ANALISI DI SEGNALI BIOMEDICI: STIMA DELLE PERIODICITA
|
|
- Federica Morelli
- 7 anni fa
- Visualizzazioni
Transcript
1 ANALISI DI SEGNALI BIOMEDICI: STIMA DELLE PERIODICITA Se x(t) è un segnale (deterministico) limitato su [0, N 0-1], nullo fuori da tale intervallo, l autocorrelazione (AC) R xx (m) è definita come: R xx (m) m= ritardo ( lag ) R xx (m) rappresenta il grado di similitudine medio fra x(k) e x(k+m) e dà una misura della memoria del sistema. Proprietà dell autocorrelazione: R xx (-m) = R xx (m) R xx (m) R xx (0) Quanto detto è relativo al caso di segnali TD. Analogamente per segnali TC.
2 AUTOCORRELAZIONE - TD L autocorrelazione (AC) R xx [m] indica le relazione lineare fra due punti del segnale x distanti m. Problema: I segnali reali sono quasi-periodici (di durata finita), perciò i picchi della R xx [m] non sono molto pronunciati, con difficoltà nella loro individuazione. Es: Segnale vocale: Segnali periodici (vocalici) hanno valori elevati dell autocorrelazione, mentre i suoni non vocalici (consonanti) o vocalici ma fortemente disfonici sono caratterizzati da bassi valori di R xx [m].
3 ESEMPIO: SEGNALE VOCALICO PERIODO T? PERIODO T 0.6 /a/ pre-surgical 0.6 /a/ post-surgical Normalised amplitude [arb. units] Normalised amplitude [arb.units] Time [s] x 10-3 Time [s] PATOLOGICO PRE-INTERVENTO POST-INTERVENTO T = 1/F 0 - F 0 = frequenza fondamentale x 10-3
4 vocalico non vocalico ESEMPIO L autocorrelazione (AC) può essere usata come primo test di verifica sulla periodicità del segnale vocale: suoni non vocalici (consonanti) o disfonici (dovuti a patologie o malfunzionamento) hanno valori bassi di AC. Negli esempi F s =44.1kHz. A seconda del tipo di segnale si analizzano frame di dimensione 5ms t 20ms 220 N lag ms t 10ms Valore elevato di autocorrelazione Valore basso di autocorrelazione lag lag Neonato sano Tenore ESEMPI Paralisi cordale
5 AUTOCORRELAZIONE - AC Alcune proprietà dell AC: (*=trasposto coniugato) Matrice di AC costruita con M+1 valori dell AC: E una matrice che viene utilizzata spesso nell analisi dei sistemi dinamici. E una matrice hermitiana (r xx (k)=r xx (-k)) e Toeplitz (tutti gli elementi lungo ogni diagonale sono uguali).
6 AUTOCOVARIANZA AC - TD Se il segnale è a media non nulla, l autocorrelazione può essere mascherata da tale valore. L autocovarianza C xx (m) è la misura della memoria del sistema, relativamente ai suoi scostamenti rispetto al valore medio : AC e autocorrelazione sono legate dalla relazione: R xx (m) C xx (m) x 2 Quanto detto è relativo al caso di segnali discreti (TD). Analogamente per segnali continui (TC).
7 ESEMPIO x(n) = n per 1 n 3 x(0)=0; x(n)=0 per n>3 N 0 =4 Valore medio: Autocorrelazione:
8 ESEMPIO (CONT.) AC: R x (m) C x (m) x 2 C x (0)=3.5-(1.5) 2 =1.25 C x (1)=2- (1.5) 2 =0.25 C X (2)=0.75-(1.5) 2 =-0.5 C x (m)=-2.25, m 3
9 ES3 MATLAB confrcorr.m 3 segnali random (scorrelati) a media nulla di 64, 512, 4096 punti risp. La AC dovrebbe essere uguale a zero. I segnali con pochi dati (blu e rosso) non consentono di ottenere una media nulla. 2 C (m) R (m) x xx xx v. funzioni Matlab: showcorr.m, showdtcorr.m, showcorr_sine, covstat.m
10 ESEMPIO La funzione di AC ha grande importanza nell analisi dei segnali biomedici. ES.: Valutare l indipendenza di un atto respiratorio dagli altri. Da punto di vista clinico, è utile per stabilire le connessioni neuronali nel midollo allungato che generano il ritmo respiratorio. L approccio comunemente utilizzato è quello di costruire un modello matematico di rete neuronale che simuli il funzionamento dei neuroni reali. Il modello deve produrre un oscillazione simile al ritmo respiratorio, ed avere altre caratteristiche fisiologiche. Attualmente, i modelli hanno la proprietà che ogni atto respiratorio è indipendente dagli altri. Ma il segnale reale verifica questa condizione? Per rispondere a questa domanda, si definisce: v(n) = volume d aria inspirato all n-mo atto respiratorio; N = numero di atti respiratori (N=120 in questo esempio); Si calcola la AC e si osserva il risultato ottenuto:
11 ATTI RESPIRATORI Max per lag=0 AC >0 fino a lag=25 AC <0 per lag>25 Questo contraddice l ipotesi di indipendenza i modelli attuali non tengono conto di elementi fisiologici importanti
12 ES2 MATLAB ranproc2.mat Flusso respiratorio di 8 ratti. Ogni registrazione comprende circa atti respiratori. F s = 75Hz. I segnali sono simili, ma non uguali. Ci sono differenze anche all interno della singola registrazione (realizzazione).
13 flusso respiratorio di 2 ratti a riposo (n.1 e n.2) - Fs=75 Hz ampiezza 0 Grafici ottenuti con MATLAB Example2.m tempo [s] Caso n.1 Caso n.3 Caso n.5 Caso n Caso n.2 Caso n.4 Caso n.6 Caso n
14 PSD (periodogramma) ES2/6 MATLAB - ranproc2.mat Freq.respiratoria Flusso respiratorio 1 registrazione Picco nella PSD (Power Spectral Density): frequenza respiratoria media del soggetto. Un confronto fra questi valori su tutti i casi può dare un indicazione sulla ipotesi di processo stocastico per questo esempio.
15 ES.6 MATLAB PLOTRP2.M 0.3 Grafico della derivata del segnale vs. il segnale: grafici sovrapposti
16 plotrp2.m - ranproc2.mat 20 PSD del 4 segnale: scala lineare PSD del 4 segnale: scala logaritmica Freq. (Hz)
17 MATLAB ES6 - ranproc3.mat Segnale EMG, F s = 500Hz: contrazione del muscolo della lingua estrinseco genio-glosso. Registrazioni di 8 contrazioni diverse (realizzazioni) dello stesso soggetto, ciascuna contenente 256 dati. PSD della 5 registrazione Non ci sono picchi evidenti nella PSD, ma tutti gli spettri sono simili, indicando la provenienza dallo stesso processo stocastico.
18 ES.6 MATLAB - PLOTRP3.M 4 x 104 Grafico della derivata del segnale vs. il segnale: grafici sovrapposti x 10 4
19 ranproc3.mat 6 x 107 PSD del 4 segnale: scala lineare PSD del 4 segnale: scala logaritmica Freq. (Hz)
20 ES4 MATLAB hrv1.mat Frequenza cardiaca istantanea in battiti al minuto (cioè: 60/durata battito) in soggetto a riposo. memoria del sistema
21 ES.4 HRV1COV.M 100 Freq. cardiaca istantanea Heart rate time AC normalizzata lag
22 ES.4 MATLAB hrv.mat A sinistra: 10 registrazioni di frequenza cardiaca dallo stesso individuo. A destra: AC delle 10 registrazioni.
23 HRVCOV.M - HRV.MAT 40 AC per le prime due registrazioni lag AC per le 10 registrazioni lag
24 SEGNALE: ENERGIA E POTENZA Per un segnale deterministico x(t), la potenza istantanea all istante t è (*=trasposto coniugato): La potenza istantanea all istante t data dall interazione di due segnali x(t) e y(t) è: La potenza media su un intervallo [t 0, t 0 +T] è: L energia di un segnale x(t) è l integrale della potenza nel tempo : L energia data dall interazione di due segnali x(t) e y(t) è e xy ( ): Due segnali si dicono scorrelati se e xy ( ) =0
25 DENSITA SPETTRALE La densità spettrale di energia (Energy Spectral Density, ESD), o spettro di energia, del segnale x(t) è: La cross-densità spettrale di energia (Energy Spectral Density, ESD), o spettro di energia, fra due segnali x(t) e y(t) è: Il teorema di Parseval afferma che l energia totale del segnale è indipendente dalla scelta della sua rappresentazione nel tempo o in frequenza (conservazione dell energia): Poiché il prodotto di due trasformate di Fourier è la trasformata di Fourier della convoluzione delle due funzioni nel tempo, il cross-spettro di energia è (teorema di Wiener-Khintchine):
26 PROCESSO STOCASTICO I valori futuri di un segnale aleatorio (stocastico) non possono essere predetti esattamente. I segnali aleatori sono tali per loro natura (meccanismo interno) o rappresentano meccanismi che non conosciamo esattamente. Esiste variabilità fra i risultati di esperimenti diversi ed internamente al singolo risultato. Es.: un gruppo di individui a cui viene misurata la pressione costituisce l insieme degli esperimenti e il singolo individuo è una realizzazione. Il valore di una singola realizzazione ad uno specifico istante di tempo è una variabile aleatoria, cioè una variabile il cui valore dipende da un evento casuale. Ogni realizzazione è diversa dalle altre. Scopo: ottenere rappresentazioni (modelli) di realizzazioni di processi stocastici da cui ricavare le proprietà ed i parametri del processo stocastico. Quasi tutti i segnali biomedici possono essere visti come realizzazioni di processi stocastici, e spesso utilizzare valori medi invece della singola realizzazione non è il principale obbiettivo dell analisi.
27 PROCESSO STOCASTICO Insieme di successioni (TC o TD) ciascuna derivante da un diverso esperimento: x(n;i) i = i-ma successione (esperimento, o realizzazione ) n = indice temporale Fissato i, si utilizza la notazione semplificata x(n). Un processo stocastico è stazionario se il suo valore medio è costante e l AC dipende solo dalla differenza temporale m=n 2 -n 1. Due processi stocastici stazionari x(n) e y(n) sono caratterizzati da cross-correlazione r xy (m) e cross-covarianza c xy (m): ε = valor medio; * = complesso coniugato
28 ESEMPIO L uscita del processo stocastico è influenzata da componenti di rumore aleatorie in ogni realizzazione, pertanto i vari segnali in uscita p i (t) non descrivono esattamente il processo reale.
29 SEGNALI STOCASTICI Per segnali stocastici, al posto della media si considera il valore atteso o valore medio o momento del 1 ordine, cioè il valore a cui converge la media di un insieme di osservazioni (realizzazioni). (p=densità di probabilità) Il valore atteso di x 2 è il momento del 2 ordine. La varianza è la deviazione quadratica della variabile aleatoria dal suo valore medio. Bias = differenza fra il valore vero dei parametri e il valore atteso della loro stima. Uno stimatore è consistente se bias e varianza tendono a zero all aumentare del numero delle osservazioni.
30 POWER SPECTRAL DENSITY Power Spectral Density (PSD) = estensione statistica della ESD a segnali stocastici. Il teorema (equazione) di Parseval afferma che l energia di un segnale x(t) è distribuita fra le sue componenti in frequenza in modo tale che l energia ad ogni frequenza f è proporzionale al quadrato dell ampiezza di X(f), X(f) 2. Il teorema di Parseval costituisce uno strumento efficiente per analizzare la distribuzione dell energia in un segnale. La Densità Spettrale di Potenza (PSD, Power Spectral Density) di un segnale (di lunghezza N) è rappresentata con il grafico di X(f) 2 in funzione di f, diviso per il n. N di campioni di segnale: P xx (f) X(f) N 2
31 PSD La Power Spectral Density (PSD) è definita come la trasformata di Fourier (discreta) della sequenza di autocorrelazione r xx (m): r xx (m)=e x(n+m)x*(n) (T = periodo di campionamento): Questa equazione mette in relazione le proprietà di memoria (autocorrelazione) con la funzione di densità spettrale di potenza di un sistema, e afferma che la potenza ad ogni frequenza riflette l ampiezza della componente sinusoidale a quella frequenza nella funzione di autocorrelazione.
32 PSD PER RUMORE BIANCO Rumore bianco w(n): processo a media nulla scorrelato per tutti i valori di m, tranne che per m=0, che corrisponde alla varianza w. L AC è: PSD costante f (m)=successione delta discreta. w(n) ha componenti a tutte le frequenze: da qui il nome di rumore bianco.
33 EEG: il problema degli artefatti /1 artefatti muscolari Realizzazioni dello stesso processo stocastico Dipartimento di Elettronica Informatica e Sistemistica - UNIVERSITA di BOLOGNA
34 EEG di superficie /1 La corteccia cerebrale contiene diversi tipi di cellule nervose che possono venire raggruppate in due classi principali: Neuroni piramidali Interneuroni L EEG registra variazioni del campo elettrico generato da gruppi di neuroni piramidali, mentre la MEG registra variazioni del campo magnetico indotto dal variare del campo elettrico generato dagli stessi neuroni. Dipartimento di Elettronica Informatica e Sistemistica - UNIVERSITA di BOLOGNA
35 EEG di superficie /1 basi fisiologiche della generazione del segnale: Il segnale EEG è il risultato dell attività elettrica assonale e denditica dei neuroni piramidali corticali serve un attività sincrona di un numero elevato di neuroni (10 5 ) per generare un segnale apprezzabile sulla superficie dello scalpo Ampiezza segnale: dell ordine delle decine di μv Bande di frequenza di interesse: δ, θ, α, β, γ (range: 0.5-oltre 30Hz) sistemi per l acquisizione del segnale segnale registrato attraverso elettrodi di superficie. numero elettrodi: 19, 32, 64, 128,... modi per registrarlo: tanti tipi di elettrodo, tra cui le cuffie EEG Frequenza di campionamento: 200 : 1000 samples/sec Digitalizzazione a 12 bit impedenza di contatto elettrodo-cute da mantenere sotto i 5 Kohm Dipartimento di Elettronica Informatica e Sistemistica - UNIVERSITA di BOLOGNA
36 Dipartimento di Elettronica Informatica e Sistemistica - UNIVERSITA di BOLOGNA EEG sistema 10/20
37 EEG di superficie /2 gli elettrodi vengono posizionati secondo il sistema di riferimento internazionale Ciascun elettrodo e definito rispetto: - all area cerebrale sottostante (F= frontale, P= parietale, C= centrale per il vertice, T= temporale, O= occipitale); - alla linea mediana (numero pari per gli elett. destri, dispari per gli elett. sinistri, e z per gli elett. mediani). Ad es, F3 indica un elettrodo frontale sinistro, Cz un elettrodo centrale mediano. Dipartimento di Elettronica Informatica e Sistemistica - UNIVERSITA di BOLOGNA
38 EEG: ritmi di base /1 Passando dallo stato di veglia a quello di sonno e coma, le onde EEG diventano progressivamente piu ampie e dalle componenti frequenziali più basse (regola generale, con le dovute eccezioni..) Dipartimento di Elettronica Informatica e Sistemistica - UNIVERSITA di BOLOGNA
39 EEG: ritmi di base /2 banda Hz Funzione localizzazione delta 0,5-3 Condizioni patologiche (coma) teta 3-7 alfa 8-13 beta gamma >30 Sonno profondo, memoria episodica (corteccia del cingolo anteriore ippocampo) Rilassamento mentale / oscillazione idling (occipitale / occhi chiusi, somatosensoriale (ritmo μ)) Attenzione, concentrazione, aree corticali attivate, attivazione aree motorie Attenzione, concentrazione, aree corticali attivate, processi di integrazione della percezione Dipartimento di Elettronica Informatica e Sistemistica - UNIVERSITA di BOLOGNA
40 EEG: ritmi di base /3 Onde delta Onde theta Onde alpha Onde beta Dipartimento di Elettronica Informatica e Sistemistica - UNIVERSITA di BOLOGNA
41 ESEMPIO: EEG Attività elettrica fra le membrane dei neuroni corticali del cervello. Si distinguono 3 principali tipi di attività, che possono variare circa 15 volte durante il sonno notturno regolare: Ritmo = stato di veglia: 8-12 Hz, bassa ampiezza Ritmo = sonno leggero: 4-8 Hz Ritmo = sonno profondo: <4 Hz, ampiezza elevata (fase del sogno: simile al ritmo, ma con rapidi movimenti oculari (REM=Rapid Eye Movements)) Si registra l EEG durante la notte. Si assegna un indice di sonno all EEG ogni 30 sec., sulla base del ritmo dominante in quei 30 sec. Caso patologico: la transizione da un ritmo ad un altro avviene in meno di 30 sec. Problema: distinguere i 3 ritmi
42 ES5 MATLAB eegsim1.m 20s. di segnale simulato transizione rapida da ad (dopo 10s. circa) Segnale EEG simulato, campionato a 50 Hz per circa 4 min. Simula i 3 ritmi. Ogni ritmo dura almeno 15s. E un segnale semplificato: le transizioni sono più rapide del caso reale, non si considera lo stato REM, le variazioni in ampiezza sono minori del caso reale. Ipotesi di ergodicità: si dispone di un unica realizzazione del processo stocastico. Spettrogramma: grafico tempofrequenza dell intensità del segnale. Ritmo (0-50s), seguito da ritmo (50-80s) e poi (80-120s). 120s-150s: si torna al ritmo, poi si procede con ritmi a freq. più bassa v. eegsim1.m, tfar.m, montage.mat
SEGNALI STAZIONARI: ANALISI SPETTRALE
SEGNALI STAZIONARI: ANALISI SPETTRALE Analisi spettrale: rappresentazione delle componenti in frequenza di un segnale (ampiezza vs. frequenza). Fornisce maggiori dettagli rispetto all analisi temporale
DettagliChe cosa si registra?
EEG Che cosa si registra? Potenziali sinaptici (EPSP, IPSP) per adeguate costanti di tempo Sincronia di attivazione Orientamento spaziale omogeneo (microvolt) Il contributo maggiore alla genesi dell EEG
DettagliSonno e sogni. Principali caratteristiche del sonno. Sospensione dello stato cosciente (dal punto di vista comportamentale)
Sonno e sogni Principali caratteristiche del sonno Sospensione dello stato cosciente (dal punto di vista comportamentale) Comparsa di specifiche onde cerebrali (dal punto di vista elettrofisiologico) Le
DettagliRisposte evocate od evento relate
Risposte evocate od evento relate è frequente lo studio di risposte fisiologiche evocate da un evento esterno (e.g., uno stimolo sensoriale) che può essere ripetuto un numero indefinito di volte anche
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
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
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)=
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
DettagliTeoria dei Segnali Quantizzazione dei segnali; trasformata zeta
Teoria dei Segnali Quantizzazione dei segnali; trasformata zeta Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria dei Segnali Quantizzazione;
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
DettagliElettroencefalogramma
a.a. 2005/2006 Laurea Specialistica in Fisica Corso di Fisica Medica 1 Elettroencefalogramma 2/5/2006 Casa è? L elettroencefalogramma (EEG) corrisponde a variazioni dell attività elettrica cerebrale registrate
DettagliUnità di misura nell analisi del segnale G. D Elia. Sezione1
Unità di misura nell analisi del segnale G. D Elia Sezione1 La Serie di Fourier Si consideri una funzione x(t) periodica di periodo T = π/ω. Se sono soddisfatte opportune condizioni (condizioni di Direchlet):
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA La distribuzione di probabilità e un modello matematico, uno schema di riferimento, che ha caratteristiche note e che può essere utilizzato per rispondere a delle domande derivate
DettagliCORSO%DI%% A.A.% % Sezione%03c% SPETTRO ACUSTICO FISICA%TECNICA%AMBIENTALE%
1 CORSO%DI%% FISICA%TECNICA%AMBIENTALE% A.A.%201352014% Sezione%03c%!! Prof. Ing. Sergio Montelpare! Dipartimento INGEO! Università G. d Annunzio Chieti-Pescara" 2 Le caratteristiche fondamentali del suono"
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
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
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
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliRANDOM VIBRATIONS RANDOM VIBRATIONS
RANDOM VIBRATIONS Diverse possono essere le situazioni operative in cui una struttura spaziale puo trovarsi sottoposta ad una forzante random in time. Ovvero in cui la forzante, rappresentata nel dominio
DettagliReti di Calcolatori a.a
Analogico e digitale 2 Corso di laurea in Informatica Reti di Calcolatori a.a. 2007-2008 Prof. Roberto De Prisco Capitolo 3 Dati e segnali Per essere trasmessi i dati devono essere trasformati in segnali
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
DettagliConversione Analogico/Digitale
Conversione Analogico/Digitale 1 Fondamenti di Segnali e Trasmissione Conversione analogico/digitale (A/D) Per rappresentare numericamente un segnale continuo nel tempo e nelle ampiezze è necessario: Campionare
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,
DettagliLA DISTRIBUZIONE NORMALE (Vittorio Colagrande)
LA DISTRIBUZIONE NORMALE (Vittorio Colagrande) Allo scopo di interpolare un istogramma di un carattere statistico X con una funzione continua (di densità), si può far ricorso nell analisi statistica alla
DettagliLezione 5: Processi Stocastici - Analisi in frequenza
ELABORAZIONE dei SEGNALI nei SISTEMI di CONTROLLO Lezione 5: Processi Stocastici - Analisi in frequenza Motivazioni Spettro e densità spettrale TD Proprietà formali Esempi Trasformata inversa Spettro e
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
Dettaglia.a. 2005/2006 Laurea Specialistica in Fisica Corso di Fisica Medica 1 Struttura del sonno
a.a. 2005/2006 Laurea Specialistica in Fisica Corso di Fisica Medica 1 Struttura del sonno 9/5/2006 Macrostruttura Un modello con tre processi principali (ritmi) che regolano i differenti cicli del sonno
DettagliSegnale e Rumore Strumentale
Chimica Analitica dei Processi Industriali Corso di Laurea Magistrale in Chimica Industriale Università degli Studi di Padova Segnale e Rumore Strumentale Andrea Tapparo Università degli Studi di Padova
DettagliElettronica II Segnali periodici; serie di Fourier; trasformata di Fourier p. 2
Elettronica II Segnali periodici; serie di Fourier; trasformata di Fourier Valentino Liberali Dipartimento di Tecnologie dell Informazione Università di Milano, 26013 Crema e-mail: liberali@dti.unimi.it
DettagliAnalisi dell EEG mediante il metodo della cordance
Analisi dell EEG mediante il metodo della cordance 14 marzo 2014 Laureanda: Marzia Radivo Relatore: prof. Agostino Accardo Cos è l elettroencefalografia? E una procedura non invasiva per rilevare l attività
DettagliCalcolo della Concentrazione Rappresentativa della Sorgente (CRS)
Calcolo della Concentrazione Rappresentativa della Sorgente (CRS) Prof. Renato Baciocchi, Università di Roma Tor Vergata Emiliano Scozza Università di Roma Tor Vergata 1 Valutazione dei Dati Data Set di
DettagliQUANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA. 1 Fondamenti Segnali e Trasmissione
UANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA Fondamenti Segnali e Trasmissione Campionamento e quantizzazione di un segnale analogico Si consideri il segnale x(t) campionato con passo T c. Campioni del
DettagliLa codifica dei suoni
La codifica dei suoni I suoni costituiscono un tipo di informazione con cui siamo costantemente a contatto (linguaggio parlato, musica, rumori) Anche i suoni possono essere rappresentati in forma digitale
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...
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
DettagliVariabili aleatorie Parte I
Variabili aleatorie Parte I Variabili aleatorie Scalari - Definizione Funzioni di distribuzione di una VA Funzioni densità di probabilità di una VA Indici di posizione di una distribuzione Indici di dispersione
DettagliIndicatori di Posizione e di Variabilità. Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica
Indicatori di Posizione e di Variabilità Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica Indici Sintetici Consentono il passaggio da una pluralità
DettagliStatistica Metodologica Avanzato Test 1: Concetti base di inferenza
Test 1: Concetti base di inferenza 1. Se uno stimatore T n è non distorto per il parametro θ, allora A T n è anche consistente B lim Var[T n] = 0 n C E[T n ] = θ, per ogni θ 2. Se T n è uno stimatore con
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
DettagliMisure Meccaniche e Termiche. punti massa. Valore atteso: Varianza:
Fenomeni aleatori Misure Meccaniche e Termiche Sezione di Misure e Tecniche Sperimentali I fenomeni aleatori (o casuali) sono fenomeni empirici il cui risultato non è prevedibile a priori, caratterizzati
DettagliCaratterizzazione dei segnali aleatori nel dominio della frequenza
Capitolo 5 Caratterizzazione dei segnali aleatori nel dominio della frequenza 5. Introduzione In questo capitolo affrontiamo lo studio dei segnali aleatori nel dominio della frequenza. Prendiamo come esempio
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliVariabile casuale Normale
Variabile casuale Normale La var. casuale Normale (o Gaussiana) è considerata la più importante distribuzione Statistica per le innumerevoli Applicazioni e per le rilevanti proprietà di cui gode L'importanza
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
Dettagli1/4 Capitolo 4 Statistica - Metodologie per le scienze economiche e sociali 2/ed Copyright 2008 The McGraw-Hill Companies srl
1/4 Capitolo 4 La variabilità di una distribuzione Intervalli di variabilità Box-plot Indici basati sullo scostamento dalla media Confronti di variabilità Standardizzazione Statistica - Metodologie per
DettagliPROVA SCRITTA DI STATISTICA. cod CLEA-CLAPI-CLEFIN-CLELI cod CLEA-CLAPI-CLEFIN-CLEMIT. 5 Novembre 2003 SOLUZIONI MOD.
PROVA SCRITTA DI STATISTICA cod. 4038 CLEA-CLAPI-CLEFIN-CLELI cod. 5047 CLEA-CLAPI-CLEFIN-CLEMIT 5 Novembre 003 SOLUZIONI MOD. A In 8 facoltà di un ateneo italiano vengono rilevati i seguenti dati campionari
DettagliDistribuzioni di Probabilità
Distribuzioni di Probabilità Distribuzioni discrete Distribuzione uniforme discreta Distribuzione di Poisson Distribuzioni continue Distribuzione Uniforme Distribuzione Gamma Distribuzione Esponenziale
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
DettagliEsercizi sul campionamento
Capitolo 5 Esercizi sul campionamento 5.1 Esercizio 1 Dato il segnale x(t) = s(t) cos (2π 0 t) con s(t) a banda limitata s e supponendo di introdurre il segnale x(t) come ingresso di un sistema non lineare
DettagliVIE DI MOTO CENTRALI: POTENZIALI EVOCATI MOTORI ATTRAVERSO LA STIMOLAZIONE MAGNETICA TRANSCRANICA
VIE DI MOTO CENTRALI: POTENZIALI EVOCATI MOTORI ATTRAVERSO LA STIMOLAZIONE MAGNETICA TRANSCRANICA 26 Marzo 2015 Elena Della Coletta STIMOLAZIONE MAGNETICA TRANSCRANICA Introdotta nel 1985 da Barker (Sheffield,
DettagliRisposte evocate od evento relate
Risposte evocate od evento relate è frequente lo studio di risposte fisiologiche evocate da un evento esterno (e.g., uno stimolo sensoriale) che può essere ripetuto un numero indefinito di volte anche
DettagliIl rumore nei circuiti elettrici
Il rumore nei circuiti elettrici Il rumore elettrico e' qualsiasi segnale indesiderato presente in un circuito di comunicazione o di misura, che tende a confondere e mascherare il segnale desiderato. Rumore
DettagliLa turbolenza e il suo ruolo nello Strato Limite Atmosferico
Copertina Corso di Fisica dello Strato Limite Atmosferico La turbolenza e il suo ruolo nello Strato Limite Atmosferico Giaiotti Dario & Stel Fulvio 1 Sommario della lezione Che cos'è la turbolenza nei
DettagliANALISI DI SERIE TEMPORALI CAOTICHE (1)
ANALISI DI SERIE TEMPORALI CAOTICHE (1) Problematiche Ricostruzione dello stato Dimensione di embedding C. Piccardi e F. Dercole Politecnico di Milano ver. 28/12/2009 1/15 Per studiare e comprendere appieno
DettagliModulazione PAM Multilivello, BPSK e QPSK
Modulazione PAM Multilivello, BPSK e QPSK P. Lombardo DIET, Univ. di Roma La Sapienza Modulazioni PAM Multilivello, BPSK e QPSK - 1 Rappresentazione analitica del segnale Sia {b(n)} una qualsiasi sequenza
DettagliStatistica. POPOLAZIONE: serie di dati, che rappresenta linsieme che si vuole indagare (reali, sperimentali, matematici)
Statistica La statistica può essere vista come la scienza che organizza ed analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva:
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliLa percezione uditiva
La percezione uditiva La natura dei suoni Onde qualsiasi suono, discorso o sinfonia, è un unica onda di pressione dell aria Percezione In quanti modi si può descrivere un suono? Forte, debole,... (intensità)
DettagliAnalisi dei segnali nel dominio del tempo
Laboratorio di Telecomunicazioni - a.a. 200/20 Lezione n. 3 Analisi dei segnali nel dominio del tempo L.Verdoliva In questa seconda lezione determiniamo, con l uso di Matlab, i parametri che caratterizzano
DettagliPrefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura
INDICE GENERALE Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura XI XIV XV XVII XVIII 1 LA RILEVAZIONE DEI FENOMENI
DettagliSTATISTICA Disciplina scien tifica che fornisce strumenti per l interpretazione delle informazioni contenute in insiemi di dati relativi a
STATISTICA Disciplina scien tifica che fornisce strumenti per l interpretazione delle informazioni contenute in insiemi di dati relativi a VARIABILI CASUALI VARIABILE Qualunque fenomeno espri mibile numericamente
DettagliI Segnali nella comunicazione
I Segnali nella comunicazione Nella lingua italiana il termine segnale indica una convenzione, la cui unzione è quella di comunicare qualcosa ( segnale di Partenza, segnale di aiuto, segnale stradale ecc.).
DettagliMISURA DELLA FUNZIONE DI DENSITÀ SPETTRALE (POWER SPECTRAL DENSITY)
NOA INERNA MISURA DELLA FUNZIONE DI DENSIÀ SPERALE (POWER SPECRAL DENSIY) DI UN SEGNALE ALEAORIO DAVIDE BASSI (revisione.a - Dicembre 999) Questa nota, dopo un sintetico richiamo ad alcuni concetti elementari
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
DettagliMETODI MATEMATICI PER LA FISICA
METODI MATEMATICI PER LA FISICA SECONDO ESONERO - 5 GIUGNO 6 Si svolgano cortesemente i seguenti Problemi. PRIMO PROBLEMA (PUNTEGGIO: 3/3) Dati due operatori hermitiani  and ˆB in uno spazio di Hilbert
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
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
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
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE Modelli delle Sorgenti di Traffico Generalità Per la realizzazione di un modello analitico di un sistema di telecomunicazione dobbiamo tenere in considerazione 3 distinte sezioni
DettagliQUANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA
QUANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA 1 Fondamenti di segnali Fondamenti e trasmissione TLC Campionamento e quantizzazione di un segnale analogico Si consideri il segnale x(t) campionato con passo
DettagliProgetto Reluis Assemblea annuale
Progetto Reluis 2005-2008 Assemblea annuale Parametri sismici per early warning in Campania LineaTematica9 coord. Prof. Paolo Gasparini V. Convertito, G. Iannaccone e A. Zollo Unità di ricerca UR9 - Dipartimento
DettagliValutazione della capacità dissipativa di un sistema strutturale
Tecniche innovative per l identificazione delle caratteristiche dinamiche delle strutture e del danno Valutazione della capacità dissipativa di un sistema strutturale Prof. Ing. Felice Carlo PONZO - Ing.
DettagliQUANTIZZAZIONE Conversione analogico/digitale
QUANTIZZAZIONE Conversione analogico/digitale 1 QUANTIZZAZIONE Campionamento e uantizzazione Campione del segnale Segnale originale (continuo nel tempo e nelle ampiezze) QUANTIZZAZIONE Conversione analogico/digitale
DettagliElementi di Statistica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
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 distribuzione delle frequenze. T 10 (s)
1 La distribuzione delle frequenze Si vuole misurare il periodo di oscillazione di un pendolo costituito da una sferetta metallica agganciata a un filo (fig. 1). A Figura 1 B Ricordiamo che il periodo
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
DettagliLa percezione acustica
27 Febbraio 2007 Corso di Laurea in Informatica Multimediale Facoltà di Scienze MMFFNN Università di Verona La percezione acustica Chiara Della Libera DSNV Università di Verona Sezione di Fisiologia Umana
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliFondamenti di Automatica
Fondamenti di Automatica Introduzione e modellistica dei sistemi Introduzione allo studio dei sistemi Modellistica dei sistemi dinamici elettrici Modellistica dei sistemi dinamici meccanici Modellistica
DettagliComunicazione Elettriche L-A Identità ed equazioni
Comunicazione Elettriche L-A Identità ed equazioni Gennaio - Marzo 2009 Identità ed equazioni relative alle comunicazioni elettriche tratti dalle lezioni del corso di Comunicazioni Elettriche L-A alla
DettagliANALISI DI FREQUENZA
Giada Grosoli matr. 1391 Lezione del 19/1/ ora 8:3-1:3 ANALISI DI FREQUENZA Nello studio dell acustica è molto importante l analisi di frequenza del suono. E fondamentale infatti valutare, oltre al livello
DettagliAscoltare Fourier. Segnali audio. ω o. θ è l angolo di fase
Ascoltare Fourier Jean Baptiste Joseph Fourier 1768 Auxerre 1830 Parigi Matematico francese, partecipò alla rivoluzione francese e seguì Napoleone in Egitto come membro della spedizione scientifica. Studiò
Dettaglia) 36/100 b) 1/3 c)
Da un urna contenente 10 palline, di cui 6 bianche e 4 nere, si estraggono due palline. Determinare la probabilità del seguente evento E=«le due palline sono bianche» nel caso di estrazioni a) con rimbussolamento
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
DettagliStatistica descrittiva II
Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni
DettagliLA PRODUZIONE DEI RAGGI X
UNIVERSITA POLITECNICA DELLE MARCHE Facoltà di Medicina e Chirurgia Corso di Laurea in Tecniche di Radiologia Medica, per Immagini e Radioterapia LA PRODUZIONE DEI RAGGI X A.A. 2015-2016 Tecniche di Radiodiagnostica
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Simulazione al Calcolatore La simulazione al calcolatore (computer simulation), (nel caso qui considerato simulazione stocastica) si basa sulla generazione, mediante calcolatore, di sequenze di numeri
DettagliLa simulazione è l'imitazione di un processo o di un sistema reale per un
1 2 La simulazione è l'imitazione di un processo o di un sistema reale per un determinato periodo di tempo. La simulazione è l'imitazione di un processo o di un sistema reale per un determinato periodo
DettagliLa codifica dei suoni
La codifica dei suoni I suoni costituiscono un tipo di informazione con cui siamo costantemente a contatto (linguaggio parlato, musica, rumori) Anche i suoni possono essere rappresentati in forma digitale
DettagliRM - riepilogo. Ricostruzione di immagini - Ricostruzione immagini in RM
Leonardo Bocchi Ricostruzione immagini in RM Retroproiezione - metodo di Fourier RM - riepilogo Consideriamo degli atomi di idrogeno Applichiamo un campo magnetico statico B 0 Si genera un vettore di magnetizzazione
Dettagliinformatica di base per le discipline umanistiche
informatica di base per le discipline umanistiche vito pirrelli Istituto di Linguistica Computazionale CNR Pisa Dipartimento di linguistica Università di Pavia sesta lezione: la dinamica del testo vito
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
DettagliEsercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
DettagliCapitolo 6 La distribuzione normale
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliGrandezze fisiche e loro misura
Grandezze fisiche e loro misura Cos è la fisica? e di che cosa si occupa? - Scienza sperimentale che studia i fenomeni naturali suscettibili di sperimentazione e caratterizzati da entità o grandezze misurabili.
Dettagli