Differenze

Queste sono le differenze tra la revisione selezionata e la versione attuale della pagina.

--- sezione_21c [2017/04/20 12:52] – [Il teorema del campionamento di Shannon] admin
+++ sezione_21c [2017/04/20 13:07] – [Il teorema del campionamento di Shannon] admin
@@ Linea 156: / Linea 156: @@
 Il teorema di Shannon ci dice qual è la frequenza minima con cui campionare un segnale per ricostruirlo completamente, cioè la frequenza di campionamento minima per non perdere informazione. A frequenze inferiori si verifica il fenomeno detto **aliasing** illustrato in //figura 16//: campionando con una frequenza troppo bassa si ottengono dei campioni che non corrispondono solo al segnale campionato - la sinusoide con frequenza maggiore - ma anche ad una sinusoide con frequenza più bassa che non era presente in ingresso e non è possibile ricostruire univocamente il segnale originario dai suoi campioni.
-La //figura 17// illustra cosa succede se si campiona il segnale a frequenze maggiori di //f<sub>MAX</sub>//, dove //(a)// rappresenta il segnale da campionare, //(b)// il suo spettro nel dominio della frequenza, //%%(c)%%// è il segnale campionato e //(d)// il suo spettro. Osserviamo che lo spettro del segnale campionato contiene, oltre allo spettro originale, anche una serie di spettri immagine di ampiezza decrescente che replicano lo spettro originale e il suo simmetrico a frequenze multiple della frequenza di campionamento. Allora per ricostruire il segnale originale non è sufficiente campionare ad una frequenza adeguata ma bisogna anche eliminare gli spettri immagine indesiderati con un **filtro passa-basso**((se //f<sub>c</sub>// < //f<sub>MAX</sub>// lo spettro principale si sovrappone al primo spettro immagine alterando irrimediabilmente il segnale)). Il progetto del filtro risulterà più facile se //f<sub>c</sub>// %%>>%% //f<sub>MAX</sub>//, perché lo spettro immagine risulterà più distanziato.
+La //figura 17// illustra cosa succede se si campiona il segnale a frequenze maggiori di //2 f<sub>MAX</sub>//, dove //(a)// rappresenta il segnale da campionare, //(b)// il suo spettro nel dominio della frequenza, //%%(c)%%// è il segnale campionato e //(d)// il suo spettro. Osserviamo che lo spettro del segnale campionato contiene, oltre allo spettro originale, anche una serie di spettri immagine di ampiezza decrescente che replicano lo spettro originale e il suo simmetrico a frequenze multiple della frequenza di campionamento. Allora per ricostruire il segnale originale non è sufficiente campionare ad una frequenza adeguata ma bisogna anche eliminare gli spettri immagine indesiderati con un **filtro passa-basso**((se //f<sub>c</sub>// < //f<sub>MAX</sub>// lo spettro principale si sovrappone al primo spettro immagine alterando irrimediabilmente il segnale)). Il progetto del filtro risulterà più facile se //f<sub>c</sub>// %%>>%% //2 f<sub>MAX</sub>//, perché lo spettro immagine risulterà più distanziato.
 Per non essere costretti a campionare a frequenze troppo elevate si può utilizzare un **filtro anti-aliasing** da applicare al segnale in ingresso prima del campionamento. Questo è utile per eliminare l'aliasing dovuto ad eventuali disturbi in alta frequenza ma anche quando la parte più significativa del segnale è concentrata in un range di frequenze limitato. Questa tecnica è impiegata ad esempio nella telefonia dove, non essendo richiesta una buona qualità del segnale audio, la banda è ridotta da 20 KHz a circa 3 kHz con un filtro anti-aliasing; questo permette di campionare il segnale a 8 kHz invece che a 40 kHz.