|
Sito Visitato 502124 volte | Pagina Visitata 13640 volte | Sei in : Etantonio/IT/Universita/4anno/ComunicazioniElettriche/ |
Richiami sui segnali SEGNALI DETERMINATI NEL DOMINIO DEL TEMPO1) Energia del segnale : L´energia è l´integrale della potenza istantanea
2) Potenza media del segnale : Nel caso un segnale s(t) sia illimitato nel tempo e non abbia energia finita, si considera la potenza media temporale del segnale
3) Valor medio di un segnale :
4) Componente alternata del segnale s(t) :
5) Fattore di picco : È riferito ai segnali simmetrici, i quali sono privi di componente continua ed hanno valore massimo sM e valore minimo sm uguali ed opposti |sm| = sM = sp , si ha :
6) Funzione di replica :
in pratica il segnale replica è ottenuto sommando i segnali che si ottengono traslando un segnale x(t) di una quantità multipla del periodo T0 della ripetizione, si osservi che soltanto se il periodo T0 è maggiore del periodo TX del segnale sorgente si ottiene un andamento simile ad esso.
7) Potenza di un segnale periodico ottenuto per ripetizione di un segnale di durata finita :
essendo E(T0) l´energia calcolata all´interno di un periodo, essa coincide con E solo se TX < T0 .
8) Funzione di intercorrelazione temporale o correlazione mutua temporale per segnali di energia : Individua il grado di somiglianza tra 2 funzioni
9) Energia mutua : Si tratta della funzione di intercorrelazione calcolata in t = 0
10) Prodotto scalare di 2 segnali di energia : Si tratta del valore nell´origine della funzione di intercorrelazione tra due segnali
11) Segnali paralleli, antipodali, ortogonali : Si valuta l´indice di intercorrelazione a) rxy = 1 Þ segnali paralleli b) rxy = 0 Þ segnali ortogonali c) rxy = -1 Þ segnali antipodali
12) Funzione di intercorrelazione di segnali di potenza :
13) Funzione di covarianza temporale per segnali di potenza : È la funzione di intercorrelazione temporale delle componenti a valor medio nullo :
14) Relazione tra intercorrelazione ed intercovarianza di due segnali di potenza :
15) Famiglia di segnali incorrelati : Una famiglia di segnali si dice incorrelata se tutte le funzioni di covarianza Kxy(t) sono nulle.
16) Famiglia di segnali incoerenti : È un insieme di segnali di potenza per i quali per ogni t sono nulle tutte le funzioni di intercorrelazione Rxy(t) , si dice anche che si tratta di una famiglia di segnali ortogonali. SEGNALI DETERMINATI NEL DOMINIO DELLA FREQUENZA17) Trasformata di Fourier :
dove S(f) è lo spettro del segnale, in particolare nel caso che s(t) sia un segnale reale, lo spettro d´ampiezza è una funzione pari mentre lo spettro di fase è una funzione dispari.
18) Antitrasformata di Fourier :
ossia il segnale s(t) è esprimibile mediante la somma di un numero infinito di funzioni armoniche complesse ejwt di ampiezza infinitesima e frequenza f distribuite in modo continuo sulla asse reale.
19) Proprietà della trasformata di Fourier :
20) F [1] : d(f)
21) F [sgn(t)] :
22) F [u(t)] :
23) F [rect(t/T)] :
24) F [sinc(t/T)] :
25) Serie di Fourier di un segnale periodico tempo continuo :
essendo Cn i coefficienti di Fourier aventi espressione
26) Densità spettrale di energia :
da essa si può ottenere l´energia del segnale integrando sulla asse delle frequenze
27) Densità spettrale di potenza : È la trasformata di Fourier della funzione di autocorrelazione per segnali di potenza, ossia :
28) Segnale strettamente limitato in banda : Lo spettro di energia E(f) è una funzione reale pari per un segnale reale nel caso ideale, si estende tra una frequenza massima fM ed una frequenza minima fm , la banda del segnale è quindi B = fM - fm , definizione valida anche nel caso reale dove lo spettro è illimitato ma si possono trascurare le frequenze al di sopra di fM ed al di sotto di fm .
29) Segnale in banda base : È il tipico segnale fornito da una sorgente di informazione, la sua banda è così allocata 0 £ fm £ fM , si considera il solo semiasse positivo perché per i segnali reali lo spettro di energia è una funzione reale e pari. 30) Segnale in banda traslata : Si ottiene elaborando un segnale in banda base al fine di adattarlo al mezzo trasmissivo, la sua banda è così allocata : 0 < fm £ fc £ fM molto spesso l´estensione della banda è circa uguale alla frequenza massima fM , sebbene la frequenza minima fm sia diversa da zero.
31) Segnale in banda traslata stretta : È un segnale che rispetta la condizione
32) Segnale in banda traslata molto stretta : È un segnale che rispetta la condizione ULTERIORI RAPPRESENTAZIONI DEI SEGNALI33) Spettro di un segnale di energia reale : Si tratta di una funzione pari, è pertanto sufficiente studiare lo spettro che si estende nel semiasse negativo
34) Segnale analitico : Per la linearità della antitrasformata di Fourier si ha che a 35) Trasformata di Hilbert di s(t) :
36) Inviluppo complesso del segnale : Si tratta della antitrasformata dello spettro del segnale analitico
37) Relazione di ortonormalità :
38) Rappresentazione di un segnale s(t) tramite una base :
39) Teorema di Nyquist - Shannon : Ammettendo per un segnale s(t) illimitato nel tempo e limitato in banda base una rappresentazione nel dominio della frequenza mediante la base
40) N° di funzioni necessarie per rappresentare qualsiasi segnale nel suo intervallo di definizione : Ne occorre un numero infinito, tuttavia per alcuni tipi di segnale si può raggiungere una buona accuratezza anche con un numero finito di segnali, è il caso dei segnali fisici praticamente limitati in banda ed in durata per i quali è sufficiente un campionamento con un numero di campioni N=2BT essendo B la banda del segnale fisico e T la sua durata. SEQUENZE E ELEMENTI DEI SEGNALI NUMERICI41) Sequenza : È un insieme ordinato di valori che si può ottenere da un segnale continuo s(t) considerando invece della variabile continua t la variabile discreta nT dove n è la successione dei numeri interi, la generica sequenza ha espressione
42) Energia per sequenze :
43) Potenza per sequenze :
44) Sequenze di intercorrelazione tra sequenze ad energia finita :
45) Sequenze di intercorrelazione temporali per sequenze di potenza :
46) Sequenze di intercovarianza per sequenze di potenza :
47) Alfabeto M-nario : Gli elementi di una sequenza numerica possono assumere soltanto valori appartenenti ad un insieme discreto {sq}, ad ognuno di questi valori può essere associato uno degli elementi di un alfabeto M_nario {zq} di cardinalità M che in genere è una potenza di 2 ossia M = 2b in modo da poter utilizzare alfabeti con parole binarie lunghe b bit.
48) Flusso numerico : Si tratta della successione di simboli zq appartenenti alla alfabeto M-nario, ciascuno associato ad un elemento della sequenza {sq} e che si ripetono con la stessa temporizzazione kT.
49) Tempo di simbolo : È l´intervallo di tempo T che intercorre tra un simbolo ed il successivo del flusso numerico, il suo inverso
50) Segnale numerico multilivello : I segnali campionati numerici introducono delle d(t) che per essere trasmesse richiedono mezzi a banda infinita, per ovviare a ciò si sostituisce la d(t) con una funzione impulsiva di energia f(t) avente durata finita e per i quali si può ottenere una limitazione pratica in banda ottenendo in tal modo il segnale numerico multilivello
51) Velocità di modulazione : I segnali numerici asincroni GENERALITÀ SUI PROCESSI STOCASTICI52) Quantità di informazione : Nel caso di una sorgente numerica la quantità di informazione è la grandezza associata alla scelta di un simbolo, zq , tra gli M possibili elementi che formano un alfabeto M-nario , essa vale
53) Processo stocastico continuo : Le sue realizzazioni sono funzioni continue x(t) che possono essere emesse dalla sorgente analogica. Per un dato istante T il processo si riduce ad una v.a. continua Xt = X(t) con densità di distribuzione p(Xt , t).
54) Processo stocastico discreto a valori discreti : È il caso di un flusso numerico emesso da una sorgente numerica, sia il tempo che il valore delle realizzazioni non sono continui bensì discreti.
55) Densità di probabilità congiunta del 2° ordine :
56) Densità di probabilità condizionata di ordine n :
in sostanza la variabile Xn al tempo tn è condizionata dalla conoscenza delle v.a. emesse negli istanti precedenti.
57) Processo di Markoff di ordine n: È un processo del quale si ha la piena conoscenza se si conosce la densità di probabilità congiunta di ordine n+1 .
58) Valore medio statistico :
59) Potenza media statistica :
60) Varianza :
61) Relazione tra varianza e potenza :
62) Funzione di autocorrelazione statistica:
63) Funzione di autocovarianza statistica :
per t1 = t2 la autocovarianza coincide con la varianza.
64) Relazione tra la autocovarianza e la autocorrelazione :
65) Processo stazionario in senso stretto : È un processo per il quale le densità di probabilità sono invarianti rispetto ad una arbitraria traslazione temporale.
66) Processo stazionario in senso lato : È un processo per il quale le densità di probabilità sono invarianti rispetto ad un´arbitraria traslazione temporale, mentre la densità di probabilità congiunta di 2° ordine dipende soltanto da t , si ha cioè : a) p(x;t) = p(x) b) p2(x1,x2;t1,t2) = p2(x1,x2;t) essendo t = t2 - t1 per un processo stazionario in senso lato si ha che il valor medio statistico, la potenza e la varianza sono costanti e corrispondono ai valori attesi delle corrispondenti grandezze temporali per una singola realizzazione del processo mentre le funzioni di autocorrelazione R(t) e autocovarianza K(t) dipendono solo da t.
67) Relazione tra la autocovarianza e la autocorrelazione per processi stazionari :
68) Prima relazione di Wiener - Khinchine :
che evidenzia quindi una componente spettrale discreta nell´origine.
69) Processo stazionario ergodico : È un processo per il quale la singola realizzazione, osservata sull´intero asse dei tempi, assomma tutte le proprietà statistiche del processo aleatorio, così che le grandezze temporali convergono alle grandezze statistiche .
70) Densità spettrale di potenza incrociata :
71) Seconda relazione di Wiener - Khinchine :
72) Caratteristica del processo somma di due processi stazionari a(t) = x(t) + y(t) : Considerando il processo a(t) = x(t) + y(t) si ha il valor medio statistico ha = hx + hy mentre la autocorrelazione è
73) Caratteristica del processo complesso b(t) = x(t) + j y(t) : Considerando il processo b(t) = x(t) + jy(t) si ha il valor medio statistico hb = hx + jhy mentre la autocorrelazione è PROCESSI STOCASTICI CICLOSTAZIONARI74) Processo stocastico ciclostazionario : Si tratta di un processo la cui funzione di autocorrelazione è periodica in t, in particolare si parla di processi ciclostazionari del 1° ordine se la periodicità è presente anche nel valor medio statistico e processi ciclostazionari del 2° ordine se è presente solo nella autocorrelazione. L´analisi può essere ricondotta a quella dei processi stazionari effettuando una traslazione z sulla asse dei tempi ed effettuando una media statistica anche su tale v.a. indipendente ma uniforme nel periodo , in tal modo hs ed Rss(t) si calcolano come valori medi delle rispettive funzioni periodiche in t .
75) Processi rappresentati tramite inviluppo complesso : Il processo
76) Processo stazionario in banda traslata : Essendo il processo S(t) stazionario in banda traslata si ha che anche i processi in banda base Sc(t) ed Ss(t) sono stazionari in senso lato con identiche funzioni di autocorrelazione
77) Processi reali con fattori aleatori rappresentati mediante serie temporali : Si considera un processo S(t) avente realizzazione
78) Processi campionati in banda base : È un caso particolare della situazione precedente, si considera infatti un processo in banda base S(t) avente realizzazione
79) Processi complessi con fattori aleatori : Consideriamo un processo continuo reale ciclostazionario in banda traslata cui è associato il processo inviluppo complesso
80) Processo somma di processi reali con fattori aleatori : Si abbia un processo S(t) con rappresentazione nella forma
81) Processo continuo gaussiano : È un processo del quale si ha la piena conoscenza statistica solo in base alla conoscenza della funzione di densità di probabilità del 2° ordine, nel caso di stazionarietà l´espressione della densità di probabilità del 1° ordine è
82) Rumore Gaussiano : È il processo gaussiano risultante dalla somma di numerosi segnali aleatori additivi , in particolare abbiamo un rumore gaussiano bianco se la densità spettrale di potenza è N(f) = N0 = costante cui corrisponde la autocorrelazione
83) Rumore gaussiano stazionario in banda traslata : Consideriamo una generica rappresentazione del rumore in banda traslata
84) Rumore gaussiano bianco nello spazio dei segnali : Nello spazio con dimensione N tendente all´infinito , una realizzazione del rumore bianco è rappresentabile con un vettore n avente componenti ciascuna con densità di probabilità del 1° ordine |