Apa itu tempat frekuensi?

16

Saya sedang melakukan penelitian tentang metode FFT, dan istilah yang selalu muncul adalah "frekuensi bin". Dari apa yang saya pahami, ini ada hubungannya dengan pita yang dibuat di sekitar frekuensi sinusoid yang diberikan, tetapi saya tidak tahu bagaimana caranya. Saya juga menemukan cara untuk pergi dari nampan yang diberikan ke frekuensi terkait, tetapi masih tidak ada intuisi tentang apa nampan frekuensi.

fft

— JonTrav1
sumber

10

e^{- j ω} \to e^{- j 2 π k / N}

$e^{-j\omega} \rightarrow e^{-j{2\pi k}/{N}}$

N

$N$

n^{t h} b saya n = n * \frac{s Sebuah m hal l e F r e q}{n kamu m (D F T hal Hai saya n t s)}

$n^{th}bin = n*\dfrac{sampleFreq}{num(DFT points)}$

— Rithesh
sumber

5

Frekuensi apa yang diwakili oleh masing-masing bin? mis. jika rumus di atas menghasilkan 1.000 hz untuk nampan (asumsikan lebar 1 hz), lalu apakah nampan mewakili 1000.000 hingga 1.000.999, atau berpusat - mis. 999.5 hingga 1000.5?

— Roger Binns

1

Periksa jawaban dari pertanyaan ini stackoverflow.com/questions/10754549/… . Setiap nampan SAMPLE_RATE / NUM_POINTS (Hz) lebar. Dan ini adalah pusat tempat sampah sehingga jangkauannya adalah setengah tempat sampah sebelum setengah tempat sampah setelah pusat. Juga periksa en.wikipedia.org/wiki/Histogram ini , ia memiliki beberapa penjelasan tentang istilah 'bin'.

— mortalis

9

$[f_l,f_h]$ dari sumbu frekuensi yang "mengumpulkan" amplitudo, besarnya atau energi dari rentang frekuensi kecil, sering dihasilkan dari analisis Fourier. Karena diskritisasi data (mungkin karena pengambilan sampel), umumnya tidak mungkin untuk menetapkan amplitudo yang tepat untuk setiap frekuensi pada sumbu nyata. Bin frekuensi dapat diturunkan misalnya dari frekuensi sampling dan resolusi transformasi Fourier. Namun, sebagian amplitudo yang dihitung dapat dikaitkan dengan frekuensi sinyal aktual yang tidak terkandung dalam kisaran nampan. Istilah yang terkait dengan fenomena ini dapat berupa kebocoran, corengan, aliasing, windowing, dan bergantung pada alat yang digunakan untuk mendapatkan amplitudo ini. Sebuah contoh ditunjukkan pada gambar berikut: sinus murni diambil sampelnya, dan dianalisis melalui jendela persegi panjang.

$[f_l,f_h]$ $\frac{f_l+f_h}{2}$ $f_l$

Konsep serupa dapat ditemukan dalam bin probabilitas.

— Laurent Duval
sumber

5

FFT adalah metode penghitungan DFT. Dan DFT adalah transformasi dari vektor panjang terbatas yang menghasilkan jumlah hasil terbatas yang sama. Namun rentang frekuensi sinusoid yang dapat di-windowed hingga panjangnya agar dapat dimasukkan ke FFT tidak terbatas. Dengan demikian, setiap elemen vektor hasil FFT sebagian besar terkait dengan segmen kecil dari kontinum frekuensi ini, bukan titik (frekuensi pusat bin FFT).

Kadang-kadang tempat sampah diidealkan sebagai filter persegi panjang dengan lebar tetap. Tetapi bentuk sebenarnya dari masing-masing kotak hasil FFT bukan ember persegi panjang, tetapi berbentuk Sinc, atau berbentuk seperti transformasi fungsi jendela non-persegi panjang yang telah diterapkan secara opsional. Perhatikan bahwa nampan hasil ini bisa lebih luas dalam jumlah besar daripada jarak antara nampan FFT, dengan ekor (stopband) yang mengalir di sekitar lebar penuh dari hasil. Ekor ini kadang-kadang disebut sebagai "kebocoran".

— hotpaw2
sumber

Saya tidak mengerti paragraf kedua Anda. Tolong jelaskan perbedaannya, jika ada, antara "tempat frekuensi" dan salah satu elemen array yang dikembalikan dari FFT.

— user5108_Dan

Elemen array hasil FFT adalah ringkasan konten spektral dari bin terkait. Juga korelasi terhadap vektor dasar yang terkait dengan elemen itu.

— hotpaw2

Sinusoid murni yang berkelok-kelok di dalam nampan biasanya memiliki korelasi yang lebih tinggi terhadap vektor basis daripada hal-hal di luar (meskipun ini tergantung pada jendela yang diterapkan).

— hotpaw2

0

Info bagus di sini .

Dari hal itu dan pengetahuan audio sampel, frekuensi tertinggi dalam nampan tidak boleh lebih dari setengah samplerate (dalam Hz). Juga, menurut percakapan tumpukan ini , 0 adalah frekuensi nampan terendah (alias komponen DC). Tautan pertama juga menjelaskan secara mendalam tentang kebocoran dan kompensasi untuk itu.

— jon Merc
sumber