Principi di Elaborazione Digitale dei Segnali

Slides:



Advertisements
Presentazioni simili
Macchine di Percezione
Advertisements

Introduzione ai circuiti elettronici digitali
Processi Aleatori : Introduzione – Parte II
Elaborazione numerica del suono
Filtraggio FIR veloce mediante FFT
Cenni sul campionamento
Filtri digitali Introduzione.
Filtri Multirate e Banchi di Filtri
1. Classificazione dei sistemi e dei modelli
6. Catene di Markov a tempo continuo (CMTC)
1 2. Introduzione alla probabilità Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari : è linsieme.
Tipologie di Controlli in Ambito Industriale
Fisica 2 1° lezione, parte a
Digital Data Acquisition
Codifica di linea La rappresentazione di dati numerici con segnali numerici e’ normalmente fatta tramite sequenze di impulsi discreti di tensione di una.
La trasmissione fisica dei segnali
Modelli Modellistica e Gestione dei Sistemi Ambientali a.a
MASOERO FEDERICA Progetto web cooperativo:
6. Catene di Markov a tempo continuo (CMTC)
Esercitazione MATLAB (13/5)
CAMPIONAMENTO (CENNI) Marina Ruggieri, Ernestina Cianca, Modulo di Elaborazione dei Segnali (Colleferro), Nuovo Ordinamento, aa
ELABORAZIONE NUMERICA DEI SEGNALI AA
ANALOGICO-DIGITALI (ADC) DIGITALE-ANALOGICI (DAC)
Tema 6: Analisi in Potenza di Processi Parametrici
MECCANICA (descrizione del moto dei corpi)
Lavoro di una forza costante
Introduzione agli stream e alle classi
Strumentazione Biomedica 2
Strumentazione per bioimmagini
Introduzione ai PLC.
DATA PROCESSING UNIVERSITÀ DEGLI STUDI DI ROMA “LA SAPIENZA”
Dal tempo continuo al tempo discreto
Reti Neurali Ricorrenti
La conversione analogico-digitale, campionamento e quantizzazione
Laboratorio di El&Tel Elaborazione numerica dei segnali: analisi delle caratteristiche dei segnali ed operazioni su di essi Mauro Biagi.
Rappresentazione Spettrale Se nellintervallo [t 1, t 2 ] è possibile definire un insieme di funzioni [u 1,u 2,u 3 ….u n ] mutuamente ORTO-NORMALI : Cioè
1 Esempio : Utile per considerare limportanza delle ALTE FREQUENZE nella ricostruzione del segnale, in particolare dei FRONTI di SALITA e di DISCESA (trailing.
Estremi di una funzione
Geometria DH in foro Tipi di fasi presenti nelle indagini in foro Onde P ed S dirette; Onde P ed S rifratte; Onde P ed S riflesse; Onde dovute.
Semplice regolazione digitale di velocità di un motore in c. c
Elaborazione (digitale) delle immagini
ADSL VOIP Voice Over IP.
INTRODUZIONE AI SEGNALI SEZIONE 7
Campionamento e ricostruzione di segnali SEZIONE 7
Informatica Applicata
Approssimazione di funzioni attraverso sistemi in logica fuzzy
INFORMATICA MATTEO CRISTANI. INDICE CICLO DELLE LEZIONI LEZ. 1 INTRODUZIONE AL CORSO LEZ. 2 I CALCOLATORI ELETTRONICI LEZ. 3 ELEMENTI DI TEORIA DELL INFORMAZIONE.
GRANDEZZE ANALOGICHE E DIGITALI
Chaotic Behavior of Gastric Migrating Myoelectrical Complex POLITECNICO DI MILANO Facoltà di Ingegneria Aronne TELI Matr Anno accademico
un sistema rigido di punti materiali
Le variabili casuali e la loro distribuzione di probabilità Generalmente, lanciando un dado, si considera il valore numerico della faccia uscita.
LABVIEW Sommario Che cosa è uno strumento virtuale (VI) creato con LABVIEW Parti di un VI: pannello frontale diagramma a blocchi Confronto tra il principio.
#include void main() { int a,b,c,; float s, x,x1,x2,delta,alfa,beta; int num[3]; int i; printf("La forma classica dell'equazione di 2° grado è: a*x^2+b*x+c=0\n.
LUCIDI dell'insegnamento di COMUNICAZIONI ELETTRICHE eo/in/bi
Acquisizione ed elaborazione di dati cinematici
Fabio Garufi - TAADF Tecniche automatiche di acquisizione dati Sensori Prima parte.
Circuito RLC-serie forzato
Iterative Learning Control per un manipolatore robotico
Elaborazione e trasmissione delle immagini Anno Accademico Esercitazione n.4 Pisa, 20/10/2004.
APPROSSIMAZIONE DI FUNZIONI
Data Acquisition System I° Modulo(DAS) Corso di Elettronica1.
Definizione Si dice che la variabile z è una funzione reale di due variabili x e y, nell’insieme piano D, quando esiste una legge di natura qualsiasi che.
Banda di un segnale, filtri e cavi coassiali
Fotonica Proprietà generali 2. Posto Si ha Proprietà di scala 1 a a/s V sistema fotonico un cambio di scala spaziale rinormalizza TUTTI gli stati allo.
Logica di base e Conversione analogico-digitale Lezione 3 / Prima parte Gaetano Arena e.mail: 1.
Presentazione del corso di Fondamenti di Sistemi Dinamici Prof. Alfredo Pironti Tel.: Stanza 2.14 (DIS – via Claudio 21)
Analisi spettrale numerica di segnali di misura Prof. Leopoldo Angrisani Dip. di Informatica e Sistemistica Università di Napoli Federico II.
ANALISI DEI SEGNALI Si dice segnale la variazione di una qualsiasi grandezza fisica in funzione del tempo. Ad esempio: la pressione in un punto dello spazio.
Laboratorio II, modulo Segnali a tempo discreto ( cfr.
Segnali a tempo discreto (cfr.
Transcript della presentazione:

Principi di Elaborazione Digitale dei Segnali

Sistemi lineari che elaborano segnali NEL TEMPO (problemi dinamici) ES-1 SERIE TEMPORALI Sistemi lineari che elaborano segnali NEL TEMPO (problemi dinamici) Introduzione della variabile t Analisi nel dominio del tempo Analisi nel dominio della frequenza

Serie temporali e computer ES-2 Serie temporali e computer I segnali del mondo reale possono essere modellati come funzioni reali x(•) di una variabile reale t (segnali analogici). Necessità di segnali campionati A/D converter segnale nT x(T) x(NT) sequenza T T = periodo di campionamento {x(nT)} = sequenza Teorema di Nyquist

Dal segnale discreto al vettore ES-3 Dal segnale discreto al vettore Hp: x(t) ad energia finita  {x(nT)} di lunghezza finita NT Proiezione lungo l’asse Fi F0 F1 FN-1 {x(n)} = x x(n) x(n-1) x(n-N+1) Punto dello spazio N-D Un segnale discreto di lunghezza N è un vettore in uno spazio N-dimensionale

d  basi per rappresentare i segnali discreti nel dominio del tempo L’operatore ritardo delta di Dirac d  basi per rappresentare i segnali discreti nel dominio del tempo Z-1 x(n) x(n-1) x(n-N+1) linea di ritardo Z-1 x(n) x(n-1) operatore ritardo

Spazio di ricostruzione Lo spazio del segnale ES-5 Z-1 input z asse x x(n-3) x(n-2) x(n-1) x(n) x(n) Traiettoria del Segnale asse y x(n-4) x(n-3) x(n-2) x(n-1) x(n-3) y x(n-1) x(n-2) asse z x x(n-5) x(n-4) x(n-3) x(n-2) Spazio di ricostruzione o Spazio del segnale linea di ritardo x(n-3) x(n-2) x(n-1) x(n) La “traiettoria” dipende dalle proprietà della serie temporale e può permettere ad un sistema connesso all’output della linea di ritardo di estrarre il modello della serie. Un enorme numero di campioni  enorme dimensione dello spazio Sottospazio del segnale

Il sottospazio del segnale ES-6 Segnale periodico (K campioni) Spazio K’- dimensionale (K’ K ) K’ dipende dalla complessità della traiettoria t x x1 basta 1-D K’ = 1 x1 x2 x bastano 2-D K’ = 2 (2 << K ) Mappaggio uno a uno tra traiettoria e serie temporale 20 40 60 80 100 0.2 0.4 0.6 0.8 1 Potrebbe servire K-D K’=K ? I rami si incrociano. Perdo il mappaggio 1 a 1

Finestra temporale “sliding” Trovare la dimensione K’ dello spazio di ricostruzione che quantifichi appropriatamente le proprietà del segnale x(T) x(NT) 1 2 K’ Finestra temporale “sliding”

IL FILTRO FIR (COMBINATORE LINEARE) ES-8 IL FILTRO FIR (COMBINATORE LINEARE) S z-1 y(n) x(n) x(n-1) x(n-N) w0 w1 w2 pesi Linea di ritardo N å ( ) ( ) ( ) ( ) y n = w x n - i = w T x n = x T n w i i = ( ) [ ( ) ( ) ( ) ] x n = x n x n - 1 K x n -N [ ] w = w w K w 1 N FIR  FINITE IMPULSE RESPONSE (risposta impulsiva finita) y(n) ha l’espressione vista nelle reti Hebbiane

y è la proiezione di x sul vettore peso w  x(n-N) x(n-1) y è la proiezione di x sul vettore peso w  Il C.L. è un proiettore lineare dell’input nello spazio del segnale, secondo la direzione dei pesi La scelta ottimale dei pesi preserva al massimo l’informazione contenuta nell’input x(n) Idea base del filtraggio

ES-10 Esempi di filtraggio

ANALISI NEL DOMINIO DEL TEMPO ES-11 ANALISI NEL DOMINIO DEL TEMPO (SISTEMI LINEARI) La risposta impulsiva Risposta impulsiva [h(n)] Descrive completamente un sistema lineare per il combinatore lineare + z-1 w0 w1 w2 d (n) h(0) h(1) h(2) h3 w0 w1 w2 h(i) = wi La h(n) di un C.L. ha lunghezza finita  FIR

y(n) risposta ad un generico input x(n) ES-12 La convoluzione y(n) risposta ad un generico input x(n) convoluzione sistema causale Per il combinatore lineare M + N campioni (notare la pesantezza del calcolo)

Sistemi ricorrenti e stabilità IL FILTRO IIR Un filtro IIR è caratterizzato da connessioni ricorrenti o feedback + y(n) z-1 1-m y(n-1) x(n) input output Coefficiente di feedback Esempio:  Eq.ne alle differenze La h(n) ha estensione infinita IIR  Infinite Impulse Response (risposta impulsiva infinita)

Analisi della stabilità ES-14 Analisi della stabilità 1 h(n) m decrescente n 0 < m < 1 stabile 1 h(n) n m = 0 marginalmente stabile 1 h(n) n < 0 instabile Obiettivo dell’elaborazione dei segnali: avere un sistema che risponda all’input  a risposta impulsiva di durata finita Importanza del coefficiente di feedback

ANALISI NEL DOMINIO DELLA FREQUENZA ES-15 ANALISI NEL DOMINIO DELLA FREQUENZA Descrizione di un segnale mediante il suo SPETTRO x(t)  {x(n)} Tf = N Tc n = 0, … , N-1 Intervallo di campionamento Numero di campioni t n = 0 Tc n=N-1 x(n) generico campione n = 0, … , N-1 segnale campionato

La trasformata di Fourier ES-16 La trasformata di Fourier Trasformata di Fourier del segnale fc fc/2 X( f ) x(t) t Tc (N-1)Tc N numeri Spettro continuo Tf = N Tc

La trasformata di Fourier discreta (DFT) ES-17 La trasformata di Fourier discreta (DFT) DFT IDFT Tf = NTc X (k) t N-1 Tc ff fc/2 k N CAMPIONI Spettro di N righe

Dominio della frequenza Dominio del tempo X(k)  C ES-18 d(n - N +1) x(N -1) X(N -1) d(n - 1) x(1) X(1) x(0) X(0) d(n) Dominio della frequenza Dominio del tempo X(k)  C X(k) = k - esimo coeff. di Fourier {X(k)} = trasformata di Fourier discreta DFT o spettro {|X(k)|} = spettro delle ampiezze {/ X(k)} = spettro delle fasi x(k)  R

ES-19 La Z-trasformata z  C z-1 operatore ritardo Combinatore lineare

La funzione di trasferimento ES-20 La funzione di trasferimento Funzione di trasferimento Z-trasformata della risposta impulsiva (polinomio algebrico) Convoluzione in t Moltiplicazione in z

La risposta in frequenza ES-21 La risposta in frequenza H(e jwt) = H’(w) risposta in frequenza H’(w) è H(z) calcolata nel cerchio unitario |e jw T| Im(z) w z z =1 z =j z =-1 z =-j Re(z) H’(w) è periodica in w con 2p/T (come e jwT) -1

DFT della risposta impulsiva ES-22 DFT della risposta impulsiva Proprietà: Risposta a regime Calcolo veloce (FFT) H’(w)  C |H’(w)| / H’(w)

Poli e zeri della risposta in frequenza ES-23 Poli e zeri della risposta in frequenza zeri: z = 0 poli: z = 1-m Osservazioni qualitative: polo zero Stabilità 0<m<1 Polo nel cerchio unitario

Rumore ad alta frequenza Segnale filtrato ES-24 Filtri lineari x(1) x(N) y(1) y(N) H(k) kcut Tc Segnale + Rumore ad alta frequenza Segnale filtrato Tf = N Tc k 1 N |Y(k)| 1 N kcut |H(k)| k rumore |X(k)| PASSA – BASSO

Procedure di ottimizzazione ES-25 fc f |H’(w)| fc f |H’(w)| fc f |H’(w)| Passa - basso Passa - banda Passa - alto Per la scelta dei wi : Procedura di sintesi Procedure di ottimizzazione