Professional Documents
Culture Documents
• Spettro d’ampiezza: Α( f ) = X ( f )
• Spettro di fase: Q ( f ) = Arg ( X ( f ) )
• Larghezza di banda: A -3 dB
A -10 dB
…...
L3/1
LARGHEZZA DI BANDA DI UN SEGNALE
A( f )
8
Amax
7
Amax
6 −
5 2
Amax
4 −
2
3 A
− max
2 10
A
1 − max
10
0 f
0
⎛ A ⎞
A ( f )dB = −20 log10 ⎜ max ⎟
⎜ A( f ) ⎟
⎝ ⎠ −3dB
−6dB
−10dB
−20dB
L3/2
SEGNALI IN BANDA “BASE”
Q( f )
+π
A( f )
0 f
0 f
−π
B B
− fc + fc f
Q( f )
− fc
+ fc f
L3/3
CAMPIONAMENTO ED ALIASING – Esempio: lo Stroboscopio
A
2π 1
Rotazione con un periodo di T = = = 1.0''
ω F
T
a) Immagini prese a Ts = Fs = 4F
4
A A A A
b) Immagini prese a Ts = 2T Fs = 2F
A A A A
L3/4
CAMPIONAMENTO ED ALIASING – Esempio: lo Stroboscopio
T
c) Immagini prese a Ts = + 0.05''
2
A A A
t =0 t = Ts t = 2Ts
A A A
t =0 t = Ts t = 2Ts
L3/5
IL PROCESSO DI CAMPIONAMENTO
In un qualsiasi sistema reale, il campionamento è il prodotto del
segnale di energia x ( t ) con un treno di impulsi rettangolari,
ciascuno di durata τ molto minore del periodo T del treno:
∞
∑
T
cT ( t ,τ ) = rect ( t − kT ) τ
τ k =−∞
⎧ τ τ
⎪1 − <t<
dove rectτ ( t ) = ⎨ 2 2
⎪⎩0 altrove
cT ( t )
T
τ
τ
0 t
T
L3/6
IL PROCESSO DI CAMPIONAMENTO
k
Sviluppando in Serie di Fourier e ponendo f = si ottiene lo spettro:
T
⎛ τ⎞
sen ⎜ 2πf ⎟
CT ( f ) = ⎝ 2⎠
τ
2 πf
2
1
0.9
0.8
0.7
0.6
C T (f)
0.5
0.4
0.3
0.2
0.1
0
0 1 1 f
T
τ
L3/7
SEGNALE CAMPIONATO E SUO SPETTRO
Il segnale x(t), supposto per ora di energia, per campionamento
si trasforma nel segnale campionato:
xT ( t ,τ ) = x ( t ) ⋅ cT ( t ,τ )
1
Lo spettro del segnale campionato a frequenza F = è:
T
∞
X F ( f, τ ) =
∫−∞
x ( t ) cT ( t, τ ) e − j 2π ft dt
{
X F ( f ) = Fourier lim xT ( t ,τ ) =
τ →0
}
∞ ∞
∫ ∑
1
= lim T ⋅ x ( t ) ⋅ rectτ ( t − kT ) e − j 2π ft dt
τ →0 τ
−∞ k =−∞
L3/8
SPETTRO DEL SEGNALE CAMPIONATO
1
che è una funzione periodica con periodo F = , cioè eguale
T
alla frequenza di campionamento.
T ⋅ x ( kT ) ≡ x [ k ]
L3/9
SPETTRO DEL SEGNALE CAMPIONATO (Cont.)
Si è ricavata l'espressione della trasformata di Fourier della
sequenza x[k]:
∞
⎧ 2π ⎫
XF ( f ) = ∑
k =−∞
x [ k ] exp ⎨ − j
⎩ F
kf ⎬
⎭
condizione sufficiente per l’esistenza è che x[k] sia sommabile
in modulo:
∞
∑ x [k ] < ∞
k =−∞
Se x[k] ha energia finita E:
∞
∑ x [k ]
2
E= <∞
k =−∞
allora è anche sommabile in modulo ed esiste la sua
trasformata di Fourier.
L3/10
INVERSIONE DELLA TRASFORMATA DI FOURIER
Dal calcolo dei coefficienti di Fourier risulta:
F
+
2
⎧ 2π ⎫
∫
1
x [k ] = X F ( f ) exp ⎨ j kf ⎬ df
F
F
⎩ F ⎭
−
2
dove l'integrale può essere esteso a qualsiasi intervallo di
ampiezza F. Tale formula permette la ricostruzione della
sequenza noto lo spettro X F ( f ) .
XF ( f )
….. …..
−F 0 F 2F f
x (t ) =
∫
−∞
X ( f ) e j 2π ft df
calcolata per t = kT .
Si ha, ponendo x [ k ] = T ⋅ x ( kT )
∞
x [k ] = T
∫
−∞
X ( f ) exp { j2π fkT } df
L3/12
RELAZIONE TRA SPETTRO DEL SEGNALE CONTINUO E
SPETTRO DEL SEGNALE CAMPIONATO (Cont.)
Nell'espressione di x [ k ] il dominio di integrazione può essere
1
diviso in intervalli di larghezza F = :
T
∞ ( i + 1) F
⎧ 2π ⎫
∑∫
1
x [k ] = X ( f ) exp ⎨ j kf ⎬ df
F i =−∞ ⎩ F ⎭
iF
L3/13
RELAZIONE TRA SPETTRO DEL SEGNALE CONTINUO E
SPETTRO DEL SEGNALE CAMPIONATO (Cont.)
Dal confronto con la precedente espressione:
F 2π
∫X
1
x [k ] = ( f )e
j kf
F df
F
F
0
si ottiene:
∞
XF ( f ) = ∑ X ( f + iF )
i =−∞
L3/14
ESEMPIO DI SPETTRO DI UN SEGNALE REALE
Spettro di un segnale reale
A( f )
− fm + fm f
− F = −2 f m − fm + fm F = 2 fm f
0
Linea tratteggiata: campionato. Linea continua: repliche dell’originale
L3/15
FILTRO IDEALE “ANTIALIASING”
A( f )
Amax
1 Filtro ideale
Passa-Basso
− fm + fm f
L3/16
RICOSTRUZIONE DEL SEGNALE
Domanda: come ricostruire il segnale originale disponendo della
versione campionata?
Idea: Partire dallo spettro del segnale campionato x [ k ] = T ⋅ x ( kT )
Per ricostruire lo spettro del segnale originale (linea blu in grassetto)
è sufficiente moltiplicare lo spettro del segnale campionato per il filtro
(spettro rosso nella figura)
L3/17
RICOSTRUZIONE DEL SEGNALE
Si ha quindi (indicando con X R ( f ) lo spettro del segnale
ricostruito):
X R ( f ) = X F ( f ) ⋅ rectF ( f )
Nel dominio del tempo
F -1 { X F ( f )} = x [ k ] = T ⋅ x ( kT )
xR ( t ) = ∑ x ( kT ) ⋅ sin c{πF (t − kT )}
k =−∞
L3/18
Esempio
F = 2.5 Hz
L3/19
Esempio (cont.)
k=0
L3/20
Esempio (cont.)
k=1
L3/21
Esempio (cont.)
k=2
L3/22
Esempio (cont.)
L3/23
TEOREMA DI SHANNON (NYQUIST)
Un segnale può essere correttamente ricostruito dai suoi
campioni se:
1) Il segnale è limitato in banda, con B banda bilatera del
segnale;
2) Il campionamento avviene ad una frequenza che è
superiore alla banda bilatera del segnale:
F≥B
Per segnali reali, data la simmetria dello spettro, B = 2 f max
F ≥ 2 f max
F
f max ≤ = f Nyquist
2
L3/24
CAMPIONAMENTO DELLO SPETTRO
Dalla dualità tempo-frequenza, campionare lo spettro X ( f ) con
passo di campionamento:
1
Δf =
θ
equivale a rendere periodico il segnale x ( t ) che diviene:
∞
xθ ( t ) = ∑ x (t + iθ )
i =−∞
L3/25
CAMPIONAMENTO DELLO SPETTRO (Cont.)
“Periodizzazione” del segnale campionato
⇓
della sequenza x [ k ]
che diviene:
∞
x NT [ k ] = ∑ x [k + iN ]
i =−∞
ovvero
∞
x NT [ k ] ≡ T ∑ x ( kT + iNT )
i =−∞
∀k
Si ricorda l’espressione di X F ( f ) :
∞
⎧ 2π ⎫
XF ( f ) = ∑
k =−∞
x [ k ] exp ⎨ − j
⎩ F
kf ⎬
⎭
L3/26
CAMPIONAMENTO DELLO SPETTRO (Cont.)
La sequenza periodica: x NT [ k ]
con periodo N, è descritta da N suoi campioni, così pure la
sequenza:
X F [ n ] ≡ X F ( n Δf ) ∀ n
F
Ricordando che Δf = , si ha:
N
∞
⎧ 2π ⎫
X F [n] = ∑
k =−∞
x [ k ] exp ⎨ − j
⎩ N
kn ⎬
⎭
Si osservi che la sequenza esponenziale:
⎧ 2π ⎫
eN [ k ] = exp ⎨ − j kn ⎬ è periodica di periodo N
⎩ N ⎭
allora si può suddividere l’espressione di X F [ n ] in somme di N
termini, ottenendo:
L3/27
CAMPIONAMENTO DELLO SPETTRO (Cont.)
+∞ ( i +1)( N −1)
⎧ 2π ⎫
X F [n] = ∑ ∑
i =−∞ k =iN
x [ k ] exp ⎨− j
⎩
kn ⎬
N ⎭
N −1
⎡ +∞ ⎤ ⎧ 2π ⎫
X F [n] = ∑∑
k =0
⎢
⎣⎢ i =−∞
x [ k + iN ]⎥ ⎨− j kn ⎬
⎥⎦
exp
⎩ N ⎭
N −1
⎧ 2π ⎫
X F [n] = ∑k =0
x NT [ k ] exp ⎨ − j
⎩ N
kn ⎬
⎭
X n = X F [n] n = 0, 1,..., N − 1
Tali sequenze sono l’una la Trasformata Discreta di Fourier,
diretta e inversa, dell’altra:
DFT
{xk } R { X n }
DFT −1
L’espressione della Trasformata Discreta di Fourier, DFT, è:
N −1
⎧ 2π ⎫
Xn = ∑k =0
xk exp ⎨ − j
⎩ N
kn ⎬
⎭
Mentre quella inversa, IDFT, è:
N −1
⎧ 2π
xk = ∑
k =0
X n exp ⎨ j
⎩ N
⎫
kn ⎬
⎭
L3/29
RELAZIONI TRA DOMINIO
DEL TEMPO E DELLA FREQUENZA
Nel diagramma che segue si mostrano le relazioni tra:
• Segnali tempo-continui aperiodici
• Segnali tempo-discreti (sequenze da campionamento)
• Segnali periodicizzati (sequenze periodiche)
• Sequenze finite
ed i relativi spettri.
Solo se il segnale tempo-continuo è strettamente limitato in
banda, il campionamento non comporta perdita di informazione.
Se il segnale è limitato nel tempo, cioè x ( t ) ≠ 0 per 0 < t < NT ,
allora la DFT permette di calcolare N campioni del suo spettro.
In realtà entrambe le condizioni possono verificarsi solo in
modo approssimato.
L3/30
RELAZIONI TRA DOMINIO
DEL TEMPO E DELLA FREQUENZA (Cont.)
N −1 2π
∑ x ⋅e
−j kn
Xn = k
N
k =0
Fourier Fourier Discrete Fourier Discrete Fourier
Transform Series Series (DFS) Transform (DFT)
N −1 2π
∑X
1 +j kn
xk = n ⋅e N
N n =0
+∞
X ≡ { X n = X F ( nΔf )}
X(f)
Periodization
XF ( f ) = T ⋅ ∑ X ( f + kF )
k =−∞ Sampling
X F [ n ] = X F ( nΔf )
Window of n = 0,1,...,N − 1
⎛ 1⎞
⎜F = ⎟
at interval N samples
⎝ T⎠ F 1
= ≡ Δf
N NT
L3/31
CAMPIONAMENTO NEL TEMPO ED IN FREQUENZA
Tempo ⇐ Fourier ⇒ Frequenza
x (t ) X(f)
0 t 0 f
x [k ] XF ( f )
T
0 T k −F 0 1 f
F=
T
xNT [ k ] X F [ n]
0 k 0 n
X
N = 10
x
N = 10
10 punti
10 punti
0 12 N −1 0 N −1 n
xT = [ x0 ,x1 ,...,xN −1 ] X T = [ X 0 , X 1 ,..., X N −1 ]
L3/32
FINESTRE TEMPORALI
Se si moltiplica x ( t ) per una “finestra rettangolare” w ( t ) che
vale 1 per − NT / 2 < t < NT / 2 e zero fuori, forzandolo ad avere
durata NT, se ne altera lo spettro causa la convoluzione con
W ( f ) , trasformata di Fourier di w ( t ) :
sen (π NTf )
W ( f ) = NT
π NTf
Pertanto, la risoluzione dello spettro calcolato tramite DFT
risulta limitata dalla larghezza principale del lobo di W ( f ) , che
1
(a circa -4 dB) è : Δf = = inverso della durata temporale .
NT
⎛ Δf ⎞ sen (π NT Δf / 2 ) sen (π / 2 ) 2
W⎜ ⎟ = NT = NT = NT ( = −3.92 dB )
⎝ 2 ⎠ π NT Δf / 2 π /2 π
Se si aumenta il numero di campioni N della DFT diminuendo il
passo di campionamento, la risoluzione spettrale non cambia.
L3/33
FINESTRE TEMPORALI (Cont.)
W(f)
w (t )
NT
1 1 −4 dB
NT
NT NT t 0 f
− +
2 2 1 1
−
NT NT
w (t ) W(f)
NT 0 f
NT t
− +
2 2
L3/35
FINESTRE FREQUENZIALI (Cont.)
L3/36
LA TRASFORMATA DI FOURIER DISCRETA (DFT)
Si considera la sequenza x [ n ] , n = 0,1,…,N
posto:
⎧ 2π ⎫
WN = exp ⎨ − j ⎬
⎩ N ⎭
∑
1
x [n] = X [ k ] ⋅ WN− kn
N k =0
L3/37
VERIFICA DELLA DFT INVERSA
N −1 N −1 N −1 N −1 N −1
∑ ∑∑ ∑ ∑ WN( )
1 1
x [ n ]WNkn X [i ] WN− in WNkn X [i ]
k −i n
= =
n =0
N n =0 i =0
N i =0 n=0
L3/38
PROPRIETA’ DELLA DFT
1. Linearità
2. Traslazione “circolare”
3. Coniugio (e ribaltamento)
4. Convoluzione (e prodotto)
L3/39
PROPRIETA’ DELLA DFT (Cont.)
• Linearità
DFT {a ⋅ x [ n ] + b ⋅ y [ n ]} = a ⋅ X [ k ] + b ⋅ Y [ k ]
• Traslazione “circolare”
DFT {x [n + n0 ]} = WN− kn0 X [ k ]
dove
x [ n + n0 ] = x [ n + n0 ] rect N [ n ]
essendo x [ n ] la sequenza ottenuta “periodicizzando” x [ n ] con
periodo N, e rect N [ n ] la sequenza rettangolare lunga N:
⎧1 per 0 ≤ n ≤ N − 1
rectN [ n ] = ⎨
⎩0 Altrove
L3/40
PROPRIETA’ DELLA DFT (Cont.)
• Coniugio (e ribaltamento)
{ }
DFT x ∗ [ n ] = X ∗ [ − k ]
DFT {x [ − n ]} = X
∗ ∗
[k ]
• Convoluzione Circolare
Date due sequenze x1 [ n ] e x2 [ n ] lunghe N, si definisce la loro
convoluzione circolare:
⎡ N −1 ⎤
∑
w [ n ] = x1 [ n ] ∗ x2 [ n ] = ⎢
⎢⎣ m=0
x1 [ m] ⋅ x2 [ n − m]⎥ rectN [ n]
⎥⎦
dove: x1 [ n ] e x 2 [ n ] sono la “periodicizzazione” di x1 [ n ] e x2 [ n ]
con periodo N.
L3/41
x2 [ m ]
−N 0 N m
x1 [ m ]
−N 0 N m
x2 [ 2 − m ]
−N 0 N m
x1 [ m ] x2 [ 2 − m ]
−N 0 N m
w [ m]
L3/42
DFT DELLA CONVOLUZIONE CIRCOLARE
Se
w [n] = x [n] ∗ y [n]
cioè:
W [k ] = X [k ] ⋅ Y [k ]
L3/43
Convoluzione Lineare/Circolare N = N g + N h − 1 = 11
Ng = 8 N 'g = 11
Nh = 4 N h' = 11
Periodo 8 Periodo 11
L3/44
Costo della Convoluzione
L3/45
LA FAST FOURIER TRASFORM (FFT)
⎧ 2π ⎫
La periodicità dei coefficienti WNkn = exp ⎨ − j kn ⎬ rende
⎩ N ⎭
possibile la riduzione del numero di prodotti dell’algoritmo DFT
raccogliendo dei termini. Degli algoritmi efficienti che ne
risultano per il computo della DFT, il più comune è la FFT (Fast
Fourier Trasform) che permette di calcolare una DFT (in
generale, complessa) di N campioni mediante un numero di
moltiplicazioni complesse dell’ordine di: N ⋅ log 2 ( N )
contro le N 2 moltiplicazioni della DFT (incluse le moltiplicazioni
per 0 o per 1). La FFT è idonea al calcolo della DFT di
sequenza la cui lunghezza è una potenza di 2. Sono disponibili
sia software che hardware (microcircuiti dedicati) per il calcolo
della FFT.
L3/46