Analýza signálů ve frekvenční oblasti

Podobné dokumenty
Diskrétní Fourierova transformace

Exponenciální funkce a jejich "využití" - A (Tato doplňková pomůcka nemůže v žádném případě nahradit systematickou matematickou přípravu.

Fourierova transformace ve zpracování obrazů

je daná vztahem v 0 Ve fyzice bývá zvykem značit derivaci podle proměnné t (podle času) tečkou, proto píšeme

NEPARAMETRICKÉ METODY

Časové řady - rozklad na harmonické složky

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

1 Základy Z-transformace. pro aplikace v oblasti

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

( NV, )} Řešením Schrödingerovy rovnice pro N částic

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

ÚBYTKY NAPĚTÍ V ES Jednoduchá ss vedení nn, vn Dvouvodičový rozvod. Předpoklad konst. průřezu a rezistivity. El. trakce, elektrochemie, světelné

Funkce hustoty pravděpodobnosti této veličiny je. Pro obecný počet stupňů volnosti je náhodná veličina

DYNAMIC PROPERTIES OF ELECTRONIC GYROSCOPES FOR INERTIAL MEASUREMENT UNITS

8.1.2 Vzorec pro n-tý člen

4. KRUHOVÁ KONVOLUCE, RYCHLÁ FOURIEROVA TRANSFORMACE (FFT) A SPEKTRÁLNÍ ANALÝZA SIGNÁLŮ

8.1.2 Vzorec pro n-tý člen

6. FUNKCE A POSLOUPNOSTI

Analýza a zpracování signálů. 3. Číselné řady, jejich vlastnosti a základní operace, náhodné signály

ÚBYTKY NAPĚTÍ V ES Jednoduchá ss vedení nn, vn Dvouvodičový rozvod. Předpoklad konst. průřezu a rezistivity. El. trakce, elektrochemie, světelné

Fourierova transformace ve zpracování obrazů

Sekvenční logické obvody(lso)

6. KOMBINATORIKA Základní pojmy Počítání s faktoriály a kombinačními čísly Variace

n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1

NMAF063 Matematika pro fyziky III Zkoušková písemná práce 25. ledna x 1 n

3. Lineární diferenciální rovnice úvod do teorie

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

Variabilita měření a statistická regulace procesu

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

( + ) ( ) ( ) ( ) ( ) Derivace elementárních funkcí II. Předpoklady: Př. 1: Urči derivaci funkce y = x ; n N.

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

Transformace obrazu Josef Pelikán KSVI MFF UK Praha

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model

Číslicové filtry. Použití : Analogové x číslicové filtry : Analogové. Číslicové: Separace signálů Restaurace signálů

NEJISTOTA ODHADU AMPLITUDOVÉHO DFT SPEKTRA

S k l á d á n í s i l

Národní informační středisko pro podporu kvality

pravděpodobnostn podobnostní jazykový model

0. 4b) 4) Je dán úhel Urči jeho základní velikost a převeď ji na radiány. 2b) Jasný Q Q ZK T D ZNÁMKA. 1. pololetí

5. Lineární diferenciální rovnice n-tého řádu

IAJCE Přednáška č. 12

Deskriptivní statistika 1

Doc. Ing. Dagmar Blatná, CSc.

3 - Póly, nuly a odezvy

u, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení.,

PRAVDĚPODOBNOST A STATISTIKA

Matematika I, část II

Fotometrie a radiometrie Důležitou částí kvantitativního popisu optického záření je určování jeho mohutnosti

=, kde P(x) a Q(x) jsou polynomy. Rozklad na parciální zlomky Parciální zlomky jsou speciální racionální lomené funkce. Rozlišujeme 2 typy:

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus

f (k) (x 0 ) (x x 0 ) k, x (x 0 r, x 0 + r). k! f(x) = k=1 Řada se nazývá Taylorovou řadou funkce f v bodě x 0. Přehled některých Taylorových řad.

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou

Matice. nazýváme m.n reálných čísel a. , sestavených do m řádků a n sloupců ve tvaru... a1

PRAVDĚPODOBNOST A STATISTIKA

8.2.1 Aritmetická posloupnost

f B 6. Funkce a posloupnosti 3 patří funkci dané předpisem y = 2 x + 3. [všechny] 1) Rozhodněte, která z dvojic [ ;9][, 0;3 ][, 2;7]

ROZ1 - Cv. 2 - Fourierova transformace ÚTIA - ZOI

4. PRŮBĚH FUNKCE. = f(x) načrtnout.

Přijímací řízení akademický rok 2013/2014 Bc. studium Kompletní znění testových otázek matematika

Rentgenová strukturní analýza

je vstupní kvantovaný signál. Průběh kvantizační chyby e { x ( t )}

OBRAZOVÁ ANALÝZA POVRCHU POTISKOVANÝCH MATERIÁLŮ A POTIŠTĚNÝCH PLOCH

Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení

Interakce světla s prostředím

VLIV MODIFIKACE MATICE HMOTNOSTI NA VÝSLEDKY MODÁLNÍ ANALÝZY

12. N á h o d n ý v ý b ě r

6. Posloupnosti a jejich limity, řady

P. Girg. 23. listopadu 2012

2.4. INVERZNÍ MATICE

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

1. Vztahy pro výpočet napěťových a zkratových

Komplexní čísla. Definice komplexních čísel

Příklady k přednášce 9 - Zpětná vazba

f x a x DSM2 Cv 9 Vytvořující funkce Vytvořující funkcí nekonečné posloupnosti a0, a1,, a n , reálných čísel míníme formální nekonečnou řadu ( )

1. Základy měření neelektrických veličin

6 5 = 0, = 0, = 0, = 0, 0032

Odezva na obecnou periodickou budící funkci. Iva Petríková Katedra mechaniky, pružnosti a pevnosti

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS.

Lineární a adaptivní zpracování dat. 11. Adaptivní filtrace a predikce II.

FOURIEROVA A LAPLACEOVA TRANSFORMACE,

1. K o m b i n a t o r i k a

Při návrhu FIR filtru řešíme obvykle následující problémy:

M - Posloupnosti VARIACE

3.4.7 Můžeme ušetřit práci?

2 Diferenciální počet funkcí více reálných proměnných

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka

Lineární regrese ( ) 2

Aplikace marginálních nákladů. Oceňování ztrát v distribučním rozvodu

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY

4.KMITÁNÍ VOLNÉ. Rozlišujeme: 1. nepoddajné vazby - nedovolující pohyb 2. pružně poddajné vazby - dovolují pohyb

Téma: 11) Dynamika stavebních konstrukcí

Systé my, procesy a signály I - sbírka příkladů

8.2.1 Aritmetická posloupnost I

Analýza a zpracování signálů. 4. Diskrétní systémy,výpočet impulsní odezvy, konvoluce, korelace

31ZZS 9. PŘEDNÁŠKA 24. listopadu 2014

PRAVDĚPODOBNOST A STATISTIKA

Analýza a zpracování signálů. 3. Číselné řady, jejich vlastnosti a základní operace, náhodné signály

Abstrakt. Co jsou to komplexní čísla? K čemu se používají? Dá se s nimi dělat

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Transkript:

Aalýza sigálů v frvčí oblasti

Fourirova trasformac

Záladí ida trasformac () Trasformac () Zpracováí v časové oblasti Zpracováí v trasform. oblasti () Ivrzí Trasformac ()

Typy Fourirových trasformací

Discrt Tim Fourir Trasform

Symtri DTFT sptra rálého sigálu

Disrétí Fourirova trasformac -bodová DFT sigálu s vzory:,,, ) ( / DFT zpětá trasformac IDFT :,,, / DFT Jliož / priodicá, priodicá i DFT a IDFT počítám vzory pouz přs du priodu. ) / si( ) / cos( ) ( DFT

Polárí tvar DFT imag m ()= ral()+ imag() mag Ф ral mag mag ral( ) imag ( ) ta imag ral ( ) ( ) PS ( ) mag ( ) ral( ) imag ( )

Při použití polárí rprztac DFT pozor a áslduící možé problémy : správou ovrzi fáz - sw většiou vrací fázový úhl v radiách a to v rozsahu < π/, π/ > při výpočtu fáz pozor a ulovou rálou část ( přtčí) (fáz v tomto případě ±9º pozor a správou ovrzi úhlu z itrvalu < π/, π/ > a itrval <, π > fáz u vlmi ízých amplitud, tré s ztrácí v šumů můž chaoticy mitat oolo ulové hodoty

fázová charatristia s opau s priodou π to způsobu v ětrých případch spoitost v fázové charatristic Amplitudová frvčí charatristia vždy ladá problémy mohou astat poud imagiárí část trasformovaého sigálu clá ulová -> můž docházt prudé změě v fázové charatristic mzi π a π

Př.: Výpočt DFT z dfiic: ={,,,} DFT DFT DFT DFT 3 3: : : 4 : 3 3 3 3 3 3 3 DFT ={4,-,,}

Vlastosti DFT

Symtri DFT: DFT rálého sigálu vyazu omplě sdružou symtrii oolo počátu t.: DFT -= DFT* Protož DFT priodicé DFT -= DFT - Výpočt hodot pro = a =/ (pro sudé ) ) ( ) ( DFT DFT DFT DFT

Vlastosti DFT. Liarita ()+ () ()+ (). Priodičost - fuc () a () sou priodicé s priodou P= 3. Kruhový časový posu : ( ), clé posu v čas způsobí změu v fázi 4. Kruhový frvčí posu ( ), clé

4. Priodicá ovoluc v časové oblasti Priodicou ovoluci dvou svcí dély určím ao souči -bodových trasformací. 5. Priodicá orlac 6. Obraz obrácé poslouposti 7. Vlastosti sptra rálé poslouposti ) ( ) ( ) ( ) ( ) ( Im ) ( Im ) ( R ) ( R *

5. Priodicá ovoluc v frvčí oblasti 8. Vlastosti sptra rálé a sudé poslouposti -li rálá a sudá i rálá sudá 9. Vlastosti sptra rálé a liché poslouposti -li rálá a lichá, pa imagiárí, lichá. Altrativí vzorc pro výpočt IDFT * * ( ) ( ) K výpočtu ivrzí trasformac možé použít algoritmů pro výpočt DFT: prv obrátím zaméa hodot imagiárí části (), vypočtm DFT obrátím zaméa imagiárích částí vypočtých hodot výsld vydělím

Vlastosti fázové charatristiy

Vliost DFT vzorů J-li () rálý vstupí sigál složý z siusov s odpovídaící amplitudou A a cločíslým počtm cylů přs vzorů, vliost DFT vzoru odpovídaící siusovy M r daá vztahm M r A Pro omplí vstupí sigál s vliostí A (t. A πft ) výstupí vliost DFT vzorů M r A

Rozliší DFT

Amplitudové, fázové, výoové sptrum

Rpliac sigálu a ulová itrpolac sptra Eistu vztah mzi rpliací v dé oblasti a ulovou itrpolací v druhé oblasti: J-li M-rát rpliová, DFT() itrpolová (ulová itrpolac) a ásob M: DFT DFT {,,, } M DFT /M M-rát M-ásobá itrpolac: /M { DFT, DFT,, DFT } M-rát

DFT dvoic Impulz : {,,,, } {,,,, } ostata Kostata: {,,,, } {,,,,, } impulz Epociála: Siusoida: cos.5.5 ( ) -bodová siusoida s priodou a F=/ má pouz dva ulové vzory

Ivrzí DFT DFT /,,, DFT a IDFT maí podobý vztah, až a zaméo u pociály a ormalizačí fator /. J-li DFT symtricá (omplě sdružá symtri) můž být vyádřa ao součt siusoid, protož dvoici A v a v - odpovídá siusoida cos A DFT odpovídá dc složc DFT / a DFT vzor DFT / (pro sudé ) odpovídá frvci F=.5 a odpovídá sigálu Kcos(), d K=(/) DFT /

Př.: DFT = {4, -,, } ) (4.5.5 3 3: ) (4.5.5 : ) (4.5.5 : ) (.5.5 : 3 3 3 3 3 3 3 3 3 DFT DFT DFT DFT IDFT ={,,,}

Altrativí vzorc pro výpočt IDFT * * ( ) ( ) K výpočtu ivrzí trasformac možé použít algoritmů pro výpočt DFT: prv obrátím zaméa hodot imagiárí části (), vypočtm DFT obrátím zaméa imagiárích částí vypočtých hodot výsld vydělím

DFT- volba frvčí osy

Prosaováí v sptru (Spctrum laag) Prosaováí s vysytu thdy, poud u vzorovaého aalogového sigálu počítám DFT z vzorů a v těchto vzorcích í obsaž cločíslý počt priod siusoid obsažých v vstupím sigálu. Při prosaováí s v DFT vysytou sptrálí čáry i id ž v ±f (f frvc vstupího sigálu Prosaováí možé limiovat, al lz odstrait úplě.

K vysvětlí prosaováí v sptru s používá Fourirův obraz rálé osiové fuc ) / ( si ) ( si ) / ( si ) ( si ) ( ), / cos( ) ( )/ ( ) ( )/ ( ) ( m m m m m K m m m m r r

K omzí vlivu prosaováí v sptru s přd provdím DFT ásobí vstupí sigál tzv. vyhlazovacím om. w ( m) w( ) ( ) m/

Maticový zápis DFT a IDFT,,...,,,..., * DFT DFT ) )( ( ) ( ) ( 4 Ozačím DFT rovic lz zapsat maticově = matic matic

Maticový zápis IDFT T IDFT matic T

Sptrálí vyhlazí časovými oy výběr vzorů vzorovaého sigálu = ásobí vzorovaého sigálu pravoúhlým om romě pravoúhlého oa lz použít i ié typy o aždé oo má určitou frvčí charatristiu a podl toho vhodé pro zpracováí určitého typu sigálu Záladí charatristiy o Amplitudová charatristia P P log.5 6dB 6 P log.77p 3dB 3

Další charatristiy o: ohrtí zsílí (cohrt gai) CG w EB (quivalt ois badwith) EB w w SL (scallop loss) SL log w w

Používaá DFT oa a ich charatristiy

Používaá DFT oa a ich charatristiy Bartltt vo Ha Hammig Blacma Kaisr

Zvětšováí dély oa (u všch o) lsá šířa hlavího lalou, vliost postraích laloů s téměř měí Idálí případ amplitudové charatristiy (pro oo daé dély) - úzý (a co vyšší) hlaví lalo a ízé postraí laloy -> protichůdé požadavy - většiou s lsaící šířou hlavího lalou rost amplituda postraích laloů Dyamicé rozliší - schopost odlišit vlé změy v amplitudě sigálu. Frvčí rozliší oa - schopost od sb odlišit siusovy s podobou amplitudou a blízou frvcí. Platí: při použití vyhlazovacích o od sb lz odlišit dvě siusovy s frvcmi ižšími ž šířa hlavího lalou oa. F f S M zmší F musím zmšit M zvětšit (al přidáím ul!!!) víc vzorů sigálu

Přílad: (t)=a cos(f t)+ A cos((f + f)t) A = A = f =3Hz S=8Hz Mám vzorů, doplit počt ulami a FFT Jaé mší f pro: pravoúhlé oo vo Haovo oo pro áslduící a FFT : a) =56, FFT =48 b) =5, FFT =48 c) =56, FFT =496 lz zvětšit rozliší přidáím ul, al pouz zvětším dély sigálu

A =.5 (6dB pod A t. log(/.5) )

Odhad sptra Výoová sptrálí hustota (PSD powr spctral dsity) R (f) aalogového výoového bo áhodého sigálu (t) Fourirova trasformac autoorlačí fuc r (t). R (f) rálá záporá sudá fuc s hodotou R () rovou průměrému výou sigálu (t). PSD s používá odhadu sptra vzorovaého sigálu očé dély Dva způsoby odhadu sptra : paramtricý odhad o sigálu ic vím a odhadum sptrum paramtricý odhad odhad sptra modlum ao oficity filtru buzého šumm paramtricé odhady: Priodogram priodogram P založa a DFT (FFT) -vzorovaé řady a dfiová ao: P DFT

dobrý odhad pro dtrmiisticé, pásmově omzé, výoové sigály, vzorovaé vyšší frvcí ž yquistova Špaté pro sigály pošozé šumm lchova mtoda založá a průměrováí přrývaících s priodogramových odhadů Pricip: sigál rozděl a přrývaících s M vzorovaých úsů (s přrytím D vzorů, D=5-75%). Každý ús ásob M vzorovým om w() vůli omzí prosaováí. PSD aždého úsu odhaduto priodogramm priodogramů zprůměrováo M-bodový průměrý priodogram Mtoda vhodá pro dtci frvcí, tré sou blízo sb (dobré frvčí rozliší) Bartlttova mtoda Jao lchova mtoda, al sgmty s přrývaí a sou ásoby om

Blacma-Tuy mtoda: mtoda urču PSD z autoorlac ásobé om Pricip: vzorový sigál doplě ulami a vzorů výsldm sigál y určí s priodicá autoorlac y alzím Y FFT a určím IFFT součiu Y FFT Y FFT * a dostam bodový autoorlačí odhad r. autoorlačí odhad r ásob M-bodovým om (vůli vyhlazí sptra a rduci vlivu špatého autoorlačího odhadu sigálu očé dély) určím FFT M-bodové autoorlac ásobé om a dostam vyhlazý priodogram mší M (užší oo) lpší vyhlazí, al můž doít masováí ětrých špič (paů) bo přrytí ostrých dtailů. Obvyl s používá M v rozsahu M=. až M=.5 ao oo pro vyhlazí s častěi používá Bartlttovo oo. mtoda vhodá pro dtci dobř oddělých paů s rozdílou vliostí (dobré dyamicé rozliší)

Rychlá Fourirova trasformac FFT

) ( ) ( ) ( 4 3 Algoritmus využívá symtri a priodicity pociály = -/ Záladí výsldy využité v FFT výpočtch: -bodová trasformac : DFT diého čísla A číslo A -bodová trasformac : DFT -bodové řady DFT = + DFT = -

Radi -FFT trasformac využívá toho, ž -bodová DFT můž být zapsáa ao součt dvou / bodových trasformací vytvořých z sudých a lichých vzorů. Ozačím sudé vzory (sudý id) a o - liché vzory (lichý id), pa ) ( DFT,,,, o DFT

,,,,,,,, o o DFT o DFT a záladě priodicity lz odvodit: tzv. Dailso-Lazos lmma A= B= o

Výpočt FFT dcimac v frvci DIF

Výpočt FFT dcimac v čas DIT

Výpočt FFT - porováí