【振動噪音產學技術聯盟】網頁導覽影片

為提供訪客更多、更清楚的資訊,我們建立【振動噪音產學技術聯盟】網頁導覽影片,只要10分鐘的時間,快速為您介紹聯盟網頁架構、網頁內涵及如何應用,讓您多了解【振動噪音產學技術聯盟】網頁!

振動噪音產學技術聯盟

Facebook粉絲專頁

《振動噪音科普專欄》Window effect on decay signal for FFT(2)


這個單元接續先前單元:【Window effect on decay signal for FFT】,衰減信號使用不同視窗加權對FFT之影響探討。

同樣,由英文標題來破題,需要了解甚麼是Window視窗?甚麼是decay signal衰減型信號?甚麼是FFT?又在進行FFT時,也就是頻譜分析時,採用不同的Window,對得到傅立葉頻譜(Fourier spectrum),會有甚麼影響?本單元還加入了取得自身功率頻譜Gpp(f)的信號解析方式,希望在這個單元可以進一步了解頻譜的特徵。

本單元探討的聲音信號,係以先前單元:【單一頻率與倍數頻率聲音的聽感差異?】,如圖示,第四個時間區間的聲音頻率特徵,已知:主要的聲音頻率特徵,除了有基音頻率f=165Hz,也有2倍的基音頻率,2f=330Hz 3倍的基音頻率,3f=495Hz,還包括了4倍的基音頻率,4f=660Hz

參閱圖示左上方的時間域信號,本單元將對第四個時間區間的衰減型信號,進行深入的解析與討論。取第四個時間區間的聲音信號,進行FFT頻譜分析,取得該訊號的自身功率頻譜(auto power spectrum),由於是取得功率頻譜,可以取平均以降低頻譜的隨機誤差(random error)。本案例,FFT參數設定:開始時間為6秒,每個FFT時間區間time frame1秒,取10次平均,重疊率為90%,所以,終止時間為7.9秒。

參考圖示左側,為選用4種視窗加權函數,所分別得到的自身功率頻譜Gpp(f),討論如下:

1.      Boxcar Window:在頻譜圖中,看起來還正常,比起在先前單元:【Window effect on decay signal for FFT】,採用Boxcar視窗加權函數時,相較起來,在此沒有發現有柵欄效應(fence effect),這是因為:(1)本案例FFT分析,設定了10次平均,取得自身功率頻譜Gpp(f)(2)進行FFTtime frame時間區間,p(t)在終止時間,已經降到接近0,所以,信號沒有被截斷 (truncation)的現象,頻譜圖是蠻正常的。
2.      Hanning Window:在整體頻譜圖可發現,有許多的小峰值,這樣的頻譜圖,會讓人不容易判斷真正的信號頻率特徵。文後,會解析此小峰值頻率係來自50Hz倍頻的電雜訊效應。
3.      Exponential 0.1:此頻譜圖可解析的判讀性好了許多,不過,仍然有小峰值現象。
4.      Exponential 0.01:可以觀察此頻譜圖是最清楚,可以明確判別頻譜的峰值頻率特徵。因此,可以說對此衰減型信號,以Exponential 0.01的視窗加權函數處理後,進行FFT,所得到頻譜是最好的,因為可以明確判讀主要的峰值頻率,也就是此衰減型信號的頻率特徵。

在圖示左側採用不同視窗加權函數的自身功率頻譜Gpp(f),都有一共同的特性,在50Hz及其倍頻似乎都有峰值頻率出現,為什麼呢?

觀察右側上圖在0~2秒之間,從時間域可以看出特別是約1.2~2秒之間,有明顯的雜訊特徵,對此0~2秒之間的信號進行FFT頻譜分析,採用Hanning window,可以觀察對應的自身功率頻譜Gpp(f),在50Hz及其倍數頻率都有小峰值頻率出現,可以推論:此錄製的信號,有電壓50Hz雜訊的影響。而且,在頻率為50Hz150Hz250Hz的量值特別大。

為了解釋左側圖示,許多50Hz倍頻的小峰值頻率的現象,例如,採用Hanning window時,所得到的自身功率頻譜Gpp(f),如圖示右側下方,一圖呈現50Hz的倍頻線,以紅色點線標示;另一圖呈現165Hz的倍頻線。可以發現:採用Hanning window時,自身功率頻譜Gpp(f)忠實的呈現出所有50Hz及其倍頻的雜訊頻率特徵。

由於,在頻譜分析時,主要目的都是在解析主要有興趣的信號之頻率特徵,若是採用了Hanning window,反而增加了許多50Hz相關的雜訊頻率特徵,這對於原始信號的解析,反而沒有幫助。

以本案例而言,解析目標在能夠解構此聲音信號,在第四個時間區間的頻率特徵,綜合比較起來:Exponential 0.01 window最佳,其次依序是Exponential 0.1 windowBoxcar windowHanning window。雖然Hanning window 有最好的頻率解析,但是,太多的50Hz雜訊相關倍數頻率的出現,反而會影響對需要解析信號之判別。

綜合來說,當我們對一個時間域信號,要進行FFT頻譜分析,主要目的就是要了解該信號的頻率特徵,特別是要能有效地觀察到所有的峰值頻率。

以本案例所探討的衰減型信號,採用不同的視窗加權函數處理後,進行FFT頻譜分析,所得到的是取10次平均的自身功率頻譜Gpp(f),在判讀性、可解析性來看,當然,Exponential 0.01視窗加權函數,對衰減型信號的FFT頻譜分析,是較佳的選項

本單元以一個衰減型信號,說明不同視窗加權函數處理後的FFT頻譜分析的差異,特別是帶入了取得自身功率頻譜Gpp(f)的信號解析方式,希望讀者可以體會選擇適當的視窗加權函數之重要性,方可取得較好的頻譜圖,才能夠有意義的解讀頻譜之頻率特徵。

以上個人看法,請多指教!

王栢村
2018.08.06