Sei sulla pagina 1di 50

ANALISI ARMONICA

Rappresenta un potente strumento per l’analisi di fenomeni dinamici di


qualunque natura

Campi di impiego di interesse industriale:


•vibrazioni;
•equilibratura rotori;
•bilanciamento meccanismi;
•diagnostica di impianti industriali;
•analisi del rumore.

L’analisi armonica opera sui segnali

Definizione: chiameremo segnale ogni grandezza fisica, generalmente elettrica,


associata alla misura di un fenomeno di interesse scientifico o industriale
Analisi Armonica 1
Classificazione fenomenologica dei segnali
periodici - si ripetono
armonici - esprimibili con funzioni sinusuidali
ciclicamente

pseudocasuali - hanno proprietà statistiche definite che


si ripetono ciclicamente
deterministici - noti a priori e studiabili con i
metodi dell’analisi matematica Quasi periodici - esprimibili come
somma di componenti armoniche con
frequenze incommensurabili tra loro

transitori -si annullano dopo un certo


Aperiodici - non si ripetono ciclicamente tempo

Stazionari - le loro proprietà Ergodici - proprietà statistiche


Segnali statistiche non dipendono dallo stato deducibili come media temporale di una
iniziale singola realizzazione

Non ergodici - non godono della


Aleatori - non sono noti a priori e proprietà dei segnali ergodici
devono essere studiati con metodi
non stazionari - le loro proprietà statistiche
statistici
dipendono dallo stato iniziale

Analisi Armonica 2
Esempi di segnali secondo la classificazione fenomenologica (1)

Segnale armonico
È composto dalla somma di più
componenti armoniche

Segnale quasiperiodico
È composto dalla somma di più
componenti armoniche di periodo
incommensurabile
(ad esempio 5 e 6π Hz)

Analisi Armonica 3
Esempi di segnali secondo la classificazione fenomenologica (2)

Segnale pseudoperiodico
Pur contenendo infinite frequenze (nel periodo)
si ripete periodicamente

Segnale transitorio
All’istante iniziale assume un valore finito e si
azzera dopo un tempo sufficientemente lungo
dall’istante iniziale

Analisi Armonica 4
Caratteristiche fondamentali delle funzioni armoniche
A A A

A/2 A/2 A/2

0 0 0

- A/2 - A/2 - A/2

-A -A -A
0 T/4 T/2 3/4 T T 0 T/4 T/2 3/4 T T 0 T/8 T/4 T/2 3/4 T T

y(t)=Asin(ω t y(t)= y(t)= Asin(ω t-


) Acos(ω t) φ ) 2π T =π
Principali grandezze fisiche associate T 8 4
• Ampiezza (modulo, valore di picco) A; φ =

• Fase φ (rad);
• Pulsazione (frequenza angolare) ω (rad/sec)
• Frequenza f= ω /(2π ) (Hz)
• Periodo T=1/f (sec)

Analisi Armonica 5
Ulteriori grandezze fisiche associate
Valore di picco xP = A A
0.64A
Valore medio assoluto xm
(valore medio della semionda positiva)
T
2 π π
1 1 1 1
T 2 ∫0 T 2∫ ∫ Asin θ dθ
xm = Asin ( 2π ft ) dt = Asin ( 2π ft ) d ( 2π ft ) = =0.64 A
0
2π f π 0
(avendo sostituito θ =2π ft)
Valore efficace xRMS
(radice quadrata della media,1 nel periodo, dei valori al quadrato) 1 1
1 T 2
 2  1 2π 1 2
2  1 2π 2
 2
[ ]
xRMS =  ∫ Asin (2π ft ) dt  =  ∫
π
[ ]
Asin (2π ft ) d (2π f ) =  ∫ [ Asin(θ )] d (θ ) =
A
= 0.71 A
T
 0  T
 0 2 f   2π 0  2

Valore picco-picco xpp = 2A

Fattore di cresta Fc = xp/xRMS = 2

Fattore di forma Ff = xRMS /xm =1.11

Analisi Armonica 6
Numeri complessi
(utili per la rappresentazione sintetica delle funzioni armoniche)
Rappresentazione grafica numero complesso
Si consideri il piano complesso, rappresentato da un piano cartesiano con asse delle ascisse coincidente con
l’asse reale ed asse delle ordinate coincidente con l’asse immaginario

La notazione A ejφ individua il punto P che ha Im


coordinate cartesiane:
P
Re=Acos(φ ) , Im= A sin(φ )
e notazione complessa: A A sin(φ )
A cos(φ ) + j A sin(φ ). φ
Definizioni: Re
A cos(φ )
• j oppure i (coefficiente immaginario) = −1 ,
Modulo A = Re 2 + Im 2
• Re (parte reale) = A cos(φ ),

• Im (parte immaginaria) = A sin(φ ).


Fase φ = tan-1 ( Im R e)
Analisi Armonica 7
Fasori

Con il termine fasore si indica un Im


vettore applicato all’origine O di un
piano cartesiano e vertice nel punto P P
rotante attorno all’origine con velocità
angolare ω = cost. A
Se l’origine dei tempi viene assunta
coincidente con l’istante in cui il fasore α = ωt
attraversa l’asse reale, in analogia Re
quanto visto nella pagina precedente
possiamo scrivere

Ae jωt
= A[ cos( ωt ) + j ⋅ sin( ωt )] = A cos( ωt ) + jA sin( ωt )

Analisi Armonica 8
Rappresentazione vettoriale delle funzioni armoniche

Se all’istante iniziale t=0 l’angolo tra OP e l’asse


reale è θ , quindi α = (ω t+ θ ), e si ha:

A e j( ω t+ θ ) = Acos(ω t+θ ) + jAsin(ω t


+θ )

•La proiezione del punto P sull’asse immaginario è la


funzione Asen(ω t+θ )
•La proiezione del punto P sull’asse reale è la funzione
Acos(ω
La rappresentazione vettoriale è importante anchet+θ ) a differenza di quanto accade con le
perché,
funzioni trigonometriche,risulta molto facile effettuare calcoli con funzioni esponenziali
Analisi Armonica 9
Concetto di pulsazione (frequenza) negativa

Si supponga di sommare due vettori rotanti con velocità angolare ω


rispetto all’origine O, di ampiezza A/2 e simmetrici rispetto all’asse
reale. La loro somma (in virtù della regola del parallelogramma) sarà
A/2
sempre sull’asse reale ed avrà modulo pari al doppio della proiezione
A/2cos(ω t+θ ) sullo stesso asse di uno qualsiasi degli addendi. Ricordando che il
numero complesso A/2 e(j ω t+ θ ) rappresenta un vettore di ampiezza A/2
rotante con velocità angolare ω (in senso antiorario) rispetto
A/2
all’origine e fase θ per t=0, allora il vettore A/2 e - (j ω t+ θ ) rappresenta
il vettore simmetrico che ruota in senso inverso (orario). Si dimostra
infatti, anche con i numeri complessi, quello che era già noto
utilizzando le consuete tecniche per la somma dei vettori:

-ω ω A/2 e j( ω t+ θ )
+A/2 e -j( ω t+ θ )
=
I due segnali sono entrambi armonici = A/2 cos(ω t+θ )+ j A/2 sin(ω t+ θ )+ A/2 cos(-ω t- θ )+ jA/2 sin(-ω t-
alle frequenze ± ω e modulo A/2 θ )=
= A/2 cos(ω t+ θ )+ j A/2 sin(ω t+ θ )+ A/2 cos(ω t+ θ )- jA/2 sin(ω t+
θ )=
-ω =A cos(ω t+ θ )
ω
essendo: cos(-ω t) = cos(ω t) ed anche sin(-ω t)=-sin(ω t).
I due segnali sono entrambi armonici alle Un fasore caratterizzato da una pulsazione negativa rappresenta un
frequenze ± ω e fasi opposte ± θ
vettore che ruota in senso discorde a quello convenzionalmente 10
Analisi Armonica
Contenuto in frequenza di un segnale
Un segnale può essere scomposto in una somma o un integrale di funzioni armoniche.
L’insieme delle frequenze delle armoniche contenute nel segnale e dei relativi moduli e fasi costituiscono il
contenuto in frequenza del segnale

Segnali continui Serie di


periodici Fourier

Segnali continui Condizione di Trasformata


aperiodici Dirichelet di Fourier

Trasformata
Segnali
discreta di
digitali
Fourier

Analisi Armonica 11
Funzioni periodiche
(uso della SERIE DI FOURIER )
OBIETTIVO: approssimare funzioni periodiche qualsiasi
con somme di seni e coseni
IPOTESI:
1. numero finito di discontinuità nel periodo
2. numero finito di massimi e minimi nel periodo
3. integrabilità in valore assoluto in ogni periodo.
Ovvero: T
∫ x ( t ) dt < ∞
0

SERIE DI FOURIER
i = 1,2,3,.... ∞
a0 ∞  2πit 2πit  2π i
x (t ) = + ∑ ai cos + bi sen frequenze = fi = (rad )
2 i =1 T T  i
T
frequenze = fi = (Hz )
T
La funzione x(t) viene espressa come somma di funzioni seno e coseno
(con frequenze multiple delle fondamentale) moltiplicate per dei coefficienti
numerici da calcolare in funzione del tipo di segnale in esame
Analisi Armonica 12
SERIE DI FOURIER (a coefficienti reali)
Calcolo dei coefficienti ak e bk
T T

2 2
2πkt 2 2
2πkt
ak =
T ∫T x(t ) cos T dt b k =
T T
∫ x(t ) sen T
dt
− −
2 k = 0,1,2,.... ∞ 2

Per sviluppare in serie una funzione periodica con la serie di Fourier bisogna calcolare sia i coefficienti ak che bk. Per
ridurre la quantità di calcoli si utilizza la notazione complessa che ha il vantaggio di richiedere il calcolo dei soli
coefficienti x(k).
Spesso per calcolare i coefficienti ak e bk risultano utili alcune proprietà delle funzioni pari e dispari. A tal proposito si ricorda che:
•F(t) è funzione PARI se: F(t)= F(-t)
•F(t) è funzione DISPARI se: F(t)= -F(-t)
•Il prodotto di due funzioni pari è una funzione PARI - Il prodotto di due funzioni dispari è una funzione PARI - Il prodotto di due funzioni una pari e
una dispari è una funzione DISPARI

SERIE DI FOURIER A COEFFICIENTI COMPLESSI


Ricordando che ejω t =cos(ω t)+j sen(ω t)
T
t t
+∞ j 2πk 2 − j 2πk
x (t ) = ∑ x ( k )e T x( k ) = ∫ x (t )e T dt
k =−∞ T

k = 0,1,2,.... ∞ 2
Analisi Armonica 13
Ricostruzione delle funzioni periodiche con la
Trasformata di Fourier
Esempio n.1: Onda quadra
Tracciato temporale del segnale

Tramite le formule riportate nella pagina precedente si 5

calcolano i coefficienti ak e bk (si riporta solo il calcolo di 4

a0) e quindi si approssima l’onda quadra con la serie di 2

Fourier troncata al 7° termine. 1

Segnale
0
Si osservi che tutti i coefficienti bk, sono nulli: sono infatti il risultato di un
-1
integrale, su un intervallo di tempo simmetrico rispetto all’origine, di una
-2
funzione dispari (x(-t)=-x(t));
I coefficienti ak invece sono in generale non nulli: sono infatti il risultato di -3

un integrale, su un intervallo simmetrico rispetto all’origine, di una -4

funzione pari (x(t)=x(-t))


T
(*)
. T
-5
-2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5
Tempo (s)
2 2
a0 1 2 1
2
=
2T ∫T x (t ) cos( 0 )dt =
T ∫ x(t )dt = 0
T
Pulsazione fondamentale (rad)
(quella dell’onda quadra)
− −
2 2
ω 0=2π /T
4A 1 1 1 
x (t ) =  cos ω0t − cos 3ω0t + cos 5ω0t − cos 7ω0t +......
π  3 5 7 
(*)
a0 fa eccezione rispetto agli altri ak in quanto, pur calcolato tramite un integrale di funzione pari, risulta pari a zero. Ciò si spiega in quanto il significato
fisico di tale termine è il valor medio del segnale nel periodo. Se l’onda quadra fosse centrata su un valore diverso da zero (traslata verso l’alto o il basso),
pur rimanendo pari, avrebbe il termine a0 non nullo. Analisi Armonica 14
Ricostruzione dell’onda quadra tramite somma di 4 armoniche

4A 4A
x (t ) = cos ω0t x (t ) = − cos 3ω0t
π 3π

4A 4A
x (t ) = cos 5ω0t x (t ) = − cos 7ω0t
5π 7π

Prime 4 armoniche
Somma delle prime
riportate in un unico
4 armoniche e
grafico segnale originale

Analisi Armonica 15
Effetto del un numero delle armoniche
nella ricostruzione

Fenomeno di Gibbs
In corrispondenza ad ogni discontinuità del segnale originale vi è sempre una
sovrelongazione che vale l’ 8.95% della discontinuità stessa.
(Nell’onda quadra si hanno discontinuità ogni volta che si passa da 5 a -5 e viceversa. L’ampiezza
della discontinuità è pari a 10. La sovrelongazione non potrà essere inferiore a 0.895)
Analisi Armonica 16
Altri esempi: componenti elettronici sottoposti a un ingresso armonico

Esempio n.2
(diodo)

A π 2 2 2
x (t ) = 1 + cos ω0t + cos 2ω0t − cos 4ω0t + cos 5ω0t −...

π 2 3 15 35 

Esempio n.3
(raddrizzatore)

2A 2 2 2 
x (t ) = 1 + cos 2ω0t − cos 4ω0t + cos 6ω0t −.............
π  3 15 35 
Analisi Armonica 17
Altri esempi: componenti elettronici sottoposti a un ingresso armonico

Esempio n.4
(dente di sega)

8A 1 1
x (t ) = 2 
cos ω0t + cos 3ω0t + cos 5ω0t +.............

π  9 25 

Esempio n.5
(dente di sega)

2A  1 1 1 
x (t ) = sen ω0t − sen 2ω0t + sen 3ω0t − sen 4ω0t.......... ... 
π  2 3 4 
Analisi Armonica 18
Contenuto in frequenza di un segnale
Per ‘contenuto in frequenza’ di un segnale si intende di solito un diagramma doppio (modulo e
fase) che contenga tutte le informazioni necessarie per definire un segnale nel dominio delle
frequenze. Per ‘contenuto in frequenza’ si intende infatti l’insieme delle informazioni necessarie a
identificare completamente le componenti armoniche del segnale, ovvero di quell’insieme di
segnali armonici puri (seni e coseni) che, sommati tra loro, sono in grado di ricostruire
perfettamente il segnale originario.
Poiché le principali caratteristiche del segnale armonico puro sono costituite da pulsazione, modulo
e fase, queste sono le caratteristiche che devono essere specificate per ogni componente armonica
sotto forma di due diagrammi che descrivono il modulo e la fase in funzione della pulsazione.
3 3

Descrizione del segnale


2 nel dominio del tempo 2

1 1) Il segnale è veramente 1
Ampiezza segnale

Ampiezza segnale
periodico oppure lo è solo
0 apparentemente? 0

-1
2) Le caratteristiche del -1
segnale cambiano dopo il
-2 tempo t=5s? -2

-3 -3
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tempo(s) Tempo(s)

Analisi Armonica 19
Segnale 1 Segnale 2
3 3

2 2

1 1
Ampiezza segnale

Ampiezza segnale
0
Descrizione grafica nel 0
dominio del tempo
-1 -1

-2 -2

-3 -3
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tempo(s) Tempo(s)

y1 (t ) = 2 ⋅ cos(3 ⋅ t ) + 0.7 ⋅ cos(10 ⋅ t ) Descrizione analitica y1 (t ) = 2 ⋅ cos(3 ⋅ t ) + 0.7 ⋅ cos(10 ⋅ t + π )


Descrizione tabulare nel dominio delle frequenze
Componente Pulsazione Modulo Fase Componente Pulsazione Modulo Fase
(Ampiezza) (Ampiezza)
1 3 rad/s 2 0 1 3 rad/s 2 0

2 10 rad/s 0.7 0 2 10 rad/s 0.7 π

Modulo Modulo
2 2
Descrizione grafica nel
dominio delle frequenze
0.7 0.7
0 3 10 ω 0 3 10 ω
Fase Fase
π
0 3 10 ω 0 3 10 ω
Analisi Armonica 20
Contenuto in frequenza di un segnale periodico
Poiché ai segnali periodici è possibile applicare la Serie di Fourier, si sa già che le componenti armoniche
presenti nel segnale hanno pulsazione che è esclusivamente multiplo intero della pulsazione fondamentale (del
segnale periodico stesso): lo spettro è discreto (ci sono solo pulsazioni ben distinte tra loro).
L’ampiezza e la fase delle varie componenti armoniche si trovano determinando il modulo e la fase dei
coefficienti della serie di Fourier a coefficienti complessi.
Esempio: Onda quadra
Tracciato temporale del segnale Modulo
5
20
4 π

2
20
4
1 3π
20 π
Segnale

0 7π
0 π 3 5 7 ω
-1
π π π
-2 Fase
-3 π
-4
0 π 3 5 10 7 ω
π π π
-5
-2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5
Tempo (s)

4A  1 1 1 
x(t ) =  cos( ω 0t ) − cos( 3ω 0t ) + cos( 5ω 0t ) − cos( 7ω 0t ) + ...... = Pulsazione fondamentale (rad)
π  3 5 7  ω 0=2π /T=π
Ampiezza
20 20 4 20
= cos( πt ) − cos( 3πt ) + cos( 5πt ) − cos( 7πt ) + ...... Α=5
π 3π π 7π Se i segnali sono pari (come in questo caso) la fase sarà solo 0 e π
Se i segnali sono dispari la fase sarà solo π e 2π /3
Analisi Armonica Se i segnali sono qualsiasi, anche la fase sarà qualsiasi 21
Funzioni periodiche Serie di Fourier

Funzioni non periodiche Trasformata


di Fourier

Condizione di DIRICHLET: ∫ x (t ) dt < ∞
−∞
Anche se la funzione non è periodica, ma soddisfa la condizione di Dirichlet, la si può esprimere come
“somma” di funzioni armoniche. Mentre nella serie di Fourier sono presenti solo le frequenze multiple
della principale, nella Trasformata di Fourier compaiono tutte le frequenze. La formulazione che nel
caso della Serie coinvolgeva una sommatoria, nel caso della Trasformata diventa un integrale.

− j 2πft
X( f ) = ∫ x ( t )e dt
−∞
Consente di passare dal dominio del tempo
al dominio delle frequenze
Il segnale originario è nel dominio del tempo ma viene trasformato in una “somma” di segnali
sinusoidali a tutte le frequenze. La funzione X(f) indica il coefficiente moltiplicativo associato
all’armonica di frequenza f (è l’analogo del coefficiente x(k) della serie a coefficienti complessi).
Analisi Armonica 22
Trasformata inversa di Fourier
E’ l’operazione inversa della Trasformata: consente di passare dal dominio delle frequenze a quello del tempo

x (t ) = ∫ X ( f )e j 2πft df
−∞
La x(t) viene espressa come l’integrale di infiniti contributi armonici. X(f) fornisce il modulo del contributo alla
generica frequenza f, ma è necessario saperne la fase, altrimenti non si possono sommare.

La Trasformata di Fourier è un operatore COMPLESSO


(NB: x(t) è una funzione reale --- X(f) è una funzione complessa)
• può essere espressa attraverso parte reale ed immaginaria
• oppure come modulo e fase

Analisi Armonica 23
Alcune proprietà della Trasformata di Fourier
Def: funzioni pari (o simmetriche) se x(t)=x(-t)
funzioni dispari (o antisimmetriche) se x(t)=-x(-t)

• Funzioni dispari nel dominio del tempo si trasformano in funzioni dispari ed immaginarie nel dominio delle
frequenze (la fase di tutti contributi è 90 gradi - tornando per analogia alla serie di Fourier, la x(t) si otterrebbe
come somma di soli seni - tutti i coefficienti bk sarebbero nulli)
• Funzioni pari nel dominio del tempo si trasformano in funzioni pari e reali nel dominio delle frequenze (la
fase di tutti contributi è nulla - tornando per analogia alla serie di Fourier, la x(t) si otterrebbe come somma di soli
coseni - tutti i coefficienti ak sarebbero nulli)

Funzione
dispari

Funzione
pari

Analisi Armonica 24
Proprietà della Trasformata di Fourier
Ricordando la definizione di funzioni pari e dispari:
• funzioni pari (o simmetriche) se x(t)=x(-t)
• funzioni dispari (o antisimmetriche) se x(t)=-x(-t)

Si ha infatti che, indicando con:


• xp(t) funzioni pari
• xd(t) funzioni dispari
∞ ∞ ∞ ∞ ∞

∫x ∫x ∫x (t ) cos( 2π ft )dt − j ∫ xd (t ) sen( 2π ft )dt = − j ∫ xd (t ) sen( 2πft )dt


− j 2πft
X(f ) = d (t )e dt = d (t )[cos( 2π ft ) − j sen( 2π ft )]dt = d
−∞ −∞ −∞ −∞ −∞

Il coseno è una funzione pari, xd è dispari; il loro prodotto è


una funzione dispari, il cui integrale è nullo

∞ ∞ ∞ ∞ ∞

∫x ∫x ∫x (t ) cos( 2π ft )dt − j ∫ x p (t ) sen( 2π ft )dt = ∫x


− j 2πft
X(f ) = p (t )e dt = p (t )[cos( 2π ft ) − j sen( 2π ft )]dt = p p (t ) cos( 2π ft )dt
−∞ −∞ −∞ −∞ −∞

Il seno è una funzione dispari, xp è pari; il loro prodotto è


una funzione dispari, il cui integrale è nullo

Analisi Armonica 25
Contenuto in frequenza di un segnale transitorio
Ai segnali aperiodici non è possibile applicare la Serie di Fourier; per essi si applica la Trasformata di Fourier.
I diagrammi in termini di modulo e fase della Trasformata di Fourier costituiscono in tutto e per tutto il
contenuto in frequenza del segnale.
Poiché la Trasformata di Fourier è una funzione (complessa) le componenti armoniche presenti nel segnale non
sono più discrete: si dice quindi che il contenuto (o spettro) in frequenza di un segnale non periodico è uno
spettro continuo. In pratica in un segnale transitorio, o comunque non periodico, sono presenti tutte le
frequenze.
Si ha inoltre che in generale le ampiezze delle varie componenti armoniche tendono a decrescere con
l’aumentare della pulsazione (frequenza): ciò corrisponde al fatto che il segnale deve avere un contenuto
energetico finito (l’energia del segnale è correlata all’integrale della funzione prodotto tra ampiezza e
pulsazione).
Segnaletransitorionel tempo ContenutoinFrequenza
1

1 0.8

0.6

Modulo
0.8 0.4

0.2
Ampiezza segnale

0.6 0
0 5 10 15 20 25 30 35 40 45 50
Frequenza(Hz)

0.4 4

2
0.2 Fase (rad)
0

-2
0

-4
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 0 5 10 15 20 25 30 35 40 45 50
Tempo(s) Frequenza(Hz)

Analisi Armonica 26
Classificazione morfologica dei segnali
Un segnale s è funzione della variabile indipendente tempo t: s=s(t)

La classificazione morfologica avviene sulla base delle caratteristiche


1) del dominio di definizione di t
2) del codominio, cioè dell’insieme definito da s(t)
Classificazione sulla base delle caratteristiche del dominio t:
•segnali continui - funzioni del tempo definite nel dominio dei numeri reali;

•segnali discreti - definiti nell’insieme dei numeri relativi (..-2T,-T,0,T,2T,..).

Classificazione sulla base delle caratteristiche del codominio s(t):


•segnali ad ampiezza continua - hanno come codominio l’insieme dei numeri reali;
•segnali ad ampiezza discreta (o quantizzata) - hanno come codominio un insieme
finito (alfabeto), oppure un insieme infinito numerabile.

Analisi Armonica 27
Operazioni elementari sui segnali

Consiste nell’estrarre da un segnale continuo i


Campionamento valori che esso assume ad intervalli regolari di
tempo T
(sampling) (T viene detto tempo di campionamento)

Quantizzazione Consiste nell’approssimare l’ampiezza del


segnale al più vicino tra un numero finito di
(holding)
livelli equispaziati

Analisi Armonica 28
Segnali di interesse industriale definiti morfologicamente

Segnali analogici
(a tempo continuo e ad ampiezza continua)
hanno forma simile alla grandezza fisica rappresentata

Segnali campionati
(a tempo discreto e ad ampiezza continua)
ottenuti tramite campionamento di segnali analogici

Segnali quantizzati
(a tempo continuo e ad ampiezza discreta)
ottenuti per quantizzazione dei segnali analogici

Segnali numerici (o digitali)


(a tempo discreto e ad ampiezza discreta)
ottenuti per campionamento e successiva quantizzazione dei segnali
analogici

Analisi Armonica 29
Esempi di segnali secondo la classificazione morfologica

segnale analogico - continuo, definito per ogni t

segnale campionato - definito ad intervalli costanti di tempo T

segnale quantizzato - definito per ogni t, costante a tratti (sample and hold)

segnale numerico - trasformato in un numero nel calcolatore

Analisi Armonica 30
Segnali analogici e digitali

In generale i segnali sono analogici solo all’origine: Per essere acquisiti e processati sono
trasformati in segnali digitali.
Entrano in gioco il periodo (o la frequenza) di campionamento e la discretizzazione del
segnale.
I computer lavorano su numeri quindi il segnale deve essere rappresentato da una successione di dati
espressi in forma numerica.
Digitalizzare il segnale analogico vuol dire che, ad intervalli costanti di tempo (periodo di
campionamento), si attribuisce al segnale un valore con un determinato numero di cifre decimali.
Il segnale digitale è tanto più simile a quello analogico quanto:
• più piccolo è il periodo di campionamento;
• più grande è il numero di cifre decimali con cui si acquisisce il segnale.

Svantaggi: aumentano notevolmente la memoria ed i tempi richiesti alle macchine che processano il
segnale

Analisi Armonica 31
Trasformazione analogico-digitale (A/D)
Occorre fissare:
•Finestra temporale (durata dell’acquisizione, tempo durante il quale si osserva il segnale)
•Frequenza (o periodo) di campionamento
•Numero di cifre decimali per la discretizzazione del segnale
Segnale analogico Finestra temporale

Il segnale analogico Il segnale viene


sia di tipo sinusoidale osservato
nell’intervallo di
tempo tra 0 e 2
secondi

Campionamento Segnale campionato

Ottengo un segnale
non più continuo ma
Acquisisco il segnale fatto a pettine. Negli
solo all’interno della istanti di
finestra temporale ed a campionamento il
intervalli di tempo segnale digitale è pari
regolari a quello analogico,
negli altri casi è nullo

(si pensi di moltiplicare il segnale per 1 solo all’interno della finestra e


solo negli istanti di campionamento, altrimenti si moltiplica per 0)
Analisi Armonica 32
Trasformata discreta di Fourier (DFT)

La trasformata discreta di Fourier opera su sequenze di valori discreti,


equispaziati in un intervallo finito.
La FFT (Fast Fourier Transform) è lo schema di calcolo più efficiente
per valutare la DFT.

•La DFT è periodica con periodo N pari al numero di campioni acquisiti nel
dominio del tempo.
•Il suo calcolo comporta N2 moltiplicazioni di numeri complessi.
•Se il numero di campioni è una potenza di 2 (N=2k) le operazioni si riducono a
Nlog2(N) - (con un segnale di 1024 campioni le operazioni necessarie per il calcolo della DFT sfruttando la
FFT sono l’1% di quelle che occorrerebbero per il calcolo standard – da definizione – della DFT).

•Aumentando il numero di campioni acquisiti, a parità di frequenza di


campionamento, aumenta la risoluzione in frequenza
Analisi Armonica 33
Espressione analitica della DFT (1)
L’espressione analitica della DFT può essere ricavata:
• a partire dalla Trasformata di Fourier
• a partire dalla Serie di Fourier

Adottando il secondo approccio si ha che la DFT può essere calcolata


da una funzione temporale usando N campioni presi ai tempi:
t = 0, ∆t ,2 ∆t ,3∆t ...( N − 1) ∆t
in cui ∆ t è l’intervallo di campionamento. La DTF opera su una parte
(finestra) del segnale temporale e la tratta come segnale periodico.
Si può allora scrivere:

t n∆ t dt ∆t T N∆ t x(t) x(n) n=0,1,2,......(N-1)


t n
1T − j 2πk 1 N −1 − j 2 πk
X ( k ) = ∫ x ( t )e T dt ∑ x ( n)e N
n=0,1,2,......(N-1)
T0 N n =0

Analisi Armonica 34
Espressione analitica della DFT (2)
Analogamente si ottiene la Trasformata inversa discreta di Fourier
N −1 n
j 2πk
x ( n) = ∑ X (k )e N
n=0,1,2,......(N-1)
k =0

A non tutti gli N punti della DFT corrispondono frequenze presenti nel segnale
originale. Si ha infatti X(N-k)=X*(k) (dove x* complesso coniugato di x)
N −1 n N −1 n
1 − j 2π ( N − k ) 1 − j 2πk
X (N − k) =
N
∑ x(n)e
k =0
N
=
N
∑ x(n)e
k =0
− j 2πn
e N
=

N −1 n
1 j 2πk
=
N
∑x( n)(cos(
k =0
2πn ) − j sen( 2πn )) e N
=
*
1 N −1 j 2πk
n
1 N −1 − j 2πk
n

=
N
∑x( n)e N
= ∑x( n)e N
 = X (k )
*

k =0 N k =0 
N/2 degli N valori trovati con la DFT si ottengono dai precedenti N/2,
questi quindi non corrispondono ad un reale contenuto in frequenza
del segnale originario in corrispondenza alla frequenza f(N-k).
Analisi Armonica 35
Alcune proprietà della DFT
• Periodicità con periodo N i = intero
N −1 n N −1 n
1 − j 2π ( k +iN ) 1 − j 2πk
X ( k +iN ) =
N
∑x(n)e
k =0
N
=
N
∑x(n)e
k =0
− j 2πin
e N
=

N −1 n N −1 n
1 − j 2πk 1 − j 2πk
=
N
∑ x(n)(cos( 2πin) − j sen( 2πin))e
k =0
N
=
N
∑ x(n)e
k =0
N
= X (k )

• Le frequenze negative sono rappresentate dai punti [N/2 , N]


N −1 n N
1 − j 2π ( −k ) − j 2πn
X ( −k ) =
N
∑x(n)e
k =0
N
Moltiplicando per e N
=1

N −1 n N N −1 n
1 − j 2π ( −k ) − j 2πn 1 − j 2π ( N −k )
X ( −k ) =
N
∑x(n)e
k =0
N
e N
=
N
∑x(n)e
k =0
N
= X ( N −k )

Analisi Armonica 36
Contenuto in frequenza di un segnale digitale
Ai segnali digitali non è possibile applicare né la Serie né la Trasformata di Fourier; si può applicare
unicamente la Trasformata Discreta di Fourier. Perde anche significato la distinzione tra periodici e transitori in
quanto il segnale digitale è definito solo all’interno della finestra di osservazione.
I diagrammi in termini di modulo e fase della Trasformata Discreta di Fourier costituiscono il contenuto in
frequenza del segnale digitale che, a meno dei problemi che verranno in seguito analizzati, dovrebbe essere
rappresentativo del segnale analogico originario (digitalizzato per consentirne la memorizzazione e l’analisi).
La Trasformata Discreta di Fourier è una funzione digitale nel dominio della frequenza caratterizzata da
triplette di numeri rappresentati le frequenze (o pulsazioni, regolarmente intervallate tra zero e la frequenza di
Nyquist – metà della frequenza di campionamento), i moduli e le fasi delle componenti spettrali.
Poiché la DFT è una funzione digitale, i grafici dovrebbero essere in teoria costituiti da un insieme di punti,
anche se si preferisce di solito rappresentare i diagrammi come una linea spezzata che li congiunge.
Segnale digitale ContenutoinFrequenza
1

1 0.8

0.6

Modulo
0.8 0.4

0.2
Ampiezza segnale

0.6 0
0 5 10 15 20 25 30 35 40 45 50
Frequenza(Hz)

0.4 4

Fase (rad)
0.2
0

-2
0
-4
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 0 5 10 15 20 25 30 35 40 45 50
Tempo (s) Frequenza(Hz)

Analisi Armonica 37
FENOMENI NEGATIVI ASSOCIATI
ALL’ANALISI ARMONICA DEI
SEGNALI DIGITALI

Rimedio
Aliasing Filtraggio del segnale all’origine
(prima dell’acquisizione)

Rimedio
Leakage Windowing

Analisi Armonica 38
• Ai k nell’intervallo [0 , N/2] corrispondono le frequenze da zero alla
frequenza di Nyquist 1/(2∆ t)
• Ai k nell’intervallo [N/2 , N] corrispondono le frequenze negative
• Se si valutano k esterni all’intervallo [0 , N-1] si riscontra la
proprietà di circolarità (periodicità) della DFT
• Punti sfasati di N punti corrispondono a sfasamenti di fs=2F
(fs =frequenza di Nyquist, frequenza di campionamento o sampling)
• Sinusoidi a frequenze diverse ma differenti tra loro di multipli interi
di fs sono viste come identiche (aliasing)

Analisi Armonica 39
Esempio:
Frequenza di campionamento = 120 Hz
Frequenza di Nyquist = 60 Hz

Una componente del segnale a 100 Hz appare come un segnale a 20 Hz


ovvero un segnale di (100-60) = 40 Hz al di sotto delle frequenza di Nyquist

Analisi Armonica 40
Esempio:
Frequenza di campionamento = 9 Hz
Segnale reale = 8 Hz
Segnale apparente = 1 Hz

Teorema del campionamento di Shannon (o Nyquist):


• se x(t) è definita in -∞ ‹ t ‹ ∞ ( t numero reale)
• se X(f), Trasformata di Fourier di x(t), esiste
• se X(f) è a banda limitata ovvero | X(f)|=0 per |f|≥ fsup

allora se la frequenza di campionamento fs risulta fs ≥ fsup la x(t) può essere ricostruita dalla x(t)
campionata in modo univoco. Le discordanze, se ve ne sono, sono in punti isolati.

Analisi Armonica 41
Quindi:
Occorre campionare a frequenza almeno doppia della più alta
frequenza contenuta nel segnale.

Se un segnale ha una componente a frequenza fo ≥ F = fs/2 = 1/(2∆ t)


può porsi fo = AF = (i+d)F = (i+d)/(2∆ t) in cui i = parte intera di A
d = parte decimale di A

Si dimostra che le frequenze f’0 che appaiono nel segnale campionato sono:

Per i pari: f’0 = d F


Per i dispari: f’0 = (1-d) F = -d F

frequenze come 2.25 F, 4.25 F, 6.25 F appaiono tutte come 0.25 F


frequenze come 1.75 F, 3.75 F, 5.75 F appaiono tutte come 0.25 F

Analisi Armonica 42
Soluzioni contro l’aliasing
Per ovviare al problema dell’aliasing (eliminando a monte le frequenze
alte che non possono comunque essere individuate) occorre filtrare il
segnale analogico prima dell’acquisizione, in modo da eliminare tutte la
componenti a frequenze superiori a quella di Nyquist

Occorre quindi adottare dei filtri anti-aliasing, ovvero filtri passa-basso.

Non è possibile creare un filtro ideale che abbatta tutte e sole le frequenze al di
sopra della frequenza di taglio. I filtri reali attenuano le frequenze secondo una
curva la cui pendenza (dB/ottava) è indice dell’efficacia del filtro.

La banda passante del filtro è costituita dalle frequenze comprese tra zero e quella
che corrisponde ad una attenuazione del segnale di 3 dB (0.707 l’ingresso).
(L’ottava corrisponde ad un intervallo di frequenze con rapporto pari a 2)

Analisi Armonica 43
Contenuto in frequenza apparente del segnale campionato
(somma del contento effettivo e del contributo dovuto all’aliasing)
all’aliasing

8
Frequenza di Nyquist
7

Contenuto in frequenza
3
apparente del
segnale campionato
2

Riflessione Contenuto in frequenza


1
del segnale analogico

0
0 10 20 30 40 50 60 70 80 90 100

Frequenza (Hz)

Analisi Armonica 44
Filtri anti-aliasing
I filtri comunemente più adottati sono il filtro di Bessel, di Butterworth e di Chebyshev

Filtro Vantaggi Svantaggi


Butterworth Risposta piatta entro la banda Lento Roll-off iniziale
passante
Chebyshev Rapido roll-off iniziale Oscillazioni all’interno
della banda passante
Bessel Cambiamento di fase lineare

Analisi Armonica 45
Leakage

Già nei segnali analogici, la scelta della finestra temporale incide sui risultati della
analisi in frequenza. Con il segnali campionati, l’effetto del leakage si somma al
cosiddetto “effetto palizzata”.
Il campionamento temporale a frequenza 1/∆ t (∆ t è l’intervallo temporale tra due
campioni successivi) determina anche l’intervallo tra le frequenze che possono essere
calcolate con la DFT.
Tali frequenze sono, se N sono il numero dei campioni acquisiti:
0, 1/(N∆ t) , 2/(N∆ t) , 3/(N∆ t),.. k/(N∆ t)...distanti tra di loro 1/T0 = 1/(N∆ t).
La DFT è una funzione a lobi in cui i massimi tra loro e gli zeri tra di loro si trovano
equidistanziati di f=1/T0
Se il segnale campionato è di tipo armonico con periodo T, la posizione del massimo del
lobo principale si trova alla frequenza fmax = 1/T.
Se T0 è multiplo intero di T, i campionamenti in frequenza cascano in corrispondenza del
massimo del lobo centrale e degli zeri dei lobi laterali.
Se questo non accade non ottiene il massimo del lobo centrale e si hanno anche punti dei
lobi laterali (che non interessano)

Analisi Armonica 46
La DFT è periodica di periodo 1/T0 quindi la DFT del segnale
contenuto in una finestra temporale coincide con la DFT del segnale
che si ottiene affiancando ad essa una o più finestre temporali
Segnale analogico x(t)

Numero intero di
periodi (corretto)
(Finestra temporale)

Numero non
intero di periodi

(Finestra temporale)

Il segnale su cui viene effettuata la DFT risulta affetto da numerose


discontinuità - non è possibile ottenere il massimo del lobo centrale
della DFT
Analisi Armonica 47
Soluzioni per eliminare il Leakage:
Scelta preventiva della finestra temporale ottimale

Eliminazione parte dei campioni acquisiti


(è un problema se l’algoritmo di calcolo della DFT prevede che il numero di campioni sia una
potenza di 2 - N=2k )

Eliminazione parte dei campioni acquisiti e successiva interpolazione


(normalmente lineare) per raggiungere un numero di campioni N = 2k

Adozione di finestre temporali particolari tali da attenuare la parte iniziale e


finale dell’acquisizione temporale (filtri nel dominio del tempo)
•Finestra di Hanning
•Finestra di Hamming
•Finestra di Kaiser-Bessel
•Finestra Flat-Top
•Finestra esponenziale
•Finestra per la forza
Analisi Armonica 48
Dominio del tempo Trasformata di Fourier

Quando il leakage non è un


problema (segnali periodici
Finestra rettangolare o transitori con segnale nullo
all’inizio ed alla fina della finestra)

Di uso generale ma non è


specifica per distinguere
Finestra di Hanning armoniche molto simili

Differisce dalla precedente solo


Finestra di Hamming per l’ampiezza dei lobi laterali
e la loro pendenza

Finestra di Kaiser-Bessel Adatta per toni multipli a livelli


molto differenti

Finestra Flat-Top Per segnali sinusoidali


puri (per calibrazioni)

Analisi Armonica 49
Confronto Finestra rettangolare - di Hanning
Confronto tra le Trasformate di Fourier

Brutalmente si può
interpretare la DFT come
il campionamento, nel
dominio delle frequenze,
della convoluzione delle
Trasformate di Fourier del
segnale e della finestra
temporale
Finestre per l’analisi modale

Finestra per la forza Eccitazione (impulso


con martello strumentato)

Accelerazione
Finestra esponenziale

Analisi Armonica 50