Trasformata discreta di Fourier: richiami

Slides:



Advertisements
Presentazioni simili
Premessa: si assume di aver risolto (correttamente
Advertisements

ELEMENTI DI TRATTAMENTO DEI SEGNALI
Misure per la dinamica degli pneumatici
Filtri FIR.
Processi Aleatori : Introduzione – Parte II
Elaborazione numerica del suono
Elaborazione numerica del suono
Distribuzione Normale o Curva di Gauss
Cenni sul campionamento
Relatore: Prof. Fabrizio FERRANDI
MATLAB.
MATLAB. Outline Grafica 2D Esercizi Grafica 3D Esercizi.
MATLAB. Scopo della lezione Programmare in Matlab Funzioni Cicli Operatori relazionali Esercizi vari.
Sistemi e Tecnologie della Comunicazione
PROGETTO DI FILTRI FIR CON IL METODO DELLE FINESTRE
Bode e la risposta in frequenza
RICHIAMI ELEMENTARI DI ALGEBRA MATRICIALE
Processi Aleatori : Introduzione – Parte I
Tema 6: Analisi in Potenza di Processi Parametrici
Potenze di numeri relativi
STIMA DELLO SPETTRO Noi considereremo esempi:
STATISTICA a.a PARAMETRO t DI STUDENT
I SEGNALI AUDIO nella frequenza
Dal tempo continuo al tempo discreto
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.
INAF Astronomical Observatory of Padova
Incertezza di misura Laboratorio n. 2 a.a
Funzione di trasferimento
Misure di vibrazioni - Stadio Meazza di S.Siro
Misure di vibrazioni – disturbo a persone
Ing. Simona Moschini tel.: Misure Trasformata.
Duomo di Milano: lavori di restauro
Il campionamento Campionamento asincrono: si acquisiscono i campioni ad intervalli di tempo costanti. Detto t il tempo trascorso tra una acquisizione.
Ing. Giorgio Busca tel.: Misure Campionamento asincrono, sincrono e time-
Funzione di trasferimento
Misure di vibrazioni - Stadio Meazza di S.Siro
Misure di profili di asfalto
UNIVERSITÀ DEGLI STUDI DI PERUGIA Dipartimento di Ingegneria Industriale Prof. Francesco Castellani Corso di Meccanica Applicata.
LA TRASFORMATA DI FOURIER: PROPRIETA’ ed ESEMPI SEZIONE 7
Campionamento e ricostruzione di segnali SEZIONE 7
Frequency Domain Processing Francesca Pizzorni Ferrarese 17/03/2010.
Polinomi Trigonometrici Interpolazione Trigonometrica DFT & FFT
Funzioni elementari E relativi campi di esistenza.
Daniele Santamaria – Marco Ventura
GRANDEZZE ANALOGICHE E DIGITALI
Università degli Studi di Cassino
Frequency Domain Processing
INDICE I VALORI MEDI LA MEDIA GEOMETRICA LA MEDIA ARITMETICA
Milano, 17 Dicembre 2013 Informatica B Informatica B Matlab Laboratorio del 14/01/2014 Responsabili di laboratorio: Gianluca Durelli:
Lezione 3: Esempi di sistemi LTI tempo-discreti
LUCIDI dell'insegnamento di COMUNICAZIONI ELETTRICHE eo/in/bi

Laurea Ing. EO/IN/BIO;TLC D.U. Ing EO 3
ANALISI ARMONICA Corsi di DIPLOMA UNIVERSITARIO
Elaborazione e trasmissione delle immagini Anno Accademico Esercitazione n.4 Pisa, 20/10/2004.
Algoritmi di FFT basati sulla decimazione in frequenza (Decimation in the Frequency domain: FFT-DF) Cosimo Stallo & Paolo Emiliozzi Modulo di Elaborazione.
Jean Baptiste Fourier iniziò a chiedersi se, con un’adeguata scelta delle ampiezze, delle frequenze e delle fasi, fosse stato possibile scomporre.
Analisi dei segnali nel dominio della frequenza mediante FFT
FILTRI NUMERICI. Introduzione Nel campo nei segnali (analogici o digitali), un sistema lineare tempo-invariante è in grado di effettuare una discriminazione.
Riconoscimento frequenze di note musicali Corso ESIM Prof. P. Daponte Gruppo di lavoro: Mario Calì 195/ Marco Gallucci 195/ Roberto De Falco.
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.
Funzione potenza e funzione radice
Laboratorio II, modulo Segnali a tempo discreto ( cfr.
INTERFEROMETRO (Michelson)
Segnali a tempo discreto (cfr.
Tecniche Avanzate per l’Elaborazione Numerica di Segnali di Misura
Transcript della presentazione:

Misure Finestratura e Leakage Ing. Simona Moschini tel.: 02.2399.8584 e-mail: simona.moschini@mail.polimi.it http://misure.mecc.polimi.it

Trasformata discreta di Fourier: richiami Segnale g(t)=g(t+m*T) dove T è il periodo e m un intero Si può dimostrare che g(t) può essere visto come somma di segnali armonici (o, in maniera equivalente, di vettori controrotanti) a frequenze equispaziate k*f1, dove k è un intero (compresi lo zero e i numeri negativi) e f1=1/T l’armonica fondamentale. Il segnale è campionato, per cui noto ad intervalli dt costanti e per un numero finito di punti pari a N=fsamp*T Per calcolare la DFT in Matlab è posssibile utilizzare la funzione fft

Trasformata discreta di Fourier: Fft Matlab Attenzione: DFT

Trasformata discreta di Fourier: Fft Matlab Attenzione: Possiamo considerare solo le frequenze positive ma .. N pari  considero (N/2+1) punti fmax = Nyquist N dispari  considero ((N+1)/2) punti fmax = Nyquist-df Dobbiamo normalizzare correttamente: y(1)=y(1)/N y(2:(N+1)/2)= y(2:(N+1)/2)*2/N y(1)=y(1)/N y(2:N/2)= y(2:N/2)*2/N y(N/2+1)=y(N/2+1)/N

Trasformata di Fourier Il leakage Se il segnale non è periodico nella finestra considerata, la sua frequenza non esiste tra quelle considerate da Fourier, cioè la risoluzione in frequenza non permette di individuare la frequenza dell’armonica principale del segnale. Commetto errore di leakage nella valutazione di ampiezze e frequenze.

Trasformata di Fourier Il leakage Numero non intero di periodi Dispersione contenuto armonico intorno alla frequenza del segnale

Trasformata di Fourier Il leakage Problema: In generale non è sempre possibile estrarre da un segnale un numero intero di periodi  Leakage È possibile utilizzare finestre diverse da quella rettangolare; ogni finestra modifica in modo diverso il segnale e quindi il corrispondente spettro. La scelta del tipo di finestra dipende dal tipo di segnale da analizzare e dalla applicazione

Finestre X

Esercitazione Dati diversi segnali calcolarne la trasformata discreta di Fourier Come variano le ampiezze identificate? E le frequenze? Plottarle in funzione della frazione di ciclo. MATLAB: fft, hanning, stem

Esercitazione Applicare ai segnali le finestre Hanning e flat-top Cosa succede agli spettri in questo caso? È possibile trovare un fattore di correzione da applicare a queste finestre per ottenere le ampiezze corrette? Confrontare i risultati tra loro e con quelli ottenuti nel caso di finestra rettangolare. MATLAB: fft, hanning, window(@flattopwin,N)