Processamento Digital de Sinais Aula04 Simas Ufba

PDS - Aula 04 An alise TempoFrequ encia Eduardo Simas Introdu c ao An alise de Fourier de Tempo Curto An alise usando Transformada
Wavelet Transformada Wavelet Discreta Aplica c oes da DWT Conclus oes
Disciplina: Processamento Digital de Sinais Aula 04 - An alise Tempo-Frequ encia e Wavelets

Prof. Eduardo Simas (eduardo.simas@ufba.br)
Programa de P os-Gradua c ao em Engenharia El etrica Universidade Federal da Bahia
Conte udo
PDS - Aula 04 An alise TempoFrequ encia Eduardo Simas Introdu c ao An alise de Fourier de Tempo Curto An alise usando Transformada Wavelet Transformada Wavelet Discreta Aplica c oes da DWT Conclus oes
Introdu c ao An alise de Fourier de Tempo Curto An alise usando Transformada Wavelet Transformada Wavelet Discreta Aplica c oes da DWT Conclus oes
Introdu c ao
Em muitos casos pr aticos as caracter sticas do sinal variam com o tempo. Por exemplo, numa m usica e poss vel perceber a mudan ca nos componentes de frequ encia (graves - baixas frequ encias e agudos - altas frequ encias) ao longo de sua execu c ao. Outros exemplos de sinais variantes no tempo:
- Sinais do sistema el etrico; - Sinais de instrumenta c ao biom edica (eletrocardiograma, eletroencefalograma, etc); - Audio em geral (voz, m usica, sinais ac usticos de m aquinas el etricas, etc); - V deo. - ...
Nestes casos, e importante realizar o processamento dos sinais de modo que seja poss vel explorar, ao mesmo tempo, os dom nios do tempo e da frequ encia.
Resolu c ao nos Dom nios do Tempo e da Frequ encia

Na an alise tempo-frequ encia h a sempre um compromisso entre as resolu co es obtidas em cada dom nio. Para obtermos uma boa resolu c ao no dom nio da frequ encia e preciso de uma maior janela de tempo e, consequentemente para curtas janelas de tempo n ao e poss vel obter boa resolu c ao na frequ encia. Essa limita c ao e mostrada na gura abaixo em termos da caixa de Heisenberg ou atomo tempo-frequ encia.
Resolu c ao nos Dom nios do Tempo e da Frequ encia

Percebe-se ent ao que, e preciso manipular adequadamente a transforma c ao tempo-frequ encia de modo que os requisitos de resolu c ao sejam atendidos em ambos os dom nios. Existem duas formas mais comuns de realizar a an alise tempo-frequ encia (que ser ao apresentadas a seguir): A an alise de Fourier de Tempo Curto (ou Janelada) A an alise de Wavelet A principal diferen ca entre elas e que na primeira a resolu c ao tempo-frequ encia e mantida constante em toda a an alise do sinal e na segunda e poss vel realizar o que e denida como uma an alise multi-resolu c ao. Ou seja, a transformada Wavelet permite variar a resolu c ao da transforma c ao tempo-frequ encia no decorrer da an alise do sinal.
An alise de Fourier de Tempo Curto
An alise de Fourier de Tempo Curto

Na an alise de Fourier de Tempo Curto (do ingl es Short-Time Fourier Analysis) o sinal temporal e sub-dividido em janelas de curta dura c ao e a transformada de Fourier e calculada para cada janela. As janelas temporais podem ser denidas com ou sem superposi c ao entre as janelas adjacentes. As fun c oes janela mais utilizadas s ao as semelhantes ` as vistas anteriormente para o projeto de ltros FIR: - Retangular; - Triangular; - Hamming; - Hanning; - ... Lembrando que janelas de cortes abruptos (ex. retangular) geram oscila c oes de Gibbs nos componentes de frequ encia estimados.
Transformada de Fourier de Tempo Curto

A Transformada de Fourier de Tempo Curto (STFT Short-Time Fourier Transform) e ent ao denida, no dom nio discreto como:
X (m , ) =
x [n]f [n m]e j n
sendo f [n] uma fun c ao janela de comprimento limitado L. Ou seja: f [n] = 0, se |n| < L/2 Numa implementa c ao pr atica, o deslocamento no tempo (representado pelo par ametro m) n ao pode ser realizado continuamente. Neste caso, deve-se escolher um conjunto de valores discretos de m usando um espa camento m pr e-determinado. Quando m < L h a superposi c ao entre as janelas adjacentes.
Transformada de Fourier de Tempo Curto

Para a apropriada visualiza c ao dos resultados da STFT pode-se utilizar: - Gr acos 3D: onde os eixos x e y est ao associados ao tempo e ` a frequ encia, e o eixo z ` a amplitude dos componentes. - Gr acos 2D: nos quais os eixos x e y est ao associados ao tempo e ` a frequ encia, e a amplitude e indicada por um c odigo de cores. Esta visualiza c ao e normalmente chamada de Espectrograma. O espectrograma pode ser considerado como uma vista superior do gr aco 3D.
Visualiza c ao 3D da STFT - Exemplo 1

Visualiza c ao 3D da STFT - Exemplo 2

As cores podem ser associadas ` a intensidade ou ` a energia associada aos componentes de frequ encia.
Exemplo de Visualiza c ao 2D da STFT (Espectrograma)

PDS - Aula 04 An alise TempoFrequ encia Eduardo Simas Introdu c ao An alise de Fourier de Tempo Curto An alise usando Transformada Wavelet Transformada Wavelet Discreta Aplica c oes da DWT Conclus oes No in cio o sinal n ao tem informa c ao em qualquer frequ encia; Logo a seguir (p/ T < 2) aparecem componentes de baixa frequ encia; Para T > 2 come cam aparecer componentes de frequ encia mais alta; Quando 6 < T < 8 a energia est a concentrada em algumas faixas de frequ encia; Em T > 10 percebe-se que h a energia em quase toda a faixa de frequ encias analisada (provavelmente representando contamina c ao por ru do branco).
Outras Transformadas Janeladas

O conceito do janelamento do sinal temporal para a realiza c ao de uma an alise tempo-frequ encia tamb em pode ser estendido para outras transformadas como a Transformada Discreta da Cossenos. Essa abordagem d a origem ` a modied discrete cosine transform (MDCT), que utiliza janelas adjacentes com sobreposi c ao de 50% e atualmente e aplicada em diversos algoritmos de compacta c ao de audio como: MP3, AC-3, Vorbis, WMA, ATRAC, Cook e AAC.
Limita co es da STFT
Conforme mencionado anteriormente, a an alise tempo-frequ encia usando janelas e transformadas com fun co es de base invariantes (senos e/ou cossenos) apresenta uma limita c ao inerente que ea resolu c ao xa.
Ou seja h a um compromisso entre as resolu c oes poss veis de serem obtidas nos dois dom nios (n ao se pode ter uma excelente resolu c ao tanto no tempo como na frequ encia). Isso pode se tornar um problema a depender da aplica c ao. Um modo de contornar essa limita c ao e utilizar transformadas com fun co es de base vari aveis, como as Wavelets.
Exemplos utilizando o Matlab

Para realizar an alise de Fourier em janelas, o Matlab disp oe de rotinas nativas como o spectrogram. Neste exemplo iremos utilizar exemplos de arquivos de audio (m usicas) e visualizar a mudan ca nos componentes de frequ encia ` a medida que as m usicas se desenvolvem no tempo. Foram utilizadas as m usicas a seguir (dispon veis para download juntamente com esse m odulo de slides no arquivo ExMusicasPDSaula04.mat): - y1: M usica Carinhoso, executada pela OBMJ (Orquestra Brasileira de M usica Jamaicana); y2[-]: M usica I Could Have Died for You, executada pelos Red Hot Chili Peppers. As m usicas podem ser importadas com o comando load.
Exemplos utilizando o Matlab

Para desenhar o espectrograma foi utilizado o comando a seguir: figure;spectrogram(y1(1:T*fs),T*fs/100,[],Nfft,fs);, e A sintaxe do comando garante que: - O sinal y1 seja considerado no intervalo de 0 a T segundos; - Sejam utilizadas janelas de Hamming com sobreposi c ao de 50 % e dura c ao T/100; - A FFT e realizada com Nfft pontos. Neste exemplo utilizou-se para ambos os sinais y1 e y2: T=120 e Nfft=2048. Recomenda-se repetir o exemplo variando-se os par ametros acima para vericar sua inu encia na apropriada visualiza c ao das informa co es de interesse no sinal. Para executar os arquivos em formato de audio utilizem os comandos wavplay (que executa diretamente do Matlab, mas s o funciona com SO Windows) ou wavwrite (gera um arquivo .wav para ser executado atrav es de um programa apropriado).
Espectrograma do sinal y1
Espectrograma do sinal y2
An alise usando Transformada Wavelet

Para analisar estruturas de sinais com escalas diferenciadas em ambos os dom nios e necess ario utilizar atomos tempo-frequ encia com diferentes suportes temporais. A transformada wavelet decomp oe um sinal em vers oes escalonadas e transladadas das fun co es wavelet. Uma wavelet e denida como uma fun c ao L2 (R) com m edia zero:
(t )dt = 0,
normalizada = 1 e centrada em torno de t = 0. Um dicion ario de atomos tempo-frequ encia e obtido do escalonamento por s e da transla c ao por u de : D= t u 1 u,s (t ) = s s
u R,s R+

A transformada Wavelet do sinal f no tempo u e escala s e denida por: Wf (u , s ) = t u 1 f (t ) dt s s
Exemplo de uma fun c ao wavelet tipo spline c ubico (a) e sua respectiva transformada de Fourier (b):
An alise Multiresolu c ao usando Wavelet

Um atomo tempo-frequ encia wavelet corresponde a uma caixa de Heisenberg centrada em (u , /s ) de comprimento s t no tempo e /s na frequ encia. A area do ret angulo permanece constante, mas a resolu c ao no tempo e na frequ encia dependem do fator de escala s .
A Fam lia de Wavelets Daubechies

As wavelets tipo Dalbechies foram propostas por Ingrid Daubechies. S ao fun c oes wavelet ortogonais muito utilizadas em an alises atrav es da Transformada Discreta de Wavelet, pois s ao fun c oes limitadas no tempo.
A Fam lia de Wavelets Daubechies

As fun c oes Wavelet podem tamb em serem denidas em mais de uma dimens ao, como por exemplo a Daubechies 20 2-d:
Com fun c oes wavelet limitadas no tempo (denidas por s eries de suporte temporal nito) e poss vel realizar o processamento discreto atrav es da DWT (Discrete Wavelet Transform).
Transformada Wavelet Discreta

Para operar em sistemas digitais a transformada Wavelet precisa ser executada de modo discreto. Um modo eciente para realizar a DWT (Discrete Wavelet Transform) e atrav es de ltragens sucessivas do sinal discreto x [n]. Considerando dois ltros digitais (ltros espelhados em quadratura) com sequ encias de resposta a impulso nitas g [n] (passa-baixas) e h[n] (passa-altas), o sinal de interesse x [n] e ent ao decomposto em:

yLow [n] =
k =
x [k ]g [2n k ] e yHigh [n] =

k =
x [k ]h[2n k ]
Gracamente temos:
Percebe-se que ap os a ltragem, os sinais s ao sub-amostrados por um fator de 2.

A sub-amostragem e vi avel pois ap os os ltros temos: - em yLow [n] apenas a primeira metade dos componentes de frequ encia do sinal x [n] e - em yHigh [n] apenas a segunda metade dos componentes de frequ encia do sinal x [n]. Assim, e poss vel reduzir a frequ encia de amostragem (por um fator igual a 2) e ainda assim manter v alido o teorema de Nyquist. Os coecientes dos ltros g [n] e [h[n] est ao relacionados com as fun co es Wavelet utilizadas na decomposi c ao. Conforme deni c ao, a DWT com um u nico n vel de decomposi c ao e capaz de dividir em duas faixas de frequ encia o sinal original e gerar dois sinais temporais concentrando essas informa co es

Se for necess ario explorar outras faixas de frequ encia pode-se realizar sucessivas decomposi co es:
O espectro de frequ encias ca ent ao mapeado conforme mostrado a seguir:

Uma nomenclatura normalmente adotada para a an alise via DWT considera que: - yLow [n] = g1 [n] s ao os coecientes de aproxima c ao do primeiro n vel de decomposi c ao do sinal x [n] e - yHigh [n] = h1 [n] s ao os coecientes de detalhe do primeiro n vel de decomposi c ao do sinal x [n]. Considerando um n vel de decomposi c ao gen erico k , temos: - gk [n] os coecientes de aproxima c ao do n vel k ; - hk [n] os coecientes de detalhe do n vel k . Devido ` a subamostragem, gk [n] e hk [n] tem uma redu c ao de 2k no n umero de amostras em compara c ao ao sinal original x [n]. = Um aspecto interessante da DWT e que os sinais gk [n] e hk [n] preservam a informa c ao no dom nio do tempo referente a faixas de frequ encia espec cas.
Wavelet Packet Decomposition

Conforme visto anteriormente, a estrutura de decomposi c ao denida na DWT normalmente envolve apenas a opera c ao sequencial sobre os coecientes de aproxima c ao, o que proporciona uma crescente resolu c ao em baixas frequ encias. Se for necess ario explorar mais detalhadamente tamb em outras regi oes do espectro, pode-se modicar a estrutura da DWT tradicional, dando origem ao que se chama Wavelet Packet Decomposition (ou WPD):
Wavelet Packet Decomposition

Com a WPD o espectro de frequ encias pode ser mapeado de modo regular:
Sinal Original
fm Decomposio de Nvel 1:
Freq
fm/2 Decomposio de Nvel 2:
fm
Freq
fm/4
fm/2
3fm/2
fm
Freq
Exemplo - DWT
Considerando um sinal ac ustico de curta dura c ao como:

1 Amplitude (V)
0.5
0.5 a b 1 0 0.05
0.1 Time (s)
0.15
E realizando-se uma decomposi c ao do tipo DWT:

X[k]
2
d1[k] h1[k]
d2[k] ... h2[k] ...
dm[k] hm[k]
Exemplo - DWT
Ap os 5 n veis sequenciais de decomposi c ao chega-se a:

Signal 0.1 0.05 0 0 0.1 0.05 0 0 0.1 d2 0.05 0 0 0.1 d3 0.05 0 0 0.1 d4 0.05 0 0 0.1 d5 0.05 0 0 20 40 60 Number of points 80 50 100 150 50 100 150 200 250 300 350 100 200 300 400 500 600 700 500 1000 1500 500 1000 1500 2000 2500 3000
A cada n vel o sinal e sub-amostrado por um fator de 2 e representa as informa co es de frequ encias mais baixas.
d1
Aplica co es da Transformada Wavelet Discreta
Aplica co es da DWT
Entre as principais aplica c oes da DWT (e da WPD) pode-se mencionar: - Extra c ao de Caracter sticas - Remo c ao de Ru do - Compress ao de Sinais No exemplo mostrado no Slide 31, a DWT foi utilizada para extrair caracter sticas do sinal ac ustico. Naquela aplica c ao, os coecientes de aproxima c ao de ordem 5 foram utilizados para inferir informa c oes ac usticas a respeito da condi c ao de opera c ao de um transformador auto-regulado (OLTC - On-Load Tap Changer).
Wavelet Denoising
O processo de ltragem de ru do utilizando wavelets (conhecido como Wavelet Denoising), pode ser resumido pelo diagrama a seguir:
x[n] + N[n] DWT Patamar IDWT x[n]
A etapa patamar se refere ` a elimina c ao dos coecientes de detalhe dk [n] que sejam inferiores a um valor limite pr e-estabelecido: dk [n] = 0, dk [n] m dk [n], dk [n] > m
= Escolha de m : - quanto menor m , menor a intensidade da ltragem; - com valores muito elevados de m pode-se acabar eliminando o sinal de interesse.
Wavelet Denoising - Exemplo

Sinais original, ruidoso e ltrado com Wavelet Denoising:
Compress ao da informa c ao com Wavelets

De modo an alogo ao realizado no processo de remo c ao de ru do, a compress ao da informa c ao usando Wavelets pode ser realizada a partir da elimina c ao de um conjunto de coecientes pouco representativos da informa c ao de interesse. O sinal compactado (com menor n umero de coecientes) pode ser utilizado para reconstruir a informa c ao atrav es da transforma c ao wavelet inversa. Para compacta c ao podem ser utilizados esquemas DWT ou WPD.
Conclus oes
Conclus oes
Para analisar adequadamente sinais com caracter sticas variantes no tempo e preciso fazer uso de extens oes dos m etodos tradicionais. O processamento deve ser capaz de descrever o sinal durante todo o per odo de an alise. Para esse objetivo pode-se utilizar a an alise tempo-frequ encia. Observamos que a an alise tempo-frequ encia pode ser executada usando a STFT (transformada de Fourier de tempo curto) ou a transformada Wavelet. Nas an alises tempo-frequ encia h a uma rela c ao de compromisso entre as resolu co es poss veis nos dom nios do tempo e da frequ encia. A an alise via STFT apresenta resolu c ao tempo-frequ encia xa, enquanto a an alise wavelet permite uma an alise multi-resolu c ao.
Bibliograa Consultada
Na elabora c ao destes slides foram utilizadas as fontes a seguir: - MALLAT, S. Wavelet Tour of Signal Processing, The Sparse Way, Academic Press, 2008. - DINIZ, P. S. R., da SILVA, E. A. B. e LIMA NETTO, S. Processamento Digital de Sinais. Bookman, 2004. - MITRA, S., Digital Signal Processing, Bookman, 2005. - WEEKS, M. Processamento Digital de Sinais, LTC, 2011. - ANTONIOU, A., Digital Signal Processing, McGraw-Hill, 2006. Algumas guras foram retiradas na ntegra das refer encias acima.

Processamento Digital de Sinais Aula04 Simas Ufba

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Processamento Digital de Sinais Aula04 Simas Ufba

Enviado por

Direitos autorais:

Formatos disponíveis

PDS - Aula 04 An alise TempoFrequ encia Eduardo Simas Introdu c ao An alise de Fourier de Tempo Curto An alise usando Transformada

Wavelet Transformada Wavelet Discreta Aplica c oes da DWT Conclus oes

Disciplina: Processamento Digital de Sinais Aula 04 - An alise Tempo-Frequ encia e Wavelets

Resolu c ao nos Dom nios do Tempo e da Frequ encia

Resolu c ao nos Dom nios do Tempo e da Frequ encia

An alise de Fourier de Tempo Curto

An alise de Fourier de Tempo Curto

Transformada de Fourier de Tempo Curto

Transformada de Fourier de Tempo Curto

Visualiza c ao 3D da STFT - Exemplo 1

Visualiza c ao 3D da STFT - Exemplo 2

Exemplo de Visualiza c ao 2D da STFT (Espectrograma)

Outras Transformadas Janeladas

Exemplos utilizando o Matlab

Exemplos utilizando o Matlab

An alise usando Transformada Wavelet

An alise usando Transformada Wavelet

An alise usando Transformada Wavelet

A transformada Wavelet do sinal f no tempo u e escala s e denida por: Wf (u , s ) = t u 1 f (t ) dt s s

An alise Multiresolu c ao usando Wavelet

A Fam lia de Wavelets Daubechies

A Fam lia de Wavelets Daubechies

Transformada Wavelet Discreta

Transformada Wavelet Discreta

x [k ]g [2n k ] e yHigh [n] =

Percebe-se que ap os a ltragem, os sinais s ao sub-amostrados por um fator de 2.

Transformada Wavelet Discreta

Transformada Wavelet Discreta

O espectro de frequ encias ca ent ao mapeado conforme mostrado a seguir:

Transformada Wavelet Discreta

Wavelet Packet Decomposition

Wavelet Packet Decomposition

fm/2 Decomposio de Nvel 2:

Considerando um sinal ac ustico de curta dura c ao como:

0.1 Time (s)

E realizando-se uma decomposi c ao do tipo DWT:

d2[k] ... h2[k] ...

Ap os 5 n veis sequenciais de decomposi c ao chega-se a:

Aplica co es da Transformada Wavelet Discreta

Wavelet Denoising - Exemplo

Sinais original, ruidoso e ltrado com Wavelet Denoising:

Compress ao da informa c ao com Wavelets

Você também pode gostar