1) Entropia di variabili aleatorie continue. 2) Esempi di variabili aleatorie continue. 3) Canali di comunicazione continui. 4) Canale Gaussiano
|
|
- Michela Moro
- 7 anni fa
- Visualizzazioni
Transcript
1 Argomenti della Lezione 1) Entropia di variabili aleatorie continue ) Esempi di variabili aleatorie continue 3) Canali di comunicazione continui 4) Canale Gaussiano 5) Limite di Shannon 1
2 Entropia di una variabile aleatoria continua Sia una variabile aleatoria continua che assume valori in A con d.d.p. (x). La sua ENTROPIA (o entropia dierenziale) è deinita come: h + ( ) ( x )log ( x ) dx (1) se tale integrale esiste. A dierenza dell ENTROPIA deinita nel caso discreto: H ( ) M i 1 p i M 1 log pi log p i i 1 p i ()
3 Entropia di una variabile aleatoria continua L'unità di misura dell'entropia dierenziale è il bit/campione. La h() deinita dalla (1) può avere qualsiasi valore in (-in,+in). Inatti, mentre per le p i si ha: 0 p i 1, i 1,,M per la (x) si ha solo: (x) 0 A dierenza del caso discreto, per una variabile aleatoria continua non si può interpretare l'entropia dierenziale come una misura dell'incertezza media o come una misura del numero minimo di bit necessari a rappresentare ogni campione. Inatti per una variabile aleatoria continua, ogni campione dovrebbe essere rappresentato con un numero ininito di bit. 3
4 Relazione tra entropia ed entropia dierenziale Sia una variabile aleatoria continua che assume valori in A[a,b] con d.d.p. (x). Dividiamo l'intervallo A[a,b] in sottointervalli di lunghezza. Per il teorema del valor medio, in ogni sottointervallo esiste un valore x i tale che: ( x i ( i+ 1) ) ( x ) dx Si consideri la variabile aleatoria discreta ottenuta come i quantizzazione della variabile aleatoria continua e deinita come: x i se i < (i + 1) di conseguenza: P( ( i+ 1) xi ) pi i ( x) dx ( x i ) 4
5 Relazione tra entropia ed entropia dierenziale L'entropia della variabile aleatoria è data da: H ( ) + N i N + N i N + N p i log i p i ( x ) log ( ( x ) ) ( xi ) log ( xi ) ( xi ) log i + N i N i N Andando al limite per N, al posto di possiamo sostituire dx e se (x)log (x) è integrabile secondo Riemann, le sommatorie diventano un integrale: lim 0 + H ( ) + h( ) ( x)log 0 + lim log ( x) dx lim log ( x) dx 5
6 Relazione tra entropia ed entropia dierenziale Di conseguenza, l'entropia dierenziale della variabile aleatoria continua è pari all'entropia della stessa variabile aleatoria quantizzata in diversi intervalli più il logaritmo della dimensione di ogni intervallo, calcolati al limite per la dimensione degli intervalli che tende a zero: h( ) lim H ( 0 ) + log + 6
7 Esempio 1 Sia una variabile aleatoria continua che assume valori in [a,b] e con d.d.p. uniorme: ( x) 1 b a Si ha: h( ) 1 b a b a log ( x)log log 1 b a ( x) dx dx ( b a) bit/campione b a 7
8 Esempio Sia una variabile aleatoria continua Gaussiana con d.d.p. 1 ( x µ σ ( x) e πσ Considerando che in generale si ha: ) 8
9 Massima entropia dierenziale Teorema: sia una variabile aleatoria continua con d.d.p. (x) e varianza σ. La sua entropia dierenziale soddisa la disuguaglianza: h 1 log πeσ ( ) con il segno di uguaglianza se è una variabile aleatoria Gaussiana. Osservazione: la variabile aleatoria continua Gaussiana ha la massima entropia dierenziale tra tutte le variabili aleatorie continue con la stessa varianza. 9
10 Date due variabili aleatorie e Y con unzione di densità di probabilità congiunta Y (x,y), e condizionate Y (x y) Y (y x), vengono deinite le seguenti: Entropia congiunta: h Entropia congiunta e condizionata + + (, Y ) Y ( x, y )log Y ( x, y ) dxdy Entropie condizionate: h h + + ( Y ) Y ( x, y )log Y ( x y ) Mutua inormazione: dxdy + + ( Y ) Y ( x, y )log Y ( y x ) i dxdy + + ( ; Y ) Y ( x, y)log Y ( x, y) dxdy ( x) ( y) Y 10
11 Se h() e h(y) sono inite, valgono le seguenti relazioni: h(,y) h() + h(y) h(,y) h() + h(y ) h(y) + h( Y) h(y ) h(y) h( Y) h() Proprietà delle entropie dove le disuguaglianze diventano uguaglianze nel caso in cui e Y sono statisticamente indipendenti. Inoltre: i(;y) 0 i(;y) h() - h( Y) h(y) - h(y ) h() + h(y) - h(,y) 11
12 Un canale a valori continui ha come ingresso la variabile aleatoria continua e come uscita la variabile aleatoria continua Y. La trasmissione può essere tempo-continua o tempo discreta. Se la trasmissione è tempo continua il canale è detto waveorm channel. Canale a valori continui Il comportamento di un canale continuo è deinito tramite la d.d.p. condizionata (y x). La capacità di un canale a valori continui è deinita come: C max ( x) i(, Y ) Spesso la capacità viene calcolata ponendo un vincolo su, per esempio in potenza. 1
13 Canale con rumore additivo Gaussiano L'importanza del modello Gaussiano è legata al teorema del limite centrale secondo cui l'eetto cumulativo di un grande numero di eetti aleatori indipendenti è distribuito in modo Gaussiano. Il modello Gaussiano viene utilizzato per tenere conto del rumore termico che è presente in ogni circuito elettronico. E' un modello semplice per il quale è possibile esprimere la capacità in orma chiusa. 13
14 Canale con rumore additivo Gaussiano Canale additivo Gaussiano discreto nel tempo, continuo in ampiezza + Y N (ingresso) è una variabile aleatoria continua che assume valori reali x con densità di probabilità (x) Y (uscita) è una variabile aleatoria continua che assume valori reali y con densità di probabilità Y (y) N è una variabile aleatoria continua Gaussiana con media nulla e varianza σ N che rappresenta il rumore. Considerare variabili aleatorie al posto di processi aleatori corrisponde ad assumere che il canale sia senza memoria. 14
15 Canale con rumore additivo Gaussiano Canale additivo Gaussiano discreto nel tempo, continuo in ampiezza La variabile aleatoria Y è data da: Y + N Assumiamo che le variabili aleatorie e N siano indipendenti. Consideriamo il caso in cui la variabile aleatoria sia limitata in potenza e cioè sia σ inita. Calcoliamo le entropie: h log ( Y ) h( + N ) h( ) + h( N ) h( N ) h( N) e N 0 1 π σ variabili aleatorie indipendenti variabili aleatorie indipendenti 15
16 Canale con rumore additivo Gaussiano Canale additivo Gaussiano discreto nel tempo, continuo in ampiezza Possiamo calcolare la capacità di questo canale come: C max i( ; Y ) ( x) max h( Y ) h( Y ( x) ) max h( Y ) ( x) 1 log πeσ N Per il Teorema sul massimo dell'entropia dierenziale, il massimo di h(y) si ha quando Y è una variabile aleatoria continua Gaussiana e tale massimo è 1/ log πeσ Y Poichè N è Gaussiana, Y è Gaussiana se anche è Gaussiana e in tale caso, poichè ed N sono indipendenti, la varianza di Y è pari alla somma delle varianze: σ Y σ + σ N La capacità risulta quindi: σ log log 1 + C log πe( σ σ N ) πeσ N σ N 16
17 Canale con rumore additivo Gaussiano bianco (AWGN) Canale additivo Gaussiano continuo nel tempo, continuo in ampiezza (a banda limitata) (t) N(t) + Y(t) (t) (ingresso) è un processo aleatorio continuo che assume valori reali x con densità di probabilità (x) e densità spettrale di potenza limitata nell'intervallo [-B,B]. Y(t) (uscita) è un processo aleatorio continuo che assume valori reali y con densità di probabilità Y (y) e con potenza P. N(t) è un processo aleatorio continuo Gaussiano bianco, stazionario in senso lato, con media nulla, varianza σ N e densità spettrale di potenza: P N () N 0 /. N(t) sia indipendente da (t). 17
18 Canale con rumore additivo Gaussiano bianco (AWGN) Canale additivo Gaussiano continuo nel tempo, continuo in ampiezza Poichè il segnale aleatorio di ingresso è strettamente limitato in banda nell intervallo (-B, B), esso può essere rappresentato impiegando almeno B campioni al secondo (Teorema del campionamento). (a banda limitata) Di conseguenza, l'uscita Y(t) viene campionata ogni 1/B secondi e in questo modo si campiona sia il segnale di ingresso che il rumore. Poichè il rumore è bianco, due campioni qualsiasi del rumore sono incorrelati, essendo la unzione di autocorrelazione R NN (τ) N 0 / δ(τ) 18
19 Canale con rumore additivo Gaussiano bianco (AWGN) Canale additivo Gaussiano continuo nel tempo, continuo in ampiezza (a banda limitata) Un processo bianco ha una potenza media ininita su una banda ininita, ma ha una potenza media inita se viene iltrato per poi essere campionato. Se N(t) è Gaussiano ed è stazionario in senso lato allora è anche stazionario in senso stretto. Inoltre se un processo Gaussiano viene posto in ingresso ad un iltro lineare, l uscita è ancora un processo Gaussiano. Se N(t) è un processo Gaussiano e bianco, il atto che due campioni presi in istanti diversi siano scorrelati signiica anche che i due campioni sono variabili aleatorie statisticamente indipendenti (senza memoria). Ogni campione di (t) ha una varianza pari alla potenza P x mentre ogni campione di N(t) ha una varianza pari alla potenza di rumore N 0 B. 19
20 Canale con rumore additivo Gaussiano bianco (AWGN) Canale additivo Gaussiano continuo nel tempo, continuo in ampiezza Possiamo quindi considerare le variabili aleatorie, Y e N ottenute dal campionamento di Y(t) ed applicare il risultato sulla capacità valido per il canale Gaussiano tempo discreto senza memoria. (a banda limitata) La potenza del rumore è pari a N 0 B e si ottiene integrando la densità spettrale di potenza in [-B,B]. Poichè vengo generati B campioni al secondo, la capacità può anche essere espressa come: 1 σ 1 log 1 log 1 + P + C σ N N0B C T P log 1 + B N0B bit/s bit/campione 0
21 Canale con rumore additivo Gaussiano bianco (AWGN) Canale additivo Gaussiano continuo nel tempo, continuo in ampiezza (a banda limitata) La quantità: SNR P N B 0 viene detto rapporto segnale rumore. Esso rappresenta una metrica di prestazioni del sistema di comunicazioni poichè determina la capacità del canale e la probabilità di errore. 1
22 Canale con rumore additivo Gaussiano bianco (AWGN) Canale additivo Gaussiano continuo nel tempo, continuo in ampiezza Passando al limite per B + possiamo calcolare la capacità del canale AWGN con banda illimitata. Poniamo: (a banda illimitata) P α, α 0 per B N B 0 + C ( + α ) P ln 1 P P lim 1.44 N ln α 0 0 α N0 ln N0 T bit/s
23 Limite di Shannon Ricordiamo la capacità in bit/s del canale AWGN continuo nel tempo, continuo in ampiezza e a banda limitata: Deiniamo eicienza spettrale η B R b /B, la capacità di trasmettere una certa quantità di dati al secondo R b con una piccola quantità di banda B. C T P log 1 + B N0B Deiniamo eicienza in potenza, la capacità di ricevere con una data probabilità di errore utilizzando un basso rapporto segnale rumore SNR. bit/s Partendo dalla capacità del canale AWGN continuo nel tempo e continuo in ampiezza con banda illimitata possiamo ricavare la relazione tra eicienza spettrale ed eicienza in potenza. 3
24 Limite di Shannon Per il Teorema inverso della codiica, non si può avere una trasmissione con probabilità di errore piccola a piacere se h()>c o, dividendo per il tempo di simbolo, se la requenza di inormazione è maggiore della capacità per secondo, R b >C T. Sia SNR P /N 0 B R b E b /N 0 B ηe b /N 0, ponendoci al limite con R b C T si ha: R η E B log 1 + η N b b 0 log 1 + η N E b 0 E b N 0 η 1 η lim η 0 E b N 0 η lim η 1 ln η db Limite ultimo di Shannon 4
25 Limite di Shannon Graico di: E b N 0 η 1 η 5
26 Limite di Shannon Esiste un compromesso tra l eicienza spettrale e l eicienza in potenza. Fissata l eicienza spettrale esiste un valore limite dell eicienza in potenza e, analogamente, issata l eicienza in potenza esiste un valore limite dell eicienza spettrale. In ogni caso (per qualsiasi valore dell eicienza spettrale piccola a piacere) il rapporto segnale rumore non può scendere al di sotto di db se si vuole una trasmissione aidabile. Se voglio aumentare l eicienza spettrale devo aumentare la potenza e quindi ar diminuire l eicienza in potenza per avere stessa probabilità di errore. Se voglio aumentare l eicienza in potenza devo diminuire l eicienza spettrale per avere stessa probabilità di errore. 6
27 Esempio Il progettista di un sistema di comunicazione numerico cerca di scegliere i parametri del sistema in modo da raggiungere quanto più possibile la capacità C con un tasso d errore pre-assegnato Si calcoli la capacità C di un canale Gaussiano con banda B 500 Hz e rapporto segnale-rumore pari a 30 db Soluzione: Con B 500 e P /N 0 B 10 3 dalla ormula si ottiene: C bit/s 7
COMUNICAZIONI ELETTRICHE
COMUNICAZIONI ELERICHE Diploma Universitario Ingegneria Elettronica - Ingegneria Inormatica ESERCIZIO : Si consideri il sistema mostrato in igura. Il iltro ha risposta in requenza H() = j segn (), dove
DettagliTEORIA DELL INFORMAZIONE ED ENTROPIA FEDERICO MARINI
TEORIA DELL INFORMAZIONE ED ENTROPIA DI FEDERICO MARINI 1 OBIETTIVO DELLA TEORIA DELL INFORMAZIONE Dato un messaggio prodotto da una sorgente, l OBIETTIVO è capire come si deve rappresentare tale messaggio
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A Alberto Perotti, Roberto Garello
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2006-07 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici
DettagliTeoria dei Segnali Trasmissione binaria casuale; somma di processi stocastici
eoria dei Segnali rasmissione binaria casuale; somma di processi stocastici Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it eoria dei Segnali rasmissione
DettagliConversione Analogico/Digitale
Conversione Analogico/Digitale 1 Fondamenti di Segnali e Trasmissione Conversione analogico/digitale (A/D) Per rappresentare numericamente un segnale continuo nel tempo e nelle ampiezze è necessario: Campionare
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,
DettagliQUANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA. 1 Fondamenti Segnali e Trasmissione
UANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA Fondamenti Segnali e Trasmissione Campionamento e quantizzazione di un segnale analogico Si consideri il segnale x(t) campionato con passo T c. Campioni del
Dettagli..., x M. : codice o sequenza di bit che rappresentano il messaggio x i ; n i : lunghezza in bit del codice C X i
Definizioni X : sorgente di informazione discreta; X k : messaggi prodotti da X ; ogni messaggio è una v.c.d., k è l'indice temporale; alfabeto di X : insieme {x,..., x } degli messaggi che la sorgente
DettagliCAMPIONAMENTO. y(t) = x 1 (t) x 2 (t) Σ δ(t - kt c. ) k. Figure 1:
CAMPIONAMENTO 1) Si considerino i due segnali a banda limitata x 1 (t) con banda B 1 e x 2 (t) con banda B 2. Si costruisca il segnale y(t) come y(t) = x 1 (t) x 2 (t) Volendo applicare il principio del
Dettagli7.5.6 Dipendenza di Pe da Eb/No
7.5.6 Dipendenza di Pe da Eb/No Sviluppiamo ora la (7. in modo da esprimere l argomento di {} in unzione di una grandezza ( E b/ che riassume in sé i valori dei parametri intriseci del collegamento (potenza
Dettagli01CXGBN Trasmissione numerica. parte 6: calcolo delle probabilità I
01CXGBN Trasmissione numerica parte 6: calcolo delle probabilità I 1 Probabilità di errore BER e SER Per rappresentare la bontà di un sistema di trasmissione numerica in termini di probabilità di errore
DettagliRipasso segnali e processi casuali. Trasmissione dell Informazione
Ripasso segnali e processi casuali 1 Breve ripasso di segnali e trasformate Dato un segnale s(t), la sua densità spettrale si calcola come dove S(f) è la trasformata di Fourier. L energia di un segnale
DettagliElaborazione numerica dei segnali: analisi delle caratteristiche dei segnali ed operazioni su di essi. Mauro Biagi
Elaborazione numerica dei segnali: analisi delle caratteristiche dei segnali ed operazioni su di essi Mauro Biagi Outline Dall analogico al digitale Quantizzazione dell inormazione Trasormate di Fourier
DettagliI Segnali nella comunicazione
I Segnali nella comunicazione Nella lingua italiana il termine segnale indica una convenzione, la cui unzione è quella di comunicare qualcosa ( segnale di Partenza, segnale di aiuto, segnale stradale ecc.).
DettagliCANALE STAZIONARIO CANALE TEMPO INVARIANTE
CANALE STAZIONARIO Si parla di un Canale Stazionario quando i fenomeni che avvengono possono essere modellati da processi casuali e le proprietà statistiche di tali processi sono indipendenti dal tempo.
DettagliTeoria dei Segnali Un esempio di processo stocastico: il rumore termico
Teoria dei Segnali Un esempio di processo stocastico: il rumore termico Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria dei Segnali Il rumore
Dettagli1) Probabilità di errore di trasmissione. 2) Capacità di canale. 3) Esempi di calcolo della capacità. 4) Disuguaglianza di Fano
Argomenti della Lezione 1) Probabilità di errore di trasmissione ) Capacità di canale 3) Esempi di calcolo della capacità 4) Disuguaglianza di Fano 5) Teorema inverso della codifica di canale 1 Probabilità
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.
DettagliSorgenti Analogiche - Soluzioni
Sorgenti Analogiche - Soluzioni Soluzione: l oggetto dell analisi ha semplicemente il seguente schema a blocchi: Ampliicatore: Funzione di traserimento o dinamica + K* saturazione Disegnamo quindi la sua
DettagliQUANTIZZAZIONE Conversione analogico/digitale
QUANTIZZAZIONE Conversione analogico/digitale 1 QUANTIZZAZIONE Campionamento e uantizzazione Campione del segnale Segnale originale (continuo nel tempo e nelle ampiezze) QUANTIZZAZIONE Conversione analogico/digitale
DettagliTeoria dei segnali terza edizione
Capitolo 9 Segnali aleatori a tempo continuo e a tempo discreto SOLUZIONI DEGLI ESERCIZI Soluzione dell esercizio 9.3 Si osservi innanzitutto che, essendo il processo () t Gaussiano, anche il processo
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
Dettagli10 Proprietà di Equipartizione Asintotica
FX Teoria dell Informazione e della Trasmissione 0 Proprietà di Equipartizione Asintotica Docente: Nicolò Cesa-Bianchi versione 6 aprile 206 Come nel caso della codifica sorgente, anche nel caso della
DettagliIndici di posizione e dispersione per distribuzioni di variabili aleatorie
Indici di posizione e dispersione per distribuzioni di variabili aleatorie 12 maggio 2017 Consideriamo i principali indici statistici che caratterizzano una distribuzione: indici di posizione, che forniscono
DettagliTeoria dei Fenomeni Aleatori AA 2012/13. Il Concetto di Distribuzione Condizionata
Il Concetto di Distribuzione Condizionata Se B è un evento, la probabilità di un evento A condizionata a B vale: ponendo: P A B P A B P B A x si giunge al concetto di distribuzione condizionata della v.a.
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche. Modulazione A.A Alberto Perotti
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Modulazione A.A. 8-9 Alberto Perotti DELEN-DAUIN Modello di sistema di comunicazione Il modello di sistema di comunicazione
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)
DettagliSegnali analogici. Segnali aleatori. Segnali determinati Trasmissione ideale Trasmissione perfetta. Trasmissione imperfetta
Segnali determinati Trasmissione ideale Trasmissione perfetta Segnali analogici 40 20 Segnali aleatori Trasmissione imperfetta Laboratorio di Segnali Segnali modulati Segnali tempo discreto e segnali in
DettagliComunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 2017-2018 Segnale vocale e segnale telefonico Segnale vocale I segnali vocali sono costituiti
DettagliInformazione e comunicazione per la sicurezza Esercizi tipo Telecomunicazioni
Informazione e comunicazione per la sicurezza Esercizi tipo Telecomunicazioni 1) Dato un canale trasmissivo la cui banda sia da 3 a 4 MHz, ed il cui rapporto segnale - rumore sia 24 db, calcolare la massima
DettagliComunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 27-28 Teoria dell informazione Esercitazione 7 Teoria dell informazione Sorgente Codificatore
DettagliFondamenti di comunicazioni elettriche (Ing. Elettronica - A.A )
Fondamenti di comunicazioni elettriche (Ing. Elettronica - A.A.-) Es. La variabile aleatoria ha densità di probabilità uniorme nell intervallo [,]. Trovare valor medio e varianza di. La densità di probabilità
DettagliProva scritta di Teoria dei Segnali: nuovo ordinamento
Prova scritta di Teoria dei Segnali: nuovo ordinamento 1. Dati i segnali x(t) = rect[(t-2)/2] e y(t) = 2rect[(t+3)/2], si calcoli il prodotto di convoluzione tra x(t) e y(t), 2. Si calcoli la trasformata
DettagliStatistica Applicata all edilizia: Stime e stimatori
Statistica Applicata all edilizia E-mail: orietta.nicolis@unibg.it 15 marzo 2011 Statistica Applicata all edilizia: Indice 1 2 Statistica Applicata all edilizia: Uno dei problemi principali della statistica
DettagliPROCESSI CASUALI 1 Fondamenti di segnf a o lin d e a t m ra e s n mtii s T si L o C ne
PROCESSI CASUALI Fondamenti di segnali Fondamenti e trasmissione TLC Segnali deterministici Un segnale (t) si dice deterministico se è una funzione nota di t, cioè se ad un qualsiasi istante di tempo t
DettagliIntegrali definiti secondo Riemann
Analisi matematica ntegrali deiniti secondo Riemann Calcolo integrale ntegrali deiniti secondo Riemann Trapezoide di una unzione Funzione a scala ntegrale deinito 2 2006 Politecnico di Torino 1 Analisi
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.
DettagliSignificato probabilistico di σ: su 100 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo
Significato probabilistico di σ: su 1 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo x σ, x + σ e 99.7 nell intervallo x 3 σ, x + 3 Se si considerano campioni
DettagliLa funzione di distribuzione Gaussiana normale
La funzione di distribuzione Gaussiana normale Nicola Morganti 25 aprile 2004 Indice Proprietà fondamentali 2 Standard Normal Density Function 3 3 Esempio applicativo 5 Proprietà fondamentali L utilizzo
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 7: Basi di statistica
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 7: Basi di statistica Campione e Popolazione Estrazione da una popolazione (virtualmente infinita) di
Dettagli7. Trasmissione Numerica in Banda Traslata
1 INFO-COM Dpt. Dipartimento di Scienza e Tecnica dell Informazione e della Comunicazione Università degli Studi di Roma La Sapienza 7. Trasmissione Numerica in Banda Traslata TELECOMUNICAZIONI per Ingegneria
DettagliQuesta viene trasmessa sul canale (wireless o wired). In questo corso, modellizzeremo il canale di trasmissione come un canale Gaussiano bianco
Canale di trasmissione Dati una costellazione M un labeling binario e è possibile associare alle sequenze binarie di informazione u da trasmettere una forma d onda s(t). Questa viene trasmessa sul canale
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
DettagliLa distribuzione normale o distribuzione di Gauss
La distribuzione normale o distribuzione di Gauss Gauss ha dimostrato che secondo questa legge si possono ritenere distribuiti gli errori accidentali di misura di una qualsivoglia grandezza. Densità di
DettagliComunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 207-208 Informazioni sul corso Mercoledì 0.00-2.00 Aula 22 Giovedì 0.00-2.00 Aula 25 Venerdì
DettagliDIPARTIMENTO DI INGEGNERIA DELL INFORMAZIONE
U N I V E R S I T À D E G L I S T U D I D I P I S A DIPARTIMENTO DI INGEGNERIA DELL INFORMAZIONE Cmunicazini numeriche Esercizi su sistemi di variabili aleatrie-e sui prcessi stcastici Sistemi di variabili
Dettagli01CXGBN Trasmissione numerica. parte 11: modulazione 2-PAM
0CXGBN Trasmissione numerica parte : modulazione 2-PAM PARTE 2: Modulazioni Numeriche 2 Modulazioni: introduzione Per ogni modulazione considereremo: Caratteristiche generali Costellazione (insieme di
DettagliCorso di Fondamenti di Telecomunicazioni
Corso di Fondamenti di Telecomunicazioni Prof. Mario Barbera [parte ] Variabili aleatorie Esempio: sia dato l esperimento: Scegliere un qualunque giorno non festivo della settimana, per verificare casualmente
DettagliSoluzioni di Esercizi di Esame di Segnali Aleatori per Telecomunicazioni
Corso di Laurea in Ingegneria Informatica corso di Telecomunicazioni (Prof. G. Giunta) (editing a cura dell ing. F. Benedetto) Soluzioni di Esercizi di Esame di Segnali Aleatori per Telecomunicazioni Esame
DettagliMATEMATICA E STATISTICA CORSO A III APPELLO 7 Luglio 2009
MATEMATICA E STATISTICA CORSO A III APPELLO 7 Luglio 2009 Soluzioni 1. Calcola quanto vale, in forma decimale, il reciproco del numero 1 2 log 10 4 4. Cominciamo col semplificare il numero di cui vogliamo
DettagliII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 4 febbraio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliAnalisi Matematica 2. Prove Parziali A.A. 2012/2017
Analisi 2 Polo di Savona Analisi Matematica 2 Prove Parziali A.A. 2012/2017 1- PrPzAmT.TEX [] Analisi 2 Polo di Savona Prima Prova parziale 23/11/2011 Prima Prova parziale 23/11/2011 Si consideri la funzione
DettagliTeoria della probabilità Variabili casuali
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Variabili casuali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Variabile casuale Una variabile
DettagliModulazioni di ampiezza
Modulazioni di ampiezza 1) Si consideri un segnale z(t) modulato in ampiezza con soppressione di portante dal segnale di informazione x(t): z(t) = Ax(t)cos(2πf 0 t) Il canale di comunicazione aggiunge
DettagliComunicazioni Elettriche anno accademico Esercitazione 1
Comunicazioni Elettriche anno accademico 003-004 Esercitazione Esercizio Un processo aleatorio a tempo discreto X(n) è definito nel seguente modo: Viene lanciata una moneta. Se il risultato è testa X(n)=
Dettagli8 Derivati dell entropia
(F1X) Teoria dell Informazione e della Trasmissione 8 Derivati dell entropia Docente: Nicolò Cesa-Bianchi versione 23 marzo 2016 Siano X e Y due variabili casuali con valori in insiemi finiti X e Y. Detta
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliPulse Amplitude Modulation (PAM) 2 Scelta delle risposte impulsive dei filtri in trasmissione e ricezione
Pulse Amplitude Modulation (PAM 1 Definizione La trasmissione di una sequenza di numeri {a k } mediante un onda PAM consiste nel generare, a partire dalla sequenza {a k } il segnale a tempo continuo u(t
Dettagli9. Sistemi di Modulazione Numerica in banda traslata. Modulo TLC:TRASMISSIONI Modulazione numerica in banda traslata
1 9. Sistemi di Modulazione Numerica in banda traslata Modulazione QAM (analogica) 2 Modulazione QAM (Quadrature Amplitude Modulation; modulazione di ampiezza con portanti in quadratura) è un tipo di modulazione
DettagliQUANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA
QUANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA 1 Fondamenti di segnali Fondamenti e trasmissione TLC Campionamento e quantizzazione di un segnale analogico Si consideri il segnale x(t) campionato con passo
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
DettagliCENNI SULLE VARIABILI ALEATORIE INTRODUZIONE ALLA TEORIA DELLE PROBABILITÀ APPROFONDIMENTO SULLA TEORIA DELLE PROBABILITÀ
CENNI SULLE VARIABILI ALEATORIE... 1 INTRODUZIONE ALLA TEORIA DELLE PROBABILITÀ... APPROFONDIMENTO SULLA TEORIA DELLE PROBABILITÀ... 3.1 Teorema della probabilità dell evento complementare... 3. Teorema
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali
Dettagli( ) ( ) DERIVATE. $ ed è finito lim
DERIVATE La derivata di una unzione in un punto c, quando esiste, rappresenta il coeiciente angolare della retta tangente al graico della unzione nel suo punto di ascissa c: ( c) = D ( c) = m tg = tanα,
DettagliComunicazioni Elettriche I - Testo 1
Comunicazioni Elettriche I - Testo 1 Problema Si consideri un sistema di trasmissione numerico in cui una sorgente genera un flusso binario a velocità f b = 60 kb/s. Tale flusso viene inviato in ingresso
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
DettagliSegnali (processi) aleatori (casuali)
Segnali (processi) aleatori (casuali) Definizione di processo aleatorio Descrizione statistica di un processo aleatorio Media, potenza, varianza Autocorrelazione e autocovarianza Filtraggio di un processo
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
DettagliTRASMISSIONE NUMERICA IN BANDA BASE. 1 Fondamenti Segnali e Trasmissione
TRASMISSION NUMRICA IN BANDA BAS 1 Fondamenti Segnali e Trasmissione Trasmissione numerica in banda base Per trasmettere una sequenza di cifre binarie su un canale di trasmissione passa basso (in banda
DettagliDistribuzioni di probabilità nel continuo
Distribuzioni di probabilità nel continuo Prof.ssa Fabbri Francesca Classe 5C Variabili casuali continue Introduzione: Una Variabile Casuale o Aleatoria è una grandezza che, nel corso di un esperimento
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE PROCESSI DI POISSON Definizione Un processo stocastico che assume valori interi non negativi si dice essere un processo di Poisson con frequenza λ se 1. A(t) è un prosesso di
DettagliElementi di Probabilità e Statistica - 052AA - A.A
Elementi di Probabilità e Statistica - 05AA - A.A. 014-015 Prima prova di verifica intermedia - 9 aprile 015 Problema 1. Dati due eventi A, B, su uno spazio probabilizzato (Ω, F, P), diciamo che A è in
DettagliIl tema proposto può essere risolto seguendo due ipotesi:
Per la trattazione delle tecniche TDM, PM e Trasmissione dati si rimanda alle schede 41, 42, 43, 44, 45, 46, 47 e 48 del libro Le Telecomunicazioni del Prof. F. Dell Aquila. Il tema proposto può essere
DettagliDistribuzioni di due variabili aleatorie
Statistica e analisi dei dati Data: 6 Maggio 206 Distribuzioni di due variabili aleatorie Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori Distribuzioni congiunte e marginali Consideriamo due variabili
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...
DettagliVETTORI DI VARIABILI ALEATORIE
VETTOI DI VAIABILI ALEATOIE E. DI NADO 1. Funzioni di ripartizione congiunte e marginali Definizione 1.1. Siano X 1, X 2,..., X n v.a. definite su uno stesso spazio di probabilità (Ω, F, P ). La n-pla
DettagliTEORIA SULLE DERIVATE SECONDA. La condizione di continuità di una funzione è condizione necessaria ma non sufficiente per la sua derivabilità.
PROF.SSA MAIOLINO D. TEORIA SULLE DERIVATE SECONDA CONTINUITA DELLE FUNZIONI DERIVABILI Se una unzione y( è derivabile in un punto 0, allora è continua in 0. La condizione di continuità di una unzione
DettagliAnalisi di Fourier e alcune equazioni della fisica matematica 1. TERZA LEZIONE Serie di funzioni Serie di potenze
Analisi di Fourier e alcune equazioni della fisica matematica 1 TERZA LEZIONE Serie di funzioni Serie di potenze 1 prof. Claudio Saccon, Dipartimento di Matematica Applicata, Via F. Buonarroti 1/C email:
DettagliELEMENTI DI ANALISI SPETTRALE 1 I DUE DOMINI
Lezioni di Fisica della Terra Solida, Università di Chieti, a.a. 999/. Docente A. De Santis ELEMENTI DI ANALISI SPETTRALE I DUE DOMINI È spesso utile pensare alle unzioni ed alle loro trasormate di Fourier
DettagliRumore termico. Telecomunicazioni per l Aerospazio. P. Lombardo DIET, Univ. di Roma La Sapienza Rumore - 1
Rumore termico. Lombardo DIET, Univ. di Roma La Sapienza Rumore - 1 Rumore Termico: statistica Il rumore ha una densità di probabilità gaussiana Istogramma Volts Volts Realizzazione rumore t Contatore.
Dettagliassuma valori in un determinato intervallo è data dall integrale della sua densità ( = )=
VARIABILI ALEATORIE CONTINUE Esistono parecchi fenomeni reali per la cui descrizione le variabili aleatorie discrete non sono adatte. Per esempio è necessaria una variabile aleatoria continua ovvero una
DettagliIntegrali (M.S. Bernabei & H. Thaler)
Integrali (M.S. Bernabei & H. Thaler) Integrali. Motivazione Che cos é un integrale? Sia f 0 e limitata b a f ( x) dx area f ( x, y) dxdy volume Definizione di integrale: b a dove f ( x) dx lim n n k b
DettagliElaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
DettagliModello di sistema di comunicazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Modulazione A.A. 24-5 Alberto Perotti DELEN-DAUIN Modello di sistema di comunicazione Il modello di sistema di comunicazione
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
DettagliTest d ipotesi Introduzione. Alessandra Nardi
Test d ipotesi Introduzione Alessandra Nardi alenardi@mat.uniroma2.it 1 Consideriamo il caso in cui la nostra variabile risposta sia continua Immaginiamo che obiettivo del nostro studio sia valutare il
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
DettagliElaborazione statistica di dati
Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:
DettagliSEGNALE ANALOGICO. Un segnale analogico ha un ampiezza che varia in maniera continua nel tempo
ACQUISIZIONE SEGNALE ANALOGICO 6 5 4 3 2 t Un segnale analogico ha un ampiezza che varia in maniera continua nel tempo CONVERTITORE A/D Dispositivo che realizza la conversione tra i valori analogici del
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
DettagliProbabilità e Statistica per l Informatica Esercitazione 4
Probabilità e Statistica per l Informatica Esercitazione 4 Esercizio : [Ispirato all Esercizio, compito del 7/9/ del IV appello di Statistica e Calcolo delle probabilità, professori Barchielli, Ladelli,
DettagliTeoria dei Segnali Processo di Poisson e rumore granulare
Teoria dei Segnali Processo di Poisson e rumore granulare Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria dei Segnali Processo di Poisson e
DettagliCorso di Fondamenti di Telecomunicazioni
Corso di Fondamenti di Telecomunicazioni 1 - INTRODUZIONE Prof. Giovanni Schembra 1 Argomenti della lezione Definizioni: Sorgente di informazione Sistema di comunicazione Segnali trasmissivi determinati
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 2015-16 P.Baldi Lista di esercizi 4, 11 febbraio 2016. Esercizio 1 Una v.a.
DettagliPOPOLAZIONE E CAMPIONI
p. 1/2 POPOLAZIONE E CAMPIONI POPOLAZIONE insieme di tutti quegli elementi che hanno almeno una caratteristica comune (persone, oggetti,misure, osservazioni). Consideriamo il caso di caratteristiche associate
DettagliIntroduzione al modello Uniforme
Teoria dei Fenomeni Aleatori 1 AA 01/13 Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x t x q t Tempo Discreto Continuo 0
DettagliFondamenti di Data Processing
Fondamenti di Data Processing Vincenzo Suraci Automazione INTRODUZIONE AL DATA PROCESSING ACQUISIZIONE DATI SCHEMA COSTRUTTIVO SCHEDA INPUT OSCILLATORE A FREQUENZA COSTANTE BANDA PASSANTE ACCORDATA AL
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliFondamenti di Elaborazione Numerica dei Segnali Anno Accademico Seconda Prova Intermedia 4/2/2013
Fondamenti di Elaborazione Numerica dei Segnali Anno Accademico 0-0 Seconda Prova Intermedia 4//0 Quesiti relativi alla seconda prova in itinere (tempo max. h). (6 punti) Calcolare la H(z) Y (z)/x(z) associata
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Indici di forma Descrivono le
Dettagli