan kekuatan dua), tetapi FFT dapat didukung perangkat keras dalam berbagai cara, sehingga operasi (Mengalikan-akumulasi) adalah langkah yang membatasi waktu. Satu chip (2019) modern (ADBSP-561 dari kolom MMAC Perangkat Analog ) dapat melakukan 2.400 operasi seperti itu per mikrodetik.
sumber
Pada dasarnya itulah yang dilakukan oleh penganalisa spektrum:
https://www.electronics-notes.com/articles/test-methods/spectrum-analyzer/realtime-spectrum-analyser.php
sumber