====== Лекция 4. БПФ и практический спектральный анализ ======

Подробное объяснение «на пальцах»: зачем нужна лекция, что она решает, откуда
берутся формулы и что означают картинки. Материал рассчитан и на подготовку
преподавателя, и на самостоятельное чтение студентом: от первых понятий до
практических рецептов и разбора ошибок.

----

===== О чём этот текст и как им пользоваться =====

  * Это **подробный конспект** лекции 4: смысл без «тяжёлого» вывода формул.
  * Кому полезен:
    * студенту — чтобы понять, а не заучить;
    * преподавателю — чтобы было чем наполнить рассказ;
    * практику — чтобы знать, какие ручки крутить.
  * Структура:
    * разделы 1–2 — что такое спектр и почему считать «в лоб» дорого;
    * раздел 3 — как устроено БПФ;
    * разделы 4–6 — конечная запись, окна, разрешение, миф про zero-padding;
    * разделы 7–11 — практика: Уэлч, PSD, точная частота, спектрограмма, пример;
    * разделы 12–21 — шпаргалка, ошибки, код, рецепты, задания, план.
  * Формат — списки: так удобнее готовиться, повторять и объяснять.
  * Числовые примеры взяты из ноутбука ''lecture04.ipynb''.

----

===== Цели лекции (что должен уметь студент) =====

  - Объяснить, что такое **БПФ**:
    * это не новое преобразование, а **быстрый алгоритм** для ДПФ;
    * результат точно совпадает с ДПФ;
    * выигрыш — в тысячи и десятки тысяч раз.
  - Показать идею **«разделяй и властвуй»**:
    * одно большое ДПФ → два маленьких;
    * рекурсия → ''log₂N'' уровней.
  - Понять **«бабочку»** и **бит-реверс**.
  - Объяснить, откуда берётся **утечка**.
  - Осознанно выбирать **окно** под задачу.
  - Понимать ''Δf = 1/T'' и почему **zero-padding не улучшает разрешение**.
  - Пользоваться **методом Уэлча** и читать **PSD**.
  - Строить **спектрограмму**.
  - Сделать всё это в **Python**.

**Зачем каждый пункт на практике:**

  * БПФ — чтобы считать спектр в реальном времени.
  * Разрешение — чтобы различать близкие частоты (дефект vs помеха).
  * Окна — чтобы видеть слабые линии рядом с сильными.
  * Уэлч и PSD — чтобы измерять шум, а не «мохнатый» шумный спектр.
  * Спектрограмма — чтобы работать с меняющимися сигналами.

----

===== 1. Напоминание: что такое спектр и зачем он нужен =====

==== 1.1 Сигнал и его «радуга» ====

  * **Сигнал** — величина, меняющаяся во времени:
    * напряжение на датчике;
    * вибрация подшипника;
    * звук микрофона;
    * ток двигателя.
  * Во времени сигнал — извилистая кривая, где «всё перемешано».
  * **Спектр** — разложение сигнала на простые синусоиды с их амплитудами и фазами.
  * Аналогия: белый свет через **призму** → цвета; спектр — «радуга сигнала».
  * «Призма» здесь — арифметика: пробуем синусоиды и смотрим, какие совпали.
  * Практический смысл:
    * превратить «непонятную кривую» в несколько чисел;
    * найти дефект, невидимый глазом;
    * принять решение: проблема есть/нет, на какой частоте, растёт ли она.

==== 1.2 Формула ДПФ словами ====

  * Есть ''N'' отсчётов: ''x[0], x[1], …, x[N−1]''.
  * ДПФ даёт ''N'' комплексных чисел ''X[0], X[1], …, X[N−1]''.
  * Смысл ''X[k] = Σ x[n]·e^(−j·2π·k·n/N)'':
    * берём пробную синусоиду частоты номер ''k'';
    * умножаем сигнал на неё и складываем;
    * совпали частоты → слагаемые складываются в большое число;
    * не совпали → гасят друг друга, почти ноль.
  * ДПФ — это **корреляция** сигнала с набором синусоид.
  * Пик появляется там, где произошло совпадение.

==== 1.3 Амплитуда, фаза, мощность ====

  * ''|X[k]|'' — **амплитуда** (насколько «громко» звучит частота).
  * ''arg X[k]'' — **фаза** (с каким сдвигом присутствует).
  * ''|X[k]|²'' — **мощность** составляющей.
  * Для анализа чаще смотрят амплитуду или мощность.
  * Фаза нужна для:
    * измерения задержек и дальности;
    * фазовой локализации (RFID, радар);
    * когерентного накопления и синхронизации.

==== 1.4 Вещественный и комплексный сигнал ====

  * **Вещественный** сигнал (напряжение, звук) даёт **две** сопряжённые линии: ''+f'' и ''−f''.
  * Поэтому для вещественного сигнала достаточно **половины** спектра (''rfft'').
  * **Комплексный (аналитический)** сигнал даёт **одну** линию на ''+f''.
  * Аналитический сигнал удобен в связи (I/Q).
  * Отрицательные частоты — удобство математики; для вещественного сигнала они
  симметричны положительным.

==== 1.5 Ось частот и бины ====

  * Реальная частота: ''f_k = k·f_д/N'', где ''f_д'' — частота дискретизации.
  * Сетка этих частот — **бины**; шаг сетки ''Δf = f_д/N''.
  * Между бинами спектр не определён «напрямую» — там интерполяция.
  * Ось строят функциями ''fftfreq'' (двусторонняя) и ''rfftfreq'' (односторонняя).

==== 1.6 Маленький пример ====

  * ''f_д = 8000'' Гц, ''N = 8'' → ''Δf = 1000'' Гц; бины ''0, 1000, …, 7000'' Гц.
  * Косинус ровно 1000 Гц → попадёт в бин, две чёткие линии ±1000 Гц.
  * Косинус 1250 Гц → **между** бинами, «размазанный» холмик (утечка).

==== 1.7 Как выглядит спектр типичных сигналов ====

  * **Чистый тон**: одна-две узкие линии.
  * **Периодический сигнал** (меандр, треугольник): набор гармоник кратных основной.
  * **Шум**: размазанная «полка» по всем частотам.
  * **Вибрация**: несколько линий (вращение, дефекты) плюс шум.
  * **Речь/музыка**: множество линий, меняющихся во времени.
  * **Радиосигнал**: несущая и боковые полосы (зависит от модуляции).
  * Понимание «типового вида» помогает сразу заметить аномалию.

==== 1.8 Краткая история БПФ ====

  * Идею деления на чётные/нечётные знал ещё **Гаусс** (начало XIX века).
  * Широко известной она стала в 1965 году — статья **Cooley–Tukey**.
  * Причина популярности — компьютеры и потребность в быстрой обработке.
  * Сегодня БПФ — в основе аудио, связи, изображений, радаров, МРТ, сейсмики.

----

===== 2. Проблема №1: считать спектр «в лоб» дорого =====

==== 2.1 Сколько это операций ====

  * Один коэффициент ''X[k]'' — это ''N'' произведений и сложений.
  * Коэффициентов ''N'' → итого ''N²'' операций (квадратичная сложность ''O(N²)'').

==== 2.2 Почему это критично ====

  * Секунда аудио при 44.1 кГц: ''N = 44 100'', ''N² ≈ 1.9·10⁹''.
  * Реальное время: пересчитывать десятки раз в секунду.
  * Длинные записи и изображения: ''N'' ещё больше.
  * Время растёт как квадрат длины записи — быстро «упирается».

==== 2.3 Сравнение в числах ====

^ ''N'' ^ Прямое ДПФ ''N²'' ^ БПФ ''N·log₂N'' ^ Во сколько раз меньше ^
| 64 | ~4·10³ | ~4·10² | ~16 |
| 1024 | ~10⁶ | ~10⁴ | ~100 |
| 65 536 | ~4·10⁹ | ~10⁶ | ~4000 |
| 10⁶ | ~10¹² | ~2·10⁷ | ~50 000 |

  * Вывод: выигрыш растёт с ''N'' и становится **астрономическим**.
  * Поэтому БПФ — один из важнейших алгоритмов XX века.

==== 2.4 Что такое «сложность O(·)» на пальцах ====

  * ''O(N²)'' — время растёт как квадрат длины: удвоили ''N'' — время вчетверо.
  * ''O(N·log₂N)'' — почти линейно: удвоили ''N'' — время чуть больше, чем вдвое.
  * На больших ''N'' разница между кривыми определяет, «успеем или нет».
  * В реальном времени это разница между «работает» и «не работает».

==== 2.5 Как ускоряли до БПФ (интуиция) ====

  * Заметили, что одни и те же множители встречаются много раз.
  * Их можно переиспользовать, а не считать заново.
  * Отсюда идея делить задачу пополам и переиспользовать результаты.

----

===== 3. БПФ: быстрое преобразование Фурье =====

==== 3.1 Главная мысль ====

  * **БПФ** — не приближение и не другое преобразование.
  * Оно считает **тот же** ДПФ, но быстрее: ''O(N·log₂N)'' вместо ''O(N²)''.
  * Результат совпадает с точностью машинной арифметики.
  * «Быстрое» относится к скорости вычислений, а не к упрощению результата.

==== 3.2 «Разделяй и властвуй» ====

  * Пусть ''N'' чётно.
  * Делим отсчёты на **чётные** и **нечётные**:
    * чётные: ''x[0], x[2], x[4], …'';
    * нечётные: ''x[1], x[3], x[5], …''.
  * Спектр всего сигнала выражается через два спектра половинной длины:
    * ''E[k]'' — спектр чётных;
    * ''O[k]'' — спектр нечётных;
    * и поворотный множитель ''W''.
  * Причина: частота в показателе «пересчитывается» для половинной длины
  (''W_N² = W_(N/2)'').
  * Далее — **рекурсия**: каждую половину снова делим пополам.
  * Пока не останутся ДПФ длины 1–2.
  * Глубина дерева — ''log₂N''; отсюда множитель ''log₂N''.
  * Уравнение сложности: ''T(N) = 2·T(N/2) + O(N)''.
  * Его решение — ''O(N·log₂N)''.

==== 3.3 Почему деление «работает» ====

  * Поворотные множители обладают симметрией:
    * ''W^(k+N/2) = −W^k'';
    * ''W^(2k) = W_(N/2)^k''.
  * Именно эта симметрия позволяет соединять половины «почти бесплатно».
  * Без неё деление не давало бы выигрыша.

==== 3.4 «Бабочка» ====

  * Две половины соединяются **«бабочкой»**:
    * ''X[k] = E[k] + W·O[k]'';
    * ''X[k + N/2] = E[k] − W·O[k]''.
  * Одно и то же ''W·O[k]'' **прибавляется и вычитается**.
  * За одну операцию — сразу **две** точки спектра.
  * Стоимость: одно комплексное умножение и два сложения.
  * Название — из-за формы схемы (два входа, два выхода, перекрестье).

==== 3.5 Ручной пример для ''N = 4'' ====

  * Вход ''x = [x0, x1, x2, x3]''.
  * Разделяем: чётные ''[x0, x2]'', нечётные ''[x1, x3]''.
  * ДПФ длины 2:
    * ''E[0] = x0 + x2'', ''E[1] = x0 − x2'';
    * ''O[0] = x1 + x3'', ''O[1] = x1 − x3''.
  * Точки спектра:
    * ''X[0] = E[0] + W⁰·O[0]'';
    * ''X[2] = E[0] − W⁰·O[0]'';
    * ''X[1] = E[1] + W¹·O[1]'';
    * ''X[3] = E[1] − W¹·O[1]''.
  * Здесь ''W = e^(−j·2π/4)''.
  * Вместо 16 умножений (в лоб) — два умножения на ''W''.
  * Для ''N = 8'' экономия ещё заметнее.

==== 3.6 Ручной пример для ''N = 8'' (идея) ====

  * Делим на чётные (''0,2,4,6'') и нечётные (''1,3,5,7'').
  * Каждую четвёрку — снова на чётные/нечётные.
  * Получаем четыре ДПФ длины 2.
  * Соединяем «бабочками» в три стадии.
  * Число «дорогих» умножений резко падает.

==== 3.7 Бит-реверс ====

  * Плата за деление: входные отсчёты идут в **бит-реверсивном** порядке.
  * Правило: номер в двоичном виде читается **справа налево**.
  * Пример: ''1 = 001₂'' → ''100₂ = 4''.
  * Для ''N = 8'': ''0, 4, 2, 6, 1, 5, 3, 7''.
  * На выходе порядок естественный: ''X[0..7]''.
  * В коде — одна перестановка массива перед БПФ.

==== 3.8 Как выглядит граф 8-точечного БПФ ====

  * Три вертикальные **стадии**.
  * На каждой — четыре **бабочки**.
  * Слева — вход в бит-реверсивном порядке.
  * Справа — спектр ''X[0..7]'' в обычном порядке.
  * Структура регулярная → удобно для процессора и железа (FPGA, ASIC).

==== 3.9 Итеративный и рекурсивный варианты ====

  * **Рекурсивный** БПФ — ближе к определению, но с накладными расходами.
  * **Итеративный** — по стадиям, «на месте» (in-place); так делают библиотеки.
  * In-place экономит память: результат пишется поверх входа.
  * Порядок стадий обеспечивает бит-реверс заранее.

==== 3.10 Варианты алгоритма и практика ====

  * **radix-2** — деление пополам; требует ''N = 2^m''.
  * **radix-4** — меньше операций.
  * **split-radix** — ещё быстрее.
  * **mixed-radix** — для составных ''N''.
  * **Простое большое ''N''** — смешанные алгоритмы или округление до степени двойки.
  * **Вещественный сигнал** — ''rfft'', вдвое дешевле.
  * **Библиотеки**: FFTW, pocketfft (NumPy/SciPy), MKL, cuFFT (GPU).
  * Правило: по возможности брать ''N'' **степенью двойки**.

==== 3.11 Где БПФ применяется ====

  * Аудио: сжатие, эквалайзеры, распознавание речи.
  * Связь: OFDM (Wi-Fi, LTE, DVB), фильтрация.
  * Медицина: МРТ, ЭЭГ, ЭКГ.
  * Техника: вибродиагностика, радары, сейсмика, астрономия.

----

===== 4. Проблема №2: конечная запись и утечка =====

==== 4.1 Что мы на самом деле считаем ====

  * Записываем **кусок** сигнала длиной ''T'' секунд.
  * Формально это умножение на **прямоугольное окно** (1 внутри записи, 0 снаружи).
  * Правило: **умножение во времени = свёртка в спектре**.
  * Спектр прямоугольного окна — «холмик с хвостами» (''sinc'').
  * Значит, чистый тон **размазывается**.
  * Это и есть **утечка** — следствие конечности записи, а не ошибка.

==== 4.2 Свёртка «на пальцах» ====

  * Свёртка — «размазывание» одной функции другой.
  * Аналогия: резкий звук в комнате с эхом «размазывается» во времени.
  * Здесь по частоте: резкую линию «размазывает» хвост окна.
  * Чем «чище» спектр окна, тем меньше размазывание.

==== 4.3 Откуда боковые лепестки (''sinc'') ====

  * Спектр прямоугольного окна:
    * **главный лепесток** — центральный пик;
    * **боковые лепестки** — затухающие «волны» по бокам.
  * Главный лепесток → **разрешение** (шире — хуже).
  * Боковые лепестки → **маскировка** слабых линий.
  * У прямоугольного окна боковые высокие (''−13 дБ'') — плохо для слабых сигналов.

==== 4.4 Численный пример утечки ====

  * ''f_д = 8000'' Гц, ''N = 256'' → ''Δf = 31.25'' Гц.
  * Тон ровно в бине (например, 1000 Гц) → одна чёткая линия.
  * Тон на полбина (1015.6 Гц) → энергия растекается по соседним бинам.
  * С прямоугольным окном боковые падают медленно.
  * С окном Hann — падают быстро.

==== 4.5 Окна: лекарство от утечки ====

  * Обрезаем сигнал **мягко**: окно равно 1 в центре и плавно идёт к 0 у краёв.
  * Аналогия: мягкая диафрагма фотоаппарата даёт меньше «звёздочек».
  * Эффект: боковые лепестки падают.
  * Цена: главный лепесток **расширяется** — разрешение чуть хуже.
  * Это **неустранимый компромисс**.

==== 4.6 Популярные окна ====

^ Окно ^ Главный лепесток ^ Боковые лепестки ^ Когда брать ^
| Прямоугольное (''boxcar'') | 2 бина | −13 дБ | максимальная резкость, чистые тона |
| Hann | 4 бина | −31 дБ | «рабочая лошадка», общий анализ |
| Hamming | 4 бина | −43 дБ | чуть больше динамического диапазона |
| Blackman–Harris | 8 бинов | −92 дБ | слабая линия рядом с сильной |
| flat-top | 10 бинов | −93 дБ | точная **амплитуда** (калибровка) |

  * **Прямоугольное**: ничего не меняем; хорошо, если частоты точно в бинах.
  * **Hann**: плавный «колокол»; выбор по умолчанию.
  * **Hamming**: похоже на Hann, но не доходит до нуля; чуть ниже боковые.
  * **Blackman–Harris**: очень низкие боковые; шире главный лепесток.
  * **flat-top**: широкий плоский верх; точная амплитуда, плохое разрешение.

==== 4.7 «Паспорт» окна: coherent gain и ENBW ====

  * **Coherent gain** — среднее значение окна:
    * поправка на амплитуду линии;
    * Hann ≈ 0.5, Hamming ≈ 0.54, flat-top ≈ 0.22.
  * **ENBW** — эквивалентная шумовая полоса:
    * поправка на шум и PSD;
    * прямоугольное 1.0, Hann 1.5, Hamming 1.36, flat-top 3.77.
  * Без учёта этих коэффициентов нельзя сравнивать спектры с разными окнами.
  * ''scipy.signal.welch'' учитывает их автоматически.

==== 4.8 Как выбрать окно ====

  * Разделённые тона, важна резкость → **прямоугольное** или **Hann**.
  * Слабая линия рядом с сильной → **Hann** или **Blackman–Harris**.
  * Точная амплитуда → **flat-top**.
  * Не знаете что взять → **Hann**.

==== 4.9 Частые вопросы про окна ====

  * «Окно убирает шум?» — нет, окно против утечки; шум убирает усреднение.
  * «Окно искажает сигнал?» — ослабляет края; при нормировке амплитуда верна.
  * «Можно без окна?» — да, если частоты точно в бинах и сигнал чистый.
  * «Почему пик ниже?» — это coherent gain.
  * «Почему пик шире?» — расширенный главный лепесток.

----

===== 5. Разрешение по частоте =====

==== 5.1 Главная формула ====

  * ''Δf = f_д / N'', а так как ''T = N / f_д'', то ''Δf = 1 / T''.
  * Чем **дольше** запись, тем **тоньше** разрешение.
  * ''Δf'' — минимальное расстояние, различимое по построению.

==== 5.2 Диапазон и разрешение — разные вещи ====

  * **Частота дискретизации** задаёт **диапазон** (до ''f_д/2'', частота Найквиста).
  * **Длительность записи** задаёт **разрешение** ''Δf''.
  * Поднять ''f_д'' → шире диапазон, но разрешение (при том же ''T'') не улучшится.
  * Аналогия: диапазон — «какие ноты слышим»; разрешение — «какие близкие ноты
  различаем».

==== 5.3 Число Найквиста ====

  * Верхняя частота: ''f_д / 2''.
  * Всё выше — «заворачивается» (алиасинг), если нет антиалиасингового фильтра.
  * Поэтому перед дискретизацией ставят фильтр.

==== 5.4 Критерий Рэлея ====

  * Тона различимы, если расстояние между ними **больше ''Δf''**.
  * Для Hann нужно примерно ''≈ 2Δf''.
  * То есть окно немного «съедает» разрешение, но даёт динамику.

==== 5.5 Опыт с двумя тонами ====

  * Тона 1000 и 1040 Гц.
  * ''N = 128'' → ''Δf = 62.5'' Гц → сливаются.
  * ''N = 1024'' → ''Δf ≈ 7.8'' Гц → два пика.
  * Вывод: «раздвинуть» близкие частоты можно **удлинением записи**.

==== 5.6 От чего ещё зависит разрешение ====

  * Длительность записи ''T'' (главное).
  * Форма/ширина окна.
  * Отношение сигнал/шум.
  * Наличие мешающих линий (боковые лепестки).

==== 5.7 Примеры ''Δf'' для разных ''T'' ====

^ Длительность ''T'' ^ ''Δf = 1/T'' ^
| 0.1 с | 10 Гц |
| 0.5 с | 2 Гц |
| 1 с | 1 Гц |
| 10 с | 0.1 Гц |

  * Хотите различить тона в 1 Гц — нужна запись около секунды и больше.

----

===== 6. Миф: zero-padding =====

==== 6.1 Что делают ====

  * Дополняют сигнал **нулями** до большей длины перед ДПФ.
  * Получают «гладкий» спектр с плотной сеткой частот.

==== 6.2 Почему это не улучшает разрешение ====

  * Новых данных не появляется — мы не смотрели дольше.
  * Это **интерполяция** той же спектральной кривой.
  * Слипшиеся тона сольются и на плотной сетке.

==== 6.3 Когда zero-padding полезен ====

  * Красивый гладкий график.
  * Точное положение пика (для интерполяции).
  * Приведение длины к степени двойки.
  * Линейная свёртка: дополнение до ''N ≥ N_a + N_b − 1''.
  * Итог: удобство, а не разрешение.

==== 6.4 Как не спутать ====

  * Если пики стали «чаще» — это интерполяция, а не новое разрешение.
  * Если пики стали «уже и раздельнее» — это уже удлинение записи.

----

===== 7. Усреднение: метод Уэлча =====

==== 7.1 Почему один спектр «мохнатый» ====

  * Одна периодограмма ''|X|²'' **неустойчива**; разброс не падает с ростом ''N''.
  * Причина: одна «реализация» случайного процесса.
  * Аналогия: одно измерение шума случайно; сто усреднённых — устойчивы.

==== 7.2 Идея по шагам ====

  - Резать запись на **сегменты**.
  - Брать их с **перекрытием**.
  - Применять **окно**.
  - Считать **БПФ** и ''|·|²''.
  - **Усреднять** по сегментам.

==== 7.3 Что получаем и чем платим ====

  * Получаем: несмещённую оценку с меньшим разбросом.
  * Разброс падает как ''√K'' (''K'' — число сегментов).
  * Платим: разрешение определяется длиной **сегмента**.

==== 7.4 Как выбирать параметры ====

  * ''nperseg'' (длина сегмента):
    * больше → лучше разрешение, больше разброс;
    * меньше → меньше шум, хуже разрешение.
  * ''noverlap'' (перекрытие): обычно 50% (''nperseg // 2'').
  * ''nperseg'' — желательно степень двойки.
  * Разрешение: ''f_д / nperseg'' должно быть достаточно мелким.
  * Больше сегментов → глаже кривая, но больше вычислений.

==== 7.5 Сколько нужно усреднений ====

  * ''K = 1'' → как одна периодограмма (шумно).
  * ''K = 10'' → заметно глаже.
  * ''K = 100'' → устойчивая кривая.
  * Разброс ≈ ''1/√K'': чтобы улучшить в 2 раза, нужно в 4 раза больше сегментов.

==== 7.6 Родственники метода ====

  * **Периодограмма** — один сегмент (шумная).
  * **Бартлетт** — сегменты без перекрытия.
  * **Уэлч** — перекрытие + окно (стандарт).
  * **Медианное усреднение** — устойчиво к выбросам.
  * **Мультитейпер** — несколько ортогональных окон.

==== 7.7 Порядок действий ====

  - Определить нужное ''Δf''.
  - По нему выбрать длину сегмента.
  - Взять окно (Hann).
  - Перекрытие 50%.
  - Посчитать ''welch''.
  - Убедиться: линии на месте, шум «успокоился».

----

===== 8. PSD: спектральная плотность мощности =====

==== 8.1 Что это ====

  * Для шума «амплитуда на частоте» бессмысленна.
  * Правильная мера — **мощность на герц** (PSD).
  * **Площадь под PSD = полная мощность** сигнала.

==== 8.2 Две нормировки ====

  * ''scaling='density''' → «мощность²/Гц» (для шумов и широкополосных сигналов).
  * ''scaling='spectrum''' → «мощность² в бине» (для дискретных линий).

==== 8.3 Формула с ENBW ====

  * ''PSD = |W|² / (f_д · ENBW)''.
  * Благодаря ENBW уровень шумовой полки не зависит от окна.
  * В ''welch'' это уже учтено.

==== 8.4 Мощность в полосе ====

  * Мощность в полосе ''[f1, f2]'' ≈ сумма PSD по этой полосе, умноженная на шаг ''Δf''.
  * Отсюда: чем шире полоса, тем больше «собранная» мощность.

==== 8.5 Зачем децибелы ====

  * Динамический диапазон спектра огромен.
  * В дБ он «сжимается» и читается глазом: ''10·log10(PSD)''.
  * Таблица для ориентира:

^ Отношение мощностей ^ В дБ ^
| ×2 | +3 |
| ×10 | +10 |
| ×100 | +20 |
| ×1000 | +30 |
| ×10⁶ | +60 |

  * Минус дБ: мощности нельзя складывать «на глаз».

==== 8.6 Типичные ошибки с PSD ====

  * Смешивать ''density'' и ''spectrum'' на одном графике.
  * Сравнивать разные окна без нормировки.
  * Забывать про ''Δf'' при переходе к мощности в полосе.
  * Считать уровень шума не зависящим от разрешения (он зависит от полосы).

----

===== 9. Точная оценка частоты =====

  * Сетка даёт частоту с шагом ''Δf''; истина может быть между бинами.
  * Приём: **параболическая интерполяция** по трём точкам вокруг пика.
  * Берём три значения логарифма спектра (левое, центр, правое).
  * Формула даёт поправку ''δ'' (от −0.5 до +0.5 бина).
  * Уточнённая частота: ''f₀ ≈ (k + δ)·Δf''.
  * Пример из ноутбука: истина 100.4 Гц, сетка ≈ 3.9 Гц, оценка — 100.34 Гц.
  * Более точные методы:
    * интерполяция по двум окнам;
    * оценка по фазе;
    * Прони, MUSIC — для близких тонов.
  * Для вибрации и радиосигналов обычно достаточно интерполяции.

----

===== 10. Спектрограмма: сигнал во времени и по частоте =====

==== 10.1 Что такое STFT ====

  * Обычный спектр предполагает, что сигнал всё время одинаков.
  * **STFT**: спектр в **скользящем окне**.
  * Результат — **спектрограмма**: время (X), частота (Y), мощность (цвет).

==== 10.2 Что видно на спектрограмме ====

  * **Чирп** (частота растёт) — наклонная линия.
  * **Короткий всплеск** — вертикальное пятно.
  * **Долгий тон** — горизонтальная линия.
  * **Дрейф частоты** — изгиб линии.
  * Одним обычным спектром этого не увидеть.

==== 10.3 Компромисс время–частота ====

  * **Короткое окно** → хорошо «когда», плохо «какая частота».
  * **Длинное окно** → точно по частоте, но размыто по времени.
  * Это принцип неопределённости, а не недоработка метода.

==== 10.4 Когда спектрограмма нужна ====

  * Нестационарные сигналы (речь, музыка, разгон).
  * Поиск коротких событий (щелчки, удары, разряды).
  * Отслеживание изменения частоты.
  * Когда обычный спектр «смешивает» разные режимы.

==== 10.5 Родственные инструменты ====

  * **Вейвлет-преобразование** — адаптивное окно; лучше для широкополосных всплесков.
  * **Спектрограмма** — простой и наглядный инструмент на каждый день.
  * **Мультитейперная спектрограмма** — сглаженнее.

----

===== 11. Реальный пример: вибрация, шаг за шагом =====

  * Данные: вибрация агрегата.
  * Составляющие: база 50 Гц, дефект 120 Гц, слабая гармоника 240 Гц, шум.
  * Шаг 1. Одна периодограмма: шум «мохнатый», линия 240 Гц тонет.
  * Шаг 2. Окно Hann + Уэлч: шум сглажен, линия 240 Гц различима.
  * Шаг 3. PSD в дБ: удобный масштаб, видно превышение над полкой.
  * Шаг 4. Уточнение частот интерполяцией.
  * Итог: не «картинка», а **основа для решения**.

----

===== 12. Шпаргалка (словарь терминов) =====

^ Термин ^ Что означает ^
| ДПФ | ''N'' чисел → ''N'' чисел спектра |
| БПФ | быстрый алгоритм того же ДПФ, ''O(N log N)'' |
| Бабочка | операция соединения двух половин спектра |
| Бит-реверс | перестановка входа БПФ |
| Окно | плавное обрезание записи |
| Утечка | размазывание линии из-за конечности записи |
| Главный лепесток | ширина пика → разрешение |
| Боковые лепестки | «хвосты», мешают видеть слабые линии |
| Coherent gain | поправка на амплитуду |
| ENBW | поправка на шум (эквивалентная шумовая полоса) |
| Разрешение | ''Δf = 1/T'' |
| Zero-padding | интерполяция, а не разрешение |
| Периодограмма | квадрат модуля БПФ одной записи |
| Метод Уэлча | усреднение периодограмм по сегментам |
| PSD | мощность на герц |
| Спектрограмма | спектр во времени (STFT) |
| Бин | узел частотной сетки ДПФ |
| Найквист | верхняя частота ''f_д/2'' |

----

===== 13. Частые ошибки и заблуждения =====

  * «Подниму ''f_д'' — улучшу разрешение» → нет, разрешение задаёт ''T''.
  * «Дополню нулями — увижу детали» → это интерполяция.
  * «Окно убирает шум» → окно против утечки, шум убирает усреднение.
  * «БПФ приближённое» → результат точно совпадает с ДПФ.
  * «Разные окна сравнимы по высоте пиков» → только с coherent gain.
  * «Больше точек всегда лучше» → разрешение = время, устойчивость = усреднение.
  * «Утечка — баг» → закономерность конечной записи.
  * «Спектрограмма = спектр» → спектрограмма добавляет ось времени.

----

===== 14. Типичные ошибки в коде (''scipy'') =====

  * Применили окно **дважды**: сначала вручную, потом внутри ''welch''.
  * Передали ''fs'' в герцах, а частоты трактовали как бины (или наоборот).
  * Использовали ''fft'' вместо ''rfft'' для вещественного сигнала (лишняя работа).
  * Забыли ''fftshift'' там, где нужен «центрированный» спектр.
  * Взяли ''nperseg'' больше длины сигнала.
  * Сравнили ''spectrum'' и ''density'' без пересчёта.
  * Не учли coherent gain при измерении амплитуды вручную.
  * Путали ''noverlap'' в отсчётах и в процентах.
  * Строили спектрограмму без ''scaling'', а потом удивлялись уровню.
  * Смотрели амплитуду сигнала до вычета среднего (постоянная составляющая).

----

===== 15. Практические рецепты по задачам =====

  * **Аудио (речь, музыка)**:
    * ''nperseg'' 1024–4096, Hann, перекрытие 50%;
    * спектрограмма с окном 512–2048 для событий.
  * **Вибрация / диагностика**:
    * ''nperseg'' 1024–8192, Hann;
    * ищем гармоники и боковые полосы дефектов.
  * **Радио / связь**:
    * окно Hann или Blackman–Harris для слабых сигналов;
    * I/Q, аналитический сигнал.
  * **ЭКГ / биосигналы**:
    * ''nperseg'' небольшой (0.5–2 с) для нестационарности;
    * окно Hann; вычитать постоянную составляющую.
  * **Измерение частоты**:
    * интерполяция пика; при возможности — фазовый метод.

----

===== 16. Мини-лаборатория (что сделать в ноутбуке руками) =====

  - Сгенерировать чистый тон ровно в бине и посмотреть ДПФ.
  - Сдвинуть частоту на полбина и увидеть утечку.
  - Применить окно Hann и сравнить боковые лепестки в дБ.
  - Сравнить спектры при ''N = 128'' и ''N = 1024'' (два близких тона).
  - Дополнить нулями и убедиться, что разрешение не улучшилось.
  - Реализовать простой БПФ radix-2 и сверить с ''numpy.fft''.
  - Посчитать ''periodogram'' и ''welch'', сравнить «мохнатость».
  - Построить PSD в ''density'' и ''spectrum'', объяснить разницу.
  - Сделать спектрограмму чирпа и короткого всплеска.
  - Оценить частоту параболической интерполяцией.

----

===== 17. План рассказа на 2 академических часа =====

  - **5 мин.** ДПФ и его цена ''O(N²)''.
  - **15 мин.** БПФ: разделяй и властвуй, бабочка, бит-реверс, сложность.
  - **15 мин.** Конечная запись → утечка; окна; компромисс лепестков.
  - **15 мин.** Разрешение ''Δf = 1/T''; два тона; миф про zero-padding.
  - **15 мин.** Уэлч и PSD: зачем усреднять; ''density'' vs ''spectrum''.
  - **15 мин.** Спектрограмма; компромисс время–частота; точная частота.
  - **10 мин.** Реальный кейс (вибрация), рецепт ''scipy.signal'', задание №4.

  * **Приём:** сначала плохая картинка, потом — что делает приём.
  * Давать «до/после»: утечка → окно, шум → Уэлч, короткая запись → длинная.

----

===== 18. Вопросы для самопроверки =====

  - Чем БПФ отличается от ДПФ по результату и стоимости?
  - Зачем на входе БПФ бит-реверс?
  - Что физически означает утечка?
  - Почему окно расширяет главный лепесток?
  - Как выбрать окно для слабой линии рядом с сильной?
  - Почему ''Δf = 1/T'', а не связано с ''f_д''?
  - Почему zero-padding не улучшает разрешение?
  - Зачем перекрытие сегментов в Уэлче?
  - Чем ''density'' отличается от ''spectrum''?
  - В чём компромисс время–частота?

----

===== 19. Связь с другими темами курса =====

  * **Лекция 2** — непрерывное преобразование Фурье и спектры (идея).
  * **Лекция 3** — ДПФ (что считаем).
  * **Лекция 4** — БПФ и практический спектральный анализ (как считать).
  * **Лекция 5** — модуляция и I/Q (радиосигналы).
  * **Лекции 6+** — фильтры, Z-преобразование, многомерная обработка.

----

===== 20. Итог одной страницей =====

  * ДПФ — точный спектр, но ''O(N²)''.
  * БПФ — тот же результат за ''O(N·log N)''.
  * Вход БПФ — бит-реверс; соединение — «бабочки».
  * Конечная запись → утечка; окна → компромисс «разрешение/динамика».
  * Разрешение ''Δf = 1/T''; zero-padding — только интерполяция.
  * Уэлч → устойчивая PSD; спектрограмма → время–частота.
  * Практика — ''scipy.signal'' (''get_window'', ''rfft'', ''welch'', ''spectrogram'').

----

===== 21. Главная мысль и что дальше =====

  * Спектр — не картинка, а **измерение**.
  * Чтобы ему верить, мало уметь считать быстро (БПФ).
  * Нужно понимать искажения:
    * конечная запись (утечка);
    * выбор окна (разрешение против динамики);
    * шум (дисперсия оценки).
  * И уметь отделять реальные линии от артефактов:
    * окна;
    * усреднение (Уэлч);
    * нормировка PSD.
  * **Дальше (лекция 5):** спектры радиосигналов и модуляция — АМ/ЧМ/ФМ, цифровые
  созвездия, комплексная огибающая (I/Q).

----

====== Приложения ======

===== 22. Математика за формулами — словами =====

==== 22.1 Почему формула ДПФ именно такая ====

  * Ядро ''e^(−j·2π·k·n/N)'' — это «пробная» синусоида, повёрнутая на комплексной
  плоскости.
  * Умножение и суммирование — это мера похожести сигнала на эту синусоиду.
  * Если сигнал содержит эту частоту, произведение даёт постоянную составляющую,
  которая при суммировании накапливается.
  * Если не содержит — произведение колеблется и в сумме даёт почти ноль.
  * Поэтому ДПФ — это корреляция; она «выпячивает» присутствующие частоты.

==== 22.2 Формула Эйлера — словами ====

  * ''e^(jθ) = cosθ + j·sinθ''.
  * Геометрический смысл: точка на **единичной окружности** под углом ''θ''.
  * Мнимая единица ''j'' — поворот на 90°.
  * Отсюда комплексная экспонента — удобный способ «крутить» фазу.
  * Множитель ''e^(−j·2π·k·n/N)'' — это дискретные повороты на равные углы.
  * Для ''N'' точек получается ''N'' равномерно расставленных «стрелок» — базис ДПФ.

==== 22.3 Умножение во времени = свёртка в спектре ====

  * Возьмём произведение двух сигналов: ''z = x · w''.
  * Его спектр равен **свёртке** спектров ''X'' и ''W''.
  * Именно поэтому конечная запись (умножение на окно) «размазывает» спектр.
  * Чем уже спектр окна, тем меньше размазывание.
  * У прямоугольного окна спектр широкий — потому утечка велика.

==== 22.4 Откуда берётся «заворачивание» и периодичность ====

  * Дискретизация во времени делает спектр **периодическим** по частоте.
  * Период повторения — ''f_д''.
  * Поэтому ДПФ можно «центрировать» (''fftshift'') и смотреть отрицательные частоты.
  * Это же свойство объясняет алиасинг: частоты выше ''f_д/2'' накладываются.

==== 22.5 Откуда ENBW ====

  * ENBW показывает, во сколько «бинов» окно собирает шум.
  * Формула ''N·Σw²/(Σw)²'' — отношение энергии квадрата окна к квадрату суммы.
  * Прямоугольное окно «собирает» ровно один бин (ENBW = 1).
  * Более гладкие окна шире — ENBW > 1.
  * Через ENBW нормируют шумовую полку, чтобы она не зависела от окна.

==== 22.6 Почему разброс Уэлча падает как ''1/√K'' ====

  * Каждый сегмент даёт независимую оценку периодограммы.
  * Усреднение ''K'' независимых оценок уменьшает разброс как ''√K''.
  * Поэтому дисперсия падает как ''1/K''.
  * Отсюда правило: чтобы улучшить гладкость вдвое, нужно вчетверо больше сегментов.
  * Расплата — разрешение определяется длиной сегмента, а не всей записи.

==== 22.7 Равенство Парсеваля ====

  * Энергия сигнала во времени равна энергии в спектре (с нормировкой).
  * Практический смысл: вычисления «не теряют» энергию.
  * Полезно для проверки корректности ДПФ/БПФ.

==== 22.8 Частоты и бины ====

  * Бин ''k'' соответствует частоте ''f_k = k·f_д/N''.
  * Шаг сетки ''Δf = f_д/N = 1/T''.
  * Число уникальных бинов:
    * ''N'' для комплексного сигнала;
    * ''N/2 + 1'' для вещественного.

----

===== 23. Вопросы и развёрнутые ответы =====

  - **Почему БПФ быстрее, если считает то же самое?**
   Оно переиспользует одни и те же множители за счёт деления задачи пополам;
   число операций становится ''N·log₂N'' вместо ''N²''.

  - **БПФ даёт другой результат?**
   Нет. Отличия только из-за машинного округления; математически результат тот же.

  - **Можно ли считать БПФ для любого ''N''?**
   Для ''N = 2^m'' проще всего (radix-2). Для других ''N'' есть mixed-radix и
   специальные алгоритмы; часто проще добить нулями до степени двойки.

  - **Что делать, если частоты точно не в бинах?**
   Использовать окно (Hann/Blackman–Harris) и/или интерполировать пик.

  - **Почему у прямоугольного окна боковые только −13 дБ?**
   Это следствие «резкого» обрыва записи; спектр такого окна — медленно затухающий
   ''sinc''.

  - **Какое окно универсальное?**
   Hann: хороший компромисс между разрешением и динамическим диапазоном.

  - **Как увидеть слабую линию рядом с сильной?**
   Blackman–Harris (или Hann) + усреднение; при необходимости — вычитание сильной
   линии.

  - **Почему после zero-padding график гладкий, но пики не разделились?**
   Потому что это интерполяция; новых данных нет.

  - **Что выбрать: разрешение или меньше шума?**
   Это компромисс: длинный сегмент — лучше разрешение, короткий — меньше шума.

  - **Сколько нужно данных для устойчивого спектра?**
    Чем больше, тем лучше; ориентир — десятки-сотни сегментов для гладкой PSD.

  - **Что такое «шумовая полка»?**
    Средний уровень PSD шума; реальные линии — пики над полкой.

  - **Чем ''density'' отличается от ''spectrum''?**
    ''density'' — мощность на герц (для шума); ''spectrum'' — мощность в бине (для
    линий).

  - **Почему в дБ?**
    Динамический диапазон спектра огромен; дБ «сжимает» масштаб для глаза.

  - **Как точно измерить частоту?**
    Интерполяция пика (парабола по логарифму), фазовый метод, Прони/MUSIC.

  - **Что такое спектрограмма?**
    Спектр во времени: STFT в скользящем окне.

  - **Почему на спектрограмме нельзя быть точным и по времени, и по частоте?**
    Принцип неопределённости: короткое окно — время, длинное — частота.

  - **Нужно ли вычитать среднее?**
    Да, постоянная составляющая (нулевая частота) иначе «давит» масштаб.

  - **Что делать с алиасингом?**
    Ставить антиалиасинговый фильтр до дискретизации и следить за ''f_д/2''.

  - **Можно ли анализировать нестационарный сигнал одним спектром?**
    Можно, но он «смешает» режимы; лучше спектрограмма.

  - **Где это применяется в курсе?**
    В сквозном проекте: диагностика по вибрации, акустика, радио (RFID), речь.

----

===== 24. Как читать ноутбук лекции (по шагам) =====

  * **Ячейка «стоимость ДПФ/БПФ»**: измеряет время прямого ДПФ и ''np.fft.fft''.
    * Вывод: разрыв растёт с ''N''.
  * **Ячейка «дерево DIT»**: показывает разбиение 8 отсчётов.
  * **Ячейка «бабочка»**: схема соединения двух половин.
  * **Ячейка «граф БПФ»**: три стадии по четыре бабочки.
  * **Ячейка «бит-реверс»**: таблица перестановки индексов.
  * **Ячейка «окна во времени»**: формы окон.
  * **Ячейка «спектры окон»**: главный и боковые лепестки в дБ.
  * **Ячейка «компромисс окна»**: ширина против боковых.
  * **Ячейка «утечка»**: тон между бинами; rect против Hann.
  * **Ячейка «разрешение»**: два тона при ''N = 128'' и ''N = 1024''.
  * **Ячейка «zero-padding»**: гладко, но без нового разрешения.
  * **Ячейка «Уэлч»**: одна периодограмма против усреднённой.
  * **Ячейка «PSD»**: ''density'' против ''spectrum''.
  * **Ячейка «спектрограмма»**: чирп и всплески.
  * **Ячейка «вибрация»**: слабая гармоника 240 Гц.
  * **Ячейка «точная частота»**: параболическая интерполяция.

----

===== 25. Другие инструменты спектрального анализа =====

  * **Вейвлеты**:
    * адаптивное окно (широкое на низких частотах, узкое на высоких);
    * хороши для всплесков и нестационарных сигналов.
  * **Банки фильтров**:
    * набор полосовых фильтров;
    * основа аудиокодеков и слуховых моделей.
  * **Параметрические методы (Прони, MUSIC, ESPRIT)**:
    * дают сверхвысокое разрешение для близких тонов;
    * чувствительны к модели и шуму.
  * **Спектральное оценивание через модели** (AR/ARMA):
    * короткие записи, гладкие спектры.
  * **Машинное обучение**:
    * спектрограмма как «картинка» для нейросети;
    * классификация состояний (дефект/норма);
    * важно помнить о физике сигнала.

----

===== 26. Историческая и практическая справка =====

  * Идея быстрого ДПФ — фактически у **Гаусса** (около 1805).
  * Широкая известность — **Cooley–Tukey**, 1965.
  * Появление FFTW (1997) сделало БПФ «заводским» стандартом.
  * Сегодня БПФ встроено в процессоры, GPU, DSP и даже микроконтроллеры.
  * В курсе БПФ — рабочий инструмент: от вибродиагностики до радиоприёма.
  * Практический вывод: не изобретать БПФ, а уметь им пользоваться и понимать
  ограничения.

----

===== 27. Полный числовой пример БПФ (N = 4, вручную) =====

  * Возьмём ''x = [1, 2, 3, 4]''.
  * **Прямое ДПФ** (для проверки):
    * ''X[0] = 1 + 2 + 3 + 4 = 10'';
    * ''X[1] = 1 + 2·(−j) + 3·(−1) + 4·(j) = −2 + 2j'';
    * ''X[2] = 1 − 2 + 3 − 4 = −2'';
    * ''X[3] = 1 + 2·(j) + 3·(−1) + 4·(−j) = −2 − 2j''.
  * **Через БПФ (radix-2)**:
    * чётные ''[1, 3]'', нечётные ''[2, 4]'';
    * ''E[0] = 1 + 3 = 4'', ''E[1] = 1 − 3 = −2'';
    * ''O[0] = 2 + 4 = 6'', ''O[1] = 2 − 4 = −2'';
    * множитель ''W = e^(−j·π/2) = −j''.
  * Соединяем «бабочками»:
    * ''X[0] = E[0] + O[0] = 10'';
    * ''X[2] = E[0] − O[0] = −2'';
    * ''X[1] = E[1] + W·O[1] = −2 + 2j'';
    * ''X[3] = E[1] − W·O[1] = −2 − 2j''.
  * Результаты **совпали** с прямым ДПФ.
  * Вывод: БПФ — это организация вычислений, а не приближение.
  * Проверить себя: ''np.fft.fft([1,2,3,4])'' даёт те же числа.

----

===== 28. Чек-лист практика: как анализировать спектр =====

  - Определить **диапазон** частот, который интересует.
  - Выбрать **частоту дискретизации** (''f_д'' ≥ 2·верхняя частота).
  - Определить нужное **разрешение** ''Δf'' и отсюда длительность ''T''.
  - Решить, **стационарный** ли сигнал (нужна ли спектрограмма).
  - Выбрать **окно** (по умолчанию Hann).
  - Для шумного сигнала — **усреднить** (Уэлч), подобрать ''nperseg''/''noverlap''.
  - Проверить **нормировку** (density/spectrum, coherent gain).
  - Построить спектр в **дБ** и отметить ожидаемые линии.
  - **Уточнить** частоты пиков интерполяцией.
  - Сравнить с **физикой** процесса и сделать вывод.

----

===== 29. Англо-русский глоссарий =====

^ Английский ^ Русский ^
| DFT | ДПФ |
| FFT | БПФ |
| bin | бин, узел сетки |
| window | окно |
| leakage | утечка |
| main lobe | главный лепесток |
| side lobe | боковой лепесток |
| coherent gain | когерентное усиление |
| ENBW | эквивалентная шумовая полоса |
| zero padding | дополнение нулями |
| periodogram | периодограмма |
| Welch method | метод Уэлча |
| PSD | спектральная плотность мощности |
| spectrogram | спектрограмма |
| resolution | разрешение |
| alias / aliasing | наложение / алиасинг |
| bit reversal | бит-реверс |
| radix-2 | основание 2 |
| Nyquist | Найквист |
| decibel (dB) | децибел |

----

===== 30. Ещё вопросы (продолжение) =====

  - **Почему ''N'' степень двойки удобно?** Radix-2 требует ''N = 2^m'', и БПФ работает
   без «хвостов» и специальных случаев.
  - **Что будет, если ''N'' простое?** Прямое radix-2 не ляжет; нужны смешанные
   алгоритмы или паддинг.
  - **Влияет ли форма окна на измерение амплитуды?** Да; учитывайте coherent gain.
  - **Сколько бинов у вещественного сигнала?** ''N/2 + 1''.
  - **Зачем ''rfft''?** Вдвое меньше вычислений и памяти для вещественного сигнала.
  - **Что такое «центрированный» спектр?** После ''fftshift'': нулевая частота в
   центре.
  - **Что делать с постоянной составляющей?** Вычесть среднее перед анализом.
  - **Как выбрать ''nperseg''?** Под нужное разрешение; обычно степень двойки.
  - **Что если сигнал не стационарный?** Спектрограмма/вейвлеты.
  - **Как сравнивать два спектра?** Одинаковые окно, длина, нормировка.
  - **Что такое утечка «на практике»?** Кажущиеся линии рядом с реальной.
  - **Почему шум «мохнатый»?** Оценка по одной реализации; нужна статистика.
  - **Как измерить уровень шума?** По шумовой полке PSD.
  - **Зачем нужен ''noverlap''?** Чтобы не терять данные на границах сегментов.
  - **Что читать дальше?** Оппенгейм/Шафер, Сергиенко; статьи Harris и Welch.

----

===== 31. Что студент должен уметь «на выходе» =====

  * **Понимание**:
    * объяснить БПФ и его отличие от ДПФ;
    * объяснить утечку и роль окна;
    * объяснить ''Δf = 1/T'';
    * объяснить смысл PSD и Уэлча.
  * **Навыки**:
    * считать спектр в Python (''rfft'', ''welch'', ''spectrogram'');
    * правильно строить ось частот;
    * выбирать окно и параметры усреднения;
    * измерять частоты и амплитуды;
    * отделять реальные линии от артефактов.
  * **Отношение**:
    * спектр — это измерение, а не «картинка для отчёта»;
    * любые выводы проверять на устойчивость (окна, длина, усреднение).

----

===== 32. Разбор по кейсам сквозного проекта =====

  * **Диагностика насосного агрегата (вибрация)**:
    * сигнал: ускорение/скорость, десятки-сотни Гц;
    * что искать: оборотная частота, гармоники, боковые полосы дефектов;
    * окно Hann, ''nperseg'' 1024–8192, PSD;
    * вывод: наличие и рост дефекта.
  * **Акустический контроль сварных швов**:
    * сигнал: ультразвук, короткие импульсы;
    * что искать: время прихода, амплитуда, затухание;
    * важно: широкополосность, огибающая, время-частотный анализ.
  * **Мониторинг зоны (RFID + LiDAR)**:
    * RFID: RSSI и фаза, обратное рассеяние;
    * LiDAR: дальность и угол;
    * что искать: присутствие, перемещение, идентичность;
    * далее: слияние сенсоров (фильтр Калмана).
  * **Речевой интерфейс оператора**:
    * сигнал: 16 кГц, речь;
    * что искать: речь/паузы, команды, шум;
    * спектрограмма, мел-признаки, детектор активности (VAD).
  * **Качество электроэнергии (THD)**:
    * сигнал: 50 Гц и гармоники;
    * что искать: коэффициенты гармоник, отклонения;
    * окно и точная синхронизация с периодом сети.
  * **Сейсмоакустический мониторинг**:
    * сигнал: низкие частоты, длинная запись;
    * что искать: события, частотный состав;
    * спектрограмма и усреднение.

----

===== 33. Методические заметки для преподавателя =====

  * **Начинать с «боли»**: показать плохой спектр и спросить, что не так.
  * **Демонстрировать «до/после»**:
    * утечка → окно;
    * шум → Уэлч;
    * короткая запись → длинная.
  * **Давать руками**: пусть студент сам поменяет окно и увидит разницу.
  * **Типичные ошибки студентов**:
    * путают диапазон и разрешение;
    * верят zero-padding;
    * сравнивают спектры с разными окнами;
    * забывают о нормировке;
    * не вычитают постоянную составляющую.
  * **Как проверять понимание**:
    * попросить объяснить, почему пик стал шире/ниже;
    * попросить выбрать окно под задачу и обосновать;
    * попросить отличить реальную линию от артефакта.
  * **Связь с практикой**: каждый приём привязать к реальной задаче проекта.
  * **Оценивание**: ноутбук с графиками + один слайд-вывод с обоснованием выбора.

----

===== 34. «Формула → смысл» — короткая шпаргалка =====

  * ''X[k] = Σ x[n]·e^(−j2πkn/N)'' → корреляция с синусоидой частоты ''k''.
  * ''f_k = k·f_д/N'' → реальная частота бина ''k''.
  * ''Δf = f_д/N = 1/T'' → разрешение задаёт время записи.
  * ''W_N = e^(−j2π/N)'' → «шаг» поворота на комплексной плоскости.
  * ''X[k] = E[k] + W·O[k]'' → «бабочка» соединения половин.
  * ''cosθ = (e^(jθ)+e^(−jθ))/2'' → у вещественного тона две линии ±f.
  * ''y = x * h'' (свёртка) → умножение спектров (и наоборот).
  * ''PSD = |W|²/(f_д·ENBW)'' → нормировка мощности на герц.
  * ''δ = ½·(y₋₁ − y₊₁)/(y₋₁ − 2y₀ + y₊₁)'' → поправка частоты пика.
  * ''O(N²)'' → ''O(N·log₂N)'' → суть выигрыша БПФ.

----

===== 35. Аналогии и метафоры (чтобы объяснить любому) =====

  * **Спектр** — призма/радуга: разложение сложного на простое.
  * **ДПФ** — «подбор частоты»: угадываем, какие ноты спрятаны в аккорде.
  * **БПФ** — тот же подбор, но умнее: не перебираем, а делим пополам.
  * **Бабочка** — «развилка»: одно число идёт вверх и вниз.
  * **Бит-реверс** — «перепутанные карточки», которые раскладывают заранее.
  * **Утечка** — «размазывание»: фильтр с крутыми краями плодит «звёздочки».
  * **Окно** — мягкая диафрагма: убирает «звёздочки», но чуть размывает.
  * **Главный лепесток** — толщина «карандаша», которым рисуем линию.
  * **Боковые лепестки** — «эхо» карандаша по бокам.
  * **Zero-padding** — «лупа на той же картинке»: больше точек, но не больше деталей.
  * **Разрешение** — «бинокль и время»: близкое различает наблюдение, а не увеличение.
  * **Уэлч** — «усреднить сто измерений», чтобы успокоить случайность.
  * **PSD** — «мощность на герц»: сколько энергии в каждой «щели» спектра.
  * **Спектрограмма** — «партитура во времени»: видно, когда какая нота звучит.
  * **Порог Найквиста** — «скорость съёмки»: слишком быстрое движение «заворачивается».

----

===== 36. Частые вопросы о дискретизации и Найквисте =====

  * **Что такое частота Найквиста?** Верхняя частота ''f_д/2'', которую можно корректно
  оцифровать без алиасинга.
  * **Почему именно половина?** Чтобы описать синусоиду, нужно минимум два отсчёта на
  период (один — «вверх», один — «вниз»).
  * **Что происходит выше ''f_д/2''?** Частота «заворачивается» и притворяется низкой —
  это алиасинг.
  * **Как с ним бороться?** Антиалиасинговый фильтр **до** АЦП.
  * **Можно ли поднять ''f_д'' и «улучшить» всё?** Шире диапазон — да; разрешение при
  том же ''T'' — нет.
  * **Сколько отсчётов нужно?** Столько, сколько даёт нужную длительность ''T = N/f_д''.
  * **Зачем anti-alias, если можно фильтровать цифрового?** Уже поздно: алиасинг
  необратим.
  * **Как связано ''T'' и число периодов?** Чем больше периодов в записи, тем «резче»
  линия на спектре.

----

===== 37. Практические значения параметров для железа курса =====

  * **ESP32-C3, АЦП 12 бит**:
    * ''f_д'' до десятков кГц;
    * квантование даёт шум; полезно усреднять.
  * **Микрофон I2S (звук)**:
    * ''f_д'' 16 или 48 кГц;
    * Hann, ''nperseg'' 1024–4096, спектрограмма для событий.
  * **LiDAR (сканы)**:
    * по сути «сигнал» в пространстве (дальность/угол);
    * фильтрация выбросов, а не частотный анализ в первом приближении.
  * **RFID 800 МГц**:
    * RSSI и фаза во времени;
    * фильтрация и сглаживание, спектр для периодических помех.
  * **Вибрация (акселерометр)**:
    * ''f_д'' 1–10 кГц;
    * Hann, PSD, усреднение; ищем гармоники.
  * **Питающая сеть (THD)**:
    * синхронизация с 50 Гц, окно на целое число периодов.
  * Общее правило: **сначала понять сигнал и частоты**, потом выбирать параметры.

----

===== 38. Что делать, если «не получается» (траблшутинг) =====

  * **Пик не на ожидаемой частоте**:
    * проверьте ось частот (''fftfreq''/''rfftfreq'', ''fs'', ''fftshift'');
    * не перепутаны ли бины и герцы;
    * нет ли алиасинга (частота выше ''f_д/2'').
  * **Спектр «слишком мохнатый»**:
    * это одна периодограмма; примените Уэлч;
    * увеличьте число сегментов (меньше ''nperseg'').
  * **Слабые линии не видны**:
    * возьмите окно с низкими боковыми (Hann/Blackman–Harris);
    * усредните; уменьшите постоянную составляющую;
    * проверьте, не «тонут» ли линии в боковых лепестках сильной.
  * **Амплитуда «неправильная»**:
    * учтите coherent gain;
    * правильно выберите ''density''/''spectrum'';
    * проверьте нормировку ''|X|/N'' или ''2|X|/N''.
  * **Две близкие частоты сливаются**:
    * увеличьте длительность записи ''T'' (не ''f_д'');
    * используйте окно с узким главным лепестком;
    * при необходимости — параметрические методы.
  * **Спектрограмма «пустая» или «шумная»**:
    * проверьте ''scaling'' и перевод в дБ;
    * подберите длину окна (компромисс время–частота).
  * **Результаты не повторяются от запуска к запуску**:
    * так и должно быть для шума; усредняйте;
    * фиксируйте генератор случайных чисел для воспроизводимости.
  * **БПФ «медленное»**:
    * берите ''N'' степенью двойки;
    * используйте ''rfft'' для вещественного сигнала;
    * не считайте БПФ в цикле Python без необходимости.

----

===== 39. Итог =====

  * Лекция отвечает на два вопроса: «как считать **быстро**» (БПФ) и «как считать
  **правильно**» (окна, разрешение, усреднение).
  * Ключевые опоры:
    * ''O(N²) → O(N log N)'';
    * ''Δf = 1/T'';
    * компромисс «главный/боковые лепестки»;
    * ''1/√K'' у метода Уэлча.
  * Всё это — рабочие инструменты спектрального анализа, а не абстракция.
  * Дальше: лекция 5 — модуляция и I/Q; лекции 6+ — фильтры и системы.

----

===== 40. Как строить выводы (научная добросовестность) =====

  * **Не верить одной картинке**: повторите с другим окном, длиной, усреднением.
  * **Фиксировать параметры**: окно, ''N'', ''fs'', ''nperseg'' — записывать в отчёт.
  * **Проверять устойчивость**: реальная линия не должна «прыгать» при смене окна.
  * **Отличать артефакт от сигнала**:
    * гармоники кратных частот — вероятно, реальны;
    * «частокол» вокруг сильной линии — вероятно, боковые лепестки.
  * **Проверять физику**: измеренная частота должна объясняться процессом.
  * **Указывать погрешность**: ''Δf'', точность амплитуды, число усреднений.
  * **Не подгонять вывод**: если данных мало — сказать, что данных мало.
  * **Помнить о цели**: спектр нужен для **решения**, а не для красоты.
  * **Связь с проектом**: каждый вывод — это шаг к рекомендации для человека.

===== Материалы =====

  * {{sp:lecture04.pdf|Слайды лекции 4 (PDF)}}
  * {{sp:lecture04_notebook.pdf|Ноутбук лекции 4 (PDF)}}
  * {{sp:lecture04_lecture.pdf|Текст лекции 4 (PDF)}}
  * {{sp:lecture04_essence.pdf|Конспект «Суть лекции 4» (PDF)}}
  * {{sp:sig-prog-lecture04-2026-10-08.zip|Раздаточный архив (ZIP, все исходники)}}