Sei sulla pagina 1di 22

1 Storia dei sensori

In questa sezione vengono discussi i principali step evolutivi che hanno avuto
i sensori.
MEMS. Il primo passo importante nellevoluzione dei sensori legato
ai Micro-Electro Mechanics, ovvero dispositivi che un sono basati su un mo-
vimento meccanico (ad esempio loscillazione nei giroscopi), che sono stati
portati a dimensioni molto minori rispetto comerano in precedenza.
Da CCD a CMOS. Si fa lesempio dei sensori per lacquisizione delle
immagini come il Vidicon. Esso era un sensore gassoso con meccanismo
derivante dalle valvole termoioniche. Con il passaggio ai CCD si passa da
sistemi di grandi dimensioni a valvole a sensori stato solido dove gli elettroni
si muovono nel reticolo cristallino. Questo passaggio chiamato Solid State
Step.
Il funzionamento dei CCD basato sui fotoni. Questi, colpiscono la
superficie del componente, lenergia viene trasformata e vengono separate
le coppie elettrone-lacuna. Successivamente, vengono contati gli elettroni e
il valore del conteggio viene spostato con dei "buchi di potenziale" che per
essere creati necessitano di tensioni elevate, tipicamente 20-25V, che per le
attuali applicazioni sono troppo elevate. In pi, erano costosi e non potevano
essere integrati ai microprocessori che stavano nascendo nello stesso periodo.
La tecnologia CMOS fa il passo in avanti, perch a basso costo e permette
di integrare i sensori ai microprocessori, comportandosi allo stesso modo
dei CCD. La CMOS si basa sul concetto di array di fotodiodi e transistori
per lattivazione. Viene introdotto anche il sistema a microlente: larea del
fotodiodo minore di quella del pixel, perci le microlenti convogliano i
fotoni che non verrebbero utilizzati e, tramite fibra ottica, vengono inviati
al fotodiodo.

2 Fondamenti del sensore


Per comprendere il sensore, si deve partire dal concetto di sensing, cio il
percepire qualcosa come, ad esempio, vengono percepite le sensazioni dagli
esseri umani. Le fasi del sensing possono essere suddivise in due stadi:

Trasduttore Detector Processore

Primo stadio Secondo stadio

Figura 1: Schema a blocchi di un sensore

1
Prendendo ad esempio la vista, come primo stadio locchio tramite la
retina crea limmagine, mentre il cervello il secondo stadio che elabora
limmagine acquisita. Per, vedere non consiste solo nel percepire limma-
gine ma anche quello di riconoscere cosa limmagine rappresenta, tramite
conoscenze a priori.
Lo schema a blocchi composto da tre componenti:

trasduttore: il sistema che trasforma una quantit, spesso amplifican-


do, da variabile fisica a variabile elettronica. Esiste una funzione,
quindi ci si trova nel mondo analogico;

detector: si occupa di effettuare la misura, passando ad un insieme


finito di grandezze, arrivando a segnali digitali. Il suo compito, quindi,
quello di campionare il segnale fornito dal trasduttore;

elaboratore: il blocco che analizza linformazione digitale data dal


detector ed importante avere una conoscenza a priori per costruire
uninformazione affidabile.

3 Trasduttore e Campionatore (o Detector)


Si parte da un segnale fisico, quindi analogico, e il trasduttore opera la misura
e si ricava un valore numerico nel campo digitale. Per misura si intende:
Quantity
M isura = (1)
Unit di misura
Facendo lesempio a due bit in figura, si vede che da una parte c il valore
analogico e dallaltra il valore digitale che pu avere incertezze. Queste sono
dovute a:

errore di quantizzazione;

rumore.

Il trasduttore trasforma il segnale fisico in variabili elettroniche come cor-


rente o tensione ma, in realt, tutte queste grandezze dipendono dalla carica
che a sua volta dipende dal numero di elettroni. Quando il numero di elettro-
ni piccolo, come in molte applicazioni, la carica non pu essere considerata
come continua o analogica, ma discreta ed intrinsecamente digitale.

3.1 Esempio: sensore ottico


In ingresso ci sono dei fotoni e il trasduttore, tramite la separazione della cop-
pia elettrone-lacuna che si viene a formare, trasforma la variabile in elettroni
che verranno misurati dal detector. La prima parte del sensore, quindi la

2
11
10
01
00

Figura 2: Conversione analogico-digitale: il segnale in ingresso analogico


viene campionato dal detector e opera una misura della quantit di segnale

coppia trasduttore-detector, basa la sua operativit sul contenuto dellener-


gia o della potenza del segnale. Ciascuna varibaile in ingresso al trasduttore
ha unespressione in energia che, per questo, una grandezza fondamentale.
Lenergia la quantit di lavoro che si fa con una certa forza. Per percepire
qualcosa, dovr succedere qualcosa allinrteno del sensore e la variabile che
pu far avvenire una variazione, lenergia. La potenza lenergia nellunit
di tempo.

3.2 Esempio: sensore magnetico


Si prenda un sensore magnetico posta vicino ad un ingranaggio. Quando un
dente di questo ingranaggio nella posizione pi vicina al sensore, si avr
in uscita un valore alto mentre si avr uno zero logico in caso contrario,
come mostrato in figura 3a. Per ottenere queste uscite, il sensore genera
un campo magnetico statico che verr modificato dalla prossimit del dente
dellingranaggio, creando la variazione quindi il sensing.
Per, eventi naturali come il rumore, ovvero gli scambi di energia che
avvengono negli urti tra elettroni, modificano il valore delluscita in modo
aleatorio. Se si fermasse lingranaggio, idealmente luscita dovrebbe essere
nulla ma quello che si ottiene un segnale simile a quello di figura 3b.
Questo segnale, per sovrapposizione, si somma al segnale ideale durante il
funzionamento del sistema quindi luscita del sensore sar quella mostrata
in figura 3c.
Questo segnale quello che si trova in ingresso il detector. Per ridurre
il problema causato dallinterferenza, possibile mettere una soglia S e dire
che per valori x > S luscita sar alta mentre per valori x < S sar bassa.
Cos facendo il segnale ripristinato.

3
t
(a) Segnale ideale

(b) Rumore

(c) Segnale reale

Figura 3: Segnali presenti nel sensore

Se si sceglie come unit di misura lenergia, paragono il segnale col rumore


con una grandezza detta Signal Noise Ratio (SNR):
EnergiaSegnale
SN R = (2)
EnergiaRumore
Se il rumore tale da causare dei valori sbagliati, ad esempio dei fal-
si valori alti, vengono a crearsi degli impulsi molto veloci chiamati spikes.
Mettendo una soglia, il problema del rumore rimane. Si potrebbe pensare di
mettere una doppia soglia con un trigger di Schmidt ma in caso di rumore
molto incisivo non si riuscirebbe comunque ad evitare errori. Un indicatore
di rischio lSNR che, possibilmente, deve essere mantenuto a valori eleva-
ti: cio lenergia del segnale deve essere maggiore dellenergia del rumore.
Purtroppo per, in molte applicazioni il valore dellSNR molto basso. In
questi casi necessario utilizzare la conoscenza a priori perch rende molto
pi efficace la ricostruzione di un segnale immerso nel rumore.

3.3 Esempio: radar


Le applicazioni radar hanno tipicamente SN R < 10dB e il segnale viene
ricalcolato sfruttando la conoscenza di come deve essere fatto. Per cercare il
segnale allinterno del rumore, loperazione pi importante la convoluzio-
ne perch permette di andare a confrontare tutto il segnale rumoroso con
un segnale campione e andare a cercare se presente un segnale simile.

4
4 Sensore
Dopo il processo non si pi nel campo energetico ma si passati al campo
dellinformazione. Esistono due tipi di ottimizzazione:
ottimizzazione energetica, che caratterizza la prima parte del sensore;
ottimizzazione semantica, nella seconda parte, caratterizzata dai pro-
cessori.
La prima definizione che viene data per sensore : "si parla di senso-
re quando ci si riferisce ad un sistema che opera una misura in una certa
quantit di tempo". La frase che si riferisce al tempo, dice che necessario
che il sensore abbia una certa velocit di risposta che porta ad introdurre il
concetto di banda anche in questo ambito. La banda il primo parametro
che va considerato e va scelta in base alla variazione del segnale da misurare.
Il sensore pu essere visto come:

(t) Sensore (t)

Come gi detto, limportante la variazione di queste due grandezze,


quindi si studia come si fatto per i "piccoli segnali" in elettronica:
(t) = 0 + s (t) , = () = 0 + s (t) (3)
dove i simboli con stanno ad indicare le variazioni. (t), detto misurando,
lingresso che deve essere misurato, pertanto deve essere misurabile quindi
deve essere definibile ununit di misura.
(t), invece, il segnale elettrico in uscita posto in variabile di carica,
elettroni o derivati.
Per lavorare correttamente, necessario lavorare con funzioni linerari: in
prima approssimazione, il sensore ideale con caratteristica lineare e (t)
(t). In tutte le applicazioni il sensore lavora in un certo range di valori dove
i limiti sono chiamati fondoscala e questo il secondo punto da considerare,
appena dopo la banda di lavoro, per la progettazione del sensore. Il tutto si
traduce in:
Si definiscono F S = |M m | e F SO = |M m | rispettivamente
intervallo di fondo scala dingresso e fondo scala duscita
Si introduce il concetto di sensibilit come variazione delluscita rispetto
lingresso. anche detto guadagno ed la pendenza della retta caratteristica,
essendo uguale alla derivata. Nel caso in cui la curva non sia una retta, quindi
non sia lineare, si deve fare la derivata nel punto di risposo e si tende ad
approssimare al primo ordine per avere una linearizzazione almento intorno
al punto scelto.


m M

Figura 4: Caratteristica ideale sensore

m
0

m M

Figura 5: Caratteristica quasi-statica o stazionaria del sensore. Una


caratteristica non lineare porta ad errori di misura.

4.1 Sensibilit dal punto di vista matematico


Si linearizza la caratteristica tramite lo sviluppo al primo ordine:

d
() = (0 + )
= 0 + S = 0 + , S= (4)
d 0

Dove la derivata corrisponde alla grandezza sensibilit ed ha dimensione


[ ]. Ad esempio, per un sensore di prensione, la sensibilit ha unit di misura
V /P a essendo lingresso in P a e luscita in V .
Un ingresso qualcosa che modifica luscita, ma in ogni applicazione c
sempre qualche ingresso non desiderato (si pensi al rumore sempre presente).
Quando un ingresso non desiderato viene chiamato influence quantity.
Questa grandezza legata a dipendenza indesiderate del sensore e, spesso,


Sensore

Figura 6: Schema a blocchi con , Influence Quantity

la causa sar la temperatura. In generale si scrive:

(1 , . . . , k , , . . . , n ) = (1 , . . . , k , 1 , . . . , n ) (5)
| {z } |k+1 {z } | {z } | {z }
Ingressi Inf luenceP arameters Ingressi Inf luenceP arameters

4.2 Perch si dice caratteristica quasi-statica?


Perch si deve introdurre il tempo, cosa che non era stata fatta nelle carat-
teristiche precedenti. Per creare la caratteristica, si deve fare variare molto
lentamente lingresso, al limite in un tempo infinito. Nel caso ci fosse uno sco-
stamento troppo veloce, si verificherebbe uno scostamento dalla retta ideale
per poi tornare dopo un certo tempo sulla retta.
Lo scostamento tanto pi grande se vario lingresso velocemente, quin-
di pu variare in base alla costante di tempo dominante, almeno in prima
approssimazione. La costante di tempo ottenibile perturbando lingresso e
guardando il tempo necessario per tornare alla posizione stabile:
1
dominante = (6)
Banda
Per evitare lo scostamento, si deve restare dentro la banda quindi si deve
avere t >> , con t tempo di variazione dellingresso. Deve esserci
almeno un ordine di grandezza di differenza tra i due valori.
I segnali di ingresso e duscita devono avere la stessa forma perch la
caratteristica lineare, ma nei segnali c il tempo quindi c dipendenza
dalla banda. La banda dipende dalla variazione del segnale: segnale lento,
banda piccola mentre segnale veloce, grande banda.
Si introduce il "Gain Plot" di figura 7, dove si prende come asse delle
ascisse il collegamento fra il valore dingresso minimo m e il valore dingresso
massimo m e si disegna la retta che collega il massimo in ingresso M e il
massimo output M . La retta separa lasse delle x in due linee a, b, dove il
rapporto S = ab la sensibilit. Per i sistemi lineari, c corrispondenza fra
F S e F SO.
Nel Gain Plot si vede se il sensore amplifica o attenua semplicemente
guardando il punto di intersezione con le ascisse. Infatti, se lintersezione

7
M
b
m S= a =
m
a b

Figura 7: Gain plot

y y

1111
1110

0001
LSB 0000
x x

(a) Segnale da campionare (b) Segnale Campionato

Figura 8: Segnale ingresso e uscita

prima della met dellasse, il sensore amplifica mentre se nella met


successiva si comporta da attenuatore.
Ci si riferir a tempi campionati per andare a lavorare dal punto di vista
digitale, ma questo introduce un errore di quantizzazione. Per campionare
si deve rispettare il teorema di Shannon: se il segnale ha banda fm , per
campionare correttamente si dovr campionare ad una frequenza f 2fm ,
detta frequenza di Nyquist, per mantenere valido il contenuto informatico. Si
pu dimostrare che non sempre necessario campionare a 2fm introducendo
conoscenza del segnale a priori.
Dopo la digitalizzazione, si usa come unit di misura LSB = 21n , con n
numero di bit, per quantificare luscita in bit dove il valore di fondo scala
2n .
Il guadagno viene discretizzato e diventa
 
LSB LSB
S= (7)
Unit di misura ingresso

8
Lunit di misura dipende dallingresso: facendo lesempio dellaccelerometro
(sensore dellaccelerazione, espressa in multipli di g, la gravit), si ottiene
lunit di misura LSB
g .

4.3 Catene di conversione


Per fare il sensing di una grandezza necessaria una catena di conversio-
ne, composta da blocchi che si occupano di trasduzione, conversione ad una
grandezza elettrica gestibile dallelaboratore, digitalizzazione. Vengono ri-
portati quattro esempi di figura 9:

0 Q V Bm
Fotodiodo Amplificatore di carica A/D
Flusso di fotoni Carica Tensione Dati

(a) Sensore di luminosita

R V
Strain gauge Ponte Weatstone Amp. Differenziale
Forza Resistenza Tensione

(b) Sensore di forza

P C f Bm
Condensatore Oscillatore Contatore
Pressione Capacita frequenza Dati

(c) Sensore di pressione

Figura 9: Esempi di catene di conversione

Analizzando lesempio del sensore di pressione si vede che la conversio-


ne in digitale non sempre compito di un convertitore A/D ma pu essere
fatta in vari modi. Infatti, questo sensore digitalizza il segnale tramite un
macchina a stati settata come contatore e possono esserci molte altre possi-
bilit. Considerando ancora il sensore di pressione, la catena di conversione
: cambia C, successivamente cambia f che viene misurata poi digitalizzata.
Per ogni blocco che compone il sistema sensore possono essere definite le
sensibilit:
     
C F f Hz LSB LSB
S1 = = , S2 = = , S3 = = (8)
P Pa C F f Hz

9
Complessivamente, si ottiene
 
Bs LSB
S = S1 S2 S3 = = (9)
P Pa
e lo stesso risultato si pu ottenere via grafica mettendo "in serie" i Gain Plot
di ciascun blocco. In realt, la relazione non lineare perch la capacit varia
al variare della distanza delle armature spostate della pressione da rilevare.
Lequazione della capacit C = Sx quindi il variare di x al denominatore
rende il tutto non lineare. In relazioni non lineari il punto di guadagno varia
in base al valore dellingresso e, corrispondendo ad una derivata, cambia
anche il valore della pendenza (nei grafici viene trascurata la variazione di
pendenza perch ci si sofferma sullunit di misura).

5 Deviazione dallideale: il ruolo degli errori nel


sensing
Come gi detto, si vuole tendere il pi possibile ad una caratteristica lineare
ma ci saranno delle deviazioni dallideale, definite come errori. Essi sono
distinti in due categorie:
errori sistematici: deviazioni dallideale causate dal trasduttore e/o
dalla lettura che si ripetono quando viene ripetuta una misura (rea-
dout) nelle stesse condizioni. Sono composti da un offset e da una
variazione stocastica con distribuzione spesso uniforme.

errori casuali: deviazioni che ripetendo la stessa misura danno valori


diversi. Sono causati da fenomeni fisici o da interferenze fra dispositivi
nelle vicinanze.

5.1 Errore sistematico


Si definisce errore sistematico la differenza fra la curva ideale e la reale.
Fissato lingresso e si avr sempre una differenza uguale.
Per controllare lerrore ci si deve riferire sempre a qualcosa. In particola-
re, per i sensori ci si pu riferire allingresso o alluscita. Ad esempio, ipotiz-
zando di conoscere il valore esatto dellingresso T , mi aspetterei unuscita
vera T ma luscita risulta 0 proveniente dalla curva reale.
Allora lerrore sistematico

= T + S = 0 (10)

valutandolo rispetto luscita. Si potrebbe fare la stessa cosa rispetto lingres-


so, da unuscita T vera mi aspetto che corrisponda un T ma in realt si
ottiene un 0 :
T = (T + S ) = (0 ) = 0 (11)

10

Ideale

Reale
t

F SO 0


t
FS

Figura 10: Errore sistematico riferito allingresso

Ci sono quattro tipologie di errori sistematici:

errore dovuto alla variazione di un parametro, che esso sia un ingresso


o un influence parameter, come ad esempio pu essere la temperatura:
ad una certa configurazione dei parametri dingresso e e ripetendo
il readout si ottiene sempre lo stesso risultato.

errore per variazione della popolazione, perch ogni prodotto non


esattamente identico allaltro, infatti nei datasheet vengono dati dei
valori medi. un errore sistematico perch cambiando sensore si ot-
tiene un misura sempre uguale e tornando al primo sensore si riottiene
quello che misurava inizialmente.

isteresi ci sono due curve per la salita e per la discesa a causa dei ma-
teriali: sistematico perch da una posizione ad un altra si ottengono
sempre le stesse misure.

errore di quantizzazione ogni volta che si passa da analogico a digitale


con numeri finiti si ha un errore dovuto agli "scalini" della caratteristica
digitale.

5.2 Valutazione dellerrore sistematico


La vakutazione pi comune quella che si riferisce allingresso, quindi oriz-
zontale. Si va a mappare una funzione detta accuracy() come in slide 33
dove nulla nel valore ideale. Si prende il valore massimo dello scostamento

11
P [dB]

SF DR[dBc ]

f
Armonica

Figura 11: Spettro del segnale in frequenza

che rappresenta il valore massimo dellerrore sistematico (quindi allo stesso


tempo laccuratezza) e si misura in [] o [LSB].
Un altro modo quello di segnare con delle rette i valori massimi di sco-
stamento per far stare allinterno di una fascia la curva. Questa valutazione
dipende dal fondoscala:
Accuracy() = a + bx (12)
Una terza soluzione utilizzare LINL definito come:
max|0 T |
IN L = = [] (13)
FS
Lultima soluzione quella di studiare il problema nel dominio delle fre-
quenze. Si cerca una retta, quindi una funzione di trasferimento lineare e
mettendo una sinusoide in ingresso, questa si dovrebbe ripetere in uscita con
modulo e fase cambiati, per ogni frequenza di interesse. Per, se non linea-
re la sinusoide viene deformata e si quantifica la deformazione con la serie di
Fourier, somma di sinusoidi a f diverse (armoniche). Questa non linearit
la distorsione armonica e attraverso la FFT vedo com distribuito il segnale
in frequenza:
P
Potenza Armoniche Pi
T HD = 10log = 10log i = 20logIN L (14)
Potenza Fondamentale Pf
Si vede che nello spettro ci sono moltissime righe quando se ne sarebbe
voluta solo quella fondamentale. La non linearit ha distribuito su tutte le
armoniche la potenza. Si pu calcolare SF DR come differenza dei picchi
tra due armoniche (solitamente della fondamentale e di quella successiva a
pi alta intensit) e la si misura in dBC . Il rumore che si vede non quello
fisico, ma numerico e dovuto allalgoritmo di calcolo della FFT.
In figura 12 viene riportata tutta la casistica di errori sistematici.

12
Systematic errors
= (, ) = ( )

parameter variation samples


sys
sample2
sample1
= (, 1 )

sys
= (, 2 ) (A) sample3 (B)


= ( ) = ( )

hysteresis quantization errors

sys sys

(C) (D)


7.0 M. Tartagni 32

Figura 12: Errori sistematici. A. dovuto a il cambiamento di un parametro


B. dovuto a componenti mai identici C. dovuto a percorsi diversi in salita e
discesa D. errore di quantizzazione

5.3 Errori casuali


Con misure ripetute si ottengono misure diverse con stessa configurazione di
ingressi. Se si guarda bene, gli errori vanno a sistemarsi attorno ad un valore
medio di misura.

Figura 13: Esempio di misure ripetute affette da rumore

Unendo gli errori, si pu far contenere la curva reale in delle fasce che la
contengono totalmente in modo da vedere un offset massimo (c anche una

13
Putting all together

systematic errors
variance

sys

random errors variance

off ran
systematic offset

7.0 M. Tartagni 41
Figura 14: Errore complessivo dovuto a sovrapposizione di errore sistematico
e casuale

variazione dovuta a parametri non desiderati). Quello che si ottiene :

Errore sistematico Errore casuale


z }| { z }| {
0 + E = T + Of f + Sys + Rand (ti ) (15)

C una relazione fra il riferimento dellerrore rispetto allingresso o al-


luscita:

E
() = ( + E ) = 0 + SE = 0 + S , S= (16)
E 0

Questa relazione sempre vera e lo tanto pi quando si pi vicini


al punto di lavoro. Il guadagno anche la variazione dellerrore in uscita
rispetto lerrore in ingresso. Negli errori sistematici, tipo offset e parametri
di influenza, si pu approssimare il guadagno (quindi la curva) al primo
ordine. Nel caso degli errori casuali, invece, la nuvola dei punti dipende
dal guadagno perch se una curva ha grande pendenza un piccolo errore in
ingresso grande in uscita: si riflettono allo stesso modo, con lamplificazione
del guadagno.
Per caratterizzare lerrore degli esperimenti si usa lapproccio statistico.
Facendolo, si ottiene una distribuzione statistica come, ad esempio, la densit
di probabilit, e per farlo si usano gli operatori E[] e E[2 ], insieme alla
varianza, ovvero la distanza dal valore atteso. In particolare, per gli errori:
2 2
E[Sys ] = 0, E[(Sys )] = Sys (17)
2 2
E[Ran ] = 0, E[(Ran )] = Ran (18)
Il rumore ha distribuzione gaussiana dal teorema dei grandi numeri e
la distribuzione pu essere sia sulle x che sulle y. La relazione fra le due

14
varianze :

d 2 2
 
2
Rand (0 ) = Rand (0 ) = S02 Rand
2
(0 ) (19)
d 0

e questa la legge di propagazione dellerrore. Lerrore quantificabile


secondo il parametro coverage factor che definisce la completezza degli
esperimenti e allo stesso tempo definisce lincertezza u.
Ad esempio, preso il rumore con una certa , allora stimo il valore 0 e
so che se considero 3 allora il valore vero T si trova al 99% allinterno della
copertura, con incertezza attorno il valor medio.
Quindi u(0 ) = k (0 ) ma importante avere un k tale da avere
abbastanza sicurezza e vale anche T = 0 u(0 ).

5.4 Definizione di precisione, accuratezza e risoluzione


Precisione: il grado ci vicinanza ripetuta delle letture dello stesso
esperimento nelle stesse condizioni. anche correlato allincertezza
dovuta agli errori casuali e pu essere ridotto mediando successive.

Accuratezza: la differenza tra la lettura ideale e quella effettuata ed


dovuta sia ad offset e alla massima variazione dellerrore sistematico.
Loffset pu quindi essere ridotto tramite unopportuna calibrazione.

Un esempio di accuratezza e precisione mostrata in figura 15.


Tipicamente, si calcola lincertezza con k = 6 per avere il 99% dello
spazio campione e si definisce come precisione u() = 6

Risoluzione: il pi piccolo cambiamento in ingresso per far cambia-


re cambiare di un LSB il detector. un livello di discretizzazione,
quindi una caratteristica del detector e la risoluzione vale un LSB.
Unesempio in figura 17.

Lincertezza del segnale che viene dal trasduttore non dipende dal de-
tector quindi fondamentale che la risoluzione sia adattata alla precisione a
monte. I valori del segnale con incertezza dovrebbero essere tutti compresi
nel detector ma non sempre cos. Figura ?? mostra come vengono assegnati
i bit.
Come si vede dalla figura, ci saranno dei bit di offset che saranno presenti
quando il valore dellingresso m diverso da zero. Il range di valori coperto
dai bit di range, il vero valore misurato dal sensore e la vera informazione da
trattare. Infine, ci sono dei bit di rumore legati allincertezza della misura.
Ricapitolando:
0110
|{z} 11010010
| {z } 11010
| {z } (20)
Offset Range Rumore

15
(a) Alta precisione, bassa
accuratezza

(b) Alta accuratezza, bassa


precisione

Figura 15: Differenza tra accuratezza e precisione. Si considera il centro del


bersaglio il valore ideale

Accuratezza
Valor Medio
Valor vero
Numero occorrenze

Precisione

Figura 16: Accuratezza e precisione

16
x
(a) Misura con alta risoluzione ma poca pre-
cisione: pu variare molti livelli LSB col
rumore.

x
(b) Misura con alta precisione e alta risolu-
zione: il rumore fa variare al massimo di un
livello.

x
(c) Misura con risoluzione adattata allerrore

Figura 17: Risoluzione e precisione Flickering bits

noisy range
levels levels
FSO

constant levels

m
constant bits noisy bits
FS
0101010100001010101010010
M range bits

7.1 Figura 18: Esempio assegnamento bits M. Tartagni 92

17
Si pu dimostrare che possibile facilmente eliminare i bit costanti legati
alloffset mentre impossibile eliminare i bit di rumore.
I livelli di discretizzazione vengono calcolati in base allincertezza del
rumore, ovvero in base alla deviazione standard. Si prende un intervallo
uguale a k e si definisce il numero di livelli N L:
Fondo Scala Fondo Scala
NL = = (21)
Risoluzione k

6 Concetto di ingresso riferito


Sotto approssimazione lineare, quello che succede allerrore in ingresso viene
riportato in uscita secondo il guadagno e accade lo stesso per il rumore. Per
questo vengono trattati alla stessa maniera dal sistema come somma degli
effetti.
Dora in poi ci si riferir solo allerrore casuale chiamandolo rumore.
Per la sovrapposizione degli effetti, la sovrapposizione segnale-rumore rende
linformazione poco facilmente fruibile. Si ha:
(t) = 0 + S + N (22)
|{z} | {z }
Segnale Rumore

Finora abbiamo considerato solo il rumore come aleatorio per, in realt,


anche il segnale aleatorio. Questo perch se sapessimo esprimere determi-
nisticamente il segnale sarebbe inutile il processo di misurazione, perch si
potrebbe prevedere a priori.
La caratteristica quasi statica, preso un tempo t, mi permette di calcolare
lampiezza di segnale e rumore ma entrambi sono riportati in uscita. Qui
vengono utilizzate le potenze (o energie) dei segnali nel rapporto SN R. Si
suppone di avere un sistema rumoroso e un ingresso non rumoroso, si possono
fare le operazioni mostrate in figura 19. Il rumore equivalente in ingresso
un rumore derivante da un modello matematico, quindi non misurabile
poich non esiste fisicamente.
Le considerazioni precedenti sono fatte nellipotesi in cui il segnale non
sia affetto da rumore. Considerando anche questa condizione si ottiene:

7 Sensore come detector di energia: il ruolo delle-


nergia e della probabilit
Si introduce il range dinamico, base della progettazione, che esprime la diffe-
renza di qualcosa di grande e qualcosa di piccolo, ma per dire che una cosa
grande o piccola necessario avere un riferimento. Prendendo come esempio
ludito, il sensing si basa su onde di pressione e si deve vedere lintensit
dellonda. Per caratterizzare la sua grandezza, si applica la potenza (essen-
do la potenza lenergia per unit di tempo e la capacit di fare un lavoro)

18
Sistema
S (t) S (t) + N (t)
Rumoroso
(a) Sistema affetto da rumore con segnale dingresso non
rumoroso

Sistema
S (t) Non + S (t) + N (t)
Rumoroso

N (t)
(b) Si sposta il rumore dal sistema alluscita: come se il rumore
venisse introdotto nel segnale solo dopo il sistema.

Sistema
S (t) + Non S (t) + N (t)
Rumoroso

N (t)
(c) Si sposta il rumore dal sistema allingresso: questo il rumore
equivalente in ingresso.

Figura 19: Verso il rumore dingresso equivalente

Sistema
0 + S (t) + Non S (t) + N (t) + SN
Rumoroso

N (t) + N S (t)

Figura 20: Il rumore in ingresso composto da N (t), rumore equivalente


dingresso, e da N S (t), rumore del segnale.

e si ottiene: I = [W/m2 ]. Il valore massimo deciso dalluomo, ad esempio


la rottura di un timpano, e il valore minimo il suono pi piccolo udibile.
Quando il suono non si distingue pi dal rumore interno e questo il limite
inferiore: quando il segnale paragonabile al rumore.
La variazione fra massimo e minimo il range dinamico:
Massima potenza misurabile
DR = , dove P Segnale2
Minima potenza misurabile
Massimo segnale Massima potenza
DR(dB) = 20 log = 10 log
Minimo segnale Minima potenza
Matematicamente la distinzione fra segnali a energia finita e segnali a

19
potenza finita :
R +
Segnale a energia finita E= x2 (t) dt < +
1
R +T /2 2
Segnale a potenza finita P = limT T T /2 x (t) dt < +

La distinzione serve perch si trattano diversamente. Se a energia finita


allora F-trasformabile mentre e un segnale periodico, quindi sicuramente
a energia illimitata ma a potenza finita, si usa la serie di Fourier.
Si pu definire la media temporale:
1 +
Z
< x(t) >= lim x(t) dt
T T

La varianza temporale:

1 T /2
Z
2 = (x(t) < x(t) >)2 dt =< x2 (t) > < x(t) >2
T T /2

Da notare che queste grandezze non sono statistiche, ma strettamente tem-


porali. Supponendo di calcolare la potenza di un segnale:
Z
1
P = x2 (t) dt < x(t) >2 = 2
T | {z }
| {z } Valore continuo
Valore alternato

Si nota che la potenza composta da due componenti. La varianza,


quindi, da unindicazione della potenza del segnale alternato PAC = P PDC
e dal punto di vista spettrale la potenza composta da una riga a frequenza
zero (dovuta alla continua) e uno spettro dovuto alla parte alternata. Visto
che linformazione nel segnale alternato, la varianza un quantificatore
della potenza dellinformazione. Un esempio di segnali e delle rispettive
trasformate riportato nella figura seguente:
Nel periodo, entrambi i segnali sono a energia finita ma uno ha periodo
T0 mentre laltro ha T0 ed qui che avviene il passaggio fra serie e
trasformata. A seconda dei casi si deve usare:
segnale a potenza costante Energia nel periodo ( TE0 )

segnale a energia costante Energia


possibile modificare la potenza di un segnale ad esempio agendo su ,
ma cos facendo si va a modificare anche la banda.

7.1 Energia e probabilit


Il rumore essendo aleatorio, non pu essere caratterizzato allo stesso modo
di un segnale deterministico. necessario caratterizzarlo tramite una distri-
buzione statistica (modello matematico) partendo dal passato per avere pi

20
x(t) x(t)

t t

|X(f )|2 |X(f )|2

f f

(a) Segnale a energia finita: ha trasformata (b) Segnale periodico a potenza finita: am-
di Fourier. Si dimostra che ha energia A 2 mette serie di Fourier. Tramite il teorema di
con la durata del rettangolo. Parseval, si dimostra che la potenza vale A2
sia nel tempo che nelle frequenze.

informazioni sullo sviluppo futuro. Per definire la probabilit necessario un


esperimento, ma facendo il campionamento lesperimento c, considerando
la serie di uscite come il risultato di un test. Ad esempio, con londa quadra,
vado a studiare ogni uscita e guardando landamento dopo un certo numero
di istanti ho la probabilit di avere i due livelli.
Calcolando il valore medio della prima figura di 21 si ottiene:
Z T
1
< x >= a dt = a
T 0 T

Per calcolare il segnale campionato si deve utilizzare la statistica e associo


P r(Alto) = P r(a) = T e P r(Basso) = P r(b) = T T . Si ottiene:

x = P r(a) a + P r(b) b = a (23)
T
Anche per le altre grandezze si ottengono valori uguali fra grandezze tempo-
rali e statistiche!

21
x(t)

b t
T

|Cn |2

Figura 21: Il campionamento un esperimento e lo si deve caratterizzare


statisticamente

22

Potrebbero piacerti anche