Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Srie de Fourier
Apenas para funes peridicas de frequncia fundamental f0
frequncia fundamental
1 harmnico
1 harmnico
Srie de Fourier
Apenas para funes peridicas de frequncia fundamental f0
Forma Exponencial
10
Forma o Exponencial po
11
Um sinal no domnio do tempo (t) pode ser aproximado atravs de uma soma de d senos e cossenos com frequncias (f1, f2, f3, .......f fn) de amplitudes (a1, a2, ...... an) e fases (p1, p2, .....pn)
12
13
Fase
Adiantado
Em fase
Atrasado
14
Espectro
15
Amplitude e Fase
16
Amplitude e Fase
17
frequncia fundamental
18
Transformada de Fourier
Para funes no no-peridicas peridicas Considera-se a frequncia fundamental f0 com lim 0
A medida que f0 diminui, o espaamento entre os perodos da funo p no domnio do tempo p aumentam. Conseqentemente, o espaamento entre os harmnicos da srie de Fourier diminui, diminui tendendo zero (Funo contnua no domnio da freqncia). A Transformada de Fourier nada mais do que a Srie de Fourier com f0 de limite 0, que converge para uma integral. p g
19
Transformada de Fourier
20
S j f(x) Seja f( ) uma funo f contnua de d uma varivel i l real l x. A Transformada T f d d de F Fourier i de d f(x) f( ) definida d fi id por:
{ f ( x)} = F (u ) =
f ( x) e j 2 ux dx
{F (u)} = f ( x) = F (u) e
1
j 2 ux
du
21
Usando-se a frmula de Euler, o termo exponencial dentro da integral, pode ser colocado na forma:
j 2ux
= cos(2ux) jsen(2ux)
O que mostra que F(u) uma soma infinita de senos e cossenos e que cada valor de (u) determina a freqncia de seu correspondente par (seno-cosseno). p ( ) A varivel (u) denominada de Varivel de Frequncia.
22
A Transformada de Fourier de uma funo f(x) real, complexa: F(u) = R(u) + jI(u) A Magnitude de F(u) chamada de Espectro de Fourier de f(x):
1/ 2
I (u ) ] R (u )
Espectro de Fourier
Amplitude e Fase
24
Fase
25
F (u) =
sen ( uX ) F (u ) = AX ( uX )
26
sen( uX ) F (u) = AX ( uX )
Funo Sinc Variando-se o valor de (u) na equao, obtm-se as infinitas amplitudes das freqncias que constituem a funo f(x).
27
28
29
30
31
f ( x) h( x) = f ( x)h( x m)dm d
0
32
33
{h ( t ) } = H ( )
Substituindo:
34
f ( x) * g ( x) F (u )G (u )
35
f ( x) g ( x) F (u ) G (u )
36
Sinal Analgico
Amostragem
Quantizao
Sinal Digital
37
Funo contnua
X
Trem de impulsos
38
39
{ }
{ }
40
{ }
41
A transformada de Fourier de uma funo amostrada finita uma funo contnua, peridica e infinita No domnio da frequncia, o espectro se repete em infinitos perodos. O equivalente do domnio do tempo para essa caracterstica a convoluo circular. circular
42
Qual seria um bom critrio para a escolha de x? O centro da d regio sobreposta b est em:
1 u= 2T
43
Amostragem g crtica
Sub-amostragem
Aliasing
Se um sinal contnuo tem componente espectral de frequncia mais alta igual a mx , ento o sinal original pode ser amostrado sem aliasing se a taxa de amostragem for maior ou igual a 2mx , ou seja, o perodo d de d amostragem T for f menor d do que 1/ /2 2mx .
1 u mx 2T
1 T 2 u mx
45
46
47
48
fsinal = 1,9 kHz Tsinal = 526 s Taxa de amostragem = 500s fsampling mplin = 2,0kHz Sinal Reconstrudo = 2,0kHz 1,9kHz = 100Hz (T=10ms)
50
52
Amostragem sem
aliasing
Sinal original
53
Amostragem com
aliasing
Si l distorcido Sinal di t id
54
DFT
T Transformada f d Di Discreta t de d Fourier F i
55
Uma funo contnua f(x) pode ser digitalizada numa sequncia de N amostras separadas de x unidades:
f ( x) = f ( x0 + xx)
Para x = 0, 1, 2, .......N-1
Vimos que a transformada de Fourier de uma funo amostrada d finita fi i uma funo f contnua, peridica idi e infinita Como no domnio da frequncia o espectro se repete em infinitos p perodos, , o clculo da DFT feito em apenas p um perodo. O equivalente i l t d do d i domnio do tempo d t para essa caracterstica da periodicidade da DFT a convoluo circular circular.
57
A transformada discreta de Fourier calculada p para o mesmo nmero de amostras a funo original.
58
59
60
O par de Transformadas Discretas de Fourier que se aplica a funes amostradas unidimensionais dado por:
f ( x) = F (u) exp[j 2 ux / N ]
u =0
N 1
Funo discreta :
62
1 3 F (1) = f ( x) exp[ j 2 x / 4] 4 x=0 1 = [2e0 + 3e j / 2 + 4e j + 4e j 3 / 2 ] 4 1 3 3 = 2 + 3(cos jsen ) + 4(cos jsen ) + 4(cos jsen ) 2 2 4 2 2 1 = [2 + 3(0 j) + 4(1 j0) + 4(0 j(1))] 4 1 = [2 3 j 4 + 4 j] 4 1 = (2 + j) 4
1 F (2) = 4
1 F (3) = [2 + j ] 4
63
F (0) = 3,25
2 1/ 2
1 1 F(2) = = 4 4
2 2 1 2 F (3) = + 4 4
1/ 2
2 1/ 2
2 1 5 F(1) = + = 4 4 4
2
5 4
64
f (0) = F (u ) exp[0]
u =0
f ( x) = F (u) exp[j 2 ux / N ]
u =0
N 1
f (1) = F (u ) exp[ j 2 u / 4 ]
u =0
f ( 2) = 4 f (3) = 4
=3
65
As duas representaes da funo podem ser obtidas uma da outra, com o mesmo nmero de amostras, sendo uma no domnio do tempo e outra no domnio da frequncia
66
Espectro de Fourier
69
O par d de Transformadas T f d Di Discretas t d de F Fourier i de d uma funo f f(x,y) f( ) amostrada (M x N), dado por:
72
73
74
O nmero de pixels da imagem da direita foi reduzida em 50% (menor resoluo espacial) Note as interferncias de falsas frequncias
75
O nmero de pixels da imagem da direita foi reduzida em 50% (menor resoluo espacial) Note o efeito de serrilhamento (jaggies)
76
Sempre ocorrer aliasing em imagens digitais Para reduzir o efeito de aliasing, geralmente usa-se um filtro de suavizao (passa-baixa) (passa baixa) antes da digitalizao Dessa forma, as altas frequncias so atenuadas e o efeito de aliasing tambm Deve ser feito ANTES da digitalizao o e existe s e filtro oa anti-aliasing a as g real ea que e elimine eoa aliasing as g aps No a digitalizao O que geralmente feito uma filtragem passa baixa e uma re-amostragem da imagem, mas isso no elimina o aliasing que j foi gerado na digitalizao, apenas suaviza o efeito. Existem cmeras fotogrficas com filtros anti-aliasing anti aliasing reais embutidos (nas lentes os nos sensores)
77
A imagem da direita foi suavizada por um filtro da mdia 3 x 3 antes da reduo do nmero de pixels. O efeito de aliasing foi reduzido, apesar do borramento
78
A imagem da direita foi suavizada por um filtro da mdia 5 x 5 antes da reduo do nmero de pixels. O efeito de aliasing foi reduzido, apesar do borramento
79
O nmero de multiplicaes necessrias d l i li e adies di complexas l i para implementar a DFT-1D (Transformada Discreta de Fourier Unidimensional) proporcional a N2
1 N 1 [ j2 ux / N] F(u) = f (x) exp[ N x=0
A decomposio adequada desta equao pode tornar o nmero de multiplicaes p e adies proporcional p p a Nlog g2N. Este p procedimento denominado de algoritmo g da Transformada Rpida de Fourier (FFT).
80
N2
(DFT)
Nlog2N (FFT) 4 16 64 256 1024 4096 16384 65536 262144 1048576 4194304 2 8 24 64 160 384 896 2048 4608 10240 22528 49152 106496
Vantagem Computacional (N/log2N) 2,00 , 2,00 2,67 4,00 6,40 10,67 18,29 32,00 56 89 56,89 102,40 186,18 341,33 630,15
81
16777216 67108864
Se uma mquina gasta 5s para fazer a FFT de um vetor de 8192 pontos, pontos A mesma mquina levar cerca de 600 vezes mais (50 min) para computar a DFT.
82
FIM
83