RICHIAMI SU PROCESSI ALEATORI E DENSITÀ SPETTRALE DI POTENZA
|
|
- Sofia Fortunato
- 6 anni fa
- Visualizzazioni
Transcript
1 RICHIAMI SU PROCESSI ALEATORI E DENSITÀ SPETTRALE DI POTENZA Paolo Bestagini Ph.D. Student bestagini@elet.polimi.it
2 Sommario 2 Segnali deterministici Continui Discreti Sistemi LTI Processi casuali Definizioni Continui Discreti Sistemi LTI Cenni sul periodogramma
3 3 SEGNALI DETERMINISTICI
4 Energia e potenza di segnali continui 4 Consideriamo un generico segnale Potenza istantanea: Energia normalizzata su periodo T: x(t) 2 x(t) Z T/2 T/2 Potenza media normalizzata su periodo T: x(t) 2 dt T Z T/2 T/2 x(t) 2 dt
5 Densità spettrale di energia 5 Consideriamo un segnale a energia finita. L energia si può scrivere come: La densità spettrale di energia risulta essere: E x(t) = Z Rapporto densità spettrale e auto-correlazione: x(t) 2 dt = X(f) 2 Z X(f) 2 df per Parceval X(f) 2 = X(f)X(f) = F(x(t) x( t) )=F(R x(t) ( ))
6 Densità spettrale di potenza 6 Consideriamo un segnale a potenza finita e prendiamone una finestra lunga T: x T (t) Possiamo calcolare la densità spettrale di energia: La densità spettrale di potenza su un periodo T risulta essere: La densità spettrale di potenza è: S xt (t)(f) = T X T (F ) 2 S x(t) (f) = lim T S x T (t)(f) = lim T X T (F ) 2 T X T (F ) 2
7 Dal continuo al discreto 7 Energia e potenza di un processo discreto, sono definite come energia e potenza del processo continuo perfettamente ricostruito dal discreto. Energia: E x(t) = Z x(t) 2 dt = x(t) = Z Densità spettrale di energia: +X n= +X n= x(nt ) (t nt ) sinc ideale x(nt ) (t T X(F ) 2 = T DTFT(x(nT )) 2 energia di una funzione step nt ) 2 dt = T +X n= x(nt ) 2
8 Segnali deterministici e sistemi LTI 8 Data la funzione di trasferimento del sistema H(f) =F(h(t)) Sono valide le seguenti relazioni per energia e potenza: ESD/P SD output (f) =ESD/P SD input (f) H(f) 2
9 9 PROCESSI CASUALI
10 Processi casuali 0 Consideriamo un processo aleatorio x(t, ) (o per semplicità x(t) ) Possiamo osservare diverse realizzazioni del processo
11 Processi casuali Possiamo calcolare statistiche d insieme e statistiche temporali
12 Processi casuali 2 Processo stazionario in senso stretto: le statistiche d insieme non dipendono da t Processo stazionario in senso lato: media e auto-correlazione non dipendono da t Processo ergodico: statistiche d insieme sono calcolabili dalle statistiche temporali Processo ciclostazionario: processo stazionario se considerato a periodo T (esempio con treno di impulsi)
13 Proprietà processi stazionari in senso lato 3 La media d insieme non dipende da t µ x(t) (t) =E [x(t, )] = µ x(t) L autocorrelazione non dipende da t ma solo dall intervallo tau Valgono le seguenti proprietà dell autocorrelazione: R x(t) (t, t + ) =E[x (t)x(t + )] = R x(t) ( ) R x(t) (0) = P x(t) 0 R x(t) ( ) apple R x(t) (0) R x(t) ( ) =Rx(t) ( ) Le stesse proprietà valgono nel discreto.
14 Densità spettrale di potenza (continuo) 4 Consideriamo la trasformata di Fourier del segnale finestrato a una lunghezza T Z T/2 X T (f) = x(t)e j2 ft dt La densità spettrale di potenza di questo segmento è a sua volta una variabile casuale Il suo valor medio è La densità spettrale di potenza di tutto il processo risulta quindi T/2 T X T (f) 2 S x(t),t (f) =E apple T X T (f) 2 S x(t) (f) = lim T S x(t),t (f) = Z R x(t) ( )e j2 f d
15 Densità spettrale di potenza (discreto) 5 Seguendo lo stesso ragionamento, anche nel caso discreto si ottiene che la densità spettrale di potenza risulta essere S x(n) (f) = X R x(n) (k)e j2 fk
16 Processi aleatori e sistemi LTI 6 L uscita y di un sistema LTI (h) con ingresso un processo stazionario è a sua volta stazionaria. Le seguenti relazioni sono valide: (vedere A.6) R y(t) ( ) =R x(t) ( ) h( ) h ( ) =R x(t) ( ) R h(t) ( ) µ y(t) = µ x(t) H(0), H(f) =(F )(h(t))
17 7 PERIODOGRAMMA
18 Introduzione 8 In molte applicazioni è fondamentale poter stimare la densità spettrale di potenza di un processo. Si tratta di realizzare un analizzatore di spettro numerico. B f È nota una realizzazione del processo e, naturalmente, si ipotizza il processo stazionario ed ergodico, altrimenti non sarebbe possibile sperare di estrarre alcun parametro medio statistico. B f 2
19 Stima della densità spettrale di potenza 9 La DFT può essere vista come un banco di filtri passa-banda centrati a frequenze diverse. Si potrebbe finestrare la sequenza e valutare il valore quadratico medio di ogni uscita su più realizzazioni. NT T Σ N x 2 Σ N x 2 ^ h () Questo metodo è noto come periodogramma, ed equivale a calcolare la densità spettrale di potenza e mediarla. x(n) DFT x ^ h (0) x
20 Periodogramma 20 Metodo del periodogramma: si considera un pezzo di una realizzazione del processo, ottenendo così un segnale di durata limitata e ad energia finita, lo si trasforma secondo Fourier e calcolando il modulo al quadrato della trasformata si ottiene la sua densità spettrale di energia. Mediando sulla durata dell osservazione si può passare (con i noti motivi di cautela) alla densità di potenza. Problema Vogliamo avere alta risoluzione in frequenza: Ogni filtro deve avere banda stretta (la DFT va calcolata su un numero alto di campioni). Problema 2 Vogliamo un segnale ripulito da oscillazioni statistiche: Dobbiamo avere molte realizzazioni. Trade-off: devo scegliere come finestrare il processo analizzato (con le opportune ipotesi sulla correlazione tra i campioni).
21 Esempio Iljxuh 44= Xq vhjqdoh dohdwrulr %E 3 x x Iljxuh 45= Prgxor txdgur ghood IIW gho vhjqdoh %E Iljxuh 46= Vwlpd ghood gvs gho surfhvvr ghood j4
PROCESSI CASUALI 1 Fondamenti di segnf a o lin d e a t m ra e s n mtii s T si L o C ne
PROCESSI CASUALI Fondamenti di segnali Fondamenti e trasmissione TLC Segnali deterministici Un segnale (t) si dice deterministico se è una funzione nota di t, cioè se ad un qualsiasi istante di tempo t
DettagliRipasso segnali e processi casuali. Trasmissione dell Informazione
Ripasso segnali e processi casuali 1 Breve ripasso di segnali e trasformate Dato un segnale s(t), la sua densità spettrale si calcola come dove S(f) è la trasformata di Fourier. L energia di un segnale
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
DettagliLaboratorio II, modulo
Laboratorio II, modulo 2 206-207 Banda di un segnale e filtri (cfr. http://wpage.unina.it/verdoliv/tds/appunti/appunti_03.pdf e http://wpage.unina.it/verdoliv/tds/appunti/appunti_04.pdf e http://wpage.unina.it/verdoliv/tds/appunti/appunti_05.pdf
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)=
DettagliCAMPIONAMENTO E RICOSTRUZIONE. Y(f) Y(f-15) Y(f+15) f[hz] Yc(f) Y(f) Y(f-17.5) Y(f+17.5) Yc(f) Esercizio 1
CAMPIONAMENTO E RICOSTRUZIONE Esercizio 1 Dato il segnale y(t), con trasformata di Fourier Y(f) rappresentata in figura, rappresentare lo spettro del segnale ottenuto campionando idealmente y(t) con a)
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,
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
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
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...
DettagliLezione 2: rappresentazione in frequenza
Segnali a potenza media finita e conversione A/D Lezione : rappresentazione in frequenza Generalità Spettro di potenza e autocorrelazione Proprietà dello spettro di potenza Larghezza di banda Spettri mutui
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):
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
DettagliMaria Prandini Dipartimento di Elettronica e Informazione Politecnico di Milano
Note relative a test di bianchezza rimozione delle componenti deterministiche da una serie temporale a supporto del Progetto di Identificazione dei Modelli e Analisi dei Dati Maria Prandini Dipartimento
DettagliTeoria dei Segnali Trasmissione binaria casuale; somma di processi stocastici
eoria dei Segnali rasmissione binaria casuale; somma di processi stocastici Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it eoria dei Segnali rasmissione
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
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
DettagliCAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI 1 Fondamenti di segnali Fondamenti e trasmissione TLC Segnali in formato numerico Nei moderni sistemi di memorizzazione e trasmissione i segnali in ingresso sono
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
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
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.
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici
DettagliSPETTRO DI POTENZA DI UN PROCESSO STOCASTICO
SPERO DI POENZA DI UN PROCESSO SOCASICO I segnali aleatori vengono comunemente denominati processi stocastici. Per un processo stocastico non è definibile, e dunque calcolabile, la trasformata di Fourier.
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
DettagliEsercitazione ENS sulle finestre (22 Aprile 2008)
Esercitazione ENS sulle finestre ( Aprile 008) D. Donno Esercizio : Separazione di due segnali Si consideri un segnale z(t) somma di due segnali x(t) e y(t) reali e di potenza simile, ciascuno con semi
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
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
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/
DettagliElementi di Teoria dei Segnali
Elementi di Teoria dei Segnali Ing. Michele Scarpiniti michele.scarpiniti@uniroma1.it http://ispac.ing.uniroma1.it/scarpiniti/index.htm Master "Tecniche per la Multimedialità" 1 Il concetto di segnale
DettagliAnalisi della disponibilità d acqua. Valutazione dell impianto attraverso il calcolo di un indice economico (criterio)
Analisi della disponibilità d acqua Valutazione dell impianto attraverso il calcolo di un indice economico (criterio) Approccio diverso a seconda del criterio di valutazione Nel caso di criterio statistico
DettagliESERCIZI DI TEORIA DEI SEGNALI
ESERCIZI DI EORIA DEI SEGNALI EX. 1 Si determini lo sviluppo in serie di Fourier del segnale cos[ m(t)] dove m(t) = m(t) = m(t k ) [ π 2 2π ] ( ) t t rect. EX. 2 Si siderino due segnali x 1 (t) e x 2 (t)
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
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
DettagliFONDAMENTI DI ELABORAZIONE NUMERICA DEI SEGNALI
FONDAMENTI DI ELABORAZIONE NUMERICA DEI SEGNALI RICOSTRUZIONE E INTERPOLAZIONE DI SEGNALI MONODIMENSIONALI Paolo Bestagini Ph.D. Student bestagini@elet.polimi.it http://home.deib.polimi.it/bestagini Outline
DettagliINGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Il teorema di Shannon
INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Il teorema di Shannon Prof. Carlo Rossi DEIS - Università di Bologna Tel: 051 2093024 email: crossi@deis.unibo.it Introduzione Il teorema di Shannon, o
DettagliFrequenza: Hertz e Ordini 1
Frequenza: Hertz e Ordini qi segnali vanno preparati ai ini delle elaborazioni successive. q Siamo nella ase di conversione del segnale analogico in un segnale digitale. q Il processo di digitalizzazione
DettagliTeoria dei Segnali Covarianza, correlazione e densità spettrale di potenza; processi stocastici stazionari
Teoria dei Segnali Covarianza, correlazione e densità spettrale di potenza; processi stocastici stazionari Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it
DettagliUniversità di Napoli Parthenope Facoltà di Ingegneria
Università di Napoli Parthenope Facoltà di Ingegneria Corso di rasmissione Numerica docente: Prof. Vito Pascazio 18 a Lezione: 13/1/4 19 a Lezione: 14/1/4 Sommario rasmissione di segnali PM numerici su
DettagliANALISI DI FOURIER. Segnali tempo continui:
ANALISI DI FOURIER Segnali tempo continui: Segnali aperiodici Introduzione alla Trasformata Continua di - Derivazione intuitiva della TCF a partire dallo Sviluppo in Serie di - Spettro di ampiezza e fase
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
DettagliCAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI 1 Fondamenti di segnali Fondamenti e trasmissione TLC Segnali in formato numerico Nei moderni sistemi di memorizzazione e trasmissione i segnali in ingresso sono
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
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
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
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
DettagliCap.1. GENERALITÀ SUI PROCESSI STOCASTICI
Cap.1. GENERALITÀ SUI PROCESSI STOCASTICI 1.1. SEGNALI ALEATORI E LORO SORGENTI Si è a volte fatto riferimento ai segnali quali veicoli di informazione: in proposito occorre tuttavia precisare che si tratta
DettagliCorso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005
Corso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005 Gli esercizi devono essere risolti solo sui fogli dei colori indicati Per esiti e soluzioni si veda il sito web del corso:
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
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;
Dettagli6. Trasmissione Numerica in Banda Base
1 INFO-COM Dpt. Dipartimento di Scienza e Tecnica dell Informazione e della Comunicazione Università degli Studi di Roma La Sapienza 6. Trasmissione Numerica in Banda Base TELECOMUNICAZIONI per Ingegneria
Dettagli8. Sistemi di Modulazione Numerica in banda-base. Modulo TLC:TRASMISSIONI Modulazione numerica in banda base
1 8. Sistemi di Modulazione Numerica in banda-base Modulazione e Demodulazione numerica 2 sequenza numerica segnale analogico...0010111001... modulatore numerico x(t) sequenza numerica...0010011001...
Dettagli2.2.5 Approssimazione di un segnale in una base biortogonale (segnali rettangolari) Esercizi proposti... 46
Indice 1 Operazioni elementari, convoluzione, correlazione 1 1.1 Operazioni elementari........................ 1 1.1.1 Ribaltamento, traslazione, scalatura............ 1 1.2 Convoluzione.............................
DettagliIntroduzione ai segnali determinati
Teoria dei segnali Unità 1 Introduzione ai segnali determinati Introduzione ai segnali determinati Sviluppo in serie di Fourier Trasformata di Fourier 005 Politecnico di Torino 1 Introduzione ai segnali
Dettagli3.3. Constant-Q Transform
3.3. Constant-Q Transform Una soluzione agli inconvenienti trattati nel paragrafo precedente è stata proposta da J.C. Brown nel 1991 ed è nota come Constant-Q transform [9]. Seppure sia stata formalizzata
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
Dettagliche coinciderà con la (2) se g[n] = g (n ), condizione verificata dal teorema di Poisson.
La simulazione di sistemi analogici LTI per via digitale si è resa necessaria in quanto permette non solo la perfetta riproducibilità del fenomeno da studiare in situazioni ambientali anche molto diverse,
DettagliANALISI DI SEGNALI BIOLOGICI
ANALISI DI SEGNALI BIOLOGICI A.Accardo accardo@units.it LM Neuroscienze A.A. 2010-11 1 Obiettivi del corso: Individuazione delle caratteristiche principali del segnale EEG quantificate mediante tecniche
Dettagli01CXGBN Trasmissione numerica. parte 10: Interferenza intersimbolica
CXGBN rasmissione numerica parte : Interferenza intersimbolica Interferenza intersimbolica Data una costellazione monodimensionale, ad esempio con baricentro nell origine, abbiamo visto che lo spettro
DettagliEsercizi svolti di Teoria dei Segnali
Esercizi svolti di eoria dei Segnali Enrico Magli, Letizia Lo Presti, Gabriella Olmo, Gabriella Povero Versione. Prefazione A partire dall anno accademico 5/6 viene fornita agli studenti dei corsi di eoria
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliElaborazione di segnali e immagini: modulo segnali
Elaborazione di segnali e immagini: modulo segnali 30 gennaio 014 Esame parziale con soluzioni Esercizio 1 Dato un sistema LTI descritto dalla seguente equazione alle differenze: v(k) + v(k 1) 10v(k )
DettagliLa Trasformata di Fourier Discreta. e sue applicazioni
Prof. Lucio Cadeddu Giorgia Tranquilli Università degli Studi di Cagliari Facoltà di Scienze MM.FF.NN. Corso di Laurea in Matematica La Trasformata di Fourier Discreta e sue applicazioni Relatore: Tesi
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
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
DettagliAnalisi armonica su dati campionati
Sistemi di misura digitali Analisi armonica su dati campionati - 1 Analisi armonica su dati campionati 1 - Troncamento del segnale Distorsione di leakage L analisi di Fourier è un metodo ben noto per ottenere
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
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
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
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
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
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
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
DettagliPROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE
PROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE (da un idea di M. Impedovo Variabili aleatorie continue e simulazione Progetto Alice n. 15, ) 1. La simulazione Nelle schede precedenti
DettagliElaborazione numerica. Teoria dei segnali
Elaborazione numerica e Teoria dei segnali Raccolta di Esercizi Fiandrino Claudio agosto 00 II Indice I Teoria dei segnali 5 Esercizi di base 7. Esercizio............................. 7. Esercizio.............................
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
DettagliEdoardo Milotti - Metodi di trattamento del segnale 1
Edoardo Milotti - Metodi di trattamento del segnale 1 Consideriamo un certo processo di campionamento in cui si prendono N campioni con intervallo di campionamento Δt: in questo caso il tempo di campionamento
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 9 - EQUAZIONI DIFFERENZIALI ORDINARIE valori iniziali Valori iniziali Ci occuperemo della soluzione numerica di equazioni del prim ordine
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
DettagliDistribuzioni di due variabili aleatorie
Statistica e analisi dei dati Data: 6 Maggio 206 Distribuzioni di due variabili aleatorie Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori Distribuzioni congiunte e marginali Consideriamo due variabili
DettagliProject Scheduling: PERT. Il PERT ha potenzialità superiori rispetto a quelle di un semplice mezzo per la pianificazione ed il controllo.
1. Introduzione Project Scheduling: PERT Il PERT è una tecnica introdotta per la pianificazione ed il controllo di progetti in cui le durate t ij delle singole attività sono delle variabili aleatorie.
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
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,
Dettagliun elemento scelto a caso dello spazio degli esiti di un fenomeno aleatorio;
TEST DI AUTOVALUTAZIONE - SETTIMANA 3 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Una variabile casuale
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
DettagliLa Trasformata di Fourier
La Trasformata di Fourier Preliminari: Spazi di Hilbert Da Wikipedia In matematica uno spazio di Hilbert è uno spazio vettoriale che generalizza la nozione di spazio euclideo. Gli spazi di Hilbert sono
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
DettagliUniversità degli Studi di Enna Kore Facoltà di Ingegneria ed Architettura
Facoltà di Ingegneria ed Architettura Anno Accademico 2016 2017 A.A. Settore Scientifico Disciplinare CFU Insegnamento Ore di aula Mutuazione 2016/17 ING-INF/03 9 Teoria dei Segnali 72 No Classe Corso
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
Dettagliesame di Teoria dei Segnali 26 marzo 1999 Ex.1: Sia X U(0; 1). Calcolare la distribuzione di probabilita della v.a. Y = g(x),
Consorzio NETTUNO, Polo Tecnologico di Napoli esame di Teoria dei Segnali 26 marzo 1999 Ex.1: Sia X U(0; 1). Calcolare la distribuzione di probabilita della v.a. Y = g(x), dove ; i =1;2;:::;N g(x) =i=n;
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE TEORIA DELLE CODE Teoria delle code Obiettivo Avere uno strumento analitico per determinare le condizioni di funzionamento di una rete in termini prestazionali La teoria delle
DettagliLA TECNICA DI TRASMISSIONE OFDM. Ing. Riccardo Pighi
LA TECNICA DI TRASMISSIONE OFDM Ing. Riccardo Pighi Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Parma, Venerdì 23 Gennaio 2004 Sommario della presentazione 1. OFDM: introduzione
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
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
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
Dettagli01CXGBN Trasmissione numerica. parte 6: calcolo delle probabilità I
01CXGBN Trasmissione numerica parte 6: calcolo delle probabilità I 1 Probabilità di errore BER e SER Per rappresentare la bontà di un sistema di trasmissione numerica in termini di probabilità di errore
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche. Analisi dei segnali A.A. 2008-09.
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Analisi dei segnali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Segnali continui e discreti Un segnale tempo-continuo è
DettagliANALISI DELLE SERIE STORICHE
ANALISI DELLE SERIE STORICHE De Iaco S. s.deiaco@economia.unile.it UNIVERSITÀ del SALENTO DIP.TO DI SCIENZE ECONOMICHE E MATEMATICO-STATISTICHE FACOLTÀ DI ECONOMIA 24 settembre 2012 Indice 1 Funzione di
DettagliIl modello di regressione lineare multipla. Il modello di regressione lineare multipla
Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
Dettagli