Beruflich Dokumente
Kultur Dokumente
Ex =
x2 (t)dt
(1)
di un segnale complesso:
Ex =
+
2
|x(t)| dt =
|X(f )|2df
(2)
Ex =
+
2
x (t)dt =
|X(f )|2df
(3)
Esiste quindi una relazione tra lenergia del segnale e il modulo della sua trasformata di
Fourier. Il teorema di Parseval pu`o essere utile per il calcolo dellenergia di un segnale, in
quanto il calcolo dellintegrale in f pu`o risultare pi`
u semplice rispetto a quello in t.
X(f ) = F {x(t)} =
x(t) = F
x(t)ei2f t dt
(4)
{X(f )} =
X(f )ei2f t df
(5)
F {x (t)} = X(f )
(6)
dove x (t) `e il complesso coniugato di x(t). La dimostrazione del teorema segue come:
Ex =
=
Z +
Z
+
i2f t
|x(t)| dt =
x(t) x (t)dt =
x(t)
X (f )e
df dt =
Z +
Z + Z +
i2f t
i2f t
x(t)
X (f )e
df dt =
x(t)e
dt X (f )df =
Z +
Z +
=
X(f )X (f )df =
|X(f )|2df
La funzione S(f ) = |X(f )|2 si definisce densit`a spettrale di energia e possiede le due seguenti
propriet`a:
1) lintegrale della densit`a spettrale di energia su una data banda fornisce lenergia delle
componenti frequenziali del segnale x(t) contenute in tale banda (ossia supponendo di applicare un filtro ideale passa banda al segnale x(t) e poi di calcolare lenergia del segnale
residuo questa sarebbe uguale allintegrale della densit`a spettrale di energia sulla banda);
2) lintegrale della densit`a spettrale di energia da a + `e lenergia del segnale.
Talvolta la banda a 3 dB (per esempio dei filtri) `e difficile da calcolare per i segnali in
quanto i loro spettri risultano irregolari. In questo caso si adotta un criterio energetico
stabilendo come larghezza di banda la met`a dellintervallo in cui `e contenuta circa il 99%
dellenergia. Un segnale (passa-basso) avr`a banda B se:
Z
(7)
Segnali periodici
cn n (t)
(8)
n=0
dove n () sono opportune funzioni base e cn coefficienti di espansione. Funzioni base ortogonali riducono lintegrale dellerrore quadratico ISE (integral of square error)
ISE =
t1 +T
t1
x (t) =
(x(t) x (t))2 dt
N
X
cn n (t)
(9)
(10)
n=0
La scelta di funzioni base sinusoidali porta alla serie di Fourier. Utilizzando la notazione
esponenziale complessa si ha:
+
X
x(t) =
cn ein0 t
(11)
n=
dove risulta
1
cn =
T
e 0 = 2f0 , f0 = 1/T .
t1 +T
x(t)ein0 t dt
(12)
t1
+T0 /2
T0 /2
|x(t)|2 dt
(13)
Un segnale avente energia finita, avr`a potenza media nulla. Lenergia di un segnale periodico
`e illimitata mentre la potenza `e finita. Per un segnale periodico di periodo T vale:
1
Px = limT0
T0
+T0 /2
1
|x(t)| dt =
T
2
T0 /2
|x(t)| dt =
+
X
k=
|x(t)|2 dt
|cn |2
(14)
(15)
x(t) =
+
X
cn ei2nf0 t
(16)
n=
Z
+
1 T X
|x(t)| dt =
|
cn ei2nf0 t |2 dt =
T
0
0
!
Z
+
+
+
+
X
X
X
1 TX
i2nf0 t
i2nf0 t
cn cn dt =
|cn |2
cn e
dt =
cn e
T
0
1
Px =
T
1
=
T
T
0
In analogia a quanto indicato per segnali a energia finita, per un segnale periodico possiamo
definire lo spettro di densit`a di potenza come:
G(f ) =
n=
|cn |2 (f nf0 )
(17)
G(f )df
(18)
La densit`a spettrale di potenza `e anche definita come limite del rapporto tra la densit`a
spettrale di energia del segnale troncato allinterno della finestra temporale (T /2, T /2)
e lampiezza della finestra temporale T :
G(f ) = limT
|XT (f )|2
T
(19)
Densit`
a spettrale e funzione di autocorrelazione di un segnale (non richiesta)
x (t)x(t + )dt
(20)
Rx ( ) =
+
i2f
X(f )X (f )e
df =
|X(f )|2ei2f df
(21)
dove si `e fatto uso delle propriet`a di traslazione nel tempo e da cui segue che:
F {Rx ( )} = |X(f )|2
(22)
Per un segnale a energia finita, la densit`a spettrale di energia |X(f )|2 `e la trasformata di
Fourier della funzione di autocorrelazione
2
|X(f )| =
Rxx ( )ei2f d
(23)
teorema di Wiener-Khinchin. Risulta semplice osservare che Rx (0) `e lenergia del segnale:
Rx (0) =
|x(t)|2 dt = Ex
(24)
Per un segnale a potenza finita (esempio segnale periodico) si definisce funzione di autocorrelazione:
1
Rxx ( ) =
T
x(t + )x(t)dt
(25)
e la densit`a spettrale di potenza `e la trasformata di Fourier della funzione di autocorrelazione. Per esempio, un rumore bianco che ha densit`a spettrale di potenza costante su
tutto lintervallo delle frequenze (il rumore bianco rappresenta solo un caso teorico) `e un
segnale con funzione di autocorrelazione zero eccetto R(0) in cui cio`e si manifesta una di
Dirac.
Esempio impulso rettangolare: supponiamo di avere un impulso rettangolare x(t) tale per
cui x(t) = 0, t < T /2; x(t) = A, T /2 < t < T /2; x(t) = 0, t > T /2. La funzione di
sin2 (f )
(f )2
(26)
La funzione di autocorrelazione di unonda quadra a media non nulla introduce una delta
in f = 0 nella densit`a spettrale di potenza.
I.
x(t) =
+
X
n=
(t nT )
(27)
+
1 X in0 t
x(t) =
e
T n=
(28)
TCF{
+
X
n=
(t nT )} =
Z +
1 X
1 X in0 t it
e
dt =
e
ei(n0 )t dt (29)
T n=
T n=
1 X
(f nf0 )
TCF{
(t nT )} =
T n=
n=
(30)
La dimostrazione della propriet`a di dualit`a della TCF x(t) X(f ) allora X(t) x(f )
segue da:
x(t) =
e
x(t) =
X(f )ei2f t df
(31)
X(f )ei2f t df
(32)
X(y)ei2yt df
(33)
posto f = y si ha:
x(t) =
posto ancora t = f e y = t risulta infine
x(f ) =
X(t)ei2f t dt
(34)
Supponiamo ora di avere un segnale x(t) e di campionarlo con un treno di impulsi c(t) per
cui vale xc (t) = x(t)c(t). La TCF del segnale campionato risulta:
+
+
1 X
1 X
(f nf0 ) =
X(f nf0 )
TCF{xc (t)} = X(f ) C(f ) = X(f )
T n=
T n=
(35)
ossia lo spettro del segnale campionato `e la ripetizione dello spettro del segnale continuo.
Vu = 1 LSB
N
1
X
bk 2k =
k=0
N 1
N 1
Vif s X
Vuf s X
k
bk 2k
b
2
=
k
2N k=0
2N 1 k=0
(36)
dove Vif s e Vuf s sono rispettivamente il valore di fondo scala dellingresso analogico e
delluscita digitale. Facciamo un esempio di un convertitore a 3 bit e segnale di ingresso
analogico con Vif s = 8 V nel range 0 e 8 V. Luscita digitale pu`o assumere 8 valori
nellintervallo 0 e 7 V per cui il LSB vale Vuf s /(2N 1). Ossia il valore massimo delluscita
digitale vale Vuf s = (2N 1) 1 LSB.
FIG. 1: Caratteristica ideale di un ADC - N = 3 bit relativa alla relazione caratteristica (36).
Vu = 1LSB
N
1
X
bk 2k + 0.5 LSB
(37)
k=0
Le funzioni caratteristiche relative alle (36) e (37) sono riportate in Fig. 1 e Fig. 2, sempre
per un convertitore a 3 bit.
FIG. 2: Caratteristica ideale di un ADC - N = 3 bit relativa alla relazione caratteristica (37).
accuratezza: laccuratezza `e lerrore totale con cui il convertitore A/D pu`o convertire
una tensione nota includendo gli effetti di errore di quantizzazione, offset, guadagno e nonlinearit`a. Tecnicamente, laccuratezza dovrebbe essere tracciabile a standard noti e tiene
conto di tutti gli errori statici.
risoluzione: definita in precedenza, rientra tra i parametri statici.
dinamica: la dinamica di un convertitore A/D `e definita come rapporto tra il massimo
valore del segnale che pu`o essere fornito in ingresso e il valore del LSB. Matematicamente
DR = 20log10 2N = 6.02N.
10
seconda definizione sottostima leffetto della INL sullaccuratezza totale, probabilmente descrive meglio la linearit`a del convertitore in alternata.
B.
+0.5Vq
2
d = Vq
0.5Vq
3
3
+0.5Vq
0.5Vq
2
Vif
s
12
(38)
(39)
Vrms
Vrms
= 20log10 (2N 1.5) = 6.02N+1.76dB
SNR = 20log10 q
= 20log10 q
Vq2 /12
Vf2s /12/4N
(40)
12
Numero effettivo di bit Varie sorgenti di errore negli ADC causano una dimuzione del
SNR misurato rispetto al valore teorico dovuto alla quantizzazione. Questi errori sono
dovuti a DNL e INL, salto di codici (missing code), sorgenti di rumore interne allADC. In
aggiunta gli errori sono funzione della velocit`a di variazione del segnale di ingresso quindi
aumentano con il crescere della frequenza dellinput. Nella pratica lADC non pu`o effettuare
una conversione istantanea. Il valore dingresso deve necessariamente rimanere costante
durante tutto il tempo in cui il convertitore esegue la conversione. Il SNR diventa allora
S/N+D oppure SINAD o SNDR (Signal-to-Noise-and-Distortion Ratio).
Usando il SINAD misurato il numero effettivo di bit ENOB (Effective Number Of Bit)
risulta:
ENOB =
SINAD 1.76dB
6.02
(41)
Esempio
` dato un convertitore A/D con frequenza di campionamento 10 MHz e risoluzione 12 bit
E
su un intervallo 10 V.
Vfs
20
10
=
=
4.88 mV
2N
212
2N1
(42)
Vf2s
Vf2s
=
2 106 V2
12 4N
12 412
(43)
1 LSB =
s2adc =
(44)
SINAD = 10log10
da cui ancora secondo la (41):
2
Vrms
s2tot
Nef f =
= 10log10
50
66.99dB
10 106
66.99 1.76
10.8bit
6.02
Il conto poteva essere fatto anche impostando lequazione nel seguente modo:
13
(45)
(46)
Nef f = log4
2
Vfs2
Vrms
0.2925
=
log
4 2 1.7925
s2tot
stot
(47)
II.
log10 (a)
log10 (u)
(48)
FILTRO ANTIALIASING
x(t) X(f )
+
1 X
xc (t) = x(t)c(t) X(f ) C(f ) =
X(f nf0 )
T n=
(49)
(50)
FIG. 6: Spettro del segnale e spettro del segnale campionato. f0 `e la frequenza di campionamento.
14
FIG. 7: Spettro del segnale e spettro del segnale campionato con aliasing (fc < 2B).
h(t) = F
e
t
sint/T
(H(f )) = sinc
=
T
t/T
15
(51)
+
X
n=
x(nT )(t nT )
sinc(t/T ) =
+
X
n=
x(nT )sinc
t nT
T
(52)
x1 (t) =
+
X
xn rect
n=
t nT
T
(53)
ossia, x1 (t) = xc (t) h1 (t) dove h1 (t) = rect(t/T ) `e dovuto al campionamento sample &
hold. Quanto sopra `e rappresentato in Fig. 9.
Occorre quindi un opportuno filtro di ricostruzione finale per ricostruire correttamente
il segnale x(t) dal segnale campionato con sample & hold. Il circuito di sample & hold `e
schematizzato nel suo principio di funzionamento in Fig. 10
dove nel S/H c`e un buffer (amplificatore a guadagno unitario) dingresso con alta
impedenza di ingresso, in modo che la sorgente non sia caricata (non ci sia assorbimento
di corrente) e un buffer duscita, anchesso ad alta impedenza di ingresso, che presenta in
uscita la tensione del condensatore senza farlo scaricare. La velocit`a di campionamento `e
16
legata alla frequenza massima di clock. Di solito dipende dalla risoluzione e risulta maggiore
per basse risoluzioni. (8 bit 108 sample/sec; 24 bit 105 sample/sec). In un periodo
di clock il convertitore deve campionare, effettuare la conversione, presentare in uscita una
configurazione stabile di bit, essere pronto ad accettare un nuovo campione.
Se i segnali non sono a banda rigorosamente limitata occorre inserire prima del campionatore un filtro antialiasing (di solito filtro passa-basso) per evitare la sovrapposizione
in banda base di componenti spettrali con frequenza f fc /2.
Supponiamo che il segnale da campionare abbia spettro contenuto nella prima zona di
Nyquist. Si ricorda che la frequenza di Nyquist fc/2 `e la met`a della frequenza di campionamento fc . Senza un filtro antialiasing in ingresso al campionatore ideale, componenti di
frequenza (sia di segnale sia di rumore) che cadono fuori dalla banda di Nyquist potranno
essere piegate indietro nella prima zona di Nyquist. Occorre quindi un filtro antialiasing.
Assumendo che la frequenza pi`
u alta di interesse sia fa il filtro antialiasing deve passare
segnali dalla DC a fa mentre deve attenuare componenti con frequenza maggiore di fa . La
banda di transizione del filtro antialiasing `e determinata dalla frequenza di taglio fa dalla
frequenza di stop band fc fa e dalla attenuazione di stop band, (D - dynamic range). I
filtri risulteranno pi`
u complessi tanto pi`
u ripido il fronte di transizione dalla banda piena
alla banda scura (minori frequenze di campionamento) o potranno essere pi`
u rilassati quanto
maggiore la frequenza di campionamento e quindi la banda di transizione a disposizione. In
Fig. 11, si riporta in alto lo spettro del segnale continuo e in mezzo lo spettro del segnale
campionato avendo ripetuto per semplicit`a di rappresentazione una sola volta lo spettro del
17
FIG. 11: Effetto del filtro antialiasing sulla ricostruzione del segnale in banda di interesse.
segnale continuo. In particolare, si vede leffetto di aliasing in banda base e come sia ridotta
la effettiva dinamica. Aggiungendo un filtro antialiasing si ottiene lo spettro riportato nel
grafico in basso della figura e si vede come leffetto di aliasing sia ridotto con un conseguente
aumento della dinamica effettiva.
Supponiamo di voler convertire un segnale la cui banda `e pari a 5 kHz utilizzando un
convertitore A/D con risoluzione corrispondente a 8 bit campionando alla frequenza di 15
KHz. Stabilire la pendenza del filtro antialiasing:
Dimensionare correttamente il filtro antialiasing richiede una conoscenza delle caratteristiche spettrali del segnale cos` come richiede di conoscere la dinamica del sistema.
Supponiamo un segnale con contenuto in frequenza fino a fa = 35 kHz campionato a 100 k
sample/s. Si assuma che il segnale abbia un andamento in frequenza fondo scala fino a 35
kHz e poi risulti attenuato di 30 dB a 65 kHz (fs fa ). La dinamica del sistema `e limitata
a 30 dB (bassa risoluzione) a 35 kHz per via delle componenti di aliasing. Se si richiede una
18
dinamica maggiore, quindi una risoluzione maggiore occorre inserire un filtro antialiasing
per fornire una maggiore attenuazione a 65 kHz. Supponiamo di volere un dynamic range
DR di 74 dB (corrispondenti a 12 bit) a 35 kHz, allora lattenuazione del filtro antialiasing
deve valere 0 dB a 35 kHz e 44 dB (44 = 74 30) dB a 65 kHz. Questa attenuazione deve
avvenire in circa unottava (65 kHz `e pressoche il doppio di 35 kHz) per cui occorre un
filtro del settimo ordine (ogni polo fornisce circa 6 dB di attenuazione per ottava).
A.
Lalgoritmo di FFT opera su una storia temporale di lunghezza finita (N punti) per
calcolare la trasformata di Fourier. Poiche il risultato della FFT `e un segnale periodico per
definizione (di periodo T), i record sono di fatto replicati su tutto lasse temporale, da
a +. Supponiamo di avere un ingresso sinusoidale e di campionare un numero intero di
periodi. Lo spettro presenta una sola riga in corrispondenza della frequenza corretta del
segnale. Altrimenti se Tc 6= Ts ovvero se la lunghezza della storia temporale considerata non
contiene un numero intero di periodi del segnale, il cambio di dominio da tempo a frequenze
avviene in maniera errata. Lerrore che si commette nel dominio delle frequenze viene detto
errore di leakage. Campionando un numero non intero di periodi, lo spettro presenta pi`
u
righe (linformazione si ripartisce su una banda di frequenze anziche su una sola riga), e
sottostima lampiezza della componente armonica.
Supponiamo di costruire una sinusoide del tipo:
x = [0 : 1e 6 : 1]
y = sin(24x)
effettuiamo la FFT di y e troveremo la corrispondente riga di spettro. Supponiamo
ora di campionare con un Tc non sottomultiplo intero di Ts . Definiamo quindi un vettore
y1 = y(1 : 3e5). Effettuiamo ancora la FFT di y1 e noteremo un possibile errore di leakage.
Sia dato un segnale periodico di periodo Ts = 10 ms. Lo spettro `e costituito oltre che dalla
fondamentale dalla 3, 7 e 11 armonica. Determinare la minima frequenza di campionamento
perche non si verifichino errori di aliasing e di leakage.
Tc deve essere un sottomultiplo intero del periodo del segnale e deve valere il teorema del
campionamento. Quindi ne deriva per non avere la sovrapposizione della riga legata alla 11
armonica che Tc = Ts /(2N + 1) = 434.78s da cui fc = 2300 Hz.
19
Esempio 1
La potenza dellerrore di quantizzazione vale rq = V 2 /12. Cerchiamo di capire qualitativamente quale `e la densit`a spettrale di potenza dellerrore di quantizzazione. Supponiamo
un input sinusoidale che sfrutti tutta la dinamica di ingresso del convertitore, lerrore ha
componenti significative ad alta frequenza a seguito delle transizioni brusche. Supponiamo
di campionare a frequenza di Nyquist fs e di ripiegare lo spettro di eq in un intervallo compreso tra fs /2, +fs /2. Quindi si `e portato in banda di Nyquist peggiorando il SNR. Si
assuma per semplicit`a che lo spettro risultante sia costante in questo intervallo per cui:
G(f ) =
V 2
rq
=
fs
12fs
(54)
G(f ) =
V 2
rq
=
fc
12fc
(55)
V 2 fs
12 fc
(56)
quindi rqo = rq2 fs /fc e il SNR aumenta. Da questo deriva che nel caso di un quantizzatore
con sovracampionamento si ha un aumento del SNR rispetto a un convertitore normale pari
a 3 dB per ogni raddoppio della frequenza di campionamento.
20
Esempio 2
Sia dato un segnale con densit`a spettrale di potenza G(f ) = 1 V2 /Hz nella banda 10 Hz
- 100 Hz. A questo segnale si sovrappone un rumore bianco a banda limitata con densit`a
spettrale di potenza G(f ) = 0.001 V2 nella banda 0 Hz - 1 MHz. Determinare il SNR in dB.
Il quadrato del valore efficace del segnale e del rumore sono dati da:
2
Vsrms
= G(f )fs = 1(100 10) = 90 V2
(57)
2
Vrrms
= G(f )fr = 0.001 106 = 103 V2
(58)
Il SNR in dB risulta:
SNR = 10log10
90
= 10.46 dB
103
(59)
a) Determinare il tipo di filtro da utilizzare (filtro ideale) e la banda passante per ottenere
un SNR pari a 40 dB.
Non possibile a meno di non filtrare componenti anche in banda base.
b) Determinare il tipo di filtro da utilizzare (filtro ideale) e la banda passante per ottenere
un SNR pari a 30 dB.
Per ottenere un SNR pari a 30 dB occorre inserire un filtro passa banda, con frequenze di
taglio 10 Hz - 100 Hz. Il valore efficace del rumore diventa cos`:
2
Vbrms
= G(f )fS = 0.001 90 = 0.09
(60)
21
Esempio 3
Un convertitore AD ha una frequenza di campionamento pari a 10 MHz e una risoluzione
di 12 bit su un campo di ingresso 10 V. Indicare il limite teorico della banda del sistema
di misura.
fc = 10 MHz la massima frequenza misurabile risulta fm = 5 MHz.
Determinare la risoluzione del sistema di misura sia nella misura di tensione sia nella
misura del tempo. Il LSB (least significant bit) o bit meno significativo risulta 1 LSB =
Vf s /2N = 20/212 4.88 mV. Il bit meno significativo determina la risoluzione del sistema
di misura identificato nel solo convertitore A/D. La risoluzione nel dominio del tempo `e
limitata dalla frequenza di campionamento tris 1/fc = 1/(10 106 ) = 100 ns. Calcolare
il numero effettivo di bit supponendo di applicare in ingresso un segnale sinusoidale il cui
valore di picco `e Vp = 10 V con un rumore (noise) sovrapposto caratterizzato da avere
rn = 8 106 V2 scorrelato al rumore di quantizzazione. Il valore quadratico medio del
rumore di quantizzazione risulta:
rq2
Vf2s
LSB2
202
=
=
2 106 V2
=
N
12
12 4
12
12 4
(61)
essendo LSB = Vf s /2N . Da questo segue che il valore quadratico medio del rumore totale
risulta:
2
rtot
= rq2 + rn2 = 2 106 + 8 106 = 10 106 V2
(62)
Ora dalla relazione (61) risolvendo rispetto a N si ottiene: N = log4 (Vf2s /rq ) 1.7925.
valore di rtot per cui essendo il valore efficace del segnale di ingresso V = 5 2:
N = log4 (V 2 /rtot ) 0.2925 = log4 (50/(10 106 )) 0.2925 = 10.8 bit
(63)
Allo stesso risultato si perviene applicando la formula: N = (SNRdB 1.76)/6.02. Sostituendo si ha infatti:
SINADdB = 20log10
22
V
= 2.236 103
rtot
(64)
N=
(SINAD)dB 1.76
= 10.8 bit
6.02
23
(65)
Esempio 4
Il valore quadratico medio di rumore in un convertitore A/D con Vf s = 20 V `e pari a
r 2 = 4 105 V2 . Determinare la risoluzione in termini di numero effettivo di bit.
Risposta:
N = (10log1 0
N = log4
VF2S
1.76)/6.02 = 9.83
8r 2
VF2S
1.7925) = 9.83
r2
24
(66)
(67)
Esempio 5
Un convertitore a 10 bit campiona a 50 kHz un segnale con frequenza massima di 15 kHz.
Dimensionare il filtro antialiasing per ottenere un rumore di aliasing pari al rumore di
quantizzazione. Quale `e il numero effettivo di bit (ENOB) considerando soltanto gli errori
di quantizzazione e di aliasing?
Il SNR valutato tenendo conto del solo rumore di quantizzazione risulta:
(68)
Il livello di segnale fuori banda riportato in banda base dal campionamento dipende dalle
caratteristiche spettrali del segnale stesso e dalla pendenza del filtro antialiasing. Il caso
peggiore si presenta quando il segnale di ingresso ha densit`a spettrale costante almeno fino
alla frequenza di campionamento, perche tutta lattenuazione per segnali fuori banda deve
essere introdotta dal filtro antialiasing di ingresso.
Lattenuazione di un filtro dipende, a una certa distanza dalla frequenza di taglio, dal
numero di poli (in prossimit`a della frequenza di taglio dipende dal tipo di funzione approssimante; in questo esercizio terremo conto solo del comportamento asintotico). Con
questa approssimazione, un filtro con p poli presenta, tra le frequenze f1 e f2 = kf1 , una
attenuazione Z calcolabile come:
Z = p 20log10(k) dB
(69)
da cui si pu`o ricavare il numero di poli necessario per avere unattenuazione Z tra le frequenze
f1 e f2 .
Nel nostro caso la stop band `e data da f2 f1 = 35 kHz, k = 2.33 e il SNR richiesto
deve essere pari a circa 62 dB per cui la nostra attenuazione Z 62 dB. Il numero di poli
del filtro si ricava facilmente come:
p=
62
Z
=
= 8.4
20log10 (k)
20log10 (2.33)
(70)
Possiamo scegliere un filtro antialiasing con frequenza di taglio a 15 kHz e con 9 poli.
Il numero effettivo pu`o esser calcolato attraverso i seguenti passaggi:
SNR = 1062/20 = 1258.92
25
(71)
da cui essendo il rumore di quantizzazione uguale a quello di aliasing (i rumori sono scorrelati) si ottiene:
(72)
N=
26
(73)
Filtri
Un filtro `e un circuito selettivo in frequenza che lascia passare i segnali in una certa
banda e attenua i segnali al di fuori di tale banda. I filtri passivi utilizzano esclusivamente
componenti passivi (resistenze, condensatori e induttanze), mentre i filtri attivi utilizzano
oltre ai componenti passivi gli amplificatori operazionali.
Alcuni vantaggi dei filtri attivi sono il guadagno, lassenza di effetto di carico, il costo e
dimensioni, gli effetti ridotti delle capacit`a parassite, lintegrazione.
Tra gli svantaggi dei filtri attivi si trovano: deriva (sensibilit`a alle variazioni delle caratteristiche dei componenti attivi, dovute alle modifiche delle condizioni ambientali), richiedono
una sorgente di alimentazione, introducono distorsioni (possono trattare segnali con una dinamica fissata, superando tale limite introducono distorsioni), il rumore (utilizzano resistori
ed elementi attivi che introducono rumore). In genere i vantaggi nellutilizzo dei filtri attivi
superano gli svantaggi nelle applicazioni elettroniche.
Da un punto di vista circuitale un filtro `e un doppio bipolo con una sua funzione di
trasferimento H(s).
Le caratteristiche di un filtro ideale sono:
risposta in ampiezza costante in banda passante e nulla al di fuori, nella banda oscura;
fase lineare in banda passante;
transizione brusca dalla banda passante a quella oscura.
Supponiamo di avere un segnale somma di tre sinusoidi a frequenza diversa:
x(t) = A1 sin(2f1 t) + A2 sin(2f2 t) + A3 sin(2f3 t)
(74)
con f1 < f2 < f3 . Supponiamo che la sinusoide con frequenza f3 non sia desiderata e quindi
debba essere filtrata. Ne segue che utilizzeremo un filtro ideale, per esempio passa basso
con frequenza di taglio ft < f3 . Lutilizzo del suddetto filtro garantisce che il segnale non
voluto non sia pi`
u presente, ma occorre vedere se garantisce effettivamente la ricostruzione
del segnale voluto.
Possiamo accettare come modifiche che il segnale nel suo insieme sia modificato in
ampiezza senza alterazione di forma o traslato nel tempo. Pertanto luscita del filtro deve
valere:
27
xf (t) = kx (t )
(75)
dove x (t) = A1 sin(2f1 t) + A2 sin(2f2 t). Usando la risposta in frequenza del filtro ideale
segue che:
(76)
dove se (f1 ) = 2 f1 e (f2 ) = 2 f2 come nel caso del filtro ideale allora la ricostruzione del segnale voluto `e corretta, altrimenti no.
Si capisce che non `e possibile realizzare un filtro ideale con un circuito a parametri dissipativi concentrati. Omettendo la dimostrazione si verifica che la risposta in ampiezza deve
essere una funzione continua di , pertanto non si pu`o avere una transizione brusca. Inoltre
la risposta in ampiezza non pu`o essere zero in un intervallo di frequenze di ampiezza non
nullo. Si possono quindi realizzare filtri approssimanti i filtri ideali. Di solito le specifiche del
filtro sulla risposta in ampiezza e fase dovrebbero essere assegnate non indipendentemente.
Tra i filtri pi`
u comuni si hanno:
filtri di Butterworth caratterizzati dallavere risposta in ampiezza massimamente piatta
in banda passante e banda oscura, la cui funzione densit`a spettrale di energia risulta del
tipo:
A2 () =
k2
1 + (/)2n
(77)
dove `e la frequenza di taglio del filtro. I filtri di Butterworth hanno le limitazioni di non
essere a fase lineare e di richiedere un ordine elevato per garantire una regione di transizione
sufficientemente ripida. Un filtro di Butterworth `e completamente determinato una volta
noti lampiezza alla pulsazione = 0, la pulsazione di taglio a 3 dB, e lordine del filtro.
Si ha infatti:
G( 2) =
k2
1 + (/)2n
(78)
k2
1 + (s2 /2 )n
(79)
per cui
G(s2 ) =
28
FIG. 12: Reti a scala che realizzano filtri di Butterworth del primo ordine H(s) = 1/(s + 1).
FIG. 13: Reti a scala che realizzano filtri di Butterworth del secondo ordine.
da cui appare che il filtro di Butterworth non ha zeri al finito e che i poli sono le radici a
parte reale minore di zero dellequazione:
2 n
s
+1=0
2
(80)
Esempi di reti a scala che realizzano filtri di Butterworth del primo e secondo ordine sono
riportati in Fig. 12 e Fig. 13.
29
Esempio filtri 1
Determinare la funzione di trasferimento del circuito di Fig. 14 e descrivere la tipologia di
filtro. R1 = R2 = 10 k, R3 = 4.7 k, C1 = 220 nF.
Il primo stadio `e un buffer per cui il segnale in ingresso viene riportato in uscita. Il
morsetto + del secondo amplificatore `e a massa per cui vale:
Vout
Vin
=
R2
R1 + 1/(iC1)
(81)
G(s) =
sC1 R1
s 2.2 103
R2
=
=
R1 + 1/(sC1 )
1 + sC1 R1
1 + s 2.2 103
30
(82)
Esempio filtri 2
Progettare un filtro attivo passa basso del primo ordine avente resistenza di ingresso
Rin = 10 k, guadagno in continua G(0) = 1 e frequenza di taglio ft = 10 kHz.
Un filtro attivo del primo ordine `e rappresentato in Fig. 15.
La fdt vale:
parallelo {R2 , 1/sC2 }: Zp = R2 /(1 + sC2 R2 )
G(s) =
R2
1
R1 1 + sC2 R2
(83)
31