Filtro Rumore. Generare un segnale, introdurre un rumore, utilizzare la DFT e la IDFT per eliminare il rumore e ottenere il segnale pulito.
|
|
- Bianca Bassi
- 5 anni fa
- Visualizzazioni
Transcript
1 1. DESCRIZIONE DEL PROBLEMA "Filtro rumore" Generare un segnale, introdurre un rumore, utilizzare la DFT e la IDFT per eliminare il rumore e ottenere il segnale pulito. 2. DESCRIZIONE DELL ALGORITMO L elaborato utilizza due funzioni per generare il segnale da trasmettere ed il rumore: sign_orig.m : function che genera il segnale da trasmettere sulla base dei parametri passati. sign_noise.m : function che genera il rumore sulla base dei parametri passati. più una funzione di utilità per realizzare un filtro passa-banda: H.m : function che realizza il filtro passabanda. C è poi il file noise_filter.m che implementa le richieste dell elaborato usando le function descritte sopra. Inoltre è stato introdotto anche un ulteriore interfaccia grafica nel file " ui.m". 2.1 function " noise_filte r.m" La function simula la trasmissione di un segnale su di un canale rumoroso. function noise_filter( dt, tf, a, b, k, v) path( path, '../utils'); if ( nargin ~= 6) error ('noise_filter needs 6 arguments: noise_filter(dt, tf, a, b, k, v)' ); if ( isempty( dt) ~ isnumeric( dt)) dt = 0.001; if ( isempty( tf) ~ isnumeric( tf)) tf = 2; if ( isempty( a) ~ isnumeric( a)) a = 5; if ( isempty( b) ~ isnumeric( b)) b = 10; if ( isempty( k) ~ isnumeric( k)) k = 5; if ( isempty( v) ~ isnumeric( v)) v = 15; t = 0: dt: tf; fc = 1/ dt; n = length( t); s = sign_orig( t, a, b ); % generazione segnale Pagina 2
2 figure( 1) subplot( 1, 1, 1), plot( t, s, 'g'); title ('Segnale originale' ); r = sign_noise( t, v, k ); % generazione rumore figure( 1) subplot( 2, 1, 1), plot( t, s, 'g'); title ('Segnale originale' ); subplot( 2, 1, 2), plot( t, r, 'r'); title ('Rumore') c = s + r ; % segnale trasmesso sul canale figure( 1) subplot( 3, 1, 1), plot( t, s, 'g'); title ('Segnale originale' ); subplot( 3, 1, 2), plot( t, r, 'r'); title ('Rumore') subplot( 3, 1, 3), plot( t, r + s, 'b'); title ('Segnale + Rumore' ) S = fft( s, n ); amps = abs( S( 1: floor( n/ 2)+ 1 )); Fs = ( 0: n/ 2)* fc/ n ; R = fft( r, n ); ampr = abs( R( 1: floor( n/ 2)+ 1 )); Fr = ( 0: n/ 2)* fc/ n ; % calcolo della fft sul segnale originale % calcolo delle ampiezze sulla prima metà delle frequenze % prime n/2 frequenze % calcolo della fft sul rumore % calcolo delle ampiezze sulla prima metà delle frequenze % prime n/2 frequenze figure( 2) subplot( 2, 1, 1), stem( Fs, amps, 'g'); title ('Spettro Segnale originale' ); subplot( 2, 1, 2), stem( Fr, ampr, 'r'); title ('Spettro Rumore' ) C = fft( c, n ); ampc = abs( C( 1: floor( n/ 2)+ 1 )); Fc = ( 0: n/ 2)* fc/ n ; f0 = floor(( a + b)/ 2 ); % calcolo della fft sul segnale trasmesso % calcolo delle ampiezze sulla prima metà delle frequenze % prime n/2 frequenze % frequenza "media" segnale originale B = max([ a b]) - min([ a b ]); CR = H( Fc, C, f0, B ); % banda filtro % applicazione filtro passabanda [f0, B] ampcr = abs( CR( 1: floor( n/ 2)+ 1 )); % calcolo ampiezze segnale filtrato sr = real( ifft( CR, n)); figure( 3) subplot( 2, 1, 1), stem( Fc, ampc, 'b'); title ('Spettro Segnale + Rumore' ); subplot( 2, 1, 2), stem( Fc, ampcr, 'g'); title ('Spettro Segnale Filtrato' ) figure( 4) subplot( 2, 1, 1), plot( t, s, 'g'); title ('Segnale Originale' ); subplot( 2, 1, 2), plot( t, sr, 'b'); title ('Segnale Ricostruito' ) Pre come parametri di Input: tf orizzonte temporale, il tempo massimo da considerare. (default è 2) dt -> passo di campionamento segnali. (default è 0.001) a -> frequenza prima armonica del segnale. (default è 5) b -> frequenza seconda armonica del segnale. (default è 10) k -> ampiezza del rumore. (default è 5) v -> frequenza del rumore. (default è 15) Pagina 3
3 1. Figura che rappresenta i segnali in ingresso al canale (segnale + rumore) 2. Figura che mostra gli spettri dei segnali a monte 3. Figura che mostra gli spettri dei segnali a valle: segnale trasmesso segnale filtrato 4. Figura che effettua il confronto tra segnale originale e segnale ricostruito Il programma implementa per la propria robustezza le seguenti eccezioni: il programma ripiega su valori di default quando i parametri di input sono omessi il programma restituisce errore quando si inseriscono valori non corretti per i parametri delle funzioni sign_orig, sign_noise che prevedono come ingressi solo valori numerici 2.2 function " sign_orig.m" La function produce un segnale con due armoniche a frequenza a e b SIGN_ORIG (t) SIGN_ORIG (t, a) SIGN_ORIG (t, a, b) sin(2*pi*5*t) + sin(2*pi*10*t) sin(2*pi*a*t) + sin(2*pi*10*t) sin(2*pi*a*t) + sin(2*pi*b*t) function [ s ] = sign_orig( t, a, b ) a_def = 5; b_def = 10; if ( nargin < 2) a = a_def; if (~ isnumeric( a)) error ('a in not a number' ) if ( nargin < 3) b = b_def; if (~ isnumeric( b)) error ('b in not a number' ) s = sin( 2* pi* a* t) + sin( 2* pi* b* t); Ha come parametri di Input: t - orizzonte dei tempi segnale a - frequenza prima armonica s b - frequenza seconda armonica s Restituo come Output: Pagina 4
4 s(t, a, b) - segnale di armoniche a frequenza a e b 2.3 function " sign_noise.m" La function produce un segnale rumoroso di ampiezza k e frequenza f SIGN_NOISE(t) SIGN_NOISE(t, f) SIGN_NOISE(t, f, k) 5*sin(2*pi*15*t) 5*sin(2*pi*f*t) k*sin(2*pi*f*t) function [ r ] = sign_noise( t, f, k ) f_def = 15; k_def = 5; if ( nargin < 2) f = f_def; if (~ isnumeric( f)) error ('f in not a number' ) if ( nargin < 3) k = k_def; if (~ isnumeric( k)) error ('k in not a number' ) r = k* sin( 2* pi* f* t); Ha come parametri di Input t - orizzonte dei tempi rumore f - frequenza del rumore k - ampiezza del rumore Restituo come Output: r(t, f, k) - rumore di ampiezza k e frequenza f nei punti t 2.4 function H.m La function implementa un filtro passa banda. function [ Y ] = H( f, X, f0, B ) n = length( X); H = zeros( 1, n); set = find( f <= f0+ B & f >= f0- B); H( set) = 1; Pagina 5
5 find( H> 0); Y = H.* X; Y( n+ 2- set) = 0; La funzione riceve come Input: l'orizzonte spettrale f il segnale X la frequenza centrale del filtro f0 la banda B restituo come Output: il segnale filtrato 2.5 function " ui.m" Questo script produce un interfaccia testuale interattiva per consentire all utente di inserire i parametri con cui invocare la function filter_noise.m. clear all; clc; disp ('### NOISE FILTER ###'); % inserimento input del programma fprintf ('\nconfigurazione\n \n' ); tf = input (' Orizzonte temporale [2]: '); tf = cast( tf, 'double'); if ( isempty( tf)) tf = 2; dt = input (' Passo dt [0.001]: '); dt = cast( dt, 'double'); if ( isempty( dt)) dt = 0.001; %% Visualizzazione parametri inseriti % Il sistema ricapitola i dati inseriti nel sistema: % ricapitolazione configurazione corrente fprintf ('\nparametri\n \n' ); fprintf (' dt \t= %6.4f \t- passo di campionamento\n', dt); fprintf (' tf \t= %6.4f \t- orizzonte temporale\n', tf); disp ('Creazione del segnale di originale s(t) = sin(2*pi*a*t) + sin(2*pi*b*t)' ); a = input ('a [5]: '); % frequenza prima componente b = input ('b [10]: '); % frequenza seconda componente disp ('Creazione del segnale di rumore r(t) = k*sin(2*pi*v*t)' ); k = input ('k [5]: '); % ampiezza rumore v = input ('v [15]: '); % frequenza rumore Pagina 6
6 noise_filter( dt, tf, a, b, k, v ); % invoco filter_noise 3. ECCEZIONI PREVISTE Nella funcion filter_noise.m sono stati inseriti questi controlli: Il programma implementa per la propria robustezza le seguenti eccezioni: il programma ripiega su valori di default quando i parametri di input sono omessi; il programma restituisce errore quando si inseriscono valori non corretti per i parametri delle funzioni sign_orig, sign_noise che prevedono come ingressi solo valori numerici; 4. ESEMPI D USO Nell esempio d uso invochiamo lo script ui.m per inserire i dati e scegliamo per brevità di utilizzare i valori di default non insero particolari valori. Pagina 7
7 Pagina 8
8 Pagina 9
9 Pagina 10
10 Pagina 11
Codifica-Decodifica DTMF
1. DESCRIZIONE DEL PROBLEMA "Codifica-Decodifica DTMF" Function file deve implementa: 1. La codifica DTMF di un numero di telefono di 7 cifre. Il segnale generato è costituito per ogni cifra da un tono
DettagliPage Rank. Guerra Stefano. 1. DESCRIZIONE DEL PROBLEMA "Page Rank" 2. DESCRIZIONE DELL ALGORITMO. Pagina 2
1. DESCRIZIONE DEL PROBLEMA "" Realizzare un Function file che implementa (l algoritmo PageRank di Google per l ordinamento dei siti web). Parametri di input: G matrice sparsa di adiacenze relativa ad
DettagliMETODI ITERATIVI DI JACOBI E GAUSS-SEIDEL
1. DESCRIZIONE DEL PROBLEMA Function file che implementa: L algoritmo di Jacobi o di Gauss Seidel per la risoluzione di un sistema lineare Ax=b con A sparsa (generata dall utente con il comando sparse).
DettagliLezione n.1 - Soluzioni
Lezione n.1 - Soluzioni Laboratorio di Telecomunicazioni L.Verdoliva 1 Generazione di segnali a tempo discreto Di seguito trovate il codice che consente di generare un impulso triangolare compreso tra
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
DettagliUNIVERSITA DEGLI STUDI DI ROMA TOR VERGATA
UNIVERSITA DEGLI STUDI DI ROMA TOR VERGATA Dipartimento di Ingegneria Industriale Corso di studio in Ingegneria Meccanica/Energetica Esame di Fondamenti di Informatica sessione estiva appello I A.A. 2015/16
DettagliUD4 - MATLAB. M-file. Efficienza degli algoritmi. Formati d uscita
UD4 - MATLAB M-file. Efficienza degli algoritmi. Formati d uscita M-files In MatLab è possibile eseguire istruzioni contenute in file esterni; Tali file sono chiamati M-file perché devono avere estensione.m
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)
DettagliIntroduzione a Matlab
Dipartimento di Matematica e Informatica Università di Cagliari 25 29 gennaio 2016 Analisi Numerica L Analisi Numerica è lo studio degli algoritmi per i problemi della matematica del continuo. Caratteristiche
DettagliAnalisi dei segnali nel dominio delle frequenze 21/12/2006 11/01/2007
Analisi dei segnali nel dominio delle frequenze 2/2/26 //27 INDICE 2 Indice Esercizio Serie di Fourier 3 2 Trasformata di Fourier 3 3 Esercizio Trasformata di Fourier 6 4 Note: finestratura 9 5 Note: averaging
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,
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
DettagliComunicazioni su Linee Elettriche
Università degli Studi di Parma. Facoltà di Ingegneria Comunicazioni su Linee Elettriche Dottorando: Riccardo Pighi Tutor: Prof. Ing. Riccardo Raheli Dottorato in Tecnologie dell Informazione XVIII Ciclo
DettagliComunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 2017-2018 Esercitazione 18 Spread Spectrum / DS-CDMA CDMA Si basa sulla tecnica di Spread-Spectrum
DettagliInterfaccia grafica SPTool di Matlab per
Interfaccia grafica SPTool di Matlab per l analisi dei segnali nel dominio del discreto e della frequenza, e l elaborazione dei segnali con il dimensionamento di filtri Appunti a cura dell Ing. Marco Deidda
DettagliRappresentazione digitale del suono
Rappresentazione digitale del suono Perché rappresentazione del suono Trasmettere a distanza nel tempo e nello spazio un suono Registrazione e riproduzione per tutti Elaborazione del segnale audio per
Dettagli2010 Esercitazioni di Strumentazione Virtuale
2010 Esercitazioni di Strumentazione Virtuale 1. Generatore di segnale (FOR, CASE, WHILE) Possibilità di impostare: ampiezza del segnale [V] tipo di segnale (sinusolidale o cosinusoidale) Visualizzazione
DettagliLaboratorio di Elaborazione di Dati, Segnali e Immagini Biomediche (Parte 5)
Università degli Studi di Padova - Facoltà di Ingegneria Corso di Laurea in Ingegneria Biomedica A.A. 7-8 Laboratorio di Elaborazione di Dati, Segnali e Immagini Biomediche (Parte 5) Prof. Giovanni Sparacino
DettagliLa modulazione numerica
La modulazione numerica Mauro Giaconi 26/05/2009 trasmissione numerica 1 Principi di modulazione numerica 26/05/2009 trasmissione numerica 2 Modulazione numerica La modulazione trasla l informazione di
Dettagli01CXGBN Trasmissione numerica. parte 11: modulazione 2-PAM
0CXGBN Trasmissione numerica parte : modulazione 2-PAM PARTE 2: Modulazioni Numeriche 2 Modulazioni: introduzione Per ogni modulazione considereremo: Caratteristiche generali Costellazione (insieme di
DettagliI concetti di risoluzione e selettività
I concetti di risoluzione e selettività FILTRO IDEALE G(f) 3 db 60 db RBW = B -3dB SEL B B 60dB 3dB 1 f 0 f B -3 db B -60 db I concetti di risoluzione e selettività FILTRO REALE G(f) 3 db 60 db RBW = B
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
DettagliElementi di informatica musicale Conservatorio G. Tartini a.a Sintesi del suono. Sintesi del suono
Elementi di informatica musicale Conservatorio G. Tartini a.a. 2001-2002 Sintesi del suono Ing. Antonio Rodà Sintesi del suono E neccessaria una tecnica di sintesi, ossia un particolare procedimento per
DettagliInformatica Applicata al Suono Tutorial Matlab
Prof. Mario Malcangi malcangi@di.unimi.it MATLAB è un linguaggio di alto livello e un ambiente interattivo per il calcolo numerico, l'analisi e la visualizzazione dei dati e la programmazione. MATLAB consente
DettagliElaborazione di dati e segnali biomedici Esercitazione n 4
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %% Esercitazione n 4 %% %% %% %% %% %% %% %% Filtri numerici: %% %% - derivatori (ideale e differenze centrali) %% %% - filtro a coefficienti interi
DettagliFONDAMENTI DI INFORMATICA
FONDAMENTI DI INFORMATICA CENNI ELEMENTARI AL TEOREMA DEL CAMPIONAMENTO E SPETTRO DI UN SEGNALE Prof. Alfredo Accattatis Fondamenti di Informatica - Alfredo Accattatis 2 Vi ricordate la slide introdotta
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
DettagliCalcolo numerico per utilizzare i residui di udito
Calcolo numerico per utilizzare i residui di udito Andrea Trucco, Ph.D. Dipartimento Ingegneria Biofisica ed Elettronica DIBE - Università di Genova trucco@ieee.org 1 Segnale audio Variazione della pressione
DettagliEsercizi scalari. 10*10^6 + 3; (Usare la notazione esponenziale) coseno(30 ) - seno(pi greco/2) + pi greco /6 (0.3896)
Esercizi scalari 10*10^6 + 3; (Usare la notazione esponenziale) coseno(30 ) - seno(pi greco/2) + pi greco /6 (0.3896) (3j+2)/(4+5J) (0.5610 + 0.0488i) a=42; b=25; c=a* b Risultato c=210 Cancellare b dal
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,
DettagliQuesta viene trasmessa sul canale (wireless o wired). In questo corso, modellizzeremo il canale di trasmissione come un canale Gaussiano bianco
Canale di trasmissione Dati una costellazione M un labeling binario e è possibile associare alle sequenze binarie di informazione u da trasmettere una forma d onda s(t). Questa viene trasmessa sul canale
DettagliRegistro di Matematica Applicata /18 - Dott.ssa L. Fermo 2
Registro delle lezioni di CALCOLO SCIENTIFICO E METODI NUMERICI Corsi di Laurea in Informatica 6 CFU - A.A. 2018/2019 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 15 dicembre 2018 1. Martedì 25/09/2018,
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
DettagliAnalizzatore di spettro a scansione con generatore di tracking. Strumenti per l analisi del segnale p.11/24
Analizzatore di spettro a scansione con generatore di tracking ) di un quadripolo lineare. Rilievo della risposta in frequenza ( A * ) ( +. $#%! / * +, ' & $#% A "! Strumenti per l analisi del segnale
DettagliMagneto Encefalo Gra/ia. A cura di Compagnucci Luca De Giorgi Chiara
Magneto Encefalo Gra/ia A cura di Compagnucci Luca De Giorgi Chiara La MEG (Magnetoencefalogra:ia) è una tecnica di imaging non invasiva per lo studio delle funzioni cerebrali. In particolare questa tecnica
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)
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
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 tema proposto può essere risolto seguendo due ipotesi:
Per la trattazione delle tecniche TDM, PM e Trasmissione dati si rimanda alle schede 41, 42, 43, 44, 45, 46, 47 e 48 del libro Le Telecomunicazioni del Prof. F. Dell Aquila. Il tema proposto può essere
DettagliOFDM. Orthogonal Frequency Division Multiplexing. Remo Pomposini
OFDM Orthogonal Frequency Division Multiplexing Remo Pomposini tempo Modulazione a portante singola Modula le informazioni sulla portante tramite adattamento di frequenza, fase o ampiezza Alto bitrate
DettagliEsercitazione 1 Conversione di base
Esercitazione 1 Conversione di base A.A. 2017-18 Esercizio 1 (M) Scrivere un programma che esegua la conversione di un numero reale qualunque da base 10 a base β {2,..., 16}, utilizzando gli M-function
DettagliElaborazioni nel dominio della frequenza
Elaborazione di Segnali Multimediali a.a. 2017/2018 Elaborazioni nel dominio della frequenza L.Verdoliva In questa esercitazione elaboreremo le immagini nel dominio della frequenza, in particolare realizzeremo
DettagliEsercitazione: Elaborazione Numerica di Segnali Tempovarianti
Laboratorio di Misura delle Vibrazioni Anno Accademico 217-18 Esercitazione: Elaborazione Numerica di Segnali Tempovarianti 1) Algebra complessa in Excel Excel consente di eseguire calcoli anche con valori
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
DettagliISTRUZIONI PER LA CONSEGNA DEI FILE MATLAB
Calcolo Numerico ed Elementi di Analisi - Allievi AEROSPAZIALI Proff. S. Micheletti, S. Perotto A.A. 20/202, Appello 28 Gennaio 203 NOME... COGNOME... MATRICOLA... DOCENTE... AULA... PC... Ver.A I seguenti
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
DettagliIntroduzione ai sistemi di trasmissione dell Informazione
Introduzione ai sistemi di trasmissione dell Informazione La trasmissione dell Informazione Sorgente Destinazione Trasformazione & Elaborazione Mezzo Trasmissivo Host A Host B Struttura reale di una interconnessione
DettagliPrimi script in MATLAB
Primi script in MATLAB Laboratorio di Calcolo Numerico 6 Marzo 2018 Introduzione alla programmazione Obiettivo: scrivere programmi e sviluppare algoritmi in MATLAB Si utilizzano gli m-file, ovvero file
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
DettagliTeoria dei Segnali. Tema d'esame. Soluzione compito di Teoria dei Segnali
Soluzione compito di 3/03/00 A cura di Francesco Alesiani Esercizio Si consideri un sistema di comunicazione che può essere modellizzato come la cascata di due canali simmetrici indipendenti con probabilità
DettagliUNIVERSITÀ DEGLI STUDI DI PAVIA FACOLTÀ DI INGEGNERIA. Introduzione a Matlab
UNIVERSITÀ DEGLI STUDI DI PAVIA FACOLTÀ DI INGEGNERIA Introduzione a Matlab MATLAB MATLAB (abbreviazione di Matrix Laboratory) è un ambiente per il calcolo numerico e un linguaggio di programmazione (interpretato)
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
DettagliM149 - ESAME DI STATO DI ISTITUTO TECNICO INDUSTRIALE
Pag. 1/1 Sessione ordinaria 2007 Seconda prova scritta M149 - ESAME DI STATO DI ISTITUTO TECNICO INDUSTRIALE CORSO DI ORDINAMENTO Indirizzo: ELETTRONICA E TELECOMUNICAZIONI Tema di: TELECOMUNICAZIONI (Testo
DettagliComunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 2017-2018 Orthogonal Frequency Division Multiplexing OFDM Orthogonal Frequency Division Multiplexing
DettagliCANALE STAZIONARIO CANALE TEMPO INVARIANTE
CANALE STAZIONARIO Si parla di un Canale Stazionario quando i fenomeni che avvengono possono essere modellati da processi casuali e le proprietà statistiche di tali processi sono indipendenti dal tempo.
DettagliAudacity Esercitazione 3
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Anno Accademico 2008/2009 Docente: ing. Salvatore
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.
DettagliEsercitazione 1 Conversione di base
Esercitazione 1 Conversione di base A.A. 2018-19 Esercizio 1 (M) Siano assegnati i due M-script file conv10b.m e conv10f.m (in allegato). 1. Convertire gli M-script file a M-function file con chiamata
DettagliIntegrazione tra simulazione numerica e dati reali in procedure automatiche di collaudo
Integrazione tra simulazione numerica e dati reali in procedure automatiche di collaudo Multisim Connectivity Toolkit Studente: Moreno Favaro mtr:545282 Relatore: Ch.mo prof. A. Sona Università degli studi
Dettagli1. Date due matrici S e T di uguali dimensioni, definiamo la somma delle differenze assolute: numrighe. numcol SAD=5&
Esercitazione: 19/06/2015 1. Date due matrici S e T di uguali dimensioni, definiamo la somma delle differenze assolute: SAD(T, S) = numrighe i=1 numcol j=1 S(i, j) T(i, j) Scrivere un programma C che implementa
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 SUL CAMPIONAMENTO
ESERCIZIO SUL CAMPIONAMENTO Questo esercizio ha lo scopo di verificare praticamente, mediante simulazione, le proprietà frequenziali dei segnali campionati. Si consideri il segnale x() t = sin ( 2πt )
DettagliFONDAMENTI DI SEGNALI E TRASMISSIONE 5 Laboratorio
FONDAMENTI DI SEGNALI E TRASMISSIONE 5 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it Campionamento di segnali In MATLAB, qualunque segnale continuo è approssimato da una sequenza campionata. Si
DettagliProve d esame Esercizi con Matlab
Prove d esame Esercizi con Matlab Andrea Corli 16 settembre 2015 Sono qui raccolti alcuni esercizi relativi a Matlab assegnati nelle prove d esame (dal 2011 al 2014) del Corso di Analisi Matematica I (semestrale,
DettagliSegnali Numerici. Segnali Continui
Segnali Continui La descrizione dell andamento nel tempo di un fenomeno fisico è data da una funzione continua nel tempo (X) e nelle ampiezze (Y) Il segnale analogico è una serie continua di valori x e
DettagliElaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. I suoni Rappresentazione digitale
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Anno Accademico 2008/2009 Docente: ing. Salvatore
DettagliIntroduzione a Matlab (e al Calcolo Numerico)
Introduzione a Matlab (e al Calcolo Numerico) Giuseppe Rodriguez Università di Roma Tor Vergata Seminario nell ambito del corso di Fondamenti di Informatica per gli studenti di Ingegneria Meccanica e Ingegneria
DettagliHomework 4 Corso di Fondamenti di Comunicazioni
Homework 4 orso di Fondamenti di omunicazioni nno ccademico 2003/2004 xx/yy/2003 Principi della Modulazione nalogica Esercizio (27*) Il segnale, modulato DSB, viene moltiplicato per una portante locale
DettagliConversione Analogica-Digitale e Digitale-Analogica
Elementi di informatica musicale Conservatorio G. Tartini a.a. 2001-2002 Conversione Analogica-Digitale e Digitale-Analogica Ing. Antonio Rodà A / D (fonte C. Roads) 1 Campionamento Il campionamento di
DettagliProcedura operativa per la gestione della funzione di formazione classi prime
Procedura operativa per la gestione della funzione di formazione classi prime Questa funzione viene fornita allo scopo di effettuare la formazione delle classi prime nel rispetto dei parametri indicati
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
DettagliEsercitazioni con GNU Octave
appendice A Esercitazioni con GNU Octave GNU Octave può essere scaricato dalla seguente pagina: https://www.gnu.org/software/octave/download.html L elenco dei concetti, delle funzioni e degli operatori
DettagliSpazio Riservato alla Commissione. Seconda Prova Intracorso di Fondamenti di Informatica 15/06/2018
Nome Cognome Matricola Firma Traccia 2 Spazio Riservato alla Commissione Esercizio 1 Esercizio 2 Esercizio 3 Totale Seconda Prova Intracorso di Fondamenti di Informatica 15/06/2018 Ingegneria Chimica Dipartimento
Dettagli7. Trasmissione Numerica in Banda Traslata
1 INFO-COM Dpt. Dipartimento di Scienza e Tecnica dell Informazione e della Comunicazione Università degli Studi di Roma La Sapienza 7. Trasmissione Numerica in Banda Traslata TELECOMUNICAZIONI per Ingegneria
DettagliPage 1. Elettronica delle telecomunicazioni 2003 DDC 1. Politecnico di Torino Facoltà dell Informazione. Contenuti del Gruppo B
Modulo Politecnico di Torino Facoltà dell Informazione Elettronica delle telecomunicazioni Anelli ad aggancio di fase (PLL) B5 - Sintetizzatori, DDS, 4046» sintetizzatori a interi» sintetizzatori frazionari»
DettagliMetodi di Analisi dei Dati Sperimentali. AA 2009/2010 Pier Luca Maffettone. Elementi di Matlab
Metodi di Analisi dei Dati Sperimentali AA /2010 Pier Luca Maffettone Elementi di Matlab Sommario Introduzione Variabili Manipolazione di elementi Creazione di vettori/matrici Operazioni elementari Funzioni
DettagliANALISI SPETTRALE NUMERICA (Aspetti di misura)
ANALISI SPETTRALE NUMERICA (Aspetti di misura) ARGOMENTI Problemi di misura con la FFT Aliasing Spectral leakage (dispersione spettrale) Funzioni finestra Uso e importanza Caratteristiche Ricadute positive
DettagliEsercitazione N.1 per il corso di SISTEMI DI TELECOMUNICAZIONI 1 Filtro notch e canna d organo
Esercitazione N.1 per il corso di SISTEMI DI TELECOMUNICAZIONI 1 Filtro notch e canna d organo 5 ottobre 2006 1 Scopo dell esercitazione Quest esercitazione è divisa in due parti: simulazione di un tubo
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
DettagliSviluppo in serie di Fourier
Laboratorio di Telecomunicazioni - a.a. 2010/2011 Lezione n. 6 Sviluppo in serie di Fourier docente L.Verdoliva In questa quinta lezione affrontiamo il problema dell analisi di un segnale periodico discreto
DettagliLezione 12. Azione filtrante dei sistemi dinamici. F. Previdi - Automatica - Lez. 12 1
Lezione. Azione filtrante dei sistemi dinamici F. Previdi - Automatica - Lez. Schema della lezione. Introduzione. Filtro passa-basso 3. Filtro passa-alto 4. Risonanza F. Previdi - Automatica - Lez. . Introduzione
DettagliGenerazione della portante sinusoidale
6 Generazione della portante sinusoidale In questo capitolo vengono illustrati due metodi per la generazione di portante sinusoidale affetta da rumore di fase. Un metodo produce un segnale simulato quantizzato
DettagliDFT con arduino. Laboratorio di Segnali e Sistemi. - Esercitazione -9 - Claudio Luci. Claudio Luci Laboratorio di Segnali e Sistemi Capitolo 9 1
Laboratorio di Segnali e Sistemi DFT con arduino - Esercitazione -9 - Claudio Luci last update : 070117 Claudio Luci Laboratorio di Segnali e Sistemi Capitolo 9 1 Click Scopo to edit dell esercitazione
DettagliLaboratorio di Elaborazione di Immagini. Esercitazione 2: TRASFORMATA DI FOURIER
Laboratorio di Elaborazione di Immagini Esercitazione 2: TRASFORMATA DI FOURIER Serie di Fourier Fourier ebbe la brillante idea di rappresentare funzioni continue e periodiche come una sommatoria di funzioni
DettagliAnalizzatore di spettro. Generalità sull analisi spettrale. Analizzatori a scansione. Analizzatori a doppia conversione. Analizzatore di spettro
Analizzatore di spettro Analizzatore di spettro Analizzatori a scansione Analizzatori a doppia conversione 2 2006 Politecnico di Torino 1 Obiettivi della lezione Metodologici come eseguire l analisi spettrale
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) = ( )
DettagliLSS ADC DAC. Piero Vicini A.A
LSS 2016-17 ADC DAC Piero Vicini A.A. 2016-2017 Conversione Digitale-Analogica La conversione digitale-analogica (DAC, Digital to Analog Conversion) permette di costruire una tensione V (o una corrente
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
DettagliElaborazione numerica dei segnali: analisi delle caratteristiche dei segnali ed operazioni su di essi. Mauro Biagi
Elaborazione numerica dei segnali: analisi delle caratteristiche dei segnali ed operazioni su di essi Mauro Biagi Outline Dall analogico al digitale Quantizzazione dell inormazione Trasormate di Fourier
DettagliFluidi magnetoreologici (MR)
Identificazione del sistema elettrico di un ammortizzatore magnetoreologico Cristiano Spelta spelta@elet.polimi.it Fluidi magnetoreologici (MR) 2 Inventati negli anni quaranta. Consistono in una sospensione
DettagliSIGNAL PROCESSING. Progetto alternanza scuola lavoro Svolto da : Victor Bianconi, Federico Ranocchia, Pietro Bordellini, Romani Tommaso
SIGNAL PROCESSING Progetto alternanza scuola lavoro Svolto da : Victor Bianconi, Federico Ranocchia, Pietro Bordellini, Romani Tommaso Tutoraggio interno di : Fabrizio Frescura e Giuseppe Baruffa OBIETTIVI
DettagliElaborazione nel dominio della frequenza
Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazione nel dominio della frequenza L.Verdoliva In questa esercitazione esamineremo la trasformata di Fourier discreta monodimensionale e bidimensionale.
DettagliEsercitazione 00 Introduzione a Matlab
1 Esercitazione 00 Introduzione a Matlab Corso di Strumentazione e Controllo di Impianti Chimici Prof. Davide Manca Tutor: Giuseppe Pesenti PSE-Lab 2 Tutor: Giuseppe Pesenti giuseppe.pesenti@polimi.it
DettagliSegnale Analogico. Forma d onda continua
Segnale Analogico Forma d onda continua Rumore Segnale Analogico + Rumore Il rumore si sovrappone al segnale e lo altera, impossibile separare il segnale dal rumore Segnale Digitale Ideale Segnale discreto,
DettagliTraccia 1. Nome Cognome Matricola Firma. Spazio Riservato alla Commissione. Esercizio 1 Esercizio 2 Esercizio 3 Esercizio 4 Esercizio 5 Totale
Nome Cognome Matricola Firma Traccia 1 Spazio Riservato alla Commissione Esercizio 1 Esercizio 2 Esercizio 3 Esercizio 4 Esercizio 5 Totale Appello di Fondamenti di Informatica 12/09/2017 POSSIBILI SOLUZIONI
DettagliElaborazione nel dominio della frequenza Soluzioni
Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazione nel dominio della frequenza Soluzioni 1 La trasformata discreta 1D Calcoliamo lo spettro di x(n) = R L (n) al variare di L = 2, 10, 20,
Dettagli