TELECOMUNICAZIONI canale A -L Prof. Roberto...
Transcript of TELECOMUNICAZIONI canale A -L Prof. Roberto...
1
3. Fondamenti sui segnali numerici3. Fondamenti sui segnali numerici
INFO-COM Dpt.
Dipartimento di Scienza e Tecnica
dell’Informazione e della Comunicazione
Università degli Studi di Roma La Sapienza
TELECOMUNICAZIONITELECOMUNICAZIONI
per Ingegneria Informatica (secondo anno)per Ingegneria Informatica (secondo anno)
canale Acanale A--LL
Prof. Roberto Cusani
2Sequenza numericaSequenza numerica -- DefinizioneDefinizione
� Una sequenza numerica è una stringa ordinata di numero reali o complessi il cui indice di posizione n può assumere solo i valori interi (positivi e/o negativi)
Esempio:
� La sequenza può essere rappresentata graficamente
� Una sequenza numerica è detta di durata finita N>0 se ammette valori diversi da zero solo in corrispondenza di N valori dell’indice n.
{ }, 0, 1, 2,...nx n= ± ±
21
-1-1 0 1
0 1 1{ 1, 1, 2}x x x−= = − =
n
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
3CampionamentoCampionamento
t
� Campionatore:
Trasmissione a distanza, o immagazzinamento)(tx )(nx
t
•
)1(x
)0(x TT
T2•
••
•• •
• . . . .
� Segnale analogico: � Sequenza dei suoi campioni:
≡T intervallo di campionamento (sec)T
fc
1= frequenza di campionamento (Hz)
nTttxnx
== )()()(tx
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
4Ricostruzione (1/3)Ricostruzione (1/3)
'( ) ( ) ( )n
x t x nT t nT+∞
=−∞
= δ −∑
'( )x t
t
)1(x
)0(x TT
T2
)1(−x
� Ricostruzione, con treno di impulsi matematici:
Filtro LP:)( fH
)(txR)(' txSegnale
ricostruito
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
5Ricostruzione (2/3)Ricostruzione (2/3)
∑ −=n
nTtnxtx )()()(' δ
� Ricostruzione ideale, con treno di impulsi matematici:
fT2
1 tTT2−
1/( ) ( )TH f T rect f=T
)/(sinc)( Ttth π=
•T2
1− T2T−•••• •
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
6Ricostruzione (3/3)Ricostruzione (3/3)
( ) ( )sinc( ( ) / )Rn
x t x nT t nT T+∞
=−∞
= π −∑
•
•
•
•
•)0(x)1(x
)2(x
)1(−x
)3(x
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
7Teorema del campionamento (1/4)Teorema del campionamento (1/4)
� Se è limitato in banda, con banda intorno all’origine, e se (criterio di Nyquist), allora il segnale ricostruito risulta uguale all’originale, ossia:
)(tx W±Wfc 2≥ )(txR
)()( txtxR = 2cper f W≥
� Spiegazione intuitiva: se varia lentamente, e se la si osserva abbastanza frequentemente, allora il suo andamento completo èperfettamente ricostruibile tramite interpolazione delle osservazioni
)(tx
{ ( ), 0, 1, 2,...}x nT n= ± ±
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
8Teorema del campionamento (2/4)Teorema del campionamento (2/4)
)(tx Filtro LP:)( fH
)(txR)(' txSegnale
ricostruito
1( ) ( )
n n
nFT t nT f
T T
+∞ +∞
=−∞ =−∞
δ − = δ − ∑ ∑
( )n
t nT+∞
=−∞
δ −∑� è un segnale periodico. La sua Serie di Fourier è:
21( )
nj t
T
n n
t nT eT
+∞ +∞ π
=−∞ =−∞
δ − =∑ ∑
� da cui risulta che la trasformata di Fourier di è:( )n
t nT+∞
=−∞
δ −∑
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
9Teorema del campionamento (3/4)Teorema del campionamento (3/4)
� Per la trasformata di Fourier del segnale campionato si ottiene:
{ }
{ }
'( ) ( ) ( ) ( ) ( )
1( ) ( ) ( )*
1
n n
n n
n
FT x t FT x n t nT FT x t t nT
nFT x t FT t nT X f f
T T
nX f
T T
δ δ
δ δ
= − = − =
= ∗ − = − =
= −
∑ ∑
∑ ∑
∑
i
� Lo spettro del segnale campionato è dato da infinite repliche dello spettro del segnale di partenza per ogni multiplo intero della frequenza di campionamento 1/T
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
10
Teorema del campionamento (4/4)Teorema del campionamento (4/4)
f
X(f)
2W
Wfc 2≥
f
∑ −=k
TkfXT
fX )/(1
)('
cfcf−cf2− cf2
f
)()( fXfXR =
W− W
T
f c
21
2=
2cf−
2( ) ( )WH f T rect f= ⋅
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
11Aliasing da sottoAliasing da sotto --campionamento (1/2)campionamento (1/2)
f2W
f
)(' fX
cfcf−
f
)( fXR
2cf
2cf−
)( fX
Wfc 2<
� Sotto-campionamento:
Distorsioni:
� Manca una parte dello spettro
� La parte mancante si “ripiega” e si somma al resto c’è dell’altro (“alias”) nello spettro ricostruito
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
12Aliasing da sottoAliasing da sotto --campionamento (2/2)campionamento (2/2)
� Su l’alias si manifesta come una distorsione più o meno evidente
)(txR
� Esempio: campionamento di una sinusoide
Sinusoide originale
Ricostruzione con il sotto-campionamentoT
•
•••
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
13CampionamentoCampionamento realereale–– circuitocircuito sample & hold (1/2)sample & hold (1/2)
� Gli impulsi in uscita dal campionatore reale non sono impulsi matematici, sono realizzati tramite un circuito sample & hold (S&H), sono rettangoli
di durata finita τ
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
)(txS&H
( ) ( )'( ) ( ) * ( ) ( )Hn n
x t x nT rect t nT rect t x nT t nT+∞ +∞
τ τ=−∞ =−∞
= − = δ −∑ ∑
'( )Hx t
'( ) sinc( ) '( )HX f f X f= τ ⋅ τ ⋅
� Lo spettro del segnale campionato è distorto secondo un fattore
dipendente dalla frequenza τ sinc(fτ)
14CampionamentoCampionamento realereale–– circuitocircuito sample & hold (2/2)sample & hold (2/2)
� Per ricostruire il segnale nella realtà oltre al filtraggio passa-basso è
necessaria un’equalizzazione 1/[τ sinc(fτ)] che compensi la distorsione dovuta alla durata non nulla degli impulsi
� Funzione di trasferimento del filtro in ricezione:
� Il segnale ricostruito risulta in questo modo uguale al segnale di partenza:
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
2 ( )( )
sinc( )WT rect f
H ff
⋅=
τ ⋅ τ
( ) ( )2
' ( )
( )1sinc( )
sinc( )
( )
R H
W
n
X f X f H f
T rect fnf X f
T T f
X f
= =
⋅ = τ ⋅ τ ⋅ − ⋅ = τ ⋅ τ
=
∑
15Campionamento e Campionamento e quantizzazionequantizzazione(conversione A/D)(conversione A/D)
b bits,che rappresentano:
)n(x)n(x̂ ≅Q)(tx
0
1
Sampling Quantizer)n(x)n(q)n(x)n(x̂ ≅+=
� q(n): errore di quantizzazione si riduce all’aumentare di b, ovvero del numero di bit impiegati nella conversione A/D
ADC: Analog-to-Digital Converter
x(n)
� In realtà si hanno distorsioni anche se si evita il sottocampionamento, esi equalizza per compensare le distorsioni del circuito S&H.
� Il processo di conversione A/D introduce errore di quantizzazione
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
16Relazione ingressoRelazione ingresso --uscito di un quantizzatore uscito di un quantizzatore uniformeuniforme
-xmax xmax
xq(2)
xq(1)
-xmax=xq(0)
x(n)
ˆ( )x n
xmax= xq(L-1)
∆
�
∆
Passo di quantizzazione
Livello di restituzione
rappresentato con b digits
Numero dei livelli di quantizzazione
∆
xq(i)
L
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
17Ricostruzione (conversione D/A)Ricostruzione (conversione D/A)
Generatoredi livelli di
restituzione
Generatoredi forma d’onda
b bits
)nTt(rect)n(x̂ T −
tnT
T
DAC: Digital-to-Analog Converter
)n(x̂
)n(x̂
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
18Schema completo di campionamento e Schema completo di campionamento e ricostruzionericostruzione
Campionatore +
quantizzatoreP/S
)(tx
Wfc 2=b bits
Convertitoreparallelo/serie
flusso binario
(bits/sec)cb bff =
Trasmissione
Convertitoreserie/parallelo
S/PConvertitore analogico-
digitale
Filtro LPCon banda
[-W,W]
flusso binario,bit/secbf
)(txR
b bitsWfc 2=
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
19Segnale Telefonico Digitale PCMSegnale Telefonico Digitale PCM
� Digitalizzazione del segnale telefonico (PCM, Pulse Code Modulation)
� No componenti alle basse frequenze, energia concentrata fino a 4-5 kHz
� Filtro telefonico (GSM, telefonia fissa):
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
)(tx
t
“C” “A” “S”
Intervallo di “stazionarietà”
sec 20T m≅
f
)(fH
Hz 300 4 kHz
300 - 4 Hz kHz→
2 campioni 4 8000 campioni/s
8 digit/campione
bit rate 64
cf kHz
kbps
= × =
20Rumore di Rumore di quantizzazionequantizzazione nel PCM (1/3)nel PCM (1/3)
• •• •
•• • • •
•• •
• ••
•
• • •• •
••
•
MAXx+
MAXx−
t
0
1L −L intervalli di quantizzazione,L valori (“livelli”) di quantizz.
(0) ( 1),..., Lq qx x −
)(tx
� b bit per campione L=2b livelli di quantizzazione
� Ampiezza di intervallo ∆ =2 xMAX / L = (2 xMAX)2-b
� L’i-esimo livello di quantizzazione xq(i) è posto al centro dell’i-esimo
intervallo
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
21
� Modello probabilistico: q è una variabile
aleatoria con “distribuzione” (densità di
probabilità) uniforme tra e , e a
media nulla
� L’errore di quantizzazione può assumere tutti i valori da a 2/∆
� Il valore massimo del modulo dell’errore q è: , e va a
zero al crescere di b
� Sul segnale ricostruito l’errore di quantizzazione viene percepito
come un disturbo (rumore) sommato al segnale originale
Rumore di Rumore di quantizzazionequantizzazione nel PCM nel PCM ––prestazioni del prestazioni del quantizzatorequantizzatore (2/3)(2/3)
qxx̂ +=campione
quantizzatocampioneoriginale
errore diquantizzazione
2/∆−
2/∆− 2/∆2
∆−2
∆
)(qp
q
bMAXx −=∆2
2
)2(
2
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
22Rumore di Rumore di quantizzazionequantizzazione nel PCM nel PCM ––prestazioni del prestazioni del quantizzatorequantizzatore (3/3)(3/3)
ˆ x x q= +
� Supponiamo che x possa assumere solo valori in [-xMAX, xMAX].
Supponiamo che l’intervallo [-xMAX, xMAX] sia suddiviso in L=2b intervalli
di quantizzazione di estensione
� Si può dimostrare che il valore medio E{q2} del quadrato dell’errore di
quantizzazione q vale
� Quindi E{q2} va a zero in maniera esponenziale al crescere di 2b
∆ 2 / 2 / 2bMAX MAXx L x= =
( )22max2 2∆
E{q } 212 3
bx −= =
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
23Musica ad Alta FedeltMusica ad Alta Fedelt àà
� L’orecchio umano non percepisce suoni oltre i 20KHz
� Con un campionamento minimo a 40000 campioni al secondo non si avvertono differenze e significative tra segnale musicale di partenza e segnale ricostruito dal segnale campionato
� Distorsioni percepite dovute unicamente da errori di quantizzazioneche possono essere ridotti a piacere aumentando il numero di digitper campione
� Dimensione di un brano di 3 minuti
filtro 20k 40 k
12 digit/campione 480
3 minuti 480 180 480 86,4 10,8 (1byte=8 bit)
cHz f Hz
kbps
kbps k Mbit Mbyte
± → =→
× = × = =
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
TrattamentoTrattamento delledelle sequenzesequenze numerichenumeriche
{ }0, 1, 2,.., n nx = ± ±
� Può essere quantizzata oppure no
� Può essere la sequenza dei campioni
di un segnale analogico campionato, oppure può nascere proprio
come sequenza (esempio: caratteri inviati tramite tastiera ad un PC)
)()( cnTtn nTxtxxc
===
� Ci concentriamo su sequenze numeriche di durata finita (N elementi):
{ }, 0, 1, ..., 1nx n N= −11 ,0 ..., , −Nxxx
)t(x
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
24
� Sequenza numerica:
TrasformataTrasformata discretadiscreta didi Fourier per Fourier per sequenzesequenze didi duratadurata finitafinita (DFT)(DFT)
kN
njN
nnk ex
NX
π21
0
1 −−
=∑=
{ }0, 1 1,..., NX X X −
1 ...., ,1 ,0 −= Nk0 1 −N
k
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
25
� Per una sequenza discreta di può definire una rappresentazione nel
dominio della frequenza, tramite una trasformazione,
� Discrete Fourier Transform (DFT), sequenza di campioni nel dominio
discreto della frequenza
� Definita come
| |kX
TrasformataTrasformata discretadiscreta didi Fourier per Fourier per sequenzesequenze didi duratadurata finitafinita (DFT)(DFT)
� La DFT {Xk, k=0,…,N-1} costituisce una rappresentazione di
nel dominio k delle frequenze discrete. Infatti vale la seguente formula
di ricostruzione, antitrasformata discreta di Fourier
ovvero la sequenza è data dallo somma di N componenti nel
dominio della frequenza k
{ }nx
1-DFT1 2
0
1 0, ..., 1
kN j nN
n kk
x X e n NN
− + π
=
= = −∑
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
26
{ }nx
ProprietPropriet àà elementari della DFTelementari della DFT
� Linearità:
� Simmetria: se è a valori reali, allora
{ }n n k kDFT ax by aX bY+ = +
{ , 0,...,( 1)}nx n N= −
*
1 12,
11
2
N k k
Nk per N pari
X X doveN
k per N dispari−
≤ ≤ −= − ≤ ≤
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
27
Algoritmi FFT (Fast Algoritmi FFT (Fast FourierFourier TransformTransform ))
sequenza) della (lunghezza N
Complessitàdi calcolo
(FFT) log2 NN
(DFT) 2N
NN 2log2Nkn
Nj
eπ2
� Il calcolo di una DFT è spesso oneroso dal punto di vista
computazionale.
� Vi sono algoritmi per il calcolo veloce della DFT con complessità
ridottissima, dell’ordine di anziché
� Gli FFT sfruttano le proprietà di simmetria degli esponenziali
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
28
ImpulsoImpulso discretodiscreto
� Definiamo come impulso discreto la sequenza
numerica che vale 1 in n=0 ed è nulla altrove, ossia
� NB: Da non confondere con l’impulso matematico defi nito per i
segnali analogici
{ }, 0, 1, 2,...n nδ = ± ±
1, 0
0, 0n
n
n
=δ = ≠
nδ
n-4 -3 -2 –1 0 1 2 3 4
1
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
29
ConvoluzioneConvoluzione discretadiscreta (1/3)(1/3)
1. Graficare le due sequenze da convolvere come funzioni di m,
ottenendo {xm} e {ym}.
2. Ribaltare la sequenza {ym} rispetto all’asse delle ascisse, ottenendo
quindi la sequenza {h-m}
3. Traslare la sequenza {y-m} della quantità n lungo l’asse m, ottenendo
così {yn-m, m=0, ±1, ±2,…}.
3.1. quando n≥0, allora {y-m} va traslata di n verso destra
3.2. quando n<0, allora {y-m} va traslata di n verso sinistra
4. Calcolare per ogni valore di m il prodotto xm yn-m, m=0, ±1, ±2…
5. Sommare rispetto all’indice m tutti i prodotti {xm yn-m, m=0, ±1, ±2…}
ottenendo il valore zn delle sequenza convoluta al passo n.
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
30
* , 0, 1, 2,...n m n m n nm
z x y x y n+∞
−=−∞
= = = ± ±∑� Def:
CalcoloCalcolo delladella convoluzioneconvoluzione DiscretaDiscreta (2/3)(2/3)
m
xm2
m
ym
1
m
y-m
1-2 –1 0 1 2 0 1
-1 0
m
yn-m
1
n-1 n
n
zn4
m
yn-m
1
-1+n n
0n ≥ 0n ≤
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
31
2 2
ProprietPropriet àà delladella convoluzioneconvoluzione discretadiscreta (3/3)(3/3)
� La convoluzione discreta è commutativa, ossia: xn*hn=hn*xn
� La convoluzione discreta è associativa, ossia [xn*hn]*zn=xn*[hn*zn]
� La convoluzione discreta è distributiva rispetto alla somma, ossia
[xn+yn]*hn=(xn*hn)+(yn*hn)
� Se {xm, m=0,..,M-1} è una sequenza lunga M e {hn, n =0,…,L-1} è una
sequenza lunga L, allora la convoluzione discreta yn=xn*hn è una
sequenza lunga L+M-1
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
32
FiltraggioFiltraggio digitaledigitale (1/3)(1/3)
� Un sistema numerico S è un sistema che trasforma una sequenza di
ingresso in una di uscita in
accordo ad una specifica relazione ingresso-uscita .
� Un sistema numerico è lineare se vale il principio di sovrapposizione
degli effetti, ossia
� Un sistema numerico è permanente se il suo comportamento non
varia nel tempo, ossia
{ }0, 1, 2,.., n nx = ± ± { }0, 1, 2,.., n ny = ± ±( )n ny f x=
Snx ( )n ny f x=
(1) (1)(1) (2) (1) (2)
(2) (2)
n nn n n n
n n
x yax bx ay by
x y
→ ⇒ + → +
→
0 00, 1, 2, ..,n n n n n n nx y allora x y− − = ± ±→ →
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
33
FiltraggioFiltraggio digitaledigitale (2/3)(2/3)
� Un sistema numerico lineare e permanente è un filtro numerico
� Si definisce come risposta impulsiva del filtro
numerico la sequenza di uscita dal filtro quando all’ingresso è applicata
la sequenza impulso discreto
� Un filtro numerico è causale se hn=0 per ogni n<0
� Un filtro numerico è FIR (Finite Impulse Response) se {hn} è diversa da
zero solo per un numero finito di valori di n.
� Un filtro numerico è IIR (Infinite Impulse Response) se {hn} è diversa da
zero per un numero infinito di valori di n
{ , 0, 1, 2,..}nh n= ± ±
{ , 0, 1, 2,..}n nδ = ± ±
Filtro Numerico
nδ nh
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
34
FiltraggioFiltraggio digitaledigitale (3/3)(3/3)
Filtro hn
nx ny
� Dato un filtro numerico con risposta impulsiva {hn}, la sequenza di
uscita {yn} ottenuta in corrispondenza di una generica sequenza di
ingresso {xn} si ottiene mediante la convoluzione discreta di {xn} e {hn},
ossia
* , 0, 1, 2,...n m n m n nm
y x h x h n+∞
−=−∞
= = = ± ±∑
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
35
FiltriFiltri FIR (Finite Impulse Response) (1/2)FIR (Finite Impulse Response) (1/2)
Ritardo di1 passo(delay)
Ritardo di1 passo(delay)
Ritardo di1 passo(delay)
∑
0h1h 1−Lh
nx 1−nx 1−−LnxLinea di ritardo digitale
∑−
=−=
1
0
L
mmnmn xhy
� L’uscita all’ ”istante” n è pari alla combinazione lineare di L valori di
ingresso immagazzinati nella linea di ritardo digitaleny
1 ..., , −−Lnn xx
…..
� Def: un filtro numerico è detto FIR se la sua risposta impulsiva {hn,
n=0,…,L-1} ha lunghezza finita L<+∞
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
36
FiltriFiltri FIR (Finite Impulse Response) (2/2)FIR (Finite Impulse Response) (2/2)
Esempio di filtro FIR“media mobile” su 2 istanti:
=→+=+= −−
2
1,
2
1
2
1
2
1
2 11
nnnnn
n hxxxx
y
• • • •• • •
2 2 25.2
1 0
5.0−
5.22•
•
• • • •
••
•
• •
2 2 23
1−
1
4
0
1−
nx
ny
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
37
FiltriFiltri IIR (Infinite Impulse Response)IIR (Infinite Impulse Response)
n
nnh a=
0
1<a
� Un filtro è detto IIR (Infinite Impulse Response) se la sua risposta
impulsiva {hn} è non nulla in un numero infinito di istanti.
� Ha almeno un ramo di controreazione
R. Cusani - Fondamenti sui segnali numerici, Roma, Marzo 2009
38
D
nx1−+= nnn ayxy
a
1−ny