Documente Academic
Documente Profesional
Documente Cultură
Semnale Si Sisteme PDF
Semnale Si Sisteme PDF
SEMNALE,
CIRCUITE
si SISTEME
EDITURA ACADEMICA
Emil Ceangă, Iulian Munteanu, Antoneta Bratcu, Mihai Culea
Semnale, circuite şi sisteme. Partea I: Analiza semnalelor
Referent: Dr. Ing. Ion Mitescu
Editura ACADEMICA
Str. Domnească 111
6200 Galaţi ROMÂNIA
ISBN 973-8316-16-2
Prefaţă
Autorii ţin să îi mulţumească domnului conf. dr. ing. Ioan Mitescu, care a
acceptat sarcina de a fi referentul acestei lucrări şi ale cărui observaţii şi
sugestii au contribuit la buna ei finalizare.
Apariţia lucrării a fost posibilă cu sprijinul financiar oferit prin grantul
Nr. 44081/16.11.1998, din cadrul Programului CNFIS.
Capitolul 1: INTRODUCERE 1
1.1. Noţiunea de semnal 1
i
Semnale, circuite şi sisteme. Partea I: Semnale
ii
Cuprins
Bibliografie 191
iii
Semnale, circuite şi sisteme. Partea I: Semnale
iv
Capitolul 1
INTRODUCERE
adică x(t ) ∈ L1 .
u(t) y(t)
Sistem
dinamic
Semnalele se pot aplica unor circuite sau, mai general, unor sisteme
dinamice. Fie u(t) semnalul aplicat la intrarea unui sistem şi y(t) semnalul
obţinut la ieşirea acestuia, numit şi răspuns al sistemului la semnalul de intrare
(fig. 1.1). Sistemele dinamice realizează prelucrarea semnalelor, conform cu
funcţiunile realizate de echipamentele electronice în care sunt înglobate.
Exemplificăm câteva operaţii uzuale de prelucrare a semnalelor:
integrarea unui semnal, derivarea acestuia, filtrarea (extragerea unor
componente spectrale ale semnalului sau, după caz, eliminarea componentelor
parazite), modulaţia semnalelor, etc. De fapt, cele mai multe echipamente
electronice sunt formate din lanţuri de sisteme dinamice, care realizează
prelucrări consecutive ale semnalelor, conform unei „tehnologii” care
determină funcţiunile realizate de echipamentul respectiv.
1
Semnale, circuite şi sisteme. Partea I: Semnale
uk Sistem numeric yk
(realizare software)
u ( x1 , x2 ) y ( x1 , x2 )
Sistem 2D
2
1. Introducere
3
Semnale, circuite şi sisteme. Partea I: Semnale
4
Capitolul 2
t
-T 0 T 2T
T T T
Fig. 2.1 Semnal periodic
5
Semnale, circuite şi sisteme. Partea I: Semnale
N
sumă, N, este dată; dacă vom calcula eroarea între u(t) şi ∑ aiϕi (t ) , adică:
i =0
N
ε (t ) = u (t ) − ∑ aiϕi (t ) , atunci se caută ca această eroare să fie cât mai mică;
i =0
6
2. Modelarea semnalelor periodice
Observaţii:
Se constată că parametrii {ai}i=1,2,… se calculează în mod independent,
fiecare faţă de ceilalţi.
Dacă, pentru un N adoptat arbitrar, rezultă o eroare de modelare
inacceptabilă, se adaugă noi termeni şi se calculează parametrii aN +1 , aN + 2 ,... ,
până se obţine precizia dorită pe intervalul T, fără ca parametrii determinaţi
anterior să fie afectaţi.
• Cazul sistemelor de funcţii neortogonale
Relaţia (2.3) se înmulţeşte cu ϕ j (t ) , unde j=0,1,2,…N. Cele N + 1 relaţii
astfel obţinute se integrează pe intervalul T. Folosind notaţiile:
ϕi ,ϕ j = ∫ ϕi (t )ϕ j (t )dt , u ,ϕi = ∫ u (t )ϕi (t )dt ,
T T
rezultă un sistem de N + 1 ecuaţii liniare cu necunoscutele a0 , a1 , a2 ,..., aN :
Observaţii:
Volumul de calcul este foarte important. Parametrii nu se obţin în mod
independent, ci se obţine întregul set, {ai}i=0,1,2,…N.
Dacă eroarea de aproximare la valoarea adoptată a lui N nu este
acceptabilă, atunci trebuie adăugaţi termeni. În acest caz trebuie recalculaţi toţi
parametrii din model (se reface toată procedura).
Dacă funcţiile nu sunt liniar independente, sistemul liniar de ecuaţii
7
Semnale, circuite şi sisteme. Partea I: Semnale
Noţiunea de spectru
Ansamblul parametrilor se reprezintă grafic într-o manieră specifică,
reprezentarea respectivă numindu-se spectru (fig. 2.3).
a0 a1 a3 a4 a6
2 5 … i
0 1 3 4 6 …
a2 a5
Fig. 2.3 Spectrul SFG al unui semnal
∞
(2.6) u (t ) = ∑ aiϕi (t )
i =0
(2.8) I = ∫ ε 2 (t )dt
T
8
2. Modelarea semnalelor periodice
N
Adăugând şi scăzând C 2 ⋅ ∑ ai2 , se obţine:
i =0
N N
I = ∫ u 2 (t )dt − C 2 ∑ ai 2 + C 2 ∑ (ai − bi ) 2
T i =0 i =0
unde unul din factorii u(t) se înlocuieşte prin modelul (2.2). Rezultă:
2 ∞ ∞
∫ u (t ) = ∫ u (t ) ⋅ ∑ aiϕi (t ) dt = ∑ ai ⋅ ∫ u (t )ϕi (t )dt
T T i =0 i =0 T
În relaţia de mai sus se utilizează relaţia (2.5) şi rezultă:
∞
2 2 2
(2.11) ∫ u (t )dt = C ∑ ai
T i =0
9
Semnale, circuite şi sisteme. Partea I: Semnale
u (t ) 1
× C02
⋅ ∫ ( ⋅ ) dt
a0
1
i
× C12
⋅ ∫ ( ⋅) dt
a1
i
i i
i i
1
× C N2
⋅ ∫ ( ⋅ ) dt
aN
ϕ0 (t ) ϕ1 (t ) ϕ N (t )
GF ∼ ∼ iii ∼
10
2. Modelarea semnalelor periodice
a0 = ×
a1 =
i
× ∑
u (t )
i
aN i
= ×
ϕ0 (t ) ϕ1 (t ) ϕ N (t )
GF ∼ ∼ iii ∼
T
, i= j
∫ sin(iω0t )sin( jω0t )dt = 2
T 0, i ≠ j
T
Deci pătratul normei acestor funcţii este C 2 =
. În sistemul de funcţii
2
este şi o constantă, şi anume ϕ0 (t ) = 1 . Norma acesteia se obţine
din: C0 2 = ∫ 1 ⋅ 1dt = T , deci componentei unitare din sistem îi corespunde
T
norma T.
11
Semnale, circuite şi sisteme. Partea I: Semnale
1
(2.16) C0 = ∫ u (t )dt
TT
Semnificaţia fizică a parametrului C0 este aceea de medie a semnalului.
Ceilalţi parametri se obţin conform relaţiilor:
2
(2.17) Ci = ∫ u (t ) cos(iω0t )dt , i = 1, 2...
TT
2
(2.18) Si = ∫ u (t )sin(iω0t )dt, i = 1, 2,...
TT
Relaţia (2.15) reprezintă expresia semnalului u(t) în seria Fourier
trigonometrică (SFT), iar relaţiile (2.16), (2.17) şi (2.18) servesc la
determinarea spectrului din SFT (fig. 2.6).
C0 C1
C2 C4 …
3ω 0 5ω 0 ω
0 ω0 2ω 0 4ω0
C5
S1 C3
S4 S5 …
2ω 0 3ω 0 ω
0 ω0 4ω 0 5ω 0
S2 S3
12
2. Modelarea semnalelor periodice
(2.20) Ai = Ci 2 + Si 2 , i = 1, 2,... A0 = C0 ,
Si
(2.21) ϕi = −arctg , i = 1, 2,...
Ci
În aceste condiţii, relaţia (2.15) se poate scrie astfel:
∞
(2.22) u (t ) = A0 + ∑ Ai cos(iω0t + ϕi )
i =1
Relaţia (2.22) reprezintă expresia semnalului u(t) în SFA, adică sub formă
de sumă de armonici, la care se adaugă componenta continuă A0 . O armonică
de ordinul i are expresia Ai ⋅ cos(iω0t + ϕi ) şi reprezintă o componentă
cosinusoidală având pulsaţia cunoscută, iω 0 . Această armonică este
determinată prin doi parametri: amplitudinea şi faza iniţială. Valoarea i=1
corespunde componentei fundamentale, numită simplu fundamentală.
Spectrul SFA include spectrul de amplitudini şi spectrul fazelor iniţiale,
ca în figura (2.7).
A1
A2 A3
A0 A4 A5
… ω
0 ω0 2ω 0 3ω 0 4ω 0 5ω 0
ϕ2 ϕ5
ω0 3ω 0 4ω 0 ω
0 2ω 0 5ω 0
ϕ4
ϕ1 ϕ3
13
Semnale, circuite şi sisteme. Partea I: Semnale
1 ∞ jiω t
(2.25) u (t ) = ∑ Ai e 0
2 i =−∞
Relaţia (2.25) reprezintă expresia modelului semnalului în seria Fourier
complexă (SFC). În această expresie, factorii e jiω0t nu introduc nici o
informaţie. Întreaga informaţie despre model este inclusă în parametrii Ai .
Pentru calculul parametrilor complecşi Ai se ţine cont de relaţiile
Si
Ai = Ci 2 + Si 2 şi ϕi = −arctg , din care rezultă că:
Ci
Ai = Ci − jSi
Vom utiliza această relaţie, împreună cu expresiile (2.17) şi (2.18) care
definesc parametrii SFT:
2
Ai = [ ∫ u (t ) cos(iω0t )dt − j ∫ u (t )sin(iω0t )dt ] =
T T T
2
= ∫ u (t )[cos(iω0t ) − j sin(iω0t )]dt
TT
sau:
2 − jiω t
(2.26) Ai = ∫ u (t )e 0 dt
TT
SFC este complet definită de relaţiile (2.25) şi (2.26). Examinând acest
model se constată prezenţa în prima relaţie a factorului ½, iar în a doua relaţie
a factorului 2. Este evident faptul că modelul poate fi pus sub o formă mai
simplă, utilizată uzual în aplicaţii:
14
2. Modelarea semnalelor periodice
∞
(2.27) u (t ) = ∑ Ai ⋅e jiω0t
i =−∞
1 − jiω t
(2.28) Ai = ∫ u (t ) ⋅ e 0 dt
TT
Reprezentarea spectrală a semnalului în SFC este ilustrată în fig. 2.8. Aici
s-a considerat că semnalul are în SFA spectrul din figura 2.7. Spectrul de
amplitudini din SFC are simetrie pară. Trecerea de la spectrul de amplitudini
din SFA la cel din SFC se face divizând la 2 amplitudinile Ai şi atribuind
amplitudinile înjumătăţite inclusiv frecvenţelor discrete negative, −iω0 .
Spectrul fazelor iniţiale în SFC are simetrie impară, iar pentru frecvenţe
pozitive el este identic cu cel din SFA. Deci legătura dintre SFC şi SFA este
dată de relaţiile:
1
(2.29) A± i = ⋅ Ai ; ϕ± i = ±ϕi
2
1
A −1 = A1 A1 = A1 1
A−3 = A3 2 A3 = A3
2
A − 2 = A2 A 0 = A0 1 1
A − 4 = A4 A2 = A2 A4 = A4
2 2 ω
−5ω 0 −4ω 0 −3ω 0 −2ω 0 −ω 0 0 ω0 2ω 0 3ω 0 4ω 0 5ω 0 …
−ϕ 1
−3ϕ1
ϕ2 ϕ5
−4ϕ1
−5ω 0 −2ω 0 ω0 3ω 0 4ω 0 ω
−4ω 0 −3ω 0 −ω 0 0 2ω 0 5ω 0 …
−5ϕ1
ϕ4
−2ϕ1
ϕ1 ϕ3
Observaţii:
1. Pentru simplificarea exprimării, s-a utilizat noţiunea de „spectru” şi în
cadrul SFC, chiar dacă aici reprezentarea spectrală include mărimi fără
corespondent fizic (frecvenţe negative).
2. La calculul parametrilor SFT cu relaţiile (2.17) şi (2.18) se ţine cont de
următoarele reguli de calcul:
• dacă u(t) este funcţie pară, adică u (−t ) = u (t ) , rezultă:
2 T /2 4 T /2
(2.30) Si = 0; C0 = ∫ u (t )dt ; Ci = ∫ u (t ) cos(iω0t )dt , i = 1, 2,...
T 0 T 0
15
Semnale, circuite şi sisteme. Partea I: Semnale
4 T /2
(2.31) Ci = 0; Si = ∫ u (t )sin(iω0t )dt , i = 1, 2,...
T 0
3. Fie u(t) semnalul modelat prin SFC, conform relaţiilor (2.27) şi (2.28).
Presupunem că semnalul este întârziat cu timpul τ. Pentru obţinerea modelului
semnalului întârziat, u(t-τ), se înlocuieşte t cu t-τ în SFC, rezultând:
∞ ∞ ∞
u (t − τ ) = ∑ Ai e jiω0 (t −τ ) = ∑ Ai e− jiω0τ ⋅ e jiω0t = ∑ Ai e jiω0t ,
i =−∞ i =−∞ i =−∞
−
T T
2 −1
Fig. 2.9 Semnal de tip „sinus pătrat”
4 T /2 4 cos(iω0t ) 4 1 − cos(iω0T / 2)
Si = ∫ u (t )sin(iω0t )dt = ⋅ − = ⋅
T 0 T iω0 T iω0
0
Înlocuind ω0 = 2π T se obţine:
4
, i impar
Si = π i
0, i par
C0 C1 C2 C3 C4 C5 C6 …
ω
4 4
S1 S3
4 3π 5π
S5
π S2 S4 S6 …
ω
ω0 3ω0 5ω0
Fig. 2.10 Spectrul SFT al semnalului din fig. 2.9
16
2. Modelarea semnalelor periodice
Dacă se exprimă funcţia sinus prin funcţia cosinus, expresia (2.33) devine:
4 ∞ 1
(2.34) u (t ) = ⋅∑ ⋅ cos [ (2k + 1)ω0t − π 2] ,
π k =0 2k + 1
reprezentând SFA. Există numai armonici de ordin impar, caracterizate de
relaţiile:
4 1
A2 k +1 = ⋅ ; ϕ 2k+1 = −π 2; k = 0,1,...
π 2k + 1
2 2 2 2
2 2
… 5π 3π π π 3π 5π …
ω
−5ω0 −4ω0 −3ω0 −2ω0 −ω0 0 ω0 2ω0 3ω0 4ω0 5ω0 6ω0
π
… 2 ω0 3ω0 5ω0 …
ω
−5ω0 −3ω0 −ω0 π
−
2
Fig. 2.12 Spectrul SFC al semnalului din fig. 2.9
17
Semnale, circuite şi sisteme. Partea I: Semnale
1.5 u (t ) i = 1,3
u (t )
1
0.5
t
T
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-0.5 i =1
-1
i = 1,3,5,7 i = 1,3,5
-1.5
Fig. 2.13 Semnalul u(t) şi diferite aproximări ale sale prin SFA
Observaţie:
Spectrul unor semnale se poate obţine din spectrul cunoscut al unui
semnal de referinţă, prin însumarea unei constante şi/sau modificarea scării
şi/sau operaţie de întârziere. De exemplu, considerând u(t) din fig. 2.9 ca
semnal de referinţă, semnalul periodic din fig. 2.14 se scrie:
u1 (t ) = 1.5 + 0.5 ⋅ u (t − t0 )
18
2. Modelarea semnalelor periodice
2 ∞ 1 π
u1 (t ) = 1.5 + ⋅∑ cos (2k + 1)ω0 ⋅ t − − (2k + 1)ω0 ⋅ t0 ,
π k = 0 2k + 1 2
deci:
2 1 π
A0 = 1.5 ; A2 k +1 = ⋅ ; ϕ 2 k +1 = − − (2k + 1)ω0 ⋅ t0
π 2k + 1 2
u1 ( t )
2 T
2
1
T t
0 t0
Fig. 2.14 Semnal derivat din semnalul u(t), dat în fig. 2.9
Aplicaţia 2.2:
Fie x(t) un tren de impulsuri de arie unitară, reprezentat în fig. 2.15. Să se
modeleze semnalul prin seria Fourier, ştiind că T=1 ms şi τ=0.2 ms.
x (t )
1τ
t
−T τ τ T
−
2 2
Fig. 2.15 Tren de impulsuri de arie unitară
τ τ
1 1 2 1 1 1 2
Ai = ∫ u ( t ) e− jiω0t dt = ∫ e− jiω0t dt = e− jiω0t =
TT T ττ Tτ − jiω0 τ
(2.35) − − ,
2 2
1 iτω
= sinc 0
T 2
unde sinc(⋅) este funcţia sinus cardinal. Rezultă parametrii Ai şi ϕi :
1 2 iτω
(2.36) A0 = A0 = ; Ai = 2 Ai = sinc 0 , i = 1,2,3…
T T 2
19
Semnale, circuite şi sisteme. Partea I: Semnale
iτω
0, pentru sinc 0 ≥ 0
2
(2.37) ϕi =
−π , pentru sinc iτω0 < 0
2
Graficul funcţiei sinc(x) este dat în fig. 2.16, a). Reprezentarea semnalului
cu ajutorul SFC este:
∞ 1 ∞ iω τ jiω t
(2.38) x ( t ) = ∑ Ai e jiω0t = ∑ sinc 0 ⋅ e 0
i =−∞ T i =−∞ 2
sinc(x )
1 Ai A0 = 1 T
1T
1 τω
A1 = sinc 0
a) b) T 2
−2 f * −f* f * =1 τ 2f*
-π π … …
-2π 2π x … − f0 f0 … f [Hz ]
0.2
2 f0
iτω0
Funcţia sinus cardinal se anulează pentru = ± kπ sau, altfel,
2
i 1 1
2π f 0τ = ± kπ . Deci Ai = 0 pentru frecvenţa f ∗ = ± , f 0 = , şi pentru
2 τ T
* *
±2 f , ±3 f ,... . Spectrul SFC este reprezentat în fig. 2.16, b). Se observă că
A5 = A10 = = 0 .
Pornind de la relaţia (2.29) se poate construi spectrul de amplitudini (fig.
2.17, a)) şi de faze (fig. 2.17, b)), care caracterizează seria Fourier armonică.
2 ωτ 2 2ω τ
sinc 0 sinc 0
T 2 T 2
2 3ω τ
1 sinc 0
T 2
T
a)
f
0 f0 2 f0 … 5 f0
6 f0 … f
b)
0 f0 2 f0 … 5 f0
−π
20
2. Modelarea semnalelor periodice
Aplicaţia 2.3:
Fiind dat un tren de impulsuri cu arie unitară, având perioada T = 2s şi
durata τ = 0.2s , să se realizeze programul care efectuează următoarele
operaţii:
• calculul componentelor spectrale aferente SFC;
• reprezentarea în acelaşi grafic a semnalului dat (pe o perioadă a
acestuia), cât şi a semnalelor calculate pe baza unui număr finit de armonici
din spectrul determinat. Se vor considera 9, 19, şi 29 armonici în spectru.
0.5 0
0.45
-0.5
0.4
0.35 -1
0.3 -1.5
0.25
0.2 -2
0.15 -2.5
0.1
0.05 -3
0
0 5 10 15 20 25 30 35 40 45 50 0 5 10 15 20 25 30 35 40 45 50
21
Semnale, circuite şi sisteme. Partea I: Semnale
dt=0.001;t=[-T/2+dt:dt:T/2];
figure(3);
h=plot(t,x,'k');set(h,'LineWidth',2);
axis([-1 1 -1.5 7]);hold on;
%calculul semnalelor deduse pe baza spectrului determinat
%se utilizează 9, 19 şi 29 armonici în spectru; se reprezintă aceste
%semnale pe un grafic comun cu cel al trenului de impulsuri
for j=9:10:29,
xy=A(1)*ones(1,2000);
for i=1:j,
xy=xy+2*A(1,i+1)*cos(i*w0*t+phi(1,i+1));
end;
plot(t,xy,'k');axis([-1 1 -1.5 7]);end;grid;
7
6
x (t )
5
0
t
-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Fig. 2.19 Semnalul x(t) şi aproximarea acestuia printr-un număr finit de armonici
6 9 19 29
5
x(t )
4
0
t
-0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2
Fig. 2.20 Detalierea zonei centrale din fig. 2.19
22
2. Modelarea semnalelor periodice
2 θ
3 θ
4 θ
5 θ
6 θ
7 1 θ
−1 2 −1 12
23
Semnale, circuite şi sisteme. Partea I: Semnale
în care:
1 1
a0 = T ∫ u (t )wal(0, t )dt = T ∫ u (t )dt
(2.42)
ai = 1 ∫ u (t )wal(i, t )dt , i = 1, 2,...
TT
a1 a4
a0 a3 a6
…
2 5 a7 i
a)
0 1 3 4 6 7
a2 a5
c0 = a0 c2 = a4 c3 = a6
1 … k
0 2 3
b) c1 = a2
s0 = a1 s1 = a3 s3 = a7
2 … k
0 1 3
s2 = a5
Fig. 2.22 Spectre în analiza Fourier-Walsh, conform modelelor (2.41) a) şi (2.43) b)
24
2. Modelarea semnalelor periodice
în care:
1
(2.44) ck = a2 k = ∫ u (t )cal(k , t )dt , k = 0,1, 2,...
TT
1
(2.45) sk = a2 k +1 = ∫ u (t )sal( k , t )dt , k = 0,1, 2,...
TT
Spectrul semnalului modelat prin relaţiile (2.41) şi (2.43) este reprezentat
în fig. 2.22, a), respectiv 2.22, b).
Generarea funcţiilor Walsh se face, de regulă, prin relaţii iterative. Vom
ilustra două astfel de proceduri.
Procedura 1. Se iniţializează wal(0,θ), cu valoare unitară pentru θ ≤ 1 2
şi zero în rest. În continuare, wal(i+1,θ), se calculează pe baza funcţiei
anterioare, wal(i,θ), i=0,1,2, ..., utilizând ecuaţia:
j
+l 1
wal(2 j + l ,θ ) = (−1) 2 ⋅ wal j , 2 θ + +
(2.46) 4
1
+ (−1) j +l ⋅ wal j , 2 θ −
4
Exemplul 2.1:
Calculul funcţiei wal(1,θ) pe baza funcţiei wal(0,θ). În cazul funcţiei
wal(1,θ), indicii j şi l sunt: j = 0 şi l = 1 . Aplicând relaţia (2.46), rezultă:
25
Semnale, circuite şi sisteme. Partea I: Semnale
1 1
(2.47) wal(1,θ ) = (−1) ⋅ wal 0, 2θ + + (−1) ⋅ wal 0, 2θ −
2 2
1 1
(2.48) wal(5,θ ) = (−1) 2 ⋅ wal 2, 2θ + + (−1)3 ⋅ wal 2, 2θ −
2 2
wal(2,2θ )
θ
wal ( 2,2θ + 1 2 )
θ
wal ( 2,2θ − 1 2 )
θ
wal(5,θ )
θ
26
2. Modelarea semnalelor periodice
Exemplul 2.2:
Deducerea funcţiei wal(1,r) din wal(0,r) se face cu relaţia (2.49), în care
se pune j = 0 şi l = 1 . Considerând N=4, rezultă:
wal(1, r ) = (−1) ⋅ [ wal(0, 2r ) + (−1) ⋅ wal(0, −4 + 2r ) ]
Construcţia funcţiei este utilizată în fig. 2.25.
wal(0,r )
0 1 2 3 r
wal(0,2r )
r
wal ( 0, - 4+2r )
r
wal(1,r )
1
r
−1
Aplicaţia 2.4:
Să se efectueze analiza Fourier-Walsh a semnalului x(t ) = sin(ω0t ) ,
2π
ω0 = , considerând numai primele 6 funcţii Walsh.
T
x(θ )
θ
1 1
−
2 2
Fig. 2.26 Semnal sinusoidal
27
Semnale, circuite şi sisteme. Partea I: Semnale
12
a3 = ∫ x(θ ) ⋅ wal(3,θ )dθ = 0
−1 2
18 38
a5 = 4 ⋅ ∫ sin(2πθ )dθ − 2 ⋅ ∫ sin(2πθ )dθ
0 18
x(θ ) x(θ )
θ
1 1
−
2 2
Fig. 2.27 Aproximarea lui x(θ ) prin x(θ ) în analiza Fourier - Walsh
rad(3,θ )
θ
28
2. Modelarea semnalelor periodice
(
(2.50) rad(i,θ ) = sign sin 2i πθ ,
)
unde θ ∈ [ −1 2,1 2] este timpul normat.
Primele 3 funcţii Rademacher sunt ilustrate în fig. 2.28. Din relaţia de
definiţie (2.50), se constată că toate funcţiile sunt impare, deci ele nu formează
un sistem complet de funcţii ortogonale. În consecinţă, ele pot fi utilizate
numai pentru modelarea semnalelor cu simetrie impară.
(
sign cos 2k πθ ;
) k = 0,1, 2,...; i = 2k
(2.51) had(i,θ ) =
( )
(−1)k +1 ⋅ sign sin 2k +1πθ ; k = 0,1, 2,...; i = 2k + 1
-1
had(2,θ )
θ
had(3,θ )
θ
had(4,θ )
θ
29
Semnale, circuite şi sisteme. Partea I: Semnale
har(3,θ )
2 θ
− 2
har(4,θ )
2
θ
har(5,θ )
2
θ
har(6,θ )
2
θ
har(7,θ )
2
θ
−2
Fig. 2.30 Funcţii Haar
30
2. Modelarea semnalelor periodice
k j −1 j − 0.5
2 pentru k
≤θ <
2 2k
j − 0.5 j
(2.53) har( k , j ,θ ) = − 2k pentru ≤θ <
2k 2k
0 în rest
Norma funcţiilor Haar, exprimate în raport cu timpul normat, este unitară.
Modelul Fourier – Haar al unui semnal u(t) este:
∞
(2.54) u (θ ) = ∑ ai ⋅ har(i,θ ) ,
i =0
1
unde ai = ∫ u (θ ) ⋅ har(i,θ )dθ .
0
Reprezentarea grafică a primelor 8 funcţii Haar este dată în fig. 2.30.
31
Semnale, circuite şi sisteme. Partea I: Semnale
Li +1 (t ) = (t − 2i − 1) ⋅ Li (t ) − i 2 ⋅ Li −1 (t )
2
Polinoamele Hermite, cu funcţia de ponderare ρ (t ) = e−t , t ∈ ( −∞; ∞ ) .
Ecuaţia utilizată pentru generarea acestor funcţii este:
H i +1 (t ) = 2t ⋅ H i (t ) − 2i ⋅ H i −1 (t )
Polinoamele Cebâşev, cu funcţia de ponderare
1
ρ (t ) = , t ∈ [ −1; +1] şi ecuaţia recursivă de generare:
1− t2
Ci +1 (t ) = 2t ⋅ Ci (t ) − Ci −1 (t )
Observaţie:
În principiu, în SFG, putem adopta orice sistem de funcţii, cu condiţia ca
acestea să fie liniar independente.
Dacă se adoptă sistemul { fi (t )}i =1,2,... de funcţii liniar independente, este
oportun ca el să se transforme într-un sistem de funcţii {ϕi (t )} ortogonale,
pentru ca determinarea parametrilor SFG să se facă uşor. Se ştie că, dacă este
îndeplinită condiţia ∫ ϕi (t ) ⋅ ϕ j (t )dt = δ ij , unde δ ij este simbolul lui
T
Kronecker, atunci sistemul este ortonormal.
Trecerea de la sistemul iniţial de funcţii { fi (t )} , liniar independente, dar
neortogonale, la sistemul de funcţii ortonormale {ϕi (t )} , se face prin
procedura generală Gramm-Schmidt de ortogonalizare.
O prezentare elementară a acestei proceduri este dată în cele ce urmează:
• Se consideră φ1(t) definită ca: ϕ1 (t ) = a1 ⋅ f1 (t ) , şi se impune condiţia
ca norma funcţiei ϕ1 (t ) să fie unitară:
adică:
ϕ2 (t ) = a2 ⋅ [ f1 (t ) + a3 ⋅ f 2 (t )]
Din condiţia ϕ1 ,ϕ2 = 0 rezultă a3, iar din ϕ2 ,ϕ2 = 1 se obţine a2.
• Funcţia ϕ3 (t ) se defineşte sub forma:
32
2. Modelarea semnalelor periodice
ϕ3 (t ) = a4 ⋅ [ f1 (t ) + a5 ⋅ f 2 (t ) + a6 ⋅ f3 (t )]
Condiţiile ϕ1 ,ϕ3 = 0 şi ϕ2 ,ϕ3 = 0 se folosesc pentru determinarea
parametrilor a5 şi a6, iar pentru determinarea lui a4 se foloseşte condiţia
ϕ3 , ϕ3 = 1 .
• Procedura se repetă până când sunt implicate toate funcţiile din
sistemul iniţial, { fi (t )} .
Dintre funcţiile iniţiale, { fi (t )}i =1,2,... , cel mai des apelate în modelarea
semnalelor, făcând obiectul operaţiei preliminare de ortogonalizare, sunt
funcţiile exponenţiale, fi (t ) = e−αit , cu valori impuse pentru α i .
33
Semnale, circuite şi sisteme. Partea I: Semnale
34
Capitolul 3
MODELAREA SEMNALELOR NEPERIODICE
3.1. Analiza spectrală a semnalelor utilizând transformata
Fourier
Se caută modelul unui semnal neperiodic oarecare, u ( t ) , de modul
integrabil (fig. 3.1, a)). Pentru aceasta se utilizează un alt semnal, periodic,
notat prin uT ( t ) , care într-o perioadă T posedă forma semnalului u ( t ) (vezi
fig. 3.2, b)).
u (t )
a)
t
uT ( t )
b) …
t
T T
1 ∞ jiω t
(3.1) uT (t ) = ∑ Ai e 0
2 i =−∞
şi, deoarece în perioada T avem u(t) = uT(t),
1 1
∫ uT ( t ) e 0 dt = ∫ u ( t ) e 0 dt
− jiω t − jiω t
(3.2) Ai =
TT TT
… …ω
-3ω 0 -2ω 0 -ω 0 0 ω 0 2ω 0 3ω 0
Fig. 3.2 Pulsaţiile discrete din SFC
∞ 1
Înlocuind (3.1) în (3.2), se obţine uT ( t ) = ∑ ∫ u ( t ) e − jiω0t dt ⋅ e jiω 0t ,
i =−∞ T T
sau:
1 ∞ − jiω t
(3.3) uT ( t ) = ∑ ∫ u ( t ) e 0 dt ⋅ e 0 ω0 ,
jiω t
2π i =−∞ T
35
Semnale, circuite şi sisteme. Partea I: Semnale
36
3. Modelarea semnalelor neperiodice
∞ ∞
U (ω ) = ∫ u ( t ) e − jω t dt = ∫ u ( t )( cosω t − jsinω t ) dt =A (ω ) − jB (ω ) ,
−∞ −∞
∞ ∞
unde A (ω ) = ∫ u ( t ) cosω tdt , iar B (ω ) = ∫ u ( t ) sinω tdt .
−∞ −∞
În concluzie, se obţine:
U (ω ) = U (ω ) ⋅ e
jϕ (ω )
(3.8) ,
U ( ω ) = A2 ( ω ) + B 2 ( ω )
cu: B (ω )
ϕ (ω ) = arg U (ω ) = −arctg
A (ω )
Funcţiile A (ω ) şi U (ω ) sunt pare, iar funcţiile B (ω ) şi ϕ (ω ) sunt
impare.
∫ u (t ) e dt ≅ U ( i∆ω )
− ji∆ω t
În consecinţă:
1 ∞
(3.9) u ( t ) ≈ uT ( t ) = ∑ U ( i∆ω ) ⋅ ∆ω ⋅ e ji∆ω t
2π −∞
2π
unde ∆ω ≡ ω 0 = . Conform cu (3.9) şi (3.10), rezultă:
T
1
(3.11) Ai = U ( i∆ω ) ⋅ ∆ω
2π
Fie o formă oarecare a funcţiei spectrale U (ω ) (fig. 3.4, a)). Dacă se
discretizează axa frecvenţelor ω cu un pas ∆ω , se observă că produsul
U ( i∆ω ) ⋅ ∆ω reprezintă aria ai , haşurată pe fig. 3.5, a), adică:
(3.12) ai = U ( i∆ω ) ⋅ ∆ω
37
Semnale, circuite şi sisteme. Partea I: Semnale
U (ω ) U (i∆ω )
ai
a) ∆ω ω
0
− i∆ω ∆ω i∆ω
1
A0 = a0
2π Ai =
1
A −i = Ai ai
2π
b) ω
0
−i∆ω ∆ω i∆ω
∆A1 = 2 A1 1
∆Ai = 2 Ai = ai
π
c) ∆A0 = A0 ω
0
∆ω i∆ω
Fig. 3.4 Procedeul de discretizare a unei funcţii spectrale
unde Ai sunt date de relaţia (3.13). Fiecărui interval discret [i∆ω ,(i + 1)∆ω ] îi
corespunde o armonică elementară având amplitudinea (fig. 3.4, c)):
1 1
∆Ai = 2 ⋅ Ai ⋅ ai = ⋅ U ( i∆ω ) ⋅ ∆ω
π π
Se obţine:
∆Ai
(3.14) U ( i∆ω ) = π
∆ω
Deci mărimea U ( i∆ω ) este proporţională cu densitatea de amplitudini a
∆Ai
armonicilor, . Dacă se trece la mărimi infinitezimale, atunci înlocuim
∆ω
38
3. Modelarea semnalelor neperiodice
∆Ai dA dA
i∆ω prin ω iar prin şi rezultă U (ω ) = π . Cele prezentate
∆ω dω dω
justifică utilizarea următoarelor denumiri: funcţie a densităţii spectrale, pentru
U (ω ) , şi densitate spectrală de amplitudini, pentru U (ω ) .
Fie u (t ) = ∆ (t ) impulsul real de arie unitară (fig. 3.5). Să se calculeze
funcţia spectrală a acestui semnal.
Funcţia spectrală este transformata Fourier a semnalului:
τ
∞ 2 1 ωτ
(3.15) U (ω ) = F {u ( t )} = ∫ u ( t ) e− jωt dt = ∫ e− jωt dt = sinc ,
−∞ ττ 2
−
2
u (t ) = ∆ (t )
1τ
2π 2π
−
t τ τ
τ τ 4π 4π ω
− −
τ τ
2 2
Fig. 3.5 Impuls de arie unitară Fig. 3.6 Funcţia spectrală a impulsului
39
Semnale, circuite şi sisteme. Partea I: Semnale
i∆ωτ
sinc
1 2
a) … i∆ωτ
a0 = ∆ω a i = ∆ωsinc
2
∆ω
ω
∆ω i∆ω
1 2π 1 1 1 2π
A0 = a0 =
b) 2π T
…
1 1 i∆ ω τ
Ai = ai = sinc
2π T 2
0 i∆ω ω
1 ∞
2
(3.19) W = ⋅ ∫ U (ω ) dω ,
π 0
2 dW
deci funcţia U (ω ) = π este proporţională cu densitatea energiei pe axa
dω
pulsaţiilor ω.
40
3. Modelarea semnalelor neperiodice
du ( t )
(3.21) F = jωU (ω )
dt
Teorema integrării în timp
Dacă semnalul u(t) are funcţia spectrală U(ω), atunci integrala lui în timp,
t
∫ u (τ )dτ , are funcţia spectrală:
−∞
t U (ω )
(3.22) F ∫ u (τ ) dτ =
−∞ jω
Proprietatea parităţii
Dacă semnalul este par, funcţia spectrală este reală.
Proprietatea simetriei
Fie U(ω) transformata Fourier a unui semnal u(t). Dacă se înlocuieşte ω
prin t se obţine funcţia U(t). Transformata Fourier a acestei funcţii este:
1 1 ∞
F {U ( t )} = F 2π ⋅ U ( t ) = 2π ⋅ ∫ U ( t ) e dt
− jω t
2π 2π −∞
Dacă în expresia (3.7) a transformatei Fourier inverse se substituie
variabila ω prin t, se obţine:
1 ∞
∫ U ( t ) e dt = u ( −ω )
− jω t
2π −∞
41
Semnale, circuite şi sisteme. Partea I: Semnale
Rezultă:
(3.23) F {U ( t )} = 2π u ( −ω )
Deci:
42
3. Modelarea semnalelor neperiodice
∞ ∞
{ }
F u (t ) ⋅ e jω0t = ∫ u (t ) ⋅ e jω0t ⋅ e− jω t dt = ∫ u (t ) ⋅ e− j (ω −ω0 )t dt = U (ω − ω 0 )
−∞ −∞
{ }
(3.27) F u (t ) ⋅ e jω0t = U (ω − ω 0 )
1
→ ⋅ {U (ω − ω0 ) + U (ω + ω0 )}
F
(3.28) umod (t ) = u (t ) ⋅ cos(ω0t )
2
În fig. 3.8, a) şi b) sunt reprezentate schematic modulele funcţiilor spectrale
ale semnalelor u (t ) şi umod ( t ) .
U (ω ) U mod (ω )
u (t ) u mod (t )
1 × 12
ω ω
… …
cosω 0 t − ω0 ω0
a)
b)
43
Semnale, circuite şi sisteme. Partea I: Semnale
∞
(3.30) ∫ x ( t ) δ ( t ) dt = x ( 0 )
−∞
∞ ∞
(3.31) ∫ x ( t ) ⋅ u (t )dt = ∫ x ( t ) dt
−∞ 0
du (t )
Între cele două distribuţii există relaţia δ ( t ) = . Într-adevăr,
dt
d u (t )
substituind în (3.30) pe δ (t ) prin se obţine:
dt
∞ du (t ) ∞ ∞
∫ x (t ) ⋅ dt = x ( t ) ⋅ u (t ) − ∫ x ' ( t ) ⋅ u (t )dt
−∞
−∞ dt −∞
(3.35) x ( t ) δ ( t − t0 ) = x ( t0 ) δ ( t − t0 )
44
3. Modelarea semnalelor neperiodice
1 ∞ 1 ∞
⋅ ∫ ∆ (ω ) e jω t dω = ⋅ ∫ 1 ⋅ e jω t dω = δ ( t )
2π −∞ 2π −∞
∆ ( ε ,t ) 1ε ∆ ( ε ,t ) 1 ( 2ε )
a) b)
t t
−ε ε
∆ ( ε ,t ) 1ε ∆ ( ε ,t ) 1 (πε )
c) d)
t t
Fig. 3.9 Funcţii ∆ ( ε , t ) care pot genera, prin trecere la limită, distribuţia δ ( t )
45
Semnale, circuite şi sisteme. Partea I: Semnale
1 −π t 2 ε 2
∆ (ε , t ) = ⋅e
ε
1
∆ (ε , t ) = ⋅ sinc ( t ε )
πε
F { e ω } = F { 1⋅ e ω } = 2πδ (ω − ω
j 0t j 0t
0 )
F {cos ω 0t}
π
ω
−ω 0 ω0
În consecinţă:
46
3. Modelarea semnalelor neperiodice
1
2
(
)
(3.40) F {cosω o t} = F e jω0t + e − jω 0t = π δ (ω − ω 0 ) + δ (ω + ω 0 )
π
1
( )
(3.41) F {sinω 0t} = F e jω0t − e − jω0t = δ (ω − ω 0 ) − δ (ω + ω 0 )
2j j
Observaţie:
Interpretarea relaţiilor de mai sus este următoarea: se consideră cosω 0t ca
fiind o armonică de frecvenţă ω0 ; densitatea de amplitudini la frecvenţa ω0
este evident infinită (fig. 3.10), pentru că amplitudinea armonicii corespunde
unei singure frecvenţe ω 0 (distribuţia de amplitudini este „concentrată” la o
singură frecvenţă: ω 0 ). Deci prezenţa impulsurilor la frecvenţele ω 0 şi ( −ω 0 )
în caracteristica spectrală F {cos ω 0t} este justificată. Trecerea de la
caracteristica spectrală a semnalului cosinusoidal la spectrul SFA al acestuia se
face împărţind la π aria impulsului πδ (ω − ω 0 ) (fig. 3.4, c)). Întrucât aria
acestui impuls este π, se obţine valoarea 1 pentru amplitudinea armonicii de
pulsaţie ω 0 . În mod similar se face trecerea de la caracteristica spectrală a
semnalului sin ω 0t la spectrul SFA. Aici intervine factorul 1/j, care semnifică
faza iniţială de –π/2 a armonicii de amplitudine unitară şi pulsaţie ω0
( 1 ⋅ cos (ω0t − π / 2 ) = sin ω0t ).
{ }
∞ ∞
F {u (t )} = ∑ Ai ⋅ F e jiω0t = 2π ⋅ ∑ Ai ⋅ δ (ω − iω0 )
i =−∞ i =−∞
2π A1 2π A1
A0
2π A3 2π A3
2π A2 2π A2
ω
−3ω0 −2ω0 −ω0 0 ω0 2ω0 3ω0
Fig. 3.11 Caracteristica spectrală (densitatea spectrală de amplitudine)
a unui semnal periodic
47
Semnale, circuite şi sisteme. Partea I: Semnale
48
3. Modelarea semnalelor neperiodice
1 1 −ε − jω + ε − jω 2 jω
=− + = =−
ε − jω ε + jω 2
ε +ω 2
ε + ω2
2
{ }
(3.45) F lim f (t , ε ) = F {sign(t )} =
ε →0
2
jω
Calculând prin distribuţia δ transformata Fourier a semnalului (3.42),
rezultă:
1 1 1 1
F {u (t )} = F + F ⋅ sign(t ) = F + ⋅ F {sign(t )}
2 2 2 2
În continuare se ţine cont de relaţiile (3.39) şi (3.45), rezultând
caracteristica spectrală a treptei unitare:
1 1 2 1
(3.46) F {u (t )} = 2π ⋅ ⋅ δ (ω ) + ⋅ = π ⋅ δ (ω ) +
2 2 jω jω
δT ( t )
1
… t
−3T −2T −T 0 T 2T 3T
Fig. 3.14 Distribuţia delta periodică
unde:
49
Semnale, circuite şi sisteme. Partea I: Semnale
(3.49) ω 0 = 2π T
1 1 ∞ 1
(3.50) Ai = ⋅ ∫ δ T ( t ) e − jiω0t dt = ⋅ ∫ δ ( t ) e− jiω0t dt =
T T T −∞ T
Deci:
1 ∞ jiω0t
(3.51) δ T ( t ) = ∑ e
T i =−∞
Calculând transformata Fourier, se obţine:
2π ∞
F {δ T ( t )} =
1 ∞
{
jiω t
∑ F e 0 =
T i =−∞
}∑ δ (ω − iω0 )
T i =−∞
(3.52)
∞
= ω 0 ∑ δ (ω − iω 0 )
i =−∞
Se notează:
∞
(3.53) δ ω0 (ω ) = ∑ δ (ω − iω 0 )
i =−∞
Concluzie:
Caracteristica spectrală a distribuţiei delta periodice δT(t) (vezi
fig. 3.15, a)) este o distribuţie delta periodică, δ ω0 (ω ) , definită în domeniul
frecvenţial (fig. 3.15, b)).
δ T (t ) ω 0 δ ω0 (t )
1
F
… … … …
t ω
−3T −2T −T 0 T 2T 3T −3ω 0 −2ω 0 −ω 0 0 ω 0 2ω 0 3ω 0
a) b)
Fig. 3.15 Distribuţia delta periodică a) şi caracteristica ei spectrală b)
50
3. Modelarea semnalelor neperiodice
X (ω ) a semnalului.
x(t )
x(t )
x(t )
a) x1 x2 x3 x4 x5 6∆t 7∆t 8∆t
t
0 ∆t 2∆t 3∆t 4∆t 5∆t
(1) x(t ) x6 x7
x (t )
a1 a7
b) a2
a0 4∆t 5 ∆t 6∆t
t
0 ∆t 2 ∆t 3∆t
a3 a6 7∆t 8 ∆t
a5
(2) a4
x (t )
c) a2 − a1 − a7
a0 a6 − a5
∆t 2∆t 3∆t 4∆t 8 ∆t
t
0 5∆t 6∆t 7∆t
a1 − a0 a3 − a2 a5 − a4 a7 − a6
a4 − a3
Fig. 3.16 Prelucrarea semnalului x(t ) pentru determinarea caracteristicii spectrale
51
Semnale, circuite şi sisteme. Partea I: Semnale
unde a−1 = 0 şi aN = 0 .
Transformata Fourier a derivatei a doua, x(2) (t ) , este:
{
F x
(2)
} N
(t ) = ∑ (ai − ai −1 )e jiω∆t
i =0
(2)
Întrucât x(t ) se obţine printr-o dublă integrare din x (t ) , rezultă (din
teorema integrării în timp):
{ }
2
1 (2) 1 N jiω∆t
(3.55) X (ω ) = ⋅ F x (t ) = − 2 ∑ (ai − ai −1 )e
jω ω i =0
Aplicaţia 3.1:
Fie semnalul x(t) de formă triunghiulară, reprezentat în fig. 3.17, a). Se
cere transformata Fourier a semnalului x(t).
Conform procedurii de mai sus, se derivează semnalul de două ori. Prima
(1) (2)
derivată, x (t ) , este reprezentată în fig. 3.17, b), iar derivata a doua, x (t ) ,
(2)
în fig. 3.17, c). Transformata Fourier a semnalului x (t ) este:
{
F x
(2)
}
1 2 1
(t ) = F δ ( t + T ) − δ ( t ) + δ ( t − T )
T T T
sau, aplicând teorema întârzierii/anticipării,
ωT ωT 2
1 j 2
{ } ( )
1 −j
(2) jωT − jωT
F x (t ) = ⋅ e −2+e = ⋅e −e 2
T T
T x (t )
a)
−T T
x (1) ( t )
b) 1
−T T
−1
1 x (2) ( t )
c)
−T 0 T
−2
Fig. 3.17 Prelucrarea prin derivare a unui semnal, în vederea
determinării caracteristicii spectrale
52
3. Modelarea semnalelor neperiodice
jωτ jωτ
−
e jωτ − e − jωτ e 2 − e 2 ωτ
= 2 j + = 2 j sin(ωτ ) + sin
2j 2j 2
2 x(t )
a) 1
t
−τ τ τ τ
−
2 i 2
b) x(t )
1
t
0
-1
Fig. 3.18 Semnalul x(t) şi derivata lui
Întrucât x(t) se obţine prin integrarea lui x (1) (t ) , din relaţia (3.21) rezultă:
ωτ
X (ω ) =
1
jω
{ }
2
⋅F x (1) (t ) = ⋅ sin(ωτ ) + sin
ω ,
2
relaţie care se rescrie succesiv:
53
Semnale, circuite şi sisteme. Partea I: Semnale
2 ωτ τ 2sin(ωτ ) 1
X (ω ) = ⋅ sin(ωτ ) + sin ⋅ =τ ⋅ + sin (ωτ 2 )
ω 2 τ ωτ ωτ 2
În concluzie, funcţia spectrală a semnalului x(t) este:
ωτ
X (ω ) = τ ⋅ 2sinc(ωτ ) + sinc
2
b) Metoda 2
Se descompune semnalul dat într-o sumă de 2 impulsuri reale, de arii 2τ,
respectiv τ, ca în fig. 3.19.
x1 (t ) x2 (t )
x (t ) = 1
t
+ 1
t
−τ τ τ τ
−
2 2
54
3. Modelarea semnalelor neperiodice
x1 ( t ) ⊗ x2 ( t ) = x1( ) ( t ) ⊗ x2( ) ( t ) ,
1 −1
(3.62)
unde:
dx ( t ) t
x1( ) ( t ) = 1 ; x2( ) ( t ) = ∫ x2 (τ )dτ
1 −1
dt −∞
Pentru a demonstra relaţia (3.62), se consideră:
{ } {
F x1( ) ( t ) = jω X 1 (ω ) , F x2( ) ( t ) =
1 −1 1
jω
}
X 2 (ω ) . Şi cum:
{ 1 −1
}
F x1( ) ( t ) ⊗ x2( ) ( t ) = jω X1 (ω )
1
jω
X 2 (ω ) = X1 (ω ) ⋅ X 2 (ω ) , iar:
F { x1 ( t ) ⊗ x2 ( t )} = X 1 (ω ) ⋅ X 2 (ω ) , atunci:
{ }
F x1( ) ( t ) ⊗ x2( ) ( t ) = F { x1 ( t ) ⊗ x2 ( t )} ,
1 −1
55
Semnale, circuite şi sisteme. Partea I: Semnale
x ( t ) ⊗ δ ( t ) = x( ) ( t ) ⊗ δ ( ) ( t )
1 −1
(3.63) x ( t ) = x (1) ( t ) ⊗ u ( t )
6. Convoluţia unui semnal x(t) cu treapta unitară u(t) se poate scrie sub forma
x ( t ) ⊗ u ( t ) = x( ) ( t ) ⊗ u ( ) ( t ) = x( ) ( t ) ⊗ δ ( t ) , întrucât derivata treptei
−1 1 −1
t
x ( t ) ⊗ u ( t ) = x( ) ( t ) = ∫ x (τ ) dτ
−1
(3.64)
−∞
Aplicaţia 3.3:
Fie x(t) un semnal, reprezentat grafic în fig. 3.20. Se va ilustra în cele ce
urmează construcţia convoluţiei semnalului x(t) cu treapta unitară, u(t), în
conformitate cu relaţia:
∞
(3.65) x ( t ) ⊗ u ( t ) = ∫ x ( t − τ ) ⋅ u (τ ) dτ
−∞
u (t )
1
t
x (t )
56
3. Modelarea semnalelor neperiodice
u (t )
a) 1 t
0
x ( −τ ) t =0
b)
t
x ( t1 − τ ) t1 ≠ 0
c)
t1 t
x(t ) ⊗ u ( t )
d)
t1 t
F −1 { X1 (ω ) ⊗ X 2 (ω )} = 2π ⋅ x1 (t ) ⋅ x2 (t )
Aplicaţia 3.4:
Să se calculeze x(t ) = u (t ) ⊗ u (t ) , unde u(t) este reprezentat în fig. 3.22.
Convoluţia u (t ) ⊗ u (t ) este dată de relaţia:
t
x(t ) = ∫ u (τ ) ⋅ u (t − τ )dτ
0
57
Semnale, circuite şi sisteme. Partea I: Semnale
u (t )
1
t
0 t0
Fig. 3.22 Semnalul u(t) (aplicaţia 3.5)
58
3. Modelarea semnalelor neperiodice
Observaţie:
Pentru un semnal necauzal se defineşte transformata Laplace bilaterală:
∞
(3.69) LB { x(t )} = X B ( s ) = ∫ x(t )e − st dt ,
−∞
este clar că, în cazul transformatei Fourier, este necesar ca lim x(t ) = 0 , pe
t →0
când în transformata Laplace, limita respectivă poate fi nenulă, semnalul
putând evolua sub o exponenţială de exponent c ⋅ t (vezi relaţia (3.70)).
59
Semnale, circuite şi sisteme. Partea I: Semnale
Im s
„s”
Re s
c
R→∞
Fig. 3.24 Conturul Bromwich
în care c se alege astfel încât c > σ a . Conturul de integrare din planul complex
„s” (conturul Bromwich) este prezentat în fig. 3.24.
60
3. Modelarea semnalelor neperiodice
{ }
(3.78) L e ± at ⋅ x(t ) = X ( s ∓ a)
1 1 t n 1
L {δ (t )} = 1 , L {u (t )} = , L {r (t )} = 2 , L ⋅ u (t ) = n +1
s s n! s
• transformata Laplace a funcţiei exponenţiale:
{ }
L e ± at =
1
s∓a
• transformatele Laplace ale funcţiilor trigonometrice:
ω0 s
L {sin(ω 0t )} = L {cos(ω 0t )} = .
s + ω02
2
s + ω02
2
61
Semnale, circuite şi sisteme. Partea I: Semnale
ω0
{
L e − at ⋅ sin(ω 0t ) =} ( s + a) + ω02 2 {
, L e − at ⋅ cos(ω 0t ) = } s+a
( s + a)2 + ω02
Aplicaţia 3.5:
Fie semnalul x(t) din fig. 3.25. Să i se calculeze transformata Laplace şi
transformata Fourier.
Se porneşte de la observaţia că x(t) poate fi exprimat ca suma dintre o
treaptă unitară pozitivă şi o treaptă unitară negativă întârziată cu T unităţi de
timp (fig. 3.25). Rezultă:
1 1 − sT 1 − e − sT
L { x(t )} = X ( s ) = − ⋅e =
s s s
Se observă că semnalul este cauzal şi de valoare finită a integralei
modulului. În consecinţă, din transformata Laplace, cu substituţia s=jω, se
obţine transformata Fourier a lui x(t):
T T T
− jω jω − jω T
− jωT
1− e e 2 ⋅ (e −e 2 2 ) − jω ωT
X (ω ) = =T ⋅ =T ⋅e 2 ⋅ sin c
jω ωT 2
2j⋅
2
x (t )
1
t
T
u (t )
1
t
T
u (t − τ )
t
T
−1
Fig. 3.25 Descompunerea unui impuls ca sumă a două semnale treaptă
Aplicaţia 3.6:
Fie un semnal cauzal sub forma unui tren de impulsuri de lăţime τ şi
perioadă T (fig. 3.26). Să se determine transformata Laplace a semnalului.
Pe baza rezultatului din aplicaţia anterioară, transformata Laplace a
1
( )
primului impuls este 1 − e −τ s . Impulsul de la momentul iT (i>0) se obţine
s
prin întârzierea primului impuls cu iT şi va avea transformata Laplace
1
s
( )
1 − e −τ s ⋅ e−iTs (teorema întârzierii). Prin urmare:
62
3. Modelarea semnalelor neperiodice
1 − e −τ s 1 − e−τ s
(3.85) X ( s) = (1 + e −Ts + e−2Ts + ... = )
s s 1 − e −Ts( )
Acest semnal nu are valoare finită a integralei modulului, deci nu este
îndeplinită condiţia de existenţă a transformatei Fourier. În consecinţă, nu este
corectă aplicarea substituţiei s → jω pentru a determina funcţia spectrală a
semnalului.
x (t )
…
t
0 τ T τ +T 2T τ + 2T …
Fig. 3.26 Tren de impulsuri
1 ∞ xˆ (τ )
H { xˆ (t )} = ⋅ v. p. ∫ dτ ,
π −∞ t − τ
63
Semnale, circuite şi sisteme. Partea I: Semnale
1
(3.93) F = −π j ⋅ sign(ω )
t
Înlocuind această expresie în (3.92), se obţine caracteristica spectrală a
transformatei Hilbert x ( t ) :
(3.94) Xˆ (ω ) = − j ⋅ X (ω ) ⋅ sign(ω )
Din relaţia (3.89), de definiţie a semnalului analitic, se deduce că:
64
3. Modelarea semnalelor neperiodice
(3.95) Z (ω ) = X (ω ) + j ⋅ Xˆ (ω ) ,
2 ⋅ X (ω ), ω > 0
(3.96) Z (ω ) = X (ω ), ω = 0
0, ω <0
În concluzie, semnalul analitic are o caracteristica spectrală întotdeauna
nulă pentru frecvenţe negative. Deci, dacă într-o caracteristică spectrală a unui
semnal se ia în considerare numai domeniul frecvenţelor pozitive (care există
în natură), atunci caracteristicii spectrale respective îi va corespunde un semnal
analitic.
π
(3.98) F {sin(ω 0t )} = ⋅ [δ (ω - ω 0 ) - δ (ω + ω 0 ) ]
j
j X cos (ω )
π
b) −ω0 ω
ω0
−π
65
Semnale, circuite şi sisteme. Partea I: Semnale
π
(3.101) X cos (ω ) = ⋅ [δ (ω − ω 0 ) − δ (ω + ω 0 )] = X sin (ω )
j
66
3. Modelarea semnalelor neperiodice
67
Semnale, circuite şi sisteme. Partea I: Semnale
1 1 π
s
X MA (ω ) = X (ω ) ⊗ F {sin(ω 0t )} = X (ω ) ⊗ [δ (ω - ω 0 ) - δ (ω + ω 0 ) ]
2π 2π j
Convoluţia unei funcţii cu o distribuţie δ este egală cu funcţia respectivă
având argumentul distribuţiei δ (vezi (3.61)); astfel, relaţiile anterioare devin:
1
c
(3.112) X MA ( jω ) = { X (ω - ω0 ) + X (ω + ω0 )}
2
1
s
(3.113) X MA (ω ) = { X (ω - ω0 ) − X (ω + ω0 )}
2j
Înlocuind (3.112) în (3.109), avem:
1
c
X MA (ω ) = − j ⋅ { X (ω - ω0 ) + X (ω + ω0 )} ⋅ sign(ω )
2
(3.114) ,
1
= ⋅ { X (ω - ω0 ) − X (ω + ω0 )}
2j
întrucât: X (ω - ω 0 ) ⋅ sign(ω ) = X (ω − ω 0 ) şi
X (ω + ω 0 ) ⋅ sign(ω ) = − X (ω + ω 0 ) .
Din relaţiile (3.114) şi (3.113) rezultă că:
c s
(3.115) X MA (ω ) = X MA (ω )
c s
şi, în consecinţă, x MA (t ) = xMA (t ) , sau, într-o exprimare explicită:
68
3. Modelarea semnalelor neperiodice
1 1
X (ω ) = ⋅ X (ω ) ⊗ πδ (ω ) +
2π jω
(3.119)
1 1 1
= ⋅ X (ω ) ⊗ δ (ω ) + ⋅ X ( jω ) ⊗
2 2π jω
Pe baza faptului că produsul de convoluţie al unei funcţii cu distribuţia δ este
egal cu funcţia respectivă şi făcând simplificările posibile, expresia (3.119)
devine:
1 1 1 ∞ X (ω )
X (ω ) = ⋅ X (ω ) ⊗ = ⋅ ∫ du
π jω π −∞ j (ω − u )
Înlocuind:
(3.120) X (ω ) = A(ω ) + j ⋅ B(ω ) ,
rezultă:
1 ∞
A(u ) + j ⋅ B (u )
A(ω ) + j ⋅ B(ω ) = ⋅ ∫ du
π −∞ j (ω − u )
şi în final:
1 ∞ B (ω )
(3.121) A(ω ) = ⋅ v. p. ∫ du
π -∞ ω − u
1 ∞ A(ω )
(3.122) B (ω ) = − ⋅ v. p. ∫ du
π -∞ ω − u
Concluzia care se desprinde este că, la un semnal cauzal, partea reală
A(ω ) a caracteristicii spectrale este transformata Hilbert a părţii imaginare
B (ω ) , deci funcţiile A(ω ) şi B (ω ) formează o pereche Hilbert.
69
Semnale, circuite şi sisteme. Partea I: Semnale
70
Capitolul 4
SEMNALE MODULATE
x p (t ) A τ τ
… …
t
0 t0
T T
Fig. 4.1 Semnal purtător sub forma unui tren de impulsuri
71
Semnale, circuite şi sisteme. Partea I: Semnale
x p (t )
Ap
t
0
A
în care m = se numeşte grad de modulaţie. Formele semnalelor x(t ) ,
Ap
x p (t ) şi xMA (t ) sunt ilustrate în fig. 4.2. Utilizând notaţiile din această figură,
72
1. Semnale modulate
A
0 ω
spectru x(t )
ω0 Ap
ω
spectru x p (t ) //
ωp
Ap
mAp 2 mAp 2
ω
spectru xMA (t ) //
ω p − ω0 ω p ω p + ω0
Fig. 4.3 Spectrul semnalelor x(t ) , x p (t ) şi xMA (t )
Semnalul util este conţinut în cele două componente laterale (în exces,
pentru că ar fi suficientă o singură componentă laterală). Deci modulaţia nu
este economică, în sensul că ocupă o bandă de frecvenţă dublă faţă de cea
necesară. Purtătoarea este mult mai mare decât componentele laterale,
rezultând unele dezavantaje, precum saturaţia amplificatoarelor şi performanţe
energetice slabe ale modulaţiei.
Definim randamentul modulaţiei ca fiind raportul dintre puterea
dezvoltată de componentele laterale (utile) din spectru, Pu , şi puterea
semnalului modulat, PMA :
73
Semnale, circuite şi sisteme. Partea I: Semnale
Pu
(4.5) η=
PMA
ωp
Ap ω p t
O
Fig. 4.4 Reprezentarea fazorială a semnalului modulat
74
1. Semnale modulate
Ai
unde mi = este gradul de modulaţie aferent armonicii i. Se observă că
Ap
fiecare armonică realizează modulaţia purtătorului cu un grad de modulaţie mi
proporţional cu amplitudinea Ai a armonicii (mi~Ai). Deci gradele de modulaţie
sunt mai mari sau mai mici, după cum amplitudinile armonicilor sunt mai mari
sau mai mici.
Relaţia (4.7) se pune sub forma:
∞ mi Ap
(4.8)
xMA (t ) = Ap cos(ω p t ) + ∑
i =0 2
{
⋅ cos[(ω p − iω 0 )t + ϕi ] +
}
+ cos[(ω p + iω 0 )t + ϕi ]
... ... ω
xMA (t ) //
ωp
... ω p − 2ω0 ω p − ω0 ω p + ω0 ω p + 2ω0 ...
xM
unde m = .
Ap
75
Semnale, circuite şi sisteme. Partea I: Semnale
{
X MA (ω ) = F { xMA (t )} = F Ap cos(ω p t ) + Ap m ⋅ x(t ) cos(ω p t ) = }
(4.10)
{ } {
= Ap ⋅ F cos(ω p t ) + Ap m ⋅ F x(t ) cos(ω p t ) }
Din relaţia (3.66) rezultă că:
1
{
(4.11) F x(t )cos(ω p t ) = } 2π
{
⋅ X (ω ) ⊗ F cos(ω p t ) }
{ }
Înlocuind F cos(ω p t ) = π δ (ω − ω p ) + δ (ω + ω p ) în relaţiile de mai
sus, rezultă:
X MA (ω ) = π Ap ⋅ δ (ω − ω p ) + δ (ω + ω p ) +
(4.12) + mAp ⋅
1
2π
{
X (ω ) ⊗ π δ (ω − ω p ) + δ (ω + ω p ) }
Convoluţia unei funcţii cu distribuţia δ este funcţia având argumentul
distribuţiei δ . Deci:
X (ω ) ⊗ δ (ω − ω p ) = X (ω − ω p )
(4.13)
X (ω ) ⊗ δ (ω + ω p ) = X (ω + ω p )
X MA (ω )
X (ω ) π Apδ (ω + ω p ) π Apδ (ω − ω p )
1
MA mAp
2 ω
ω
// //
0 −ω p 0 ωp
mAp mAp
X (ω + ω p ) X (ω − ω p )
2 2
76
1. Semnale modulate
X MA (ω ) = π Ap ⋅ δ (ω − ω p ) + δ (ω + ω p ) +
(4.14) mAp
+ ⋅ X (ω − ω p ) + X (ω + ω p )
2
Caracteristicile spectrale ale semnalelor x(t ) şi xMA (t ) sunt date în
fig. 4.6. Aici se observă componentele caracteristicii spectrale ale semnalului
modulat: purtătoarea (distribuţia π Apδ (ω ± ω p ) ) şi cele două benzi laterale.
Observaţie:
Reprezentarea grafică a caracteristicii X (ω ) este simbolică şi nu are
legătură cu densitatea de amplitudini reală a semnalului. Simbolizarea permite
să se discearnă banda semnalului şi frecvenţele maximă şi minimă ce definesc
banda.
În concluzie, din cele prezentate rezultă că modulaţia examinată are două
dezavantaje:
• Banda ocupată de semnalul modulat este dublă faţă de cea minim
necesară. De exemplu, banda semnalului telefonic este cuprinsă între 0.3 kHz
şi 3.4 kHz. Dacă s-ar utiliza modulaţia prezentată, lărgimea benzii semnalului
modulat, în jurul frecvenţei purtătoare, ar fi de 6.8 kHz.
• În semnalul modulat se regăseşte integral purtătoarea, rezultând
unele neajunsuri de natură energetică (randament scăzut) şi de prelucrare a
semnalului (posibilitatea saturării amplificatoarelor, datorită nivelului ridicat al
purtătoarei, în raport cu componentele laterale – utile).
În schimb, extragerea semnalului de bază din cel modulat se realizează
foarte simplu, printr-o operaţie de detecţie/redresare.
Aplicaţia 4.1:
Fie semnalul purtător x p (t ) = U 0 ⋅ cos(ω p t ) , cu U 0 = 20 V şi
4
ω p = 20 kHz . Semnalul modulator este xm (t ) = ∑ U k ⋅ cos(2π f k t ) , unde:
k =1
k 1 2 3 4
f k [kHz] 1 2 5 8
U k [V] 8 4 6 2
Se cere:
• să se reprezinte spectrele semnalului de bază şi a celui modulat;
• să se calculeze puterea semnalului modulat şi randamentul
modulaţiei.
U
Gradele de modulaţie ale celor 4 armonici sunt: m1 = 1 = 0.4 ,
U0
77
Semnale, circuite şi sisteme. Partea I: Semnale
U2 U U
m2 = = 0.2 , m3 = 3 = 0.3 şi m4 = 4 = 0.1 .
U0 U0 U0
Conform relaţiei (4.8), xMA (t ) se scrie:
4 U p ⋅ mk
xMA (t ) = U p ⋅ cos(ω p t ) + ∑ ⋅ cos(ω p − kω 0 )t + cos(ω p + kω 0 )t
k =1 2
Ultima relaţie se poate rescrie punându-se în evidenţă purtătoarea şi cele 2
benzi laterale:
4 U p ⋅ mk
xMA (t ) = ∑ ⋅ cos(ω p − kω 0 )t +
k =1 2
4 U p ⋅ mk
+ U p ⋅ cos(ω p t ) + ∑ ⋅ cos(ω p + kω 0 )t
k =1 2
Conform acestei expresii, spectrul semnalului modulat este reprezentat în
zona frecvenţelor mari din fig. 4.7.
U1
Up
U3
U2 U4 m1 ⋅ U p m2 ⋅ U p m3 ⋅ U p
f [kHz] =4
2 2 2 m4 ⋅ U p
f1 f 2 f3 f4
2
f [kHz]
0 10 12 20 28
78
1. Semnale modulate
x (t ) xMA ( t ) = u ( t ) ⋅ cos(ωp t )
×
cos(ωp t )
xMA ( t ) x (t )
x (t )
t0
t
xMA ( t )
1
{
X MA (ω ) = F x(t ) ⋅ cos(ω p t ) = } 2π
{
X (ω ) ⊗ F cos(ω p t ) = }
=
1
2π
{
X (ω ) ⊗ π δ (ω − ω p ) + δ (ω + ω p ) }
79
Semnale, circuite şi sisteme. Partea I: Semnale
X (ω ) X MA (ω )
1
MA 1
2
ω ω
// //
0 −ω p 0 ωp
Fig. 4.10 Spectrul semnalului MA cu modulaţie de tip produs
t
−τ 0 τ
Semnalul se pune sub forma x(t ) = u (t ) ⋅ cos(ω 0 t ) (fig. 4.11, a)), unde u(t)
este un impuls real de amplitudine unitară şi arie 2τ (fig. 4.11, b)).
a) u (t ) x(t ) = u (t ) ⋅ cos(ω t )
× 0
cos(ω0 t )
u (t )
b) 1
t
−τ τ
T0
Fig. 4.12 Generarea semnalului x(t) din fig. 4.11
80
1. Semnale modulate
2π
În relaţia de mai sus se foloseşte faptul că ω 0τ = ⋅ 2T0 = 4π . Rezultă:
T0
a) ω
0
X (ω )
b)
ω
4π π π 4π
−
τ 2τ τ τ
81
Semnale, circuite şi sisteme. Partea I: Semnale
{
V (ω ) = F xMA (t ) ⋅ cos(ω p t ) = } 1
2π
{
⋅ X MA (ω ) ⊗ π δ (ω − ω p ) + δ (ω + ω p ) }
1
x(t )
xMA (t ) v(t ) 2
FTJ
x(t ) = Ap ⋅ cos(ω p t )
În final se obţine:
1
(4.17) V (ω ) = ⋅ X (ω − 2ω p ) + 2 X (ω ) + X (ω + 2ω p )
4
Caracteristicile spectrale X MA (ω ) şi V (ω ) sunt prezentate în fig. 4.15.
X MA (ω )
12
ω
// //
−ω p 0 ωp
Demodulare
Caracteristica de
V (ω ) atenuare a FTJ
12
14
ω ω
// //
−2ω p 0 2ω p
Fig. 4.15 Funcţionarea demodulatorului de tip produs
82
1. Semnale modulate
1 1
numai componenta spectrală de joasă frecvenţă: ⋅ 2 X (ω ) = X (ω ) . În
4 2
consecinţă, la ieşirea FTJ se va obţine (1 2 ) ⋅ x(t ) .
83
Semnale, circuite şi sisteme. Partea I: Semnale
jXˆ (ω ) = X (ω ) ⋅ sign(ω )
În fig. 4.17, a) sunt reprezentate schematic funcţiile spectrale X (ω ) şi
jXˆ (ω ) . Se observă că, pentru ω > 0 , jXˆ (ω ) = X (ω ) , iar pentru ω < 0 ,
jXˆ (ω ) = − X (ω ) .
X (ω )
1 X MA (ω )
MA 12
ω ω
// //
0 −ω p 0 ωp
j X (ω ) j X MA (ω )
12
ω
MA // //
ω −ω p 0 ωp
0
jX MA− BLU (ω )
a) 1
ω
// //
−ω p 0 ωp
X MA− BLU (ω )
1
ω
// //
−ω p 0 ωp
b)
Fig. 4.17 Caracteristicile spectrale ale semnalelor implicate în schema din fig. 4.16
{ }
Xˆ MA (ω ) = F x(t ) ⋅ sin(ω p t ) =
1
2π
{
X (ω ) ⊗ F sin(ω p t ) }
{ }
Utilizând expresia (3.37) pentru F sin(ω p t ) se obţine:
84
1. Semnale modulate
1 π
X MA (ω ) =
2π ( ) (
X (ω ) ⊗ δ ω − ω p − δ ω + ω p =
)
j ,
1
(
= − j X ω −ωp + jX ω +ωp
2
) ( )
din care rezultă:
1
(4.18) Xˆ MA (ω ) = − j X (ω − ω p ) + j X (ω + ω p )
2
Această funcţie spectrală, reprezentată în fig. 4.17, b), are două
1
componente: cea situată în jurul pulsaţiei ω p , j X (ω − ω p ) , obţinută prin
2
inversarea semnului şi decalarea la dreapta a caracteristicii j X (ω ) , şi cea
1
situată în jurul pulsaţiei −ω p , j X (ω + ω p ) , obţinută prin deplasarea spre
2
stânga a caracteristicii spectrale j X (ω ) . Din fig. 4.17, b), se observă că, dacă
se scad funcţiile X MA (ω ) şi X MA (ω ) (la elementul de însumare din fig. 4.16,
semnele sunt ‚ + ’ şi respectiv ‚ − ’), se obţine X MA− BLU (ω ) , fiind suprimată
banda laterală inferioară. Dacă se adună X MA (ω ) şi X MA (ω ) (elementul de
însumare din schemă, are semnul ‚ + ’ la ambele intrări), se obţine
X MA− BLU (ω ) , cu banda superioară suprimată.
85
Semnale, circuite şi sisteme. Partea I: Semnale
12 jX 2s (ω )
ω
−Ω 0 Ω
Fig. 4.20 Obţinerea caracteristicii spectrale a semnalului x2s (t )
1 π
X 2sin (ω ) = F { x(t ) ⋅ sin(Ωt )} = X (ω ) ⊗ δ (ω − Ω p ) − δ (ω + Ω p ) ,
2π j
din care rezultă:
86
1. Semnale modulate
1
(4.20) jX 2 sin (ω ) = ⋅ [ X (ω − Ω) − X (ω + Ω)]
2
Caracteristica spectrală jX 2sin (ω ) se obţine prin simpla deplasare spre
dreapta a caracteristicii X (ω ) , în jurul pulsaţiei +Ω , cât şi prin inversarea
semnului caracteristicii X (ω ) şi deplasarea ei spre stânga în jurul pulsaţiei
−Ω (vezi fig. 4.20). Prin eliminarea componentelor spectrale de frecvenţe
ω > Ω , cu ajutorul FTJ, se obţine caracteristica spectrală jX 2s (ω ) , asociată
semnalului x2s (t ) (fig. 4.20).
X 1 (ω )
14
ω
// //
−ω p 0 ωp
X 2 (ω )
14
ω
// //
0
−ω p ωp
X MA− BLU (ω )
12
ω
// //
−ω p 0 ωp
X MA− BLU (ω )
12
ω
// //
−ω p 0 ωp
Fig. 4.21 Obţinerea caracteristicii spectrale a semnalului xMA- BLU (t )
În cel de-al doilea etaj al ramurii superioare, semnalul x1c (t ) este modulat
cu purtătorul cosinusoidal cos(ω p t ) , unde ω p este mult mai mare decât
pulsaţia maximă din spectrul semnalului modulator. La ieşirea modulatorului
se obţine semnalul x1 (t ) , a cărui caracteristică spectrală este:
{
X1 (ω ) = F x1c (t ) cos(ω p t ) =
1
2π
} { ( ) (
X 1c (ω ) ⊗ π δ ω − ω p + δ ω + ω p
)}
sau:
87
Semnale, circuite şi sisteme. Partea I: Semnale
1
(4.21) X1 (ω ) = X1c (ω − ω p ) + X1c (ω + ω p )
2
În reprezentarea grafică din fig. 4.21, cele două componente ale funcţiei
X1 (ω ) se obţin prin deplasarea simetrică, în jurul pulsaţiilor ω p şi −ω p a
caracteristicii spectrale X1c (ω ) din fig. 4.19.
În ramura inferioară, semnalul x2s (t ) este modulat pe purtătorul
sinusoidal sin(ω p t ) . La ieşirea modulatorului se obţine semnalul
x2 (t ) = x2s (t ) ⋅ sin(ω p t ) , a cărui caracteristică spectrală este:
1 π
{
X 2 (ω ) = F x2s (t ) ⋅ sin(ω p t ) =} 2π
X 2s (ω ) ⊗ δ (ω − ω p ) − δ (ω + ω p )
j
1
(4.22) X 2 (ω ) = − jX 2s (ω − ω p ) + X 2s (ω + ω p )
2
Caracteristica X 2 (ω ) , reprezentată în fig. 4.21, se obţine pe baza funcţiei
jX 2s (ω ) , dată în fig. 4.20, prin inversarea semnului acestei funcţii şi
deplasarea ei în jurul pulsaţiei ω p , precum şi prin simpla deplasare a ei spre
stânga, în jurul pulsaţiei −ω p .
Dacă în elementul de însumare din fig. 4.18, ambele intrări au semnul ‚ + ’
( xMA- BLU (t ) = x1 (t ) + x2 (t ) ), atunci X MA- BLU (ω ) = X1 (ω ) + X 2 (ω ) şi
semnalul modulat de la ieşirea modulatorului conţine banda laterală
superioară. Dacă semnalele x1 (t ) şi x2 (t ) se scad, semnalul modulat va
conţine banda laterală inferioară (vezi fig. 4.21).
88
1. Semnale modulate
1 B
X B (ω ) x B (t ) ω p1 ω p2 ω p3 x (t )
FTJ 2
FTB B
Canal fizic
ω ω p2
ω p2
1 C
X C (ω ) x C (t ) x (t )
FTBC FTJ 2
ω ω p3
ω p3
Fig. 4.22 Principiul multiplexării în frecvenţă
În schema dată în fig. 4.22 s-a utilizat modulaţia de tip produs, în care un
semnal modulat ocupă o bandă dublă faţă de cea minim necesară. Astfel, în
cazul unui semnal telefonic, unde banda este limitată în domeniul
0.3 − 3.4 kHz , banda semnalului modulat este de 2 × 3.4 = 6.8 kHz , iar
frecvenţele purtătoare adiacente trebuie să fie „distanţate” la 8 kHz , pentru a
se asigura şi ecartul necesar separării căilor prin FTB. Dacă însă se utilizează
MA-BLU, atunci banda semnalului se reduce la jumătate, frecvenţele
purtătoare adiacente sunt decalate cu 4 kHz, iar numărul de semnale
multiplexate în frecvenţă, transmise pe canalul fizic, se dublează – vezi
fig. 4.23.
0 … …
//
f p( i−1) f pi f p( i+1) f
4 kHz
89
Semnale, circuite şi sisteme. Partea I: Semnale
rezultă:
(4.27) Φ (t ) = ω p t + K p ⋅ x(t )
Semnalul MP este:
(4.28) xMP (t ) = Ap ⋅ cos ω p t + K p ⋅ x(t )
(4.30) ω (t ) = ω p + Kω ⋅ x(t )
90
1. Semnale modulate
t
(4.32) xMF (t ) = Ap ⋅ cos ω p t + Kω ⋅ ∫ x(τ )dτ
0
Se constată că semnalele MP şi MF, având expresiile (4.28), respectiv
(4.32), sunt asemănătoare: în primul caz deviaţia de fază este proporţională cu
semnalul modulator, iar în cel de-al doilea caz – cu integrala semnalului
modulator. În ambele situaţii, frecvenţa unghiulară a semnalului modulat
depinde de x(t), fapt care justifică denumirea generică de modulaţie unghiulară
dată ansamblului MP şi MF.
În fig. 4.24 s-au ilustrat cele două tipuri de modulaţie pe cazul celui mai
simplu semnal modulator: semnalul binar (telegrafic).
S-au utilizat notaţiile: x(t ) – semnal de bază; xMF (t ) – semnal modulat
FSK (Frequency Shift Keying); xMP (t ) – semnal modulat PSK (Phase Shift
Keying). Utilizând termenul de „cheiere” (în sensul comutării valorii unui
parametru), FSK şi PSK înseamnă „cheierea deviaţiei de frecvenţă”, respectiv
„cheierea deviaţiei de fază”.
x(t )
t
0
xMF (t )
t
0
xMP (t )
t
0
91
Semnale, circuite şi sisteme. Partea I: Semnale
(4.34) Φ (t ) = ω p t + β ⋅ sin(ω 0t ) ,
∆ω
unde β = se numeşte indice de modulaţie.
ω0
Expresia semnalului modulat în frecvenţă devine:
(
xMF (t ) = Ap ⋅ cos ω p t + β ⋅ sin(ω0t ) = )
(4.35) = Ap ⋅ cos(ω p t ) ⋅ cos [ β ⋅ sin(ω0t ) ] −
− Ap ⋅ sin(ω p t ) ⋅ sin [ β ⋅ sin(ω0t )]
∞
(4.37) sin [ β sin(ω 0t )] = 2 ⋅ ∑ J 2i -1 ( β ) ⋅ sin [ (2i − 1)ω 0t ]
i =1
J k (β )
1
J0(β)
J1(β)
J2(β)
J3(β) J4(β)
0.5 J5(β) J6(β)
β
0
-0.5
0 1 2 3 4 5 6 7 8 9 10
Fig. 4.25 Primele 7 funcţii Bessel de speţa I
( ) (
2sin(ω p t ) ⋅ sin(2iω0t ) = cos ω p + (2i + 1)ω0 ⋅ t − cos ω p − (2i + 1)ω0 ⋅ t
)
Drept urmare, relaţia (4.35) se rescrie sub forma:
92
1. Semnale modulate
xMF (t ) = Ap ⋅ J 0 ( β ) ⋅ cos(ω p t ) +
(4.38)
{ }
∞
+ Ap ⋅ ∑ J k ( β ) ⋅ cos (ω p + kω 0 ) ⋅ t + (−1)k cos (ω p − kω 0 ) ⋅ t
k =1
Funcţiile Bessel pot fi şi de ordin negativ, în care caz este valabilă relaţia:
J ( β ), k par
(4.39) J −k (β ) = k
− J k ( β ), k impar
Dacă în relaţia (4.38), indicele k din sumă se extinde de la −∞ la +∞ ,
atunci relaţia (4.39) permite scrierea expresiei (4.38) a semnalului MF într-o
formă foarte compactă:
∞
(4.40) xMF (t ) = Ap ⋅ ∑ J k ( β ) ⋅ cos (ω p + kω 0 ) ⋅ t
k =-∞
0.4
0.2 J-8 J-6 J-4 J-2 J0 J4 J6 J8
ω
0
J-7 J-5 J-3 J1 J3 J5 J7 J9
-0.2
ω0
-0.4
-0.6 J-1
-0.8 0 2 4 6 8 10 12 14 16 18 20
Fig. 4.26 Spectrul semnalului MF pentru β = 2.4
93
Semnale, circuite şi sisteme. Partea I: Semnale
94
1. Semnale modulate
(4.47) B = 2( β + 1) ⋅ ω 0
Vom analiza în continuare două cazuri: cazul semnalelor MF cu indice de
modulaţie redus, respectiv cu indice modulaţie mare.
Pentru indice de modulaţie redus, se ţine cont că funcţia:
k
β 1 β2 β4 β6
Jk (β ) ⋅ − 2 + 4 − 6 + ...
2 k ! 2 ⋅ 1!(k + 1)! 2 ⋅ 2!(k + 2)! 2 ⋅ 3!(k + 3)!
95
Semnale, circuite şi sisteme. Partea I: Semnale
1
0.8
0.6
0.4
J1 J3 J5 J7 J9
0.2 J-9 J-7 J-5 J-3 J-1
ω
0
ωp J2 J4 J6 J8
-0.2 0 2 4 6 8 10 12 14 16 18 20
Fig. 4.28 Spectrul semnalului MF cu β redus ( β = 0.3 )
96
1. Semnale modulate
(4.50) B = 2( β + 1) ⋅ ω 0 2 βω 0
− β Ap β Ap
⋅ (ω p − ω0 )t ⋅ (ω p + ω0 )t
2 2
Ap ω p t ω0 ω0
ωp
Fig. 4.29 Reprezentarea fazorială a semnalului MF cu indice redus de modulaţie
97
Semnale, circuite şi sisteme. Partea I: Semnale
xMP (t ) = Ap J 0 (α ) ⋅ cos(ω p t ) +
(4.55)
{ }
∞
+ Ap ∑ J k (α ) cos (ω p + kω 0 ) ⋅ t + (−1) k cos (ω p − kω 0 ) ⋅ t
k = -1
Dacă indicele de modulaţie este mic, adică α < 0.4 , se obţine un semnal
cu banda B = 2ω0 , de tip purtătoare cu două componente laterale, exact ca la
modulaţia în frecvenţă. Acest caz se utilizează efectiv în comunicaţii de date.
Dacă indicele α este mare, banda semnalului MP are expresia
B = 2(α + 1) ⋅ ω0 , care depinde de pulsaţia ω0 a semnalului modulator. Deviaţia
maximă de fază este cuprinsă în domeniul [ −π , π ] , deci α = ∆ϕ nu poate lua
valori mai mici de π . Rezultă că, spre deosebire de MF, modulaţia MP nu se
poate aplica la valori mari ale indicelui de modulaţie. În schimb, modulaţia de
fază cu indice redus de modulaţie se utilizează frecvent în comunicaţiile de
date.
sau, ţinând cont că k x ⋅ x(t ) are valori foarte mici şi cos [ k x ⋅ x(t ) ] 1 ,
sin [ k x ⋅ x(t )] k x ⋅ x(t ) ,
+
Ap ⋅ cos(ω p t )
∑
xMP (t )
Ap ⋅ sin(ω p t ) −
π
− kx
2
x(t )
Fig. 4.30 Modulator MP cu indice redus de modulaţie
98
1. Semnale modulate
∑
− xMP (t )
… kx
∫ (⋅)dt
x(t )
Fig. 4.31 Modificarea schemei din fig. 4.30, pentru a se obţine
MF cu indice redus de modulaţie
99
Semnale, circuite şi sisteme. Partea I: Semnale
xMIA− N (t ), x(t )
x(t )
t
0
xMIA− N (t )
x p (t )
τ
t
0
T
Fig. 4.32 Modulaţia impulsurilor în amplitudine naturală
100
1. Semnale modulate
În consecinţă:
(4.62) x p (t ) = f (t ) ⊗ δ T (t ) ,
f (t )
0 τ δ T (t )
Fig. 4.33 Impuls de amplitudine unitară Fig. 4.34 Modelul matematic temporal
al unui semnal MIA-N
101
Semnale, circuite şi sisteme. Partea I: Semnale
Deci:
∞
(4.66) F {δ T (t )} = ω p ⋅ ∑ δ (ω − iω p )
i =−∞
X (ω )
1
ω
−ω M ωM
102
1. Semnale modulate
π π
sinc − i = −1 i =1 sinc
2 2
3π 3π
sinc − sinc
2 2
i = −3 i=3
i = −2 i=2
−2ωM 2ωM ω
−4ω p −3ω p −2π −ω p −ωM ωM ωp 2π 3ω p 4π
−2ω p = 2ω p = 4ω p =
τ τ τ
103
Semnale, circuite şi sisteme. Partea I: Semnale
xMIA- N (t ) cos(ω p t )
a) b)
Fig. 4.37 Extragerea semnalului de bază din semnalul MIA-N
xT (t ) x(t )
b)
6T 7T 8T 9T t
0 T 2T 3T 4T 5T 10T
…
x(t )
xMIA−U (t ) c)
τ
6T 7T 8T 9T t
0 T 2T 3T 4T 5T 10T
104
1. Semnale modulate
(4.73) xMIA−U (t ) = xT (t ) ⊗ f (t )
x(t ) xT (t ) xMIA−U (t )
δ T (t ) f (t )
Fig. 4.39 Modelul matematic temporal al unui semnal MIA-U
Schema care ilustrează acest model matematic este dată în fig. 4.39.
Pentru deducerea modelului frecvenţial al semnalului xMIA−U (t ) se
determină mai întâi caracteristica spectrală a semnalului xT (t ) :
1
X T (ω ) = F { x(t ) ⋅ δT (t )} = ⋅ X (ω ) ⊗ F {δ (t )} =
2π
1 1
(4.74) = ⋅ X (ω ) ⊗ ω pδω p (ω ) = X (ω ) ⊗ δω p (ω ) =
2π T
1 ∞
= ∑ X (ω ) ⊗ δ (ω − iω p )
T i =-∞
sau:
1 ∞
(4.75) X T (ω ) = ∑ X (ω − iω p )
T i =-∞
Aplicând transformata Fourier relaţiei (4.73) se obţine:
X MIA−U (ω ) = X T (ω ) ⋅ F (ω ) ,
sau, înlocuind F (ω ) şi X T (ω ) prin expresiile (4.64) şi, respectiv, (4.75):
jωτ
τ − ωτ ∞
(4.76) X MIA−U (ω ) = ⋅e 2 ⋅ sinc ⋅ ∑ X (ω − iω p )
T 2 i =-∞
Pentru ilustrarea grafică a funcţiei spectrale X MIA−U (ω ) vom considera
105
Semnale, circuite şi sisteme. Partea I: Semnale
i = −1 i =1
ωτ
sinc
2
i = −3 i=3
i = −2 i=2
i = −4 i=4
ω
−4ω p −3ω p −2ω p −ω p −ωM ωM ω p 2ω p = 2π 3ω p 4ω p
0 τ
106
1. Semnale modulate
t
2 A2B 2C 4 A4B 4C
T 2T 3T 4T 1A 1B 1C 3A3B 3C
x B (t ) ∼ x A (t )
… … FTJ
1B t
2B 3B 4B
t T 2T 3T ∼ x B (t )
FTJ
T 2T 3T 4T Canal fizic
x C (t ) T T
∼ x C (t )
3C FTJ
1C 2C
t
T 2T 3T 4T
Fig. 4.41 Principiul multiplexării în timp
107
Semnale, circuite şi sisteme. Partea I: Semnale
unde:
(4.78) ∆p (t ) = ∆pM x(t ) ; x(t ) ≤ 1
t0 > 0 t0 = 0 t0 < 0
(i − 1)T iT (i + 1)T
T T
2 2
Fig. 4.42 Impulsuri cu diverse valori ale fazei
Variaţia maximă a fazei/poziţiei, ∆pM , trebuie să fie mai mică decât T/2,
pentru ca o comutare bruscă de la o valoare extremă negativă la o valoare
extremă pozitivă a semnalului modulator să nu conducă la interferenţa sau
suprapunerea impulsurilor vecine.
La un semnal cu modulaţia impulsurilor în frecvenţă (MIF), se consideră
relaţia cunoscută între fază şi frecvenţă (faza se obţine prin integrarea
frecvenţei):
t
∆p (t ) = k p ∫ x(τ )dτ ,
0
iar relaţia generală a unui semnal MIF este:
t
(4.79) xMIF (t ) = x p t + k p ∫ x(τ )dτ
0
Vom considera acum un modulator pentru obţinerea MIP (fig. 4.43, a)),
funcţionând cu un semnal modulator sinusoidal de pulsaţie ω0. Relaţia (4.78)
devine:
(4.80) ∆p (t ) = ∆pM ⋅ sin(ω0t )
x(t ) xMIP − N (t ) xMIP − N (t ) ∆p > 0 ∆p = 0 ∆p < 0 ∆p = 0
MIP
x p (t ) t
0 T 2T 3T 4T 5T 6T 7T 8T
x(t )
a) b)
Fig. 4.43 Modulaţia naturală a impulsurilor în poziţie
108
1. Semnale modulate
τ iω pτ
(4.87) Ai = ⋅ sinc ,
T 2
deci:
109
Semnale, circuite şi sisteme. Partea I: Semnale
τ ∞ iω pτ jiω pt
(4.88) x p (t ) = ⋅ ∑ sinc ⋅e
T i =−∞ 2
În §2.2.3 s-a arătat că, dacă într-un semnal periodic, având parametrii Ai
din SFC, se înlocuieşte t cu t-τ, atunci parametrii Ai ai semnalului cu
argument modificat sunt Ai = Ai e− jiω0τ . Vom aplica această proprietate în
cazul semnalului MIP-N, care este dat de expresia (4.81). Putem considera că
x p (t + ∆pM ⋅ sin(ω 0t )) este obţinut din x p (t ) prin înlocuirea lui t cu
t + ∆pM ⋅ sin(ω0t ) . În consecinţă, parametrii Ai din SFC a semnalului MIP-N
se obţin din parametrii Ai ai semnalului x p (t ) , prin relaţia:
jiω p ∆pM sin(ω 0t )
(4.89) Ai = Ai ⋅ e ,
Adaptând această relaţie la cel de-al doilea factor din (4.91), rezultă:
jiω p ∆pM sin(ω 0t ) ∞
(4.93) e = ∑ J k (iω p ∆pM ) ⋅ e jkω0t
k =−∞
τ ∞ iω pτ ∞ j (iω p + kω 0 )t
(4.94) xMIP − N (t ) = ⋅ ∑ sinc ⋅ ∑ J k (iω p ∆pM ) ⋅ e
T i =−∞ 2 k =−∞
Se observă că semnalul MIP-N are un spectru discret, în sensul că există
armonici numai la pulsaţiile iω p + kω 0 , (i=±1, ±2,...; k=0, ±1, ±2,...).
Întrucât:
(4.95) F e { j (iω p + kω 0 )t
} = 2πδ (ω − iω p − kω 0 ) ,
110
1. Semnale modulate
x(t ), d (t )
t
0 T 2T 3T 4T 5T 6T 7T 8T
xMIP −U (t )
∆p = 0 ∆p > 0 ∆p = 0 ∆p < 0 ∆p = 0
t
0 τ T 2T 3T 4T 5T 6T 7T 8T
Fig. 4.44 Modulaţia uniformă a impulsurilor în poziţie
δ T (t ) f (t )
Fig. 4.45 Schema de realizare a unui semnal MIP-U
Aşa cum s-a arătat în §4.4.1, în urma acestei operaţii fiecare impuls-
distribuţie din semnalul d(t) se transformă într-un impuls de durată τ, al cărui
front anterior este declanşat de impulsul δ. Rezultatul obţinut este semnalul
MIP-U, în care faza impulsurilor ∆p(t ) , proporţională cu semnalul modulator,
x(t), este definită prin decalarea frontului anterior al impulsurilor în raport cu
momentele iT.
111
Semnale, circuite şi sisteme. Partea I: Semnale
Pe baza relaţiei (4.92), a doua exponenţială din (4.100) se scrie sub forma
∞
e jω∆pM ⋅sin(ω0iT ) = ∑ J k (ω∆pM ) ⋅ e jikω0T , iar expresia (4.100) devine:
k =−∞
∞ ∞
D(ω ) = ∑ e − jiωT ∑ J k (ω∆pM ) ⋅ e jikω0T =
i =−∞ k =−∞
(4.101)
∞ ∞
= ∑ J k (ω∆pM ) ∑ e j ( kω0 −ω )iT
k =−∞ i =−∞
Întrucât:
(4.102) xMIP −U (t ) = d (t ) ⊗ f (t ) ,
caracteristica spectrală a semnalului MIP-U este:
(4.103) X MIP −U (ω ) = D(ω ) ⋅ F (ω ) ,
sau, ţinând cont de (4.64) şi (4.101):
ωτ
ωτ −j ∞ ∞
(4.104) X MIP −U (ω ) = τ sinc ⋅e
2 ⋅ ∑ J k (ω∆pM ) ∑ e j ( kω0 −ω )iT
2 k =−∞ i =−∞
112
1. Semnale modulate
t
0 T 2T 3T 4T 5T 6T 7T 8T
T 3T 5T 7T
2 2 2 2
Fig. 4.46 Modulaţia impulsurilor în durată
Pentru a se obţine o plajă de variaţie liniară cât mai mare a duratei τ(t), se
adoptă:
T
(4.106) τ p = ,
2
iar termenul k⋅x(t) trebuie să ducă la variaţii ∆τ(t) limitate între –T/2 şi T/2.
Considerând –1<x(t)<1, relaţia (4.105) devine:
T
τ (t ) = τ p + ⋅ x(t ) ,
2
sau, ţinând cont de (4.106):
T
(4.107) τ (t ) = ⋅ [1 + x(t )]
2
Semnalul purtător xp(t) este un tren de impulsuri de forma celor din
fig. 2.15, având însă amplitudinea unitară şi durata τp. Modelul semnalului, sub
forma SFC, este:
113
Semnale, circuite şi sisteme. Partea I: Semnale
∞ jiω p t τp iω pτ p
(4.108) x p (t ) = ∑ Ai ⋅ e ; Ai = ⋅ sinc ,
i =−∞ T 2
sau:
∞ τp iω pτ p jiω pt
(4.109) x p (t ) = ∑ ⋅ sinc ⋅e
i =−∞ T 2
Seria Fourier armonică este:
τp 2τ p ∞ iω pτ p
x p (t ) = + ⋅ ∑ sinc ⋅ cos(iω p t ) =
T T i =1 2
(4.110)
τp 2τ p ∞ 2 iω pτ p
= + ⋅∑ ⋅ sin ⋅ cos(iω p t )
T T i =1 iω pτ p 2
Întrucât ω p = 2π / T , expresia semnalului purtător devine:
τ 2 ∞ 1 iπ
(4.111) x p ( t ) =
T
+ ⋅ ∑ ⋅ sin τ p ⋅ cos iω p t
π i =1 i T
( )
Modelul semnalului MID se obţine înlocuind în (4.111) durata constantă
τp prin durata dependentă de cea a semnalului modulator, τ(t), conform relaţiei
(4.107):
1 2 ∞ 1 iπ
(4.112) xMID ( t ) =
2
⋅ [1 + x(t ) ] + ⋅ ∑ ⋅ sin (1 + x ( t ) ) ⋅ cos iω p t
π i =1 i 2
( )
Dacă semnalul modulator, x(t), este sinusoidal de pulsaţie ω0 (vezi
fig. 4.46), atunci în argumentul funcţiei sinus din (4.112) intervine termenul
sin(ω0t). Dezvoltarea expresiei care conţine o funcţie sinus având în argument
o altă funcţie sinus permite obţinerea spectrului semnalului MID prin
intermediul funcţiilor Bessel de speţa I.
114
Capitolul 5
SEMNALE EŞANTIONATE
5.1. Introducere
Achiziţia unui semnal analogic, în vederea prelucrării lui într-un sistem
numeric de calcul, se realizează printr-un convertor analogic/numeric (CAN).
Operaţia de conversie presupune două etape, după cum urmează.
1. Procesul de eşantionare. Semnalul analogic, x ( t ) , este eşantionat
discretizând timpul cu o perioadă de eşantionare Te . Elementul care realizează
această operaţie este reprezentat printr-un întrerupător cu funcţionare ciclică,
având perioada Te (fig. 5.1). La ieşirea elementului E (de eşantionare) se
obţine semnalul eşantionat, adică şirul { x ( iTe )} , i = 0,1, 2,3… (fig. 5.1);
x(t ) E x* ( t ) ≡ x(iTe )
Te
115
Semnale, circuite şi sisteme. Partea I: Semnale
b) t
δTe ( t )
1
c) t
Te 2Te …
x * (t )
d)
t
Te 2Te …
„mărimea” impulsului este evaluată prin suprafaţa sa. În acest caz, procesul de
delta periodice de către un semnal x(t) (vezi fig. 5.2, b), c) şi d)).
Deci:
(5.1) x∗ ( t ) = x ( t ) ⋅ δTe ( t ) ,
unde:
∞
(5.2) δTe ( t ) = ∑ δ ( t − kTe )
k =−∞
116
5. Semnale eşantionate
Într-adevăr:
∞
(5.3) x∗ ( t ) = x ( t ) ⋅ ∑ δ ( t − kTe ) ,
k =−∞
sau:
∞
(5.4) x* ( t ) = ∑ x ( kTe ) ⋅ δ ( t − kTe )
k =−∞
(5.5) { }
F x∗ ( t ) = F { x ( t ) ⋅ δTe ( t )} =
1
⋅ X (ω ) ⊗ F δTe ( t )
2π { }
X * (ω )
i = −1 i=0 i =1
1 X (ω )
1 1 1
X (ω + ωe ) X (ω ) 1 X (ω − ωe )
x(t ) x* (t ) Te Te Te Te
Te … …
ω ω
0 −ω e 0 ωe
Fig. 5.4 Caracteristica Fig. 5.5 Caracteristica spectrală a semnalului
spectrală a semnalului x(t) eşantionat x* ( t )
Notăm prin:
(5.6) X ∗ ( ω ) = F x∗ ( t ) { }
caracteristica spectrală a semnalului eşantionat. Conform relaţiilor (5.5), (5.6)
şi (3.52) se obţine:
1
X ∗ (ω ) = X (ω ) ⊗ ωe ⋅ δωe (ω )
2π
(5.7)
ω ∞
= e X (ω ) ⊗ ∑ δ (ω − iωe )
2π i =−∞
Întrucât frecvenţa de eşantionare este dată de relaţia ωe = 2π Te , rezultă:
117
Semnale, circuite şi sisteme. Partea I: Semnale
1 ∞
(5.8) X ∗ (ω ) = ⋅ ∑ X (ω ) ⊗ δ (ω − iωe ) ,
Te i =−∞
sau, considerând proprietăţile (3.61) ale distribuţiei delta:
1 ∞
(5.9) X ∗ (ω ) = ⋅ ∑ X (ω − iωe )
Te i =−∞
1 Te X * (ω )
… …
ω
−ωe ωe
Fig. 5.6 Suprapunerea spectrală
Concluzie:
Caracteristica spectrală a semnalului eşantionat, X ∗ (ω ) , este periodică,
de perioadă ωe = 2π Te (vezi fig. 5.5).
Observaţii:
1. Acelaşi rezultat se poate obţine dacă semnalul eşantionat se consideră
obţinut dintr-un semnal MIA-N, făcând ca durata τ a impulsurilor să tindă spre
zero, aria acestora rămânând finită (unitară). În expresia caracteristicii
spectrale X MIA− N (ω ) , dată de relaţia (4.71), factorul τ Te care înmulţeşte
suma reprezintă raportul dintre aria impulsului din semnalul purtător (în cazul
MIA-N aria este τ, iar în cazul eşantionării aria se consideră unitară) şi
perioada impulsurilor. În cazul eşantionării acest raport devine 1 Te . În cadrul
termenilor sumei din (4.71) se înlocuieşte ωp şi ωe şi se calculează limita:
(
lim e
− jω p τ 2
( ))
⋅ sin c iω p τ 2 = 1
118
5. Semnale eşantionate
X (ω ) X * (ω )
1
i = −1 i = 0 1 Te i =1
… ωe …
−
ωe
ω 2 2 ω
−ω M ωM −ω e −ω M ωM ωe
−ω e + ω M ωe − ω M ωe + ω M
Fig. 5.7 Caracteristică Fig. 5.8 Ilustrarea teoremei lui Shannon
spectrală cu frecvenţa
maximă finită
X * (ω )
1 Te
ω
−ω e ωe ωe ωe
− ωM = − ωM =
2 2
119
Semnale, circuite şi sisteme. Partea I: Semnale
x
Fig. 5.11 Distribuţia poli-zerouri a funcţiei X ( s )
120
5. Semnale eşantionate
1
Pentru i = 0 , funcţia X ( s ) generează aceiaşi poli şi zerouri, care sunt
Te
reprezentaţi în fig. 5.11, şi care sunt cuprinşi în banda orizontală de lăţime
egală cu ωe , centrată pe frecvenţa ω = 0 (fig. 5.12). Polii şi zerourile
celorlalte funcţii, pentru i ≠ 0 , se obţin în benzile orizontale, de aceeaşi lăţime
şi centrate pe frecvenţele ±iωe (vezi fig. 5.12). Banda centrală, caracterizată
ωe ωe
de − ≤ω ≤ , este denumită fâşie de bază şi corespunde componentei
2 2
centrale din caracteristica spectrală X * (ω ) (pentru i = 0 , vezi fig. 5.8).
121
Semnale, circuite şi sisteme. Partea I: Semnale
ωe
Pentru ω > , amplificarea filtrului este nulă, deci benzile laterale ale
2
caracteristicii X * (ω ) sunt eliminate. Banda centrală (pentru i = 0 ) este
multiplicată cu Te , de unde rezultă – la ieşirea filtrului – caracteristica
spectrală X (ω ) , deci semnalul x ( t ) . În planul „s” (fig. 5.12), efectul filtrului
este obţinerea fâşiei de bază, pornindu-se de la distribuţia poli-zerouri a lui
X * ( s ) , care conţine un număr infinit de benzi orizontale.
Filtrul trece jos ideal nu este fizic realizabil. Practic se utilizează elemente
de reconstrucţie a semnalului x ( t ) , care realizează o aproximare a
caracteristicii filtrului trece jos ideal. Aceste elemente de reconstrucţie se
numesc extrapolatoare.
x(t )
x (t )
* x(t )
t
x* (t )
x̂(t ) x* (t ) t
122
5. Semnale eşantionate
Te 2Te 3Te
Fig. 5.16 Reconstrucţia semnalului folosind un extrapolator de ordinul 1
5.3. Transformata Z
5.3.1. Transformata Z directă
Fie x ( t ) un semnal nul pentru t < 0 (semnal cauzal). Semnalul
eşantionat, x* ( t ) , definit prin relaţia (5.4), se poate exprima ca mai jos:
∞ ∞
(5.14) x* ( t ) = ∑ x ( kTe ) δ ( t − kTe ) = ∑ x ( kTe ) δ ( t − kTe )
k =−∞ k =0
sau:
∞
(5.16) X * ( s ) = ∑ x ( kTe ) ⋅ e− skTe ,
k =0
123
Semnale, circuite şi sisteme. Partea I: Semnale
întrucât:
Dacă înlocuim:
(5.18) e sTe = z
în (5.16), atunci:
adică:
∞
(5.20) X ( z ) = ∑ x ( kTe ) ⋅ z − k ,
k =0
(5.21) { }
X ( z ) = Z x* ( t ) = Z { x ( kTe )}
Observaţii:
1. Fie o verticală de abscisă α trasată în planul „s”. Traiectoria
corespunzătoare în planul „z” este un cerc de rază ρ = eα Te (fig. 5.17).
Im “s” Im “z”
z = e sTe “s”
Re Re
α 0
0 D
Im “s” Im “z”
g e
f ωe
2
Cs e
Re e sTe = z
g
f d Re
d 1
b a0
c
ωe
−
a b 2
c
124
5. Semnale eşantionate
1 dz
Folosind substituţia e sTe = z în (5.23) şi ds = ⋅ , rezultă:
Te z
1 1
(5.24) x ( kTe ) = ⋅ ∫ X (s) ⋅ z k −1dz
2π j C Te e sTe = z
Dar:
1 1 ∞
⋅ X ( s ) sTe = ∑ X ( s − jiωe ) i =0, esTe = z = X ( s ) = X (z) ,
*
Te e =z Te i =−∞ i = 0, e sTe = z
unde s-a considerat fâşia de bază din planul „s”, prin adoptarea indicelui i=0.
Înlocuind ultima relaţie în (5.24) rezultă:
1
(5.25) x ( kTe ) = ∫ X ( z) ⋅ z
k −1
dz
2π j C
Conturul de integrare C în planul complex „z” este cercul de rază
ρ = ecTe . Expresia (5.25) defineşte transformata Z inversă.
125
Semnale, circuite şi sisteme. Partea I: Semnale
1. Liniaritatea
Fie Z{ xi ( k )} = X i ( z ) . Avem:
N N
(5.26) Z ∑ ci xi ( k ) = ∑ ci X i ( z )
i =1 i =1
2. Teorema întârzierii
Fie xi ( k ) = x ( k − d ) semnalul x(k ) întârziat cu d perioade de
eşantionare. Avem:
(5.27) Z{ xi ( k )} = Z{ x ( k − d )} = z − d X ( z )
Demonstraţie:
∞ ∞
Z{ x ( i − d )} = ∑ x ( iTe − dTe ) z −i = ∑ x ( i − d ) Te z −i
i =0 i =0
Notând i-d=k, rezultă:
∞ ∞
Z{ x ( i − d )} = z − d ⋅ ∑ x ( k ) z − k = z − d ⋅ ∑ x ( k ) z − k = z − d ⋅ X ( z ) ,
k =− d k =0
întrucât x(k)=0 pentru k<0.
Observaţie:
Se poate interpreta z −1 ca fiind operator de întârziere cu o perioadă Te .
3. Teorema anticipării
(5.28) Z{ x ( k + 1)} = z ⋅ X ( z ) − z ⋅ x ( 0 ) ,
126
5. Semnale eşantionate
Demonstraţie:
Fie d(i) un semnal reprezentând diferenţa eşantioanelor consecutive din
semnalul eşantionat (proporţional cu derivata discretă a semnalului):
d (i ) = x(i + 1) − x(i )
Vom calcula transformata Z a acestui semnal pe două căi:
∞
1) D( z ) = Z{ x(i + 1) − x(i )} = ∑ [ x(i + 1) − x(i ) ] ⋅ z −i
i =0
Din această relaţie rezultă că:
(5.32) lim D( z ) = x(1) − x(0) + x(2) − x(1) + ... = lim x(i ) − x(0)
z →1 i →∞
127
Semnale, circuite şi sisteme. Partea I: Semnale
Demonstraţie:
∞ i
Z{ y ( i )} = ∑ ∑ x(k ) z −i = x(0) + [ x(0) + x(1)] z −1 + [ x(0) + x(1) + x(2)] z −2 ...
i =0 k =0
( ) (
= x(0) ⋅ 1 + z + z −2 + ... + x(1) ⋅ z −1 ⋅ 1 + z -1 + z −2 + ... + ...
-1
)
( ) 1
1 − z −1 ( )
= 1 + z -1 + z −2 + ... ⋅ x(0) + x(1) ⋅ z −1 + x(2) ⋅ z −2 + ... = X z
7. Teorema sumei
∞
(5.37) ∑ x ( k ) = lim X ( z )
k =0 z →1
{
(5.38) Z e ± aiTe ⋅ x ( iTe ) = X z ⋅ e∓ aTe } ( )
Demonstraţie:
−i
{ } ( ) ( )
∞ ∞
Z e± aiTe x ( iTe ) = ∑ e± aiTe x ( iTe ) z −i = ∑ x(iTe ) ze∓ aTe = X ze∓ aTe
i =0 i =0
128
5. Semnale eşantionate
Pe de altă parte:
∞
(5.41) Z{iTe ⋅ x ( iTe )} = ∑ iTe ⋅ x ( iTe ) ⋅ z −i
i =0
x1 ( k ) ⊗ x2 ( k ) ≡ x1 ( k ) * x2 ( k ) =
(5.42) k k
= ∑ x1 ( i ) ⋅ x2 ( k − i ) = ∑ x1 ( k − i ) ⋅ x2 ( i )
i =0 i =0
∞ ∞
X1 ( z ) ⋅ X 2 ( z ) = ∑ x1 ( k ) ⋅ z − k ⋅ ∑ x2 (k ) ⋅ z − k =
k =0 k =0
= x1 (0) + x1 (1) z −1 + x1 (2) z −2 + ... ⋅
(5.44) ⋅ x2 (0) + x2 (1) z −1 + x2 (2) z −2 + ... =
= x1 (0) ⋅ x2 (0) + [ x1 (0) ⋅ x2 (1) + x1 (1) ⋅ x2 (0)] ⋅ z −1 +
+ [ x1 (0) ⋅ x2 (2) + x1 (1) ⋅ x2 (1) + x1 (2) ⋅ x2 (0)] ⋅ z −2 + ...
129
Semnale, circuite şi sisteme. Partea I: Semnale
(5.46) X1 ( z ) ⋅ X 2 ( z )=Z{ x1 ( k ) ⊗ x2 (k )}
1 z du
X1 ( z ) ⊗ X 2 ( z ) ≡ X1 ( z ) * X 2 ( z ) = ⋅ ∫ X 1 ⋅ X 2 (u ) =
2π j C u u
(5.47)
1 z du
= ⋅ ∫ X1 (u ) ⋅ X 2
2π j C u u
Vom demonstra că:
(5.48) Z-1 { X1 ( z ) ⊗ X 2 ( z )} = x1 ( k ) ⋅ x2 (k ) ,
130
5. Semnale eşantionate
Te ⋅ z −1
(5.51) R ( z ) = Z{r ( k )} = 0 + Te ⋅ z −1 + 2Te ⋅ z −2 + ... =
(1 − z ) −1 2
e(k ),e(t )
r (k ),r (t )
r (t ) = t
3Te e − at
2Te
Te
e − aTe e − a2Te e − a3Te
0 Te 2Te 3Te t 0 Te 2Te 3Te 4Te t
0 1 2 3 k 0 1 2 3 4 k
Fig. 5.20 Rampa unitară Fig. 5.21 Funcţia exponenţială
131
Semnale, circuite şi sisteme. Partea I: Semnale
∞
(5.53) x* ( t ) = x ( t ) ⋅ δTe ( t ) = x ( t ) ⋅ ∑ δ ( t − kTe ) ,
k =0
{ } ∞
k =0
(5.54) L x* ( t ) ≡ X * ( s ) = X ( s ) * L ∑ δ ( t − kTe )
Dar:
∞ 1
(5.55) L ∑ δ ( t − kTe ) = 1 + 1 ⋅ e − sTe + 1 ⋅ e− s⋅2Te + ... = ,
k =0 1 − e − sTe
atunci convoluţia imaginilor din (5.54) devine:
1 1 c + j∞ 1
(5.56) X * (s) = X (s) * 2π j ∫ X ( u ) ⋅
= −Te ( s −u )
du
1 − e − sTe c − j∞ 1− e
Folosind relaţia (5.19), se calculează transformata Z:
c + j∞
1 1
(5.57) X ( z) = X * (s) = ∫ X (u ) ⋅ du
e sTe =z 2π j c − j ∞ 1− e uTe −1
z
Exemplul 5.1:
Fie semnalul x ( t ) reprezentat în fig. 5.23 şi definit prin:
1 − e − at pentru t ≥ 0
(5.59) x (t ) =
0 pentru t < 0
132
5. Semnale eşantionate
x(t )
1
a
= ⋅
1
+
a
⋅
1
=
z −1 ⋅ 1 − e − aTe ( )
a 1 − 1 ⋅ z −1 − a 1 − e − aTe ⋅ z −1 (
1 − z −1 ⋅ 1 − e − aTe z −1 )( )
5.7. Calculul transformatei Z inverse
Se pot utiliza trei metode:
• calculul direct, folosind relaţia de definiţie (5.25);
• metoda seriei de puteri;
• descompunerea funcţiei X(z) în elemente simple.
1. Calculul direct
1
(5.60) x ( k ) = Z−1 { X ( z )} = ∫ X (z) z
k −1
dz = ∑ Rez X ( z ) z
k −1
2π j polii lui
X ( z ) z −1
Exemplul 5.2:
Fie:
0.25z
(5.61) X (z) =
( z − 0.5)( z − 0.3)
Polii funcţiei X(z) sunt z1 = 0.5 şi z2 = 0.3 . Deci:
0.25 z
x ( k ) = ∑ Rez ⋅ z k −1
z1 = 0,5 ( z − 0.5 )( z − 0.3)
z2 = 0,4
133
Semnale, circuite şi sisteme. Partea I: Semnale
sau x ( k ) =
0.25
0.5 − 0.3
⋅ 0.5k +
0.25
0.3 − 0.5
( )
⋅ 0.3k = 1.25 0.5k − 0.3k . Se obţine şirul
___
unde pi şi ri , i = 1, n , sunt polii şi, respectiv, reziduurile. Notăm ai şi bi ,
___
i = 1, n , coeficienţii polinoamelor A ( s ) şi respectiv B ( s ) . Atunci un program
Matlab de forma:
num=[bn bn-1 … b1];
den=[an an-1 … a1];
[r, p, k]=residue(num, den)
permite determinarea vectorilor r şi p , ce conţin reziduurile şi polii, precum
şi a coeficientului k din expresia (5.63).
Pentru exemplul considerat, funcţia B ( s ) A ( s ) este:
2z 2 − 2.3z + 0.5
X ( z ) ⋅ z −1 = ,
z 3 − 2.3z 2 + 1.7z − 0.4
deci comenzile Matlab sunt:
num=[2 –2.3 0.5]
den = [1 -2.3 1.7 -0.4]
[r, p, k]=residue(num, den)
Vectorii r şi p obţinuţi sunt:
2 1
r = 1 ; p = 0.8 ;
−1 0.5
134
5. Semnale eşantionate
b0 + b1 z −1 + ... + bn z − n
X ( z) =
1 + a1 z −1 + ... + an z − n
Se realizează dezvoltarea în serie de puteri a acestei funcţii, împărţind
numărătorul la numitor. Rezultă:
X ( z ) = α 0 + α1 z −1 + α 2 z −2 + ...
Exemplul 5.4:
Se consideră funcţia X(z) dată prin (5.61). Ea se poate scrie sub forma:
0.25z 0.25z −1
X ( z) = =
z 2 − 0.8z + 0.15 1 − 0.8z −1 + 0.15z −2
Împărţind numărătorul la numitor se obţine seria de puteri:
E x e m p l u l 5 . 5 : aplicaţie în Matlab
Pentru funcţia X ( z ) de forma (5.62) se foloseşte programul Matlab
următor, care realizează operaţia iterativă de împărţire a polinoamelor.
clear all;
num=[2 -2.3 0.5 0];
den=[1 -2.3 1.7 -0.4];
for k=1:5,
[q,r]=deconv(num,den);
num=conv(r,[1 0]);
v(k)=q(k);
end;
Programul calculează în vectorul v primele 5 valori ale variabilei x ( k ) şi
generează rezultatele următoare: { x} = 2 2.3 2.39 2.387 2.3471 .
135
Semnale, circuite şi sisteme. Partea I: Semnale
Se calculează coeficienţii C1 şi C2 :
0.25z −1 0.25 z −1
C1 = = 1.25 ; C2 = = −1.25
1 − 0.3z −1 z =0,5
1 − 0.5 z −1 z =0.3
1.25 1.25
Deci X ( z ) = − . Transformata Z inversă a funcţiei simple
1 − 0.5z −1 1 − 0.3z −1
C
F (z) = −1
este f ( k ) = Z−1 { F ( z )} = C ⋅ r k . Rezultă:
1− r ⋅ z
1.25
x ( k ) = Z−1
1 − 0.5z −1
−
1.25 k
= 1.25 ⋅ 0.5 − 0.3
1 − 0.3z −1
k
( )
şi { x ( k )}k =0,1,2... = 0; 0.25; 0.2; 0.1225;...
E x e m p l u l 5 . 7 : aplicaţie în Matlab
Fie X ( z ) de forma (5.62). Dacă se foloseşte variabila z −1 , atunci această
funcţie devine:
2 − 2.3z −1 + 0.52z −2
( )
X z −1 =
1 − 2.3z −1 + 1.7z −2 − 0.4z −3
Să considerăm z −1 = u şi să dezvoltăm X ( u ) în elemente simple, cu
ajutorul funcţiei Matlab residue. Comenzile Matlab sunt:
num=[0.5 –2.3 2 ];
den=[-0.4 1.7 -2.3 1];
[r, p, k]=residue(num, den)
Vectorii r şi p obţinuţi sunt:
2 2
r = −1.25 ; p = 1.25
−2 1
136
5. Semnale eşantionate
( )
şi funcţia X z −1 = X ( u ) devine X z −1 = ( ) z −1
2
−2
+
z
−1.25
−1
+
−2
− 1.25 1 − z −1
sau:
X (z ) = −
−1 1 1 −2
−1
+ +
1 − 0.5z 1 − 0.8z −1 1 − z −1
Transformata Z inversă este:
x ( k ) = ( −1) ⋅ 0.5k + 1 ⋅ ( 0.8 ) + 2 ⋅ (1) ,
k k
unde:
2π
(5.67) ω0 = ,
τ
1τ 1τ 1∞
(5.68) Ai = ∫ xτ ( t ) ⋅ e − jiω0t dt = ∫ x ( t ) e − jiω 0 t dt = ∫ x ( t ) e− jiω 0 t dt ,
τ 0 τ 0 τ −∞
1
(5.69) Ai = X ( iω0 )
τ
şi expresia (5.66) devine:
1 ∞
xτ ( t ) = ∑ X ( iω0 ) ⋅ e 0
jiω t
(5.70)
τ i =−∞
137
Semnale, circuite şi sisteme. Partea I: Semnale
1 ∞
⋅ ∑ X ( iω0 ) ⋅ e 0 , 0 ≤ t ≤ τ
jiω t
(5.71) x ( t ) = τ i =−∞
0, în rest
x(t )
1 X (ω ) ,ϕ (ω )
Transformata
X (ω )
Fourier
t ω
0 τ -ω M ωM
ϕ (ω )
a) c)
1
1τ Ai = X (iω 0 )
τ
xτ (t )
ω
Seria Fourier
complexă −ω M ω 0 ω M = (N − 1)ω 0
…
ϕ (i ) = argX (iω 0 )
t
iω 0 ω
0 τ 2τ … −ω M
ω0
b) d) ω M = (N − 1)ω 0
138
5. Semnale eşantionate
Se obţine:
N −1 N −1
(5.75) X (ω ) = ∑ x ( kT ) ⋅ e − jω kTe ⋅ Te = Te ⋅ ∑ x ( k ) ⋅ e− jω kTe
k =0 k =0
(5.77) 2ωM = N ⋅ ω0
Folosind (5.67), (5.74) şi (5.77), relaţia (5.76) devine:
2π
N −1 N −1 − ji kTe
X *
( iω0 ) ≡ X ( i ) = ∑ x ( k ) ⋅ e
* − jiω0 kTe
= ∑ x(k ) ⋅ e τ =
k =0 k =0
2π 2π
N −1 − ji kTe N −1 − jik
= ∑ x(k ) ⋅ e NTe
= ∑ x(k ) ⋅ e N , i = 0, N − 1
k =0 k =0
Deci:
2π
N −1 − jik
(5.78) X * (i ) = ∑ x ( k ) ⋅ e N , i = 0,1, 2,... N − 1
k =0
1 ∞ jiω t Te
N −1
⋅ ∑ X ( iω0 ) e 0 = ⋅ ∑ X ( iω0 ) e 0 ,
* jiω t
0 ≤ t ≤τ
(5.79) x( t ) = τ i=−∞ τ i=0
0, în rest
În relaţia (5.79) se discretizează timpul t cu pasul Te , punând t = k ⋅ Te ,
unde valorile lui k corespund intervalului [ 0,τ ] : k=0,1,2,...,N-1. Rezultă:
2π
2π ji kTe
T N −1 1 N −1
x ( kTe ) ≡ x ( k ) = e ⋅ ∑ X * ( iω0 ) τ e = ⋅ ∑ X * ( i ) ⋅ e NTe ,
ji kT
NTe i=0 N i=0
k = 0,1,…N −1
sau:
2π
1 N −1 * jki
(5.80) x(k ) = ⋅ ∑ X (i ) ⋅ e N , k = 0,1,… N − 1
N i =0
139
Semnale, circuite şi sisteme. Partea I: Semnale
Fie:
2π
j
(5.81) u = e N
2π
numărul complex de modul unitar şi de argument , reprezentat ca vector, şi
N
u i , k = 0,1,… N -1 , steaua simetrică a vectorilor de modul unitar (fig. 5.25).
Relaţiile (5.78) şi (5.80) devin respectiv:
Im
ui
2π
i u2
N
−1 u1 Re
u N −1
i
Fig. 5.25 Steaua vectorilor unitari u , i = 0, N − 1
2π
N −1 − jik
(5.82) X *
( i ) = Fd { x(i)} = ∑ x ( k ) ⋅ e N , i = 0, N − 1
k =0
{
(5.83) x ( k ) = Fd−1 X * (k ) = } 1 N −1 *
⋅ ∑ X ( i ) uik ,
N i =0
k = 0, N − 1
140
5. Semnale eşantionate
(5.85) X * ( i ) = N ⋅ Ai
xτ (k )
x(k )
a) … …
k
2τ t
Te kTe τ = NTe
X * (i )
X * (i ) = N Ai
b)
… …
i
Nω 0 =
ω0 iω 0
= ω e = 2π Te
141
Semnale, circuite şi sisteme. Partea I: Semnale
Observaţie:
Legătura dintre transformata Z şi transformata Fourier discretă permite
transferarea înspre transformata Fourier discretă a celor mai multe dintre
proprietăţile transformatei Z. Astfel, definind produsul de convoluţie ciclic al
semnalelor discrete x1(k) şi x2(k), k = 0, N − 1 :
N −1
(5.88) x(k ) = x1 (k ) ⊗ x2 ( k ) = ∑ x1 (i ) ⋅ x2 (k − 1), k = 0, N − 1 ,
i =0
se obţine:
{ }
(5.91) Fd−1 X * (k ) = x1 (k ) ⋅ x2 (k )
142
5. Semnale eşantionate
unde:
C = X ( 0 ) ; C =
* 2 Re X * ( i )
=
{ }
2Re {spc ( i + 1)}
0 i
N N N
(5.93) i = 1,N/2
Si =
*
{
2Imag X ( i )
=
}
2Imag {spc ( i + 1)}
; i = 1,N/2
N N
Cum ω0 = 2π / T = 2π / NTe , rezultă:
N 2
(5.94) xT ( nTe ) = C0 + ∑ Ci cos ( 2π in / N ) + Si sin ( 2π in / N )
i =1
Observaţii:
1) În fig. 5.26, b) componentele X * (1) , X * ( 2 ) ,… X * ( N − 1) ,
corespunzătoare, respectiv, valorilor spc ( 2 ) , spc ( 3) ,… spc ( N ) , sunt
simetrice – excepţie făcând X * ( 0 ) ≡ spc (1) , care este valoarea medie a
semnalului – adică: X * (1) = X * ( N − 1) ; X * ( 2 ) = X * ( N − 2 ) ;… Deci sunt
necesare numai componentele X * ( i ) , i = 0, N / 2 , pentru a cunoaşte modelul
spectral al semnalului.
2) Conform relaţiei (5.85), avem Ai = X * ( i ) / N , de unde se obţine
143
Semnale, circuite şi sisteme. Partea I: Semnale
144
5. Semnale eşantionate
2.5
a) 0
-1
-2.5
0 10 20 30 40 50 60 70
1.5 0
-0.5
-1
1
b) -1.5 c)
2
0.5 2.5
3
3.5
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Fig. 5.27 Analiza spectrală a unui semnal (exemplul 5.8)
π
x ( t ) = 0.2 + 1 ⋅ cos ( Ωt − π ) + 0.5cos 2Ωt − =
2
= A0 + A1cos ( Ωt + ϕ1 ) + A2 cos ( 2Ωt + ϕ2 )
145
Semnale, circuite şi sisteme. Partea I: Semnale
Exemplul 5.9:
Fie:
T ( 2T1 ) , 0 ≤ t ≤ T1
(5.97) x (t ) =
0, în rest
a)
b)
c)
(5.98) (
X * (k ) = X e jkδ ,) k = 0, N − 1
146
5. Semnale eşantionate
(5.99) z ( k ) = x( k ) + j x( k ) ,
să aibă transformata în z pe cercul unitar de forma:
0, −π ≤ θ ≤ 0
jθ
(5.100) Z (e ) = X (1), θ =0
jθ
2 X (e ), 0 < θ ≤ π
(5.101) Z (e jθ ) = X (e jθ ) + j X (e jθ )
jX (e jθ ), −π ≤ θ ≤ 0
jθ jθ jθ
(5.102) X (e ) = 0, θ =0 = T (e ) ⋅ X (e ) ,
jθ
− jX (e ), 0 < θ ≤ π
unde:
(5.103) T (e jθ ) = − jsign(θ )
Vom calcula semnalul discret t (k ) , a cărui transformată Z, pentru
z = e jθ , are forma (5.103). Pentru aceasta, în formula de definiţie a
transformatei în z inverse, (5.25), punem z = e jθ . Vom avea dz = je jθ dθ , iar
integrala pe cercul C se va transforma într-o integrală în raport cu θ, cu
limitele 0 şi 2π. Deci:
1 2π 1 2π
t (k ) = ⋅ ∫ T (e jθ ) ⋅ e( k −1) jθ ⋅ je jθ dθ = ⋅ ∫ (− jsignθ ) ⋅ je jkθ dθ =
2π j 0 2π j 0
,
1 2π
= ⋅ ∫ ( cos(kθ ) ⋅ signθ + j sin(kθ ) ⋅ signθ ) dθ
2π j 0
sau, având în vedere că primul termen de sub integrală este funcţie impară, iar
al doilea este funcţie pară, rezultă:
1 2π 1
(5.104) t (k ) = ⋅ ∫ sin(kθ )dθ = ⋅ (1 − cos(kπ ) ) , k = 1, 2,...
π 0 kπ
147
Semnale, circuite şi sisteme. Partea I: Semnale
*
X (k ) = T * (k ) ⋅ X * (k )
Aplicând aici transformata Fourier discretă inversă şi ţinând cont de relaţia
(5.89), se obţine expresia transformatei Hilbert discrete a semnalului x(k ) :
x(k ) = t (k ) ⊗ x(k )
Se observă că, la fel ca în cazul semnalelor cu timp continuu (vezi relaţia
(3.91)), transformata Hilbert a semnalului x(k ) se exprimă prin convoluţia lui
x(k ) cu semnalul dependent de inversul timpului discret, adică t (k ) = 2 (kπ ) .
-1
-2
-3
0 10 20 30 40 50 60
Fig. 5.29 Transformata Hilbert a semnalului din fig. 5.27
148
5. Semnale eşantionate
clear all;
T0=3.2;T=2*T0;Te=0.1;N=T/Te;om=2*pi/T0;
figure(1);stem(ind,x);grid;axis([0 64 -3 3]);pause;
hil=hilbert(x);
hil=imag(hil);
figure(2);stem(ind(1:N),hil(1:N));
grid;axis([0 64 -3 3]);pause;
x1=-hilbert(hil);
x1=imag(x1);
figure(3);stem(ind(1:N),x1(1:N));
grid;axis([0 64 -3 3]);pause;
149
Semnale, circuite şi sisteme. Partea I: Semnale
150
Capitolul 6
SEMNALE ALEATOARE
6.1. Noţiunea de semnal aleator
Un semnal aleator este un proces a cărui evoluţie în timp este supusă
legilor probabilistice. Pentru a caracteriza proprietăţile statistice ale semnalelor
aleatoare trebuie să introducem noţiunile de funcţie de repartiţie şi densitate de
probabilitate.
Fie N realizări ale unui semnal aleator (fig. 6.1). Presupunem că printre
acestea, sunt un număr de n1 realizări care au la momentul t1 valori inferioare
sau egale cu x1. Funcţia repartiţie de ordinul întâi se defineşte ca:
n1
(6.1) F1 ( x1 , t1 ) = prob { x ( t1 ) ≤ x1} = lim
N →∞ N
t
1
t
2
t
N
τ t2
t1
151
Semnale, circuite şi sisteme. Partea I: Semnale
∂ n Fn ( x1 , t1;...xn , tn )
(6.6) ρ n ( x1 , t1;...xn , tn ) =
∂x1...∂xn
Observaţii:
Procesele aleatoare pure nu se întâlnesc niciodată în realitate. Semnalele
aleatoare reale pot fi considerate ca fiind procese Markov simple.
Parametrii unui proces aleator pur se calculează plecând de la densitatea
de probabilitate de ordinul întâi. Aceştia sunt:
Valoarea medie (moment de ordinul întâi)
x ( t1 ) = E { x ( t1 )} = ∫−∞ x1 p1 ( x1 , t1 ) dx1
∞
(6.10)
152
6. Semnale aleatoare
(6.11) σ x2 ( t1 ) = E { x (t ) − x (t ) } = E {x (t )} − x (t )
1 1
2 2
1
2
1
(6.15) ρ 2 ( x1 , t1; x2 , t2 ) = ρ 2 ( x1 , x2 ,τ ) ,
(6.16) τ = t2 − t1
În acest caz, relaţiile (6.10)..(6.13) devin:
∞
(6.17) x = ∫ x ρ1 ( x ) dx
−∞
(6.18) σ x2 = x 2 − x 2
∞ ∞
(6.19) Rxx (τ ) = ∫ ∫ x1 x2 ρ 2 ( x1 , x2 ,τ ) dx1dx2
−∞ −∞
∞ ∞
(6.20) Rxy (τ ) = ∫ ∫ xy ρ 2 ( x, y,τ ) dxdy
−∞ −∞
Observaţie:
Semnalele ale căror proprietăţi sunt complet descrise de momentele de
153
Semnale, circuite şi sisteme. Partea I: Semnale
ordinul unu şi doi se numesc „staţionare în sens larg”, sau „staţionare până la
ordinul doi”. Relaţiile (6.14) şi (6.15) definesc procesele aleatoare „staţionare
în sens strict”. Procesele staţionare în sens strict sunt şi staţionare în sens larg.
Reciproca nu este întotdeauna valabilă.
3. Modalitatea de calcul a valorii medii
După acest criteriu de clasificare putem considera:
A. Procese aleatoare generale, pentru care valorile medii sunt
determinate pe întregul set de date, utilizând relaţiile (6.10), (6.12) şi (6.13),
sau, pentru procese staţionare, relaţiile (6.17), (6.19) şi (6.20).
B. Procese ergodice, atunci când valorile medii statistice sunt egale cu
valorile medii temporale.
În cazul proceselor ergodice sunt valabile relaţiile:
∞ 1 T
(6.21) x = ∫ x ρ1 ( x ) dx = x = lim ∫ x ( t ) dt
−∞ T →∞ 2T −T
2
(6.22) σ x2 = x 2 − x 2 = x 2 − x
ergodice
staţionare în
sens strict
staţîonare în
sens larg
stochastice
Rxx (τ ) = x ( t ) ⋅ x ( t + τ ) = x ( t ) x ( t + τ ) =
(6.23) 1 T
= lim ∫ x ( t ) x ( t + τ ) dt
t →∞ 2T −T
Rxy (τ ) = x ( t ) ⋅ y ( t + τ ) = x ( t ) y ( t + τ ) =
(6.24) 1 T
= lim ∫−T x ( t ) y ( t + τ ) dt
t →∞ 2T
Clasificarea proceselor aleatoare este reprezentată în fig. 6.2.
154
6. Semnale aleatoare
1 T
(6.25) Rxx (τ ) = lim ∫ x ( t ) x ( t + τ ) dt
T →∞ 2T −T
Proprietăţile acestei funcţii (fig. 6.3) sunt următoarele:
1) Funcţia de autocorelaţie este pară: Rxx ( −τ ) = Rxx (τ ) ;
2) Este valabilă relaţia:
(6.26) lim Rxx (τ ) = 0
τ →∞
(6.27) Rxx ( 0 ) = x 2 = σ x2 + x 2
R xx (τ )
Observaţie:
Dacă x = 0 , atunci Rxx(τ) este numită funcţie de autocovarianţă, sau
funcţie de covarianţă.
B. Caracteristica în domeniul frecvenţă a unui semnal aleator este funcţia
de densitate spectrală a puterii, Sxx(ω), definită prin relaţia:
1 2
(6.28) S xx (ω ) = lim X T (ω ) ,
T →∞ 2T
unde XT(ω) este transformata Fourier a semnalului xT(t). Acesta este o „parte”
din procesul aleator, văzut prin fereastra de timp [-T,T] (fig. 6.4).
xT (t )
x(t )
T t
−T 0
fereastră de timp
155
Semnale, circuite şi sisteme. Partea I: Semnale
(6.29) lim S xx (ω ) = 0 ,
ω →∞
(6.32) Rxx (τ ) = F −1 {S xx (ω )}
1 ∞
Rxx (τ ) = ∫ S xx (ω ) ⋅ e dω =
jωτ
2π −∞
(6.34)
1 ∞ 1∞
= ∫ S xx (ω )( cosωτ + jsinωτ ) dω = ∫ S xx (ω ) cosωτ dω
2π −∞ π0
R xx (τ ) S xx (ω )
F
τ ω
a) b)
Fig. 6.5 Caracteristicile unui zgomot alb
Fie x(t) un semnal aleator pur. Funcţia de corelaţie are forma unui impuls
delta (fig. 6.5, a)) şi densitatea spectrală de putere este constantă, deci ea
156
6. Semnale aleatoare
conţine componente pentru toate frecvenţele (fig. 6.5, b)). Acest semnal, care
nu este întâlnit în natură (este de putere infită), se numeşte „zgomot alb”.
Semnalele reale se numesc „colorate” şi au forme diferite pentru funcţiile
de corelaţie şi cea de densitate spectrală de putere (fig. 6.6 şi 6.7). Cât timp un
semnal are o funcţie de corelaţie îngustă, banda de densitate spectrală a puterii
este largă (fig. 6.6) şi în acest caz semnalul este mai apropiat de zgomotul alb.
Dacă funcţia de corelaţie este largă, banda spectrală a semnalului este îngustă
(fig. 6.7) şi semnalul este mai apropiat de un semnal periodic (determinist).
R xx (τ ) S xx (ω )
F
τ ω
R xx (τ ) S xx (ω )
F
τ ω
E x e m p l u l 6 . 1 : aplicaţie în Matlab
Este ilustrat calculul numeric al caracteristicilor statistice ale unui proces
aleator. Acesta este conţinut într-un fişier de date, achiziţionate cu perioada de
eşantionare Te , pe o durată D. Numărul datelor din fişier este N = D Te .
15
ve (t ) Evoluţia în timp a
semnalului ve (t )
10
0 t
0 50 100 150 200 250 300 350 400 450 500
157
Semnale, circuite şi sisteme. Partea I: Semnale
0.7
Ve ( jω ) Spectrul
0.6 semnalului
ve (t )
0.5
0.4
0.3
0.2
0.1
f
0 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Fig. 6.10 Spectrul semnalului (exemplul 6.1)
clear all;clc;clg;
% durata înregistrării şi parametrii de eşantionare
D=512;Te=1;N=D/Te;fe=1/Te;
df=fe/(2*N);
f=0:df:df*(N-1);
158
6. Semnale aleatoare
159
Semnale, circuite şi sisteme. Partea I: Semnale
figure(4);
plot(tfd);
title('TFD a semnalului');axis([0 256 0 150]);grid;
%calculul spectrului de amplitudini şi reprezentarea lui grafică
spc=tfd(1:N)/(N/2);
figure(5);
plot(f,spc);title('Spectrul semnalului');grid;
0.5
0
τ
-0.5
-100 -80 -60 -40 -20 0 20 40 60 80 100
160
6. Semnale aleatoare
100 f
10-1
10-2
10-3
10-2 10-1
Fig. 6.12 Densitatea spectrală de putere calculată pe baza
teoremei Wiener -Hincin (exemplul 6.1)
102 Svv ( f )
DSPP
a semnalului -
101 - DR + WH
100 f
10-1
10-2
10-3
10-2 10-1
Fig. 6.13 Densitatea spectrală de putere calculată
pe baza TFD a semnalului aleator (exemplul 6.1)
-13
x 10
2.5 Diferenta între DSPP
2 calculate prin cele
două metode
1.5
1
0.5
0
f
-0.5
-1
-1.5
-2
0 50 100 150 200 250 300 350 400 450 500
Fig. 6.14 Diferenţa dintre densităţile spectrale calculate
pe baza celor 2 metode (exemplul 6.1)
161
Semnale, circuite şi sisteme. Partea I: Semnale
Exemplul 6.2:
Se consideră variabila w din programul Matlab prezentat în exemplul
anterior. Ea este generată prin funcţia Matlab randn ca fiind un zgomot
pseudo-aleator „alb”, cu distribuţie normală, de medie nulă şi dispersie unitară.
Se consideră că fisierul w ar reprezenta un semnal aleator, achiziţionat cu
perioada de eşantionare Te. Pe baza unui program similar celui anterior, se vor
determina caracteristicile statistice ale acestui semnal.
Evoluţia variabilei w este prezentată în fig. 6.15. Se constată că, în
comparaţie cu zgomotul colorat din fig. 6.8, evoluţia acestei variabile este mult
mai „agitată”.
5
w(t )
4
3
2
1
0
-1
-2
-3
-4
t
0 50 100 150 200 250 300 350 400 450 500
Fig. 6.15 Zgomotul pseudo-aleator w (exemplul 6.2)
Funcţia de
1 Rww (τ )
autocorelaţie
0.8
0.6
0.4
0.2
0
τ
-100 -80 -60 -40 -20 0 20 40 60 80 100
162
6. Semnale aleatoare
τ
−Te 0 Te
Fig. 6.17 Funcţia de autocorelaţie prezentată
ca un impuls real (exemplul 6.2)
163
Semnale, circuite şi sisteme. Partea I: Semnale
ωT
(6.35) S ww (ω ) = F {Rww (τ )} = σ 2 ⋅ Te ⋅ sinc 2 e
2
ω ω ωT
• pentru domeniul − e , + e se poate considera sinc2 e ≅ 1 ,
2 2 2
deci:
(6.36) S ww (ω ) ≅ σ 2 ⋅ Te
ω ω
• puterea semnalului în banda − e , + e , unde densitatea spectrală
2 2
de putere are valoarea S ww (ω ) ≅ σ 2 ⋅ Te , este:
ωe
1 ∞ 1 2 2 1 2 2
(6.37) P = ∫ S ww (ω )dω = ∫ ωe σ Te dω = ωeσ Te = σ
2π −∞ 2π − 2π
2
102 DSPP a
S ww ( f )
Semnalului-
101 WH - ssp
100
10-1 f
10-2
10-3
10-2 10-1
Fig. 6.18 Caracteristica densităţii spectrale de putere, dedusă prin
prelucrarea numerică a datelor (exemplul 6.2)
164
6. Semnale aleatoare
1
S ww ( f )
0.9
0.8
0.7 Te = 1
0.6
0.5
0.4
Te = 0.5
0.3
0.2
0.1
f
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Fig. 6.19 Densitatea spectrală de putere, calculată cu relaţia (6.35),
reprezentată în scări liniare (exemplul 6.2)
165
Semnale, circuite şi sisteme. Partea I: Semnale
axis([0 2 0 1]);
figure(31);
loglog(f,Svv);title('DSPP teoretica a semnalului ');
grid;hold on;
axis([0.005 5 5*10^(-3) 10]);
end
101
S ww ( f ) DSPP teoretică
a semnalului
f
100 Te = 1
Te = 0.5
10-1
10-2
166
Capitolul 7
167
Semnale, circuite şi sisteme. Partea I: Semnale
(t2, f2)
(t3, f3)
(t1, f1)
2π
∆t
∆t
fi
ti tf t
168
7. Analiza timp – frecvenţă
Trebuie să notăm că funcţia f este fie finită în timp, fie trebuie să fie
T T
considerată nulă în afara unui interval finit − , , astfel încât relaţia de
2 2
mai sus să poată fi scrisă:
T
2
F { x} = ∫ x ( t ) e − j 2π ft dt
−T
2
Pentru a aproxima funcţia considerăm intervalul de integrare divizat în N
subintervale de lungime ∆t = T N , delimitate de punctele
N N
tn = n ⋅ ∆t , n = − : . Considerând integrandul:
2 2
g ( t ) = x ( t ) ⋅ e − j 2π ft
În acest caz, F { x ( t )} poate fi evaluată pentru orice valori ale lui f, însă
este dorită aproximarea ei la anumite valori discrete ale lui f. Trebuie stabilite
169
Semnale, circuite şi sisteme. Partea I: Semnale
câte şi care sunt aceste valori. Deoarece N valori ale funcţiei x ( tn ) sunt
utilizate pentru a aproxima F ( jω ) = F ( j 2π f ) =F { x ( t )} , alegem tot N
valori discrete ale lui f pentru aproximarea caracteristicii spectrale.
Pentru determinarea frecvenţelor care vor fi utilizate, vom reaminti mai
T T
întâi faptul că domeniul temporal în care lucrăm − , este împărţit în
2 2
intervale de lungime ∆t, determinate de punctele tn = n ⋅ ∆t . Asociat
Φ Φ
domeniului temporal, domeniul frecvenţial − , este împărţit în N
2 2
intervale egale de dimensiune ∆f determinate de punctele f k = k ⋅ ∆f .
Problema care se pune este determinarea unor relaţii de legătură între ∆t, ∆f, T
şi Φ.
Domeniul temporal Domeniul frecvenţial
∆t ∆f
170
7. Analiza timp – frecvenţă
-1 0 0.001 0.02t(s)
dt conţinutul ferestrei temporale
multiplicare cu o fereastră
unitară multiplicare cu o fereastră
gaussiană
F F
GCT
171
Semnale, circuite şi sisteme. Partea I: Semnale
(7.4) ( Gg f ) ( t , f ) ∫ f (τ ) g (τ − t ) e
−2π jf τ
dτ
– fereastra triunghiulară:
amplitudine
1
timp
-τ 0 τ
Fig. 7.5 Fereastră triunghiulară
t
T + 1, t < 0 ωt
gtr ( t ) = ; F { gtr } = τ ⋅ sinc 2
− t + 1, t > 0 2
T
– fereastra gaussiană:
ω2
−α t 2 π − 4α
gG ( t ) = A ⋅ e ; F { gG } = A ⋅e
α
– fereastra Hamming şi Hanning:
172
7. Analiza timp – frecvenţă
t
g H ( t ) = α + (1 − α ) ⋅ cos 2π ,
T
unde T este dimensiunea ferestrei temporale. Pentru fereastra Hamming
α = 0.54 , iar pentru fereastra Hanning α = 0.5 .
amplitudine
1
b
c
timp
0 1
∫F
−1
{Gg f } ( t , f ) ⋅ g (τ − t ) dτ = ∫ f ( t ) g (τ − t ) g (τ − t ) dτ =
2 2
= ∫ f ( t ) g (τ − t ) dτ = f ( t ) ∫ g (τ − t ) dτ = f ( t ) ⋅ g
2
astfel încât:
{ }
f ( t ) = C −1 ∫ F −1 Gg f ⋅ g (τ − t ) dτ =
(7.5)
{ }
= C −1 ∫ ∫ F −1 Gg f e j 2πγτ g (τ − t ) dγ dτ
2
unde C g .
Proprietăţile TGC sunt aceleaşi ca ale transformatei Fourier.
7.5. Undine
Noţiunea de undină
O „undină” (adică, „undă mică”) este o funcţie care satisface următoarele
condiţii în domeniul timp:
• prezintă o creştere bruscă şi finită a energiei;
• prezintă oscilaţii.
173
Semnale, circuite şi sisteme. Partea I: Semnale
Prima condiţie este cea care face undina „mică”, în sensul că este bine
localizată în timp, în timp ce a doua condiţie determină caracterul de „undă” al
undinei.
Pentru simplificarea notaţiilor, introducem operatorii de:
translaţie:
τ a : L2 ( R ) → L2 ( R ) , (τ a f ) ( t ) f ( t − a ) şi F {τ a f } = e − j 2π af ⋅ F { f }
şi dilataţie:
1
Ds : L2 ( R ) → L2 ( R ) , cu ( Ds f ) ( t ) s 2 ⋅ f ( st ) şi F { Ds f } = Ds −1F { f }
Astfel, dacă s < 1 atunci Ds f este o contracţie a lui f, iar dacă s > 1 ,
Ds f este o dilatare a lui f.
Dacă g este o undină, atunci setul de funcţii {τ t Ds g } , alcătuit din toate
dilatările (pentru s ≠ 0 ) şi translaţiile (în domeniul t) funcţiei g, reprezintă o
familie de undine. Undina care generează familia de undine se numeşte
undină – mamă. Parametrul s reprezintă „scala”, iar t reprezintă „translaţia”.
2 30
1 20
0 10
-1 0
0 1 2 3 0 100 200 300 400 500
2 30
1 20
0 10
-1 0
0 1 2 3 0 100 200 300 400 500
2 30
1 20
0 10
-1 0
0 1 2 3 0 100 200 300 400 500
timp (s) frecvenţă (Hz)
Fig. 7.7 Dilataţiile unei undine mamă şi spectrele de amplitudini ale acestora
174
7. Analiza timp – frecvenţă
Exemple de undine
Undina Haar
Undinele Haar sunt un exemplu de familie de undine des utilizat care
conduc la o bază ortonormată, atunci când familia de undine este restrânsă la
translaţii întregi şi dilataţii executate utilizând puteri ale lui 2.
Undina Haar este definită ca:
(7.6) g Haar = 1( −1 2,0] − 1( 0,1 2] ,
0 t
-1
0 0.5 1
Undina Shannon
1
0.5
-0.5
- 1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
sinc
1.5
0.5
00 10 20 30 40 50 60
Fig. 7.9 Funcţia sinc şi spectrul de amplitudini al acesteia
175
Semnale, circuite şi sisteme. Partea I: Semnale
-0.4
0 0.5 1
Fig. 7.10 Undina Morlet
176
7. Analiza timp – frecvenţă
de distanţă (norma ⋅ H
) şi de unghi (produsul scalar) sunt extinse. Din
punct de vedere matematic, un spaţiu Hilbert este un spaţiu vectorial complet
normat (cu norma ⋅ H ), pe care se defineşte un produs scalar.
În aceste condiţii, pentru un spaţiu Hilbert H, CWT poate fi definită ca o
aplicaţie Wg : H → Wg ( H ) parametrizată de o funcţie g.
CWT a unui semnal unidimensional este o funcţie bidimensională, de
variabile t (timp) şi s ≠ 0 (scală sau frecvenţă), şi poate fi scrisă ca:
(Wg f ) ( t , s ) = s
1
(7.10) 2
∫ f ( σ ) g ( s ⋅ ( σ − t ) ) dσ ,
(Wg f ) ( t , s ) =
1
f ,τ t Ds g = ∫ f (σ ) s 2 g ( s ( σ − t ) ) dσ =
(7.12) ,
= ∫ f (σ ) Ds g ( − ( t − σ ) ) dσ = ( f * Ds g ) ( t )
f Ds g (W f ) ( t , s )
g
177
Semnale, circuite şi sisteme. Partea I: Semnale
(Wg (τ b f ) ) ( t , s ) = (Wg f ) ( t − b, s )
Dilatarea:
E x e m p l u l 7 . 1 : aplicaţie în Matlab
Vom aplica CWT unui semnal de tip chirp. Coeficienţii astfel obţinuţi
sunt caracterizaţi de trei elemente: scala (corespunzătoare frecvenţei), poziţia
în timp şi ponderea.
t=0:0.002:1.999;
%2 secunde şi frecvenţa de eşantionare de 1kHz
178
7. Analiza timp – frecvenţă
y=chirp(t,1,2,100,'q',[],'concave');
%porneşte de la 1Hz şi atinge 100Hz la t=1.999 secunde
subplot(2,1,1);
plot(y);
subplot(2,1,2);
%se afişează coeficienţii obţinuţi prin descompunerea în undine,
%folosind undina de tip Daubechies
%afişarea se realizează tridimensional,
%parametrii fiind scala, momentul apariţiei şi ponderea undinei
coefs = cwt(y,1:50,'db5','3Dlvl');
În planul timp – frecvenţă reprezentarea acestora se realizează utilizând
pentru fiecare coeficient nivele de gri, care codifică ponderea fiecăruia. Astfel,
negrul simbolizează o pondere maximă, în timp ce albul reprezintă o pondere
nulă. În fig. 7.12 se poate observa că la început ponderea coeficienţilor de
scală mare (frecvenţe joase) este mare, iar pe măsură ce frecvenţa semnalului
creşte devin importante ponderile coeficienţilor corespunzători scalelor mici
(frecvenţe mari).
{
(7.13) F Wg f } (γ , s ) = (F { f } Ds −1 )
F { g} ( γ )
s ≠0 R
( )
−1 2
(7.14) = F { f }( γ ) ∫ s F { g} s −1γ ds
R
−1 2
= F { f }( γ ) ∫ u F { g}( u ) du
R
179
Semnale, circuite şi sisteme. Partea I: Semnale
( )
−1 2 −1 2
(7.15) C ∫ s F { g} s −1γ ds = ∫ u F { g}( u ) du
R R
{
F { f }( γ ) = C −1 ∫ F Wg f } (γ , s ) ( Ds −1 )
F { g} ( γ ) ds
R
((
f ( t ) = C −1 ∫ Wg f
R
) (⋅, s ) * ( Ds g )) ( t ) ds
(7.16) = C −1 ∫ ∫ Wg f ( ) (σ , s ) ( Ds g ) ( t − σ ) dsdσ
RR
= C −1 ∫ ∫ Wg f ( ) (σ , s ) (τσ Ds g ) ( t ) dsdσ
RR
−1 2
(7.17) C ∫γ F { g}( γ ) dγ < ∞
R
sub forma:
( )
Deoarece Wg−1 : Wg L2 ( R ) → L2 ( R ) , atunci pentru f ∈ L2 ( R ) şi
180
7. Analiza timp – frecvenţă
(7.19) Γ D {( 2 −n
m, 2n )} m,n∈
22
21
20
1 2 3 timp
Fig. 7.13 Setul diadic de puncte în care se evaluează CWT
181
Semnale, circuite şi sisteme. Partea I: Semnale
182
7. Analiza timp – frecvenţă
Acest lucru implică faptul că, dacă o funcţie f k ∈Vk , atunci funcţia
f k +1 ( t ) f k ( 2t ) trebuie să aparţină subspaţiului Vk.
Cum setul {τ nφ } este o bază ortonormată a subspaţiului V0, atunci setul
{D2 τ nφ} este o bază ortonormată a lui V . Astfel, pentru k>0, funcţiile din
k k
subspaţiul Vk au o rezoluţie mai bună decât cele din V0. Acest lucru este
prezentat în fig. 7.14, unde s-a realizat o AMR utilizând funcţia de scalare
Haar φHaar 1( 0,1] ; aici funcţiile din V0 sunt constante pe intervale ( n, n + 1] ,
iar f 0 ∈V0 poate fi utilizată pentru aproximarea unei funcţii f ∈ H astfel:
f 0 = ∑ f ,τ nφ τ nφ = ∑ cn 1( n,n +1] ,
n n
3. ∪V j = H şi ∩V j = {0}
183
Semnale, circuite şi sisteme. Partea I: Semnale
(7.22) Lφ ,k f { f , D2k τ nφ } = {( f ∗ D φ ) ( 2 n )}
2k
−k
184
7. Analiza timp – frecvenţă
Notând:
(7.23) H = F Lφ ,1φ şi { }
(7.24) G = F Lφ ,1ψ , { }
se poate arăta că ψ ∈W0 dacă şi numai dacă sunt îndeplinite condiţiile:
2 2
1. H + τ 1 H =2
2
2. GH + τ 1 ( GH ) = 0
2
Deoarece condiţiile (1) şi (2) de mai sus caracterizează subspaţiul W0, orice
funcţie aparţinând acestuia trebuie să le îndeplinească. Dacă se consideră
funcţia G de forma:
(7.25) G = Qτ 1 H ,
2
Dacă {qn } este secvenţa asociată lui Q, astfel încât Q este obţinută
aplicând transformata Fourier discretă a secvenţei {qn } , ecuaţia (7.28) devine:
(7.29) qn + ( −1) qn = 0 ⇒ q2 n = 0, ∀n ∈
n
(7.30) {
g n = {qn } * ( −1) h− n
n
}
Cea mai simplă secvenţă {qn } care îndeplineşte aceste condiţii este
n −1
qn = ( −1) δ n,1 , astfel încât se poate scrie:
g n = ( −1) ⋅ h1− n
n
(7.31)
185
Semnale, circuite şi sisteme. Partea I: Semnale
(7.32) F {ψ } = D2−1 ( GF {φ } )
cu G de forma (7.25).
Se poate arăta şi că secvenţa {τ nψ } este ortonormată şi că este completă
{ }
în W0, ceea ce înseamnă că D2mτ nφ este bază ortonormată pentru H.
Ecuaţia:
2 2
H + G =2
H H
x + y=2x
G G
Analiză Sinteză
186
7. Analiza timp – frecvenţă
H ↓2 ↑2 H
x + y=x
G ↓2 ↑2 G
Analiză Sinteză
Se observă că c = S ↓ S ↑ c şi că ( S ↑ S ↓ c ) =
n
1
2
( )
1 + ( −1) cn , deoarece
n
(7.37) H 0 = HS ↑ S ↓ H + GS ↑ S ↓ G
H 64
↓2
128 32
H ↓2
16
G ↓2 H ↓2
G ↓2
G ↓2 16
1
Ţinând cont că F {S ↑ S ↓ c} = (F {c} + τ1/ 2F {c}) , H0 se poate scrie:
2
H0 =
1
2
( 2 2
)
H + G + (τ1/ 2 H ) H + (τ1/ 2G ) G = 1 , deoarece:
187
Semnale, circuite şi sisteme. Partea I: Semnale
0.5
-0.5
-1
-0.5 -0.2
-1 -0.4
-1.5 -0.6
100 200 300 400 500 100 200 300 400 500
0.4
1
0.2
0
0
-1 -0.2
-0.4
-2
-0.6
50 100 150 200 250 50 100 150 200 250
Exemplul 7.2:
Pentru a exemplifica utilizarea algoritmului de descompunere, vom
considera un semnal aleator, care conţine armonici definite de utilizator, la
care se adaugă un zgomot alb. După aplicarea algoritmului piramidal, se
evidenţiază componentele care dau detaliile semnalului. Scopul urmărit este de
a elimina componentele de zgomot, care au fost puse în evidenţă de algoritmul
piramidal.
Programul Matlab care realizează procesarea semnalului complex este
prezentat în continuare.
clear all
t = 1:100;
nr_armonici = input('Cate armonici? ');
188
7. Analiza timp – frecvenţă
fundamentala = 10*sin(2*pi*50*t/2500);
s = 0;
%generarea armonicilor
for i = 1:nr_armonici,
nr = input('nr armonica ');
A = rand(1,1);
armonica = 1.75*A*sin(2*pi*50*t*nr/2500);
s = s + armonica;
end
alb = rand(1,100);
white = 1.5*alb;
semnal = fundamentala + s + white;
subplot(2,2,1);plot(semnal);title('Semnal original')
subplot(2,2,2);plot(clean);title('Semnal filtrat')
end
Semnalul original Semnalul filtrat
15 15
10 10
5 5
0 0
-5 -5
-10 -10
-15 -15
0 20 40 60 80 100 0 20 40 60 80 100
189
Semnale, circuite şi sisteme. Partea I: Semnale
190
Bibliografie
191
Semnale, circuite şi sisteme. Partea I: Semnale
192
Repertoriu de figuri
Capitolul 1: INTRODUCE RE
Fig. 1.1 Sistem dinamic
Fig. 1.2 Sistem numeric
Fig. 1.3 Sistem 2D
193
Semnale, circuite şi sisteme. Partea I: Semnale
194
Repertoriu de figuri
195
Semnale, circuite şi sisteme. Partea I: Semnale
196
Repertoriu de figuri
197
Semnale, circuite şi sisteme. Partea I: Semnale
198
Index alfabetic
199
Semnale, circuite şi sisteme. Partea I: Semnale
200
Index alfabetic
201