Curs 8.

Elemente de procesare digitala a semnalelor

Primele aplicaţii de procesare digitală a semnalelor apar în perioada 1960-1970, odată

cu dezvoltarea tehnicii de calcul. In acei ani, procesarea digitală a semnalelor era
limitată la cîteva aplicaţii în patru domenii şi anume: radar şi sonar, explorări
petroliere, explorări spaţiale şi prelucrări de imagini în medicină. In prezent, aplicaţiile
prelucrării digitale a semnalelor sunt mult mai diverse. O parte dintre acestea sunt
enumerate mai jos:
a) Aplicaţii spaţiale:
- Prelucrare de imagini;
- Compresie date;
b) Medicină:
- Diagnosticare: computer tomograf, rezonanţă magnetică, ultrasunete, etc;
- Stocare imagini.
c) Comercial:
- Compresie imagini şi sunete;
- Aplicaţii video, efecte speciale, etc.
- Generare şi recunoaştere voce.
d) Telefonie:
- Compresie date şi voce;
- Reducere ecou;
- Multiplexare semnale;
- Filtrare.
e) Militar:
- Radar;
- Sonar;
- Securizare comunicaţii
f) Stiinţific:
- Inregistrări cutremure şi analiza datelor;
- Achiziţii de date;
- Analiza spectrală;

1
- Simulare şi modelare.

Descrierea semnalelor

Există trei metode uzuale de descriere a semnalelor, şi anume:

· în domeniul timp;
· utilizînd serii Fourier;
· spectrale: utilizează amplitudinea şi faza.

Reprezentarea semnalelor folosind serii şi transformate Fourier

In 1807 Fourier demonstrează posibilitatea reprezentării funcţiilor periodice ca sume

de sinusoide şi cosinusoide avînd anumiţi coeficienţi. Deşi un semnal poate fi
descompus într-o infinitate de moduri, utilizarea sinusoidelor în locul altor forme (de
exemplu dreptunghiulare, triunghiulare, etc) se datorează aşa-numitei fidelităţi
sinusoidale. Aceasta înseamnă că aplicînd unui sistem o comandă sinusoidală, ieşirea
sa este tot o formă sinusoidală de aceeaşi frecvenţă cu cea a comenzii, dar cu
amplitudinea şi faza modificate.
După cum semnalul este continuu sau discret, periodic sau aperiodic, se disting
următoarele cazuri:
- Periodic-continuu: reprezentarea se face prin serii infinite de funcţii sinusoidale. In
acest caz transformatele Fourier se numesc serii Fourier continue;
- Aperiodic-continuu: în acest caz se utilizează transformata Fourier;
- Peridic-discret: semnalul este discret şi periodic. Se utilizează seria Fourier
discretă;
- Aperiodic-discret: semnalul este discret şi aperiodic. Se defineşte transformata
Fourier discretă.

2
Procesarea continuă a semnalelor
Cazul periodic-continuu

Fie f :   ,    R . Dacă:

a) f  x  are un număr cel mult finit de discontinuităţi, şi:


b)  f  x  dx

este finită,

atunci
 
f ( x)  Ao   An cos(nx)   Bn sin(nx),
n 1 n 1

unde

1
A0   f ( x)dx
2 

1
An   f ( x) cos(nx)dx;
 

1
Bn   f ( x) sin(nx)dx; n  1,...
 

Observaţie. Dacă f  x  este impară atunci Ai  0, i  0,1,... Dacă f  x  este pară atunci

coeficienţii Bi  0, i  1,...

x
Exemplu de calcul: f  x   .

Graficul funcţiei pe intervalul  ,   este cel din figura de mai jos:

f  x

  x

1

3
  
1 x 1 x2
A0  2
2 
 2
dx 
2 2 2
 0;


1  x
An    cos(nx)dx  0 ( f  impara);
 
1  cos nx cos nx 
   
1 1
Bn 
2  f ( x)sin nxdx 
2  x sin(nx)dx 
 

2 
 x  
n   n
dx 

  
1 cos nx
 x 

2 n
Prin urmare:
2
B1 

1
B2  


2
Bn   1
n 1

n

şi deci
2 sin 2 x sin 3x 
f ( x)   sin x    ..... 
 2 3 

Graficul aproximaţiei funcţiei obţinute prin suma primilor şase termeni este prezentat
mai jos:

f  x

  x

1

Cazul funcţiilor cu perioadă arbitrară T  

 T T
Fie funcţia v  t  , v :   ,   R periodică cu perioada T . Făcînd schimbarea de
 2 2
2  T T
variabilă x  t , intervalul   ,  se transformă în  ,   .
T  2 2
4
 2
Notînd   deci x  t , se obţine:
T
 
v  t   f  x   A0   An cos nx   Bn sin nx
n 1 n 1
 
(1)
 A0   An cos nt   Bn sin nt
n 1 n 1

în care:
T
2
1
T T
A0  v(t )dt
2
T
2
2
T T
An  v(t ) cos(nt )dt ;
2
T
2
2
T T
Bn  v(t )sin(nt )dt ; n  1,...
2
Definiţie. Frecvenţele semnalelor sinusoidale din dezvoltarea (1) se numesc armonici.
Prima armonică coincide cu frecvenţa de repetare a semnalului în domeniul timp şi se
numeşte frecvenţă fundamentală.

Exemplu de calcul
Fie semnalul din figura de mai jos:

v t 

T T t

2 2

In acest caz coeficienţii Fourier sunt:

T
2
1 V
A0   v  t  dt 
T T 2
2
T T

2 2
2V 4
2V n
An   v  t  cos  nt  dt   cos  nt  dt  n sin
T T T 
T 2
2 4

5
 2
unde   . Prin urmare:
T
V 2V  1 1 
v t     cos t  cos3t  cos5t  ... 
2   3 5 
Aproximaţia cu 4 temeni ai sumei e mai sus are forma:

v t 
V

T T

2 2 t

Pentru un număr mare de frecvenţe (aproximativ 30) suprareglajul rămîne aproximativ

acelaşi (circa 9%), fără să mai descrească. In schimb se reduce, tinzînd la zero, lăţimea
suprareglajului. Aceasta înseamnă că energia erorii dintre semnalul reconstruit prin
însumarea frecvenţelor şi cel original tinde la zero. Acest fapt a fost explicat în 1899 şi
se numeşte efectul Gibbs.

6
Curs 9.

Coeficienţi Fourier complecşi; “frecvenţe negative”; teorema lui Parseval

In cursul precedent s-a arătat ca dacă funcţia f  t  este periodică cu perioada T  0 şi

 T T
definită pe intervalul   ,  , atunci ea poate fi aproximată prin seria Fourier:
 2 2
 
f (t )  Ao   An cos nt   Bn sin nt , unde
n 1 n 1
T
1 2

T 
A0  f (t )dt
T
2

T (2)
2 2

An   f (t ) cos nt dt ;
T T
2

T
2
2
T T
Bn  f (t )sin nt dt.
2

De remarcat faptul că:

An  A n , Bn   B n . (3)

Tinînd cont că e j = cos + jsin; e-j = cos - jsin , rezultă:

e j  e  j e j  e  j
cos   ; sin  
2 2j
şi deci

 
f (t )  Ao   An cos nt   Bn sin nt 
n 1 n 1

e jnt
e  jnt
e jnt  e  jnt
 Ao   An  Bn 
n 1 2 2j

An  jBn jnt 
A  jBn  jnt 
 Ao   e  n e    n e jnt
n 1 2 n 1 2 n 

unde s-a introdus notaţia:

An  jBn
 n :  C, n  0 si 0  A0 . (4)
2

7
Coeficienţii  n se numesc coeficienţi Fourier complecşi. In egalităţile de mai sus s-a
ţinut cont de relaţiile (3).
Din expresiile (2) şi (4) se obţine:
T T
1 2
1 2

 n   f (t )  cos nt  j sin nt  dt   f (t )e  jnt dt.

T T
2
T T
2

Exemplu de calcul. Fie funcţia periodică din figura de mai jos:

f t 

t

5

Coeficienţii Fourier complecşi au expresiile:

T T
1 2
V 2

 n   f (t )e  jnt dt  e  jnt
dt 
T T
2
T  T2

2V sin  n / 2  V  sin  n / 2  V 

   sinc  n / 2  ,
T n T n / 2 T
sin x
în care s-a notat sinusul cardinal sinc  x  : .
x
Pentru n  0,
T
1 2
V
0   f (t )dt  .
T T
2
T

Variaţia coeficienţilor Fourier  n în raport cu pulsatia  este dată în figura de mai

jos:

8
 n

V
T

Definiţie. Se numeşte densitate spectrală la pulsaţia n , funcţia:

n V  sin  n / 2 
g   :  .
n nT n / 2

In cazul unui singur impuls,   0 sau dacă funcţia f  t  este neperiodică, rezultă:
T

1 2

T 
f (t )e  jnt dt
g    lim 0
T
2

n
1 
F  f  t  ,
1
 
2 
f (t )e  jt dt 
2

unde cu F  f  t  s-a notat transformata Fourier a funcţiei f  t  .

Se reaminteşte faptul că o funcţie f  t  are transformată Fourier dacă

T

limT   f  t  dt
T

este finită.

Exemplu de calcul. Fie funcţia a cărui grafic este dat în figura de mai jos:

f t 

t


9
Transformata Fourier a funcţiei f  t  este:

 2
F    F  f  t    f t  e  jt
dt  V  e  jt dt 
 

2

e j / 2  e j / 2 sin   / 2 

V V .
j  / 2
Graficul funcţiei F   este prezentat în figura de mai jos:

F  

V


2


Caz particular: dacă V   dar   0 astfel încît V   k  ct. se obţine impulsul

Dirac   0  . In acest caz:


F     k  0 dt  k.


Definiţie. Se numeşte transformată Fourier inversă a funcţiei F   , funcţia:

1 
f t    F   e jt d  .
2 

Teorema lui Parseval

Fie:
x  t   v1  t  v2  t  .

Atunci transformata Fourier a semnalului produs x  t  este:

10
 

X     v t  v t  e
1 2
 j t
dt 


 1  
  v1  t    V2  u  e jut  e  jt dt
  2  
 
1
   v1  t V2  u  e   dudt
 j u t

2 
1   
  V2  u    v1  t  e  j  u t dt  du
2    
1  1 
  V1    u V2  u  du  2  V1  u V2    u  du.
2 
Făcînd   0 din egalitatea de mai sus se obţine:

1 
 v1  t  v2  t  dt  2  V1 u V2* u  du (5)

unde s-a notat V2*  u  : V2  u  . Egalitatea (5) se numeşte egalitatea lui Parseval.

Rezultă astfel o proprietate importantă a transformatei Fourier şi anume convoluţia

într-un domeniu (timp sau frecvenţă) corespunde multiplicării în celălat domeniu
(frecvenţă sau timp). Prin urmare are loc relaţia:

F v  t  v2  t  
1
V1 *V2   , sau echivalent
1
2 (6)
F V1 *V2    2v1  t  v2  t 
1

O aplicaţie interesantă a acestei egalităţi este modularea în amplitudine a semnalelor.

Astfel se consideră semnalul audio x  t  din figura a) de mai jos, avînd frecvenţa

cuprinsă între 0.3 kHz şi 3 KHz. Purtătoarea acestui semnal, reprezentată în figura b)
are frecvenţa 30kHz. In figura c) este reprezentat semnalul modulat în amplitudine,
obţinut prin produsul dintre semnal şi purtătoare.

X  
x t 


0.33
t

a)
11
 P  
p t 

30 
t

b)

x t  p t 
F  x  t  p  t    

t

30

c)
Din (6) rezultă că spectrul produsului x  t  p  t  este proporţional cu produsul de

convoluţie al spectrelor semnalului audio şi respectiv purtătoarei. De aceea spectrul

semnalului modulat se obţine prin translaţia la dreapta a spectrului semnalului audio cu
frecvenţa purtătoare. Se observă că spectrul semnalului modulat conţine trei
componente, şi anume: cea corespunzătoare purtătoarei, cea anterioară şi respectiv cea
posterioară purtătoarei. De remarcat faptul că porţiunea anterioară a spectrului
corespunde translaţiei spectrului semnalului audio corespunzător frecvenţelor negative
cuprinse între –0.3 kHz şi –3kHz.
O altă aplicaţie interesantă a modulaţiei în amplitudine se referă la transmisiile de
televiziune. Semnalul TV standard are frecvenţa cuprinsă între 0 şi 6 MHz. Utilizînd
tehnici de translaţie a frecvenţei similare cu cele de mai sus se pot obţine canale cu
lăţimea de 6MHz. De exemplu, dacă canalul 3 corespunde frecvenţei de la 60 la

12
66MHz, canalul 4 corespunde frecvenţei de la 66 la 72 MHz, etc. Această metodă se
numeşte multiplexare în domeniul frecvenţei.

13
Curs 10.

Semnale în timp discret

Un semnal în timp discret se reprezintă ca un şir de numere de forma

x n x n ... x 1 ,x 0 ,x 1 ,x 2 , ...

Elementele pot fi numere reale sau complexe.

Siruri de numere reale

x n an
x n 0.9n , 0 n 10

In MATLAB
n 0 :10;
x 0.9 . ^ n;

Siruri de numere complexe

j n
x n e 0

Adunarea a două semnale

x1 n x2 n x1 n x2 n

Inmulţirea a două semnale

x1 n x2 n x1 n x2 n

In MATLAB x x1.* x2 (dot product )

14
Transformate Fourier discrete (TFD)

Fie x n un semnal discret astfel încât x n .

Atunci se defineşte transformata Fourier discretă directă
j n
X F x n x n e
n

Exemplul 1
n
Să se determine TFD a semnalului x n 0.5 , n 0.
n j n j n 1 ej
X 0.5 e 0.5e j
n 0 n 0 1 0.5e ej 0.5

Exemplul 2
Să se determine TFD a semnalului cu durată fixă
x n 1, 2,3, 4,5 , n 1,0,1, 2,3
j n
X x n e ej 2 3e j
4e 2j
5e 3j

Două proprietăţi importante care permit reducerea domeniului la

intervalul 0,

a) X j este periodică cu perioada 2

b) Simetria Dacă x n sunt reale atunci
Re X Re X
Im X Im X
X X
X X

Implementare MATLAB pentru exemplul 2 de mai sus:

15
 n 1: 3;
x 1: 5;
k 0 : 500; w pi / 500 * k ;
X x *exp j * pi / 500 . ^ n '* k ;
magX abs X ;
angX angle X ;
realX real X ;
imagX imag X ;
subplot 2, 2,1 ; plot k / 500, magX ; grid
subplot 2, 2,3 ; plot k / 500, angX / pi ; grid
subplot 2, 2, 2 ; plot k / 500, realX ; grid
subplot 2, 2, 4 ; plot k / 500, imagX ; grid

Transformata Fourier discretă (TFD) reală

Transformata Fourier discretă (TFD) reală transformă un şir de N numere reale în

N
două subşiruri de cîte  1 numere reale. De obicei N se alege o putere a lui 2 din
2
două motive:
· datorită reprezentării binare a numerelor în memoria calculatorului;
· calculul TFD folosind transformata Fourier rapidă (prezentată în cursul următor) se
face de regulă pentru N  2k .

Domeniul timp Domeniul frecventa

TFD discreta Re X  

x  0 N
2
(amplitudine cosinusuri)
0 N 1
Im X  
0
N
TFD inversa (amplitudine sinusuri)
2

16
Valorile Re X   reprezintă amplitudinile componentelor de tip cosinus iar Im X  
reprezintă amplitudinile componentelor de tip sinus.
Prin urmare TFD transformă N puncte în N  2 puncte.
De obicei se utilizează una dintre următoarele patru metode de scalare a abscisei în
domeniul timp:
N
a) Scalarea de la 0 la ;
2
b) Scalarea de la 0 la 0.5 adică la jumătate din frecvenţa de eşantionare;
c) Similar cu b) dar se înmulţeşte cu 2 , obţinîndu-se o scalare între 0 şi  ;
d) Scalarea ca în cazul continuu. De exemplu, dacă un semnal este eşantionat cu
frecvenţă 10kHz , atunci domeniul de frecvenţe este 0  5kHz .

Ecuaţia de sinteză arată modul de reconstrucţie al semnalului în funcţie de TFD:

N  N N
Re X  
Re X  0
1
2 2 2k i 2 2 2k i
x i       Im X  k  sin
2

N

N N

k 1
Re X k cos
N N k 0 N
,

i  0,1,...
(7)

Ecuaţia de mai sus defineşte transformata Fourier discretă reală inversă.

Calculul transformatei Fourier discrete reale

Pentru calculul transformatei Fourier discrete este nevoie să se determine

N N N
Re X  k  , k  0,..., şi Im X  k  , k  0,..., . Deoarece pentru k  0 si k  ,
2 2 2
2k i N
sin  0 , se poate lua Im X  0   Im X    0 rămînînd astfel doar N
N 2
necunoscute.
Sunt trei metode uzuale de calcul a coeficienţilor Re X i  şi Im X i  , şi anume:

a) Calculul TFD prin metoda ecuaţiilor simultane

17
Această metodă constă în a scrie ecuaţia de sinteză (7) pentru i  0,..., N  1 obţinînd
N
astfel N ecuaţii liniare cu N necunoscute Re X  k  , k  0,..., şi
2
N
Im X  k  , k  1,...,  1 . Se poate utiliza orice algoritm pentru a rezolva acest sistem
2
algebric liniar dar metoda nu este foarte utilizată deoarece necesită un număr mare de
operaţii.
b) Calculul TFD prin metoda corelaţiei
Calculul părţilor reale Re X i  şi imaginare Im X i  se poate face pornind de la aşa-

numitele ecuaţii de analiză:

N 1
2k i
Re X  k    x i  cos
i 0 N
(8)
N 1
2k i N
Im X  k    x i  sin , k  0,...,
i 0 N 2
2k i
Ecuaţiile de mai sus revin de fapt la calculul corelaţiei dintre cos şi x i  şi
N
2k i
respectiv dintre sin şi x i  .
N
De remarcat faptul că din ecuaţiile de analiză (8) rezultă următoarea expresie a
transformatei Fourier discrete:
N 1 2 k i
N
X  k   Re X  k   j Im X  k    x  i  e
j
N , k  0,..., (9)
i 0 2
unde j  1 .

Observaţie. Ecuaţiile de sinteză (7) şi de analiză (8) sunt asemănătoare în domeniul

timp şi în domeniul frecvenţial. Simetria relaţiilor dintre cele domenii se numeşte
dualitate. Astfel, inversa transformatei Fourier discrete are expresia:
N
2 k i
1
x i    X  k e N , i  0,..., N  1 unde
2 j

N k 0
Im X  k  N
Im X  k   , pentru k  0,...,
N /2 2
Re X  k  N
(10)
Re X  k   , pentru k  1,...,  1
N /2 2
N 
Re X  
Re X  0 N  2
Re X  0  , Re X   
N 2 N
18
c) A treia metodă de calcul al transformatei Fourier discrete (cel mai frecvent
utilizată) este transformata Fourier rapidă care va fi prezentată în cursul următor.

Proprietăţile transformatelor Fourier

Atât transformata Fourier continuă cât şi cea discretă au următoarele proprietăţi:

a) omogenitate;
b) liniaritate.
Proprietatea de omogenitate înseamnă că modificarea amplitudinii într-un domeniu
determină modificarea cu acelaşi factor de proporţionalitate a amplitudinii în celălalt
domeniu.

Amplitudine x   Amplitudine X  

0.2 0.5
64 128 255
Frecventa
Numarul esantionului

Amplitudine kx   Amplitudine kX  

0.2 0.5
64 128 255
Frecventa
Numarul esantionului

Proprietatea de liniaritate a transformatei Fourier înseamnă că suma a două semnale

într-un domeniu corespunde însumării în celălalt domeniu.
In figurile de mai jos este ilustrată proprietatea de liniaritate a două semnale x1 şi x2 .

19
 x1   Re X 1   Im X 1  

0.1 0.1
Frecventa Frecventa
Nr. esantioane

x2   Re X 2   Im X 2  

0.1 0.1
Frecventa Frecventa
Nr. esantioane

x1    x2   Re  X 1    X 2   Im  X 1    X 2  

0.1 0.1
Frecventa Frecventa
Nr. esantioane

O aplicaţie importantă a TFD este analiza spectrală a semnalelor. Se consideră ca

exemplu problema analizei zgomotelor într-un mediu subacvatic şi prelucrarea
utilizînd un sonar pasiv. Pentru anularea frecvenţelor mai mari de 80 Hz se utilizează
un filtre trece-jos iar semnalul astfel filtrat se eşantionează cu frecvenţa de cel puţin
160 Hz. Pe baza măsurătorilor în timp a 256 eşantioane s-a determinat transformata
Fourier discretă, obţinîndu-se spectrul din figura de mai jos:

20
 Amplitudine

13 26 39 60 80
Frecventa (Hz)

Spectrul ilustrat mai sus are următoarele particularităţi:

· un palier cuprins între 10 şi 70 Hz: acesta corespunde zgomotului alb;
· descreşterea spectrului după 70 Hz se datorează filtrului trece-jos;
· vîrful de 60 Hz se datorează interferenţei cu sursa de alimentare (care funcţionează la
60 Hz);
· vîrful de 13 Hz este frecvenţa fundamentală a unui semnal periodic sinusoidal;
· vîrfurile la 26, 39 Hz sunt armonici ale acestui semnal. In mod normal s-ar putea
vizualiza şi armonicile ce frecvenţă mai mare (multiplu de 13) dar acestea sunt
acoperite de spectrul zgomotului alb.

Un al doilea exemplu de aplicaţie a analizei spectrale a semnalelor îl constituie radarul

Doppler. Astfel, dacă distanţa dintre emiţătorul radarului şi ţintă, are expresia
  t   0  0t , unde 0 reprezintă viteza de deplasare a ţintei, semnalul reflectat

recepţionat are forma:

  2  t     20
s  t   cos 0  t     cos 0t   0  0t  
  c   c 
 200  20 
 cos  0  t  0 
 c  c 
unde 0 este pulsaţia semnalului emis iar c este viteza luminii (viteza de propagare a

200
undelor electromagnetice). In expresia de mai sus, reprezintă pulsaţia Doppler.
c
200
Din analiza spectrală a semnalulului recepţionat se obţine pulsaţia 0  de
c
unde rezultă pulsaţia Doppler şi deci 0 , viteza de deplasare a ţintei.
21
Curs 11.

Transformata Fourier discretă complexă

Transformata Fourier discretă reală definită în cursul anterior are unele limitări, printre
care:
- nu sunt luate în consideraţie “frecvenţele negative” (vezi Cursul 9) care sunt
importante în unele aplicaţii;
N 
- expresiile diferite ale coeficienţilor lui Re X 0 şi Re X   din expresia (7) a
2
1 2 N
inversei TFD reale, care sunt în loc de pentru k  1,..., .
N N 2
Inconvenientele menţionate mai sus se pot depăşi prin utilizarea transformatei Fourier
discrete complexe, definită ca:
N 1 2 k i
X  k    x i e
j
N , pentru k  0,..., N  1 (11)
i 0

şi a inversei acesteia:
2 k i
1 N 1
x i      N , i  0,..., N  1.
j
X k e (12)
N k 0
22
Comparaţie între TFD reală şi TFD complexă

TFD reală transformă un şir de N numere reale din domeniul timp în două şiruri de
N
cîte  1 puncte în domeniul frecvenţial.
2
TFD complexă transformă un şir de N numere complexe din domeniul timp (adică
două siruri cu cîte N numere reale reprezentînd părţile reale şi respectiv imaginare) în
cîte 2 şiruri cu cîte N numere reale.
Dîndu-se N numere reale, dacă se doreşte calculul TFD reale utilizînd TFD complexă,
se setează partea reală cu cele N valori reale date şi se setează la 0 cele N
componente ale vectorului conţinînd valorile imaginare. Aplicînd TFD complexă
rezultă 2 siruri a cîte N numere, reprezentînd partea reală şi respectiv pe cea
N
imaginară. Elementele de la 0 la ale acestor şiruri coincid cu elementele TFD
2
reale. Aceste consideraţii privind comparaţia dintre TFD reală şi TFD complexă sunt
ilustrate în figura de mai jos.

TFD reala
Partea reala
N /2
Semnalul in domeniul timp 0

0 N 1 Partea imaginara
N /2
0

TFD complexa
Partea reala Partea reala
N /2
0 0 N 1
N 1

Partea imaginara N /2
0 0 Partea imaginara
N 1 N 1

Pentru calculul TFD reale inverse utilizînd TFD complexă inversă se ţine seama de
proprietăţile de paritate şi imparitate ale părţilor reale şi respectiv imaginare ale
spectrului unui semnal real. Dîndu-se cele două subşiruri ale TFD reale cu elementele

23
 N
de la 0 la se completeză vectorul părţilor reale ale TFD complexe astfel: elementul
2
N N N N
 1 identic cu elementul  1 , elementul  2 identic cu elementul 2,
2 2 2 2
ş.a.m.d. până la elementul N  1 care este identic cu elementul 1.
Pentru obţinerea vectorului părtilor imaginare a TFD complexe, se completează
N N
elementul  1 cu opusul (semn schimbat) ale elementului  1 din partea
2 2
N N
imaginară a TFD reale, elementul  2 cu opusul elementului  2 , ş.a.m.d.
2 2
Aplicînd un algoritm de calcul al TFD complexe inverse celor două şiruri generate mai
sus, rezultă 2 şiruri cu câte N elemente din domeniul timp. Primul coincide cu cele N
elemente din domeniul timp, iar cel de-al doilea are toate elementele 0 (cu excepţia
unor erori de rotunjire).

Exemplu de calcul a TFD complexe

Să se calculeze TFD complexă a semnalului
1
 pentru 0  i  2
x i    4

 0 in rest,
pentru N  4 .
Aplicînd relaţia de definiţie (11), rezultă:
3 20i
1 1 1
X  0   x i  e
j
4    1
i 0 3 3 3

3 2 i
1  j 2
X 1   x i  e
j
4  e
i 0 3
3 2 2 i
1
X  2   x i  e 4 
j

i 0 3
 
3 2 3 i
1  j 32
X 3   x i  e
j
4  e .
i 0 3

24
 Transformata Fourier rapidă

Algoritmul de calcul al transformatei Fourier rapide a fost propus în 1965 de către

Cooley şi Tuckey şi permite calculul TFD cu cîteva ordine de mărime mai rapid faţă
de cazul utilizării metodelor prezentate în cursul precedent.
Algoritmul se referă la calculul transformatei Fourier discrete complexe, care
transformă un şir de N numere complexe din domeniul timp în două şiruri de cîte N
numere complexe, conform relaţiilor:
2 k i
1 N 1
x i    X  k e N , i  0,..., N  1
j

N k 0
N 1 2 k i
(13)
X k    x i  e
j
N , k  0,..., N  1
i 0

Relaţiile de mai sus diferă de (9) şi (10) prin faptul că în cazul transformatei Fourier
discrete complexe indicele k ia valori între 0 şi N  1 în timp ce în cazul real acesta
N
ia valori între 0 şi .
2
Cunoscînd vectorul X . , pentru calculul lui x . sunt necesare N 2 operaţii (prin

operaţie înţelegîndu-se o înmulţire şi o adunare).

Se introduce următoarea notaţie pentru rădăcina de ordinul N a unităţii:
2
j
W e N .
Dacă N nu este număr prim şi se face factorizarea N  N1 N 2 unde N1 şi N 2 sunt doi
întregi, atunci i şi k se pot scrie ca:
i  i1 N1  i2 ; i1  0,1,..., N1  1; i2  0,1,...N2  1
k  k1  k2 N1; k1  0,1,..., N1  1; k2  0,1,..., N2 1.
Deoarece:

W i k N N  W N  1
i1k2
1 2 1 2

rezultă că:
W ik  W i N i  k k N   W ik W i k N
1 2 2 1 2 1 1 2 2 1

şi deci
1 N1 1
 N 1  ik
x i   x i1 , i2      X  k1 , k2 W
2
ik N
W .
2 2 1 1

N k 0  k 0
1 2 

25
Prin urmare calculul primei sume (13) revine la calculul sumei duble de mai sus sau
echivalent, la calculul sumelor succesive:
N 2 1
X 1  k1 , i2    X  k , k W1 2
i2 k2 N1

k2  0
N1 1
(14)
1
x i1 , i2    X  k , i W
1 1 2
ik1

N k1  0

Tinînd cont că k1  0,1,..., N1  1 şi că i2  0,1,...N2  1 rezultă că X 1 .,. are N

componente şi se obţine din N  N 2 operaţii. Cunoscînd X 1 .,. , x .,. se obţine din

N1  N operaţii, deci numărul total de operaţii necesare este N  N1  N 2  , faţă de cazul

menţionat mai sus în care se utilizează N 2 operaţii. In cazul mai general în care se
face descompunerea N  N1   Nm , numărul total de operaţii necesar calculului

transformatei Fourier discrete este N  N1  ...  Nm  . De exemplu, dacă N  28 sunt

necesare 28 8  2   212 operaţii faţă de N 2  216 , adică de 16 ori mai puţine.

Curs 12.

Noţiuni de filtrare digitală a semnalelor

Filtrele digitale se utilizează pentru următoarele două tipuri de aplicaţii:

a) separarea semnalelor care au fost în prealabil combinate;
b) refacerea semnalelor afectate de zgomote.
Filtrele analogice (electronice) pot fi de asemenea folosite pentru realizarea
obiectivelor de mai sus, dar filtrele digitale dau rezultate superioare.

Parametrii în domeniul timp ai filtrelor digitale

Principalii parametrii în domeniul timp ai filtrelor digitale se referă la răspunsul
acestora la semnale de tip treaptă. Aceştia sunt:
- durata regimului tranzitoriu;
- suprareglajul.

26
In figura de mai jos se ilustrează comparativ două răspunsuri în timp, corespunzător
unor performanţe bune şi respectiv nesatisfăcătoare ale unui filtru digital.

Performante slabe Performante bune

Amplitudine Amplitudine

Raspuns lent la treapta Raspuns rapid la treapta

32 64 Nr. esantion 32 64 Nr. esantion

Amplitudine
Amplitudine
Suprareglaj Fara suprareglaj

Nr. esantion
32 64 32 64 Nr. esantion

Parametrii în domeniul frecvenţial ai filtrelor digitale

Pentru evaluarea parametrilor din domeniul frecvenţial ai filtrelor digitale este necesar
să se definească mai întîi mărimile:
· banda de trecere;
· banda de oprire;
· banda de tranziţie.
In figura de mai jos sunt prezentate aceste mărimi în cele 4 cazuri uzuale de filtre, şi
anume: filtrul trece-jos, fitrul trece-sus, filtrul trece-banda şi filtrul rejectează-banda.

27
 Trece-jos
Trece-sus
Amplitudine Amplitudine
Banda de trecere

Banda de tranzitie

Banda de oprire

Frecventa
Frecventa
Amplitudine Amplitudine

Trece-banda Rejecteaza-banda

Frecventa Frecventa

Principalii trei parametri din domeniul frecvenţial ai filtrelor digitale sunt:

- panta caracteristicii de amplitudine să fie cît mai mare în valoare absolută în banda
de tranziţie (caracteristica să fie abruptă);
- în banda de trecere caracteristica de amplitudine să fie cît mai plată;
- în banda de oprire caracteristica să fie cît mai apropiată de abscisă (ceea ce
echivalează cu tăierea frecvenţelor respective).
In figura de mai jos se prezintă comparativ performanţe slabe şi bune din domeniul
frecvenţei a două filtre digitale:

28
 Performante slabe Performante bune
Amplitudine Amplitudine
Panta mica in banda de trecere Panta mare in banda de trecere

0.2 0.5 Frecventa 0.2 0.5 Frecventa

Amplitudine
Amplitudine
Caracteristica nu e plata
in banda de trecere Caracteristica e plata
in banda de trecere

Frecventa Frecventa
0.2 0.5 0.2 0.5
Amplitudine (dB) Amplitudine (dB)
Atenuare slaba in banda Atenuare buna in banda
de oprire de oprire
0.2 0.5 Frecventa 0.2 0.5 Frecventa

-40
-60

Filtre trece-jos, trece-sus şi trece-bandă

Filtrele trece-sus, trece-bandă şi rejectează-bandă se obţin pornind de la filtre trece-jos

care sunt transformate corespunzător. Sunt două metode de conversie a filtrelor trece-
jos în filtre trece-sus.
a) Prima metodă se bazează pe schimbarea semnului răspunsului frecvenţial la
impuls, ca în figura de mai jos.

29
 Trece-jos
Filtru trece-sus
reprezentat ca o
conexiune paralel
h[n] -
x[n] y[n]
+
  n
+

Trece-tot

Filtru trece-sus Trece-sus

reprezentat direct
n  h n
x[n]
y[n]

b) Cea de-a doua metodă constă în inversarea spectrală din două în două eşantioane,
ca în figura de mai jos.

Amplitudine Amplitudine

20 30 Nr. esantion
0.2
Frecventa

Amplitudine Amplitudine

0.3
20 30 Nr. esantion Frecventa

Schimbarea semnului din două în două eşantioane este echivalentă cu multiplicarea cu

un semnal sinusoidal cu frecvenţa 0.5, ceea ce are ca efect translatarea spectrului cu

30
0.5. Spectrul ilustrat în figura din dreapta jos este spectrul la frecvenţele negative
translatat cu 0.5.

Pentru obţinerea unui filtru trece-bandă se utilizează un fitru trece-jos şi unul trece-sus,
ca în figura de mai jos:

Trece-jos Trece-sus

x[n] h1  n  h2  n  y[n]

Trece-banda

h1  n   h2  n 
x[n]
y[n]

Clasificarea filtrelor digitale

Filtrele digitale se clasifică în funcţie de modul lor de utilizare şi de implementare.

Utilizarea unui filtru digital se face de obicei în domeniul timp sau în domeniul
frecvenţial. Implementarea filtrelor digitale se realizează prin convoluţie (metoda
răspunsului finit la impuls) sau recurente (metoda răspunsului infinit la impuls).

31
Curs 13.

Filtre digitale cu răspuns finit la impuls

Filtrele cu medie mobilă (moving average) sunt cele mai utilizate filtre digitale
datorită simplităţii lor. Aceste filtre au performanţe bune în cazul reprezentării în
domeniul timp a semnalului care trebuie filtrat. Aşa cum arată şi numele, filtrul cu
medie mobilă mediază cu un număr prestabilit M de valori semnalul x . de la

intrarea filtrului, producînd la ieşirea acestuia semnalul:

M 1
1
y i    x i  j .
M j 0

De exmplu, un filtru cu 5 valori de mediere calculează semnalul la eşantionul 70,

astfel:
x 70  x 71  x 72  x 73  x 74
y 70  .
5
O alternativă a formulei de mai sus este calculul folosind puncte simetrice faţă de
indicele variabilei de ieşire, astfel:
x 68  x 69  x 70  x 71  x 72
y 70  .
5
In afară de simplitatea sa, filtrul cu medie mobilă are şi avantajul că este optimal în
sensul reducerii amplitudinii zgomotului alb care afectează semnalul de intrare
(nefiltrat) şi a realizării unui răspuns rapid la semnale treaptă unitate. Un exemplu de
semnal filtrat utilizînd metoda mediei mobile este ilustrat în figura de mai jos:

32
 Amplitudine Semnalul filtrat, M=11
Semnalul nefiltrat
Amplitudine

200 300
Numar esantioane

Amplitudine

200 300 Semnalul filtrat, M=51

Numar esantioane

200 300
Numar esantioane

In figura din stînga este reprezentat în timp semnalul nefiltrat. El este obţinut
dintr-un semnal dreptunghiular perturbat cu zgomot alb. In celelalte două figuri sunt
reprezentate ieşirile filtrului digital în cazul medierii cu M  11 şi respectiv cu
M  51 . Se constată că amplitudinea zgomotului aleator s-a redus. Această reducere
este proporţională cu rădăcina pătrată a numărului M cu care se face medierea. De
exemplu, pentru M  100 , amplitudinea zgomotului se reduce de 10 ori.
Deşi pantele răspunsurilor descresc (nu sunt la fel de abrupte ca cele ale
semnalului de intrare), totuşi nici un alt filtru liniar nu asigură un răspuns mai rapid.
De remarcat faptul că performanţele din domeniul frecvenţial ale acestui filtru sunt
foarte proaste, în sensul că filtrul cu medie mobilă nu asigură separarea adecvată a
benzilor de frecvenţă.
In figura de mai jos este prezentat spectrul filtrului cu medie mobilă pentru
M  3, M  11 şi respectiv pentru M  31.

33
 Amplitudine

11 puncte
1
3 puncte

31 puncte

0.5
Frecventa

In concluzie, acest filtru este foarte bun dacă este utilizat ca filtru de netezire
dar este total neadecvat ca filtru trece-jos.

Filtre “sinc”cu fereastră

Filtrele “sinc” (sinus cardinal, vezi Cursul 9) cu fereastră sunt utilizate pentru
separarea benzilor de frecvenţă. In figura de mai jos este ilustrată metoda de sinteză a
acestor filtre.

34
 Domeniul timp Domeniul frecventa
Amplitudine Amplitudine
a. Filtrul ideal B. Raspunsul in frecventa
1 al filtrului ideal
1

fc
-50 0 50
Frecventa
Nr. esantioane

Amplitudine Amplitudine
d. Raspunsul frecvential
c. Functia sinc
pentru functia sinc
1 trunchiata 1
trunchiata
1

M fc

Frecventa
Nr. esantioane
Amplitudine
e. Fereastra Blackman
sau Hamming

Nr. esantioane Amplitudine

Amplitudine g. Raspunsul frecvential al filtrului
f. Filtru sinc cu fereastra sinc cu fereastra

fc

Nr. esantioane Frecventa

In figura b. de mai sus se prezintă răspunsul frecvenţial al unui filtru trece-jos

ideal. Toate frecvenţele mai mici decît f c trec la ieşire iar cele mai mari decît f c sunt
tăiate. Calculînd transformata Fourier inversă se obţine curba din Figura a. care
reprezintă răspunsul în timp al filtrului la impuls Girac. Aşa cum s-a arătat anterior,
sin x
această curbă este de forma graficului funcţiei sin c  x   (sinusul cardinal). Prin
x
efectuarea produsului de convoluţie în domeniul timp dintre semnalul care trebuie
filtrat şi funcţia sinc se obţie semnalul filtrat (în domeniul timp).
Asupra curbei din figura a. se fac următoarele două modificări: mai întîi se face
trunchierea la M  1 puncte în jurul lobului principal, M fiind par. Toate eşantioanele
corespunzătoare celorlalte puncte se anulează.. Apoi secvenţa astfel obţinută se
deplasează la dreapta astfel încît indexul să ia valori între 0 şi M . Deoarece filtrul
astfel trunchiat este o aproximaţie a celui ideal, răspunsul său frecvenţial diferă de cel
al filtrului ideal (a se vedea Figura d.). Acesta are un suprareglaj excesiv de mare şi
proprietăţi proaste de atenuare la frecvenţe mai mari decît f c . Pentru înlăturarea

35
acestui inconvenient se netezeşte funcţia sinc trunchiată prin multiplicarea ei cu o
funcţie numită fereastră. Se folosesc în mod uzual două tipuri de ferestre, şi anume
fereastra Blackman şi fereastra Hamming. In Figura e. este prezentată fereastra
Blackman iar în Figura f. , rezultatul înmulţirii funcţiei sinc-trunchiată cu acest tip de
fereastră.
Ecuaţia ferestrei Blackman este:
wi   0.54  0.46cos  2i / M 

iar a ferestrei Hamming este:

wi   0.42  0.5cos  2i / M   0.08cos  4i / M .

36
 Curs 14.

Filtre cu răspuns infinit la impuls (recurente)

Metoda recurentă de sinteză a filtrelor digitale se bazează pe ecuaţia recurentă:

y  n  a0 x  n  a1 x  n  1  a2 x  n  2  a3 x  n  3  ...
(15)
 b1 y  n  1  b2 y  n  2  b3 y  n  3  ...

în care x  n reprezintă semnalul de intrare iar y   este semnalul de la ieşirea

filtrului. Coeficienţii a şi b se numesc coeficienţi de recurenţă. In practică se

utilizează de obicei pînă la 12 coeficienţi de recurenţă deoarece pentru mai mulţi,

filtrul poate deveni instabil. Filtrele recurente sunt utile deoarece ele utilizează o
secvenţă mai lungă a funcţiei de convoluţie decît alte filtre (de aici şi denumirea de
filtre cu răspuns infinit). In continuare se prezintă cîteva filtre recurente uzuale.
O categorie simplă de filtre recurente sunt filtrele cu un singur pol. In figura de mai jos
se prezintă filtrul trece-jos realizat cu a0  0.15 şi b1  0.85 .

Filtru digital
Amplitudine Amplitudine

Filtru recurent
a0  0.15
b1  0.85

10 20 Nr. esantion 10 20
Amplitudine Amplitudine Nr. esantion
Filtru analogic
R
C

10 20 Nr. esantion 10 20 Nr. esantion

Pentru a0  0.93, a1  0.93 şi b1  0.86 se obţine un filtru trece-sus al cărui

răspuns la intrare treaptă este ilustrat în figura de mai jos.

37
 Filtru digital
Amplitudine Amplitudine

Filtru recurent
a0  0.93
a1  0.93
b1  0.86

10 20 Nr. esantion 10 20
Amplitudine C Amplitudine Nr. esantion
Filtru analogic

10 20 Nr. esantion 10 20 Nr. esantion

Regula de determinare a coeficienţilor recurenţi este următoarea:

- pentru filtre trece-jos cu un singur pol:
a0  1  x
b1  x
- pentru filtre trece-sus cu un singur pol:
a0  1  x  / 2
a1   1  x  / 2
b1  x
în care x  0,1 . Cu cît x este mai mare cu atît răspunsul filtrului este mai lent. De

remarcat faptul că pentru x  1 filtrul devine instabil.

Filtre trece-bandă

Pentru realizarea filtrelor digitale recurente de tip trece-bandă se utilizează ecuaţii

recurente cu doi poli, ai căror coeficienţi sunt daţi de relaţiile:
a0  1  K
a1  2  K  R  cos  2f 
a2  R 2  K
b1  2 R cos  2f 
b2   R 2
unde

38
 1  2 R cos  2f   R 2
K
2  2cos  2f 
R  1  3B
iar f şi B reprezintă frecvenţa în centrul intervalului de trecere iar B este lăţimea de
bandă dorită. Atît f cît şi B sunt exprimate ca fracţiuni ale frecvenţei de eşantionare
a semnalului de la intrare deci sunt cuprinse între 0 şi 0.5.

Filtre Cebîşev

Filtrele Cebîşev se utilizează pentru separarea benzilor de frecvenţa. Deşi

performanţele lor sunt inferioare filtrelor sinc cu fereastră, ele se folosesc în
numeroase aplicaţii datorită vitezei lor care este cu circa un ordin de mărime
superioară filtrelor sinc cu fereastră. Proiectarea acestor filtre se bazează pe
transformata Z (a se vedea cursul de CAA, partea I). In figura de mai jos se prezintă
răspunsul frecvenţial al unor filtre Cebîşev trece-jos cu suprareglaje de 0%, 0.5% şi
20%.

Amplitudine
20%

0.5%
1

0%

0.2

Frecventa

Pentru suprareglaje mari (situaţie nedorită) coborîrea caracteristicii este mai abruptă
(situaţie dorită). Pentru suprareglaj 0% filtrul se numeşte Butterworth (sau cu
platitudine maximă).
Coeficienţii recurenţi ai ecuaţiei (15) sunt tabelaţi pentru diverse frecvenţe, număr de
poli şi tipuri de filtre (trece-jos, trece-sus, trece-bandă). Aceşti coeficienţi se determină
pornind de la variantele continue ale filtrelor. Astfel, amplitudinea răspunsului
frecvenţial la impuls al filtrului Butterworth de ordinul n are expresia:
39
 1
H  j 
2
2n
, (16)

1  
 c 
unde   2f , c  2fc iar f c este frecvenţa de tăiere. In figura de mai jos sunt date
caracteristicile pentru n  2, 4 şi 8.

Amplitudine

n4
1 n8

n2

c

Pulsatia

Filtrul Cebîşev trece-jos continuu are amplitudinea:

1
H  j 
2


1   2Vn 2  
 c 
unde Vn  x  : cos  n arccos  x   iar   0 reprezintă nivelul impus al suprareglajului.

Forma tipică a amplitudinii răspunsului frecvenţial pentru aceste filtre este următoarea:

Amplitudine

1
1 

c
Pulsatie

Prin determinarea discretizantelor celor două filtre continue se obţin funcţiile de

transfer în variabila complexă z şi deci coeficienţii recursivi ai filtrului.

40
41