PRZETWARZANIE SYGNAŁÓW -...
Transcript of PRZETWARZANIE SYGNAŁÓW -...
2017-10-20
1
Człowiek- najlepsza inwestycja
Projekt współfinansowany przez Unię Europejską
w ramach Europejskiego Funduszu Społecznego
PRZETWARZANIE SYGNAŁÓWSEMESTR V
Dostosowanie narzędzi matematycznych
do potrzeb praktycznej analizy sygnałów
2017-10-20
2
Podstawowe operacje na sygnale,poprzedzające przetwarzanie cyfrowe
Filtracja dolnoprzepustowa
- wymóg tw. o próbkowaniu
Próbkowanie Konwersja A/C
Rozważania analityczne – przekształcenie Fouriera - w przedzialenieskończonym. Sygnały są ciągłe (na ogół) i mogą istnieć dla wszystkich t(także dla ujemnych).
W praktyce – rejestrowane sygnały są przyczynowe (istnieją dla t>0), zebranepróbki reprezentują skończony (ograniczony w czasie) fragment sygnału, (który w
ogólności może istnieć dłużej – zarówno przed rozpoczęciem jak i po zakończeniu procesu próbkowania).
Oznacza to że symetryczne okno prostokątne z rozważań analitycznych zostaje
przesunięte do początku układu f(t-t0) exp(-jt0)F()
Ograniczony sygnał - wprowadzenie ograniczeń czasowych pod całkę Fouriera– widmo chwilowe :
t)dt(-jf(t) = )t,F(+t
t
exp0
0
0
Narzędzia analityczne a uwarunkowania praktycznej analizy sygnałów I
2017-10-20
3
Widmo chwilowe
Wprowadzenie ograniczeń czasowych pod całkę Fouriera jest równoznaczne zprzemnożeniem poddawanej analizie funkcji f(t) przez funkcję g(t), różną odzera w przedziale <t0,t0+τ> i równą zeru poza tym przedziałem, np. oknoprostokątne:
t)dt(-jf(t)g(t) = )t,F(-
exp0
oznacza to, że wyznaczamy TF nie funkcji f(t), ale iloczynu f(t)g(t) F(ω)*G(ω).Wyznaczone w ten sposób widmo będzie mieć właściwości określone przezoperacje splotu i właściwości obu widm, a więc także przez właściwości funkcjig(t), zwanej często oknem lub funkcją granic.
Narzędzia analityczne a uwarunkowania praktycznej analizy sygnałów II
Narzędzia analityczne a uwarunkowania praktycznejanalizy sygnałów III
Przetwarzanie cyfrowe – reprezentacja dyskretna zarówno wdziedzinie czasu, jak i częstotliwości
Sygnały przetwarzane są po operacji próbkowania – ich widma sąokresowe!
Widma sygnałów są wyznaczane dla ograniczonego zbioru punktówna osi częstotliwości, a sygnały mają ograniczony czas trwania – SFczy TF?? Modyfikacje obu metod.
(inne problemy – np. wpływ kwantyzacji i skończona długość słowa)
2017-10-20
4
Przekształcenie Fouriera
sygnału spróbkowanego
i
szereg Fouriera
dla sygnałów dyskretnych
Przekształcenie Fouriera sygnału spróbkowanego
Sygnał spróbkowany (∆t – okres próbkowania):
)exp()()exp()()}({ tnjtnftdttjtftfFn
ss
nn
s tntftnttftf )()()()(
Przekształcenie (met. prostokątów):
)exp()()}({ tnjtnfttfFn
s
Jak wynika z twierdzenia o próbkowaniu, TF sygnału spróbkowanego jest okresowa
2017-10-20
5
Przekształcenie Fouriera sygnału spróbkowanego
Stosowany jest także zapis
gdzie: Ω=ω∆t=ω/fs=2πf/fs fs =1/∆t – częstotliwość próbkowania,f(n) – kolejne próbki sygnału
Zapis ten uwypukla okresowość transformaty ze względu na Ω zokresem 2π!!!
)exp()()exp()()(
jnnftjntnfteFnn
j
Przekształcenie:
Konwencje zapisu: F(ω) – TF sygnału ciągłego, F(ejΩ), F(ejω) – TF sygnału spróbkowanego
)exp()()}({ tnjtnfttfFn
s
Przekształcenie odwrotne:
Odwrotne przekształcenie Fouriera sygnału spróbkowanego
djmeFtmf j )exp()(2
1)(
gdzie: Ω=ω∆t=ω/fs=2πf/fs fs =1/∆t – częstotliwość próbkowania,∆t – okres próbkowania.
2017-10-20
6
Szereg Fouriera dla sygnałów dyskretnych(czyli Dyskretna Transformacja Fouriera DTF)
Dysponujemy N próbkami sygnału f(n), n=0, 1, ...N-1, okres próbkowania Δt,czas trwania sygnału wynosi T=NΔt. granice sumowania w równaniu TF stająsię skończone:
)exp()()(
jnnfteFn
j )exp()()(1
0
jnnfteFN
n
j
Ω=ω∆t=ω/fs=2πf/fs
Zazwyczaj wyznacza się skończoną liczbę wartości Fk, dla Ωk=2πk/N, k=0, 1,...N-1
Często współczynniki zapisuje się normalizując je do Δt:
)/2exp()()(1
0
/2 NknjnfteFFN
n
Nkjk
)/2exp()(/1
0
NknjnftFN
nk
Szereg Fouriera dla sygnałów dyskretnych(czyli Dyskretna Transformacja Fouriera DTF)
Dysponujemy N próbkami sygnału f(n), n=0, 1, ...N-1, okres próbkowania Δt,czas trwania sygnału wynosi T=NΔt. Zazwyczaj wyznacza się skończonąliczbę wartości Fk, dla Ωk=2πk/N:
Często współczynniki zapisuje się normalizując je do Δt:
)/2exp()(1
0
NknjnftFN
nk
)/2exp()(/1
0
NknjnftFN
nk
Przekształcenie odwrotne
1
0
)2
exp()(N
kk
N
knjFnf
2017-10-20
7
Najczęściej stosowana jest notacja:
gdzie xn- ciąg próbek sygnału, Xk – ciąg wartości DTF (współczynników SF),
k,n=0, 1, 2...., N-1,
wprowadza się także oznaczenie czynnika exp(j2π/N) przez WN – nosi on nazwęczynnika rotującego
1
0
)2
exp(N
nnk
N
nkjxX
1
0
)2
exp(1 N
kkn
N
knjX
Nx
1
0
1
0
)2
exp(N
n
knNn
N
nnk Wx
N
nkjxX
)2
exp(N
jWN
Szereg Fouriera dla sygnałów dyskretnych(czyli Dyskretna Transformacja Fouriera DTF)
Szereg Fouriera dla sygnałów dyskretnych
N
nkjtn
tNjktn
Tjktjk
2220
gdzie: N liczba próbek x(n), okres sygnału T, okres próbkowania Δt=1/fs,N=T/Δt, ω0=2π/T=2π/(NΔt), f0=1/T, momenty położeń próbek t=nΔt. Wpowyższej formule „znika” zarówno wartość częstotliwości próbkowania,jak i czasu, pozostają tylko indeksy próbek sygnału i wartości DTF.
Wynik analizy widmowej sygnałów dyskretnych określa relacjęczęstotliwości danej składowej sygnału do częstotliwości próbkowania. Wcelu określenia fizycznej wartości tej częstoltiwości niezbędna jestznajomość wartości częstotliwości próbkowania.
argument funkcji wykładniczej z TF czasu ciągłego
przyjmuje w wyrażeniu opisującym współczynniki rozwinięcia następującą postać:
2/
2/
0 )exp()(1
T
T
k dttjktfT
F
2017-10-20
8
1.Liniowość
2.Okresowość z okresem N
3. Symetria dla rzeczywistych wartości xn Xk=X*N-k
4.DTF iloczynu dwóch ciągów próbek – splot DFT tych ciągów
Splot dwóch ciągów zn=xn*yn
5.DTF splotu ciągów – iloczyn DTF tych ciągów
1
0
*N
kknknnn yxyxz
1
0
)2
exp(N
nnk
N
nkjxX
Właściwości DTF I
6.Przesunięcie ciągu o n0 próbek: x(n-n0) Xkexp(-j2πkn0/N)
7.Rozdzielczość częstotliwościowa (odległość między wartościami DTF):
wartości DTF wyznaczane są w punktach fk
odpowiadającym rzeczywistym wartościom f
odstęp między kolejnymi wartościami wynosi 1/N
odpowiada pewnej różnicy częstotliwości
Odstęp czasowy między kolejnymi próbkami wynosi 1/fs (fs - częstotliwość
próbkowania), ciąg N próbek poddawany DTF odpowiada czasowi T=N/fs, a więc
rozdzielczość częstotliwościowa jest odwrotnie proporcjonalna do T: Δf=fs/N=1/T;
iloczyn rozdzielczości częstotliwościowej i czasu trwania sygnału jest stały TΔf=1!
Nf
Nff skk
111
1
0
)2
exp(N
nnk
N
nkjxX
N
kf
N
kf sk
Właściwości DTF II
2017-10-20
9
Sygnał ciągły skończony
TF - ciągła, nieokresowa
Sygnał ciągły okresowy
SF - dyskretny, nieokresowy
Sygnał dyskretny (próbkowany) nieskończony
transformata - ciągła, okresowa
Sygnał dyskretny (próbkowany) skończony (okresowy)
dyskretny szereg Fouriera DFT -dyskretny, okresowy
Szeregi i przekształcenia Fouriera - podsumowanie
T
|)(F| = )(
2T
T
lim
Φ(ω) = |F(ω)|2/T
s
kkk
fN
X
T
XG
/
|||| 22
N
kf
N
kf sk
gdzie Xk to wartości transformaty Fouriera dla częstotliwości fk
Sygnały czasu ciągłego
Uwarunkowania praktyczne:(ograniczony rekord danych)
Sygnały spróbkowane/dyskretne xn, n=0, 1, ...N-1
wartości Gk określone dlak=0, 1, ... N-1
Widmowa gęstość mocy sygnałów dyskretnych
Najczęściej wykorzystywana w analizie widmowej wielkość -widmowa gęstość mocy WGM
2017-10-20
10
N
kf
N
kf sk
Sygnały spróbkowane/dyskretne
wartości Gk określone dla
Widmowa gęstość mocy sygnałów dyskretnych
)/2exp()(1
0
NknjnxtXN
nk
gdzie Xk jest określone następująco
Zastosowanie powyższej formuły wyznaczania Xk jest istotne z punktu widzeniapomiarów fizycznych, prawidłowego skalowania i poprawności jednostek WGM
s
kkk
fN
X
T
XG
/
|||| 22
s
N
n
N
n
s
kk
Nf
Nknjnx
tN
Nknjnxt
fN
XG
21
0
21
02 |)/2exp()(||)/2exp()(|
/
||
Jednostki mocy i WGM wywodzą się z elektrotechniki, sygnał x(t) jesttraktowany jako napięcie (natężenie prądu), analizujemy moc wydzielaną wjednostkowym oporze, czyli wielkość proporcjonalną do x2(t). Jednostkąmocy jest 1 Wat (1W), jednostką widmowej gęstości mocy 1W/Hz, czyli mocprzypadająca na jednostkowe pasmo częstotliwościowe.
Wyznaczenie mocy sygnału w pewnym pasmie sprowadza się dowyznaczenia całki z przebiegu WGM w tym pasmie.
Widmowa gęstość mocy sygnałów dyskretnych
21
0
2
|)/2exp()(|1
/
||Nknjnx
NffN
XG
N
nss
kk
2017-10-20
11
Widmowa gęstość mocy sygnałów dyskretnych
WGM jest wielkością rzeczywistą. Ze względu na symetrię wartości Xk dlarzeczywistych wartości xn mamy symetrię Gk względem N/2: Gk=GN-k
Z tego względu wystarcza przedstawienie Gk w zakresie k=0,1,...N/2-1, któryodpowiada zakresowi 0-0.5fs. Oprogramowanie/analizatory widma prezentująwidmową gęstość mocy w takim przedziale, pomnożoną 2x (zapewnia tozachowanie właściwości energetycznych). Jest to tzw. jednostronna widmowagęstość mocy:
21
0
2
|)/2exp()(|1
/
||Nknjnx
NffN
XG
N
nss
kk
s
kk
fN
XG
/
||2 2
Widmowa gęstość mocy jest wielkością parzystą i wystarczy przedstawić ją wprzedziale w zakresie k=0,1,...N/2-1, który odpowiada przedziałowi 0-0.5fs (0-ωo/2).
Systemy (programy) naukowe/komercyjne do analizy sygnałów przedstawiają w taki właśnie sposób WGM, często podając przedział jako 0-1/2 lub 0-. Wynika to ze wspomnianej parzystości i okresowości przekształceń fourierowskich dla sygnałów czasu dyskretnego (spróbkowanych).Rysunek poniżej przedstawia kwadrat modułu TF spróbkowanego z pulsacją ωo
sygnału cosinusoidalnego o pulsacji Ω. ωo odpowiada 2. WGM przedstawiona jest wyłącznie w zakresie zaznaczonym czerwonym prostokątem (0-ωo/2, 0-).
s
kk
fN
XG
/
||2 2
21
0
2
|)/2exp()(|1
/
||Nknjnx
NffN
XG
N
nss
kk
Widmowa gęstość mocy sygnałów dyskretnych
2017-10-20
12
1. Zebrać ciąg próbek sygnału xn, n=0, 1,...N-1
2. Ew. zastosować funkcję granic wn: xnwn, n=0, 1,...N-1
(ew. uzupełnić ciąg zerami – NFFT próbek)
3. Wyznaczyć DTF Xk ciągu xnwn, n=0, 1,...N-1, k=0, 1, ... N-1
(ew. ciągu uzupełnionego zerami – NFFT próbek)
4. Wyznaczyć kwadraty modułów DTF dla k=0,1, .. N/2-1
5. Wyznaczyć WGM
21
0
|)2
exp(|2
N
nnn
s
kN
nkjxw
NfG
Widmowa gęstość mocy – procedura obliczania
Dyskretna analiza widmowa
przeciek widma
funkcje granic
zero padding
2017-10-20
13
1000*cos(2*pi*1.05*(t-1)/64)+10*cos(2*pi*(t-1)/4);
Analiza widmowa – przeciek widma
t=1:1280;
DTF dla N=64 (na rysunku - pierwiastek kwadratowy modułu DTF)
Niewielka zmiana relacji f/fs w sposób drastyczny zmieniła wynik analizywidmowej – widmo sygnału sinusoidalnego o słabszej amplitudzie przestało byćwidoczne, pojawiło się wiele prążków nie posiadających interpretacji fizycznej.
1000*cos(2*pi*1*(t-1)/64)+10* cos(2*pi*(t-1)/4);
f(t)=1000*cos(2*pi*1.05*(t-1)/64)+10*cos(2*pi*(t-1)/64);
t=1:1280;
DTF dla N=64 (na rysunku przedstawiony jest pierwiastekkwadratowy modułu DTF)
Mimo że w sygnale występują tylko dwie składowe –widmo sygnału sinusoidalnego o słabszej amplitudzienie jest widoczne, występuje natomiast wiele prążkównie posiadających interpretacji fizycznej.
Analiza widmowa – przeciek widma
Ze względu na inherentną obecność okna prostokątnego wynik przekształceniajest splotem transformaty nieograniczonego w czasie sygnału x oraz transformatytego okna. Efekt – tzw. przeciek widma i jego konsekwencje w postaci maskowaniaskładowych o niskich amplitudach.
2017-10-20
14
Moduł TF okna prostokątnego posiada listki boczne!
Stosunek modułów listka pierwszego i głównego – 2/3π=0.21
Listki boczne - przyczyna przecieku widma!
)2
(sin)(T
cATF
Analiza widmowa – przeciek widma
Sygnał prostokątny o czasie trwania T rect(T):
Zakładamy, że DTF poddany została pewna liczba próbeksygnału cosinusoidalnego.
A.
Częstotliwość sygnału wynosi f=kfs/N i maksimum DTF(która ma obwiednię sinc(ωT/2) wypada w tym punkcie.Dla pozostałych fk (określonych powyżej), wartości DTFsą równe zeru, ponieważ kolejne miejsca zerowe funkcjisinc są odległe od maksimum właśnie o fs/N, czyli trafiajądokładnie w punkty na osi częstotliwości, dla którychwyznaczamy wartości DTF.
N
kf
N
kf sk
B.
Częstotliwość sygnału jest różna od f=kfs/N i maksimumDTF (która ma obwiednię sinc(ωT/2) wypada w międzypunktami, dla których obliczane są wartości DTF. Wkonsekwencji dla pozostałych fk wartości DTF przybierająsię różne od zera.
)2
(sin)(T
cATF
T=N/fs, 1/T=fs/N
Analiza widmowa – przeciek widma
2017-10-20
15
)2
cos(2
1
2
1)(cos)( 2
T
t
T
ttw
)(cos)( 2
T
ttw
Analiza widmowa – funkcje granic
Okno Hanna:
t (-T/2, T/2)
Konstrukcja okna Hanna:
TF okna Hanna jest sumą transformat okna prostokątnego o amplitudzie ½ oraztakiego samego okna pomnożonego przez funkcję cos(0t), 0=2π/T –
wykorzystujemy tw. o modulacji lub tw. o transformacie iloczynu funkcji:
Transformata Fouriera okna Hanna )2
cos(2
1
2
1)(cos)( 2
T
t
T
ttw
0=2/ T
kolor granatowy– TF oknaprostokątnego oamplitudzie 1
)2/)((sin4
)2/)((sin4
)2/(sin2
)}2
cos(2
1
2
1{)}({ 00 Tc
TTc
TTc
T
T
tFtwF
Analiza widmowa – funkcje granic
2017-10-20
16
t=1:1280;
f(t)=1000*cos(2*pi*1.05*(t-1)/64)+10*sin(2*pi*(t-1)/64);
N=64, (na rysunku przedstawiony jest
pierwiastek kwadratowy modułu DTF)
okno prostokątne okno Hanna
Analiza widmowa – funkcje granic
Liczba próbek sygnału n = 32długość ciągu poddawanego DTF 32 próbki
Analiza widmowa – uzupełnianie ciągu próbek sygnału zerami („zero padding”)
2 4 6 8 10 12 14 16
2
4
6
8
10
12
14
16
18
20 40 60 80 100 120
2
4
6
8
10
12
14
16
18
Przykład
t=[1:1:1000];
x=cos(2*pi*150*(t-1)/1280)+ cos(2*pi*105*(t-1)/1280);
częstotliwości 105 i 155, próbkowanie 1280Hz
Liczba próbek sygnału n = 32
długość ciągu poddawanego DTF 256 <=> 32 próbki +224 zera
2017-10-20
17
Odtwarzanie sygnału z próbek
Sygnał wyjściowy przetwornika C/A jest sumą (sekwencją) „schodków”wynikających z podtrzymania przez okres próbkowania wyników konwersji C/A.
Odtwarzanie sygnału z próbek
)2/(*)()( sss TtrectnTxtx
Sygnał schodkowy na wyjściu konwertera C/A- splot próbek sygnału dyskretnego (delty wpunktach nTs !!) z impulsem prostokątnym oczasie trwania Ts, przesuniętym o Ts/2:
widmo sygnału schodkowego – iloczynodp. widm
)2/exp()2/(sin)()( ssss TjTcTXX
n
sa
s
s nXT
X )(1
)(
n
sass nXTjTcX )()2/exp()2/(sin)(
widmo sygnału spróbkowanego (dyskretnego)
widmo sygnału schodkowego: