Corso di Elaborazione Numerica dei Segnali Esame+Compitino del 24 giugno 2002
|
|
- Alice Martino
- 5 anni fa
- Visualizzazioni
Transcript
1 Corso di Elaborazione Numerica dei Segnali Esame+Compitino del giugno 00 TOTALE PUNTI: opz. L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello di preparazione globale. I calcoli devono essere sviluppati nel seguito. Gli esercizi devono essere risolti solo sui fogli dei colori indicati; si consiglia una lettura attenta del testo degli esercizi. Per esiti e soluzioni si usi l indirizzo Internet: [per la discussione dello scritto si contattino i docenti via rocca@elet.polimi.it oppure spagnoli@elet.polimi.it]. Le domande opzionali sono diversificate per gli studenti che hanno seguito il corso e per gli studenti degli anni precedenti: l allievo svolga solo una delle due opzioni. Esercizio (foglio bianco) (Esame: punti 0): Filtro passa-basso con finestra triangolare e struttura polifase Si consideri un segnale passa basso con frequenza massima 0 KHz, campionato alla frequenza di 50 KHz. Lo si vuole filtrare nella banda 0- KHz e poi sottocampionare alla frequenza KHz utilizzando un filtro la cui banda di transizione sia 0Hz (si prenda come banda di transizione la larghezza del lobo principale della risposta in frequenza della finestra di troncamento). a) (3 punti) Si determini la lunghezza del filtro nell ipotesi che la sua risposta all impulso sia un sinc rastremato a triangolo. b) (3 punti) Si determini la lunghezza del filtro nell ipotesi che sia un filtro ottimizzato secondo Remez e la cui lunghezza sia deducibile dalla formula: N =.66 f c f log 0 0δ δ Si assegnino per δ, δ le specifiche che risultano dall imposizione della rastremazione triangolare. Si assuma, per semplicità, δ = δ. c) ( punti) Si determini la struttura polifase per il filtro, ottimizzandola dove sia possibile, sia per la lunghezza del filtro sia per l occupazione di memoria. Esercizio (foglio verde) [Esame+Compitino: punti (+ Opzionale, corso 00-0)]: DOA e beamforming Due processi monocromatici a frequenza f o =60Hz incidono con direzioni di arrivo (DOA) θ e θ su una schiera lineare da N=6 sensori (la misura e svolta a tempo costante): s(x) =A exp[j ω o c x sin(θ )] + A exp[j ω o c x sin(θ )] + w(x). Si assumano i seguenti parametri: velocita di propagazione c=330m/s; spaziatura tra i sensori λ/ (ovvero s n = s(n λ/) con n =0,,...,N ), A e A sono due variabili casuali Gaussiane indipendenti (E[A A ]= 0, E[A A ]=0), complesse, a valore medio nullo e potenza E[ A ]=E[ A ]=σ A ; rumore Gaussiano complesso, spazialmente incorrelato e con potenza E[ w(n) ]=σ w. a) ( punti) Si rappresenti graficamente la densita spettrale di potenza di s n assumendo che σ w = σ A /0 eledoa:θ =30dege θ = 60 deg. b) ( punti) Si vuole stimare la densita spettrale di potenza mediante il periodogramma su N=6 campioni. Si calcolino le DOA θ (oppure θ ) per cui e nulla la polarizzazione del periodogramma. Tra questo insieme di valori, si trovino quali DOA θ e θ massimizzano la risoluzione. c) ( punti) Si vuole stimare la potenza di rumore dalle sole celle utili del periodogramma nell ipotesi di assenza di polarizzazione (vedi punto b); si definisca lo stimatore e se ne valuti valore atteso e varianza. d) ( punti) Rispetto al punto precedente, si stimi la potenza di una delle DOA e se ne valuti il rapporto segnale/disturbo (SNR). Come cambierebbe il SNR raddoppiando il numero di sensori? e) ( punti-opzionale) Si assuma, per semplicita N= sensori, si calcoli (numericamente) il filtro spaziale (beamforming) {b 0,b } che abbia guadagno unitario in corrispondenza di θ =30dege abbia guadagno nullo per θ =0deg. Esercizio 3 ( foglio rosa) [Esame+Compitino: punti 8 (+ Opzionale, corso 00-0) ]: Stima adattativa in rumore colorato per un sistema
2 Si consideri la sequenza: x(n) =u (n)+u (n) somma di due termini; ogni termine e ottenuto filtrando due processi gaussiani bianchi, mutuamente incorrelati u(n) e v(n) entrambi a valore medio zero e potenza unitaria: u (n) = u(n) u(n ) u (n) =.9u (n )+v(n) a) ( punti) Si calcolino alcuni campioni dell autocorrelazione di u (n), u (n), x(n). b) (3 punti) Si vuole stimare il campione u (n) a partire da una combinazione lineare di campioni della sequenza x(n) (in questo caso il processo u (n) rappresenta il disturbo): û (n) =αx(n)+βx(n ) Si calcoli lo stimatore [α, β] che minimizza l errore quadratico medio e il valore (numerico) dell errore quadratico medio minimo. c) (3 punti) Si determini lo stimatore a minimo errore quadratico medio di u (n) da x (n) nel dominio delle frequenze. Si indichi come e possibile ricavare la risposta all impulso dello stimatore. d) ( punti-opzionale) Si assuma di aggiornare iterativamente lo stimatore a minimo errore quadratico medio ricavato ai punti (b) ed (d), si scriva l espressione dell aggiornamento iterativo LMS (o tecnica di Widrow), si calcoli per i due casi il numero minimo di passi che porta l algoritmo iterativo a convergenza. Si assuma un criterio adeguato per la convergenza in media. Esercizio -Opzionale, corsi precedenti ( foglio azzurro) (Esame: 6 punti): Sinusiodi D e campionamento Si consideri il segnale D misurato da una schiera lineare: s(x, t) =exp[jω t]exp[j ω c x sin(θ )] + exp[jω t]exp[j ω c x sin(θ )] in cui ω =ω =0rad/ sec, θ =30dege θ = 60 deg. a) (3 punti) Calcolare e rappresentare graficamente la trasformata di Fourier D di s(x, t). b) (3 punti) Calcolare il passo minimo di campionamento rettangolare X, T di s(x, t) per evitare l equivocazione. Esercizio 5 (foglio bianco con la scritta MATLAB al centro) (Esame+Compitino: punti 8): Periodogramma di processo colorato Una sequenza del segnale y(n), di lunghezza N = 000 campioni, è ottenuta filtrando un processo gaussiano bianco w(n) a valore medio nullo e potenza σ = 0 con un filtro passabasso IIR con frequenza di taglio pari π/. Si vuole simulare l esperimento per generare il segnale y(n) e stimare la densita spettrale di potenza mediante il periodogramma. a) Si costruisca un vettore w rappresentativo della sequenza w(n) costituito da N = 000 campioni. b) Si calcolino i coeff. diunfiltro di Butterworth di ordine 5 con frequenza di taglio a π/. c) Si costruisca il vettore y costituito dai campioni del segnale y(n) ottenuto filtrando il rumore w(n) con il filtro calcolato al punto b) d) Si stimi la densita spettrale di potenza mediante il periodogramma su N = 000 campioni e se ne rappresenti graficamente l andamento. e) si confronti la stima ottenuta al punto d) con la densita spettrale di potenza calcolata conoscendo la funzione di trasferimento del filtro f) Si stimi la densita spettrale di potenza mediante il periodogramma su 00 campioni ottenuto suddividendo la sequenza di N = 000 campioni in L = 0 sottosequenze disgiunte e facendo la media dei periodogrammi cosi ottenuti. Si rappresenti graficamente la stima della densita spettrale di potenza cosi ottenuta g) Si scriva infine il codice per l analisi spettrale mediante la tecnica WOSA utilizzando finestre di Hanning di lunghezza 00 campioni con sovrapposizione del 50 (la sovrapposizione indica il passo di ricopertura tra finestre contigue).
3 NOTA: Per la soluzione dei punti d), f), g) NON si faccia uso delle routine Matlab psd, spectrum. h) I punti d), f), g) possono essere risolti in maniera molto compatta utilizzando la routine spectrum: se si conosce tale routine, si replichi la soluzione dei punti d), f), g) utilizzando opportunamente i parametri di spectrum. 3
4 Corso di Elaborazione Numerica dei Segnali Esame+Compitino del aprile 00 Soluzione Esercizio a) La risposta all impulso del filtro è ottenuta moltiplicando un sinc (ovvero la risposta del filtro passabasso ideale, con banda KHz) con una finestra triangolare di lunghezza N (convoluzione di rettangoli di lunghezza (N + )/). La risposta all impulso del filtro h(n) sara quindi: µ h(n) = n Ã! sin(π,pern = N N/,...,N 50 n) πn 5 E importante che la finestratura tronchi il sinc nei passaggi per lo zero. La sua trasformata di Fourier sarà quindi data dalla convoluzione di un sinc (f) ediunrettangolo: µ sin(ω(n + )/) H(f) = rect sin(ω/) (ω) ωfilt con frequenza di taglio ω filt =πf filt =π KHz. La banda di transizione sarà invece controllata dal lobo principale della trasformata di Fourier della finestra di troncamento (in questo caso il sinc ). Il lobo principale deve avere larghezza 0 Hz: 5 π (N + )/ =π 5 0 N + =5 0 3 N 0000 b) Per calcolare la lunghezza del filtro ottenuta con la tecnica di Remez e valori paragonabili di attenuazione si deve inserire l attenuazione di -7 db dovuta alla rastremazione triangolare. Si assume anche che il ripple in banda passante sia δ = δ = 7dB e quindi N =.66 f c f log 0 = log 0δ δ 0 0 0δ = log c) La decimazione richiesta e M =50KHz/KHz =5. La struttura polifase rappresenta la realizzazione della cascata di filtro + decimazione :M a minimo costo computazionale (per lo schema si rimanda all eserciziario). La risposta all impulso h(n) viene decimata con M pettini di campionamento, h λ (k) =h(km + λ), con λ = 0,,...,. In particolare, la risposta all impulso filtro h(n), lunga 0000 campioni e divisa in 5 (fattore di decimazione) sequenze sottocampionate h 0,...,h, ognuna delle quali lunga N/5 = 0000/5 = 800 campioni. Inoltre, le M =5sottosequenze polifase h λ (k) eseguono le operazioni alla frequenza f s =KHz. I filtri effettivi sono (h 0 e ottenuto campionando il sinc(n) nei passaggi per lo zero, e quindi h 0 (n) =δ(n)). Il costo computazionale complessivo diventa quindi R = 800 f s = operazioni al secondo. Soluzione Esercizio a) La pulsazione normalizzata è in particolare, per le due DOA date si ha: u = π sin θ, u = π sin θ = π, u = π sin θ = 3 π.
5 La densità spettrale di potenza del processo x è S x (u) = W B (u) ~ h σ Aδ u π + σ Aδ u + 3 π i + σ w, W B (u) = N µ sin (un/) sin (u/). b) Il periodogramma è definito come: Ŝ x (k) = X k, k =,, 0,,, 3. N Per non avere polarizzazione deve essere: u k = π sin θ k = k π 6 θ k = arcsin k 3 {0, ±.8} deg Si noti che, tranne la situazione di DOA centrale alla schiera (θ =0deg), esiste solo una seconda condizione (θ = ±.8 deg) per non avere polarizzazione (questo e legato alla scelta del passo di separazione tra i sensori). La risoluzione è massima nell intorno di θ =0. Si scelga ad esempio θ =0deg, θ =.8 deg, si ha: E Ŝx (k) var Ŝx (k) = = ½ ½ σ w k =,,, 3 σ A N + σ w k =0, σ w k =,,, 3 σ A N + σ w k =0,,. Si osserva che, poiché la polarizzazione è nulla, le celle del periodogramma Ŝ x (k) sono incorrelate e con varianza E Ŝx (k). Inoltre, la sequenza x(n) ècomplessaequindisihavarianzaσ w anche in corrispondenza della cella al Nyquist e in k =0. c) La stima della potenza di rumore si può ottenere come ˆP w = Ŝx ( ) + Ŝ x ( )+Ŝ x () + Ŝ x (3), con media e varianza: E ˆP w = σ w, var ˆP w var Ŝx ( ) + var Ŝx ( ) + var Ŝx () + var Ŝx (3) = σ w. = 6 d) Si definisce il seguente stimatore della potenza del primo segnale P = σ A : con valore atteso e varianza E ˆP var ˆP ˆP = Ŝx () N, = σ A + σ w N, = N Nσ A + σ w Poiché l errore di stima è E ˆP P = σ w/n,sen raddoppia il rapporto segnale rumore raddoppia. e) Sia N =. Si vuole determinare il beamformer [b 0 b ] tale che l uscita y = b 0 s(0) + b s(). 5
6 in corrispondenza del segnale d ingresso s (n) =e iπ sin θ n/ sia e l uscita in corrispondenza del segnale d ingresso s (n) =e iπ sin θ n/ sia 0, cioè ½ b0 s (0) + b s () = b 0 s (0) + b s () =0, ½ b0 + b e iπ sin θ / = b 0 + b e iπ sin θ / =0. Per θ =30dege θ =0degsi ottiene il sistema " +i # b0 b = 0, la cui soluzione è b0 b = +i " +i # 0 =.5+.07i.5.07i. Soluzione Esercizio 3 a) Il segnale x(n) è un processo ARMA ottenuto dalla somma del processo MA() u (n) e del processo AR() u (n) u (n) = u(n) h(n), h(n) = δ (n) δ (n ), Le funzioni di autocorrelazione sono u (n) = v(n) g(n), G(z) = F [g(n)] = 0.9z. r u (m) = r u (m) h(m) h( m) =δ (m) δ (m ) δ (m + ), r u (m) = m, r x (m) = r u (m)+r u (m) =δ (m) δ (m ) δ (m + ) m. In particolare si ha r u (0) =, r u () =, r u (0) = 0.9 =.053, r u () = = 8.97 r x (0) = 3.053, r x () =7.97 b) Imponendo la condizione di ortogonalità si ottiene: ½ E [(u (n) û (n)) (x (n))]=0 E [(u (n) û (n)) (x (n ))] = 0, ½ αrx (0) + βr x () =r u (0) αr x ()+βr x (0) = r u (), ½ α β = 7. 97α β =, la cui soluzione è {α =.305, β =.8}. L errore quadratico medio corrispondente è u (n) = u(n) u(n ) u (n) =.9u (n )+v(n) 6
7 û (n) =αx(n)+βx(n ) h MSE = E (u (n) û (n)) i = E [(u (n) û (n)) u (n)] = E [(u (n) αx (n) βx (n )) u (n)] = r u (0) αr u (0) βr u () =.06 c) Si vuole determinare lo stimatore Û (z) =B(z)X(z) tale da minimizzare E[ U (z) Û (z) ].Applicando il principio di ortogonalità si ha h i E U (z) Û (z) X(z ) =0 E U(z)X (z ) i = E hû (z)x (z ) B(z) = E U (z)x (z ) H(z)H (z ) E [X(z)X (z = )] H(z)H (z )+G(z)G (z ) sostituendo G(z) = 0.9z e H(z) = z si ottiene: B(z) = z ( z) ( z )( z)+ ( 0.9z )( 0.9z) = 0. 9z +3. 6z z 0. 9z 0. 9z 3. 6z z +0.9z I poli dello stimatore trovato dipendono dall unica radice ρ = i in quanto: 0. 9z 3. 6z z +0.9z =8 ρz ρ z ( ρz)( ρ z) La risposta all impulso dello stimatore B(z) e ottenibile fattorizzando l espressione precedente: 0. 9z +3. 6z z 0. 9z 8( ρz )( ρ z )( ρz)( ρ z) = A A 0 + ( ρz ) + A ( ρ z ) + A 3 ( ρz) + A ( ρ z) iterminia 0,...,A si possono ottenere come fratti semplici. Si ricorda che la risposta all impulso corrispondente al singolo termine e : ( ρz ) ρn u[n]; (la risposta all impulso corrispondente agli altri termini si ricava in modo equivalente). Si realizzera poi separatamente la parte causale e la parte anticausale della risposta complessiva trovata. d) Volendo aggiornare iterativamente i coefficienti dello stimatore a (n) =[α β] T con la tecnica LMS si ha: a (n + )=a (n)+γx (n) ε(n) dove ε(n) =u (n) a (n) x (n) rappresenta l errore di stima. Per N si ottiene la soluzione MMSE calcolata al punto b. L errore al passo n + e g (n + ) =a (n + ) a ( ) =( γr) n+ g (0). Per la convergenza senza oscillazioni il coefficiente γ deve soddisfare la condizione: γ λ max 7
8 dove λ max e l autovalore massimo di R (λ min =5. 06, λ max =.0). Scegliendo il passo γ = tr (R) = λ min + λ max = r x (0) = =. 8 0, che non rappresenta il valore minimo, si ha convergenza all in un numero di passi T conv uguale a ( γλ min ) Tconv = 0.0 T conv = 0. Il numero minimo di passi si ottiene invece scegliendo γ = /λ max =0.0 equindi µ λ Tconv min =0.0 λ max T conv =35. Soluzione Esercizio La trasformata di Fourier D: s(x, t) = exp[jω t]exp[jx ω c sin(θ ) ]+exp[jω t]exp[jx {z } c sin(θ ) {z } u S(u, ω) = δ(ω ω,u u )+δ(ω ω,u u ) ω u ] mentre il campionamento risulta: T π max{ω, ω } = π 0 '.57s X min{λ, λ } dove λ i = ω i πc sin(θ i), i =,. Il problema e quindi equivalente a due DOA con frequenze diverse, il dimensionamento della schiera deve essere fatto rispetto al fronte d onda con lunghezza d onda spaziale lungo la schiera minima. Soluzione Esercizio 5 (Matlab) Compitino Periodogramma Generazione di 000 campioni di rumore w(n) con varianza =0 w=randn(,000)*sqrt(0); Costruzione del filtro di Butterworth del 5o ordine, con ft=pi/ [B,A]=butter(5,.5); Costruzione del segnale filtrato y(n) y=filter(b,a,w); Costruzione del periodogramma P (su 000 campioni) P=(abs(fft(y))).^/000; Costruzione del risultato teorico, dalla conoscenza del filtro 8
9 f=filter(b,a,[, zeros(,999)]); risposta all impulso del filtro Pteor=0*(abs(fft(f))).^; Confronto dei due risultati figure, fpos =[0:/000:/]; faxis=[fpos,fliplr(-fpos(:end-))]; costruzione asse delle frequenze normalizzate semilogy(fpos,p(:50), -k,fpos,pteor(:50), :k ), disegno delle densità spettrali di potenza axis([0.5e-5e]); xlabel( freq. norm. ) grid legend( D.Spet. stimata, D.Spet. teorica ) Costruzione del periodogramma P (media di 0 period. su 00 campioni) y=reshape(y,00,0); divido in 0 sottosequenze P=mean( (abs(fft(y))).^/00,); Confronto dei due risultati figure, fpos =[0:/00:/]; faxis=[fpos,fliplr(-fpos(:end-))]; costruzione asse delle frequenze normalizzate semilogy(fpos,p(:5), -k,fpos,pteor(:0:50), :k ), disegno delle densità spettrali di potenza axis([0.5e-5e]); xlabel( freq. norm. ) grid legend( D.Spet. stimata (0 sotseq), D.Spet. teorica ) Costruzione del periodogramma con la tecnica WOSA fin=hanning(00); y3=zeros(00,9); for k=:9, y3(:,k)=y((k-)*50+:(k-)*50+00).*fin; costruzione delle sottosequenze sovrapposte 50 end, Calcolo del periodogramma Pwosa Pwosa=mean( (abs(fft(y3)*00/sum(fin))).^/00,); attenzione al fattore di scala per tener conto della finestratura Confronto dei due risultati: si noti come l effetto della finestratura sia la riduzione della polarizzazione figure, fpos =[0:/00:/]; faxis=[fpos,fliplr(-fpos(:end-))]; costruzione asse delle frequenze normalizzate semilogy(fpos,pwosa(:5), -k,fpos,pteor(:0:50), :k ), disegno delle densità spettrali di potenza axis([0.5e-5e]); xlabel( freq. norm. ) grid legend( D.Spet. stimata (WOSA), D.Spet. teorica ) Tutto potrebbe essere fatto in sole 3 istruzioni utilizzando la routine "spectrum"... Periodogramma P: unica sequenza di 000 campioni Pnew=spectrum(y,000,0,ones(000,)); finestra rettangolare, nessun overlap Periodogramma P: 0 sottosequenze di 00 campioni, senza overlap Pnew=spectrum(y,00,0,ones(00,)); finestra rettangolare, nessun overlap 9
10 Periodogramma Pwosa: 0 sottosequenze di 00 campioni, senza overlap Pwosanew=spectrum(y,00,50,hanning(00)); finestra di hanning, overlap 50 0
FENS- ENS esame del 24 febbraio 2006
FENS- ENS esame del 24 febbraio 26 L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello di preparazione globale. I calcoli devono essere
DettagliCorso di Elaborazione Numerica dei Segnali Esame del 30 settembre 2005
Corso di Elaborazione Numerica dei Segnali Esame del 30 settembre 005 TOTALE PUNTI: 44 L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello
DettagliCorso di Elaborazione Numerica dei Segnali Esame del 7 Luglio 2004
Corso di Elaborazione Numerica dei Segnali Esame del 7 Luglio TOTALE PUNTI: L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello di preparazione
DettagliEsercitazione ENS su periodogramma (27 e 28 Maggio 2008) Esercizio 1: Autocorrelazione e stima della densità spettrale di potenza
sercitazione S su periodogramma (7 e 8 Maggio 008 D. Donno sercizio : Autocorrelazione e stima della densità spettrale di potenza Si consideri la sequenza x n di lunghezza = 8 campioni. x n è somma di
DettagliEsercitazione su Filtraggio Adattativo (17 Giugno 2008)
Esercitazione su Filtraggio Adattativo 17 Giugno 008) D. Donno Esercizio 1: Stima adattativa in rumore colorato Una sequenza disturbante x n è ottenuta filtrando un processo bianco u n con un filtro FIR
DettagliCorso di Elaborazione Numerica dei Segnali Esame del 10 luglio 2002
Corso di Elaborazione Numerica dei Segnali Esame del luglio TOTALE PUNTI: 44 L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello di preparazione
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 Teoria della Stima Prove Itinere del 01 Luglio 2003
Corso di eoria della Stima Prove Itinere del 0 Luglio 003 L allievo é invitato a dare una risposta ragionata e succinta a tutti gli argomenti proposti al fine di dimostrare il livello di preparazione globale.
DettagliFENS - ENS Esame del 9 febbraio 2005
FENS - ENS Esame del 9 febbraio 005 L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello di preparazione globale. I calcoli devono essere
DettagliFENS- Gruppo A prova preliminare del 26 novembre 2004
FENS- Gruppo prova preliminare del 2 novembre 24 TOTLE PUNTI: 45 L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello di preparazione
DettagliFondamenti di Elaborazione Numerica dei Segnali Anno Accademico Primo Appello 26/2/2015
Fondamenti di Elaborazione Numerica dei Segnali Anno Accademico 204-205 Primo Appello 26/2/205 Quesiti relativi alla prima parte del corso (tempo max. 90 min). Calcolare: la trasformata z di x(n) = ( )
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
DettagliENS - Prima prova in itinere del 07 Maggio 2009 Tema A
ENS - Prima prova in itinere del 7 Maggio 9 Tema A L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello di preparazione globale. I calcoli
DettagliFENS (5 crediti) - ENS (10 crediti) Esame del 24 febbraio 2005
FES (5 crediti) - ES (0 crediti) Esame del 4 febbraio 005 L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello di preparazione globale.
DettagliCorso di Fondamenti di Segnali e Trasmissione - Esame del 21 Febbraio 2006
Corso di Fondamenti di Segnali e Trasmissione - Esame del Febbraio 006 Gli esercizi devono essere risolti solo sui ogli dei colori indicati. Per esiti e soluzioni si veda il sito web del corso: http://www.elet.polimi.polimi.it/dsp/courses/st.
DettagliCorso di Fondamenti di Segnali e Trasmissione - Esame del 7 Febbraio 2006
Corso di Fondamenti di Segnali e Trasmissione - Esame del 7 Febbraio 6 Gli esercizi devono essere risolti solo sui ogli dei colori indicati. Per esiti e soluzioni si veda il sito web del corso: http://www.elet.polimi.polimi.it/dsp/courses/st.
DettagliEsercizio 1 (12 punti) Si consideri il segnale s(t) in figura e se ne calcoli la Trasformata Continua di Fourier. A vale 2 V e T è paria a 1 s.
ASB 17/01/12 (270) Esercizio 1 (12 punti) Si consideri il segnale s(t) in figura e se ne calcoli la Trasformata Continua di Fourier. A vale 2 V e T è paria a 1 s. A 0 T 2T 3T t - A Si consideri il segnale
Dettagli1 Finestratura di una trasformata di Hilbert
1 Finestratura di una trasformata di Hilbert Considerando la sequenza a n = 1 ( 1)n ;
DettagliProcessi AR. = σ ρ. Esercizio proposto:
Laboratorio del 5/10/06 Processi AR Esercizio proposto: Processo reale AR(1) con autocorrelazione R ( m) Rappresentazione di una possibile realizzazione, grafico del coefficiente di autocorrelazione e
DettagliEsercizi sulla seconda parte del corso
Esercizi sulla seconda parte del corso 1 Premessa Questi esercizi sono stati parte di temi d esame per il corso di Elaborazione Numerica dei Segnali negli anni 003 005. Possono risultare difficili, almeno
DettagliFondamenti di Elaborazione Numerica dei Segnali Anno Accademico Seconda Prova Intermedia 4/2/2013
Fondamenti di Elaborazione Numerica dei Segnali Anno Accademico 0-0 Seconda Prova Intermedia 4//0 Quesiti relativi alla seconda prova in itinere (tempo max. h). (6 punti) Calcolare la H(z) Y (z)/x(z) associata
DettagliTeoria dei segnali terza edizione
Capitolo 9 Segnali aleatori a tempo continuo e a tempo discreto SOLUZIONI DEGLI ESERCIZI Soluzione dell esercizio 9.3 Si osservi innanzitutto che, essendo il processo () t Gaussiano, anche il processo
DettagliTrasformata discreta di Fourier diunasequenzafinita: algoritmifft
diunasequenzafinita: algoritmifft La TDF di una sequenza finita può essere calcolata utilizzando algoritmi, computazionalmente efficienti, quali gli algoritmi Fast Fourier Transform (FFT). L efficienza
DettagliSEGNALI E SISTEMI Proff. L. Finesso, M. Pavon e S. Pinzoni (a.a ) Homework assignment #2 Testo e Soluzione
SEGNALI E SISTEMI Proff. L. Finesso, M. Pavon e S. Pinzoni (a.a. 00-005) Homework assignment # Testo e Soluzione Esercizio Si consideri l equazione differenziale ordinaria, lineare a coefficienti costanti
DettagliTeoria della decisione e della stima. Esercitazioni di laboratorio Anno accademico M.S. Greco
Teoria della decisione e della stima Esercitazioni di laboratorio Anno accademico 008-09 M.S. Greco Laboratorio dell 1/10/08 Processi AR + Sx() z = Rx( m) z m= m Densità spettrale complessa La regione
DettagliElaborazione numerica dei segnali
POLITECNICO DI TORINO Elaborazione numerica dei segnali Progetto di un filtro FIR Fiandrino Claudio Matricola: 138436 18 giugno 21 Relazione sul progetto di un filtro FIR Descrizione del progetto L obbiettivo
DettagliTeoria della decisione e della stima. Esercitazioni di laboratorio Anno accademico M.S. Greco
Teoria della decisione e della stima Esercitazioni di laboratorio Anno accademico 009-10 M.S. Greco Laboratorio del 30/09/09 09 Processi AR + Sx() z = Rx( m) z m= m Densità spettrale complessa La regione
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)
DettagliEsercitazione ENS su processi casuali (13 e 14 Maggio 2008)
Esercitazione ES su processi casuali ( e 4 Maggio 2008) D. Donno Esercizio : Calcolo di autovalori e autovettori Si consideri un processo x n somma di un segnale e un disturbo: x n = Ae π 2 n + w n, n
DettagliCampionamento e quantizzazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Campionamento e quantizzazione A.A. 2008-09 Alberto Perotti DELEN-DAUIN Conversione analogico-digitale L elaborazione
Dettagli( e j2π ft 0.9 j) ( e j2π ft j)
Esercitazione Filtri IIR Es. 1. Si consideri il filtro dato dalla seguente equazione alle differenze y[n]+0.81y[n-2]=x[n]-x[n-2] - Determinare la funzione di trasferimento del filtro Eseguendo la Trasformata
DettagliFondamenti di Data Processing
Fondamenti di Data Processing Vincenzo Suraci Automazione INTRODUZIONE AL DATA PROCESSING ACQUISIZIONE DATI SCHEMA COSTRUTTIVO SCHEDA INPUT OSCILLATORE A FREQUENZA COSTANTE BANDA PASSANTE ACCORDATA AL
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
Dettagli6 dbm, mentre il secondo ha una potenza di 3 dbm. Quale sarà la
DECIBEL, FILTRAGGIO, PROCESSI Esercizio 9 (sui decibel) Un segnale con potenza media di 0 dbm viene amplificato attraverso un dispositivo elettronico la cui H(f) è costante per ogni frequenza e pari a
DettagliComunicazioni Elettriche Esercizi
Comunicazioni Elettriche Esercizi Alberto Perotti 9 giugno 008 Esercizio 1 Un processo casuale Gaussiano caratterizzato dai parametri (µ = 0, σ = 0.5) ha spettro nullo al di fuori dellintervallo f [1.5kHz,
DettagliTeoria dei Segnali Discrete Fourier Transform (DFT) e Fast Fourier Transform (FFT); filtri tempo-continui
Teoria dei Segnali Discrete Fourier Transform (DFT) e Fast Fourier Transform (FFT); filtri tempo-continui Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it
DettagliConversione analogico-digitale
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Campionamento e quantizzazione A.A. 2004-05 Alberto Perotti DELEN-DAUIN Conversione analogico-digitale L elaborazione
DettagliAnalisi spettrale del rumore di fase
5 Analisi spettrale del rumore di fase In questo capitolo verranno illustrati i due metodi di analisi spettrale utilizzati per valutare la potenza del rumore da cui è affetta la portante sinusoidale. Come
DettagliMaria Prandini Dipartimento di Elettronica e Informazione Politecnico di Milano
Note relative a test di bianchezza rimozione delle componenti deterministiche da una serie temporale a supporto del Progetto di Identificazione dei Modelli e Analisi dei Dati Maria Prandini Dipartimento
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
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,
Dettagli1 = Processi Autoregressivi AR(1) Filtro IIR di ordine 1. (WGN White Gaussian Noise) Eq. alle differenze ricorsiva. w=randn(n,1) MATLAB:
Processi Autoregressivi AR(1) Filtro IIR di ordine 1 Wn [ ] hn [ ] X[ n] = ρ X[ n 1] + W[ n] (WGN White Gaussian Noise) w=randn(n,1) Eq. alle differenze ricorsiva MATLAB: n hn [ ] = ρ un [ ] y=filter(b,a,x)
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 )
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
DettagliProgetto di filtri numerici IIR da filtri analogici
Filtri selettivi 1. Butterworth: monotono nella banda passante e nella banda oscura 2. Chebyshev: oscillazione uniforme nella banda passante e monotona nella banda oscura 3. Ellittico: oscillazione uniforme
DettagliModulazioni di ampiezza
Modulazioni di ampiezza 1) Si consideri un segnale z(t) modulato in ampiezza con soppressione di portante dal segnale di informazione x(t): z(t) = Ax(t)cos(2πf 0 t) Il canale di comunicazione aggiunge
DettagliFONDAMENTI DI SEGNALI E TRASMISSIONE 4 Laboratorio
FONDAMENTI DI SEGNALI E TRASMISSIONE 4 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it MATLAB: generazione di numeri casuali Il comando che permette di generare una matrice (n r,n c ) composta da
DettagliEsercitazione su DOA (18 Giugno 2008)
Eseritazione su DOA (8 Giugno 8) D. Donno Eserizio : DOA e periodogramma Si onsideri una shiera di N7 sensori (antenne omnidirezionali) on spaziatura su ui inide un onda elettromagnetia ( 3 8 m/s) monoromatia
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...
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
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)
DettagliFILTRI ANALOGICI L6/1
FILTRI ANALOGICI Scopo di un filtro analogico è l eliminazione di parte del contenuto armonico di un segnale, lasciandone inalterata la porzione restante. In funzione dell intervallo di frequenze del segnale
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
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
DettagliINGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Il teorema di Shannon. Il teorema di Shannon
INGEGNERIA E ECNOLOGIE DEI SISEMI DI CONROLLO Prof. Carlo Rossi DEIS - Università di Bologna el: 5 934 email: crossi@deis.unibo.it Introduzione, o del campionamento, stabilisce la connessione esistente
DettagliComunicazioni Elettriche anno accademico Esercitazione 1
Comunicazioni Elettriche anno accademico 003-004 Esercitazione Esercizio Un processo aleatorio a tempo discreto X(n) è definito nel seguente modo: Viene lanciata una moneta. Se il risultato è testa X(n)=
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
DettagliINGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Filtri analogici
IGEGERIA E TECOLOGIE DEI ITEMI DI COTROLLO Prof. Carlo Rossi DEI - Università di Bologna Tel: 05 09300 email: crossi@deis.unibo.it Il filtro passa basso ideale i vuole ricostruire un segnale utile che
DettagliMASB AA10/11 21/01/11 test #1 1
MASB 20/06/11 AA20102011test #1. Esercizio 1. Illustrare lo schema generale di un apparecchiatura per l acquisizione di segnali spontanei, descrivendo brevemente i diversi componenti. Fornire una descrizione
DettagliEdoardo Milotti - Metodi di trattamento del segnale 1
Edoardo Milotti - Metodi di trattamento del segnale 1 Consideriamo un certo processo di campionamento in cui si prendono N campioni con intervallo di campionamento Δt: in questo caso il tempo di campionamento
DettagliCAMPIONAMENTO. y(t) = x 1 (t) x 2 (t) Σ δ(t - kt c. ) k. Figure 1:
CAMPIONAMENTO 1) Si considerino i due segnali a banda limitata x 1 (t) con banda B 1 e x 2 (t) con banda B 2. Si costruisca il segnale y(t) come y(t) = x 1 (t) x 2 (t) Volendo applicare il principio del
DettagliProf. Carlo Rossi DEIS - Università di Bologna Tel:
Prof. Carlo Rossi DEIS - Università di Bologna Tel: 051 2093024 email: carlo.rossi@unibo.it Introduzione Il teorema di Shannon, o del campionamento, stabilisce la connessione esistente tra i segnali fisici
DettagliTecniche di progettazione dei filtri FIR
Tecniche di progettazione dei filtri FIR 9.0 Introduzione I filtri FIR sono filtri nei quali la risposta all'impulso è generalmente limitata. I filtri FIR hanno la proprietà di essere facilmente vincolati
DettagliElenco dei simboli 9. Prefazione 10
Indice Elenco dei simboli 9 Prefazione 10 1 Analisi nel dominio del tempo 11 1.1 Segnali tempo discreto... 11 1.1.1 Segnali notevoli tempo discreto... 13 1.1.2 Alcuni criteri di classificazione di segnali
DettagliEdoardo Milotti - Metodi di trattamento del segnale 1
Edoardo Milotti - Metodi di trattamento del segnale 1 Consideriamo un certo processo di campionamento in cui si prendono N campioni con intervallo di campionamento Δt: in questo caso il tempo di campionamento
DettagliProf. Carlo Rossi DEIS - Università di Bologna Tel:
Prof. Carlo Rossi DEIS - Università di Bologna Tel: 051 2093020 email: carlo.rossi@unibo.it Sistemi Tempo-Discreti In questi sistemi i segnali hanno come base l insieme dei numeri interi: sono sequenze
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
DettagliAnalisi di Fourier e campionamento d
Analisi di Fourier e campionamento d Come esempio quadrature mirror filters si consideri da prima il semplice sistema in figura 6.17 dove i campioni con indice rispettivamente di indice pari x(2m) e indice
DettagliINGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Filtri analogici. Filtri analogici
IGEGERIA E TECOLOGIE DEI SISTEMI DI COTROLLO Prof. Carlo Rossi DEIS - Università di Bologna Tel: 05 09300 email: crossi@deis.unibo.it Il filtro passa basso ideale Si vuole ricostruire un segnale utile
DettagliCircuiti a tempo discreto Raffaele Parisi
Università di Roma La Sapienza Laurea specialistica in Ingegneria Elettronica Circuiti a tempo discreto Raffaele Parisi : Risposta in frequenza dei circuiti TD Rappresentazione nel dominio della frequenza,
DettagliMASB AA10/11 21/01/11 test #1 1
MASB 20/06/11 AA20102011test #1. Esercizio 1. Illustrare lo schema generale di un apparecchiatura per l acquisizione di segnali spontanei, descrivendo brevemente i diversi componenti. Fornire una descrizione
DettagliAppello del 17/2/ Soluzioni
Compito A - Testo Dipartimento di Ingegneria Enzo Ferrari Corso di Campi Elettromagnetici - a.a. 2014/15 Appello del 17/2/2015 - Soluzioni Esercizio 1. Un onda elettromagnetica con frequenza 300 MHz si
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A Alberto Perotti, Roberto Garello
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2006-07 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici
DettagliElaborazione di segnali e immagini: modulo segnali
Elaborazione di segnali e immagini: modulo segnali Luglio 2014 Esercizio 1 Si determini la risposta totale nel dominio complesso e si studi la stabilita asintotica e BIBO del sistema descritto dalla seguente
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
DettagliProva scritta di Teoria dei Segnali: nuovo ordinamento
Prova scritta di Teoria dei Segnali: nuovo ordinamento 1. Dati i segnali x(t) = rect[(t-2)/2] e y(t) = 2rect[(t+3)/2], si calcoli il prodotto di convoluzione tra x(t) e y(t), 2. Si calcoli la trasformata
DettagliFononi e calori reticolari - Testi degli esercizi. Fisica della Materia Condensata
Fononi e calori reticolari - Testi degli esercizi Fisica della Materia Condensata A.A. 015/016 Fononi e calori reticolari Esercizio 1 Si consideri una catena lineare biatomica. Calcolare le relazioni di
DettagliMETODI DI STIMA DELL ORDINE p
METODI DI STIMA DELL ORDINE p Per la scelta dell ordine ottimo p per un modello AR, si definisce un criterio di errore che indichi qual è l ordine ottimo per quel modello. L approccio più semplice è quello
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
DettagliESERCIZIO Punto di riposo, R 1,R 2. Detta I C = I C1 = I C2 = 2.5mA e ipotizzando I B1 I C1,I B2 I C2, si ha
1/16 ESERCIZIO 1 1.1 - Punto di riposo, R 1,R 2 Detta I C = I C1 = I C2 = 2.5mA e ipotizzando I B1 I C1,I B2 I C2, si ha V CE1 = V R E I E1 I E2 ) V 2R E I C = 12.0 V. 1) Nel punto di riposo si ha I B1
DettagliFiltraggio Digitale. Alfredo Pironti. Ottobre Alfredo Pironti Univ. di Napoli Federico II Corso Ansaldo Breda 1 / 20
Filtraggio Digitale Alfredo Pironti Ottobre 2012 Alfredo Pironti Univ. di Napoli Federico II Corso Ansaldo Breda 1 / 20 Filtri Analogici (1) Un filtro analogico è un sistema lineare tempo-invariante (LTI)
DettagliNella modulazione di ampiezza, si trasmette il segnale. v R (t) = (V 0 + k I x(t)) cos (2πf 0 t).
Cenni alla Modulazione di Ampiezza (AM) Nella modulazione di ampiezza, si trasmette il segnale v(t) = (V 0 + k I x(t)) cos (πf 0 t), dove x(t) è il segnale di informazione, con banda B, e f 0 è la frequenza
DettagliAnalisi dei segnali nel dominio del tempo
Laboratorio di Telecomunicazioni - a.a. 200/20 Lezione n. 3 Analisi dei segnali nel dominio del tempo L.Verdoliva In questa seconda lezione determiniamo, con l uso di Matlab, i parametri che caratterizzano
DettagliRegolazione e Controllo dei Sistemi Meccanici 1 Giugno 2006
Regolazione e Controllo dei Sistemi Meccanici 1 Giugno 26 Numero di matricola = 1α 1 = 1β 1 Si consideri lo schema di azionamento di una valvola rotativa riportato in fig1 Il sistema è costituito da tre
DettagliCorso di Identificazione dei Modelli e Analisi dei Dati
Corso di Identificazione dei Modelli e Analisi dei Dati Prof. Sergio Bittanti Esercitazione di Laboratorio A.A. 2010-11 Sistemi dinamici lineari a tempo discreto 1. Si consideri il sistema dinamico a tempo
DettagliENS - Prima prova in itinere del 07 Maggio 2010
ENS - Prima prova in itinere del 07 Maggio 0 L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello di preparazione globale. I calcoli devono
DettagliANALISI DI FOURIER. Segnali a Tempo Discreto:
ANALISI DI FOURIER Segnali a Tempo Discreto: - - Sequenza periodica - Taratura degli assi frequenziali - TDF di una sequenza finita - Campionamento in Frequenza Serie discreta di Fourier Consideriamo una
DettagliCircuiti per la multimedialità
Università di Roma La Sapienza Laurea in Ingegneria delle Comunicazioni Circuiti per la multimedialità Raffaele Parisi Capitolo 2. Sintesi di circuiti a tempo discreto a partire da circuiti analogici.
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
DettagliMarco Listanti. Lo strato Fisico. Caratterizzazione dei canali di. comunicazioni digitali. DIET Dept
Marco Listanti Lo strato Fisico Parte 3 Caratterizzazione dei canali di comunicazione e limiti fondamentali delle comunicazioni digitali Canali di comunicazione 2 Per canale di comunicazione si intende
DettagliFONDAMENTI DI SEGNALI E TRASMISSIONE 2 Laboratorio
FONDAMENTI DI SEGNALI E TRASMISSIONE 2 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it MATLAB: linguaggio di programmazione L ambiente MATLAB possiede un completo linguaggio di programmazione. Vediamo
Dettagli) $ ' con T0=5s e T=2s. La funzione deve essere
Metodi per l Analisi dei Segnali Biomedici. Esercitazioni AA 2010/2011 Esercitazione 11/03/2011 " t!t es_1.1. Disegnare la funzione rect 0 % $ ' con T0=5s e T=2s. La funzione deve essere calcolata # T
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
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
Dettagli6. Trasmissione Numerica in Banda Base
1 INFO-COM Dpt. Dipartimento di Scienza e Tecnica dell Informazione e della Comunicazione Università degli Studi di Roma La Sapienza 6. Trasmissione Numerica in Banda Base TELECOMUNICAZIONI per Ingegneria
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,
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:
DettagliEsercizi proposti. a. tracciare i diagrammi di Bode b. calcolare la risposta al gradino unitario applicato in t=0
Esercizi proposti s 1) Per il sistema con f.d.t. G ( s ) = si chiede di: s 1 a. tracciare i diagrammi di Bode b. calcolare la risposta al gradino unitario applicato in t= s ) Per il sistema con f.d.t.
DettagliSistemi e Tecnologie della Comunicazione
Sistemi e Tecnologie della Comunicazione Lezione 5: strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza Rappresentazione spettrale di un segnale Il grafico
Dettagli