Questa viene trasmessa sul canale (wireless o wired). In questo corso, modellizzeremo il canale di trasmissione come un canale Gaussiano bianco
|
|
- Annunciata Tommasa Mauri
- 6 anni fa
- Visualizzazioni
Transcript
1 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 (wireless o wired). In questo corso, modellizzeremo il canale di trasmissione come un canale Gaussiano bianco (Additive White Gaussian Noise, AWGN) 1
2 AWGN Canale Gaussiano bianco: Lineare e tempo-invariante Risposta in frequenza ideale H(f)=1 Aggiunge rumore Gaussiano bianco n(t) s(t) Canale + r(t) = s(t) + n(t) n(t) 2
3 AWGN G ( n f ) N /2 0 f G f N ( ) n = /2 0 3
4 AWGN Fissati due istanti temporali diversi t 1 e t 2 le variabili casuali t n( t ) t 1 1 n( t ) 2 2 sono v.c. Gaussiane Statisticamente indipendenti 4
5 Problema in ricezione segnale trasmesso u st ( ) rt ( ) = st ( ) + nt ( ) sequenze binarie informazione segnale ricevuto PROBLEMA IN RICEZIONE: dato r(t) recuperare s(t) 5
6 Problema in ricezione PROBLEMA: dato r(t) recuperare s(t) Primo passo: dividere r(t) in segmenti di durata rt () = ([0]() r t r[1]()... t rn [ ]()... t 6
7 Problema in ricezione È possibile studiare indipendentemente ogni singolo intervallo? rt () = ([0]() r t r[1]()... t rn [ ]()... t st () = ([0]() s t s[1]()... t sn [ ]()... t n( t) = (n[0]( t) n[1]( t)... n[ n]( t)... rt () = st () + nt () 7
8 Problema in ricezione Ogni r[n](t) dipende solo da Il correspondente segnale trasmesso s[n](t) Le v.c. di rumore estratte per n t < ( n + 1) Ogni intervallo può essere analizzato indipendentemente rt () = ([0]() r t r[1]()... t rn [ ]()... t 8
9 Problema in ricezione Ogni intervallo può essere analizzato indipendentemente Concentriamoci sul primo intervallo, per 0 t < rt () = ([0]() r t r[1]()... t rn [ ]()... t 9
10 Problema in ricezione 0 t < s[0]( t) r[0]( t) = s[0]( t) + n[0]( t) Per semplicità, omettiamo l indice temporale [0] st () rt () = st () + nt () PROBLEMA: dato r(t) recuperare s(t) 10
11 Problema in ricezione Il segnale trasmesso s(t) certamente appartiene allo spazio dei segnali S Il segnale ricevuto r(t) appartiene a S? dipende da n(t) In generale, n(t) sarà un segnale generico di durata [0,], non appartenente a S: rt () = st () + nt () nt () S In generale si avrà quindi rt () S 11
12 Problema in ricezione nt () S Sappiamo che Proviamo a proiettare il rumore sui versori della base: B = ( b ) t = 1 () d La -esima proiezione è data dalla: n = 0 n() t b () t dt 12
13 Proprietà delle variabili casuali n n = 0 n() t b () t dt Sidimostrachequestecomponentin sono Variabili casuali Gaussiane Valor medio E[n ]=0 Varianza σ 2 =N 0 /2 Statisticamente indipendenti tra loro 13
14 Proprietà delle variabili casuali n n = 0 n() t b () t dt n () t = n b () t S Definiamo n S (t) S : è la porzione di n(t) appartenente a S nt () n() t S 14
15 Il segnale ricevuto Consideriamo r(t) Sappiamo che rt () S Proiettiamo r(t) sulla base B dello spazio S B = ( b ) t = 1 () d La -esima proiezione è: r = r() t b() t dt 0 15
16 Il segnale ricevuto Definiamo r () t = rb () t S Ovviamente rt () r() t È la parte del segnale ricevuto che appartiene allo spazio dei segnali S r () t S S 16
17 Il problema della decisione nello spazio dei segnali r S (t) è una statistica sufficiente per risovere il problema è sufficiente lavorare nello spazio dei segnali S utte le altre (infinite) dimensioni ortogonali non contengono informazione utile, ma solo rumore s.i. Nota importante: dato r(t), è facile da calcolare r () t = rb () t S 17
18 Il problema della decisione: formulazione vettoriale P2 PROBLEMA: dato r S (t) =s(t)+n S (t) recuperare s(t) I tre segnali appartengono a S Rappresentazione vettoriale da adesso, invece di lavorare con i segnali lavoro con i vettori 18
19 Il problema della decisione: formulazione vettoriale r () t = s() t + n () t S S r = s + n r = ( r,..., r,..., r ) 1 [ Noto a partire da r(t) ] s = ( s,..., s,..., s ) 1 d [ Ignoto, da stimare ] n= ( n,..., n,..., n ) 1 d d r s n = r() t b() t dt 0 = s() t b() t dt 0 = n() t b() t dt 0 [ Ignoto ] 19
20 Il problema della decisione: formulazione vettoriale P2 PROBLEMA: dato r S (t) =s(t)+n S (t) recuperare s(t) P3 PROBLEMA: dato r=s +n recuperare s IMPORANE: dato r(t), il vettore r è facile da calcolare (i versori della base sono noti) 20
21 Criterio di decisione P3 PROBLEMA: dato r=s +n recuperare s In ricezione, dato r vogliamo scegliere il segnale ricevuto sr M Obiettivo: effettuare la scelta giusta: s R = s Sfortunatamente questo non è sempre possibile, a causa del rumore. 21
22 Criterio di decisione Dato r dobbiamo stabilire un criterio di decisione che determina la scelta di s R Minimizzazione della probabilità di errore sul simbolo (segnale) P () e = P( s s ) S R 22
23 Criterio di decisione P3 PROBLEMA: dato r=s +n recuperare s Supponiamo di ricevere un dato r=ρ R d decidiamo di scegliere s R M tale che P S (e) sia minima Criterio di decisione C1 s = arg min P( s s r ρ) R = R s i M 23
24 Criterio a minima distanza si dimostra che si ottiene un criterio a minima distanza Euclidea C3 2 dato r = ρ scelgo s = arg min d ( ρ s ) R s M E i i 24
25 Criterio a minima distanza Esempio: Costellazione di due segnali (m =2) in una dimensione (d =1) M={s 1 =(-1) s 2 =(+1)} Supponiamo di ricevere r=ρ=(0.2) Calcoliamo la distanza Euclidea dai due segnali della costellazione: d 2 E(ρ,s 1 )=1.44 d 2 E(ρ,s 2 )=0.64 Criterio ML: s d s 2 = arg min ( ρ ) R s M E i i Scegliamo s R =s 2 25
26 Criterio a minima distanza Esempio: Costellazione di quattro segnali (m =4) in due dimensioni (d =2) M={s 1 =(1,0) s 2 =(0,1) s 3 =(-1,0) s 4 =(0,-1) } Supponiamo di ricevere r= ρ=(-0.5, 0.2) Calcoliamo la distanza Euclidee dai quattro segnali della costellazione: Criterio ML: d 2 E(ρ,s 1 )=2.29 d 2 E(ρ,s 2 )=0.89 d 2 E(ρ,s 3 )=0.29 d 2 E(ρ,s 4 )=1.69 s d s 2 = arg min ( ρ ) R s M E i i Scegliamo s R =s 3 26
27 Regioni di Voronoi Questo criterio di decisione associa ad ogni vettore un segnale ricevuto s M R d ρ R Possiamo introdurre la Regione di Voronoi (decisione) associata al segnale s i { ρ d } V( s ) = R : s = s i R i ( ) V s i = Insieme di tutti i vettori ricevuti che implicano la scelta s R = s i 27
28 Regioni di Voronoi Insieme dei vettori ricevuti che implicano la scelta s R = s i Quando scegliamo s R = s i? Quando M d ρ R è più vicino a s i che a tutti gli altri segnali di V s R d s d s s M d 2 2 ( i) = { ρ : E( ρ, i) E( ρ, ) } 28
29 Regioni di Voronoi Esempio Costellazione binaria antipodale Regioni di Voronoi = due semi-assi ( α ) ( +α ) 29
30 Regioni di Voronoi Esempio Costellazione 4-PSK Regioni di Voronoi = quattro quadranti s 1 a s 0 a s 2 s 3 30
31 Criterio basato sulle regioni di Voronoi NOA: Se riceviamo ρ V( s i ) certamente scegliamo sr = si Il criterio a minima distanza r = s = d s 2 dato ρ scelgo arg min ( ρ ) R s M E i i È equivalente ad un criterio basato sulle regioni di Voronoi C4 dato r = ρ se ρ V( s) scelgo s R = s 31
32 Ricevitore nello spazio dei segnali (con integratore) Dato il segnale ρ(t) ricevuto, il ricevitore deve svolgere tre operazioni: 1. Data ρ(t) calcolare le componenti 2. Dato il vettore ρ =( ρ 1,, ρ,,ρ d ) applicare il criterio ML per scegliere il segnale ricevuto s = d s (oppure s = s con ρ V( s) ) R 2 arg min E( ρ ) s M = ρ() tb() tdt 3. Dato s R risalire al vettore di informazione binario invertendo il labeling binario u = e 1 ( s ) R R ρ s R R 0 M (questo nel primo intervallo tra 0 e, parleremo dopo degli intervalli successivi) 32
33 Ricevitore nello spazio dei segnali (con integratore) 1. Data ρ(t) calcolare le componenti ρ = ρ() tb() tdt 0 Si può effettuare con questo schema: b () t ρ() t 0 dt ρ 33
34 Ricevitore nello spazio dei segnali (con integratore) 2. Dato il vettore ρ=( ρ 1,,ρ, ρ d ) applicare il criterio ML per scegliere il segnale ricevuto R 2 arg min E( ρ ) s M s R M s = d s (oppure s = s con ρ V( s) ) R ρ 01 ρ decisore a minima distanza s R ρ d 1 (Regioni di Voronoi) 34
35 Ricevitore nello spazio dei segnali (con integratore) 3. Dato s R risalire al vettore di informazione binario invertendo il labeling binario u = e 1 ( s ) R R s R e 1 () uv R 35
36 Ricevitore nello spazio dei segnali (con integratore) Il ricevitore complessivo si può quindi realizzare con lo schema seguente, che chiameremo ricevitore nello spazio dei segnali con integratore: b () 1 t 0 ρ() t b () t b () t b b () t d () 1 t 0 0 dt dt ρ 10 ρ decisore a minima distanza (Regioni di Voronoi) s R e 1 () uv R 0 dt ρ d 1 36
37 Esempio Data la costellazione: M = { s () t =+ VP (), t s () t = VP ()} t 1 2 Disegnare il ricevitore e spiegare in base a cosa viene presa la decisione (valor medio del segnale ricevuto) 37
38 Filtro adattato Metodo alternativo per calcolare le componenti di ρ(t) : ρ = ρ() tb() tdt Consideriamo un filtro con risposta all impulso 0 f () t = b ( t) Scriviamo l espressione dell uscita del filtro quando l ingresso è il segnale ricevuto ρ(t) 38
39 Filtro adattato Uscita del filtro con risposta all impulso : + + y() t ρ( τ) f ( t τ) dτ ρ( τ) b ( t τ) dτ = = + Consideriamo ora l uscita y(t) del filtro nell istante t= + yt ( ) ρ( τ) b( τ) dτ ρ( τ) b( τ) dτ ρ = = = = (il dominio di b e [0,]) f( t) = b ( t) 0 39
40 Filtro adattato Schema alternativo per calcolare le componenti di ρ(t) mediante il filtro adattato: b ( t) ρ () t yt () y ( ) = ρ 40
41 Ricevitore nello spazio dei segnali (con filtro adattato) Il ricevitore complessivo si può quindi realizzare con lo schema seguente, che chiameremo ricevitore nello spazio dei segnali con filtro adattato: b( t) 1 b ( t) 0 ρ 1 ρ 0 decisore a ρ ( t ) b ( t) b ( t) ρ ρ minima distanza s R e 1 () vu R (Regioni b ( t) bd ( ) 1 t ρ d ρ d 1 di Voronoi) 41
42 Ricevitori ed asse dei tempi Il filtro adattato consente di calcolare le componenti ρ del vettore ρ non solo per il primo intervallo, ma per ogni intervallo [n,(n+1)[ generico: È sufficiente campionare l uscita y(t) del filtro adattato: Con frequenza R=1/ Negli istanti t=(n+1) 42
43 Ricevitore nello spazio dei segnali (con filtro adattato) Il ricevitore ML con filtro adattato, valido per ogni intervallo di simbolo, si può quindi realizzare con lo schema seguente: R = 1/ t = ( n+ 1) b( t) 1 b ( t) 0 ρ 1 ρ 0 decisore a ρ ( t ) b ( t) b ( t) ρ ρ minima distanza s R e 1 () uv R (Regioni b ( t) b d ( ) d 1 t ρ d ρ d 1 di Voronoi) 43
44 Esempio Data la costellazione: M = { s () t =+ VP (), t s () t = VP ()} t 1 2 Disegnare la forma d onda trasmessa corrispondente alla sequenza Disegnare il filtro adattato In assenza di rumore disegnare l uscita del filtro adattato Mostrare che campionando negli istanti di campionamento t=(n+1) si ottiene esattamente il simbolo trasmesso 44
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
DettagliTRASMISSIONE NUMERICA IN BANDA BASE. 1 Fondamenti Segnali e Trasmissione
TRASMISSION NUMRICA IN BANDA BAS 1 Fondamenti Segnali e Trasmissione Trasmissione numerica in banda base Per trasmettere una sequenza di cifre binarie su un canale di trasmissione passa basso (in banda
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
DettagliIstituzioni di Matematiche Modulo B (SG)
Istituzioni di Matematiche Modulo B (SG) II foglio di esercizi ESERCIZIO 1. Per ciascuna funzione f(, ) calcolare le derivate parziali f (, ) e f (, ) e determinare il relativo dominio di definizione.
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
DettagliTRASMISSIONE NUMERICA IN BANDA BASE
TRASMISSIONE NUMERICA IN BANDA BASE 1 Fondamenti di segnali Fondamenti e trasmissione TLC Trasmissione numerica in banda base Per trasmettere una sequenza di cifre binarie su un canale di trasmissione
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...
DettagliAnalisi Matematica II (Prof. Paolo Marcellini)
Analisi Matematica II Prof. Paolo Marcellini) Università degli Studi di Firenze Corso di laurea in Matematica Esercitazione del 5//14 Michela Eleuteri 1 eleuteri@math.unifi.it web.math.unifi.it/users/eleuteri
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
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
DettagliFunzioni vettoriali di variabile scalare
Capitolo 11 Funzioni vettoriali di variabile scalare 11.1 Curve in R n Abbiamo visto (capitolo 2) come la posizione di un punto in uno spazio R n sia individuata mediante le n coordinate di quel punto.
DettagliA.1 Rappresentazione geometrica dei segnali
Appendice A Rappresentazione dei segnali A.1 Rappresentazione geometrica dei segnali Scomporre una generica forma d onda s(t) in somma di opportune funzioni base è operazione assai comune, particolarmente
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
Dettagli01CXGBN Trasmissione numerica. parte 18: modulazioni m-psk
01CXGBN Trasmissione numerica parte 18: modulazioni m-psk 1 Modulazioni m-psk: caratteristiche 1. Modulazioni in quadratura modulazioni in anda-passante. Costellazione i-dimensionale: m segnali, equispaziati
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,
Dettagli2 2 2 A = Il Det(A) = 2 quindi la conica è non degenere, di rango 3.
Studio delle coniche Ellisse Studiare la conica di equazione 2x 2 + 4xy + y 2 4x 2y + 2 = 0. Per prima cosa dobbiamo classificarla. La matrice associata alla conica è: 2 2 2 A = 2 2 2 Il DetA = 2 quindi
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...
DettagliCodifica di canale. (dalle dispense e dalle fotocopie) Trasmissione dell Informazione
Codifica di canale (dalle dispense e dalle fotocopie) Codici lineari a blocchi Un codice lineare (n,k) è un codice che assegna una parola lunga n ad ogni blocco lungo k. Si dice che il codice abbia un
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
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
DettagliAnalisi Matematica 1 e Matematica 1 Geometria Analitica: Rette
Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette Annalisa Amadori e Benedetta Pellacci amadori@uniparthenope.it pellacci@uniparthenope.it Università di Napoli Parthenope Contenuti Nel Piano
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
DettagliLa modulazione numerica
La modulazione numerica Mauro Giaconi 26/05/2009 trasmissione numerica 1 Principi di modulazione numerica 26/05/2009 trasmissione numerica 2 Modulazione numerica La modulazione trasla l informazione di
DettagliAppunti di Algebra Lineare. Distanze
Appunti di Algebra Lineare Distanze 1 Indice 1 Distanze nel piano 1.1 Distanza punto-punto................................... 1. Distanza punto-retta.................................... 3 1.3 Distanza
DettagliEsercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezioni del 7/1/2003 e del 14/1/2003
Esercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezioni del 7/1/003 e del 14/1/003 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore
Dettagli01CXGBN Trasmissione numerica. parte 1: Introduzione ai sistemi di trasmissione numerica. Grandezze fondamentali.
01CXGBN Trasmissione numerica parte 1: Introduzione ai sistemi di trasmissione numerica. Grandezze fondamentali. 1 TRASMISSIONE NUMERICA Trasmissione da un utente TX a un utente RX di informazione discreta
DettagliLEZIONE 9. k, tenendo conto delle formule che permettono di calcolare il prodotto scalare ed il prodotto vettoriale, otteniamo
LEZIONE 9 9.1. Prodotto misto. Siano dati i tre vettori geometrici u, v, w V 3 (O) definiamo prodotto misto di u, v e w il numero u, v w. Fissiamo un sistema di riferimento O ı j k in S 3. Se u = u x ı
DettagliApplicazioni lineari tra spazi euclidei. Cambi di base.
pplicazioni lineari tra spazi euclidei. Cambi di base. Esercizio. Data la seguente applicazione lineare f : R R : f(x, y, z) = (x z, x + y, y + z), scrivere la matrice B, rappresentativa di f rispetto
DettagliSe la funzione è analiticamente invertibile, estratto q, si può ricavare x = x(q).
La tecnica Monte Carlo Il metodo Monte Carlo è basato sulla scelta di eventi fisici con una probabilità di accadimento nota a priori. sia p(x) la distribuzione di probabilità con la quale si manifesta
DettagliGli errori nella verifica delle ipotesi
Gli errori nella verifica delle ipotesi Nella statistica inferenziale si cerca di dire qualcosa di valido in generale, per la popolazione o le popolazioni, attraverso l analisi di uno o più campioni E
Dettagli0.1 Spazi Euclidei in generale
0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo
DettagliCOMUNICAZIONI ELETTRICHE + TRASMISSIONE NUMERICA COMPITO 13/7/2005
COMUNICAZIONI ELETTRICHE + TRASMISSIONE NUMERICA COMPITO 13/7/005 1. Gli esercizi devono essere risolti su fogli separati: uno per la prima parte del compito (esercizi 1/4), uno per la seconda parte (esercizi
DettagliRette e piani nello spazio Federico Lastaria, Analisi e Geometria 1. Politecnico di Milano Corso di Analisi e Geometria 1
ette e piani nello spazio Federico Lastaria, Analisi e Geometria 1 Politecnico di Milano Corso di Analisi e Geometria 1 Federico Lastaria federico.lastaria@polimi.it ette e piani nello spazio. 9 Gennaio
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
DettagliMarkov Chains and Markov Chain Monte Carlo (MCMC)
Markov Chains and Markov Chain Monte Carlo (MCMC) Alberto Garfagnini Università degli studi di Padova December 11, 2013 Catene di Markov Discrete dato un valore x t del sistema ad un istante di tempo fissato,
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
Dettagli01GSZ Tecniche di protezione dell informazione. parte 1
01GSZ Tecniche di protezione dell informazione parte 1 1 Scopo del corso Il corso si propone di fornire agli studenti gli elementi per l analisi ed il progetto di codici di canale capaci di proteggere
DettagliSecondo parziale di Matematica per l Economia (esempio)
Corso di Laurea in Economia e Management Secondo parziale di Matematica per l Economia (esempio) lettere E-Z, a.a. 206 207 prof. Gianluca Amato Regole generali Si svolga il primo esercizio e, a scelta
DettagliNOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n
NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare
DettagliVettori e geometria analitica in R 3 1 / 25
Vettori e geometria analitica in R 3 1 / 25 Sistemi di riferimento in R 3 e vettori 2 / 25 In fisica, grandezze fondamentali come forze, velocità, campi elettrici e magnetici vengono convenientemente descritte
DettagliCapitolo 7 Strato Fisico- Codici correttori d errore e capacità di canale
Capitolo 7 Strato Fisico- Codici correttori d errore e capacità di canale 1 Obiettivi: Codici correttori d errore correggere o rivelare errori nella trasmissione di segnali numerici (sequenze di simboli,
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)=
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
DettagliEsercizi sui vettori liberi (i, j, k è una base ortonormale positiva)
Esercizi sui vettori liberi (i, j, k è una base ortonormale positiva) Esercizio 1 Siano v e w due vettori non paralleli.sapendo che v è un versore e che v w =3 trovare l espressione di tutti i vettori
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 6 1 Test ed intervalli di confidenza per una popolazione Esercizio n. 1 Il calore (in calorie
DettagliAppunti della lezione sulla Equazione Differenziale delle Onde
Appunti della lezione sulla Equazione Differenziale delle Onde ultima revisione: 21 giugno 2017 In tutti i casi analizzati precedentemente si osserva che le onde obbediscono alla stessa Equazione Differenziale
DettagliTopologia, continuità, limiti in R n
Topologia, continuità, limiti in R n Ultimo aggiornamento: 18 febbraio 2017 1. Preliminari Prima di iniziare lo studio delle funzioni di più variabili, in generale funzioni di k variabili e a valori in
DettagliFondamenti di segnali e trasmissione
Fondamenti di segnali e trasmissione Anno accademico 4/5 sercizi - parte : Trasmissione Indice 1. Trasmissione digitale in banda base (filtro adattato, criterio di yquist). Trasmissione digitale di segnali
DettagliLEZIONE 8. Figura 8.1.1
LEZIONE 8 8.1. Equazioni parametriche di rette. In questo paragrafo iniziamo ad applicare quanto spiegato sui vettori geometrici per dare una descrizione delle rette nel piano e nello spazio. Sia r S 3
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
Dettagli(2) se A A, allora A c A; (3) se {A n } A, allora +
1. Spazi di misura In questo paragrafo accenneremo alla nozione di spazio di misura. Definizione 1. Sia X un insieme non vuoto. Una famiglia A di sottoinsiemi di X è una σ-algebra se : (1) A; (2) se A
DettagliCorso di Laurea in Ingegneria Biomedica Corso di Trasmissione Numerica (6 crediti) Prova scritta 16.02.2006
Prova scritta 16.02.2006 D. 1 Si derivi l espressione dei legami ingresso-uscita, nel dominio del tempo per le funzioni di correlazione nel caso di sistemi LTI e di segnali d ingresso SSL. Si utilizzi
DettagliComplementi di Analisi Matematica Ia. Carlo Bardaro
Complementi di Analisi Matematica Ia Carlo Bardaro Capitolo 1 Elementi di topologia della retta reale 1.1 Intorni, punti di accumulazione e insiemi chiusi Sia x 0 IR un fissato punto di IR. Chiameremo
DettagliSTATISTICA AZIENDALE Modulo Controllo di Qualità
STATISTICA AZIENDALE Modulo Controllo di Qualità A.A. 009/10 - Sottoperiodo PROA DEL 14 MAGGIO 010 Cognome:.. Nome: Matricola:.. AERTENZE: Negli esercizi in cui sono richiesti calcoli riportare tutte la
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliRicordiamo. 1. Tra le equazioni delle seguenti rette individua e disegna quelle parallele all asse delle ascisse:
La retta Retta e le sue equazioni Equazioni di rette come luogo geometrico y = h h R equazione di una retta parallela all asse delle ascisse x = 0 equazione dell asse delle ordinate y = h h R equazione
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
Dettagli; r 0 2 m = l 2 (s 2 θ + c 2 θ) = l 2
1 Calcolo del momento d inerzia Esercizio I.1 Pendolo semplice Si faccia riferimento alla Figura 1, dove è rappresentato un pendolo semplice; si utilizzeranno diversi sistemi di riferimento: il primo,
DettagliEsercitazioni di Meccanica Razionale
Esercitazioni di Meccanica Razionale a.a. 2002/2003 Vettori applicati Maria Grazia Naso naso@ing.unibs.it Dipartimento di Matematica Università degli Studi di Brescia Esercitazioni di Meccanica Razionale
DettagliElementi di Teoria dei Sistemi. Definizione di sistema dinamico. Cosa significa Dinamico? Sistema dinamico a tempo continuo
Parte 2, 1 Parte 2, 2 Elementi di Teoria dei Sistemi Definizione di sistema dinamico Parte 2, 3 Sistema dinamico a tempo continuo Cosa significa Dinamico? Parte 2, 4? e` univocamente determinata? Ingresso
DettagliDipartimento di Ingegneria dell Informazione, Elettronica e Telecomunicazioni. Esercitazioni del corso di. Telecomunicazioni
Dipartimento di Ingegneria dell Informazione, Elettronica e Telecomunicazioni Esercitazioni del corso di Telecomunicazioni Corso di laurea in Ingegneria Gestionale Anno Accademico 2013-2014 Ing. Alfonso
DettagliCorso di Fondamenti di Telecomunicazioni
Corso di Fondamenti di Telecomunicazioni 1 - INTRODUZIONE Prof. Giovanni Schembra 1 Argomenti della lezione Definizioni: Sorgente di informazione Sistema di comunicazione Segnali trasmissivi determinati
DettagliArgomenti Capitolo 1 Richiami
Argomenti Capitolo 1 Richiami L insieme dei numeri reali R si rappresenta geometricamente con l insieme dei punti di una retta orientata su cui sia stato fissato un punto 0 e un segmento unitario. L insieme
DettagliTeoria dei Segnali Richiami di analisi matematica; alcune funzioni notevoli
Teoria dei Segnali Richiami di analisi matematica; alcune funzioni notevoli Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria dei Segnali Richiami
DettagliDIFFERENZIAZIONE. Sia f una funzione reale di variabile reale con dominio un intervallo. Se f è derivabile in un punto x 0, allora: f(x) f(x 0 ) lim
DIFFERENZIAZIONE 1 Regola della catena Sia f una funzione reale di variabile reale con dominio un intervallo. Se f è derivabile in un punto x 0, allora: f(x) f(x 0 ) lim = f (x 0 ). x x 0 x x 0 Questa
DettagliRaggiungibilità, Controllabilità, Osservabilità e Determinabilità
Raggiungibilità, Controllabilità, Osservabilità e Determinabilità Si determini se i sistemi lineari tempo invarianti ẋ(t) = Ax(t) + Bu(t), Σ c : y(t) = Cx(t) + Du(t). x(k + ) = Ax(k) + Bu(k), Σ d : y(k)
DettagliTeoria dell informazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria dell informazione A.A. 2008-09 Alberto Perotti DELEN-DAUIN Modello di sistema di comunicazione Il modello di
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
Dettagli1) Codici convoluzionali. 2) Circuito codificatore. 3) Diagramma a stati e a traliccio. 4) Distanza libera. 5) Algoritmo di Viterbi
Argomenti della Lezione 1) Codici convoluzionali 2) Circuito codificatore 3) Diagramma a stati e a traliccio 4) Distanza libera 5) Algoritmo di Viterbi 1 Codici convoluzionali I codici convoluzionali sono
DettagliLaboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.
5 STIMA PUNTUALE DEI PARAMETRI [Adattato dal libro Excel per la statistica di Enzo Belluco] Sia θ un parametro incognito della distribuzione di un carattere in una determinata popolazione. Il problema
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 16/06/2016 NOME: COGNOME: MATRICOLA: Esercizio 1 Cinque lettere
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliPiano cartesiano e Retta
Piano cartesiano e Retta 1 Piano cartesiano e Retta 1. Richiami sul piano cartesiano 2. Richiami sulla distanza tra due punti 3. Richiami punto medio di un segmento 4. La Retta (funzione lineare) 5. L
DettagliLunghezza media. Teorema Codice D-ario prefisso per v.c. X soddisfa. L H D (X). Uguaglianza vale sse D l i. = p i. . p.1/27
Lunghezza media Teorema Codice D-ario prefisso per v.c. X soddisfa L H D (X). Uguaglianza vale sse D l i = p i.. p.1/27 Lunghezza media Teorema Codice D-ario prefisso per v.c. X soddisfa L H D (X). Uguaglianza
Dettagli= (cioè le due terne di numeri direttori ( devono essere ) proporzionali). Tale uguaglianza non è verificata, poiché risulta ρ
Alcuni esercizi sullo spazio euclideo R Nel seguito R indicherà lo spazio euclideo tridimensionale standard, dotato del riferimento cartesiano naturale (pag 56-57 del libro Nota: gli esercizi proposti
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologie. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica Le distribuzioni teoriche di probabilità. La distribuzione di probabilità binomiale Corso di laurea in biotecnologie
Dettagli(5 sin x + 4 cos x)dx [9]
FACOLTÀ DI SCIENZE MM. FF. NN. CORSO DI LAUREA IN SCIENZE NATURALI II Modulo di Matematica con elementi di statistica. Esercitazioni A.A. 009.00. Tutor: Mauro Soro, p.soro@tin.it Integrali definiti Risolvere
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliAlgebra lineare Geometria 1 11 luglio 2008
Algebra lineare Geometria 1 11 luglio 2008 Esercizio 1. Si considerino la funzione: { R f : 3 R 3 (α, β, γ) ( 2β α γ, (k 1)β + (1 k)γ α, 3β + (k 2)γ ) dove k è un parametro reale, e il sottospazio U =
DettagliSoluzioni di Esercizi di Esame di Segnali Aleatori per Telecomunicazioni
Corso di Laurea in Ingegneria Informatica corso di Telecomunicazioni (Prof. G. Giunta) (editing a cura dell ing. F. Benedetto) Soluzioni di Esercizi di Esame di Segnali Aleatori per Telecomunicazioni Esame
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
Dettagli7. Integrazione delle funzioni di più variabili (II)
7. Integraione delle funioni di più variabili (II) http://eulero.ing.unibo.it/~baroi/scam/scam-tr.7b.pdf 7.5 Area del parallelogramma costruito su due vettori. Volume del parallelepipedo costruito su tre
Dettagli01CXGBN Trasmissione numerica. parte 19: modulazioni m-qam
01CXGBN Trasmissione numerica parte 19: modulazioni m-qam 1 Modulazioni m-qam: caratteristiche 1. Modulazioni in quadratura modulazioni in anda-passante 2. Costellazione i-dimensionale: m segnali disposti
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La v.c. Uniforme Continua Secondo alcuni sondaggi sul sito della Apple (technical support site,
DettagliEsercitazioni di Statistica Matematica A Lezione 2. Variabili con distribuzione gaussiana
Esercitazioni di Statistica Matematica A Lezione 2 Variabili con distribuzione gaussiana.) Una bilancia difettosa ha un errore sistematico di 0.g ed un errore casuale che si suppone avere la distribuzione
DettagliTeoria della probabilità Variabili casuali
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Variabili casuali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Variabile casuale Una variabile
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
DettagliSoluzioni delle Esercitazioni VIII 21-25/11/2016. = lnx ln1 = lnx. f(t)dt.
Esercitazioni di Matematica Esercitazioni VIII -5//6 Soluzioni delle Esercitazioni VIII -5//6 A. Funzione integrale. La funzione integrale di f nell intervallo [, ] è per definizione F() = dt con [,].
Dettagli15/04/2014. Serway, Jewett Principi di Fisica IV Ed. Capitolo 8. Generalizziamo, considerando due particelle interagenti.
Serway, Jewett Principi di Fisica IV Ed. Capitolo 8 Esempio arciere su una superficie ghiacciata che scocca la freccia: l arciere (60 kg) esercita una forza sulla freccia 0.5 kg (che parte in avanti con
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
DettagliAnalisi del moto dei proietti
Moto dei proietti E il moto di particelle che vengono lanciate con velocità iniziale v 0 e sono soggette alla sola accelerazione di gravità g supposta costante. La pallina rossa viene lasciata cadere da
DettagliAppunti ed esercizi di geometria analitica PRIMA PARTE
Appunti ed esercizi di geometria analitica PRIMA PARTE Per la teoria studiare su il libro di testo La retta e i sistemi lineari, modulo E, da pagina 594 a pagina 597. Esercizi da pagina 617 a pagina 623.
Dettagli1 Sistemi di riferimento
Università di Bologna - Corsi di Laurea Triennale in Ingegneria, II Facoltà - Cesena Esercitazioni del corso di Fisica Generale L-A Anno accademico 2006-2007 1 Sistemi di riferimento Le grandezze usate
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
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
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
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
DettagliEquazioni differenziali lineari del secondo ordine a coefficienti costanti
Equazioni differenziali lineari del secondo ordine a coefficienti costanti 0.1 Introduzione Una equazione differenziale del secondo ordine è una relazione del tipo F (t, y(t), y (t), y (t)) = 0 (1) Definizione
DettagliParte V: Rilassamento Lagrangiano
Parte V: Rilassamento Lagrangiano Tecnica Lagrangiana Consideriamo il seguente problema di Programmazione Lineare Intera: P 1 min c T x L I Ax > b Cx > d x > 0, intera in cui A = matrice m x n C = matrice
Dettagli