Vad är spektralanalys? Spektralanalys. Frekvensinnehåll. Enkelt exempel

Relevanta dokument
Projekt Spektralanalys med hjälp av den diskreta Fouriertransformen. Marcus Björk Doktorand i Signalbehandling, Systemteknik (IT)

Projekt Spektralanalys med hjälp av den diskreta Fouriertransformen

Projekt Spektralanalys med hjälp av den diskreta Fouriertransformen

Projekt Spektralanalys med hjälp av den diskreta Fouriertransformen. Marcus Björk Doktorand i Signalbehandling, Systemteknik (IT)

Spektralanalys - konsten att hitta frekvensinnehållet i en signal

Projektinstruktion: Spektralanalys med hjälp av den diskreta Fouriertransformen

Projektinstruktion: Spektralanalys med hjälp av den diskreta Fouriertransformen

Beskrivning av signaler i frekvensdomänen - sammanfattning

Signalanalys med snabb Fouriertransform

Laboration i Fourieranalys, TMA132 Signalanalys med snabb Fouriertransform

Lab 1 Analog modulation

Ulrik Söderström 20 Jan Signaler & Signalanalys

Ulrik Söderström 19 Jan Signalanalys

Kap 10 - Modeller med störningar. Hur beskriva slumpmässiga störningar?

Flerdimensionella signaler och system

Projekt 3: Diskret fouriertransform

Resttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19

Föreläsning 6: Spektralskattning: icke parametriska metoder. Leif Sörnmo 4 oktober 2009

Projekt 1 (P1) Problembeskrivning och uppdragsspecifikation

Laboration i Fourieranalys för F2, TM2, Kf2 2011/12 Signalanalys med snabb Fouriertransform (FFT)

Mätningar med avancerade metoder

KURSPROGRAM MODELLERING AV DYNAMISKA SYSTEM, 5hp, period 4

Spektrala Transformer

Digital Signalbehandling i Audio/Video

Analys av egen tidsserie

Signaler & Signalanalys

RealSimPLE: Pipor. Laborationsanvisningar till SimPLEKs pipa

Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar

Optimal Signalbehandling Datorövning 1 och 2

Tentamen i TMA 982 Linjära System och Transformer VV-salar, 27 aug 2013, kl

MR-laboration: design av pulssekvenser

Laboration i tidsdiskreta system

AD-DA-omvandlare. Mätteknik. Ville Jalkanen. 1

Svängningar och frekvenser

Funktionsteori Datorlaboration 2

Vad gör vi när vi bara har en mätserie och ingen elegant matematisk funktion? Spektrum av en samplad signal. Trunkering i tiden

EXEMPEL 1: ARTVARIATION FÖRELÄSNING 1. EEG frekvensanalys EXEMPEL 2: EEG

Grundläggande ljud- och musikteori

Laboration i Fourieranalys för F2, TM2, Kf2 2013/14 Signalanalys med snabb Fouriertransform (FFT)

Teori... SME118 - Mätteknik & Signalbehandling SME118. Johan Carlson 2. Teori... Dagens meny

DIGITALA FILTER. Tillämpad Fysik Och Elektronik 1. Frekvensfunktioner FREKVENSSVAR FÖR ETT TIDSDISKRET SYSTEM. x(n)= Asin(Ωn)

Datorövning 1: Fördelningar

TEM Projekt Transformmetoder

TSRT62 Modellbygge & Simulering

SIGNALANALYS I FREKVENSRUMMET

Signal- och bildbehandling TSBB03

Processidentifiering och Polplacerad Reglering

Flerdimensionell signalbehandling SMS022

LMA201/LMA521: Faktorförsök

Spektrala Transformer

Föreläsning 6 (kap 6.1, 6.3, ): Punktskattningar

LABORATION ENELEKTRONSPEKTRA

Spektrala Transformer

Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar

Hemuppgift för E2 SF1635, HT 2007

Digital signalbehandling Digitalt Ljud

Tillämpad digital signalbehandling Laboration 1 Signalbehandling i Matlab och LabVIEW

Datorövningar i systemidentifiering Del 1

Signal- och Bildbehandling, TSBB14. Laboration 2: Sampling och Tidsdiskreta signaler

Föreläsning 8: Konfidensintervall

Signal- och bildbehandling TSBB03

Signaler och system, IT3

GRUNDKURS I SIGNALBEHANDLING (454300), 5sp Tentamen

TSKS21 Signaler, Information och Bilder Lab 2: Digitalisering

DT1120/DT1130 Spektrala transformer Tentamen

2 Laborationsutrustning

Kod: Datum Kursansvarig Susanne Köbler. Tillåtna hjälpmedel. Miniräknare Linjal Språklexikon vid behov

Styr- och Reglerteknik för U3/EI2

FOURIERANALYS En kort introduktion

2 Laborationsuppgifter, upptagetsystem

Syftet med den här laborationen är att du skall bli mer förtrogen med följande viktiga områden inom matematisk statistik

Spektrala Transformer

Digital Signalbehandling i Audio/Video

Projekt 2 (P2) Problembeskrivning och uppdragsspecifikation

Lab 3 Kodningsmetoder

TDDC74: EKG-projekt. Christoph Heilmair. Korrekturläst av: Emma Soffronow, leg. sjuksköterska. Mars 2015

Exempelsamling Grundläggande systemmodeller. Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University

Medicinska bilder. Programkurs 6 hp Medical Images TSBB31 Gäller från: 2018 VT. Fastställd av. Fastställandedatum

FREKVENSANALYS UPPGIFT 1 Operationsförstärkare 1 Elektrisk Mätteknik Milan Friesel

Ämnesområde Hörselvetenskap A Kurs Akustik och ljudmiljö, 7 hp Kurskod: HÖ1015 Tentamenstillfälle 4

Tillämpad Fysik Och Elektronik 1

Signal- och bildbehandling TSEA70

Grundläggande signalbehandling

Mätsystem Lektion inför lab.

3 Maximum Likelihoodestimering

Elektronik. Dataomvandlare

En generell prediktiv kodare utnyttjar signalens utseende N steg tillbaka i tiden för kodningen, dvs vi kodar efter den betingade fördelningen

SÖKA ÖVRIGA FÖRENINGSBIDRAG I ApN

Tema - Matematik och musik

Homework Three. Farid Bonawiede Samer Haddad Michael Litton Alexandre Messo. 28 november Time series analysis

Spektrala Transformer

ett uttryck för en våg som beskrivs av Jonesvektorn: 2

LKT325/LMA521: Faktorförsök

Mätsystem. Upplägg. Josefin Starkhammar. Före pausen: Efter pausen:

Grafiska system. Färgblandning. Samspel mellan ytor. Ögats. fysionomi. Ljusenergi. Signalbehandling och aliasing

Tentamen ssy080 Transformer, Signaler och System, D3

Ljudlära. Ljud är Periodicitet. Introduktion. Ljudlära viktigt ur två aspekter:

Övningar med Digitala Filter med exempel på konstruktion och analys i MatLab

Transkript:

Vad är spektralanalys? Analys av frekvensinnehållet i en tidsserie/signal. Spektralanalys Erik Gudmundson Vad innebär Analys av frekvensinnehållet? Vad är en tidsserie/signal? Tidsserie: mätning av någon signal under tid, t.ex. börskurs, ljud, ljusstyrka hos en avlägsen stjärna. Frekvensinnehåll: Hur effekten eller energin är fördelad över olika frekvensband. Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 2 Enkelt exempel Frekvensinnehåll Antalet solfläckar Fouriertransform: Topp för f 0.09 cykler per år => Period = 11 år Spektrum: Parsevals/Plancherels formel: Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 3 Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 4 1

Ljudexempel Problem: Kan ej mäta signal kontinuerligt! Vi lyssnar på lite vitt brus (innehåller alla frekvenser), även låg- och högpassfiltrerat. Måste sampla! Samplingsfrekvens: F s = 1/T s Samplad (tidsdiskret) signal: x(k) = x c (kt s ) k = 0, ±1, ±2, Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 5 Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 6 Tidsdiskreta Fouriertransformen (DFT) Periodogrammet DFT: Spektrum: Parsevals/Plancherels formel: Problem: Kan ej mäta oändligt länge! Lösning: Periodogrammet! Skatta (estimera) spektrum utifrån de sampel vi har: Kan göras mycket snabbt: O(N log 2 N) istället för O(N 2 ), m.h.a. the fast Fouriertransform, FFT. I Matlab: signalvektor x => X = fft(x); Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 7 Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 8 2

Zeropadding Få sampel kan ge dålig upplösning. I Matlab: signalvektor x av längd N<L => X = fft(x,l); Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 9 Bartletts metod Mycket mätbrus (hög varians på mätbruset) ger fladdrigt spektrum. Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 10 3 Bartletts metod (2) Enkel metod: Bartletts metod. Dela upp tidsserien i L = N/M delar: Räkna ut spektrumet för varje del och medelvärdesbilda: Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 11 Bartletts metod (3) Exempel: Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 12

Ytterligare spektralanalys Projektet Sjunket skepp på 300m djup Venus Spektralanalys med hjälp av den tidsdiskreta Fouriertransformen Omfattning: 1hp Min hemsida: http://www.it.uu.se/katalog/erikg/projekttransformmetoder Deadline: sön 11/10 kl. 24. Rapporten mejlas (som pdf-fil) in till erikg@it.uu.se. Arbeta i grupper om 4 personer. Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 13 Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 14 Projektet (2) Utförande Består av 4 uppgifter: Matlab 1) Undersök vilka frekvenser som bygger upp en signal ni får av mig (från hemsidan). 2) Studera upplösningen hos periodogrammet (med och utan zeropadding). 3) Studera variansen hos periodogrammet. 4) Välj en av följande: a) Spela någon ton från ett instrument (blockflöjt, stämgaffel e.dyl.) och gör spektralanalys på den. b) Studera data från TNT för att bestämma var bomben finns (ni får datat från mig). c) Studera data från MR-skann av hjärnan för att se vilka ämnen som finns (ni får datat från mig). I del III i projektbeskrivningen finns Matlab-exempel. (Se till att använda Matlab v.7 eller senare! På UNIX startas v.7.4 med kommandot matlab-7.4.) Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 15 Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 16 4

Redovisning Uppgift 4a) Skriv en projektrapport! Följ anvisningarna i Att skriva en teknisk rapport en kort instruktion. Ni behöver inte beskriva metoderna ni använder er av särskilt noga. Lägg krutet på hur ni gjort och era resultat och slutsatser! Skriv så att någon som läst kursen men inte gjort projektet kan förstå vad ni gjort. Deadline: sön 11/10 kl. 24. Ev. rest måste åtgärdas inom två veckor från att ni fått tillbaka rapporten. Ny chans till nya uppgifter i period 2 Sampla någon sekund från ett musikinstrument, stämgaffel, visselpipa e.dyl. Använd ljudinspelaren i din dator. Lagra filen som.wav-fil. Läs in filen i Matlab med wavread-kommandot. Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 17 Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 18 Uppgift 4b) Uppgift 4c) I vilket dataset finns bomben? Mätning från King s College London på TNT m.h.a. NQRteknik. I ena datasetet finns bara brus och interferens, i det andra finns även tydliga indikationer på närvaro av TNT. NQR-spektrum av TNT: 4 toppar, läget beror på temperaturen, men på ett känt vis. Leta efter topparna! Magnetresonansspektroskopi (MRS). Simulerat data från skann av hjärnan. Excitation av fosfor. Ladda ned MRS-dataserien och gör spektralanalys på den för att se vilka fosforbaserade ämnen som syns på skannen. Jfr. med tabell 1 i projektbeskrivningen. Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 19 Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 20 5

Jag sitter i rum P2337 om ni behöver fråga något. E-post: erikg@it.uu.se Frågor? Uppsala University, Department of Information Technology www.it.uu.se Erik Gudmundson, erikg@it.uu.se 21 6