Dominio Tiempo-Frecuencia 2 PDF

Ideas geniales de una sola persona valen ms que
grandes grupos de investigadores con muchos

recursos.
Curso bsico de Procesamiento Digital de

Seales.
Herramienta de simulacin: MatLab
Ing. Robin Alvarez Rueda, MSc, PhD
E-Mail: [email protected] / [email protected]

DOMINIO DE LA FRECUENCIA
1. - La SERIE DE FOURIER CONTINUA

- La SERIE DE FOURIER DISCRETA
- La TRANSFORMADA DE FOURIER DISCRETA (DFT)
- La TRANSFORMADA RPIDA DE FOURIER (FFT)
- El PERIODOGRAMA (MDULO DE LA FFT)
- Conceptos y prctica se RESOLUCIN EN FRECUENCIA Y DETECCIN.
2. - CONSECUENCIA DE TENER DATOS FINITOS:

TEORA DE VENTANAS Y FUGA ESPECTRAL (Resolucin en frec y Deteccin)
- ALGUNOS TIPOS DE VENTANAS
- El PERIODOGRAMA MODIFICADO (Ejemplos de Resolucin en frec y Deteccin)
3. - MTODOS MEJORADOS DE PROMEDIADO PARA REDUCIR EL EFECTO DEL RUIDO:

MTODOS DE BARTLETT Y WELCH
4. - MTODOS TIEMPO FRECUENCIA
EL ESPECTROGRAMA
MTODOS TIEMPO FRECUENCIA
STFT (Short Time Fourier Transform)
EL ESPECTROGRAMA (mdulo de STFT)
WAVELETS
WIGNER-VILLE
CHOI WILLIAMS
MATCHING PURSUIT
ANLISIS FRECUENCIAL DE UNA SEAL NO ESTACIONARIA:
SEAL A ANALIZAR:
ESPECTROS EVALUADOS CON UNA VENTANA DESLIZANTE
....
PROBLEMA: VISUALIZACIN DE MUCHAS GRFICAS
EJEMPLO: Visualizacin de la seal cada t segundos (usando welch).
% Anlisis de la seal cada t segundos: incremento=0;
close all; for i=1:Num_porciones

clear all;
if fin<=length(x_filt)
porcion=1000; % Porcin de X puntos => analiza bloques de t= X/100 segundos for p=inicio:fin
x_porc(p,1)=x_filt(p+incremento,1);
fmax=50; % Frecuencia mxima de la seal end
fm=2*fmax; % Teorema de muestreo end
nFFT= 1024; % Zero-padding si nFFT mayor que longitud de ventana
LongVentana=100; % Aplicamos Welch a cada segmento:
Solapamiento=50; [P_welch,F_welch] =
pwelch(x_porc,LongVentana,Solapamiento,nFFT,fm);
%Lectura de datos:
load signal_1.mat; %Eje del tiempo:
x=A; tiempo=(1:porcion)/fm;
x1=x(1:6000); % solo analizar los primeros 6000 puntos o muestras
clear A x; figure
subplot(3,1,1)
% filtrado: plot(tiempo(1:porcion/2),x_porc(1:porcion/2))
WcN=[4 45]/fmax; axis([0.1 5 -50 50]);
[b,a]=butter(2,WcN); ylabel('TIME 0-5 SEC')
x_filt=filter(b,a,x1);
clear x1; subplot(3,1,2)
plot(tiempo((porcion/2+1):porcion),x_porc((porcion/2+1):porcion))
% SEPARAMOS EN PORCIONES DE 10 SEG (1000 MUESTRAS) Y LAS ANALIZAMOS. axis([5.01 10 -50 50]);
Num_porciones=0; ylabel('TIME 6-10 SEC')
Num_porciones=fix(length(x_filt)/porcion)
subplot(3,1,3)
inicio = 1 plot(frecNorm,P_welch,'b')
fin =porcion ylabel('DSP visto en porciones')
grid on
% EJE DE FRECUENCIA NORMALIZADO:
frecNorm=fm*(0:(nFFT/2))/nFFT;
frecNorm=frecNorm'; incremento=incremento+porcion;
end
Resultados:
PROBLEMA: VISUALIZACIN DE MUCHAS GRFICAS, NO ES PRCTICO. NECESITAMOS

UN MTODO QUE PERMITA VER EN UNA SOLA GRFICA LA EVOLUCIN DEL CONTENIDO
DE FRECUENCIAS EN FUNCIN DEL TIEMPO.
SOLUCIN:
La Transformada de Fourier de Tiempo Corto (Short-time Fourier transform, STFT)

o Transformada de Fourier de Trmino Reducido (short-term Fourier transform)
STFT en tiempo discreto: la informacin a ser transformada es dividida en pedazos o
tramas por medio de una ventana deslizante (que usualmente se traslapan unos con otros,
para reducir irregularidades en la frontera). Para cada pedazo se calcula la transformacin
de Fourier, y el resultado complejo se agrega a una matriz, que almacena magnitud y fase y
adems el tiempo en que fue calculada. Por lo anterior, se obtiene la evolucin del
espectro en funcin del tiempo. Matemticamente, se escribe como:
Matemticamente, se escribe como:
EL ESPECTROGRAMA :
Es la magnitud cuadrada de la STFT:

EL ESPECTROGRAMA
EN MATLAB:
COMPROMISO ENTRE:
RESOLUCIN EN FRECUENCIA
VS
RESOLUCIN EN TIEMPO
EJEMPLO 1: Analizar dos tonos continuos de 20 y 40 Hz con las siguientes
duraciones: VER LA RESOLUCIN EN TIEMPO Y EN FRECUENCIA.
RESOLUCIN: EL ESPECTROGRAMA REPRESENTADO EN 2D Y 3D
clear all; close all;

% El espectrograma en 2D:
fs = 500; % frecuencia de muestreo
N = 1024; % Longitud de la seal figure
f1 = 20; % Frecuencia del primer tono specgram(x,nFFT,fs,LongVentana,Solapamiento)
f2 = 40; % SFrecuencia del segundo tono colorbar('vert')
nFFT = 1024; %64; % 512; %64; % nFFT
% Ver COMPROMISO: resolucion tiempo - frecuencia: % EN 3D:

% Para un caso: mejorresolucion en tiempo y para [B,f,t] = specgram(x,nFFT,fs,LongVentana,Solapamiento);
% el otro, mejor resolucion en frecuencia B = abs(B); % Get spectrum magnitude
figure;
% ------------------------------------------------- mesh(t,f,B); % Plot Spectrogram as 3-D mesh
LongVentana=256; %32 view(160,40); % Change 3-D plot view
Solapamiento=128; %16 axis([0 2 0 100 0 20]); % Example of axis and
% ------------------------------------------------- xlabel('Time (sec)'); % labels for 3-D plots
ylabel('Frequency (Hz)');
% Construct a step change in frequency figure
tn = (1:N/4)/fs; % Time vector used to create sinusoids contour(t,f,B); % Plot spectrogram as contour plot
x = [zeros(N/4,1); sin(2*pi*f1*tn)'; sin(2*pi*f2*tn)';... % ....labels and axis....
zeros(N/4,1)];
t = (1:N)/fs; % Time vector used to plot
plot(t,x,'k');
% ....labels....
LongVentana=256; Solapamiento=128;
LongVentana=32; Solapamiento=16;
CONCLUSIN:
Al aumentar la longitud de la ventana deslizant, se
mejora la RF pero obviamente se pierde en RT (caso
lmite: una sola ventana que correspondera al
periodograma simple donde tenemos la mxima RF pero
ya no existe informacin del tiempo (RT ya no existe).
DEBER (PASO A PASO)
Crear la seal en el tiempo y luego realizar el
anlisis TIEMPO-FRECUENCIA de modo que se
obtengan las siguientes grficas tiempo-
frecuencia:
a)
b)
MEZCLANDO RF, DETECCIN, RUIDO Y RT.
ANLISIS ESPECTRAL CON
PERIODOGRAMA SIMPLE,
PERIODOGRAMA MODIFICADO (BH4T),
WELCH (PORCIN =10%)
TIEMPO - FRECUENCIA
EJEMPLO:
Duracion = 10 segundos
A= 1,0.5,0.1,0.01,0.001,0.001,0.01,0.1,0.5,1
F = 100, 101, 110, 111, 120, 121, 130, 131, 140, 141
clc, close all , clear all;
duracion = 10;
fmax=145;
Fs=10*fmax;
t=1/Fs:1/Fs: duracion; % Duracin 10seg
xn1=1*sin(2*pi*100*t)+0.5*sin(2*pi*100.5*t)+...
0.1*sin(2*pi*110*t)+0.01*sin(2*pi*110.5*t)+...
0.001*sin(2*pi*120*t)+0.001*sin(2*pi*120.5*t)+...
0.01*sin(2*pi*130*t)+0.1*sin(2*pi*130.5*t)+...
0.5*sin(2*pi*140*t)+1*sin(2*pi*140.5*t); % + 0.5*randn(size(t));
plot(t,xn1);
title('xn original existente entre 0 y 10 segundos (SIN RUIDO) ')
xn2=(t>=2 & t<=8).*xn1;

figure
plot(t,xn2);
title('xn original existente entre 0 y 8 segundos (SIN RUIDO) ')
xn = xn2 + 0.001*randn(size(t));
figure
plot(t,xn);
title('xn existente entre 2 y 8 segundos y CON RUIDO = 0.001 ')
sound(xn,Fs);
N = length(xn) figure
subplot(3,1,1)
%PERIODOGRAMA SIMPLE plot(f_periodograma,10*log10(Pxx1),'k');
nFFT=2; axis([0 Fs/2 0 max(10*log10(Pxx1))]);
xlabel('Frecuencia (Hz)');
while nFFT<N ylabel('Potencia');
nFFT = nFFT*2; title('PERIODOGRAMA SIMPLE')
end grid minor
% PERIODOGRAMA SIMPLE y MODIFICADO: subplot(3,1,2)

plot(f_periodograma,10*log10(Pxx2),'r');
% 1. GENERACION DE VENTANAS: axis([0 Fs/2 0 max(10*log10(Pxx2))]);
window_1=rectwin(length(xn)); xlabel('Frecuencia (Hz)');
window_2=blackmanharris(length(xn)); ylabel('Potencia');
title('PERIODOGRAMA MODIFICADO(BH4T)')
grid minor
% 2. Enventanado de la senial temporal:
y1_enventanada=xn.*window_1'; % ---------------------------------------------------
y2_enventanada=xn.*window_2';
figure
plot(t,y2_enventanada);
title('xn enventanada con BH4T ')
% 3. Periodograma modificado:
Pxx1=abs(fft(y1_enventanada,nFFT));
Pxx2=abs(fft(y2_enventanada,nFFT));
%Eje de frecuencias:
f_periodograma=linspace(0,Fs,nFFT);
RESULTADO (NIVEL DE RUIDO: 0.001)
- El periodograma modificado (con BH4T) muestra mejores resultados que el Period. Simple.
- Welch s reduce la fuga espectral pero obtiene muy malos resultados.
% ---------------------------------------------------
% ANALISIS TIEMPO-FRECUENCIA:
% El espectrograma:
% La ventana deslizante es de longitud (10%) como en

WELCH:
LongVentana = fix(length(xn)/10);
%SOLAPAMIENTO = 50%
Solapamiento=fix(LongVentana/2);
figure
specgram(xn,nFFT_welch,Fs,LongVentana,Solapamiento)
colorbar('vert')
title('ESPECTROGRAMA: PORCIN DEL 10%')
ZOOM
Se puede apreciar que las seniales
existen entre (2 y 8) segundos. Sin
embargo, con esta longitud de
ventana no se puede distinguir que
existan tonos juntos
DEBER
a) Generar una chirp (desde 1000 Hz hasta 10 KHz en 10

segundos) y realizar el anlisis tiempo frecuencia.
b) Ahora generar dos chirps con parmetros similares a la
anterior y lo ms cercanas posible y realizar el anlisis
tiempo frecuencia considerando los problemas de
resolucin en frecuencia y de tiempo.

Dominio Tiempo-Frecuencia 2 PDF

Cargado por

Copyright:

Formatos disponibles

Dominio Tiempo-Frecuencia 2 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Dominio Tiempo-Frecuencia 2 PDF

Cargado por

Copyright:

Formatos disponibles

Ideas geniales de una sola persona valen ms que

grandes grupos de investigadores con muchos

Curso bsico de Procesamiento Digital de

Ing. Robin Alvarez Rueda, MSc, PhD

E-Mail: [email protected] / [email protected]

1. - La SERIE DE FOURIER CONTINUA

2. - CONSECUENCIA DE TENER DATOS FINITOS:

3. - MTODOS MEJORADOS DE PROMEDIADO PARA REDUCIR EL EFECTO DEL RUIDO:

ESPECTROS EVALUADOS CON UNA VENTANA DESLIZANTE

% Anlisis de la seal cada t segundos: incremento=0;

close all; for i=1:Num_porciones

PROBLEMA: VISUALIZACIN DE MUCHAS GRFICAS, NO ES PRCTICO. NECESITAMOS

La Transformada de Fourier de Tiempo Corto (Short-time Fourier transform, STFT)

Es la magnitud cuadrada de la STFT:

clear all; close all;

% Ver COMPROMISO: resolucion tiempo - frecuencia: % EN 3D:

xn2=(t>=2 & t<=8).*xn1;

% PERIODOGRAMA SIMPLE y MODIFICADO: subplot(3,1,2)

% La ventana deslizante es de longitud (10%) como en

a) Generar una chirp (desde 1000 Hz hasta 10 KHz en 10

También podría gustarte