Phổ công suất khác biệt cơ bản như thế nào so với phổ năng lượng?

Phổ năng lượng áp dụng cho các tín hiệu có năng lượng toàn phần hữu hạn (tín hiệu xung, thời gian ngắn), trong khi phổ công suất áp dụng cho các tín hiệu liên tục hoặc quá trình ngẫu nhiên có công suất trung bình hữu hạn nhưng tổng năng lượng vô hạn.

Tại sao phương pháp Welch lại ưu việt hơn biểu đồ phổ rời rạc (periodogram) cổ điển?

Biểu đồ phổ cổ điển có phương sai không tiến về không khi kích thước mẫu tăng, trong khi phương pháp Welch chia chuỗi thời gian thành các đoạn gối đầu có nhân cửa sổ và lấy trung bình các phổ thành phần, giúp giảm phương sai đáng kể và tạo đường cong phổ trơn mượt.

Khi nào nên sử dụng phương pháp mô hình tham số (AR/ARMA) thay cho phương pháp phi tham số?

Nên sử dụng phương pháp mô hình tham số khi chuỗi dữ liệu quan sát ngắn nhưng đòi hỏi độ phân giải tần số cao vượt qua giới hạn Rayleigh của biến đổi Fourier, đặc biệt khi dạng phổ của tín hiệu phù hợp với mô hình cực-không của bộ lọc tuyến tính.

Phổ công suất là gì? Định lý Wiener-Khinchin và ước lượng

Q: Nội dung cốt lõi của định lý Wiener-Khinchin trong phân tích phổ là gì?

Định lý Wiener-Khinchin khẳng định rằng đối với một quá trình ngẫu nhiên dừng theo nghĩa rộng, hàm mật độ phổ công suất chính là biến đổi Fourier của hàm tự tương quan của quá trình đó trong miền thời gian.

Phổ công suất (thường gọi đầy đủ là hàm mật độ phổ công suất) là hàm toán học mô tả sự phân bố công suất của một tín hiệu, một dao động hay một quá trình ngẫu nhiên dừng theo từng thành phần tần số cấu thành. Thuật ngữ này đóng vai trò nền tảng trong kỹ thuật xử lý tín hiệu số, viễn thông và cơ học ngẫu nhiên nhằm xác định các dải tần số tập trung phần lớn công suất của hệ thống.

Bản chất lý thuyết và định lý Wiener-Khinchin

Đối với các tín hiệu xác định có năng lượng hữu hạn, phổ năng lượng có thể tính toán trực tiếp thông qua bình phương độ lớn của biến đổi Fourier. Tuy nhiên, phần lớn các tín hiệu thực tế trong viễn thông, cơ học kết cấu và âm học là các tín hiệu ngẫu nhiên liên tục có công suất trung bình hữu hạn nhưng tổng năng lượng trên toàn bộ trục thời gian là vô hạn. Trong trường hợp này, biến đổi Fourier trực tiếp của tín hiệu không hội tụ theo nghĩa toán học thông thường.

Để giải quyết bài toán nền tảng này, định lý Wiener-Khinchin đã thiết lập một cầu nối giải tích xuất sắc giữa miền thời gian và miền tần số: đối với một quá trình ngẫu nhiên dừng theo nghĩa rộng, hàm mật độ phổ công suất chính là biến đổi Fourier của hàm tự tương quan của quá trình đó. Biểu thức liên hệ đối với tín hiệu ngẫu nhiên liên tục được định nghĩa như sau:

S_{xx}(f) = \int_{-\infty}^{\infty} R_{xx}(\tau) e^{-j 2 \pi f \tau} d\tau

Trong đó $R_{xx}(\tau) = E[x(t) x^*(t-\tau)]$ là hàm tự tương quan theo độ trễ thời gian $\tau$ , và $E[\cdot]$ là toán tử kỳ vọng thống kê. Biến đổi ngược cho phép khôi phục hoàn toàn hàm tự tương quan từ phổ công suất:

R_{xx}(\tau) = \int_{-\infty}^{\infty} S_{xx}(f) e^{j 2 \pi f \tau} df

Các tính chất toán học cơ bản và bảo toàn công suất

Hàm mật độ phổ công suất sở hữu những tính chất vật lý và toán học chuẩn tắc:

Tính không âm: Với mọi tần số $f$ , ta luôn có $S_{xx}(f) \ge 0$ . Công suất của tín hiệu trong bất kỳ dải tần nào cũng luôn là một đại lượng thực không âm.
Tính đối xứng chẵn: Đối với các tín hiệu thực tế có giá trị thực, hàm tự tương quan là hàm thực chẵn, kéo theo phổ công suất là hàm thực và đối xứng chẵn qua trục tần số không: $S_{xx}(-f) = S_{xx}(f)$ .
Định lý Parseval và bảo toàn công suất: Khi độ trễ $\tau = 0$ , hàm tự tương quan biểu diễn công suất trung bình toàn phần của tín hiệu. Tích phân diện tích dưới đường cong phổ công suất trên toàn bộ trục tần số chính bằng giá trị công suất trung bình toàn phần của tín hiệu:

P_{total} = R_{xx}(0) = \int_{-\infty}^{\infty} S_{xx}(f) df

Trong kỹ thuật thực nghiệm, người ta thường biểu diễn phổ công suất một phía trong dải tần dương $G_{xx}(f) = 2 S_{xx}(f)$ với $f > 0$ , để tích phân từ không đến vô cùng phản ánh trực tiếp công suất đo được trên thiết bị phân tích phổ.

Phương pháp ước lượng phi tham số: Từ Periodogram đến thuật toán Welch

Trong thực tế đo đạc, người kỹ sư chỉ thu thập được một chuỗi mẫu rời rạc có độ dài hữu hạn chứ không thể quan sát toàn bộ quá trình ngẫu nhiên vô hạn. Do đó, việc ước lượng phổ công suất từ dữ liệu rời rạc là một nhiệm vụ trọng tâm.

Phương pháp ước lượng cổ điển đơn giản nhất là biểu đồ phổ rời rạc (periodogram), được tính toán bằng bình phương độ lớn của biến đổi Fourier rời rạc của mẫu tín hiệu chia cho độ dài mẫu. Mặc dù biểu đồ phổ rời rạc là một ước lượng không chệch tiệm cận, nhưng phương sai của nó không tiến về không khi kích thước mẫu tăng lên vô hạn. Điều này có nghĩa là biểu đồ phổ rời rạc không phải là một ước lượng vững; đồ thị phổ tính toán luôn biểu hiện sự dao động thăng trầm ngẫu nhiên rất mạnh.

Để khắc phục nhược điểm phương sai lớn, Welch (1967) công bố phương pháp ước lượng phổ công suất bằng cách chia chuỗi thời gian thành các phân đoạn chồng chập 50% kết hợp nhân hàm cửa sổ và lấy trung bình các periodogram cải tiến. Thuật toán Welch chia chuỗi dữ liệu gốc gồm nhiều mẫu thành các đoạn con có độ dài cố định, cho phép các đoạn kế tiếp gối lên nhau, áp dụng hàm cửa sổ làm mượt cho từng đoạn để giảm rò rỉ phổ, sau đó tính biến đổi Fourier nhanh và lấy trung bình cộng tất cả các phổ thành phần. Nhờ cơ chế lấy trung bình thống kê giữa các đoạn, phương sai của ước lượng phổ giảm đáng kể so với periodogram đơn lẻ (xấp xỉ tỉ lệ nghịch với số lượng đoạn độc lập hiệu dụng), mang lại một đường cong phổ mượt mà hơn và tiệm cận chính xác với phổ lý thuyết.

Kỹ thuật cửa sổ hóa và kiểm soát rò rỉ phổ

Khi cắt một tín hiệu liên tục thành một đoạn thời gian hữu hạn để xử lý, thao tác này tương đương với việc nhân tín hiệu gốc với một hàm cửa sổ hình chữ nhật trong miền thời gian. Trong miền tần số, phép nhân thời gian biến thành phép chập của phổ tín hiệu với hàm sinc, làm xuất hiện hiện tượng rò rỉ phổ: năng lượng từ một tần số tập trung bị phát tán ra các tần số lân cận qua các búp sóng phụ.

Để hạn chế rò rỉ phổ, các hàm cửa sổ làm mượt được sử dụng để ép biên độ của đoạn tín hiệu về không tại hai đầu mút một cách êm ái. Harris (1978) tổng quan và phân tích định lượng hiệu năng của các hàm cửa sổ trong phân tích điều hòa, chỉ ra khả năng nén búp sóng phụ từ mức -60 dB đến dưới -90 dB để ngăn ngừa rò rỉ phổ. Việc lựa chọn cửa sổ là sự đánh đổi kinh điển giữa hai tiêu chí:

Độ rộng búp sóng chính: Cửa sổ có búp sóng chính càng hẹp thì độ phân giải tần số càng cao, cho phép phân biệt hai đỉnh tần số nằm gần nhau.
Mức suy giảm búp sóng phụ: Búp sóng phụ càng thấp (đạt từ mức -60 dB đến dưới -90 dB như các cửa sổ họ Blackman-Harris hoặc Kaiser) thì năng lượng rò rỉ sang các dải tần xa càng bị triệt tiêu triệt để, giúp phát hiện các thành phần tín hiệu yếu bị chôn vùi cạnh các đỉnh phổ rất mạnh.

Phương pháp mô hình tham số: AR, MA và ARMA

Các phương pháp phi tham số như biến đổi Fourier nhanh luôn chịu sự ràng buộc của giới hạn phân giải Rayleigh: độ phân giải tần số bị giới hạn bởi nghịch đảo của chiều dài cửa sổ quan sát thời gian. Đối với các chuỗi dữ liệu ngắn, phương pháp phi tham số thường làm nhòe và không thể tách rời các vạch phổ gần nhau.

Để vượt qua hạn chế này, các phương pháp mô hình hóa tham số giả định rằng tín hiệu ngẫu nhiên được sinh ra từ việc cho một quá trình nhiễu trắng đi qua một bộ lọc tuyến tính xác định. Kay và Marple (1981) tổng quan toàn diện các phương pháp ước lượng phổ hiện đại dựa trên mô hình tham số tự hồi quy AR, trung bình trượt MA và tự hồi quy trung bình trượt ARMA. Trong đó:

Mô hình tự hồi quy (AR): Giả định mẫu tín hiệu hiện tại phụ thuộc tuyến tính vào các mẫu quá khứ cộng với một số hạng nhiễu trắng. Phổ công suất của mô hình AR hoàn toàn là phổ toàn cực (all-pole), đặc biệt tối ưu cho các tín hiệu có các đỉnh phổ nhọn và dải thông hẹp. Các tham số của mô hình AR có thể được ước lượng hiệu quả qua thuật toán Levinson-Durbin hoặc phương pháp Burg.
Mô hình trung bình trượt (MA): Giả định tín hiệu là tổ hợp tuyến tính của các xung nhiễu trắng hiện tại và quá khứ, tạo nên phổ toàn không (all-zero), phù hợp với các tín hiệu có phổ dải rộng hoặc có các đáy suy giảm sâu.
Mô hình ARMA: Kết hợp cả cực và không, cung cấp một mô hình xấp xỉ linh hoạt và cô đọng nhất cho các dạng phổ phức tạp, tuy nhiên việc giải phương trình phi tuyến để tìm tham số đòi hỏi độ phức tạp tính toán lớn hơn.

Phương pháp không gian con và độ siêu phân giải tần số

Khi tín hiệu cần phân tích gồm một số lượng hữu hạn các dao động hình sin thuần túy bị vùi lấp trong môi trường nhiễu trắng, các phương pháp phân tích không gian con đại số tuyến tính cung cấp khả năng ước lượng tần số với độ siêu phân giải vượt xa mọi giới hạn biến đổi Fourier cổ điển. Cần lưu ý rằng các phương pháp không gian con về bản chất là các kỹ thuật ước lượng tần số và tham số nguồn, hàm phổ tính toán được là giả phổ (pseudospectrum) phục vụ định vị đỉnh tần số chứ không phải là hàm mật độ phổ công suất thực sự.

Schmidt (1986) công bố thuật toán MUSIC dựa trên nguyên lý phân rã ma trận tự tương quan thành không gian con tín hiệu và không gian con nhiễu để đạt độ siêu phân giải tần số. Bằng cách chéo hóa ma trận tự tương quan ước lượng, không gian vector được chia thành hai không gian con trực giao nhau: không gian con chứa các vector riêng tương ứng với các giá trị riêng lớn thuộc về tín hiệu, và không gian con chứa các vector riêng tương ứng với các giá trị riêng nhỏ thuộc về nhiễu. Hàm giả phổ của thuật toán MUSIC đạt cực đại tại các tần số mà vector dẫn trực giao với không gian con nhiễu.

Tiếp nối hướng đi này, Roy và Kailath (1989) thiết lập thuật toán ESPRIT khai thác tính bất biến quay của mảng cảm biến để ước lượng trực tiếp tần số mà không cần quét tìm đỉnh hàm phổ. Bằng cách phân tích các ma trận chuyển đổi giữa hai mảng cảm biến con tịnh tiến, thuật toán ESPRIT trực tiếp giải bài toán giá trị riêng để suy ra tần số góc, giảm thiểu đáng kể chi phí tính toán so với việc quét tìm đỉnh trong không gian phổ của thuật toán MUSIC.

So sánh các trường phái phân tích và ước lượng phổ

Bảng dưới đây tổng hợp đặc trưng kỹ thuật giữa ba trường phái phân tích và ước lượng phổ chủ đạo:

Trường phái tiếp cận	Phương pháp tiêu biểu	Nguyên lý tiếp cận	Ưu điểm cốt lõi	Hạn chế kỹ thuật
Phi tham số (Non-parametric)	Biểu đồ phổ cải tiến, thuật toán Welch	Biến đổi Fourier rời rạc trên các phân đoạn dữ liệu gối đầu có nhân hàm cửa sổ	Dễ cài đặt, tốc độ xử lý cực nhanh nhờ FFT, không cần giả định trước về mô hình dữ liệu	Độ phân giải tần số bị giới hạn bởi độ dài đoạn dữ liệu, hiện tượng rò rỉ phổ giữa các dải tần
Mô hình tham số (Parametric)	Mô hình tự hồi quy AR (Burg, Yule-Walker), ARMA	Khớp dữ liệu vào bộ lọc tuyến tính cực-không nhận kích thích từ nhiễu trắng	Độ phân giải tần số cao vượt trội trên chuỗi dữ liệu ngắn, đồ thị phổ trơn mượt không có thăng trầm ngẫu nhiên	Đòi hỏi chọn đúng bậc mô hình; nếu chọn sai bậc có thể sinh ra các đỉnh phổ giả hoặc làm mất đỉnh phổ thật
Không gian con (Subspace)	Thuật toán MUSIC, thuật toán ESPRIT	Phân tách không gian vector riêng của ma trận tự tương quan thành không gian tín hiệu và nhiễu để tạo giả phổ	Độ siêu phân giải tần số cực cao đối với các phổ vạch, định vị chính xác nhiều nguồn phát đồng thời	Chỉ là ước lượng tham số tần số (giả phổ), không đại diện cho mật độ phổ công suất thực tế; tính toán ma trận phức tạp

Ứng dụng thực tiễn trong kỹ thuật hiện đại

Mật độ phổ công suất là công cụ phân tích không thể thiếu trong nhiều lĩnh vực kỹ thuật then chốt:

Kỹ thuật thông tin liên lạc và vô tuyến: Đánh giá hiệu suất sử dụng băng thông, xác định mức độ can nhiễu giữa các kênh truyền lân cận, và thiết kế các bộ lọc định hình xung để giảm nhiễu liên ký tự trong các hệ thống truyền thông số 5G và vệ tinh.
Kỹ thuật cơ khí và chẩn đoán hỏng hóc: Phân tích phổ gia tốc rung động trên các ổ bi, trục quay tuabin và hộp số động cơ để phát hiện sớm các vết nứt tế vi hoặc biến dạng cơ học thông qua sự xuất hiện của các vạch phổ điều hòa đặc trưng.
Kỹ thuật y sinh: Phân tích biến thiên nhịp tim và các dải sóng não điện não đồ (sóng alpha, beta, theta, delta) để đánh giá trạng thái thần kinh, hỗ trợ chẩn đoán chứng động kinh và rối loạn giấc ngủ.
Cơ học kết cấu và kỹ thuật công trình: Đo đạc phổ phản ứng động lực học của cầu treo, nhà chọc trời và giàn khoan dầu khí dưới tác động ngẫu nhiên của gió bão và động đất để kiểm tra độ bền mỏi công trình.

Thách thức kỹ thuật và giới hạn lý thuyết

Mặc dù lý thuyết phổ công suất đã đạt đến độ hoàn thiện cao, việc áp dụng vào các bài toán kỹ thuật phức tạp vẫn đối mặt với nhiều rào cản:

Xử lý tín hiệu phi dừng: Định lý Wiener-Khinchin giả định tiên quyết rằng quá trình ngẫu nhiên là dừng theo nghĩa rộng. Trong các bài toán thực tế như tín hiệu tiếng nói, tín hiệu radar quét tần số hoặc địa chấn, đặc tính thống kê biến đổi liên tục theo thời gian, đòi hỏi phải chuyển sang các phương pháp phân tích thời gian - tần số nâng cao như biến đổi Wavelet hoặc phân bố Wigner-Ville.
Sự đánh đổi giữa độ phân giải và độ ổn định phương sai: Trong các phương pháp phi tham số, việc tăng số lượng đoạn con để giảm phương sai ước lượng luôn phải trả giá bằng việc rút ngắn độ dài từng đoạn, trực tiếp làm suy giảm độ phân giải tần số.
Lựa chọn bậc mô hình tối ưu: Trong phương pháp mô hình tham số, việc xác định số lượng tham số phù hợp dựa trên các tiêu chuẩn thông tin như Akaike (AIC) hoặc tiêu chuẩn Bayes (BIC) là một bài toán nhạy cảm, dễ dẫn đến hiện tượng quá khớp nếu chọn bậc quá cao.