In questo corso esaminiamo i fondamenti dell’elaborazione dei segnali.
Gli argomenti principali sono segnali, sistemi e strumenti matematici per il loro trattamento.
Modalità di conversione da tempo continuo a tempo discreto e teorema del Campionamento.
Vengono esplorate anche le principali tecniche di filtraggio numerico allo scopo di modificare o enfatizzare particolari contenuti in frequenza.
Le abilità che si intendono sviluppare sono indirizzate al riconoscimento delle caratteristiche dei segnali nel dominio del tempo e nel dominio della frequenza con le rispettive metodologie di trattamento.
L’ambiente software che viene ampiamente utilizzato per tutte le elaborazioni e le visualizzazioni relative a esercizi e problemi è Matlab con Signal processing toolbox.
È prevista la realizzazione di brevi progetti di laboratorio relativi all’analisi ed alla sintesi di segnali monodimensionali o allo studio delle loro proprietà, sempre in ambiente Matlab.
Vantaggi del DSP:
Alcune limitazioni al DSP che potranno essere rimosse in futuro:
DSP non adatto per segnali a banda estremamente larga (ordine del G Hz) e non adatto per alcuni processing in tempo reale.
Segnale è: variazione di una grandezza fisica in funzione di un’altra grandezza fisica.
Contenuti di un segnale: energia e/o informazione.
Da quanto detto precedentemente segue che ad ogni segnale possiamo associare una funzione di una o più variabili.
Ci sono casi in cui la relazione funzionale non può essere descritta da una semplice funzione matematica, ma occorre una combinazione di funzioni.
Es1: un segmento di segnale vocale può essere descritto con un alto grado di accuratezza da una somma di sinusoidi con differenti frequenze, ampiezze e fasi funzioni del tempo.
In alcune applicazioni i segnali sono generati da sorgenti multiple o sensori multipli. Tali segnali possono essere rappresentati in forma vettoriale.
Es2: un segnale elettrocardiografico è composto da 3 o più segnali provenienti dai rispettivi sensori. Analogamente per i segnali elettroencefalografici o per quelli miografici.
Es3: Anche i segnali dei terremoti vengono presi da più sensori per individuare le onde di compressione o onde P, le onde di taglio o trasversali (onde S) e le onde di superficie (R e L).
Segnali multidimensionali
Infine, il valore della funzione, cioè della variabile dipendente può essere:
Segnale immagine. Variazione della luminosità I(x,y) in funzione delle coordinate spaziali, dei colori e del tempo. L'immagine è fissa: la luminosità non dipende dal tempo. La luminosità I è un segnale vettoriale ed ha 3 componenti, Ir, Ib, Ig e ognuna può essere bidimensionale o tridimensionale. Fig. ridisegnata da 'Digital Signal Processing' J. G. Proakis D. Manolakis- Prentice Hall.
È deterministico un segnale per il quale tutti i valori passati, presenti e futuri sono noti e che può essere descritto da:
Segnali non deterministici:
Sono random i segnali che non possono essere descritti da una esplicita formula matematica,
che evolvono nel tempo in maniera impredicibile:
Necessità di usare tecniche statistiche per l’analisi.
L’elaborazione dei segnali deve basarsi sulla classificazione dei segnali stessi
Classificazione dei segnali rispetto a dominio e codominio
I segnali possono essere classificati come analogici, discreti o digitali.
segnali analogici: quelli che variano continuamente in ampiezza e in tempo o in maniera più generale in cui entrambi dominio e codominio della funzione che rappresenta il segnale sono nell’insieme dei reali R.
segnali discreti: quelli in cui le ampiezze sono continue, ma i tempi sono discreti. Dominio l’insieme degli interi N, codominio R.
segnali digitali: quelli in cui entrambi dominio e codominio sono discreti. Dominio Z e codominio Z.
N naturali 1,2,3…
Z relativi …-3,-2,-1,0,1 ,2,3…
Q razionali definiti mediante un rapporto di interi
R reali (interi, decimali con numero finito di cifre, periodici e non, decimali con numero infinito di cifre decimali)
C complessi
Rispetto al contenuto energetico:
Segnali di potenza
Se la potenza associata al segnale è finita, allora il segnale a tempo discreto y[n] è detto segnale di potenza ed è definita da
Per un segnale y[n] periodico di periodo N si ha
Segnali di energia
L’energia di un segnale a tempo discreto y[n] è definita da
Se il contenuto in energia è finito allora il segnale è detto segnale di energia.
Rispetto alla relazione causa effetto
Segnali causali
Un segnale è causale se y[n]=0 per n<0
I segnali periodici da – ∞ a + ∞ non sono causali.
Se un segnale y[n]=0 per n<n0 diremo che n0 è l’istante di inizio del segnale.
2. Segnali ed operazioni sui segnali
3. Sistemi e proprietà dei sistemi
4. Approfondimento su convoluzione e correlazione
5. Sistemi lineari tempo invarianti e equazioni alle differenze
7. Rappresentazione in serie di Fourier di segnali periodici a tempo discreto
9. Trasformata di Fourier a tempo discreto
10. DFT e convoluzione circolare
11. Applicazione della dft leakage spettrale
12. Dualità e trasformata coseno
13. Trasformata di F. dipendente dal tempo - time dependent Fourie transform TDFT
14. Trasformata z
17. Campionamento - parte prima
A. Oppenheim , R. W. Schafer J. R. Buck, Discrete – Time Signal Processing, cap 1, Prentice Hall
A. Oppenheim, A. Willsky , S. H. Nawab, Signals & Systems, Prentice Hall
J. G. Proakis D. Manolakis, Digital Signal Processing, Prentice Hall