Baixe o app para aproveitar ainda mais
Prévia do material em texto
Análise Espectral 1 Processamento Digital de Sinais Notas de Aula Análise Espectral Usando a DFT Ricardo Tokio Higuti Departamento de Engenharia Elétrica - FEIS - Unesp Observação: Estas notas de aula estão baseadas no livro: “Discrete-Time Signal Processing”, A.V. Oppenheim and R.W. Schafer, Prentice Hall, 1989/1999. Análise Espectral 2 Análise Espectral Usando a DFT Uma das principais aplicações da DFT é a análise do conteúdo de freq. de sinais (análise espectral) Aplicações: • Análise e śıntese de sinais de voz • Estudo de harmônicos em redes • Medição de desvio de frequência (Doppler) Para o uso da DFT na análise de sinais de tempo cont́ınuo, deve-se considerar: • Amostragem (qual freq. de amostragem usar?) • DFT: para sinais de duração finita - truncamento do sinal (quantos pontos usar?) • Como relacionar as freq. analógicas (Hz) com as amostras (X[k]) Análise Espectral 3 Análise Espectral Filtro anti-aliasing Conversor C/D janelamento DFT N pontos x janela pontosL sc(t) xc(t) x[n] v[n] w[n] V [k] Haa(jΩ) fs = 1 T • Filtro anti-aliasing: elimina/atenua componentes de freq. acima de Ωs/2 (ou fs/2), para evitar sobreposição do espectro; • Conversor C/D: é um conversor A/D, que amostra o sinal xc(t) a uma taxa de fs amostras por segundo, e no qual devem ser con- sideradas suas caracteŕısticas não-ideais (amostragem com retenção, número finito de bits); • Truncamento ou janelamento: v[n] = x[n] · w[n], em que w[n] é uma função que limita a duração do sinal x[n], chamada de janela. Ela determina o comprimento do sinal a ser analisado (L), e pode fazer alguma modificação no formato do sinal original, no tempo e em frequência. • DFT: Calcula a DFT do sinal v[n], utilizando N ≥ L pontos para o cálculo: V [k] = N−1∑ n=0 v[n]e−j 2π N kn, k = 0, 1, ..., N − 1 Análise Espectral 4 Análise Espectral 0 1 2 3 4 5 6 7 Sc(jΩ) Ω0 Ω1 Haa(jΩ) Xc(jΩ) X(ejω) W (ejω) V (ejω), Ṽ [k] V [k] ω ω ω Ω Ω Ω ∆ω = 2π N N − 1 Ωs 2 = π T Ωs 2 = π T π π π k 2π 2π 2π −π −π −π −2π −2π −2π Ω Ω Ω Análise Espectral 5 Relação Entre as Transformadas Os vários parâmetros usados na análise espectral determinam a relação entre as freq. analógicas e as amostras da DFT. São eles: • Freq. amostragem: fs = 1/T • Número de pontos usado no cálculo da DFT: N Relembrando alguns pontos importantes: • Quando um sinal xc(t) é amostrado, obtendo-se o sinal x[n], tem-se que a DTFT de x[n], X(ejω), está relacionada com o espectro do sinal de tempo cont́ınuo amostrado, Xs(jΩ), pela relação de freqüências: ω = ΩT = 2πf/fs • Em um sinal de tempo discreto de duração finita v[n], sua DFT, V [k], e sua DTFT, V (ejω), estão relacionadas por: V [k] = V (ejω)|ω= 2π N k, k = 0..N − 1 ou seja, a DFT é composta por N amostras da DTFT, equiespaçadas de ∆ω = 2π/N , entre ω = 0 e 2π. Dáı, pode-se relacionar a amostra k da DFT com a freq. f , em Hertz: ∆ω = 2π/N = ∆ΩT = 2π∆f/fs e portanto, ∆f = fs N é o espaçamento equivalente entre as amostras do espectro do sinal de tempo cont́ınuo, que é amostrado nas freqüências fk = fs N k Análise Espectral 6 Problemas e Limitações Devido às operações realizadas sobre o sinal de tempo cont́ınuo, os dados resultantes do cálculo da DFT podem não representar exatamente o espec- tro original. Esses efeitos devem ser levados em conta, para que não haja interpretações errôneas sobre o conteúdo de freq. do sinal sendo analisado. Deve-se considerar: • Aliasing (freq. amostragem) • Efeito do janelamento (formato e comprimento da janela) – Vazamento espectral (Spectral Leakage) • Número de pontos da DFT – Amostragem espectral Análise Espectral 7 Amostragem do sinal O sinal deve ser amostrado a uma taxa maior que duas vezes sua máxima frequência. Por exemplo, para uma senóide com frequência f0 amostrada a uma taxa fs: 0 5 10 15 -1 0 1 sequência -2 -1 0 1 2 0 5 10 0 5 10 15 -1 0 1 -2 -1 0 1 2 0 5 10 0 5 10 15 -1 0 1 -2 -1 0 1 2 0 10 20 n ω/π fs = 5f0 fs = 5 2 f0 fs = 2f0 espectro de magnitude 0 5 10 15 -1 0 1 -2 -1 0 1 2 0 5 10 0 5 10 15 -1 0 1 -2 -1 0 1 2 0 5 10 0 5 10 15 -1 0 1 -2 -1 0 1 2 0 10 20 n ω/π fs = 2 3 f0 fs = 5 4 f0 fs = f0 Análise Espectral 8 Efeito do Janelamento O sinal x[n] sofre um truncamento, que é representado matematicamente por uma multiplicação por uma função w[n], chamada de janela: v[n] = x[n] · w[n] DTFT ←→ V (ejω) = 1 2π ∫ π −π X(ejθ)W (ej(ω−θ))dθ O efeito na frequência é uma convolução periódica do espectro original com o espectro da janela. Há, portanto, mudanças no espectro original, e este efeito é chamado de vazamento espectral (spectral leakage), e de- pende do tipo de truncamento utilizado (formato e comprimento da janela w[n]). Analisando o caso de uma senóide: x[n] = A cos(ω0n+ θ0) = A 2 ej(ω0n+θ0) + A 2 e−j(ω0n+θ0) O espectro de x[n] é: X(ejω) = Aπejθ0δ(ω − ω0) + Aπe −jθ0δ(ω + ω0), |ω| < π O sinal truncado fica com o espectro: V (ejω) = A 2 ejθ0W (ej(ω−ω0)) + A 2 e−jθ0W (ej(ω+ω0)) Utilizando A = 1, ω0 = π/4 rad, θ0 = 0 e uma janela retangular com comprimento L igual a 32 amostras, fica-se com as seguintes sequências e espectros de magnitude. Análise Espectral 9 Vazamento Espectral -1 -1 -0.5 -0.5 0 0 0.5 0.5 1 1 2 4 6 8 10 12 14 16 18 -1 -0.5 0 0.5 1 0 5 10 15 20 25 30 35 -10 0 10 20 30 40 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 -10 0 10 20 30 40 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 -10 0 10 20 30 40 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 Sequências π n n n ω/π ω/π ω/π x[n]↔ X(ejω) w[n]↔W (ejω) v[n]↔ V (ejω) Espectros de magnitude (DTFT) • Observando o espectro de V (ejω), e comparando-o com o do sinal original X(ejω), percebe-se que apareceram outras frequências devido ao truncamento, quando deveria ser observada apenas a frequência ω0 = π/4 rad. • Se o sinal tiver frequências próximas entre si, o efeito do vazamento espectral pode dificultar a identificação das mesmas. Análise Espectral 10 Vazamento Espectral: x[n] = A1 cos(ω1n) + A2 cos(ω2n) −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1 0 2 4 6 8 10 12 14 16 18 m ag n it u d e |V (e j ω )| ω/π A1 A2 = 16 8 x[n] = cos(0.25πn) + 0.5 cos(0.75πn) −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1 0 2 4 6 8 10 12 14 16 18 m ag n it u d e |V (e j ω )| ω/π A1 A2 = 16 8.7 x[n] = cos(0.25πn) + 0.5 cos(0.35πn) −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1 0 2 4 6 8 10 12 14 16 m ag n it u d e |V (e j ω )| ω/π A1 A2 = 15 ? x[n] = cos(0.25πn) + 0.5 cos(0.29πn) Análise Espectral 11 Janelas Existem diversas janelas, com diferentes caracteŕısticas de formato no domı́nio do tempo, que acabam por influenciar no seu espectro. Os parâmetros principais são relacionados, no espectro da janela, a: • Largura do lóbulo principal • Nı́vel de lóbulo lateral lóbulo principal lóbulos laterais nível de lóbulo lateral largura do lóbulo principal formato comprimento 0 w[n] L− 1 n DTFT L |W (ejω)| ω−π π Análise Espectral 12 Janelas (comprimento L = 16) 0 5 10 15 0 0.2 0.4 0.6 0.8 1 Janelas com L=16 retangular Hamming Hanning Blackman n -1 0 1 -80 -60 -40 -20 0 d B Retangular -1 0 1 -80 -60 -40 -20 0 Hamming -1 0 1 -80 -60 -40 -20 0 d B Hanning -1 0 1 -80 -60 -40 -20 0 Blackman ω/πω/π −→ Ao se modificar o formato da janela, tanto a largura do lóbulo principal como o ńıvel dos lóbulos laterais são modificados. Análise Espectral 13 Janela de Kaiser Famı́lia de janelas parametrizada por um fator de forma β. 0 5 10 15 0 0.2 0.4 0.6 0.8 1 n β = 0 β = 3 β = 6 Janelas de Kaiser com L = 16 -1 -0.5 0 0.5 1 -80 -70 -60 -50 -40 -30 -20 -10 0 d B ω/π β = 0 β = 3 β = 6 Espectros de janelas de Kaiser com L = 16 Análise Espectral 14 Janela de Kaiser Mudando-se o comprimentoda janela e mantendo-se o fator de forma β. -1 -0.5 0 0.5 1 -80 -70 -60 -50 -40 -30 -20 -10 0 d B ω/π L = 8 L = 16 L = 32 Espectros de janelas de Kaiser com β = 6 −→ Mudando-se o comprimento da janela e mantendo-se o seu for- mato, altera-se a largura dos lóbulos (principal e laterais) e o decai- mento dos lóbulos laterais em função da frequência, mas o ńıvel do primeiro lóbulo lateral permanece o mesmo. Análise Espectral 15 Vazamento Espectral - Efeito do Formato da Janela Seja o sinal: x[n] = cos(0.25πn) + 2 cos(0.38πn). Utilizando janelas retan- gular e de Hamming, com L = 64 amostras, fica-se com: 0 10 20 30 40 50 60 −4 −2 0 2 4 a m p lit u d e 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 20 40 60 80 v[n], Janela retangular L = 64 |V (e j ω )| Amostra n ω/π A1 A2 = 35 66.45 = 1 1.8986 0 10 20 30 40 50 60 −4 −2 0 2 4 a m p lit u d e 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 10 20 30 40 v[n], Janela de Hamming L = 64 |V (e j ω )| Amostra n ω/π A1 A2 = 17.23 34.26 = 1 1.9880 Análise Espectral 16 Vazamento Espectral - Efeito do Formato da Janela 0 0.5 1 1.5 2 0 10 20 30 0 10 20 30 40 50 60 -4 -2 0 2 4 a m p lit u d e v[n], Janela de Blackman L = 64 |V (e j ω )| Amostra n ω/π A1 A2 = 13.22 26.44 = 1 2 Análise Espectral 17 Vazamento Espectral - Comprimento da Janela Variando-se o comprimento da janela de Hamming (L = 64, 32 e 128): 0 10 20 30 40 50 60 −4 −2 0 2 4 a m p lit u d e 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 10 20 30 40 v[n], Janela de Hamming L = 64 |V (e j ω )| Amostra n ω/π A1 A2 = 17.23 34.26 = 1 1.9880 Análise Espectral 18 Vazamento Espectral - Comprimento da Janela 0 5 10 15 20 25 30 −4 −2 0 2 4 a m p lit u d e 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 5 10 15 20 v[n], Janela de Hamming L = 32 |V (e j ω )| Amostra n ω/π A1 A2 = ? 16.9 0 20 40 60 80 100 120 -2 0 2 a m p lit u d e 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 20 40 60 80 v[n], Janela de Hamming L = 128 |V (e j ω )| Amostra n ω/π A1 A2 = 34.63 68.86 = 1 1.9884 Análise Espectral 19 Amostragem Espectral Deve-se lembrar que a DFT corresponde a amostras da DTFT: V [k] = V (ejω)|ω= 2π N k, k = 0..N − 1 0 10 20 30 40 50 60 −4 −2 0 2 4 a m p lit u d e 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 20 40 60 80 v[n], Janela retangular L = 64 |V (e j ω )| Amostra n ω/π A1 A2 = 35 66.45 = 1 1.8986 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 10 20 30 40 50 60 70 |V [k ]| , N = 64 ωk = 2πk/N A1 A2 = 34.79(@0.25π) 61.85(@0.375π) = 1 1.7778 Análise Espectral 20 Amostragem Espectral Variando o número de pontos da DFT (N), modifica-se o espaçamento entre amostras do espectro de V (ejω). 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 10 20 30 40 50 60 70 |V [k ]| , N = 64 ωk = 2πk/N A1 A2 = 34.79(@0.25π) 61.85(@0.375π) = 1 1.7778 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 10 20 30 40 50 60 70 |V [k ]| , N = 12 8 ωk = 2πk/N A1 A2 = 34.79(@0.25π) 61.85(@0.375π) = 1 1.7778 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 10 20 30 40 50 60 70 |V [k ]| , N = 25 6 ωk = 2πk/N A1 A2 = 34.79(@0.25π) 66.17(@0.383π) = 1 1.9020 Análise Espectral 21 Amostragem Espectral Seja o sinal: x[n] = cos(0.25πn) + 2 cos(0.50πn). Utilizando janela retan- gular com comprimento L = 64 e variando-se o comprimento da DFT, fica-se com: 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 10 20 30 40 50 60 70 |V [k ]| , N = 64 ωk = 2πk/N A1 A2 = 32(@0.25π) 64(@0.50π) = 1 2 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 10 20 30 40 50 60 70 |V [k ]| , N = 12 8 ωk = 2πk/N A1 A2 = 32(@0.25π) 64(@0.50π) = 1 2 Análise Espectral 22 Relação entre as frequências • Amostragem da DTFT: ωk = 2π N k, 0 ≤ k ≤ N − 1 • Amostragem do sinal: ω = ΩT = 2πf fs • Resolução na frequência: ∆ω = 2π N = ∆ΩT = 2π ∆f fs • Resolução na frequência f : ∆f = fs N • Relação entre frequências analógicas e as amostras k: fk = fs N k 0 0 0 1 2 3 4 5 6 7 15 31 0.5p p 1.5p 2p 0 5 10 15 20 25 30 35 k [amostras] ω [rad] f [Hz] fs/4 fs/2 fs3fs/2 N − 1 Análise Espectral 23 Exemplo: análise espectral Os sinais a seguir representam a tensão e a corrente numa lâmpada fluo- rescente compacta. Os sinais foram amostrados por um osciloscópio digital com resolução vertical de 8 bits e frequência de amostragem igual a 5 kHz. 0 0.02 0.04 0.06 0.08 0.1 0.12 −400 −300 −200 −100 0 100 200 300 400 tempo [s] a m p lit u d e [ V ] tensão 0 0.02 0.04 0.06 0.08 0.1 0.12 −0.02 −0.015 −0.01 −0.005 0 0.005 0.01 0.015 0.02 tempo [s] a m p lit u d e [ A ] corrente A idéia é analisar o sinal com diversos comprimentosL, janela retangular e de Hamming, e diferentes valores de N para o cálculo da DFT. Análise Espectral 24 Exemplo: análise espectral (cont.) Utilizando uma porção de sinal com L = 512 amostras, e aplicando a DFT com N = 512 pontos, e janelas retangular e de Hamming, têm-se os seguintes sinais no domı́nio da frequência: 0 500 1000 1500 2000 2500 −80 −70 −60 −50 −40 −30 −20 −10 0 10 Tensao, janela retangular, L=512, N=512 0 500 1000 1500 2000 2500 −80 −70 −60 −50 −40 −30 −20 −10 0 10 Tensao, janela de Hanning, L=512, N=512 f [Hz] m a g n it u d e [ d B ] Análise Espectral 25 Exemplo: análise espectral (cont.) Utilizando uma porção de sinal com L = 2048 amostras, e aplicando a DFT com N = 4096 pontos, e janelas retangular e de Hamming, têm-se os seguintes sinais no domı́nio da frequência: 0 500 1000 1500 2000 2500 −80 −70 −60 −50 −40 −30 −20 −10 0 10 Tensao, janela retangular, L=2048, N=4096 0 500 1000 1500 2000 2500 −80 −70 −60 −50 −40 −30 −20 −10 0 10 Tensao, janela de Hanning, L=2048, N=4096 f [Hz] m a g n it u d e [ d B ] Análise Espectral 26 Exemplo: análise espectral (cont.) Para ilustrar os efeitos do vazamento espectral e da amostragem espectral, as tabelas a seguir mostram as frequências e magnitudes das harmônicas em 60, 300 e 420 Hz, para os vários casos estudados. Parâmetros 60 Hz 300 Hz 420 Hz f [Hz] A [dB] f [Hz] A [dB] f [Hz] A [dB] L = 512 Hamming 58,6 0 302,7 -38,2 419,9 -41,3 N = 512 Retangular 58,6 0 293,0 -39,6 419,9 -45,3 L = 1024 Hamming 61,0 0 300,3 -37,5 419,9 -40,5 N = 2048 Retangular 61,0 0 297,9 -38,7 417,5 -42,9 L = 1024 Hamming 59,8 0 300,3 -37,7 419,9 -40,7 N = 4096 Retangular 59,8 0 299,7 -39,3 416,3 -43,5 L = 4096 Hamming 59,8 0 299,7 -37,3 419,9 -40,8 N = 8192 Retangular 59,8 0 299,7 -38,9 419,9 -41,2 Percebe-se que, dependendo do processamento, chega-se a diferentes valores de frequências e ńıveis de distorção devido às harmônicas de ordem superior. Análise Espectral 27 Exemplo: análise espectral (cont.) Analisando a forma de onda de corrente, chega-se ao seguinte espectro de magnitude. 0 500 1000 1500 2000 2500 −40 −35 −30 −25 −20 −15 −10 −5 0 5 10 Corrente, janela de Hanning, L=2048, N=4096 f [Hz] m a g n it u d e [ d B ] • Observando o espectro, nota-se que há harmônicas de múltiplos ı́mpares da fundamental. • Como o sinal é de alta frequência (pulsos rápidos), o espectro se es- tende a frequências superiores a 2500 Hz, causando aliasing. Análise Espectral 28 Exemplo: análise espectral (cont.) 2000 2100 2200 2300 2400 2500 −40 −35 −30 −25 −20 −15 −10 −5 0 Corrente, janela de Hanning, L=2048, N=4096 f [Hz] m a g n it u d e [ d B ] harmônica ordem 35 37 39 41 A B • Componente em A: aliasing da componente em 43×60 = 2580 Hz, que aparece em (5000-2580) = 2420 Hz. • Componente em B: aliasing da componente em 45×60 = 2700 Hz, que aparece em (5000-2700) = 2300 Hz. • As magnitudes podem ter erros, caso ocorra sobreposição de uma raia em outra. Análise Espectral 29 Espectrograma • Análise Espectral com DFT: adequada para sinais cujo conteúdo de freqüência não varia com otempo. • Na prática: o conteúdo de freqüência do sinal pode variar com o tempo (voz). • A análise espectral realizada sobre todo o sinal de uma só vez pode ocultar informações importantes da variação do conteúdo de freqüência ao longo do tempo. • Time-dependent Fourier transform, Short-time Fourier transform. Análise Espectral 30 Chirp Seja um sinal cuja freq. varia com o tempo: x[n] = cos(ω0n 2) A freq. instantânea do sinal é 2ω0n. O sinal e a magnitude de sua DFT são: 0 50 100 150 200 250 −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1 n 0 0.1 0.2 0.3 0.4 0.5 0 5 10 15 20 25 30 35 40 m a g n it u d e f/fa Não se pode determinar como variou o conteúdo de freq. do sinal ao longo do tempo. Uma alternativa é fracionar o sinal e calcular várias DFTs para diferentes intevalos de tempo. Análise Espectral 31 Espectrograma Multiplica-se o sinal x[n] por uma janela w[n] e calcula-se a DTFT: X[n, λ) = +∞∑ m=−∞ x[n+m] w[m] e−jλm Outra forma: X[n, λ) = +∞∑ m=−∞ x[m] w[n−m] e−jλm Amostrando o espectro em N pontos equiespaçados e uma janela de comprimento L: X[n, k] = X[n, 2πk/N ] = L−1∑ m=0 x[n+m] w[m] e−j(2π/N)km, k = 0..N − 1 ou X[n, k] = X[n, 2πk/N ] = n∑ m=n−L+1 x[m] w[n−m] e−j(2π/N)km, k = 0..N−1 • A duração da janela é muito menor que a duração total do sinal • A janela toma trechos do sinal ao longo do tempo • Quanto mais estreita a janela, maior a resolução no tempo e menor em freq. • n é o deslocamento da janela em relação ao sinal • Para cada n tem-se uma DFT • Não se pode ter uma boa resolução no tempo e em freq. ao mesmo tempo usando a DFT Análise Espectral 32 Espectrograma −100 −80 −60 −40 −20 0 20 Time F re q u e n c y 0 200 400 600 800 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Compartilhar