Šenonova Teorema o Uzorcima - Prezentacija

Poznati pojmovi i tvrenja
Uzorkovanje i rekonstrukcija signala
Primena enonove teoreme o uzorcima
enonova teorema o uzorcima

Andrija Stamenkovi
22. Decembar 2016.
Sadraj

Furijeova transformacija
Poasonova formula

Signal
Uzorkovanje signala
Rekonstrukcija signala

Aliasing
Oznaimo sa G(R) familiju funkcija f : R C, koje su po

delovima neprekidne i apsolutno integrabilne.
Definicija
Neka je data funkcija f G(R). Furijeova transformacija funkcije
f je definisana nesvojstvenim integralom:
1
F(f )() =
2
+
Z
f (x)eix dx.
Oznaimo sa G(R) familiju funkcija f : R C, koje su po

delovima neprekidne i apsolutno integrabilne.
Definicija
Neka je data funkcija f G(R). Furijeova transformacija funkcije
f je definisana nesvojstvenim integralom:
1
F(f )() =
2
+
Z
f (x)eix dx.
Iz prethodne definicije sledi da je F dobro definisana za sve

f G(R), a vai i vie od toga.
Stav
Za sve funkcije f G(R) vai:
1. F(f )() je definisana za sve R,
2. F(f )() je neprekidna na R,
3.
lim F(f )() = 0.
Iz prethodne definicije sledi da je F dobro definisana za sve

f G(R), a vai i vie od toga.
Stav
Za sve funkcije f G(R) vai:
1. F(f )() je definisana za sve R,
2. F(f )() je neprekidna na R,
3.
lim F(f )() = 0.
Primer
Neka je [a,b] karakteristina funkcija intervala [a, b],
< a < b < +, u odnosu na R. Tada je njena Furijeova
transformacija
1
F([a,b] )() =
2
+
Z
Zb
1
ix
eix dx
[a,b] e
dx =
2

eix b
1
=
2 i a
eia
eib
.
2i
Specijalno, ako je a = b, b > 0, dobija se

F([b,b] )() =
eib eib
sin(b)
=
.
2i
Primer
transformacija
1
F([a,b] )() =
2
+
Zb
Z
1
ix
eix dx
[a,b] e
dx =
2

eix b
1
=
2 i a
eia
eib
.
2i

F([b,b] )() =
eib eib
sin(b)
=
.
2i
Primer
transformacija
1
F([a,b] )() =
2
+
Zb
Z
1
ix
eix dx
[a,b] e
dx =
2

eix b
1
=
2 i a
eia
eib
.
2i

F([b,b] )() =
eib eib
sin(b)
=
.
2i
Primer
transformacija
1
F([a,b] )() =
2
+
Zb
Z
1
ix
eix dx
[a,b] e
dx =
2

eix b
1
=
2 i a
eia
eib
.
2i

F([b,b] )() =
eib eib
sin(b)
=
.
2i
Primer
transformacija
1
F([a,b] )() =
2
+
Zb
Z
1
ix
eix dx
[a,b] e
dx =
2

eix b
1
=
2 i a
eia
eib
.
2i

F([b,b] )() =
eib eib
sin(b)
=
.
2i
Primer
transformacija
1
F([a,b] )() =
2
+
Zb
Z
1
ix
eix dx
[a,b] e
dx =
2

eix b
1
=
2 i a
eia
eib
.
2i

F([b,b] )() =
eib eib
sin(b)
=
.
2i
Kao direktnu posledicu linearnosti integrala dobijamo da linearnost

vai i za Furijeovu transformaciju.
Stav (Linearnost Furijeove transformacije)
Za sve f, g G(R), a, b C vai da af + bg G(R) i
F(af + bg)() = aF(f )() + bF(g)().
Takoe, vai i sledee tvrenje.
Stav
Neka je F(f )() G(R). Tada je
F(F(f )())(x) =
1
f (x).
2

F(af + bg)() = aF(f )() + bF(g)().
Stav
F(F(f )())(x) =
1
f (x).
2

F(af + bg)() = aF(f )() + bF(g)().
Stav
F(F(f )())(x) =
1
f (x).
2
Primer
Naimo Furijeovu transformaciju funkcije f () =
2 sin(a)
, a > 0.

sin(a)
F(f ())(x) = F 2
(x) = 2F(F([a,a] )())(x)
1
= 2 [a,a] (x) = [a,a] (x).
2
Stav (Formula translacije)
Neka je f G(R). Tada funkcija f (x a) pripada klasi G(R) za
sve a R, i vai
F(f (x a))() = eia F(f )().
Primer
2 sin(a)
, a > 0.

sin(a)
F(f ())(x) = F 2
(x) = 2F(F([a,a] )())(x)
1
= 2 [a,a] (x) = [a,a] (x).
2
sve a R, i vai
F(f (x a))() = eia F(f )().
Primer
2 sin(a)
, a > 0.

sin(a)
F(f ())(x) = F 2
(x) = 2F(F([a,a] )())(x)
1
= 2 [a,a] (x) = [a,a] (x).
2
sve a R, i vai
F(f (x a))() = eia F(f )().
Primer
2 sin(a)
, a > 0.

sin(a)
F(f ())(x) = F 2
(x) = 2F(F([a,a] )())(x)
1
= 2 [a,a] (x) = [a,a] (x).
2
sve a R, i vai
F(f (x a))() = eia F(f )().
Poasonova formula
Neka je funkcija f apsolutno integrabilna i neka je dato L > 0.

Tada je funkcija
X
f (x) =
f (x + nL)
n=
periodina s periodom L.
Teorema (Poasonova formula)
Neka je data funkcija f takva da je |f (x)| 6 C(1 + |x|)p ,
|F(f )()| 6 C(1 + ||)p , za sve x, R i konstante C > 0,
p > 1. Tada, za dato L > 0, vai:

2n 2inx
2 X
F
e L , x R.
f (x + nL) =
L
L
n=
n=
Ta formula vai takasto za sve x R, i obe sume su apsolutno

konvergentne.
Poasonova formula
Neka je funkcija f apsolutno integrabilna i neka je dato L > 0.

Tada je funkcija
X
f (x) =
f (x + nL)
n=
periodina s periodom L.
Teorema (Poasonova formula)
Neka je data funkcija f takva da je |f (x)| 6 C(1 + |x|)p ,
|F(f )()| 6 C(1 + ||)p , za sve x, R i konstante C > 0,
p > 1. Tada, za dato L > 0, vai:

2n 2inx
2 X
F
e L , x R.
f (x + nL) =
L
L
n=
n=
Ta formula vai takasto za sve x R, i obe sume su apsolutno

konvergentne.
Poasonova formula
Dokaz.
Podsetimo se, ako je funkcija f (x) periodina sa periodom L > 0,
P
2inx
njen Furijeov red u kompleksnom obliku je
cn e L , gde je
n=
1
cn =
L
ZL
f (x)e
2inx
L
dx, n N.
Dalje, kao posledicu uslova teoreme dobijamo da oba reda

uniformno i apsolutno konvergiraju za sve x R, to nam
omoguava razmenu graninih procesaa .
a
Za detalje videti http://math.stackexchange.com/questions/603759/

details-for-proof-of-poisson-summation-formula i Teoremu 5.30 u
knjizi P. L. Walker: The Theory of Fourier Series and Integrals, first edition,
Wiley, 1986.
Poasonova formula
Dokaz.
Podsetimo se, ako je funkcija f (x) periodina sa periodom L > 0,
P
2inx
njen Furijeov red u kompleksnom obliku je
cn e L , gde je
n=
1
cn =
L
ZL
f (x)e
2inx
L
dx, n N.
Dalje, kao posledicu uslova teoreme dobijamo da oba reda

uniformno i apsolutno konvergiraju za sve x R, to nam
omoguava razmenu graninih procesaa .
a
Za detalje videti http://math.stackexchange.com/questions/603759/

details-for-proof-of-poisson-summation-formula i Teoremu 5.30 u
knjizi P. L. Walker: The Theory of Fourier Series and Integrals, first edition,
Wiley, 1986.
Poasonova formula
Dokaz (nastavak).
Prema tome, za f (x) =
f (x + kL) vai:
k=
1
cn =
L
ZL X
0 k=
ZL
1 X
L
f (x + kL)e
2inx
L
dx
f (x + kL)e
2inx
L
dx
k= 0
smena: t=x+kL 1
X
k=
(k+1)L
Z
f (t)e
kL
2int
L
e2ink dt
Poasonova formula
Dokaz (nastavak).
f (x + kL) vai:
k=
1
cn =
L
ZL X
0 k=
ZL
1 X
L
f (x + kL)e
2inx
L
dx
f (x + kL)e
2inx
L
dx
k= 0
smena: t=x+kL 1
X
k=
(k+1)L
Z
f (t)e
kL
2int
L
e2ink dt
Poasonova formula
Dokaz (nastavak).
f (x + kL) vai:
k=
1
cn =
L
ZL X
0 k=
ZL
1 X
L
f (x + kL)e
2inx
L
dx
f (x + kL)e
2inx
L
dx
k= 0
smena: t=x+kL 1
X
k=
(k+1)L
Z
f (t)e
kL
2int
L
e2ink dt
Poasonova formula
Dokaz (nastavak).
1
=
L
+
Z
2int
f (t)e L dt

2
2n
=
F
, n N.
L
L
Sada, na osnovu jedinstvenosti razvoja funkcije u Furijeov red,
dobijamo traeno tvrenje.
Poasonova formula
Dokaz (nastavak).
1
=
L
+
Z
2int
f (t)e L dt

2
2n
=
F
, n N.
L
L
Sada, na osnovu jedinstvenosti razvoja funkcije u Furijeov red,
dobijamo traeno tvrenje.
Poasonova formula
Na slian nain se moe dokazati da, ako je F Furijeova

transformaciija funkcije f i ako vae uslovi prethodne teoreme, vai
sledea formula:
X
T X
inT
f (nT )e
=
F( ns ), R,
2 n=
n=
gde je T =
2
s ,
a s > 0 zadata konstanta.
(1.1)
Signal
Signalima se moe opisati irok spektar fizikih fenomena. Iako

mogu biti predstavljeni na mnogo naina, u svim sluajevima
informacije u signalu se nalaze u obrascima varijacija nekog oblika.
Primer
Posmatrajmo prosto RC kolo na slici. U ovom sluaju obrasci
varijacija tokom vremena u izvoru i kondenzatoru napona, VS i VC ,
su primeri signala.
Signal
Signalima se moe opisati irok spektar fizikih fenomena. Iako

mogu biti predstavljeni na mnogo naina, u svim sluajevima
informacije u signalu se nalaze u obrascima varijacija nekog oblika.
Primer
Posmatrajmo prosto RC kolo na slici. U ovom sluaju obrasci
varijacija tokom vremena u izvoru i kondenzatoru napona, VS i VC ,
su primeri signala.
Signal
Signali se matematiki predstavljaju kao funkcije jedne ili vie

nezavisnih promenljivih.
Primer
Audio signal se stvara promenom u vazdunom pritisku, i stoga
moe biti predstavljen kao funkcija vremena f (t), gde f predstavlja
pritisak vazduha zbog zvuka u vremenu t. Na slici je prikazan
primer audio signala neijeg izgovora rei Matlab.
Signal
Signali se matematiki predstavljaju kao funkcije jedne ili vie

nezavisnih promenljivih.
Primer
Audio signal se stvara promenom u vazdunom pritisku, i stoga
moe biti predstavljen kao funkcija vremena f (t), gde f predstavlja
pritisak vazduha zbog zvuka u vremenu t. Na slici je prikazan
primer audio signala neijeg izgovora rei Matlab.
Signal
Razmatraemo dva osnovna tipa signala:

1. kontinualne vremenske signale, kod kojih je nezavisna
promenljiva neprekidna (to ne mora da vai i za zavisnu
promenljivu), i
2. diskretne vremenske signale, kod kojih nezavisna promenljiva
uzima najvie prebrojivo mnogo vrednosti.
Primer
Audio signal iz prethodnog primera jeste kontinualni vremenski
signal, dok je dole na slici prikazan jedan diskretni vremenski signal.
Signal

promenljivu), i
Primer
Signal

promenljivu), i
Primer
Signal
Kako bi razlikovali kontinualni i diskretni vremenski signal,

koristiemo t, unutar zagrada (), da oznaimo nezavisnu
promenljivu u kontinualnom vremenskom signalu, dok emo u
sluaju diskretnog vremenskog signala koristiti oznaku n, unutar
zagrada [], da oznaimo nezavisnu promenljivu, kao to je uinjeno
na prethodnoj slici.
Definiimo sada jedan veoma bitan pojam u obradi signala.
Definicija
Neka funkcija (signal) f ima osnovni period T0 . Tada je L = T10
frekvencija, a = 2
T0 ugaona frekvencija funkcije (signala) f .
Primer
Frekvencija signala x(t) = sin(t), gde je t vreme dato u sekundama,
1
je L = 2
Hz 0.16 Hz, dok je ugaona frekvencija = 1 rad
s .
Signal

Definicija
frekvencija, a = 2
Primer
1
je L = 2
s .
Signal

Definicija
frekvencija, a = 2
Primer
1
je L = 2
s .
Uzorkovanje signala
Uzorkovanje je redukcija kontinualnog vremenskog signala u

diskretni vremenski signal.
Neka je x(t) kontinualni vremenski signal, gde je t vreme dato u
sekundama. Uzorkovanje se vri merenjem vrednosti x(t) svakih T
sekundi, koje se naziva period uzorkovanja. Tada je uzorkovani
signal dat sa xs [n] = x(nT ), n Z. Frekvencija uzorkovanja Ls je
prosean broj uzoraka dobijenih u jednoj sekundi, tj. Ls = T1 .
Uzorkovanje signala
Uzorkovanje je redukcija kontinualnog vremenskog signala u

diskretni vremenski signal.
Neka je x(t) kontinualni vremenski signal, gde je t vreme dato u
sekundama. Uzorkovanje se vri merenjem vrednosti x(t) svakih T
sekundi, koje se naziva period uzorkovanja. Tada je uzorkovani
signal dat sa xs [n] = x(nT ), n Z. Frekvencija uzorkovanja Ls je
prosean broj uzoraka dobijenih u jednoj sekundi, tj. Ls = T1 .
Uzorkovanje signala
Primer
Na slici je prikazano uzorkovanje signala kojim je predstavljena
promena temperature tokom vremena.
Rekonstrukcija signala
Osnovno pitanje je: Da li je pomou poznatih vrednosti diskretnog

vremenskog signala xs [n], dobijenog uzorkovanjem za poznati
period T , mogue jedinstveno odrediti, tj. rekonstruisati,
kontinualni vremenski signal x(t)?
Primer
Donja slika ilustruje problem rekonstrukcije kontinualnog
vremenskog signala datim uzorcima.
Definicija
Funkcija (signal) f G(R) je ogranienog opsega ako postoji
b R tako da za sve || > b vai F(f )() = 0.
Teorema (enonova teorema o uzorcima)
Neka je f G(R) i neka postoji b R tako da za sve || > b
vai F(f )() = 0. Tada za sve s > 2b vai:
f (x) =
X
n=
gde je T =
2
s
f (nT )
)
2 sin s (xnT
2
, x R,
s (x nT )
i f (nT ) = fs [n] uzorci funkcije (signala) f .
Definicija
Funkcija (signal) f G(R) je ogranienog opsega ako postoji
b R tako da za sve || > b vai F(f )() = 0.
Teorema (enonova teorema o uzorcima)
Neka je f G(R) i neka postoji b R tako da za sve || > b
vai F(f )() = 0. Tada za sve s > 2b vai:
f (x) =
X
n=
gde je T =
2
s
f (nT )
)
2 sin s (xnT
2
, x R,
s (x nT )
i f (nT ) = fs [n] uzorci funkcije (signala) f .
Dokaz.
Neka je s > 2b i
F () =
F( ns ).
n=
Tada je F periodina funkcija s periodom s , i vai

F() = F ()[ s , s ] .Na osnovu jedinstvenosti Furijeove
2
2
transformacije, dovoljno je da se pokae da je
!
)
X
2 sin s (xnT
2
F
f (nT )
() = F ()[ s , s ] ().
2
2
s (x nT )
n=
Dokaz.
Neka je s > 2b i
F () =
F( ns ).
n=
Tada je F periodina funkcija s periodom s , i vai

F() = F ()[ s , s ] .Na osnovu jedinstvenosti Furijeove
2
2
transformacije, dovoljno je da se pokae da je
!
)
X
2 sin s (xnT
2
F
f (nT )
() = F ()[ s , s ] ().
2
2
s (x nT )
n=
Dokaz (nastavak).
Koristei linearnost Furijeove transformacije i drugi primer sa ove
prezentacije, dobijamo da vai

2 sin 2s x
F
() = T [ s , s ] ().
s x
2
Prema tome, na osnovu formule translacije, imamo da je

!
)
2 sin s (xnT
2
F
() = einT T [ s , s ] ().
(xnT )
s
Dokaz (nastavak).
Koristei linearnost Furijeove transformacije i drugi primer sa ove
prezentacije, dobijamo da vai

2 sin 2s x
F
() = T [ s , s ] ().
s x
2
Prema tome, na osnovu formule translacije, imamo da je

!
)
2 sin s (xnT
2
F
() = einT T [ s , s ] ().
(xnT )
s
Dokaz (nastavak).
Dakle,
)
2 sin s (xnT
2
f (nT )
F
s (x nT )
n=
!
()
T X
f (nT )einT [ s , s ] ()
=
2
2
2 n=
F( ns )[ s , s ] ()
2
n=
= F ()[ s , s ] ()
2
= F(),
gde je u drugoj jednakosti koriena formula (1.1).
Dokaz (nastavak).
Dakle,
)
2 sin s (xnT
2
f (nT )
F
s (x nT )
n=
!
()
T X
f (nT )einT [ s , s ] ()
=
2
2
2 n=
F( ns )[ s , s ] ()
2
n=
= F ()[ s , s ] ()
2
= F(),
Dokaz (nastavak).
Dakle,
)
2 sin s (xnT
2
f (nT )
F
s (x nT )
n=
!
()
T X
f (nT )einT [ s , s ] ()
=
2
2
2 n=
F( ns )[ s , s ] ()
2
n=
= F ()[ s , s ] ()
2
= F(),
Prema enonovoj teoremi o uzorcima, funkcija (signal) f

ogranienog opsega, sa frekvencijom b , je u potpunosti odreena
svojim vrednostima (uzorcima) u nizu ekvidistantnih taaka sa
rastojanjem manjim od b . Pored toga, enonova teorema o
uzorcima nam takoe daje i formulu za rekonstrukciju funkcije
(signala) f .
Ako je poznato da je funkcija (signal) f ogranienog opsega sa
frekvencijom b , da bi rekonstrukcija bila mogua, uestalost
uzorkovanja s mora da bude vea od 2b . Frekvencija 2b se zove
Nikvistova brzina. Slede slike koje ilustruju ispunjenost i
neispunjenost uslova s > 2b , tim redom.
Prema enonovoj teoremi o uzorcima, funkcija (signal) f

ogranienog opsega, sa frekvencijom b , je u potpunosti odreena
svojim vrednostima (uzorcima) u nizu ekvidistantnih taaka sa
rastojanjem manjim od b . Pored toga, enonova teorema o
uzorcima nam takoe daje i formulu za rekonstrukciju funkcije
(signala) f .
Ako je poznato da je funkcija (signal) f ogranienog opsega sa
frekvencijom b , da bi rekonstrukcija bila mogua, uestalost
uzorkovanja s mora da bude vea od 2b . Frekvencija 2b se zove
Nikvistova brzina. Slede slike koje ilustruju ispunjenost i
neispunjenost uslova s > 2b , tim redom.

Aliasing
Ukoliko se signal uzorkuje sporije od Nikvistove brzine, moe se

desiti da jednom nizu uzoraka odgovara vie razliitih signala, kao
to se vidi na slici. Ova pojava se naziva aliasing.
Aliasing
Na prethodnoj slici plava sinusoida je uzorkovana sporije od

Nikvistove brzine za taj signal, pa njenim uzorcima odgovara crvena
sinusoida manje frekvencije.
Mada, moda smo trebali da rekonstruiemo ba crvenu sinusoidu.
U tom sluaju su ispunjeni uslovi enonove teoreme o uzorcima, jer
je uzorkovanje vreno bre od Nikvistive brzine, ali tim uzorcima
odgovara vie signala. Sada vidimo vanost pretpostavke enonove
teoreme o uzorcima da je frekvencija funkcije (signala) f najvie b .
Aliasing

Aliasing

Aliasing

Aliasing
Vratimo se sada na problem aliasinga. Da bi se on spreio ili bar

ublaio, postoje dve stvari koje se mogu uiniti:
1. poveati frekvenciju uzorkovanja;
2. koristiti anti-aliasing filtere.
Primer
Na slikama je prikazano dejstvo postepenog poveavanja frekvencije
uzorkovanja.
Aliasing

Primer
uzorkovanja.
Aliasing

Primer
uzorkovanja.
Aliasing
Anti-aliasing filteri slue da ogranie opseg signala, pre njegovog

uzorkovanja, tako da aproksimativno ili u potpunosti zadovolji
uslove enonove teoreme o uzorcima. Teorija dozvoljava postojanje
takvih filtera, ali se problemi javljaju pri njihovoj konstrukciji.
Naime, ne mogu se konstruisati idealni filteri, to izaziva takozvano
curenje visokih frekvencija.
Primer
Na slici je prikazano dejstvo anti-aliasing filtera na tekst.
Aliasing
Anti-aliasing filteri slue da ogranie opseg signala, pre njegovog

uzorkovanja, tako da aproksimativno ili u potpunosti zadovolji
uslove enonove teoreme o uzorcima. Teorija dozvoljava postojanje
takvih filtera, ali se problemi javljaju pri njihovoj konstrukciji.
Naime, ne mogu se konstruisati idealni filteri, to izaziva takozvano
curenje visokih frekvencija.
Primer
Na slici je prikazano dejstvo anti-aliasing filtera na tekst.
Aliasing
Dva tipa aliasinga koja se esto javljaju su vremenski, nastao u

signalima uzorkovanim na vreme (npr. audio signali), i prostorni,
nastao u prostorno uzorkovanim signalima (npr. digitalna slika).
Primer
Na levoj slici vidimo prostorni aliasing, a na desnoj korekciju
pomou anti-aliasing filtera.
Aliasing
Dva tipa aliasinga koja se esto javljaju su vremenski, nastao u

signalima uzorkovanim na vreme (npr. audio signali), i prostorni,
nastao u prostorno uzorkovanim signalima (npr. digitalna slika).
Primer
Na levoj slici vidimo prostorni aliasing, a na desnoj korekciju
pomou anti-aliasing filtera.

Šenonova Teorema o Uzorcima - Prezentacija

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Šenonova Teorema o Uzorcima - Prezentacija

Uploaded by

Copyright:

Available Formats

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Primena enonove teoreme o uzorcima

enonova teorema o uzorcima

22. Decembar 2016.

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Primena enonove teoreme o uzorcima

Primena enonove teoreme o uzorcima

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Primena enonove teoreme o uzorcima

Oznaimo sa G(R) familiju funkcija f : R C, koje su po

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Primena enonove teoreme o uzorcima

Oznaimo sa G(R) familiju funkcija f : R C, koje su po

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Primena enonove teoreme o uzorcima

Iz prethodne definicije sledi da je F dobro definisana za sve

lim F(f )() = 0.

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Primena enonove teoreme o uzorcima

Iz prethodne definicije sledi da je F dobro definisana za sve

lim F(f )() = 0.

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Primena enonove teoreme o uzorcima

Specijalno, ako je a = b, b > 0, dobija se

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Primena enonove teoreme o uzorcima

Specijalno, ako je a = b, b > 0, dobija se

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Primena enonove teoreme o uzorcima

Specijalno, ako je a = b, b > 0, dobija se

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Primena enonove teoreme o uzorcima

Specijalno, ako je a = b, b > 0, dobija se

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Primena enonove teoreme o uzorcima

Specijalno, ako je a = b, b > 0, dobija se

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Primena enonove teoreme o uzorcima

Specijalno, ako je a = b, b > 0, dobija se

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Primena enonove teoreme o uzorcima

Kao direktnu posledicu linearnosti integrala dobijamo da linearnost

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Primena enonove teoreme o uzorcima

Kao direktnu posledicu linearnosti integrala dobijamo da linearnost

Poznati pojmovi i tvrenja

Uzorkovanje i rekonstrukcija signala

Primena enonove teoreme o uzorcima