Window functions and their applications in

signal processing 1st edition by Prabhu ISBN

9814463086 978-9814463089 download

https://ebookball.com/product/window-functions-and-their-
applications-in-signal-processing-1st-edition-by-prabhu-
isbn-9814463086-978-9814463089-20280/

Instantly Access and Download Textbook at https://ebookball.com

 Get Your Digital Files Instantly: PDF, ePub, MOBI and More
Quick Digital Downloads: PDF, ePub, MOBI and Other Formats

Digital Signal Processing and Applications With the C6713 and C6416
DSK 1st Edition Rulph Chassaing ISBN 9780471690078 978-0471690078

https://ebookball.com/product/digital-signal-processing-and-
applications-with-the-c6713-and-c6416-dsk-1st-edition-rulph-
chassaing-isbn-9780471690078-978-0471690078-12010/

Digital Signal Processing Principles Algorithms and Applications 3rd

Edition by John Proakis, Dimitris Manolakis 0133942899 978-0133942897

https://ebookball.com/product/digital-signal-processing-
principles-algorithms-and-applications-3rd-edition-by-john-
proakis-dimitris-manolakis-0133942899-978-0133942897-17128/

Digital Signal Processing Handbook 1st editon by Vijay Madisetti ISBN

0849385725 978-0849385728

https://ebookball.com/product/digital-signal-processing-
handbook-1st-editon-by-vijay-madisetti-
isbn-0849385725-978-0849385728-17724/

Digital Signal Processing Signals Systems and Filters 1st edition by

Andreas Antoniou ISBN 0071454241 978-0071454247

https://ebookball.com/product/digital-signal-processing-signals-
systems-and-filters-1st-edition-by-andreas-antoniou-
isbn-0071454241-978-0071454247-13614/
Conceptual Wavelets in Digital Signal Processing 1st Edition by Lee
Fugal ISBN 0982199457 9780982199459

https://ebookball.com/product/conceptual-wavelets-in-digital-
signal-processing-1st-edition-by-lee-fugal-
isbn-0982199457-9780982199459-11562/

Digital Signal Processing 2nd Edition PauloS.R.Diniz EduardoA.B.da

Silva SergioL.Netto ISBN 0521887755 978-0521887755

https://ebookball.com/product/digital-signal-processing-2nd-
edition-paulos-r-diniz-eduardoa-b-da-silva-sergiol-netto-
isbn-0521887755-978-0521887755-11086/

Handbook of Formulas and Tables for Signal Processing 1st edition by

Alexander Poularikas ISBN 0367400316 978-0367400316

https://ebookball.com/product/handbook-of-formulas-and-tables-
for-signal-processing-1st-edition-by-alexander-poularikas-
isbn-0367400316-978-0367400316-17690/

Digital Signal Processing Laboratory 2nd Edition by B Preetham Kumar

ISBN 1439817375 978-1439817377

https://ebookball.com/product/digital-signal-processing-
laboratory-2nd-edition-by-b-preetham-kumar-
isbn-1439817375-978-1439817377-13384/

Signal Processing Noise 1st Edition by Vyacheslav Tuzlukov 0849310253

9780849310256

https://ebookball.com/product/signal-processing-noise-1st-
edition-by-vyacheslav-tuzlukov-0849310253-9780849310256-17552/
CRC Press
Taylor & Francis Group
6000 Broken Sound Parkway NW, Suite 300
Boca Raton, FL 33487-2742

© 2014 by Taylor & Francis Group, LLC

CRC Press is an imprint of Taylor & Francis Group, an Informa business

No claim to original U.S. Government works

Printed on acid-free paper

Version Date: 20130809

International Standard Book Number-13: 978-1-4665-1583-3 (Hardback)

This book contains information obtained from authentic and highly regarded sources. Reasonable efforts
have been made to publish reliable data and information, but the author and publisher cannot assume
responsibility for the validity of all materials or the consequences of their use. The authors and publishers
have attempted to trace the copyright holders of all material reproduced in this publication and apologize to
copyright holders if permission to publish in this form has not been obtained. If any copyright material has
not been acknowledged please write and let us know so we may rectify in any future reprint.

The Open Access version of this book, available at www.taylorfrancis.com, has been made available under a
Creative Commons Attribution-Non Commercial-No Derivatives 4.0 license.

Trademark Notice: Product or corporate names may be trademarks or registered trademarks, and are used
only for identification and explanation without intent to infringe.

Library of Congress Cataloging-in-Publication Data

Prabhu, K. M. M.
Window functions and their applications in signal processing / K. M. M. Prabhu.
pages cm
Includes bibliographical references and index.
ISBN 978-1-4665-1583-3 (hbk. : alk. paper)
1. Signal processing--Digital techniques. I. Title.

TK5102.9.P73 2014
621.382’2--dc23 2013031807

Visit the Taylor & Francis Web site at

http://www.taylorandfrancis.com

and the CRC Press Web site at

http://www.crcpress.com
To my parents and teachers
Contents

. oreword . . . . . . .
F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
.Preface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xv
.Acknowledgments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xix
.Abbreviations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxi

1. Fourier Analysis Techniques for Signal Processing . . . . . . . . . . . . . . 1

1.1 Review of Basic Signals and Systems . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Basic Continuous-Time Signals . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 Basic Discrete-Time Signals . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.3 System and Its Properties . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.4 LTI Systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Continuous-Time Fourier Transform . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Properties of the CTFT . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 Examples of CTFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Discrete-Time Fourier Transform . . . . . . . . . . . . . . . . . . . . . . . 17
1.3.1 Properties of DTFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.2 Examples of DTFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.4 Z-Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.4.1 Examples of z-Transform . . . . . . . . . . . . . . . . . . . . . . . . 34
1.5 Discrete Fourier Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.5.1 Properties of the DFT . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.5.2 Examples of DFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.6 Fast Fourier Transform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
1.6.1 Decimation-in-Time FFT (DIT-FFT) . . . . . . . . . . . . . . . . . 50
1.6.1.1 Computational Savings . . . . . . . . . . . . . . . . . . . 53
1.6.1.2 In-Place Computation . . . . . . . . . . . . . . . . . . . . . 54
1.6.2 Decimation-in-Frequency FFT (DIF-FFT) . . . . . . . . . . . . . 54
1.6.3 Inverse DFT from FFT . . . . . . . . . . . . . . . . . . . . . . . . . . 56
1.6.4 Linear Convolution Using DIT-FFT and DIF-FFT . . . . . . 57
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

2. Pitfalls in the Computation of DFT . . . . . . . . . . . . . . . . . . . . . . . . . 59

2.1 Sampling, Reconstruction, and Aliasing . . . . . . . . . . . . . . . . . . 59
2.1.1 WKS Sampling Theorem . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.1.2 Reconstruction of Continuous-Time Signals from
Discrete-Time Samples . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.2 Frequency Leakage Effect . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.2.1 Zero Leakage Case . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.2.2 Maximum Leakage Case . . . . . . . . . . . . . . . . . . . . . . . . . 73

vii
viii Contents

2.3 DFT as a Filter Bank . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

2.4 Picket-Fence Effect or Scalloping Loss . . . . . . . . . . . . . . . . . . . . 78
2.5 Zero-Padding and Frequency Resolution . . . . . . . . . . . . . . . . . . 80
2.5.1 Zero-Padding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
2.5.2 Frequency Resolution . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85

3. Review of Window Functions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.2 Characteristics of a Window Function . . . . . . . . . . . . . . . . . . . . 87
3.3 List of Windows . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.3.1 Rectangular (Box Car) Window . . . . . . . . . . . . . . . . . . . . 89
3.3.2 Triangular (Bartlett) Window . . . . . . . . . . . . . . . . . . . . . 89
3.3.3 Cos(x) Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.3.4 Hann (Raised-Cosine) Window . . . . . . . . . . . . . . . . . . . . 91
3.3.5 Truncated Taylor Family . . . . . . . . . . . . . . . . . . . . . . . . 94
3.3.6 Hamming Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
3.3.7 Cos3 (x) Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
3.3.8 Sum-Cosine Window . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
3.3.9 Cos4 (x) Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3.3.10 Raised-Cosine Family . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.3.11 Blackman Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
3.3.12 Optimized Blackman Window . . . . . . . . . . . . . . . . . . . . 107
3.3.13 Blackman–Harris Window . . . . . . . . . . . . . . . . . . . . . . . 109
3.3.14 Parabolic Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
3.3.15 Papoulis Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
3.3.16 Tukey Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
3.3.17 Parzen (Jackson) Window . . . . . . . . . . . . . . . . . . . . . . . . 113
3.3.18 Dolph–Chebyshev Window . . . . . . . . . . . . . . . . . . . . . . 114
3.3.19 Kaiser’s Modified Zeroth-Order Bessel Window
Function Family . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
3.3.20 Kaiser’s Modified First-Order Bessel Window
Function Family . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
3.4 Rate of Fall-Off Side-Lobe Level . . . . . . . . . . . . . . . . . . . . . . . . 118
3.4.1 Theorem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
3.4.2 Side-Lobe Fall-Off Rate in the Time-Domain . . . . . . . . . . 121
3.5 Comparison of Windows . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126

4. Performance Comparison of Data Windows . . . . . . . . . . . . . . . . . . 129

4.1 Definition of Window Parameters . . . . . . . . . . . . . . . . . . . . . . . 130
4.2 Computation of Window Parameters . . . . . . . . . . . . . . . . . . . . 132
4.3 Discussion on Window Selection . . . . . . . . . . . . . . . . . . . . . . . . 139
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
Contents ix

5. Discrete-Time Windows and Their Figures of Merit . . . . . . . . . . . . 145

5.1 Different Classes of Windows . . . . . . . . . . . . . . . . . . . . . . . . . . 145
5.2 Discrete-Time Windows . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
5.2.1 Rectangular (Box Car) Window . . . . . . . . . . . . . . . . . . . . 148
5.2.2 Triangular (Bartlett) Window . . . . . . . . . . . . . . . . . . . . . 148
5.2.3 Cosα x Window Family . . . . . . . . . . . . . . . . . . . . . . . . . . 148
5.2.4 Hann Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
5.2.5 Truncated Taylor Family of Windows . . . . . . . . . . . . . . . 149
5.2.6 Hamming Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
5.2.7 Sum-Cosine Window . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
5.2.8 Raised-Cosine Window Family . . . . . . . . . . . . . . . . . . . . 149
5.2.9 Blackman Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
5.2.10 Optimized Blackman Window . . . . . . . . . . . . . . . . . . . . 150
5.2.11 Tukey Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
5.2.12 Blackman–Harris Window . . . . . . . . . . . . . . . . . . . . . . . 151
5.2.13 Nuttall Window Family . . . . . . . . . . . . . . . . . . . . . . . . . 151
5.2.14 Flat-Top Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
5.2.15 Parabolic Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
5.2.16 Riemann Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
5.2.17 Poisson Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
5.2.18 Gaussian Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
5.2.19 Cauchy Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
5.2.20 Hann–Poisson Window . . . . . . . . . . . . . . . . . . . . . . . . . 154
5.2.21 Papoulis (Bohman) Window . . . . . . . . . . . . . . . . . . . . . . 154
5.2.22 Jackson (Parzen) Window . . . . . . . . . . . . . . . . . . . . . . . . 155
5.2.23 Dolph–Chebyshev Window . . . . . . . . . . . . . . . . . . . . . . 155
5.2.24 Modified Zeroth-Order Kaiser–Bessel
Window Family . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
5.2.25 Modified First-Order Kaiser–Bessel
Window Family . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
5.2.26 Saramäki Window Family . . . . . . . . . . . . . . . . . . . . . . . 156
5.2.27 Ultraspherical Window . . . . . . . . . . . . . . . . . . . . . . . . . . 157
5.2.28 Odd and Even-Length Windows . . . . . . . . . . . . . . . . . . . 158
5.3 Figures of Merit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
5.4 Time–Bandwidth Product . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
5.5 Applications of Windows . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
5.5.1 FIR Filter Design Using Windows . . . . . . . . . . . . . . . . . . 172
5.5.2 Spectral Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
5.5.3 Window Selection for Spectral Analysis . . . . . . . . . . . . . 181
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188

6. Time-Domain and Frequency-Domain Implementations

of Windows . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
6.1 Time-Domain Implementation . . . . . . . . . . . . . . . . . . . . . . . . . 189
6.2 A Programmable Windowing Technique . . . . . . . . . . . . . . . . . . 190
x Contents

6.3 Computational Error in Time and Frequency-Domains . . . . . . . 192

6.4 Canonic Signed Digit Windowing . . . . . . . . . . . . . . . . . . . . . . . 195
6.4.1 Window 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
6.4.2 Window 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
6.4.3 Window 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
6.4.4 Window 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
6.4.5 Window 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
6.4.6 Window 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
6.4.7 Window 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
6.4.8 Window 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
6.4.9 Window 9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
6.4.10 Window 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
6.4.11 Window 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
6.4.12 Window 12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
6.4.13 Window 13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
6.4.14 Window 14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
6.5 Modified Zeroth-Order Kaiser–Bessel Window Family . . . . . . . 213
6.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217

7. FIR Filter Design Using Windows . . . . . . . . . . . . . . . . . . . . . . . . . . 219

7.1 Ideal Filters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
7.1.1 Lowpass Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
7.1.2 Highpass Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
7.1.3 Bandpass Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
7.1.4 Bandstop Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
7.2 Linear Time Invariant Systems . . . . . . . . . . . . . . . . . . . . . . . . . 222
7.3 FIR Filters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
7.3.1 Advantages of FIR Filters . . . . . . . . . . . . . . . . . . . . . . . . 225
7.4 IIR Filters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
7.4.1 Properties of IIR Filters . . . . . . . . . . . . . . . . . . . . . . . . . . 226
7.5 Structure of an FIR Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
7.5.1 Filter Specifications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
7.6 FIR Filter Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
7.6.1 Linear-Phase Filters . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
7.6.2 Types of FIR Filters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
7.6.3 Frequency Response of Type 1 FIR Filter . . . . . . . . . . . . . 236
7.6.4 Design Procedure for Filters . . . . . . . . . . . . . . . . . . . . . . 239
7.7 Kaiser–Bessel Windows for FIR Filter Design . . . . . . . . . . . . . . . 243
7.7.1 Filter Design Using Kaiser–Bessel Zeroth-Order
(I0 –Sinh) Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
7.7.2 Filter Design Using Kaiser–Bessel First-Order
(I1 -Cosh) Window . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
7.8 Design of Differentiator by Impulse
Response Truncation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
Contents xi

7.9 Design of Hilbert Transformer Using Impulse

Response Truncation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256

8. Application of Windows in Spectral Analysis . . . . . . . . . . . . . . . . . 259

8.1 Nonparametric Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
8.1.1 Periodogram PSD Estimator . . . . . . . . . . . . . . . . . . . . . . 260
8.1.2 Modified Periodogram PSD Estimator . . . . . . . . . . . . . . 265
8.1.3 Spectral Analysis Using Kaiser–Bessel Window . . . . . . . 271
8.1.4 Bartlett Periodogram . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
8.1.5 Welch Periodogram Method . . . . . . . . . . . . . . . . . . . . . . 280
8.1.6 Blackman–Tukey Method . . . . . . . . . . . . . . . . . . . . . . . . 283
8.1.7 Daniel Periodogram . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
8.1.8 Application of the FFT to the Computation
of a Periodogram . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
8.1.9 Short-Time Fourier Transform . . . . . . . . . . . . . . . . . . . . 293
8.1.10 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301

9. Applications of Windows . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303

9.1 Windows in High Range Resolution Radars . . . . . . . . . . . . . . . 303
9.1.1 HRR Target Profiling . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
9.1.2 Simulation Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
9.2 Effect of Range Side Lobe Reduction on SNR . . . . . . . . . . . . . . . 306
9.2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
9.2.2 Loss Factor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
9.2.3 Weighting Function . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
9.2.4 Results and Discussions . . . . . . . . . . . . . . . . . . . . . . . . . 316
9.3 Window Functions in Stretch Processing . . . . . . . . . . . . . . . . . 317
9.4 Application of Window Functions in Biomedical
Signal Processing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
9.4.1 Biomedical Signal Processing . . . . . . . . . . . . . . . . . . . . . 323
9.4.2 FIR Filtering of Biomedical Signals . . . . . . . . . . . . . . . . . 324
9.4.3 Moving Average Filtering of Biomedical Signals . . . . . . . 328
9.4.4 QRS Detection in ECG Based on STFT . . . . . . . . . . . . . . . 333
9.5 Audio Denoising Using the Time–Frequency Plane . . . . . . . . . . 336
9.5.1 Time–Frequency Plane . . . . . . . . . . . . . . . . . . . . . . . . . . 336
9.5.2 Audio Denoising Using Time–Frequency Plane . . . . . . . . 340
9.5.3 Block Thresholding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341
9.5.4 Effect of Windows . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
9.6 Effect of Windows on Linear Prediction of Speech . . . . . . . . . . . 343
9.6.1 Linear Prediction Coder . . . . . . . . . . . . . . . . . . . . . . . . . 344
9.6.2 Line Spectral Frequencies . . . . . . . . . . . . . . . . . . . . . . . . 346
9.6.3 LSF Variation due to Windows . . . . . . . . . . . . . . . . . . . . 347
9.7 Application of Windows in Image Processing . . . . . . . . . . . . . . 349
xii Contents

9.7.1 Windows for ISAR Images . . . . . . . . . . . . . . . . . . . . . . . 350

9.7.2 Experimental Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . 352
9.7.3 Results and Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . 356
9.8 Windows to Improve Contrast Ratio in Imaging Systems . . . . . . 357
9.8.1 Experimental Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . 361
9.8.2 Results and Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . 361
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361

Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
Foreword

In the past decades, rapid advances in digital IC (integrated circuit) tech-

nology have caused a “digital revolution” in the field of signal processing.
These days, almost any real-world signal is represented and processed digi-
tally, from physiological vital signs via camera pictures, audio signals, video
signals, and radar signals to the massive four-dimensional datasets pro-
duced by modern medical imaging equipment. The rapid growth of the fixed
and mobile Internet, combined with the insatiable appetite of mankind for
information, will further add fuel to this revolution.
When real-world signals are converted into a digital form, they are com-
monly split into discrete blocks for further processing. To avoid the edge
effects across the blocks, the blocks are often weighted by a window function
that tapers the signal off toward both ends of the block. A window function
is a mathematical function that is zero-valued outside some chosen interval.
When a signal is multiplied by a window function, the product is also zero-
valued outside this interval. Effectively, we are viewing the signal through a
“window,” hence the name of the function.
Window functions are explicitly or implicitly used in many, if not most,
digital signal processing systems, and as such are genuinely important. Even
so, the vast signal processing literature contains a few, if any, of books or
monographs that are dedicated to this topic. This monograph is a welcome
exception. To the best of my knowledge, it provides the most comprehensive
treatment of window functions and their applications available to date. The
author, Professor dr. ir. K.M.M. Prabhu, has been affiliated since the mid-
1970s with the prestigious Indian Institute of Technology Madras, Chennai,
India. He has made significant contributions to the development of window
functions and their implementation intricacies in the mid-1970s and early
1980s and has maintained an active interest in window functions ever since.
Hence, he is very well placed to provide an authoritative treatment on the
topic.
Window functions have a strong impact on the spectrum of the signal
and essentially permit a trade-off between time and frequency resolu-
tion. Accordingly, the monograph starts with a review of continuous and
discrete-time Fourier analysis techniques and of key artifacts such as spectral
aliasing and leakage. The core of the monograph consists of a survey and
a detailed feature analysis of an extensive set of continuous and discrete-
time window functions. This is supplemented by a treatment of efficient
time- and frequency-domain window implementation approaches. The final
chapters zoom in on the key applications of window functions, such as dig-
ital filter design, spectral analysis, and applications in fields such as radar

xiii
xiv Foreword

signal processing, biomedical engineering, and audio, speech, and image

processing.
I would like to congratulate the author on this valuable addition to the
signal processing literature.

Professor dr. ir. J.W.M. Bergmans

Chairman, Signal Processing Systems Group
Eindhoven University of Technology
The Netherlands
Preface

This monograph presents an exhaustive and detailed account of window

functions and their applications in signal processing. Window functions,
otherwise known as weighting functions, tapering functions or apodization
functions, are mathematical functions that are zero-valued outside the chosen
interval. As a popular quote goes, there are as many numbers of windows as
the number of people working in signal processing.
Chapter 1 deals with the Fourier analysis techniques. First, the basic sig-
nals and systems in the continuous time-domain are introduced, followed
by the continuous-time Fourier transform (CTFT). Its properties and some
examples are discussed next. We then move on to the discrete-time Fourier
transform (DTFT), the first transform encountered in digital signal process-
ing, to convert a discrete-time signal into its frequency-domain counterpart.
The Fourier transform to handle sequences of finite length, called the discrete
Fourier transform (DFT), is discussed next and its properties and applications
are highlighted. Finally, the algorithms to compute the DFT faster, namely,
the fast Fourier transform (FFT) based on decimation-in-time (DIT) and
decimation-in-frequency (DIF), are described. This chapter concludes with
an efficient technique to compute linear convolution via circular convolution
using the DIT and DIF algorithms.
In Chapter 2, we discuss the pitfalls in the computation of the DFT. There are
two processes involved while computing the DFT of an analog (continuous-
time) signal: sampling and truncation. While sampling introduces a distortion
called aliasing, the truncation operation due to the finite length data intro-
duces two other effects known as the frequency leakage and picket-fence
effect. In this chapter, these effects and the manner in which they can be
eliminated/reduced are also detailed. The DFT functioning as a bank of
band-pass filters is also demonstrated.
Chapter 3 introduces the commonly used window functions in the
continuous-time-domain, rather than in the discrete-time-domain. The char-
acteristics which qualify a function to be called as a window function are given
next. The plots of the window functions are provided in the time-domain as
well as in the frequency-domain. The two near-optimum Kaiser–Bessel win-
dow function families are also discussed in detail. The main characteristics
of a window function such as normalized half-main-lobe width (NHMLW),
first side-lobe level (FSLL), maximum side-lobe level (MSLL), ratio of main-
lobe energy to the total energy (MLE), and rate of fall-off of side-lobe levels
(RFSLL) are also enlisted for all the windows considered here. This chapter
concludes with a rigorous comparison of all the window parameters.

xv
xvi Preface

Chapter 4, titled as the performance comparison of data windows, defines

a number of parameters, once again in the continuous-time-domain. These
parameters are computed either analytically or numerically for all the win-
dows which were introduced in Chapter 3. Finally, directions for the choice
of an appropriate window function for specific applications are provided.
Discrete-time windows and their figures of merit are discussed in Chapter 5.
The four different classifications of windows are presented. The discrete-time
versions of all the windows from Chapter 3, as well as some more popular
windows discussed in the literature, are reviewed here. Definitions of win-
dow parameters and a discussion on the window selection process are also
outlined. Finally, the chapter concludes with the two important applications
of windows; namely, finite impulse response (FIR) digital filter design and
spectral analysis.
The two implementation strategies of window functions in the time-domain
and frequency-domain are dealt with in Chapter 6. A novel scheme to imple-
ment certain types of windows in the frequency-domain is derived and a
structure called binary windowing structure to implement it is also presented.
The computational error performance in terms of signal-to-computational
error ratio (SCER) in both the domains is tabulated and their performances are
compared. Finally, novel binary windowing structures called canonic signed
digit (CSD) windowing are presented for all the binary windows considered
in this chapter.
FIR filter design using windows is considered in Chapter 7. This chapter
deals with the different types of ideal filters: lowpass, highpass, bandpass,
and bandstop filters. A discussion on linear phase filters, followed by the
four types of filters is presented next. A clear design procedure is given for
FIR filters. Furthermore, FIR filter design using zeroth-order and first-order
Kaiser–Bessel windows is presented. These use closed-form expressions in
determining the filter order as well as the window shape parameter. The
design of differentiators and Hilbert transformers are also outlined.
Window functions are vital in nonparametric methods of spectral estima-
tion as well. They are classified as: periodogram PSD estimators, modified
periodogram PSD estimators, and correlogram estimators. These methods
and the requirement for window functions are discussed in detail in Chap-
ter 8. This chapter also gives the application of Kaiser–Bessel window in
spectral analysis. Closed-form expressions are available to compute the win-
dow length and the variable parameter alpha of the Kaiser–Bessel window.
Besides, we introduce short-time Fourier transform (STFT), which is also
known as time-dependent Fourier transform, in analyzing nonstationary sig-
nals, such as speech. Several examples are discussed which clearly brings out
the power of window functions in nonparametric spectral analysis.
Chapter 9 discusses well-known applications of window functions in the
fields of radar, sonar, biomedical signal analysis, audio processing, and
synthetic aperture radar. In the context of radar, the cases considered are high-
range resolution radars, the effect of range side-lobe reduction on SNR and in
Preface xvii

stretch processing. In biomedical signal processing, we consider FIR/moving

average filtering of biomedical signals, QRS detection of ECG signals using
STFT, and so on. Audio de-noising using time–frequency plane, effect of
windows on linear prediction of speech, and so on are dealt with in the
audio-processing section. Finally the chapter concludes with topics such as
the effect of windows in ISAR (inverse synthetic aperture radar) images and
the usage of windows in improving the contrast ratio in imaging systems.
Acknowledgments

When Dr. Gagandeep Singh of Taylor & Francis Group/CRC Press asked me
to write a book for them, I agreed to consider his request. Since my time was
limited, I said that I could write a monograph on Window Functions and Their
Applications in Signal Processing, instead of a textbook, on the condition that he
should get the opinion on this topic from a few experts in the signal processing
area. I provided two sample chapters and the proposed table of contents of
the monograph. These details were sent to six professors for their feedback
with a detailed questionnaire. To my surprise, all the feedback (except one),
were quite positive and this enthused me to write this monograph.
I profusely thank Professor Fred Harris, San Diego State University,
USA, Professor Jonathon Chambers, Loughborough University, UK, Pro-
fessor Palaniappan Ramaswamy, University of Essex, UK, Professor Wai
Lok Woo, Newcastle University, UK, and an anonymous reviewer, for
giving me encouragement and suggestions/criticisms on the proposed
monograph.
I thank the authorities of the Indian Institute of Technology (IIT) Madras,
India, for granting me one semester sabbatical during July–November 2011,
as well as providing me with all the necessary facilities in bringing this mono-
graph to its present form. I profusely thank Prof. J.W.M. Bergmans, Chairman
of the Signal Processing Systems group, Technical University Eindhoven
(TU/e), Netherlands, for providing me travel grant to visit TU/e at different
times.
I wish to extend my thanks to dr. ir. A.W.M. van den Enden, who was
earlier with Philips Research and Philips Semiconductors, Eindhoven, The
Netherlands (as a lead signal processing expert). He is now an independent
consultant where he works closely for Philips Research, NXP, Catena Radio
Design, SRON, and others. He tirelessly and meticulously read through all the
chapters and we had detailed discussions on each chapter when I visited him
at TU/e, Eindhoven last year. He also introduced me to the topic of canonic
signed digit (CSD) representation. I express my whole-hearted appreciation
to him for spending his valuable time overlooking his own personal work.
I wish to thank my research students who were an integral part of this
project. They are Basil Abraham, S. Abhijith Varma, H.N. Bharath, Sunit
Sivasankaran, P. Vikram Kumar, Sanjay Kumar Sindhi, and T. Srinivas Rao,
all from the Department of Electrical Engineering, IIT Madras, India. I also
thank my summer intern, Swathi Nagaraj from M.I.T., Manipal, India. All of
them diligently worked toward achieving the goal to my satisfaction. I pro-
fusely thank all of them for their dedication toward perfection. I also thank my
long-time friend, philosopher and guide, Prof. Umapathi Reddy, presently

xix
xx Acknowledgments

Honorary Professor, IIT Hyderabad, and Fellow, Imagination Technologies,

Hyderabad, India. I always cherish my long association with him.
I wish to thank my daughter Sahana and my wife Kanthi for proofreading
and editing the entire manuscript.
The effort and hardwork put in by my parents in educating their children
is still vivid in my memory. I have emulated the meticulous approach which
my father took while solving every life-related problem. He has been a source
of inspiration to me throughout my life.
Abbreviations

ACF Autocorrelation function

ADC Analog-to-digital converter
AP Action potential
ATP Average transmitted power
AWGN Additive white Gaussian noise
BIBO Bounded-input bounded-output
BPF Band-pass filter
BSF Band-stop filter
BT Blackman–Tukey
BW Bandwidth
CR Contrast ratio
CSD Canonic signed digit
CTFT Continuous-time Fourier transform
DFT Discrete Fourier transform
DIF Decimation-in-frequency
DIT Decimation-in-time
DSP Digital signal processing/processor
DTFT Discrete-time Fourier transform
ECG Electrocardiogram
EEG Electroencephalogram
EGG Electrogastrogram
EMG Electromyogram
ENBW Equivalent noise bandwidth
ENG Electroneurogram
EOG Electro-oculogram
ERG Electroretinogram
ERP Event-related potential
FDI Frequency-domain implementation
FFT Fast Fourier transform
FIR Finite impulse response
FM Frequency modulation
FSLL First side-lobe level
FT Fourier transform
HPF High-pass filter
HRR High-range resolution
IDFT Inverse discrete Fourier transform
IDTFT Inverse discrete-time Fourier transform
IFFT Inverse fast Fourier transform

xxi
xxii Abbreviations

IIR Infinite impulse response

IRT Impulse response truncation
ISAR Inverse synthetic aperture radar
LCCDE Linear constant coefficient difference or differential equation
LF Loss factor
LFM Linear frequency modulation
LPC Linear predictive coding
LPF Low-pass filter
LSF Line spectral frequencies
LSI Linear shift invariant
LTI Linear time invariant
MA Moving average
MLE Main lobe energy
MSE Mean square error
MSLL Maximum side-lobe level
MSR Main-lobe to side-lobe ratio
NHMLW Normalized half-main-lobe width
PC Pulse compression
PCG Phonocardiogram
PM Phase modulation
PRI Pulse repetition interval
PSD Power spectral density
PSF Point spread function
PSLL Peak side-lobe level
RCS Radar cross-section
RFSLL Rate of fall-off side-lobe level
RMS Root mean square
ROC Region of convergence
SAR Synthetic aperture radar
SCER Signal-to-computational ratio
SFW Stepped frequency waveform
SLE Side-lobe energy
SNR Signal-to-noise ratio
STFT Short-time Fourier transform
SURE Stein unbiased risk estimate
TDI Time-domain implementation
TF Time–frequency
VAG Vibroarthogram
VMG Vibromyogram
WCPL Worst-case processing loss
1
Fourier Analysis Techniques for Signal
Processing

There are several methods to transform a time-domain signal into frequency-

domain. The motivation for transforming a signal from one domain to another
is that the characteristics of a signal are visible directly and can be easily
extracted from such a representation. For instance, from a signal represented
in time-domain, we can only extract some features such as the exact start-
ing time instant of the signal or the duration for which the signal existed.
However, other useful features such as bandwidth and frequency occupied
by the signal are not directly visible unless we convert it into the frequency-
domain. Another advantage of transforming a signal into the Fourier domain
is that the convolution operation gets simplified to multiplication. We can use
Fourier analysis techniques to identify and separate the frequency bands of
interest from noisy observations. Transforms are vital in many speech appli-
cations (recognition, synthesis, and coding), radio communications, vibration
analysis, and so on. Some specific areas where Fourier transforms (FTs) are
applied include steady-state and resonance analysis of signals, modulation,
filter design, sampling rate selection, stability analysis, correlations by block
processing, and pitch period estimation.
In this chapter, we begin by describing the continuous-time Fourier trans-
form (CTFT) technique for continuous-time (CT) signals and then proceed to
the discrete-time Fourier transform (DTFT) for discrete-time (DT) sequences.
The DTFT has been developed from the CTFT by utilizing the similarities
between analyzing continuous- and discrete-time signals. The concept of
z-transform is introduced next, which is useful in analyzing and synthesizing
discrete-time signals and systems. However, for present-day applications, the
DTFT is not amenable to digital computations, since in the forward DTFT, we
require infinitely many number of computations; while in the inverse DTFT
(IDTFT), we have an integral notation to deal with.
Therefore, we resort to the discrete Fourier transform (DFT) which is a
uniformly sampled version of the DTFT. In the case of DFT, both the forward
and inverse DFT (IDFT) expressions are discrete as well as finite. Therefore the
DFT and IDFT remove the restrictions associated with the DTFT and IDTFT,
respectively. Finally, we discuss the fast Fourier transform (FFT), which is a
computationally efficient tool to compute the DFT of a signal with a reduced
number of arithmetic operations. The FFT is commonly used in all digital
signal processors (DSPs) and general purpose digital computers.
1
2 Window Functions and Their Applications in Signal Processing

1.1 Review of Basic Signals and Systems

In this section, we start our study of signals which are commonly encountered
in signal processing. We also enlist the important properties of systems.

1.1.1 Basic Continuous-Time Signals

1. Unit step signal: This signal is defined for a time instant ‘t’ as follows:

0, t<0
u(t) = (1.1)
1, t > 0.

This signal is shown in Figure 1.1.

2. Unit impulse function: It is not appropriate to give a duration for
the impulse function; instead we can say that the area under the
unit impulse is unity. It can be graphically represented as shown in
Figure 1.2. It can be assumed as a limiting case of the delta function:

δ(t) = lim δ (t). (1.2)

→0

We note that the unit impulse function can be related to the unit step
signal as:
du(t)
δ(t) = . (1.3)
dt
3. Complex exponential signal: This is represented by the following
function:
x(t) = ceat , (1.4)

where c and a can represent complex numbers, in general.

u(t)

t
0

FIGURE 1.1
Unit step signal.
Fourier Analysis Techniques for Signal Processing 3

(a) δ (t)

t
0
(b) δΔ (t)

1/Δ

t
0 Δ

FIGURE 1.2
(a) Unit impulse signal. (b) Unit delta function.

4. Sinusoidal signal: The sine function with amplitude A and frequency

of oscillation 0 is given by:

x(t) = A sin(0 t + φ), (1.5)

where φ represents the phase of the sinusoidal signal.

1.1.2 Basic Discrete-Time Signals

These signals are similar to their CT counterparts, but defined with respect
to an integer-valued variable ‘n’.

1. Unit impulse sequence:


0, n = 0
δ[n] = (1.6)
1, n = 0

2. Unit step sequence:


0, n<0
u[n] = (1.7)
1, n≥0
4 Window Functions and Their Applications in Signal Processing

3. Complex exponential:
x[n] = cα n (1.8)

where c and α are, in general, complex numbers.

4. Sinusoidal signal:
x[n] = A cos[ω0 n + φ] (1.9)

where ω0 is the frequency, φ represents the phase and A is the

amplitude of the sinusoidal signal. The difference between the CT
sinusoidal signal and its DT domain is that the equivalent frequency
in the DT domain lies in the range [−π, π ], whereas in the CT domain,
it varies in the broad range [−∞, ∞].

1.1.3 System and Its Properties

A discrete-time system can be defined as a transformer from the input space to
a transformed space. It can schematically be described as shown in Figure 1.3
and it is mathematically described by the following relation:

y[n] = T{x[n]}. (1.10)

Some useful properties of general systems are described below.

1. Linearity property: If we consider two output sequences y1 [n] and y2 [n]

which are defined as the transformations of x1 [n] and x2 [n]:

T
x1 [n] ←→ y1 [n] = T(x1 [n]) (1.11)
T
x2 [n] ←→ y2 [n] = T(x2 [n]) (1.12)

Then, the system is said to be linear if

T
ax1 [n] + bx2 [n] ←→ y3 [n] = T(ax1 [n] + bx2 [n]) (1.13)

and if y3 [n] = ay1 [n] + by2 [n]. Here, a and b are any arbitrary con-
stants.

x[n] System y[n]

FIGURE 1.3
System.
Fourier Analysis Techniques for Signal Processing 5

2. Time invariance property: If the transformation of a signal does not

vary with time, then the system is said to be time invariant. Let us
consider a signal x[n] and its delayed version x[n − n0 ] as

T
x[n] ←→ y[n] (1.14)
T
x[n − n0 ] ←→ y1 [n]. (1.15)

If y1 [n] = y[n − n0 ], then the discrete-time system is said to be time

invariant.
3. Causality property: If the output of a system at any time instant
depends only on the present and past values of the input (and past
values of the output), then the system is said to be causal. Hence, the
output at any time does not depend on future values of input and
output.
4. Stability property: We consider bounded-input bounded-output
(BIBO) stability. When a bounded-input is applied to the system and
if the output is bounded, then the system is said to be BIBO stable.

|x[n]| ≤ Bx ∀n, 0 ≤ Bx < ∞ (1.16)

and
 
y[n] ≤ By ∀n, 0 ≤ By < ∞. (1.17)

It should be noted that only a causal and stable system is physically

realizable.

1.1.4 LTI Systems

An important class of systems which obeys the linearity and time-invariance
properties is called the linear time-invariant (LTI) system. An LTI system
is uniquely represented by its impulse response h(t) or h[n] (in CT domain
and in DT domain), which is the output of the system to an unit impulse
signal. For an LTI system, the output of the system can be uniquely expressed
as a convolution of the input with the impulse response of the system. The
continuous-time convolution integral is defined as
∞
y(t) = x(τ )h(t − τ ) dτ (1.18)
−∞

and the discrete-time convolution sum is defined as


∞

y[n] = x[k]h[n − k]. (1.19)

k=−∞
6 Window Functions and Their Applications in Signal Processing

The above-defined convolution operations are called linear convolution

operations and, in general, are represented in short-hand notations as
y(t) = x(t) ∗ h(t) (1.20)
y[n] = x[n] ∗ h[n]. (1.21)

This section has provided a brief overview of the signals and systems needed
to understand the following chapters. In case the reader is interested in more
details, refer to Refs. [1–4].

1.2 Continuous-Time Fourier Transform

We can represent the output of an LTI system to an input signal in terms of the
shifted orthogonal basis signals for the ease of mathematical calculations as
well as for visualization. The continuous-time periodic signal can be simply
characterized as a sum of harmonically related sine and cosine waveforms.
This is popularly known as the Fourier series expansion of the signal, which
involves the decomposition of the periodic signals into their frequency com-
ponents. To analytically represent an aperiodic signal in a similar manner,
we need to make an assumption that an aperiodic signal is actually a periodic
signal with infinite period. This type of time-domain to frequency-domain
transformation is called the continuous-time Fourier transform (CTFT). There
are few restrictions, known as the Dirichlet conditions, which a given signal
should satisfy to be represented in the Fourier domain. These are stated as
follows: it is sufficient that the signal be absolutely integrable (i.e., bounded
signal) and it should have a finite number of maxima, minima and disconti-
nuities in finite time. This encompasses a wide variety of signals which can be
decomposed into a superposition integral of exponentials of infinite duration.
Complex exponential functions, ejk0 t , are common periodic signals that can
be used as the orthogonal basis functions. The complex exponential formula
for continuous-time Fourier series of a periodic signal, x̃(t) (with period T) is
given by
∞
2π
x̃(t) = ak ejk0 t , 0 = (1.22)
k=−∞
T

1 T/2
ak = x̃(t)e−jk0 t dt, (1.23)
T −T/2

where ak denotes the Fourier series coefficients, and 0 is the fundamental

angular frequency in rad/s. This transform pair is quite a significant tool,
as it states that even arbitrary discontinuous signals can be expressed in
terms of simple smooth basis functions. Discontinuous parts of the signal
are represented by the higher-order harmonics in the Fourier series.
Fourier Analysis Techniques for Signal Processing 7

This can analogously be extended to aperiodic signals by assuming that the

period T is infinity. This generalization enables frequency-domain conversion
of a much wider class of signals of interest. Increasing the T results in two
effects: (i) the magnitude of the spectrum decreases by an order of 1/T, and
(ii) the spacing between the line spectra decreases with respect to 0 . Let
X(j) denote the CTFT of x(t).
When T → ∞, X(j) approaches a continuous magnitude spectrum (rather
than a line spectrum in the case of periodic signals). Note that X(j) is actually
the envelope of Tak , which is defined as
∞
X(j) = x(t)e−jt dt (1.24)
−∞
∞
1
x(t) = X(j)ejt d. (1.25)
2π −∞

Equations (1.24) and (1.25) together are known as the continuous-time Fourier
transform (CTFT) pair.
We can construct the FT of a periodic signal directly from its Fourier series
representation. The resulting transform, given below, consists of a train of
impulses in the frequency-domain.

∞

X(j) = 2π ak δ( − k0 ). (1.26)

k=−∞

1.2.1 Properties of the CTFT

We now enlist some of the useful properties of the CTFT, which can simplify
the solution of many problems. Let x(t) and y(t) be the time-domain signals
and their CTFTs be X(j) and Y(j), respectively. The FT pair is expressed
F F
as x(t) ←
→ X(j) and y(t) ←
→ Y(j).
1. Linearity property: This results directly from the linearity property of
integration.
F
ax(t) + by(t) ←
→ aX(j) + bY(j). (1.27)

Here, a and b represent arbitrary constants. This simply means that

the FT of a linear combination of two arbitrary signals is the same as
the linear combinations of the transforms of individual components.
It can be easily extended to linear sum of any arbitrary number of
signals.
2. Time and frequency shifting property: The shift in time-domain by a
duration t0 is given by

F
→ e−jt0 X(j).
x(t − t0 ) ← (1.28)
8 Window Functions and Their Applications in Signal Processing

It shows that shifting the time-domain signal by an amount t0 results

in a phase shift in the Fourier domain, while the magnitude response
remains unchanged. We also note that the higher the frequency, the
greater the phase shift it experiences. This is obvious from the fact
that, in the same span of time, a higher frequency signal covers more
number of cycles. Similarly, we can state the corresponding dual
property of shifting in the frequency-domain as
F
x(t)ej0 t ←
→ X(j( − 0 )). (1.29)
3. Conjugation and conjugate symmetry property: For a complex signal x(t):
F
x∗ (t) ←
→ X ∗ (−j). (1.30)
This property directly follows from the evaluation of the complex
conjugate of Equation (1.24).
4. Differentiation and integration property: The CTFT of dx(t)/dt can be
found by differentiating Equation 1.25 with respect to t. After differ-
entiation, we find that the higher frequency components of the signal
become more pronounced. This property can be stated as follows:
dx(t) F
←→ jX(j). (1.31)
dt
In a similar manner, integrating the time-domain signal results in the
following:
t
F 1
x(t) dt ←
→ X(j) + πX(0)δ(). (1.32)
−∞ j

Integration attenuates the magnitude of the signal at higher fre-

quencies and thus acts like a low-pass filter. If X(0) is nonzero, the
signal contains a DC component, which introduces an impulse in the
frequency-domain.
5. Time and frequency scaling property: For a scaling factor ‘a’, this property
can be given as follows:
 
F 1 j
x(at) ←→ X . (1.33)
|a| a
For instance, if a = −1 then
F
x(−t) ←
→ X(−j). (1.34)

If the scaling factor has a magnitude greater than unity, then the signal
is compressed in the time-domain, while its frequency spectrum gets
expanded. For |a| < 1, exactly the converse happens, that is, the time-
domain signal is expanded and the spectrum is scaled down.
Fourier Analysis Techniques for Signal Processing 9

6. Duality property: This property reveals the effect when we interchange

the roles of t and . This helps in finding the CTFTs of some sig-
nals directly from a table of transforms. It simply states that every
property of CTFT has a dual function, given as follows:
F
X(t) ←
→ 2π x(−j). (1.35)

7. Parseval’s theorem: This gives the relation between the energy (E) of
a signal in the time-domain and the frequency-domain. We can use
this property to easily compute the energy of a signal by integrating
the squared magnitude of its FT.
∞ 
1 ∞  2
E= |x(t)|2 dt = X(j) d. (1.36)
−∞ 2π −∞

8. Convolution property: Convolution in the time-domain is equivalent

to multiplication in the frequency-domain and vice versa.
F
x(t) ∗ h(t) ←
→ X(j)H(j). (1.37)

This property is vital especially in the analysis of linear time-invariant

(LTI) systems.
9. Modulation property: This is the dual of the convolution property
stated above and can be given as follows:

F 1 1 ∞
x(t)y(t) ←
→ [X(j) ∗ Y(j)] = X(jθ)Y(j( − θ)) dθ.
2π 2π −∞

Here, we must recall that multiplication of one signal by another

amounts to modulation. The modulation property is extensively used
in communications.

1.2.2 Examples of CTFT

1. Find the CTFT of a complex one-sided exponential signal given by:
x(t) = e−at u(t), a > 0.
The CTFT of this signal can be determined only if a > 0, since if
a < 0, the signal fails to be absolutely integrable. Using the CTFT
Equation (1.24), we obtain
∞ ∞
X(j) = [e−at u(t)]e−jt dt = e−at e−jt dt
∞ 0
∞
1
= e−(a+j)t dt = , a > 0.
0 a + j
10 Window Functions and Their Applications in Signal Processing

(a) x(t)

t
0
(b) X( jΩ )
1/a

Ω
0
(c) arg[X( jΩ)]

π/2

−π/2

FIGURE 1.4
FT pair of e−at u(t). (a) Time-domain signal. (b) Frequency-domain magnitude plot. (c) Frequency-
domain phase plot.

Figure 1.4 shows the signal x(t), the magnitude, and phase responses
of the CTFT of e−at u(t).
2. Determine the CTFT of a two-sided exponential signal given by:
x(t) = e−a|t| , a > 0.
∞
X(j) = e−a|t| e−jt dt
−∞
0 ∞
= eat e−jt dt + e−at e−jt dt
−∞ 0
 0  ∞
= e(a−j)t dt + e−(a+j)t dt
−∞ 0
1 1
= +
a − j a + j
2a
= 2 .
a + 2
Fourier Analysis Techniques for Signal Processing 11

(a) x(t)

t
0
(b) X( jΩ )
2/a

1/a

Ω
–a 0 a

FIGURE 1.5
FT pair of e−a|t| . (a) Time-domain. (b) Frequency-domain.

The signal x(t) and the magnitude response of the FT of e−a|t| are
depicted in Figure 1.5. The phase is zero, since the signal is even
symmetric in the time-domain.
3. Find the Fourier transform of the sinusoidal signals:
a. x(t) = cos(0 t)
b. x(t) = sin(0 t)
Note that signals such as sinusoids that exist for all time are not
absolutely integrable. Absolute integrability is a sufficient condition
for the existence of FT, but it is not a necessary condition. These
difficulties can be solved by introducing Dirac delta function in the
frequency-domain as detailed below.
a. x(t) = cos(0 t)

1  j0 t  1 1
x(t) = e + e−j0 t = ej0 t + e−j0 t .
2 2 2

On comparing the above equation with the expression of the

Fourier series of a continuous-time periodic signal, we obtain the
Fourier series coefficients of x(t) as

a1 = a−1 = 0.5, for k = ±1 and ak = 0, for k = ±1. (1.38)

12 Window Functions and Their Applications in Signal Processing

Therefore, using Equation 1.26


∞

X(j) = 2π ak δ( − k0 )

k=−∞

= π δ( − 0 ) + πδ( + 0 ).

The above CTFT result is depicted in Figure 1.6(a).

b. x(t) = sin(0 t)

1  j0 t  1 1
x(t) = e − e−j0 t = ej0 t − e−j0 t .
2j 2j 2j

From the above results, the Fourier series coefficients are

1 1
a1 = , a−1 = − for k = ±1 and ak = 0, for k = ±1. (1.39)
2j 2j

Therefore,


∞

X(j) = 2π ak δ( − k0 )

k=−∞

π π
= δ( − 0 ) − δ( + 0 ).
j j

The CTFT of the sine signal is shown in Figure 1.6(b).

4. Determine the CTFT of a rectangular signal given by
⎧ τ
⎪
⎪ |t| ≤
⎨1, 2
x(t) =
⎪
⎪ τ
⎩0, |t| > .
2

∞
ejτ/2 − e−jτ/2
X(j) = x(t)e−jt dt =
−∞ j
 
sin(τ/2) τ
=2 = τ sinc .
 2π

Here, we have used the fact that sinc(t) = sin(πt)/(πt). The time-
domain and frequency-domain plots are shown in Figure 1.7.
Fourier Analysis Techniques for Signal Processing 13

(a) X ( jΩ )

Ω
–Ω o 0 Ωo
(b) X(jΩ )
π
j

Ω
–Ω o 0 Ωo

–π
j

FIGURE 1.6
CTFT of sinusoidal signals. (a) CTFT of cosine signal. (b) CTFT of sine signal.

5. Determine the CTFT of a shifted rectangular pulse signal


1, 0 ≤ t ≤ τ
x(t) =
0, otherwise.
∞ τ
e−jτ/2  jτ/2 
X(j) = x(t)e−jt dt = 1.e−jt dt = e − e−jτ/2
−∞ 0 j
sin(τ/2)
= 2e−jτ/2

 
τ
= τ e−jτ/2 sinc .
2π

Here also, we have used the fact that sinc(t) = sin(πt)/(πt). By com-
paring the above result with the result of the previous example, it can
be observed that there is only a phase shift involved in the FT. The
same result can also be obtained by using the time-shifting property
of the CTFT.
14 Window Functions and Their Applications in Signal Processing

(a)
1
0.9
0.8
0.7
0.6
x(t)

0.5
0.4
0.3
0.2
0.1
0 –τ τ
0
2 t 2
(b)
τ
X( jΩ )

2π/τ
0
–6π/τ–4π/τ –2π/τ 4π/τ
6π/τ

0
Ω

FIGURE 1.7
FT of a rectangular pulse. (a) Time-domain. (b) Frequency-domain.

6. Consider a signal whose CTFT is given by


1, || ≤ W
X(j) =
0, || > W.

Then, using the synthesis relation given in Equation (1.25), we can

obtain the time-domain signal as

W 
1 1 2 sin(Wt)
x(t) = e d =
jt
2π −W 2π t
Fourier Analysis Techniques for Signal Processing 15

(a) 1.5

0.5
Amplitude

−0.5

−1

−1.5
−1 0 1 2 3 4 5
t (s)
(b) 1.5

0.5
Amplitude

–0.5

−1

−1.5
−1 0 1 2 3 4 5
t (s)

FIGURE 1.8
Figure for Example 7. (a) Input x(t). (b) dx(t)/dt.

sin(Wt)
=
πt
 
W Wt
= sinc .
π π

We can observe the duality of this result with that of Example 4.

7. An application of differentiation property: Consider a signal x(t)
displayed in Figure 1.8(a).
16 Window Functions and Their Applications in Signal Processing

Differentiating the signal x(t), we get an impulse train given in

Equation 1.40 below. When we take the derivative of x(t) which is
a piecewise constant signal, the constant region goes to zero. The
infinite slope that occurs during the transition is represented by a.δ(t),
where a is the magnitude of transition. In this example, a = 1 for all
the transitions. Therefore,

dx(t)
= [δ(t) − δ(t − 1) − δ(t − 3) + δ(t − 4)] . (1.40)
dt

The impulse train is shown in Figure 1.8(b). Now taking the CTFT
on either side of the above relation, and applying the differentiation
property, we obtain
 
jX(j) = 1 − e−j − e−j3 + e−j4
 
= e−j2 ej2 − ej − e−j + e−j2
 
= e−j2 ej2 + e−j2 − (ej + e−j ) .

Upon simplification, the FT of x(t) turns out to be


−j2 cos(2) − cos()
X(j) = 2e .
j

Thus, the differentiation property can be used to simplify computa-

tions.
8. An application of duality property: Consider the following signal:

2
x(t) = .
t2 + 1

Using the result of Example 2 and recalling the duality property

(Equation 1.35), we obtain (see Table 1.1)

F 2a
e−a|t| ←
→ .
a2 +  2

Now with a = 1 and using the duality property, we get

2 F
→ 2π e−|| .
←
t2 + 1

In order to summarize the results of this section, Table 1.1 contains a

list of some useful CTFT pairs.
Fourier Analysis Techniques for Signal Processing 17

TABLE 1.1
Basic CTFT Pairs
Signal Fourier Transform
∞ ∞
k=−∞ ak e jk0 t
2π k=−∞ ak δ( − k0 )
ej0 t 2π δ( − 0 )
cos(0 t) π [δ( − 0 ) + δ( + 0 )]
sin(0 t) π
j
[δ( − 0 ) − δ( + 0 )]
x(t) = 1 2π δ()
δ(t) 1
δ(t − t0 ) e−jt0
∞ 2π ∞
n=−∞ δ(t − nT) k=−∞ δ( − 0 )
⎧ τ
T
⎪
⎨1, |t| ≤  
2 τ
x(t) = τ sinc
⎪
⎩0, |t| > τ 2π
2
⎧
⎨1, 0 ≤ t ≤ τ  
τ
x(t) = τ e−jτ/2 sinc
⎩0, otherwise 2π
⎧
  ⎨1,
W Wt || ≤ W
sinc X(j) =
π π ⎩0, || > W
1
u(t) + π δ()
j
1
e−at u(t) , Re{a} > 0
a + j
1
te−at u(t) , Re{a} > 0
(a + j)2
tn−1 −at 1
e u(t) , Re{a} > 0
(n − 1)! (a + j)n
2a
e−a|t| , Re{a} > 0
⎧ a2 + 2
⎪
⎪−1, t<0
⎪
⎨ 2
x(t) = 0, t=0
⎪
⎪ j
⎪
⎩1, t>0
2
2π e−||
t2 + 1

1.3 Discrete-Time Fourier Transform

The DTFT is the counterpart of CTFT for handling discrete-time signals. The
basic concepts of FT are common to both the continuous- and discrete-time
signals. In discrete time also, any periodic signal x̃[n] (with period N) can be
represented in terms of its discrete Fourier series representation, given by the
18 Window Functions and Their Applications in Signal Processing

sum of complex exponentials,

 2π
x̃[n] = ak ej N kn (1.41)
k=<N>

1  2π
ak = x̃[n]e−j N kn . (1.42)
N n=<N>

Here, k = <N> denotes that k can take any N consecutive values. The terms
in the series are harmonics of the fundamental frequency, 2π/N. For the
discrete-time case, the Fourier series is always convergent, since it is only
a finite summation.
We now extend the frequency-domain representation to include more
general aperiodic signals. Let us define a function X(ejω ) as

∞

X(ejω ) = x[n]e−jωn . (1.43)

n=−∞

Comparing Equations 1.42 and 1.43, we can see that ak s are the samples of
X(ejω ), spaced at ω0 = 2π /N in the frequency-domain as
1
ak = X(ejkω0 ). (1.44)
N
As N → ∞, ω0 becomes infinitesimally small. This indicates that X(ejω ) is
sampled with spacing ω0 → 0. Thus, X(ejω ) can be viewed as a continuous
function. Similarly, the summation in Equation 1.41 is carried out over N
consecutive intervals of width ω0 = 2π /N and the total interval of integration
has a width of 2π. Hence, unlike the CTFT where  range is over the whole
real axis, the DTFT requires only ω values in the interval [0, 2π ].
The DTFT can be derived by taking the CTFT of a sampled signal. The
IDTFT and the DTFT expressions are given by
π
1
x[n] = X(ejω )ejωn dω . (1.45)
2π −π


∞

X(ejω ) = x[n]e−jωn . (1.46)

n=−∞

Equation 1.45 represents the inverse DTFT (IDTFT), also known as the syn-
thesis formula, while Equation 1.46 gives the DTFT, known as the analysis
formula. The discrete-time periodic signals can be included within the frame-
work of DTFT by interpreting the transform of a periodic signal as an impulse
train in the frequency-domain as


∞
  
2π
X(e ) =
jω
2π ak δ ω − k − 2πl . (1.47)
l=−∞ k=<N>
N
Fourier Analysis Techniques for Signal Processing 19

The DTFT of x[n] is said to exist only if Equation 1.46 converges in some sense.
There are two types of convergence (also known as summability) which are
defined as follows.

• Absolute summability: If x[n] is an absolute summable sequence, then


∞

|x[n]| < ∞. (1.48)

n=−∞

Absolute summability is a sufficient condition for the existence of the

DTFT.
• Square summability: Some sequences may not be absolutely
summable, but they may be square summable, that is,
π
 
lim X(ejω ) − XM (ejω )2 dω = 0, (1.49)
M→∞ −π

wherein XM (ejω ), we consider only a finite sequence of length M. Thus,

the sequence is square summable if the mean square error between
X(ejω ) and XM (ejω ) tends to zero as M → ∞. The DTFT of a sequence
can exist under square summability condition as well.

1.3.1 Properties of DTFT

Many of the DTFT properties are exact parallels of the properties of
continuous-time case, except for a few differences (which we shall indicate).
The commonly used properties of DTFT are described in this section. Let x[n]
and y[n] be time-domain signals and their corresponding DTFTs be X(ejω )
and Y(ejω ), respectively. The DTFT pairs can be expressed as

F F
x[n] ←
→ X(ejω ) and y[n] ←
→ Y(ejω ). (1.50)

1. Periodicity property: Since the DTFT is periodic in ω with a period 2π ,

we can write
X(ej(ω+2π ) ) = X(ejω ) . (1.51)

2. Linearity property: For any arbitrary constants a and b, the DTFT of

the weighted sum of two sequences is

F
ax[n] + by[n] ←
→ aX(ejω ) + bY(ejω ) . (1.52)
20 Window Functions and Their Applications in Signal Processing

3. Time shifting property:

F
→ e−jωn0 X(ejω ) .
x[n − n0 ] ← (1.53)

However, note that both X(ejω ) and e−jωn0 X(ejω ) have the same mag-
nitude responses with only a phase shift introduced due to the
time-shifting property. Therefore, delaying the time sequence has
the effect of shifting the phase of its transformed version, while the
magnitude response remains the same.
4. Frequency shifting property:

F
ejω0 n x[n] ←
→ X(ej(ω−ω0 ) ) . (1.54)

5. Time reversal property: When the sequence x[n] is flipped (i.e., mirror
image over −n), then

F
→ X(e−jω )
x[−n] ← and (1.55)
F
→ X ∗ (ejω ),
x[−n] ← only if x[n] is real. (1.56)

6. Convolution property: The convolution of two sequences corresponds

to multiplication of their corresponding DTFTs.

F
x[n] ∗ y[n] ←
→ X(ejω )Y(ejω ). (1.57)

We will now proceed to illustrate that the time-shifting property is a

special case of the convolution property. According to Equation 1.46,
the shifted impulse has the following frequency response:

F
→ e−jωnd .
δ[n − nd ] ← (1.58)

For any arbitrary input signal x[n] and the impulse response h[n] of
an LTI system defined as

F
→ H(ejω ) = e−jωnd ,
h[n] = δ[n − nd ] ← (1.59)

then the output is

F
→ Y(ejω ) = e−jωnd X(ejω ) .
y[n] = x[n] ∗ δ[n − nd ] ← (1.60)
Fourier Analysis Techniques for Signal Processing 21

7. Differentiation in the frequency-domain: Multiplication of x[n] by n

results in

F d
nx[n] ←
→j X(ejω ) . (1.61)
dω

8. Windowing or modulation property: Let w[n] be a window sequence,

while x[n] is the input.

F
If w[n] ←
→ W(ejω ) (1.62)
and y[n] = x[n].w[n] (1.63)

1 π
then, Y(ejω ) = X(ejθ )W(ej(ω−θ ) )dθ . (1.64)
2π −π

Equation 1.64 represents a periodic convolution, that is, convolution

of two periodic functions with the limits of integration extending
over one period (either −π to π or 0 to 2π). The duality in the FT
theorems is evident when we compare the convolution and modula-
tion theorems. In the continuous-time case, this duality is complete.
We have stated that the convolution in the time-domain is equiv-
alent to multiplication in the frequency-domain (and vice versa)
for continuous-time signals. However, in the discrete-time case, this
gets slightly modified. In the discrete time, fundamental differences
arise because the DTFT is a sum, whereas the inverse transform is
an integral over a continuous-time period (−π to π) or (0 to 2π).
The convolution of two sequences is equivalent to multiplication
of the corresponding periodic FTs. Conversely, the multiplication of
discrete-time sequences leads to the periodic convolution of their indi-
vidual DTFTs. This is an essential distinction between the properties
of the CTFT and the DTFT.
9. Parseval’s Theorem: This theorem essentially relates the energy (E) in
the time- and the frequency-domains. For a sequence x[n],


∞ π
1  
E= |x[n]|2 = X(ejω )2 dω. (1.65)
n=−∞
2π −π

The generalized Parseval’s relation for two signals x[n] and y[n] is
given by


∞ π
∗ 1
x[k]y [k] = X(ejω )Y ∗ (ejω )dω. (1.66)
k=−∞
2π −π
22 Window Functions and Their Applications in Signal Processing

10. Symmetry properties: Some of the symmetry properties of the DTFT

are presented below:

F
x∗ [n] ←
→ X ∗ (e−jω ). (1.67)
F
x∗ [−n] ←
→ X ∗ (ejω ). (1.68)
x[n] + x [n] F ∗
X(e ) + X ∗ (e−jω )
jω
Real part: Re{x[n]} = ←→ Xe (ejω ) = .
2 2
(1.69)
x[n] − x∗ [n] F X(ejω ) − X ∗ (e−jω )
Imaginary part: jIm{x[n]} = ←→ Xo (ejω ) = .
2 2
(1.70)
x[n] + x∗ [−n] F X(ejω ) + X ∗ (ejω )
Even part: xe [n] = ←→ XR (ejω ) = .
2 2
(1.71)
x[n] − x∗ [−n] F X(ejω ) − X ∗ (ejω )
Odd part: xo [n] = ←→ jXI (ejω ) = .
2 2
(1.72)

When x[n] is real, its DTFT exhibits the following characteristics:

X(ejω ) = X ∗ (e−jω ). (1.73)

−jω
Real part: XR (e ) = XR (e
jω
), Imaginary part: XI (e ) = −XI (e−jω ).
jω

(1.74)
   
Magnitude: X(ejω ) = X(e−jω ) , Phase: X(ejω ) = −X(e−jω ).
(1.75)

1.3.2 Examples of DTFT

1. Find the DTFT of the signal x[n] = cos(ω0 n).
The given signal can be expanded as

1 jω0 n 1 −jω0 n
x[n] = e + e .
2 2
Comparing the above equation with the Fourier series expansion in
Equation (1.22), we observe that a1 = 12 and a−1 = 12 . Thus, the DTFT
of x[n] can be written as a sum of weighted and shifted impulse trains
as follows:

∞

X(e ) =
jω
π [δ(ω − ω0 + 2π l) + δ(ω + ω0 + 2πl)].
l=−∞
Fourier Analysis Techniques for Signal Processing 23

2. Find the DTFT of the signal x[n] = sin(ω0 n).

Now x[n] can be expanded as

1 jω0 n 1
x[n] = e − e−jω0 n .
2j 2j

We obtain the Fourier series coefficients as a1 = 1/2j and a−1 = −1/2j.

Thus, the DTFT of x[n] can be written as

∞
π
X(ejω ) = [δ(ω − ω0 + 2π l) − δ(ω + ω0 + 2πl)] .
l=−∞
j

3. Determine the DTFT of a rectangular pulse signal defined as


1, |n| ≤ N1
x[n] = .
0, |n| > N1


∞

N1

X(ejω ) = x[n]e−jωn = e−jωn .

n=−∞ n=−N1

Let m = (n + N1 ) then, we can write n = (m − N1 ) and substitute as

 

2N1
1 − e−jω(2N1 +1)
−jωm jωN1
X(e ) =
jω
e e =e jωN1

m=0
1 − e−jω

ejω(N1 + 2 ) − e−jω(N1 + 2 )
1 1

=
ejω/2 − e−jω/2
sin(ω(2N1 + 1)/2)
= .
sin(ω/2)

The time function x[n] and the DTFT are shown in Figure 1.9.
4. Find the DTFT of a shifted rectangular pulse signal defined as


1, 0 ≤ n ≤ 2N1
x[n] =
0, otherwise.
24 Window Functions and Their Applications in Signal Processing

(a) 1

Amplitude 0.8

0.6

0.4

0.2

0
−6 −4 −2 0 2 4 6
Samples (n)
(b)
|X(e jω)| 7

0
−2π −π 0 π 2π
ω (rad)

FIGURE 1.9
Rectangular pulse and its DTFT for N1 = 3. (a) Input x(n). (b) DTFT X(ejω ).

We can write,


2N1

X(ejω ) = e−jωn
n=0

= 1 + e−jω + · · · + e−jω(2N1 )
1 − e−jω(2N1 +1)
=
1 − e−jω
sin(ω(2N1 + 1)/2)
= e−j(ωN1 ) .
sin(ω/2)

Here, (2N1 + 1) is the length of the sequence and N1 is the symmetry

point. The closed-form expression is obtained by using the geometric
summation formula. We could also obtain the same result by apply-
ing the time-shifting property of the DTFT to the signal considered
in Example 3.
Fourier Analysis Techniques for Signal Processing 25

5. Determine the DTFT of a triangular pulse signal

⎧
⎪
⎨n + 1, 0 ≤ n ≤ N1 − 1
x[n] = 2N1 − 1 − n, N1 ≤ n ≤ 2N1 − 1
⎪
⎩
0, otherwise.

A sample triangular pulse signal for N1 = 6 is shown in Figure 1.10.

We can simplify the calculations by expressing this sequence as the
self-convolution of a rectangular pulse with itself, given as follows:


1, 0 ≤ n ≤ N1 − 1
x1 [n] =
0, otherwise
and x[n] = x1 [n] ∗ x1 [n] ⇔ X(ejω ) = X1 (ejω )X1 (ejω ). (1.76)

Applying the result considered in Example 4 (shifted rectangular

pulses), we obtain

sin(ωN1 /2)
X1 (ejω ) = e−jω(N1 −1)/2 . (1.77)
sin(ω/2)

Using the result from Equation 1.77 and substituting into Equa-
tion 1.76, we can obtain X(ejω ) as

2
sin(ωN1 /2)
X(ejω ) = e−jω(N1 −1) .
sin(ω/2)

x(n)
6

0
0 1 2 3 4 5 6 7 8 9 10
Samples (n)

FIGURE 1.10
Figure for Example 5.
26 Window Functions and Their Applications in Signal Processing

6. Consider the signal x[n] = an u[n], |a| < 1. Its DTFT is given by


∞

∞
−jωn
X(e ) =
jω n
a u[n]e = (ae−jω )n
n=−∞ n=0

1
= .
1 − ae−jω

7. Consider the signal x[n] = a|n| , |a| < 1. The DTFT of this signal is
evaluated as follows:


∞

X(ejω ) = a|n| e−jωn

n=−∞


−1

∞

= a−n e−jωn + an e−jωn

n=−∞ n=0

∞
 ∞

= an ejωn + an e−jωn
n=1 n=0

1 1
= −1+
1 − ae jω 1 − ae−jω
(1 − a2 )
= .
1 − 2a cos(ω) + a2

8. An application of differentiation property: Find the DTFT of the

signal
y[n] = (n + 1)an u[n], |a| < 1.

Let x[n] = an u[n], then y[n] can be written in terms of x[n] as

y[n] = nx[n] + x[n].

We know from Example 6 that X(ejω ) = 1/(1 − ae−jω ). Then, from

the differentiation property given in Equation 1.61, we can obtain
Y(ejω ) as

F d ae−jω
nx[n] ←
→j X(ejω ) =
dω (1 − ae−jω )2
ae−jω 1
Y(ejω ) = +
(1 − ae )
−jω 2 (1 − ae−jω )
1
= .
(1 − ae−jω )2
Fourier Analysis Techniques for Signal Processing 27

9. Compute the DTFT of a finite-length exponential sequence (with

|a| < 1).

an , 0 ≤ n ≤ N − 1
x[n] =
0, otherwise.

We can rewrite x[n] as the difference of two unit step functions as

follows:

x[n] = an u[n] − an u[n − N]

= an u[n] − aN an−N u[n − N] .

Now computing the DTFT for |a| < 1 and applying the result of
Example 6, as well as the time-shifting property, we get
1 aN e−jωN
X(ejω ) = −
1 − ae−jω 1 − ae−jω
1 − aN e−jωN
= .
1 − ae−jω

10. Compute the impulse response of an ideal discrete-time differentiator

whose frequency response is given by
Hd (ejω ) = jω, |ω| ≤ π .
Now using the synthesis equation (IDTFT), we get

1 π
hd [n] = jωejωn dω
2π −π
π
j ejωn ejωn
= ω −
2π jn (jn)2 −π

j ejπn ejπn e−jπn e−jπn
= π + 2 +π − 2
2π jn n jn n
cos(π n) sin(π n)
= −
n π n2
⎧ n
⎨ (−1) , n = 0
hd [n] = n .
⎩
0, n=0

which is the impulse response of an ideal differentiator.

11. Compute the impulse response of an ideal Hilbert transformer
defined by 
j, −π ≤ ω ≤ 0
H(e ) =
jω
.
−j, 0 ≤ ω ≤ π
Other documents randomly have
different content
 Kristiina nousi seisoalle ja oli jälleen Ruotsin kuningatar.

Hän oli ojentanut kätensä sovintoon, ja sitä ei otettu vastaan.

"Kuten tahdot", sanoi hän arvokkaasti ja tyvenesti.

"Meidän on aika käydä levolle. Älä kiirehdi muuttoasi. Anna Holmin

tuoda sinulle matka-arkku tavaroitasi varten. Kuukausipalkkasi tulee
sinulle vähentämättä. Vaunuillani pitää sinut vietämän valtaneuvos
Kurjelle. Minä toivon, että se vapaus, jota sinä halajat, tuottaisi
sinulle onnea, ja olen sinulle aina oleva suosiollinen. Hyvää yötä!"

22. Riseberga.

Yhtä vähän käsität rakkautta kuin murhetta.

Skandinavilainen pohjoismaiden historia liikkuu Kristiani II:sen ja

Kustaa Vaasan ympärillä ikään kuin liikkuva portti saranainsa ympäri.
Siihen asti toimintavoima, ylivoima Salmen eteläisellä puolella,
heikkous ja uupumus pohjoispuolella, sen jälkeen päin vastaista:
voittoja ja eteenpäin menoa pohjoispuolella, vaipuvia tähtiä
eteläpuolella. Sen lisäksi molemmilla puolin eripuraisuutta, joka oli
masennettu Tanskassa, vihdoin masennettu myöskin Ruotsissa.
Norja oli upoksiin ammuttuna.

Kansanrakas Kristian IV astui suurvaltaa tuumien Tanskan

valtaistuimelle, mutta oli käsin, jaloin aateliston kahleissa. Onnea on
vertailtu naiseen: hän hymyilee nuorelle rakastajalleen ja kääntää
selkänsä vanhalle. Kristian IV alkoi voittajana ja lopetti voitettuna.
Ikään kuin Puolan Vladislauksenkin, täytyi hänen raahata perässään
joukkoa, joka häntä joka askeleella pidätti eteenpäin pääsemästä.
Kuningas ja hänen neuvon-antajansa olivat erinomaisen sokeat. He
eivät olleet oppineet mitään tappiostansa ja ruotsalaisten voitoista
Saksan sodassa. He yhä edelleen kohtelivat Ruotsia ikään kuin
Knärödin rauhassa kukistettua ja odottivat vain uutta Nordlingia,
täydentääksensä voittoansa. Varoittavia viittauksia tuli ruotsalaisten
varustus-valmistuksista; niitä ei kukaan uskonut. Pietari Wibe
ylenkatsoi Tungelin tiedon-antoja, hän piti niitä vain tuollaisina
juonina, joilla vakooja koetti tehdä itsensä tärkeäksi ja kiskoa rahaa.
Ruotsalaiset, kirjoitti Wibe, tahtovat kyllä käydä kimppuumme, mutta
eivät uskalla. Ja niin haihtui tuon ilmitulleen valtio-salaisuuden vaara
vähitellen muutamaan valtioviisaaseen muistutukseen,
teeskenneltyyn, voimattomaan uhkaukseen ruotsalaisen neuvoston
puolelta ja kopeaan, kieltävään vastaukseen kuningas Kristianin
suosikkien puolelta.

Niilo Tungel ei tullut ansiotta aateliseen säätyyn korotetuksi. Hän

ei ollut sellainen halpa maalais-varas, jota Pietari Wibe ylenkatsoi,
aikansa juonittelutaidossa hän oli oikea nero.

Niin hyvin osasi hän yötisten käyntiensä jälkiä tanskalaisen

lähettilään luona peittää, että hän jäi ahdistamatta, ja se soluke,
jonka läpi salaisuus ulos virtasi, jäi keksimättä. Ilma valtiokansierin
etuhuoneessa ei enään ollut oikein puhdas, mutta Tungel ei ollut
neuvoton; hän alkoi tästä lähtein mielitellä kuningatar Kristiinaa
lähettämällä salaisia tietoja hänelle Oxenstjernan puoluelaisista.

Hagar Ringin odottamaton takaisintulo oli jouduttanut presidentin

tuumaa hankkia hänelle vanhan aatelisnimen, joka paremmin sopisi
liitettäväksi yhteen ylhäisen Kurjen sukunimen kanssa. Kuukausi
tämän perästä oli hän neiti Ryning, jonka lapseton valtaneuvos Erik
Erikinpoika Ryning ja hänen puolisonsa, Maria Elisabeth Kurtzell,
olivat tyttärekseen ottaneet. Kovalta kävi, ennenkuin tuohon
vanhaan sukupuuhun, joka oli heimolaisuudessa Trollien,
Lilliehöökien ja muitten ylhäisten sukujen kanssa, saattoi istuttaa
tuollaista metsäpuun oksaa, ja yhtä vaikea oli siihen saada
ritarihuoneen suostumusta. Kaikki presidentti Kurjen viittaukset
salaisesta sukulaisuudesta ottotyttären kanssa olisivat olleet turhia,
ellei kuningattaren enentyvä vaikutus olisi apuna ollut. Kristiina oli
kerran päähänsä pannut, että meren harhailevan lastun piti
aatelisten vertaiseksi tuleman. Sitä paitsi oli Hagarilla oikeus vaatia
hyvitystä: kuningatar antoi kuninkaallisen puolustussanansa ja Hagar
pääsi ottotyttäreksi.

Hagar vietti v. 1643 loppupuolen kesää Ryningin aatelishovissa

Risebergassa läntisessä Nerikessä, jossa ennen muinoin cisterciensi-
nunnien luostari kohotti harjaansa viljavalla Edsbergan lakeudella.
Kuningattaren tunnettu suosio, Kurjen perheen suojelus ja hänen
kasvatuksensa hovissa raivasivat tietä uudelle tulokkaalle. Tämä uusi
koti oli yksinkertainen, hurskas ja vanhanaikainen, "pitkät olivat
rukoukset ja huvinäytelmät lyhyet", kuten Sofia Magdaleena
myöhempään aikaan kuvasi Köpenhaminan hovia. Ludvig XIII
aikakauden vaikutus ei ulottunut tänne, sillä tavat ja päiväjärjestys
olivat täällä yhä vieläkin samallaiset, kuin olivat olleet vuosisatoja
ennenkin. Etevimmät palveliat söivät isännän pöydän ääressä, paitsi
ruokarukouksia, pidettiin kotihartautta illoin aamuin; kirkosta ei
kukaan saanut olla poissa. Jokaiselle työlle ja jokaiselle jouto-ajalle
oli päivän tunnit tarkasti määrätty; kaikki kulki yhtä kiertokulkua,
jossa ei mikään muu vaihtelua tehnyt, kuin vuoden-ajat. Yhtä
yksinkertaiset, yhtä säännölliset olivat sekä isäntä että emäntä tässä
varakkaassa, arvossa pidetyssä perheessä. Valtaneuvos Ryning oli
suora sota-eversti ja merimies, joka kunnialla oli palvellut maataan
sekä maalla että merellä, ja hän sanoi ajatuksensa neuvoskunnan
pöydän ääressä samoin kuin laamannina Sörmlannissa, merimiehen
teeskentelemättömällä tavalla. Hänen surunaan elämässä oli se,
ett'ei hän saanut vanhaa kilpimerkkiänsä, jossa sinisellä ja punaisella
pohjalla oli poikkipuolin hopeinen orsi, antaa perintönä pojalle.
Mihinkäpä tytär kelpaisi, ellei naitettavaksi reippaalle merimiehelle?
Ilman häntä, jota Kurki nyt niin odottamatta oli hänelle tyrkyttänyt,
olisi hän mielestään kyllä saattanut olla, mutta saattoihan tyttö tulla
joksikin hyödyksi; hänen sopi olla muorin seurana ne pitkät ajat,
jolloin vaari oli poissa.

"Maija Liisa", sanoi hän vanhalla tuttavallisella tavallaan

puolisolleen, joka kuitenkin oli maaherran tytär Nerikestä, oli
valtakunnan rouvia ja kutsuttiin armoksi, "tee tytöstä ihminen; hän
on reipas ja voimakas, hänestä saattaa tulla vielä hyötyäkin. Vanha
Leenasi purjehtii umpivedessä, sinä itse peräydyt tuulen mukaan.
Täällä tarvitaan uusia latvapurjeita tässä uudessa kaljaasissa, raitista
tuulta, Maija Liisa. Hänestä tee ihminen, sinä! Enhän minä päässyt
Kurjesta ennenkuin otin tytön."

Hänen Maija Liisansa huokasi huolestuneena, hän oli kuullut

puhuttavan Kersti röökinän tuhlaavaisuudesta ja arveli, ett'ei omena
kauas puusta putoa. Mutta siinä ei nyt mikään auttanut; hänen
miehensä sana oli kuninkaan sana. Sitten valtaneuvos tarttui uuden
tyttärensä leukaan, neuvoi häntä olemaan tottelevainen, painoi aimo
merimies-suudelman hänen huulilleen ja astui sitten hevosen
selkään, ratsastaaksensa Tukholmaan.

Hagarin ei kauankaan tarvinnut tuumia, mitkä uudet tähdet nyt

rupeaisivat tuikkamaan Risebergan talon vanhojen lehmusten ylitse,
sillä jo samana iltana tapahtui äidillinen kuulustelu. Hagar istui
aatelishovin katetuilla portailla, hän katseli miettivänä, miten
sääskipari tanssi auringon paisteessa, kun näki uuden kasvatti-
äitinsä palaavan heinäväen luota niityltä. Tämä rouva, joka oli
valtaneuvoksen rouva, näytti hänestä paremmin syntyneen talon-
emännäksi maalle. Olikohan mahdollista, että tuo pyöreä, vähäläntä
muija karheine käsineen, kehnoine, harmaine villahameineen ja
valkaisemattomasta palttinasta tehtyine päähineineen oli esitetty
hovissa ja siellä saanut osakseen erityistä kunnioitusta? Niin
puhuttiin, ja nuo viisaat, harmaat silmät, jotka toisinaan saattoivat
katsoa terävästi ja toisinaan taas niin sydämmellisen lempeästi, eivät
tuota puhetta vääräksi väittäneet. Emännän perässä seurasi talon
Vahti koira, kesähelteestä väsyneenä ja kieli suusta riippuvana, sen
jälkeen rouvan mielipiika Sabina, kantaen koppaa käsivarrellaan.
Käden viittaus ilmoitti Hagarille, että hänen piti seuraaman.

Nyt esitettiin takapihan asukkaat. Ensiksikin kanapiha, jonka

kaakottava väestö sai ohria Sabinan kopasta. Sitten mentiin
lammasnavettaan, sitte sikolättiin, sitte talliin ja karjapihaan, jonka
härät, lehmät ja mullikat kaikki nimeltään mainittiin. Parhaat lehmät
saivat kiitoslauseen ja kourallisen suoloja.

"Oletko nähnyt kauniimpaa elukkaa, kuin Auringonkukka ja

Metsäruusu?" kysyi valtaneuvoksen rouva uudelta tyttäreltään.

Hagar ajatteli sitä aikaa, jolloin hän Kaskaksen torpassa paimensi

kolmea laihaa lehmää ja myönsi, ett'ei hän koskaan ollut nähnyt
mitään, jota Auringonkukkaan ja Metsäruusuun olisi saattanut
verrata.

"Sinä saat lypsää niitä huomenna, jos haluat", sanoi tuo hyvä
rouva tuottavasti. "Auringonkukka lypsää nyt neljättä viikkoa 5
kannua erästään, mutta Metsäruusu on ehtynyt neljään. Ole
varovainen, kun Auringonkukkaa lypsät: sillä on semmoinen paha
tapa, että potkii kumoon kiulun, se ei kärsi ketään muuta kuin
vanhaa Renataa. Ei löydy muuta neuvoa tuollaista vastaan, kuin että
panee märän rievun selkäristimyksen päälle. Ja vielä muistutan, älä
koskaan pidä punaista nauhaa hiuksissasi, kun karjapihaan menet!
Huomaa, miten Turkki sinua katselee! Se on nyt kytkettynä, mutta
mitä nuori härkä punaista kärsisi?"…

Iltarukouksen ja aterian jälkeen esitettiin palvelusväki: paitsi

talonvouti Wiikiä oli kuusi renkiä ja kuusi piikaa sekä taloudenhoitaja
Leena. Kunkin nimi mainittiin eriksensä ja kaikkia käteltiin ja
jokainen heistä lausui tervetuliaisensa: "Jumala siunatkoon armollista
neitiä!" Sinne ei joka päivä tullut uutta tytärtä taloon ja tunnettu on,
että Nerikeläinen ajattelee enemmän kuin hän puhuu. Tervehdyksen
takana saattoi havaita äänettömän arvostelun, joka siitä päättäen,
mitä Sabina emännälleen uskoi, ei ollut epäsuosiollinen:

"Hän on lempeä silmistään ja uhkea, niin että riittää, sillä häntä on

röökinän palveluksessa opetettu."

Hagarin uusi kasvatti-äiti saattoi hänet ihastuttavaan, pieneen,

ylikerrassa olevaan kammariin, josta näkyi puisto, luostarirauniot,
viheriäinen tasanko ja vähäinen järvi. Täällä sai hän asetella ja
hallita, miten itse tahtoi. Ja täällä alkoi iltahämärässä tuttavallinen
kuulustelu.

"Olet syntynyt Suomessa?"

"Olen, armollinen rouva."

"Älä minua nimitä armolliseksi rouvaksi, nimitä minua kahden

kesken äidiksi, siitä minä parahiten pidän, mutta toisten kuullen
saatat sanoa: rouva äitini. Tiedän, että olet löytölapsi; älkäämme
siitä puhuko. Mutta mitenkä tulit Kersti röökinän luo? Ja minkä
vuoksi pyysit eroa hänen palveluksestaan?"

Hagar kertoi, mitä hän luuli saattavansa ilmaista, sekä mitenkä

hän oli hovipalvelukseen kyltynyt.

"Nuoret eivät tavallisesti kylly hovi-elämään. Sinä siis olet lukenut

latinaa ja monta kirjaa?"

"Olen, rouva äitini."

"Oletko myöskin lukenut jumalisia kirjoja?"

"Olen, raamatun, muutamia postilloja ja vähän jumaluus-oppia."

"Uskotko Jumalaan Kaikkivaltiaaseen ja hänen ainoaan poikaansa

Jesukseen Kristukseen, meidän Vapahtajaamme?"

Hagar kalpeni. Tätä hän ei ollut itseltään kysynyt, ja mitäpä hän

vastaisi? Hän oli liiaksi ylpeä valehtelemaan. Hetken ajateltua vastasi
hän:

"Minä uskon iankaikkisiin voimiin, jotka ihmisten kohtaloita

johtavat."

Kasvatti-äiti katseli häntä niin surullisella ja läpitunkevalla

katseella, että Hagarin täytyi katsoa maahan päin. Hän oli varustettu
vastustamaan jokaista uskonsääntöä, jokaista puhdas-oppista
luterilaista tunnustusta, mitä kirkko vaati, mutta tuota surullista,
rakastavaa katsetta hän ei voinut vastustaa.
 "Oletko lukenut katkismusta ja käynyt rippikoulua?" kuului toinen
kysymys.

"Olen lukenut katkismuksen ja käynyt rippikoulun Kurjen neitien

kanssa, kun olin neljäntoista vuotias."

Maria rouva tarttui hänen käteensä, katsellen tuolla

vastustamattomalla katseellaan ja lausuen:

"Noin nuori, noin lahjakas, ja kuitenkin jo metsästäjän nuolen

kaatama! Tiedätköhän, että uskominen moneen jumalaan on
pakanain usko? Mutta minä en tahdo kanssasi kiistellä; tahdon
rukoilla puolestasi. Oletko koskaan tuntenut surua?"

"En mitään surua, mutta paljon nöyryytystä."

"Se on yksi tie myöskin, vaan se ei ole suora. Oletko rakastanut

ketään ihmistä enemmän kuin itseäsi?"

Tässä taaskin kysymys, johon oli vaikea vastata. Hagar koetti

kierrellä ja vastasi:?

"Olen lukenut, että meidän tulee rakastaa lähimmäistämme kuten

itseämme."

"Ja kuinka Hän rakasti, joka edestämme verensä vuodatti ristillä?

Lapsi, sinä ymmärrät yhtä vähän rakkautta kuin murhetta. Huomaa
nyt, ett'en minä tahdo olla sinun rippi-isänäsi; minä tahdon olla sinun
äitisi. Sinun uskosi tahi uskottomuutesi jätän minä Jumalan Pyhän
Hengen haltuun, joka yksin voi ynseän sydämmen taivuttaa, en käy
nyt, enkä vastakaan oikeutta sinun kanssasi. Meidän huoneemme on
kristillinen huone ja minä otaksun, ett'et sinä ulkonaisessa suhteessa
mitään loukkaavaa tuo esiin. Mutta teeskennellä et saa. Minun
Eerikkini on taistellut suuren kuninkaansa rinnalla omantunnon
rauhan puolesta maailmassa, eikä sinun omatuntosi täällä
Risebergassa tarvitse olla nunnan, vaan tyttären. Käsitätkö minua,
lapsi?"

"Kyllä koetan käsittää", vastasi kasvattitytär. Hän tunsi kapinoitsian

nousevan, mutta se seisoi lasivuorella eikä saanut jalansijaa.

"Tee se!" Ja Maria rouva oli jälleen tuo käytännöllinen

perheenemäntä, josta Hagar, ensi vaikutuksen hänestä saatuaan, oli
ajatellut, että tämän rouvan oikea asema olisi ollut karjapihassa.
"Mitä muuta sinä osaat, kuin kirjoittaa, lukea ja laskea?"

"Olen ollut köyhä lapsi, joka metsässä lehmiä paimensi. Minä

autoin siihen aikaan torpanvaimoa kaikissa hänen askareissaan."

"Siis osaat kehrätä, kutoa, neuloa, kutoa sukkaa, leipoa, kaljaa

tehdä, kynttilöitä kastaa…"

"Meillä ei ollut varaa muuhun valoon kuin pärevalkeaan."

"No niin, mutta mitä on sinulla jäljellä noista hyödyllisistä töistä?

Sanotaanpa, ett'ei Kersti röökinä koskaan sukkapuikkoja ole
kädessään pitänyt."

"Hän on kuningatar. Löytyy monta monituista muuta, jotka sukkia

kutovat."

"Sanoppa vain! Mutta mitenkä se osaa valtakuntaa hoitaa, joka ei

osaa hoitaa itseänsä? Sinä, joka et ole kuningatar, et taida pitkälle
päästä muitten sukilla. Ota nyt vaaria siitä, mitä sinulle sanon ja pidä
se rakkaassa muistossa, niinkuin se sinulle on rakkaudesta sanottu.
Anna hovikiiltojen ja röökinän temppujen mennä! Minä toivon, että
sinä uudelle nimellesi teet kunniaa siveällä, hurskaalla ja kodikkaalla
mielellä. Oppiin en pane suurta arvoa, ellei se sovellu yhteen
Jumalan sanan kanssa, joka on todellinen viisaus, mutta sinun pitää
saaman aamut ja illat sekä pyhinä iltapäivinä olla vapaana, jotta saat
lukea kirjojasi, miten parhaaksi näet, kun et vain nuku kynttilästäsi.
Lopun viikkoa käyt kaikellaisissa toimissa, kuten minä ennen olen
tehnyt nuorena ollessani ja teen enemmiten vieläkin. Leena ei sinua
vastustele, jos vain hyvin häntä kohtelet ja osotat, että halusta
tahdot oppia, mitä et vielä muuten osaa. Älä ole liiaksi veltto piikoja
kohtaan; heitä kyllä tulee pitää silmällä. Aseta niin, että sinun ja
lampuotien vaimojen väli on hyvä sekä anna heille siirappijuomaa,
kun tulevat herraskartanoon tuomaan voita ja munia. Tulevalla
viikolla on rukiinleikkuu: silloin väkeä kestitään juustolla, sahdilla ja
pannukaakulla. Jos vieraita tulee Risebergaan, tiedät sinä kyllä
hovitavat paremmin kuin minä, mutta sinun tulee katsoa, että kaikki
vadit ovat hyvin pestyjä ja puhtaita lakanoita pannaan sänkyyn
numeron mukaan ja kunkin henkilön säädyn mukaan, Leena käy
vanhaksi ja hämäräsilmäiseksi, kohta hän ei enään erota
reivaskangasta tavallisesta nelivartisesta. En uskalla enään antaa
hänelle avainta hopeakaappiin; sen tulee sinun saada, lapseni, ja
olutkellarin avaimen myöskin, sillä Wiik halusta puikahtaa sinne. Ja
nyt on aika kullekkin kiivetä peittonsa alle. Tuleeko siellä sadetta
meidän kuiville heinille? Hyvää yötä, tyttöseni, älä unhota
iltarukoustasi! Tee minulle iloa, niin Jumala sinulle antaa sen
kaksinkertaisesti takaisin!"

Hagar jäi yksin ja istui avoimen akkunansa ääressä, josta oli näkö-
ala puistoon päin. Heinäkuun kuuvalo taisteli katoavan kesäpäivän
viimeisen valonhohteen kanssa, järveä varjosti taivaanrannalta
nouseva pilvi ja heikot syyssalamat välähtelivät. Oli tyyntä, hiljaista
ja lämmintä. Lintujen laulu lehmusten latvoista oli kadonnut;
ainoastaan tuo väsymätön leppälintu antoi vielä kuulla muutaman
yksinäisen liverryksen kevään päiviltä. Se lienee ollut joku uneton
uroslintu; naaras valvoi vartioiden poikastensa yölepoa.

Tuo yksinäinen liverrys säesti yksinäisiä ajatuksia. Hagar seisoi

ulkopuolella omaa itseänsä ja puhui itsellensä:

"Mille rannalle olet sinä jälleen joutunut, harhaileva lastu? Yksin

olit sinä Kaskaksen metsässä, yksin ensimmäisen rikkaan suojeliasi
huoneessa, yksin Kristiinan loistavassa hovissa ja nyt taas yksin
Edsbergan tasangolla luostariraunioitten lähellä. Paljon hyvyyttä,
paljon rakkautta olet osaksesi saanut, missä ikänänsä maailmassa
kulkenut olet, ja nöyryytyksesi ovat olleet haihtuvia varjoja vain,
mutta yksinäiseksi tunsit itsesi kaikkialla, vieläpä silloinkin, kuin eräs
nuorukainen sinun hyväksesi tahtoi voittaa kruunuja. Sinua ei
kukaan käsittänyt, etkä sinä käsittänyt ketään. Kaikilla muilla oli
ystävänsä, jolle saattoivat uskoa kaikki; sinulla ei ollut ketään.
Miksikä olit erilainen kaikista muista, miksikä aina yhäti teljettynä
sydänkammioosi? Vapautta ihailit, mutta huulesi olivat suljettuina.
Oliko tämä sinun vai muitten ihmisten vika? Puuttuiko terästä, millä
limsiöstä kipenöitä olisit iskenyt? Tahi olitko Kristiinan piikivi, joka
kullan kiillossa loisti, ja katso, se oli kissan kultaa vain! Vieras olento
sinä olit, samaten kuin sinun kadehdittu, ihailtu, toisinaan melkein
vihattu kuningattaresikin: puoleksi sinussa virtaili ihmisten lämmintä
verta, puoleksi kylmää tähtiloistoa. Rouva Sofia De la Gardie on
nimittänyt olentosi vian pöyhkeydeksi, rouva Maria Ryning on sitä
nimittänyt pakanain-uskoksi. Kuka on oikeassa? Tahi löytyykö kolmas
tulisoihtu, joka valaisee kauas sielun tuntemattomaan pohjaan: —
sinä et ymmärrä rakkautta!"
 Kun Hagarin yksinäiset ajatukset olivat ennättäneet tähän
palautuskujaan, muisti hän tähden valo-usvan ja nuo kummalliset
sanat: minun olentoni on voima, eikä rakkaus… Mitä nuo sanat
merkitsevät? Ja: katsele itseäsi kuvassasi!… Eikö Kersti röökinällä ole
kaikkea, paitsi rakkautta? Eikö hän ole suurilahjainen ajatuksen
voimassa, tahdon voimassa, toiminnassaan, ja onkohan Ruotsi
milloinkaan ollut niin voimakas, kuin Kristiinan aikana? Mutta mitäpä
muuta hän on kuin voimakas? Saattaako hän rakastaa mitään muuta
maailmassa, kuin itseänsä? Kyllä, hän saattaa rakastaa paljo ja
useita, hän saattaa kentiesi rakastaa heitä niinkuin itseänsä, mutta
rakastaako hän itseänsä? Jos hän itseään rakastaa, täytyy hänen
aina olla tyytyväinen itseensä, eikä rientää levottomuudesta
levottomuuteen, kuten hän tekee, ja kirjoista ihmisiin sekä ihmisistä
kirjoihin jälleen, uusiin tutkimuksiin, uusiin suunnitelmiin, uusiin
huvituksiin, päästäksensä irti omasta itsestään. Etsi! sanoi tähti. Ja
Kersti röökinä etsii alituisesti jotakin. Mitä hän etsii? Etsiikö hän
vaihdettua prinssiä? Hullutusta! Mitä muuta hän saattaisi etsiä, kuin
itseänsä, sisintä elämän perustustansa, ainoata, jota hän saattaa
todellisesti rakastaa, ainoata, jossa hän kerran saattaa rakkaudella
levätä? Mutta hän ei perustustansa löydä, enkä minäkään löydä
omaani. Se ei merkitse juuri mitään, jos rakastaa muita kuten
itseänsä, jollei ole löytänyt itsessään sitä ainoata, joka ansaitsee
rakastamista ja jonka pohjalle rakentaa voi. Ennenkuin on löytänyt
oman perustuksensa, täytyy asettaa muita itseään korkeammalle,
täytyy rakastaa toista enemmän kuin itseänsä; täytyy voida kieltää
itseänsä, uhrata itsensä, elää ja kuolla jonkun toisen puolesta taikka
jonkun asian puolesta, sekä elää ja kuolla palkitsemattomana,
kiitosta saamatta, tuntemattomana, unhotettuna. Sillä sehän ei voi
olla oikeaa rakkautta, jos jotakin rakastaa palkan, kiitoksen tahi
kunnian vuoksi… Mikä elämän-arvoitus! Mikä hirvittävä syvyys!
 Hagar tunsi pöyristyksen jäsenissään, samanlaisen, kuin silloin,
jolloin hän talvi-iltana seisoi tuikkaavan tähtitaivaan alla ja näki
edessään äärettömän loiston, mutta tunsi vilua… Kesken sitä, jolloin
hän Kristiinan loistavaa nerollisuutta enimmän ihaili, oli häntä
viluttanut…

Hän etsi turhaan tähteänsä; hän tunsi itsensä yksinäisemmäksi

kuin milloinkaan ennen, sillä nyt ei hänellä ollut edes itseään. Hän
kulki ikään kuin ympyrässä, jossa ei ollut keskipistettä. Etsiä hänen
täytyi, etsiä elämän perustustansa, etsiä, etsiä… Ja kun hän ponnisti
itseänsä yhdistämään kaikki yhteen perus-ajatukseen, seisattui hän
havaitessaan, että hänen vikansa oli se, ett'ei hän löytänyt itseänsä.

Hän heittäytyi pitkäkseen vuoteelle ja koetti nukkua, mutta

turhaan. Hänen ajatuksensa olivat kuin keväällä haavan höytyset,
jotka tuulen lennättäminä etsivät jotakin, minne istahtaisivat. Hän
haparoitsi entisyyden varjokkaissa laaksoissa ja kiinnitti itsensä
uuteen esineeseen; kaksoisveljeensä Bennuun, jonka nimi nyt oli
Urban Niemand. Kävikö hänessä tähtien varoitus toteen? Saattoiko
hän rakastaa? Ei, sitä hän ei osannut. Kaiken huolenpidon,
hyvyyden, rakkauden, mikä häntä elämässä oli kohdannut, hän yhtä
huolimattomasti otti vastaan ja yhtä helposti unhotti, kuin Kersti
röökinä, kuin Hagar itsekkin. Hän oli uiskenteleva lastu, ja mitä
muutapa he olivat, he molemmat? Voimaa hän oli saanut yhtä kuin
he. Hän oli kukistamaton, yhtä kuin he: maa, tuli, vesi ja ilma eivät
voineet hänelle mitään tehdä, ei mikään voinut sammuttaa hänen
elonkipinäänsä, ennenkuin tähtien hetki oli tullut. Nuo molemmat
naisturvatit eivät olleet samoja elämänvaaroja koetelleet, mutta
heidän täytyi olla yhtä kukistamattomat kuin hänkin oli: ei mikään
kuolettava kipu saanut Kristiinaa valtoihinsa, ei mikään myrkky
tarttunut Hagariin. Mutta etsiä piti heidän kaikkien, etsiä, etsiä…
 Unettomana ajatellessaan johtui Hagarin mieleen, että hän, ennen
kuin Tukholmasta lähti, oli saanut kirjeen, ensimmäisen ja ainoan,
jonka veljeltään oli saanut. Hän nousi etsimään kirjettä. Yö oli
joutunut; heikko aamunkoite valaisi sen verran, että hän jälleen
saattoi lukea tuota lapsellista kirjoitusta, jonka päällekirjoitus oli
toisen käden tekemä, luultavasti juutalaisen. Kirjeen huonosti
kokoon pantu saksalainen kieli, vino käsi-ala ja järjestyksen puute,
olivat kaikki vielä koulupojan. Siinä ei löytynyt asuinpaikan nimeä
eikä päivämäärää; otaksua saattoi, että kirje oli kuukausi sitten
lähetetty kesäkuussa Regensburgista. Sen sisällys kuului näin:

"Hagarille. Iso-isä sanoo, että minun pitää kirjoittaman sinulle.

Olen oppinut rakkelin edessä kirjoittamaan. Hän on kovin ihana.
Olen saanut raution, nimi Jehu. Se on kolmevuotias, arapialainen,
meni heti, minä rankasin sitä, juoksee levyn sultaanin ohitse.
Täällä on lichtensteinin kyrassieerejä, jotka menevät gallasiin.
Torstenson on olmysissa. Tuumasin karata sinne, he saivat minun
kiinni, otin miekkani, panivat minun kolmeksi päivää päävahtiin.
Kuinka Caballer voi? Lebewol, vergis mei nit

Urban.

J. K. rake sanoo tule tänne Hagar."

Ei mitään muuta. Ei mitään hänen nykyisestä tilastaan, tahi miten

hän oli näkönsä jälleen saanut, jota sopi toivoa, koska hän oli
omakätisesti kirjoittanut. Kuka on rake? Onko hän Rachel tahi
lohikäärme? [Lohikäärme ruotsiksi drake.] Hän ja rautio nähtävästi
ovat häneen tehneet suurimman vaikutuksen. Hän kysyy Caballeroa,
vaan ei sisartansa, jolle hän käskystä on kirjoittanut.
 "Tyhmä poika!" huudahti Hagar harmistuneena. "Mutta", lisäsi hän
huoaten: "hän on yksi meistä kolmesta."

Ajatukset lentelivät muuttolintujen siivillä kauas etelään

tuntemattomille seuduille. Kun Hagar vihdoin silmänsä ummisti,
leikitsi nousevan auringon purppurahohde lehmuksien latvoissa.
Hänen viimeinen ajatuksensa, joka katosi uneen, oli jälleen
kapinoitsian:

"Jos täällä Risebergassa tulen vangiksi, niin kirjoitan Texeiralle ja

pakenen Regensburgiin. Minua ei kukaan saa sitoa. Minä tahdon
löytää itseni."

23. Regensburg.

Tule pojakseni, niin sinä olet rakentava Jerusalemin portit!

Ruben Zevi oli joulu-aamuna kumureessä lähtenyt Tukholmasta

Göteborgiin ja vienyt mukanaan sokean tyttärenpoikansa Urban
Niemandin. Göteborgista kävi matka Pohjanmeren yli Lontooseen ja
siellä viikon viivyttyään asioittensa takia, lähtivät Amsterdamiin.
Tämä vanha mies näytti kokonaan unhottaneen kaikki vaivansa ja 70
vuottansa, hoitaessaan tuota sokeata, joka ei jäänyt
kiittämättömäksi vanhusta kohtaan hänen huolenpidostaan. Heidän
välillään syntyi tuttavallisuus, joka pojan puolesta olisi käynyt hyvin
hartaaksi, jos hän olisi voinut unhottaa tuon pakollisesti antamansa
lupauksen, ett'ei hän koskaan enään miekkaa käyttäisi. Joka aamu
kysyi Urban: "Koska saan nähdä auringon?" Ja yhtä säännöllisesti
vastasi Ruben Zevi: "Madridissa."
 "Silloin saan ratsastaa Torstensonin luo", ajatteli nuori kapinoitsia.

Viivyttyänsä uusien asioitten takia vähän kauemmin

Amsterdamissa, suuntasivat he matkansa Parisin kautta Madridiin.
Jokaiselle muulle juutalaiselle olisi ollut hengenvaarallista joutua
inkvisitsionin kammottuun piirikuntaan, mutta Ruben Zevi omisti
avaimen, joka hänelle aukaisi kaikki portit. Filip IV tarvitsi hänen
kultaansa vastustaaksensa Ranskaa, Alankomaita ja kapinallisia
Katalonialaisia sekä äsken Espanian ikeen alta vapautettua
Portugalia. Käytettyään kuninkaan suojeluskirjan, otettiin juutalainen
vastaan hollantilaisena pankkiirina kaikilla mahdollisilla kunnian-
osotuksilla ja hän palkitsi tämän kunnian lainalla 40 prosentin
korosta sekä korvausta vastaan Almeiran kaivoksista, siinä
tapauksessa, että portugalilaiset ottaisivat Perusta tulevan
hopealaivaston.

Ruben Zevi tunsi kaikki nurkat ja pielet Madridissa, samaten kuin

kaikissa Euroopan pääkaupungeissa. Eräänä päivänä palasi hän
maurilaisten korttelista 90-vuotiaan arapialaisen kanssa, jonka nimi
oli Damiri, ammatiltaan tämä oli muulin-ajaja ja yksi niistä monista,
jotka huulillaan tunnustivat Kristuksen ja Neitsy Marian, mutta
kuitenkin joka aamu ja ilta kääntyivät Mekkaan päin, rukoillaksensa
Muhamedia. Tämä Damiri käänsi ja katseli Urbanin silmiä, pani
yrteistä tehtyä voidetta niitten päälle sekä määräsi kolmea viikon
paastoamisen, hiljaisuutta ja pimeän huoneen. Noitten kolmen viikon
perästä otti Damiri siteen pois silmiltä ja määräsi jälleen Urbanin
istumaan kolme viikkoa hämärässä, johon asteettain valoa lisättiin ja
huudahti tämän määrätyn ajan kuluttua: "Allah akbar! Jumala on
suuri!" Hän palkittiin runsaasti. Urban Niemand oli saanut takaisin
silmiensä valon.
 Madridista matkustettiin täydessä kapinassa olevaan Barcelonaan,
sieltä kuohuksissa olevaan Neapeliin, joka pian oli kapinaan nouseva
ja sieltä kaikkein kristillisimpään Romaan. Missäpä ei kultaa tarvittu?
Ruben Zevi löysi ystäviä ja suojelioita kaikkialla. Hänen ammattinsa
kunnia oli lainata kuninkaille, jotta voisivat masentaa kapinallisia
alammaisia, sekä kapinallisille, jotta voisivat taistella kuninkaita
vastaan. Jos tappio tuotti vahinkoa, täytyi voiton kahdenkertaisesti
palkita tappion. Hän oli yhtä tuttu kardinaalien vierashuoneessa, kuin
sulttaanin moskeassa. Väitettiinpä, että paavi Urban VIII oli
tarjonnut hänelle arvonimen: Jerusalemin protektori, jos hän tahtoisi
tulla katolilaiseksi. Siihen oli Ruben Zevi omituisella hiljaisella tavalla
hymyillen vastannut profeetan sanoilla, Es. 62: 6: "Oi, Jerusalem,
minä asetan vartiat sinun muuris päälle, jotka eivät ikänä päivällä
eikä yöllä vaikene." Hän sai osan paavi Pietarin rahasta, samoin kuin
hän sai osan siitä verosta, joka sulttaanille tuli pyhästä maasta, ja
kun uskonheimolaiset syyttivät häntä siitä, ettei hän ollut tarpeeksi
arkaluontoinen, vastasi hän: "Meidän tulee imeä pakanain maitoa."

Neapelin ja Roman välillä tapahtui eräs seikka, joka oli niin

tavallista laatua, että siihen tuskin huomiota kiinnitettiin. Ruben
Zevin vaunuja sekä hänen seuralaisiansa, joita oli 12 ratsumiestä,
hätyytettiin eräässä vuorensolassa. 30 ryöväriä hyökkäsi heitä
vastaan, mutta ne joutuivat ankaran taistelun perästä tappiolle ja
monta heistä kaatui paikalle. Urban sai vielä kerran leikkiä sotaa.
Hänen lupauksensa ei tarkoittanut tällaista miekan käyttämistä; hän
oli puolustanut itseänsä, ja sitähän ei sopinut kieltää. Tuo jo puoleksi
unohtunut miekankahva näytti ikään kuin suutelevan hänen oikeaa
kättänsä ja sanovan hänelle: sotamarsalkka odottaa sinua!… Matka
kulki pohjoiseen päin; joka päivä tultiin lähemmäksi ruotsalaista
sotajoukkoa ja sotaa.
 Vielä tuli heidän käydä Genuassa, Milanossa, Venedigissä,
Wienissä, ja kaikissa näissä paikoissa oli Zevillä asioita
toimitettavana, ennenkuin he vihdoin toukokuun lopulla saapuivat
Regensburgiin. Jo ensi yönä, kun kaikki muut lepäsivät matkan
vaivojen perästä, hiipi nuori kersantti talliin, löysi sieltä
käyttämättömän, virkun hevosen ja laukkasi sillä tiehensä,
etsiäksensä Torstensonin leiripaikkaa. Hän pettyi. Ruben Zevi tunsi
tyttärensä pojan ja oli ennestään asettanut kuusi parahinta
ratsastajaansa Assar Kaban johtoon sille tielle, jota Urbanin täytyi
pohjoiseen päin kulkea. Siellä tuli yön pimeydessä kilparatsastus,
joka loppui siihen, että karkaaja vartioittuna ja tukevasti sidottuna
satulaan, palautettiin takaisin suuttuneen iso-isänsä luo.

"Poikani Absalom", sanoi juutalainen hänelle Davidin vihalla ja

Davidin surulla, "jos noin vähäpätöisinä pidät lupauksesi sekä minun
harmaat hapseni, niin muista, että minä se olen, joka tallennan
Damirin parannus-aineen, sekä että sitä tulee käyttää joka kuudes
kuukausi uudestaan, jos tahdot saada pitää näkösi. Jos vielä kerran
karkaat, olet auttamattomasti kuukauden perästä sokea. Tule sitte
jälleen kurjaksi kerjäläiseksi, anna taluttaa itseäsi Madridiin, jos
tapaat jonkun, joka sinua taluttaa, mutta tiedä, että Damiri on 90
vuotias. Kuinka kauan luulet löytäväsi hänet elävitten joukosta?"

"Olen sotamarsalkan palveluksessa; tahdon ennen olla sokeana,

kuin karata palveluksestani", vastasi nuori kersantti ynseästi.

"Olen sitä jo ajatellut Tukholmassa", vastasi juutalainen, samalla

kun hän otti esiin yhden niistä monista kirjeistä, jotka olivat häntä
odottamassa hänen kotiin tullessaan. "Kas tässä erokirjasi
sotapalveluksesta, sotamarsalkka on sen omakätisesti
allekirjoittanut, sillä perusteella, että lääkärintodistus on ilmoittanut
sinun olevan auttamattomasti sokean. Ole tyytyväinen, poikani; tämä
on kunniakas erokirja."

"Mutta minä en ole sokea, minä näen viholliset, minä ratsastan

kuten ennenkin, minä saatan palvella kuten ennenkin!" huudahti
eron saanut sotilas nyyhkyttäen niin, että pikemmin olisi luullut
häntä tytöksi, kuin Torstensonin oppilaaksi.

"Olen sanonut sinulle", vastasi juutalainen ankarasti, "että sinä

ilman Damirin parannus-ainetta jälleen tulet sokeaksi. Ja jotta et
noin pian sitä unhottaisi, pitää sinua rangaistaman kolmen päivän
pimeällä arestilla."

Nämät kolme päivää juutalaislinnan sisimmäisessä huoneessa

suljettujen akkunaluukkujen takana tuntuivat Urban Niemandista niin
pitkiltä, kuin koko kolme vuotta. Tämä ei ollut Kirkniemen
koirankoppi; täällä oli vankeus, jota hän kammoksui ja yksinäisyys,
jota hän pelkäsi. Hän ei seurustellut, kuten Hagar sisarensa,
ajatusten suuressa, puheliaassa seurassa: hänellä oli siellä aivan
vähän tuttavia. Ketä hän hakisi? Pitkiä aikoja oli kulunut siitä, kuin
hän oli kirjan aukaissut, eikä hän koskaan ollut kynää kädessään
pitänyt. Hänen tietonsa mahtui tallin seinien sisäpuolelle, satulaan,
jossa hän reippaasti ratsasti, ohjiin, joita hän niin mainiosti hoiti ja
noihin sotatemppuihin, joissa hän, vaikka vielä aivan nuori, jo oli
mestari. Mistään muusta ei hänellä koskaan ollut huolta: hänen
sielunsa oli, paitsi näillä aloilla, joissa hän vapaasti liikkui,
kirjoittamaton kirja, haka, jossa metsäkukat itsestään kasvoivat
hoitamatta, huoletta pensaston ja ruohojen seassa. Mitä hänellä oli
tehtävää yksin oman itsensä seurassa? Pitkäksyä, ikävöidä, uneksia,
riehua ja itkeä. Ainoa lohdutuksensa oli paeta jälleen, kun ensi
tilaisuus ilmaantuisi.
 Neljännen päivän aamulla avattiin tuon pimeän huoneen ovi,
jolloin Urban makasi puoleksi hereillä ja vaatetettuna siten, kuin
hänen oli tapansa ollut, valvoessaan yöllä nuotion ääressä leirissä.
Ääni, joka ei ollut tavallisen palvelian, sanoi hänelle:

"Nouse, sinä olet vapaa!"

Yhdellä hyppäyksellä oli vanki jaloillaan ja aikoi oitis lähteä ulos

vankeudestaan.

"Anna minun sanoa sinulle jotakin!" pyysi tuo lempeä, tuttu, mutta
ei pitkiin aikoihin kuultu ääni. "Tunnetko minun?"

"Mitenkä minä kissan pimeässä tuntisin?" vastasi poika äkeästi.

"Laske minut ulos!"

"Minun mielestäni ansaitsisin parempaa kiitosta. Kuka olen?

Arvaa!"

Taaskin tahtoi poika työntäytyä ulos, mutta tuo tuntematon seisoi

hänen tiellään.

"Et pääse ennen, kuin sinulle olen jotakin sanonut", virkkoi ääni.

Painiminen alkoi, mutta se loppui pian hämmästykseen, kun Urban

tarttui kiinni pehmeään naisen käteen.

"Oletko sinä Rachel?" kysyi hän.

Samassa aukaistiin akkunanluukut, ja päivänvalo virtaili

huoneeseen niin kirkkaana, että se silmiä häikäisi pitkällisen
pimeyden perästä. Ensimmäinen, minkä Urban saattoi erottaa, oli
Rachel, joka seisoi hänen edessään ujossa, neitseellisessä
kauneudessaan, toista vertaa kauniimpana, kuin mitä Urban muisti
hänen olleen vuosi takaperin. Tuo outo päivänvalo loi hänen
ympärilleen auringonloistetta. Hän ei enään ollut se Rachel, jonka
kanssa Urban oli kinannut siihen aikaan, kuin hän isoisäänsä oli
tänne seurannut Böhmin metsissä. Hän ei ymmärtänyt, että tyttö oli
kasvanut 14 vuotiaasta viidentoista vuotiaaksi.

"Tahdotko nyt kuulla, mitä minulla on sinulle sanottavaa?" kysyi

tyttö puoleksi pilalla, puoleksi ujoillaan. Urban suostui, hänellä ei
enään ollut mitään kiirettä.

"Tahdon sanoa sinulle", jatkoi hän, "että sinä olet suurin narri,
mikä maassa kulkee. Mitä varten sinä suututat parahinta ihmistä,
sinun iso-isääsi, joka on minun isäni setä sekä sinun ja meidän
kaikkien hyväntekiä? Mene oitis hänen luoksensa; pyydä häneltä
anteeksi, ja lupaa, ett'et koskaan tee häntä vastaan! Tiedätkö, mitä
on olla hänen poikanaan? Hän on enemmän kuin kuningas,
enemmän kuin keisari; hän on koko maailman hallitsia; ei yksikään
gojimin ruhtinaista ole niin mahtava kuin hän. Ja sinä tulet yhtä
rikkaaksi ja mahtavaksi kuin hän, jos alistut hänen tahtonsa mukaan.
Mitä sinä juokset kurjien sotiesi ja köyhien sotilaittesi perässä? Etkö
ymmärrä, että kun sinä tulet siksi, kuin iso-isä nyt on, saatat itse
varustaa voimallisimmat sotajoukot, eikä silloin kukaan uskalla sinua
vastustaa? Miksikä et saata totella ja odottaa? Miksikä et tahdo
tunnustaa meidän uskoamme ja olla yksi meistä? Etkö tiedä, että me
olemme valittu kansa ja kaiken maailman valtakunnat tulevat
olemaan meille alammaiset?"

Kyllä huomasi, että Rachel vuoden kuluessa oli jotakin oppinut

synagoogassa. Jos hän oli lähetys-saarnaajana lähetetty, niin Ruben
Zevi ei olisi saattanut löytää ketään kaunopuheliaampaa.
Uskonvaihtaja oli jo puolittain kääntynyt, kun lähetys-saarnaaja
suuntasi puheensa toisaalle, ja tämäpä sai hänen
käännyttämistoimensa täydelleen menestymään.

"Minä tahtoisin jotakin sinulta pyytää, jotakin itseäni varten. Isäni

Joas on joutunut iso-isäni epäsuosioon ja on ajettu pois linnasta. Se
oli sinun tähtesi, Urban, sen tähden, että hän sinua auttoi
pakenemaan ensi kerralla, muistathan? Rukoile isäni puolesta, sitte
kuin itse olet anteeksi saanut; pyydä, että hän saisi takaisin tulla, ja
minä tahdon olla sinulle kiitollinen… et saata uskoa, kuinka kiitollinen
tahdon olla!"

Hän oli monelle kalliollekkin vastustamaton. Mitenkäpä pehmeä

vaha olisi häntä vastustaa voinut? Urban Niemand tunsi aivan uuden
tunteen liikkuvan nuoressa pojan sydämmessään ja lupasi kaikkea,
mitä Rachel pyysi, meni iso-isänsä luo, pyysi anteeksi ja vakuutti
pyhästi, ettei hän koskaan enään tekisi itseään syylliseksi
tottelemattomuuteen. Anteeksi annettiin ehdollisesti; Ruben Zevi oli
tottunut ehtoja määräämään.

"Osota, että aikomuksesi on vilpitön; palvele minua uskollisesti

vuosi, niissä asioissa, joita sinulle uskon, niin minä sinulle anteeksi
annan. Siihen asti pitää sinun olla minun palveliani, mutta sen
jälkeen minun poikani. Sinun ei sitten enään tarvitse olla Ben-Oni,
tuskan poika, sinun pitää olla Benjamin, onnen poika, sillä suurin
iloni ja suurin suruni on sinun synnyttänyt. Käytä siis onnennimeäsi
niin, ett'ei minulla koskaan ole syytä ottaa sitä takaisin!… Sinä et
osaa kirjoittaa?"

Urbanin täytyi todenmukaisesti kertoa, että hän tuskin osasi lukea.

Se vähä, mitä hän lapsuudessaan oli oppinut, oli aikoja sitten
unohtunut.
 "Sinun pitää tästä päivästä alkaen joka päivä lukeman ja
kirjoittaman Rachelin johdolla. Tee sitä reippaasti; minä tarvitsen
sinua konttoorissani."

Kauppiaan konttoori oli inhoittavin, mitä Urban saattoi ajatella

tulevaisuuttaan kuvitellessansa, mutta hän lupasi totella ja uskalsi
sitten rukoilla Joaksen puolesta.

"Mitä?" ärjäsi vanhus, uudestaan suuttuneena. "Oletko sinä

yhdessä liitossa Rachelin kanssa päättänyt pyytää armoa tuolle
petturille?… Joas! Ja sinä pyydät armoa Joakselle! Etkö tiedä, että
hän on sinun verivihollisesi? Tarpeellista on, että saat tietää, kenenkä
kanssa sinä täällä joudut tekemiseen. Minä olen ajanut ulos Joaksen
vaimoinensa ja lapsinensa, paitsi Rachelia, joka on viaton ja minulle
uskollinen, kuten oma lapsi. Hänen isänsä on seitsemänkymmentä
kertaa minua pettänyt ja seitsemänkymmentä kertaa saanut
anteeksi, mutta kun hän vuosi takaperin antoi sinulle hevosen,
aukenivat minun silmäni. Huomaa, että paitsi veljeäni Mordechaita,
joka on Smyrnassa, ja hänen lapsiansa, ovat Joas ja hänen sisarensa
Thamar, vanhimman veljeni lapset, näihin asti, omien lasteni
kuoleman jälkeen, olleet lähimmät sukulaiseni. Thamar on
maankuleksia, mutta Joas on edeltäkäsin laskenut, mitä hän minun
kuoltuani tulisi perimään, vaikka minä en ole ajatellut, että hän
omaisuuteni saisi, vaan olen tuuminut antaa suurimman osan
Rachelille. Odottamatta nousee yöstä ja kuolemasta ilmoille kaksi
tyttärenlasta, jotka ovat minulle läheisemmät kuin Mordechai, Joas ja
Thamar. Ymmärrätkö siis, mitenkä niitten täytyy olla sinun ja sisaresi
verivihollisia? Ole varuillasi, mielipuoli! Joas on kerran auttanut sinua
karkaamaan toivossa, että minä oikeutetussa vihassani tekisin sinun
perinnöttömäksi. Toisella kertaa hän vainoo sinun ja sisaresi henkeä.
Täällä olet turvassa, mutta linnanporttien ja Regensburgin muurien
ulkopuolella sekä keskellä ruotsalaista sotajoukkoa, jonka luo sinä
niin tyhmästi halajat, Joas sinun löytää ja tietää, miten hän sinulle
kuoleman iskun antaa. Vielä hänen käsivartensa on liiaksi lyhyt
ennättämään Hagaria, ellei hän Thamarin kautta häntä tapaa, mutta
ei yksikään susi Böhmin metsien rotkoissa niin hartaasti saalistansa
vainoo, kuin Joas teitä molempia. Joas on viekas ja Mordechailla on
mahtavia liittolaisia: he tietävät, mitä voivat, jos tulevat minun
perillisikseni. Sitä varten ajavat he asiaansa kultavuorilla, kun minun
käteni kerran on puuttuneena ja vanhat silmäni suljettuina. Kas siinä
syy, miksi minun on monen todistuksen avulla täytynyt turvata sinun
ja sisaresi perintöoikeutta. Sitä sinä et vielä käsitä, sillä sinun halusi
on leikkikaluissa, joissa on hevosia ja miekankalsketta, mutta kerran
sinä minua olet kiittävä, kun mieheksi tulet. Ja mieheksi tahdon
sinun tehdä, poika; tahdon tehdä sinut äitisi pojaksi, eikä isäsi. Ei
sanaakaan enään Joaksesta!"

"Kuka oli isäni?" kysyi nuorukainen, paremmin siitä syystä, että

muisti kuningattaren kysymyksen, kuin siksi, että itse olisi pitänyt
tätä tietoa tärkeänä. Ruben Zevin katse synkistyi.

"Kysy, mikä se yö oli, joka varasti valoisan päivän sen

ihanimmassa aamuhetkessä, mutta älä koskaan kysy isäsi nimeä! Se
tuottaa onnettomuutta jokaisille huulille, jotka sitä lausuvat."

Urban oppi Rachelin johdolla lukemaan ja kirjoittamaan.

Metsistynyt haka viljeltiin odottamattoman joutuisasti. Ymmärrystä ei
ollut puuttunut, vaan halua, ahkeruutta, kestävyyttä ja
kärsivällisyyttä. Hänellä ei ollut sisarensa selvää, läpitunkevaa
käsitysvoimaa, mutta kekseliäisyydessä oli hän usein sisartaan
vikkelämpikin. Nyt oli hän saanut halua, tiesi mistä. Tavuut hyppivät
hänen päähänsä ja piirsivät suuria, kankeita viivoja paperille hänen
eteensä. Tuo viidentoista-vuotinen opettajatar, joka opetti kohta
seitsemäntoista vuotta täyttävää oppilasta, koetti kaikin voimin
ylläpitää tarpeellista kunnioitusta. Toisinaan se hänelle onnistui,
mutta toisinaan ei. Moni tunti aljettiin ankarasti tutkimalla
tuntemattomia kuvakirjaimia ja lopetettiin heleään nauruun ja
kilpajuoksuun huoneen ympäri. Ruben Zevi havaitsi kerran oppilaan
ulos kiipeämässä toiseen kerrokseen akkunaluukun päällä ja
opettajattaren käsiruisku kädessä vettä suihkaten häntä takaa
ajamassa. Vanha juutalainen hymyili ja palasi huomaamattomana
pois. Hänellä oli syynsä eikä hän tullutkaan petetyksi. Kuukautta
vähemmässä ajassa oli Urban saanut valtaansa sekä kirjat että
kirjoituksen. Hänen arvolauseensa lukukinkereillä ehkä ei olisi ollut
parahinta laatua, mutta hän tuli kuitenkin toimeen, kuten hän aina
oli tullut, kun hänen piti ajaa karauttaa vallihaudan, tahi orapihlaja-
pensaston yli. Ruben Zevi unohti, että tyttärenpojan vielä olisi
pitänyt tyytyä palvelian asemaan, ja antoi hänelle palkkioksi sen
arapialaisen juoksian, josta kirjeessä mainittiin ja joka oli parempi
kuin Levyn sulttaani, paras juoksia juutalaiskorttelissa. Urbanin
luonnolle ja hänen karkaamishalullensa olisi tämä lahja ollut suurena
kiusauksena, jos ei tuo valpas Assar Kaba olisi saanut käskyä seurata
hänen mukanansa ratsastusretkillä.

Kuukausi sen jälkeen, kuin lukutunnit olivat alkaneet, ruvettiin

Urban Niemandia käyttämään helpoimmissa toimissa Ruben Zevin
konttoorissa. Kahden kuukauden kuluttua hän saattoi ottaa osaa
kirjevaihtoon ja toimittaa vähempiä lähetyksiä. Kolmen kuukauden
perästä kulki hän vaatetettuna kuten juutalaiset ja vietti sabbattia
synagoogissa. Hän kulki kuten unissaan, täydellisesti vangittuna
Rachelin kahleisiin.
 Silloin ratsasti eräänä päivänä muutamia vankeja Torstensonin
joukosta Mähristä Regensburgiin. Niitä oli kuusitoista repaleista,
likaista, haavoista ja vaivoista surkastunutta sotamiestä, joita
keisarilliset kyrasierit vartioitsivat. Urban palasi juutalaispuvussa
eräältä toimitusmatkalta, kirjelaukku kainalossaan, kun tuo joukko
tuli häntä vastaan, ja hän kuuli erään vangeista sanovan
kumppanilleen ruotsinkielin: "täällä kullattu juutalainen asuu."

"Onpa vahinko", vastasi kumppani, "ett'ei meitä nyt ole 2,000,

joilla olisi vapaat ohjat käsissä; täällä olisi jotakin ansaittavana."

Tuo kaikui kuin ruotsalainen rummun päristys rauhallisen

kirjeenkantajan korvissa. Hän heräsi mielestään kuten lumouksesta,
läheni vankeja ja kysyi, myöskin ruotsiksi, mistä he olivat. Vangit
saivat suuret silmät. He hämmästyivät, kun kuulivat juutalaisen
puhuvan heidän kieltään ja sanoivat olevansa smålantilaisia ja
uusmaalaisia ratsumiehiä, jotka ollessaan ruoan etsinnässä olivat
joutuneet väijymispaikkaan ja heidän oli täytynyt antautua vangiksi
ylivallan takia.

Oli Pyhän Bartholomeuksen päivä ja paljon väkeä liikkeellä. Urban

seurasi väkijoukon muassa tuota hitaasti marssivaa jonoa, kysyen
uutisia sotakentältä.

"Se on joku vakooja", kuiskasi eräs ratsumies kumppaneilleen,

tällä kertaa suomenkielin; "valehdelkaamme!" sen jälkeen vastasivat,
että Torstenson oli valloittanut Wienin, että hän oli lähettänyt
keisarin hiirenhäkissä Tukholmaan sekä että hänen joukkonsa nyt oli
marssimassa Romaan asettaaksensa Kristiina kuningatarta paavin
istuimelle.
 "Sinä valehtelet kuten mies, n:o 18, Spjut! Saksan Pukki!"
huudahti entinen kersantti, joka tunsi miehen omasta osastostaan ja
iloissaan sanoa sutkahutti ratsaskunnassa käytetyn haukuntasanan.
"Tahdotko tulla vapaaksi, kumppani? Minä seuraan teitä ja pakenen
teidän kanssanne."

Vangit eivät saaneet aikaa ihmettelemiseen eikä ehdotuksen

miettimiseen, sillä väkijoukko tunki päälle ja tuuppasi nuoren
juutalaispojan tieltä pois. Tavallinen herjaussana (väärä-oppinen)
alkoi aina äänekkäämmin kuulua, pian lensi ensimmäinen kivi
vankien pelastettuja päitä kohden ja sitä seurasi useampia, melu
nousi, kyrasierit asettuivat taajaan kuljetettaviensa ympäri ja
tunkivat joukot takaisin.

Urban näki katupojan nostavan raskaan kiven, jolla aikoi tehdä

kuolettavan iskun. Tässä oli mahdotonta pysyä välinpitämättömänä
katseliana. Hänpä rupesi kampittaan sopivaan aikaan ja poika kaatui
päistikkaa vasten naamaansa maahan. Siitä hän nyt rupesi
koperoitsemaan ylös ja huusi: juutalaisia! juutalaisia! Huuto sai
kaiun; väkijoukko jakaantui, toinen osa ajoi vankeja takaa ja toinen
juutalaisia.

Urban pakeni, yksi sataa vastaan, kaasi kumoon täällä yhden,

tuolla toisen, konttasi nostettujen käsivarsien alitse, hiipi
kompastelevien jalkojen välistä eteen päin ja oli pian ennättänyt
juutalaiskorttelin sisäänkäytävälle. Melske oli kuulunut linnaan ja
siellä tehtiin varustuksia puolustamista varten. Nämät vainotut
juutalaiset olivat aivan tottuneet näkemään, että raivostunut kansa
hyökkäsi kerran tahi useammasti vuodessa heidän erikois-
asuntojansa kohti. Heidän elämänsä vaihteli alituisesti ulkonaisen
sorron, häväistyksen, nöyryyden, sisällisen masentamattoman
ynseyden, sekä sen järkähtämättömän varmuuden välillä, että kerran
voittaisivat maailman. Tällä kertaa kansan aallot tyyntyivät, ennen
kuin ehtivät linnan muureille asti.

"Täällä ovat kirjeet", sanoi Urban, kertoen melskeestä, mutta ollen

puhumatta siitä, että oli tavannut maanmiehiänsä. Tämä alennuksen
ja ylpeyden välinen elämä näytti hänestä auttamattoman kurjalta,
verrattuna vapaitten miesten ritarilliseen taisteluun avoimella
sotakentällä.

Kun hän kertoi päällekarkauksesta, varoitti häntä vanha iso-isä.

"Ymmärrätkö nyt, että sinun tulee olla varuillasi, sekä ett'ei henkesi
ole turvassa missään muualla kuin täällä, niin kauan kuin Joas elää?
Mutta hän ei kauankaan saa olla palkattomana, eikä myöskään
hänen sisarensa Thamar. Minun Tukholmassa oleva asiamieheni
kirjoittaa minulle, että Thamar siellä on esiintynyt ruhtinatar
Radzivilina sekä että hänellä on ollut salaisia juonia saadaksensa
Hagarin hengiltä. Kyykäärmeitten yli käy teidän tienne: kulkekaatte
Herran suojeluksen alla, niin ei mikään paha teihin koske. Olen
myöskin saanut kirjat, jotka teidän syntyperänne todistavat, Hagarin
suojelialta, presidentti Kurjelta. Siinä tulee esiin kummallinen selitys
äitisi viimeisistä kohtaloista. Hänen kammarineitsyellänsä, joka
hänen petti, oli tönkkäsormi oikeassa kädessään… Thamarilla on
vielä tänäkinpäivänä tönkkäsormi oikeassa kädessään…"

"Mestari", virkkoi Urban äkkiä, "laskekaa minut irti; antakaa minun

mennä kostamaan äitiäni ja suojelemaan sisartani! Minä tahdon
löytää
Thamarin, vaikka minun sitte täytyisikin mennä maailman ääriin.
Antakaa minulle Thamarin veri!"

Ruben Zevi katsoi häntä tutkistellen.

 "Nureksitko sinä?" sanoi hän. "Jos jotakin löytyy, josta minä
kadehdin kristittyjä marttyyreja, niin on se heidän kärsivällisyytensä
ja luottamuksensa heidän vuosikausia kestävissä kärsimyksissään.
Me tarvitsemme samaa uskallusta, mutta meidän voittomme lähenee
päivä päivältä, kun heidän toivonsa on epätietoisessa etäisyydessä.
Heillä ei ole muuta, johon turvata saattavat, kuin taivas, mutta meillä
on sitä paitsi maa, joka meille on perinnöksi annettu. Lyö heitä,
Herra, tee gojimit sokeiksi, jotta he nousisivat kapinaan toinen
toisiansa vastaan ja hävittäisivät toisiansa, sillä noitten kaatuneitten
verestä Israelin kunnia nousee. Jos minun silmäni eivät näe Jakobin
siemenen tulevan Jerusalemiin, pitää minun lasten lasteni näkemän
sen päivän, jolloin kuninkaat rukoilevat uudestaan rakennetussa
temppelissä ja jolloin juoksiat Midianista ja Efasta tuovat meren
aarteet ja kansan omaisuudet meidän porttiemme luo. Äitisi poika,
älä anna tämän ajan vaivain liian raskaasti painaa kärsimätöntä
mieltäsi! Sinun pitää näkemän sen päivän, jolloin meidän
sortajamme kumartavat meitä maahan asti; sinun pitää heistä
iloitseman ja siunaaman sitä päivää, jolloin pelastuit takaisin kansasi
joukkoon. Jää meille! Tule pojakseni, niin olet rakentava Jerusalemin
portit!"

24. Elämää koskevia kysymyksiä.

Tahdotko kantaa kruunuani? Ota se!

"Minä en tunne enään Kersti röökinää", sanoi rouva Beata

Oxenstjerna veljelleen valtiokanslerille eräänä hetkenä, jolloin
kahden kesken olivat. "Hän on ollut kuten toinen ihminen siitä asti,
kuin pääsimme tuosta suomalaisesta noita-elävästä."

"Kiitä Jumalaa siitä, että isän luonto kasvaa lapsessa." vastasi

valtiokansleri. "Noidat eivät siinä mitään tee; sellainen syntyy
luonnollisesta sisällisestä laadusta."

"Niin, se on ehkä kaikki teeskentelyä vain sopivaan aikaan. Hän

mielittelee meitä vähitellen siksi kuin tästä vuosi kuluu."

"Eikö rakas sisar ole ennen nähnyt nuoren immen kasvavan

tytöstä neidoksi? Se tuottaa tavallisesti mukanaan lempeämpää
luontoa siksi, että siihen tulee uutta ruutia ruutikoloon. Onko Kersti
röökinä löytänyt uuden lelun tuon Hagar tytön jälkeen?"

"Sen mukaan, mitä minä tiedän, ei hän vielä ole. Päin vastoin ei
hän edes Ebbastakaan huoli, kuten ennen."

"Kyllä tulee uusi, ei siihen pitkääkään aikaa kulu. Minun mielestäni

olisi ollut parempi, että olisimme antaneet röökinän pitää entisen
lemmittyisensä polvellaan, kuin että vaivasimme häntä etsimään
uutta. Oli vain turhaa juoruttelemista eikä mitään muuta nuo puheet
tyttö Hagarista: kirja-oppi ei mitään rauhattomuutta tuota. Se uusi,
joka tulee, ehkä ei ole yhtä helposti hoidettu. Huomaa, että Ebba
Sparren ja Hagar Ringin jälkeen tulee nuori mies!"

"Jumala varjelkoon! Luuleeko teidän lemmellisyytenne sitä?"

"Rakas sisareni saattaa olla siitä niin varma, kuin että nupusta
puhkeaa kukka. Minä odotan aikaamme, jolloin meitä armollisesti
tahi epä-armollisesti kiitetään palveluksestamme ja saamme mennä."
 "Mitä teidän lemmellisyytenne sanoo! Nuori mies! Mutta jos sen
nuoren miehen nimi on herra Kaarle Kustaa?"

"Niin, jos hänen nimensä on Kaarle Kustaa?"

"Niin rohkenen kehottaa, että kuulutettaisiin ja pidettäisiin häitä

tulevana jouluna, rehellisen ruotsalaisen tavan mukaan. Siinä missä
ei kukaan mäessä saata pyörää vastustaa, lykätään sitä ennemmin
menemään, kuin asetutaan yli ajettavaksi."

Valtiokansleri kohotti olkapäitään.

"Rakas sisareni on ihmeteltävä perheen emäntä ja hoitaa

kuninkaanlinnaa niin, ettei yksikään pellin-nuora ole liika lyhyt eikä
liika pitkä. Mutta mitä tulee naiskysymyksiin, niin puhukaamme
kammaripiikojen pestistä. Rahatoimikammarissa sanotaan, että
röökinä tuhlaa taalareita kuten pähkinöitä. Paras pitää siellä
huoneentarkastusta niin kauan, kuin rakas sisareni jotakin saa
sanoa, eikä rakkaan sisareni sitten muusta tarvitse huolta pitää!"

Täten jätettiin kysymys tällä kertaa. Mutta Beata rouvan huomiot

eivät olleet tyhjiä loruja. Kaikki Kristiinan läheisessä piirissä olevat
henkilöt huomasivat, että hän joka päivä kasvoi, ei ainoastaan
kruunun ylhäisyyttä varten, vaan kuninkaallisessa mielenlaadussaan.
Aina pfalzkreivitär Katariinan kuolemasta asti oli hän ollut viisas,
mutta vaikea hoitaa ja oikullinen lapsi. Hän oli kolmannestatoista
vuodestaan ollut vaihtelevainen, ärtyisä, enemmän arvaamaton
olennossaan, kuin kukaan muu hänen ikäisistään. Tämä aika oli ollut
kuin päiväntasauksen aika, jolloin tuulenpuuskat ja vihurit käyvät,
mutta se aika oli nyt ohitse, tuulet olivat nähtävästi tyyntyneet.
Kristiinan koko olentoon ilmestyi ihmetyttävä levollisuus. Hän kävi
lempeämmäksi, maltillisemmaksi ja kaikin tavoin
rakastettavammaksi. Hänen ei aina onnistunut hillitä kiivasta
luontoaan, joka näihin asti oli esteettömästi kuohunut, mutta hän
koetti sitä hillitä. Hän tuli kohteliaammaksi ja tuttavallisemmaksi; otti
enemmän osaa muitten iloon ja suruun; hän osotti asemansa ja
velvollisuutensa käsittämisessä sellaista vakavuutta, jota ei ennen
hänessä luultu olevan. Hänen huvituksensa pysyivät paremmin
kohtuuden rajoissa ja opintonsa säännöllisempinä ja paremmin
koossa. Hän saattoi tarkkaavaisuudella kuunnella neuvoston
keskusteluja ja, kun hänen ajatustaan tahdottiin kuulla, ilmilausua
tuumansa niin viisaasti, että valtiomiehet olivat ihmeissään.

Kuningatar vietti osan kesää Gripsholmassa. Ebba Sparre oli

matkustanut tervehtimään kivulloista isäänsä; ruhtinatar Maria
Eufrosyne oli asettunut hänen paikalleen lähimmäksi ystäväksi.
Eleonora Katariina, kohta tämän jälkeen Hessenin maakreivitär, ei
uskaltanut näyttäytyä, vaan uneksi entisiä, 90 vuotta sitten menneitä
Cecilia Waasan aikoja.

Historiallisella Ruotsilla on uhkeampia linnoja ja jyrkempiä

muureja, mutta ei yhtäkään lempeämpää, viheriäisempää,
kauniimpaa kuningasmuistoa, kuin Mälarin nykyinen tyven
Gripsholma. Tässä linnassa, jonka Bo Jonsson alkujaan oli
perustanut ja Kustaa Waasa uudestaan rakennuttanut, oli vielä
Kristiinan aikana, vanhoine nostosiltoineen, keski-ajan linnan
synkkää vakavuutta. Punaisen tiilikaton ylitse suippiopäätyineen,
ullakkohuoneineen ja korkeine savutorvineen kohoutui neljä tornia:
kuningas Eerikin torni (Kirkontorni), herttua Juhanan (Kotkantorni),
herttua Maunun (Waasatorni), Kustaa Olavinpojan (Vankitorni).
Tässä olevasta kolmesta huonekerroksesta oli ainoastaan
keskimmäinen sisustettu kuninkaallisia vieraita varten. Noissa
renaissanssimuotoon ruskealla ja punaisella koristetuissa huoneissa
Welcome to Our Bookstore - The Ultimate Destination for Book Lovers
Are you passionate about books and eager to explore new worlds of
knowledge? At our website, we offer a vast collection of books that
cater to every interest and age group. From classic literature to
specialized publications, self-help books, and children’s stories, we
have it all! Each book is a gateway to new adventures, helping you
expand your knowledge and nourish your soul
Experience Convenient and Enjoyable Book Shopping Our website is more
than just an online bookstore—it’s a bridge connecting readers to the
timeless values of culture and wisdom. With a sleek and user-friendly
interface and a smart search system, you can find your favorite books
quickly and easily. Enjoy special promotions, fast home delivery, and
a seamless shopping experience that saves you time and enhances your
love for reading.
Let us accompany you on the journey of exploring knowledge and
personal growth!

ebookball.com