Análise Espectral 1 Análise Espectral 2

Análise Espectral Usando a DFT

Uma das principais aplicações da DFT é a análise do conteúdo de freq. de
sinais (análise espectral)
Processamento Digital de Sinais Aplicações:

• Análise e sı́ntese de sinais de voz

• Estudo de harmônicos em redes
Notas de Aula • Medição de desvio de freqüência (Doppler)

Para o uso da DFT na análise de sinais de tempo contı́nuo, deve-se

considerar:

Análise Espectral Usando a DFT • Amostragem (qual freq. de amostragem usar?)

• DFT: para sinais de duração finita - truncamento do sinal (quantos
pontos usar?)
• Como relacionar as freq. analógicas (Hz) com as amostras (X[k])

Ricardo Tokio Higuti

Departamento de Engenharia Elétrica - FEIS - Unesp

Observação: Estas notas de aula estão baseadas no livro: “Discrete-Time Signal Processing”,
A.V. Oppenheim and R.W. Schafer, Prentice Hall, 1989/1999.
Análise Espectral 3 Análise Espectral 4

Análise Espectral Análise Espectral

janelamento janelamento

Filtro sc (t) Filtro xc (t) x[n] v[n] V [k]

sc (t) xc (t) x[n] v[n] V [k] anti-aliasing Conversor
x
DFT
anti-aliasing Conversor DFT C/D N pontos
x Haa(jΩ)
Haa(jΩ) C/D N pontos
w[n]
w[n] 1
fs = janela
1 T
fs = janela L pontos
T
L pontos

• Filtro anti-aliasing: elimina/atenua componentes de freq. acima de

Ωs /2 (ou fs /2), para evitar sobreposição do espectro;
• Conversor C/D: é um conversor A/D, que amostra o sinal xc (t) a
uma taxa de fs amostras por segundo, e no qual devem ser considera-
das suas caracterı́sticas não-ideais (amostragem com retenção, número
finito de bits);
• Truncamento ou janelamento: v[n] = x[n] · w[n], em que w[n] é
uma função que limita a duração do sinal x[n], chamada de janela.
Ela determina o comprimento do sinal a ser analisado (L), e pode
fazer alguma modificação no formato do sinal original, no tempo e em
freqüência.
• DFT: Calcula a DFT do sinal v[n], utilizando N ≥ L pontos para o
cálculo:
L−1
X 2π
V [k] = v[n]e−j N kn , k = 0, 1, ..., N − 1
n=0
Análise Espectral 5 Análise Espectral 6

Relação Entre as Transformadas Problemas e Limitações

Os vários parâmetros usados na análise espectral determinam a relação
entre as freq. analógicas e as amostras da DFT. São eles:
• Freq. amostragem: fs = 1/T
• Número de pontos usado no cálculo da DFT: N
Devido às operações realizadas sobre o sinal de tempo contı́nuo, os dados
resultantes do cálculo da DFT podem não representar exatamente o espec-
tro original. Esses efeitos devem ser levados em conta, para que não haja
interpretações errôneas sobre o conteúdo de freq. do sinal sendo analisado.
Deve-se considerar:

Relembrando alguns pontos importantes: • Aliasing (freq. amostragem)

• Efeito do janelamento (formato e comprimento da janela)
• Quando um sinal xc (t) é amostrado, obtendo-se o sinal x[n], tem-se
que a DTFT de x[n], X(ejω ), está relacionada com o espectro do sinal – Vazamento espectral (Spectral Leakage)
de tempo contı́nuo amostrado, Xs (jΩ), pela relação de freqüências:
• Número de pontos da DFT
ω = ΩT = 2πf /fs
– Amostragem espectral
• Em um sinal de tempo discreto de duração finita v[n], sua DFT, V [k],
e sua DTFT, V (ejω ), estão relacionadas por:

V [k] = V (ejω )|ω= 2π

N k
, k = 0..N − 1

ou seja, a DFT é composta por N amostras da DTFT, equiespaçadas

de ∆ω = 2π/N , entre ω = 0 e 2π.

Daı́, pode-se relacionar a amostra k da DFT com a freq. f , em Hertz:

∆ω = 2π/N = ∆ΩT = 2π∆f /fs

e portanto,
fs
∆f =
N
é o espaçamento equivalente entre as amostras do espectro do sinal de
tempo contı́nuo, que é amostrado nas freqüências
fs
fk = k
N
Análise Espectral 7 Análise Espectral 8

Amostragem do sinal Efeito do Janelamento

O sinal deve ser amostrado a uma taxa maior que duas vezes sua máxima O sinal x[n] sofre um truncamento, que é representado matematicamente
freqüência. Por exemplo, para uma senóide com frequência f0 amostrada por uma multiplicação por uma função w[n], chamada de janela:
a uma taxa fs:
DT F T 1 Zπ
v[n] = x[n] · w[n] ←→ V (ejω ) = X(ejθ )W (ej(ω−θ))dθ
sequência espectro 2π −π
1 10

0.5
O efeito na freqüência é uma convolução periódica do espectro original
f0 1
fs
= 5 com o espectro da janela. Há, portanto, mudanças no espectro original, e
0 5
este efeito é chamado de vazamento espectral (spectral leakage), e de-
−0.5
pende do tipo de truncamento utilizado (formato e comprimento da janela
−1 0
0 5 10 15 −1 −0.5 0 0.5 1 w[n]).. Analisando o caso de uma senóide:
1 10
A j(ω0 n+θ0 ) A −j(ω0 n+θ0 )
0.5
f0 2 x[n] = A cos(ω0n + θ0) = e + e
fs
= 5 2 2
0 5

−0.5
O espectro de x[n] é:
−1 0
0 5 10 15 −1 −0.5 0 0.5 1 X(ejω ) = Aπejθ0 δ(ω − ω0) + Aπe−jθ0 δ(ω + ω0), |ω| < π
1 20

0.5 15
O sinal truncado fica com o espectro:
f0 1
fs
= 2
0 10 A jθ0 A
V (ejω ) = e W (ej(ω−ω0) ) + e−jθ0 W (ej(ω+ω0) )
−0.5 5 2 2
−1 0
0 5 10 15 −1 −0.5 0 0.5 1 Utilizando A = 1, ω0 = π/4, θ0 = 0 e uma janela retangular com
1 10 comprimento L igual a 32 amostras, fica-se com as seguintes sequências e
0.5
f0 3
espectros de magnitude.
fs
= 2
0 5

−0.5

−1 0
0 5 10 15 −1 −0.5 0 0.5 1

1 10

0.5
f0 4
fs
= 5
0 5

−0.5

−1 0
0 5 10 15 −1 −0.5 0 0.5 1

1 20

0.5 15
f0 1
fs
= 1
0 10

−0.5 5

−1 0
0 5 10 15 −1 −0.5 0 0.5 1
n ω/π
Análise Espectral 9 Análise Espectral 10

Vazamento Espectral Vazamento Espectral

Sequências Espectros (DTFT) x[n] = cos(0.25πn) + 0.5 cos(0.75πn)

18

16
1
0.8 14

magnitude |V (ejω )|
0.6
A1 16
0.4 12
A2
= 8
0.2 π
0 x[n] ↔ X(ejω ) 10

-0.2 8
-0.4
-0.6 6
-1 -0.5 0 0.5 1
-0.8 ω/π
4
-1

-10 0 10 20 30 40 2
n
0
1.2 35 −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
ω/π
1 30

0.8 25
x[n] = cos(0.25πn) + 0.5 cos(0.35πn)
0.6 w[n] ↔ W (ejω ) 20
18

16
0.4 15
14

magnitude |V (ejω )|
0.2 10
A1 16
12
A2
= 8.7
0 5
10
-0.2 0
-10 0 10 20 30 40
n -1 -0.5 0 0.5 1
8
ω/π
18
6
1
16
0.8 4
0.6 14

0.4 2
12
0.2 jω
v[n] ↔ V (e ) 10 0
0 −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
-0.2 8 ω/π
-0.4 6
-0.6
4
-0.8 x[n] = cos(0.25πn) + 0.5 cos(0.29πn)
16
-1 2

-10 0 10 20 30 40 -1 -0.5 0 0.5 1 14

n ω/π
A1 15
=

magnitude |V (ejω )|
12
A2 ?

• Observando o espectro de V (ejω ), e comparando-o com o do sinal

10

original X(ejω ), percebe-se que apareceram outras frequências devido 8

ao truncamento, quando deveria ser observada apenas a frequência 6

ω0 = π/4. 4

• Se o sinal tiver frequências próximas entre si, o efeito do vazamento 2

espectral pode dificultar a identificação das mesmas. 0

−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
ω/π
Análise Espectral 11 Análise Espectral 12

Janelas Janela de Kaiser

Existem diversas janelas, com diferentes caracterı́sticas de formato, que
acaba por influenciar no seu espectro. Os parâmetros principais são rela- 1

cionados, no espectro da janela, a: β=0

β=3
β=6
0.8

• Largura do lóbulo principal

amplitude
0.6
• Nı́vel de lóbulo lateral
0.4
O formato da janela modifica tanto a largura do lóbulo principal como
o nı́vel de lóbulo lateral, enquanto que o comprimento da janela altera 0.2

somente a largura do lóbulo principal.

0
0 2 4 6 8 10 12 14 16 18
Hamming
Hanning n
1
Blackman
Bartlett

0.8
L=20 β=6
0 0
β=0 L=10
β=3 L=20
−10 β=6 −10 L=30

0.6 −20 −20

−30 −30

0.4 −40 −40

dB

dB
−50 −50

−60 −60
0.2
−70 −70

−80 −80
0
0 20 40 60 80 100 120 −90 −90
n −100 −100
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1 −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

ω/π ω/π
retangular Hamming
0 0

−20 −20

−40 −40
dB

−60 −60

−80 −80

−100 −100
0 0.02 0.04 0 0.02 0.04

Hanning Blackman
0 0

−20 −20

−40 −40
dB

−60 −60

−80 −80

−100 −100
0 0.02 0.04 0 0.02 0.04

ω/π ω/π
Análise Espectral 13 Análise Espectral 14

Vazamento Espectral - Formato da Janela Vazamento Espectral - Comprimento da Janela

Seja o sinal: x[n] = cos(0.25πn) + 2 cos(0.38πn). Utilizando janelas retan- Variando-se o comprimento da janela de Hamming (L = 64 e L = 32):
gular e de Hamming, com L = 64 amostras, fica-se com: v[n], Janela de Hamming L = 64
v[n], Janela retangular L = 64 4

4
2

amplitude
2
0
amplitude

0
−2

−2
−4
0 10 20 30 40 50 60
−4 Amostra n
0 10 20 30 40 50 60
Amostra n
40

80
30

|V (ejω )|
60 A1 17.23 1
= =
|V (ejω )|

20 A2 34.26 1.9884
A1 35 1
40 A2
= 66.45
= 1.8986
10

20
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
ω/π
ω/π
v[n], Janela de Hamming L = 32
v[n], Janela de Hamming L = 64 4

4
2

amplitude
2
0
amplitude

0
−2

−2
−4
0 5 10 15 20 25 30
−4 Amostra n
0 10 20 30 40 50 60
Amostra n
20

40
15

|V (ejω )|
30 A1 ?
=
|V (ejω )|

10 A2 16.9
A1 17.23 1
20 A2
= 34.26
= 1.9884
5

10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
ω/π
ω/π
Análise Espectral 15 Análise Espectral 16

Amostragem Espectral Amostragem Espectral

Deve-se lembrar que a DFT corresponde a amostras da DTFT: Variando o número de pontos da DFT (N ), modifica-se o espaçamento
entre amostras do espectro de V (ejω ).
V [k] = V (ejω )|ω= 2π
N k
, k = 0..N − 1
70

v[n], Janela retangular L = 64 60

4
50

|V [k]|, N = 64
2
A1 34.79(@0.25π) 1
= =
amplitude

40
A2 61.85(@0.375π) 1.7778
0
30

−2
20

−4
0 10 20 30 40 50 60 10
Amostra n
0
80 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
ωk = 2πk/N
60
|V (ejω )|

70
A1 35 1
40 A2
= 66.45
= 1.8986
60
20

|V [k]|, N = 128
50
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 A1 34.79(@0.25π) 1
ω/π 40
A2
= 61.85(@0.375π)
= 1.7778

30

70
20

60 10

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
50 ωk = 2πk/N
|V [k]|, N = 64

A1 34.79(@0.25π) 1
40 A2
= 61.85(@0.375π)
= 1.7778 70

60
30

|V [k]|, N = 256
50

20 A1 34.79(@0.25π) 1
40
A2
= 66.17(@0.383π)
= 1.9020

30
10

20

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 10
ωk = 2πk/N
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
ωk = 2πk/N
Análise Espectral 17 Análise Espectral 18

Amostragem Espectral Relação entre as frequências

Seja o sinal: x[n] = cos(0.25πn) + 2 cos(0.50πn). Utilizando janela retan- 2π
• Amostragem da DTFT: ωk = k, 0 ≤ k ≤ N − 1
gular com comprimento L = 64 e variando-se o comprimento da DFT, N
fica-se com: 2πf
• Amostragem do sinal: ω = ΩT =
70
fs
2π ∆f
• Resolução na frequência: ∆ω = = ∆ΩT = 2π
60 N fs
fs
50 • Resolução na frequência f : ∆f =
N
|V [k]|, N = 64

40 fs
• Relação entre frequências analógicas e as amostras k: fk = k
N
30

35
A1 32(@0.25π) 1
20 A2
= 64(@0.50π)
= 2

30
10

25
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
ωk = 2πk/N
20

70
15

60
10

50
5
|V [k]|, N = 128

40
0 31
0 1 2 3 4 5 6 7 15 k [amostras]
30 N −1
0 0.5p p 1.5p 2p ω [rad]
A1 32(@0.25π) 1
20 A2
= 64(@0.50π)
= 2

0 f [Hz]
10
fs /4 fs /2 3fs /2 fs

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
ωk = 2πk/N
Análise Espectral 19 Análise Espectral 20

Exemplo: análise espectral Exemplo: análise espectral (cont.)

Os sinais a seguir representam a tensão e a corrente numa lâmpada fluo- Utilizando uma porção de sinal com L = 512 amostras, e aplicando a
rescente compacta. Os sinais foram amostrados por um osciloscópio digital DFT com N = 512 pontos, e janelas retangular e de Hamming, têm-se os
com resolução vertical de 8 bits e frequência de amostragem igual a 5 kHz. seguintes sinais no domı́nio da frequência:
tensão Tensao, janela retangular, L=512, N=512
400 10

300 0

−10
200

−20
100
amplitude [V]

−30
0
−40
−100
−50
−200
−60

−300 −70

−400 −80
0 0.02 0.04 0.06 0.08 0.1 0.12 0 500 1000 1500 2000 2500
tempo [s]
Tensao, janela de Hanning, L=512, N=512
corrente 10
0.02
0
0.015
−10
0.01
−20

magnitude [dB]
0.005
amplitude [A]

−30

0
−40

−0.005 −50

−0.01 −60

−70
−0.015

−80
−0.02 0 500 1000 1500 2000 2500
0 0.02 0.04 0.06 0.08 0.1 0.12 f [Hz]
tempo [s]

A idéia é analisar o sinal com diversos comprimentos L, janela retangular

e de Hamming, e diferentes valores de N para o cálculo da DFT.
Análise Espectral 21 Análise Espectral 22

Exemplo: análise espectral (cont.) Exemplo: análise espectral (cont.)

Utilizando uma porção de sinal com L = 2048 amostras, e aplicando a Para ilustrar os efeitos do vazamento espectral e da amostragem espectral,
DFT com N = 4096 pontos, e janelas retangular e de Hamming, têm-se os as tabelas a seguir mostram as frequências e magnitudes das harmônicas
seguintes sinais no domı́nio da frequência: em 60, 300 e 420 Hz, para os vários casos estudados.
Tensao, janela retangular, L=2048, N=4096
10
Parâmetros 60 Hz 300 Hz 420 Hz
f [Hz] A [dB] f [Hz] A [dB] f [Hz] A [dB]
0
L = 512 Hamming 58,6 0 302,7 -38,2 419,9 -41,3
−10 N = 512 Retangular 58,6 0 293,0 -39,6 419,9 -45,3
−20 L = 1024 Hamming 61,0 0 300,3 -37,5 419,9 -40,5
N = 2048 Retangular 61,0 0 297,9 -38,7 417,5 -42,9
−30
L = 1024 Hamming 59,8 0 300,3 -37,7 419,9 -40,7
−40
N = 4096 Retangular 59,8 0 299,7 -39,3 416,3 -43,5
−50 L = 4096 Hamming 59,8 0 299,7 -37,3 419,9 -40,8
−60
N = 8192 Retangular 59,8 0 299,7 -38,9 419,9 -41,2

−70

−80
0 500 1000 1500 2000 2500
Percebe-se que, dependendo do processamento, chega-se a diferentes
Tensao, janela de Hanning, L=2048, N=4096 valores de frequências e nı́veis de distorção devido às harmônicas de ordem
10
superior.
0

−10

−20
magnitude [dB]

−30

−40

−50

−60

−70

−80
0 500 1000 1500 2000 2500
f [Hz]
Análise Espectral 23 Análise Espectral 24

Exemplo: análise espectral (cont.) Exemplo: análise espectral (cont.)

Analisando a forma de onda de corrente, chega-se ao seguinte espectro de Corrente, janela de Hanning, L=2048, N=4096
0
magnitude.
−5
Corrente, janela de Hanning, L=2048, N=4096
10
−10
harmônica
5 ordem 35
−15 37 39

magnitude [dB]
0 B 41
A

−5 −20
magnitude [dB]

−10
−25
−15
−30
−20
−35
−25

−30 −40
2000 2100 2200 2300 2400 2500
f [Hz]
−35

−40
0 500 1000 1500 2000 2500
f [Hz]
• Componente em A: aliasing da componente em 43×60 = 2580 Hz, que
aparece em (5000-2580) = 2420 Hz.
• Observando o espectro, nota-se que há harmônicas de múltiplos ı́mpares
• Componente em B: aliasing da componente em 45×60 = 2700 Hz, que
da fundamental.
aparece em (5000-2700) = 2300 Hz.
• Como o sinal é de alta frequência (pulsos rápidos), o espectro se es-
• As magnitudes podem ter erros, caso ocorra sobreposição de uma raia
tende a frequências superiores a 2500 Hz, causando aliasing.
em outra.
Análise Espectral 25 Análise Espectral 26

Espectrograma Chirp

• Análise Espectral com DFT: adequada para sinais cujo conteúdo Seja um sinal cuja freq. varia com o tempo:
de freqüência não varia com o tempo.
x[n] = cos(ω0n2)
• Na prática: o conteúdo de freqüência do sinal pode variar com o
tempo (voz). A freq. instantânea do sinal é 2ω0n. O sinal e a magnitude de sua DFT
são:
• A análise espectral realizada sobre todo o sinal de uma só vez pode
1
ocultar informações importantes da variação do conteúdo de freqüência
0.8
ao longo do tempo. 0.6

0.4
• Time-dependent Fourier transform, Short-time Fourier transform. 0.2

−0.2

−0.4

−0.6

−0.8

−1
0 50 100 150 200 250
n
40

35

30

25

magnitude
20

15

10

0
0 0.1 0.2 0.3 0.4 0.5
f /fa

Não se pode determinar como variou o conteúdo de freq. do sinal ao

longo do tempo. Uma alternativa é fracionar o sinal e calcular várias DFTs
para diferentes intevalos de tempo.
Análise Espectral 27 Análise Espectral 28

Espectrograma Espectrograma

Multiplica-se o sinal x[n] por uma janela w[n] e calcula-se a DTFT:

0.5 20
+∞
X −jλm
X[n, λ) = x[n + m] w[m] e 0.45
m=−∞
0
0.4
Outra forma:
+∞
X 0.35 −20
X[n, λ) = x[m] w[n − m] e−jλm
m=−∞ 0.3

Frequency
−40
Amostrando o espectro em N pontos equiespaçados e uma janela de 0.25
comprimento L:
0.2 −60
L−1
X
X[n, k] = X[n, 2πk/N ] = x[n + m] w[m] e−j(2π/N )km , k = 0..N − 1 0.15
m=0 −80
ou 0.1

n
X 0.05 −100
X[n, k] = X[n, 2πk/N ] = x[m] w[n−m] e−j(2π/N )km , k = 0..N −1
m=n−L+1
0
0 200 400 600 800
• A duração da janela é muito menor que a duração total do sinal Time

• A janela toma trechos do sinal ao longo do tempo

• Quanto mais estreita a janela, maior a resolução no tempo e menor

em freq.

• n é o deslocamento da janela em relação ao sinal

• Para cada n tem-se uma DFT

• Não se pode ter uma boa resolução no tempo e em freq. ao mesmo

tempo usando a DFT