Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Nell’analisi tempo-frequenza finora trattata le finestre temporali con cui si divide il segnale hanno durata costante.
-1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 s
1
Segnale ad alta frequenza f=20 Hz
Tempo di acquisizione 0.2s
0 Il tempo di acquisizione può essere inferiore perché il
segnale cambia più rapidamente e pertanto la risoluzione
in frequenza può essere maggiore, essendo l’inverso del
-1 tempo di acquisizione.
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2 s
ANALISI CONGIUNTA TEMPO-FREQUENZA MEDIANTE WAVELETS
Nell’analisi tempo-frequenza finora trattata, che si basa sulla trasformata di Fourier, le probing functions sono delle funzioni
sinusoidali di varie frequenze.
Nell’analisi con wavelets le probing functions sono forme d’onda di durata variabile e forme particolari.
La trasformazione tempo-frequenza non è altro che una correlazione tra il segnale da trasformare e una probing function f:
X (t , m) = x( ) f (t − )
−
m d
STFT (t , f ) = x ( (
) w(t − ) e )
− 2fj
d
−
ANALISI CONGIUNTA TEMPO-FREQUENZA MEDIANTE WAVELETS
La trasformata wavelet introduce una probing function detta MOTHER WAVELET (wavelet madre) che dà origine a una
famiglia di wavelets ottenute dilatando e comprimendo e traslando la mother wavelet, ψ:
t −b
a
Dove t è il vettore tempo, b il parametro di traslazione nel tempo e a il parametro di dilatazione e compressione nel tempo.
−1 t −b
a ,b (t ) =| a | 2
a
Dilatazione in ampiezza
(t ) = e −t 2
cos( 2 ln 2t )
Se la scaliamo con a = 0.5, 2 e 4 senza operare nessuna traslazione, avremo 3 wavelet figlie:
−t 2
2
(t ) =
−1 e
a (t ) =| a | 2
cos t
a ln 2
Se si osservano le 4 wavelet si deduce che al diminuire della scala a, le wavelet possono essere considerate dei segnali
con contenuto in frequenza sempre più alto.
Pertanto scala e frequenza rappresentano lo stesso fenomeno ma sono inversamente proporzionali.
ANALISI CONGIUNTA TEMPO-FREQUENZA MEDIANTE WAVELETS
Frequenza aumenta
a=0.5
a=1
a=2
a=4
Scala aumenta
LA TRASFORMATA WAVELET CONTINUA (Continuous Wavelet Transform CWT)
La trasformata wavelet del segnale x(t) si ottiene effettuando una correlazione del segnale x(t) con la probing function, Ψ,
che è la wavelet madre che viene traslata e compressa nel tempo:
1 t −b
W ( a, b) = x(t ) dt
*
− a a
Dove b è il parametro che fa traslare nel tempo la wavelet madre attraverso x(t) e a è il parametro che fa dilatare o
comprimere nel tempo la wavelet madre, che pertanto ne effettua una scalatura. a viene detto parametro di scala e per
questo la trasformazione viene spesso chiamata trasformazione tempo-scala, ovvero b-a.
Se a>1 la wavelet madre viene dilatata, se a<1 la wavelet madre viene compressa.
La scalatura in ampiezza per 1 a permette di mantenere la stessa energia per tutti i valori di a.
Se la wavelet madre è stata scelta in maniera appropriata è possibile ricostruire il segnale originale dai coefficienti wavelets
come avviene per la trasformata di Fourier e pertanto si può effettuare una trasformata wavelet inversa:
W (a, b) a ,b (t ) da db
1
x(t ) =
C a =− b =−
( )
2
dove C=
−
d e 0<C<∞ (condizione di ammissibilità).
2. Si sposta la wavelet lungo l’asse dei tempi (traslazione) e si continua la traslazione finché
non si è coperto tutto il segnale.
LA TRASFORMATA WAVELET CONTINUA (Continuous Wavelet Transform CWT)
N t −b N (m − n)dt
Wn (a j ) = xm = xm
* *
a m =0 a
m =0 j j
Anche a è discretizzato:
a j = a0 2 j
Tempo e scala sono legati
a0 = 2d t
LA TRASFORMATA STFT E DWT
L’analisi di Fourier suddivide il segnale in onde sinusoidali di diversa frequenza: l’onda base è la
sinusoide.
Il segnale è approssimato con una serie di sinusoidi di diversa ampiezza e frequenza.
L’analisi WAVELETS suddivide il segnale in versioni traslate nel tempo e scalate in ampiezza
dell’onde base detta wavelet.
FREQUENZA
LA TRASFORMATA STFT E DWT
L’analisi wavelet è pertanto detta multiscala e quindi multi frequenza perché usa una
risoluzione variabile sia in frequenza sia nel tempo. Naturalmente, poiché risoluzione in
frequenza e risoluzione nel tempo sono inversamente proporzionali, si avrà buona
risoluzione in frequenza e cattiva risoluzione nel tempo a bassa frequenza e viceversa
ad alta frequenza.
La principale differenza con l’analisi STFT in termini di risoluzione viene spiegata nelle
prossime due slides.
LA TRASFORMATA STFT E DWT
buona risoluzione
in frequenza a
bassa frequenza
dove occorre
risolvere piccoli
valori di frequenza,
scarsa risoluzione
in frequenza ad
alta frequenza
Esempi di wavelet
L’analisi wavelet suddivide il segnale in onde wavelet generate dalla dilatazione (variazione di
ampiezza) e traslazione (nel tempo) della wavelet madre.
Esistono tanti tipi di wavelets: quella di Haar è una funzione a gradino, quelle di Debauchis sono
ortonormali, quelle simlets sono simmetriche.
Abbiamo già visto la wavelet di Morlet: sinusoide smorzata, utile nella diagnostica di difetti che
producono urti.
2
−t
(t ) = e 2
e j0t
Ci sono poi le wavelet di Debauchis che sono di vario ordine dbN, con N l’ordine della wavelet.
E’ una wavelet asimmetrica e irregolare.
Esempi di wavelet
Esistono poi wavelet irregolari, simili alla Deabauchis, che sono utili per studiare segnali con
brusche variazioni (discontinuità). Infatti questo tipo di wavelet evidenziano caratteristiche
locali.
Esempi di wavelet
Esempio di segnale con una brusca variazione (discontinuità) e sua trasformata wavelet. La
trasformata evidenzia in maniera lampante la discontinuità.
1
discontinuità
-1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
ANALISI WAVELET: caratteristiche tempo-frequenza
Nell’analisi multiscala si utilizzano probing functions che vengono traslate nel tempo e dilatate in scala.
f=1
a=1
Il concetto di scala è
analogo a quello della
f=2
frequenza che si applica
nell’analisi di Fourier. a = 1/2
Per sinusoidi, la scala a è
direttamente legata alla f=4
frequenza f →
a = 1/4
f=6
a = 1/6
ANALISI WAVELET: caratteristiche tempo-frequenza
Nell’analisi multiscala si utilizzano probing functions che vengono traslate nel tempo e dilatate in scala. In questo grafico sono
plottate 4 wavelet di Morlet per 4 scale diverse: 0.5, 1, 2, 4:
a = 0.5
Anche per le wavelet, la f=2
scala (a) più alta
approssima la frequenza
( f ) più bassa: a=1
f=1
a=2
f = 1/2
a=4
f = 1/4
ANALISI WAVELET: caratteristiche tempo-frequenza
Processo di scala o di dilatazione: a destra sono riportate le wavelet nel dominio del tempo, a sinistra la loro FFT, cioè le wavelet
nel dominio della frequenza.