5 Lokalna id 40252 Nieznany

background image

1

LOKALNA ANALIZA

CZĘSTOTLIWOŚCIOWA SYGNAŁÓW

Spis treści

1. Definicja

2. Okna

3. Transformacja Gabora

background image

2

Analiza czasowo-częstotliwościowa

sygnału mowy

0

1 0 0

2 0 0

3 0 0

4 0 0

5 0 0

6 0 0

7 0 0

8 0 0

9 0 0

- 1 . 0

0 . 0

1 . 0

an d rze j_01_35_m.wav

Am

p

li

tu

d

a

Cz as [m s ]

DW

T

0

1 0 0

2 0 0

3 0 0

4 0 0

5 0 0

6 0 0

7 0 0

8 0 0

9 0 0

D 1

D 2

D 3

D 4

D 5

D 6

0 . 0

0 . 5

1 . 0

1 . 5

2 . 0

2 . 5

3 . 0

3 . 5

4 . 0

background image

3

Kolejny przykład sygnału mowy

0

1 0 0

2 0 0

3 0 0

4 0 0

5 0 0

6 0 0

7 0 0

8 0 0

9 0 0

1 0 0 0

- 1 . 0

0 . 0

1 . 0

c ze rwie ñ s zy_01_35_m.wav

Am

p

li

tu

d

a

Cz as [m s ]

DW

T

0

1 0 0

2 0 0

3 0 0

4 0 0

5 0 0

6 0 0

7 0 0

8 0 0

9 0 0

1 0 0 0

D 1

D 2

D 3

D 4

D 5

D 6

0 . 0

0 . 2

0 . 4

0 . 6

0 . 8

1 . 0

1 . 2

1 . 4

1 . 6

1 . 8

2 . 0

background image

4

Krótkoczasowa transformacja Fouriera

( )

t

t

t


1

1

0

1

dla
dla

Ang.

short-time Fourier transform



b

b

t

f

j

t

f

j

w

dt

e

t

s

dt

e

b

t

t

s

f

b

s

1

1

2

2

)

(

)

(

)

(

)

,

(

ˆ

Widmo

czasowo-częstotliwościowe

można obliczyć posługując się wzorem

background image

5

Porównanie transformaty Fouriera z ....

Załóżmy, że

s t

f t

( ) cos(

)

2

0

Jak wiemy uogólniona transformata Fouriera tego sygnału ma postać

( )

.

(

)

,

(

)

s f

f

f

f

f

0 5

0 5

0

0

Obliczmy teraz jego krótkotrwałą transformatę Fouriera
ograniczoną do przedziału .

[ , ]

4 4

background image

6

.... krótkoczasową transformatą Fouriera

Odpowiada to znalezieniu widma sygnału

s t

t

f t

w

( )

/

cos(

)

 

4

2

0

czyli

 ( )

cos(

) ( / )

cos(

)

s

f

f t

t

e

dt

f t e

dt

w

j f t

j f t





2

4

2

0

2

0

2

4

4

Posługując się wzorem na transformatę sygnału zmodulowanego
otrzymujemy

 ( )

sin

(

)

(

)

sin

(

)

(

)

s

f

f

f

f

f

f

f

f

f

w

8

8

8

8

0

0

0

0

background image

7

Ilustracja przykładu

Sygnał s(t)

Jego transformata

background image

8

Widmo okna

 ( )

( )

w f

w t e

dt

j f t





2

dla

t

T

w

2T

w

jest nazywane rozmiarem okna

0

)

(

t

w

Okno z nośnikiem zwartym

background image

9

Środek i szerokość okna

Środek okna

c

w

t w t dt

w





1

2

2

( )

Szerokość okna

w

w

w

t

c

w t dt





2

2

2

1
2

( )

gdzie norma jest obliczana w przestrzeni

L

2

( )

2

2

)

(

w

t

w

odpowiada gęstości prawdopodobieństwa

background image

10

Normalizacja okna

Okno

powinno być

znormalizowane

w

w f df

( )

 ( )

0

1





w

c

f

j

w

e

f

w

c

t

w

2

)

(

ˆ

)

(

w c

w f e

df

w

j f c

w

( )

 ( )





2

1

gdzie

c

w

jest

środkiem okna.

w t

( )

Po przesunięciu

czyli okno też będzie znormalizowane bo

background image

11

Widmo sygnału wyciętego przez okno

Sygnał

pomnożony przez okno

posiada widmo

s t

s t w t

w

( )

( ) ( )





dg

g

w

g

f

s

dt

e

t

w

t

s

f

s

t

f

j

w

)

(

ˆ

)

(

ˆ

)

(

)

(

)

(

ˆ

*

2

dt

e

b

t

w

t

s

b

f

s

t

f

j

w

2

)

(

)

(

)

,

(

ˆ

w t

( )

)

(t

s

)

(

ˆ

*

f

w

gdzie

oznacza funkcję sprzężoną do widma

)

(

ˆ f

w



dt

e

t

s

f

s

t

f

j

w

w

2

)

(

)

(

ˆ

background image

12

Okno prostokątne (rysunek)

background image

13

Okno prostokątne

w t

t

T

t

T

( )


1

0

dla
dla

w

dt

T

T

T

2

2

środek okna znajduje się w zerze

c

T

t dt

w

T

T

1

2

0

a szerokość okna zgodnie z przyjętą definicją wynosi

w

T

T

T

t dt

T



 

2

2

2

3

2

1
2

czyli jest różna od

.

2T

Widmo częstotliwościowe tego okna ma postać

 ( )

sin(

)

w f

f T

f

2

background image

14

Okno Bartletta (rysunek)

background image

15

Okno Bartletta zwane trójkątnym

środek tego okna również znajduje się w zerze, co można łatwo
policzyć

c

T

t

t

T

dt

t

t

T

dt

w

T

T









3

2

1

1

0

2

0

2

0

Szerokość okna wynosi

w

T

T

T

t

t

T

dt

t

t

T

dt

T









6

1

1

2
5

2

2

2

2

0

0

a widmo częstotliwościowe

 ( )

sin (

)

w f

f T

T f

2

2

2

w t

t

T

t

T

t

T

( )





1

0

dla

dla

w

t

T

dt

t

T

dt

T

T

T

2

2

2

0

0

1

1

2

3









background image

16

Okno Hanna (rysunek)

w t

t T

t

T

t

T

( )

,

cos(

)





0 5 1
0

dla
dla

 ( )

sin(

)

(

)

w f

f T

T f

f

2

2 1 4

2

2

background image

17

Okno Hanna

w t

t T

t

T

t

T

( )

,

cos(

)





0 5 1
0

dla
dla

w

t

T

dt

T

T

T

2

2

1

4

1

3
4











cos

bo

cos ( )

sin(

)

2

1

2

1

4

2

at dt

t

a

at

Widmo częstotliwościowe ma postać

 ( )

sin(

)

(

)

w f

f T

T f

f

2

2 1 4

2

2

background image

18

Okno Hamminga

w t

t T

t

T

t

T

( )

,

,

cos(

/ )


0 54 0 46
0

dla
dla

 ( )

( ,

,

)sin(

)

(

)

w f

T f

T f

f

T f

1 08 0 64

2

2

1 4

2

2

2

2

background image

19

Okno paraboliczne

w t

T

t T

t

T

t

T

( )

/





3

4

1

0

2

dla

dla

background image

20

Okno Parzena (rysunek)

jest zbudowane z wielomianów trzeciego stopnia

background image

21

Okno Parzena

ma charakterystykę częstotliwościową

2

/

sin

12

)

(

ˆ

4

4

3

4

f

T

f

T

f

w

rok 1961



T

t

T

t

T

T

t

T

t

T

t

T

t

t

w

dla

0

2

/

dla

/

1

2

2

/

dla

/

6

/

6

1

)

(

3

3

3

2

2

background image

22

Okno Kaisera (rysunek), β=3

background image

23

Okno Kaisera

 

 

2

)

(

0

0

T

t

I

I

t

w

2

1

2

1

T

t

gdzie

 

1

2

0

2

!

1

1

k

k

k

I

jest funkcją Bessela rzędu zerowego

background image

24

Okno Gaussa

w t

e

t

( )

1

2

2

4

 

a widmo częstotliwościowe

( )

w f

e

f

 4

2

2

 

w

a

a

w

t w t dt

a



2

2

2

2

0 5

( )

,

Jego szerokość wynosi

background image

25

Okno Gaussa (rysunek)

background image

26

Przykład

Dany jest sygnał

s t

f t

( ) cos(

)

2

0

który ma widmo

)

(

)

(

5

,

0

)

(

ˆ

0

0

f

f

f

f

f

s

Jakie jest widmo po wymnożeniu sygnału przez wybrane okno ?

)

(

ˆ

)

(

ˆ

2

1

)

(

ˆ

0

0

f

f

w

f

f

w

f

s

w

Odpowiedź jest prosta. Postać widma lokalnego

zależy od widma okna i częstotliwości analizowanego sygnału.

background image

27

Przykład z oknem prostokątnym

 ( )

,

(

)

(

)

sin(

)

s

f

f

f

f

f

T

d

w

T

T

0 5

2

0

0

 

 

)

(

)

(

2

sin

)

(

)

(

2

sin

2

1

)

(

ˆ

0

0

0

0

f

f

f

f

T

f

f

f

f

T

f

s

w

Bo widmo iloczynu dwóch sygnałów jest równe splotowi ich widm, czyli

background image

28

Przykład z oknem Bartletta

2

0

0

2

2

0

0

2

2

)

f

+

(f

)

f

+

T(f

sin

+

)

f

-

(f

)

f

-

T(f

sin

T

2

1

)

(

ˆ

f

s

w

background image

29

Przykład z oknem Hanna

]

)

(

4

1

)[

(

)

(

2

sin

]

)

(

4

1

)[

(

)

(

2

sin

4

1

)

(

ˆ

2

0

2

0

0

2

0

2

0

0

f

f

T

f

f

f

f

T

f

f

T

f

f

f

f

T

f

s

w

background image

30

Przykład z oknem Parzena

4

0

0

4

4

0

0

4

3

4

)

(

)

(

5

,

0

sin

)

(

)

(

5

,

0

sin

6

)

(

ˆ

f

f

f

f

T

f

f

f

f

T

T

f

s

w

background image

31

Transformacja Gabora

opiera się na funkcji Gaussa

( , , )

( )

(

)

s f a b

s t w t

b e

dt

a

j f t



2

w t

b db

a

(

)



1

)

(

ˆ

)

,

,

(

ˆ

f

s

db

b

a

f

s

a b

t b

a

j f t

f t

a

e

,

(

)

( , )

1

2

2

4

2

( , , )

( )

( , )

,

s f a b

s t

f t dt

a b



Transformację Gabora można zatem zapisać w postaci

gdzie

w t

a

e

a

t

a

( )

1

2

2

4

i jest zdefiniowana następująco

Posiada własności


Wyszukiwarka

Podobne podstrony:
Podatki i oplaty lokalne id 365 Nieznany
Istota rozwoju lokalnego id 220 Nieznany
Prasa lokalna id 385188 Nieznany
Podatki i oplaty lokalne id 365 Nieznany
Istota rozwoju lokalnego id 220 Nieznany
AKTYWIZACJA I ROZWOJ LOKALNY id Nieznany (2)
Ksiazki sieci Sieci Lokalne id Nieznany
Abolicja podatkowa id 50334 Nieznany (2)
4 LIDER MENEDZER id 37733 Nieznany (2)
katechezy MB id 233498 Nieznany
metro sciaga id 296943 Nieznany
perf id 354744 Nieznany
interbase id 92028 Nieznany
Mbaku id 289860 Nieznany
Probiotyki antybiotyki id 66316 Nieznany
miedziowanie cz 2 id 113259 Nieznany
LTC1729 id 273494 Nieznany
D11B7AOver0400 id 130434 Nieznany

więcej podobnych podstron