Full download ebook at ebookgate.

com

DSP for MATLAB and LabVIEW Fundamentals of

discrete frequency transforms Forester W.
Isen

https://ebookgate.com/product/dsp-for-matlab-and-
labview-fundamentals-of-discrete-frequency-
transforms-forester-w-isen/

Download more ebook from https://ebookgate.com

More products digital (pdf, epub, mobi) instant
download maybe you interests ...

DSP for MATLAB and LabVIEW I Fundamentals of Discrete

Signal Processing Synthesis Lectures on Signal
Processing Isen

https://ebookgate.com/product/dsp-for-matlab-and-labview-i-
fundamentals-of-discrete-signal-processing-synthesis-lectures-on-
signal-processing-isen/

Hilbert Transforms Volume 1 Encyclopedia of Mathematics

and its Applications 1st Edition Frederick W. King

https://ebookgate.com/product/hilbert-transforms-
volume-1-encyclopedia-of-mathematics-and-its-applications-1st-
edition-frederick-w-king/

Radio Frequency Circuit Design 1st Edition W. Alan

Davis

https://ebookgate.com/product/radio-frequency-circuit-design-1st-
edition-w-alan-davis/

Discrete Fourier analysis 1st Edition M. W. Wong

(Auth.)

https://ebookgate.com/product/discrete-fourier-analysis-1st-
edition-m-w-wong-auth/
A Frequency Dictionary of Dutch Core Vocabulary for
Learners Routledge Frequency Dictionaries 1st Edition
Carole Tiberius

https://ebookgate.com/product/a-frequency-dictionary-of-dutch-
core-vocabulary-for-learners-routledge-frequency-
dictionaries-1st-edition-carole-tiberius/

Labview for Everyone Graphical Programming Made Easy

and Fun 3rd Edition Edition Travis

https://ebookgate.com/product/labview-for-everyone-graphical-
programming-made-easy-and-fun-3rd-edition-edition-travis/

Radio Frequency Integrated Circuit Design 2nd Edition

John M. W. Rogers

https://ebookgate.com/product/radio-frequency-integrated-circuit-
design-2nd-edition-john-m-w-rogers/

Instructor Solution Manual Fundamentals of Digital

Signal Processing Using MATLAB 2nd Edition Robert J.
Schilling

https://ebookgate.com/product/instructor-solution-manual-
fundamentals-of-digital-signal-processing-using-matlab-2nd-
edition-robert-j-schilling/

Models for discrete data Daniel Zelterman

https://ebookgate.com/product/models-for-discrete-data-daniel-
zelterman/
DSP for
MATLAB™ and LabVIEW™
Volume II: Discrete Frequency
Transforms
 SYNTHESIS LECTURES
ON SIGNAL
PROCESSING
Editor
José Moura, Carnegie Mellon University

DSP for MATLAB™ and LabVIEW™ Volume II: Discrete Frequency Transforms
Forester W. Isen
2008

DSP for MATLAB™ and LabVIEW™

Volume I: Fundamentals of Discrete Signal Processing
Forester W. Isen
2008

The Theory of Linear Prediction

P. P. Vaidyanathan
2007

Nonlinear Source Separation

Luis B. Almeida
2006

Spectral Analysis of Signals

Yanwei Wang, Jian Li, and Petre Stoica
2006
Copyright © 2008 by Morgan & Claypool

All rights reserved. No part of this publication may be reproduced, stored in a retrieval system, or transmitted in
any form or by any means—electronic, mechanical, photocopy, recording, or any other except for brief quotations in
printed reviews, without the prior permission of the publisher.

DSP for MATLAB™ and LabVIEW™ Volume II: Discrete Frequency Transforms
Forester W. Isen
www.morganclaypool.com

ISBN: 9781598298932 paperback

ISBN: 9781598298949 ebook

DOI 10.2200/S000162ED1V01Y200811SPR005

A Publication in the Morgan & Claypool Publishers series

SYNTHESIS LECTURES ON SIGNAL PROCESSING

Lecture #5
Series Editor: José Moura, Carnegie Mellon University

Series ISSN
Synthesis Lectures on Signal Processing
Print 1932-1236 Electronic 1932-1694
DSP for
MATLAB™ and LabVIEW™
Volume II: Discrete Frequency
Transforms

Forester W. Isen

SYNTHESIS LECTURES ON SIGNAL PROCESSING #5

M
&C Morgan & cLaypool publishers
ABSTRACT
This book is Volume II of the series DSP for MATLAB ™ and LabVIEW ™ . This volume provides detailed
coverage of discrete frequency transforms, including a brief overview of common frequency transforms,
both discrete and continuous, followed by detailed treatments of the Discrete Time Fourier Transform
(DTFT), the z-Transform (including definition and properties, the inverse z-transform, frequency re-
sponse via z-transform, and alternate filter realization topologies including Direct Form, Direct Form
Transposed, Cascade Form, Parallel Form, and Lattice Form), and the Discrete Fourier Transform (DFT)
(including Discrete Fourier Series, the DFT-IDFT pair, DFT of common signals, bin width, sampling
duration, and sample rate, the FFT, the Goertzel Algorithm, Linear, Periodic, and Circular convolu-
tion, DFT Leakage, and computation of the Inverse DFT). The entire series consists of four volumes
that collectively cover basic digital signal processing in a practical and accessible manner, but which
nonetheless include all essential foundation mathematics. As the series title implies, the scripts (of which
there are more than 200) described in the text and supplied in code form (available via the internet at
http://www.morganclaypool.com/page/isen) will run on both MATLAB and LabVIEW. The
text for all volumes contains many examples, and many useful computational scripts, augmented by
demonstration scripts and LabVIEW Virtual Instruments (VIs) that can be run to illustrate various
signal processing concepts graphically on the user’s computer screen. Volume I consists of four chapters
that collectively set forth a brief overview of the field of digital signal processing, useful signals and
concepts (including convolution, recursion, difference equations, LTI systems, etc), conversion from the
continuous to discrete domain and back (i.e., analog-to-digital and digital-to-analog conversion), alias-
ing, the Nyquist rate, normalized frequency, sample rate conversion, and Mu-law compression, and signal
processing principles including correlation, the correlation sequence, the Real DFT, correlation by con-
volution, matched filtering, simple FIR filters, and simple IIR filters. Chapter 4 of Volume I, in particular,
provides an intuitive or “first principle” understanding of how digital filtering and frequency transforms
work, preparing the reader for the present volume (Volume II). Volume III of the series covers digital
filter design (FIR design using Windowing, Frequency Sampling, and Optimum Equiripple techniques,
and Classical IIR design) and Volume IV, the culmination of the series, is an introductory treatment of
LMS Adaptive Filtering and applications.

KEYWORDS
Higher-Level Terms:
MATLAB, LabVIEW, MathScript, DSP (Digital Signal Processing), Discrete Time
Fourier Transform (DTFT), z-Transform, Discrete Fourier Transform (DFT), Fast Fourier
Transform (FFT), Goertzel Algorithm, Discrete Fourier Series (DFS), Frequency Domain,
Discrete Frequency Transform
Lower-Level Terms:
FIR, IIR, Direct Form, Direct Form Transposed, Parallel Form, Cascade Form, Lattice
Form, Decimation-in-time (DIT)
This volume is dedicated to the memory of the following
Douglas Hunter (1941-1963)
Diane Satterwhite (1949-1961)
John G. Elsberry (1949-1971)
Amelia Megan Au (1967-2007)
 ix

Contents
SYNTHESIS LECTURES ON SIGNAL PROCESSING . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii

Contents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix

Preface to Volume II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .xv

0.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xv
0.2 The Four Volumes of the Series . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xv
0.3 Origin and Evolution of the Series . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xvi

1 The Discrete Time Fourier Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

1.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 In the Previous Volume 1
1.1.2 In this Volume 1
1.1.3 In this Chapter 1
1.2 Software for Use with this Book . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3 Introduction to Transform Families . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.1 Fourier Family (Constant Unity-Magnitude Correlators) 3
1.3.2 Laplace Family (Time-Varying-Magnitude Correlators) 5
1.4 The DTFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Inverse DTFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.6 A Few Properties of the DTFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6.1 Linearity 13
1.6.2 Conjugate Symmetry for real x[n] 13
1.6.3 Periodicity 13
1.6.4 Shift of Frequency 13
1.6.5 Convolution 14
1.6.6 Even and Odd Components 16
1.6.7 Multiplication By A Ramp 16
1.7 Frequency Response of an LTI System . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.7.1 From Impulse Response 17
1.7.2 From Difference Equation 18
x CONTENTS
1.8 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.9 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

2 The z-Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2 Software for Use with this Book . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3 Definition & Properties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3.1 The z-Transform 26
2.3.2 The Inverse z-Transform 26
2.3.3 Convergence Criteria 26
2.3.4 Summary of ROC Facts 32
2.3.5 Trivial Poles and Zeros 33
2.3.6 Basic Properties of the z-Transform 33
2.3.7 Common z-Transforms 35
2.3.8 Transfer Functions, Poles, and Zeros 36
2.3.9 Pole Location and Stability 42
2.4 Conversion from z-Domain to Time Domain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.4.1 Difference Equation 45
2.4.2 Table Lookup 46
2.4.3 Partial Fraction Expansion 46
2.4.4 Contour Integration in the Complex Plane 48
2.5 Transient and Steady-State Responses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.6 Frequency Response From z-Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .55
2.6.1 For Generalized Transfer Function 55
2.6.2 Relation to DTFT 55
2.6.3 Finite Impulse Response (FIR) 56
2.6.4 Infinite Impulse Response (IIR) Single Pole 63
2.6.5 Cascaded Single-Pole Filters 64
2.6.6 Off-Unit-Circle Zeros and Decaying Signals 69
2.7 Transfer Function & Filter Topology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.7.1 Direct Form 70
2.7.2 Direct Form Transposed 71
2.7.3 Cascade Form 71
2.7.4 Parallel Form 76
2.7.5 Lattice Form 79
 CONTENTS xi
2.8 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
2.9 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85

3 The DFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93

3.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.2 Software for Use with this Book . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.3 Discrete Fourier Series . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.4 Sampling in the z-Domain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
3.5 From DFS to DFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.6 DFT-IDFT Pair . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3.6.1 Definition-Forward Transform (Time to Frequency) 101
3.6.2 Definition-Inverse Transform (Frequency to Time) 101
3.6.3 Magnitude and Phase 101
3.6.4 N, Scaling Constant, and DFT Variants 101
3.7 MathScript Implementation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .102
3.8 A Few DFT Properties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.9 General Considerations and Observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
3.9.1 Bin Values 106
3.9.2 Periodicity in n and k 107
3.9.3 Frequency Multiplication in Time Domain 109
3.10 Computation of DFT Via Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .109
3.11 DFT of Common Signals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
3.12 Frequency Resolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
3.13 Bin width and Sample Rate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
3.14 The FFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
3.14.1 N-pt DFT from Two N/2-pt DFTs 121
3.14.2 Decimation-in-Time 123
3.14.3 Reassembly Via Butterfly 124
3.14.4 Algorithm Execution Time 126
3.14.5 Other Algorithms 127
3.15 The Goertzel Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
3.15.1 Via Single-Pole 128
3.15.2 Using Complex Conjugate Poles 130
3.15.3 Magnitude Only Output 130
3.16 Linear, Periodic, and Circular Convolution and the DFT . . . . . . . . . . . . . . . . . . . . . . . . .131
xii CONTENTS
3.16.1 Cyclic/Periodic Convolution 131
3.16.2 Circular Convolution 132
3.16.3 DFT Convolution Theorem 133
3.16.4 Linear Convolution Using the DFT 134
3.16.5 Summary of Convolution Facts 136
3.16.6 The Overlap-Add Method 136
3.17 DFT Leakage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
3.17.1 On-Bin/Off-Bin: DFT Leakage 140
3.17.2 Avoiding DFT Leakage-Windowing 141
3.17.3 Inherent Windowing by a Rectangular Window 142
3.17.4 A Few Common Window Types 144
3.17.5 DFT Leakage V. Window Type 146
3.17.6 Additional Window Use 150
3.18 DTFT Via Padded DFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
3.19 The Inverse DFT (IDFT) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
3.20 Computation of IDFT Via Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
3.21 IDFT Via DFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
3.22 IDFT Phase Descrambling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
3.22.1 Phase Zeroing 164
3.22.2 Phase Shifting 165
3.22.3 Equalization Using the DFT 165
3.23 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
3.24 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168

A Software for Use with this Book . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189

A.1 File Types and Naming Conventions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189

A.2 Downloading the Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
A.3 Using the Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
A.4 Single-line function calls . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
A.5 Multi-line m-code examples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .191
A.6 How to Successfully Copy-and-Paste M-code . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .192
A.7 Learning To Use M-Code . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
A.8 What You Need with MATLAB and LabVIEW . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193

B Vector/Matrix Operations in M-Code . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195

 CONTENTS xiii
B.1 Row and Column Vectors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
B.2 Vector Products . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
B.2.1 Inner Product 195
B.2.2 Outer Product 195
B.2.3 Product of Corresponding Values 196
B.3 Matrix Multiplied by a Vector or Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
B.4 Matrix Inverse and Pseudo-Inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .196

Biography . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
 Preface to Volume II
0.1 INTRODUCTION
The present volume is Volume II of the series DSP for MATLAB ™ and LabVIEW ™ . The entire series
consists of four volumes which collectively form a work of twelve chapters that cover basic digital signal
processing in a practical and accessible manner, but which nonetheless include essential foundation
mathematics. The text is well-illustrated with examples involving practical computation using m-code
or MathScript (as m-code is usually referred to in LabVIEW-based literature), and LabVIEW VIs.
There is also an ample supply of exercises, which consist of a mixture of paper-and-pencil exercises
for simple computations, and script-writing projects having various levels of difficulty, from simple,
requiring perhaps ten minutes to accomplish, to challenging, requiring several hours to accomplish. As
the series title implies, the scripts given in the text and supplied in code form (available via the internet at
http://www.morganclaypool.com/page/isen) are suitable for use with both MATLAB (a product of The
Mathworks, Inc.), and LabVIEW (a product of National Instruments, Inc.). Appendix A in each volume
of the series describes the naming convention for the software written for the book as well as basics for
using the software with MATLAB and LabVIEW.

0.2 THE FOUR VOLUMES OF THE SERIES

The present volume, Volume II of the series, is devoted to discrete frequency transforms. It begins with
an overview of a number of well-known continuous domain and discrete domain transforms, and covers
the DTFT (Discrete Time Fourier Transform), the DFT (Discrete Fourier Transform), Fast Fourier
Transform (FFT), and the z-Transform in detail. Filter realizations (or topologies) are also covered,
including Direct, Cascade, Parallel, and Lattice forms.
Volume I of the series, Fundamentals of Discrete Signal Processing, consists of four chapters. The
first chapter gives a brief overview of the field of digital signal processing. This is followed by a chapter
detailing many useful signals and concepts, including convolution, recursion, difference equations, etc.
The third chapter covers conversion from the continuous to discrete domain and back (i.e., analog-to-
digital and digital-to-analog conversion), aliasing, the Nyquist rate, normalized frequency, conversion
from one sample rate to another, waveform generation at various sample rates from stored wave data, and
Mu-law compression. The fourth and final chapter of Volume I introduces the reader to many important
principles of signal processing, including correlation, the correlation sequence, the Real DFT, correlation
by convolution, matched filtering, simple FIR filters, and simple IIR filters.
Volume III of the series, Digital Filter Design, covers FIR and IIR design, including general
principles of FIR design, the effects of windowing and filter length, characteristics of four types of linear-
phase FIR, Comb and MA filters, Windowed Ideal Lowpass filter design, Frequency Sampling design
with optimized transition band coefficients, Equiripple FIR design, and Classical IIR design.
Volume IV of the series, LMS Adaptive Filtering, begins by explaining cost functions and perfor-
mance surfaces, followed by the use of gradient search techniques using coefficient perturbation, finally
reaching the elegant and computationally efficient Least Mean Square (LMS) coefficient update algo-
rithm. The issues of stability, convergence speed, and narrow-bandwidth signals are covered in a practical
xvi PREFACE
manner, with many illustrative scripts. In the second chapter of the volume, use of LMS adaptive fil-
tering in various filtering applications and topologies is explored, including Active Noise Cancellation
(ANC),system or plant modeling, periodic component elimination, Adaptive Line Enhancement (ADE),
interference cancellation, echo cancellation, and equalization/deconvolution.

0.3 ORIGIN AND EVOLUTION OF THE SERIES

The manuscript from which the present series of four books has been made began with an idea to provide
a basic course for intellectual property specialists and engineers that would provide more explanation and
illustration of the subject matter than that found in conventional academic books. The idea to provide an
accessible basic course in digital signal processing began in the mid-to-late 1990’s when I was introduced
to MATLAB by Dan Hunter, whose graduate school days occurred after the advent of both MATLAB
and LabVIEW (mine did not). About the time I was seriously exploring the use of MATLAB to update
my own knowledge of signal processing, Dr. Jeffrey Gluck began giving an in-house course at the agency
on the topics of convolutional coding, trellis coding, etc., thus inspiring me to do likewise in the basics of
DSP, a topic more in-tune to the needs of the unit I was supervising at the time. Two short courses were
taught at the agency in 1999 and 2000 by myself and several others, including Dr. Hal Zintel, David
Knepper, and Dr.Pinchus Laufer. In these courses we stressed audio and speech topics in addition to
basic signal processing concepts. Thanks to The Mathworks, Inc., we were able to teach the in-house
course with MATLAB on individual computers, and thanks to Jim Dwyer at the agency, we were able
to acquire several server-based concurrent-usage MATLAB licenses, permitting anyone at the agency to
have access to MATLAB. Some time after this, I decided to develop a complete course in book form, the
previous courses having consisted of an ad hoc pastiche of topics presented in summary form on slides,
augmented with visual presentations generated by custom-written scripts for MATLAB. An early draft
of the book was kindly reviewed by Motorola Patent Attorney Sylvia Y. Chen, which encouraged me to
contact Tom Robbins at Prentice-Hall concerning possible publication. By 2005, Tom was involved in
starting a publishing operation at National Instruments, Inc., and introduced me to LabVIEW with the
idea of possibly crafting a book on DSP to be compatible with LabVIEW. After review of a manuscript
draft by a panel of three in early 2006, it was suggested that all essential foundation mathematics be
included so the book would have both academic and professional appeal. Fortunately, I had long since
retired from the agency and was able to devote the considerable amount of time needed for such a project.
The result is a book suitable for use in both academic and professional settings, as it includes essential
mathematical formulas and concepts as well as simple or “first principle” explanations that help give the
reader a gentler entry into the more conventional mathematical treatment.
This double-pronged approach to the subject matter has, of course, resulted in a book of consider-
able length. Accordingly, it has been broken into four modules or volumes (described above) that together
form a comprehensive course, but which may be used individually by readers who are not in need of a
complete course.
Many thanks go not only to all those mentioned above, but to Joel Claypool of Morgan & Claypool,
Dr. C.L. Tondo and his troops, and, no doubt, many others behind the scenes whose names I have never
heard, for making possible the publication of this series of books.

Forester W. Isen
December 2008
 1

CHAPTER 1

The Discrete Time Fourier

Transform
1.1 OVERVIEW
1.1.1 IN THE PREVIOUS VOLUME
The previous volume of the series, Volume I, covered DSP fundamentals such as basic signals and LTI
systems, difference equations, sampling, the Nyquist rate, normalized frequency, correlation, convolution,
the real DFT, matched filtering, and basic IIR and FIR filters.

1.1.2 IN THIS VOLUME

In this volume, Volume II of the series, we take up discrete frequency transforms in detail, including an
overview of many transforms, both continuous-domain and discrete-domain, followed in sequence by
detailed discussions of a number of discrete transforms, knowledge of which is generally deemed essential
in the signal processing field.

1.1.3 IN THIS CHAPTER

We are now prepared in this chapter to begin a detailed exploration of discrete frequency transforms. A
number of such transforms exist, and we’ll begin by summarizing all of the basic facts and comparing each
to the others to better emphasize the important characteristics of each distinct transform. We include a
brief mention of continuous signal domain transforms for background and perspective, but concentrate
most of our effort on discrete signal transforms. All of the transforms we’ll investigate, both the continuous
and the discrete domain types, work on the same general concept–summing (or integrating in the case of
continuous time signals) the product of the signal and orthogonal-pair correlating waveforms of different
frequencies.
The transforms covered in detail in this book section are the Discrete Time Fourier Transform
(DTFT), which is covered in this chapter, the z-Transform (z-T), covered in the following chapter, and
the Discrete Fourier Transform (DFT), covered in the third and final chapter of this volume.
By the end of this chapter, the reader will have learned how to evaluate the frequency response
of an LTI system using the DTFT. This sets the stage for the following chapter, which discusses the
more generalized z-transform, which is in widespread use in industry and academia as the standard
method to describe the transfer function of an LTI system. This will be followed in the succeeding
chapter by a detailed look at the workhorse of practical frequency domain work, the DFT and a fast
implementation, the decimation-in-time FFT, as well as time domain convolution using the frequency
domain, the Goertzel algorithm, computing the DTFT using the DFT, etc.

1.2 SOFTWARE FOR USE WITH THIS BOOK

The software files needed for use with this book (consisting of m-code (.m) files, VI files (.vi), and related
support files) are available for download from the following website:
2 CHAPTER 1. THE DISCRETE TIME FOURIER TRANSFORM

http://www.morganclaypool.com/page/isen
The entire software package should be stored in a single folder on the user’s computer, and the full
file name of the folder must be placed on the MATLAB or LabVIEW search path in accordance with the
instructions provided by the respective software vendor (in case you have encountered this notice before,
which is repeated for convenience in each chapter of the book, the software download only needs to be
done once, as files for the entire series of four volumes are all contained in the one downloadable folder).
See Appendix A for more information.

1.3 INTRODUCTION TO TRANSFORM FAMILIES

The chief differences among the transforms mentioned below involve whether they 1) operate on con-
tinuous or discrete time signals, 2) provide continuous or discrete frequency output, and 3) use constant
unity-amplitude correlators (in the case of the Fourier family of transforms), or dynamic (decaying,
steady-state, or growing correlators) in the case of the Laplace and z- transforms.
The following table summarizes the main characteristics of a number of well-known transforms
with respect to the following categories: Input Signal Domain (continuous C or discrete D signal), Output
(Frequency) Domain (produces continuous C or discrete D frequency output), and Correlator Magnitude
(constant, unity magnitude for Fourier-based transforms, or variable magnitudes (decaying, growing, or
constant unity) for Laplace Transform and z-Transform, accordingly as e−σ t or |z|n , respectively.

Transform Input Output Correlator Mag.

Laplace Transform C C e−σ t

Fourier Transform C C 1
Fourier Series C D 1
Discrete Time Fourier Transform D C 1
Discrete Fourier Series D D 1
Discrete Fourier Transform D D 1
z-transform D C |z|n
For purposes of discrete signal processing, what is needed is a numerically computable repre-
sentation (transform) of the input sequence; that is to say, a representation which is itself a finite but
complete representation that can be used to reenter the time domain, i.e., reconstruct the original signal.
For transforms that are not computable in this sense, samples of the transform can be computed. Of all
the transforms discussed in the following section of the chapter, only the Discrete Fourier Series (DFS)
and Discrete Fourier Transform (DFT) are computable transforms in the sense mentioned above.
The use of dynamic correlators results in a transform that is an algebraic expression that implicitly
or explicitly contains information on the system poles and zeros. The system response to signals other
than steady-state, unity amplitude signals can readily be determined, although such transforms can also
be evaluated to produce the same result provided by the Fourier Transform (in the case of the Laplace
Transform) or the DTFT, DFS, and DFT (in the case of the z-Transform). Thus, the Laplace Trans-
form and z-Transform are more generalized transforms having great utility for system representation
and computation of response to many types of signals from the continuous and discrete time domains,
respectively.
While this book is concerned chiefly with discrete signal processing, we give here a brief discussion
of certain continuous time transforms (Laplace, Fourier, Fourier Series) to serve as background or points
 1.3. INTRODUCTION TO TRANSFORM FAMILIES 3
of reference for the discrete transforms that will be discussed in more detail below and in chapters to
follow.

1.3.1 FOURIER FAMILY (CONSTANT UNITY-MAGNITUDE CORRELATORS)

Fourier Transform  ∞
F (ω) = x(t)e−j ωt dt
−∞

The Fourier transform operates on continuous time, aperiodic signals and evaluates the frequency
response in the continuous frequency domain. The correlators are complex exponentials having constant
unity amplitude. Both t (time) and ω (frequency) run from negative infinity to positive infinity. The
Fourier Transform is a reversible transform; the inverse transform is
 ∞
x(t) = F (ω)ej ωt dω
−∞

Fourier Series
Many signals of interest are periodic, that is, they are composed of a harmonic series of cosines and sines.
For a periodic, continuous time signal of infinite extent in time, a set of coefficients can be obtained based
on a single period (between times to and to + T ) of the signal x(t):
 to +T
1
ck = x(t)e−j kω0 t dt
T to

where T is the reciprocal of the fundamental frequency F0 and k = 0, ±1, ±2, ...
For real x(t), ck and c−k are complex conjugates. If we say

ck = |ck | ej θk

then the original sequence can be reconstructed according to the formula


x(t) = c0 + 2 |ck | cos(2π kF0 t + θk )

An equivalent expression is

∞

x(t) = a0 + ak cos(2π kF0 t) − bk sin(2π kF0 t)
k=1

where a0 = c0 , ak = 2 |ck | cos θk , and bk = 2 |ck | sin θk .

Discrete Time Fourier Transform (DTFT)

The DTFT is defined for the discrete time input signal x[n] as

∞

DT F T (x[n]) = X(e ) = jω
x[n]e−j ωn (1.1)
n=−∞
4 CHAPTER 1. THE DISCRETE TIME FOURIER TRANSFORM
where ω (radian frequency) is a continuous function and runs from −π to π , and x[n] is absolutely
summable, i.e.,
∞
|x[n]| < ∞
n=−∞

The inverse DTFT (IDTFT) is defined as

 π
1
x[n] = X(ej ω )ej ωn dω (1.2)
2π −π

DTFT theory will be discussed in detail below, while computation of the DTFT using the DFT
will be discussed in the chapter on the DFT.

Discrete Fourier Series (DFS)

A periodic sequence x[n] (-∞ < n < ∞) may be decomposed into component sequences that comprise
a harmonic series of complex exponentials. Since a sampled sequence is bandlimited, it follows that the
frequency of the highest harmonic is limited to the Nyquist rate. The normalized frequencies of the
harmonics are 2πk/N , with k = 0:1:N -1. Since the transform involves a finite number of frequencies to
be evaluated, the DFS is a computable transform.
 are
The DFS coefficients X[k]


N−1
 =
DF S(x[n]) = X[k] x [n]e−j 2πkn/N
 (1.3)
n=0

where k is an integer and 

x [n] is one period of the periodic sequence x[n]. Typical ranges for k are:
0:1:N -1, or -N/2+1:1:N/2 for even length sequences, or -(N -1)/2:1:(N -1)/2 for odd length sequences.
Once having the DFS coefficients, the original sequence x[n] can be reconstructed using the
following formula:

1 
N−1
x[n] = X[k]ej 2πkn/N (1.4)
N
k=0

The DFS, a computable transform, forms an important theoretical basis for the Discrete Fourier
Transform and will be discussed in more detail in the chapter on the DFT.

Discrete Fourier Transform (DFT)

1 
N−1
DF T [k] = x[n]e−j 2πkn/N
N
n=0

The DFT (a computable transform) operates on discrete, or sampled signals, and evaluates fre-
quency response at a number (equal to about half the sequence length) of unique frequencies. The
correlators are complex exponentials having constant, unity amplitude, and the frequencies k range from
0 to N − 1 or, for even-length sequences, −N/2 + 1 to N/2 and −N/2 to −N/2 for odd-length DFTs.
The DFT (including its efficient implementation, the FFT) will be discussed extensively in the
chapter that follows the chapter on the z-transform.
 1.3. INTRODUCTION TO TRANSFORM FAMILIES 5
1.3.2 LAPLACE FAMILY (TIME-VARYING-MAGNITUDE CORRELATORS)
Laplace Transform (LT)
The LT is defined as
 ∞  ∞
£(s) = x(t)e−st dt = x(t)e−σ t e−j ωt dt
−∞ −∞

The LT is the standard frequency transform for use with continuous time domain signals and
systems. The parameter s represents the complex number σ + j ω, with σ , a real number, being a damping
coefficient, and j ω, an imaginary number, representing frequency. Both σ and ω run from negative infinity
to positive infinity. The correlators generated by e−st are complex exponentials having amplitudes that
decay, grow, or retain unity-amplitude over time, depending on the value of σ . By varying both σ and ω,
the poles and zeros of the signal or system can be identified. Results are graphed in the s-Domain (the
complex plane), using rectangular coordinates with σ along the horizontal axis, and j ω along the vertical
axis. The magnitude of the transform can be plotted along a third dimension in a 3-D plot if desired, but,
more commonly, a 2-D plot is employed showing only the locations of poles and zeros.
The LT is a reversible transform, and can be used to solve differential equations, such as those
representing circuits having inductance and capacitance, in the frequency domain. The time domain
solution is then obtained by using the Inverse LT. The LT is used extensively for circuit analysis and
representation in the continuous domain. We’ll see later in the book that certain well known or classical
IIRs (Butterworth, Chebyshev, etc) have been extensively developed in the continuous domain using
LTs, and that the Laplace filter parameters can be converted to the digital domain to create an equivalent
digital IIR.
Note that the FT results when σ = 0 in the Laplace transform. That is to say, when the damping
coefficient is zero, the Laplace correlators are constant, unity-amplitude complex exponentials just as
those of the FT. Information plotted along the Imaginary axis in the s- or Laplace domain is equivalent,
then, to the FT.

z-Transform (z-T)
The z-transform (z-T) is a discrete time form of the Laplace Transform. For those readers not familiar
with the LT, study of the z-T can prove helpful since many Laplace properties and transforms of common
signals are analogous to those associated with the z-T. The z-T is defined as
∞

X(z) = x[n]z−n
n=−∞

The z-T converts a number sequence into an algebraic expression in z, and, in the reverse or inverse
z-T, converts an algebraic expression in z into a sequence of numbers.The z-T is essentially a discrete-time
version of the Laplace transform. The correlators are discrete-time complex exponentials with amplitudes
that grow, shrink, or stay the same according to the value of z (a complex number) at which the transform
is evaluated. Values of z having magnitudes < 1 result in a correlation of the signal with a decaying
(discrete) complex exponential, evaluation with z having a magnitude equal to 1 results in a Fourier-like
response, and evaluation with z having a magnitude greater than 1 results in a correlation of the signal with
a growing discrete complex exponential. Results can be plotted in the z-Domain, which is the complex
plane using polar coordinates of r and θ, where θ corresponds to normalized radian frequency and r to a
damping factor. The unit circle in the z-domain corresponds to the imaginary axis in the s-Domain; the
left hand s-plane marks a region of stable pole values in the s-plane that corresponds to the area inside
6 CHAPTER 1. THE DISCRETE TIME FOURIER TRANSFORM
the unit circle in the z-plane. As in the s-plane, the z-T magnitude may be plotted using a 3-D plot, or,
using a 2-D plot, only the location of the poles and zeros may be plotted.
Among the discrete-signal transforms, the z-T is more general than the DTFT, since in the z-T,
the test exponentials may also have decay factors (negative or positive). All of the members of the Fourier
transform family use exponentials of constant unity amplitude to perform their correlations with the
signal of unknown frequency content, and thus cannot give pole and zero locations as can the Laplace
and z- transforms.
The z-transform will be discussed extensively in the next chapter.
Additional Transforms
There are also several other transforms that are derived from the DFT; namely, the Discrete Cosine
Transform (DCT), and the Discrete Sine Transform (DST). These transforms use multiples of half-
cycles of either the cosine or sine, respectively, as the correlators, rather than multiples of full cycles as in
the DFT. The bin values are real only. A form of the DCT called the MDCT (Modified DCT) is used
in certain audio compression algorithms such as MP3.
Reference [1] gives a thorough and very accessible development of the DFT, and also briefly
discusses the Laplace transform, the z-transform, the DCT, and the DST.

1.4 THE DTFT

The DTFT provides a continuous frequency spectrum for a sampled signal, as opposed to a discrete
frequency spectrum (in which only a finite number of frequency correlators are used, as is true of the
DFT and DFS).
In Eq. (1.1), x[n] is a sampled signal which may be of either finite or infinite extent, and ω, a
continuous function of frequency which may assume values from −π to π .

Example 1.1. Derive an algebraic expression for the DTFT of the function 0.9n u[n], and then evaluate
it numerically at frequencies between 0 and π radians, at intervals of 0.01 radian.

We must evaluate the expression

∞

DT F T (x[n]) = x[n]e−j ωn
n=−∞

We note that x[n] = 0 for n < 0, that x[n] itself is absolutely summable since it is a decreasing
geometric series. The n-th term of the summation is

0.9n e−j ωn
and we note that each successive term is arrived at by multiplying the previous term by the number
0.9e−j ω and thus the net sequence forms a geometric series the sum of which is
1
(1.5)
(1 − 0.9e−j ω )
We can evaluate this expression at a finite number of values of ω and plot the result. The following
code directly evaluates expression (1.5) at frequencies between 0 and π radians, as specified by the vector
w:
 1.4. THE DTFT 7
w = 0:0.01:pi; DTFT = 1./(1-0.9*exp(-j*(w)));
figure(8); plot(w/(pi),abs(DTFT));
xlabel(’Normalized Frequency’); ylabel(’Magnitude’)

Example 1.2. Evaluate and plot the magnitude of the DTFT of the following sequence: [1, 0, 1].


2 
F (ω) = x[n]e−j ωn = [1, 0, 1][e−j ω0 , e−j ω1 , e−j ω2 ] = 1 + e−j ω2 (1.6)
n=0

From our earlier work, we recognize the impulse response [1,0,1] as that of a simple bandstop
filter. We can show that this is so by evaluating Eq. (1.6) at a large (but necessarily finite) number of
values of ω with the following code, the results of which are shown in Fig. 1.1.
w = 0:0.01:pi; DTFT = 1+exp(-j*2*w);
figure(8); plot(w/(pi),abs(DTFT));
xlabel(’Normalized Frequency’); ylabel(’Magnitude’)

1.8

1.6

1.4

1.2
Magnitude

0.8

0.6

0.4

0.2

0
0 0.2 0.4 0.6 0.8 1
Normalized Frequency

Figure 1.1: Magnitude of the DTFT of the simple notch filter [1, 0, 1].
8 CHAPTER 1. THE DISCRETE TIME FOURIER TRANSFORM
Example 1.3. Write a script that will evaluate and plot the magnitude and phase of the DTFT for any
sequence; test it for the sequences [1, 0, 1], [1, 0,-1], and [1, 0, 0, 1].

Such a script should allow one to specify how many samples M of the DTFT to compute over the
interval 0 to Rπ, with R = 1 being suitable for real x[n] and R = 2 being suitable for complex x[n]. Values
of R greater than 2 allow demonstration of periodicity of the DTFT. The code creates an n-by-k matrix
dMat of complex correlators, where each column is a complex correlator of length n and frequency k.
The DTFT is obtained by multiplying the signal vector x on the right by dMat. Each element in the
resulting row vector of frequency responses is obtained as the inner or dot product of the signal vector x
with a column of dMat.
function LV_DTFT_Basic(x,M,R)
% LV_DTFT_Basic([1,0,1],300,1)
N = length(x); W = exp(-j*R*pi/M); k = 0:1:M-1;
n = 0:1:N-1; dMat = W.ˆ(n’*k); d = x*dMat; figure(9)
subplot(2,2,1); plot(R*[0:1:M-1]/M,abs(d));
grid; xlabel(’Norm Freq’); ylabel(’Mag’)
subplot(2,2,2); plot(R*[0:1:M-1]/M,angle(d))
grid; xlabel(’Norm Freq’); ylabel(’Radians’)
subplot(2,2,3); plot(R*[0:1:M-1]/M,real(d));
grid; xlabel(’Norm Freq’); ylabel(’Real’)
subplot(2,2,4); plot(R*[0:1:M-1]/M,imag(d))
grid; xlabel(’Norm Freq’); ylabel(’Imag’)
The result from making the call

LV_DTFT_Basic([1,0,1],300,1)
is shown in Fig. 1.2.
A more versatile version of the above code is the script (see exercises below)

LV xDT F T (x, n, M, R, F reqOpt, F igN o)

which, from sequence x having time indices n, computes M frequency samples over the interval Rπ ,
which can be computed symmetrically or asymmetrically with respect to frequency zero (FreqOpt = 1 for
symmetrical, 2 for asymmetrical). The radian frequencies of evaluation would be, for the asymmetrical
option

Rπ([0 : 1 : M − 1])/M
and for the symmetrical option

Rπ([−(M − 1)/2 : 1 : (M − 1)/2])/M ( M odd )

Rπ([−M/2 + 1 : 1 : M/2])/M ( M even )

The desired figure number is supplied as FigNo, an option allowing you to create different figures
for comparison with each other. A typical call is
 1.4. THE DTFT 9

2 2

1
1.5

Radians
0
Mag

1
−1
0.5
−2

0 −3
0 0.5 1 0 0.5 1
(a) Norm Freq (b) Norm Freq
2 2

1.5
1
1
Imag
Real

0
0.5
−1
0

−0.5 −2
0 0.5 1 0 0.5 1
(c) Norm Freq (d) Norm Freq

Figure 1.2: (a) Magnitude of DTFT of the sequence [1 0 1]; (b) Phase response of DTFT; (c) Real
component of DTFT ; (d) Imaginary component of DTFT.

LVxDTFT([1,0,1],[0:1:2],300,2,1,88)
which results in Fig. 1.3.
A second script (for a complete description of input arguments, see exercises below)

LV xDT F T _MS(x, SampOff set, F reqOff setExp, M, R, T imeOpt, F reqOpt)

allows you to enter one sequence, and the second sequence is created as a modification of the first, delayed
by SampOffset samples and offset in frequency by the complex exponential FreqOffsetExp. Input arguments
M and R are as described for the script LVxDTFT ; F reqOpt determines whether the DTFT is computed
symmetrically or asymmetrically about frequency zero, as described above for the script LVxDTFT. For
the asymmetrical time option (determined by the input argument TimeOpt), the sequence time indices
of the first sequence are given as

n = 0 : 1 : N − 1;
10 CHAPTER 1. THE DISCRETE TIME FOURIER TRANSFORM

4
Mag

2
0
−1 −0.5 0 0.5 1
Normalized Frequency (Multiples of π)
5
Radians

0
−5
−1 −0.5 0 0.5 1
Normalized Frequency (Multiples of π)
4
Real

2
0
−1 −0.5 0 0.5 1
Normalized Frequency (Multiples of π)
4
Imag

2
0
−1 −0.5 0 0.5 1
Normalized Frequency (Multiples of π)

Figure 1.3: (a) Magnitude of DTFT of the sequence [1,0,1]; (b) Phase of DTFT of same; (c) Real part
of DTFT of same; (d) Imaginary part of DTFT of same.

where N is the length of x. For the symmetrical time index option, the time indices are given as

n = −(N − 1)/2 : 1 : (N − 1)/2 (n odd)

n = −N/2 + 1 : 1 : N/2 (n even)

This script is useful for demonstrating the effect on the DTFT of time and frequency shifts to a
first test sequence. A typical call, which results in Fig. 1.4, is
nN = (0:1:100)/100;
LVxDTFT_MS([cos(2*pi*25*nN)],0,...
exp(j*2*pi*12.5*nN),200,2,2,1)
We will make use of these scripts shortly while studying the various properties of the DTFT.
 1.5. INVERSE DTFT 11

100 100
Mag

Mag
50 50
0 0
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
(a) Norm Freq, x1[n] (e) Norm Freq, x2[n]
2 2
Radians

Radians
0 0
−2 −2
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
(b) Norm Freq, x1[n] (f) Norm Freq, x2[n]
100 100
Real

Real
0 0
−100 −100
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
(c) Norm Freq, x1[n] (g) Norm Freq, x2[n]
100 100
Imag

Imag

0 0
−100 −100
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
(d) Norm Freq, x [n] (h) Norm Freq, x [n]
1 2

Figure 1.4: DTFT of first sequence, with its magnitude and phase and real and imaginary parts being
shown, respectively, in plots (a)-(d); DTFT of second sequence, which is the first sequence offset in
frequency by π/4 radian, with its magnitude, phase, and real and imaginary parts being shown, respectively,
in plots (e)-(h). All frequencies are normalized, i.e., in units of π radians.

1.5 INVERSE DTFT

The Inverse DTFT, i.e., the original time domain sequence x[n] from which a given DTFT was produced,
can be reconstructed by evaluating the following integral:
 π
1
x[n] = X(ej ω )ej ωn dω (1.7)
2π −π
We will illustrate this with several examples, one analytic and the other numerical.

Example 1.4. Using Eq. (1.7), compute x[0], x[1], and x[2] from the DTFT obtained in Eq. (1.6).

We get
12 CHAPTER 1. THE DISCRETE TIME FOURIER TRANSFORM

 π
1
x[0] = (1 + e−j ω2 )ej ω0 dω
2π −π
and
 π
1
x[1] = (1 + e−j ω2 )ej ω1 dω
2π −π
and
 π
1
x[2] = (1 + e−j ω2 )ej ω2 dω
2π −π
The formula for x[0] reduces to
 π  π  π
1 1
(1 + e−j ω2 )dω = ( dω + e−j ω2 dω)
2π −π 2π −π −π
which is
 π
1
(ω |π−π + e−j ω2 dω) = 1 + 0 = 1
2π −π
where we note that
 π 
2π if n=0
e±j ωn dω =
−π 0 if n = ±1, ±2...
For x[1] we get
 π  π
1 1
x[1] = (1 + e−j ω2 )ej ω1 dω = (ej ω1 + e−j ω1 )dω = 0
2π −π 2π −π
The formula for x[2] is the same as that for x[0] with the exception of the sign of the complex
exponential, which does not affect the outcome. The reconstructed sequence is therefore [1,0,1], as
expected.

Example 1.5. Using numerical integration, approximate the IDTFT that was determined analytically
in the previous example.

Let’s reformulate the code to obtain the DTFT from -pi to +pi, and to use a much finer sample
spacing (this will improve the approximation to the true, continuous spectrum DTFT), and then perform
the IDTFT one sample at a time in accordance with Eq. (1.2):
N=10ˆ3; dw = 2*pi/N; w = -pi:dw:pi*(1-2/N);
DTFT = 1+exp(-j*2*w);
x0 = (1/(2*pi))*sum(DTFT.*exp(j*w*0)*dw)
x1 = (1/(2*pi))*sum(DTFT.*exp(j*w*1)*dw)
x2 = (1/(2*pi))*sum(DTFT.*exp(j*w*2)*dw)
Running the preceding code yields the following answer, which rounds to the original sequence,
[1,0,1]:
 1.6. A FEW PROPERTIES OF THE DTFT 13
x0 = 1.0000 - 0.0000i
x1 = -4.9127e-017
x2 = 1.0000 + 0.0000i

1.6 A FEW PROPERTIES OF THE DTFT

1.6.1 LINEARITY
The DTFT of a linear combination of two sequences x1 [n] and x2 [n] is equal to the sum of the individual
responses, i.e.,
DT F T (ax1 [n] + bx2 [n]) = aDT F T (x1 [n]) + bDT F T (x2 [n])

1.6.2 CONJUGATE SYMMETRY FOR REAL x[n]

For real x[n], the real part of the DTFT shows even symmetry (X(ej ω ) = X(e−j ω )), and the imaginary
part shows odd symmetry (X(ej ω ) = −X(e−j ω )).

1.6.3 PERIODICITY
The DTFT of a sequence x[n] repeats itself every 2π :

X(ej w ) = X(ej (w+2πn) )

where n = 0, ±1, ±2...
To illustrate this principle, consider the following: for a given sequence length, the Nyquist limit is
half the sequence length, and this represents a frequency shift of π radians. To shift 2π radians therefore
is to shift by a frequency equal to the sequence length. The following m-code, the results of which are
illustrated in Fig. 1.5, verifies this property.
SR = 100; nN = (0:1:SR)/SR;
LVxDTFT_MS([cos(2*pi*25*nN)],0,exp(j*2*pi*SR*nN),200,2,2,1)
You can gain insight by noting that the code

nN = (0:1:100)/100; y = exp(j*2*pi*100*nN)
yields y = ones(1, 101), which clearly transforms the original sequence into itself, i.e., the new sequence
is the same as the old, and hence the DTFT is the same. In other words, the DTFT of a sequence repeats
itself for every frequency shift of 2π radians of the original sequence.

1.6.4 SHIFT OF FREQUENCY

If the signal x[n] is multiplied by a complex exponential of frequency F0 , the result is that the DTFT of
x[n] is shifted.

DT F T (x[n]ej ω0 n ) = X(ej (ω−ω0 ) )

To demonstrate this property, we can use the script LVxDTFT_MS. We pick the short sequence
[1,0,1] as x[n], and specify no sample offset, but a frequency offset of 2π/16 radians. We thus make the
call

LVxDTFT_MS([1,0,1],0,exp(j*2*pi*1*(0:1:2)/16),100,2,1,2)
14 CHAPTER 1. THE DISCRETE TIME FOURIER TRANSFORM

100 100
Mag

Mag
50 50
0 0
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
(a) Norm Freq, x [n] (e) Norm Freq, x [n]
1 2
2 2
Radians

Radians
0 0
−2 −2
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
(b) Norm Freq, x [n] (f) Norm Freq, x [n]
1 2
100 100
Real

Real
0 0
−100 −100
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
(c) Norm Freq, x1[n] (g) Norm Freq, x2[n]
100 100
Imag

Imag

0 0
−100 −100
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
(d) Norm Freq, x1[n] (h) Norm Freq, x2[n]

Figure 1.5: DTFT of first sequence, with its magnitude and phase and real and imaginary parts being
shown, respectively, in plots (a)-(d); DTFT of second sequence, which is the first sequence offset in
frequency by 2π radians, with its magnitude, phase, and real and imaginary parts being shown, respectively,
in plots (e)-(h). All frequencies are normalized, i.e., in units of π radians.

which results in Fig. 1.6. The reader should be able to verify by visual comparison of plots (a) and (e) that
the magnitude of frequency response has in fact been shifted by π/8 radian.

1.6.5 CONVOLUTION
The DTFT of the time domain convolution of two sequences is equal to the product of the DTFTs of
the two sequences.

DT F T (x1 [n] ∗ x1 [n]) = X1 (ej ω )X2 (ej ω )

Example 1.6. Consider the two sequences [1, 0, 1] and [1, 0, 0, −1]. Obtain the time domain convo-
lution by taking the inverse DTFT of the product of the DTFTs of each sequence, and confirm the result
using time domain convolution.
 1.6. A FEW PROPERTIES OF THE DTFT 15

2 2
Mag

Mag
1 1
0 0
0 0.5 1 1.5 2 0 0.5 1 1.5 2
(a) Norm Freq, x [n] (e) Norm Freq, x [n]
1 2
5 5
Radians

Radians
0 0
−5 −5
0 0.5 1 1.5 2 0 0.5 1 1.5 2
(b) Norm Freq, x1[n] (f) Norm Freq, x2[n]
2 2
Real

Real
0 0
−2 −2
0 0.5 1 1.5 2 0 0.5 1 1.5 2
(c) Norm Freq, x1[n] (g) Norm Freq, x2[n]
2 2
Imag

Imag

0 0
−2 −2
0 0.5 1 1.5 2 0 0.5 1 1.5 2
(d) Norm Freq, x1[n] (h) Norm Freq, x2[n]

Figure 1.6: DTFT of first sequence, with its magnitude and phase and real and imaginary parts being
shown, respectively, in plots (a)-(d); DTFT of second sequence, which is the first sequence offset in
frequency by π/8 radian, with its magnitude, phase, and real and imaginary parts being shown, respectively,
in plots (e)-(h). All frequencies are normalized, i.e., in units of π radians.

The DTFT of the first sequence is

X1 (ej ω ) = 1 + e−j ω2
and for the second sequence

X2 (ej ω ) = 1 − e−j ω3
The product is

1 + e−j ω2 − e−j ω3 − e−j ω5

or stated more completely
16 CHAPTER 1. THE DISCRETE TIME FOURIER TRANSFORM

1e−j ω0 + 0e−j ω1 + e−j ω2 − e−j ω3 + 0e−j ω4 − e−j ω5

which can be recognized by inspection as the DTFT of the time domain sequence

[1, 0, 1, −1, 0, −1]

To confirm, we make the following call:

y = conv([1,0,1],[1,0,0,-1])
which produces the same result.

1.6.6 EVEN AND ODD COMPONENTS

If a real sequence x[n] is decomposed into its even and odd components, and the DTFT taken of each,
it will be found that the DTFT of the even part is all real and equal to the real part of DT F T (x[n]),
while the DTFT of the odd part will be found to be imaginary only and equal to the imaginary part of
DT F T (x[n]). Using X(ej ω ), XE(ej ω ), XO(ej ω ) as the DTFT’s of x[n], xe[n], and xo[n], we would
have

Re(X(ej ω )) = Re(XE(ej ω )) = XE(ej ω )

and

Im(X(ej ω )) = Re(XO(ej ω )) = XO(ej ω )

Example 1.7. Write a script that will demonstrate the above even-odd properties.

We can perform the even-odd decomposition using the script LVEvenOddSymmZero presented
earlier, and then use the script LVxDTFT in three separate calls to open three separate windows to show
X(ej ω ), XE(ej ω ), and XO(ej ω ); the following script also reconstructs the original DTFT as the sum
of its even and odd components, subtracts this from the DTFT of the original signal, and obtains the
RMS error, which should prove to be essentially zero, within the limits of roundoff error.
x = [1:1:9]; [xe,xo,m] = LVEvenOddSymmZero(x,[0:1:8]);
d = LVxDTFT(x,[0:1:8],200,2,2,10);
de = LVxDTFT(xe,m,200,2,2,11);
do = LVxDTFT(xo,m,200,2,2,12);
RMS = sqrt((1/200)*sum((d - (de+do)).ˆ2))
The value of RMS reported after running the above code was [1.0190e-016, -1.6063e-015i], which
is essentially zero, within the limits of roundoff error.

1.6.7 MULTIPLICATION BY A RAMP

dX(ej ω )
DT F T (nx[n]) = j
dω
This property states that if the DTFT of x[n] is X(ej ω ), then the DTFT of nx[n] is the derivative
with respect to ω of X(ej ω ) multiplied by j .
 1.7. FREQUENCY RESPONSE OF AN LTI SYSTEM 17

1.7 FREQUENCY RESPONSE OF AN LTI SYSTEM

1.7.1 FROM IMPULSE RESPONSE
An interesting and useful result occurs by convolving a complex exponential ej ωk of radian frequency of
ω = ω0 with an LTI system having an impulse response represented by h[n]:
∞
 
y[k] = h[n]ej ω0 (k−n) = ( h[n]e−j ω0 n )ej ω0 k (1.8)
n=−∞

The rightmost expression in Eq. (1.8) is the input signal ej ω0 k scaled by the DTFT of h[n] evaluated at
ω0 . Since the DTFT evaluated at a single frequency is a complex number, it is sometimes convenient to
represent it as a magnitude and phase angle. Thus, for each frequency ω0 we would have the result

y[k] = H (ej ω0 )ej ω0 k = (|H (ej ω0 )|)( H (ej ω0 ))ej ω0 k (1.9)

An interpretation of this result is that a sinusoidal excitation of frequency ω0 to an LTI system
produces an output that is a sinusoid of the same frequency, scaled by the magnitude of the DTFT of
h[n] at ω0 , and phase shifted by the angle of the DTFT of h[n] evaluated at ω0 . This is consistent with
the principle of Sinusoidal Fidelity discussed in Volume I of this series.

Example 1.8. Consider the LTI system whose impulse response is [1, 0, 1]. Determine the magnitude
of the response to the complex exponential.

exp(j*2*pi*(0:1:31)*5/32)
We note that the normalized frequency is 5/16 = 0.3125 and obtain the magnitude of H at the
given frequency as 1.111 using the following code:
w = 5*pi/16; DTFT = 1+exp(-j*2*w);
magH = abs(DTFT)
To obtain the magnitude of response via time domain convolution, we make the following call:
tdMagResp = max(abs(conv([1,0,1],exp(j*2*pi*(0:1:31)*5/32))))
which produces the identical result, 1.111.
Equation (1.9) may be generalized and applied to real sinusoids. Thus, the steady state response
y[n] of an LTI system to a cosine (or sine) of magnitude A, frequency ω0 and phase angle φ, with the
DTFT magnitude and angle being M and θ is

y[n] = MA cos(ω0 n + φ + θ) (1.10)

Example 1.9. Verify Eq. (1.10) using both cosine and sine waves having normalized frequencies of 0.53
for the LTI system whose impulse response is [1, 0, 1].

We’ll use a discrete cosine of the stated frequency with φ = 0 and M = 1, and then compute the
output according to Eq. (1.10) and then by convolution with the impulse response. The plot will show
that the results are identical except for the first two and last two samples (recall that Eq. (1.10) represents a
18 CHAPTER 1. THE DISCRETE TIME FOURIER TRANSFORM
steady state response). In the code below, you can substitute the sine function (sin) for the cosine function
(cos) as well as change the frequency F and test signal length N .
F = 0.53; N = 128; w = F*pi; dtft = 1+exp(-j*2*w);
M = abs(dtft); theang = angle(dtft);
y1 = M*cos(2*pi*(0:1:N-1)*(N/2*F)/N + theang);
y2 = conv([1 0 1],cos(2*pi*(0:1:N-1)*(N/2*F)/N));
stem(y1,’bo’); hold on; stem(y2,’r*’)
Since LTI systems obey the law of superposition, Eq. (1.10) can be generalized for an input signal
comprising a sum or superposition of sinusoids:


K
y[n] = Mk Ak cos(ωk n + φk + θk ) (1.11)
k=1

1.7.2 FROM DIFFERENCE EQUATION

Thus, far we have been using the impulse response of an LTI system to determine the system’s frequency
response; in many cases, a difference equation may be what is immediately available. While it is certainly
possible to process a unit impulse using the difference equation and thus obtain the impulse response,
it is possible to obtain the frequency response directly from the difference equation. Assuming that the
difference equation is of the form


K 
M
y[n] + ak y[n − k] = bm x[n − m] (1.12)
k=1 m=0

and recalling from Eq. (1.9) that

y[n] = H (ej ω )ej ωn

and substituting in Eq. (1.12), we get


K 
M
H (ej ω )ej ωn + ak H (ej ω )ej ω(n−k) = bm ej ω(n−m)
k=1 m=0

which reduces to
M −j ωm
m=0 bm e
H (ej ω ) = K (1.13)
1 + k=1 ak e−j ωk

Example 1.10. Determine the frequency response of a certain LTI system that is defined by the following
difference equation, then compute and plot the magnitude and phase response for ω = 0 to 2π .

y[n] = x[n] + x[n − 2] + 0.9y[n − 1]

We first rewrite the equation to have all y terms on the left and all x terms on the right:
 1.8. REFERENCES 19

y[n] − 0.9y[n − 1] = x[n] + x[n − 2]

Then we get

1 + e−j ω2
H (ej ω ) =
1 − 0.9e−j ω
which can be numerically evaluated using the following code:
N=10ˆ3; dw=2*pi/N; w = 0:dw:2*pi-dw;
H = (1+exp(-j*2*w))./(1-0.9*exp(-j*w));
figure; subplot(2,1,1); plot(abs(H)); subplot(2,1,2); plot(angle(H))

1.8 REFERENCES
[1] William L. Briggs and Van Emden Henson, The DFT, An Owner’s Manual for the Discrete Fourier
Transform, SIAM, Philadelphia, 1995.
[2] Steven W. Smith, The Scientist and Engineer’s Guide to Digital Signal Processing, California Technical
Publishing, San Diego, 1997.
[3] Alan V. Oppenheim and Ronald W. Schaefer, Discrete-Time Signal Processing, Prentice-Hall, Engle-
wood Cliffs, New Jersey, 1989.
[4] John G. Proakis and Dimitris G. Manolakis, Digital Signal Processing, Principles, Algorithms, and
Applications, Third Edition, Prentice Hall, Upper Saddle River, New Jersey, 1996.
[5] Vinay K. Ingle and John G. Proakis, Digital Signal Processing Using MATLAB V.4, PWS Publishing
Company, Boston, 1997.

1.9 EXERCISES
1. Determine analytically the DTFT of the following sequences:
(a) 0.95n u[n] - 0.8n−1 u[n − 1]
(b) cos(2π (0:1:3)/4)
(c) (0.85)n−2 u[n − 2]
(d) ([0,0,(0.85)n−2 u[n − 2]])u[n]
(e) (-0.9)n u[n] + (0.7)n−3 u[n − 3]
(f ) n(u[n] - u[n − 3])
2. Compute the DTFTs of the following sequences and plot the magnitude and phase responses (use
one of the scripts developed or presented earlier in this chapter, such as LV_DTFT_Basic). Be sure to
increase the number of DTFT samples as the signal length increases. It’s a good idea to use at least 10
times as many DTFT samples as the sequence length being evaluated. Consider plotting the magnitude
on a logarithmic scale to see fine detail better. To avoid the problem of taking the logarithm of zero, add a
small number such as 10−10 to the absolute value of the DTFT, then use the function log10 and multiply
the result by 20.
(a) cos(2*pi*k*(0:1:N-1)/N) for N = 8, 32, 128 and k = 0, 1, and N/2.
20 CHAPTER 1. THE DISCRETE TIME FOURIER TRANSFORM
(b) [ones(1,10),zeros(1,20),ones(1,10),zeros(1,20)]
(c) b = fir1(21,0.5)
(d) [1,0,1]
(e) [1,0,1,0,1,0,1]
(f ) [1,0,1,0,1,0,1,0,1,0,1,0,1]
(g) [1,0,1,0,1,0,1,0,1,0,1,0,1].*hamming(13)’
(h) [1,0,1,0,1,0,1,0,1,0,1,0,1].*blackman(13)’
(i) [1,0,1,0,1,0,1,0,1,0,1,0,1].*kaiser(13,5)’
(j) [1,0,-1,0,1,0,-1,0,1,0,-1,0,1].*hamming(13)’
(k) [1,0,-1,0,1,0,-1,0,1,0,-1,0,1].*blackman(13)’
(l) [1,0,-1,0,1,0,-1,0,1,0,-1,0,1].*kaiser(13,5)’
(m) [real(j.ˆ(0:1:10))].*blackman(11)’
(n) [real(j.ˆ(0:1:20))].*blackman(21)’
(o) [real(j.ˆ(0:1:40))].*blackman(41)’
(p) [real(j.ˆ(0:1:80))].*blackman(81)’
3. Write a script that can receive b and a difference equation coefficients (according to Eq. (1.13)) in row
vector form (normalized so a0 = 1), compute, and display the following:
(a) The unit impulse response of the system defined by b and a.
(b) The unit step response of the system.
(c) The magnitude and phase of the DTFT.
(d) The response to a linear chirp of length 1024 samples and frequencies from 0 to 512 Hz (0 to
π radians in normalized frequency).
(e) The magnitude of response to a complex linear chirp of length 1024 samples and frequencies
from 0 to 512 Hz (0 to π radians in normalized frequency). Such a chirp can be generated by the following
code:
N = 1024; t = 0:1/N:1; y = chirp(t,0,1,N/2) + ...
j*chirp(t,0,1,N/2,’linear’,90)
(f ) The response to a signal of length 1024 samples containing a cosine of frequency 128.
(g) The response to a signal of length 1024 samples containing a cosine of frequency 256.
Use the script to evaluate the LTI systems defined by the following difference equations or b and
a coefficients. You should note that some of the systems are not stable. Compare the plot of DTFT
magnitude to the two chirp responses for each of the difference equations below. Where can the steady-
state magnitude of the responses specified in (b), (f ), and (g) above be found on the DTFT magnitude
plot? State whether each of the systems is stable or unstable.
(I) y[n] = x[n] + x[n-1] + 0.9y[n-1]
(II) y[n] = x[n] + 1.4y[n-1] - 0.81y[n-2]
(III) y[n] = x[n] + 1.4y[n-1] + 0.81y[n-2]
(IV) y[n] = x[n] - 2.45y[n-1] +2.37y[n-2] -0.945y[n-3]
(V) y[n] = x[n] +1.05y[n-1]
(VI) y[n] = 0.094x[n] + 0.3759x[n-1] + 0.5639x[n-2] + 0.3759x[n-3] + ...
0.094x[n-4] + 0.486y[n-2] + 0.0177y[n-4]
(VII) b = [0.6066,0,2.4264,0,3.6396,0,2.4264,0,0.6066];
a = [1,0,3.1004,0,3.7156,0,2.0314,0,0.4332]
4. For the following different functions, compute the DTFT, then plot the function on a first subplot
and its DTFT magnitude on a second subplot. The sinc function can be evaluated using the function
 1.9. EXERCISES 21
sinc(x). What kind of filter impulse response results from the functions below? What effect does the
parameter c have, and what effect does the length of the vector n have?
(a) n =-9:1:9; c = 0.8; y = sinc(c*n);
(b) n =-9:1:9; c = 0.4; y = sinc(c*n);
(c) n =-9:1:9; c = 0.2; y = sinc(c*n);
(d) n =-9:1:9; c = 0.1; y = sinc(c*n);
(e) n =-39:1:39; c = 0.8; y = sinc(c*n);
(f ) n =-39:1:39; c = 0.4; y = sinc(c*n);
(g) n =-39:1:39; c = 0.2; y = sinc(c*n);
(h) n =-39:1:39; c = 0.1; y = sinc(c*n);
(i) n =-139:1:139; c = 0.8.; y = sinc(c*n);
(j) n =-139:1:139; c = 0.4.; y = sinc(c*n);
(k) n =-139:1:139; c = 0.2.; y = sinc(c*n);
(l) n =-139:1:139; c = 0.1.; y = sinc(c*n);
5. Compute and plot the magnitude and phase of the DTFT of the following impulse responses x. Note
the effect of the frequency parameter f and the difference in impulse responses and especially phase
responses between (a)-(e) and (f )-(j).
(a) n = -10:1:10; f = 0.05; x = ((0.9).ˆ(abs(n))).*cos(f*pi*n)
(b) n = -10:1:10; f = 0.1; x = ((0.9).ˆ(abs(n))).*cos(f*pi*n)
(c) n = -10:1:10; f = 0.2; x = ((0.9).ˆ(abs(n))).*cos(f*pi*n)
(d) n = -10:1:10; f = 0.4; x = ((0.9).ˆ(abs(n))).*cos(f*pi*n)
(e) n = -10:1:10; f = 0.8; x = ((0.9).ˆ(abs(n))).*cos(f*pi*n)
(f ) n = 0:1:20; f = 0.05; x = ((0.9).ˆ(abs(n))).*cos(f*pi*n)
(g) n = 0:1:20; f = 0.1; x = ((0.9).ˆ(abs(n))).*cos(f*pi*n)
(h) n = 0:1:20; f = 0.2; x = ((0.9).ˆ(abs(n))).*cos(f*pi*n)
(i) n = 0:1:20; f = 0.4; x = ((0.9).ˆ(abs(n))).*cos(f*pi*n)
(j) n = 0:1:20; f = 0.8; x = ((0.9).ˆ(abs(n))).*cos(f*pi*n)
6. An ideal lowpass filter should have unity gain for |ω| ≤ ωc and zero gain for |ω| > ωc , and a linear
phase factor or constant sample delay equal to e−j ωM where M represents the number of samples of delay.
Use the inverse DTFT to determine the impulse response that corresponds to this frequency specification.
That is to say, perform the following integration
 π
1
x[n] = X(ej ω )ej wn dω
2π −π
where

1 · e−j ωM |ω| ≤ ωc
X(e ) =
jω
0 |ω| > ωc
After performing the integration and obtaining an expression for x[n], use n = -20:1:20 and M =
10, and obtain four impulse responses corresponding to the following values of ωc :
(a) 0.1π
(b) 0.25π
(c) 0.5π
(d) 0.75π
22 CHAPTER 1. THE DISCRETE TIME FOURIER TRANSFORM
Convolve each of the four resulting impulse responses with a chirp of length 1000 samples and
frequency varying from 0 to 500 Hz. For each of the four impulse responses, plot the impulse response
on one subplot and the chirp response on a second subplot. On a third subplot, plot the result from
numerically computing the DTFT of each impulse response, or instead use the script LV_DTFT_Basic
or the similar short version presented in the text to evaluate the DTFT and plot it in a separate window.
To display on the third subplot, create a script

d = LV xDT F T _Basic(x, M, R)
based on LV_DTFT_Basic, but which delivers the DTFT as the output argument d and which does not
itself create a display.
7. For each of the four impulse responses computed above, obtain a new impulse response by subtracting
the given impulse response from the vector [zeros(1,20),1,zeros(1,20)] (this assumes that the vector n in
the previous example ran from -20 to +20).
Determine what kind of filter the four new impulse responses form. To do this, plot the magnitude
of the DTFT of each original impulse response next to the DTFT of each corresponding new impulse
response.
8. Create a script in accordance with the following call syntax, which should create plots similar to that
shown in Fig. 1.3; test it with the sample calls given below.
function LVxDTFT(x,n,M,R,FreqOpt,FigNo)
% Computes and displays the magnitude, phase, real, and
% imaginary parts of the DTFT of the sequence x having
% time indices n, evaluated over M samples.
% Pass R as 1 to evaluate over pi radians, or 2 to evaluate
% over 2*pi radians
% Use FreqOpt = 1 for symmetrical frequency evaluation
% about frequency 0 or FreqOpt = 2 for an asymmetrical
% frequency evaluation
% Sample calls:
% LVxDTFT([cos(2*pi*25*(0:1:99)/100)],[0:1:99],500,2,1,88)
% LVxDTFT([cos(2*pi*25*(-50:1:50)/100)],[-50:1:50],500,2,1,88)
% LVxDTFT([cos(2*pi*5*(0:1:20)/20)],[0:1:20],100,2,1,88)
% LVxDTFT([cos(2*pi*5*(-10:1:10)/20)],[-10:1:10],100,2,1,88)
% LVxDTFT([cos(2*pi*25*(0:1:100)/100)],[-50:1:50],500,2,1,88)
% LVxDTFT([exp(j*2*pi*25*(0:1:99)/100)],[0:1:99],500,2,1,88)
% LVxDTFT([cos(2*pi*25*(0:1:99)/100)],[0:1:99],1000,2,1,88)
9. Create a script that conforms to the following call syntax, which should create plots similar to that
shown in Fig. 1.6; test it with the sample calls given below.
function LVxDTFT_MS(x,SampOffset,FreqOffsetExp,...
% M,R,TimeOpt,FreqOpt)
% Computes and displays the magnitude, phase, real, and
% imaginary parts of the DTFT of the sequence x, evaluated
% over M samples, then computes the same for a
% modified version of x that has been shifted by
% SampOffset samples and multiplied by a complex
% exponential FreqOffsetExp.
 1.9. EXERCISES 23
% Pass R as 1 to evaluate from 0 to pi radians, or
% Pass R as 2 to evaluate from 0 to 2*pi radians
% Pass TimeOpt as 1 to let n (the time indices for x1
% and x2) be computed as n = -(N-1)/2:1:(N-1)/2 for N odd
% or n = -N/2+1:1:N/2; for even N.
% Pass FreqOpt as 1 for symmetrical frequency computation
% and display (-R*pi to +R*pi, for example) or as 2 for
% frequency comp.and display from 0 to R*pi
% Sample calls:
% LVxDTFT_MS([cos(2*pi*25*(0:1:100)/100)],0,...
% exp(j*2*pi*10*(0:1:100)/100),500,2,1,1)
% LVxDTFT_MS([cos(2*pi*25*(0:1:100)/100)],0,...
% exp(-j*2*pi*10*(0:1:100)/100),500,2,1,1)
% LVxDTFT_MS([cos(2*pi*25*(0:1:100)/100)],0,...
% exp(-j*pi/2),500,2,1,1) % shifts phase
% LVxDTFT_MS([exp(j*2*pi*25*(0:1:100)/100)],0,...
% exp(-j*2*pi*10*(0:1:100)/100),500,2,1,1)
% LVxDTFT_MS([cos(2*pi*25*(0:1:100)/100)],0,...
% exp(j*2*pi*12.5*(0:1:100)/100),1000,2,1,1)
% LVxDTFT_MS([1 0 1],2,1,300,2,1,1)
% LVxDTFT_MS([1 0 1],0,exp(j*2*pi*1*(0:1:2)/3),...
% 100,2,1,1)
% LVxDTFT_MS([cos(2*pi*25*(0:1:100)/100)],0,...
% exp(j*2*pi*12.5*(0:1:100)/100),200,2,1,1)
% LVxDTFT_MS([1 0 1],0,exp(j*2*pi*(0:1:2)/3),300,2,1,1)
10. Compute 1200 evenly distributed frequency samples of the DTFT (i.e., a numerical approximation
of the DTFT) for the three following sequences:
(a) [0.1,0.7,1,0.7,0.1]
(b) [1,0,0,0,1]
(c) [0.95n - 0.85n ] for 0 ≤ n ≤ ∞
11. Numerically compute the inverse DTFTs of the three numeric DTFTs computed in the previous
exercise (for item (c), compute the inverse DTFT for n = 0:1:2).
12. Compute the net output signal obtained by convolving the signal

x = 0.5 cos(2π n/16) + 0.3 sin(5π n/16)

with the impulse response [1,0,-1] two ways, first, by performing the time domain convolution, and second,
by computing the DTFT of the impulse response to determine the magnitude and phase responses for the
frequencies in the signal, and then scaling and shifting the two signal components, and finally summing
the two scaled and shifted signal components to obtain the net output response. Verify that the results
are the same during steady state.
 25

CHAPTER 2

The z-Transform
2.1 OVERVIEW
In the previous chapter, we took a brief look at the Fourier and Laplace families of transforms, and a
more detailed look at the DTFT, which is a member of the Fourier family which receives a discrete
time sequence as input and produces an expression for the continuous frequency response of the discrete
time sequence. With this chapter, we take up the z-transform, which uses correlators having magnitudes
which can grow, decay, or remain constant over time. It may be characterized as a discrete-time variant
of the Laplace Transform. The z-transform can not only be used to determine the frequency response
of an LTI system (i.e., the LTI system’s response to unity-amplitude correlators), it reveals the locations
of poles and zeros of the system’s transfer function, information which is essential to characterize and
understand such systems. The z-transform is an indispensable transform in the discrete signal processing
toolbox, and is virtually omnipresent in DSP literature. Thus, it is essential that the reader gain a good
understanding of it.
The z-transform mathematically characterizes the relationship between the input and output
sequences of an LTI system using the generalized complex variable z, which, as we have already seen, can
be used to represent signals in the form of complex exponentials. Many benefits accrue from this:

• An LTI system is conveniently and compactly represented by an algebraic expression in the vari-
able z; this expression, in general, takes the form of the ratio of two polynomials, the numerator
representing the FIR portion of the LTI system, and the denominator representing the IIR portion.

• Values of z having magnitude 1.0, which are said to “lie on the unit circle” can be used to evaluate
the z-transform and provide a frequency response equivalent to the DTFT.

• Useful information about a digital system can be deduced from its z-transform, such as location of
system poles and zeros.

• Difference equations representing the LTI system can be constructed directly from inspection of
the z-transform.

• An LTI system’s impulse response can be obtained by use of the Inverse z-transform, or by con-
structing a digital filter or difference equation directly from the z-transform, and processing a unit
impulse.

• The z-transform of an LTI system has, in general, properties similar or analogous to various other
frequency domain transforms such the DFT, Laplace Transform, etc.

By the end of this chapter, the reader will have gained a practical knowledge of the z-transform, and
should be able to navigate among difference equations, direct-form, cascade, and parallel filter topologies,
and the z-transform in polynomial or factored form, converting any one representation to another. Addi-
tionally, an understanding will have been acquired of the inverse z-transform, and use of the z-transform
to evaluate frequency response of various LTI systems such as the FIR and the IIR.
26 CHAPTER 2. THE Z-TRANSFORM

2.2 SOFTWARE FOR USE WITH THIS BOOK

The software files needed for use with this book (consisting of m-code (.m) files, VI files (.vi), and related
support files) are available for download from the following website:

http://www.morganclaypool.com/page/isen
The entire software package should be stored in a single folder on the user’s computer, and the full
file name of the folder must be placed on the MATLAB or LabVIEW search path in accordance with the
instructions provided by the respective software vendor (in case you have encountered this notice before,
which is repeated for convenience in each chapter of the book, the software download only needs to be
done once, as files for the entire series of four volumes are all contained in the one downloadable folder).
See Appendix A for more information.

2.3 DEFINITION & PROPERTIES

2.3.1 THE Z-TRANSFORM
The z-transform of a sequence x[n] is:
∞

X(z) = x[n]z−n
n=−∞

where z represents a complex number. The transform does not converge for all values of z; the region of
the complex plane in which the transform converges is called the Region of Convergence (ROC), and
is discussed below in detail. The sequence z−n is a complex correlator generated as a power sequence of
the complex number z and thus X(z) is the correlation (CZL) between the signal x[n] and a complex
exponential the normalized frequency and magnitude variation over time of which are determined by the
angle and magnitude of z.

2.3.2 THE INVERSE Z-TRANSFORM

The formal definition of the inverse z-transform is

1
x[n] = X(z)zn−1 dz (2.1)
2πj
where the contour of integration is a closed counterclockwise path in the complex plane that surrounds
the origin (z = 0) and lies in the ROC.
There are actually many methods of converting a z-transform expression into a time domain
expression or sequence. These methods, including the use of Eq. (2.1), will be explored later in the
chapter.

2.3.3 CONVERGENCE CRITERIA

Infinite Length Causal (Positive-time) Sequence
When x[n] is infinite in length, and identically 0 for n < 0, the ratio of x[n] to zn (or in other words,
x[n]z−n ) must generally decrease in magnitude geometrically as n increases for convergence to a finite
sum to occur.
 2.3. DEFINITION & PROPERTIES 27
Note that if the sequence x[n] is a geometrically convergent series, then the z-transform will also
converge provided that  
 x[n + 1] 
 
 x[n]  < |z|

In terms of numbers, if  
 x[n + 1] 
 
 x[n]  = 0.9

for example, then it is required that |z| > 0.9 for convergence to occur.
If in fact x[n] is a geometrically convergent series, and z is properly chosen, the sum of the infinite
series of numbers consisting of x[n]z−n may conveniently be written in a simple algebraically closed form.

Example 2.1. Determine the z-transform for a single pole IIR with a real pole p having a magnitude
less than 1.0.

The impulse response of such a filter may be written as

[p 0 (= 1), p1 , p2 , p3 , ... pn ]

etc., or to pick a concrete example with the pole at 0.9,

0.9n = [1, 0.9, 0.81, 0.729, ...]

and the z-transform would therefore be:

A(z) = 1 + 0.9z−1 + 0.81z−2 + 0.729z−3 + . . . pn z−n

or in generic terms as

A(z) = 1 + pz−1 + p 2 z−2 + p 3 z−3 + . . . pn z−n

The summation of an infinite number of terms of the form cn where |c| < 1 with

0≤n<∞
is
1
(2.2)
1−c
For the single pole IIR with a pole at p, and by letting c = pz−1 (note that p 0 = 1) in Eq. (2.2),
we get the closed-form z-transform as
1 z
A(z) = −1
= (2.3)
1 − pz z−p
The z-transform in this case is defined or has a finite value for all z with |z| > |p| or
 
p
 <1
z
28 CHAPTER 2. THE Z-TRANSFORM
Example 2.2. Plot the ROC in the z-plane for the z-transform corresponding to the sequence 0.8n u[n].

The z-transform is
1
X(z) =
1 − 0.8z−1
which converges for |z| > 0.8. The shaded area of Fig. 2.1 shows the ROC.

1
0.8
0.6
0.4
Imaginary

0.2
0
−0.2
−0.4
−0.6
−0.8
−1

−1 −0.5 0 0.5 1
Real

Figure 2.1: The Region of Convergence for a system having one pole at 0.8 is shown as the shaded area
outside (not including) a circle of radius 0.8. The unit circle is shown as a dotted circle at radius 1.0.

Example 2.3. Write the z-transform for the sequence 0.7n u[n], evaluate it at 500 values of z lying on
the unit circle (i.e., having a magnitude of 1.0, and radian frequencies between 0 and 2π ), and plot the
magnitude of the result.

Values of z on the unit circle have magnitude greater than 0.7 and thus lie in the ROC for the
z-transform, which is 1/(1- 0.7z−1 ); Figure 2.2 shows the result of running the following m-code, which
computes and plots the magnitude of the z-transform:
radFreq = [0:2*pi/499:2*pi]; z = exp(j*radFreq);
 2.3. DEFINITION & PROPERTIES 29

3.5

2.5
Magnitude

1.5

0.5
0 0.5 1 1.5 2
Frequency, Units of π

Figure 2.2: The magnitude of H (z) = 1/(1 − 0.7z−1 ) evaluated at z = exp(jω) for ω = 0 to 2π .

Zxform = 1./(1-0.7*z.ˆ(-1)); plot(radFreq/pi,abs(Zxform))

For the positive-time or causal sequence x[n], convergence of the z-transform is guaranteed for all
z with magnitude greater than the pole having greatest magnitude (sometimes referred to as the dominant
pole) in a transfer function.
For example, a transfer function having two poles at 0.9 and 0.8, respectively, would have the
z-transform

1
A(z) =
(1 − 0.9z−1 )(1 − 0.8z−1 )
which would converge for all z having |z| > 0.9.
The z-transform is undefined where it does not converge. Consider an example where p = 0.9,
and we choose to evaluate the transform at z = 0.8. We write the first few terms of the definition of the
z-transform as

A(z) = p0 z0 + pz−1 + p 2 z−2 + p 3 z−3 + . . . pn z−n

which in concrete terms would be

0.9 0 0.9 1 0.81 2 0.9 3 0.9 n

A(z) = ( ) +( ) +( ) +( ) + ...( )
0.8 0.8 0.64 0.8 0.8
which clearly diverges, and thus the transform is undefined.
30 CHAPTER 2. THE Z-TRANSFORM
Note that the general formula for the z-transform of a single pole transfer function given in
Eq. (2.3), if filled in with a value of z which is not in the ROC, will give an answer, but it will not be
valid. Thus, it is very important to know what the region of convergence is for a given problem.

Example 2.4. Determine, and verify using a numerical computation, the z-transform and ROC of the
sequence defined as

x[n] = 0.9n u[n − 1]

Taking into account the delay of one sample induced by the delayed unit step function, the z-
transform would be
∞

X(z) = x[n]z−n (2.4)
n=1

the first few terms of which are 0.9z−1 , 0.81z−2 , 0.93 z−3 , etc., which is a geometric series having its
first term F T equal to 0.9z−1 and the ratio R between successive terms equal to 0.9z−1 . The sum of a
geometric series is F T /(1 − R), which leads to the z-transform as

0.9z−1
X(z) = (2.5)
1 − 0.9z−1
with ROC: |z| > 0.9.
To verify the validity of this expression, we can first compute the summation in Eq. (2.4) to a large
number of samples until convergence is (essentially) reached, using a value of z lying in the ROC. Then
we will substitute the chosen value of z in Eq. (2.5) and compare results, using the following code. Note
that in accordance with Eq. (2.4), we start each sequence, x[n] and the negative power sequence of z, at
power 1 rather 0.
N = 150; z = 1; zpowseq = z.ˆ(-1:-1:-N); x = 0.9.ˆ(1:1:N);
NumAns = sum(zpowseq.*x)
zXformAns = (0.9/z)/(1-0.9*(1/z))
Note that as |z| gets closer to 0.9, a larger value of N is necessary for convergence. For example, if
z = 0.91, N will need to be about 1500.
Infinite Length, Negative Time Sequence
An infinite-length sequence that is identically zero for values of n equal to or greater than zero is called
a negative-time sequence. A geometric sequence defined as

x[n] = −bn u[−n − 1]

where c has a finite magnitude and n runs from -1 to -∞ has the z-transform
−1
 −1
 ∞

b z
X(z) = − bn z−n = − ( )n = − ( )n
n=−∞ n=−∞
z b
n=1

which can be reduced to

 2.3. DEFINITION & PROPERTIES 31

∞
 z 1 z 1
X(z) = 1 − ( )n = 1 − = =
b 1 − z/b z−b 1 − bz−1
n=0

which converges when |z| < |b|.

Example 2.5. A certain negative-time sequence is defined by x[n] = −0.9n u[−n − 1] where n = −1 :
−1 : −∞. Determine the z-transform and the ROC. Pick a value of z in the ROC, numerically compute
the z-transform, and then compare the answer to that obtained by substituting the chosen value of z into
the determined z-transform.

The z-transform is 1/(1-0.9z−1 ), and the ROC includes all z having magnitude less than 0.9. The
value of the transform for z = 0.6 is 1/(1-0.9/0.6) = -2.0.
We can numerically compute the z-transform, say, for 30 points, using z = 0.6, which gives the
answer as -2.0:
N = 30; b = 0.9; n = -N:1:-1; z = 0.6; sig = -(b.ˆn); z2n = z.ˆ(-n);
subplot(2,1,1); stem(n,sig); xlabel(’n’); ylabel(’Signal Amp’)
subplot(2,1,2); stem(n,z2n); xlabel(’n’); ylabel(’zˆ {-n}’)
zXform = -sum( (b.ˆn).*(z.ˆ(-n)) )
Infinite Length, Two-Sided
Sequences that have infinite extent toward both +∞ and -∞ are called two-sided and the ROC is the
intersection of the ROC for the positive and negative sequences.

Example 2.6. Determine the z-transform and ROC for the following two-sided sequence:

x[n] = 0.8n u[n] − 0.9n u[−n − 1]

The net z-transform is the sum of the z-transforms for each of the two terms, and the ROC is the
intersection of the ROCs for each. Thus, we get
z z
X(z) = −
z − 0.8 z − 0.9
with the ROC for the left-hand term (the right-handed or positive-time sequence) comprising |z| > 0.8
and for the left-handed or negative-time sequence, the ROC comprises |z| < 0.9. The net ROC for the
two-sided sequence is, therefore, the open annulus (ring) defined by

0.8 < |z| < 0.9

Note that it may happen that the two ROCs do not intersect, and thus the transform in such
case is undefined, i.e., does not exist.

Example 2.7. Determine the z-transform for the system defined by

x[n] = 0.9n u[n] − 0.8n u[−n − 1]

32 CHAPTER 2. THE Z-TRANSFORM
Here we see that for the positive-time sequence, the ROC includes z having magnitude greater
than 0.9, whereas for the negative-time sequence, z must have magnitude less than 0.8. In other words,
there are no z that can satisfy both criteria, and thus the transform is undefined.
Note that the z-transform alone cannot uniquely define the underlying time domain sequence
since, for example, the positive time sequence 0.9n u[n] and the negative-time sequence −0.9n u[−n −
1] have the same z-transform
1
1 − 0.9z−1
Therefore, it is necessary to specify both the z-transform and the ROC to uniquely define the
underlying time domain sequence.
Finite Length Sequence
When the sequence x[n] is finite in length and x[n] is bounded in magnitude, the ROC is generally the
entire complex plane, possibly excluding z = 0 and/or z = ∞.

Example 2.8. Evaluate the z-transform and state the ROC for the following three sequences:

(a) x[n] = [1,0,-1,0,1] with time indices [0,1,2,3,4].

(b) x[n] = [1,0,-1,0,1] with time indices [-5,-4,-3,-2,-1].
(c) x[n] = [1,0,-1,0,1] with time indices [-2,-1,0,1,2].
For (a) we get

z0 − z−2 + z−4
which has its ROC as the entire complex plane except for z = 0. For (b) we get

z5 − z3 + z1
which has its ROC as the entire complex plane except for z = ∞. For (c) we get

z2 − z0 + z−2
which has its ROC as the entire complex plane except for z = 0 and z = ∞.

2.3.4 SUMMARY OF ROC FACTS

• Since convergence is determined by the magnitude of z, ROCs are bounded by circles.
• For finite sequences that are zero-valued for all n < 0, the ROC is the entire z-plane except
for z = 0.
• For finite sequences that are zero-valued for all n > 0, the ROC is the entire z-plane except
for z = ∞.
• For infinite length sequences that are causal (positive-time or right-handed), the ROC lies
outside a circle having radius equal to the pole of largest magnitude.
• For infinite length sequences that are anti-causal (negative-time or left-handed), the ROC lies
inside a circle having radius equal to the pole of smallest magnitude.
 2.3. DEFINITION & PROPERTIES 33
• For sequences that are composites of the above criteria, the sequence should be considered as
the sum of a number of subsequences, and the ROC is generally the intersection of the ROCs
of each subsequence.

2.3.5 TRIVIAL POLES AND ZEROS

The generalized z-transform for an finite-length sequence may be written as

B(z) = b0 + b1 z−1 + b2 z−2 + ... + bN−1 z−(N−1)

where the sequence length is N . If the right-hand side of this equation is multiplied by zN−1 /zN−1 (i.e.,
1), the result is

B(z) = (b0 zN−1 + b1 zN−2 + b2 zN−3 + ... + bN−1 )/zN−1

which has (N − 1) poles at z = 0. These are referred to as Trivial Poles.
Likewise, the generalized expression for an IIR

A(z) = 1/(a0 − a1 z−1 − a2 z−2 − ... − aN−1 z−(N−1) )

if multiplied on the right by zN−1 /zN−1 will yield a transfer function with N -1 Trivial Zeros at z = 0.
The trivial poles of a finite sequence (or FIR) cause the z-transform to diverge at z = 0 as mentioned
above.

2.3.6 BASIC PROPERTIES OF THE Z-TRANSFORM

Linearity
If the z-transforms of two functions x1 [n] and x2 [n] are X1 (z) and X2 (z), respectively, then the z-
transform of
Z(c1 x1 [n] + c2 x2 [n]) = c1 X1 (z) + c2 X2 (z); ROC: ROC(x1 [n]) ∩ ROC(x2 [n])
for all values of c1 and c2 .
Shifting or Delay
If X[z] is the z-transform of x[n], then the z-transform of the delayed sequence x[n − d] is z−d X[z]
with the ROC the same as that for x[n]. This is a very useful property since it allows one to write the
z-transform of difference equations by inspection.
Example 2.9. Using the shifting property, write the z-transform of the following causal system:
y[n] = x[n] + ay[n − 1] + bx[n − 1]

The z-transform may be written as

Y (z) = X(z) + az−1 Y (z) + bz−1 X(z)

which simplifies to

Y (z) 1 + bz−1
= ; ROC: |z| > |a|
X(z) 1 − az−1
34 CHAPTER 2. THE Z-TRANSFORM
Convolution
The z-transform of the convolution of two functions x1 [n] and x2 [n] is the product of the z-transforms
of the individual functions. Stated mathematically,

Z(x1 [n] ∗ x2 [n]) = X1 (z)X2 (z); ROC: ROC(x1 [n]) ∩ ROC(x2 [n])
where the symbol ∗ is used here to mean convolution.

Example 2.10. Compare the convolution of two sequences using linear convolution and the z-transform
technique.

Consider the two time domain sequences [1,1,1] and [1,2,-1]. The time domain linear convolution
is y = [1,3,2,1,-1]. Doing the problem using z-transforms, we get

Y (z) = (1 + z−1 + z−2 )(1 + 2z−1 − z−2 ) = [1 + 3z−1 + 2z−2 + z−3 − z−4 ]
from which we can write the equivalent impulse response by inspection, [1,3,2,1,-1], which is identical
to the time domain result.

Time Reversal or Folding

If

Z(x[n]) = X(z)
then

Z(x[−n]) = X(1/z)
and the ROC is inverted.

Example 2.11. A sequence is x[n] = [1, 0, −1, 2, 1], having time indices of [2, 3, 4, 5, 6]. Determine
the z-transform of x[−n].

The z-transform of x[n] is

z−2 + 0z−3 − z−4 + 2z−5 + z−6 ; ROC: |z| > 0

According to the folding property, the z-transform of x[−n] should be

(1/z)−2 − (1/z)−4 + 2(1/z)−5 + (1/z)−6 = z2 − z4 + 2z5 + z6

The time reversed sequence is [1,2,-1,0,1] having time indices [-6,-5,-4,-3,-2], and computing
the z-transform of x[−n] directly we get

z6 + 2z5 − z4 + 0z3 + z2 ; ROC: |z| < ∞

Another random document with
no related content on Scribd:
jokaisessa olisi ensialuksi kaksi, sittemmin neljä lehmää ja lisäksi
pientä karjaa.

Sitä rikkautta ja hyvinvointia, mikä siitä koituisi! Metsiä

hoidettaisiin kuin puutarhoja, ja paperia ja puutavaraa voitaisiin
viedä ulos suunnattomat määrät.

Ehkäpä viljaakin, mutta voita ainakin.

Nälkä olisi tulevalle sukupolvelle tuntematon käsite.

Ja sitten vielä: Puumetsät valtion omiksi ja hoitotavat

yksinkertaisemmiksi. Metsillä valtio voisi peittää suurimman osan
menoistaan, ja verotus supistuisi muutamaan prosenttiin.

Metsiään laiskana tuhlaavat työhön, elättämään itseään ja

perhettään maatyöllä.

Emäntä tuli kamariin.

— Mitä sinä niin suu supussa istut ja mietit? kysyi hän Tuomaalta.

Isäntä naurahti.

— Tämän tasavallan taloutta tässä järjestyen.

— Että mitä?

Alina istui sängynlaidalle siisteissä sunnuntaivaatteissaan.

— Sitä mitä olen sinulle ennenkin puhunut. Viljelyskelpoiset maat

kaikki halukkaille viljelijöille. Suurviljelykset pienemmiksi. Ne eivät
tästä puoleen kannata. Mitä hyödyttää jakaa kaikki työnteokset
palkkaväelle ja joutua itse puutteeseen? Ja sitäpaitsi työntulokset
kun ovat, niinkuin näet, perin huonot toisen työssä. Katsohan, mitä
iso renki saa aikaan, ja kuusituhatta pitäisi maksaa ja parselit päälle.
Ei, se ei tosiaankaan vetele. Maatalouden koko maassa täytyy käydä
pienviljelystä kohti, vieläpä sukkelaan, jos tässä aiotaan päästä
eteenpäin ja itsenäisenä.

— Palvelijatkin tahtovat suunnattomia palkakseen, sanoi Alina. —

Kyselin heiltä tänä aamuna, ja Iitalle sovimme kuukausipalkan nyt
talven ajaksi. Sitten kesällä saadaan nähdä, mitä kannattaa maksaa.

— Se on oikein. Meidän täytyy vähentää työväkeä. Aion

vuosijärjestelmästä luopua kokonaan ja sitäpaitsi luulen itse
jaksavani tehdä yhtä paljon kuin kaksi renkiä.

— Ehkäpä sitä minäkin… sanoi Alina ja siveli täyteläistä

vartaloaan. — Tänä vuotena on ollut enemmän työtä, mutta olenkos
laihtunut, vai mitä?

Tuomas naurahti hyvillään.

— Pyöristynyt vain olet. Sinua kyllä katselee mielikseen.

Tuomas katseli ikkunasta ulos. Siellä tuuli lennätteli lumihiutaleita.

Ulkona oli kolkkoa, mutta sisällä tuntui lämmin turvallisuus viihtyvän.

— Mitä sanot, jos antaisimme pois liikaa maata, jota meillä vielä
on?

— Tee vain niinkuin näet parhaaksi. Kyllä kai me elämme

vähemmälläkin.

— Voimmehan edes omalta osaltamme kylvää siunausta

ympärillemme, antaen maata maattomille. Kolme pienviljelmää
metsäpalstoineen voisi vielä hyvinkin lohkaista Savilahdesta.

— Kuinka paljon sitä vielä jäisi pojille? kysyi Alina. — Kolmelle

pojalle yhteensä yhdeksänkymmentä hehtaaria, ja siinä on kylliksi.

— Kai se heille riittää niinkuin muillekin.

— Oikeastaan siinä on liikaakin tulevaisuuden pikkuviljelmiä

ajatellen, arveli Tuomas. — Se on siis päätetty. Minun on vain
harkittava kenelle maata annetaan.

Tuntui luottamukselliselta ajatella tulevaisuutta. Jos maata pois

antaen tulot vähenisivät, niin menotkin sitä suuremmassa määrässä.

Vanhan järjestelmän onttous oli hänelle ainakin täydellisesti

paljastunut.

Keskitalvi jo tuiskutteli lumiaan.

Savilahdessa luotiin auki kolme lantakasan pohjaa joka maanantai,

ja lauantai-iltaan ne olivat valmiina.

Tuomaalla oli apunaan päivätyöläinen, joka muutteli toisella

hevosella muraa valmiista kasasta tunkioihin, Tuomaan itsensä
ajaessa lannat pihasäiliöstä.

Tuomas oli jättänyt jo osan ulkopalstoista, vähän yli kuusi

hehtaaria syksyllä kynnettyä peltoa, pois viljelyslaskuistaan ja
erottanut näille viljelmille metsäpalstatkin jo valmiiksi. Ei puuttunut
muuta kuin asukkaita tupiaan ja saunojaan rakentamaan.

Tarjokkaita oli kylliksi. Tunnettiinhan jo lähiseudulla Tuomaan auliit

maanmaksuehdot entisille mökkiläisilleen.

Iso renki oli keyriltä lähtenyt tukkitöihin ja vienyt pikkurengin

mukanaan. Saara oli jäänyt taloon ja teki käsitöitä taloon ja itselleen.

Renkien ansiot tukkimetsissä eivät olleetkaan niin loistavat, joiksi

ne kuviteltiin edeltäpäin. Palkat riittivät hädin tuskin ruokaan, ja
vaatteisiin ei jäänyt mitään.

Ruoka ei ollut sitäpaitsi valmiina pöydässä, niinkuin se oli taloissa.

Rauhallisia ruokatunteja ei ollut myöskään. Kylmissä pirteissä,

milloin missäkin nurkassa, sai nukkua yönsä likaisissa vaatekasoissa.

Siinäpähän sopi nyt vertailla palvelusväen ja tukkityöläisen oloja.

Apumiehekseen oli Tuomas koettanut valikoida parasta. Mies,

Liisan Vikki, niinkuin häntä sanottiin, kulki kesällä tukkilauttojen
mukana, mutta talveksi asettui aina kotipuolessaan johonkin taloon
työmieheksi.

Ensialussa Vikki teki töitä, mutta muutamien viikkojen perästä

murahteli Tuomas jo tyytymättömänä. Vaimolleenkin tuli
valittamaan:

— Ei piru vieköön saa enää kunnon työntekijää nuorista miehistä.

— Jospa ei saane. Se on kai tämä aika, joka sen vaikuttaa, sanoi

emäntä. — Työnteosta on enää harvoilla palkkalaisilla iloa.
 — Lempo heidän kanssaan rehkimään, jyrisi Tuomas. — Pitänee
koettaa suoriutua omin voimin kaikesta.

— Raskaaksi se kuitenkin käy sinulle, sanoi Alina. — Minullakin on

apulainen.

— Se nyt on eri asia. Taidat olla Iita-tyttöseen edelleen

tyytyväinen?

— En häntä laskisi pois millään hinnalla, myönsi Alina.

— Hyvä on, että on vielä kunnollisiakin työntekijöitä.

*****

Tuomaalle oli jäänyt velkoja, maksaessaan veljelleen Pentti Kokolle

talo-osuutensa. Velka, joka oli kotipitäjän pankkiin, lyheni vuosi
sitten, mutta oli sitä vielä kymmenisen tuhatta.

Nyt se oli sanottu irti, eikä Tuomas vielä tietänyt, mistä rahat olisi
siihen ottanut.

Syksyllä olisi voinut hyvällä hinnalla myydä metsää, mutta nyt ei

sekään kelvannut.

Tuomas oli jo kysellyt rahoja muutamilta naapureiltaankin, jotka

olivat syksyllä myyneet metsiään, mutta keltään ei riittänyt.

Eerikkiläisenkin kymmenet tuhannet olivat huvenneet niin vähiin,

että hädin tuskin oli enää veroja varten tarvittava summa jäljellä.

Oli tämä totisesti aikaa. Raha meni kuin hiekka sormien lomitse.
 Veljeltään Pentiltä, joka oli liikemies, olisi Tuomas kai saanut,
mutta ei tahtonut mennä pyytämään, koska veli oli rahansa saanut
keinottelulla.

Ei siltä kulassilta, vaikka viimeinen lehmä menisi navetasta.

Ihmetytti, että pankki vaati häneltä velkaansa eikä muilta.

Hän oli muutenkin huomannut, että muutamat naapurit olivat

käyneet juroiksi ja äänettömiksi hänelle.

Oli jotain kuullutkin.

Hänkö tässä muka oli viisaampi kuin toiset, ja hänkö aikoi päästä
vähemmillä kustannuksilla taloudessaan kuin muut?

Saadaanpa nähdä, kun verotus joutuu.

Savilahteen pitää lisätä puolella äyrejä. Se äijä ei osta mitään ja

rikastuu, kun toiset tässä vain köyhtyvät. Itse raataa yöt ja päivät
eikä henno palvelijoitakaan pitää.

Niin näykittiin ja se suututti.

Omaansa kai hän säästi minkä säästi. Ja eikö hän senkin vuoksi
pienentänyt talouttaan, että maattomat saivat maata?

Helvetti, minkälaisia pahkapäitä oli hänellä naapureina.

Jokaisessa maatilkussa he riippuivat kiinni kuin takiaiset, mutta

yhtäkään peltosarkaa eivät saaneet kunnollisesti kasvamaan.
Kokonaiset läänit oli hallittavina, eikä mikään tullut kuntoon tehdyksi.
 Kaikenkirjavissa kokouksissa juoksivat isännät suutaan
soittamassa, ja palkkaväki teki tepposiaan ja laiskotteli.

Metsärahojen turvin elettiin.

- Olisivat hekin puolestaan voineet pienentää maattomien

harhailevaa laumaa ja saada pienemmistä aloista suuremmat
tulokset.

Lainsäädäntöäkö tässäkin tarvitsi odottaa?

Hänelle sitten kynttä hiomaan, kun ei tässä heidän tyylillään eletty.

Sapetti, että oli tullut heiltä rahoja pyytäneeksi.

Mutta nyt ei pyydettäisi, vaikka menisi jokainen nauhanpätkäkin.

Säälitti tosin hävittää karjaa, jonka oli valikoiden kasvattanut.

Toinen hevonen olisi myöskin tarpeen, mutta voisihan ehkä suoriutua
yhdelläkin.

Vanha Leena pitäisi myydä, kun se ei kuitenkaan jaksaisi suorittaa

kevättöitä.

Jo ajatuskin vanhan palvelijan myymisestä koski kipeästi.

Nyt hän olisi voinut myydä metsää, mutta sitä ei ostettu. Sen
myyntiä vastaan ei voinut käsirahojakaan ottaa, jos olisi saanutkaan.
Sekin olisi kuin kerjäämistä.

Kaikkeen sitä joutuukin.

Sitäpaitsi olivat nyt jo karjankin hinnat laskeneet. Tämän arvaten

olisi pitänyt syksyllä myydä karjaa, niin saisi nyt pitää molemmat
hevoset.

Pankin irtisanominen oli varmasti hyvien naapurien työtä.

Vastuksista huolimatta oli kuitenkin seistävä omilla jaloillaan.

Pentti, Tuomaan veli, tuli kotipuolessa käymään. Ehkäpä jäisi koko

talveksi, kun sekin suuri maailma oli siellä vähän sekaantunut.
Kauppa ei käynyt enää. Se katkesi kuin naulan kantaan, välittäjien
kaupankäynti. Ensin puhuttiin yleisestä ostolakosta, ja siitä se alkoi
vähitellen. Vähäistä myöhemmin supistivat pankit lainaustaan, ja yksi
ja toinen valitti rahapulaa.

Hänen sitä ei tosin tarvinnut tehdä. Puoli miljoonaa oli sota-aika

tuonut hänen taskuunsa. Miljoonakin olisi, ellei kirottu kapina-aika
olisi sotkenut liikeasioita. Punikit olivat vähällä viedä hengenkin.

Tuomas ei pitänyt siitä, että keinottelija-veli rehenteli hänen

kotonaan. Varsinkin silloin, kun hän kärsi puutetta raha-asioissaan.

Olisi pysynyt maassa kiinni ja elänyt rehellisellä maatyöllä niinkuin

hänkin.

Pentti komeili kuin hyväkin herra ulkomaan trikoossa ja

vormusaappaissa. Pullottavan vatsan päällä roikkuivat kultaiset
kellonperät, ja kultakelloa piti katsoa vähän väliä, varsinkin silloin
kun vieras sattui taloon.
 Pentin takia oli tämäkin velka, jota nyt vaadittiin ja jonka takia oli
nyt ylenmääräistä työtä ja puuhaa.

Ruoka-aikoina Pentti kertoili suuriäänisesti ja välillä nauraa

hohottaen kaupoistaan. Kaksi ensimmäistä päivää Tuomas kuunteli
ääneti, mutta enempää ei jaksanut.

Oltiin aamiaisella. Pentti syö hyvällä ruokahalulla, mutta murisee:

— Täällä maalla se on iänikuisena aamiaisruokana tämä peruna-

tai ryynivelli.

Aikoi jatkaa kaupunkilaisten monipuolisista aamiaisista, mutta ei

ehtinyt.

Tuomas:

— Etpähän pysynyt siellä kaupunkiaamiaisilla. Minun puolestani se

olisi ollut hyvin suotavaa.

— Rahalla minä maksan täälläkin ruokani.

Ja Pentti kopistaa pullottavaa liiviään. Hän on pistänyt sinne

rahansa verotusta piiloon.

— Tullaan tässä aikoihin sinun rahoittasikin, sanoo Tuomas.

— Tarpeen taitaisivat olla sinullekin tällä kertaa, ja mielelläni

annankin.

— Mutta minä en ota kaupalla keinoteltuja rahoja. Vielä ne joskus

kuumentavat omiakin kynsiäsi, jos vähänkään omaatuntoa lienee,
virkkaa Tuomas noustessaan pöydästä.
 Pentti kaivelee hampaitaan ja nauraa.

— Omatunto… se joutaa nykyään mihin tahansa. Ei sillä elä

kukaan.

— Siltä tuntuu, että useimmat sen ovat kadottaneet. Rahaa

saadakseen ovat valmiita vaikka mihin konnantyöhön.

— Sanotko, että minäkin olen tehnyt mitä tahansa? kuohahti

Pentti.

— Itsehän sen paraiten tiedät. Kun mies jättää perintömaansa ja

kokoaa keinottelulla, tekee sitä jo silloin rahan edestä mitä vaan,
sanoi Tuomas ja meni kamariinsa.

Pentti koetti lauhtua, mielistelläkseen veljensä vaimoa.

Maailmaa kulkiessaan hän oli nähnyt, että rahalla ja mukavilla

puheilla sai naisiakin, minkälaisia vain.

Varsinkin Helsingissä sai valikoida mieleisiään. Pari kertaa

teatterilippu ja illallinen, niin silloin sai pitää miten lystäsi.

Maaseudulla vielä oli lujemmassa, mutta heltisi sielläkin, kun osasi

veivittää.

Nyt pitäisi kokeilla tuon Alinan kanssa.

Se oli komea nainen, ihan herkullinen. Vaikka sillä on kolme

poikaa, niin posket sillä ovat kuin samettia, ja väriä niissä on.

Toisten vaimot olivatkin nykyään hänen muodissaan.

 — Se tuo Tuomas-veli on sellainen kiivastelija, lekersi Pentti,
seuraten Alinan puuhailua tuvassa. — Hyvä se pohjaltaan on, mutta
niin kovin nuuka tuollaisissa periaate-kysymyksissä. Rahaa täytyy
nykyään ottaa mistä vain saa.

Alina rypisti kulmiaan. Hittojako se hänelle suutaan soittamaan,

rupisammakko.

Pentti vain hymähteli ja kellistyi sänkyyn kyljelleen.

— Kyllä minä sinut vielä otan, mietti. — On otettu parempiakin,

ylpeämpiäkin.

Eipä ole kiirettä sillä ottamisella, kunhan tietää varmasti, että saa.
Käy tässä kaupungissa ja tuo sieltä sille leninkikankaan.

Tuomaan kanssa täytyy myöskin päästä hyviin väleihin, no, ainakin

siedettäviin. Pitää käydä maksamassa se velka sinne pankkiin ja
maksaa muutenkin sille hyvästi olostaan.

Taitaisi kuitenkin olla parempi, jos antaisi sille itselleen rahat

Pitäisi kai kunnianaan itse maksaa velkansa.

Lempo, miten mukavasti lainehti tuon Alinan vartalo. Nautinto sitä

olisi sylissään pitää.

— On se ihme, että sinä kerkiät niin paljon tekemään kaikkea.

Olisikin pitänyt minun saada sinut muijakseni. Tosin minä sinua jo
katselinkin, mutta Tuomas pisti nokkansa väliin.

Alina ei virkkanut mitään.

 Sepäs jurrikka on olevinaan, mietti Pentti ja nousi sängyn laidalle
istumaan. Otti savukkeen ja lähti sitä sytyttämään hellan valkeasta.

— Ollaanko sitä niinkuin huonolla tuulella? sanoi Alinalle.

— Mitähän oltanee.

Vähän syrjästä silmäsi emäntä Penttiin.

— Mitäs tuossa turhia äkäilet, sanoi Pentti ja läpsäytti

kämmenellään
Alinaa takapuolille.

— Älä koske, kivahti Alina, ja naama leimusi pahaa ennustavasti.

Pentin oli väistyttävä.

Meni Tuomaan kamariin.

Mitään puhumatta kaivoi lompsan liivistään ja luki yksitoista

tuhatlappusta ja asetti ne pöydän kulmalle.

— Käyhän maksamassa pois velkasi, ettei tarvitse kyläläisten siitä

rätinkiä pitää. Ei nämä varastettuja ole, ja onhan se kuitenkin veri
vettä sakeampi.

Tuomaan povuksia kouristi hänen loikoessaan sängyssään.

Että se osasikin noin makeasti puhua.

Toinen käsi olisi tahtonut ottaa rahat, toinen kielsi.

Se oli kerran saanut kaksi sen vertaa ja enemmänkin Savilahden

osuudesta. Miksi ei ottanut maata, vaan halveksien jätti sen.
 On koonnut sadat tuhantensa hätääntyneitten hiestä ja tuskasta.
Nälkävuosina osti täältä viljaa ja voita ja kiskoi sillä nälkäisiltä.

Oliko hän, Tuomas Kokko, jo niin hätääntynyt, niin perin ahtaalla,

että täytyi ottaa sillä tavoin saatuja rahoja?

Viisitoista lehmää oli ja kaksi hevosta. Jos viisi lehmää jättäisi ja

toisen hevosen, vaikkapa Leena-tammankin, niin…

Ja jäisihän rehuakin myytäväksi. Kaipa niistä kaikista sen summan

saisi.

Ei, et ota, Tuomas, noita rahoja. Ne ovat veren hinta, ja niillä ei

ole siunausta. Omin neuvoin on selviydyttävä.

Tuomas nousi. Hänen otsaltaan olivat äskeiset synkät rypyt

kadonneet, ja itseluottamus loisti miehen olennosta.

— Korjaahan pois rahasi. Kaipa tässä eteenpäin päästään. Olen

aikonut vähentää karjaa ja toisen hevosen.

Pentti hätkähti. Ei siis kelvanneet rahat veljeltä veljelle. No, ollaan

sitten vieraita.

— Minä ostan lehmäsi ja hevosesi, ne, mitä aiot myydä. Paljonko

ne maksavat?

Tuomas ei harkinnut tarjousta.

— Aion pitää huutokaupan. Silloin on tilaisuus ostaa kenellä vain,

sinullakin.

Tuomas meni työhön. Pentti jäi mittailemaan kamarin lattiaa.

Rutisti setelit kouraansa ja meni tupaan.
 — Tarjosin rahoja Tuomaalle, mutt’ei kelvannut. Korjaa sinä rahat
ja anna Tuomaalle. Ehkä sinulta ottaa.

Pentti laski setelit Alinan eteen pöydälle.

— Vai minä niihin kajoaisin, kun ei kerran Tuomaskaan, sanoi

Alina. —
Itsepähän tietää asiansa.

— Ota sitten näistä omiin tarpeisiisi. Ota niin monta kuin haluat.
Voithan niitä käyttää miehesi tietämättä.

Pentti istahti Alinan viereen. Alinan tyttömäisen nuortea olemus

veti ja viehätti. Hänen ihonsa tuoksu ihan huumasi.

Alina siirsihe etemmäksi.

— En minä tarvitse, enkä tee mitään salaa mieheltäni.

Pentin pirullinen ivanauru kaikui tuvassa.

— Vai et tee. Sinäpäs olet yksinkertainen. Hyvin monet emännät

ottavat nykyään lahjoja, kun on vain kuka antaa.

— Se nyt on valhe. Ei sitä moni tee.

Alinasta tuntui niinkuin niljainen käsi painaisi häntä.

Onneksi tuli piika-Iita sisään, ja se vapautti.

— Lähtään navettaan lypsylle, sanoi emäntä ja nousi reippaasti.

Pentti kirosi ja pisti setelit taskuunsa.

 Kyllä ne vielä kelpaavat isännälle ja emännällekin. Ainakin
emännälle.
On tässä ylpeämpiäkin taivutettu.

Keväiseksi jo keikahti. Ilmat olivat leutoja, ja päivä paistoi

lämpimästi, ihan kuin huhtikuussa.

Varsinkin Tuomas iloitsi näistä keväisistä päivistä. Ne tekivät

mielen keveäksi ja vaikuttivat voimia lisäävästi.

Päivä meni illoilleen ettei huomannutkaan. Työ ei rasittanut, vaikka

sitä piti tehdä monin verroin enemmän kuin ennen.

Pakostakin tuli Tuomas liikkuneeksi velkansa takia pitäjän

ulkokylissä kyselemässä, eikö missään tarvittaisi karjaa.
Huutokaupan pito peloitti edeltäpäin. Saattaisivat mennä halvasta, ja
muutenkin se oli ikävää.

Palattuaan kyliltä tyhjin toimin sai nähdä vielä lisäharmikseen, että

Vikin töistä ei tullut mitään, kun hän itse ei ollut mukana.

Vikki oli koko piru miehekseen. Suurta touhua piti, mutta näkyvää
ei tullut kuin nimeksi.

Nytkin, kun palasi kirkonkylästä asioiltaan, Tuomas näki, ettei mies

ollut tehnyt paljon mitään.

Tuomaan sisu kuohahti tarkastaessaan hänen työtään.

 — Tästäkö luulet kannattavan maksaa ruoan ja viisitoista markkaa
päivältä?

Vikki vuoleskeli kirvesvartta. Varsi katkesi kirveestä vähän väliä,

sitä kun oli mukava vuoleskella tuvassa.

— Tekee itse enemmän, jos luulee kerkiävänsä, sanoi Vikki.

— Niin teenkin. Kaksin kolmin verroin minkä sinä, jyrähti Tuomas.

—
Ymmärrät hyvin, ettei ruoka ja palkka tule tyhjästä.

— Tee sitten tili ja paikalla!

Vikki karjaisi viimeisen sanan sen kuin kurkusta lähti ja heitti

kirveen menemään.

— Se on pian tehty. Laskehan vastakirjasi, naurahti Tuomas ja

laski myöskin omansa, meni kamariin ja toi sieltä kaksi markan
seteliä.

— Niinkuin näet, on saaliisi markka ja viisikymmentä, mutta ei

satu sopivaa. Lähtö pitää tapahtua tällä tunnilla.

Vikki pyöritteli neuvottomana markkoja kynsissään. Velkaakin oli

yhdelle ja toiselle, eikä työmaasta tietoa. Tukkityötkin kuuluivat
lopettavan.

Hän oli aikonut vain peloitella isäntää, ja nyt kävi näin.

Vikki lähti ja soitti suutaan pitkin kyliä mennessään: köyhyys on

kova Savilahdessa. Ei ole ruokaakaan kaikistellen riittävästi. Piti tässä
minunkin lähteä uusia työmaita hakemaan.
 Naapurit uskoivat sen täydellisesti. Olihan Tuomas käynyt yhdeltä
ja toiselta rahoja kärttämässä.

Sitä se tekee, kun käy kovin ylpeäksi, sanottiin.

Ja rupeaa parantamaan yhteiskuntaa.

Ja antamaan maata lurjuksille.

Veljensäkin kanssa kuuluu riidelleen ja tätä haukkuneen, vaikka oli

apuaan tarjonnut.

Osaa se piru olla ylpeä.

Antaahan olla, kaikki irtain siltä menee velasta, jota pankki kuuluu
hakevan. Hyvä jos riittääkään.

Kaikuna tulivat nämä hyvien naapurien puheet Savilahteen, mutta

niille
Tuomas vain hymähteli vaimonsa kanssa.

Satoi lumiräntää, ja Tuomas ei lähtenyt ulkotöihin tänään.

Vuoleskeli pirtissä haravia ja viikatteenvarsia ja mietiskeli omia

mietteitään.

Tuntui painostavalta, mutta untakaan ei tullut, vaikka oli käynyt

sitä kamarin sängyssä odottelemassa.
 Öisinkin oli unettomuus vaivannut viime aikoina. Vaikka päivät
rehki itsensä väsyksiin, meni keski- ja aamuyö valvoen ja
mietiskellen.

Se oli kyllä hänestä itsestäänkin hullua, mutta huoli koko kansan

pimeältä näyttävästä tulevaisuudesta vei unen.

Ei yhtään helpottanut sitä sekään, että tiesi oman kohtansa kyllä

varmaksi ja tulevat päivänsä puutteettomiksi niin kauan kuin jaksoi
maksaa suunnattomia veroja ja rehkiä työssä aamusta iltaan.

Mutta huoletti se, ettei tietänyt taata, milloin täälläkin tehtäisiin

omaisuudesta tasajako, niinkuin jo kerran oli yritetty, mutta ei
onnistuttu. Maaseuduille oli kommunismin aate viime kuukausina
levinnyt peloittavasti, ja kukapa tiesi, eikö se vielä saisi määräävää
asemaa koko maassa.

Ja kun heillä oli mallivaltiona itäinen naapuri, olisi näin ollen täällä
tiedossa sama kurjuus kuin rajan takanakin.

Ruttoa, joka näin levisi, ei näytty pidettävän vaarallisena. Typerät

puhujat saivat vapaasti puhua mitä päättömyyksiä tahansa.

Hänkin oli saanut yhteiskunnallisista mietteistään jo kommunistin

nimen vanhoillisilta naapureiltaan. Hän kun oli sitä mieltä, että
tuotantolähteet, sellaiset kuin suuret metsät ja muut, saisivat kaikki
kuulua valtiolle, joka niistä käyttäisi tulot koko kansan hyväksi, että
yksityiset eivät saisi laiskoina kuluttaa metsien tuloja, yhteistä
kansallisomaisuutta.

Siitä vihat ja parjaus.

 Mutta eihän voinut totuutta kieltää, kellä oli vähänkään
omaatuntoa.

Miksi ei jokainen saanut elää ruumiillisesta työstä, yksi niinkuin

toinenkin? Jokainenhan voi maata muokkaamalla saada leipänsä.

Mutta kommunistit tahtoivat kaikki valtion omaisuudeksi, ja se oli

sulaa hulluutta.

Maapalstansa poltto- ja tarvepuumetsineen jokaiselle omakseen,

jota viljelemällä sai elää niin hyvin kuin taisi ja tahtoi.

Se oli hänen tinkimätön mielipiteensä.

Omalta osaltaan hän oli kyllä koettanut tehdä mitä oli voinut. Joku
viikko sitten oli tehty samana päivänä kahdet kauppakirjat, joilla sai
kaksi paikkakunnan perheellistä päivätyöläistä viidentoista hehtaarin
suuruiset maapalat omikseen kolmentuhannen hinnalla ja
kolmenkymmenen vuoden maksuajalla, kaikki ilman
koronmaksuvelvollisuutta. Kaksi palstaa oli vielä jäljellä, ja niillekin oli
lukuisasti halukkaita ostajia.

Annettuaan jäljellä olevat palstat jäisi hänelle vieläkin tarpeeksi

maata, kaikkiaan yhdeksänkymmentä hehtaaria.

Tuomas hymähti pilkallisesti, ajatellessaan saituri-maanomistajien

kauhua, jos valtio tulisi kerran vaatimaan osia metsien tuloista
omikseen, välttämättömiin menoihin.

Siinä voisi syntyä rytäkkä.

Niinpä niin, vaikeata kai olisi monenkin ryhtyä elättämään

henkeään auraamisella ja ojankaivulla. Mutta kyllä kai se kerran
tulee heidänkin osalleen auttamattomasti.

*****

Yhä painosti. Alinakin sen huomasi ja tuli kyselemään Tuomaalta,

mikä häntä vaivasi.

— Suret varmaankin eläimien menetystä. Jäähän meille vielä

riittävästi, ja kasvattamalla saadaan lisää, sanoi Alina.

— En minä sitäkään… muuten vain näyttää synkältä… saa hautoa

ja miettiä… ja tämäkään yksityisen edistystyö ei paljoa merkitse…
huiluksi leimaavat.

— Mitäpä tuosta… kun kerran itse tietää tehneensä oikein.

Aatteles, kun Saarakin pyytää maata itselleen.

— Saara? Mitä se sillä…?

— Kai aikoo pikkuviljelijäksi niinkuin toisetkin.

Tuomas nauroi.

— Älähän naura. Kyllä sellainen tyttö pystyy kyntämäänkin, sanoi

emäntä. — Vielä paremmin kuin Taave-renki.

No, eihän siinä niin mitään erikoista ihmettä. Olihan Saara kerran
näyttänytkin kyntötaitoaan. Kääräissyt helmansa vyölleen ja
tarttunut kouriinsa sylkäisten sahrojen tappiin. Iso renki oli vieressä
irvistellyt, mutta Saaralta syntyikin suorempi vako kuin häneltä.

— Vai tahtoo… ja ihanko tosissaan? kysyi Tuomas.

— Niin kai. Ei oikein kuuluisi ilkeävän tulla sinulle siitä puhumaan.

 — No mitä siitä ujoilee.

Saara tuli tupaan, ja isäntä otti asian heti puheeksi.

— Tulehan tänne, Saara, kutsui Tuomas.

Saara arvasi, mistä oli kysymys, ja punastui.

— No, mitä isännällä olisi…?

Saara istui penkille ja katseli vuoroin isäntää ja emäntää rehellisen

avoimilla silmillään.

— Sinäkö kuuluit haluavan myöskin maata? kysyi isäntä ja

naurahti.

— Niinhän minä… älkää naurako… kyllä minun käsissäni aura

pysyy niinkuin toisenkin, sanoi Saara.

Tuomas katseli tytön vankkoja käsivarsia. Pohkeetkin sillä oli kuin

tukit. Taave oli sitä palvelusaikanaan lähennellyt, mutta tyttö oli
antanut rengille läimäyksiä lemmen asemesta. Näytti kuitenkin väliin
siltä, kuin olisi Taavesta pitänytkin. Aikoikohan nyt Saara yrittää
pikkuviljelijänä ja ottaa myöhemmin Taaven osakkaaksi?

— Yksinkö sinä aiot käydä maan kimppuun? kysyi Tuomas. — Jos

ottanetkin sen Taaven rengiksi?

Saara nauroi koko naamallaan.

— Ehei se vetele. Vai minä semmoisen vötkylän… jaksan minä

itsekin… niin, että jos vain sopii, niin minä mielelläni ottaisin palstan.

Tuomas mietti.
 Miks’ei se sopinut. Saisivathan nähdä, että yksinäinen nainenkin
pystyi saamaan maasta kaikin puolin riittävän ja huolettoman
elannon. Ja olisihan se muutenkin…

Sovittiin paikasta ja ehdoista ja jäätiin odottamaan kevättä.

9.

Verotuslautakunnat kokoontuivat, ja verotukset olivat jokaisella

päänvaivana.

Pentti tuli suurella hälinällä Savilahteen ja kehaisi:

— Tekee se minullekin korkotappiota kymmeniä markkoja

päivässä, kun rahoista on suurin osa taskussa, mutta eipä pysty
verotuslautakuntien käsi niihin. Jos tulevat vaatimaan nähtäviksi, niin
näytän heille, sanonko ma mitä… Kun kerran valtio on
suursyöpäläinen ja kunnat samaten, niin…

— Niinhän ne tekevät kaikki suurkelmit ja roistot, että salaavat

varansa ja tulonsa verotukselta, sanoi Tuomas.

— Sanotko minua roistoksi? kähähti Pentti.

— Sanon vain, että jokainen, joka salaa varojaan ja jättää näin

ollen veroista suurimman osan vähävaraisten maksettavaksi, on
roisto. Valtion ja kuntien menoja tosin voisi tuntuvasti pienentää,
mutta se on kokonaan toinen asia.
 Pentti oli alkanut täytellä verotuskaavakkeitaan tuvan pöydän
päässä, mutta pisti ne taskuunsa ja lähti viivyttelemättä.

— Saatpa nähdä, miten se rehellisyytesi lyö leiville, sanoi

mennessään.

*****

Tuomas ajeli kirkonkylään.

Painosti kovin mieltä, vaikka keväinen aurinko jo korkealla kellotti.

Taisi sittenkin olla turhaa työnteko ja ponnistus. Laiskat saivat

leveillä, ja keinottelijat salasivat varojaan. Valtio ja yhteiskunta
harjoitti häikäilemätöntä riistoa. Korotettiin suojelustulleja vain nälän
pitimiksi riittävälle kotimaiselle viljalle, mutta ei kyetty kiinnittämään
maattomia maahan.

Olisihan kai voitu laatia sellainenkin laki, jolla saataisiin kaikki

viljelyskelpoinen maa viljelykselle.

Tämä laki olisi pitänyt olla järjestyksessä ensimmäinen.

Tämän jälkeen olisi vasta voitu ryhtyä suojaamaan kotimaista

viljantuotantoa.

Mutta herrat olivat aina viisaampia. Piru heidän viisauttaan

kuitenkin ymmärtäköön.

Ja sitten.

Kun otettaisiin liiat maat talollisilta maattomille, niin pitäisi olla

halpakorkoisia lainoja rakentajille niin kauan, että saisivat hirtensä
ristikolle, katon päänsä päälle ja ojansa auki luoduiksi.
 Mutta valtiolla ei kai ollut varoja tällaiseen.

Miksi ei kouraistu koroillaeläjäin ja yksityisten liikemiesten

kukkaroa vähän syvemmältä?

Olisi pitänyt sellaisten pussiin pistää nyrkki pohjaan asti, että

saisivat opetella työntekoa. Tietäisivät, miltä maistuu leipä, kun se
on saatu puristamalla lapion ja lantatalikon vartta.

Sanottiin, että nyt kouraistaan, mutta sitä hän, Tuomas Kokko, ei

usko. Ruumiillisesta työstään elävä se on sittenkin, joka saa
raskaimman painon kantaa, ja heistä pikkuviljelijät kaikista eniten.

*****

Kirkonkylä lähestyi. Tuomas tunsi outoa painostusta.

— Niinhän minä olen kuin metsän asukas tai rikollinen, jota

viedään tutkittavaksi ja tuomittavaksi, hymähti hän ajatuksissaan,
mutta ei saanut mieltään nousemaan reippaaksi.

Siinä oli kirkonkylä kirkkoineen, pappiloineen ja herrastaloineen.

Tämä oli olevinaan seutukuntansa sivistyskeskus, siunauksen tuoja,
mutta täältä lähtivät ne imusuonet — toiset kaupungeista — jotka
veivät suuren osan saloeläjän leivästä.

Kirkkokin siinä oli kuin jättiläishirviö, joka uhkasi ja painosti, ja

pappila vaani jokaista salolta-tulijaa silmillään.

Niille piti pelloistaan kylvää monta sarkaa, ja jos kato kävi, niin
antaa viimeinenkin jyvä.
 Turhaan sai sieltä odotella siunausta pelloilleen, jollei itse painanut
auraansa syvemmälle.

Siinä oli säästöpankki, ja Tuomaasta näytti, niinkuin sen leveät

ikkunat olisivat ilkkuneet hänelle: »Mistäs otat kymmenentuhatta?
Huutokauppa tulee.»

Ihan kädet vapisivat hevosta sitoessa kunnantuvan

aitapylvääseen.

Siellä korvessa, maan kimpussa hän tunsi voimansa, mutta täällä

oli kuin näkymättömien käsien kiskottavana.

*****

Verotuslautakunnassa istui enemmistö kommunisteja, suutareja ja

räätälejä, joku palstatilallinen vain joukossa.

Tärkeän näköisinä istuttiin, tietää sen. Niinkuin aikoinaan joku

kapina-oikeus, joka nautinnolla teki kuolemantuomioita.

Kuolemantuomioita tehtiin täälläkin. Pikkuviljelijäin tulot laskettiin

moninkertaisiksi ja suurviljelijät jätettiin edullisempaan asemaan
poikkeuksetta.

Se oli sitä kuuluisaa kurjistuttamisteoriaa.

Oli muitakin kuin Tuomas, jotka itse toivat ilmoituksensa.

— Piruakos tänne tuppaatte, kivahtelee puheenjohtaja. — Kyllä

täällä osataan ilmankin.

— Näytte osaavan, jos entisekseen lienee.

 — Kun vain tämäkin suutari pistää pikilapun omantuntonsa päälle,
niin kyllä syntyy, sanoo joku verotettavista.

— Niin se kävi viime talvenakin, että sata äyriä sai maksaa se,
jonka piti velkaa kerjätä, mutta viidelläkymmenellä pääsi se, jolle jäi
tuhansia puhtaaksi tuloksi.

— Tehkää vain niinkuin ilkeätte.

— Vetäkää suolet sisälmyksistä, jollette muuta saa.

— Mikäpä siinä, marssitaan tästä kohta jokainen vaivaistalolle.

Puheenjohtaja rykäisee pirullisesti ja sanoo, tovereilleen silmää

iskien:

— Jolla on, sille annetaan, mutta toisilta otetaan entisetkin pois.

— Voi helvetti!

Kaksi vastakkain silmäilevää, kiihtynyttä joukkoa pitäjäntuvassa.

Toiset pöydän ympärillä rehennellen, toiset oven suussa verestävin
silmin kyräten.

Tuomaaltakin vaadittiin uutta ilmoitusta. Tuloja oli muka merkitty

liian vähän.

— Esimerkiksi tuossa ja tuossa paikassa.

Suutari osoitti sarekkeita pikisillä sormillaan.

— Omantuntoni mukaan olen tehnyt. Lisätkää jos haluatte.

Tuomas painui ulos ja katui, että oli tullut lähteneeksikään.

 Maksettavana oli vielä edellisen vuoden verokuitteja, vaikka varat
olisi tarvittu välttämättömiin talousmenoihin.

Tuomas kirosi karkeasti, kun edelläveisaajan palkkakuitti hänelle

esitettiin.

— Helvetti… vieläkö sekin… Tyhjille kirkon seinille käy

hoilaamassa, niin tästä hyvästä palkat. Viljelisi maata.

— Eipä ole lukkarilla muuta kuin osansa pitäjän kirkkomaassa.

— Sepä se. Ei ole maata, vaikka sitä kuitenkin on. Sanokaa sille,
että minulta saa palstan, vaikka ilmaiseksi, jos jättää pillinsä ja
piiparinsa, sanoi Tuomas.

— Ei se heitä helppotöistä ja hyväpalkkaista tointaan.

— Siinäpä on. Onhan se helpompaa kuin kyntäminen.

*****

Tuomas jouduttausi kotimatkalle.

Siinä niillä oli pitkin maantien vartta pytinkinsä ja puotinsa.

Kauppojen ovikellot kilisivät, ja kauppiaat puotipoikineen
tarkastelivat ahneesti jokaista sisääntulijaa: »onkohan tuolla paljon
rahaa».

— Poisko jo?

— Niin, kotinurkille.

Eerikkilän isäntä ajeli vastaan, seisautti hevosensa ja lyöttäysi

puheisiin.
 — Parasta on, että käännyt takaisin, sanoi Tuomas, kun kuuli
Eerikkilän aikovan talouttaan selostamaan lautakunnalle.

— Niin kai lienee.

— Siellä on nyt sellainen joukko pöydän ympärillä.

— Niinpä taitaa…

Eerikkilä käänsi hevosensa ja lähti edellä ajamaan.

— Tule tänne minun rekeeni, luikkasi Tuomaalle. — Kyllä Leena

tulee jälessä, kun vain pistät ohjat kiinni.

— Totta tosiaan nyt ei tule enää eteenpäinmenosta mitään, alkoi

Eerikkilä valittaa. — Tämän vuoden veroja ei enää jaksa suorittaa.
Mikä vieraalta työvoimalta jää talon tuloista, sen verot vievät.
Taloutta täytyy pienentää, muu ei auta.

— Hyvä on, että olet sen keinon parhaimmaksi huomannut, sanoi

Tuomas. — Sinunkin maistasi joutaa puolet palstoitettavaksi. Kun se
vain kävisi kaikkialla yhtä vaivattomasti, niin muutamien vuosien
kuluttua päästäisiin; onnellisempiin oloihin. Minun uskoni on, että
tästä maasta täytyy tulla pienviljelijävaltio, joka tulee suurimmalta
osalta omillaan toimeen ja joka kykenee harjoittamaan vientiä paljon
suuremmassa määrässä kuin tuontia.

— Sen uskon minäkin, myönsi naapuri.

Keväisen illan hämärässä sujui matka nopeaan. Aurinko oli

irroittanut metsistä ensimmäisen kevään merkin, pihkan tuoksun, ja
se teki mielen aavistelevan herkäksi ja iloiseksi. Ajatukset vilahtelivat
vain tuokion menneissä, mutta viihtyivät tulevissa, keväässä ja
kesässä, työmailla.

Työ ja luonto oli paras auttaja painavimpinakin aikoina.

10

Huutokauppapäivä tuli.

Edellisenä yönä ei saanut Tuomas unta, ja Alinakin taisi valvoa

vuoteessaan.

Vaikka olisi miten ajatellut, niin raskaalta tuntui luopua yhdellä

kertaa suurimmasta osasta kotieläimiään, joita oli kasvattanut ja
hoitanut.

Ja sitten huutokauppa.

Sitä ei ollut ennen tapahtunut Savilahdessa. Siinä oli jotain taloa

alentavaa, vaikk’ei se ollutkaan pakollinen.

Välttämättömyydelle ei voinut mitään. Naapurit tulisivat

vahingoniloisina, remuavina ja suulaina, Pentti rehentelevänä
entiseen kotitaloonsa.

Aikaisemmin kuin muina aamuina noustiin ja aloitettiin päivän

askareet. Sanallakaan ei kajottu tapahtuvaan huutokauppaan.
Mitäpä se puhumalla parani. Edellisenä iltana oli valikoitu karjasta
kotiinjäävät ja siirretty parressa vierekkäin.
 Tuomas ei hennonut jättää vanhaa tammaa myytäväksi. Leenalla
täytyi koettaa suorittaa talon työt ja hankkia syksyllä uusi.

Pentti oli ostanut naapurikylästä talon ja kehuskeli huutavansa

kaikki myytävät lehmät Savilahdesta.

Ensimmäisenä hän tulikin taloon.

Tuomas korjasi tuvassa muralavoja. Pentti leveili pöydän päässä.

— Jokohan nyt kelpaisivat velimiehelle rahat, niin sovittaisiin

kaupoista ilman sivullisia, esitteli Pentti.

Tuomas vaikeni, ja Pentti odotteli vastausta.

— Mitäpä se siitä paranee. Kun on kerran huutokauppa ilmoitettu,

niin antaa herjojen polkea tämä kerta Savilahden pihamaata. Eikö
lienekin viimeinen kerta.

Tuomas kantoi lavat ulos ja vei raudikon soimeen kapan kauroja.

— Syöhän nyt… kohta muuttuu isäntä. Saanetko sitten paremman

vai huonomman.

Tuomaan mentyä ulos tuvasta jupisi Pentti:

— Hullu mies. Vaikk'ei pidä naapureistaan, niin antaa heidän tulla

pihojaan tallaamaan.

Tuomas oli pyytänyt Eerikkilän pitämään huutokaupan. Ei sen

vuoksi, ettei olisi miehenä kestänyt naapureittensa pistopuheita ja
ivanauruja, mutta ollakseen koskematta Pentin rahoihin, joista oli
päättänyt pysytellä erossa. Tuomas tiesi Pentin tekevän korkeimmat