Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Transformada de Fourier Discreta (DFT) Prof. Juan Moises Mauricio Villanueva jmauricio@cear.ufpb.br UNIVERSIDADE FEDERAL DA PARAÍBA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA Transformada de Fourier em Tempo Discreto • Para um sinal discreta não periódico x[n], de tamanho L: 2 2 , 0,..., 1 k k L L [ ] ( )Fx n X 1 0 ( ) [ ] , 0,1,2,...., 1 L j n n X x n e k L 3 t x(t) A/D fs = Frequência de amostragem (sampling) Ts = 1/fs = Período de amostragem n x(n) 0 1 n x(n) 0 1 N = número de amostras N-1 Sinal amostrada utilizando um conversor Análogo para Digital 4 Exemplo 1: fs = 10 kHz Ts = 1/fs = 0.1 ms (Período de amostragem) N = 100 amostras twindow = (N)*Ts=100*0.1ms = 10 ms twindow t x(t) A/D fs = Frequência de amostragem (sampling) Ts = 1/fs = Período de amostragem n x(n) 0 1 n x(n) 0 1 N = número de amostras N-1 5 1 0 ( ) [ ] , 2 0,1,2,...., 1, N j n n X x n e k k N N fs = 10 kHz Ts = 1/fs = 0.1 ms (Período de amostragem) N = 100 amostras twindow = N*Ts=100*0.1ms = 10 ms twindow t x(t) A/D fs = Frequência de amostragem (sampling) Ts = 1/fs = Período de amostragem n x(n) 0 1 n x(n) 0 1 N-1 DFT Exemplo de avaliação da DFT L = 5 k = 0,1,2,3,4 6 4 0 4 2 /5 0 4 4 /5 0 4 6 /5 0 4 8 /5 0 0 0 (0) [ ] 2 1 (2 / 5) [ ] 5 4 2 (4 / 5) [ ] 5 6 3 (6 / 5) [ ] 5 8 4 (8 / 5) [ ] 5 n j n n j n n j n n j n n k X x n k X x n e k X x n e k X x n e k X x n e 2 , 0,..., 1 k k L L Módulo e Fase da DFT 7 0 1 2 3 4 0 4 2 /5 0 4 4 /5 0 4 6 /5 0 4 8 /5 0 0 0 (0) [ ] (0) 2 1 (2 / 5) [ ] (2 / 5) 5 4 2 (4 / 5) [ ] (4 / 5) 5 6 3 (6 / 5) [ ] (6 / 5) 5 8 4 (8 / 5) [ ] ( 5 j n jj n n jj n n jj n n j n n k X x n X e k X x n e X e k X x n e X e k X x n e X e k X x n e X 48 / 5) je • A resolução da frequência digital é dada como: 8 0 1 2 3 4 0 0 (0) 2 1 (2 / 5) 5 4 2 (4 / 5) 5 6 3 (6 / 5) 5 8 4 (8 / 5) 5 j j j j j k X e k X e k X e k X e k X e 0 2 L Resolução da Frequência Digital Resolução Definição da Transformada de Fourier Discreta • A DFT para o sinal x[n], de tamanho N, é definido por: • A DFT inversa é definido por 9 2 , 0,..., 1 k k N N 1 0 ( ) [ ] , 0,1, 2, ...., 1 N j n n X x n e k N 1 0 1 [ ] ( ) , 0,1,2,..., 1 N j n k x n X e n N N [ ] ( )Fx n X Notação: Propriedades da DFT • Linearidade • Deslocamento no tempo 10 1 1Fx n X 2 2Fx n X 1 2 1 2Fax n bx n aX bX 00 j nFx n n e X • Deslocamento na frequência • Convolução 11 0j n F oe x n X h[n]x[n] y[n] Fy n x n h n Y X H k y n x n h n x k h n k Propriedades da DFT Exemplo 2 12 • Para um sinal Sinusoidal s(t)=sin(2πft) • Frequência do sinal f= 50Hz • Frequência de amostragem fs=1000Hz 0 2 4 6 8 10 12 14 16 18 20 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 señal Tamanho do sinal L = 20 amostras Exemplo 2 13 • Incrementando 100 zeros 0 20 40 60 80 100 120 -1.5 -1 -0.5 0 0.5 1 señal+ruido 20 amostras 100 zeros O novo tamanho do sinal é N = 120 amostras Exemplo 2 14 • Aplicando a Transformada de Fourier Discreta 0 1 2 3 4 5 6 7 0 2 4 6 8 10 12 rad/s |D F T | 199 0 ( ) [ ] , 0,1,2,....,199j n n X x n e k 0 2 2 0.052 / 120 rad seg N Resolução: Exemplo 2 15 • Transformação de escala (rad) x (Hz) 2 1000 . 1000 ( ) 2 2 s s A Transformada de Fourier Discreta é Períodica f f f f Hz Exemplo 2 16 • Aplicando a Transformada de Fourier Discreta (escala em Hz) 0 100 200 300 400 500 600 700 800 900 1000 0 2 4 6 8 10 12 Hertz |D F T | Frequência do sinal f=50Hz Exemplo 2 17 • Simetria da Transformada de Fourier Discreta 0 100 200 300 400 500 600 700 800 900 1000 0 2 4 6 8 10 12 Hertz |D F T | Simetria Considerações na Avaliação da DFT 18 • A adição de zeros não proporciona nenhuma informação adicional acerca do espectro de X() da sequencia x[n]. • Ao preencher a sequencia x[n] com (N-L) zeros e avaliar a DFT de N pontos, se obtém uma melhor representação gráfica, devido principalmente à melhora na resolução da DFT. Exemplo 2 • Simetria e Periodicidade Propriedades da DFT 19 20 Propriedades da DFT 21 Propriedades da DFT • Simetria • Período igual a 2* 22 0 1 2 3 4 5 6 7 0 5 10 15 20 25 30 35 40 45 50 omega (rad) |F F T | Espectro de x(n) 2 1 0 ( ) [ ] , 2 0,1,2,...., 1, N j n n X x n e k k N N 0 10 20 30 40 50 60 70 80 90 100 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 n x (n ) DFT N=100 fs=10 kHz fo = 1 kHz Exemplo 3 Transformação de escalas de (rad) para frequência em Hertz 23 2 fs Omega f(Hz) 0 1 2 3 4 5 6 7 0 5 10 15 20 25 30 35 40 45 50 omega (rad) |F F T | Espectro de x(n) 2 fs/2 fsf (Hz) ( ) 2 sff Hz Realizando a Transformação 24 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 0 5 10 15 20 25 30 35 40 45 50 f(Hz) |F F T | Espectro de x(n) fs/2 fsfo Simetria com respeito a fs/2 Período igual a fs A Largura de Banda de interesse é igual ao intervalo [0, fs/2] BW = [0, fs/2]=[0, 5kHz]] DFT de um sinal ruído branco Gaussiano • Valor médio = 0 • Desvio padrão = 0.1 25 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0 5 10 15 20 25 30 35 40 r = 0 + 0.1*randn(1,1000); figure,hist(r,100) A DFT do ruído branco Gaussiano 26 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 0 10 20 30 40 50 60 f(Hz) |F F T | Espectro de x(n) DFT do ruído DFT de 2 sinais sinusoidais • fs = 10 kHz (Frequência de amostragem) • Frequência dos sinais f0=1 kHz e f1=3 kHz 27 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 0 10 20 30 40 50 60 f(Hz) |F F T | Espectro de x(n) Que acontece se a frequência do sinal de entrada f1 é superior a fs/2 = 5000 Hz ? • Por exemplo, para fo = 1000 Hz e f1 = 6000 Hz • Sendo que a largura de banda vá de [0, 5000]Hz, o espectro do sinal de 6000 Hz produzirá um espectro espelhado com frequência de 4000 Hz. Por tanto, tem-se um espectro de frequência errado. 28 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 0 10 20 30 40 50 60 f(Hz) |F F T | Espectro de x(n) fo Simetria de fo f1 Simetria de f1 Com a finalidade de garantir que a análise de espectros seja realizado respeitando a largura de banda de interesse [0, fs/2], deve-se colocar na entrada do sistema de processamento do sinal um filtro passa baixo com frequência de corte fs/2. Este filtro limitara a largura de banda dos sinais de entrada. fc=fs/2 Filtro Passa Baixo 1 0 ( ) [ ] , 2 0,1,2,...., 1, N j n n X x n e k k N N twindow t x(t) A/D n x(n) 0 1 n 0 1 N-1 DFT 29 • Se realiza o truncamiento da resposta ao impulso ideal h[n] por uma janela w[n]: [ ] [ ] [ ]wh n h n w n ( ) ( ) ( )wH F H F W F 30 Multiplicação em tempo discreto Convolução na Frequência Análise em Frequencia usando Janelas • Características das Funções que caracterizam Janelas 31 M n M [ ] 1w n [ ] 1 n w n M [ ] 0.5 0.5cos n w n M [ ] 0.54 0.46cos n w n M 2 [ ] 0.42 0.5cos 0.08cos n n w n M M JANELAS Boxcar Blackman Barlett Hanning Hamming Análise em Frequencia usando Janelas
Compartilhar