Teoria dei Segnali & Elaborazione Dati
|
|
- Pietro Landi
- 8 anni fa
- Visualizzazioni
Transcript
1 Teoria dei Segnali & Elaborazione Dati Facoltà di Ingegneria- Ingegneria Biomedica Corso di Elaborazione dati e Segnali Biomedici Ing.Irene Tagliente Irene.tagliente@opbg.net
2 Il termine Segnale e' usato molto frequentemente non solo nel campo scientifico e tecnologico ma anche nell'uso quotidiano del linguaggio comune. Nello studio dei sistemi fisici e del loro comportamento possiamo comunque intendere il termine Segnale come una variazione temporale dello stato fisico di un sistema che serve per rappresentare, registrare e trasmettere messaggi.
3 Avremo segnali di tipo Unidimensionale o Multidimensionale (Vettori) se vuole evidenziare la dimensionalità attraverso la quale essi si esibiscono. Saranno di tipo Deterministico oppure Stocastico se la loro modalità di evolversi nel tempo è prevedibile oppure casuale. Potranno ancora essere Analogici oppure Discreti se si presentano come Continui o Discontinui nel tempo. Teoria dei Segnali
4 Si riportano di seguito alcune importanti formule di trigonometria, che possono risultare utili: Un generico esponenziale complesso può essere scritto come: e^±jφ= cos(φ) ± j sin(φ) da cui si ricavano facilmente le formule di Eulero:
5 Un generico numero complesso c può essere espresso mediante la sua parte reale e la sua parte immaginaria oppure mediante la sua ampiezza e fase: Questa seconda rappresentazione (detta forma esponenziale) risulta particolarmente utile per eseguire calcoli sui numeri complessi. Posto ρ = IIcII Φ= < c, il numero complesso c si può quindi scrivere come: si ricavano facilmente le seguenti relazioni: Nel caso di un prodotto (o rapporto) tra due numeri complessi, l ampiezza del prodotto (o rapporto) `e data dal prodotto (o rapporto) delle ampiezze, mentre la fase `e data dalla somma (o differenza) delle fasi.
6 Si riportano di seguito la definizione e l andamento grafico di alcuni segnali importanti:
7 Proprietà dei segnali determinati Energia, potenza e valor medio di un segnale Segnali tempo continui Dove II. II viene sostituito a I. I nel caso di segnali reali. NB: Se l Energia è Finita la Potenza è nulla e viceversa
8 Ovviamente gli integrali possono variare in funzione del dominio di Integrazione Sganciandoci dalla definizione della variabile ed integrando non piu x(t) ma s(t) Ovviamente non cambierà la formula. Mentre integrando l Energia tra ± e la Potenza tra ± T otterremo le Formule piu comunemente usate: 1) Si dirà che s(t) è un segnale ad energia finita o segnale di energia se converge ossia Es risulta essere un numero reale. Viceversa di dirà che s(t) è un segnale a potenza finita o segnale di potenza 2)
9 Teorema di Parseval Per un segnale ad energia finita, l energia normalizzata può essere calcolata integrando il quadrato del modulo del segnale nel dominio del tempo o nel dominio della frequenza: L energia di un segnale è: Densità spettrale di energia La densità spettrale di energia non è mai negativa: Se il segnale x(t) è reale, allora la densità spettrale di energia è pari: X( f ) 2 = X(f ) 2
10 La Potenza di un segnale è: DENSITA SPETTRALE DI POTENZA
11 Esempio: Segnale Esponenziale Considerando il segnale s(t)= e^at Con t>o e a>0 Verifichiamo se si tratta di un segnale di energia applicando la definizione 1) Trattandosi di un segnale reale, il modulo quadro del segnale equivale semplicemente al quadrato Il segnale è per ipotesi nullo per t<0, per cui possiamo restringere l intervallo di integrazione e proseguire con i calcoli Avendo trovato un valore finito, deduciamo che il segnale esponenziale è un segnale ad energia finita e, di conseguenza, a potenza nulla.
12 TRASFORMATA DI FOURIER La trasformata di Fourier è uno degli strumenti matematici maggiormente sfruttati nell'ambito delle scienze pure e applicate. Viene utilizzata, ad esempio, per trasformare una funzione matematica f(t) definita nel dominio del tempo in una nuova funzione F^ il cui argomento è la frequenza (indicata in hertz). Questa funzione viene chiamata spesso spettro delle frequenze della funzione f. La trasformata di Fourier è invertibile, quindi, a partire dalla trasformata di una funzione F^ è possibile risalire alla funzione f. Nel caso di funzioni periodiche, la trasformata di Fourier può essere semplificata con il calcolo di un insieme discreto di ampiezze complesse, chiamati coefficienti della serie di Fourier. Inoltre, quando un segnale nel dominio del tempo viene campionato, ad esempio per facilitare l'immagazzinamento o l'elaborazione digitale, è possibile ricreare una versione della trasformata originale utilizzando la formula di sommazione di Poisson. Formalmente, la trasformata di Fourier F [f(t)](ω) di una funzione f(t) è equivalente al valutare la trasformata di Laplace bilatera L di f ponendo s = iω, e tale definizione è valida se e solo se la regione di convergenza della trasformata di Laplace contiene l'asse immaginario.
13 SERIE DI FOURIER La serie di Fourier permette di esprimere una funzione periodica attraverso un numero discreto di parametri, che sono le ampiezze delle componenti sinusoidali (bk ) e cosinusoidali (ak ) alle frequenze multiple di fo
14 La serie di Fourier `e definita solo per segnali periodici. Non sempre si può scrivere sotto forma di serie di Fourier la funzione ottenuta dalla somma di due serie di Fourier: si può fare solo se il segnale risultante `e periodico (cioè esiste il minimo comune multiplo dei periodi dei due segnali che si sommano).
15 TRASFORMATA DI FOURIER Un segnale non periodico può essere considerato come un segnale periodico avente T, e di conseguenza fo 0. La serie di Fourier può essere generalizzata al caso non periodico, sostituendo la sommatoria con l integrale.
16 Le definizioni di Trasformata e Antitrasformata di Fourier sono valide per tutti quei segnali per cui l integrale al secondo membro esiste.
17 PROPRIETA DELLA TRASFORMATA (TDF) LINEARITA : la TDF della combinazione lineare (somma pesata) di due segnali e uguale alla combinazione lineare delle TDF dei due segnali. a1x1(t)+a2x2(t) a1x1(f)+a2x2(f) Simmetria : la TDF di una segnale reale go d e d i simmetria complessa coniugata. La parte reale e il modulo sono simmetr ici rispetto all origine (sono pari ), la parte immaginaria e la fase sono antisimmetriche rispetto all origine (sono dispari ). x(t) X(-f)=X*(f)
18 APPLICAZIONE DELLA SIMMETRIA
19 PROPRIETA DELLA TRASFORMATA (TDF)
20 ESEMPI DI TDF IL RETTANGOLO
21 ESEMPI DI TDF - IL SINC
22 PROPRIETA DELLA TRASFORMATA (TDF)
23 L IMPATTO DEL RUMORE NELL ANALISI DEI SEGNALI Ø In ogni sistema reale di comunicazione, il segnale trasmesso arriva al ricevitore piu o meno degradato a causa di disturbi e rumore, che variano nel tempo in modo impredicibile. Ø Il rumore nei circuiti elettronici e dovuto al movimento casuale degli elettroni, che si muovono non solo per effetto dei campi elettrici applicati, ma anche (e soprattutto) a causa dell agitazione termica. Ø A temperatura ambiente (300 K) la velocita di agitazione termica per un elettrone ` e di circa 100 km/s, mentre la velocita di deriva dovuta ai campi elettrici è molto inferiore. Ø L agitazione termica e` a media nulla, ma provoca fluttuazioni nei valori istantanei delle grandezze elettriche (rumore termico).
24 Il rumore è un processo stocastico Per analizzare l effetto del rumore si usano tecniche statistiche (teoria delle probabilita e dei processi stocastici). L aggettivo stocastico e l opposto di deterministico: Ø un segnale deterministico può essere espresso matematicamente come una funzione del tempo: x(t) assume un ben preciso valore (e uno solo) per ogni t Ø un segnale stocastico assume valori non noti a priori e non predicibili con esattezza; non si puo rappresentare come una funzione ben definita nel tempo Stocastico deriva dal verbo greco στoχαζ oµαι (stochazomai) = cercare di capire.
25
26
27 ANALISI SPETTRALE Il contenuto in frequenza di un segnale deterministico oppure stocastico stazionario è messo in evidenza da tracciati ottenuti mediante la trasf. di Fourier che prendono il nome di SPETTRI (in analogia col contenuto della luce alle varie lunghezze d onda) a seconda della caratteristica descritta si parla di: Spettro Di Ampiezza, descrive l ampiezza delle componenti armoniche (l uso degli sp. di energia o di potenza è più comune) Spettro Di Fase, nei segnali deterministici descrive la fase delle componenti armoniche rispetto ad un riferimento temporale fisso; nei segnali stocastici questo non ha senso (almeno in ambito lineare) ma spesso occorre dare lo sfasamento fra la stessa componente armonica di due segnali diversi Spettro Di Energia descrive l ampiezza quadratica delle componenti armoniche nei segnali deterministici Spettro Di Potenza, descrive l ampiezza quadratica media delle componenti armoniche nei segnali stocastici
28 SPETTRO DI POTENZA- PROCESSI STOCASTIVI STAZIONARI sia y(i) un processo a t. discreto, stocastico, stazionario (almeno in senso debole), ergodico ed a media nulla, la varianza è: Ø è immediato riconoscere a questa un significato di potenza (media di valori quadratici); meno immediato è definire uno spettro di potenza; infatti, non esiste una Serie di Fourier perché non esistono periodicità deterministiche; non esiste una DTFT poiché il segnale è illimitato ed ad energia infinita Ø è però intuitivo che oscillazioni che si ripetono in modo statisticamente significativo possano essere stimate, grazie alla ergodicità, anche su un finestra limitata di N campioni Ø Lo spettro di potenza teorico del processo viene quindi definito come limite per N della stima su N campioni
29 Si definisce ergodico un processo statistico che passa per tutti i punti possibili di lavoro. Nell'ambito dei processi stocastici, un processo stocastico si dice ergodico ad un dato momento t, se la sua stima temporale converge, in media quadratica, a tale parametro, con autocorrelazione che tende a 0 al crescere dei valori di t. Un processo stocastico si dice ergodico quando le medie statistiche convergono quasi ovunque alle medie temporali. Condizione necessaria all'ergodicità è quindi la stazionarietà, in senso lato, fino all'ordine per cui si desidera che sia verificata la proprietà di ergodicità. In particolare, si parla di ergodicità nella media quando la media temporale e la media statistica coincidono; si parla di ergodicità nella correlazione quando la autocorrelazione statistica e la autocorrelazione temporale coincidono. Caratteristica fondamentale del processo ergodico è che tramite una singola osservazione di una funzione membro del processo, riusciamo a caratterizzare tutta la statistica dell'intero processo. Ciò equivale a dire che un processo ergodico è completamente caratterizzabile tramite osservazione di UNA funzione membro del processo. Viene poi definito un limite, per validare questa teoria, ovvero tutti gli elementi del processo, affinché questo sia ergodico, devono essere incorrelati.
30 ANALISI DELLO SPETTRO DI POTENZA Ø LO SPETTRO DI POTENZA viene anche detto densità spettrale di potenza (PSD, Power Spectral Density) Ø le stime del PSD ottenute mediante trasf. di Fourier (mediante la FFT) sono dette NON-PARAMETRICHE, si basano sul CALCOLO DIRETTO DEL PERIODOGRAMMA Ø METODI PARAMETRICI non analizzano direttamente il contenuto in freq. ma stimano i parametri di OPPORTUNI MODELLI da cui si ricava la PSD Applicazioni: - ritmi nell EEG: α, β, γ, δ - ritmi nella variabilità della freq. cardiaca: - LF (0.1 Hz controllo cardiovascolare), HF (0.3 Hz - attività respiratoria) - freq. media dell EMG (tipo di unità motorie e freq. di scarica) - freq. formanti nel parlato (suoni vocalici e consonantici) - suoni valvole cardiache (stenosi od insufficienza valvolare)
31 Ci sono due forme di correlazione: autocorrelazione e intercorrelazione (cross-correlation). La funzione di intercorrelazione (CCF) è una misura della somiglianza tra due segnali. Applicazioni della CCF includono: Ø analisi spettrale (cross-spectral analysis) Ø riconoscimento di segnali immersi nel rumore (radar) Ø riconoscimento di modelli (pattern matching) Ø misure di ritardo. La funzione di autocorrelazione (ACF) è una forma speciale di CCF ed è usata in applicazioni simili. Applicazioni della ACF: Ø E particolarmente utile nel riconoscere un segnale periodico immerso nel rumore.
32 Spettro di Potenza Tras. Di Fourier della ACF
33 Teorema di Parseval Per un segnale ad energia finita, l energia normalizzata può essere calcolata integrando il quadrato del modulo del segnale nel dominio del tempo o nel dominio della frequenza: L energia di un segnale è: Densità spettrale di energia La densità spettrale di energia non è mai negativa: Se il segnale x(t) è reale, allora la densità spettrale di energia è pari: X( f ) 2 = X(f ) 2
34 STIMA SPETTRALE Analisi Spettrale Non Parametrica Stima piú precisa possibile di energie nell intervallo di tempo disponibile senza fare alcuna ipotesi ulteriore, Non cercando modelli della generazione del segnale. Applicabile a segnali totalmente indipendenti tra loro, con diversa ampiezza e diverse caratteristiche Statistiche. Es studio dello spettro delle radiofrequenze in una grande cittá; l uno accanto all altro si incontrano i vari canali radio e televisivi, i segnali di telefonia cellulare, i segnali radar ecc. Parametrica Si cercheranno i parametri di un filtro lineare che, alimentato da un segnale a spettro uniforme (rumore bianco) produce uno spettro di potenza simile allo spettro sotto analisi. L analisi spettrale parametrica porta all identificazione del modello e questo apre una successiva fase di studio per comprendere e poi eventualmente controllare lo stato e l evoluzione del sistema sotto osservazione. Tutto il segnale nel suo complesso ha origini uniche e quindi vi Saranno delle relazioni tra i contenuti delle varie bande spettrali. Es: spettro di un segnale acustico dovuto a vibrazioni o ad un segnale vocale
35 ANALISI SPETTRALE NON PARAMETRICA CONCETTUALMENTE SEMPLICE se si fa uso del concetto di media di insieme Se si hanno abbastanza realizzazioni del segnale, BASTA CALCOLARNE LE TRASFORMATE DISCRETE DI FOURIER E MEDIARNE LE POTENZE, componente per componente. N.B: raramente si hanno numerose repliche del segnale Spesso, si ha a disposizione una sola replica, per un intervallo di tempo assegnato la cui lunghezza indicheremo sistematicamente con Ttot = NT dove T è l intervallo di campionamento. Per determinare lo spettro di potenza Si dovrà ricorrere ad IPOTESI come STAZIONARIETÁ ed ERGODICITÁ che supporremo sempre valide. Quando verranno discussi i sistemi adattativi, la non stazionarietá delle statistiche verrá considerata esplicitamente.
36 ANALISI SPETTRALE NON PARAMETRICA PERIODOGRAMMA
37
38 STIMA NON PARAMETRICA DELLO SPETTRO DI POTENZA Ø il periodogramma permette di applicare l algoritmo molto efficiente della FFT per ottenere N campioni di PN(f) Ø però il PERIODOGRAMMA NON È UNA STIMA CONSISTENTE: Ø E[PN(f)]-->P(f) per N--> inf. ma l errore della stima non --> 0 Ø il periodogramma non sfrutta correttamente l ergodicità del processo: aumentando N si migliora la risoluzione in freq. ottenendo più campioni fra 0 e la fc ma l errore dei punti infittiti non migliora e mantiene una varianza dell ordine di σ^4 Ø questo limite viene corretto diminuendo la risoluzione spettrale a vantaggio di una diminuzione dell errore di stima ottenendo così degli spettri più smussati (smooth) Ø vi sono due approcci spesso usati in combinazione: 1) Finestrare il segnale raccordando meglio gli estremi a zero 2) Dividere gli n campioni in k finestre di m campioni (n = k m) e fare la media dei k spettri ottenuti
39 ANALISI SPETTRALE NON PARAMETRICA Se si hanno abbastanza realizzazione del segnale basta calcolarne le trasformate discrete di Fourier e mediarne le potenza, componente per componente Raramente si hanno numerose repliche del segnale Spesso si ha a disposizione una sola replica per un intervallo si tempo assegnato indicheremo la lunghezza sistematicamente con Ttot= NT dove T è l intervallo di campionamento utilizzare un banco di K filtri passa banda con bande Bk; Volendo stimare lo spettro di una sequenza {Xn}, n = 0,.., N 1 senza fare alcuna ipotesi addizionale é necessario: k = 1,...,K e frequenze centrali fk; k =1,...,K attraverso i quali fare transitare il segnale; si stimano poi le potenze medie delle uscite Yn,k dei vari filtri del banco
40 ANALISI SPETTRALE NON PARAMETRICA Il teorema di Wiener ci aiuta qualora si desideri conoscere la densità di potenza per un processo, di cui siamo in grado di stimare o postulare Mx (t) = Rx (t).spesso però si ha a che fare con segnali di cui, pur ricorrendo le ipotesi di appartenenza ad un processo ergodico, si ignorano le statistiche di insieme. Un altro caso tipico è quello di un segnale che, pur se rappresentativo di molti altri, non presenta caratteristiche spettrali costanti nel tempo, e sono proprio le variazioni di queste ultime ad interessare. In questi casi, tutto ciò che si può fare è di tentare una stima dello spettro di potenza del segnale, a partire da un suo segmento temporale. Esistono al riguardo tecniche differenti
41 Calcolo del periodogramma ed esempio alla Lavagna
42 METODO DI BARTLETT Ø consiste nel dividere il segnale di N campioni in K finestre di M campioni N=K M, calcolare i rispettivi spettri ed infine fare la media dei K spettri Ø la risoluzione in freq. (proporzionale a 1/MTC) peggiora di un fattore K; la varianza della stima migliora di un fattore K (SNR spettro migliora di K) perché, per ergodicità, le stime spettrali delle singole finestre possono essere considerate indipendenti
43 METODO DI BARTLETT: FINESTRATURA IMPLICITA *ACF = Funzione di Autocorrelazione
44 ESEMPIO APPLICAZIONE DEL METODO DI BARTLETT CALCOLO DEL PERIODOGRAMMA DI UN EEG 1) periodogramma su N=750 campioni; 2) periodogramma su M=64 campioni (K=11); 3) media di 11 periodogrammi; FFT su 1024 campioni (zero padding di campioni nel primo caso e di campioni negli altri)
45 METODO DI WELCH: RISOLUZIONE IN FREQUENZA il metodo di Welch modifica il metodo di Bartlett introducendo una finestratura esplicita che raccordi i bordi delle finestre a zero
46
47 METODO DI WELCH: DETTAGLI SULL APPLICAZIONE Ø vi sono anche finestre particolarmente adatte all analisi spettrale: Chebychev, Gauss, Nuttal, etc. Ø per non avere modificazioni dei valori di potenza le finestre vanno scalate in modo da avere media quadratica unitaria Ø per poter tracciare lo spettro con una buona risoluzione grafica occorrono in genere più degli M punti di FFT; si può interpolare i campioni in frequenza mediante zero padding nel tempo (questo non aumenta la vera risoluzione in frequenza) Ø campioni ai bordi delle finestre raccordate a zero sono pesati poco e quindi si può adottare una sovrapposizione (overlap) fa finestre adiacenti (in genere del 50%) avendo così 2K-1 spettri da mediare
48
49 LIMITI DELLO SPETTRO DI POTENZA Esistono segnali diversi che hanno lo stesso spettro di potenza Lo spettro di potenza: descrive completamente i processi GAUSSIANI Contiene le stesse informazioni della Funzione di autocorrelazione Sopprime tutte le relazioni di fase tra i ritmi presenti in un segnale
50
51 ANALISI SPETTRALE NON PARAMETRICA Come determinare la DISPERSIONE DELLA STIMA SPETTRALE e cioè la dispersione della stima S^bk della potenza (il valore quadratico medio) σk^2 dei segnali yn,k in uscita dei vari filtri La stima é funzione sia del tempo totale di osservazione concesso Ttot = NT sia delle larghezze di banda Bk dei vari filtri (risoluzione spettrale), che non sono necessariamente eguali tra loro. La dispersione della stima e risoluzione spettrale sono entrambe limitate dal valore di Ttot ed inoltre al migliorare della risoluzione spettrale peggiorerà (crescerà) la dispersione di S^bk e σk^2 Se la banda passante Bk del filtro k esimo è molto stretta, i campioni (complessi) della sua uscita sono correlati tra loro per un intervallo di tempo lungo Tk ' 1/Bk
52 ANALISI SPETTRALE NON PARAMETRICA DISPERSIONE DELLA STIMA SPETTRALE Il tempo totale necessario per misurare all uscita del filtro un numero di campioni complessi indipendenti M abbastanza grande (per avere una buona stima del loro valore quadratico medio e quindi della densità spettrale media in quella banda) sarà: Ttot = NT = M Tk = M/Bk e sarà tanto maggiore per quanto più ridotta è Bk e per quanto maggiore è M A pari Ttot invece, dovremo scegliere se fare grande M (stima precisa) o Tk (elevata risoluzione spettrale). Se la banda passante Bk del filtro k esimo è molto stretta, i campioni (complessi) della sua uscita sono correlati tra loro per un intervallo di tempo lungo Tk ' 1/Bk.
53
54 STIMA DELLA POTENZA DI SEGNALI CORRELATI GAUSSIANI CAMPIONI INDIPENDENTI Per iniziare lo studio della DISPERSIONE DELLA STIMA del valore quadratico medio DI UN SEGNALE DI CUI SONO DISPONIBILI SOLO UN NUMERO LIMITATO DI CAMPIONI, eventualmente correlati tra loro, supponiamo di avere una sequenza di M campioni reali xm che sappiamo essere indipendenti e gaussiani, a valore medio nullo e con eguale q.m. σ^2: la migliore stima del loro v.q.m e: La stima della varianza della sequenza xm è una variabile casuale, la cui distribuzione è nota come X^2 con M gradi di Liberà; E approssimativamente gaussiana, ha valor medio paria a σ^2.
55 CAMPIONI INDIPENDENTI
56 CAMPIONI CORRELATI Quando i campioni del segnale sono correlati, la dispersione della stima del loro v.q.m. cresce, perchè decrescerebbe il numero equivalente di campioni indipendenti che contribuiscono alla stima. Es: Se vogliamo stimare la distribuzione delle età dei cittadini, non è bene raccogliere dati in scuole elementari o case di riposo. Fare valutazioni quantitative precise comporterebbe molti calcoli. Consideriamo: DUE VARIABILI CASUALI GAUSSIANE A VALOR MEDIO NULLO, EGUALE VARIANZA E CORRELATE TRA LORO: X e Y. Generalmente possiamo supporre che sia:
57 CAMPIONI CORRELATI
58 SEGNALI CONTINUI Circuito RC alimentato da Rumore Bianco Per proseguire l esempio della stima della potenza di un segnale correlato, supponiamo di voler stimare la potenza in uscita di un circuito RC alimentato da rumore bianco e quindi con uno spettro di potenza pari a
59 SEGNALI CONTINUI
60 SEGNALI CONTINUI Anche se i campioni misurati sono in numero infinito, la dispersione non tende a zero. Ø Se q cresce ma rimane inferiore circa ad 1 i campioni decrescono in numero e si decorrelano e la varianza della stima aumenta ma di poco. In compenso diminuisce drasticamente il costo computazionale. Ø Se poi q cresce ancora, oltre il valore 1, i campioni diventano troppo pochi e la varianza cresce in proporzione a q. É INUTILE CAMPIONARE IN MODO TROPPO FITTO UNA SERIE CORRELATA la varianza della stima non scende perché i campioni si assomigliano troppo. non bisogna essere troppo insistenti nell imporre l indipendenza dei campioni, perché se li si desidera troppo decorrelati, si perdono misure utili. E ragionevole mantenere la correlazione intorno a 10 20%
61 SEGNALI CONTINUI Nel caso di Analisi Spettrale Di Un Segnale Con Un Banco Di Filtri Passa Banda di banda B abbastanza selettivi, è Ragionevole Supporre Che Lo Spettro Del Segnale Sia Uniforme In Ogni Banda (ma differente tra una banda e l altra). Se si riporta a frequenza zero ogni banda e si sottocampiona il segnale convertito alla frequenza di campionamento 2B Si ottiene una sequenza di campioni reali indipendenti per la quale è semplice calcolare la dispersione della stima di potenza. LA RISOLUZIONE SPETTRALE NON DIPENDE DALLA FREQUENZA
62 STIMA SPETTRALE PARAMETRICA
63 STIMA SPETTRALE PARAMETRICA
64 STIMA SPETTRALE PARAMETRICA
65 STIMA SPETTRALE PARAMETRICA
66 STIMA SPETTRALE PARAMETRICA Un modo alternativo di stimare lo spettro di potenza di un segnale è scegliere un modello che riteniamo adeguato e stimarne i parametri, quindi calcolare lo spettro di potenza del modello con quei parametri. Uno dei modelli più usati è il modello AR, detto anche a massima entropia, perche presuppone un andamento asintotico esponenziale dell autocorrelazione, che corrisponde alla massima entropia.
67 STIMA SPETTRALE PARAMETRICA
68 STIMA SPETTRALE PARAMETRICA Queste sono le equazioni di Yule e Walker. Con esse si possono ricavare i coefficienti del modello AR dai valori dell autocorrelazione. La matrice simmetrica che compare viene detta matrice di Toeplitz e il sistema viene risolto con l efficiente algoritmo di Levinson e Durbin. Se nelle (6.42) mettiamo, al posto dei valori dell autocorrelazione, delle loro stime, possiamo stimare i valori dei parametri Wi del modello AR(n). Da questi lo spettro viene stimato come
69 Questo tipo di stima spettrale viene implementata in vari modi, a seconda di come viene eseguita la stima dell autocorrelazione o risolto il sistema (6.42). Gli stimatori spettrali parametrici sono particolarmente buoni ed efficienti se il modello usato è a) aderente ai dati, b) non ha un numero troppo elevato di parametri.
70
71 Passaggio ad altre Slide (01 e 02 da 12)
72 LA CONVOLUZIONE TEOREMA: La trasformata della convoluzione di due funzioni è il prodotto delle trasformate delle due funzioni La convoluzione è un'operazione tra due funzioni che genera una terza funzione che viene vista come la versione modificata di una delle due funzioni iniziali. Ha una forte somiglianza con la correlazione incrociata. La convoluzione viene utilizzata in vari campi della fisica, della statistica, dell'elettronica, dell'analisi d'immagini e della grafica computerizzata. Quando si studiano sistemi dinamici lineari stazionari, l'uscita è data dalla convoluzione tra il segnale in ingresso e la risposta all'impulso del sistema, la cui trasformata di Laplace (o la trasformata di Fourier) è la funzione di trasferimento del sistema.
73 La convoluzionee l operatore con cui sono descritti i filtraggi lineari nel dominio spaziale. La convoluzione e l applicazione ad una funzione f di una funzione h chiamata filtro (o filter kernel). Nel dominio discreto e data da una somma di prodotti tra gli elementi di f e i coefficienti di h. Per la corrispondenza fra dominio spaziale e dominio delle frequenze si hanno le seguenti relazioni:
74 CONVOLUZIONE NEL DOMINIO DEL TEMPO Per calcolare una convoluzione nel dominio del tempo bisogna successivamente eseguire le seguenti operazioni: 1) Invertire l'asse di rappresentazione di uno dei due segnali [Si passa cioè da x(t) a x( -t) oppure da y(t) a y( -t)]; 2) sul segnale il cui asse è stato invertito operare una traslazione che è negativa quando avviene verso sinistra e positiva quando avviene verso destra; 3) calcolare il prodotto tra il segnale traslato e l'altro non traslato; 4) calcolare l'area del prodotto.
75 ESEMPIO: consideriamo le due funzioni in figura. Prima dell integrazione, occorre costruire la g(x-α). A tal fine, bisogna ribaltare g(α) rispetto all origine, in modo da ottenere g(-α), e quindi traslare la funzione così ottenuta di una quantità x. A questo punto, per ciascun valore di x, f(α) deve essere moltiplicata per il corrispondente valore di g(x-α), ed infine il prodotto così ottenuto (area grigia nelle figure) deve essere integrato. Per x interno all intervallo [0,1], il prodotto è 0 per a esterno all intervallo [0,x]. Il risultato dell integrazione è quindi x/2 per 0 x 1. Invece, per x interno all intervallo [1,2], il risultato è 1 x/2. Infine, il prodotto è 0 per x esterno all intervallo [0,2]
76 Convoluzione di una f(x) con funzioni di tipo impulsivo. L impulso δ(x-x0) può essere considerato come avente area unitaria in un intorno infinitesimo di x0 e area nulla altrove. Si può dire pertanto che δ(x-x0) è localizzato in x = x0, e che l ampiezza dell impulso è determinata dal valore di f(x) in x = x0. Data f(x) = A, Aδ(x-x0) è un impulso di ampiezza A localizzato in x = x0. Un esempio interessante di convoluzione è quella tra una funzione f(x) e un treno di impulsi. In questo caso, il risultato è la replica della f(x) nei punti di localizzazione degli impulsi.
77 CONVOLUZIONE DI UNA FUNZIONE RUMOROSA La convoluzione tra una funzione rumorosa e un impulso rettangolare di larghezza finita, per ogni valore di x viene in pratica effettuate una media locale su un intervallo di ampiezza unitaria. Questa operazione sopprime le oscillazioni rapide ovvero i dettagli, cioè le componenti di alta frequenza del segnale, mantenendone la forma, cioè le componenti di bassa frequenza. Possiamo considerare la g(x) come un filtro passa-basso: in pratica ha effettuato lo smoothing della funzione rumorosa.
78 CONVOLUZIONE DI UNA FUNZIONE LENTA Sia la f(x) rappresenta una transizione piuttosto lenta, tipicamente un contorno o un edge, e la g(x), invece, presenta un lobo centrale positivo e due laterali negativi La convoluzione tra queste funzioni ha come risultato una funzione che mostra una pendenza maggiore di quella della f(x), con una evidenziazione delle componenti di alta frequenza del segnale, e una sovraelongazione (ringing) sui due lati dell edge. Quindi la g(x) ha il comportamento tipico di un filtro passa-alto: in pratica ha effettuato lo sharpening della f(x)
79 CAMPIONAMENTO DI UN SEGNALE Il campionamento è il primo passo del processo di conversione analogicodigitale di un segnale. Il teorema del campionamento è uno dei teoremi base della teoria dei segnali Mette in relazione il contenuto di informazione di un segnale campionato con la frequenza di campionamento e le componenti minime e massime di frequenza del segnale analogico originale, definendo così la minima frequenza necessaria per campionare un segnale analogico senza perdere informazioni e per poter quindi ricostruire il segnale analogico tempo continuo originario, detta frequenza di Nyquist o cadenza di Nyquist.
80 CAMPIONAMENTO DI UN SEGNALE Il teorema del campionamento (o teorema di Nyquist-Shannon) afferma che, per campionare correttamente (senza perdita di informazioni) un segnale a banda limitata, è sufficiente campionarlo con una frequenza di campionamento pari almeno al doppio della massima frequenza del segnale (tale frequenza viene anche detta frequenza di Nyquist). Supponiamo di voler campionare un segnale sinusoidale con f = 1 khz e periodo T = 1/f = 1 ms. Il teorema del campionamento afferma che per campionare correttamente tale segnale occorre usare una frequenza di campionamento almeno doppia della frequenza di segnale 1 khz. Dunque fcamp > 2 khz e Tcamp < 0.5 ms. Come si può notare, questo valore corrisponde a campionare il segnale due volte per ogni periodo, come mostrato in figura:
81 In realtà il risultato del teorema di Shannon, così come è stato esposto, è puramente teorico, per diverse ragioni: 1. la condizione fcamp = 2 fsegnale vale solo se il segnale è rigorosamente a banda limitata, cioè se è possibile individuare nel suo spettro una frequenza massima; a parte le sinusoidi, nessun segnale reale di interesse pratico ha una banda limitata. 2. il campionamento dev'essere effettuato in modo sincrono con i massimi e i minimi del segnale sinusoidale; se i campioni non sono esattamente sincronizzati con le variazioni del segnale, la ricostruzione del segnale non è fedele. 3. per ricostruire il segnale sinusoidale a partire dai suoi (pochi) campioni, occore avere a disposizione un filtro passa-basso ideale, in grado di eliminare dal segnale campionato tutte le armoniche con frequenza superiore a fsegnale e a far passare tutte le altre senza attenuazione; un filtro del genere non è realizzabile nella pratica.
82 SPETTRO DI UN SEGNALE CAMPIONATO Consideriamo ora un ipotetico segnale periodico a banda limitata, costituito da 5 righe spettrali con frequenze 100, 200, 300, 400 e 500 Hz. Il periodo del segnale è il reciproco della frequenza della prima armonica (la fondamentale), perciò T = 1/100 = 10 ms
83 SPETTRO DI UN SEGNALE CAMPIONATO In base al teorema del campionamento di Shannon, per campionare correttamente tale segnale occorre usare una frequenza di campionamento fcamp che sia fcamp > 2 fmax, dove fmax è la massima frequenza delle armoniche del segnale. Nel nostro caso fmax = 500 Hz e dunque la frequenza di campionamento dev'essere pari o superiore a 1000 Hz. Supponiamo per esempio di scegliere fcamp= 2 khz. Tale frequenza corrisponde a un periodo di campionamento Tcamp = 0,5 ms, cioè a 20 campioni per ogni periodo del segnale. Nella figura seguente i campioni sono rappresentati dalle righe rosse verticali (idealmente con durata brevissima o zero). Attenzione a non confondere tali impulsi di campionamento con le righe dello spettro, che sono tutt'altra cosa!
84 SPETTRO DI UN SEGNALE CAMPIONATO E' possibile dimostrare che lo spettro del segnale campionato è formato da una serie di repliche dello spettro del segnale periodico originario. Tali repliche sono centrate intorno a multipli della frequenza di campionamento (cioè nel nostro caso 2 khz).
85 SPETTRO DI UN SEGNALE CAMPIONATO La figura seguente mette in evidenza come è fatto lo spettro del segnale campionato. Alle basse frequenze (fino a 500 Hz) esso è identico allo spettro del segnale originario. Intorno alla frequenza di campionamento di 2000 Hz troviamo due repliche dello spettro del segnale originario, una capovolta specularmente (da 1500 a 1900 Hz) e l'altra semplicemente traslata in frequenza (da 1600 a 2500 Hz). La situazione si ripete identica alle frequenze più alte, in corrispondenza del doppio, triplo eccetera della frequenza di campionamento
86 CAMPIONAMENTO DI UN SEGNALE A seguito di Campionamento il risultato è un segnale analogico in tempo discreto, che viene in seguito quantizzato, codificato e reso accessibile a qualsiasi elaboratore digitale. Il teorema del campionamento pone un vincolo per la progettazione di apparati di conversione analogico-digitale: se si ha a disposizione un campionatore che lavora a frequenza fs, è necessario mandargli in ingresso un segnale a banda limitata da fs\2. In generale, tuttavia, un segnale analogico non è limitato in frequenza, ma deve essere filtrato per eliminare le componenti di frequenza maggiore di fs/2; a tale scopo si usa un filtro anti-alias Segnale analogico Segnale analogico campionato
87 QUANTIZZAZIONE DI UN SEGNALE Supponiamo di avere un generico segnale s(t) tempo-continuo e di volerlo trasmettere da una sorgente ad un ricevitore, tramite un apposito mezzo trasmissivo. La prima cosa da fare è quella di effettuare il campionamento di tale segnale: questo significa, come sappiamo, prendere i valori che il segnale assume in istanti di tempo t=nt multipli di una quantità fissa T( periodo di campionamento). Otteniamo cosi infiniti (a livello teorico) campioni s(nt) del segnale: ciascuno di questi campioni rappresenta, per l istante un cui è stato misurato, il valore che x(t) assume in quell istante. Il passo successivo consiste nell inviare i campioni del nostro segnale dalla sorgente al ricevitore. Un metodo possibile, usato nei sistemi di trasmissione digitale, consiste nell inviare per ciascun campione, una corrispondente sequenza di bit. Facciamo intanto l ipotesi che i valori assunti dal segnale siano compresi in un intervallo che chiamiamo Range e facciamo anche l ipotesi che tale intervallo sia simmetrico rispetto all asse delle ascisse, per cui sia del tipo [-a,+a]
Il Campionameto dei segnali e la loro rappresentazione. 1 e prende il nome frequenza di
Il Campionameto dei segnali e la loro rappresentazione Il campionamento consente, partendo da un segnale a tempo continuo ovvero che fluisce con continuità nel tempo, di ottenere un segnale a tempo discreto,
DettagliLa 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
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici
DettagliIntroduzione all analisi dei segnali digitali.
Introduzione all analisi dei segnali digitali. Lezioni per il corso di Laboratorio di Fisica IV Isidoro Ferrante A.A. 2001/2002 1 Segnali analogici Si dice segnale la variazione di una qualsiasi grandezza
DettagliIntroduzione 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
DettagliUniversità di Napoli Parthenope Facoltà di Ingegneria
Università di Napoli Parthenope Facoltà di Ingegneria Corso di rasmissione Numerica docente: Prof. Vito Pascazio 18 a Lezione: 13/1/4 19 a Lezione: 14/1/4 Sommario rasmissione di segnali PM numerici su
DettagliForma 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.
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliAbbiamo 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
DettagliElementi 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
DettagliControlli 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:
DettagliPer studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R
Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.
DettagliTransitori del primo ordine
Università di Ferrara Corso di Elettrotecnica Transitori del primo ordine Si consideri il circuito in figura, composto da un generatore ideale di tensione, una resistenza ed una capacità. I tre bipoli
DettagliSegnali 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
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliConsideriamo due polinomi
Capitolo 3 Il luogo delle radici Consideriamo due polinomi N(z) = (z z 1 )(z z 2 )... (z z m ) D(z) = (z p 1 )(z p 2 )... (z p n ) della variabile complessa z con m < n. Nelle problematiche connesse al
DettagliCAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI
CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni
DettagliCorso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005
Corso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005 Gli esercizi devono essere risolti solo sui fogli dei colori indicati Per esiti e soluzioni si veda il sito web del corso:
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliC(f) : funzione di trasferimento del canale. Essa limita la banda del segnale trasmesso e quindi rappresenta un modello più realistico
MODELLO DEL CANALE Modello gaussiano additivo a banda illimitata (considerato finora): s(t) + n(t) r(t) = s(t) + n(t) s(t) Canale C(f) + r(t) n(t) C(f) : funzione di trasferimento del canale. Essa limita
DettagliElaborazione di segnali biologici
Modulo 4 Elaborazione di segnali biologici Bioingegneria per fisioterapisti Univ.degli Studi di Siena Laurea Univ. in Fisioterapia Ing. A. Rossi Sistemi acquisizione dati Conversione da segnale Analogico
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
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliAnalisi 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
DettagliTrasformate di Laplace
TdL 1 TdL 2 Trasformate di Laplace La trasformata di Laplace e un OPERATORE funzionale Importanza dei modelli dinamici Risolvere equazioni differenziali (lineari a coefficienti costanti) Tempo t Dominio
DettagliCome visto precedentemente l equazione integro differenziale rappresentativa dell equilibrio elettrico di un circuito RLC è la seguente: 1 = (1)
Transitori Analisi nel dominio del tempo Ricordiamo che si definisce transitorio il periodo di tempo che intercorre nel passaggio, di un sistema, da uno stato energetico ad un altro, non è comunque sempre
DettagliDispensa sulle funzioni trigonometriche
Sapienza Universita di Roma Dipartimento di Scienze di Base e Applicate per l Ingegneria Sezione di Matematica Dispensa sulle funzioni trigonometriche Paola Loreti e Cristina Pocci A. A. 00-0 Dispensa
Dettagli13. 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
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliAmplificatori Audio di Potenza
Amplificatori Audio di Potenza Un amplificatore, semplificando al massimo, può essere visto come un oggetto in grado di aumentare il livello di un segnale. Ha quindi, generalmente, due porte: un ingresso
DettagliLezione 28 Maggio I Parte
Lezione 28 Maggio I Parte La volta scorsa abbiamo fatto un analisi dei fenomeni di diafonia e avevamo trovato che per la diafonia vicina il valore medio del quadrato del segnale indotto dalla diafonia
Dettagli4. 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:
DettagliIntorni 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
DettagliIL FILTRAGGIO DEL SEGNALE
CAPITOLO 4 IL FILTRAGGIO DEL SEGNALE 4.1 - SISTEMA LINEARE NON DISTORCENTE E un sistema lineare che restituisce in uscita una replica indistorta del segnale di entrata, intendendo x(t) y(t) = Ax(t-t 0
DettagliCorso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile
Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione
DettagliCOMUNICAZIONI ELETTRICHE + TRASMISSIONE NUMERICA COMPITO 13/7/2005
COMUNICAZIONI ELETTRICHE + TRASMISSIONE NUMERICA COMPITO 13/7/005 1. Gli esercizi devono essere risolti su fogli separati: uno per la prima parte del compito (esercizi 1/4), uno per la seconda parte (esercizi
DettagliINTEGRATORE E DERIVATORE REALI
INTEGRATORE E DERIVATORE REALI -Schemi elettrici: Integratore reale : C1 R2 vi (t) R1 vu (t) Derivatore reale : R2 vi (t) R1 C1 vu (t) Elenco componenti utilizzati : - 1 resistenza da 3,3kΩ - 1 resistenza
DettagliAnalisi di scenario File Nr. 10
1 Analisi di scenario File Nr. 10 Giorgio Calcagnini Università di Urbino Dip. Economia, Società, Politica giorgio.calcagnini@uniurb.it http://www.econ.uniurb.it/calcagnini/ http://www.econ.uniurb.it/calcagnini/forecasting.html
DettagliCaratterizzazione 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
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliCRITERI DI CONVERGENZA PER LE SERIE. lim a n = 0. (1) s n+1 = s n + a n+1. (2) CRITERI PER LE SERIE A TERMINI NON NEGATIVI
Il criterio più semplice è il seguente. CRITERI DI CONVERGENZA PER LE SERIE Teorema(condizione necessaria per la convergenza). Sia a 0, a 1, a 2,... una successione di numeri reali. Se la serie a k è convergente,
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliFUNZIONI ELEMENTARI - ESERCIZI SVOLTI
FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione
DettagliCarichiamo 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
DettagliANALISI DI SEGNALI BIOLOGICI
ANALISI DI SEGNALI BIOLOGICI A.Accardo accardo@units.it LM Neuroscienze A.A. 2010-11 Parte II 1 Analisi in frequenza di un segnale l analisi in frequenza di un segnale o analisi di Fourier descrive il
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
Dettagli4 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
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliINTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.
INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati
DettagliLA 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
DettagliGRANDEZZE ALTERNATE SINUSOIDALI
GRANDEZZE ALTERNATE SINUSOIDALI 1 Nel campo elettrotecnico-elettronico, per indicare una qualsiasi grandezza elettrica si usa molto spesso il termine di segnale. L insieme dei valori istantanei assunti
DettagliComplementi di Analisi per Informatica *** Capitolo 2. Numeri Complessi. e Circuiti Elettrici. a Corrente Alternata. Sergio Benenti 7 settembre 2013
Complementi di Analisi per nformatica *** Capitolo 2 Numeri Complessi e Circuiti Elettrici a Corrente Alternata Sergio Benenti 7 settembre 2013? ndice 2 Circuiti elettrici a corrente alternata 1 21 Circuito
DettagliCircuiti amplificatori
Circuiti amplificatori G. Traversi Strumentazione e Misure Elettroniche Corso Integrato di Elettrotecnica e Strumentazione e Misure Elettroniche 1 Amplificatori 2 Amplificatori Se A V è negativo, l amplificatore
Dettagli~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE
STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.
DettagliPolitecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).
Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE SISTEMI M/G/1 e M/D/1 Sistemi M/G/1 Nei sistemi M/G/1: i clienti arrivano secondo un processo di Poisson con parametro λ i tempi di servizio hanno una distribuzione generale della
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliAnalisi e diagramma di Pareto
Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo
DettagliCorso 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.
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliGRANDEZZE SINUSOIDALI
GRANDEE SINUSOIDALI INDICE -Grandezze variabili. -Grandezze periodiche. 3-Parametri delle grandezze periodiche. 4-Grandezze alternate. 5-Grandezze sinusoidali. 6-Parametri delle grandezze sinusoidali.
DettagliSVILUPPO IN SERIE DI FOURIER. Prof. Attampato Daniele
SVILUPPO IN SERIE DI FOURIER Prof. Attampato Daniele SVILUPPO IN SERIE DI UNA FUNZIONE Uno dei problemi più frequenti in matematica è legato alla necessità di approssimare una funzione. Uno degli strumenti
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliMatematica e Statistica
Matematica e Statistica Prova d esame (0/07/03) Università di Verona - Laurea in Biotecnologie - A.A. 0/3 Matematica e Statistica Prova di MATEMATICA (0/07/03) Università di Verona - Laurea in Biotecnologie
DettagliTeoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26
Indice L attività di recupero 6 Funzioni Teoria in sintesi 0 Obiettivo Ricerca del dominio e del codominio di funzioni note Obiettivo Ricerca del dominio di funzioni algebriche; scrittura del dominio Obiettivo
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliDISCRETIZZAZIONE DI UN SEGNALE ANALOGICO:
DISCRETIZZAZIONE DI UN SEGNALE ANALOGICO: nel processo di digitalizzazione che permette di convertire un segnale analogico in modo da poterlo elaborare con dispositivi numerici di calcolo, si operano due
DettagliVademecum studio funzione
Vademecum studio funzione Campo di Esistenza di una funzione o dominio: Studiare una funzione significa determinare gli elementi caratteristici che ci permettono di disegnarne il grafico, a partire dalla
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliLe funzioni continue. A. Pisani Liceo Classico Dante Alighieri A.S. 2002-03. A. Pisani, appunti di Matematica 1
Le funzioni continue A. Pisani Liceo Classico Dante Alighieri A.S. -3 A. Pisani, appunti di Matematica 1 Nota bene Questi appunti sono da intendere come guida allo studio e come riassunto di quanto illustrato
DettagliRichiami: funzione di trasferimento e risposta al gradino
Richiami: funzione di trasferimento e risposta al gradino 1 Funzione di trasferimento La funzione di trasferimento di un sistema lineare è il rapporto di due polinomi della variabile complessa s. Essa
DettagliLA TRASMISSIONE DELLE INFORMAZIONI QUARTA PARTE 1
LA TRASMISSIONE DELLE INFORMAZIONI QUARTA PARTE 1 I CODICI 1 IL CODICE BCD 1 Somma in BCD 2 Sottrazione BCD 5 IL CODICE ECCESSO 3 20 La trasmissione delle informazioni Quarta Parte I codici Il codice BCD
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliFondamenti di Automatica
Fondamenti di Automatica Progetto di controllo e reti correttrici Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 053 974839 E-mail: marcello.bonfe@unife.it pag. 1
Dettagli( x) ( x) 0. Equazioni irrazionali
Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza
DettagliProposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 2014
Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 14 Problema 1 Punto a) Osserviamo che g (x) = f(x) e pertanto g () = f() = in quanto Γ è tangente all asse delle ascisse,
DettagliARCHITETTURA DI RETE FOLEGNANI ANDREA
ARCHITETTURA DI RETE FOLEGNANI ANDREA INTRODUZIONE È denominata Architettura di rete un insieme di livelli e protocolli. Le reti sono organizzate gerarchicamente in livelli, ciascuno dei quali interagisce
DettagliFondamenti di Automatica
Fondamenti di Automatica Risposte canoniche e sistemi elementari Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1
DettagliGEOMETRIA DELLE MASSE
1 DISPENSA N 2 GEOMETRIA DELLE MASSE Si prende in considerazione un sistema piano, ossia giacente nel pian x-y. Un insieme di masse posizionato nel piano X-Y, rappresentato da punti individuati dalle loro
DettagliSuono: aspetti fisici. Tutorial a cura di Aldo Torrebruno
Suono: aspetti fisici Tutorial a cura di Aldo Torrebruno 1. Cos è il suono Il suono è generalmente prodotto dalla vibrazione di corpi elastici sottoposti ad urti o sollecitazioni (corde vocali, corde di
Dettagliu 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k
Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure
DettagliCorso 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
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliSerie numeriche e serie di potenze
Serie numeriche e serie di potenze Sommare un numero finito di numeri reali è senza dubbio un operazione che non può riservare molte sorprese Cosa succede però se ne sommiamo un numero infinito? Prima
DettagliCONCETTO DI LIMITE DI UNA FUNZIONE REALE
CONCETTO DI LIMITE DI UNA FUNZIONE REALE Il limite di una funzione è uno dei concetti fondamentali dell'analisi matematica. Tramite questo concetto viene formalizzata la nozione di funzione continua e
DettagliLA CORRELAZIONE LINEARE
LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione
Dettagliv in v out x c1 (t) Molt. di N.L. H(f) n
Comunicazioni elettriche A - Prof. Giulio Colavolpe Compito n. 3 3.1 Lo schema di Fig. 1 è un modulatore FM (a banda larga). L oscillatore che genera la portante per il modulatore FM e per la conversione
DettagliIntroduzione. 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
DettagliConsorzio Nettuno - Corso di Matematica 1 Schede di lavoro guidato per le esercitazioni
Consorzio Nettuno - Corso di Matematica 1 Schede di lavoro guidato per le esercitazioni A cura di Sebastiano Cappuccio SCHEDA N. 6 ARGOMENTO: Grafici di funzioni sottoposte a trasformazioni elementari.
DettagliFondamenti e didattica di Matematica Finanziaria
Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio
DettagliForze come grandezze vettoriali
Forze come grandezze vettoriali L. Paolucci 23 novembre 2010 Sommario Esercizi e problemi risolti. Per la classe prima. Anno Scolastico 2010/11 Parte 1 / versione 2 Si ricordi che la risultante di due
Dettagli