Slajd tytułowy wprowadza w tematykę harmonicznych, czyli składowych częstotliwościowych sygnałów okresowych. Prezentacja obejmuje definicję harmonicznych, ich rodzaje (parzyste, nieparzyste, subharmoniczne), matematyczny opis za pomocą szeregu Fouriera oraz praktyczne zastosowania w telekomunikacji, elektronice i akustyce. Szczególny nacisk położono na analizę widmową, zjawisko Gibbsa i miarę zniekształceń THD. Materiał stanowi fundament do zrozumienia bardziej zaawansowanych zagadnień, takich jak modulacja, filtracja cyfrowa czy kompresja sygnałów.

W trakcie wykładu student pozna związek między kształtem sygnału w dziedzinie czasu a jego widmem częstotliwościowym. Omówione zostaną przykłady sygnałów typowych dla telekomunikacji, w tym fala prostokątna (sygnały zegarowe), piłokształtna (synteza dźwięku) i trójkątna (generatory funkcyjne). Wiedza ta jest niezbędna przy projektowaniu filtrów, analizie zniekształceń nieliniowych oraz ocenie jakości torów transmisyjnych.

Niniejsza prezentacja poświęcona harmonicznym stanowi trzeci moduł kursu wprowadzającego do telekomunikacji. Obejmuje ona kluczowe zagadnienia: definicję harmonicznych, ich rodzaje (parzyste, nieparzyste, subharmoniczne), matematyczny opis za pomocą szeregu Fouriera, analizę widmową (widmo amplitudowe i fazowe), zjawisko Gibbsa, miarę zniekształceń THD oraz praktyczne zastosowania w syntezie dźwięku, filtracji i analizie jakości energii. Zrozumienie harmonicznych jest fundamentem do dalszych modułów – modulacji, multipleksacji i kodowania.

Materiał kładzie nacisk na zrozumienie związków między dziedziną czasu a dziedziną częstotliwości oraz na praktyczne aspekty analizy widmowej. Współczesne systemy telekomunikacyjne (LTE, 5G, Wi-Fi, DVB-T) opierają się na koncepcjach przedstawionych w tej prezentacji – od filtracji i modulacji po kompresję sygnałów. Stanowi to solidny fundament dla dalszej edukacji i praktyki inżynierskiej.

Harmoniczne definiuje się jako składowe sinusoidalne, których częstotliwości są całkowitymi wielokrotnościami częstotliwości podstawowej f₀. Każdy sygnał okresowy, który nie jest idealną sinusoidą, zawiera takie składowe. Pierwsza harmoniczna (podstawowa) odpowiada częstotliwości f₀ i wyznacza okres sygnału. Druga harmoniczna ma częstotliwość 2f₀, trzecia 3f₀, i tak dalej. Im wyższy numer harmonicznej, tym wyższa jej częstotliwość i zazwyczaj mniejsza amplituda. Zbiór wszystkich harmonicznych tworzy widmo częstotliwościowe sygnału.

W telekomunikacji znajomość definicji harmonicznych jest kluczowa dla zrozumienia zjawisk takich jak zniekształcenia nieliniowe, aliasing czy interferencje międzykanałowe. Na przykład sygnał zegara procesora o częstotliwości 1 GHz generuje harmoniczne przy 2 GHz, 3 GHz itd., które mogą powodować zakłócenia elektromagnetyczne w innych pasmach. Projektanci układów muszą uwzględniać zawartość harmonicznych przy doborze filtrów i ekranowaniu.

Częstotliwość podstawowa f₀ jest najniższą częstotliwością występującą w sygnale okresowym i określa jego podstawowy okres T₀ = 1/f₀. Wyższe harmoniczne (2f₀, 3f₀, 4f₀, ...) dodają szczegóły kształtu sygnału. W przypadku fali prostokątnej o częstotliwości 1 kHz harmoniczne występują przy 1 kHz (podstawowa), 3 kHz, 5 kHz, ... – tylko nieparzyste. Każda kolejna harmoniczna poprawia wierność odwzorowania stromych krawędzi sygnału. W praktyce liczba uwzględnianych harmonicznych jest kompromisem między jakością a szerokością pasma.

W akustyce częstotliwość podstawowa determinuje wysokość dźwięku (np. 440 Hz dla nuty A4), a wyższe harmoniczne kształtują barwę, pozwalając odróżnić fortepian od skrzypiec grających tę samą nutę. W elektronice cyfrowej sygnały prostokątne (zegary) zawierają bardzo wiele harmonicznych, co wymaga starannego projektowania torów transmisyjnych i filtrów antyaliasingowych. Zrozumienie relacji między f₀ a wyższymi harmonicznymi jest fundamentem analizy widmowej.

Fala prostokątna jest klasycznym przykładem ilustrującym rozkład sygnału na harmoniczne. Jej szereg Fouriera zawiera tylko nieparzyste harmoniczne: s(t) = (4/π)[sin(ω₀t) + (1/3)sin(3ω₀t) + (1/5)sin(5ω₀t) + ...]. Dodanie pierwszej harmonicznej daje zwykłą sinusoidę, pierwszej i trzeciej – zgrubny zarys prostokąta, a pierwszej, trzeciej i piątej – wyraźniejsze krawędzie. Im więcej harmonicznych dodamy, tym bardziej wynik przypomina idealną falę prostokątną. Amplitudy kolejnych harmonicznych maleją proporcjonalnie do 1/n.

Ta wizualizacja doskonale pokazuje, jak z prostych składowych sinusoidalnych można zbudować złożony kształt sygnału. W telekomunikacji sygnały cyfrowe są w przybliżeniu prostokątne, więc ich widmo zawiera wiele harmonicznych. Projektanci muszą uwzględniać to zjawisko przy doborze pasma transmisji i filtracji. Generowanie fal prostokątnych z harmonicznych jest także podstawą syntezy addytywnej w muzyce elektronicznej.

Przykład akustyczny doskonale ilustruje znaczenie harmonicznych w praktyce. Barwa dźwięku – to właśnie zawartość harmonicznych odróżnia dźwięk fortepianu od skrzypiec grających tę samą nutę. Fortepian wytwarza bogate widmo z wieloma harmonicznymi o zróżnicowanych amplitudach. Flet produkuje głównie podstawową i nieliczne wyższe harmoniczne, co daje czysty, łagodny dźwięk. Skrzypce charakteryzują się silnymi wyższymi harmonicznymi, co nadaje im jasny, przenikliwy ton. Przesterowanie gitary elektrycznej dodaje harmonicznych, tworząc charakterystyczne rockowe brzmienie.

Ucho ludzkie rozpoznaje instrumenty właśnie po zawartości harmonicznych – jest to kluczowy mechanizm percepcji słuchowej. W telekomunikacji analogiczne zjawisko występuje przy identyfikacji źródła sygnału na podstawie jego widma. W systemach kompresji audio (MP3, AAC) wykorzystuje się maskowanie częstotliwościowe, które opiera się na właściwościach percepcji harmonicznych przez ludzki słuch. Zrozumienie tych mechanizmów pozwala projektować wydajniejsze kodeki audio.

Każdy sygnał okresowy, który nie jest idealną sinusoidą, zawiera harmoniczne – im bardziej odbiega kształtem od sinusoidy, tym bogatsze jest jego widmo. Fala prostokątna zawiera tylko nieparzyste harmoniczne z amplitudami malejącymi jak 1/n. Fala piłokształtna zawiera wszystkie harmoniczne (zarówno parzyste, jak i nieparzyste), również z amplitudami ~1/n. Fala trójkątna, która jest ciągła (nie ma skoków), ma tylko nieparzyste harmoniczne, ale amplitudy maleją szybciej – jak 1/n². Impulsy o bardzo krótkim czasie trwania mają wyjątkowo szerokie widmo harmoniczne.

W telekomunikacji cyfrowej sygnały prostokątne są wszechobecne – od sygnałów zegarowych po transmisję danych. Ich bogate widmo harmoniczne jest źródłem problemów z kompatybilnością elektromagnetyczną (EMI). Dlatego projektanci stosują techniki kształtowania zboczy (slew-rate control) oraz filtry dolnoprzepustowe, aby ograniczyć zawartość wysokich harmonicznych. Zrozumienie, które rodzaje sygnałów generują jakie harmoniczne, jest kluczowe przy projektowaniu układów elektronicznych.

Zniekształcenia nieliniowe powstają, gdy układ elektroniczny nie przenosi sygnału w sposób liniowy – wyjście nie jest wierną kopią wejścia. Idealny wzmacniacz powinien realizować y(t) = K·x(t), ale w rzeczywistości charakterystyka jest nieliniowa: y(t) = K₁·x(t) + K₂·x²(t) + K₃·x³(t) + ... . Jeśli na wejście podamy czystą sinusoidę, wyraz x²(t) wygeneruje drugą harmoniczną, x³(t) – trzecią, i tak dalej. Źródłami nieliniowości są tranzystory, diody, nasycanie się rdzeni magnetycznych oraz przetworniki A/C.

W systemach telekomunikacyjnych zniekształcenia nieliniowe są szczególnie szkodliwe w torach wielokanałowych, gdzie produkty intermodulacji mogą zakłócać sąsiednie kanały. Dlatego wzmacniacze liniowe (klasy A, AB) są preferowane w aplikacjach wymagających wysokiej jakości. Współczesne techniki korekcji, takie jak predystorsja cyfrowa (DPD), pozwalają kompensować nieliniowość wzmacniaczy mocy, redukując zniekształcenia harmoniczne o kilkadziesiąt decybeli.

Przesterowanie (clipping) występuje, gdy amplituda sygnału wejściowego przekracza zakres liniowej pracy wzmacniacza – wierzchołki sinusoidy są obcinane. Sinusoida zamienia się w przebieg zbliżony do fali prostokątnej, co generuje bogate widmo harmonicznych. W przypadku symetrycznego obcinania powstają głównie nieparzyste harmoniczne. Asymetryczne obcinanie generuje również parzyste harmoniczne, które są szczególnie niepożądane w audio. Wzmacniacze gitarowe celowo wykorzystują przesterowanie dla uzyskania charakterystycznego brzmienia (distortion, overdrive). W systemach Hi-Fi przesterowanie jest zjawiskiem niepożądanym – powoduje pogorszenie jakości dźwięku.

W telekomunikacji przesterowanie w torze transmisyjnym prowadzi do zniekształceń intermodulacyjnych, które zakłócają pracę systemów wielokanałowych. Projektanci wzmacniaczy audio zapewniają odpowiedni zapas mocy (headroom), typowo 10–20 dB powyżej nominalnego poziomu sygnału. Analiza widma pozwala szybko zidentyfikować obecność i rodzaj przesterowania – symetryczne obcinanie daje nieparzyste harmoniczne, asymetryczne dodaje parzyste. Zrozumienie tych zależności jest kluczowe przy projektowaniu i diagnostyce torów audio.

Szereg Fouriera jest fundamentalnym narzędziem matematycznym w analizie harmonicznej. Pozwala przedstawić dowolny sygnał okresowy jako sumę sinusoid i cosinusoid o częstotliwościach będących wielokrotnościami częstotliwości podstawowej. Dzięki niemu możemy określić, jakie harmoniczne występują w sygnale, obliczyć ich amplitudy oraz zrozumieć, jak zmienia się widmo przy modyfikacjach sygnału. Jest to podstawa projektowania filtrów do usuwania lub wzmacniania wybranych harmonicznych. Szereg Fouriera stanowi pomost między dziedziną czasu a dziedziną częstotliwości.

W praktyce inżynierskiej szereg Fouriera znajduje zastosowanie w analizie zniekształceń, syntezie dźwięku, kompresji sygnałów (MP3, JPEG) oraz w systemach transmisyjnych wykorzystujących modulację OFDM. Współczynniki Fouriera (a₀ – składowa stała, aₙ i bₙ – amplitudy harmonicznych) oblicza się za pomocą całek, ale w praktyce robią to za nas algorytmy FFT w analizatorach widma. Im więcej wyrazów szeregu uwzględnimy, tym dokładniejsze jest przybliżenie sygnału. Zrozumienie idei szeregu Fouriera jest kluczowe dla każdego inżyniera telekomunikacji.

Harmoniczne parzyste (2f₀, 4f₀, 6f₀, ...) występują głównie w sygnałach asymetrycznych, czyli takich, w których dodatnia i ujemna połówka różnią się kształtem. Typowym przykładem jest fala piłokształtna, która zawiera wszystkie harmoniczne (zarówno parzyste, jak i nieparzyste). Inne źródła harmonicznych parzystych to asymetryczne obcinanie (asymetryczny clipping) oraz przebieg wyprostowany (prostownik). Obecność silnych harmonicznych parzystych często wskazuje na asymetrię w układzie elektronicznym, np. niezrównoważenie stopnia różnicowego.

W akustyce harmoniczne parzyste są odbierane jako przyjemniejsze dla ucha – dodają dźwiękowi ciepła i bogactwa. W systemach audio wzmacniacze klasy A generują głównie parzyste harmoniczne, co jest jednym z powodów ich cenionego brzmienia. W telekomunikacji obecność parzystych harmonicznych w sygnale może świadczyć o niesymetrii toru transmisyjnego. Analiza stosunku parzystych do nieparzystych harmonicznych pozwala diagnozować rodzaj zniekształceń w układzie.

Harmoniczne nieparzyste (3f₀, 5f₀, 7f₀, ...) występują w sygnałach symetrycznych względem osi czasu, czyli w funkcjach nieparzystych. Najbardziej znanym przykładem jest fala prostokątna, która zawiera tylko nieparzyste harmoniczne o amplitudach malejących proporcjonalnie do 1/n. Fala trójkątna również zawiera tylko nieparzyste harmoniczne, ale amplitudy maleją szybciej – jak 1/n². Symetryczne obcinanie (symetryczny clipping) również generuje wyłącznie nieparzyste harmoniczne. Fala prostokątna jest najczęściej spotykanym źródłem nieparzystych harmonicznych w układach cyfrowych.

W telekomunikacji sygnały zegarowe i magistrale danych generują głównie nieparzyste harmoniczne, które mogą powodować zakłócenia w pasmach radiowych. W audio nieparzyste harmoniczne są odbierane jako bardziej nieprzyjemne niż parzyste – nadają dźwiękowi ostrość i szorstkość. Wzmacniacze klasy B i AB generują zniekształcenia przełączania (crossover distortion) zawierające głównie nieparzyste harmoniczne. Dlatego projektanci wzmacniaczy Hi-Fi starają się minimalizować zawartość nieparzystych harmonicznych w widmie wyjściowym.

Subharmoniczne to składowe o częstotliwościach ułamkowych względem częstotliwości podstawowej, takich jak f₀/2, f₀/3, f₀/4 itd. Powstają one w układach nieliniowych, szczególnie gdy występuje mnożenie częstotliwości lub oscylacje parametryczne. Przykłady obejmują przetwornice impulsowe przy niestabilnej pracy, wzmacniacze mocy przy zbyt dużym wysterowaniu, układy z pętlą PLL przy synchronizacji oraz zjawiska akustyczne w instrumentach (efekt sub-bass). Subharmoniczne są na ogół niepożądane, ponieważ pogarszają jakość sygnału i mogą powodować niestabilność systemu.

W systemach audio subharmoniczne mogą być celowo generowane przez procesory efektów (subharmonic synthesizers) w celu wzmocnienia niskich częstotliwości. W energetyce subharmoniczne w sieci elektrycznej świadczą o poważnych problemach, takich jak rezonans podharmoniczny czy niestabilność generatorów. W telekomunikacji subharmoniczne w torze transmisyjnym są trudne do usunięcia, ponieważ leżą w paśmie sygnału użytecznego. Ich identyfikacja wymaga zaawansowanej analizy widmowej z wysoką rozdzielczością częstotliwościową.

Intermodulacja to zjawisko powstawania nowych częstotliwości w wyniku nieliniowego mieszania dwóch lub więcej sygnałów o różnych częstotliwościach. Jeśli na wejście układu nieliniowego podamy dwie sinusoidy o częstotliwościach f₁ i f₂, na wyjściu pojawią się harmoniczne (n·f₁, m·f₂) oraz produkty intermodulacji (f₁ ± f₂, 2f₁ ± f₂, f₁ ± 2f₂, ...). Na przykład dla f₁ = 1 kHz i f₂ = 1,2 kHz produkty IMD to m.in. 2,2 kHz (f₁+f₂), 0,2 kHz (f₂–f₁) i 3,2 kHz (2f₁+f₂). Intermodulacja jest szczególnie szkodliwa w systemach wielokanałowych, gdzie produkty IMD mogą zakłócać sąsiednie kanały.

W telekomunikacji zniekształcenia intermodulacyjne są krytycznym parametrem wzmacniaczy mocy w stacjach bazowych i nadajnikach. IM3 (produkty trzeciego rzędu: 2f₁±f₂, 2f₂±f₁) są szczególnie groźne, ponieważ leżą blisko oryginalnych sygnałów i trudno je odfiltrować. W systemach OFDM (Wi-Fi, LTE) intermodulacja powoduje wzrost poziomu szumu w paśmie i pogorszenie stosunku SNR. Dlatego wzmacniacze mocy są projektowane z wysoką liniowością, a w razie potrzeby stosuje się techniki linearyzacji, takie jak predystorsja cyfrowa.

Przedstawiona tabela zestawia najważniejsze typy sygnałów okresowych i ich charakterystyki widmowe. Sinusoida zawiera tylko jedną harmoniczną (podstawową). Fala prostokątna zawiera nieparzyste harmoniczne z amplitudami malejącymi jak 1/n. Fala piłokształtna zawiera wszystkie harmoniczne, również z amplitudami ~1/n. Fala trójkątna zawiera tylko nieparzyste harmoniczne, ale amplitudy maleją szybciej – jak 1/n². Ciąg impulsów ma widmo o obwiedni sinc, gdzie zawartość harmonicznych zależy od współczynnika wypełnienia. Im szybciej maleją amplitudy harmonicznych, tym gładszy jest sygnał w dziedzinie czasu.

Znajomość tych zależności jest kluczowa przy projektowaniu systemów telekomunikacyjnych. Na przykład sygnał zegarowy (fala prostokątna) wymaga szerokiego pasma do wiernej transmisji, ponieważ jego wyższe harmoniczne (3f₀, 5f₀, 7f₀) niosą informację o stromości zboczy. W systemach z ograniczonym pasmem wyższe harmoniczne są tłumione, co powoduje spowolnienie zboczy i może prowadzić do błędów taktowania. Projektanci muszą znaleźć kompromis między szybkością transmisji a wymaganym pasmem.

Szereg Fouriera jest fundamentalnym narzędziem matematycznym w analizie harmonicznej. Pozwala przedstawić dowolny sygnał okresowy jako sumę sinusoid i cosinusoid o częstotliwościach będących wielokrotnościami częstotliwości podstawowej. Dzięki niemu możemy określić, jakie harmoniczne występują w sygnale, obliczyć ich amplitudy oraz zrozumieć, jak zmienia się widmo przy modyfikacjach sygnału. Jest to podstawa projektowania filtrów do usuwania lub wzmacniania wybranych harmonicznych. Szereg Fouriera stanowi pomost między dziedziną czasu a dziedziną częstotliwości.

W praktyce inżynierskiej szereg Fouriera znajduje zastosowanie w analizie zniekształceń, syntezie dźwięku, kompresji sygnałów (MP3, JPEG) oraz w systemach transmisyjnych wykorzystujących modulację OFDM. Współczynniki Fouriera (a₀ – składowa stała, aₙ i bₙ – amplitudy harmonicznych) oblicza się za pomocą całek, ale w praktyce robią to za nas algorytmy FFT w analizatorach widma. Im więcej wyrazów szeregu uwzględnimy, tym dokładniejsze jest przybliżenie sygnału. Zrozumienie idei szeregu Fouriera jest kluczowe dla każdego inżyniera telekomunikacji.

Postać trygonometryczna szeregu Fouriera: s(t) = a₀ + Σ[aₙ·cos(2πnf₀t) + bₙ·sin(2πnf₀t)] jest podstawowym zapisem matematycznym rozkładu sygnału na harmoniczne. Składowa a₀ reprezentuje wartość średnią sygnału (składową stałą DC). Człony cosinusoidalne (aₙ) odpowiadają za symetrię parzystą, a sinusoidalne (bₙ) za symetrię nieparzystą. Dla sygnałów rzeczywistych współczynniki aₙ i bₙ są liczbami rzeczywistymi. Alternatywny zapis w postaci harmonicznej: s(t) = c₀ + Σcₙ·cos(2πnf₀t + φₙ) grupuje amplitudę i fazę w jeden parametr cₙ = √(aₙ² + bₙ²).

W praktyce inżynierskiej postać trygonometryczna jest używana przy analizie obwodów elektrycznych i projektowaniu filtrów. Współczynniki aₙ i bₙ można interpretować jako miary zawartości poszczególnych składowych częstotliwościowych. Przejście między postacią trygonometryczną a harmoniczną jest często wykorzystywane w obliczeniach. W systemach cyfrowych dyskretna wersja szeregu Fouriera (DFT) jest implementowana za pomocą algorytmu FFT, który stanowi podstawę współczesnej analizy widmowej.

Współczynniki Fouriera wyznacza się za pomocą całek: a₀ = (1/T)∫s(t)dt (wartość średnia), aₙ = (2/T)∫s(t)·cos(2πnf₀t)dt, bₙ = (2/T)∫s(t)·sin(2πnf₀t)dt. Całki te obliczają korelację sygnału z funkcjami bazowymi (sinus i cosinus) na jednym okresie. Im większa wartość współczynnika, tym silniejszy udział danej harmonicznej w sygnale. Dla sygnałów symetrycznych wiele współczynników może być zerowych – na przykład dla fali prostokątnej wszystkie aₙ = 0, a niezerowe są tylko bₙ dla nieparzystych n.

W praktyce inżynierskiej nie oblicza się tych całek ręcznie. Algorytmy FFT w analizatorach widma i programach takich jak MATLAB czy Python (NumPy) wykonują te obliczenia automatycznie. Zrozumienie interpretacji współczynników jest jednak niezbędne do świadomej analizy widmowej. W systemach telekomunikacyjnych współczynniki Fouriera są wykorzystywane m.in. w estymacji widma, detekcji sygnałów i kompresji danych (MP3, JPEG). Znajomość wzorów pozwala zrozumieć, jakie informacje niesie widmo amplitudowe i fazowe.

Interpretacja graficzna szeregu Fouriera pokazuje, jak stopniowe dodawanie kolejnych harmonicznych przybliża kształt sygnału do docelowego. Pierwsza harmoniczna (podstawowa) daje zgrubny, sinusoidalny zarys. Dodanie trzeciej harmonicznej powoduje pojawienie się ostrzejszych krawędzi. Piąta i siódma harmoniczna dodatkowo wyostrzają kształt. Każda kolejna harmoniczna doprecyzowuje szczegóły, szczególnie w miejscach szybkich zmian sygnału, takich jak skoki i krawędzie. Proces ten ilustruje fundamentalną zasadę: szybkie zmiany w sygnale wymagają wysokich harmonicznych, a im bardziej stromy przebieg, tym szersze pasmo jest potrzebne do jego wiernej reprezentacji.

W praktyce inżynierskiej ta wizualizacja ma kluczowe znaczenie dla zrozumienia ograniczeń systemów transmisyjnych. Ograniczenie pasma powoduje utratę wyższych harmonicznych, co skutkuje spowolnieniem zboczy i zaokrągleniem krawędzi sygnałów cyfrowych. W systemach telekomunikacyjnych decyduje to o maksymalnej szybkości transmisji danych w danym paśmie. Projektanci muszą uwzględniać te zależności przy doborze szybkości symbolowej i pasma kanału. Obserwacja wpływu kolejnych harmonicznych na kształt sygnału pomaga intuicyjnie zrozumieć związek między dziedziną czasu a częstotliwości.

Podsumowanie wprowadzenia do szeregu Fouriera zestawia pięć kluczowych pojęć: szereg Fouriera jako rozkład sygnału na sinusoidy i cosinusoidy, częstotliwość podstawową f₀ determinującą okres sygnału, harmoniczne nf₀ jako składowe o wyższych częstotliwościach, współczynniki aₙ i bₙ określające amplitudy harmonicznych oraz składową stałą a₀ reprezentującą wartość średnią. Te koncepcje stanowią pomost między dziedziną czasu a dziedziną częstotliwości. Zrozumienie tych podstaw jest niezbędne przed przejściem do bardziej zaawansowanych tematów, takich jak transformata Fouriera, filtracja cyfrowa czy analiza widmowa sygnałów nieokresowych.

W dalszej części kursu studenci poznają praktyczne zastosowania analizy harmonicznej w telekomunikacji, w tym obliczanie rzeczywistej szerokości pasma sygnałów cyfrowych, projektowanie filtrów dopasowanych i analizę zniekształceń w torach transmisyjnych. Kolejne moduły rozwijają te zagadnienia w kontekście modulacji, multipleksacji i kodowania kanałowego. Solidne opanowanie szeregu Fouriera jest kluczem do zrozumienia zaawansowanych systemów telekomunikacyjnych, takich jak OFDM, wykorzystywanych w LTE, Wi-Fi i telewizji DVB-T.

Szereg Fouriera fali prostokątnej (symetrycznej, wypełnienie 50%) zawiera tylko nieparzyste harmoniczne: s(t) = (4/π)[sin(ω₀t) + (1/3)sin(3ω₀t) + (1/5)sin(5ω₀t) + ...]. Amplitudy harmonicznych maleją proporcjonalnie do 1/n, a współczynnik (4/π) ≈ 1,27 sprawia, że amplituda podstawowej jest większa niż amplituda samej fali prostokątnej. Oznacza to, że pierwsza harmoniczna ma wyższą energię niż cały sygnał prostokątny – pozostałe harmoniczne są w przeciwfazie i redukują całkowitą amplitudę. Fala prostokątna jest wszechobecna w elektronice cyfrowej jako sygnał zegarowy.

W praktyce projektowej sygnały zegarowe o częstotliwości 1 GHz generują harmoniczne przy 3 GHz, 5 GHz itd., które mogą powodować problemy z kompatybilnością elektromagnetyczną (EMI). Dlatego projektanci PCB stosują techniki takie jak kształtowanie zboczy (spredukcja), filtry ferrytowe i staranne ekranowanie. W systemach transmisji sygnałów cyfrowych na duże odległości (np. USB, HDMI) stosuje się kodowanie zmniejszające zawartość niskich częstotliwości i techniki preemfazy kompensujące tłumienie wyższych harmonicznych w kablu.

Szereg Fouriera fali piłokształtnej (narastającej liniowo, opadającej skokowo) zawiera wszystkie harmoniczne: s(t) = (2/π)[sin(ω₀t) – (1/2)sin(2ω₀t) + (1/3)sin(3ω₀t) – ...]. Amplitudy harmonicznych maleją jak 1/n, a znaki są naprzemienne – minus przy parzystych, plus przy nieparzystych. Fala piłokształtna jest jedynym z podstawowych sygnałów, który zawiera zarówno parzyste, jak i nieparzyste harmoniczne. Dzięki temu ma najbogatsze widmo spośród fal okresowych. Jej charakterystyczny ostry dźwięk jest powszechnie używany w syntezatorach muzycznych (brzmienie sawtooth).

W syntezie dźwięku fala piłokształtna jest podstawą wielu brzmień – od basów po leady. Jej bogate widmo pozwala na kształtowanie barwy za pomocą filtrów dolnoprzepustowych (subtractive synthesis). W telekomunikacji fala piłokształtna jest używana w generatorach podstawy czasu (sweep) w oscyloskopach analogowych oraz w modulatorach PWM. Jej widmo, zawierające wszystkie harmoniczne, stanowi dobry sygnał testowy do oceny pasma przenoszenia i liniowości fazowej torów transmisyjnych.

Szereg Fouriera fali trójkątnej (symetrycznej) zawiera tylko nieparzyste harmoniczne: s(t) = (8/π²)[sin(ω₀t) – (1/9)sin(3ω₀t) + (1/25)sin(5ω₀t) – ...]. Amplitudy harmonicznych maleją proporcjonalnie do 1/n², czyli znacznie szybciej niż w przypadku fali prostokątnej (1/n) czy piłokształtnej (1/n). Oznacza to, że do dobrego przybliżenia fali trójkątnej wystarczy niewiele harmonicznych. Fala trójkątna nie ma skoków – jest ciągła, choć jej pochodna jest nieciągła. Dlatego jej wysokoczęstotliwościowe składowe są słabsze, a widmo węższe.

W syntezie dźwięku fala trójkątna daje łagodniejsze, bardziej miękkie brzmienie niż fala prostokątna, zbliżone do instrumentów dętych. W pomiarach służy do testowania liniowości wzmacniaczy – idealna fala trójkątna po przejściu przez liniowy układ pozostaje trójkątna, a zniekształcenia objawiają się zaokrągleniem wierzchołków lub asymetrią zboczy. W systemach telekomunikacyjnych fala trójkątna jest używana w modulatorach PWM oraz jako sygnał modulujący w generatorach funkcji. Jej szybko malejące widmo sprawia, że jest łatwiejsza do filtrowania i generuje mniej zakłóceń EMI.

W praktyce używamy skończonej liczby harmonicznych (N) do aproksymacji sygnału, co powoduje błąd aproksymacji. Dla N = 1 aproksymacja jest bardzo zgrubna – sama sinusoida podstawowa. Dla N = 10 jakość jest dobra, ale pojawiają się przeregulowania przy skokach (zjawisko Gibbsa). Dla N = 100 aproksymacja jest bardzo dobra, ale przeregulowania przy skokach pozostają – zwiększanie N nie zmniejsza ich amplitudy. Błąd średniokwadratowy (MSE) maleje ze wzrostem N, ale dla sygnałów z nieciągłościami zbieżność jest wolna. Idealna aproksymacja wymaga N → ∞, co w praktyce jest niemożliwe.

W systemach telekomunikacyjnych liczba uwzględnianych harmonicznych jest kompromisem między jakością a szerokością pasma. Ograniczenie pasma przez kanał transmisyjny działa jak filtr dolnoprzepustowy, odcinając wyższe harmoniczne. Skutkiem jest spowolnienie zboczy sygnałów cyfrowych i możliwość wystąpienia błędów w odczycie bitów (interferencja międzysymbolowa). Projektanci systemów transmisyjnych muszą dobrać szybkość transmisji tak, aby zmieścić wystarczającą liczbę harmonicznych w dostępnym paśmie. Kompromis ten jest opisany przez prawo Hartleya i twierdzenie Shanona.

Widmo amplitudowe to wykres przedstawiający amplitudę każdej harmonicznej w funkcji częstotliwości. Dla sygnałów okresowych widmo ma postać dyskretnych prążków (linii) – oś pozioma to częstotliwość, oś pionowa to amplituda cₙ = √(aₙ² + bₙ²). Każdy prążek odpowiada jednej harmonicznej. Widmo amplitudowe pozwala szybko ocenić, które częstotliwości dominują w sygnale i jak bogate jest jego widmo. Obwiednia widma opisuje, jak amplitudy maleją wraz z częstotliwością – np. ~1/n dla fali prostokątnej, ~1/n² dla trójkątnej.

W praktyce inżynierskiej widmo amplitudowe jest podstawowym narzędziem diagnostycznym. Analizatory widma wyświetlają je w czasie rzeczywistym, umożliwiając identyfikację zniekształceń, zakłóceń i sygnałów pasożytniczych. W telekomunikacji widmo amplitudowe służy do oceny jakości modulacji, pomiaru THD, analizy widma sygnałów radiowych i testowania kompatybilności elektromagnetycznej. Umiejętność czytania i interpretacji widma amplitudowego jest niezbędna dla każdego inżyniera telekomunikacji i elektronika.

Widmo fazowe przedstawia fazę początkową każdej harmonicznej w funkcji częstotliwości: φₙ = arctan(bₙ/aₙ). Faza określa przesunięcie czasowe poszczególnych harmonicznych względem początku okresu sygnału. Zmiana faz harmonicznych zmienia kształt sygnału w dziedzinie czasu, ale nie zmienia jego widma amplitudowego. Dlatego sygnały o identycznym widmie amplitudowym mogą mieć całkowicie różne przebiegi czasowe – różni je właśnie widmo fazowe. W percepcji słuchowej faza ma mniejsze znaczenie niż amplituda (ludzkie uszy nie są wrażliwe na fazę), ale w transmisji danych jest kluczowa.

W systemach telekomunikacyjnych faza odgrywa fundamentalną rolę w modulacjach PSK (BPSK, QPSK, QAM), gdzie informacja jest kodowana w zmianach fazy nośnej. W systemach stereofonicznych różnica faz między kanałami umożliwia lokalizację źródła dźwięku w przestrzeni (panorama). W radarach i sonarach analiza fazy pozwala określić kierunek i odległość obiektu. Pełna analiza widmowa wymaga zarówno widma amplitudowego, jak i fazowego – samo widmo amplitudowe nie daje pełnej informacji o sygnale.

Sygnały okresowe mają widmo dyskretne (prążkowe) – energia sygnału skupiona jest tylko przy częstotliwościach będących wielokrotnościami częstotliwości podstawowej f₀. Odległość między sąsiednimi prążkami jest równa f₀. Wysokość prążków odpowiada amplitudom poszczególnych harmonicznych. Szerokość prążków dla idealnie okresowych sygnałów jest teoretycznie zerowa. Obwiednia widma opisuje, jak amplitudy maleją wraz z częstotliwością – może to być ~1/n, ~1/n² lub inna zależność, zależnie od kształtu sygnału. Sygnały nieokresowe mają widmo ciągłe – to kluczowa różnica.

W praktyce pomiarowej idealnie wąskie prążki nie występują – rzeczywiste sygnały nie są idealnie okresowe (mają skończony czas trwania, dryft częstotliwości). Rozmycie prążków (widmowy wyciek – spectral leakage) jest wynikiem okienkowania czasowego sygnału. W analizatorach widma FFT stosuje się różne funkcje okien (Hanning, Blackman, Kaiser), które minimalizują wyciek kosztem szerszych prążków. Zrozumienie własności widma prążkowego jest kluczowe przy projektowaniu systemów transmisyjnych z modulacją wielotonową (OFDM).

Dominujące harmoniczne to te o największej amplitudzie w widmie sygnału – decydują o jego podstawowych cechach. W sygnale audio dominująca podstawowa (f₀) określa wysokość dźwięku, a wyższe harmoniczne kształtują barwę. Silne wyższe harmoniczne w stosunku do podstawowej oznaczają duże zniekształcenia (wysokie THD). W sygnale cyfrowym obecność wysokich harmonicznych świadczy o stromych zboczach i szybkich krawędziach. W przebiegu sieci energetycznej dominująca 50 Hz i słabe wyższe harmoniczne oznaczają czysty przebieg napięcia. Analiza widma pozwala diagnozować problemy w układach elektronicznych na podstawie kształtu obwiedni harmonicznych.

W praktyce diagnostycznej identyfikacja dominujących harmonicznych jest pierwszym krokiem w analizie zniekształceń. Na przykład silna trzecia harmoniczna w torze audio sugeruje zniekształcenia symetryczne (crossover distortion). Silna druga harmoniczna wskazuje na asymetrię w układzie. W sieci energetycznej dominująca piąta harmoniczna (250 Hz) typowo pochodzi z zasilaczy impulsowych, a siódma (350 Hz) z przekształtników częstotliwości. Zrozumienie, które harmoniczne dominują w danym typie sygnału, pozwala szybko zidentyfikować źródło problemu i podjąć odpowiednie działania korekcyjne.

Zjawisko Gibbsa to charakterystyczne przeregulowanie (oscylacje) pojawiające się przy aproksymacji funkcji nieciągłej (sygnału ze skokami) za pomocą skończonej liczby wyrazów szeregu Fouriera. Nawet przy bardzo dużej liczbie harmonicznych, przy skoku występuje przeregulowanie o około 9% wysokości skoku. Zwiększanie liczby harmonicznych nie zmniejsza amplitudy tego przeregulowania – jedynie przesuwa je bliżej skoku, zwiększając częstotliwość oscylacji. Zjawisko zostało opisane przez Josiaha Willarda Gibbsa w 1899 roku i jest fundamentalnym ograniczeniem aproksymacji sygnałów nieciągłych za pomocą funkcji ciągłych.

Przyczyną zjawiska Gibbsa jest fakt, że funkcje sinus i cosinus są ciągłe i gładkie. Aby aproksymować nagły skok (nieciągłość) za pomocą sumy funkcji ciągłych, potrzebne są oscylacje – to jedyny sposób, aby suma sinusoid nadążyła za skokiem. W granicy N → ∞ oscylacje znikają w sensie średniokwadratowym, ale nie w sensie jednostajnym (przy skoku nadal występuje przeregulowanie). W praktyce inżynierskiej zjawisko Gibbsa ma istotne znaczenie przy projektowaniu filtrów, kodeków i systemów transmisyjnych – projektanci muszą stosować techniki okienkowania, aby je złagodzić kosztem mniejszego tłumienia w paśmie zaporowym.

Efekt Gibbsa powstaje właśnie dlatego, że używamy skończonej liczby harmonicznych do aproksymacji sygnału z nieciągłościami. Przyczyną jest fakt, że funkcje sinus i cosinus są ciągłe i gładkie – aby aproksymować nagły skok za pomocą sumy funkcji ciągłych, niezbędne są oscylacje. Przeregulowanie wynosi około 9% wysokości skoku, niezależnie od liczby harmonicznych. Oscylacje występują po obu stronach skoku. Częstotliwość oscylacji rośnie z liczbą harmonicznych (N), ale amplituda pozostaje stała. W granicy N → ∞ oscylacje znikają tylko w sensie średniokwadratowym, nie w sensie jednostajnym.

W praktyce zjawisko Gibbsa ma istotne konsekwencje dla projektowania systemów telekomunikacyjnych. Idealny filtr dolnoprzepustowy z ostrym odcięciem (brick-wall filter) powoduje efekt Gibbsa w odpowiedzi impulsowej – oscylacje przed i po skoku. Dlatego w praktyce stosuje się filtry z oknami (np. Blackmana, Hamminga, Kaisera), które wygładzają odcięcie kosztem mniejszego tłumienia w paśmie zaporowym. W kompresji stratnej (JPEG, MP3) odrzucanie wysokich harmonicznych powoduje artefakty Gibbsa przy krawędziach obrazu (ringing) i skokach sygnału audio.

Znajomość zjawiska Gibbsa ma kluczowe znaczenie praktyczne przy projektowaniu filtrów i systemów kompresji sygnałów. Idealny filtr dolnoprzepustowy (z ostrym odcięciem) powoduje efekt Gibbsa – oscylacje w odpowiedzi impulsowej przed i po skoku. W praktyce stosuje się filtry z oknami (funkcje wagowe), które wygładzają charakterystykę kosztem mniejszego tłumienia w paśmie zaporowym. Okno Blackmana daje najmniejsze oscylacje (ok. −74 dB) kosztem szerszego pasma przejściowego. Okno Hamminga oferuje dobry kompromis między tłumieniem a szerokością pasma przejściowego. W systemach kompresji stratnej odrzucanie wysokich harmonicznych powoduje artefakty Gibbsa widoczne jako dzwonienie wokół krawędzi obrazu (JPEG) lub pre-echo w audio (MP3).

W telekomunikacji zjawisko Gibbsa wpływa na projektowanie zarówno filtrów analogowych, jak i cyfrowych. W systemach OFDM (LTE, Wi-Fi) ograniczenie pasma powoduje efekt Gibbsa w dziedzinie czasu – oscylacje na początku i końcu symbolu OFDM. Aby temu zaradzić, stosuje się prefiks cykliczny, który absorbuje te oscylacje. Projektanci systemów transmisyjnych muszą uwzględniać efekt Gibbsa przy określaniu wymaganego pasma i doborze parametrów filtracji. W przetwarzaniu obrazów efekt Gibbsa objawia się jako prążkowanie wokół ostrych krawędzi (ringing), które można zredukować przez stosowanie wygładzających filtrów przedpróbkowych.

Na przykładzie fali prostokątnej można doskonale zaobserwować efekt Gibbsa w działaniu. Dla N = 1 (tylko podstawowa harmoniczna) otrzymujemy zwykłą sinusoidę – żadnych oscylacji. Dla N = 3 pojawia się zgrubny kształt prostokąta z pierwszymi oscylacjami przy krawędziach. Dla N = 11 kształt jest już bardzo zbliżony do prostokąta, ale przy skokach widoczne są wyraźne oscylacje o amplitudzie około 9% wysokości skoku. Dla N = 101 prostokąt wygląda idealnie, ale oscylacje nadal są obecne – stają się bardzo wąskie, ale ich amplituda wciąż wynosi ~9%. Zwiększanie liczby harmonicznych nie zmniejsza amplitudy przeregulowania – to kluczowa cecha zjawiska Gibbsa.

Ten przykład ma bezpośrednie przełożenie na praktykę inżynierską. Sygnały cyfrowe w rzeczywistych systemach mają ograniczone pasmo, co oznacza, że ich zbocza są zawsze mniej strome niż idealnego sygnału prostokątnego. Ograniczenie pasma działa jak filtr dolnoprzepustowy, odcinając wyższe harmoniczne i powodując efekt Gibbsa przy każdym zboczu narastającym i opadającym. W systemach transmisji danych może to prowadzić do interferencji międzysymbolowej (ISI) i błędów w odczycie bitów. Projektanci muszą uwzględniać to zjawisko przy doborze szybkości transmisji i metody korekcji sygnału.

Zniekształcenia harmoniczne w torach transmisyjnych powstają, gdy elementy toru mają charakterystykę nieliniową. Głównymi źródłami są wzmacniacze (nieliniowość tranzystorów, nasycanie się rdzeni), mieszacze częstotliwości (generacja produktów intermodulacji), kable (zjawiska nieliniowe w dielektryku – rzadko) oraz przetworniki A/C i C/A (nieliniowość kwantyzacji, błędy całkowania). Skutkiem jest pojawienie się w sygnale wyjściowym dodatkowych składowych częstotliwościowych, które nie występowały w sygnale wejściowym. Szczególnie niebezpieczne są produkty intermodulacji trzeciego rzędu (IM3), które mogą zakłócać sąsiednie kanały.

W systemach telekomunikacyjnych zniekształcenia harmoniczne są jednym z głównych ograniczeń jakości transmisji. W systemach wielokanałowych (WDM, OFDMA) produkty intermodulacji z różnych kanałów nakładają się na siebie, powodując wzrost szumu i pogorszenie stosunku sygnału do szumu (SINAD). Wzmacniacze mocy w stacjach bazowych pracują często w zakresie nieliniowym ze względu na ograniczenia sprawności energetycznej – stosuje się wówczas techniki linearyzacji, takie jak predystorsja cyfrowa (DPD) lub sprzężenie zwrotne (Cartesian feedback). Pomiar zniekształceń harmonicznych (THD, IMD) jest standardowym testem przy ocenie jakości toru transmisyjnego.

THD (Total Harmonic Distortion) to podstawowa miara zniekształceń harmonicznych, definiowana jako stosunek mocy wszystkich wyższych harmonicznych do mocy podstawowej harmonicznej: THD = √(A₂² + A₃² + A₄² + ...) / A₁. THD wyraża się w procentach lub decybelach. THD = 0% oznacza idealną sinusoidę. THD poniżej 0,1% to bardzo dobra jakość (wzmacniacze Hi-Fi). THD poniżej 1% to dobra jakość (sprzęt konsumencki). THD powyżej 5% to słaba jakość – zniekształcenia są wyraźnie słyszalne. Normy dla sieci energetycznej (PN-EN 50160) wymagają THD napięcia poniżej 8%. Im niższe THD, tym wierniejsza reprodukcja sygnału.

W praktyce pomiar THD jest wykonywany przez analizatory widma lub dedykowane mierniki THD. Nowoczesne układy audio oferują THD poniżej 0,001% (−100 dB) – tak niskie zniekształcenia są niesłyszalne dla ludzkiego ucha. W ocenie jakości wzmacniaczy i przetworników THD jest jednym z kluczowych parametrów, obok pasma przenoszenia i stosunku sygnału do szumu (SNR). Warto jednak pamiętać, że THD nie uwzględnia zniekształceń intermodulacyjnych (IMD) ani szumu. Dlatego do pełnej oceny jakości toru audio stosuje się również pomiary IMD, SNR i dynamicznego zakresu (DR).

Filtrowanie harmonicznych jest jedną z najważniejszych praktycznych aplikacji analizy widmowej. Filtr dolnoprzepustowy (LPF) przepuszcza składowe o częstotliwości poniżej częstotliwości granicznej f₀ i tłumi składowe powyżej f₀. W kontekście harmonicznych LPF jest używany jako filtr antyaliasingowy (przed próbkowaniem usuwa harmoniczne powyżej fₛ/2), filtr odtwarzający (po przetworniku C/A wygładza schodkowy przebieg), filtr sieci energetycznej (usuwa wyższe harmoniczne z przebiegu napięcia) oraz filtr audio (ogranicza pasmo do zakresu słyszalnego 20 Hz–20 kHz). Filtry mogą być bierne (RLC) lub aktywne (wzmacniacze operacyjne).

W telekomunikacji filtry dolnoprzepustowe są niezbędne w każdym torze transmisji cyfrowej. Filtr antyaliasingowy zapobiega zjawisku aliasingu, które powstaje, gdy wysokie harmoniczne sygnału po próbkowaniu udają niższe częstotliwości. Aliasing jest nieodwracalny – raz powstałych fałszywych składowych nie można usunąć. Dlatego filtr antyaliasingowy jest obowiązkowy w każdym systemie akwizycji danych. W energetyce filtry aktywne (APF – Active Power Filters) eliminują harmoniczne generowane przez zasilacze impulsowe i przekształtniki, poprawiając jakość energii elektrycznej i zmniejszając straty w sieci.

THD jest kluczowym parametrem wzmacniaczy audio, decydującym o wierności reprodukcji dźwięku. Wzmacniacze Hi-Fi klasy A osiągają THD poniżej 0,01% – to najwyższa jakość, ale kosztem niskiej sprawności (ok. 20–30%). Wzmacniacze klasy AB oferują THD około 0,05–0,1% przy wyższej sprawności (ok. 50–60%). Wzmacniacze klasy D (cyfrowe) mają THD około 0,1–0,5%, ale osiągają sprawność nawet 90% – są powszechnie stosowane w sprzęcie przenośnym i samochodowym. Wzmacniacze gitarowe (przesterowane) celowo pracują z THD 1–10% lub więcej. Dla porównania, radio tranzystorowe ma THD około 1–3%, co jest uznawane za jakość wystarczającą.

Ludzkie ucho jest szczególnie wrażliwe na zniekształcenia parzystych harmonicznych – nawet niski poziom THD rzędu 0,1% może być słyszalny, jeśli dominują parzyste harmoniczne. Dlatego producenci sprzętu audio często podają nie tylko THD, ale również widmo zniekształceń (THD vs. częstotliwość, THD vs. moc). Współczesne przetworniki DAC i ADC oferują THD+N (z uwzględnieniem szumu) poniżej 0,0003% (−110 dB), co znacznie przekracza możliwości percepcyjne człowieka. W systemach profesjonalnych (studia nagraniowe, mastering) wymagania są jeszcze wyższe – THD poniżej 0,0001% (−120 dB).

Synteza addytywna to metoda generowania dźwięku przez dodawanie kolejnych harmonicznych o zadanych amplitudach i fazach. Zasada działania jest odwróceniem szeregu Fouriera – zamiast rozkładać sygnał na harmoniczne, budujemy go od podstaw, sumując sinusoidy. Każdy dźwięk można przedstawić jako sumę składowych sinusoidalnych, więc synteza addytywna pozwala teoretycznie wygenerować dowolne brzmienie. W praktyce syntezatory implementują ograniczoną liczbę oscylatorów (zwykle 8–128). Dźwięk instrumentu klawiszowego można zasymulować, dodając harmoniczne z odpowiednimi amplitudami i obwiedniami ADSR (Attack, Decay, Sustain, Release).

Nowoczesne syntezatory cyfrowe implementują różne metody generowania dźwięku oparte na harmonicznych: syntezę FM (częstotliwościową), gdzie jedna sinusoida moduluje częstotliwość drugiej, tworząc złożone widma; syntezę modułową, gdzie poszczególne moduły (VCO, VCF, VCA) kształtują zawartość harmonicznych; oraz syntezę wave shaping, gdzie nieliniowe przekształcenie sinusoidy generuje bogate widmo harmoniczne. W muzyce elektronicznej znajomość zawartości harmonicznych pozwala świadomie kształtować barwę dźwięku. W telekomunikacji te same techniki są wykorzystywane w systemach modulacji i syntezy mowy.

Synteza addytywna to metoda generowania dźwięku przez dodawanie kolejnych harmonicznych o zadanych amplitudach i fazach. Zasada działania jest odwróceniem szeregu Fouriera – zamiast rozkładać sygnał na harmoniczne, budujemy go od podstaw, sumując sinusoidy. Każdy dźwięk można przedstawić jako sumę składowych sinusoidalnych, więc synteza addytywna pozwala teoretycznie wygenerować dowolne brzmienie. W praktyce syntezatory implementują ograniczoną liczbę oscylatorów (zwykle 8–128). Dźwięk instrumentu klawiszowego można zasymulować, dodając harmoniczne z odpowiednimi amplitudami i obwiedniami ADSR (Attack, Decay, Sustain, Release).

Nowoczesne syntezatory cyfrowe implementują różne metody generowania dźwięku oparte na harmonicznych: syntezę FM (częstotliwościową), gdzie jedna sinusoida moduluje częstotliwość drugiej, tworząc złożone widma; syntezę modułową, gdzie poszczególne moduły (VCO, VCF, VCA) kształtują zawartość harmonicznych; oraz syntezę wave shaping, gdzie nieliniowe przekształcenie sinusoidy generuje bogate widmo harmoniczne. W muzyce elektronicznej znajomość zawartości harmonicznych pozwala świadomie kształtować barwę dźwięku. W telekomunikacji te same techniki są wykorzystywane w systemach modulacji i syntezy mowy.

Synteza addytywna to metoda generowania dźwięku przez dodawanie kolejnych harmonicznych o zadanych amplitudach i fazach. Zasada działania jest odwróceniem szeregu Fouriera – zamiast rozkładać sygnał na harmoniczne, budujemy go od podstaw, sumując sinusoidy. Każdy dźwięk można przedstawić jako sumę składowych sinusoidalnych, więc synteza addytywna pozwala teoretycznie wygenerować dowolne brzmienie. W praktyce syntezatory implementują ograniczoną liczbę oscylatorów (zwykle 8–128). Dźwięk instrumentu klawiszowego można zasymulować, dodając harmoniczne z odpowiednimi amplitudami i obwiedniami ADSR (Attack, Decay, Sustain, Release).

Nowoczesne syntezatory cyfrowe implementują różne metody generowania dźwięku oparte na harmonicznych: syntezę FM (częstotliwościową), gdzie jedna sinusoida moduluje częstotliwość drugiej, tworząc złożone widma; syntezę modułową, gdzie poszczególne moduły (VCO, VCF, VCA) kształtują zawartość harmonicznych; oraz syntezę wave shaping, gdzie nieliniowe przekształcenie sinusoidy generuje bogate widmo harmoniczne. W muzyce elektronicznej znajomość zawartości harmonicznych pozwala świadomie kształtować barwę dźwięku. W telekomunikacji te same techniki są wykorzystywane w systemach modulacji i syntezy mowy.

Podsumowanie wprowadzenia do szeregu Fouriera zestawia pięć kluczowych pojęć: szereg Fouriera jako rozkład sygnału na sinusoidy i cosinusoidy, częstotliwość podstawową f₀ determinującą okres sygnału, harmoniczne nf₀ jako składowe o wyższych częstotliwościach, współczynniki aₙ i bₙ określające amplitudy harmonicznych oraz składową stałą a₀ reprezentującą wartość średnią. Te koncepcje stanowią pomost między dziedziną czasu a dziedziną częstotliwości. Zrozumienie tych podstaw jest niezbędne przed przejściem do bardziej zaawansowanych tematów, takich jak transformata Fouriera, filtracja cyfrowa czy analiza widmowa sygnałów nieokresowych.

W dalszej części kursu studenci poznają praktyczne zastosowania analizy harmonicznej w telekomunikacji, w tym obliczanie rzeczywistej szerokości pasma sygnałów cyfrowych, projektowanie filtrów dopasowanych i analizę zniekształceń w torach transmisyjnych. Kolejne moduły rozwijają te zagadnienia w kontekście modulacji, multipleksacji i kodowania kanałowego. Solidne opanowanie szeregu Fouriera jest kluczem do zrozumienia zaawansowanych systemów telekomunikacyjnych, takich jak OFDM, wykorzystywanych w LTE, Wi-Fi i telewizji DVB-T.

FFT (Fast Fourier Transform) to algorytm obliczający dyskretną transformatę Fouriera (DFT) w czasie proporcjonalnym do N·log₂(N) zamiast N² dla bezpośredniej implementacji. Dla N = 1024 próbek DFT wymaga około 1 000 000 operacji, podczas gdy FFT tylko około 10 000 – przyspieszenie stukrotne. Algorytm został spopularyzowany przez Cooleya i Tukeya w 1965 roku, choć wcześniejsze wersje były znane Gaussowi. FFT jest implementowany sprzętowo w procesorach DSP, układach FPGA i kartach graficznych (GPU). Dzięki FFT możliwa jest analiza widmowa w czasie rzeczywistym dla sygnałów o szerokości pasma do kilku GHz.

W telekomunikacji FFT jest absolutnie kluczowa. W systemach OFDM (LTE, 5G, Wi-Fi, DVB-T) FFT jest używana zarówno do modulacji (IFFT – odwrotna FFT generuje sygnał z wieloma nośnymi), jak i demodulacji (FFT odtwarza dane z odebranego sygnału). W analizatorach widma FFT umożliwia obserwację widma w czasie rzeczywistym. W radioogniwach programowalnych (SDR) FFT pozwala na analizę całego pasma radiowego i wyodrębnianie poszczególnych kanałów. W kompresji audio i wideo (MP3, AAC, JPEG) FFT jest używana do transformacji sygnału do dziedziny częstotliwości, gdzie można skuteczniej usunąć nieistotne percepcyjnie składowe. Bez FFT współczesna telekomunikacja cyfrowa nie byłaby możliwa w obecnej formie.

Analizator widma to przyrząd pomiarowy (lub program) wyświetlający widmo częstotliwościowe sygnału w czasie rzeczywistym. Wyróżnia się trzy podstawowe typy. Analogowe (swept-tuned) przestrajają filtr pasmowoprzepustowy i mierzą amplitudę – są stosowane w pomiarach mikrofalowych do kilkudziesięciu GHz. Cyfrowe (FFT) próbkują sygnał, obliczają FFT i wyświetlają widmo – oferują większą szybkość i rozdzielczość. Wektorowe (VSA) mierzą amplitudę i fazę, dostarczając pełną informację o sygnale – są niezbędne przy analizie modulacji cyfrowych (QPSK, QAM). Zastosowania analizatorów widma obejmują pomiar THD, analizę widma sygnałów radiowych, diagnostykę układów i testowanie kompatybilności elektromagnetycznej (EMC).

W praktyce laboratoryjnej analizator widma jest jednym z najważniejszych przyrządów pomiarowych. Umożliwia identyfikację źródeł zakłóceń, pomiar mocy sygnału w wybranym paśmie, analizę zniekształceń nieliniowych i ocenę jakości modulacji. Nowoczesne analizatory widma oferują szereg zaawansowanych funkcji: markerów częstotliwości, pomiarów mocy w kanale (CHP), współczynnika mocy szczytowej do średniej (PAPR) oraz analizy widma w dziedzinie czasu (waterfall). Programowe analizatory widma (Spectrum Lab, SDR#, MATLAB) są dostępne za darmo i stanowią doskonałe narzędzie dydaktyczne do nauki analizy widmowej. Samodzielne eksperymenty z analizą widma różnych sygnałów (mowy, muzyki, szumu, sygnałów cyfrowych) pomagają w utrwaleniu materiału.

Szereg Fouriera ma istotne ograniczenia w praktycznych zastosowaniach. Po pierwsze, wymaga nieskończenie wielu wyrazów dla idealnej reprezentacji – w praktyce używamy skończonej liczby, co jest kompromisem między dokładnością a kosztem obliczeń. Po drugie, zbieżność szeregu zależy od gładkości sygnału – dla sygnałów ciągłych i gładkich zbieżność jest szybka, ale dla sygnałów z nieciągłościami (skokami) jest wolna i występuje efekt Gibbsa (przeregulowanie ~9%). Po trzecie, szereg Fouriera dotyczy tylko sygnałów okresowych – dla sygnałów nieokresowych należy użyć transformaty Fouriera (całkowej). Mimo tych ograniczeń szereg Fouriera pozostaje fundamentalnym narzędziem analizy sygnałów.

W telekomunikacji praktyczne implikacje tych ograniczeń są daleko idące. Skończona liczba harmonicznych oznacza, że rekonstrukcja sygnału po transmisji nigdy nie jest idealna. Ograniczenie pasma przez kanał transmisyjny działa jak filtr dolnoprzepustowy, odcinając wyższe harmoniczne i powodując zniekształcenia. W praktyce kompromis między jakością a pasmem jest opisywany przez twierdzenie Nyquista (szybkość symbolowa ≤ 2B) i twierdzenie Shannona (pojemność kanału C = B·log₂(1+SNR)). Dla sygnałów nieokresowych (np. mowa, muzyka, transmisja danych) stosuje się transformatę Fouriera (FT) lub jej dyskretną wersję (DFT/FFT). Zrozumienie ograniczeń szeregu Fouriera jest kluczowe dla świadomego stosowania narzędzi analizy widmowej.

Podsumowanie wprowadzenia do szeregu Fouriera zestawia pięć kluczowych pojęć: szereg Fouriera jako rozkład sygnału na sinusoidy i cosinusoidy, częstotliwość podstawową f₀ determinującą okres sygnału, harmoniczne nf₀ jako składowe o wyższych częstotliwościach, współczynniki aₙ i bₙ określające amplitudy harmonicznych oraz składową stałą a₀ reprezentującą wartość średnią. Te koncepcje stanowią pomost między dziedziną czasu a dziedziną częstotliwości. Zrozumienie tych podstaw jest niezbędne przed przejściem do bardziej zaawansowanych tematów, takich jak transformata Fouriera, filtracja cyfrowa czy analiza widmowa sygnałów nieokresowych.

W dalszej części kursu studenci poznają praktyczne zastosowania analizy harmonicznej w telekomunikacji, w tym obliczanie rzeczywistej szerokości pasma sygnałów cyfrowych, projektowanie filtrów dopasowanych i analizę zniekształceń w torach transmisyjnych. Kolejne moduły rozwijają te zagadnienia w kontekście modulacji, multipleksacji i kodowania kanałowego. Solidne opanowanie szeregu Fouriera jest kluczem do zrozumienia zaawansowanych systemów telekomunikacyjnych, takich jak OFDM, wykorzystywanych w LTE, Wi-Fi i telewizji DVB-T.

Slajd końcowy podsumowuje moduł kursu wprowadzającego do telekomunikacji poświęcony harmonicznym. Wiedzę zdobytą podczas wykładu warto ugruntować poprzez samodzielne studiowanie dodatkowych materiałów (podręcznik, artykuły techniczne, tutoriale online). Aktywna dyskusja i rozwiązywanie zadań są najlepszym sposobem na głębokie zrozumienie omawianych zagadnień. Zachęca się do eksperymentów z wirtualnymi analizatorami widma, które pozwalają w praktyce zaobserwować omawiane zjawiska – widma różnych sygnałów, efekt Gibbsa, wpływ filtracji na zawartość harmonicznych.

Autorzy kursu zachęcają do kontaktu w razie pytań i wątpliwości – adres e-mail znajduje się na slajdzie. Regularne powtarzanie materiału i systematyczne rozwiązywanie zadań to klucz do sukcesu w nauce telekomunikacji. Życzymy owocnej nauki i satysfakcji z odkrywania tajników współczesnej telekomunikacji. Zapraszamy do kolejnych modułów kursu, które rozwijają przedstawione tu koncepcje w praktycznych zastosowaniach.