Elaborazione nel dominio della frequenza

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Elaborazione nel dominio della frequenza"

Transcript

1 Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazione nel dominio della frequenza L.Verdoliva In questa esercitazione esamineremo la trasformata di Fourier discreta monodimensionale e bidimensionale. Useremo la DFT-2D per analizzare il contenuto frequenziale di un immagine e per elaborarla realizzando il filtraggio direttamente nel dominio della frequenza. 1 La Trasformata discreta 1D La DFT (Discrete Fourier Transform) di una sequenza causale x(n) di durata finita N è definita come: X(k) = n=0 L equazione di sintesi (IDFT) invece è: x(n) = 1 N k=0 x(n) e j2πnk/n k = 0,, N 1 X k e j2πnk/n n = 0,, N 1 Alcune considerazioni. I coefficienti dello sviluppo sono numeri complessi e contengono le informazioni sull ampiezza e la fase delle N sinusoidi discrete che rappresentano il segnale. E importante sottolineare che la sequenza dei coefficienti di Fourier è periodica, cioè X k+n = X k. Teniamo poi presente che X k e X N k sono componenti a frequenza numerica k/n e k/n, rispettivamente, e che per segnali reali risultano complesse coniugate (hanno la stessa ampiezza, ma fase opposta), in modo da dar luogo alla ricostruzione mediante sinusoidi. Anche il segnale ricostruito risulta periodico sempre di periodo N. Per il calcolo dei coefficienti DFT sfruttiamo il fatto che ogni campione dello spettro può essere determinato come il prodotto scalare tra i campioni nel tempo e gli esponenziali complessi: n = [0:N-1]; for k=0:n-1 X(k+1) = x*exp(-j*2*pi*k*n/n). ; end; Si noti che per vettori complessi x. indica il trasposto hermitiano, mentre x solo il trasposto. Il prodotto scalare può anche essere valutato come: X(k+1) = sum(x.*exp(-j*2*pi*k*n/n)); 1

2 La Trasformata discreta 1D 2 In realtà, è possibile evitare del tutto i cicli for se si riconosce che il calcolo degli N coefficienti di Fourier può essere visto come un prodotto matriciale, infatti detti i vettori colonna X = [X 0, X 1,..., X ] T, x = [x 0, x 1,..., x ] T e W la seguente matrice: W = risulta che X = Wx. In Matlab si ha: e j2π/n e j4π/n... e j2π()/n e j2π()/n e j4π()/n... e j2π()()/n n = [0:N-1]; k = [0:N-1]; W = exp(-j*2*pi*k *n/n); x=x. ; X = W*x; % necessario se x è un vettore riga Con ragionamento analogo si perviene alla formula di ricostruzione: x = 1 N W X. x = (W *X)/N; In realtà in Matlab esiste già un comando per il calcolo della DFT, che risulta computazionalmente molto efficiente perchè implementato mediante algoritmi veloci, noti come FFT (Fast Fourier Transform). Basta allora scrivere il seguente codice dove x è il vettore di cui si vuole valutare la DFT su N punti: x=boxcar(l); % genera un impulso rettangolare lungo L X=fft(x,N); v=[0:(1/n):(n-1)/n]; subplot(2,1,1); stem(v,abs(x)); subplot(2,1,2); stem(v,angle(x)); Notate che è possibile specificare il numero di punti su cui calcolare la DFT. Di default tale valore è proprio pari alla durata del segnale x(n), in caso contrario la sequenza è allungata con N L zeri (zero padding), che corrisponde, di fatto, ad effettuare un sovracampionamento in frequenza. Per comprendere meglio questo fenomeno utilizziamo il comando fft per stimare lo spettro X(ν) del segnale R L (n): v = [0:(1/N):1-1/N]; figure; plot(v,abs(x)); Scegliete L = 8 e fate variare il valore di N assegnando 10, 20, 50, 100, Notate come per valori piccoli di N non sia possibile visualizzare correttamente lo spettro, nonostante risulti N L. Tenete infatti presente che il vincolo di Nyquist richiede che poi venga realizzata un interpolazione con le funzioni di Dirichlet (e non lineare come fa il plot). Per questo motivo è necessario sovracampionare lo spettro, considerando N molto più grande di L. Notate, infine, come i valori della DFT risultino strettamente dipendenti dal numero di punti su cui la si valuta. Infatti quando si considera N maggiore di L il campionamento è più fitto, anche se lo spettro X(ν) non varia.

3 La trasformata discreta 2D 3 Fate attenzione alla visualizzazione dello spettro che è stato rappresentato nell intervallo [0, N[, ovvero nell intervallo [0, 1[ se si fa riferimento al valore di ν (frequenza normalizzata). Poiché le basse frequenze si trovano intorno a 0 e 1 (agli estremi dell intervallo), mentre le alte frequenze intorno a 1/2 (al centro dell intervallo), questa visualizzazione non è quella abituale, in cui le basse frequenze si trovano intorno all origine e le alte frequenze lontano dall origine. D altra parte è del tutto lecito, vista la periodicità dei coefficienti, riportare a sinistra della componente continua le componenti della seconda metà dello spettro, in modo da avere uno spettro più leggibile: v = [-1/2:(1/N):1/2-1/N]; X = fftshift(x); figure; plot(v,abs(x)); % asse temporale centrato nell origine % traslazione dei coefficienti di Fourier Calcolate lo spettro di x(n) = R L (n) e visualizzate il modulo su di un grafico facendo aumentare il valore di L = 2, 10, 20, 30. Considerate poi una finestra rettangolare in cui si cambia il segno ai coefficienti di posto dispari, cioè y(n) = ( 1) n R L (n). A parità di valore di L confrontate lo spettro di ampiezza di questo segnale con quello di x(n). Che considerazioni potete trarre? 2 La trasformata discreta 2D Data un immagine x(m, n) di dimensioni M N, la DFT-2D (equazione di analisi) è definita come: X(k, l) = M 1 m=0 n=0 mentre l equazione di sintesi è: x(m, n) = 1 NM M 1 k=0 mk j2π( x(m, n)e M + nl N ) k = 0,, M 1 l = 0,, N 1 l=0 mk j2π( X(k, l)e M + nl N ) m = 0,, M 1 n = 0,, N 1 In Matlab la DFT bidimensionale è implementata tramite il comando fft2, che di default valuta la DFT su un numero di punti pari proprio alle dimensioni dell immagine. Scriviamo il codice per realizzare e visualizzare il modulo della trasformata di Fourier dell immagine costituita da un rettangolo bianco su sfondo nero: x=double(imread( Fig4.03(a).jpg )); X=fft2(x); figure; imagesc(abs(x)); colormap(gray(256)); axis image; L immagine visualizzata è tutta nera eccetto per pochissimi valori chiari agli angoli dell immagine. In effetti per una più corretta visualizzazione è necessario usare il comando fftshift per traslare le basse frequenze della DFT al centro dell immagine, e poi realizzare l operazione di logaritmo per migliorare la visualizzazione dei coefficienti, che presentano una dinamica estremamente ampia. X=fftshift(X); figure; imagesc(log(1+abs(x))); colormap(gray(256)); axis image;

4 Uso della DFT per il filtraggio lineare 4 Un altro modo per rappresentare il modulo della trasformata di Fourier è utilizzando il comando mesh(y). Il comando fft2 consente anche di specificare il numero di punti su cui calcolare la DFT, e se superiori alle dimensioni dell immagine, realizza automaticamente lo zero-padding: X = fft2(x,p,q). A tal proposito notate che la visualizzazione effettuata non vi dà informazioni sulle frequenze spaziali, essendo funzione solamente del numero di punti su cui è calcolata la DFT. Allora per poter visualizzare la trasformata di Fourier di un immagine al variare delle frequenze spaziali nel range [ 1/2, 1/2] [ 1/2, 1/2], è necessario prima creare la griglia di punti su cui definire la trasformata: [M,N]=size(x); P=2*M; Q=2*N; du=1/p; dv=1/q; m=-1/2:du:1/2-du; n= -1/2:dv:1/2-dv; [l,k] = meshgrid(n,m); X=fft2(x,P,Q); Y=log(1+abs(fftshift(X))); mesh(k,l,y); Provate a traslare l immagine Fig4.03(a).jpg e visualizzate sia lo spettro di ampiezza che quello di fase (con il comando angle) cercando di interpretare ciò che avete ottenuto. Quindi ripetete l esperimento ruotando l immagine di 45 o. 2.1 Esercizi proposti 1. Importanza dello spettro di fase. Per comprendere l importanza dello spettro di fase provate a realizzare il seguente esperimento. Considerate l immagine Fig0427(a).tif e dopo averne calcolato e visualizzato spettro di ampiezza e di fase, ricostruite l immagine con la sola informazione di ampiezza e poi solo con quella di fase e confrontate le due immagini. Infine, provate a ricostruire l immagine usando una volta il suo spettro di ampiezza, ma quello di fase relativo all immagine Fig4.03(a).jpg e una seconda volta il suo spettro di fase, ma quello di ampiezza sempre relativo all immagine Fig4.03(a).jpg. 2. Risposta in frequenza del filtro media aritmetica. Calcolate la DFT del filtro media aritmetica di dimensione k = 5, 10, 15, utilizzando per la FFT un numero di punti relativamente elevato, allo scopo di ottenere un campionamento fine di H(ν, µ). Verificate il comportamento passa-basso del filtro. 3. Risposta in frequenza dei filtri di smoothing e di sharpening. Ripetete l analisi dell esercizio 2 considerando un filtro spaziale che realizza lo sharpening, verificando che si tratta di un passa-alto. (N.B. Provate anche ad usare il comando freqz2 di matlab che realizza automaticamente un plot 3-D della risposta armonica del filtro). 3 Uso della DFT per il filtraggio lineare Lo studio dei segnali e dei sistemi nel dominio della frequenza è uno strumento fondamentale per l elaborazione dei segnali, infatti nel dominio della frequenza il prodotto tra la trasformata di Fourier dell ingresso e quella della risposta impulsiva equivale alla convoluzione realizzata nel dominio spaziale. Il filtraggio nel dominio frequenziale risulta computazionalmente molto efficiente grazie proprio ad algoritmi veloci (FFT) per il calcolo della DFT. In realtà se si realizza il prodotto delle DFT dell immagine di ingresso, X(k, l), e della risposta impulsiva H(k, l) si ottiene la convoluzione circolare delle immagini, che in generale non è uguale alla convoluzione lineare, operazione a cui siamo interessati per realizzare il filtraggio nel discreto. Tuttavia, si

5 Uso della DFT per il filtraggio lineare 5 può dimostrare, che realizzando opportunamente uno zero padding dell immagine di partenza la convoluzione circolare coincide con quella lineare. Quindi pur di effettuare il riempimento con zeri, la DFT può essere usata per realizzare il filtraggio lineare. Cominciamo ad esplorare questi concetti nel caso monodimensionale per poi passare alle immagini. Proviamo allora a determinare attraverso la DFT e la IDFT la risposta del filtro con x(n) = [1, 2, 3, 4] e h(n) = [1, 1, 1], entrambe causali. In questo caso bisogna calcolare la DFT almeno su N = = 6 punti per garantire la correttezza del risultato: x=[ ]; h=[1 1 1]; X=fft(x,6); H=fft(h,6); Y=X.*H; y=ifft(y,6) % vettore di ingresso % risposta impulsiva % realizza la DFT su 6 punti Verificate che l uscita è la stessa che fornisce il comando y=conv(x,h), ripetete quindi l operazione di filtraggio in frequenza calcolando la DFT su 4 punti, e verificando che il risultato è lo stesso di quello che otterreste con un estensione periodica ai bordi. Se si considera invece un immagine, x(m, n), di dimensioni M N e un filtro h(m, n) di dimensioni A B, è necessario calolare la DFT-2D su un numero di punti P e Q che soddisfino le condizioni P M + A 1 e Q N + B 1. Vediamo un esempio di implementazione nel dominio della frequenza del filtro di Sobel per la rivelazione dei bordi orizzontali. La risposta impulsiva del filtro è: h(m, n) = Il codice Matlab per filtrare in frequenza un immagine contenuta nella variabile x con tale filtro è il seguente: h = [1 0-1; 2 0-2; 1 0-1]; [M,N] = size(x); [A,B] = size(h); P=M+A-1; Q=N+B-1; X=fft2(x,P,Q); H=fft2(h,P,Q); Y=H.*X; y=real(ifft2(y)); figure; imagesc(y); colormap(gray(256)); axis image; A rigore, il risultato della DFT inversa dovrebbe essere puramente reale, in quanto equivalente alla convoluzione nel dominio dello spazio di due segnali reali. In pratica, errori dovuti alla precisione limitata comportano che l antitrasformata possieda una piccola parte immaginaria, che viene trascurata usando il comando real. Questa procedura risulta computazionalmente più efficiente del calcolo diretto della convoluzione, solo se il filtro è molto lungo (almeno maggiore di 32). Verificate che il risultato ottenuto nel dominio della frequenza è praticamente uguale a quello che si può ottenere nel dominio spaziale (fate attenzione al fatto che la maschera non è simmetrica).

6 Progetto dei filtri in frequenza 6 4 Progetto dei filtri in frequenza Proviamo adesso a progettare un filtro direttamente nel dominio della frequenza, e consideriamo un filtro passa-basso ideale, che ha come funzione di trasferimento: { 1 D(µ, ν) D0 H(µ, ν) = 0 altrimenti dove D(µ, ν) = µ 2 + ν 2 e rappresenta la distanza dal punto (ν, µ) al centro del filtro, mentre D 0 rappresenta la frequenza di cut-off. Questo filtro ideale può essere simulato al calcolatore col seguente codice: [M N] = size(x); % dimensioni dell immagine che si vuole elaborare du = 1/M; dv = 1/N; m = -1/2:du:1/2-du; n = -1/2:dv:1/2-dv; [l,k] = meshgrid(n,m); D = sqrt(k.^2+l.^2); D0 = 0.1; H = (D <= D0); figure; mesh(k,l,double(h)); A questo punto usiamo questo filtro per elaborare in frequenza l immagine lena.jpg, visualizzando il risultato sia nel dominio frequenziale che in quello spaziale: x = double(imread( lena.jpg )); X = fft2(x,m,n); X = fftshift(x); figure; mesh(k,l,log(1+abs(x))); Y=H.*X; figure; mesh(k,l,log(1+abs(y))); Y=fftshift(Y); y=real(ifft2(y,m,n)); figure; imagesc(y); colormap(gray(256)); axis image; axis off; Provate a cambiare la dimensione del raggio e visualizzate l uscita. Noterete l effetto di ringing che caratterizza un filtraggio ideale e che può essere sensibilmente ridotto se si usano filtri gaussiani con funzione di trasferimento: H(µ, ν) = e D2 (µ,ν)/2σ 2 dove al crescere di σ aumenta la banda del filtro. Scrivete una funzione Matlab con il prototipo function y = gausslpf(x,sigma) che implementa il filtraggio passa-basso gaussiano con un assegnato valore di σ. Infine, implementate i filtri ideali passa-alto ed elimina-banda la cui risposta armonica visualizzata come immagine è mostrata in figura 1. Usateli per filtrare l immagine lena.jpg e osservate il risultato al variare del raggio. 4.1 Esercizi proposti 1. Testo a bassa risoluzione e pubblicità. l immagine Fig.4.19(a).jpg, che mostra un esempio di testo a bassa risoluzione che caratterizza di solito un fax o una fotocopia. Il testo in questa forma si presta poco

7 Progetto dei filtri in frequenza 7 Figura 1: Esempio di filtro passa-alto ed elimina-banda (bianco è 1 e nero è 0). ad essere elaborato da un calcolatore che effettua riconoscimento automatico, dato che sono presenti dei vuoti nei caratteri. Un approccio usato per affrontare questo problema è quello di realizzare un filtraggio passa-basso gaussiano. Questo filtro può anche essere usato per per ringiovanire l aspetto della donna raffigurata nell immagine Fig.4.20(a).jpg. Fate degli esperimenti, in entrambi i casi, al variare di σ. 2. Impronta digitale. Considerate l immagine di un impronta digitale Fig0457(a).tif in cui sono presenti delle macchie. L enhancement di questo tipo di immagini è un operazione fondamentale per poterne effettuare il riconoscimento automatico e quindi individuare correttamente le biforcazioni e le terminazioni presenti. Applicate all immagine un filtro passa-alto di Butterworth di ordine 4 con σ = 0.02, quindi realizzate un operazione di thresholding sul risultato ponendo tutti i valori negativi a zero e quelli positivi pari a 255. Visualizzate il risultato dell elaborazione. 3. Filtraggio di rumore periodico. Aggiungete rumore sinusoidale, z(m, n) = A sin(2π(µ 0 m + ν 0 n)), all immagine lena.jpg fissando il valore di µ 0 = ν 0 = 0.25 e scegliendo il valore di A. Quindi progettate un filtro notch in grado di rimuovere il rumore; visualizzate la trasformata di Fourier dell immagine filtrata e l immagine elaborata. 4. Filtraggio notch. L immagine Fig4.65(a).tif mostra una parte degli anelli che circondano Saturno. Il rumore sinusoidale è dovuto ad un segnale AC sovrapposto a quello della fotocamera prima di digitalizzare l immagine. Tale interferenza è semplice da rimuovere se si progetta un filtro notch in grado di cancellare il contributo del rumore. Calcolate quindi la trasformata di Fourier dell immagine, analizzatela, individuate il contributo realtivo al segnale sinusoidale e cercate di eliminarlo con il filtraggio.

Elaborazione nel dominio della frequenza Soluzioni

Elaborazione nel dominio della frequenza Soluzioni Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazione nel dominio della frequenza Soluzioni 1 La trasformata discreta 1D Calcoliamo lo spettro di x(n) = R L (n) al variare di L = 2, 10, 20,

Dettagli

Analisi dei segnali nel dominio della frequenza

Analisi dei segnali nel dominio della frequenza Laboratorio di Telecomunicazioni - a.a. 2010/2011 Lezione n. 7 Analisi dei segnali nel dominio della frequenza docente L.Verdoliva In questa lezione affrontiamo il problema dell analisi dei segnali tempo

Dettagli

Elaborazione nel dominio della frequenza

Elaborazione nel dominio della frequenza Appunti di Elaborazione dei Segnali Multimediali a.a. 29/2 L.Verdoliva Il dominio della frequenza è un potente strumento per l analisi e l elaborazione delle immagini e permette di comprendere meglio il

Dettagli

0.6 Filtro di smoothing Gaussiano

0.6 Filtro di smoothing Gaussiano 2 Figura 7: Filtro trapezoidale passa basso. In questo filtro l rappresenta la frequenza di taglio ed l, l rappresenta un intervallo della frequenza con variazione lineare di H, utile ad evitare le brusche

Dettagli

Capitolo 4 FILTRAGGIO NEL DOMINIO DELLA FREQUENZA

Capitolo 4 FILTRAGGIO NEL DOMINIO DELLA FREQUENZA Capitolo 4 FILTRAGGIO NEL DOMINIO DELLA FREQUENZA Il filtraggio nel dominio della frequenza è possibile grazie alle caratteristiche della serie di Fourier e della trasformata di Fourier, che permette di

Dettagli

Introduzione all elaborazione di immagini Part II

Introduzione all elaborazione di immagini Part II Introduzione all elaborazione di immagini Part II Obiettivi delle tecniche di elaborazione di immagini: miglioramento di qualità (image enhancement) ripristino di qualità o restauro (image restoration)

Dettagli

PROCESSING NEL DOMINIO OMEGA Scardinare la teoria: DFT (Discrete Fourier Transform)

PROCESSING NEL DOMINIO OMEGA Scardinare la teoria: DFT (Discrete Fourier Transform) 1 PROCESSING NEL DOMINIO OMEGA Scardinare la teoria: DFT (Discrete Fourier Transform) Si desidera una rappresentazione delle sequenze in dominio ω «adatta» a fare processing con filtri digitali 2 E stato

Dettagli

Elaborazioni nel dominio spaziale (1) Soluzioni

Elaborazioni nel dominio spaziale (1) Soluzioni Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazioni nel dominio spaziale (1) Soluzioni 1 Rappresentazione delle immagini in Matlab 1. Lettura e visualizzazione di un immagine JPEG. function

Dettagli

Elaborazione delle Immagini Digitali

Elaborazione delle Immagini Digitali Elaborazione delle Immagini Digitali Parte I Prof. Edoardo Ardizzone A.A. 2-22 La trasformata di Hotelling o di Karhunen-Loeve KLT discreta Questa trasformata detta anche analisi delle componenti principali

Dettagli

Revisione dei concetti fondamentali dell analisi in frequenza

Revisione dei concetti fondamentali dell analisi in frequenza Revisione dei concetti fondamentali dell analisi in frequenza rgomenti: trasformazione in frequenza: significato e funzionamento; schemi di rappresentazione; trasformata discreta. 1 Rappresentazione dei

Dettagli

Applicazione della tsvd all elaborazione di immagini

Applicazione della tsvd all elaborazione di immagini Applicazione della tsvd all elaborazione di immagini A cura di: Mauro Franceschelli Simone Secchi Indice pag Introduzione. 1 Problema diretto.. 2 Problema Inverso. 3 Simulazioni.. Introduzione Scopo di

Dettagli

Rappresentazione delle immagini

Rappresentazione delle immagini Elaborazione di Segnali Multimediali a.a. 2013/2014 Rappresentazione delle immagini L.Verdoliva In questa prima lezione vedremo come si rappresentano diversi tipi immagini digitali in Matlab. 1 Immagini

Dettagli

Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI

Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI La differenza tra il restauro e il miglioramento (enhancement) delle immagini è che il miglioramento è un processo soggettivo, mentre il restauro è un processo

Dettagli

Introduzione al Campionamento e

Introduzione al Campionamento e Introduzione al Campionamento e all analisi analisi in frequenza Presentazione basata sul Cap.V di Introduction of Engineering Experimentation, A.J.Wheeler, A.R.Ganj, Prentice Hall Campionamento L'utilizzo

Dettagli

Elaborazione di immagini nel dominio spaziale

Elaborazione di immagini nel dominio spaziale Appunti di Elaborazione di Segnali Multimediali a.a. 213/214 L.Verdoliva In questa prima parte del corso studieremo le principali elaborazioni che possono essere effettuate sulle immagini digitali, focalizzando

Dettagli

La trasformata Zeta. Marco Marcon

La trasformata Zeta. Marco Marcon La trasformata Zeta Marco Marcon ENS Trasformata zeta E l estensione nel caso discreto della trasformata di Laplace. Applicata all analisi dei sistemi LTI permette di scrivere in modo diretto la relazione

Dettagli

Complementi sui filtri

Complementi sui filtri Elaborazione numerica dei segnali Appendice ai capitoli 4 e 5 Complementi sui filtri Introduzione... Caratteristiche dei filtri ideali... Filtri passa-basso...4 Esempio...7 Filtri passa-alto...8 Filtri

Dettagli

Operazioni morfologiche

Operazioni morfologiche Elaborazione dei Segnali Multimediali a.a. 2009/2010 Operazioni morfologiche L.Verdoliva Le tecniche di enhancement studiate finora si basano tipicamente su operazioni di tipo lineare, tuttavia spesso

Dettagli

Carichiamo il segnale contenuto nel file ecg_es_20121128.mat

Carichiamo il segnale contenuto nel file ecg_es_20121128.mat Esercitazione su analisi segnale ECG Carichiamo il segnale contenuto nel file ecg_es_20121128.mat Il file contiene due variabili - dt, che vale 0.004 - ecg, che è vettore lungo 6500 campioni La frequenza

Dettagli

Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione. Raffaele Cappelli raffaele.cappelli@unibo.it

Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione. Raffaele Cappelli raffaele.cappelli@unibo.it Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione Raffaele Cappelli raffaele.cappelli@unibo.it Contenuti Estrazione dei bordi Calcolo del gradiente Operatori di Roberts Operatori

Dettagli

Elementi di teoria dei segnali /b

Elementi di teoria dei segnali /b Elementi di teoria dei segnali /b VERSIONE 29.4.01 Filtri e larghezza di banda dei canali Digitalizzazione e teorema del campionamento Capacità di canale e larghezza di banda Multiplexing e modulazioni

Dettagli

Elaborazione di immagini a colori

Elaborazione di immagini a colori Elaborazione di Segnali Multimediali a.a. 2013/2014 Elaborazione di immagini a colori L.Verdoliva In questa esercitazione vedremo come si elaborano le immagini a colori in Matlab estendendo le tecniche

Dettagli

Revisione dei concetti fondamentali

Revisione dei concetti fondamentali Revisione dei concetti fondamentali dell analisi in frequenza Argomenti: trasformazione in frequenza: significato e funzionamento; schemi di rappresentazione; trasformata discreta. 1 Rappresentazione dei

Dettagli

Caratterizzazione dei segnali aleatori nel dominio della frequenza

Caratterizzazione dei segnali aleatori nel dominio della frequenza Capitolo 5 Caratterizzazione dei segnali aleatori nel dominio della frequenza 5. Introduzione In questo capitolo affrontiamo lo studio dei segnali aleatori nel dominio della frequenza. Prendiamo come esempio

Dettagli

Cenni sull'impiego di Matlab. Matrici

Cenni sull'impiego di Matlab. Matrici Cenni sull'impiego di Matlab Il Matlab è un potente valutatore di espressioni matriciali con valori complessi. Lavorando in questo modo il Matlab indica una risposta ad ogni comando od operazione impartitagli.

Dettagli

Corso di Visione Artificiale. Filtri parte I. Samuel Rota Bulò

Corso di Visione Artificiale. Filtri parte I. Samuel Rota Bulò Corso di Visione Artificiale Filtri parte I Samuel Rota Bulò Filtri spaziali Un filtro spaziale è caratterizzato da un intorno e un'operazione che deve essere eseguita sui pixels dell'immagine in quell'intorno.

Dettagli

Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).

Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione

Dettagli

LA TRASFORMATA DI FOURIER: PROPRIETA ED ESEMPI

LA TRASFORMATA DI FOURIER: PROPRIETA ED ESEMPI LA TRASFORMATA DI FOURIER: PROPRIETA ED ESEMPI Fondamenti di segnali Fondamenti e trasmissione TLC Proprieta della () LINEARITA : la della combinazione lineare (somma pesata) di due segnali e uguale alla

Dettagli

Controlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.

Controlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L. Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:

Dettagli

di Heaveside: ricaviamo:. Associamo alle grandezze sinusoidali i corrispondenti fasori:, Adesso sostituiamo nella

di Heaveside: ricaviamo:. Associamo alle grandezze sinusoidali i corrispondenti fasori:, Adesso sostituiamo nella Equazione di Ohm nel dominio fasoriale: Legge di Ohm:. Dalla definizione di operatore di Heaveside: ricaviamo:. Associamo alle grandezze sinusoidali i corrispondenti fasori:, dove Adesso sostituiamo nella

Dettagli

DIGITAL SIGNAL PROCESSING. Prof. Marina Ruggieri. Ing. Tommaso Rossi

DIGITAL SIGNAL PROCESSING. Prof. Marina Ruggieri. Ing. Tommaso Rossi Benvenuti al al modulo di: di: ELABORAZIONE NUMERICA DEI SEGNALI 6CFU DIGITAL SIGNAL PROCESSING macroarea: Ingegneria Prof. Marina Ruggieri ruggieri@uniroma2.it Ing. Tommaso Rossi tommaso.rossi@uniroma2.it

Dettagli

Catene di Misura. Corso di Misure Elettriche http://sms.unipv.it/misure/

Catene di Misura. Corso di Misure Elettriche http://sms.unipv.it/misure/ Catene di Misura Corso di Misure Elettriche http://sms.unipv.it/misure/ Piero Malcovati Dipartimento di Ingegneria Industriale e dell Informazione Università di Pavia piero.malcovati@unipv.it Piero Malcovati

Dettagli

Il testo qui sotto riprodotto corrisponde ad una nota di istruzioni tecniche fornita da un cliente per la stesura di un nuovo brevetto.

Il testo qui sotto riprodotto corrisponde ad una nota di istruzioni tecniche fornita da un cliente per la stesura di un nuovo brevetto. Esame sezione brevetti 2003-2004 Prova pratica di elettrotecnica Il testo qui sotto riprodotto corrisponde ad una nota di istruzioni tecniche fornita da un cliente per la stesura di un nuovo brevetto.

Dettagli

Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15

Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15 Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15 Agostino ACCARDO Dipartimento di Ingegneria e Architettura 040-5587148 accardo@units.it Testi di riferimento:

Dettagli

Studio dei segnali nel dominio della frequenza. G. Traversi

Studio dei segnali nel dominio della frequenza. G. Traversi Studio dei segnali nel dominio della frequenza G. Traversi Segnali periodici e serie di Fourier Una funzione periodica f(t) di periodo T (purché integrabile) è esprimibile con una serie del tipo: f (t)

Dettagli

Introduzione. Margine di ampiezza... 2 Margine di fase... 5 Osservazione... 6 Margini di stabilità e diagrammi di Bode... 6

Introduzione. Margine di ampiezza... 2 Margine di fase... 5 Osservazione... 6 Margini di stabilità e diagrammi di Bode... 6 ppunti di Controlli utomatici Capitolo 7 parte II Margini di stabilità Introduzione... Margine di ampiezza... Margine di fase... 5 Osservazione... 6 Margini di stabilità e diagrammi di ode... 6 Introduzione

Dettagli

Finestre grafiche. >> figure >> figure(n)

Finestre grafiche. >> figure >> figure(n) Finestre grafiche MATLAB ha anche la possibilità di lavorare con delle finestre grafiche sulle quali si possono fare disegni bidimensionali o tridimensionali. Una finestra grafica viene aperta con il comando

Dettagli

Fondamenti di Automatica

Fondamenti di Automatica Fondamenti di Automatica Funzioni di trasferimento: stabilità, errore a regime e luogo delle radici Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail:

Dettagli

Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in

Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Solitamente si fa riferimento ad intorni simmetrici =, + + Definizione: dato

Dettagli

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 CONTROLLI DIGITALI Laurea Magistrale in Ingegneria Meccatronica SISTEMI A TEMPO DISCRETO Ing. Tel. 0522 522235 e-mail: cristian.secchi@unimore.it http://www.dismi.unimo.it/members/csecchi Richiami di Controlli

Dettagli

Integrazione numerica

Integrazione numerica Integrazione numerica Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Lezione 6-20-26 ottobre 2009 Indice 1 Formule di quadratura semplici e composite Formule di quadratura

Dettagli

Trasformazioni geometriche nel piano cartesiano

Trasformazioni geometriche nel piano cartesiano Trasformazioni geometriche nel piano cartesiano Francesco Biccari 18 marzo 2013 Una trasformazione geometrica del piano è una legge (corrispondenza biunivoca) che consente di associare a un determinato

Dettagli

Elettronica II Proprietà e applicazioni della trasformata di Fourier; impedenza complessa; risposta in frequenza p. 2

Elettronica II Proprietà e applicazioni della trasformata di Fourier; impedenza complessa; risposta in frequenza p. 2 Elettronica II Proprietà e applicazioni della trasformata di Fourier; impedenza complessa; risposta in frequenza Valentino Liberali Dipartimento di Tecnologie dell Informazione Università di Milano, 26013

Dettagli

Elaborazioni nel dominio spaziale (1)

Elaborazioni nel dominio spaziale (1) Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazioni nel dominio spaziale (1) L.Verdoliva In questa prima lezione affrontiamo il problema della rappresentazione delle immagini digitali in

Dettagli

Metodi Numerici per Equazioni Ellittiche

Metodi Numerici per Equazioni Ellittiche Metodi Numerici per Equazioni Ellittiche Vediamo ora di descrivere una tecnica per la risoluzione numerica della più semplice equazione ellittica lineare, l Equazione di Laplace: u xx + u yy = 0, (x, y)

Dettagli

Fondamenti di Automatica

Fondamenti di Automatica Fondamenti di Automatica Funzioni di trasferimento: robustezza e prestazioni Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it

Dettagli

RICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come

RICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può

Dettagli

Teoria e Tecniche di Elaborazione dell Immagine

Teoria e Tecniche di Elaborazione dell Immagine Università degli Studi di Udine Facoltà di Scienze Matematiche, Fisiche e Naturali Laurea Specialistica in Informatica A.A. 2004 2005 Relazione per il Corso di Teoria e Tecniche di Elaborazione dell Immagine

Dettagli

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D) ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Calcolo delle corrispondenze Affrontiamo il problema centrale della visione stereo, cioè la ricerca automatica di punti corrispondenti tra immagini Chiamiamo

Dettagli

LEZIONE DI MATLAB 2.0. Ing.Irene Tagliente E-mail: irene.tagliente@opbg.net

LEZIONE DI MATLAB 2.0. Ing.Irene Tagliente E-mail: irene.tagliente@opbg.net LEZIONE DI MATLAB 2.0 Ing.Irene Tagliente E-mail: irene.tagliente@opbg.net Cos è Matlab Il programma MATLAB si è imposto in ambiente ingegneristico come strumento per la simulazione e l'analisi dei sistemi

Dettagli

Esercitazione in Laboratorio: risoluzione di problemi di programmazione lineare tramite Excel il mix di produzione

Esercitazione in Laboratorio: risoluzione di problemi di programmazione lineare tramite Excel il mix di produzione Esercitazione in Laboratorio: risoluzione di problemi di programmazione lineare tramite Excel il mix di produzione Versione 11/03/2004 Contenuto e scopo esercitazione Contenuto esempi di problema di programmazione

Dettagli

Principali comandi MATLAB utili per il corso di Controlli Automatici

Principali comandi MATLAB utili per il corso di Controlli Automatici Principali comandi MATLAB utili per il corso di Controlli Automatici In questo documento sono raccolti i principali comandi Matlab utilizzati nel corso; per maggiore comodità, sono riportati facendo riferimento

Dettagli

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai

Dettagli

Fondamenti di Automatica

Fondamenti di Automatica Fondamenti di Automatica Analisi armonica e metodi grafici Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 053 974839 E-mail: marcello.bonfe@unife.it pag. Analisi

Dettagli

STRUMENTAZIONE E MISURE ELETTRICHE. Condizionamento ed acquisizione del segnale

STRUMENTAZIONE E MISURE ELETTRICHE. Condizionamento ed acquisizione del segnale STRUMENTAZIONE E MISURE ELETTRICHE Condizionamento ed acquisizione del segnale Prof. Salvatore Nuccio salvatore.nuccio@unipa.it, tel.: 0916615270 1 Circuito di condizionamento Un sensore/trasduttore (S/T)

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Laboratorio di Elaborazione di Dati, Segnali e Immagini Biomediche (Parte 3)

Laboratorio di Elaborazione di Dati, Segnali e Immagini Biomediche (Parte 3) Università degli Studi di Padova - Facoltà di Ingegneria Corso di Laurea in Ingegneria Biomedica A.A. 7-8 Laboratorio di Elaboraione di Dati, Segnali e Immagini Biomediche (Parte 3) Prof. Giovanni Sparacino

Dettagli

9.4 Modello massimamente piatto (Maximally Flat Design)

9.4 Modello massimamente piatto (Maximally Flat Design) 9.4 Modello massimamente piatto (Maximally Flat Design) Nel capitolo 8, sono stati studiati i modello dei filtri IIR di Butterworth, che nei casi di passa-basso e passa-alto sono massimamente piatti alla

Dettagli

Orthogonal Frequency-Division Multiplexing

Orthogonal Frequency-Division Multiplexing Università degli Studi di Firenze Dipartimento di Elettronica e Telecomunicazioni Firenze, 20 Gennaio 2005 Corso di Sistemi Wireless in Area Locale Orthogonal Frequency-Division Multiplexing Un approccio

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

ANALISI FREQUENZIALE E PROGETTO NEL DOMINIO DELLE FREQUENZE

ANALISI FREQUENZIALE E PROGETTO NEL DOMINIO DELLE FREQUENZE CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANALISI FREQUENZIALE E PROGETTO

Dettagli

LA FUNZIONE DI TRASFERIMENTO

LA FUNZIONE DI TRASFERIMENTO LA FUNZIONE DI TRASFERIMENTO Può essere espressa sia nel dominio della s che nel dominio della j Definizione nel dominio della s. è riferita ai soli sistemi con un ingresso ed un uscita 2. ha per oggetto

Dettagli

stabilità BIBO La stabilità di tipo BIBO di un sistema LTI impone che la risposta all impulso h(n) sia sommabile in modulo, vale a dire:

stabilità BIBO La stabilità di tipo BIBO di un sistema LTI impone che la risposta all impulso h(n) sia sommabile in modulo, vale a dire: ELABORAZIONE NUMERICA DEI SEGNALI AA. 2007-2008 sistemi LTI e trasformata eta Francesca Gasparini http://www.ivl.disco.unimib.it/teaching.html errore nelle slide della settimana scorsa!!!! R ( )... ( M

Dettagli

Documentazione esterna al software matematico sviluppato con MatLab

Documentazione esterna al software matematico sviluppato con MatLab Documentazione esterna al software matematico sviluppato con MatLab Algoritmi Metodo di Gauss-Seidel con sovrarilassamento Metodo delle Secanti Metodo di Newton Studente Amelio Francesco 556/00699 Anno

Dettagli

Segnali e Sistemi. Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici. Gianni Borghesan e Giovanni Marro

Segnali e Sistemi. Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici. Gianni Borghesan e Giovanni Marro Segnali e Sistemi Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici Gianni Borghesan e Giovanni Marro Indice Introduzione 2. Notazione............................. 2 2 Classificazione

Dettagli

SVILUPPO IN SERIE DI FOURIER

SVILUPPO IN SERIE DI FOURIER SVILUPPO IN SERIE DI FOURIER Cenni Storici (Wikipedia) Jean Baptiste Joseph Fourier ( nato a Auxerre il 21 marzo 1768 e morto a Parigi il 16 maggio 1830 ) è stato un matematico e fisico, ma è conosciuto

Dettagli

CURRICOLO MATEMATICA ABILITA COMPETENZE

CURRICOLO MATEMATICA ABILITA COMPETENZE CURRICOLO MATEMATICA 1) Operare con i numeri nel calcolo aritmetico e algebrico, scritto e mentale, anche con riferimento a contesti reali. Per riconoscere e risolvere problemi di vario genere, individuando

Dettagli

Capitolo 9: Elaborazione di Immagini. 9.1 Sistema di acquisizione e trattamento di immagini computerizzate

Capitolo 9: Elaborazione di Immagini. 9.1 Sistema di acquisizione e trattamento di immagini computerizzate Capitolo 9: 9. Sistema di acquisizione e trattamento di immagini computerizzate La figura seguente mostra un diagramma a blocchi dei componenti di base di un tipico sistema per immagini computerizzate,

Dettagli

SOMMARIO. 13.1 I radicali pag. 3. 13.2 I radicali aritmetici pag. 5. 13.3 Moltiplicazione e divisione fra radicali aritmetici pag.

SOMMARIO. 13.1 I radicali pag. 3. 13.2 I radicali aritmetici pag. 5. 13.3 Moltiplicazione e divisione fra radicali aritmetici pag. SOMMARIO CAPITOLO : I RADICALI. I radicali pag.. I radicali aritmetici pag.. Moltiplicazione e divisione fra radicali aritmetici pag.. Potenza di un radicale aritmetico pag.. Trasporto di un fattore esterno

Dettagli

Introduzione al Foglio Elettronico

Introduzione al Foglio Elettronico Microsoft Excel Introduzione al Foglio Elettronico Il Foglio Elettronico Si presenta come una grande tabella su un foglio di carta Le celle contengono differenti dati Numeri Testo Date Ecc I dati possono

Dettagli

Matlab per applicazioni statistiche

Matlab per applicazioni statistiche Matlab per applicazioni statistiche Marco J. Lombardi 19 aprile 2005 1 Introduzione Il sistema Matlab è ormai uno standard per quanto riguarda le applicazioni ingegneristiche e scientifiche, ma non ha

Dettagli

CURRICOLO MATEMATICA

CURRICOLO MATEMATICA 1 CURRICOLO MATEMATICA Competenza 1 al termine della scuola dell Infanzia 2 NUMERI Raggruppare, ordinare, contare, misurare oggetti, grandezze ed eventi direttamente esperibili. Utilizzare calendari settimanali

Dettagli

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D) ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Una immagine (digitale) permette di percepire solo una rappresentazione 2D del mondo La visione 3D si pone lo scopo di percepire il mondo per come è in 3 dimensioni

Dettagli

Laboratorio di Elaborazione di Dati, Segnali e Immagini Biomediche (Parte 6)

Laboratorio di Elaborazione di Dati, Segnali e Immagini Biomediche (Parte 6) Università degli Studi di Padova - Facoltà di Ingegneria Corso di Laurea in Ingegneria Biomedica A.A. 26-27 Laboratorio di Elaborazione di Dati, Segnali e Immagini Biomediche (Parte 6) Prof. Giovanni Sparacino

Dettagli

Identificazione di sistemi dinamici

Identificazione di sistemi dinamici Scuola universitaria professionale della Svizzera italiana SUP SI Dipartimento Tecnologie Innovative Identificazione di sistemi dinamici Ivan Furlan 21 dicembre 2011 Identificazione di sistemi dinamici

Dettagli

Modellazione e Analisi di Reti Elettriche

Modellazione e Analisi di Reti Elettriche Modellazione e Analisi di eti Elettriche Modellazione e Analisi di eti Elettriche Davide Giglio Introduzione alle eti Elettriche e reti elettriche costituite da resistori, condensatori e induttori (bipoli),

Dettagli

Guida all uso del foglio elettronico Excel Lezioni ed esercizi

Guida all uso del foglio elettronico Excel Lezioni ed esercizi Lezioni di EXCEL Guida all uso del foglio elettronico Excel Lezioni ed esercizi 1 Il foglio elettronico Excel Excel è un foglio elettronico che consente di effettuare svariate operazioni nel campo matematico,

Dettagli

METODI MATEMATICI PER LA FISICA

METODI MATEMATICI PER LA FISICA Si svolgano cortesemente i seguenti esercizi ESERCIZIO (6 PUNTI) METODI MATEMATICI PER LA FISICA PROVA SCRITTA - 2 GENNAIO 25 Una volta identificato, nel piano complesso α, il dominio di convergenza della

Dettagli

Esercitazione di riepilogo 23 Aprile 2013

Esercitazione di riepilogo 23 Aprile 2013 Esercitazione di riepilogo 23 Aprile 2013 Grafici Grafico a barre Servono principalmente per rappresentare variabili (caratteri) qualitative, quantitative e discrete. Grafico a settori circolari (torta)

Dettagli

4. Operazioni elementari per righe e colonne

4. Operazioni elementari per righe e colonne 4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Questa nota consiste perlopiù nella traduzione da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo come esempio il data set contenuto nel foglio excel esercizio2_dati.xls.

Dettagli

Corso di Laurea in Ingegneria Biomedica Corso di Trasmissione Numerica (6 crediti) Prova scritta 16.02.2006

Corso di Laurea in Ingegneria Biomedica Corso di Trasmissione Numerica (6 crediti) Prova scritta 16.02.2006 Prova scritta 16.02.2006 D. 1 Si derivi l espressione dei legami ingresso-uscita, nel dominio del tempo per le funzioni di correlazione nel caso di sistemi LTI e di segnali d ingresso SSL. Si utilizzi

Dettagli

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU 9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A LU 9.1 Il metodo di Gauss Come si è visto nella sezione 3.3, per la risoluzione di un sistema lineare si può considerare al posto

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche. Analisi dei segnali A.A. 2008-09.

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche. Analisi dei segnali A.A. 2008-09. Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Analisi dei segnali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Segnali continui e discreti Un segnale tempo-continuo è

Dettagli

INSEGNAMENTO DI ANALISI DI DATI BIOLOGICI LM IN BIOINGEGNERIA - A.A.2013/2014 HOMEWORK 3

INSEGNAMENTO DI ANALISI DI DATI BIOLOGICI LM IN BIOINGEGNERIA - A.A.2013/2014 HOMEWORK 3 INSEGNAMENTO DI ANALISI DI DATI BIOLOGICI LM IN BIOINGEGNERIA - A.A.2013/2014 HOMEWORK 3 COGNOME: Montanino NOME: Annaclaudia MATRICOLA: 1056715 DATA: 13 gennaio 2014 email: annaclaudia.montanino@studenti.unipd.it

Dettagli

Differenziazione sistemi dinamici

Differenziazione sistemi dinamici Il controllo di sistemi ad avanzamento temporale si basa sulle tecniche di controllo in retroazione, ovvero, elabora le informazione sullo stato del processo (provenienti dai sensori) in modo sa inviare

Dettagli

Interpolazione ed approssimazione di funzioni

Interpolazione ed approssimazione di funzioni Interpolazione ed approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 9 novembre 2007 Outline 1 Polinomi Valutazione di un polinomio Algoritmo di Horner

Dettagli

CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI

CAMPIONAMENTO 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

Dettagli

13. Campi vettoriali

13. Campi vettoriali 13. Campi vettoriali 1 Il campo di velocità di un fluido Il concetto di campo in fisica non è limitato ai fenomeni elettrici. In generale il valore di una grandezza fisica assegnato per ogni punto dello

Dettagli

Introduzione al MATLAB c Parte 2

Introduzione al MATLAB c Parte 2 Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione

Dettagli

5.4 Solo titoli rischiosi

5.4 Solo titoli rischiosi 56 Capitolo 5. Teoria matematica del portafoglio finanziario II: analisi media-varianza 5.4 Solo titoli rischiosi Suppongo che sul mercato siano presenti n titoli rischiosi i cui rendimenti aleatori sono

Dettagli

Esempi di uso e applicazioni di Matlab e simulink. 1) Uso delle funzioni ode23 e ode45 per l'integrazione di equazioni differenziali con Matlab

Esempi di uso e applicazioni di Matlab e simulink. 1) Uso delle funzioni ode23 e ode45 per l'integrazione di equazioni differenziali con Matlab Esempi di uso e applicazioni di Matlab e simulink ) Uso delle funzioni ode23 e ode45 per l'integrazione di equazioni differenziali con Matlab Sia dato da integrare una equazione differenziale scalare di

Dettagli

Prova scritta di Controlli Automatici - Compito A

Prova scritta di Controlli Automatici - Compito A Prova scritta di Controlli Automatici - Compito A 21 Marzo 27 Domande a Risposta Multipla Per ognuna delle seguenti domande a risposta multipla, indicare quali sono le affermazioni vere. 1. Si consideri

Dettagli

Analizzatori di spettro in Tempo Reale: sono tutti uguali? (G. Amadasi - S.C.S. Controlli e Sistemi)

Analizzatori di spettro in Tempo Reale: sono tutti uguali? (G. Amadasi - S.C.S. Controlli e Sistemi) Analizzatori di spettro in Tempo Reale: sono tutti uguali? (G. Amadasi - S.C.S. Controlli e Sistemi) Introduzione L introduzione delle tecniche DSP (Digital Signal Processing) per l analisi di suoni e

Dettagli

Analisi di risposte di sistemi dinamici in MATLAB

Analisi di risposte di sistemi dinamici in MATLAB Laboratorio di Fondamenti di Automatica Seconda esercitazione Analisi di risposte di sistemi dinamici in MATLAB 2005 Alberto Leva, Marco Lovera, Maria Prandini Premessa Scopo di quest'esercitazione di

Dettagli

0. Piano cartesiano 1

0. Piano cartesiano 1 0. Piano cartesiano Per piano cartesiano si intende un piano dotato di due assi (che per ragioni pratiche possiamo scegliere ortogonali). Il punto in comune ai due assi è detto origine, e funziona da origine

Dettagli

PROGRAMMA SVOLTO fino al 22-06-2015 Fine del corso

PROGRAMMA SVOLTO fino al 22-06-2015 Fine del corso PROGRAMMA SVOLTO fino al 22-06-2015 Fine del corso Prof. Bruno Picasso LEZIONI: Introduzione al corso. Introduzione ai sistemi dinamici. I sistemi dinamici come sistemi di equazioni differenziali; variabili

Dettagli

Revisione dei concetti fondamentali dell analisi in frequenza

Revisione dei concetti fondamentali dell analisi in frequenza Revisione dei concetti fondamentali dell analisi in frequenza Argomenti: trasformazione in frequenza: significato e funzionamento; schemi di rappresentazione; trasformata discreta. 1 Rappresentazione dei

Dettagli

Forma d onda rettangolare non alternativa.

Forma d onda rettangolare non alternativa. Forma d onda rettangolare non alternativa. Lo studio della forma d onda rettangolare è utile, perché consente di conoscere il contenuto armonico di un segnale digitale. FIGURA 33 Forma d onda rettangolare.

Dettagli

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0 Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice

Dettagli