Siempre encuentro una representación de dominio de frecuencia de ruido aleatorio como PSD (no FFT), algo así como en la siguiente gráfica:
Sin profundizar demasiado en las matemáticas, en términos prácticos, ¿podemos usar siempre FFT en lugar de PSD para caracterizar una señal aleatoria? Si es así, ¿cuál es la razón para usar el otro método en la práctica?
Incluso se vuelve un poco más complicado porque la mayoría de las veces la señal puede tener componentes tanto aleatorios como periódicos. Imagine que mido el flujo de presión constante con la salida analógica de un transductor. Pero esas señales que muestro tendrán componentes periódicos y aperiódicos y ruido aleatorio, etc. En tal caso, si hemos muestreado la señal con suficiente frecuencia de muestreo, ¿qué método sería preferible entre FFT y PSD?
Antes estudié algunas series de Fourier y transformé y usé muchas veces funciones FFT en MATLAB o Python para frec. vista de dominio de una señal. ¿Por qué se necesitaría PSD si FFT es suficiente para todo tipo de señales?
(Los osciloscopios digitales, por ejemplo, muestran FFT en tiempo real de una señal pero no PSD. Por lo tanto, no siempre se usa PSD y no siempre FFT. ¿Cómo decidir cuál elegir?)
Como dijo Marcus Müller en los comentarios, PSD es una salida (una "respuesta"), mientras que FFT es un cálculo ("una forma de obtener una respuesta"). Hay muchas formas de calcular el PSD y todas son "estimaciones" ya que su señal de entrada es ruidosa e incierta.
Más importante aún, si toma la FFT de su señal sin procesar, obtendrá la densidad espectral de amplitud . Lo que realmente quiere es la densidad espectral de potencia : la PSD. La forma más básica de estimar una PSD es simplemente tomar la FFT de la función de autocorrelación de su señal. Pero esa estimación de PSD será muy ruidosa e incierta (ya que su señal de entrada es ruidosa e incierta). Si agrega más puntos de muestra, terminará con otra estimación ruidosa e incierta, pero una que tiene una resolución de frecuencia mucho más alta.
Hay muchas maneras de calmar esta estimación de PSD, pero el análisis espectral de señales ruidosas es un tema tremendamente complicado, con libros completos y cursos de ingeniería de nivel de posgrado dedicados a él. Puede encontrar una buena introducción en este tutorial en dsprelated.com . Si busca en Google la frase "estimación espectral de señales ruidosas", encontrará muchos otros recursos, incluidos libros completos. (Creo que pueden estar violando la ley de derechos de autor al ponerlos en línea, por lo que no compartiré el enlace aquí).
Si conoce la regla de Parseval para el espectro de energía (= el cuadrado de las amplitudes de la transformada de Fourier calculadas en cada punto de frecuencia por separado) y la energía total de la señal de duración limitada, puede calcular la PSD para un conjunto de muestras de señal dividiendo el espectro de energía por el Duración de la señal. Esto realmente presenta la señal que está almacenada en la memoria, excepto que la información de fase se pierde por completo.
No espere que la PSD calculada a partir de un conjunto de muestras de alguna manera presente de manera confiable algo más que solo ese conjunto de muestras. Aquellos que usan PSD quieren saber con qué precisión el PSD calculado presenta la salida de la misma fuente de ruido en el futuro. Utilizan PSD en la toma de decisiones basada en estadísticas o en el diseño de esa toma de decisiones. NO les interesa un conjunto de muestras de ese ruido. El conjunto de muestra en sí mismo, o de manera equivalente su FFT, muestra eso mucho mejor que PSD.
Desafortunadamente, no puedo presentar ninguna regla general para las estimaciones de validez. Eso necesita la teoría de estimar las características de los procesos estocásticos. Una cosa es bastante segura: debe observar una señal de ruido durante bastante tiempo para obtener también en el futuro una estimación de PSD útil con la misma resolución de frecuencia que obtiene en un abrir y cerrar de ojos para la FFT de un conjunto de muestras de una señal.
Los analizadores de audio en tiempo real pueden mostrar bien la PSD: es el cuadrado del espectro de amplitud y en la escala de dB es lo mismo, solo que escalado. Pero el período de cálculo es muy largo, es una ventana deslizante en el tiempo, y la resolución que se muestra es baja en comparación con la resolución de frecuencia interna de FFT.
marcus muller
GNZ
GNZ
GNZ
marcus muller
GNZ
marcus muller
Tony Estuardo EE75