UNIVERSITATEA DUNREA DE JOS GALA#I

Gheorghe PU$CA$U Bogdan CODRE$

2004
Cursul intreg este atasat
i
CUPRINS

CAPITOLUL 1 SEMNALE....................................................................................1
1.1. Introducere..........................................................................................................1
1.2. Semnale...............................................................................................................1
1.3. Semnale continue................................................................................................2
1.4. Semnale i procese aleatoare..............................................................................5
1.5 Eantionarea i refacerea semnalelor continue...................................................7
CAPITOLUL 2 ANALIZA FOURIER...............................................11
2.1. Analiza Fourier continu#.....................................................................................11
2.1.1. Seria Fourier pentru semnale continue i periodice..............................11
2.1.2. Spectrul densit#&ii de putere a semnalelor periodice............................13
2.1.3. Transformata Fourier pentru semnale continue aperiodice..................14
2.1.4. Spectrul densit#&ii de energie a semnalelor aperiodice.........................15
2.2. Analiza Fourier discret#......................................................................................16
2.2.1 Transformata Fourier standard discreta.........................16
2.2.2 Transformata Fourier invers# ....................................................18
2.2.3 Calculul transformatei Fourier a dou# secven&e de date........................18
2.2.4 Transformata Fourier a unor secven&e de lungime dubl# ......................19
2.2.5 Transformata Fourier invers# special# ...................................................21
2.2.6 Transformata Fourier rapid#..................................................................22
2.2.6.1 Graful de semnal al transformatei Fourier.......................................24
2.2.6.2 Algoritmul de calcul al transformatei Fourier rapide
pentru N=2
'
. Algoritmul de baz# Cooley-Tukey.............................27
2.2.6.3 Algoritmul de calcul al transformatei Fourier rapide
pentru factori arbitrari...................................................................30
2.2.6.4 Algoritmul Cooley-Tukey pentru N=r
1
.
r
2
.

.
r
m
............................31
2.2.6.5 Algoritmul Sande-Tukey pentru N=r
1
.
r
2
.

.
r
m
.............................33
2.3. Exemple..............................................................................................................34
CAPITOLUL 3 - FILTRAREA SEMNALELOR ....................................36
3.1 Aspecte generale ............................................................................36
3.2 Filtre analogice....................................................................................................37
3.2.1. Introducere................................................................................................37
3.2.2. Filtrul Butterworth.....................................................................................38
3.2.3. Filtrul Cebev..........................................................................................38
3.2.4. Filtrul eliptic..............................................................................................40
ii
3.3. Filtre numerice....................................................................................................41
3.3.1. Introducere................................................................................................41
3.3.2. Filtre recursive ( FR )................................................................................47
3.3.3. Filtre nerecursive ( FNR ).........................................................................48
3.4. Tehnici de proiectare a filtrelor numerice............................................................49
3.4.1. Proiectarea filtrelor IIR pe baza caracteristicilor
filtrelor analogice......................................................................................50
3.4.1.1. Metoda invarian&ei r#spunsului la impuls.....................................50
3.4.1.2. Metoda transformatei Z-biliniare..................................................54
3.4.1.3. Proiectarea direct# a filtrelor I.I.R................................................55
3.4.2. Transform#ri de frecven&# ale filtrelor IIR trece-jos...............................62
3.4.3. Aspecte privind proiectarea filtrelor cu r#spuns
la impuls finit (FIR)................................................................................63
3.4.4. Proiectarea filtrelor cu r#spuns la impuls finit (FIR)
utiliznd rela&ii de aproximare................................................................64
CAPITOLUL 4 - METODE DE PROCESARE A SEMNALELOR 2D.........66
4.1 Aspecte generale .....................................................................66
4.2 Reprezentarea semnalelor 2D ........................................66
4.3 Metode de procesare preliminar# a datelor.....................................67
4.3.1. Binarizarea imaginii..............................................................................67
4.3.2. Filtrarea imaginilor................................................................................68
4.3.3. Contractarea imaginilor.........................................................................70
4.3.4. Dilatarea imaginilor...............................................................................71
4.3.5. Comprimarea imaginilor.......................................................................72
4.3.6. Analiza conectivit#&ii.............................................................................73
4.4 Extragerea tr#s#turilor din reprezentarea 2D a imaginilor.............................74
4.4.1. Conturarea imaginii.............................................................................74
4.4.2. Lungimea conturului obiectelor din imagine.........................................77
4.4.3. Curbura unei curbe................................................................................79
4.4.4. Aria unei imagini...................................................................................80
4.4.5. Definirea descriptorilor..........................................................................80
CAPITOLUL 5 TEHNICI DE PROCESARE A DATELOR
UTILIZATE LA RECUNOATEREA FORMELOR .........................................82
5.1. Formularea problemei de recunoatere a formelor .........................82
5.1.1.Conceptul de form#...............................................................................82
5.1.2. Recunoaterea formelor utiliznd abordarea
decizional-teoretic#...............................................................................83
5.1.2.1. Selec&ia caracteristicilor ................................................................84
5.1.2.2. nv#&area.........................................................................................85
iii
5.1.2.3. Clasificarea......................................................................................85
5.1.3. Mul&imi primare ale claselor. Mul&imi reale
transformate. Exemplific#ri...................................................................85
5.2. Metode de recunoatere decizional - teoretice ................................................88
5.2.1. Metode decizional - teoretice supervizate.............................................89
5.2.1.1. Metode decizional - teoretice supervizate
parametrice deterministe.............................................................89
5.2.1.1.1. Func&ia discriminant liniar# pe por&iuni..............................90
5.2.1.1.2. Func&ia discriminant bazat# pe distan&#
euclidian#.............................................................................93
5.2.1.2. Metode decizional - teoretice supervizate
parametrice statistice....................................................................94
5.2.1.2.1. Principiul clasific#rii statistice............................................94
5.2.1.2.2. Func&ia discriminant p#tratic# a lui Bayes
pentru densitate normal#.....................................................96
5.2.1.2.3.Func&ia discriminant Bayes liniar#.....................................96
5.2.1.3. Metode bazate pe algoritmi de corec&ie a func&iei
discriminant (Metoda func&iilor de poten&ial)............................97
5.2.2. Metode de clasificare nesupervizate....................................................101
5.2.2.1. Principiul metodei de clasificare
nesupervizat#..........................................................................101
5.2.2.2. Metoda minimiz#rii sumei erorilor p#tratice..........................102
BIBLIOGRAFIE.....................................................................................................105
1
CAPITOLUL 1 - SEMNALE
1.1. Introducere
n multe cazuri procesarea semnalelor reprezint o etap premergtoare
analizei #i sintezei unor situa&ii legate de o anumit activitate. De regul procesarea
semnalelor are o pondere mare n ceea ce prive#te ob&inerea unor performan&e
superioare. Avnd n vedere faptul c semnalul de natur: fizic, chimic, electric
con&ine informa&ii necesare comunicrii ntre diferite structuri biologice, problema
procesrii semnalelor este o problem interdisciplinar.
n func&ie de domeniul n care se folosesc semnalele procesate #i de
modalitatea de procesare, se disting urmtoarele abordri:
analiza Fourier, necesar aplica&iilor n care se folosesc componentele spectrale
ale semnalului procesat;
filtrarea semnalelor, unde se urmre#te re&inerea numai a anumitor componente
armonice care apar&in unui interval de frecven& dat;
filtrarea semnalelor folosind filtrul Kalman, care se utilizeaz de regul la
filtrarea mrimilor de stare ale unui sistem. Spre deosebire de filtrarea men&ionat
mai sus, filtrul Kalman elimin zgomotul prin modelarea pr&ii deterministe a
sistemului;
prelucrarea semnalelor 2D i 3D, n vederea extragerii informa&iilor utilizate la
recunoa#terea formelor. Printre procedurile folosite n acest domeniu se
eviden&iaz: binarizarea imaginilor, filtrarea imaginilor, comprimarea imaginilor,
extragerea conturului, calculul ariilor;
prelucrarea semnalelor folosind re#elele neuronale. Acest mod de abordare este
din ce n ce mai mult utilizat, pentru c ofer noi interpretri n ceea ce prive#te
aplica&iile n rezolvarea problemelor cu un spectru foarte larg. n unele situa&ii
toate aspectele legate de filtrare #i de extragerea caracteristicilor sunt lsate n
seama re&elelor neuronale.
n cele ce urmeaz se vor prezenta aspecte privind tipurile de semnale utilizate
n cadrul procedurilor de procesare a datelor.
1.2. Semnale
n domeniul procesrii semnalelor #i al conducerii proceselor, se numesc
semnale toate variabilele sau sursele de informa&ii care evolueaz n func&ie de
timp. Dac amplitudinea semnalului este cunoscut sau poate fi determinat la orice
moment de timp, atunci semnalul se nume#te determinist. n cazul n care numai o
singur informa&ie de natur statistic, cum ar fi probabilitatea ca amplitudinea s
aib o anumit valoare la un anumit moment de timp sau valoarea medie etc. este
cunoscut, atunci semnalul se nume#te aleator.
2
Pentru clasificarea semnalelor se poate lua n considerare att modul de
evolu&ie n timp ct #i evolu&ia n amplitudine.
n func&ie de evolu&ia n timp, semnalele se clasific n semnale continue #i
semnale discrete :
- semnalul este continuu dac evolu&ia n timp este dat de o func&ie continu. n
figura 1.1 este reprezentat un semnal continuu.
- semnalul este discret dac valorile sale sunt cunoscute pentru momente discrete
de timp. Evolu&ia unui semnal discret este dat n figura 1.3.
n func&ie de valorile amplitudinii distingem semnale cuantificate continue #i
semnale cuantificate discrete.
Semnalele cuantificate continue au o evolu&ie continu n timp #i sunt semnale
continue pentru care valorile amplitudinii sunt predefinite. De exemplu valorile
ob&inute de la un convertor analog-numeric #i memorate pe durata perioadei de
e#antionare reprezint un semnal cuantificat continuu (figura 1.2).
Semnalul pentru care valorile amplitudinii sunt cuantificate #i cunoscute la
momente discrete de timp se numesc semnale discrete cuantificate. n figura 1.4 este
ilustrat un semnal cuantificat discret.

Figura 1.1 Semnal continuu Figura 1.2 Semnal continuu
cuantificat
Figura 1.3 Semnal discret Figura 1.4 Semnal discret
cuantificat
1.3. Semnale continue
Un semnal continuu x(t) presupune cunoa#terea valorilor lui x(t) la orice
moment de timp t, pentru t apar&innd unui interval de timp bine definit. n multe
cazuri, semnalul x(t) poate fi explicitat printr-o formul analitic sau expresie
matematic, ca de exemplu
) t sin( a ) t ( x + , (1.1)
sau
3
) x ( sat ) t ( x
M
x
, (1.2)
unde

'

>

M M
M
x
x | x | daca ) x ( sign x
x | x | daca x
) x ( sat
M
. (1.3)
Dac semnalul x(t) nu este definit printr-o expresie analitic, fiind dat printr-o
curb sau tabel, se spune c semnalul este generat printr-o reprezentare
neparametric.
Semnal treapt unitar la t
0
Se nume#te semnal treapt unitar la momentul t
0
semnalul (t-t
0
) definit prin

'

<

0 t t si 1
0 t t si 0
) t t (
0
0
0
. (1.4)
Acest semnal are urmtoarea reprezentare (fig. 1.5)
Figura 1.5 Semnal treapt unitar
Semnal treapt unitar - (t-t
0
)
O aproximare a semnalului men&ionat mai sus, pentru tinde la 0, este #i
semnalul

(t-t
0
) reprezentat n figura 1.6.
4
Figura 1.6 Semnal treapt unitar - (t-t
0
)
Semnalul impuls
Un semnal se nume#te semnal impuls dac durata de ac&iune a lui este mult mai
mic comparativ cu viteza de evolu&ie, iar integrala pe intervalul (- +) admite o
valoare finit nenul. Un exemplu de semnal impuls este descris n figura 1.7.
Figura 1.7 Semnalul impuls
Integrala semnalului din figura de mai sus este

+

1 dt ) t t (
0
. (1.5)
Impulsul Dirac la t
0
Impulsul Dirac la momentul t
0
poate fi definit ca limit pentru tinznd la 0 a
semnalului

(t-t
0
) definit n figura 1.7
5
). ( ( lim ) (
0
0
0
t t t t

(1.6)
Semnalul impuls Dirac verific rela&ia

+

1 dt ) t t (
0
, (1.7)
unde
0 0
t t , 0 ) t t ( #i . ) t (
0

Impulsul Dirac (figura 1.8) se mai poate defini #i ca derivata semnalului treapt
unitar
dt
) t t ( d
) t t (
0
0



. (1.8)
Figura 1.8 Impulsul Dirac la t
0
Observa#ie : Semnalele discrete treapt unitar #i impuls pot fi descrise prin
analogie cu semnalele continue prezentate mai sus.
1.4. Semnale $i procese aleatoare
Semnale aleatoare
Un semnal aleator este un semnal a crei evolu&ie n func&ie de timp este o
sum de hazarduri #i corespunde manifestrii unei variabile aleatoare. n cele ce
urmeaz se enun& cteva exemple:
a) extragerea unei cr&i ntr-un joc;
b) numrul de accidente ntr-o anumit perioad de timp;
6
c) abaterea n raport cu temperatura impus unei piese cu multe orificii #i care se
dore#te s fie men&inut la temperatur constant;
d) valorile temperaturii la fiecare minut nregistrat n ziua de 31 decembrie a fiecarui
an calendaristic;
e) numrul de persoane aflate ntr-o sta&ie de metrou ntre orele 15
00
#i 17
00
n
decursul unui an;
f) pozi&ia n raport cu centrul &intei a bilei trgtorului n diferite condi&ii de tragere.
n cazurile a) #i b), avem cte o variabil aleatoare discret cu valori discrete.
Cazul c) corespunde unei variabile aleatoare continue cu valori continue. Cazul e)
pune n eviden& o variabil aleatoare continu cu valori discrete #i n final, cazul f)
eviden&iaz o variabil aleatoare discret, de dimensiune 2, cu valori continue.
Un semnal aleator este deci o realizare a unei variabile aleatoare a crei
evolu&ie reprezint o sum a hazardurilor .
Pentru descrierea variabilelor aleatoare se utilizeaz urmtoarele no&iuni:
func#ia de reparti#ie, densitatea de probabilitate, media, momentul de ordin q,
momentul centrat de ordin q.
Procese aleatoare
Se consider realizrile ob&inute de la un termometru ce indic temperatura
ntr-o incint #i care se dore#te a fi constant. Se re&in nregistrrile: X
1
(t), X
2
(t), ,
X
n
(t) pentru intervalele: (0 T), (T 2T), (2T 3T), ,((n-1)T nT) (figura 1.9 unde n =
4).
Procesul aleator este reprezentat prin simbolul X(t,) ( X
1
(t), X
2
(t), X
3
(t),
X
4
(t)). Pentru un rezultat dat, nregistrrile reprezint o simpl func&ie de timp (X
k
(t))
iar pentru un moment de timp t i t
i
, X(t
i
,)X() reprezint o variabil
aleatoare. Deci, procesul aleator reprezint o succesiune de variabile aleatoare:
X(t,)=((t
1
), , (t
n
)).
Un proces aleator se nume#te proces sta#ionar dac:
media este n , 1 i . ct )] t ( [ M
i

func&ia de autocorela&ie

N
1 k
j
k
i
k
N
j i j i
) t ( X ) t ( X
N
1
lim )] t ( ) t ( [ M ) t , t ( R

(1.9)
nu depinde de momentele t
i
, t
j
ci depinde numai de (t
j
-t
i
). n concluzie se poate scrie
) ( R ) t , t ( R
j i


unde
j i
t t .
7
Figura 1.9 nregistrri ale temperaturii n incint
Un proces aleator se nume#te proces ergodic dac media realizrilor variabilei
aleatoare (t
i
) este egal cu media n timp a nregistrrilor

N
1 k
i
k
N
i
N , 1 k ) t ( X
N
1
lim )] t ( [ M . (1.10)
n practic condi&iile de ergodicitate sunt greu de verificat fiind considerate
doar ipoteze de lucru n demonstrarea unor teoreme.
1.5 E$antionarea $i refacerea semnalelor continue
Conversia analog-digital a semnalelor
n multe situa&ii semnalele de interes practic, cum ar fi: semnalele vocale,
semnalele biologice, semnalele seismice, semnalele radar sunt semnale analogice
(continue). Pentru procesarea semnalelor analogice prin intermediul procedurilor
numerice este necesar sa se converteasc semnalele continue n semnale digitale.
Aceast procedur este denumit conversie analog-digital #i se realizeaz prin
intermediul convertoarelor Analog-Digitale.
8
Etapele necesare conversiei unui semnal analogic ntr-un semnal digital
sunt urmtoarele:
- e#antionarea semnalului analogic;
- cuantizarea semnalului e#antionat;
- codarea semnalului cuantificat.
Modul de conversie a unui semnal analogic este ilustrat n figura urmtoare.
Figura 1.10 Modul de conversie al unui semnal analogic
n urma acestor opera&ii la un moment de timp bine determinat, semnalului
analogic i corespunde un cod numeric care resprezint o aproxima&ie a valorii
semnalului analogic. Cu ct diferen&a ntre dou cuante este mai mic, cu att
aproximarea valorii analogice este mai bun. n prezent convertoarele analog-
numerice furnizeaz cod numerice pn la 16 bi&i pentru un semnal analogic cuprins
ntre 0V #i 1V. Diferen&a minim ntre dou cuante n acest caz este de
,
_

216
0 1 V V
,
ceea ce reprezint o valoare foarte mic.
E$antionarea semnalelor analogice
n cele ce urmeaz limitm expunerea la e#antionarea uniform (intervale
de timp egale) a semnalelor analogice.
9
Modul de e#antionare a semnalelor este ilustrat in figura urmtoare.
Figura 1.11 Modul de e#antionare a unui semnal
Semnalul achizi&ionat se noteaz cu x(n) #i reprezint valoarea semnalului
x
a
(t) la momentul t = nT, deci x(n) = x
a
(nT).
Timpul dintre dou e#antioane succesive notat cu T este numit perioad de
e#antionare sau interval de e#antionare.
Inversul lui T, notat cu
T
F
e
1
, reprezint frecven&a de e#antionare.
Cu aceste nota&ii momentul t se poate exprima sub forma:
S
F
n
T n t
.
Ca o consecin& a rela&iei anterioare exist o rela&ie ntre variabila de
frecven& F (sau ') a semnalului analogic #i variabila de frecven& f (sau () a
semnalului discret.
Pentru a stabili aceast rela&ie se consider un semnal sinusoidal analog, de
forma:
) 2 cos( ) ( + Ft A t x
a

,
_

S
a
F
nF
A nT F A nt x
2
cos ) 2 cos( ) ( (1.11)
Avnd n vedere c:
) 2 cos( ) ( + nf A n x (1.12)
rezult din (1.11) + (1.12) c
S
F
F
f , dar

2
f
;
2

F ;
T
F
S
1

, deci:
T
10
Teorema e$antionrii
Fiind dat un semnal analogic se pune problema stabilirii perioadei de
e#antionare astfel nct s se poat reface semnalul continuu pornind de la semnalul
e#antionat.
Pentru a rezolva aceast problem sunt necesare anumite informa&ii privind
frecven&ele continue ale semnalului analogic.
De exmplu semnalul audio (voce uman) con&ine frecven&e de pn la
maxim 3000Hz, iar semnalul video de pn la 5MHz.
Dac se cunoa#te frecven&a maxim con&inut n semnalul analogic, atunci
se poate specifica perioada de e#antionare necesar conversiei semnalului analogic n
semnal digital fr a pierde informa&ii con&inute n semnalul analogic.
n multe situa&ii un semnal analogic poate fi reprezentat printr-o sum de
semnale sinusoidale de amplitudine diferit

+
N
i
i i i a
t F A t x
1
) 2 cos( ) (
,
unde N reprezint numrul componentelor frecven&iale.
Teorema eantion#rii: Dac frecven&a maxim con&inut ntr-un semnal
analogic x
a
(t) este F
max
= B #i semnalul este e#antionat cu o rat de e#antionare
(frecven& de e#antionare) F
S
> 2F
max
) 2B, atunci x
a
(t) poate fi refcut exact din
valorile e#antionate utiliznd urmtoarea func&ie de interpolare:
t F
t F
t g
max
max
2
2 sin
) (

.
Astfel x
a
(t) poate fi calculat cu rela&ia:

,
_

,
_

n
S S
a a
F
n
t g
F
n
x t x ) (
,
unde
( ) ( ) n x T n x
F
n
x
a
S
a

,
_

, sunt e#antioane ale semnalului x

a
(t).
Exemplu: Fie x
a
(t) = 3cos50*t + 10sin300*t cos100*t, un semnal
analogic. Frecven&ele con&inute n semnalul dat sunt: F
1
= 25Hz, F
2
= 150Hz, F
3
=
50Hz. Pentru a putea reface semnalul, frecven&a de e#antionare trebuie s fie: F
S
>
2F
max
= 300Hz.
11
CAPITOLUL 2 - ANALIZA FOURIER
2.1 Analiza Fourier continu
Motivaia utiliz!rii instrumentelor corespunz!toare analizei frecveniale are la
baz! necesitatea extrapol!rii anumitor frecvene coninute ntr-un semnal dat,
frecvene utilizate ulterior n obinerea unor informaii din semnal.
Analiza Fourier este util! n cazul cnd raportul semnal zgomot este relativ
mare, fiind n acela$i timp $i o metod! direct! folosit! la determinarea funciilor de
convoluie $i corelaie.
2.1.1. Seria Fourier pentru semnale continue #i periodice
Reprezentarea matematic! de baz! a semnalelor periodice este seria Fourier,
care este de fapt o sum! ponderat! de sinusoide sau exponeniale complexe.
Matematicianul francez, Jean Babtiste Joseph Fourier (1768 1830) utilizeaz!
seria trigonometric! n conducia c!ldurii $i a distibuiei c!ldurii prin corp.
Preocup!rile n ceea ce prive$te reprezentarea matematic! a semnalelor s-au extins $i
n alte domenii.
Fie dat semnalul periodic x(t) de perioada T
p
. Semnalul x(t) se poate reprezenta
printr-o serie de forma:

k
t F k 2 j
k
0
e C ) t ( x

(1)
numit! serie Fourier, unde frecvena fundamental! F
0
reprezint! inversul perioadei
p
T
(
p
0
T
1
F ).
Pentru a determina expresia coeficientilor {C
k
} se nmule$te relaia (1) cu
expresia
t l F 2 j
0
e

, $i se integreaz! pe o singur! perioad! (t
0
, t
0
+T
p
):

+



+

,
_

p 0
0
0 0
p 0
0
0
T t
t
k
t k F 2 j
k
t l F 2 j
T t
t
t l F 2 j
dt e C e dt e ) t ( x

Pnetru nceput se evalueaz! membrul drept $i rezult!:
12
p 0
0
0
p 0
0
0
p 0
0
0 0
T t
t
k
0
t ) l k ( F 2 j
k
k
T t
t
t ) l k ( F 2 j
k
T t
t
k
t k F 2 j
k
t l F 2 j
) l k ( F 2 j
e
C
dt e C dt e C e
+

+

+

1
]
1

,
_

Pentru kl:
0
) l k ( F 2 j
e
p 0
0
0
T t
t
0
t ) l k ( F 2 j

, deoarece
) ( 2
0
l k F j
e

este o funcie
periodic!, de perioad! T
p
.
Pentru k=l:
p
T t
t
T t
t
T t dt
p 0
0
p 0
0

+ +

.
n consecin!

+

p l
T t
t
t l F 2 j
T C dt e ) t ( x
p 0
0
0

+


p 0
0
0
T t
t
t l F 2 j
p
l
dt e ) t ( x
T
1
C

(2)
Formula (2) reprezint! formula de calcul pentru coeficienii seriei Fourier. O
problem! n aceast! abordare o reprezint! convergena seriei Fourier c!tre valorile lui
x(t) pentru orice valoare a lui t.
Condiiile lui Dirichlet garanteaz! convergena seriei pentru orice valoare a
lui t, exceptnd valorile lui t pentru care x(t) este discontinuu.
Aceste condiii sunt:
1) x(t) trebuie s! aib! un num!r finit de discontinuit!i n intervalul [t
0
, t
0
+T
p
],
oricare ar fi t
0
din R.
2) x(t) conine pe o perioad! un num!r finit de maxime $i minime locale.
3) x(t) este integrabil absolut pe orice perioad!:
<

+
p
T t
t
dt t x
0
0
| ) ( |
.
Seria Fourier poate fi scris! $i sub forma unei sume ponderate de sinusoidale.
Plecnd de la relaia:

k
t k F 2 j
k
0
e C ) t ( x

,
Unde


p
0
T
t k F 2 j
p
k
dt e ) t ( x
T
1
C

.
n general C
k
sunt complexe. Este u$or de demonstrat faptul c! dac! x(t) este real,
atunci C
k
$i C
-k
sunt complex conjugate.
k k
j
k k
j
k k
e | C | C ; e | C | C

cu aceste notaii $i avnd n vedere c!

sin j cos e
j
+ , seria Fourier devine:

+ +
1 k
k 0 k 0
) t kF 2 cos( | C | 2 C ) t ( x
.
Se aplic! formula
13
k 0 k 0 k 0
sin ) t kF 2 sin( cos ) t kF 2 cos( ) t kF 2 cos( +
$i rezult!
( )

+ ) t kF 2 sin( b ) t kF 2 cos( a a ) t ( x
0 k 0 k 0
,
unde, . sin | C | 2 b ; ! cos | |C 2 a ; C a
k k k k k k 0 0

2.1.2. Spectrul densit&ii de putere a semnalelor periodice
Un semnal periodic are o energie infinit! $i o putere medie finit! care este
dat! prin relaia:

p
T
2
p
x
dt ) t ( x
T
1
P
.
Dar ) t ( x ) t ( x | ) t ( x |
* 2
.
Se exprim! x
*
(t) print-o relaie de forma:

k
t kF 2 j *
k
*
0
e C ) t ( x

.
Cu aceste notaii relaia de calcul a puterii devine:
Parseval lui relatia - | C | dt | ) t ( x |
T
1
P
| C | C C
dt e ) t ( x
T
1
C dt e C ) t ( x
T
1
P
k
2
k
T
2
p
x
k
2
k
k
k
*
k
k
T
t F k 2 j
p
*
k
T
k
t kF 2 j *
k
p
p
p
0
p
0

Pentru a demonstra semnificaia fizic! a relaiei anterioare se consider! x(t)
ca fiind o simpl! exponenial!:
t kF 2 j
k
0
e C ) t ( x



. n acest caz toi coeficienii
seriei Fourier corespunz!toare lui x(t) sunt nuli, exceptnd C
k
. n concluzie,
2
k x
| C | P
.
Funcia care pune n eviden! spectrul densit!ii de putere a unui semnal x(t)
este ilustrat! n figura urm!toare:
14
2.1.3. Transformata Fourier pentru semnale continue aperiodice
n paragraful anterior s-a prezentat seria Fourier corespunz!toare unui
semnal periodic. Pentru a ilustra trecerea de la seria Fourier la transformata Fourier se
consider! un semnal aperiodic x(t) de durat! finit!, reprezentat n figura urm!toare:
Pentru acest semnal aperiodic se poate lua un semnal peridic x
p
(t), de
perioad! T
p
, ilstrat n figura de mai jos:
Dac!

p
T
, atunci se poate spune c!

,
_

) t ( x lim ) t ( x ), t ( x ) t ( x
p
T
p
p
.
Seria Fourier asociat! semnalului periodic x
p
(t) este:

,
T
1
F ; e C ) t ( x
p
0
t kF 2 j
k p
0

unde,

2
T
2
T
t kF 2 j
p
p
k
p
p
0
dt e ) t ( x
T
1
C

.
Deoarece x
p
(t) = x(t) pentru -T
p
/ 2 " t " T
p
/ 2, coeficienii se pot scrie sub
forma:
15

2
T
2
T
t kF 2 j
p
p
k
p
p
0
dt e ) t ( x
T
1
C

.
pentru
p
T , coeficienii devin:

dt e t x
T
C
t kF j
p
k
0
2
) (
1

.
Se noteaz! cu F = kF
0
$i se define$te funcia X(F) numit! transformata
Fourier a lui x(t) sub urm!toarea form!:

dt e ) t ( x ) F ( X
t F 2 j
Obs: Coeficienii C
k
pot fi exprimai sub forma:
) F k ( X
T
1
C
0
p
k

.
Pornind de la seria Fourier $i de la expresia lui C
k
n funcie de de X(kF
0
), se
poate defini $i transformata Fourier invers!, printr-o relaie de forma:

+
dF e ) F ( X ) t ( x
t F 2 j
.
Deoarece

2
2


d
dF F
, iar relaiile anterioare devin:

dt e t x X
d e X t x
t j
t j
) ( ) (
) (
2
1
) (

2.1.4. Spectrul densit&ii de energie a semnalelor aperiodice

Fie x(t) un semnal de energie finit!, iar X(F) transformata Fourier a
semnalului x(t). Energia lui x(t) se define$te prin relaia:

dt | ) t ( x | E
2
x
, care
poate fi exprimat! sub forma:
[ ]
[ ]

dF | ) F ( X | dF ) F ( X ) F ( X dF dt e ) t ( x ) F ( X
dt dF e ) F ( X ) t ( x dt ) t ( x ) t ( x E
2 * t F 2 j *
t F 2 j * *
x

Deci se poate scrie:

dF F X dt t x E
x
2 2
| ) ( | | ) ( |
.
Relaia de mai sus se nume$te relaia lui Parseval pentru semnale
aperiodice, finit energetice $i care pune n eviden! conservarea energiei exprimat!
att n domeniul timp ct $i n domeniul frecven!.
16
2.2. Analiza Fourier discret
2.2.1. Transformata Fourier standard discret
Dup! cum se $tie transformata Fourier standard a unui semnal continuu x(t) se
define$te prin relaia urm!toare
) , ( f , f 2 , dt e ) t ( x ) f ( X
t j

. (2.1)
Dac! x(t) este o variabil! aleatoare atunci existena transformatei Fourier
necesit! un cadru matematic mult mai complex. Deoarece se lucreaz! cu secvene de
date de lungime $i amplitudine finite, transformata Fourier reprezint! o secven! de
numere complexe determinabile.
Dac! se consider! o secven! complex! z(i) unde 1 , 0 N i , atunci
transformata Fourier discret! este dat! de relaia
1 N , 0 k ; ik
N
2
j exp ) i ( z T ) k ( Z
1 N
0 i

,
_

. (2.2)
n relaia (2.2) s-a notat cu
min
f k k

,
NT
f
1
min
, T i i

, unde T este
perioada de e$antionare a semnalului.
Pentru justificarea relaiei (2.2) se utilizeaz! transformata Fourier dat! de
relaia (2.1). Calculul integralei se face aplicnd metoda dreptunghiului pentru care se
obine
dt e ) t ( z ) f ( Z
t j

1 N
0 i
T i j
e ) iT ( z T

. (2.3)
Se noteaz! cu
NT
k
2 f 2

(
NT
1
k f ), iar relaia anterioar! devine
) T i
T N
1
k 2 j ( exp ) iT ( z T )
NT
1
k ( Z
1 N
0 i
/
/

(2.4)
sau, dac! se utilizeaz! notaiile de mai sus, se obine urm!toarea expresie pentru
transformata Fourier discret!
) ki
N
2
j ( exp ) i ( z T ) k ( Z
1 N
0 i

. (2.5)
17
Se observ! c! discretizarea n timp a lui z(t) duce la discretizarea n frecven! a
lui Z(f). Valorile lui Z(f) pot fi reconstituite $i ntre momentele e$antion!rii utiliznd o
metod! de interpolare.
Deoarece realizarea
1 N , 0 i
{z(i)}

este cunoscut! pentru 1 , 0 N i , atunci
transformata Fourier Z(k) este o funcie periodic! ce verific! relaia Z(N+k)=Z(k).
Observa&ia 1: n cazurile practice de analiz! a datelor se lucreaz! doar cu valori
reale, astfel c! transformata Fourier va fi evaluat! doar pentru jum!tate din cele N
valori, deoarece aceasta verific! relaia
) k ( X ) k N ( X

, unde X
*
- conjugatul lui X(k). (2.6)
Fie x(i) valoarea real! cu 1 , 0 N i $i transformata Fourier direct! dat! de relaia
1 N , 0 k ), ki
N
2
j ( exp ) i ( x T ) k ( X
1 N
0 i

. (2.7)
Evaluarea transformatei Fourier X(k) se va face pentru urm!toarele valori ale lui k

'

impar N daca )
2
1 N
, 0 ( k
par N daca )
2
N
, 0 ( k
. (2.8)
n cele ce urmeaz! se va demonstra egalitatea ) k ( X ) k N ( X

, utilizndu-
se transformata Fourier dat! prin relaia urm!toare

+
1 N
0 i
) ik
N
2
j exp(
)) ik
N
2
sin( j ) ik
N
2
(cos( ) i ( x T ) k ( X
4 4 4 4 4 3 4 4 4 4 4 2 1

. (2.9)
Avnd n vedere c!

'

) ki
N
2
( sin ) i ( x T )) k ( X Im(
) ki
N
2
cos( ) i ( x T )) k ( X Re(
1 N
0 i
1 N
0 i

, (2.10)
iar funcia cos este par! $i sin este impar!, rezult! c! relaia (2.6) este evident!.
18
Observa&ia 2: Avnd n vedere relaiile (2.10), transformata Fourier poate fi
exprimat! $i prin intermediul coordonatelor polare

'

+
Re
Im
arctg ) k (
Im Re ) k ( X
2 2

. (2.11)
2.2.2. Transformata Fourier invers
Dac! X(k) este transformata Fourier a lui x(i), cu 1 N , 0 i $i 1 N , 0 k ,
atunci transformata Fourier invers! este dat! de relaia urm!toare:
1 N , 0 i ), ik
N
2
j exp( ) k ( X
NT
1
) i ( x
1 N
0 k

, (2.12)
unde
NT
1
reprezint! incrementul de frecven!.
Deoarece X(k) sa definit pentru
2
N
sau
2
) 1 N (
, calculul secvenei reale
{x(i)}, 1 N , 0 i necesit! $i evaluarea lui X(N-k). O procedur! de calcul care evit!
folosire celei de-a doua jum!t!i a transformatei Fourier se va prezenta n cadrul
paragrafului 2.2.5
2.2.3. Calculul transformatei Fourier a dou secven&e de date
Fie x(i), y(i), i= 1 N , 0 , dou! secvene de date cu ajutorul c!rora se
construie$te secvena de date complex! z(i)=x(i)+jy(i), 1 N , 0 i .
Transformata Fourier a secvenei z(i), 1 N , 0 i este
Z(k) = T
,
_

1 N
0 i
ik
N
2
j exp ) i ( z

, 1 N , 0 k . (2.13)
Dac! se are n vedere relaia z(i)=x(i)+jy(i), 1 N , 0 i , atunci transformata
Fourier se poate scrie sub forma
Z(k) = X(k) + jY(k). (2.14)
19
Se fac urm!toarele calcule
Z(k) Z
*
(N-k) = X(k) + jY(k) ( X
*
(N-k) jY
*
(N-k)), (2.15)
unde

'

) k N ( Y ) k ( Y
) k N ( X ) k ( X
*
*
, (2.16)
$i rezult!

'

j 2
) k N ( Z ) k ( Z
) k ( Y
2
) k N ( Z ) k ( Z
) k ( X
*
*
,unde

'

impar N daca
2
1 N
, 0
par N daca 2 / N , 0
k . (2.17)
2.2.4. Transformata Fourier a unor secven&e de lungime dubl
Fie dat! secvena de date complex! z(i), 1 N 2 , 0 i care este o secven! de
date dubl! (de lungime 2N ). n cele ce urmeaz! se va prezenta o procedur! de calcul
a transformatei Fourier care necesit! un timp de calcul mai mic.
Se definesc urm!toarele secvene de date

'

) 1 i 2 ( z ) i ( b
) i 2 ( z ) i ( a
, 1 N , 0 i . (2.18)
Se aplic! transformata Fourier discret! secvenelor menionate mai sus $i se
obine
20

,
_

,
_

1 N
0 i
1 N
0 i
ik
N
2
j exp ) i ( b T ) k ( B
ik
N
2
j exp ) i ( a T ) k ( A

1 N , 0 k . (2.19)
Se face urm!toarea notaie

,
_

,
_

k
N
j exp k
N 2
2
j exp W
K
N 2

. (2.20)
Cu aceste notaii transformata Fourier a secvenei de lungime dubl! se poate
scrie sub forma

k
N 2
k
N 2
W ) K ( B ) k ( A ) k N ( Z
W ) k ( B ) k ( A ) k ( Z
+
+
1 N , 0 k . (2.21)
Demonstraie:

,
_

1 N 2
0 i
ik
N 2
2
j exp ) i ( z T ) k ( Z

, 1 N 2 , 0 k

,
_

+
+ +

,
_

N 2
k ) 1 i 2 (
2 j exp ) 1 i 2 ( z T
N 2
ik 2
2 j exp ) i 2 ( z T
1 N
0 i
1 N
0 i

,
_

1
]
1

,
_

,
_

N 2
k
2 j exp
N
ik
2 j exp ) i ( b T
N
ik
2 j exp ) i ( a T
1 N
0 i
1 N
0 i

,
_

+
N
k
j exp ) k ( B ) k ( A .
Avnd n vedere faptul c! A(k) $i B(k) sunt periodice (A(N+k)=A(k) ,
B(N+k)=B(k)), relaia anterioar! se poate scrie sub forma

,
_

+
N
' k
j exp ) ' k ( B ) ' k ( A ) ' k ( Z

,
_

+
+ + + +
N
' k N
j exp ) ' k N ( B ) ' k N ( A ) ' k N ( Z ,
21
sau sub forma
k
N 2
k
N 2
W ) ' k ( B ) ' k ( A ) ' k N ( Z
W ) ' k ( B ) ' k ( A ) ' k ( Z
+
+
, (2.22)
unde 1 N , 0 ' k .
2.2.5. Transformata Fourier invers special
Se d! o secven! de date reale {x(i)}
1 N , 0 i
. Dup! cum se $tie,
transformata Fourier se calculeaz! n
2
N
sau respectiv n
2
1 N
puncte.
Se cere ca, pornind de la
2
N
M , respectiv
2
) 1 N (
M

valori ale
transformatei Fourier, s! se determine seria iniial! de timp {x(i)}
1 N , 0 i .
Fie X(k) valoarea transformatei Fourier pentru M , 0 k . Pornind de la faptul c!
) k N ( X ) k ( X
*
, se va construi seria:
( ) ( )
2
k
M
* *
W ) k M ( X ) k ( X j ) k M ( X ) k ( X ) k ( U

+ + , (2.23)
unde M , 0 k ,
iar

,
_

,
_

M
k
j exp
M
2
k
2 j exp W
2
k
M

. (2.24)
Transformarea invers! a secvenei U(k) este

,
_

1 M
0 K
F
M
ik
2 j exp ) k ( U
MT
1
) i ( u ) k ( U
1
. (2.25)
Valoarea secvenei de date {x(j)}
1 N , 0 j
se define$te prin relaiile urm!toare
x(2i)=Real(u(i))
x(2i+1)=Imag(u(i)), 1 M , 0 i (2.26)
22
2.2.6. Transformata Fourier rapid
Transformata Fourier rapid se aplic pentru secven#e de date de lungime

2 N
sau, ntr-un caz mai general, pentru secven#e de date a cror lungime se poate exprima
sub forma N= . 5 3 2
p m n
Dac lungimea secven#ei de date nu este egal cu unul dintre
numerele de mai sus, atunci se completeaz cu 0 pn se ob#ine o lungime a secven#ei
egal cu

2 sau ) 5 3 2 (
p m n
.
Pentru a exemplica modul de calcul al transformatei Fourier rapide se consider
cazul ) 2 ( 2 4 N
2
.
Transformata Fourier a unei secven#e de date {x(k)}
1 N , 0 k
este

1 N
0 k
n k
N
2
j
e ) k ( x ) n ( X

1 N , 0 n . (2.27)
n rela#ia anterioar s-a considerat perioada T=1.
Dac se noteaz cu
N
2
j
e W


, (2.28)
atunci rela#ia (2.27) pentru N=4 se expliciteaz sub forma

'

+ + +
+ + +
+ + +
+ + +
9
0
6
0
3
0
0
0
6
0
4
0
2
0
0
0
3
0
2
0
1
0
0
0
0
0
0
0
0
0
0
0
W ) 3 ( x W ) 2 ( x W ) 1 ( x W ) 0 ( x ) 3 ( X
W ) 3 ( x W ) 2 ( x W ) 1 ( x W ) 0 ( x ) 2 ( X
W ) 3 ( x W ) 2 ( x W ) 1 ( x W ) 0 ( x ) 1 ( X
W ) 3 ( x W ) 2 ( x W ) 1 ( x W ) 0 ( x ) 0 ( X
(2.29)
sau sub forma
1
1
1
1
]
1

1
1
1
1
]
1

1
1
1
1
]
1

) 3 ( x
) 2 ( x
) 1 ( x
) 0 ( x
W W W W
W W W W
W W W W
W W W W
) 3 ( X
) 2 ( X
) 1 ( X
) 0 ( X
0
0
0
0
9 6 3 0
6 4 2 0
3 2 1 0
0 0 0 0
. (2.30)
Avnd n vedere faptul c
23
; 1 W
0

; W 1 e e W
0
2
j 4
4
2
j
4

; W e e W
2
2
4
2
j 6
4
2
j
6



1
1
4
2
j 9
4
2
j
9
W e e W

,
sistemul de ecua#ii (2.30) devine
1
1
1
1
]
1

1
1
1
1
]
1

1
1
1
1
]
1

) 3 ( x
) 2 ( x
) 1 ( x
) 0 ( x
W W W 1
W 1 W 1
W W W 1
1 1 1 1
) 3 ( X
) 2 ( X
) 1 ( X
) 0 ( X
0
0
0
0
1 2 3
2 2
3 2 1
. (2.31)
Utiliznd anumite proceduri de factorizare, ecua#ia matriceal (2.30) se poate
scrie $i sub urmtoarea form
1
1
1
1
]
1

1
1
1
1
]
1

1
1
1
1
]
1

1
1
1
1
]
1

) 3 ( x
) 2 ( x
) 1 ( x
) 0 ( x
W 0 1 0
0 W 0 1
W 0 1 0
0 W 0 1
W 1 0 0
W 1 0 0
0 0 W 1
0 0 W 1
) 3 ( X
) 1 ( X
) 2 ( X
) 0 ( X
0
0
0
0
2
2
0
0
3
1
2
1
.(2.32)
Pentru a realiza anumite conexiuni, ntre aspectele teoretice privind prezentarea
transformatei Fourier rapide, se fac urmatoarele nota#ii
1
1
1
1
]
1

1
1
1
1
]
1

1
1
1
1
]
1

) 3 ( x
) 2 ( x
) 1 ( x
) 0 ( x
W 0 1 0
0 W 0 1
W 0 1 0
0 W 0 1
) 3 ( X
) 2 ( X
) 1 ( X
) 0 ( X
0
0
0
0
2
2
0
0
1
1
1
1
, (2.33)
24
1
1
1
1
]
1

1
1
1
1
]
1

1
1
1
1
]
1

) 3 ( X
) 2 ( X
) 1 ( X
) 0 ( X
W 1 0 0
W 1 0 0
0 0 W 1
0 0 W 1
) 3 ( X
) 1 ( X
) 2 ( X
) 0 ( X
1
1
1
1
3
1
2
1
. (2.34)
Vectorul final X, care reprezint transformata Fourier, se ob#ine prin ordonarea
indicilor vectorului X din ecua#ia matriceal (2.34).
Analiznd rela#ia (2.29) rezult c vectorul X se calculeaz dup 16 nmul#iri $i
12 adunri, iar n cazul rela#iilor (2.33) $i (2.34) vectorul X se calculeaz dup 4
nmul#iri $i 8 adunri.
2.2.6.1. Graful de semnal al transformatei Fourier
Ecua#ia matriceal (2.31) se poate ilustra $i sub forma unui graf de semnal,
reprezentat n figura 2.1.
Figura 2.1 Graful de semnal pentru N=4
Graful de semnal se caracterizeaz prin:
n fiecare nod al unei coloane ajung 2 ci de transmisie de la nodurile coloanelor
anterioare;
informa#ia ob#inut de la o cale de transmisie este nmul#it cu 3 , 1 l , W
l
, iar
rezultatul este transmis unui nod care apar#ine coloanei urmtoare;
informa#ia care ajunge la un nod se nsumeaz;
pentru

2 N graful de semnal con#ine coloane.

Pentru a pune n eviden# toate aspectele care intervin n cadrul unui graf de
semnal asociat transformatei Fourier rapide se consider cazul ) 4 ( 2 16 N
4
.
Graful de semnal care con#ine, n acest caz, patru coloane este dat n figura urmtoare.
25
Figura 2.2 Graful de semnal pentru N=16
n cadrul grafului de semnal, pentru fiecare coloan, se define$te no#iunea de
noduri duale, ca fiind noduri care primesc informa#ii de la acelea$i noduri ale coloanei
26
anterioare. Perechile de noduri duale sunt separate prin
l
2
N
k pozi#ii, iar calculul
informa#iei asociate unei perechi de noduri duale necesit o singur nmul#ire
complex.
n acest context, pentru calculul informa#iei asociate coloanei l, se utilizeaz
rela#iile urmtoare:
)
2
N
k ( x W ) k ( x ) k ( x
1 l
p
1 l l
+ +

, (2.35)
) k ( x W )
2
N
k ( x )
2
N
k ( x
1 l
p
1 l l
+ + , (2.36)
unde
2
N
, 0 k iar , 1 l .
Valoarea indicelui p se calculeaz parcurgnd urmatoarele etape:
se scrie k sub form binar utiliznd bi#i;
se deplaseaz la dreapta numrul binar rezultat cu ) l ( bi#i;
se completeaz bi#ii din stnga cu 0;
se inverseaz ordinea bi#ilor iar numrul rezultat este p.
Exemplu de calcul
Fie situa#ia: 8 k , 4 $i l=3. n conformitate cu algoritmul men#ionat se parcurg
urmtoarele etape:
se scrie k sub form binar utilizndu-se 4 bi#i:
2
1000 k ;
se deplaseaz numrul rezultat la dreapta cu ) l ( =4-3=1 pozi#ii $i rezult
numrul binar:
2
0100
dup inversarea ordinii bi#ilor rezult numrul
2
0010 , deci p=2.
Pentru calculul transformatei Fourier rapide utilizndu-se graful de semnal trebuie
s se ordoneze vectorul de pe ultima coloan, ordonare care reprezint ultima etap a
algoritmului transformatei Fourier rapide. Procedura const n inversarea ordinii bi#ilor
corespunztori pozi#iei vectorului, pozi#ie reprezentat printr-un numr n baza 2,
conform urmtoarei diagrame:
27
Figura 2.3 Diagrama care ilustreaz modul de ordonare al vectorului de pe ultima coloan
2.2.6.2. Algoritmul de calcul al transformatei Fourier rapide pentru N=2
#
.
Algoritmul de baz Cooley-Tukey
Se consider seria de date reale { } ) k ( x
0
1 N , 0 k , unde

2 N .
Dac se noteaza cu
N
2
j
e W


, (2.37)
atunci transformata Fourier a seriei de date este

1 N
0 k
k n
W ) k ( x ) n ( X , unde 1 N , 0 n , 1 N , 0 k . (2.38)
Se exprim indicii n $i k n baza doi sub forma
0 1
1
2
2
1
1
n n 2 n 2 n 2 n + + + +

, (2.39)
unde { } { } 1 ; 0 n
1 , 0 i i


,
0 1
1
2
2
1
1
k k 2 k 2 k 2 k + + + +

, (2.40)
28
unde { } { } 1 ; 0 k
1 , 0 i i


.
Cu aceste nota#ii rela#ia (2.38) devine
p
1
0 k
1
0 k
1
0 k
k
0 1 2 1 0
n
0 1 2 1
W ) k , k , , k , k ( x ) n , n , , n , n ( X
0 1 1






4 4 4 3 4 4 4 2 1
K K
4 4 4 3 4 4 4 2 1
K ,
(2.41)
unde indicele p este dat prin rela#ia urmtoare

) k k 2 k 2 k 2 (
) n n 2 n 2 n 2 ( k n p
0 1
1
2
2
1
1
0 1
1
2
2
1
1
+ + + +
+ + + +

K
K

. (2.42)
n cele ce urmeaz se vor face anumite artificii de calcul, cu scopul de a reduce
puterile lui W din rela#ia (2.41). Aceste artificii se bazeaz pe faptul c W este o
func#ie periodic (W
(N+k)
=W
k
) . Avnd n vedere nota#iile anterioare, se dezvolt
puterea lui W $i se ob#ine
) k ( n ) k 2 ( n
) k 2 ( n ) k 2 ( n
) k k 2 k 2 k 2 ( n
p
0 1
1
2
2
1
1
0 1
1
2
2
1
1
W W W W
W W


+ + + +

K
K

(2.43)
n rela#ia anterioar se reduce puterea primului factor dup cum urmeaz
. W
W 1 1 1
W W W W
W W
) k n 2 (
) k n 2 ( ) k n ( ) k n 2 ( ) k n 2 (
) k n 2 ( ) k n 2 ( ) k n 2 2 ( ) k n 2 2 (
) k 2 ( ) n n 2 n 2 n 2 ( ) k 2 ( n
1 0
1
1 0
1
1 2 1 2
3
1 2
2
1 0
1
1 2 1 2
3
1 2
2
1
1
0 1
1
2
2
1
1
1
1

+ + + +

K
K
K
Aceast reducere este posibil deorece W verific rela#ia
1 e e W W
2 j
N
N
2 j
N 2

.
Utiliznd acela$i artificiu de calcul, ca n cazul anterior, factorii din rela#ia (2.43)
se scriu sub forma
29

'

+ + + +

0 0 1
1
2
2
1
1
0
2
2
0 1 2
2
1 0
1
1
1
k ) n n 2 n 2 n 2 (
k n
) k 2 )( n n 2 ( ) k 2 ( n
) k n 2 ( ) k 2 ( n
W W
W W
W W
K
L

. (2.44)
Cu aceste reduceri rela#ia (2.41) devine
]. W
W W
) k , k , , k , k ( x [ ) n , n , , n , n ( X
0 0 1
1
2
2
1
1
2
2
0 1 1 0
1
0 1 1
k ) n n 2 n 2 n 2 (
) k 2 )( n n 2 ( ) k n 2 (
1
0 k
1
0 k
1
0 k
k
0 1 2 1 0
n
0 1 2 1
+ + + +
+

K
K
4 4 4 3 4 4 4 2 1
K K
4 4 4 3 4 4 4 2 1
K

(2.45)
Suma multipl dat de rela#ia anterioar se poate descompune n m= rela#ii:
) k n 2 (
1
0 k
k
0 1 2 1 0 0 1 2 0 1
1 0
1
1
W
) k , k , , k , k ( x ) k , k , , k , n ( X

4 4 4 3 4 4 4 2 1
K L
, (2.46)
) k 2 )( n n 2 (
1
0 k
0 1 2 0 1 0 1 2 , 1 0 2
2
2
0 1
2
W
) k , k , , k , n ( X ) k , k , , k n , n ( X

L L
,
.
.
.
0 0 1
1
2
2
1
1
0
k ) n n 2 n 2 n 2 (
1
0 k
1 , 1 0 1 1 , 1 0
W
) n , n , n ( X ) n , n , n ( X
+ + + +

K
L L

.
n concluzie, transformata Fourier a secven#ei de date reale este dat de rela#ia
urmtoare
) n , n , n ( X ) n , n , , n , n ( X
1 , 1 0 0 1 2 1


L K . (2.47)
Acest set de ecua#ii reprezint forma original a algoritmului Cooley Tukey
pentru calculul transformatei Fourier rapide n cazul

2 N . Acest algoritm reduce

substan#ial volumul de calcul al transformatei Fourier, motiv pentru care analiza
30
spectral se utilizeaz $i n cazul aplica#iilor reale, unde timpul de calcul se impune s
fie ct mai mic.
n paralel cu algoritmii rapizi de calcul ai transformatei Fourier s-au dezvoltat $i
structuri hard de calcul care utilizeaz DSP-uri (Digital Signal Processor) ce dispun de
instrumente de calcul paralel $i o unitate de calcul n virgul mobil, cu posibilit#i de a
realiza calcule n simpl, dubl precizie sau precizie extins.
2.2.6.3. Algoritmul de calcul al tranformatei Fourier rapide pentru factori
arbitrari
n cadrul acestei abordri lungimea secven#ei de date pentru care se calculeaz
transformata Fourier este N=r
1
.
r
2
, unde r
1
si r
2
sunt valori ntregi.
Se vor exprima n $i k din rela#ia urmtoare
( )

,
_

N
nk
2 j exp k x ) n ( X
1 N
0 k
0
, (2.48)
sub forma
n=n
1
.
r
1
+n
0
,
(2.49)
k=k
1
.
r
2
+k
0
,
unde
1 r , 0 1 n , 1 r , 0 n
2 1 0
,
1 r , 0 k , 1 r , 0 k
1 1 2 0
.
Aceast metod de scriere a lui n si k permite o reprezentare unic pentru
fiecare ntreg zecimal.
Cu aceste nota#ii ecua#ia (2.48) se scrie sub forma urmtoare
( ) ( )
0
2
0
1
1
2 1
nk
1 r
0 k
1 r
0 k
r nk
0 1 0 0 1
W W k , k x n , n X
1
]
1

, (2.50)
unde

,
_

N
2
j exp W

.
Avnd n vedere rela#ia (2.49) termenul din interiorul sumei se poate scrie sub
forma

( )
( )
2 1 0 2 1 0
1 1
2 1
2 1 0 1 1 2 1
2 1 0 1 1 2 1
r k n r k n
k n
r r
r k n k r r n
r k n r n r nk
w 1 w w w w w w
+
Rela#ia (2.50) se descompune n dou sume $i rezult
31
( ) ( )

1 r
0 k
r k n
0 1 0 0 0 1
1
2
2 1 0
w k , k x k , n X , (2.51)
( ) ( )
( )

1 r
0 k
k n k n
0 0 1 1 0 2
2
2
0 0 1 1
w k , n X n , n X . (2.52)
Transformata Fourier a secven#ei de date este
( ) ( )
1 0 2
n , n X n X . (2.53)
2.2.6.4. Algoritmul Cooley-Tukey pentru N=r
1
.
r
2
.

.
r
m
Se consider cazul cnd lungimea secven#ei de date reale N se poate scrie ca un
produs de numere naturale N=r
1
.
r
2
.

.
r
m
. Ca $i n cazul anterior se vor exprima n $i
k sub forma:
( ) ( )
0 1 1 2 m 2 1 2 m 1 m 2 1 1 m
n r n ... n ... r , r n r ... r , r n n + + + +

, (2.54)
( ) ( )
0 m 1 m 4 3 2 m m 3 2 1 m
k r k ... r ... r , r k r ... r , r k k + + + +

, (2.55)
unde
m , 1 i 1 r , 0 n
i 1 i

1 m , 0 i 1 r , 0 k
i m i


.
Cu aceste nota#ii rela#ia
( ) ( )

,
_

1 N
0 k
0
N
k n
2 j exp k x n X , (2.56)
devine
( ) ( )

0 1 1 m
k k k
nk
0 2 m 1 m 0 0 1 2 m 1 m
W k ,..., k , k x ... n , n ... n , n X , (2.57)
unde

i
k
reprezint

i m
i
r
0 k
, iar
,
_

N
1
2 j exp W .
Avnd n vedere nota#iile fcute rezult
32
( ) [ ] ( )
0 m 3 2 1 m 0 m 3 2 1 m
nk r ... r r nk k ... r ... r r k n nk
W . . . W W W
+ +

, (2.58)
unde primul factor se poate exprima sub forma
( ) ( ) [ ] ( )
[ ]
( )
( )
m 3 2 1 m 0
1 1 m 2 1 m
m 2 1
m 3 2 1 m 0 1 1 1 m 2 1 1 m m 3 2 1 m
r ... r r k n
n ... r ,..., r n
r ... r r
r ... r r k n r n ... r ... r r n r ... r r k n
W W
W W

+ +

+ + +

. (2.59)
Deoarece 1 W
m 2 1
r ... r r

, rela#ia anterioar devine
( ) ( )
m 3 2 1 m 0 m 3 2 1 m
r ... r r k n r ... r r k n
W W


.
La fel se procedaz $i pentru ceilal#i factori ai rela#iei (2.58) $i se ob#ine
urmtoarea expresie pentru calculul transformatei Fourier (2.57)
( ) ( )
( )
( ) [ ]
0 m 3 2 m
0 1 2 m 1 m
m 2 1 m 0
k ... r ... r k n
k k k k
r ... r k n
0 1 m 0 0 1 2 m 1 m
W
W k ,..., k x ... n , n ,..., n , n X
+ +

Se noteaz cu
( ) ( )
( )

1 m
m 2 1 m o
k
r ... r k n
0 2 m 1 m 0 0 2 m 0 1
W k ,..., k , k x k ,..., k , n X , (2.60)
iar rela#ia anterioar devine
( ) ( )
( ) [ ]

+ +


0 1 2 m
0 m 3 2 m
k k k
k ... r ... r k n
0 2 m 0 1 0 1 m
W k ,..., k , n X ... n , n ,..., n X .
(2.61)
Utiliznd acela$i artificiu de calcul ca n cazul rela#iei (2.59) se ob#ine:

( ) [ ] ( ) ( )
m 4 3 2 m 0 1 0 m 3 2 m
r ... r r k n nr k ... r ... r k n
W W

+ + +
.
Se noteaz cu
( ) ( )
( ) ( )

+


2
m 4 3 2 m o 1 1
k
r ... r r k m r n
0 2 m 0 1 0 3 m 1 0 2
W k ,..., k , n X k ,..., k , n , n X ,
(2.62)
iar rela#ia (2.61) devine:
( ) ( )
( ) ( )

0 1 3 m
0 m 1 m 4 3 m
k k k
k r k ... r ... r k n
0 3 m 1 o 2 0 1 1 m
W k ,..., k , n , n X ... n , n ,..., n X .
(2.63)
33
Avnd n vedere rela#iile (2.60) $i (2.62) se poate stabili urmtoarea rela#ie de
recuren#
( )
( )
[ ( ) ] ( )

+
+ + +

1 m
m 1 i 1 m 0 1 1 2 i 2 1 1 i
k
r ... r k u r u ... r ,..., r , r n
0 i m 2 i 1 0 1 i
0 1 i m 1 i 1 0 i
W k ..., k , n ,..., n , n ( X
k ,..., k , n ,..., n , n X
(2.64)
Transformata Fourier n acest caz se calculeaz cu rela#ia urmtoare
( ) ( )
1 m 1 0 m 0 1 m
n ,..., n , n X n ,..., n X

.
Acest algoritm este o extensie a algoritmului Cooley Tukey datorat lui Bergland [11].
Se observ c X
1
are N elemente, fiecare necesitnd r
1
opera#ii (o nmul#ire $i o
adunare complex), deci sunt necesare N
.
r
1
opera#ii pentru a se ob#ine X
1
. La fel,
pentru X
2
, sunt necesare N
.
r
2
opera#ii, deci n total se efectueaz ( )
m 2 1
r ... r r N + + +
opera#ii pentru calculul transformatei Fourier.
2.2.6.5. Algoritmul Sande-Tukey pentru N=r
1
.
r
2
.

.
r
m
Algoritmul Sande-Tukey, comparativ cu algoritmul anterior, dezvolt produsul
n
.
k n func#ie de n $i nu de k, ceea ce duce la o rela#ie de forma

( ) k ] r ... r n ... ) r r ( n r n [ k n nk
1 m 1 1 m 2 1 2 1 1 0
W W W
+ + +

. (2.65)
Suma intern n formula de calcul a transformatei Fourier devine
( ) ( )
( ) ( )

+ +


1 m
0 m 3 2 1 m 0
k
k ... r ... r r k n
0 1 m 0 0 1 2 m 0
'
1
W k ,... k x k , k ,..., k , n X (2.66)
O rela#ie similar rela#iei (2.64) este $i rela#ia de recuren# urmtoare

( ) ( )
( ) [ ]( )
. W
k ,..., k , n ,..., n , n X k ,..., k , n ,..., n , n X
1 i 1 0 m 1 i i m 1 i
i m
1 i
r ... r k ... r ... r k n
k
0 i m 2 i 1 0
'
0 1 i m 2 i 1 0
'
i
+

+ +

(2.67)
Ca $i n cazul anterior, transformata Fourier se calculeaz cu rela#ia urmtoare
34
( ) ( )
1 m 0
'
n 0 1 m
n ... n X n ,..., n X

.
2.3. Exemple
Pentru o mai bun fixare a no#iunilor prezentate n acest capitol se ilustreaz
dou situa#ii de calcul ale transformatei Fourier directe $i ale transformatei Fourier
inverse.
n figura 2.4 a) se reprezint o secven# de date reale, iar n figura 2.4 b) se
reprezint transformata Fourier a secven#ei de date din figura 2.4 a). Deoarece
secven#a de date reale con#ine dou semnale sinusoidale, atunci $i spectrul de
frecven# (transformata Fourier) con#ine dou componente armonice.
n figura 2.4 c) se reprezint spectrul de frecven#a din figura 2.4 b) ob#inut prin
anularea unei componente armonice. n figura 2.4 d) se reprezint semnalul
reconstituit, utiliznd transformata Fourier invers aplicat secven#ei spectrale
reprezentat n figura 2.4 c). Se poate observa c realizarea n timp ob#inut n figura
2.4 d) reprezint fundamentala secven#ei de date reale din figura 2.4 a).
Figura 2.4
35
n figura 2.5 se reprezint acelea$i rezultate ca cele din figura 2.4, numai c
secven#a de date reale corespunde unui semnal dreptunghiular $i este reprezentat n
figura 2.5 a). Spectrul de frecven# corespunztor semnalului dreptunghiular este
reprezentat n figura 2.5 b), iar n figura 2.5 c) se reprezint spectrul de frecven#
ob#inut prin anularea unor componente armonice ale spectrului din figura 2.5 b). n
figura 2.5 d) se reprezint semnalul reconstituit utiliznd transformata Fourier invers
aplicat secven#ei spectrale reprezentat n figura 2.5 c).
Figura 2.5
36
CAPITOLUL 3 - FILTRAREA SEMNALELOR
3.1. Aspecte generale
Prin filtrarea semnalelor se nelege eliminarea unor armonici a c!ror frecvene
se situeaz! ntr-un interval predefinit. Elementele hard $i soft care realizeaz! aceast!
operaie se numesc filtre. Operaia de filtrare a semnalelor este posibil! datorit!
propriet!ilor sistemelor dinamice de a opri anumite realiz!ri aplicate la intrarea
acestora. Cel mai elocvent exemplu este resortul elastic care reine mi$carea de du-
te/vino pe axa longitudinal!, dac! aceasta se face cu o frecven! care s! dep!$easc!
frecvena proprie a resortului elastic.
n figura 3.1 se ilustreaz! modul de filtrare al unui semnal. Se poate observa
faptul c! semnalul la intrarea filtrului conine trei armonici, iar semnalul de frecvena
cea mai mare este filtrat (reinut). La ie$irea filtrului se obine semnalul filtrat care
este compus din primele dou! armonici.
Figura 3.1 Efectul unui filtru asupra unui semnal
n cadrul aplicaiilor privind procesarea semnalelor se utilizeaz! att filtre
analogice ct $i filtre numerice. n funcie de natura aplicaiei se poate opta pentru un