next up previous contents index
Avanti: Autocorrelazione dell'uscita di un filtro Su: Appendici Indietro: Onda PAM   Indice   Indice analitico


Potenza di un segnale dati

0.350000
\resizebox* {0.35\textwidth}{!}{\includegraphics{cap7/f7.29.ps}}

Si è affermato che la potenza di un segnale

s$\displaystyle \left(\vphantom{ t}\right.$t$\displaystyle \left.\vphantom{ t}\right)$ = $\displaystyle \sum_{n}^{}$ang$\displaystyle \left(\vphantom{ t-nT}\right.$t - nT$\displaystyle \left.\vphantom{ t-nT}\right)$

in cui g$ \left(\vphantom{ t}\right.$t$ \left.\vphantom{ t}\right)$ è una caratteristica di Nyquist a coseno rialzato con roll-off $ \gamma$, e gli ai sono una sequenza di v.a. discrete, statisticamente indipendenti, ed uniformemente distribuite su L livelli in una dinamica - $ {\frac{\Delta }{2}}$ $ \leq$ ai $ \leq$ $ {\frac{\Delta }{2}}$, ha valore

$\displaystyle \mathcal {P}$s = $\displaystyle {\frac{\Delta ^{2}}{12}}$$\displaystyle {\frac{L+1}{L-1}}$$\displaystyle \left(\vphantom{ 1-\frac{\gamma }{4}}\right.$1 - $\displaystyle {\frac{\gamma }{4}}$ $\displaystyle \left.\vphantom{ 1-\frac{\gamma }{4}}\right)$

Nella precedente appendice, si è mostrato che per lo stesso segnale risulta $ \mathcal {P}$s$ \left(\vphantom{ f}\right.$f$ \left.\vphantom{ f}\right)$ = $ \sigma_{A}^{2}$$ {\frac{\left\vert G\left( f\right) \right\vert ^{2}}{T}}$, e dunque

$\displaystyle \mathcal {P}$s = $\displaystyle \int$$\displaystyle \mathcal {P}$s$\displaystyle \left(\vphantom{ f}\right.$f$\displaystyle \left.\vphantom{ f}\right)$df = $\displaystyle \int$$\displaystyle \sigma_{A}^{2}$$\displaystyle {\frac{\left\vert G\left( f\right) \right\vert ^{2}}{T}}$df

Svolgendo i relativi calcoli, si può mostrare che $ \int$$ \left\vert\vphantom{ G\left( f\right) }\right.$G$ \left(\vphantom{ f}\right.$f$ \left.\vphantom{ f}\right)$ $ \left.\vphantom{ G\left( f\right) }\right\vert^{2}_{}$df = T$ \left(\vphantom{ 1-\frac{\gamma }{4}}\right.$1 - $ {\frac{\gamma }{4}}$ $ \left.\vphantom{ 1-\frac{\gamma }{4}}\right)$, e quindi $ \mathcal {P}$s = $ \sigma_{A}^{2}$$ \left(\vphantom{ 1-\frac{\gamma }{4}}\right.$1 - $ {\frac{\gamma }{4}}$ $ \left.\vphantom{ 1-\frac{\gamma }{4}}\right)$; resta pertanto da calcolare $ \sigma_{A}^{2}$:


$ \sigma_{A}^{2}$ = (ai a media nulla) = EX$ \left\{\vphantom{ a_{i}^{2}}\right.$ai2$ \left.\vphantom{ a_{i}^{2}}\right\}$ = $ \sum_{i=0}^{L-1}$pai . ai2 = (ai equiprobabili) =

= $ {\frac{1}{L}}$$ \sum_{i=0}^{L-1}$$ \left(\vphantom{ i\frac{\Delta }{L-1}-\frac{\Delta }{2}}\right.$i$ {\frac{\Delta }{L-1}}$ - $ {\frac{\Delta }{2}}$ $ \left.\vphantom{ i\frac{\Delta }{L-1}-\frac{\Delta }{2}}\right)^{2}_{}$ = $ {\frac{\Delta ^{2}}{L}}$$ \sum_{i=0}^{L-1}$$ \left(\vphantom{ \frac{i^{2}}{\left( L-1\right) ^{2}}+\frac{1}{4}-\frac{i}{L-1}}\right.$$ {\frac{i^{2}}{\left( L-1\right) ^{2}}}$ + $ {\frac{1}{4}}$ - $ {\frac{i}{L-1}}$ $ \left.\vphantom{ \frac{i^{2}}{\left( L-1\right) ^{2}}+\frac{1}{4}-\frac{i}{L-1}}\right)$ =

= $ {\frac{\Delta ^{2}}{L}}$$ \left(\vphantom{ \frac{L}{4}-\frac{1}{L-1}\sum _{i=0}^{L-1}i+\frac{1}{\left( L-1\right) ^{2}}\sum _{i=0}^{L-1}\left( i\right) ^{2}}\right.$$ {\frac{L}{4}}$ - $ {\frac{1}{L-1}}$$ \sum_{i=0}^{L-1}$i + $ {\frac{1}{\left( L-1\right) ^{2}}}$$ \sum_{i=0}^{L-1}$$ \left(\vphantom{ i}\right.$i$ \left.\vphantom{ i}\right)^{2}_{}$ $ \left.\vphantom{ \frac{L}{4}-\frac{1}{L-1}\sum _{i=0}^{L-1}i+\frac{1}{\left( L-1\right) ^{2}}\sum _{i=0}^{L-1}\left( i\right) ^{2}}\right)$ =

(facendo uso delle relazioni $ \sum_{n=1}^{N}$n = $ {\frac{N\left( N+1\right) }{2}}$ e $ \sum_{n=1}^{N}$n2 = $ {\frac{N\left( N+1\right) \left( 2N+1\right) }{6}}$ )

= $ {\frac{\Delta ^{2}}{L}}$$ \left(\vphantom{ \frac{L}{4}-\frac{1}{L-1}\frac{L\left( L-1\right) }{2}+\frac{...
... ^{2}}\frac{\left( L-1\right) L\left( 2\left( L-1\right) +1\right) }{6}}\right.$$ {\frac{L}{4}}$ - $ {\frac{1}{L-1}}$$ {\frac{L\left( L-1\right) }{2}}$ + $ {\frac{1}{\left( L-1\right) ^{2}}}$$ {\frac{\left( L-1\right) L\left( 2\left( L-1\right) +1\right) }{6}}$ $ \left.\vphantom{ \frac{L}{4}-\frac{1}{L-1}\frac{L\left( L-1\right) }{2}+\frac{...
... ^{2}}\frac{\left( L-1\right) L\left( 2\left( L-1\right) +1\right) }{6}}\right)$ = $ \Delta^{2}_{}$$ \left(\vphantom{ \frac{1}{4}-\frac{1}{2}+\frac{2L-2+1}{6\left( L-1\right) }}\right.$$ {\frac{1}{4}}$ - $ {\frac{1}{2}}$ + $ {\frac{2L-2+1}{6\left( L-1\right) }}$ $ \left.\vphantom{ \frac{1}{4}-\frac{1}{2}+\frac{2L-2+1}{6\left( L-1\right) }}\right)$ =

= $ \Delta^{2}_{}$$ {\frac{6L-6-12L+12+8L-8+4}{24\left( L-1\right) }}$ = $ \Delta^{2}_{}$$ {\frac{2L+2}{24\left( L-1\right) }}$ = $ {\frac{\Delta ^{2}}{12}}$$ {\frac{L+1}{L-1}}$.


 


next up previous contents index
Avanti: Autocorrelazione dell'uscita di un filtro Su: Appendici Indietro: Onda PAM   Indice   Indice analitico
alef@infocom.uniroma1.it
2001-06-01