Transformada de Gabor

Magnitud de la funció gaussiana.
Distribució temps/freqüència, és a dir, un espectograma.

La transformada de Gabor, que porta el nom de Dennis Gabor, és un cas especial de la transformada de Fourier a curt termini. S'utilitza per determinar la freqüència sinusoïdal i el contingut de fase de les seccions locals d'un senyal a mesura que canvia amb el temps. La funció a transformar es multiplica primer per una funció gaussiana, que es pot considerar com una funció de finestra, i la funció resultant es transforma després amb una transformada de Fourier per obtenir l'anàlisi temps-freqüència.[1] La funció de finestra significa que el senyal proper a l'hora que s'està analitzant tindrà un pes més gran. La transformada de Gabor d'un senyal x (t) es defineix per aquesta fórmula: [2]

La funció gaussiana té un rang infinit i no és pràctica per a la seva implementació. Tanmateix, es pot triar un nivell de significació (per exemple 0,00001) per a la distribució de la funció gaussiana[3]

Fora d'aquests límits d'integració () la funció gaussiana és prou petita per ser ignorada. Així, la transformada de Gabor es pot aproximar satisfactòriament com

L'aplicació principal de la transformada de Gabor s'utilitza en l'anàlisi temps-freqüència. Preneu com a exemple la funció següent. El senyal d'entrada té 1 component de freqüència Hz quan t ≤ 0 i té 2 component de freqüència Hz quan t > 0

Però si l'ample de banda total disponible és de 5 Hz, altres bandes de freqüència excepte x(t) es malgasten. Mitjançant l'anàlisi temps-freqüència mitjançant l'aplicació de la transformada de Gabor, es pot conèixer l'ample de banda disponible i aquestes bandes de freqüència es poden utilitzar per a altres aplicacions i s'estalvia l'amplada de banda. La imatge de la dreta mostra el senyal d'entrada x(t) i la sortida de la transformada de Gabor. Com era la nostra expectativa, la distribució de freqüències es pot separar en dues parts. Un és t ≤ 0 i l'altre és t > 0. La part blanca és la banda de freqüència ocupada per x (t) i la part negra no s'utilitza. Tingueu en compte que per a cada moment hi ha una component de freqüència tant negativa (part blanca superior) com positiva (part blanca inferior).[4]

Referències

  1. E. Sejdić, I. Djurović, J. Jiang, “Time-frequency feature representation using energy concentration: An overview of recent advances,” Digital Signal Processing, vol. 19, no. 1, pp. 153-183, January 2009.
  2. «Gabor Transform - an overview | ScienceDirect Topics» (en anglès). https://www.sciencedirect.com.+[Consulta: 25 novembre 2022].
  3. Tng, Daryl. «Time series analysis: Obtaining the spectrogram using the Gabor transform» (en anglès). https://tng-daryl.medium.com,+06-07-2020.+[Consulta: 25 novembre 2022].
  4. «The Spectrogram and the Gabor Transform» (en anglès). https://www.youtube.com.+[Consulta: 25 novembre 2022].