Determinar el ruido de fondo de una señal en el dominio de frecuencia

¿Existe una forma aceptada de determinar el ruido de fondo de una señal al mirarla en el dominio de la frecuencia? ¿Se trata de promediar todos los contenedores, o la mediana, o algún cálculo más complejo como los descritos en la pregunta a continuación?

¿Cuál es el mejor criterio para determinar un pico de frecuencia?

Quiero determinar el nivel de ruido para establecer un umbral para determinar si mi señal contiene o no una frecuencia dada.

frequency-domain

— Dan Sandberg
fuente

¿Cuáles son las características del ruido? ¿Es blanco o de color?

— Jason R

Ruido blanco, aunque me encantaría saber cómo la respuesta también difiere para otros colores.

— Dan Sandberg

El ruido blanco es más fácil de caracterizar porque cabría esperar que sea plano en el dominio de la frecuencia. Debería haber preguntado antes, pero ¿cuáles son las características de su señal? ¿Cuánto de la banda está llena de señal versus ruido? ¿La señal siempre está presente o solo tiene la posibilidad de observar ruido?

— Jason R

La señal se compone de frecuencias que caen en el centro de la papelera cuando se realiza una FFT (sin fuga espectral). Ignorando el ruido y los efectos del canal, cada frecuencia está al máximo o en el piso de ruido. Si cuatro de las n frecuencias posibles están "activadas", entonces cada frecuencia debería tener 1/4 de la potencia de la señal completa (nuevamente, ignorando el ruido de fondo)

— Dan Sandberg

@DanSandberg: sin una función de ventanas, el teorema de Parseval le permite calcular la energía en tiempo o frecuencia directamente desde el otro dominio. Para la función fft de Python, por ejemplo: rms(fft(x))/sqrt(n) = rms(x) ejemplos aquí Así que debe decidir cómo se ve su señal en el dominio de frecuencia, eliminarla, medir los valores sobrantes y multiplicar por sqrt (n) para obtener el ruido de fondo RMS, por ejemplo.

— endolito

Respuestas:

Debe normalizar sus datos en función del tipo de ventana que está utilizando para obtener su representación de dominio de frecuencia de los datos. La normalización difiere dependiendo de si está midiendo una señal de banda estrecha (pico de señal) o de banda ancha (ruido). Una vez que tiene los datos correctamente normalizados, la potencia de la señal de banda estrecha se puede leer directamente de los datos. La medición del ruido debe estimarse a partir del "piso de ruido" de los datos de frecuencia normalizados. Su estimación de potencia de ruido será 6dB menos que el piso de ruido. Para una discusión detallada,

Vaya a este enlace: http://www.fhnw.ch/technik/ime/publikationen

Descargue el documento "" Cómo usar el FFT para simulaciones y mediciones de señales y ruido ".

— usuario2718
fuente

Como su ruido es gaussiano, su espectro de potencia es plano. Es posible que tenga algunos picos de espectro de señal, por lo que deben evitarse. Propondría ya sea la mediana de las muestras de espectro de potencia o el promedio recortado alfa de las muestras de espectro de potencia o, en última instancia, el promedio intercuartil. Todas estas estimaciones son sólidas, puede elegir cualquiera que se ajuste mejor.

— mbaitoff
fuente