Trasformazioni Winograd
|
|
- Bruno Marconi
- 5 anni fa
- Visualizzazioni
Transcript
1 Trasformazioni Winograd L'ultimo punto che rimane da esaminare nel progetto di una FFT di fattori primi, è la determinazione di efficienti algoritmi circolari di convoluzione per piccoli Winograd ha sviluppato la teoria di alcuni algoritmi usando versioni polinomiali del teorema di Chinese Remainder Theorem (CRT)[83-87] Se non è un numero primo, la DFT non può essere espressa come una convoluzione circolare (vedere problema 74), ma una efficiente DFT per non primo è stata data da Winograd M Usai Circuiti digitali 7_4
2 La trasformazione del vettore dei dati di input ~ t x x ~ ~ ~ ~ = [ ~ (),, x ( )] t per produrre il vettore di output DFT X = [ X (),, X ( )] può essere scritto nella forma matriciale come: X ~ = ODI x~ (75) dove: I è una matrice L di interi che indicano le addizioni di input eseguite per formare L dati intermedi (con L³); D è una matrice diagonale L L con costanti moltiplicative puramente reali o a parametri immaginari, e O è una matrice L di interi che indicano le addizioni di output necessarie per produrre la DFT del vettore M Usai Circuiti digitali 7_4
3 ~ Si noti che x () ~ e X (), sono stati inclusi in ~ x e X ~ rispettivamente, per descrivere la DFT completa, non la convoluzione circolare Poiché L cade nel campo L <, il numero di moltiplicazioni cresce solo linearmente con Per esempio le moltiplicazioni e addizioni che compongono la DFT di Winograd a 3-punti sono descritte dalla seguente matrice di equazioni: ~ X () ~ () X = ~ () X - -3/ - j 3 / - x~ () x~ () x~ () Kolba e Parks[84] danno tabelle di numeri di moltiplicazioni e addizioni richieste per diverse lunghezze di DFT di interesse pratico M Usai Circuiti digitali 7_4 3
4 76 Periodogramma Premessa I segnali si definiscono deterministici se è possibile prevedere con certezza il valore che essi assumono in un istante assegnato qualsiasi, dalla conoscenza di pochi parametri Per esempio una sinusoide è perfettamente definita dalla sua ampiezza, fase e frequenza e molti segnali periodici sono sviluppabili in serie di Fourier in una sommatoria di sinusoidi, ciascuna definibile con pochi parametri Gli esempi di analisi di spettro esaminati sinora erano riferiti a segnali deterministici, dove l'unico effetto che deve essere considerato era quello dovuto alla finestratura M Usai Circuiti digitali 7_4 4
5 Ma generalmente nei problemi reali, elaboriamo segnali random con un numero finito di campioni, e questo fatto introduce nella scelta del metodo di analisi spettrale, considerazioni addizionali statistiche In questo paragrafo, si da una panoramica di queste considerazioni attraverso le quali si deduce: il metodo del periodogramma (periodogram) basato sulla DFT Questa trattazione presume una conoscenza di base della teoria delle probabilità e processi random Per i segnali random la trasformata discreta di Fourier non è definita (perché non conosciamo il segnale per tutto il tempo) quindi non è possibile risalire esattamente allo spettro del segnale Per tale motivo si cerca invece di fare una stima dello spettro di potenza M Usai Circuiti digitali 7_4 5
6 Si definiscono: media temporale m x di un processo casuale: e sequenza di autocorrelazione nel tempo: x = lim + = dove l asterisco indica il complesso coniugato n n x( n) xx = xnx ( ) *( n m), n n+ m + m n= Se il segnale è ergodico per qualsiasi sequenza campione, le medie temporali e le sequenze di autocorrelazione nel tempo sono costanti, ossia: le medie temporali di quasi tutte le possibili sequenze campione sono tutte uguali alla costante m x, e l autocorrelazione di tutte le possibili sequenze campione sono tutte uguali alla costante Φ xx M Usai Circuiti digitali 7_4 6
7 Quindi per i segnali ergodici, per ogni singola sequenza campione per - < n <, xn ( ) = lim xn ( ) = Ex [ ] = m n + n= x xnx ( ) *( n+ m) = xnx ( ) *( n+ m) = Exx [ * ] =Φ (m) n n+ m xx m n= Ossia per i segnali ergodici l operatore di media temporale < > ha le stesse proprietà dell operatore di media d insieme E[ ] In generale si può affermare che un processo casuale per il quale le medie temporali sono uguali alle medie d insieme è chiamato processo ergodico M Usai Circuiti digitali 7_4 7
8 Quindi per un segnale ergodico x(n), la sequenza di autocorrelazione é definita come: [ ] rm ( ) = E x*( nxn ) ( + m) (76) Chiamando S(z) la trasformata z, per z = e jω, si ottiene lo spettro di potenza S'(ω) calcolando la trasformata di Fourier: ( ) j m S'( ω) = r( m) e ω m= Data una sequenza di dati x(n), n=,,,-, una stima non polarizzata (unbiased) di r(m) è semplicemente: con stimatore non polarizzato e quindi m rm %( ) = x*( nxn ) ( + m), per m <, m n = (76) (763) r% ( m) = r% *( m) Erm [%( )] = rm ( ) M Usai Circuiti digitali 7_4 8
9 rm %( ) Quindi, come m si avvicina ad, la varianza della stima diventa grande, perché il numero (-m) di campioni, essendo mediato, diventa piccolo Comunemente, per evitare una varianza eccessiva, si utilizza la stima polarizzata (biased): m rm %( ) = x*( nxn ) ( + m), per m <, n= (764) Il tilde indica il fatto che il segnale x(n) èstato finestrato con finestra rettangolare, cioè: ~ x( n) = w ( n) x( n ) R m rm %( ) = x% *( nxn ) %( + m), n= (765) M Usai Circuiti digitali 7_4 9
10 Confrontando la (763) con la (764) è chiaro che la stima tende a: E [ ~ r ( m) ] = w ( m) r( m ) dove w T (m) è la finestra triangolare ((- m )/, per m < T (766) La trasformata di Fourier dell estimatore rm %( ) è il periodogramma ed è facilmente derivato dalla (765), per cui si ottiene : ' S ' R ( ω) = X R ( ω) dove x ~ R ( n) = x ( n) o in termini di DFT: ~ S R ( k) = ~ X ( k) (767) (768) Quindi si può calcolare una stima dello spettro di potenza direttamente X% ( k) dalla DFT di M Usai Circuiti digitali 7_4
11 Quindi si può calcolare una stima dello spettro di potenza direttamente dalla DFT di La stima è polarizzata (biased), poiché rm %( ) è polarizzata e per la (766) la tendenza della stima nel dominio del discreto, è descritta dalla convoluzione : E [ ' ] ' S ( ω) = W ( ω) S' ( ω), R X% ( k) T (769) dove W ' T ( ω) = sin( ω / ) sin( ω / ) [ ' ] W ( ω) = R (76) M Usai Circuiti digitali 7_4
12 Si noti anche che in base alla (765) rˆ ( m) corrisponde alla convoluzione lineare di ~ x ( n ) e di ~ x *( n ) e quindi per la proprietà dell operatore di convoluzione, presenta un numero di campioni pari a - Perciò non può essere riconvertita come la DFT inversa della (768) a meno ~ che si faccia lo zero-padding di x ( n ) ~ ad almeno (-) campioni prima di ~ calcolare X ( k ) e quindi ( k ) S k Si può facilmente verificare che all aumentare della lunghezza della sequenza ~ x ( n ) zero-padded, aumenta la risoluzione della stima spettrale per l effetto dello zero-padded sulla interpolazione spettrale ~ ( k ) S k Comunque la varianza di ciascuna ampiezza spettrale non diminuisce con, ma piuttosto rimane circa costante, essendo la varianza pari a: var { x( n) } = E{ ( xn [ ] xn [ ]) } = ( xn [ ] xn [ ]) n= Perciò il periodogramma non è un estimatore consistente dello spettro di potenza, infatti se aumenta il numero dei campioni, la stima non tende allo spettro vero M Usai Circuiti digitali 7_4
13 Cio è illustrato in fig 7 che mostra diverse stime di spettro per un rumore bianco (caratterizzato da media nulla e varianza unitaria) per valori crescenti di n Si noti che sebbene la risoluzione delle frequenze è aumentata, il range delle ampiezza spettrali non è diminuito Figura 7 Periodogrammi di rumore bianco per = 8, 56 e 5 M Usai Circuiti digitali 7_4 3
14 Ci sono due approcci base per risolvere questi problemi: fare la media delle stime spettrali relative a segmenti più corti della intera sequenza di dati, o fare una finestratura (windowing) Con entrambi gli approcci si ottiene che all aumentare del numero di campioni la varianza diminuisce a discapito della risoluzione Il miglior approccio é spesso una combinazione dei due metodi, come proposto da Welch[8] M Usai Circuiti digitali 7_4 4
15 Metodo di Welch Dividendo il registro dei dati per L e non sovrapponendo i segmenti ~ xi ( n ) di lunghezza M=/L, si fa la finestratura di ciascun segmento con una finestra appropriata (vedi paragrafo 73) e si valutano L periodogrammi modificati secondo la seguente formula: i ~ S k ω M ( k) = E ω n= =,,, M - ω( n) ~ x ( n) W i kn i =,,, L, (76) dove E ω è l'energia della finestra definita come: E ω M n= = ω ( n) (76) Quindi la stima spettrale totale è semplicemente il periodogramma medio degli L periodogrammi calcolati: L ~ ~ S ( k) ω = i Sω ( k) L i= (763) M Usai Circuiti digitali 7_4 5
16 Come prima: E πe [ ' ] S ( ω) = [ W '( ω) ] S' ( ω), ω ω (764) dal quale si può valutare la perdita di risoluzione spettrale, ricordando che ω(n) è ora di lunghezza M, non Di contro, la varianza della stima spettrale risulta diminuita del fattore /L Con questa procedura, molti dati diventano trascurabili, perché fortemente attenuati alle estremità di ciascun segmento di campioni sul quale si opera la finestratura Ovviamente, quando il numero dei dati è limitato, si è riluttanti ad attenuare qualcuno di essi per evitare una ulteriore perdita di informazione M Usai Circuiti digitali 7_4 6
17 Appendice A /Residuo aritmetico e teorema Chinese Remainder Theorem(CRT) Un intero k i, si definisce residuo di k modulo i, ed è indicato da k i =<k> i se K i è il più piccolo resto positivo quando k viene diviso per i Per esempio, 3 è il residuo di 4 modulo 7, o 3=<4> 7 Ciò è facile da verificare per le seguenti proprietà per gli interi n e k e i loro residui: < nk > =<< n > < k > > =< n < k > > i i i i i i < n + k > i =<< n > i = < n+ < k + k > > Se,, p sono relativamente intere primi ( come nessuna coppia tra P interi ha un fattore comune più grande dell'unità) e è il prodotto di p, quindi alcuni interi k nell'intervallo - può essere univocamente rappresentato dai suoi residui <k>, <k>,,<k> p i i > i > i = =<< n > + k > i M Usai Circuiti digitali 7_4 7
18 Per esempio la seguente tabella da i residui per gli interi nell'intervallo 4 per =5, =3 e =5 Si noti che ciascun intero k ha un unico paio di residui <k> e <k> La precedente rappresentazione degli interi k nel ring - in termini dei loro residui, è chiamata la rappresentazione del sino ed è compresso senza operazioni di moltiplicazioni ed addizioni Il seguente esempio illustra come la moltiplicazione e l'addizione possono essere eseguite all'interno del ring 4, moltiplicando solamente i residui della precedente tabella Poniamo n=4 e k=3 con =3 e =5 M Usai Circuiti digitali 7_4 8
19 Quindi la moltiplicazione moltiplicazione degli n e i k (modulo ) può esere ottenuta attaverso: k <k> <k> Si noti che ciascun intero k ha un unico paio di residui <k> e <k> La precedente rappresentazione degli interi k nel ring - in termini dei loro residui, è chiamata la rappresentazione del sino ed è compresso senza operazioni di moltiplicazioni ed addizioni M Usai Circuiti digitali 7_4 9
20 Il seguente esempio illustra come la moltiplicazione e l'addizione possono essere eseguite all'interno del ring 4, moltiplicando solamente i residui della precedente tabella Poniamo n=4 e k=3 con =3 e =5 Quindi la moltiplicazione moltiplicazione degli n e i k (modulo ) può esere ottenuta attaverso: n n k k = 3 = 4 3 = = 5 nk 5 =, M Usai Circuiti digitali 7_4
21 M Usai Circuiti digitali 7_4 e l addizione e n e k (modulo ) è analogamente ottenuta attraverso: dove il prodotto finale e la somma sono state determinate dai prodotti residui e le somme usando le tabelle Si può cercare di provare il caso di n=8 e k=9 Un altro importante concetto della teoria dei residui è quello di (multiplicative inverse) 7, = + = + = + = + = + k n k n k n
22 Un intero p è chiamato multiplicative inverse di n modulo i ed è indicato con <n - > i se <np> i = Per esempio, 3 è il multiplicative inverse di 5 modulo 7 poiché <3 5> 7 = Un intero n ha un multiplicative inverse i se e solo se, n e i sono relativamente primi Si verifichi che <5 - > 5 non esiste, cioè non si può trovere un p tale che <5p> 5 = Ora è facile introdurre il rimarchevole teorema Chinese Remainder Theorem (CRT) che fornisce un metodo per ricostruire un intero k dai loro residui Come prima cosa poniamo che,,, p siano interi primi relativi e = p Inoltre poniamo M i =/ i per i=,,,p Perciò M i e i sono relativamente primi e <M - i > i quindi esiste Si noti che i residui di K modulo i per k cioè : <K i > i, i=,,,p La CRT quindi stabilisce che k può essere ricostruito dai suoi residui k i per mezzo di: k = P ki M i M i i= se k - Altrimenti questa ricostruzione produce <k> M Usai Circuiti digitali 7_4,
23 Per esempio, per =5, =3 e =5, si ha M =5 e M =3, e quindi <M - > = e <M - > = Quindi dalla CRT, K=<k +6k > 5 Si può verificare la formula usando diverse coppie di residui dalla tabella precedente M Usai Circuiti digitali 7_4 3
7.5 Fattori primi FFT. Decomposizione di Good
75 Fattori primi FFT Decomposizione di Good Tutti gli algoritmi FFT nel precedente paragrafo risultano dalla formulazione della FFT di Cooley-Tukey e sono noti come Common- Factor -Algorithms (CFA) algoritmi
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
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
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
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
Dettagli7.Trasformata discreta di Fourier
7.Trasformata discreta di Fourier 7. Introduzione Nel capitolo 6 sono state prese in esame la definizione e le proprietà della trasformata discreta nel tempo di Fourier : X(e jω ), essendo ω una variabile
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
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
DettagliDecimazione in frequenza (Decimation in frequency)
Decimazione in frequenza (Decimation in frequency) Si può pensare di derivare direttamente un algoritmo FFT di decimazione nel dominio della frequenza, invece di fare una trasposizione di un algoritmo
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,
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
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
DettagliSteeper Rolloff. mentre si pone il valore centrale pari all unità in corrispondenza di. Ossia si impongono tali condizioni nella:
Steeper Rolloff Dalle analisi precedenti, è chiaro che, modificando i coefficienti della finestra Blacman, si ottiene una caduta anche più ripida di 30 db/ottava Occorre cancellare due coppie di zeri da
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
DettagliCAPITOLO 2: Algoritmo Fast Fourier Transform (FFT)
CAPITOLO : Algoritmo Fast Fourier Transform () L algoritmo (Fast Fourier Transform) è decisamente uno dei più utilizzati all interno dell elaborazione dei segnali digitali. Il suo scopo è quello di calcolare
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
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
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliTeoria dei Segnali Richiami ai numeri complessi; serie e trasformata di Fourier
Teoria dei Segnali Richiami ai numeri complessi; serie e trasformata di Fourier Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria dei Segnali
DettagliConversione analogico-digitale
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Campionamento e quantizzazione A.A. 2004-05 Alberto Perotti DELEN-DAUIN Conversione analogico-digitale L elaborazione
DettagliLa Trasformata di Fourier
La Trasformata di Fourier Preliminari: Spazi di Hilbert Da Wikipedia In matematica uno spazio di Hilbert è uno spazio vettoriale che generalizza la nozione di spazio euclideo. Gli spazi di Hilbert sono
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
DettagliVETTORI E MATRICI. Ing. Nicola Cappuccio 2014 U.F.5 ELEMENTI SCIENTIFICI ED ELETTRONICI APPLICATI AI SISTEMI DI TELECOMUNICAZIONI
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 I VETTRORI E MATRICI (RICHIAMI) Ad ogni matrice quadrata a coefficienti reali è possibile associare un numero reale, detto determinante, calcolato
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
DettagliElettronica II Segnali periodici; serie di Fourier; trasformata di Fourier p. 2
Elettronica II Segnali periodici; serie di Fourier; trasformata di Fourier Valentino Liberali Dipartimento di Tecnologie dell Informazione Università di Milano, 26013 Crema e-mail: liberali@dti.unimi.it
DettagliAnalisi armonica su dati campionati
Sistemi di misura digitali Analisi armonica su dati campionati - 1 Analisi armonica su dati campionati 1 - Troncamento del segnale Distorsione di leakage L analisi di Fourier è un metodo ben noto per ottenere
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
DettagliIMAGE PROCESSING & DOMINIO DELLE. Pagano Luca 18/12/2013
IMAGE PROCESSING & DOMINIO DELLE FREQUENZE Pagano Luca 18/12/2013 IN GENERALE Trasformata: Antitrasformata: In cui le funzioni r ed s vengono chiamate funzioni o immaginibase. Invece i termini T(u,v) vengono
DettagliIl modello di regressione lineare multipla. Il modello di regressione lineare multipla
Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa
DettagliSEGNALI STAZIONARI: ANALISI SPETTRALE
SEGNALI STAZIONARI: ANALISI SPETTRALE Analisi spettrale: rappresentazione delle componenti in frequenza di un segnale (ampiezza vs. frequenza). Fornisce maggiori dettagli rispetto all analisi temporale
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,
Dettagli1 PROCESSI STOCASTICI... 11
1 PROCESSI STOCASTICI... 11 Introduzione... 11 Rappresentazione dei dati biomedici... 11 Aleatorietà delle misure temporali... 14 Medie definite sul processo aleatorio... 16 Valore atteso... 16 Esercitazione
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
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) = ( )
DettagliRipasso segnali e processi casuali. Trasmissione dell Informazione
Ripasso segnali e processi casuali 1 Breve ripasso di segnali e trasformate Dato un segnale s(t), la sua densità spettrale si calcola come dove S(f) è la trasformata di Fourier. L energia di un segnale
DettagliElaborazione nel dominio delle frequenze. Elaborazione delle immagini digitali 1
Elaborazione nel dominio delle frequenze Elaborazione delle immagini digitali 1 Serie di Fourier Elaborazione delle immagini digitali 2 Introduzione alla trasformata di Fourier Una funzione periodica può
DettagliSegnali Numerici. Segnali Continui
Segnali Continui La descrizione dell andamento nel tempo di un fenomeno fisico è data da una funzione continua nel tempo (X) e nelle ampiezze (Y) Il segnale analogico è una serie continua di valori x e
Dettagli1 Finestratura di una trasformata di Hilbert
1 Finestratura di una trasformata di Hilbert Considerando la sequenza a n = 1 ( 1)n ;
DettagliTrasformata wavelet. 1 Introduzione. 2 Filtri wavelet di Daubechies
Trasformata wavelet Introduzione L pari della trasforamta di Fourier veloce (FFT), la trasformata wavelet discreta (DWT) è un operazione veloce e lineare che opera su un vettore di dati di lunghezza pari
Dettagli2.2.5 Approssimazione di un segnale in una base biortogonale (segnali rettangolari) Esercizi proposti... 46
Indice 1 Operazioni elementari, convoluzione, correlazione 1 1.1 Operazioni elementari........................ 1 1.1.1 Ribaltamento, traslazione, scalatura............ 1 1.2 Convoluzione.............................
DettagliUNIVERSITÀ DI PISA Corso di Laurea in Scienze Motorie. Tecnologie e strumentazione biomedica. Accenni sulla Trasformata di Fourier.
UNIVERSITÀ DI PISA Corso di Laurea in Scienze Motorie Tecnologie e strumentazione biomedica Accenni sulla Trasformata di Fourier Alberto Macerata Dipartimento di Ingegneria dell Informazione Fourier (1768-183)
DettagliSegnali e trasformate
Segnali e trasformate - 1 Corso di Laurea in Ingegneria dell Automazione Segnali e trasformate DEIS-Università di Bologna Tel. 051 2093020 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi
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
DettagliLaboratorio di Chimica Fisica. Analisi Statistica
Università degli Studi di Bari Dipartimento di Chimica 9 giugno F.Mavelli- Laboratorio Chimica Fisica - a.a. 3-4 F.Mavelli Laboratorio di Chimica Fisica a.a. 3-4 Analisi Statistica dei Dati Analisi Statistica
DettagliRICHIAMI MATEMATICI. x( t)
0.0. 0.1 1 RICHIAMI MATEMATICI Funzioni reali del tempo: (t) : t (t) (t) ( t) Funzioni reali dell ingresso: y() t t y( ) y() : y() Numeri complessi. Un numero complesso è una coppia ordinata di numeri
Dettagliossia può anche essere localizzato univocamente sul piano complesso con la sua forma polare.
ALGEBRA COMPLESSA Nel corso dei secoli gli insiemi dei numeri sono andati man mano allargandosi per rispondere all esigenza di dare soluzione a equazioni e problemi sempre nuovi I numeri complessi sono
DettagliSoluzione nel dominio del tempo
Soluzione nel dominio del tempo Prof. Laura Giarré Laura.Giarre@UNIMORE.IT https://giarre.wordpress.com/ca/ Antitrasformate CA 2017 2018 Prof. Laura Giarré 1 Risposta nel dominio trasformato Ricordo che
DettagliLa Trasformata di Fourier: basi matematiche ed applicazioni. Parte II
Metodi di Calcolo per la Chimica A.A. 2016-2017 Marco Ruzzi La Trasformata di Fourier: basi matematiche ed applicazioni Parte II Showing a Fourier transform to a physics student generally produces the
DettagliCampionamento. Campionamento: problema
Posizione del problema uniforme Ricostruzione Teorema del campionamento Significato della formula di ricostruzione Sistema di conversione A/D sample & hold quantizzazione Sistema di conversione D/A : problema
DettagliCapitolo Trasformata di Laplace
Capitolo Trasformata di Laplace. Segnali lo studio dei sistemi. Trasformata di Laplace.3 Antitrasformata di Laplace.4 Antitrasformata di Laplace: metodo delle frazioni parziali . SEGNALI PER LO STUDIO
DettagliRisposta in vibrazioni libere di un sistema lineare viscoso a più gradi di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1
Risposta in vibrazioni libere di un sistema lineare viscoso a più gradi di libertà Prof. Adolfo Santini - Dinamica delle Strutture 1 Vibrazioni libere non smorzate 1/6 Le equazioni del moto di un sistema
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
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliANALISI DELLE SERIE STORICHE
ANALISI DELLE SERIE STORICHE De Iaco S. s.deiaco@economia.unile.it UNIVERSITÀ del SALENTO DIP.TO DI SCIENZE ECONOMICHE E MATEMATICO-STATISTICHE FACOLTÀ DI ECONOMIA 24 settembre 2012 Indice 1 Funzione di
DettagliSegnali e trasformate
Segnali e trasformate - Corso di Laurea in Ingegneria Meccanica Segnali e trasformate DEIS-Università di Bologna Tel. 5 2932 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi Segnali e trasformate
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
DettagliTrasformata Discreta di Fourier (DFT)
Trasformata Discreta di Fourier (DFT) Con dati discreti, usare finestre temporali significa prendere in considerazione un certo numero di campioni che cadono all interno della finestra. Potremo quindi
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 7: Basi di statistica
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 7: Basi di statistica Campione e Popolazione Estrazione da una popolazione (virtualmente infinita) di
DettagliCircuiti a Tempo Discreto DFT - La Trasformata di Fourier Discreta
Circuiti a Tempo Discreto - La Trasformata di Fourier Discreta Prof. Michele Scarpiniti Dipartimento di Ingegneria dell Informazione, Elettronica e Telecomunicazioni Sapienza Università di Roma http://ispac.ing.uniroma1.it/scarpiniti/index.htm
Dettagli0 altimenti 1 soggetto trova lavoroentro 6 mesi}
Lezione n. 16 (a cura di Peluso Filomena Francesca) Oltre alle normali variabili risposta che presentano una continuità almeno all'interno di un certo intervallo di valori, esistono variabili risposta
DettagliUniversità di Siena. Teoria della Stima. Lucidi del corso di. Identificazione e Analisi dei Dati A.A
Università di Siena Teoria della Stima Lucidi del corso di A.A. 2002-2003 Università di Siena 1 Indice Approcci al problema della stima Stima parametrica Stima bayesiana Proprietà degli stimatori Stime
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 2
Sperimentazioni di Fisica I mod. A Statistica - Lezione 2 A. Garfagnini M. Mazzocco C. Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Statistica Lezione 2: 1. Istogrammi
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
Dettagli1) Entropia di variabili aleatorie continue. 2) Esempi di variabili aleatorie continue. 3) Canali di comunicazione continui. 4) Canale Gaussiano
Argomenti della Lezione 1) Entropia di variabili aleatorie continue ) Esempi di variabili aleatorie continue 3) Canali di comunicazione continui 4) Canale Gaussiano 5) Limite di Shannon 1 Entropia di una
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
DettagliSegnali ad energia ed a potenza finita
Bozza Data 07/03/008 Segnali ad energia ed a potenza finita Energia e potenza di un segnale Definizioni di energia e potenza Dato un segnale (t), in generale complesso, si definisce potenza istantanea
DettagliNote di Teoria della Probabilità.
Note di Teoria della Probabilità. In queste brevi note, si richiameranno alcuni risultati di Teoria della Probabilità, riguardanti le conseguenze elementari delle definizioni di probabilità e σ-algebra.
DettagliParte I Identificazione di modelli dinamici. 5: Analisi di sistemi dinamici alimentati da processi stazionari. Parte I 5, 1
Parte I 5, 1 Parte I Identificazione di modelli dinamici 5: Analisi di sistemi dinamici alimentati da processi stazionari Parte I 5, 2 Consideriamo un sistema dinamico lineare tempo-invariante con funzione
DettagliANTITRAFORMATE DI LAPLACE MODI DI UN SISTEMA
FONDAMENTI DI CONTROLLI AUTOMATICI Ingegneria Meccanica http://web.ing.unimo.it/~lbiagiotti/fondamenticontrolli1415.html ANTITRAFORMATE DI LAPLACE MODI DI UN SISTEMA Ing. e-mail: luigi.biagiotti@unimore.it
DettagliEsercitazione: Elaborazione Numerica di Segnali Tempovarianti
Laboratorio di Misura delle Vibrazioni Anno Accademico 215-16 Esercitazione: Elaborazione Numerica di Segnali Tempovarianti 1) Algebra complessa in Excel Excel consente di eseguire calcoli anche con valori
DettagliINTERPOLAZIONI CON SPLINE
INTERPOLAZIONI CON SPLINE Assegnati gli n +1valori che la funzione f assume nei nodi x i, si costruisce un interpolazione polinomiale a tratti. In ognuno degli intervalli [x i 1,x i ] il polinomio interpolatore
DettagliReti nel dominio delle frequenze. Lezione 10 2
Lezione 10 1 Reti nel dominio delle frequenze Lezione 10 2 Introduzione Lezione 10 3 Cosa c è nell Unità 3 In questa sezione si affronteranno Introduzione all Unità Trasformate di Laplace Reti nel dominio
DettagliCapitolo 4. Campionamento e ricostruzione
Capitolo 4 Campionamento e ricostruzione Sommario. In questo capitolo vengono richiamati brevemente i risultati fondamentali (teorema di Shannon e sue conseguenze) sul campionamento e la ricostruzione
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
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
DettagliLauree scientifiche Crittografia. RSA CRT
Lauree scientifiche Crittografia. RSA CRT Emanuele Cesena emanuele.cesena @ gmail.com Sommario RSA Complessità RSA CRT Crittoanalisi di RSA CRT RSA in pillole Chiave pubblica: intero n = p q di 1024 bit,
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
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliTrasformata di Fourier
Trasformata di Fourier Ø Risposta impulsiva e integrale di convoluzione Ø Rappresentazione di segnali nel tempo e in frequenza Ø Filtri idealmente e fisicamente realizzabili, stabilità Ø Trasformazioni
DettagliCORSO DI: TEORIA DEI SEGNALI
Anno accademico 2018-2019 CORSO DI: TEORIA DEI SEGNALI Docente: prof. Claudio Sacchi INTRODUZIONE AL CORSO Contenuti Obbiettivi del corso; Programma del corso; Modalità di esame; Testi di riferimento;
DettagliStima puntuale di parametri
Probabilità e Statistica Esercitazioni a.a. 006/007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliUnità di misura nell analisi del segnale G. D Elia. Sezione1
Unità di misura nell analisi del segnale G. D Elia Sezione1 La Serie di Fourier Si consideri una funzione x(t) periodica di periodo T = π/ω. Se sono soddisfatte opportune condizioni (condizioni di Direchlet):
Dettagli0 Richiami di algebra lineare e geometria analitica Distanza, coordinate e vettori Sistemi lineari e matrici...
Indice 0 Richiami di algebra lineare e geometria analitica........... 9 0.1 Distanza, coordinate e vettori............................. 9 0.2 Sistemi lineari e matrici..................................
DettagliLaboratorio II, modulo Segnali a tempo discreto (cfr.
Laboratorio II, modulo 2 2012017 Segnali a tempo discreto (cfr. http://wpage.unina.it/verdoliv/tds/appunti/appunti_04.pdf e http://wpage.unina.it/verdoliv/tds/appunti/appunti_0.pdf Luise, Vitetta, D Amico
DettagliConversione analogico-digitale
Conversione analogico-digitale Vantaggi dell'elaborazione digitale: -Minore sensibilità ai disturbi- bassa incertezza con costi relativamente contenuti-maggiore versatilità-compatibilità intrinseca con
DettagliRISOLUZIONE DI SISTEMI LINEARI
RISOLUZIONE DI SISTEMI LINEARI Algebra lineare numerica 1 La risoluzione di un sistema lineare è il nucleo principale del processo di risoluzione di circa il 70% di tutti i problemi reali Per la risoluzione
DettagliStatistica Elementare
Statistica Elementare 1. Frequenza assoluta Per popolazione si intende l insieme degli elementi che sono oggetto di una indagine statistica, ovvero l insieme delle unità, dette unità statistiche o individui
DettagliNumber Theory. Teoria dei numeri. Teorema della divisione. Congruenze mod n
Number Theory Alfredo De Santis Dipartimento di Informatica ed Applicazioni Università di Salerno Marzo 2012 adsi@dia.unisa.it http://www.dia.unisa.it/professori/ads Teoria dei numeri Concetti preliminari
Dettagli04 - Numeri Complessi
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 04 - Numeri Complessi Anno Accademico 2013/2014 M. Tumminello, V. Lacagnina e
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
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
DettagliANALISI DI SEGNALI TEMPO VARIANTI
ANALISI DI SEGNALI TEMPO VARIANTI Nel corso di questa esercitazione verrà illustrato come utilizzare Excel per eseguire la FFT di un segnale. Algebra complessa Excel consente di eseguire calcoli anche
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliRichiami teorici sull analisi del segnale
7 6 5 4 3 2 9 8 7 6 5 4 3 2 Richiami teorici sull analisi del segnale Trasformata discreta di Fourier DFT viene impiegata per analizzare segnali discreti (tipicamente provenienti da un operazione di campionamento)
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
DettagliProblema. Sistemi lineari. Problema. Problema. Quali sono i potenziali in ogni nodo? Leggi di Kirkoff e di Ohm:
Problema 4 Ω 3 3 Ω 2 2 Ω 40 V Sistemi lineari 2 Ω Ω 2 Ω Ω 5 6 7 8 Ω 4 Ω Ω 0 V Quali sono i potenziali in ogni nodo? 2 4 Ω Problema 3 3 Ω 2 2 Ω 40 V 4 Ω Problema 3 3 Ω 2 2 Ω 40 V 2 Ω Ω 2 Ω Ω 2 Ω Ω 2 Ω Ω
DettagliRisoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
Dettagli()Probablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Serie storiche (verso fpca) La tecnica chiamata fpca (functional PCA) esamina serie storiche utilizzando paradigmi propri di PCA. E utile premettere un po di
Dettagli