Summary of Jelfeldolgozás és diagnosztika
Jelfeldolgozás és Diagnosztika: Átfogó Útmutató
Bevezetés
Ebben az anyagban megismerkedhetnek a jelfeldolgozással a frekvencia- és idő-frekvencia tartományban. A cél az, hogy megértsék, hogyan tárják fel a Fourier-transzformáció és annak változatai a jelek spektrális összetételét, hogyan kezeljék a nem-stacionárius adatokat, és hogyan válasszanak megfelelő elemzési módszereket a jelek diagnosztizálásához és feldolgozásához.
Definíció: A Fourier-transzformáció átalakítja a jelet az időtartományból a frekvenciatartományba, és megmutatja, milyen az amplitúdó és a fázis eloszlása a frekvenciától függően.
A Fourier-transzformáció és a DFT alapjai
Elv
- A Diszkrét Fourier-transzformáció (DFT) egy diszkrét jel véges mintáját diszkrét spektrummá alakítja.
- Egy folytonos jel mintavételezése $T_x$ periódussal (mintavételi frekvencia $f_x = 1/T_x$) $x[kT_x]$ mintákat eredményez, és $N$ minta esetén a következő összefüggés érvényes:
$$X\left[\frac{n}{N T_x}\right] = T_x \sum_{k=0}^{N-1} x\left[kT_x\right] e^{-\frac{2\pi k n}{N}},\quad n=0,1,\dots,N-1$$
- A frekvenciatengely lépésköze pedig $\Delta f = f_x / N = 1 / (N T_x)$.
Definíció: Az inverz DFT a spektrumából helyreállítja a jelet a következő összefüggés szerint:
$$x[n] = \frac{1}{N T_x} \sum_{k=0}^{N-1} X\left[\frac{k}{N T_x}\right] e^{\frac{2\pi k n}{N}},\quad n=0,1,\dots,N-1$$
Figyelem az aliasingra és a periodicitásra
- A DFT feltételezi a periodikus jelet. Ha a jel nem periodikus, spektrális szivárgás (spectral leakage) jelentkezik a spektrumban.
- A spektrum periodikus $f_s = f_x$ periódussal, azaz $X(f) = X(f - f_s)$. Ezért gyakrabban használunk egyoldalas spektrumot az $f\in[0, f_s/2]$ tartományban.
Ablakozás és szivárgás csökkentése
- A spektrális szivárgás azt okozza, hogy az energia nem csak a pontos frekvenciára oszlik el, hanem szétterül a környező tartományba.
- Az ablakfüggvények (pl. Hanning, Hamming) csökkentik a szivárgást azáltal, hogy lágyítják az átmeneteket az ablak szélein.
Definíció: A Hanning-ablak egy olyan függvény példája, amely egy rövid jelszakaszt megszoroz, és ezzel megváltoztatja annak peremértékeit a jobb frekvenciajellemzők érdekében.
Egyoldalas és kétoldalas spektrum
- A kétoldalas spektrum megjeleníti a pozitív és negatív frekvenciákat is. Valós jelek esetén a negatív frekvenciák a pozitívak tükörképei.
- Az egyoldalas spektrum csak $f\ge 0$-tól $f_s/2$-ig terjedő frekvenciákat jelenít meg, és a gyakorlatban áttekinthetőbb.
Gyakorlati DFT példa
- Példa: 1 Hz frekvenciájú diszkrét jel, $f_x=20,\mathrm{Hz}$ mintavételezéssel (azaz $T_x=0.05,\mathrm{s}$), $N=60$ mintával (0–2.95 s).
- Spektrális felbontás $\Delta f = f_x / N = 20/60 = 1/3,\mathrm{Hz}$.
- A spektrum maximumai 1 Hz-nél, valamint a spektrum szimmetriájának megfelelő frekvenciákon vannak (pl. 19 Hz felel meg a $-1,\mathrm{Hz}$-es komponensnek a DFT periodicitása miatt).
A Fourier-analízis korlátai
- A Fourier-transzformáció lineáris és stacionárius rendszert, valamint konstans jelparamétereket igényel.
- Nemlineáris vagy nemstacionárius jelek esetén az eredményül kapott spektrum átlagos információt reprezentál, amely elfedhet rövid idejű eseményeket (impulzusokat).
Definíció: A spektrális szivárgás (spectral leakage) a spektrális komponens energiájának eloszlása a szomszédos frekvenciákra a jel korlátozott hossza vagy nem megfelelő ablakolás következtében.
Idő-frekvencia feldolgozás (nem-stacionárius jelek)
Amikor egy jel paraméterei változnak az időben, a jel teljes hosszának Fourier-analízise nem biztos, hogy elegendő. Idő-frekvencia módszereket alkalmazunk a spektrum időbeli alakulásának nyomon követésére.
Rövid idejű Fourier-transzformáció (STFT)
- Az STFT a jel rövid, egymást átfedő szakaszainak Fourier-transzformációját számítja ki.
$$X(t,\omega) = \int_{-\infty}^{\infty} x(\tau) h(\tau - t) e^{-j\omega\tau} d\tau$$
- Az $h(t)$ ablakfüggvény határozza meg a szakasz hosszát. Feltételezzük, hogy egy rövid szakasz (közelítőleg) stacionárius.
- Az amplitú
Sign up for the full summaryAlready have an account? Sign in
Jelek a frekvenciákon
Klíčové pojmy: A DFT egy véges diszkrét jelet diszkrét spektrummá alakít át, a $\Delta f = f_x/N$ összefüggés felhasználásával., Az inverz DFT a jelet az $x[n]=\frac{1}{N T_x}\sum_{k=0}^{N-1} X[\frac{k}{N T_x}] e^{\frac{2\pi k n}{N}}$ képlet alapján állítja vissza., A spektrális szivárgás nem periodikus jelből ered, és ablakfüggvényekkel (Hanning, Hamming) csökkenthető., A spektrum $f_s$ periódusú, ezért általában a $[0, f_s/2]$ tartományú egyoldalas spektrumot használják., STFT: $X(t,\omega)=\int x(\tau) h(\tau-t) e^{-j\omega\tau} d\tau$, ami az idő és frekvencia közötti kompromisszumot jelenti., A spektrogram $P_{SP}(t,\omega)=|S_t(\omega)|^2$, és az energiát ábrázolja az idő-frekvencia síkon., Wavelet: A $W(a,b)=\frac{1}{\sqrt{|a|}}\int s(t)\psi((t-b)/a) dt$ képlet többfelbontású analízist biztosít., Hosszabb ablakfüggvény javítja a frekvenciafelbontást, rövidebb ablakfüggvény pedig az időfelbontást., Rövid impulzusok esetén érdemes waveleteket vagy rövid, nagy átfedésű ablakfüggvényeket használni., Az analízis előtt mindig vegye figyelembe a stacionaritást, a linearitást és az adatok hosszát.