Академический Документы
Профессиональный Документы
Культура Документы
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:
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
Bk
faza corespunztoarearmoniceik
Ak
(3.1)
Semnalele periodice se pot reprezenta folosind modulul
k b1 , prin funcia spectru Fourier
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
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
a). f(t) = Q0 e- RC
(t - ) 0 t =
(t - ) = 0 t
+
(t - )dt= 1
f(t) = 1
0 n rest.
t 0, T
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:
(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.
t1 si
t1 toate realizrile
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
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)
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
N 1
xn W nk
n 0
(4.1)
unde W e
2
N
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
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,
secvenelor xn i hn , este:
N 1
Y k H k X k
6. Corelaia circular
Dac xn i hn sunt dou secvene periodice, atunci:
N 1
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
N
1
2
n =0
n 0
X k x(2n) W 2 nk x(2n 1) W ( 2 n 1)
(4.3)
2
j
j 2
W e N e N / 2 WN / 2
2
N
xn se transcrie astfel:
N
1
2
N
1
2
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
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
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
TFDxn X k xn e
2x
nk
N
n 0
(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.
(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
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.
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
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.
C x (t , f , ) (t u, ) x(u ) x (u )e i 2 f dud
2
2
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
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
(t , ) (t )h( )
2
S x (t , f )
x() f (t )e
2
i 2 f
unde:
STFT (t , f )
x(t ' ) e
i 2 ft '
dt ' .
frecven.
SPWVDx (t , f ) w f () wt (u t ) x ( u ) x (u )du ei 2 fd
2
2
frecven
STFT
local,
f,
este
definit
printr-o
transformat
adecvat,
S (t, f ) .
Fereastra
alunectoare
g(t)
STFT(,t)
f1
STFT(,t)
STFT
STFT
(1,f)
(2,f)
f2
STFT (,t)
set de
filtre
modulatoare
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
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
f
f0
2f0
3f0
4f0
5f0
Fig. 5.2. a)
STFT .
f
f0
2f0
4f0
8f0
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
t
x(t ) h
dt
a
a
(*)
f0
f
ct .
f
f
dac a
g (u) f (u)du
f (u ) du
( f g )( x) ( f (u ) g (u ))( x)
f (u) g ( x u)du
f ()
f ( x )e
1x
dx
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)
j Z ,
(5.3)
f x V2 j f 2 x V2 j 1
* 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:
f (u ), 2 j (u 2 j n) 2 j ( x 2 j n)
A2d j f
f (u),
2j
(u 2 j n)
nZ
f (u ), 2 j (u 2 n)
f (u)
2j
(u 2 j n)du f (u ) 2 j (u ) (2 j n)
nZ
Fie
2j
jZ
o aproximare multirezoluie i
j 1
x funcia de scalare
2 j 1 ( x 2 j 1 k ) , k Z este o baz
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))
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) .
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 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 )
H ()
h( n ) e
in
() H (2 p ) este
H 0 pentru 0, 2 atunci funcia definita de
p 1
2 j ( x), (u k ) (u k )
h (k ) (t k ) e
jt
dt
sau, pentru j 1
(2)
h j (k ) (t k ) e jt dt
(2) H ()
()
H ()
(2)
()
() (t ) e jt dt 4 ( 2k) 8
1 / 2
1 d6
8 4
6 sin 2
2
315 d
1 / 2