Procesarea Semnalelor

Cursul 3
Sumar
Introducere

Transformata Fourier Discreta

Aplicatii

Rezultate demonstrative

Cursul 3
 Intuitie
Sa se reprezinte un esantion finit de semnal intr-un spatiu cu
suficient de multe dimensiuni, spatiu din care sa se poata
reveni inapoi in dimensiunea timp.

Fiecare dimensiune sa corespunda unei frecvente.

Cursul 3
 Intuitie
Oricare 2 dimensiuni sa fie ortogonale:
daca in semnal exista frecventa x, acest lucru sa nu implice automat
existenta altei frecvente y, xy,
daca exista x atunci exista y sa fie relatie data doar de sursa de
semnal, nu si de geometria spatiului.

Spatiul astfel construit se numeste DOMENIUL DE FRECVENTA

AL SEMNALELOR.

Cursul 3
 De ce domeniu cu axe ortogonale? Motive
in plus
Ca sa se poata manipula spectrul de frecventa al semnalelor la
un nivel cat mai fin, fara alterarea altor componente ale
acestuia. Exemple:

Filtrarea semnalului inseamna reducerea coordonatelor semnalului la

0 pe axele frecventelor pe care vrem sa le filtram

Amplificarea inseamna marirea coordonatelor pe anumite axe din

domeniul de frecventa

Cursul 3
 Domeniul Frecventa
Cate dimensiuni are ?
Teoretic are un numar infinit de dimensiuni.
Exemplu:
axa 1: 1 Hz
axa 2: 2 Hz
. axa n: n Hz, n N
SAU
axa 1: 0.5 Hz, axa 2: 1 Hz, axa 3: 1.5 Hz, ...
Cursul 3
 In realitate...
Alegem subspatii ale domeniului de frecventa

Alegem cate o axa pentru fiecare frecventa care ne

intereseaza. De obicei alegem axele frecventelor intregi
exprimate in Hz

Frecventele (axele) le alegem in functie de:

rezolutia la care vrem sa procesam semnalul
frecventa maxima din semnal fN
Cursul 3
 Exemplu
Avem un semnal cu fN = 1000 Hz.Putem alege:
1000 de axe de coordonate pentru frecvente de la 1 Hz la 1000 Hz din
Hz in Hz
un domeniu de frecvente de 2 ori mai fin: 2000 de dimensiuni,
rezolutie: 0.5 Hz

De obicei se foloseste rezolutia de 1 Hz indiferent de fN.

Spectru = coordonatele semnalului in domeniul de frecventa
ales.
Cursul 3
 Coordonate in domeniul frecventa
Am ales domeniul de frecventa unde vrem sa reprezentam
semnalul:
Suficiente axe (Ex: din Hz in Hz)
Axe alese corespunzator frecventelor de interes (in banda de frecventa
a semnalului)
Cum calculam fiecare coordonata in spatiul ales ? Cautam
vectorul .

Spectrul de frecventa ({x[n]}) in domeniul de frecventa ales.

Cursul 3
 Masurarea unei coordonate in
domeniul frecventa
= Calculul gradului de potrivire cu o functie cosinusoidala de o
anumita frecventa f.
Prin potrivire intelegem:
Proportionalitate:
Daca xc(t) = 3*cos(2*f*t), proportionalitatea fata de
cos(2 *f*t) este 3
Factorul de proportionalitate se mai numeste
amplitudinea componentei de frecventa f Hz
Defazaj:
Daca xc(t) = 3*cos(2*f*t + /3), trebuie identificat /3
Cursul 3
defazajul componentei de frecventa f
 Coordonate in domeniul frecventa
Proportionalitatea si defazajul lui xc(t) fata de cos(2ft) sunt 2
variabile independente.

Idee (Fourier): sunt 2, deci sa le reprezentam ca un numar

complex X(f).

Gasim X(f) pentru fiecare axa.

Spectrul de frecventa = { X(f1), X(f2)..X(fm)}

Cursul 3
 Transformata Fourier Discreta
Principii
Se trece din timp discret in domeniu discret de frecvente
Pentru N esantioane ale unui semnal, TFD fixeaza domeniul
de frecvente: {0, 1/N, 2/N . N-1/N}
Usor de interpretat si utilizat in practica
N dimensiuni => transformare inversabila
Noi putem alege N astfel incat sa avem rezolutia dorita
TFD diferita de DTFD, unde frecventele sunt un domeniu
continuu in [-, ]
TFD cel mai des folosita in practica in varianta FFT Cursul 3
 Transformata Fourier Discreta
Transformata Fourier Discreta:
Masoara Re(X(f)) = potrivirea medie dintre x[n] si
cos(2fn). (medie inseamna intuitiv o suma peste x[k])
Masoara Im(X(f)) = potrivirea medie dintre x[n] si
sin(2fn)
Din cele 2 rezulta amplitudinea si defazajul pentru
componenta X(f):
Amplitudine(f) = |X(f)|
Defazaj(f) = (f)
Cursul 3
 Transformata Fourier Discreta
Cu conventia:
Xk = X(fk) pentru frecventa fk
Avem (Transformata Fourier Discreta):
N 1 2 i
kn
X k = xn e N
k = 0,....., N 1
n =0

unde N = numarul de esantioane

TFD rezolva si problema bijectiei: se aleg atatea coordonate cate
esantioane avem in semnalul discret x[k] , k=0 N-1, ca sa
putem reveni in domeniul timp.
Cursul 3
 Transformata Fourier Discreta
Inversabila

Cursul 3
 Spectrul de frecventa al semnalelor
discrete
Fie x[n] = x[0].. x[N-1] un semnal finit esantionat la frecventa
fS esantioane/s.

Fie {Xk} k=1N-1 spectrul de frecventa calculat de DFT pentru

semnalul x[n].

Cursul 3
 Spectrul de frecventa al semnalelor
discrete
Fourier: Transformam semnalul discret din timp in domeniul
frecventa.
Pentru esantioane x[0].x[N-1] numere reale, avem
proprietatea de simetrie a TFD:

XK = X *
Nk , k = 0...N 1
=> Toata informatia de frecventa este redundanta dincolo de N/2
=> ca sa filtram frecventa k, anulam Xk si X(N-k)

Cursul 3
Simetria TFD pentru semnale reale

Cursul 3
TFD si frecventele semnalului continuu
Prin Xk intelegem coordonata semnalului in domeniul
frecventelor pentru axa k
Axei k ii corespunde frecventa k/N esantioane/fereastra de
lungime N
De ce ? X(k) = X(N+k);
TFD periodica de perioada N pentru un N fixat
e bine sa alegem N astfel incat sa corespunda unei secunde. N=
int(1/fs).
(La FFT se alege cea mai apropiata putere a lui 2 fata de int(1/fs))

Cursul 3
TFD si frecventele semnalului continuu
Daca axei k ii corespunde frecventa k/N esantioane/fereastra
de lungime N, unde este corespondenta cu frecventele reale in
Hz din semnalul continuu ?

Sa nu uitam:
x[k] = xc(k/fs), unde fs = frecventa de esantionare

Cursul 3
TFD si frecventele semnalului continuu
Componentei Xk a spectrului ii corespund k esantioane/
fereastra

Daca o fereastra acopera N/fs secunde atunci Xk corespunde

frecventei

Cursul 3
 Principii de calcul pentru TFD
Deoarece DFT este simetrica fata de N/2 si

Trebuie ca pana la indexul N/2 sa existe Xk astfel incat fk > fN

(cea mai mare frecventa din semnal)
Principiul 1: Alegem N astfel incat sa aiba loc aceasta relatie
Din spectrul {X[k]} alegem k pentru frecventa care ne
intereseaza.
Precizia de localizare depinde de N.
Cursul 3
 Precizia de reprezentare a DFT
Pentru frecventa de esantionare fs si fereastra de N esantioane
rezolutia spectrului calculat cu DFT este:

Principiul 2: Alegem N si fs astfel incat

f 1 Hz

Cursul 3
 TFD si Teorema Nyquist
Th. Nyquist stabileste cum esantionam ca sa nu pierdem
informatie spectrala.

Dupa esantionare aplicam Transformata Fourier Discreta.

Obtinem N/2 componente de frecventa datorita simetriei TFD,

de la 0 la fs/2 Hz. Respectand Th. Nyquist, TFD contine
informatia spectrala la o rezolutie dictata doar de N si fs.

Cursul 3
 TFD Inversa
TFD a asigurat maparea a N esantioane in N componente de
frecventa.

Operatia de transformare din timp in domeniul frecventa este

inversabila doar daca domeniul frecventa are cel putin N axe.

Astfel se revine din domeniul frecventa in domeniul finit de

timp se refac x[0]. x[N-1].

Cursul 3
 TFD Inversa

Dezavantaje: TFD si TFD Inversa au complexitate O(n^2)

Pentru performanta se foloseste FFT

Cursul 3
 Proprietati ale TFD
Periodicitatea
Daca xn si Xk sunt perechi DFT in N puncte, atunci:

Xk+N =Xk , k Z

xn + N = xn , n Z

Cursul 3
 Proprietati ale TFD
Liniaritatea
Daca xn si Xk sunt perechi DFT in N puncte, atunci:

Aceasta proprietate decurge direct din definitia transformatei

Fourier discrete directe.
Cursul 3
 Proprietati ale TFD
Deplasarea si simetria circulara in timp
Datorita proprietatii de periodicitate, transformata Fourier
discreta in N puncte a unei secvente x[n], de durata finita L N
este echivalenta cu transformata Fourier discreta in N puncte a
unei secvente periodice x [n] , de perioada N, obtinuta prin
p

repetarea periodica a lui x[n]

Cursul 3
 Proprietati ale TFD
Prin deplasarea lui x [n] cu k unitati spre dreapta (k>0), se
p

obtine secventa periodica

Secventa aperiodica de lungime finita

se obtine din secventa originala x[n] prin deplasare circulara.

Cursul 3
Proprietati ale TFD

Cursul 3
 Proprietati ale TFD
Se observa ca x'[n] este chiar x[n] deplasat circular cu doua unitati de timp,
unde sensul trigonometric a fost ales arbitrar drept directia pozitiva de
deplasare. Deplasarea circulara a unei secvente de lungime N este
echivalenta cu deplasarea liniara a extensiei sale periodice, obtinute prin
repetarea periodica, cu perioada N, a secventei x[n], si invers.
O secventa de lungime N este circular para daca este simetrica fata de
punctul 0 de pe cerc, adica
x[N n] = x[n], 0 n N 1.
O secventa de lungime N este circular impara daca este antisimetrica fata
de punctul 0 de pe cerc, adica
x[N n] = x[n], 0 n N 1.
Cursul 3
 Aplicatii
Pentru fiecare fereastra de N esantioane
Aplica TFD
Prelucrarea spectrului de frecventa
TFD inversa
Stocarea datelor la iesire
Gliseaza fereastra
Repeta pana cand se proceseaza intreg semnalul

Cursul 3
 Aplicatii
In etapa de procesare a spectrului:
Filtrare in banda (trece-banda, stop-banda,trece-
jos,trece-sus)
Amplificare selectiva a frecventelor
Aplicarea de bancuri de filtre
Translatarea componentelor de frecventa pe axa
frecventelor

Cursul 3
 Filtrarea vocii din muzica
Pentru fiecare secunda de melodie:
Se aplica TFD
Se identifica benzile de frecventa ale vocii
Se anuleaza componentele Xk din aceste benzi sau se salveaza separat
(stop-banda)
Se aplica TFD inversa

Filtrarea vocii din muzica necesita bancuri de filtre indexate temporal

Cod pentru voi: proiect SharpDevelop la
http://neuron.ro/PS/Proiecte/FiltrareDFT.zip
Merge pt .wavs la 12kHz (fs e hard-coded) Cursul 3
 Rezultate demonstrative
Semnal original:
http://neuron.ro/PS/wavs/wav4_12kHzMono.wav
Instrumentatia:
http://neuron.ro/PS/wavs/waveVoiceFilterOut.wav
Componenta de voce filtrata:
http://neuron.ro/PS/wavs/semnalFiltrat.wav

Cursul 3
 Rezultate demonstrative
Abordarea 2:
In secundele fara voce se identifica benzile de frecventa
ale semnalului
Se aplica filtre trece-banda calculate pentru toate
portiunile de melodie asemanatoare in care exista si
voce
Procesul se repeta pentru fiecare portiune in care
instrumentatia este diferita
Indiferent de abordare, este nevoie de o metoda mai
rapida decat DFT si IDFT, in speta FFT si IFFT Cursul 3