Conceitos de Sinais e Sistemas Mestrado em Ciências da Fala e da Audição

1AT 2007

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

António Teixeira

2AT 2007

Aula

10• 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 2007

Análise em frequência de sinais reais

sinais analógicos

4AT 2007

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 2007

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 2007

Exemplo: análise da onda triangular

• O sinal– período = 5 ms

7AT 2007

filtro para frequência central=200• filtro e saída

•Max=0.3748

8AT 2007

filtro para frequência central=300• filtro e saída

•Max aprox 0

9AT 2007

usando vários filtros...

10AT 2007

o caso digital• aplica-se a DFT/FFT

•tantos pontos como os do sinal

11AT 2007

em termos de frequências

12AT 2007

Análise espectral de sinais variáveis no tempo

13AT 2007

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 2007

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 2007

Exemplo: “chirp”

16AT 2007

combinando numa forma 3D

•3D tempo, frequência e amplitude

17AT 2007

vista 2D

•f

•t

18AT 2007

Espectrograma (digital)

representação do conteúdo espectral de um sinal no tempo

19AT 2007

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 2007

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 2007

0 200 400-0.1

0

0.1

0 100 200-50

0

50

0.5 1 1.5

20406080100120

0 200 400-0.1

0

0.1

0 100 200-50

0

50

0.5 1 1.5

20406080100120

0 200 400-0.1

0

0.1

0 100 200-50

0

50

0.5 1 1.5

20406080100120

22AT 2007

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.

23AT 2007

Example: specgramdemo

24AT 2007

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

25AT 2007

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

26AT 2007

Exemplos Matlab “chirp”

NFFT=256

bw aprox 45

NFFT=32

bw aprox 300

narrow wide

pior

27AT 2007

Diferenciar componentes de frequências próximas (1000 e 1150 Hz)

distingue

narrow

wide

28AT 2007

Espectrograma de um impulso

•narrow

•wide

melhor

29AT 2007

Espectrograma de dois impulsos próximos no tempo

melhor

30AT 2007

Espectrograma de sinais “random”

31AT 2007

Exemplo usando SFS

Qual é o Wide e oNarrow ?

wide

narrow