Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
1
Číslicové zpracování signálů
a Fourierova analýza
www.kme.zcu.cz/kmet/exm
2
Obsah prezentace
1. Úvod a motivace
2. Data v časové a frekvenční oblasti
3. Fourierova analýza – teoreticky
4. Fourierova analýza – prakticky
5. Závěr
3
Cíle přednášky
Uvedení studenta do problematiky číslicového zpracování signálů
Seznámení se základy Fourierovy analýzy signálů
Praktická realizace Fourierovy analýzy …
Některé obrázky v této prezentaci jsou převzaty z jiných zdrojů (Balda M.: Statistická
mechanika, ZČU v Plzni. Tůma J.: Zpracování signálů z mechanických systémů užitím
FFT, Sdělovací technika, 1997. Materiály Bruel & Kjaer …)
4
1 Úvod a motivace
V experimentální mechanice se pracuje s naměřenými daty, které
mají specifickou formu
Děje v reálném světě jsou spojité, ale záznam z měření
zpracovatelný na počítači je ve většině případů diskrétní
Je nutné s diskrétními (tzv. navzorkovanými) daty umět pracovat a
je nutné umět provádět jejich analýzu
Navzorkovaný signál je v počítači reprezentován většinou ve formě
vektoru (případně matice) čísel
Formát čísla (integer, real, mantisa) je rovněž důležitým parametrem
zpracování
Analýza naměřených dat nám umožní …
5
2 Data v časové a ve frekvenční oblasti
6
Při experimentálním měření a zpracování výsledných signálů je
prvním velmi důležitým pojmem tzv. vzorkovací frekvence (počet
vzorků diskrétního signálu za jednu sekundu)
Zejména je nutné, aby diskrétní signál nebyl podvzorkovaný
Dle typu následné analýzy mohou být na signál kladeny další
podmínky
Příklad:
Funkce y(t) = sin(2 ft) s frekvencí f = 1 Hz a různými vzorkovacími
frekvencemi fv = 100, 10, 4, 3 Hz
Data v časové oblasti – vzorkování
7
Data v časové oblasti – vzorkování
8
Data v časové oblasti – vzorkování
9
Data v časové oblasti – vzorkování
10
Data v časové oblasti – vzorkování
11
Data v časové oblasti
Data v časové oblasti má smysl v některých případech zpracovat
pomocí nástrojů matematické statistiky
Průměr, střední hodnota, rozptyl, směrodatná odchylka, momenty
atd.
Existují další specializované algoritmy vhodné pro konkrétní analýzy
z hlediska mechaniky
Například metoda stékání deště apod.
Velmi často pracují s histogramy četnosti
Samostatnou kapitolou jsou různé filtry, které ovšem už pracují také
s daty ve frekvenční oblasti
12
Data v časové oblasti – průměrování
Jedním ze základních nástrojů používaných na data v časové
oblasti je tzv. průměrování
Lze použít matematický nástroj nazvaný klouzavý průměr, který
umožní vyhladit zpracovávaný signál a částečně ho zbavit například
určitého šumu, je možné vylepšit vážením
Je ovšem nutné věnovat pozornost tomu, aby nedošlo ke ztrátě
reálné informace, která z povahy měřeného jevu má být v signálu
obsažena
Příklad: Zašuměná funkce y(t) = sin(2 1t) + 0.3*sin(2 5t) + šum,
použití neváženého pětibodového klouzavého průměru
13
Data v časové oblasti – průměrování
14
Data v časové oblasti – průměrování
15
Data v časové oblasti – průměrování
16
3 Fourierova analýza - teoreticky
Analýza časových signálů pomocí jejich převedení do frekvenční
oblasti
Fourierova řada – aproximace periodických funkcí/signálů pomocí
váženého součtu harmonických funkcí
Definice Fourierovy transformace (X( ) – obraz, x(t) – originál):
17
3 Fourierova analýza
Přímá vs. zpětná Fourierova transformace …
Různé varianty FT:
Spojitá Fourierova transformace
Fourierova transformace signálu s diskrétním časem
Diskrétní Fourierova transformace – přirozená varianta pro
signály zpracovávané pomocí počítače
Rychlá Fourierova transformace – rychlý algoritmus pro
Fourierovu transformaci diskrétních signálů
18
3 Fourierova analýza
Diracův impuls (t) – důležitá funkce pro Fourierovu transformaci
,
Vlastnosti
19
3 Fourierova analýza
Diracův hřeben a vzorkování
Pro spojitou funkci f(t0) platí
20
3 Fourierova analýza
Jestliže je originál periodická funkce x(t) = x(t+T) s periodou T,
potom obraz X( ) nabývá nenulových hodnot jen pro úhlové
frekvence X(2 k/T), kde k = …, -2, -1, 0, 1, 2, …
Fourierova transformace Diracova impulsu
21
3 Fourierova analýza
Fourierova transformace harmonických funkcí
22
3 Fourierova analýza
23
3 Fourierova analýza
Vzorkovací teorém – aby nedocházelo ke zkreslení Fourierova obrazu při
FT originálu, musí být vzorkovací frekvence alespoň dvojnásobkem nejvyšší
frekvence obsažené v signálu originálu
Diskrétní Fourierova transformace (h – originál, H – obraz, N je počet
vzorků, T – je perioda vzorkování)
Souvislost obrazů při DFT a spojité FT, a koeficientů F. řady cn originálu
24
4 Fourierova analýza – prakticky
V experimentální mechanice je důležitá schopnost analyzovat frekvenční
spektrum změřeného signálu
Frekvenční spektrum signálu (intuitivní nerigorózní vysvětlení) – soubor
frekvencí obsažených v původním signálu – množina frekvencí harmonických
funkcí, na které lze změřený signál rozložit
Nejvhodnější nástroj – rychlá varianta diskrétní Fourierovy transformace (FFT)
Praktická realizace
Konkrétní možnosti analyzátoru nebo software používaného při měření
MATLAB – funkce fft
25
4 Fourierova analýza – prakticky
function myfft(h,t)
% Jedna z variant …
L = length(h);
Fs = 1/(t(2)-t(1));
NFFT = 2^nextpow2(h);
H = fft(h,NFFT)/L;
f = Fs/2*linspace(0,1,NFFT/2);
stem(f,2*abs(H(1:NFFT/2)),'r')
title('Jednostranne spektrum funkce h(t)')
xlabel('f [Hz]')
ylabel('|H(f)|')
26
4 Fourierova analýza – prakticky
sinus s frekvencí 1 Hz
27
4 Fourierova analýza – prakticky
sinus s frekvencí 1 Hz, necelistvý počet period
28
4 Fourierova analýza – prakticky
Použití časových oken – eliminace efektu necelistvých period ve zpracovávaném signálu
29
4 Fourierova analýza – prakticky
harmonický signál s frekvencemi 5, 20 a 43 Hz
30
5 Závěr
Vždy je nutné si stanovit, co je cílem při zpracování konkrétního změřeného
signálu
Je velmi důležité mít představu o fyzikálních (mechanických) dějích, které
charakterizují měřený jev
Fourierova analýza je velmi mocný nástroj pro porozumění studovanému signálu a pro vyhodnocení různých důležitých vlastností zkoumaného problému