Citat:
jonathan: Pođi sa suprotne strane. Ako je npr 8-bitnom kvantizacijom diskretnog signala od 4 KHz širine dobiješ 8x4kx2 = 64kbita/s, logično je pretpostaviti i obrnuto, da se istih tih 64kbps može strpati u 4kHz :)
Ponavljam, primer je jako uprošćen, ali zgodan je za razumevanje.
Nisam siguran da je ovo bas dobar primer - izbor broja bita kojima se kvantizuje signal je potpuno slobodan
parametar, diktiran zeljenim dinamickom rezolucijom (tj. odnosom izmedju najjaceg i najslabijeg signala) i nema
gotovo nikakve veze sa propusnim opsegom. Nista te ne sprecava ni da isti signal semplovan na 8kHz kvantizujes
i sa 16, 24, 32 bita - dobices samo bolju dinamiku, a frekventni opseg ostaje isti.
Shannon ocito nije tako nesto imao na umu kad je pisao teoremu. Sta bi bio pravi primer ?
Morao bih da se podsetim - ostarilo se, a i davno se nisam aktivno bavio teorijom informacija.
Citat:
Mada, chisto offtopic, gde se nailazi u praksi na korishcenje FFT-a, neki primer, bilo kakav, na radnom mestu:)
kada ti konkretno zatreba analiza DFT-om ti ukljucish komp, vidish sliku, i zakljuchish shta, ako moze par rechenica o
tome kako to u praksi izgleda, neki praktican problem gde treba FFT :)
FFT je DFT algoritam optimizovan za brzo racunanje, pri cemu je jedan od zahteva da se radi sa kolekcijama od 2^N
semplova.
Gde se koristi i zasta ?
Koristi se jedino i samo
uvek i svugde za trenutnu procenu spektra signala (magnitude i faze). Kad dizajniras neki sistem, obicno
pustas neki deterministicki signal, recimo jednu ili zbir vise sinusoida, beli sum, sweep signal (tj. sinusoidu cija se frekvencija
linearno menja) i gledas sta se sve desava sa spektrom. Ako imas neku gresku u algoritmu, vrlo cesto se desava da na
samom signalu u vremenskom domenu ne mozes golim okom da procenis da postoji greska, medjutim sve se to vrlo lepo vidi
na peak-ovima u spektru kojima tu uopste nije mesto.
Postoji mali milion ostalih algoritama koji su bazirani na ovoj ili onoj verziji FFT-ja - promene tonske visine muzickog snimka pri
ocuvanom tempu, otklanjanje rezidentnih komponenti u miksovanom zvuku (pistanje, zujanje...), promena percepcije obicnog
stereo snimka u smeru povecane prostornosti, analiza kvaliteta zvuka muzickih instrumenata,..... i jos mnogo, mnogo, mnogo toga.
FFT nije najoptimalnija metoda u smislu brzine izvrsavanja programa (tu su razne DSP implementacije filtara, razni drugi algoritmi
za iste stvari) ali u smislu kontrole toga sta hoces da uradis sa signalom je onoliko blizu idealnome ukoliko je numericka preciznost
masine jaca.
Da sam na tvome mestu (buduci inzenjer telekomunikacija ?), navalio bih na FFT kao zec na kupus - to je azbuka za bilo sta vezano
za obradu signala.