Upload
truongkhue
View
216
Download
1
Embed Size (px)
Citation preview
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
MATLAB Kurs 2010 Teil 2Eine Einfuhrung in die Frequenzanalyse via
MATLAB
Sven Blankenburg
26.11.2010&
03.12.2010
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Inhaltsverzeichnis
1 Frequenzanalyse ITheorie1Experiment 1
2 EntrauschenFourierMoving Average
3 Frequenzanalyse II: STFTZebra-Fink
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Ziele
Kurze Einfuhrung in die Fourier-Analyse
MATLAB Routinen fur FFT
Beispiele und Anwendungen
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Ziele
Kurze Einfuhrung in die Fourier-Analyse
MATLAB Routinen fur FFT
Beispiele und Anwendungen
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Ziele
Kurze Einfuhrung in die Fourier-Analyse
MATLAB Routinen fur FFT
Beispiele und Anwendungen
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Ziele
Kurze Einfuhrung in die Fourier-Analyse
MATLAB Routinen fur FFT
Beispiele und Anwendungen
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Theorie 1
Theorem
Jede stetige Funktion f kann als Superposition einer Reihe vontrigonometrischen Funktionen (Sinus, Kosinus) dargestelltwerden.
f (t) =a0
2+∞∑
n=1
an cos (n · t) +∞∑
n=1
bn sin (n · t) (1)
an =2
T
∫ +T/2
−T/2f (t) cos
(2π · nt
T
)dt (2)
bn =2
T
∫ +T/2
−T/2f (t) sin
(2π · nt
T
)dt (3)
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Theorie 1
Theorem
Jede stetige Funktion f kann als Superposition einer Reihe vontrigonometrischen Funktionen (Sinus, Kosinus) dargestelltwerden.
f (t) =a0
2+∞∑
n=1
an cos (n · t) +∞∑
n=1
bn sin (n · t) (1)
an =2
T
∫ +T/2
−T/2f (t) cos
(2π · nt
T
)dt (2)
bn =2
T
∫ +T/2
−T/2f (t) sin
(2π · nt
T
)dt (3)
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Theorie 1
Theorem
Jede stetige Funktion f kann als Superposition einer Reihe vontrigonometrischen Funktionen (Sinus, Kosinus) dargestelltwerden.
f (t) =a0
2+∞∑
n=1
an cos (n · t) +∞∑
n=1
bn sin (n · t) (1)
an =2
T
∫ +T/2
−T/2f (t) cos
(2π · nt
T
)dt (2)
bn =2
T
∫ +T/2
−T/2f (t) sin
(2π · nt
T
)dt (3)
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Beispiel 1
f (x) =4
π
∞∑n=0
(sin ((2n + 1) · x)
2n + 1
)(4)
Welche Funnktion wird durch diese Fourier-Reihe wohlbeschrieben?
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Beispiel 1
f (x) =4
π
∞∑n=0
(sin ((2n + 1) · x)
2n + 1
)(5)
Welche Funnktion wird durch diese Fourier-Reihe wohlbeschrieben?
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Beispiel 1
f (x) =4
π
∞∑n=0
(sin ((2n + 1) · x)
2n + 1
)(6)
Welche Funnktion wird durch diese Fourier-Reihe wohlbeschrieben?
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Beispiel 1
f (x) =4
π
∞∑n=0
(sin ((2n + 1) · x)
2n + 1
)(7)
Welche Funnktion wird durch diese Fourier-Reihe wohlbeschrieben?
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Theorie 1
Theorem
Mit e iωt = cosωt + i sinωt (Euler-Identitat) wird dieFourier-Reihe zu:
f (t) =+∞∑
n=−∞cne int
Theorem
Die Koeffizienten (Amplituden) der komplexen diskretenFourier Transformation (DFT) lauten:
Fk =1
N
N−1∑n=0
fn · e−i 2πN
n·k
Wobei N die Anzahl der Messpunkte ist, und fn der jeweiligeMesswert an der Stelle n.
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Theorie 1
Theorem
Mit e iωt = cosωt + i sinωt (Euler-Identitat) wird dieFourier-Reihe zu:
f (t) =+∞∑
n=−∞cne int
Theorem
Die Koeffizienten (Amplituden) der komplexen diskretenFourier Transformation (DFT) lauten:
Fk =1
N
N−1∑n=0
fn · e−i 2πN
n·k
Wobei N die Anzahl der Messpunkte ist, und fn der jeweiligeMesswert an der Stelle n.
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 1
MATLAB benutz intern genau diese Formeln, jedoch wird eineandere Methode verwendet, die aus den Messpunkten diezugehorigen Frequenzen und Amplituden herausfiltert:
Fast Fourier Transformation (FFT): fft
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 1: Signal
Signal:2 · sin (2π · 100 · t) + 2 · sin (2π · 150 · t) + 1 · sin (2π · 200 · t)
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 1: Fourier-Spektrum
Signal:2 · sin (2π · 100 · t) + 2 · sin (2π · 150 · t) + 1 · sin (2π · 200 · t)
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 1: Fourier-Spektrum
Nyquist-Frequenz: Sampling-Rate dividiert durch 2
Frequenzen im Signal sind durch Peaks im Spektrumidentifiziert.
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 1: Fourier-Spektrum
Signal:2 · sin (2π · 100 · t) + 2 · sin (2π · 150 · t) + 1 · sin (2π · 200 · t)
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 1: Rucktransformation
Signal:2 · sin (2π · 100 · t) + 2 · sin (2π · 150 · t) + 1 · sin (2π · 200 · t)
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 2: Anwendung
Fourier-Transformation erlaubt:
Analyse der Grundfrequenzen in einem Signal
Bearbeitung im Fourier-Raum (K-Raum) undanschliessende Rucktransformation kann als Filter benutztwerden, um bestimmte Frequenzbereiche zu unterdrucken..
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 2: Anwendung
Fourier-Transformation erlaubt:
Analyse der Grundfrequenzen in einem Signal
Bearbeitung im Fourier-Raum (K-Raum) undanschliessende Rucktransformation kann als Filter benutztwerden, um bestimmte Frequenzbereiche zu unterdrucken..
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 2: Entrauschen (1/4)
file: fourierdata.mat
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 2: Entrauschen (2/4)
hohe Frequenzen = Rauschen
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 2: Entrauschen (3/4)
Idee: unterdrucke hohe Frequenzen via single-sidedGauss-Funktion
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 2: Entrauschen (3/4)
Idee: unterdrucke hohe Frequenzen via single-sidedGauss-Funktion
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 2: Entrauschen (4/4)
Idee: Rucktransformation (ifft) des gefaltetenFrequenz-Spektrums
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 2: Entrauschen (4/4)
Idee: Rucktransformation (ifft) des gefaltetenFrequenz-Spektrums
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 2: Entrauschen (4/4)
Fazit:
Technologie (Fourier-Analyse) funktioniert in diesemBeispiel sehr gut
An den Randern wird das Signal sehr schlecht rekonstruiert
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 2: Entrauschen (4/4)
Andere Verfahren zum Entrauschen bzw. glatten von Daten ?
moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Experimental 3: moving average: final
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Frequenzanalyse II: nicht stationare Spektren
Fourier Analyse bisher nur moglich, wenn Spektren stationarsind, d.h. zeitlich konstant.
Dies ist jedoch in den meisten interessanten Fallen nicht derFall: Beispiele:
Audio: Gesang eines Vogels
EEG : REM- und NREM-Schlaf-Phasen
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Frequenzanalyse II: nicht stationare Spektren
Idee:analog zum moving average wird wahrend eines kleines
Zeitraumes (time window) das Signal als stationarangenommen (engl. short-time Fourier Transform, STFT).
Zeitfenster jedoch etwas ausgereifter:Hamming Window
w(n) = 0.53836 − 0.46164 cos
(2πn
N − 1
)Wobei: N die Anzahl der Intervalle und n von Intervall zu
Intervall variiert.
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Frequenzanalyse II: Zebra-Fink
Beispiel: Spektrum eines Zebra-Finken
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Frequenzanalyse II: Zebra-Fink
MATLAB: [amp, fs, nbits] = wavread(’song1.wav’)
SvenBlankenburg
FrequenzanalyseI
Theorie1
Experiment 1
Entrauschen
Fourier
Moving Average
FrequenzanalyseII: STFT
Zebra-Fink
Frequenzanalyse II: Zebra-Fink
MATLAB: spectrogram(amp, 256,’yaxis’)