Académique Documents
Professionnel Documents
Culture Documents
A. G. Garca1
1 Departamento de Matem aticas
Universidad Carlos III de Madrid
en L2 (R).
Para f PW se verifica
e itw
Z
1
f (t) = f (w )e iwt dw = hb
b f , iL2 [,]
2 2
A. G. Garca Viaje a trav
es del Teorema de Shannon
Dualidad de Fourier
Undersampling y Oversampling
El teorema de muestreo de Shannon Comentarios por el camino
Errores
Muestreo Multidimensional
X
f (t) = f (n) sinc(t n)
n=
Seno cardinal
sin t
sinc t :=
t
q
1 1
F [,] (t)
2
1
Z
e itw
f (t) = f (w )e iwt dw = hb
b f, iL2 [,]
2 2
Convergencia uniforme en R.
Convergencia uniforme en R.
Para cada s R y f PW
k (t, s) := sinc(t s) es el n
ucleo reproductor de PW
f PW
F
f L2 [, ]
f PW b
F
f PW f L2 [, ]
b
Sy
{f (n)}nZ `2 (Z)
F
Sy
F
f PW f L2 [, ]
b
Sy yP
fp L2p [, ]
{f (n)}nZ `2 (Z) b
F
F
Sy yP
F
A. G. Garca Viaje a trav
es del Teorema de Shannon
Dualidad de Fourier
Undersampling y Oversampling
El teorema de muestreo de Shannon Comentarios por el camino
Errores
Muestreo Multidimensional
Undersampling y Oversampling
Undersampling y Oversampling
X 2
fp () :=
b f +
b n
n=
Ts
F
ormula sumatoria de Poisson
X 2 X e imTs
fp () =
b f +
b n = Ts f (mTs )
n=
Ts m= 2
Undersampling y Oversampling
X 2
fp () :=
b f +
b n
n=
Ts
F
ormula sumatoria de Poisson
X 2 X e imTs
fp () =
b f +
b n = Ts f (mTs )
n=
Ts m= 2
Consecuencia
Muestrear una senal con periodo Ts equivale a periodizar su
espectro con periodo 2/Ts
Undersampling y Oversampling
Undersampling y Oversampling
Undersampling y Oversampling
Undersampling y Oversampling
Frecuencia Nyquist
Fenomeno de aliasing
Undersampling y Oversampling
Frecuencia Nyquist
Fenomeno de aliasing
sin t
donde P(t) :=
sin t
donde P(t) :=
Tecnica de oversampling
Supongamos supp b f [, ] [, ] donde < 1
Sea una funcion suficientemente regular tal que
(
1 w [, ]
(w ) :=
0 w / [, ]
Entonces
X e inw
f (w ) =
b f (n)(w ) en L2 [, ]
n 2
X
f (t) = f (n)S(t n) en PW
n
donde S(t n) = F 1 [(w )e inw / 2](t)
A. G. Garca Viaje a trav
es del Teorema de Shannon
Dualidad de Fourier
Undersampling y Oversampling
El teorema de muestreo de Shannon Comentarios por el camino
Errores
Muestreo Multidimensional
|f (z)| kf ke |z| , z C
Teorema de Campbell
Sea f = F 1 T , entonces
X
X
f (z) = f (n)(z n) = f (n) sinc( n) (z), z C
n= n=
uniformemente en compactos de C
Teorema de Campbell
Sea f = F 1 T , entonces
X
X
f (z) = f (n)(z n) = f (n) sinc( n) (z), z C
n= n=
uniformemente en compactos de C
Estudio de errores
Error de amplitud
Error Time-jitter
Error por perdida de informacion
Error de Aliasing
Estudio de errores
Error de truncamiento
Error de amplitud
{f (n) + n }nZ
Error Time-jitter
Error por perdida de informacion
Error de Aliasing
Estudio de errores
Error de truncamiento
Error de amplitud
Error Time-jitter
{f (n + n )}nZ
Error por perdida de informacion
Error de Aliasing
Estudio de errores
Error de truncamiento
Error de amplitud
Error Time-jitter
Error por perdida de informacion
{n f (n)}nZ donde 0 n 1 para cada n Z.
Error de Aliasing
Estudio de errores
Error de truncamiento
Error de amplitud
Error Time-jitter
Error por perdida de informacion
Error de Aliasing
Si f L2 (R) C(R) y b
f L1 (R)
r Z
f (t)
X 2
f (n) sinc(t n) |b
f (w )|dw
n=
|w |>
Muestreo multidimensional
Z Z
1
f (t, s) = f (x, y )e itx e isy dxdy
b
2
entonces
X sin (t n) sin (s m)
f (t, s) = f (n, m)
(t n) (s m)
n,mZ
Muestreo multidimensional
Z Z
1
f (t, s) = f (x, y )e itx e isy dxdy
b
2
entonces
X sin (t n) sin (s m)
f (t, s) = f (n, m)
(t n) (s m)
n,mZ
Recuperacion estable
1
Z
e itw
f (t) = f (w )e iwt dw = hb
b f, iL2 [,]
2 2
Recuperacion estable
1
Z
e itw
f (t) = f (w )e iwt dw = hb
b f, iL2 [,]
2 2
Recuperacion estable
1
Z
e itw
f (t) = f (w )e iwt dw = hb
b f, iL2 [,]
2 2
P
Se mantiene la representacion x = n c n xn en H aunque no es
u
nica.
P
Se mantiene la representacion x = n c n xn en H aunque no es
u
nica.
P
Se mantiene la representacion x = n c n xn en H aunque no es
u
nica.
Muestreo irregular
Condicion 1/4 de Kadec
1
sup |tn n| < {e itn w / 2}nZ es una base de Riesz de L2 [, ]
nZ 4
Teorema de Perturbacion
Sea {en } base ortonormal de H y {fn } sucesi
on de H. Supongamos existe
[0, 1) tal que
s
X
X
cn (en fn )
|cn |2
n n
Muestreo irregular
Condicion 1/4 de Kadec
1
sup |tn n| < {e itn w / 2}nZ es una base de Riesz de L2 [, ]
nZ 4
Teorema de Perturbacion
Sea {en } base ortonormal de H y {fn } sucesi
on de H. Supongamos existe
[0, 1) tal que
s
X
X
cn (en fn )
|cn |2
n n
Muestreo irregular
Sea {hn }nZ la base biortonormal de {e itn w / 2}nZ
X
f (w ) =
b f (tn )hn (w ) en L2 [, ]
n
Aplicando F 1
X
f (t) = f (tn )F 1 (hn )(t) en PW
n
Muestreo irregular
X
f (t) = f (tn )F 1 (hn )(t) en PW
n
Teorema de Paley-Wiener-Levinson
Para toda f PW se tiene
X G (t)
f (t) = f (tn )
n=
(t tn )G 0 (tn )
donde
Y t t
G (t) := (t t0 ) 1 1
tn tn
n=1
Z Z
1 0 1
f (t) = f (w )e iwt dw
b f (t) = f (w )iwe iwt dw
b
2 2
Aplicando F 1
2 t 2n
X
0
f (t) = f (2n) + (t 2n)f (2n) sinc
n=
2
Transformada de Hilbert
Dada f PW , su transformada de Hilbert esta definida por
Z
1
f (t) :=
e f (w )e iwt dw
(i sgn w )b
2
La sucesion {i sgn we inw / 2}nZ es base ortonormal de
L2 [, ]. Desarrollando bf en dicha base y aplicando F 1
X 1
f (t) = f (n) sinc (t n) sin (t n)
e
n=
2 2
Transformada de Hilbert
Dada f PW , su transformada de Hilbert esta definida por
Z
1
f (t) :=
e f (w )e iwt dw
(i sgn w )b
2
La sucesion {i sgn we inw / 2}nZ es base ortonormal de
L2 [, ]. Desarrollando bf en dicha base y aplicando F 1
X 1
f (t) = f (n) sinc (t n) sin (t n)
e
n=
2 2
fa := f + i e
f = fba = b
f + i(i sgn)b
f = 2b
fu
i.e., supp fba [0, +) (u es la funcion de Heaviside)
Muestreo se
nales pasobanda
Supongamos f real con supp b f [w0 , w0 ] [w0 , w0 + ]
Entonces
R w +
fa (t) = 12 w00 2b f (w )e iwt dw
X sin ( 2t n)
fa (t) = fa (2n)e iw1 (t2n)
n=
( 2t n)
donde w1 = w0 + 2 .
Muestreo se
nales pasobanda
X sin ( 2t n)
fa (t) = fa (2n)e iw1 (t2n)
n=
( 2t n)
Como f = <fa
X
f (t) = f (2n) cos w1 (t 2n)
n=
sin (t 2n)
f (2n) sin w1 (t 2n) 2
e
2 (t 2n)
HK es un RKHS
kf kHK = nf{kxk : Tx = f } donde
T : x H f HK
El n
ucleo reproductor viene dado por
Teorema de Kramer
Supongamos existe {tn } en tal que {K (tn )} es base ortogonal
de H. Entonces,
X
f (t) = f (tn )Sn (t) , t
n
donde
hK (tn ), K (t)iH
Sn (t) =
kK (tn )k2
La serie converge absolutamente en cada punto de y
uniformemente en subconjuntos de donde kK (t)k este acotada
[K (t)](x) = e itx ; tn = n Z
Definicion
Dada L2 (R) se define X
V := span{(t n) : n Z} = { an (t n) : {an } `2 (Z)}
nZ
cuando {(t n)}nZ sea al menos un frame para V
Ejemplos
1 = sinc = V = PW
2 = Nm donde Nm es el B-spline de orden m 1, i.e.,
Nm := N1 N1 N1 (m veces) donde N1 := [0,1]
3 es la funcion escala de un MRA
Definicion
Dada L2 (R) se define X
V := span{(t n) : n Z} = { an (t n) : {an } `2 (Z)}
nZ
cuando {(t n)}nZ sea al menos un frame para V
Ejemplos
1 = sinc = V = PW
2 = Nm donde Nm es el B-spline de orden m 1, i.e.,
Nm := N1 N1 N1 (m veces) donde N1 := [0,1]
3 es la funcion escala de un MRA
Definicion
Dada L2 (R) se define X
V := span{(t n) : n Z} = { an (t n) : {an } `2 (Z)}
nZ
cuando {(t n)}nZ sea al menos un frame para V
Ejemplos
1 = sinc = V = PW
2 = Nm donde Nm es el B-spline de orden m 1, i.e.,
Nm := N1 N1 N1 (m veces) donde N1 := [0,1]
3 es la funcion escala de un MRA
Definicion
Dada L2 (R) se define X
V := span{(t n) : n Z} = { an (t n) : {an } `2 (Z)}
nZ
cuando {(t n)}nZ sea al menos un frame para V
Ejemplos
1 = sinc = V = PW
2 = Nm donde Nm es el B-spline de orden m 1, i.e.,
Nm := N1 N1 N1 (m veces) donde N1 := [0,1]
3 es la funcion escala de un MRA
Entonces:
Para cada f V se tiene
donde F = T 1 f y
X
Kt (w ) = (t n)e 2inw = Z (t, w )
n=
Entonces:
Para cada f V se tiene
donde F = T 1 f y
X
Kt (w ) = (t n)e 2inw = Z (t, w )
n=
Z es la transformada de Zak de
Entonces:
Kt+m (w ) = e 2imw Kt (w )
T e 2imw F (w ) = f (t m) si f = T (F )
Entonces:
Kt+m (w ) = e 2imw Kt (w )
T e 2imw F (w ) = f (t m) si f = T (F )
Teorema de muestreo en V
Supongamos 0 < kKa k0 kKa k < . Entonces, para cada
f V
X
f (t) = f (a + n)Sa (t n) , t R
n=
donde Sa = T 1/Ka . La convergencia de la serie es absoluta y
uniforme en R
Teorema de muestreo en V
Supongamos 0 < kKa k0 kKa k < . Entonces, para cada
f V
X
f (t) = f (a + n)Sa (t n) , t R
n=
donde Sa = T 1/Ka . La convergencia de la serie es absoluta y
uniforme en R
1 Muestreo no uniforme: {f (a + n + n )}
Teorema de muestreo en V
Supongamos 0 < kKa k0 kKa k < . Entonces, para cada
f V
X
f (t) = f (a + n)Sa (t n) , t R
n=
donde Sa = T 1/Ka . La convergencia de la serie es absoluta y
uniforme en R
1 Muestreo no uniforme: {f (a + n + n )}
on {Ka+n (w )e 2inw }nZ
Para que {n } con supn |n | < la sucesi
es una base de Riesz obtenida perturbando {Ka (w )e 2inw }nZ ?
Teorema de muestreo en V
Supongamos 0 < kKa k0 kKa k < . Entonces, para cada
f V
X
f (t) = f (a + n)Sa (t n) , t R
n=
donde Sa = T 1/Ka . La convergencia de la serie es absoluta y
uniforme en R
1 Muestreo no uniforme: {f (a + n + n )}
2 Muestreo utilizando muestras de versiones filtradas de f