Archive for the ‘Teoria dei segnali’ Category

[¯|¯] Il problema del calcolo computazionale della trasformata di Fourier

venerdì, Giugno 29th, 2018

trasformata di Fourier,mathematica,calcolo numerico

Nel numero precedente abbiamo rinunciato al calcolo dell'espressione analitica della funzione di autocorrelazione, a causa della complessità computazionale del corrispondente integrale. Con Mathematica non è stato possibile calcolare la trasformata di Fourier nemmeno numericamente a causa delle rapide oscillazioni della funzione integranda. Prima di addentrarci nel problema, consideriamo un esempio più semplice:

trasformata di Fourier,mathematica,carico computazionale

Nel notebook di Mathematica, carichiamo il package per il calcolo numerico della trasformata:
trasformata di Fourier,mathematica,carico computazionale

Quindi definiamo la funzione da trasformare, utilizzando l'assegnazione immediata e non quella ritardata, in modo da ridurre il carico computazionale (si noti l'utilizzo del terminatore ; in modo da impedire la visualizzazione dell'output, che avrebbe restituito la funzione in input).

trasformata di Fourier,mathematica,carico computazionale









Grafichiamo:

trasformata di Fourier,mathematica,carico computazionale
Chiediamo a Mathematica di calcolare la trasformata in modalità simbolica. Il "running" riesce interminabile, per cui lo tronchiamo, provando poi calcolare per via numerica la trasformata per un assegnato valore della variabile ω
trasformata di Fourier,mathematica,carico computazionale
Infine, volendo graficare la trasformata, forziamo l'espressione numerica con la potente istruzione Evaluate:

trasformata di Fourier,mathematica,carico computazionale

trasformata di Fourier,mathematica,carico computazionale

trasformata di Fourier,mathematica,carico computazionale

Indice degli esercizi



[¯|¯] Esperimenti computazionali con il white noise

giovedì, Giugno 21st, 2018

white noise,brown noise,distribuzione gaussiana

In un post precedente abbiamo visto che la funzione di autocorrelazione di una variabile aleaotoria gaussiana, è una funzione SINC.
In sostanza, la funzione di autocorrelazione ci dice come sono correlati a tempi diversi i valori di una assegnata grandezza (aleatoria o deterministica). È chiaro che se la predetta funzione è identicamente nulla o più precisamente, una funzione delta di Dirac, allora i valori della variabile aleatoria sono scorrelati al 100%. È proprio quello che succede in un white noise. Per verificarlo, utilizziamo Mathematica. Definiamo una funzione random[] che genera numeri reali pseudocasuali:

white noise,brown noise,distribuzione gaussians

Generiamo una lista di lunghezza n, di tali numeri:

white noise,brown noise,distribuzione gaussians

Utilizziamo l'istruzione ListLinePlot[] per plottare la lista:

white noise,brown noise,distribuzione gaussians

(altro…)