L’operazione di campionamento
Ricostruzione secondo Shannon
Il campionamento di un segnale si può vedere come prodotto del segnale continuo per un treno di impulsi di Dirac:
Al prodotto dei due segnali nel dominio del tempo corrisponde, in base ad una delle proprietà delle trasformate di Fourier, la convoluzione degli spettri nel dominio delle frequenze:
Poiché vale la coppia di trasformazione:
lo spettro del segnale campionato xs detto Xc lo spettro del segnale continuo x(t) sarà:
La formula ricavata ci dice che lo spettro del segnale è somma di tutte le repliche dello spettro a distanza kωs (consiste cioè in una versione periodizzata dello spettro di partenza).
Se ora dal segnale campionato vogliamo riottenere il segnale continuo di partenza, dopo avere magari eseguito delle elaborazioni nel dominio digitale, basterà applicare una finestra rettangolare nel dominio della frequenza ed isolare tra le varie repliche un solo lobo dello spettro.
Questo sarà possibile se non c’è sovrapposizione tra repliche adiacenti dello spettro e cioè solo se
In termini di frequenza diremo che la ricostruzione è possibile se viene rispettato il criterio di Nyquist, che la frequenza di campionamento (Sampling Rate) deve essere maggiore del doppio della massima frequenza contenuta nel segnale.
Se invece ,nelle zone di sovrapposizione, lo spettro si aggiunge alle code delle repliche adiacenti e non è più possibile ripristinare lo spettro di partenza. Questa circostanza si chiama aliasing perché come vedremo le frequenza maggiori di SR/2 si ribaltano nella zona bassa dello spettro e vengono convertite in frequenze diverse da quelle di partenza (alias).
Se la massima pulsazione presente nel segnale rimane al di sotto della metà del cosiddetto rate di Nyquist, dallo scienziato che ha ottenuto i risultati riportati, è possibile riottenere lo spettro di partenza applicando una finestra rettangolare, come è evidente dalla figura precedente. Vedremo nel seguito come è possibile effettuare la ricostruzione; quanto abbiamo detto dimostra inoltre l’equivalenza tra continuo e discreto e sancisce definitivamente la possibilità di effettuare elaborazioni nel dominio discreto senza ridurre l’informazione contenuta nel segnale analogico.
Risultato questo abbastanza singolare visto che mostra l’equivalenza tra il dominio del discreto e quello del continuo e mostra che l’informazione affidata a campioni discreti è equivalente a quella affidata ad un segnale con l’infinità del continuo.
Verifichiamo come può essere fatta la ricostruzione.
Applicare una finestra rettangolare sq(t) nello spettro richiede un prodotto nel dominio della frequenza; ma questo, per le proprietà della convoluzione, è equivalente ad una convoluzione nel tempo tra il segnale discreto e l’antitrasformata della finestra rettangolare, secondo il seguente schema:
….. ……………..
Nel caso di assenza di aliasing quindi, sostituendo i valori di xs(t) ed sq(t) nell’espressione ottenuta ed antitrasformando la relazione in frequenza, ricaveremo l’espressione del segnale ricostruito a partire dalla sua versione campionata; occorre allo scopo ricordare la coppia:
Con semplici manipolazioni si ottiene la formula che permette la ricostruzione perfetta del segnale x(t) nel continuo a partire dai suoi campioni discreti xn:
Qui utilizziamo la proprietà distributiva della convoluzione rispetto alla somma e la proprietà del ritardo della delta:
La formula di ricostruzione
quindi stabilisce un risultato importante: il segnale continuo può dunque essere perfettamente ricostruito a partire da i suoi campioni a tempo discreto mediante una operazione di interpolazione; il valore del segnale ricostruito all’istante t qualsiasi nel continuo è la somma di tutti i campioni x[n] per -∞< ∞ ognuno pesato con la funzione:
centrata sul campione n-mo e moltiplicata per il campione x[n].
Le altre funzioni sinc interpolatrici, per i campioni n=1,2,3…opportunamente scalate sono mostrate nella figura a lato.
Questo risultato grazie all’equivalenza che stabilisce tra continuo e discreto è stata alla base degli enormi sviluppi che ha avuto la teoria dell’elaborazione numerica (quindi discreta) dei segnali.
Naturalmente se la ricostruzione è perfetta, per ogni valore della variabile continua tempo, tuttavia è fisicamente irrealizzabile: difatti per la ricostruzione occorrono tutti i campioni, passati e futuri del segnale, e l’interpolazione va fatta con la funzione sinc che, pur avendo un decadimento rapido ha tuttavia supporto infinito. Si tratta di operazione non causale e per di più di durata infinita.
Questa circostanza è legata al fatto che ai fini della ricostruzione è stato necessario usare una finestra rettangolare in frequenza: ma questa è un filtro passa basso con pendenza infinitamente grande nella transizione dalla banda passante a quella di reiezione, quindi con risposta all’impulso unitario di durata infinita e non causale.
Sono naturalmente possibili soluzioni approssimate ma fisicamente realizzabili, come vedremo.
Se invece il segnale non occupa tutta la banda di Nyquist SR/2ed inoltre rinunciamo alla caratteristica che il filtro sia perfettamente piatto in banda possiamo ottenere un sistema realizzabile.
Nel filtro riportato in figura, ad esempio, nella banda passante la risposta non è piatta e la transizione non è infinitamente ripida.
In tal caso la risposta impulsiva del filtro e quindi la convoluzione che de deriva ha durata finita ed il sistema di ricostruzione diventa fisicamente realizzabile. In pratica, limitando la banda del segnale o equivalentemente campionando a velocità superiori a quella di Nyquist la ricostruzione può essere fatta con semplici filtri passa-basso di durata limitata.
Il più semplice di questi è il sample&hold che realizza una interpolazione “a scala”.
Se a questa facciamo seguire un semplice passa-basso la ricostruzione è sufficientemente accurata.
Possiamo poi effettuare una interpolazione lineare tra due campioni successivi oppure interpolare utilizzando tre o più campioni riducendo così l’ordine delle discontinuità.
Relazione tra spettro del segnale continuo modulato dal treno di impulsi (FT) e discreto (DTFT)
Trasformando avremo:
Si ricava che per passare da un all’alatra yrasformata occorrre una normalizzazioen di freuenza che porti Ts ad 1 e quindi sarà:
Relazione tra spettro del segnale continuo (FT) e discreto (DTFT)
Per ils egnale campionato cioè per il treno d’impulsi modulati posto vale la:
Quindi, posto avremo
Ovvero nell’intervallo [0,2π], nel caso di assenza di aliasing saà:
e, nella banda -fs,fs sarà:
Vediamo ora numericamente gli effetti dell’aliasing considerando una singola riga spettrale.
Data una cosinusoide il suo spettro sarà:
Supponiamo ora di essere in condizioni di aliasing cioè supponiamo che la pulsazione del segnale superi la metà della pulsazione di campionamento, pur rimanendo al disotto della pulsazione di campionamento:
Se dunque la riga spettrale viene trasformata dal valore iniziale ω0 di a quello di ωs-ω0 .
Le righe spettrali che vanno oltre la metà della frequenza di campionamento, vengono perciò ribaltate intorno alla metà della frequenza di campionamento; se ad esempio SR=20000Hz, SR/2=10000, f0=11000, la frequenza resa dalla ricostruzione, dopo il campionamento insufficiente, sarà di SR-f0=20000-11000=9000.
Il campionamento a velocità inferiore a quello di Nyquist dunque, come già detto, trasforma frequenze del nostro segnale in frequenze diverse (alias) ed altera irrimediabilmente il segnale, in modo tale che lo spettro di partenza non è più recuperabile.
La seguente figura, nel caso di un ideale spettro triangolare, illustra il fenomeno dell’aliasing e della conseguente sovrapposizione dei lobi delle repliche spettrali.
Evidentemente in tal caso le righe dello spettro provengono per somma di righe dello spettro di partenza e righe della replica adiacente; nota la somma però è impossibile risalire individualmente alle due righe componenti.
L’aliasing dunque è irreversibile.
Lo spettrogramma in figura è ricavato con il programma SRvariabileFast.m incluso nella sezione materiali. Il sampling rate viene fatto variare prendendo i campioni dal file originario a passo di 1 in un primo intervallo, 2 nel secondo e così via fino ad 8; è visibile in figura i fatto che lo spettro si ribalta più volte intorno alla frequenza di campionamento producendo le repliche visibili nello spettrogramma. Soltanto nell’ultimo segmento il SR è abbastanza elevato da coprire tutto lo spettro del segnale. Sono anche chiare all’ascolto le distorsioni introdotte.
Seganle originario (SR=44100 HZ).
Segnale campionato con SR variabile a tratti da 500 fino a 44100 Hz.
1. Introduzione al corso. I segnali a tempo continuo ed a tempo di...
3. Sistemi: tipologie. Sistemi discreti e continui, lineari e non.
5. Equazioni alle differenze finite: sistemi del primo ordine
6. Sistemi del Secondo Ordine. Sistemi di ordine arbitrario
7. Sistemi del secondo ordine: sintesi vocale
8. Sistemi per l'elaborazione numerica dei segnali: implementazion...
9. Quantizzazione: precisione finita di parola
10. Segnali continui: Serie di Fourier e Trasformata di Fourier
11. Analisi di Fourier per sequenze periodiche: DFS
12. Serie Discrete di Fourier: esempi
13. Analisi di Fourier per sequenze finite: la DFT
14. Trasformata di Fourier a Tempo Discreto per segnali di durata a...
15. Trasformata di Fourier a Tempo Discreto: proprietà
16. Trasformata di Fourier a Tempo Breve (STFT short time fourier t...
17. La trasformata Z
18. Il teorema del campionamento: ricostruzione
19. Trasformate bidimensionali