Lez 14 Fourier [modalit compatibilit ]misure.mecc.polimi.it/files/Materiale...
Transcript of Lez 14 Fourier [modalit compatibilit ]misure.mecc.polimi.it/files/Materiale...
1
Politecnico di Milano
Misure Dinamiche - Fourier
Alfredo Cigada
© Misure e Tecniche Sperimentali - Alfredo Cigada
Introduzione alle misure dinamiche 2
Grandezza fisica
Segnale
Trasduttore
Segnale
Analogico
Digitale
2
© Misure e Tecniche Sperimentali - Alfredo Cigada
Quando si era parlato di taratura statica … 3
NON LINEARE
Lettura
Grandezza
Grandezza
Lettura
LINEARE
© Misure e Tecniche Sperimentali - Alfredo Cigada
Risposta dinamica degli strumenti (PRONTEZZA)
4
comportamento ideale
LetturaGrandezza
Grandezza
Lettura
Esprime la capacità di uno strumento a seguire e misurare una grandezza variabile nel tempo.
kx( t ) y ( t )
3
© Misure e Tecniche Sperimentali - Alfredo Cigada
Esempio di comportamento reale 5
-1,5
-1
-0,5
0
0,5
1
1,5
1 2 3
tempo
x(t),y(t)/kx(t)y(t)/k
0
© Misure e Tecniche Sperimentali - Alfredo Cigada
• idealmente: y(t) = k x(t)
• in realtà: lo strumento insegue le variazioni della grandezza da misurare (misurando), riproducendole con un certo grado di approssimazione, che dipende dalle sue caratteristiche dinamiche
Comportamento dinamico degli strumenti 6
4
© Misure e Tecniche Sperimentali - Alfredo Cigada
Sotto ipotesi che possiamo considerare sempreverificate è possibile pensare che non sianecessario studiare la risposta a tutti i possibilisegnali variabili nel tempo, ma che sia possibilestudiare la risposta a segnali “semplici” e che poisi possa estrapolare da questa risposta quella persegnali più complessi. Questa estrapolazione èrigorosa per sistemi “lineari”, ossia rappresentatida una equazione differenziale a coefficienticostanti.
Il punto di partenza.. 7
© Misure e Tecniche Sperimentali - Alfredo Cigada
s = segnale r = risposta
∑∑∑∑ semplicis
s
ssemplice
r
∑∑∑∑ semplicir
rsemplice
5
© Misure e Tecniche Sperimentali - Alfredo Cigada
Quali sono i segnali semplici più comuni??? 9
t t
t t
sinusoidegradino
impulso rampa
© Misure e Tecniche Sperimentali - Alfredo Cigada
L’uso della sinusoide (Fourier) ben si presta a rappresentare segnali periodici, mentre la somma di impulsi è tendenzialmente più adatta per la rappresentazione di transitori, anche se è possibile analizzare segnali periodici come somma di impulsi e transitori come somme di sinusoidi.
Che interesse ha l’uso della sinusoide?
6
© Misure e Tecniche Sperimentali - Alfredo Cigada
SEGNALE
SOMMA DI SINUSOIDI
ANALISI DI FOURIER
SEGNALE
SUCCESSIONE DI IMPULSI
ANALISI DI LAPLACE
In ambito meccanico è assai diffusa l’analisi di Fourier
© Misure e Tecniche Sperimentali - Alfredo Cigada
Teorema fondamentale
Sotto ipotesi molto larghe un qualsiasi segnale può essere visto come somma di un numero (eventualmente infinito) di componenti armoniche.
Questo ci consente di scomporre un segnale in somma di tante componenti armoniche (sinusoidi) e quindi di studiare quali frequenze sono presenti nel segnale.
Nei sistemi lineari, nota la risposta a ciascuna componente armonica, la risposta a somma di armoniche è la somma delle risposte alle singole componenti.
7
© Misure e Tecniche Sperimentali - Alfredo Cigada
A che cosa serve l’approccio proposto?? Es : studio di sistemi lineari
13
SIST
SIST
SIST
0 1 2 3 4-1
0
1
Ingr
esso
1
0 1 2 3 4-1
0
1
Ingr
esso
2
0 1 2 3 4-2
0
2
I 1 +
I 2
Tempo [s]
SOMMA INGRESSI SOMMA USCITE
0 1 2 3 4-0.5
0
0.5
Usc
ita 1
0 1 2 3 4-2
0
2
Usc
ita 2
0 1 2 3 4-5
0
5
U 1
+ U
2Tempo [s]
start
© Misure e Tecniche Sperimentali - Alfredo Cigada
Risposta di un sistema di misura ad un ingresso variabile nel tempo
14
Se uno strumento di misura è lineare, larisposta ad un ingresso variabile nel tempopuò essere determinata come somma dellerisposte ai vari segnali semplici (per esempiosinusoidi) in cui può essere scomposto ilsegnale d’ingresso.
8
© Misure e Tecniche Sperimentali - Alfredo Cigada
Es. Applicazioni diagnostiche 15
Si può capire, dalla risposta di un sistema meccanico, qual è la causa di un suo eventuale malfunzionamento.
Esempio: gruppi turbogeneratori
Misura delle vibrazioni ai supporti
© Misure e Tecniche Sperimentali - Alfredo Cigada
16
Albero
Cuscinetto
Sensori di posizione
Misura su un supporto:
Vibrazioni 1 x giro ECCENTRICITA’
se è troppo elevata posso equilibrare il rotore
Vibrazioni 2 x giro DIVERSA RIGIDEZZA SECONDO 2 DIREZIONI
(esempio: presenza delle cave negli alternatori)
Es. Applicazioni diagnostiche
9
© Misure e Tecniche Sperimentali - Alfredo Cigada
Poiché si è affermato che il punto di partenza per affrontare il problema delle misure dinamiche è la scomposizione di un segnale in somma di sinusoidi si dedicherà attenzione a questo aspetto, affrontando nel seguito gli aspetti, prevalentemente da un punto di vista operativo, degli algoritmi di Fourier e delle loro conseguenze.
© Misure e Tecniche Sperimentali - Alfredo Cigada
GLI ALGORITMI DIFOURIER
10
© Misure e Tecniche Sperimentali - Alfredo Cigada
19
L’analisi di Fourier effettua una trasformazione dal dominiodel tempo al dominio delle frequenze .Il contenuto di informazioni passa inalterato attraverso questa trasformazione che pertanto è assolutamente reversibile.
tempotempo frequenzafrequenzaF TF T
Analisi di Fourier
© Misure e Tecniche Sperimentali - Alfredo Cigada
20
Per i segnali provenienti dai trasduttori si può pensare che la trasformazione tempo-frequenze sia sempre possibile, e che dunque un qualsiasi segnale sia sempre scomponibile in somma di sinusoidi.
E’ necessario aprire una breve parentesi sul significato di SPETTRO di un segnale
Spettri
11
© Misure e Tecniche Sperimentali - Alfredo Cigada
21
Si cerca un modo alternativo alla visualizzazione nel tempo per dare i valori di frequenza , ampiezza e di ritardorispetto ad un riferimento iniziale della generica sinusoide
Spettri
© Misure e Tecniche Sperimentali - Alfredo Cigada
22
1 2
3 4
Armonica = proiezione sull’asse verticale di un vettore rotante.
Spettri: esempio di un segnale sinusoidale
12
© Misure e Tecniche Sperimentali - Alfredo Cigada
Segnale sinusoidale: ampiezza 23
ϕ
A
Re
Im ωy(t)A
T
y = A sin(ωt+..)
ω=2π/T
1/Τ=f
ω=2πf
fase
© Misure e Tecniche Sperimentali - Alfredo Cigada
Segnale sinusoidale: fase 24
Situazione all’istante t=0
Situazione all’istante t=0
Φ=0
Φ=0
y = A sin(ωt+φ)
13
© Misure e Tecniche Sperimentali - Alfredo Cigada
Come vengono considerate le sinusoidi nei programmi di calcolo degli spettri?
25
La singola sinusoide può essere vista come proiezione sull’asse reale (od immaginario) di un vettore che ruota a velocità angolare ω nel piano complesso.
ωRe
Im
ω=2πf
f = frequenza dell’armonica
A
© Misure e Tecniche Sperimentali - Alfredo Cigada
Promemoria sui numeri complessi 26
ωRe
Im
ω=2πf
f = frequenza dell’armonica
A
a = | F | cos θ b = | F | sin θ
cos θ + j sin θ = ejθ F = | F | (cos θ + j sin θ )
F a b= +2 2 F = |F|ejθ θ = ωt+φ
F1F2 = |F1|ejθ1 |F2|ejθ2
= |F1||F2| ej(θ1+θ2)
θa
b
F
14
© Misure e Tecniche Sperimentali - Alfredo Cigada
27
In maniera più rigorosa la sinusoide può essere vista come composizione di due vettori che ruotano nel piano complesso con velocità angolare uguale in modulo, ma di segno opposto.
ωωωωωωωω=2=2ππππππππff
Spettri
© Misure e Tecniche Sperimentali - Alfredo Cigada
28
La presenza dei due vettori controrotanti giustifica qualitativamente la presenza di frequenze negative nelle routines che eseguono l’analisi di Fourier.
ωωωω=2ππππf
Spettri
15
© Misure e Tecniche Sperimentali - Alfredo Cigada
29
RMST
x (t)dtT
==== ∫∫∫∫1 2
0(tempo) =
Ai∑∑∑∑2
2(frequenze)
i=0
N=
A
21
MediaT
x dtT
==== ∫∫∫∫1
0
0 100
1
spettro (modulo)
f
A
0 1
0
1T picco
picco- picco
storia temporale
0,5 1,5
-1
x
t
FUNZIONE SINUSOIDALE
Singola armonica:grandezze significative
© Misure e Tecniche Sperimentali - Alfredo Cigada
Grandezze significative 30
Una funzione sinusoidale è definita da due parametri: X(ampiezza) e θ (argomento).L’ampiezza può essere misurata in quattro modi diversi:• Ampiezza di picco XP, il valore massimo raggiunto dalla funzione XX P =• Ampiezza picco-picco XPP, la differenza fra i valorimassimo e minimo raggiunti dalla funzione
( ) PPP XXXXX 22 ==−−=x(θ)
θXM
XE XPXPP
16
© Misure e Tecniche Sperimentali - Alfredo Cigada
Si noti che, per entrambe le funzioni, il valor medio dell’intero ciclo è nullo
• Ampiezza media XM, il valore medio della semiondapositiva del ciclo. Per la x(θ) è
PM XXdXX 64.064.0sen1
0=== ∫
πθθ
πe per la x’(θ), a causa dello sfasamento, è:
PM XXdXdXX 64.064.0coscos1 2
2
32
0==
+= ∫∫
ππ
π
θθθθπ
x(θ)
θXM
XE XPXPP
31Grandezze significative
© Misure e Tecniche Sperimentali - Alfredo Cigada
• Valore efficace XE. lo scarto quadratico medio di un ciclo:
( ) ( ) PE XdXdXX 71.0cos2
1sen
2
1 2
0
22
0
2 === ∫∫ππ
θθπ
θθπ
32Grandezze significative
17
© Misure e Tecniche Sperimentali - Alfredo Cigada
Quando le armoniche in cui si scompone ilsegnale sono più di una , valendo il principio disovrapposizione degli effetti, quanto osservatoper la singola sinusoide vale per il segnalecomplessivo, sommando le valutazioni sullasingola armonica. Diviene importante la FASErelativa tra le diverse armoniche, in quantonecessaria per la corretta ricostruzione dellaforma del segnale.
L’algoritmo della serie di Fourier vale in manierarigorosa per funzioni periodiche.
Quando il segnale è scomponibile in più armoniche…
© Misure e Tecniche Sperimentali - Alfredo Cigada
Spettri: più armoniche 34
y = A1sin(Ωt+ϕ1) + A2sin(2Ωt+ϕ2)
ϕ1
A1
Re
Im
Ω
ϕ2
A2
2Ω
18
© Misure e Tecniche Sperimentali - Alfredo Cigada
storia temporale
800
x
500
0
-300t
spettro (modulo)
00
200
200 400
400
f
A
( )RMST
x t dtT
= ∫1 2
0(tempo) =
Ai∑2
2
(frequenz e)i=0
N
MediaT
x dtT
= ∫1
0
Spettri: più armoniche
© Misure e Tecniche Sperimentali - Alfredo Cigada
L’importanza della fase 36
Stesse armoniche in frequenza ed ampiezza, ma con fasi diverse: il segnale in rosso, somma delle due armoniche, ha un andamento ben diverso in funzione della fase relativa
19
© Misure e Tecniche Sperimentali - Alfredo Cigada
Spettri completi 37
Amplitude(power)
Time domainMeasurements
Se poi le sinusoidi che compongono il segnale sono più didue, il discorso visto si ripete per tutte le singole sinusoidi,originando lo SPETTRO del segnale, che deve esseredefinito in MODULO e FASE
Frequency versus Time Domain
© Misure e Tecniche Sperimentali - Alfredo Cigada
Gli algoritmi di Fourier nascono per funzioni periodiche, è quindi necessario capire che cosa questo significa e come comportarsi quando, come spesso accade, la funzione che rappresenta l’uscita del trasduttore non è periodica.
Riflettiamo su possibili problemi…
20
© Misure e Tecniche Sperimentali - Alfredo Cigada
Quando serve Fourier: funzione periodica 39
g(t) = g(t+T) T = periodo
La g(t) può essere scomposta in una serie di funzioni sinusoidali a frequenze equispaziate
k f1 con f1 = 1/T k=n°intero
© Misure e Tecniche Sperimentali - Alfredo Cigada
40
Per funzioni periodiche [g(t) = g(t+T)], dove T è il periodo], la g(t) può essere scomposta in una serie di funzioni armoniche a frequenze fn equispaziate.
- f = 1/T è detta frequenza fondamentale- fn = nf, con n intero, è la generica frequenza- le varie componenti in frequenza risultano
quindi spaziate di f risoluzione in frequenza
( )
∫∫
∑ ∑
==
=
++=∞
=
∞
=
T
nn
T
nn
n
n nnnnn
dttfsinTgT
bdttfTgT
a
nff
tfsinbtfaatg
00
1 10
)2()(2
)2cos()(2
)2()2cos(21
ππ
ππ
Quando serve Fourier: funzione periodica
21
© Misure e Tecniche Sperimentali - Alfredo Cigada
41
I coefficienti an, bn derivano dalla minimizzazione delle differenze tra g(t) e la sommatoria delle funzioni armoniche, elevate al quadrato.
L’espressione dello sviluppo in serie di Fourier può anche essere vista con la sommatoria estesa anche alla componente a frequenza nulla (n=0), ponendo:
( )
)...1 , 0 )(1
)2()2cos(
00
0
0 0
∞=====
+=
∫
∑ ∑∞
=
∞
=
(nbBaABdtTgT
A
tfsinBtfAtg
nnnn
T
n nnnnn ππ
Funzione periodica
© Misure e Tecniche Sperimentali - Alfredo Cigada
42
La g(t) può essere espressa anche nella seguente forma (già illustrata per via grafica):
( )
arctg
)2cos(
22
0
)2(
0
)A
B(BAC
eCetfCtg
n
nnnnn
n
tfin
nnnn
nn
−=+=
ℜ=+= ∑∑
∞
=
+∞
=
ϕ
ϕπ ϕπ
- ogni termine della sommatoria è complesso (e quindi definito da un modulo e da una fase) e può essere visto come un vettore rotante nel piano Reale-Immaginario (piano di Gauss). ϕn è l’angolo fra Cn e l’asse reale per t = 0.
- le proiezioni sull’asse reale di questi vettori concorrono a formare la g(t), che è infatti reale.
Funzione periodica
22
© Misure e Tecniche Sperimentali - Alfredo Cigada
43
Proiezione sull’asse reale dei vettori Cn
ℜe
ℑm
Cn
ωn = 2πfn
ϕn
Funzione periodica
© Misure e Tecniche Sperimentali - Alfredo Cigada
Considerazioni qualitative sulla serie di Fourier
44
( )G fT
g(t ek-j
T
Tdtf tk=
−∫
1 2
2
2)
/
/π
• considero la componente che ruota afk. Moltiplicare per e-j2πfkt significa annullarela rotazione di quella componente che,integrata nel tempo, dà un valore finito.
• tutte le altre componenti ruotanoanche dopo il prodotto per e-j2πfkt ilprodotto integrato sul periodo è 0
23
© Misure e Tecniche Sperimentali - Alfredo Cigada
• in definitiva si estrae da g(t) la componente fk congelata con la fase dell’istante t=0.
• un segnale periodico nel tempo ha uno spettro discreto: tutte le armoniche sono multiple di una fondamentale.
Considerazioni qualitative sulla serie di Fourier
45
© Misure e Tecniche Sperimentali - Alfredo Cigada
• g(t) è reale: se esiste fk, a -fk esiste una componente con uguale ampiezza e fase opposta
G(fk) = G*(-fk)
Se le parti immaginarie sono antisimmetriche, la frequenza 0 (DC) ha fase 0 o π ed è sempre reale
Considerazioni qualitative sulla serie di Fourier
46
24
© Misure e Tecniche Sperimentali - Alfredo Cigada
Una funzione x(t), definita nel dominio del tempo, è dettapari (Even) se:
mentre è detta dispari (Odd) se:
Ad esempio, la funzione è unafunzione pari mentre la funzione è unafunzione dispari.
)()( txtx −=)()( txtx −−=
tXtx ωcos)( =tXtx ωsen)( =
f(t)
t
pari dispari
f(t)
t
47Considerazioni qualitative sulla serie di Fourier
© Misure e Tecniche Sperimentali - Alfredo Cigada
Pertanto:
- la FT di una funzione reale pari è unafunzione reale pari. L’AFT di una funzione realepari è una funzione reale pari.
Re
Imt
Re
Imω
48Considerazioni qualitative sulla serie di Fourier
25
© Misure e Tecniche Sperimentali - Alfredo Cigada
- La FT di una funzione reale dispari è una funzioneimmaginaria dispari. L’AFT di una funzione immaginariadispari è una funzione reale dispari.
Poiché la FT e la AFT sono operazioni lineari,moltiplicando x(t) per una costante anche X(f) vienemoltiplicata per la stessa costante e viceversa. Perciò, sela costante è l’indice immaginario j si ha:
Re
Imt
Re
Im
ω
49
© Misure e Tecniche Sperimentali - Alfredo Cigada
- la FT di una funzione immaginaria pari è unafunzione immaginaria pari. L’AFT di una funzioneimmaginaria pari è una funzione immaginaria pari.
- La FT di una funzione immaginaria dispari è unafunzione reale dispari. L’AFT di una funzione reale dispariè una funzione immaginaria dispari.
Più in generale si ha che:
- la FT di una funzione complessa pari, cioè conparte reale pari e parte immaginaria pari, è una funzionecomplessa pari. L’AFT di una funzione complessa pari èuna funzione complessa pari.- La FT di una funzione complessa dispari è unafunzione complessa dispari. L’AFT di una funzionecomplessa dispari è una funzione complessa dispari.
50
26
© Misure e Tecniche Sperimentali - Alfredo Cigada
Esempio 51
( ) ( )
0
10T1
dt)2cos(dt 1
dt)2cos(1 1
1
0
T
0
T
0
T
00
=
=+=
+=+=
=
∫∫∫
B
Tft
Tft
TA
fT
ππ
( ) )2cos(1 fttg π+=
g(t)
Tt
A
Tt
cos(2πft)A
Tt
sen(2πft)
© Misure e Tecniche Sperimentali - Alfredo Cigada
52
A
T
cos2(2πft)
t
( )
12
T0
T
2dt)ft2(cosdt)ft2cos(
T
2
dt)ft2cos()ft2cos(1 T
2A
T
0
2T
0
T
0
1
=
+=
π+π=
=ππ+=
∫∫
∫
( )
0dt)2()2cos(dt)2( 2
dt)2()2cos(1 2
T
0
T
0
T
01
=
+=
=+=
∫∫
∫
ftsinftftsinT
ftsinftT
B
πππ
ππ
A
T
t
sen(2πft) cos(2πft)= 0.5*sen(4πft)
Esempio
27
© Misure e Tecniche Sperimentali - Alfredo Cigada
Rappresentazione nel piano di Gauss: sovrapposizione dei vettori rotanti
53
ℜe
ℑm
C0
0
1
0
1
1
1
0
0
==
==
ϕϕCC
ω1 = 2πf1ℜe
ℑm
C1
f
Cn
1
0 f1
ϕn
f0 f1
Rappresentazione in modulo e fase:
© Misure e Tecniche Sperimentali - Alfredo Cigada
Rappresentazione grafica 54
f
Gn
1
0 f1
ϕn
f0 f1
Rappresentazione in modulo e fase (2 vettori contro-rotanti):
- f1
- f1
( ) )2cos(1 fttg π+=
1/2
28
© Misure e Tecniche Sperimentali - Alfredo Cigada
55
f
Gn
0 f1
ϕn
f0f1
Rappresentazione in modulo e fase (2 vettori contro-rotanti):
- f1
- f1
( ) )2sen( fttg π=
1/2
π/2
− π/2
Rappresentazione grafica
© Misure e Tecniche Sperimentali - Alfredo Cigada
56
La trasformazione nel dominio delle frequenze definisce lo spettro della g(t), ossia l’insieme dei vettori rotanti definiti dall’analisi di Fourier.
Lo spettro è discreto: ci sono solo le componenti con frequenza nf multipla di quella fondamentale, che vengono dette armoniche.
Nel dominio delle frequenze il segnale g(t) è visto come una sommatoria di ∞ armoniche.
In genere, se il segnale g(t) è continuo e privo di cuspidi, il contributo delle armoniche superiori è via via meno importante, fino ad essere trascurabile nella ricostruzione del segnale.
29
© Misure e Tecniche Sperimentali - Alfredo Cigada
+ ∞
ff
A φ
T
f1
f1=∆f = 1/T
E se la funzione non è periodica???La si rende periodica!!!
© Misure e Tecniche Sperimentali - Alfredo Cigada
La frequenza fondamentale è f1=1/T ove T NON è il periodo dell’armonica più bassa presente nel segnale, bensì la durata di osservazione del segnale.
Lo stesso valore 1/T è poi la distanza tra le righe dello spettro ∆f, detta anche risoluzione in frequenza.
Alcuni esempi hanno lo scopo di chiarire i concetti esposti.
30
© Misure e Tecniche Sperimentali - Alfredo Cigada
Esempi sugli spettri 59
A A
f=1/T f
f
T
A
x(t)
0
Fase 0°
f=1/T
φ
© Misure e Tecniche Sperimentali - Alfredo Cigada
A A
f=1/T f
f
π/2
A
x(t)
T
0
Fase 0°T
f=1/T
φ
Esempi sugli spettri
31
© Misure e Tecniche Sperimentali - Alfredo Cigada
0
T
A
B
AA
1/T f
1/T fB
fase fase 00°°
φ
Esempi sugli spettri
© Misure e Tecniche Sperimentali - Alfredo Cigada
A
φ
+
A
φ
A
φ
+
equivalenza dominio del tempo- dominio delle frequenze
ipotesi di linearità
Spettri
32
© Misure e Tecniche Sperimentali - Alfredo Cigada
In realtà è possibile ricostruire qualsiasi segnale come somma di sinusoidi…
63
0 1 2 3 4 5 6 7 8 9 10
-1
-0.5
0
0.5
1
tempo [s ]
Am
pie
zz
a [
EU
]
0 1 2 3 4 5 6 7 8 9 10
-1
-0.5
0
0.5
1
tempo [s ]
Am
pie
zz
a [
EU
]
0 1 2 3 4 5 6 7 8 9 10
-1
-0.5
0
0.5
1
tempo [s ]
Am
pie
zz
a [
EU
]
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 50
0.2
0.4
0.6
0.8
1
Frequenza [Hz]
Am
pie
zz
a [
EU
]
ONDA QUADRA(periodo 5 s)
1 armonica (I)
© Misure e Tecniche Sperimentali - Alfredo Cigada
64
ONDA QUADRA 2 armoniche (I e III)
0 1 2 3 4 5 6 7 8 9 10
-1
-0.5
0
0.5
1
tempo [s ]
Am
pie
zz
a [
EU
]
0 1 2 3 4 5 6 7 8 9 10
-1
-0.5
0
0.5
1
tempo [s ]
Am
pie
zz
a [
EU
]
0 1 2 3 4 5 6 7 8 9 10
-1
-0.5
0
0.5
1
tempo [s]
Am
pie
zz
a [
EU
]
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 50
0.2
0.4
0.6
0.8
1
Frequenza [Hz]
Am
pie
zz
a [
EU
]
Analisi di Fourier
33
© Misure e Tecniche Sperimentali - Alfredo Cigada
65
ONDA QUADRA 3 armoniche
Analisi di Fourier
0 1 2 3 4 5 6 7 8 9 10
-1
-0.5
0
0.5
1
tempo [s]
Am
pie
zz
a [
EU
]
0 1 2 3 4 5 6 7 8 9 10
-1
-0.5
0
0.5
1
tempo [s]
Am
pie
zz
a [
EU
]
0 1 2 3 4 5 6 7 8 9 10
-1
-0.5
0
0.5
1
tempo [s]
Am
pie
zz
a [
EU
]
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 50
0.2
0.4
0.6
0.8
1
Frequenza [Hz]
Am
pie
zz
a [
EU
]
© Misure e Tecniche Sperimentali - Alfredo Cigada
66
ONDA QUADRA 4 armoniche
Analisi di Fourier
0 1 2 3 4 5 6 7 8 9 10
-1
-0.5
0
0.5
1
tempo [s]
Am
pie
zza
[E
U]
0 1 2 3 4 5 6 7 8 9 10
-1
-0.5
0
0.5
1
tempo [s]
Am
pie
zz
a [
EU
]
0 1 2 3 4 5 6 7 8 9 10
-1
-0.5
0
0.5
1
tempo [s]
Am
pie
zz
a [
EU
]
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 50
0.2
0.4
0.6
0.8
1
Frequenza [Hz]
Am
pie
zz
a [
EU
]
34
© Misure e Tecniche Sperimentali - Alfredo Cigada
67
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1Armoniche onda quadra
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
14 armoniche
Armoniche dispari
© Misure e Tecniche Sperimentali - Alfredo Cigada
68Armoniche pari
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5Armoniche onda triangolare
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.84 armoniche
35
© Misure e Tecniche Sperimentali - Alfredo Cigada
Gli spigoli richiedono più armoniche 69
© Misure e Tecniche Sperimentali - Alfredo Cigada
Quali sono le equazioni della serie di Fourier?
70
( )G fT
g(t e dtkj f t
T
Tk=
−∫
1 2
2
2)
/
/π
T− 2/( )G f
Tg(t e dtk
-j2 f tT
k= ∫1 2
)/
π
( )g(t G f e dtkj f t
k
k) ==−∞
∞∑ 2π
( )g(t G f e dtkj f t
kk) =
=−∞
∞∑ 2π
36
© Misure e Tecniche Sperimentali - Alfredo Cigada
Funzioni non periodiche: transitorio 71
Per funzioni g(t) non periodiche si può estendere quanto visto sopra considerando T ∞. In questo caso 1/T 0, per cui c’è continuità tra le varie armoniche nf e lo spettro è una funzione continua della frequenza.
In questo caso la trasformazione dal dominio del tempo al dominio delle frequenze è la Trasformata di Fourier.
QUINDI:
Funzione g(t) periodica nel dominio del tempo spettro discreto nel dominio delle frequenze.
Funzione g(t) non periodica nel dominio del tempo spettro continuo nel dominio delle frequenze.
© Misure e Tecniche Sperimentali - Alfredo Cigada
Studio di un transitorio:l’integrale di Fourier 72
37
© Misure e Tecniche Sperimentali - Alfredo Cigada
Un richiamo alla matematica della trasformata di Fourier
73
Le espressioni matematiche che riguardano questa trasformazione sono:
( )G f g t e dtj ft= −−∞
∞∫ ( ) 2π
( )g t G f e dtj ft( ) =−∞
+∞∫ 2π
Trasformata diretta
Trasformata inversa
© Misure e Tecniche Sperimentali - Alfredo Cigada
Analisi di un segnale acquisito sperimentalmente
74
Per analizzare un segnale si acquisisce per un certo tempo T.
Lasciamo ancora per un attimo da parte che il segnale è digitalizzato, consideriamo il fatto di “osservare” il segnale per un periodo T, detto finestra di osservazione. Fare l’analisi di Fourier di questo segnale significa assumere che esso sia periodico di periodo T:g(t)
T
t
2T
tfinestra
38
© Misure e Tecniche Sperimentali - Alfredo Cigada
75
La cosa può funzionare più o meno bene, in quanto il segnale g(t) acquisito potrà, in genere, presentare una discontinuità in corrispondenza della fine del periodo T di acquisizione:
Per questo motivo possono essere necessari degli accorgimenti che verranno precisati nel seguito
g(t)
T
t
2T
discontinuità
Analisi di un segnale acquisito sperimentalmente
© Misure e Tecniche Sperimentali - Alfredo Cigada
Una corretta scelta della durata della finestra di osservazione è importante per eseguire analisi rappresentative del fenomeno fisico osservato: T deve essere sufficientemente grande per poter “risolvere” tutte le armoniche a minor frequenza presenti nel segnale da acquisire è necessario poter stimare a priori il contributo in frequenza del segnale misurato.
Fatta l’assunzione di periodicità del segnale entro la finestra di osservazione, la g(t) acquisita può essere analizzata attraverso la serie di Fourier.
Analisi di un segnale acquisito sperimentalmente
76
39
© Misure e Tecniche Sperimentali - Alfredo Cigada
77
La serie di Fourier, come visto, produce spettri a righe definiti dalla frequenza 0 (che è il valor medio) alla frequenza ∞. La frequenza fondamentale è f = 1/T, dove T non è più il periodo, ma la finestra di osservazione; f = 1/T è anche la risoluzione in frequenza.
Le prime righe possono essere associate alla scelta della lunghezza della finestra
ϕn
f0
Fase
+∞+∞f
Cn
0
f1
f = ∆f = 1/T
Modulo
valor medio
Analisi di un segnale acquisito sperimentalmente
© Misure e Tecniche Sperimentali - Alfredo Cigada
Altri esempi 78
A A
1/T f
T
A
x(t)
0
40
© Misure e Tecniche Sperimentali - Alfredo Cigada
Altri esempi 79
f
A
1/T 2/T
Modulo
T = finestra di osservazione
1/T = frequenza fondamentaleT/2 = periodo della sinusoide
2/T = frequenza
A
g(t)
0T
t
T > periodo di g(t), anzi, multiplo del periodo del segnale
© Misure e Tecniche Sperimentali - Alfredo Cigada
A
T0 f
Discontinuità !
g(t)
T = finestra di osservazione
1/T = frequenza fondamentale
Ts = periodo sinusoide = 4/3 T
fs = frequenza sinusoide = 3/4 f
A
f f
A
< A
fs
Lo spettro ottenuto evidenzia come non ci sia la frequenza fs e come il valor medio del segnale risulti non nullo (errore di leakage)
80Altri esempi
41
© Misure e Tecniche Sperimentali - Alfredo Cigada
81
ULTERIORE PASSO: ho una funzione g(t) campionata con frequenza fc da t = -∞ a t = +∞ lo spettro è continuo (T ∞; 1/T 0) ma limitato ad una frequenza massima pari a fc /2 per problemi di aliasing.
ULTIMO PASSO, corrispondente al caso reale: la funzione g(t) è campionata con frequenza fc in un intervallo finito di tempo 0-T. La funzione si considera periodica con periodo pari alla durata dell’osservazione lo spettro è allora a righe (perché la funzione è periodica) e limitato ad una frequenza massima fc /2 per problemi di aliasing.
Analisi di un segnale acquisito sperimentalmente
© Misure e Tecniche Sperimentali - Alfredo Cigada
82
Lo strumento che consente di effettuare l’analisi in frequenza di una funzione g(t) campionata per un periodo T è la trasformata discreta di Fourier (DFT). L’algoritmo ottimizzato dal punto di vista numerico, implementato sui calcolatori (ad esempio gli analizzatori di spettro), è la FFT (Fast Fourier Trasform).
FFT ricostruisce il segnale g(t), osservato per un tempo T con frequenza di campionamento fc, con una sommatoria di armoniche sottomultiple di fc :
f1
f
N f
campioni di numeroN NT
t t
1 f
c
c
∆==
=
==∆∆
=
T
TIl generico tempo t è dato da: n∆t (0<n<N-1)
La generica freq. f è data da: k∆f (0<k<N-1)
frequenza fondamentale e risoluzione spettrale
Analisi di un segnale acquisito sperimentalmente
42
© Misure e Tecniche Sperimentali - Alfredo Cigada
© Misure e Tecniche Sperimentali - Alfredo Cigada
84
Il segnale ricostruito è composto da N componenti armoniche (compreso il valor medio a frequenza nulla), ma non tutte sono però utilizzabili a causa dell’aliasing. Sono affidabili solo le armoniche con frequenza minore di fc/2, ossia solo:
frequenze N
)T(
TN
ff
kf fk cc
21222==
∆=⇒=∆
Le frequenze sono sottomultipli di fc (e, ovviamente, multiple di 1/T) :
Nyquist di criterio dal derivaT1
2N
, ,T2
,T1
0, ⇐LL
43
© Misure e Tecniche Sperimentali - Alfredo Cigada
85
Supponiamo di campionare un segnale per 4 secondi con fc=100 Hz:
N°di campioni: N = T/ ∆t = T*fc =4*100 = 400
Risoluzione in frequenza: 1/T = 1/4 = 0.25 Hz
Frequenza massima: fmax = fc/2 = 100/2 = 50 Hz, o anche
fmax = ∆f *N/2 = 0.25 * 400/2 = 50 Hz
© Misure e Tecniche Sperimentali - Alfredo Cigada
Un accenno al significato di finestra 86
Dunque nel caso reale non solo la funzione è campionata, ma anche accade che non è possibile osservarla per una durata infinita. Acquisire il segnale per una durata finita equivale a moltiplicare il segnale x(t) per una funzione w(t), detta FINESTRA RETTANGOLARE o BOXCAR, con le seguenti caratteristiche
0 T
1
Il passaggio attraverso la finestra rettangolare serve per estrarre una parte di segnale da quello originario.Di fatto questo modo di procedere periodicizza la funzione assumedo forzatamente che il periodo della fondamentale sia la finestra di osservazione del segnale.
T t;00)(
01)(
><=<<=
ttw
Tttw
44
© Misure e Tecniche Sperimentali - Alfredo Cigada
Nella realtà si può considerare che il segnale acquisito passi attraverso due stadi : il primo consiste nel moltiplicarlo per la finestra rettangolare w(t), il secondo nel moltiplicare il segnale finestrato per una funzione costituita da una serie di impulsi di ampiezza unitaria ed equispaziati di una quantità ∆t pari all’intervallo di campionamento adottato.
Potranno risultare prive di senso le prime armoniche dello spettro, perché associate a frequenze “forzate” dalla periodicizzazione della funzione, ma quelle superiori, se effettivamente presenti nel segnale, saranno bene evidenziate nello spettro
87
© Misure e Tecniche Sperimentali - Alfredo Cigada
88
Gli analizzatori di spettro, ad esempio, lavorano con un buffer di memoria che consente il campionamento di 1024 punti alla volta. In questo caso il numero N di campioni è 1024 e il numero di righe nello spettro è N/2, ossia 512.
Se scelgo di campionare per T = 20 s, avrò:
risoluzione in frequenza: ∆f = 1/T = 1/20 Hz
intervallo di acquisizione: ∆t = T/N = 0.0195 s
frequenza di campionamento: fc = 1/ ∆t = 51.2 Hz
frequenza massima: fmax = fc /2 = 25.6 Hz
La tabella successiva mostra lo schema di calcolo di queste grandezze, per N fisso, in base al parametro scelto:
45
© Misure e Tecniche Sperimentali - Alfredo Cigada
Parametro scelto N
∆tt2
1f max ∆
= fissotN
1f
tNT
∆=∆
∆=
fmax
maxf21
t =∆ fissotN
1f
tNT
∆=∆
∆=
∆ff
1T
∆= fisso
f2
Nf
N
Tt
max ∆=
=∆
TT
1f =∆ fisso
f2
Nf
NT
t
max ∆=
=∆
Se si vuole aumentare la risoluzione, cioè avere ∆f piccolo devo aumentare la durata T dell’acquisizione
Se si vuole avere fmax elevata devo aumentare la frequenza di campionamento fc.
89
© Misure e Tecniche Sperimentali - Alfredo Cigada
Nota bene 90
Se si desidera alzare la risoluzione in frequenza, non ha alcun senso operare sulla frequenza di campionamento, bensì sulla durata del campionamento, che deve essere aumentata.
Se l’obiettivo è quello di riconoscere la presenza di una particolare frequenza, senza interesse per il valore in ampiezza di quell’armonica, è tecnica diffusa quella di aggiungere alla storia temporale una sequenza di zeri.
Se, viceversa, interessa aumentare la massima frequenza osservabile, bisogna alzare la fs
46
© Misure e Tecniche Sperimentali - Alfredo Cigada
A testimonianza che gli algoritmi di Fourier si possono applicare a tutte le funzioni, si mostra che il discorso è valido anche per la funzione che definisce la finestra rettangolare di ampiezza 1
1h(t)
-T/2 T/2
T
1/T-1/T-
2/T2/T
3/T-3/T
H(f)
f
FOURIER
( ) ( ) [ ]
2
2sen
2
2
1
22
22
2
2
2
2
T
T
TT
j
eeT
j
ee
ej
dtedtethjH
Tj
Tj
Tj
Tj
T
Ttj
T
Ttjtj
ω
ω
ωω
ωω
ωωωω
ωωω
=
−
=−=
=−===
−−
−
−
−
−∞
∞−
−∫∫
Funzione non campionata ( ) ( )
x
xsinfH =
91
© Misure e Tecniche Sperimentali - Alfredo Cigada
COME SI ESEGUE LA FFT
92
47
© Misure e Tecniche Sperimentali - Alfredo Cigada
Interessa fornire qualche indicazione su comeoperativamente si esegue la FFT. Tutti i programmihanno nelle loro librerie la funzione FFT, che però nonfornisce direttamente lo spettro. Le più datate accettanosolo storie temporali composte da un numero di puntipari a 2n. In tal modo vengono sfruttate le simmetriedelle funzioni circolari per eseguire più rapidamente leoperazioni; tuttavia la velocità dei calcolatori riesce a farsì che, pur partendo da un base di dati qualsiasi, siapossibile eseguire la sequenza di operazioni in tempibrevi e più che ragionevoli.
93
© Misure e Tecniche Sperimentali - Alfredo Cigada
Le routines di FFT dunque accettano in ingresso una sequenza di N valori campionati.
Viene restituita una sequenza di N numeri complessi; dal momento che ogni numero complesso consta di parte reale ed immaginaria, e non è possibile ottenere informazioni maggiori rispetto a quelle di partenza (N), solo metà dei numeri restituiti avranno un significato, dunque le informazioni utili saranno nei primi N/2 numeri complessi, mentre i dati contenuti nei secondi N/2 punti saranno ridondanti.
94
48
© Misure e Tecniche Sperimentali - Alfredo Cigada
Alla FFT non è data alcuna informazione sullascala dei tempi, sulla frequenza dicampionamento, dunque è compitodell’operatore costruire la scala dei tempi.
Si utilizza un esempio per scenderemaggiormente nel dettaglio delle operazioni dacompiere per arrivare ad ottenere lo spettro di unsegnale.
95
© Misure e Tecniche Sperimentali - Alfredo Cigada
Esempio 96
0 2 4 6 8-2
-1
0
1
2
8 cicli
f = 1 Hz
Ampiezza= 2unità
s
V
49
© Misure e Tecniche Sperimentali - Alfredo Cigada
Si prende il vettore dei dati e si chiama la FFT o similare:
N punti della storia temporale
FFTN numeri complessi
… …
97
© Misure e Tecniche Sperimentali - Alfredo Cigada
1.0e+002 *
0.0000
-0.0000 - 0.0000i
0.0000 - 0.0000i
0.0000 - 0.0000i
0.0000 - 0.0000i
-0.0000 - 0.0000i
-0.0000 - 0.0000i
-0.0000 - 0.0000i
0.5023 - 7.9842i
-0.0000 + 0.0000i
8 riga
Solo reale
98
50
© Misure e Tecniche Sperimentali - Alfredo Cigada
1.0e-005 *
0.0000 - 0.0000i
0.0000 - 0.0000i
0.0095 + 0.1503i
0.0000 + 0.0000i
0.0000 - 0.0000i
0.0000 + 0.0000i
0.0000 + 0.0000i
-0.0000 + 0.0000i
-0.0000 - 0.0000i
0.0000 + 0.0000i
-0.0000 + 0.0000i
0.0000 - 0.0000i
-0.0000 + 0.0000i
-0.0000 - 0.0000i
0.0000 - 0.0000i
0.0000 - 0.0000i
0.0000 + 0.0000i
0.0000 - 0.0000i
0.0095 - 0.1503i
Cplx conjmetà
99
© Misure e Tecniche Sperimentali - Alfredo Cigada
0 200 400 600 800-20
0
20
40
60
[N punti]
[V]
Parte reale della fft
100
51
© Misure e Tecniche Sperimentali - Alfredo Cigada
0 200 400 600 800-1000
-500
0
500
1000
[N punti]
[V]
Parte immaginaria della fft
101
© Misure e Tecniche Sperimentali - Alfredo Cigada
0 200 400 600 8000
200
400
600
800
1000
[N punti]
[V]
Modulo della funzione di trasferimento
non Hz
Ampiezza errata
102
52
© Misure e Tecniche Sperimentali - Alfredo Cigada
Come si trattano i dati 103
tem
pi
cana
le1
cana
le2
cana
le nMATRICE DATI
t0
Diversi formati:ASCII, binario (integer, real…)
© Misure e Tecniche Sperimentali - Alfredo Cigada
%%%% Asse delle frequenze
dt=dati(2,1)-dati(1,1);
freq=(1/dt)/N*(0:(N/2-1));
risoluzione in frequenza
Solo la prima metà del vettore
11
TNdt=
104
53
© Misure e Tecniche Sperimentali - Alfredo Cigada
%%%% Modulo e fase dello spettro
mod(2:(N/2))=2/N*abs(spe(2:(N/2)));
mod(1)=spe(1)/N;
Per recuperare il valore corretto dell’ampiezza si dividono tutte le righe dello spettro per N/2.
105
© Misure e Tecniche Sperimentali - Alfredo Cigada
FFTDivisione per N:
106
54
© Misure e Tecniche Sperimentali - Alfredo Cigada
Prodotto delle righe per 2.Serve perché se considero le prime N/2 righe, ho le ampiezze dei vettori corrispondenti alla sola parte positiva (o negativa) delle frequenze, quindi pari a metà dell’ampiezza del segnale di partenza.
La sola armonica 0, ricoprendosi su se stessa, va divisa solo per N.
107
© Misure e Tecniche Sperimentali - Alfredo Cigada
Spettro completo 108
0 10 20 30 40 500
1
2
3
[Hz]
[V]
0 10 20 30 40 50-5
0
5
[Hz]
[deg
] Significato fase
55
© Misure e Tecniche Sperimentali - Alfredo Cigada
Si ricorda che esiste un altro metodo, semplice, per ricavare lo spettro, ricordando che per i numeri complessi il prodotto di un numero per il suo complesso coniugato è pari al quadrato del suo modulo
Dunque, se prelevo il vettore in uscita della FFT e lo moltiplico per il suo complesso coniugato, otterrò, in corrispondenza ad ogni riga, il quadrato delle ampiezze delle righe dello spettro (ovviamente anche in questo caso si ha la normalizzazione legata al numero di punti acquisiti N). In tal caso si parla di Power Spectrum (Spettro di potenza).
( )( ) 22222 babiiabiabaibaiba +=−+−=−+
109
© Misure e Tecniche Sperimentali - Alfredo Cigada
Spesso, quando lo spettro del segnale di partenza è continuo (trasformata di Fourier), si incontra anche la Densità di potenza spettrale. In questo caso le unità di misura sono (unità grandezza2/Hz). In tal caso è necessario effettuare una integrazione su una banda finita per ottenere un valore di energia finita.
110
56
© Misure e Tecniche Sperimentali - Alfredo Cigada
Spettro: nuova storia 111
0 2 4 6 8-2
-1
0
1
2
8 cicli
f = 1 Hz
Ampiezza= 2unità
© Misure e Tecniche Sperimentali - Alfredo Cigada
Spettro completo 112
Che cosa è cambiato rispetto al caso precedente?
0 10 20 30 40 500
1
2
[Hz]
[V]
0 10 20 30 40 50-5
0
5
[Hz]
[deg
]
Significato fase
57
© Misure e Tecniche Sperimentali - Alfredo Cigada
Nel primo caso all’interno della finestra erano contenuti un numero intero di cicli il periodo del segnale è un sottomultiplo della finestra di osservazione.
Viceversa, nel secondo caso, nella finestra osservata sono presenti N(interi)+una frazione di ciclo del segnale armonico: questo comporta una stima errata sia della frequenza del picco, sia dell’ampiezza.
113
© Misure e Tecniche Sperimentali - Alfredo Cigada
Questo avviene perché la frequenza che dovrebbe avere il segnale nello spettro discreto sta a metà strada tra due delle righe disponibili.
Viene salvato il contenuto globale di energia, ma portandolo su più righe di ampiezza minore
114
58
© Misure e Tecniche Sperimentali - Alfredo Cigada
EFFETTO FINESTRA
115
© Misure e Tecniche Sperimentali - Alfredo Cigada
Effetto finestra 116
Si torna ora al problema del legame tra il periodo della funzione e la durata T della finestra di osservazione. Lo spezzone di segnale acquisito non contiene necessariamente un numero intero di periodi; tuttavia, calcolarne la DFT implica rendere il segnale periodico di periodo T.
Il risultato è una approssimazione dello spettro “vero”, a meno dell’effetto “finestra”.
Definiamo:
T = durata dello spezzone di segnale acquisito
T0 = periodo (vero!) del segnale
dovrà essere T >> T0
59
© Misure e Tecniche Sperimentali - Alfredo Cigada
L’effetto finestra consta a sua volta di due termini:
A) dilatazione delle righe spettrali: al posto delle righe spettrali si osservano picchi a banda stretta ma finita.
Questo è dovuto al fatto che la riga teorica associata alla frequenza del segnale non si trova in una delle posizioni “consentite” da Fourier (lunghezza della finestra non multipla del periodo del segnale). Il contenuto energetico del segnale si “sparge” su parecchie righe dello spettro.
Tale errore va sotto il nome di errore di leakage.
La larghezza delle bande si restringe sempre di più all’aumentare di T, cioè all’aumentare della risoluzione in frequenza.
Effetto finestra
© Misure e Tecniche Sperimentali - Alfredo Cigada
g(t)
T
t
segnale di cui si valuta lo sviluppo in serie
Se ad esempio il segnale acquisito è una sinusoide e T=2.5 T0:
B) creazione di picchi artificiali dovuti alla eventuale presenza di periodi non completi agli estremi dello spezzone
Effetto finestra
60
© Misure e Tecniche Sperimentali - Alfredo Cigada
… si ottiene il seguente risultato:
Frequenza [Hz]
amp
ff000
f0
f0 = 1/T0
Il contenuto energetico del segnale si ‘sparge’ su diverse righe anziché su una soltanto: l’ampiezza della banda a frequenza f0 è minore dell’ampiezza della sinusoide.
All’aumentare della durata T: la banda delle righe si riduce i lobi laterali si stringono
attorno al lobo centrale la loro altezza non diminuisce
Effetto finestra
© Misure e Tecniche Sperimentali - Alfredo Cigada
Usare solo il segnale all’interno della finestra di osservazione per calcolare lo spettro può essere interpretato come calcolare la trasformata della funzione moltiplicata per una funzione “finestra” che vale 1 per 0 < t < T e 0 per altri valori di t.
Se il fenomeno oggetto delle misure è periodico e di periodo misurabile (ad esempio una macchina rotante), posso pensare di legare la durata della finestra di osservazione al periodo del fenomeno (acquisizione sincrona): ho così eliminato tutti i problemi dell’effetto finestra
61
© Misure e Tecniche Sperimentali - Alfredo Cigada
Finestre di osservazione speciali 121
Se il fenomeno oggetto delle misure non è periodico, o, comunque, non si può effettuare un’acquisizione sincrona:
Poiché la coesistenza dei due fenomeni dell’effetto finestra (comparsa di bande di ampiezza ridotta anziché di righe con ampiezza corretta, comparsa di lobi laterali) può dar luogo a difficoltà di interpretazione dello spettro, spesso conviene eliminarne uno dei due, sia pure a costo di un peggioramento dell’altro.
I lobi laterali sono dovuti ad un effetto di bordo, cioè alla presenza di frammenti di periodo agli estremi del segnale.
Per ridurre l’effetto di bordo, posso pensare ad un metodo che “smussi” i punti singolari agli estremi della finestra: questo metodo potrebbe consistere nell’adozione di nuove “finestre”, che ad esempio, pur distorcendo il segnale, lo obblighino ad avere lo stesso valore all’inizio ed alla fine della finestra, e magari anche con la stessa derivata:
© Misure e Tecniche Sperimentali - Alfredo Cigada
g(t)
T
t
2T
62
© Misure e Tecniche Sperimentali - Alfredo Cigada
Esempio: applicazione della finestra cosinusoidale al segnale visto in precedenza:
123
0 1 2 3 4 5 6 7 8 9 10-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
segnale
finestra
© Misure e Tecniche Sperimentali - Alfredo Cigada
Il risultato del pre-trattamento è il seguente: 124
0 1 2 3 4 5 6 7 8 9 10-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
Segnale
finestrato
63
© Misure e Tecniche Sperimentali - Alfredo Cigada
Lo spettro che si ottiene è il seguente: 125
Frequenza [Hz]
amp
ff000
f0
finestra rettangolarefinestra cosinusoidale
© Misure e Tecniche Sperimentali - Alfredo Cigada
0 2 4 6 8 100
0.2
0.4
0.6
0.8
1
Modulo dello spettro
Frequenza [Hz]
0 1 2 3 4-1
-0.5
0
0.5
1Storia temporale
Tempo [s]
Numero intero di cicli nella storia temporale
Esempi
64
© Misure e Tecniche Sperimentali - Alfredo Cigada
127
Esempi
t
Impulso
f
0 1 2 3 4-1.5
-1
-0.5
0
0.5
1
1.5Storia temporale
Tempo [s]0 2 4 6 8 10
0
0.2
0.4
0.6
0.8
1
Modulo dello spettro
Frequenza [Hz]
2 armoniche
© Misure e Tecniche Sperimentali - Alfredo Cigada
128
0 0.05 0.1 0.15 0.2-1
0
1
Tempo [s]
Rumore random
0 500 1000 1500 2000 25000
0.01
0.02
Hz
Esempi
65
© Misure e Tecniche Sperimentali - Alfredo Cigada
Spettri 129
SEGNALE DI FORZA NEL DOMINIO SEGNALE DI FORZA NEL DOMINIO DEL TEMPODEL TEMPO
© Misure e Tecniche Sperimentali - Alfredo Cigada
SEGNALE DI FORZA NEL DOMINIO SEGNALE DI FORZA NEL DOMINIO DELLE FREQUENZEDELLE FREQUENZE
Spettri
66
© Misure e Tecniche Sperimentali - Alfredo Cigada
Spettri 131
STORIA TEMPORALE REGISTRATA DA UN MICROFONO AL PASSAGGIO DI UN CONVOGLIO
FERROVIARIO
0 2 4 6 8 10 12-8
-6
-4
-2
0
2
4
6
Tempo [s]
Pre
ssio
ne [P
a]Storia temporale delle pressioni
© Misure e Tecniche Sperimentali - Alfredo Cigada
Spettri 132
SPETTRO REGISTRATO DA UN MICROFONO AL PASSAGGIO DI UN CONVOGLIO FERROVIARIO
200 300 400 500 600 700 800 900 10000
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09Frequency spectra of a single raw microphone
[Hz]
[Pa]
67
© Misure e Tecniche Sperimentali - Alfredo Cigada
Esempi 133
STADIO DI SAN SIRO: VIBRAZIONI COPERTURA TERZO ANELLO QUANDO VIENE SEGNATO UN GOL
Incontro INTER JUVENTUS
4 aprile 2004
© Misure e Tecniche Sperimentali - Alfredo Cigada
134
68
© Misure e Tecniche Sperimentali - Alfredo Cigada
135
PRONTEZZA, RIPRESAPRONTEZZA, RIPRESAL’obiettivo ideale sarebbe, dato un certo L’obiettivo ideale sarebbe, dato un certo ingresso sinusoidale, avere un’uscita pure ingresso sinusoidale, avere un’uscita pure sinusoidale con un fattore di amplificazione sinusoidale con un fattore di amplificazione costante al variare della frequenza e con costante al variare della frequenza e con sfasamento nullo (si vedrà poi che sulla fase è sfasamento nullo (si vedrà poi che sulla fase è possibile adottare regole meno restrittive)possibile adottare regole meno restrittive)
qqii
qqoo
© Misure e Tecniche Sperimentali - Alfredo Cigada
136
Viceversa, la presenza della funzione di Viceversa, la presenza della funzione di trasferimento, per ciascuna delle frequenze trasferimento, per ciascuna delle frequenze considerate, opera una trasformazione che considerate, opera una trasformazione che modifica il modulo (da Amodifica il modulo (da Aii a Aa Aoo) e la fase (che ) e la fase (che significa un ritardo nel tempo). Nell’ottica di significa un ritardo nel tempo). Nell’ottica di studiare le prestazioni di uno strumento, queste studiare le prestazioni di uno strumento, queste modifiche sulle diverse armoniche (sinusoidi) che modifiche sulle diverse armoniche (sinusoidi) che formano il segnale di ingresso, devono essere formano il segnale di ingresso, devono essere tali per cui il segnale in uscita, ottenuto come tali per cui il segnale in uscita, ottenuto come somma delle risposte ai singoli segnali semplici somma delle risposte ai singoli segnali semplici in ingresso, deve avere “lo stesso aspetto” di in ingresso, deve avere “lo stesso aspetto” di quello ricevuto in ingresso, il che significa lo quello ricevuto in ingresso, il che significa lo stesso segnale, al più moltiplicato per una stesso segnale, al più moltiplicato per una costante e traslato nel tempo.costante e traslato nel tempo.
69
© Misure e Tecniche Sperimentali - Alfredo Cigada
137
Lo strumento effettua correttamente queste operazioni solo in una banda compresa tra due frequenze fmin ed fmax, la banda in cui lo strumento è PRONTO.
© Misure e Tecniche Sperimentali - Alfredo Cigada
138
Ai
Ao
ω
φι
φο
t
x(t)
Segnale originale
Amplificazione
Ritardo
70
© Misure e Tecniche Sperimentali - Alfredo Cigada
139
Studio del Studio del comportamentcomportamento dinamico o dinamico degli strumenti: degli strumenti: due possibilitàdue possibilità
ANALITICAANALITICA: è nota l’equazione : è nota l’equazione dello strumento (si tratta comunque dello strumento (si tratta comunque di un modello, di una di un modello, di una semplificazione, non è una semplificazione, non è una descrizione completa dello descrizione completa dello strumento)strumento)
SPERIMENTALESPERIMENTALE: non è nota : non è nota l’equazione dello strumento o è l’equazione dello strumento o è troppo complessa; è comunque la troppo complessa; è comunque la via più sicura per eseguire una via più sicura per eseguire una TARATURA DINAMICATARATURA DINAMICA