Sei sulla pagina 1di 115

L3/1

SPETTRO DI UN SEGNALE
Dato un segnale
( )
x t si considerano modulo e argomento della
sua trasformata di Fourier:
( ) ( )
Fourier
x t X f

Spettro dampiezza:
( ) ( )
f X f =
Spettro di fase:
( ) ( )
( )
Q f Arg X f =

Occupazione spettrale: intervallo di frequenze in cui
( )
A f
significativo, in termini relativi (al valore massimo) o
assoluti (riferimento fissato)

Larghezza di banda: A -3 dB
A -10 dB
...


L3/2
LARGHEZZA DI BANDA DI UN SEGNALE

max
A
2
max
A
2
max
A
10
max
A
10
( ) A f
f
8
7
6
5
4
3
2
1
0
( )
( )
max
10
dB
A
A f 20log
A f

=



3dB
6dB
10dB
20dB
f
0
max
A
max
A
2
max
A
2
max
A
10
max
A
10
( ) A f
f
8
7
6
5
4
3
2
1
0
( )
( )
max
10
dB
A
A f 20log
A f

=



3dB
6dB
10dB
20dB
f
0
max
A

L3/3
SEGNALI IN BANDA BASE
( ) A f
B
f
0
f 0
+

( ) Q f
( ) A f
B
f
0
f 0
+

( ) Q f

SEGNALI IN BANDA STRETTA : B << f
c

( ) A f
B B
c
f
c
f +
f
( ) A f
B B
c
f
c
f +
f
( ) Q f
c
f
c
f +
f
( ) Q f
c
f
c
f +
f

L3/4
CAMPIONAMENTO ED ALIASING Esempio: lo Stroboscopio

t 0.25'' = t 0.50'' =
s s
T
a) Immagini prese a T F 4F
4
= =
s s
T
b) Immagini prese a T F 2F
2
= =
t 0'' =
A A A
t 0.75'' =
A
t 0'' =
A
t 0.50'' =
A
t 1.00'' =
A
t 1.50'' =
A
2 1
Rotazione con un periodo di T 1.0''
F

= = =
A
t 0.25'' = t 0.50'' =
s s
T
a) Immagini prese a T F 4F
4
= =
s s
T
b) Immagini prese a T F 2F
2
= =
t 0'' =
A
t 0'' =
A A A
t 0.75'' =
A
t 0'' =
A
t 0.50'' =
A
t 1.00'' =
A
t 1.50'' =
A
2 1
Rotazione con un periodo di T 1.0''
F

= = =
A

L3/5
CAMPIONAMENTO ED ALIASING Esempio: lo Stroboscopio

t 0 =
s
t T =
s
t 2T =
t 0 =
s
t T =
s
t 2T =
s
T
c) Immagini prese a T 0.05''
2
= +
s
d) Immagini prese a T T 0.05'' = +
A A A
A
A
A
Rotazione apparente
t 0 =
s
t T =
s
t 2T =
t 0 =
s
t T =
s
t 2T =
s
T
c) Immagini prese a T 0.05''
2
= +
s
d) Immagini prese a T T 0.05'' = +
A A A
A
A
A
Rotazione apparente



L3/6
IL PROCESSO DI CAMPIONAMENTO

In un qualsiasi sistema reale, il campionamento il prodotto del
segnale di energia
( )
x t con un treno di impulsi rettangolari,
ciascuno di durata molto minore del periodo T del treno:
( ) ( )
,
T
k
T
c t rect t kT

=
=


dove ( )
1 t
rect t
2 2
0 altrove

< <


( )
T
c t
T

T
t
( )
T
c t
T

T
t

L3/7
IL PROCESSO DI CAMPIONAMENTO
Ricordando i coefficienti di Fourier per un treno di impulsi rettangolari
di ampiezza unitaria, durata e periodo T:
( ) x t
1
t
/2 /2
T
( ) x t
1
t
/2 /2
T


Sviluppando in Serie di Fourier
( )
,
T
c t e ponendo
k
f
T
= si ottiene
lo spettro:
( )
T k f T
sin 2 f
T
2
C f c
2 f
2
=



= =






k
k
sin
T
c
k
T
k
T



=


L3/8
Spettro di
( )
,
T
c t

0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
f
C
T
(
f
)
0
1

1
T








L3/9
SEGNALE CAMPIONATO E SUO SPETTRO

Il segnale x(t), supposto per ora di energia con spettro
( )
X f ,
per campionamento si trasforma nel segnale campionato:

( ) ( ) ( )
, ,
T T
x t x t c t =
Lo spettro del segnale campionato a frequenza
1
F
T
= :
( ) ( ) ( )
j 2 ft
F T
X f, x t c t, e dt



Considerando il limite per tendente a zero (campionamento
ideale):
( ) ( )
{ }
( ) ( )
lim ,
lim
F T
0
j 2 ft
0
k
X f Fourier x t
1
T x t rect t kT e dt

= =
=


L3/10
SPETTRO DEL SEGNALE CAMPIONATO

Assumendo che gli operatori di integrazione e somma
commutino, si ottiene:

( ) ( )
j 2 Tkf
F
k
X f T x kT e

=
=



che una funzione periodica con periodo
1
F
T
= , cio eguale
alla frequenza di campionamento.


I coefficienti dello sviluppo di Fourier di
( )
F
X f coincidono con i
"campioni" del segnale originario, cio:

( ) [ ]
T x kT x k

L3/11
SPETTRO DEL SEGNALE CAMPIONATO (Cont.)

Si ricavata l'espressione della trasformata di Fourier della
sequenza x[k]:
( ) [ ]
exp
F
k
2
X f x k j kf
F

=

=


condizione sufficiente per lesistenza che x[k] sia sommabile
in modulo:
[ ]
k
x k

=
<


Se x[k] ha energia finita:
[ ]
2
k
E x k

=
= <


ed una sequenza di lunghezza finita, allora anche
sommabile in modulo ed esiste la sua trasformata di Fourier.
L3/12
INVERSIONE DELLA TRASFORMATA DI FOURIER

Dal calcolo dei coefficienti di Fourier risulta:
[ ] ( )
exp
F
2
F
F
2
1 2
x k X f j kf df
F F


dove l'integrale pu essere esteso a qualsiasi intervallo di
ampiezza F. Tale formula permette la ricostruzione della
sequenza noto lo spettro
( )
F
X f .
( )
F
X f
0 F 2F F f
.. ..
( )
F
X f
0 F 2F F f
.. ..

Esempio di spettro (modulo) di un segnale campionato
L3/13
RELAZIONE TRA SPETTRO DEL SEGNALE CONTINUO E
SPETTRO DEL SEGNALE CAMPIONATO

La relazione tra lo spettro
( )
X f del segnale originario
( )
x t e lo
spettro
( )
F
X f del segnale campionato, o sequenza
[ ]
x k , si
ottiene considerando la trasformata di Fourier inversa:

( ) ( )
j 2 ft
x t X f e df


calcolata per t kT = .

Si ha, ponendo
[ ] ( )
x k T x kT =
[ ] ( ) { }
exp x k T X f j2 fkT df

=






L3/14
RELAZIONE TRA SPETTRO DEL SEGNALE CONTINUO E
SPETTRO DEL SEGNALE CAMPIONATO (Cont.)

Nell'espressione di
[ ]
x k il dominio di integrazione pu essere
diviso in intervalli di larghezza
1
F
T
= :

[ ] ( )
( )
exp
i 1 F
i
iF
1 2
x k X f j kf df
F F

=

=




ricordando la periodicit dell'esponenziale complesso, si ha:

[ ] ( )
exp
F
i
0
1 2
x k X f iF j kf df
F F

=

= +









L3/15
RELAZIONE TRA SPETTRO DEL SEGNALE CONTINUO E
SPETTRO DEL SEGNALE CAMPIONATO (Cont.)

Dal confronto tra
[ ] ( )
exp
F
2
F
F
2
1 2
x k j kf df
F F
X f

+


e la precedente espressione:

[ ] ( )
exp
i
F
0
1 2
x k j kf X f i
F F
F df

=

=


+


si ottiene:
( ) ( )
F
i
X f X f iF

=
= +



cio lo spettro del segnale campionato la somma di
infinite repliche dello spettro di
( )
x t .
L3/16

ESEMPIO DI SPETTRO DI UN SEGNALE REALE
Spettro di un segnale reale
m
f
m
f +
f
( )
A f
m
f
m
f +
f
( )
A f


Spettro del segnale campionato alla frequenza di campionamento F
m
f
m
f +
f
( ) A f
m
F 2 f =
m
F 2 f =
0 m
f
m
f +
f
( ) A f
m
F 2 f =
m
F 2 f =
0

Linea tratteggiata: campionato. Linea continua: repliche delloriginale

L3/17
FILTRO IDEALE ANTIALIASING



m
f
m
f +
f
( )
A f
max
A
1 Filtro ideale
Passa-Basso
m
f
m
f +
f
( )
A f
max
A
1 Filtro ideale
Passa-Basso

Conversione A/D
Conversione D/A
Elaborazione
L3/18
RICOSTRUZIONE DEL SEGNALE
Domanda: come ricostruire il segnale originale disponendo della
versione campionata?
Idea: Partire dallo spettro del segnale campionato
[ ] ( )
x k T x kT =
Per ricostruire lo spettro del segnale originale (linea blu in grassetto)
sufficiente moltiplicare lo spettro del segnale campionato per il filtro
(spettro rosso nella figura)

L3/19
RICOSTRUZIONE DEL SEGNALE (Interpolatore Ideale)

Si ha quindi (indicando con
( )
R
X f lo spettro del segnale
ricostruito):
( ) ( ) ( )
R F F
X f X f rect f =

Nel dominio del tempo
( )
{ }
[ ] ( )
F
X f x k T x kT = =
-1
F


( )
{ }
( )
F
rect f F sinc Ft =
-1
F


ed alla moltiplicazione in frequenza corrisponde la convoluzione
nel tempo.
( ) ( )
{ }
( )
{ }
( ) ( )

R
x t T x kT F sinc Ft
x kT sinc Ft
= =
=

che diviene:
( ) ( ) ( )
{ }
R
k
x t x kT sinc F t kT
+
=
=


L3/20
Esempio

F = 2.5 Hz
L3/21
Esempio (cont.)

k = 0
L3/22
Esempio (cont.)

k = 1
L3/23
Esempio (cont.)


k = 2
L3/24
Esempio (cont.)


L3/25
TEOREMA DI SHANNON (NYQUIST)
Un segnale pu essere correttamente ricostruito dai suoi
campioni se:
1) Il segnale limitato in banda, con B banda bilatera del
segnale;
2) Il campionamento avviene ad una frequenza che
superiore alla banda bilatera del segnale:
F B
Per segnali reali, data la simmetria dello spettro,
max
B 2 f =
max
F 2 f

max Nyquist
F
f f
2
=


L3/26
Ricostruzione del segnale per Interpolazione


( ) [ ]
x nT x n = ( )
x t
Interpolatore
( )
p t
( ) [ ]
x nT x n = ( )
x t
Interpolatore
( )
p t



( ) [ ] ( )
n
x t x n p t nT
+
=
=




( ) ( ) ( )
F

X f X f P f =


con
( )
F
X f spettro del segnale campionato




L3/27
o Interpolatore a mantenimento
( )
T
T
p t rect t
2

=



( )
( )
( )
sin Tf
P f T exp j Tf
Tf




( ) [ ]
T
n
T
x t x n rect t nT
2
+
=

=


L3/28
Esempio di ricostruzione con interpolatore a mantenimento:
Spettro del segnale originario:
( ) ( )
2B
f
1
X f rect f
2B B
=


L3/29
Esempio (cont.):
Spettro del segnale ricostruito (campionamento a
1
F 2.5 B
T
= = )

L3/30
Osservazioni sullo spettro del segnale ricostruito
i) Non limitato in banda (presenza di immagini delle repliche
del segnale originario)
ii) Nellintervallo utile
F F
;
2 2

+


non coincide con lo spettro
del segnale originario.
( )
x t subisce una distorsione di
ampiezza.

Filtro Anti-Immagine


L3/31
Filtro Anti-Immagine



L3/32
Effetto del filtro anti-immagine








L3/33
Esempio di interpolatore a mantenimento
Segnale Cinematografico:

o Segnale tempo discreto come sequenza di immagini (fotogrammi)
o Segnale (bidimensionale) continuo nelle coordinate spaziali x,y.
o Il campionatore lotturatore della cinepresa.
o La frequenza di campionamento 24 Hz (24 fotogrammi al sec.)
Campionamento
L3/34
Esempio di interpolatore a mantenimento
Ricostruzione del Segnale Cinematografico:
o In fase di proiezione il segnale ricostruito mediante un
interpolatore a mantenimento costituito dal proiettore: immagine
fissa ogni fotogramma per 1/24 di secondo.
o Locchio umano svolge la funzione di filtro anti-immagine.
o Tempo di permanenza dellimmagine sulla retina e di circa 0.1
sec.
o Banda dellocchio 10 Hz che rispetta il teorema del
campionamento.
o Presenza di artefatti.
L3/35
o Interpolatore lineare

( ) ( )
2T
t
p t 1 rect t
T

=




( )
( )
( )
2
2
sin fT
P f T T sinc fT
fT


= =




L3/36
Spettro dellinterpolatore lineare

-4/T -3/T -2/T -1/T 0 +1/T +2/T +3/T +4/T
AT

(A = 1)



L3/37
Interpolazione lineare


L3/38
Interpolazione lineare
Interpolatore lineare:
( ) ( )
2T
t
p t 1 rect t
T

=



Per il generico intervallo
( ) [ ]
k 1 T;kT :
( ) [ ] ( ) [ ] ( ) ( ) [ ] ( )
k
x t x k p t kT x k 1 p t k 1 T x k p t kT
+
=
= = + =


[ ] [ ]
t kT T t kT
x k 1 1 x k 1
T T
+

= + =



[ ] [ ] [ ]
t kT t kT
x k 1 x k x k
T T


= + =



[ ] [ ] [ ] { }
t kT
x k x k x k 1
T


= +


relazione lineare

L3/39
Spettro del segnale ricostruito con interpolazione lineare


L3/40

(a) Spettro di ampiezza
del segnale originale
(comportamento di tipo
passa-basso)
(b) Spettro di ampiezza
del segnale ricostruito
mediante interpolazione
lineare
L3/41
Campionamento nel tempo Preriodicizzazione in frequenza
Fourier
Transform
Fourier
Series
Sampling at
interval T
Periodization
( )
x t
( )
X f
[ ] ( )
x k T x kT =
( ) ( )
F
k
X f X f kF
+
=
= +

1
F
T

=


Fourier
Transform
Fourier
Series
Sampling at
interval T
Periodization
( )
x t
( )
X f
[ ] ( )
x k T x kT =
( ) ( )
F
k
X f X f kF
+
=
= +

1
F
T

=



L3/42
CAMPIONAMENTO DELLO SPETTRO

Dalla dualit tempo-frequenza, campionare lo spettro
( )
X f con
passo di campionamento:
1
f

=
equivale a rendere periodico il segnale
( )
x t che diviene:

( ) ( )
i
x t x t i

=
= +



Se tale campionamento applicato allo spettro
( )
F
X f del
segnale campionato
1
F
T

=


e si sceglie
F
f
N
= , con N intero
si ha il seguente interessante risultato:




L3/43
CAMPIONAMENTO DELLO SPETTRO (Cont.)

Periodizzazione del segnale campionato



della sequenza
[ ]
x k

che diviene:
[ ] [ ]
NT
i
x k x k iN

=
= +


ovvero
[ ] ( )
NT
i
x k T x kT iNT k

=
+



Si ricorda lespressione di
( )
F
X f :

( ) [ ]
exp
F
k
2
X f x k j kf
F

=

=


L3/44
CAMPIONAMENTO DELLO SPETTRO (Cont.)

La sequenza periodica:
[ ]
NT
x k

con periodo N, descritta da N suoi campioni, cos pure la
sequenza:
[ ] ( )
F F
X n X n f n

Ricordando che
F
f
N
= , si ha:
[ ] [ ]
exp
F
k
2
X n x k j kn
N

=

=



Si osservi che la sequenza esponenziale:

[ ]
exp
N
2
e k j kn
N


=


periodica di periodo N

allora si pu suddividere lespressione di
[ ]
F
X n in somme di N
termini, ottenendo:
L3/45
CAMPIONAMENTO DELLO SPETTRO (Cont.)
[ ] [ ]
( )( )
exp
i 1 N 1
F
i k iN
2
X n x k j kn
N

+
+
= =

=





[ ] [ ]
exp
N 1
F
k 0 i
2
X n x k iN j kn
N

+
= =


= +








[ ] [ ]
exp
N 1
F NT
k 0
2
X n x k j kn
N

=

=



Sfruttando le propriet di
[ ]
N
e k si pu rappresentare
[ ]
NT
x k
tramite
[ ]
F
X n :
[ ] [ ]
exp
N 1
NT F
n 0
1 2
x k X n j kn
N N

=

=



Le ultime due espressioni ottenute sono la rappresentazione di
una sequenza periodica con la serie di Fourier.
L3/46
CAMPIONAMENTO DELLO SPETTRO (Cont.)

Considerando il primo periodo sia in tempo che in frequenza,
cio applicando una finestra di durata N nei due domini si ha:
[ ]
, ,...,
k NT
x x k k 0 1 N 1 = =

[ ]
, ,...,
n F
X X n n 0 1 N 1 = =

Tali sequenze sono luna la Trasformata Discreta di Fourier,
diretta e inversa, dellaltra:
{ } { }
1
DFT
k n
DFT
x X


Lespressione della Trasformata Discreta di Fourier, DFT, :
exp
N 1
n k
k 0
2
X x j kn
N

=

=


Mentre quella inversa, IDFT, :
exp
N 1
k n
k 0
1 2
x X j kn
N N

=

=


L3/47
RELAZIONI TRA DOMINIO
DEL TEMPO E DELLA FREQUENZA

Nel diagramma che segue si mostrano le relazioni tra:

Segnali tempo-continui aperiodici

Segnali tempo-discreti (sequenze da campionamento)

Segnali periodicizzati (sequenze periodiche)

Sequenze finite

ed i relativi spettri.

Solo se il segnale tempo-continuo strettamente limitato in
banda, il campionamento non comporta perdita di informazione.

Se il segnale limitato nel tempo, cio
( )
x t 0 per 0 t NT < < ,
allora la DFT permette di calcolare N campioni del suo spettro.
In realt entrambe le condizioni possono verificarsi solo in
modo approssimato.
L3/48
RELAZIONI TRA DOMINIO
DEL TEMPO E DELLA FREQUENZA (Cont.)


Fourier
Transform
Fourier
Series
Discrete Fourier
Series (DFS)
Discrete Fourier
Transform(DFT)
Sampling at
interval T
Periodization
(period =NT)
Window of
N samples
Periodization
Sampling
at interval
Window of
N samples
( ) x t
( ) X f
[ ] ( ) x k T x kT = [ ] ( )
NT
i
x k T x kT iNT
+
=
= +

[ ] { }
k NT
x x x k
k 0,1,..., N 1
=
=
N 1 2
j kn
N
n k
k 0
X x e

=
=

N 1 2
j kn
N
k n
n 0
1
x X e
N

+
=
=

( ) ( )
F
k
X f T X f kF
+
=
= +

F 1
f
N NT
=
[ ] ( )
F F
X n X n f =
( ) { }
n F
X X X n f
n 0,1,..., N 1
=
=
1
F
T

=


Fourier
Transform
Fourier
Series
Discrete Fourier
Series (DFS)
Discrete Fourier
Transform(DFT)
Sampling at
interval T
Periodization
(period =NT)
Window of
N samples
Periodization
Sampling
at interval
Window of
N samples
( ) x t
( ) X f
[ ] ( ) x k T x kT = [ ] ( )
NT
i
x k T x kT iNT
+
=
= +

[ ] { }
k NT
x x x k
k 0,1,..., N 1
=
=
N 1 2
j kn
N
n k
k 0
X x e

=
=

N 1 2
j kn
N
k n
n 0
1
x X e
N

+
=
=

( ) ( )
F
k
X f T X f kF
+
=
= +

F 1
f
N NT
=
[ ] ( )
F F
X n X n f =
( ) { }
n F
X X X n f
n 0,1,..., N 1
=
=
1
F
T

=







L3/49
CAMPIONAMENTO NEL TEMPO ED IN FREQUENZA
( ) x t
[ ]
x k
[ ]
NT
x k
x
T
T
t
k
0
k
N 10 =
10 punti
[ ]
T
0 1 N 1
x x , x ,..., x

=
0
0 1 2 N 1
( ) X f
f
f
0
0
( )
F
X f
1
F
T
=
0 F
[ ]
F
X n
n
X
n
0
0
N 1
[ ]
T
0 1 N 1
X X , X ,..., X

=
N 10 =
10 punti
Fourier Tempo Frequenza
( ) x t
[ ]
x k
[ ]
NT
x k
x
T
T
t
k
0
k
N 10 =
10 punti
[ ]
T
0 1 N 1
x x , x ,..., x

=
0
0 1 2 N 1
( ) X f
f
f
0
0
( )
F
X f
1
F
T
=
0 F
[ ]
F
X n
n
X
n
0
0
N 1
[ ]
T
0 1 N 1
X X , X ,..., X

=
N 10 =
10 punti
Fourier Tempo Frequenza

L3/50
FINESTRE TEMPORALI
Se si moltiplica
( )
x t per una finestra rettangolare
( )
w t che
vale 1 per / / NT 2 t NT 2 < < e zero fuori, forzandolo ad avere
durata NT, se ne altera lo spettro causa la convoluzione con
( )
W f , trasformata di Fourier di
( )
w t :
( )
( )
sen NTf
W f NT
NTf

=
Pertanto, la risoluzione dello spettro calcolato tramite DFT
risulta limitata dalla larghezza principale del lobo di
( )
W f , che
(a circa -4 dB) :
1
f inverso della durata temporale
NT
= = .
( ) ( )
/ /
/ /
sen NT f 2 sen 2
f 2
W NT NT NT
2 NT f 2 2


= = =




( )
. 3 92 dB =
Se si aumenta il numero di campioni N della DFT diminuendo il
passo di campionamento, la risoluzione spettrale non cambia.
L3/51
FINESTRE TEMPORALI (Cont.)
( ) w t
t NT
2

NT
2
+
( )
w t
t NT
2

NT
2
+
( ) W f
f
0
1
NT
1
NT

1
NT
NT
4 dB
( ) W f
f
0
( ) w t
t NT
2

NT
2
+
( )
w t
t NT
2

NT
2
+
( ) W f
f
0
1
NT
1
NT

1
NT
NT
4 dB
( ) W f
f
0

Utilizzando unopportuna legge di pesaggio, si possono
abbassare: i lobi laterali di
( )
W f a spese di un allargamento ed
abbassamento del lobo principale rispetto alla finestra
rettangolare.
1
1
L3/52
FINESTRE FREQUENZIALI


Un filtro anti-aliasing ideale una finestra rettangolare
( )
W f
applicata allo spettro del segnale nellintervallo tra 0 e F
(intervallo di Nyquist:
F
2
,
F
2
+ )

Il segnale
( )
x t pu cos essere campionato con passo
1
T
F
=
senza leffetto del ripiegamento dello spettro.
















L3/53
FINESTRE FREQUENZIALI (Cont.)


Tuttavia, se il segnale
( )
x t ha componenti spettrali fuori da
,
F F
2 2

+


il suo spettro alterato dalla finestra
( )
W f , il che
nel dominio del tempo corrisponde alla convoluzione con la
funzione:
( )
( ) ( )
sen Ft sen Ft
w t F
t Ft
= =




La risoluzione temporale che ne risulta (larghezza del lobo
principale) vale
1
F
, cio eguaglia il passo di campionamento T.








L3/54
LA TRASFORMATA DI FOURIER DISCRETA (DFT)

Si considera la sequenza
[ ]
x n , n = 0,1,,N-1
posto:
exp
N
2
W j
N


=




La DFT definita come:

[ ] [ ] { } [ ]
N 1
kn
N
n 0
X k DFT x n x n W

=
= =



Linversa,
[ ]
x n , dato
[ ]
X k , data dall'espressione dei
coefficienti di Fourier relativi alla sequenza periodica di cui
[ ]
X k un periodo:

[ ] [ ]
N 1
kn
N
k 0
1
x n X k W
N

=
=



L3/55
VERIFICA DELLA DFT INVERSA


[ ] [ ] [ ]
N 1 N 1 N 1
kn in kn
N N N
n 0 n 0 i 0
1
X k x n W X i W W
N

= = =

= = =




[ ]
( )
N 1 N 1
k i n
N
i 0 n=0
1
X i W
N

=
=



La sommatoria interna vale N se i k = e zero altrimenti.

Infatti ponendo:

k i h =
exp
N 1
n 0
2
j hn 0 se h 0
N

=

=




(Chiusura di una poligonale)



L3/56
PROPRIETA DELLA DFT

Le propriet della DFT discendono dalle propriet delle
trasformate di Fourier:

1. Linearit
2. Traslazione circolare
3. Coniugio (e ribaltamento)
4. Convoluzione (e prodotto)










L3/57
PROPRIETA DELLA DFT (Cont.)

Linearit

[ ] [ ] { } [ ] [ ]
DFT a x n b y n a X k b Y k + = +


Traslazione circolare:
[ ] { } [ ]
0
kn
0 N
DFT x n n W X k

+ =
N N 0
N N 0
n
n
[ ]
x n
[ ]
0
x n n
N 0
[ ]
x n
n
0
n 2 =
N N 0
N N 0
n
n
[ ]
x n
[ ]
0
x n n
N 0
[ ]
x n
n
0
n 2 =

[ ] [ ] [ ]
0 0 N
x n n x n n rect n + = +


[ ]
N
1 per 0 n N 1
rect n
0 Altrove


[ ] [ ] [ ]
0 0 N
x n n x n n rect n + = +


[ ]
x n

sequenza periodicizzata
[ ]
x n sequenza di lunghezza N
L3/58
Verifica:
[ ] { } [ ]
0
kn
0 N
DFT x n n W X k

+ =

Ad esempio per N 5 = e
0
n 2 =


[ ] [ ] [ ] [ ] [ ] [ ] [ ]
5 1
kn k 2k 3k 4k
5 5 5 5 5
n 0
X k x n W x 0 x 1 W x 2 W x 3 W x 4 W

=
= = + + + +





0 1 2 3 4 -1 -2 n
[ ]
x 0
[ ]
x 1
[ ]
x 2
[ ]
x 3
[ ]
x 4
[ ]
x 0
[ ]
x 1
[ ]
x n 2 +
..... .....
0 1 2 3 4 -1 -2 n
[ ]
x 0
[ ]
x 1
[ ]
x 2
[ ]
x 3
[ ]
x 4
[ ]
x 0
[ ]
x 1
[ ]
x n 2 +
..... .....


[ ] [ ] { } [ ] [ ]
4
kn
5 5 5
n 0
DFT x n 2 rect n x n 2 rect n W
=
+ = +







L3/59
Verifica: (continua)
[ ] [ ] { } [ ] [ ]
[ ] [ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ] [ ]
{ }
4
kn
5 5 5
n 0
k 2k 3k 4k
5 5 5 5
3k k 3k 2k k
5 5 5 5 5
DFT x n 2 rect n x n 2 rect n W
x 2 x 3 W x 4 W x 0 W x 1 W
W x 0 x 1 W x 2 W x 3 W x 4 W
=

+ = + =
= + + + + =
= + + + +





Utilizzando le relazioni:

3k 2k
5 5
W W 1 =
3k 2k
5 5
W W

=

4k k
5 5
W W 1 =
4k k
5 5
W W

=

[ ] [ ] { }
[ ] [ ] [ ] [ ] [ ]
{ }
[ ]
5
2k k 2k 3k 4
5 5 5 5 5
2k
5
DFT x n 2 rect n
W x 0 x 1 W x 2 W x 3 W x 4 W
W X k

+ =
= + + + + =
=





L3/60
PROPRIETA DELLA DFT (Cont.)

Coniugio (e ribaltamento)

[ ]
{ }
[ ]
[ ]
{ }
[ ]
DFT x n X k
DFT x n X k


=
=


Convoluzione Circolare

Date due sequenze
[ ]
1
x n e
[ ]
2
x n lunghe N, si definisce la loro
convoluzione circolare (simbolo ):

[ ] [ ] [ ]
1 2
w n x n x n = [ ] [ ] [ ]
N 1
1 2 N
m 0
x m x n m rect n

=

=





dove:
[ ]
1
x n

e
[ ]
2
x n

sono la periodicizzazione di
[ ]
1
x n e
[ ]
2
x n
con periodo N.


L3/61
N N 0
N N 0
N N 0
N N 0
m
m
m
m
[ ]
2
x m
[ ]
1
x m
[ ]
2
x 2 m
[ ] [ ]
1 2
x m x 2 m
[ ]
w m

N N 0
N N 0
N N 0
N N 0
m
m
m
m
[ ]
2
x m
[ ]
1
x m
[ ]
2
x 2 m
[ ] [ ]
1 2
x m x 2 m
[ ]
w m


L3/62
DFT DELLA CONVOLUZIONE CIRCOLARE
Se
[ ] [ ] [ ]
w n x n y n =


[ ] { } [ ] { } [ ] { }
DFT w n DFT x n DFT y n =

cio:
[ ] [ ] [ ]
W k X k Y k =

come conseguenza delle propriet delle trasformate di Fourier.


Osservazione: la convoluzione lineare tra
[ ]
x n e
[ ]
y n vale:
[ ] [ ] [ ] [ ] [ ]
. lin
m
w n x n y n x m y n m
+
=
= =



Se
[ ]
x n ha lunghezza
1
N e
[ ]
y n
2
N ,
[ ]
lin.
w n lunga
1 2
N +N 1

L3/63
Convoluzione Lineare/Circolare
[ ] [ ]
g n 1 2 3 4 5 4 3 2 lunghezza
g
N 8 =
[ ] [ ]
h n 1 1 1 1 lunghezza
h
N 4 =

Convoluzione lineare tra
[ ]
g n e
[ ]
h n :
[ ] [ ] [ ] [ ] [ ]
m
g n h n g m h n m 1 3 6 10 14 16 16 14 9 5 2 = =


lin. g h
N N N 1 11 = + =

Convoluzione circolare tra
[ ]
g n e
[ ]
h n :
[ ] [ ] [ ]
g n h n 10 8 8 10 14 16 16 14

circ. g
h
N N N 8 = = =



L3/64
Convoluzione Lineare/Circolare

g
N 8 =
h
N 4 =
'
g
N 11 =
'
h
N 11 =
Periodo 8
Periodo 11
L3/65
Convoluzione Lineare/Circolare

[ ]
[ ]
n : 0 1 2 3 4 5 6 7 8 9 10
1 3 6 10 14 16 16 14 Convoluzione lineare
Valori che
9 5 2
9 5 2
[ ]
10 8 8 10 14 16 16
eccedono la convoluzione circolare
Convoluzione circ 14 olare



Per far s che le due operazioni di convoluzione coincidano, si
inseriscono sulle sequenze di origine e tanti zeri (zero
padding) quanti sono sufficienti a raggiungere la lunghezza
della convoluzione lineare.



L3/66
Calcolo della convoluzione lineare mediante DFT

1. Si trattano opportunamente le sequenze iniziali (zero
padding).
2. Si calcolano le DFT delle due sequenze allungate con zeri.
3. Si moltiplicano le sequenze trasformate (DFT) del passo
precedente termine a termine.
4. Si inverte (IDFT) la sequenza ottenuta al passo precedente.







L3/67
Costo della Convoluzione

L3/68
LA FAST FOURIER TRANSFORM (FFT)
La periodicit dei coefficienti exp
kn
N
2
W j kn
N


=


rende
possibile la riduzione del numero di prodotti dellalgoritmo DFT
raccogliendo dei termini. Degli algoritmi efficienti che ne
risultano per il computo della DFT, il pi comune la FFT (Fast
Fourier Transform) che permette di calcolare una DFT (in
generale, complessa) di N campioni mediante un numero di
moltiplicazioni complesse dellordine di:
( )
log
2
N N contro le
2
N
moltiplicazioni della DFT (incluse le moltiplicazioni per 0 e 1).
La FFT idonea al calcolo della DFT di sequenza la cui
lunghezza una potenza di 2. Sono disponibili sia software che
hardware (microcircuiti dedicati) per il calcolo della FFT.
L3/69
Effetto del campionamento sullo spettro di un segnale
Esempio 1. Impulso rettangolare
( )
1 0 t LT
x t L T 0
0 altrove
< <

= >


con intero e


0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
0.25
0.5
0.75
1
1.25
1.5
Tempo
x
(
t
)
,

x
[
n
T
]

Segnale Continuo
Segnale Campionato
N = 20
L = 10
T = 1

L 10 = , T 1 = , N 20 =
L3/70
Esempio 1. (continua)

Spettro di ampiezza di
( )
x t
( )
( )
sin fLT
X f LT
fLT


o Massimo:
( )
X 0 LT =
o Nulli:
m
f
LT
= m 1, 2,... =
( ) nulli
n
m
f
L

=



o Se
1
F
T
= Frequenza normalizzata:
n
f
f
F
=

o Spettro normalizzato in ampiezza (rispetto al valore massimo) ed
in frequenza (rispetto alla frequenza di campionamento)
( )
( )
( )
n n
n
X f sin f L
X 0 f L



L3/71
Esempio 1. (continua)

Spettro normalizzato in ampiezza (rispetto al valore massimo) ed
in frequenza (rispetto alla frequenza di campionamento)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Frequenza Normalizzata
|
X
(
f
)
/
X
(
0
)
|

Per L = 10
L3/72
Esempio 1. (continua)

Impulso rettangolare Campionato (T il periodo di campionamento)
[ ] ( )


1 0 n L 1
x n x nT
0 L n N 1

= =


Si considerano N campioni con N L >>
o Calcolo della DFT di
[ ]
x n :
k 0 =
[ ] [ ]
N 1 L 1
n 0 n 0
X 0 x n 1 L

= =
= = =

(supponiamo T 1 = )
k 0 >

[ ] [ ]
( )
( )
( )
n
N 1 L 1 L 1
2 2 2
j kn j kn j k
N N N
n 0 n 0 n 0
2
j Lk j Lk j Lk j Lk
N N N N
j L 1 k
N
2
j k
j k j k j k
N
N N N
X k x n e e e
sin Lk
1 e e e e
N
e
sin k
1 e
e e e
N



= = =





= = = =






= =






L3/73
Esempio 1. (continua)

Spettro di ampiezza di
[ ]
x n

[ ]
X 0 L =
[ ]
sin Lk
N
X k
sin k
N




=




per k 0 >
Nulli:
zeri
N
k m
L
= con m 1, 2,... = se N un multiplo intero di L
Ad esempio:
N 20 = e L 10 =
zeri
k 2,4,6,...,18 =

N 100 = e L 10 =
zeri
k 10,20,30,...,90 =

Per k N =
[ ] [ ]
X N X 0 L = =

L3/74
Esempio 1. (continua)

Spettro di ampiezza di
[ ]
x n

N 20 = e L 10 =
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.2
0.4
0.6
0.8
1
Frequenza Normalizzata
|
X
[
k
]
/
X
[
0
]
|

k/N
L3/75
Esempio 1. (continua)

Spettro di ampiezza di
[ ]
x n

N 100 = e L 10 =
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.2
0.4
0.6
0.8
1
Frequenza Normalizzata
|
X
[
k
]
/
X
[
0
]
|


L3/76
Esempio 1. (continua)

Spettro normalizzato in ampiezza (rispetto al valore massimo) ed
in frequenza (rispetto alla frequenza di campionamento)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.2
0.4
0.6
0.8
1
Frequenza Normalizzata
|
X
[
k
]
/
X
[
0
]
|


N = 100, L = 10
N = 20, L = 10
Spettro segnale cont.




L3/77
Esempio 2. Coseno
( ) ( )
0
x t cos 2 f t =
-1.5 -1 -0.5 0 0.5 1 1.5
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
Tempo
fo = 4 Hz


L3/78
Spettro:
( ) ( ) ( )
0 0
1
X f f f f f
2
= + +


0
0
f +
0
f
( )
X f
1
2
0
0
f +
0
f
( )
X f
1
2

Coseno Campionato
[ ] ( )
0
x n cos 2 f nT =
o T il periodo di campionamento
o
1
F
T
= frequenza di campionamento che soddisfa il TH. di
Shannon:
0
F 2 f ,
0
F
f 0,
2




Si considerano N campioni di
[ ]
x n e si calcola la DFT:
(a)
0
l
f F
N
= con l intero (b)
0
f F
N

= con non intero


L3/79
Esempio 2. (continua)
Caso (a):
0
l
f F
N
= con l intero
Ad esempio N 64 = e l 4 =
0
F
f 4 Hz
16
= = con F 64 Hz =
0 8 16 24 32 40 48 56 64
-1
-0.5
0
0.5
1
nT
c
o
s
(
2

f
0
n
T
)


L3/80
Esempio 2: caso (a)
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
-10
-5
0
5
10
15
20
25
30
35
Frequenza (Hz)
S
p
r
e
t
t
o

d
e
l

s
e
g
n
a
l
e

l
i
m
i
t
a
t
o

n
e
l

t
e
m
p
o





L3/81
Esempio 2: caso (a)
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
-10
-5
0
5
10
15
20
25
30
35
Frequenza (Hz)
S
p
e
t
t
r
o

d
e
l

s
e
g
n
a
l
e

l
i
m
i
t
a
t
o

n
e
l

t
e
m
p
o





L3/82
Esempio 2: caso (a)
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
-10
-5
0
5
10
15
20
25
30
35
Frequenza (Hz)
1
a

R
e
p
l
i
c
a

s
p
e
t
t
r
o

d
e
l

s
e
g
n
a
l
e

c
a
m
p
i
o
n
a
t
o

e

l
i
m
i
t
a
t
o

i
n

t
e
m
p
o





L3/83
Esempio 2: caso (a)
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
-10
-5
0
5
10
15
20
25
30
35
Frequenza (Hz)
S
p
e
t
t
r
o

s
e
g
n
a
l
e

c
a
m
p
i
o
n
a
t
o

e

l
i
m
i
t
a
t
o

i
n

t
e
m
p
o

(Sommando solo la prima replica)



L3/84
Esempio 2: caso (a)
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
0
5
10
15
20
25
30
35
Frequenza (Hz)
M
o
d
u
l
o

S
p
e
t
t
r
o

(Sommando solo la prima replica)



L3/85
Esempio 2. (continua)

Calcolo della DFT:
[ ]
N 1 N 1
2 2 2 2
j kn j ln j ln j kn
N N N N
n 0 n 0
Fl 1
X k cos 2 nT e e e e
N 2



= =


= = + =






( ) ( ) ( ) ( )
N 1 N 1 N 1
2 2 2 2
j l k n j l k n j l k n j l k n
N N N N
n 0 n 0 n 0
1 1 1
e e e e
2 2 2


+ +
= = =

= + = +




Se k l =
[ ]
( ) ( )
N 1 N 1
2 2
j l k n j l k n
N N
n 0 n 0
N 0
1 1
X k e e
2 2


+
= =
= +



Se k N l =
[ ]
( ) ( )
N 1 N 1
2 2
j l k n j l k n
N N
n 0 n 0
0 N
1 1
X k e e
2 2


+
= =
= +





L3/86
Esempio 2. (continua)

Se e k l k N l

[ ]
( ) ( )
N 1 N 1
2 2
j l k n j l k n
N N
n 0 n 0
0 0
1 1
X k e e
2 2


+
= =
= +



quindi

[ ] ( ) ( ) [ ]
N
X k k l k N l
2
= + +

con k 0,1,2,..., N 1 =







L3/87
Esempio 2. (continua)

Caso (a) DFT
0 10 20 30 40 50 60
0
5
10
15
20
25
30
35
k
X
[
k
]
N = 64
l = 4

Frequenza del coseno
0
F
f
16
= , N 64 = , l 4 =


L3/88
Esempio 2. (continua)
Caso (b):
0
f F
N

= con non intero


Ad esempio:
0
F
f
N
= , con N 64 = e 4.5 =
-1 -0.5 0 0.5 1
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
Tempo
fo = 4.5 Hz

L3/89
Esempio 2. (continua)

0 8 16 24 32 40 48 56 64
-1
-0.5
0
0.5
1
nT
c
o
s
(
2

f
0
n
T
)






L3/90
Esempio 2: caso (b)
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
-10
-5
0
5
10
15
20
25
30
35
Frequenza (Hz)
S
p
e
t
t
r
o

d
e
l

s
e
g
n
a
l
e

l
i
m
i
t
a
t
o

i
n

t
e
m
p
o





L3/91
Esempio 2: caso (b)
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
-10
-5
0
5
10
15
20
25
30
35
Frequenza (Hz)
S
p
e
t
t
r
o

d
e
l

s
e
g
n
a
l
e

l
i
m
i
t
a
t
o

i
n

t
e
m
p
o





L3/92
Esempio 2: caso (b)
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
-10
-5
0
5
10
15
20
25
30
35
Frequenza (Hz)
1
a

R
e
p
l
i
c
a

S
p
e
t
t
r
o

d
e
l

s
e
g
n
a
l
e

c
a
m
p
i
o
n
a
t
o

e

l
i
m
i
t
a
t
o

i
n

t
e
m
p
o





L3/93
Esempio 2: caso (b)
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
-10
-5
0
5
10
15
20
25
30
35
Frequenza (Hz)
S
p
e
t
t
r
o

s
e
g
n
a
l
e

c
a
m
p
i
o
n
a
t
o

e

l
i
m
i
t
a
p

i
n

t
e
m
p
o

(Sommando solo la prima replica)



L3/94
Esempio 2: caso (b)
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
0
5
10
15
20
25
30
35
Frequenza (Hz)
M
o
d
u
l
o

s
p
e
t
t
r
o

d
e
l

s
e
g
n
a
l
e

c
a
m
p
i
o
n
a
t
o

e

l
i
m
i
t
a
t
o

i
n

t
e
m
p
o

(Sommando solo la prima replica)



L3/95
Esempio 2. (continua)

Calcolo della DFT:
[ ]
( ) ( )
( )
( )
( )
( )
N 1 N 1
2 2 j 2 k j 2 k
j k n j k n
N N
2 2
j k j k
N N
n 0 n 0
1 1 1 e 1 e
X k e e
2 2
1 e 1 e

+
+

+
= =




= + = + =






( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
j k j k j k j k j k j k
j k j k j k j k j k j k
N N N N N N
e e e e e e
1
2
e e e e e e
+ + +

+ + +


+
= =




( )
( ) [ ]
( )
( )
( ) [ ]
( )
1 1
j k 1 j k 1
N N
sin k sin k
1
e e
2 sin k sin k
N N

+



+
+

=



+









L3/96
Esempio 2. (continua)

Considerando la parte reale e immaginaria:

[ ]
( )
( ) [ ]
( )
( )
( ) [ ]
( )
R
sin k sin k
1 1
1 cos k 1 cos k 1
X k
N N
sin k sin k 2
N N
+

+ +



=



+



[ ]
( )
( ) [ ]
( )
( )
( ) [ ]
( )
I
sin k sin k
1 1
1
sin k 1 sin k 1
X k
N N
sin k sin k
2
N N
+

+



=



+



Il modulo vale:

[ ] [ ] [ ]
2 2
R I
X k X k X k = +





L3/97
Esempio 2. (continua)

Caso (b) DFT (modulo)
0 8 16 24 32 40 48 56 64
0
5
10
15
20
25
30
35
k
X
[
k
]
N = 64
= 4.5

Frequenza del coseno
0
F
f
N
= , con N 64 = , 4.5 =

L3/98
LA SHORT TIME FOURIER TRANSFORM (STFT)

La maggior parte dei segnali reali fisici di tipo non stazionario,
cio con caratteristiche variabili nel tempo. Ad esempio:
( )
( )
( ) ( )
i i
N
a t t
i i i i
i 0
x t A e cos 2 f t u t t

=
= +

(1)
con diversi parametri:
Ampiezze
i
A
tempi di inizio
i
t
frequenze dominanti
i
f
fasi iniziali
i

coefficienti di smorzamento
i
a > 0
dove
( )
i
u t t la funzione gradino unitario, vale 1 per
i
t t > e 0
altrove
L3/99
LA SHORT TIME FOURIER TRANSFORM (STFT)
Se si effettua la trasformata di Fourier:
( )
X f

( )
X f d informazione sulle componenti armoniche
i
f e delle
rispettive ampiezze
i
A.
La fase di
( )
X f ingloba le informazioni relative agli altri
parametri.

Problema: Tali informazioni sono cos mescolate fra loro, specie se
il segnale ha molte componenti, da risultare illeggibili.
Cio la trasformata di Fourier identifica le componenti armoniche ma
non permette di ricavare facilmente informazioni su quando e come
tali frequenze siano effettivamente presenti.

L3/100
LA SHORT TIME FOURIER TRANSFORM (STFT)
Infatti la definizione della trasformata di Fourier
( )
X f :

( ) ( )
j 2 ft
X f x t e dt

(2)

perfettamente locale in frequenza ma assolutamente globale nel
tempo.

Questa trasformazione adatta a segnali stazionari perch
permette di evidenziare nettamente fenomeni che avvengono nel
dominio della frequenza ma non discrimina eventi che avvengono
nel dominio del tempo.


L3/101
LA SHORT TIME FOURIER TRANSFORM (STFT)

Quindi necessario effettuare unanalisi congiunta tempo-
frequenza per rilevare le caratteristiche temporali e spettrali del
segnale (ci vale in particolare per il suono).

Intuitivamente bisogna selezionare tratti di segnale
sufficientemente corti da poter essere assunti stazionari.

Una sequenza di questi spettri a breve termine costituisce la
Short Time Fourier Transform.





L3/102
LA SHORT TIME FOURIER TRANSFORM (STFT)

Per i segnali non stazionari occorre inserire una dipendenza dal
tempo nella trasformazione, cio rendere locale la (2) operando
su porzioni di
( )
x t , ottenute moltiplicandolo per una finestra
( )
g t che trasla nel tempo.

Si definisce allora la Trasformata di Fourier a Breve Termine o
Short Time Fourier Transform:
( ) ( ) ( )
j 2 ft
x
STFT , f x t g t e dt

(3)
La STFT evidenzia il contenuto armonico di
( )
x t in un intorno
dellistante di tempo di durata pari allestensione della finestra.

L3/103
LA SHORT TIME FOURIER TRANSFORM (STFT)

Limiti della STFT:

Moltiplicare nel dominio del tempo
( )
x t con la funzione
( )
g t
equivale ad effettuare la convoluzione dei loro spettri
( )
X f e
( )
G f nel dominio della frequenza.

La STFT fornisce quindi lo spettro del segnale alterato dalla
presenza della finestra.

Questo limite non eliminabile.



L3/104
LA SHORT TIME FOURIER TRANSFORM (STFT)





( )
g t a supporto
ampio
( )
g t a supporto
stretto
f
t
t
f

Frequenza Frequenza
Tempo
Tempo
0
t

0
f

0
f
L3/105
LA SHORT TIME FOURIER TRANSFORM (STFT)
Fissata la funzione finestra
( )
g t sono definite le indeterminazioni
t e f rispettivamente nel dominio del tempo e della
frequenza.

Due eventi distanti meno di t o f non sono pi discriminati
dalla STFT nel rispettivo dominio.

Le due indeterminazioni sono inversamente proporzionali, quindi
la risoluzione temporale pu essere migliorata solo a scapito della
risoluzione in frequenza, e viceversa.

Principio di indeterminazione: non possibile stimare con
precisione arbitraria e simultaneamente i parametri temporali e
frequenziali di un segnale.
L3/106
LA SHORT TIME FOURIER TRANSFORM (STFT)

Se le due indeterminazioni sono fisse questo implica che le
risoluzioni relative
t
t

e
f
f

risultano variabili.

In molte applicazioni non possibile permettersi di localizzare
fenomeni lenti e fenomeni veloci con la stessa indeterminazione,
nel senso che identificare una frequenza di 100 MHz con
precisione f 1 kHz = molto diverso dall'identificare 100 kHz
con la stessa precisione.

L3/107

(a) Il segnale composta da:
una sinusoide di 35 Hz,
+ un chirp quadratico
(allistante iniziale di 25 Hz
dopo un secondo di 140 Hz)
+ un impulso breve (si
manifesta dopo 0.3 sec).

(b) Uso di una finestra
temporale larga: buona
risoluzione in frequenza.

(c) Uso di una finestra
temporale stretta: buona
risoluzione temporale.

(d) Uso di una finestra di
lunghezza media si ha una
accettabile risoluzione sia in
frequenza che nel tempo.
L3/108
LA SHORT TIME FOURIER TRANSFORM (STFT)
Interpretazione della STFT come banco di filtri
Data la:
( ) ( ) ( )
j 2 ft
x
STFT , f x t g t e dt


se la finestra pari:
( ) ( )
g g = , allora per un valore fissato di
f si ha:
( ) ( ) ( )
( ) ( )
j 2 ft
x
j 2 ft
STFT , f x t e g t dt
x t e g t


= =


=


cio fissato il valore di f,
( )
STFT , f
si pu interpretare come luscita
di un filtro con risposta impulsiva
( )
g i
al cui ingresso viene immesso
( )
x t
demodulato dallesponenziale
j 2 f
e

. La porzione di spettro
intorno alla frequenza f riportata intorno allorigine e quindi vista
attraverso il filtro
( )
g i , che ha in genere una risposta di tipo passa
basso.
L3/109
LA SHORT TIME FOURIER TRANSFORM (STFT)
Frequenze di campionamento della STFT nel tempo e in
frequenza
Domanda: quanto tempo deve intercorrere fra una STFT e la
successiva perch non ci sia perdita di informazione?
La banda passante della STFT (per qualunque frequenza
considerata) la banda B (monolatera) della trasformata della
finestra considerata, quindi la STFT deve essere campionata a un
valore:
w
F 2B

La finestra con banda minima quella rettangolare.
Sostituendo la STFT con la DFT quale frequenza di
campionamento delle frequenze deve essere adottata?
Scambiando i ruoli dei domini temporale e frequenziale si pu
affermare che necessario adottare almeno N L campioni
dellasse frequenziale, se L la lunghezza temporale della
finestra di analisi.
L3/110
Esempio: finestra di Hamming
Frequenza di campionamento del segnale pari a
c
F 44100 Hz =
Finestra di Hamming a 1024 punti (L = 1024):
5
T 2.26 10 sec

=

( )

altrove
2 n
0.54 0.46 cos 0 n L 1
w n L
0




Si pu vedere che la banda B della finestra di Hamming circa:
c
F
B 2
L

Dovr quindi essere
c
w
4F 4 44100
F 2B 173 Hz
L 1024

=
cio la STFT dovr essere campionata nel tempo a circa 173 Hz cio
ogni 44100/173 = 254 campioni del segnale.

L3/111
Finestra di Hamming a 1024 punti (L = 1024):
5
T 2.26 10 sec

=
0.5 1 1.5 2
x 10
4
0
0.2
0.4
0.6
0.8
1
Time (us)
A
m
p
l
i
t
u
d
e
Time domain
-0.5 0 0.5
-60
-40
-20
0
20
40
60
Frequency (kHz)
M
a
g
n
i
t
u
d
e

(
d
B
)
Frequency domain

L3/112
Rettangolare
10 20 30 40 50 60
0
0.2
0.4
0.6
0.8
1
Samples
A
m
p
l
i
t
u
d
e
Time domain
0 0.2 0.4 0.6 0.8
-20
-10
0
10
20
30
40
Normalized Frequency ( rad/sample)
M
a
g
n
i
t
u
d
e

(
d
B
)
Frequency domain

L3/113
Triangolare
10 20 30 40 50 60
0
0.2
0.4
0.6
0.8
1
Samples
A
m
p
l
i
t
u
d
e
Time domain
0 0.2 0.4 0.6 0.8
-140
-120
-100
-80
-60
-40
-20
0
20
40
Normalized Frequency ( rad/sample)
M
a
g
n
i
t
u
d
e

(
d
B
)
Frequency domain

L3/114
Chebyshev (50 dB)
10 20 30 40 50 60
0
0.2
0.4
0.6
0.8
1
Samples
A
m
p
l
i
t
u
d
e
Time domain
0 0.2 0.4 0.6 0.8
-100
-80
-60
-40
-20
0
20
40
Normalized Frequency ( rad/sample)
M
a
g
n
i
t
u
d
e

(
d
B
)
Frequency domain

L3/115
Esempi di rappresentazione della STFT:
sonogramma di un brano cantato

Risultano evidenti le righe corrispondenti alle armoniche delle vocali
e la localizzazione dei formanti. Si nota inoltre la distribuzione
spettrale delle consonanti sorde s e z (con andamento di tipo passa
alto) prive di struttura armonica.