Sei sulla pagina 1di 78

Segnali multidimensionali e

reticoli di campionamento
Augusto Sarti
Dipartimento di Elettronica e Informazione
Politecnico di Milano - Italy
2
Introduzione
Segnale analogico
Dominio: spazio vettoriale generato da N vettori linearmente
indipendenti, generalmente ortonormali
Segnale discreto
Dominio: insieme di punti generati dalla combinazione lineare a
coefficienti interi di N vettori linearmente indipendenti.
Tale insieme chiamato reticolo e i vettori ne sono una base
Segnale misto
Dominio: in parte continuo, in parte discreto.
Prodotto cartesiano di uno spazio continuo e uno discreto 9
N-M
A
M
,
dove A
M
un reticolo M-dimensionale.
Un segnale N-dimensionale una funzione, generalmente complessa, che
assume valori in un dominio N-dimensionale
3
Segnali analogici
Un segnale analogico indicato con:
T
N
x x x u ] ,..., , [ con ) (
2 1
= x x
Un esempio di segnale analogico 2D :
4
Segnali analogici: definizioni
2
2
2 1
... ) ,..., , ( .......
2
1
lim
) (
) ( ) (
2 1
u
u
u
u
A
A
A
A
N
N
A
u
u
m P
A E
dx dx dx x x x u
A
m
d u A
u u
N
=
=
|
.
|

\
|
=
=
=
} }
}
+

+
+
Potenza -
Energia -
: tico determinis medio Valor -

Area -
traslato Segnale -
x x
r x x r
5
Funzioni separabili
Un segnale N dimensionale si dice separabile quando pu essere
scomposto nel prodotto di N segnali monodimensionali:
) ( ).... ( ) ( ) (
2 1 2 1 N
x u x u x u u
N
= x
6
Funzioni cilindriche
I segnali cilindrici sono funzioni che sono costanti lungo una
direzione (direzione di cilindricit)
In 2D sono funzioni cilindriche:
) sin cos ( ) , (
2 , 1 , ) ( ) , (
2 1 2 1
2 1
0 0 x x f x x u
i x f x x u
i
+ =
= =
con 0+t/2 direzione di cilindricit.
7
Funzioni lama
Le funzioni lama sono funzioni impulsive in una direzione e
costanti nellaltra
Funzioni lama bidimensionali sono:
Le lame sagomate sono funzioni lama che non hanno un profilo
costante ma seguono landamento di una funzione
) sin cos ( ) , (
2 , 1 ) ( ) , (
2 1 2 1
2 1
0 0 o
o
x x x x u
i x x x u
i
+ =
= = ,
con 0+t/2 direzione della lama.
) ( ) ( ) ( ) ( ) (
1 2 1
f V U x x v u = = f x o
8
Segnali analogici: convoluzione
La convoluzione tra segnali N-dimensionali definita come:
} }
}
+

+

9
=
= -
N N N N
dy dy y x y x v y y u
d v u v u
... ) ,..., ( ) ,..., ( ......
) ( ) ( ) (
1 1 1 1
N
y y x y x
*
=
9
Fourier in N dimensioni
Esponenziale complesso N-dimensionale
T
N
j
f f f e s
T
] ,..., , [ , ) (
2 1
2
= = f x
x f t
Trasformata di Fourier del segnale u(x):
}
9

=
N
x x f
x f
d e u U
T
j 2
) ( ) (
t
Antitrasformata di Fourier del segnale U(f):
}
9
=
N
T
d e U u
j
f f x
x f 2
) ( ) (
t
Propriet della trasformata
1. Linearit
2. Somiglianza
3. Convoluzione
4. Moltiplicazione
10
) ( ) ( ) ( ) ( f f x x V b U a v b u a + +
) ( ) ( ) ( f x x V U v u -
) (
) det(
1
) ( f V
V
Vx
T
U u

) ( ) ( ) ( f f x V U v u -
Propriet della trasformata
11
} }
} }
=
=
f f x x
f f f x x x
d U d u
d V U d v u
2
2
* *
) ( ) (
) ( ) ( ) ( ) (
5. Separabilit
6. Traslazione
7. Derivazione
8. Parseval
) ( )... ( ) ( ) ( )... ( ) (
1 1 1 1 N N N N
f U f U U x u x u u = = f x
) 2 exp( ) ( ) ( r f f r x
T
j U u t
i
i
f
U
u x j
c
c

) (
) ( 2
f
x t
12
Propriet della trasformata
Nota: la trasformata di Fourier di un segnale separabile
pu essere vista o come il prodotto di due funzioni
cilindriche o come la convoluzione di due funzioni lama:
)) ( ) ( ( * )) ( ) ( ( ) ( ) ( ) , (
) 1 ) ( ( ) 1 ) ( ( ) ( ) ( ) , (
1 2 2 1 2 1 2 1
2 1 2 1 2 1
f f V f f U f V f U f f S
x v x u x v x u x x s
o o = =
= =

13
Segnali analogici 2D:esempi
Impulso di Dirac bidimensionale:
) ( ) ( ) (
2 1
x x o o o = x
A U A u = = ) ( ) ( ) ( f x x o
14
Segnali analogici 2D:esempi
Lame bidimensionali:
15
Segnali analogici 2D:esempi
Funzioni separabili:
) ( ) ( ) ( ) ( ) (
1
) (
2 1
2 1
2
A A =
A A A
= f rect f rect U
x
sinc
x
sinc u f x
16
Segnali analogici 2D:esempi
) ( ) ( ) ( ) ( ) (
2 1
1
f f sinc U
x
rect u o A A =
A
= x x
Funzioni cilindriche:
17
Segnali analogici 2D:esempi
Sinusoide
bidimensionale:
)] ( 2 cos[ ) (
2 2 1 1
x f x f s + = t x
18
Segnali discreti
Assumono valore su un insieme discreto e numerabile
di punti
Per poter definire una trasformata di Fourier il dominio
devessere un reticolo
u(n)=u(n
1
,n
2
,,n
N
) , n
i
eZ
19
Reticoli
Propriet:
1. Il numero di punti contenuti nellipersfera di raggio r
deve tendere allinfinito per r che tende allinfinito
2. Il numero di punti che giace in una regione finita finito
3. Ogni punto assume la stessa posizione relativa rispetto
agli altri punti (invarianza rispetto alla traslazione,
autosomiglianza)
20
Reticoli
I reticoli possiedono la struttura algebrica di gruppo
abeliano (requisito minimo per poter definire la tf di
Fourier)
gruppo abeliano:
1. Esiste elemento neutro;
2. Ogni elemento ammette lopposto;
3. Propriet associativa;
4. Propriet commutativa.
21
Reticoli
{ }
N
N
i
i i i
Z
Z n n
e = 9 e = A
)
`

e = 9 e = A

=
n Vn x x
v x x
N
N
, :
, :
1
Reticolo N-dimensionale:
combinazione lineare a coefficienti interi di N vettori
linearmente indipendenti
Dove v
i
i vettori della base e V la matrice base
22
Reticoli
una base V definisce un un unico reticolo A=Lat(V)
un reticolo ammette infinite basi ottenibili post-
moltiplicando una qualunque di esse base per una
matrice M a determinante unitario U=VM
(
(
(

A A

A A
= =
(

=
(
(
(

A
A
A
=
2 2
2 2
1 1
0 1
2
0
2
2 2
1 1
2
1
1
VM U
M V
23
Reticoli
Si definisce parallelepipedo fondamentale di un reticolo:
{ } 1 0 , ... :
2 2 1 1
< s + + + = 9 e =
i N N
N
P o o o o v v v x x
24
Reticoli(6)
Volume del parallelepipedo fondamentale =
determinante della matrice base
inverso del volume = la densit del reticolo (campioni
per unit di superficie)
) det(
1
) (
V
V =
) det( ) det( ) det( ) det( ) det(
1
V M V VM U = = =
=

Tali misure non dipendono dalla base, infatti:
25
Sottoreticoli
Dato un reticolo A, I ne un sottoreticolo se
1. IcA
2. I ha la struttura di un reticolo
Si pu dimostrare che:
I un sottoreticolo di A esiste M tale che U=VM
|det(M)| = fattore di riduzione
26
Sottoreticoli: esempio
(

A
A A
= =
(

=
(

A
A
=
2
1 1
2
1
2 0
4
1 0
2 4
0
0
VM U M V
27
Segnali discreti: definizioni

e
A e
= =
N
Z
u
u u A
n
x
Vn x ) ( ) (
1. Area
2. Valor medio
3. Energia
4. Potenza
2
u
u
m P =

+
=
+
=
+
|
.
|

\
|
+
=
M
M n
M
M n
N
M
u
N
u
M
m
1
) ( ...
1 2
1
lim Vn
2
u
u
A E =
28
Segnali discreti: definizioni

=
=
altrove 0
1
) (
0 x
x o


=
= =
A e
e
1 2
) , ( ) , ( ) , (
) ( ) ( ) ( ) ( ) (
2 2 1 1 2 1 2 1
k k
Z
k n k n k k u n n u
u u u
N
o
o o
y
k
Vk Vn Vk y x y x
Impulso discreto:
filari di impulsi = controparte discreta delle funzioni lama
Qualsiasi sequenza pu essere espressa come somma
di impulsi traslati e pesati
29
Segnali discreti: definizioni
Separabilit: come per i segnali analogici
Periodicit:
A c I e = + r x r x , ) ( ) ( u u
con I = reticolo di periodicit e sottoreticolo di A
30
Segnali discreti: definizioni
Convoluzione:

A e
=
y
y x y x x ) ( ) ( ) ( * ) ( v u v u
* =
31
Trasformata di Fourier

A e

=
=
N
T
T
Z
j
j
e u
e u U
n
Vn f
x
x f
Vn
x f
t
t
2
2
) (
) ( ) (
32
Periodicit della trasformata
1
) ( ) (
) (
) ( ) (
2
2
2 2
) ( 2
=
= =
=
= +

A e

A e

A e
+

x r
x
x f
x r
x
x f
x
x r f
f x
x
x r f
T
T
T T
T
j
j
j j
j
e
U e u
e e u
e u U
t
t
t t
t
La trasformata di un segnale discreto periodica:
33
Periodicit della trasformata
Dal calcolo precedente si deduce che le repliche si
trovano su di un reticolo:
{ }
T
T T T T
T N
Z Z
Z

-
=
= e e
=
=
A e e 9 e = A
V V
I V V Vn V m x r
m V r
Vn x
x x r r

, :
posto
34
Periodicit della trasformata
Nota: il reticolo reciproco ha densit reciproca, infatti:
1
) det( )

det(

= V V
35
Periodicit della trasformata
Esempi:
36
Periodicit della trasformata
37
Celle elementari
La trasformata di un segnale discreto definito su A
periodico su A
*
Un A
*
-periodo di 9
N
detto cella elementare
Un insieme Cc9
N
una cella elementare se:
s r s r s r
r
r
= A e = + +
9 = +
-
A e
-
, , , 0 ) ( ) (
) (
C C
C
N

38
Celle elementari
39
Antitrasformata di Fourier
Se P
*
un A
*
-periodo di 9
N
, la antitrasformata di Fourier
definita come:
}
=
*
2
) ( ) det( ) (
P
j
d e U u
T
f f V x
x f t
Propriet della trasformata
1. Linearit
2. Convoluzione
3. Moltiplicazione
4. Separabilit
40
) ( ) ( ) ( ) ( f f x x V b U a v b u a + +
) ( ) ( ) ( f x x V U v u -
) ( ) ( ) ( f f x V U v u -
) ( )... ( ) ( ) ( )... ( ) (
1 1 1 1 N N N N
f U f U U x u x u u = = f x
41
Propriet della trasformata
) 2 exp( ) ( ) ( r f f r x
T
j U u t
5. Traslazione
6. Valore centrale e continua
7. Parseval

}
=
=
f f V x x
f f f V x x x
d U d u
d V U d v u
2
2
* *
) ( ) det( ) (
) ( ) ( ) det( ) ( ) (

}
=
=
) ( ) (
) ( ) (
x 0
f f 0
u U
d U u
42
Campionamento
f
U(f)
x
s(x)
A
1/ A
Campionamento
43

*
*
di elementare cella una Sia
A e
9
9
=
+ = 9
A
A e =
9 e =
= =
}
}
r
x f
x f
Vn x
r
x f f x
x f f x
x Vn x
) (
, ) ( ) (
, ) ( ) (
) ( ) ( ) (
*
*
2
2
P
P
d e U u
d e U u
u u u
N
j
c
N j
c c
c
N
T
N
T
t
t
44
Campionamento
}

}

=
=
=
=
A e
A e
e : =

A e

A e
+
*
*
*
*
*
*
*
*
2
1
2 2
) ( 2
2
) (
) det(
1
) det(
) (
) (
) ( ) (
P
j
c
P
Z
j j
c
P
j
c
P
j
c
d e U
d e e U
d e U
d e U u
T
T
T T
T
T
f r f
V
V
f r f
f r f
f f x
x f
r
r
x r
x r x f
r
x r f
r
r
x f
t
t t
t
t

45
Campionamento

e
A e
=
=
N
Z
c
c
U
U U
k
r
k V f
V
r f
V
f
)

(
) det(
1
) (
) det(
1
) (
*
Dunque:
La condizione per un perfetta ricostruzione che non si
abbia equivocazione spettrale o alias, cio che le repliche
non si sovrappongano
46
Prefiltraggio
Per evitare alias occorre prefiltrare
La cella elementare si pu scegliere arbitrariamente,
quindi bene scegliere quella che minimizza lenergia
eliminata per troncamento
Tale metodo distorce il segnale ma lerrore quadratico
medio introdotto minore di quello che introdurrebbe
lalias
47
Esempio
Consideriamo il segnale continuo
La cui trasformata di Fourier :
f
1
f
2
0.5
0.866
|
|
.
|

\
|
|
|
.
|

\
|
+ =
2
1
2
3
2
2 cos x
x
s t
|
|
.
|

\
|
|
|
.
|

\
|
+ + +
|
|
.
|

\
|
=
2
3
,
2
1
2
3
,
2
1
2
1
) , (
2 1 2 1 2 1
f f f f f f S o o
48
Esempio
Campionadolo sul reticolo V e ricostruendo con il filtro
indicato dal rettangolo in figura otteniamo
0.5
0.866
(

=
9 . 0 / 1 0
0 9 . 0 / 1
V
49
Alias: esempi
Segnale ricostruito e affetto da alias:
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
+ +
|
|
.
|

\
|
|
|
.
|

\
|
+ +
|
|
.
|

\
|
|
|
.
|

\
|
+ + +
|
|
.
|

\
|
=
2
3
9 . 0
1
,
2
1
2
3
9 . 0
1
,
2
1
2
1
2
3
,
2
1
2
3
,
2
1
2
1
) , (
2 1 2 1
2 1 2 1 2 1
f f f f
f f f f f f S
o o
o o
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
+
|
|
.
|

\
|
|
|
.
|

\
|
=
2
1
2
1
2 1
2
3
9 . 0
1
,
2
2 cos
2
3
,
2
2 cos ) , ( x
x
x
x
x x s
r
t t
50
Alias: esempi
Segnale originale:
51
Alias: esempi
Segnale affetto da alias:
52
Campionamento rettangolare

A A
=
(

A
A
=
(

A
A
=
1 2
) , (
1
) (
/ 1 0
0 / 1

0
0
2
2
2
1
1
1
2 1
2
1
2
1
k k
c
k
f
k
f U U f
V
V
53
Campionamento rettangolare
54
Campionamento esagonale

A e

A A
=
(

A A
A
=
(

A
A A
=
*
) (
2
) (
/ 2 / 1
0 / 1

2 / 0
2 /
2 1
2 2
1
2
1 1
r
r f f
V V
c
U U
55
Campionamento: confronto
Il campionamento esagonale permette una maggiore
compattazione delle repliche e quindi un risparmio di
campioni
(

=
(

=
W
W W
W
W
e
r
2 / 1 0
3 / 2 3 / 1
2 / 1 0
0 2 / 1
V
V
56
Campionamento: esempio
Segnale continuo nel domino dello spazio:
57
Campionamento: esempio
Segnale continuo nel dominio delle frequenze:
58
Campionamento: esempio
Supporto della trasformata di Fourier:
f
1
f
2
59
Campionamento: esempio
Spettro del segnale campionato:
60
Campionamento: esempio
Spettro del segnale campionato:
e
1
e
2
t
t
61
Ricostruzione
h(x)
A
9
N
9
N
Per ricostruire bisogna:
1. Deperiodicizzare la trasformata mediante il ricostruttore
elementare che fa passare da un dominio discreto ad
un continuo;
2. Azzerare, mediante un filtro opportuno, le repliche della
trasformata.
u
v u
c
62
Ricostruzione

c e
=
=
=

A e
A e
altrove 0
) ( ) det(
) (
) ( ) ( ) (
) ( ) ( ) (
*
P C U
U
h u u
u v
c
c
f f V
f
y x y x
y x y x
y
y
o
63
Ricostruzione
}
}
}
=
=
=
C
j
C
j
C
j
c c
d e h
d e U
d e U u
T
T
T
f V x
f f V
f f x
x f
x f
x f
t
t
t
2
2
2
) det( ) (
) ( ) det(
) ( ) (
64
Serie di Fourier Discreta
Nel caso di segnali discreti periodici la trasformata di
Fourier risulta ridondante ed per questo che si usa la
DFS che permette di descrivere il segnale con un numero
di coefficienti pari al numero di campioni del periodo del
segnale.
65
Serie di Fourier Discreta(2)
La DFS definita come:
) ( , ) (
~
) det(
) det(
) (
~
) ( , ) (
~
) (
~
*
2
2
V x f
W
V
x
W f x f
f
x f
x
x f
Lat e U u
Lat e u U
A
j
A
j
T
T
= A e =
= I e =

t
t
A un I-periodo di A
A
*
un I
*
-periodo di A
*
66
Serie di Fourier Discreta
Nel caso di segnali 2D e reticoli rettangolari si ha:
(

A
A
=
(

A
A
=
(

A
A
(

= =
(

A
A
=
2 2
1 1
2
1
2
1
2
1
2
1
/ 1 0
0 / 1

/ 1 0
0 / 1

0
0
0
0
0
0
N
N
N
N
W V
NV W
V
67
Serie di Fourier Discreta

|
|
.
|

\
|
A
A
+ A
A A A
= A A

|
|
.
|

\
|
A
A
+ A
A
A A =
A A
1
0
1
0
2 2
2 2
2
1 1
1 1
1
2 2
2
1 1
1
2 1
2 2 1 1
1
0
1
0
2 2
2 2
2
1 1
1 1
1
2 2 1 1
2 2
2
1 1
1
1
1
2
2
1
1
2
2
2 exp ) , (
~ 1
) , (
~
2 exp ) , (
~
) , (
~
N
k
N
k
N
n
N
n
n
N
k
n
N
k
j
N
k
N
k
U
N N
n n u
n
N
k
n
N
k
j n n u
N
k
N
k
U
t
t
68
Trasformata di Fourier discreta
Anche per i segnali discreti a supporto compatto
la trasformata di Fourier risulta essere ridondante.
Si ricorre allora alla DFT che risulta essere il
troncamento ad un periodo della DFS del segnale
periodicizzato correttamente, cio senza che le
repliche si sovrappongano. Ci si traduce in un
campionamento corretto dello spettro. Un altro
pregio della DFT lesistenza di algoritmi di
calcolo veloci (FFT).
69
Trasformata di Fourier discreta
Sia u(x) un segnale discreto su A=Lat(V) a supporto
compatto. Sia I=Lat(V)=Lat(NW) un sottoreticolo di A. Si
consideri la periodicizzazione corretta:

e
I e
+ = + = =
N
Z
u u u u
m
y
NVm Vn y x Vn x ) ( ) ( ) (
~
) (
~
La DFT un periodo della DFS di
) (
~
x u
70
Trasformata di Fourier discreta
Nel caso 2D e di reticoli rettangolari si ha:

A + A A + A =
(

A
A
=
(

A
A
=
(

A
A
(

= =
(

A
A
=
2 1
,
2 2 2 2 2 1 1 1 1 1 2 1
2 2
1 1
2
1
2
1
2
1
2
1
) , ( ) , (
~
/ 1 0
0 / 1

/ 1 0
0 / 1

0
0
0
0
0
0
k k
N k n N k n u n n u
N
N
N
N
W V
NV W V
71
Trasformata di Fourier discreta

|
|
.
|

\
|
A
A
+ A
A A A
= A A

|
|
.
|

\
|
A
A
+ A
A
A A =
A A
1
0
1
0
2 2
2 2
2
1 1
1 1
1
2 2
2
1 1
1
2 1
2 2 1 1
1
0
1
0
2 2
2 2
2
1 1
1 1
1
2 2 1 1
2 2
2
1 1
1
1
1
2
2
1
1
2
2
2 exp ) , (
~ 1
) , (
~
2 exp ) , (
~
) , (
~
N
k
N
k
N
n
N
n
n
N
k
n
N
k
j
N
k
N
k
U
N N
n n u
n
N
k
n
N
k
j n n u
N
k
N
k
U
t
t
72
Propriet della DFS (DFT)
) (
~
)... (
~
) (
~
) (
~
) (
~
)... (
~
) (
~
) (
~

separabili Sequenze 4)
) (
~
) (
~
) det(
1
) (
~
) (
~
) det(
1
) (
~
) (
~

Prodotto 3)
) (
~
) (
~
) (
~
) (
~

circolare ne Convoluzio 2)
) (
~
) (
~
) (
~
) (
~

linearit 1)
2 2 1 1 2 2 1 1
*
N N N N
P
k U k U k U U n u n u n u u
V U V U v u
V U v u
V b U a v b u a
= =
=

+ +

e
k n
l k l
N
k k
N
n n
k k n n
k k n n
l
73
Propriet della DFS (DFT)


e
e
e
e
e
e
=
=
=
=
*
*
*
2
2
*
) (
~
) det(
1
) (
~

) (
~
) (
~
) det(
1
) ( ) (
~

Parseval di Teorema 6)
) (
~
) (
~

) (
~
) det(
1
) (
~

continua componente e iniziale Valore 5)
P
P
P
P
P
P
U u
V U v u
u U
U u
k
n
k
n
n
k
k
N
n
k k
N
n n
n 0
k
N
0
74
Propriet della DFS (DFT)
con P un insieme di multi indici che genera un I-periodo
di A e P
*
un insieme di multi indici che genera un
I
*
-periodo di A
*
75
Convoluzione mediante DFT
Per far coincidere la convoluzione lineare con la
convoluzione circolare utilizzando la DFT bisogna operare
lo zero-padding, ossia bisogna bordare di zeri le
sequenze di partenza in modo tale che il loro supporto sia
della stessa dimensione del supporto del risultato della
convoluzione lineare.
76
Convoluzione mediante DFT
Zero
padding
Zero
padding
DFT
DFT
IDFT
w
u
v
77
Considerazioni su i domini
Introduciamo ora la simbologia G
s
/G
p
(G
s
modulo
G
p
) indicando con essa che il dominio del
segnale assume valori in G
s
ed invariante
rispetto a traslazioni di punti che appartengono a
G
p
, ossia G
p
il reticolo di periodicit e G
s
il
dominio de segnale. Inoltre si definisce (9
N
)
*
=0 e
0
*
= 9
N
.
78
Considerazioni su i domini