Capitolul 1 – Semnale şi sisteme discrete 1

CAPITOLUL 1. SEMNALE ŞI SISTEME DISCRETE

1.1. Se consideră schema din figura 1.1, în care

sin ω0t
x (t ) = (1.1)
πt

Figura 1.1

a) Calculaţi şi reprezentaţi |X(ω)|;

b) Calculaţi şi reprezentaţi v(t) şi spectrul de amplitudini dacă
not ∞
p ( t ) = δ Ts ( t ) = ∑ δ ( t − kT )
k =−∞
s (1.2)

2π 2π
şi Ts este pe rând , .
4ω0 ω0
c) În fiecare din cazurile de la b), calculaţi y(t) şi Y(ω), dacă H(ω) este pe
π
rând: FTJ cu frecvenţa de tăiere la şi respectiv un filtru având funcţia
Ts
pondere h ( t ) = σ ( t ) − σ ( t − Ts ) .

Rezolvare

a) Să considerăm impulsul dreptunghiular în domeniul timp

 T  T  not
p (t ) = σ  t −  − σ  t +  = Π T (t ) (1.3)
 2  2 2
2 Prelucrarea numerică a semnalelor – Probleme

Transformata sa Fourier este

T
∞
1  − jω 2 jω 
2 T T
P (ω ) = ∫ p (t ) e
− jωt
dt = ∫e
− jωt
dt = − e −e 2  (1.4)
−∞ T jω  
−
2
care se mai poate scrie ca
1  ωT  2 ωT
P (ω ) = −  −2 jsin  = sin (1.5)
jω  2  ω 2
Pe de altă parte, din teorema dualităţii, transformata Fourier a lui P,
privită ca funcţie de timp este
F { P ( t )} = 2π p ( −ω ) = 2π p (ω ) (1.6)
unde s-a ţinut cont de paritatea funcţiei p.
Explicitând expresia de mai sus, rezultă că
2 tT 
F  sin  = 2πΠ T (ω ) (1.7)
 t 2  2
sau înlocuind T/2 cu ω0 şi împârţind în ambii membri cu 2π
1 
F  sin ω0t  = 2πΠ ω0 (ω ) (1.8)
π t 
Rezultă în final că
X ( ω ) = Π ω0 ( ω ) (1.9)
având aspectul din figura 1.2.

Figura 1.2
∞ ∞
b) v ( t ) = x ( t ) ∑ δ ( t − nTs ) = ∑ x ( nT )δ ( t − nT )
s s (1.10)
n =−∞ n =−∞
unde s-a folosit egalitatea binecunoscută din teoria distribuţiilor
x ( t ) δ ( t − t 0 ) = x ( t0 ) δ ( t − t0 ) (1.11)
Prin urmare
 x ( nTs ) , t = nTs
v (t ) =  (1.12)
0 , t ≠ nTs
v(t) este semnalul rezultat prin eşantionarea uniformă cu Ts a lui x(t).
Capitolul 1 – Semnale şi sisteme discrete 3

Aşadar
 sin ω0 nTs
 , t = nTs
v ( t ) =  π nTs (1.13)
 0 , t ≠ nTs

Pentru a calcula spectrul, facem apel la teorema convoluţiei în
frecvenţă
1
F { x ( t ) p ( t )} = X (ω ) ∗ P (ω ) (1.14)
2π
şi ţinem cont că
2π
{
F δ Ts ( t ) =} δ 2π ( ω )
Ts Ts
(1.15)

ceea ce conduce la
1  2π ∞
  1 ∞
2π  2π 
V (ω ) =  X (ω ) ∗
2π  Ts
∑ δ ω − n
n =−∞ 
  = ∑ X  ω − n
Ts T T
 (1.16)
 s n =−∞  s 

Rezultă o concluzie cunoscută din teoria semnalelor: prin eşantionarea

unui semnal cu o anumită frecvenţă de eşantionare, spectrul semnalului iniţial
se periodicizează cu acea frecvenţă, plus un factor de scalare.
Pe baza observaţiei că spectrul unui semnal eşantionat este periodic cu
perioada dată întocmai de frecvenţa de eşantionare, se poate defini un spectru
normat, obţinut pe o perioadă a spectrului eşantionat, rezultând astfel
transformata Fourier în timp discret a unui semnal numeric.

( )
V e jω = TsV (ωTs )  π π
ω∈ − ; 
(1.17)
 Ts Ts 

Spectrul de amplitudini al lui v(t) este reprezentat calitativ în figura 1.3.

Figura 1.3
2π
Considerând valorile date în ipoteză, mai întâi pentru Ts = ,
4ω0
spectrul este cel din figura 1.4.
4 Prelucrarea numerică a semnalelor – Probleme

Figura 1.4.
2π
Pentru Ts = , se observă că spectrele imagine (considerate pe o
ω0
perioadă) se suprapun pe o jumătate de peroadă, astfel că spectrul rezultat este
constant în întreaga bandă: V (ω ) = 2, ∀ω , deci v ( t ) = 2δ ( t ) .

c) În primul caz, frecvenţa de tăiere a FTJ-ului este ωt = 2ω0 . Din figura 1.4,
se observă că aceasta este echivalentă cu reţinerea primului spectru (din
jurul originii).

Figura 1.5.
1
Rezultă că y ( t ) = x ( t ) şi deci semnalul poate fi refăcut perfect din
Ts
eşantioanele sale.
În al doilea caz, filtrul se aplică asupra unui spectru constant şi rezultă
y ( t ) = v ( t ) ∗ h ( t ) = 2h ( t ) care diferă în principiu de x(t).
Inspectând atent figura 1.5, rezultă o generalizare extrem de importantă
2π
pentru eşantionarea semnalelor. Când ≥ 2ω0 (condiţia Nyquist), semnalul
Ts
iniţial poate fi refăcut (mai puţin o constantă de scalare) din eşantioanele sale
printr-o filtrare trece-jos ideală. Filtrul este cu atât mai pretenţios (bandă de
tranziţie mai mică) cu cât inegalitatea de mai sus tinde către egalitate.
2π
Dacă < 2ω0 , apare fenomenul de aliere spectrală (suprapunerea
Ts
spectrelor imagine) şi refacerea semnalului iniţial este imposibilă.
Capitolul 1 – Semnale şi sisteme discrete 5

În realitate, nici un semnal nu poate avea o bandă limitată. De aceea, nu

2π
se poate alege = 2ω0 . Aici trebuie luată în considerare banda efectivă a
Ts
semnalului (în afara căreia, componentele spectrale sunt considerate
neglijabile).
Filtrul având funcţia pondere h ( t ) = σ ( t ) − σ ( t − Ts ) este în fapt un
interpolator de ordin 0 (Sample & Hold). Se observă că
∞
y (t ) = h (t ) ∗ ∑ x ( nT )δ ( t − nT )
n =−∞
s s (1.18)

sau
∞
y (t ) = ∑ x ( nT ) h ( t − nT )
n =−∞
s s (1.19)

Se justifică astfel şi denumirea tipului de interpolare. Semnalul

analogic se reface prin “menţinerea” eşantionului x(nTs) timp o perioadă de
eşantionare, rezultând o aproximare în scară.
Pentru a vizualiza un exemplu, folosim mediul Matlab, pentru un caz
2π
particular ω0=2π[kHz], Ts = . Semnalele x(t), v(t) şi y(t) sunt reprezentate
4ω0
în figura 1.6.

Figura 1.6.

În frecvenţă, filtrul de interpolare de ordin 0 are funcţia de transfer

 ωTs  − jω 2s
T
H (ω ) = Tssinc  e (1.20)
 2 
6 Prelucrarea numerică a semnalelor – Probleme

Figura 1.7.

Din figura 1.7, se observă că de această dată semnalul este distorsionat

(caracteristica de transfer nu mai este constantă în banda de trecere şi
spectrele imagine nu sunt rejectate complet).
Similar, aplicarea interpolării Sample & Hold nu are sens pentru
semnalul subeşantionat pentru care odată apărut fenomenul de aliere, nu mai
este posibilă refacerea corectă.

1.2. În schema din figura 1.1, considerăm

ω0
x (t ) = sinc 2 (ω0t ) cos ω1t (1.21)
π
şi p ( t ) = δT ( t )
s
(1.22)
π
unde ω1 = 10ω0 şi Ts = .
ω0
a) Să se reprezinte spectrele de amplitudini ale semnalelor x(t), v(t);
b) Să se găsească funcţia de transfer a filtrului astfel încât y(t)=x(t).

Rezolvare

a) Procedând similar ca la 1.1a, se poate arăta că

ω 
F  0 sinc2 (ω0t )  = Λω0 (ω ) (1.23)
π 
reprezentată în figura 1.8.

Figura 1.8.
Capitolul 1 – Semnale şi sisteme discrete 7

Folosind teorema modulaţiei, avem

1
F {b ( t ) cos ω1t} =  B (ω − ω1 ) + B (ω + ω1 )  (1.24)
2
şi deci
1
X (ω ) =  Λω0 (ω − 10ω0 ) + Λω0 (ω + 10ω0 )  (1.25)
2
Spectrul de amplitudini este reprezentat în figura 1.9.

Figura 1.9.

Folosind rezultatele de la problema anterioară, avem că

ω0 ∞
V (ω ) =
2π
∑ X (ω − 2nω )
n =−∞
0 (1.26)

Prin periodicizarea cu 2ω0 a lui X(ω), rezultă

ω0 ∞
V (ω ) =
4π
∑ Λω (ω − 2nω )
n =−∞
0 0 (1.27)

Figura 1.10.

Se constată că nu apare alierea deşi nu este îndeplinită condiţia Nyquist

(frecvenţa maximă din spectru este 11ω0, iar pulsaţia de eşantionare este 2ω0).

b) Refacerea semnalului se poate face în mod evident dacă filtrul de

reconstituire este un FTB ideal cu banda [9ω0 ;11ω0 ] .
8 Prelucrarea numerică a semnalelor – Probleme

1.3. Calculaţi TFTD ale următoarelor semnale:

a) u ( n ) ;
b) u ( n ) − u ( n − N ) ;
c) δ ( n ) .

Rezolvare

a) Aplicăm definiţia
∞ ∞
1
( ) = ∑ u ( n)e
X e jω − jnω
= ∑ e − jnω =
1 − e − jω
(1.28)
n =−∞ n=0
b) Folosind teorema întârzierii
1 − e − jNω
( )
X e jω = U e jω 1 − e jNω = ( )( ) 1 − e− jω
=

N N N N (1.29)
e
−j
2
ω
e
−j
2
ω
−e
j
2
ω
−j
N −1 sin
ω
ω
= =e 2 2
1
−j ω
1
−j ω
1
j ω 1
e 2
e 2
−e 2 sin ω
2
∞
c) X e ( ) = ∑ δ ( n)e
jω − jnω
=1 (1.30)
n =−∞

1.4. Se dau semnalele x ( n ) = e jnω şi w ( n ) = u ( n ) − u ( n − N ) .

0

a) Să se calculeze ( )
X F e jω = TFTD { x ( n ) w ( n )} şi să se reprezinte

( )
X F e jω .
b) Să se exprime X ( k ) = TFDN { x ( n )} în funcţie de X F e jω . ( )
2π 2π
c) Reprezentaţi X(k) pentru ω0 = n0 şi pentru ω0 ≠ n0 .
N N
 π 9π 
Aplicaţie numerică: N = 8 , ω0 ∈  ,  .
 2 16 

Rezolvare

a) Semnalul x(n)w(n) este o bucată din semnalul x(n), delimitată de fereastra

dreptunghiulară w(n).
Capitolul 1 – Semnale şi sisteme discrete 9

∞ N −1
XF e( ) = ∑ x ( n) w( n) e
jω − jnω
= ∑ x ( n ) e − jnω (1.31)
n =−∞ n =0
Sau, înlocuind cu expresia semnalului x(n):
N −1
XF e ( ) = ∑e
jω − jn(ω −ω0 )
(1.32)
n =0
Termenii formează o progresie geometrică de N termeni, cu raţia
− j(ω −ω0 )
e , deci
N 
1− e
− jN (ω −ω0 )
N
− j (ω −ω0 ) sin
e 2  ( ω − ω0 ) 
( )
XF e =jω

1− e − j(ω −ω0 )
= 1
− j (ω −ω0 )


2
1 
 (1.33)
e 2 sin  (ω − ω0 ) 
2 
În vederea reprezentării spectrului de amplitudini, considerăm funcţia
auxiliară
N
sin ω
F (ω ) = 2 (1.34)
1
sin ω
2
În ω = 0 funcţia tinde către N:
N N N
sin ω cos ω
lim F (ω ) = lim 2 = lim 2 2 =N (1.35)
ω →0 ω →0 1 ω →0 1 1
sin ω cos ω
2 2 2
Funcţia suferă anulări în punctele în care se anulează numărătorul
N N 2π
sin ω = 0 ⇔ ω = kπ , k ∈ Z ⇔ ω = k (1.36)
2 2 N
Pentru ω ∈ [ 0;π ] , numitorul este monoton crescător şi deci alura
caracteristicii va fi aceea a unei sinusoide amortizate cu anulările menţionate
mai sus. Pentru ω ∈ [π ;2π ] , numitorul creşte monoton şi anvelopa sinusoidei
creşte de asemenea.
10 Prelucrarea numerică a semnalelor – Probleme

Folosind Matlab, rezultă

Figura 1.11

Figura este reprezentată pe axa x normată la 2π şi se verifică apariţia

2π π
anulărilor la k = k (ceea ce în frecvenţe normate înseamnă 1/8, 1/4, 3/8,
8 4
etc.).
( )
Este evident că X e jω = F (ω − ω0 ) şi spectrul de amplitudini rezultă
prin translatarea spectrului la dreapta cu ω0.

N −1 2π
−j
b) Prin definiţia TFD, avem X ( k ) = ∑ x ( n )W nk
N cu WN = e N
şi deci
n =0
N −1 2π

( )
− j nk
X (k ) = ∑ x (n) e N
= X F e jω 2π (1.37)
ω =k
n =0 N
TFD rezultă prin eşantionarea uniformă a TFTD pentru semnalul
2π
ferestruit corespunzător, cu .
N
π
c) Plecăm de la caracteristica din figura 1.11, pe care o translatăm cu ,
2
9π
respectiv . În primul caz, se remarcă faptul că se eşantionează în vârful
16
lobului principal şi în punctele de anulare. Aceasta se datorează faptului că
2π
ω0 este un multiplu de şi deci TFD se calculează pe un număr întreg
N
de perioade. În al doilea caz însă, caracteristica nu se mai eşantionează în
vârful lobului principal, iar restul punctelor de eşantionare nu mai coincid
Capitolul 1 – Semnale şi sisteme discrete 11

cu punctele de anulare. Aceasta este o cauză imediată că TFD nu se

calculează pe un număr întreg de perioade.

Figura 1.12

Folosind instrucţiunile Matlab, se pot afişa cele două spectre de

amplitudini.
N=8;
x=exp(j*(0:N-1)*pi/2);
figure,subplo(211),stem(abs(fft(x))),grid
x=exp(j*(0:N-1)*9*pi/16);
subplot(212),stem(abs(fft(x))),grid

Figura 1.13
12 Prelucrarea numerică a semnalelor – Probleme

1.5. Calculaţi funcţia pondere a filtrelor care au funcţia de transfer:

a) a unui FTJ ideal cu ft=f0;
b) a unui FTS ideal cu ft=f0;
c) a unui FTB ideal cu banda de trecere între f1 şi f2;
d) a unui FOB ideal cu banda de oprire între f1 şi f2.

Rezolvare

a) Un filtru trece-jos ideal analogic este caracterizat de o funcţie de transfer

1, ω ≤ ω0
H FTJ (ω ) =  (1.38)
0, ω > ω0
Sau în timp discret, pe o perioadă
 1, ω ∈ [ 0;ω0 ]
( )
H FTJ e jω = 
0, ω ∈ [ω0 ;π ]
(1.39)

Aplicând formula de inversiune

1
hFTJ ( n ) =
2π ∫ 2 π
( )
H FTJ e jω e jnω dω (1.40)
şi
ω
1 0 jnω 1 1 ω
hFTJ ( n ) = ∫
2π −ω0
e dω =
2π jn
(
e jnω0 − e − jnω0 =
nπ
)
sin nω0 = 0 sincnω0 (1.41)
π

b) Se observă că
( )
H FTS e jω = 1 − H FTJ e jω ( ) (1.42)
ceea ce în timp se scrie
ω0
hFTS ( n ) = δ ( n ) − hFTJ ( n ) = δ ( n ) − sincnω0 (1.43)
π
c) Observând că
( )
H FTB e jω = H FTJ e ( (
j ω −ω p )
) (
+ H FTJ e
(
j ω +ω p )
) (1.44)
ω1 + ω2 ω2 − ω1
cu notaţiile ω p = şi ω0 = , folosind teorema modulaţiei
2 2
hFTB ( n ) = 2hFTJ ( n ) cos nω p (1.45)
deci
ω2 − ω1  ω − ω1   ω1 + ω2 
hFTB ( n ) = sinc  n 2  cos  n  (1.46)
2π  2   2 
Capitolul 1 – Semnale şi sisteme discrete 13

d)
( )
H FOB e jω = 1 − H FTB e jω ( ) (1.47)
şi prin urmare
ω2 − ω1  ω − ω1   ω1 + ω2 
hFOB ( n ) = δ ( n ) − hFTB ( n ) = δ ( n ) − sinc  n 2  cos  n  (1.48)
2π  2   2 

1.6. Calculaţi produsul de convoluţie al semnalelor:

x1 ( n ) = u ( n ) − u ( n − N ) şi x2 ( n ) = u ( n ) − u ( n − M ) , cu M ≤ N .

Rezolvare

Definiţia produsului convoluţiei

∞
y ( n ) = ( x1 ∗ x2 )( n ) = ∑ x ( m) x ( n − m)
m =−∞
1 2 (1.49)

Figura 1.14
Se identifică următoarele situaţii:
a) n < 0
În acest caz cele două semnale din figură au suporturi temporale
disjuncte şi y(n)=0.
b) − M + 1 + n < 0 şi n ≥ 0 echivalent cu n = 0, M − 1
În această situaţie, suporturile se intersectează pe m = 0, n şi y(n)=n+1.
c) − M + 1 + n ≥ 0 şi n < N − 1 , deci n = M − 1, N − 1
Suporturile se intersectează pe M-1 eşantioane, deci y ( n ) = M .
d) n ≥ N − 1 şi n − M + 1 < N − 1 sau n = N − 1, M + N − 2
14 Prelucrarea numerică a semnalelor – Probleme

Suporturile se intersectează pe intervalul m = n − M + 1, N − 1 sau

y ( n) = N + M − 1 − n .
e) n ≥ N − M + 1
Suporturile sunt din nou disjuncte astfel că y(n)=0.

Forma de undă rezultată este prezentată în figura 1.15.

Figura 1.15.

1.7. Calculaţi transformata Z şi domeniul de convergenţă pentru următoarele

semnale:
a) u ( n ) ;
b) a nu ( n ) , 0<a<1;
c) − a nu ( − n − 1) , 0<a<1;
n
d) a , 0<a<1;
e) e jnω0 u ( n ) ;
f) sin nω0u ( n ) ;
g) cos nω0u ( n ) ;
h) r ne jnω0 u ( n ) , r ∈ ( 0,1) ;
i) r n cos nω0u ( n ) , r ∈ ( 0,1) ;
j) r n sin nω0u ( n ) , r ∈ ( 0,1) .

Rezolvare
∞ ∞
1
a) X ( z) =
n =−∞
∑
n =0
x ( n ) z −n = ∑ z −n =
1 − z −1
(1.50)

Progresia geometrică este convergentă dacă raţia z-1 este de modul

subunitar, deci dacă z > 1 .
Capitolul 1 – Semnale şi sisteme discrete 15

∞ ∞
1
b) X ( z) = ∑ x ( n) z
n =−∞
−n
= ∑ an z −n =
n=0 1 − az −1
(1.51)

cu condiţia az −1 < 1 ⇔ z > a .

∞ −1 n→− n ∞
a −1 z
c) X ( z) = ∑
n =−∞
x ( n ) z −n = − ∑ an z −n = − ∑ a−n z n = −
n =−∞ n =1 1 − a −1 z
(1.52)

1
Rezultatul este de asemenea X ( z ) = , însă de această dată
1 − az −1
transformata Z are o convergenţă de interior, caracteristică oricărui semnal
anticauzal. Acest fapt derivă şi din necesitatea ca raţia progresiei geometrice
să fie de modul subunitar a −1 z < 1 ⇔ z < a .
Se observă că legătura dintre domeniul timp discret şi planul complex z
nu este biunivocă. Aceeaşi transformată Z poate aparţine mai multor semnale,
fiind necesară precizarea domeniului de convergenţă pentru determinarea
riguroasă.

d)
∞ ∞ −1 ∞
X ( z) = ∑ x (n) z
n =−∞
−n
= ∑a
n =−∞
n
z −n
= ∑a
n =−∞
−n −n
z + ∑ an z −n =
n= 0
∞ ∞
(1.53)
= ∑a z + ∑a zn n n −n

n =1 n =0
Calculând separat fiecare sumă, rezultă
az 1 1 − a2
X ( z) = + = (1.54)
1 − az 1 − az −1 1 + a 2 − az − az −1
1
cu condiţiile de convergenţă az < 1 şi az −1 < 1 , deci a < z < .
a
e)
∞ ∞ ∞ ∞
1
( )
n
X ( z) = ∑
n =−∞
x ( n ) z −n = ∑
n =−∞
a z − n = ∑ e jnω0 z − n = ∑ e jω0 z −1
n

n=0 n=0
=
1 − e jω0 z −1
(1.55)
jω0
cu e < z ⇔ z > 1.
f)
1 
Z {sin ( nω0 ) u ( n )} =
2j
{ } {
Z e jnω0 u ( n ) − Z e − jnω0 u ( n )  =
 }
(1.56)
1  1 1 
=  jω0 −1
− − jω0 −1 
2 j 1− e z 1− e z 
16 Prelucrarea numerică a semnalelor – Probleme

g) După prelucrări
sin ω0 z −1
X ( z) = (1.57)
1 − 2cos ω0 z −1 + z −2
cu condiţiile de convergenţă z > e ± jω0 = 1 .
h) Similar se obţine
1 − cos ω0 z −1
X ( z) = , z > e ± jω0 = 1 . (1.58)
1 − 2cos ω0 z + z
−1 −2

1
i) X ( z) = , z >r; (1.59)
1 − re jω0 z −1
r sin ω0 z −1
j) X ( z) = , z >r (1.60)
1 − 2r cos ω0 z −1 + r 2 z −2
1 − r cos ω0 z −1
k) X ( z) = , z >r (1.61)
1 − 2r cos ω0 z −1 + r 2 z −2

1.8. Să se calculeze coeficienţii SFETD (Seria Fourier Exponenţială în Timp

Discret) pentru semnalele:
a) x ( n ) = δ N ( n ) ;
2π
j n
b) x ( n ) = e N
;
 2π 
c) x ( n ) = cos  n;
 N 
 2π 
d) x ( n ) = sin  n.
 N 

Rezolvare

În cazul semnalelor discrete periodice, de perioadă N, se face apel exact

ca în cazul semnalelor analogice la dezvoltarea într-o serie ortogonală, de tip
Fourier exponenţială, cu coeficienţii ck.
N −1
x ( n ) = ∑ ckWN− nk (1.62)
k =0
2π
1 N −1 −j
unde ck = ∑ x ( n )WNnk , cu notaţia WN = e N .
N n =0
Capitolul 1 – Semnale şi sisteme discrete 17

1 N −1 1
a) ck = ∑ δ ( n )WNnk = (1.63)
N n =0 N
şi relaţia pentru sinteza semnalului se scrie
1 N −1 − nk
x ( n ) = ∑WN (1.64)
N k =0
1
1 N −1 − n nk 1 N −1 n( k −1) 1  ,k =1
b) ck = ∑WN WN = ∑WN = δ ( k − 1) =  N (1.65)
N n =0 N n =0 N  0, k ≠ 1
2π 2π
j n −j n
 2π  e N
+e N
c) x ( n ) = cos  n = (1.66)
 N  2
Folosind proprietăţile de liniaritate,
 1
1  , k ∈ {1, N − 2}
ck = δ ( k − N + 2 ) + δ ( k − 1)  =  2 N (1.67)
2N  0, k ∉ {1, N − 2}

1
d) Similar, ck =  −δ ( k − N + 2 ) + δ ( k − 1)  (1.68)
2 jN 

1.9. Să se calculeze folosind teorema reziduurilor transformata Z inversă a

z
X ( z) = în domeniul z < 2 .
z−2

Rezolvare

Se aplică formula de inversiune

1
x (n) = ∫ X ( z ) z n−1dz (1.69)
2π j C
Integrarea se face pe un contur C din planul z, un cerc care se află în
domeniul de convergenţă al lui X(z) (R<2), dar care conţine în interiorul său
toţi ceilalţi poli ai funcţiei X ( z ) z n−1 . În aceste condiţii, folosind teorema
reziduurilor,
 X ( z ) z n−1 
x ( n ) = 2π j∑ Rez 
 2π j
{ }
, zk  = ∑ Rez X ( z ) z n−1 , zk
 k
(1.70)
k

unde zk sunt toţi polii funcţiei X ( z ) z n−1 din interiorul cercului C.

18 Prelucrarea numerică a semnalelor – Probleme

În concluzie,
 zn 
x (n) = ∑ Rez  , zk  (1.71)
zk = pol al lui
zn z −2 
z −2
zk <R

Dacă n ≥ 0 , nu există singularităţi în interiorul cercului

{ }
C = z z = R, R < 2 şi deci x ( n ) = 0 .
Dacă n<0, 0 este pol de ordin -n al funcţiei în domeniul considerat şi
 1 
x ( n ) = Rez  n ,0  (1.72)
 z ( z − 2 ) 
Avem
d  n 
n n
1 1 1 d  1 
x (n) = lim z = lim (1.73)
( n − 1)! z→0 dz n  z n ( z − 2 )  ( n − 1)! z→0 dz n  z − 2 
S-a folosit formula
1 dm
Rez {F ( z ) , zk } = lim m  z m F ( z )  (1.74)
( m − 1)! z→ zk dz
unde m este ordinul polului zk al funcţiei F(z).
Se deduce uşor (prin inducţie) că
d  1  ( −1) ( n − 1)!
n n −1

n  = (1.75)
dz  z − 2  ( z − 2)
n

şi rezultă că
x ( n ) = −2 n (1.76)
Concluzionând:
−2n , n ≤ −1
x (n) =  (1.77)
 0, n≥0
sau, într-o scriere compactă
x ( n ) = −2n u ( − n − 1) (1.78)
X(z) este olomorfă într-un disc, ceea ce face ca semnalul corespunzător
să fie anticauzal.
Capitolul 1 – Semnale şi sisteme discrete 19

 z 
1.10. Calculaţi Z −1   pe rând cu z < a , a < z < b , z < b ,
 ( z − a )( z − b ) 
dacă a<b.

Rezolvare

Este util să exprimăm transformata Z în fracţii simple.

not z 1  z z 
X ( z) = = − (1.79)
( z − a )( z − b ) a − b  z − a z − b 

Ţinem cont de rezultatele obţinute la 6b,c şi
 a u ( n ) , z >a
n
−1  z 
Z  = n (1.80)
 z − a  − a u ( − n − 1) , z < a
şi în mod similar
 z   b u ( n ) , z >b
n
−1
Z  = n (1.81)
 z − b  −b u ( − n − 1) , z < b
Putem calcula acum x(n) ca fiind
 1
 a −b
( )
− a n − b n u ( −n − 1) , z < a

 1
x (n) =  ( )
a nu ( n ) − b nu ( − n − 1) , a < z < b (1.82)
a − b
 1

 a −b
(
a n + bn u ( n ) ,) b< z

1.11. Verificaţi liniaritatea, cauzalitatea, invarianţa în timp şi stabilitatea

pentru sisteme discrete cu următoarele relaţii intrare-ieşire:
a) y ( n ) = nx 2 ( n ) ;
b) y ( n ) = n 2 x ( n ) ;
c) y ( n ) = ( n − 1) x ( n ) + nx ( n − 1) ;
d) y ( n ) = n x ( n + 4 ) ;
e) y ( n ) = x ( n ) + 2 y ( n − 1) − y ( n − 2 ) ;
z + z −1
f) H ( z ) = .
1 − 2 z −1 + 0.99 z −1
20 Prelucrarea numerică a semnalelor – Probleme

Rezolvare

a) Sistemul nu este evident liniar (dependenţă parabolică).

Deoarece răspunsul nu anticipează intrarea, sistemul este şi cauzal.
Condiţia de invarianţă în timp este ca răspunsul sistemului la x(n-n0) să
fie y(n-n0), ceea ce nu este adevărat.
Sistemul furnizează un răspuns mărginit, la intrare mărginită, deci este
stabil.
b) Sistemul este liniar deoarece
α n 2 x1 ( n ) + β n 2 x2 ( n ) = n 2 α x1 ( n ) + β x2 ( n )  (1.83)
El nu este în schimb şi invariant în timp, deoarece
y ( n − n0 ) = ( n − n0 ) x ( n − n0 ) ≠ T { x ( n − n0 )} = n 2 x ( n − n0 ) (1.84)
2

Răspunsul nu anticipează intrarea, deci este respectată condiţia de

cauzalitate.
În plus, sistemul este şi stabil.
c) Se verifică uşor că sistemul este liniar, cauzal, stabil şi variabil în timp.
d) Sistemul este neliniar, deoarece
α n x1 ( n + 4 ) + β n x2 ( n + 4 ) ≠ n α x1 ( n ) + β x2 ( n ) (1.85)
De asemenea, el nu este nici cauzal, deoarece ieşirea anticipează
intrarea (la n curent, sistemul foloseşte eşantionul de intrare n+4).
Similar b), se arată că este variabil în timp şi stabil.
e) Sistemul este recursiv şi liniar. Este evidentă cauzalitatea, deoarece apar
eşantioane de intrare şi ieşire anterioare.
Funcţia de transfer este
1
H ( z) = (1.86)
1 − 2 z + z −2
−1

Coeficienţii nu depind de timp, deci sistemul este SLIT.

Funcţia de transfer are un pol dublu în z=1, deci chiar pe cercul unitate
şi nu îndeplineşte condiţiile de stabilitate.
f) Sistemul este evident SLIT.
Stabilitatea sa este legată de poziţionarea polilor. Se poate scrie
1 + z −2
H ( z) = z (1.87)
( )( )
1 − 1.1z −1 1 − 0.9 z −1
Cum există cel puţin un pol în afara cercului unitate (z=1.1), sistemul
este instabil.
Ecuaţiile cu diferenţe finite se pot scrie
y ( n ) = x ( n + 1) + x ( n − 1) + 2 y ( n − 1) − 0.99 y ( n − 2 ) (1.88)
şi ieşirea anticipează răspunsul, sistemul nefiind cauzal.
Capitolul 1 – Semnale şi sisteme discrete 21

1.12. Scrieţi ecuaţiile cu diferenţe finite corespunzătoare sistemului cu

funcţia de transfer
1
H ( z) = (1.89)
1 − 1.6 z −1 + 0.63 z −1

Rezolvare

Y ( z) 1
= H ( z) = (1.90)
X ( z) 1 − 1.6 z + 0.63 z −2
−1

Sau
Y ( z ) − 1.6 z −1Y ( z ) + 0.63 z −2Y ( z ) = X ( z ) (1.91)
de unde, trecând în domeniul timp şi folosind teorema întârzierii
y ( n ) = x ( n ) + 1.6 y ( n − 1) − 0.63 y ( n − 2 ) (1.92)

1.13. Calculaţi răspunsul sistemului cu funcţia pondere

h ( n ) = δ ( n ) − 2δ ( n − 1) + δ ( n − 2 ) (1.93)
la semnalele:
 π π
a) x ( n ) = sin  n +  ;
 2 4
π
jn
b) x ( n ) = e 2 ;
c) x ( n ) = u ( n ) ;
d) x ( n ) = u ( n ) − u ( n − 8 ) .
unde u(n) este treapta unitate.

Rezolvare

Vom calcula mai întâi funcţia de transfer a filtrului:

( )
H e jω = TFTD {h ( n )} = 1 − 2e − jω + e − j 2ω (1.94)
care mai poate fi pusă sub forma
ω
( ) ( )
H e jω = e − jω e jω − 2 + e − jω = 2e − jω ( cos ω − 1) = −4sin 2
2
e− jω (1.95)
de unde identificăm caracteristica de amplitudine şi de fază a filtrului.
22 Prelucrarea numerică a semnalelor – Probleme

ω
( )
H e jω = 4sin 2
2
(1.96)

arg { H ( e )} = π − ω
jω
(1.97)
a) Folosim metoda armonică sub forma
( ) (
T {sin ( nω0 + ϕ )} = H e jω0 sin nω0 + ϕ + arg H e jω0 { ( )}) (1.98)
rezultă
 j π2   π π   j π   
y ( n ) = H  e  sin  n + + arg  H  e 2    =
   2 4     
 (1.99)
 π π π  π π
= 2sin  n + +  = 2cos  n + 
 2 4 2  2 4
b) Folosim metoda armonică sub forma
{ }
T e jnω0 = H e jω0 e jnω0 ( ) (1.100)
şi obţinem
 π π
 j π2  jn π2 jn
π j n + 
y ( n ) = H  e  e = 2 je = 2e  2 2 
2
(1.101)
 
c) Folosim metoda transformatei Z
1
(
Y ( z ) = H ( z ) X ( z ) = 1 − 2 z −1 + z −2
1− z
)−1
= 1 − z −1 (1.102)
rezultând
y ( n ) = δ ( n ) − δ ( n − 1) (1.103)
d) Procedând similar cu c), deducem
−8
−2 1 − z
(
Y ( z ) = H ( z ) X ( z ) = 1 − 2z + z−1
)
1 − z −1
=
(1.104)
( )( )
= 1 − z −1 1 − z −8 = 1 − z −1 − z −8 + z −9
cu soluţia
y ( n ) = δ ( n ) − δ ( n − 1) − δ ( n − 8 ) + δ ( n − 9 ) (1.105)
Capitolul 1 – Semnale şi sisteme discrete 23

1.14. Se dă filtrul având funcţia pondere: h ( n ) = r n sin ( nω0 ) u ( n ) , unde

π
ω0 = şi Fs=16kHz.
4
a) Calculaţi H(z);
 1 
b) Verificaţi stabilitatea filtrului pentru r ∈  , 2 ;
 2 
 1 
c) Reprezentaţi diagrama poli-zerouri pentru r ∈  , 2 ;
 2 
 1 
d) Reprezentaţi h(n) pentru r ∈  , 2 ;
 2 
e) Scrieţi ecuaţiile cu diferenţe finite;
1
f) Calculaţi atenuarea introdusă de sistem când r= la
2
F ∈ {0,4,8,24}[ kHz ] .

Rezolvare

a) Se pleacă de la definiţia transformatei Z:

∞
H ( z) = ∑ h( n) z
n =−∞
−n
(1.106)

Ţinând cont de suportul temporal al răspunsului la impuls, avem

∞
1 ∞ n jnω0
n −n

2 j n =0
(
H ( z ) = ∑ r sin nω0 z = ∑ r e − e − jnω0 z − n (1.107) )
n =0
Separând cele două sume, identificăm sumele a două progresii geometrice:

Fiecare din cele două serii este convergentă dacă raţia este subunitară în
modul:
re jω0 z −1 < 1, respectiv re − jω0 z −1 < 1 . (1.108)
În aceste condiţii
1 1 1 1
H (z) = jω0 −1
− (1.109)
2 j 1 − re z 2 j 1 − re − jω0 z −1
După prelucrări
r sin ω0 z −1
H ( z) = (1.110)
1 − 2r cos ω0 z −1 + r 2 z −2
care este convergentă pentru z > r .
24 Prelucrarea numerică a semnalelor – Probleme

b) H(z) este stabil dacă domeniul de convergenţă z > r include cercul

unitate z = 1 . Rezultă că el va fi stabil dacă r < 1 şi instabil dacă r ≥ 1 .
1
Dacă r = , sistemul va fi stabil, iar dacă r = 2 , sistemul va fi instabil.
2
c) Se scrie
r sin ω0 z
H ( z) = 2 (1.111)
z − 2r cos ω0 z + r 2
şi se observă că există un singur zerou: z0 = 0 şi doi poli, rădăcini ai ecuaţiei
z 2 − 2r cos ω0 z + r 2 = 0 , deci p1,2 = re ± jω0 .
Condiţia de stabilitate a sistemelor discrete, liniare este ca toţi polii să
fie incluşi în interiorul cercului unitate, deci p1,2 < 1 ⇔ r < 1 ceea ce este în
conformitate cu rezultatul anterior.

Verificarea se poate face cu mediul Matlab, folosind instrucţiunile:

w0=pi/4;
r=1/sqrt(2);
b=[0,r*sin(w0)];%numaratorul lui H(z)
a=[1,-2*r*cos(w0),r^2];%numitorul lui H(z)
figure,zplane(b,a)%diagrama poli-zerouri

Rezultă figura de mai jos

Figura 1.16
Capitolul 1 – Semnale şi sisteme discrete 25

Pentru r = 2 , prelucrând corespunzător instrucţiunile, rezultă:

Figura 1.17

Se verifică amplasarea polilor în planul complex Z.

d) Reprezentarea h(n) se poate face folosind de asemenea mediul Matlab.

1
Pentru r = :
2

r=1/sqrt(2);
b=[0,r*sin(w0)];
a=[1,-2*r*cos(w0),r^2];
h=impz(b,a,30);--raspunsul la impuls
figure,stem(h),grid

Figura 1.18
26 Prelucrarea numerică a semnalelor – Probleme

Pentru r = 2 , avem în mod similar

Figura 1.19

Se observă tendinţa de instabilitate în cazul al doilea (creştere explozivă

a răspunsului la impuls în timp). De altfel, condiţia de stabilitate pentru un
∞
SLIT este echivalentă cu ∑ h(n) < ∞ ,
n =−∞
ceea ce se verifică numai pentru

r < 1.

e) Notăm cu x(n) intrarea în sistem şi cu y(n) semnalul de ieşire, respectiv

transformatele lor Z: Y ( z ) = Z { y ( n )} şi X ( z ) = Z { x ( n )} .
Atunci:
Y ( z) r sin ω0 z −1
H ( z) = = , (1.112)
X ( z ) 1 − 2r cos ω0 z −1 + r 2 z −2
de unde rezultă
Y ( z ) = r sin ω0 z −1 X ( z ) + 2r cos ω0 z −1Y ( z ) − r 2 z −2Y ( z ) (1.113)
{ }
În condiţii iniţiale nule, ţinând cont că Z −1 z − k F ( z ) = f ( n − k ) , rezultă
imediat
y ( n ) = r sin ω0 x ( n − 1) + 2r cos ω0 y ( n − 1) − r 2 y ( n − 2 ) (1.114)
1
f) Când r = ,
2
1 −1
z
H ( z) = 2 . (1.115)
−1 1 −2
1− z + z
2
Capitolul 1 – Semnale şi sisteme discrete 27

Cercul unitate este conţinut în domeniul de convergenţă şi atunci

( )
H e jω = H ( z ) z =e jω , iar atenuarea introdusă la o anumită frecvenţă absolută
este:
  j2π F 
a ( F ) = −20lg  H  e Fs  (1.116)
  


La F=0,
( ( ) ) = −20lg ( H ( z ) ) = 0dB
a ( 0 ) = −20lg H e j0 z =1 (1.117)
deoarece H ( z ) z =1 = 1 .
La F=4kHz,
 j 
  jπ   −2 
a ( 4kHz ) = −20lg  H  e 2
   ( )
  = −20lg H ( z ) z = j = −20lg 
1
 j + 
 = 8dB (1.118)

 2 
La F=8kHz,
 1 
 −2 
( ( ) ) = −20lg ( H ( z ) )
a ( 8kHz ) = −20lg H e jπ z =−1
= −20lg   = 14dB
 2 + 1 
(1.119)
 2 
Funcţia de transfer a filtrului este periodică cu perioada dată de
frecvenţa de eşantionare Fs. De aici rezultă că
 j2π FF   j2π F +FkFs 
H e s
 = H e s
, k ∈ Z (1.120)
   
   
Prin urmare, atenuarea la frecvenţa de 24kHz va fi
a ( 24kHz ) = a ( 24 − 16kHz ) = a ( 8kHz ) = 14dB (1.121)

1.15. Să se proiecteze un rezonator de ordinul II, având polii complex

conjugaţi r e± jθ
G
H (z) = , (1.122)
( )(
1 − re jθ z −1 1 − re − jθ z −1 )
cu θ=π/4, câştig maxim unitar şi banda la 3dB egală cu 0.05.
28 Prelucrarea numerică a semnalelor – Probleme

Rezolvare

Din ipoteză,
( )
H e jθ = 1 (1.123)
Cum
G
( )
H e jω =
1 − 2r cosθ e − jω + r 2e − j 2ω
(1.124)
şi
G
( )
H e jθ =
1 − r 1 − re j 2θ
=1 (1.125)

avem
G = (1 − r ) 1 − 2r cos 2θ + r 2 (1.126)
Mai departe, banda rezonatorului este
B3dB ≈ 2 (1 − r ) (1.127)
(demonstraţi de ce!)
şi deci
2π 0.05
r =1− = 0.843 (1.128)
2
iar G = 0.205 .

1.16. Se consideră un SLIT cauzal care furnizează ieşirea, în urma efectuării

mediei aritmetice între eşantionul de intrare curent, a celui de la tactul anterior
şi a eşantionului de ieşire de la tactul anterior.
a) Găsiţi ecuaţia cu diferenţe finite;
b) Găsiţi H(z);
c) Este filtrul stabil?
d) Trasaţi caracteristicile de amplitudine şi de fază folosind Matlab;
e) Calculaţi h(n).

Rezolvare

a) Ecuaţia cu diferenţe finite rezultă

x ( n ) + x ( n − 1) + y ( n − 1)
y ( n) = (1.129)
3
1 1 1
y ( n ) − y ( n − 1) = x ( n ) + x ( n − 1) (1.130)
3 3 3
Capitolul 1 – Semnale şi sisteme discrete 29

b) Funcţia de transfer rezultă din aplicarea transformatei Z relaţiei de mai sus.

z −1 1 z −1
Y (z) − Y ( z) = X ( z) + X ( z) (1.131)
3 3 3
Y ( z ) 1 1 + z −1
H ( z) = = (1.132)
X ( z ) 3 1 − 1 z −1
3
c) Singurul pol apare ca rădăcină a polinomului de la numitor: zp=1/3, de
modul subunitar. Prin urmare filtrul este stabil.
d) Instrucţiunile Matlab sunt

b=[1/3,1/3];
a=[1,-1/3];
figure,freqz(b,a)

Figura 1.20.

e) Scriem
H ( z ) = A( z ) B ( z ) (1.133)
1 1
cu A( z ) =
1 ( 3
)
şi B ( z ) = 1 + z −1 . (1.134)
1 − z −1
3
Se ştie că pentru un sistem cauzal
n
1
a ( n) =   u (n) (1.135)
3

şi în mod evident
30 Prelucrarea numerică a semnalelor – Probleme

1 1
b ( n ) = δ ( n ) + δ ( n − 1) (1.136)
3 3
rezultând
1 1
h ( n ) = ( a ∗ b )( n ) = a ( n ) + a ( n − 1) (1.137)
3 3
Avem
n +1 n
1 1
h ( n ) =   u ( n ) +   u ( n − 1) (1.138)
3  3
Pentru n<0, h(n)=0.
Pentru n=0, h(n)=1/3.
n n +1
1 1  1
Pentru n>0, h ( n ) =    + 1 = 4   .
3  3   3

Figura 1.21.

Probleme propuse

1.17. La problema 1.1, reprezentaţi semnalul analogic de la ieşirea filtrului de

reconstituire, dacă acesta din urmă reprezintă un interpolator liniar (ordinul 1)
care are funcţia pondere
 t − Ts
1 − , t ∈ [ 0,2Ts ]
h (t ) =  Ts (1.139)
 0, in rest

Reprezentaţi modulul funcţiei de transfer şi comparaţi performanţele
acestui interpolator cu cel de ordin 0.
Capitolul 1 – Semnale şi sisteme discrete 31

z−a
1.18. Se dă sistemul H ( z ) = cu 0<a<1.
z
a) Să se arate că sistemul este un FTS şi găsiţi atenuarea relativă la frecvenţe
joase;
b) Să se demonstreze că sistemul defazează în sens trigonometric toate
componentele spectrale.

1.19. Transformata Z a unui semnal x(n) este în fapt o serie Laurent:

∞
X ( z) = ∑ x ( n) z
n =−∞
−n
(1.140)

a) Să se arate că în cazul general, această serie este convergentă într-o

coroană circulară R− < z < R+ şi evaluaţi cele două limite;
b) Să se arate că în cazul unui semnal cauzal R+ = ∞ (convergenţă de
exterior);
c) Să se arate că în cazul unui semnal anticauzal R− = 0 (convergenţă de
interior);
1
d) Să se arate că în cazul în care x ( n ) = x* ( − n ) , R+ = .
R−

Indicaţie
∞ 1
O serie complexă ∑ a ( n ) este convergentă dacă şi numai dacă lim ( an ) n < 1 .
n =0
n→∞

În cazul lui X(z), suma se poate descompune în două serii (una pentru n<0 şi
cealaltă pentru n ≥ 0 ), fiind necesar şi suficient ca ambele serii să fie
convergente astfel ca X(z) să fie olomorfă. Se aplică criteriul de mai sus
pentru fiecare din cele două serii.
Dacă semnalul este (anti)cauzal, una din cele două serii dispare şi se deduce o
singură inegalitate pentru z .

z +1
1.20. Se dă sistemul cauzal H ( z ) = , la intrarea căruia se aplică
z−a
 nπ 
x ( n ) = cos   şi se remarcă faptul că la ieşire semnalul obţinut este în
 2 
cuadratură cu cel de la intrare. Să se găsească a, precum şi amplitudinea
semnalului de la ieşire.
32 Prelucrarea numerică a semnalelor – Probleme

1.21. Reprezentaţi caracteristica de amplitudine a filtrului caracterizat de

ecuaţia intrare-ieşire
y ( n ) = 0.5 y ( n − 1) + x ( n ) + 2 x ( n − 1) + x ( n − 2 ) (1.141)

1.22. Se dă sistemul liniar cu ecuaţia recurentă

y ( n ) = x ( n ) − 3 x ( n − 1) + 3 x ( n − 2 ) − x ( n − 3) (1.142)
a) Să se calculeze funcţia de transfer şi să se reprezinte grafic caracteristicile
de amplitudine şi fază;
 nπ 
b) Care este răspunsul filtrului la x1 ( n ) = 10 + 4cos   , x2 ( n ) = δ ( n ) ,
 2 
 nπ 
x3 ( n ) = δ ( n − 3) + 10 + 4cos  ?
 2 

1.23. Proiectaţi un filtru de ordin minim care să aibă coeficienţi reali şi să

prezinte rejecţii la frecvenţele normate 0, 0.25.

Indicaţie
 π
( )
Condiţiile se pun H e jθ = 0,θ ∈ 0,  , prin urmare funcţia de
 2
transfer va avea zerouri la aceste frecvenţe şi în factorizarea lui H(z) vor
( )( )
apărea termenii 1 − e jθ1 z −1 1 − e jθ2 z −1 . Condiţia ca filtrul să aibă coeficienţi
reali impune ca zerourile complexe să apară în perechi complex conjugate.

1.24. Se dă filtrul cu ecuaţia intrare-ieşire

n
y ( n) = ∑ x(k )
k =−∞
(1.143)

a) Calculaţi funcţia pondere a sistemului, h(n);

b) Calculaţi H(z);
c) Evaluaţi zerourile şi polii acestui sistem;
d) Caracerizaţi sistemul din punct de vedere al cauzalităţii şi stabilităţii;
e) Trasaţi caracteristicile de amplitudine şi fază.
Capitolul 1 – Semnale şi sisteme discrete 33

Indicaţie

Remarcaţi că
y ( n ) = y ( n − 1) + x ( n ) (1.144)

1.25. Calculaţi răspunsul la impuls al unui SLIT care implementează funcţia

lui Fibonacci
y ( n ) = y ( n − 1) + y ( n − 2 ) (1.145)

1.26. Trasaţi caracteristicile de amplitudine şi fază pentru un filtru

caracterizat de ecuaţiile cu diferenţe finite
N
y ( n ) = ∑ CNk x ( n − k ) (1.146)
k =0

Indicaţie
Se va aplica operatorul Z{} relaţiei de mai sus şi se formează un binom
Newton sub forma (1+z-1)N.

1.27. Verificaţi dacă sistemele caracterizate de următoarele ecuaţii cu

diferenţe finite sunt liniare, stabile, cauzale, respectiv invariante în timp:
(
a) y ( n ) = x − n 2 ; )
b) y ( n ) = e x( n ) ;
c) y ( n ) = x ( n ) u ( n ) ;
d) y ( n ) = x ( n ) w ( n ) . Discuţie după w(n);
e) y ( n ) = x ( − n ) .

1.28. Se dă un SLIT şi legătura între TFTD ale intrării şi ieşirii:

( )
 j ω − π2   dX e jω
( ) jω
Y e = X e + 0.5e ( )
jω − j 4ω
X e − X e    +
 ( )
jω
 dω
(1.147)
 
a) Deduceţi ecuaţia intrare-ieşire în domeniul timp;
b) Este sistemul liniar, stabil, invariant în timp?
c) Calculaţi funcţia pondere.
34 Prelucrarea numerică a semnalelor – Probleme

Indicaţie

Se vor folosi:
- teorema întârzierii TFTD { x ( n − n0 )} = e − jn0ω X e jω ( )
{
- teorema modulaţiei TFTD x ( n ) e jnω0 = X e } ( j (ω −ω0 )
)
- teorema derivării în frecvenţă TFTD {− jnx ( n )} =
dX e jω ( )
dω

1.29. Trasaţi caracteristicile de amplitudine şi fază pentru următoarele

semnale:
a) x1 ( n ) = u ( n ) − u ( n − N ) (fereastra dreptunghiulară);
  2π  1 
b) x2 ( n ) =  α − (1 − α ) cos   n +    x1 ( n ) (fereastra Hamming).
  N  2 

Indicaţie

Este utilă scrierea

 1 − α  j N  n+ 2  − j N  n+ 2   
2π  1  2π  1 

x2 ( n ) =  α − e +e   x1 ( n ) (1.148)
 2   

şi după prelucrări
π 2π π 2π
1 − α jN j N n 1 − α -j N -j N n
x2 ( n ) = α x1 ( n ) − e e x1 ( n ) − e e x1 ( n ) (1.149)
2 2
Se aplică TFTD relaţiei anterioare şi se foloseşte mai departe teorema
liniarităţii TFTD. Totodată se mai ţine cont că
 2π
±j n  j ω ∓ 2Nπ  
TFTD  x1 ( n ) e N
 = X 1  e
 
 (1.150)
  
 