Disciplina ISM-8: Prelucrarea i transmisia semnalelor analogice

Programul de masterat: Instrumentaie i sisteme avansate de msurare

s: S.l. BANICA Cosmin, Catedra Msurri, Aparate electrice i Convertoare statice
Semestrul: 2
Puncte credit: 4
Structura disciplinei: 2 ore curs + 1 or laborator / sptmn
A. Obiectivele disciplinei: nsuirea conceptelor, metodelor i a metodelor de
realizare a blocurilor specifice lanului de msurare pentru preluarea semnalelor de la
senzori. Dezvoltarea abilitilor n proiectarea i modelarea circuitelor de condiionare
a senzorilor i obinerea semnalului informaional de tip electric. Cunoaterea noilor
metode de prelucrri specifice ale semnalelor analogice pentru utilizarea n lanuri de
msurare i pentru transmiterea la distan a informaiei de msurare. Cunoaterea
unor elemente de teoria semnalelor.
B. Coninutul cursului: 1. Semnale: 1.1. Noiunea de semnal; 1.2. Prelucrarea
semnalelor;1.3.Semnale analogice1.4. Semnale i funcii ortogonale; 2. Metode de
analiza semnalelor: 2.1.Seria Fourier i utilizri n instrumentaia analogic;
2.2.Sinteza Fourier a semnalelor periodice; 2.3.Transformata Fourier; 2.4.
Transformata Laplace; 3. Semnale modulate:3.1. Modulaia de amplitudine; 3.2.
Modulaii unghiulare; 3.3. Modulaia de impulsuri; 4. Principii de preluare i
prelucrare a semnalelor culese de la senzori: 4.1. Blocuri funcionale; 4.2. Forma i
spectrul semnalului la ieirea blocului de condiionare; 5. Filtrarea semnalelor
analogice:
5.1. Funcia de transfer a unui filtru; 5.2. Funcii de aproximare; 5.3. Elemente de
proiectare;
6. Transmiterea semnalului analogic la distan; 6.1.Elemente structurale; 6.2.Canale
de legtur; 6.3.Elemente de proiectare pentru emitoare i receptoare; 6.4. Calitatea
transmisiei.
C. Bibliografie minimal: 1. Cepic,C, Prelucrarea semnalelor analogice,
Ed.Electra, 2005, Bucureti, ISBN 973-7728-25-4; 2. Cepic,C, Semnale analogice
n msurri, Ed.Electra, 2004, Bucureti, ISBN 973-7728-07-6, 3. Cepisca C., Banica
C.,: Msurri in energetica Editura ICPE, iulie 2000, Bucureti, 202pag., ISBN 9738067-08-1, 4. J.Dupraz, Thorie du signal et transmission de l'information. Signaux
analogiques, Ed. ESE, Paris, 1991, 5. Banica, C: ,,Biosemnale. Prelucrari numerice
Editura Electra ICPE 2007, 194pag., ISBN 978-973-7728-89-0.
D. Discipline anterioare necesare: Msurri electrice i electronice, Informatica
aplicat
E. Modul de evaluare: 1. Examen final 50%; 2. Laborator 30%; 3. Tema 10%; 4.
Test 10%.

Curs 1 -2
Semnale - Metode de analiz n domeniul timp
Noiuni generale privind caracterizarea semnalelor n domeniu timp:
Semnalele, n general pot fi:
deterministe;
aleatoare.
Dac comportarea unui semnal poate fi predeterminat la orice moment de timp
t , semnalul este determinist. Evoluia semnalelor deterministe poate fi descris printr-

o relaie analitic.
La procesele deterministe, care emit semnale deterministe, se evideniaz faptul
c la executarea mai multor experimente, n aceleai condiii date, semnalul f t se
reproduce n cadrul oricrui experiment, bineneles n limitele erorii de msurare.
Semnalele deterministe pot fi:
periodice:
- armonice;
- oarecare;
neperiodice:
- cuasiperiodice;
- tranzitorii.
Mrimile caracteristice semnalelor armonice sunt:
- amplitudinea A
- frecvena v 0
Un semnal periodic:

f(t) = f(t + T) = f(t + _nT)

semnalului, se poate exprima printr-o serie Fourier:

n care T

este perioada

A
f(t) = 0 +
Ak cos2k 0 t+ B k sin 2k 0 t
2 k=1

A
f(t) = 0 + M k cos(2k 0 t + k )
2 k=1

sau

0 =
Mk =

1
= 1 frecventa fundamental (k = 1)
T

2
2
Ak + B k

k = arctan

modulul corespunztor armoniceik

Bk
faza corespunztoarearmoniceik
Ak

(3.1)
Semnalele periodice se pot reprezenta folosind modulul
k b1 , prin funcia spectru Fourier

F (v) , n care faza

M k i frecvena

k este deocamdat

neglijat.
Semnale cvasiperiodice
S-a observat la semnalele periodice oarecare c frecvena unei linii spectrale
este un multiplu al frecvenei fundamentale

v1 , de unde rezult c raportul

frecvenelor a dou linii spectrale oarecare vn / vm reprezint un numr raional.

Pornind n sens invers, o sum de semnale armonice individuale, la care raportul
frecvenelor a dou semnale luate arbitrar este un numr raional, poate reprezenta o
funcie periodic. Altfel spus, se obine sinteza semnalului din componentele sale. Un
semnal realizat dintr-o sum de funcii armonice, la care condiia ca raportul dintre
dou frecvene oarecare s constituie un numr raional nu este ndeplinit, nu
formeaz prin sintez un semnal periodic. Pentru motivul c este compus din semnale
armonice, acest semnal se numete cvasiperiodic:

f(t) =

M k x sin(2 k t + k )
k=1

(3.2)
Este evident ca n acest caz nu se poate determina o frecven fundamental

v1 , n funcie de care s se exprime celelalte frecvene v k .

Semnale neperiodice tranzitorii

Evoluia lor se desfoar dup o lege oarecare n funcie de timp.
Exemple:
1

a). f(t) = Q0 e- RC

b). Semnalul impuls Dirac:

(t - ) 0 t =

(t - ) = 0 t
+

(t - )dt= 1

c). Semnalul tranzitoriu oscilator armonizat:

f(t) = M e-at cos bt

d). Semnalul dreptunghiular:

f(t) = 1

0 n rest.

t 0, T

Semnalele tranzitorii se mai numesc i singulare n baza faptului c se pot

considera periodice, dar la care perioada

T tinde la infinit. Ca urmare i aceste

funcii se pot exprima printr-o sum de funcii armonice la care limitele spectrale
devin att de apropiate nct rezoluia tinde spre 0. Se obine un spectru continuu
F (v) , a crei valoare se determin din f(t) , prin relaia:

F(j ) = F(0)= f(t) e-j2 t dt

(3.3)
care constituie transformata Fourier.
Caracteristica semnalelor tranzitorii sau singulare o constituie funcia spectru cu
variaie continu i deci cu rezoluie nul a liniilor spectrale.

Semnale aleatoare
Prin mrime aleatoare se nelege o mrime care poate cpta o valoare sau alta,
fr s se poat ti dinainte ce valoare va lua, valoarea obinut fiind rezultatul unui
experiment.
Un proces aleator sau stohastic este definit ca o funcie aleatoare care poate
mbrca n decursul unor experimente realizate n condiii similare, diferite forme
concrete fr s se cunoasc dinainte ce evoluie se va obine n urma fiecrui
experiment.
Procesele aleatoare pot fi:
staionare:
- ergotice;
- neergotice.
nestaionare.

Procese aleatoare staionare

Dac un proces fizic este apreciat ca proces aleator, proprietile fenomenului
pot fi descrise n prima evaluare prin valoarea medie a ntregului ansamblu de
realizri obinute care descriu procesul aleator.
Valoarea medie a procesului aleator la acelai moment t1 se obine prin calcul
simplu, lund valorile momentane ale tuturor realizrilor, se efectueaz suma lor i se
mparte la numrul realizrilor.
O alt mrime ce poate caracteriza ntr-o prima estimaie procesul aleator l
constituie autocorelaia sau momentul asociat dintre valorile procesului aleator la
dou valori de timp diferite. Autocorelaia se calculeaz lund media ansamblului de
produse dintre dou valori momentane la timpurile

t1 si

t1 toate realizrile

avnd aceeai pondere.

1
N N

x ( t 1 ) = lim
1
N N

R xx ( t 1 , t 1 ) = lim

(k)

( t1 )

k =1

(k)

( t 1 ) x(k) ( t 1 + )

k =1

(3.4)
n caz general x ( t 1 ) i R xx ( t1 ,t1 ) variaz cu timpul instantaneu

t1 i n

acest caz procesul este nestaionar.

Un caz particular l constituie procesele la care aceste funcii nu se schimb
cnd t1 variaz. Astfel de procese se numesc staionare n sens larg. Pentru aceast
categorie de procese aleatoare valoarea medie este o constant m x , iar autocorelaia
este o funcie R xx ( ) care depinde numai de decalajul .

Procese aleatoare ergodice

n anumite mprejurri este posibil s se descrie proprietile unui proces aleator
staionar i prin evaluarea valorilor medii i a momentelor asociate pe o singur
realizare din ansamblul de realizri ale procesului. Valoarea medie i autocorelaia pe
realizarea numrului k se determin:

1 (k)
x (t)dt
T T
0

x (k)= lim

1 (k)
(k)
x (t) x (t + )dt
T T
0

R xx ( , k) = lim

(3.5)

Dac procesul x( ) este staionar i x (k) i R xx ( , k) nu difer prin calcul,

asupra oricrei realizri a ansamblului, procesul aleator se numete ergodic. La un
proces ergodic mediile i momentele asociate temporal pe oricare dintre realizri sunt
numeric egale cu mediile i momentele asociate determinate n sens stohastic pe
ansamblul de realizri.

Procese nestaionare
Trstura principal a proceselor aleatoare nestaionare este aceea c momentele
lor statice de diferite ordine depind de timp n general, precum i de poziia originii
timpului de la care se msoar timpul. n consecin, caracteristicile statice ale
procesului aleator ce se desfoar n timp se schimb de la un moment la altul. Exist
procese aleatoare la care caracteristicile statice se schimb relativ puin n timp, astfel
c n anumite intervale de timp, suficient de lungi, procesele pot fi considerate
aproximativ staionare. Astfel de procese nestaionare se numesc cvasistaionare. n
aceste cazuri procesele pot fi analizate pe trane consecutive cu metode elaborate
pentru procesele aleatoare staionare. n cea mai mare parte a cazurilor, procesele
nestaionare aleatoare ale fenomenelor fizice se clasific n categorii speciale de
nestaionaritate, care simplific obinerea datelor i prelucrarea lor ulterioar. O
categorie important de procese nestaionare o formeaz aceea n care funcia
aleatoare aferent se exprima prin produsul:
m

x(t) =

V (t)
i

i=1

(3.6)
unde i (t) este o funcie de timp determinist i V i sunt mrimi aleatoare staionare.

CURS 3-4

Metode de analiz armonic comutativ

IV.1.1. Transformata Fourier discret
Un instrument matematic important n prelucrarea semnalelor discrete n timp
este transformata Fourier discret, TFD .
Definiie
Se consider un semnal periodic xn a crui perioad este constituit dintr-un
numr finit, N de eantioane.
Transformata Fourier discret a semnalului xn se definete prin:
TFD xn X k

N 1

xn W nk

n 0

(4.1)
unde W e

2
N

Mrimea W are urmtoarele proprieti:

a) W N 1 ; b) W

N
2

1 ; c) W

N
4

j ; d) W

3N
4

j;

e) W KN 1; f) W KN r W r
Transformata invers este dat de relaia:
TFDI X k xn

1 N 1
X k W nk
N k 0

(4.2)
Proprietile TFD :
Proprietile mai importante ale TFD sunt:

1. Linearitatea
Transformata Fourier are proprietatea de liniaritate n sensul c fiind date dou
constante a i b , are loc relaia:

TFDaxn byn aX k bY k
2. Inversiunea n timp

TDFx-n X -k X N-k
3. Deplasri ciclice n timp i n frecven

Dac xn este o secven periodic cu TDFX k , atunci secvena periodic

xn r are urmtoarea TFD :

TFD xn-r X k W rk
Secvena periodic xn r este obinut prin rotaia circular cu r eantioane
a secvenei originale xn .
4. TFD a secvenei complex conjugate
Dac se consider perechea de transformare

xn X k
atunci:

TFDxn X * k X * N k
5. Convoluia circular
Atunci cnd xn i hn sunt dou secvene periodice de perioad N ,
atunci TFD a secvenei

yn,

definit ca o convoluie circular sau periodic a

secvenelor xn i hn , este:
N 1

y (n) x(l ) h(n l )

l 0

Y k H k X k

6. Corelaia circular
Dac xn i hn sunt dou secvene periodice, atunci:
N 1

TFD x(l n)h (l ) X k H * k

l 0

7. Teorema lui Parseval

Dac:

TFDxn X k i TFDyn Y k
atunci:

N 1

N 1

x ( n) y ( n) N X ( k ) Y ( k )
n 0
N 1

k 0

1 N 1

x
(
n
)

y
(
n
)

X (k ) Y (k )

N k 0
n 0
N 1
N 1
1
| x ( n) | 2 | X ( k ) | 2

N k 0
n 0

8. Teorema eantionrii (Shanonn)

Un semnal continuu cu spectru de frecven limitat la o frecven f max se poate
reconstitui din eantioanele sale numai dac frecvena de eantionare f e este de cel
puin dou ori mai mare dect frecvena maxim.
Algoritmi de calcul ai TFD
1. Transformata Fourier rapid
Calculul direct TFD al unei secvene complexe cu N puncte, pornind de la
definiie, implic aproximativ N 2 operaii, dac o operaie este definit ca o adunare
i o multiplicare complex. n anul 1965, Cooley i Tukey au elaborat un algoritm ce
a permis reducerea numrului de operaii la N log 2 N , atunci cnd N este o putere a
lui 2. ntre timp s-au mai imaginat muli ali algoritmi, fiecare cu avantajele i
dezavantajele lor n ceea ce privete posibilitile de programare i implementare.

Metodele pentru calculul TFD necesitnd N log 2 N operaii, au devenit

cunoscute sub numele de algoritmi de transformare Fourier rapid TFR
Decimarea n timp (Cooley-Tukey)
Unul din algoritmii de TFR cel mai des utilizat este cunoscut sub numele de
decimare n timp. Decimarea n timp este un termen utilizat n matematic pentru
procesul de reordonare a unei secvene, n conformitate cu o anumit regul. Se
presupune c N este o putere a lui doi. Prima treapt n obinerea algoritmului de
decimare n timp const n separarea sumei din definiie n dou sume, una pentru
valorile pare ale lui n i alta pentru valorile sale impare:
N
1
2

N
1
2

n =0

n 0

X k x(2n) W 2 nk x(2n 1) W ( 2 n 1)

(4.3)

Periodicitatea lui W nk este un element cheie n obinerea algoritmului TFR , iar

pentru explicitarea perioadei, W se va nlocui cu W N . Se observ n acest sens c:
2

2
j
j 2
W e N e N / 2 WN / 2

2
N

Avnd n vedere aceste considerente, expresia TFD n N puncte a secvenei

xn se transcrie astfel:
N
1
2

N
1
2

X k x(2n) W Nnk WNk x(2n 1) W Nnk X 1 (k ) WNk X 2 (k )

n 0

n 0

(4.4)
unde X 1 k i X 2 k sunt TFD n N / 2 puncte ale secvenelor x1 n x2n
(format din eantioane pare) i x2 n x2n 1 (format din eantioane impare).
Deoarece:
N

X 1 (k ) X 1 (k

( k )
N
N
) ; X 2 (k ) X 2 (k ) i WN 2 WNk
2
2

atunci:
X (k ) X 1 (k ) WN k X 2 (k )
X (k

N
) X 1 (k ) WNk X 2 (k )
2

(4.5)
pentru k 0,1, N / 2 1
Presupunnd c X 1 k i X 2 k sunt deja cunoscute cnd k 0,1, N / 2 1,
calculul TFD n N puncte necesit N adunri complexe. Termenul WN-k X 2 (k )
poate fi determinat o singur dat pentru fiecare k i folosit n ambele ecuaii, astfel
c vor fi necesare doar N / 2 multiplicri complexe.
O a doua treapt a algoritmului necesit calculul TFD n N / 2 puncte ale lui

X 1 k i X 2 k prin combinarea TFD n N / 4 puncte. De exemplu, X 1 k poate fi

aflat prin combinarea transformrilor Fourier discrete ale secvenelor de N / 4 puncte:

an x1 2n x4n i bn x1 2n 1 x4n 1
pentru n 0,1 N / 4 1
Din ecuaiile precedente, nlocuindu-l pe N cu N / 4 , rezult:
X 1 (k ) A(k ) WN2k B(k )

X 1 (k

N
) A(k ) WN2 k B(k )
4

pentru k 0,1 N / 4 1
Transformata X 2 se determin n mod similar. Folosind aceleai raionamente,
rezult c toate valorile lui X 1 k se pot calcula cu ajutorul relaiilor precedente, cu
N / 4 adunri complexe i N / 4 multiplicri complexe, dac Ak i Bk sunt deja

cunoscute. Prin urmare, calculul lui X 1 k i X 2 k va necesita N adunri complexe

i N / 2 multiplicri complexe, ntocmai ca la prima treapt. Procesul de reducere
continu pn cnd se ajunge la o TFD ntr-un singur punct ce reprezint de fapt
chiar punctul cutat.
Mergnd din treapt n treapt, numrul TFD care trebuie stabilit se dubleaz,
dar numrul de puncte per TFD descrete de dou ori. Prin urmare, la fiecare treapt
sunt necesare N adunri complexe i N / 2 multiplicri complexe. ntruct N este o
putere a lui doi, rezult c numrul total de trepte va fi egal cu N log 2 N , ceea ce face
ca numrul adunrilor complexe s fie egal cu N log 2 N , iar cel al multiplicrilor
complexe, cu N / 2 log 2 N .
Pentru calculul TFR se folosete un procedeu cunoscut sub denumirea ordinea
invers a biilor, deoarece aceast ordine poate fi obinut prin reprezentarea binar a
valorilor zecimale ale lui n , prin inversarea biilor i recalcularea valorilor numerelor
zecimale echivalente. Procedeul permite ordonarea eantioanelor de intrare pentru
orice valoare a lui N , care este o putere a lui doi, n scopul obinerii coeficienilor
Fourier n ordine natural. Formal, procesul de separare a
eantioanelor din secvena de intrare poate avea loc prin examinarea bitului cel mai
nesemnificativ al reprezentrii binare a indicelui n , corespunztor unui anumit
eantion. Dac bitul cel mai puin semnificativ este zero, eantionul va aparine grupei
eantioanelor pare i n consecin va fi plasat n jumtatea de sus a matricei. Cnd
bitul cel mai nesemnificativ al indicelui este unu, eantionul se afl n jumtatea de jos
a matricei. Secvenele pare i impare obinute se sorteaz n aceeai manier,
examinnd cel de al doilea bit mai puin semnificativ din reprezentarea binar a
indicelui eantioanelor de date. n acest sens, controlnd n primul rnd subsecvena
eantioanelor pare din prima separare, dac se gsete c al doilea bit mai puin
semnificativ este zero, eantionul este considerat ca aparinnd unei alte subsecvene
pare i invers, dac acest bit este egal cu unu, eantionul va aparine celeilalte
subsecvene impare. Procesul de separare n alte subsecvene, pare i impare, continu
n acelai mod, prin examinarea celorlali bii din exprimarea binar a indicelui
fiecrui eantion.

Procedeul de inversare a biilor este artat n Tabelul 4.1.

Tabel 4.1.
numrul

reprezentare binar

reprezentare binar
cu bii inversai

0
1
2
3
4
5
6
7

000
001
010
011
100
101
110
111

000
100
010
110
001
101
011
111

echivalentul zecimal al
reprezentrii binare cu biii
inversai
0
4
2
6
1
5
3
7

IV.1.2. Transformata Fourier convenional

Acest algoritm pornete de la definiia transformatei Fourier, pe care o
transform n sume de produse n sin i cos, calculnd prile real i imaginar
separat. Algoritmul comport N 2 operaii complexe.
N 1

TFDxn X k xn e

2x
nk
N

x0cos0 j sin 0 x1cosrk j sin rk

n 0

x2cos 2rk j sin 2rk xN 1cos N 1rk j sin N 1rk

(4.6)
unde:
r

2
N

Metoda de ferestruire
Scopul ferestruirii este de a limita efectul de leakage (scurgere) dat de
coaserea imperfect la periodizarea la infinit a secvenei de semnal analizat.
Cnd selectm o lungime de N eantioane, de fapt multiplicm o lungime
infinit de semnal eantionat cu o funcie fereastr n timp, care este diferit de zero n
afara intervalului eantionat i unu n interior. Cu alte cuvinte, semnalul este
ferestruit cu o fereastr ptrat. Utilizarea diferitelor tipuri de ferestre are drept scop
nlturarea neajunsurilor introduse de fereastra unitate.
Ptratul transformatei Fourier discrete a ferestrei unitate este dat de relaia:

1
W s 2
N
(4.7)

sin(s)
1
sin(s / N ) 2
N

N 1

e
k 0

2
2 isk / N

Exemple de ferestre:

1
n ( N 1)
2
wn 1
1
( N 1)
2
wn

fereastra Parzen

1
2n
1 cos(
)

2
N 1

n ( N 1)
2

wn 1
1 ( N 1)

fereastra Hanning
2

fereastra Welch.

IV.1.3. Estimarea puterii spectrale

Estimarea puterii spectrale utiliznd TFR
Dac considerm N eantioane ale funciei ct , la intervale egale i utilizm
TFR pentru a calcula transformata Fourier discret:
N 1

C (k ) c(n)e 2 ink / N , k 0,1 N 1

n 0

(4.8)
atunci puterea spectral estimat este definit pentru N 2 1 frecvene:

P0 P( f 0 )
P f k

1
C0
N2

1
Ck
N2

C N 1

P( f c ) P( f N / 2 )
f k 0, f k 2 f c

1
CN / 2
N2

K 1,2 N / 2 1

k
, k 0,1 N / 2
N

unde f c este frecvena Nyquist (critic).

Estimarea puterii spectrale prin metoda maximei entropii

TFR nu este singura metod de estimare a puterii spectrale a unui proces i nici

cea mai adecvat pentru orice scop. Metoda maximei entropii are la baz transformata
Z . Pentru aceasta considerm n intervalul Nyquist, f c f f c , nu numai

frecvenele reale ci i cele complexe. Avnd n vedere acest lucru, transformm planul
complex, f , ntr-un nou plan, numit planul z (planul transformatei Z ), prin relaia:
z e2 if , unde este intervalul de eantionare n domeniul timp.

Intervalul Nyquist pe axele reale ale planului f se desfoar element cu

element pe cercul unitate n planul z complex.
Estimarea puterii spectrale poate fi fcut cu ajutorul relaiei:
1

P( f )

M /2

b z

a0

k
k M / 2

1 ak z

k 11

(4.9)
A doua egalitate aduce un set nou de coeficieni a k care pot fi determinai din

bk , utiliznd faptul c z aparine cercului unitate.

Estimarea puterii spectrale prin metoda autoregresiv

Un proces autoregresiv x n poate fi modelat astfel:
M

x n a k x n k v n
k 1

(4.10)
unde:

M =ordinul modelului;

v n =zgomotul alb;
ak k 1,2,, M = parametrii modelului.
Pentru un proces AR (autoregresiv) non-staionar, modelul este o funcie
variabil de timp, i drept urmare, parametrii modelului sunt dependeni de timp. n
acest caz, parametrii la momentul de timp n sunt indicai prin a kn . Parametrii AR ai
modelului non-staionar pot fi determinai aplicnd procesului x n un filtru adaptiv (
adaptive prediction-filter).
Estimarea erorii e n , poate fi exprimat prin:
M

en xn akn xnk
k 1

(4.11)
Termenul de nsumare, dat de:

y n akn xnk
k 1

(4.12)
este o estimare AR a semnalului x n dac semnalul eroare e n este zgomot alb.
Odat ce filtrul converge, puterea spectral estimat a semnalului x n poate fi
calculat astfel:
v2

S x ( f , n)
1

akn e

2
j 2fk

k 1

(4.13)
unde v2 este varianta zgomotului alb.

V.1. Metode de analiz armonic necomutativ timp-frecven

n prezent, ceea ce se cere de la nregistrarea unui biosemnal, sunt informaii de
ordin cronologic i morfologic. Aceste informaii obinute prin simpla analiz vizual
a traseelor temporale, expune medicul la posibilitatea pierderii unui anumit numr de
informaii.
O analiz timp-frecven, reprezentnd semnalul n cele doua dimensiuni (timpfrecven), permite o mai bun prezentare a informaiei coninut n biosemnal.
Aceast reprezentare este mbuntit pe de o parte datorit caracteristicilor teoretice
care permit accesul ctre proprietile cantitative ale semnalului, iar pe de alt parte,
pentru c ofer o bun imagine calitativ a semnalului n planul timp-frecven.
Scopul acestor reprezentri este de a efectua o ct mai precis analiz n timpfrecven a semnalului. Totui, cunoaterea unui semnal simultan n timp i frecven
ridic o problem fundamental. Aceast dificultate este legat de un principiu al
fizicii, principiul de incertitudine Heisenberg, care arat c este imposibil de a
cunoate simultan, n timp i n frecven, caracteristicile locale ale unui semnal.
Cele dou reprezentri extreme, reprezentarea temporal, care este cea mai
cunoscut, i reprezentarea Fourier, care permite observaia n domeniul frecven,
sunt n virtutea acestui principiu de incertitudine puin adaptate la o cunoatere
simultan n timp i n frecven.
Acest lucru explic de ce transformata Fourier este adaptata ipotezei de
staionaritate a semnalului. Ea d doar o informaie global despre semnal din care
noiunea de cronologie a disprut. innd cont de faptul ca semnalul ECG prezint un

puternic caracter non-stationar, se poate spune ca spectrul Fourier este inadecvat

studiului unui astfel de semnal.
Pornind de la aceste constatri, doua demersuri sunt posibile:

- conservarea metodelor clasice cu adaptarea lor local la non-staionaritate prin

analiza de scurt termen;
- introducerea unei noi metode, foarte promitoare, fr referire direct la nonstaionaritate: analiza timp-frecven.
Transformatele timp-frecven pot fi divizate n dou mari clase: transformatele
care utilizeaz un model parametric ca cel autoregresiv (AR), "autoregressive moving
average" (ARMA), sau "dumped sinusoids", care n general utilizeaz o fereastr
deplasabil, i acelea utiliznd descompunerea Fourier. Suntem interesai de cele
aparinnd celei de-a doua clase, din cauza restriciilor impuse de cele din prima clas.
Aceast a doua clas poate fi mprit n dou subclase potrivit cu
constrngerile legate de diferite probleme. Un exemplu n acest sens poate fi
detectarea unui semnal a crui poziie este caracteristic (localizare temporal), al
crui spectru nu este bine cunoscut i este amestecat cu o band spectral larg.
Aceste metode trebuie s elimine problema frecvenelor "fantom" (cross-terms) i s
localizeze ct mai bine posibil detecia.
Acest gen de probleme au condus la o clasa generalizat de transformate timpfrecven definit de Cohen, unde interferenele sunt reduse cu ajutorul unui kernel K,
adecvat problemei. Aceast transformat este:

C x (t , f , ) (t u, ) x(u ) x (u )e i 2 f dud
2
2

unde: - este conjugata complex;

(t , ) - este transformata Fourier a kernel-ului K.

1. Distribuia Wigner-Ville
Distribuia W-V are o mare rezoluie n timp-frecven. Este definit de:

Wx (t , f )

x(t 2 ) x

(t )e i 2 f d
2

Este o distribuie quadratic cu multe proprieti dezirabile pentru o

transformare timp-frecven. n orice caz, pentru semnalele cu mai multe componente,
exist termeni de interferen (cross-terms), care creeaz probleme n interpretarea
transformatei. De exemplu, dac considerm un semnal care la timpul t1 are frecvena

f1 i alt semnal care la timpul t 2 are frecvena f 2 , atunci va exista un termen de

interferen la timpul t12 t1 t 2 / 2 , cu frecvena f12 f1 f 2 / 2 .

2. Distribuia pseudo-Wigner-Ville
Transformata pseudo Wigner-Ville PWVT difer de transformata WignerVille prin funcia de netezire h :

Wx (t , f )

x(t 2 ) x

(t )h( )e i 2 f d
2 2

Aceast transformat aparine clasei Cohen, unde funcia este:

(t , ) (t )h( )
2

Aceasta transformat necesit totui precauii de interpretare. Pe de o parte, ea

admite valori negative, ceea ce este interzis de a interpreta local ca o densitate
energetic. Pe de alta parte apar termeni de interferen ntre componente n planul
timp-frecven. Un avantaj al acestei transformate este c rezoluia temporal este
independent de durata de observaie care controleaz doar rezoluia frecvenial.
Structura transformatei pseudo-Wigner-Ville ia forma unui spectru Fourier de
scurt termen pe semnalul modificat printr-o operaie neliniar. Acest tratament al
semnalului permite, prin raport cu spectrogramul, de nlocuire a ipotezei de
staionaritate (frecven constant pe durata observaiei) printr-o ipotez de
aproximare liniar (modulaie n frecvena liniar pe aceeai durat). Aceasta permite
de a considera, n plus, o durat de observaie mai mare n raport cu spectrogramul i
de a avea o mai bun rezoluie frecvenial.
3. Spectrograma
Este soluia cea mai intuitiv i cea mai veche n domeniul analizei timpfrecven a unui semnal non-stationar.
Ea const n a seciona semnalul n tronsoane presupuse staionare i a efectua o
transformat Fourier de scurt termen.
Formula spectrogramei este:

S x (t , f )

x() f (t )e

2
i 2 f

unde:

S x - este energia semnalului xt n funcie de dou variabile t, f ;

f - este fereastra de observaie care limiteaz observaia la un interval n jurul

momentului t considerat (analiza de scurt termen), interval unde semnalul este
presupus staionar.
Dar, aceast metod este fundamental limitat de necesitatea unui compromis
ntre rezoluia temporal i cea frecvenial: mrind durata de observaie, se
amelioreaz rezoluia frecvenial, cu preul unei diminuri a rezoluiei temporale i
reciproc.

4. Transformata Fourier de scurt termen (Short Time Fourier Transform)

Fie g t o fereastr de lungime finit, i g t 't aceeai fereastr centrat n
punctul t . STFT este definit astfel:

STFT (t , f )

x(t ' ) e

i 2 ft '

dt ' .

De notat c STFT calculeaz puterea frecvenelor n semnal n jurul

momentului de timp t .
Spectrogramul poate fi obinut prin ridicare la ptrat a modulului STFT .
Fereastra

y t , ferestruiete semnalul n afara unei vecinti n jurul

momentului de timp t ' t , astfel STFT d o msur local a puterii frecvenelor

semnalului n jurul momentului de timp t . STFT poate fi vzut ca un set de filtre
trece band, fiecare centrat n jurul frecvenei de evaluat. Semnalul xt trece prin
fiecare filtru, care este transformata Fourier a ferestrei y t . Rezoluia optim n
frecven cere ca lrgimea de band a filtrului s fie arbitrar de mic. Acest lucru este
ndeplinit dac fereastra y t are lungime infinit. n orice caz, pentru a avea o bun
rezoluie n timp, fereastra y t trebuie s aib o lungime scurt. Limitarea evident a
STFT este c nu exist posibilitatea unei rezoluii optime concomitent n timp i n

frecven.

5. Distribuia pseudo-Wigner-Ville cu netezire SPWVD

O variant a distribuiei Wigner-Ville se realizeaz prin utilizarea a dou
ferestre independente n timp i n frecven:

SPWVDx (t , f ) w f () wt (u t ) x ( u ) x (u )du ei 2 fd
2
2

Cele dou ferestre, wt i w f , determin independent netezirea n timp i n

frecven, respectiv alegerea lungimii ferestrelor determin gradul de suprimare a
termenilor de interferen. Lungimea ferestrelor va fi aleas empiric n funcie de
semnalul de analizat.

V.2. Transformata Wavelet - Metoda de prelucrare timp-frecven

(comutativ) transformata Wavelet
Transformata Wavelet este o reprezentare timp-frecven recent introdus n
analiza semnalelor. n esen, decompoziia Wavelet a unui semnal const n
descrierea sa n termenii versiunilor deplasate i dilatate a ctorva Wavelet de baz.
Operaia de deplasare permite semnalelor s fie localizate n timp, n timp ce operaia
de dilatare permite ca frecvenele semnalului original s fie determinate.
V.2.1. Transformata Fourier de termen scurt ( STFT ): analiza cu rezoluie
fix
Se dorete o reprezentare bi-dimensional, timp-frecven, a semnalului xt , a
crui

frecven

STFT

local,

f,

este

definit

printr-o

transformat

adecvat,

S (t, f ) .

Pentru a defini S (t , f ) , considerm un semnal xt , presupus nestaionar i care

este vzut printr-o fereastr g t de lungime finit, centrat la momentul de timp .
Transformata Fourier a semnalului ferestruit x(t ) g (t ) determin STFT :
STFT (, f ) x(t ) g (t )e 2ift dt

care introduce semnalul printr-o funcie bidimensional n planul timp-frecven.

Fereastra
alunectoare
g(t)

STFT(,t)

f1

STFT(,t)

STFT

STFT

(1,f)

(2,f)

f2

STFT (,t)

set de
filtre
modulatoare

Fig. 5.1. Ferestruirea semnalului , t .

n Fig. 5.1. se pot vedea liniile verticale n planul timp-frecven, ilustrnd

"ferestruirea semnalului". Dndu-se o versiune a semnalului ferestruit n jurul
momentului de timp t , se pot calcula toate "frecvenele" ale STFT .
O vedere alternativ este bazat pe interpretarea aceluiai proces, prin
intermediul unui set de filtre. La frecven dat, f , are loc filtrarea semnalului "la
toate momentele de timp" cu un filtru trece band al crui rspuns la impuls este
funcia fereastr modulat de acea frecven. Acest lucru este artat de liniile
orizontale. Astfel, STFT poate fi vzut ca un set de filtre modulate.
Pornind de la aceast reprezentare dual, se poate arta un posibil dezavantaj
legat de rezoluia n timp i frecven. Considerm capacitatea STFT de a distinge
dou sinusoide pure. Fiind dat funcia fereastr g t i transformata sa Fourier

G f , lrgimea de band a filtrului, f , se definete astfel:

2

f G( f ) df

G( f ) df
2

unde numitorul este energia funciei g t . Cele dou sinusoide vor fi discriminate
doar dac lrgimea de band a filtrului va fi mai mare dect f .
Astfel, rezoluia n frecven a analizei STFT este data de t . Similar, rezoluia
n timp este dat de:

t g (t ) dt

g (t ) dt
2

unde numitorul este energia funciei g t . Dou pulsuri n timp pot fi discriminate
dac rezoluia n timp este mai mare dect t .
Dar rezoluia n timp i frecven nu poate fi arbitrar de mic, din cauz c
produsul lor este mrginit:
t f

1
4

Aceast inegalitate este cunoscut sub numele de principiul de incertitudine sau

principiul lui Heisenberg.

V.2.2. Transformata Wavelet continu: analiza multirezoluie

Pentru a evita rezoluia limitat a STFT , se poate imagina faptul ca rezoluiile
t i f

variaz n planul timp-frecven, cu scopul de a obine o analiz

multirezoluie (Fig. 5.2.).

Intuitiv, dac analiza este vzut ca un set de filtre, rezoluia n timp trebuie s
creasc cu frecvena central a filtrelor.
Din acest motiv se impune ca f s fie proporional cu f , sau:
f
C
f

unde C este o constant.

Banda de frecventa constanta

f
f0

2f0

3f0

4f0

5f0

Fig. 5.2. a)

STFT .

Benzi de frecvente relativ constante

f
f0

2f0

4f0

8f0

Fig. 5.2. b) Transformata Wavelet.

Setul filtrelor este compus din filtre trece-band, cu o lrgime de band relativ
constant
(aa numita analiz "constant - Q ").
O alt modalitate de a exprima acest lucru este de a spune n loc de spaierea
regulat a frecvenelor n cazul STFT , spaierea logaritmic regulat, n acest caz, a
frecvenelor.
Rezoluiile n timp i frecven totui satisfac principiul lui Heisenberg, dar
acum rezoluia n timp devine arbitrar de bun pentru frecvene nalte, n timp ce
rezoluia n frecven devine arbitrar de bun pentru frecvene joase.
Transformata Wavelet Continu urmrete exact ideile de mai sus la care se
adaug o simplificare: toate rspunsurile la impuls a filtrelor sunt definite ca versiuni
scalate ale aceluiai prototip h(t ) :

ha (t )

t
h( )
a
a

unde a este un factor de scal (constanta 1

a este folosit pentru normalizarea

energiei). De aici rezult definiia Transformatei Wavelet Continue:

CWTx (, a)

t
x(t ) h
dt
a
a

(*)

f0
f

ct .
f
f

dac a

De vreme ce rspunsul setului de filtre la impuls n (*) este lrgit pe msur ce

scala crete, atunci scala mare corespunde semnalelor contractate, n timp ce scala
mic corespunde semnalelor dilatate.
Scopul acestui studiu este de a realiza o reprezentare Wavelet a unor semnale
ECG, cu o scala dens i la orice moment de timp (pentru orice eantion).
Urmtorii trei pai vor fi prezentai n continuare:
1. Decompoziia Wavelet printr-un algoritm octav cu octav.
2. Interpolarea n timp (pentru a avea o ax a timpului dens).
3. Interpolarea n frecven (pentru a avea o ax a frecvenelor dens).
V.3. Analiza i sinteza Wavelet a semnalului ECG
V.3.1. Algoritm de calcul al transformatei Wavelet
a) Decompoziia multirezoluie a semnalelor: reprezentarea Wavelet
Chiar dac consideraiile matematice se refer la spaiul complex, vom utiliza
reprezentarea Wavelet, algoritm dezvoltat de Mallat, pentru c n aceasta modalitate
se poate crete viteza de execuie a programului.
Notaii: L2 R reprezint spaiul vectorial al funciilor f (x) msurabile i
dublu integrabile.
Pentru f ( x) L2 R i g ( x) L2 R , produsul dintre f (x) i g (x) este dat de:
g x , f x

g (u) f (u)du

Norma funciei f (x) n spaiul L2 R este data de;

f (u ) du

Convoluia dintre f ( x) L2 R i g ( x) L2 R este dat de:

( f g )( x) ( f (u ) g (u ))( x)

f (u) g ( x u)du

Transformata Fourier a funciei f ( x) L2 R este notat f () i este definit

de:

f ()

f ( x )e

1x

dx

b) Aproximaia multirezoluie a spaiului L2 R

Fie A2 j un operator care aproximeaz semnalul cu o rezoluie 2 j . Presupunem
c semnalul original, f (x) , este msurabil i are energie finit: f ( x) L2 R .
n continuare vom caracteriza operatorul A2 j prin proprietile sale intuitive:
1) A2 j este un operator linear. Dac A2 j f x este o aproximaie a funciei f (x)
cu rezoluia 2 j , atunci A2 j f x nu se modific dac o aproximm nc o dat cu
rezoluia 2 j :
Operatorul A2 j este deci un operator de proiecie ntr-un spaiu vectorial
particular V2 j L2 R . Spaiul vectorial V2 j poate fi interpretat ca un set al tuturor
posibilelor aproximaii de rezoluie 2 j a funciilor din spaiul L2 R .
2) Dintre toate aproximrile cu rezoluia 2 j , A2 j f x este funcia care este cea
mai apropiat de f x .
g ( x) V2 j ,

g ( x) f ( x) A2 j f ( x) f ( x)

(5.1)
Deci, operatorul A2 j este proiecie ortogonal n spaiul vectorial V2 j .
3) Aproximarea unui semnal cu rezoluia 2 j 1 conine toate informaiile
necesare pentru a calcula acelai semnal la o rezoluie mai mic 2 j . Aceasta se
numete proprietatea de cauzalitate:
j Z , V2 j V2 j 1
(5.2)

4) O operaie de aproximaie este similar pentru toate rezoluiile. Deci, spaiile

funciilor aproximate trebuie s fie derivate unul din altul:

j Z ,
(5.3)

f x V2 j f 2 x V2 j 1

5) Aproximarea A2 j f x a unui semnal f x poate fi caracterizat de 2 j

eantioane pe unitatea de lungime. Dac

f x este translatat cu o lungime

proporional cu 2 j , A2 j f x este translatat cu aceeai cantitate i este caracterizat

de aceleai eantioane care au fost translatate.
Ca o consecin a expresiei (5.3), este suficient de a exprima pentru rezoluia
j 0.

Translaiile matematice constau n ceea ce urmeaz:

* Caracterizare discret:
Exist un izomorfism I de la V1 ctre I 2 Z .
(5.4)
* Translaie a aproximrii:

j Z , A1 f k x A1 f x k
unde f k x f x k
(5.5)
* Translatarea eantioanelor:

I A1 f x i iZ I A1 f k x i k iZ
(5.6)
6) Cnd se calculeaz o aproximaie a semnalului f x cu rezoluia 2 j , o
cantitate de informaie despre f x se pierde. Totui, dac rezoluia crete spre ,
semnalul aproximat converge ctre semnalul original. Invers, dac rezoluia descrete
ctre zero, semnalul aproximat conine din ce n ce mai puin informaie i converge
ctre zero.
De vreme ce semnalul aproximat cu rezoluia 2 j este egal cu proiecia
ortogonal n spaiul V2 j , acest principiu poate fi scris:
lim V2 j
j

2j

este dens n L2 R

(5.7)
i
lim V2 j

2j

(5. 8)

Vom numi orice set de spaii vectoriale V2 j jZ care satisfac proprietile (2)(8), o aproximare multirezoluie a spaiului L2 R . Setul asociat de operatori, A2 j A2j,
satisfcnd (1)-(6) dau aproximaia oricrei funcii din spaiul L2 R cu rezoluia 2 j .

Teorema 1
Fie V2 j jZ o aproximaie multirezoluie a spaiului L2 R . Exista o singura
funcie x L2 R , numit funcie de scalare:

2 j x 2 j 2 j x pentru j Z (extensia lui x cu 2 j ), atunci:

2 j ( x 2 j (n) nZ este o baza ortonormal n V2 j

Proiecia ortogonal n spaiul V2 j poate fi calculat prin descompunerea

semnalului f x n baze ortonormale date de Teorema 1.
Specificaii
f x L2 R A2 j f x este dat de:
A2 j f x 2 j

f (u ), 2 j (u 2 j n) 2 j ( x 2 j n)

Aproximarea semnalului f x cu rezoluia 2 j , A2 j f x , este caracterizat de

setul de produse pe care le vom nota astfel:

A2d j f

f (u),

2j

(u 2 j n)

nZ

A2d j f fiind numit aproximarea discret a semnalului f x cu rezoluia 2 j .

Deoarece nu se pot procesa dect semnale discrete, va trebui s lucrm cu
aproximri discrete.
Fiecare produs poate fi interpretat ca un produs de convoluie, evaluat n 2 j n
puncte;
j

f (u ), 2 j (u 2 n)

f (u)

2j

(u 2 j n)du f (u ) 2 j (u ) (2 j n)

deci putem rescrie A2d j f :

A2d j f f (u) 2 j (u)(2 j n)

nZ

Dac x este un filtru trece jos, semnalul discret poate fi interpretat ca o

filtrare trece-jos a semnalului f x urmat de o eantionare de rat constant 2 j .

c) implementarea transformatei multirezoluie

n practic, semnalele se pot msura doar cu rezoluie finit. n scopul
normalizrii, vom presupune c aceast rezoluie este egal cu 1. Fie A1d f o
aproximare discret cu rezoluia 1. Principiul de cauzalitate spune c pornind de la

A1d f putem calcula toate aproximrile discrete A2d j f pentru j 0 .

Fie

2j

jZ

o aproximare multirezoluie i

corespunztoare. Familia de funcii

j 1

x funcia de scalare

2 j 1 ( x 2 j 1 k ) , k Z este o baz

ortonormal a spaiului V2 j 1 . tim c pentru orice n Z , funcia 2 j ( x 2 jn ) este

un membru al spaiului V2 j care este inclus n V2 j 1 . El poate fi extins n aceast baz
ortonormal a spaiului V2 j 1 .

2 j ( x 2 j n) 2 j 1

2 j (u 2 j n), 2 j 1 (u 2 j 1 k ) 2 j 1 ( x 2 j 1 k )

(5.9)
Schimbnd variabilele produsului integral, se poate arta c:
2 j 1 2 j (u 2 j n), 2 j 1 (u 2 j 1 k ) 21 (u), (u (k 2n))

Din expresia (5.9) se obine:

f (u ), 2 j (u 2 j n)

21 (u ), (u (k 2n)) f (u ), 2 j 1 (u 2 j 1 k )

(5.10)
Fie H un filtru discret al crui rspuns la impuls este dat de:
n Z h(n) 21 (u), (u n)

(5.11)
~
~
i fie H filtrul simetric al crui rspuns la impuls este h (n) h(n) .

Prin nserarea (5.11) n ecuaia precedent, vom avea:

f (u ), 2 j (u 2 j n)

h ( 2n k )

f (u ), 2 j 1 (u 2 j 1 k )

Ecuaia de mai sus arat c A2d j f poate fi calculat prin convoluia lui A2d j 1 f
~
cu H . Deci toate aproximrile discrete A2d j f , pentru j 0 pot fi calculate pornind de

la A1d f prin repetarea acestui proces. Aceast operaie este numit transformare
"piramid".

n practic, n urma msurrilor rezult doar un numr finit de eantioane

A1d f ( n )1n N .

Fiecare semnal discret A2d j f j 0 are 2 j N eantioane. Cu scopul de a evita

problemele de grani la calcularea aproximrilor discrete A2d j f , vom presupune c
semnalul original A1d f este simetric fa de n 0 i n N :

n n dac N n 0
2 N n dac 0 n N .
d) calculul filtrului discret H
Teorema 1 demonstreaz c aproximarea multirezoluie V2 j jZ este complet
caracterizat prin funcia de scalare x . n acelai timp vom impune o condiie de
regularitate a funciilor de scalare. O funcie de scalare trebuie s fie continuu
difereniabil i descreterea asimptotic la infinit a lui x i ' x trebuie s
satisfac relaiile:

( x) O( x 2 )
, ( x) O( x 2 )

Teorema urmtoare ofer o caracterizare practic a transformatei Fourier a

funciei de scalare.
Teorema 2
Fie x o funcie de scalare i H un filtru discret cu rspunsul la impuls
h(n) 21 (u), (u n) Fie H seria Fourier definit de:

H ()

h( n ) e

in

H satisface urmtoarele dou proprieti:

H (0) 1 i h(n) O(n 2 ) la infinit
(5.12)
H () H ( ) 1
(5.13)
2

n schimb, dac H este o serie Fourier care satisface (12) i (13) i

() H (2 p ) este
H 0 pentru 0, 2 atunci funcia definita de
p 1

transformata Fourier a funciei de scalare.

Filtrele care satisfac proprietatea (5.13) sunt denumite filtre conjugate.
Pentru a gsi rspunsul la impuls al filtrului inem cont de faptul c

(u k ) | k Z este o baz n spaiul V0. Atunci:

2 j ( x)

2 j ( x), (u k ) (u k )

Aplicnd transformata Fourier ambilor membri ai ultimei relaii i simplificnd,

se obine:
(2 j )

h (k ) (t k ) e

jt

dt

sau, pentru j 1
(2)

h j (k ) (t k ) e jt dt

(2) H ()
()

H ()

(2)

()

Aplicnd transformata Fourier invers ambilor membri ai ecuaiei se obine

filtrul H .
Am ales pentru aproximare, funciile spline cubice ale lui Lemarie.
Dac spaiul Vn nZ , Vn L2 R este o aproximare a multirezoluiei, atunci
spaiul rdcin V0 este spaiul tuturor funciilor de energie finit, continuu
difereniabile i care sunt funcii polinomiale de gradul trei n intervalele k , k 1 .
Lemarie a demonstrat c funcia de scalare pentru aceast aproximare
multirezoluie are urmtoarea transformat Fourier:

() (t ) e jt dt 4 ( 2k) 8

1 / 2

1 d6

8 4
6 sin 2
2
315 d

1 / 2