Beruflich Dokumente
Kultur Dokumente
Campionamento ideale
Il campionamento (sampling) di un segnale analogico s(t) consiste nel prenderne solo i valori
s(iTc) in corrispondenza a istanti ben precisi (iTc) detti istanti di campionamento.
Per esaminare le proprietà fondamentali è utile riferirsi al caso ideale in cui il campionamento
è effettuato impiegando un treno di impulsi matematici. Sia dunque s(t) un generico segnale
nel tempo, con spettro S(f) limitato in banda fino alla frequenza fM (Fig.1.1). In Fig.1.1 si è
adottata la rappresentazione bilatera dello spettro (alle frequenze positive e negative).
Sia inoltre c(t) un treno di impulsi matematici, di durata infinita, ciascuno con area unitaria
(Fig.1.2), equispaziati dell’intervallo di campionamento Tc (e con frequenza fc=1/Tc).
Il suo spettro C(f) risulta, come è noto, una sequenza di impulsi in frequenza.
Per i segnali s(t) e c(t), potremo scrivere la seguente corrispondenza fra tempo e frequenza:
s (t ) ⇔ S ( f )
+∞ +∞ (1.1)
c(t ) = ∑ δ(t − iTc ) ⇔ C ( f ) = f c
i = −∞
∑ δ( f − kfc )
k = −∞
Il campionamento ideale consiste nel moltiplicare il segnale s(t) per il treno di impulsi c(t):
+∞ +∞
sc (t ) = s (t ) ⋅ c(t ) = s(t ) ⋅ ∑ δ(t − iTc ) = ∑ s(iT ) ⋅ δ(t − iT )
c c (1.2)
i = −∞ i = −∞
Per determinare lo spettro del segnale campionato è sufficiente ricordare che al prodotto
algebrico nel tempo corrisponde il prodotto di convoluzione in frequenza:
s (t ) ⋅ c(t ) ⇔ S ( f ) ∗ C ( f ) (1.3)
Pertanto la trasformata di Fourier del segnale campionato risulta:
+∞ +∞
Sc ( f ) = S ( f ) ∗ fc ∑ δ( f − kf
k = −∞
c ) = fc ∑ S ( f − kf
k = −∞
c ) (1.4)
Quindi lo spettro del segnale campionato (Fig.1.3) è formato dalle repliche dello spettro del
segnale originario S(f), traslate su frequenze multiple della frequenza di campionamento fc.
Inoltre le ordinate di tali repliche risultano tutte moltiplicate per un fattore di scala pari a fc.
Osservando lo spettro del segnale campionato, risulta evidente che, affinchè non esistano
sovrapposizioni fra le diverse repliche, è sufficiente che il periodo di ripetizione in frequenza
sia maggiore o al più uguale a 2fM:
1
fc = ≥ 2 fM (1.5)
Tc
Il filtro di ricostruzione
Se la frequenza di campionamento fc è maggiore almeno del doppio della massima frequenza
fM contenuta nel segnale, eseguendo il filtraggio della sequenza di impulsi con un filtro passa-
basso HR(f), che abbia una risposta piatta da 0 a fM e risposta nulla per f >(fc - fM), si riottiene
in uscita il segnale originario s(t), in quanto se ne isola lo spettro S(f) in banda base (Fig.1.4).
Per il corretto ripristino delle ampiezze, il guadagno del filtro di ricostruzione entro la banda
piatta (0÷fM) deve essere costante e pari a H0 = 1/fc.
Aliasing
Se viceversa fc < 2fM, ossia i campioni sono troppo radi, non è possibile riottenere il segnale
originario in alcun modo, a causa della sovrapposizione delle repliche che crea un disturbo da
spettro adiacente. Tale fenomeno è detto aliasing (Fig.1.5A).
Di particolare interesse è il caso limite in cui fc = 2fM (Fig.1.5B): in tal caso la ricostruzione è
ancora possibile con un filtro passa-basso ideale senza che vi sia alterazione dello spettro
originario in banda base (0÷fM). In queste condizioni si ha il minimo valore teorico per la
frequenza di campionamento, cui corrisponde il massimo intervallo temporale fra i campioni:
1 1
Tc = = (1.6)
fc 2 f M
Le funzioni interpolanti
La risposta del filtro passa basso-ideale alla sequenza di impulsi matematici di valore s(iTc)
riproduce dunque il segnale originario s(t). D’altra parte un filtro passa-basso ideale, che ha la
funzione di trasferimento pari ad H0 per f = (0÷fM) e zero altrove, ha la risposta impulsiva:
sin (2πf M t )
h(t ) = ( H 0 ⋅ 2 f M ) (1.7)
(2πf M t )
Consegue che, adottando la massima velocità di campionamento consentita (fc=2fM) e facendo
il guadagno H0 = 1/fc = 1/2fM, il segnale s(t) può esprimersi direttamente come somma delle
risposte h(t) del filtro a ciascuno degli impulsi costituenti la sequenza:
+∞
sin[πf c (t − iTc )] +∞
s (t ) = ∑ s(iTc )
i = −∞ [πf c (t − iTc )]
= ∑ s (iTc ) sinc[πf c (t − iTc )]
i = −∞
(1.8)
Prefiltraggio
Spesso i segnali hanno un contenuto armonico piuttosto esteso, ma le componenti armoniche
a frequenza più alta sono di entità insignificante. In tali casi è utile compiere un filtraggio che
riduce la banda del segnale fM a quella realmente significativa fM’.
In tal modo la riduzione della massima frequenza del segnale da fM a fM’ consente l’uso di
frequenze di campionamento più basse ed evita il fenomeno di aliasing.
Il filtro antialiasing è di norma presente in tutti gli stadi di ingresso dei sistemi di misura
digitali a campionamento.
Il campionamento in pratica
Gli impulsi matematici utilizzati per dimostrare il teorema del campionamento non sono
evidentemente utilizzabili in pratica e costituiscono solo un mezzo analitico.
Se il fine della procedura di campionamento è quello di conoscere i valori s(iTc) del segnale
originario s(t) in precisi istanti di tempo (iTc), dovremo ricorrere a circuiti elettronici idonei a
questo scopo. Nei casi pratici il campionamento di un segnale viene realizzato con il circuito
di sample & hold che rileva il valore del segnale analogico ogni Tc secondi.
Il valore campionato viene mantenuto per il tempo necessario al convertitore AD per
effettuare la conversione in forma numerica.
Se si rispetta il vincolo imposto dal teorema del campionamento, i campioni ottenuti in tal
modo sono comunque sufficienti a conoscere esattamente (a parte il rumore di quantizzazione,
che non dipende dal campionamento) tutta l’informazione contenuta nel segnale.
La ricostruzione in pratica
Anche il processo di ricostruzione, esaminato in precedenza con le funzioni interpolanti, non
può in pratica ricorrere a impulsi matematici né a funzioni sinc indefinitamente estese.
D’altra parte, presenta notevole interesse pratico nel caso in cui si debba produrre un segnale
analogico s(t), partendo da una sequenza di numeri s(iTc) che ne rappresentano i campioni,
presi ogni Tc secondi. Il campo di applicazione pratica di tale tecnica si ha nei generatori
programmabili di segnali. Tali strumenti sono in grado di generare fisicamente dei segnali di
tensione, con una forma d’onda nota (sinusoidale, triangolare, quadra, ecc.) ma anche
arbitraria. In essi si determina il valore numerico di ciascun campione del segnale che si vuole
generare, tramite una funzione matematica oppure una tabella.
I valori dei campioni così ottenuti vengono quindi attribuiti agli impulsi elementari di una
sequenza. Questi impulsi elementari possono essere di varia forma, ottimizzata per specifiche
applicazioni, ma tipicamente sono rettangolari, oppure delle sinc con durata limitata. Gli
impulsi attraversano il successivo filtro passa-basso (di ricostruzione) che isola le componenti
in banda base, approssimando in tal modo il segnale desiderato.
Distorsione di leakage
L’analisi di Fourier è un metodo ben noto per ottenere informazioni sullo spettro di un
segnale e può essere impiegata anche su segnali campionati.
Tuttavia occorre soffermarci su alcuni aspetti particolari e mettere in evidenza alcune
considerazioni importanti.
Si è già visto che l’analisi di Fourier si applica formalmente a segnali di durata infinitamente
estesa e pertanto anche la sequenza dei campioni che rappresenta il segnale in forma discreta
dovrà essere teoricamente di lunghezza infinita.
Tale ipotesi non è realizzabile nella pratica, tuttavia può essere approssimata quando si tratti
di segnali di durata molto estesa rispetto all’intervallo di campionamento.
In generale, con riferimento a un processo di campionamento reale, la sequenza dei campioni
avrà necessariamente un inizio e una fine, e pertanto il numero dei campioni a disposizione
sarà in numero finito.
Per esaminare il problema è utile considerare il segnale di durata limitata come una porzione
del segnale generico s(t), prelevata attraverso una opportuna finestra temporale w(t), detta
anche finestra di troncamento o di osservazione window.
L’effetto del troncamento sul segnale si può rappresentare nel seguente modo:
s w (t ) = s (t ) ⋅ w(t ) (2.1)
La trasformata di Fourier del segnale troncato risulta dalla convoluzione degli spettri:
S w ( f ) = S ( f ) ∗W ( f ) (2.2)
La convoluzione della trasformata S(f) del segnale con la trasformata W(f) della finestra di
troncamento introduce un nuovo tipo di distorsione, detta di dispersione (leakage).
In pratica, se lo spettro del segnale originario S(f) contiene delle transizioni nette, ad esempio
componenti armoniche impulsive come nel caso di un segnale periodico nel tempo, tali
transizioni vengono smussate e lo spettro del segnale periodico troncato si disperde in
frequenza, tanto più quanto più è stretta la finestra di troncamento.
Si consideri, per fissare le idee, un segnale sinusoidale s(t) di ampiezza A e frequenza f0.
Il suo spettro bilatero S(f) presenta due impulsi matematici di area A/2 alle frequenze ±f0:
A A
s (t ) = A cos 2πf 0t ⇒ S ( f ) = δ( f + f 0 ) + δ( f − f 0 ) (2.3)
2 2
La funzione coseno ha spettro di fase nullo, quindi S(f) è reale.
Supponiamo ora di troncare il segnale con una finestra rettangolare w(t) di durata Tw.
La trasformata di Fourier W(f) della finestra rettangolare è del tipo sin(x)/x:
sin πfTw
w(t ) = 1 ⋅ rectTw (t ) ⇒ W ( f ) = 1 ⋅ Tw (2.4)
πfTw
Pertanto, lo spettro del segnale sinusoidale troncato è dato dalla convoluzione dei due spettri:
⎛A A ⎞
S w ( f ) = W ( f ) ∗ S ( f ) = W ( f ) ∗ ⎜ δ( f + f 0 ) + δ( f − f 0 ) ⎟ =
⎝2 2 ⎠ (2.5)
A A
= W ( f + f0 ) + W ( f − f0 )
2 2
In conseguenza di questo fatto nascerà anche una distorsione di aliasing nel replicare lo
spettro. Si vedano in Fig.2.2 le code delle repliche in Sc,w(f).
Lo spettro Sc,p(f) della sequenza di campioni replicata nel tempo con periodo Tw, risulta allora
In pratica, di tutte le possibili componenti armoniche di ordine k, solo le prime N/2 sono
significative e portano informazione. Le successive N/2 armoniche sono speculari (complesse
e coniugate) rispetto alla frequenza fc/2 (detta frequenza di folding o di ripiegamento).
Spesso si definisce, per comodità, l’operatore:
2π
j
W =e N
(3.2)
Quindi la trasformata discreta di Fourier (DFT) risulta, in forma compatta:
N −1
S k = ∑ si W − k i (k = 0, 1, 2, ... N − 1) (3.3)
i =0
Si osservi infine che taluni Autori adottano altre definizioni per la trasformazione diretta e
inversa, per esempio scambiando il segno “meno” all’esponente di W, oppure scambiando il
fattore 1/N, fra le due definizioni. Ciò non cambia il senso della trasformazione.
Utilizzando la tipica struttura di queste relazioni sono stati messi a punto algoritmi efficienti
per il calcolo veloce delle diverse componenti armoniche tramite DFT.
Qualora il numero di campioni risulti una potenza di due, gli algoritmi FFT (Fast Fourier
Transform) risultano particolarmente utili e sono ormai consolidati nell’analisi armonica dei
segnali tramite elaboratore o microprocessori dedicati.
f0 e si supponga che venga campionato alla frequenza fc sufficiente a garantire il rispetto del
teorema del campionamento.
Riferiamoci inizialmente alla Fig.3.2 e osserviamo che:
• La finestra di osservazione Tw contiene un numero intero m di periodi T0 del segnale da
analizzare. In particolare nell’esempio si ha: m = 6 e pertanto Tw = mT0 = 6T0.
• Detto N il numero totale di campioni che cadono in tale finestra di osservazione Tw, la
frequenza di campionamento risulta: fc = 1/Tc = N/Tw = Nfw = Nf0/m.
In particolare, nell’esempio si ha: N = 24 campioni e pertanto fc = 24fw = (24/6)f0 = 4f0.
In tal caso, ripetere la finestra di osservazione Tw indefinitamente nel tempo, significa
riprodurre in forma esatta la funzione periodica.
Fig.3.2 - Spettro di una sinusoide campionata e troncata: Tw= 6T0 e T0= 4Tc.
E infatti il calcolo della DFT per le diverse componenti kfw fornisce componenti tutte nulle
tranne proprio l’unica componente armonica effettivamente presente alla frequenza f0 = 6fw,
come rappresentato nello spettro di Fig.3.2.
Si consideri ora un secondo esempio, rappresentato in Fig.3.3, dove la finestra di osservazione
Tw non risulta un multiplo intero m del periodo T0 e supponiamo Tw = mT0 = 6,5T0.
Per agevolare il confronto dei due esempi, la durata di osservazione Tw è stata assunta uguale
nei due casi, pertanto risultano anche uguali gli step fw = 1/Tw nel dominio della frequenza.
In corrispondenza di tali punti saranno presenti i valori calcolati con la DFT.
Supponiamo inoltre che nel tempo Tw si prelevino ancora N = 24 campioni.
Allora la frequenza di campionamento risulta: fc = 24fw = (24/6,5)f0 = 3,692f0.
In pratica risulta che, con le ipotesi fatte, la frequenza di campionamento fc è uguale a quella
del caso precedente, ma è cambiato il suo rapporto con la frequenza f0 del segnale sinusoidale.
La finesta di osservazione contiene 6,5 periodi T0 del segnale. In questo caso, la ripetizione
nel tempo del segnale campionato e troncato non riprodurrà esattamente la funzione periodica
originaria, con una conseguente distorsione nello spettro.
Questo fatto trova riscontro nella DFT, che evidenzierà, in tal caso, componenti armoniche
non presenti nello spettro del segnale periodico originario, come si vede in Fig.3.3.
Conclusione
Per concludere l’analisi di questo esempio, si consideri infine la Fig.3.4.
La finestra di osservazione ha ancora durata Tw mentre vengono prelevati N = 26 campioni.
In tal caso, la frequenza di campionamento è fc = 26fw = (26/6,5)f0 = 4f0 ma le cose non
cambiano, con riferimento alla dispersione delle righe spettrali, come si osserva nella Fig.3.4.
Dall’esame dei semplici casi riportati, si conclude che, per una corretta analisi armonica di
segnali periodici mediante DFT, riveste particolare importanza la scelta della finestra di
troncamento e il fatto che la frequenza di campionamento sia sincronizzata con la frequenza
fondamentale del segnale da analizzare.
Qualora non si riesca a rendere la finestra di osservazione esattamente multipla del periodo
del segnale, un modo per limitare l’inconveniente può essere quello di impiegare finestre
molto ampie rispetto al periodo della fondamentale e soprattutto del tipo con transizione
graduale delle estremità (smoothing windows).
Per concludere, occorre ancora ricordare che:
• Il concetto di armoniche si riferisce a condizioni di regime; quindi il segnale deve essere
stazionario, per ottenere risultati accurati nell’uso della DFT.
• La forma d’onda non deve contenere frequenze interarmoniche, cioè componenti con
frequenze che non sono multipli interi della frequenza fondamentale.