Professional Documents
Culture Documents
Introducere
Metodele de prelucrare numerica a semnalelor realizeaza transformerea unui
semnal intr-un alt semnal, care este mai convenabil dintr-un anumit punct de
vedere. Una dintre transformarile cele mai utilizate in practica este transformarea
spectrala. Reprezentarea semnalelor in domeniul frecventa ofera deseori informatii
utile, care nu pot fi observate intr-o reprezentare temporala. De exemplu, daca
exista indicii ca intr-un semnal exista componente sinusoidale, atunci este mai
avantajos ca semnalul sa fie reprezentat in frecventa, unde aceste componente apar
ca linii spectrale. De mentionat ca prin “analiza spectrala” se intelege o larga
varietate de masuratori si metode de investigare. O definitie posibila a domeniului
poate fi “o masuratoare care da exact sau aproximativ transformata z a semnalului
discret la anumite valori ale variabilei z”.
Prin calculul sau masurarea spectrului se obtine distributia amplitudinilor, a
fazei, a puterii sau a energiei semnalului, in functie de frecventa.
Exista multe domenii in care prelucrarea semnalelor presupune masurarea
sau estimari ale diferitelor spectre:
Prelucrarea semnalului vocal pentru recunoasterea vorbirii, reducerea
benzii semnalului, s.a.;
Analiza complexa a semnalelor acustice in sistemele sonar, pentru
identificarea pozitiei navelor, submarinelor sau a altor obiecte subacvatice;
Analiza semnalelor radar pentru identificarea tintelor sau pentru
determinarea vitezei acestora;
analiza datelor meteo si a celor obtinute prin teledetectie;
prelucrarea semnalelor medicale (electroencefalograme, electrocardio-
grame, analiza raspunsului la stimuli, s.a.) pentru detectarea diferitelor
maladii;
Programul de Masterat IISC – Curs PASD 2
sistemele de telecomunicatii;
sistemele de masura, de comanda si de reglare;
T
1 2
X ( k ) x (t )e 2jkt dt , k Z (1)
T T 2
x (t ) X ( k )e
k
2 jk t
(2)
Relatia (2) constituie reprezentarea sub forma de serie Fourier a semnalului x(t), in
care coeficientii reprezentarii sunt valorile X(k). Functia spectru depinde de
frecventa, si are valori pentru frecventele pozitive si negative. In practica se
foloseste deseori spectrul semnalelor fizic realizabile, definit numai pentru
frecvente pozitive.
Functia spectru Fourier este o marime complexa, la care poate fi pus in
evidenta modulul si argumentul:
T
1 2
T T
A0 x ( t ) dt - este valoarea medie (componenta continua) a lui x(t),
2
(4)
Programul de Masterat IISC – Curs PASD 4
T
2
2
Ak
T
T
x (t )cos(2kt )dt , k Z (5)
2
T
2
2
Bk
T
T
x (t )sin(2kt )dt , k Z (6)
2
Observatii:
Spectrul semnalului periodic are un caracter discret, fiind constituit dintr-o
suma infinita de componente de frecvente distincte, repartizate simetric fata de
originea axei frecventelor. In practica, din totalitatea liniilor spectrale, doar
componenta continua (k = 0) si primele 20 30 de armonice au valori
semnificative. Frecventa 1 = 2 corespunde componentei fundamentale, iar
frecventele celoralalte componente sunt in relatie armonica, k = 2k, k Z .
Dezvoltarea in serie Fourier se prezinta sub doua forme:
x (t ) dt
2
(7)
j 2t
X ( ) x (t )e dt (8)
j 2t
x (t ) X ( )e d (9)
x(t) si X() sunt perechi Fourier: x(t) X(). Spectrul X() este o functie continua
in frecventa si este, in general, o marime complexa
X ( ) X ( ) e j ( ) (10)
Transformata Fourier data de relatia (8) exprima faptul ca pentru a afla X() la o
frecventa particulara = 0 este necesara cunoasterea in intregime a desfasurarii
procesului fizic in evolutia temporala. Din aceasta evolutie, printr-un proces de
filtrare cu rezolutie fina, se poate obtine linia spectrala de o anumita frecventa.
Avind in vedere ca, practic semnalul x(t) este cunoscut intr-un interval finit, de
lungime T, nu se poate obtine o rezolutie mai buna de 1/T. In cazul transformarii
inverse, pentru determinarea valorii semnalului x(t) la un moment dat, t = t0 ,
este necesara cunoasterea spectrului pentru toate frecventele. Printr-un proces de
filtrare fina, similar cu cel efectuat la transformarea directa, rezulta x(t0).
Teorema lui Parceval, exprima legatura dintre cele doua reprezentari:
x (t ) X ( ) d
2 2
dt
W ( ) X ( )
2
(11)
(Joule)(hertz), atunci X ( )
2
este exprimata in (Joule)(hertz)-1, ceea ce justifica
denumirea de densitate spectrala de energie.
Programul de Masterat IISC – Curs PASD 7
Conditiile de existenta a transformatei Fourier sunt satisfacute de semnalele
fizic realizabile. Deci, unui semnal fizic dat i se poate asocia spectrul Fourier, X(),
care poate fi determinat analitic sau experimental.
2
x ( n) ,
n
X (e j
) x(n)e jn - TFDt (12a)
n
1 j
x ( n) X (e )e jn d - TFDtI (12b)
2
1 j
X (e ) d
2
1
*) In literatura transformata Fourier pentru timp discret este denumita simplu, transformata Fourier
Programul de Masterat IISC – Curs PASD 8
2
W (e j ) X (e j ) (13)
1 2
X (e j )
T k
X a ( j j
T
k)
1
X (e j ) X a ( j)
T
N 1
X p ( k ) T x p (n)W nk -TFD (14)
n0
N 1
1
x p ( n)
NT
X p ( k )W nk -TFDI (15)
k 0
Programul de Masterat IISC – Curs PASD 10
x(nT)
nT
0
T0 NT
X(k0)
0
0 N0 k0
s
Fig. 1
Daca procesul aleator este stationar valoarea medie nu depinde de parametrul timp.
Pentru procese stationare media va fi notata cu mx.
2
*) Pentru a reprezenta un proces aleator se poate folosi una din urmatoarele notatii {xn}, {x(n)}, xn, x(n). Pentru a
evita eventualele confuzii se va preciza cind aceste notatii reprezinta intreg procesul aleator sau o realizare
particulara a sa
Programul de Masterat IISC – Curs PASD 12
N
1
-Media temporala x n lim xn
N 2 N 1 n N
(17)
Daca procesul aleator este ergodic mediile date de relatia (17) sunt constante in
sensul ca, mediile de timp ale tuturor esantioanelor de secvente posibile sunt egale
cu aceeasi valoare. Mai mult, aceasta medie este egala cu media statistica (pe
ansamblul realizarilor procesului). Prin urmare, pentru oricare secventa particulara
de esantioane a unui proces ergodic, {xn}, n , se poate scrie
N
1
mx x n E[ x n ] lim xn
N 2 N 1 n N
(18)
rxx (k ) E[ x n x n k ] (20)
Prin urmare, pentru un proces aleator WSS valoarea medie este constanta:
Ex(k )
Deoarece momentele de ordinul doi sunt invariante la deplasarile in timp ele pou fi
caracterizate de secventele de autocorelatie unidimensionale date de relatia (22).
In cazul unui proces aleator ergodic, este posibil sa se determine media si
secventa de autocorelatie pe baza unei singure realizari a acestuia, prin folosirea
mediilor temporale. Deoarece aceasta realizare este data sub forma unei secvente
de durata finita, {x(n)}, n = 0, 1, 2, ..., N-1, rezulta doar posibilitatea obtinerii unor
estimatori pentru aceste marimi.
Pot fi stabilite simplu urmatoarele proprietati ale celor doua secvente:
2
c xx (k ) rxx (k ) m x (21a)
c xx (k ) c xx (0) (21f)
2
lim rxx (k ) m x (21g)
k
lim c xx (k ) 0 (21h)
k
Pxx ( ) rxx (k )e jk (22)
k
Pxx ( )d k
rxx (k )e jk d 2rxx (0) (23)
1
c xx (0) Pxx ( )d m x
2 2
(24)
2
x
N 1
1
E[ x (n)] m x
N
x ( n) (25)
n0
Prin urmare, si este o variabila aleatoare. Se noteaza cu p ( ) functia densitate
de probabilitate a lui . Expresia si forma grafica a lui p ( ) depinde de
p
estimatorul 2
estimatorul 1
Fig. 2
p
2 1
Fig. 3
B E[ ] (27)
unde E[ ] este media estimatorului. Un estimator nedeplasat este acela pentru
care deplasarea este zero. Aceasta arata ca valoarea asteptata a estimatorului este
Programul de Masterat IISC – Curs PASD 18
valoarea adevarata, astfel ca, daca densitatea de probabilitate p ( ) este