T.C. SELÇUK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ

advertisement
T.C.
SELÇUK ÜNĠVERSĠTESĠ
FEN BĠLĠMLERĠ ENSTĠTÜSÜ
SĠRKÜLANT MATRĠSLERĠN SAYISAL
ĠġARET ĠġLEMEDE KULLANIMI
Ahmet ÖTELEġ
YÜKSEK LĠSANS TEZĠ
Matematik Anabilim Dalını
Ağustos-2011
KONYA
Her Hakkı Saklıdır
ÖZET
YÜKSEK LĠSANS TEZĠ
SĠRKÜLANT MATRĠSLERĠN SAYISAL ĠġARET ĠġLEMEDE KULLANIMI
Ahmet ÖTELEġ
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Matematik Anabilim Dalı
DanıĢman: Prof. Dr. DurmuĢ BOZKURT
2011, 50 Sayfa
Jüri
Prof. Dr. AĢır GENÇ
Prof. Dr. DurmuĢ BOZKURT
Yrd. Doç. Dr. Yıldıray KESKĠN
Sirkülant matrisler son yıllarda nümerik hesaplamalarda, işaret işlemede, kodlama teorisinde ve
petrol araştırmalarında sıklıkla kullanılmaktadır. Bu çalışmada, sayısal işaret işlemenin önemli
alanlarından olan ayrık Fourier dönüşümünün (AFD) ve dairesel konvolüsyonun sirkülant matrislerle
ilişkisi ele alındı. Öncelikle; ayrık Fourier dönüşümü (AFD), onun özellikleri ve AFD tabanlı elde edilen
hızlı Fourier dönüşümü (HFD) verildi. Daha sonra sirkülant matrislerin AFD matrisiyle
köşegenleştirilmesi, sirkülant matrislerin öz değerlerinin HFD yardımıyla hesaplanması, yine bu matrisin
öz vektörlerinin AFD matrisinin satır veya sütun vektörleri olduğu ve sirkülant matris katsayılı lineer
denklem sistemlerinin HFD ile hızlı bir şekilde çözüldüğü gösterildi. Son olarak; dairesel konvolüsyon ve
onun sirkülant matrislerle ilişkisi verildikten sonra bu defa sirkülantlı matris katsayılı lineer denklem
sistemlerinin dairesel konvolüsyon metoduyla çözüm yöntemi verildi. Bütün bu yapılanları
somutlaştırmak için çalışmamız örneklerle zenginleştirildi.
Anahtar Kelimeler: Ayrık Fourier Dönüşümü (AFD), Dairesel Konvolüsyon, Hızlı Fourier
Dönüşümü (HFD), Sayısal İşaret İşleme, Sirkülant matrisler
IV
ABSTRACT
MS THESIS
ON USING OF CIRCULANT MATRICES IN DIGITAL SIGNAL PROCESSING
Ahmet ÖTELEġ
THE GRADUATE SCHOOL OF NATURAL AND APPLIED SCIENCE
OF SELÇUK UNIVERSITY
THE DEGREE OF MASTER OF SCIENCE
IN MATHEMATICS
Advisor: Prof. Dr. DurmuĢ Bozkurt
2011, 50 Pages
Jury
Prof. Dr. AĢır GENÇ
Prof. Dr. DurmuĢ BOZKURT
Asst. Prof. Dr. Yıldıray KESKĠN
The circulant matrices have applied in numerical computation, signal processing, coding theory
and oil investigation in recent years, and so on. In this study; we have discussed relationship with the
circulant matrices of Discrete Fourier Transform (DFT) and the circular convolution. Firstly, we have
presented DFT, its properties and Fast Fourier Transform (FFT) obtained from DFT-based. Then, we
have showed the diagonalization of the circulant matrices with DFT matrix, the calculation of the
eigenvalues of the circulant matrices with FFT. We have also showed that the eigenvectors of these
matrices correspond to the row or the column vectors of DFT matrix and the linear equations system
having the circulant matrices could easily be solved with FFT. Finally, after the discussing the circular
convolution and its relationship with the circulant matrices, we have given the solution method the linear
equations system having the cirrculant matrices with the circular convolution method. To embody all the
work that we have done, we have tried to enrich them with the examples.
Keywords: Circulant matrices, Digital Signal Processing, Discrete Fourier Transform (DFT),
Fast Fourier Transform (FFT), Circular Convolution
V
ÖNSÖZ
Bu tez çalışması Selçuk Üniversitesi Fen Fakültesi Matematik Bölümü öğretim üyesi, Prof. Dr.
Durmuş BOZKURT danışmanlığında yapılarak, Selçuk Üniversitesi Fen Bilimleri Enstitüsü’ne yüksek
lisans tezi olarak sunulmuştur.
Bu tez; 1. Bölüm Giriş bölümü, 2. Bölüm Kaynak Araştırması, 3. Bölüm Temel Kavramlar, 4.
Bölüm Sayısal İşaret İşlemede Sirkülant Matrislerin Kullanımı, 5. Bölüm Sonuç ve Öneriler, 6. Bölüm
Kaynaklar olmak üzere toplam altı bölümden oluşmaktadır.
Çalışmalarım boyunca beni yönlendiren ve yardımlarını esirgemeyen danışmanım Prof. Dr.
Durmuş Bozkurt’a teşekkürü bir borç bilirim.
Ahmet ÖTELEŞ
VI
ĠÇĠNDEKĠLER
ÖZET ............................................................................................................................. IV
ABSTRACT .................................................................................................................... V
ÖNSÖZ .......................................................................................................................... VI
ĠÇĠNDEKĠLER ........................................................................................................... VII
1. GĠRĠġ ........................................................................................................................... 1
1.1. Tezin Yapısı ........................................................................................................... 2
2. KAYNAK ARAġTIRMASI ....................................................................................... 4
3. TEMEL KAVRAMLAR ............................................................................................ 5
3.1. Bazı Özel Matrisler ................................................................................................ 5
3.2. Öz değerler ve Öz vektörler ................................................................................... 6
3.3. Bir Matrisin Köşegenleştirilmesi ........................................................................... 7
3.4. Lineer Denklem Sistemleri ve Çözümleri ............................................................. 9
3.5. Sirkülant Matrisler ve Özellikleri ........................................................................ 11
4. SAYISAL ĠġARET ĠġLEMEDE SĠRKÜLANT MATRĠSLER ........................... 17
4.1. Sayısal İşaret İşleme ............................................................................................ 17
4.2. Sirkülant Matrislerin Ayrık Fourier Dönüşüm (AFD) ile İlişkisi ........................ 19
4.2.1. Ayrık Fourier dönüşüm (AFD) matrisi ......................................................... 19
4.2.2. Ayrık Fourier dönüşümü (AFD) ................................................................... 22
4.2.3. Matris formunda AFD ve ters AFD gösterilimi............................................ 22
4.2.4. Hızlı Fourier dönüşümü ................................................................................ 23
4.2.5. Matris gösterimi yardımıyla HFD................................................................. 24
4.2.6. AFD ile HFD’nin karşılaştırılması ............................................................... 25
4.2.7. AFD matrisi ile sirkülant matrislerin köşegenleştirilmesi ............................ 26
4.2.8. Sirkülant matrisin öz değerlerinin HFD yardımıyla hesaplanması ............... 28
4.2.9. Sirkülant matrisin öz vektörlerinin AFD matrisiyle ilişkisi.......................... 31
4.2.10. Sirkülant matris katsayılı lineer denklem sistemlerinin HFD yardımıyla
çözümü .................................................................................................................... 32
4.3. Lineer ve Dairesel Konvolüsyonda Sirkülant Matrisler ...................................... 35
4.3.1. Lineer konvolüsyon ...................................................................................... 35
4.3.2. Dairesel konvolüsyon ................................................................................... 37
4.3.3. Dairesel konvolüsyonun matris gösterimi .................................................... 37
4.3.4. Dairesel konvolüsyonun hesaplanmasında AFD ve ters AFD metodu......... 42
4.3.5. Sirkülant matris katsayılı lineer denklem sistemlerinin çözümü için dairesel
konvülasyon metodu ............................................................................................... 43
5. SONUÇLAR VE ÖNERĠLER ................................................................................. 47
5.1. Sonuçlar ............................................................................................................... 47
VII
5.2. Öneriler ................................................................................................................ 47
6. KAYNAKLAR .......................................................................................................... 48
ÖZGEÇMĠġ .................................................................................................................. 50
VIII
1
1. GĠRĠġ
Sayısal İşaret İşleme (Digital Signal Processing) DSP, sayısal işaretler ve bu
işaretlerin işleme yöntemlerini inceler. Amacı genellikle analog sinyalleri ölçmek ya da
filtrelemek olan DSP bu işlemi yapabilmek için öncelikle bir analog-sayısal
dönüştürücü (A/D) kullanır ve sinyalleri işleyebileceği bir hale getirir. Yapılmak istenen
işlemler yapıldıktan sonra da sayısal-analog dönüştürücü (D/A) kullanarak tekrar analog
sinyal elde edilir (Karaboğa, 1995).
Bir Sayısal işaret İşlemenin Blok Diyagramı
İşaretlerin işlenmesi, elektrik mühendisliğinin en önemli konularından biridir.
Çeşitli nedenlerden dolayı işaretler işlenmektedir. Haberleşmede işareti gürültüden
ayırmak, radar ve sonar sistemlerinde hedefi belirlemek için işaretler işlenir. Ayrıca
işaretler çeşitli uygulamalarda kullanılmak amacıyla da işlenebilir. Televizyonda
görüntüleme, haberleşmede transmisyon ve sayısal sistemlerin kontrolünde kullanmak
için işaretler işlenir.
Ayrık Fourier Dönüşümü (AFD), ayrık zamanlı işaret işleme algoritma ve
sistemlerin analizi, tasarımı, gerçekleştirilmesi ile doğrusal filtreleme, korelasyon
analizi ve spektrum analizi gibi işaret işleme uygulamalarında önemli bir rol oynar.
AFD’nin bu öneme sahip olmasının ardındaki temel neden AFD’yi hesaplamakta
kullanılan verimli algoritmaların varlığıdır.
C  cij  n  kare bir matris olmak üzere elemanları
cij  c j i ;
j  i  k (mod n) (i, j  1, 2,
, n)
şeklinde tanımlanan n  n mertebeli C matrisine sirkülant matris denir ve matris formu
2
C  circ(c0 , c1 ,
 c0
c
 n 1
, cn 1 )  cn  2


 c1
c1
c0
cn 1
c2
c1
c0
c2
c3
cn 1 
cn  2 
cn 3 


c0 
biçimindedir.
C , bir sirkülant matris ve  da köşegen elemanları C sirkülant matrisinin
özdeğerleri olan köşegen bir matris olmak üzere
C  F *F
şeklinde AFD matrisi ile köşegenleştirilebilir. Bir sirkülant matrisin öz değerleri, bu
sirkülant matrisin ilk satırının veya sütununun AFD’sinden oluşur. Bu da hızlı Fourier
dönüşümü (HFD) ile hızlı bir şekilde hesaplanabilir. Ayrıca sirkülant matrislerin öz
vektörleri AFD matrisinin sütun vektörleridir. Yine sirkülant matris katsayılı lineer
denklem sistemlerinin çözümleri de HFD yardımıyla hızlı bir şekilde yapılabilir.
Lineer ve dairesel konvolüsyon, sayısal işaret işlemede çok sık uygulanılan
hesaplama metotlarından birisidir.
a ve b, n bileşenli iki vektör ve C (a) da a vektöründen üretilmiş bir sirkülant
matris olmak üzere bu iki vektörün dairesel konvolüsyonu
a  b  C (a)b
biçimindedir. Yine, sirkülant matris katsayılı lineer denklem sistemleri dairesel
konvolüsyon yardımıyla çözülebilirler.
Sonuç olarak bütün bunlar bize sirkülant matrislerin sayısal işaret işlemede
önemli bir yerinin olduğunu gösterir. Bu tez çalışmasında sirkülant matrisler bu yönden
ele alındı ve yukarıda anlatılanlara tezin esas kısmında ayrıntılı olarak değinildi.
1.1. Tezin Yapısı
Bu tez altı bölümden oluşmaktadır.
1. Bölüm: Giriş bölümü olup bu bölümde tez konusu hakkında önceden yapılan
çalışmalar ve tez konusu kısaca tanıtılmıştır.
2. Bölüm: Tez konusu ile ilgili literatürde yer alan kaynaklar araştırılıp; kaynak
araştırması başlığı altında bu kaynaklar hakkında bilgi verilmiştir.
3. Bölüm: Tez boyunca faydalanılacak bazı kavramlar hakkında ön bilgiler
verilmiştir.
3
4. Bölüm: Tezin esas kısmını oluşturmaktadır. Bu bölümde sayısal işaret
işlemede çok önemli olan ayrık fourier dönüşümü, hızlı fourier dönüşümü ve dairesel
konvolüsyonun sirkülant matrislerle olan ilişkisi detaylı bir şekilde ele alınmıştır.
5. Bölüm: Tezin sonuç ve öneriler bölümü olup bu bölümde, bu konuda ileride
ne tür çalışmalar yapılabileceği ifade edilmiştir.
6. Bölüm: Tez boyunca faydalanılan kaynaklar belirtilmiştir.
4
2. KAYNAK ARAġTIRMASI
X. Liu ve P. Wei (2009), sirkülant matrislerin bir çeşidi olan permütasyon sirkülant
matrisler, sayısal işaret işlemede uygulama alanı olan matrislerdir. Bu çalışmada hızlı
Fourier dönüşümü yardımıyla n  inci mertebeden permütasyon çarpan sirkülant
matrislerin çarpımı ve k  ıncı kuvveti için hızlı bir algoritma verilmiştir.
G. Zhao (2009), sirkülant matrislerin bir çeşidi olan r  sirkülant matrisler sayısal
işaret işlemede kullanılmaktadır. Bu çalışmada, tekil olmayan r  sirkülant matrislerin
sadece ilk satır elemanları kullanılarak sirkülant matrislerin ters problemi incelenmiştir.
M. Teixeira ve D. Rodriguez (1994) çalışmalarında, dairesel konvolüsyon yardımıyla,
biçimsel olarak AFD matrisinin bazı çarpanlarının sirkülant matrisin çarpanlarıyla
ilişkili olduğunu göstermiştir.
H. Li, X. Liu ve P. Wang (2009), hızlı Fourier dönüşümü yardımıyla n  inci
mertebeden permütasyon faktör sirkülant matrislerin k  ıncı kökü için hızlı bir
algoritma verilmiştir.
W. Zhao (2009), sayısal işaret işlemede, ters sirkülant matrislerin ters problemini ele
almıştır.
N. L. Tsitsas, E. G. Alivizatos ve G.H. Kalogeropoulos (2007), sirkülant bloklu
matrislerin sayısal işaret işlemede birçok uygulama alanı vardır. Bu tip matrislerin tersi
ayrık Fourier dönüşümü yardımıyla her bir sirkülant bloğun köşegenleştirilmesine
dayanmaktadır. Bu çalışmada sirkülant bloklu matrislerin tersi için rekürsif (yinelemeli)
bir agoritma ele alınmıştır.
H. Karner, J. Schneid ve C. W. Ueberhuber (2003) çalışmalarında, sirkülant
matrisleri sağ ve sol sirkülant matris olarak sınıflandırmışlardır. Ayrıca ters sağ
sirkülant ve ters sol sirkülant matrisler tanımlanarak, bu matrislerin öz değer ve singüler
değer ayrışımları Fourier matrisi kullanılarak elde edilmiştir.
D. S. G. Pollock (2002), sirkülant matrislerin spektral ayrışımını Fourier matrisi
yardımıyla elde etmiştir. Buna ek olarak simetrik sirkülant matrisleri tanımlamış ve bu
matrisin Fourier dönüşümlerini incelemiştir.
H. Li ve X. Liu (2009), sayısal işaret işlemde önemli bir yeri olan r  sirkülant
matrislerin sadece ilk satır elemanları kullanılarak bazı özellikler verilmiştir.
C. Dong (2009), sayısal işaret işlemde önemli bir yeri olan simetrik r  sirkülant
matrislerin sadece ilk satır elemanları kullanılarak bazı özellikler verilmiştir.
5
3. TEMEL KAVRAMLAR
3.1. Bazı Özel Matrisler
Tanım 3.1. A   aij  bir kare matris olmak üzere eğer i  j için her zaman
nn
aij  0 oluyorsa, o takdirde A matrisine köşegen matris denir ve diag ( A) şeklinde
gösterilir.
Üçüncü mertebeden bir köşegen matrise, örnek olarak
 a11 0
diag ( A)   0 a22
 0
0
0
0 
a33 
matrisini verebiliriz (Taşcı, 2005).
Tanım 3.2. Eğer verilen bir kare matrisin transpozesini alarak elde edilen matris,
verilen matrisin kendisine eşit oluyorsa bu matrise simetriktir denir. Başka bir ifade ile
A kare matrisi için
AT  A
ise bu matrise simetrik matris denir.
Üçüncü mertebeden bir simetrik matrise, örnek olarak
 a11 b
A   b a22
 c
d
c 
d 
a33 
matrisini verebiliriz (Taşcı, 2005).
Tanım 3.3.
 1, 2,
, n kümesinin bir,
 1
n 
 (n) 
2
 
  (1)  (2)
permütasyonu olsun. E j , j. bileşeni 1 diğer bileşenleri 0 olan
E j   0,
,0,1,0,
,0 
şeklinde gösterilen n bileşenli birim satır vektör olmak üzere n. mertebeden
permütasyon matris
6
 E (1) 
E 
 (2) 
P  P  




 E ( n ) 
biçimindedir. Yani, i  1, 2,..., n olmak üzere P 'nin i. satırının  (i). sütunundaki
elemanı 1, diğer elemanları 0 olan matrise permütasyon matris denir.
En genel anlamda bir permütasyon matris, birim matrisin satırlarını ya da
sütunlarını değiştirmekle elde edilen bir matristir.
Üçüncü mertebeden permütasyon matrisine, örnek olarak
0 1 0 
P  0 0 1 
1 0 0 
matrisini verebiliriz (Davis, 1979).
Tanım 3.4. U kompleks bir kare matris olmak üzere
U *U  UU *  I
ise bu matrise üniter matris denir. Burada U * , U 'nun eşlenik transpozesi ve I birim
matristir (Taşcı, 2005).
3.2. Öz değerler ve Öz vektörler
Tanım 3.5. A , n  kare bir matris olmak üzere
A ( )  det( I  A)
polinomuna A matrisinin karakteristik polinomu denir.
Tanım 3.5 ile verilen polinomu
A ( )   n  a1 n1  a2 n2 
 an1  an
şeklinde açık bir şekilde de yazabiliriz (Bozkurt ve ark., 2005).
Tanım 3.6.  A ( )  0 denklemine A matrisinin karakteristik denklemi denir
(Bozkurt ve ark., 2005).
Tanım 3.7.  A ( )  0 denkleminin köklerine A matrisinin öz değerleri veya
karakteristik değerleri veya aygen değerleri denir (Bozkurt ve ark., 2005).
7
Tanım 3.8. i (1  i  n) için
( I  A) x  0
denkleminin xi çözüm vektörüne A matrisinin öz vektörü veya karakteristik vektörü
veya aygen vektörü denir (Bozkurt ve ark., 2005).
Teorem 3.1. n. mertebeden bir kare matrisin karakteristik polinomu n.
dereceden bir polinomdur ve en yüksek dereceli terimin katsayısı 1, polinomdaki sabit
terim an  (1)n A ve  n1 'in katsayısı -iz (A)'dır. Eğer A matrisinin öz değerleri
n
1 , 2 , , n ise iz (a)= i ve det( A)  12
n şeklindedir (Bozkurt ve ark., 2005).
i=1
Teorem 3.2. A, n. mertebeden herhangi bir kare matris ise, A matrisinin her öz
değerine en az bir öz vektör karşılık gelir (Bozkurt ve ark., 2005).
3.3. Bir Matrisin KöĢegenleĢtirilmesi
Tanım 3.9. A ve B herhangi iki kare matris olsun.
B  P1 AP
olacak şekilde P düzgün (tersi olan) matris varsa A ve B matrislerine benzer
matrisler, P ' ye dönüşüm matrisi ve dönüşüme de benzerlik dönüşümü denir (Bozkurt
ve ark., 2005).
Teorem 3.3. Benzer matrislerin karakteristik polinomları ve dolayısıyla öz
değerleri aynıdır (Bozkurt ve ark. 2005).
Ġspat: A ve B benzer matrisler olsun. Bu durumda
B  P1 AP
dir.
det(B   I )  det( P 1 AP   I )
 det( P 1 ( A   I ) P)
 det P 1 det( A   I ) det P
 det( A   I )
olup istenen elde edilmiştir.
8
Teorem 3.4. A herhangi bir kare matris olsun. A matrisi, i (1  i  n) öz
değerlerine karşılık
( A  i I ) xi  0,
denklemini sağlayan x1 , x2 ,
xi  0
, xn şeklinde n tane lineer bağımsız öz vektöre sahip
olsun. Bu durumda;
P   x1
xn  ve
x2
  diag (1 , 2 ,
, n )
olmak üzere
P1 AP  
veya
A  PP1
dir (Bozkurt ve ark. 2005).
Ġspat: 1  i  n için
Axi  i xi
olduğundan A matrisi ile P matrisini çarparsak;
AP  A  x1
  A x1
x2
Ax2
  1 x1 2 x2
xn 
Axn 
n xn 
 P
elde edilir. P matrisinin sütun vektörleri lineer bağımsız olduğundan
det P  0
olup P 1 vardır. Bu durumda elde edilen
AP  P
eşitliği soldan P 1 ile çarpılırsa;
P1 AP  
sağdan P 1 ile çarpılırsa da
A  PP1
elde edilir.
Teorem 3.5. A köşegenleştirilebilen bir kare matris ise herhangi bir pozitif k
tamsayısı için
Ak  Pk P1
dir (Bozkurt ve ark. 2005).
Ġspat: A köşegenleştirilebilir olduğundan
A  PP1
9
olacak şekilde P düzgün matrisi vardır. k tane PP 1 matrisini çarpım şeklinde
yazarsak;
Ak  ( PP 1 )( PP 1 )
( PP 1 )
k tane
olur. Matrislerde çarpma işlemi, birleşme özelliğine sahip olduğundan;
Ak  P( P1P)
( P1P)P1
şeklinde yazılabilir.
P1P  I
olduğundan, sonuç olarak
Ak  Pk P1
dir.
Sonuç 3.1. Herhangi
n  kare
bir
matrisin benzerlik dönüşümü ile
köşegenleştirilmesi için gerek ve yeter şart matrisin n tane lineer bağımsız öz vektöre
sahip olmasıdır ( Bozkurt ve ark. 2005).
3.4. Lineer Denklem Sistemleri ve Çözümleri
Tanım 3.10. K bir cisim olsun. b1 , b2 ,
cisminin verilen elemanları; x1 , x2 ,
bm ve aij (1  i  m,1  j  n), K
xn de bilinmeyenler olmak üzere
a11 x1  a12 x2 
 a1n xn  b1 
a21 x1  a22 x2   a2 n xn  b2 


am1 x1  am 2 x2   amn xn  bm 
(3.1)
sistemine n bilinmeyenli m denklemden oluşan bir lineer denklem sistemi denir
(Bozkurt ve ark., 2005).
(3.1) ile verilen sistem
 a11
a
 21


 am1
a12
a22
am 2
a1n   x1   b1 
a2 n   x2  b2 

   
   
amn   xn  bn 
şeklinde matris notasyonu ile gösterilebilir. Bunu da; A, m  n matris; x, n1 ve b de
m1 vektörler olmak üzere, kısaca
10
Ax  b
olarak gösterebiliriz (Bozkurt ve ark., 2005).
Tanım 3.11. (3.1) ile verilen sistemi sağlayan ( x1 , x2 ,
xn ) ( xi 'ler K 'nın
elemanları) n  lisine sistemin çözüm takımı denir.
Tanım 3.12. Herhangi iki lineer denklem sisteminin çözüm takımı aynı ise bu
sistemlere denk sistemler denir.
Teorem 3.6. Bir lineer denklem sistemindeki herhangi bir denkleme diğer
denklemlerin lineer kombinasyonlarını eklemekle veya denklemlerden birisini sıfırdan
farklı bir skalerle çarpmakla elde edilen yeni lineer denklem orijinal sisteme denktir
(Bozkurt ve ark., 2005).
(3.1) sistemi verilsin ve sistemin çözümü var olsun. Eğer A katsayılar
matrisinde a11  0 ise (eğer a11  0 ise uygun bir satır değişikliğiyle a11 pozisyonuna
sıfırdan farklı bir eleman getirilir.) sistemin ilk satırı 

a21
ile çarpılıp ikinci satıra,
a11
a31
a
ile çarpılıp üçüncü satıra ve bu işleme bu şekilde devam ederek  m1 ile çarpılıp
a11
a11
son satıra eklenirse
a11 x1  a12 x2 
a x 
(1)
22 2
am(1)2 x2 
 a1n xn  b1 

 a2(1)n xn  b2(1) 


(1)
(1) 
 amn xn  bm 
(3.2)
(1)
(1)
(1)
elde ederiz. a22
pozisyonuna
 0 ise ( eğer a22
 0 ise uygun bir satır değişikliğiyle a22
sıfırdan farklı bir eleman getirilir.) sistemin ikinci satırı 

a32(1)
ile çarpılıp üçüncü satıra,
(1)
a22
(1)
am(1)2
a42

ile
çarpılıp
dördüncü
satıra
ve
bu
işleme
bu
şekilde
devam
ederek
ile
(1)
(1)
a22
a22
çarpılıp son satıra eklenirse
11
a11 x1  a12 x2 
 a1n xn  b1
(1)
a22
x2 
 a2(1)n xn  b2(1)
(2)
a33
x3 
(2)
 a3(2)
n xn  b3
am(2)3 x3 
(2)
 amn
xn  bm(2)
elde edilir. k eleminasyon sayısını göstermek üzere
aij( k )  aij( k 1) 
aik( k 1) ( k 1)
akj ;
akk( k 1)
k  1, 2,
, m  1; i  k  1,
, m; j  k ,
, m; aij  aij(0)
seçmek suretiyle işleme A katsayılar matrisini satır indirgenmiş forma getirene kadar
devam edilir. Elde edilen sistem, verilen sisteme denk bir sistem olup buradan çözüme
gidilir (Bozkurt ve ark., 2005).
3.5. Sirkülant Matrisler ve Özellikleri
n  kare bir matris olmak üzere elemanları
Tanım 3.13. C  cij 
nn
cij  c0, j i  c j i ;
j  i  k (mod n)
şartını sağlayan n  n mertebeli C matrisine sirkülant matris denir ve
C  circ(c0 , c1 , c2 ,
, cn1 )
şeklinde gösterilir. Ayrıca açık olarak
 c0
c
 n 1
C  cn  2


 c1
c1
c0
cn 1
c2
c1
c0
c2
c3
cn 1 
cn  2 
cn 3 


c0 
biçimindedir.
n  n mertebeli sirkülant bir matris n elemanlı bir vektör ile temsil edilir ve bu
vektör, matrisin ilk satırını oluşturur. Böylece takip eden satırlar önceki satırın son
elemanını başa alarak devam eder. Bir sirkülant matrisin esas köşegeni üzerindeki
elemanları ile esas köşegene paralel olan doğrultu üzerindeki elemanları aynıdır.
C  circ(c0 , c1 , c2 ,
olsun ve bunu açık şekilde yazalım.
, cn1 )  aij 
12
 c0
c
 n 1
C  cn  2


 c1
c1
c0
cn 1
c2
c1
c0
c2
c3
cn 1   a11
cn  2   a21
cn 3    a31
 
 
c0   an1
a12
a22
a32
a13
a23
a33
an 2
an 3
a1n 
a2 n 
a3n 


ann 
Yukarıdaki eşitlikten,
aij  ai 1, j 1 ;
1  i  n, 1  j  n
ain  ai 1,1 ;
1 i  n
anj  a1, j 1 ;
1 j  n
ann  a11
dir. Bunu da aşağıdaki gibi genelleştirebiliriz.
  1, 2,
, n  , n uzunluğunda bir devir olmak üzere
aij  a (i ), ( j ) ;
1  i  n, 1  j  n
(3.3)
olur (Davis, 1979; Gray, 2001).
Sonuç 3.2.
A ’nın sirkülant olması için gerek ve yeter şart (3.3)’ün
sağlanmasıdır (Davis, 1979).
Sirkülant matrislere örnek verecek olursak
a
a b c  
a b  
 d
b a  ;  c a b  ;  c

 
 b c a   b

b
a
d
c
c
b
a
d
d
c 
b

a
sırasıyla 2  2, 3  3 ve 4  4 mertebeli sirkülant matrislerdir.
Teorem 3.7. A   aij  n  kare bir matris olsun. O zaman A 'nın sirkülant
olması için gerek ve yeter şart
A   A
olmasıdır (Davis, 1979).
Ġspat:
 ) A   aij  n  kare bir matris ve A   A olsun. Eşitliğin her iki yanını
sağdan  * ile çarparsak
( A ) *   A *
A( * )   A *
( *  I )
13
olup, bu son eşitlikten
A   A *
(3.4)
elde ederiz. P, permütasyon matris olmak üzere PAP *  a (i ), ( j )  olup ayrıca,  de
bir permütasyon matris olduğundan P   dir. O halde
 A *  a (i ), ( j ) 
(3.5)
dir. (3.4) ve (3.5) eşitliklerinden
aij  a (i ), ( j )
olur ki, Sonuç 3.2’ye göre A sirkülanttır.
 ) A n - kare matrisi sirkülant olsun.   1, 2,..., n  n uzunluğunda bir devir
olmak üzere
aij  a (i ), ( j )
(3.6)
dir. (3.5) ifadesinden
 A *  a (i ), ( j ) 
(3.7)
olduğunu biliyoruz. (3.6) ve (3.7)’den
A   A *
(3.8)
elde ederiz. (3.8) eşitliğini sağdan  ile çarparsak
A  ( A * )
  A( * )
 A
( *  I )
elde ederiz ki, bu da ispatı tamamlar.
Sonuç 3.3. A ’nın sirkülant olması için gerek ve yeter şart A* ’ın sirkülant
olmasıdır (Davis, 1979).
Ġspat: (3.4)’ den
A   A *
olup, her iki tarafın eşlenik transpozesini aldığımızda
A*  ( A * )*
A*   A* *
A*  ( A* * )
A*   A* ( * )
A*   A*
( *  I )
14
olur bu da Teorem 3.7 gereği A* sirkülanttır.
A ve B, n  n iki sirkülant matris olsun. Yani;
Aij  a0k
ve Bij  b0k ;
j  i  k (mod n)
olsun.
n 1
( AB )ij   a0 r brk
r 0
n 1
  ar bk  r
r 0
 ( AB )0 k
veya
A ve B 'yi A  circ(a0 , a1 ,
an1 ) ve B  circ(b0 , b1 ,
a0 , a1 ,
an 1
b0 , b1 ,
bn 1
a0b0 , a1b0
bn1 ) biçiminde gösterip
an 1b0
an 1b1 , a0b1 ,
, an  2b1
a1bn 1 , a2bn 1 ,
, a0bn 1
şeklinde düzenlersek, her sütunun toplamı bize AB ’nin ilk satır elamanlarını verir.
Yani;
AB  circ(a0b0 
 a1bn1 , a1b0 
 a2bn1 ,
, an1b0 
 a0bn1 )
dir (Davis, 1979).
Teorem 3.8. A ve B n  kare sirkülant matrisler  da bir skaler olmak üzere
aşağıdaki özellikler mevcuttur:
i) A  B ,  A ve AB de sirkülant matrislerdir.
ii) Aynı mertebeli iki sirkülant matrisin çarpımının değişme özelliği vardır.
Yani; AB  BA 'dır.
iii) Eğer bir sirkülant matris tekil değilse, tersi de sirkülant matristir. Yani;
det A  0 ise A1 mevcut ve sirkülant matristir.
iv) AT sirkülant matristir.
v) Sirkülant matrisler normal matrislerdir (Davis, 1979).
Ġspat:
15
i) A ve B sirkülant ise A   A ve B   B dir. Bu iki eşitliği taraf tarafa
toplarsak
A  B   A   B
( A  B)   ( A  B)
olur ki, A  B toplam matrisi sirkülanttır.
A sirkülant ise A   A dır.  da bir skaler olmak üzere, eşitliğin her iki
tarafını  ile çarparsak,
 ( A )   ( A)
( A)   ( A)
elde edilir. Bu da,  A matrisinin sirkülant olmasıdır.
Şimdi de AB ’nin sirkülant olduğunu gösterelim. O halde ( AB)   ( AB)
olduğunu göstermek yeterlidir.
A ve B sirkülant olsun. O halde A   A ’dir. Eşitliğin her iki tarafını sağdan
B ile çarparsak
( A ) B  ( A) B
A( B)   ( AB)
A( B )   ( AB)
( AB)   ( AB)
matris çarpımının birleşme özelliği
B sirkülant olduğundan
olur ki, istenendir.
ii) Sirkülant matris çarpımından açıktır.
iii-iv) İspat, Sonuç 3.3’ den açıktır.
v) Sirkülant matrislerde çarpmanın değişme özelliği olduğundan, açıktır.
Bir n  n sirkülant matrisi oluşturabilmek için öncelikle n  n temel sirkülant
matrisi tanımlamak gerekir.
Tanım 3.14.  permütasyon matrisi ilk satırı (0,1, 0,
matris ise  ’e temel sirkülant matris denir.
3  3 temel sirkülant matrisi
0 1 0 
  0 0 1 
1 0 0 
dir (Davis, 1979).
, 0) olan n  n sirkülant
16
İlk satırı    c0 , c1 , c2 ,
, cn1  olan n  n sirkülant matrisi oluşturmak için
katsayıları C ’nin ilk satır elemanları olan
p ( z )  c0  c1 z  c2 z 2  ......  cn 1 z n 1
polinomu tanımlansın. Bu durumda C  p ( ) şeklindedir.
Örneğin
3 3
sirkülant
matris
oluşturmak
için
p ( z )  c0  c1 z  c2 z 2
polinomunu ele alalım. O halde
C  p ( )
 c0 I  c1  c2 2
1 0 0 
0


 c0 0 1 0   c1 0
0 0 1 
1
 c0 c1 c2   0
 c2 c0 c1    0
 c1 c2 c0  c2
 c0
 c2
 c1
c1
c0
c2
1 0
0

0 1   c2 1
0 0 
0
c1 0   0
0 c1   c2
0 0   0
0 1
0 0 
1 0 
0 c2 
0 0 
c2 0 
c2 
c1 
c0 
elde edilir (Davis, 1979).
Sonuç 3.4. İlk sütunu    c0 , c1 , c2 ,
, cn1 
T
olan n  n sirkülant matrisi
oluşturmak için katsayıları CT 'nin ilk sütun elemanları olan
p ( z )  c0  c1 z  c2 z 2  ......  cn 1 z n 1
polinomu tanımlansın. Bu durumda C T  p ( T ) şeklindedir (Davis, 1979).
17
4. SAYISAL ĠġARET ĠġLEMEDE SĠRKÜLANT MATRĠSLER
Bu bölüm tezin esas kısmını oluşturmakta olup üç başlık altında toplanmıştır.
4.1. Sayısal ĠĢaret ĠĢleme
İşaret; zamanla, uzayla veya diğer bağımsız değişken veya değişkenlere bağlı
olarak değişen herhangi bir fiziksel büyüklük olarak tarif edilir. Konuşma, radyo
dalgaları işarete örnek olarak verilebilir. Bir işaret üzerine, herhangi bir işlemi
uygulayan fiziksel cihaz da sistem olarak tanımlanır ve işaret bir sistemden geçirildiği
zaman bu işlem işaret işleme olarak adlandırılır.
İşaretlerin işlenmesi, elektrik mühendisliğinin en önemli konularından biridir.
Çeşitli nedenlerden dolayı işaretler işlenmektedir. Haberleşmede işareti gürültüden
ayırmak, radar ve sonar sistemlerinde hedefi belirlemek için işaretler işlenir. Ayrıca
işaretler çeşitli uygulamalarda kullanılmak amacıyla da işlenebilir. Televizyonda
görüntüleme, haberleşmede transmisyon ve sayısal sistemlerin kontrolünde kullanmak
için işaretler işlenir.
Bilim ve mühendislikte karşılaşılan işaretler tabii olarak analog formda olan
işaretlerdir. Yani, işaretler zaman ve uzay gibi sürekli bir değişkenin fonksiyonlarıdır.
Bunlar sürekli olan bir sahada (domain) değer alırlar. Böyle işaretler, direkt olarak
karakteristiklerini
değiştirmek
veya
bazı
arzu
edilen
özelliklerini
çıkarıp
değerlendirmek gayesiyle filtreler, frekans analiz cihazları, frekans çarpanları gibi
uygun analog sistemlerde işleme tabii tutulmaktadırlar. Bu durumda işaretin direkt
analog formda işlendiği söylenebilir. Şekil 4.1’de böyle bir sistem görülmektedir.
ġekil 4.1. Analog işaret işleme
Sayısal işaret işleme ise analog işaretlerin işlenmesi için alternatif bir yoldur.
Böyle bir sistem Şekil 4.2’de gösterilmektedir. İşlemeyi sayısal olarak gerçekleştirmek
için analog işaret ile sayısal işaret işleyici arasında analog-sayısal (A/D) kullanılır ve
18
işaretleri işleyebileceği bir hale getirir. Yapılmak istenen işlemler yapıldıktan sonra da
sayısal-analog dönüştürücü (D/A) kullanarak tekrar analog işaret elde edilir.
ġekil 4.2 Bir sayısal işaret işlemenin blok diyagramı
İşaretleri, zamana göre değişimleri dikkate alınarak sürekli-zamanlı ve ayrıkzamanlı işaretler olarak iki gruba ayırmak mümkündür. Biz bu tezde ayrık zamanlı
işaretleri ele alacağız.
Ayrık zamanlı işaret, bir dizi sayıdan oluşur ve genellikle dizi, fonksiyon vektör,
grafik veya tablo şeklinde gösterilir. Bir ayrık zamanlı işaretin grafik gösterimi Şekil
4.3’de gösterilmiştir.
ġekil 4.3. Bir ayrık zamanlı işaretin grafik gösterimi
Bir ayrık zamanlı işaret, dizi olarak
x(n)  0,0,1, 2  1,3, 4,0
şeklinde gösterildiği gibi bu işareti vektörel olarak da
x   0,0,1, 2  1,3, 4,0 
şeklinde gösterebiliriz (Tolimieri ve ark., 1997; Kayran ve Ekşioğlu, 2010; Karaboğa,
1995).
19
4.2. Sirkülant Matrislerin Ayrık Fourier DönüĢüm (AFD) ile ĠliĢkisi
Ayrık Fourier Dönüşümü (AFD), ayrık zamanlı işaret işleme algoritma ve
sistemlerin analizi, tasarımı, gerçekleştirilmesi ile doğrusal filtreleme, korelasyon
analizi ve spektrum analizi gibi işaret işleme uygulamalarında önemli bir rol oynar.
AFD’nin bu öneme sahip olmasının ardındaki temel neden AFD’yi hesaplamakta
kullanılan verimli algoritmaların varlığıdır (Oppenheim, 1999; Proakis ve Manolakis,
2007).
Ayrık Fourier dönüşümü (AFD), bir sayısal işaretin zaman bölgesindeki
karşılığını eş değer frekans bölgesindeki karşılığına dönüştürür. Ters AFD ise geri
işlemi gerçekleştirerek işaretin frekans bölgesindeki karşılığını zaman bölgesindeki
karşılığına dönüştürür (Oppenheim, 1999).
Ayrık Fourier dönüşüm matrisi, AFD’yi anlamamızda kolaylık sağlayacağından,
bu matrisi ve onun özelliklerinin bilinmesi yararlı olacağı düşüncesiyle AFD’den önce
verilmiştir.
4.2.1. Ayrık Fourier dönüĢüm (AFD) matrisi
n  1 bir tamsayı ve
we
2 i
n
 2 
 2 
 cos 
  i sin 
,
 n 
 n 
olmak üzere;
a) wn  1
b) ww  1
c) w  w1
d) wk  w k  wnk
e) 1  w  w2 
 wn1  0
eşitlikleri vardır. Gerçekten
a) w  (e
2 i
n n
)  e2 i  1
b) (c)’yi gösterirsek eşitlik kolayca görülür.
c)
i  1
20
1
w  (e
2 i
n 1
 cos(
)  (e

2 i
n
2
2
)  i sin( )
n
n
)  cos(
2
2
)  i sin( )  w
n
n
d)
wn  k  (e
2 i
n nk
)
e
(2 
2 k
)i
n
 cos(
2 k
2 k
 2 )  i sin(
 2 )
n
n
2 k
2 i
(
)i
2 k
2 k
n
 cos(
)  i sin(
)e
 (e n )  k  w k
n
n
e)
1  w  w2 
 wn1 
wn  1 1  1

0
w 1 w 1
elde edilir (Davis, 1979).
Tanım 4.1. n  inci mertebeden ayrık Fourier dönüşüm matrisi
W w
*
( j 1)( k 1)
1
1
1
w

 1 w2


1 w( n 1)
1


w

2( n 1) 
w


( n 1)( n 1) 
w

1
n 1
2
w
w4
w2( n 1)
olmak üzere
1 *
W
n
1

( w( j 1)( k 1) )
n
F* 
olan F matrisine ayrık Fourier dönüşüm matrisi denir (Davis, 1979).
F ve F * matrislerinin tanımdan simetrik oldukları açık olup
F  F T , F *  ( F * )T  F , F  F *
dir.
Ayrık Fourier dönüşüm matrisinin en temel özelliği üniter olmasıdır. Şimdi
Davis’in aşağıdaki teoremini verelim.
Teorem 4.1. F matrisi üniterdir. Yani,
F * F  FF *  I n
dır (Davis, 1979).
veya
F-1  F *
(4.1)
21
Ġspat:
n
( F * F ) jk   ( F * ) jr ( F ) rk
r 1
n

r 1
1
1
( w( j 1)( r 1) )
( w( r 1)( k 1) )
n
n
1 n
 (w( j 1)( r 1) )( w( r 1)(k 1) )
n r 1
1 n
  ( w( r 1)( j 1 k 1) )
n r 1
1 n 1
  wr ( j  k )
n r 0

elde ederiz. Buradan j  k için
1 n1 r ( j k ) 1 n1 0
1 n1
1
w

w


1 n 1



n r 0
n r 0
n r 0
n
j  k için
1 n1 r ( j k ) 1 ( w j k 1 )n  1 1 ( wn ) j k 1  1 1
1 1
w
( )
( )
 ( ) j k 1
0

j  k 1
j  k 1
n r 0
n w
1
n w
1
n w
1
olur. O halde
1,
( F * F ) jk  
0,
j  k ise
j  k ise
olur ki, bu da F * F 'ın birim matris olmasından başka bir şey değildir. Benzer şekilde;
FF *  I n
olduğunu da gösterilebiliriz.
Teorem 4.2.
WW *  W *W  nI n
dır (Davis, 1979; Kayran ve Ekşioğlu, 2010).
Ġspat: (4.1)’den FF *  I n olduğundan
1
WW *  I n
n
WW *  nI n
olur. Benzer şekilde
W *W  nI n
olduğu da kolayca görülebilir.
22
4.2.2. Ayrık Fourier dönüĢümü (AFD)
Tanım 4.2. x, n bileşenli bir vektör olmak üzere x 'in ayrık Fourier dönüşümü
(AFD) ve ters AFD eşitlikleri şu şekilde yazılır.
n 1
X k   x je
2 ijk
n
,
k  0,1,
, n 1
(4.2)
j  0,1,
, n 1
(4.3)
j 0
ve
xj 
şeklinde yazılır. w  e
2 i
n
2 ijk
1 n1
n
X
e
,

k
n k 0
olduğu dikkate alınırsa (4.2) ve (4.3) dönüşüm ikilisi,
n 1
X k   x j w jk ,
k  0,1,
, n 1
(4.4)
j  0,1,
, n 1
(4.5)
j 0
ve
xj 
1 n1
 X k w jk ,
n k 0
olarak da yazılabilir. Burada hesaplanan n tane X k değeri, x j vektörünün n  noktalı
AFD’si olarak adlandırılır. x j ise
X k vektörünün n  noktalı ters AFD’si olarak
adlandırılır.
AFD yardımıyla sınırlı ve ayrık işaret için sınırlı ve ayrık bir frekans gösterimi
elde edilmektedir (Kayran ve Ekşioğlu, 2010).
Not 4.1. Literatürde bazen X k 'nın negatif üstel fonksiyon ve buna karşılık
gelen x j 'nin de pozitif üstel fonksiyon yardımıyla tanımlandığı görülmektedir.
terimi yine denklemlerden herhangi biriyle kullanılabilir (Kayran ve Ekşioğlu, 2010).
4.2.3. Matris formunda AFD ve ters AFD gösterilimi
n  bileşenli x vektörünün AFD’sinin (4.4)’den
n 1
X k   x j w jk , k  0,1,
, n 1
j 0
bağıntısıyla bulunabileceğini biliyoruz. Yukarıdaki eşitliğin matris formu
1
n
23
1
 X 0  1
 X  1
w
 1  
 X 2   1 w2

 

 
 X n 1  1 w( n 1)
  x0 


w( n 1)   x1 
w2( n 1)   x2 




( n 1)2   x
w
  n 1 
1
1
w2
w4
w2( n 1)
(4.6)
biçimindedir. (4.6) ifadesi, AFD’nin matris gösterimi olup Tanım 4.1’den
X  Wn* x
(4.7)
şeklinde sembolize edebiliriz. (4.7) ve Teorem 4.2’den ters AFD’nin matris gösterimi
1
x  Wn X
n
biçimindedir.
W * ve W matrisinin elemanları, w ' nin özelliklerinden faydalanarak n farklı
sayıdan oluşan
1, w, w ,
2
, wn1
kümesi yardımıyla basitleştirilebilir. Burada wk , (k  0,1,
, n 1) dizisinin elemanları,
z n  1  0 denkleminin kökleridir.
Örneğin, n  4 için W * matrisinin elemanları z 4  1  0 denkleminin kökleri olan
1, 1, i, i
kümesinin elemanlarından oluşur. Gerçekten
1 1
1 w
*
W4  
1 w2

3
1 w
1
w2
w4
w6
1  1 1
w3  1 w

w6  1 w2
 
w9  1 w3
1
w2
w0
w2
1
w3 
w2 

w
1 1 1 1 
1 i 1 i 


1 1 1 1


1 i 1 i 
olup bu kolayca görülebilir (Kayran ve Ekşioğlu, 2010).
4.2.4. Hızlı Fourier dönüĢümü
Ayrık Fourier dönüşümünün (AFD) doğrudan hesaplanmasında her bir X k
değeri için n karmaşık çarpma ve n  1 karmaşık toplama işlemi kullanılmaktadır. Bu
24
nedenle n adet AFD değeri bulunurken, n 2 çarpma ve n(n  1) toplama işlemi
gereklidir. Ayrıca, her karmaşık çarpma işlemi dört gerçel çarpma ve iki gerçel toplama
işlemi ve her bir karmaşık toplama, iki gerçel toplama işlemi ile gerçekleşmektedir.
Sonuç olarak, işaretin boyutu olan n ' nin büyük olması durumunda AFD nin doğrudan
hesaplanması çok fazla miktarda işlem gerektirmektedir. Yani, n sayısı artarken
gereken işlem sayısı yüksek hızla artmaktadır. AFD hesaplanmasında etkin ve bugün
kullanılan yaklaşım, hızlı Fourier dönüşümü (HFD) algoritmalarıdır. HFD terimi bazen
karışıklıklara neden olmaktadır. Her ne kadar dönüşüm olarak adlandırılsa da, hızlı
Fourier dönüşümü (HFD) ayrık Fourier dönüşümü (AFD)’den farklı değildir. HFD,
AFD hesaplanması için etkili, ekonomik bir algoritmadır (Kayran ve Ekşioğlu, 2010;
Cooley ve Tukey, 1965; Kunt, 1987).
AFD’nin sayısal işaret işleme alanında spektrum analizi, konvolüsyon ve
korelasyon gibi işlemlerin gerçekleşmesinde önemli rol oynamasının önemli bir sebebi
HFD algoritmalarıdır. Genel olarak HFD ile ilgili birçok algoritma olmasına karşın
konumuzun bütünlüğü açısından biz burada HFD’yi matris formunda inceleyeceğiz.
4.2.5. Matris gösterimi yardımıyla HFD
AFD için matris gösterimi, (4.6) ve (4.7) ifadeleriyle verilmişti. Hızlı Fourier
dönüşümü ile sağlanmak istenen, bu matris çarpımını daha az sayıda işlem uygulayarak
gerçekleştirebilmektir. Bunu yapmanın yolu ise, (4.7)’deki Wn* matrisinin, bol sıfırlar
içeren matrislerin çarpımı şeklinde ayrıştırılması olacaktır. Wn* 'ı oluşturan w jk
terimlerinin özelliği sayesinde bu mümkün olmaktadır.
m
n ' nin 2'nin bir kuvveti olduğu (n  2 ) varsayımı altında, 2 tabanlı bir HFD
algoritması geliştirilecektir. HFD’yi gerçekleyecek matris ayrıştırması için izlenecek
yol, Wn* matrisinin Wn*/ 2 matrisiyle ilişkilendirilmesi olacaktır.
Örnek olarak n  4 durumunu ele alalım. n  4 için
1 1
1 w
W4*  
1 w2

3
1 w
olmaktadır. W4* matrisini
1
w2
w4
w6
1
w3 
w6 

w9 
ve
W

 0
*
2
1 1 0 0 


0  1 w 0 0 


W2*  0 0 1 1 


 0 0 1 w
25
1
0
*
W4  
1

0
0 1
0  1 1
1 0 w  1 w
0 1 0  0 0

1 0  w 0 0
0 0  1
0 0  0
1 1  0

1 w 0
0
0
1
0
0
1
0
0
0
0 
0

1
şeklinde ayrıştırmak mümkündür. En sağdaki matris bir permütasyon matrisidir. Çift ve
tek indisli vektör elemanlarını birbirinden ayırmaktadır. Ortadaki matris iki tane
*
2  noktalı AFD işlemi gerçekleştirmektedir. W4 için sağlanan bu ayrıştırma, çarpımda
yer alan matrislerin bol sıfırlı olmasından dolayı matris çarpımında işlem sayısında bir
azalma getirmektedir. n  4 için geliştirilen bu ayrıştırma genel bir n için
I
W   n/2
In / 2
*
n
n / 2  Wn*/ 2
0  çift-tek indis 


n / 2   0 Wn*/ 2   ayrıştırması 
şeklinde yapılabilir. Burada (k  0,1, 2,
köşegen elemanları (1, w, w2 ,
n
,  1) olmak üzere I k birim matrisi,  k ise
2
, wk 1 ) olan köşegen matrisi göstermektedir (Kayran ve
Ekşioğlu, 2010; Strang, 1998).
Tablo 4.1. AFD için Doğrudan Hesaplama ve HFD Algoritmasının Gerektirdiği Çarpma İşlemleri
HFD
AFD’nin Doğrudan
Çarpma
Hesaplanmasındaki
Sayısı
Çarpma Sayısı
Adım
Nokta
Sayısı
Sayısı
l
n
nl  n log 2 n
n
1
2
2
4
2
4
16
64
256
4
8
256
2048
65536
32
10
1024
10240
1048576
102,4
2
Oran
n2
nl
4.2.6. AFD ile HFD’nin karĢılaĢtırılması
(4.4) bağıntısı ile verilen AFD’nin hesaplanmasında n 2 karmaşık çarpım ve
n(n  1) karmaşık toplama gereklidir. Oysa HFD yardımıyla n  2l noktadan oluşan bir
dizinin ayrık Fourier dönüşümünün hesabında nl / 2 karmaşık çarpma ve nl karmaşık
toplama işlemi yeterlidir. Adım sayısı l  log 2 n yazılırsa, işlem yoğunluğu açısından
26
AFD ile HFD’nin karşılaştırılması Tablo 4.1’de gösterildiği gibidir. Tablo
incelendiğinde n  210  1024 noktalı AFD için yüz katın üzerinde bir kazanç
sağlanmaktadır. Başka bir deyişle, n  1024 için HFD dönüşüm algoritmasının
gerektirdiği çarpım sayısı doğrudan yöntemin yüzde birinden daha azdır (Kayran ve
Ekşioğlu, 2010).
Bir vektörün AFD’si HFD yardımıyla MATLAB’da fft komutuyla hesaplanır.
Örneğin x  (1,0, 1,1) vektörünün AFD’si X olmak üzere MATLAB’da Şekil 4.4’deki
gibi hesaplanır.
ġekil 4.4. Bir vektörün AFD’sinin MATLAB’da hesaplanması
4.2.7. AFD matrisi ile sirkülant matrislerin köĢegenleĢtirilmesi
Sirkülant matrisleri AFD matrisi ile köşegenleştirmede,  temel sirkülant
matrisin köşegenleştirmesinden yararlanacağız.
Tanım 4.3. n  1 bir tamsayı,
w  e2 i / n  cos(2 / n)  i sin(2 / n),
i  1
27
ve
, wn1 )
  n  diag (1, w, w2 ,
olsun. Bu durumda
, w( n1) k )
k  diag (1, wk , w2k ,
dır (Davis, 1979).
Teorem 4.3.
  F *F
dir (Davis, 1979).
Teorem 4.3’den
C  circ  p ( )  p ( F *F )
 F * p () F
 F *diag ( p (1), p ( w),
, p ( wn 1 )) F
olup, biz sirkülant matrisler için aşağıdaki temel teoreme ulaşmış oluruz.
Teorem 4.4. C bir sirkülant matris ise, bu matris bir AFD matrisi ile
köşegenleştirilebilir.
Daha açık olarak,   C  diag ( p (1), p (w),
, p (wn1 )) olmak üzere
C  F *F
(4.8)
 T  F F *
(4.9)
dir (Davis, 1979).
Sonuç 4.1.
dir (Davis, 1979).
Ġspat: Teorem 4.3’den açıktır.
Sonuç 4.2. C bir sirkülant matris olmak üzere
CT  Fdiag ( p (1), p (w),
dir (Davis 1979).
Ġspat: (4.9)’dan
, p (wn1 )) F *
(4.10)
28
C T  circ  p ( T )  p ( F F * )
 Fp () F *
 Fdiag ( p (1), p ( w),
, p ( wn 1 )) F *
olur ki, istenendir.
4.2.8. Sirkülant matrisin öz değerlerinin HFD yardımıyla hesaplanması
Bu kısımda, C sirkülant matrisinin öz değerlerinin, bu sirkülant matrisin sadece
ilk satır elemanlarını kullanarak, HFD yardımıyla bulunabileceği gösterilecektir.
(4.8)’den
C   I = F * F   I
 F * F   F * F
= F * (   I ) F
 F*   I F
   I F* F
    I F *F
   I I
   I
elde ederiz ki, C ve  aynı karakteristik polinoma sahiptir. O halde bu iki matrisin öz
değerleri de aynıdır.
 , esas köşegen üzerindeki elemanları p (1), p (w), p (w2 ),
, p (wn1 ) olan
köşegen bir matris olduğundan bu değerler aynı zamanda  'nın öz değerleridir. O
halde
1  p (1) , 2  p (w) , 3  p (w2 ), , n  p (wn1 )
dir. Bunu da genelleştirecek olursak C sirkülant matrisinin öz değerleri j  1, 2,
,n
olmak üzere
 j  p (w j 1 )
dir.
  diag (1 , 2 ,
olmak üzere
, n )
(4.11)
29
 1 
 
L   2 ;
 
 
n 
 c0 
c 
T   1 
 
 
cn 1 
olsun. (4.11)’den
1  p (1)  c0  c1 
 cn 1
2  p ( w)  c0  c1w 
 cn 1wn 1
n  p ( wn 1 )  c0  c1wn 1 
 cn 1w( n 1)( n 1)
yazabiliriz. Bu denklem sisteminin matris formu
 1  1 1
   1 w
 2  
  
  
n 1
n  1 w
  c0 
 c 
 1 
 

( n 1)( n 1)  
w
 cn 1 
1
wn 1
şeklindedir. Buradan
L  nF * T
elde ederiz. Ayrıca yukarıdaki eşitlikten
T 
dir. AFD matrisinin tanımından
1
FL
n
1 *
W
n
F* 
eşitliğini kullanarak yukarıdaki
eşitliklerden
L  W * T
(4.12)
ve
1
n
 T  WL
elde edilir. Sirkülant matrisin ilk sütunu için de benzer şeyler yapılabilir (Davis, 1979).
Böylece bir sirkülant matrisin öz değerleri, bu sirkülant matrisin ilk satırının
veya sütununun AFD’sinden oluşur. Sonuç olarak bir sirkülant matrisin ilk satırı veya
sütunu da bu sirkülant matrisin öz değerlerinin ters AFD’sinden oluşur. Bu da HFD ile
hızlı bir şekilde hesaplanır.
Örnek 4.1.
30
 1 2 1 3 
 3 1 2 1

C
 1 3 1 2 


 2 1 3 1 
4  4 sirkülant matrisinin öz değerlerini AFD yardımıyla MATLAB’da hesaplayalım.
Çözüm: c vektörü, C matrisinin ilk satırı ve L vektörü de, bu matrisin öz
değerleri olsun. (4.12) eşitliğinden faydalanarak işlem MATLAB’da Şekil 4.5’deki gibi
yapılır.
ġekil 4.5. Örnek 4.1’in MATLAB’da çözümü
Teorem 4.5. A, n  n bir sirkülant matris olsun. Eğer
A  F *F ,
  diag (1 , 2 ,
, n )
ise A 'nın tersi
1  diag (11 , 21 ,
, n 1 )
olmak üzere
A1  F *1F
dir (Davis, 1979).
(4.13)
31
4.2.9. Sirkülant matrisin öz vektörlerinin AFD matrisiyle iliĢkisi
C , n  n bir sirkülant matris olsun. Bu matrisin öz vektörleri F veya F * 'ın
sütun vektörleridir. Yani X j , C sirkülant matrisinin öz vektörleri olmak üzere
Xj 
1
(1, w j 1 , w2( j 1) ,
n
w( n 1)( j 1) )T
dir. Örneğin C ,
c0
C= c2
 c1
c1
c0
c2
c2 
c1 
c0 
şeklinde bir sirkülant matris olsun ve 3  3 tipinde bir F * matrisinin sütun vektörler
kümesi

1
1
 1 
1 
1  
1  2 

1 , X2 
w , X3 
w 
 X1 
3 
3  2
3  

1
 w 
 w  

olup
c2 
1
 c0  c1  c 2 
1  1 

c1 
1 
c0  c1  c 2 


3
3
1
c0  c1  c 2 
c0 
1
1 
 (c0  c1  c 2 )
1  p (1) X 1  1 X 1
3 
1
c0
CX 1  c2
 c1
c1
c0
c2
olur ki X 1 , C ' nin öz bir vektörüdür.
c0  c1w  c 2 w2 
c2 
1
1   1 

c1 
w
c 2  c0 w  c1w2 


3 2
3
2
 w 
c0 
c1  c 2 w  c0 w 
1
1
 w   p ( w) X   X
 (c0  c1w  c 2 w2 )

2
2 2
3  2
 w 
c0
CX 2  c2
 c1
c1
c0
c2
dir. X 2 vektörü de C ' nin bir öz vektörüdür. Benzer şekilde,
32
c0  c1w2  c 2 w
c2 
1
1  2 1 

2
c1 
w

c

c
w

c
w
2
0
1


3 
3
2

 w 
c0 
c1  c 2 w  c0 w
1
1  2
2
 (c0  c1w  c 2 w)
w   p ( w2 ) X 3  3 X 3

3
 w 
c0
CX 3  c 2
 c1
c1
c0
c2
olup, bu da X 3 'ün de C ' nin öz vektörü olduğu görülmüş olur (Easton, 2010).
Sonuç 4.3. Aynı mertebeli bütün sirkülant matrislerin öz vektörleri
aynıdır.(Easton, 2010).
4.2.10. Sirkülant matris katsayılı lineer denklem sistemlerinin HFD yardımıyla
çözümü
C , n  n bir sirkülant matris olmak üzere
Cx  b
lineer denklem sistemi verilmiş olsun. Teorem 4.4’den C bir sirkülant matris ise
C  F *diag (1 , 2 ,
, n ) F
dir. C aynı zamanda tekil de değilse Teorem 4.5’den
C 1  F *diag (11 , 21 ,
, n 1 ) F
dir. O halde Cx  b lineer denklem sisteminin çözümü
x  C 1b
ifadesinde C 1 'in eşitini yazarsak
x  F *diag (11 , 21 ,
, n 1 ) Fb
(4.14)
olur (Chen, 1985).
Bir vektörü F * veya F matrisi ile çarpmak, o vektörün AFD’si ile ilişkili
olduğundan bu da HFD yardımıyla hızlı bir şekilde hesaplanabilir. C ' nin öz değerleri
C ' nin ilk satırının veya sütununun AFD’si olduğundan HFD yardımıyla hesaplarız. Bu
algoritmayı aşağıdaki gibi verebiliriz:
Algoritma 4.1. CIRS(CIRculant Solver)
1985 yılında Chen tarafından önerilen bu algoritma sirkülant matris katsayılı
lineer denklem sistemlerini çözer.
33
1. Adım b  Fb, HFD ile hesaplanır.
2. Adım C ' nin öz değerleri HFD ile hesaplanır.
3. Adım b  diag (11 , 21 ,
, n 1 )b hesaplanır.
4. Adım x  F *b HFD yardımıyla bulunur.
Örnek 4.2.
x1  2 x2  x3  3x4  5
3 x1  x2  2 x3  x4  0
 x1  3x2  x3  2 x4  0
2 x1  x2  3x3  x4  5
sirkülant matris katsayılı lineer denklem sistemini yukarıdaki algoritmayı kullanarak
çözünüz.
Çözüm: Bu lineer denklem sisteminin matris formu
 1 2 1 3   x1  5 
 3 1 2 1  x  0 

 2   
 1 3 1 2   x3  0 

   
 2 1 3 1   x4  5 
şeklinde olup c, C ' nin birinci satırının transpozesi olmak üzere
1
2
c 
 1
 
3
5
0
b 
0
 
5
ve
dir. (4.14)’den lineer denklem sisteminin çözümü
x  F *diag (11 , 21 ,
, n 1 ) Fb
olup, şimdi algoritmayı uygulayalım.
1. Adım
b  Fb 
1
1
Wb  n ( Wb)
n
n
eşitliğindeki son ifade b vektörünün ters AFD’sinin
yardımıyla hızlı bir şekilde hesaplanabilir. O zaman
n ile çarpımı olduğundan HFD
34
5


 2,5  2,5i 

b


0


 2,5  2,5i 
bulunur.
2. Adım L, C ' nin öz değerleri olmak üzere
 5 
2  i 
*

L W c  
 5 


2  i 
3. Adım
b  diag (11 , 2 1 ,
, n 1 )b
0
0
0
5
0, 2


 0 0, 4  0, 2i


0
0
2,5  2,5i 




 0


0
0, 2
0
0



0
0
0, 4  0, 2i   2,5  2,5i 
 0
1


 0,5  1,5i 




0


0,5  1,5i 
4. Adım
x  F *b 
1 *
1
Wb
(W *b )
n
n
eşitliğindeki son ifade b vektörünün AFD’sinin
1
ile çarpımı olduğundan HFD
n
yardımıyla hızlı bir şekilde hesaplayabiliriz. O halde
1
 1
x 
0
 
2
bulunur. Şimdi çözümün doğruluğunu görmek için MATLAB’da matris yöntemini
kullanalım. Lineer denklem sistemimizin matris formu
Cx  b
şeklinde olup, çözüm
x  C 1b
35
olacağından, bunu MATLAB’da
x  inv(C )* b
komutuyla hesaplarız. Gerçekten
 0, 2
 0
C 1  
 0, 2

 0, 2
0,2
0, 2
0
0, 2
0, 2
0, 2
0, 2
0
0
0, 2
0, 2
0, 2






dir. O halde
1
 1
1
xC b 
0
 
2
şeklinde yine aynı sonuca ulaşırız.
4.3. Lineer ve Dairesel Konvolüsyonda Sirkülant Matrisler
Lineer ve dairesel konvolüsyon sayısal işaret işlemede çok sık kullanılan
hesaplamalardan biridir. Bir lineer konvolüsyonu hesaplarken verilen işaret
vektörlerinin sonuna gerektiği kadar sıfır ekleyerek dairesel konvolüsyona dönüştürülür
ve konvolüsyon teoreminde kullanılır.
4.3.1. Lineer konvolüsyon
Tanım 4.4. h ve g sırasıyla m ve n bileşenli vektörler olsun. h ve g 'nin
lineer konvolüsyonu s, l  m  n  1 bileşenli bir vektör olmak üzere
k
sk   hk r g r ,
0k l
r 0
dir. Burada p  m ise hp  0 ve r  n ise g r  0 dır (Tolimieri ve ark., 1997).
Örnek 4.3. 2 bileşenli h ve 3 bileşenli g vektörünün lineer konvolüsyonu s
olmak üzere
36
s 0  h0 g 0
s1  h1 g 0  h0 g1
s 2  h1 g1  h0 g 2
s3  h1 g 2
dir.
Örnek 4.4. 3 bileşenli h ve 4 bileşenli g vektörünün lineer konvolüsyonu s
olsun. O zaman
s 0  h0 g 0
s1  h1 g 0  h0 g1
s 2  h2 g 0  h1 g1  h0 g 2
s3  h2 g1  h1 g 2  h0 g3
s 4  h2 g 2  h1 g3
s5  h2 g3
dir. Bu lineer konvolüsyonun matris gösterimi
 h0
h
 1
h
s 2
0
0

 0
0
h0
h1
h2
0
0
0
0 
0
g
h0 
h1 

h2 
0
0
h0
h1
h2
0
şeklindedir.
h ve g vektörlerinin bileşenleri sırasıyla m ve n olmak üzere bunların lineer
konvolüsyonuna s dersek, genel olarak
s  Hg
yazabiliriz. Burada H matrisi
 h0
 h
 1


H   hm 1
 0

 0
 0

şeklindedir (Tolimieri ve ark., 1997).
0
h0
h1
hm 1
0
0
0
0
0









hm 1 
0
0
0
h0
h1
37
4.3.2. Dairesel konvolüsyon
Tanım 4.5. a ve b, n bileşenli iki vektör olsun. a ve b ' nin dairesel
konvolüsyonu a  b şeklinde gösterilir.
Tanım 4.6. c, a ve b ' nin dairesel konvolüsyonu olmak üzere
n 1
ck   ak r br
0r n
r 0
dir. Burada alt indisler mod n 'e göre yazılır.
Formülden anlaşılacağı üzere n bileşenli iki vektörün dairesel konvolüsyonu
yine n bileşenlidir.
Örnek 4.5. 3 bileşenli a ve b vektörlerinin dairesel konvolüsyonları c olmak
üzere
c0  a0b0  a2b1  a1b2
c1  a1b0  a0b1  a2b2
c2  a2b0  a1b1  a0b2
olup a1  a2 ve a2  a1 olduğuna dikkat çekilmelidir.
Yukarıdaki örneği matris formda
c  Cb
şeklinde yazabiliriz. Burada C matrisi
 a0
C   a1
 a2
a2
a0
a1
a1 
a2 
a0 
biçiminde olup 3  3 tipinde bir sirkülant matristir (Tolimieri ve ark., 1997).
4.3.3. Dairesel konvolüsyonun matris gösterimi
a ve b, n bileşenli iki vektör olsun ( a  (a0 , a1 ,
 a0 an 1
a
a0
 1
C (a )   a2
a1


 an 1 an  2
an  2
an 1
a0
an 3
, an1 ) ).
a1 
a2 
a3 


a0 
38
olmak üzere a ve b vektörlerinin dairesel konvülasyonu
a  b  C (a)b
(4.15)
şeklindedir. Burada C (a) 'nın n  n bir sirkülant matris olduğuna dikkat çekilmelidir
(Tolimieri ve ark., 1997).
Örnek 4.6. a  (1,3,5,7) ve b  (2, 4,6,8) vektörleri verilsin. a ve b
vektörlerinin dairesel konvolüsyonu
a  b  C (a )b
1
3

5

7
3 2
5   4 
7  6 
 
1  8 
1  2  7  4  5  6  3  8 84 
3  2  1  4  7  6  5  8 92 
 

5  2  3  4  1  6  7  8 84 

  
7  2  5  4  3  6  1  8 60 
7
1
3
5
5
7
1
3
olarak elde edilir (Poornachandra ve Sasikala, 2010).
Şimdi bileşen sayıları aynı olmayan iki vektörün lineer ve dairesel
konvolüsyonunun nasıl hesaplanacağını gösterelim.
a ve b bileşen sayıları farklı (bir an için sırasıyla 3 ve 4 bileşenli olsun) iki
vektör olsun. Bu iki vektörün lineer konvolüsyonu 3  4  1  6 bileşenli olup
a
vektörünün sonuna 3 ve b vektörünün sonuna 2 tane sıfır bileşeni eklenerek bileşen
sayıları eşitlenir ve daha sonra dairesel konvolüsyonları alınarak bu iki vektörün lineer
konvolüsyonlarını hesaplayabiliriz.
Örnek 4.7. h  (h0 , h1 , h2 ) ve
g  ( g0 , g1 , g2 , g3 ) vektörleri sırasıyla 3 ve 4
bileşenli iki vektör olsun. . Bu iki vektörün lineer konvolüsyonu 3  4  1  6 bileşenli
olup h vektörünün sonuna 3 ve g vektörünün sonuna 2 tane sıfır bileşeni ekleyip daha
sonra vektörlerin dairesel konvolüsyonlarını alalım. O halde h ve g 'nin lineer
konvolüsyonu s olmak üzere
39
 s0   h0
s  h
 1  1
 s3   h
s  2
 s4   0
 s5   0
  
 s5   0
0
h0
h1
h2
0
0
0
0
h0
h1
h2
0
0
0
0
h0
h1
h2
h1   g 0 
h2   g1 
 
0   g2 
 
0   g3 
0 0 
 
h0   0 
h2
0
0
0
h0
h1
 h0 g 0

h g  h g

 1 0 0 1

 h2 g 0  h1 g1  h0 g 2 


 h2 g1  h1 g 2  h0 g 3 
h g  h g

 2 2 1 3

 h2 g3

dir. Dikkat edilecek olursa yukarıdaki 6  6 matris bir sirkülant matristir.
Şimdi verilen iki işaretin farklı boyuttaki dairesel konvolüsyonunu bir örnekle
verelim.
Örnek 4.8. a  1,1,1,1 ve b  1,1,1 sırasıyla 4 ve 3 bileşenli iki vektör
olsun. Bu iki vektörün 8 bileşenli dairesel konvolüsyonunu hesaplayınız.
Çözüm: İki vektörün 8 bileşenli dairesel konvolüsyonu istendiğinden a
vektörüne 4 ve b ' ye 5 tane sıfır bileşeni eklenir. Yani,
a  1,1,1,1,0,0,0,0 
ve
b  1,1,1,0,0,0,0,0 
olur. Bu iki vektörün dairesel konvolüsyonuna c dersek
 c0  1
 c  1
 1 
 c2  1
  
c
0
c   3  
 c4  0
  
 c5  0
c  0
 6 
c7  0
0
1
1
1
0
0
0
0
0
0
1
1
1
0
0
0
0
0
0
1
1
1
0
0
0
0
0
0
1
1
1
0
0
0
0
0
0
1
1
1
1
0
0
0
0
0
1
1
1  1 
1  1 
0  1 
 
0  1 
0  0 
 
0  0 
0  0 
 
1  0 
40
1  0  0  0  0  0  0  0  1 
 1  1  0  0  0  0  0  0  2

  
 1  1  1  0  0  0  0  0  3

  
0  1  1  1  0  0  0  0  3



 0  0  1  1  0  0  0  0  2

  
 0  0  0  1  0  0  0  0  1 
0  0  0  0  0  0  0  0 0 

  
0  0  0  0  0  0  0  0   0 
bulunur. Böylece a ve b vektörlerinin 8 noktalı dairesel konvolüsyonu
c  1, 2,3,3, 2,1,0,0 
vektörüdür. Bu vektör
c  1, 2,3,3, 2,1
biçiminde de yazılabilir (Chitode, 2009).
Teorem 4.6. (Konvolüsyon Teoremi)
İki vektörün zaman bölgesindeki dairesel konvolüsyonu, frekans bölgesinde
çarpıma dönüşmektedir. Yani; a ve b, n bileşenli iki vektör ve
(a) ile
(b) de
sırasıyla a ve b’nin Fourier dönüşümleri olmak üzere
(a  b) 
(a)  (b)
(4.16)
dır (Hunt, 1971).
Ġspat: (4.15) ve (4.7)’den
(a  b) 
(C (a)b)  W * (C(a)b)
dir. (4.10)’dan C (a)  Fdiag ( p (1), p (w),
, p (wn1 )) F * olup C (a) 'nın bu değerini
yukarıda yerine yazarsak
(a  b)  W * ( Fdiag ( p (1), p ( w),
, p ( wn 1 )) F * )b
 n ( F * F )(diag ( p (1), p ( w),
 diag ( p (1), p ( w),
elde edilir.
, p ( wn 1 ))
, p ( wn 1 )W *b
1 *
W )b
n
41
1
1
1
w

*
W b  1 w2


1 w( n 1)
  b0 
 
w( n 1)   b1 
w2( n 1)   b2 
 
 
( n 1)2  b
w
  n 1 
1
1
w2
w4
w2( n 1)
b0  b1  b2   bn 1




2
( n 1)
b0  b1w  b2 w   bn 1w




b0  b1w2  b2 w4   bn 1w2( n 1)




b0  b1w( n 1)  b2 w2( n 1)   bn 1w( n 1)( n 1) 
 n 1

  bj 
 j 0

 n 1

j
  bj w 
 j 0


  n 1
  bj w j2 
 j 0





 n 1
j ( n 1) 
 b j w

 j 0

olup, W *b 'nin bu değerini yukarıdaki son eşitlikte yerine yazarsak
n 1
 n 1
 

b
p
(1)
bj


j


 

j 0
 j 0
 

n 1
 n 1
 

j
j
  b j w   p ( w) b j w

j 0
 j 0
 

n 1  n 1
n 1



, p ( w )

  b j w j 2   p ( w2 ) b j w j 2 
j 0
 j 0
 


 


 

n 1
 n 1

j ( n 1) 
n 1
j ( n 1) 
 b j w
  p ( w ) b j w

j

0
j 0

 

(a  b)  diag ( p (1), p ( w),
elde edilir. Buradan
n 1
(a  b)  p ( w ) b j w jk
k  0,1,
k
j 0
yazabiliriz.
p ( wk )  a0  a1wk  a2 w2 k 
 an 1w( n 1) k
n 1
  a j w jk
j 0
olup
n 1
n 1
j 0
j 0
(a  b)   a j w jk  b j w jk

(a) (b)
, n 1
42
olur ki, istenendir.
4.3.4. Dairesel konvolüsyonun hesaplanmasında AFD ve ters AFD metodu
Biz iki vektörün dairesel konvolüsyonunu hesaplamak için AFD ve ters AFD
metodunu kullanabiliriz. Teorem 4.6’dan zaman bölgesindeki dairesel konvolüsyon
frekans bölgesinde
AFD
a  b 

(a) (b)
şeklindeki direkt çarpıma denktir.
Frekans bölgesinde herbir sayısal işaret çarpılır ve çıkan sonucun ters AFD’si
alınır. Bu da verilen dizilerin dairesel konvolüsyonudur. Bu işlem, MATLAB’da 4
adımda aşağıdaki gibi yapılır.
a ve b’nin dairesel konvolüsyonu c olsun.
(a) ve
(b), sırasıyla a ve b’nin
AFD’leri olsun. c aşağıdaki gibi hesaplanabilir.
1. Adım a 'nın AFD’si
(a) hesaplanır.
2. Adım b 'nin AFD’si
(b) hesaplanır.
3. Adım
(c) 
4. Adım
(c) 'nin ters AFD’si c bulunur (Poornachandra ve Sasikala, 2010).
(a) (b) hesaplanır.
Örnek 4.9. Örnek 4.8’i AFD-ters AFD metoduyla çözünüz.
Çözüm:
1. Adım a 'nın AFD’si
4


1  2, 414i 




0


1  0, 414i 

(a) 


0


1  0, 414i 


0


1  2, 414i 
2. Adım b 'nin AFD’si
43
3


 1, 707  1.707i 




i


0, 293  0, 293i 

(b) 


1


0, 293  0, 293i 


i


 1, 707  1, 707i 
3. Adım
(c ) 
4. Adım
12


 2, 414  5,828i 




0


0, 4142  0,1716i 

(a) (b) 


0


 0, 4142  0,1716i 


0


 2, 414  5,828i 
(c) 'nin ters AFD’si
c  a  b  1, 2,3,3, 2,1,0,0
bulunur (Chitode, 2009).
4.3.5. Sirkülant matris katsayılı lineer denklem sistemlerinin çözümü için dairesel
konvülasyon metodu
Sirkülant matris katsayılı lineer denklem sistemleri ayrık Fourier dönüşümü
kullanılarak hızlı bir şekilde çözülebilir. Biz burada dairesel konvolüsyondan
yararlanacağız.
C , n  kare bir sirkülant matris olmak üzere
Cx  b
matris denklemi verilsin. c, C sirkülant matrisinin birinci sütunu olmak üzere, biz
yukarıdaki matris denklemini dairesel konvolüsyon olarak
cx  b
şeklinde yazabiliriz. Ayrık Fourier dönüşümü kullanılarak zaman bölgesindeki iki
vektörün dairesel konvolüsyonu, frekans bölgesinde direkt çarpıma dönüşmekteydi. O
halde konvolüsyon teoreminden
44
(c  x) 
(c) ( x) 
(b)
yazabiliriz. Buradan
x
1
  (b)  
v



  (c) v v



(4.17)
şeklinde bulunur. Bu algoritma, hızlı Fourier dönüşümü kullanıldığında lineer denklem
sistemini çözmede Gauss eleminasyon metodundan çok daha hızlıdır (MobileReference,
2007).
Örnek 4.10. Örnek 4.2’yi dairesel konvolüsyon metoduyla çözünüz.
Çözüm: (4.17)’den lineer denklem sisteminin çözümü
x
1
  (b)  
v



  (c) v v



5
0
b   ,
0
 
5
 x1 
x 
x   2
 x3 
 
 x4 
dir. Burada
1
3
c   ,
 1
 
2
dir. O zaman b ve c vektörlerinin AFD’sini HFD ile hızlı bir şekilde hesaplayabiliriz.
 10 
5  5i 

(b)  
 0 


5  5i 
ve
 5 
2  i 

(c )  
 5 


2  i 
dir.
(
( (b))v
)v
( (c))v
 2 
1  3i 


 0 


1  3i 
olup son ifadenin ters AFD’sini HFD ile hesaplarsak
45
x
1
  (b) 
v


(
c
)
v
 


v
1
  1
 
  0 
 
2
bulunur.
Örnek 4.11.
x1  2 x2  x3  2
 x1  x2  2 x3  3
2 x1  x2  x3  1
lineer denklem sistemini dairesel konvolüsyon metodu ile çözünüz.
Çözüm: Bu lineer denklem sisteminin matris formu
 1 2 1   x1   2 
 1 1 2   x    3

 2  
 2 1 1   x3   1 
şeklinde olup lineer denklem sisteminin çözümü (4.17)’den
x
1
  (b)  
v



(
c
)
v v
 



dir. Burada
1
c   1 ,
 2 
2
b   3
 1 
olup b ve c vektörlerinin AFD’sini HFD yardımıyla hesaplayalım.
0



(b)  3  3, 4641i 
3  3, 4641i 
ve
2



(c)  0,5  2,5981i 
 0,5  2,5981i 
dir.
46
0


( (b))v

(
)v  1,5  0,8660 
( (c))v
1,5  0,8660 
olur. O halde son ifadenin ters AFD’si yine HFD ile hesaplanırsa
x
1
1
 ( (b))v    

 0
 ( (c))v v   1
 
bulunur.
Şimdi çözümün doğruluğunu görmek için MATLAB’da matris yöntemini
kullanalım. Lineer denklem sistemimizin matris formu
Cx  b
şeklinde olup
x  C 1b
dir.
 0, 2143 0, 0714 0,3571 
C   0,3571 0, 2143 0, 0714
 0, 0714 0,3571 0, 2143 
1
olup
1
x  C b   0 
 1
1
şeklinde yine aynı sonucu buluruz.
47
5. SONUÇLAR VE ÖNERĠLER
5.1. Sonuçlar
Yüksek lisans tezi olarak yapılan bu çalışma, derleme bir çalışmadır. Bu
çalışmada Ayrık Fourier dönüşüm (AFD) matrisi ve dairesel konvolüsyonun sirkülant
matrislerle olan ilişkisi incelenmiştir. Daha sonra sirkülant matris katsayılı lineer
denklem sistemlerin çözümü için HFD metodu ile dairesel konvolüsyon metodu
verilmiştir. Ayrıca bir sirkülant matrisin öz değerleri sadece bu sirkülant matrisin bir
satır veya sütunun HFD’si olduğu ve aynı mertebeli bütün sirkülant matrislerin öz
vektörleri AFD matisinin satır veya sütun vektörleri olduğu gösterilmiştir.
Sonuç olarak sirkülant matrislerin AFD matrisi yardımıyla köşegenleştirilmesi,
öz değerleri ve öz vektörlerinin bulunması, ayrıca HFD’nin hesaplanması AFD
matrisiyle olması sebebiyle sirkülant matrisli sayısal işaret işleme uygulamalarında
zamandan tasarruf sağlamaktadır.
5.2. Öneriler
Sirkülant matrisler, sayısal işaret işlemede uygulama alanı olan özel bir matris
çeşididir. Matrislerin çarpımı, kuvveti, kökü, tersleri gibi işlemler bu uygulamaların
kaçınılmaz
işlemleridir.
köşegenleştirilmesine
Yukarıda
dayanmaktadır
bahsi
ve
geçen
işlemler,
hesaplamalarda
matrislerin
oldukça
kolaylık
sağlamaktadır. Sirkülant matrislerin köşegenleştirilmesi işleminin AFD matrisi
yardımıyla olduğu bu çalışmada görüldü.
HFD, AFD matris tabanlı bir algoritma
olduğundan bütün bu anlattıklarımızı sirkülant matrislere uyarlayacak olursak
n tane farklı sirkülant matrisin çarpımı
Bir sirkülant matrisin k  ıncı kuvveti
Bir sirkülant matrisin k  ıncı kökü
Sirkülant matrislerin tersleri
HFD yardımıyla hızlı bir şekilde hesaplanabilir.
48
6. KAYNAKLAR
Bozkurt, D., Türen, B., ve Solak, S., 2005, Lineer Cebir, Dizgi Ofset Matbaacılık,
Konya
Chen, M., 1985, On the Solution of Circulant Linear Systems, Research Report YALEU,
New Haven, 2-3
Chitode, J. S., 2009, Digital Signal Processing, Third revised edition, Techinica
Publications Pune, Chennai, 58-64
Cooley, J. W. and Tukey, J. W., 1965, An Algorithm for the machine calculation of
complex Fourier series, Math. Comput., 297-301
Davis, P. J., 1979, Circulant Matrices, Wiley-Interscience, New York
Dong, C., 2009, The Nonsingularity on the Symetric r-circulant Matrices, Int. Conf. on
Comp. and Commun. Security-ICCCS 2009, Honk Kong, 40-43
Easton, R. L., 2010, Fourier Methods in Imaging, John Wiley&Sons, Rochester NY,
USA
Gray, R. M.,2001, Toeplitz and circulant matrices,Stanford university, Now, Stanford,
California
Hunt, B. R., 1971, A Matrix Proof of the Discrete Convolution Theorem, IEEE
Transactions on Audio and Electroacoustics, Vol. AU-19, No. 4, 285-288
Karaboğa N., 1995, Sayısal Filtre Katsayılarının Genetik Algoritma Kullanılarak
Yuvarlatılması, Doktora Tezi, Erciyes Üniversitesi Fen Bilimleri Enstitüsü,
Kayseri, 1-7
Karner, H., Schneid, J., and Ueberhuber, C., W., 2003, Spectral Decomposition of Real
Circulant Matrices, Linear Algebra and Its Applications, 367, 301-311
Kayran, A. H. ve Ekşioğlu, E. M., 2010, Bilgisayar Uygulamalarıyla Sayısal İşaret
İşleme, Birsen Yayınevi, İstanbul
Kunt, M., 1987, Digital Signal Processing, Artech Hous
Li, H., Liu, X. and Wang, P., 2009, An Improved Fast Algorithm for the K-th Root of
Permutation Factor Circulant Matrices, ISECS Int. Colloquium on Comp.
Commun. Cont. Management-CCCM 2009, Sanya, 316-319
Liu, H., and Liu, X., 2009, The Nonsingularity on the r-circulant Matrices, ISECS Int.
Colloquium on Comp. Commun. Cont. Management-CCCM 2009, 324-327
Liu, X., and Wei, P., 2009, A Fast algorithm fort he production of Permutation Factor
Circulant Matrices, Asia-Pacific Conf. On Information Processing-APCIP 2009,
Shenzhen, 367-37
49
MobileReference, 2007, Linear Algebra Study Guide, MobileReference.com, Boston
Oppenheim A. V., Schafer, R.W., 1999, Discrete-Time Signal Processing, 2nd Ed.,
Prentice-Hall, Inc., Upper Saddle River, NJ
Pollock, D., S., G., 2002, Circulant Matrices and Time-SeriesvAnalysis, Int. J. Math.
Educ. Sci. Technol., 33(2), 213-230
Poornachandra, S. and Sasikala, B., 2010, Digital Signal Processing, 3e, Tata Mcraw
Hill, Chennai
Strang, G., Introduction to Linear Algebra, Wellesley-Cambridge Press, Wellesley, 495500
Taşcı, D., 2005, Lineer Cebir, Gazi Kitapevi, Ankara
Teixeira, M., and Rodriguez, D., 1994, A new method mathematically links fast Fourier
transform algorithms with fast cyclic convolution algorithms, Proceedings of the
37th Midwest Symposium on Circuits and Systems, Lafayette-LA, USA, 2, 829833
Tolimieri, R., An, M. and Lu, C., 1997, Algorithms for Discrete Fourier Transform and
Convulation, second edition, Springer- Verlag, New York, 100-110
Tsitsas, N. L., Alivizatos, E. G., Kalogeropoulos, G.H., 2007, A recursive algorithm for
the inversion of matrices with circulant blocks, Applied Math. And Comp., 188,
877-894
Zhao, G., 2009, The Improved Nonsingularity on the r-Circulant Matrices in signal
processing, Inter. Conf. On Computer Techo. and Development-ICCTD 2009,
Kota Kinabalu, 564-567
Zhao, W., 2009, The Inverse Problem of Anti-circulant Matrices in Signal Processing,
Pacific-Asia Conf. on Knowledge Engineering and Software Engineering-KESE
2009, Shenzhen, 47-50
50
ÖZGEÇMĠġ
KĠġĠSEL BĠLGĠLER
Adı Soyadı
Uyruğu
Doğum Yeri ve Tarihi
Telefon
Faks
e-mail
:
:
:
:
:
:
Ahmet ÖTELEŞ
TC
Adıyaman / 25.06.1985
05054743191
[email protected]
EĞĠTĠM
Adı, Ġlçe, Ġl
: Anadolu Öğretmen Lisesi, Adıyaman
Selçuk Üniversitesi Eğitim Fakültesi OFMAE
Üniversite
:
Matematik Eğitimi Bölümü, Konya
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Yüksek Lisans :
Matematik Anabilim Dalı, Konya
Doktora
:
Derece
Lise
UZMANLIK ALANI
: Cebir ve Sayılar Teorisi
YABANCI DĠLLER
: Ġngilizce
Bitirme Yılı
2003
2009
2011
Download