跳到主要內容

[訊號與系統] Phasor Addition Theorem

首先回憶什麼是 Phasor:考慮一組弦波訊號 $x(t) = a \cos(2 \pi f t+ \phi)$,我們可將其表為
\[
x(t) = a \cos(2 \pi f t+ \phi) = Re\{A e^{j 2 \pi f t}\}
\] 其中 $A:= a e^{j \phi}$ 稱作 Phasor。

在訊號處理的時候,我們經常需要將弦波訊號做相加。如果兩組弦波訊號具有相同頻率,則相加的處理可以大幅簡化。更而甚之,若有 $n$ 組弦波訊號具有相同頻率相加,其結果可表為單一相同頻率弦波訊號 僅僅只有振幅 與 相位改變。此結果稱之為 Phasor Addition Theorem:

=======================
Phasor Addition Theorem: 存在 $A, \phi$ 使得
\[
\sum_{k=1}^N A_k \cos(\omega_0 t + \phi_k) = A \cos(\omega_0 t + \phi)
\]=======================
Proof:
首先觀察
\[{A_k}\cos ({\omega _0}t + {\phi _k}) = \operatorname{Re} \left\{ {{A_k}{e^{j{\phi _k}}}{e^{j{\omega _0}t}}} \right\}
\]其中右式中的 複數 $A_k e^{j{\phi _k}}$ 稱之為 phasor ,故
\begin{align*}
  \sum\limits_{k = 1}^N {\operatorname{Re} \left\{ {{A_k}{e^{j{\phi _k}}}{e^{j{\omega _0}t}}} \right\}}  &= \operatorname{Re} \left\{ {\sum\limits_{k = 1}^N {{A_k}{e^{j{\phi _k}}}{e^{j{\omega _0}t}}} } \right\} \hfill \\
   &= \operatorname{Re} \left\{ {\left( {\sum\limits_{k = 1}^N {{A_k}{e^{j{\phi _k}}}} } \right){e^{j{\omega _0}t}}} \right\} \hfill \\
\end{align*} 注意到上述 ${\sum\limits_{k = 1}^N {{A_k}{e^{j{\phi _k}}}} }$ ,可知必定存在 $A$ 與 $\phi$  (why?) 使得
\[\sum\limits_{k = 1}^N {{A_k}{e^{j{\phi _k}}}}  = A{e^{j\phi }}\]故
\begin{align*}
  \sum\limits_{k = 1}^N {\operatorname{Re} \left\{ {{A_k}{e^{j{\phi _k}}}{e^{j{\omega _0}t}}} \right\}}  &= \operatorname{Re} \left\{ {\left( {\sum\limits_{k = 1}^N {{A_k}{e^{j{\phi _k}}}} } \right){e^{j{\omega _0}t}}} \right\} \hfill \\
   &= \operatorname{Re} \left\{ {A{e^{j\phi }}{e^{j{\omega _0}t}}} \right\} \hfill \\
   &= A\cos \left( {{\omega _0}t + \phi } \right). \;\;\;\;\;\; \square
\end{align*}


Comments:
1. 上述相加運算在系統理論中視為 線性非時變 (Linear Time Invariant, LTI)系統,故弦波訊號 進入 線性非時變系統 仍為 弦波訊號緊緊振幅 與相位改變 。此結果一般會在 頻率響應 的章節中作更進一步討論,在此不再贅述。

2.1 注意到若不同頻率的弦波想要相加,則情況會變得較為複雜,一般實務上,尤其電力系統會避免將不同頻率相加,來避免不同頻率弦波相加出現抵銷的情況。

2.2 回憶 $\omega_0 = 2 \pi f_0$,現在 對 $k=1,2,3,...,N$ ,若頻率 $f_k := k f_0$ ,則我們稱此 $f_k$ 為 k-th harmonic frequencies ,此時盡管 Phasor Addition Theorem 失效 (也就是無法將一堆具有 k-th harmonic frequencies 的弦波相加之後表示為單一弦波),但我們仍然可將不同弦波相加 表示為以下式子:
\[\sum\limits_{k = 1}^N {{A_k}} \cos (2\pi {f_k}t + {\phi _k}) = \sum\limits_{k = 1}^N {{A_k}} \cos (2\pi k{f_0}t + {\phi _k})\]其中 $k=1$ 時所得到的頻率 $f_0$ 稱之為基本頻率 (fundamental frequency)

3. 若是不同頻率弦波相乘,一般稱此運算為調變(modulation)。在此不做贅述。



我們來看個例子:

Example 1:
考慮
\[\left\{ \begin{gathered}
  x_1^{}\left( t \right) = a_1 \cos \left( {2\pi f t + \theta_1 } \right) \hfill \\
  x_2^{}\left( t \right) = a_2 \cos \left( {2\pi f t + \theta_2} \right) \hfill \\
\end{gathered}  \right.\] 現令 $x_3(t) = x_1(t) + x_2(t)$
(a) 試求 $x_1$ 與 $x_2$ 之 complex amplitude $X_1 := A_1 e^{j \phi_1}$ 與 $X_2 :=A_2 e^{j \phi_2}$
(b) 試證明
\[x_3^{}\left( t \right) = r\cos \left( {2\pi ft + \theta } \right)
\]其中
\begin{align*}
  r &: = \sqrt {{{\left( {{a_1}\cos {\theta _1} + {a_2}\cos {\theta _2}} \right)}^2} + {{\left( {{a_1}\sin {\theta _1} + {a_2}\sin {\theta _2}} \right)}^2}}  \hfill \\
\theta &: = {\tan ^{ - 1}}\left( {\frac{{{a_1}\sin {\theta _1} + {a_2}\sin {\theta _2}}}{{{a_1}\cos {\theta _1} + {a_2}\cos {\theta _2}}}} \right)
\end{align*} (c) 試求 $x_3$ 之 complex amplitude $X_3 := A_3 e^{j \phi_3}$

Solution:
(a) 由 $x_1(t)$ 與 $x_2(t)$ 不難得到
\[\begin{gathered}   {X_1} = {A_1}{e^{j{\phi _1}}} = {a_1}{e^{j{\theta _1}}} \hfill \\
  {X_2} = {A_1}{e^{j{\phi _1}}} = {a_2}{e^{j{\theta _2}}} \hfill \\
\end{gathered} \]
(b) 現在我們求 $X_3 := A_3 e^{j \phi_3}$ 首先觀察
\begin{align*}
  x_3^{}\left( t \right) &= x_1^{}\left( t \right) + x_2^{}\left( t \right) \hfill \\
   &= \operatorname{Re} \left\{ {{a_1}{e^{j{\theta _1}}}{e^{j2\pi ft}}} \right\} + \operatorname{Re} \left\{ {{a_2}{e^{j{\theta _2}}}{e^{j2\pi ft}}} \right\} \hfill \\
   &= \operatorname{Re} \left\{ {{a_1}{e^{j{\theta _1}}}{e^{j2\pi ft}} + {a_2}{e^{j{\theta _2}}}{e^{j2\pi ft}}} \right\} \hfill \\
   &= \operatorname{Re} \left\{ {\left( {{a_1}{e^{j{\theta _1}}} + {a_2}{e^{j{\theta _2}}}} \right){e^{j2\pi ft}}} \right\} \hfill \\
   &= \operatorname{Re} \left\{ {\left( {{a_1}\left( {\cos {\theta _1} + j\sin {\theta _1}} \right) + {a_2}\left( {\cos {\theta _2} + j\sin {\theta _2}} \right)} \right){e^{j2\pi ft}}} \right\} \hfill \\
   &= \operatorname{Re} \left\{ {\left( {\left( {{a_1}\cos {\theta _1} + {a_2}\cos {\theta _2}} \right) + j\left( {{a_1}\sin {\theta _1} + {a_2}\sin {\theta _2}} \right)} \right){e^{j2\pi ft}}} \right\} \hfill \\
   &= \operatorname{Re} \left\{ {r{e^{j\theta }}{e^{j2\pi ft}}} \right\} \hfill \\
   &= r\cos \left( {2\pi ft + \theta } \right) \hfill \\
\end{align*}
其中
\begin{align*}
  r &: = \sqrt {{{\left( {{a_1}\cos {\theta _1} + {a_2}\cos {\theta _2}} \right)}^2} + {{\left( {{a_1}\sin {\theta _1} + {a_2}\sin {\theta _2}} \right)}^2}}  \hfill \\
\theta &: = {\tan ^{ - 1}}\left( {\frac{{{a_1}\sin {\theta _1} + {a_2}\sin {\theta _2}}}{{{a_1}\cos {\theta _1} + {a_2}\cos {\theta _2}}}} \right)
\end{align*}

以下我們試著將數字帶入來看看
Example 2:
考慮
\[\begin{gathered}
  x_1^{}\left( t \right) = 5\cos \left( {2\pi \left( {100} \right)t + \pi /3} \right) \hfill \\
  x_2^{}\left( t \right) = 4\cos \left( {2\pi \left( {100} \right)t - \pi /4} \right) \hfill \\
\end{gathered}
\]令 $x_3(t) = x_1(t) + x_2(t)$ 試求 $A, \phi$ 使得 $x_3(t) = A \cos(2 \pi f t + \phi) $

Proof:
首先觀察 $f = 100$ (Hz) 且 $a_1=5,a2=4$ 與 $\theta_1 = \pi/3, \theta_2 = - \pi/4$
\[
x_3^{}\left( t \right) = r\cos \left( {2\pi ft + \theta } \right)
\]其中
\begin{align*}
  r &= \sqrt {{{\left( {{A_1}\cos {\theta _1} + {A_2}\cos {\theta _2}} \right)}^2} + {{\left( {{A_1}\sin {\theta _1} + {A_2}\sin {\theta _2}} \right)}^2}}  \hfill \\
   &= \sqrt {{{\left( {5\cos \left( {\pi /3} \right) + 4\cos \left( { - \pi /4} \right)} \right)}^2} + {{\left( {5\sin \left( {\pi /3} \right) + 4\sin \left( { - \pi /4} \right)} \right)}^2}}  \hfill \\
   &= 5.536 \hfill \\
\end{align*}
同理
\begin{align*}
  \theta  &= {\tan ^{ - 1}}\left( {\frac{{{a_1}\sin {\theta _1} + {a_2}\sin {\theta _2}}}{{{a_1}\cos {\theta _1} + {a_2}\cos {\theta _2}}}} \right) \hfill \\
   &= {\tan ^{ - 1}}\left( {\frac{{5\sin \left( {\pi /3} \right) + 4\sin \left( { - \pi /4} \right)}}{{5\cos \left( {\pi /3} \right) + 4\cos \left( { - \pi /4} \right)}}} \right) \hfill \\
   &= 0.2747 \hfill \\
\end{align*}

\[x_3^{}\left( t \right) = r\cos \left( {2\pi ft + \theta } \right) = 5.536\cos \left( {2\pi \left( {100} \right)t + 0.2747} \right)\]



留言

這個網誌中的熱門文章

[數學分析] 什麼是若且唯若 "if and only if"

數學上的 if and only if  ( 此文不討論邏輯學中的 if and only if,只討論數學上的 if and only if。) 中文翻譯叫做  若且唯若 (or 當且僅當) , 記得當初剛接觸這個詞彙的時候,我是完全不明白到底是甚麼意思,查了翻譯也是愛莫能助,畢竟有翻跟沒翻一樣,都是有看沒有懂。 在數學上如果看到 if and only if  這類的句子,其實是表示一種 雙條件句 ,通常可以直接將其視為" 定義(Definition)" 待之,今天要分享的是這樣的一個句子如何用比較直觀的方法去看他 假設我們現在有 兩個邏輯陳述句 A 與  B. 注意到,在此我們不必考慮這兩個陳述句到底是什麼,想表達什麼,或者到底是否為真(true),這些都不重要。只要知道是兩個陳述即可。 現在,考慮新的陳述:  "A if and only if B" 好了,現在主角登場,我們可以怎麼看待這個句子呢? 事實上我們可以很直覺的把這句子拆成兩部分看待,也就是 "( A if B ) and ( A only if B )" 那麼先針對第一個部分  A if B  來看, 其實這句就是說  if B then A, 更直白一點就是 "if B is true, then A is also true".  在數學上等價可以寫為 "B implies A" .  或者更常用一個箭頭符號來表示 "B $\Rightarrow$  A"  現在針對第二個部分  A only if B 此句意指  "If B is not true, then A is also not true". 所以如果已知 A is true,  那麼按照上句不難推得 B is also true 也就是說  A only if B  等價為 "If A is true then B is also true". 同樣,也可以寫作   "A implies B"   或者用箭頭表示  "A   $\Rightarrow$     B".

[數學分析] 淺談各種基本範數 (Norm)

這次要介紹的是數學上一個重要的概念: Norm: 一般翻譯成 範數 (在英語中 norm 有規範的意思,比如我們說normalization就是把某種東西/物品/事件 做 正規化,也就是加上規範使其正常化),不過個人認為其實翻譯成 範數 也是看不懂的...這邊建議把 Norm 想成長度就好 (事實上norm是長度的抽象推廣), 也許讀者會認為好端端的長度不用,為何又要發明一個 norm 來自討苦吃?? 既抽象又艱澀。 事實上想法是這樣的: 比如說現在想要比較兩個數字 $3$ , $5$ 之間的大小,則我們可以馬上知道 $ 3 < 5 $;同樣的,如果再考慮小數與無理數如 $1.8753$ 與 $\pi$,我們仍然可以比較大小 $1.8753 < \pi = 3.1415...$ 故可以發現我們有辦法對 "純量" 做明確的比大小,WHY? 因為前述例子中 $3$, $5$, $1.8753$ or $\pi$ 其各自的大小有辦法被 "measure "! 但是如果是現在考慮的是一組數字 我們如何去measure 其大小呢?? 比如說 \[x:=[1, -2, 0.1, 0 ]^T \]上式的大小該是多少? 是 $1$? $-2$? $0.1$??? 再者如果更過分一點,我們考慮一個矩陣 \[A = \left[ {\begin{array}{*{20}{c}} 1&2\\ 3&4 \end{array}} \right] \],想要知道這個矩陣的大小又該怎麼辦?? 是 $1$ ? $2$ 還是 $4$ ?..其實現階段我們說不清楚。 也正是如此,可以發現我們確實需要新的 "長度" 的定義來幫助我們如何去 measure 矩陣/向量/甚至是函數的大小。 故此,我們首先定義甚麼是Norm,(也就是把 "長度" or "大小" 的本質抽離出來) ================== Definition: Norm 考慮 $V$ 為一個向量空間(Vector space),則我們說  Norm 為一個函數 $||\cdot|| : V \rightarrow \mathbb{R}$ 且滿足下列性質