TRANSFORMAREA FOURIER RAPIDĂ. IMPORTANTA ALEGERII FERESTREI.

STUDIU PRACTIC PE UN SEMNAL CU O FRECVENŢĂ BINE DEFINITĂ.

Obiectiv: Familiarizarea studenţilor cu impotanţa alegerii ferestrei în analiza spectrală a unui semnal
de timp eșantionat folosind așa-numitul algoritm de transformare rapidă Fourier cunoscut sub
numele de FFT (Fast Fourier Transform - Transformarea Rapidă Fourier)

Analiza Fourier, în special sub forma algoritmului FFT (Transformata Fourier Rapidă), este un
instrument excelent pentru înţelegerea formelor de undă și a componentelor spectrale ale
acestora. În matematică, transformata Fourier se aplică unei funcţii complexe și produce o altă
funcţie complexă care conţine aceeași informaţie ca funcţia originală, dar reorganizată după
frecvenţele componente. De exemplu dacă functia initială este un semnal dependent de timp,
transformata sa Fourier descompune semnalul după frecvenţa și produce un spectru al acestuia.
Transformata Fourier discretă a unui semnal
Fie y(t) o funcţie de timp și fie y vectorul valorilor eșantionate ale funcţiei
y   y1 , y 2 ,... y N 
Transformata Fourier discretă a funcţiei este
Y   Y1 , Y2 ,...YN 
unde Yi sunt date de relaţia
N j 2 ( k 1)( n 1)

Yk   y n e N , 1 k  N
n 1
Transformarea Rapidă Fourier (FFT sau Fast Fourier Transform) este un algoritm pentru calculul
transformării discrete Fourier (DFT).

Când trebuie să analizez un semnal și să arăt studenţilor mei frecvenţa fundamentală şi armonicele
sale, cel mai simplu mod ar fi să dau „click“ pe butonul FFT al unui program de analiză spectrală.
Presupun un semnal în funcţie de timp. Trebuie să aleg o fereastră de calcul. Care este rolul acestei
ferestre și care este cea mai bună alegere pentru această fereastră? Unii susţin setarea ferestrei într-o
perioadă a semnalului, alţii pretind că acurateţea este mai bună dacă fereastra conţine o mulţime de
perioade. Răspunsul la această întrebare trebuie să fie dat într-un experiment. Voi începe prin a face
un FFT de semnal sinusoidal cu o frecvenţă bine definită F0 = 100 Hz, cu o fereastră ajustată la:

• o perioadă
• 5 perioade
• 50 perioade din semnal

1
 Notă: FFT prezentat aici a fost realizat luând N = 2 9 = 512 puncte în fereastră, fereastră reprezentată
de un cadru punctat pe semnalul temporal: y(t). (N = 2 9 = 512 puncte/frame)
a) O singură perioadă
fereastra
U1/V U1/V

4 4.5

3 4
512 puncte în 10 ms(=0.01sec)
2 3.5
=>Fs=512/0.01=51200Hz=51.2KHz Fs=51200puncte … 1sec
1 3
N=512 puncte/frame … x sec

..
0 2.5
=>1 frame=0.01sec =>Δf = 1/0.01=100 Hz
-1 512 puncte într-o fereastră 2
Reprezentarea în domeniul frecvenţă se va face deci din

.
-2 1.5
100 în 100 Hz de la 0 la Fs/2=25.6KHz (cf teoremei Nquist),
Fs≥2F0 (A)
-3 1 deci vom prinde frecvenţa de 100Hz.
-4 0.5

2 4 6 8 10 12 14 16 18 2 4 6
f/kHz
8 10 12 25.6KHz
t/ms
b) Cinci perioade
fereastra
U1/V U1/V

4 4.5

3 512 puncte în 50ms(=0.05sec) 4

2 =>Fs=512/0.05=10240Hz 3.5

1 3
Fs=10240puncte … 1sec
0
N=512 puncte/frame … x sec
2.5
=>1 frame=0.05sec =>Δf = 1/0.05=20 Hz
-1 2
Reprezentarea în domeniul frecvenţă se va face deci din 20
-2 Fs≥2F0 (A) 1.5
in 20 Hz de la 0 la Fs/2=5120Hz, deci vom prinde frecvenţa
-3 1 de 100Hz
-4 0.5

5 10 15 20 25 30 35 40 45 1 2 3 4 5
t/ms f/kHz
5.12KHz
fereastra
c) 50 perioade
U1/V U1/V

4 4.5

3 4

2 512 puncte în 500ms(=0.5sec) 3.5

Fs=1024puncte … 1sec
1
=>Fs=512/0.5=1024Hz 3
N=512 puncte/frame … x sec
0 2.5
=>1 frame=0.5sec =>Δf = 1/0.5=2 Hz
-1 2
Reprezentarea în domeniul frecvenţă se va face deci din
-2
Fs≥2F0 (A) 1.5
2 in 2 Hz de la 0 la Fs/2=512Hz, deci vom prinde
-3 1
frecvenţa de 100Hz
-4 0.5

50 100 150 200 250 300 350 400 450 100 200 300 400 500
512Hz
t/ms f/Hz

U1/V U1/V
100 Hz 100 Hz

3 3

2.5 2.5

2 2

1.5 1.5

1 1

0.5 0.5

0.2 0.4 0.6 0.8 1 1.2 1.4 60 80 100 120 140 160 180
f/kHz f/Hz

Cazurile a) şi b) "zoom"

2
Rezultatul este în mod substanţial același, obţin un maxim la 100 Hz, singura diferenţă notabilă
provine din prezenţa a douăsprezece vârfuri secundare, amplitudine foarte scăzută, atunci când se ia
o fereastră care conţine 50 de perioade. Când folosesc zoom-ul, pot stabili scara. În primul caz găsesc
exact 100 Hz! Pentru un student este simplu și curat. În alte cazuri apar vârfuri secundare (originea lor
care le voi explica în alt studiu). În cazurile a) și b), am fost nevoit să facem un "zoom", vârfurile fiind
prea apropiate de axa absciselor.
Toate acestea sunt adevărate, dar revenind la graficele iniţiale, fară "zoom", putem observa de
asemenea că axa de frecvenţă este graduată diferit: pentru o perioadă avem fmax = 25,6kHz și
intervalul dintre 2 puncte este egal cu f = 100Hz, pentru 5 perioade avem fmax = 5120Hz, iar
intervalul dintre 2 puncte este egal cu f = 20Hz, pentru 50 perioade avem fmax = 512Hz și intervalul
între 2 puncte este în valoare de f = 2Hz. Se poate deci considera că în primul caz există un calcul la
fiecare 100Hz, în cel de-al doilea calcul la fiecare 20Hz și în cel de-al treilea calcul la fiecare 2Hz, ceea
ce dă în termeni de precizie un bun început de răspuns în ceea ce privește alegerea ferestrei. Cu o
singură perioadă în fereastră, nu riscăm să ne înşelăm, deoarece nu există alte puncte de calcul între
0 și 100 Hz!

Bibliografie:

Esquieu J : Analyse spectrale numérique BUP 754

Esquieu J : Traitement numérique du signal BUP 754
Rossing T :La physique des timbales (Pour la science, Janvier 1983)
Max jacques et Lacoume Jean louis : Traitement du signal Masson
Cottet Francis: Traitement du signal et acquisition de données. Dunod