TRASFORMATA DISCRETA DI FOURIER (DFT) [Cap. 5] E. Del Re Fondamenti di Elaborazione Numerica dei Segnali 1
|
|
- Maddalena Spano
- 7 anni fa
- Visualizzazioni
Transcript
1 TRASFORMATA DISCRETA DI FOURIER (DFT) [Cap. 5] E. Del Re Fondamenti di Elaborazione umerica dei Segnali
2 TRASFORMATA DISCRETA DI FOURIER (DFT) Definita per sequenze periodiche (o finite) periodo (o durata) di x[n], n =,,..., - DFT : X n = [ k ] = x[ n] e j2π nk / k =,, L, = n = [] n / x ( j2 π W = e ) n k W IDFT : x j π nk / [] n = X [ k ] e = X [ k ] k = 2 k = W nk E. Del Re Fondamenti di Elaborazione umerica dei Segnali 2
3 X[k] e x[n] sono due sequenze (generalmente complesse) periodiche di periodo [ k] = X[ k p] X + [ n] = x[ n p] x + p intero qualsiasi Valori significativi: n k E. Del Re Fondamenti di Elaborazione umerica dei Segnali 3
4 Se x[n] è una sequenza di durata finita essa va considerata come un periodo di una sequenza periodica = + [ ] x[ n m] x~ n m m intero E. Del Re Fondamenti di Elaborazione umerica dei Segnali 4
5 Relazione utile ± e n = j 2 π np =, p = m m intero =, altrimenti E. Del Re Fondamenti di Elaborazione umerica dei Segnali 5
6 Dimostrazione IDFT x k= [] n = X [] k e 2π j nk moltiplicando entrambi i membri per e, sommando da n= a -, si ha e 2π j nr n= 2π j nr [] e = X[] k x n n= k= e 2π j n( k r) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 6
7 E. Del Re Fondamenti di Elaborazione umerica dei Segnali 7 Scambiando l ordine della sommatoria [] [] = = = = ) ( 2 2 k n r k n j nr j n e k X e n x π π ed essendo = = = altrimenti r k per e n r k n j,, ) ( 2π si ha [] [] = = 2 n nk j e n x k X π periodica con periodo
8 ota Per semplicità di notazione continuiamo ad usare lo stesso simbolo X per denotare la trasformata discreta di Fourier X[k], la trasformata di Fourier X(F) e la trasformata Z X(z) di una stessa sequenza x[n] [ nel caso ovviamente esistano ]. Esse sono distinte senza ambiguità dal tipo del loro argomento: Intero k DFT Reale F TF Complesso z TZ E. Del Re Fondamenti di Elaborazione umerica dei Segnali 8
9 RELAZIOE DELLA DFT CO LE TF E TZ PER SEQUEZE FIITE TF =8 DFT F La DFT èla TF calcolata per frequenze equispaziate di Δ f = f c / ovvero Δ F = / [ k] X(F) X = E. Del Re Fondamenti di Elaborazione umerica dei Segnali 9 F = k
10 Piano z =8 2π Èla TZ calcolata in punti equispaziati sulla circonferenza unitaria [ k] X(z) X = 2π j k E. Del Re Fondamenti di Elaborazione umerica dei Segnali z = e
11 E. Del Re Fondamenti di Elaborazione umerica dei Segnali Per sequenze finite ( di durata campioni) è possibile ottenere X(z) a partire da X[k] [ ] = = 2 ) ( k k j z e k X z z X π
12 E. Del Re Fondamenti di Elaborazione umerica dei Segnali 2 Dimostrazione: [] = = = ) ( n n z n x z X [] = = = 2 n k n kn j z e k X π [] = = = = 2 k n n k j z e k X π
13 2π j k e z = X 2π j k k = e z [] k = = [ k ] z X 2π j k k = e z Esprime X(z) di una sequenza finita di durata campioni, in funzione di campioni equidistanti di X(z) presi sulla circonferenza unitaria ( f c campioni in frequenza spaziati di = ) T E. Del Re Fondamenti di Elaborazione umerica dei Segnali 3
14 E. Del Re Fondamenti di Elaborazione umerica dei Segnali 4 [ ] = = ) ( k F j k j F j e e k X e F X π π π Per sequenze finite ( di durata campioni) è possibile ottenere X(F) a partire da X[k]
15 Per sequenze finite (di durata campioni) X(z) X(F) Z x[n] X[k] DFT TF E. Del Re Fondamenti di Elaborazione umerica dei Segnali 5
16 Data la TZ X(z) di una sequenza x[n], il campionamento di X(z) sulla circonferenza unitaria in punti equispaziati [] k X (z) X = ovvero data la sua TF X(F), il campionamento di X(F) in frequenze equispaziate z = e 2π j k [] k X (F) X = corrisponde alla DFT della sequenza periodica: x~ [] n = x[ n + m ] + m = E. Del Re Fondamenti di Elaborazione umerica dei Segnali 6 F = k
17 Dimostrazione: k = La DFT inversa ~ x[] n = X [ k ] e 2π j kn m = Sostituendo X [] k = x[ m ] e 2π j km invertendo le sommatorie e tenendo conto delle proprietà degli esponenziali, si ottiene x~ [] n = x[ n + m ] + m = E. Del Re Fondamenti di Elaborazione umerica dei Segnali 7
18 Osservazione: solo se [ n] = x[ n] n ~ x x[ n] è di durata finita E. Del Re Fondamenti di Elaborazione umerica dei Segnali 8
19 Esempio di applicazione Calcolo della antitrasformata Z di una X(z) (supponendo che x[n] per n ). Si determina la X[k] per valori crescenti di fino a verificare che la IDFT dia valori trascurabili (inferiori ad una prefissata soglia) per i valori n Si possono determinare numericamente (e con buona approssimazione) i campioni della sequenza x[n], che ha per trasformata Z X(z), e la sua durata. (Es. applicaz.: Teoria delle code) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 9
20 Principali proprietà della DFT [Cap. 5.4] Linearità [ n] X [ k] e x [ n] X [ k] Se x 2 2 [ n] + bx [ n] ax [ k] bx [ k] ax a, b costanti reali o complesse Inversione temporale x Coniugazione [ n] = x[ n] X [ k] = X [ k] x [ n] X [ k] E. Del Re Fondamenti di Elaborazione umerica dei Segnali 2
21 Inversione temporale e coniugazione x [ ] n X [ k] Simmetrie per sequenze reali x[n] reale X[ k] = X [ k] x[n] reale e pari : x [ n] = x[ n] X[k] reale e pari : X [ k] = X[ k] x[n] reale e dispari : x[ n] = x[ n] X[k] immaginaria e dispari : X[ k] = X[ k] E. Del Re Fondamenti di Elaborazione umerica dei Segnali 2
22 Sequenza x[n] Trasformata Discreta di Fourier X[k] Parte reale Parte immaginaria Proprietà della DFT: x[n] reale, = 2 Se x[n] è una sequenza reale: X[ k] = X* [k] E. Del Re Fondamenti di Elaborazione umerica dei Segnali 22
23 Sequenza x[n] Proprietà della DFT Sequenza x[n] reale e pari Trasformata Discreta di Fourier X[k] X[k] reale e pari. Parte reale Parte immaginaria Sequenza x[n] = 2 Trasformata Discreta di Fourier X[k] Proprietà della DFT Sequenza x[n] reale e dispari X[k] immaginaria pura e dispari. Parte reale Parte immaginaria E. Del Re Fondamenti di Elaborazione umerica dei Segnali 23
24 E. Del Re Fondamenti di Elaborazione umerica dei Segnali 24 Teorema di Parseval [] [] = = = 2 2 k n k X n x Energia di un periodo della sequenza [] [] = = = k n k X n x Potenza della sequenza
25 E. Del Re Fondamenti di Elaborazione umerica dei Segnali 25 Dimostrazione [] [] []= = = = 2 * n n n x n x n x [] [] = = = = 2 * k kn j n e k X n x π [] [] = = = = 2 * n kn j k e x n k X π [ ] = = 2 k k X
26 Traslazione circolare x[n] = n x[n-2] 5 x n [ n m] X [ k ] rotazione di fase pari a: E. Del Re Fondamenti di Elaborazione umerica dei Segnali 26 e 2π j km 2πkm
27 Analogamente (in modo duale) X [ k l] x[ n] e 2π j nl modulazione con esponenziale complesso E. Del Re Fondamenti di Elaborazione umerica dei Segnali 27
28 Convoluzione circolare [Cap. 5.5] Proprietà molto importante per le implicazioni applicative e realizzative Definizione [ n] = x [ n] x [ n] y c 2 = = m x [ m] x [ n m] 2 Y [ k ] = X [ k ] X [ k ] c 2 E. Del Re Fondamenti di Elaborazione umerica dei Segnali 28
29 Il prodotto X [k] X 2 [k] è la DFT di una convoluzione circolare di due sequenze (e non di una convoluzione discreta tradizionale, detta per distinzione lineare o aperiodica) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 29
30 Convoluzione lineare [] n = x [] n x [] n = x [ m] x [ n m] y l 2 2 m= Per es. per sequenze di durata : y c [n] è periodica con periodo y l [n] è aperiodica di durata L = 2- E. Del Re Fondamenti di Elaborazione umerica dei Segnali 3
31 In generale: se x [n] e x 2 [n] sono due sequenze rispettivamente di durata L e M (L > M), la loro convoluzione lineare ha una durata L + M Per la loro convoluzione circolare occorre definire un periodo (> L), allungandole rispettivamente con -L e -M campioni nulli. Caso Se > L +M, y l [n] = y c [n] per n=,,..,l+m-2 Caso 2 Se L < < L +M y l [n] = y c [n] per n=l+m--, L+M--+,,- ovvero per gli ultimi 2-(L+M-) della convoluzione circolare E. Del Re Fondamenti di Elaborazione umerica dei Segnali 3
32 Confronto fra Convoluzione Circolare e Lineare (o Aperiodica) Seq. Seq. 2 L= M=3 Convoluzione Circolare Convoluzione Lineare = L+M-=3 Convoluzione Circolare e Lineare (o Aperiodica) Le sequenze mostrate nella parte inferiore sono il risultato della convoluzione circolare e lineare tra le due sequenze mostrate nella parte superiore. otare quali sono i campioni identici e quelli differenti nelle due convoluzioni E. Del Re Fondamenti di Elaborazione umerica dei Segnali 32
33 Convoluzione Circolare IDFT del prodotto = Confronto della convoluzione circolare ottenuta direttamente e come IDFT Sopra: il risultato della convoluzione circolare tra due sequenze Sotto: la trasformata di Fourier inversa del prodotto delle loro DFT E. Del Re Fondamenti di Elaborazione umerica dei Segnali 33
34 Per poter utilizzare la DFT per il calcolo della convoluzione discreta lineare [p.es. y[n] = x[n] h[n] ], occorre usare tecniche opportune: Overlap and add Overlap and save E. Del Re Fondamenti di Elaborazione umerica dei Segnali 34
35 TRASFORMATA VELOCE DI FOURIER (FFT) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 35
36 TRASFORMATA VELOCE DI FOURIER (FFT) [Cap. 5.6] La DFT X [] [] nk k x n, = n= W W = e j 2π richiede 2 moltiplicazioni complesse [ 4 2 m. reali s. reali ] (-) somme complesse [ 2 (-) s. reali ] E. Del Re Fondamenti di Elaborazione umerica dei Segnali 36
37 Algoritmi FFT Radice - 2 decimazione nel tempo Radice - 2 decimazione in frequenza Estensioni di questi algoritmi base E. Del Re Fondamenti di Elaborazione umerica dei Segnali 37
38 FFT RADICE- 2 DECIMAZIOE EL TEMPO = 2 v [] = x[ n] W nk + x[ n] X k n pari n dispari W nk = 2 p= x [ 2p] W 2 pk + W k x[ 2p + ] 2 p= W 2 pk E. Del Re Fondamenti di Elaborazione umerica dei Segnali 38
39 2 j 2 = π 2 ( W e = W ) 2 / = 2 p= x 2 [ 2p] W pk + W k x[ 2p + ] / 2 p= W pk /2 = [ ] + W k B[ k] A k ( k =,..., ) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 39
40 A[k], B[k] sono DFT /2 camp. pari DFT /2 A[k] W k X[k] camp. dispari DFT /2 W /2+k = - W k X +k 2 k=,,/2 - B[k] stadio /2 m.c. + s.c. (farfalle) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 4
41 Il procedimento può essere iterato fino ad arrivare a DFT 2. Il numero di stadi : v = log 2 E. Del Re Fondamenti di Elaborazione umerica dei Segnali 4
42 Grafo Esempio: = 8 x[] X[] x[4] x[2] x[6] x[] x[5] x[3] x[7] W W W W W W 2 W W W W - W 2 W X[] X[2] X[3] X[4] X[5] X[6] X[7] E. Del Re Fondamenti di Elaborazione umerica dei Segnali 42
43 Complessità finale 2 log 2 moltiplicazioni complesse 2 log 2 2 m.c. eliminando le moltiplicazioni del primo stadio ] log2 somme complesse E. Del Re Fondamenti di Elaborazione umerica dei Segnali 43
44 Ingressi: bit-reversed order (ordine a bit invertiti) Gli ingressi non sono in sequenza. Devono essere ordinati come nell esempio ( = 8): Posizione = = 2 = 3 = 4 = 5 = 6 = 7 = Campione x[] = x[] x[4] = x[] x[2] = x[] x[6] = x[] x[] = x[] x[5] = x[] x[3] = x[] x[7] = x[] E. Del Re Fondamenti di Elaborazione umerica dei Segnali 44
45 Calcolo in-place Gli ingressi e le uscite di ogni farfalla stanno sulla stessa linea orizzontale. Bastano locazioni di memoria (complesse), perché a coppie subiscono una trasformazione e il risultato può essere rimemorizzato nelle stesse locazioni degli ingressi. [p] [p] decim. nel tempo [q] W r - [q] E. Del Re Fondamenti di Elaborazione umerica dei Segnali 45
46 DFT FFT m.c. s.c. m.c. s.c E. Del Re Fondamenti di Elaborazione umerica dei Segnali 46
47 FFT RADICE - 2 DECIMAZIOE I FREQUEZA [Cap. 5.7] = 2 v Algoritmo duale Scompone la sequenza di uscita X[k] in due parti, la prima relativa agli indici pari (k=2r), la seconda relativa agli indici dispari (k=2r+), r =,,.,/2-. E. Del Re Fondamenti di Elaborazione umerica dei Segnali 47
48 x[] x[] Grafo x[2] - x[3] W - x[4] - W x[5] - W 2 x[6] - W 3 - x[7] Uscite: bit-reversed order - Calcolo: in place. W W 2 W W 2 =8 E. Del Re Fondamenti di Elaborazione umerica dei Segnali W W W W X[] X[4] X[2] X[6] X[] X[5] X[5] X[7]
49 Complessità finale 2 log 2 moltiplicazioni complesse 2 log 2 2 m.c. eliminando le moltiplicazioni dell ultimo stadio ] log2 somme complesse E. Del Re Fondamenti di Elaborazione umerica dei Segnali 49
50 Relazione fra i due algoritmi FFT radice-2 Struttura delle farfalle decim. nel tempo decim. in frequenza [p] [p] [p] [p ] [q] [q] [q] W r - - W r [q] E. Del Re Fondamenti di Elaborazione umerica dei Segnali 5
51 Sono scambiati ingressi e uscite e invertito il senso del flusso dei segnali. Ciascuna delle due strutture può essere ottenuta dall altra applicando queste regole (regole di trasposizione di grafi lineari): - scambiare ingressi e uscite - invertire il flusso dei segnali - scambiare i punti di diramazione e i punti di somma E. Del Re Fondamenti di Elaborazione umerica dei Segnali 5
52 FFT: VARIAZIOI ED ESTESIOI [Cap. 5.8 e 5.9] Si possono modificare i grafi in modo che ingressi e uscite siano nell ordine naturale (crescente). Si perde la proprietà di calcolo in place. Algoritmi radice-4 ( = 4 v ) log 4 log4 m. c. s. c. E. Del Re Fondamenti di Elaborazione umerica dei Segnali 52
53 Altri algoritmi Winograd (fattori primi) Mixed-radix Split-radix (radice diversa per ogni stadio) (mescolanza di radice-2 e radice-4) Fattore composito (mescolanza di radici con fattori primi) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 53
54 FFT: COSIDERAZIOI FIALI La IDFT x k = [] n = X [] k nk W può essere calcolata (a meno del fattore / ) da un algoritmo FFT sul quale si operi la sostituzione W W (FFT) (IFFT) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 54
55 La divisione per il fattore può essere eseguita mediante divisione per un fattore 2 ad ogni stadio. In pratica per il calcolo della DFT conviene sempre impiegare un algoritmo di FFT, a meno che non interessino pochi punti della DFT. E. Del Re Fondamenti di Elaborazione umerica dei Segnali 55
56 Esercitazioni di Laboratorio di MATLAB ( reperibili a: Confronto DFT-FFT E. Del Re Fondamenti di Elaborazione umerica dei Segnali 56
57 APPLICAZIOI DELLA DFT E. Del Re Fondamenti di Elaborazione umerica dei Segnali 57
58 APPLICAZIOI DELLA DFT Sono numerosissime. Qui vedremo alcune delle più importanti e significative: - Stime spettrali - Convoluzione di sequenze (convoluzione veloce) - Correlazione di sequenze (correlazione veloce) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 58
59 STIME SPETTRALI [Cap.5.] E. Del Re Fondamenti di Elaborazione umerica dei Segnali 59
60 Si vuole stimare la densità spettrale di potenza (spettro di potenza) di un segnale con potenza finita a partire dalla sequenza generalmente di durata molto lunga ( infinita ) dei suoi campioni Utilizzando la DFT (FFT) si può effettuare la stima spettrale per qualunque tipo di segnale (stima non parametrica) e non si richiede l ipotesi di un modello del segnale (stima parametrica) Poiché la DFT ha dimensione finita, come può essere impiegata? Iniziamo a considerare un segnale (a energia finita) che abbia la TF E. Del Re Fondamenti di Elaborazione umerica dei Segnali 6
61 Come si modifica la Trasformata di Fourier di una sequenza infinita prendendo i suoi primi campioni? (es.: partendo da questo segnale analogico) x(t) t x( t) = a u( t),a < a= t X ( f ) = j2πf ln a 3 2 X(f) X(f) arg(x(f)) a= f - E. Del Re Fondamenti di Elaborazione umerica dei Segnali 6
62 Esempio x(n) x [] n n = a u[] n, a < a=.7 a e X ( F) = j2πf X(F) n X(F) arg(x(f)) a= F E. Del Re Fondamenti di Elaborazione umerica dei Segnali 62
63 x(n) x [] n n = a { u[] n u[ n ]} a=.7 = a e a e j2πf X( F) = j2πf X(F) n X(F) arg(x(f)) a=.7 = F E. Del Re Fondamenti di Elaborazione umerica dei Segnali 63
64 Esempio 2 x(t) t x( t) = a u( t),a < a= X(f) X(f) arg(x(f)) t X ( f ) = j2πf ln a 5 a= f E. Del Re Fondamenti di Elaborazione umerica dei Segnali 64
65 x(n) x [] n n = a u[] n, a < a=.9 a e X ( F) = j2πf X(F) n X(F) arg(x(f)) a= F E. Del Re Fondamenti di Elaborazione umerica dei Segnali 65
66 x(n) x [] n n = a { u[] n u[ n ]} a=.9 = n a e a e j2πf X( F) = j2πf X(F) X(F) arg(x(f)) a=.9 = F - E. Del Re Fondamenti di Elaborazione umerica dei Segnali 66
67 Operazione di modifica dello spettro (filtraggio) della DFT x[n] sequenza di durata molto lunga con TF X(F) La sua DFT (a punti), per esempio sui primi campioni, con w X [] n W + [] [] j2π Fn = x n w n e F= n= [] [] kn k x n = = n= n = altrove k (finestra rettangolare) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 67
68 che ha come TF W( F) = e e j2π F j2π F = e jπ F( ) sen( π sen( F) π F) con F = f T = f / f c frequenza normalizzata E. Del Re Fondamenti di Elaborazione umerica dei Segnali 68
69 X [] k è la TF calcolata alle frequenze normalizzate k = T E. Del Re Fondamenti di Elaborazione umerica dei Segnali 69 k (ovvero alle frequenze ) della sequenza [] n x[ n ] w[ n ], x = il cui spettro è X ( F) = X( F) W( F) = X( u) W( F u) du 2 2 f c k
70 Spettro di un segnale e della funzione finestra rettangolare centrato in F. E. Del Re Fondamenti di Elaborazione umerica dei Segnali 7
71 in definitiva: [ k] X (F) X = F = k ovvero il coefficiente k-esimo della DFT è il valore mediato dello spettro X(F) di x[n] pesato dalla funzione W(F) centrata sulla frequenza normalizzata k/. Generalmente la DFT non coincide con i valori desiderati di X(F) alle frequenze k/. E. Del Re Fondamenti di Elaborazione umerica dei Segnali 7
72 Esempio illustrativo [] j2πf n n = e x sia un esponenziale complesso (riga) ad una frequenza normalizzata F intermedia fra / e 2/. x[n] X(F) = F 2 F E. Del Re Fondamenti di Elaborazione umerica dei Segnali 72
73 considerato che: sen ( π F) = sen ( π F) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 73
74 si ottiene per X[k] k Compaiono righe spettrali per tutti i valori di k. (ell esempio per semplicità sono stati assunti valori reali invece che complessi per illustrare il meccanismo di generazione della DFT ) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 74
75 [ Esiste una condizione per la quale nella DFT ci sono tutte e sole le componenti presenti nel segnale di ingresso? ] La DFT effettua una operazione di modifica, con la funzione W(F), dello spettro del segnale di ingresso Si può cambiare l effetto di filtraggio cambiando W(F) e quindi w[n] E. Del Re Fondamenti di Elaborazione umerica dei Segnali 75
76 Per esempio: 2 2π n [] = ( cos ) w n [] wn 2π n =.54.46cos (Hanning) (Hamming) n (e molte altre) che hanno lobi laterali più piccoli E. Del Re Fondamenti di Elaborazione umerica dei Segnali 76
77 Finestra rettangolare Finestra di Hanning w(n) db n -5 w(n) n F db F Finestra di Hamming w(n) db n -5 Caratteristiche temporali e spettrali delle finestre e valore di picco del lobo secondario: - Rettangolare: - 3 db (.22) - di Hanning : - 3 db (.28) - di Hamming: - 4 db (.9) F E. Del Re Fondamenti di Elaborazione umerica dei Segnali 77
78 Risoluzione algoritmica e risoluzione spettrale Risoluzione algoritmica Tuttavia: Valori spaziati di ovvero di Δ Δ F = f c f = = T La risoluzione spettrale è la minima distanza di due componenti spettrali che possono essere risolte : dipende dall ampiezza del lobo principale della finestra. Generalmente si assume la risoluzione spettrale uguale all ampiezza del lobo principale. E. Del Re Fondamenti di Elaborazione umerica dei Segnali 78
79 Finestra Risoluzione Picco lobo laterale spettrale ( F) (db) Δ Rettangolare 2/ - 3 Hanning 4/ - 3 Hamming 4/ - 4 E. Del Re Fondamenti di Elaborazione umerica dei Segnali 79
80 Stime spettrali (Periodogramma) È uno dei metodi di stima spettrale per segnali a potenza finita. Impiega la DFT (FFT). x[n] segnale aleatorio discreto di durata molto lunga ( L ), supposto stazionario (in senso lato) per tutta la sua durata. Algoritmo si suddivide x[n] in M = L/ blocchi di campioni x i [] n = x[ n + i], n, i M E. Del Re Fondamenti di Elaborazione umerica dei Segnali 8
81 Si forma x' [ n] x [ n] w[ n], w[ n] opportuna finestra i = i Si calcola X [ k ] DFT { x '[ n] } i ' = i con A [] k X '[] k 2 i = W = W n = w 2 i [], n potenza della finestra E. Del Re Fondamenti di Elaborazione umerica dei Segnali 8
82 Si calcola la media P x M [] k = A [] k M i= Il valore P x [k] è la stima dello spettro di potenza del segnale x[n] alla frequenza F = k/ ovvero f = f c k/. Il fattore /W è introdotto per avere una stima non polarizzata (per ) Modifica possibile: i blocchi x i [n] possono essere anche parzialmente sovrapposti (in genere di /2 ) per migliorare le stime. E. Del Re Fondamenti di Elaborazione umerica dei Segnali 82 i
83 Sequenza Ampiezza dello Spettro di Potenza (db) Frequenza normalizzata Stima della densità spettrale di potenza Metodo di Welch (periodogramma) Sequenza = somma di 3 segnali sinusoidali (F =.8, F 2 =.25, F 3 =.4) Finestra di Hamming, FFT =24 E. Del Re Fondamenti di Elaborazione umerica dei Segnali 83
84 Esempi di impiego Analizzatori di spettro (digitali) Cognitive Radio etworks uova funzionalità delle future reti wireless (4G e 5G) Lo spettro a RF è una risorsa preziosa e scarsa Conoscere dinamicamente le bande di frequenza occupate e libere può servire ad allocare nuovi servizi nelle bande disponibili (comunicazioni opportunistiche) Stime spettrali in tempo reale e ripetute periodicamente (Spectrum sensing) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 84
85 Esercitazioni di Laboratorio di MATLAB ( reperibili a: Stime spettrali E. Del Re Fondamenti di Elaborazione umerica dei Segnali 85
86 COVOLUZIOE DISCRETA LIEARE [Cap. 5.] Convoluzione discreta lineare fra due sequenze (filtraggio FIR) effettuata mediante l impiego della DFT. x[n] h[n] y [ n] = x[ n] h[ n] X(z) H(z) Y(z)=X(z) H(z) h[n] di durata (FIR) x[n] di durata >> (generalmente) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 86
87 Due tecniche. Sovrapposizione e somma (Overlap and add) 2. Sovrapposizione e selezione (Overlap and save) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 87
88 Prima di descrivere queste due tecniche occorre considerare la convoluzione lineare mediante DFT di due sequenze di durata finita ( e M rispettivamente) per due motivi: quando le durate e M non sono troppo diverse essa realizza direttamente la loro convoluzione quando la durata del segnale di ingresso è >>, la convoluzione lineare può essere realizzata con DFT di dimensioni opportune. E. Del Re Fondamenti di Elaborazione umerica dei Segnali 88
89 Convoluzione lineare fra sequenze finite Durata delle sequenze non troppo lunga h[n], durata x[n], durata M y [] n x[ n] h[ n], = durata L = + M - = [ n] h [ n] x E. Del Re Fondamenti di Elaborazione umerica dei Segnali 89
90 h x [] n [] n = h x = [ n] [ n] n n L n M M n L sequenze allungate con valori nulli (zeri) [] k X[ k] H[ k] Y = DFT a L punti La DFT dell uscita è il prodotto delle DFT delle due sequenze di partenza allungate con valori nulli. E. Del Re Fondamenti di Elaborazione umerica dei Segnali 9
91 Schema realizzativo x[n] (M) Allungamento con - zeri x [n] (L) DFT L X[k] (L) Y[k] (L) IDFT L y[n] (L) L=+M- h[n] () Allungamento con M - zeri h [n] (L) DFT L H[k] (L) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 9
92 Osservazione La parte dello schema racchiusa nel rettangolo tratteggiato può essere calcolata una sola volta se la stessa h[n] è usata per filtrare successivamente sequenze diverse aventi durata M. E. Del Re Fondamenti di Elaborazione umerica dei Segnali 92
93 Sovrapposizione e somma (Overlap and add) h[n] x[n] y i- [n] y i [n] y i+ [n] y [n] M x i- [n] L=+M- y + x i [n] x i+ [n] [] n = x [ n] h[ n] = y [ n] i i i i E. Del Re Fondamenti di Elaborazione umerica dei Segnali 93 +
94 Schema realizzativo x[n] Blocchi M camp. DFT L X i [k] Y i [k] IDFT L sovrap. e somma y[n] h[n] DFT L H[k] (RAM, ROM) Scelta di L : L + M - E. Del Re Fondamenti di Elaborazione umerica dei Segnali 94
95 Osservazione - Per semplicità nello schema l operazione di allungamento con zeri è inclusa nel blocco DFT - La parte racchiusa nel rettangolo tratteggiato è calcolata una sola volta. E. Del Re Fondamenti di Elaborazione umerica dei Segnali 95
96 Overlap and add Complessità realizzativa (algoritmo FFT radice-2) L log 2 L + L m.c. L log 2 L + L m.c./campione L-+ 4L (log 2 L + ) L-+ ovvero m.r./campione da confrontare con (m.r. o m.c.) nel caso di realizzazione diretta della convoluzione discreta E. Del Re Fondamenti di Elaborazione umerica dei Segnali 96
97 Sovrapposizione e selezione (Overlap and save) Osservazione: nella convoluzione circolare ad L punti di una sequenza di campioni con una di L ( > ) campioni, i primi - campioni sono diversi mentre i successivi L-+ sono identici a quelli della convoluzione lineare fra le stesse sequenze E. Del Re Fondamenti di Elaborazione umerica dei Segnali 97
98 h[n] x[n] x i- [n] L x i [n] x i+ [n] - A L-+ - B - C y[n] A B C E. Del Re Fondamenti di Elaborazione umerica dei Segnali 98
99 Schema realizzativo x[n] Blocchi L camp. DFT L X i [k] Y i [k] IDFT L sovrap. e selez. y[n] H[k] L campioni E. Del Re Fondamenti di Elaborazione umerica dei Segnali 99
100 Overlap and save Complessità realizzativa (algoritmo FFT radice-2) L log 2 L + L m.c. L log 2 L + L m.c./campione L-+ 4L (log 2 L + ) L-+ ovvero m.r./campione da confrontare con (m.r. o m.c.) nel caso di realizzazione diretta della convoluzione discreta. O&A e O&S hanno la stessa complessità E. Del Re Fondamenti di Elaborazione umerica dei Segnali
101 CORRELAZIOE Data h[n] di durata e x[n] di durata >, sappiamo che la loro correlazione (lineare) può essere espressa mediante la convoluzione discreta (lineare) v [] n h[ m][ x n + m] = h[ n] x[] n = m= E. Del Re Fondamenti di Elaborazione umerica dei Segnali
102 Si possono applicare tutte le tecniche precedenti (sequenze entrambe finite, sovrapposizione e somma, sovrapposizione e selezione): - usando h[-n] al posto di h[n], ovvero usando H[L k] al posto di H[k] (con L dimensione della DFT usata) E. Del Re Fondamenti di Elaborazione umerica dei Segnali 2
103 Convoluzione e correlazione veloce Si chiamano così quando si impiega un algoritmo FFT per il calcolo della DFT negli schemi precedenti. E. Del Re Fondamenti di Elaborazione umerica dei Segnali 3
104 Altre applicazioni della FFT Modem OFDM (Orthogonal Frequency Division Multiplexing) Wi-fi TV digitale terrestre (DVB-T) TV sui cellulari (DVB-H) DVB satellitare e mobile (DVB-SH) DAB (Digital Audio Broadcasting) WiMAX (rete wireless geografica a larga banda) LTE (Long Term Evolution): future reti cellulari E. Del Re Fondamenti di Elaborazione umerica dei Segnali 4
105 TRASMETTITORE OFDM GEERATORE CASUALE DI DATI MODULAZIOE DIFFEREZIALE BPSK-QPSK-6PSK COVERSIOE SERIALE PARALLELO IFFT COVERSIOE PARALLELO SERIALE ISERZIOE ITERVALLO GUARDIA CAALE segnale modificato dal canale RUMORE AWG MULTIPATH FADIG segnale OFDM trasmesso RIMOZIOE ITERVALLO DI GUARDIA COVERSIOE SERIALE PARALLELO FFT COVERSIOE PARALLELO SERIALE DEMODULAZIOE DIFFEREZIALE flusso dati ricevuti RICEVITORE OFDM E. Del Re Fondamenti di Elaborazione umerica dei Segnali 5
DIGITALIZZAZIONE DEI SEGNALI. Riepilogo del corso di Fondamenti di Elaborazione Numerica dei Segnali
DIGITALIZZAZIOE DEI SEGALI Conversione analogico - digitale x a (t) Segnale analogico ( o tempo-continuo ) A/D ADC x(nt) Segnale numerico ( o digitale ) 2 Due operazioni: segnale tempocontinuo segnale
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
DettagliPROGETTO DI FILTRI A RISPOSTA IMPULSIVA FINITA (FIR) [Cap. 6] E. Del Re Fondamenti di Elaborazione Numerica dei Segnali 1
PROGETTO DI FILTRI A RISPOSTA IMPULSIVA FIITA (FIR) [Cap. 6] E. Del Re Fondamenti di Elaborazione umerica dei Segnali Considerazioni generali sul progetto di filtri numerici Specifiche di progetto Operazione
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
DettagliComunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 2017-2018 Orthogonal Frequency Division Multiplexing OFDM Orthogonal Frequency Division Multiplexing
DettagliDecimazione in frequenza (Decimation in frequency)
Decimazione in frequenza (Decimation in frequency) Si può pensare di derivare direttamente un algoritmo FFT di decimazione nel dominio della frequenza, invece di fare una trasposizione di un algoritmo
DettagliCalcolo della DFT. Complessità del calcolo diretto. X(k) = x(n)w kn DFT. x(n) = 1 N. X(k)W kn. con W N = e j2π/n. Se x(n) è complessa: j{r[x(n)]
Calcolo della DFT Complessità del calcolo diretto DFT X(k) = x(n) = 1 1 n=0 1 x(n)w kn k = 0,..., 1 DFT k=0 con W = e j2π/. Se x(n) è complessa: X(k) = = 1 n=0 {R[x(n)] + ji[x(n)]}{r[w kn 1 n=0 }{{} (
DettagliSteeper Rolloff. mentre si pone il valore centrale pari all unità in corrispondenza di. Ossia si impongono tali condizioni nella:
Steeper Rolloff Dalle analisi precedenti, è chiaro che, modificando i coefficienti della finestra Blacman, si ottiene una caduta anche più ripida di 30 db/ottava Occorre cancellare due coppie di zeri da
Dettagli7.Trasformata discreta di Fourier
7.Trasformata discreta di Fourier 7. Introduzione Nel capitolo 6 sono state prese in esame la definizione e le proprietà della trasformata discreta nel tempo di Fourier : X(e jω ), essendo ω una variabile
DettagliRappresentazione di una sequenza a durata finita come un periodo di una sequenza periodica.
La Trasformata di Fourier Discreta (DFT) 1. Sequenza x(n) lunga N è rappresentabile con sequenza periodica x(n) di periodo N, con andamento nel periodo identico a x(n); 2. x(n) è esattamente rappresentabile
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,
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
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
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) = ( )
DettagliINDICE Esempi di segnali determinati: periodici e di energia Esempio di segnale aleatorio...4
INDICE 1 Introduzione: definizione e classificazione dei segnali... 1 1.1 Introduzione all elaborazione numerica dei segnali... 1 1.2 Classificazione dei segnali... 2 1.2.1 Esempi di segnali determinati:
DettagliElaborazione nel dominio delle frequenze. Elaborazione delle immagini digitali 1
Elaborazione nel dominio delle frequenze Elaborazione delle immagini digitali 1 Serie di Fourier Elaborazione delle immagini digitali 2 Introduzione alla trasformata di Fourier Una funzione periodica può
DettagliRappresentazione dei segnali con sequenze di numeri e simboli
Elaborazione numerica dei segnali Digital Signal Processing 1 Rappresentazione dei segnali con sequenze di numeri e simboli Elaborazione delle sequenze per stimare i parametri caratteristici di un segnale;
DettagliProblemi di base di Elaborazione Numerica dei Segnali
Universita' di Roma TRE Corso di laurea in Ingegneria Elettronica Corso di laurea in Ingegneria Informatica Universita' di Roma "La Sapienza" Corso di laurea in Ingegneria delle Telecomunicazioni Problemi
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
DettagliTeoria dei Segnali Proprietà della trasformata di Fourier; correlazione tra segnali; autocorrelazione
Teoria dei Segnali Proprietà della trasformata di Fourier; correlazione tra segnali; autocorrelazione p. 1 Teoria dei Segnali Proprietà della trasformata di Fourier; correlazione tra segnali; autocorrelazione
DettagliLA TECNICA DI TRASMISSIONE OFDM. Ing. Riccardo Pighi
LA TECNICA DI TRASMISSIONE OFDM Ing. Riccardo Pighi Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Parma, Venerdì 23 Gennaio 2004 Sommario della presentazione 1. OFDM: introduzione
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
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,
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):
DettagliSEGNALI E SISTEMI (a.a ) Proff. L. Finesso, M. Pavon e S. Pinzoni Prova scritta 15 dicembre 2003 Testo e Soluzione
Esercizio 1 [punti 4] SEGNALI E SISTEMI (a.a. 003-004) Proff. L. Finesso, M. Pavon e S. Pinzoni Prova scritta 15 dicembre 003 Testo e Soluzione Per ciascuno dei seguenti segnali dire se è periodico e,
DettagliCircuiti a Tempo Discreto DFT - La Trasformata di Fourier Discreta
Circuiti a Tempo Discreto - La Trasformata di Fourier Discreta Prof. Michele Scarpiniti Dipartimento di Ingegneria dell Informazione, Elettronica e Telecomunicazioni Sapienza Università di Roma http://ispac.ing.uniroma1.it/scarpiniti/index.htm
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
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
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
DettagliSEGNALI A TEMPO DISCRETO. Impulso e altri segnali canonici discreti. Trasformata Zeta. Sviluppo di Fourier discreto. Trasformata di Fourier discreta
SEGNALI A TEMPO DISCRETO Impulso e altri segnali canonici discreti Trasformata Zeta Sviluppo di Fourier discreto Trasformata di Fourier discreta Illustrazioni dal Testo di Riferimento per gentile concessione
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
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
DettagliIntroduzione ai sistemi di trasmissione dell Informazione
Introduzione ai sistemi di trasmissione dell Informazione La trasmissione dell Informazione Sorgente Destinazione Trasformazione & Elaborazione Mezzo Trasmissivo Host A Host B Struttura reale di una interconnessione
DettagliTeoria dei Segnali. 1 Proprietà della trasformata di Fourier. correlazione tra segnali; autocorrelazione
Teoria dei Segnali Proprietà della trasformata di Fourier; correlazione tra segnali; autocorrelazione Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it
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
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
DettagliFILTRI NUMERICI. Sistema LTI H (z)
x [n] FILTRI UMERICI Sistema LTI H (z) y [n] Un sistema numerico LTI è in molti casi descritto con un equazione alle differenze lineare a coefficienti costanti: M [ ] = [ ] a y n k b x n r k k= r= Z {}
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
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
DettagliSEGNALI E SISTEMI Proff. L. Finesso, M. Pavon e S. Pinzoni (a.a ) Homework assignment #2 Testo e Soluzione
SEGNALI E SISTEMI Proff. L. Finesso, M. Pavon e S. Pinzoni (a.a. 00-005) Homework assignment # Testo e Soluzione Esercizio Si consideri l equazione differenziale ordinaria, lineare a coefficienti costanti
DettagliTeoria dei Segnali Richiami ai numeri complessi; serie e trasformata di Fourier
Teoria dei Segnali Richiami ai numeri complessi; serie e trasformata di Fourier Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria dei Segnali
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
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
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
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
DettagliProf. Carlo Rossi DEIS - Università di Bologna Tel:
Prof. Carlo Rossi DEIS - Università di Bologna Tel: 051 2093020 email: carlo.rossi@unibo.it Sistemi Tempo-Discreti In questi sistemi i segnali hanno come base l insieme dei numeri interi: sono sequenze
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
DettagliCAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI 1 Fondamenti di segnali Fondamenti e trasmissione TLC Segnali in formato numerico Nei moderni sistemi di memorizzazione e trasmissione i segnali in ingresso sono
DettagliElaborazione numerica dei segnali
Massimiliano Laddomada Marina Mondin Elaborazione numerica dei segnali 0)+)2(% %VKSQIRXSXVEXXEXSEPI^MSRI %VKSQIRXSXVEXXEXSEPI^MSRIMRQSHSTEV^MEPIS HMJJIVIRXIVMJIVMVWMEKPMETTYRXM %VKSQIRXSEGGIRREXSEPI^MSRIVMJIVMVWMEKPMETTYRXM
DettagliTrasformazioni Winograd
Trasformazioni Winograd L'ultimo punto che rimane da esaminare nel progetto di una FFT di fattori primi, è la determinazione di efficienti algoritmi circolari di convoluzione per piccoli Winograd ha sviluppato
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)
DettagliModulazione Multilivello in banda passante: QAM e PSK
Modulazione Multilivello in banda passante: QAM e PSK P. Lombardo DIET, Univ. di Roma La Sapienza Modulazioni QAM e PSK - 1 Trasmissione numerica in banda passante (III) MODULATORE QPSK Efficienza spettrale:
DettagliGianfranco Cariolaro, Gianfranco Pierobon, Giancarlo Calvagno Segnali e sistemi Indice analitico
Gianfranco Cariolaro, Gianfranco Pierobon, Giancarlo Calvagno Segnali e sistemi Indice analitico Copyright The McGraw-Hill Companies srl A aliasing, 443 fenomeno dell, 424f AMI, codificatore, 315 analiticità
DettagliElaborazione di Segnali Multimediali
UNIVERSITA DEGLI STUDI DI CATANIA Facoltà di Ingegneria Corso di Laurea in Ingegneria Telematica Elaborazione di Segnali Multimediali = Elaborazione Numerica dei Segnali + Comunicazioni Multimediali Elaborazione
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
Dettagli2.2.5 Approssimazione di un segnale in una base biortogonale (segnali rettangolari) Esercizi proposti... 46
Indice 1 Operazioni elementari, convoluzione, correlazione 1 1.1 Operazioni elementari........................ 1 1.1.1 Ribaltamento, traslazione, scalatura............ 1 1.2 Convoluzione.............................
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
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
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
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
DettagliCome rintracciarmi. Orario di ricevimento: Martedì dalle 9:00 alle 11:00. Telefono:
Come rintracciarmi Orario di ricevimento: Martedì dalle 9:00 alle :00 Telefono: 0432-55-827 e-mail: bernardini@uniud.it Pagina web: http://www.diegm.uniud.it/ bernardini/didattica/sis/ September 25, 2003
DettagliOFDM. Orthogonal Frequency Division Multiplexing. Remo Pomposini
OFDM Orthogonal Frequency Division Multiplexing Remo Pomposini tempo Modulazione a portante singola Modula le informazioni sulla portante tramite adattamento di frequenza, fase o ampiezza Alto bitrate
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...
DettagliREALIZZAZIONE DI SISTEMI DI ELABORAZIONE NUMERICA DEI SEGNALI. E. Del Re - Fondamenti di Elaborazione Numerica dei Segnali 1
REALIZZAZIONE DI SISTEMI DI ELABORAZIONE NUMERICA DEI SEGNALI E. Del Re - Fondamenti di Elaborazione Numerica dei Segnali 1 CARATTERISTICHE DEGLI ALGORITMI E DEI SISTEMI DI ELABORAZIONE NUMERICA DEI SEGNALI
DettagliFondamenti di Internet e Reti. Antonio Capone, Matteo Cesana, Ilario Filippini, Guido Maier
Fondamenti di Internet e Reti Antonio Capone, Matteo Cesana, Ilario Filippini, Guido Maier Fondamenti di Internet e Reti 7 Livello Fisico Antonio Capone, Matteo Cesana, Ilario Filippini, Guido Maier Fondamenti
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 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
DettagliCORSO DI SISTEMI DI TELECOMUNICAZIONI. Anno accademico 2003/2004. Esercitazione in aula del 8 Aprile 2004
Università di Trento CORSO DI SISTEMI DI TELECOMUNICAZIONI Anno accademico 2003/2004 Esercitazione in aula del 8 Aprile 2004 Argomenti: Canali wireless, sistemi di trasmissione Spread Spectrum e metodi
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
DettagliTecniche di progettazione dei filtri FIR
Tecniche di progettazione dei filtri FIR 9.0 Introduzione I filtri FIR sono filtri nei quali la risposta all'impulso è generalmente limitata. I filtri FIR hanno la proprietà di essere facilmente vincolati
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
DettagliEdoardo Milotti - Metodi di trattamento del segnale 1
Edoardo Milotti - Metodi di trattamento del segnale 1 Consideriamo un certo processo di campionamento in cui si prendono N campioni con intervallo di campionamento Δt: in questo caso il tempo di campionamento
Dettagli2. Analisi in frequenza di segnali
2.1 Serie di Fourier 2. Analisi in frequenza di segnali Secondo il teorema di Fourier, una funzione periodica y(t) è sviluppabile in una serie costituita da un termine costante A 0 e da una somma di infinite
DettagliElaborazione numerica dei segnali: si occupa della
Introduzione al corso Elaborazione numerica dei segnali: si occupa della Rappresentazione dei segnali con sequenze di numeri e simboli Elaborazione delle sequenze per stimare i parametri caratteristici
DettagliFourier () ( ) x t X f
SPETTRO DI UN SEGNALE Dato un segnale x( t ) si considerano modulo e argomento della sua trasformata di Fourier: Fourier () ( ) x t X f Spettro d ampiezza: Α ( f ) = X ( f ) Spettro di fase: Q( f ) = Arg
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.
DettagliComunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 2017-2018 OFDM Prestazioni Prestazioni OFDM Il prefisso ciclico consente di convertire il canale
DettagliCircuiti a tempo discreto Raffaele Parisi
Circuiti a tempo discreto Raffaele Parisi Università di Roma La Sapienza Laurea Specialistica in Ingegneria Elettronica : Architetture di Circuiti TD Grafo di un circuito TD, validità di un circuito TD,
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
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
DettagliSegnali e trasformate
Segnali e trasformate - 1 Corso di Laurea in Ingegneria dell Automazione Segnali e trasformate DEIS-Università di Bologna Tel. 051 2093020 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi
DettagliINDICE. Capitolo 1 Introduzione 1. Capitolo 2 Rappresentazione di Fourier di segnali e sistemi 19. Capitolo 3 Modulazione d ampiezza 99
INDICE Capitolo 1 Introduzione 1 1.1 Inquadramento storico 1 1.2 Applicazioni 4 1.3 Risorse principali e requisiti operativi 13 1.4 Teorie alla base dei sistemi di comunicazione 14 1.5 Osservazioni conclusive
DettagliTeoria dei Segnali Quantizzazione dei segnali; trasformata zeta
Teoria dei Segnali Quantizzazione dei segnali; trasformata zeta Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria dei Segnali Quantizzazione;
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
DettagliFiltraggio Digitale. Alfredo Pironti. Ottobre Alfredo Pironti Univ. di Napoli Federico II Corso Ansaldo Breda 1 / 20
Filtraggio Digitale Alfredo Pironti Ottobre 2012 Alfredo Pironti Univ. di Napoli Federico II Corso Ansaldo Breda 1 / 20 Filtri Analogici (1) Un filtro analogico è un sistema lineare tempo-invariante (LTI)
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
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
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
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
DettagliTrasformata di Fourier
Trasformata di Fourier Ø Risposta impulsiva e integrale di convoluzione Ø Rappresentazione di segnali nel tempo e in frequenza Ø Filtri idealmente e fisicamente realizzabili, stabilità Ø Trasformazioni
DettagliLa Trasformata di Fourier Discreta. e sue applicazioni
Prof. Lucio Cadeddu Giorgia Tranquilli Università degli Studi di Cagliari Facoltà di Scienze MM.FF.NN. Corso di Laurea in Matematica La Trasformata di Fourier Discreta e sue applicazioni Relatore: Tesi
DettagliElaborazione di segnali e immagini: modulo segnali
Elaborazione di segnali e immagini: modulo segnali 30 gennaio 014 Esame parziale con soluzioni Esercizio 1 Dato un sistema LTI descritto dalla seguente equazione alle differenze: v(k) + v(k 1) 10v(k )
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
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
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
DettagliEdoardo Milotti - Metodi di trattamento del segnale 1
Edoardo Milotti - Metodi di trattamento del segnale 1 Consideriamo un certo processo di campionamento in cui si prendono N campioni con intervallo di campionamento Δt: in questo caso il tempo di campionamento
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
DettagliCONTROLLI AUTOMATICI Ingegneria Gestionale ANALISI ARMONICA
CONTROLLI AUTOMATICI Ingegneria Gestionale http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANALISI ARMONICA Ing. Federica Grossi Tel. 059 2056333 e-mail: federica.grossi@unimore.it
Dettagli