Articulo de referencia

Función de ventana

Una función de ventana popular es la ventana de Hann . La mayoría de las funciones de ventana populares son curvas similares en forma de campana. En el procesamiento de señales ...

Una función de ventana popular es la ventana de Hann . La mayoría de las funciones de ventana populares son curvas similares en forma de campana.

En el procesamiento de señales y la estadística , una función de ventana (también conocida como función de apodización o función de atenuación [ 1 ] ) es una función matemática que toma el valor cero fuera de un intervalo determinado . Generalmente, las funciones de ventana son simétricas respecto al punto medio del intervalo, alcanzan un máximo en ese punto y disminuyen gradualmente a medida que se alejan de él. Matemáticamente, cuando otra función o forma de onda/secuencia de datos se "multiplica" por una función de ventana, el producto también toma el valor cero fuera del intervalo: solo queda la parte donde se superponen, la "vista a través de la ventana". De forma equivalente, y en la práctica, el segmento de datos dentro de la ventana se aísla primero, y luego solo esos datos se multiplican por los valores de la función de ventana. Por lo tanto, la atenuación, no la segmentación, es el objetivo principal de las funciones de ventana.

Entre las razones para analizar segmentos de una función más larga se incluyen la detección de eventos transitorios y el promedio temporal de los espectros de frecuencia. La duración de los segmentos se determina en cada aplicación según requisitos como la resolución temporal y de frecuencia. Sin embargo, este método también modifica el contenido de frecuencia de la señal mediante un efecto denominado fuga espectral . Las funciones de ventana permiten distribuir la fuga espectralmente de diferentes maneras, según las necesidades de cada aplicación. En este artículo se detallan numerosas opciones, pero muchas de las diferencias son tan sutiles que resultan insignificantes en la práctica.

En aplicaciones típicas, las funciones de ventana utilizadas son curvas suaves, no negativas y con forma de campana. [ 2 ] También se pueden usar funciones rectangulares, triangulares y de otro tipo. Una definición más general de las funciones de ventana no requiere que sean idénticamente cero fuera de un intervalo, siempre que el producto de la ventana multiplicada por su argumento sea de cuadrado integrable y, más específicamente, que la función tienda a cero con la suficiente rapidez. [ 3 ]

Aplicaciones

Las funciones de ventana se utilizan en el análisis /modificación/ resíntesis espectral , [ 4 ] el diseño de filtros de respuesta de impulso finito , la fusión de conjuntos de datos multiescala y multidimensionales, [ 5 ] [ 6 ] así como en la formación de haces y el diseño de antenas .

Figura 2: El uso de una ventana para una sinusoide provoca fugas espectrales. La cantidad de fugas es la misma tanto si hay un número entero (azul) como no entero (rojo) de ciclos dentro de la ventana (filas 1 y 2). Cuando la sinusoide se muestrea y se le aplica una ventana, su transformada discreta de Fourier (DTFT) también presenta el mismo patrón de fugas (filas 3 y 4). Pero cuando la DTFT se muestrea solo de forma dispersa, a un cierto intervalo, es posible (dependiendo del punto de vista) (1) evitar las fugas, o (2) crear la ilusión de que no hay fugas. En el caso de la DTFT azul, esas muestras son las salidas de la transformada discreta de Fourier (DFT). La DTFT roja tiene el mismo intervalo de cruces por cero, pero las muestras de la DFT caen entre ellos, y se revela la fuga.

Análisis espectral

La transformada de Fourier de la función cos( ωt ) es cero, excepto en la frecuencia  ± ω . Sin embargo, muchas otras funciones y formas de onda no tienen transformadas analíticas convenientes. Alternativamente, podría interesarle su contenido espectral solo durante un período de tiempo determinado.

En ambos casos, la transformada de Fourier (o una transformada similar) puede aplicarse a uno o más intervalos finitos de la forma de onda. En general, la transformada se aplica al producto de la forma de onda y una función de ventana. Cualquier ventana (incluidas las rectangulares) afecta a la estimación espectral calculada mediante este método.

Diseño de filtros

En el diseño de filtros digitales se utilizan a veces ventanas , en particular para convertir una respuesta impulsional "ideal" de duración infinita, como una función sinc , en un diseño de filtro de respuesta impulsional finita (FIR) . Esto se conoce como el método de la ventana . [ 7 ] [ 8 ] [ 9 ]

Estadística y ajuste de curvas

En el campo del análisis estadístico, a veces se utilizan funciones de ventana para restringir el conjunto de datos analizados a un rango cercano a un punto determinado, con un factor de ponderación que disminuye el efecto de los puntos más alejados de la porción de la curva que se está ajustando. En el campo del análisis bayesiano y el ajuste de curvas , esto se conoce a menudo como núcleo .

Aplicaciones para ventanas rectangulares

Análisis de transitorios

Al analizar una señal transitoria en el análisis modal , como un impulso, una respuesta a un choque, una ráfaga sinusoidal, una ráfaga chirp o una ráfaga de ruido, donde la distribución de energía en función del tiempo es extremadamente desigual, la ventana rectangular puede ser la más apropiada. Por ejemplo, cuando la mayor parte de la energía se encuentra al principio de la grabación, una ventana no rectangular atenúa la mayor parte de la energía, degradando la relación señal-ruido . [ 10 ]

Análisis armónico

Podría ser útil medir el contenido armónico de una nota musical de un instrumento específico o la distorsión armónica de un amplificador a una frecuencia determinada. Volviendo a la Figura 2 , podemos observar que no hay fugas en un conjunto discreto de frecuencias armónicamente relacionadas, muestreadas mediante la transformada discreta de Fourier (DFT). (Los nulos espectrales son en realidad cruces por cero, que no pueden representarse en una escala logarítmica como esta). Esta propiedad es exclusiva de la ventana rectangular y debe configurarse adecuadamente para la frecuencia de la señal, como se describió anteriormente.

Ventanas superpuestas

Cuando la longitud de un conjunto de datos a transformar es mayor de lo necesario para obtener la resolución de frecuencia deseada, es común subdividirlo en conjuntos más pequeños y aplicarles una ventana individualmente. Para mitigar la pérdida de información en los bordes de la ventana, los conjuntos individuales pueden superponerse temporalmente. Véase el método de Welch para el análisis espectral de potencia y la transformada discreta del coseno modificada .

Ventanas bidimensionales

Las ventanas bidimensionales se utilizan comúnmente en el procesamiento de imágenes para reducir las altas frecuencias no deseadas en la transformada de Fourier de la imagen. [ 11 ] Se pueden construir a partir de ventanas unidimensionales en cualquiera de dos formas. [ 12 ] La forma separable,W(metro,norte)=w(metro)w(norte){\displaystyle W(m,n)=w(m)w(n)}es trivial de calcular. La forma radial ,W(metro,norte)=w(r){\displaystyle W(m,n)=w(r)}, que implica el radior=(metroMETRO/2)2+(nortenorte/2)2{\displaystyle r={\sqrt {(mM/2)^{2}+(nN/2)^{2}}}}, es isotrópica , independiente de la orientación de los ejes de coordenadas. Solo la función gaussiana es separable e isotrópica. [ 13 ] Las formas separables de todas las demás funciones de ventana tienen esquinas que dependen de la elección de los ejes de coordenadas. La isotropía/ anisotropía de una función de ventana bidimensional es compartida por su transformada de Fourier bidimensional. La diferencia entre las formas separables y radiales es similar al resultado de la difracción de aperturas rectangulares frente a circulares, que puede visualizarse en términos del producto de dos funciones sinc frente a una función de Airy , respectivamente.

Ejemplos de funciones de ventana

Convenciones :

  • w0(incógnita){\displaystyle w_{0}(x)}es una función de fase cero (simétrica respecto aincógnita=0{\displaystyle x=0}), [ 14 ] continuo paraincógnita[norte/2,norte/2],{\displaystyle x\in [-N/2,N/2],}dóndenorte{\displaystyle N}es un número entero positivo (par o impar). [ 15 ]
  • La secuencia{w[norte]=w0(nortenorte/2),0nortenorte}{\displaystyle \{w[n]=w_{0}(n-N/2),\quad 0\leq n\leq N\}}es simétrico , de longitudnorte+1.{\displaystyle N+1.}
  • {w[norte],0nortenorte1}{\displaystyle \{w[n],\quad 0\leq n\leq N-1\}}es simétrico respecto a DFT , de longitudnorte.{\displaystyle N.}[ A ]

El muestreo disperso de una transformada de Fourier de tiempo discreto (DTFT), como las DFT de la figura 2, solo revela la fuga hacia los bins de la DFT de una sinusoide cuya frecuencia también es un bin entero de la DFT. Los lóbulos laterales no visibles revelan la fuga que cabe esperar de las sinusoides en otras frecuencias. [ a ] ​​Por lo tanto, al elegir una función de ventana, suele ser importante muestrear la DTFT con mayor densidad (como hacemos a lo largo de esta sección) y elegir una ventana que suprima los lóbulos laterales a un nivel aceptable.

Ventana rectangular

Ventana rectangular

La ventana rectangular (a veces conocida como ventana de caja , uniforme o de Dirichlet , o engañosamente como "sin ventana" en algunos programas [ 18 ] ) es la ventana más simple, equivalente a reemplazar todos los valores consecutivos de una secuencia de datos por ceros, lo que hace que la forma de onda se encienda y apague repentinamente:

w[norte]=1.{\displaystyle w[n]=1.}

Otras ventanas están diseñadas para moderar estos cambios repentinos, para reducir la pérdida por ondulación y mejorar el rango dinámico (descrito en el §  Análisis espectral ).

La ventana rectangular es la ventana B -spline de primer orden , así como la ventana de potencia de seno de orden 0 .

La ventana rectangular proporciona la estimación mínima del error cuadrático medio de la transformada de Fourier de tiempo discreto , a costa de otros problemas que se han comentado.

Ventanas B -spline

Las ventanas B -spline se pueden obtener como convoluciones k -veces de la ventana rectangular. Incluyen la propia ventana rectangular ( k  =  1), la ventana triangular §  ( k  =  2) y la ventana Parzen §  ( k  =  4). [ 19 ] Definiciones alternativas muestrean las funciones base B -spline normalizadas apropiadas en lugar de convolucionar ventanas de tiempo discreto. Una función base B -spline de orden k es una función polinómica por partes de grado k − 1 que se obtiene mediante la autoconvolución k -veces de la función rectangular .  

Ventana triangular

Ventana triangular (con L  = N + 1)   

Las ventanas triangulares vienen dadas por

w[norte]=1|nortenorte2L2|,0nortenorte,{\displaystyle w[n]=1-\left|{\frac {n-{\frac {N}{2}}}{\frac {L}{2}}}\right|,\quad 0\leq n\leq N,}

donde L puede ser N , [ 20 ] N  +  1, [ 16 ] [ 21 ] [ 22 ] o N  +  2. [ 23 ] La primera también se conoce como ventana de Bartlett o ventana de Fejér . Las tres definiciones convergen para N grande . 

La ventana triangular es una ventana B -spline de segundo orden . La forma L  = N puede considerarse como la convolución de dos ventanas rectangulares de ancho N / 2 . La transformada de Fourier del resultado son los valores al cuadrado de la transformada de la ventana rectangular de ancho reducido. 

Ventana de Parzen

Ventana de Parzen

Definiendo LN + 1 , la ventana de Parzen, también conocida como la ventana de Poussin de la Vallée , [ 16 ] es la ventana B -spline de cuarto orden dada por

w0(norte){16(norteL/2)2(1|norte|L/2),0|norte|L42(1|norte|L/2)3L4<|norte|L2}{\displaystyle w_{0}(n)\triangleq \left\{{\begin{array}{ll}1-6\left({\frac {n}{L/2}}\right)^{2}\left(1-{\frac {|n|}{L/2}}\right),&0\leq |n|\leq {\frac {L}{4}}\\2\left(1-{\frac {|n|}{L/2}}\right)^{3}&{\frac {L}{4}}<|n|\leq {\frac {L}{2}}\\\end{array}}\right\}}
w[norte]= w0(nortenorte2), 0nortenorte{\displaystyle w[n]=\ w_{0}\left(n-{\tfrac {N}{2}}\right),\ 0\leq n\leq N}
Ventana de Welch

Otras ventanas polinómicas

Ventana de Welch

La ventana de Welch consta de una única sección parabólica :

w[norte]=1(nortenorte2norte2)2,0nortenorte.{\displaystyle w[n]=1-\left({\frac {n-{\frac {N}{2}}}{\frac {N}{2}}}\right)^{2},\quad 0\leq n\leq N.}[ 23 ]

Alternativamente, se puede escribir como dos factores, como en una distribución beta :

w[norte]=(1+nortenorte2norte2)(1nortenorte2norte2),0nortenorte.{\displaystyle w[n]=\left(1+{\frac {n-{\frac {N}{2}}}{\frac {N}{2}}}\right)\left(1-{\frac {n-{\frac {N}{2}}}{\frac {N}{2}}}\right),\quad 0\leq n\leq N.}

El polinomio cuadrático definitorio alcanza un valor de cero en las muestras que se encuentran justo fuera del intervalo de la ventana.

La ventana de Welch es bastante similar a la ventana sinusoidal , y así como las ventanas de potencias de seno constituyen una familia parametrizada útil, la familia de ventanas de potencias de Welch también lo es. Las potencias de la ventana de Welch o parabólica son distribuciones beta simétricas y funciones puramente algebraicas (si las potencias son racionales), a diferencia de la mayoría de las ventanas, que son funciones trascendentales. Si se utilizan exponentes diferentes en los dos factores del polinomio de Welch, el resultado es una distribución beta general, útil para crear funciones de ventana asimétricas .

Ventanas de coseno elevado

Las ventanas con forma de función coseno desplazada por una constante, como las populares ventanas de Hamming y Hann, a veces se denominan ventanas de coseno elevado. La ventana de Hann se asemeja particularmente a la distribución del coseno elevado , que tiende suavemente a cero en sus extremos.

Las ventanas de coseno elevado tienen la siguiente forma:

w[norte]=a0(1a0)porque(2πnortenorte),0nortenorte,{\displaystyle w[n]=a_{0}-(1-a_{0})\cdot \cos \left({\tfrac {2\pi n}{N}}\right),\quad 0\leq n\leq N,}

o, alternativamente, como sus versiones de fase cero:

w0(norte) =w[norte+norte2]=a0+(1a0)porque(2πnortenorte),norte2nortenorte2.{\displaystyle {\begin{aligned}w_{0}(n)\ &=w\left[n+{\tfrac {N}{2}}\right]\\&=a_{0}+(1-a_{0})\cdot \cos \left({\tfrac {2\pi n}{N}}\right),\quad -{\tfrac {N}{2}}\leq n\leq {\tfrac {N}{2}}.\end{aligned}}}

Ventana de Hann

Ventana de Hann

Configuracióna0=0,5;a1=0,5{\displaystyle a_{0}=0.5;\quad a_{1}=-0.5}produce una ventana de Hann :

w[norte]=l=0L1alporque(2πlnortenorte)=0,50,5porque(2πnortenorte){\displaystyle w[n]=\sum _{l=0}^{L-1}a_{l}\cos \left({\frac {2\pi ln}{N}}\right)=0.5-0.5\cos \left({\frac {2\pi n}{N}}\right)}[ 24 ]

Recibe su nombre de Julius von Hann y a veces se le denomina Hanning , derivado del verbo "to Hann". También se le conoce como coseno elevado , debido a su similitud con una distribución de coseno elevado .

Esta función pertenece a las familias de suma de cosenos y potencia de seno . A diferencia de la ventana de Hamming , los puntos extremos de la ventana de Hann tocan cero. Los lóbulos laterales resultantes se atenúan aproximadamente 18  dB por octava. [ 25 ]

Ventana de Hamming

Ventana de Hamming, a 0  =  0,53836 y a 1  =  0,46164. La ventana de Hamming original tendría a 0  =  0,54 y a 1  =  0,46.

Configuracióna0{\displaystyle a_{0}}Aproximadamente a 0,54, o más precisamente 25/46, se obtiene la ventana de Hamming , propuesta por Richard W. Hamming . Esta elección sitúa un cruce por cero en la frecuencia 5π / ( N  1), que cancela el primer lóbulo lateral de la ventana de Hann, dándole una altura de aproximadamente una quinta parte de la de la ventana de Hann. [ 16 ] [ 26 ] [ 27 ] La ​​ventana de Hamming se suele denominar pulso de Hamming cuando se utiliza para la conformación de pulsos . [ 28 ] [ 29 ] [ 30 ]

La aproximación de los coeficientes a dos decimales reduce sustancialmente el nivel de lóbulos laterales, [ 16 ] a una condición casi equirrápida. [ 27 ] En el sentido equirrápido, los valores óptimos para los coeficientes son a 0  =  0,53836 y a 1  =  0,46164. [ 27 ] [ 31 ]

Ventanas de suma de coseno

Esta familia, que generaliza las ventanas de coseno elevado , también se conoce como ventanas de coseno generalizadas. [ 32 ]

En la mayoría de los casos, incluidos los ejemplos a continuación, todos los coeficientes a k  0. Estas ventanas tienen solo 2 K  + 1 coeficientes DFT de N  puntos distintos de cero .

Ventana de Blackman

Ventana de Blackman; α  =  0,16

Las ventanas de Blackman se definen como

w[norte]=a0a1porque(2πnortenorte)+a2porque(4πnortenorte),{\displaystyle w[n]=a_{0}-a_{1}\cos \left({\frac {2\pi n}{N}}\right)+a_{2}\cos \left({\frac {4\pi n}{N}}\right),}
a0=1α2;a1=12;a2=α2.{\displaystyle a_{0}={\frac {1-\alpha }{2}};\quad a_{1}={\frac {1}{2}};\quad a_{2}={\frac {\alpha }{2}}.}

Por convención común, el término sin calificar ventana de Blackman se refiere a la "propuesta no muy seria" de Blackman de α  =  0,16 ( a 0  =  0,42, a 1  =  0,5, a 2  =  0,08), que se aproxima mucho a la Blackman exacta , [ 33 ] con a 0  =  7938/18608   0,42659, a 1  =  9240/18608   0,49656 y a 2  =  1430/18608   0,076849. [ 34 ] Estos valores exactos colocan ceros en el tercer y cuarto lóbulo lateral, [ 16 ]  pero dan como resultado una discontinuidad en los bordes y una caída de 6 dB/oct. Los coeficientes truncados no anulan los lóbulos laterales tan bien, pero tienen una  atenuación mejorada de 18 dB/oct. [ 16 ] [ 35 ]

Ventana de Nuttall, primera derivada continua

Ventana de Nuttall, primera derivada continua

La forma continua de la ventana Nuttall,w0(incógnita),{\displaystyle w_{0}(x),}y su primera derivada son continuas en todas partes, como la función de Hann . Es decir, la función tiende a 0 en x  =  ± N /2, a diferencia de las ventanas de Blackman-Nuttall, Blackman-Harris y Hamming. La ventana de Blackman ( α  =  0,16 ) también es continua con derivada continua en el borde, pero la "ventana de Blackman exacta" no lo es.

w[norte]=a0a1porque(2πnortenorte)+a2porque(4πnortenorte)a3porque(6πnortenorte){\displaystyle w[n]=a_{0}-a_{1}\cos \left({\frac {2\pi n}{N}}\right)+a_{2}\cos \left({\frac {4\pi n}{N}}\right)-a_{3}\cos \left({\frac {6\pi n}{N}}\right)}
a0=0,355768;a1=0,487396;a2=0,144232;a3=0,012604.{\displaystyle a_{0}=0.355768;\quad a_{1}=0.487396;\quad a_{2}=0.144232;\quad a_{3}=0.012604.}

Ventana Blackman-Nuttall

Ventana Blackman-Nuttall
w[norte]=a0a1porque(2πnortenorte)+a2porque(4πnortenorte)a3porque(6πnortenorte){\displaystyle w[n]=a_{0}-a_{1}\cos \left({\frac {2\pi n}{N}}\right)+a_{2}\cos \left({\frac {4\pi n}{N}}\right)-a_{3}\cos \left({\frac {6\pi n}{N}}\right)}
a0=0,3635819;a1=0,4891775;a2=0,1365995;a3=0,0106411.{\displaystyle a_{0}=0.3635819;\quad a_{1}=0.4891775;\quad a_{2}=0.1365995;\quad a_{3}=0.0106411.}

Ventana Blackman-Harris

Ventana Blackman-Harris

Una generalización de la familia de Hamming, producida al agregar más funciones coseno desplazadas, destinadas a minimizar los niveles de lóbulos laterales [ 36 ] [ 37 ].

w[norte]=a0a1porque(2πnortenorte)+a2porque(4πnortenorte){\displaystyle w[n]=a_{0}-a_{1}\cos \left({\frac {2\pi n}{N}}\right)+a_{2}\cos \left({\frac {4\pi n}{N}}\right)}
a0=0,4243801;a1=0,4973406;a2=0,0782793.{\displaystyle a_{0}=0.4243801;\quad a_{1}=0.4973406;\quad a_{2}=0.0782793.}[ 38 ]

Ventana de parte superior plana

Ventana de parte superior plana

Una ventana de parte superior plana es una ventana con valores parcialmente negativos que presenta una pérdida mínima por ondulación en el dominio de la frecuencia. Esta propiedad es deseable para la medición de amplitudes de componentes de frecuencia sinusoidales. [ 17 ] [ 39 ] Sin embargo, su amplio ancho de banda resulta en un ancho de banda de ruido elevado y una selección de frecuencia más amplia, lo que, según la aplicación, podría ser una desventaja.

Las ventanas de parte superior plana se pueden diseñar utilizando métodos de diseño de filtros de paso bajo, [ 39 ] o pueden ser de la variedad habitual de suma de cosenos :

w[norte]=a0a1porque(2πnortenorte)+a2porque(4πnortenorte)a3porque(6πnortenorte)+a4porque(8πnortenorte).{\displaystyle {\begin{aligned}w[n]=a_{0}&{}-a_{1}\cos \left({\frac {2\pi n}{N}}\right)+a_{2}\cos \left({\frac {4\pi n}{N}}\right)\\&{}-a_{3}\cos \left({\frac {6\pi n}{N}}\right)+a_{4}\cos \left({\frac {8\pi n}{N}}\right).\end{aligned}}}

La variante de Matlab tiene estos coeficientes:

a0=0,21557895;a1=0,41663158;a2=0,277263158;a3=0,083578947;a4=0,006947368.{\displaystyle a_{0}=0.21557895;\quad a_{1}=0.41663158;\quad a_{2}=0.277263158;\quad a_{3}=0.083578947;\quad a_{4}=0.006947368.}

Existen otras variaciones, como lóbulos laterales que disminuyen a costa de valores más altos cerca del lóbulo principal. [ 17 ]

Ventanas Rife-Vincent

Las ventanas de Rife-Vincent [ 40 ] se escalan habitualmente para un valor promedio unitario, en lugar de un valor pico unitario. Los valores de los coeficientes que se muestran a continuación, aplicados a la ecuación 1 , reflejan esa práctica.

Clase I, Orden 1 ( K = 1):a0=1;a1=1{\displaystyle a_{0}=1;\quad a_{1}=1} Funcionalmente equivalente a la ventana de Hann y potencia del seno ( α  =  2 ).

Clase I, Orden 2 ( K = 2):a0=1;a1=43;a2=13{\displaystyle a_{0}=1;\quad a_{1}={\tfrac {4}{3}};\quad a_{2}={\tfrac {1}{3}}} Funcionalmente equivalente a la potencia del seno ( α  =  4 ).

La clase I se define minimizando la amplitud del lóbulo lateral de orden superior. Los coeficientes para órdenes hasta K=4 se presentan en una tabla. [ 41 ]

La clase II minimiza el ancho del lóbulo principal para un lóbulo lateral máximo dado.

La clase III es un compromiso para el cual el orden K  =  2 se asemeja a la ventana de Blackman §  . [ 41 ] [ 42 ]

Ventana sinusoidal

Ventana sinusoidal
w[norte]=pecado(πnortenorte)=porque(πnortenorteπ2),0nortenorte.{\displaystyle w[n]=\sin \left({\frac {\pi n}{N}}\right)=\cos \left({\frac {\pi n}{N}}-{\frac {\pi }{2}}\right),\quad 0\leq n\leq N.}

El correspondientew0(norte){\displaystyle w_{0}(n)\,}La función es un coseno sin el desfase de π /2. Por lo tanto, la ventana sinusoidal [ 43 ] a veces también se denomina ventana coseno . [ 16 ] Como representa la mitad de un ciclo de una función sinusoidal, también se la conoce indistintamente como ventana de medio seno [ 44 ] o ventana de medio coseno . [ 45 ]

La autocorrelación de una ventana sinusoidal produce una función conocida como ventana de Bohman. [ 46 ]

Ventanas de potencia de seno/coseno

Funciones de ventana de potencia de seno (izquierda) y sus espectros en dB (derecha), para potencias 0, 0,25, 0,5, 1, 2, 4

Estas funciones de ventana tienen la forma: [ 47 ]

w[norte]=pecadoα(πnortenorte)=porqueα(πnortenorteπ2),0nortenorte.{\displaystyle w[n]=\sin ^{\alpha }\left({\frac {\pi n}{N}}\right)=\cos ^{\alpha }\left({\frac {\pi n}{N}}-{\frac {\pi }{2}}\right),\quad 0\leq n\leq N.}

La ventana rectangular ( α  =  0 ), la ventana sinusoidal ( α  =  1 ) y la ventana de Hann ( α  =  2 ) pertenecen a esta familia.

Para valores enteros pares de α, estas funciones también pueden expresarse en forma de suma de cosenos:

w[norte]=a0a1porque(2πnortenorte)+a2porque(4πnortenorte)a3porque(6πnortenorte)+a4porque(8πnortenorte)...{\displaystyle w[n]=a_{0}-a_{1}\cos \left({\frac {2\pi n}{N}}\right)+a_{2}\cos \left({\frac {4\pi n}{N}}\right)-a_{3}\cos \left({\frac {6\pi n}{N}}\right)+a_{4}\cos \left({\frac {8\pi n}{N}}\right)-...}
αa0a1a2a3a40120,50,540,3750,50,12560,31250,468750,18750,0312580,27343750,43750,218750,06257.8125×103{\displaystyle {\begin{array}{l|llll}\hline \alpha &a_{0}&a_{1}&a_{2}&a_{3}&a_{4}\\\hline 0&1\\2&0.5&0.5\\4&0.375&0.5&0.125\\6&0.3125&0.46875&0.1875&0.03125\\8&0.2734375&0.4375&0.21875&0.0625&7.8125\times 10^{-3}\\\hline \end{array}}}

Ventanas ajustables

Ventana gaussiana

Ventana gaussiana, σ  =  0,4

La transformada de Fourier de una gaussiana también es una gaussiana. Dado que el soporte de una función gaussiana se extiende hasta el infinito, debe truncarse en los extremos de la ventana o bien, dividirse en dos ventanas con extremos en cero. [ 48 ]

Dado que el logaritmo de una gaussiana produce una parábola , esto puede utilizarse para una interpolación cuadrática casi exacta en la estimación de frecuencias . [ 49 ] [ 48 ] [ 50 ]

w[norte]=exp(12(nortenorte/2σnorte/2)2),0nortenorte.{\displaystyle w[n]=\exp \left(-{\frac {1}{2}}\left({\frac {n-N/2}{\sigma N/2}}\right)^{2}\right),\quad 0\leq n\leq N.}
σ0,5{\displaystyle \sigma \leq \;0.5\,}

La desviación estándar de la función gaussiana es σ  · N /2 periodos de muestreo. 

Ventana gaussiana confinada, σ t  =  0,1

Ventana gaussiana confinada

La ventana gaussiana confinada produce el ancho de frecuencia cuadrático medio σ ω más pequeño posible para un ancho temporal dado ( N + 1) σ t . [ 51 ] Estas ventanas optimizan los productos de ancho de banda tiempo-frecuencia RMS. Se calculan como los vectores propios mínimos de una matriz dependiente de parámetros. La familia de ventanas gaussianas confinadas contiene la ventana §  Sine y la ventana §  Gaussiana en los casos límite de σ t grande y pequeño , respectivamente.

Ventana gaussiana confinada aproximada, σ t  =  0,1

Ventana gaussiana confinada aproximada

Definiendo LN + 1 , una ventana gaussiana confinada de ancho temporal L × σ t se aproxima bien mediante: [ 51 ]

w[norte]=GRAMO(norte)GRAMO(12)[GRAMO(norte+L)+GRAMO(norteL)]GRAMO(12+L)+GRAMO(12L){\displaystyle w[n]=G(n)-{\frac {G(-{\tfrac {1}{2}})[G(n+L)+G(n-L)]}{G(-{\tfrac {1}{2}}+L)+G(-{\tfrac {1}{2}}-L)}}}

dóndeGRAMO{\displaystyle G}es una función gaussiana:

GRAMO(incógnita)=exp((incógnitanorte22Lσt)2){\displaystyle G(x)=\exp \left(-\left({\cfrac {x-{\frac {N}{2}}}{2L\sigma _{t}}}\right)^{2}\right)}

La desviación estándar de la ventana aproximada es asintóticamente igual (es decir, valores grandes de N ) a L × σ t para σ t < 0,14 . [ 51 ]

Ventana normal generalizada

Una versión más generalizada de la ventana gaussiana es la ventana normal generalizada. [ 52 ] Conservando la notación de la ventana gaussiana anterior, podemos representar esta ventana como

w[norte,pag]=exp((nortenorte/2σnorte/2)pag){\displaystyle w[n,p]=\exp \left(-\left({\frac {n-N/2}{\sigma N/2}}\right)^{p}\right)}

para cualquier eventopag{\displaystyle p}. Enpag=2{\displaystyle p=2}, esta es una ventana gaussiana y comopag{\displaystyle p}aproches{\displaystyle \infty }Esto se aproxima a una ventana rectangular. La transformada de Fourier de esta ventana no existe en forma cerrada para una ventana general.pag{\displaystyle p}Sin embargo, demuestra las otras ventajas de tener un ancho de banda ajustable y uniforme. Al igual que la ventana de Tukey ,  esta ventana ofrece naturalmente una "superior plana" para controlar la atenuación de amplitud de una serie temporal (sobre la cual no tenemos control con la ventana gaussiana). En esencia, ofrece un buen compromiso (controlable), en términos de fuga espectral, resolución de frecuencia y atenuación de amplitud, entre la ventana gaussiana y la ventana rectangular. Véase también [ 53 ] para un estudio sobre la representación tiempo-frecuencia de esta ventana (o función).

Ventana de Turquía

Ventana de Tukey, α  =  0,5

La ventana de Tukey, también conocida como ventana de atenuación coseno , puede considerarse como un lóbulo coseno de ancho /2 (que abarca /2  +  1 observaciones) que se convoluciona con una ventana rectangular de ancho N (1 α /2) .

w[norte]=12[1porque(2πnorteαnorte)],0norte<αnorte2w[norte]=1,αnorte2nortenorte2w[nortenorte]=w[norte],0nortenorte2}{\displaystyle \left.{\begin{array}{lll}w[n]={\frac {1}{2}}\left[1-\cos \left({\frac {2\pi n}{\alpha N}}\right)\right],\quad &0\leq n<{\frac {\alpha N}{2}}\\w[n]=1,\quad &{\frac {\alpha N}{2}}\leq n\leq {\frac {N}{2}}\\w[N-n]=w[n],\quad &0\leq n\leq {\frac {N}{2}}\end{array}}\right\}}[ 54 ] [ B ] [ C ]

En α  =  0 se vuelve rectangular, y en α  =  1 se convierte en una ventana de Hann.

Ventana cónica de Planck

Ventana de Planck-taper, ε  =  0,25

La denominada ventana "Planck-taper" es una función de elevación que se ha utilizado ampliamente [ 55 ] en la teoría de particiones de la unidad en variedades . Es suave (unado{\displaystyle C^{\infty }}función) en todas partes, pero es exactamente cero fuera de una región compacta, exactamente uno en un intervalo dentro de esa región, y varía suave y monótonamente entre esos límites. Su uso como función de ventana en el procesamiento de señales se sugirió por primera vez en el contexto de la astronomía de ondas gravitacionales , inspirada en la distribución de Planck . [ 56 ] Se define como una función por partes :

w[0]=0,w[norte]=(1+exp(εnortenorteεnorteεnortenorte))1,1norte<εnortew[norte]=1,εnortenortenorte2w[nortenorte]=w[norte],0nortenorte2}{\displaystyle \left.{\begin{array}{lll}w[0]=0,\\w[n]=\left(1+\exp \left({\frac {\varepsilon N}{n}}-{\frac {\varepsilon N}{\varepsilon N-n}}\right)\right)^{-1},\quad &1\leq n<\varepsilon N\\w[n]=1,\quad &\varepsilon N\leq n\leq {\frac {N}{2}}\\w[N-n]=w[n],\quad &0\leq n\leq {\frac {N}{2}}\end{array}}\right\}}

La magnitud del estrechamiento se controla mediante el parámetro ε , donde los valores más pequeños dan lugar a transiciones más pronunciadas.

DPSS o ventana de Slepian

La DPSS (secuencia esferoidal prolata discreta) o función de Slepian , cónica o ventana maximiza la concentración de energía en el lóbulo principal , [ 57 ] y se utiliza en el análisis espectral multitaper , que promedia el ruido en el espectro y reduce la pérdida de información en los bordes de la ventana.

El lóbulo principal termina en un intervalo de frecuencia dado por el parámetro α . [ 58 ]

Las ventanas de Kaiser que se muestran a continuación se crean mediante una aproximación simple a las ventanas DPSS:

Ventana Kaiser

La ventana de Kaiser, o Kaiser-Bessel, es una aproximación simple de la ventana DPSS que utiliza funciones de Bessel , descubierta por James Kaiser . [ 59 ] [ 60 ]

w[norte]=I0(πα1(2nortenorte1)2)I0(πα),0nortenorte{\displaystyle w[n]={\frac {I_{0}\left(\pi \alpha {\sqrt {1-\left({\frac {2n}{N}}-1\right)^{2}}}\right)}{I_{0}(\pi \alpha )}},\quad 0\leq n\leq N}[ D ] [ 16 ] : pág. 73
w0(norte)=I0(πα1(2nortenorte)2)I0(πα),norte/2nortenorte/2{\displaystyle w_{0}(n)={\frac {I_{0}\left(\pi \alpha {\sqrt {1-\left({\frac {2n}{N}}\right)^{2}}}\right)}{I_{0}(\pi \alpha )}},\quad -N/2\leq n\leq N/2}

dóndeI0{\displaystyle I_{0}}es la función de Bessel modificada de orden 0 de primera especie. Parámetro variableα{\displaystyle \alpha }determina el equilibrio entre el ancho del lóbulo principal y los niveles de los lóbulos laterales del patrón de fuga espectral. El ancho del lóbulo principal, entre los nulos, viene dado por21+α2,{\displaystyle 2{\sqrt {1+\alpha ^{2}}},}en unidades de bins DFT, [ 67 ] y un valor típico deα{\displaystyle \alpha }es 3.

Ventana Dolph-Chebyshev

Ventana de Dolph-Chebyshev, α  =  5

Minimiza la norma de Chebyshev de los lóbulos laterales para un ancho de lóbulo principal dado. [ 68 ]

La función de ventana de Dolph-Chebyshev de fase cerow0[norte]{\displaystyle w_{0}[n]}se define generalmente en términos de su transformada discreta de Fourier de valor real ,W0[k]{\displaystyle W_{0}[k]}: [ 69 ]

W0(k)=Tnorte(βporque(πknorte+1))Tnorte(β)=Tnorte(βporque(πknorte+1))10α, 0knorte.{\displaystyle W_{0}(k)={\frac {T_{N}{\big (}\beta \cos \left({\frac {\pi k}{N+1}}\right){\big )}}{T_{N}(\beta )}}={\frac {T_{N}{\big (}\beta \cos \left({\frac {\pi k}{N+1}}\right){\big )}}{10^{\alpha }}},\ 0\leq k\leq N.}

T n ( x ) es el n -ésimo polinomio de Chebyshev de primera especie evaluado en x , que se puede calcular utilizando

Tnorte(incógnita)={porque(norteporque1(incógnita))si 1incógnita1aporrear(norteaporrear1(incógnita))si incógnita1(1)norteaporrear(norteaporrear1(incógnita))si incógnita1,{\displaystyle T_{n}(x)={\begin{cases}\cos \!{\big (}n\cos ^{-1}(x){\big )}&{\text{if }}-1\leq x\leq 1\\\cosh \!{\big (}n\cosh ^{-1}(x){\big )}&{\text{if }}x\geq 1\\(-1)^{n}\cosh \!{\big (}n\cosh ^{-1}(-x){\big )}&{\text{if }}x\leq -1,\end{cases}}}

y

β=aporrear(1norteaporrear1(10α)){\displaystyle \beta =\cosh \!{\big (}{\tfrac {1}{N}}\cosh ^{-1}(10^{\alpha }){\big )}}

es la única solución real positiva paraTnorte(β)=10α{\displaystyle T_{N}(\beta )=10^{\alpha }}, donde el parámetro α establece la norma de Chebyshev de los lóbulos laterales en −20 α  decibelios. [ 68 ]

La función de ventana se puede calcular a partir de W 0 ( k ) mediante una transformada discreta de Fourier inversa (DFT): [ 68 ]

w0(norte)=1norte+1k=0norteW0(k)mii2πknorte/(norte+1), norte/2nortenorte/2.{\displaystyle w_{0}(n)={\frac {1}{N+1}}\sum _{k=0}^{N}W_{0}(k)\cdot e^{i2\pi kn/(N+1)},\ -N/2\leq n\leq N/2.}

La versión retardada de la ventana se puede obtener mediante:

w[norte]=w0(nortenorte2),0nortenorte,{\displaystyle w[n]=w_{0}\left(n-{\frac {N}{2}}\right),\quad 0\leq n\leq N,}

que para valores pares de N debe calcularse de la siguiente manera:

w0(nortenorte2)=1norte+1k=0norteW0(k)mii2πk(nortenorte/2)norte+1=1norte+1k=0norte[(miiπnorte+1)kW0(k)]mii2πknortenorte+1,{\displaystyle {\begin{aligned}w_{0}\left(n-{\frac {N}{2}}\right)={\frac {1}{N+1}}\sum _{k=0}^{N}W_{0}(k)\cdot e^{\frac {i2\pi k(n-N/2)}{N+1}}={\frac {1}{N+1}}\sum _{k=0}^{N}\left[\left(-e^{\frac {i\pi }{N+1}}\right)^{k}\cdot W_{0}(k)\right]e^{\frac {i2\pi kn}{N+1}},\end{aligned}}}

que es una DFT inversa de(miiπnorte+1)kW0(k).{\displaystyle \left(-e^{\frac {i\pi }{N+1}}\right)^{k}\cdot W_{0}(k).}

Variaciones:

  • Debido a la condición de igual ondulación, la ventana en el dominio del tiempo presenta discontinuidades en los bordes. Una aproximación que las evita, al permitir que las igual ondulaciones desaparezcan en los bordes, es una ventana de Taylor .
  • También existe una alternativa a la definición de DFT inversa..

Ventana ultraesférica

El parámetro μ de la ventana ultraesférica determina si las amplitudes de los lóbulos laterales de su transformada de Fourier disminuyen, se mantienen constantes o (como se muestra aquí) aumentan con la frecuencia.

La ventana ultraesférica fue introducida en 1984 por Roy Streit [ 70 ] y tiene aplicación en el diseño de arreglos de antenas, [ 71 ] el diseño de filtros no recursivos, [ 70 ] y el análisis de espectro. [ 72 ]

Al igual que otras ventanas ajustables, la ventana ultraesférica tiene parámetros que permiten controlar el ancho del lóbulo principal de su transformada de Fourier y la amplitud relativa de sus lóbulos laterales. A diferencia de otras ventanas, cuenta con un parámetro adicional que permite ajustar la velocidad de disminución (o aumento) de la amplitud de los lóbulos laterales. [ 72 ] [ 73 ] [ 74 ]

La ventana se puede expresar en el dominio del tiempo de la siguiente manera: [ 72 ]

w[norte]=1norte+1[donorteμ(incógnita0)+k=1norte2donorteμ(incógnita0porquekπnorte+1)porque2norteπknorte+1]{\displaystyle w[n]={\frac {1}{N+1}}\left[C_{N}^{\mu }(x_{0})+\sum _{k=1}^{\frac {N}{2}}C_{N}^{\mu }\left(x_{0}\cos {\frac {k\pi }{N+1}}\right)\cos {\frac {2n\pi k}{N+1}}\right]}

dóndedonorteμ{\displaystyle C_{N}^{\mu }}es el polinomio ultrasférico de grado N, yincógnita0{\displaystyle x_{0}}yμ{\displaystyle \mu }controlar los patrones de los lóbulos laterales. [ 72 ]

Ciertos valores específicos deμ{\displaystyle \mu }generar otras ventanas bien conocidas:μ=0{\displaystyle \mu =0}yμ=1{\displaystyle \mu =1}dar las ventanas de Dolph-Chebyshev y Saramäki respectivamente. [ 70 ] Véase aquí una ilustración de ventanas ultraesféricas con parametrización variada.

Ventana exponencial o de Poisson

Ventana exponencial, τ  = N /2 
Ventana exponencial, τ  =  ( N /2)/(60/8,69)

La ventana de Poisson, o más genéricamente la ventana exponencial, aumenta exponencialmente hacia el centro de la ventana y disminuye exponencialmente en la segunda mitad. Dado que la función exponencial nunca llega a cero, los valores de la ventana en sus límites son distintos de cero (puede verse como la multiplicación de una función exponencial por una ventana rectangular [ 75 ] ). Se define por

w[norte]=mi|nortenorte2|1τ,{\displaystyle w[n]=e^{-\left|n-{\frac {N}{2}}\right|{\frac {1}{\tau }}},}

donde τ es la constante de tiempo de la función. La función exponencial decae como e  2,71828 o aproximadamente 8,69  dB por constante de tiempo. [ 76 ] Esto significa que para un decaimiento objetivo de D  dB durante la mitad de la longitud de la ventana, la constante de tiempo τ viene dada por

τ=norte28.69D.{\displaystyle \tau ={\frac {N}{2}}{\frac {8.69}{D}}.}

Ventanas híbridas

Las funciones de ventana también se han construido como combinaciones multiplicativas o aditivas de otras ventanas.

Ventana de Bartlett-Hann

Ventana de Bartlett-Hann

w[norte]=a0a1|nortenorte12|a2porque(2πnortenorte){\displaystyle w[n]=a_{0}-a_{1}\left|{\frac {n}{N}}-{\frac {1}{2}}\right|-a_{2}\cos \left({\frac {2\pi n}{N}}\right)}
a0=0,62;a1=0,48;a2=0,38{\displaystyle a_{0}=0.62;\quad a_{1}=0.48;\quad a_{2}=0.38\,}

Ventana de Planck-Bessel

Ventana de Planck-Bessel, ε  =  0,1, α  =  4,45

Una ventana de Planck multiplicada  por una ventana de Kaiser definida en términos de una función de Bessel modificada . Esta función de ventana híbrida se introdujo para disminuir el nivel máximo del lóbulo lateral de la ventana de Planck, aprovechando al mismo tiempo su buena atenuación asintótica. [ 77 ] Tiene dos parámetros ajustables, ε de la ventana de Planck y α de la ventana de Kaiser, por lo que puede adaptarse a los requisitos de una señal dada.

Ventana de Hann-Poisson

Ventana de Hann-Poisson, α  =  2

Una ventana de Hann multiplicada por una ventana de Poisson . Paraα2{\displaystyle \alpha \geqslant 2}No tiene lóbulos laterales, ya que su transformada de Fourier decae infinitamente lejos del lóbulo principal sin mínimos locales. Por lo tanto, puede utilizarse en algoritmos de ascenso de colinas como el método de Newton . [ 78 ] La ventana de Hann-Poisson se define por:

w[norte]=12(1porque(2πnortenorte))miα|norte2norte|norte{\displaystyle w[n]={\frac {1}{2}}\left(1-\cos \left({\frac {2\pi n}{N}}\right)\right)e^{\frac {-\alpha \left|N-2n\right|}{N}}\,}

donde α es un parámetro que controla la pendiente de la exponencial.

Otras ventanas

Ventana GAP (ventana de Nuttall optimizada para GAP)

Ventana polinómica adaptativa generalizada (GAP)

La ventana GAP es una familia de funciones de ventana ajustables que se basan en una expansión polinómica simétrica de ordenK{\displaystyle K}Es continua con derivada continua en todas partes. Con el conjunto adecuado de coeficientes de expansión y orden de expansión, la ventana GAP puede imitar todas las funciones de ventana conocidas, reproduciendo con precisión sus propiedades espectrales.

w0[norte]=a0+k=1Ka2k(norteσ)2k,norte2nortenorte2,{\displaystyle w_{0}[n]=a_{0}+\sum _{k=1}^{K}a_{2k}\left({\frac {n}{\sigma }}\right)^{2k},\quad -{\frac {N}{2}}\leq n\leq {\frac {N}{2}},}[ 79 ]

dóndeσ{\displaystyle \sigma }es la desviación estándar de la{norte}{\displaystyle \{n\}}secuencia.

Además, partiendo de un conjunto de coeficientes de expansióna2k{\displaystyle a_{2k}}La ventana GAP, que imita una función de ventana conocida, puede optimizarse mediante procedimientos de minimización para obtener un nuevo conjunto de coeficientes que mejoran una o más propiedades espectrales, como el ancho del lóbulo principal, la atenuación del lóbulo lateral y la tasa de caída del lóbulo lateral. [ 80 ] Por lo tanto, se puede desarrollar una función de ventana GAP con propiedades espectrales diseñadas según la aplicación específica.

Ventana Sinc o Lanczos

Ventana de Lanczos

w[norte]=desde(2nortenorte1){\displaystyle w[n]=\operatorname {sinc} \left({\frac {2n}{N}}-1\right)}

  • utilizado en el remuestreo de Lanczos
  • para la ventana Lanczos,desde(incógnita){\displaystyle \operatorname {sinc} (x)}se define comopecado(πincógnita)/πincógnita{\displaystyle \sin(\pi x)/\pi x}
  • también conocida como ventana sinc , porque:w0(norte)=desde(2nortenorte){\displaystyle w_{0}(n)=\operatorname {sinc} \left({\frac {2n}{N}}\right)\,}es el lóbulo principal de una función sinc normalizada

Funciones de ventana asimétricas

Elw0(incógnita){\displaystyle w_{0}(x)}La forma, según la convención anterior, es simétrica respecto aincógnita=0{\displaystyle x=0}Sin embargo, existen funciones de ventana asimétricas, como la distribución gamma utilizada en las implementaciones FIR de los filtros gammatone , o la distribución beta para una aproximación de soporte limitado a la distribución gamma. Estas asimetrías se utilizan para reducir el retardo al usar ventanas de gran tamaño, o para enfatizar el transitorio inicial de un pulso en decaimiento.

Cualquier función acotada con soporte compacto , incluidas las asimétricas, puede utilizarse fácilmente como función ventana. Además, existen maneras de transformar ventanas simétricas en asimétricas transformando la coordenada temporal, como con la siguiente fórmula.

incógnitanorte(incógnitanorte+12)αnorte2,{\displaystyle x\leftarrow N\left({\frac {x}{N}}+{\frac {1}{2}}\right)^{\alpha }-{\frac {N}{2}}\,,}

donde la ventana otorga mayor peso a las primeras muestras cuandoα>1{\displaystyle \alpha >1}y, a la inversa, otorga mayor peso a las muestras más recientes cuandoα<1{\displaystyle \alpha <1}. [ 81 ]

Véase también

Notas

  1. Algunos autores limitan su atención a este importante subconjunto y a valores pares de N. [ 16 ] [ 17 ] Pero las fórmulas de coeficientes de ventana siguen siendo las que se presentan aquí.
  2. Esta fórmula se puede confirmar simplificando la función coseno en MATLAB tukeywin y sustituyendo r = α y x = n / N .
  3. Harris 1978 (pág. 67, ec. 38) parece tener dos errores: (1) El operador de resta en el numerador de la función coseno debería ser de suma. (2) El denominador contiene un factor espurio de 2. Además, la figura 30 corresponde a α=0,25 según la fórmula de Wikipedia, pero a 0,75 según la fórmula de Harris. La figura 32 también está mal etiquetada.
  4. La ventana de Kaiser a menudo se parametriza mediante β , donde β = π α . [ 61 ] [ 62 ] [ 63 ] [ 64 ] [ 58 ] [ 65 ] [ 7 ] : pág. 474 El uso alternativo de solo α facilita las comparaciones con las ventanas DPSS. [ 66 ]

Citas de página

  1. Harris 1978 , pág. 57, fig. 10.

Referencias

  1. Weisstein, Eric W. (2003). CRC Concise Encyclopedia of Mathematics . CRC Press. ISBN 978-1-58488-347-0.
  2. Roads, Curtis (2002). Microsound . MIT Press. ISBN 978-0-262-18215-7.
  3. Cattani, Carlo; Rushchitsky, Jeremiah (2007). Wavelet and Wave Analysis As Applied to Materials With Micro Or Nanostructure . World Scientific. ISBN 978-981-270-784-0.
  4. "Procesamiento STFT de superposición-suma (OLA) | Procesamiento de señales de audio espectrales" . www.dsprelated.com . Consultado el 7 de agosto de 2016. La ventana se aplica dos veces: una vez antes de la FFT (la "ventana de análisis") y, en segundo lugar, después de la FFT inversa, antes de la reconstrucción por superposición-suma (la llamada "ventana de síntesis"). ... En términos más generales, cualquier ventana COLA positiva se puede dividir en un par de ventanas de análisis y síntesis tomando su raíz cuadrada.
  5. Ajala, R.; Persaud, P. (2022). "Evaluación del movimiento del suelo de modelos híbridos de velocidad sísmica" . The Seismic Record . 2 (3): 186– 196. Bibcode : 2022SeisR...2..186A . doi : 10.1785/0320220022 . S2CID 251504921 . 
  6. Ajala, R.; Persaud, P. (2021). "Efecto de la fusión de modelos multiescala en las predicciones del campo de ondas sísmicas cerca de la falla de San Andrés del sur" . Journal of Geophysical Research: Solid Earth . 126 (10) e2021JB021915. Bibcode : 2021JGRB..12621915A . doi : 10.1029/2021JB021915 . ISSN 2169-9313 . S2CID 239654900 .  
  7. 1 2 Oppenheim, Alan V. ; Schafer, Ronald W. ; Buck, John R. (1999). "7.2". Procesamiento de señales en tiempo discreto (2.ª ed.). Upper Saddle River, NJ: Prentice Hall. pp. 465–478 . ISBN   0-13-754920-2.
  8. "Filtros FIR por ventana – The Lab Book Pages" . www.labbookpages.co.uk . Consultado el 13 de abril de 2016 .
  9. "Dominando Windows" (PDF) . www.cg.tuwien.ac.at . Consultado el 12 de febrero de 2020 .
  10. "Fundamentos del análisis de señales: Nota de aplicación 243" (PDF) . hpmemoryproject.org . Consultado el 10 de abril de 2018 .
  11. R. Hovden, Y. Jiang, H. Xin, LF Kourkoutis (2015). "Reducción periódica de artefactos en transformadas de Fourier de imágenes de resolución atómica de campo completo". Microscopía y microanálisis . 21 (2): 436– 441. arXiv : 2210.09024 . Bibcode : 2015MiMic..21..436H . doi : 10.1017/S1431927614014639 . PMID 25597865. S2CID 22435248 .  {{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace )
  12. Bernstein, Matt A.; King, Kevin Franklin; Zhou, Xiaohong Joe (2004). Manual de secuencias de pulsos de resonancia magnética . Londres: Elsevier Academic Press. págs. 495–499 . ISBN  0-12-092861-2.
  13. Awad, AI; Baba, K. (2011). "Una aplicación para la localización de puntos singulares en la clasificación de huellas dactilares". Procesamiento de información digital y comunicaciones . Comunicaciones en informática y ciencias de la información. Vol. 188. pág. 262. doi : 10.1007/978-3-642-22389-1_24 . ISBN   978-3-642-22388-4.
  14. "Filtros de fase cero" . ccrma.stanford.edu . Consultado el 12 de febrero de 2020 .
  15. Rorabaugh, C. Britton (octubre de 1998). DSP Primer . Serie Primer. McGraw-Hill Professional. pág. 196. ISBN  978-0-07-054004-0.
  16. 1 2 3 4 5 6 7 8 9 10 Harris, Fredric J. (enero de 1978). "Sobre el uso de ventanas para el análisis armónico con la transformada discreta de Fourier" (PDF) . Actas del IEEE . 66 (1): 51– 83. Bibcode : 1978IEEEP..66...51H . CiteSeerX 10.1.1.649.9880 . doi : 10.1109/PROC.1978.10837 . S2CID 426548 .  El artículo fundamental de Harris de 1978 sobre las ventanas de la FFT, que especificaba muchas ventanas e introducía métricas clave utilizadas para compararlas.
  17. 1 2 3 Heinzel, G.; Rüdiger, A.; Schilling, R. (2002). Estimación del espectro y la densidad espectral mediante la transformada discreta de Fourier (DFT), incluyendo una lista completa de funciones de ventana y algunas nuevas ventanas de cima plana (Informe técnico). Instituto Max Planck (MPI) de Física de la Gravitación / Interferometría Láser y Astronomía de Ondas Gravitacionales. 395068.0 . Recuperado el 10 de febrero de 2013 .También disponible en https://pure.mpg.de/rest/items/item_152164_1/component/file_152163/content
  18. "Comprensión de las FFT y el uso de ventanas" (PDF) . National Instruments . Archivado (PDF) del original el 5 de enero de 2024. Consultado el 13 de febrero de 2024 .
  19. Toraichi, K.; Kamada, M.; Itahashi, S.; Mori, R. (1989). "Funciones de ventana representadas por funciones B-spline". IEEE Transactions on Acoustics, Speech, and Signal Processing . 37 : 145–147 . doi : 10.1109/29.17517 .
  20. "Ventana Bartlett" . ccrma.stanford.edu . Consultado el 13 de abril de 2016 .
  21. Tukey, JW (1967). "Introducción a los cálculos del análisis espectral numérico". Análisis espectral de series temporales : 25–46 .
  22. «Ventana triangular – MATLAB triang» . www.mathworks.com . Consultado el 13 de abril de 2016 .
  23. 1 2 Welch, P. (1967). "El uso de la transformada rápida de Fourier para la estimación de espectros de potencia: un método basado en el promedio temporal sobre periodogramas cortos y modificados". IEEE Transactions on Audio and Electroacoustics . 15 (2): 70– 73. Bibcode : 1967ITAE...15...70W . doi : 10.1109/TAU.1967.1161901 . S2CID 13900622 . 
  24. ^ "Ventana Hann (Hanning) - MATLAB hann" . www.mathworks.com . Consultado el 12 de febrero de 2020 .
  25. "Hann o Hanning o coseno elevado" . ccrma.stanford.edu . Consultado el 13 de abril de 2016 .
  26. Enochson, Loren D.; Otnes, Robert K. (1968). Programación y análisis de datos de series temporales digitales . Departamento de Defensa de EE. UU., Centro de Información sobre Choques y Vibraciones. pág. 142. 
  27. 1 2 3 "Ventana de Hamming" . ccrma.stanford.edu . Consultado el 13 de abril de 2016 .
  28. "Una radio de modulación de amplitud en cuadratura (QAM) digital: Construyendo una mejor radio" (PDF) . users.wpi.edu . pág. 28. Consultado el 12 de febrero de 2020 . 
  29. "De bits a símbolos a señales y viceversa" (PDF) . users.wpi.edu . pág. 7. Consultado el 12 de febrero de 2020 . 
  30. Johnson, C. Richard Jr.; Sethares, William A.; Klein, Andrew G. (18 de agosto de 2011). "11". Diseño de receptores de software . Cambridge University Press. ISBN 978-1-139-50145-3.También https://cnx.org/contents/QsVBJjB4@3.1:6R_ztzDY@4/Pulse-Shaping-and-Receive-Filtering
  31. Nuttall, Albert H. (febrero de 1981). "Algunas ventanas con un comportamiento de lóbulos laterales muy bueno" . IEEE Transactions on Acoustics, Speech, and Signal Processing . 29 (1): 84– 91. doi : 10.1109/TASSP.1981.1163506 .Amplía el artículo de Harris, abarcando todas las funciones de ventana conocidas en ese momento, junto con comparaciones métricas clave.
  32. "xxx" .
  33. Weisstein, Eric W. "Función de Blackman" . mathworld.wolfram.com . Consultado el 13 de abril de 2016 .
  34. "Características de diferentes ventanas de suavizado - Ayuda de NI LabVIEW 8.6" . zone.ni.com . Consultado el 13 de febrero de 2020 .
  35. Blackman, RB ; Tukey, JW (1959-01-01). La medición de espectros de potencia desde el punto de vista de la ingeniería de comunicaciones . Dover Publications. pág. 99. ISBN  978-0-486-60507-4.{{cite book}}: Incompatibilidad de ISBN/Fecha ( ayuda )
  36. "Familia de ventanas Blackman-Harris" . ccrma.stanford.edu . Consultado el 13 de abril de 2016 .
  37. "Periodo de tres mandatos de Blackman-Harris" . ccrma.stanford.edu . Consultado el 13 de abril de 2016 .
  38. "Ventana Blackman-Harris de tres mandatos" .
  39. 1 2 Smith, Steven W. (2011). The Scientist and Engineer's Guide to Digital Signal Processing . San Diego, California, USA: California Technical Publishing . Recuperado el 14 de febrero de 2013 .
  40. Rife, David C.; Vincent, GA (1970), "Uso de la transformada discreta de Fourier en la medición de frecuencias y niveles de tonos", Bell Syst. Tech. J. , 49 (2): 197– 228, doi : 10.1002/j.1538-7305.1970.tb01766.x
  41. 1 2 Andria, Gregorio; Savino, Mario; Trotta, Amerigo (1989), "Algoritmos de ventanas e interpolación para mejorar la precisión de las mediciones eléctricas", IEEE Transactions on Instrumentation and Measurement , 38 (4): 856– 863, Bibcode : 1989ITIM...38..856A , doi : 10.1109/19.31004
  42. Schoukens, Joannes; Pintelon, Rik; Van Hamme, Hugo (1992), "La transformada rápida de Fourier interpolada: un estudio comparativo", IEEE Transactions on Instrumentation and Measurement , 41 (2): 226– 232, Bibcode : 1992ITIM...41..226S , doi : 10.1109/19.137352
  43. Bosi, Marina; Goldberg, Richard E. (2003). "Mapeo de tiempo a frecuencia, parte II: El MDCT". Introducción a la codificación y estándares de audio digital . The Springer International Series in Engineering and Computer Science. Vol. 721. Boston, MA: Springer US. p. 106. doi : 10.1007/978-1-4615-0327-9 . ISBN   978-1-4615-0327-9.
  44. Kido, Ken'iti; Suzuki, Hideo; Ono, Takahiko; Fukushima, Manabu (1998). "Deformación de las estimaciones de respuesta impulsional por ventana temporal en la técnica espectral cruzada" . Journal of the Acoustical Society of Japan E. 19 ( 5): 349–361 . doi : 10.1250/ast.19.349 .
  45. Landisman, M.; Dziewonski, A.; Satô, Y. (1969-05-01). "Mejoras recientes en el análisis de observaciones de ondas superficiales" . Geophysical Journal International . 17 (4): 369– 403. Bibcode : 1969GeoJ...17..369L . doi : 10.1111/j.1365-246X.1969.tb00246.x .
  46. "Ventana de Bohman – R2019B" . www.mathworks.com . Consultado el 12 de febrero de 2020 .
  47. "Familia de ventanas de potencia de coseno" . ccrma.stanford.edu . Consultado el 10 de abril de 2018 .
  48. 1 2 "Matlab para la ventana gaussiana" . ccrma.stanford.edu . Consultado el 13 de abril de 2016. Nótese que, en una escala de dB, las gaussianas son cuadráticas. Esto significa que la interpolación parabólica de una transformada gaussiana muestreada es exacta. ... la interpolación cuadrática de picos espectrales puede ser más precisa en una escala de magnitud logarítmica (por ejemplo, dB) que en una escala de magnitud lineal.
  49. "Ventana y transformación gaussiana" . ccrma.stanford.edu . Consultado el 13 de abril de 2016 .
  50. "Interpolación cuadrática de picos espectrales" . ccrma.stanford.edu . Consultado el 13 de abril de 2016 .
  51. 1 2 3 Starosielec, S.; Hägele, D. (2014). "Ventanas de tiempo discreto con ancho de banda RMS mínimo para un ancho temporal RMS dado". Procesamiento de señales . 102 : 240–246 . Bibcode : 2014SigPr.102..240S . doi : 10.1016/j.sigpro.2014.03.033 .
  52. Chakraborty, Debejyo; Kovvali, Narayan (2013). "Ventana normal generalizada para el procesamiento de señales digitales". 2013 IEEE International Conference on Acoustics, Speech and Signal Processing . pp. 6083–6087 . doi : 10.1109/ICASSP.2013.6638833 . ISBN  978-1-4799-0356-6. S2CID 11779529 . 
  53. Diethorn, EJ (1994). "La distribución exponencial generalizada tiempo-frecuencia". IEEE Transactions on Signal Processing . 42 (5): 1028– 1037. Bibcode : 1994ITSP...42.1028D . doi : 10.1109/78.295214 .
  54. Bloomfield, P. (2000). Análisis de Fourier de series temporales: una introducción . Nueva York: Wiley-Interscience.
  55. Tu, Loring W. (2008). "Funciones de rebote y particiones de la unidad". Una introducción a las variedades . Universitext. Nueva York: Springer. pp. 127–134 . doi : 10.1007/978-0-387-48101-2_13 . ISBN  978-0-387-48098-5.
  56. McKechan, DJA; Robinson, C.; Sathyaprakash, BS (21 de abril de 2010). "Una ventana de atenuación para plantillas en el dominio del tiempo y señales simuladas en la detección de ondas gravitacionales de binarias compactas coalescentes". Classical and Quantum Gravity . 27 (8) 084020. arXiv : 1003.2939 . Bibcode : 2010CQGra..27h4020M . doi : 10.1088/0264-9381/27/8/084020 . S2CID 21488253 . 
  57. "Ventana Sleepian o DPSS" . ccrma.stanford.edu . Consultado el 13 de abril de 2016 .
  58. 1 2 Smith, JO (2011). "Comparación de ventanas Kaiser y DPSS" . ccrma.stanford.edu . Recuperado el 13 de abril de 2016 .
  59. Kaiser, James F.; Kuo, Franklin F. (1966). Análisis de sistemas mediante computadora digital . John Wiley and Sons. págs. 232–235 . Esta familia de funciones de ventana fue "descubierta" por Kaiser en 1962 tras una conversación con BF Logan de los Laboratorios Bell Telephone. ... Otra propiedad valiosa de esta familia ... es que también se aproximan mucho a las funciones de onda esferoidales proladas de orden cero. 
  60. Kaiser, James F. (noviembre de 1964). "Una familia de funciones de ventana con propiedades casi ideales". Memorándum inédito .
  61. Rabiner, Lawrence R.; Gold, Bernard (1975). "3.11" . Teoría y aplicación del procesamiento digital de señales . Englewood Cliffs, NJ: Prentice-Hall. pág . 94. ISBN  0-13-914101-4.
  62. Crochiere, RE; Rabiner, LR (1983). "4.3.1". Procesamiento de señales digitales multivelocidad . Englewood Cliffs, NJ: Prentice-Hall. pág. 144. ISBN  0-13-605162-6.
  63. Lin, Yuan-Pei; Vaidyanathan, PP (junio de 1998). "Un enfoque de ventana de Kaiser para el diseño de filtros prototipo de bancos de filtros modulados en coseno" (PDF) . IEEE Signal Processing Letters . 5 (6): 132– 134. Bibcode : 1998ISPL....5..132L . doi : 10.1109/97.681427 . S2CID 18159105. Recuperado el 16 de marzo de 2017 . 
  64. Smith, JO (2011). "Ventana de Kaiser" . ccrma.stanford.edu . Recuperado el 20 de marzo de 2019. A veces, la ventana de Kaiser se parametriza mediante α , donde β = π α .   
  65. "Kaiser Window, R2020a" . www.mathworks.com . Mathworks . Consultado el 9 de abril de 2020 .
  66. "Ventana de Kaiser" . www.dsprelated.com . Consultado el 8 de abril de 2020. La siguiente comparación en Matlab de las ventanas DPSS y de Kaiser ilustra la interpretación de α como el número de bin del borde del lóbulo principal de la ventana muestreada críticamente.
  67. Kaiser, James F.; Schafer, Ronald W. (1980). "Sobre el uso de la ventana I 0 -sinh para el análisis espectral". IEEE Transactions on Acoustics, Speech, and Signal Processing . 28 (1): 105– 107. Bibcode : 1980ITASS..28..105K . doi : 10.1109/TASSP.1980.1163349 .
  68. 1 2 3 "Ventana Dolph-Chebyshev" . ccrma.stanford.edu . Consultado el 13 de abril de 2016 .
  69. "Definición de la ventana de Dolph-Chebyshev" . ccrma.stanford.edu . Consultado el 5 de marzo de 2019 .
  70. 1 2 3 Kabal, Peter (2009). "Ventanas de tiempo para la predicción lineal del habla" (PDF) . Informe técnico, Departamento de Ingeniería Eléctrica e Informática, Universidad McGill (2a): 31. Recuperado el 2 de febrero de 2014 .
  71. Streit, Roy (1984). "Una familia de ponderaciones de dos parámetros para filtros y antenas digitales no recursivos" . IEEE Transactions on Acoustics, Speech, and Signal Processing . 32 (1): 108– 118. Bibcode : 1984ITASS..32..108S . doi : 10.1109/tassp.1984.1164275 .
  72. 1 2 3 4 Deczky, Andrew (2001). "Ventanas unisféricas". ISCAS 2001. Simposio Internacional IEEE de Circuitos y Sistemas de 2001 (Cat. No. 01CH37196) . Vol. 2. págs. 85–88 . doi : 10.1109/iscas.2001.921012 . ISBN   978-0-7803-6685-5. S2CID 38275201 . 
  73. Bergen, SWA; Antoniou, A. (2004). "Diseño de funciones de ventana ultraesféricas con características espectrales prescritas" . EURASIP Journal on Applied Signal Processing . 2004 (13): 2053–2065 . Bibcode : 2004EJASP2004...63B . doi : 10.1155/S1110865704403114 .
  74. Bergen, Stuart WA (2005). "Diseño de la función de ventana ultraesférica y sus aplicaciones" (PDF) .Tesis doctoral, Universidad de Victoria.
  75. Smith, Julius O. III (23 de abril de 2011). "Ventana de Poisson" . ccrma.stanford.edu . Consultado el 12 de febrero de 2020 .
  76. ^ Gade, Svend; Herlufsen, Henrik (1987). "Revisión técnica n.º 3-1987: análisis de Windows a FFT (Parte I)" (PDF) . Brüel & Kjær . Consultado el 22 de noviembre de 2011 .
  77. Berry, CPL; Gair, JR (12 de diciembre de 2012). "Observando el agujero negro masivo de la galaxia con ráfagas de ondas gravitacionales" . Monthly Notices of the Royal Astronomical Society . 429 (1): 589– 612. arXiv : 1210.2778 . Bibcode : 2013MNRAS.429..589B . doi : 10.1093/mnras/sts360 . S2CID 118944979 . 
  78. "Ventana de Hann-Poisson" . ccrma.stanford.edu . Consultado el 13 de abril de 2016 .
  79. Wesley Beccaro (31/10/2020), "Generalized Adaptive Polynomial Window Function" , IEEE Access , 8 : 187584–187589 , Bibcode : 2020IEEEA...8r7584J , doi : 10.1109/ACCESS.2020.3030903 , consultado el 2 de noviembre de 2020.
  80. "Función de ventana polinomial adaptativa generalizada" . www.mathworks.com . Consultado el 12 de diciembre de 2020 .
  81. Luo, Jiufel; Xie, Zhijiang; Li, Xinyi (2015-03-02). "Ventanas asimétricas y su aplicación en la estimación de frecuencia" . Journal of Algorithms & Computational Technology . 9 (4): 389– 412. doi : 10.1260/1748-3018.9.4.389 . S2CID 124464194 . 

Lecturas adicionales

  • Harris, Frederic J. (septiembre de 1976). "Ventanas, análisis armónico y la transformada discreta de Fourier" (PDF) . apps.dtic.mil . Centro Naval Submarino, San Diego. Archivado (PDF) del original el 8 de abril de 2019. Recuperado el 8 de abril de 2019 .
  • Albrecht, Hans-Helge (2012). Ventanas de suma de coseno mínima y de lóbulo lateral mínimo adaptadas. Versión 1.0 . vol.  ISBN 978-3-86918-281-0). editor: Physikalisch-Technische Bundesanstalt. Physikalisch-Technische Bundesanstalt. doi : 10.7795/110.20121022aa . ISBN 978-3-86918-281-0.
  • Bergen, SWA; Antoniou, A. (2005). "Diseño de filtros digitales no recursivos utilizando la función de ventana ultraesférica" . EURASIP Journal on Applied Signal Processing . 2005 (12): 1910–1922 . Bibcode : 2005EJASP2005...44B . doi : 10.1155/ASP.2005.1910 .
  • Prabhu, KMM (2014). Funciones de ventana y sus aplicaciones en el procesamiento de señales . Boca Raton, FL: CRC Press. ISBN 978-1-4665-1583-3.
  • Patente estadounidense 7065150 , Park, Young-Seo, "Sistema y método para generar una modulación de multiplexación por división de frecuencia ortogonal de coseno elevado de raíz cuadrada (RRC OFDM)", publicada en 2003, emitida en 2006. 
  • Logotipo de Wikimedia CommonsContenido multimedia relacionado con la función Ventana en Wikimedia Commons
  • Ayuda de LabVIEW, Características de los filtros de suavizado, http://zone.ni.com/reference/en-XX/help/371361B-01/lvanlsconcepts/char_smoothing_windows/
  • Creación y propiedades de las funciones de ventana de suma de coseno, http://electronicsart.weebly.com/fftwindows.html
  • Simulación interactiva en línea de FFT, ventanas, resolución y fugas | RITEC | Biblioteca y herramientas