Filtro Rumore. Generare un segnale, introdurre un rumore, utilizzare la DFT e la IDFT per eliminare il rumore e ottenere il segnale pulito.

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Filtro Rumore. Generare un segnale, introdurre un rumore, utilizzare la DFT e la IDFT per eliminare il rumore e ottenere il segnale pulito."

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

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

Dettagli

Page Rank. Guerra Stefano. 1. DESCRIZIONE DEL PROBLEMA "Page Rank" 2. DESCRIZIONE DELL ALGORITMO. Pagina 2

Page 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

Dettagli

METODI ITERATIVI DI JACOBI E GAUSS-SEIDEL

METODI 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).

Dettagli

Lezione n.1 - Soluzioni

Lezione 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

Dettagli

FONDAMENTI DI SEGNALI E TRASMISSIONE 4 Laboratorio

FONDAMENTI 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

Dettagli

UNIVERSITA DEGLI STUDI DI ROMA TOR VERGATA

UNIVERSITA 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

Dettagli

UD4 - MATLAB. M-file. Efficienza degli algoritmi. Formati d uscita

UD4 - 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

Dettagli

1 = Processi Autoregressivi AR(1) Filtro IIR di ordine 1. (WGN White Gaussian Noise) Eq. alle differenze ricorsiva. w=randn(n,1) MATLAB:

1 = 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)

Dettagli

Introduzione a Matlab

Introduzione 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

Dettagli

Analisi dei segnali nel dominio delle frequenze 21/12/2006 11/01/2007

Analisi 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

Dettagli

In realtà i segnali con i quali dobbiamo confrontarci più frequentemente sono limitati nel tempo

In 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,

Dettagli

FONDAMENTI DI SEGNALI E TRASMISSIONE 2 Laboratorio

FONDAMENTI DI SEGNALI E TRASMISSIONE 2 Laboratorio FONDAMENTI DI SEGNALI E TRASMISSIONE 2 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it MATLAB: linguaggio di programmazione L ambiente MATLAB possiede un completo linguaggio di programmazione. Vediamo

Dettagli

Comunicazioni su Linee Elettriche

Comunicazioni 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

Dettagli

Comunicazioni Elettriche II

Comunicazioni 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

Dettagli

Interfaccia grafica SPTool di Matlab per

Interfaccia 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

Dettagli

Rappresentazione digitale del suono

Rappresentazione 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

Dettagli

2010 Esercitazioni di Strumentazione Virtuale

2010 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

Dettagli

Laboratorio di Elaborazione di Dati, Segnali e Immagini Biomediche (Parte 5)

Laboratorio 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

Dettagli

La modulazione numerica

La 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

Dettagli

01CXGBN Trasmissione numerica. parte 11: modulazione 2-PAM

01CXGBN 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

Dettagli

I concetti di risoluzione e selettività

I 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

Dettagli

Analisi spettrale del rumore di fase

Analisi 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

Dettagli

Elementi di informatica musicale Conservatorio G. Tartini a.a Sintesi del suono. Sintesi del suono

Elementi 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

Dettagli

Informatica Applicata al Suono Tutorial Matlab

Informatica 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

Dettagli

Elaborazione di dati e segnali biomedici Esercitazione n 4

Elaborazione di dati e segnali biomedici Esercitazione n 4 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %% Esercitazione n 4 %% %% %% %% %% %% %% %% Filtri numerici: %% %% - derivatori (ideale e differenze centrali) %% %% - filtro a coefficienti interi

Dettagli

FONDAMENTI DI INFORMATICA

FONDAMENTI 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

Dettagli

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.

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. 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

Dettagli

Calcolo numerico per utilizzare i residui di udito

Calcolo 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

Dettagli

Esercizi 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) 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

Dettagli

Comunicazioni Elettriche Esercizi

Comunicazioni 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,

Dettagli

Questa viene trasmessa sul canale (wireless o wired). In questo corso, modellizzeremo il canale di trasmissione come un canale Gaussiano bianco

Questa 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

Dettagli

Registro di Matematica Applicata /18 - Dott.ssa L. Fermo 2

Registro 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,

Dettagli

Elenco dei simboli 9. Prefazione 10

Elenco 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

Dettagli

Analizzatore 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. 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

Dettagli

Magneto Encefalo Gra/ia. A cura di Compagnucci Luca De Giorgi Chiara

Magneto 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

Dettagli

Richiami teorici sull analisi del segnale

Richiami 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)

Dettagli

Segnali analogici. Segnali aleatori. Segnali determinati Trasmissione ideale Trasmissione perfetta. Trasmissione imperfetta

Segnali 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

Dettagli

IMAGE PROCESSING & DOMINIO DELLE. Pagano Luca 18/12/2013

IMAGE 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

Dettagli

Il tema proposto può essere risolto seguendo due ipotesi:

Il 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

Dettagli

OFDM. Orthogonal Frequency Division Multiplexing. Remo Pomposini

OFDM. 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

Dettagli

Esercitazione 1 Conversione di base

Esercitazione 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

Dettagli

Elaborazioni nel dominio della frequenza

Elaborazioni 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

Dettagli

Esercitazione: Elaborazione Numerica di Segnali Tempovarianti

Esercitazione: 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

Dettagli

ANALISI DI SEGNALI TEMPO VARIANTI

ANALISI 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

Dettagli

ISTRUZIONI PER LA CONSEGNA DEI FILE MATLAB

ISTRUZIONI 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

Dettagli

Esercitazione: Elaborazione Numerica di Segnali Tempovarianti

Esercitazione: 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

Dettagli

Introduzione ai sistemi di trasmissione dell Informazione

Introduzione 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

Dettagli

Primi script in MATLAB

Primi 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

Dettagli

Sistemi e Tecnologie della Comunicazione

Sistemi e Tecnologie della Comunicazione Sistemi e Tecnologie della Comunicazione Lezione 5: strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza Rappresentazione spettrale di un segnale Il grafico

Dettagli

Teoria dei Segnali. Tema d'esame. Soluzione compito di Teoria dei Segnali

Teoria 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

Dettagli

UNIVERSITÀ DEGLI STUDI DI PAVIA FACOLTÀ DI INGEGNERIA. Introduzione a Matlab

UNIVERSITÀ 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)

Dettagli

Elaborazione numerica dei segnali

Elaborazione 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

Dettagli

M149 - ESAME DI STATO DI ISTITUTO TECNICO INDUSTRIALE

M149 - 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

Dettagli

Comunicazioni Elettriche II

Comunicazioni 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

Dettagli

CANALE STAZIONARIO CANALE TEMPO INVARIANTE

CANALE 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.

Dettagli

Audacity Esercitazione 3

Audacity 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

Dettagli

Corso di Fondamenti di Segnali e Trasmissione - Esame del 7 Febbraio 2006

Corso 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.

Dettagli

Esercitazione 1 Conversione di base

Esercitazione 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

Dettagli

Integrazione tra simulazione numerica e dati reali in procedure automatiche di collaudo

Integrazione 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

Dettagli

1. Date due matrici S e T di uguali dimensioni, definiamo la somma delle differenze assolute: numrighe. numcol SAD=5&

1. 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

Dettagli

RICHIAMI SU PROCESSI ALEATORI E DENSITÀ SPETTRALE DI POTENZA

RICHIAMI 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

Dettagli

ESERCIZIO SUL CAMPIONAMENTO

ESERCIZIO 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 )

Dettagli

FONDAMENTI DI SEGNALI E TRASMISSIONE 5 Laboratorio

FONDAMENTI 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

Dettagli

Prove d esame Esercizi con Matlab

Prove 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,

Dettagli

Segnali Numerici. Segnali Continui

Segnali 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

Dettagli

Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. I suoni Rappresentazione digitale

Elaborazione 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

Dettagli

Introduzione a Matlab (e al Calcolo Numerico)

Introduzione 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

Dettagli

Homework 4 Corso di Fondamenti di Comunicazioni

Homework 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

Dettagli

Conversione Analogica-Digitale e Digitale-Analogica

Conversione 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

Dettagli

Procedura operativa per la gestione della funzione di formazione classi prime

Procedura 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

Dettagli

Corso 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 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

Dettagli

Esercitazioni con GNU Octave

Esercitazioni 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

Dettagli

Spazio Riservato alla Commissione. Seconda Prova Intracorso di Fondamenti di Informatica 15/06/2018

Spazio 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

Dettagli

7. Trasmissione Numerica in Banda Traslata

7. 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

Dettagli

Page 1. Elettronica delle telecomunicazioni 2003 DDC 1. Politecnico di Torino Facoltà dell Informazione. Contenuti del Gruppo B

Page 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»

Dettagli

Metodi di Analisi dei Dati Sperimentali. AA 2009/2010 Pier Luca Maffettone. Elementi di Matlab

Metodi 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

Dettagli

ANALISI SPETTRALE NUMERICA (Aspetti di misura)

ANALISI 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

Dettagli

Esercitazione 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 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

Dettagli

Modulazioni di ampiezza

Modulazioni 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

Dettagli

FONDAMENTI DI SEGNALI E TRASMISSIONE 4 Laboratorio

FONDAMENTI 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

Dettagli

Sviluppo in serie di Fourier

Sviluppo 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

Dettagli

Lezione 12. Azione filtrante dei sistemi dinamici. F. Previdi - Automatica - Lez. 12 1

Lezione 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

Dettagli

Generazione della portante sinusoidale

Generazione 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

Dettagli

DFT con arduino. Laboratorio di Segnali e Sistemi. - Esercitazione -9 - Claudio Luci. Claudio Luci Laboratorio di Segnali e Sistemi Capitolo 9 1

DFT 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

Dettagli

Laboratorio di Elaborazione di Immagini. Esercitazione 2: TRASFORMATA DI FOURIER

Laboratorio 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

Dettagli

Analizzatore di spettro. Generalità sull analisi spettrale. Analizzatori a scansione. Analizzatori a doppia conversione. Analizzatore di spettro

Analizzatore 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

Dettagli

Fondamenti di Elaborazione Numerica dei Segnali Anno Accademico Primo Appello 26/2/2015

Fondamenti 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) = ( )

Dettagli

LSS ADC DAC. Piero Vicini A.A

LSS 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

Dettagli

Processi AR. = σ ρ. Esercizio proposto:

Processi 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

Dettagli

Elaborazione 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 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

Dettagli

Fluidi magnetoreologici (MR)

Fluidi 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

Dettagli

SIGNAL 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 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

Dettagli

Elaborazione nel dominio della frequenza

Elaborazione 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.

Dettagli

Esercitazione 00 Introduzione a Matlab

Esercitazione 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

Dettagli

Segnale Analogico. Forma d onda continua

Segnale 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,

Dettagli

Traccia 1. Nome Cognome Matricola Firma. Spazio Riservato alla Commissione. Esercizio 1 Esercizio 2 Esercizio 3 Esercizio 4 Esercizio 5 Totale

Traccia 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

Dettagli

Elaborazione nel dominio della frequenza Soluzioni

Elaborazione 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