Conceitos de Sinais e Sistemas Mestrado em Ciências da Fala e da Audição António Teixeira AT 2004 1 • Aula Análise em frequência de sinais – – – • Análise espectral de sinais digitais – • a DFT e FFT MATLAB – AT 2004 Síntese Análise Conceito de espectro fft 2 Análise de Fourier Para sinais analógicos periódicos AT 2004 3 Fourier • Joseph Fourier foi um matemático Francês – do sec XIX • Descoberta importante: – Qualquer sinal (periódico) pode ser decomposto num conjunto de sinusóides com frequências múltiplas da frequência do sinal AT 2004 4 Exemplo • Frequência fundamental = 2.5 Hz – Cada período dura 0.4 segundos T soma de 3 sinusóides de 2.5, 5 e 7.5 Hz de amplitutes 1,0.5 e 0.3 2 0 -2 1 0 0.5 1 1.5 0 0.5 1 1.5 0 0.5 1 1.5 0 0.5 1 1.5 0 -1 0.5 0 -0.5 0.5 0 -0.5 AT 2004 5 Espectro • Representando as amplitudes das várias sinusóides • obtém-se o espectro de riscas (line spectrum) 1 0.9 0.8 0.7 0.6 0.5 1/T 0.4 0.3 0.2 0.1 0 2 AT 2004 4 6 8 10 12 14 16 6 Harmónicos • Sons periódicos apenas podem ter sinusóides que sejam múltiplas da sua frequência fundamental – Ex: • frequência fundamental: 100 Hz • Contem sinusóides de 100, 200, 300, etc Hz • As componentes de sons periódicos chamamse harmónicos AT 2004 7 Exemplo: síntese onda dente de serra n F (Hz) Amplitude (V) 2 0 1 2 3 4 5 6 100 200 300 400 500 600 1.00 ½=0.5 1/3=0.33 ¼=0.25 1/5=0.2 1/6=0.17 -2 20 20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 120 140 160 180 200 0 -2 20 0 -2 20 0 -2 20 0 -2 20 0 -2 0 AT 2004 8 Espectro •Representação das amplitudes (fases) dos harmónicos 1 Amplitude (V) 0.8 0.6 0.4 0.2 0 0 AT 2004 100 200 300 400 Frequência (Hz) 500 600 700 9 Que acontece se reduzir a freq. Fundamental ? • Os harmónicos ficam mais próximos Pitch=100 Hz Amplitude (V) 1 0.8 0.6 0.4 0.2 0 0 100 200 300 400 Frequência (Hz) Pitch=100 Hz 500 600 700 – ... 1 Amplitude (V) – No primeiro estão espaçados de 100 Hz – No segundo caso espaçados de 50 Hz 0.8 0.6 0.4 0.2 0 0 AT 2004 100 200 300 400 Frequência (Hz) 500 600 700 10 E se os sinais não forem periódicos ? • O período de repetição será infinito • As riscas do espectro ficam separadas de 1/T que neste caso será zero – Tem-se assim neste caso um número infinito de riscas – O sinal pode conter todas as frequências desde 0 até infinito – Trata-se da chamada Transformada de Fourier AT 2004 11 Análise de Fourier • Normalmente não sabemos quais as sinusóides e amplitudes que devemos somar • Temos de obter com base no sinal – o Teorema de Fourier diz como se faz • um sinal periódico apenas contem frequências que são múltiplos inteiros de uma frequência base ou “fundamental” – conhecidas por harmónicos (ou componentes espectrais) • Esta sequência de termos relacionados é conhecida por série – Sendo o processo conhecido por Série de Fourier AT 2004 12 fseriesdemo AT 2004 13 Análise de Fourier de sinais digitais DFT, FFT AT 2004 14 DTF e FFT • Vimos que a série de Fourier converte uma onda num conjunto de sinusóides, tal que quando somadas, se obtém o sinal original • A operação que converte uma onda digital em sinusóides (digitais) é a Discrete Fourier Transform (DFT) – A FFT é um algoritmo rápido de cálculo da DFT AT 2004 15 Exemplo • Considere-se o sinal – x = [ -8 –8 –4 5 –2 4 7 9] • Aplicando a DFT – Obtém-se 8 sinusóides – tantas como o número de amostras do sinal – de 0, 1, 2 ... 7 ciclos AT 2004 16 20 0 -20 20 1 2 3 4 5 6 7 2 3 4 5 6 7 2 3 4 5 6 7 2 3 4 5 6 7 2 3 4 5 6 7 2 3 4 5 6 7 2 3 4 5 6 7 2 3 4 5 6 7 0 -20 20 1 0 -20 20 1 0 -20 20 1 0 -20 20 1 0 -20 20 1 0 -20 20 1 0 -20 10 1 0 -10 1 AT 2004 2 3 4 5 6 7 8 17 Exemplo AT 2004 18 Aplicação a uma vogal 0.1 0 -0.1 0 100 200 300 400 500 600 0 100 200 300 400 500 600 0 50 100 150 200 250 300 4 2 0 50 0 -50 AT 2004 19 Aplicação de análise de Fourier ao sinal de voz cujas características variam no tempo AT 2004 20 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 por frame AT 2004 21 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 AT 2004 22 Janelas • Hamming 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 50 100 150 200 250 300 sinal aplicando janela rectangular de 256 pontos 0.1 0.05 0 -0.05 -0.1 • Aplicada ao sinal 0 50 100 150 200 250 300 sinal aplicando janela de hamming de 256 pontos 0.1 0.05 0 -0.05 -0.1 0 AT 2004 50 100 150 200 250 300 23 Efeito na FFT 10 0 -10 -20 -30 -40 -50 0 AT 2004 20 40 60 80 100 vermelho= rectangular preto=hamming 120 140 24 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 AT 2004 25 Próxima semana ... AT 2004 26 Espectrograma AT 2004 27 O que é ? • Até agora analisamos um segmento apenas • 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 para representar a amplitude das várias sinusóides AT 2004 28 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 2004 29 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 2004 100 20 40 60 80 100 120 200 0.5 200 400 0 30 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 2004 31 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 2004 32 Exemplo usando SFS Qual é o Wide e o Narrow ? wide narrow AT 2004 33