Cap. 3. PROCESSI RAPPRESENTATI TRAMITE SERIE TEMPORALI
|
|
- Florindo Guido Piva
- 5 anni fa
- Visualizzazioni
Transcript
1 Cap. 3. PROCESSI RAPPRESENTATI TRAMITE SERIE TEMPORALI 3.1. PROCESSI REALI CON FATTORI ALEATORI Sovente si hanno processi rappresentati tramite una serie temporale infinita di segnali di energia noti, ciascuno dei quali recante una v.a. continua. L esempio più comune è offerto dal tipo di processo reale con fattori aleatori, X(t), con realizzazione che si presenta nella forma: [3.1] x(t) =! k z k p(t-kt), con k variabile intera e T costante, e dove:!z k =z(k) sono le determinazioni delle v.a. continue, Z k, che costituiscono con la loro sequenza, Z(n), un processo discreto reale stazionario;!p(t) è una funzione reale, praticamente limitata nel tempo con durata pratica T p anche molto maggiore di T, avente spettro di energia E pp ( f ) strettamente limitato in banda ed energia: [3.2] E pp =! p 2 (t)dt =! E pp (f)df = C pp (0), dove C pp (") è la funzione di autocorrelazione temporale di p(t), avente per trasformata di Fourier lo spettro di energia E pp (f). Anzitutto, il processo reale discreto stazionario Z(n) risulta caratterizzato (vedi par. 1.6) tramite il valore medio statistico, E{z(k)}=# z, e la sua funzione di autocorrelazione, E{z(k+$)z(k)}=R zz ($). Si ricavano poi la funzione di autocovarianza, K zz ($)=R zz ($)-! z 2, e la potenza, P z = R zz (0)=! z 2 +! z 2, dove! z 2 è la varianza del processo discreto. Ponendo nella [3.1] z k =z ek +# z (con Z ek è indicata la corrispondente v.a. equa, ossia con la stessa caratterizzazione stocastica a meno del valore medio nullo), risulta immediatamente che il processo continuo X(t) comprende l addendo periodico, con periodo T: [3.3] x 0 (t) = # z rep T {p(t)}=# z! k p(t-kt), ed è quindi in generale ciclostazionario, del primo ordine se # z % 0. Come mostrato nella appendice B2, a partire dalla [3.1] e applicando le [1.12] e [2.6] si determinano il valore medio statistico e la funzione di autocorrelazione (privi della dipendenza dal tempo) del processo continuo ciclostazionario X(t): [3.4] # x = 1 T # z! p(t)dt,
2 22 [3.5] R xx (") = 1 T! $ R zz($)c pp ("-$T)= 1 T! 2 zrep T {C pp (")}+ 1 T! $ K zz($)c pp ("-$T). A riguardo del valore medio del processo continuo si osserva che esso si annulla se è nullo quello del processo discreto, ossia se si verifica # z =0; è inoltre possibile ottenere un valore medio nullo anche per # z %0, con opportuna scelta della forma p(t) che comporti l azzeramento del suo integrale. Applicando alla [3.5] la relazione di Wiener-Khintchine (vedi [1.27]), si giunge alla seguente espressione della densità spettrale di potenza del processo continuo: [3.6] P x (f) = 1 T! 2 z! k c k &(f-kf 0 ) + 1 T E - j2 ft pp ( f )! $ K zz ($)e!" = = 1 T! 2 2 z! n E pp (kf 0 )&(f-kf 0 )+ 1 T E # pp (f)! 2! & % z + 2" K zz (")cos(2#"ft)(. $ ' Si noti che nello spettro del processo compaiono:!una serie di componenti discrete a frequenza multipla di f 0 =1 /T, associate alla presenza nel processo dell addendo periodico x 0 (t) (vedi [3.3]), di entità proporzionale al quadrato del valore medio statistico del processo discreto Z(n);! una parte continua, con andamento che dipende sia da quello dello spettro di energia della forma determinata p(t), che dalla funzione entro parentesi quadra nella [3.6], periodica di periodo f 0 =1 /T; tale funzione risulta la somma di una costante, pari alla varianza del processo discreto Z(n), e di una variabile legata alla autocovarianza dello stesso processo per i valori $%0. Grazie alla stazionarietà del processo discreto, la energia media statistica del generico addendo della serie [3.1], separatamente considerato, è invariante con k, ossia è una caratteristica del processo continuo: [3.7] E xt ˆ= E{E kk } =E{! z 2 k p 2 (t-kt)dt} = P ze pp. Nel seguito verranno considerati due casi, assumendo la ipotesi di ortogonalità tra le v.a. Z k, o quella di ortogonalità dei segnali addendi di energia che costituiscono la forma periodica rep T {p(t)}; per entrambi si dimostra che la potenza del processo X(t) può essere espressa tramite la semplice relazione: [3.8] P = E xt x, T ossia la potenza può essere immediatamente calcolata come rapporto tra il comune valore, E xt, della energia media statistica degli elementi della serie e il valore, T, della sua cadenza temporale Caso di ortogonalità delle v.a. del processo discreto " =1
3 23 Se le v.a. Z k del processo discreto sono tutte ortogonali tra loro, ossia la funzione di autocorrelazione del processo R zz ($) è nulla per ogni $%0, mentre per $=0 si ha R zz (0)=P z =! z 2 (# z =0), la [3.5] diviene: [3.9] R xx (") = 1 T R zz(0) C pp (") = 1 T P zc pp (") ; per "=0 e tenendo conto delle [3.2] e [3.7], la potenza del processo X(t) assume la espressione: [3.10] P x = R xx (0)= 1 T P zc pp (0)= 1 T P ze pp = E T xt, per R zz ($) = 0 con $%0. Per trasformazione di Fourier della [3.9] si ottiene inoltre: [3.11] P x ( f ) = 1 T P ze pp (f), ossia l andamento dello spettro di potenza del processo è privo di componenti discrete ed è proporzionale a quello dello spettro di energia della funzione nota p(t) Caso di ortogonalità delle forme traslate nel tempo Se tutte le funzioni determinate p(t-kt), traslate nel tempo, sono tra loro ortogonali, ossia si verifica: # % E [3.12]! p(t-kt)p(t-ht)dt=c pp [(h-k)t] pp,!=0 =C pp (!T)= $, &% 0,! " 0 la [3.5] per "=0 fornisce, a prescindere dalla dipendenza statistica delle v.a. Z k : [3.13] P x = R xx (0) = 1 T R zz(0) E pp = 1 T P ze pp = E T xt, per C pp ($T) = 0 con $%0. È importante rimarcare che, grazie alla menzionata ortogonalità delle forme traslate, la potenza del processo non risente della presenza della intercorrelazione tra le v.a. Z k del processo discreto. Questa si manifesta invece nell andamento della densità spettrale di potenza, per cui vale la forma generale [3.6] PROCESSI CAMPIONATI IN BANDA BASE Quanto esposto nel paragrafo precedente è applicabile ai processi reali continui stazionari con realizzazione rappresentata tramite campioni. Considerato un processo in banda base X(t) con frequenza massima f M e scelto un generico periodo di campionamento T ca '1/2f M, la generica realizzazione ammette la rappresentazione tramite la serie temporale:
4 24 [3.14] x(t) =! k c k sinc t ( T -k ca ), con k variabile intera, e dove:!i campioni c k =x(kt ca ) sono le determinazioni delle v.a. continue C k che costituiscono con la loro sequenza, C(n), un processo reale discreto stazionario;! sinc(t/t ca ) è la nota funzione di campionamento, con energia e spettro di energia date rispettivamente dalle: [3.15] E ss = T ca, [3.16] E ss (f) = T 2 ca rect( f T ca ), e che gode della proprietà di ortogonalità delle forme traslate: [3.17] C ss ($T ca ) = 0, per $%0. Tenuto conto che la funzione sinc(t/t ca ) ha integrale di valore uguale a T ca, in base alla [3.4] risulta immediatamente: [3.18] # x = # c, ossia il valore medio statistico, # x, del processo continuo coincide con quello, # c, del processo discreto costituito dalla sequenza dei campioni aleatori. Servendosi dei risultati del paragrafo precedente e notando che la [3.16] limita lo spettro nell intervallo di frequenza (-1/2T ca ;1/2T ca ), si ricava per la densità spettrale di potenza del processo continuo la espressione: [3.19] P x (f) =! 2 # c &(f) + T ca rect(ft ca )! 2! & % c + 2" K cc (")cos(2#"ft ca )(, $ ' " =1 dove! 2 c e K cc ($) sono rispettivamente la varianza e la funzione di autocovarianza del processo discreto C(n), costituito dalla sequenza delle v.a. aventi per determinazioni i campioni aleatori presi a intervallo T ca. Grazie alla [3.17], la potenza del processo continuo può essere semplicemente ottenuta dividendo per T ca la energia media statistica del generico elemento della serie temporale con cui il processo stesso è formulato; si ha allora dalla [3.7] e dalla [3.15]: [3.20] P x = P c E ss = P c =! c + " c T, ca essendo P c la potenza del processo discreto.
5 25 Tenuto conto che la rappresentazione tramite campioni conserva inalterata la forma del segnale al variare dell'intervallo di campionamento, purché risulti T ca '1/2f M, si hanno le considerazioni seguenti, basate sulla invarianza delle caratteristiche sintetiche del processo continuo con realizzazione [3.14], in particolare di # x, P x e di P x (f) per le quali risultano le [3.18], [3.19] e [3.20]. In base alle [3.18] e [3.20], la sequenza dei campioni aleatori mantiene invariate le grandezze del primo ordine, ossia # c,! 2 c e P c, al variare del periodo di campionamento T ca ; risulta invece diversa la energia media statistica, E xtca =P x T ca, del generico elemento della serie temporale. Tenendo conto della [3.19], risulta anche diversa la funzione di autocovarianza, K cc ($), per ogni $%0. In particolare si evince che, essendo per ipotesi P x ( f )=0 per f>f M, i diversi campioni aleatori sono incorrelati (ossia risulta K cc ($)=0 per $%0) se, e solo se, il processo continuo ha densità spettrale costante da f m =0 + a f M =B: [3.21] P x (f)= P! f $ rect# &, 2f M " 2f M % e inoltre il periodo di campionamento assume il valore massimo: T ca =1/2f M =1/2B, ossia è uguale all'intervallo di Nyquist. In tale particolare caso il processo continuo si denomina un processo bianco in banda base PROCESSI COMPLESSI CON FATTORI ALEATORI Si consideri un processo continuo reale ciclostazionario non in banda base e il relativo processo inviluppo complesso rappresentativo X(t), con realizzazione (vedi [2.7]) che si suppone formulata in termini della serie temporale: [3.22] x(t)= x c (t)+jx s (t) =! k (a k +jb k )p(t - kt), dove al solito k è una variabile intera e:! a k e b k sono le determinazioni delle v.a. continue, A k e B k, che costituiscono con le loro sequenze, A(n) e B(n), una coppia di processi reali discreti stazionari;! p(t) è una funzione reale, praticamente limitata con durata pratica T p anche molto maggiore di T, avente spettro di energia E pp ( f ) strettamente limitato in banda base. A partire dalla [2.10] e con simbologia e procedimento analoghi a quelli usati per giungere alla [3.6] si ottengono la funzione di autocorrelazione e la densità spettrale di potenza del processo continuo X(t): [3.23] R xx (") = 1 T! ${[R aa ($)+R bb ($)]C pp ("-$T)-jR ab ($)[C pp ("- $T) - C pp ("+$T)]} [3.24] P x (f)= 1 2 T (! 2 a +! b2 )! k E pp (kf 0 )&(f-nf 0 )+ 1 T E pp (f)(! 2 a +! b2 )+
6 26 # + 2 T E pp (f){ $ K aa (!) + K bb (!) cos(2"! f T) -! $ K ab($)sin(2($ft)},! =1 in cui compare anche la covarianza, K ab ($), dei due processi discreti. Nella valutazione della potenza P x del processo inviluppo complesso non ha invece alcun effetto la dipendenza statistica tra i due processi discreti, come si nota immediatamente dalla [3.23] per "=0 tenendo conto che la autocorrelazione, C pp (u), è una funzione pari dell'argomento u; ciò è in accordo con il legame di semplice somma (vedi [2.13]) tra la potenza P x e quelle, P c e P s, dei due processi reali X c (t) e X s (t). Rammentando le [2.4.27] e [3.7], la energia media statistica del generico elemento della serie temporale [3.22] assume la espressione: { } = (P a + P b )E pp = (! a! [3.25] E xt =E a 2 2! ( k +b k )p 2 (t-kt)dt b +! 2 +! b2 ) E pp. Sia nel caso di ortogonalità delle v.a. A k e B k (R aa ($)=R bb ($)=0 per ogni $%0), che in quello di ortogonalità delle forme traslate (vedi [3.12]) seppure in presenza di correlazione tra le v.a., si ottiene dunque per la potenza del processo considerato: a [3.26] P x = ExT = 1 T T (P a+p b )E pp. La analisi svolta può essere utilizzata nel caso di un processo continuo, in generale ciclostazionario, strettamente limitato in una banda B e con frequenza minima f m %0. Adottando per la realizzazione la rappresentazione con doppia sequenza di campioni e assumendo A k =C ck, B k =C sk, T=1/B e p(t)=sinc(t/t), e quindi anche E pp =T (vedi seconda delle [3.15]), dalla [3.26] si ricava la potenza del processo inviluppo complesso rappresentativo: 2 [3.27] P x =!! 2 2 +!! Cc + Cs 2 Cc + Cs, con ovvio significato dei simboli. Grazie alla [2.13], si ottiene infine la potenza del processo considerato, che è semplicemente la metà di quella fornita dalla [3.27]. Si lascia al lettore il compito di dimostrare che se il processo è stazionario i valori medi statistici dei campioni aleatori sono nulli (# Cc =# Cs =0) e per le loro varianze risulta: Cc Cs [3.28]! =! = P = P 2 in armonia con la [2.28]. x x PROCESSO SOMMA DI PROCESSI REALI CON FATTORI ALEATORI Si consideri un particolare tipo di processo continuo X(t), con realizzazione che sia rappresentabile nella forma:
7 27 [3.29] x(t) =! k [a k p 1 (t-kt)+b k p 2 (t-kt)], con k variabile intera e dove:! a k e b k sono le determinazioni delle v.a. continue, A k e B k, che costituiscono con le loro sequenze, A(n) e B(n), una coppia di processi reali discreti stazionari;! p 1 (t) e p 2 (t) sono funzioni reali, con energie E 11 e E 22, praticamente limitate nel tempo con durata pratica anche molto maggiore di T, e che rispettano la condizione: [3.30]! p i (t-kt)p j (t-ht)dt=c ij [(h-k)t] =C ij (!T)=0, per #% $ &%!=0 e i " j! " 0 Con simbologia e procedimento analoghi a quelli usati per giungere alla [3.23] si ottiene la funzione di autocorrelazione del processo continuo considerato: [3.31] R xx (")= 1 T! ${R aa ($)C 11 ("-$T)+R bb ($)C 22 ("-$T)}+ 1 T! $ R ab($)[c 12 ("-$T)+C 21 ("+$T)].. Lasciando al lettore l esercizio di calcolare la densità spettrale di potenza e dimostrare che essa risente della intercorrelazione tra i processi discreti, ci si limita a verificare che invece la potenza del processo continuo è indipendente da R ab ($). Infatti, tenuto conto delle [3.33], la [3.31] fornisce per "=0: [3.32] P x = R xx (0) = 1 T [R aa(0) E 11 + R bb (0) E 22 ] = 1 T (P ae 11 + P b E 22 ) = E T xt, dove P a e P b sono al solito le potenze dei processi discreti e E xt è la energia media statistica del generico elemento della serie temporale, come risulta dalla espressione generale: 2 [3.33] E xt =E a k p 1 (t-kt)+b k p 2 (t-kt) dt che si riduce alla: [3.34] E xt = P a E 11 + P b E 22, {! [ ] } = P ae 11 + P b E R ab (0)C 12 (0), in virtù della ortogonalità delle due forme note (vedi [3.30]). Quanto sopra, e in particolare il semplice calcolo della potenza del processo continuo tramite la energia media statistica del generico elemento della serie temporale, è applicabile al caso più ampio di processo con N realizzazioni addende, ossia: N! k i =1 [3.35] x(t) =! a ik p i (t - kt), sempre che sia verificata la [3.30]. Si ottiene allora: [3.36] P x = E T xt = 1 P T! ai E ii. N i =1
Cap.1. GENERALITÀ SUI PROCESSI STOCASTICI
Cap.1. GENERALITÀ SUI PROCESSI STOCASTICI 1.1. SEGNALI ALEATORI E LORO SORGENTI Si è a volte fatto riferimento ai segnali quali veicoli di informazione: in proposito occorre tuttavia precisare che si tratta
DettagliSegnali analogici. Segnali aleatori. Segnali determinati Trasmissione ideale Trasmissione perfetta. Trasmissione imperfetta
Segnali determinati Trasmissione ideale Trasmissione perfetta Segnali analogici 40 20 Segnali aleatori Trasmissione imperfetta Laboratorio di Segnali Segnali modulati Segnali tempo discreto e segnali in
DettagliSegnali (processi) aleatori (casuali)
Segnali (processi) aleatori (casuali) Definizione di processo aleatorio Descrizione statistica di un processo aleatorio Media, potenza, varianza Autocorrelazione e autocovarianza Filtraggio di un processo
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
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
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
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
DettagliTeoria dei Segnali. 1 Proprietà della trasformata di Fourier. correlazione tra segnali; autocorrelazione
Teoria dei Segnali Proprietà della trasformata di Fourier; correlazione tra segnali; autocorrelazione Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it
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
DettagliSEGNALI A TEMPO CONTINUO. Segnali a energia finita. t un segnale a energia finita e a tempo continuo. L energia specifica 2 *
Capitolo IV CARAERIZZAZIOE EERGEICA DEI SEGALI SEGALI A EMO COIUO Segnali a energia finita IV. Densità spettrale di energia. Sia s() t un segnale a energia finita e a tempo continuo. L energia specifica
DettagliTeoria dei Segnali Proprietà della trasformata di Fourier; correlazione tra segnali; autocorrelazione
Teoria dei Segnali Proprietà della trasformata di Fourier; correlazione tra segnali; autocorrelazione p. 1 Teoria dei Segnali Proprietà della trasformata di Fourier; correlazione tra segnali; autocorrelazione
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
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
DettagliTeoria dei Segnali Densità spettrale di energia e di potenza; campionamento e teorema di Shannon
Teoria dei Segnali Densità spettrale di energia e di potenza; campionamento e teorema di Shannon Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria
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
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
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
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)=
DettagliTeoria dei Segnali Trasmissione binaria casuale; somma di processi stocastici
eoria dei Segnali rasmissione binaria casuale; somma di processi stocastici Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it eoria dei Segnali rasmissione
DettagliUniversità degli Studi di Enna Kore Facoltà di Ingegneria ed Architettura
Facoltà di Ingegneria ed Architettura Anno Accademico 2016 2017 A.A. Settore Scientifico Disciplinare CFU Insegnamento Ore di aula Mutuazione 2016/17 ING-INF/03 9 Teoria dei Segnali 72 No Classe Corso
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.............................
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...
DettagliNote sul teorema fondamentale e sulla formula fondamentale del calcolo integrale
Note sul teorema fondamentale e sulla formula fondamentale del calcolo integrale Definizione. Sia f:[a, b] R una funzione reale continua definita sull intervallo [a, b] R. Una funzione primitiva (o semplicemente
DettagliTeoria dei Segnali Introduzione ai processi stocastici
Teoria dei Segnali Introduzione ai processi stocastici Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria dei Segnali Introduzione ai processi
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
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
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
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
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
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
DettagliUniversità di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori, AA 2012/13. Catene di Markov
Catene di Markov SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI Frequenza dei guasti: N GUASTI 0 T N T 0 T! Catene di Markov SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI Campionando
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
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,
DettagliProgetto dei Sistemi di Controllo Digitali. Docente: Prof. Francesco Amato
Progetto dei Sistemi di Controllo Digitali Docente: Prof. Francesco Amato 1 Schema di un sistema di controllo digitale Controllore digitale r e A/D e* u* D/A u y Processo Sistema a empo-continuo Sistema
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
DettagliCONTROLLI AUTOMATICI Ingegneria Gestionale ANALISI ARMONICA
CONTROLLI AUTOMATICI Ingegneria Gestionale http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANALISI ARMONICA Ing. Federica Grossi Tel. 059 2056333 e-mail: federica.grossi@unimore.it
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
DettagliUn quaternione è un numero complesso con quattro componenti anziché due. Si scrive così :
Un quaternione è un numero complesso con quattro componenti anziché due. Si scrive così : Q = q r + q i i + q j j + q k k ove le quantità q sono numeri reali e i, j e k sono tre unità immaginarie. Quando
DettagliPROCESSI CASUALI 1 Fondamenti di segnf a o lin d e a t m ra e s n mtii s T si L o C ne
PROCESSI CASUALI Fondamenti di segnali Fondamenti e trasmissione TLC Segnali deterministici Un segnale (t) si dice deterministico se è una funzione nota di t, cioè se ad un qualsiasi istante di tempo t
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
DettagliVariabili casuali multidimensionali
Capitolo 1 Variabili casuali multidimensionali Definizione 1.1 Le variabili casuali multidimensionali sono k-ple ordinate di variabili casuali unidimensionali definite sullo stesso spazio di probabilità.
DettagliSinusoide a fase aleatoria
Sinusoide a fase aleatoria x(t) = cos(ωt + ϑ) ϑ U(,π) Caratterizzazione di primo ordine. Fisso un istante di tempo arbitrario t. Siccome ω è costante, posso porre ωt = Φ Ottengo la V.. (Variabile leatoria)
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
DettagliTeoria dei Segnali (19 dicembre 2002)
Teoria dei Segnali (9 dicembre ) II Provetta Esercizio N. (per gli studenti della laurea quinquennale) All ingresso del modulatore in figura c è il segnale m() t cos( Ωt) l inviluppo complesso del segnale
DettagliBrevi richiami su variabili aleatorie e processi stocastici
Appendice Parte 9, 1 Brevi richiami su variabili aleatorie e processi stocastici Richiami di teoria della probabilita` Appendice Parte 9, 2 Esperimento casuale: analisi degli elementi caratteristici dei
DettagliElaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
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
DettagliEsempio di Processo Aleatorio La passeggiata casuale Per ogni kt si genera una v.a. Y Bernoulliana con ( A) ( A) 1 k = 1,2,... { }
Esempio di Processo Aleatorio La passeggiata casuale Per ogni kt si genera una v.a. Y Bernoulliana con ( A) ( A) Se Y = A X{ kt} = X{ ( k 1) T} + 1 k = 1,2,... { } Y = A X{ kt} = X{ ( k 1) T} 1 k = 1,2,...
DettagliProject Scheduling: PERT. Il PERT ha potenzialità superiori rispetto a quelle di un semplice mezzo per la pianificazione ed il controllo.
1. Introduzione Project Scheduling: PERT Il PERT è una tecnica introdotta per la pianificazione ed il controllo di progetti in cui le durate t ij delle singole attività sono delle variabili aleatorie.
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,
DettagliAnalisi nel dominio del tempo delle rappresentazioni in variabili di stato
4 Analisi nel dominio del tempo delle rappresentazioni in variabili di stato Versione del 21 marzo 2019 In questo capitolo 1 si affronta lo studio, nel dominio del tempo, dei modelli di sistemi lineari,
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
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.
DettagliTRASMISSIONE NUMERICA IN BANDA BASE
TRASMISSIONE NUMERICA IN BANDA BASE 1 Fondamenti di segnali Fondamenti e trasmissione TLC Trasmissione numerica in banda base Per trasmettere una sequenza di cifre binarie su un canale di trasmissione
Dettagli) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2,
Esercizi settimana 6 Esercizi applicati Esercizio. Siano X e Y due v.a. discrete indipendenti tali che X B(, ) e Y B(, ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii)
DettagliEsercizi svolti. delle matrici
Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa
DettagliLe condizioni date nel testo del quesito non sono sufficienti per concludere che f(a) = l, perché manca l ipotesi della continuità della funzione.
Matematica per la nuova maturità scientifica A Bernardo M Pedone Questionario Quesito Indicata con f() una funzione reale di variabile reale, si sa che f() l per a, essendo l ed a numeri reali Dire se
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
DettagliTEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI
TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI Ing. Cristian
DettagliAnalisi delle corrispondenze
Capitolo 11 Analisi delle corrispondenze L obiettivo dell analisi delle corrispondenze, i cui primi sviluppi risalgono alla metà degli anni 60 in Francia ad opera di JP Benzécri e la sua equipe, è quello
DettagliTeoria dei Segnali Un esempio di processo stocastico: il rumore termico
Teoria dei Segnali Un esempio di processo stocastico: il rumore termico Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria dei Segnali Il rumore
DettagliAppendice 1. Spazi vettoriali
Appendice. Spazi vettoriali Indice Spazi vettoriali 2 2 Dipendenza lineare 2 3 Basi 3 4 Prodotto scalare 3 5 Applicazioni lineari 4 6 Applicazione lineare trasposta 5 7 Tensori 5 8 Decomposizione spettrale
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
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
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
DettagliI Processi Stocastici
CAPITOLO 3 I Processi Stocastici 3.. Definizione di Processi Stocastici Una distinzione importante tra i segnali è quella che si fa tra segnali predicibili, di cui si può conoscere a priori l evoluzione
Dettagliλ è detto intensità e rappresenta il numero di eventi che si
ESERCITAZIONE N 1 STUDIO DI UN SISTEMA DI CODA M/M/1 1. Introduzione Per poter studiare un sistema di coda occorre necessariamente simulare gli arrivi, le partenze e i tempi di ingresso nel sistema e di
DettagliIngegneria e Tecnologie dei Sistemi di Controllo ANALISI ARMONICA
Ingegneria e Tecnologie dei Sistemi di Controllo ANALISI ARMONICA Luigi Biagiotti DEIS-Università di Bologna Tel. 5 29334 e-mail: lbiagiotti@deis.unibo.it Analisi armonica di sistemi dinamici Analisi nel
DettagliIngegneria e Tecnologie dei Sistemi di Controllo ANALISI ARMONICA
Ingegneria e Tecnologie dei Sistemi di Controllo ANALISI ARMONICA Luigi Biagiotti DEIS-Università di Bologna Tel. 051 2093034 e-mail: lbiagiotti@deis.unibo.it Analisi armonica di sistemi dinamici Analisi
DettagliAnalisi della disponibilità d acqua. Valutazione dell impianto attraverso il calcolo di un indice economico (criterio)
Analisi della disponibilità d acqua Valutazione dell impianto attraverso il calcolo di un indice economico (criterio) Approccio diverso a seconda del criterio di valutazione Nel caso di criterio statistico
DettagliScomposizione in fratti semplici
0.0. 2.2 Scomposizione in fratti semplici Evoluzione forzata di un equazione differenziale: la trasformata di Laplace Y(s) del segnale di uscita y(t) è uguale al prodotto della trasformata di Laplace X(s)
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
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
DettagliANALISI ARMONICA. G(s) Analisi armonica. Funzione di risposta armonica. CONTROLLI AUTOMATICI Ingegneria Meccatronica
CONTROLLI AUTOMATICI Ingegneria Meccatronica http://www.automazione.ingre.unimore.it/pages/corsi/automazione%2industriale.htm ANALISI ARMONICA Analisi armonica di sistemi dinamici Analisi nel dominio del
DettagliLe variabili casuali o aleatorie
Le variabili casuali o aleatorie Intuitivamente un numero casuale o aleatorio è un numero sul cui valore non siamo certi per carenza di informazioni - ad esempio la durata di un macchinario, il valore
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 6 1. Si consideri un campione di 69 persone
DettagliS n π/2 -π MASB 21/01/11 1
MASB 1/01/11 Esercizio 1. Descrivere le differenze tra segnale temporale ed imagine, nei termini di informazione associata e dimensionalità del dato. Dire se tramite tali misure si possono descrivere fenomeni
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)
DettagliAnalisi dei Sistemi Esercitazione 1
Analisi dei Sistemi Esercitazione Soluzione 0 Ottobre 00 Esercizio. Sono dati i seguenti modelli matematici di sistemi dinamici. ÿ(t) + y(t) = 5 u(t)u(t). () t ÿ(t) + tẏ(t) + y(t) = 5sin(t)ü(t). () ẋ (t)
DettagliDispense del corso di Elettronica L Prof. Guido Masetti
Dispense del corso di Elettronica L Prof. Guido Masetti Teoria dei Segnali e Sistemi 1 Sommario Architettura dei sistemi per l'elaborazione dell'informazione Informazione e segnali Teoria dei segnali Analisi
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
DettagliUnità 3 Segnali a potenza media finita e conversione A/D
Teoria dei segnali Unità 3 e conversione A/D e conversione A/D Rappresentazione in frequenza Segnali periodici Conversione A/D 005 Politecnico di Torino Obiettivi Introdurre gli strumenti per l analisi
DettagliUNIVERSITÀ DEGLISTUDIDIPAVIA Laurea in Ingegneria Elettronica e Informatica
7.09.0 Problema L interruttore indicato nel circuito in figura commuta nell istante t 0 dalla posizione AA alla posizione BB. Determinare le espressioni delle tensioni v (t) ev (t) per ogni istante di
Dettagliarrivi in un tempo t è pari a λ*t, come si può ricavare dalla media su k della distribuzione di Poisson :
Sistema di coda ad un canale con arrivi poissoniani e tempi di servizio esponenziali. Si può dimostrare che assumere il tasso degli arrivi costante e pari a equivale ad assumere per gli intervalli fra
DettagliElaborazione statistica di dati
Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:
DettagliDispense del corso di Elettronica L Prof. Guido Masetti
Dispense del corso di Elettronica L Prof. Guido Masetti Teoria dei Segnali e Sistemi Sommario Architettura dei sistemi per l'elaborazione dell'informazione Informazione e segnali Teoria dei segnali Analisi
DettagliLa funzione di risposta armonica
Funzione di risposta armonica - Corso di Laurea in Ingegneria Meccanica Controlli Automatici L La funzione di risposta armonica DEIS-Università di Bologna Tel. 5 2932 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi
Dettagli8. Sistemi di Modulazione Numerica in banda-base. Modulo TLC:TRASMISSIONI Modulazione numerica in banda base
1 8. Sistemi di Modulazione Numerica in banda-base Modulazione e Demodulazione numerica 2 sequenza numerica segnale analogico...0010111001... modulatore numerico x(t) sequenza numerica...0010011001...
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
DettagliIngegneria Informatica. Prof. Claudio Melchiorri DEIS-Università di Bologna Tel
CONTROLLI AUTOMATICI LS Ingegneria Informatica Sistemi a Dati Campionati Prof. DEIS-Università di Bologna Tel. 51 29334 e-mail: claudio.melchiorri@unibo.it http://www-lar lar.deis.unibo.it/people/cmelchiorri
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
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
DettagliANALISI ARMONICA. G(s) Analisi armonica. Funzione di risposta armonica
CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANALISI ARMONICA Analisi
DettagliCONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa
CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANALISI ARMONICA Ing. Luigi
DettagliEsercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale
Esercizi svolti 1. Matrici e operazioni fra matrici 1.1 Date le matrici 1 2 1 6 A = B = 5 2 9 15 6 risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale Osservazione iniziale: qualunque
DettagliLuigi Piroddi
Automazione industriale dispense del corso (a.a. 2008/2009) 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul
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)
Dettagli' $ Teoria del traffico & % 1
Teoria del traffico Andamento della distribuzione di Poisson P(k) = (λt)k k! e λt 1 k=0 k=1 k=2 k=3 0.8 0.6 P(k) 0.4 0.2 0 0 1 2 3 4 5 λt Proprietá La sovrapposizione di h processi di Poisson aventi frequenze
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
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
Dettagli