Trasformata e Wavelet di Haar
|
|
- Giada Castelli
- 5 anni fa
- Visualizzazioni
Transcript
1 Quarto incontro del Progetto Lauree Scientifiche 010 Dipartimento di Matematica Pura ed Applicata Università di Padova Piove di Sacco, 16 aprile 010
2 Segnali discreti È una funzione del tempo i cui valori si ottengono in corrispondenza ad istanti finiti di tempo f = (f 1,, f N ), N N, f i R Ad esempio, f i = g(t i ), con g segnale analogico campionato negli istanti temporali equispaziati t i = t 1 + (i 1)h, i = 1,, N Esempi wav (audio files su un PC) valori dell intensità di un suono memorizzati su un CD g sia un elettrocardiogramma
3 Segnali discreti È una funzione del tempo i cui valori si ottengono in corrispondenza ad istanti finiti di tempo f = (f 1,, f N ), N N, f i R Ad esempio, f i = g(t i ), con g segnale analogico campionato negli istanti temporali equispaziati t i = t 1 + (i 1)h, i = 1,, N Esempi wav (audio files su un PC) valori dell intensità di un suono memorizzati su un CD g sia un elettrocardiogramma
4 Segnali discreti È una funzione del tempo i cui valori si ottengono in corrispondenza ad istanti finiti di tempo f = (f 1,, f N ), N N, f i R Ad esempio, f i = g(t i ), con g segnale analogico campionato negli istanti temporali equispaziati t i = t 1 + (i 1)h, i = 1,, N Esempi wav (audio files su un PC) valori dell intensità di un suono memorizzati su un CD g sia un elettrocardiogramma
5 Segnali trasformati Dato il segnale f, esso viene trasformato f = t + d con t che indica la tendenza (in inglese, trend) e d che indica il dettaglio o differenza (in inglese, difference) t, d sono sotto-segnali di lunghezza metà del segnale originale Se indichiamo con t k e f k, la tendenza e il dettaglio al (passo) livello k, allora al primo livello t 1 i = f i 1 + f i, d 1 i = f i 1 f i, i = 1,, N/ Si moltiplica per, come vedremo, per la conservazione dell energia del segnale Esempio f=(4,6,10,1,8,6,5,5) Avremo t 1 = (5, 11, 7, 5 ), d 1 = (,,,0)
6 Segnali trasformati Dato il segnale f, esso viene trasformato f = t + d con t che indica la tendenza (in inglese, trend) e d che indica il dettaglio o differenza (in inglese, difference) t, d sono sotto-segnali di lunghezza metà del segnale originale Se indichiamo con t k e f k, la tendenza e il dettaglio al (passo) livello k, allora al primo livello t 1 i = f i 1 + f i, d 1 i = f i 1 f i, i = 1,, N/ Si moltiplica per, come vedremo, per la conservazione dell energia del segnale Esempio f=(4,6,10,1,8,6,5,5) Avremo t 1 = (5, 11, 7, 5 ), d 1 = (,,,0)
7 Segnali trasformati Dato il segnale f, esso viene trasformato f = t + d con t che indica la tendenza (in inglese, trend) e d che indica il dettaglio o differenza (in inglese, difference) t, d sono sotto-segnali di lunghezza metà del segnale originale Se indichiamo con t k e f k, la tendenza e il dettaglio al (passo) livello k, allora al primo livello t 1 i = f i 1 + f i, d 1 i = f i 1 f i, i = 1,, N/ Si moltiplica per, come vedremo, per la conservazione dell energia del segnale Esempio f=(4,6,10,1,8,6,5,5) Avremo t 1 = (5, 11, 7, 5 ), d 1 = (,,,0)
8 Trasformata di Haar Definizione Si chiama Trasformata di Haar la sequenza di passi o livelli, tendenza + dettaglio f }{{} (t 1 d 1 ) }{{} (t d d 1 ) H 1 H 1 Proprietà fondamentale: piccole fluttuazioni nel vettore dettagli Proposizione N i=1 f i N N/ i=1 d 1 i N/ (1) Esercizio Prendendo la funzione g(x) = 0x (1 x) 4 cos(1πx), x [0, 1), la si campioni su 10 punti (equispaziati o random) Calcolare t 1, su [0, 1/) e d 1 su [1/, 1) Facendone i plot si noterà come d 1 abbia valori quasi nulli mentre t 1 assomiglierà al vettore iniziale
9 Trasformata di Haar Definizione Si chiama Trasformata di Haar la sequenza di passi o livelli, tendenza + dettaglio f }{{} (t 1 d 1 ) }{{} (t d d 1 ) H 1 H 1 Proprietà fondamentale: piccole fluttuazioni nel vettore dettagli Proposizione N i=1 f i N N/ i=1 d 1 i N/ (1) Esercizio Prendendo la funzione g(x) = 0x (1 x) 4 cos(1πx), x [0, 1), la si campioni su 10 punti (equispaziati o random) Calcolare t 1, su [0, 1/) e d 1 su [1/, 1) Facendone i plot si noterà come d 1 abbia valori quasi nulli mentre t 1 assomiglierà al vettore iniziale
10 Trasformata di Haar Definizione Si chiama Trasformata di Haar la sequenza di passi o livelli, tendenza + dettaglio f }{{} (t 1 d 1 ) }{{} (t d d 1 ) H 1 H 1 Proprietà fondamentale: piccole fluttuazioni nel vettore dettagli Proposizione N i=1 f i N N/ i=1 d 1 i N/ (1) Esercizio Prendendo la funzione g(x) = 0x (1 x) 4 cos(1πx), x [0, 1), la si campioni su 10 punti (equispaziati o random) Calcolare t 1, su [0, 1/) e d 1 su [1/, 1) Facendone i plot si noterà come d 1 abbia valori quasi nulli mentre t 1 assomiglierà al vettore iniziale
11 Trasformata di Haar Definizione Si chiama Trasformata di Haar la sequenza di passi o livelli, tendenza + dettaglio f }{{} (t 1 d 1 ) }{{} (t d d 1 ) H 1 H 1 Proprietà fondamentale: piccole fluttuazioni nel vettore dettagli Proposizione N i=1 f i N N/ i=1 d 1 i N/ (1) Esercizio Prendendo la funzione g(x) = 0x (1 x) 4 cos(1πx), x [0, 1), la si campioni su 10 punti (equispaziati o random) Calcolare t 1, su [0, 1/) e d 1 su [1/, 1) Facendone i plot si noterà come d 1 abbia valori quasi nulli mentre t 1 assomiglierà al vettore iniziale
12 Soluzione dell esercizio assegnato nella slide precedente
13 Trasformata di Haar La Proposizione 1 è importante nella compressione di un segnale, ovvero la sua trasmissione con meno informazione (bit) Come realizzare questo? Esempio Supponiamo di spedire solo il trend t, considerando i valori del vettore d come zero Pertanto otteremo un approssimazione del segnale originale con lunghezza metà del segnale f e quindi con una compressione del 50%
14 Trasformata di Haar La Proposizione 1 è importante nella compressione di un segnale, ovvero la sua trasmissione con meno informazione (bit) Come realizzare questo? Esempio Supponiamo di spedire solo il trend t, considerando i valori del vettore d come zero Pertanto otteremo un approssimazione del segnale originale con lunghezza metà del segnale f e quindi con una compressione del 50%
15 Energia di un vettore Definizione Energia di un segnale f E f := f 1 + f + + f N () E f si chiama energia perchè in fisica la somma di quadrati indica sempre un energia Esempio Una particella di massa m con vettore velocità v=(v 1, v, v 3 ), ha energia cinetica E = 1 m 3 i=1 v i L energia cinetica risulta proporzionale all energia E v = v1 + v + v 3 del vettore velocità Esempio Sia f = (4, 6, 8, 10, 1, 8, 6, 5, 5) Allora E f = 446 Essendo (t 1 d 1 ) = (5, 11, 7, 5,, 0, 0) e E t 1 = = 440 E d 1 = = 6 Allora E f = E t 1 + E d 1
16 Energia di un vettore Definizione Energia di un segnale f E f := f 1 + f + + f N () E f si chiama energia perchè in fisica la somma di quadrati indica sempre un energia Esempio Una particella di massa m con vettore velocità v=(v 1, v, v 3 ), ha energia cinetica E = 1 m 3 i=1 v i L energia cinetica risulta proporzionale all energia E v = v1 + v + v 3 del vettore velocità Esempio Sia f = (4, 6, 8, 10, 1, 8, 6, 5, 5) Allora E f = 446 Essendo (t 1 d 1 ) = (5, 11, 7, 5,, 0, 0) e E t 1 = = 440 E d 1 = = 6 Allora E f = E t 1 + E d 1
17 Energia di un vettore Definizione Energia di un segnale f E f := f 1 + f + + f N () E f si chiama energia perchè in fisica la somma di quadrati indica sempre un energia Esempio Una particella di massa m con vettore velocità v=(v 1, v, v 3 ), ha energia cinetica E = 1 m 3 i=1 v i L energia cinetica risulta proporzionale all energia E v = v1 + v + v 3 del vettore velocità Esempio Sia f = (4, 6, 8, 10, 1, 8, 6, 5, 5) Allora E f = 446 Essendo (t 1 d 1 ) = (5, 11, 7, 5,, 0, 0) e E t 1 = = 440 E d 1 = = 6 Allora E f = E t 1 + E d 1
18 Energia di un vettore Definizione Energia di un segnale f E f := f 1 + f + + f N () E f si chiama energia perchè in fisica la somma di quadrati indica sempre un energia Esempio Una particella di massa m con vettore velocità v=(v 1, v, v 3 ), ha energia cinetica E = 1 m 3 i=1 v i L energia cinetica risulta proporzionale all energia E v = v1 + v + v 3 del vettore velocità Esempio Sia f = (4, 6, 8, 10, 1, 8, 6, 5, 5) Allora E f = 446 Essendo (t 1 d 1 ) = (5, 11, 7, 5,, 0, 0) e E t 1 = = 440 E d 1 = = 6 Allora E f = E t 1 + E d 1
19 Conservazione dell energia Proposizione La trasformata di Haar di 1-livello conserva l energia Ovvero E f = E t 1 + E d 1 (3) Altra cosa interessante è la redistribuzione dell energia del segnale rispetto ai sotto-segnali, tendenza e dettaglio Questo fenomeno si chiama la compattazione dell energia Esempio Sia f = (4, 6, 8, 10, 1, 8, 6, 5, 5) Essendo E f = 446, E t 1 = 440 e E d 1 = 6 Allora E t 1 E f 98, 7% e E d 1 E f 1, 3% Proposizione L energia del vettore trend rappresenta la percentuale maggiore dell energia di (t 1 d 1 )
20 Conservazione dell energia Proposizione La trasformata di Haar di 1-livello conserva l energia Ovvero E f = E t 1 + E d 1 (3) Altra cosa interessante è la redistribuzione dell energia del segnale rispetto ai sotto-segnali, tendenza e dettaglio Questo fenomeno si chiama la compattazione dell energia Esempio Sia f = (4, 6, 8, 10, 1, 8, 6, 5, 5) Essendo E f = 446, E t 1 = 440 e E d 1 = 6 Allora E t 1 E f 98, 7% e E d 1 E f 1, 3% Proposizione L energia del vettore trend rappresenta la percentuale maggiore dell energia di (t 1 d 1 )
21 Conservazione dell energia Proposizione La trasformata di Haar di 1-livello conserva l energia Ovvero E f = E t 1 + E d 1 (3) Altra cosa interessante è la redistribuzione dell energia del segnale rispetto ai sotto-segnali, tendenza e dettaglio Questo fenomeno si chiama la compattazione dell energia Esempio Sia f = (4, 6, 8, 10, 1, 8, 6, 5, 5) Essendo E f = 446, E t 1 = 440 e E d 1 = 6 Allora E t 1 E f 98, 7% e E d 1 E f 1, 3% Proposizione L energia del vettore trend rappresenta la percentuale maggiore dell energia di (t 1 d 1 )
22 Conservazione dell energia Proposizione La trasformata di Haar di 1-livello conserva l energia Ovvero E f = E t 1 + E d 1 (3) Altra cosa interessante è la redistribuzione dell energia del segnale rispetto ai sotto-segnali, tendenza e dettaglio Questo fenomeno si chiama la compattazione dell energia Esempio Sia f = (4, 6, 8, 10, 1, 8, 6, 5, 5) Essendo E f = 446, E t 1 = 440 e E d 1 = 6 Allora E t 1 E f 98, 7% e E d 1 E f 1, 3% Proposizione L energia del vettore trend rappresenta la percentuale maggiore dell energia di (t 1 d 1 )
23 Trasformata di Haar: più livelli La procedura è: f }{{} (t 1 d 1 ) }{{} (t d d 1 ) }{{} (t 3 d 3 d d 1 ) H 1 H 1 H 1 Esempio Sia f = (4, 6, 8, 10, 1, 8, 6, 5, 5) Avremo t 1 = (5, 11, 7, 5 ) t = (16, 1) Con d 1 che deriva da f e d da t 1 : d = ( 6, ) Pertanto la trasformata di secondo livello, H, del segnale originale è (t d d 1 ) = (16, 1 6,,,, 0)
24 Trasformata di Haar: più livelli La procedura è: f }{{} (t 1 d 1 ) }{{} (t d d 1 ) }{{} (t 3 d 3 d d 1 ) H 1 H 1 H 1 Esempio Sia f = (4, 6, 8, 10, 1, 8, 6, 5, 5) Avremo t 1 = (5, 11, 7, 5 ) t = (16, 1) Con d 1 che deriva da f e d da t 1 : d = ( 6, ) Pertanto la trasformata di secondo livello, H, del segnale originale è (t d d 1 ) = (16, 1 6,,,, 0)
25 Esercizi Esercizio Esercizio Calcolare tra trasformata di terzo livello del segnale f = (4, 6, 8, 10, 1, 8, 6, 5, 5) Verificare che E t 3 = 39 e che l energia di t 3 è circa 88% di quella di f nonostante il t 3 sia lungo solo otto volte di meno di f Si prenda un generico segnale f e si costruisca la trasformata di secondo livello H del segnale Costruire la sequenza, detta profilo cumulativo dell energia, sia del segnale f che della trasformata H Nel caso del segnale f, tale profilo è ovvero Cosa si nota? ( f 1 E f, f 1 + f ),, 1 E f
26 Soluzione dell esercizio assegnato nella slide precedente Esercizio Prendiamo in considerazione la seguente funzione non banale 50x (1 x) 6 cos(1πx), x [0, 1) h(x) = 80(1 x) ( x) 8 sin(0πx), x [1, ]
27 Wavelets di Haar Le wavelets di Haar di primo livello sono definite come segue ( 1 W1 1 =, 1 ), 0,, 0 ( W 1 1 = 0, 0,, 1 ), 0,, 0 W 1 N/ = ( 1 0,, 0,, 1 ) Alcune proprietà 1 Hanno tutte energia uguale a 1 Consistono della fluttuazione dei valori ±1/ con media nulla Ecco da dove deriva il nome wavelet o ondina 3 Come si nota, sono tutte ottenute per traslazione di W1 1 in avanti di un numero pari di intervalli
28 Wavelets di Haar Le wavelets di Haar di primo livello sono definite come segue ( 1 W1 1 =, 1 ), 0,, 0 ( W 1 1 = 0, 0,, 1 ), 0,, 0 W 1 N/ = ( 1 0,, 0,, 1 ) Alcune proprietà 1 Hanno tutte energia uguale a 1 Consistono della fluttuazione dei valori ±1/ con media nulla Ecco da dove deriva il nome wavelet o ondina 3 Come si nota, sono tutte ottenute per traslazione di W1 1 in avanti di un numero pari di intervalli
29 Wavelets di Haar Le wavelets di Haar di primo livello sono definite come segue ( 1 W1 1 =, 1 ), 0,, 0 ( W 1 1 = 0, 0,, 1 ), 0,, 0 W 1 N/ = ( 1 0,, 0,, 1 ) Alcune proprietà 1 Hanno tutte energia uguale a 1 Consistono della fluttuazione dei valori ±1/ con media nulla Ecco da dove deriva il nome wavelet o ondina 3 Come si nota, sono tutte ottenute per traslazione di W1 1 in avanti di un numero pari di intervalli
30 Wavelets di Haar Le wavelets di Haar di primo livello sono definite come segue ( 1 W1 1 =, 1 ), 0,, 0 ( W 1 1 = 0, 0,, 1 ), 0,, 0 W 1 N/ = ( 1 0,, 0,, 1 ) Alcune proprietà 1 Hanno tutte energia uguale a 1 Consistono della fluttuazione dei valori ±1/ con media nulla Ecco da dove deriva il nome wavelet o ondina 3 Come si nota, sono tutte ottenute per traslazione di W1 1 in avanti di un numero pari di intervalli
31 Wavelets di Haar Le wavelets di Haar di primo livello sono definite come segue ( 1 W1 1 =, 1 ), 0,, 0 ( W 1 1 = 0, 0,, 1 ), 0,, 0 W 1 N/ = ( 1 0,, 0,, 1 ) Alcune proprietà 1 Hanno tutte energia uguale a 1 Consistono della fluttuazione dei valori ±1/ con media nulla Ecco da dove deriva il nome wavelet o ondina 3 Come si nota, sono tutte ottenute per traslazione di W1 1 in avanti di un numero pari di intervalli
32 Wavelets di Haar e vettore dettaglio Ricordando che il prodotto scalare di due vettori f e g di lunghezza N, è (f, g) = f 1 g f N g N = N f i g i Allora il vettore dettaglio d 1, che ha N/ componenti, d i, si ottengono usando le wavelets W 1 i : i=1 d i = (f, W 1 i ), i = 1,,, N/
33 Wavelets di Haar e vettore dettaglio Ricordando che il prodotto scalare di due vettori f e g di lunghezza N, è (f, g) = f 1 g f N g N = N f i g i Allora il vettore dettaglio d 1, che ha N/ componenti, d i, si ottengono usando le wavelets W 1 i : i=1 d i = (f, W 1 i ), i = 1,,, N/
34 Wavelets di Haar e vettore del trend I vettori V 1 1 = V 1 = ( ) 1 1,, 0,, 0 ( 0, 0, 1, ) 1, 0,, 0 V 1 N/ = ( 0,, 0, 1, ) 1 si chiamano segnali scalati di Haar Usando questi vettori, possiamo ottenere le componenti del trend t 1 come segue: t i = (f, V 1 i ), i = 1,,, N/ Osservazione I segnali scalati di Haar sono simili alle wavelets di Haar: hanno energia uguale a 1 e supporto che consiste ancora di intervalli consecutivi Ora la media non è più zero!
35 Wavelets di Haar e vettore del trend I vettori V 1 1 = V 1 = ( ) 1 1,, 0,, 0 ( 0, 0, 1, ) 1, 0,, 0 V 1 N/ = ( 0,, 0, 1, ) 1 si chiamano segnali scalati di Haar Usando questi vettori, possiamo ottenere le componenti del trend t 1 come segue: t i = (f, V 1 i ), i = 1,,, N/ Osservazione I segnali scalati di Haar sono simili alle wavelets di Haar: hanno energia uguale a 1 e supporto che consiste ancora di intervalli consecutivi Ora la media non è più zero!
36 Wavelets di Haar e vettore del trend I vettori V 1 1 = V 1 = ( ) 1 1,, 0,, 0 ( 0, 0, 1, ) 1, 0,, 0 V 1 N/ = ( 0,, 0, 1, ) 1 si chiamano segnali scalati di Haar Usando questi vettori, possiamo ottenere le componenti del trend t 1 come segue: t i = (f, V 1 i ), i = 1,,, N/ Osservazione I segnali scalati di Haar sono simili alle wavelets di Haar: hanno energia uguale a 1 e supporto che consiste ancora di intervalli consecutivi Ora la media non è più zero!
37 Wavelets di Haar e vettore del trend I vettori V 1 1 = V 1 = ( ) 1 1,, 0,, 0 ( 0, 0, 1, ) 1, 0,, 0 V 1 N/ = ( 0,, 0, 1, ) 1 si chiamano segnali scalati di Haar Usando questi vettori, possiamo ottenere le componenti del trend t 1 come segue: t i = (f, V 1 i ), i = 1,,, N/ Osservazione I segnali scalati di Haar sono simili alle wavelets di Haar: hanno energia uguale a 1 e supporto che consiste ancora di intervalli consecutivi Ora la media non è più zero!
38 Wavelets di Haar: secondo livello Definiamo i vettori N dimensionali V i, W i, i = 1,, N/4 V1 = ( 1, 1, 1, 1, 0,, 0) W1 = ( 1, 1, 1, 1, 0,, 0) V = ( 0, 0, 0, 0, 1, 1, 1, 1, 0,, 0) W = ( 0, 0, 0, 0, 1, 1, 1, 1, 0,, 0) V N/4 = ( 0,, 0, 1, 1, 1, 1 ) W N/4 = ( 0,, 0, 1, 1, 1, 1 ) Allora i vettori t e d, che hanno N/4 componenti, si ottengono come segue: ) t = ((f, V1 ),, (f, VN/4 ) ) d = ((f, W1 ),, (f, WN/4 )
39 Wavelets di Haar: secondo livello Definiamo i vettori N dimensionali V i, W i, i = 1,, N/4 V1 = ( 1, 1, 1, 1, 0,, 0) W1 = ( 1, 1, 1, 1, 0,, 0) V = ( 0, 0, 0, 0, 1, 1, 1, 1, 0,, 0) W = ( 0, 0, 0, 0, 1, 1, 1, 1, 0,, 0) V N/4 = ( 0,, 0, 1, 1, 1, 1 ) W N/4 = ( 0,, 0, 1, 1, 1, 1 ) Allora i vettori t e d, che hanno N/4 componenti, si ottengono come segue: ) t = ((f, V1 ),, (f, VN/4 ) ) d = ((f, W1 ),, (f, WN/4 )
40 Analisi MultiRisoluzione (MRA) Ci servono due operazioni sui vettori f e g Addizione e sottrazione: f + g = (f 1 + g 1,, f N + g N ), f g = (f 1 g 1,, f N g N ) Moltiplicazione per una costante: cf = (cf 1,, cf N ) Usando le due operazioni possiamo scrivere f = (f 1, 0,, 0) + + (0,, f N ) f = f 1 (1, 0,, 0) + + f N (0,, 1) Se definiamo V1 0 = (1, 0,, 0),, V N 0 = (0, 0,, 1) allora f = N i=1 f i V 0 i (4) La (4) è l espansione naturale di un segnale nella base naturale V 0 1,, V 0 N
41 Analisi MultiRisoluzione (MRA) Ci servono due operazioni sui vettori f e g Addizione e sottrazione: f + g = (f 1 + g 1,, f N + g N ), f g = (f 1 g 1,, f N g N ) Moltiplicazione per una costante: cf = (cf 1,, cf N ) Usando le due operazioni possiamo scrivere f = (f 1, 0,, 0) + + (0,, f N ) f = f 1 (1, 0,, 0) + + f N (0,, 1) Se definiamo V1 0 = (1, 0,, 0),, V N 0 = (0, 0,, 1) allora f = N i=1 f i V 0 i (4) La (4) è l espansione naturale di un segnale nella base naturale V 0 1,, V 0 N
42 Analisi MultiRisoluzione (MRA) Ci servono due operazioni sui vettori f e g Addizione e sottrazione: f + g = (f 1 + g 1,, f N + g N ), f g = (f 1 g 1,, f N g N ) Moltiplicazione per una costante: cf = (cf 1,, cf N ) Usando le due operazioni possiamo scrivere f = (f 1, 0,, 0) + + (0,, f N ) f = f 1 (1, 0,, 0) + + f N (0,, 1) Se definiamo V1 0 = (1, 0,, 0),, V N 0 = (0, 0,, 1) allora f = N i=1 f i V 0 i (4) La (4) è l espansione naturale di un segnale nella base naturale V 0 1,, V 0 N
43 Analisi MultiRisoluzione (MRA) Facciamo vedere che la MRA con wavelets di Haar consente di esprimere un segnale f come somma delle wavelets di Haar e segnali scalati di Haar 1 ( t1 f =, t 1, t, t,, t N/, t ) N/ } {{ } T 1 + ( d1, d 1, d, d,, d N/, d ) N/ } {{ } D 1 ovvero f = T 1 + D 1, con T 1 che indica la prima media del segnale e D 1 il primo dettaglio del segnale T 1 = D 1 = N/ t i V 1 i=1 N/ d i W 1 i=1 N/ i = i=1 N/ i = i=1 (f, V 1 i )V 1 (f, W 1 i )W 1 i (5) i (6) che dicono: T 1 è la combinazinone di segnali scalati di Haar con i valori del primo trend mentre D 1 è la combinazione dei wavelets di Haar con coefficienti che sono i valori della prima fluttuazione
44 Analisi MultiRisoluzione (MRA) Facciamo vedere che la MRA con wavelets di Haar consente di esprimere un segnale f come somma delle wavelets di Haar e segnali scalati di Haar 1 ( t1 f =, t 1, t, t,, t N/, t ) N/ } {{ } T 1 + ( d1, d 1, d, d,, d N/, d ) N/ } {{ } D 1 ovvero f = T 1 + D 1, con T 1 che indica la prima media del segnale e D 1 il primo dettaglio del segnale T 1 = D 1 = N/ t i V 1 i=1 N/ d i W 1 i=1 N/ i = i=1 N/ i = i=1 (f, V 1 i )V 1 (f, W 1 i )W 1 i (5) i (6) che dicono: T 1 è la combinazinone di segnali scalati di Haar con i valori del primo trend mentre D 1 è la combinazione dei wavelets di Haar con coefficienti che sono i valori della prima fluttuazione
45 Analisi MultiRisoluzione (MRA) Facciamo vedere che la MRA con wavelets di Haar consente di esprimere un segnale f come somma delle wavelets di Haar e segnali scalati di Haar 1 ( t1 f =, t 1, t, t,, t N/, t ) N/ } {{ } T 1 + ( d1, d 1, d, d,, d N/, d ) N/ } {{ } D 1 ovvero f = T 1 + D 1, con T 1 che indica la prima media del segnale e D 1 il primo dettaglio del segnale T 1 = D 1 = N/ t i V 1 i=1 N/ d i W 1 i=1 N/ i = i=1 N/ i = i=1 (f, V 1 i )V 1 (f, W 1 i )W 1 i (5) i (6) che dicono: T 1 è la combinazinone di segnali scalati di Haar con i valori del primo trend mentre D 1 è la combinazione dei wavelets di Haar con coefficienti che sono i valori della prima fluttuazione
46 Analisi MultiRisoluzione (MRA): esempio Sia f=(4,6,10,1,8,6,5,5) Avremo 1 t 1 = (5, 11, 7, 5 ) e T 1 = (5, 5, 11, 11, 7, 7, 5, 5) = 5 V V 1 +7 V V 1 4 NB: la posizione dei valori ripetuti corrisponde precisamente col supporto dei segnali scalati d 1 = (,,, 0) e D 1 = ( 1, 1, 1, 1, 1, 1, 0, 0) = W 1 1 W 1 + W W Infine f = T 1 + D 1 = (5, 5, 11, 11, 7, 7, 5, 5) + ( 1, 1, 1, 1, 1, 1, 0, 0)
47 Analisi MultiRisoluzione (MRA): esempio Sia f=(4,6,10,1,8,6,5,5) Avremo 1 t 1 = (5, 11, 7, 5 ) e T 1 = (5, 5, 11, 11, 7, 7, 5, 5) = 5 V V 1 +7 V V 1 4 NB: la posizione dei valori ripetuti corrisponde precisamente col supporto dei segnali scalati d 1 = (,,, 0) e D 1 = ( 1, 1, 1, 1, 1, 1, 0, 0) = W 1 1 W 1 + W W Infine f = T 1 + D 1 = (5, 5, 11, 11, 7, 7, 5, 5) + ( 1, 1, 1, 1, 1, 1, 0, 0)
48 Analisi MultiRisoluzione (MRA): esempio Sia f=(4,6,10,1,8,6,5,5) Avremo 1 t 1 = (5, 11, 7, 5 ) e T 1 = (5, 5, 11, 11, 7, 7, 5, 5) = 5 V V 1 +7 V V 1 4 NB: la posizione dei valori ripetuti corrisponde precisamente col supporto dei segnali scalati d 1 = (,,, 0) e D 1 = ( 1, 1, 1, 1, 1, 1, 0, 0) = W 1 1 W 1 + W W Infine f = T 1 + D 1 = (5, 5, 11, 11, 7, 7, 5, 5) + ( 1, 1, 1, 1, 1, 1, 0, 0)
49 Analisi MultiRisoluzione (MRA): esempio Sia f=(4,6,10,1,8,6,5,5) Avremo 1 t 1 = (5, 11, 7, 5 ) e T 1 = (5, 5, 11, 11, 7, 7, 5, 5) = 5 V V 1 +7 V V 1 4 NB: la posizione dei valori ripetuti corrisponde precisamente col supporto dei segnali scalati d 1 = (,,, 0) e D 1 = ( 1, 1, 1, 1, 1, 1, 0, 0) = W 1 1 W 1 + W W Infine f = T 1 + D 1 = (5, 5, 11, 11, 7, 7, 5, 5) + ( 1, 1, 1, 1, 1, 1, 0, 0)
50 MRA: idea generale L idea generale della MRA è la seguente Un segnale f è la somma di un segnale a risoluzione inferiore, o mediato, T 1 e un segnale di dettagli, D 1
51 MRA: livelli successivi L algoritmo della MRA continua finché il segnale può dividersi per 1 Il passo è f = T + D + D 1 con T 1 = T + D e T = (f, V1 )V1 + + (f, VN/4 )V N/4 ; D = (f, W1 )W1 + + (f, WN/4 )W N/4 Il passo generale k f = T k + D k + + D + D 1
52 MRA: livelli successivi L algoritmo della MRA continua finché il segnale può dividersi per 1 Il passo è f = T + D + D 1 con T 1 = T + D e T = (f, V1 )V1 + + (f, VN/4 )V N/4 ; D = (f, W1 )W1 + + (f, WN/4 )W N/4 Il passo generale k f = T k + D k + + D + D 1
53 MRA: livelli successivi L algoritmo della MRA continua finché il segnale può dividersi per 1 Il passo è f = T + D + D 1 con T 1 = T + D e T = (f, V1 )V1 + + (f, VN/4 )V N/4 ; D = (f, W1 )W1 + + (f, WN/4 )W N/4 Il passo generale k f = T k + D k + + D + D 1
54 Ancora sull esercizio Sia f=(4,6,10,1,8,6,5,5) Allora t = (16, 1) e T = 16(1/, 1/, 1/, 1/, 0, 0, 0, 0) + 1(0, 0, 0, 0, 1/, 1/, 1/, 1/) = (8, 8, 8, 8, 6, 6, 6, 6) Inoltre, d = ( 6, ) e D = 6(1/, 1/, 1/, 1/, 0, 0, 0, 0)+(0, 0, 0, 0, 1/, 1/, 1/, 1/) = ( 3, 3, 3, 3, 1, 1, 1, 1) Verificare che f = T + D + D 1 Esercizio Si campioni un segnale su N = 10 punti Si costruiscano i 10 livelli della MRA Dopo 10 passi, T 10 consisterà di un singolo valore ripetuto N volte con valore corrispondente alla media di tutti i N = 10 valori del segnale
55 Ancora sull esercizio Sia f=(4,6,10,1,8,6,5,5) Allora t = (16, 1) e T = 16(1/, 1/, 1/, 1/, 0, 0, 0, 0) + 1(0, 0, 0, 0, 1/, 1/, 1/, 1/) = (8, 8, 8, 8, 6, 6, 6, 6) Inoltre, d = ( 6, ) e D = 6(1/, 1/, 1/, 1/, 0, 0, 0, 0)+(0, 0, 0, 0, 1/, 1/, 1/, 1/) = ( 3, 3, 3, 3, 1, 1, 1, 1) Verificare che f = T + D + D 1 Esercizio Si campioni un segnale su N = 10 punti Si costruiscano i 10 livelli della MRA Dopo 10 passi, T 10 consisterà di un singolo valore ripetuto N volte con valore corrispondente alla media di tutti i N = 10 valori del segnale
56 Soluzione dell esercizio assegnato nella slide precedente Si è utilizzata la funzione g(x) già considerata in precedenza
Sistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliTrasformata discreta di Fourier diunasequenzafinita: algoritmifft
diunasequenzafinita: algoritmifft La TDF di una sequenza finita può essere calcolata utilizzando algoritmi, computazionalmente efficienti, quali gli algoritmi Fast Fourier Transform (FFT). L efficienza
DettagliNote per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta. Metodi per il calcolo del rango di una matrice
Note per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta Versione del 21/12/07 Metodi per il calcolo del rango di una matrice Sia A M m,n (K). Denotiamo con A (i) la riga i-ma di A, i {1,..., m}.
DettagliLe matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1.
Le matrici Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1. Siano m, n N\{0}. Una matrice m n a coefficienti in K è una tabella di m n elementi di K disposti
DettagliNote per il corso di Geometria Corso di laurea in Ing. Edile/Architettura. 4 Sistemi lineari. Metodo di eliminazione di Gauss Jordan
Note per il corso di Geometria 2006-07 Corso di laurea in Ing. Edile/Architettura Sistemi lineari. Metodo di eliminazione di Gauss Jordan.1 Operazioni elementari Abbiamo visto che un sistema di m equazioni
DettagliCampionamento. Campionamento: problema
Posizione del problema uniforme Ricostruzione Teorema del campionamento Significato della formula di ricostruzione Sistema di conversione A/D sample & hold quantizzazione Sistema di conversione D/A : problema
Dettagli0.1 Spazi Euclidei in generale
0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo
DettagliEsempi. In R 2, le coppia (2, 5) è combinazione lineare dei vettori (0, 1) e (1, 1). Infatti:
Combinazioni lineari [Abate, 4.2] Sia V uno spazio vettoriale e v 1, v 2,..., v n dei vettori di V. Diremo che un vettore w V è combinazione lineare dei vettori v 1,..., v n se esistono a 1, a 2,..., a
DettagliCos è una wavelet? Applicazioni della trasformata wavelet. Analisi multirisoluzione
Cos è una wavelet? Applicazioni della trasformata wavelet Analisi multirisoluzione Tre tecniche: Piramidi di immagine Trasformata di Haar Codifica per sottobande Il numero totale di pixel nel caso di una
Dettagli15/04/2014. Serway, Jewett Principi di Fisica IV Ed. Capitolo 8. Generalizziamo, considerando due particelle interagenti.
Serway, Jewett Principi di Fisica IV Ed. Capitolo 8 Esempio arciere su una superficie ghiacciata che scocca la freccia: l arciere (60 kg) esercita una forza sulla freccia 0.5 kg (che parte in avanti con
DettagliInterpolazione e approssimazione di funzioni
Interpolazione e approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Laboratorio - 26 febbraio 2007 Outline 1 Interpolazione polinomiale Interpolazione
Dettagli19 Marzo Equazioni differenziali.
19 Marzo 2019 Equazioni differenziali. Definizione 1. Si chiama equazione differenziale una relazione che coinvolge una o più derivate di una funzione incognita y(x), la funzione stessa, funzioni di x
DettagliNote sui sistemi lineari per il Corso di Geometria per Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 4 Maggio 2010
Note sui sistemi lineari per il Corso di Geometria per Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 4 Maggio 21 Sistemi lineari. Un sistema lineare di n 1 equazioni in m incognite
DettagliLista di esercizi 11 maggio 2016
Lista di esercizi 11 maggio 2016 1. Determinare il numero di sequenze binarie di lunghezza n che contengano almeno una coppia di 0 consecutivi. Soluzione. Potrebbe essere utile un programma di calcolo
DettagliApplicazioni eliminazione di Gauss
Applicazioni eliminazione di Gauss. Premessa Nel seguito supporremo sempre di applicare il metodo di eliminazione di Gauss allo scopo di trasformare la matrice del sistema Ax = b in una matrice triangolare
DettagliProblema. Sistemi lineari. Problema. Problema. Quali sono i potenziali in ogni nodo? Leggi di Kirkoff e di Ohm:
Problema 4 Ω 3 3 Ω 2 2 Ω 40 V Sistemi lineari 2 Ω Ω 2 Ω Ω 5 6 7 8 Ω 4 Ω Ω 0 V Quali sono i potenziali in ogni nodo? 2 4 Ω Problema 3 3 Ω 2 2 Ω 40 V 4 Ω Problema 3 3 Ω 2 2 Ω 40 V 2 Ω Ω 2 Ω Ω 2 Ω Ω 2 Ω Ω
DettagliMatematica per Analisi dei Dati,
Matematica per Analisi dei Dati, 230209 1 Spazio vettoriale R n Sia n un intero positivo fissato Lo spazio vettoriale R n e l insieme delle n ple ordinate di numeri reali, che rappresenteremo sempre come
DettagliAnalogico vs digitale
Analogico vs digitale Informazione classificatoria e più che classificatoria Informazione classificatoria: è questo, ma avrebbe potuto essere quest altro altro. Informazione più che classificatoria: riconoscere
DettagliSpazi vettoriali. Vettori geometrici. Spazi vettoriali R n. Spazi vettoriali.
Spazi vettoriali Vettori geometrici. Spazi vettoriali R n. Spazi vettoriali. Piano vettoriale geometrico G 2 Il contesto del discorso che svolgiamo in questa parte e il piano della geometria elementare,
DettagliAnalisi dei dati corso integrato - Algebra lineare, e a b c 0. le soluzioni del sistema lineare omogeneo x d e f 2. a b c.
Analisi dei dati corso integrato - Algebra lineare 4.3.8 e 5.3.8-1 1. Nella lezione precedente abbiamo definito lo spazio nullo e lo spazio delle colonne di una matrice; ora definiamo lo spazio delle righe
DettagliMatematica per l Economia, a.a Integrazione al libro di testo
Matematica per l Economia, a.a. 2016 2017 Integrazione al libro di testo Gianluca Amato 20 dicembre 2016 1 Note ed errata corrige Sezione 2.3, definizione di dominio. La definizione di dominio data dal
DettagliLa codifica digitale
La codifica digitale Codifica digitale Il computer e il sistema binario Il computer elabora esclusivamente numeri. Ogni immagine, ogni suono, ogni informazione per essere compresa e rielaborata dal calcolatore
Dettagli1 Combinazioni lineari.
Geometria Lingotto LeLing5: Spazi Vettoriali Ārgomenti svolti: Combinazioni lineari Sistemi lineari e combinazioni lineari Definizione di spazio vettoriale Ēsercizi consigliati: Geoling 6, Geoling 7 Combinazioni
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di 5 - INTEGRAZIONE NUMERICA Lucio Demeio Dipartimento di Scienze Matematiche 1 Integrazione numerica: formule di Newton-Cotes semplici 2 3 Introduzione
DettagliVettori e geometria analitica in R 3 1 / 25
Vettori e geometria analitica in R 3 1 / 25 Sistemi di riferimento in R 3 e vettori 2 / 25 In fisica, grandezze fondamentali come forze, velocità, campi elettrici e magnetici vengono convenientemente descritte
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di 3 - PROBLEMI DI INTERPOLAZIONE Lucio Demeio Dipartimento di Scienze Matematiche 1 Interpolazione: Polinomio di Lagrange 2 3 Introduzione Problemi di interpolazione
DettagliDefinizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im
APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo
DettagliConversione binario-ottale/esadecimale. Conversione binario-ottale/esadecimale. Rappresentazione di Numeri Interi Positivi (numeri naturali)
Conversione binario-ottale/esadecimale Conversione binario-ottale/esadecimale Nella rappresentazione ottale (B=8) si usano gli 8 simboli,, 2, 3, 4, 5, 6, 7 In quella esadecimale (B=6) i 6 simboli,, 2,
DettagliIntegrazione delle equazioni del moto
Giorgio Pastore - note per il corso di Laboratorio di Calcolo Integrazione delle equazioni del moto In generale, le equazioni del moto della meccanica newtoniana si presentano nella forma di sistemi di
DettagliLezione 5. L equilibrio dei corpi. Lavoro ed energia.
Lezione 5 L equilibrio dei corpi. Lavoro ed energia. Statica E la parte della Meccanica che studia l equilibrio dei corpi. Dai principi della dinamica sappiamo che se su un corpo agiscono delle forze allora
Dettagli0ROWLSOLFD]LRQHH'LYLVLRQH WUDQXPHULUHODWLYL
0ROWLSOLFD]LRQHH'LYLVLRQH WUDQXPHULUHODWLYL Salvatore Orlando & Marta Simeoni Arch. Elab. - S. Orlando 1 0ROWLSOLFD]LRQHWUDQXPHULLQWHUL Oltre ai circuiti per realizzare somme e sottrazioni di interi, è
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliCapitolo 2 Spazi vettoriali
Capitolo 2 Spazi vettoriali Marco Robutti Facoltà di ingegneria Università degli studi di Pavia Anno accademico 2017-2018 Tutorato di geometria e algebra lineare Definizione (Spazio vettoriale) Uno spazio
DettagliIncertezza sperimentale e cifre significative
Incertezza sperimentale e cifre significative q La fisica è una scienza sperimentale e le misure e l incertezza con cui vengono effettuate sono il fulcro di ogni esperimento. q Le misure possono essere
DettagliCodice Gray. (versione Marzo 2007)
Codice Gray (versione Marzo 27) Data una formula booleana con n variabili, per costruire una tavola di verità per questa formula è necessario generare tutte le combinazioni di valori per le n variabili.
DettagliTeoria dell informazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria dell informazione A.A. 2008-09 Alberto Perotti DELEN-DAUIN Modello di sistema di comunicazione Il modello di
DettagliTrasformata wavelet. 1 Introduzione. 2 Filtri wavelet di Daubechies
Trasformata wavelet Introduzione L pari della trasforamta di Fourier veloce (FFT), la trasformata wavelet discreta (DWT) è un operazione veloce e lineare che opera su un vettore di dati di lunghezza pari
DettagliLABORATORIO DI INFORMATICA ESERCITAZIONE VIII
LABORATORIO DI INFORMATICA ESERCITAZIONE VIII Cercate di eseguire gli esercizi da soli. Se non ci riuscite, cercate di capire i messaggi di errore. Se non ci riuscite, provateci di nuovo. Poi chiamate
DettagliCap. 6 - Algebra vettoriale
Capitolo 6 Algebra vettoriale 6.1. Grandezze scalari Si definiscono scalari quelle grandezze fisiche che sono descritte in modo completo da un numero con la relativa unità di misura. La temperatura dell
DettagliIntegrazione delle equazioni del moto
Giorgio Pastore - note per il corso di Laboratorio di Calcolo Integrazione delle equazioni del moto In generale, le equazioni del moto della meccanica newtoniana si presentano nella forma di sistemi di
Dettagli1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano
Geometria e Algebra (II), 11.12.12 1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano P O i vettori ortogonali ad un dato vettore non nullo descrivono una retta per O, e nello
DettagliTrasformazione di Problemi Non Lineari
Capitolo 2 Trasformazione di Problemi Non Lineari 2.1 Trasformazione in problema di PL In questa sezione, verranno presentati tre classi di problemi di programmazione non lineare che, attraverso l uso
DettagliCONVERSIONE ANALOGICO/DIGITALE
CONVERSIONE ANALOGICO/DIGITALE Prof. CAPEZIO Francesco Quest'opera è soggetta alla licenza Creative Commons Attribuzione Non Commerciale Il segnale analogico Un segnale è una variazione nel tempo di una
DettagliDim. Usare la chiusura rispetto al prodotto esterno (vedi appunti lezione o libri di testo).
ESERCIZI PER CASA di GEOMETRIA per il Corso di Laurea di Scienze dei Materiali, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 28 maggio 29 Sottospazi di uno spazio vettoriale, sistemi
DettagliRappresentazione binaria
Rappresentazione binaria Per informazione intendiamo tutto quello che viene manipolato da un calcolatore: numeri (naturali, interi, reali,... ) caratteri immagini suoni programmi... La più piccola unità
DettagliSistemi di numerazione
Sistemi di numerazione Introduzione Un sistema di numerazione è un sistema utilizzato per esprimere i numeri e possibilmente alcune operazioni che si possono effettuare su di essi. Storicamente i sistemi
DettagliDispense del corso di Elettronica L Prof. Guido Masetti
Dispense del corso di Elettronica L Prof. Guido Masetti Teoria dei Segnali e Sistemi 1 Sommario Architettura dei sistemi per l'elaborazione dell'informazione Informazione e segnali Teoria dei segnali Analisi
DettagliRappresentazione binaria
Rappresentazione binaria Per informazione intendiamo tutto quello che viene manipolato da un calcolatore: numeri (naturali, interi, reali,... ) caratteri immagini suoni programmi... La più piccola unità
DettagliElementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 3 - PROBLEMI DI INTERPOLAZIONE Introduzione Problemi di interpolazione Supponiamo di avere un insieme di dati che rappresentano misurazioni
Dettagli1 ANALISI MATEMATICA A - Esercizi della settimana 3
1 ANALISI MATEMATICA A - Esercizi della settimana 3 1.1 Esercizio Una funzione f : R R si dice pari se f (x) = f ( x) per ogni x R; una funzione g : R R si dice dispari se g(x) = g( x) per ogni x R. 1.
DettagliElementi di Teoria dei Sistemi
Parte 2, 1 Elementi di Teoria dei Sistemi Parte 2, 2 Definizione di sistema dinamico Parte 2, 3 Sistema dinamico a tempo continuo Ingresso Uscita Parte 2, 4 Cosa significa Dinamico?? e` univocamente determinata?
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di Analisi Numerica 9 - EQUAZIONI DIFFERENZIALI ORDINARIE Lucio Demeio Dipartimento di Scienze Matematiche 1 Problemi ai Valori Iniziali: metodo di Eulero
DettagliMATRICI E SISTEMI LINEARI
MATRICI E SISTEMI LINEARI - PARTE I - Felice Iavernaro Dipartimento di Matematica Università di Bari 27 Febbraio 2006 Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 1 / 1 Definizione
Dettagli4b.Quantità di moto e urti
4b.Quantità di moto e urti La quantità di moto di un oggetto che possa essere schematizzato come un punto materiale di massa m e di velocità è definita come il prodotto della massa per la velocità del
DettagliARCHITETTURA DEGLI ELABORATORI CLASSE 2 A.A. 2014/15. Docente: Vincenzo Auletta RAPPRESENTAZIONE DELL INFORMAZIONE
ARCHITETTURA DEGLI ELABORATORI CLASSE 2 A.A. 2014/15 Docente: Vincenzo Auletta RAPPRESENTAZIONE DELL INFORMAZIONE COSA È L INFORMAZIONE? 1 L'informazione è la scambio di conoscenza tra due o più persone
DettagliLocalizzazione delle soluzioni di un sistema polinomiale zero-dimensionale in aritmetica esatta
Localizzazione delle soluzioni di un sistema polinomiale zero-dimensionale in aritmetica esatta Candidato: Leonardo Landi Relatore: Prof. Giorgio Ottaviani 22 Luglio 2014 Ideali zero-dimensionali Ideali
DettagliINSIEMI. INSIEME = gruppo di oggetti di tipo qualsiasi detti elementi dell insieme.
INSIEMI INSIEME = gruppo di oggetti di tipo qualsiasi detti elementi dell insieme. Un insieme è definito quando viene dato un criterio non ambiguo che permette di stabilire se l oggetto appartiene o no
DettagliElementi di Teoria dei Sistemi. Definizione di sistema dinamico. Cosa significa Dinamico? Sistema dinamico a tempo continuo
Parte 2, 1 Parte 2, 2 Elementi di Teoria dei Sistemi Definizione di sistema dinamico Parte 2, 3 Sistema dinamico a tempo continuo Cosa significa Dinamico? Parte 2, 4? e` univocamente determinata? Ingresso
DettagliSerie di Fourier. Tra queste funzioni definiamo un prodotto scalare nel seguente modo: date f, g V poniamo f (x) g (x) dx. f (x) [g (x) + h (x)] dx
Serie di Fourier Indichiamo con V l insieme delle funzioni f : R R che siano periodiche di periodo π, si abbia cioè f ( + π) = f (), e che risultino integrabili nell intervallo [, π]. Tra queste funzioni
DettagliModello di sistema di comunicazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria dell informazione A.A. 2006-07 Alberto Perotti DELEN-DAUIN Modello di sistema di comunicazione Il modello di
Dettagli25 - Funzioni di più Variabili Introduzione
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 25 - Funzioni di più Variabili Introduzione Anno Accademico 2013/2014 M. Tumminello
DettagliElettronica II Segnali periodici; serie di Fourier; trasformata di Fourier p. 2
Elettronica II Segnali periodici; serie di Fourier; trasformata di Fourier Valentino Liberali Dipartimento di Tecnologie dell Informazione Università di Milano, 26013 Crema e-mail: liberali@dti.unimi.it
DettagliRichiami sulla rappresentazione dei numeri in una base fissata
Silvia Bonettini - Appunti di Analisi Numerica 1 Richiami sulla rappresentazione dei numeri in una base fissata In questo capitolo si vogliono richiamare i concetti principali riguardanti la reppresentazione
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di Analisi Numerica 9 - EQUAZIONI DIFFERENZIALI ORDINARIE Lucio Demeio Dipartimento di Scienze Matematiche 1 2 3 Problemi ai valori iniziali Problemi ai
DettagliElementi di Teoria dei Sistemi. Sistemi dinamici a tempo discreto
Parte 2, 1 Elementi di Teoria dei Sistemi Sistemi dinamici a tempo discreto Introduzione e motivazione Parte 2, 2 Necessità di introdurre una nuova classe di sistemi dinamici: i sistemi dinamici a tempo
DettagliUn po di Matematica. Il volo dei numeri di Mario Merz, un'installazione luminosa sulla Mole Antonelliana, rappresenta la successione di Fibonacci
Un po di Matematica Il volo dei numeri di Mario Merz, un'installazione luminosa sulla Mole Antonelliana, rappresenta la successione di Fibonacci La successione di Fibonacci è una sequenza di numeri naturali
DettagliRango di una matrice e teorema di Rouché-Capelli
Rango di una matrice e teorema di Rouché-Capelli Sappiamo che a una matrice m n, A, è associata l applicazione lineare L A : R n R m, L A (X) = AX, X R n. Definizione 1. Lo spazio nullo di A, N (A), è
DettagliProgrammazione. Dipartimento di Matematica. Ing. Cristiano Gregnanin. 29 febbraio Corso di laurea in Matematica
Programmazione Dipartimento di Matematica Ing. Cristiano Gregnanin Corso di laurea in Matematica 29 febbraio 2016 1 / 33 INTRODUZIONE AGLI ALGORITMI Prima di riuscire a scrivere un programma, bisogna conoscere
DettagliARITMETICA BINARIA. La somma viene eseguita secondo le regole per la somma di due bit, di seguito riportate:
ARITMETICA BINARIA Le operazioni che possono essere fatte sui numeri binari, sono le stesse che vengono effettuate sui numeri decimali. Due numeri binari possono essere quindi sommati, sottratti, moltiplicati
DettagliEsercitazioni di Algebra e Geometria
Esercitazioni di Algebra e Geometria Anno Accademico 2010 2011 Dott.ssa Elisa Pelizzari e-mail elisa.peli@libero.it Esercitazioni: lunedì 14.30 16.30 venerdì 14.30 16.30 Ricevimento studenti: venerdì 13.30
DettagliIl sistema binario: bit e Byte Codifica del testo Il Byte come U.d.M. dell'informazione Multipli del Byte
Rappresentazione digitale delle informazioni Il sistema binario: bit e Byte Codifica del testo Il Byte come U.d.M. dell'informazione Multipli del Byte Ordini di grandezza Codifica delle immagini Codifica
DettagliSerie e Trasformata di Fourier
Serie e Trasformata di Fourier Corso di Analisi Funzionale Prof. Paolo Nistri Cancelli, D Angelo, Giannetti Polinomio di Fourier Si consideri la successione costituita dalle restrizioni delle funzioni
DettagliGruppi, Anelli, Campi
Gruppi, Anelli, Campi (A1) Chiusura per addizione (A2) Associatività addizione (A3)Elemento neutro addizione (A4)Esistenza inversi additivi Campo (A5) Commutatività addizione (M1) Chiusura per moltiplicazione
DettagliCurve e lunghezza di una curva
Curve e lunghezza di una curva Definizione 1 Si chiama curva il luogo geometrico dello spazio di equazioni parametriche descritto da punto p, chiuso e limitato. Definizione 2 Si dice che il luogo C è una
DettagliMonomi L insieme dei monomi
Monomi 10 10.1 L insieme dei monomi Definizione 10.1. Un espressione letterale in cui numeri e lettere sono legati dalla sola moltiplicazione si chiama monomio. Esempio 10.1. L espressione nelle due variabili
DettagliSpazi vettoriali. Indipendenza lineare.
Spazi vettoriali Indipendenza lineare Nel piano vettoriale G 2, fissato un punto O ed identificati i vettori con i segmenti orientati con origine in O, informalmente si puo dire che che due vettori sono
DettagliDispense del corso di Elettronica L Prof. Guido Masetti
Dispense del corso di Elettronica L Prof. Guido Masetti Teoria dei Segnali e Sistemi Sommario Architettura dei sistemi per l'elaborazione dell'informazione Informazione e segnali Teoria dei segnali Analisi
DettagliInformatica. Ottali ed esadecimali. Numeri naturali binari nei calcolatori 02/03/2007. Introduzione ai sistemi informatici 1
Informatica Pietro Storniolo storniolo@csai.unipa.it http://www.pa.icar.cnr.it/storniolo/info267 Numeri naturali binari nei calcolatori Per la codifica dei numeri naturali (interi positivi) si utilizzano
Dettagli04 - Numeri Complessi
Università degli Studi di Palermo Scuola Politecnica Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 04 - Numeri Complessi Anno Accademico 2015/2016 M. Tumminello,
DettagliParte 1: tipi primitivi e istruzioni C
Parte 1: tipi primitivi e istruzioni C Esercizio 1 Scrivere un programma che stampa la somma di una sequenza di N numeri inseriti dall utente. Esercizio 2 Scrivere un programma che stampa la somma di una
DettagliConversione di base. Conversione decimale binario. Si calcolano i resti delle divisioni per due
Conversione di base Dato N>0 intero convertirlo in base b dividiamo N per b, otteniamo un quoto Q 0 ed un resto R 0 dividiamo Q 0 per b, otteniamo un quoto Q 1 ed un resto R 1 ripetiamo finché Q n < b
DettagliLa lunghezza dei vettori e legata alle operazioni sui vettori nel modo seguente: Consideriamo due vettori v, w e il vettore v + w loro somma.
Matematica II, 20.2.. Lunghezza di un vettore nel piano Consideriamo il piano vettoriale geometrico P O. Scelto un segmento come unita, possiamo parlare di lunghezza di un vettore v P O rispetto a tale
DettagliLezione 5: Applicazioni Lineari. 1 Definizione di applicazione lineare
Lezione 5: Applicazioni Lineari Le applicazioni lineari sono funzioni tra spazi vettoriali che ne rispettano la struttura, cioe che conservano le operazioni di somma tra vettori e moltiplicazione di un
DettagliIntroduzione allo Scilab Parte 4: matrici; esempi.
Introduzione allo Scilab Parte 4: matrici; esempi. Felice Iavernaro Dipartimento di Matematica Università di Bari http://dm.uniba.it/ iavernaro felix@dm.uniba.it 20 Giugno 2007 Felice Iavernaro (Univ.
DettagliLAVORO, POTENZA ED ENERGIA
LAVORO, POTENZA ED ENERGIA Giuseppe Frangiamore con la collaborazione di Leonardo Zaffuto Solitamente si dice di compiere un lavoro ogni volta che si esegue un attività di tipo fisico o mentale. Quando
DettagliRappresentazione delle frazioni proprie Aritmetica in binario Barbara Masucci
Architettura degli Elaboratori Rappresentazione delle frazioni proprie Aritmetica in binario Barbara Masucci Punto della situazione Ø Abbiamo visto Ø ll sistema posizionale pesato, in particolare le rappresentazioni
DettagliMatematica Lezione 7
Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 7 Sonia Cannas 26/10/2018 Vettori: definizione Definizione (Vettore) Sia O un punto fissato del piano. Si definisce vettore applicato
DettagliDon Bosco 2014/15, Classe 3B - Primo compito in classe di Fisica
Don Bosco 014/15, Classe B - Primo compito in classe di Fisica 1. Enuncia il Teorema dell Energia Cinetica. Soluzione. Il lavoro della risultante delle forze agenti su un corpo che si sposta lungo una
DettagliAlgebra matriciale. Un algebra è un sistema di segni in cui sono definite delle operazioni Algebra scalare Algebra dei vettori Algebra matriciale
Algebra matriciale Algebra Un algebra è un sistema di segni in cui sono definite delle operazioni Algebra scalare Algebra dei vettori Algebra matriciale In algebra matriciale un numero è chiamato scalare
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliSistemi e Tecnologie della Comunicazione
Sistemi e Tecnologie della Comunicazione Lezione 5: strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza Rappresentazione spettrale di un segnale Il grafico
DettagliModulo di Fisica (F-N) A.A MECCANICA
Modulo di Fisica (F-N) A.A. 2016-2017 MECCANICA COSA E LA MECCANICA? Studio del MOTO DEI CORPI e delle CAUSE che lo DETERMINANO. COSA E LA MECCANICA? Viene tradizionalmente suddivisa in: CINEMATICA DINAMICA
DettagliMatematica ed Elementi di Statistica. L insieme dei numeri reali
a.a. 2010/11 Laurea triennale in Scienze della Natura Matematica ed Elementi di Statistica L insieme dei numeri reali Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili
Dettagli01CXGBN Trasmissione numerica
0CXGBN rasmissione numerica parte 3: Spazio dei segnali, rappresentazione vettoriale Lo spazio dei segnali Introduciamo una rappresentazione vettoriale dei segnali della costellazione M Serve a semplificare
DettagliFigura 10: Un azione a calcetto...
Lezione 2: I Vettori Abbiamo visto che numeri reali, coppie di numeri reali o terne di numeri reali possono rappresentare geometricamente la posizione di un punto su una retta, nel piano o nello spazio.
DettagliLa compressione video. Analis i in multiris oluzione Wavelet La compres s ione di immag ini C ompres s ione JPEG S tandard MPEG
La compressione video Analis i in multiris oluzione Wavelet La compres s ione di immag ini C ompres s ione JPEG S tandard MPEG Trasformata di Fourier Analisi in frequenza delle immagini 2 Trasformata di
DettagliProva del 3 Marzo, Traccia della soluzione. Problema n. 1
IIASS International Institute for Advanced Scientific Studies Eduardo R. Caianiello Circolo di Matematica e Fisica Dipartimento di Fisica E.R. Caianiello Università di Salerno Premio Eduardo R. Caianiello
Dettagli