Sviluppo di metodi di classificazione corretta di segnali relativi ai codici a barre, in presenza di rumore ed elevati livelli di sfocatura

“Sviluppo di metodi di classificazione corretta di segnali relativi ai codici a barre, in presenza di rumore ed elevati livelli di sfocatura” Prefazione: Attualmente i limiti di decodifica di codici a barre sono determinati da due fattori principali: risoluzione e sfocatura derivanti dal sistema di acquisizione. Mentre per la risoluzione i dispositivi 2D sono sufficientemente robusti in quanto caratterizzati da algoritmi di ricostruzione particolarmente efficienti, la sfocatura rappresenta il problema da affrontare e risolvere in quanto limita in modo sostanziale le prestazioni di decodifica. La sfocatura unita all’inevitabile rumore dei segnali coinvolti, comporta la perdita di parte dell’informazione che impedisce di classificare in modo corretto le “codewords” del codice. Obiettivo: Lo scopo principale di tale lavoro è rivolto ad aumentare le prestazioni di classificazione corretta dei segnali affetti da rumore ed alti livelli di sfocatura. In particolare gli attuali algoritmi di classificazione dei segnali ricevuti hanno come elemento propedeutico al successo, la presenza, all’interno del segnali stessi, di tutti i fronti corrispondenti alle transazioni barra-spazio, tipiche di un codice a barre lineare. Questo comporta che sia inevitabile adottare algoritmi in grado di recuperare tali transazioni soprattutto in presenza di blur e rumore. Le principali alterazioni che il fenomeno di sfocatura determina sono la scomparsa di alcuni fronti del segnale e l’alterazione delle loro mutue distanze. Sostanzialmente il fenomeno è riconducibile alle alterazioni di un canale trasmissivo generico evidenziate e ben modellate tramite i “diagrammi ad occhio” volti a mettere in luce il fenomeno di “interferenza di intersimbolo”. Le alterazioni introdotte sono caratterizzate principalmente da due fattori, presenza di rumore e distorsioni dovute soprattutto all’ottica. Queste ultime in particolare possono essere modellate da funzioni di trasferimento specifiche le cui caratteristiche quindi sono note. Essendo appunto note è possibile, in linea di principio, considerarle nel processo di analisi e classificazione del segnale, senza necessariamente dover ricorrere a metodi di equalizzazione del segnale stesso, ma considerando invece metodi funzionali che tengono conto di possibili invarianze ad esse e volti alla minimizzazione dell’errore di decisione (classificazione).