INTRODUZIONE AI SEGNALI
1
INTRODUZIONE AI SEGNALI
Fondamenti TLC
1 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
2
Classificazione dei segnali (1) I segnali rappresentano il comportamento di grandezze fisiche (ad es. tensioni, temperature, pressioni, ...) in funzione di una o più variabili indipendenti (ad es. il tempo t, lo spazio x, ...). I segnali monodimensionali sono rappresentati da funzioni di una sola variabile e possono essere:
1
• continui => se la variabile indipendente assume con continuita’ tutti i valori reali
0.5
t
0
x(t )
-0.5 -2
-1
0
1
2
Fondamenti TLC
2 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
3
Classificazione dei segnali (2) • discreti => se la variabile indipendente assume valori multipli interi di un intervallo prefissato
1
0.5
n
0
-0.5 -5
0
xn
5 Fondamenti TLC
3 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
4
Classificazione dei segnali (3) • reali => se il segnale assume solo valori solo reali •complessi => se il segnale assume valori complessi (parte reale + parte immaginaria oppure modulo + fase)
Modulo + Fase
Reale + Immaginaria 1 0 -1 -5 -4 -3 -2 -1 0 1 2 3 4 5 t
4 3 2 1 0 -1 -2 -3 -4 -5 -4 -3 -2 -1
0
1
2
3
t Fondamenti TLC
4 Elementi di Teoria dei Segnali (di Marco Marcon)
4
5
INTRODUZIONE AI SEGNALI
5
Classificazione dei segnali (4) • periodici => se il segnale si ripete uguale a se stesso dopo un qualsiasi intervallo multiplo di un periodo di durata To: y(t)=y(t+kT0). L’inverso della durata del periodo viene detta frequenza fondamentale fo del segnale periodico. Se y(t) e’ periodico di periodo di durata To , e con x(t) si indica l’espressione di un solo periodo, e’ evidente che il segnale periodico può essere espresso come:
y (t ) =
∞
∑ x(t − nT )
x(t)
o
n = −∞
To
1 0 -1 -5
-4
-3
-2
-1
0
1
2
3
4
5
Fondamenti TLC
5 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
6
Energia e Potenza
Energia
E=
∞
∫
2
Potenza istantanea
x(t ) dt
Pi = x(t )
2
−∞ T /2
1 2 PT = x(t ) dt ∫ T −T / 2
Potenza media sull’intervallo T
T /2
Potenza media
1 2 Pm = lim x ( t ) dt ∫ T →∞ T −T / 2
Potenza media di un segnale periodico
1 Pm = To
To / 2
∫ x(t )
2
dt
− To / 2
Fondamenti TLC
6 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
7
Ritardo
Il segnale
x(t − τ )
e’ ritardato di
τ
rispetto a
x(t )
e’ traslato rigidamente verso destra
2 1
x(t )
0
x(t − 100)
-1 -2
-200
-100
0
100
200
Fondamenti TLC
7 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
8
Anticipo
Il segnale
x(t + τ )
e’ anticipato di
τ
rispetto a
x(t )
e’ traslato rigidamente verso sinistra
2 1
x(t )
0
x(t + 100)
-1 -2
-200
-100
0
100
200
Fondamenti TLC
8 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
9
Scalatura Il segnale
x(at ) e’ scalato di a
rispetto a
e’ dilatato o compresso a secondo che
t x 2
2
0
0
-1
-1
-200
-100
0
100
t x − 2
2 1
-2
a <1 o a >1
x(t )
1
200
-2
x(t )
-200
-100
0
100
200
Fondamenti TLC
9 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
10
ESEMPI: costante e rettangolo
x(t ) = C
x(t ) = rect (t )
E=∞
Costante
Rettangolo
E =1
Pm = 0
Pm = C 2 1.5
8 6
1 4
0.5
2 0 -50
-25
0
25
50
0 -1
0
1 Fondamenti TLC
10 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
11
Moltiplicazione di un segnale per il rettangolo
y (t ) = x(t ) ⋅ rect (t ) 2
x(t )
1
0 -2
-1
0
-2
-1
0
y (t )
1
2
1
2
2 1
0
Fondamenti TLC
11 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
12
ESEMPI: scalino ed esponenziale reale
1 t > 0 x(t ) = u (t ) = î 0 t<0 Scalino
x(t ) = exp( − at )u (t ) Esponenziale reale 1 E= 2a
1 Pm = 2
E=∞
a>0
1
1.5
0.8
1
0.6 0.5
0.4 0
0.2 -0.5 -1
-0.5
0
0.5
1
0 -1
0
1
2
Fondamenti TLC
12 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
13
L’impulso: definizione L’impulso (detto anche delta di Dirac) puo’ essere definito come il rettangolo di base T e altezza 1/T quando T tende a zero:
1 t rect T →0 T T
δ (t ) = lim
∞
A = ∫ δ (t ) dt = 1 −∞
1.5 1
1/T
L’impulso e’ dunque un segnale localizzato nell’origine con base infinitesima, ampiezza infinita, ma area (integrale) unitaria:
0.5
T 0 -1
0 Fondamenti TLC
13 Elementi di Teoria dei Segnali (di Marco Marcon)
1
INTRODUZIONE AI SEGNALI
14
L’impulso: regole di calcolo 1 - Un segnale x(t) moltiplicato per un impulso e’ uguale al valore del segnale in t=0 per 2
l’impulso stesso
1 t x(t ) ⋅ rect = x(t) ⋅ δ (t ) = Tlim →0 T T
1
1 t = lim x(0) ⋅ rect = x(0) ⋅ δ (t ) T →0 T T
-1
1/T rect(t/T)
x(t)
0
-2
-200
-100
0
100
200
2 - Un segnale x(t) moltiplicato per un impulso ritardato di τ e’ uguale al valore del segnale in t=τ per l’impulso stesso:
x(t) ⋅ δ (t −τ ) = x(τ ) ⋅ δ (t −τ )
3 - L’integrale di un segnale x(t) moltiplicato per un impulso ritardato di τ e’ uguale al valore del segnale in t=τ : ∞
∫ x(t )δ (t − τ ) dt = x(τ )
−∞
Fondamenti TLC
14 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
15
Simbolo dell’impulso
2δ (t-1)
2 1
-2
-1
δ (t)
1
2
t
-1
-2δ (t+2) -2
Fondamenti TLC
15 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
16
Cosinusoide
x(t ) = A cos(2πf ot + ϕ )
1 To = fo
A2 Pm = 2
Periodo Ampiezza
Frequenza
Fase (iniziale)
(
5
x(t ) = 5 cos 2π 2t − π
2.5 0
)
y (t ) = sin (2πf 0t ) =
-2.5 -5 -1
4
-0.5
0
0.5
1
= cos(2πf 0t − π / 2 ) Fondamenti TLC
16 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
17
Cosinusoide: ampiezza, fase, frequenza 0 -10 -1 10
-0.5
0
0.5
1
0 -10 -1
-0.5
0
0.5
Cosinusoide
x(t ) = A cos(2πf ot + ϕ ) = = A cos 2πf o t + ϕ f 2 π o î
5 0 -5 -1 5
0
0.5
1
-0.5
0
0.5
1
0 -5 -1
1
-0.5
Aumenta la frequenza
Aumenta l’ampiezza
10
Aumenta la fase iniziale 1 0.5 0
Aumentare la fase della cosinusoide -0.5 equivale ad anticipare -1
-1
-0.5
0
0.5
Fondamenti TLC
17 Elementi di Teoria dei Segnali (di Marco Marcon)
1
INTRODUZIONE AI SEGNALI
18
L’esponenziale complesso
x(t ) = exp{ j 2π f ot
}
Pm = 1
Im{x(t)}
sin{ 2π f ot
} 1
{ 2π
f ot
}
Re{x(t)}
cos{ 2π f ot
}
Fondamenti TLC
18 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
19
L’esponenziale complesso (Eulero) 1 cos{ 2π f ot }=
Im{x(t)}
1/2
{ 2π
f ot
}
1 exp{ j 2π f ot }+ = 2 exp{ − j 2π f ot }
Re{x(t)}
1/2
{ −2π
f ot
}
sin{ 2π f ot }=
1 exp{ j 2π f ot }− = 2 j exp{ − j 2π f ot } Fondamenti TLC
19 Elementi di Teoria dei Segnali (di Marco Marcon)
INTRODUZIONE AI SEGNALI
20
L’esponenziale complesso (Eulero) 2 x(t ) = exp{ j 2π f ot
}
Componenti reale + immaginaria 1 0
Im{x(t)}
-1 1
{ 2π
f ot
}
-5 -4 -3 -2 -1
0 1 2 3 4 5
Modulo + fase
Re{x(t)}
4 3 2 1 0 -1 -2 -3 -4 -5 -4 -3 -2 -1
0
1
2
3
4
Fondamenti TLC
20 Elementi di Teoria dei Segnali (di Marco Marcon)
5
SEGNALI PERIODICI: LA SERIE DI FOURIER
21
SEGNALI PERIODICI: LA SERIE DI FOURIER
Fondamenti TLC
1 Elementi di Teoria dei Segnali (di Marco Marcon)
SEGNALI PERIODICI: LA SERIE DI FOURIER
22
Rappresentazione dei segnali periodici (1) To
Un segnale periodico con periodo di durata To puo’ essere rappresentato come somma di esponenziali complessi con frequenza pari ad un multiplo intero della frequenza fondamentale (fo=1/T0) e con opportuna ampiezza e sfasamento iniziale.
y (t ) =
∑ Ak exp{j (2π
)}
∞
k f o t + ϑk =
k = −∞
∑ Ak exp{jϑk }exp{j 2π ∞
k = −∞
k f ot
}
Per maggior compattezza delle formule conviene introdurre il coefficiente complesso:
Yk = Ak exp{jϑk } y (t ) =
ottenendo:
∑ Y exp{j 2π ∞
k = −∞
k
k f ot
} Fondamenti TLC
2 Elementi di Teoria dei Segnali (di Marco Marcon)
SEGNALI PERIODICI: LA SERIE DI FOURIER
23
Rappresentazione dei segnali periodici (2) L’ampiezza Ak e lo sfasamento iniziale ϑk degli esponenziali complessi (detti componenti armoniche), cioe’ il coefficienti complessi Yk , si trovano con un semplice integrale:
1 Yk = To
To / 2
∫
{
}
y (t ) exp − j 2π k f ot dt
− To / 2
Lo sviluppo del segnale periodico nelle sue componenti armoniche viene detto Serie di Fourier (gli Yk sono chiamati Coefficienti della Serie di Fourier).
Fondamenti TLC
3 Elementi di Teoria dei Segnali (di Marco Marcon)
SEGNALI PERIODICI: LA SERIE DI FOURIER
24
Come si ottengono i coefficienti della serie di Fourier y(t) =
1 Yk = To 1 = To
To / 2
∞
{
To / 2
∫
∑ Yn exp{j 2π ∞
n = −∞
n f ot
{
}
y (t ) exp − j 2π k f o t dt =
− To / 2
} {
}
1 exp 2 exp 2 π ⋅ − π = Y j n f t j k f t dt ∑ n o o ∫ To = −∞ n −T / 2 o
1 = To
}
To / 2
∫
∑ Yn exp{j 2π (n − k ) ∞
− To / 2 n = −∞
T0 / 2 T0 / 2 0 se n ≠ k ∑ Yn ∫ cos 2π (n − k ) f ot dt + j ∫ sin 2π (n − k ) f ot dt = Y se n = k −T0 / 2 î n n = −∞ − T0 / 2 ∞
(
)
(
)
Se n e’ diverso da k l’integrale e’ nullo in quanto si integra un numero intero di cicli di un segnale sinusoidale. Se n=k l’integrale e’ diverso da zero in quanto si integra una costante. Fondamenti TLC
4 Elementi di Teoria dei Segnali (di Marco Marcon)
}
f o t dt
SEGNALI PERIODICI: LA SERIE DI FOURIER
25
Simmetrie della serie di Fourier di segnali reali Se il segnale periodico y(t) e’ reale la sua espansione in serie di Fourier gode di simmetria complessa coniugata:
Yk = Y−*k
Ak exp( jϑk ) = A− k exp(− jϑ− k ) INFATTI
Y−*k
1 = To
1 = To 1 = To
To / 2
∫
{
To / 2
∫
− To / 2
{
To / 2
}
}
*
exp − j 2π (− k ) f t dt = ( ) y t o ∫ − To / 2
y (t ) exp + j 2π (− k )
− To / 2
{
y (t ) exp − j 2π (− k )
*
f o t dt =
}
1 f o t dt = To
To / 2
∫
y (t ) exp{− j 2πkf o t} dt = Yk
− To / 2
Fondamenti TLC
5 Elementi di Teoria dei Segnali (di Marco Marcon)
SEGNALI PERIODICI: LA SERIE DI FOURIER
26
Serie di Fourier di segnali reali Se il segnale periodico y(t) e’ reale la serie di Fourier puo’ scriversi anche come somma di coseni e seni:
y(t ) =
∑Y exp{j2π k f t}=
k = −∞ ∞
exp{j 2πkf 0t}=
∞
{
k
cos(2πkf 0t ) + j ⋅ sin (2πkf 0t )
o
}
{
exp{− j 2πkf 0t}=
cos(2πkf 0t ) − j ⋅ sin (2πkf 0t )
}
= Yo + ∑Yk exp j 2π k fot + Y−k exp − j 2π k fot = k =1 ∞
{
}
{
Yk = Re{Yk }+ j ⋅ Im{Yk }= Yk ⋅ exp{jϑk } Yk* = Re{Yk }− j ⋅ Im{Yk }= Yk ⋅ exp{− jϑk }
}
= Yo + ∑Yk exp j 2π k fot + Yk* exp − j 2π k fot = k =1
(
∞
)
(
)
= Yo + 2∑ Re{Yk }cos 2π k fot − Im{Yk }sin 2π k fot = k =1 ∞
(
= Yo + 2∑ Yk cos 2π k fot + ϑk k =1
)
1 To / 2 Y0 = y t j kf t dt ( ) exp 2 ⋅ − π = { 0 } ∫ T 0 −To / 2 k = 0 T /2
1 o y (t )dt T 0 −T ∫ / 2 o
L’unica armonica che non e’ moltiplicata per 2 e’ quella a frequenza zero che viene detta la componente continua del segnale. 6 Fondamenti TLC Elementi di Teoria dei Segnali (di Marco Marcon)
SEGNALI PERIODICI: LA SERIE DI FOURIER
27
Esempi di espansione in serie di Fourier: l’onda quadra y(t) 1 1/2
To /2
La componente continua, Y0, vale 1/2
1 Yk = To
To / 4
∫
exp{− j 2π k f o t} dt =
To /2
t
0 .6
Yk 0 .4
−To / 4
π k 1 1 sin 2 { } cos 2 k f t dt π = ⋅ o To −T∫o / 4 2 π k 2 To / 4
sin α sin α = lim =1 α α =0 α →0 α
0 .2
0
-0 .2 -6 -5 -4 -3 -2 -1
0
1
2
3
4
5
Fondamenti TLC
7 Elementi di Teoria dei Segnali (di Marco Marcon)
6
k
SEGNALI PERIODICI: LA SERIE DI FOURIER
28
Le prime 10 armoniche dell’onda quadra 0.8 k=0 k=1 k=3 k=5 k=7 k=9
0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -2
-1
0
1
2
∞
∞
k =1
k =1
y (t ) = Y0 + 2 ∑ Re(Yk ) ⋅ cos(2πkf 0t ) − 2 ∑ Im(Yk ) ⋅ sin (2πkf 0t ) Fondamenti TLC
8 Elementi di Teoria dei Segnali (di Marco Marcon)
SEGNALI PERIODICI: LA SERIE DI FOURIER
29
2
1
1
0
0
-1 -2
-1 -2
0
2
2
2
1
1
0
0
-1 -2
-1 -2
0
2
0
2
0
2 Fondamenti TLC
9 Elementi di Teoria dei Segnali (di Marco Marcon)
Armoniche 0,1,3,5,7
Armoniche 0,1,3,5
2
Armoniche 0,1,3
Armoniche 0,1
Espansione parziale in serie di Fourier dell’onda quadra
SEGNALI PERIODICI: LA SERIE DI FOURIER
30
Esempi di espansione in serie di Fourier: la costante 1
t E’ periodica di un periodo di durata qualsiasi
La componente continua vale 1
1 per k = 0 Yk = î 0 per k ≠ 0
1
0.5
0
-6 -5 -4 -3 -2 -1
0
1
2
3
4
5
Fondamenti TLC
10 Elementi di Teoria dei Segnali (di Marco Marcon)
6
k
SEGNALI PERIODICI: LA SERIE DI FOURIER
31
Esempi di espansione in serie di Fourier: l’onda quadra a media nulla
1/2 0
t To /2
La componente continua vale 0 Yk = 1 To
1 To
To / 4
∫
{
Yk
}
exp − j 2π k f o t dt =
− To / 4
{
0.6
0.4
π k 1 sin 2 per k ≠ 0 ∫ cos 2π k f o t dt = 2 ⋅ − To / 4 π k 2 To / 4
To /2
}
0.2
0
-0.2 -6 -5 -4 -3 -2 -1
0
1
2
3
4
5
Fondamenti TLC
11 Elementi di Teoria dei Segnali (di Marco Marcon)
6
k
SEGNALI PERIODICI: LA SERIE DI FOURIER
32
Esempi di espansione in serie di Fourier: l’esponenziale complesso L’esponenziale complesso è periodico, ed e’ di per sé un termine dell’espansione in serie di Fourier:
y ( t ) = exp { j 2π f o t
}
La componente continua vale 0
Yk 1
1 per k = 1 Yk = î 0 per k ≠ 1
0
-6 -5 -4 -3 -2 -1
0
1
2
3
4
5
Fondamenti TLC
12 Elementi di Teoria dei Segnali (di Marco Marcon)
6
k
SEGNALI PERIODICI: LA SERIE DI FOURIER
33
Esempi di espansione in serie di Fourier: il coseno Il coseno e’ di per sé un termine dell’espansione in serie di Fourier di segnali reali:
y (t ) = Yo + 2∑ Yk cos(2π k f ot + ϑk ) ∞
k =1
La componente continua vale 0
0.6
Yk 0.4
1/2 per k = ±1 Yk = î 0 per k ≠ ±1
0.2
0
-0.2 -6 -5 -4 -3 -2 -1
0
1
2
3
4
5
Fondamenti TLC
13 Elementi di Teoria dei Segnali (di Marco Marcon)
6
k
SEGNALI PERIODICI: LA SERIE DI FOURIER
34
Esempi di espansione in serie di Fourier: il seno Il seno e’ di per sé un termine dell’espansione in serie di Fourier di segnali reali:
(
∞
)
(
y (t ) = Yo + 2∑ Re{Yk }cos 2π k f ot − Im{Yk }sin 2π k f ot k =1
La componente continua vale 0 j − 2 per k = +1 j Yk = + per k = −1 2 0 per k ≠ ±1 î
)
Yk
0.5
0
-0.5 -6 -5 -4 -3 -2 -1
0
1
2
3
4
5
Fondamenti TLC
14 Elementi di Teoria dei Segnali (di Marco Marcon)
6
k
SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER
35
SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER
Fondamenti TLC
1 Elementi di Teoria dei Segnali (di Marco Marcon)
SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER
36
Rappresentazione dei segnali non periodici nel dominio della frequenza (1) Un segnale non periodico puo’ essere visto come un segnale con periodo di durata (To) tendente all’infinito. Esso può essere rappresentato come somma di esponenziali complessi con frequenza pari ad un multiplo intero della frequenza fondamentale fo=1/T0 che, in questo caso, diventa infinitesima (df). Aumentando il numero delle componenti armoniche e rimanendo finita l’energia del segnale, anche l’ampiezza degli esponenziali complessi diventa infinitesima. E’ ragionevole quindi rappresentare ampiezza e fase delle componenti armoniche come una funzione complessa della frequenza moltiplicata per la frequenza fondamentale:
Yk = Y (k f o ) f o Al tendere di fo all’infinitesimo df, kfo copre con continuita’ tutte le frequenze e diventa quindi la variabile continua f:
Y (k f o ) f o ⇒ Y ( f ) df Fondamenti TLC
2 Elementi di Teoria dei Segnali (di Marco Marcon)
SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER
37
Rappresentazione dei segnali non periodici nel dominio della frequenza (2) E’ possibile estendere il formalismo dell’espansione in serie di Fourier ad un segnale non periodico, ottenendo:
y (t ) =
∑ Yk ⋅ exp{j 2π ∞
k = −∞
kf 0t
⇒
}
⇒
Yk = Y (kf 0 ) f 0
y (t ) =
∑ Y (kf 0 )⋅ f 0 ⋅ exp{j 2π ∞
k = −∞
∞
T0 → ∞ , f 0 → df , kf 0 → f
{
kf 0t
}
}
y (t ) = ∫ Y ( f ) exp j 2π ft df −∞
La funzione complessa Y(f) si ottiene ancora sfruttando lo stesso formalismo che consente di trovare ampiezza e fase delle componenti armoniche di un segnale periodico:
1 Yk = To
To / 2
∫
{
}
y (t ) exp − j 2π k f o t dt = Y (kf 0 ) f 0
− T0 / 2
∞
T0 → ∞, f 0 → df , kf 0 → f
{
}
Y ( f )df X ∫ y (t ) exp − j 2π ft dt X = df −∞
Fondamenti TLC
3 Elementi di Teoria dei Segnali (di Marco Marcon)
SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER
38
La trasformata di Fourier L’operatore che consente di ottenere la funzione complessa della frequenza che rappresenta ampiezza e fase delle componenti armoniche di un segnale non periodico viene detto Trasformata di Fourier del segnale: ∞
∫ y(t ) exp{− j 2π ft} dt
Y( f ) =
−∞
L’operatore che consente di ottenere il segnale nel tempo a partire dalla sua trasformata di Fourier viene detto Trasformata Inversa di Fourier oppure Anti-trasformata di Fourier : ∞
{
}
y (t ) = ∫ Y ( f ) exp j 2π ft df −∞
Fondamenti TLC
4 Elementi di Teoria dei Segnali (di Marco Marcon)
SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER
39
Dalla serie di Fourier dell’onda quadra alla trasformata di Fourier del rettangolo (1) 1
T2
T1
t
Il periodo del segnale ha durata To =T1 +T2
1 Yk = To
T1 / 2
∫
{
}
exp − j 2π k f o t dt =
− T1 / 2
π kT1 sin T1 / 2 T o T1 1 cos 2π k f o t dt = ∫ To −T / 2 T0 π kT 1 1 To
{
}
La componente continua vale T1 / To Fondamenti TLC
5 Elementi di Teoria dei Segnali (di Marco Marcon)
SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER
40
Dalla serie di Fourier dell’onda quadra alla trasformata di Fourier del rettangolo (2) Assumiamo T1 = 1
1
To = 2
-1 -6 1
To = 4
To = 8
YkTo = Y ( kf o )
0 -5
-4
-3
-2
-1
0
1
2
3
4
-1 -12 -10 -8 1
-6
-4
-2
0
2
4
6
8
-1 -24 -20 -16 -12 -8
-4
0
4
8
5
6
k
0 10 12
k
12 16 20 24
k
0
Fondamenti TLC
6 Elementi di Teoria dei Segnali (di Marco Marcon)
SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER
41
Dalla serie di Fourier dell’onda quadra alla trasformata di Fourier del rettangolo (3) Se To va all’infinito (rettangolo non periodico) la trasformata di Fourier diventa: T1 / 2 sin π T1 f exp − j 2π ft dt = T1 ⋅ Y( f ) = T1=1 π T1 f − T1 / 2
{
∫
(
}
)
1
0 .5
0
- 0 .5 -3
-2
-1
0
1
2
3 Fondamenti TLC
7 Elementi di Teoria dei Segnali (di Marco Marcon)
SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER
42
Seno cardinale sinc(t ) =
sinπ t
Si annulla per tutti i valori
E =1
π t
interi di t tranne nell’origine dove ha valore unitario
1 0.8 0.6 0.4 0.2
o
o
o
o
o
-0.4 -5
-4
-3
-2
-1
0
o
o
o
o
o
1
2
3
4
5
-0.2 0
Fondamenti TLC
8 Elementi di Teoria dei Segnali (di Marco Marcon)
SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER
43
Periodicizzazione di segnali non periodici Periodicizzare a passo To un segnale x(t), significa sommare tra loro infinite repliche del segnale x(t) traslate tra loro di To. Il segnale y(t) che si ottiene e’ sicuramente periodico di periodo To.
y (t ) =
∞
∑ x(t − nT )
n = −∞
o
Dall’esempio fatto, si puo’ osservare che periodicizzando a passo To il segnale non periodico x(t) (il rettangolo di durata T1 e ampiezza unitaria) si ottiene l’onda quadra y(t). Si puo’ anche osservare che la serie di Fourier dell’onda quadra si ottiene a partire dalla trasformata di Fourier di x(t) 1 sostituendo al posto della frequenza il valore k/ To 2 moltiplicando il risultato per 1/ To :
X ( f ) = T1 ⋅
(
sin π T1 f
π T1 f
)
(
1 k T1 sin π kT1 / To Yk = X = To To T0 π kT1 / To CIO’ E’ VERO IN GENERALE Fondamenti TLC
9 Elementi di Teoria dei Segnali (di Marco Marcon)
)
SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER
44
Esempi di trasformata di Fourier (il rettangolo) A x(t ) = A rectT (t ) = î 0
t ≤T /2 ⇔ t >T /2
sin πfT X ( f ) = AT ⋅ πfT
x(t) A
-T/2
T/2
t
X(f) AT
F -1/T
1/T
f
Fondamenti TLC
10 Elementi di Teoria dei Segnali (di Marco Marcon)
SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER
45
Esempi di trasformata di Fourier (il triangolo) x(t ) = A tri2T (t )
⇔
x(t)
sin πfT X ( f ) = AT πfT
2
A
X(f) -T
AT
T
F -1/T
1/T
Fondamenti TLC
11 Elementi di Teoria dei Segnali (di Marco Marcon)
f
SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER
46
Esempi di trasformata di Fourier (il sinc) sin π Tt x(t ) = A π Tt
⇔
A X ( f ) = AT rect1/ T ( f ) = 0 î
1 2T 1 f > 2T f ≤
x(t) A X(f) -T
t
T
AT
F -1/2T
1/2T Fondamenti TLC
12 Elementi di Teoria dei Segnali (di Marco Marcon)
f
SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER
47
Esempi di trasformata di Fourier (la gaussiana) 2 t 1 ⋅ exp− 2 ⇔ x(t ) = î 2a 2πa 2
f2 X ( f ) = exp− 2 2 î 1 / 2π a
x(t) 1 / 2πa 2
X(f) 1 t F f Fondamenti TLC
13 Elementi di Teoria dei Segnali (di Marco Marcon)
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
48
LA TRASFORMATA DI FOURIER: PROPRIETA’ ed ESEMPI
Fondamenti TLC
1 Elementi di Teoria dei Segnali (di Marco Marcon)
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
49
Proprieta’ della TDF (1) LINEARITA’: la TDF della combinazione lineare (somma pesata) di due segnali e’ uguale alla combinazione lineare delle TDF dei due segnali.
a1 x1(t) +a2 x2(t)
TDF
a1 X1 (f) +a2 X2 (f)
SIMMETRIA: la TDF di una segnale REALE gode di simmetria complessa coniugata. La parte reale e il modulo sono simmetrici rispetto all’origine (pari), la parte immaginaria e la fase sono antisimmetriche rispetto all’origine (dispari).
x(t) reale
TDF
{
X(f) = X*(-f) Re{X(f)} = Re{X(-f)} Im{X(f)} = - Im{X(-f)} |X(f)| = |X(-f)| fase X(f) = - fase X(-f) Fondamenti TLC
2 Elementi di Teoria dei Segnali (di Marco Marcon)
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
50
Proprieta’ della TDF (2) TDF di una segnale REALE
A Modulo
Fase f
f A
A Reale
f
f
Immag.
Casi particolari
x(t) reale pari x(t) reale dispari
TDF
X(f) reale pari X(f) immaginario dispari Fondamenti TLC
3 Elementi di Teoria dei Segnali (di Marco Marcon)
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
51
Proprieta’ della TDF (3) Valori nell’origine ∞ ∞ X (0) = ∫ x(t ) ⋅ exp{− j 2πft }dt = ∫ x(t )dt −∞ f =0 −∞
x(t)
X(0) t ∞ ∞ x(0) = ∫ X ( f ) ⋅ exp{j 2πft}df = ∫ X ( f )df −∞ t =0 −∞
X(f) x(0) f Fondamenti TLC
4 Elementi di Teoria dei Segnali (di Marco Marcon)
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
52
Proprieta’ della TDF (4) Traslazione nei tempi: la TDF del segnale ritardato e’ uguale a quella del segnale originale moltiplicata per un esponenziale complesso
x(t-t0 )
TDF
e-j2πf t0 X(f)
Traslazione nelle frequenze: traslare in frequenza la TDF del segnale, equivale a moltiplicare il segnale nei tempi per un esponenziale complesso
x(t ) e-j2π f0 t
TDF
X(f+ f0 )
Fondamenti TLC
5 Elementi di Teoria dei Segnali (di Marco Marcon)
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
53
Proprieta’ della TDF (5) Moltiplicazione nelle frequenze: la TDF inversa del prodotto delle TDF di due segnali e’ uguale all’integrale di convoluzione dei segnali nei tempi. L’integrale di convoluzione e’ un operatore utilizzato, per esempio, per descrivere come vengono modificati i segnali quando passano attraverso sistemi lineari tempoinvarianti. ∞
∫ x(τ ) y(t − τ )dτ
X(f)Y(f)
TDF
−∞
Moltiplicazione nei tempi: la TDF del prodotto di due segnali e’ uguale all’integrale di convoluzione delle due TDF (nelle frequenze).
∞
x(t )y(t)
TDF
∫ X (ξ )Y ( f − ξ )dξ
−∞
Fondamenti TLC
6 Elementi di Teoria dei Segnali (di Marco Marcon)
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
54
Proprieta’ della TDF (6) La relazione di Parseval: l’energia di un segnale e’ uguale all’integrale del modulo quadrato della sua TDF ∞
∫
−∞
X(f ) Quindi
2
x(t ) dt
∞
=
∫
2
X ( f ) df
−∞
2
integrata su tutto l’asse delle frequenze fornisce l’energia del segnale.
X(f )
2
rappresenta l’energia del segnale in ogni intervallo di frequenze
infinitesimo df.
X(f )
2
viene detta DENSITA’ SPETTRALE DI ENERGIA
Fondamenti TLC
7 Elementi di Teoria dei Segnali (di Marco Marcon)
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
55
Banda di un segnale Viene definita Banda (B) del Segnale x(t) l’intervallo di frequenze (misurato sul semiasse positivo) all’interno del quale X(f) assume valori diversi da 0. Molto spesso X(f) è a rigore diversa da 0 da -∞ a ∞, in questo caso la Banda corrisponde all’intervallo di frequenza in cui X(f) è “significativamente” diversa da 0. Operativamente nella definizione di banda, consideriamo due classi di segnali: Segnali di tipo passa-basso X(f) concentrata intorno a f=0
Segnali di tipo passa-banda X(f) concentrata intorno a f=±f0
|X(f)|
B
|X(f)|
f
-f0
-f0 B Fondamenti TLC
8 Elementi di Teoria dei Segnali (di Marco Marcon)
f
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
56
La trasformata di Fourier del coseno (1) Un impulso di area unitaria in frequenza ha come TDF inversa una costante ∞ unitaria nei tempi:
∫ δ ( f ) exp{j 2π ft} df
=1
−∞
Quindi la TDF di una costante unitaria e’ un impulso nelle frequenze. La trasformata di Fourier del coseno si ricava da quella della costante utilizzando le proprieta’ di traslazione nelle frequenze e di linearita’:
x (t ) = cos(2π f ot ) =
{
}
{
1 1 exp j 2π f ot + exp − j 2π f ot 2 2
}
TDF
1 1 X ( f ) = δ ( f − fo ) + δ ( f + fo ) 2 2 Fondamenti TLC
9 Elementi di Teoria dei Segnali (di Marco Marcon)
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
57
La trasformata di Fourier del coseno (2) La serie di Fourier del coseno ricavata in precedenza e’ costituita da due campioni di ampiezza 1/2 rispettivamente in k= +1 e k= -1
1/2 per k = ±1 Xk = î 0 per k ≠ ±1
x (t ) = cos( 2π f ot )
0.6
La TDF del coseno si ottiene dalla serie di Fourier ponendo alle frequenze f=kfo, impulsi
Xk 0.4
di area pari ai campioni Xk della serie, dove
fo e’ la frequenza fondamentale del segnale
0.2
periodico 0
1 1 X ( f ) = δ ( f − fo ) + δ ( f + fo ) 2 2
-0.2 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
Fondamenti TLC
10 Elementi di Teoria dei Segnali (di Marco Marcon)
k
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
58
La trasformata di Fourier del seno (1) La trasformata di Fourier del seno si ricava da quella della costante utilizzando le proprieta’ di traslazione nelle frequenze e di linearita’:
x (t ) = sin (2π f ot ) =
j j exp{− j 2π f ot}− exp{j 2π f ot } 2 2
TDF
j j X ( f ) = δ ( f + fo ) − δ ( f − fo ) 2 2
Fondamenti TLC
11 Elementi di Teoria dei Segnali (di Marco Marcon)
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
59
La trasformata di Fourier del seno (2) La serie di Fourier del seno ricavata in precedenza e’ costituita da due campioni immaginari di ampiezza +j/2 e -j/2 rispettivamente in k= +1 e k= -1 j − 2 per k = +1 j per k = −1 X k = + 2 0 per k ≠ ±1 î
x (t ) = sin (2π f ot )
La TDF del seno si ottiene dalla serie di Fourier ponendo alle frequenze f=kfo impulsi di area pari ai campioni Xk della serie, dove
fo e’ la frequenza fondamentale del segnale
0.5
Xk
periodico 0
j j X ( f ) = δ ( f + fo ) − δ ( f − fo ) 2 2
-0.5 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
Fondamenti TLC
12 Elementi di Teoria dei Segnali (di Marco Marcon)
k
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
60
La trasformata di Fourier di segnali periodici In generale la TDF di un segnale periodico y(t) si ottiene dalla serie di Fourier ponendo alle frequenze f=kfo impulsi di area pari ai campioni Yk della serie, dove
fo e’ la frequenza fondamentale del segnale periodico. Cio’ significa che la trasformata di Fourier di un segnale periodico e’ costituita da impulsi equispaziati in frequenza a passo pari alla frequenza fondamentale. Infine, ricordando che la serie di Fourier di un segnale periodico y(t) si ottiene a partire dalla trasformata di Fourier di un solo periodo x(t) 1 sostituendo al posto della frequenza il valore k/ To 2 moltiplicando il risultato per 1/ To si deduce che: La trasformata di Fourier Y(f) di un segnale periodico y(t) si ottiene a partire dalla trasformata di Fourier X(f) di un solo periodo x(t) nel modo seguente:
1 Y( f ) = To
k 1 ∑ X ( f )δ f − T = T k = −∞ o o ∞
k k ∑ X T δ f − T k = −∞ o o ∞
Fondamenti TLC
13 Elementi di Teoria dei Segnali (di Marco Marcon)
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
61
Esempio: l’onda quadra a media nulla
1/2
y(t) t To /2
To /2
0.6
Yk
sin π k
Serie di Fourier
0.4
1 2 per k ≠ 0 Yk = 2 π k 2
0.2 0 -0.2 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
Trasformata di Fourier
Y( f ) =
∞
∑
π k sin 1
k = −∞ 2
π k
2
2
k f- per k ≠ 0 To Fondamenti TLC
14 Elementi di Teoria dei Segnali (di Marco Marcon)
k
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
62
Esempio: l’onda quadra a media non nulla (1)
1
y(t) t To /2
To /2
T sinπ o f 2 T0 X(f )= 2 π To f 2
Trasformata di Fourier del singolo periodo x(t) {rettangolo di ampiezza unitaria e durata To/2}
1 Y( f ) = To
Trasformata di Fourier del segnale periodico y(t)
∞
k = −∞
∑ X ( f )δ f
−
k = To
To f π sin ∞ 2 T 1 δ f − k = 0 = ∑ To k = −∞ 2 To To f π 2 π k ∞ 1 sin 2 δ f − k = ∑ To k = −∞ 2 π k 2
Fondamenti TLC
15 Elementi di Teoria dei Segnali (di Marco Marcon)
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
63
Esempio: l’onda quadra a media non nulla (2) To/2 T sinπ o f 2 T0 X(f )= 2 π To f 2
0 -2/To 0 2/To
f
1/2
1 Y( f ) = To
k X ( f )δ f − ∑ To k = −∞ ∞
0 -2/To 0 2/To Fondamenti TLC
16 Elementi di Teoria dei Segnali (di Marco Marcon)
f
LA TRASFORMATA DI FOURIER: PROPRIETA’ ED ESEMPI
64
Esempio: il treno d’impulsi La TDF di un impulso nei tempi e’ una costante unitaria nelle frequenze: ∞
{
}
X ( f ) = ∫ δ (t ) exp − j 2π ft dt = 1 −∞
La TDF di un treno d’impulsi che si ripetono nei tempi a passo T e’:
1 Y( f ) = T y (t ) =
1 k X(f )δ f − = ∑ T T k = −∞ ∞
k δ f − ∑ T k = −∞ ∞
∞
∑ δ (t − nT0 )
Y(f)
1/T
n = −∞
1
-3T -2T -T 0 T 2T 3T
t
-2/T -1/T
0
1/T
2/T
f
Fondamenti TLC
17 Elementi di Teoria dei Segnali (di Marco Marcon)
SISTEMI LINEARI TEMPO INVARIANTI
65
SISTEMI LINEARI TEMPO INVARIANTI
Fondamenti TLC
1 Elementi di Teoria dei Segnali (di Marco Marcon)
SISTEMI LINEARI TEMPO INVARIANTI
66
Definizione di Sistema Sistema: Da un punto di vista fisico e’ un dispositivo che modifica un segnale x(t), detto ingresso, generando il segnale y(t), detto uscita. Da un punto di vista formale il segnale d’ingresso x(t) viene “manipolato” tramite un generico operatore matematico indicato con O[.]. Il risultato delle operazioni matematiche eseguite sull’ingresso e’ il segnale d’uscita y(t).
Schema a blocchi Sistema
x(t)
O[ x(t) ]
y(t)
Fondamenti TLC
2 Elementi di Teoria dei Segnali (di Marco Marcon)
SISTEMI LINEARI TEMPO INVARIANTI
67
Sistemi Lineari Tempo-Invarianti (LTI) Lineare: quando l’uscita generata dalla combinazione lineare di due o piu’ ingressi e’ uguale alla combinazione lineare delle uscite generate dai singoli ingressi
Sistema Lineare
x1(t)+x2(t)
O[ x1(t)+x2(t) ]=O[ x1(t) ]+ O[ x2(t) ]
y1(t)+y2(t)
Tempo Invariante: quando l’uscita generata da un segnale ritardato e’ uguale all’uscita generata dal segnale originale ritardata.
x(t−τ)
Sistema Tempo Invariante
O[x(t− τ)]
y(t−τ)
Fondamenti TLC
3 Elementi di Teoria dei Segnali (di Marco Marcon)
SISTEMI LINEARI TEMPO INVARIANTI
68
Risposta all’impulso Risposta all’impulso: e’ l’uscita del sistema quando l’ingresso e’ l’impulso. Viene solitamente indicata con il simbolo h(t)
h(t ) = O[δ (t )]
δ(t)
Sistema
O[ δ(t) ]
h(t)
Se il sistema e’ tempo-invariante, la forma della risposta all’impulso non dipende dall’istante in cui si applica l’impulso. Quando l’ingresso e’ un impulso anticipato o ritardato l’uscita e’ uguale ad h(t) anticipata o ritardata:
h(t ± τ ) = O[δ (t ± τ )] Se il sistema e’ anche lineare, nota la risposta all’impulso, e’ possibile calcolare l’uscita del sistema quando l’ingresso e’ una qualsiasi combinazione lineare d’impulsi:
y (t ) = O[aδ (t ) + bδ (t ± τ 1 ) + bδ (t ± τ 2 )] =
= ah(t ) + bh(t ± τ 1 ) + ch(t ± τ 2 )
Fondamenti TLC
4 Elementi di Teoria dei Segnali (di Marco Marcon)
SISTEMI LINEARI TEMPO INVARIANTI
69
Rappresentazione dei segnali come combinazione lineare di impulsi Un qualsiasi segnale x(t) puo’ essere rappresentato come somma integrale di impulsi ∞
∫ x (τ ) δ (t − τ ) d τ
= x (t )
−∞
2 1
δ (t − τ )
x(τ )
0
τ
-1 -2
-200
-100
0
100
200
t Fondamenti TLC
5 Elementi di Teoria dei Segnali (di Marco Marcon)
SISTEMI LINEARI TEMPO INVARIANTI
70
La convoluzione Come abbiamo visto:
1 - Nota la risposta all’impulso, e’ possibile calcolare l’uscita di un sistema LTI quando l’ingresso e’ una qualsiasi combinazione lineare d’impulsi
2 - Un qualsiasi segnale x(t) puo’ essere rappresentato come somma integrale di impulsi Ne segue che:
∞ ∞ y(t ) = O[x(t )] = O ∫ x(τ ) δ (t − τ ) dτ = ∫ x(τ ) O δ (t − τ ) dτ = −∞ −∞
[
∞
∞
−∞
−∞
]
= ∫ x(τ ) h(t − τ ) dτ = ∫ h(τ ) x (t − τ ) dτ = x( t )* h( t ) Integrale di convoluzione (o semplicemente convoluzione)
uscita = convoluzione tra ingresso e risposta all’impulso del sistema LTI Fondamenti TLC
6 Elementi di Teoria dei Segnali (di Marco Marcon)
SISTEMI LINEARI TEMPO INVARIANTI
71
Calcolo dell’integrale di convoluzione L’ Integrando
x(τ ) h(t − τ )
∞
y (t ) = ∫ x(τ ) h(t − τ ) dτ −∞
e’ il prodotto tra il segnale x(τ) e la risposta all’impulso h(τ) ribaltata in τ traslata di t
(verso destra se t >0, verso sinistra se t <0) x(τ )
x(τ )
τ
h(− τ )
τ h(τ )
h(t1 − τ ) h(t2 − τ )
τ
τ τ
h(t3 − τ )
t1
t2
t3
τ τ
Fondamenti TLC
7 Elementi di Teoria dei Segnali (di Marco Marcon)
SISTEMI LINEARI TEMPO INVARIANTI
72
Esempi di calcolo della convoluzione (1) ∞
x(t ) = h(t ) = rect(t )
y (t ) = ∫ x(τ ) h(t − τ ) dτ −∞
1
1
x(t )
h(t )
t t
-0.5
0.5
Fondamenti TLC
8 Elementi di Teoria dei Segnali (di Marco Marcon)
SISTEMI LINEARI TEMPO INVARIANTI
73
x(t ) = h(t ) = rect(t )
Esempi di calcolo della convoluzione (2) x(τ ) h(t − τ )
x(τ )
Integrando
Integrale
τ
∞
y (t ) = ∫ x(τ ) h(t − τ ) dτ −∞
-1
t = -1 t = -2/3
h(t − τ )
y(t)
h(− τ )
t = -1/3 t=0
1
t
t = +1/3 t = +1/3
-0.5
0.5
1
+1
t = +1 -1
Fondamenti TLC
9 Elementi di Teoria dei Segnali (di Marco Marcon)
SISTEMI LINEARI TEMPO INVARIANTI
74
Esempi di calcolo della convoluzione (3)
x(t ) = rect(2t ) h(t ) = rect(t − 1 / 2)
∞
y (t ) = ∫ x(τ ) h(t − τ ) dτ −∞
1
1
x(t ) t
h(t )
t -0.25
0.25
1
Fondamenti TLC
10 Elementi di Teoria dei Segnali (di Marco Marcon)
SISTEMI LINEARI TEMPO INVARIANTI
75
x(t ) = rect(2t ) h(t ) = rect(t − 1 / 2)
Esempi di calcolo della convoluzione (4)
x(τ )
Integrando
x(τ ) h(t − τ )
Integrale
τ
y (t ) = ∫ x(τ ) h(t − τ ) dτ −∞
-0.25
h(− τ )
∞
t = -1/4 t=0
1/2
h(t − τ )
t = +1/2
0.75
t = +3/4
t
t = +1
-0.25
0.25 0.5 0.75 1 1.25 Elementi di Teoria dei Segnali (di Marco Marcon)
1.25
t = +5/4 11
y(t)
0.25
t = +1/4
Fondamenti TLC
SISTEMI LINEARI TEMPO INVARIANTI
76
Stabilità dei Sistemi L.T.I. Definizione: Un Sistema L.T.I. è detto stabile (asintoticamente stabile) se l’uscita corrispondente ad un ingresso limitato è limitata.
Condizione da rispettare per garantire la stabilità: ∞
∫ h(t ) dt < ∞ (vale cioè un valore finito)
−∞
Fondamenti TLC
12 Elementi di Teoria dei Segnali (di Marco Marcon)
SISTEMI LINEARI TEMPO INVARIANTI
77
Causalità dei Sistemi L.T.I. (1) Definizione: Un Sistema L.T.I. è detto causale se l’uscita y(t) per un t=t, dipende dai valori dell’ingresso x(t) solo per valori della variabile t≤t. La condizione di causalità è molto importante se la variabile indipendente è il tempo: in questo caso un sistema fisico deve essere causale. Se ciò non fosse infatti il sistema sarebbe in grado di predire il futuro.
x(t)
Sistema
y(t)
Condizione da rispettare per garantire la causalità:
h(t ) = 0 per t < 0
Fondamenti TLC
13 Elementi di Teoria dei Segnali (di Marco Marcon)
SISTEMI LINEARI TEMPO INVARIANTI
78
Causalità dei Sistemi L.T.I. (2) Spesso utilizzeremo risposte all’impulso del tipo:
h(t)
t Questa risposta all’impulso non è causale, puo’ essere resa causale attraverso: opportuni troncamenti (nel tempo, se h(t) si estende da -∞ a ∞) e ritardi.
h1(t)
t
14
Utilizzare h(t) invece che h1(t) significa trascurare i ritardi necessari a rendere causale la risposta all’impulso. Fondamenti TLC Elementi di Teoria dei Segnali (di Marco Marcon)
SISTEMI LINEARI TEMPO INVARIANTI
79
Effetti della convoluzione (filtro passa-basso)
x (t )
Le componenti del segnale rapidamente varianti nel tempo (ad alta frequenza) vengono eliminate dalla convoluzione con una risposta all’impulso lentamente variante nel tempo (filtro passa-basso)
Simbolo della convoluzione
y (t ) = x(t ) ∗ h(t )
h(t )
Fondamenti TLC
15 Elementi di Teoria dei Segnali (di Marco Marcon)
SISTEMI LINEARI TEMPO INVARIANTI
80
Effetti della convoluzione (filtro passa-alto)
x (t )
Le componenti del segnale lentamente varianti nel tempo (a bassa frequenza) vengono eliminate dalla convoluzione con una risposta all’impulso rapidamente variante nel tempo (filtro passa-alto) Simbolo della convoluzione
y (t ) = x(t ) ∗ h(t )
h(t )
Fondamenti TLC
16 Elementi di Teoria dei Segnali (di Marco Marcon)
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
81
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
Fondamenti TLC
1 Elementi di Teoria dei Segnali (di Marco Marcon)
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
82
Definizione Se il segnale d’ingresso di un sistema Lineare Tempo-Invariante (LTI) e’ un esponenziale complesso, l’uscita sara’ ancora un esponenziale complesso con la stessa frequenza, ma con ampiezza e fase modificate.
A exp{j (2πf ot + ϑ )}
Sistema LTI
h(t)
B exp{j (2πf ot + ϕ )}
Risposta in frequenza: E’ la funzione della frequenza che descrive come vengono modificate ampiezza e fase di un esponenziale complesso quando passa attraverso un sistema LTI.
Fondamenti TLC
2 Elementi di Teoria dei Segnali (di Marco Marcon)
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
83
Risposta in frequenza (1) x(t ) = exp{j 2π ft}
Sistema L T I
∞
y(t ) = exp{j 2π ft }⋅ H ( f )
∫ x(t −τ ) h(τ ) dτ
−∞ ∞
∞
−∞
−∞
y(t ) = ∫ h(τ ) exp{j 2π f (t − τ )} dτ = exp{j 2π ft} ∫ h(τ ) exp{− j 2π fτ } dτ = ∞
= x(t ) ∫ h(τ ) exp{− j 2π fτ } dτ = exp{j 2π ft} H ( f ) −∞
L’uscita di un sistema LTI alimentato da un ingresso esponenziale complesso e’ ancora un esponenziale complesso con la stessa frequenza dell’ingresso. L’ampiezza e la fase iniziale dell’uscita dipendono dalla risposta in frequenza H(f) del sistema LTI. 3 Fondamenti TLC Elementi di Teoria dei Segnali (di Marco Marcon)
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
84
Risposta in frequenza (2) La risposta in frequenza H(f) e’ una funzione complessa della frequenza che dipende solo dalla risposta all’impulso del sistema h(t). ∞
H ( f ) = ∫ h(τ ) exp{− j 2π fτ } dτ −∞
La risposta in frequenza H(f) e’ data dalla Trasformata di Fourier della risposta all’impulso del sistema h(t) del sistema LTI.
La risposta in frequenza H(f) di un sistema reale (cioe’ con risposta all’impulso h(t) reale), ha simmetria complessa coniugata (modulo pari e fase dispari). Fondamenti TLC
4 Elementi di Teoria dei Segnali (di Marco Marcon)
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
85
Risposta in frequenza (3) Ricordando la proprieta’ della TDF secondo la quale la TDF della convoluzione di due segnali e’ uguale al prodotto delle trasformate, si ottiene il seguente semplice legame tra:
123-
X(f) …. TDF dell’ingresso x(t) Y(f) …. TDF dell’uscita y(t) H(f) …. TDF della risposta all’impulso h(t) del sistema LTI
Y( f ) = H( f )X ( f )
Attenzione: non e’ sempre vero che la risposta in frequenza si puo’ ottenere come rapporto tra le TDF dell’uscita e dell’ingresso. Infatti, in corrispondenza delle frequenze per cui X(f)=0, anche Y(f)=0 qualsiasi sia il valore di H(f). Fondamenti TLC
5 Elementi di Teoria dei Segnali (di Marco Marcon)
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
86
Risposta in frequenza (4) Quanto visto a riguardo del passaggio di esponenziali complessi attraverso i sistemi LTI, nel caso di h(t) reali, vale anche per i segnali cosenusoidali e sinusoidali. Infatti abbiamo: 1 [exp{j 2πf 0t}+ exp{− j 2πf 0t}] 2 1 y (t ) = x(t ) ∗ h(t ) = [exp{j 2πf 0t }H ( f 0 ) + exp{− j 2πf 0t}H (− f 0 )] = 2 1 = exp{j 2πf 0t }H ( f 0 ) + exp{− j 2πf 0t }H ∗ ( f 0 ) = 2 1 = H ( f 0 ) ⋅ [exp{j (2πf 0 t + ϕ )}+ exp{− j (2πf 0t + ϕ )}] = 2 = H ( f 0 ) ⋅ cos(2πf 0t + ϕ ) x(t ) = cos(2πf 0t ) =
[
]
ϕ = fase H ( f 0 )
Fondamenti TLC
6 Elementi di Teoria dei Segnali (di Marco Marcon)
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
87
Risposta in frequenza del filtro reale passa-basso Quando la risposta in frequenza H(f) ha ampiezza diversa da zero solo in una banda di frequenze simmetrica rispetto all’origine, il sistema LTI viene detto filtro passa-basso. Un filtro passa-basso ideale con frequenza di taglio fc ha come risposta in frequenza un rettangolo di ampiezza unitaria e base 2fc.
1
- fc
H(f)
fc
f
La risposta all’impulso e’ quindi un seno cardinale con gli zeri posizionati a tempi multipli interi di 1/ 2fc
Fondamenti TLC
7 Elementi di Teoria dei Segnali (di Marco Marcon)
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
88
Risposta in frequenza del filtro reale passa-alto Quando la risposta in frequenza H(f) ha ampiezza diversa da zero solo a frequenze superiori a fc (frequenza di taglio) e, simmetricamente, inferiori a - fc, il sistema LTI viene detto filtro passa-alto. Un filtro passa-alto ideale con frequenza di taglio fc ha come risposta in frequenza una costante unitaria meno un rettangolo di ampiezza unitaria e base 2fc. H(f)
1
- fc
f
fc
La risposta all’impulso e’ quindi data da un impulso di area unitaria δ(t) meno un seno cardinale con gli zeri posizionati a tempi multipli interi di 1/ 2fc Fondamenti TLC
8 Elementi di Teoria dei Segnali (di Marco Marcon)
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
89
Risposta in frequenza del filtro reale passa-banda Quando la risposta in frequenza H(f) ha ampiezza diversa da zero solo in due bande di frequenza centrate intorno alla frequenza fo (frequenza centrale) e, simmetricamente, intorno alla frequenza - fo, il sistema LTI viene detto filtro passa-banda. Un filtro passa-banda ideale con frequenza centrale fo e banda passante 2fc , ha come risposta in frequenza due rattangoli di ampiezza unitaria e base 2fc centrati intorno alle frequenze + fo e - fo, .
H(f)
1
- fo - fc
- fo
- fo + fc
fo - fc
fo
fo + fc
f
La risposta all’impulso e’ quindi data da un seno cardinale con gli zeri posizionati a tempi multipli interi di 1/ 2fc moltiplicato per
2 cos 2πf ot
Fondamenti TLC
9 Elementi di Teoria dei Segnali (di Marco Marcon)
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
90
Filtro passa-basso
Y( f ) = H( f ) ⋅ X ( f )
x (t )
Le componenti del segnale rapidamente varianti nel tempo (ad alta frequenza) vengono eliminate dalla risposta in frequenza del filtro passa-basso
y (t ) = x(t ) ∗ h(t )
H( f )
Fondamenti TLC
10 Elementi di Teoria dei Segnali (di Marco Marcon)
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
91
Filtro passa-alto
Y( f ) = H( f ) ⋅ X ( f )
x (t )
Le componenti del segnale lentamente varianti nel tempo (a bassa frequenza) vengono eliminate dalla risposta in frequenza del filtro passa-alto
y (t ) = x(t ) ∗ h(t )
H( f )
Fondamenti TLC
11 Elementi di Teoria dei Segnali (di Marco Marcon)
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
92
Densita’ spettrale di energia attraverso sistemi LTI (1) Riassumendo quanto visto in precedenza, un sistema Lineare Tempo-Invariante e’ descritto nei tempi dalla sua risposta all’impulso e nelle frequenze dalla sua risposta in frequenza. Il legame ingresso uscita e’ il seguente:
TEMPO
FREQUENZA
Sistema LTI
x(t )
h(t)
X(f )
Sistema LTI
H(f)
y (t ) = x(t ) ∗ h(t ) Y ( f ) = X ( f )H ( f )
Come viene modificata la densita’ spettrale di energia di un segnale quando passa attraverso un sistema Lineare Tempo-Invariante?
X(f )
2
Sistema LTI
H(f)
Y(f ) = 2
?
Fondamenti TLC
12 Elementi di Teoria dei Segnali (di Marco Marcon)
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
93
Densita’ spettrale di energia attraverso sistemi LTI (2)
Y(f )
2
∗ ( ) = Y f Y (f )
Y ( f ) = {X ( f )H ( f )}⋅ {X ( f )H ( f )} = 2
*
= {X ( f )H ( f )}⋅ {X * ( f )H * ( f )}= = {X ( f )X =
X(f )
2
( f )}⋅ {H ( f )H ( f )}= 2 2 X (f ) ⋅ H(f ) *
Sistema LTI
H(f)
*
2 2 2 ( ) ( ) ( ) Y f = X f H f
Fondamenti TLC
13 Elementi di Teoria dei Segnali (di Marco Marcon)
MODELLI DI CANALI TRASMISSIVI
94
Modelli di Canali Trasmissivi
Fondamenti TLC
1 Elementi di Teoria dei Segnali (di Marco Marcon)
MODELLI DI CANALI TRASMISSIVI
95
I Canali Trasmissivi
s(t) Trasm.
r(t) Canale trasmissivo
Ricev.
In un Sistema di Comunicazione, per Canale Trasmissivo si intende, normalmente, l’insieme di: - mezzo fisico (mezzo trasmissivo) lungo il quale avviene la propagazione dei segnali necessari a garantire lo scambio di informazioni fra gli utenti, - dispositivi per l’interfacciamento tra esso e gli apparati di trasmissione e ricezione.
Fondamenti TLC
2 Elementi di Teoria dei Segnali (di Marco Marcon)
MODELLI DI CANALI TRASMISSIVI
96
I Mezzi Trasmissivi r(t)
s(t) Trasm.
Interf.
Mezzo Trasmissivo
Interf.
Ricev.
Nei sistemi di comunicazione, normalmente, il mezzo trasmissivo è caratterizzato dalla propagazione di onde elettromagnetiche. Tale propagazione può avviene: • nello spazio libero: canale radio; • guidata da conduttori metallici: cavi coassiali e bifilari (intrecciati e non); • guidata da strutture dielettriche: fibre ottiche.
Fondamenti TLC
3 Elementi di Teoria dei Segnali (di Marco Marcon)
MODELLI DI CANALI TRASMISSIVI
97
I Canali Trasmissivi, necessità della traslazione in frequenza (1) s(t) Trasm.
Canale Trasmissivo
r(t)
Ricev.
Spesso s(t) ha un andamento nelle frequenze del tipo: S( f )
f
Su molti Canali Trasmissivi tali segnali non si propagano efficacemente. Fondamenti TLC
4 Elementi di Teoria dei Segnali (di Marco Marcon)
MODELLI DI CANALI TRASMISSIVI
98
I Canali Trasmissivi, necessità della traslazione in frequenza (2) s1(t)
Mod.
r1(t)
Canale Trasmissivo
Demod.
Trasm.
Ricev.
S1 ( f )
− f0
f0
f
Tramite un opportuno blocco funzionale, detto modulatore, si effettua una traslazione in frequenza dei segnali di interesse. Dopo tale operazione la loro trasformata non sarà più centrata intorno a frequenza 0, ma intorno a ±f0. Il blocco demodulatore effettuerà, al ricevitore l’operazione inversa. Fondamenti TLC
5 Elementi di Teoria dei Segnali (di Marco Marcon)
MODELLI DI CANALI TRASMISSIVI
99
I Canali Trasmissivi reali r(t)
s(t)
Trasm.
Canale Trasmissivo
Ricev.
I Canali Trasmissivi reali possono essere ben modellizzati attraverso un sistema lineare (h(t) reale).
R( f ) = S ( f ) ⋅ H ( f ) arg [H ( f ) ]
H(f )
− f0
f0 f0
f
− f0
Fondamenti TLC
6 Elementi di Teoria dei Segnali (di Marco Marcon)
f
MODELLI DI CANALI TRASMISSIVI
100
Il Canale Trasmissivo Ideale s(t)
Trasm.
r(t)
Canale Trasmissivo
Ricev.
r (t ) = K ⋅ s (t − τ )
1
R ( f ) = K ⋅ e − j 2πfτ ⋅ S ( f ) = H ( f ) ⋅ S ( f )
H(f )
K
H ( f ) = K ⋅ e − j 2πfτ
f
Normalmente K < 1, 1/K > 1 è chiamata Attenuazione
tg (α ) τ =− 2π
π
arg [H ( f ) ]
α −π Fondamenti TLC
7 Elementi di Teoria dei Segnali (di Marco Marcon)
f
MODELLI DI CANALI TRASMISSIVI
101
Il Canale Trasmissivo Ideale Passa-Basso di Banda B s(t)
Trasm.
r(t)
Canale Trasmissivo 1
Ricev.
H(f )
K -B/2
B/2
f
Caratteristiche Funzione di Trasferimento, H(f), per un Canale Trasmissivo Ideale Passa-Basso (con banda B): H( f ) = K per f ≤ B / 2 fase lineare non definita altrove
Fondamenti TLC
8 Elementi di Teoria dei Segnali (di Marco Marcon)
MODELLI DI CANALI TRASMISSIVI
102
Il Canale Trasmissivo Ideale Passa-Basso di Banda B s(t)
r(t)
Trasm.
Canale Trasmissivo H(f )
1
K
-f0
Ricev.
B
f0 B
f
Caratteristiche Funzione di Trasferimento, H(f), per un Canale Trasmissivo Ideale Passa-Banda (con banda B): H( f ) = K per ( f 0 − B / 2 ) ≤ f ≤ ( f 0 + B / 2 ) fase lineare non definita altrove
Fondamenti TLC
9 Elementi di Teoria dei Segnali (di Marco Marcon)
MODELLI DI CANALI TRASMISSIVI
103
Distorsioni introdotte dal Canale Trasmissivo
s(t)
Trasm.
r(t)
Canale Trasmissivo
Ricev.
Nella banda di interesse (centrata intorno a f=0 o a f=±f0) gli scostamenti della Funzione di Trasferimento (FdT) associata al Canale Trasmissivo, rispetto ai casi ideali visti in precedenza, vengono indicati come: Distorsioni di Ampiezza per quanto riguarda il modulo della FdT; Distorsioni di Fase per quanto l’argomento (la fase) della FdT. Vengono indicati con il termine Distorsioni Non-Lineari tutti gli effetti legati alla non completa rappresentabilità del Canale Trasmissivo attraverso un Sistema Lineare.
Fondamenti TLC
10 Elementi di Teoria dei Segnali (di Marco Marcon)
MODELLI DI CANALI TRASMISSIVI
104
Canali Trasmissivi Passa-Banda a Banda Stretta s(t)
r(t)
Trasm.
Canale Trasmissivo
H(f )
1 -f0
Ricev.
K
B
f0 B
f
B << f 0
Fondamenti TLC
11 Elementi di Teoria dei Segnali (di Marco Marcon)
MODELLI DI CANALI TRASMISSIVI
105
Caratterizzazione dei Canali Trasmissivi Passa-Banda a Banda Stretta s(t)
Trasm.
r(t)
Canale Trasmissivo
Ricev.
s (t ) = m(t ) ⋅ 2 ⋅ cos( 2πf o t ); S ( f ) = M ( f − f 0 ) + M ( f + f 0 )
M(f)
B
S( f )
− f0
f
f0
[
(
r (t ) ≈ H ( f 0 ) ⋅ m(t − τ g ) ⋅ 2 ⋅ cos 2πf 0 t − τ p τ p = Ritardo di Fase = − τ g = Ritardo di Gruppo = −
arg[H ( f 0 )] 2πf 0
(
1 d arg[H ( f )] 2π df
) f = f0
Fondamenti TLC
12 Elementi di Teoria dei Segnali (di Marco Marcon)
f
)]
MODELLI DI CANALI TRASMISSIVI
106
Equalizzazione s(t)
Trasm.
r(t)
Canale trasmissivo
Equalizz. Ricev.
Lo scopo dell’Equalizzatore è quello di garantire, nella banda di interesse, che il “Canale Trasmissivo Equivalente” (C.T. + Equaliz.) sia quanto più ideale possibile. In moltissimi sistemi, le caratteristiche del Mezzo Trasmissivo utilizzato impongono la presenza di un Equalizzatore.
Fondamenti TLC
13 Elementi di Teoria dei Segnali (di Marco Marcon)
MODELLI DI CANALI TRASMISSIVI
107
Rapporti fra ampiezze e potenze i(t)
Blocco Funzionale
u(t)
La variabilità dei rapporti fra le ampiezze dei segnali di ingresso e uscita dei blocchi funzionali che compongono i sistemi di comunicazione è estremamente grande, si pensi ad esempio al fatto che l’attenuazione introdotta da molti Mezzi Trasmissivi cresce in modo esponenziale rispetto alla lunghezza del collegamento. Risulta quindi comodo esprimere i rapporti fra ingresso ed uscita dei blocchi funzionali in unità logaritmiche.
Fondamenti TLC
14 Elementi di Teoria dei Segnali (di Marco Marcon)
MODELLI DI CANALI TRASMISSIVI
108
Rapporti fra ampiezze e potenze i(t)
Blocco Funzionale
u(t)
Possiamo considerare rapporti fra: • valori istantanei, u (t ) / i (t ) • valori medi, u (t ) / i (t ) 2 2 • potenze istantanee, u (t ) / i (t ) ∞ ∞ 2 2 • energie medie, ∫− ∞ u (t )dt / ∫− ∞ i (t )dt • potenze medie (1 / T )∫T u 2 (t )dt / (1 / T )∫T i 2 (t )dt
Fondamenti TLC
15 Elementi di Teoria dei Segnali (di Marco Marcon)
MODELLI DI CANALI TRASMISSIVI
109
Rapporti espressi in decibel(1) A R dB = 20 ⋅ log10 se A e B rappresentano ampiezze B A R dB = 10 ⋅ log10 se A e B rappresentano potenze ed energie B
i(t)
Blocco Funzionale
u(t)
i (t ) = 4; u (t ) = 8; 8 = ⋅ 20 log 10 = 3dB dB 4 42 Rapporto fra potenze = R p = 10 ⋅ log10 2 = 3db dB 8
Rapporto fra ampiezze = Ra
Fondamenti TLC
16 Elementi di Teoria dei Segnali (di Marco Marcon)
MODELLI DI CANALI TRASMISSIVI
110
Rapporti espressi in decibel(2)
Per esprimere valori assoluti di grandezze (tipicamente potenze) in unità logaritmiche è necessario riferirsi ad un valore di riferimento. Valori tipici di riferimento 1mW (dBm) ed 1W (dBW)
Fondamenti TLC
17 Elementi di Teoria dei Segnali (di Marco Marcon)
MODELLI DI CANALI TRASMISSIVI
111
Rapporti espressi in decibel(3) Esempio Importante: La somma di due sinusoidi a frequenza diversa ha come potenza la somma delle potenze delle singole sinusoidi. s(t ) = a ⋅ cos(2πf1t ) + b ⋅ cos(2πf1t ) = s1 (t ) + s2 (t ) Ps =
1 2 1 2 1 2 2 π π ( ) ( ) cos 2 cos 2 ⋅ + ⋅ + a f t dt b f t dt 1 2 ∫ ∫ ∫ a ⋅ b ⋅ cos(2πf1t )⋅ cos(2πf 2t )dt = TT TT TT
a2 b2 = + + 0 = Ps1 + Ps 2 2 2
Se la potenza di ciascuna sinusoide è 0dBm quale sarà la potenza del segnale somma?
P 0dBm = 10 log10 1mW PTot = P + P = 2mW PTot
dBm
→ P = 1mW
2mW = 10 log10 = 3dBm 1mW Fondamenti TLC
18 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
112
Cenni di Probabilità e Variabili Casuali
Fondamenti TLC
1 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
113
Il concetto di Probabilità (1) La misura della probabilità riguarda la descrizione di tutti i fenomeni che possono essere “pensati” come un “esperimento” il cui risultato sia soggetto a cambiamento al ripetersi dell’esperimento stesso (pur mantenendo le medesime condizioni operative). Esempio: Esperimento: Uscita:
Lancio di un dato non truccato Numero riportato sulla faccia superiore dado al termine del lancio. Possibili eventi: {1,2,3,4,5,6}
Strumento pratico per lo studio del fenomeno: Analisi di un numero elevato di realizzazioni dell’esperimento attraverso la valutazione della Frequenza Relativa di ciascun possibile evento. N fK = K N Fondamenti TLC
2 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
114
Il concetto di Probabilità (2) Lancio di un dado non truccato, esito di una serie di prove.
Risultato del lancio
Frequenza relativa dei possibili risultati 0.20 0.18 0.16 0.14 0.12 0.10 0.08 0.06 0.04 0.02 0
6 5 4 3 2 1 0
20 40 60 80 100 120 140 160 180 200
# prove
1
2
3
4
5
6
Con un numero grande di prove, la frequenza relativa dei singoli risultati (eventi) può essere vista come una stima della loro probabilità.
fK =
NK N Fondamenti TLC
3 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
115
Cenni sulla Teoria della Probabilità (1) S : l’insieme degli eventi elementari (risultati dell’esperimento); P(.): probabilità, una quantità reale positiva definita per gli eventi appartenenti a S. Pensando alla frequenza relativa come ad una stima della probabilità di successo di ciascun evento, in una singola prova, si evidenziano le seguenti proprietà: 0 ≤ P(A) ≤ 1, A rappresenta un evento appartenente a S; P(S)=1, E’ certo che l’uscita sarà uno dei possibili eventi; P(A + B) = P(A) + P(B) se i due eventi A e B sono mutuamente esclusivi. Nella teoria della probabilità queste proprietà sono assunte come assiomi.
Due eventi mutuamente esclusivi sono ad esempio A: Risultato lancio dado=1; B: Risultato lancio dado=2. Fondamenti TLC
4 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
116
Cenni sulla Teoria della Probabilità (2) Dalle relazioni precedenti si deducono le seguenti ulteriori proprietà di P(.): • P(A)=1 - P(A), A evento complementare di A (A+A=S); A: Risultato lancio dado = 1; A: Risultato lancio dado = 2 o 3 o 4 o 5 o 6.
• P(A1)+P(A2)+….+P(AM)=1 se gli eventi A1,…,AM sono fra loro mutuamente esclusivi e costituiscono un insieme esaustivo (A1+A2+….AM=S): Nel lancio di un dado P(1)+ P(2)+ P(3)+ P(4)+ P(5)+ P(6)=1.
• P(A+B)=P(A)+P(B)-P(A,B), dove P(A,B) denota la probabilità dell’evento congiunto “A e B”; A: Lancio primo dado =1; B: Lancio secondo dado=2; (A+B): Primo lancio=1 o Secondo lancio=2; (A,B): Primo lancio=1 e Secondo lancio=2; P(A+B)=1/6+1/6-1/36=11/36;
Fondamenti TLC
5 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
117
Variabili Casuali
Se pensiamo di rappresentare i risultati dell’esperimento in analisi come numeri reali costruiamo quella che viene chiamata una Variabile Casuale (X). Le variabili casuali possono essere: •Continue (la variabile casuale può assumere un insieme continuo di valori); Esempio: la temperatura di una stanza misurata ad un istante di tempo casuale. •Discrete (la variabile casuale può assumere solo un insieme discreto di valori). Esempio: l’uscita su di una ruota del lotto (numero intero compreso fra 1 e 90).
Fondamenti TLC
6 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
118
Variabili Casuali Continue: un esempio
A
X
Il vettore A ruota con velocità angolare costante. La variabile casuale X rappresenta la posizione, lungo la circonferenza di raggio unitario, del vettore A misurata ad istanti di tempo casuali.
1 P(a < X ≤ a + ∆) =
1 ⋅∆ 2π
Densità di probabilità: P(a < X ≤ a + ∆) ∆ ∆ →0
f X (a ) = lim
Posizione misurata
7 6 5
f X (a )
4
1/ 2π
3 2 1
2π
0 0
20
40
60
80 100 120 140 160 180 200
a
Numero della lettura posizione Fondamenti TLC
7 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
119
Densità di Probabilità: Proprietà
P(a < X ≤ a + ∆) f X (a ) = lim ∆ ∆ →0 f X (a) ≥ 0; a2
fX(a)
∫ f X (a) ⋅da = P(a1 < X ≤ a2 )
P(a1
a1
∞
∫ f X (a) ⋅ da = 1;
a1
−∞
a2
Fondamenti TLC
8 Elementi di Teoria dei Segnali (di Marco Marcon)
a
CENNI DI PROBABILITÀ E VARIABILI CASUALI
120
Distribuzione di Probabilità Si definisce Distribuzione di Probabilità associata ad una variabile casuale X: a
FX ( a) = P( X ≤ a ) =
∫f
X
(α )dα
−∞
0 ≤ FX ( a ) ≤ 1 FX (−∞) = FX (+∞) =
lim FX (a) = 0
a → −∞
lim FX (a) = 1
a → +∞
F (a + h) ≥ F (a) per h > 0; FX (a) è monotona non decrescente P(a1 < X ≤ a 2 ) = FX (a2 ) − FX (a1 )
P ( X > a ) = 1 − P ( X ≤ a ) = 1 − FX ( a )
fX(a)
FX(a)
P(X≤a1)=FX(a1)
1
a1
a
a Fondamenti TLC
9 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
121
Valore Atteso (Valor Medio) (1) Si definisce Valore di Atteso (Valor Medio, Momento Statistico di ordine uno) di una variabile casuale X: ∞
m X = E [X ] =
∫ a ⋅ f X (a) ⋅ da
−∞
Esso rappresenta il “baricentro” dell’area sottesa alla densità di probabilità.
fX(a)
mX
fX(a)
a
mX
a
Fondamenti TLC
10 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
122
Valore Atteso (Valor Medio) (2) Data X una variabile casuale e g(.) una funzione reale, Y=g(X) è anch’essa una variabile casuale. Per quest’ultima il Valore di Atteso è dato da: mY = E [Y ] =
∞
∫
−∞
b ⋅ fY (b) ⋅ db; mY = E [Y ] =
∞
∫ g (a) ⋅ f X (a) ⋅ da
−∞
Data X una variabile casuale somma di due altre variabili casuali (X1 e X2 ) si ha: X = X1 + X 2
m X = E [X ] = E [X 1 + X 2 ] = E [X 1 ]+ E [X 2 ] = m X 1 + m X 2
Fondamenti TLC
11 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
123
Momenti del Secondo Ordine (1) Si definisce Varianza (Momento centrale di ordine 2) di una variabile casuale X: σ X2
[
]
= E (X − m X ) = 2
[ ]
∞
∫ (a − m x )
−∞ 2
[ ]− 2 ⋅ m
= E X 2 − 2 ⋅ m X ⋅ E [X ] + m 2X = E X
σX
⋅ f X (a ) ⋅ da =
2
X
[ ]
⋅ m X + m 2X = E X 2 − m 2X
= Scarto Quadratico Medio, Deviazione Standard della V.C. X;
E[X2] = Valore Quadratico Medio di X, Potenza Statistica di X, Momento Statistico di ordine due. 0.5
f X 1 (a) 0.4
σ X 3 > σ X 2 > σ X1
f X 2 (a)
0.3
f X 3 (a)
0.2 0.1 0
-5
-4
-3
-2
-1
0
1
2
3
4
5
Fondamenti TLC
12 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
124
Momenti del Secondo Ordine (2) Anche per il Momenti statistici di ordine 2 si ha, per una V.C. funzione di un altra V.C.: Y = g (X ) ∞
[ ]= ∫ g
E Y
2
2
(a )f X (a )da
−∞
In molte situazioni risulta essere utile descrivere la Variabile Casuale X come: X=X1+mX ove X1 è ancora una V.C., ma con media pari a 0, ed mx può essere vista come una costante deterministica.
Fondamenti TLC
13 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
125
Momenti del Secondo Ordine (3) Data X una variabile casuale somma di due altre variabili casuali (X1 e X2 ), ciascuna con media pari a 0, si ha:
[ ] [
X = X1 + X 2
] [ ] [ ]
σ X2 = E X 2 = E (X 1 + X 2 ) = E X 12 + E X 22 + E [X 1 X 2 ] = σ X2 1 + σ X2 2 + E [X 1 X 2 ] 2
E [X 1 X 2 ] =
∞ −∞
∫ ∫ a ⋅b ⋅ f
X1 , X 2
(a, b) ⋅ da ⋅ db
− ∞− ∞
Nel caso le due variabili (X1 e X2 ) risultino non correlate statisticamente o addirittura completamente indipendenti fra loro:
[ ] [
E [X 1 X 2 ] = 0
] [ ] [ ]
σ X2 = E X 2 = E (X 1 + X 2 ) = E X 12 + E X 22 = σ X2 1 + σ X2 2 2
Fondamenti TLC
14 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
126
Densità di probabilità uniforme fX(a)
FX(a) 1
1/(a2-a1)
a1
a2
a1
a
mX =
[ ]
E X2
a2
a1 + a2 2 a2
a3 1 1 1 a23 − a13 1 2 2 = ∫a ⋅ = ⋅ = ⋅ a2 + a2 a1 + a12 da = a2 − a1 a2 − a1 3 a1 3 a2 − a1 3 a1 a2
[ ]
σ = E X −m 2 X
2
a
2 X
(
)
2 ( a2 − a1 ) =
12
Fondamenti TLC
15 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
127
Densità di probabilità gaussiana f X (a )
1
f X (a) =
1 2πσ X2
⋅e
−
2πσ x2
(a − m X )2
0 .606
2σ 2X
2πσ x2
0 .135
σX σX
2σ X
2σ X
2πσ x2 mX
P[(m X − σ X ) < X ≤ (m X + σ X )] =
(m X +σ 2 )
∫
(m X −σ 2 )
P[(m X − 2σ X ) < X ≤ (m X + 2σ X )] = P[(m X − 3σ X ) < X ≤ (m X + 3σ X )] =
1 2πσ
(m X + 2σ 2 )
∫
(m X − 2σ 2 ) (m X + 3σ 2 )
∫
(m X −3σ 2 )
2 X
⋅e
−
1 2πσ X2 1 2πσ
2 X
(a − m X )2 2σ X2
⋅e ⋅e
−
−
da ≈ 0.365
(a − m X )
2
2σ X2
da ≈ 0.909
(a − m X )2 2σ X2
Questi integrali possono essere valutati solo in modo numerico
da ≈ 0.995
Fondamenti TLC
16 Elementi di Teoria dei Segnali (di Marco Marcon)
a
CENNI DI PROBABILITÀ E VARIABILI CASUALI
128
Densità/Distribuzione di probabilità gaussiana F X (a )
f X (a )
1
1 2πσ x2 0 .606 2πσ x2
0 .5
σx σx B
C=B mX mX
a
FX (a) =
∫
−∞
1 2πσ
2 X
⋅e
−
β
a
β
a
(α − m X )2 2σ X2
dα =
1 a−m X 1 − erfc a − mX ≥ 0 2 2 2σ X = a − mX 1 a−m <0 X 2 erfc 2 σ 2 î X
B=
∞
∫
mX + β
1 2πσ
β 1 = erfc 2σ 2 2 X
⋅e
2 X
−
(α − m X )2 2σ X2
dα =
Fondamenti TLC
17 Elementi di Teoria dei Segnali (di Marco Marcon)
CENNI DI PROBABILITÀ E VARIABILI CASUALI
129
Error Function Complementare (erfc), funzione “Q(•)” f X (a )
∞
B=
∫
mX + β
=
0 .606 2πσ x2
σx σx
1 2πσ
2 X
β 1 erfc 2 2 ⋅σ X
⋅e
−
(α − m X )2 2σ X2
dα =
β = Q σ X
e−s Per s >> 1 erfc( s) ≈ s π 2
B
C=B mX β
s 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 1,0 1,2 1,4
erfc(s) 1,000E+00 8,875E-01 7,730E-01 6,714E-01 5,716E-01 4,795E-01 3,961E-01 3,222E-01 2,579E-01 1,573E-01 9,700E-02 4,770E-02
s 1,6 1,8 2,0 2,2 2,4 2,6 2,8 3,0 3,3 3,7 4,0 5,0
erfc(s) 2,370E-02 1,090E-02 4,700E-03 1,900E-03 6,885E-04 2,360E-04 7,502E-05 2,209E-05 3,057E-06 1,671E-07 1,542E-08 1,537E-12
e −t / 2 Per t >> 1 Q(t ) ≈ t 2π 2
β
a t 0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,60
Q(t) 5,000E-01 4,801E-01 4,602E-01 4,404E-01 4,207E-01 4,013E-01 3,821E-01 3,622E-01 3,446E-01 3,264E-01 3,085E-01 2,743E-01
t 0,8 1,0 1,2 1,4 1,6 1,8 2,0 2,4 2,8 3,2 3,6 4,0
Q(t) 2,119E-01 1,587E-01 1,151E-01 8,080E-02 3,806E-01 3,590E-02 2,280E-02 8,200E-03 2,600E-03 6,871E-04 1,591E-04 3,167E-05
Fondamenti TLC
18 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI
130
PROCESSI CASUALI
Fondamenti TLC
1 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI
131
Segnali deterministici Un segnale si dice DETERMINISTICO se ad un determinato tempo t e’ associato un ben preciso valore. Tutti i segnali visti sino ad ora sono deterministici. Ad esempio i valori assunti dal segnale x(t)=cos(2π
t x(t)
…
-0.4
t) sono noti con certezza per ogni valore di t
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
…
… -0.809 -0.309 0.309 0.809 1 0.809 0.309 -0.309 -0.809 ...
L’andamento della maggior parte dei segnali che si incontrano in pratica non e’ rappresentabile (se non in forma approssimata) con semplici e comode funzioni matematiche come quelle viste sino ad ora (ad esempio, il tipico ronzio prodotto da un trasformatore, il segnale radio captato da un’antenna, il rumore presente in ogni dispositivo elettronico …) Anche questi segnali sono deterministici perche’ comunque ad ogni istante di tempo e’ associato un ben preciso valore. Fondamenti TLC
2 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI
132
Introduzione ai processi casuali (1) Il rumore termico Un classico e importante esempio utile a introdurre il concetto di processo casuale e’ rappresentato dalla tensione elettrica v1(t) esistente ai capi di una resistenza. Questa tensione, variabile nel tempo, e’ causata dal movimento caotico degli elettroni dovuto ad una temperatura del materiale superiore allo zero assoluto. Se si misura la tensione v1(t) si ottiene, secondo quanto detto in precedenza, un segnale deterministico.
v1(t)
t Fondamenti TLC
3 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI
133
Introduzione ai processi casuali (2) Se si prende una seconda resistenza identica alla prima e posta alla stessa temperatura e si esegue la misura della tensione elettrica ai suoi capi, si otterra’ di nuovo un segnale deterministico v2(t), con caratteristiche simili ma diverso dal precedente dato che gli elettroni si muovono in modo indipendente nelle due resistenze.
v2(t)
t v1(t)
t Fondamenti TLC
4 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI
134
Introduzione ai processi casuali (3) Se il nostro scopo e’ determinare l’effetto del rumore termico della resistenza su un’apparecchiatura elettronica, non e’ di nessuna utilita’ conoscere deterministicamente il comportamento della tensione v1(t) ai capi della prima resistenza se poi la resistenza effettivamente montata nell’apparecchiatura e’ la seconda. E’ utile invece riuscire a descrivere quelle che sono le caratteristiche della tensione di rumore comuni a tutte le resistenze di quel valore e a quella temperatura. In questo modo, qualsiasi sia la resistenza (di quel valore e a quella temperatura) montata nell’apparecchiatura, potremo dire, per esempio, con quale probabilita’ si presenteranno certi valori di tensione o quale sara’ il valore atteso della potenza di rumore. Si abbandona dunque il concetto di certezza (proprio dei segnali deterministici) per passare a quello dell’incertezza, descritto dalla teoria delle probabilita’, proprio dei processi casuali. Fondamenti TLC
5 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI
135
Introduzione ai processi casuali (4)
Un processo casuale e’: l’insieme di tutti i segnali deterministici (detti le realizzazioni del processo) generati da altrettante sorgenti con identiche caratteristiche, ma fisicamente diverse tra loro.
ESEMPIO Il processo casuale “rumore termico” e’: l’insieme di tutte le tensioni elettriche vi(t) (realizzazioni del processo) esistenti ai capi di altrettante resistenze con medesimo valore e temperatura.
Fondamenti TLC
6 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI
136
Descrizione dei processi casuali Di un processo casuale e’ utile conoscere le caratteristiche comuni a tutte le realizzazioni In pratica per descrivere il processo casuale x(t) si utilizzano solo due funzioni: • La densita’ di probabilita’ delle ampiezze del processo
fx(a)
fx(a)da Ci dice con quale probabilità una qualsiasi realizzazione del processo casuale x(t) assume (al tempo t) un valore compreso fra a ed a+da. In generale fx(a) dovrebbe dipendere anche dal tempo. Tuttavia noi ci occuperemo di una classe di processi casuali detti STAZIONARI le cui caratteristiche non dipendono dal tempo t • La funzione di autocorrelazione del processo
.
Rx(τ )
Ci dice quale e’, statisticamente, il grado di correlazione che esiste tra il valore assunto da una realizzazione del processo al tempo t e la stessa realizzazione al tempo t +τ. Anche in questo caso, limitando l’analisi ai processi casuali STAZIONARI, Rx(τ dipende dal tempo t
) non
. Fondamenti TLC
7 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI
137
La densita’ di probabilita’ del processo La densita’ di probabilita’ (d.d.p.) di un processo stazionario non ha nulla di diverso rispetto alla densita’ di probabilita’ di una variabile casuale vista in precedenza. Infatti, fissato il tempo t
= to , il processo casuale diventa una variabile casuale X= x(to) e come tale puo’ essere trattata. Le realizzazioni per t = to possono infatti essere viste come i valori reali associati ai risultati dell’esperimento cui abbiamo fatto riferimento introducendo le variabili casuali. A partire dalla d.d.p si potranno definire due parametri del processo casuale di grande utilita’ pratica: Il valor medio
mx
1
La varianza σ2x
2πσ x2
Esempio di d.d.p. gaussiana
f X (a) =
1 2πσ X2
⋅e
−
f X (a)
0.606 2πσ x2
(a − m X )2 2σ X2
0.135
σx σx 2σ x
2σ x
2πσ x2 mX
a
Fondamenti TLC
8 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI
138
Processi casuali ergodici Tra i processi casuali stazionari esistono alcuni processi per i quali si possono ricavare sia la densita’ di probabilita’ sia la funzione di autocorrelazione da una sola realizzazione. Questi processi sono detti ERGODICI.
realizzazioni
tempo 9
Osservare tutte le realizzazioni ad un istante di tempo (o per una coppia di istanti) permette di ricavare le stesse informazioni statistiche ottenibili dall’osservazione prolungata nel tempo di una singola realizzazione Un esempio di processo ERGODICO è rappresentato dal rumore termico. Fondamenti TLC Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI
139
Processi casuali ergodici Densità di probabilità dei valori assunti dal processo casuale: percentuale del tempo in cui il (d.d.p.) Realizazione del processo casuale 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 -0.1 -0.2 -0.3 -0.4 -0.5 -0.6 -0.7 -0.8 -40
-20
0
processo assume ampiezze fra a e a+da diviso per l’ampiezza dell’intervallo da.
20
0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 -0.1 -0.2 -0.3 -0.4 -0.5 -0.6 -0.7 -0.8 40
tempo
0
0.05
0.1
0.15
Fondamenti TLC
10 Elementi di Teoria dei Segnali (di Marco Marcon)
0.2
PROCESSI CASUALI
140
Processi casuali ergodici con valor medio non nullo Un processo casuale con valor medio diverso da zero puo’ essere rappresentato come la somma di un processo a volor medio nullo e di una costante (segnale deterministico) uguale al valor medio.
y(t) = x(t) + 0.5 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 -0.1 -0.2 -0.3 -0.4 -0.5 -0.6 -0.7 -0.8 -40 11
y(t)
x(t) -20
0
tempo
20
0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 -0.1 -0.2 -0.3 -0.4 -0.5 -0.6 -0.7 40-0.8
d.d.p. 0
0.05
0.1
0.15
0.2
Fondamenti TLC Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI
141
Processi casuali ergodici (autocorrelazione)
R x (τ ) =
lim
T → ∞
1 T
T / 2
∫ x ( t ) x ( t + τ ) dt
−T / 2
Autocorrelazione dei valori assunti dal processo casuale in t e t+τ
Ipotesi: x(t) ha valor medio nullo (ipotesi che non lede la generalita’ delle conclusioni) 1
Se x(t) evolve lentamente nel tempo rispetto al valore fissato di τ , x(t+τ ) cambia poco rispetto a x(t): x(t)x(t+τ ) avra’ lo stesso segno per la maggior parte dei valori di t e l’autocorrelazione assumera’ un valore relativamente elevato (positivo o negativo).
0 .5 0 -0 .5 -1 0
5
10
5
10
2
Se x(t) evolve rapidamente nel tempo rispetto al valore fissato di τ , x(t+τ ) cambia molto rispetto a x(t): x(t)x(t+τ ) avra’ segno casuale al variare di t e l’autocorrelazione assumera’ un valore prossimo a zero.
1 0 -1 -2 0
Fondamenti TLC
12 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI
142
x (t ) x (t + τ )
Calcolo dell’autocorrelazione (1)
In nero e’ indicato il risultato dell’integrale 0.5
0.5
0.5
0
0
0
-0.5
τ=0 -20
1.45 0
20
-0.5
τ=0.2 -20
1.35 0
20
-0.5
0.5
0.5
0.5
0
0
0
-0.5
τ=0.6 -20
0.9 0
20
-0.5
τ=0.8 -20
0.33 0
20
-0.5
0.5
0.5
0.5
0
0
0
-0.5
τ=1.2 -20
-0.2 0
20
-0.5
τ=1.4 -20
-0.33 0
20
-0.5
τ=0.4 -20
1.25 0
20
τ=1
0
-20
0
τ=1.6 -20
20
-0.2 0
20
Fondamenti TLC
13 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI
143
Calcolo dell’autocorrelazione (2)
R
1 (τ ) = Tlim x →∞ T
T /2
∫ x ( t ) x ( t + τ ) dt
−T / 2
100 80 60 40 20 0
τ
-20 -40 -4
-2
0
2
4 Fondamenti TLC
14 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI
144
Interpretazione dell’autocorrelazione
R
1 (τ ) = Tlim x →∞ T
T /2
∫ x ( t ) x ( t + τ )dt
−T / 2
L’autocorrelazione in τ=0 coincide con la potenza di una realizzazione del processo casuale. Se il processo casuale e’ ergodico ogni realizzazione ha la stessa potenza.
Rx(0 ) e’ il massimo valore che puo’ assumere l’autocorrelazione.
R
1 ( ) 0 lim = x T →∞ T
T /2
∫
x 2 ( t ) dt
−T / 2
L’andamento dell’autocorrelazione in funzione di τ e’ una misura della predicibilita’ di una realizzazione del processo all’istante t+
τ noto il valore della realizzazione
all’istante t.
Rx(τ )/ Rx(0 ) e’ elevato in modulo tanto minore e’ l’incertezza sul valore di x(t+ τ ) noto x(t). Piu’ il valore di
Fondamenti TLC
15 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI E SISTEMI LINEARI TEMPO - INVARIANTI
145
PROCESSI CASUALI E SISTEMI LINEARI TEMPO - INVARIANTI
Fondamenti TLC
1 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI E SISTEMI LINEARI TEMPO - INVARIANTI
146
Densita’ spettrale di potenza La densita’ spettrale di potenza di un processo casuale stazionario x(t) e’ definita come la trasformata di Fourier dell’autocorrelazione Rx(τ )
Sx ( f ) =
∞
∫ R (τ )exp{− j 2πfτ }dτ
Rx (τ ) =
x
−∞
∞
∫ S ( f )exp{j 2πfτ }df x
−∞
Perche’ la Sx(f) e’ una densita’ spettrale di potenza?
1 - Come si e’ visto l’autocorrelazione in τ = 0 e’, per un processo ergodico, uguale alla potenza associata ad una realizzazione:
1 R x (0 ) = lim T→∞ T
T /2
∫
x 2 ( t )dt = Px
−T / 2
2 - L’autocorrelazione in τ = 0 e’ uguale all’integrale della sua TDF:
Rx (0 ) =
∞
∫ S ( f )df x
= Px
−∞
La densita’ spettrale di potenza per un processo casuale x(t) rappresenta quindi come e’ distribuita, statisticamente, la potenza alle varie frequenze. Fondamenti TLC
2 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI E SISTEMI LINEARI TEMPO - INVARIANTI
147
Processi casuali bianchi Un processo casuale bianco e’ caratterizzato da una densita’ spettrale di potenza costante. ATTENZIONE: questa caratteristica e’ indipendente dalla densita’ di probabilita’ delle ampiezze che puo’ essere di un tipo qualsiasi (ad es. Gaussiana, uniforme …) Quindi, un processo casuale bianco ha autocorrelazione impulsiva:
il valore x(t+τ) assunto da una realizzazione del processo al tempo t+τ e’ assolutamente impredicibile dal valore x(t) assunto all’istante t.
x(t)
2 0
Rx(τ)
-2 -1 0 0
0
Sx(f)
100
fx(a)
3
-5
0
τ
5
f Fondamenti TLC
Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI E SISTEMI LINEARI TEMPO - INVARIANTI
148
Processi casuali attraverso sistemi LTI (1) Quando un processo casuale x(t) stazionario passa attraverso un sistema Lineare Tempo-Invariante con risposta in frequenza H(f) e risposta all’impulso h(t), in uscita si ottiene ancora un processo casuale y(t) stazionario con le seguenti caratteristiche:
1-
In generale la densita’ di probabilita’ del processo in uscita y(t) e’ diversa da quella di x(t). Solo la densita’ di probabilita’ Gaussiana rimane tale nel passaggio del processo casuale attraverso il sistema LTI. Cambiano solo valor medio e varianza.
2-
Il valor medio del processo in uscita e’ legato a quello d’ingresso dalla seguente realzione:
m y = m x ⋅ H ( 0)
3-
La densita’ spettrale di potenza del processo in uscita e’ legata a quella d’ingresso dalla seguente realzione:
S y ( f ) = Sx ( f ) ⋅ H ( f )
2
Fondamenti TLC
4 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI E SISTEMI LINEARI TEMPO - INVARIANTI
149
Processi casuali attraverso sistemi LTI (2) Dalle relazioni appena viste si ricava la seguente espressione della varianza del processo in uscita in funzione della densita’ spettrale di potenza e del valor medio del processo d’ingresso e della risposta in frequenza del sistema LTI.
∞
σ = Py − m y = ∫ S y ( f )df − m y = 2 y
2
2
−∞
∞
= ∫ S x ( f ) ⋅ H ( f ) df − mx H (0 ) 2
2
2
−∞
Fondamenti TLC
5 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI E SISTEMI LINEARI TEMPO - INVARIANTI
150
Correlazione tra uscita e ingresso di un sistema LTI La correlazione tra due processi casuali ergodici y(t) e x(t) e’ definita nel modo seguente:
1 R yx (τ ) = lim T →∞ T
T /2
∫ y ( t ) x ( t + τ )dt
−T / 2
Se i due processi casuali y(t) e x(t) sono rispettivamente l’uscita e l’ingresso di un sistema LTI la loro correlazione e’ uguale alla convoluzione tra l’autocorrelazione dell’ingresso e la risposta all’impulso del sistema LTI:
R yx (τ ) = R x (τ ) ∗ h (τ
)
Si nota che se il processo d’ingresso e’ bianco (autocorrelazione impulsiva), la correlazione tra uscita e ingresso coincide con la risposta all’impulso del sistema.
R yx (τ ) = δ (τ ) ∗ h (τ ) = h (τ
)
Questa proprieta’ e’ spesso utilizzata nei sistemi di telecomunicazione per stimare la risposta impulsiva del canale di trasmissione che e’ ignoto a priori. 6 Fondamenti TLC Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI E SISTEMI LINEARI TEMPO - INVARIANTI
151
Correlazione tra uscita e ingresso bianco
x(t)
y(t)
h(t)
?
h(τ ) R yx
1 (τ ) = Tlim →∞ T
T /2
∫ y ( t ) x ( t + τ )dt
−T / 2
=
Fondamenti TLC
7 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI E SISTEMI LINEARI TEMPO - INVARIANTI
152
Un esempio importante di processo bianco (1) Si consideri il processo x(t) le cui realizzazioni sono costituite da treni di impulsi equispaziati a passo T, con ritardo iniziale τ casuale e area a casuale indipendente da impulso a impulso con valor medio nullo e varianza σ 2.
x(t ) =
∞
∑ a δ (t − nT − τ )
n = −∞
n
x1(t) T
τ
t x2(t)
T
τ
t Fondamenti TLC
8 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI E SISTEMI LINEARI TEMPO - INVARIANTI
153
Un esempio importante di processo bianco (2) Si puo’ dimostrare che il processo casuale x(t) e’ STAZIONARIO e ERGODICO.
Si puo’ dimostrare, inoltre, che:
1
Il valor medio e’ nullo:
2 3
La varianza e’:
mx = 0
σ 2/T
L’autocorrelazione e’ impulsiva (processo bianco):
Rx (τ ) = σ 2 / T δ (τ )
Fondamenti TLC
9 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI E SISTEMI LINEARI TEMPO - INVARIANTI
154
Se il processo casuale x(t) passa attraverso un sistema LTI con risposta in frequenza
H(f)
e risposta all’impulso h(t) , in uscita si ottiene un processo y(t) con: Densita’ spettrale di potenza:
Sy (f ) = σ 2 / T |H(f)|2
h(t)
y1(t) T
Sx (f )
H(f)
f
τ
t Sy (f )
f
f Fondamenti TLC
10 Elementi di Teoria dei Segnali (di Marco Marcon)
PROCESSI CASUALI E SISTEMI LINEARI TEMPO - INVARIANTI
155
Il processo casuale y(t) costruito nel modo indicato precedentemente può essere usato per rappresentare (nel tempo) una sequenza casuale di bit. Ciascuno di essi sarà codificato, ad esempio, con un impulso rettangolare, di base T, ed ampiezza:
+A (“1”) o -A (“0”): y1(t)
h(t)
A
+1
+1
T
-1
+1
+1
-1
τ
-1
t Sy (f )
T 1/T
Sx (f )
(AT)2
|H(f)|2
A2T
f
f f
sin (πfT ) Sy( f ) = A T ⋅ fT π 2
Fondamenti TLC
11 Elementi di Teoria dei Segnali (di Marco Marcon)
2
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
156
IL RUMORE nelle Apparecchiature Elettroniche
Fondamenti TLC
1 Elementi di Teoria dei Segnali (di Marco Marcon)
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
157
Il rumore termico, definizione Il rumore termico e’ la tensione con andamento casuale v(t) esistente ai capi di una resistenza R posta alla temperatura assoluta T. Circuito equivalente
R (rumorosa) v(t)
R v(t)
Non rumorosa
La tensione v(t) e’ un processo casuale
v(t)
d.d.p di v(t)
• a valor medio nullo
t
fv (a )
• con densita’ di probabilita’ delle ampiezze gaussiana mV=0
• densita’ spettrale di potenza costante (fino a frequenze di qualche THz) pari a
T e’ la temperatura assoluta espressa in gradi Kelvin k e’ la costante di Boltzman che vale 1.38 x 10-23 joule
NV = 2kTR
La densita’ spettrale di potenza Nv si misura quindi in [V2/Hz] Fondamenti TLC
2 Elementi di Teoria dei Segnali (di Marco Marcon)
a
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
158
La potenza di rumore disponibile al carico Quando la resistenza R, che produce la tensione di rumore v(t), viene inserita in un circuito elettrico, si ha circolazione di corrente sia nella resistenza R sia nella resistenza d’ingresso Rin del circuito (che svolge in questo caso la funzione di resistenza di carico e supponiamo non rumorosa). Parte della potenza del rumore termico viene dissipata nella resistenza R (e non e’ utilizzabile), parte finisce sulla resistenza di carico Rin ed e’ quella che interessa conoscere per valutarne gli effetti sul circuito in esame. Circuito elettrico
Sorgente rumorosa
R
Rin
Vin(t)
Vout(t)
v(t) Eventuale segnale utile
v1(t) Fondamenti TLC
3 Elementi di Teoria dei Segnali (di Marco Marcon)
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
159
La massima potenza di rumore disponibile al carico (1) Se la resistenza d’ingresso Rin e’ uguale a R si ottiene il massimo trasferimento di potenza dalla sorgente al carico (condizione che si cerca di ottenere per non dissipare inutilmente la potenza del segnale utile). In questo caso la potenza trasferita all’ingresso del circuito in esame e’ data da:
Vin2 Vin2 V 2 = = Pin = Rin R 4R
dove V 2 e' il valore quadratico medio della tensione V (t )
Circuito elettrico ad ingresso adattato Sorgente rumorosa
R
R
Vin(t)
Vout(t)
v(t) Fondamenti TLC
4 Elementi di Teoria dei Segnali (di Marco Marcon)
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
160
La massima potenza di rumore disponibile al carico (2) In una qualsiasi banda di frequenze ∆f il valore quadratico medio della tensione
v(t) coincide con la densità spettrale di potenza Nv moltiplicata per ∆f . ∆f
f
La potenza trasferita all’ingresso del circuito in esame nella banda ∆f e’ data da:
V 2 NV ∆f kT Pin = = = ∆f 4R 4R 2 La densita’ spettrale di potenza di rumore disponibile all’ingresso No e’ quindi:
Pin kT = No = ∆f 2 INDIPENDENTE DA R Fondamenti TLC
5 Elementi di Teoria dei Segnali (di Marco Marcon)
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
161
Un esempio numerico La potenza di rumore disponibile generata da una resistenza posta a temperatura ambiente di T=293 gradi Kelvin (20 gradi centigradi) in una banda di frequenze di 2*20KHz=40KHz (quella di un normale amplificatore HI-FI) vale: 0
B=20KHz
∆f=40KHz
f
1.38 × 10−23 ⋅ 293 kT 4 × 104 = ∆f = P = N o ∆f = 2 2 ≈ 8 × 10−17 W E’ un valore estremamente piccolo in assoluto, ma che va confrontato con la potenza del segnale utile. Generalmente nelle apparecchiature elettroniche per telecomunicazioni esistono altri tipi di disturbo con potenze molto maggiori di quella del rumore termico.
6
E’ tuttavia utile introdurre il concetto di potenza di rumore termico (cosi’ come quelli di temperatura e fattore di rumore che seguono) perché, formalmente, la quasi totalita’ dei disturbi verra’ assimilata ad un rumore termico equivalente con temperature T che saranno molto maggiori di quelle fisiche delle apparecchiature. Fondamenti TLC Elementi di Teoria dei Segnali (di Marco Marcon)
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
162
Banda di un amplificatore (od altra apparecchiatura) Consideriamo una apparecchiatura elettronica (ad esempio un amplificatore), assumeremo per semplicità che abbia guadagno in potenza fra ingresso e uscita G(f) costante nella banda di interesse.
G(f)
G0
G0
B
-f0
f
G(f)
-f0 B
f
Nel caso in ingresso vi sia un rumore con densità spettrale N0 in uscita avremo una potenza di rumore data da:
∞
Pu = N o ⋅ ∫ G ( f )df = N o ⋅ G0 ⋅ 2 ⋅ B −∞
Fondamenti TLC
7 Elementi di Teoria dei Segnali (di Marco Marcon)
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
163
Temperatura di rumore La temperatura di rumore di un qualsiasi disturbo con le stesse caratteristiche del rumore termico (ed in particolare densità spettrale di potenza pari a Na) e’ definita come:
Ta =
2Na k
Data un’apparecchiatura elettronica (ad esempio un ricevitore radio) e’ necessario confrontare la potenza del segnale utile con quella del rumore (termico e non) per valutarne le prestazioni (il rapporto tra le potenze di segnale e rumore viene indicato con la sigla SNR). L’apparecchiatura elettronica e’, in generale, costituita da tanti elementi (nell’esempio del ricevitore radio avremo l’antenna, il cavo di collegamento, il sintonizzatore, l’amplificatore) ognuno dei quali aggiunge il suo rumore. E’ comodo riportare tutti gli effetti del rumore all’ingresso come se ci fosse una sola sorgente di rumore concentrata che possa essere vista come una resistenza posta ad una temperatura equivalente di rumore Te generalmente molto maggiore della temperatura fisica dell’apparecchiatura. Fondamenti TLC
8 Elementi di Teoria dei Segnali (di Marco Marcon)
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
164
Fattore di rumore di un amplificatore (1) Un amplificatore e’ un dispositivo che aumenta l’ampiezza del segnale d’ingresso e, inevitabilmente, aggiunge del rumore. La potenza Py del segnale d’uscita e’ data dalla somma della potenza Px del segnale d’ ingresso moltiplicata per G0 (guadagno in potenza) e della potenza del rumore Pno introdotta dall’amplificatore.
x(t) Px
Amplificatore con guadagno G0
y(t) Py =G0Px+Pno
Il FATTORE DI RUMORE F di un amplificatore e’ definito come il rapporto tra la densita’ spettrale di potenza in uscita quando all’ingresso c’e’ un rumore con densita’ spettrale di potenza kTo / 2 (dove To e’ la temperatura standard di 290 gradi Kelvin) e la densita’ spettrale di potenza in uscita attribuibile al solo rumore in ingresso.
N ampli + G0 kTo / 2 N ampli N out = =1+ F= G0 kTo / 2 G0 kTo / 2 G0 kTo / 2 Fondamenti TLC
9 Elementi di Teoria dei Segnali (di Marco Marcon)
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
165
Fattore di rumore di un amplificatore (2) La densita’ spettrale di potenza di rumore aggiunta dall’amplificatore in uscita vale dunque:
N ampli = (F − 1) G0 kTo / 2
Se vogliamo riportare in ingresso all’amplificatore una densita’ spettrale di potenza che produca gli stessi effetti sull’uscita otteniamo:
N in = (F − 1) kTo / 2 Quindi, per quanto riguarda gli effetti del rumore, un amplificatore puo’ essere rappresentato come una sorgente di rumore all’ingresso con una temperatura equivalente di rumore:
Te = (F − 1)To Fondamenti TLC
10 Elementi di Teoria dei Segnali (di Marco Marcon)
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
166
Temperatura equivalente di rumore B e’ la banda dell’amplificatore x(t) Px
Amplificatore guadagno G0 fattore di rumore F
Amplificatore guadagno G0 non rumoroso
x(t) Px
y(t) Py =G0Px+ (G0kTe /2 )2B= =G0Px+ G0kTeB
y(t) Py =G0Px+ (G0kTe /2 )2B = =G0Px+ G0kTeB
Pn = kTeB Fondamenti TLC
11 Elementi di Teoria dei Segnali (di Marco Marcon)
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
167
Temperatura di rumore di amplificatori in cascata
Pn = kTeB
Amplificatore 1 guadagno G1 temperatura Te1
Amplificatore 2 guadagno G2 temperatura Te2
Amplificatore 3 guadagno G3 temperatura Te3
Amplificatore 1 guadagno G1 non rumoroso
Amplificatore 2 guadagno G2 non rumoroso
Amplificatore 3 guadagno G3 non rumoroso
Te 2 Te 3 + Te = Te1 + G1 G1G2
La temperatura di rumore del primo stadio e’ la piu’ critica. Fondamenti TLC
12 Elementi di Teoria dei Segnali (di Marco Marcon)
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
168
Temperatura di rumore di un attenuatore (1) Un attenuatore e’ un dispositivo passivo che riduce l’ampiezza del segnale d’ingresso e, inevitabilmente, aggiunge del rumore termico. La potenza Py del segnale d’uscita e’ data dalla somma della potenza Px del segnale d’ ingresso moltiplicata per G0<1 e della potenza del rumore Pn introdotta dall’attenuatore a temperatura fisica Ta. Per ricavare l’espressione della densita’ spettrale di potenza di rumore introdotta dall’attenuatore si pensi di collegare all’ingresso una resistenza alla stessa temperatura dell’attenuatore.
R
Attenuatore
Ta
Ta
La densita’ spettrale di potenza di rumore disponibile all’ingresso sara’ quindi:
kTa N in = 2 La densita’ spettrale di potenza di rumore all’uscita dovuta al solo ingresso sara’:
N out
kTa = G0 2 Fondamenti TLC
13 Elementi di Teoria dei Segnali (di Marco Marcon)
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
169
Temperatura di rumore di un attenuatore (2) In uscita, tuttavia, si avra’ ancora la stessa densita’ spettrale di potenza di rumore disponibile all’ingresso dato che tutto l’attenuatore e’ alla stessa temperatura fisica Ta
R
Attenuatore
Ta
Ta
Circuito (bipolo) Passivo Ta
La densita’ spettrale di potenza di rumore all’uscita Nout dovuta sia all’ ingresso sia all’attenuatore sara’: kTa kTa + Na = N out = G0
2
2
Ora e’ facile ricavare la densita’ spettrale di potenza di rumore aggiunta in uscita dall’attenuatore
N a = (1 − G0 )
kTa 2
Riportandola in ingresso si ottiene:
1 kTa − 1 N ai = G0 2 Fondamenti TLC
14 Elementi di Teoria dei Segnali (di Marco Marcon)
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
170
Temperatura di rumore di un attenuatore (3)
La temperatura equivalente di rumore Te di un attenuatore con temperatura fisica Ta e con guadagno in potenza G0 < 1 ha la seguente espressione:
1 Te = − 1Ta G0
1 kTa N ai = − 1 G 2 0 x(t)
Attenuatore non rumoroso e guadagno G0 < 1
y(t)
Fondamenti TLC
15 Elementi di Teoria dei Segnali (di Marco Marcon)
IL RUMORE NELLE APPARECCHIATURE ELETTRONICHE
171
Temperatura di rumore di un’apparecchiatura complessa Attenuatore Ga= -3dB (0.5) Ta=300K
Amplificatore 1 G1=10dB (10) F1=4dB (2.5)
Amplificatore 2 G2=20dB (100) F2=6dB (4)
1 (F − 1)To (F2 − 1)To Te = Ta − 1 + 1 + = G G G G a a 1 a 1 (2 .5 − 1) ⋅ 290 (4 − 1) ⋅ 290 = 300 − 1 + + = 1344 Kelvin 0 . 5 0 . 5 0 . 5 10 ⋅
G = 27dB (500) non rumoroso
Pn = kTe B
Te = 1344 Kelvin Fondamenti TLC
16 Elementi di Teoria dei Segnali (di Marco Marcon)
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
172
Campionamento e ricostruzione di segnali
1
Elementi di Teoria dei Segnali (di Marco Marcon)
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
173
Numerizzazione dei segnali
• Nei moderni sistemi di memorizzazione e trasmissione i segnali in ingresso sono di tipo numerico, normalmente rappresentati in formato binario {0,1}. • In alcuni casi (si pensi ad esempio alle informazioni sulle operazione valutarie che le banche si scambiano fra loro), i segnali da elaborare e trasmettere sono segnali numerici gia’ all’origine (la sorgente e’ una sorgente numerica). • In alcuni casi la rappresentazione numerica dei segnali originari e’ molto semplice (alle lettere di un testo può essere facilmente associato un codice numerico: a→1, b →2, ecc.). • In molti altri casi, invece, la rappresentazione numerica dei segnali originari richiede un’analisi più accurata. Come, ad esempio, rappresentare numericamente il segnale di tensione (Volt) in uscita da un microfono?
2
Elementi di Teoria dei Segnali (di Marco Marcon)
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
174
Molti dei segnali con cui abbiamo a che fare nella realtà quotidiana sono continui sia nel tempo che nelle ampiezze. V(t)
t La rappresentazione di un segnale continuo in un segnale numerico richiede di discretizzare sia il tempo che le ampiezze. 3
Elementi di Teoria dei Segnali (di Marco Marcon)
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
175
Campionare i segnali
Campioni del segnale V(nT) Segnale originale V(t)
t
T • T e’ detto periodo (o passo) di campionamento; • fc=1/T e’ detta frequenza di campionamento. 4
Elementi di Teoria dei Segnali (di Marco Marcon)
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
176
Il campionamento ideale nel tempo sc (t ) = s(t )⋅ g (t ) s (t ) g (t )
g ∆ (t )
1/∆t T g (t )
∆t
t Impulsi ideali con area unitaria
t T 5
Elementi di Teoria dei Segnali (di Marco Marcon)
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
177
Il campionamento ideale s c (t ) = s(t )⋅
∞
∞
n = −∞
n = −∞
∑ δ(t − nT ) = ∑ s(nT )⋅ δ(t − nT )
sc(t) segnale campionato idealmente
s(t) segnale originale
t
T
6
Elementi di Teoria dei Segnali (di Marco Marcon)
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
178
Il Campionamento ideale nel dominio delle frequenze s(t ) → S(f ) F
∞
1 ∞ k 1 ∞ δ f − = δ(f − kf c ) g (t ) = ∑ δ(t − iT ) → G (f ) = ∑ ∑ T k = −∞ T T k = −∞ i = −∞ F
s c (t ) = s(t )⋅ g (t ) → Sc (f ) = S(f )∗ G (f ) = F
1 ∞ 1 ∞ = S(f )∗ ∑ δ(f − kf c ) = ∑ S(f − kf c ) T k = −∞ T k = −∞
S(f)
Sc(f)
A
A/T f
7
-fc=-1/T Elementi di Teoria dei Segnali (di Marco Marcon)
fc=1/T f
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
179
La condizione di Nyquist
f c < 2B
S(f) S(f+fc)
-B
B f
Sc(f)
S(f)
fc-B
-fc
S(f-fc)
B
f c ≥ 2B
Sc(f)
- fc
8
f
fc
B 2B Elementi di Teoria dei Segnali (di Marco Marcon)
fc
f
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
180
Il teorema del campionamento
Se •il segnale s(t) e’ a banda B strettamente limitata S(f)=0 per |f|>=B; • e’ soddisfatta la condizione di Nyquist fc=1/T>=2B; allora •il segnale s(t) e’ rappresentato dai suoi campioni; •il segnale originale s(t) puo’ essere ricostruito a partire dalla sua versione campionata sc(t) con un filtro passa basso ideale avente guadagno T e frequenza di taglio fp B < fp < fc -B.
9
Elementi di Teoria dei Segnali (di Marco Marcon)
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
181
La ricostruzione del segnale -fc/2
Sc(f)
fc/2
B
-fc
fc
H(f)
fc-B
T
-fp S(f)=Sc(f) H(f)
f
fp
f S(f), trasformata del segnale originale s(t)
f 10
Elementi di Teoria dei Segnali (di Marco Marcon)
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
182
La ricostruzione del segnale sc(t)
s(t) H(f) H(f)
T
fp=fc/2 fc=1/T h ( t ) = F−1(H(f ) ) = sinc(t / T ) ∞ s(t ) = s c (t )∗ h ( t ) = ∑ s(iT ) ⋅ δ( t − iT ) ∗ sinc(t / T ) = i = −∞ = 11
∞
t − iT s ( iT ) sinc ⋅ ∑ T i = −∞ Elementi di Teoria dei Segnali (di Marco Marcon)
f
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
183
Il segnale è ricostruito come somma di seni cardinali ∞
t − iT s(t ) = ∑ s(iT ) ⋅ sinc T i = −∞
s(t)
T t 12
Elementi di Teoria dei Segnali (di Marco Marcon)
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
184
Il campionamento in pratica
•Il segnale campionato consiste di impulsi di ampiezza e durata finita; •il filtro di ricostruzione non e’ ideale; •il segnale da campionare non e’ a banda rigorosamente limitata.
13
Elementi di Teoria dei Segnali (di Marco Marcon)
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
185
Cosa succede nei sistemi reali s1(t) all’uscita del campionatore Campioni del segnale s(t) segnale originale
t
T
14
Elementi di Teoria dei Segnali (di Marco Marcon)
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
186
Il campionamento Sample & Hold (S&H) h1(t)
s1( t ) = s c (t )∗ h1(t )
1
S1(f ) = Sc (f )⋅ H1(f )
T=1/fc
s(t)
15
sc(t) Camp. IDEALE
H1(f) h1(t)
Elementi di Teoria dei Segnali (di Marco Marcon)
s1(t)
t
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
187
Il campionamento Sample & Hold (S&H)
|Sc(f)|
|H1(f)|
1
1
1
0.8
0.8
0.8
0.6
0.6
0.6
0.4
. 0.4
0.2
0.2
0.2
0
0
0
-3
-2
-1
0
1
2
3
f/fc
16
|S1(f)|
-3
= -2
-1
0
1
2
3
f/fc
Elementi di Teoria dei Segnali (di Marco Marcon)
0.4
-3
-2
-1
0
1
2
f/fc
3
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
188
La ricostruzione del segnale campionato con un S&H s(t)
s1(t)
Camp. IDEALE
H1(f)
|S1(f)|
|Hr(f)|
|S(f)|
1
1
1
0.8
0.8
0.8
0.6
0.6
0.6
.
0.4
0 -3
=
0.4 0.2
0.2
-2
-1
0
1
2
3
0 -3
Se 17
0.4 0.2
-2
-1
0
f/fc
H r (f ) =
s(t)
Filtro finale di ricostruzione, Hr(f)
1
2
3
0 -3
-2
-1
0
1
2
f/fc
f 1 ; B < f p < f c − B. rect H1 ( f ) 2f p
==>
f ; B < f p < f c − B H1 (f ) ⋅ H r (f ) = rect 2f p
e S1(f ) ⋅ Hr (f ) = Sc (f ) ⋅ H1(f ) ⋅ Hr (f ) ∝S(f )
Elementi di Teoria dei Segnali (di Marco Marcon)
f/fc
3
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
189
Filtri di ricostruzione non ideali
Banda di transizione
BF -fc
B
fc Banda di guardia
f c ≥ 2B F > 2B 18
Elementi di Teoria dei Segnali (di Marco Marcon)
f
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
190
Filtro anti-aliasing
Se i segnali sono a banda non rigorosamente limitata, per evitare la sovrapposizione di componenti spettrali con frequenza f≥fc/2 si inserisce, prima del campionatore un filtro limitatore di banda (filtro anti-aliasing).
sin (t)
1 -B
19
s(t) Campionatore
Hin(f)
Hin(f) B
Elementi di Teoria dei Segnali (di Marco Marcon)
f
CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI
191
Cosa succede se non è rispettato il Teorema del Campionamento? S(f)
Segnale originale s(t) f0
f0 fc<2f0
S(f+2fc)
S(f-fc)
S(f+fc)
-fc
S(f-2fc) f0 fc
f
2f0>fc
fr=fc-f0< f0
Segnale ricostruito sr(t)
f
Sr(f)=δδ(f-fr)+δδ(f+fr)
fr
-fc
Hr(f)=rect(f/fc)
fc
f fr=fc-f0< f0
20
Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
192
Lezione 14 Quantizzazione Quantizzazione e codificazione Rumore di quantizzazione Quantizzatori non uniformi
Fondamenti TLC
1 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
193
Conversione analogico/digitale (A/D) Per rappresentare numericamente un segnale continuo nel tempo e nelle ampiezze è necessario:
• Campionare il segnale nel tempo; • Quantizzare le ampiezze dei campioni (rappresentare l’ampiezza di ogni campione utilizzando un numero finito di livelli);
• Codificare i valori quantizzati dei campioni (associare ad ogni livello un numero finito di cifre; solitamente si usano cifre binarie, cioe’ ‘bit’). Questo processo di conversione A/D, che trasforma il segnale originario in una sequenza di bit {0,1}, e’ noto come tecnica ‘PCM’ (Pulse Code Modulation o Modulazione impulsiva codificata). Fondamenti TLC
2 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
194
Schema a blocchi del convertitore A/D
v(nT) ∈R
u(nT) ∈{u1, u2 , , uM}
M=256=28 …. u10 -> 00001010 u11 -> 00001011 u12 -> 00001100 ...
v(t) Campionatore
Quantizzatore
Codificatore
c(n)
c(n) fc=1/T t
t Rb [bit/s]= 1/Tb=fc log2M
Tb=T/log2M Fondamenti TLC
3 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
195
La quantizzazione
V
u(nT) ∈{u1, u2 , , uM}
v(nT)
Quantizzatore
segnale originale v(t) segnale quantizzato u(t)
-V Fondamenti TLC
4 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
196
La quantizzazione v
u
Quantizzatore u
livello di restituzione uk sk
s1
sk+1
v
sM+1
Intervallo di quantizzazione Ik
-V
V Fondamenti TLC
5 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
197
v
u ∈ {u1 , u 2 ,
Quantizzatore
, uM}
Quantizzatore
v ∈ I k ⇒ u = u k = (s k + s k +1 ) / 2
k = 1,2, ..., M
Se i livelli uk sono equidistanti, cioe’ se | sk+1-sk|= | uk+1-uk|= ∆, per ogni k ⇒ Quantizzatore uniforme •passo di quantizzazione ∆ •dati M livelli, se v compreso in (-V,+V) ==> ∆ =2V/M Fondamenti TLC
6 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
198
Codificazione Per codificazioni basati su rappresentazione binaria i quantizzatori utilizzano un numero M = 2N livelli di restituzione, dove N rappresenta il numero di bit con cui il codificatore rappresenta ogni livello.
Codifica naturale v8 v7 v6 v5 v4 v3 v2 v1
111 110 101 100 011 010 001 000
Codifica Gray
Codifica “complemento 2”
100 101 111 110 010 011 001 000
011 010 001 000 111 110 101 100 Fondamenti TLC
7 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
199
Quantizzatore come sorgente di “rumore” v
u Quantizzatore
v + + +
u eq
segnale originale v(t) segnale quantizzato u(t)
eq
Segnale di ingresso v e rumore di quantizzione eq sono fra loro incorrelati (per N grande)
+∆/2 -∆/2
u-v= eq = rumore di quantizzazione Fondamenti TLC
8 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
200
Potenza del rumore di quantizzazione Quantizzatore uniforme M livelli di restituzione (v1÷vM) Passo quantizzazione (si-si-1)=∆ ∆ , i=1,2,…,M
∆
u ui
f(eq)
[ ]
µ = E e q = 0;
1/∆ -∆/2
+∆/2
v
si
si-1
eq
[ ] [
PQ = E e q
2
]
∆ = E (e q − µ ) = 12 2
2
Fondamenti TLC
9 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
201
Rapporto potenza segnale potenza rumore (quantizz.) Assumiamo: • Segnale di ingresso v con ampiezze comprese tra -Vmax↔Vmax e densita’ di probabilita’ uniforme fv=1/(2V) • Quantizzatore ad N bit (M=2N livelli di restituzione) => ∆=2V/M. f(v) 1/(2V) -V +V
v
2 Vmax PS = 3 2 4V 2 V2 1 ∆2 (2 V / M ) PQ = = = = ⋅ 2 2 12 12 12 ⋅ M 3 M P SNR = S = M 2 = 2 2 N ; SNR dB = 10 lg 10 (2 2 N ) = 10 lg 10 (4 )⋅ N ≈ 6 ⋅ N PQ
Q a 8 bit ⇒SNRdB=48 dB; Q a 10 bit ⇒SNRdB=60 dB; Q a 16 bit ⇒SNRdB=96 dB; Fondamenti TLC
10 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
202
Applicazione Quantiz. Non Uniforme Segnale Telefonico v(t) Microfono
Potenza del segnale fortemente dipendente dal parlatore Banda 300-3400 Hz Frequenza Campionamento fc=8000 campioni /s Utilizziamo N=8 bit per campione (8000 campioni/s*8 bit/campione=64kbit/s)
Nell’ipotesi di segnale con distribuzione d’ampiezza uniforme nell’intervallo [-V,+V], la potenza di segnale P1=V2/3. Se si utilizza una quantizzazione uniforme (∆=2V/2N), PQ=∆2/12, dunque (P1/ PQ) |dB =SNR|dB =6N=6*8=48 dB Sufficiente per buona qualità segnale (>30dB).
11
Fissato il passo di quantizzazione ∆, se la potenza del segnale PS diminuisce di un fattore 100 (Ps=P1-20 [dB]), cosa normalissima, SNR|dB≈ 28dB < 30dB.
Fondamenti TLC
Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
203
Quantizzatori non uniformi u
ui si
si+1
v
Sono utilizzati quando la statistica del segnale in ingresso non è uniforme
Fondamenti TLC
12 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
204
Quantizzatore non uniforme: implementazione v
vq
vc N.L.
Q. unif.
vo =
vc
log(1 + µ m ) v v ; vo = c ; m = log(1 + µ) vc,M vM 1
200 100 µ=5
vo si
si+1
v
vi 0
|m|
1
Fondamenti TLC
13 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
205
Companding (Compression-Expanding)-1
v(nT)
vc
vc(nT) Quantizzatore Uniforme c(n) e codificatore
v
R=64 kbit/s
(8 bit/camp.)
c1(n)
D/A
12 bit/campione
8 bit/camp.
(che rappresentano, con quantizzazione uniforme, 212 livelli equidistanti) Am per ( ) 1 ln A + v c = sign (v )⋅ (1 + ln A m ) î 1 + ln A
m=
v
;
m<
v Max 1 per ≤ m ≤ 1 A
1 A
A = 87,6
Fondamenti TLC
14 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
206
Companding (Compression-Expanding)-2
v(nT)
Quantizzatore Uniforme e codificatore
c1(n)
c(n)
R=64 kbit/s
(12 bit/camp.)
c1(n) D/A (8 bit/camp.)
12 bit/campione (che rappresentano, con quantizzazione uniforme, 212 livelli equidistanti)
Fondamenti TLC
15 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTIZZAZIONE
207
Companding (Compression-Expanding)-3 Con Companding
SNR [dB] 48 ∼10dB
44 40 36 32 28 24 20
Senza Companding
16 12 8 4 0 -48
-44
-40
-36
-32
-28
-24
-20
-16
-12
-8
-4
0
Ps /P1 [dB]
Fondamenti TLC
16 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
208
Quantita’ di informazione associata ad una sorgente e codifica di sorgente Informazione associata a sorgenti digitali, entropia Codifica di sorgenti senza memoria Codifica di sorgenti con memoria
Fondamenti TLC
1 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
209
Schematizzazione generale sistema di comunicazione Sorgente (numerica)
Sistema di trasmissione
Utilizzatore
s(k), k=1, ……… Viene emesso un simbolo ogni T secondi s(k); k=1, ….. = Simboli numerici trasmessi negli istanti kT; = Dimensione alfabeto dei simboli ,ognuno rappresentato con N bit; M=2N S={s1, …, sM} = Insieme dei possibili simboli. I simboli possono rappresentare: • Un testo scritto, sequenza di simboli/codici rappresentanti le lettere (cod. ASCII a 7 od 8 bit); • Un segnale campionato, sequenza codici assegnati ai campioni; • Informazioni numeriche, ad esempio il saldo di conti correnti; • Una sequenza di bit; • Ecc. ….. Fondamenti TLC
2 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
210
Informazione associata ai simboli • Sorgente senza memoria: probabilità di emissione dei simboli indipendente dalla storia passata. • Parametri statistici che descrivono sorgente: probabilità di emissione dei simboli: p(s1), p(s2), ….., p(sM); 0 ≤ p(si ) ≤ 1;
M
∑ p(si ) = 1.
i =1
Informazione associata a ciascun simbolo:
1 I(si ) = lg 2 si misura in bit. p(si ) I(si ) ≥ 0; I(si ) = 0 se p(si ) = 1; I(s k ) > I(si ) se p(s k ) < p(si ). Fondamenti TLC
3 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
211
Informazione media di una sorgente, Entropia Il valor medio dell’informazione tra tutti i simboli della sorgente S (valo medio pesata dalla probabilità di emissione):
1 HS = E[I(si )] = ∑ p(si )lg 2 ( ) p s i i =1 M
Questa quantità viene detta Entropia. L’Entropia fornisce una misura del contenuto medio di informazione associato ad ognuno dei simboli emessi dalla sorgente. Anche l’Entropia , naturalmente, è misurata in bit.
Fondamenti TLC
4 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
212
Entropia: Sorgente binaria HS
S = {s1, s 2 }
1 0.9
p(s 2 ) = 1 − p(s1)
0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
p(s1)
L’Entropia è massima se tutti i simboli sono equiprobabili (risultato generale indipendente dalla dimensione alfabeto) Fondamenti TLC
5 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
213
Concetto di Ridondanza
H R =1− H max H
: Entropia sorgente
Hmax : Entropia massima (sorgente senza memoria e simboli equiprobabili) = = lg2(M) con M dimensione alfabeto.
Per un testo scritto Hmax = 7 bit, H ≈ 2 bit => R=0.7 Un testo è quindi estremamente ridondante. Si comprende anche se manca una parte significativa dei caratteri che lo compongono. Fondamenti TLC
6 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
214
Codifica di sorgente E’ la rappresentazione efficiente dei dati generati da una sorgente discreta S.
S
s(k)
Codifica
b(k)
•La sequenza b(k) e’ binaria (le parole di codice sono binarie). • Il codice di sorgente e’ decodificabile in maniera univoca (la sequenza di dati originari s(k) puo’ essere ricostruita perfettamente dalla sequenza codificata b(k)) Fondamenti TLC
7 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
215
Codici a lunghezza variabile S im boli P robabilità E m isssione Codice (Lunghezza Fissa)
Codice Lunghezza V ariabile
s1
0,50
00
0
s2
0,25
01
10
s3
0,15
10
110
s4
0,10
11
111
Definiamo la lunghezza media di parola di codice M L = ∑ p(si )li i =1 dove li e’ la lunghezza della parola di codice associata al simbolo si. Nell’esempio
L var = 1* 0.5 + 2 * 0.25 + 3 * 0.15 + 3 * 0.1 = 1.55 bit < 2 bit = Lfissa Fondamenti TLC
8 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
216
Efficienza del codice •Lmin e’ il minimo valore possibile di L • definiamo l’efficienza del codice del codificatore L η= ≤ 1. L min
•Quanto vale Lmin ? Il teorema della codifica di sorgente afferma che Per qualsiasi schema di codifica, la lunghezza media delle parole del codice e’ limitata inferiormente dall’entropia della sorgente L ≥ HS Fondamenti TLC
9 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
217
Ulteriore significato dell’Entropia Entropia (espressa in bit) rappresenta il minimo numero medio di cifre binarie necessarie a codificare ciascun simbolo della sorgente. Si puo’ riscrivere l’efficienza del codice come HS η= L
Fondamenti TLC
10 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
218
Tecnica di Huffman per la costruzione Codici a Lunghezza Variabile (1) Assegna ad ogni simbolo una sequenza di bit, la cui lunghezza e’ praticamente uguale alla quantita’ di informazione che il simbolo trasporta.
1. I simboli della sorgente vengono ordinati secondo probabilita’ decrescente. 2. Viene generata una nuova lista di simboli da codificare, sostituendo agli ultimi due simboli, precedentemente identificati, un nuovo simbolo di sorgente, con probabilita’ uguale alla somma delle probabilita’. 3. Si ripete il passo 1. , applicato alla nuova lista, in modo iterativo, finche’ ci si riduce ad una lista con solo due simboli, a cui si associano i bit ‘0’ e ‘1’. La parola di codice da assegnare ad ogni simbolo originario si ottiene seguendo a ritroso il percorso di assegnazione dei bit, fino al simbolo originario.
Fondamenti TLC
11 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
219
Tecnica di Huffman per la costruzione Codici a Lunghezza Variabile (2) Lista1 Probabilita’
lista2
lista3
lista4
Codifica
s0 s1 s2 s3 s4
0.4 0.2 0.2 0 0.2 1
0.4 0.4 0 0.2 1
0.4 0 0.4 1
00 10 11 010 011
0.4 0.2 0.2 0.1 0 0.1 1
Fondamenti TLC
12 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
220
Codifica Universale Quando le probabilità dei simboli non sono note, o cambiano nel tempo, è possibile realizzare sistemi che estraggano tali informazioni direttamente dai simboli originari. Simboli originari
Simboli ricostruiti
Codif
Decod
Modell
Modell
Fondamenti TLC
13 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
221
Sorgenti con memoria Quando le probabilità dei simboli dell’alfabeto dipendono, per ogni intervallo di emissione, dalla storia passata (simboli emessi precedentemente) si parla di Sorgenti con Memoria.
Buona parte delle informazioni che trattano i sistemi di comunicazione possono essere viste come generate da sorgenti con memoria. Un testo scritto può essere preso come esempio classico: Scorrendo il testo, la probabilità di incontrare una particolare lettera dipende fortemente dalla sequenza dei precedenti caratteri. Per una codifica efficiente di queste sorgenti devono essere impiegate tecniche opportune. Fra le più note vi sono quelle basate sull’uso di “dizionari”. Fondamenti TLC
14 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
222
Tecniche di codifica basate su “dizionario” L’idea base è quella di rappresentare stringhe di simboli elementari (“parole”) con un indice che le identifica in un “vocabolario” noto sia al codificatore che al decodificatore. “Vocabolario” Buffer caratteri già codificati L
a
1
2
3
n
o
s
t
r
a
4
5
6
7
8
9
10
Buffer caratteri da codificare
p
a
n
d
a
11
12
13
14
15
16
s
t
r
a
r
i
p
a
1
2
3
4
5
6
7
8
Viene ricercata la stringa comune più lunga fra inizio buffer di codifica e “vocabolario”. Dati codificati: Match, Inizio Stringa in “Vocabolario”, Lunghezza Stringa, “Carattere Innovazione” 1/0 (1 bit)
H bit (nell’esempio H=4)
L bit (es. L=3)
N bit (es. N=7) Evita “deadlock” per Match=0
Fondamenti TLC
15 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
223
Tecniche di codifica basate su “dizionario” L’idea base è quella di rappresentare stringhe di simboli elementari (“parole”) con un indice che le identifica in un “vocabolario” noto sia al codificatore che al decodificatore. “Vocabolario” Buffer caratteri già codificati L
a
1
2
3
n
o
s
t
r
a
4
5
6
7
8
9
10
Buffer caratteri da codificare
p
a
n
d
a
11
12
13
14
15
16
s
t
r
a
r
i
p
a
1
2
3
4
5
6
7
8
Viene ricercata la stringa comune più lunga fra inizio buffer di codifica e “vocabolario”. Dati codificati: Match, Inizio Stringa in “Vocabolario”, Lunghezza Stringa, “Carattere Innovazione” 1
6
4
“”
Fondamenti TLC
16 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
224
Tecniche di codifica basate su “dizionario” L’idea base è quella di rappresentare stringhe di simboli elementari (“parole”) con un indice che le identifica in un “vocabolario” noto sia al codificatore che al decodificatore. “Vocabolario” Buffer caratteri già codificati o
s
t
r
a
1
2
3
4
5
6
p
a
n
d
a
7
8
9
10
11
Buffer caratteri da codificare
12
s
t
r
a
r
i
p
a
v
a
13
14
15
16
1
2
3
4
5
6
d 7
8
Viene ricercata la stringa comune più lunga fra inizio buffer di codifica e “vocabolario”. Dati codificati: Match, Inizio Stringa in “Vocabolario”, Lunghezza Stringa, “Carattere Innovazione” 1 1
6 4
4 1
“” “”
Fondamenti TLC
17 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
225
Tecniche di codifica basate su “dizionario” L’idea base è quella di rappresentare stringhe di simboli elementari (“parole”) con un indice che le identifica in un “vocabolario” noto sia al codificatore che al decodificatore. “Vocabolario” Buffer caratteri già codificati s
t
r
a
1
2
3
4
5
p
a
n
d
a
6
7
8
9
10
11
Buffer caratteri da codificare s
t
r
a
r
i
p
a
v
a
12
13
14
15
16
1
2
3
4
5
6
d
i
7
8
Viene ricercata la stringa comune più lunga fra inizio buffer di codifica e “vocabolario”. Dati codificati: Match, Inizio Stringa in “Vocabolario”, Lunghezza Stringa, “Carattere Innovazione” 1 1 0
6 4
4 1
“” “” “i”
Fondamenti TLC
18 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
226
Tecniche di codifica basate su “dizionario” L’idea base è quella di rappresentare stringhe di simboli elementari (“parole”) con un indice che le identifica in un “vocabolario” noto sia al codificatore che al decodificatore. “Vocabolario” Buffer caratteri già codificati t
r
a
1
2
3
4
p
a
n
d
a
5
6
7
8
9
10
Buffer caratteri da codificare
s
t
r
a
r
i
p
a
v
a
11
12
13
14
15
16
1
2
3
4
5
d
i
6
7
8
Viene ricercata la stringa comune più lunga fra inizio buffer di codifica e “vocabolario”. Dati codificati: Match, Inizio Stringa in “Vocabolario”, Lunghezza Stringa, Carattere Innovazione 1 1 0 1
6 4
4 1
5
2
“” “” “i” “”
Fondamenti TLC
19 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
227
Decodifica basata su “dizionario Dati codificati ricevuti: Match, Inizio Stringa in “Vocabolario”, 1
Lunghezza Stringa,
6
“Carattere Innovazione”
4
“”
“Vocabolario” Buffer caratteri già decodificati L
a
1
2
3
n
o
s
t
r
a
4
5
6
7
8
9
10
Buffer nuovi caratteri
p
a
n
d
a
11
12
13
14
15
16
s
t
r
a
1
2
3
4
5
6
7
8
Fondamenti TLC
20 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
228
Tecniche di codifica basate su “dizionario” (efficienza) Nell’esempio illustrato Per 8 caratteri, codificabili con 7 bit ciascuno senza codifica di sorgente (8*7=56 bit), si utilizzano un totale di 32 bit codificati (8*4=32 bit).
Efficienza di codifica aumenta di molto incrementando la dimensione dei buffer e utilizzando strutture dati molto simili a veri e propri dizionari. Queste tecniche sono ampiamente utilizzate sia nelle comunicazioni sia per la compressione di dati memorizzati su supporti di massa. Si possono ottenere percentuali di compressione anche del 55% per testi scritti , rispetto a percentuali di compressione di circa il 43% ottenibile con il codice di Huffmann. Fondamenti TLC
21 Elementi di Teoria dei Segnali (di Marco Marcon)
QUANTITA’ DI INFORMAZIONE ASSOCIATA AD UNA SORGENTE E CODIFICA DI SORGENTE
229
Tecniche di codifica di sorgente con perdita In molte situazioni, per la trasmissione o memorizzazione digitale di suoni, immagini (fisse od in movimento) vi sono stringenti necessità di comprimere i dati numerici anche a costo di introdurre degradazioni sui segnali ricostruiti. Per queste applicazioni sono state messe a punto Tecniche di Codifica di Sorgente con Perdita (Lossy) che cercano di sfruttare al meglio le limitate capacità percettive dei nostri sensi. Esempi di queste tecniche sono, per le immagini, le tecniche note con le sigle JPEG, MPEG1, MPEG2, MPEG4, H261, H263. Per i segnali audio di qualità (segnali musicali) una delle tecniche più note e quella che va sotto il nome MPEG2 Audio Level 3 (comunemente indicata come MP3). A questo proposito si può ricordare come un segnale audio stereo semplicemente campionato e quantizzato richieda 2*48000*16≈1.5 Mbit/sec. La compressione MP3 permette di rappresentare lo stesso segnale (introducendo solo minime degradazioni) con soli 64÷128 Kbit/sec.
Fondamenti TLC
22 Elementi di Teoria dei Segnali (di Marco Marcon)