Análise FFT com o OpenTest

Em ensaios de áudio e vibração, a análise FFT (Transformada Rápida de Fourier) é uma das ferramentas que quase todos os engenheiros usam mais cedo ou mais tarde:

• Resposta em frequência de colunas de som
• Distorção de auscultadores
• Diagnóstico NVH (Noise, Vibration, Harshness)
• Resolução de problemas de ressonâncias estruturais
• Ruído de produção e procura de "tons misteriosos"

Muitas questões práticas estão, na verdade, a perguntar as mesmas poucas coisas:

• Onde está a energia concentrada em frequência?
• O sinal é dominado por um único tom ou por um conjunto de harmónicos?
• Quão elevado é o piso de ruído?
• Existem picos de ressonância?

A FFT é o ponto de partida mais universal para responder a estas perguntas.

Este artigo vai ajudá-lo a clarificar três aspetos do ponto de vista da engenharia:

• O que é a análise FFT
• Como a FFT funciona conceptualmente
• Como usar a FFT de forma correta e eficiente na prática

O que é a FFT?

No domínio do tempo, um sinal é apenas uma forma de onda que varia ao longo do tempo - todos os componentes "empilhados" numa única curva. Consegue visualizá-lo, mas é difícil perceber que frequências estão presentes.

A FFT (Transformada Rápida de Fourier) decompõe um sinal no domínio do tempo numa soma de sinusóides a diferentes frequências. No domínio da frequência, o sinal é representado por frequência + amplitude + fase. Em termos simples:

• Domínio do tempo: como o sinal evolui ao longo do tempo
• Domínio da frequência: que componentes em frequência contém, quais são mais fortes e como se relacionam entre si

Historicamente, a ideia‑chave de Fourier (início do século 19) foi que uma função periódica complexa pode ser expressa como soma de senos e cossenos. Isto evoluiu para a transformada de Fourier em tempo contínuo, que mapeia sinais numa escala contínua de frequências.

Na era dos computadores, as coisas mudaram: os engenheiros trabalham com dados amostrados e tipicamente só dispõem de um registo de comprimento finito com N amostras. Isto conduz à DFT (Transformada Discreta de Fourier), que mapeia N amostras no tempo em N bins de frequência discretos.

A FFT (Transformada Rápida de Fourier) não é uma transformada diferente. É uma família de algoritmos que calcula exatamente a mesma DFT de forma muito mais eficiente:

• DFT direta: complexidade ~ O(N²)
• FFT: complexidade ~ O(N log N)

A saída X[k] é idêntica ao resultado da DFT - a FFT apenas chega lá muito mais depressa, explorando simetria e divisão e conquista.

Para que é boa a FFT - e para que não é

A FFT é muito boa em:

• Encontrar componentes determinísticas de banda estreita
  • Tons fundamentais, harmónicos, frequências de comutação, tons de assobio, linhas relacionadas com a velocidade
• Analisar distribuições de banda larga
  • Piso de ruído, declives 1/f, potência em banda, SNR
• Caraterizar o comportamento de sistemas
  • Funções de transferência, ressonâncias / anti-ressonâncias, coerência, estimação de atraso
• Servir de base para a análise tempo-frequência
  • STFT, espectrogramas, etc.

A FFT não é adequada (ou não é suficiente por si só) para:

• Sinais fortemente não estacionários e "frequência instantânea"
  • Para chirps e conteúdo que muda rapidamente, precisa de STFT, wavelets ou outros métodos tempo-frequência, não de uma única FFT sobre um registo longo
• Separar dois tons extremamente próximos abaixo da sua resolução em frequência
  • Se o espaçamento for menor do que a resolução dos bins (definida por N), nenhum algoritmo os vai separar de forma "mágica"
• Transformar dados curtos em "medições longas"
  • O preenchimento com zeros apenas interpola o espetro visualmente; não adiciona informação nova

Antes de usar a FFT: conceitos-chave a dominar

Para tirar bom partido da FFT, tem de estar seguro acerca de alguns fundamentos:

1. Taxa de amostragem
2. A DFT e a sua interpretação
3. O que representa realmente o gráfico (magnitude, amplitude, potência, PSD)
4. Janelamento e fuga espetral
5. Média

Taxa de amostragem: até que frequência consegue ver

Antes da FFT, já tomou uma decisão crucial: a amostragem. Um sinal em tempo contínuo x(t) é transformado numa sequência discreta x[n]=x(n/fs). A taxa de amostragem fsf_sfs​ determina a frequência mais alta que pode observar sem aliasing: a frequência de Nyquist, fs/2.

Se o sinal analógico contiver energia acima de fs/2, ela não desaparece - é dobrada de volta para a banda abaixo de Nyquist como aliasing. Depois de ocorrer aliasing, a FFT não o consegue "anular"; a informação fica irreversivelmente misturada.

Na prática, tem de usar um filtro anti-aliasing antes do ADC (ou antes de qualquer remuestreio) para suprimir componentes acima de Nyquist.

Exemplo: um seno de 900 Hz amostrado a fs=1 kHz vai aparecer a 100 Hz no espetro discreto - um clássico artefacto de aliasing.

Cálculo e interpretação da DFT

Dadas N amostras x[0]..x[N−1], a DFT é definida como:

A transformada inversa (IDFT) reconstrói o sinal no tempo:

De forma intuitiva, X[k] indica quão fortemente o sinal se correlaciona com uma exponencial complexa à frequência desse bin.

• A magnitude de X[k] indica "quanto" desse componente em frequência existe
• A fase codifica o alinhamento temporal em relação aos outros componentes

O que está a representar no gráfico? Magnitude, amplitude, potência, PSD

A partir de um único conjunto de resultados de FFT X[k], pode criar muitos "espetros" diferentes que parecem semelhantes mas representam quantidades físicas diferentes. É aqui que surge frequentemente a confusão entre ferramentas e plataformas.

As variantes mais comuns incluem:

• Espetro de magnitude |X[k]|
  • As unidades dependem da normalização (por exemplo, "V·amostras")
  • Útil para localizar picos, harmónicos e a forma geral do espetro
• Espetro de amplitude
  • Magnitude devidamente escalada, em unidades físicas (por exemplo, V)
  • Adequado para ler amplitudes de sinusóides e efetuar medições calibradas
• Espetro de potência |X[k]|²
  • Novamente dependente do escalamento; usado frequentemente para comparações de potência/energia quando as convenções estão bem definidas
• Densidade Espectral de Potência (PSD) Sxx(f)
  • Unidades como V²/Hz ou Pa²/Hz
  • Utilizada para análise de ruído, potência em banda e comparações entre diferentes comprimentos de FFT

Se quiser comparar níveis de ruído entre diferentes tamanhos de FFT, janelas ou ferramentas, use a PSD (ou densidade espetral de amplitude). Os valores brutos de |X| ou |X|² raramente são diretamente comparáveis.

Um exemplo concreto: dois tons no tempo e na frequência

Imagine um sinal constituído por duas sinusóides a frequências diferentes.

• No domínio do tempo, a sua soma pode parecer uma forma de onda "ondulante".
• No domínio da frequência (FFT/PSD), verá dois picos estreitos distintos nas frequências correspondentes.

Na análise FFT do OpenTest, pode visualizar lado a lado o espetro e a PSD/ASD, o que torna simples:

• Identificar componentes tonais
• Inspecionar a distribuição do ruído
• Comparar diferentes condições de operação na mesma grelha de frequências

Experimente você mesmo: Transfira a edição gratuita do OpenTest e execute uma FFT sobre um simples sinal de dois tons para ver claramente os dois picos separados.

Funções de janela e fuga espetral: limpar os espetros

Em teoria, a FFT assume que o bloco amostrado contém um número inteiro de períodos e é depois repetido periodicamente. Na realidade, o registo quase nunca se alinha perfeitamente com um número inteiro de ciclos. Quando repete esse bloco, surgem descontinuidades nas fronteiras, o que faz a energia espalhar-se para os bins vizinhos - isto é a fuga espetral.

Para reduzir a fuga, tipicamente aplicamos uma função de janela ao registo temporal antes de calcular a FFT. Uma janela afeta simultaneamente:

1. Largura do lobo principal
   • Lobo principal mais largo = picos mais alargados → torna-se mais difícil separar tons próximos
2. Altura dos lobos laterais
   • Lobos laterais mais baixos = mais fácil ver picos pequenos junto a um grande (melhor gama dinâmica)
3. Escalamento de amplitude/energia
   • As janelas alteram a relação entre a amplitude verdadeira de um tom puro e o pico observado, bem como o nível do piso de ruído

Algumas orientações práticas:

• Janela retangular
  • Use apenas quando puder garantir amostragem coerente (um número inteiro de períodos no registo) e quiser o lobo principal mais estreito possível
• Janela Hanning (Hann)
  • Uma escolha pré-definida muito robusta para trabalhos gerais de acústica e vibração
  • Amplamente utilizada com métodos de Welch/PSD
• Hamming
  • Semelhante à Hann, com comportamento de lobos laterais ligeiramente diferente, comum em comunicações
• Blackman / Blackman-Harris
  • Lobos laterais mais baixos, útil quando precisa de ver picos pequenos junto de grandes, à custa de um lobo principal mais largo

No OpenTest, pode alternar entre diferentes funções de janela no módulo de análise FFT e ver imediatamente o impacto na largura dos picos, nos lobos laterais e no piso de ruído.

Média: tornar os espetros mais estáveis

Para sinais ruidosos ou não estacionários, uma única FFT pode parecer muito "irregular" ou instável. Ao fazer a média de vários espetros, obtém um resultado mais suave e repetível. Os tipos de média mais comuns incluem:

• Média linear
  • Uma simples média aritmética de vários resultados de FFT
• Média exponencial
  • Os dados mais recentes têm mais peso; adequado para monitorização em tempo real quando o espetro deve reagir mas não oscilar de forma brusca
• Média de energia (potência)
  • Baseada em potência; garante que as grandezas relacionadas com potência se mantêm consistentes

Uma boa configuração de média encontra um equilíbrio entre suprimir flutuações aleatórias e preservar alterações reais no sinal.

Onde usamos a FFT na prática?

Áudio e acústica

As aplicações típicas incluem:

• Encontrar frequências de feedback, distorção harmónica e pisos de ruído de dispositivos
• Medição da resposta em frequência (função de transferência)
• Modos de sala / análise de ressonâncias
• Espectrogramas de fala, música e ruído de equipamentos

Em áudio/acústica, tem de ser claro quanto às unidades e convenções:

• dB SPL, ponderação A, bandas de 1/3 de oitava, etc.
• A FFT é o motor; a convenção de apresentação (referência, ponderação, largura de banda) deve estar claramente definida.

Vibração e máquinas rotativas

• Identificação de picos relacionados com a velocidade (1X, 2X, frequências de engrenamento)
• Ressonâncias estruturais e comportamento modal sob diferentes condições de operação
• Diagnóstico de rolamentos, ruído de engrenagens, desequilíbrios, desalinhamentos

Para análise de rolamentos e caixas de engrenagens, é frequentemente usada a deteção/demodulação de invólucro:

• Aplicar um filtro passa-banda ao sinal
• Demodular e, em seguida, realizar uma FFT sobre o invólucro para revelar frequências de falha

Se a velocidade de rotação estiver a variar, uma FFT simples vai "esborratar" os picos. Nesse caso, o order tracking ou o remuestreio síncrono são mais adequados, convertendo o eixo de "frequência" em "ordem".

Eletrónica de potência e qualidade de energia

• Harmónicos da frequência da rede (50/60 Hz e múltiplos), THD, ripple, picos de comutação
• Verificações EMI de pré-conformidade: linhas espetrais, piso de ruído, potência em banda

Em sistemas de potência, a amostragem não coerente é um problema comum: se o comprimento do registo não corresponder a um número inteiro de ciclos da rede, a fuga afeta a exatidão dos harmónicos. As soluções incluem amostragem síncrona, janelas de ciclo inteiro ou analisadores harmónicos especializados.

RF e comunicações (visão em banda base)

• Espectros de sinais modulados e máscaras espetrais
• OFDM e análise espetral multiportadora, fuga para canais adjacentes

Aqui, a consistência é fundamental:

• Mesmas unidades
• Mesma largura de banda (RBW)
• Mesma janela, detetor e tipo de média

A própria FFT é simples; transformá-la em medições de potência comparáveis exige definições rigorosas.

Imagem e filtragem 2D

A FFT 2D estende a mesma ideia às imagens:

• As arestas correspondem a altas frequências espaciais; as zonas suaves a baixas frequências
• Filtragem passa-baixo / passa-alto, remoção de ruído periódico, aceleração de convolução no domínio da frequência

A mesma suposição de extensão periódica aplica-se agora em 2D: descontinuidades nas bordas da imagem produzem artefactos fortes no domínio da frequência. Preenchimento, bordas espelhadas ou janelas 2D são formas comuns de mitigar este efeito.

Transformar a FFT numa ferramenta de engenharia do dia a dia

Do ponto de vista matemático, a FFT não é particularmente "leve". Mas, na utilização em engenharia, o objetivo é na realidade simples:

Ver o que está escondido dentro do sinal de forma mais clara e muito mais rápida.

Quando compreende:

• O que a FFT realmente calcula
• Como a amostragem, o janelamento, o escalamento e a média afetam o resultado
• Quando usar espetros vs PSD e que definições são importantes para o seu caso de uso

... então a FFT deixa de ser um tópico de matemática abstrata e torna‑se uma ferramenta prática do dia a dia para trabalhos de acústica e vibração - desde I&D e validação até aos ensaios de produção.

Transfira e comece já -> ou preencha o formulário abaixo ↓ para agendar uma demonstração em direto.

Explore mais funcionalidades e casos de aplicação em www.opentest.com.