Laboratorio di Elaborazione di Dati, Segnali e Immagini Biomediche (Parte 5)
|
|
- Filiberto Volpe
- 7 anni fa
- Visualizzazioni
Transcript
1 Università degli Studi di Padova - Facoltà di Ingegneria Corso di Laurea in Ingegneria Biomedica A.A. 7-8 Laboratorio di Elaborazione di Dati, Segnali e Immagini Biomediche (Parte 5) Prof. Giovanni Sparacino Dipartimento di Ingegneria dell Informazione Università di Padova giovanni.sparacino@unipd.it web: http: Esempio: Si consideri il segnale sotto, riferito ad una frequenza di sampling Fs = 4 ed osservato per secondo Analisi di spettro Dal grafico (dominio del tempo) non si sa che natura attribuire a x(t), mentre dal suo spettro S x (f) (dominio della frequenza), si vede che x(t) non è altro che la somma di due sinusoidi a 5 e Hz immerse in rumore bianco time (seconds) frequency (Hz) x(t) S x (f)
2 Stima dello spettro Si parte dalla definizione di spettro di un segnale continuo, per cui, a meno di un fattore di scala, vale S x (f) X(f) dove X(f) è la trasformata di Fourier del segnale x(t) (si noti che X(f) è una funzione complessa di variabile reale f) Nei casi pratici, la stima dello spettro S x (f) dovrà essere ottenuta a partire da una sequenza di N campioni x n =x(nt s ), n=,, N- del segnale a tempo continuo x(t) (con T s e F s =/T s rispettivamente periodo e frequenza di sampling) Dalla sequenza {x(nt s )}, di lunghezza N, è immediato definire la sequenza di complessi {X(k)}, pure di lunghezza N, della DFT 3 Stima dello spettro: Metodo del Periodogramma Sia {x(), x(), x(),..., x(n-)} la sequenza degli N campioni di x(t), riferiti ad un campionamento con frequenza F s (per semplicità consideriamo N pari) Si calcola la DFT X(k), k=,,...n-, con l algoritmo di FFT, ottenendo così N campioni che attribuisco ad N frequenze equispaziate tra e F s (, Fs/N, Fs/N, 3Fs/N,, (N-)Fs/N) Si considerano quindi i primi N/ campioni della DFT e si calcola la sequenza di campioni della stima dello spettro come S x (k) = X(k) N Si attribuiscono tali N/ campioni dello spettro ad N/ valori di frequenza equispaziati tra e F s / (, Fs/N, Fs/N, 3Fs/N,, (N/-)Fs/N) (assunzione implicita: non c e aliasing) 4
3 Per calcolare la sequenza complessa DFT con l algoritmo di FFT, si applica al vettore x degli N campioni del segnale la function fft() FTx=fft(x) che restituisce in FTx un vettore complesso della stessa lunghezza N di x. Per calcolare il vettore dei moduli si usa il comando abs abs(ftx) Calcolo della DFT in Matlab 5... FTx=fft(x); S=(abs(FTx).^)/N ; f_ft=(:fs/n:fs-fs/n); Calcolo del Periodogramma in Matlab f_ft=f_ft(:n/); %elimino la seconda meta' delle stime S=S(:N/); %elimino la seconda meta' delle stime (assumo N pari) subplot() plot(f_ft,s) axis([, Fs/,, max(abs(s))]) title('densità spettrale di potenza - metodo DFT') xlabel('frequenza (Hz)') 6
4 Esercizio 5. (scaricare dati.zip e scompattarlo nella cartella di lavoro) Considerare il segnale contenuto nel file dati.mat. Farne un plot ed un analisi a vista. Da cosa sembra costituito il segnale? Passare poi all analisi nel dominio della frequenza, articolata nei seguenti passi: a) Stimare, servendosi dell istruzione fft(), la spettro del segnale b) Plottare sulla stessa finestra grafica il segnale nel dominio del tempo, nel subplot (3,,), e lo spettro fra e Fs/, nel subplot(3,,) c) Provare ad interpretare lo spettro. Da cosa sembra costituito il segnale? d) Nel subplot (3,,3) plottare lo spettro, mediante semilogy (vd help), su scala semilogaritmica e riporsi la domanda c) 7 segnale tempo (sec) 5 densità spettrale di potenza - metodo DFT frequenza (Hz) densità spettrale di potenza - metodo DFT - semilogy frequenza (Hz) 8
5 La stima dello spettro non è sempre così chiara Problemi: Problemi del Periodogramma pochi campioni del segnale pochi campioni dello spettro segnale troncato distorsione nello spettro (leakage) Di seguito toccheremo con mano il primo problema nell es.5., per il quale un rimedio (solo cosmetico perché non aumenta l informazione) è quello dello ZERO-PADDING (es. 5.3, in cui vedremo anche chiaramente evidenziarsi l errore di leakage) 9 Caso fortunato: tanti dati (N grande) e finestra di osservazione lunga (poco leakage) stima dello spettro buona 5 segnale tempo(sec) densità spettrale di potenza - metodo DFT frequenza (Hz)
6 Esercizio 5. (influenza dell intervallo di osservazione) Considerare un segnale sinusoidale a tempo continuo x(t)=sin(πf t) dove la frequenza è f =/6 Hz, corrispondente ad un periodo T =6s a) Disegnare mentalmente lo spettro del segnale Considerare la sequenza di campioni x(nt s ), n=,, N-, riferita ad un periodo di sampling T s =. Per ogni un periodo di ripetizione del segnale x(t) sono quindi raccolti 6 campioni b) Si considerino i casi in cui N vale 6, 3, 8, 3, 8, corrispondenti a,, 8,, 8 periodi completi di campionamento. Per ciascuna durata del campionamento stimare lo spettro, plottarlo fra e Fs/, e confrontarlo con quanto atteso dal punto a) influenza dell intervallo leakzp(6,,) di osservazione sinusoide frequenza.65, periodo 6, Tc=, osservata su periodi Spettro tramite periodogramma spettro dopo padding di zeri
7 leakzp(6,,) influenza dell intervallo di osservazione sinusoide frequenza.65, periodo 6, Tc=, osservata su periodi Spettro tramite periodogramma spettro dopo padding di zeri influenza dell intervallo di osservazione leakzp(6,8,) sinusoide frequenza.65, periodo 6, Tc=, osservata su 8 periodi Spettro tramite periodogramma spettro dopo padding di zeri
8 influenza dell intervallo leakzp(6,,) di osservazione sinusoide frequenza.65, periodo 6, Tc=, osservata su periodi Spettro tramite periodogramma spettro dopo padding di zeri influenza dell intervallo leakzp(6,8,) di osservazione sinusoide frequenza.65, periodo 6, Tc=, osservata su 8 periodi Spettro tramite periodogramma spettro dopo padding di zeri
9 Esercizio 5.3 (zero padding) Si riconsideri l esercizio 5. e si fissi N=3. Ricordato che in Matlab è possibile nella DFT introdurre zero-padding con l istruzione DFTx=fft(x, Nzp) (con Nzp>N, dove N è la durata di x) si stimi lo spettro con Nzp=64, 8, 56, 5 e confrontare con quanto si trovava senza zero-padding (plottare sempre lo spettro fra e Fs/) 7 Spettro senza zero-padding leakzp(6,,) sinusoide frequenza.65, periodo 6, Tc=, osservata su periodi spettro dopo padding di zeri Spettro rozzo (6 campioni in -.5Hz) Se faccio zero-padding 8
10 Spettro con zero-padding (Nzp=5) sinusoide frequenza.65, periodo 6, Tc=, osservata su periodi spettro dopo padding di 48 zeri Spettro smoothed (56 campioni in -.5Hz) Vedo comparire il sinc() (si apprezza 9 il leakage) Fs=; Ts=/Fs; T=6; np=; N=np*T; Nzp=N t=ts*(::n-)'; x=sin(*pi*t/t); subplot() stem(t,x) xlabel('tempo(sec)') title('segnale') FTx=fft(x,Nzp); S=(abs(FTx).^)/N; f_ft=(:fs/nzp:fs-fs/nzp); f_ft=f_ft(:nzp/); %elimino la seconda meta' delle stime S=S(:Nzp/); %elimino la seconda meta' delle stime subplot() plot(f_ft,s) axis([, Fs/,, max(abs(s))]) title('densità spettrale di potenza - metodo DFT') xlabel('frequenza (Hz)')
11 Esercizio 5.4 (per casa) Considerare il segnale contenuto nel file vag.dat (campionamento KHz). Farne un plot ed un analisi a vista. Passare poi alla analisi nel dominio della frequenza, articolata nei seguenti passi: Stimare, servendosi dell istruzione fft(), la densità spettrale di potenza del segnale Plottare sulla stessa finestra grafica a quattro riquadri il segnale nel dominio del tempo (nel riquadro ) e lo spettro (riquadro ) fra e Fs/ su scala semi-logaritmica per le ordinate. Servendosi delle istruzioni ellipord ed ellip, progettare un filtro passabasso ellittico, di ordine ottimo, con ripple in banda passante (< Hz) pari a.95 (su scala lineare) e attenuazione in banda oscura (>5 Hz) di almeno 9dB. Applicare il filtro al segnale e plottare il segnale filtrato nel terzo riquadro (NB: usare prima filter, poi rifare usando filtfilt). Ricalcolare lo spettro per il segnale filtrato e plottarlo nel quarto riquadro. Plottare la risposta in frequenza del filtro in figura Confrontare spettri e risposta in frequenza del filtro close all clear all load('vag.dat') Fs=; Wp=; Ws=5; Rp=-*log(.95); Rs=-*log(.); [N, Wn] = ellipord(wp/(fs/), Ws/(Fs/), Rp, Rs); [B,A] = ellip(n,rp,rs,wn); [H,f]=freqz(B,A,4, Fs); figure() plot(f,abs(h)) axis([ Fs/ max((abs(h)))]) x=vag; xf=filtfilt(b,a,x); Ts=/Fs; N=length(x); t=ts*(::n-)'; figure() subplot(4) plot(t,x) xlabel('tempo(sec)') title('segnale originale') subplot(4) plot(t,xf) xlabel('tempo(sec)') title('segnale filtrato') FTx=fft(x); S=(abs(FTx).^)/N ; f_ft=(:fs/n:fs-fs/n); f_ft=f_ft(:n/); %elimino la seconda meta' delle stime S=S(:N/); %elimino la seconda meta' delle stime FTxf=fft(xf); Sf=(abs(FTxf).^)/N ; Sf=Sf(:N/); %elimino la seconda meta' delle stime subplot(43) semilogy(f_ft,s) axis([, Fs/,, max(abs(s))]) title('densità spettrale di potenza - segnale originale') xlabel('frequenza (Hz)') subplot(44) semilogy(f_ft,sf) axis([, Fs/,, max(abs(s))]) title('densità spettrale di potenza - segnale filtrato ') xlabel('frequenza (Hz)')
12 segnale originale segnale filtrato tempo(sec) tempo(sec).5. densità spettrale.5di potenza -. segnale originale densità 3 spettrale 4 di potenza 5 - segnale 6 filtrato frequenza (Hz) frequenza (Hz)
Trasformata 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
DettagliEsercizio 1 (12 punti) Si consideri il segnale s(t) in figura e se ne calcoli la Trasformata Continua di Fourier. A vale 2 V e T è paria a 1 s.
ASB 17/01/12 (270) Esercizio 1 (12 punti) Si consideri il segnale s(t) in figura e se ne calcoli la Trasformata Continua di Fourier. A vale 2 V e T è paria a 1 s. A 0 T 2T 3T t - A Si consideri il segnale
DettagliFONDAMENTI DI SEGNALI E TRASMISSIONE 5 Laboratorio
FONDAMENTI DI SEGNALI E TRASMISSIONE 5 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it MATLAB: generazione di numeri casuali Il comando che permette di generare una matrice (n r,n c ) composta da
DettagliINFORMATICA SANITARIA (Esercitazione sulla Compressione)
Università degli Studi di Padova Corso di Laurea Specialistica in Bioingegneria A.A. 26-27 27 INFORMATICA SANITARIA (Esercitazione sulla Compressione) Giovanni Sparacino Dipartimento di Ingegneria dell
Dettagli( e j2! ft! 0.9 j) ( e j2! ft j)
Esercitazione Filtri IIR Si consideri il filtro dato dalla seguente equazione alle differenze y[n]+0.81y[n-2]=x[n]-x[n-2] - Determinare la funzione di trasferimento del filtro Eseguendo la Trasformata
DettagliCorso di Elaborazione Numerica dei Segnali Esame del 7 Luglio 2004
Corso di Elaborazione Numerica dei Segnali Esame del 7 Luglio TOTALE PUNTI: L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello di preparazione
DettagliFONDAMENTI DI SEGNALI E TRASMISSIONE 4 Laboratorio
FONDAMENTI DI SEGNALI E TRASMISSIONE 4 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it Campionamento di segnali In MATLAB, qualunque segnale continuo è approssimato da una sequenza campionata. Si
DettagliLaboratorio di Elaborazione di Dati, Segnali e Immagini Biomediche (Parte 4)
Università degli Studi di Padova - Facoltà di Ingegneria Corso di Laurea in Ingegneria Biomedica A.A. 7-8 Laboratorio di Elaborazione di Dati, Segnali e Immagini Biomediche (Parte ) Prof. Giovanni Sparacino
DettagliRICHIAMI SU PROCESSI ALEATORI E DENSITÀ SPETTRALE DI POTENZA
RICHIAMI SU PROCESSI ALEATORI E DENSITÀ SPETTRALE DI POTENZA Paolo Bestagini Ph.D. Student bestagini@elet.polimi.it http://home.deib.polimi.it/bestagini Sommario 2 Segnali deterministici Continui Discreti
DettagliTrasformata Discreta di Fourier (DFT)
Trasformata Discreta di Fourier (DFT) Con dati discreti, usare finestre temporali significa prendere in considerazione un certo numero di campioni che cadono all interno della finestra. Potremo quindi
DettagliFONDAMENTI DI SEGNALI E TRASMISSIONE 4 Laboratorio
FONDAMENTI DI SEGNALI E TRASMISSIONE 4 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it MATLAB: generazione di numeri casuali Il comando che permette di generare una matrice (n r,n c ) composta da
DettagliSEGNALI STAZIONARI: ANALISI SPETTRALE
SEGNALI STAZIONARI: ANALISI SPETTRALE Analisi spettrale: rappresentazione delle componenti in frequenza di un segnale (ampiezza vs. frequenza). Fornisce maggiori dettagli rispetto all analisi temporale
Dettagli( e j2π ft 0.9 j) ( e j2π ft j)
Esercitazione Filtri IIR Es. 1. Si consideri il filtro dato dalla seguente equazione alle differenze y[n]+0.81y[n-2]=x[n]-x[n-2] - Determinare la funzione di trasferimento del filtro Eseguendo la Trasformata
DettagliCampionamento e quantizzazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Campionamento e quantizzazione A.A. 2008-09 Alberto Perotti DELEN-DAUIN Conversione analogico-digitale L elaborazione
DettagliLaboratorio II, modulo Segnali a tempo discreto (cfr.
Laboratorio II, modulo 2 2012017 Segnali a tempo discreto (cfr. http://wpage.unina.it/verdoliv/tds/appunti/appunti_04.pdf e http://wpage.unina.it/verdoliv/tds/appunti/appunti_0.pdf Luise, Vitetta, D Amico
Dettagli6 dbm, mentre il secondo ha una potenza di 3 dbm. Quale sarà la
DECIBEL, FILTRAGGIO, PROCESSI Esercizio 9 (sui decibel) Un segnale con potenza media di 0 dbm viene amplificato attraverso un dispositivo elettronico la cui H(f) è costante per ogni frequenza e pari a
DettagliUNIVERSITÀ DI PISA Corso di Laurea in Scienze Motorie. Tecnologie e strumentazione biomedica. Accenni sulla Trasformata di Fourier.
UNIVERSITÀ DI PISA Corso di Laurea in Scienze Motorie Tecnologie e strumentazione biomedica Accenni sulla Trasformata di Fourier Alberto Macerata Dipartimento di Ingegneria dell Informazione Fourier (1768-183)
DettagliAnalisi dei segnali nel dominio delle frequenze 21/12/2006 11/01/2007
Analisi dei segnali nel dominio delle frequenze 2/2/26 //27 INDICE 2 Indice Esercizio Serie di Fourier 3 2 Trasformata di Fourier 3 3 Esercizio Trasformata di Fourier 6 4 Note: finestratura 9 5 Note: averaging
DettagliMASB AA10/11 21/01/11 test #1 1
MASB 0/06/11 AA010011test #1. Esercizio 1. Illustrare lo schema generale di un apparecchiatura per l acquisizione di segnali spontanei, descrivendo brevemente i diversi componenti. Fornire una descrizione
DettagliConversione analogico-digitale
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Campionamento e quantizzazione A.A. 2004-05 Alberto Perotti DELEN-DAUIN Conversione analogico-digitale L elaborazione
Dettagli1 = Processi Autoregressivi AR(1) Filtro IIR di ordine 1. (WGN White Gaussian Noise) Eq. alle differenze ricorsiva. w=randn(n,1) MATLAB:
Processi Autoregressivi AR(1) Filtro IIR di ordine 1 Wn [ ] hn [ ] X[ n] = ρ X[ n 1] + W[ n] (WGN White Gaussian Noise) w=randn(n,1) Eq. alle differenze ricorsiva MATLAB: n hn [ ] = ρ un [ ] y=filter(b,a,x)
DettagliElenco dei simboli 9. Prefazione 10
Indice Elenco dei simboli 9 Prefazione 10 1 Analisi nel dominio del tempo 11 1.1 Segnali tempo discreto... 11 1.1.1 Segnali notevoli tempo discreto... 13 1.1.2 Alcuni criteri di classificazione di segnali
DettagliAcquisizione ed elaborazione di segnali
UNIVERSITÀ DI PISA Corso di Laurea in Scienze Motorie Tecnologie e strumentazione biomedica Elaborazione di segnali Alberto Macerata Dipartimento di Ingegneria dell Informazione Acquisizione ed elaborazione
DettagliIn realtà i segnali con i quali dobbiamo confrontarci più frequentemente sono limitati nel tempo
Segnali trattati sino ad ora: continui, durata infinita,.. Su essi sono stati sviluppati strumenti per analizzare output di circuiti e caratteristiche del segnale: Risposta all impulso, prodotto di convoluzione,
DettagliFondamenti di Segnali e Trasmissione Quarto laboratorio
Fondamenti di Segnali e Trasmissione Quarto laboratorio MATLAB: generazione di numeri casuali Il comando che permette di generare una matrice (nr,nc) composta da numeri casuali, con distribuzione di probabilità
DettagliLaboratorio 4 G. Bernasconi,
Laboratorio 4 G. Bernasconi, bernasco@elet.polimi.it Crosscorrelazione e Autocorrelazione (filtro adattato) La funzione crosscorrelazione tra due segnali continui x(t) ed y(t) è definita come: + R xy (
DettagliCAPITOLO 2: Algoritmo Fast Fourier Transform (FFT)
CAPITOLO : Algoritmo Fast Fourier Transform () L algoritmo (Fast Fourier Transform) è decisamente uno dei più utilizzati all interno dell elaborazione dei segnali digitali. Il suo scopo è quello di calcolare
DettagliUnità di misura nell analisi del segnale G. D Elia. Sezione1
Unità di misura nell analisi del segnale G. D Elia Sezione1 La Serie di Fourier Si consideri una funzione x(t) periodica di periodo T = π/ω. Se sono soddisfatte opportune condizioni (condizioni di Direchlet):
Dettaglimeccanica delle vibrazioni laurea magistrale ingegneria meccanica parte 7 analisi del segnale addendum1 FFT
meccanica delle vibrazioni laurea magistrale ingegneria meccanica!! parte 7 analisi del segnale addendum1 FFT Analisi del segnale - trasformata di Fourier Supponiamo di avere un segnale del tempo campionato
DettagliFONDAMENTI DI INFORMATICA
FONDAMENTI DI INFORMATICA CENNI ELEMENTARI AL TEOREMA DEL CAMPIONAMENTO E SPETTRO DI UN SEGNALE Prof. Alfredo Accattatis Fondamenti di Informatica - Alfredo Accattatis 2 Vi ricordate la slide introdotta
DettagliElaborazione numerica dei segnali
POLITECNICO DI TORINO Elaborazione numerica dei segnali Progetto di un filtro FIR Fiandrino Claudio Matricola: 138436 18 giugno 21 Relazione sul progetto di un filtro FIR Descrizione del progetto L obbiettivo
DettagliAnalisi di segnali in SciPy
Analisi di segnali in SciPy Marco D. Santambrogio marco.santambrogio@polimi.it Luca Cerina luca.cerina@mail.polimi.it Emanuele Del Sozzo emanuele.delsozzo@polimi.it Lorenzo Di Tucci lorenzo.ditucci@mail.polimi.it
DettagliEsercitazione ENS sulle finestre (22 Aprile 2008)
Esercitazione ENS sulle finestre ( Aprile 008) D. Donno Esercizio : Separazione di due segnali Si consideri un segnale z(t) somma di due segnali x(t) e y(t) reali e di potenza simile, ciascuno con semi
Dettagli( ) ( ) = ( )* ( ) Z f X f Y f. sin 2 f. 0 altrove. Esempio di Modulazione
Esempio di Modulazione z ( t) = x( t) y ( t) dove x( t ) e y () t ammetto trasformata di Fourier X ( f ) e Y ( f ) Per z ( t ) si ha (convoluzione degli spettri): Ad esempio se: ( ) = sin( 2π f t) x t
DettagliLaboratorio di Elaborazione di Immagini. Esercitazione 2: TRASFORMATA DI FOURIER
Laboratorio di Elaborazione di Immagini Esercitazione 2: TRASFORMATA DI FOURIER Serie di Fourier Fourier ebbe la brillante idea di rappresentare funzioni continue e periodiche come una sommatoria di funzioni
DettagliAnalisi dei sistemi nel dominio del tempo
Laboratorio di Telecomunicazioni - a.a. 2010/2011 Lezione n. 4 Analisi dei sistemi nel dominio del tempo L.Verdoliva In questa terza lezione ci occuperemo dell elaborazione di segnali tempo discreto mediante
DettagliProva di AUTOVALUTAZIONE (novembre 2009). nota: l esame ha validità solo se incluso nel piano degli studi per l anno accademico corrente.
UNIVERSITA DEGLI STUDI ROMA TRE CdS in Ingegneria Informatica corso di FONDAMENTI DI TELECOMUNICAZIONI Prova di AUTOVALUTAZIONE (novembre 2009). COMPITO A nota: l esame ha validità solo se incluso nel
DettagliTeoria dei Segnali Discrete Fourier Transform (DFT) e Fast Fourier Transform (FFT); filtri tempo-continui
Teoria dei Segnali Discrete Fourier Transform (DFT) e Fast Fourier Transform (FFT); filtri tempo-continui Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it
DettagliCircuiti a tempo discreto Raffaele Parisi
Università di Roma La Sapienza Laurea specialistica in Ingegneria Elettronica Circuiti a tempo discreto Raffaele Parisi : Risposta in frequenza dei circuiti TD Rappresentazione nel dominio della frequenza,
DettagliCorso di Fondamenti di Segnali e Trasmissione - Recupero del 10 Settembre 2004
Corso di Fondamenti di Segnali e Trasmissione - Recupero del 10 Settembre 2004 Gli esercizi devono essere risolti solo sui ogli dei colori indicati. Per esiti e soluzioni si veda il sito web del corso:
DettagliMASB AA10/11 21/01/11 test #1 1
MASB 20/06/11 AA20102011test #1. Esercizio 1. Illustrare lo schema generale di un apparecchiatura per l acquisizione di segnali spontanei, descrivendo brevemente i diversi componenti. Fornire una descrizione
DettagliCorso di Elaborazione Numerica dei Segnali Esame del 30 settembre 2005
Corso di Elaborazione Numerica dei Segnali Esame del 30 settembre 005 TOTALE PUNTI: 44 L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello
DettagliESERCIZIO SUL CAMPIONAMENTO
ESERCIZIO SUL CAMPIONAMENTO Questo esercizio ha lo scopo di verificare praticamente, mediante simulazione, le proprietà frequenziali dei segnali campionati. Si consideri il segnale x() t = sin ( 2πt )
DettagliNella modulazione di ampiezza, si trasmette il segnale. v R (t) = (V 0 + k I x(t)) cos (2πf 0 t).
Cenni alla Modulazione di Ampiezza (AM) Nella modulazione di ampiezza, si trasmette il segnale v(t) = (V 0 + k I x(t)) cos (πf 0 t), dove x(t) è il segnale di informazione, con banda B, e f 0 è la frequenza
DettagliFondamenti di Elaborazione Numerica dei Segnali Anno Accademico Primo Appello 26/2/2015
Fondamenti di Elaborazione Numerica dei Segnali Anno Accademico 204-205 Primo Appello 26/2/205 Quesiti relativi alla prima parte del corso (tempo max. 90 min). Calcolare: la trasformata z di x(n) = ( )
DettagliSpettri e banda passante
Banda passante - 1 Corso di Laurea in Ingegneria Meccanica Spettri e banda passante DEIS-Università di Bologna Tel. 51 2932 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi Esempio: Altoparlante
DettagliFrequenza: Hertz e Ordini 1
Frequenza: Hertz e Ordini qi segnali vanno preparati ai ini delle elaborazioni successive. q Siamo nella ase di conversione del segnale analogico in un segnale digitale. q Il processo di digitalizzazione
DettagliFondamenti di elaborazione numerica dei segnali
Esercizi per la I prova in itinere del corso: Fondamenti di elaborazione numerica dei segnali. Trasformata z di una sequenza illimitata causale Si consideri la sequenza causale ) 3 n x n = e i π 3 n, n
DettagliLaboratorio di Matematica Computazionale A.A Lab. 4
Laboratorio di Matematica Computazionale A.A. 2008-2009 Lab. 4 Complementi di Grafica 2D: Sottofinestre In Matlab si possono disegnare più grafici nella stessa finestra, suddividendola in sottofinestre
DettagliANALISI SPETTRALE NUMERICA (Aspetti di misura)
ANALISI SPETTRALE NUMERICA (Aspetti di misura) ARGOMENTI Problemi di misura con la FFT Aliasing Spectral leakage (dispersione spettrale) Funzioni finestra Uso e importanza Caratteristiche Ricadute positive
Dettagli) $ ' con T0=5s e T=2s. La funzione deve essere
Metodi per l Analisi dei Segnali Biomedici. Esercitazioni AA 2010/2011 Esercitazione 11/03/2011 " t!t es_1.1. Disegnare la funzione rect 0 % $ ' con T0=5s e T=2s. La funzione deve essere calcolata # T
DettagliEsercitazione ENS su periodogramma (27 e 28 Maggio 2008) Esercizio 1: Autocorrelazione e stima della densità spettrale di potenza
sercitazione S su periodogramma (7 e 8 Maggio 008 D. Donno sercizio : Autocorrelazione e stima della densità spettrale di potenza Si consideri la sequenza x n di lunghezza = 8 campioni. x n è somma di
DettagliAnalisi spettrale del rumore di fase
5 Analisi spettrale del rumore di fase In questo capitolo verranno illustrati i due metodi di analisi spettrale utilizzati per valutare la potenza del rumore da cui è affetta la portante sinusoidale. Come
DettagliMATLAB-SIMULINK. Simulink. Simulazione di un filtro passabasso RC. Ing. Alessandro Pisano.
1 MATLAB-SIMULINK Simulink Simulazione di un filtro passabasso RC Ing. Alessandro Pisano pisano@diee.unica.it 2 Filtro passa-basso RC V in + V out Ingredienti Simulink Esecuzione automatica dei modelli
DettagliCorso di Fondamenti di Segnali e Trasmissione - Esame del 21 Febbraio 2006
Corso di Fondamenti di Segnali e Trasmissione - Esame del Febbraio 006 Gli esercizi devono essere risolti solo sui ogli dei colori indicati. Per esiti e soluzioni si veda il sito web del corso: http://www.elet.polimi.polimi.it/dsp/courses/st.
DettagliXIV esercitazione. Corso di Laurea in Informatica Calcolo Scientifico II a.a. 07/08
XIV esercitazione In molti problemi è richiesto il calcolo di combinazioni lineari di esponenziali, ovvero somme del tipo: S j = k I i = x k e - i jk con I sottinsieme finito di numeri naturali x k C (vettore
DettagliANALISI DI FOURIER. Segnali a Tempo Discreto:
ANALISI DI FOURIER Segnali a Tempo Discreto: - - Sequenza periodica - Taratura degli assi frequenziali - TDF di una sequenza finita - Campionamento in Frequenza Serie discreta di Fourier Consideriamo una
DettagliSpettri e banda passante
Banda passante - Corso di Laurea in Ingegneria Meccanica Controlli Automatici L Spettri e banda passante DEIS-Università di Bologna Tel. 5 2932 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi
DettagliII Lezione: Uso della DFT e FFT
II Lezione: Uso della DFT e FFT In questa lezione vengono proposti alcuni semplici esercizi riguardanti l uso della FFT per il calcolo della trasformata di Fourier di segnali a tempo discreto e a tempo
DettagliFONDAMENTI DI SEGNALI E TRASMISSIONE 2 Laboratorio
FONDAMENTI DI SEGNALI E TRASMISSIONE 2 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it MATLAB: linguaggio di programmazione L ambiente MATLAB possiede un completo linguaggio di programmazione. Vediamo
DettagliMASB AA10/11 21/01/11 test #1 1
MASB 20/06/11 AA20102011test #1. Esercizio 1. Illustrare lo schema generale di un apparecchiatura per l acquisizione di segnali spontanei, descrivendo brevemente i diversi componenti. Fornire una descrizione
DettagliFENS- ENS esame del 24 febbraio 2006
FENS- ENS esame del 24 febbraio 26 L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello di preparazione globale. I calcoli devono essere
DettagliInterpolazione. Lucia Gastaldi. DICATAM - Sez. di Matematica,
Interpolazione Lucia Gastaldi DICATAM - Sez. di Matematica, http://www.ing.unibs.it/gastaldi/ Indice 1 Interpolazione 2 Interpolazione polinomiale Polinomi Valutazione di un polinomio Algoritmo di Horner
DettagliAnalisi armonica su dati campionati
Sistemi di misura digitali Analisi armonica su dati campionati - 1 Analisi armonica su dati campionati 1 - Troncamento del segnale Distorsione di leakage L analisi di Fourier è un metodo ben noto per ottenere
DettagliRichiami teorici sull analisi del segnale
7 6 5 4 3 2 9 8 7 6 5 4 3 2 Richiami teorici sull analisi del segnale Trasformata discreta di Fourier DFT viene impiegata per analizzare segnali discreti (tipicamente provenienti da un operazione di campionamento)
DettagliDFT con arduino. Laboratorio di Segnali e Sistemi. - Esercitazione -9 - Claudio Luci. Claudio Luci Laboratorio di Segnali e Sistemi Capitolo 9 1
Laboratorio di Segnali e Sistemi DFT con arduino - Esercitazione -9 - Claudio Luci last update : 070117 Claudio Luci Laboratorio di Segnali e Sistemi Capitolo 9 1 Click Scopo to edit dell esercitazione
DettagliFiltro Rumore. Generare un segnale, introdurre un rumore, utilizzare la DFT e la IDFT per eliminare il rumore e ottenere il segnale pulito.
1. DESCRIZIONE DEL PROBLEMA "Filtro rumore" Generare un segnale, introdurre un rumore, utilizzare la DFT e la IDFT per eliminare il rumore e ottenere il segnale pulito. 2. DESCRIZIONE DELL ALGORITMO L
DettagliElaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. I suoni Rappresentazione digitale
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Anno Accademico 2008/2009 Docente: ing. Salvatore
DettagliProve d esame Esercizi con Matlab
Prove d esame Esercizi con Matlab Andrea Corli 16 settembre 2015 Sono qui raccolti alcuni esercizi relativi a Matlab assegnati nelle prove d esame (dal 2011 al 2014) del Corso di Analisi Matematica I (semestrale,
Dettaglik= + M T h(kt ) = + (3)
III Lezione: Filtri numerici In questa sezione, considereremo soprattutto alcuni esercizi relativi al filtraggio dei segnali. L attenzione verrà posta al filtraggio dei segnali a tempo discreto, e si supporrà
DettagliEquazioni e sistemi non lineari
Equazioni e sistemi non lineari Lucia Gastaldi DICATAM - Sezione di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Ricerca degli zeri di una funzione Problema e definizioni Metodo di Newton-Raphson
DettagliCAMPIONAMENTO E RICOSTRUZIONE. Y(f) Y(f-15) Y(f+15) f[hz] Yc(f) Y(f) Y(f-17.5) Y(f+17.5) Yc(f) Esercizio 1
CAMPIONAMENTO E RICOSTRUZIONE Esercizio 1 Dato il segnale y(t), con trasformata di Fourier Y(f) rappresentata in figura, rappresentare lo spettro del segnale ottenuto campionando idealmente y(t) con a)
DettagliCorso di Fondamenti di Segnali e Trasmissione - Esame del 7 Febbraio 2006
Corso di Fondamenti di Segnali e Trasmissione - Esame del 7 Febbraio 6 Gli esercizi devono essere risolti solo sui ogli dei colori indicati. Per esiti e soluzioni si veda il sito web del corso: http://www.elet.polimi.polimi.it/dsp/courses/st.
DettagliElaborazioni nel dominio della frequenza
Elaborazione di Segnali Multimediali a.a. 2017/2018 Elaborazioni nel dominio della frequenza L.Verdoliva In questa esercitazione elaboreremo le immagini nel dominio della frequenza, in particolare realizzeremo
DettagliElaborazione nel dominio della frequenza Soluzioni
Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazione nel dominio della frequenza Soluzioni 1 La trasformata discreta 1D Calcoliamo lo spettro di x(n) = R L (n) al variare di L = 2, 10, 20,
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
DettagliIndice. Introduzione al problema dell acquisizione e dell analisi dei dati: definizione dei termini
Indice Cap. 1 Introduzione al problema dell acquisizione e dell analisi dei dati: definizione dei termini 1.1 Introduzione pag. 1 1.2 Il processo di misura e il livello dei modelli 9 1.3 Segnali deterministici
DettagliTrasformata di fourier
Trasformata di fourier DT=.1; % periodo di campionamento [s] Nd=32; nd=0:nd-1; Td=Nd*DT; Fd=1/Td; % numero di campioni % variabile d'appoggio per ascisse plot % lunghezza segnale in secondi % passo di
DettagliElementi di. Applicazioni in Acustica. Introduzione
Elementi di Analisi dei segnali Applicazioni in Acustica Paolo Bonfiglio Introduzione Perché è importante l Analisi dei Segnali? Indice Classificazione dei segnali Analisi nel dominio del tempo Analisi
DettagliAppunti Esercitazioni per il corso di Telecomunicazioni Stefano Savazzi
Appunti Esercitazioni per il corso di Telecomunicazioni Stefano Savazzi Parte 1 Trasformata discreta di Fourier - DFT per segnali sinusoidali Si calcoli la trasformata discreta di Fourier (DFT) dei primi
DettagliLezione 5, 5/11/2014
Lezione 5, 5/11/2014 Elena Gaburro, elenagaburro@gmail.com 1 Ordine di convergenza di un metodo Definizione 1.1. Sia {x k } una successione convergente ad α. Consideriamo l errore assoluto in modulo al
DettagliCorso di Fondamenti di Telecomunicazioni Esercizi Teoria dei segnali Prof. Giovanni Schembra
Corso di Fondamenti di Telecomunicazioni Esercizi Teoria dei segnali Prof. Giovanni Schembra Sommario CARATTERISTICHE DEI SEGNALI DETERMINATI.... ESERCIZIO.... ESERCIZIO... 5.3 ESERCIZIO 3 CONVOLUZIONE...
DettagliSEZIONE 1. Trasformata Discreta di Fourier
TECNICHE DI ANALISI DEL SEGNALE: IMPLEMENTAZIONE IN AMBIENTE MATLAB G. D Elia SEZIONE 1 La trasformata discreta di Fourier (DFT) é: X(k) = 1 N N 1 n=0 Trasformata Discreta di Fourier x(n)e j2π k N n (1)
DettagliMASB AA10/11 21/01/11 test #1 1
MASB 20/06/11 AA20102011test #1. Esercizio 1. Illustrare lo schema generale di un apparecchiatura per l acquisizione di segnali spontanei, descrivendo brevemente i diversi componenti. Fornire una descrizione
DettagliConversione analogico-digitale
Conversione analogico-digitale Vantaggi dell'elaborazione digitale: -Minore sensibilità ai disturbi- bassa incertezza con costi relativamente contenuti-maggiore versatilità-compatibilità intrinseca con
DettagliCorso di Laurea in Ingegneria Informatica (Laurea on Line)
Milano 30/11/07 Corso di Laurea in Ingegneria Informatica (Laurea on Line) Corso di Fondamenti di Segnali e Trasmissione Prima prova Intermedia Carissimi studenti, scopo di questa prima prova intermedia
DettagliElementi di informatica musicale Conservatorio G. Tartini a.a Sintesi del suono. Sintesi del suono
Elementi di informatica musicale Conservatorio G. Tartini a.a. 2001-2002 Sintesi del suono Ing. Antonio Rodà Sintesi del suono E neccessaria una tecnica di sintesi, ossia un particolare procedimento per
DettagliCorso di Comunicazioni Elettriche - a.a Università di Udine Prof. R. Rinaldo
Corso di Comunicazioni Elettriche - a.a. 2003-2004 - Università di Udine Prof. R. Rinaldo 1 Esercizi al calcolatore proposti Questa raccolta contiene una serie di esercizi proposti che possono essere agevolmente
DettagliEsercitazione: Valutazione delle Vibrazioni - ponderazione UNI 9614
Laboratorio di Misura delle Vibrazioni Anno Accademico 2018-19 Esercitazione: Valutazione delle Vibrazioni - ponderazione UNI 9614 Lo scopo di questa esercitazione è quello di valutare il livello di una
DettagliEquazioni e sistemi non lineari
Equazioni e sistemi non lineari Lucia Gastaldi DICATAM - Sezione di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Ricerca degli zeri di una funzione Problema e definizioni Metodo di Newton-Raphson
DettagliPRBS. Pseudo Random Binary Sequence
PRBS Pseudo Random Binary Sequence MARTINA FAVARO Dipartimento di Ingegneria dell Informazione, Università di Padova Lezione n.2 Che cosa é una PRBS? É noto che il segnale di input in un processo di identificazione
DettagliEsercitazioni ENS del 10-12/06/2008
Esercitazioni ENS del 10-12/06/2008 M. Nicoli 1 Periodogramma: esempi in Matlab Data una sequenza x n di N campioni, suddivisa in L sottosequenze x ( ) n (con o senza sovrapposizioni) ognuna di M campioni,
DettagliMonitoraggio e diagnostica dei sistemi meccanici. Gianluca D Elia
Monitoraggio e diagnostica dei sistemi meccanici Gianluca D Elia Monitoraggio o diagnostica? Dalla norma UNI ISO 13372 Monitoraggio dello stadio: Ricerca e raccolta di informazioni e di dati che indichino
Dettagli26/08/2010. Segnale analogico. Convertitore AD. Segnale digitale. Sensore. Computer
CAP 6: ACQUISIZIONE ED ANALISI DIGITALE DEI SEGNALI Che tutte le operazioni di analisi del segnale descritte nei precedenti capitoli si effettuano, quasi sempre, impiegando sistemi digitali di elaborazione
DettagliComunicazioni Elettriche Esercizi
Comunicazioni Elettriche Esercizi Alberto Perotti 9 giugno 008 Esercizio 1 Un processo casuale Gaussiano caratterizzato dai parametri (µ = 0, σ = 0.5) ha spettro nullo al di fuori dellintervallo f [1.5kHz,
DettagliCorso di Fondamenti di Segnali e Trasmissione - Esame del 14 Febbraio 2007
Corso di Fondamenti di Segnali e Trasmissione - Esame del 4 Febbraio 007 Gliesercizidevonoessererisoltisolosuifoglideicoloriindicati,indicandoNOME,COGNOMEeMATRI- COLA in testa ad ogni foglio. Per esiti
DettagliLaboratorio di Elaborazione di Dati, Segnali e Immagini Biomediche (Parte 3)
Università degli Studi di Padova - Facoltà di Ingegneria Corso di Laurea in Ingegneria Biomedica A.A. 7-8 Laboratorio di Elaboraione di Dati, Segnali e Immagini Biomediche (Parte 3) Prof. Giovanni Sparacino
DettagliEsercitazione ENS su processi casuali (13 e 14 Maggio 2008)
Esercitazione ES su processi casuali ( e 4 Maggio 2008) D. Donno Esercizio : Calcolo di autovalori e autovettori Si consideri un processo x n somma di un segnale e un disturbo: x n = Ae π 2 n + w n, n
DettagliPROGETTO DI FILTRI NUMERICI FIR CON L USO DI FINESTRE
1/14 ROGETTO DI FILTRI NUMERICI FIR CON L USO DI FINESTRE rogetto di filtri FIR con l uso di finestre 2/14 I filtri IIR offrono caratteristiche attraenti, ma anche svantaggi: se si vuole effettuare l elaborazione
DettagliLa Trasformata di Fourier
La Trasformata di Fourier Preliminari: Spazi di Hilbert Da Wikipedia In matematica uno spazio di Hilbert è uno spazio vettoriale che generalizza la nozione di spazio euclideo. Gli spazi di Hilbert sono
Dettagli