Professional Documents
Culture Documents
STFT
STFT
ELEKTROFIZIOLOŠKIH SIGNALA
marko lainovi ć
EHNIČKI FAK
ROT UL
KT TE
LE
T
E
NI D
U
U
VE
R ZI RA
TE T U BE OG
Diplomski rad
Mentor: Prof. Mirjana Popović
Februar 2013
i uvod 1
1 sažet pregled 3
2 uvod u u vremensko-frekvencijske metode 5
2.1 Nestacionarnost 5
2.2 Furijeova transformacija 5
2.3 FT i nestacionarni signali 6
2.4 Osobine idealne vremensko-frekvencijske reprezenta-
cije 12
2.4.1 Svojstva kovarijanse 13
2.4.2 Svojstva raspodele energije 14
2.4.3 Svojstva analize signala 15
2.4.4 Svojstva lokalizacije 15
2.4.5 Svojstva očuvanja unutrašnjih proizvoda 16
2.5 Frekvencija i trenutna frekvencija - sličnosti i razlike 16
2.6 Podela metoda 19
2.6.1 Linearne vremensko-frekvencijske metode 19
2.6.2 Kvadratne raspodele 20
2.7 Primene 21
iii
iv dodatak 95
a prozorska funkcija 97
bibliografija 101
vi
AKRONIMI
vii
UVOD
x (t) = ∑ Ak e j(2π f t+ ϕ ) ,
k k (1)
k ∈N
toga, dati1 su signali x (t) (slika 1a), i y(t) (slika 1b) (ograničeni na τ
sekundi)
-1
-2
(a) x (t)
-10 -5 5 10
Vreme @sD
-1
-2
(b) y(t)
2 Spektar signala x [n] je ispao tako oštar zato što su se frekvencije kosinusoida tačno
poklopile sa vrednostima frekvencija u kojima su uzimani odbirci za DFT. U opštem
slučaju nije tako, razlivanje spektara će postojati kod oba grafika, i razlika izmed̄u
spektara X [k] i Y [k] će biti manje uočljiva.
1.0
0.5
Frekvencija @HzD
-10 -5 5 10
-0.5
-1.0
(a) X ( f )
1.0
0.5
Frekvencija @HzD
-10 -5 5 10
-0.5
-1.0
(b) Y ( f )
cos(2*pi*f3*t).*(heaviside(t-t3)-heaviside(t-t4));
Frekvencija @HzD
-1.0 -0.5 0.5 1.0
-1
(a) X ( f )
Frekvencija @HzD
-1.0 -0.5 0.5 1.0
-1
-2
-3
(b) Y ( f )
0.7 0.18
0.16
0.6
0.14
0.5
0.12
0.4 0.1
0.3 0.08
0.06
0.2
0.04
0.1
0.02
0 0
−8 −6 −4 −2 0 2 4 6 8 −8 −6 −4 −2 0 2 4 6 8
Frekvencija [Hz] Frekvencija [Hz]
Vreme [s]
Ova svojstva znače da, ako se signal promeni operacijama kao što
su množenje, translacija, modulacija, dilatacija ili konvolucija, njegova
VFR bi trebala da se promeni na isti način.
2.4.1.1 Modulacija
2.4.1.3 Skaliranje
1 f f
q
y(t) = | a| x ( at) =⇒ Y ( f ) = p X ( ) =⇒ Y (t, f ) = X ( at, ).
| a| a a
(7)
Ovo svojstvo govori da skaliranje signala po vremenskoj osi rezultuje
samo odgovarajućim skaliranjima VFR po svojim osama.
2.4.1.4 Konvolucija
Z Z
y(t) = h(t − τ ) x (τ )dτ =⇒ Y ( f ) = H ( f ) X ( f ) =⇒ Y (t, f ) = H (t − τ, f ) X (τ, f )dτ.
(8)
Konvolucija3 dva signala u vremenskom domenu bi trebala proizvesti
konvoluciju njihovih VFR.
2.4.1.5 Množenje
Z Z
y(t) = h(t) x (t) =⇒ Y ( f ) = H ( f − ν) X (ν)dν =⇒ Y (t, f ) = H (t, f − ν) X (ν)dν.
(9)
Konvolucija dva signala u frekvencijskom domenu bi trebala proizve-
sti konvoluciju njihovih VFR.
2.4.2.2 Pozitivnost
X (t, f ) ≥ 0, ∀ x ( t ). (11)
Transformacija bi trebala imati nenegativne vrednosti da bi imalo smi-
sla tumačiti je kao raspodelu energije.
Z
X (t, f )d f = | x (t)|2 , ∀ x ( t ). (12)
Integracijom po frekvenciji bi u svakom trenutku trebala da se dobija
vremenska gustina energije.
Z
X (t, f )dt = | X ( f )|2 , ∀ x ( t ). (13)
Integracijom po vremenu bi na svakoj frekvenciji trebala da se dobija
spektralna gustina energije.
Z Z Z
X (t, f )dtd f = | X ( f )|2 d f = Ex . (14)
Ako bi TFR predstavljala gustinu energije po t − f ravni, njen integral
bi morao dati ukupnu energiju signala.
Z Z Z
tn X (t, f )dtd f = tn | x (t)|2 dt. (15)
Z Z Z
n
f X (t, f )dtd f = f n | X ( f )|2 d f . (16)
/ (t1 , t2 ) =⇒ X (t, f ) = 0 za t ∈
x (t) = 0 za t ∈ / ( t1 , t2 ) . (17)
Idealna VFR bi na vremenskoj osi trebala da počinje i da se završava
isto kada i signal.
X ( f ) = 0 za f ∈
/ ( f 1 , f 2 ) =⇒ X (t, f ) = 0 za f ∈
/ ( f1, f2 ) . (18)
Idealna VFR treba da zauzima isti propusni opseg kao i sam signal.
R
1 d f X (t, f )d f
f x (t) := arg { x (t)} = R . (19)
2π dt X (t, f )d f
R
1 d tX (t, f )dt
τx ( f ) := − arg { X ( f )} = R . (20)
2π dt X (t, f )dt
X ( f ) = δ( f − f 0 ) =⇒ X (t, f ) = δ( f − f 0 ). (21)
Z Z Z
∗
| 2
x (t)y (t)dt| = X (t, f )Y ∗ (t, f )dtd f . (23)
Afina klasa: ovoj klasi pripadaju sve VFR koje zadovoljavaju svojstva
skaliranja i vremenske translacije, tj.
f
q
Afina klasa = X (t, f ) | | a| x ( a (t − t0 )) =⇒ X ( a (t − t0 ) , )
a
(25)
t = (0:N-1)*T;
x = sin(2*pi*t.*t);
plot(t,x);
1.5
0.5
−0.5
−1
−1.5
−0.5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
Vreme [s]
1. STFT:
1
Z
f (t) := f | XSTFT (τ, f )|2 d f (28)
| x (t)|2
2. WT: Iako se kod WT se frekvencija ne pominje eksplicitno nigde,
pseudo-frekvencija koja se često koristi je
fc
f := , (29)
a
gde je a faktor skale, a f c može biti frekvencija gde je FT vejvleta
maksimalna, ili nekako drugačije definisana. Jedan od načina
estimacije trenutne frekvencije je analizom tzv. grebena u WT
(eng. wavelet ridge analysis), i tada se koristi WT sa analitičkim
vejvletima. U slučaju asimptotskih analitičkih signala, postojaće
lokacije na a − b ravni gde će frekvencija vejvleta biti jako bliska
lokalnoj frekvenciji signala za taj vremenski trenutak, pa će WT
koeficijenti imati velikve vrednosti u tim lokacijama. Vrednosti
skala za ove koeficijente obrazuju tzv. grebene na a − b ravni za
koje važi
fc
ar ( t ) = , (30)
f (t)
gde je f c ponovo neka frekvencija izabrana na pogodan način.
Takod̄e, kada se ustanove vrednosti skala koje obrazuju greben,
analitički signal se može još lakše konstruisati pošto se pokazuje
da važi
XWT ( ar (t), t) ∝ x a (t). (31)
Postoji više metoda za nalaženje grebena: bilo traženjem lokal-
nih maksimuma WT ili korišćenjem relacije (31) pomoću koje se
pokazuje da važi
d fc
arg{ XWT ( , t)} ≈ f (t), (32)
dt f (t)
što
znači daj2πjef t drugi
izbor atoma za predstavu signala s(t) skup
ατ, f (t) := e , a FT signala s(t) je tada njegova prezentacija!
Ova dva primera skupova atoma su vrlo specifična: od dva mo-
guća, prvi primer atoma koristi samo τ kao parametar, a drugi primer
atoma koristi samo f . Prvi atom je savršeno lokalizovan u vremenu,
dok je drugi savršeno lokalizovan u frekvenciji, oba su Dirakovi im-
pulsi u svojim domenima. Nemoguće je imati atom koji je savršeno
lociran i u vremenskom i u frekvencijskom domenu; to je posledica
Hajzenbergovog principa neodred̄enosti.
Analizom signala ovim atomima dobijamo samo informacije u jed-
nom domenu, i zato su ovi primeri ekstremni. Atom u vremensko-
frekvencijskoj analizi se po svojoj korisnosti mora naći negde izmed̄u
ova dva ekstrema.
U opštem slučaju, jednačina sinteze signala glasi
Z Z
s(t) = Es (τ, f )ατ, f (t)dτd f , (35)
R x ( τ ) ↔ S x ( f ). (39)
WVD je Furijeov par trenutne autokorelacione funkcije (po promen-
ljivoj τ)
R x (t, τ ) ↔ XWV (t, f ). (40)
Prednosti kvadratnih raspodela je što imaju realne vrednosti, nenega-
tivne su, i što je reprezentacija signala preko njih dosta preciznija, pa
2.7 primene
• Medicinske aplikacije
– Analiza MRI
– Analiza EKG
– Analiza EGG
– Obrada slika dobijenih ultrazvukom
– Mamogrami (detekcija tumora)
– Razni drugi modaliteti medicinskog slikanja
– Detekcija epilepsije
• Telekomunikacione aplikacije
– Eliminacija šuma
– Kompresija signala
– Prepoznavanje lica
– Prepoznavanje govora
– Muzička analiza
• Matematičke aplikacije
– Rešavanje parcijalnih diferencijalnih jednačina
• Geofizičke aplikacije
– Analiza seizmičkih signala za detekciju formacija stena,
prirodnog gasa, polja nafte
• Finansijske aplikacije
– Analiza vremenskih sekvenci podataka
– Predikcija ponašanja akcija i drugih finansijskih činilaca
• Metereološke aplikacije
STFT je vrlo slična FT, samo što su kompleksne sinusoide e j2π f t sada
zamenjene atomima gτ, f (t). Primećuje se i da se ovakva metoda može
posmatrati i kao FT signala x (t) pomnoženog prozorskom funkcijom
w(t), i otuda naziv same metode.
Budući da je funkcija dve promenljive, spektrogram može biti pri-
kazan kao površina u prostoru ili kao slika, kada se vrednostima do-
daju inteziteti fiktivnih boja.
Prozorska funkcija w(t) je od esencijalne važnosti za oblik XSTFT (τ, f ).
Njeni parametri, poput prvog momenta i devijacije, imaju osnovnu
ulogu u kompromisu izmed̄u frekvencijske i vremenske lokalizacije.
25
1 f = 1 Hz
0.5
−0.5
−1
−4 −3 −2 −1 0 1 2 3 4
V reme [s]
1 f = 2 Hz
0.5
−0.5
−1
−4 −3 −2 −1 0 1 2 3 4
V reme [s]
1 f = 3 Hz
0.5
−0.5
−1
−4 −3 −2 −1 0 1 2 3 4
V reme [s]
t2
Slika 8: Realni delovi STFT atoma oblika gτ, f (t) = e− 2 e j2π f t .
• Linearnost
• Pomeranje u vremenu
• Pomeranje u frekvenciji
• Skaliranje
1 (wa ) f
x ( at) ↔ XSTFT ( aτ, ), (46)
| a| a
gde su a i b su kompleksne konstante, i gde je wa (t) := w( at ).
0.04
0.03
0.02
0.01
0
−4 −3 −2 −1 0 1 2 3 4
Frekvencija [Hz]
0.04
0.03
0.02
0.01
0
−4 −3 −2 −1 0 1 2 3 4
Frekvencija [Hz]
0.04
0.03
0.02
0.01
0
−4 −3 −2 −1 0 1 2 3 4
Frekvencija [Hz]
• Linearnost
( aw+bv) (w) (v)
XSTFT (τ, f ) = a∗ XSTFT (τ, f ) + b∗ XSTFT (τ, f ). (47)
• Pomeranje u vremenu
(w(t−t0 )) (w)
XSTFT = XSTFT (τ + t0 , f ). (48)
• Pomeranje u frekvenciji
1
h x (t), y(t)i L2 (R) = h XSTFT (τ, f ), YSTFT (τ, f )i L2 (R2 ) . (53)
||w||22
1
ZZ
x (t) = XSTFT (τ, f )w(t − τ )e j2π f t dτd f ., (55)
kwk22
gde jednakost važi u L2 -smislu. U opštem slučaju, rekonstrukcija sig-
nala je moguća i sa drugom prozorskom funkcijom v(t). Formula
tada glasi
1
ZZ
x (t) = XSTFT (τ, f )v(t − τ )e j2π f t dτd f , (56)
hw, vi
dokle god je
Z
w(t)v∗ (t)dt 6= 0. (57)
Z
F f−→1 µ { XSTFT (τ, f )} = XSTFT (τ, f )e j2π f µ d f (58)
Z Z
= x (t)w∗ (t − τ )e− j2π f t dt e j2π f µ d f
Z Z
∗ j2π f (µ−t)
= x (t)w (t − τ ) e d f dt
Z
= x (t)w∗ (t − τ )δ(µ − t)dt
= x ( µ ) w ∗ ( µ − τ ).
1
x (τ ) = F f−→1 µ { XSTFT (τ, f )}|µ=τ . (59)
w ∗ (0)
Ako se usvoji da je prozor realna i pozitivna funkcija, i da važi ||w||1 =
1, FT signala x (t) se može dobiti na sledeći način
Z Z Z
∗ − j2π f t
XSTFT (τ, f )dτ = x (t)w (t − τ )e dt dτ (60)
Z Z
− j2π f t ∗
= x (t)e w (t − τ )dτ dt
prozor
signal
Realni deo
0.5
0
Linearna razmera
0.5
0.45
0.4
Spektralna gustina energije
0.35
Frekvencija [Hz]
0.3
0.25
0.2
0.15
0.1
0.05
0
4 3 2 1 20 40 60 80 100 120
Vreme [s]
Realni deo
0
−1
Linearna razmera
0.5
0.4
Frekvencija [Hz]
0.3
0.2
0.1
0
1.5 1 0.5 20 40 60 80 100 120
x 10
4 Vreme [s]
10
Linearna razmera
0.5
0.45
0.4
Spektralna gustina energije
0.35
Frekvencija [Hz]
0.3
0.25
0.2
0.15
0.1
0.05
0
3 2 1 20 40 60 80 100 120
x 10
4 Vreme [s]
|W(f)|
a<1
a=1
a>1
|w(t)|
∆ fw
| f k − t l |, ( k 6 = l ). (74)
a
Prozor w(t) koji daje savršenu vremensku rezoluciju je Dirakov im-
puls
w(t) = δ(t) ⇒ XSTFT (τ, f ) = x (τ )e− j2π f τ . (75)
Sledeći kod koristi diskretnu STFT u MATLAB-u i diskretni Dirakov
impuls kao prozor na signalu sa Gausovom anvelopom i linearno
rastućom frekvencijom.
sig = amgauss(128).*fmlin(128);
w = 1;
tfrstft(sig,1:128,128,w);
0.5
0
−0.5
Linearna razmera
0.5
0.4
Spektralna gustina energije
Frekvencija [Hz]
0.3
0.2
0.1
0
250 200 150 100 50 20 40 60 80 100 120
Vreme [s]
Realni deo
0.5
0
−0.5
Linearna razmera
0.5
0.4
Spektralna gustina energije
Frekvencija [Hz]
0.3
0.2
0.1
0
250 200 150 100 50 20 40 60 80 100 120
Vreme [s]
Slika 16: STFT pri konstantnoj funkciji kao prozoru (dobijena XSTFT (τ, f )
nije potpuno jednaka X ( f ), jer prozor w ovde nije beskonačnog
trajanja).
0.5
0
−0.5
Linearna razmera
0.5
0.4
Spektralna gustina energije
Frekvencija [Hz]
0.3
0.2
0.1
0
4000300020001000 20 40 60 80 100 120
Vreme [s]
Realni deo
0.5
0
−0.5
Linearna razmera
0.5
0.45
0.4
Spektralna gustina energije
0.3
0.25
0.2
0.15
0.1
0.05
0
4000300020001000 20 40 60 80 100 120
Vreme [s]
2 Izraz koji će se dobiti se može takod̄e napisati i kao XSTFT (τ, f ) = ( x (τ )e− j2π f τ ) ∗
w∗ (−τ ). U oba slučaja je dalja analiza postupka slična, pa je obrad̄en samo jedan
slučaj.
iz čega se jasno vidi da se, tokom STFT, preko FT signala X (ν) kreće
prozor W ∗ (ν), koji se pomera za neku vrednost f . Ovo znači da se
STFT može posmatrati i kao signal na izlazu serije (banke) filtara sa
impulsnim odzivom h(τ ) = w∗ (−τ )e j2π f τ , koji je potom modulisan
sa e− j2π f τ (slika 19). Modulacija sa e− j2π f τ vraća dobijeni izlaz iz filtra
e-j2πfτ
x(τ) y(τ)
X STFT(τ,f)
h(τ)=w*(-τ)e j2πfτ
|W*(f)| |X(f)|
|W*(f-f0)|
modulacija
f f
množenje
|X(f+f0)W*(f)| |X(f)W*(f-f0)|
demodulacija
f f
. .. . ..
3.1.5 Spektrogram
x ( t − t0 ) ↔ S x ( τ − t0 , f ), (83)
x1 (t) + x2 (t) ↔ Sx1 (τ, f ) + Sx2 (τ, f ) + 2<{Sx1 ,x2 (τ, f )}, (85)
gde je
∗
Sx1 ,x2 (τ, f ) := XSTFT,1 (τ, f ) XSTFT,2 (τ, f ) unakrsni spektrogram
Realni deo
1
0
−1
Linearna razmera
0.5
0.4
Frekvencija [Hz]
0.3
0.2
0.1
0
1500 1000 500 20 40 60 80 100 120
Vreme [s]
1
0
−1
Linearna razmera
0.5
0.4
Spektralna gustina energije
Frekvencija [Hz]
0.3
0.2
0.1
0
1500 1000 500 20 40 60 80 100 120
Vreme [s]
Realni deo
1
0
−1
Linearna razmera
0.5
0.4
Spektralna gustina energije
Frekvencija [Hz]
0.3
0.2
0.1
0
2000 1500 1000 500 20 40 60 80 100 120
Vreme [s]
1
0
−1
Linearna razmera
0.5
0.4
Spektralna gustina energije
Frekvencija [Hz]
0.3
0.2
0.1
0
2000 1500 1000 500 20 40 60 80 100 120
Vreme [s]
Skup funkcija { gτ, f (t)} je jako redundantan, što znači da ima mnogo
više elemenata nego što je potrebno za konstrukciju L2 (R) prostora.
Funkcije koje predstavljaju STFT svih kvadratno-integrabilnih signala
čine podskup S ⊂ L2 (R2 ). To znači da ne može svaka funkcija iz
L2 (R2 ) biti STFT. Funkcija X (τ, f ) pripada skupu S ako je:
2. ako važi
ZZ
X (τ, f ) = X (τ 0 , f 0 )K (τ 0 , f 0 , τ, f )dτ 0 d f 0 ∀τ, f ∈ R, pri ||w||22 = 1,
(86)
gde je K (τ 0 , f 0 , τ, f ) ≡ gτ, f , gτ 0 , f 0
tzv. STFT kernel funkcija.
os
ija
ta
ac
ta
im
k
s
r ok L
ap NA
SIG
AT
O
...
M
I
bazni vektori
...
f
4F
3F
2F
XSTFT(τ,f)
F
T 2T 3T 4T 5T τ
slu čaj ( TF )−1 < 1 U ovom slučaju nije moguće rekonstruisati sig-
nal iz odbiraka STFT. Ovo znači da su odbirci u t − f ravni previše
udaljeni, tj. t − f ravan nije dovoljno gusto odabirana. Tada nije mo-
guća rekonstrukcija signala.
ali nije moguće da atomi gm,n (t) budu dobro lokalizovani i u vremen-
skom i u frekvencijskom domenu, tj. mora važiti
Slično kao i kod FT, diskretna verzija se odnosi na dva oblika: DT-
STFT (discrete-time STFT) i DSTFT (discrete STFT).
3.2.1 DT-STFT
preklapanje
DT-FT 1 preklapanje
R
L DT-FT 2 preklapanje
R
L DT-FT 3
R
L DT-FT 4
R
Broj L predstavlja broj odbiraka izmed̄u susednih blokova, a XDT −STFT [mL, f )
predstavlja DT-FT funkcije x [n]w∗ [n − mL]. Ako je L veće od dužine
prozora w[n], postojaće odbirci signala x [n] koji neće biti uključeni ni
u jednu DT-FT funkcije x [n]w∗ [n − mL]. Ti odbirci mogu uzimati proi-
zvoljne vrednosti bez promene DT-STFT, pa DT-STFT nije jedinstvena
i rekonstrukcija signala nije moguća (slika 27).
L 2L 3L 4L n
3.2.2 DSTFT
1 N −1
N l∑
XDSTFT [m, k ] = { X [l + k]W ∗ [l ]} WN−lm . (99)
=0
1 N − R N −1
x [n] = ∑ ∑ XDSTFT [m, k]w[n − m]WN−nk ,
N kwk22 m=0 k=0
n = 0, N − 1.
(100)
Moguće je koristiti i drugi prozor gem,k [n] := v[n − m]WN−nk , gde for-
mula glasi
N − R N −1
1
N hv, wi m∑ ∑ XDSTFT [m, k]v[n − m]WN−nk ,
x [n] = n = 0, N − 1,
=0 k =0
(101)
ako je hv, wi 6= 0.
Dok je DT-STFT uvek invertibilna, DSTFT nije! To se može videti
ako se DSTFT posmatra kao operacija filtriranja, gde se pretpostavlja
da prozorska funkcija ima propusni opseg B. Na slici 28 se vidi da
se filtri nalaze na frekvencijama k/N. Ako je propusni opseg filtra
B manji od 1/N, postojaće delovi spektra signala koji neće proći ni
kroz jedan filtar. Ti delovi spektra bi mogli imati bilo koje vrednosti,
a dobili bismo na kraju istu DSTFT. Zbog toga, u tim slučajevima,
DSTFT nije jedinstvena reprezentacija signala x [n], te se originalni
signal ne može rekonstruisati. Takod̄e, slično kao i kod DT-STFT, ako
f
1⁄N 2⁄N 3⁄N 4⁄N
Slika 28: Situacija kada je L previše veliko.
N −1
1 N − R N −1
∑ |x[n]|2 = 2 ∑ ∑
N k w k 2 m =0 k =0
| XDSTFT [m, k]|2 . (102)
n =0
se, kako je već rečeno, može posmatrati kao DFT signala x [n]w∗ [n −
m]. OLA metod počinje prvo postupkom inverzne DFT
1 N −1
N k∑
x [n]w∗ [n − m] = Xw [m, k ]WN−nk . (104)
=0
x0 [n] = ∑ x [ n ] w ∗ [ n − m ]. (105)
m
x0 [n] = x [ n ] ∑ w ∗ [ n − m ] = x [ n ]W ∗ ( 0 ) , (106)
m
1
=⇒ x [n] = x 0 [ n ].
W ∗ (0)
1 N −1
Nw∗ [0] k∑
x [n] = XDSTFT [n, k ]WN−nk . (109)
=0
e-j(2π⁄N)0n e j(2π⁄N)0n
e-j(2π⁄N)1n e j(2π⁄N)1n
. .
. .
. . 1
Nw[0]
x[n] e-j(2π⁄N)kn e j(2π⁄N)kn Σ y[n]
. .
. .
. .
-j(2π⁄N)(N-1)n
e e j(2π⁄N)(N-1)n
1 N −1
Nw∗ [0] k∑
x0 [n] = x [ n ] ∗ w ∗
[− n ] WN
−nk
W nk
N WN
−nk
(110)
=0
N −1
1
=
Nw∗ [0]
x [ n ] ∗ ∑ w∗ [−n]WN−nk
k =0
N −1
1
=
Nw∗ [0]
x [ n ] ∗ w ∗
[− n ] ∑ WN−nk
k =0
1
= x [n] ∗ w∗ [−n]∑δ[n − rN ].
w ∗ [0] r
Ovo će uvek biti zadovoljeno ako je dužina prozorske funkcije R ma-
nja ili jednaka od broja filtara N, što znači da je moguće koristiti bilo
koju prozorsku funkciju w[n], dokle god je zadovoljeno R ≤ N. Mo-
guće je i R > N , pod uslovom da je svaki N-ti odbirak prozorske
funkcije jednak nuli
)
-1
[n
-(N
+(R
w[n
-1)]
]
x[n
i aproksimaciju
k
XSTFT mTs , f s ≈ Ts XDSTFT [m, k] (115)
N
XDSTFT [m, k ] predstavlja matricu čiji su redovi DFT signala x [n]w∗ [n −
m] za svako m = 0, N − R . Koriste se FFT algoritmi u MATLAB-u za
izračunavanje ovih DFT. Funkcija koja izvršava ove operacije se nalazi
u fajlu spektrogram.m, čiji prototip glasi
function [SPECTR,fosa,tosa] = spektrogram(signal,brOdbProz,fs,
brPreklap,prozor)
čiji su ulazni argumenti
• signal - ulazni signal čija se STFT izračunava, kao aproksimacija
pomoću DFT.
Izlazni argumenti su
f s > 2 ( f mx + f mw ) , (116)
gde su
fs frekvencija odabiranja signala x (t)w∗ (t − τ )
f mx maksimalna frekvencija u signalu x (t)
f mwmaksimalna frekvencija u prozorskoj funkciji w(t)
Pošto, striktno gledano, signali sa konačnim brojem odabiraka ne-
maju konačan propusni opseg, definicije ovih “maksimalnih” frekven-
|Ψ( f )|2
Z
Cψ = df, (118)
|f|
55
• Glatki vejvleti koji se protežu preko cele vremenske ose ili koji
imaju kompaktan nosač.
4.1 kontinualna wt
1 a=1
0.5
−0.5
−10 −8 −6 −4 −2 0 2 4 6 8 10
V reme [s]
1 a = 0.5
0.5
−0.5
−10 −8 −6 −4 −2 0 2 4 6 8 10
V reme [s]
1 a=2
0.5
−0.5
−10 −8 −6 −4 −2 0 2 4 6 8 10
V reme [s]
t2
Slika 34: Mother wavelet oblika ψ(t) = √
2
1 (1 − t2 )e− 2 , i dva vejvleta na-
3π 4
stala kontrakcijom/dilatacijom (a = 0.5/a = 2, pri b = 0).
0.04
0.03
0.02
0.01
0
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2
Frekvencija [Hz]
0.02
0.015
0.01
0.005
0
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2
Frekvencija [Hz]
0.08
0.06
0.04
0.02
0
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2
Frekvencija [Hz]
1.5 0.02
0.018
1
0.016
0.014
0.5
0.012
0 0.01
0.008
−0.5
0.006
0.004
−1
0.002
−1.5 0
−0.5 0 0.5 1 1.5 2 −5 −4 −3 −2 −1 0 1 2 3 4 5
V reme [s] Frekvencija [Hz]
0.05
0.6
0.045
0.4 0.04
0.035
0.2
0.03
0 0.025
0.02
−0.2
0.015
−0.4 0.01
0.005
−0.6
0
−6 −4 −2 0 2 4 6 −2 −1.5 −1 −0.5 0 0.5 1 1.5 2
V reme [s] Frekvencija [Hz]
0.4
realni
deo
i deo
0.2
imaginarn
0
-0.2
-0.4
-3 -2 -1 0 1 2 3
2 2
ψ(t) = √ π −1/4 (1 − t2 )e−t /2 . (127)
3
Sam oblik vejvleta podseća na meksički šešir (slika 39a), pa odatle
potiče i naziv. Ovaj vejvlet se često koristi u aplikacijama za detekciju
ivica.
2000
1
1800
1600
1400
0.5
1200
1000
800
0
600
400
200
−0.5
0
−10 −8 −6 −4 −2 0 2 4 6 8 10 −2 −1.5 −1 −0.5 0 0.5 1 1.5 2
V reme [ s ] Frekvencija [Hz]
sin(2πt) − sin(πt)
ψ(t) = . (128)
πt
0.03
1
0.8 0.025
0.6
0.4 0.02
0.2
0.015
0
−0.2
0.01
−0.4
−0.6
0.005
−0.8
−1 0
−10 −5 0 5 10 −2 −1.5 −1 −0.5 0 0.5 1 1.5 2
V reme [ s ] Frekvencija [Hz]
gde je
v( f ) = f 4 (35 − 84 f + 70 f 2 − 20 f 3 ) f ∈ [0, 1]
0.12
1.5
0.1
1
0.08
0.5
0.06
0
0.04
−0.5 0.02
−1 0
−8 −6 −4 −2 0 2 4 6 8 −2 −1.5 −1 −0.5 0 0.5 1 1.5 2
V reme [s] Frekvencija [Hz]
• Linearnost
• Translacija
x (t − t0 ) ↔ XWT ( a, b − t0 ), (131)
• Skaliranje
1 t a b
√ x ( ) ↔ XWT ( , ), (132)
α α α α
gde su α i β kompleksne konstante.
• Linearnost
(αψ+ βφ) (ψ) (φ)
XWT ( a, b) = α∗ XWT ( a, b) + β∗ YWT ( a, b). (133)
• Translacija
(ψ(t−t0 )) (ψ)
XWT ( a, b) = XWT ( a, b + t0 a). (134)
• Skaliranje
( α1 ψ( αt )) 1 (ψ)
XWT ( a, b) = √ XWT (αa, b), (135)
α
gde su α i β kompleksne konstante.
x ( t ) ↔ X ( f ),
t−b
ψa,b (t) = | a|− p ψ( ) ↔ Ψ a,b ( f ) = | a|1− p e− j2π f b Ψ( a f ),
a
pa se dobija
Z +∞
XWT ( a, b) = h X ( f ), Ψ a,b ( f )i = X ( f ), Ψ∗a,b ( f )d f
−∞
Z +∞
= | a | 1− p X ( f )Ψ∗ ( a f )e j2π f b d f (137)
−∞
1− p −1
= | a | F f →b { X ( f )Ψ∗ ( a f )} .
napisati kao
Z +∞
f0 f 0 da
x (t) = < 2 f 0 X ( )e j2π a t 2 . (145)
0 a a
f := f 0 /a. (146)
t
f
∆f
∆t a ∆ f a = a∆t = ∆t∆ f , (147)
a
ali sada vremenska devijacija može biti proizvoljno mala, a frekven-
cijska devijacija proizvoljno visoka pri pogodnom izboru faktora a.
Vremensko-frekvencijska rezolucija kod WT se menja kroz a − b ra-
van.
Ovo znači da je WT dosta pogodnija za istovremenu analizu go-
respomenutih komponenti u signalu. Za druge tipove komponenti,
to ne važi; sinusoida visoke frekvencije, na primer, ne bi bila dobro
analizirana pomoću WT.
To se vidi jasno na primeru dva signala, tj. njihovih diskretnih ver-
zija u MATLAB-u; prvi signal je Dirakov impuls (za vejvlet je u oba
primera izabran Morleov vejvlet, slika 44).
t0 − b
x (t) = δ(t − t0 ) ⇒ XWT ( a, b) = ψ∗ ( ). (148)
a
sig1 = anapulse(128); % impuls oko 64-og odbirka
figure(1); tfrscalo(sig1,1:128,5,0.05,0.45,128,1); % skalogram sa
Morleovim vejvletom od 5 odbiraka
0.5
0
Linearna razmera
0.5
0.4
Spektralna gustina energije
Frekvencija [Hz]
0.3
0.2
0.1
0
4 3 2 1 20 40 60 80 100 120
Vreme [s]
Slika 44: Morleov skalogram impulsa oko 64-og odbirka - vremenska rezo-
lucija zavisi od posmatrane frekvencije.
Realni deo
0
−2
Linearna razmera
0.5
0.4
Spektralna gustina energije
Frekvencija [Hz]
0.3
0.2
0.1
0
15000 10000 5000 20 40 60 80 100 120
Vreme [s]
−1
−2
0 20 40 60 80 100 120
V reme [s]
0.5 0.5
0.45 0.45
0.4 0.4
0.35 0.35
0.3 0.3
Frekvencija [Hz]
Frekvencija [Hz]
0.25 0.25
0.2 0.2
0.15 0.15
0.1 0.1
0.05 0.05
0 0
20 40 60 80 100 120 20 40 60 80 100 120
Vreme [s] Vreme [s]
0.5 0.5
0.45 0.45
0.4 0.4
0.35 0.35
0.3 0.3
Frekvencija [Hz]
Frekvencija [Hz]
0.25 0.25
0.2 0.2
0.15 0.15
0.1 0.1
0.05 0.05
0 0
20 40 60 80 100 120 20 40 60 80 100 120
Vreme [s] Vreme [s]
1 t
Z
XWT ( a, 0) = √ x (t)ψ∗ ( )dt. (150)
a a
1 1 t0 − b
Z
∗
XWT ( a, b) = √ x (t)ψa,b (t)dt = √ ψ∗ ( ). (156)
a a a
t
(a)
a
(b)
Slika 48: (a) Signal sa singularitetima nultog, prvog i drugog reda i (b) njena
WT.
fc
Q= . (164)
B
pod uslovom da je propusni opseg konačan, Ako nije, može se kori-
stiti neka druga mera, poput standardne devijacije. Recipročna vred-
nost ovog faktora se naziva relativnim propusnim opsegom filtra.
Relativni propusni opseg svakog vejvleta je isti, i iznosi
∆ fa ∆ f /a ∆f
= = =⇒ Q = const, (165)
( f0 )a f 0 /a f0
a11/2 Ψ*(a1f)
a21/2 Ψ*(a2f)
a31/2 Ψ*(a3f)
a41/2 Ψ*(a4f)
a51/2 Ψ*(a5f)
.. . ...
Slika 51: Particija frekvencijskog domena kod (a) STFT i (b) WT.
4.1.8 Skalogram
dadb
ZZ
Ex = | XWT ( a, b)|2 , (166)
a2
Skalogram, slično spektrogramu, je moduo kvadrata WT
Linearna razmera
0.5
0.4
Spektralna gustina energije
Frekvencija [Hz]
0.3
0.2
0.1
0
600 400 200 20 40 60 80 100 120
Vreme [s]
4.1.9 Redundantnost WT
1 t − nb0 a0m − m2 −m
ψm,n (t) = p m ψ( ) = a 0 ψ ( a0 t − nb0 ); a0 > 0, b0 > 0; m, n ∈ Z.
a0 a0m
(169)
Koeficijenti u analizi se dobijaju kao
Z
−m ∗
XWT [m, n] = h x, ψm,n i L2 (R) = a0 2 x (t)ψm,n (t)dt. (170)
AEx ≤ ∑ ∑ |XWT
2
| ≤ BEx , (171)
m n
|Ψ( f )|2
Z
π
A≤ df ≤ B (172)
b0 log a0 |f|
Rekonstrukciona formula analogna jednačini (138), u opštem slučaju,
ne postoji. Delimična rekonstrukcija je moguća kao
2
x (t) =
A+B ∑ ∑ XWT [m, n]ψm,n (t) + e (x) . (173)
m n
Wx(a,b)
log a
i najefikasnije odabiranje
n za praktične potrebe, iovodi ka konstrukciji
m
ortonormalne baze ψm,n (t) := 2− 2 ψ(2−m t − n) , odnosno
1 m = m0 ∧ n = n0
Z
∗
ψm,n (t)ψm 0 ,n0 ( t ) dt = . (175)
0 inače
x 0 = x N + d1 + d2 + . . . d N , (177)
FT od x a0 (t) glasi
Z +∞ Z +∞
1 dadb
X a0 ( f ) = Ft→ f XWT ( a, b)ψa,b (t) 2 (179)
Cψ−∞ a0 a
Z +∞ Z +∞
1 dadb
= XWT ( a, b)Ft→ f {ψa,b (t)} 2
Cψ −∞ a0 a
Z +∞ Z +∞ √ i dadb
1 h
= XWT ( a, b) aΨ( a f )e− j2π f b
Cψ −∞ a0 a2
Z +∞ Z +∞ √
1 a
= Ψ( a f ) XWT ( a, b)e− j2π f b db 2
da
Cψ v −∞ a
Z +∞ √
1 √ ∗
a
= Ψ( a f ) aX ( f )Ψ ( a f ) 2 da
Cψ a0 a
Z +∞
1 da
= X( f ) · |Ψ( a f )|2 . (180)
Cψ a 0 a
kao
1
H( f ) = |Φ( a0 f )|2 , (182)
Cψ
gde se faza funkcije Φ( f ) se može proizvoljno izabrati. Funkciji Φ( a0 f )
u vremenskom domenu odgovara funkcija a10 ϕ( at0 ), gde se funkcija
ϕ(t) := F −1 {Φ( f )} naziva skalirajućom funkcijom. Izraz (180) se dalje
može napisati kao
1
X a0 ( f ) = X ( f ) |Φ( a0 f )|2
Cψ
1
= X ( f ) Φ ∗ ( a 0 f ) Φ ( a 0 f ),
Cψ
1 1 ∗ −t 1 t
x a0 ( t ) = Cψ x (t) ∗ ϕ ( 0 ) ∗ 0 ϕ( 0 ) (183)
a0 a a a
Ako definišemo translirane i dilatirane funkcije ϕ a (t) := √1 ϕ ( t ) i
a a
ϕ a,b (t) := √1 ϕ ( t−b ), gornji izraz se može napisati kao
a a
1
x (t) = XSC ( a0 , t) ∗ ϕ a0 (t), (184)
Cψ a0
gde je
1 dadb
ZZ
x (t) = XWT ( a, b)ψa,b (t)
Cψ a2
+∞ Z Z a0
Z Z
1 dadb dadb
= XWT ( a, b)ψa,b (t) 2 + XWT ( a, b)ψa,b (t) 2
Cψ a0 a 0 a
Z a0
1 1 da
= h x (u), ϕ a0 ,t (u)i ∗ ϕ a0 (t) + [h x (u), ψa,t (u)i ∗ ψa (t)]
Cψ a0 Cψ 0 a2
Z a0
1 1 da
= XSC ( a0 , t) ∗ ϕ a0 (t) + [ XWT ( a, t) ∗ ψa (t)] 2 (186)
Cψ a0 Cψ 0 a
| {z } | {z }
nisko f rekventna aproksimacija detalji
. .. ...
2. Signa može biti analiziran tako što će jedan deo signala, koji
odgovara njegovom visokofrekventnom sadržaju, biti analizi-
ran pomoću vejvleta (pošto su oni tako dobri u analizi brzih
2. Svojstvo usrednjavanja
Z
ϕ(t)dt = 1, (189)
Vm+1 ⊂ Vm . (191)
V1 V0 V-1
Vm = V∞ = {0}.
T
1.
m ∈Z
Vm = V−∞ = L2 (R).
S
2.
m ∈Z
Vm Vm-1
Wm
n o
Wm = Vm⊥ = f ∈ Vm−1 | h f , ϕm,n i L2 (R) = 0, ∀n ∈ Z . (198)
Svaka funkcija koja pripada prostoru Vm−1 se može napisati kao su-
perpozicija funkcija iz skupova Vm i Wm
Vm−1 = Vm ⊕ Wm . (199)
2. h ϕn , ϕk i = δnk
R
3. ψ(t)dt = 0
4. hψn , ψk i = δnk
5. h ϕn , ψk i = 0
∑ hn h∗n−2m = δm
0
. (208)
n ∈Z
1h i
P(z /2 ) + P(−z /2 ) = 1,
1 1
(210)
2
gde je P(z) zed transformacija funkcije p[n], tj. P(z) = Z { p[n]} =
H (z) H (z−1 ), tako da se dobija
odn.
H (z) H (z−1 ) + H (−z) H (−z−1 ) = 2. (212)
Zamenom z = e j2π f se dobija
1
| H ( f )|2 + | H ( f − )|2 = 2. (213)
2
Ovaj uslov govori da je spektralna gustina energije signala h[n] takva
da ona i njena verzija pomerena za 1/2 udesno (ili ulevo) sabrane daju
konstantu 2 (slika 57). Pokazuje se da uslov (208) garantuje ortonor-
malnost skalirajućih funkcija na bilo kom nivou skale, a ne samo na
nultom, tj, da važi h ϕm,n , ϕm,k i = δnk , ∀m ∈ Z.
Identičnim postupkom, korišćenjem jednačine dilatacije uz četvrti
uslov se dobija
∑ gn gn∗−2m = δm0 , (214)
n ∈Z
i u z-domenu
0
Slika 57:
Ovaj uslov takod̄e je dovoljan za bilo koji novi skale, tj. da važi hψm,n , ψm,k i =
δnk , ∀m ∈ Z. Med̄usobna ortogonalnost na različitim skalama je ta-
kod̄e na snazi usled same specifične strukture ovih potprostora, kao
što je objašnjeno ranije. Poslednji uslov za koeficijente se dobija iz
petog uslova i jednačine dilatacije, i glasi
gn := ± (−1)n h P−n .
što znači da nije potrebno znati originalni signal x (t) već samo nje-
govu prethodnu aproksimaciju da bi se dobili koeficijenti na grubljoj
skali. Isto važi i za vejvlet koeficijente, tj.
načina: ili u bazi za taj prostor ili kao kombinacija baza za njegove
potprostore
4.2.2.4 Inicijalizacija
Potrebno je da se krene od nekih koeficijenata XSC [·, ·], nad ko-
jima će FWT biti vršena. Obično se kreće od aproksimacije signala u
prostoru V0 , odn. kreće se od koeficijenata XSC [0, ·]. Ti koeficijenti se
formalno dobijaju formulom
XSC[m+1,n]
H(z-1) 2
XSC[m,n]
XWT[m+1,n]
G(z-1) 2
(a) FWT analiza.
XSC[m+1,n]
2 H(z)
XSC[m,n]
XWT[m+1,n]
2 G(z)
XSC[m+3,n]
H(z-1) 2
H(z-1) 2
XSC[m+2,n] ...
XSC[m+1,n] XWT[m+3,n]
H(z-1) 2 G(z-1) 2
XSC[m,n] XWT[m+2,n]
G(z-1) 2
XWT[m+1,n]
G(z-1) 2
XSC[m+3,n]
2 H(z)
... XSC[m+2,n]
2 H(z)
XWT[m+3,n] XSC[m+1,n]
2 G(z) 2 H(z)
XWT[m+2,n] XSC[m,n]
2 G(z)
XWT[m+1,n]
2 G(z)
sin(πt)
4 Med̄utim, jeste tačna za izbor ϕ(t) = πt .
H(z-1) 2
XSC[1,n]
...
t=n
x(t) XSC[0,n]
h(t) = φ(-t)
XWT[1,n]
G(z-1) 2
89
P R A K T I Č N A A P L I K A C I J A M E T O D A
93
D O D ATA K
W ( f ) = Tsinc(π f T ). (236)
1
1, |t| ≤ 2
1 rect(t) , .
0, inače
97
[ 16. januar 2013 at 13:48 - classicthesis version 4.1 ]
98 prozorska funkcija
N = length(s1);
fs = 1/Ts;
f = (-N/2:N/2-1)*fs/N;
S1_W = fft(s1_w);
plot(f,fftshift(abs(S1_W)),’b’); hold on;
S2_W = fft(s2_w);
plot(f,fftshift(abs(S2_W)),’r’); hold on;
S_W = fft(s_w);
plot(f,fftshift(abs(S_W)),’--k’); hold on;
set(gca,’YTick’,[]);
xlabel(’$Frekvencija$ $[Hz]$’,’interpreter’,’latex’);
xlim([0 375]);
legend(’f_1 = 150 Hz’,’f_2 = 225 Hz’,’f_1 + f_2’)
f1 = 150 Hz
f = 225 Hz
2
f1 + f2
|W(f)|2
/ |W(0)| 2
glavni luk
0
−3 dB
3dB-ski propusni opseg
−5
bočni lukovi
−10
A = −13 dB
−15
−20
−25
−4 −3 −2 −1 0 1 2 3 4
f
0.8
0
Amplituda (dB)
Amplituda
0.6
-20
0.4
-40
0.2 -60
0 -80
5 10 15 20 25 30 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Semplovi Normalizovana Frekvencija (×π rad/sempl)
Factor curenja spektra: 0.01 % Relativna atenuacija bočnih lukova: -44.9 dB Širina glavnog luka (-3dB): 0.085938
Hamming-ov prozor Frekvencijski domen
40
1
20
0.8
0
Amplituda (dB)
Amplituda
0.6
-20
0.4
-40
0.2 -60
0 -80
5 10 15 20 25 30 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Semplovi Normalizovana frekvencija (×π rad/sempl)
Factor curenja spektra: 0.04 % Relativna atenuacija bočnih lukova: -41.8 dB Širina glavnog luka (-3dB): 0.078125
Trougaoni prozor Frekvencijski domen
40
1 20
0
0.8
-20
Amplituda (dB)
Amplituda
0.6 -40
-60
0.4
-80
-100
0.2
-120
0 -140
5 10 15 20 25 30 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Semplovi Normalizovana Frekvencija (×π rad/sempl)
Factor curenja spektra: 0.27 % Relativna atenuacija bočnih lukova: -26.6 dB Širina glavnog luka (-3dB): 0.078125
0.8 20
10
Amplituda
0.6
0
0.4
-10
0.2 -20
-30
0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
5 10 15 20 25 30
Semplovi Normalizovana Frekvencija (×π rad/sempl)
Factor curenja spektra: 9.12 % Relativna atenuacija bočnih lukova: -13.2 dB Širina glavnog luka (-3dB): 0.054688
Hann-ov prozor Frekvencijski domen
40
1
20
0.8 0
Amplitude (dB)
Amplituda
-20
0.6
-40
0.4
-60
0.2
-80
0 -100
5 10 15 20 25 30 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Semplovi Normalizovana Frekvencija (×π rad/sempl)
Factor curenja spektra: 0.05 % Relativna atenuacija bočnih lukova: -31.5 dB Širina glavnog luka (-3dB): 0.085938
Blackman-ov prozor Frekvencijski domen
40
1
20
0
0.8
-20
Amplituda (dB)
Amplituda
0.6
-40
0.4 -60
-80
0.2
-100
0 -120
5 10 15 20 25 30 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Semplovi Normalizovana frekvencija (×π rad/sempl)
Factor curenja spektra: 0 % Relativna atenuacija bočnih lukova: -58.2 dB Širina glavnog luka (-3dB): 0.10156
101
[13] J.M. Lilly and S.C. Olhede. On the analytic wavelet transform. In-
formation Theory, IEEE Transactions on, 56(8):4135–4156, 2010. (Ci-
tiran na strani 18.)
[24] Z.Y. Su, C.C. Wang, T. Wu, Y.T. Wang, and F.C. Tang. Instanta-
neous frequency–time analysis of physiology signals: The appli-
cation of pregnant women’s radial artery pulse signals. Physica
A: Statistical Mechanics and its Applications, 387(2):485–494, 2008.
(Citiran na strani 18.)