1AT 2004 Conceitos de Sinais e Sistemas Mestrado em Ciências da Fala e da Audição António...

1AT 2004

Conceitos de Sinais e SistemasMestrado em Ciências da Fala e da Audição

António Teixeira

2AT 2004

Aula

11• Análise em frequência de

sinais reais– analógicos– digitais

• Análise espectral de sinais variáveis no tempo

– o Espectrograma– resolução no tempo e na

frequência– narrow band e wide band

• MATLAB– specgram

3AT 2004

Análise em frequência de sinais reais

sinais analógicos

4AT 2004

O problema base• Até agora os espectros (análise espectral) referia-se a

sinais com uma representação matemática “simples”• Mas o que acontece quando pretendemos o espectro

de sinais do mundo real, não definidos por uma fórmula matemática?– a transformada/série de Fourier apenas funciona com sinais

abstractos “no papel”

5AT 2004

Uma solução• Até recentemente, apenas existia uma forma prática de

determinar o espectro nestes casos, utilizando filtros passa-banda– este tipo de filtro possui a propriedade de selectivamente atenuar as

frequências abaixo e acima da região a que são mais sensíveis

• para saber a energia que existe numa gama de frequência apenas temos de fazer passar o sinal por um filtro passa-banda ajustado para essa gama

• Para ter o espectro numa gama de frequências teremos de ter vários filtros com a frequência central cobrindo o intervalo– o conjunto de filtros chama-se BANCO DE FILTROS

– Por vezes a utilização de vários filtros não é viável (por exemplo pelo seu custo) utilizando-se um filtros com frequência central ajustável

6AT 2004

Exemplo: análise da onda triangular

• O sinal– período = 5 ms

7AT 2004

filtro para frequência central=200• filtro e saída

•Max=0.3748

8AT 2004

filtro para frequência central=300• filtro e saída

•Max aprox 0

9AT 2004

usando vários filtros...

10AT 2004

o caso digital• aplica-se a DFT/FFT

•tantos pontos como os do sinal

11AT 2004

em termos de frequências

12AT 2004

Análise espectral de sinais variáveis no tempo

13AT 2004

O problema• Até agora os sinais que tratamos têm sempre

as mesmas características ao longo do tempo

• Como tratar de sinais que variam com o tempo?– como a música– e o sinal de voz !!

14AT 2004

Solução • Extensão das ideias anteriores

• No caso analógico, representando a saída ao longo do tempo das saídas do banco de filtros– retirando o detalhe por um processo de rectificação e

“smoothing”• tudo o que precisamos é uma medida do nível do sinal na saída sem

qualquer interesse pelo detalhe• existem muitas forma de o fazer

• No caso digital aplicar a FFT a “segmentos” (frames) do sinal– a designada Short Time Fourier Analysis

15AT 2004

Exemplo: “chirp”

16AT 2004

combinando numa forma 3D

•3D tempo, frequência e amplitude

17AT 2004

vista 2D

18AT 2004

Espectrograma (digital)

representação do conteúdo espectral de um sinal no tempo

19AT 2004

O que é ?• Se analisarmos vários segmentos ao longo do

sinal e visualizarmos a forma como as componentes na frequência variam temos um gráfico em função do tempo e da frequência

• O espectrograma representa esta informação a 2 dimensões– Usando cores (ou níveis de cinzento) para

representar a amplitude das várias sinusóides

20AT 2004

Como se constrói• Para os vários segmentos do sinal

– Calcula-se a FFT• depois de aplicar janela ao sinal

– Converte-se para cores ou tons de cinzento– Com esta informação cria-se uma coluna de uma

imagem

21AT 2004

Segmentos (Frames)• A análise pela DFT assume que o sinal

mantém as suas características a seguir ao bloco analisado– O que não se verifica no sinal de voz

• A análise é efectuada em pequenos segmentos em que o sinal tem características estáveis– Cerca de 10 a 20 ms

• Cada segmento é designado em Inglês de frame

22AT 2004

Janelas• Ao obter-se um segmento está implícito que se

colocam a zero todos os valores fora do segmento– Isto corresponde à aplicação do que se chama

janela rectangular• Problema: o que se vê na FFT não são apenas as

componentes devidas ao sinal mas também componentes devidas à janela

• Para evitar parcialmente este problema utilizam-se outras janelas, como as de Hamming e Hann

23AT 2004

Janelas • Hamming

• Aplicada ao sinal

0 50 100 150 200 250 3000

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

0 50 100 150 200 250 300-0.1

-0.05

0

0.05

0.1sinal aplicando janela rectangular de 256 pontos

0 50 100 150 200 250 300-0.1

-0.05

0

0.05

0.1sinal aplicando janela de hamming de 256 pontos

24AT 2004

Efeito na FFT

0 20 40 60 80 100 120 140-50

-40

-30

-20

-10

0

10

vermelho= rectangular preto=hamming

25AT 2004

Tamanho das janelas• Para se usar DFT deve ser potência de 2

– 32, 64, 128, 256, 512, 1024

• Resolução na frequência pretendida– N amostras resultam em N pontos na frequência

entre 0 e a freq. Amostragem• Intervalo entre frequências= fa/N

– N=fa/intervalo

– Intervalo = 45 Hz => 10000/45=222 => 256 amostras

– Intervalo = 300 Hz => 10000/300=34 => 32 amostras

26AT 2004

0 200 400-0.1

0

0.1

0 100 200-50

0

50

0.5 1 1.5

20406080

100120

0 200 400-0.1

0

0.1

0 100 200-50

0

50

0.5 1 1.5

20406080

100120

0 200 400-0.1

0

0.1

0 100 200-50

0

50

0.5 1 1.5

20406080

100120

27AT 2004

MATLAB: specgram• SPECGRAM Calculate spectrogram from signal. B=SPECGRAM(A,NFFT,Fs,WINDOW,NOVERLAP)

calculates the spectrogram for the signal in vector A. • SPECGRAM splits the signal into overlapping segments,

windows each with the WINDOW vector and forms the columns of B with their zero-padded, length NFFT discrete Fourier transforms.

• Each column of B contains an estimate of the short-term, time-localized frequency content of the signal A.

• Time increases linearly across the columns of B, from left to right.

• Frequency increases linearly down the rows, starting at 0.

28AT 2004

Example: specgramdemo

29AT 2004

Narrow band• Resolução na frequência aprox. 45 Hz

– Tons de 50 Hz e 150 Hz diferenciam-se• Podem distinguir-se os harmónicos

– Já vimos que janelas (para 10 kHz) são de 256 amostras

– Mau para ver onde ocorrem mudanças bruscas no sinal

30AT 2004

Wide band• Resolução na frequência aprox. 300 Hz

– Tons de 50 Hz e 150 Hz não se diferenciam– Não se podem seguir os harmónicos

individualmente de adultos do sexo masculino• Frequência fundamental por volta dos 100 Hz

– Já vimos que janelas (para 10 kHz) são de 32 amostras

– Boa resolução no tempo

31AT 2004

Exemplos Matlab “chirp”

NFFT=256

bw aprox 45

NFFT=32

bw aprox 300

narrow wide

pior

32AT 2004

Diferenciar componentes de frequências próximas (1000 e 1150 Hz)

distingue

narrow

wide

33AT 2004

Espectrograma de um impulso

•narrow

•wide

melhor

34AT 2004

Espectrograma de dois impulsos próximos no tempo

melhor

35AT 2004

Espectrograma de sinais “random”

36AT 2004

Exemplo usando SFS

Qual é o Wide e oNarrow ?

wide

narrow