Estoy haciendo un análisis de espectro de una señal que varía en el tiempo con un cambio de frecuencia de 200Hz a 10kHz. Estoy usando la FFT para analizar el componente de frecuencia en la señal. Mis preguntas son:
- ¿Cómo decidir sobre la resolución de frecuencia y el ancho de la ventana para la señal?
- ¿Qué tipo de función de ventana es adecuada para la señal de tiempo variable?
- ¿Cuál debería ser el tamaño óptimo para FFT?
La frecuencia de muestreo de la señal es 44.1kHz.
Respuestas:
Como está trabajando con una frecuencia de muestreo fija, la longitud de su FFT (que requerirá que su ventana tenga el mismo ancho) aumentará su resolución de frecuencia. El beneficio de tener una resolución de frecuencia más fina es doble: la aparente es que obtienes una resolución de frecuencia más fina, de modo que puedas distinguir dos señales que tienen una frecuencia muy cercana. El segundo es que, con una resolución de frecuencia más alta, su piso de ruido FFT será más bajo. El ruido en su sistema tiene una potencia fija, no relacionada con el número de puntos de su FFT, y esa potencia se distribuye de manera uniforme (si estamos hablando de ruido blanco) a todos sus componentes de frecuencia. Por lo tanto, tener más componentes de frecuencia significa que la contribución de ruido individual de sus intervalos de frecuencia se reducirá, mientras que el ruido integrado total permanece igual, lo que resulta en un piso de menor ruido. Esto le permitirá distinguir un rango dinámico más alto.
Sin embargo, existen inconvenientes al usar una FFT más larga. El primero es que necesitará más potencia de procesamiento. El FFT es un algoritmo O (NlogN), donde N es el número de puntos. Si bien puede no ser tan dramático como el ingenuo DFT, el aumento de N comenzará a desangrar su procesador, especialmente si está trabajando en los confines de un sistema integrado. En segundo lugar, cuando aumenta N, está ganando resolución de frecuencia mientras pierde resolución de tiempo. Con una N más grande, debe tomar más muestras para llegar al resultado de su dominio de frecuencia, lo que significa que necesita tomar muestras durante un tiempo más prolongado. Podrá detectar un rango dinámico más alto y una resolución de frecuencia más fina, pero si está buscando espuelas, tendrá una idea menos clara sobre CUANDO esa espuela ocurrió exactamente.
El tipo de ventana que debe usar es un tema completamente diferente, que no estoy tan informado para darle una respuesta a cuál es mejor. Sin embargo, diferentes ventanas tienen diferentes características de salida, de las cuales la mayoría (si no todas) son reversibles después del procesamiento del resultado FFT. Algunas ventanas pueden hacer que sus componentes de frecuencia sangren a las bandejas laterales (si no me equivoco, la ventana de Hanning hace que sus componentes aparezcan en tres bandejas), otras pueden brindarle una mejor precisión de frecuencia al introducir algunos errores de ganancia en sus componentes. Esto depende completamente de la naturaleza del resultado que está tratando de lograr, por lo que haría una investigación (o algunas simulaciones) para llegar a cuál es el mejor para su aplicación específica.
fuente
Lo primero es lo primero, la frecuencia de muestreo debe ser al menos dos veces la frecuencia máxima de la señal que es (44.1kHz> 2x10kHz). Luego, si la longitud de la ventana en el dominio del tiempo es T, la resolución de frecuencia con FFT es exactamente 1 / T. La resolución en el dominio de la frecuencia utilizando la FFT no tiene nada que ver con la frecuencia de muestreo en el dominio del tiempo. Pero como se señaló en la respuesta anterior, la ventana del dominio del tiempo no puede ser demasiado grande porque entonces perdería información sobre las señales espurias que aparecen solo momentáneamente. Por lo tanto, debe haber un compromiso entre la resolución de frecuencia y la detección de señales espurias. Por último, FFT no es el único algoritmo que toma una señal del dominio del tiempo al dominio de la frecuencia. Si está buscando alta resolución en el dominio de la frecuencia con un número limitado de muestras en el dominio del tiempo, puede usar técnicas de estimación espectral de alta resolución como MUSIC y ESPIRIT. Estos también se utilizan para la estimación de la dirección de llegada (DOA), que es bastante similar al problema de estimación espectral.
fuente