Elaborazione di Segnali Multimediali
|
|
- Aloisia Sorrentino
- 7 anni fa
- Visualizzazioni
Transcript
1 UNIVERSITA DEGLI STUDI DI CATANIA Facoltà di Ingegneria Corso di Laurea in Ingegneria Telematica Elaborazione di Segnali Multimediali = Elaborazione Numerica dei Segnali + Comunicazioni Multimediali
2 Elaborazione numerica dei segnali (Digital Signal Processing, DSP) Tecniche e algoritmi per l analisi, la trasformazione, la sintesi di segnali digitali elaborati attraverso circuiti elettronici digitali programmabili (microprocessori, DSP) il cui funzionamento è regolato da un programma x [n] DSP (Digital Signal Processor) y [n] Algoritmi sempre più sofisticati Flessibilità DSP sempre più potenti e a basso costo
3 Campi applicativi dell elaborazione numerica dei segnali Analysis Synthesis Source Coding Recognition Modulation Filtering Regeneration Detection Identification Measurement
4 Comunicazioni Multimediali Sistemi interattivi che utilizzano contemporaneamente diversi mezzi di comunicazione come: testo grafica video suono Esempio: lavoro di gruppo a distanza in cui ognuno ha la possibilità di: interagire con i propri gli interlocutori avendo a disposizione un collegamento video sentire la loro voce condividere una tavola grafica
5 Corso Docente Elaborazione di Segnali Multimediali F. Beritelli Programma Segnali a tempo discreto (Lezioni: 5 ORE) Conversione D/A e metodi di interpolazione. Teoremi sulla trasformata di Fourier di segnali discreti. Analisi di Fourier di sequenze periodiche (DFT). Algoritmi veloci di trasformata discreta di Fourier (FFT). Sistemi a tempo discreto (Lezioni:14 ORE; Esercitazioni: 10 ORE) Caratterizzazione dei sistemi a tempo discreto. Proprietà. Sistemi lineari e stazionari. Risposta in frequenza. Interpolazione e decimazione di una sequenza numerica. La trasformata Z. Proprietà della trasformata Z. Sistemi a tempo discreto regolati da equazioni alle differenze. Risposta impulsiva. Funzione di trasferimento. Filtri FIR e IIR. Progettazione di filtri numerici. Tecniche di elaborazione del segnale vocale (Lezioni: 10 ORE; Laboratorio: 5 ORE) Caratteristiche del segnale vocale. Quantizzazione adattativa (APCM). Predizione lineare. Codifica differenziale ed adattativa (DPCM, ADPCM). Codifica di analisi per sintesi (RPE, MPE, CELP). Codifica della voce a bit-rate variabile. Standard di codifica per sistemi radiomobili GSM e UMTS. Tecniche di sintesi e riconoscimento della voce. Tecniche di elaborazione del segnale video (Lezioni:8 ORE; Laboratorio: 5 ORE ) Caratteristiche del segnale video. Quantizzazione vettoriale. Codifica di immagini fisse JPEG: modalità di funzionamento, codifica DCT, ricostruzione dell immagine. Codifica differenziale intracampo ed intercampo. Standard H.261 e H.263 per videoconferenza. Standard MPEG. Compensazione del movimento. Comunicazioni multimediali interattive in tempo reale su reti a pacchetto: telefonia su IP e videoconferenza. Tecniche di pattern recognition (Lezioni: 3 ORE) Architettura di un sistema di pattern recognition. Ottimizzazione dei parametri: analisi della correlazione, criterio di Fisher, criterio di separabilità di Fukunaga, analisi delle componenti principali, metodi ricerca del sottoinsieme ottimo. Metodi di classificazione: classificatore di Bayes, classificazione Nearest Neighbour, classificatore lineare di Fisher, classificazione basata su tecniche di Soft Computing. Modalità d esame Esame orale preceduto da una prova scritta o, in alternativa, da due/tre prove scritte intermedie.
6 Elaborazione numerica x(t) x[n] 3T 2T T T 2T 3T t n x(t) x[n] t=nt x(t) x[n] y[n] A/D DSP D/A y(t) x[n] ˆ x (t) n 3T 2T T T 2T 3T t x[n] ˆ x (t)
7 Esempi di segnali tempo discreto notevoli (1/2) 1) sequenza gradino unitario: u[ n]= 1 n 0 0 n < 0 u[n] n 2) sequenza esponenziale unilatera: x[ n]= a n u[ n] x[n] 1 0<a< n 3) sequenza δ o impulsiva: δ[ n]= 1 n = 0 0 altrimenti δ[n] n Relazione tra u[n] e δ[n]: n [ ] u[ n]= δ i i = quindi u[n] è la sequenza somma della sequenza δ[n].
8 Esempi di segnali tempo discreto notevoli (2/2) 4) sequenza impulso rettangolare causale di durata N : x[ n]= u[ n] u[ n N] x[n] 1 1 u[n] 0 1 N 1 N n 0 1 N 1 n -u[n-n] 5) oscillazione complessa discreta alla frequenza normalizzata Fo: x[n] = exp( j2πf 0 n) 6) differenza all indietro del primo ordine o incremento: δ[ n]= u[ n] u[ n 1]
9 Trasformata di Fourier di una sequenza x(n) aperiodica (1/5) Trasformata: x[n] X ( f ) X ( f)= x n n= [ ] e j 2πnfT = F [ x[ n] ] eq. di analisi è una funzione periodica in ambito frequenziale di un periodo pari alla frequenza di campionamento f c =1/T: X f ( ) = X f + 1 T Antitrasformata: 1 2T ( ) x[ n]= T X f 1 2T e j 2πnfT df eq. di sintesi Anche per la trasformata di una sequenza è comunque d uso introdurre lo spettro di ampiezza A ( f ) = X ( f ) e lo spettro di fase θ ( f ) = X ( f )
10 Trasformata di Fourier di una sequenza x(n) aperiodica (2/5) Una condizione sufficiente per l esistenza della trasformata è l assoluta sommabilità della sequenza, cioè la condizione x[ n] < + Infatti, essendo X f n = ( ) = x n [ ]e j2πnft x n n= n= [ ] si ha di conseguenza la convergenza della serie per tutti i valori della frequenza. 1) Trasformata di Fourier della sequenza δ[n]: δ[ n] f ( ) = δ[ n] n= La trasformata è quindi una funzione periodica di periodo 1/T che, in ciascun periodo, assume un valore costante e pari a 1. δ[n] 1 e j 2πnfT =1 (f) n 1/2T 1/2T f
11 Trasformata di Fourier di una sequenza x(n) aperiodica (3/5) 2) Trasformata di Fourier dell impulso rettangolare discreto di durata N x[ n]= u[ n] u[ n N] X ( f) = j2πnft 1 e = e jπnft 1 e j 2πfT e jπft e jπnft e jπnft e jπft e jπft ( ) ( ) = e jπ ( N 1) ft sin NπfT sin πft Lo spettro di ampiezza è allora X ( f ) = ( ) sin( πft) sin NπfT L andamento dello spettro di ampiezza in vicinanza di f=0 ricorda quello di una funzione N sinc(nft) Inoltre, restringendoci all intervallo base si annulla per le frequenze f k = k NT f [ 1 2T,1 2T] k = ±1, ± 2, K, ± N 2, esso
12 Trasformata di Fourier di una sequenza x(n) aperiodica (4/5) e assume per il valore massimo per f=0 dato da X ( 0) = lim f 0 X ( f ) = N N= Frequenza normalizzata, ft N= Frequenza normalizzata, ft
13 Trasformata di Fourier di una sequenza x(n) aperiodica (5/5) 3) Trasformata di Fourier della sequenza esponenziale discreto: x[ n]= a n u[ n] X ( f) = 1 1 a e j2πft a < 1 X ( f ) = 1 ( ) 1+ a 2 2 a cos 2πfT a=0.5, a= Frequenza normalizzata, ft ( ) ( ) a sin 2πfT X ( f )= arctg 1 a cos 2πfT a=0.5 0 a= Frequenza normalizzata, ft
14 Teoremi sulla Trasformata di Fourier di una sequenza (1/2) Teorema di linearità: x[ n]= a x 1 [ n]+ b x 2 [ n] X ( f) = a X 1 ( f) + b X 2 ( f) Teorema del ritardo: x[ n k] X ( f )e j2πkft Teorema della modulazione: x[ n]e j 2πnf 0 T X ( f f 0 ) Teorema del prodotto: 1 2T p[ n] = x[ n]y[ n] P ( f ) = T X ν 1 2T ( )Y ( f ν)dν
15 Teoremi sulla Trasformata di Fourier di una sequenza (2/2) Teorema della somma di convoluzione: z[ n] = x[ n] y n + [ ]= x k k= [ ] [ ] = y[ k] y n k + k= z[ n] = x[ n] y[ n] Y ( f) X ( f) = Z ( f ) x[ n k] Teorema dell incremento: x[ n]= x[ n] x[ n 1] Operatore incremento x[ n] X ( f) X ( f )e j 2πfT = X ( f) ( 1 e j 2πfT ) Teorema della sequenza somma: n y[ n]= x k k = [ ] Sequenza somma Y ( f) = X ( f ) X 0 1 e j2πft purchè = 0 ( ) = x[ n] n=
16 Condizione di Nyquist Segnale nel tempo Trasformata di Fourier x(t) X(f) x[n] X f X ( f) = 1 T k= ( ) X f k T La trasformata di Fourier di una sequenza ottenuta per campionamento si ricava come periodicizzazione della trasformata del segnale analogico di partenza, con un periodo di ripetizione in frequenza pari alla frequenza di campionamento f c = 1 / T Fissata la banda del segnale B, la frequenza di campionamento deve essere scelta in modo che valga la condizione f c = 1 T 2B Condizione di Nyquist condizione che garantisce assenza di aliasing.
17 Esempio di Campionamento con e senza Aliasing Trasformata del segnale analogico x(t) B B Frequenza normalizzata, f/b /T=2.5B Trasformata del segnale digitale x[n] (f c >2B) B B Frequenza normalizzata, ft /T=1.25B Trasformata del segnale digitale x[n] in presenza di aliasing (f c <2B) B B Frequenza normalizzata, ft
18 Filtro Anti-Aliasing e Teorema del Campionamento Filtro Anti-Aliasing x(t) 1 H(f) ξ(t) ξ[n] y[n] A/D DSP D/A y(t) B' f Teorema del campionamento (C. Shannon): Un segnale il cui spettro è limitato nella banda B può essere ricostruito esattamente a partire dai propri campioni, purché la frequenza di campionamento non sia inferiore a 2B.
19 Altri esempi di trasformata di Fourier di sequenze digitali 1) Trasformata di Fourier della sequenza costante: x[n] = 1 X ( f) = 1 T k= δ f k T 1 x[n] X(f) 1/T n -1/T 1 2T 1 2T 1/T f 2) Trasformata di Fourier del coseno e del seno: x[n] = cos(2πnf 0 T) X ( f ) = 1 2T δ ( f f 0 1/ T ) + 1 2T δ ( f + f 0 1/ T ) y[n] = sin(2πnf 0 T) Y ( f ) = 1 2 jt δ ( f f 0 1/ T ) 1 2jT δ( f + f 0 1 / T ) ove ci siamo limitati a considerare l intervallo base della trasformata, 1 senza esplicitamente 2T f 1 2T indicare la periodicizzazione
20 Trasformata discreta di Fourier (DFT) di una sequenza periodica Sequenza periodica di periodo N o : x[ n]= x[ n + ] 1 x[ n]= X k X k = 1 k= 0 N0 1 n= 0 e j 2πkn [ ] x n e j 2πkn x( t) = X k e j 2πkt T 0 X k = 1 T 0 k = T 0 2 T 0 2 ( ) x t e j 2πkt T 0 dt Per i segnali periodici a tempo continuo la rappresentazione mediante serie di Fourier comporta una somma infinita di termini; nel caso di sequenze periodiche, invece, la rappresentazione mediante antitrasformata discreta consiste in una somma con un numero finito di addendi. Infatti la trasformata di una sequenza periodica di periodo N o è essa stessa periodica con il medesimo periodo. 1 X k+ N0 = 1 x[ n] e j 2π k+ = 1 x n n=0 ( )n 1 n=0 [ ] e j 2πkn e j2πn = 1 [ ] = 1 x n n =0 e j 2πkn = X k
21 Una sequenza periodica quindi può essere rappresentata mediante uno sviluppo del tutto analogo alla serie di Fourier per i segnali periodici a tempo continuo, chiamato serie discreta o antitrasformata discreta di Fourier: La sequenza dei coefficienti discreti di Fourier è comunemente chiamata trasformata discreta di Fourier o DFT (Discrete Fourier Transform) della sequenza periodica data. Periodicizzazione di una sequenza x(n) aperiodica ( ) = x t mt 0 y t Analogico + m = ( ) y n Digitale + [ ] [ ] = x n m m = Y k = 1 X k T 0 T 0 Y k = 1 X ( f ) k N f = 0 T = 1 X k T
22 Complessità di calcolo della trasformata discreta di Fourier (1/3) (DFT, Discrete Fourier Transform) Si consideri la trasformata di una sequenza x[n] periodica di periodo N o : Trasformata: X k = 1 1 n= 0 [ ] x n e j 2πkn = 1 x[ 0] e j 0 + x[ 1] e j 2πk + x[ 2] e j 2π 2 k x[ 1] e j 2π ( 1)k Antitrasformata: x[n] = X 0 e j0 + X 1 e j 2πn 2π 2n j + X 2 e X N0 1 e j 2π ( 1)n Se x[n] è una sequenza di valori complessi e si trascura il prodotto per il termine 1/N o possiamo dire che la complessità di calcolo tra trasformata e antitrasformata è la stessa. Supponendo che i fattori esponenziali complessi che figurano nelle espressioni sopra siano precalcolati, cioè già disponibili in memoria, per calcolare il k-esimo coefficiente X k sono necessarie N o moltiplicazioni complesse e N o -1 addizioni complesse.
23 Complessità di calcolo della DFT (2/3) Considerando che 1 moltiplicazione complessa = 4 moltiplicazioni reali + 2 addizioni reali 1 addizione complessa=2 addizioni reali quindi, sono necessarie per ogni k-esimo coefficiente: 6N o +2(N o -1)=8N o -2 operazioni il numero complessivo di operazioni da compiere per calcolare la trasformata discreta di Fourier (TDF) di una sequenza periodica di periodo N o è: N TDF ( ) = (8 2) = Possiamo notare che la complessità di calcolo (o computazionale) della trasformata discreta è di tipo quadratico nell ordine N o di trasformazione.
24 Complessità di calcolo della DFT (3/3) ESEMPIO: Microelaboratore con F clock =100 MHz (cioè 100 milioni di operazioni al secondo) Sequenza x[n] di periodo N o =2 10 =1024 il tempo necessario per effettuare il calcolo della DFT è pari a: T N0 = N TOT f clock = 80 ms Supponiamo adesso che la sequenza venga generata campionando un segnale analogico x(t) a frequenza f c =1/T c. Per poter operare in tempo reale si deve utilizzare una frequenza di campionamento tale che f c T N = 12.8 khz Ricordando la condizione di Nyquist, questo risultato rappresenta un vincolo sulla banda B del segnale da elaborare.
25 Fast Fourier Transform (FFT) (1/3) L algoritmo veloce di calcolo della trasformata discreta consente un deciso miglioramento della velocità di elaborazione. Sfruttando particolari simmetrie insite nei fattori esponenziali complessi della trasformata stessa si può infatti ridurre la complessità computazionale. L algoritmo di FFT fu pubblicato nel 1965 da Cooley e Tukey; a questa data si fa risalire la nascita della moderna elaborazione numerica dei segnali. Supponiamo di avere N o =2 M X k = 2 1 m= 0 x[ 2m]e 2π 2m j ( )k x[ 2m +1]e m=0 2π 2m +1 j ( )k = x[ 2m]e j 2πkm 2 m=0 P k e j 2πk 2 1 x[ 2m +1]e j 2πkm 2 m = 0 D k k = 0,K, 1 la trasformata di ordine N o è espressa come combinazione lineare di due trasformate di ordine N o /2.
26 Fast Fourier Transform (FFT) (2/3) Il numero di operazioni N FFT (N o ) necessario a calcolare la trasformata di ordine N o secondo questo nuovo criterio può allora essere espresso in maniera ugualmente ricorsiva sulla base di questa scomposizione: N FFT ( ) = N FFT 2 + N FFT 2 + 6N avendo tenuto conto del fatto che, per ogni valore di k, è necessario moltiplicare per un esponenziale complesso (precalcolato, 6 operazioni reali) e quindi effettuare la somma con (2 operazioni reali). Questo procedimento di scomposizione può essere poi ripetuto in modo ricorsivo ottenendo: N FFT ( ) = log 2 8 log 2 Il rapporto tra il numero di operazioni necessarie nei due casi è pari a: N TDF N FFT ( ) ( ) = log 2 = log 2
27 Fast Fourier Transform (FFT) (3/3) Con riferimento all esempio precedente, se si usa il medesimo elaboratore per calcolare una FFT di ordine 1024, si otterrà un tempo di calcolo inferiore a quello prima calcolato del fattore / log 2 = 1024 / Come già detto, gli stessi algoritmi utilizzati per il calcolo veloce della trasformata discreta possono essere anche utilizzati per il calcolo della antitrasformata, poiché le relazioni di trasformazione e di antitrasformazione sono formalmente identiche, a parte l inessenziale costante moltiplicativa, e l altrettanto ininfluente segno dell argomento degli esponenziali.
28 Analisi spettrale di una sequenza x[n] aperiodica basata su FFT (1/4) Si desidera effettuare l analisi spettrale di una data sequenza aperiodica x[n] attraverso il calcolo della relativa trasformata di Fourier: X f + ( ) = x[ n] n= e j 2πnfT Problema: nelle applicazioni reali non si hanno a disposizione tutti i valori della sequenza x[n], ma solo i valori in un intervallo finito, diciamo [0, N-1]. Inoltre, ad esempio nel caso di una sequenza vocale, in base al valore di N si parla di analisi spettrale a breve (NT=10 30 ms) o lungo termine (NT=qualche minuto). Vedremo che non è possibile calcolare la trasformata per gli infiniti valori della variabile f in un periodo, ad es. nell intervallo [0,1/T], ma ci si accontenterà di ottenere il valore della trasformata per un numero finito di punti normalmente equispaziati nell intervallo [0, 1/T]. Immaginiamo dunque di periodicizzare la sequenza data con periodo N o =N: [ ] = x[ n mn] y n + m=
29 Analisi spettrale di una sequenza x[n] aperiodica basata su FFT (2/4) Dalla relazione di campionamento in frequenza si ha: Y k = 1 k X k = 0,1, K, N 1 T Poiché y[n] è una sequenza periodica, possiamo calcolarne la trasformata discreta di Fourier Y k per k=0,..,n-1, mediante un algoritmo veloce. Pertanto dalla relazione precedente si ricava: X k NT = N Y k k = 0,1, K, N 1 Siamo cioè riusciti a calcolare la trasformata di Fourier X(f) in N punti, e precisamente per le N frequenze equispaziate nell intervallo [0,1/T]: f k = k NT k = 0,1, K, N 1 La distanza tra una frequenza e la successiva è pari a =1/NT e quindi la risoluzione in frequenza è pari a 1/ =NT.
30 Analisi spettrale di una sequenza x[n] aperiodica basata su FFT (3/4) ESEMPIO Calcoliamo lo spettro della sequenza aperiodica x[n] di figura. Essa ha durata finita e pari a N=3. x[n] n Effettuando una periodicizzazione si ottiene la sequenza periodica y[n] di periodo N=3: y[n] n
31 Analisi spettrale di una sequenza x[n] aperiodica basata su FFT (4/4) La trasformata di Fourier originaria è: X ( f) = x[ 0]+ x[ 1]e j 2πfT + x 2 della sequenza [ ( )] [ ]e j 2π 2 ft = e j 2πfT 1 + cos 2πfT il cui generico periodo [0, 1/T] è rappresentato nella seguente figura: _ X(f) _ 3 Y k 1/3T 2/3T 1/T Frequenza Utilizzando il metodo appena descritto, si usa una trasformata discreta di ordine 3 e si ricavano i 3 campioni della trasformata per le frequenze: f k = 0,1 3T, 2 3T
32 Zero-padding o riempimento con zeri (1/2) Per migliorare la risoluzione o accuratezza della trasformata di Fourier di una sequenza finita di valori, è possibile usare per il parametro N o un valore maggiore della durata della sequenza N. In particolare, aggiungendo N o -N zeri si ottiene una sequenza di periodo N o che nel periodo base vale: y[n] = x[n] 0 n N 1 0 N n 1 La nuova risoluzione in frequenza è pari a N o T avendo ancora una volta: X k T = N 0 Y k = 0,1, K, N k 0 1 Se si fa crescere il valore del parametro N o, ossia si aggiungono molti campioni nulli aumentando l ordine della FFT, si aumenta la risoluzione dell analisi spettrale della sequenza x[n] aperiodica e di durata finita originaria.
33 Zero-padding o riempimento con zeri (2/2) ESEMPIO Ripetiamo il calcolo dell esempio precedente, stavolta però con zero-padding fino a N o =8, ovvero aggiungendo 5 valori nulli alla sequenza originaria: y[n] n _ X(f) _ Y k Frequenza normalizzata, ft
34 Convoluzione veloce basata su FFT Si considerino due sequenze aperiodiche (per semplicità causali) a durata finita pari a N. La convoluzione (lineare) tra le due sequenze per definizione è data da: z[ n] = x[ n] y n + [ ]= x[ m] y[ n m] = x m m = N 1 m= 0 [ ] y[ n m] Si dimostra che la complessità della convoluzione di sequenze di durata N calcolata secondo la definizione è: N conv (N) = 2N 2 2N +1 2N 2 Una procedura alternativa, basata su FFT, per il calcolo della convoluzione è la seguente: Si dimostra che, in questo caso, la complessità è: N conv,fft (N) 12 / 2 log 2 ( / 2) 12N log 2 (N) che per N>32 è inferiore al caso precedente.
35 Riassunto caratteristiche dei segnali tempo-frequenza Tempo Frequenza x(t) X k t Segnale a tempo a tempo continuo continuo periodico periodico periodico x(t) Spettro discreto aperiodico X(f) k t Segnale a tempo continuo aperiodico Spettro continuo aperiodico f x[n] X (f) n Segnale a tempo discreto aperiodico Spettro continuo periodico f x[n] X k n Segnale a tempo discreto periodico Spettro discreto periodico k
Campionamento 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
DettagliComunicazione Elettriche L-A Identità ed equazioni
Comunicazione Elettriche L-A Identità ed equazioni Gennaio - Marzo 2009 Identità ed equazioni relative alle comunicazioni elettriche tratti dalle lezioni del corso di Comunicazioni Elettriche L-A alla
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;
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
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;
DettagliINGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Il teorema di Shannon
INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Il teorema di Shannon Prof. Carlo Rossi DEIS - Università di Bologna Tel: 051 2093024 email: crossi@deis.unibo.it Introduzione Il teorema di Shannon, o
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
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,
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
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
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
DettagliCAMPIONAMENTO E RICOSTRUZIONE. Y(f) Y(f-15) Y(f+15) f[hz] Yc(f) Y(f) Y(f-17.5) Y(f+17.5) Yc(f) Esercizio 1
CAMPIONAMENTO E RICOSTRUZIONE Esercizio 1 Dato il segnale y(t), con trasformata di Fourier Y(f) rappresentata in figura, rappresentare lo spettro del segnale ottenuto campionando idealmente y(t) con a)
DettagliLaboratorio II, modulo
Laboratorio II, modulo 2 206-207 Banda di un segnale e filtri (cfr. http://wpage.unina.it/verdoliv/tds/appunti/appunti_03.pdf e http://wpage.unina.it/verdoliv/tds/appunti/appunti_04.pdf e http://wpage.unina.it/verdoliv/tds/appunti/appunti_05.pdf
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
DettagliSegnali Numerici. Segnali Continui
Segnali Continui La descrizione dell andamento nel tempo di un fenomeno fisico è data da una funzione continua nel tempo (X) e nelle ampiezze (Y) Il segnale analogico è una serie continua di valori x e
DettagliElaborazione numerica dei segnali
Massimiliano Laddomada Marina Mondin Elaborazione numerica dei segnali 0)+)2(% %VKSQIRXSXVEXXEXSEPI^MSRI %VKSQIRXSXVEXXEXSEPI^MSRIMRQSHSTEV^MEPIS HMJJIVIRXIVMJIVMVWMEKPMETTYRXM %VKSQIRXSEGGIRREXSEPI^MSRIVMJIVMVWMEKPMETTYRXM
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
Dettagliche coinciderà con la (2) se g[n] = g (n ), condizione verificata dal teorema di Poisson.
La simulazione di sistemi analogici LTI per via digitale si è resa necessaria in quanto permette non solo la perfetta riproducibilità del fenomeno da studiare in situazioni ambientali anche molto diverse,
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
DettagliANALISI DI FOURIER. Segnali a tempo continuo:
ANALISI DI OURIER Segnali a tempo continuo: Segnali aperiodici Segnali periodici Introduzione alla Trasformata Continua di ourier - Derivazione intuitiva della TC a partire dallo Sviluppo in Serie di ourier
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
DettagliSEGNALE ANALOGICO. Un segnale analogico ha un ampiezza che varia in maniera continua nel tempo
ACQUISIZIONE SEGNALE ANALOGICO 6 5 4 3 2 t Un segnale analogico ha un ampiezza che varia in maniera continua nel tempo CONVERTITORE A/D Dispositivo che realizza la conversione tra i valori analogici del
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
DettagliTeoria dei Segnali Densità spettrale di energia e di potenza; campionamento e teorema di Shannon
Teoria dei Segnali Densità spettrale di energia e di potenza; campionamento e teorema di Shannon Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria
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...
DettagliReti nel dominio delle frequenze. Lezione 10 2
Lezione 10 1 Reti nel dominio delle frequenze Lezione 10 2 Introduzione Lezione 10 3 Cosa c è nell Unità 3 In questa sezione si affronteranno Introduzione all Unità Trasformate di Laplace Reti nel dominio
DettagliANALISI DI FOURIER. Segnali tempo continui:
ANALISI DI FOURIER Segnali tempo continui: Segnali aperiodici Introduzione alla Trasformata Continua di - Derivazione intuitiva della TCF a partire dallo Sviluppo in Serie di - Spettro di ampiezza e fase
DettagliCapitolo 2 Introduzione allo Strato Fisico:Segnali Analogici e numerici
Capitolo 2 Introduzione allo Strato Fisico:Segnali Analogici e numerici 1 Segnali Definizioni (1/2) Concettualmente un segnale x(t) rappresenta l andamento nel tempo t di una grandezza fisica x (tensione,
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
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
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.
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche. Modulazione A.A Alberto Perotti
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Modulazione A.A. 8-9 Alberto Perotti DELEN-DAUIN Modello di sistema di comunicazione Il modello di sistema di comunicazione
DettagliReti di Calcolatori a.a
Analogico e digitale 2 Corso di laurea in Informatica Reti di Calcolatori a.a. 2007-2008 Prof. Roberto De Prisco Capitolo 3 Dati e segnali Per essere trasmessi i dati devono essere trasformati in segnali
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):
DettagliELABORAZIONE NUMERICA DEI SEGNALI 9CFU DIGITAL SIGNAL PROCESSING Prof. Marina Ruggieri. Ing. Tommaso Rossi
Università di Roma Tor Vergata Facolta di Ingegneria Benvenuti al al modulo di: di: ELABORAZIONE NUMERICA DEI SEGNALI 9CFU DIGITAL SIGNAL PROCESSING Prof. Marina Ruggieri ruggieri@uniroma2.it Ing. Tommaso
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
DettagliIntroduzione ai segnali determinati
Teoria dei segnali Unità 1 Introduzione ai segnali determinati Introduzione ai segnali determinati Sviluppo in serie di Fourier Trasformata di Fourier 005 Politecnico di Torino 1 Introduzione ai segnali
DettagliCristian Secchi Pag. 1
INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Laurea Specialistica in Ingegneria Meccatronica STRUMENTI MATEMATICI PER L ANALISI DEI SISTEMI DISCRETI Ing. Tel. 0522 522235 e-mail: secchi.cristian@unimore.it
DettagliEsercizi sul campionamento
Capitolo 5 Esercizi sul campionamento 5.1 Esercizio 1 Dato il segnale x(t) = s(t) cos (2π 0 t) con s(t) a banda limitata s e supponendo di introdurre il segnale x(t) come ingresso di un sistema non lineare
DettagliFONDAMENTI DI SEGNALI E TRASMISSIONE 4 Laboratorio
FONDAMENTI DI SEGNALI E TRASMISSIONE 4 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it Campionamento di segnali In MATLAB, qualunque segnale continuo è approssimato da una sequenza campionata. Si
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
Dettagli+ h(τ) x(t τ)dτ (2.1) Figura 2.1: Sistema lineare
Capitolo Metodo di Volterra.1 Introduzione Per un sistema lineare, come riportato in figura.1, si può sempre definire una risposta impulsiva ht che relaziona, tramite un integrale di convoluzione, il segnale
DettagliANALISI ARMONICA. G(s) Analisi armonica. Funzione di risposta armonica
CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANALISI ARMONICA Analisi
DettagliConversione Analogico/Digitale
Conversione Analogico/Digitale 1 Fondamenti di Segnali e Trasmissione Conversione analogico/digitale (A/D) Per rappresentare numericamente un segnale continuo nel tempo e nelle ampiezze è necessario: Campionare
DettagliUnità C: Conversione A/D e D/A. Cosa c è nell unità C
Elettronica per l informatica 1 Cosa c è nell unità C Unità C: Conversione A/D e D/A C.1 Catena di conversione A/D C.2 Convertitori D/A C.3 Convertitori A/D C.4 Condizionamento del segnale C.5 Convertitori
DettagliSistemi e segnali a tempo discreto
Sistemi e segnali a tempo discreto Segnali Per segnale si intende una grandezza fisica qualsiasi a cui è associata informazione. L informazione che trasporta il segnale, lo caratterizza. I segnali possono
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
DettagliCorso di Controllo Digitale Equazioni alle Differenze e Z-trasformate a
Corso di Controllo Digitale Equazioni alle Differenze e Z-trasformate a Università degli Studi della Calabria Corso di Laurea in Ingegneria Elettronica. Ing. Domenico Famularo a Proprietà Letteraria Riservata
DettagliCos è una wavelet? Applicazioni della trasformata wavelet. Analisi multirisoluzione
Cos è una wavelet? Applicazioni della trasformata wavelet Analisi multirisoluzione Tre tecniche: Piramidi di immagine Trasformata di Haar Codifica per sottobande Il numero totale di pixel nel caso di una
DettagliSviluppo in Serie di Fourier
Capitolo Sviluppo in Serie di Fourier. Proprietà della Serie di Fourier Un segnale reale tempo continuo e periodico di periodo, per il quale sono valide le condizioni di Dirichlet vedi pag. 4 [], può essere
DettagliBasi e trasformate veloci
Sistemi Multimediali Basi e trasformate veloci Trasformare una segnale utilizzando un'altra base puo' portare ad un notevole risparmio nella quantita' di dati da memorizzare. Un semplice esempio geometrico
DettagliOrario del corso. Contenuti del corso. Modalità d esame. Analisi Numerica 1 a.a. 2014/2015
Analisi Numerica 1 a.a. 2014/2015 Dott.ssa Silvia Bonettini Orario del corso Mercoledì 10:30-13:30 Aula2/Laboratorio Giovedì 10:30-13:30 Aula2/Laboratorio Ricevimento: mercoledì 9:30-10:30 E-mail docente:
DettagliMetodi di progetto per filtri IIR: soluzione dei problemi proposti
7 Metodi di progetto per filtri IIR: soluzione dei problemi proposti P-7.: Usando il metodo dell invarianza all impulso, la funzione di trasferimento del filtro analogico viene trasformata in una funzione
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
Dettagli08. Analisi armonica. Controlli Automatici
8. Analisi armonica Prof. Cesare Fantuzzi Ing. Cristian Secchi Ing. Alessio Levratti ARSControl - DISMI - Università di Modena e Reggio Emilia E-mail: {nome.cognome}@unimore.it http://www.arscontrol.org/teaching
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
DettagliStrutture realizzative per sistemi tempo-discreto: soluzione dei problemi proposti
4 Strutture realizzative per sistemi tempo-discreto: soluzione dei problemi proposti P-4.1: Dopo aver diviso per 0.5, cioè il coefficiente di, l equazione alle differenze finite data, si ottengono le strutture
DettagliBanda passante e sviluppo in serie di Fourier
CONTROLLI AUTOMATICI Ingegneria Meccanica e Ingegneria del Veicolo http://www.dii.unimore.it/~lbiagiotti/controlliautomatici.html Banda passante e sviluppo in serie di Fourier Ing. e-mail: luigi.biagiotti@unimore.it
DettagliESERCIZI DI TEORIA DEI SEGNALI
ESERCIZI DI EORIA DEI SEGNALI EX. 1 Si determini lo sviluppo in serie di Fourier del segnale cos[ m(t)] dove m(t) = m(t) = m(t k ) [ π 2 2π ] ( ) t t rect. EX. 2 Si siderino due segnali x 1 (t) e x 2 (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
Dettagli06. Analisi Armonica. Controlli Automatici. Prof. Cesare Fantuzzi Ing. Cristian Secchi Ing. Federica Ferraguti
Controlli Automatici 6. Analisi Armonica Prof. Cesare Fantuzzi Ing. Cristian Secchi Ing. Federica Ferraguti ARSControl - DISMI - Università di Modena e Reggio Emilia E-mail: {nome.cognome}@unimore.it http://www.arscontrol.org/teaching
DettagliRappresentazione digitale del suono
Rappresentazione digitale del suono Rappresentazione del suono Trasmettere a distanza, tempo e spazio Registrazione, riproduzione, elaborazione segnale Consumer e professional flessibilità, velocità costi
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
DettagliLa strumentazione NMR. ed alcuni dettagli sul metodo a Trasformata di Fourier
La strumentazione NMR ed alcuni dettagli sul metodo a Trasformata di Fourier 1 Lo Spettrometro NMR 2 Il magnete: genera il campo B 0, intenso, stabile ed omogeneo 600MHz 15 T 900 MHz 22 T 60MHz 1.5 T 3
DettagliEsercitazione su filtro di Sobel per l elaborazione delle immagini
Ver. 1. Esercitazione su filtro di Sobel per l elaborazione delle immagini Il filtro di Sobel opera sulle immagini come un gradiente lungo una direzione. In particolare detta f ( x, y) l intensità dell
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
DettagliRipasso segnali e processi casuali. Trasmissione dell Informazione
Ripasso segnali e processi casuali 1 Breve ripasso di segnali e trasformate Dato un segnale s(t), la sua densità spettrale si calcola come dove S(f) è la trasformata di Fourier. L energia di un segnale
DettagliRappresentazione digitale del suono
Rappresentazione digitale del suono Perché rappresentazione del suono Trasmettere a distanza nel tempo e nello spazio un suono Registrazione e riproduzione per tutti Elaborazione del segnale audio per
DettagliSISTEMI DI CONTROLLO Ingegneria Meccanica e Ingegneria del Veicolo.
SISTEMI DI CONTROLLO Ingegneria Meccanica e Ingegneria del Veicolo http://www.dii.unimore.it/~lbiagiotti/sistemicontrollo.html Banda passante e sviluppo in serie di Fourier Ing. Luigi Biagiotti e-mail:
DettagliAzione Filtrante. Prof. Laura Giarré https://giarre.wordpress.com/ca/
Azione Filtrante Prof. Laura Giarré Laura.Giarre@UNIMORE.IT https://giarre.wordpress.com/ca/ Sviluppo in serie di Fourier Qualunque funzione periodica di periodo T può essere rappresentata mediante sviluppo
DettagliCodifica dei segnali audio
FONDAMENTI DI INFORMATICA Prof. PIER LUCA MONTESSORO Facoltà di Ingegneria Università degli Studi di Udine Codifica dei segnali audio 2000 Pier Luca Montessoro (si veda la nota di copyright alla slide
DettagliFrequenza: Hertz e Ordini 1
Frequenza: Hertz e Ordini qi segnali vanno preparati ai ini delle elaborazioni successive. q Siamo nella ase di conversione del segnale analogico in un segnale digitale. q Il processo di digitalizzazione
DettagliNote sull implementazione in virgola fissa di filtri numerici
Note sull implementazione in virgola fissa di filtri numerici 4 settembre 2006 1 Introduction Nonostante al giorno d oggi i processori con aritmetica in virgola mobili siano molto comuni, esistono contesti
DettagliRisposta temporale: esempi
...4 Risposta temporale: esempi Esempio. Calcolare la risposta al gradino unitario del seguente sistema: x(t) = u(t) s + 5 (s + )(s + ) y(t) Il calcolo della trasformata del segnale di uscita è immediato:
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
DettagliScomposizione in fratti semplici
0.0.. Scomposizione in fratti semplici La determinazione dell evoluzione libera e dell evoluzione forzata di un sistema lineare stazionario richiedono l antitrasformazione di una funzione razionale fratta
Dettagli26/08/2010. Segnale analogico. Convertitore AD. Segnale digitale. Sensore. Computer
CAP 6: ACQUISIZIONE ED ANALISI DIGITALE DEI SEGNALI Che tutte le operazioni di analisi del segnale descritte nei precedenti capitoli si effettuano, quasi sempre, impiegando sistemi digitali di elaborazione
DettagliAritmetica dei Calcolatori Elettronici
Aritmetica dei Calcolatori Elettronici Prof. Orazio Mirabella L informazione Analogica Segnale analogico: variabile continua assume un numero infinito di valori entro l intervallo di variazione intervallo
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.............................
DettagliElaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. I suoni Rappresentazione digitale
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Anno Accademico 2008/2009 Docente: ing. Salvatore
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
DettagliSistemi di controllo digitali. Concetti introduttivi
Sistemi di controllo digitali Concetti introduttivi I sistemi di controllo digitali o a tempo discreto si distinguono dai sistemi di controllo analogici o a tempo continuo in quanto caratterizzati dalla
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
DettagliEsercitazione di laboratorio per il corso di SISTEMI DI TELECOMUNICAZIONI 1 Ritardo Frazionario
Esercitazione di laboratorio per il corso di SISTEMI DI TELECOMUNICAZIONI Ritardo Frazionario 8 marzo 2009 Indice Scopo dell esercitazione A La struttura di Farrow B Norme per la consegna dell esercitazione
DettagliELETTRONICA II. Prof. Dante Del Corso - Politecnico di Torino. Parte F: Conversione A/D e D/A Lezione n F - 2: Convertitori D/A
ELETTRONICA II Prof. Dante Del Corso - Politecnico di Torino Parte F: Conversione A/D e D/A Lezione n. 25 - F - 2: Convertitori D/A Conversione A/D La conversione da Analogico a Digitale comporta due tipi
DettagliNei sistemi multirate il seguente teorema del campionamento assume importanza
Appendice B Sistemi Multirate B.1 Sommario Tutti i sistemi dove l elettronica analogica deve interfacciarsi con l elettronica digitale sono dei sistemi multirate nei quali vi sono campioni generati con
DettagliSeminario. Wavelet. Seminario Wavelet [/50]
Seminario Wavelet Indice Fourier Transform Short-time Fourier Transform Continuous Wavelet Transform Discrete Wavelet Transform Applicazioni Fusione di immagini multirisoluzione Compressione Denoising
DettagliTeorema di Thevenin generalizzato
Teorema di Thevenin generalizzato Si considerino due reti elettriche lineari, A e B, aventi rispettivamente N A e N B nodi interni. Esse si interfacciano attraverso n (n 3) fili di collegamento, in cui
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 }{{} (
DettagliCalcolo numerico per utilizzare i residui di udito
Calcolo numerico per utilizzare i residui di udito Andrea Trucco, Ph.D. Dipartimento Ingegneria Biofisica ed Elettronica DIBE - Università di Genova trucco@ieee.org 1 Segnale audio Variazione della pressione
DettagliD SISTEMI DI ELABORAZIONE DIGITALE DEI SEGNALI
Ingegneria dell Informazione Modulo SISTEMI ELETTRONICI D SISTEMI DI ELABORAZIONE DIGITALE DEI SEGNALI 10-Jan-02-1 1 Obiettivi del gruppo di lezioni D Analisi Sistemistica di soluzioni analogiche/digitali»
DettagliTRASFORMATA DISCRETA DI FOURIER (DFT) [Cap. 5] E. Del Re Fondamenti di Elaborazione Numerica dei Segnali 1
TRASFORMATA DISCRETA DI FOURIER (DFT) [Cap. 5] E. Del Re Fondamenti di Elaborazione umerica dei Segnali TRASFORMATA DISCRETA DI FOURIER (DFT) Definita per sequenze periodiche (o finite) periodo (o durata)
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
DettagliIn elettronica un filtro elettronico è un sistema o dispositivo che realizza
Filtri V.Russo Cos è un Filtro? In elettronica un filtro elettronico è un sistema o dispositivo che realizza delle funzioni di trasformazione o elaborazione (processing) di segnali posti al suo ingresso.
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
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 )
DettagliCorso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione dei numeri relativi
Codice BCD Prima di passare alla rappresentazione dei numeri relativi in binario vediamo un tipo di codifica che ha una certa rilevanza in alcune applicazioni: il codice BCD (Binary Coded Decimal). È un
DettagliCapitolo IX. Convertitori di dati
Capitolo IX Convertitori di dati 9.1 Introduzione I convertitori di dati sono circuiti analogici integrati di grande importanza. L elaborazione digitale dei segnali è alternativa a quella analogica e presenta
DettagliNumeri interi. Laboratorio di Calcolo Paola Gallo
Numeri interi Alfabeto binario anche il segno può essere rappresentato da 0 o 1 è indispensabile indicare il numero k di bit utilizzati Modulo Modulo e segno 1 bit di segno (0 positivo, 1 negativo) k 1
Dettagli