Documente Academic
Documente Profesional
Documente Cultură
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
xiii
Notatii
xv
1.1
Notiuni introductive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Semnale si sisteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3
Clasificarea semnalelor . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4
Frecventa discreta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5
1.6
1.7
1.8
1.6.1
1.6.2
1.7.2
1.8.2
vi
Cuprins
.
.
.
.
.
.
.
.
.
.
.
37
37
40
42
47
51
54
55
59
63
66
73
75
76
76
79
82
82
84
88
89
89
91
93
95
97
109
109
113
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
sistem
sistemelor
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
LTI
. . .
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
119
. 119
. 119
. 121
. 124
Cuprins
4.2
4.3
4.4
4.5
4.6
4.7
4.8
vii
Bibliografie
165
viii
Cuprins
Lista figurilor
1.1
1.2
41
1
.
2
3
.
4
. . . . . . . . . . . . . . . . . . . . . .
1.3
1.4
1.5
1.6
1.7
1.8
Secventa rampa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.9
. . . . . . . . . . . . . . . . . . . . . . 10
. . . . . . . . . . . . . . . . . . . . . . 11
1+j
. . . . . . . . . . . . 24
1+j
. . . . . . . . . . 24
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
.
.
.
.
.
.
.
.
.
.
.
.
.
.
41
44
45
47
48
49
50
50
51
56
57
69
70
70
3.1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
123
124
125
126
137
140
Lista figurilor
4.7
xi
xii
Lista figurilor
Lista tabelelor
2.1
3.1
3.2
3.3
3.4
3.5
4.1
4.2
4.3
xiii
.
.
.
.
.
78
80
84
91
109
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
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
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
x(n)
xa (t)
ADCs
y(n)
DSPs
ya (t)
DACs
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)
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
1
: xF (t + T ) = x(t), t R.
F
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
k
Q,
N
10
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
1
10
10
15
20
1
2
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
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
20
3
4
12
1.5
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=
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.
1.6
13
Conversia analog-digital
a si digital-analogic
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)
1.6.1
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
1 1
,
), [ , ).
2T 2T
T T
15
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
1.6.2
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.
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:
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
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
Px
= 1, 5 22(b+1) ,
Pq
(1.7)
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 .
1.7
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)
n<2
0
2
1
3
-1
4
2
5 6
-2 3
n>6
-3
20
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
10
10
15
20
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)
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
25
20
15
10
0
10
10
15
20
22
2.5
1.5
0.5
0
10
10
15
20
0
10
10
15
20
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
0.5
0.5
1.5
10
10
15
20
1+j
1.5
0.5
0.5
1.5
10
10
15
20
1.7.1
O prima distinctie o vom face sub raport energetic. Astfel vom avea:
1+j
25
n=
|x(n)|2 .
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
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
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
2.5
1.5
0.5
0
10
10
15
20
1.8
29
y(n)
x(n)
Sistem discret n timp
x(n)
y(n)
y(n) x(n);
30
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
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)
x2 (n)
Multiplicare
x1 (n)
y(n)
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
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.
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)
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
y1 (n) = x2 (n)
y2 (n) = y(n)
H1
H2
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
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
y1 (n) = x(n + 1)
y2 (n) = x(n)
z 1
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)
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
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
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
6
0
k
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.
39
(2.1)
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)],
40
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
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:
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
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) =
k=
Definitia 17 .
Operatia nou introdusa prin relatia
x(k)h(n k).
k=
x(k)h(n k).
(2.4)
2.2.1
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=
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
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
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
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
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
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
k=
nkk X
z}|{
x(k)h(n k) =
k=
x(n k)h(k) =
k=
x(n k)h(k),
x(n)
y(n)
h(n)
49
y(n)
h(n)
x(n)
k=
h(k)x(n k).
(x h1 )(k)h2 (n k)=
k=
k=
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)
50
y(n)
x(n)
h1 (n)
h2 (n)
x(n)
y(n)
h2 (n)
h1 (n)
x(n)
y(n)
h1 (n)
h2 (n)
x(n)
y(n)
h h
1
2
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
n
X
k=0
2.3
h(k)x(n k) =
n
X
k=0
x(k)h(n k).
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),
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,
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)
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
55
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
n1
X
k=0
sau
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 )]
(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)
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)
57
z 1
x(n)
y(n)
n+1
y(1) +
n
X
k=0
ak x(n k).
In englez
a avem denumirea de zero-state response.
58
n
X
k=0
ak x(n k), n 0,
In englez
a avem denumirea de zero-input response.
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
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,
M
X
k=0
bk x(n k).
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
ak yh (n k) = 0,
N
X
k=1
ak yp (n k) +
M
X
k=0
bk x(n k).
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 .
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
62
Rezolvare:
Ecuatia caracteristica este:
2 5 + 4 = 0,
care are radacinile:
1 = 1,
= 4.
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
aspunsul la impuls al sistemelor recursive
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
Exemplul 11 .
Secventa pondere:
bk x(n k),
bk , k = 0, 1, . . . , M ;
0, altfel.
1 1
h(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
5
1
2 + = 0,
6
6
1
1 = ,
2
1
= .
3
2.7 R
aspunsul la impuls al sistemelor recursive
65
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
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
x(n)y(n l), l Z,
x(n + l)y(n), l Z.
n=
sau
rxy (l) =
n=
67
(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=
(2.17)
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),
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
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=
2
x(n)y(n + 1) = x(n)y(n + 1)|n=0 = .
3
n=
n=
70
0
n
y(n+1)
0.4
0.2
0.2
0.4
6
0
n
0
n
y(n+2)
0.4
0.2
0.2
0.4
6
0
n
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=
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)|
Ex Ey ,
rxy (l)
.
rxx (0)ryy (0)
rxx (l)
.
rxx (0)
72
si respectiv:
M
X
1
x(n)x(n l).
M 2M + 1
n=M
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)
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
74
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
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
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=
(3.2)
Ck ej2kF0 t ej2lF0 t dt.
x(t)ej2lF0 t dt =
t0
t0
k=
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
Ck ej2kF0 t
k=
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
k=
Ck ej2kF0 t
78
x(t)e
j2kF0 t
SINTEZA SEMNALULUI
x(t) =
dt.
Ck ej2kF0 t .
k=
k=
|Ck |2 .
(3.3)
Din acest motiv secventa {|Ck |2 }kZ se numeste spectrul de putere al semnalului periodic.
3.1.2
79
Semnale aperiodice
x(t)ej2F t dt,
(3.4)
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
80
x(t)e
j2F t
SINTEZA SEMNALULUI
dt.
x(t) =
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
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
sin2 F
.
2F 2 2
82
3.2
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
j2kn
N ,
k = 0, 1, 2, . . . , N 1.
N
1
X
k=0
ck e
j2kn
N ,
n = 0, 1, 2, . . . , N 1,
(3.7)
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.
ej
2(kl)n
N
n=0
= 1| + 1 +{z. . . + 1} = N,
N
N
1
X
n=0
x(n)e
j2kn
N ,
84
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.
3.2.2
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:
n
;
4
85
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
2
4
k
10
3. x(n) = { 1, 1, 1, 0, 0, 0}.
Rezolvare:
3. Perioada secventei
x(n) = { 1, 1, 1, 0, 0, 0}
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
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
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:
87
0.5
|c |
0.4
0.3
0.2
0.1
0
6
0
k
(c )
/2
/2
6
0
k
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 ;
N
L=
2
88
3.2.3
(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
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
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
3.3.1
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
Definitia 29 .
Transformata Fourier direct
a (functia de densitate spectrala) a unei secvente de energie
90
x(n)ejn .
(3.12)
n=
Exemplul 19 .
Transformata Fourier a secventei impuls unitate este:
X() =
n=
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=
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
(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().
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
In acest caz:
|X()| = |
n=
x(n)ejn |
n=
|x(n)| < .
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
1, || 2 ;
0,
< || .
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
93
, n = 0;
2
x2 (n) =
sin 2 n
n , n 6= 0.
3.3.3
94
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:
n=
|0, 5n | =
1
= 2 < .
1 0, 5
n jn
0, 5 e
n=0
X
=
(0, 5ej )n =
n=0
1
.
1 0, 5ej
2
X
X
jn
X2 () =
x2 (n)e
=
ejn ;
n=
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 )
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)
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
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=
X
X
1
X ()ejn d.
x(n)x (n) =
x(n)
2
n=
n=
96
0.5
0
6
0
n
|X2()|
3
2.5
2
1.5
1
0.5
0
/2
/2
/2
(X2())
/2
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 .
97
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
3.3.5
Propriet
atile transformatei Fourier pentru secvente
aperiodice
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
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 () =
n=
XI () =
(3.17)
n=
(3.18)
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(),
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
100
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
x(n) sin n,
n=1
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 ().
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
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
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
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
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.
103
Translatia n timp
Daca:
X() = F{x(n)}
si k Z, atunci:
Demonstratie:
Intr-adevar:
F{x(n k)} =
z}|{ jk X
= e
x(n)ejn = ejk X(),
nkn
n=
x(n k)e
jn
n=
n=
x(n)e
jn
z}|{ X
=
x(n)ej()n = X().
nn
n=
104
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)} =
n=
n=
"
k=
x1 (k)x2 (n k) ejn
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=
si
x1 (n) = {. . . , 0, 0, 1, 1, 1, 0, 0, 0, 0, . . .}
x2 (n) = {. . . , 0, 0, 0, 1, 1, 1, 0, 0, 0, . . .}.
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:
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
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)
107
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=
X
1
1
j()n
X1 ()
X1 ()X2 ( )d,
=
x2 (n)e
d =
2
2
n=
adica ceea ce trebuia dovedit.
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
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
n=
a u(n)e
jn
X
n=0
an ejn =
1
.
1 aej
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)
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
3.4.1
R
aspunsul la frecvent
a al sistemelor liniare si invariante
n timp
n Z,
110
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=
k=
h(k)e
jk
k=
h(k) cos k j
k=
h(k) sin k,
111
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
/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
x(n)
y(n)
h(n)
113
Y ()
X()
H()
3.4.2
Determinarea secventei r
aspuns cu ajutorul r
aspunsului
la frecvent
a
(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)
114
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),
H() =
M
X
bk ejk
k=0
N
X
1+
.
ak e
(3.25)
jk
k=1
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) =
=
x(n) = A cos 0 n
115
H()
x(n) = A sin 0 n
H()
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
L
X
i=1
116
L
X
L
X
Ai cos(i n + i )
i=1
i=1
H()
N
1
X
ck e
j2kn
N
k=0
, n = 0, 1, , N 1.
N
1
X
k=0
ck H
2kn
N
j2kn
N
, n = 0, 1, , N 1.
117
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
118
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
X
X(z) =
x(n)z n .
(4.1)
n=
119
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 ;
2. Secventa x2 (n) = {. . . , 0, 0, 0, 1, 1, 1, 0, 0, 0, . . .} are transformata n z egala
1
2
cu: X2 (z) = 1 + z + z ;
3. Secventa x3 (n) = {. . . , 0, 0, 1, 2, 3, 2, 1, 0, 0, . . .} are transformata n z egala
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
121
X
(1)n+1 an
n=1
z n ,
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
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=
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).
123
Im(z)
r1
Re(z)
124
Im(z)
r2
Re(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
125
Im(z)
r1
Re(z)
r2
(4.2)
Demonstratie:
Pornim direct de la definitie (4.1):
X(z) =
x(k)z k
k=
n1
X(z)z
dz =
x(k)z k z n1 dz.
C
C k=
X
n1k
x(k)z
dz =
x(k) z n1k dz.
C k=
k=
126
r1
C
Re(z)
r2
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
4.1.4
127
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=
X
X(z)|z=ej =
x(n)ejn .
n=
, n = 0;
2
x2 (n) =
sin 2 n
n , n 6= 0
1, || 2 ;
X2 () =
0, 2 < || .
Dar aceasta secventa nu are transformata n z [15].
128
4.1.5
Propriet
atile transformatei n z
ROC2 .
1
1
+
,
1
1 az
1 bz 1
regiunea de convergenta fiind |a| < |z| < |b| sau multimea vida.
X1 (z) =
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) =
129
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
(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:
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
130
Daca:
Demonstratie:
n
Z{a x(n)} =
a x(n)z
n=
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
az 1 sin 0
,
1 2az 1 cos 0 + a2 z 2
1
1
< |z| < .
r2
r1
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
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=
adica ceea ce trebuia dovedit.
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
regiunea de convergenta fiind |z| > |a|.
Convolutia a doua secvente
132
Daca:
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=
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
k=
si
x2 (n) = {. . . , 0, 0, 0, 1, 1, 1, 0, 0, 0, . . .}.
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, . . .}.
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
X1 ()X2 ( )d
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
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)
135
x(n)
X(z)
ROC
(n)
u(n)
1
1 z 1
|z| > 1
an u(n)
1
1 az 1
nan u(n)
az 1
(1 az 1 )2
zC
X
n=0
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
136
x(n)
X(z)
ROC
an u(n 1)
1
1 az 1
nan u(n 1)
az 1
(1 az 1 )2
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
an (sin 0 n)u(n)
az 1 sin 0
1 2az 1 cos 0 + a2 z 2
(4.7)
137
x(n)
y(n)
h(n)
Y (z)
X(z)
H(z)
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)
N
X
k=1
ak y(n k) +
M
X
k=0
bk x(n k),
k=0
deci
H(z) =
Y (z)
=
X(z)
M
X
bk z k
k=0
N
X
1+
k=1
.
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
b0
N
X
ak z k
k=1
b0 z N
=
.
N
X
N k
1+
ak z
k=1
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
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
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
140
Im(z)
a
x
Re(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
141
4.4.1
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
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)
1
, |z| > 0, 5;
(z 0, 25)(z 0, 5)
2.
X2 (z) =
z2
, |z| > 0, 5.
(z 0, 5)2
Rezolvare:
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
= lim
4.4.2
cn z n ;
n=
z2
, |z| > 0, 5;
1 0, 5z 1
2. X2 (z) =
0, 5z
1
, |z| <
.
1 1, 5z
1, 5
Rezolvare:
144
z2
=
1 0, 5z 1
1
1 1 2
1
, ( ) , ( )3 , ( )4 , . . . .
2 2
2
2
. . . , 0, 0, 0, 1,
X2 (z) =
0, 5z
=
1 1, 5z
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
145
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)
(4.14)
146
Aplicand relatia:
Ak =
(z pk )X(z)
|z=pk , k = 1, 2, . . . , N.
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 ,
(4.16)
147
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) =
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
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
ak z k
M
Y
(1 zk z 1 )
.
= b0 k=1
N
Y
(1 pk z 1 )
k=1
148
A2
AN
A1
+
+ +
1
1
1 p1 z
1 p2 z
1 pN z 1
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 ).
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
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
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=
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
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
"
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 ,
4.6.1
151
(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
(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
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),
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.
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
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
z 2
1 + 0, 81z 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) =
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):
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
P0 (z)
.
A(z)
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
{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
Qk qkn u(n),
k=1
u(n)
| {z }
raspuns permanent
158
}|
{
(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
4.8
Un sistem liniar si invariant n timp este cauzal cand secventa sa pondere este nula pentru
indecsi negativi:
h(n) = 0,
n < 0.
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
n=
|h(n)||z n |||z|=1 =
n=
|h(n)|.
1
1 z 1
1
1
,
1 z 1 1 z 1
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
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
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 .
161
Observatia 25 .
Este usor de stabilit ca:
Bm (z) = z m Am (z 1 ).
(4.22)
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
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
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
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
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
a21
.
4
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:
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