3 Domeniul Frecventa

Prelucrarea numerica a semnalelor Domeniul frecventa
Transformata Fourier Continua (TFC)

TFC este instrumentul care face trecerea reprezentarii semnalelor din
domeniul timp in domeniul frecventa si invers.
Domeniul timp Domeniul frecventa

TFC
h(t ) H( f )
TFC-1
h(t )  TFC 1 ( H ( f )) H ( f )  TFC (h(t ))
 
j 2ft
h(t )   H ( f ) e df H ( f )   h(t )e  j 2ft dt
 
Puterea semnalului la momentul t0 Puterea semnalului la frecventa fk
2
P( f k )  H ( f k )
2
p(t0 )  h(t0 )
Energia semnalului
 in domeniul timp Energia semnalului
 in domeniul frecventa
 h (t )  H( f )
2 2
E dt E df
  3.1
Titular: Prof.dr.ing. Cristian Foşalău

Reprezentarea semnalelor in domeniile timp si frecventa
TFC
h(t ) H( f )
TFC-1
Daca h(t) este un semnal continuu aperiodic, H(f) este o functie continua.
H(f)
h(t)
b
Re(f)
t f
Im(f)
Figura 3.1
3.2

Reprezentarea semnalelor in domeniile timp si frecventa
TFC
h(t ) H( f )
TFC-1
Daca h(t) este un semnal continuu periodic, H(f) este o functie discreta care
se reprezinta prin spectrul de frecvente |H(f)| sau spectrul de putere |H(f)|2
Prin aplicarea TFC pe o singura perioada, se obtine dezvoltarea in serie
Fourier a semnalului.
h(t) |H(f)|
t f
T -3f1 -f1 0 f1 2f13f14f15f1
-4f1 -2f1
Figura 3.2 |H(f)| poate fi amplitudinea sau valoarea

efectiva a semnalului la frecventa fk
3.3
H(f) este o functie complexa.
H ( f )  Re( H ( f ))  j Im( H ( f ))
H ( f )  H ( f ) e j ( f )
H ( f )  Re2 ( f )  Im2 ( f )
 Im( f ) 
 ( f )  arctg  
 Re( f ) 
3.4

Exemplu h(t)
b
at
be pentru t  0
h (t )  
0 pentru t  0
t
Figura 3.3
Timp Frecventa
 
TFC ( h(t ))  H ( f )   be at e  j 2ft dt  b  e ( a  j 2f ) t dt 
0 0
b ( a  j 2f ) t  b
 e |0 
a  j 2f a  j 2f
3.5

Exemplu
ab 2fb
H( f )  2  2 j
a  (2f ) a  (2f )
2 2
2f 
b j arctan   
 a 
H( f )  e
a  (2f )
2 2
|H(f)|
Re(f)
f
f
θ(f)
Im(f) f
Figura 3.4 3.6

Frecventa Timp

b
1
TFC ( H ( f ))  h(t )   e j 2f df  be at
0 a  j 2f
3.7
TFC a unor functii uzuale

w(t)
1. Fereastra dreptunghiulara simetrica A
A daca  T0  t  T0
w(t )   t
0 daca t  T0 -T0 T0
Figura 3.5
W(f)
2AT0
sin( 2fT0 )
W ( f )  2 AT0  2 AT0 sin c(2fT0 )
2fT0
3 3
2T0 2T0
f
2 1 1 2 4
2T0 2T0 2T0 2T0 2T0
Figura 3.6 3.8

2. Fereastra dreptunghiulara nesimetrica w(t)

A
A daca 0  t  2T0 Figura 3.7
w(t )  
t
0 in rest
0 2T0
sin( 2fT0 )  j 2fT0

W ( f )  2 AT0 e |W(f)|
2fT0 2AT0
|W(f)|
2AT0
sin( 2fT0 )
W ( f )  2 AT0 Figura 3.8
2fT0
 ( f )  2fT0
f
3 2 1 1 2 3 4
2T0 2T0 2T0 2T0 2T0 2T0 2T0 3.9
3. Impuls Dirac
A daca t  0
h(t )  A (t )  
0 in rest

 j 2ft
H( f )   A ( t ) e dt  Ae 0
A

h(t) H(f)
A A
t f
0 0
Figura 3.9
3.10
4. Semnal constant
h (t )  A tR
 
H( f )  


Ae j 2ft dt  A e  j 2ft dt  A ( f )

h(t) H(f)
A A
t f
0 0
Figura 3.10
3.11

5. Semnale periodice (cosinus)
h(t )  A cos(2f 0t )
A A
H ( f )   ( f  f0 )   ( f  f0 )
2 2
H(f)
h(t) A A
A 2 2
t f
-f0 0 f0
A A
 ( f  f0 )  ( f  f0 )
2 2
Figura 3.11
3.12

6. Semnale periodice (sinus)
h(t )  Asin( 2f 0t )
H ( f )  j   ( f  f 0 )   ( f  f 0 )
 A A
2 2 
Im(H(f))
h(t) A
A 2
t f0 f
-f0 0
A
A  A
 ( f  f0 ) 2   ( f  f0 )
2 2
Figura 3.12
3.13

7. Semnal pieptene

p (t )    (t  kT0 ) kZ
k  
1   k 
P( f )     f    f 0    f  kf 0 
T0 k   T0  k  
p(t) P(f)
1/T0 1/T0 1/T0 1/T0
1 1 1 1 1 1 1 1
t t
-3T0 -T0
0 T0 3T0  3  2 1 0 1 2 3
-2T0 2T0 T0 T0 T0 T0 T0 T0
Figura 3.13  f0 f0 2 f0 3 f0
3.14

8. Semnal periodic limitat in timp (in fereastra)
 A cos(2f 0t ) daca  T  t  T
h (t )  
0 in rest
sin( 2fT )
H ( f )  A T [Q( f  f 0 )  Q( f  f 0 )]
2 Q( f ) 
2fT
H(f)
h(t)
A A2T A2T
-T T
f
2T
-f0 f0
Figura 3.14 3.15
Proprietatile TFC
1. Liniaritatea
TFC
x(t ) X( f )
Daca TFC
y (t ) Y( f )
TFC
Atunci ax(t )  by (t ) aX ( f )  bY ( f )
Exemplu: adunarea unei componente continui la un semnal sinusoidal
TFC
X ( f )  k ( f )
x (t )  k
TFC A A
y (t )  A cos 2f 0t y( f )   ( f  f0 )   ( f  f0 )
2 2
h(t )  k  A cos 2f 0t TFC H ( f )  k ( f )  A  ( f  f )  A  ( f  f )
0 0
h(t) 2 2
A H(f)
A A
k 2 2
t TFC k
f
Figura 3.15 3.16
Titular: Prof.dr.ing. Cristian Foşalău -f0 0 f0
Proprietatile TFC
2. Simetria
TFC
Daca h(t ) H( f )
TFC
Atunci H (t ) h(  f )
Exemplu: TFC a unei functii sinc
H(f)
h(t) 2AT0
A
t f
-T0 T0
H(t)
2AT0 h(-f) = h(f)
A
t f
-T0 T0
Figura 3.16 3.17
Proprietatile TFC
3. Scalarea in timp
TFC
Daca h(t ) H( f )
TFC 1 f
Atunci h(kt ) H 
k k
Expandarea scarii in timp corespunde comprimarii scarii in frecventa.
3.18
Proprietatile TFC
3. Scalarea in timp (exemplu)
H(f)
h(t)
A 2AT0 1
TFC
2T0
t f
-T0 T0
Figura 3.17.a H(f)
h(t) 4AT0
A 1
TFC
4T0
t f
-2T0 2T0
Figura 3.17.b
H(f)
h(t) 6AT0
A 1
TFC 6T0
t f
-3T0 3T0
3.19
Titular: Prof.dr.ing. Cristian Foşalău Figura 3.17.c
Proprietatile TFC
4. Scalarea in frecventa
TFC
Daca h(t ) H( f )
1 t TFC
Atunci h  H kf 
k k 
3.20
Proprietatile TFC
5. Deplasarea in timp
TFC
Daca h(t ) H( f )
H  f  e  j 2
TFC
Atunci h(t  t0 ) f t0
w(t)
A
sin( 2fT0 )
W ( f )  2 AT0  2 AT0 sin c(2fT0 )
t 2fT0
-T0 T0
w(t-T0)
A
sin( 2fT0 )  j 2fT0
W ( f )  2 AT0 e
t 2fT0
0 2T0
Figura 3.18
3.21
Proprietatile TFC
6. Deplasarea in frecventa
TFC
Daca h(t ) H( f )
h(t )e j 2f0t H  f  f0 
TFC
Atunci
3.22
Proprietatile TFC
7. Formula inversa alternata

TFC
Daca h(t ) H( f )
 *
  j 2ft 
Atunci h (t )    H ( f )e
*
df 
  

 j 2ft
* = conjugata complexa H( f )   h ( t ) e dt

3.23
Proprietatile TFC
8. TFC a semnalelor pare
TFC
Daca h(t ) H( f )
h(t ) functie para h(t )  h( t )

Atunci H ( f )   h(t ) cos(2ft )dt

H(f) functie pur reala si para

Exemplu: TFC a semnalului cosinusoidal A A
H( f )   ( f  f0 )   ( f  f0 )
2 2
h(t)
A H(f)
A A
t 2 2
f
-f0 0 f0
Figura 3.19 3.24
Proprietatile TFC
9. TFC a semnalelor impare
TFC
Daca h(t ) H( f )
h(t ) functie impara h(t )  h( t )

Atunci H ( f )   j  h(t ) sin( 2ft )dt

H(f) functie pur imaginara si impara
H ( f )   j   ( f  f 0 )   ( f  f 0 )
Exemplu: TFC a semnalului sinusoidal A A
2 2 
h(t)
Im(H(f))
A
A
t 2
f0 f
-f0 0
A
Figura 3.20  3.25
2
Proprietatile TFC
10. Teorema convolutiei in timp

TFC
Daca x(t ) X( f )
TFC
h(t ) H( f )
TFC
Atunci y (t )  x (t ) * h (t ) Y ( f )  X ( f ) H( f )
Convolutiei in domeniul timp ii corespunde produsul in domeniul frecventa
3.26
Proprietatile TFC
Exemplu: TFC a convolutiei dintre o functie pieptene si o functie
oarecare
x(t) p(t) Figura 3.21 y(t) = x(t)p(t)
A A A A A
A 1 1 1 1 1
=
t * t t
-T T -2T0 -T0 0 T0 2T0 -2T0 -T0 0 T0 2T0
X(f) P(f) Y(f) = X(f)P(f)

1 2 AT
2AT
x T0
T0
1 1
2T 2T f
f f
 2 1
1
2
T T0 T
T0 0
2
0
2
2T 2T Figura 3.22 3.27
Proprietatile TFC
11. Teorema convolutiei in frecventa

TFC
Daca x(t ) X( f )
TFC
h(t ) H( f )
TFC
Atunci y (t )  x (t )  h(t ) Y ( f )  X ( f )*H( f )
Convolutiei in domeniul frecventa ii corespunde produsul in domeniul timp
3.28
Proprietatile TFC
Exemplul 1: TFC a unui semnal esantionat.Explicarea erorii de
alias utilizand teorema convolutiei in frecventa.
x(t) p(t) Figura 3.23 x(t)p(t)
111111 11111
x =
t t t
-T T -2T0-T0 0 T0 2T0 -T -T0 T0 T
Y(f) = X(f)P(f)
X(f) P(f)
1 1 1
 T0 T0 T0
f f f
-fmax fmax  2 1 0 1 2  2 f0  f0 f0 2 f0
f max
T0 T0 T0 T0 f0 f0
f0 2 f0 f max  f Nq 
Figura 3.24 2 2 3.29
Proprietatile TFC
Exemplul 1: TFC a unui semnal esantionat.Explicarea erorii de
alias utilizand teorema convolutiei in frecventa.
x(t) p(t) Figura 3.25 x(t)p(t)
1 1 1 1 1 1 1 1 1
x =
t t t
-T T -2T0-T0 0 T0 2T0 -T -T0 T0 T
Y(f) = X(f)P(f)
X(f) P(f)
1 1 1
 T0 T0 T0
f f f
-fmax fmax  2 1 0 1 2  2 f 0 f 0 f0 2 f0
T0 T0 T0 T0 f0 f 0 f max
f0 2 f0 f max  f Nq 
Figura 3.26 2 2 3.30
Proprietatile TFC
Exemplul 2: TFC a unui semnal trunchiat in timp prin inmultirea
cu o fereastra dreptunghiulara
h(t) w(t) h(t)w(t)
A 1
t
x t
=
t
-T T -T T
Figura 3.27
H(f) W(f) H(f)*W(f)

2T AT AT
A A
2 2
 =
f f f
-f0 0 f0 0 -f0 0 f0
Figura 3.28
3.31
Proprietatile TFC
12. Teorema lui Parseval

TFC
Daca x(t ) X( f )
 
 
2 2
Atunci x (t ) dt  X ( f ) df
 
La trecerea din domeniul timp in domeniul frecventa,

energia semnalului se conserva
3.32
Legatura dintre Transformata Fourier si seriile Fourier

Orice semnal periodic s(t) de frecventa f0 poate fi descompus in serie
Fourier dupa cum urmeaza:
ak, bk
s(t)
t f
T0 0 f1 2f1 3f1 4f1 5f1 6f1
Figura 3.29
 
s(t )  a0   ak cos(2kf 0t )   bk sin( 2kf 0t )
k 1 k 1
T0 T T
1 2 0 2 0
a0   s(t )dt ak   s(t ) cos(2kf 0t )dt bk   s(t ) sin( 2kf 0t )dt
T0 0 T0 0 T0 0
3.33

sau Ak
s(t)
t f
T0 Figura 3.30 0 f1 2f1 3f1 4f1 5f1 6f1

s(t )  A0   Ak cos(2kf 0t   k )
k 1
A0  a0 Componenta continua (valoarea medie) a semnalului
Ak  a 2 k  b2 k Amplitudinea componentei spectrale de ordin k
  bk 
 k  arctg   Faza componentei spectrale de ordin k
 ak 
3.34

sau
forma complexa a descompunerii in serie Fourier:

s(t )  k
c e j 2kf0t
k  
unde ck sunt coeficientii Fourier complecsi ai dezvoltarii, dati de relatia:
T0
1
ck   s(t )e  j 2kf0t dt
T0 0
Dar TFC a semnalului s(t) pentru o perioada T0 este:

sp(t)
T0
1
S p ( f )   s p (t )e  j 2ft
dt ck  S p (kf 0 )
T0
0
t Figura 3.31
3.35

sp(t) p(t) s(t)

1 1 1 1 1
=
t t t
T0 T0  2T0  T0 0 T0 2T0  2T0  T0 T0 2T0

2 2 Figura 3.32

s (t )  s p (t ) * p(t )  s p (t ) *  (t  kT0 )
k  
1 

1
S ( f )  S p ( f )  P( f )  S p ( f )   ( f  kf 0 )  S p (kf 0 )  ck
T0 k  T0
Concluzii
1. Daca semnalul este periodic, spectrul sau este discret.
2. Valorile componentelor spectrale sunt valorile TFC ale lui s(t) pe o
perioada (sp(t)) , calculate in punctele kf0 si ponderate cu 1/T0.
3.36
Transformata Fourier Discreta (TFD)

H(f)
h(t)
a)
t f
P(f)
p(t)
1 1
111 11111 1 1 1111111 T0 T0
b)
t f
-T00 T0  2 1 1 2
2T0 0
T0 T0 T0 T0
h(t)p(t) H(f)*P(f)
c)
t f
T0  2 1 1 2
0
T0 T0 T0 T0
Figura 3.33 3.37

w(t) WW(f)
T2A (f
T0 )
1
d)
3 3
t 2T0 2T0 f
f
T T 1
 2
2T0
1 1
2T0 2T0
2
2T0
4
2T0
2 2 T
h(t)p(t)w(t) H(f)*P(f)*W(f)
e)
t f
T=NT0 1 1 0 1 1
T0 2T0 2T0 T0
N esantioane
P1(f)
p1(t)
1 1
f) T
t f
-T T  2 1 0 1 2
T T T T
Figura 3.33 3.38

h(t)p(t)w(t) H(f)*P(f)*W(f)
e)
t f
T=NT0 1 1 1 1
0
T0 2T0 2T0 T0
N esantioane
p1(t) P1(f)
1 1
f) T
t f
1
-T T 0
T
h(t)p(t)w(t)]  p1(t)
[H(f)*P(f)*W(f)]P1(f)
g)
t
T 
T
0
T
T
f
2 2
N esantioane 0
Figura 3.33 N esantioane 3.39

Trecerea de la domeniul continuu la domeniul discret
Continuu Discret
t kT0
n n
f 
T NT0
h(t ) h(k )
H( f ) H (n)
t  0  k  N 1
 N 1
 
 0
3.40

TFD este instrumentul care face trecerea reprezentarii semnalelor din
domeniul timpului discret in domeniul frecventelor discrete si invers.

TFD
h(k ) H (n )
TFD-1
h(k )  TFD 1 ( H (n)) H (n)  TFD(h(k ))
 
TFC
 
j 2ft  j 2ft
h(t )  H ( f ) e df H( f )  h ( t ) e dt
 
N 1 j 2
nk N 1  j 2
nk
 H ( n )e  h ( k )e
1 TFD
h( k )  N H (n)  N
N n 0 TFD-1 k 0
3.41

N eşantioane
h(n) |H(n)|
N eşantioane
(t) (f)
Δt=T0 n Δf
n
_
f+ f
T = NT0 Figura 3.34 NΔf
H (0)  H ( N  1) ; H (1)  H ( N  1) ; ... H (k )  H ( N  k  1)

 (0)   ( N  1);  (1)   ( N  2);  (k )   ( N  k  1)
Rezolutia in timp t  T0
1 1 f0
Rezolutia in frecventa f   
T NT0 N
3.42
TFD
h(k ) H (n )
TFD-1
Spectrul de putere
2
H * (n) H (n) H (n)
SP(n )  2

N N2
SP(n)
n
Δf
Figura 3.35 3.43


Exercitii
1. Sa se calculeze TFD a semnalului periodic :
1 pentru n  4m
s(n )   mZ
0 in rest
2. Sa se calculeze TFD a semnalului periodic :
1 pentru n  4m  1
s(n )   mZ
0 in rest
3.44

Exercitii
3. Sa se calculeze TFD a secventei:
s(n) = {1, 0, 1, 0, 1, 0}
4. a) Sa se calculeze secventa obtinuta prin esantionarea semnalului
s(t )  2 cos 200t

cu frecventa f0 = 600 Hz, pe parcursul unei perioade.
b) Sa se calculeze secventa S(n) = TFD (s(n)) si sa se reprezinte grafic spectrul

de amplitudine al semnalului.
c) Sa se verifice ca s(n) = TFD-1[S(n)]
d) Aceeasi problema pentru semnalul:
s(t )  2 sin 200t
3.45

Concluzii
1. Esantionarea in domeniul timp cu perioada T0 conduce la periodizare in
domeniul frecventa cu perioada 1/T0 .
2. Esantionarea in domeniul frecventa cu perioada 1/T conduce la periodizare in

domeniul timp cu perioada T, unde T este lungimea ferestrei de trunchiere.
t f
T
1
T 1 1
0 T0
T  NT0  T
2T0 2T0
N
1 1
N N
T0 T
Figura 3.36 3.46

Concluzii
3. La N esantioane in domeniul timp corespund N esantioane in domeniul
frecventa.
4. Daca in procesul de esantionare nu este indeplinita teorema lui Shannon,

spectrele perioadelor in domeniul frecventa se suprapun, rezultand erori de
“alias”.
5. TFD a unui semnal este intotdeauna o functie complexa.
6. Primelor N/2 esantioane din spectru le corespunde domeniul frecventelor

pozitive, care este spectrul frecventelor reale.
7. Spectrul de amplitudine este simetric, iar cel al fazelor este antisimetric.
3.47
Proprietatile TFD
1. Liniaritatea
TFD
x(k ) X (n )
Daca TFD
y (k ) Y (n )
TFD
Atunci ax(k )  by (k ) aX (n)  bY (n)
2. Simetria
TFD
Daca h(k ) H (n)
1 TFD
Atunci H (k ) h( n )
N
3.48
Proprietatile TFD
3. Deplasarea in timp
TFD
Daca h(k ) H (n)
TFD ni
 j 2
Atunci h( k  i ) H n  e N
4. Deplasarea in frecventa
TFD
Daca h(k ) H (n)
H n  i 
j 2
ki TFD
Atunci N
h ( k )e
3.49
Proprietatile TFD
5. Formula inversa alternata

TFD
Daca h(k ) H (n)
ni *
 N 1  j 2 
  H n 
1
Atunci h(k )  *
e N

N  n 0 
6. TFD a semnalelor pare

TFD
Daca h(k ) H (n) si h( k )  h( k )
N 1
2nk
Atunci H (n )   h(k ) cos H(n) para si pur reala
k 0 N
3.50
Proprietatile TFD
7. TFD a semnalelor impare

TFD
Daca h(k ) H (n) si h(k )  h( k )
N 1
2nk
Atunci H (n )   j  h(k ) sin H(n) impara si pur
k 0 N imaginara

TFD
x(k ) X (n )
Daca TFD
y (k ) Y (n )
TFD
Atunci x(k ) * y (k ) X (n)  Y (n)
3.51
Proprietatile TFD
TFD
x(k ) X (n )
Daca TFD
y (k ) Y (n )
TFD 1
Atunci x(k )  y (k ) X (n) * Y (n)
N
10. Teorema lui Parseval

TFD
Daca x(k ) X (n)
N 1 N 1
 x (k )  N  (n)
2 1 2
Atunci X
k 0 n 0
3.52
Eroarea de “leakage”
h(n) |H(n)|
h’(n)
n Corect n
T = 2Ts
h’(n) = h(n)
T = mTs
TFD TFD-1
h(n) |H(n)| h’(n)
n n
Leakage
n
T =1,5Ts
h’(n)  h(n)
T  mTs Figura 3.37 3.53
Eroarea de “leakage” - exemple

h(n)
h’(n)
n n
a)
h(n) fereastra de trunchiere discontinuitati

h’(n)
b) n n
h(n) h’(n)
c) n
n
Figura 3.38 3.54

Posibilitati de reducere a erorii de “leakage”
1. Achizitia intregului semnal (de la - la + )

2. Achizitia unui numar intreg de perioade
a) achizitie sincrona utilizand un multiplicator de frecventa
b) prelucrare off-line
3. Utilizarea ferestrelor de ponderare
3.55
Utilizarea ferestrelor de ponderare pentru reducerea

erorii de “leakage”
Fereastra de ponderare – o functie cu care se inmulteste semnalul de

analizat cu scopul reducerii discontinuitatilor la reconstruirea semnalului
din perioadele sale.
h(n)w(n)
h(n) w(n)
X =
n
n
n
Figura 3.39
3.56
Tipuri de ferestre de ponderare

1
0,8
Fereastra
amplitudine
0,6 rectangulara
Figura 3.40
0,4
0,2
0
0 20 40 60 80 100
n
1 pentru 0  n  N  1
w(n )   n  0,1,.....N  1
0 in rest
Aplicatii: Pentru analiza semnalelor tranzitorii de durata mai mica

decat lungimea ferestrei.
3.57
1
0,8
amplitudine
Fereastra Hann
0,6
Figura 3.41 (Hanning)
0,4
0,2
0
0 20 40 60 80 100
n
w(n )  0,5  0,5 cos 2 

n n  0,1,.....N  1
 N
Aplicatii: Pentru analiza semnalelor tranzitorii de durata mai mare

decat lungimea ferestrei, in aplicatii de uz general.
3.58

1
0,8 Fereastra
amplitudine
0,6 Hamming
Figura 3.42
0,4
0,2
0
0 20 40 60 80 100
n
 n
w(n )  0,54  0,46 cos 2  n  0,1,.....N  1
 N
Aplicatii: Asemanator cu Hanning, insa fereastra are pe capete

valori nenule
3.59

1
0,8 Fereastra
amplitudine
exponentiala
0,6
Figura 3.43
0,4
0,2
f = valoarea finala
0
0 20 40 60 80 100
n
n
ln f
w(n )  e N 1 n  0,1,.....N  1
Aplicatii: Pentru analiza semnalelor tranzitorii a caror durata este

mai lunga decat lungimea ferestrei. Forma semnalului
trebuie sa fie tot exponentiala.
3.60

1
0,8
Fereastra
amplitudine
0,6
“flat-top”
Figura 3.44 0,4
0,2
0
0 20 40 60 80 100
-0,2 n
w(n )  0,281  0,52 cos 2   0,198 cos 4 

n n
n  0,1,.....N  1
 N  N
Aplicatii: Pentru analiza semnalelor care prezinta componente

singulare in domeniul frecventei. Are cea mai buna precizie
in privinta amplitudinii.
3.61

1
0,8 Fereastra
amplitudine 0,6 Blackman
Figura 3.45
0,4
0,2
0
0 20 40 60 80 100
n
w(n )  0,42  0,5 cos 2   0,08 cos 4 

n n
n  0,1,.....N  1
 N  N
Aplicatii: Pentru detectarea frecventelor indepartate si de amplitudini

diferite.
3.62

1
 = 0,2
0,8 =1
amplitudine 0,6
Fereastra
Figura 3.46
0,4
Kaiser - Bessel
 = 10
0,2
0
0 20 40 60 80 100
n
w( n ) 
I0  1  a2
,
  a 1 2
n n  0,1,.....N  1
I0 = functia Bessel de
I 0 ( ) N prima speta
Aplicatii: Pentru detectarea a doua componente dintr-un semnal de

frecvente foarte apropiate, dar cu amplitudini foarte diferite.
3.63

1
Fereastra
0,8 triunghiulara
amplitudine (Barlett)
0,6
Figura 3.47
0,4
0,2
0
0 20 40 60 80 100
n
2n  N n  0,1,.....N  1
w( n )  1 
N
3.64

rectangulara
1
Kaiser-Bessel (β=1)
0,8
Barlett
amplitudine
0,6
0,4 Hanning
Flat top
0,2 Hamming
Blackman
0
0 20 40 60 80 100
-0,2 n
Figura 3.48
3.65
Alegerea tipului de fereastra

Aplicatia Tip fereastra
Semnale a caror durata este mai mica decat lungimea Rectangulara
ferestrei
Semnale a caror durata este mai mare decat lungimea Exponentiala, Hanning
ferestrei
Aplicatii de ordin general Hanning

Separarea a doua tonuri de frecvente foarte apropiate dar Kaiser-Bessel
diferite ca amplitudine
Separarea a doua tonuri de frecvente foarte apropiate si Rectangulara

amplitudini comparabile
Masurarea cu precizie a amplitudinii unei frecvente singulare Flat top

Forme de unda sinusoidale si combinatii ale acestora Hanning
Semnale tranzitorii exponentiale Exponentiala
Forme de unda sinusoidale la care masurarea amplitudinii Flat top
trebuie facuta cu precizie
3.66
Exemple de aplicare a ferestrelor

f = 40 Hz; A = 20
1,5 120
+
f = 50 Hz; A = 100
1 100
80
0,5
60
0
40
-0,5
20
-1
0
-1,5 0 5 10 15 20 25
Figura 3.49
1,5 70
60
1
50
0,5
40
0 30
-0,5 20
10
-1
0
-1,5 Fereastra rectangulara 0 5 10 15 20 25
Figura 3.50
3.67
Exemple de aplicare a ferestrelor

45
40
35
30
Figura 3.51
25
Fereastra Hann 20
15
10
5
0
0 5 10 15 20 25
40
35
30
Figura 3.52
Fereastra Hamming 25
20
15
10
5
0
0 5 10 15 20 25
40
35
30
Fereastra Barlett 25 Figura 3.53

20
15
10
5
0
0 5 10 15 20 25
3.68

3 Domeniul Frecventa

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

3 Domeniul Frecventa

Încărcat de

Drepturi de autor:

Formate disponibile

Prelucrarea numerica a semnalelor Domeniul frecventa

Transformata Fourier Continua (TFC)

Domeniul timp Domeniul frecventa

Transformata Fourier Continua (TFC)

Transformata Fourier Continua (TFC)

Figura 3.2 |H(f)| poate fi amplitudinea sau valoarea

Transformata Fourier Continua (TFC)

H(f) este o functie complexa.

Transformata Fourier Continua (TFC)

Transformata Fourier Continua (TFC)

Figura 3.4 3.6

Transformata Fourier Continua (TFC)

TFC a unor functii uzuale

Figura 3.6 3.8

TFC a unor functii uzuale

2. Fereastra dreptunghiulara nesimetrica w(t)

sin( 2fT0 )  j 2fT0

TFC a unor functii uzuale

TFC a unor functii uzuale

TFC a unor functii uzuale

TFC a unor functii uzuale

TFC a unor functii uzuale

TFC a unor functii uzuale

Expandarea scarii in timp corespunde comprimarii scarii in frecventa.

7. Formula inversa alternata

H(f) functie pur reala si para

H(f) functie pur imaginara si impara

10. Teorema convolutiei in timp

Convolutiei in domeniul timp ii corespunde produsul in domeniul frecventa

X(f) P(f) Y(f) = X(f)P(f)

11. Teorema convolutiei in frecventa

Convolutiei in domeniul frecventa ii corespunde produsul in domeniul timp

H(f) W(f) H(f)*W(f)

12. Teorema lui Parseval

La trecerea din domeniul timp in domeniul frecventa,

Legatura dintre Transformata Fourier si seriile Fourier

Legatura dintre Transformata Fourier si seriile Fourier

A0  a0 Componenta continua (valoarea medie) a semnalului

Ak  a 2 k  b2 k Amplitudinea componentei spectrale de ordin k

Legatura dintre Transformata Fourier si seriile Fourier

Dar TFC a semnalului s(t) pentru o perioada T0 este:

Legatura dintre Transformata Fourier si seriile Fourier

Transformata Fourier Discreta (TFD)

Transformata Fourier Discreta (TFD)

Transformata Fourier Discreta (TFD)

Transformata Fourier Discreta (TFD)

Transformata Fourier Discreta (TFD)

Domeniul timp Domeniul frecventa

Transformata Fourier Discreta (TFD)

T = NT0 Figura 3.34 NΔf

H (0)  H ( N  1) ; H (1)  H ( N  1) ; ... H (k )  H ( N  k  1)

Transformata Fourier Discreta (TFD)

Figura 3.35 3.43

Transformata Fourier Discreta (TFD)

1. Sa se calculeze TFD a semnalului periodic :

2. Sa se calculeze TFD a semnalului periodic :

Transformata Fourier Discreta (TFD)

4. a) Sa se calculeze secventa obtinuta prin esantionarea semnalului

s(t )  2 cos 200t

b) Sa se calculeze secventa S(n) = TFD (s(n)) si sa se reprezinte grafic spectrul

c) Sa se verifice ca s(n) = TFD-1[S(n)]

d) Aceeasi problema pentru semnalul:

s(t )  2 sin 200t