Sei sulla pagina 1di 93

Universita` degli Studi di Milano

- Dipartimento di Scienze dell’Informazione -

Introduzione all’elaborazione dei segnali

Alberto Bertoni

Paola Campadelli

Giuliano Grossi

- Introduzione all’elaborazione dei segnali Alberto Bertoni Paola Campadelli Giuliano Grossi Anno Accademico 2003-2004

Anno Accademico 2003-2004

Indice

1 Segnali e Sistemi

 

1

1.1 Segnali e Informazione

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

2

1.2 Classificazione dei Segnali

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

4

1.3 Esempi di segnali .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

6

1.4 Sistemi per l’Elaborazione dei Segnali Deterministici

.

.

.

.

.

.

.

.

.

.

.

.

.

10

1.4.1

Composizionalit`a nei Sistemi

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

12

1.5 Spazi vettoriali di segnali

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

13

1.6 Sistemi Lineari

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

18

1.6.1 Sistemi Lineari Tempo-Invarianti (LTI)

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

21

1.6.2 Sistemi Causali e Stabili .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

23

2 Analisi in Frequenza di Segnali Analogici

 

27

2.1 Numeri Complessi

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

28

2.2 Segnali Periodici

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

30

2.3 Serie di Fourier

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

31

2.4 Trasformata di Fourier

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

34

2.4.1 Esistenza della Trasformata di Fourier

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

38

2.4.2 Trasformata di Fourier di Funzioni Reali .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

40

2.4.3 Propriet`a della Trasformata di Fourier

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

41

2.4.4 Coppie Base di Trasformate

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

44

2.5 Energia di un Segnale e Relazione di Parseval

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

44

3 Filtri Analogici e Modulazione di Ampiezza

 

47

3.1 Risposta in Frequenza dei Sistemi Lineari Tempo-Invarianti

.

.

.

.

.

.

.

.

.

48

3.1.1

Filtri Ideali

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

49

3.2 Caratteristiche dei Filtri Analogici

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

51

3.3 Famiglie di Filtri Causali

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

54

3.3.1 Filtri di Butterworth

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

54

3.3.2 Realizzazione di Filtri Analogici

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

56

3.4 Modulazione e Demodulazione in Ampiezza (AM)

.

.

.

.

.

.

.

.

.

.

.

.

.

.

57

i

ii

Indice

4 Conversione Analogico-Digitale

 

63

4.1 Campionamento

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

64

4.1.1 Spettro del segnale campionato

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

67

4.1.2 Aliasing

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

68

4.2 Quantizzazione

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

70

4.2.1 Quantizzatore Uniforme e Rumore di Quantizzazione

.

.

.

.

.

.

.

71

4.2.2 Quantizzatore Non Uniforme

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

74

4.3 Convertitore Analogico-Digitale (ADC)

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

75

5 Analisi in frequenza di sistemi a tempo discreto

 

79

5.1 Frequenza e Tempo Normalizzati

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

80

5.2 Trasformata Zeta

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

81

5.2.1

Propriet`a della trasformata Zeta

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

82

5.3 Analisi di Sistemi LTI a Tempo Discreto: filtri FIR e IIR

.

.

.

.

.

.

.

.

.

.

84

5.3.1

Filtri FIR

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

84

5.4 Filtri IIR

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

86

Capitolo 1

Segnali e Sistemi

I concetti di segnale e di sistema sono presenti in un’ampia gamma di discipline e campi

applicativi. Le idee e i metodi sviluppati attorno ai concetti di segnale e sistema giocano un ruolo importante in diverse aree scientifiche e tecnologiche come le telecomunicazioni, la progettazione di circuiti, il controllo di processi industriali, l’acustica, l’elaborazione del parlato, l’elaborazione di immagini.

I segnali sono grandezze dipendenti da una o piu` variabili temporali o spaziali e con-

tengono informazione riguardo lo stato di qualche fenomeno, mentre i sistemi rispondono

a sollecitazioni dovute a qualche segnale producendo a loro volta segnali o qualche com-

portamento desiderato. Le tensioni o le correnti (funzioni del tempo) in ingresso e in uscita a un circuito elettrico sono esempi di segnali, mentre il circuito stesso `e un esempio di sistema, cos`ı come un sistema `e la telecamera che cattura la luce riflessa dagli oggetti inquadrati e impressiona la pellicola o una matrice di sensori.

Le principali problematiche che si affrontano nello studio dei sistemi sono quelle di

L’analisi riguarda lo studio di caratteristiche del

comportamento di un dato sistema, il disegno si propone di identificare, se esiste, un

analisi

e di disegno o progettazione.

1

2

Segnali e Sistemi

sistema che esibisca un dato comportamento. Un esempio `e costituito dalla progettazione

di sistemi per estrarre o ripristinare informazione danneggiata: il caso tipico `e quello

della comunicazione affetta da rumore in cui `e richiesto lo sviluppo di sistemi in grado di correggere eventuali errori.

In questo capitolo vengono introdotte le nozioni di base riguardanti segnali e sis- temi. Viene presentata una semplice tassonomia dei tipi di segnale: continui/discreti, deterministici/probabilistici. Viene introdotto poi il concetto di sistema visto come apparato in grado di trasformare un segnale in ingresso in un segnale in uscita: il comportamento del sistema viene cos`ı descritto dalla relazione ingresso-uscita. Si osserva che la somma di segnali `e ancora un segnale, cos`ı come la moltiplicazione

di un segnale per uno scalare. Questo porta a studiare gli spazi di segnali come spazi

vettoriali; viene introdotta l’importante nozione di base in uno spazio e, attraverso la nozione di prodotto interno, quella di base ortogonale. Questi concetti sono centrali per l’introduzione di nuove rappresentazioni di segnali, oggetto di analisi nel capitolo 2. Vengono poi introdotte due importanti classi di sistemi: sistemi lineari e sistemi tempo- invarianti. In particolare, si mostra che il comportamento di un sistema lineare tempo- invariante (LTI) `e univocamente individuato dalla risposta del sistema al segnale impulsivo. Limitatamente ai sistemi LTI, vengono infine discusse le nozioni di causalit`a e stabilit`a.

1.1 Segnali e Informazione

Un segnale `e costituito da una entit`a contenente qualche tipo di informazione che pu`o essere estratta, trasmessa o elaborata. In un segnale `e generalmente distinguibile un supporto fisico dall’informazione veicolata. Ad esempio, `e noto che il gatto usa marcare il territorio con particolari secrezioni: il supporto fisico `e costituito da molecole, e l’informazione che si vuol comunicare `e il possesso del territorio. Segnali di particolare interesse nella vita quotidiana sono:

segnali del parlato, che si incontrano anche in telefonia e radio; segnali video e immagini; suoni e musica, riproducibili ad esempio da un lettore di CD; segnali biomedici, come elettrocardiogrammi e radiografie.

Un segnale `e rappresentato da una funzione g = f (c), dove:

g denota una variabile (dipendente) sui valori di una grandezza fisica o chimica (corrente, tensione, pressione, concentrazione di molecole e cos`ı via).

c denota una o piu` variabili indipendenti generalmente coordinate spaziali o tempo- rali.

f denota la relazione funzionale che associa ad ogni valore di c il corrispondente valore della grandezza fisica g.

In Figura 1.1 `e mostrato un esempio di segnale acustico.

Esso `e identificato dalla

1.1.

Segnali e Informazione

3

p t
p
t

Figura 1.1 Segnale acustico.

complicata funzione p(t) il cui grafico d`a la pressione acustica, in un punto dello spazio, in funzione del tempo. Segnali che hanno il tempo come variabile indipendente si dicono segnali temporali, e ad essi `e dedicata gran parte di questo corso.

Un secondo esempio ci viene offerto dall’immagine monocromatica di Figura 1.2, iden- tificata dalla funzione L(x, y), che d`a la luminosit`a in funzione delle due coordinate spaziali (x, y).

in funzione delle due coordinate spaziali ( x, y ). Figura 1.2 Immagine monocromatica. I metodi

Figura 1.2 Immagine monocromatica.

I metodi per l’elaborazione dei segnali assumono oggi grande rilievo, poich´e la capacit`a di elaborare o trasmettere informazioni per via automatica `e una caratteristica importante dell’attuale societ`a. L’elaborazione dei segnali trova feconde applicazioni nelle due aree principali:

1. trasmissione, ricezione e memorizzazione efficiente ed affidabile dei segnali nelle telecomunicazioni;

2. estrazione di informazione da segnali rumorosi con tecniche di riconoscimento di forme, per previsione e controllo.

4

Segnali e Sistemi

1.2 Classificazione dei Segnali

Il mondo che ci circonda `e in gran parte basato su segnali analogici: il tempo, le coor- dinate spaziali, grandezze fisiche come l’intensit`a della luce e del suono assumono valori continui. I nostri organi sensori traducono i segnali analogici in segnali elettrici; questi vengono analizzati dal cervello che prende decisioni estraendo le informazioni veicolate. Va segnalato che in questo processo la maggior parte dei segnali ambientali viene riconosciuta come rumore di fondo e filtrata.

D’altro lato, la tecnologia digitale assume oggi grande rilievo per la sua flessibilit`a nelle applicazioni; `e dunque ragionevole pensare di utilizzare questa tecnologia per l’e- laborazione dei segnali. Il mondo analogico `e tuttavia distante da quello digitale: un elaboratore lavora su una scala di tempi discreta, scandita dal clock, ed inoltre i valori che pu`o assumere una grandezza trattata digitalmente sono finiti. La trattazione digitale dei segnali richiede dunque la soluzione di due problemi di rilievo:

1. interfacciare il mondo analogico con quello digitale;

2. dotarsi di strumenti per trattare numericamente segnali digitali che, a causa delle approssimazioni, sono intrinsicamente “rumorosi”.

A questo riguardo, `e utile introdurre la seguente semplice classificazione di segnali temporali. Un segnale temporale `e rappresentato da una funzione y = f (t), dove t `e una variabile che identifica il tempo, y il corrispondente valore di una opportuna grandezza, quale la pressione, tensione, corrente.

Segnali Continui e Discreti

Abbiamo i seguenti casi:

1. La variabile t assume valori reali oppure valori in un sottoinsieme discreto di numeri reali (ad esempio i multipli interi di un intervallo temporale τ ).

Nel primo caso il segnale sar`a detto a tempo continuo, nel secondo a tempo discreto. Ad esempio, campionando il segnale a tempo continuo f (t) agli istanti si ottiene il segnale a tempo discreto f ().

2. La variabile y assume valori reali oppure valori in un sottoinsieme finito di numeri reali (ad esempio i 2 m numeri interi tra 0 e 2 m 1 codificabili in notazione binaria con m bit).

Nel primo caso il segnale sar`a detto a valori continui, nel secondo a valori finiti. Ad esempio, indicando con sgn(x) la funzione segno (sgn(x) = 1 se x > 0, sgn(x) = 1 se x < 0) il segnale sgn(f (t)) risulta essere a valori finiti.

Potremo di conseguenza classificare i segnali in segnali a valori continui e tempo con- tinuo, segnali a valori continui e tempo discreto, segnali a valori finiti e tempo continuo,

1.2.

Classificazione dei Segnali

5

f(t) t (a) f(n) n
f(t)
t
(a)
f(n)
n

(c)

f(t) t
f(t)
t
(b) f(n) n
(b)
f(n)
n

(d)

Figura 1.3 (a) Segnale a valori finiti e tempo continuo. (b) Segnale continuo a tempo continuo. (c) Segnale a valori finiti e tempo discreto. (d) Segnale continuo a tempo discreto.

segnali a valori finiti e tempo discreto. In Figura 1.3 sono illustrati vari tipi di segnale.

I segnali discreti a tempo discreto sono detti anche segnali digitali, come opposto ai segnali continui a tempo continuo detti segnali analogici. Osserviamo che un segnale digitale di durata temporale limitata pu`o essere memoriz- zato su un supporto digitale, venendo rappresentato da una quantit`a finita di bit. Sia infatti f (t) un segnale tale che f (t) = 0 per t 0 e per t > T , e quindi di durata T . Supponiamo che f (t) sia a valori finiti, diciamo a N valori, e sia campionato ai tempi . Il segnale digitale f () `e perfettamente descritto dal vettore:

f (τ ), f (2τ ), f (3τ ),

, f ( T τ)

τ

Ogni componente del vettore `e codificabile con un numero di bit pari al primo intero maggiore o uguale di log 2 (N ) , quindi il segnale digitale pu`o essere memorizzato con M bit, dove:

M

= T

τ

·

log 2 (N)

Segnali Deterministici e Probabilistici

Supponiamo di avere una sorgente, cio`e una “scatola nera” che, opportunamente sollecita- ta, produca un segnale f (t). Questo ci permette di riprodurre il segnale f (t) in modo

6

Segnali e Sistemi

“deterministico”: una sollecitazione alla sorgente produrr`a sempre lo stesso segnale. Per questi segnali vale la seguente importante propriet`a. Date M sorgenti determinis-

tiche 1, 2,

rispettivamente le informazioni distinte I 1 , I 2 ,

k `e in linea di principio sempre possibile ricostruire l’informazione I k . Esistono tuttavia situazioni in cui il precedente modello non risulta adeguato. Per esempio in molti casi non c’`e un modo univoco per rappresentare una informazione con un segnale: la stessa parola w sar`a realizzata in diversi modi da diverse persone o ad- dirittura dalla stessa persona in diverse circostanze. Analogamente, il rumore prodotto dal passaggio di automobili su una strada pubblica non `e modellabile da una sorgente deterministica. In questi casi potremo solo costruire una sorgente che, sollecitata, produce una real- izzazione r scelta arbitrariamente in un insieme di realizzazioni possibili R, dando luogo al segnale f (t, r) (non determinismo): va da s´e che il trattamento di segnali prodotti da sorgenti non-deterministiche `e soggetto a pesanti margini di incertezza. Fortunatamente, `e spesso possibile assegnare la probabilit`a che la scatola, sollecitata, produca una data realizzazione: parleremo in questi casi di segnali probabilistici. In questa situazione, i margini di incertezza permangono, ma almeno `e possibile darne una quantificazione. I segnali probabilistici, di grande importanza nella modellazione del rumore, non saranno trattati in questo testo.

, f M (t), supponiamo che i segnali veicolino , I M . Dal segnale generato dalla sorgente

, M che generano i segnali f 1 (t),

1.3 Esempi di segnali

Si vogliono introdurre alcuni esempi di segnali frequentemente utilizzati nelle applicazioni.

Segnale sinusoidale

Si consideri il cerchio goniometrico, ossia il cerchio unitario di 2 centrato nell’origine. Dato un angolo di ampiezza α, lo si trasporta in modo che il vertice coincida con O e il primo lato coincida con il semiasse positivo delle ascisse. Il secondo lato dell’angolo taglier`a la circonferenza in un punto P avente per ascissa il coseno di α e per ordinata il seno di α (figura 1.4). Le funzioni seno e coseno sono continue, definite su tutto l’asse reale a valori nell’in- tervallo [1, 1]. Un segnale sinusoidale si ottiene per dilatazione e/o traslazione di una funzione seno ed `e definito dalla seguente espressione:

f (t) = A sin (2πνt + ϕ)

Dove:

A `e l’ampiezza e indica il modulo del valore massimo e del valore minimo assunto dal segnale

1.3.

Esempi di segnali

7

1.3. Esempi di segnali 7 Figura 1.4 Definizione di Seno e coseno di un angolo •

Figura 1.4 Definizione di Seno e coseno di un angolo

ν `e la frequenza e indica il numero di oscillazioni effettuate in una unit`a di tempo, misurata in Hertz o in rad/sec se si considera nella forma 2πν, inoltre si definisce il periodo del segnale come T = 1.

ϕ e la fase iniziale e indica la fase al tempo t = 0 (traslazione)

Nella figura 1.5 si mostra come varia un segnale sinusoidale al variare dei suoi parametri Ampiezza, Frequenza e Fase iniziale rispettivamente.

Ampiezza, Frequenza e Fase iniziale rispettivamente. Figura 1.5 Funzioni sinusoidali di differenti frequenze,
Ampiezza, Frequenza e Fase iniziale rispettivamente. Figura 1.5 Funzioni sinusoidali di differenti frequenze,
Ampiezza, Frequenza e Fase iniziale rispettivamente. Figura 1.5 Funzioni sinusoidali di differenti frequenze,

Figura 1.5 Funzioni sinusoidali di differenti frequenze, ampiezze e fasi iniziali

8

Segnali e Sistemi

Segnale cosinusoidale

Per la nota formula trigonometrica:

cos (α) = sin (α + π/2)

si pu`o affermare che un segnale cosinusoidale `e semplicemente un segnale sinusoidale traslato a sinistra di π/2.

Segnale sinc

La funzione sinc (x) `e definita come segue:

sinc (x) = sin πx (πx)

.

Essa `e continua, limitata e definita su tutto l’asse reale. Un segnale sinc si ottiene dilatando e/o amplificando la funzione sinc attraverso i due parametri: l’ampiezza A della sinc, e la frequenza K della sinc. Il segnale sinc di ampiezza A e frequenza K `e dato da A sinc(kt). Nella figura 1.6 viene mostrato il comportamento di un segnale sinc al variare dei suoi due parametri A e K.

segnale sinc al variare dei suoi due parametri A e K . Figura 1.6 Segnali sinc
segnale sinc al variare dei suoi due parametri A e K . Figura 1.6 Segnali sinc

Figura 1.6 Segnali sinc di diversa ampiezza e frequenza

Segnali rettangolari

La funzione Rettangolo `e definita come segue:

rect (x) =

1

0

|x| ≤ 1/2 |x| > 1/2

Essa `e una funzione limitata e definita su tutto l’asse reale. unitario ed ha due punti di discontinuit`a in x = ±

1

2 .

Rappresenta lo scalino

1.3.

Esempi di segnali

9

Un segnale rettangolare si ottiene dilatando e/o amplificando la funzione rettangolo

l’ampiezza A dello scalino, e il periodo o durata T dello

attraverso i due parametri:

scalino. Il segnale rettangolare di ampiezza A e di durata T e dato da A · rect( T ). Nella figura 1.7 sono rappresentati segnali rettangolari di diversa ampiezza e durata.

x

segnali rettangolari di diversa ampiezza e durata. x Figura 1.7 Segnali Rettangolari di diversa ampiezza e
segnali rettangolari di diversa ampiezza e durata. x Figura 1.7 Segnali Rettangolari di diversa ampiezza e

Figura 1.7 Segnali Rettangolari di diversa ampiezza e durata

Delta di Dirac

La funzione impulso (o delta di Dirac) δ(t) pu`o essere intuitivamente pensata come un

rettangolo di base ‘infinitesima’ ∆ e di altezza ‘infinita’

δ(t)dt sia 1. Essa non `e quindi una funzione nel senso di Dirichelet, e sar`a detta

‘funzione generalizzata’: infatti, mentre ha senso dire che δ(t) = 0 se t

dire che δ(0) = +poich´e non `e un numero. Intuitivamente δ(t) pu`o essere pensata come limite (per ∆ 0) di una sequenza di

funzioni non negative p (t), dove p (t) `e nulla al di fuori dell’intervallo [/2, /2] e

p (x)dx = 1. Un esempio `e mostrato in Figura 1.8: qui la funzione impulso

`e definita come il limite di un impulso rettangolare,

, in modo che l’area sottostante

1

+

−∞

= 0, non ha senso

tale che

+

−∞

δ(t) = lim

0

· rect

1

.

t

Fissato un reale x, la funzione generalizzata δ(t x) `e interpretabile come impulso al tempo x e per essa valgono le seguenti propriet`a:

δ(t x) = 0 se t

= x,

−∞

δ(t x)dx = 1.

10

Segnali e Sistemi

p(t)

1/∆

−∆/2

∆/2

t

Figura 1.8 Impulso per la generazione della funzione delta di Dirac.

1.4 Sistemi per l’Elaborazione dei Segnali Deterministici

Date due famiglie F 1 ed F 2 di segnali, un sistema `e un apparato in grado di trasformare un qualsiasi segnale di F 1 in un segnale di F 2 . Il sistema pu`o allora essere visto come una scatola nera il cui comportamento `e la legge di trasformazione

S : F 1 F 2 .

In Figura 1.9 `e data una rappresentazione grafica di un sistema che, avendo in ingresso il segnale f (t), d`a in uscita il segnale g(t); si dice anche che g(t) `e la risposta del sistema S all’ingresso f (t) e si scrive g = S(f ).

Sistema

Ingresso Uscita f(t) S g(t)
Ingresso
Uscita
f(t)
S
g(t)

Figura 1.9 Rappresentazione grafica di un sistema.

Esempio 1.4.1

Semplici esempi di sistemi sono quelli che permettono di ottenere la traslazione tem- porale (ritardo), ed il cambio di scala di segnali dati (Figura 1.10).

1. La traslazione (o ritardo) trasforma il segnale f (t) nel segnale f (t t 0 ) che rappresenta lo stesso segnale ritardato di t 0 .

2. Il cambio di scala nel tempo (o scalatura) trasforma il segnale f (t) nel segnale f (at). L’effetto che si ottiene in questo caso `e quello di una compressione lineare (se |a| > 1) o di un allungamento o rilassamento lineare (se |a| < 1).

1.4.

Sistemi per l’Elaborazione dei Segnali Deterministici

11

x(t) 0 t
x(t)
0
t
x(t) 0 1 t
x(t)
0
1
t

t 0

Ritardo
Ritardo
x(t−t 0 ) 0 t t 0
x(t−t 0 )
0
t
t 0

(a)

a

Scalatura
Scalatura

(b)

x(at) 0 1/a t
x(at)
0 1/a
t

Figura 1.10 (a) Ritardo. (b) Scalatura.

Esempio 1.4.2

Un importante esempio di sistema `e il Campionatore a periodo τ (o equivalentemente

a frequenza di campionamento F s = 1), illustrato in Figura 1.11.

f(t)

F s = 1 /τ ), illustrato in Figura 1.11. f(t) t f(n τ ) Campionatore

t

f(n

τ

)

Campionatore
Campionatore
Campionatore

Campionatore

Campionatore
Campionatore

Figura 1.11 Campionatore.

0 τ n
0
τ
n

Esso trasforma il segnale a tempo continuo f (t) nel segnale a tempo discreto f (). In seguito sar`a affrontato l’importante problema di determinare condizioni per cui il segnale f (t) `e ricostruibile a partire dal segnale campionato f ().

Esempio 1.4.3

Dato un insieme finito V = {x 1 ,

ad ogni reale x associa l’elemento in V piu` vicino ad x, cio`e:

, x m } di numeri, consideriamo la funzione Q che

Q(x) = arg min |x x k |

x k V

Il sistema quantizzatore associa al segnale f (t) il segnale Q(f (t)). Tale sistema riceve

in ingresso un segnale continuo e restituisce un segnale a valori finiti. Un esempio di

quantizzatore a 2 valori {1, 1} `e dato in Figura 1.12.

In questo caso:

Q (x) =

1 se x > 0 se x 0

1

12

Segnali e Sistemi

f(t)

12 Segnali e Sistemi f(t) t Q(f(t)) Quantizzatore a 1 bit Figura 1.12 Quantizzatore. Esso coincide
12 Segnali e Sistemi f(t) t Q(f(t)) Quantizzatore a 1 bit Figura 1.12 Quantizzatore. Esso coincide

t

Q(f(t))

Quantizzatore a 1 bit
Quantizzatore a 1 bit

Quantizzatore a 1 bit

Quantizzatore a 1 bit
Quantizzatore a 1 bit
Quantizzatore a 1 bit

Figura 1.12 Quantizzatore.

Esso coincide con la funzione Signum (x).

t
t

1.4.1 Composizionalit`a nei Sistemi

I sistemi “complessi” sono quelli costituiti da un gran numero di sistemi “semplici”; per poter trattare con sistemi complessi, `e di grande importanza riuscire a comprenderne il comportamento a partire da quello delle loro “componenti principali”. Un approccio che rende agevole questo obbiettivo `e quello modulare: si introducono esplicitamente oper- azioni che trasformano due o piu` sistemi in un nuovo sistema, e la costruzione di un sistema complesso viene ottenuta applicando queste operazioni a sistemi semplici. Senza pretesa di voler essere nemmeno lontanamente esaurienti, introduciamo in questa sezione le operazioni di composizione sequenziale (o cascata), composizione parallela e retroazione, mostrando su esempi la capacit`a di astrazione fornita dall’approccio modulare.

Composizione sequenziale o cascata. Dati due sistemi S 1 : F 1 F 2 e S 2 : F 2 F 3 , la loro composizione `e il sistema S 3 : F 1 F 3 , tale che S 3 (f (t)) = S 2 (S 1 (f(t))) ottenuta ponendo in ingresso a S 2 la risposta di S 1 .

Composizione parallela. Dati due sistemi S 1 : F 1 F 2 e S 2 : F 1 F 2 , la loro composizione parallela `e il sistema che ha come risposta la somma delle risposte di S 1 e S 2 .

Le operazioni introdotte sono illustrate in Figura 1.13.

Esempio 1.4.4

Conversione analogico-digitale. Dalla composizione sequenziale di un campionatore e di un quantizzatore si ottiene un convertitore analogico digitale (ADC), che trasforma un segnale analogico in un segnale digitale (vedi Figura 1.14).

Esempio 1.4.5

Elaborazione digitale di segnali analogici e trasmissione di segnali digitali. Un conver- titore analogico-digitale (ADC) `e un sistema che trasforma, in modo approssimativa- mente fedele, segnali analogici in segnali digitali.

1.5.

Spazi vettoriali di segnali

13

1.5. Spazi vettoriali di segnali 13 Figura 1.13 (a) Cascata. (b) Composizione parallela. f(t) Campionatore

Figura 1.13 (a) Cascata. (b) Composizione parallela.

f(t)

Figura 1.13 (a) Cascata. (b) Composizione parallela. f(t) Campionatore Quantizzatore ADC x(n) Figura 1.14 Conversione

Campionatore

(a) Cascata. (b) Composizione parallela. f(t) Campionatore Quantizzatore ADC x(n) Figura 1.14 Conversione

Quantizzatore

ADC

Composizione parallela. f(t) Campionatore Quantizzatore ADC x(n) Figura 1.14 Conversione analogico-digitale.

x(n)

Figura 1.14 Conversione analogico-digitale.

L’operazione inversa `e compiuta dal convertitore digitale-analogico (DAC): esso trasfor- ma un segnale digitale in un segnale analogico. Gli ADC e i DAC realizzano dunque l’interfaccia tra il mondo analogico e quello digitale. La composizione sequenziale presentata in Figura 1.15 modella il trattamento di segnali analogici con programmi eseguiti da un elaboratore digitale, mentre quella presentata in Figura 1.16 modella la trasmissione a distanza di segnali digitali utilizzando un supporto analogico.

f(t)

di segnali digitali utilizzando un supporto analogico. f(t) ADC Elaboratore DAC Programma g(t) Figura 1.15 Elaborazione

ADC

segnali digitali utilizzando un supporto analogico. f(t) ADC Elaboratore DAC Programma g(t) Figura 1.15 Elaborazione

Elaboratore

utilizzando un supporto analogico. f(t) ADC Elaboratore DAC Programma g(t) Figura 1.15 Elaborazione digitale dei
utilizzando un supporto analogico. f(t) ADC Elaboratore DAC Programma g(t) Figura 1.15 Elaborazione digitale dei

DAC

utilizzando un supporto analogico. f(t) ADC Elaboratore DAC Programma g(t) Figura 1.15 Elaborazione digitale dei

Programma

g(t)

Figura 1.15 Elaborazione digitale dei segnali analogici.

1.5 Spazi vettoriali di segnali

Dati due segnali f 1 (t) e f 2 (t), la loro somma `e il segnale f (t) ottenuto dalla sovrappo- sizione di f 1 (t) e f 2 (t) cos`ı definito:

14

Segnali e Sistemi

14 Segnali e Sistemi Figura 1.16 Trasmissione di segnali digitali su supporto analogico. f ( t

Figura 1.16 Trasmissione di segnali digitali su supporto analogico.

f(t) = f 1 (t) + f 2 (t)

Dato il segnale f 1 (t) e un numero reale a, il prodotto di f 1 (t) per lo scalare a segnale f (t) ottenuto amplificando f (t) di un fattore a, cio`e:

f (t) = af 1 (t)

L’operazione di somma `e commutativa e associativa; il segnale ovunque nullo 0 `e tale che:

f(t) + 0 = f(t)

ed inoltre per il segnale f (t) esiste il segnale opposto f (t) tale che

f(t) f(t) = 0

il

`e

Vale inoltre che

a(bf (t)) = abf (t) (a e b sono scalari) a(f 1 (t) + f 2 (t)) = af 1 (t) + af 2 (t)

Ne segue che l’insieme dei segnali, dotato delle operazioni sopra definite, forma uno spazio vettoriale.

Data una famiglia {f 1 (t),

, f r (t)} di segnali, la somma pesata

f(t) = a 1 f 1 (t) + a 2 f 2 (t) +

+

a r f r (t) =

r

k=1

a k f k (t)

`e detta combinazione lineare; essa rappresenta la sovrapposizione (pesata) dei segnali

f 1 (t),

,

f r (t).

Introducendo opportune nozioni di limite, questa operazione pu`o essere estesa ad infiniti segnali, dando senso a espressioni del tipo:

+

k=−∞

a k f k (t)

Data una famiglia di segnali {f 1 (t), mente dipendente dalla famiglia {f 1 (t),

nazione lineare dei segnali della famiglia; altrimenti `e detto linearmente indipendente da

, f r (t)} se esso pu`o essere ottenuto come combi-

, f r (t)}, diremo che un segnale f (t) `e linear-

1.5.

Spazi vettoriali di segnali

15

{f 1 (t),

, f r (t)}.

, f r (t)}; se

ogni segnale f (t) F si pu`o ottenere come combinazione lineare di segnali della famiglia

{f 1 (t),

Sia F un sottospazio vettoriale di segnali contenente la famiglia {f 1 (t),

, f r (t)}, cio`e se:

f(t) =

r

a k f k (t)

k=1

allora {f 1 (t),

, f r (t)} un qualsiasi suo elemen-

, f r (t)}

`e una base. Questo `e equivalente a richiedere che ogni elemento di f k (t) sia linearmente indipendente dai restanti.

to, il nuovo insieme non `e piu` in grado di generare F , allora diremo che {f 1 (t),

, f r (t)} `e detto insieme di generatori di F .

Inoltre, se succede che togliendo alla famiglia {f 1 (t),

Se {f k (t)} `e una base per F si pu`o dimostrare che per ogni f (t) F esiste una sola sequenza di coefficienti a k tali che:

f(t) =

r

k=1

a k f k (t)

Dato un segnale f (t) F e una base {f k (t)} per F risulta allora che f (t) `e biunivocamente individuato dalla sequenza dei coefficenti a k . Introducendo opportune nozioni di limite, la nozione di base pu`o essere estesa a basi con infiniti elementi. Questo porta all’importante problema di analisi.

Problema di analisi: Data una base {f 1 (t),

f k (t),

,

a k ,

, F , e un segnale f (t)F , determinare i coefficienti a 1 ,

}

per uno spazio di segnali

tali che:

Si osservi che i coefficienti a 1 , alternativa di f (t).

f(t) = a k f k (t)

k

, a k ,

permettono di ottenere una rappresentazione

Come pu`o essere calcolata la sequenza di coefficienti a k ? Una soluzione semplice ed efficace al problema di analisi esiste nel caso di basi ortogonali.

Per introdurre tale nozione supponiamo che sia definito un prodotto interno (prodotto scalare) tra segnali, cio`e una operazione che ad ogni coppia di segnali f 1 (t) e f 2 (t) associa un numero reale (f 1 (t), f 2 (t)) in modo che:

1. se f (t) non `e il segnale nullo, allora (f (t), f (t)) > 0

2. (af 1 (t) + bf 2 (t), g(t)) = a(f 1 (t), g(t)) + b(f 2 (t), g(t))

16

Segnali e Sistemi

Esempio 1.5.1

Consideriamo lo spazio n formato da n-uple di numeri reali, cio`e n = {(x 1 con le operazioni:

., x n ), x k },

(x 1 ,

,

x n ) + (y 1 ,

,

y n ) = (x 1 + y 1 ,

, x n + y n )

a(x 1 ,

,

x n ) = (ax 1 ,

, ax n )

,

Questo spazio `e uno spazio vettoriale, e, posto x = (x 1 ,

x n ) e y = (y 1 ,

, y n ),l’operazione

(x, y) =

n

i=1

x i y i

`e un prodotto interno. Osserviamo che x = (x, x) `e la lunghezza del vettore x ed `e possibile mostrare che:

(x, y) = x · y · cos θ

dove θ `e l’angolo tra il vettore x e y.

Esempio 1.5.2

Per segnali continui definiti sull’intervallo [0, 1] la seguente operazione `e un prodotto interno:

(f (t), g(t)) = 1 f (t)g(t)dt

0

Esempio 1.5.3

Per i segnali a tempo discreto (con opportune condizioni che garantiscono la conver- genza) la seguente operazione `e un prodotto interno

Una base {f 1 (t),

,

f k (t),

(f (n), g(n)) =

+

k=−∞

f(k)g(k)

} `e detta ortogonale se i

= j risulta :

(f i (t), f j (t)) = 0

Da esempio 1.5.1, infatti il prodotto interno `e 0 se l’angolo θ tra i vettori `e tale che cos θ = 0, cio`e i vettori sono perpendicolari. Possiamo a questo punto enunciare l’importante

1.5.

Spazi vettoriali di segnali

17

Fatto 1: se {f 1 (t),

ogni segnale f (t) F `e tale che:

, f k (t),

.} `e una base ortogonale per uno spazio di segnali F , allora

dove

Dim:

f(t) = a k f k (t)

k

a j = (f(t), f j (t)) (f j (t), f j (t))

(f(t), f j (t)) =

a k f k (t), f j (t) =

k

Ricavando a j , si ottiene il risultato.

a k (f k (t), f j (t)) = a j (f j (t), f j (t))

k

, per ogni j, la base viene detta ortonormale. Per basi ortonormali, il Fatto 1 si specializza come segue:

Se in una base ortogonale {f 1 (t),

f k (t),

}

vale ulteriormente che (f j (t), f j (t)) = 1

Fatto 2:

allora ogni segnale f (t) F `e tale che:

se {f 1 (t),

,

f k (t),

}

`e una base ortonormale per uno spazio di segnali F ,

dove

f(t) =