מה זה Spectral Analysis?

ניתוח ספציפי הוא תהליך של מחיקה של אות זמן לתוך רכיבי התדר שלה.ב עיבוד אותות דיגיטליים (DSP), זה מגלה כמה אנרגיה האות מכיל בתדרים שונים, יחד עם מערכות היחסים בשלב בין תדרים אלה.התוצאה היא ייצוג תדירות-דומיין כי מהנדסים משתמשים כדי להבין התנהגות אותות, מסננים עיצוב, זיהוי דפוסים, ומיצוי מידע משמעותי מהנתונים רועשים שלה, ניתוח הליבה, ספק מרכזי תשובות "מה הם שאלות חזק", "מה הם שאלות" האם זה, כמה הם חזקים?"

הבסיס המתמטי של ניתוח ספקטרלי הוא ה- Fourier Transform, אשר ממפה פונקציה של זמן לתפקוד של תדירות. עבור אותות רצופים, Fourier Transform מספק תנוחה תדר מדויק.עבור אותות דיסקרטיים - הסוג המעובד על ידי מערכות דיגיטליות - ה- Discrete Fourier Transform (DFT) משרת את אותה מטרה אך הוא מלוכד נתונים מדגימים.

מעבר ל- Fourier Transform, טכניקות ניתוח ספקטרליות אחרות קיימות כדי לטפל במגבלות ספציפיות.התקופתג, לדוגמה, מעריכה את צפיפות הספקטרום של כוח (PSD) על ידי קשקשים בגודל של DFT פלטים.השיטה של Welch משתפרת על מסגרת זמן (שלבי רוחב, פלחי חלונות, צמצום שחלות בעלות של רזולוציה נמוכה יותר עבור אותות התוכן הקצרים שלהם - או תדרים (Time) לכדי שינוי של תדר קצר יותר (זמן) או לתדירות של תדרים קצרים יותר (זמן) או יותר) של תדרים (R.

גישה חזקה נוספת היא שינוי הגלול, אשר משתמש חלונות בגודל משתנה לספק הן זמן והן תדירות מקומיות. Wavelets מצטיינים בניתוח אירועים טרנספורמטיביים או אותות עם הפסקות חדות כי הם יכולים ללכוד התפרצויות קידוד גבוה ללא להקריב פרטים נמוכים ⁇ .שיטות כגון autoregressive (AR) מציעים פתרון גבוה עבור רשומות נתונים קצרים, מה שהופך אותם בעלי ערך ביישומים כמו מכ"ם וסיסמית ', שם יש רמות נתונים מוגבלות, כל סוג של רזולוציה נמוכה , רזולוציה רזולוציה , רזולוציה , , רזולוציה רזולוציה .

יסודות מתמטיים מרכזיים

The Fourier Transform andants

ה- Fourier Transform for a Continuous Note x(t) מוגדר כ- X(f) = ⁇ x(t) e^{-j2 ⁇ ft.D. בפועל, אנו עובדים עם דגימות דיסקרטיות, המוביל ל-DFT: X[k]= ⁇ {n=0.N-1\n/N] , האינדקס אינו יכול להתאים את ה-D.

ה-FFT אינו שינוי נפרד אלא אלגוריתם יעיל עבור מחשוב DFT.ה-FFT הנפוץ ביותר, אלגוריתם Cooley-Tukey, שובר שוב ושוב DFT בגודל N ל DFTs קטנים יותר, תוך מינוף סינפטיות בגורמים twidle. עבור אותות בעולם האמיתי, ספריות DSP רבות מציעות אופטימיזציה של FFT יישום כי מטפלות כוח-of ביעילות, אם כי יכול להתמודד עם אלגוריתמים מודרניים עם אלגוריתמים איטיים עם אלגוריתמים איטיים עם אלגוריתמים.

הכחשת הכחשה ספציפית

בעוד DFT מגלה amplitude ושלב, יישומים רבים אכפת רק על חלוקת החשמל על פני תדרים.הכוח ספקטרלי הכח (PSD) מתאר כיצד כוח האות מחולק עם תדירות. עבור אותות ⁇ סטיים, PSD הוא פשוט X(f) .2. עבור אותות אקראיים או סטוצ'סטיים, PSD חייב להיות מוערך כי האות הוא לא ניתן לחזור על בדיוק על ה-ידי תקופת ה-ה, אנחנו, טכניקות נפוצות:

  • (ב) [ה] [ה]] [ה]] [ה]] [ה]] [ה]] [ה]]] [ה]]] [ה]]] [ה]]]]] [ה]]] [ה'] [ה'] [ה']'[ה']']'[ה']']'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
  • (FLT:0) שיטתו של Welch:FLT:1 מתחלק האות לתוך פלח חפיפה, חל על חלון לכל אחד, מצמיד את תקופתו של כל פלח, ומממוצע אותם.Overlap (בדרך כלל 50% או 75%) מקטין את השחלות עוד יותר.
  • שיטת FLT:0 (Multitaper Method:FLT:1) משתמשת קבוצה של מדבקות אורטוקונים (רצףים של Slepian) כדי לייצר הערכות עצמאיות מרובות מאותה נתונים, ואז בממוצע אותם.זה מספק איזון טוב של החלטה והפחתה של שחלות, במיוחד עבור אותות עם פסגות ספקטרליות חדות.

בחירת ה- PSD המתאים ל- PSD תלויה בטבע האות ומטרות הניתוח.אם רזולוציית תדר היא קריטית והאות הוא קבוע לאורך תקופה ארוכה, DFT ארוך עם חלון מתאים יכול מספיק.אם האות הוא לא יסטיישן, STFT או גל גישות הם מתאימים יותר.

טכניקות מעשיות ליישום דיגיטלי

חלונות פונקציות

חלונות הוא חיוני כדי להפחית את הדלפה ספקטרלית.פונקציית חלון w [n] של אורך L מוכפל אלמנט-wise עם האות לפני DFT.התוצאה היא סחרחורת בין רוחב הנפח הראשי (אשר קובע רזולוציית תדר) ורמת לוב צד (אשר קובע כמה דליפות אנרגיה לתוך חלונות משותפים ותכונותיהם:

  • החלון:0 (Rectangular window: 1FLT:1 No Tapering, High resolution (narrowest Main lobe), אבל מאוד גבוה צד lobes (-13 dB), גורם לדליפה משמעותית.
  • החלון (Hann): ההרחבה הטובה (FLT:1) , Good Side lobe דיכוי (-31 dB) עם התרחבות גדולה בינונית.
  • (ב) חלון ה-[[1924]]: [[1924]]]], [[1924]]]], [[1924]]]], [[1924]]]]]], [[1924]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]
  • החלון השחור:0 (Blackman Window: FLT:1 אפילו פחות אובבים בצד התחתון (-58 dB) עלות של כיכר מרכזית רחבה יותר, שימושי כאשר טווח דינמי הוא קריטי, כגון זיהוי אותות חלשים ליד אלה חזקים.
  • חלון ה-0Kaiser: FLT:1 פרמטר מתואם β השולט במסחר-off - גבוה יותר β נותן פחות כיכרות צד אבל הרבה יותר גדול lobes העדיפו לעתים קרובות כאשר יש צורך בשליטה מדויקת.

כאשר משתמשים בפסגת חפיפות (כמו בשיטת Welch), החלונות צריכים לספק את הנכס קבוע-overlap-add (COLA) כדי להבטיח כי סכום המקטעים המקודדים של החלון ישחזר את האות המקורי ללא מודולציה אמפולנית.

אפס-כאב והתערבות

Zero- ⁇ כרוך במתן אפסים לאות לפני ה-DFT להגדיל את מספר התדירות בינארי.זה לא משפר את החלטת התדירות האמיתית - אשר נקבעת על ידי אורך האות והחלון - אבל הוא חלק את הספקטרום ומסייע לאתר שיאים ספקטרליים יותר במדויק.התערבות בין DFT bins באמצעות שיטות חד-משמעיות או חטא יכול גם לחדד הערכות.

יעילות אפילאלית

עבור יישומים בזמן אמת, אורך FFT, מדגם ועיבוד באמצעות ערכת חייב להיות מאוזן. מעבדי DSP רבים כוללים מאיץ חומרה FFT. על מעבדים למטרות כלליות, ספריות כמו FFTW (Fastest Fourier Transform במערב) באופן אוטומטי לבחור את האלגוריתם האופטימלי מבוסס על גודל קלט וחומרה.על מערכות משובצות, יישום קבוע FFT עם דרוג הם נפוצים.

יישומים ברחבי הנדסה ומדע

אודיו ו Acoustics

בהנדסת אודיו, ניתוח ספקטרלי מניע שוויון, דחיסה, ירידה רעש וניתוח אקוסטי חדר. a spectrogram של ביצועים מוסיקליים מגלה כיצד הרמוניים מתפתחים, המאפשר כלים כגון תיקון סטים והפרדה מקור. בעיצוב שמיעה, ספקטרום עיצוב אלגוריתמים להתאים את האלגוריתם לתדירות כדי לפצות על אובדן שמיעה.

תקשורת וקיצוני

בתקשורת אלחוטית, ניתוח ספקטרלי משמש למדידת רוחב פס ערוץ, לזהות הפרעות, וליישם תדירות קליטת תדירות אוטגונית מרובות (OFDM) מנתחים Spectrum מסתמכים על מדידות המבוססות FFT כדי להציג כוח אותות על פני תדירות.מערכות Radar להשתמש עיבוד הדופק-Doppler: רצף של פרופילים הוא שינוי באמצעות FFT על פני ציר הזמן איטי כדי לחלץ במהירות מצורה 2Dרזולוציה גבוהה.

עיבוד אותות ביו-רפואי

ניתוח אלקטרונספילוגרפיה (EEG) מבוסס במידה רבה על ניתוח ספקטרלי כדי לסווג את מצבי המוח.גלים אלפא (8-12 הרץ) מצביע על הרפיה, גלי בטא (13-30 הרץ) מצביעים על ריכוז פעיל, וגלי דלה (0.5-4 ) שולטים עמוק בשינה.מרפאות ⁇ ספקטרום כוח ⁇ מתקופות EEG ולחפש שינויים כי אפילפסיה, הפרעות שינה או קוגניטיביות (D) מכילים אותות אלקטרו-ריים נמוכים יותר (G) עם רמת רגישות נמוכה יותר) עם רמת רגישות נמוכה יותר.

ניתוח ובדיקת בריאות סטרקטיבית

רוטט מכונות - מנועים, טורבינות, ארגזים - משפר אותות רטט עם רכיבי תדר ספציפיים.ניתוח ספקטרלי יכול לזהות חוסר איזון, חוסר איזון, עשש, ונזקי הילוכים על ידי זיהוי פסים או שינויים במבנה הרמוני. ספקטרום (מצייתים על ידי סינון פסים קשיחים ולאחר מכן נטילת FFT של המעטפה) יעיל במיוחד עבור זיהוי תקלות מקומיות או שינויים במבנה הרמוני.

סיאולוגיה וגיאופיזיקה

אותות סיסמית שנרשמו על ידי גיאופונים מכילים שפע של מידע תדר.הספקטרום הארבעה של עקבות סיסמיים חושף את התוכן התדירות של סוגים שונים של גל (P-waves, S-waves, גלי פני השטח) יחסים ספציפיים בין תחנות שונות עוזר להעריך את העצימה ואת אפקטים האתר.ב חקר שמן, ספקטרום של נתונים ספירליסטי מדגיש מיטות דקות ומגעים נוזליים - נוטים למתחים, בעוד שמשתנים, כמו מגמות מהירות, כמו שיטות מתקדמות.

אתגרים, פיטולים, וכיצד להתגבר על ההם

המונחים: Spectral Leakage and Windowing Trade-offs

גם עם חלון קפדני, חלק מהדלפה היא בלתי נמנעת.רכיב סינוסדי חזק יכול להסוות רכיבים חלשים יותר בקרבת מקום.אם האות מכיל גם רכיבים קבועים ו transient, אורך חלון אחד לא יכול להתאים הן.פתרון אחד הוא להשתמש בניתוח רב-פתרון: ספקטרום compute spectra עם כמה אורכו של החלון משלב תוצאות.עוד הוא להשתמש Chirp Z-transform, אשר יכול לשמש גן החיות לתוך לוח זמנים גבוה יותר עם רזולוציה גבוהה יותר עם אורך FFT.

אותות שאינם רשומים ו Transient

אותות התוכן התדר שלהם משתנה לאורך זמן (למשל, דיבור, תנודות מנוע במהלך האצה) דורשים ניתוח סיבולת זמן.ה-STFT עם אורך חלון קבוע הוא מרווח: חלון קצר מספק פתרון זמן טוב אבל החלטה בתדר נמוך; חלון ארוך עושה את ההפך. הגל הופך להתגבר על זה על ידי שימוש חלונות קצרים בתדרים ארוכים וחלונות ארוכים בתדרים נמוכים, המציעה פתרון זמן טבעי יותר של תנוחה; עבור ספקטרום מספיק (ספקטרום) ספקטרום הראייה (ת) הוא מספיק ליישומים (ספקטרום) ספקטרום (ספקטרום) הוא מספיק גבוה (ספקטרום) ספקטרום (ספקטרום) הוא מספיק גבוה (ספקטרום) ספקטרום (ספקטרום) ספקטרום (ספקטרום) הוא מספיק של ספקטרום (ספקטרום (ספקטרום) הוא מספיק גבוה (תרפסומטי) הוא מספיק) הוא ספקטרום) ספקטרום (pertpertpertpertpertpertpertpertpertexo) עבור ספקטרום (pertropopertropo) הוא מספיק גבוה (pertexopertropopertropopertroptexopertropo) עבור תדרים (pertexo) הוא על ידי שימוש תדרים) הוא ספקטרום) הוא מספיק גבוה (pertroptroptropo

רעש וסימן נמוך - ל-Noise Ratio

רעש משחית את ההערכות הספקטרום, במיוחד כאשר אות העניין חלש. Averaging מספר ספקטרום (כמו בשיטת Welch) מפחית את השחלות אבל דורש תנוחה. עבור SNR נמוך מאוד, סינכרן averaging יכול לשמש אם האות הוא תקופתי וטריגר זמין. במקרים אחרים, שיטות תת-מרחב כמו MUSIC (Multiple) או מספר סימטרי של שיטות לרוטאומטר (R) או מספר כפול של רעש (R) או ספקטרום) יכול לפתור את מספר כפול (R) באמצעות מספר כפול של שיטות דלקת הלחמית (R) או מספר TER) או מספר TERS (R) של רעשים (R) או מספר TER) או מספר TER) של שיטות דלקת הלחמית (R) של רעש (R) או מספר שיטות דלקת הלחמית (R) או מספר TER) או מספר TER) של שיטות דלקת הלחמית (R) של רעש (R) של רעש (R) או מספר כפול (R) או מספר TER) של רעש (R) או מספר כפול של רעש (R) של רעש (R) או מספר הסתברות של רעש (R) או מספר כפול של שיטות דלקת הלחמיתות (R) או מספר כפול

דרישות סודיות ונפיחות

משפט ניאקיט-שןנון מדגימה קובע כי שיעור הדגימה חייב להיות לפחות פעמיים את התדירות הגבוהה ביותר נוכח האות.אם מצב זה מופרת, רכיבים מתקפלים גבוה לתוך בסיס ושחית את הספקטרום. פילטרים אנטיפלילינג (נמוך) יש ליישם רק לפני הדגימה.

מגמות מודרניות ושיטות מתקדמות

למידה עמוקה לניתוח ספציפי

Neural networks can learn to perform spectral analysis tasks without explicit basis functions. For example, autoencoders can denoise spectrograms, and convolutional networks can classify signals based on their spectral content. However, these black-box methods lack the mathematical guarantees of Fourier-based approaches and require large labeled datasets. They are most useful when the signal characteristics are poorly understood or vary in complex, non-linear ways.

תזמון והצלה

כאשר אות הוא ספאר בתחום התדר (כלומר, מכיל רק כמה מרכיבים משמעותיים של תדר), טכניקות חישה דחוס יכול לשחזר את הספקטרום המלא מדגימות פחות מאשר נדרש על ידי קצב Nyquist. זה חשוב במיוחד ביישומים כמו MRI, שבו זמן רכישת נתונים מוגבל.מדת ואלגוריתם שחזור (למשל, בסיס או זהerativeing) ניצול ספילרים במדויק כדי לשחזר את ה- Fאפקטיביות.

GPU-Accelerated and Real-Time Spectral Analysis

יחידות עיבוד גרפיות (GPUs) יכולות לבצע מקבילות מסיבית FFTs, המאפשר ניתוח ספקטרלי בזמן אמת של אותות פסווידית.רדיו המוגדרים על ידי Software-Fis (SDRs) לעתים קרובות משלבים FFTs מבוסס GPU עם תצוגות ספקטרוגרמה כי עדכון בזמן אמת.עבור FT מיליון ארוך מאוד (s של נקודות), מסגרות מחשוב מבוזרות כמו SparkC שימשהתהליך של נתונים מרכזיים.

מסקנה

ניתוח ספקטרלי נשאר אחד הכלים החזקים ביותר בשימוש נרחב בעיבוד אותות דיגיטליים.מ- Fourier Transform ועד גישות מודרניות parametric ולמידה עמוקה, היכולת לחשוף את התוכן התדירות של אות מתחת לאינספור יישומים בהנדסה, מדע, ורפואה.הצלחה דורשת תשומת לב זהירה לחלון, החלטה, רעש, ועמידותחנה. על ידי שליטה על יסודות מתמטיים וטכניקות יישום מעשי, מתרגלים יכולים להפיק ערך מקסימלי מהנתונים שלהם, כמו גם כן, להמשיך את החשיבות של עיבוד חדש של חומרה.

(ב) ראו את הטקסט הקלאסי:0 (D) עיבוד אותות של Oppenheim ו-ShaferveFLT:1, המדריך המעשי של ה-FLT:2NIST על ניתוח ספציפי של Spectral AnalysisFLT 3: וסקירה מקיפה של פונקציות החלון ב-FLT:4 National Instruments NoteFLT:5NIST).