Pns Doi

Corneliu Rusu
Prelucrarea Numeric
a a Semnalelor
Editia a doua revazuta
Cluj-Napoca, 2002
Prefat
a
Prefat
a la editia a doua
Intervalul de timp foarte scurt la care aceasta editie urmeaza primei editii nu a ingaduit sa
luam n considerare toate mbunatatirile ce s-ar fi putut aduce la redactarea si prezentarea
materialului din aceasta carte.
Cu toate acestea, am procedat la unele modificari pe care le-am crezut absolut necesare
pentru mai buna ntelegere a problemelor de prelucrarea numerica a semnalelor prezentate.
In afara de o realizare mai compacta, s-au mai adus de-a lungul ntregului curs unele
mici ndreptari pe care nu le mai enumeram aici. Toate adaugirile si chiar suprimarile
facute cu scopul ameliorarii atat a formei, cat si a continutului nu modifica linia generala
a manualului.
De aceea ne mentinem rugamintea catre studentii din Universitatea Tehnica din ClujNapoca, colegii nostri de specialitate si catre toti cititorii de a ne semnala erorile eventuale
scapate si de a ne trimite toate observatiile susceptibile de a contribui la si o mai buna
prezentare.
Corneliu Rusu
Cluj-Napoca, februarie, 2002
Prefat
a la editia nt
ai
Cartea este destinata n primul rand studentilor din anul IV de la sectiile de Electronica
Aplicata si Comunicatii care au disciplina de Prelucrarea Numerica a Semnalelor n Planul
de Invatamant. Consider ca aceasta lucrare poate fi utila atat studentilor de la alte
facultati, cat si absolventilor interesati de domeniu.
Primul capitol abordeaza aspectele fundamentale ale prelucrarii numerice a semnalelor.
Urmeaza trei capitole distincte, fiecare asociat unui anumit tip de analiza a sistemelor disiii
iv
Prefat
a
crete, cu referire ndeosebi la sistemele liniare si invariante n timp. Este vorba de analiza
n domeniul timp, analiza n domeniul frecventa si analiza cu ajutorul transformatei n z.
Pentru fiecare caz se evidentiaza importanta caracterizarii sistemelor cu ajutorul secventei
pondere, raspunsului la frecventa si al functiei de sistem. De asemenea este subliniat rolul
operatiilor si al operatorilor asociati fiecarui tip de analiza: suma de convolutie, transformata Fourier si n z.
Vreau sa multumesc pe aceasta cale dascalilor mei: Prof. dr. ing. Monica Borda,
Prof. dr. ing. Lelia Festila, Prof. dr. ing. Costin Miron si Prof. dr. ing. Radu Munteanu
pentru sprijinul moral oferit n timpul dezvoltarii manuscrisului. De asemenea as dori sa
multumesc ing. Radu Bilcu pentru ajutorul dat n elaborarea acestui material.
Corneliu Rusu
Cluj-Napoca, iunie, 2000
Cuprins
Prefat
a
iii
Cuprins
iv
Lista figurilor
vii
Lista tabelelor
xi
Abrevieri n limba englez

a
xiii
Notatii
xv
1 Semnale si sisteme discrete n timp
1.1
Notiuni introductive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Semnale si sisteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3
Clasificarea semnalelor . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4
Frecventa discreta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5
Secvente n relatie armonica . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6
Conversia analog-digitala si digital-analogica . . . . . . . . . . . . . . . . . 13
1.7
1.8
1.6.1
Esantionarea semnalelor analogice . . . . . . . . . . . . . . . . . . . 13
1.6.2
Cuantizarea semnalelor analogice n amplitudine . . . . . . . . . . . 16
Semnale discrete n timp . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

1.7.1
Clasificarea semnalelor discrete n timp . . . . . . . . . . . . . . . . 24
1.7.2
Operatii simple cu secvente discrete . . . . . . . . . . . . . . . . . . 26
Sisteme discrete n timp . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

1.8.1
Clasificarea sistemelor discrete n timp . . . . . . . . . . . . . . . . 30
1.8.2
Conectarea sistemelor discrete n timp . . . . . . . . . . . . . . . . 34

v
vi
Cuprins
2 Analiza n domeniul timp

2.1 Relatii de intrare - iesire pentru sisteme LTI . . .
2.2 Convolutia secventelor. Secventa pondere . . . . .
2.2.1 Calculul sumei de convolutie . . . . . . . .
2.2.2 Proprietatile sumei de convolutie . . . . .
2.3 Stabilitatea sistemelor liniare si invariante n timp
2.4 Sisteme FIR si IIR . . . . . . . . . . . . . . . . .
2.5 Sisteme recursive si nerecursive . . . . . . . . . .
2.6 Rezolvarea ecuatiei cu diferente finite . . . . . . .
2.7 Raspunsul la impuls al sistemelor recursive . . . .
2.8 Corelatia semnalelor discrete n timp . . . . . . .
2.8.1 Intercorelatia dintre intrarea si iesirea unui
.
.
.
.
.
.
.
.
.
.
.
37
37
40
42
47
51
54
55
59
63
66
73
3 Analiza n domeniul frecvent

a
3.1 Analiza semnalelor analogice n domeniul frecventa . . . . . . . . . . . . .
3.1.1 Semnale periodice . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.2 Semnale aperiodice . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Analiza secventelor periodice n domeniul frecventa . . . . . . . . . . . . .
3.2.1 Seria Fourier a secventelor periodice . . . . . . . . . . . . . . . . . .
3.2.2 Spectrul secventelor periodice . . . . . . . . . . . . . . . . . . . . .
3.2.3 Spectrul de putere al secventelor periodice . . . . . . . . . . . . . .
3.3 Analiza secventelor aperiodice n domeniul frecventa . . . . . . . . . . . . .
3.3.1 Transformata Fourier a secventelor aperiodice . . . . . . . . . . . .
3.3.2 Convergenta transformatei Fourier . . . . . . . . . . . . . . . . . .
3.3.3 Spectrul secventelor aperiodice . . . . . . . . . . . . . . . . . . . .
3.3.4 Densitatea spectrala de energie a secventelor aperiodice . . . . . . .
3.3.5 Proprietatile transformatei Fourier pentru secvente aperiodice . . .
3.4 Caracterizarea n domeniul frecventa a sistemelor LTI . . . . . . . . . . . .
3.4.1 Raspunsul la frecventa al sistemelor liniare si invariante n timp . .
3.4.2 Determinarea secventei raspuns cu ajutorul raspunsului la frecventa
75
76
76
79
82
82
84
88
89
89
91
93
95
97
109
109
113
4 Aplicatiile transformatei n z la analiza

4.1 Transformata n z bilaterala . . . . . .
4.1.1 Transformata n z directa . . .
4.1.2 Convergenta transformatei n z
4.1.3 Transformata n z inversa . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
sistem
sistemelor
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
LTI
. . .
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
119
. 119
. 119
. 121
. 124
Cuprins
4.2
4.3
4.4
4.5
4.6
4.7
4.8
vii
4.1.4 Relatia dintre transformata Fourier si transformata n z . . . . . . . 126

4.1.5 Proprietatile transformatei n z . . . . . . . . . . . . . . . . . . . . 128
Functii de sistem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
Functii rationale n z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
Calculul inversei transformatei n z . . . . . . . . . . . . . . . . . . . . . . 140
4.4.1 Calculul cu ajutorul relatiei de la definitia transformatei n z inversa 141
4.4.2 Inversa transformatei n z prin dezvoltarea n serii de termeni utilizand variabilele z si z 1 . . . . . . . . . . . . . . . . . . . . . . . . 143
4.4.3 Inversa transformatei n z prin dezvoltarea n fractii simple si utilizarea tabelelor cu formule . . . . . . . . . . . . . . . . . . . . . . . 144
Descompunerea functiilor rationale n z . . . . . . . . . . . . . . . . . . . . 147
Transformata n z unilaterala . . . . . . . . . . . . . . . . . . . . . . . . . 149
4.6.1 Rezolvarea ecuatiilor cu diferente finite si cu coeficienti constanti . 151
Analiza sistemelor liniare si invariante n timp n domeniul z . . . . . . . . 152
4.7.1 Raspunsul sistemelor liniare, invariante n timp si relaxate . . . . . 152
4.7.2 Raspunsul sistemelor cu conditii initiale nenule . . . . . . . . . . . 155
4.7.3 Raspuns tranzitoriu si raspuns permanent . . . . . . . . . . . . . . 157
Stabilitatea sistemelor liniare si invariante n timp . . . . . . . . . . . . . . 158
4.8.1 Criteriul de stabilitate Sch
ur-Cohn . . . . . . . . . . . . . . . . . . 160
4.8.2 Stabilitatea sistemelor de ordinul doi . . . . . . . . . . . . . . . . . 162
Bibliografie
165
viii
Cuprins
Lista figurilor
1.1
Prelucrarea analogica de semnal . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Prelucrarea digitala de semnal . . . . . . . . . . . . . . . . . . . . . . . . .
41
1
.
2
3
.
4
. . . . . . . . . . . . . . . . . . . . . .
1.3
Secventa sinusoidala pentru f =
1.4
1.5
1.6
Secventa impuls unitate . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.7
Secventa treapta unitate . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.8
Secventa rampa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.9
Secventa exponentiala pentru a = 0, 9 . . . . . . . . . . . . . . . . . . . . . 22
. . . . . . . . . . . . . . . . . . . . . . 10
. . . . . . . . . . . . . . . . . . . . . . 11
1.10 Secventa exponentiala pentru a = 1, 1 . . . . . . . . . . . . . . . . . . . . . 22

1.11 Secventa exponentiala pentru a = 0, 9 . . . . . . . . . . . . . . . . . . . . 23
1.12 Secventa exponentiala pentru a = 1, 1 . . . . . . . . . . . . . . . . . . . . 23

1.13 Partea reala a secventei exponentiale pentru a =
1+j
1.14 Partea imaginara a secventei exponentiale pentru a =
. . . . . . . . . . . . 24
1+j
. . . . . . . . . . 24
1.15 Translatia n timp pentru k = 4 a secventei exponentiale din figura 1.9 . . 27

1.16 Translatia n timp pentru k = 4 a secventei exponentiale din figura 1.9 . 27
1.17 Subesantionarea cu 2 a secventei exponentiale din figura 1.9 . . . . . . . . 28
1.18 Reprezentarea sistemelor discrete . . . . . . . . . . . . . . . . . . . . . . . 29

1.19 Elemente de baza din diagramele bloc . . . . . . . . . . . . . . . . . . . . . 31
1.20 Exemple de sisteme discrete . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.21 Conexiunea cascada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.22 Conexiunea paralel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.23 Conexiunea cascada a sistemului identitate . . . . . . . . . . . . . . . . . . 35
1.24 Conexiunea paralel a sistemului mediator . . . . . . . . . . . . . . . . . . . 36
2.1
Secventa raspuns de la Exemplul 6 . . . . . . . . . . . . . . . . . . . . . . 38

ix
LISTA FIGURILOR
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
2.14
2.15
Descompunerea secventei de la Exemplul 7 n suma ponderata de impulsuri

unitate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Calculul sumei de convolutie pentru n0 = 1 (Exemplul 8) . . . . . . . . .
Calculul sumei de convolutie pentru n0 = 2 (Exemplul 8) . . . . . . . . .
Calculul sumei de convolutie pentru n0 = 1 (Exemplul 8) . . . . . . . .
Calculul sumei de convolutie pentru n0 = 2 (Exemplul 8) . . . . . . . .
Comutativitatea convolutiei . . . . . . . . . . . . . . . . . . . . . . . . .
Asociativitatea convolutiei . . . . . . . . . . . . . . . . . . . . . . . . . .
Asociativitatea si comutativitatea convolutiei . . . . . . . . . . . . . . . .
Distributia convolutiei fata de adunare . . . . . . . . . . . . . . . . . . .
Sistem nerecursiv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Sistem recursiv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Calculul intercorelatiei pentru l = 0 (Exemplul 14) . . . . . . . . . . . .
Calculul intercorelatiei pentru l = 1 (Exemplul 14) . . . . . . . . . . .
Calculul intercorelatiei pentru l = 2 (Exemplul 14) . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
41
44
45
47
48
49
50
50
51
56
57
69
70
70
3.1
Impulsul rectangular de la Exemplul 16, modulul si faza functiei sale de

densitate spectrala mpreuna cu densitatea spectrala de energie . . . . . . 81
3.2 Spectrul secventei x2 (n) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.3 Spectrul secventei x3 (n) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.4 Secventa x1 (n) si spectrul sau de amplitudini si de faze . . . . . . . . . . . 95
3.5 Secventa x2 (n) si spectrul sau de amplitudini si de faze . . . . . . . . . . . 96
3.6 Secventa x(n) si spectrul sau de amplitudini si de faze . . . . . . . . . . . 101
3.7 Caracterizarea n domeniul frecventa a sistemelor liniare si invariante n timp109
3.8 Modulul si faza raspunsului la frecventa a sistemului mediator cu cinci
termeni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
3.9 Raspunsul la frecventa pentru secvente aperiodice . . . . . . . . . . . . . . 113
3.10 Raspunsul la frecventa si excitatia cosinusoidala (h(k) R) . . . . . . . . . 115
3.11 Raspunsul la frecventa si excitatia sinusoidala (h(k) R) . . . . . . . . . . 115
3.12 Raspunsul la frecventa si suma de excitatii sinusoidale (h(k) R) . . . . . 116
4.1
4.2
4.3
4.4
4.5
4.6
Regiunea de convergenta pentru prima serie . . . . . . . . . . . . . .

Regiunea de convergenta pentru a doua serie . . . . . . . . . . . . . .
Regiunea de convergenta r2 < r < r1 pentru X(z) . . . . . . . . . . .
Regiunea de convergenta r2 < r < r1 pentru X(z) . . . . . . . . . . .
Echivalenta dintre secventa pondere si functia de sistem . . . . . . . .
Configuratia poli-zerouri pentru transformata n z de la Exemplul 39
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
123
124
125
126
137
140
Lista figurilor
4.7
xi
Triunghiul stabilitatii sistemelor de gradul doi . . . . . . . . . . . . . . . . 163
xii
Lista figurilor
Lista tabelelor
2.1
Solutii particulare pentru ecuatia cu diferente finite . . . . . . . . . . . . . 61
3.1
3.2
3.3
3.4
3.5
Analiza si sinteza semnalelor periodice cu ajutorul seriilor Fourier . . . .

Analiza si sinteza semnalelor aperiodice cu ajutorul transformatei Fourier
Analiza si sinteza secventelor periodice cu ajutorul seriei Fourier . . . . .
Analiza si sinteza semnalelor aperiodice cu ajutorul transformatei Fourier
Cateva semnale discrete n timp mpreuna cu transformatele lor Fourier .
4.1
4.2
4.3
Semnale discrete n timp si cauzale mpreuna cu transformatele lor n z . . 135

Semnale discrete n timp si anticauzale mpreuna cu transformatele lor n z 136
Secvente sinusoidale cauzale mpreuna cu transformatele lor n z . . . . . . 136
xiii
.
.
.
.
.
78
80
84
91
109
Abrevieri n limba englez

a
ADCs Analogue Digital Converter, 4
ADC Analog Digital Conversion, 2
ARMA Autoregressive Moving Average, 138
AR Autoregressive, 138
ASPs Analog Signal Processor, 4
ASP Analog Signal Processing, 1
BIBO Bounded Input Bounded Output, 34
DACs Digital Analogue Converter, 5
DAC Digital Analog Conversion, 5
DSPs Digital Signal Processor, 4
DSP Digital Signal Processing, 1
ECG Electrocardiogram, 3
EEG Electroencephalogram, 4
FIR Finite Impulse Response, 54
IDS Input Digital Signal, 4
IIR Infinite Impulse Response, 54
LTI Linear Time Invariant, 37
MA Moving Average, 138
ODS Output Digital Signal, 4
ROC Region of Convergence, 121
STFT Short Time Fourier Transform, 3
xiv
Notatii
N
Z
R
R+
C
sgn
ln
x(n)
xa (t)
T
F
f
Ck
ck
q (n)
Fs
B
Q
L
SQNR
Px
Pq
multimea numerelor naturale

multimea numerelor ntregi
multimea numerelor reale
multimea numerelor reale pozitive
multimea numerelor complexe
functia signum
functia logaritm natural (n baza e)
secventa discreta (considerata uneori excitatia sistemului)
semnal analogic
perioada semnalului analogic sau perioada de esantionare
frecventa semnalului analogic
frecventa (pulsatia) semnalului analogic
frecventa (pulsatia) discreta
indexul esantionului
faza n radiani
frecventa discreta
coeficientii seriei Fourier pentru semnale analogice periodice
coeficientii seriei Fourier pentru secvente periodice
eroarea de cuantizare
frecventa de esantionare
banda semnalului analogic
operatorul de cuantizare
rezolutia cuantizarii
numarul nivelelor de cuantizare
raportul semnal-zgomot de cuantizare
puterea semnalului util
puterea erorii de cuantizare
xv
xvi
b
r(n)
(n)
u(n)
| |
P
E
EN
H
h(n)
y(n)
P ()
i
yh (n)
yp (n)
rxy (l)
rxx (l)
xy (l)
xx (l)
X(F )
Sxx (F )
|ck |2
X()
Sxx ()
XR ()
XI ()
xR (n)
xI (n)
H()
X(z)
X + (z)
H(z)
zk
pk
Km
Notatii
numarul de biti folositi n cuantizare
secventa rampa
secventa impuls unitate
secventa treapta unitate
modulul unui numar complex (uneori notat si cu r)
argumentul unui numar complex
puterea unei secvente discrete
energia unei secvente discrete
energia partiala a unei secvente discrete
transformarea (operatorul) sistemului
secventa pondere
secventa discreta (considerata de obicei raspunsul sistemului)
polinomul caracteristic al sistemului
radacinile ecuatiei caracteristice
solutia ecuatiei omogene
solutia particulara a ecuatiei cu diferente finite
secventa de intercorelatie
secventa de autocorelatie
gradul de intercorelatie
gradul de autocorelatie
transformata Fourier sau functia de densitate spectrala a semnalelor analogice
densitatea spectrala de energie a semnalelor analogice
densitatea spectrala de putere a secventei periodice
transformata Fourier sau functia de densitate spectrala a secventei aperiodice
densitatea spectrala de energie a unei secvente aperiodice
partea reala a transformatei Fourier
partea imaginara a transformatei Fourier
partea reala a secventei x(n)
partea imaginara a secventei x(n)
raspunsul la frecventa
transformata n z
transformata n z unilaterla
functia de sistem
zerourile functiei de sistem
polii functiei de sistem
coeficienti de reflexie
Capitolul 1
Semnale si sisteme discrete n timp
1.1
Notiuni introductive
Universul n care traim sau pe care n ultima instanta l percepem este unul alcatuit din
semnale si sisteme. Sistemele interactioneaza ntre ele, unele sunt chiar n stransa legatura
cu noi, iar semnalele nu sunt altceva decat o reprezentare a informatiei care circula ntre
aceste sisteme.
Nu ne propunem o clasificare generala a informatiilor. In ceea ce ne priveste ne vom
multumi sa reamintim punctul de vedere tehnic unanim recunoscut: informatia poate fi
data, text, sunet si imagine [1]. In prezent operatiile pe care le executam asupra acestor
tipuri de informatii sunt: achizitie, memorare, prelucrare si transmisie. De fapt, prelucrarea semnalului poate aparea direct sau indirect n decursul oricarei operatii amintite
anterior.
Mult timp suprematia prelucrarilor de semnal a fost cea a tehnicilor analogice. Cu o
dezvoltare rapida n ultimii treizeci de ani, prelucrarea numerica (digitala) a semnalelor
(Digital Signal Processing - DSP) s-a impus ca si solutia avantajoasa n majoritatea implementarilor. Desigur ca acest fapt este n ultima instanta si rezultatul unor progrese
tehnologice n domeniul circuitelor integrate digitale (volum redus, pret de cost scazut).
Acestea au dus la dezvoltarea calculatoarelor dedicate acestor tipuri de aplicatii, calculatoare care sunt tot mai puternice, mai rapide si mai ieftine. Cu ajutorul lor este posibila
constructia unor sisteme digitale suficient de sofisticate, mai fiabile, capabile sa realizeze
functii si sarcini specifice de prelucrare numerica a semnalelor, dificil de realizat sau prea
scumpe prin prelucrarea analogica a semnalelor (Analog Signal Processing - ASP).
Desigur ca prelucrarea numerica a semnalelor nu este solutia obligatorie, unica, pentru toate problemele de prelucrare a semnalelor. De exemplu, pentru aplicatii specifice
1

semnalelor de banda larga, la care prelucrarea n timp real este o necesitate, tehnicile analogice sau optice pot fi singurele posibilitati. Dar, daca exista circuite integrate digitale
disponibile si viteza lor este suficienta pentru aplicatia data, atunci utilizarea lor este de
preferat.
Sistemele cu prelucrarea numerica a semnalelor au urmatoarele avantaje:
1. In primul rand ele ne permit realizarea unor operatii programabile. Prin soft se pot
modifica mult mai usor functiile de prelucrare realizate de hard. In cazul circuitelor
analogice aceasta ar nseamna parcurgerea din nou a ciclurilor de proiectare, testare,
verificare, adica foarte multi bani si efort n plus.
2. Pe langa gradul mare de flexibilitate n proiectare, sistemele digitale au o alta mare
calitate: repetabilitatea. Un experiment realizat cu sisteme analogice va da atatea
rezultate diferite cate sisteme avem. Daca sistemele digitale functioneaza corect,
rezultatele experimentului trebuie sa coincida.
3. Comparativ cu circuitele analogice sau sistemele analogice, cele digitale au n general
precizie mai mare, avand o marja de eroare mult inferioara.
4. In sfarsit, semnalele digitale se pot pastra pe medii magnetice, desi aceasta este posibil n definitiv si pentru semnale analogice. Diferenta consta n faptul ca informatia
binara memorata se altereaza mult mai greu decat cea analogica. Rezulta o fidelitate
si o transportabilitate n timp mai buna.
Desigur ca utilizand prelucrarea numerica a semnalelor putem avea si destule dezavantaje, pe care le vom aborda succint n cele ce urmeaza:
1. Conversia analog-numerica (Analog Digital Conversion - ADC) se realizeaza prin
esantionarea semnalului si ulterior prin cuantizarea esantioanelor. Aceasta distorsioneaza semnalul n asa masura ncat mpiedica reconstituirea exacta a semnalului
analogic initial din esantioanele cuantizate. Deci inevitabil pierdem din informatie.
Dar, n majoritatea cazurilor stim cat este aceasta pierdere. In mod obisnuit, controlul erorii se realizeaza printr-o alegere adecvata a vitezei de esantionare si a
preciziei cuantizarii.
2. Alte dezavantaje sunt legate de precizia limitata a prelucrarii esantioanelor cuantizate. In ultima instanta acestea nu sunt altceva decat date discrete si prelucrarea
lor este de fapt calcul numeric. Pot apare instabilitati, depasiri etc.
1.2 Semnale si sisteme
3. Totusi cel mai mare dezavantaj al sistemelor digitale ramane viteza limitata. Aici sistemele analogice sunt superioare si viteza reprezinta o posibila justificare a reevaluarii
ponderii lor n viitor.
Sa amintim si cateva dintre aplicatiile specifice prelucrarii numerice a semnalelor:
prelucrarea semnalului vocal, transmisii de date pe canale telefonice, prelucrarea si transmiterea imaginii, n seismologie si geofizica, prospectii petrol, detectie explozii nucleare si
la detectia si prelucrarea semnalelor din Univers.
1.2
Semnale si sisteme
Definitia 1 .
Vom considera ca fiind semnal orice cantitate fizic
a sau marime care este functie de timp,
spatiu sau orice alte variabile.
Astfel avem semnale precis definite si simplu descrise analitic, de exemplu evolutia
unui obiect lasat liber de la 10 metri naltime: s1 (t) = 10 4, 9t2 (t fiind timpul de la
nceputul caderii) sau imaginea statica a unei elipse: s(x, y) = 3x2 + 10y 2 (x si y sunt
coordonatele alese n plan).
Exista cazuri n care o astfel de relatie functionala nu exista sau e prea complicata
pentru a o utiliza practic. Astfel este bine cunoscut exemplul semnalului vocal, dificil de
exprimat sub forma de functii elementare, mai degraba preferandu-se o suma de sinusoide,
cu amplitudini si frecvente variabile n timp:
X
Ai (t) sin[i (t)t + i (t)],
iI
unde Ai (t), i (t), i (t) sunt multimile de valori ale amplitudinilor, frecventelor1 si respectiv a fazelor sinusoidelor. O modalitate de a analiza informatia continuta ntr-un semnal
vocal este masurarea amplitudinii, frecventei si fazei continute ntr-o portiune de timp a
semnalului. Acest tip de analiza este cunoscuta sub numele de analiza Fourier pe termen
scurt (Short Time Fourier Transform - STFT).
Majoritatea semnalelor care fac obiectul prelucrarii numerice a semnalelor sunt de
tipul anterior. Astfel si semnalul de electrocardiograma (Electrocardiogram - ECG) care
In teoria circuitelor este utilizata sub denumirea de pulsatie sau frecventa complexa.
In cele ce urmeaza noi vom folosi si pentru aceasta termenul de frecventa, asa cum se
foloseste n toate cartile de prelucrarea numerica a semnalelor. Desigur din context este
usor de nteles cand este vorba de frecventa propriu-zisa si cand este vorba de pulsatie.
1
ya (t)
xa (t)
ASPs
Figura 1.1: Prelucrarea analogica de semnal

contine informatii despre cum functioneaza inima pacientului, si semnalul de electroencefalograma (Electroencephalogram - EEG) care descrie activitatea creierului sunt alte doua
exemple de semnale functii doar de timp, greu descriptibile analitic. In aceeasi masura
semnalul imagine de televiziune alb-negru este dificil de exprimat, acesta fiind functie de
timp si de coordonate.
In teoria generala a circuitelor s-a considerat ca fiind sistem un circuit fizic care
efectueaza o operatie asupra semnalului, cele mai cunoscute dintre acestea fiind filtrele.
Astfel cand un semnal trecea printr-un sistem, spuneam si ca am prelucrat semnalul
respectiv. De asemenea sistemul mai era caracterizat si prin tipul operatiei realizate
asupra semnalului. Astfel daca operatia era liniara, sistemul era liniar; daca operatia
era neliniara, sistemul l numeam neliniar. Pentru scopurile noastre este convenabil ca
notiunea de sistem sa nu o restrangem doar la circuitul fizic, deoarece acesta ar trebui sa
nglobeze de exemplu si operatiile soft. Deci prin sistem vom ntelege atat un circuit fizic,
cat si un program sau o secventa de operatii matematice sau un algoritm, toate avand
efect n prelucrarea semnalului (vezi si Definitia 11).
Majoritatea semnalelor din natura sunt sau cel putin par a fi n aparenta semnale
analogice, adica atat n timp continuu cat si n spatiu continuu. Acestea sunt definite
ntr-un domeniu continuu de valori si de asemenea iau valori ntr-un domeniu continuu de
valori. Desigur ca acestea pot fi prelucrate direct n forma lor analogica cu ajutorul unui
procesor analogic de semnal (Analog Signal Processor - ASPs), conform figurii 1.1.
Prelucrarea digitala de semnal (figura 1.2) furnizeaza o alternativa pentru prelucrarea
semnalului analogic xa (t). Se observa n primul rand ca este necesara o interfata ntre
semnalul analogic si procesorul digital: convertorul analog-digital (Analogue Digital Converter - ADCs). Iesirea convertorului analog-digital este x(n) care este un semnal digital
de intrare (Input Digital Signal - IDS) n procesor.
Urmeaza procesorul digital de semnal (Digital Signal Processor - DSPs) care poate fi
un calculator programabil sau un echipament numeric mai simplu.
In final semnalul digital y(n) de la iesirea (Output Digital Signal - ODS) procesorului
1.3 Clasificarea semnalelor
x(n)
xa (t)
ADCs
y(n)
DSPs
ya (t)
DACs
Figura 1.2: Prelucrarea digitala de semnal

este convertit n semnal analogic de iesire cu ajutorul convertorului digital-analogic (Digital Analogue Converter - DACs). Operatia se numeste conversie digital analogica (Digital
Analog Conversion - DAC). Exista situatii n care aceasta ultima conversie nu mai este
necesara, de exemplu cand situatiile de iesire se tiparesc sub forma alfanumerica.
1.3
Clasificarea semnalelor
Exista mai multe criterii de clasificare ale semnalelor. Vom ncerca sa amintim cateva
dintre ele.
In primul rand luand n considerare multimea valorilor functiei, n general semnalele
pot avea valori reale sau complexe, rezultand semnale de numere reale sau complexe:
Semnale reale si semnale complexe
Din punct de vedere al variabilelor componente care compun semnalul avem:
Semnale monocanale si semnale multidimensionale
Suntem obisnuiti ndeosebi cu semnale scalare. Acestea mai pot fi numite si semnale
monocanal. In practica ntalnim surse multiple sau senzori multipli care la randul lor
fiecare genereaza n mod obisnuit semnale scalare. Desi astfel de semnale nu sunt vectori
din punct de vedere fizic, de multe ori le tratam mpreuna, ca si un vector, utilizand
conventiile si relatiile matematice. Astfel n cazul semnalului ECG, daca notam cu s1 (t),
s2 (t) si s3 (t) cele trei semnale (care nu sunt neaparat variabile independente) obtinute la
iesirea traductorilor, rezulta semnalul multicanal:
s1 (t)
ECG(t) = s2 (t) .
s3 (t)

Definitia 2 .
Daca variabila independent
a este unic
a, atunci avem un semnal unidimensional.
Daca semnalul este o functie de M variabile independente, vom spune ca avem un semnal
M-dimensional.
O imagine statica bidimensionala este functie doar de coordonate I(x, y). Imaginea
TV alb-negru este o functie si de timp I(x, y, t), iar imaginea TV color poate fi considerata
ca un semnal tridimensional, pe trei canale:
Ir (x, y, t)
I(x, y, t) = Ig (x, y, t) .
Ib (x, y, t)
In aceasta carte ne vom ocupa doar de semnale unidimensionale, de variabila t, desi
unele proprietati sunt valabile si pentru semnale multicanal/multidimensionale.
Dupa domeniul de definitie al semnalelor, acestea pot fi continue n timp (analogice)
sau discrete n timp (secvente).
Semnale analogice si secvente discrete
Astfel semnalele continue n timp sunt definite pentru orice valoare t, deci domeniul
lor de definitie este ntr-un interval (a, b) (sau reuniune de astfel de intervale), unde a
poate fi sau b poate fi +. De obicei se utilizeaza t ca si variabila n definirea valorii
functiei corespunzatoare, e.g. x(t) = 2t2 .
Semnalele discrete n timp sunt definite numai pentru valori discrete de timp, care
pot fi echidistante sau nu. In mod obisnuit se iau la distante egale pe axa timpului, ceea
ce simplifica lucrurile din punct de vedere matematic. In acest caz, se poate utiliza ca
si variabila indexul n, adica numarul esantionului, subliniindu-se astfel caracterul discret
n timp al semnalului. Se utilizeaza de obicei notatia x(n), uneori x(nT ), proprietatile
semnalelor esantionate rezultand prin operatii simple din cele ale semnalului esantionat
la interval unitate. In ceea ce ne priveste vom folosi atat denumirea de secventa discreta,
cat si cea de semnal discret n timp.
In general semnalele discrete n timp apar n aplicatii n doua moduri:
1. Selectand valorile unui semnal analogic la momente discrete de timp.
Este cazul tipic de proces de esantionare. Majoritatea instrumentelor de masura
procedeaza astfel, prin masurari la intervale regulate de timp;
2. Prin adunarea valorilor unei variabile pe un interval de timp.
Un astfel de exemplu este numarul de masini care trec pe o strada data ntr-o ora.
1.4 Frecvent
a discret
a
Discretizarea se poate face si n domeniul n care semnalul ia valori. Astfel avem:
Semnal digital si semnal discret n timp
Daca un semnal initial este analogic, atunci prin esantionare obtinem un semnal discret
n timp, iar n continuare prin cuantizare obtinem un semnal digital. Cuantizarea este
un proces de conversie a unui semnal cu set de valori continue, ntr-un semnal cu valori
discrete. Este un proces de aproximare, care poate fi realizat prin rotunjire sau prin
trunchiere. Prin urmare semnalul digital este un semnal discret n timp avand un set
discret de valori. Pentru ca un semnal sa fie considerat digital si pentru ca el sa poata
fi prelucrat numeric, acesta trebuie sa fie discret n timp si discret n domeniul valorilor.
Ne vom concentra n aceasta carte mai mult asupra cazului general al semnalelor discrete
n timp, cateva dintre efectele cuantizarii fiind amintite.
Semnale deterministe si semnale aleatoare
Suntem obisnuiti ca pentru o analiza a semnalelor sa avem la dispozitie descrierea matematica a semnalului, numita uneori si modelul semnalului. Daca semnalul poate fi descris
printr-o expresie matematica explicita, printr-un tabel de valori sau o regula precisa l
vom numi semnal determinist. Acest termen este folosit pentru a arata faptul ca valorile trecute, prezente si viitoare ale semnalului sunt cunoscute precis, fara incertitudine.
Sunt cazuri cand aceasta nu este posibil sau, pur si simplu, nu este practic. Este cazul
semnalelor pe care le vom numi n continuare semnale aleatoare. Un exemplu este dat
de semnalele obtinute de la un generator de semnale pseudo-aleatoare. Considerand un
esantion dintr-un astfel de proces, ne vom da seama ca fiecare dintre respectivele semnale nu seamana, dar au proprietati statistice asemanatoare (histograme, medii, dispersii
etc.). Sa mai precizam ca distinctia semnal determinist - semnal aleator depinde si de
experimentul realizat. Acelasi semnal poate fi un semnal determinist pentru un proces si
poate fi considerat un semnal aleator pentru un alt proces.
1.4
Frecvent
a discret
a
Conceptul de frecventa a fost introdus la miscarea armonica, fiind o masura legata de

perioada acesteia, de fapt marimea frecventei este chiar inversul perioadei de timp. S-a
definit frecventa pozitiva ca fiind numarul de perioade ntr-un interval de timp, frecventa
negativa introducandu-se din punct de vedere matematic cu ajutorul formulei:
1
1
XF (t) = cos(2F t + ) = ej(F t+) + ej(F t+) ,
2
2

deci frecventa negativa corespunzand unei miscari invers trigonometrice [14]. Prin urmare
natura timpului (continuu sau discret) afecteaza si natura frecventei. Vom analiza pe rand
cele doua cazuri selectand de fiecare data semnalele reprezentative. Astfel pentru semnalul
continuu sinusoidal:
xF (t) = cos(2F t + ), t R,
avem urmatoarele proprietati:
C1. Pentru orice valoare fixa F 6=0 semnalul xF (t) este periodic, adica:
T =
1
: xF (t + T ) = x(t), t R.
F
C2. Semnalele sinusoidale continue, de frecvente diferite, sunt distincte, adica:

F1 6= F2 xF1 6= xF2 .
C3. Daca F creste, viteza de oscilatie a semnalului continuu sinusoidal creste, n sensul
ca ntr-un interval sunt mai multe perioade ale semnalului.
Semnalele sinusoidale discrete n timp, numite si secvente sinusoidale discrete sunt de
forma:
xf (n) = cos(n + ) = cos(2f n + ), n Z.
(1.1)
In aceasta formula:
este frecventa (pulsatia) discreta masurata n radiani pe esantion;
n este numarul esantionului;
este faza n radiani;
f este frecventa discreta masurata n perioade pe esantion.
Exemplul 1 .
figurile 1.3, 1.4 si respectiv 1.5 sunt desenate secventele sinusoidale pentru f = 1 , 1 , 3 .
In
4 2 4
Pentru secventele discrete avem de asemenea urmatoarele proprietati:
D1. Un semnal sinusoidal discret n timp este periodic daca si numai daca frecventa sa
f este un numar rational.
1.4 Frecvent
a discret
a
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
1
10
10
15
20
Figura 1.3: Secventa sinusoidala pentru f = 14

Pare surprinzator, nu? In primul rand perioada trebuie sa apartina mutimii domeniului
de definitie al functiei respective, deci perioada trebuie sa fie un numar ntreg nenul, de
obicei strict pozitiv:
N N : x(n + N ) = x(n), Z.
(1.2)
Putem deci enunta urmatoarea definitie:
Definitia 3 .
Cel mai mic ntreg N > 0 care respect
a conditia (1.2) se numeste perioad
a fundamental
a.
Si acum sa trecem la demonstratia proprietatii anterioare:
Demonstratie:
Sa nlocuim n relatia anterioara expresia din (1.1):
cos[2f (n + N ) + ] = cos[2f N + ].
Rezulta ca avem:
2f N = 2k (k Z),
deci
f=
adica ceea ce trebuia dovedit.
k
Q,
N
10

1
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
1
10
10
15
Figura 1.4: Secventa sinusoidala pentru f =
20
1
2
Cum determinam practic perioada fundamentala? Simplu, dupa ce-l aflam pe f ,

simplificam numitorul si numaratorul pana cand sunt relativi primi (k, N ) = 1. Perioada
fundamentala este chiar constanta N .
Trebuie remarcat ca o mica schimbare n frecventa poate altera perioada foarte mult:
f1 =
21
40
N1 = 40;
f2 =
20
40
N2 = 2.
D2. Sinusoidele discrete n timp a caror frecventa difera printr-un numar ntreg sunt
identice:
cos[2(f + 1)n + ] = cos[2f n + ].
Prin urmare, daca
1 1
f0 [ , ),
2 2
atunci toate secventele de sinusoide:

xk (n) = cos(2fk n + ),
unde
fk = f0 + k, k Z,
sunt identice.
1.4 Frecvent
a discret
a
11
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
1
10
10
15
Figura 1.5: Secventa sinusoidala pentru f =
20
3
4
Pe de alta parte secventele asociate oricarui semnal sinusoidal discret n timp cu

frecvente ntre 21 si 12 sunt distincte. Demonstratia nu este atat de dificila si lasam
placerea cititorului sa o faca.
Mai mult chiar, orice secventa sinusoidala de frecventa fk este identica cu o secventa
sinusoidala avand frecventa f0 ( 21 f < 21 ).
Definitia 4 .
atoare frecventei
Sinusoida cu frecventa fk 6 [ 21 , 12 ) este un alias al sinusoidei corespunz
a fk f0 Z.
f0 [ 21 , 12 ) dac
D3. Secventa sinusoidala cu cea mai mare viteza de oscilatie se obtine pentru pentru
fk = k 12 (respectiv k = k).
Orice interval pe axa frecventei de lungime unitate contine toate sinusoidele discrete n
timp de faza data. Dintre toate acestea, vom considera intervalul de frecventa f [ 21 , 12 )
ca fiind intervalul fundamental. In mod corespunzator pentru variabila vom avea ca si
interval fundamental multimea [, ).
Se remarca deja cateva deosebiri importante ntre semnalele sinusoidale continue n
timp si secventele sinusoidale. Aceasta ne arata ca trebuie sa fim prevazatori cand interpretam rezultatele obtinute printr-un proces de discretizare.
12
1.5
Secvente n relatie armonic

a
Definitia 5 .
Peste multimea functiilor periodice dou
a functii sunt n relatie armonica dac
a frecventele
lor fundamentale sunt un multiplu al unei frecvente date pozitive.
In cazul semnalelor exponentiale continue n timp si periodice cu perioada T =
pornim de la setul de functii care este baza seriei Fourier:
1
,
F0
sk (t) = ej2kF0 t , k Z.
Astfel toate semnalele care admit o dezvoltare de forma:
x(t) =
Ck ej2kF0 t
k=
vom spune ca sunt n relatie armonica.

La semnalele discrete n timp baza seriei Fourier va fi sistemul de functii:
sk (n) = e
j2kn
N ,
k = 0, N 1.
In plus, spre deosebire de cazul continuu, dupa cum s-a constatat deja avem discretizare
atat n domeniul timp, cat si n domeniul frecventa.
Daca f0 = 1/N , atunci sk+N (n) = sk (n), rezultand ca avem numai N exponentiale
periodice distincte. De asemenea toate aceste exponentiale au perioada de N esantioane.
Deci putem alege oricare N exponentiale consecutive, de la n0 la n0 + N 1 (n0 Z),
si vom forma un set de secvente n relatie armonica cu frecventa fundamentala f0 = 1/N .
Dar de obicei se alege n0 = 0 si obtinem setul fundamental:
sk (n) = e
j2kn
N ,
k = 0, N 1.
Se poate demonstra (de exemplu folosind un rationament similar cu cel de la Sectiunea

3.2.1) ca pe multimea secventelor periodice de perioada N acest set este un set complet.
Prin urmare orice semnal periodic cu perioada fundamentala N se poate reprezenta sub
forma:
N
1
X
j2kn
x(n) =
ck e N ,
k=0
relatia anterioara fiind seria Fourier pentru o secventa periodica de perioada N . De

asemenea vom spune ca ck sk (n) este armonica a k-a a semnalului discret n timp x(n).
1.6 Conversia analog-digital

a si digital-analogic
a
1.6
13
Conversia analog-digital
a
Majoritatea semnalelor primare (semnalul vocal, semnalele biologice, semnalul radar etc.)
sunt analogice. Este necesar pentru a ne atinge scopul nostru de a le prelucra numeric ca
acestea sa fie convertite n forma digitala. Acest lucru se realizeaza n mai multe etape.
In primul rand are loc esantionarea, care consta n conversia unui semnal continuu
n timp ntr-un semnal discret n timp, luand cate un esantion din semnalul continuu la
intervale de timp discrete. Astfel, daca T este durata intervalului de esantionare2 si daca
xa (t) este intrarea blocului de esantionare, la iesirea lui vom avea:
x(n) xa (nT ).
(1.3)
Urmeaza cuantizarea care face conversia semnalului discret n timp cu domeniu de

valori continue, n semnal discret n timp cu domeniu de valori discrete. Valoarea fiecarui
esantion cuantizat se alege dintr-un set finit de valori. Diferenta dintre esantionul x(n) si
iesirea cuantizata xq (n) se numeste eroare de cuantizare:
q (n) x(n) xq (n).
In final avem procesul de codare, n care fiecare valoare discreta se reprezinta printr-o
secventa binara de b biti.
Desi conversia analog digitala are trei parti (un bloc de esantionare urmat de un
cuantizor si un codor), n practica este realizata ntr-un singur circuit care preia x(t) si
genereaza un cod binar. Operatiile de esantionare si cuantizare pot fi realizate n orice
ordine, dar de obicei, esantionarea este realizata naintea cuantizarii. In anumite conditii
si daca este realizata cu grija, esantionarea nu pierde informatie. In schimb cuantizarea
este proces neinversabil si deci ireversibil. Acuratetea reprezentarii cuantizate creste cu
numarul de biti, dar de asemenea n acest caz creste si costul achizitiei. Acelasi lucru se
ntampla si daca se mareste viteza de esantionare.
Majoritatea aplicatiilor de interes practic impun si conversia semnalelor digitale n
semnale analogice. Aceasta este conversia digital-analogica si consta de fapt ntr-o interpolare sau o aproximare n trepte, aproximare liniarizata pe portiuni, aproximare patratica,
aproximare spline etc.
1.6.1
Esantionarea semnalelor analogice
Esantionarea semnalelor analogice poate fi uniforma cand luam esantioane la fiecare T

secunde (1.3) si neuniforma cand intervalul de esantionare nu este constant. Ne vom
2
T se numeste perioada de esantionare sau interval de esantionare.
14
ocupa n cele ce urmeaza doar de esantionare uniforma. Aceasta permite stabilirea unei
relatii ntre variabilele de timp t si n, corespunzatoare semnalelor continue si respectiv
celor discrete n timp. Ele sunt legate liniar prin perioada de esantionare T sau prin viteza
de esantionare3 Fs , astfel:
n
(1.4)
t nT = ,
Fs
deci exista o relatie ntre frecventa F (sau ) a semnalelor analogice si frecventa normata
f (sau ) a semnalelor discrete n timp. Pentru a stabili aceasta relatie, reconsideram
semnalul analogic sinusoidal de forma:
xa (t) = cos(2F t + )
care esantionat periodic cu Fs = 1/T ne da secventa sinusoidala:
x(n) xa (nT ) = cos(2F nT + ) = cos(2
F
n + ),
Fs
si pe care o comparam cu relatia:

x(n) = cos(2f n + ).
Rezulta relatiile de legatura dintre frecventa relativa sau normalizata si frecventele semnalului analogic:
F
f= .
(1.5)
Fs
Deci daca ntr-o aplicatie data cunoastem f si frecventa de esantionare Fs , atunci putem
determina F n Hz cu relatia (1.5). Echivalent cu ecuatia anterioara avem si relatia ntre
pulsatii:
= T.
Intr-adevar, avem urmatoarele egalitati:
x(n) = cos(n + ) = cos(t + )|t=nT = cos(T n + ).
Reamintim ca domeniul frecventei si pulsatiei semnalelor analogice este < F <
si respectiv < < , si ca pentru semnale discrete n timp intervalul fundamental
al frecventei (pulsatiei) normate (relative) este f [ 21 , 21 ), respectiv [, ). Sa
nlocuim relatiile (1.5) n intervalul fundamental:
F [
3

1 1
,
), [ , ).
2T 2T
T T
Fs = 1/T se numeste viteza sau frecventa de esantionare.

a
15
Relatia precedenta ne sugereaza ca ar fi bine ca frecventa semnalului continuu n timp

sa nu depaseasca jumatatea frecventei de esantionare, fiindca altfel s-ar putea sa avem
neplaceri, de exemplu la reconstituirea semnalului.
Binenteles ca nimeni nu ne opreste sa esantionam un semnal a carui frecventa sa fie
mai mare decat jumatatea frecventei de esantionare, de exemplu F = 43 Fs . Secventa
sinusoidala de faza nula astfel obtinuta este reprezentata grafic n figura 1.5.
Sa calculam secventa corespunzatoare frecventei F = 41 Fs . De fapt reprezentarea sa
grafica este deja aratata n figura 1.3. Constatam ca sunt identice cele doua desene. Mai
mult chiar, pentru orice frecventa de forma F = ( 41 + k)Fs (k Z) secventa sinusoidala
de faza nula rezultata prin esantionare cu Fs are aceeasi forma. Un observator care
analizeaza desenul secventelor nu poate sa si dea seama caruia dintre semnalele analogice
esantionate i corespunde secventa respectiva si ar putea fi derutat.
Aceasta ambiguitate se numeste efectul alias.
De obicei cel mai simplu pentru un observator este sa asocieze n astfel de cazuri
frecventa corespunzatoare intervalului fundamental. Daca acesta este cazul dorit, se utilizeaza naintea esantionarii un filtru trece-jos, de preferinta cat mai aproape de caracteristica ideala, filtru numit si filtru antialias.
Am stabilit pana acum relatia dintre frecventa continua si frecventa discreta si am
pus n evidenta efectul alias care poate apare n cazul esantionarii semnalelor de banda
nelimitata. In cazul semnalelor de banda limitata, printr-o alegere adecvata a frecventei
de esantionare este posibil (din punct de vedere teoretic) reconstituirea semnalului initial.
Mai precis, enuntam teorema esantionarii ideale (o demonstratie se gaseste n [19]):
Teorema 1 .
Daca un semnal analogic x(t) este de band
a limitata (Fmax = B) si este esantionat cu o
frecventa Fs > 2Fmax = 2B, acesta poate fi reconstituit exact astfel:
n
sin[2B(t )]
X
n
Fs
.
x(t) =
x( )
n
Fs
2B(t )
n=
Fs
Se observa ca reconstituirea este complicata, fiind o suma ponderata de functii de
interpolare translatate. De asemenea necesita un numar infinit de esantioane. Deoarece
ponderea esantioanelor departate este mica, n cazuri practice se iau doar un numar finit
de esantioane.
Exemplul 2 .
S
a consider
am n cele ce urmeaza cazul unui semnal analog:
xa (t) = 10 cos 200t + 5 sin 600t + 3 cos 1200t,
16
si ne propunem s
a afl
am pentru acest semnal frecventa Nyquist, secventa rezultanta dup
a
esantionarea sa cu Fs = 500 esantioane pe secunda si semnalul analogic obtinut prin
reconstituire ideala.
Frecventele existente n spectrul semnalului analogic sunt: F1 = 100 Hz, F2 = 300 Hz
si respectiv F3 = 600 Hz. Frecventa maxima din spectru este Fmax = 600 Hz, si conform
teoremei esantionarii avem:
Fs > 2Fmax ,
deci frecventa Nyquist este FN = 1, 2 kHz. Secventa rezultanta dupa esantionare este:
x(n) = xa (
3
6
1
n
) = 10 cos 2 n + 5 sin 2 n + 3 cos 2 n,
Fs
5
5
5
si daca luam n considerare doar frecventele din intervalul fundamental avem:

1
2
x(n) = 13 cos 2 n 5 sin 2 n.
5
5
Semnalul analogic obtinut prin reconstituire ideala rezulta utilizand invers schimbarea de
variabila din relatia (1.4):
ya (t) = x(tFs ) = 13 cos 200t 5 sin 400t.
Constatam ca semnalul reconstituit este diferit de cel initial. Aceasta se explica prin
faptul ca am esantionat sub frecventa Nyquist si astfel a aparut efectul alias.
1.6.2
Cuantizarea semnalelor analogice n amplitudine
Dupa esantionare, de regula semnalele esantionate sunt cuantizate, cuantizarea fiind necesara deoarece sistemele digitale nu pot reprezenta decat numere sub forma binara. Din
punct de vedere matematic cuantizarea poate fi considerata ca si cum am aplica semnalului esantionat un operator de cuantizare Q:
Q[x(n)] = xq (n),
eroarea de cuantizare fiind:
q (n) x(n) xq (n).
In mod obisnuit cuantizarea se realizeaza prin trunchiere sau prin rotunjire, cele doua
operatii cunoscute din ciclu primar.

a
17
Definitia 6 .
Valorile permise semnalului digital se numesc nivele de cuantizare, iar distanta dintre
dou
a astfel de nivele se numeste pas de cuantizare sau rezolutie.
Rezulta:
q (n) .
2
2
Secventa discreta are de fapt un numar finit de esantioane, deci exista:
xmin = min{x(n)}, xmax = max{x(n)},

si putem introduce:
Definitia 7 .
Marimea xmax xmin se numeste domeniul dinamic al valorilor secventei.
Daca L este numarul nivelelor de cuantizare, rezolutia cuantizarii se calculeaza cu
relatia:
xmax xmin
=
.
(1.6)
L1
O prima deosebire clara dintre esantionare si cuantizare este faptul ca din punct de
vedere teoretic, cuantizarea implica neaparat pierdere de informatie, adica cuantizarea
este nerecuperabila. Atunci care este totusi avantajul sistemelor digitale? Avem o masura
a erorii. Sa ncercam sa o estimam.
Eroarea de cuantizare apare n echipamentul nostru electronic ca si ceva nedorit, n
ultima instanta o putem considera o perturbatie. Exista n electronica si telecomunicatii
o masura specifica a performantelor pentru astfel de cazuri: raportul semnal-zgomot de
cuantizare:
Px
,
SQNR =
Pq
unde Px este puterea semnalului util, iar Pq este puterea erorii de cuantizare.
Sa studiem cazul semnalului sinusoidal de forma:
xa (t) = A cos(2F0 t).
Daca numarul nivelelor de cuantizare este foarte mare, eroarea de cuantizare este
aproximativ liniara si o putem considera periodica cu perioada :
q (t)
t, t [, + ).
2
18
Prin urmare puterea erorii de cuantizare este:

1
Pq
2
2q (t)dt
1
=
2q (t)dt
1
=
2
t2 dt,
adica
2
.
12
Daca semnalul este reprezentat cu o acuratete de (b + 1) biti si cuantizorul este ales astfel
ncat sa fie exact excursia semnalului sinusoidal, atunci este relativ simplu de aratat ca:
Pq
Pq
A2
3
,
22(b+1)
deoarece
2A
.
2b+1
Pe de alta parte, puterea semnalului sinusoidal este data de binecunoscuta formula [10]:
=
Px =
A2
.
2
Rezulta raportul semnal-zgomot de cuantizare

SQNR =
Px
= 1, 5 22(b+1) ,
Pq
care exprimat n decibeli este:

SQNRdB = 10 log10 SQN R = 1, 76 + 6, 02(b + 1).
Deci pentru fiecare bit adaugat n reprezentarea digitala (adica prin dublarea nivelelor
de cuantizare), raportul semnal-zgomot de cuantizare creste cu aproximativ 6 dB. De
exemplu pentru o rezolutie satisfacatoare mai mare de 96 dB, n cazul compact-discului
avem nevoie de cel putin 16 biti. De asemenea s-a gasit experimental ca pentru un semnal
de telefonie de calitate obisnuita este necesar un raport semnal-zgomot de cuantizare n
gama de la 30 dB la 40 dB. Astfel numarul de nivele de cuantizare trebuie marit la 256
[4]. Binenteles ca si complexitatea echipamentului creste odata cu fiecare bit adaugat n
reprezentarea digitala.
In final sa precizam ca pentru a coda L nivele de cuantizare, avem nevoie de un numar
de biti b dat de relatia:
2b L b log2 L
(1.7)
1.7 Semnale discrete n timp
19
Exemplul 3 .
Un semnal analogic x(n) = 6, 35 cos 21000t este cuantizat cu dou
a rezolutii diferite 1 =
0, 1, si respectiv 2 = 0, 02.
Vom afla n ambele cazuri numarul minim de biti necesari pentru conversia analog
numeric
a.
Combinand relatiile (1.6) si (1.7), avem:
b log2 L = log2

xmax xmin
+1 .
In cazul nostru xmax = xmin = 6, 35 si rezulta b1 = 7, b2 = 10.
1.7
Semnale discrete n timp
Definitia 8 .
Un semnal discret n timp sau o secvent
a este o functie definit
a doar la momente ntregi
de timp:
x:ZR
sau:
x : Z C.
In mod obisnuit se noteaza prin x(n), care este de fapt al n-lea esantion al secventei
date, subntelegandu-se ca de fapt secventa este definita peste multimea numerelor ntregi.
Se folosesc urmatoarele tipuri de reprezentari:
Sub forma relationala:
r(n) =
n, n 0;
0, n < 0.
(1.8)
Sub forma tabelara:

n
x(n)
n<2
0
2
1
3
-1
4
2
5 6
-2 3
n>6
-3
Sub forma secventiala:

x(n) = {. . . , 1, 2, 0, 1, 2, . . .}.
20

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
10
10
15
20
Figura 1.6: Secventa impuls unitate
Sageata precizeaza pozitia originii, acolada sugerand daca secventa este nenula pentru
interval finit sau nemarginit.
Cele mai des ntalnite semnale elementare discrete n timp sunt:
Secventa impuls unitate (fig. 1.6):
(n) =
1, n = 0;
0, n =
6 0.
(1.9)
Spre deosebire de cazul impulsului Dirac (t) studiat la semnale continue, impulsul unitate
discret este fizic realizabil.
Secventa treapta unitate (fig. 1.7):
u(n) =
1, n 0;
0, n < 0.
(1.10)
Secventa rampa (fig. 1.8) data de relatia (1.8);

Secventa exponentiala:
x(n) = an .
(1.11)
21
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
10
10
15
20
Figura 1.7: Secventa treapta unitate
25
20
15
10
0
10
10
15
20
Figura 1.8: Secventa rampa
Daca a R, atunci nu sunt probleme cu reprezentarea grafica a secventei exponentiale

(fig. 1.9, 1.10, 1.11, 1.12).
22

3
2.5
1.5
0.5
0
10
10
15
20
Figura 1.9: Secventa exponentiala pentru a = 0, 9

7
0
10
10
15
20

Cand a C\R, adica a = rej , cu r > 0, 6= 0 sau 6= , atunci x(n) = rn ejn si
avem:
Re[x(n)] = rn cos(n); Im[x(n)] = rn sin(n);
x(n) = |x(n)|ej[x(n)] ,
23
3
10
10
15
20
8
10
10
15
20
adica trebuie sa reprezentam mpreuna sau partea reala si imaginara (fig. 1.13, 1.14), sau
respectiv modulul si argumentul secventei exponentiale.
24

1.5
0.5
0.5
1.5
10
10
15
20
Figura 1.13: Partea reala a secventei exponentiale pentru a =
1+j
1.5
0.5
0.5
1.5
10
10
15
20
Figura 1.14: Partea imaginara a secventei exponentiale pentru a =
1.7.1
Clasificarea semnalelor discrete n timp
O prima distinctie o vom face sub raport energetic. Astfel vom avea:
1+j
25
Secvente de putere finita si secvente de energie finita

Pentru nceput vom aminti definitia celor doua marimi:
Definitia 9 . Puterea unei secvente discrete se defineste prin:
N
X
1
P = lim
|x(n)|2 .
N 2N + 1
n=N
Daca P este finita, atunci secventa x(n) o vom numi secvent

a de putere finita.
Definitia 10 . Energia unei secvente discrete se defineste prin:

E=
n=
|x(n)|2 .
Daca E este finita, atunci secventa x(n) o vom numi secvent

a de energie finita.
Sunt totusi secvente foarte importante si des utilizate care nu sunt de energie finita.
Secventa unitate u(n) pentru care avem Eu = , dar Pu = 21 este un astfel de exemplu de
secventa de putere finita si de energie infinita. Daca introducem marimea energie partiala:
EN =
N
X
n=N
atunci avem:
E = lim EN ,
N
|x(n)|2 ,
1
EN .
N 2N + 1
P = lim
Observatia 1 .
1. Daca energia E a unei secvente este finita, atunci puterea sa este nul
a:
E < P = 0.
2. Daca energia E a unei secvente este infinita, atunci puterea sa P poate fi finita sau
infinita.
3. Exista secvente (de exemplu secventa rampa) care nu sunt nici de putere finita, nici
de energie finita.
T
inand cont de periodicitatea secventelor, avem:
26

Secvente periodice si secvente aperiodice
Reamintim ca secventa x(n) este periodica daca exista N N , astfel ncat x(n+N ) =
x(n), pentru orice n Z, cel mai mic N fiind perioada fundamentala. Daca nu exista un
astfel de N , atunci avem secventa neperiodica sau aperiodica.
Observatia 2 .
Prin esantionarea unui semnal analogic periodic nu rezulta neap
arat o secventa periodic
a.
Intr-adevar secventa x(n) = A sin(2f0 n) este periodica daca si numai daca f0 Q.
In sfarsit, asemanator notiunii de functie para si impara se introduc:
Secventele pare si impare
Reamintim ca secventa x(n) este para daca:
x(n) = x(n), n Z,
si este impara daca:
x(n) = x(n), n Z.
O proprietate importanta este descompunerea oricarei secvente ntr-o suma dintre
secventa sa para si secventa sa impara [8]:
x(n) =
1.7.2
x(n) + x(n) x(n) x(n)

+
.
2
2
Operatii simple cu secvente discrete
Avem urmatoarele operatii simple cu secvente discrete:

Translatia n timp (Time Delay)
Un semnal x(n) poate fi translatat n timp prin nlocuirea variabilei n cu nk (k Z).
Daca k > 0, atunci translatia n timp are ca efect o ntarziere a semnalului cu k unitati
(fig. 1.15); daca k < 0, translatia n timp implica un avans cu k unitati (fig. 1.16).
Cand semnalul este salvat pe o banda magnetica, pe un disc magnetic sau chiar n
memoria calculatorului, atunci este usor sa modifici originea, introducand o ntarziere sau
un avans. Daca, n schimb, semnalul este prelucrat n timp real, nu este posibil avansul,
deoarece o astfel de operatie implica esantioane care n-au fost nca generate.
Reflexia (Folding)
27
4.5
3.5
2.5
1.5
0.5
0
10
10
15
20
Figura 1.15: Translatia n timp pentru k = 4 a secventei exponentiale din figura 1.9
2
1.8
1.6
1.4
1.2
0.8
0.6
0.4
0.2
0
10
10
15
20
Figura 1.16: Translatia n timp pentru k = 4 a secventei exponentiale din figura 1.9
Reflexia consta n nlocuirea n x(n) a indexului n cu n.
Precizam ca reflexia nu comuta cu translatia n timp.
Subesantionarea (Down-Sampling)
28

3
2.5
1.5
0.5
0
10
10
15
20
Figura 1.17: Subesantionarea cu 2 a secventei exponentiale din figura 1.9
Subesantionarea consta n nlocuirea indexului n cu kn (k Z). De fapt avem o scalare

n timp care este echivalenta cu schimbarea ratei de esantionare, si de aceea este numita
subesantionare (fig. 1.17).
Cu ajutorul secventelor se pot defini si operatiile obisnuite peste multimea functiilor
de variabila numar ntreg:
Adunarea secventelor
[x1 + x2 ](n) = [x1 (n)] + [x2 (n)];
Multiplicarea secventelor
[x1 x2 ](n) = x1 (n) x2 (n);
Multiplicarea cu un scalar
1.8
[Ax1 ](n) = A[x1 (n)].
Sisteme discrete n timp
In problemele practice de prelucrarea numerica a semnalelor ntalnim n mod obisnuit

parti de proiectare a circuitelor sau de elaborare a algoritmilor, ambele realizand operatii
1.8 Sisteme discrete n timp
29
y(n)
x(n)
Sistem discret n timp
x(n)
y(n)
Figura 1.18: Reprezentarea sistemelor discrete

asupra unui semnal discret n timp. Acestea le vom considera mpreuna sisteme discrete
n timp, mai precis vom introduce urmatoarea definitie:
Definitia 11 .
Se numeste sistem discret n timp un circuit sau un algoritm care opereaza asupra
unui semnal discret n timp (numit intrare sau excitatie) dup
a o regul
a bine definit
a si
care produce un alt semnal discret n timp (numit iesire sau raspunsul sistemului).
Vom spune ca x(n) este prelucrat n y(n) si relatia o vom desena sub una din formele
prezentate n figura 1.18. Din punct de vedere matematic o vom scrie:
y(n) = H[x(n)],
unde simbolul H arata transformarea (denumita si operator) sau prelucrarea realizata de
sistem asupra secventei de intrare x(n) pentru a produce la iesire secventa y(n).
Definitia 12 .
Un sistem discret este digital dac
a atat intrarea cat si iesirea iau un numar finit de valori
sau dac
a atat intrarea cat si iesirea sunt cuantizate.
In multe situatii ne intereseaza doar o relatie de intrare - iesire a sistemului, structura
sa interna fiind necunoscuta sau ignorata. Cel mai des ntalnim urmatoarele tipuri de
sisteme:
Sistemul identitate:
y(n) x(n);
Intarzierea printr-un esantion:

y(n) x(n 1);
30

Avans cu un esantion:
y(n) x(n + 1);
Sistemul mediator, care face media dintre prezent, trecut si viitor:

1
y(n) = [x(n 1) + x(n) + x(n + 1)];
3
Sistemul care determina valoarea maxima dintre trei esantioane consecutive:
y(n) = max[x(n 1), x(n), x(n + 1)];
Sistemul acumulator, care nsumeaza toate valorile trecute, pana n prezent:
y(n) =
n
X
x(k).
k=
Din exemplele anterioare observam ca sunt sisteme care depind doar de valorile aplicate
n acel moment; altele depind si de cele anterioare, de exemplu sistemul acumulator.
Altfel reformulat, raspunsul unui sistem nu depinde numai de excitatia prezenta, ci si de
excitatiile anterioare sau de conditiile anterioare.
Definitia 13 .
Informatia necesara la momentul n = n0 pentru a determina y(n), pentru orice n n0 ,
o vom numi conditie initiala.
Sa presupunem acum ca sistemul acumulator nu are nici o excitatie anterioara lui n0 ,
adica x(n) = 0, n n0 1. Atunci y(n0 1) = 0 si se spune ca sistemul este initial
relaxat. In acest caz secventa de iesire y(n), pentru n n0 , depinde numai de secventa
de intrare x(n).
Se presupune n mod obisnuit ca orice sistem este relaxat la n = . In acest caz,
daca consideram ca se aplica ncepand de la n = o excitatie, iesirea y(n) este unic
determinata de intrare.
In mod obisnuit sistemele discrete se reprezinta prin diagrame bloc, utilizand cele cinci
elemente de baza prezentate n figura 1.19.
1.8.1
Clasificarea sistemelor discrete n timp
Sisteme statice si sisteme dinamice
31
a
Scalare
Intarziere
Avans
x(n)
y(n)
x(n)
y(n)
y(n)
x(n)
y(n) = ax(n)
y(n) = x(n 1)
y(n) = x(n + 1)
x2 (n)
Adunare
x1 (n)
y(n) y(n) = x (n) + x (n)

1
2
x2 (n)
Multiplicare
x1 (n)
y(n)
y(n) = x1 (n) x2 (n)
Figura 1.19: Elemente de baza din diagramele bloc
Sistemele statice sau fara memorie sunt cele la care iesirea, n orice moment, depinde cel
mult de intrarea prezenta si nu depinde de esantioanele anterioare de la intrare. Sistemele
dinamice sunt cele la care iesirea sistemului la momentul n este complet determinata de
esantioanele de intrare din intervalul de la n N la n (N > 0). In acest caz mai spunem
ca sistemul are memoria (de lungime) N . Astfel putem clasifica sistemele si din punctul
de vedere al lungimii memoriei lor:
32

Daca N = 0, avem sistem static;
Daca 0 < N < , avem sistem cu memorie finita;
Daca N = , avem sistem cu memorie infinita.
Sisteme variante n timp si sisteme invariante n timp
Sistemele invariante n timp (stationare) sunt acelea ale caror caracteristica intrare iesire nu se schimba n timp. Pentru un astfel de sistem, caracterizat prin operatorul H
si aflat n stare relaxata avem:
y(n) = H[x(n)] y(n k) = H[x(n k)], k Z.
In figura 1.20 sunt prezentate diagramele bloc pentru patru sisteme discrete des
ntalnite. Invitam cititorul sa stabileasca relatia intrare - iesire si sa specifice care sunt
invariante n timp.
Sisteme liniare si sisteme neliniare
Un sistem respecta principiul superpozitiei daca raspunsul unui astfel de sistem la o
suma (finita) ponderata de semnale este egal cu suma ponderata corespunzatoare iesirilor
sistemului, la fiecare semnal de intrare.
Definitia 14 .
Un sistem este liniar dac
a respect
a principiul superpozitiei.
In caz contrar sistemul este neliniar.

Prin urmare pentru un sistem liniar, operatorul sau H respecta:
H[a1 x1 (n) + a2 x2 (n)] = a1 H[x1 (n)] + a2 H[x2 (n)],
pentru oricare secvente arbitrare de intrare x1 (n), x2 (n) si pentru orice constante arbitrare
a1 , a2 . Rezulta ca:
Observatia 3 .
Daca un sistem produce o iesire nenula la intrare nul
a, atunci acesta este nerelaxat sau
neliniar.
T
inand cont de succesiunea dintre secventa de intrare si cea de iesire, avem:
Sisteme cauzale si necauzale
33
y(n)
x(n)
Simetric
y(n) = x(n)
x(n)
Multiplicator de timp
y(n)
y(n) = nx(n)
cos 0 n
x(n)
Modulator
y(n)
Diferentiator
x(n)
y(n) = x(n) cos 0 n
y(n) = x(n) x(n 1)
y(n)
Figura 1.20: Exemple de sisteme discrete
Definitia 15 .
Un sistem este cauzal dac
a iesirea sistemului y(n) la orice moment de timp, depinde
numai de intr
arile prezente si trecute, dar nu si de cele viitoare, adic
a:
y(n) = F [x(n), x(n 1), x(n 2), ...]
unde F este o functie arbitrar
a.
Daca sistemul nu satisface aceste cerinte, se numeste necauzal.
34

x(n) = x1 (n)
y1 (n) = x2 (n)
y2 (n) = y(n)
H1
H2
Figura 1.21: Conexiunea cascada
Prelucrarea n timp real impune ca sistemul sa fie cauzal. Daca semnalul este deja
memorat si prelucrarea nu se face n timp real, ceea ce se implementeaza sunt sisteme
necauzale, deoarece toate valorile semnalului sunt disponibile la momentul prelucrarii.
Sisteme stabile si sisteme instabile
Din punctul nostru de vedere vom considera ca:
Definitia 16 .
Un sistem relaxat este stabil de tip marginit la intrare - marginit la iesire, dac
a orice
intrare marginit
a genereaza o iesire marginit
a.
Sistemele stabile de tip marginit la intrare - marginit la iesire (Bounded Input Bounded
Output - BIBO) se ntalnesc n majoritatea aplicatiilor. In general sistemele instabile se
manifesta dezordonat, produc depasiri si sunt indezirabile aproape n orice implementare
practica.
1.8.2
Conectarea sistemelor discrete n timp
In ce priveste conectarea sistemelor discrete n timp, avem doua conexiuni de baza mai
des ntalnite: conexiunea cascada (figura 1.21) si conexiunea paralel (figura 1.22).
Pentru conexiunea cascada, operatorul sistemului astfel obtinut este:
HC = H2 H1 .
Conectarea n cascada nu este neaparat comutativa:
H1 H2 6= H2 H1 .
Daca sistemele caracterizate prin functiile de sistem H1 si H2 sunt liniare si invariante n
timp, atunci avem:
H1 H2 = H2 H1 .
35
y1 (n)
x(n) = x1 (n)
H1
x(n)
x(n) = x2 (n)
y2 (n)
y(n)
H2
Figura 1.22: Conexiunea paralel

x(n)
y1 (n) = x(n + 1)
y2 (n) = x(n)
z 1
Figura 1.23: Conexiunea cascada a sistemului identitate
Exemplul 4 .
Sistemul identitate y(n) x(n) se poate considera ca si conectarea n cascad
a a sistemelor
care realizeaza nt
arzierea printr-un esantion y(n) x(n 1) si avans cu un esantion
y(n) x(n + 1) (fig. 1.23).
Conexiunea paralel este ntotdeauna comutativa:
HP = H1 + H2
si avem:
y(n) = y1 (n) + y2 (n).
Exemplul 5 .
Sistemul mediator, care face media dintre prezent, trecut si viitor:
1
y(n) = [x(n 1) + x(n) + x(n + 1)],
3
poate fi considerat ca si conectarea (ponderata) n paralel a sistemelor identitate, avans si
nt
arziere cu un esantion (fig. 1.24).
36
x(n) = x1 (n)
x(n)
x(n) = x2 (n)
z 1
3
1
3
z
3
x(n) = x3 (n)
y1 (n)
y2 (n)
y(n)
y3 (n)
Figura 1.24: Conexiunea paralel a sistemului mediator
Capitolul 2
Analiza semnalelor si sistemelor
discrete n domeniul timp
Asa cum am stabilit anterior, un sistem discret n timp poate fi reprezentat printr-un
model matematic n care se elimina variatia continua a timpului si se preiau doar marimile
de interes la momente de timp care formeaza o multime cel mult numarabila. Din punct
de vedere tehnic un astfel de sistem este realizabil cu circuite functionand pe baza unei
sincronizari realizate de un generator de tact [6].
Desi sistemele ntalnite n procesarea numerica de semnal nu sunt n totalitate sisteme
discrete liniare si invariante n timp (Linear Time Invariant - LTI), ne vom concentra mai
mult asupra proprietatilor si caracteristicilor acestora, deoarece:
1. Exista cateva tehnici matematice de analiza a sistemelor discrete liniare si invariante
n timp;
2. Multe sisteme practice sunt de acest fel sau se comporta aproximativ n acest fel.
Cea mai generala si completa caracterizare [20] a sistemelor liniare si invariante n timp
este de tipul intrare - stare - iesire. In multe aplicatii evidentierea separata a evolutiei
starii nu este absolut necesara, drept care se accepta o caracterizare mai simpla si anume
ecuatia de intrare - iesire. Cunoscandu-se aceasta se poate trece n majoritatea cazurilor
la calculul raspunsului sistemului liniar si invariant n timp.
2.1
Relatii de intrare - iesire pentru sisteme LTI
Cea mai directa metoda de determinare a raspunsului y(n) la intrarea cauzala x(n) cand
se cunosc conditiile initiale consta n rezolvarea iterativa a ecuatiei de intrare - iesire prin
37
38
Analiza n domeniul timp

SECVENTA RASPUNS y(n)
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
6
0
k
Figura 2.1: Secventa raspuns de la Exemplul 6
explicitarea iesirii la momentul curent n functie de intrare si valorile anterioare ale iesirii.
Exemplul 6 .
S
a afl
am raspunsul sistemului mediator, care face media dintre prezent, trecut si viitor:
1
y(n) = [x(n 1) + x(n) + x(n + 1)],
3
la excitatia treapt
a unitate.
Rezolvare:
Distingem urmatoarele cazuri:
Pentru n 2, avem y(n) = 0, deoarece u(n) = 0, n < 0;
Pentru n = 1, avem y(1) = 13 , deoarece u(2) = u(1) = 0 si u(0) = 1;
Pentru n = 0, avem y(n) = 32 , deoarece u(1) = 0, u(0) = u(1) = 1;
Pentru n 1, avem y(n) = 1, deoarece u(n) = 1, n 0.
Graficul rezultat este prezentat n figura 2.1.
2.1 Relatii de intrare - iesire pentru sisteme LTI
39
Aceasta metoda simpla nu este convenabila decat pentru regimuri tranzitorii si nu da

o forma generala a raspunsului, fiind avantajoasa doar n cazul cand suntem interesati
numai de valorile numerice [6].
In cele ce urmeaza ne vom concentra asupra metodelor de analiza a sistemelor liniare
si invariante n timp care ne permit sa le caracterizam din punct de vedere teoretic. Astfel
tehnicile obisnuite de analiza ale sistemelor liniare sunt:
1. Rezolvarea ecuatiei de intrare - iesire;
In cazul sistemelor discrete relatia de intrare - iesire se scrie sub forma:
y(n) = F [y(n 1), ..., y(n N ), . . . , x(n), ..., x(n M ), . . .],
(2.1)
care pentru un sistem liniar si invariant n timp devine:

y(n) =
N
X
k=1
ak y(n k) +
M
X
k=0
bk x(n k),
(2.2)
adica o ecuatie cu diferente finite si cu coeficienti constanti. Vom reveni mai tarziu asupra
rezolvarii ecuatiei cu diferente finite si cu coeficienti constanti.
2. Descompunerea semnalului de intrare ntr-o suma de semnale elementare.
Aceste semnale elementare se aleg astfel ncat raspunsul la oricare dintre semnalele
elementare sa fie usor de determinat si apoi se utilizeaza proprietatea de liniaritate a
sistemelor liniare si invariante n timp, adica raspunsul unui sistem la o suma ponderata
de semnale este egal cu suma ponderata corespunzatoare iesirilor sistemului, la fiecare
semnal de intrare luat separat.
Mai precis, fie {xk (n)}kZ o multime de functii elementare si sa presupunem ca putem
scrie intrarea sub forma:
X
ck xk (n),
x(n) =
k
unde ck sunt coeficientii sau ponderile semnalului de intrare fata de baza {xk (n)}kZ .
Daca se cunoaste raspunsul la fiecare excitatie elementara xk (n):
yk (n) = H[xk (n)],
atunci folosind proprietatea de liniaritate a sistemelor liniare si invariante n timp rezulta

ca:
X
X
X
y(n) = H[x(n)] = H[
ck xk (n)] =
ck H[xk (n)] =
ck yk (n).
k
Cum alegem nsa familia {xk (n)}kZ ?
40

1. Un prim criteriu consta n obtinerea unei rezolutii multumitoare.
2. In al doilea rand nu trebuie neglijat confortul n calculul matematic.
De exemplu, daca x(n) este periodic, cu perioada N , atunci cel mai potrivit set de
functii este:
xk (n) = ej2kf0 n , k = 0, N 1.
Dar dupa cum am vazut exista multe semnale discrete n timp neperiodice, asa ca mai
potrivit scopurilor noastre ar fi sa descompunen un semnal discret n timp in impulsuri
unitate, aceasta fiind posibila indiferent de natura secventei (periodica sau aperiodica).
Scopul urmatorului paragraf este sa aratam ca orice sistem liniar si invariant n timp este
caracterizat prin raspunsul sau la impuls si ca iesirea unui astfel de sistem se poate calcula
printr-o operatie de tip convolutie.
2.2
Convolutia secventelor. Secventa pondere
In cele ce urmeaza vom lua n considerare setul de functii xk (n) = (n k), k Z unde:

1, n = k;
(n k) =
(2.3)
0, n 6= k.
Pentru orice n, k Z avem:
x(n)(n k) = x(k)(n k),
deci tinand cont si de relatia (2.3) rezulta:
x(n) =
k=
x(n)(n k) =
k=
x(k)(n k),
adica am obtinut descompunerea unui semnal arbitrar x(n) ntr-o suma ponderata de
impulsuri unitate.
Exemplul 7 .
Secventa:
se poate scrie sub forma:
x(n) = {1, 2, 3}.
x(n) = x(1)(n + 1) + x(0)(n) + x(1)(n 1) = (n + 1) + 2(n) + 3(n 1).

Graficele secventei x(n) si a impulsurilor unitate ponderate sunt prezentate n figura 2.2.
2.2 Convolutia secventelor. Secventa pondere
41
SECVENTA x(n)
3
2.5
2
1.5
1
0.5
0
6
0
k
SECVENTA x(1)(n+1)
0
k
SECVENTA x(0)(n)
0
k
SECVENTA x(1)(n1)
0
k
3
2.5
2
1.5
1
0.5
0
6
3
2.5
2
1.5
1
0.5
0
6
3
2.5
2
1.5
1
0.5
0
6
Figura 2.2: Descompunerea secventei de la Exemplul 7 n suma ponderata de impulsuri

unitate
Acum putem ncerca sa calculam raspunsul unui sistem liniar si invariant n timp la
intrari arbitrare, ocazie cu care vom introduce suma de convolutie.
Vom considera pentru nceput ca sistemul este relaxat si fie y(n, k) raspunsul sistemului
de la momentul n, cand excitatia este aplicata la momentul k. Pentru secventa de intrare
42
impuls unitate raspunsul y(n, k) l vom nota n mod deosebit prin h(n, k) si-l vom numi
secventa pondere. Prin urmare vom avea:
h(n, k) = H[(n k)].
Aplicand proprietatea de liniaritate a sistemelor liniare obtinem:
y(n) = H[x(n)] = H[
k=
x(k)(n k)] =
k=
x(k)H[(n k)] =
x(k)h(n, k).
k=
Daca sistemul este si invariant n timp, putem nota secventa pondere a sistemului liniar
si invariant n timp prin:
h(n) = H[(n)],
si avem ca:
h(n) = H[(n)]
deci rezulta ca:
y(n) =
h(n k) = H[(n k)], k Z,
k=
Definitia 17 .
Operatia nou introdusa prin relatia
x(k)h(n k).
y(n) = x(n) h(n) =
k=
x(k)h(n k).
(2.4)
se numeste suma de convolutie.

Am obtinut astfel ca:
Teorema 2 .
Orice sistem liniar si invariant n timp este caracterizat prin secventa sa pondere (r
aspunsul
s
au la secventa impuls unitate) si iesirea unui astfel de sistem se poate calcula printr-o
operatie de tip convolutie dintre secventa de intrare si secventa pondere.
2.2.1
Calculul sumei de convolutie
Fie acum n0 un punct n care noi vrem sa calculam raspunsul sistemului liniar si invariant n timp caracterizat de secventa pondere h(n) la secventa excitatie x(n). Suma de
convolutie se scrie astfel:
X
y(n0 ) =
x(k)h(n0 k).
k=
Prin urmare calculul sumei de convolutie consta n urmatorii pasi:
43
1. Reflexia: Vom calcula h(k) simetrica secventei pondere h(k) fata de origine;
2. Translatia: Ca sa obtinem h(n0 k) vom translata h(k) cu |n0 | unitati:
spre dreapta, daca n0 este pozitiv;
spre stanga, daca n0 este negativ;
3. Multiplicarea: Vom multiplica pe x(k) cu h(n0 k) pentru a obtine secventa
produs: x(k)h(n0 k);
4. Adunarea: Vom aduna toate produsele obtinute la punctul anterior pentru a afla
y(n0 ).
Exemplul 8 .
S
a afl
am raspunsul sistemului care are secventa pondere:
1
1
h(n) = { , 0, },
3
3
la secventa excitatie din figura 2.2:

x(n) = {1, 2, 3}.
Rezolvare:
Vom utiliza reprezentarea grafica pentru a calcula raspunsul sistemului dat si vom urma
pas cu pas procedura aminitita anterior.
Pentru n0 = 1, avem:
X
y(1) =
x(k)h(1 k)
k=
si graficele secventelor h(k), h(k), h(1 k) si x(k) sunt prezentate n figura 2.3. Rezulta
ca din toate produsele x(k)h(1 k) doar unul singur este nenul si anume cel pentru k = 0.
Prin urmare
2
y(1) = x(k)h(1 k)|k=0 = .
3
La fel pentru n0 = 2, avem:
y(2) =
k=
x(k)h(2 k).
44

h(k)
0.4
0.2
0
0.2
0.4
6
0
k
h(k)
0
k
h(1k)
0
k
x(k)
0
k
0.4
0.2
0
0.2
0.4
6
0.4
0.2
0
0.2
0.4
6
3
2.5
2
1.5
1
0.5
0
6
Figura 2.3: Calculul sumei de convolutie pentru n0 = 1 (Exemplul 8)
Graficele secventelor h(k), h(k), h(2 k) si x(k) sunt prezentate n figura 2.4. Rezulta
ca din toate produsele x(k)h(2 k) doar unul singur este nenul si anume cel pentru k = 1.
Prin urmare
y(2) = x(k)h(2 k)|k=1 = 1.
45
h(k)
0.4
0.2
0
0.2
0.4
6
0
k
h(k)
0
k
h(2k)
0
k
x(k)
0
k
0.4
0.2
0
0.2
0.4
6
0.4
0.2
0
0.2
0.4
6
3
2.5
2
1.5
1
0.5
0
6
In continuare pentru n0 > 2 nu mai are rost sa reprezentam grafic secventa h(n0
k) deoarece este clar ca aceasta nu se mai suprapune cu x(k) si astfel toate produsele
x(k)h(n0 k) vor fi zero. Prin urmare y(n) = 0 pentru n > 2.
46
Pentru n0 = 0 putem folosi oricare dintre graficele anterioare, deoarece n acest caz
h(n0 k) este chiar h(k) si prin urmare:
y(0) = x(k)h(k)|k=1 + x(k)h(k)|k=1 =
Pentru n0 = 1, avem:
y(1) =
k=
2
1
1= .
3
3
x(k)h(1 k)
si graficele secventelor h(k), h(k), h(1 k) si x(k) sunt prezentate n figura 2.5.
Rezulta ca din toate produsele x(k)h(1 k) doar unul singur este nenul si anume cel
pentru k = 0. Prin urmare
2
y(1) = x(k)h(1 k)|k=0 = .
3
La fel pentru n0 = 2, avem:
y(2) =
k=
x(k)h(2 k).
Graficele secventelor h(k), h(k), h(2 k) si x(k) sunt prezentate n figura 2.6. Rezulta
ca din toate produsele x(k)h(2 k) doar unul singur este nenul si anume cel pentru
k = 1. Prin urmare
1
y(2) = x(k)h(2 k)|k=1 = .
3
In continuare pentru n0 < 2 nu mai are rost sa reprezentam grafic secventa h(n0
k) deoarece este clar ca aceasta nu se mai suprapune cu x(k) si astfel toate produsele
x(k)h(n0 k) vor fi zero. Prin urmare y(n) = 0 pentru n < 2.
Concluzionam ca secventa raspuns este urmatoarea:
1 2
2 2
y(n) = { , , , , 1}.
3 3
3 3
Mai avem urmatoarea precizare simpla de demonstrat:

Observatia 4 .
Durata convolutiei unor secvente de durata L si respectiv N este L + N 1.
47
h(k)
0.4
0.2
0
0.2
0.4
6
0
k
h(k)
0
k
h(1k)
0
k
x(k)
0
k
0.4
0.2
0
0.2
0.4
6
0.4
0.2
0
0.2
0.4
6
3
2.5
2
1.5
1
0.5
0
6
2.2.2
Propriet
atile sumei de convolutie
In cele ce urmeaza vom investiga cateva dintre cele mai importante proprietati ale sumei
de convolutie cu precizarea ca acestea sunt satisfacute pentru orice tip de secvente. De
asemenea vom preciza cum se reflecta aceste proprietati asupra interconectarii sistemelor.
48

h(k)
0.4
0.2
0
0.2
0.4
6
0
k
h(k)
0
k
h(2k)
0
k
x(k)
0
k
0.4
0.2
0
0.2
0.4
6
0.4
0.2
0
0.2
0.4
6
3
2.5
2
1.5
1
0.5
0
6

Deoarece:
x(n) h(n) =
k=
nkk X
z}|{
x(k)h(n k) =
k=
x(n k)h(k) =
Suma de convolutie este comutativa:
x(n) h(n) = h(n) x(n).
k=
x(n k)h(k),
x(n)
y(n)
h(n)
49
y(n)
h(n)
x(n)
Figura 2.7: Comutativitatea convolutiei
Aceasta proprietate a sumei de convolutie ne permite rescrierea formulei de calcul a

raspunsului unui sistem liniar si invariant n timp sub forma:
y(n) =
k=
h(k)x(n k).
La nivelul diagramelor bloc avem echivalenta din figura 2.7.

Suma de convolutie este asociativa:
(x h1 ) h2 = x (h1 h2 ).
Demonstratie:
Intr-adevar:
[(x h1 ) h2 ](n) =
(x h1 )(k)h2 (n k)=
k=
k=
Schimbam ordinea de nsumare:

!
X
X
X
x(p)h1 (k p) h2 (n k)=
x(p)
k=
p=
p=
si facem k p r:
p=
x(p)
r=
h1 (r)h2 (n p r) =
p=
p=
x(p)h1 (k p) h2 (n k).
k=
h1 (k p)h2 (n k)
x(p)(h1 h2 )(n p) = [x (h1 h2 )](n),

La nivelul diagramelor bloc avem echivalenta din figura 2.8.
Impreuna cele doua proprietati se pot caracteriza prin diagrama desenata n figura 2.9.
50
y(n)
x(n)
h1 (n)
h2 (n)
x(n)
y(n)
h2 (n)
h1 (n)
Figura 2.8: Asociativitatea convolutiei
x(n)
y(n)
h1 (n)
h2 (n)
x(n)
y(n)
h h
1
2
Figura 2.9: Asociativitatea si comutativitatea convolutiei
In consecinta, daca avem mai multe sisteme liniare si invariante n timp, caracterizate prin secventele pondere hi (n), i = 1, 2, . . . , L si conectate n cascada, acestea sunt
echivalente cu un sistem a carui secventa pondere este:
h(n) = h1 (n) h2 (n) ... hL (n).
Proprietatea de comutativitate ne arata ca nu este importanta ordinea n care se fac
convolutiile n formula anterioara.
Distributivitatea convolutiei fata de adunare:
x(n) [h1 (n) + h2 (n)] = x(n) h1 (n) + x(n) h2 (n).
Demonstratia acestei proprietati este simpla. La nivelul diagramelor bloc avem echivalenta
din figura 2.10.
Un sistem cauzal este caracterizat de:
h(n) = 0, n < 0,
deci pentru un astfel de sistem avem urmatoarea relatie de calcul a iesirii:
y(n) =
X
k=0
h(k)x(n k).
x(n)
h1
51
y(n)
y(n)
x(n)
h +h
1
2
h2
Figura 2.10: Distributia convolutiei fata de adunare
Daca si secventa de intrare este cauzala:

x(n) = 0, n < 0,
atunci secventa raspuns se poate calcula cu formula:
y(n) =
n
X
k=0
2.3
h(k)x(n k) =
n
X
k=0
x(k)h(n k).
Stabilitatea sistemelor liniare si invariante n timp
Reamintim ca am introdus conceptul de stabilitate BIBO (pagina 34) care definea un

sistem ca fiind stabil daca la o intrare marginita, raspunsul era de asemenea marginit,
adica daca:
|x(n)| < Mx , n Z |y(n)| < My < n Z.
Ne propunem sa aflam ce conditie necesara si suficienta trebuie sa ndeplineasca secventa
pondere astfel ncat sistemul liniar si invariant n timp caracterizat de aceasta sa fie stabil.
Fie deci x(n) o secventa marginita. Atunci avem succesiv:
|x(n)| < Mx ,
y(n) =
k=
h(k)x(n k),
52
|y(n)| = |
k=
h(k)x(n k)|
|y(n)| Mx
k=
k=
|h(k)||x(n k)|,
|h(k)|.
Deci daca secventa de la intrare este marginita si daca secventa pondere satisface conditia
de absolut sumabilitate:
X
Ih
|h(k)| < ,
k=
atunci si secventa de iesire este marginita. In concluzie sistemul liniar si invariant n timp
caracterizat de aceasta secventa este stabil.
Reciproc, sa presupunem ca secventa pondere nu este absolut sumabila:
Ih
k=
|h(k)| = .
Vom arata ca n acest caz sistemul nostru nu este stabil. Mai precis, exista si este corect
definita secventa de intrare:

h (n)
, h(n) 6= 0,
|h(n)|
(2.5)
x(n) =
0,
h(n) = 0.
Atunci avem pentru n = 0:
X
h (k)
y(0) =
=
h(k)x(k) =
|h(k)| = ,
h(k)
|h(k)|
k=
k=
k=
deci secventa de iesire nu este marginita. In acest caz sistemul caracterizat de secventa
pondere h(n) nu este stabil.
Prin urmare avem:
Teorema 3 .
Conditia necesara si suficienta de stabilitate a sistemelor liniare si invariante n timp este
absoluta sumabilitate a secventei pondere:
k=
|h(k)| < .
(2.6)
53
Corolarul 1 .
O prima consecint
a a acestui rezultat este:
lim h(n) = 0.
Demonstratia este evidenta, deoarece seria din (2.6) este absolut convergenta. In plus,
Proprietatea 1 .
Daca secventa de intrare are suport finit, atunci iesirea unui sistem stabil, liniar si invariant n timp tinde catre zero cand n tinde catre .
Demonstratie:
Presupunem ca:
|x(n)| < Mx , n < n0 ,
si ca:
|x(n)| = 0, n n0 ,
si fie N N . Atunci:
y(n0 + N ) =
N
1
X
k=
h(k)x(n0 + N k)+
k=N
h(k)x(n0 + N k) =
k=N
h(k)x(n0 + N k),
deoarece |x(n)| = 0, n n0 . Pe de alta parte avem:

|y(n0 + N )|
si daca N , atunci:
k=N
|h(k)||x(n0 + N k)| Mx
k=N
|h(k)|,
lim |y(n0 + N )| = 0,
deoarece
lim
k=N
|h(k)| = 0,
seria data fiind absolut convergenta.

Rezulta ca orice excitatie de durata finita la intrarea unui sistem stabil liniar si invariant n timp va produce la iesire un raspuns tranzitoriu, avand amplitudinea descrescatoare
n timp catre zero.
54
2.4
Sisteme cu r
aspuns finit la impuls si sisteme cu
r
aspuns infinit la impuls
Definitia 18 .
Daca secventa pondere are suport finit, atunci sistemul se numeste sistem cu raspuns finit
caz contrar sistemele se numesc cu raspuns infinit la impuls.
la impuls. In
Ne vom opri pentru nceput la un exemplu de sistem cu raspuns finit la impuls (Finite
Impulse Response - FIR), foarte des folosit n prelucrarea numerica a semnalelor. Acesta
este caracterizat de secventa pondere:
h(n) = 0, n 6= 0, 1, . . . , M.
Conditia n < 0 este impusa de cauzalitatea sistemului, iar restrictia n M + 1 ne asigura
ca sistemul are raspuns finit la impuls. Pentru un astfel de sistem semnalul de la iesire se
calculeaza cu relatia:
M
X
y(n) =
h(k)x(n k),
k=0
adica iesirea sistemului este o suma ponderata prin valorile secventei pondere ale celor
mai recente M + 1 esantioane de intrare x(n), x(n 1), . . ., x(n M ). De fapt sistemul
actioneaza ca si o fereastra care vede doar ultimele M +1 esantioane, neglijand (ignorand)
esantioanele anterioare. Un astfel de sistem se mai numeste si sistem cu memorie finita,
de lungime M + 1.
In cazul sistemelor cu raspuns infinit la impuls (Infinite Impulse Response - IIR),
raspunsul la impuls are durata infinita si pentru calculul raspunsului avem nevoie de
toate esantioanele semnalului de intrare:
y(n) =
k=
h(k)x(n k).
(2.7)
Daca sistemul este cauzal, atunci suma se simplifica:

y(n) =
X
k=0
h(k)x(n k),
(2.8)
si prin urmare iesirea sistemului cu raspuns infinit la impuls este o suma ponderata prin
valorile secventei pondere ale esantioanelor de intrare x(n), x(n 1), x(n 2), . . .
Deoarece sumele ponderate (2.7) si (2.8) necesita toate esantioanele (prezente, cele
trecute si cele viitoare) vom spune ca sistemul are o memorie infinita.
2.5 Sisteme recursive si nerecursive
2.5
55
Sisteme recursive si nerecursive
Sistemele FIR, prin faptul ca au un raspuns finit la impuls, au cateva avantaje importante:
1. Pornind de la suma de convolutie, ele pot fi implementate direct.
2. Acestea folosesc n implementare un numar finit de locatii de memorie.
3. Marele lor avantaj ramane totusi stabilitatea, deoarece secventa lor pondere este
absolut sumabila, fiind vorba doar de o suma finita.
Observatia 5 .
Sistemele FIR sunt intotdeauna sisteme stabile.
In cazul sistemelor cu raspuns infinit la impuls, utilizarea sumei de convolutie la implementare este imposibila, deoarece necesita un numar infinit de locatii de memorie.
Eliminarea acestui impediment se poate face rescriind ecuatia de calcul a iesirii astfel
ncat sa apara si esantioanele anterioare ale raspunsului.
Sa luam cazul unui sistemul discret mai special, cel care face media cumulata a semnalului de intrare:
n
1 X
x(k), n = 0, 1, 2, . . .
(2.9)
y(n) =
n + 1 k=0
Aplicarea directa a formulei anterioare necesita memorarea tuturor valorilor x(k), k =

0, 1, . . . , n. Evident, cand n creste, avem nevoie de o memorie nemarginita, ceea ce
reprezinta un inconvenient.
Rescriem ecuatia (2.9) sub o forma n care apare si un esantion anterior al iesirii:
(n + 1)y(n) =
n1
X
k=0
sau
x(k) + x(n) = ny(n 1) + x(n),
1
n
y(n 1) +
x(n).
n+1
n+1
Acesta este un exemplu de sistem cu memorie infinita care poate fi implementat cu un
numar finit de locatii de memorie.
y(n) =
Definitia 19 .
Un sistem este recursiv dac
a iesirea acestuia y(n) depinde n orice moment de timp de un
numar infinit dintre valorile anterioare ale iesirii:
y(n 1), y(n 2), . . . , y(n N ), . . .
56
y(n)
x(n)
F [x(n), . . . , x(n M )]
Figura 2.11: Sistem nerecursiv

Cand implementam sistemul sub forma recursiva vom avea nevoie de conditii initiale.
Astfel ca iesirea unui sistem cauzal, realizabil si recursiv se poate scrie sub forma:
y(n) = F [y(n 1), y(n 2), ..., y(n N ), x(n), x(n 1), ..., x(n M )],
(2.10)
unde F este o functie oarecare. Ecuatia de forma (2.10) se numeste ecuatie recursiva.
Definitia 20 .
Daca secventa raspuns y(n) depinde numai de intr
arile trecute si intrarea prezenta, avem
un sistem nerecursiv:
y(n) = F [x(n), x(n 1), ..., x(n M )].
(2.11)
Un sistem cu raspuns finit la impuls este un sistem nerecursiv, deoarece:

y(n) =
M
X
k=0
h(k)x(n k),
si se poate alege:
F [ . ] = h(0)x0 + h(1)x1 + ... + h(M )xM .
Diferenta majora dintre sistemele recursive si nerecursive este reteaua de reactie (fig. 2.11
si 2.12).
Observatia 6 .
cazul sistemelor recursive calculul secventei raspuns se face n ordine: y(0), y(1), . . .
In
cazul sistemelor nerecursive, calculul secventei raspuns se poate face n orice ordine.
In
Sistemul anterior (2.9) era un sistem ai carui coeficienti variau n timp. Un sistem recursiv
simplu este sistemul cumulativ ponderat care are coeficienti constanti. Relatia sa de
intrare - iesire este data de:
y(n) = ay(n 1) + x(n).
(2.12)
2.5 Sisteme recursive si nerecursive
57
z 1
x(n)
F [y(n 1), . . . , y(n N ), x(n), , x(n M )]
y(n)
Figura 2.12: Sistem recursiv

Calculam recurent secventa raspuns pornind de la conditia initiala y(1):
y(0) = ay(1) + x(0),
y(1) = ay(0) + x(1) = a2 y(1) + ay(0) + x(1),
si n general:
y(n) = ay(n 1) + x(n) = an+1 y(1) + an x(0) + ... + ax(n 1) + x(n).
Deci:
y(n) = a
n+1
y(1) +
n
X
k=0
ak x(n k).
Distingem doua parti n raspunsul sistemului:

1. Contributia conditiei initiale a sistemului la raspuns, data de y(1);
2. Contributia intrarii la raspuns, data de suma intrarilor ponderata de puterile parametrului a.
Definitia 21 .
Daca sistemul este initial relaxat, adic
a conditiile initiale sunt nule si dac
a sistemul este
excitat, atunci raspunsul corespunz
ator l vom numi raspuns n conditii initiale nule1
(uneori raspuns fortat) si l vom nota yzs (n).
1
In englez
a avem denumirea de zero-state response.
58
In cazul sistemului cumulativ ponderat avem y(1) = 0, si rezulta:

yzs (n) =
n
X
k=0
ak x(n k), n 0,
si remarcam ca este o convolutie dintre semnalul de intrare si secventa pondere a sistemului

h(n) = an (n).
Definitia 22 .
Daca sistemul este nerelaxat si intrarea este nul
a, secventa raspuns o vom numi raspuns
2
cu conditii initiale si intrare nul
a (uneori raspuns liber) yzi (n).
In cazul nostru y(1) 6= 0 si deci:
yzi (n) = an+1 y(1), n 0.
Vom face cateva observatii referitoare la sistemele recursive si cele nerecursive:
Observatia 7 .
Un sistem recursiv cu conditii initiale nenule este nerelaxat si poate produce iesiri nenule
far
a s
a fie excitat.
In acest caz raspunsul sistemului este dat de memoria sistemului. Raspunsul cu conditii
initiale nenule depinde numai de natura sistemului si de conditiile initiale, si nu depinde
de intrare, de aceea cateodata l vom numi si raspuns liber.
Observatia 8 .
1. Raspunsul fortat depinde de natura sistemului si de intrare, nedepinz
and de conditiile
initiale.
2. Raspunsul sistemului este suma celor dou
a raspunsuri liber si fortat:
y(n) = yzi (n) + yzs (n).
In multe publicatii se identifica sistemele nerecursive cu sistemele avand raspuns finit
la impuls. Calitatea unui sistem de a avea un raspuns finit sau infinit la impuls este
diferita de modul sau de implementare. In general sistemele IIR pot fi realizate doar
recursiv, n schimb sistemele FIR pot fi implementate atat nerecursiv, cat si recursiv [18].
Este totusi adevarat ca pe cat posibil se evita utilizarea reactiei, deci a implementarii
recursive a sistemelor FIR.
2
In englez
a avem denumirea de zero-input response.
2.6 Rezolvarea ecuatiei cu diferente finite
59
Exemplul 9 .
Sistemul mediator este un sistem FIR.
Daca este implementat dup
a relatia de intrare - iesire:
1
y(n) = [x(n 1) + x(n) + x(n + 1)],
3
sistemul este nerecursiv.
Daca se scrie relatia echivalenta:
1
y(n) = y(n 1) + [x(n + 1) x(n 2)].
3
sistemul este recursiv.
2.6
Rezolvarea ecuatiei cu diferente finite si cu coeficienti

constanti
Reamintim ca forma generala a unui sistem recursiv, liniar si invariant n timp este data
de ecuatia cu diferente finite si cu coeficienti constanti:
y(n) =
sau
N
X
k=0
N
X
k=1
ak y(n k) +
ak y(n k) =
M
X
k=0
M
X
k=0
bk x(n k),
bk x(n k), a0 = 1,
unde N este ordinul ecuatiei sau ordinul sistemului.

In cazul sistemelor nerecursive, liniare si invariante n timp, ecuatia cu diferente finite
si cu coeficienti constanti este de forma:
y(n) =
M
X
k=0
bk x(n k).
Rezolvarea ecuatiilor cu diferente finite si cu coeficienti constanti de forma:

y(n) =
N
X
k=1
ak y(n k) +
M
X
k=0
bk x(n k),
(2.13)
se poate face n mod direct sau utilizand metoda transformatei n z. In acest capitol ne
vom ocupa doar de prima metoda. Vom scrie secventa raspuns sub forma unei sume:
y(n) = yh (n) + yp (n),
60
unde yh (n) este solutia ecuatiei omogene:

N
X
k=0
ak yh (n k) = 0,
iar yp (n) este o solutie particulara a ecuatiei neomogene:

yp (n) =
N
X
k=1
ak yp (n k) +
M
X
k=0
bk x(n k).
Procedam n felul urmator:

1. Vom alege o solutie a ecuatiei omogene de forma:
yh (n) = n ,
si avem succesiv:
N
X
ak nk = 0,
k=0
sau
nN (N + a1 N 1 + a2 N 2 + + aN 1 + aN ) = 0.
Definitia 23 .
Polinomul:
P () = N + a1 N 1 + a2 N 2 + + aN 1 + aN
se numeste polinomul caracteristic al sistemului, iar ecuatia:
N + a1 N 1 + a2 N 2 + + aN 1 + aN = 0
se numeste ecuatia caracteristica asociata sistemului liniar si invariant n timp.
2. Ecuatia caracteristica are N radacini: 1 , 2 , . . ., N care pot fi reale sau complexe,
eventual multiple.
Putem construi solutia ecuatiei omogene:
yh (n) = C1 n1 + C2 n2 + ... + CN nN ,
unde Ci sunt coeficientii de ponderare care se vor determina ulterior din conditiile initiale.
In cazul n care una dintre radacinile ecuatiei caracteristice este de multiplicitate m,
atunci solutia ecuatiei omogene devine:
yh (n) = C1 n1 + C2 nn1 + ... + Cm nm1 n1 + Cm+1 nm+1 + Cm+2 nm+2 + . . . + CN N .
2.6 Rezolvarea ecuatiei cu diferente finite
61
x(n)
yp (n)
AnM
K0 nM + K1 nM 1 + + KM
An nM
An (K0 nM + K1 nM 1 + + KM )
A cos 0 n, A sin 0 n
K1 cos 0 n + K2 sin 0 n
Tabelul 2.1: Solutii particulare pentru ecuatia cu diferente finite

3. Solutiei particulare i se impune conditia sa satisfaca ecuatia neomogena cu diferente
finite pentru un semnal dat de intrare.
Desigur ca exista tehnici matematice de determinare a solutiei particulare care se
gasesc n majoritatea tratatelor de matematica discreta. Noi ne vom multumi sa prezentam
n tabelul 2.1 solutia particulara pentru cele mai uzuale semnale de intrare din prelucrarea
numerica a semnalelor. Mentionam ca A este o constanta, iar Ki sunt coeficienti care
urmeaza sa fie determinati prin nlocuire n ecuatia (2.13).
4. Scriem:
y(n) = yh (n) + yp (n),
dupa care determinam constantele Ci din primele esantioane ale iesirii calculate
iterativ (vezi pagina 37).
Exemplul 10 .
Ne propunem s
a determin
am raspunsul y(n) al sistemului descris de ecuatia cu diferente
finite de ordinul doi:
y(n) 5y(n 1) + 4y(n 2) = x(n) + x(n 1),
cand la intrare avem secventa x(n) = 2n u(n).
62
Rezolvare:
Ecuatia caracteristica este:
2 5 + 4 = 0,
care are radacinile:
1 = 1,
= 4.
Deci solutia ecuatiei omogene este:

yh (n) = C1 n1 + C2 n2 = C1 + C2 4n .
Solutia particulara a ecuatiei neomogene este de forma:
yp (n) = K2n u(n),
unde K satisface relatia:
K2n 5K2n1 + 4K2n2 = 2n + 2n1 ,
sau
4K 10K + 4K = 4 + 2,
adica:
K = 3.
Prin urmare solutia generala este:
y(n) = yh (n) + yp (n) = (C1 + C2 4n 3 2n )u(n),
unde constantele C1 si C2 se determina din conditille initiale.
Deocamdata sa observam ca y(0) = 1, deoarece:
y(0) 5y(1) + 4y(2) = x(0) + x(1),
y(1) = y(2) = x(1) = 0 si x(0) = 1.
In plus rezulta: y(1) = 8, din
y(1) 5y(0) + 4y(1) = x(1) + x(0)
si y(1) = 0, y(0) = x(0) = 1 si x(1) = 2.
Sa scriem acum primele doua esantioane ale raspunsului sub forma unui sistem:
y(0) = 1 = C1 + C2 3;
adica C1 = 23 , C2 =
10
,
3
y(1) = 8 = C1 + C2 4 3 2,
de unde:
2 10 n
4 3 2n )u(n).
y(n) = (
3
3
2.7 R
aspunsul la impuls al sistemelor recursive
63
Observatia 9 .
Daca ne referim la un sistem LTI stabil si n anumite conditii (de exemplu excitatie
constant
a), atunci:
yp (n) = lim yzs (n),
n
adic
a solutia particular
a a ecuatiei omogene se poate obtine la limit
a din raspunsul fortat
(r
aspunsul n conditii initiale nule). Deoarece aceasta persista cnd n , solutia
particular
a se mai numeste si raspuns permanent sau stationar. Partea de raspuns fortat
(sau n conditii initiale nule) care tinde la zero cnd n contribuie la raspunsul
tranzitoriu (Sectiunea 4.7.3) al sistemului.
2.7
R
Secventa pondere sau raspunsul la impuls al unui sistem s-a definit cand la intrare aveam
un impuls unitate. In cazul sistemelor cu raspuns finit la impuls secventa pondere se
identifica usor conform relatiilor:
y(n) =
M
X
k=0
h(k)x(n k),
si
y(n) =
M
X
k=0
si este data de:

h(k) =
Exemplul 11 .
Secventa pondere:
bk x(n k),
bk , k = 0, 1, . . . , M ;
0, altfel.
1 1
h(n) = { 2, , },
5 3
corespunde ecuatiei cu diferente finite:

1
1
y(n) = 2x(n) x(n 1) + x(n 2).
5
3
(2.14)
64
Pentru sistem recursive acest tip de identificare nu se poate face usor ca si n cazul
sistemelor nerecursive, datorita buclei de reactie. Revenim la sistemul cumulativ ponderat
(2.12), unde raspunsul fortat era:
yzs (n) =
n
X
k=0
ak x(n k).
Deoarece secventa impuls unitate se aplica n conditii initiale nule, rezulta ca de fapt:
h(n) = yzs (n)|x(n)=(n) = an u(n).
In caz general, pentru un sistem liniar si invariant n timp, recursiv, cauzal, descris de o
ecuatie cu diferente finite si cu coeficienti constanti si excitat de impulsul unitate, solutia
particulara se poate se obtine utilizand tabelul 2.1. Deoarece A = 0, pentru n > 0, rezulta
yp (n) = 0. Deci secventa pondere este data chiar de solutia ecuatiei omogene:
!
N
X
Ci ni u(n),
(2.15)
h(n) =
i=1
unde Ci se determina din N conditii initiale.

Exemplul 12 .
Vom calcula secventa pondere a sistemului liniar si invariant n timp descris de ecuatia
cu diferente finite si cu coeficienti constanti:
1
5
y(n) y(n 1) + y(n 2) = x(n) x(n 1).
6
6
Rezolvare:
Ecuatia caracteristica este:
care are radacinile:
5
1
2 + = 0,
6
6
1
1 = ,
2
1
= .
3
Deci solutia ecuatiei omogene este:

1
1
yh (n) = C1 n1 + C2 n2 = C1 ( )n + C2 ( )n .
2
3
Pe de alta parte, daca x(n) = (n), atunci y(n) = h(n) si avem:
h(0) 56 h(1) + 16 h(2) = (0) (1);
h(1) 65 h(0) + 61 h(1) = (1) (0).
2.7 R
65
Rezulta h(0) = 1, h(1) = 61 .

Sa scriem acum primele doua esantioane ale raspunsului la impuls sub forma unui
sistem:
h(0) = 1 = C1 + C2 ;
h(1) = 16 = C1 12 + C2 13 ,
adica C1 = 3, C2 = 4, de unde:
1
1
h(n) = [3( )n + 4( )n ]u(n).
2
3
Relatia (2.15) ne permite sa stabilim legatura dintre radacinile ecuatiei caracteristice
si stabilitatea BIBO a sistemului IIR. Astfel avem succesiv:
X
n=0
X
N
N
X
X
X
n
|h(n)| =
|
C i i |
|Ci |
|i |n .
n=0
i=1
i=1
n=0
O conditie suficienta pentru stabilitatea sistemului este ca radacinile ecuatiei caracteristice

sa fie n modul subunitare:
X
X
n
|i | <
|h(n)| < .
|i | < 1, i = 1, N
i=0
n=0
In acest caz secventa pondere este absolut sumabila si prin urmare sistemul este stabil.
Observatia 10 .
Daca exist
a i de modul supraunitar, atunci sistemul este instabil.
Pentru demonstratie este suficient sa consideram limita la + a expresiei secventei pondere (2.15).
Raman totusi deschise urmatoarelor chestiuni:
1. Ce se ntampla n cazul radacinilor subunitare multiple?
2. Ce se ntampla n cazul radacinilor de modul unitate (simple, respectiv multiple)?
In primul caz exista termeni polinomiali n expresia secventei pondere (2.15), dar care
nu schimba calitativ comportarea sistemului. A doua situatie este mai delicata si in
sectiunea 4.8 vom arata ca si n acest caz trebuie sa fim prevazatori. Anticipand putem
concluziona astfel ca:
Teorema 4 .
Pentru ca un sistem cu raspuns infinit la impuls, cauzal, descris printr-o ecuatie intrare
- iesire cu diferente finite si cu coeficienti constanti, s
a fie stabil este necesar si suficient
ca rad
acinile ecuatiei caracteristice s
a fie subunitare n modul.
66
Exemplul 13 .
Sistemul de la Exemplul 10 este instabil, deoarece rad
acinile ecuatiei caracteristice nu sunt
subunitare n modul: 1 = 1, = 4. Sistemul de la Exemplul 12 este stabil, deoarece
rad
acinile ecuatiei caracteristice sunt subunitare n modul: 1 = 21 , = 13 .
2.8
Corelatia semnalelor discrete n timp
Operatia de corelatie este asemanatoare operatiei de convolutie:

1. In primul rand sunt necesare doua semnale pentru ambele operatii.
2. In al doilea rand exista un singur semn diferenta ntre formulele lor de definitie.
Ca si semnificatie, cele doua operatii difera mult.
Astfel corelatia masoara gradul de asemanare ntre doua semnale si de aceea este des
utilizata n aplicatii ca si radarul, comunicatii digitale, geologie etc.
In majoritatea cazurilor avem doua semnale x(n) si y(n) pe care urmeaza sa le comparam. De obicei y(n) este suma dintre varianta atenuata si deplasata a lui x(n) si un
semnal perturbator:
y(n) = ax(n N ) + w(n),
a fiind factorul de atenuare, N deplasarea n timp si w(n) zgomotul aditiv. Prin inspectie
vizuala este rar posibila decelarea proprietatilor semnalului y(n), totusi prin masurari de
corelatie se pot obtine informatii importante.
In cele ce urmeaza vom considera pentru n ceput ca x(n) si y(n) sunt doua secvente
de energie finita.
Definitia 24 .
Secventa de intercorelatie dintre x(n) si y(n) este secventa rxy (l) dat
a de formulele:
rxy (l) =
x(n)y(n l), l Z,
x(n + l)y(n), l Z.
n=
sau
rxy (l) =
n=
Se observa ca ordinea n care sunt translatate secventele coincide cu ordinea indicilor.

Analizand formulele anterioare (Definitia 24), rezulta urmatoarele proprietati evidente:
2.8 Corelatia semnalelor discrete n timp

Simetria intercorelatiei:
67
rxy (l) = ryx (l);
Relatia convolutie - corelatie:

rxy (l) = x(l) y(l).
(2.16)
Definitia 25 .
Daca x(n) si y(n) coincid, atunci intercorelatia lor se numeste simplu autocorelatie si
avem pentru aceasta urm
atoarea formul
a de calcul:
rxx (l) =
n=
sau
rxx (l) =
x(n)x(n l).
x(n + l)x(n).
n=
La fel, avem si pentru autocorelatie urmatoarele proprietati:

Simetria autocorelatiei:
rxx (l) = rxx (l);
Relatia convolutie - autocorelatie:

rxx (l) = x(l) x(l).
(2.17)
Prima proprietate justifica ca functia de autocorelatie este para. In plus avem:

rxx (0) =
x(n)x(n) = Ex ,
n=
adica n origine secventa de autocorelatie este egala cu energia secventei. Vom arata
ulterior ca acesta este chiar maximul secventei de autocorelatie.
Daca x(n) si y(n) sunt secvente cauzale de lungime N , adica:
x(n) = y(n) = 0, n < 0, n N,
atunci secventa lor de intercorelatie, respectiv de autocorelatie se poate calcula mai simplu
cu formulele:
N |k|1
X
x(n)y(n l),
rxy (l) =
n=i
68
respectiv
rxx (l) =
N |k|1
X
n=i
unde:
x(n)x(n l),
i = l, k = 0, l 0,
respectiv
i = 0, k = l, l < 0.
Prin urmare calculul corelatiei este ceva mai simplu decat al sumei de convolutie. Mai
precis calculul corelatiei rxy (l) cu formula:
rxy (l) =
n=
x(n)y(n l),
consta n urmatorii pasi:

1. Translatia: Ca sa obtinem y(n l) vom translata y(n) cu |l| unitati:
spre dreapta, daca l este pozitiv;
spre stanga, daca l este negativ;
2. Multiplicarea: Vom multiplica pe x(n) cu y(nl) pentru a obtine secventa produs:
x(n)y(n l);
3. Adunarea: Vom aduna toate produsele obtinute la punctul anterior pentru a afla
secventa de intercorelatie rxy (l).
Exemplul 14 .
S
a afl
am intercorelatia dintre secventa:
1
1
y(n) = { , 0, },
3
3
si secventa din figura 2.2:

x(n) = {1, 2, 3}.
69
x(n)
3
2.5
2
1.5
1
0.5
0
6
0
n
y(n)
0.4
0.2
0.2
0.4
6
0
n
Figura 2.13: Calculul intercorelatiei pentru l = 0 (Exemplul 14)
Rezolvare:
Vom utiliza reprezentarea grafica pentru a calcula secventa de intercorelatie ceruta si vom
urma pas cu pas procedura aminitita anterior.
Pentru n = 0, avem (fig. 2.13):
rxy (0) =
2
x(n)y(n) = x(n)y(n)|n=1 + x(n)y(n)|n=1 = .
3
n=

rxy (1) =
2
x(n)y(n + 1) = x(n)y(n + 1)|n=0 = .
3
n=

rxy (2) =
x(n)y(n + 2) = x(n)y(n + 2)|n=1 = 1.
n=
Concluzionam ca secventa raspuns este urmatoarea:

2
2
1
2
y(n) = {1, , , , }.
3
3
3
3
70

x(n)
3
2.5
2
1.5
1
0.5
0
6
0
n
y(n+1)
0.4
0.2
0.2
0.4
6
0
n

x(n)
3
2.5
2
1.5
1
0.5
0
6
0
n
y(n+2)
0.4
0.2
0.2
0.4
6
0
n

Pentru a studia o alta proprietate importanta a corelatiei, vom calcula energia secventei
ax(n) + by(n l), unde a, b R si x(n), y(n) sunt secvente de energie finita:
X
X
X
2
2
2
2
[ax(n) + by(n l)] = a
x (n) + b
y 2 (n l)+
n=
+2ab
n=
n=
n=
x(n)y(n l) = a2 rxx (0) + b2 ryy (0) + 2abrxy (l).
71
Dar energia unei secvente reale este ntotdeauna o marime pozitiva, si deci:
a2 rxx (0) + b2 ryy (0) + 2abrxy (l) 0, a, b R.
Pentru ca o astfel de forma patratica sa fie pozitiv definita este necesar si suficient ca
discriminantul ecuatiei de gradul doi asociata formei patratice sa fie strict negativ:
2
rxy
(l) rxx (0)ryy (0) 0,
deci:
|rxy (l)|
rxx (0)ryy (0) =
Ex Ey ,
adica secventa de intercorelatie este marginita de media geometrica a energiilor secventelor.

Daca x(n) = y(n), atunci avem:
|rxx (l)| rxx (0) = Ex ,
adica maximul secventei de autocorelatie (maximul asemanarii dintre semnal si varianta
sa deplasata) se obtine pentru l = 0, atunci cand de fapt semnalul nu este deloc deplasat.
Forma anvelopei secventelor si respectiv a corelatiei dintre ele se schimba daca unul
dintre semnale este multiplicat, de aceea n practica este mai convenabil sa normalizam
corelatiile. Introducem doua noi marimi care ne ajuta sa caracterizam mai bine corelatia
dintre doua secvente:
Definitia 26 .
Se defineste gradul de intercorelatie prin formula:
xy (l) = p
rxy (l)
.
rxx (0)ryy (0)
Se defineste gradul de autocorelatie prin relatia:

xx (l) =
rxx (l)
.
rxx (0)
In mod evident avem:

|xx | 1, |xy | 1.
Definitiile anterioare ale corelatiei impuneau ca secventele sa fie de tip energie finita.
Secventele periodice sunt de putere finita si energia lor este de fapt infinita.
In cazul secventelor de putere finita, secventele de intercorelatie, respectiv de autocorelatie
se definesc prin:
M
X
1
rxy (l) = lim
x(n)y(n l),
M 2M + 1
n=M
72
si respectiv:
M
X
1
x(n)x(n l).
M 2M + 1
n=M
rxx (l) = lim
Daca secventele sunt periodice cu perioada N , atunci formulele anterioare tind n

medie, pe un interval infinit, spre media lor pe o perioada:
N
1 X
rxy (l) =
x(n)y(n l),
N n=0
si respectiv:
N
1 X
x(n)x(n l),
rxx (l) =
N n=0
adica corelatia a doua secvente periodice este de asemenea periodica, avand aceeasi perioada ca si secventele (secventa) din care provine. Factorul 1/N care apare este un factor
de normalizare a scalei.
Exemplul 15 .
Ca si o aplicatie pentru formulele anterioare, ne propunem s
a studiem identificarea unei
eventuale periodicitati ntr-un semnal nnecat n zgomot:
y(n) = x(n) + w(n),
unde x(n) este o secvent
a presupusa periodic
a, de perioad
a N si w(n) este un zgomot
aleator aditiv.
Pentru aceasta vom observa M esantioane ale lui y(n), unde M N . Prin urmare
y(n) = 0, pentru n < 0 si n > M . Calculam autocorelatia lui y(n):
ryy (l) =
M 1
M 1
1 X
1 X
y(n)y(n l) =
[x(n) + w(n)][x(n l) + w(n l)] =
M n=0
M n=0
(2.18)
= rxx (l) + rxw (l) + rwx (l) + rww (l).
Sa analizam cei patru termeni care intervin n suma alaturata. Astfel:

rxx (l) este autocorelatia unei secvente periodice, deci este de asemenea o secventa
periodica, de aceeasi perioada ca si x(n); prin urmare rxx (l) va avea maxime la 0,
N , 2N , . . .
Cand indicele l se apropie de M , maximele se reduc n amplitudine datorita faptului
ca avem memorate doar un numar finit M de esantioane, si deci multe produse
x(n)x(n l) devin zero. In consecinta vom evita sa calculam ryy (l) pentru l > M/2;
73
rxw (l), rwx (l) sunt intercorelatiile dintre un semnal x(n) si zgomotul aditiv w(n). Se
asteapta ca aceste corelatii sa fie de valoare mica pornind de la premisa ca x(n) si
w(n) sunt total necorelate;
rww (l) este autocorelatia zgomotului aditiv, care ca si n cazul autocorelatiei oricarui
semnal aleator ne asteptam sa contina un varf la l = 0 si sa descreasca rapid cu
cresterea indicelui l.
Rezulta ca pentru l 1 n autocorelatia lui y(n) se regaseste aproape identic autocorelatia
lui x(n) care ar trebui sa fie periodica, de perioada egala cu perioada lui x(n).
Acest rezultat ne permite sa detectam prezenta unui semnal periodic x(t) ntr-un alt
semnal y(t), perturbat de un zgomot aditiv w(t) si sa-i estimam perioada sa. In multe
situatii practice informatia aceasta este suficienta.
2.8.1
Intercorelatia dintre intrarea si iesirea unui sistem
In paragrafele anterioare am constatat ca operatia de corelatie masoara gradul de asemanare

(de corelare) ntre doua semnale.
Este de asteptat deci, ca pentru un sistem dat, ntre semnalul de intrare si semnalul
de iesire sa existe o astfel de relatie si ne propunem sa vedem cum se manifesta aceasta
la nivelul functiei de intercorelatie.
In general un sistem impune constrangeri asupra semnalului de iesire, care nu poate
fi arbitrar, necorelat, independent nici fata de semnalul de la intrare si nici fata de caracteristicile sistemului.
Reamintim ca ntre secventa de intrare, secventa pondere si secventa de la iesire avem
relatia:
y(n) = h(n) x(n).
Rezulta:
ryx (l) = y(l) x(l) = h(l) [x(l) x(l)] = h(l) rxx (l),
deci:
In mod analog avem:
ryx (l) = h(l) rxx (l).

rxy (l) = rxx (l) h(l),
ryy (l) = rhh (l) rxx .
Intr-adevar, avem urmatoarele egalitati:
rxy (l) = x(l) y(l) = x(l) [x(l) h(l)] = rxx h(l)(l);
74
ryy (l) = y(l)y(l) = h(l)x(l)[h(l)x(l)] = h(l)h(l)x(l)x(l) = rhh (l)rxx (l).

Sa mai notam ca:
Observatia 11 .
P
Autocorelatia rhh (l) exist
a dac
a sistemul este stabil, deoarece dac
a seria
|h(n)| este
P
acest caz sistemul
convergent
a, atunci si seria |h(n)|2 este la randul s
au convergent
a. In
nu schimb
a tipul secventei de intrare, adic
a:
Daca secventa de intrare este de putere finita, atunci si secventa de iesire este de
putere finita;
Daca secventa de intrare este de energie finita, atunci si secventa de iesire este de
energie finita.
Capitolul 3
Analiza secventelor si sistemelor
discrete n domeniul frecvent
a
Transformata Fourier este una dintre cele cateva metode matematice care sunt extrem de
utile n analiza si proiectarea sistemelor liniare si invariante n timp [5]. O alta tehnica
similara este seria Fourier. Aceste modalitati de reprezentare ale semnalelor sunt de fapt
descompuneri ale semnalelor n suma de sinusoide sau exponentiale complexe [9] si cu
o astfel de descompunere se spune despre un semnal ca este reprezentat n domeniul
frecventa [10].
Asa cum se stie [15], majoritatea semnalelor se pot descompune n suma de componente
sinusoidale. In cazul semnalelor periodice o astfel de descompunere se numeste seria
Fourier, iar daca consideram clasa semnalelor de energie finita descompunerea se numeste
transformata Fourier [11].
Este important de remarcat ca astfel de reprezentari sunt foarte utile pentru studiul
sistemelor liniare si invariante n timp, deoarece raspunsul acestor sisteme la un semnal de
intrare sinusoidal este o sinusoida de aceeasi frecventa, dar de amplitudine si faza diferita.
Mai mult chiar, proprietatea de liniaritate a sistemelor liniare si invariante n timp
[12] implica faptul ca o suma de componente sinusoidale aplicata la intrarea sistemului
produce la iesirea sistemului o alta suma de componente avand aceleasi frecvente si care
altereaza doar amplitudinile si fazele componentelor [13]. Din acest punct de vedere
descompunerea semnalelor n domeniul frecventa devine foarte importanta si desi multe
alte descompuneri sunt posibile, acest tip este cel mai des utilizat [18].
In acest capitol vom reaminti pentru nceput foarte pe scurt analiza semnalelor analogice cu ajutorul transformatelor si seriilor Fourier. Subiectul a fost amplu prezentat
la cursurile de Semnale, Circuite si Sisteme [5, 9, 10, 14]. Apoi vom aborda semnalele
75
76
Analiza n domeniul frecvent

a
discrete n timp, atat pe cele periodice cat si pe cele aperiodice. Proprietatile seriei si
transformatei Fourier vor fi descrise si exemplificate pe larg. Un caz special l constituie caracterizarea sistemelor liniare si invariante n timp prin raspunsul lor n frecventa.
Aceasta chestiune va fi tratata n finalul capitolului.
3.1
Analiza semnalelor analogice n domeniul

frecvent
a
3.1.1
Semnale periodice
Metoda de baza pentru reprezentarea semnalelor periodice x(t) este seria Fourier, care
este de fapt o suma ponderata de sinusoide sau exponentiale complexe avand aceeasi
perioada fundamentala T = 1/F0 :
x(t) =
Ck ej2kF0 t .
(3.1)
k=
In acest mod putem considera ca semnalele exponentiale complexe

{ej2kF0 t , k = 0, 1, 2, }
sunt blocurile de baza din care putem construi semnale periodice de forma si variatie
diferita daca alegem corespunzator perioada fundamentala a lui x(t) si coeficientii Ck .
Propozitia 1 .
Pentru un semnal periodic de perioad
a T coeficientii Ck se determin
a cu ajutorul formulei:
Z
1
x(t)ej2kF0 t dt.
Ck =
T T
Demonstratie:
Multiplicam ambii termeni ai ecuatiei (3.1) cu semnalul exponential complex
ej2F0 lt ,
unde l este un numar ntreg si vom integra ambii termeni ai egalitatii obtinute pe o singura
perioada, de exemplu de la 0 la T sau mai general, de la t0 la t0 + T , unde t0 este o valoare
de nceput pentru integrare mai convenabila din punct de vedere matematic. Rezulta:
!
Z t0 +T X
Z t0 +T
(3.2)
Ck ej2kF0 t ej2lF0 t dt.
x(t)ej2lF0 t dt =
t0
t0
k=
3.1 Analiza semnalelor analogice n domeniul frecvent

a
77
Pentru a evalua membrul drept al ecuatiei anterioare, vom schimba ordinea de nsumare
si integrare, combinand cele doua exponentiale. Prin urmare vom avea:
j2F0 (kl)t t0 +T
Z t0 +T
X
X
e
j2F0 (kl)t
.
Ck
e
dt =
ck
j2F0 (k l) t0
t0
k=
k=
Pentru k 6= l, termenii din membrul drept ai ecuatiei precedente sunt zero. Pe de alta
parte, daca k = l, atunci
Z t0 +T
dt = T,
t0
si n consecinta membrul drept al relatiei (3.2) se reduce la Cl T , adica ceea ce trebuia

dovedit.
O problema importanta care apare n dezvoltarea n serie Fourier este daca seria
respectiva converge sau nu catre semnalul x(t) pentru orice valoare t, adica daca semnalul
x(t) si dezvoltarea sa n serie Fourier
Ck ej2kF0 t
k=
sunt egale pentru orice valoare t.

Exista mai multe situatii care garanteaza convergenta, dintre care cea mai des utilizata
n teoria semnalelor este cea cunoscuta sub numele de conditiile lui Dirichlet. Mai precis,
x(t) va fi egal cu dezvoltarea sa data de (3.1) n orice punct de continuitate daca:
Semnalul x(t) are un numar finit de puncte de discontinuitate n orice interval de
lungime finita;
Semnalul x(t) are un numar finit de maxime si de minime n orice perioada;
Semnalul x(t) este absolut integrabil pe orice interval cu lungime o perioada, adica:
Z
|x(t)|dt < .
T
O conditie cu o semnificatie fizica mai clara este ca semnalul sa fie de energie finita pe o
perioada, adica
Z
|x(t)|2 dt < .
T
Aceasta garanteaza ca energia semnalului diferenta :

x(t)
k=
Ck ej2kF0 t
78

a
ANALIZA SEMNALULUI
1
Ck =
T
x(t)e
j2kF0 t
SINTEZA SEMNALULUI
x(t) =
dt.
Ck ej2kF0 t .
k=
Tabelul 3.1: Analiza si sinteza semnalelor periodice cu ajutorul seriilor Fourier

este zero, desi x(t) si seria sa Fourier pot fi diferite pentru unele valori t. Este usor de
aratat ca un semnal absolut sumabil este de energie finita, dar reciproca nu este adevarata.
De asemenea conditiile lui Dirichlet sunt conditii suficiente, dar nu si necesare, adica
putem afla semnale avand serie Fourier convergenta, dar functia nu respecta conditiile lui
Dirichlet.
In concluzie, daca x(t) este un semnal periodic si care satisface conditiile lui Dirichlet (de fapt acesta este cazul n majoritatea problemelor practice), atunci avem relatiile
importante din tabelul 3.1.
Sa mai amintim urmatoarele proprietati importante ale acestor serii:
1. In general coeficientii Fourier sunt complecsi, dar daca semnalul de analizat are
numai valori reale, coeficientii sunt complex conjugati: Ck = Ck . In acest caz
avem anumite proprietati de simetrie:
Spectrul de amplitudini este par:
|Ck | = |Ck |;
Spectrul de faze este impar:
Ck = Ck .
2. Un semnal periodic nenul are energie infinita si putere finita data de formula:
Z
1
|x(t)|2 dt.
P =
T T
3. Intre coeficientii Fourier si puterea semnalului periodic exista relatia lui Parseval:
P =
k=
|Ck |2 .
(3.3)
Din acest motiv secventa {|Ck |2 }kZ se numeste spectrul de putere al semnalului periodic.

a
3.1.2
79
Semnale aperiodice
Seria Fourier pentru semnale periodice ne furnizeaza o combinatie liniara de sinusoide

avand aceeasi perioada fundamentala si n consecinta aceste semnale au spectrul format
din linii spectrale linii echidistante1 . Distanta dintre linii este data de frecventa fundamentala, inversa perioadei fundamentale. Daca perioada fundamentala creste, atunci pare
evident ca si distanta dintre liniile spectrale scade si astfel spectrul devine continuu pentru semnalele aperiodice. Se introduce astfel pentru semnalele aperiodice transformata
Fourier [9, 10]:
Definitia 27 .
Pentru un semnal aperiodic relatia
X(F ) =
x(t)ej2F t dt,
(3.4)
ne da transformata Fourier direct

a X(F ) (numit
a si functia de densitate spectrala), iar
Z
X(F )ej2F t dF
(3.5)
x(t) =
este formula pentru transformata Fourier invers

a.
Exista un set de conditii Dirichlet pentru transformata Fourier a semnalelor aperiodice,
si anume:
Semnalul x(t) are un numar finit de discontinuitati;
Semnalul x(t) are un numar finit de maxime si de minime;
Semnalul x(t) este absolut integrabil, adica:
Z
|x(t)|dt < .
O conditie mai slaba pentru existenta transformatei Fourier este ca x(t) sa fie de energie
finita, adica pentru energia semnalului sa avem relatia:
Z
E=
|x(t)|2 dt < .
Reamintim ca un semnal absolut integrabil este de energie finita, nsa reciproca nu este
ntotdeauna adevarata. De asemenea merita amintite urmatoarele proprietati importante
ale transformatei Fourier:
1
Desigur ca este posibil ca unele componente sa fie nule.
80

a
ANALIZA SEMNALULUI
X(F ) =
x(t)e
j2F t
SINTEZA SEMNALULUI
dt.
x(t) =
X(F )ej2F t dF.
Tabelul 3.2: Analiza si sinteza semnalelor aperiodice cu ajutorul transformatei Fourier

1. In general transformata Fourier are valori complexe, dar daca semnalul de analizat
are numai valori reale, transformata are anumite proprietati de simetrie:
Spectrul de amplitudini este o functie para:
|X(F )| = |X(F )|;
Spectrul de faze este o functie impara:
X(F ) = X(F ).
2. Intre transformata Fourier si energia semnalului aperiodic exista relatia lui Parseval:
Z
Z
2
E=
|x(t)| dt =
|X(F )|2 ,
(3.6)
unde marimea din membrul drept Sxx (F ) = |X(F )|2 se numeste densitate spectrala
de energie.
Exemplul 16 .
Vom calcula n cele ce urmeaza spectrul si densitatea spectrala de energie a impulsului
rectangular:
(
A, |t| 2 ;
x(t) =
0, |t| > 2 .
Rezolvare:
Acest semnal este aperiodic si satisface conditiile lui Dirichlet. Prin urmare functia sa de
densitate spectrala este:
X(F ) =
x(t)e
j2F t
dt =
Aej2F t dt = A
sin F
F

a
81
1.5
x(t)
0.5
0
100
80
60
40
20
0
t
20
40
60
80
100
100
|X(F)|
80
60
40
20
0
0.04
0.03
0.02
0.01
0
F
0.01
0.02
0.03
0.04
0.03
0.02
0.01
0
F
0.01
0.02
0.03
0.04
0.03
0.02
0.01
0
F
0.01
0.02
0.03
0.04
(X(F))
2
0.04
10000
xx
S (F)=|X(F)|2
8000
6000
4000
2000
0
0.04
Figura 3.1: Impulsul rectangular de la Exemplul 16, modulul si faza functiei sale de
densitate spectrala mpreuna cu densitatea spectrala de energie
si densitatea spectrala de energie rezulta:

Sxx (F ) = |X(F )|2 = A2 2
sin2 F
.
2F 2 2
In figura 3.1 este reprezentat grafic impulsul rectangular ( = 100). Se observa ca

modulul si faza functiei sale de densitate spectrala sunt pare, respectiv impare cu frecventa
82

a
F . De asemenea n figura 3.1 s-a aratat si graficul densitatii spectrale de energie.
3.2
Analiza secventelor periodice n domeniul

frecvent
a
Asa cum am stabilit anterior, semnalele periodice care sunt analogice si de putere finita
sunt caracterizate din punct de vedere spectral prin seria lor Fourier. De asemenea pentru
semnalele continue n domeniul timp si de energie finita, adica pentru clasa semnalelor
aperiodice se poate utiliza transformata Fourier. Spre deosebire de semnalele analogice,
spectrul semnalelor discrete n timp are cateva caracteristici distincte stabilite deja de
noi, derivate direct din proprietatile esantionarii:
Spectrul este periodic cu perioada unitate;
Pentru semnale discrete n timp axa frecventelor se poate reduce la intervalul |f |
1/2.
Daca ne referim doar la secventele periodice si cu perioada N , atunci acestea mai
prezinta si cateva particularitati:
Secventele periodice au componente n spectru doar la frecvente separate prin f =
1/N ;
Seria Fourier pentru secvente periodice contine cel mult N componente distincte de
frecventa.
In urmatoarele sectiuni vom discuta mai pe larg spectrul semnalelor discrete n timp,
atat pe cele periodice, cat si pe cele aperiodice.
3.2.1
Seria Fourier a secventelor periodice
Reamintim ca secventa {x(n)}nZ este periodica de perioada N , N N daca x(n + N ) =

x(n), n Z. De asemenea am stabilit ca avem N exponentiale n relatie armonica
(pagina 12):
sk (n) = e
j2kn
N ,
k = 0, 1, 2, . . . , N 1.
Acestea ne conduc sa cautam seria Fourier pentru o secventa periodica de perioada N

sub forma unei relatii asemanatoare cu cea de la semnale periodice:
x(n) =
N
1
X
k=0
ck e
j2kn
N ,
n = 0, 1, 2, . . . , N 1,
(3.7)
3.2 Analiza secventelor periodice n domeniul frecvent

a
83
unde ck ar putea sa fie coeficientii seriei Fourier. Pentru aceasta ar trebui sa avem o
modalitate de calcul a acestora si vom arata ca:
N 1
j2kn
1 X
x(n)e N ,
ck =
N n=0
k = 0, 1, 2, . . . , N 1.
(3.8)
Demonstratie:
Multiplicam ambii termeni ai ecuatiei (3.7) cu secventa exponentiala complexa:
e
j2ln
N
unde l este un numar ntreg si vom nsuma ambii termeni ai egalitatii obtinute de la 0 la
N 1. Rezulta:
N
1
N
1 N
1
X
X
X
2(kl)n
j 2ln
x(n)e N =
(3.9)
ck ej N .
n=0
n=0 k=0
Pentru a evalua membrul drept al ecuatiei anterioare, vom schimba ordinea de nsumare,
combinand cele doua exponentiale. Prin urmare vom avea:
N
1 N
1
X
X
ck ej
2(kl)n
N
n=0 k=0
N
1
X
ck
N
1
X
ej
2(kl)n
N
n=0
k=0
Pentru k 6= l, termenii din membrul drept ai ecuatiei precedente sunt zero, deoarece:
N
1
X
2(kl)n
N
1 ej
n=0
2(kl)n
N
N
1 ej
2(kl)n
N
= 0.
Pe de alta parte, daca k = l, atunci:

N
1
X
ej
2(kl)n
N
n=0
= 1| + 1 +{z. . . + 1} = N,
N
si n consecinta relatia (3.9) se reduce la:

N ck =
N
1
X
n=0
x(n)e
j2kn
N ,
84

a
ANALIZA SECVENT
EI
SINTEZA SECVENT
EI
N 1
j2kn
1 X
ck =
x(n)e N ,
N n=0
k = 0, 1, 2, . . . , N 1.
x(n) =
N
1
X
ck e
j2kn
N
k=0
n = 0, 1, 2, . . . , N 1.
Tabelul 3.3: Analiza si sinteza secventelor periodice cu ajutorul seriei Fourier
3.2.2
Spectrul secventelor periodice
Seria Fourier discreta n timp pentru secvente periodice este prezentata n tabelul 3.3.
Aceasta descrie x(n) n domeniul frecventa, ck furnizand amplitudinea si faza asociata
armonicei a k-a, adica componentei de frecventa fk = k/N :
sk (n) = ej
2kn
N
= ejk n ,
unde k = 2k
.
N
Reamintim ca secventele sk (n) sunt periodice cu perioada N (pagina 12). Prin urmare:
Propozitia 2 .
Secventa ck este periodic
a cu aceeasi perioad
a N.
Intr-adevar este usor de aratat ca:
ck = ck+N ,
deoarece ck este o suma finita de functii periodice de aceeasi perioada N . Astfel rezulta
ca spectrul unui secvente periodice cu perioada N este o secventa periodica cu perioada
N si deci:
Observatia 12 .
Orice N esantioane consecutive ale semnalului sau ale spectrului furnizeaza descrierea
complet
a a semnalului discret atat n domeniul timp, cat si n domeniul frecventa.
Exemplul 17 .
Vom discuta spectrele urm
atoarelor secvente:
1. x1 (n) = cos 3n;

2. x2 (n) = 2 cos
n
;
4

a
85
SPECTRUL SECVENTEI PERIODICE x2(n)

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
2
4
k
10
Figura 3.2: Spectrul secventei x2 (n)
3. x(n) = { 1, 1, 1, 0, 0, 0}.
Rezolvare:
/ Q. Deci secventa data

1. Deoarece x1 (n) = cos 3n = cos 2f0 n, rezulta f0 = 23
nu este periodica si prin urmare spectrul sau nu se calculeaza cu ajutorul seriei
Fourier.
2n
2n
27n
2n
2. Din x2 (n) = 2 cos n
= ej 8 + ej 8 = ej 8 + ej 8 , obtinem N = 8, si astfel
4
avem: c1 = c7 = 1, c0 = c2 = c3 = c4 = c5 = c6 = 0. Rezulta spectrul lui x2 (n) din
figura 3.2. Se observa ca spectrul este periodic cu perioada N = 8.
3. Perioada secventei
x(n) = { 1, 1, 1, 0, 0, 0}
este N = 6 si aplicand formula (3.8) avem pentru k = 0, 1, 2, 3, 4, 5:

5
j2kn
1 X j2kn
1X
jX
1X
6
=
,
x(n)e 6 =
e
cos jkn
sin jkn
ck =
3
3
6 n=0
6 n=0
6 n=0
6 n=0
86

a
rezultand urmatoarele valori:
2
c0 =
1
1X
1= ;
6 n=0
2
2
2
1 + cos 3 + cos 2
sin 3 + sin 2
3
1X
jX
1
jn
jn
3
3
c1 =
j
= j
;
cos 3
sin 3 =
6 n=0
6 n=0
6
6
6
6
2
sin 2
+ cos 4
+ sin 4
1 + cos 2
1X
jX
j2n
3
3
3
3
cos j2n
sin
j
= 0;
c2 =
=
3
3
6 n=0
6 n=0
6
6
1X
sin + sin 2
1
jX
1 + cos + cos 2
c3 =
j
= ;
cos jn
sin jn =
6 n=0
6 n=0
6
6
6
2
1 + cos 4
sin 2
+ cos 8
+ sin 8
jX
1X
j4n
j4n
3
3
3
3
j
= 0;
cos 3
sin 3 =
c4 =
6 n=0
6 n=0
6
6
2
2
+ cos 10
+ sin 10
)
1 + cos 5
(sin 5
1X
3
jX
1
j5n
j5n
3
3
3
3
c5 =
cos 3
sin 3 =
j
= +j
.
6 n=0
6 n=0
6
6
6
6
Obtinem secventa spectru:
1
1
3
3
1 1
j
, 0, , 0, + j
},
ck = { ,
6
6
6
6
2 6
cu reprezentarea sa grafica pentru doua perioade n figura 3.3. Precizam ca aici faza
este reprezentata n radiani.
Observatia 13 .
Daca x(n) R, atunci ck = ck si n acest caz avem anumite propriet
ati de simetrie:
Spectrul de amplitudini este par:
|ck | = |ck |;
Spectrul de faze este impar:
ck = ck .
Prin urmare descrierea completa a secventei necesita 50% din informatie (de exemplu n
frecventa). Mai precis, daca tinem cont si de periodicitatea cu N a spectrului, atunci
avem urmatoarele relatii:

a
87
SPECTRUL DE AMPLITUDINI AL SECVENTEI x (n)

3
0.5
|c |
0.4
0.3
0.2
0.1
0
6
0
k
SPECTRUL DE FAZE AL SECVENTEI x (n)

3
(c )
/2
/2
6
0
k
Figura 3.3: Spectrul secventei x3 (n)
Spectrul de amplitudini:
|cN k | = |ck |;
Spectrul de faze:
cN k = ck .
De aici rezulta ca daca x(n) R, atunci x(n) admite o dezvoltare de forma:
L
X
2kn
2kn
2kn
+ k ) = a0 +
bk sin
),
(ak cos
x(n) = c0 + 2
|ck | cos(
N
N
N
k=1
k=1
L
X
unde2 :
a0 = c 0 ;
2
ak = 2|ck | cos k ;
bk = 2|ck | sin k ;
Expresia [x] este partea ntreaga a lui x R.
N
L=
2
88

a
3.2.3
Spectrul de putere al secventelor periodice
Ne propunem n cele ce urmeaza sa stabilim legatura dintre puterea secventei si coeficientii

sai Fourier. Scopul nostru este sa obtinem o relatie de tip Parseval asa cum sunt relatiile
(3.3) si (3.6). Reamintim ca:
N 1
1 X
|x(n)|2 .
(3.10)
P =
N n=0
Astfel avem teorema lui Parseval pentru secvente periodice:

Teorema 5 .
Puterea secventei este suma puterilor componentelor:
N 1
N
1
X
1 X
2
P =
|x(n)| =
|ck |2 .
N n=0
k=0
(3.11)
Demonstratie:
Cu ajutorul (3.7), membrul drept al precedentei egalitati (3.10) se mai poate scrie:
N 1
N 1
N
1
X
j2kn
1 X
1 X
x(n)x (n) =
x(n)
ck e N .
N n=0
N n=0
k=0
Schimbam ordinea de nsumare si utilizand relatia (3.8) avem:

N 1
N 1
N 1
N
1
X
j2kn
j2kn
1 X
1 X X
N
=
ck
x(n)e N .
x(n)
ck e
N n=0
N k=0 n=0
k=0
A doua suma din membrul drept este conform (3.8) egala cu N ck si n final obtinem exact
relatia (3.11), adica ceea ce trebuia dovedit.
Definitia 28 .
Secventa |ck |2 , k = 0, 1, 2, . . . , N 1 este densitatea spectrala de putere a secventei x(n).
Exemplul 18 .
Densitatea spectrala de putere pentru secventele periodice de la Exemplul 17 este:
2. |ck |2 = { 1, 0, 0, 0, 0, 0, 0, 1}, respectiv
3. |ck |2 = {
1
1
1 1
, 0, },
, , 0,
36
9
4 9
3.3 Analiza secventelor aperiodice n domeniul frecvent

a
89
Daca suntem interesati n energia unei secvente de-a lungul unei singure perioade,
atunci:
N
1
N
1
X
X
2
EN
|x(n)| = N
|ck |2 .
n=0
k=0
Observatia 14 .
Densitatea spectrala de putere nu contine nici o informatie despre faza.
Ca si n cazul semnalelor continue n timp [10], densitatea spectrala de putere |ck |2
nu contine nici o informatie despre faza, noi avand la dispozitie doar modulul spectrului.
Reamintim ca spre deosebire de semnalele analogice, spectrul este discret si periodic cu
perioada fundamentala egala cu a semnalului nsusi.
3.3
Analiza secventelor aperiodice n domeniul

frecvent
a
3.3.1
Transformata Fourier a secventelor aperiodice
Pentru semnalele analogice de energie finita, analiza cu transformata Fourier se reducea

n final la perechea de formule (pagina 79):
X(F ) =
x(t) =
x(t)ej2F t dt;
X(F )ej2F t dF .
Secventele aperiodice necesita la randul lor o astfel transformata, deoarece spectrul lor nu
mai este discret. Intuitiv secventele aperiodice pot fi vazute ca si niste secvente periodice
cu perioada N si astfel distanta care separa liniile spectrale f = 1/N tinde catre
zero. Rescriem ecuatia (3.7) de calcul a coeficientilor Fourier pentru secvente periodice
sub forma:
N
1
X
j2kn
N ck =
x(n)e N .
n=0
Reamintim ca
2k
N
este de fapt frecventa k corespunzatoare armonicei numarul k.
Definitia 29 .
Transformata Fourier direct
a (functia de densitate spectrala) a unei secvente de energie
90

a
finita se defineste prin3 :

X() =
x(n)ejn .
(3.12)
n=
Exemplul 19 .
Transformata Fourier a secventei impuls unitate este:
X() =
n=
(n)ejn = (n)ejn |n=0 = 1.
Din punct de vedere fizic X() nu este altceva decat continutul n frecventa al semnalului discret n timp x(n), deci X() reprezinta o descompunere a lui x(n) n componente
de frecventa.
Se remarca deja cateva deosebiri dintre transformata Fourier a semnalelor aperiodice
si cea a secventelor aperiodice. Astfel domeniul de definitie pentru completa descriere a
transformatei este (, ) n primul caz si [, ] n al doilea caz. In plus constatam
urmatoarele:
Propozitia 3 . Transformata Fourier este o functie periodic
a de cu perioada 2:
X() = X( + 2).
Demonstratie:
Intr-adevar:
X( + 2) =
x(n)e
n=
j(+2)n
x(n)ejn ej2n =
n=
x(n)ejn = X(),
n=

Acum putem sa stabilim si formula pentru transformata inversa:
Deoarece transformata Fourier a secventelor aperiodice are o serie Fourier n domeniul frecventa, putem aplica formalismul de la seria Fourier (pagina 76) pentru calculul
ponderilor exponentialelor din membrul drept, exact ca si la ecuatia (3.1). In cazul nostru ponderilor exponentialelor sunt chiar termenii x(n). Dupa schimbarea de variabila
= si luand n considerare ca perioada lui X() este 2 obtinem ca:
Aceasta relatie se poate deduce din (3.4) utilizand expresia semnalului discret n timp
ca si o serie de impulsuri Dirac [9].
3

a
ANALIZA SECVENT
EI
X() =
x(n)e
jn
SINTEZA SECVENT
EI
1
x(n) =
2
n=
X(f ) =
91
x(n)ej2f f n .
x(n) =
n=
X()ejn d.
1
2
X(f )ej2n df .
21
Tabelul 3.4: Analiza si sinteza semnalelor aperiodice cu ajutorul transformatei Fourier

Definitia 30 .
Transformata Fourier invers
a a secventelor aperiodice este:
Z
1
X()ejn d.
x(n) =
2
(3.13)
Observatia 15 .
Tranformata Fourier si inversa sa mai poate fi simbolizata si sub una din formele:
X() = F{x(n)};
sau
3.3.2
x(n) = F 1 {X()};
F
x(n) X().
Convergenta transformatei Fourier
In rationamentul anterior cand integram n formula (3.13), noi am presupus ca seria:

XN () =
N
X
x(n)ejn
n=N
converge uniform catre X(), unde prin convergenta uniforma ntelegem ca pentru orice
, avem:
lim |X() XN ()| = 0.
N
Convergenta uniforma este garantata daca x(n) este absolut sumabila, adica:
n=
|x(n)| < .
92

a
In acest caz:
|X()| = |
n=
x(n)ejn |
n=
|x(n)| < .
Astfel absoluta sumabilitate este o conditie suficienta pentru existenta transformatei

Fourier pentru semnale aperiodice.
Exista secvente care nu sunt absolut sumabile, dar care sunt de energie finita:
n=
|x(n)|2 < ,
si am dori sa definim si pentru aceste secvente transformata Fourier. Aceasta se poate face
daca slabim putin conditiile de convergenta si utilizam convergenta n medie patratica:
Z
lim
|X() XN ()|2 d = 0.
N
Se asigura n aceasta situatie ca energia semnalului eroare:

|X() XN ()|
tinde catre zero, desi semnalul eroare poate fi nenul. Cu aceasta rezerva putem introduce
transformata Fourier si pentru secvente de energie finita.
Exemplul 20 .
Consideram urm
atoarea functie n :
X() =
1, || 2 ;
0,
< || .
pentru care calculam transformata Fourier invers

a cu formula (3.13):
1
x(n) =
2
X()e
jn
1
d =
2
/2
ejn d.
/2
Distingem dou
a cazuri:
Daca n = 0, atunci x(n) = 12 .
Daca n 6= 0, atunci:
1
x(n) =
2
/2
ejn d =
/2
1 2j sin 2 n
1 ejn /2
|/2 =
.
2 jn
2
jn

a
93
Prin urmare X() este pereche Fourier cu secventa:
, n = 0;
2
x2 (n) =
sin 2 n
n , n 6= 0.
3.3.3
Spectrul secventelor aperiodice
Odata ce am precizat secventa x(n), putem considera transformata sa Fourier4 si ca o

functie definita pe o submultime din multimea numerelor reale si cu valori n multimea
numerelor complexe:
X : [, ] R C.
Deoarece X() C, atunci putem scrie X() astfel:
X() = |X()|ejX() .
Definitia 31 .
|X()| se numeste modulul densit
atii spectrale sau densitate spectrala de amplitudine.
X() se numeste faza densit
atii spectrale sau spectrul de faze.
In practica este suficient sa desenam spectrul doar pentru un interval de lungime 2. In
unele cazuri acest interval poate fi redus.
Observatia 16 .
Daca x(n) R, atunci X() = X () si n acest caz avem propriet
atile de simetrie:
Densitatea spectrala de amplitudini este functie par
a de :
|X| = |X()|;
Spectrul de faze este functie impar
a de :
X() = X().
Astfel domeniul de frecventa pentru semnale discrete n timp poate fi limitat la [0, ]
sau f 12 . Prin urmare descrierea completa a secventei n frecventa solicita 50% din
informatia necesara n caz general.
Din punct de vedere matematic transformata Fourier este de fapt un operator definit
peste o anumita multime de semnale sau secvente.
4
94

a
Exemplul 21 .
Vom afla acum spectrul secventelor aperiodice:
1. x1 (n) = 0, 5n u(n);
2. x2 (n) = {. . . , 0, 0, 0, 1, 1, 1, 0, 0, 0, . . .}
Rezolvare:
1. Secventa x1 (n) = 0, 5n u(n) este absolut sumabila:
n=
|0, 5n | =
1
= 2 < .
1 0, 5
Deci x1 (n) are transformata Fourier:

X1 () =
n jn
0, 5 e
n=0
X
=
(0, 5ej )n =
n=0
1
.
1 0, 5ej
Secventa x1 (n) si spectrul sau este reprezentat grafic n figura 3.4.

2. Absolut sumabilitatea secventei x2 (n) este evidenta asa ca trecem direct la calculul
transformatei Fourier:
2
X
X
jn
X2 () =
x2 (n)e
=
ejn ;
n=
Distingem doua cazuri:

Daca = 0, atunci X2 () = 3.
Daca 6= 0, atunci:
X2 () =
2
X
jn
n=0
n=0
sin 3
ej 2 (ej 2 ej 2 )
1 ej3
2 j
=
e .
=
=
1 ej
sin 2
ej 2 (ej 2 ej 2 )
Prin urmare X2 () este:
3, = 0;
3
sin
2 ej , 6= 0.
sin
2
Secventa x2 (n) si spectrul sau este reprezentat grafic n figura 3.5. Sa mai remarcam
ca X2 () mai poate fi scris si sub forma:
X2 () =
X2 () =
2
X
n=0
ejn = 1 + ej + e2j .
(3.14)

a
95
x (n)
1
1
0.8
0.6
0.4
0.2
0
6
0
n
|X1()|
2
1.5
0.5
/2
/2
/2
(X ())
1
/3
/3
/2
Figura 3.4: Secventa x1 (n) si spectrul sau de amplitudini si de faze
3.3.4
Densitatea spectral
a de energie a secventelor aperiodice
Vom considera acum cazul semnalelor discrete n timp de energie finita si ne propunem
sa stabilim legatura energie - spectru avand ca obiectiv o relatie de tip Parseval. Energia
unei secvente aperiodice x(n) este data de:
E=
n=
|x(n)| =
x(n)x (n)
n=
si aplicand transformata Fourier inversa (3.13) se obtine:

Z
X
X
1
X ()ejn d.
x(n)x (n) =
x(n)
2
n=
n=
96

a
x2(n)
1.5
0.5
0
6
0
n
|X2()|
3
2.5
2
1.5
1
0.5
0
/2
/2
/2
(X2())
/2
Figura 3.5: Secventa x2 (n) si spectrul sau de amplitudini si de faze
Schimbam ordinea dintre nsumare si integrare:

Z
Z
X
X
1
1
jn
X ()e
d =
X ()
x(n)ejn d,
x(n)
2
2
n=
n=
apoi substituim X() din (3.12):
Z
Z
X
1
1
jn
X ()
X ()X().
x(n)e
d =
2
2
n=
Definitia 32 .
Se defineste densitatea spectrala de energie prin formula:
Sxx () = |X()|2 .

a
97
Astfel am obtinut teorema Parseval pentru secvente aperiodice:

Teorema 6 .
Energia unei secvente aperiodice este integrala densit
atii spectrale de energie:
Z
X
1
2
|X()|2 d.
E=
|x(n)| =
2
n=
Exemplul 22 .
Densitatea spectrala de energie a secventelor de la Exemplul 21 este:
Sx1 x1 = |X1 ()|2 =
respectiv
Sx2 x2 = |X2 ()|2 =
Observatia 17 .
1
,
1, 25 cos
9, = 0;
3
sin2
2 , 6= 0.
2
sin
2
1. Densitatea spectrala de energie nu contine nici o informatie despre faza.

2. Daca x(n) R, atunci X() = X () si densitatea spectrala de energie este o
functie par
a de frecvent
a:
Sxx () = Sxx ().
3.3.5
Propriet
atile transformatei Fourier pentru secvente
aperiodice
Pentru nceput reamintim ca:

X() = F{x(n)} =
n=
si ca:
x(n) = F
1
=
2
x(n)e
jn
x(n)(cos n j sin n)
X()ejn d =
n=
1
{X()} =
2
(3.15)
1
X() cos n d +
2
(3.16)
X() sin n d.
In cele ce urmeaza ne propunem sa discutam pe rand proprietatile importante ale transformatei Fourier pentru secvente aperiodice.
98

a
Simetria tranformatei Fourier
Cand un semnal discret n timp satisface anumite proprietati de simetrie, aceste caracteristici se pot transmite si asupra transformatei sale Fourier. Pentru nceput sa descompunem secventa data si functia sa de densitate spectrala n partea lor reala si partea lor
imaginara:
x(n) = xR (n) + jxI (n);
X() = XR () + jXR ().
Combinand aceste relatii cu (3.15) si (3.16) obtinem:
XR () =
[xR (n) cos n + xI (n) sin n];
n=
XI () =
(3.17)
n=
[xR (n) sin n xI (n) cos n].
In mod similar pentru transformata Fourier inversa avem:

Z
Z
1
1
XR () cos n d
XI () sin n d;
xR (n) =
2
2
Z
Z
1
1
xI (n) =
XR () sin n d +
XI () cos n d.
2
2
(3.18)
In anumite cazuri particulare formulele anterioare (3.17) si (3.18) se reduc substantial.

1. Secvente reale
Daca x(n) R, atunci xI (n) = 0 si:
XR () =
n=
XI () =
xR (n) cos n;
xR (n) sin n.
n=
Partea reala a functiei de densitate spectrala este o functie para de frecventa, iar
partea imaginara a functiei de densitate spectrala este o functie impara de frecventa:
XR () = XR ();
XI () = XI ()
sau ntr-o singura ecuatie:
X () = X(),

a
99
adica functia de densitate spectrala a unei secvente reale are simetrie hermitica [15].
Daca ne referim la modulul si faza functiei de densitate spectrala, acestea au caracteristicile:
Densitatea spectrala de amplitudini este o functie para de frecventa :
|X| = |X()|;
Faza densitatii spectrale de amplitudine este o functie impara de frecventa :
X() = X().
Si calculul inversei transformatei Fourier se simplifica daca se stie ca secventa x(n)
este reala. T
inand cont de simetria hermitica a functiei de densitate spectrala vom
avea:
Z
Z
1
1
XR () cos n d
XI () sin n d.
x(n) =
0
0
2. Secvente reale si pare
Daca x(n) R si para, atunci x(n) cos n este o functie para de timp si x(n) sin n
este o functie impara de timp:
XR () = x(0) + 2
x(n) cos n;
n=1
XI () = 0.
De asemenea calculul transformatei Fourier inverse se simplifica:
Z
1
x(n) =
XR () cos n d.
0
Exemplul 23 .
Vom afla acum spectrul secventei aperiodice pare:
x(n) = {. . . , 0, 0, 1, 1, 1, 0, 0, 0, 0, . . .} = u(n + 1) u(n 2).
Rezolvare:
Deoarece secventa x(n) este para, avem:
X() = x(0) +
X
n=1
x(n) cos n = 1 + 2 cos ,
100

a
deci modulul functiei de densitate spectrala este:
(
;
1 + 2 cos , || 2
3
|X()| = |1 + 2 cos | =
.
1 2 cos , || > 2
3
iar faza functiei de densitate spectrala este:
0, || 2
;
X() =
, < 2
,
3
.
, > 2
3
Secventa x(n) si spectrul sau este reprezentat grafic n figura 3.6. Spectrul de amplitudini al acestei secvente este identic cu cel al secventei x2 (n) de la Exemplul 21,
dar spectrul de faze difera. Sa mai remarcam ca X() mai poate fi scris si sub
forma:
1
X
X() =
ejn = ej + 1 + ej .
(3.19)
n=1
3. Secvente reale si impare

Daca x(n) R si impara, atunci x(n) cos n este o functie impara de timp si
x(n) sin n este o functie para de timp:
XR () = 0;
XI () = 2
x(n) sin n,
n=1
si prin urmare expresia transformatei Fourier inverse se simplifica:

Z
1
x(n) =
XI () sin n d.
0
4. Secvente pur imaginare Daca xR (n) = 0 si x(n) = jxI (n), atunci:
XR () =
XI () =
n=
xI (n) sin n;
xI (n) cos n.
n=
Partea reala a functiei de densitate spectrala este o functie impara de frecventa, iar
partea imaginara a functiei de densitate spectrala este o functie para de frecventa:
XR () = XR ();
XI () = XI ().

a
101
x(n)
1.5
0.5
0
6
0
n
|X()|
3
2.5
2
1.5
1
0.5
0
/2
/2
/2
(X())
/2
Figura 3.6: Secventa x(n) si spectrul sau de amplitudini si de faze
Daca secventa x(n) este pur imaginara, atunci inversa transformatei Fourier devine:
Z
Z
1
1
XR () sin n d +
XI () cos n d.
xI (n) =
0
0
5. Secvente pur imaginare si pare Daca x(n) este pur imaginara si para, atunci
x(n) cos n este o functie para de timp si x(n) sin n este o functie impara de timp:
XR () = 0;
XI () = xI (0) + 2
X
n=1
xI (n) cos n.
102

a
De asemenea calculul transformatei Fourier inverse se simplifica:
Z
1
XI () cos n d.
xI (n) =
0
6. Secvente pur imaginare si impare
Daca x(n) este pur imaginara si impara, atunci x(n) cos n este o functie impara de
timp si x(n) sin n este o functie para de timp:
XR () = 2
xI (n) sin n;
n=1
XI () = 0.
Rezulta transformata Fourier inversa:
Z
1
x(n) =
XR () sin n d.
0
Observatia 18 .
Orice secvent
a complexa x(n) poate fi scris
a sub forma:
semnal real par
semnal real par
z
}|
{
}|
{
z
xI (n) xI (n)
xR (n) + xR (n)
xI (n) + xI (n) xR (n) xR (n)
+j
+
x(n) =
+j
.
2
2
2
2
|
|
{z
}
{z
}
semnal real impar
semnal real impar
Aceast
a descompunere se utilizeaza des pentru simplificarea implement
arii transformatei
Fourier, deoarece calculele implic
a numai operatii cu numere reale pare sau impare.
Liniaritatea tranformatei Fourier
Daca:
X1 () = F{x1 (n)}
si
X2 () = F{x2 (n)},
atunci
a1 X1 () + a2 X2 () = F{a1 x1 (n) + a2 x2 (n)}.
Consideram demonstratia acestei proprietati ca si evidenta. Prin urmare transformata
Fourier este un operator liniar, adica transforma o combinatie liniara de secvente ntr-o
combinatie liniara a transformatelor respective. Aceasta proprietate este foarte importanta, deoarece cu ajutorul acesteia se face posibil studiul sistemelor liniare utilizand
transformata Fourier.

a
103
Translatia n timp
Daca:
X() = F{x(n)}
si k Z, atunci:
F{x(n k)} = ejk X().
Demonstratie:
Intr-adevar:
F{x(n k)} =
z}|{ jk X
= e
x(n)ejn = ejk X(),
nkn
n=
x(n k)e
jn
n=

Prin urmare translatia n timp afecteaza doar spectrul de faze, spectrul de amplitudini ramanand neschimbat. Aceasta comportare a fost deja evidentiata n Exemplele 21
si 23 unde cele doua secvente se pot obtine prin translatii n domeniul timp. Panta
descrescatoare a fazei de la Exemplul 21 se regaseste mai la toate secventele de analizat
practic, fiindca de obicei secventele sunt cauzale si astfel nu sunt simetrice fata de origine
[8].
Reflexia (inversarea timpului)
Daca:
X() = F{x(n)},
atunci:
F{x(n)} = X().
Demonstratie:
Avem:
F{x(n)} =
n=
x(n)e
jn
z}|{ X
=
x(n)ej()n = X().
nn
n=
Convolutia secventelor sau teorema convolutiei din transformata Fourier
104

a
Teorema 7 .
Daca:
X1 () = F{x1 (n)}
si
X2 () = F{x2 (n)},
atunci
F{x1 (n) x2 (n)} = X1 ()X2 ().
Demonstratie:
Avem:
F{x1 (n) x2 (n)} =
[x1 (n) x2 (n)]ejn =
n=
n=
"
k=
x1 (k)x2 (n k) ejn
si dupa ce se schimba ordinea de nsumare obtinem:

#
"
"
#
X
X
X
X
x2 (n k)ejn =
x1 (k)x2 (n k) ejn =
x1 (k)
n=
k=
x1 (k)ejk
k=
prin urmare:
"
k=
n=
x2 (n k)ej(nk)
n=
X
z}|{
= =
x1 (k)ejk
nkn
k=
"
x2 (n)ejn ,
n=
F{x1 (n) x2 (n)} = X1 ()X2 (),

Aceasta teorema este un rezultat teoretic important n analiza sistemelor liniare si
invariante n timp, astfel aratandu-se ca unei convolutii n domeniul timp i corespunde
multiplicarea spectrelor n domeniul frecventa. Proprietatea este des utilizata n aplicatii,
fiind la baza multor implementari n prelucrarea numerica a semnalelor.
Exemplul 24 .
Vom afla acum convolutia secventelor aperiodice:
si
x1 (n) = {. . . , 0, 0, 1, 1, 1, 0, 0, 0, 0, . . .}
x2 (n) = {. . . , 0, 0, 0, 1, 1, 1, 0, 0, 0, . . .}.

a
105
Rezolvare:
Deja am aratat n Exemplul 8 o modalitate de calcul a convolutiei. Acum vom proceda
altfel:
Deoarece spectrul secventei x1 (n) este cunoscut (Exemplul 23), atunci din relatia
(3.19) avem:
X1 () = ej + 1 + ej .
De asemenea din Exemplul 21 rezulta ca X2 () este (3.14):
X1 () = 1 + ej + e2j .
Prin urmare:
X1 ()X2 () = (1 + ej + ej )(1 + ej + e2j ) =

= e3j + 2e2j + 3ej + 2 + ej
si prin identificare cu relatia 3.12 si tinand cont de Teorema 7 avem:

(x1 x2 )(n) = {. . . , 0, 1, 2, 3, 2, 1, 0, . . .}.
Corelatia secventelor
Daca:
X1 () = F{x1 (n)}
si
X2 () = F{x2 (n)},
atunci
X1 ()X2 () = F{rx1 x2 (l)}.
Demonstratia acestei proprietati rezulta din proprietatea anterioara, din relatia dintre
convolutie si corelatie (2.16) si reflexia timpului. In cazul special x(n) = y(n) obtinem:
Teorema Wiener-Hincin
Teorema 8 .
Daca:
X() = F{x(n)},
atunci
F{rxx (l)} = Sxx ().
106

a
Prin urmare densitatea spectrala de energie este transformata Fourier a secventei de

autocorelatie si n consecinta atat densitatea spectrala de energie cat si secventa de
autpcorelatie contin aceeasi informatie despre semnalul discret n timp. Cum nici una
dintre ele nu detin informatii despre faza este imposibila reconstituirea semnalului discret n timp din secventa de autocorelatie sau din densitatea spectrala de energie.
Translatia n frecventa:
Daca:
X() = F{x(n)}
si 0 R, atunci
F{ej0 n x(n)} = X( 0 ).
Demonstratie:
F{e
j0 n
x(n)} =
j0 n
x(n)e
jn
n=
n=
x(n)ej(0 )n = X( 0 ).
Teorema modul
arii
Daca:
X() = F{x(n)}
si 0 R, atunci
1
F{cos 0 n x(n)} = [X( + 0 ) + X( 0 )].
2
Demonstratia acestei teoreme rezulta din liniaritatea transformatei Fourier si din relatia
lui Euler:

1 j
e + ej .
cos =
2
Teorema lui Parseval generalizat
a
Daca:
X1 () = F{x1 (n)}
si
X2 () = F{x2 (n)},
atunci
n=
x1 (n)x2 (n)
1
=
2
X1 ()X2 ()d.
(3.20)
Demonstratia acestei proprietati este analoaga Teoremei 6 prezentate la pagina 97.

a
107
Multiplicarea a doua secvente sau teorema ferestruirii

Teorema 9 .
Daca:
X1 () = F{x1 (n)}
si
X2 () = F{x2 (n)},
atunci
1
F{x1 (n)x2 (n)} =
2
X1 ()X2 ( )d.
Demonstratie:
Fie x3 (n) = x1 (n)x2 (n). Atunci aplicand (3.13) avem:
X3 () =
x1 (n)x2 (n)e
n=
jn

Z

X
1
jn
=
X1 ()e d x2 (n)ejn
2
n=
si schimband ordinea dintre nsumare si integrare rezulta:

"
#
Z
X
1
x2 (n)ejn ejn d =
X1 ()
2
n=
"
#
Z
Z
X
1
1
j()n
X1 ()
X1 ()X2 ( )d,
=
x2 (n)e
d =
2
2
n=
Definitia 33 .
Se numeste convolutia periodic
a a functiilor periodice X1 () si X2 () de perioad
a 2
functia definit
a prin relatia:
Z
1
X3 () =
X1 ()X2 ( )d.
2
Putem spune astfel ca multiplicarea a doua secvente este pereche Fourier cu convolutia
periodica a transformatelor Fourier.
Observatia 19 .
1. Convolutia periodic
a este o functie periodic
a de perioad
a 2.
108

a
2. Limitele de integrare sunt considerate pe o singur
a perioad
a.
3. Spre deosebire de semnalele analogice, pentru semnale discrete n timp nu mai exist
a
o dualitate perfect
a relativ la operatia de convolutie. Mai precis:
Pentru semnale analogice multiplicarea secventelor are pereche Fourier convolutia
transformatelor si respectiv invers.
La semnale discrete n timp, convolutiei n domeniul timp i corespunde produsul transformatelor, dar produsul secventelor are pereche Fourier o convolutie
periodic
a a transformatelor Fourier.
Mai remarcam ca de obicei noi vedem semnalele x(n) care urmeaza sa le prelucram printro fereastra w(n), deci de fapt noi facem analiza semnalului produs x(n)w(n). Teorema
ferestruirii ne sugereaza ca de fapt ceea ce obtinem noi este n realitate un spectru alterat
de convolutia periodica cu spectrul ferestrei respective [11].
Diferentierea n domeniul frecventa
Daca:
X() = F{x(n)}
atunci:
F{nx(n)} = j
d
[X()].
d
Demonstratie:
Avem ca:
F{nx(n)} =
nx(n)e
jn
=j
n=
n=
d jn
d
=j
x(n)
=j
e
d
d
n=
"

x(n) jnejn =
#
x(n)ejn = j
n=
dX()
,
d

Exemplul 25 .
Vom calcula transformata Fourier a secventei y(n) = nan u(n), |a| < 1.
Rezolvare: Transformata Fourier a secventei x(n) = an u(n) este:
X() =
n=
a u(n)e
jn
X
n=0
an ejn =
1
.
1 aej
3.4 Caracterizarea n domeniul frecvent

a a sistemelor LTI
x(n)
X()
(n)
109
u(n + L) u(n L 1)
an u(n)
nan u(n)
sin(L+ 21 )
sin
2
1
1 aej
aej
(1 aej )2
Tabelul 3.5: Cateva semnale discrete n timp mpreuna cu transformatele lor Fourier
x(n) = Aejn
h(n)
y(n) = H() Aejn
Figura 3.7: Caracterizarea n domeniul frecventa a sistemelor liniare si invariante n timp
Deoarece y(n) = nx(n), atunci:
dX()
F{y(n)} = j
=j
d
1
1 aej
d
1
aej
j
= j
(a)e (j) =
(1 aej )2
(1 aej )2
In tabelul 3.5 prezentam transformatele Fourier cele mai des folosite n prelucrarea
numerica a semnalelor.
3.4
Caracterizarea n domeniul frecvent

a a sistemelor
liniare si invariante n timp
3.4.1
R
aspunsul la frecvent
a al sistemelor liniare si invariante
n timp
Pentru descrierea comportarii sistemelor liniare si invariante n timp n domeniul frecventa

vom studia raspunsul acestora la excitatii de tip exponentiala complexa (figura 3.7). Fie
deci:
x(n) = Aejn ,
n Z,
110

a
secventa aplicata la intrarea sistemului liniar si invariant n timp caracterizat prin secventa
pondere h(n). In acest caz la iesire vom avea secventa raspuns:
y(n) =
X
k=0
h(k)x(n k) =
h(k)Aej(nk) =
k=0
|k=0
x(n)
z }| {
h(k)ejk Aejn .
{z
F {h(k)}
Definitia 34 .
Se numeste raspuns la frecvent
a al unui sistem liniar si invariant n timp transformata
Fourier a secventei pondere:
H() = F{h(k)}.
Astfel anterior am demonstrat ca:
Teorema 10 .
Raspunsul unui sistem liniar si invariant n timp la o excitatie exponentiala complexa
este tot o exponentiala complexa, de aceeasi frecvent
a ca si intrarea, alterata de un factor
multiplicativ care este chiar raspunsul la frecvent
a H().
Sa remarcam ca raspunsul la frecventa H() = F{h(k)} exista, daca secventa pondere
este absolut sumabila:
X
|h(k)| < ,
n=
adica daca sistemul este BIBO stabil.

Din relatia:
H() = F{h(k)},
rezulta ca secventa pondere se poate calcula cu ajutorul transformatei Fourier inverse:

Z
1
H()ejk d.
h(k) =
2
Pe de alta parte raspunsul la frecventa ia valori complexe n general. Cum R
si H() C, putem desparti raspunsul la frecventa n partea sa reala si n partea sa
imaginara:
H() = HR () + jHI ().
Atunci din
H() =
k=
h(k)e
jk
k=
h(k) cos k j
k=
h(k) sin k,

a a sistemelor LTI
111
obtinem n cazul special h(k) R urmatoarele relatii:

HR () =
k=
HI () =
h(k) cos k,
h(k) sin k.
k=
In aceasta situatie des ntalnita n practica, HR () este o functie para de frecventa, iar
HI () este o functie impara de frecventa.
Raspunsul la frecventa poate fi caracterizat mai ales prin modulul si faza sa:
H() = |H()|ejH() .
rezultand:
|H()| - modulul raspunsului la frecventa sau caracteristica amplificare - frecventa;
H() - argumentul raspunsului la frecventa sau caracteristica defazaj - frecventa.
Daca h(k) R, atunci:
|H()| = |H()|, adica modulul raspunsului la frecventa este o functie para de
frecventa;
H() = H(), adica argumentul raspunsului la frecventa este o functie impara de frecventa.
Datorita faptului ca raspunsul la frecventa H() este o transformata Fourier a unei
secvente aperiodice, acesta este o functie periodica cu perioada 2:
H( + 2) = H(),
ceea ce ne permite sa reducem reprezentarea sa grafica numai un interval de lungime 2
din axa de frecventa.
Exemplul 26 .
Vom afla acum raspunsul la frecvent
a al sistemului mediator cu cinci termeni:
1
y(n) = (x(n 2) + x(n 1) + x(n) + x(n + 1) + x(n + 2)).
5
(3.21)
112

a
|H()|
1
0.8
0.6
0.4
0.2
0
/2
/2
/2
(H())
/2
Figura 3.8: Modulul si faza raspunsului la frecventa a sistemului mediator cu cinci termeni
Rezolvare:
Pentru nceput vom aplica transformata Fourier ambilor termeni ai relatiei (3.21):
1
Y () = (ej2 + ej + 1 + ej + ej2 )X(),
5
de unde rezulta:
H() =
Y ()
1
1
= (ej2 + ej + 1 + ej + ej2 ) = (1 + 2 cos + 2 cos 2).
X()
5
5
Modulul si argumentul raspunsului la frecventa sunt prezentate n figura 3.8.

Sa mai remarcam ca daca secventa pondere este reala, atunci intervalul de pe axa
frecventelor se poate njumatati. O astfel de situatie apare n cazul sistemelor liniare si
invariante n timp descrise prin ecuatii cu diferente finite si cu coeficienti constanti reali.
Observatia 20 .
1. Raspunsul la frecvent
a altereaza spectrul de amplitudini si de faze ale semnalului de
la intrare. Daca spectrul secventei de intrare este schimbat de sistem n mod nedorit,
atunci avem distorsiuni de amplitudine sau de faza.

a a sistemelor LTI
x(n)
y(n)
h(n)
113
Y ()
X()
H()
Figura 3.9: Raspunsul la frecventa pentru secvente aperiodice
2. Iesirea unui sistem liniar si invariant n timp nu poate contine componente de

frecvent
a inexistente n spectrul semnalului de la intrare. Pentru a introduce componente noi avem nevoie de un sistem neliniar sau de un sistem variant n timp.
3. Din faptul ca raspunsul unui sistem liniar si invariant n timp la o excitatie de
tip exponentiala complexa este tot o exponentiala complexa, de aceeasi frecventa ca
si intrarea, alterata de un factor multiplicativ, rezulta ca exponentiala complexa
ejn este functie proprie a sistemului liniar si invariant n timp, iar raspunsul la
frecvent
a H() este chiar valoarea proprie corespunzatoare.
3.4.2
Determinarea secventei r
aspuns cu ajutorul r
aspunsului
la frecvent
a
Raspunsul la frecventa ne permite sa stabilim o noua legatura dintre intrarea si raspunsul

la semnale discrete n timp aperiodice. Luand n considerare teorema convolutiei din
transformata Fourier (pagina 104) si cu referire la figura 3.9 rezulta echivalenta data de
relatia:
y(n) = h(n) x(n) Y () = H()X(),
(3.22)
rezultand urmatoarele egalitati remarcabile:
|Y ()| = |H()||X()|;
|Y ()|dB = |H()|dB + |X()|dB ;
(3.23)
Y () = H() + X().
Astfel raspunsul la frecventa poate fi calculat daca se cunoaste o singura pereche intrare
- iesire (care poate sa nu fie neaparat perechea impuls unitate - secventa pondere5 ):
H() =
5
Y ()
.
X()
(3.24)
Pentru aflarea n totalitate a lui H(), X() ar trebui s

a fie nenul pentru orice frecventa , conditie
destul de restrictiva.
114

a
In cazul sistemelor liniare si invariante n timp se poate foarte usor arata ca din ecuatia
cu diferente finite si cu coeficienti constanti:
y(n) =
N
X
k=1
ak y(n k) +
M
X
k=0
bk x(n k),
raspunsul la frecventa al sistemului liniar si invariant n timp este:
H() =
M
X
bk ejk
k=0
N
X
1+
.
ak e
(3.25)
jk
k=1
Sa consideram n cele ce urmeaza un caz special de excitatie:

x(n) = cos 0 n =
ej0 n + ej0 n
,
2
care ataca sistemul liniar si invariant n timp, caracterizat prin H(). Utilizand liniaritatea sistemului putem afla semnalul de la iesire:
y(n) =
=
H(0 )ej0 n + H(0 )ej0 n

=
2
H(0 )(cos 0 n + j sin 0 n) + H(0 )(cos 0 n j sin 0 n)

=
2
=
[H(0 ) + H(0 )] cos 0 n + j[H(0 ) H(0 )] sin 0 n

.
2
Daca h(k) R, atunci:

[H(0 ) + H(0 )] = 2|H(0 )| cos[H(0 )];
[H(0 ) jH(0 )] = 2j|H(0 )| sin[H(0 )]
si astfel
y(n) =
[H(0 ) + H(0 )] cos 0 n + j[H(0 ) H(0 )] sin 0 n

=
2
= |H(0 )| cos[H(0 )] cos 0 n |H(0 )| sin[H(0 )] sin 0 n

= |H(0 )| cos[0 n + H(0 )].
Sub forma de diagrame bloc avem reprezentarea grafica din figura 3.10.

a a sistemelor LTI
x(n) = A cos 0 n
115
y(n) = A|H(0 )| cos[0 n + H(0 )]
H()
Figura 3.10: Raspunsul la frecventa si excitatia cosinusoidala (h(k) R)
x(n) = A sin 0 n
y(n) = A|H(0 )| sin[0 n + H(0 )]
H()
Figura 3.11: Raspunsul la frecventa si excitatia sinusoidala (h(k) R)

In mod analog, daca:
x(n) = sin 0 n =
ej0 n + ej0 n
,
2
atunci
y(n) = |H(0 )| sin[0 n + H(0 )],
rezultat a carui prezentare grafica este n figura 3.11.
Prin urmare raspunsul la frecventa caracterizeaza complet sistemul liniar si invariant
n timp cand la intrare avem un semnal de frecventa variabila si astfel suntem capabili sa
determinam raspunsul la orice semnal de intrare sinusoidal sau suma de sinusoide.
Astfel, daca semnalul de intrare este o suma de excitatii sinusoidale:
x(n) =
L
X
Ai cos(i n + i ),
i=1
atunci raspunsul este de forma:

y(n) =
L
X
i=1
Ai |H(i )| cos[i n + i + H(i )],
situatie prezentata n figura 3.12.

Concluzionam ca anumite sinusoide vor fi amplificate, iar altele vor fi atenuate, n
functie de modulul raspunsului la frecventa |H()|.
116

a
L
X
L
X
Ai cos(i n + i )
i=1
i=1
H()
Ai |H(i )| cos[i n + i + H(i )]
Figura 3.12: Raspunsul la frecventa si suma de excitatii sinusoidale (h(k) R)

In proiectarea filtrelor o problema centrala o constituie determinarea parametrilor
sistemului liniar si invariant n timp astfel ncat sa avem un H() dorit [20].
Un caz special este al unei secvente periodice de perioada N :
x(n) =
N
1
X
ck e
j2kn
N
k=0
, n = 0, 1, , N 1.
In aceasta situatie raspunsul la iesirea sistemului va fi:

y(n) =
N
1
X
k=0
ck H
2kn
N
j2kn
N
, n = 0, 1, , N 1.
Raspunsul la frecventa ne permite sa calculam si raspunsul la semnale discrete n timp

aperiodice. Cu referire la relatia (3.22), pentru calculul raspunsului unui sistem liniar si
invariant n timp la semnale discrete n timp, aperiodice si de energie finita, putem utiliza
urmatoarea procedura:
1. Se calculeaza raspunsul la frecventa al sistemului liniar si invariant n timp H()
printr-o anumita metoda;
2. Se calculeaza transformata Fourier a secventei de intrare X(), de exemplu direct
cu formula de definitie (3.12);
3. Se calculeaza transformata Fourier a secventei de iesire Y () cu relatia (3.22);
4. Se calculeaza secventa de iesire y(n) cu formula de la transformata Fourier inversa
(3.13).
Exemplul 27 .
Vom afla acum raspunsul sistemului mediator cu cinci termeni dat prin relatia de intrare

a a sistemelor LTI
117
- iesire (3.21) la secventa de intrare de la Exemplul 23:
x(n) = {. . . , 0, 0, 1, 1, 1, 0, 0, 0, 0, . . .} = u(n + 1) u(n 2).
Rezolvare:
Din
1
H() = (ej2 + ej + 1 + ej + ej2 )
5
si
X() = ej + 1 + ej ,
rezulta:
1
Y () = H()X() = (ej2 + ej + 1 + ej + ej2 )(ej + 1 + ej ) =
5
1
= (ej3 + 2ej2 + 3ej + 3 + 3ej + 2ej2 + ej3 ),
5
deci
y(n) = {. . . , 0, 0, 0,
1 2 3 3 3 2 1
, , , , , , , 0, 0, 0, . . .}.
5 5 5 5 5 5 5
Exemplul 28 .
Vom afla raspunsul sistemului mediator cu cinci termeni la prima secventa de intrare de
la Exemplul 17:
x1 (n) = cos 3n
Rezolvare:
Din
1
1
H() = (ej2 + ej + 1 + ej + ej2 ) = (1 + 2 cos + 2 cos 2),
5
5
rezulta:
1
H( 3) = [1 + 2 cos( 3) + 2 cos(2 3)] = 0, 4214,
5
deci
y1 (n) = 0, 4214 cos 3n.
118

a
Capitolul 4
Transformata n z.
Aplicatii n analiza sistemelor liniare
si invariante n timp
Tehnicile bazate pe transformari se dovedesc a fi metode importante n analiza sistemelor
liniare si invariante n timp. Acest fapt a fost deja aratat n capitolul 3 n legatura cu
transformata Fourier.
In acest capitol vom introduce transformata n z si vom prezenta cele mai importante
proprietati ale sale. Vom sublinia de asemenea importanta acestei transformari n analiza
sistemelor liniare si invariante n timp. Va rezulta ca transformata n z joaca n cazul
sistemelor discrete acelasi rol ca si transformata Laplace la sistemele analogice.
4.1
4.1.1
Transformata n z bilateral
a
Transformata n z direct
a
Fie x(n) o secventa data si z C un punct din planul complex.

Definitia 35 .
Transformata n z direct
a pentru secventa {x(n)}nZ si pentru z C este dat
a de seria
de puteri:
X
X(z) =
x(n)z n .
(4.1)
n=
119
Aplicatiile transformatei n z la analiza sistemelor LTI
120
Mai trebuie precizat ca n unele carti aceasta transformata se mai numeste transformata n z bilaterala pentru a o distinge de transformata n z unilaterala ce urmeaza sa
fie prezentata n sectiunea 4.6.
Se observa ca transformata n z asociaza semnalului discret n timp x(n) reprezentarea
sa n planul complex X(z):
X(z) = Z{x(n)};
sau
x(n) = Z 1 {X(z)};
z
x(n) X(z).
Exemplul 29 .
1. Secventa x1 (n) = {. . . , 0, 0, 1, 1, 1, 0, 0, 0, 0, . . .} are transformata n z egala
1
cu: X1 (z) = z + 1 + z ;
1
2
cu: X2 (z) = 1 + z + z ;
3
2
1
cu: X3 (z) = z + 2z + 3z + 2 + z .
4. Secventa x4 (n) = 0, 5n u(n) are transformata n z egala cu:
X(z) =
0, 5n z n =
n=0
1
.
1 0, 5z 1
Poate ar fi binevenit de la nceput sa subliniem ca secventa x(n) poate fi identificata

foarte usor din transformata sa n z, daca X(z) este sub forma unei serii de puteri. Intradevar x(n) nu este altceva decat coeficientul termenului z n .
Exemplul 30 .
S
a consider
am urm
atoarea transformata n z:
X(z) = ln(1 + az 1 ),
4.1 Transformata n z bilateral

a
121
care pentru |z| > |a| devine:

X(z) =
X
(1)n+1 an
n=1
z n ,
unde am aplicat dezvoltarea n serie de puteri:

ln(1 + t) =
X
(1)n+1 tn
n=1
Prin urmare:
|t| 1.
n+1 n
(1) a , n > 0
n
x(n) =
0, n 0.
Aceasta observatie ne va ajuta sa identificam repede secventa pondere n cazul sistemelor cu raspuns finit la impuls.
Exemplul 31 .
Un sistem FIR este caracterizat de o functie de sistem (pagina 137) de forma:
H(z) =
M
X
bk z k .
k=0
Deci secventa sa pondere este:

h(k) =
4.1.2
bk , k = 0, 1, . . . , M ;
0, altfel.
Convergenta transformatei n z
Transformata n z directa este o serie de puteri infinita, deci aceasta exista doar pentru
acele valori pentru care aceasta serie este convergenta.
Definitia 36 .
Se numeste regiunea de convergenta a lui X(z) partea din planul complex pentru care
X(z) este finita.
Tocmai din aceasta cauza vom preciza regiunea de convergenta (Region of Convergence
- ROC) de fiecare data cand vom calcula transformata n z a unei secvente. De exemplu
pentru un semnal de durata finita, regiunea de convergenta a transformatei sale n z este
ntreg planul complex, exceptand eventual punctele din origine sau de la infinit.
122
Exemplul 32 .
Regiunile de convergent
a pentru secventele de la Exemplul 29 sunt:
1. Pentru x1 (n): ntreg planul complex exceptand originea z = 0 si punctul de la
infinit z = ;
2. Pentru x2 (n): ntreg planul complex exceptand originea z = 0;
3. Pentru x1 (n): ntreg planul complex exceptand originea z = 0 si punctul de la
infinit z = ;
Regiunea de convergent
a pentru secventa de la Exemplul 30 este |z| > |a|.
Si acum sa-l scriem pe z C sub forma polara:
z = rej ,
unde r = |z| 0 si = z. Atunci transformata n z este:
X(z) =
x(n)z
n=
x(n)rn ejn
n=
si modulul sau poate fi scris:

|X(z)| = |
n=
x(n)rn ejn |
n=
|x(n)rn |.
Deci pentru ca transformata n z a lui x(n) sa existe, este suficient ca secventa x(n)rn
sa fie absolut sumabila. Vom detalia membrul drept din suma anterioara:
n=
|x(n)r
|=
1
X
n=
|x(n)|r
X
n=0
|x(n)|r
X
n=1
|x(n)|r +
X
n=0
|x(n)|rn .
Pentru ca X(z) sa convearga ntr-o anumita regiune de convergenta, ambele serii din
membrul drept al relatiei anterioare trebuie sa fie finite:
1. Prima serie este convergenta pentru toate punctele din interiorul unui cerc de raza
r1 (fig. 4.1).
2. A doua serie este convergenta pentru punctele din exteriorul unui cerc de raza r2
(fig. 4.2).

a
123
Im(z)
r1
Re(z)
Figura 4.1: Regiunea de convergenta pentru prima serie

Prin urmare pentru convergenta lui X(z) trebuie ndeplinite ambele conditii, astfel ca
n caz general regiunea de convergenta este un inel n planul z: r2 < r < r1 (fig. 4.3).
Rezulta ca:
Propozitia 4 .
Un semnal cauzal va avea regiunea de convergent
a exteriorul unui cerc de raza r2 ;
Un semnal anticauzal va avea regiunea de convergent
a interiorul unui cerc de raza
r1 ;
Un semnal de durata (, ) va avea regiunea de convergenta un inel n planul z:
r2 < r < r1 ;
Un semnal discret n timp este unic determinat de transformata sa n z si de regiunea
ei de convergent
a.
Exemplul 33 .
Vom calcula acum transformatele n z pentru secventele:
1. x1 (n) = an u(n);
2. x2 (n) = bn u(n 1).
si vom preciza regiunile lor de convergent
a.
124
Im(z)
r2
Re(z)
Figura 4.2: Regiunea de convergenta pentru a doua serie

Rezolvare:
1. Pentru x1 (n) = an u(n) transformata n z este:

X1 (z) =
a u(n)z
n=
X
n=0
an z n =
1
,
1 az 1
daca |az 1 | < 1. Rezulta ca regiunea de convergenta a lui X1 (z) este exteriorul unui
cerc de raza r1 = |a| (fig. 4.2).
2. Daca x2 (n) = bn u(n 1), atunci transformata sa n z este:
X2 (z) =
[b u(n 1)]z
n=
nn
1
z
1
z}|{ X 1 n n
=
.
=
( ) z =
1
b
b 1 zb
1 bz 1
n=1
Precedenta egalitate este valabila daca |bz 1 | > 1. Rezulta ca regiunea de convergenta
a lui X2 (z) este interiorul unui cerc de raza r2 = |b| (fig. 4.1).
4.1.3
Transformata n z invers
a
Orice transformata corect definita implica doua formule: una pentru calculul transformatei directe si alta pentru calculul transformatei inverse. Imediat dupa introducerea

a
125
Im(z)
r1
Re(z)
r2
Figura 4.3: Regiunea de convergenta r2 < r < r1 pentru X(z)

transformatei directe n z suntem obligati sa precizam si modalitatea de obtinere a transformatei n z inverse. O astfel de formula se poate obtine cu ajutorul teoremei de integrare
a lui Cauchy cunoscuta din cartile sau de la cursurile unde s-au nvatat elementele de teoria functiilor de variabila complexa.
Teorema 11 .
Transformata n z invers
a este dat
a de formula:
I
1
X(z)z n1 dz.
x(n) =
2j C
(4.2)
Demonstratie:
Pornim direct de la definitie (4.1):
X(z) =
x(k)z k
k=
si multiplicam ambii termeni ai ecuatiei precedente cu z n1 , dupa care integram pe un

contur nchis C din regiunea de convergenta care nconjoara originea (fig.4.4). Astfel
avem:
I X
I
n1
X(z)z
dz =
x(k)z k z n1 dz.
C
C k=
Schimbam n membrul drept ordinea dintre integrare si nsumare si obtinem:

I X
I
X
n1k
x(k)z
dz =
x(k) z n1k dz.
C k=
k=
126

Im(z)
r1
C
Re(z)
r2
Figura 4.4: Regiunea de convergenta r2 < r < r1 pentru X(z)

Reamintim ca teorema de integrare a lui Cauchy ne furnizeaza rezultatul integralei din
membrul drept, deoarece:
1
2j
n1k
dz =
1, k = n;
0, k =
6 n.
pe orice contur din regiunea de convergenta care nconjoara originea. Astfel avem:
1
x(k) =
2j
X(z)z k1 dz,
C

Desi formula anterioara ne furnizeaza relatia de calcul a secventei x(n) din X(z) cu
ajutorul transformatei n z inverse, n general vom evita utilizarea acestei metode. In mod
obisnuit avem de a face cu secvente si sisteme descrise n domeniul z prin functii rationale
si pentru aflarea transformatelor n z inverse ale acestora vom detalia n sectiunea 4.4 alte
modalitati mai simple de calcul.
4.1.4
Relatia dintre transformata Fourier si transformata n z
Ne propunem acum sa stabilim relatia dintre transformata Fourier si transformata n z a

unei secvente x(n).

a
127
Transformata n z a unei secvente x(n) a fost definita prin:

X(z) =
x(n)z n ,
n=
unde regiunea de convergenta a lui x(z) este r2 < |z| < r1 . Si acum vom scrie z C sub
forma polara:
z = rej ,
unde r = |z| 0 si = z. Prin urmare n interiorul regiunii de convergenta a lui X(z)
obtinem:
X
X(z)|z=rej =
x(n)rn ejn .
n=
Relatia anterioara ne sugereaza ca X(z) poate fi interpretata ca si transformata Fourier a

semnalului discret n timp x(n)rn . Mai mult chiar, daca X(z) este convergenta pe cercul
|z| = 1, atunci:
X
X(z)|z=ej =
x(n)ejn .
n=
Prin urmare transformata Fourier a unei secvente poate fi considerata ca si transformata

n z evaluata pe cercul unitate.
Observatia 21 .
1. Exista secvente pentru care transformata n z exist

a, dar pentru care transformata
Fourier nu exist
a.
2. Existenta transformatei n z nu asigur
a neap
arat existenta transformatei Fourier.
De exemplu x1 (n) = 2n u(n) este un semnal discret n timp, cauzal, care are transformata n z pentru |z| > 2, deci transformata sa Fourier nu exista.
Pe de alta parte, daca alegem:
, n = 0;
2
x2 (n) =
sin 2 n
n , n 6= 0
atunci avem transformata sa Fourier (Exemplul 20):
1, || 2 ;
X2 () =
0, 2 < || .
Dar aceasta secventa nu are transformata n z [15].
128
4.1.5
Propriet
atile transformatei n z
Amintim cateva proprietati mai importante ale transformatei n z. Acestea sunt:

Liniaritatea tranformatei n z
Daca:
X1 (z) = Z{x1 (n)}, z ROC1 ,
si
X2 (z) = Z{x2 (n)}, z ROC2 ,
atunci
a1 X1 (z) + a2 X2 (z) = Z{a1 x1 (n) + a2 x2 (n)}, z ROC1
ROC2 .
Consideram demonstratia acestei proprietati ca si evidenta.

Prin urmare transformata n z este un operator liniar, adica transforma o combinatie
liniara de secvente ntr-o combinatie liniara a transformatelor respective. Aceasta proprietate este foarte importanta deoarece cu ajutorul ei se poate realiza studiul sistemelor
liniare utilizand transformata n z.
Exemplul 34 .
Vom calcula transformatele n z pentru secventele:
1. x1 (n) = an u(n) + bn u(n 1);
2. x2 (n) = (cos 0 n)u(n);
3. x3 (n) = (sin 0 n)u(n);
Rezolvare:
Aplicand rezultatele de la Exemplele 29 si 30, se obtine:
1. Pentru x1 (n) = an u(n) + bn u(n 1), avem:
1
1
+
,
1
1 az
1 bz 1
regiunea de convergenta fiind |a| < |z| < |b| sau multimea vida.
X1 (z) =
2. Pentru x2 (n) = (cos 0 n)u(n), din

x2 (n) = (cos 0 n)u(n) =
avem
ej0 n + ej0 n
u(n),
2
0, 5
1 z 1 cos 0
0, 5
+
=
,
1 ej0 z 1 1 ej0 z 1
1 2z 1 cos 0 + z 2
regiunea de convergenta fiind |z| > 1.
X2 (z) =

a
129
3. Pentru x3 (n) = (sin 0 n)u(n), din:

x3 (n) = (sin 0 n)u(n) =
ej0 n ej0 n
u(n),
2j
avem
0, 5j
z 1 sin 0
0, 5j
=
,
1 ej0 z 1 1 ej0 z 1
1 2z 1 cos 0 + z 2
regiunea de convergenta fiind |z| > 1.
X3 (z) =
Translatia n timp
Daca:
X(z) = Z{x(n)}, z ROC
si k Z, atunci
Z{x(n k)} = z k X(z), z ROC.
(4.3)
Demonstratie:
Z{x(n k)} =
n=
= z k
z}|{ X
=
x(p)z (p+k) =
nkp
x(n k)z
p=
x(p)z p = z k X(z).
p=
Exemplul 35 .
Vom afla acum transformata n z a secventei x(n) = u(n) u(n N ).
Rezolvare:
Avem:
Z{x(n)} = Z{[u(n) u(n N )]} = Z{u(n)} Z{u(n N )} =
1
1 z N
1
N
z
=
,
1 z 1
1 z 1
1 z 1
regiunea1 de convergenta fiind |z| > 1.
=
Scalarea n domeniul z
Este usor de observat ca x(n) = 1 doar dac

a n = 0, 1, . . . , N 1 si prin urmare X(z) = 1 + z 1 +
+ z N , deci ROC este C . Pe de alta parte utilizarea unor propriet
ati ale transformatei Fourier reduce
ROC la |z| > 1.
130
Daca:
X(z) = Z{x(n)}, r1 < |z| < r2

si a C, atunci
Z{an x(n)} = X(a1 z), |a|r1 < |z| < |a|r2 .
Demonstratie:
n
Z{a x(n)} =
a x(n)z
n=
x(n)(a1 z)n = X(a1 z).
n=
Exemplul 36 .
Vom calcula transformatele n z ale secventelor:
1. x1 (n) = an (cos 0 n)u(n);
2. x1 (n) = an (sin 0 n)u(n);
Rezolvare:
Aplicand rezultatele de la Exemplul 34 si scalarea n domeniul z rezulta:
1. Pentru x1 (n) = an (cos 0 n)u(n):
X1 (z) =
1 az 1 cos 0
,
1 2az 1 cos 0 + a2 z 2
regiunea de convergenta fiind |z| > |a|.

2. Pentru x2 (n) = an (sin 0 n)u(n):
X3 (z) =
az 1 sin 0
,
1 2az 1 cos 0 + a2 z 2

Reflexia (inversarea timpului)
Daca:
X(z) = Z{x(n)}, r1 < |z| < r2 ,
atunci
Z{x(n)} = X(z 1 ),
1
1
< |z| < .
r2
r1

a
131
Demonstratie:
Z{x(n)} =
x(n)z
z}|{ X
=
x(n)z n = X(z 1 ).
nn
n=
n=
Diferentierea n domeniul z
Daca:
X(z) = Z{x(n)}, z ROC,
atunci
Z{nx(n)} = z
dX(z)
, z ROC.
dz
Demonstratie:
Z{nx(n)} =
n=
nx(n)z n = z
n=
x(n)(nz n1 ) =z
x(n)
n=
d(z n )
dz
si dupa ce schimbam ordinea dintre nsumare si derivare, obtinem:

!
X
n
d
x(n)z
X
d(z n )
dX(z)
n=
Z{nx(n)} = z
x(n)
= z
= z
,
dz
dz
dz
n=
Exemplul 37 .
Ne propunem s
a calculam transformata n z a secventei x(n) = nan u(n).
Rezolvare:
Aplicand rezultatele de la Exemplul 33 si diferentierea n domeniul z rezulta:

1
d
d [Z{an u(n)}]
az 1
1 az 1
n
Z{na u(n)} = z
= z
=
,
dz
dz
(1 az 1 )2
Convolutia a doua secvente
132
Daca:
X1 (z) = Z{x1 (n)}, z ROC1

si
X2 (z) = Z{x2 (n)}, z ROC2 ,
atunci
X1 (z)X2 (z) = Z{x1 (n) x2 (n)}, z ROC1
ROC2 .
(4.4)
Demonstratie:
Pornim direct de la definitiile transformatei n z si a convolutiei dintre doua semnale
discrete n timp:
!
X
X
X
Z{x1 (n) x2 (n)} =
x1 (n) x2 (n)z n =
x1 (k)x2 (n k) z n ,
n=
n=
dupa care schimbam ordinea dintre sume:

!
X
X
X
n
x1 (k)x2 (n k) z =
x1 (k)
n=
k=
k=
z}|{ X
=
x1 (k)
nkn
k=
n=
x2 (n)z
= X2 (z)
k=
n=
x2 (n k)z n+k
z k
x1 (k)z k = X1 (z)X2 (z),
k=

Aceasta teorema este un rezultat teoretic important n analiza sistemelor liniare si
invariante n timp, astfel aratandu-se ca unei convolutii n domeniul timp i corespunde
multiplicarea transformatelor n z. De asemenea, aceasta proprietate ne prezinta o modalitate de calcul foarte utila n aplicatii, fiind la baza multor implementari n prelucrarea
numerica a semnalelor.
Exemplul 38 .
Vom afla acum convolutia secventelor aperiodice:
x1 (n) = {. . . , 0, 0, 1, 1, 1, 0, 0, 0, 0, . . .}
si
x2 (n) = {. . . , 0, 0, 0, 1, 1, 1, 0, 0, 0, . . .}.

a
133
Rezolvare:
Avem:
X1 (z) = z + 1 + z 1
si
X2 (z) = 1 + z 1 + z 2 ,
deci
X1 (z)X2 (z) = z + 2 + 3z 1 + 2z 2 + z 3 .
prin urmare:
(x1 x2 )(n) = {. . . , 0, 1, 2, 3, 2, 1, 0, . . .}.
Corelatia a doua secvente

Daca:
X1 (z) = Z{x1 (n)}, z ROC1
si
X2 (z) = Z{x2 (n)}, z ROC2 ,
atunci
X1 (z)X2 (z 1 ) = Z{rx1 x2 (l)}, z ROC1
ROC2 .
Demonstratia acestei proprietati rezulta din proprietatea anterioara, din relatia dintre
convolutie si corelatie (2.16) si reflexia timpului.
Multiplicarea a doua secvente
Daca:
X1 (z) = Z{x1 (n)}, r1 < |z| < r2 ,
X2 (z) = Z{x2 (n)}, R1 < |z| < R2
si x(n) = x1 (n)x2 (n), atunci
1
X(z) = Z{x1 (n)x2 (n)} =
2j
z dv
X1 (v)X2 ( ) , r1 R1 < |z| < r2 R2 ,
v v
C
(4.5)
unde C este un curba nchisa care nconjoara originea si se afla n regiunea comuna de
convergenta a lui X1 (v) si X2 ( v1 ).
134
Demonstratie:
Folosim definitiile transformatei n z si a inversei transformatei n z (4.2):

I

X
X
1
n1
n
X1 (v)v
dv x2 (n)z n ,
Z{x1 (n)x2 (n)} =
x1 (n)x2 (n)z =
2j
C
n=
n=
dupa care schimbam ordinea dintre nsumare si integrare:
!

I
I

X
X
1
1
n1
n
n n
X1 (v)v
dv x2 (n)z =
X1 (v)
v 1 dv =,
x2 (n)v z
2j C
2j C
n=
n=
1
2j
X1 (v)
C
"
x2 (n)
n=
z n
v
1
dv=
2j
z
X1 (v)X2 ( )v 1 dv,
v
C

Aceasta proprietate se reduce la:
1
X() =
2
X1 ()X2 ( )d
daca alegem z = ej si v = ej n (4.5).

De asemenea, din (4.5) avem:
Z{x1 (n)x2 (n)}
adica:
1
=
2j
x1 (n)x2 (n)z n
n=
X1 (v)X2 (
1
=
2j
z dv
) ,
v v
X1 (v)X2 (
z dv
) .
v v
Facem z = 1 si astfel am obtinut teorema lui Parseval pentru transformata n z:

Teorema 12 .
Daca x1 (n) si x2 (n) sunt dou
a secvente de numere complexe, atunci
I
X
1 dv
1
X1 (v)X2 ( ) ,
x1 (n)x2 (n) =
2j C
v v
n=
n aceleasi conditii ca si la multiplicarea a dou
a secvente.
Daca v = ej , atunci (4.6) se reduce la:
n=
x1 (n)x2 (n)
1
=
2
X1 ()X2 ()d,
(4.6)
4.2 Functii de sistem
135
x(n)
X(z)
ROC
(n)
u(n)
1
1 z 1
|z| > 1
an u(n)
1
1 az 1
|z| > |a|
nan u(n)
az 1
(1 az 1 )2
|z| > |a|
zC
Tabelul 4.1: Semnale discrete n timp si cauzale mpreuna cu transformatele lor n z

adica relatia lui Parseval (3.20) pentru transformata Fourier a secventelor aperiodice de
la pagina 106.
Pentru un semnal discret n timp x(n) si cauzal (x(n) = 0, n < 0), transformata sa n
z se simplifica:
X(z) =
X
n=0
x(n)z n = x(0) + x(1)z 1 + x(2)z 2 + x(3)z 3 +
Daca z , atunci avem teorema valorii initiale:

x(0) = lim X(z).
z
In tabelele 4.1, 4.2 si 4.3 prezentam transformatele n z cele mai des folosite n
prelucrarea numerica a semnalelor.
4.2
Functii de sistem
Transformata n z ne permite sa stabilim o noua legatura ntre intrarea unui sistem si

raspunsul acestuia la semnale discrete n timp. Luand n considerare teorema convolutiei
136
x(n)
X(z)
ROC
an u(n 1)
1
1 az 1
|z| < |a|
nan u(n 1)
az 1
(1 az 1 )2
|z| < |a|
Tabelul 4.2: Semnale discrete n timp si anticauzale mpreuna cu transformatele lor n z
x(n)
X(z)
ROC
(cos 0 n)u(n)
1 z 1 cos 0
1 2z 1 cos 0 + z 2
|z| > 1
(sin 0 n)u(n)
z 1 sin 0
1 2z 1 cos 0 + z 2
|z| > 1
an (cos 0 n)u(n)
1 az 1 cos 0
1 2az 1 cos 0 + a2 z 2
|z| > |a|
an (sin 0 n)u(n)
az 1 sin 0
1 2az 1 cos 0 + a2 z 2
|z| > |a|
Tabelul 4.3: Secvente sinusoidale cauzale mpreuna cu transformatele lor n z

de la transformata n z (pagina 132) si cu referire la figura 4.5, rezulta echivalenta data
de relatia:
y(n) = h(n) x(n) Y (z) = H(z)X(z),
unde:
(4.7)
4.2 Functii de sistem
137
x(n)
y(n)
h(n)
Y (z)
X(z)
H(z)
Figura 4.5: Echivalenta dintre secventa pondere si functia de sistem
Definitia 37 .
Se numeste functie de sistem2 pentru un sistem discret liniar si invariant n timp transformata n z a secventei pondere:
H(z) = Z{h(k)}.
Functia de sistem H(z) reprezinta caracterizarea n domeniul z a sistemului, asa cum
secventa pondere h(n) caracterizeaza sistemul n domeniul timp si asa cum raspunsul la
frecventa H() o face la randul lui n domeniul frecventa.
Functia de sistem poate fi calculata si daca se cunoaste o singura pereche intrare iesire, care poate sa nu fie neaparat perechea impuls unitate - secventa pondere:
H(z) =
Y (z)
.
X(z)
(4.8)
In cazul sistemelor discrete liniare si invariante n timp relatia de intrare - iesire se

poate scrie sub forma (pagina 39):
y(n) =
N
X
k=1
ak y(n k) +
M
X
k=0
bk x(n k),
adica o ecuatie cu diferente finite si cu coeficienti constanti. Daca aplicam transformata

n z n ambii termeni ai egalitatii precedente si utilizam proprietatile translatiei n timp
(4.3), rezulta:
N
M
X
X
k
Y (z) =
ak z Y (z) +
bk z k X(z),
k=1
k=0
deci
H(z) =
Y (z)
=
X(z)
M
X
bk z k
k=0
N
X
1+
k=1
Uneori o vom numi si functia sistemului.
.
ak z k
(4.9)
138
Am obtinut:
Teorema 13 .
Functia de sistem pentru un sistem liniar si invariant n timp, descris de o ecuatie cu
diferente finite si cu coeficienti constanti, este o functie rationala.
Distingem urmatoarele cazuri particulare:
1. ak = 0, k = 1, 2, . . . , N , deci
H(z) =
M
X
bk z k = z M
k=0
M
X
bk z M k .
k=0
In acest caz H(z) va contine M zerouri, determinate de parametrii bk ai sistemului.

In plus exista un pol de ordin M n origine. Deoarece sistemul are numai poli banali
z = 0 si M zerouri netriviale, l vom numi sistem (numai) cu zerouri. Astfel de
sisteme sunt cele FIR sau cu medie alunecatoare (Moving Average - MA).
2. bk = 0, k = 1, 2, . . . , M , atunci
H(z) =
1+
b0
N
X
ak z k
k=1
b0 z N
=
.
N
X
N k
1+
ak z
k=1
H(z) are N poli determinati de parametrii sistemului ak si un zerou de ordin N n

origine. Un astfel de sistem l vom numi sistem numai cu poli. Datorita prezentei
polilor, raspunsul la impuls este infinit n durata si deci clasa aceasta cuprinde numai
sisteme IIR. Astfel de sisteme sunt cele autoregresive (Autoregressive - AR).
3. Cazul general:
H(z) =
M
X
bk z k
k=0
N
X
1+
ak z k
k=1
este alcatuit din sisteme pol - zerouri cu N poli si M zerouri. Polii si zerourile de la
z = 0 si de la z = sunt subntelesi, deci nenumarati. Datorita prezentei polilor,
un sistem pol - zerouri contine numai sisteme IIR. Sisteme acestea se mai numesc
autoregresive si cu medie alunecatoare (Autoregressive Moving Average - ARMA)
4.3 Functii rationale n z
4.3
139
Functii rationale n z
Din tabelele 4.1, 4.2 si 4.3 deducem ca dintre cele mai des folosite transformate n z n
prelucrarea numerica a semnalelor sunt cele reprezentate sub forma de functie rationala.
Definitia 38 .
Se numeste functie rationala un raport de dou
a polinoame n z 1 :
X(z) =
M
X
b0 + b1 z + + bM z
= k=0
1
N
N
a0 + a 1 z + + aN z
X
bk z k
.
(4.10)
ak z k
k=0
Cand a0 6= 0 si b0 6= 0, putem factoriza X(z) sub forma:

M
X
b0
X(z) = z N M k=0
N
a0
X
bk z
M k
ak z N k
k=0
M
Y
(z zk )
b0 N M k=1
.
= z
N
a0
Y
(z pk )
k=1
Astfel X(z) se anuleaza pentru z = zk , k = 1, 2, . . . , M . De asemenea X(z) este infinita

pentru z = pk , k = 1, 2, . . . , N .
Definitia 39 .
Daca X(zk ) = 0, atunci zk este un zerou al functiei rationale X(z).
Daca X(pk ) = , atunci pk este un pol al functiei rationale X(z).
Prin urmare pentru functia rationala data de (4.10) avem M zerouri finite: z1 , z2 , . . . ,
zM si N poli finiti: p1 , p2 , . . . , pN . In plus gasim ntotdeauna alte |N M | puncte critice
n origine. Acestea sunt:
N M zerouri, daca N > M , sau
M N poli, daca M > N .
Observatia 22 .
Folosind simbolurile consacrate din teoria sistemelor:
1. Un zerou se deseneaza n planul complex prin .
2. Un pol se deseneaza n planul complex prin .
140
Im(z)
a
x
Re(z)
Figura 4.6: Configuratia poli-zerouri pentru transformata n z de la Exemplul 39

Exemplul 39 .
Pentru x(n) = an (cos 0 n)u(n) am obtinut (Exemplul 36):
X(z) =
z(z a cos 0 )
1 az 1 cos 0
,
1
2 2 = 2
1 2az cos 0 + a z
z 2az cos 0 + a2
regiunea de convergent
a fiind |z| > |a|. Vom avea astfel dou
a zerouri pe axa reala z1 = 0,
z2 = a cos 0 si doi poli la p1,2 = aej0 pe cercul de raza r = a, asa cum sunt prezentati
n figura 4.6.
4.4
Calculul inversei transformatei n z pentru functii

rationale
In principiu exista trei metode diferite pentru calculul inversei transformatei n z:

Calculul cu ajutorul relatiei de la definitia transformatei n z inversa (4.2):
I
1
x(n) =
X(z)z n1 dz;
2j C
Dezvoltarea n serii de termeni utilizand variabilele z si z 1 ;
Dezvoltarea n fractii simple si utilizarea tabelelor cu formule, cum sunt tabelele 4.1, 4.2
si 4.3.
4.4 Calculul inversei transformatei n z
141
Prima metoda se bazeaza pe teorema reziduurilor a lui Cauchy si nu este folosita

prea des n implementari. Necesita evaluarea integralei complexe si probabil aceste este
motivul pentru care este evitata n mod obisnuit. Mai mult ultimele doua modalitati de
calcul sunt preferate, fiindca dezvoltarea algoritmilor numerici este mult mai usoara.
4.4.1
Calculul cu ajutorul relatiei de la definitia transformatei

n z invers
a
Reamintim pentru nceput o formulare a teoremei reziduurilor a lui Cauchy, adecvata

scopurilor noastre:
Teorema 14 .
Fie f (z) o functie de variabil
a complexa si C o curba nchisa n planul z.
df (z)
exist
a pe si n interiorul curbei C, si dac
a f (z) nu are un pol n
Daca derivata
dz
z = z0 , atunci:
(
I
f (z0 ), z0 este in interiorul lui C;
f (z)
1
(4.11)
dz =
2j C z z0
0, z0 nu este in interiorul lui C.
Daca derivata a (k + 1)-a a lui f (z) exist
a pe si n interiorul curbei C, si dac
a f (z) nu
are un poli n z = z0 , atunci:
dk1 f (z)
1
I
|
, z este in interiorul lui C;
f (z)
1
(k 1)! dz k1 z=z0 0
dz
=
(4.12)
2j C (z z0 )k
0, z0 nu este in interiorul lui C.
Definitia 40 .
Valorile din membrul drept al ecuatiilor (4.11) si (4.12) se numesc reziduurile lui f (z)
n punctul z = z0 .
f (z)
, unde f (z) nu are poli n
g(z)
interiorul conturului C si g(z) este un polinom cu radacini distincte si simple: z1 , z2 , . . . ,
zn din interiorul lui C. Atunci:
#
I
I "X
n
Ai (z)
1
1
f (z)
dz =
dz =
2j C g(z)
2j C i=1 z zi
I
X
n
n
X
1
Ai (z)
dz =
Ai (zi ),
2j C z zi
i=1
i=1
Acum sa presupunem ca avem ca si integrand expresia
142
unde
Ai (z) = (z zi )
f (z)
.
g(z)
Valorile Ai (zi ), i = 1, 2, . . . , n sunt reziduurile n polii corespunzatori z = zi , i =

1, 2, . . . , n.
Daca g(z) are radacini multiple, atunci se procedeaza analog utilizand formula (4.12).
Exemplul 40 .
Vom afla acum inversele urm
atoarelor transformate n z:
1.
X1 (z) =
1
, |z| > 0, 5;
(z 0, 25)(z 0, 5)
2.
X2 (z) =
z2
, |z| > 0, 5.
(z 0, 5)2
Rezolvare:
1. Pentru X1 (z) distingem doua cazuri:

n = 0:
1
x(0) =
2j
X(z)z 1 dz =
C
unde
Ai (zi ),
i=1
z zi
.
z(z 0, 25)(z 0, 5)
Ai (z) =
Prin urmare:
x1 (0) =
3
X
1
1
|z=0 +
|z=0,25 +
(z 0, 25)(z 0, 5)
z(z 0, 5)
1
|z=0,5 = 0.
z(z 0, 25)
n > 0:
1
x1 (n) =
2j
X1 (z)z
C
unde acum:
Ai (z) =
n1
dz =
2
X
i=1
(z zi )n1
.
(z 0, 25)(z 0, 5)
Ai (zi ),
143
Prin urmare:
x1 (n) =
z n1
z n1
|z=0,25 +
|z=0,5 = 8 0, 5n 16 0, 25n .
z 0, 5
z 0, 25
Deci x1 (n) = (8 0, 5n 16 0, 25n )u(n).

2. Pentru nceput calculam doar pe X2 (z)z n1 = z n+1 (z 0, 5)2 . Apoi utilizand
(4.12) avem:
I
I
1
1
z n+1
n1
x2 (n) =
dz =
X2 (z)z
dz =
2j C
2j C (z 0, 5)2
d n+1
d
[(z 0, 5)2 X2 (z)z n1 ] = lim
[z ] = (n + 1)0, 5n .
z0,5 dz
z0,5 dz
= lim
4.4.2
Inversa transformatei n z prin dezvoltarea n serii de termeni utiliz

and variabilele z si z 1
Aceasta metoda se bazeaza pe urmatorii pasi:

1. Se da:
X(z) - transformata n z;
ROC - regiunea sa de convergenta corespunzatoare.
2. Peste aceasta multime (ROC) se dezvolta X(z) n serie de puteri:
X(z) =
cn z n ;
n=
3. Se identifica coeficientii cn cu esantioanele x(n).

Aceasta metoda este avantajoasa cand vrem sa determinam un numar mic de esantioane.
Exemplul 41 .
S
a se determine primele 4 esantioane nenule ale secventelor cu transformata n z:
1. X1 (z) =
z2
, |z| > 0, 5;
1 0, 5z 1
2. X2 (z) =
0, 5z
1
, |z| <
.
1 1, 5z
1, 5
Rezolvare:
144
1. Avem pentru 0, 5|z|1 < 1:

X1 (z) =
z2
=
1 0, 5z 1
= z 2 (1 + 0, 5z 1 + 0, 25z 2 + 0, 125z 3 + 0, 0625z 4 + ) =

= z 2 + 0, 5z 3 + 0, 25z 0 + 0, 125z 1 + 0, 0625z 2 +
deci
x1 (n) =
1
1 1 2
1
, ( ) , ( )3 , ( )4 , . . . .
2 2
2
2
. . . , 0, 0, 0, 1,
2. Cand 1, 5|z| < 1, atunci:
X2 (z) =
0, 5z
=
1 1, 5z
= 0, 5z (1 + 1, 5z 1 + 2, 25z 2 + 3, 375z 3 + 5, 0625z 4 + ) =

= 0, 5z + 0, 75z 2 + 1, 125z 2 + 1, 6875z 3 + 2, 5312z 4 +
deci
x2 (n) =
4.4.3
...,
1 3 4 1 3 3 1 3 2 1 3 1
( ) , ( ) , ( ) , , , 0, 0, 0, . . . .
2 2
2 2
2 2
2 2 2
Inversa transformatei n z prin dezvoltarea n fractii simple si utilizarea tabelelor cu formule
In aceasta situatie vom proceda astfel:

1. Vom scrie transformata X(z) sub forma:
X(z) = 1 X1 (z) + 2 X2 (z) + + K XK (z),
unde perechile de transformate n z
z
xi (n) Xi (z), i = 1, 2, . . . , K,
sunt disponibile ntr-un tabel.
145
2. De aici va rezulta secventa x(n):

x(n) = 1 x1 (n) + 2 x2 (n) + + K xK (n).
Aceasta metoda este utila daca X(z) este o functie rationala:
X(z) =
M
X
bk z k
k=0
N
X
1+
.
ak z
k=1
Definitia 41 .
O functie rationala este proprie dac
a aN 6= 0 si M < N .
O functie rationala este improprie dac
a M N.
Observatia 23 .
O functie rationala proprie are mai putine zerouri finite decat poli finiti.
O functie rationala improprie este suma dintre un polinom si o functie rationala proprie.
In cele ce urmeaza ne vom ocupa numai de functii rationale proprii, fiindca transformata
n z inversa pentru cele improprii se reduce simplu la acest caz. Avem:
b0 z N + b1 z N 1 + + bM z N M
b0 + b1 z 1 + + bM z M
=
.
X(z) =
1 + a1 z 1 + + aN z N
z N + a1 z N 1 + + aN
Cum M < N , putem scrie:
X(z)
b0 z N 1 + b1 z N 2 + + bM z N M 1
=
.
z
z N + a1 z N 1 + + aN
(4.13)
In continuare vom dezvolta X(z)/z n fractii simple. Avem urmatoarele posibilitati:

Poli distincti: p1 , p2 , , pN .
Atunci:
A1
A2
AN
X(z)
=
+
+ +
,
z
z p1 z p2
z pN
(4.14)
unde coeficientii Ak , k = 1, 2, . . . , N se determina astfel:
Rezolvand sistemul rezultat prin aducerea la numitor comun a expresiei din

membrul drept al egalitatii (4.14) si identificarea coeficientilor numaratorului
acesteia cu coeficientii numaratorului din (4.13);
146
Aplicand relatia:
Ak =
(z pk )X(z)
|z=pk , k = 1, 2, . . . , N.
z
De remarcat ca daca coeficientii numitorului si numaratorului sunt reali: ak , bk R,

atunci vom avea perechi de poli complex conjugati: pk , pk si coeficientii de la numarator
vor putea fi la fel perechi de numere complex conjugate: Ak , Ak .
Din (4.14) avem:
X(z) =
A1
A2
AN
+
+ +
1
1
1 p1 z
1 p2 z
1 pN z 1
(4.15)
si urmatoarea formula este foarte utila pentru determinarea secventei x(n) cauzale, respectiv anticauzale:

pnk u(n), |z| > |pk |;
Ak
1
=
Z
1 pk z 1
pnk u(n 1), |z| < |pk |.
De exemplu, daca suntem interesati sa aflam secventa cauzala, atunci din (4.15),
rezulta:
x(n) = (A1 pn1 + A2 pn2 + + AN pnN )u(n),
pentru |z| > max{|p1 |, |p2 |, . . . , |pN |}. In consecinta x(n) este o suma de exponentiale, iar
polii subunitari n modul vor genera exponentiale amortizate.
O pereche de poli complex conjugati adauga si un factor multiplicativ sinusoidal. Din
xk (n) = [Ak pnk + Ak (pk )n ]u(n)
si
Ak = |Ak |ejAk ,
obtinem:
pk = |pk |ejpk ,
Ak = |Ak |ejAk ,
pk = |pk |ejpk ,
xk (n) = 2|Ak |rkn cos(pk n + Ak )u(n).

Poli multipli
Presupunem ca X(z) are un pol de multiplicitate l dat de factorul (z pk )l . In aceasta
situatie dezvoltarea n fractii simple a lui X(z)
va contine suma cu termenii:
z
A2k
Alk
A1k
+
+ +
,
2
z pk (z pk )
(z pk )l
(4.16)
4.5 Descompunerea functiilor rationale n z
147
unde coeficientii Ask se determina cu:

(ls)

d
(z pk )m X(z)
1
|z=pk ,
Ask =
(l 1)! dz (ls)
z
s = 1, 2, . . . , m.
Transformatele n z inverse ale expresiilor din membrul drept al relatiei (4.16) se pot obtine
aplicand de cateva ori teorema diferentierii n domeniul z. Astfel pentru un semnal cauzal
avem:

pk z 1
1
Z
= npnk u(n), |z| > pk .
(1 pk z 1 )2
Exemplul 42 .
Vom calcula transformata n z invers
a pentru:
X1 (z) =
z+2
;
2z 2 7z + 3
X2 (z) =
stiind ca semnale sunt cauzale.
z
,
(z 0, 5)(z 1)2
Rezolvare:
1. Deoarece:
2
1
1
X1 (z)
=
+
,
z
3z z 0, 5 3(z 3)
rezulta:
1
2
x1 (n) = (n) 0, 5n u(n) + 3n u(n).
3
3
2. Avem:
X2 (z)
4
2
4
=
+
,
2
z
z 0, 5 (z 1)
z1
deci
x2 (n) = (4 0, 5n + 2n 4)u(n).
4.5
Descompunerea functiilor rationale n z
Este momentul sa detaliem cateva aspecte ale descompunerii n fractii simple a functiilor
rationale n z. Subiectul este important la implementarea sistemelor numerice. Fie:
X(z) =
M
X
bk z
k=0
N
X
1+
k=1
Distingem doua situatii:
ak z k
M
Y
(1 zk z 1 )
.
= b0 k=1
N
Y
(1 pk z 1 )
k=1
148
M < N : functia de sistem este o functie rationala proprie:

X(z) =
A2
AN
A1
+
+ +
1
1
1 p1 z
1 p2 z
1 pN z 1
M N : functia de sistem este o suma dintre o functie rationala proprie si un

polinom n z:
X(z) =
M
N
X
ck z k +
k=0
A1
A2
AN
+
+
+
1 p1 z 1 1 p2 z 1
1 pN z 1
Daca polii pk R sunt reali, implementarea se poate face direct din descompunerea
n fractii simple de forma:
bk
.
1 + ak z 1
Daca polii pk , pk R sunt complex conjugati, vom evita sa facem calcule cu secvente
complexe, deoarece n general se lucreaza mai usor cu numere reale. Asociem termenii
corespunzatori perechii respective:
Ak
Ak
Ak + Ak (Ak pk + Ak pk )z 1
+
=
=
1 pk z 1 1 pk z 1
1 (pk + pk )z 1 + (pk pk )z 2
=
unde
b0k + b1k z 1
,
1 + a1k z 1 + a2k z 2
a1k = 2Re(pk );
b0k = 2Re(Ak );
a2k = |pk |2 ;
b1k = 2Re(Ak pk ).
Putem deci scrie (K1 + 2K2 = N ):

X(z) =
M
N
X
ck z
k=0
K1
X
k=1
2
X
bk
b0k + b1k z 1
+
,
1 + ak z 1 k=1 1 + a1k z 1 + a2k z 2
ceea ce ne sugereaza o implementare a sistemului analizat sub forma unei structuri n

paralel.
De asemenea X(z) se poate dezvolta sub forma unui produs de termeni corespunzatori
polilor reali si perechilor de poli complecsi (K1 + 2K2 = N ):
X(z) =
M
Y
(1 zk z 1 )
b0 k=1
N
Y
(1 pk z 1 )
k=1
K2
K1
Y
1 + d1k z 1 + d2k z 2
1 + dk z 1 Y
,
= b0
1 + ck z 1 k=1 1 + c1k z 1 + c2k z 2
k=1
4.6 Transformata n z unilateral

a
149
unde
c2k = |pk |2 ;
c1k = 2Re(pk );
d2k = |zk |2 .
d1k = 2Re(zk );
Acest rezultat ne ajuta cand dorim sa facem implementarea sistemului liniar si invariant
n timp sub forma de cascada.
4.6
Transformata n z unilateral
a
Pentru x(n) o secventa data si pentru z C un punct din planul complex am introdus n
sectiunea 4.1 transformata n z bilaterala prin:
X(z) =
x(n)z n ,
n=
pe care am notat-o si prin:

X(z) = Z{x(n)};
x(n) = Z 1 {X(z)};
sau
z
x(n) X(z)
si care a facut obiectul studiului nostru pana acum de-a lungul acestui capitol. S-a dovedit
ca aceasta este utila n studiul sistemelor la care se cunosc toate valorile esantioanelor pe
toata axa timpului. Daca sistemul este nsa nerelaxat, atunci el este descris prin ecuatii
cu diferente finite si cu coeficienti constanti si are conditii initiale nenule. In acest caz
transformata n z bilaterala nu mai poate folosita, deoarece nu are modalitati de control
asupra starii sistemului liniar si invariant n timp. Introducem:
Definitia 42 .
Transformata n z unilaterala asociata secventei {x(n)}nZ si punctului z C este dat
a
de seria de puteri:
X
X + (z) =
x(n)z n .
(4.17)
n=0
Transformata n z unilaterala o vom nota prin:

X + (z) = Z + {x(n)}
150
sau
z+
x(n) X + (z)
Observatia 24 .
1. Este clar ca transformata n z unilaterala difer
a de transformata n z bilaterala,
ns
a am
andoua coincid dac
a x(n) este cauzal, adic
a:
X + (z)|x(n) = X(z)|x(n)u(n) .
2. Transformata n z unilaterala nu contine informatii despre secventa x(n) pentru
indecsii negativi n < 0.
3. Transformata n z unilaterala este unic
a doar pentru semnale cauzale.
Dintre proprietatile transformatei n z unilaterale amintim n mod special:
Translatia n timp
Daca:
X + (z) = Z + {x(n)}, z ROC
si k Z, atunci
"
Z + {x(n k)} = z k X + (z) +

"
Z + {x(n + k)} = z k X + (z) +

Demonstratie:
Fie k > 0. Atunci:
Z + {x(n k)} =
"
X
n=0
= zk
"
X
p=0
1
X
p=k
Z {x(n + k)} =
n=1
k1
X
x(n)z n , k > 0;
(4.18)
x(n)z n , k > 0;
n=0
X
z}|{ X
=
x(p)z (p+k) = z k
x(p)z p =
nkp
x(n k)z n
= z k X + (z) +
k
X
p=k
p=k
# pn
"
#
k
X
z}|{
x(p)z p = z k X + (z) +
x(n)z n ;
n=1
x(n + k)z
n=0
x(p)z p
k1
X
p=0
n+kp X
z}|{
=
#
p=k
x(p)z
"
p+k
x(p)z p = z k X + (z) +
=z
X
p=k
k1
X
n=0
x(p)z p =
#
x(n)z n ,
4.6 Transformata n z unilateral

a
4.6.1
151
Rezolvarea ecuatiilor cu diferente finite si cu coeficienti

constanti
Transformata n z unilaterala poate fi folosita cu succes la aflarea solutiilor ecuatiilor

cu diferente finite si cu coeficienti constanti, cu conditii initiale nenule. Se reduce astfel
ecuatia cu diferente din domeniul timp la o ecuatie algebrica echivalenta n transformate
n z unilaterale. Un element esential la aplicarea acestei metode este utilizarea uneia
dintre proprietatile transformatei n z unilaterale amintita anterior, si anume translatia
n timp.
Exemplul 43 .
Vom determina acum raspunsul sistemului descris de ecuatia cu diferente finite:
y(n) = (1 )y(n 1) + x(n)
(4.19)
la secventa treapt
a unitate de amplitudine , dac
a avem dat
a conditia initiala y(1) 6= 0.
Rezolvare:
Aplicam transformata n z la ambii membrii ai egalitatii (4.19) si dupa ce tinem cont de
proprietatile translatiei n domeniul timp a transformatei n z unilaterale, obtinem:
Y + (z) = (1 )[z 1 Y + (z) + y(1)] + X + (z).
Dar
+
X (z) =
z n =
n=0
deci:
,
1 z 1
Y + (z)[1 (1 )z 1 ] = (1 )y(1) +
sau
Y + (z) =
(1 )y(1) +
1 z 1
1 z 1 .
1 (1 )z 1
Cum: = 1 (1 )z 1 (1 )(1 z 1 ), din:

Y + (z) =
=
(1 )y(1)
+
=
1 (1 )z 1 (1 z 1 )[1 (1 )z 1 ]
(1 )y(1)
(1 )
(1 )[y(1) ]
+
=
+
1 (1 )z 1 1 z 1 1 (1 )z 1
1 (1 )z 1
1 z 1
rezulta:
y(n) = { + (1 )[y(1) + ](1 )n } u(n).
152
4.7
Analiza sistemelor liniare si invariante n timp n

domeniul z
Ne propunem n cele ce urmeaza sa discutam mai n detaliu utilizarea functiilor de sistem

la calculul raspunsului sistemelor liniare si invariante n timp la o excitatie oarecare. Ne
vom concentra atentia atat asupra sistemelor relaxate, cat si a celor cu conditii initiale
nenule. Ne vom rezuma doar la clasa sistemelor liniare si invariante n timp descrise prin
functii de sistem rationale, cea mai des ntalnita situatie n implementari.
4.7.1
R
aspunsul sistemelor liniare, invariante n timp si relaxate
In cazul sistemelor discrete liniare si invariante n timp relatia de intrare - iesire se poate
scrie sub forma (pagina 39):
y(n) =
N
X
k=1
ak y(n k) +
M
X
k=0
bk x(n k),
adica o ecuatie cu diferente finite si cu coeficienti constanti.

Daca aplicam transformata n z n ambii termeni ai egalitatii precedente si utilizam
proprietatile translatiei n timp (4.3), rezulta pentru functia de sistem (fig. 4.5) H(z) o
reprezentare sub forma de functie rationala:
H(z) =
M
X
bk z k
k=0
N
X
1+
=
ak z k
B(z)
,
A(z)
k=1
unde B(z) si A(z) sunt polinoamele corespunzatoare numaratorului si respectiv numitorului functiei de sistem. Din tabelele 4.1, 4.2 si 4.3 am dedus ca dintre cele mai des
folosite transformatele n z n prelucrarea numerica a semnalelor sunt cele reprezentate
sub forma de functie rationala:
P (z)
,
X(z) =
Q(z)
unde prin P (z) si respectiv Q(z) am notat polinoamele corespunzatoare numaratorului si
respectiv numitorului transformatei n z a intrarii. Aceasta conditie este relativ nerestrictiva, deoarece majoritatea semnalelor discrete n timp au transformata n z de aceasta
forma. Prin urmare n analiza noastra vom lua n discutie doar aceasta situatie.
4.7 Analiza sistemelor liniare si invariante n timp n domeniul z
153
Daca sistemul este initial relaxat, adica daca conditiile initiale pentru ecuatia cu
diferente finite si cu coeficienti constanti sunt zero:
y(1) = y(2) = = y(N ) = 0,
putem utiliza transformata n z pentru calculul raspunsului sistemului liniar si invariant
n timp la o excitatie oarecare:
Y (z) = H(z)X(z) =
B(z) P (z)
.
A(z) Q(z)
Presupunerea 1 .
1. pi , i = 1, 2, . . . , N sunt polii lui H(z);
2. qk , k = 1, 2, . . . , L sunt polii lui X(z);
3. pi 6= qk , i = 1, 2, . . . , N si k = 1, 2, . . . , L.
Prin ultima presupunere solicitam ca zerourile numaratoarelor B(z) si P (z) sa nu coincida
cu polii functiilor de sistem. Astfel nu exista perechi poli - zerouri care trebuie simplificati,
adica am ajuns la o forma ireductibila.
Putem acum sa dezvoltam transformata n z a iesirii n fractii simple:
Y (z) =
N
X
k=1
X
Qk
Ak
+
,
1
1
1 pk z
1
q
kz
k=1
dupa care sa aplicam transformata n z inversa:

y(n) =
N
X
k=1
Ak pnk u(n) +
{z
raspunsul natural
L
X
k=1
Qk qkn u(n) .
{z
(4.20)
raspunsul fortat
Prin urmare raspunsul sistemului liniar si invariant n timp la o excitatie oarecare are
doua parti:
1. Prima parte este o functie numai de polii sistemului si se mai numeste raspuns
natural. Influenta semnalului de la intrare asupra raspunsului natural se realizeaza
prin factorii de scalare Ak .
2. A doua parte este o functie numai de polii semnalului de la intrare si se mai numeste
raspuns fortat. Influenta sistemului asupra raspunsului fortat se realizeaza prin
factorii de scalare Qk .
154
Desigur ca factorii de scalare Ak si Qk sunt functie de ambele seturi de poli: pi , i =

1, 2, . . . , N (polii lui H(z)) si qk , k = 1, 2, . . . , L (polii lui X(z)).
Daca:
X(z) sau H(z) au unul sau mai multi poli n comun
sau
X(z) sau H(z) au poli multiplii,
atunci Y (z) are poli multiplii.
In acest caz dezvoltarea n fractii simple va contine factori de forma (1 pl z 1 )k ,
k = 1, 2, . . . , m, unde m este ordinul polului. Aplicand transformata n z inversa, acesti
factori vor produce termeni de forma nk1 pnl (pagina 146).
Exemplul 44 .
Vom calcula acum raspunsul unui sistem LTI cu functia de transfer:
H(z) =
z 2
1 + 0, 81z 2
la secventa excitatie x(n) = (sin 0 n)u(n).

Rezolvare:
Secventa de intrare este un sinus cauzal, deci este diferita de secventa sinus cu suportul
ntreaga multime a numerelor ntregi. Prin urmare si raspunsurile celor doua secvente
sinus la acelasi sistem pot sa difere de la caz la caz.
Deoarece:
z 1 sin 0
,
X(z) =
1 2z 1 cos 0 + z 2
rezulta ca:
z 1 sin 0
z 2
Y (z) =
.
1 + 0, 81z 2 1 2z 1 cos 0 + z 2
Prin urmare:
z n sin 0
z n sin 0
|
+
|z=j0,9 +
y(n) =
z=j0,9
(z + j0, 9)(z ej0 )(z ej0 )
(z j0, 9)(z ej0 )(z ej0 )
+
adica:
z n sin 0
z n sin 0
j
|
+
| j0 ,
0
(z + j0, 9)(z j0, 9)(z ej0 ) z=e
(z j0, 9)(z + j0, 9)(z ej0 ) z=e
y(n) =
(j0, 9)n sin 0

(j0, 9)n sin 0
+
+
j1, 8(0, 19 j1, 8 cos 0 ) j1, 8(0, 19 + j1, 8 cos 0 )
ej0 n
ej0 n
+
+
.
j2(0, 81 + cos 20 + j sin 20 ) j2(0, 81 + cos 20 j sin 20 )
(4.21)
4.7.2
155
R
aspunsul sistemelor liniare si invariante n timp cu conditii
initiale nenule
In caz general raspunsul unui sistem liniar si invariant n timp cu conditii initiale nenule
se poate calcula cu suma de convolutie (fig. 4.5):
y(n) = x(n) h(n) =
k=
x(k)h(n k).
In cele ce urmeaza vom considera ca semnalul discret n timp x(n) este cunoscut
ncepand cu momentul n = 0 si ne propunem sa studiem contributia conditiilor initiale:
y(1), y(2), , y(N ),
asupra raspunsului sistemului liniar si invariant n timp. Conditiile initiale contin informatia
despre efectele esantioanelor anterioare ale semnalului de la intrare asupra iesirii.
Deoarece x(n) este un semnal cauzal si deoarece suntem interesati n determinarea
iesirii y(n) pentru n 0, putem utiliza transformata n z unilaterala care ne permite sa
lucram n conditii initiale nenule. Astfel din ecuatia cu diferente finite:
y(n) =
N
X
k=1
ak y(n k) +
M
X
k=0
bk x(n k),
obtinem:
+
Y (z) =
N
X
ak z
[Y (z) +
k
X
y(n)z )] +
n=1
k=1
M
X
bk z k X + (z).
k=0
Dar secventa x(n) este cauzala si deci X + (z) = X(z). Prin urmare avem:
Y + (z) =
M
X
bk z k
k=0
N
X
1+
ak z k
X(z)
N
X
ak z k
k=1
1+
k=1
k
X
y(n)z n
n=1
N
X
= H(z)X(z) +
ak z k
P0 (z)
,
A(z)
k=1
unde
P0 (z) =
N
X
k=1
ak z
k
X
y(n)z n .
n=1
Rezulta ca iesirea sistemului cu conditii initiale nenule poate fi la randul sau mpartita n
doua parti:
156
1. Prima parte este raspunsul n conditii initiale nule:

Yzs (z) = H(z)X(z).
2. A doua parte este raspunsul datorita conditiilor initiale nenule:
Yzi+ (z) =
P0 (z)
.
A(z)
Raspunsul total este suma acestor doua componente de iesire:

Y (z) = Yzs (z) + Yzi+ (z),
care poate fi calculata si n domeniul timp cu transformata n z inversa:
+
y(n) = yzs (n) + yzi
(n).
Cum numitorul lui Yzi+ (z) este A(z), polii sai vor fi p1 , p2 , . . . , pn si n consecinta vom avea:
+
yzi
(n) =
N
X
k pnk u(n).
k=1
Cum nsa (pagina 153):

yzs (n) = Z
{H(z)X(z)} =
am obtinut:
y(n) =
N
X
N
X
L
X
Qk qkn u(n)
k=1
k=1
Ak pnk u(n)
k=1
Ak pnk u(n)
L
X
Qk qkn u(n),
k=1
unde Ak = Ak + k .
Putem concluziona ca efectul conditiilor initiale consta n urmatoarele:
Raspunsul natural al sistemului se altereaza prin modificarea factorilor Ak ;
Nu se introduc poli noi prin conditiile initiale nenule;
Raspunsul fortat nu este afectat.
Exemplul 45 .
Pentru Exemplul 43, secventa de iesire poate fi scris
a astfel:
y(n) = { + (1 )[y(1) + ](1 )n } u(n) =
= u(n) + (1 )n+1 u(n) + y(1)(1 )n+1 u(n) .
{z
} |
{z
}
|
yzs(n)
+
(n)
yzi
4.7.3
157
R
aspuns tranzitoriu si r
aspuns permanent
Anterior am stabilit ca atat n cazul conditiilor initiale nule, cat si a celor nenule raspunsul
unui sistem liniar si invariant n timp este suma dintre raspunsul natural si cel fortat. Daca
sistemul este cauzal, atunci raspunsul natural este de forma:
N
X
Ak pnk u(n),
k=1
unde pk , k = 1, 2, . . . , N sunt polii sistemului, iar Ak , k = 1, 2, . . . , N sunt factorii de

scalare care depind de caracteristicile secventei de intrare si de conditiile initiale.
Desigur ca pentru orice pol subunitar n modul, contributia sa la raspunsul natural
se amortizeaza n timp. Intr-un astfel de caz raspunsul natural al sistemului se numeste
raspuns tranzitoriu. Masura n care raspunsul natural al sistemului descreste spre zero
depinde de marimea modulului polilor si este evident ca daca polii au un modul mic,
raspunsul tranzitoriu descreste rapid spre zero. Este de asemenea clar ca daca polii sunt n
apropierea cercului unitate, raspunsul tranzitoriu descreste ncet si raspunsul tranzitoriu
persista mai mult.
Raspunsul fortat al sistemului este de forma:
L
X
Qk qkn u(n),
k=1
unde qk , k = 1, 2, . . . , L sunt polii secventei excitatie, iar Qk , k = 1, 2, . . . , L sunt factorii

de scalare care depind de caracteristicile sistemului si de secventa de intrare. Daca toti
polii secventei de intrare se gasesc nauntrul cercului unitate, atunci raspunsul fortat
descreste spre zero, generand ca si n cazul precedent un semnal cu caracter tranzitoriu.
Pe de alta parte, daca semnalul de intrare cauzal este o sinusoida cu sau fara componenta continua, atunci polii se afla chiar pe cercul unitate si n consecinta raspunsul se
numeste raspuns permanent.
Exemplul 46 .
1. Revenim la Exemplul 43, unde secventa de iesire poate fi scris
a astfel (|| < 1):
y(n) =
u(n)
| {z }
raspuns permanent
+ {(1 )[y(1) + ](1 )n } u(n) .

|
{z
}
raspuns tranzitoriu
158
2. Cu referire la Exemplul 44, relatia (4.21) se mai poate scrie:

raspuns tranzitoriu
}|
{
(j0, 9)n sin 0
(j0, 9)n sin 0
+
+
y(n) =
j1, 8(0, 19 j1, 8 cos 0 ) j1, 8(0, 19 + j1, 8 cos 0 )
z
ej0 n
ej0 n
.
+
j2(0, 81 + cos 20 + j sin 20 ) j2(0, 81 + cos 20 j sin 20 )
{z
}
|
raspuns permanent
O discutie mai detaliata a acestui subiect poate fi gasita n [6].
4.8
Din nou despre stabilitatea sistemelor liniare si

invariante n timp
Un sistem liniar si invariant n timp este cauzal cand secventa sa pondere este nula pentru
indecsi negativi:
h(n) = 0,
n < 0.
Pentru astfel de secvente regiunea de convergenta a transformatei n z este exteriorul unui

cerc. Putem concluziona:
Propozitia 5 .
Un sistem liniar si invariant n timp este cauzal dac
a si numai dac
a regiunea de convergenta
a functiei sale de sistem este exteriorul unui cerc de raza r < , incluzand punctul de la
infinit z = .
Stabilitatea BIBO poate fi la randul ei caracterizata cu ajutorul functiilor de sistem.
Reamintim ca o conditie necesara si suficienta pentru stabilitatea BIBO este absoluta
sumabilitate a secventei pondere:
n=
|h(n)| < .
Putem dovedi simplu ca atunci functia de sistem H(z) are inclus cercul unitate n regiunea
sa de convergenta. Intr-adevar:
|H(z)|
n=
|h(n)z
|=
n=
|h(n)||z n |
159
si daca evaluam suma pe cercul unitate rezulta ca:

|H(z)|||z|=1
n=
|h(n)||z n |||z|=1 =
n=
|h(n)|.
Cum si reciproca este adevarata, putem enunta:

Propozitia 6 .
Un sistem liniar si invariant n timp este stabil dac
a si numai dac
a cercul unitate este
continut n regiunea de convergent
a a functiei sale de sistem.
Se observa ca n general conditiile de cauzalitate si stabilitate sunt diferite si nu se
implica una pe cealalta. Un sistem cauzal poate fi stabil sau nu, dupa cum, la randul sau
si un sistem anticauzal poate fi stabil sau nu. Conditia de stabilitate impune restrictii
suplimentare. De exemplu, pentru un sistem cauzal regiunea de convergenta a functiei
sale de sistem trebuie sa fie simultan exteriorul unui cerc de raza r < , incluzand punctul
de la infinit z = si trebuie sa includa cercul unitate.
Exemplul 47 . Fie sistemul liniar si invariant n timp caracterizat de ecuatia de intrareiesire:
y(n) = y(n 1) + x(n),
deci
H(z) =
1
1 z 1
Daca la intrare se aplic

a secventa treapt
a unitate: x(n) = u(n), atunci:
Y (z) = H(z)X(z) =
1
1
,
1 z 1 1 z 1
deci y(n) = nu(n).

Semnalul de la intrare este marginit, sistemul nsa are un pol pe cercul unitate si avem
un raspuns nemarginit. Un astfel de sistem este instabil.
Prin urmare:
Propozitia 7 .
Un sistem cauzal, liniar si invariant n timp este stabil dac
a si numai dac
a toti polii sunt
strict n interiorul cercului unitate.
160
Sa mai amintim posibilitatea de aparitie a unei perechi pol - zerou identici. Acestia
ar putea fi simplificati, astfel ca n transformata n z unii poli (sau zerouri) ar putea
disparea. Desigur ca functia de sistem si-ar reduce gradul si se suprima unul din modurile
de rezonanta a raspunsului sistemului, fie dintre cele datorate sistemului, fie dintre cele
datorate secventei de intrare.
In realitate este foarte posibil ca zeroul sa fie aproape de pol, dar nu egal cu polul, asa
ca termenul raspuns va avea o foarte mica amplitudine datorata acestei perechi pol - zerou.
O astfel de situatie poate sa apara cand precizia numerica n reprezentarea coeficientilor
sistemului nu este suficienta. Prin urmare nu ne putem astepta sa stabilizam intotdeauna
un sistem instabil plasand un zerou langa un pol, desi teoretic ar fi posibil.
4.8.1
Criteriul de stabilitate Sch

ur-Cohn
Am constatat ca stabilitatea sistemului este legata de pozitia polilor relativ la cercul

unitate. Dar polii sistemului nu sunt altceva decat zerourile numitorului functiei de sistem:
H(z) =
M
X
b0 + b1 z + + bM z
= k=0
1
N
N
a0 + a1 z + + aN z
X
bk z k
.
ak z
k=0
Deoarece sistemul sub obiectiv este cauzal, toate radacinile polinomului:

A(z) = a0 + a1 z 1 + + aN z N
trebuie sa fie prin urmare n interiorul cercului unitate pentru ca sistemul dat sa fie stabil.
In consecinta ne vom concentra doar asupra zerourilor numitorului A(z).
Vom prezenta n cele ce urmeaza criteriul de stabilitate Sch
ur-Cohn. Pentru nceput
vom introduce cateva notatii si definitii.
Pentru m N vom nota polinoamele cu termenul liber unitate sub forma:
Am (z) =
m
X
am (k)z k ,
am (0) = 1.
k=0
Definitia 43 .
Polinomul Bm (z) obtinut din coeficientii lui Am (z), dar luati n ordine invers
a:
Bm (z) =
m
X
k=0
am (m k)z k .
se numeste polinomul reciproc al lui Am (z).
161
Observatia 25 .
Este usor de stabilit ca:
Bm (z) = z m Am (z 1 ).
(4.22)
Pentru aplicarea criteriului de stabilitate Sch

ur-Cohn este necesara aflarea coeficientilor
de reflexie Km , m = 1, 2, . . . , N . Pentru aceasta se procedeaza n felul urmator:
Initializare: AN (z) A(z) si m = N .
Pentru orice m 1:
Se calculeaza coeficientul de reflexie Km = am (m);
Se calculeaza polinomul reciproc Bm (z) cu formula (4.22);
Se calculeaza polinomul Am1 (z) cu relatia:
Am1 (z) =
Am (z) Km Bm (z)
;
2
1 Km
(4.23)
mm1
Sfarsit
Criteriul de stabilitate Sch
ur-Cohn afirma ca:
Teorema 15 .
Sistemul este stabil dac
a toti coeficientii de reflexie Km , m = 1, 2, . . . , N sunt subunitari
n modul.
caz contrar, sistemul este instabil.
In
Marele avantaj al criteriului de stabilitate Sch
ur-Cohn este ca structura sa recurenta l
face usor de implementat prin program. Ecuatia recursiva (4.23) se poate scrie astfel:
aN (k) = ak ,
k = 1, 2, . . . , N,
KN = aN (N );
Pentru m = N, N 1, . . . , 1 se calculeaza:
1. Km = am (m);
2. am1 (0) = 1;
3. bm (k) = am (m k),
k = 0, 1, 2, . . . , m;
162

4. Pentru k = 0, 1, 2, . . . , m 1:
am1 (k) =
am (k) Km bm (k)
.
2
1 Km
Exemplul 48 .
S
a consider
am sistemul av
and functia de transfer:
H(z) =
13 1
z
24
1+
Atunci:
A3 (z) = 1 +
1
.
+ 58 z 2 + 31 z 3
13 1 5 2 1 3
z + z + z ,
24
8
3
1
K3 = 3 (3) = ,
3
1 5 1 13 2
+ z + z + z 3 ;
3 8
24
A3 (z) K3 B3 (z)
1
3
A2 (z) =
= 1 + z 1 + z 2 ;
2
1 K3
8
2
B3 (z) =
1
K2 = 2 (2) = ,
2
1 3 1
+ z + z 2 ;
2 8
A2 (z) K2 B2 (z)
1
A1 (z) =
= 1 + z 1 ;
2
1 K2
4
B2 (z) =
1
K1 = 1 (1) = .
4
Prin urmare sistemul dat este stabil.
4.8.2
Stabilitatea sistemelor de ordinul doi
Sistemele de ordinul doi sunt structura de baza pentru implementarea blocurilor de ordin
mai mare [20], motiv pentru care ele reprezinta pentru noi un punct de interes. Sa
consideram cazul sistemelor de ordinul doi:
y(n) = a1 y(n 1) a2 y(n 2) + b0 x(n),
care au functia de transfer:
H(z) =
1 + a1
b0
1
z +
a2 z 2
163
a2
a2 =
a21
4
a2 = 1
a1
a2 = a1 1
a2 = a1 1
Figura 4.7: Triunghiul stabilitatii sistemelor de gradul doi

Desigur ca exista modalitati mai elementare de a decide daca sistemul cu functia de sistem
H(z) este stabil sau nu. Noi vom aplica acum criteriul lui Sch
ur-Cohn:
A2 (z) = 1 + a1 z 1 + a2 z 2 ,
A1 (z) =
K 2 = a2 ;
a1 1
(1 + a1 z 1 + a2 z 2 ) (a2 + a1 z 1 + z 2 )
z ,
=1+
2
1 k2
1 + a2
a1
K1 =
.
1 + a2
Deci pentru ca sistemul sa fie stabil este necesar ca:

a1
< 1.
|a2 | < 1;
1 + a2
Daca coeficientii a1 si a2 sunt reali, atunci pentru stabilitatea sistemului ar fi necesar ca:
1 < a2 < 1;
1 a2 < a1 < 1 + a2 .
Aceste conditii definesc o regiune n planul coeficientilor (a1 , a2 ) formata dintr-un triunghi
reprezentat n figura 4.7. Sistemul este stabil daca punctul (a1 , a2 ) cade n interiorul
triunghiului, numit si triunghiul stabilitatii.
Caracteristicile unui sistem cu doi poli depind de localizarea polilor sau de pozitia
punctului (a1 , a2 ) n triunghiul de stabilitate. Polii sistemului pot fi reali sau complex
164
conjugati, dupa valoarea discriminantului = a21 4a2 care definesc parabola a2 =

Astfel:
a21
.
4
Regiunea de sub parabola corespunde polilor distincti;

Punctele de pe parabola se asociaza polilor dubli si egali;
Punctele de pe parabola corespund polilor complex conjugati.
Prin urmare:
1. Daca: a21 > 4a2 , atunci avem poli reali si distincti, si functia de sistem se poate scrie
sub forma:
A1
A2
H(z) =
+
,
1
1 p1 z
1 p2 z 1
unde
p2
p1
; A2 = b0
.
A1 = b0
p1 p2
p1 p2
In acest caz secventa pondere este diferenta a doua exponentiale descrescatoare:
h(n) = b0
p1
(pn+1 pn+1
)u(n).
2
p1 p2 1
2. Daca: a21 = 4a2 , atunci avem poli reali si egali, si functia de sistem se poate scrie
sub forma:
A
H(z) =
(1 pz 1 )2
unde
A = b0 ; a1 = 2p; a2 = p2 .
In acest caz secventa pondere este:
h(n) = b0 npn1 u(n).

3. Daca: a21 < 4a2 , atunci avem poli complex conjugati, si functia de sistem se poate
scrie sub forma:
A
A
+
,
H(z) =
1 pz 1 1 p z 1
unde
b0 ejp
.
a1 = 2|p| cos p; a2 = |p|2 ; A =
j2 sin p
In acest caz secventa pondere este o exponentiala amortizata:
b0 |p|n
h(n) =
sin[(n + 1)p]u(n),
sin p
comportandu-se oscilatoriu.
Bibliografie selectiv
a
[1] E. Auslander, Digital signal processing and the emerging markets of the 90s, tech.
rep., Texas Instruments, 1995.
[2] W. K. Chen, ed., The Circuits and Filters Handbook. Boca Raton, Florida: CRC
Press, 1995.
[3] G. Doetsch, Introduction to the Theory and Application of the Laplace Transformation. Berlin Heidelberg New-York: Springer-Verlag, 1970.
[4] K. Feher, DIGCOM si DSP: privire generala asupra comunicatiilor digitale si a
prelucrarii digitale a semnalelor, in Comunicatii digitale avansate - Sisteme si tehnici
de prelucrare a semnalelor (K. Feher, ed.), pp. 1351, Bucuresti: Ed. Tehnica, 1993.
[5] L. Goras, Semnale, Circuite si Sisteme. Iasi: Editura Gh. Asachi, 1994.
[6] V. Grigoras and D. Tarniceriu, Prelucrarea Numerica a Semnalelor - partea nt
ai.
Iasi: Editura Gh. Asachi, 1995.
[7] T. Kailath, Linear Systems. Englewood Cliffs, NJ: Prentice-Hall, 1980.
[8] M. Kunt, Traitement numerique des signaux. Lausanne: Presses Polytechnique Romandes, 1989.
[9] A. Mateescu, Semnale, Circuite si Sisteme. Bucuresti: Editura Didactica si Pedagogica, 1984.
[10] I. Nafornita, A. Campeanu, and A. Isar, Semnale, Circuite si Sisteme. Timisoara:
Universitatea Politehica, 1995.
[11] A. V. Oppenheim and R. W. Schafer, Discrete-Time Signal Processing. Englewood
Cliffs, NJ: Prentice-Hall, 1989.
[12] A. Papoulis, The Fourier integral and its applications. McGraw-Hill, 1962.
165
166
BIBLIOGRAFIE SELECTIVA
[13] A. Papoulis, Signal analysis. McGraw-Hill, 1977.

[14] V. Popescu, Semnale, Circuite si Sisteme - Partea I. Teoria semnalelor. Cluj-Napoca:
Editura Casa Cartii de Stiinta, 2001.
[15] J. G. Proakis and D. G. Manolakis, Digital Signal Processing. New-York: Macmillian,
1992.
[16] A. Ralston, A first course in numerical analysis. McGraw-Hill, 1965.
[17] W. Rudin, Principles of Mathematical Analysis. New-York: McGraw-Hill, 1953.
[18] C. Rusu, Semnale, Circuite si Sisteme, Primii pasi n prelucarea numeric
a a semnalelor. Ed. RISOPRINT, 1996.
[19] C. Rusu, Prelucrari Digitale de Semnale. Ed. Mediamira, 2000.
[20] D. Tarniceriu and V. Grigoras, Prelucrarea Numerica a Semnalelor - partea a doua.
Iasi: Editura Gh. Asachi, 1995.

Pns Doi

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Pns Doi

Încărcat de

Drepturi de autor:

Formate disponibile

Corneliu Rusu

Abrevieri n limba englez

1 Semnale si sisteme discrete n timp

Secvente n relatie armonica . . . . . . . . . . . . . . . . . . . . . . . . . . 12

Conversia analog-digitala si digital-analogica . . . . . . . . . . . . . . . . . 13

Esantionarea semnalelor analogice . . . . . . . . . . . . . . . . . . . 13

Cuantizarea semnalelor analogice n amplitudine . . . . . . . . . . . 16

Semnale discrete n timp . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

Clasificarea semnalelor discrete n timp . . . . . . . . . . . . . . . . 24

Operatii simple cu secvente discrete . . . . . . . . . . . . . . . . . . 26

Sisteme discrete n timp . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

Clasificarea sistemelor discrete n timp . . . . . . . . . . . . . . . . 30

Conectarea sistemelor discrete n timp . . . . . . . . . . . . . . . . 34

2 Analiza n domeniul timp

3 Analiza n domeniul frecvent

4 Aplicatiile transformatei n z la analiza

4.1.4 Relatia dintre transformata Fourier si transformata n z . . . . . . . 126

Prelucrarea analogica de semnal . . . . . . . . . . . . . . . . . . . . . . . .

Prelucrarea digitala de semnal . . . . . . . . . . . . . . . . . . . . . . . . .

Secventa sinusoidala pentru f =

Secventa sinusoidala pentru f =

Secventa sinusoidala pentru f =

Secventa impuls unitate . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

Secventa treapta unitate . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

Secventa exponentiala pentru a = 0, 9 . . . . . . . . . . . . . . . . . . . . . 22

1.10 Secventa exponentiala pentru a = 1, 1 . . . . . . . . . . . . . . . . . . . . . 22

1.12 Secventa exponentiala pentru a = 1, 1 . . . . . . . . . . . . . . . . . . . . 23

1.14 Partea imaginara a secventei exponentiale pentru a =

1.15 Translatia n timp pentru k = 4 a secventei exponentiale din figura 1.9 . . 27

1.18 Reprezentarea sistemelor discrete . . . . . . . . . . . . . . . . . . . . . . . 29

Secventa raspuns de la Exemplul 6 . . . . . . . . . . . . . . . . . . . . . . 38

Descompunerea secventei de la Exemplul 7 n suma ponderata de impulsuri

Impulsul rectangular de la Exemplul 16, modulul si faza functiei sale de

Regiunea de convergenta pentru prima serie . . . . . . . . . . . . . .

Triunghiul stabilitatii sistemelor de gradul doi . . . . . . . . . . . . . . . . 163

Solutii particulare pentru ecuatia cu diferente finite . . . . . . . . . . . . . 61

Analiza si sinteza semnalelor periodice cu ajutorul seriilor Fourier . . . .

Semnale discrete n timp si cauzale mpreuna cu transformatele lor n z . . 135

Abrevieri n limba englez

multimea numerelor naturale

Semnale si sisteme discrete n timp

1.2 Semnale si sisteme

Semnale si sisteme discrete n timp

Figura 1.1: Prelucrarea analogica de semnal

1.3 Clasificarea semnalelor

Figura 1.2: Prelucrarea digitala de semnal

Semnale si sisteme discrete n timp

Conceptul de frecventa a fost introdus la miscarea armonica, fiind o masura legata de

Semnale si sisteme discrete n timp

C2. Semnalele sinusoidale continue, de frecvente diferite, sunt distincte, adica:

Figura 1.3: Secventa sinusoidala pentru f = 14

Semnale si sisteme discrete n timp

Figura 1.4: Secventa sinusoidala pentru f =

Cum determinam practic perioada fundamentala? Simplu, dupa ce-l aflam pe f ,

atunci toate secventele de sinusoide:

Figura 1.5: Secventa sinusoidala pentru f =

Pe de alta parte secventele asociate oricarui semnal sinusoidal discret n timp cu

Semnale si sisteme discrete n timp

Secvente n relatie armonic

vom spune ca sunt n relatie armonica.

Se poate demonstra (de exemplu folosind un rationament similar cu cel de la Sectiunea

relatia anterioara fiind seria Fourier pentru o secventa periodica de perioada N . De

1.6 Conversia analog-digital