Sei sulla pagina 1di 229

INTRODUZIONE AI SEGNALI

INTRODUZIONE AI SEGNALI

Fondamenti TLC

1
Elementi di Teoria dei Segnali (di Marco Marcon)

INTRODUZIONE AI SEGNALI

Classificazione dei segnali (1)


I segnali rappresentano il comportamento di grandezze fisiche (ad es. tensioni,
temperature, pressioni, ...) in funzione di una o pi variabili indipendenti (ad es. il
tempo t, lo spazio x, ...).
I segnali monodimensionali sono rappresentati da funzioni di una sola variabile e
possono essere:

continui => se la variabile


indipendente assume con
continuita tutti i valori reali

0.5

x(t )

-0.5
-2

-1

Fondamenti TLC

2
Elementi di Teoria dei Segnali (di Marco Marcon)

INTRODUZIONE AI SEGNALI

Classificazione dei segnali (2)


discreti => se la variabile indipendente assume valori multipli interi di un
intervallo prefissato

0.5

-0.5
-5

xn

5
Fondamenti TLC

3
Elementi di Teoria dei Segnali (di Marco Marcon)

INTRODUZIONE AI SEGNALI

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

t
Fondamenti TLC

4
Elementi di Teoria dei Segnali (di Marco Marcon)

INTRODUZIONE AI SEGNALI

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).
Linverso 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 lespressione di
un solo periodo, e evidente che il segnale periodico pu essere espresso come:

y (t ) =

x(t nT )

x(t)

n =

To

1
0
-1
-5

-4

-3

-2

-1

Fondamenti TLC

5
Elementi di Teoria dei Segnali (di Marco Marcon)

INTRODUZIONE AI SEGNALI

Energia e Potenza

Energia

E=

Potenza istantanea

x(t ) dt

Pi = x(t )

T /2

1
2
PT =
/ 2x(t ) dt
T T

Potenza media sullintervallo 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 )

dt

To / 2

Fondamenti TLC

6
Elementi di Teoria dei Segnali (di Marco Marcon)

INTRODUZIONE AI SEGNALI

Ritardo

Il segnale

x(t )

e ritardato di

rispetto a

x(t )

e traslato rigidamente verso destra

2
1

x(t )

x(t 100)

-1
-2

-200

-100

100

200

Fondamenti TLC

7
Elementi di Teoria dei Segnali (di Marco Marcon)

INTRODUZIONE AI SEGNALI

Anticipo

Il segnale

x(t + )

e anticipato di

rispetto a

x(t )

e traslato rigidamente verso sinistra

2
1

x(t )

x(t + 100)

-1
-2

-200

-100

100

200

Fondamenti TLC

8
Elementi di Teoria dei Segnali (di Marco Marcon)

INTRODUZIONE AI SEGNALI

Scalatura
Il segnale

x(at ) e scalato di a

rispetto a

e dilatato o compresso a secondo che

t
x
2

a <1 o a >1

t
x
2

x(t )
2

-1

x(t )

-1

-2

-200

-100

100

200

-2

-200

-100

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

25

50

0
-1

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 )

0
-2

-1

-2

-1

y (t )

2
1

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 ) =
0 t<0
Scalino

x(t ) = exp( at )u (t )
Esponenziale reale
1
E=
2a

1
Pm =
2

E=

a>0

1.5

0.8

0.6
0.5

0.4
0

0.2
-0.5
-1

-0.5

0.5

0
-1

Fondamenti TLC

12
Elementi di Teoria dei Segnali (di Marco Marcon)

INTRODUZIONE AI SEGNALI

13

Limpulso: definizione
Limpulso (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

(t ) = lim

A = (t ) dt = 1

1.5
1

1/T

Limpulso e dunque un segnale


localizzato nellorigine 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)

INTRODUZIONE AI SEGNALI

14

Limpulso: regole di calcolo


1 - Un segnale x(t) moltiplicato per un impulso e uguale al valore del segnale in t=0 per
2

limpulso stesso

t
1
lim
x(t) (t ) = T 0 x(t ) rect =

T
T

1
t
= lim x(0) rect = x(0) (t )
T 0
T
T

1/T rect(t/T)

-1

x(t)

-2

-200

-100

100

200

2 - Un segnale x(t) moltiplicato per un impulso ritardato di e uguale al valore del


segnale in t= per limpulso stesso:

x(t) (t ) = x( ) (t )

3 - Lintegrale di un segnale x(t) moltiplicato per un impulso ritardato di e uguale al


valore del segnale in t= :

x(t ) (t ) dt = x( )

Fondamenti TLC

14
Elementi di Teoria dei Segnali (di Marco Marcon)

INTRODUZIONE AI SEGNALI

15

Simbolo dellimpulso

2 (t-1)

2
1

-2

-1

(t)

-1

-2 (t+2)
-2

Fondamenti TLC

15
Elementi di Teoria dei Segnali (di Marco Marcon)

INTRODUZIONE AI SEGNALI

16

Cosinusoide

x(t ) = A cos(2f ot + )

1
To =
fo

A2
Pm =
2

Periodo
Ampiezza

Frequenza

Fase (iniziale)

x(t ) = 5 cos 2 2t

2.5
0

y (t ) = sin (2f 0t ) =

-2.5
-5
-1

-0.5

0.5

= cos(2f 0t / 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

0.5

0
-10
-1

-0.5

0.5

Cosinusoide

x(t ) = A cos(2f ot + ) =

= A cos 2f o t +

2f o

5
0
-5
-1
5

-0.5

0.5

-0.5

0.5

0
-5
-1

Aumenta la frequenza

Aumenta lampiezza

10

Aumenta la fase iniziale


1
0.5
0

Aumentare la fase della cosinusoide -0.5


equivale ad anticipare
-1

-1

-0.5

0.5

Fondamenti TLC

17
Elementi di Teoria dei Segnali (di Marco Marcon)

INTRODUZIONE AI SEGNALI

18

Lesponenziale complesso

x(t ) = exp{ j 2 f ot

Pm = 1

Im{x(t)}

sin{ 2 f ot

}
1

{ 2

f ot

Re{x(t)}

cos{ 2 f ot

Fondamenti TLC

18
Elementi di Teoria dei Segnali (di Marco Marcon)

INTRODUZIONE AI SEGNALI

19

Lesponenziale complesso (Eulero) 1


cos{ 2 f ot }=

Im{x(t)}

1/2

{ 2

f ot

1 exp{ j 2 f ot }+
=

2 exp{ j 2 f ot }

Re{x(t)}

1/2

{ 2

f ot

sin{ 2 f ot }=

1 exp{ j 2 f ot }
=

2 j exp{ j 2 f ot }

Fondamenti TLC

19
Elementi di Teoria dei Segnali (di Marco Marcon)

INTRODUZIONE AI SEGNALI

20

Lesponenziale complesso (Eulero) 2


x(t ) = exp{ j 2 f ot

Componenti reale + immaginaria


1
0

Im{x(t)}

-1
1

{ 2

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

Fondamenti TLC

20
Elementi di Teoria dei Segnali (di Marco Marcon)

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 (2

)}

k f o t + k =

k =

Ak exp{jk }exp{j 2

k =

k f ot

Per maggior compattezza delle formule conviene introdurre il coefficiente complesso:

Yk = Ak exp{jk }
y (t ) =

ottenendo:

Y exp{j 2

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)


Lampiezza Ak e lo sfasamento iniziale k 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 2 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 2

n =

n f ot

y (t ) exp j 2 k f o t dt =

To / 2

} {

1
Yn exp j 2 n f ot exp j 2 k f ot dt = T

o
T / 2 n =
o

1
=
To

To / 2

Yn exp{j 2 (n k )

To / 2 n =

T0 / 2
T0 / 2
0 se n k
Yn cos 2 (n k ) f ot dt + j sin 2 (n k ) f ot dt = Y se n = k
T0 / 2

n =
n
T0 / 2

Se n e diverso da k lintegrale e nullo in quanto si integra un numero intero di


cicli di un segnale sinusoidale.
Se n=k lintegrale 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( jk ) = A k exp( j k )
INFATTI
*
Y k

1
=
To

1
=
To
1
=
To

To / 2

To / 2

To / 2

To / 2

y (t ) exp j 2 ( k ) f o t dt =

To / 2

y (t ) exp + j 2 ( k )

To / 2

y (t ) exp j 2 ( k )

f o t dt =

1
f o t dt =
To

To / 2

y (t ) exp{ j 2kf 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{j2 k f t}=

k =

exp{j 2kf 0t}=

cos(2kf 0t ) + j sin (2kf 0t )

exp{ j 2kf 0t}=

cos(2kf 0t ) j sin (2kf 0t )

= Yo + Yk exp j 2 k fot + Yk exp j 2 k fot =


k =1

Yk = Re{ k }+ j Im{ k }= Yk exp{jk }


Y
Y
Yk* = Re{ k } j Im{ k }= Yk exp{ jk }
Y
Y

= Yo + Yk exp j 2 k fot + Yk* exp j 2 k fot =


k =1

Y
Y
= Yo + 2 Re{ k }cos 2 k fot Im{ k }sin 2 k fot =
k =1

= Yo + 2 Yk cos 2 k fot + k
k =1

1 To / 2

Y0 =
y (t ) exp{ j 2kf 0t}dt
=

T 0 To / 2
k =0

T /2

1 o
y (t )dt
T 0 T / 2
o

Lunica 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: londa quadra


y(t)
1
1/2

To /2

La componente continua, Y0, vale 1/2

1
Yk =
To

To / 4

exp{ j 2 k f o t} dt =

To /2

0 .6

Yk
0 .4

To / 4

k
1
1 sin
2
cos{ k f o t } dt =
2
To T/ 4
2 k
o
2
To / 4

sin
sin
= lim
=1
=0 0

0 .2

-0 .2
-6 -5 -4 -3 -2 -1

Fondamenti TLC

7
Elementi di Teoria dei Segnali (di Marco Marcon)

SEGNALI PERIODICI: LA SERIE DI FOURIER

28

Le prime 10 armoniche dellonda 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

k =1

k =1

y (t ) = Y0 + 2 Re(Yk ) cos(2kf 0t ) 2 Im(Yk ) sin (2kf 0t )


Fondamenti TLC

8
Elementi di Teoria dei Segnali (di Marco Marcon)

SEGNALI PERIODICI: LA SERIE DI FOURIER

29

Espansione parziale in serie di Fourier dellonda quadra


Armoniche 0,1

-1
-2

-1
-2

-1
-2

-1
-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

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 =
0 per k 0

0.5

-6 -5 -4 -3 -2 -1

Fondamenti TLC

10
Elementi di Teoria dei Segnali (di Marco Marcon)

SEGNALI PERIODICI: LA SERIE DI FOURIER

31

Esempi di espansione in serie di Fourier: londa 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 2 k f o t dt =

To / 4

0.6

0.4

k
1 sin
2 per k 0
cos 2 k f o t dt = 2
To / 4
k
2
To / 4

To /2

0.2

-0.2
-6 -5 -4 -3 -2 -1

Fondamenti TLC

11
Elementi di Teoria dei Segnali (di Marco Marcon)

SEGNALI PERIODICI: LA SERIE DI FOURIER

32

Esempi di espansione in serie di Fourier: lesponenziale complesso


Lesponenziale complesso periodico, ed e di per s un termine
dellespansione in serie di Fourier:

y ( t ) = exp { j 2 f o t

La componente continua vale 0

Yk
1

1 per k = 1
Yk =
0 per k 1

-6 -5 -4 -3 -2 -1

Fondamenti TLC

12
Elementi di Teoria dei Segnali (di Marco Marcon)

SEGNALI PERIODICI: LA SERIE DI FOURIER

33

Esempi di espansione in serie di Fourier: il coseno


Il coseno e di per s un termine dellespansione in serie di Fourier di segnali
reali:

y (t ) = Yo + 2 Yk cos(2 k f ot + k )

k =1

La componente continua vale 0

0.6

Yk
0.4

1/2 per k = 1
Yk =
0 per k 1

0.2

-0.2
-6 -5 -4 -3 -2 -1

Fondamenti TLC

13
Elementi di Teoria dei Segnali (di Marco Marcon)

SEGNALI PERIODICI: LA SERIE DI FOURIER

34

Esempi di espansione in serie di Fourier: il seno


Il seno e di per s un termine dellespansione in serie di Fourier di segnali
reali:

y (t ) = Yo + 2 Re{ k }cos 2 k f ot Im{ k } 2 k f ot


Y
Y sin
k =1

La componente continua vale 0


j
2 per k = +1
j

Yk = +
per k = 1
2
0 per k 1

Yk

0.5

-0.5
-6 -5 -4 -3 -2 -1

Fondamenti TLC

14
Elementi di Teoria dei Segnali (di Marco Marcon)

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 allinfinito. Esso pu 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 lenergia
del segnale, anche lampiezza 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 allinfinitesimo 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 dellespansione in serie di Fourier ad un
segnale non periodico, ottenendo:

y (t ) =

Yk exp{j 2

k =

kf 0t

Yk = Y (kf 0 ) f 0

y (t ) =

Y (kf 0 ) f 0 exp{j 2

k =

T0 , f 0 df , kf 0 f

kf 0t

y (t ) = Y ( f ) exp j 2 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 2 k f o t dt = Y (kf 0 ) f 0

T0 / 2

T0 , f 0 df , kf 0 f

Y ( f )df = df y (t ) exp j 2 ft dt
X X

Fondamenti TLC

3
Elementi di Teoria dei Segnali (di Marco Marcon)

SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER

38

La trasformata di Fourier
Loperatore 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 2 ft} dt

Y( f ) =

Loperatore 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 2 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 dellonda quadra alla


trasformata di Fourier del rettangolo (1)
1

T2

T1

Il periodo del segnale ha durata To =T1 +T2

1
Yk =
To

T1 / 2

exp j 2 k f o t dt =

T1 / 2

sin kT1
T /2

To
T1
1 1

cos 2 k f o t dt = T
To T / 2
0
kT1
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 dellonda quadra alla


trasformata di Fourier del rettangolo (2)
Assumiamo T1 = 1

To = 2

YkTo = Y ( kf o )

0
-1
-6
1

-3

-2

-1

-6

-4

-2

-1
-24 -20 -16 -12 -8

To = 8

-4

-1
-12 -10 -8
1

To = 4

-5

-4

0
10 12

12 16 20 24

Fondamenti TLC

6
Elementi di Teoria dei Segnali (di Marco Marcon)

SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER

41

Dalla serie di Fourier dellonda quadra alla


trasformata di Fourier del rettangolo (3)
Se To va allinfinito (rettangolo non periodico) la trasformata di Fourier diventa:
T1 / 2
sin T1 f
exp j 2 ft dt = T1
Y( f ) =
T1=1
T1 f
T1 / 2

0 .5

- 0 .5
-3

-2

-1

3
Fondamenti TLC

7
Elementi di Teoria dei Segnali (di Marco Marcon)

SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER

42

Seno cardinale
sinc(t ) =

sin t

Si annulla per tutti i valori

E =1

interi di t tranne nellorigine


dove ha valore unitario

1
0.8
0.6
0.4
0.2

-0.4
-5

-4

-3

-2

-1

-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 =

Dallesempio 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 londa quadra y(t).
Si puo anche osservare che la serie di Fourier dellonda 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 T1 f

T1 f

1 k T1 sin kT1 / To
Yk = X =
To To T0 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 ) =
0

t T /2

t >T /2

sin fT
X ( f ) = AT
fT

x(t)
A

-T/2

T/2

X(f)
AT

F
-1/T

1/T

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 fT
X ( f ) = AT
fT

X(f)
-T

AT

F
-1/T

1/T

Fondamenti TLC

11
Elementi di Teoria dei Segnali (di Marco Marcon)

SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER

46

Esempi di trasformata di Fourier (il sinc)


t
sin T
x(t ) = A
t
T

A
X ( f ) = AT rect1/ T ( f ) =
0

1
2T
1
f >
2T
f

x(t)
A
X(f)
-T

AT

F
-1/2T

1/2T
Fondamenti TLC

12
Elementi di Teoria dei Segnali (di Marco Marcon)

SEGNALI NON PERIODICI: LA TRASFORMATA DI FOURIER

47

Esempi di trasformata di Fourier (la gaussiana)


t2
1

exp 2
x(t ) =
2a
2a 2

X ( f ) = exp

f2
2 2
1 / 2 a

x(t)
1 / 2a 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 allorigine (pari), la
parte immaginaria e la fase sono antisimmetriche rispetto allorigine (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

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 nellorigine

X (0) = x(t ) exp{ j 2ft }dt = x(t )dt



f =0

x(t)

X(0)
t

x(0) = X ( f ) exp{j 2ft}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-j2f 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-j2 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 allintegrale di convoluzione dei segnali nei tempi. Lintegrale di
convoluzione e un operatore utilizzato, per esempio, per descrivere come
vengono modificati i segnali quando passano attraverso sistemi lineari tempoinvarianti.

x( ) y(t )d

X(f)Y(f)

TDF

Moltiplicazione nei tempi: la TDF del prodotto di due segnali e uguale


allintegrale di convoluzione delle due TDF (nelle frequenze).

x(t )y(t)

TDF

X ( )Y ( f )d

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: lenergia di un segnale e uguale allintegrale del
modulo quadrato della sua TDF

X(f )
Quindi

x(t ) dt

X ( f ) df

integrata su tutto lasse delle frequenze fornisce lenergia del segnale.

X(f )

rappresenta lenergia del segnale in ogni intervallo di frequenze

infinitesimo df.

X(f )

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) lintervallo di frequenze (misurato sul
semiasse positivo) allinterno del quale X(f) assume valori diversi da 0. Molto
spesso X(f) a rigore diversa da 0 da - a , in questo caso la Banda
corrisponde allintervallo di frequenza in cui X(f) 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)|

|X(f)|

-f0

-f0
B
Fondamenti TLC

8
Elementi di Teoria dei Segnali (di Marco Marcon)

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:

( f ) exp{j 2 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(2 f ot ) =

1
1
exp j 2 f ot + exp j 2 f ot
2
2

TDF

1
1
X ( f ) = ( f fo ) + ( 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 =
0 per k 1

x (t ) = cos( 2 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 ) = ( f fo ) + ( 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)

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 (2 f ot ) =

j
j
exp{ j 2 f ot} exp{j 2 f ot }

2
2

TDF

j
j
X ( f ) = ( f + fo ) ( 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

x (t ) = sin (2 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 ) = ( f + fo ) ( 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)

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 ) f T = T

k =
o
o

k
k
X T 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: londa quadra a media nulla

1/2

y(t)
t
To /2

To /2

0.6

Yk

sin k

Serie di Fourier

0.4

1
2 per k 0
Yk =
2 k
2

0.2
0

Trasformata di Fourier

Y( f ) =

sin k
1

k = 2

-0.2
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6

k
f- per k 0
T
o

Fondamenti TLC

14
Elementi di Teoria dei Segnali (di Marco Marcon)

LA TRASFORMATA DI FOURIER: PROPRIETA ED ESEMPI

62

Esempio: londa quadra a media non nulla (1)

y(t)
t
To /2

To /2

sin o f

2
T0

X(f )=
2

To f

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 ) f

k
=
To

sin o f

2
1 T0

f k =

=
2

To k =
To
To

k
1 sin
2 f k

To
2 k
k =

Fondamenti TLC

15
Elementi di Teoria dei Segnali (di Marco Marcon)

LA TRASFORMATA DI FOURIER: PROPRIETA ED ESEMPI

63

Esempio: londa quadra a media non nulla (2)


To/2
T

sin o f

2
T0

X(f )=
2

To f

0
-2/To 0 2/To

1/2

1
Y( f ) =
To

k
X ( f ) f T

k =
o

0
-2/To 0 2/To
Fondamenti TLC

16
Elementi di Teoria dei Segnali (di Marco Marcon)

LA TRASFORMATA DI FOURIER: PROPRIETA ED ESEMPI

64

Esempio: il treno dimpulsi


La TDF di un impulso nei tempi e una costante unitaria nelle frequenze:

X ( f ) = (t ) exp j 2 ft dt = 1

La TDF di un treno dimpulsi che si ripetono nei tempi a passo T e:

1
Y( f ) =
T
y (t ) =

k 1
X(f ) f T = T

k =

k
f T

k =

(t nT0 )

Y(f)

1/T

n =

-3T -2T -T 0 T 2T 3T

-2/T -1/T

1/T

2/T

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 dingresso x(t) viene manipolato tramite
un generico operatore matematico indicato con O[.]. Il risultato delle operazioni
matematiche eseguite sullingresso e il segnale duscita 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 luscita 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 luscita generata da un segnale ritardato e uguale


alluscita generata dal segnale originale ritardata.

x(t)

Sistema Tempo Invariante

O[x(t )]

y(t)

Fondamenti TLC

3
Elementi di Teoria dei Segnali (di Marco Marcon)

SISTEMI LINEARI TEMPO INVARIANTI

68

Risposta allimpulso
Risposta allimpulso: e luscita del sistema quando lingresso e limpulso.
Viene solitamente indicata con il simbolo h(t)

h(t ) = O[ (t )]

(t)

Sistema

O[ (t) ]

h(t)

Se il sistema e tempo-invariante, la forma della risposta allimpulso non dipende


dallistante in cui si applica limpulso. Quando lingresso e un impulso anticipato o
ritardato luscita e uguale ad h(t) anticipata o ritardata:

h(t ) = O[ (t )]
Se il sistema e anche lineare, nota la risposta allimpulso, e possibile calcolare
luscita del sistema quando lingresso e una qualsiasi combinazione lineare dimpulsi:

y (t ) = O[a (t ) + b (t 1 ) + b (t 2 )] =

= ah(t ) + bh(t 1 ) + ch(t 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 ( ) (t ) d

= x (t )

2
1

(t )

x( )

-1
-2

-200

-100

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 allimpulso, e possibile calcolare luscita di un sistema LTI


quando lingresso e una qualsiasi combinazione lineare dimpulsi

2 - Un qualsiasi segnale x(t) puo essere rappresentato come somma integrale di


impulsi
Ne segue che:


y(t ) = O[x(t )] = O x( ) (t ) d = x( ) O (t ) d =

= x( ) h(t ) d = h( ) x (t ) d = x( t )* h( t )
Integrale di convoluzione (o semplicemente convoluzione)

uscita = convoluzione tra ingresso e risposta allimpulso del sistema LTI


Fondamenti TLC

6
Elementi di Teoria dei Segnali (di Marco Marcon)

SISTEMI LINEARI TEMPO INVARIANTI

71

Calcolo dellintegrale di convoluzione


L Integrando

x( ) h(t )

y (t ) = x( ) h(t ) d

e il prodotto tra il segnale x() e la risposta allimpulso h() ribaltata in


traslata di t

(verso destra se t >0, verso sinistra se t <0)


x( )

x( )

h( )

h( )

h(t1 )
h(t2 )

h(t3 )

t1

t2

t3

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( ) h(t ) d

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( ) h(t )

x( )

Integrando

Integrale

y (t ) = x( ) h(t ) d

-1

t = -1
t = -2/3

h(t )

y(t)

h( )

t = -1/3
t=0

t = +1/3
t = +1/3

-0.5

0.5

+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( ) h(t ) d

x(t )
t

h(t )

t
-0.25

0.25

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( )

Integrando

x( ) h(t )

Integrale

y (t ) = x( ) h(t ) d

-0.25

h( )

t = -1/4
t=0

1/2

h(t )

t = +1/2

0.75

t = +3/4

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

Stabilit dei Sistemi L.T.I.


Definizione:
Un Sistema L.T.I. detto stabile (asintoticamente stabile) se luscita
corrispondente ad un ingresso limitato limitata.

Condizione da rispettare per garantire la stabilit:

h(t ) dt < (vale cio un valore finito)

Fondamenti TLC

12
Elementi di Teoria dei Segnali (di Marco Marcon)

SISTEMI LINEARI TEMPO INVARIANTI

77

Causalit dei Sistemi L.T.I. (1)


Definizione:
Un Sistema L.T.I. detto causale se luscita y(t) per un t=t, dipende dai valori
dellingresso x(t) solo per valori della variabile tt.
La condizione di causalit molto importante se la variabile indipendente il
tempo: in questo caso un sistema fisico deve essere causale. Se ci non fosse
infatti il sistema sarebbe in grado di predire il futuro.

x(t)

Sistema

y(t)

Condizione da rispettare per garantire la causalit:

h(t ) = 0 per t < 0

Fondamenti TLC

13
Elementi di Teoria dei Segnali (di Marco Marcon)

SISTEMI LINEARI TEMPO INVARIANTI

78

Causalit dei Sistemi L.T.I. (2)


Spesso utilizzeremo risposte allimpulso del tipo:

h(t)

t
Questa risposta allimpulso non causale, puo essere resa causale attraverso:
opportuni troncamenti (nel tempo, se h(t) si estende da - a ) e ritardi.

h1(t)

14

Utilizzare h(t) invece che h1(t) significa trascurare i ritardi necessari a rendere
causale la risposta allimpulso.
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 allimpulso 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 allimpulso
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 dingresso di un sistema Lineare Tempo-Invariante (LTI) e un
esponenziale complesso, luscita sara ancora un esponenziale complesso con la
stessa frequenza, ma con ampiezza e fase modificate.

A exp{j (2f ot + )}

Sistema LTI

h(t)

B exp{j (2f ot + )}

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 2 ft}

Sistema L T I

y(t ) = exp{j 2 ft } H ( f )

x(t ) h( ) d

y(t ) = h( ) exp{j 2 f (t )} d = exp{j 2 ft} h( ) exp{ j 2 f } d =

= x(t ) h( ) exp{ j 2 f } d = exp{j 2 ft} H ( f )

Luscita di un sistema LTI alimentato da un ingresso esponenziale complesso e ancora


un esponenziale complesso con la stessa frequenza dellingresso.
Lampiezza e la fase iniziale delluscita 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 allimpulso del sistema h(t).

H ( f ) = h( ) exp{ j 2 f } d

La risposta in frequenza H(f) e data dalla Trasformata di Fourier


della risposta allimpulso del sistema h(t) del sistema LTI.

La risposta in frequenza H(f) di un sistema reale (cioe con


risposta allimpulso 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 dellingresso x(t)


Y(f) . TDF delluscita y(t)
H(f) . TDF della risposta allimpulso 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 delluscita e dellingresso.
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 2f 0t}+ exp{ j 2f 0t}]
2
1
y (t ) = x(t ) h(t ) = [exp{j 2f 0t }H ( f 0 ) + exp{ j 2f 0t}H ( f 0 )] =
2
1
= exp{j 2f 0t }H ( f 0 ) + exp{ j 2f 0t }H ( f 0 ) =
2
1
= H ( f 0 ) [exp{j (2f 0 t + )}+ exp{ j (2f 0t + )}] =
2
= H ( f 0 ) cos(2f 0t + )
x(t ) = cos(2f 0t ) =

= 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 allorigine, 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.

- fc

H(f)

fc

La risposta allimpulso 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)

- fc

fc

La risposta allimpulso e quindi data da un impulso di area unitaria (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)

- fo - fc

- fo

- fo + fc

fo - fc

fo

fo + fc

La risposta allimpulso e quindi data da un seno cardinale con gli zeri posizionati a
tempi multipli interi di 1/ 2fc moltiplicato per

2 cos 2f 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 allimpulso 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 )

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 )

( f )Y ( f )
=Y

Y ( f ) = {X ( f )H ( f )} {X ( f )H ( f )} =
2

= {X ( f )H ( f )} {X * ( f )H * ( f )}=
= {X ( f )X
=

X(f )

( f )} {H ( f )H ( f )}=
2
2
X (f ) H(f )
*

Sistema LTI

H(f)

( f )2 = X ( f )2 H ( f )2
Y
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,


linsieme 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 linterfacciamento 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 caratterizzato


dalla propagazione di onde elettromagnetiche.
Tale propagazione pu 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, necessit 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 )

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, necessit della traslazione in frequenza (2)


s1(t)

Mod.

r1(t)

Canale Trasmissivo

Demod.

Trasm.

Ricev.

S1 ( f )

f0

f0

Tramite un opportuno blocco funzionale, detto modulatore, si effettua una traslazione in


frequenza dei segnali di interesse. Dopo tale operazione la loro trasformata non sar pi
centrata intorno a frequenza 0, ma intorno a f0.
Il blocco demodulatore effettuer, al ricevitore loperazione 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

f0

Fondamenti TLC

6
Elementi di Teoria dei Segnali (di Marco Marcon)

MODELLI DI CANALI TRASMISSIVI

100

Il Canale Trasmissivo Ideale


s(t)

Trasm.

r(t)

Canale Trasmissivo

Ricev.

r (t ) = K s (t )

R ( f ) = K e j 2f S ( f ) = H ( f ) S ( f )

H(f )

H ( f ) = K e j 2f

Normalmente K < 1,
1/K > 1 chiamata Attenuazione

tg ( )
=
2

arg [H ( f ) ]

Fondamenti TLC

7
Elementi di Teoria dei Segnali (di Marco Marcon)

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

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 )

-f0

Ricev.

f0
B

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 largomento (la fase) della FdT.
Vengono indicati con il termine Distorsioni Non-Lineari tutti gli effetti legati alla non
completa rappresentabilit 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.

f0
B

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( 2f o t ); S ( f ) = M ( f f 0 ) + M ( f + f 0 )

M(f)

S( f )

f0

f0

r (t ) H ( f 0 ) m(t g ) 2 cos 2f 0 t p
p = Ritardo di Fase =
g = Ritardo di Gruppo =

arg[H ( f 0 )]
2f 0

1 d arg[H ( f )]
2
df

)
f = f0

Fondamenti TLC

12
Elementi di Teoria dei Segnali (di Marco Marcon)

)]

MODELLI DI CANALI TRASMISSIVI

106

Equalizzazione
s(t)

Trasm.

r(t)

Canale trasmissivo

Equalizz.
Ricev.

Lo scopo dellEqualizzatore quello di garantire, nella banda di interesse,


che il Canale Trasmissivo Equivalente (C.T. + Equaliz.) sia quanto pi
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 variabilit dei rapporti fra le ampiezze dei segnali di ingresso e uscita dei
blocchi funzionali che compongono i sistemi di comunicazione estremamente
grande, si pensi ad esempio al fatto che lattenuazione 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 unit 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 log10 = 3dB
dB
4
42
Rapporto fra potenze = R p = 10 log10 2 = 3db
8
dB

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 unit logaritmiche 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(2f1t ) + b cos(2f1t ) = s1 (t ) + s2 (t )
Ps =

1 2
1
1
a cos 2 (2f1t )dt + b 2 cos 2 (2f 2t )dt + a b cos(2f1t ) cos(2f 2 t )dt =

TT
TT
TT

a2 b2
=
+
+ 0 = Ps1 + Ps 2
2
2

Se la potenza di ciascuna sinusoide 0dBm quale sar 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 PROBABILIT E VARIABILI CASUALI

112

Cenni di Probabilit e Variabili Casuali

Fondamenti TLC

1
Elementi di Teoria dei Segnali (di Marco Marcon)

CENNI DI PROBABILIT E VARIABILI CASUALI

113

Il concetto di Probabilit (1)


La misura della probabilit riguarda la descrizione di tutti i fenomeni che possono
essere pensati come un esperimento il cui risultato sia soggetto a cambiamento al
ripetersi dellesperimento 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 dellesperimento 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 PROBABILIT E VARIABILI CASUALI

114

Il concetto di Probabilit (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

Con un numero grande di prove, la frequenza relativa dei singoli risultati (eventi)
pu essere vista come una stima della loro probabilit.

fK =

NK
N
Fondamenti TLC

3
Elementi di Teoria dei Segnali (di Marco Marcon)

CENNI DI PROBABILIT E VARIABILI CASUALI

115

Cenni sulla Teoria della Probabilit (1)


S : linsieme degli eventi elementari (risultati dellesperimento);
P(.): probabilit, una quantit reale positiva definita per gli eventi
appartenenti a S.
Pensando alla frequenza relativa come ad una stima della probabilit di successo di
ciascun evento, in una singola prova, si evidenziano le seguenti propriet:
0 P(A) 1, A rappresenta un evento appartenente a S;
P(S)=1, E certo che luscita sar uno dei possibili eventi;
P(A + B) = P(A) + P(B) se i due eventi A e B sono mutuamente esclusivi.
Nella teoria della probabilit queste propriet 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 PROBABILIT E VARIABILI CASUALI

116

Cenni sulla Teoria della Probabilit (2)


Dalle relazioni precedenti si deducono le seguenti ulteriori propriet 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 probabilit dellevento


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 PROBABILIT E VARIABILI CASUALI

117

Variabili Casuali

Se pensiamo di rappresentare i risultati dellesperimento in analisi come numeri reali


costruiamo quella che viene chiamata una Variabile Casuale (X).
Le variabili casuali possono essere:
Continue (la variabile casuale pu assumere un insieme continuo di valori);
Esempio: la temperatura di una stanza misurata ad un istante di tempo casuale.
Discrete (la variabile casuale pu assumere solo un insieme discreto di valori).
Esempio: luscita 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 PROBABILIT E VARIABILI CASUALI

118

Variabili Casuali Continue: un esempio

Il vettore A ruota con velocit 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 + ) =

Densit di probabilit:
P(a < X a + )

f X (a ) = lim

Posizione misurata

7
6
5

f X (a )

1/ 2

3
2
1

0
0

20

40

60

80 100 120 140 160 180 200

Numero della lettura posizione


Fondamenti TLC

7
Elementi di Teoria dei Segnali (di Marco Marcon)

CENNI DI PROBABILIT E VARIABILI CASUALI

119

Densit di Probabilit: Propriet

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<Xa2)

a1

f X (a) da = 1;

a1

a2

Fondamenti TLC

8
Elementi di Teoria dei Segnali (di Marco Marcon)

CENNI DI PROBABILIT E VARIABILI CASUALI

120

Distribuzione di Probabilit
Si definisce Distribuzione di Probabilit associata ad una variabile casuale X:
a

FX ( a) = P( X a ) =

( )d

0 FX ( a ) 1
FX () =
FX (+) =

lim FX (a) = 0

lim FX (a) = 1

a +

F (a + h) F (a) per h > 0; FX (a) 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(Xa1)=FX(a1)

a1

a
Fondamenti TLC

9
Elementi di Teoria dei Segnali (di Marco Marcon)

CENNI DI PROBABILIT 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 dellarea sottesa alla densit di probabilit.

fX(a)

mX

fX(a)

mX

Fondamenti TLC

10
Elementi di Teoria dei Segnali (di Marco Marcon)

CENNI DI PROBABILIT E VARIABILI CASUALI

122

Valore Atteso (Valor Medio) (2)


Data X una variabile casuale e g(.) una funzione reale, Y=g(X) anchessa una variabile
casuale. Per questultima il Valore di Atteso 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 PROBABILIT E VARIABILI CASUALI

123

Momenti del Secondo Ordine (1)


Si definisce Varianza (Momento centrale di ordine 2) di una variabile casuale X:
2
X

= E (X m X ) =
2

[ ]

(a m x )

[ ] 2 m

= E X 2 2 m X E [X ] + m 2 = E X
X

f X (a ) da =

[ ]

mX + m2 = E X 2 m2
X
X

= 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

X 3 > X 2 > X1

f X 2 (a)

0.3

f X 3 (a)

0.2
0.1
0

-5

-4

-3

-2

-1

Fondamenti TLC

12
Elementi di Teoria dei Segnali (di Marco Marcon)

CENNI DI PROBABILIT 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

(a )f X (a )da

In molte situazioni risulta essere utile descrivere la Variabile Casuale X come:


X=X1+mX
ove X1 ancora una V.C., ma con media pari a 0, ed mx pu essere vista come una
costante deterministica.

Fondamenti TLC

13
Elementi di Teoria dei Segnali (di Marco Marcon)

CENNI DI PROBABILIT 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

] [ ] [ ]

2
2
2
2
X = E X 2 = E (X 1 + X 2 ) = E X 12 + E X 2 + E [X 1 X 2 ] = X1 + X 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

] [ ] [ ]

2
2
2
2
X = E X 2 = E (X 1 + X 2 ) = E X 12 + E X 2 = X1 + X 2
2

Fondamenti TLC

14
Elementi di Teoria dei Segnali (di Marco Marcon)

CENNI DI PROBABILIT E VARIABILI CASUALI

126

Densit di probabilit uniforme


fX(a)

FX(a)
1

1/(a2-a1)

a1

a2

a1

mX =

[ ]

E X2

a2

a1 + a2
2
a2

3
a3
1
1
1 a2 a13 1 2
2
= a
=
= a2 + a2 a1 + a12
da =
a2 a1
a2 a1 3 a1 3 a2 a1 3
a1
a2

[ ]

= E X m
2
X

2
X

(a2 a1 )2
=
12

Fondamenti TLC

15
Elementi di Teoria dei Segnali (di Marco Marcon)

CENNI DI PROBABILIT E VARIABILI CASUALI

127

Densit di probabilit gaussiana


f X (a )

f X (a) =

1
2
2 X

2
2 x

(a m X )2

0 .606

2 2
X

2
2 x

0 .135

X X

2 X

2 X

2
2 x

mX

P[(m X X ) < X (m X + X )] =

(m X + 2 )

(m X 2 )

P[(m X 2 X ) < X (m X + 2 X )] =
P[(m X 3 X ) < X (m X + 3 X )] =

1
2

(m X + 2 2 )

(m X 2 2 )
(m X + 3 2 )

(m X 3 2 )

2
X

1
2
2 X

1
2

2
X

(a m X )2
2
2 X

e
e

da 0.365

(a m X )

2
2 X

da 0.909

(a m X )2
2
2 X

Questi integrali
possono
essere valutati solo in
modo numerico

da 0.995

Fondamenti TLC

16
Elementi di Teoria dei Segnali (di Marco Marcon)

CENNI DI PROBABILIT E VARIABILI CASUALI

128

Densit/Distribuzione di probabilit gaussiana


F X (a )

f X (a )

1
2
2 x

0 .606
2
2 x

0 .5

x x
B

C=B
mX
mX

FX (a) =

1
2

2
X

( m X )2
2
2 X

d =

1
am
X
1 erfc
a mX 0
2
2
2

=
a mX
1

am <0
X
2 erfc
2
2 X

B=

mX +

1
2


1
= erfc
2 2
2
X

2
X

( m X )2
2
2 X

d =

Fondamenti TLC

17
Elementi di Teoria dei Segnali (di Marco Marcon)

CENNI DI PROBABILIT E VARIABILI CASUALI

129

Error Function Complementare (erfc), funzione Q()


f X (a )

B=

mX +

0 .606
2
2 x

x x

1
2

2
X


1
erfc
2
2
X

( m X )2
2
2 X

d =


= Q

es
Per s >> 1 erfc( s)
s
2

C=B
mX

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 2
2

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(2

t
x(t)

-0.4

t) sono noti con certezza per ogni valore di t

-0.3

-0.2

-0.1

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 ...

Landamento 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 unantenna, 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 leffetto del rumore termico della resistenza su
unapparecchiatura 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 nellapparecchiatura 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 nellapparecchiatura, 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 dellincertezza, 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:
linsieme 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:
linsieme 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 probabilit 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( )

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 +.
Anche in questo caso, limitando lanalisi ai processi casuali STAZIONARI, Rx(
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 dellesperimento 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

La varianza 2x

2
2 x

Esempio di d.d.p. gaussiana

f X (a) =

1
2
2 X

f X (a)

0.606
2
2 x

(a m X )2
2
2 X

0.135

x x
2 x

2 x

2
2 x

mX

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 dallosservazione
prolungata nel tempo di una singola realizzazione
Un esempio di processo ERGODICO rappresentato dal rumore termico.
Fondamenti TLC
Elementi di Teoria dei Segnali (di Marco Marcon)

PROCESSI CASUALI

139

Processi casuali ergodici Densit di probabilit 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

processo assume ampiezze fra a e a+da diviso per


lampiezza dellintervallo 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

0.05

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

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 ( ) =

lim

1
T

T / 2

x ( t ) x ( t + ) dt

T / 2

Autocorrelazione dei valori assunti


dal processo casuale in t e t+

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 , x(t+ ) cambia poco rispetto a x(t):
x(t)x(t+ ) avra lo stesso segno per la maggior parte
dei valori di t e lautocorrelazione assumera un
valore relativamente elevato (positivo o negativo).

0 .5
0
-0 .5
-1
0

10

10

Se x(t) evolve rapidamente nel tempo rispetto al valore


fissato di , x(t+ ) cambia molto rispetto a x(t):
x(t)x(t+ ) avra segno casuale al variare di t e
lautocorrelazione 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 + )

Calcolo dellautocorrelazione (1)

In nero e indicato il risultato dellintegrale


0.5

0.5

0.5

-0.5

=0
-20

1.45
0

20

-0.5

=0.2
-20

1.35
0

20

-0.5

0.5

0.5
0

-20

1.25
0

20

0.5

=0.4

-0.5

=0.6
-20

0.9
0

20

-0.5

=0.8
-20

0.33
0

20

-0.5

0.5

0.5
0

-20

20

0.5

=1

-0.5

=1.2
-20

-0.2
0

20

-0.5

=1.4
-20

-0.33
0

20

-0.5

=1.6
-20

-0.2
0

20

Fondamenti TLC

13
Elementi di Teoria dei Segnali (di Marco Marcon)

PROCESSI CASUALI

143

Calcolo dellautocorrelazione (2)

1
( ) = Tlim
x

T /2

x ( t ) x ( t + ) dt

T / 2

100
80
60
40
20
0

-20
-40
-4

-2

4
Fondamenti TLC

14
Elementi di Teoria dei Segnali (di Marco Marcon)

PROCESSI CASUALI

144

Interpretazione dellautocorrelazione

1
( ) = Tlim
x

T /2

x ( t ) x ( t + )dt

T / 2

Lautocorrelazione in =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 lautocorrelazione.

(0 ) = Tlim 1
x

T /2

x 2 ( t ) dt

T / 2

Landamento dellautocorrelazione in funzione di e una misura della predicibilita


di una realizzazione del processo allistante t+

noto il valore della realizzazione

allistante t.

Rx( )/ Rx(0 ) e elevato in modulo


tanto minore e lincertezza sul valore di x(t+ ) 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 dellautocorrelazione Rx( )

Sx ( f ) =

R ( )exp{ j 2f }d

Rx ( ) =

S ( f )exp{j 2f }df
x

Perche la Sx(f) e una densita spettrale di potenza?

1 - Come si e visto lautocorrelazione in = 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 - Lautocorrelazione in = 0 e uguale allintegrale 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+) assunto da una realizzazione del processo al tempo t+ e assolutamente


impredicibile dal valore x(t) assunto allistante t.

x(t)

2
0

Rx()

-2
-1 0 0

Sx(f)

100

fx(a)

-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 allimpulso 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 dingresso dalla


seguente realzione:

m y = m x H ( 0)

3-

La densita spettrale di potenza del processo in uscita e legata a quella


dingresso dalla seguente realzione:

S y ( f ) = Sx ( f ) H ( f )

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
dingresso e della risposta in frequenza del sistema LTI.

= Py m y = S y ( f )df m y =
2
y

= S x ( f ) H ( f ) df mx H (0 )
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 ( ) = lim
T T

T /2

y ( t ) x ( t + )dt

T / 2

Se i due processi casuali y(t) e x(t) sono rispettivamente luscita e lingresso di un


sistema LTI la loro correlazione e uguale alla convoluzione tra lautocorrelazione
dellingresso e la risposta allimpulso del sistema LTI:

R yx ( ) = R x ( ) h (

Si nota che se il processo dingresso e bianco (autocorrelazione impulsiva), la


correlazione tra uscita e ingresso coincide con la risposta allimpulso del sistema.

R yx ( ) = ( ) h ( ) = h (

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( )
R yx

( ) = Tlim 1

T /2

y ( t ) x ( t + )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 casuale e area a casuale indipendente da impulso a impulso
con valor medio nullo e varianza 2.

x(t ) =

a (t nT )

n =

x1(t)
T

t
x2(t)

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:

Il valor medio e nullo:

2
3

La varianza e:

mx = 0

2/T

Lautocorrelazione e impulsiva (processo bianco):

Rx ( ) = 2 / T ( )

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 allimpulso h(t) , in uscita si ottiene un processo y(t) con:


Densita spettrale di potenza:

Sy (f ) = 2 / T |H(f)|2

h(t)

y1(t)
T

Sx (f )

H(f)

t
Sy (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 pu essere


usato per rappresentare (nel tempo) una sequenza casuale di bit. Ciascuno di essi
sar codificato, ad esempio, con un impulso rettangolare, di base T, ed ampiezza:

+A (1) o -A (0):
y1(t)

h(t)

+1

+1

-1

+1

+1

-1

-1

t
Sy (f )

T
1/T

Sx (f )

(AT)2

|H(f)|2

A2T

f
f

sin (fT )
Sy( f ) = A T
fT

Fondamenti TLC

11
Elementi di Teoria dei Segnali (di Marco Marcon)

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

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)

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 dingresso 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

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 dingresso 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 allingresso del circuito in esame e data da:

2
2
Vin Vin 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

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 densit spettrale di potenza Nv moltiplicata per f .


f

La potenza trasferita allingresso 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 allingresso 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

1.38 1023 293


kT
4 104 =
f =
P = N o f =
2
2
8 1017 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.

E tuttavia utile introdurre il concetto di potenza di rumore termico (cosi come quelli
di temperatura e fattore di rumore che seguono) perch, 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 semplicit che abbia guadagno in potenza fra ingresso e uscita G(f)
costante nella banda di interesse.

G(f)

G0

G0

-f0

G(f)

-f0
B

Nel caso in ingresso vi sia un rumore con densit 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 densit spettrale di potenza pari a Na) e definita
come:

Ta =

2Na
k

Data unapparecchiatura 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).
Lapparecchiatura elettronica e, in generale, costituita da tanti elementi
(nellesempio del ricevitore radio avremo lantenna, il cavo di collegamento, il
sintonizzatore, lamplificatore) ognuno dei quali aggiunge il suo rumore.
E comodo riportare tutti gli effetti del rumore allingresso 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 dellapparecchiatura.
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 lampiezza del segnale dingresso e,
inevitabilmente, aggiunge del rumore. La potenza Py del segnale duscita e data dalla
somma della potenza Px del segnale d ingresso moltiplicata per G0 (guadagno in
potenza) e della potenza del rumore Pno introdotta dallamplificatore.

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 allingresso ce 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 dallamplificatore in uscita vale
dunque:

N ampli = (F 1) G0 kTo / 2

Se vogliamo riportare in ingresso allamplificatore una densita spettrale di potenza che


produca gli stessi effetti sulluscita 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 allingresso 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 dellamplificatore
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


Amplificatore 1
guadagno G1
temperatura Te1

Amplificatore 3
guadagno G3
temperatura Te3

Amplificatore 1
guadagno G1
non rumoroso

Pn = kTeB

Amplificatore 2
guadagno G2
temperatura Te2

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 lampiezza del segnale dingresso e,
inevitabilmente, aggiunge del rumore termico. La potenza Py del segnale duscita e
data dalla somma della potenza Px del segnale d ingresso moltiplicata per G0<1 e della
potenza del rumore Pn introdotta dallattenuatore a temperatura fisica Ta.
Per ricavare lespressione della densita spettrale di potenza di rumore introdotta
dallattenuatore si pensi di collegare allingresso una resistenza alla stessa temperatura
dellattenuatore.

Attenuatore

Ta

Ta

La densita spettrale di potenza di rumore disponibile allingresso sara quindi:

kTa
N in =
2
La densita spettrale di potenza di rumore alluscita 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 allingresso dato che tutto lattenuatore e alla stessa temperatura fisica Ta

Attenuatore

Ta

Ta

Circuito (bipolo) Passivo


Ta

La densita spettrale di potenza di rumore alluscita Nout dovuta sia all ingresso sia
allattenuatore sara:
kTa
kTa
+ Na =
N out = G0

Ora e facile ricavare la densita spettrale di potenza di rumore aggiunta in uscita


dallattenuatore

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:

Te =
G 1Ta

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 unapparecchiatura 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

Ga
G a G1
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

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 allorigine (la sorgente e una sorgente numerica).
In alcuni casi la rappresentazione numerica dei segnali originari e molto
semplice (alle lettere di un testo pu essere facilmente associato un codice
numerico: a1, b 2, ecc.).
In molti altri casi, invece, la rappresentazione numerica dei segnali originari
richiede unanalisi pi accurata. Come, ad esempio, rappresentare
numericamente il segnale di tensione (Volt) in uscita da un microfono?

Elementi di Teoria dei Segnali (di Marco Marcon)

CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI

174

Molti dei segnali con cui abbiamo a che fare nella realt 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 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
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 =

(t nT ) = s(nT ) (t nT )

sc(t) segnale campionato idealmente

s(t) segnale originale

Elementi di Teoria dei Segnali (di Marco Marcon)

CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI

178

Il Campionamento ideale
nel dominio delle frequenze
S(f )
s(t )
F

1
k 1
G (f ) =
g (t ) = (t iT )
f T = T (f kf c )
T k =

i =
k =
F

Sc (f ) = S(f ) G (f ) =
s c (t ) = s(t ) g (t )
F

1
1
= S(f ) (f kf c ) =
S(f kf c )
T k =
T k =

S(f)

Sc(f)

A/T
f

-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)

f c 2B

Sc(f)

- fc

fc

B
2B
Elementi di Teoria dei Segnali (di Marco Marcon)

fc

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.

Elementi di Teoria dei Segnali (di Marco Marcon)

CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI

181

La ricostruzione del segnale


-fc/2

Sc(f)

fc/2

-fc

fc

H(f)

fc-B

-fp
S(f)=Sc(f) H(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)

fp=fc/2
fc=1/T
h ( t ) = F1(H(f ) ) = sinc(t / T )

s(t ) = s c (t ) h ( t ) = s(iT ) ( t iT ) sinc(t / T ) =


i =

=
11

t iT
s(iT ) sinc

T
i =
Elementi di Teoria dei Segnali (di Marco Marcon)

CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI

183

Il segnale 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) alluscita del campionatore
Campioni del segnale
s(t) segnale originale

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 )

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)

CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI

187

Il campionamento Sample & Hold (S&H)

|Sc(f)|

|H1(f)|

|S1(f)|

0.8

0.8

0.8

0.6

0.6

0.6

0.4

. 0.4

0.2

0.2

0.2

-3

-2

-1

f/fc

16

-3

=
-2

-1

f/fc

Elementi di Teoria dei Segnali (di Marco Marcon)

0.4

-3

-2

-1

f/fc

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)|

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
-3

Se

H r (f ) =

0.4
0.2

-2

-1

f/fc

17

s(t)

Filtro finale di
ricostruzione, Hr(f)

0
-3

-2

-1

f/fc

f
1
; B < f p < f c B.
rect
2f
H1 ( f )
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

CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI

189

Filtri di ricostruzione non ideali

Banda di transizione

BF
-fc

fc
Banda di guardia

f c 2B F > 2B
18

Elementi di Teoria dei Segnali (di Marco Marcon)

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 ffc/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<fc/2
B

Elementi di Teoria dei Segnali (di Marco Marcon)

CAMPIONAMENTO E RICOSTRUZIONE DI SEGNALI

191

Cosa succede se non 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

2f0>fc

fr=fc-f0< f0

Segnale ricostruito sr(t)

Sr(f)=(f-fr)+(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 necessario:

Campionare il segnale nel tempo;


Quantizzare le ampiezze dei campioni
(rappresentare lampiezza 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

u(nT) {u1, u2 , , uM}

v(nT) R

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

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

Quantizzatore
u

livello di restituzione uk
sk

s1

sk+1

sM+1

Intervallo di quantizzazione Ik

-V

V
Fondamenti TLC

5
Elementi di Teoria dei Segnali (di Marco Marcon)

QUANTIZZAZIONE

197

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 (v1vM)
Passo quantizzazione (si-si-1)= , i=1,2,,M

u
ui

f(eq)

[ ]

= E e q = 0;

1/
-/2

+/2

si

si-1

eq

[ ] [

PQ = E e q

= E (e q ) =
12
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 -VmaxVmax 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

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)

Nellipotesi di segnale con distribuzione dampiezza uniforme


nellintervallo [-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 qualit 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

Sono utilizzati quando la statistica del segnale in ingresso non 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 + m )
v
v
; vo = c ; m =
log(1 + )
vc,M
vM
1

200
100 =5

vo
si

si+1

vi
0

|m|

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

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 )
1 + ln A

m=

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

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: probabilit di emissione dei simboli
indipendente dalla storia passata.
Parametri statistici che descrivono sorgente: probabilit di emissione
dei simboli: p(s1), p(s2), .., p(sM);
0 p(si ) 1;

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 dellinformazione tra tutti i simboli della sorgente S
(valo medio pesata dalla probabilit di emissione):

1
HS = E[I(si )] = p(si )lg 2
p(si )

i =1
M

Questa quantit viene detta Entropia.


LEntropia fornisce una misura del contenuto medio di
informazione associato ad ognuno dei simboli emessi dalla
sorgente.
Anche lEntropia , naturalmente, 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

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

p(s1)

LEntropia 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 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(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 robabilit E m isssione Codice (Lunghezza Fissa)

Codice Lunghezza V ariabile

s1

0,50

00

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.
Nellesempio

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 lefficienza del codice del codificatore
L
=
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 dallentropia 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 dellEntropia


Entropia (espressa in bit) rappresenta il minimo numero medio di
cifre binarie necessarie a codificare ciascun simbolo della sorgente.
Si puo riscrivere lefficienza del codice come
HS
=
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 probabilit dei simboli non sono note, o cambiano nel
tempo, 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 probabilit dei simboli dellalfabeto 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 pu essere preso come esempio classico:
Scorrendo il testo, la probabilit 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 pi note vi sono quelle basate sulluso 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


Lidea base 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 gi codificati
L

n
3

Buffer caratteri da codificare

p
10

11

12

13

14

15

s
16

Viene ricercata la stringa comune pi 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 (nellesempio 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


Lidea base 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 gi codificati
L

n
3

Buffer caratteri da codificare

p
10

11

12

13

14

15

s
16

Viene ricercata la stringa comune pi lunga fra inizio buffer di codifica e vocabolario.
Dati codificati:
Match, Inizio Stringa in Vocabolario, Lunghezza Stringa, Carattere Innovazione
1

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


Lidea base 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 gi codificati
o

p
6

10

11

Buffer caratteri da codificare


s
12

13

14

15

16

d
7

Viene ricercata la stringa comune pi 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


Lidea base 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 gi codificati
s

p
5

10

Buffer caratteri da codificare


s

11

12

13

14

15

16

d
6

Viene ricercata la stringa comune pi 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

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


Lidea base 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 gi codificati
t

p
4

Buffer caratteri da codificare

s
10

11

12

13

14

15

16

d
5

Viene ricercata la stringa comune pi 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

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,

Carattere Innovazione

Vocabolario
Buffer caratteri gi decodificati
L

n
3

Buffer nuovi caratteri

p
10

11

12

13

14

15

s
16

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)


Nellesempio 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 necessit 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 capacit 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 qualit (segnali musicali) una delle tecniche pi note e quella che va sotto il
nome MPEG2 Audio Level 3 (comunemente indicata come MP3).
A questo proposito si pu ricordare come un segnale audio stereo semplicemente campionato e
quantizzato richieda 2*48000*161.5 Mbit/sec.
La compressione MP3 permette di rappresentare lo stesso segnale (introducendo solo minime
degradazioni) con soli 64128 Kbit/sec.

Fondamenti TLC

22
Elementi di Teoria dei Segnali (di Marco Marcon)