" Furierova transformace"



Podobné dokumenty
KTE/TEVS - Rychlá Fourierova transformace. Pavel Karban. Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni

Úvod do zpracování signálů

Středoškolská technika SCI-Lab

Číslicové zpracování signálů a Fourierova analýza.

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth

FOURIEROVA TRANSFORMACE FOURIEROVA VĚTA

Volba zobrazení (Direct Current, Scaling) - FFT 1D, FFT 2D

Signál v čase a jeho spektrum

FOURIEROVA TRANSFORMACE

Zpracování obrazů. Honza Černocký, ÚPGM

ANALÝZA LIDSKÉHO HLASU

MĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH. Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY

doc. Dr. Ing. Elias TOMEH Elias Tomeh / Snímek 1

Příloha č. 1. amplitudová charakteristika filtru fázová charakteristika filtru / frekvence / Hz. 1. Určení proudové hustoty

SYNTÉZA AUDIO SIGNÁLŮ

Mgr. Ladislav Zemánek Maturitní okruhy Matematika Obor reálných čísel

Modelování systémů a procesů (11MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček. 8. přednáška 11MSP pondělí 20. dubna 2015

31ZZS 9. PŘEDNÁŠKA 24. listopadu 2014

Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách

Transformace obrazu Josef Pelikán KSVI MFF UK Praha

základní vlastnosti, používané struktury návrhové prostředky MATLAB problém kvantování koeficientů

1 Zpracování a analýza tlakové vlny

VYUŽITÍ MATLABU PRO PODPORU VÝUKY A PŘI ŘEŠENÍ VÝZKUMNÝCH ÚKOLŮ NA KATEDŘE KOMUNIKAČNÍCH A INFORMAČNÍCH SYSTÉMŮ

Nástin formální stavby kvantové mechaniky

Vyhodnocení 2D rychlostního pole metodou PIV programem Matlab (zpracoval Jan Kolínský, dle programu ing. Jana Novotného)

SIGNÁLY A LINEÁRNÍ SYSTÉMY

U Úvod do modelování a simulace systémů

Vypracoval: Mgr. Lukáš Bičík TENTO PROJEKT JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ REPUBLIKY

Lineární a adaptivní zpracování dat. 3. SYSTÉMY a jejich popis ve frekvenční oblasti

ADA Semestrální práce. Harmonické modelování signálů

Lingebraické kapitolky - Počítání s maticemi

NOVÉ METODY HODNOCENÍ OBRAZOVÉ KVALITY

Matematika B101MA1, B101MA2

doc. Dr. Ing. Elias TOMEH Elias Tomeh / Snímek 1

Fourierova transformace

SIGNÁLY A LINEÁRNÍ SYSTÉMY

Gymnázium Česká a Olympijských nadějí, České Budějovice, Česká 64, 37021

A/D převodníky - parametry

Digitalizace převod AS DS (analogový diskrétní signál )

7. Rozdělení pravděpodobnosti ve statistice

MATURITNÍ TÉMATA Z MATEMATIKY

Číslicová filtrace. FIR filtry IIR filtry. ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická

ZPRACOVÁNÍ SIGNÁLŮ Z MECHANICKÝCH. Jiří Tůma

1. Základy teorie přenosu informací

(Cramerovo pravidlo, determinanty, inverzní matice)

Náhodné (statistické) chyby přímých měření

Fouriérova transformace, konvoluce, dekonvoluce, Fouriérovské integrály

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku

fluktuace jak dob trvání po sobě jdoucích srdečních cyklů, tak hodnot Heart Rate Variability) je jev, který

DETEKCE HRAN V BIOMEDICÍNSKÝCH OBRAZECH

Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

IB112 Základy matematiky

Gymnázium Jiřího Ortena, Kutná Hora

13 Barvy a úpravy rastrového

Tematický plán Obor: Informační technologie. Vyučující: Ing. Joanna Paździorová

1 Báze a dimenze vektorového prostoru 1

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést

Zvuk. 1. základní kmitání. 2. šíření zvuku

Cvi ení 2. Cvi ení 2. Modelování systém a proces. Mgr. Lucie Kárná, PhD. March 5, 2018

Spektrální analýza a diskrétní Fourierova transformace. Honza Černocký, ÚPGM

Náhodné chyby přímých měření

VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY

Semestrální projekt. Vyhodnocení přesnosti sebelokalizace VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. Fakulta elektrotechniky a komunikačních technologií

Soustavy lineárních rovnic a determinanty

Požadavky k opravným zkouškám z matematiky školní rok

1 Mnohočleny a algebraické rovnice

Lineární algebra Operace s vektory a maticemi

Fourierovské metody v teorii difrakce a ve strukturní analýze

Operace s obrazem I. Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno. prezentace je součástí projektu FRVŠ č.

Maturitní otázky z předmětu MATEMATIKA

Analýza a zpracování digitálního obrazu

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

Funkce komplexní proměnné a integrální transformace

Biofyzikální ústav LF MU Brno. jarní semestr 2011

Maturitní témata z matematiky

Jasové transformace. Karel Horák. Rozvrh přednášky:

EVIDENČNÍ FORMULÁŘ. FTVS-UK evidence VaV výsledků nepodléhající řízení o zápisu u ÚPV v Praze

Fabry Perotův interferometr

Kapitola 1. Signály a systémy. 1.1 Klasifikace signálů

Netradiční výklad tradičních témat

Derivace funkce. Přednáška MATEMATIKA č Jiří Neubauer

B) výchovné a vzdělávací strategie jsou totožné se strategiemi vyučovacího předmětu Matematika.

Úvod do lineární algebry

MATLAB PRO PODPORU VÝUKY KOMUNIKAČNÍCH SYSTÉMŮ

ANOTACE vytvořených/inovovaných materiálů

Matematická analýza pro informatiky I.

VEKTORY. Obrázek 1: Jediný vektor. Souřadnice vektoru jsou jeho průměty do souřadných os x a y u dvojrozměrného vektoru, AB = B A

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně

Matematická morfologie

Operace s maticemi

FILTRACE VE FOURIEROVSKÉM SPEKTRU

DEFINICE Z LINEÁRNÍ ALGEBRY

i β i α ERP struktury s asynchronními motory

P7: Základy zpracování signálu

Matematika I (KMI/PMATE)

Fourierova transformace

Funkce základní pojmy a vlastnosti

Komprese dat Obsah. Komprese videa. Radim Farana. Podklady pro výuku. Komprese videa a zvuku. Komprese MPEG. Komprese MP3.

Transkript:

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM FAKULTA ŽIVOTNÍHO PROSTŘEDÍ " Furierova transformace" Seminární práce z předmětu Dálkový průzkum Země Marcela Bartošová, Veronika Bláhová OŽP, 3.ročník Datum: 20.2. 2006 Most 2006 1

Furierova transformace Furierova transformace je matematická metoda, která dovoluje analyzovat průběh libovolného signálu a převést jej na součet sinusových signálů vhodných frekvencí a amplitud. V obrazovém signálu pak nejvyšší nalezené frekvence odpovídají čárové frekvenci, která musí být zaznamenána. Fourierova transformace je modifikací Fourierovy řady a je užitečná pro řešení mnoha různých problémů. Používá se např. pro převedení řešení diferenciálních rovnic na řešení algebraických rovnic nebo pro frekvenční analýzu časově proměnných signálů. V oblasti zpracování obrazů je možné Fourierovu transformaci uplatnit pro úpravy kvality obrazů, ale také pro vyhodnocování prostorových frekvencí, což lze s výhodou použít pro vyhodnocování interferenčních řádů v obrazech interferogramů. Dvojrozměrná Fourierova transformace umožní převést rozložení obrazových intenzit I(x, y) vyhodnocovaného obrazu na obraz prostorových frekvencí F(f x, f y ). Definicí dvojrozměrné Fourierovy transformace je vztah Podobně jako v oblasti signálů spojitých, je možné i v oblasti signálů diskrétních definovat transformaci, která bude diskrétní obdobou Fourierovy transformace ve spojité oblasti. Tuto transformaci nazýváme Discrete Fourier Transform - DFT - Diskrétní Fourierova transformace. Ale vzhledem k tomu, že výpočet DFT vyžaduje značný počet násobení ( ), což je časově nejnáročnější operace, byl vyvinut algoritmus, umožňující značné urychlení výpočtu. Tento algoritmus je označován Fast Fourier Transform - FFT - Rychlá Fourierova Transformace. 2

Někteří fyzikové považují Fourierovu transformaci za fyzikální fenomén, nejen za nástroj pro matematické výpočty. Využívá ji například kvantová mechanika. Konvolucí vektorů a = (a 0, a 1, a 2,..., a n-1 ), b = (b 0, b 1, b 2,..., b n-1 ) rozumíme vektor a b = c = (c 0, c 1, c 2,..., c 2n-2 ), pro který platí: c j = Σ k=0..j a k b j-k Příklad konvoluce: Součin polynomů stupně n, reprezentovaných vektorem koeficientů. Definice poskytuje algoritmus s asymptotickou složitostí θ(n 2 ). Strategie výpočtu v čase θ(n. log n) převodem na hodnotovou reprezentaci: 0. Zdvojení délky vektorů, protože součin (konvoluce) má dvojnásobnou délku 1. Převod na reprezentaci hodnotami - přímá FFT v čase θ(n. log n) 2. Vynásobení obrazů člen po členu - θ(n) 3. Převod zpět na koeficienty - inverzní FFT v čase θ(n. log n) Definiční vztahy pro Fourierovu transformaci Fourierův integrál: Jedná se o komplexní integrál s parametrem, který definuje transformaci (obecně komplexní) funkce f(t) na její Fourierův obraz F(ω). Zpětná transformace je dána vztahem: Diskrétní Fourierova transformace a její inverze:, kde k = 0, 1, 2,... n - 1, kde j = 0, 1, 2,... n - 1 Fourierova transformace je vzájemně jednoznačné lineární zobrazení! Diskrétní verze je jednoznačně popsaná čtvercovou maticí. Algoritmus pro inverzní transformaci je jen drobnou modifikací algoritmu pro přímou transformaci. Pro komplexní exponencielu se často se používá značení: 3

Veličina ω n se nazývá "twiddle factor" (otáčecí činitel), v jiné literatuře "complex n-th root of unity" (n-tá komplexní odmocnina jedničky). DFT tedy můžeme psát ve tvaru: Při počítačovém zpracování digitalizovaných obrazů se ale používá tzv. diskrétní dvojrozměrná Fourierova transformace. Výsledkem této transformace je pak obraz četností všech prostorových frekvencí ve vyhodnocovaném obraze, a to v souřadném systému f x, f y. Fourierova transformace je vhodná především pro vyhodnocování tvarově složitých interferogramů získaných při seřízení interferometru na konečnou šířku interferenčních proužků, kde můžeme obvykle lépe rozlišit, zda interferenční řád roste či klesá, viz obr. 16-9. Obr. Interferogram neizotermního vzduchového proudu z vyústky obtékajícího překážku Z obrazu četností frekvencí lze vyvozovat různé závěry o prostorových frekvencích ve vyhodnocovaném obraze. Při vyhodnocování interferogramů nás obvykle zajímají složky nejnižší prostorové frekvence. Některé postupy zpracování vizualizačních experimentů však provádějí i různé úpravy obrazu četností frekvencí a pak aplikují zpětnou Fourierovu transformaci, která umožní získat opět rozložení intenzit I(x, y) ve zkoumaném obraze, ale s upravenými prostorovými frekvencemi. Např. po odstranění vysokých prostorových frekvencí v obraze frekvencí umožní zpětná Fourierova transformace získat původní obraz intenzit bez zrnitosti. Ponecháme-li v obraze frekvencí jen určité oblasti frekvencí, můžeme po aplikaci zpětné Fourierovy transformace získat obraz se zvýrazněnými strukturami, např. v leteckém snímku města lze zvýraznit ulice vedoucí stejným směrem apod. Využití Fourierovy transformace: a) Analýza signálu 4

Analyzovaný diskrétní signál je rozdělen na krátké časové úseky. Na každém z nich se spočte Fourierův obraz. Jeho absolutní hodnota v bodě f je amplituda odpovídající frekvenci f. Na vodorovnou osu promítneme čas, na svislou osu frekvenci a amplitudě dáme význam barvy. Získáme spektrogram, který přehledně zobrazuje časový vývoj signálu. Na obrázku je spektrogam zvuku nízko letícího letadla. Je na něm dobře patrný Dopplerův efekt - změna frekvence zvuku v závislosti na pohybu zdroje. b) Spektra Spektra generovaných obrázků jsou počítána funkcí FFT v Matlabu. Spektra jsou počítána ze světelnosti (kanál Y). Kvůli vyniknutí detailů jsou ve spektrech dělány úpravy ( snížení jasu ). Jsou zde vykreslena "jednostraná" amplitudová a fázová spektra. Z estetického hlediska je zde také přidán přímo výsledek FFT z Matlabu. FFT počítá i záporné frekvenční pásmo, ale to je z důvodu symetrie spekter je stejné jako kladné frekvenční pásmo. Z tohoto důvodu není potřeba uchovávat tyto informace. c) Frekvenční obraz obrázků Obrázek Obrázek 5

Fázové spektrum Fázové spektrum Amplitudové spektrum Amplitudové spektrum Celé amplitudové spektrum Celé amplitudové spektrum 6

d) Komprese obrázků Pro kompresi těchto obrázků je kvůli objektivnímu posouzení z hlediska transformací využit stejný algoritmus jako u komprese s využitím DCT. Pro všechny obrázky je opět stejné nastavení. U této transformace by se dal algoritmus trochu modifikovat k dosažení lepších kompresních poměrů díky symetrii frekvenčního spektra OBR1 Obr1 před kompresí Obr1 po kompresi Obrázek sestavený ze zahozených koeficientů Statistická data - Matlab Velikost obrázku před kompresí: 1843200 B Velikost obrázku po kompresi: 46640 B Kompresní poměr: 1 : 39.5197 Ušetřené místo v procentech 97.46962% OBR2 Obr2 před kompresí Obr2 po kompresi 7

Obrázek sestavený ze zahozených koeficientů Statistická data - Matlab Velikost obrázku před kompresí: 1843200 B Velikost obrázku po kompresi: 258960 B Kompresní poměr: 1 : 7.117702 Ušetřené místo v procentech 85.95052% OBR3 Obr3 před kompresí Obr3 po kompresi Obrázek sestavený ze zahozených koeficientů Statistická data - Matlab 8

Velikost obrázku před kompresí: 1843200 B Velikost obrázku po kompresi: 26928 B Kompresní poměr: 1 : 68.4492 Ušetřené místo v procentech 98.53906% e) Frekvenční analýza rotačních strojů Co to je? Pravidelné sledování strojů, jejich vibrací, vyhodnocování vibračních spekter a určování závad. K čemu je to dobré? Na základě vyhodnocení vibračních spekter rotačních strojů lze získat přesný přehled o jeho technickém stavu, predikovat pravděpodobné závady a určit zbývající životnost zařízení. Na základě těchto podkladů je možné naplánovat opravu stroje a předejít tak krizovým stavům a neočekávaným haváriím. Opačným případem je zbytečně uspěchaná oprava, kdy se z preventivních důvodů výměňují i ty díly, které by bylo možné ještě bezpečně provozovat a častějším opravám, než by bylo potřeba. Oba extrémy, jak krizový stav, tak uspěchaná oprava, zvyšují náklady na údržbu stroje. Pomocí vibračních spekter lze tedy určit nejvhodnější okamžik opravy, což se projeví předevšim na nákladech, ale i zvýšené životnosti zařízení. Není to moc drahé? Není. Samozřejmě záleží na množství sledovaných strojů. Pokud někdo má na starosti dvě čerpadla, asi se mu to příliš nevyplatí. Pokud ale má strojů více a náklady na jejich údržbu tvoří nezanedbatelnou položku, potom mu vibrační diagnostika může tyto náklady výrazně snížit, a to tak, že dokáže určit vhodný okamžik opravy. Ten může nastat při dosažení mezních 9

vibrací určitého elementu, anebo při výskytu většího počtu závad najednou. Nedochází tak k tomu, že se opraví jedna součást, po čase další, a tak náklady rostou a rostou. Jak to funguje? Technik přijde k danému stroji se speciálním zařízením vibrometrem a pomocí snímačů naměří v předem definovaných bodech průběhy vibrací. Ty jsou obvykle ještě tím samým zařízením převedeny použitím tzv. rychlé furierovy transformace (FFT fast furier transformation) na frekvenční spektrum, ze kterého se dají vyčíst případné závady. Přiklad: stroj má poškozené kuličkové ložisko na vnějším kroužku je vada. Pokud má ložisko např. 12 kuliček, pak každá kulička, která projde přes toto poškození, způsobí chvění, tedy 12-krát za jednu otáčku. Jsou-li provozní otáčky stroje 1 500 min -1, potom se tato vada projeví ve vibračním spektru jako dvanáctinásobek základních otáček, tj. 12 1500=18 000 min -1 atp. Používané programy: fft.pas spectrum.pas fft.pas a spectrum.pas jsou programy, na kterých jsem zmíněné unity testoval. První pracuje v textovém módu a převádí vstupní posloupnost komplexních čísel na její Fourierův obraz a zpět. Celý výpočet probíhá v jednom poli, kde se vstupní hodnoty přepíšou výstupními. Délka posloupnosti musí být mocnina dvojky. Druhý program (spectrum.pas) pracuje také s jediným vstupním vektorem. Spočítá jeho spektrum a zobrazí graficky jeho absolutní hodnotu. Ve výsledném grafu je tedy na x-ové ose frekvence a na y-ové amplituda. Prameny: http://hyperkrychle.cz/fftpas.html http://hyperkrychle.cz/praktika/01.html http://www.inforum.cz/inforum2001/prispevky/psohlavec.htm http://www-dt.fme.vutbr.cz/users/pavelek/optika/1607.htm http://hyperkrychle.cz/praktika/05.html http://www.euromont.cz/cz/sp_cz.html 10