Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Esercitazione 1
-Punto 1/A
1 1≤𝑡≤2
𝑠(𝑡) = {−1 2 < 𝑡 ≤ 3
0
con periodo :
𝑇 = 4𝑠
𝑡1,𝑘 = (𝑘 − 1) ∙ ∆𝑡 con
𝑘 = 1,2,3 … (𝑁 + 1)
𝑇
𝑁=
∆𝑡
e il codominio anch’esso un vettore di dimensioni N+1 la cui componente k-esima è:
𝑛
Se vediamo la funzione x(t) come la componente verticale di un vettore di modulo ‘A’ che ruota
intorno al piano con pulsazione 𝜔 e fase 𝜑 ,
Si può notare come le armoniche con ampiezze significative siano quelle con frequenza fino a
𝑓 ∗ = 10 𝐻𝑧, e cioè per una numero di armoniche pari a 𝑛𝑎 = 𝑇 ∙ 𝑓 ∗ = 40 con qui si ottiene una
buona approssimazione del segnale d’ingresso;
è chiaro che all’aumentare del numero delle armoniche che consideriamo per ricomporre il
segnale otteniamo, sempre più, un’approssimazione migliore:
Inoltre si nota che all’aumentare del numero delle armoniche l’errore che commettiamo nel
ricomporre il segnale nei punti di discontinuità non riusciamo ad eliminarlo, questo diminuisce ma
tende ad un valore limite.
Considerando una funzione periodica continua con punti di discontinuità di prima specie, il segnale
ricomposto è una sommatoria infinita di armoniche; se questa sommatoria viene troncata si
ottengono delle sovraelongazioni (errori) del valore della funzione ricostruita nell’intorno dei suoi
punti di discontinuità: all’aumentare del numero dell’armoniche tale valore di sovraelongazione
diminuisce ma tende comunque a un valore finito pari a:
𝑒𝑟𝑟 = 𝑎 ∙ 0.089490
Quindi “err” rappresenta il modulo della differenza tra il segnale di partenza calcolato nel punto di
discontinuità e quello ricostruito calcolato nello stesso punto.
Nel nostro caso possiamo notare che vi sono dei punti aventi discontinuità pari ad 𝑎1 = 1, ed altri
con 𝑎2 = 2, allora possiamo scrivere:
Per la verifica di tali risultati si implementa nel codice un passo di 0.0001 s (per avere una migliore
rappresentazione delle curve), e la retta x=1+err1=1.089490:
Nel nostro caso, funzioni discrete, l’errore che si commette nei punti di discontinuità è dovuto al
fatto che la serie utilizzata per ricomporre il segnale, non converge uniformemente al segnale di
partenza , ma solo puntualmente; questo fatto implica la presenza, nel segnale ricostruito, di
oscillazioni nei punti di discontinuità indipendentemente dal numero di armoniche che si
utilizzano. All’aumentare del numero di armoniche, le oscillazioni convergono ai punti di
discontinuità, ma la loro ampiezza non si annulla.
Il rispetto del “teorema di Shannon” impone che la massima frequenza che si deve considerare
nella ricostruzione del segnale è:
𝑓𝑚𝑎𝑥 ≤ 𝑓𝑁
1
𝑓𝑁 = 𝑓𝑟𝑒𝑞𝑢𝑒𝑛𝑧𝑎 𝑑𝑖 𝑁𝑦𝑞𝑢𝑖𝑠𝑡
2 ∙ ∆𝑡
∆𝑡 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑙𝑜 𝑑𝑖 𝑐𝑎𝑚𝑝𝑖𝑜𝑛𝑎𝑚𝑒𝑛𝑡𝑜
∆𝑡 = 0.01 𝑠
1
𝑓𝑁 = 2∙∆𝑡 =50 Hz
𝑓𝑚𝑎𝑥 ≤ 50 𝐻𝑧
𝑖
𝑓𝑖 = ;
𝑇
𝑛𝑚𝑎𝑥
𝑓𝑚𝑎𝑥 = = 50𝐻𝑧;
𝑇
𝑛𝑚𝑎𝑥 = 𝑓𝑚𝑎𝑥 ∙ 𝑇 = 200;
per valori superiori ad 𝑛𝑚𝑎𝑥 il segnale ricostruito verrà “distorto” a causa delle armoniche ad alta
frequenza che interferiscono con quelle a bassa frequenza dando luogo al “fenomeno dell’
Aliasing”. Si riportano di seguito i grafici per le soluzioni ottenute a diverso numero di armoniche
(multipli di 𝑛𝑚𝑎𝑥 ).Si noti che il segnale originale e quello ricostruito per 𝑛𝑎 = 𝑛𝑚𝑎𝑥 sono
praticamente sovrapposti.
Si può notare, dallo spettro delle ampiezze, come le armoniche ad alta frequenza, con 𝑓 > 𝑓𝑁 ,
partecipino in modo anche significativo al segnale.
-Punto 1/B
∆𝑡 = 0.01;
𝑓𝑚𝑎𝑥 ≤ 50 𝐻𝑧
E’ richiesto inoltre di filtrare il segnale a 5Hz, significa considerare per la ricomposizione del
segnale solo armoniche con frequenza massima 5 Hz, quindi:
𝑓𝑚𝑎𝑥 ≤ 5 𝐻𝑧 ;
𝑛𝑚𝑎𝑥
𝑓𝑚𝑎𝑥 = = 5𝐻𝑧;
𝑇
𝑇 = 20𝑠;
𝑛𝑚𝑎𝑥 = 𝑓𝑚𝑎𝑥 ∙ 𝑇 = 100;
Si noti che utilizzando un numero di armoniche superiore a quello massimo consentito, nel
rispetto del teorema di Shannon, il segnale ricostruito viene distorto.
1
𝑓𝑁 = = 50 𝐻𝑧
2 ∙ ∆𝑡
𝑇 = 20𝑠;
𝑛𝑚𝑎𝑥 = 2 ∙ 𝑓𝑁 ∙ 𝑇 = 2000;
Notiamo che lo spettro delle ampiezze risulta simmetrico rispetto la frequenza di Nyquist;
praticamente entrano in gioco “Ampiezze doppione” associate ad armoniche ad alta frequenza
che vanno a sommarsi a quelle reali, infatti l’ampiezza del segnale ricostruito è il doppio di quella
reale in ogni punto; si ingrandisce a tale scopo il grafico, per esempio da t=2.5 s a t=7 s.
-Punto 1/C
Si deve ricostruire il segnale del punto precedente ma utilizzando le funzioni Matlab: “fft.m” che
sta per “Fast Fourier Transform” e “ifft.m” “Inverse Fast Fourier Transform” .
Queste due funzioni si basano su l’algoritmo di Cooley-Tukey che permette una migliore efficienza
numerica in termini di numero di operazioni e quindi di tempo computazionale; per questo motivo
è alla base della conversione dei segnali legati, per esempio, alle telecomunicazioni, che
richiedono conversioni praticamente istantanee.
A titolo di esempio si fa notare che se devo calcolare la trasformata di Fourier per N=16 campioni
devo fare circa (𝑁)2 = 256 moltiplicazioni, ma se suddivido l’insieme dei campioni in due insiemi
distinti formati da N/2 campioni allora il numero di moltiplicazioni che devo fare per ogni insieme
sarà (𝑁/2)2 = 64 e quindi un numero di moltiplicazioni totali pari a 2*(𝑁/2)2 =128 ho
praticamente dimezzato il tempo di calcolo. E’ proprio su questo principio che si basa l’algoritmo
fft (oltre che a proprietà di simmetria e periodicità dei coefficienti complessi), ma iterandolo fino a
lavorare su 2 campioni alla volta, facendo l’ipotesi che il numero di campioni sia una potenza di 2
cioè 𝑁 = 2𝑘 , e quindi un numero massimo di dimezzamenti successivi pari a 𝐿𝑜𝑔2 (𝑁), dato che ad
ogni passo al massimo si dovranno effettuare N/2 moltiplicazioni alla fine si avrà un numero totale
𝑁
di moltiplicazioni 2 ∗ 𝐿𝑜𝑔2 (𝑁).
Si fa presente che è implicito nel codice di calcolo considerare frequenze fino a 𝑓 = 2 ∙ 𝑓𝑁 , per
questo motivo, visto il fenomeno dell’Aliasing, si considereranno armoniche con frequenza
massima pari a 𝑓𝑚𝑎𝑥 = 𝑓𝑁 , le altre danno informazioni ritondanti ;
I grafici risultano identici a quelli calcolati al punto precedente per 𝑓𝑚𝑎𝑥 = 𝑓𝑁 , tranne per il fatto
che nel punto precedente per una migliore rappresentazione dei risultati si è limitato l’asse delle
ascisse ad una frequenza di 15 Hz vista l’irrilevanza delle ampiezze associate alle frequenze
superiori;