CARATTERISTICHE DEI SEGNALI RANDOM

Documenti analoghi
IL RUMORE NEGLI AMPLIFICATORI

CORSO DI FISICA TECNICA 2 AA 2013/14 ACUSTICA. Lezione n 2:

Corso di. Dott.ssa Donatella Cocca

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

LA COMPATIBILITA tra due misure:

RAPPRESENTAZIONE DI MISURE. carta millimetrata

Variabili statistiche - Sommario

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

DIPARTIMENTO TEMATICO RADIAZIONI Struttura Semplice Radiazioni ionizzanti

Relazioni tra variabili: Correlazione e regressione lineare

Analisi dei Segnali. Sergio Frasca. Dipartimento di Fisica Università di Roma La Sapienza

Macchine. 5 Esercitazione 5

CAPITOLO 3 Incertezza di misura Pagina 26

Analisi dei Segnali. Sergio Frasca. Appunti delle lezioni di. Dipartimento di Fisica Università di Roma La Sapienza

Misure Topografiche Tradizionali

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Università degli Studi di Urbino Facoltà di Economia

Programmazione e Controllo della Produzione. Analisi dei flussi

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Fondamenti di Fisica Acustica

La retroazione negli amplificatori

Valutazione dei Benefici interni

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio Ing. Gianluca Chiappini

MODELLISTICA DI SISTEMI DINAMICI

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Calibrazione. Lo strumento idealizzato

Lez. 10 Forze d attrito e lavoro

Esercizi sulle reti elettriche in corrente continua (parte 2)

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Introduzione al Machine Learning

urto v 2f v 2i e forza impulsiva F r F dt = i t

La taratura degli strumenti di misura

Modelli descrittivi, statistica e simulazione

Tutti gli strumenti vanno tarati

2. Le soluzioni elettrolitiche

Corso di Automazione Industriale 1. Capitolo 7

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

Trigger di Schmitt. e +V t

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:

Appendice B. B Elementi di Teoria dell Informazione 1. p k =P(X = x k ) ovviamente, valgono gli assiomi del calcolo della probabilità: = 1;

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

PROBLEMA 1. Soluzione. β = 64

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

Soluzione del compito di Fisica febbraio 2012 (Udine)

STATISTICA DESCRITTIVA CON EXCEL

Transcript:

CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random: Regstrazone nel tempo d un segnale generato da un sensore d pressone montato n una rampa d lanco d un mssle per la msura della pressone acustca generata da fum d scarco. Le sollectazon causate da tal presson possono determnare la rottura per fatca della struttura. 1

Poché sono necessar n molt d quest cas metod d anals spermentale, è mportante msurare ed analzzare con accuratezza segnal random. 2

TEMPO DI ACQUISIZIONE t 0 : S acqussce l segnale casuale dal tempo zero al tempo t 0, e s assume l segnale par a zero per t > t 0, assmlando l segnale casuale ad uno transtoro. Occorre determnate l tempo d taglo t 0 n manera tale che l segnale acqusto n 0 < t < t 0 sa un buon esempo statstco dell ntero segnale random. Acquszone del segnale nell ntervallo 0 < t < t 0 L esstenza d un valdo tempo d taglo mplca che process casual sano stazonar, coè che le loro propretà statstche (come l valore medo, l valore quadratco medo etc.) non cambno con l tempo. Quando questo è vero esste un certo t 0 corrspondente al lvello scelto d confdenza de rsultat. Regstrazone d lunghezza nfnta Regstrazone d lunghezza fnta rsultat precs c è una certa probabltà che sano corrett Un semplce metodo per determnare t 0 3

DESCRIZIONE STATISTICA DEI SEGNALI CASUALI: Descrzone dell ampezza della varable. Descrzone della rapdtà (contenuto n frequenza) della varable. Descrzone dell ampezza della varable: meda o valor medo valore quadratco medo radce quadratca meda funzone dstrbuzone dell ampezza S consder una varable random q da: Essendo q ( t), la meda o valor medo q ( t) è defnto T 1 q( t) lm T q ( t ) dt t 0 ( t) una componente costante d tutto l segnale e non nfluenza le sue fluttuazon è generalmente sottratta dal segnale totale, per avere un segnale a valor medo nullo. D ora nnanz s consdereranno solo segnal casual q con valor medo nullo. ( t ) 4

Valore quadratco medo: T 2 1 q t T q 2 ( ) lm ( t ) dt t 0 Indca l ampezza della varable casuale, ha le dmenson del quadrato della grandezza stessa. Radce quadratca meda o rms: 2 rms q ( t) q ( t) 5

Il valore quadratco medo e la radce quadratca meda danno una ndcazone della grandezza totale q ( t) e non della dstrbuzone della ampezze. S ntroduce allora la funzone dstrbuzone dell ampezza o funzone denstà d probabltà W ( q ). (HIST A; HIST B) S defnsce la probabltà P che q ( t ) s trov tra alcun valor specfc q 1 e q 1 +q come: dove Pr obabltà[ q 1 q q 1 q ] P[ q 1, q 1 q ] lm T t rappresenta l tempo totale n cu q ( t ) s trova nella banda q durante l ntervallo d tempo T. S defnsce la funzone dstrbuzone dell ampezza W ( q ): P[ q1, q1 q W1 ( q) lm q 0 q t T dalla defnzone segue che W 1 ( q )dq = Probabltà che q s trov n dq : q2 W1 ( q) dq q1 Probabltà che q cada tra q 1 e q 2. La funzone W 1 ( q ) può avere n teora un numero nfnto d dfferent forme, certe hanno trovato un precso modello matematco che descrve l processo fsco reale. La pù comune è la dstrbuzone Normale o Gaussana data da: q 1 2 W1 ( q ) e 2 2 2 dove è la devazone standard. 6

7

DESCRIZIONE DELLA RAPIDITÀ (CONTENUTO IN FREQUENZA) DELLA VARIABILE: La radce quadratca meda (rms) e la funzone dstrbuzone delle ampezze sono suffcent per descrvere l ampezza d una varable casuale, ma non danno ndcazon sulla rapdtà d varazone nel tempo. Così due process random potrebbero entramb essere Gaussan con lo stesso valore numerco d ma uno può varare molto pù rapdamente che l altro. Autocorrelazone Denstà spettrale quadratca meda Funzone dstrbuzone dell ampezza Funzone d Cross-correlazone Cross denstà spettrale Funzone d autocorrelazone R() d una varable random q ( t ): la funzone q ( t ) 1 T R( ) lm q ( t) q ( t ) dt T 0 T è semplcemente q ( t ) traslata nel tempo d second. 8

Dstanza tra la testna d lettura e scrttura Veloctà del nastro Per = 0 la funzone d autocorrelazone R() è numercamente uguale al valore quadratco medo q 2 ( t ) della funzone. 9

In fgura sono rportat due R() per due q (t) varant n modo lento e rapdo Per ogn q (t), sa che esso var velocemente o lentamente, quando = 0, l prodotto q (t)* q (t+ ) è sempre postvo e l ntegrale da l massmo valore possble (q 2 ( t )). Per ogn spostamento ( 0), quando s unscono le part postve e negatve, la curva prodotto è una volta postva ed una volta negatva. Così se q (t) vara rapdamente, basta un pccolo valore d per causare questo abbattmento del valore, mentre una lenta varazone d q (t) rchede una maggore traslazone delle due curve. 10

Un altro metodo per determnare l contenuto n frequenza d un segnale random è la denstà spettrale quadratca meda. denstà spettrale quadratca meda trasformata d Fourer d R(). 11

In altre parole trasporta nel domno della frequenza le stesse nformazon che fornsce R() nel domno del tempo. Nello studo delle vbrazon la denstà spettrale quadratca meda è preferta. Per determnare come ogn parte del range d frequenza contrbusce al valore totale del valore quadratco medo della funzone, s può operare un fltraggo dell uscta con un rstretto fltro passa banda d ampezza come mostrato n fgura: 12

Denstà spettrale quadratca meda = ( ) q 2 rappresenta la denstà del valore quadratco medo poché: 2 ( ) * q Se s valuta () per un completo range d frequenze, s può dsegnare una curva rspetto ad. L area totale rspetto sottesa dalla curva () è par al valore quadratco medo totale q 2 ( t ). Se un q (t) con una nota () è applcato come ngresso ad un sstema lneare d rsposta n frequenza nota, la denstà spettrale quadratca meda dell uscta o (t) è calcolable con la relazone: q o o ( ) ( ) ( ) q 2 13

14

Una partcolare forma d () è d grande mpego: l rumore banco. Rumore banco perfetto: () = 1 per tutte le frequenze. Il rumore banco è usato come un segnale d test, allo stesso modo dell mpulso, perché entramb hanno un contenuto n frequenza unforme su tette le frequenze. Se () = C = costante qo q o( ) ( ) C 15

IMPIEGO DI DUE VARIABILI CASUALI: Funzone dstrbuzone dell ampezza W 1 (q 1,q 2 ) d due varabl casual q 1 (t) e q 2 (t) è data da: dove W q q (, ) lmlm 1 1 2 1 Tq q t T q10 1 2 q 2 0 t rappresenta l tempo totale (durante l tempo T) che q 1 (t) e q 2 (t) s 16

trovano smultaneamente nella banda d valor compresa tra q 1 + q 1 e q 2 + q 2 q2b q1b Probabltà( q q q, q q q ) W ( q, q ) dq dq 1 a 1 1 b 2 a 2 2 b q a q 1 1 2 1 2 2 1a La W1 ( q1, q2) può avere una varetà nfnta d forme. La pù comune è la pù usuale è la dstrbuzone (normale) d Gauss bvarable. Scopo msurazone d W1 ( q1, q2): vedere se dat fsc seguono approssmatvamente qualche modello matematco semplce come la gaussana. ESEMPIO: se q 1 e q 2 rappresentano movment d vbrazone casuale d due part d macchne vcne, la conoscenza d W1 ( q1, q2) permette l calcolo della probabltà che le due part non s colpscano a vcenda. Funzone d Cross-correlazone R q1q2 ( ) per due varabl casual q 1 (t) e q 2 (t): ESEMPI R q q 1 2 1 T ( ) lm T q t q t dt 0 1( ) 2( ) T La Cross denstà spettrale data da: 1 2 ( ) (o Cross denstà spettrale d potenza) è q q dove: 17 ( ) C ( ) Q ( ) q q q q q q 1 2 1 2 1 2 C q1q2 ( ) = cospectrum Q q1q2 ( ) = quad spectrum

Q C q1q2 q1q 2 1 T ( ) lm lm ( q1 )( q dt T T 0 2 ) 0 1 T ( ) lm lm ( q1 ) ( q dt T T 0 2 ) 90 0 q 1 = uscta dal fltro passa banda con l ngresso q 1 (t) q 2 = uscta dal fltro passa banda con l ngresso q 2 (t) ( q 1 ) 90 segnale q 1 con fase spostata d 90. Nota: q1q2 () è una quanttà complessa mentre () è reale. Tramte la Cross denstà spettrale è possble determnare la funzone d trasfermento snusodale (q 0 /q )()d un sstema lneare. Invece utlzzando la denstà spettrale quadratca meda è possble determnare solo l ampezza e non l angolo d fase della funzone d trasfermento, se () è nota e () è msurata. Con la Cross denstà spettrale s può determnare sa l ampezza che la fase, tramte l equazone: q qqo ( ) 0 ( ) q ( ) dove qqo () è la cross denstà spettrale d q e q o ; q () è la denstà spettrale quadratca meda d q ; é necessaro qund msurare una denstà spettrale quadratca meda ed una cross denstà spettrale. q 18