Conceitos de Sinais e Sistemas
Mestrado em Ciências da Fala e da Audição
António Teixeira
AT 2007
1
•
Aula
Análise em frequência de
sinais reais
–
–
•
Análise espectral de sinais
variáveis no tempo
–
–
–
•
o Espectrograma
resolução no tempo e na
frequência
narrow band e wide band
MATLAB
–
AT 2007
analógicos
digitais
specgram
2
Análise em frequência de sinais
reais
sinais analógicos
AT 2007
3
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”
AT 2007
4
Uma solução
• Até recentemente, apenas existia uma forma prática de
determinar o espectro nestes casos, utilizando filtros passabanda
– 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
AT 2007
5
Exemplo: análise da onda triangular
• O sinal
– período = 5 ms
AT 2007
6
filtro para frequência central=200
• filtro e saída
•Max=0.3748
AT 2007
7
filtro para frequência central=300
• filtro e saída
•Max aprox 0
AT 2007
8
usando vários filtros...
AT 2007
9
o caso digital
• aplica-se a DFT/FFT
•tantos pontos como os do sinal
AT 2007
10
em termos de frequências
AT 2007
11
Análise espectral de sinais
variáveis no tempo
AT 2007
12
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 !!
AT 2007
13
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
AT 2007
14
Exemplo: “chirp”
AT 2007
15
combinando numa forma 3D
•3D  tempo, frequência e amplitude
AT 2007
16
vista 2D
•f
•t
AT 2007
17
Espectrograma (digital)
representação do conteúdo espectral
de um sinal no tempo
AT 2007
18
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
AT 2007
19
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
AT 2007
20
0.1
50
0
1
1.5
100
20
40
60
80
100
120
200
0.5
1
1.5
100
20
40
60
80
100
120
200
0.5
1
1.5
0
-0.1
-50
0
200
400
0.1
0
50
0
0
-0.1
-50
0
200
400
0.1
0
50
0
0
-0.1
-50
0
AT 2007
100
20
40
60
80
100
120
200
0.5
200
400
0
21
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.
AT 2007
22
Example: specgramdemo
AT 2007
23
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
AT 2007
24
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
AT 2007
25
Exemplos Matlab “chirp”
narrow
AT 2007
wide
NFFT=256
NFFT=32
bw aprox 45
bw aprox 300
pior
26
Diferenciar componentes de frequências
próximas (1000 e 1150 Hz)
narrow
distingue
wide
AT 2007
27
Espectrograma de um impulso
•narrow
•wide
melhor
AT 2007
28
Espectrograma de dois impulsos próximos no
tempo
melhor
AT 2007
29
Espectrograma de sinais “random”
AT 2007
30
Exemplo usando SFS
Qual é o Wide e o
Narrow ?
wide
narrow
AT 2007
31