bin ความถี่คืออะไร

16

ฉันกำลังทำการวิจัยเกี่ยวกับวิธี FFT และคำที่มักจะเกิดขึ้นคือ "ถังขยะความถี่" จากสิ่งที่ฉันเข้าใจนี่มีบางอย่างเกี่ยวข้องกับวงดนตรีที่สร้างขึ้นรอบความถี่ของไซน์อยด์ที่ให้มา แต่ฉันก็ไม่สามารถหาวิธีได้ ฉันยังหาวิธีที่จะไปจากถังขยะที่กำหนดไปยังความถี่ที่เกี่ยวข้อง แต่ก็ยังไม่มีสัญชาตญาณว่าถังขยะความถี่คืออะไร

fft

— JonTrav1
แหล่งที่มา

10

มันง่ายกว่าที่คุณคิด เมื่อเราแยกแยะความถี่เราจะได้ถังขยะความถี่ ดังนั้นเมื่อคุณ discretize ฟูริเยร์ของคุณเปลี่ยน: ความถี่อย่างต่อเนื่องของเรากลายเป็นถังขยะที่ไม่ต่อเนื่อง

e^{- j ω} \to e^{- j 2 π k / N}

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

N

$N$

นี่คือสาเหตุที่แท้จริงดังต่อไปนี้: โปรดทราบว่า FFT หมายถึงความถี่ 0 ถึง sampleFreq เฮิร์ตซ์

n^{t h} b i n = n * \frac{s a m p l e F r e q}{n u m (D F T p o i n t s)}

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

— Rithesh
แหล่งที่มา

5

แต่ละถังขยะนั้นเป็นตัวแทนของความถี่อะไร? เช่นถ้าสูตรด้านบนมี 1,000 เฮิร์ตสำหรับถังขยะ (ถือว่ากว้าง 1 เฮิร์ต) จากนั้นถังขยะจะแสดง 1,000,000 ถึง 1,000.999 หรือมีศูนย์กลางอยู่ที่ - เช่น 999.5 ถึง 1,000.5?

— Roger Binns

1

ตรวจสอบคำตอบของคำถามนี้stackoverflow.com/questions/10754549/… . แต่ละถังขยะกว้าง SAMPLE_RATE / NUM_POINTS (Hz) และจุดศูนย์กลางของถังขยะดังนั้นช่วงของมันคือ half-bin ก่อนที่จะ half-bin หลังจากจุดศูนย์กลาง นอกจากนี้ให้ตรวจสอบen.wikipedia.org/wiki/Histogramนี้ซึ่งมีคำอธิบายเกี่ยวกับคำว่า 'bin'

— mortalis

9

bin ความถี่เป็นเซ็กเมนต์ $[f_l,f_h]$ ของแกนความถี่ที่ "รวบรวม" แอมพลิจูดขนาดหรือพลังงานจากช่วงความถี่เล็ก ๆ ซึ่งมักเกิดจากการวิเคราะห์ฟูริเยร์ เนื่องจาก discretization ข้อมูล (อาจเกิดจากการสุ่มตัวอย่าง) โดยทั่วไปจะไม่สามารถกำหนดแอมพลิจูดที่แม่นยำให้กับทุกความถี่ในแกนจริง ช่องเก็บความถี่สามารถรับได้เช่นจากความถี่ในการสุ่มตัวอย่างและความละเอียดของการแปลงฟูริเยร์ อย่างไรก็ตามส่วนหนึ่งของแอมพลิจูดที่คำนวณอาจมีสาเหตุมาจากความถี่ของสัญญาณจริงที่ไม่ได้อยู่ในช่วงถังขยะ คำศัพท์ที่เกี่ยวข้องกับปรากฏการณ์นี้อาจเป็นการรั่วไหลทาให้เป็นรอยหยักหน้าต่างและขึ้นอยู่กับเครื่องมือที่ใช้ในการรับแอมพลิจูดเหล่านี้ อินสแตนซ์ถูกแสดงในรูปต่อไปนี้: pure sine ถูกสุ่มตัวอย่างและวิเคราะห์ผ่านหน้าต่างสี่เหลี่ยม

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

แนวคิดที่คล้ายกันสามารถพบได้ในถังขยะน่าจะเป็น

— Laurent Duval
แหล่งที่มา

5

FFT เป็นวิธีการคำนวณ DFT และ DFT คือการแปลงเวกเตอร์ความยาว จำกัด ซึ่งให้ผลลัพธ์จำนวน จำกัด เท่ากัน อย่างไรก็ตามช่วงความถี่ของไซนัสที่สามารถเรียงเข้าสู่ความยาวที่ จำกัด เพื่อป้อนเข้าสู่ FFT นั้นไม่มีที่สิ้นสุด ดังนั้นองค์ประกอบเวกเตอร์ผลลัพธ์แต่ละรายการของ FFT มีความสัมพันธ์กันอย่างเด่นชัดกับส่วนเล็ก ๆ ของความต่อเนื่องของความถี่นี้มากกว่าจุด (ความถี่ศูนย์ bin bin FFT)

บางครั้งถังขยะจะถูกทำให้เป็นอุดมคติเป็นฟิลเตอร์รูปสี่เหลี่ยมผืนผ้าความกว้างคงที่ แต่รูปร่างจริงของแต่ละถาดผลลัพธ์ FFT ไม่ใช่ที่ฝากข้อมูลรูปสี่เหลี่ยม แต่เป็นรูป Sinc หรือรูปร่างคล้ายการแปลงของฟังก์ชันหน้าต่างที่ไม่ใช่รูปสี่เหลี่ยมผืนผ้าใด ๆ ที่ถูกเลือกใช้ โปรดทราบว่าถังขยะผลลัพธ์เหล่านี้จะมีขนาดใหญ่กว่าระยะห่างระหว่างถังขยะ FFT โดยมีก้อย (ตัวหยุด) ที่ลากไปรอบ ๆ ความกว้างเต็มของผลลัพธ์ ก้อยเหล่านี้บางครั้งเรียกว่า "การรั่วไหล"

— hotpaw2
แหล่งที่มา

ฉันไม่เข้าใจย่อหน้าที่ 2 ของคุณ โปรดอธิบายอย่างละเอียดเกี่ยวกับความแตกต่างระหว่าง "ความถี่ถังขยะ" กับหนึ่งในองค์ประกอบอาร์เรย์ที่ส่งคืนจาก FFT

— user5108_Dan

องค์ประกอบอาร์เรย์ผลลัพธ์ FFT คือบทสรุปของเนื้อหาสเปกตรัมของถังที่เกี่ยวข้อง นอกจากนี้ความสัมพันธ์กับเวกเตอร์พื้นฐานที่เกี่ยวข้องกับองค์ประกอบนั้น

— hotpaw2

ไซนัสอยด์บริสุทธิ์ที่ถูกเรียงหน้าต่างภายในถังขยะมักจะมีความสัมพันธ์กับเวกเตอร์พื้นฐานมากกว่าสิ่งของภายนอก (แม้ว่าจะขึ้นอยู่กับหน้าต่างที่นำไปใช้)

— hotpaw2

0

ข้อมูลที่ดีที่นี่

จากสิ่งนั้นและความรู้เรื่องเสียงตัวอย่างความถี่สูงสุดในถังขยะจะต้องไม่เกินครึ่งตัวอย่าง (เป็น Hz) นอกจากนี้ตามการสนทนาสแต็กนี้ 0 คือความถี่ของช่องเก็บต่ำสุด (หรือที่รู้จักในส่วนประกอบ DC) ลิงค์แรกยังอธิบายในเชิงลึกเกี่ยวกับการรั่วไหลและชดเชยสิ่งนั้น

— jon Merc
แหล่งที่มา