Elaborazione multifrequenza - Dipartimento di Informatica
Transcript
Elaborazione multifrequenza - Dipartimento di Informatica
Teoria dei Segnali – Elaborazione multifrequenza Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano [email protected] Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 Valentino Liberali (UniMI) Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 1 / 18 Contenuto 1 Decimazione 2 Interpolazione 3 Decimazione e interpolazione in più stadi 4 Esempio Valentino Liberali (UniMI) Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 1 2 / 18 Decimation by an Integer Factor M DECIMATION := reduction of sampling rate The new sampling period is T ′ = MT The new sampling rate is Fs′ = FMs → Sampling theorem requires an ANTI-ALIASING FILTER before re-sampling x(k) w(k) h(k) Fs y(m) M Fs Anti-aliasing filter Sampling rate compressor Valentino Liberali (UniMI) F' s = F s /M Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 3 / 18 Sampling Rate Reduction X(f) - -F s 1 2 Fs 1 0 2 Fs Fs f Fs Fs f W (f) - -F s 1 2 1 0 Fs 2 Y(f) -MF' s -2F' s -F' s - 1 2 F' s 0 1 2 F' s F' s 2F' s MF' s f Typical spectra for decimation by M Valentino Liberali (UniMI) Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 2 4 / 18 Decimation in Practice Sampling rate compression is done by taking only one sample out of M. The remaining M − 1 samples are lost. A delay z −r in the input sequence x[k] (or in the sequence w [k]) modifies the output sequence y [m], unless r is an integer multiple of M. Therefore, decimation is NOT a time-invariant process. Valentino Liberali (UniMI) Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 5 / 18 Interpolation by an Integer Factor L INTERPOLATION := increase of sampling rate The new sampling period is T ′ = TL The new sampling rate is Fs′ =£ LF¤s In case of “ideal” sampling, x kT = 0 when k is not an integer multiple of L L (zero padding) → a SMOOTHING FILTER is required after interpolation x(k) L Fs Sampling rate expander Valentino Liberali (UniMI) w(m) F' s = L Fs h(m) Smoothing filter y(m) F' s = L Fs Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 3 6 / 18 Sampling Rate Increase X(f) x(k) t 1 0 2 Fs Fs 2F s LF s f W (f) w(m) t 1 0 2 F' s F' s f F' s F' s f Y(f) y(m) t 1 0 2 Time and frequency representation of interpolation by L A delay in the input sequence produces the same (delayed) output sequence → interpolation is time-invariant Valentino Liberali (UniMI) Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 7 / 18 Multistage Decimators If the decimation ratio can be factored into the product of integer numbers: M= I Y Mi i=1 then the decimator can be realized with I independent stages. STAGE 1 x(k) h 1(k) F0 STAGE 2 M1 h 2 (k) STAGE I M2 h I(k) F2 = F 0 /M 1M 2 F1 = F 0 /M 1 y(m) MI FI = F 0 /M Multistage decimator Valentino Liberali (UniMI) Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 4 8 / 18 Multistage Interpolators In a similar way, if the interpolation ratio can be factored: L= I Y Li i=1 then the interpolator can be realized with I independent stages. STAGE 1 x(k) L1 STAGE 2 h 1 (k) F0 L2 STAGE I h 2 (k) LI F2 = L 1 L 2F 0 F1 = L 1F 0 y(m) h I(k) FI = LF 0 Multistage interpolator Valentino Liberali (UniMI) Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 9 / 18 PROs and CONs of multistage PRO , , , CON Simple filter stages with reduced computation Reduced storage Reduced finite word-length effects Increased control structures Choice of optimum number of stages I Valentino Liberali (UniMI) / / Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 5 10 / 18 Esempio (1/8) L’esempio presentato contiene un’immagine tratta dal cartone animato th “Duck Dodgers in the 24 12 century” (in italiano: “Daffy Rogers nel 24◦ secolo e un pezzo e mezzo”), prodotto dalla Warner Bros nel 1953 ed interpretato da una grande star del cinema d’animazione: Daffy Duck. Valentino Liberali (UniMI) Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 11 / 18 Esempio (2/8) immagine a colori di 480 × 640 pixel Valentino Liberali (UniMI) Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 6 12 / 18 Esempio (3/8) Un’immagine è una matrice di pixel. Ogni pixel è costituito da una terna di numeri interi che indicano il contenuto di ciascuno dei tre colori primari rosso, verde e blu (in inglese: RGB = Red, Green, Blue). In pratica, un’immagine può essere pensata come una matrice tridimensionale a tre “strati”: ogni strato contiene le informazioni su un colore. Solitamente, ciascun colore è codificato con 8 bit senza segno, e assume i valori da 0 (totale assenza del colore) a 255 (massima intensità del colore). (0, 0, 0) = NERO (0, 255, 0) = VERDE (255, 255, 0) = GIALLO Valentino Liberali (UniMI) (255, 0, 0) = ROSSO (0, 0, 255) = BLU (255, 255, 255) = BIANCO Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 13 / 18 Esempio (4/8) R G B Y Y = (R + G + B + 1) / 3 Valentino Liberali (UniMI) Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 7 14 / 18 Esempio (5/8) immagini ridotte a 240 × 320 pixel senza filtraggio con filtro a media mobile L’immagine a sinistra è ottenuta semplicemente eliminando tutti i pixel delle righe e delle colonne pari. Nell’immagine a destra, ogni pixel risulta dalla media aritmetica di 4 pixel dell’immagine originale. Valentino Liberali (UniMI) Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 15 / 18 Esempio (6/8) immagine a colori di 720 × 960 pixel, con zero-padding Valentino Liberali (UniMI) Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 8 16 / 18 Esempio (7/8) immagine a colori di 720 × 960 pixel, con holding Valentino Liberali (UniMI) Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 17 / 18 Esempio (8/8) immagine a colori di 720 × 960 pixel, con filtro lineare Valentino Liberali (UniMI) Teoria dei Segnali – Elaborazione multifrequenza – 22 novembre 2010 9 18 / 18