Sei sulla pagina 1di 115

“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 d’ampiezza: Α( f ) = X ( f )
• Spettro di fase: Q ( f ) = Arg ( X ( f ) )

• Occupazione spettrale: intervallo di frequenze in cui A ( f )


è “significativo”, in termini relativi (al valore massimo) o
assoluti (riferimento fissato)

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

L3/1
LARGHEZZA DI BANDA DI UN SEGNALE
A( f )
8
Amax
7
6 Amax
5 2
Amax
4
2
3 Amax
2 10
Amax
1
10
0 f

0
⎛ A ⎞
A ( f )dB = −20 log10 ⎜ max ⎟
⎜ A( f ) ⎟
⎝ ⎠ −3dB

−6dB

−10dB

−20dB

L3/2
SEGNALI IN BANDA “BASE”
Q( f )


A( f )

0 f
0 f

−π

SEGNALI IN BANDA “STRETTA” : B << fc


A( f )

B B

− fc + fc f

Q( f )

− fc
+ fc f

L3/3
CAMPIONAMENTO ED ALIASING – Esempio: lo Stroboscopio
A

2π 1
Rotazione con un periodo di T = = = 1.0''
ω F

T
a) Immagini prese a Ts = Fs = 4F
4
A A A A

t = 0'' t = 0.25'' t = 0.50'' t = 0.75''


T
b) Immagini prese a Ts = Fs = 2F
2
A A A A

t = 0'' t = 0.50'' t = 1.00'' t = 1.50''

L3/4
CAMPIONAMENTO ED ALIASING – Esempio: lo Stroboscopio
T
c) Immagini prese a Ts = + 0.05''
2

A A A

t =0 t = Ts t = 2Ts

d) Immagini prese a Ts = T + 0.05'' Rotazione apparente

A A A

t =0 t = Ts t = 2Ts

L3/5
IL PROCESSO DI CAMPIONAMENTO
In un qualsiasi sistema reale, il campionamento è il prodotto del
segnale di energia x ( t ) con un treno di impulsi rettangolari,
ciascuno di durata τ molto minore del periodo T del treno:


T
cT ( t ,τ ) = rect ( t − kT ) τ
τ k =−∞
⎧ τ τ
⎪1 − <t<
dove rectτ ( t ) = ⎨ 2 2
⎪⎩0 altrove
cT ( t )

T
τ
τ

0 t
T

L3/6
IL PROCESSO DI CAMPIONAMENTO
Ricordando i coefficienti di Fourier per un treno di impulsi rettangolari
di ampiezza unitaria, durata τ e periodo T:
x (t )
⎛ k ⎞
sin ⎜ π τ ⎟
τ
ck = ⋅ ⎝
1
T ⎠
T k
πk τ
−τ/2 τ/2 T t T

Sviluppando in Serie di Fourier cT ( t ,τ ) e ponendo f =


k
si ottiene
T
lo spettro:
⎛ τ⎞
sin ⎜ 2 πf ⎟
T
CT ( f ) = ck = f ⋅T = ⎝ 2⎠
τ τ
2 πf
2

L3/7
Spettro di cT ( t ,τ )

0.9

0.8

0.7

0.6
C T (f)

0.5

0.4

0.3

0.2

0.1

0
0 1 1 f
T
τ

L3/8
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:

xT ( t ,τ ) = x ( t ) ⋅ cT ( t ,τ )
1
Lo spettro del segnale campionato a frequenza F = è:
T

X F ( f, τ ) =
∫−∞
x ( t ) cT ( t, τ ) e − j 2π ft dt

Considerando il limite per τ tendente a zero (campionamento


ideale):

{
X F ( f ) = Fourier lim xT ( t ,τ ) =
τ →0
}
∞ ∞

∫ ∑
1
= lim T ⋅ x ( t ) ⋅ rectτ ( t − kT ) e − j 2π ft dt
τ →0 τ
−∞ k =−∞

L3/9
SPETTRO DEL SEGNALE CAMPIONATO

Assumendo che gli operatori di integrazione e somma


commutino, si ottiene:

XF ( f ) = ∑
k =−∞
T ⋅ x ( kT ) e − j 2π Tkf

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

I coefficienti dello sviluppo di Fourier di X F ( f ) coincidono con i


"campioni" del segnale originario, cioè:

T ⋅ x ( kT ) ≡ x [ k ]

L3/10
SPETTRO DEL SEGNALE CAMPIONATO (Cont.)
Si è ricavata l'espressione della trasformata di Fourier della
sequenza x[k]:

⎧ 2π ⎫
XF ( f ) = ∑
k =−∞
x [ k ] exp ⎨ − j
⎩ F
kf ⎬

condizione sufficiente per l’esistenza è che x[k] sia sommabile
in modulo:

∑ x [k ] < ∞
k =−∞
Se x[k] ha energia finita:

∑ x [k ]
2
E= <∞
k =−∞
ed è una sequenza di lunghezza finita, allora è anche
sommabile in modulo ed esiste la sua trasformata di Fourier.

L3/11
INVERSIONE DELLA TRASFORMATA DI FOURIER
Dal calcolo dei coefficienti di Fourier risulta:
F
+
2
⎧ 2π ⎫

1
x [k ] = X F ( f ) exp ⎨ j kf ⎬ df
F
F
⎩ F ⎭

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

….. …..

−F 0 F 2F f

Esempio di spettro (modulo) di un segnale campionato


L3/12
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 X F ( f ) del segnale campionato, o sequenza x [ k ] , si
ottiene considerando la trasformata di Fourier inversa:

x (t ) =

−∞
X ( f ) e j 2π ft df

calcolata per t = kT .

Si ha, ponendo x [ k ] = T ⋅ x ( kT )

x [k ] = T

−∞
X ( f ) exp { j2π fkT } df

L3/13
RELAZIONE TRA SPETTRO DEL SEGNALE CONTINUO E
SPETTRO DEL SEGNALE CAMPIONATO (Cont.)
Nell'espressione di x [ k ] il dominio di integrazione può essere
1
diviso in intervalli di larghezza F = :
T
∞ ( i + 1) F
⎧ 2π ⎫
∑∫
1
x [k ] = X ( f ) exp ⎨ j kf ⎬ df
F i =−∞ ⎩ F ⎭
iF

ricordando la periodicità dell'esponenziale complesso, si ha:


F ∞
⎧ 2π ⎫
∫∑
1
x [k ] = X ( f + iF ) exp ⎨ j kf ⎬ df
F i =−∞
⎩ F ⎭
0

L3/14
RELAZIONE TRA SPETTRO DEL SEGNALE CONTINUO E
SPETTRO DEL SEGNALE CAMPIONATO (Cont.)
Dal confronto tra
F
+
2
⎧ 2π ⎫

1
x [k ] = X F ( f ) exp ⎨ j kf ⎬ df
F
F
⎩ F ⎭

2
e la precedente espressione:
F ∞
⎧ 2π ⎫
∫∑
1
x [k ] = X ( f + iF ) exp ⎨ j kf ⎬ df
F i =−∞
⎩ F ⎭
0
si ottiene:

XF ( f ) = ∑ X ( f + iF )
i =−∞

cioè lo spettro del segnale campionato è la somma di


“infinite repliche” dello spettro di x ( t ) .
L3/15
ESEMPIO DI SPETTRO DI UN SEGNALE REALE
Spettro di un segnale reale
A( f )

− fm + fm f

Spettro del segnale campionato alla frequenza di campionamento F


A( f )

− F = −2 f m − fm + fm F = 2 fm f
0
Linea tratteggiata: campionato. Linea continua: repliche dell’originale
L3/16
FILTRO IDEALE “ANTIALIASING”

Conversione A/D Elaborazione Conversione D/A

A( f )
Amax

1 Filtro ideale
Passa-Basso

− fm + fm f

L3/17
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)
è sufficiente moltiplicare lo spettro del segnale campionato per il filtro
(spettro rosso nella figura)

L3/18
RICOSTRUZIONE DEL SEGNALE (Interpolatore Ideale)
Si ha quindi (indicando con X R ( f ) lo spettro del segnale
ricostruito):
X R ( f ) = X F ( f ) ⋅ rectF ( f )
Nel dominio del tempo
F -1 { X F ( f )} = x [ k ] = T ⋅ x ( kT )

F -1 {rectF ( f )} = F ⋅ sin c ( πFt )


ed alla moltiplicazione in frequenza corrisponde la convoluzione
nel tempo.
xR ( t ) = {T ⋅ x ( kT )} ∗{F ⋅ sin c ( πFt )} =
= x ( kT ) ∗ sin c ( πFt )
che diviene:
+∞

xR ( t ) = ∑ x ( kT ) ⋅ sin c{πF (t − kT )}
k =−∞

L3/19
Esempio

F = 2.5 Hz

L3/20
Esempio (cont.)

k=0

L3/21
Esempio (cont.)

k=1

L3/22
Esempio (cont.)

k=2

L3/23
Esempio (cont.)

L3/24
TEOREMA DI SHANNON (NYQUIST)
Un segnale può essere correttamente ricostruito dai suoi
campioni se:
1) Il segnale è limitato in banda, con B banda bilatera del
segnale;
2) Il campionamento avviene ad una frequenza che è
superiore alla banda bilatera del segnale:
F≥B
Per segnali reali, data la simmetria dello spettro, B = 2 f max

F ≥ 2 f max
F
f max ≤ = f Nyquist
2

L3/25
Ricostruzione del segnale per Interpolazione

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

+∞

x̂ ( t ) = ∑ x [n] ⋅ p (t − nT )
n =−∞

X̂ ( f ) = X F ( f ) ⋅ P ( f )

con X F ( f ) spettro del segnale campionato

L3/26
o Interpolatore a mantenimento
⎛ T⎞ sin ( πTf )
p ( t ) = rectT ⎜ t − ⎟ P( f ) = T exp ( − j πTf )
⎝ 2⎠ πTf

+∞

x̂ ( t ) = ∑
n =−∞
⎛ T
⎝ 2

x [ n ] ⋅ rectT ⎜ t − − nT ⎟

L3/27
Esempio di ricostruzione con interpolatore a mantenimento:
1 f
Spettro del segnale originario: X(f )= ⋅ ⋅ rect2 B ( f )
2B B

L3/28
Esempio (cont.):
1
Spettro del segnale ricostruito (campionamento a = F = 2.5 ⋅ B )
T

L3/29
Osservazioni sullo spettro del segnale ricostruito
i) Non è limitato in banda (presenza di immagini delle repliche
del segnale originario)

ii)
⎛ F F⎞
Nell’intervallo “utile” ⎜ − ; + ⎟ non coincide con lo spettro
⎝ 2 2⎠
del segnale originario. x ( t ) subisce una distorsione di
ampiezza.

Filtro Anti-Immagine

L3/30
Filtro Anti-Immagine

L3/31
Effetto del filtro anti-immagine

L3/32
Esempio di interpolatore a mantenimento
Segnale Cinematografico:

Campionamento

o Segnale tempo discreto come sequenza di immagini (fotogrammi)


o Segnale (bidimensionale) continuo nelle coordinate spaziali x,y.
o Il campionatore è l’otturatore della cinepresa.
o La frequenza di campionamento è 24 Hz (24 fotogrammi al sec.)
L3/33
Esempio di interpolatore a mantenimento
Ricostruzione del Segnale Cinematografico:

o In fase di proiezione il segnale è ricostruito mediante un


interpolatore a mantenimento costituito dal proiettore: immagine
fissa ogni fotogramma per 1/24 di secondo.

o L’occhio umano svolge la funzione di filtro anti-immagine.

o Tempo di permanenza dell’immagine sulla retina e di circa 0.1


sec.

o Banda dell’occhio 10 Hz che rispetta il teorema del


campionamento.

o Presenza di artefatti.

L3/34
o Interpolatore lineare

⎛ t⎞
p ( t ) = ⎜ 1 − ⎟ rect2T ( t )
⎝ T⎠

⎡ sin ( πfT ) ⎤
2

P( f ) = T ⎢ ⎥ = T ⋅ sinc 2
( πfT )
⎣ πfT ⎦

L3/35
Spettro dell’interpolatore lineare

AT

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

(A = 1)

L3/36
Interpolazione lineare

L3/37
Interpolazione lineare
⎛ t⎞
Interpolatore lineare: p ( t ) = ⎜ 1 − ⎟ rect2T ( t )
⎝ T⎠
Per il generico intervallo [( k − 1) T ;kT ]:

+∞

x̂ ( t ) = ∑ x [k ] ⋅ p (t − kT ) = x [k − 1] p (t − ( k − 1) T ) + x [k ] p (t − kT ) =
k =−∞

⎛ 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]} ⎜ ⎟ relazione lineare
⎝ T ⎠

L3/38
Spettro del segnale ricostruito con interpolazione lineare

L3/39
(a) Spettro di ampiezza
del segnale originale
(comportamento di tipo
passa-basso)

(b) Spettro di ampiezza


del segnale ricostruito
mediante interpolazione
lineare

L3/40
Campionamento nel tempo – Preriodicizzazione in frequenza
Sampling at
interval T
x (t ) x [ k ] = T ⋅ x ( kT )

Fourier Fourier
Transform Series

+∞
X(f)
Periodization
XF ( f ) = ∑ X ( f + kF )
k =−∞
⎛ 1⎞
⎜ F = ⎟
⎝ T⎠

L3/41
CAMPIONAMENTO DELLO SPETTRO
Dalla dualità tempo-frequenza, campionare lo spettro X ( f ) con
passo di campionamento:
1
Δf =
θ
equivale a rendere periodico il segnale x ( t ) che diviene:

xθ ( t ) = ∑ x (t + iθ )
i =−∞

Se tale campionamento è applicato allo spettro X F ( f ) del


⎛ 1⎞ F
segnale campionato ⎜ F = ⎟ e si sceglie Δf = , con N intero
⎝ T⎠ N
si ha il seguente interessante risultato:

L3/42
CAMPIONAMENTO DELLO SPETTRO (Cont.)
“Periodizzazione” del segnale campionato

della sequenza x [ k ]
che diviene:

x NT [ k ] = ∑ x [k + iN ]
i =−∞
ovvero

x NT [ k ] ≡ T ∑ x ( kT + iNT )
i =−∞
∀k

Si ricorda l’espressione di X F ( f ) :

⎧ 2π ⎫
XF ( f ) = ∑
k =−∞
x [ k ] exp ⎨ − j
⎩ F
kf ⎬

L3/43
CAMPIONAMENTO DELLO SPETTRO (Cont.)
La sequenza periodica: x NT [ k ]
con periodo N, è descritta da N suoi campioni, così pure la
sequenza:
X F [ n ] ≡ X F ( n Δf ) ∀ n
F
Ricordando che Δf = , si ha:
N

⎧ 2π ⎫
X F [n] = ∑
k =−∞
x [ k ] exp ⎨ − j
⎩ N
kn ⎬

Si osservi che la sequenza esponenziale:
⎧ 2π ⎫
eN [ k ] = exp ⎨ − j kn ⎬ è periodica di periodo N
⎩ N ⎭
allora si può suddividere l’espressione di X F [ n ] in somme di N
termini, ottenendo:

L3/44
CAMPIONAMENTO DELLO SPETTRO (Cont.)
+∞ ( i +1)( N −1)
⎧ 2π ⎫
X F [n] = ∑ ∑
i =−∞ k =iN
x [ k ] exp ⎨− j

kn ⎬
N ⎭
N −1
⎡ +∞ ⎤ ⎧ 2π ⎫
X F [n] = ∑∑
k =0

⎣⎢ i =−∞
x [ k + iN ]⎥ ⎨− j kn ⎬
⎥⎦
exp
⎩ N ⎭
N −1
⎧ 2π ⎫
X F [n] = ∑k =0
x NT [ k ] exp ⎨ − j
⎩ N
kn ⎬

Sfruttando le proprietà di eN [ k ] si può rappresentare x NT [ k ]


tramite X F [ n ] :
N −1
⎧ 2π ⎫

1
x NT [ k ] = X F [ n ] exp ⎨ j kn ⎬
N n =0
⎩ N ⎭
Le ultime due espressioni ottenute sono la rappresentazione di
una sequenza periodica con la serie di Fourier.
L3/45
CAMPIONAMENTO DELLO SPETTRO (Cont.)
Considerando il primo periodo sia in tempo che in frequenza,
cioè applicando una finestra di durata N nei due domini si ha:
xk = x NT [ k ] k = 0, 1,..., N − 1

X n = X F [n] n = 0, 1,..., N − 1
Tali sequenze sono l’una la Trasformata Discreta di Fourier,
diretta e inversa, dell’altra:
DFT
{xk } −1
{X n }
DFT
L’espressione della Trasformata Discreta di Fourier, DFT, è:
N −1
⎧ 2π ⎫
Xn = ∑k =0
xk exp ⎨ − j
⎩ N
kn ⎬

Mentre quella inversa, IDFT, è:
N −1
⎧ 2π
∑ ⎫
1
xk = X n exp ⎨ j kn ⎬
N k =0 ⎩ N ⎭
L3/46
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 è strettamente limitato in
banda, il campionamento non comporta perdita di informazione.
Se il segnale è limitato nel tempo, cioè x ( t ) ≠ 0 per 0 < t < NT ,
allora la DFT permette di calcolare N campioni del suo spettro.
In realtà entrambe le condizioni possono verificarsi solo in
modo approssimato.

L3/47
RELAZIONI TRA DOMINIO
DEL TEMPO E DELLA FREQUENZA (Cont.)

Sampling at Periodization Window of


interval T (period = NT) +∞ N samples x ≡ { xk = xNT [ k ]}
x (t ) x [ k ] = T ⋅ x ( kT ) xNT [ k ] = T ⋅ ∑
i =−∞
x ( kT + iNT )
k = 0,1,...,N − 1

N −1 2π

∑ x ⋅e
−j kn
Xn = k
N

k =0
Fourier Fourier Discrete Fourier Discrete Fourier
Transform Series Series (DFS) Transform (DFT)
N −1 2π

∑X
1 +j kn
xk = n ⋅e N
N n =0

+∞
X ≡ { X n = X F ( nΔf )}
X(f)
Periodization
XF ( f ) = T ⋅ ∑ X ( f + kF )
k =−∞ Sampling
X F [ n ] = X F ( nΔf )
Window of n = 0,1,...,N − 1
⎛ 1⎞
⎜F = ⎟
at interval N samples
⎝ T⎠ F 1
= ≡ Δf
N NT

L3/48
CAMPIONAMENTO NEL TEMPO ED IN FREQUENZA
Tempo ⇐ Fourier ⇒ Frequenza

x (t ) X(f)

0 t 0 f

x [k ] XF ( f )
T

0 T k −F 0 1 f
F=
T
xNT [ k ] X F [ n]

0 k 0 n

X
N = 10
x
N = 10
10 punti
10 punti

0 12 N −1 0 N −1 n
xT = [ x0 ,x1 ,...,xN −1 ] X T = [ X 0 , X 1 ,..., X N −1 ]

L3/49
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 (π NTf )
W ( f ) = NT
π NTf
Pertanto, la risoluzione dello spettro calcolato tramite DFT
risulta limitata dalla larghezza principale del lobo di W ( f ) , che
1
(a circa -4 dB) è : Δf = = inverso della durata temporale .
NT
⎛ Δf ⎞ sen (π NT Δf / 2 ) sen (π / 2 ) 2
W ⎜ ⎟ = NT = NT = NT ( = −3.92 dB )
⎝ 2 ⎠ π NT Δf / 2 π /2 π
Se si aumenta il numero di campioni N della DFT diminuendo il
passo di campionamento, la risoluzione spettrale non cambia.
L3/50
FINESTRE TEMPORALI (Cont.)
W(f)
w (t )
NT
1 −4 dB
1
NT

NT NT t 0 f
− +
2 2 1 1

NT NT

w (t ) W(f)

NT 0 f
NT t
− +
2 2

Utilizzando un’opportuna 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.
L3/51
FINESTRE FREQUENZIALI

Un filtro anti-aliasing ideale è una finestra rettangolare W ( f )


applicata allo spettro del segnale nell’intervallo tra 0 e F
F F
(intervallo di Nyquist: − , + )
2 2
1
Il segnale x ( t ) può così essere campionato con passo T =
F
senza l’effetto del “ripiegamento” dello spettro.

L3/52
FINESTRE FREQUENZIALI (Cont.)

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


⎡ F F⎤
⎢⎣ − 2 , + 2 ⎥⎦ il suo spettro è alterato dalla finestra W ( f ) , il che
nel dominio del tempo corrisponde alla convoluzione con la
funzione:
sen (π Ft ) sen (π Ft )
w (t ) = =F
πt π Ft
La risoluzione temporale che ne risulta (larghezza del lobo
1
principale) vale , cioè eguaglia il passo di campionamento T.
F

L3/53
LA TRASFORMATA DI FOURIER DISCRETA (DFT)
Si considera la sequenza x [ n ] , n = 0,1,…,N-1
posto:
⎧ 2π ⎫
WN = exp ⎨ − j ⎬
⎩ N ⎭

La DFT è definita come:


N −1
X [ k ] = DFT { x [ n ]} = ∑n =0
x [ n ] WNkn

L’inversa, x [ n ] , dato X [ k ] , è data dall'espressione dei


coefficienti di Fourier relativi alla sequenza periodica di cui
X [ k ] è un periodo:
N −1


1
x [n] = X [ k ] ⋅ WN− kn
N k =0

L3/54
VERIFICA DELLA DFT INVERSA

N −1 N −1
⎡1 N −1

X [k ] = ∑ x [ n]
n =0
WNkn = ∑ ∑ X [i ]
n =0

⎢⎣ N i =0
WN−in ⎥ ⋅ WNkn
⎥⎦
=

N −1 N −1

∑ ∑ WN( )
1
X [i ]
k −i n
=
N i =0 n=0

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


Infatti ponendo:
k −i = h
N −1
⎧ 2π

n =0
exp ⎨ − j
⎩ N

hn ⎬ = 0

se h ≠ 0

(Chiusura di una poligonale)

L3/55
PROPRIETA’ DELLA DFT

Le proprietà della DFT discendono dalle proprietà delle


trasformate di Fourier:

1. Linearità

2. Traslazione “circolare”

3. Coniugio (e ribaltamento)

4. Convoluzione (e prodotto)

L3/56
PROPRIETA’ DELLA DFT (Cont.)
• Linearità
DFT {a ⋅ x [ n ] + b ⋅ y [ n ]} = a ⋅ X [ k ] + b ⋅ Y [ k ]

• Traslazione “circolare”: DFT {x [n + n0 ]} = WN− kn0 X [ k ]


x [ n]

x [ n ] sequenza di lunghezza N
0 N n
x [ n]

x [ n ] sequenza “periodicizzata”
−N 0 N n

x [ n − n0 ] n0 = 2 xx [[ n
n+ n00 ]] =
+n = xx [[ n
n+ n00 ]] rect
+n rect NN [[ n
n ]]

⎧1 per 0 ≤ n ≤ N − 1
rect N [ n ] = ⎨
−N 0 N n
⎩0 Altrove

L3/57
Verifica: DFT {x [n + n0 ]} = WN− kn0 X [ k ]

Ad esempio per N = 5 e n0 = 2

5−1
X [k ] = ∑
n=0
x [ n ]W5kn = x [0 ] + x [1]W5k + x [ 2]W52k + x [ 3]W53k + x [ 4 ]W54k

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


-2 -1 0 1 2 3 4 n

4
DFT { x [ n + 2 ] rect5 [ n]} = ∑
n=0
x [ n + 2] rect5 [ n]W5kn

L3/58
Verifica: (continua)
4
DFT { x [ n + 2 ] rect5 [ n]} = ∑
n=0
x [ n + 2] rect5 [ n]W5kn =

= x [ 2] + x [ 3]W5k + x [ 4 ]W52k + x [0 ]W53k + x [1]W54k =

{
= W53k x [0 ] + x [1]W5k + x [ 2]W5−3k + x [ 3]W5−2k + x [ 4 ]W5− k }
Utilizzando le relazioni:
W53k ⋅W52k = 1 ⇒ W53k = W5−2k
W54k ⋅ W5k = 1 ⇒ W54k = W5− k
DFT { x [ n + 2 ] rect5 [ n]} =

{
= W5−2k x [0 ] + x [1]W5k + x [ 2]W52k + x [ 3]W53k + x [ 4 ]W54 = }
= W5−2k ⋅ X [ k ]

L3/59
PROPRIETA’ DELLA DFT (Cont.)
• Coniugio (e ribaltamento)

{ }
DFT x ∗ [ n ] = X ∗ [ − k ]

DFT {x [ − n ]} = X
∗ ∗
[k ]
• Convoluzione Circolare
Date due sequenze x1 [ n ] e x2 [ n ] lunghe N, si definisce la loro
convoluzione circolare (simbolo ⊗ ):
⎡ N −1 ⎤
w[ n] = x1 [ n] ⊗ x2 [ n] = ⎢∑
⎢⎣ m=0
x1 [ m] ⋅ x2 [ n − m]⎥ rectN [ n]
⎥⎦
dove: x1 [ n ] e x2 [ n ] sono la “periodicizzazione” di x1 [ n ] e x2 [ n ]
con periodo N.

L3/60
x2 [ m ]

−N 0 N m

x1 [ m ]

−N 0 N m
x2 [ 2 − m ]

−N 0 N m
x1 [ m ] x2 [ 2 − m ]

−N 0 N m
w [ m]

L3/61
DFT DELLA CONVOLUZIONE CIRCOLARE
Se
w[ n] = x [ n] ⊗ y [ n]

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

cioè:
W [k ] = X [k ] ⋅ Y [k ]
come conseguenza delle proprietà delle trasformate di Fourier.

Osservazione: la convoluzione lineare tra x [ n ] e y [ n ] vale:


+∞
wlin. [ n ] = x [ n] ∗ y [ n] = ∑ x [ m] y [ n − m]
m =−∞

Se x [ n] ha lunghezza N1 e y [ n ] N 2 , wlin. [ n ] è lunga N 1 + N 2 − 1

L3/62
Convoluzione Lineare/Circolare
g [ n ] ≡ [1 2 3 4 5 4 3 2 ] lunghezza Ng = 8

h [ n ] ≡ [1 1 1 1] lunghezza Nh = 4

Convoluzione lineare tra g [ n ] e h [ n ] :

g [ n] ∗ h [ n] = ∑ g [m] h [n − m] = [1 3 6 10 14 16 16 14 9 5 2]
m

N lin. = N g + N h − 1 = 11

Convoluzione circolare tra g [ n ] e h [ n ] :


g [ n ] ⊗ h [ n ] ≡ [10 8 8 10 14 16 16 14 ]

N circ. = N g = N h = 8

L3/63
Convoluzione Lineare/Circolare

Ng = 8 N 'g = 11

Nh = 4 N h' = 11

Periodo 8 Periodo 11
L3/64
Convoluzione Lineare/Circolare

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

Per far sì 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.

L3/65
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.

L3/66
Costo della Convoluzione

L3/67
LA FAST FOURIER TRANSFORM (FFT)
⎧ 2π ⎫
La periodicità dei coefficienti WNkn = exp ⎨ − j kn ⎬ rende
⎩ N ⎭
possibile la riduzione del numero di prodotti dell’algoritmo DFT
raccogliendo dei termini. Degli algoritmi efficienti che ne
risultano per il computo della DFT, il più comune è la FFT (Fast
Fourier Transform) che permette di calcolare una DFT (in
generale, complessa) di N campioni mediante un numero di
moltiplicazioni complesse dell’ordine di:
N ⋅ log 2 ( N ) contro le N 2
moltiplicazioni della DFT (incluse le moltiplicazioni per 0 e 1).
La FFT è idonea al calcolo della DFT di sequenza la cui
lunghezza è una potenza di 2. Sono disponibili sia software che
hardware (microcircuiti dedicati) per il calcolo della FFT.
L3/68
Effetto del campionamento sullo spettro di un segnale
Esempio 1. Impulso rettangolare
⎧1 0 < t < LT
x (t ) = ⎨ con L intero e T > 0
⎩0 altrove
1.5
Segnale Continuo
Segnale Campionato
1.25

N = 20
1 L = 10
T=1
x(t), x[nT]

0.75

0.5

0.25

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Tempo

L = 10 , T = 1 , N = 20
L3/69
Esempio 1. (continua)

Spettro di ampiezza di x ( t )

sin ( πfLT )
X ( f ) = LT
πfLT
o Massimo: X ( 0 ) = LT
m
m = ±1, ±2,... ⎛ m⎞
o Nulli: f = ⎜ f n( nulli ) = ⎟
LT ⎝ L⎠
1 f
o Se F = Frequenza normalizzata: f n =
T F
o Spettro normalizzato in ampiezza (rispetto al valore massimo) ed
in frequenza (rispetto alla frequenza di campionamento)
X ( f n ) sin ( πf n L )
=
X (0 ) πf n L

L3/70
Esempio 1. (continua)

Spettro normalizzato in ampiezza (rispetto al valore massimo) ed


in frequenza (rispetto alla frequenza di campionamento)
1

0.9

0.8

0.7

0.6
|X(f)/X(0)|

0.5

0.4

0.3

0.2

0.1

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Frequenza Normalizzata

Per L = 10
L3/71
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 ]:
N −1 L −1

k =0 X [0 ] = ∑ x [ n] = ∑ 1 = L
n =0 n =0
(supponiamo T = 1)

k >0
N −1 2π L −1 2π L −1 2π n
⎡ ⎤
∑ x [ n] e ∑e ∑
−j −j −j
X [k ] =
kn kn k
N
= N
= ⎢e
N
⎥ =
n =0 n =0 n =0 ⎣ ⎦
⎡ ⎛π ⎞⎤
1− e
−j

N
Lk
e
−j
π
N
Lk
(e j
π
N
Lk
−e
−j
π
N
Lk
) −j
π
( L − 1) k ⎢ ⎝⎜ N
sin Lk ⎟⎥

= =e N
⎢ ⎥
1− e

−j k
N
e
π
−j k
N (e π
j k
N
−e
π
−j k
N ) ⎢⎣
π
⎢ sin ⎜⎛ k ⎟⎞ ⎥
⎝ N ⎠ ⎥⎦
L3/72
Esempio 1. (continua)

Spettro di ampiezza di x [ n ]

⎛π ⎞
sin ⎜ Lk ⎟
X [0 ] = L X [k ] = ⎝N ⎠ per k > 0
⎛π ⎞
sin ⎜ k ⎟
⎝N ⎠
N
Nulli: k zeri = m con m = ±1, ±2,... se N è un multiplo intero di L
L
Ad esempio:
N = 20 e L = 10 ⇒ k zeri = 2,4,6 ,...,18

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

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

L3/73
Esempio 1. (continua)
Spettro di ampiezza di x [ n ]
N = 20 e L = 10
1

0.8
|X[k]/X[0]|

0.6

0.4

0.2

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Frequenza Normalizzata
k/N
L3/74
Esempio 1. (continua)
Spettro di ampiezza di x [ n ]
N = 100 e L = 10
1

0.8
|X[k]/X[0]|

0.6

0.4

0.2

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Frequenza Normalizzata

L3/75
Esempio 1. (continua)
Spettro normalizzato in ampiezza (rispetto al valore massimo) ed
in frequenza (rispetto alla frequenza di campionamento)
1
N = 100, L = 10
N = 20, L = 10
0.8
Spettro segnale cont.

0.6
|X[k]/X[0]|

0.4

0.2

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Frequenza Normalizzata

L3/76
Esempio 2. Coseno
x ( t ) = cos ( 2 πf0 t )
2
fo = 4 Hz
1.5

0.5

-0.5

-1

-1.5

-2
-1.5 -1 -0.5 0 0.5 1 1.5
Tempo

L3/77
1
Spettro: X ( f ) = ⎡⎣δ ( f − f0 ) + δ ( f + f0 ) ⎤⎦
2
X(f)
1
2

− f0 0 + f0

Coseno Campionato
x [ n ] = cos ( 2 πf0 nT )
o T il periodo di campionamento
1
oF= frequenza di campionamento che soddisfa il TH. di
T
f0 ∈ ⎛⎜ 0, ⎞⎟
F
Shannon: F ≥ 2 f0 ,
⎝ 2⎠
Si considerano N campioni di x [ n ] e si calcola la DFT:
l λ
(a) f0 = F con l intero (b) f0 = F con λ non intero
N N
L3/78
Esempio 2. (continua)
l
Caso (a): f0 =F con l intero
N
Ad esempio N = 64 e l = 4
F
f0 = = 4 Hz con F = 64 Hz
16

0.5
cos(2πf0nT)

-0.5

-1

0 8 16 24 32 40 48 56 64
nT

L3/79
Esempio 2: caso (a)
35

30
Spretto del segnale limitato nel tempo
25

20

15

10

-5

-10
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
Frequenza (Hz)

L3/80
Esempio 2: caso (a)
35

30
Spettro del segnale limitato nel tempo
25

20

15

10

-5

-10
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
Frequenza (Hz)

L3/81
Esempio 2: caso (a)
35

1a Replica spettro del segnale campionato e limitato in tempo


30

25

20

15

10

-5

-10
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
Frequenza (Hz)

L3/82
Esempio 2: caso (a)
35

Spettro segnale campionato e limitato in tempo


30

25

20

15

10

-5

-10
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
Frequenza (Hz)

(Sommando solo la prima replica)

L3/83
Esempio 2: caso (a)
35

30

25
Modulo Spettro

20

15

10

0
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
Frequenza (Hz)

(Sommando solo la prima replica)

L3/84
Esempio 2. (continua)
Calcolo della DFT:
N −1 2π N −1 2π 2π 2π
1 ⎧ j N ln − j N ln ⎫ − j N kn
∑ ⎡ ⎛ Fl ⎞ ⎤

−j
X [k ] =
kn
cos ⎢ 2 π ⎜ ⎟ nT ⎥ e N
= ⎨e +e ⎬e =
n =0 ⎣ ⎝N⎠ ⎦ n =0
2⎩ ⎭
N −1 N −1 N −1
⎧ j 2Nπ ( l − k ) n − j 2Nπ( l + k ) n ⎫ 1 2π 2π

∑ ∑e ∑e
1 j (l −k ) n 1 −j (l +k ) n
= ⎨e +e ⎬= N
+ N
2 n =0 ⎩ ⎭ 2 n =0
2 n =0

N −1 2π N −1 2π

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

N −1 2π N −1 2π

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

L3/85
Esempio 2. (continua)

Se k ≠ l e k ≠ N − l
N −1 2π N −1 2π

∑e ∑e
1 (l −k ) n 1 −j (l +k )n
X [k ] =
j
N
+ N
2 n =0
2 n =0
0 0
quindi

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

con k = 0,1,2,...,N − 1

L3/86
Esempio 2. (continua)
Caso (a) DFT
35
N = 64
30 l=4

25

20
X[k]

15

10

0
0 10 20 30 40 50 60
k
F
Frequenza del coseno f0 = , N = 64 , l = 4
16

L3/87
Esempio 2. (continua)
λ
Caso (b): f0 = F con λ non intero
N
F
Ad esempio: f0 = λ , con N = 64 e λ = 4.5
N
2
fo = 4.5 Hz
1.5

0.5

-0.5

-1

-1.5

-2
-1 -0.5 0 0.5 1
Tempo

L3/88
Esempio 2. (continua)

0.5
cos(2πf0 nT)

-0.5

-1

0 8 16 24 32 40 48 56 64
nT

L3/89
Esempio 2: caso (b)
35

30
Spettro del segnale limitato in tempo
25

20

15

10

-5

-10
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
Frequenza (Hz)

L3/90
Esempio 2: caso (b)
35

30
Spettro del segnale limitato in tempo
25

20

15

10

-5

-10
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
Frequenza (Hz)

L3/91
Esempio 2: caso (b)
35

1a Replica Spettro del segnale campionato e limitato in tempo


30

25

20

15

10

-5

-10
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
Frequenza (Hz)

L3/92
Esempio 2: caso (b)
35

Spettro segnale campionato e limitap in tempo


30

25

20

15

10

-5

-10
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
Frequenza (Hz)

(Sommando solo la prima replica)

L3/93
Esempio 2: caso (b)
35

Modulo spettro del segnale campionato e limitato in tempo


30

25

20

15

10

0
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
Frequenza (Hz)

(Sommando solo la prima replica)

L3/94
Esempio 2. (continua)

Calcolo della DFT:

1⎡
N −1 2π N −1 2π
⎤ 1 ⎡ 1 − e j 2 π( λ− k ) 1 − e − j 2 π( λ+ k ) ⎤
∑ ∑e
j ( λ− k ) n −j (λ +k ) n
X [k ] = ⎢ e N + N
⎥= ⎢ 2π
+ 2π
⎥=
2 ⎣ n =0 n =0 ⎦ 2 ⎢⎣ 1 − e j N ( λ− k ) 1 − e − j N ( λ+ k ) ⎥⎦

1 ⎡
= ⎢ π
e j π( λ− k )
e(− j π( λ− k )
− e )
j π( λ− k )
e
+ π
− jπ( λ+ k )
e (
jπ( λ+ k )
− e − jπ ( λ+ k )
) ⎤⎥ =
⎣e e( π
−e
π
2 ⎢ j N ( λ− k ) − j N ( λ− k ) j N ( λ− k ) )
− j ( λ+ k )
e N
π
(
j ( λ+ k )
e N −e N
π
− j ( λ+ k )
) ⎥⎦
⎡ jπ( λ− k )⎛⎜⎝ 1− N1 ⎞⎟⎠ sin [ π ( λ − k )] − j π( λ+ k )⎜ 1− ⎟ sin [ π ( λ + k ) ] ⎤
⎛ 1⎞
1 ⎢e ⋅ +e ⎝ N⎠

= ⎡ π ⎤ ⎡ π ⎤
2⎢ sin ⎢ ( λ − k ) ⎥ sin ⎢ ( λ + k ) ⎥ ⎥
⎢⎣ ⎣N ⎦ ⎣N ⎦ ⎥⎦

L3/95
Esempio 2. (continua)

Considerando la parte reale e immaginaria:

⎡ sin [ π ( λ − k )] 1 ⎞ ⎤ sin [ π ( λ + k )] ⎤
1 ⎢cos ⎡⎢ π ( λ − k ) ⎛⎜ 1 − ⎞⎟ ⎤⎥ ⎡ ⎛
1
+ cos ⎢ π ( λ + k ) ⎜ 1 − ⎟ ⎥ ⎥
X R [k ] = ⎣ ⎝ N ⎠⎦ ⎡ π ⎤ ⎣ ⎝ N ⎠⎦ ⎡ π ⎤
2⎢ sin ⎢ ( λ − k ) ⎥ sin ⎢ ( λ + k ) ⎥ ⎥
⎣ ⎣ N ⎦ ⎣N ⎦⎦

⎡ sin [ π ( λ − k )] 1 ⎞ ⎤ sin [ π ( λ + k )] ⎤
1 ⎢ sin ⎡⎢ π ( λ − k ) ⎛⎜ 1 − ⎞⎟ ⎤⎥ ⎡ ⎛
1
− sin ⎢ π ( λ + k ) ⎜ 1 − ⎟ ⎥ ⎥
X I [k ] = ⎣ ⎝ N ⎠⎦ ⎡ π ⎤ ⎣ ⎝ N ⎠⎦ ⎡ π ⎤
2⎢ sin ⎢ ( λ − k ) ⎥ sin ⎢ ( λ + k ) ⎥ ⎥
⎣ ⎣ N ⎦ ⎣N ⎦⎦

Il modulo vale:

X [ k ] = X R2 [ k ] + X I2 [ k ]

L3/96
Esempio 2. (continua)

Caso (b) DFT (modulo)


35
N = 64
30 λ = 4.5

25

20
X[k]

15

10

0
0 8 16 24 32 40 48 56 64
k
F
Frequenza del coseno f0 = λ , con N = 64 , λ = 4.5
N

L3/97
LA SHORT TIME FOURIER TRANSFORM (STFT)
La maggior parte dei segnali reali fisici è di tipo non stazionario,
cioè con caratteristiche variabili nel tempo. Ad esempio:
N

x (t ) = ∑
i =0
Ai ⋅ e
− ai ( t −ti )
cos ( 2π fit + ψ i ) u ( t − ti ) (1)

con diversi parametri:


• Ampiezze Ai
• tempi di inizio ti
• frequenze dominanti f i
• fasi iniziali ψ i
• coefficienti di smorzamento ai > 0
dove u ( t − ti ) è la funzione gradino unitario, vale 1 per t > ti e0
altrove

L3/98
LA SHORT TIME FOURIER TRANSFORM (STFT)
Se si effettua la trasformata di Fourier: X ( f )
• X(f ) dà informazione sulle componenti armoniche f i e delle

rispettive ampiezze Ai .

• La fase di X ( f ) ingloba le informazioni relative agli altri

parametri.

Problema: Tali informazioni sono così “mescolate” fra loro, specie se


il segnale ha molte componenti, da risultare illeggibili.
Cioè la trasformata di Fourier identifica le componenti armoniche ma
non permette di ricavare facilmente informazioni su quando e come
tali frequenze siano effettivamente presenti.

L3/99
LA SHORT TIME FOURIER TRANSFORM (STFT)
Infatti la definizione della trasformata di Fourier X ( f ):

+∞
X(f )=
∫−∞
x ( t ) ⋅ e − j 2π ft dt (2)

è perfettamente locale in frequenza ma assolutamente globale nel


tempo.

Questa trasformazione è adatta a segnali stazionari perché


permette di evidenziare nettamente fenomeni che avvengono nel
dominio della frequenza ma non discrimina eventi che avvengono
nel dominio del tempo.

L3/100
LA SHORT TIME FOURIER TRANSFORM (STFT)

• Quindi è necessario effettuare un’analisi congiunta tempo-


frequenza per rilevare le caratteristiche temporali e spettrali del
segnale (ciò 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.

L3/101
LA SHORT TIME FOURIER TRANSFORM (STFT)

• Per i segnali non stazionari occorre inserire una dipendenza dal


tempo nella trasformazione, cioè rendere locale la (2) operando
su porzioni di x (t ), ottenute moltiplicandolo per una finestra

g ( t − τ ) che trasla nel tempo.

• Si definisce allora la Trasformata di Fourier a Breve Termine o


Short Time Fourier Transform:
+∞
STFTx (τ , f ) =
∫ −∞
x ( t ) ⋅ g ( t − τ ) ⋅ e − j 2π ft dt (3)

La STFT evidenzia il contenuto armonico di x (t ) in un intorno

dell’istante di tempo τ di durata pari all’estensione della finestra.

L3/102
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 è eliminabile.

L3/103
LA SHORT TIME FOURIER TRANSFORM (STFT)

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

Δf
f0 Δf f 0

t0 Tempo Tempo

Δt Δt

L3/104
LA SHORT TIME FOURIER TRANSFORM (STFT)
• Fissata la funzione finestra g ( t ) sono definite le indeterminazioni
Δt e Δf rispettivamente nel dominio del tempo e della
frequenza.

• Due eventi distanti meno di Δt o Δf non sono più discriminati


dalla STFT nel rispettivo dominio.

• Le due indeterminazioni sono inversamente proporzionali, quindi


la risoluzione temporale può essere migliorata solo a scapito della
risoluzione in frequenza, e viceversa.

• Principio di indeterminazione: non è possibile stimare con


precisione arbitraria e simultaneamente i parametri temporali e
frequenziali di un segnale.

L3/105
LA SHORT TIME FOURIER TRANSFORM (STFT)

• Se le due indeterminazioni sono fisse questo implica che le


Δt Δf
risoluzioni relative e risultano variabili.
t f

• In molte applicazioni non è possibile permettersi di localizzare


fenomeni lenti e fenomeni veloci con la stessa indeterminazione,
nel senso che identificare una frequenza di 100 MHz con
precisione Δf = 1 kHz è molto diverso dall'identificare 100 kHz
con la stessa precisione.

L3/106
(a) Il segnale è composta da:
una sinusoide di 35 Hz,
+ un chirp quadratico
(all’istante 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.

L3/107
LA SHORT TIME FOURIER TRANSFORM (STFT)
Interpretazione della STFT come banco di filtri
+∞
Data la: STFTx (τ , f ) =
∫−∞
x ( t ) ⋅ g ( t − τ ) ⋅ e − j 2π ft dt
se la finestra è pari: g (θ ) = g ( −θ ), allora per un valore fissato di
f si ha:
+∞
STFTx (τ , f ) =
∫ −∞
⎡⎣ x ( t ) ⋅ e− j 2π ft ⎦⎤ ⋅ g (τ − t ) dt =

= ⎡⎣ x ( t ) ⋅ e− j 2π ft ⎤⎦ ∗ g (τ − t )
cioè fissato il valore di f, STFT (τ , f ) si può interpretare come l’uscita
di un filtro con risposta impulsiva g ( i ) al cui ingresso viene immesso

x ( t ) demodulato dall’esponenziale e
− j 2π f
. La porzione di spettro
intorno alla frequenza f è riportata intorno all’origine e quindi “vista”
attraverso il filtro g ( i ) , che ha in genere una risposta di tipo passa
basso.
L3/108
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 perché non ci sia perdita di informazione?
• La banda passante della STFT (per qualunque frequenza
considerata) è la banda B (monolatera) della trasformata della
finestra considerata, quindi la STFT deve essere campionata a un
valore: Fw ≥ 2B
• La finestra con banda minima è 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 può
affermare che è necessario adottare almeno N ≥ L campioni
dell’asse frequenziale, se L è la lunghezza temporale della
finestra di analisi.

L3/109
Esempio: finestra di Hamming
Frequenza di campionamento del segnale pari a Fc = 44100 Hz
Finestra di Hamming a 1024 punti (L = 1024): T = 2.26 × 10 −5 sec

⎧ ⎛ 2π n ⎞
⎪0.54 − 0.46 cos ⎜ ⎟ 0 ≤ n ≤ L −1
w( n) = ⎨ ⎝ L ⎠
⎪0
⎩ altrove

Si può vedere che la banda B della finestra di Hamming è circa:


Fc
B≅2
L
Dovrà quindi essere
4Fc 4 ⋅ 44100
Fw ≥ 2B ≥ = ≅ 173 Hz
L 1024
cioè la STFT dovrà essere campionata nel tempo a circa 173 Hz cioè
ogni 44100/173 = 254 campioni del segnale.

L3/110
−5
Finestra di Hamming a 1024 punti (L = 1024): T = 2.26 × 10 sec
Time domain Frequency domain
60

40

0.8

20

Magnitude (dB)
0.6
Amplitude

0.4
-20

0.2
-40

0 -60
0.5 1 1.5 2 -0.5 0 0.5
Time (us) 4
x 10 Frequency (kHz)

L3/111
Rettangolare

Time domain Frequency domain


40

30

0.8

20

Magnitude (dB)
0.6
Amplitude

10

0.4
0

0.2
-10

0 -20
10 20 30 40 50 60 0 0.2 0.4 0.6 0.8
Samples Normalized Frequency (×π rad/sample)

L3/112
Triangolare

Time domain Frequency domain


40

1
20

0.8

-20

Magnitude (dB)
0.6 -40
Amplitude

-60

0.4
-80

-100
0.2

-120

0 -140
10 20 30 40 50 60 0 0.2 0.4 0.6 0.8
Samples Normalized Frequency (×π rad/sample)

L3/113
Chebyshev (50 dB)

Time domain Frequency domain


40

20

0.8 0

-20

Magnitude (dB)
0.6
Amplitude

-40

0.4

-60

0.2
-80

0 -100
10 20 30 40 50 60 0 0.2 0.4 0.6 0.8
Samples Normalized Frequency (×π rad/sample)

L3/114
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.
L3/115