Determinazione del rumore di fondo di un segnale nel dominio della frequenza

Esiste un modo accettato per determinare il rumore di fondo di un segnale osservandolo nel dominio della frequenza? Si tratta di calcolare la media di tutti i contenitori, o mediana, o di alcuni calcoli più complessi come quelli descritti nella domanda seguente?

Qual è il criterio migliore per determinare un picco di frequenza?

Voglio determinare il rumore di fondo per impostare una soglia per determinare se il mio segnale contiene o meno una determinata frequenza.

frequency-domain

— Dan Sandberg
fonte

Quali sono le caratteristiche del rumore? È bianco o colorato?

— Jason R,

Rumore bianco, anche se mi piacerebbe sentire come la risposta differisca anche per altri colori.

— Dan Sandberg,

Il rumore bianco è più facile da caratterizzare perché ci si aspetterebbe che sia piatto nel dominio della frequenza. Avrei dovuto chiedere prima, ma quali sono le caratteristiche del tuo segnale? Quanta parte della banda è riempita dal segnale rispetto al rumore? Il segnale è sempre presente o hai la possibilità di osservare solo il rumore?

— Jason R,

Il segnale è composto da frequenze che cadono nel cestino centrale quando si esegue una FFT (nessuna perdita spettrale). Ignorando il rumore e gli effetti del canale ogni frequenza è al massimo o al rumore di fondo. Se quattro delle n possibili frequenze sono "attive", ciascuna frequenza dovrebbe avere 1/4 della potenza dell'intero segnale (di nuovo, ignorando il rumore di fondo)

— Dan Sandberg,

@DanSandberg: senza una funzione di windowing, il teorema di Parseval ti consente di calcolare l'energia nel tempo o nella frequenza direttamente dall'altro dominio. Per la funzione fft di Python, ad esempio: rms(fft(x))/sqrt(n) = rms(x) esempi qui Quindi devi decidere come appare il tuo segnale nel dominio della frequenza, rimuoverlo, misurare i valori rimanenti e moltiplicare per sqrt (n) per ottenere il rumore di fondo RMS, per esempio.

— Endolith,

Risposte:

È necessario normalizzare i dati in base al tipo di finestra che si sta utilizzando per ottenere la rappresentazione dei dati nel dominio della frequenza. La normalizzazione varia a seconda che si stia misurando un segnale a banda stretta (picco del segnale) o a banda larga (rumore). Dopo aver correttamente normalizzato i dati, la potenza del segnale a banda stretta può essere letta direttamente dai dati. La misurazione del rumore deve essere stimata dal "rumore di fondo" dei dati di frequenza normalizzati. La stima della potenza del rumore sarà inferiore di 6 dB rispetto al rumore di fondo. Per una discussione dettagliata,

Vai a questo link: http://www.fhnw.ch/technik/ime/publikationen

Scarica l'articolo "" Come utilizzare FFT per simulazioni e misurazioni di segnali e disturbi ".

— user2718
fonte

Poiché il tuo rumore è gaussiano, il suo spettro di potenza è piatto. Potresti avere alcuni picchi di spettro del segnale, quindi dovrebbero essere evitati. Proporrei la mediana dei campioni di spettro di potenza o la media alfa-tagliata dei campioni di spettro di potenza, o alla fine la media inter-quartile. Tutte queste stime sono solide, puoi scegliere quella che si adatta meglio.

— mbaitoff
fonte