FT-intuicja: Różnice pomiędzy wersjami
| Linia 1: | Linia 1: | ||
| − | ===Intuicyjna intepretacja przekształcenia Fouriera=== | + | ===[[Analiza_sygnałów_-_wykład|⬆]] Intuicyjna intepretacja przekształcenia Fouriera=== |
Spróbujmy nabrać potrzebnej na ćwiczeniach intuicji, traktując obliczenia w kategorii iloczynów skalarnych z kolejnymi sinusami o odpowiednio dobranych fazach (w powyższym równaniu fazy są ukryte w kącie liczby zespolonej). Weźmy przykładowy sygnał ''s'' złożony z dwóch sinusów ''a'' i ''b'', ''s'' = ''a'' + ''b'': | Spróbujmy nabrać potrzebnej na ćwiczeniach intuicji, traktując obliczenia w kategorii iloczynów skalarnych z kolejnymi sinusami o odpowiednio dobranych fazach (w powyższym równaniu fazy są ukryte w kącie liczby zespolonej). Weźmy przykładowy sygnał ''s'' złożony z dwóch sinusów ''a'' i ''b'', ''s'' = ''a'' + ''b'': | ||
Wersja z 17:58, 2 wrz 2024
⬆ Intuicyjna intepretacja przekształcenia Fouriera
Spróbujmy nabrać potrzebnej na ćwiczeniach intuicji, traktując obliczenia w kategorii iloczynów skalarnych z kolejnymi sinusami o odpowiednio dobranych fazach (w powyższym równaniu fazy są ukryte w kącie liczby zespolonej). Weźmy przykładowy sygnał s złożony z dwóch sinusów a i b, s = a + b:
=
+
Policzmy iloczyny z sinusami o optymalnie dobranych fazach; jak widać na poniższym rysunku, sinus o częstości 2,4 jest podobny do składowej a sygnału s, ale miara podobieństwa, czyli wartość iloczynu skalarnego, zależy silnie od fazy sinusa, z którym liczymy iloczyn sygnału — gwiazdką oznaczyliśmy fazę, dla której iloczyn jest największy:
Podobne dopasowania można wykonać dla każdej częstości wzajemnie ortogonalnych sinusów o częstościach [math] \frac1T, \frac2T, \ldots[/math] do częstości Nyquista.
Wyniki — optymalne fazy i uzyskane dla nich maksymalne wartości iloczynów skalarnych — przedstawiamy na wykresach:
Rozdzielczość (F)FT
Transformata Fouriera jest przedstawieniem sygnału z bazie złożonej z funkcji [math]e^{i\omega t}[/math]. Wymiar tej bazy powinien odpowiadać wymiarowi sygnału. Ponieważ dla każdej częstości zespolona transformata odtwarza amplitudę i fazę, to w widmie mocy będzie dwukrotnie mniej punktów niż w sygnale, dla którego liczono transformatę. Punkty w których liczymy transformatę Fouriera rozkłądają się równomiernie od zera do częstości Nyquista, czyli połowy częstości próbkowania.
Jako przykład spróbujmy rozszyfrować, skąd w przykładowym artykule o interfejsach mózg-komputer[1] pojawiają się dziwne częstości 6,83 i 7,03 Hz.
Mamy tam do czynienia z 3-sekundowymi odcinkami sygnału próbkowanego z częstością 200Hz. Aby umożliwić stosowanie szybkiej transformaty Fouriera (FFT) oraz zwiększyć rozdzielczość, sygnał jest dopełniany (zerami) do 1024 punktów.
Tak więc 512 punktów (1024/2) będzie w tym przypadku rozłożonych między 0 a 100 Hz, co daje odstęp 100/512, czyli ok. 0.195 Hz między kolejnymi częstościami. Punkty najbliższe 7Hz to 35*100/512 = 6,83 i 36*100/512 = 7,03 Hz.
- ↑ Xiaorong Gao, Dingfeng Xu, Ming Cheng and Shangkai Gao, "A BCI-based environmental controller for the motion-disabled" IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 11, no. 2, pp. 137-140, June 2003, doi: 10.1109/TNSRE.2003.814449, https://web.archive.org/web/20091114205637id_/http://www.cis.gsu.edu/brainlab/papers/gao%202003%20-%2048N%20BCI.pdf
