Sunteți pe pagina 1din 48

Curs 1-4.

Semnale
Tehnici de calcul în automatică și informatică

TCAI team

Universitatea Politehnica Bucureşti - AIS

26 octombrie 2020
Cuprins

1 Generalități

2 Norma unui semnal

3 Transformări ale axei timpului

4 Convoluții

5 Spații cu produs scalar (spații Hilbert)


Cuprins

1 Generalități
Tipuri de semnale
Eșantionarea unui semnal continual

2 Norma unui semnal

3 Transformări ale axei timpului

4 Convoluții

5 Spații cu produs scalar (spații Hilbert)


Generalități Tipuri de semnale

Generalități

Definiţie (Semnal)
Un semnal este o funcție f : T → C unde T este o mulțime total ordonată (prin relația
≤) de momente de timp.

Situații de interes:
T ⊂ R: semnal cu timp continuu (notăm prin f(t) valoarea funcției f la momentul de
timp t);
T ⊂ Z: semnal cu timp discret (notăm prin f[k] valoarea funcției f la instanța k).

Mulțimea semnalelor continuale/discrete admite o structură de spațiu vectorial:


operaţia de adunare:
(f + g)(t) = f(t) + g(t);

înmulțirea cu un scalar α ∈ C:

(αf)(t) = αf(t).

TCAI team Curs 1-4. Semnale 26 octombrie 2020 1 / 29


Generalități Eșantionarea unui semnal continual

Eșantionarea unui semnal continual

Un semnal discret se poate obține prin eșantionarea unui semnal continual f(t):

fd [k] = f(t0 + kTe ),

unde Te reprezintă pasul de eșantionare iar fd [k] reprezintă eșantionul la momentul k.

fd [k]

Te

−3 −2 −1 0 1 2 3 k
Eșantionarea unui semnal continual

TCAI team Curs 1-4. Semnale 26 octombrie 2020 2 / 29


Generalități Eșantionarea unui semnal continual

Continuitate pe porțiuni
Din punct de vedere practic, semnalele trebuie să fie „rezonabile“. În timp continuu, e
suficient ca semnalul să fie continuu pe porţiuni.

Definiţie (Continuitate pe porțiuni)


O funcție f : R → R este continuă pe porțiuni dacă pe orice interval compact din
interiorul funcției există un număr finit de discontinuități, iar pentru orice t0 limitele

lim f(t) și lim f(t)


t→t0 t→t0
t<t0 t>t0

sunt finite.

··· t−1 t0 t1 t2 ··· t

Exemplu de funcție continuă pe secțiuni

TCAI team Curs 1-4. Semnale 26 octombrie 2020 3 / 29


Cuprins

1 Generalități

2 Norma unui semnal


Noțiunea de normă
Spațiile lui Lebesgue pentru semnale discrete
Spațiile lui Lebesgue pentru semnale continuale

3 Transformări ale axei timpului

4 Convoluții

5 Spații cu produs scalar (spații Hilbert)


Norma unui semnal Noțiunea de normă

Noțiunea de normă

Gradul de apropiere al unui semnal de altul este caracterizat de noțiunea de normă.


Reamintim că, dat fiind un spațiu vectorial V peste C, o normă este un operator
∥·∥ : V → [0, ∞), x 7→ ∥x∥ ≥ 0 care posedă următoarele proprietați:
a) ∥x∥ = 0 dacă și numai dacă x = 0;
b) ∥αx∥ = |α|∥x∥ (cu α ∈ C);
c) ∥x + y∥ ≤ ∥x∥ + ∥y∥.
În general, o normă (definită pe Rn și Cn ) caracterizată de p ≥ 1 este descrisă de:
( )1
∑n p
p
∥x∥p = i=1 |xi | .

TCAI team Curs 1-4. Semnale 26 octombrie 2020 4 / 29


Norma unui semnal Noțiunea de normă

Noțiunea de normă

Gradul de apropiere al unui semnal de altul este caracterizat de noțiunea de normă.


Reamintim că, dat fiind un spațiu vectorial V peste C, o normă este un operator
∥·∥ : V → [0, ∞), x 7→ ∥x∥ ≥ 0 care posedă următoarele proprietați:
a) ∥x∥ = 0 dacă și numai dacă x = 0;
b) ∥αx∥ = |α|∥x∥ (cu α ∈ C);
c) ∥x + y∥ ≤ ∥x∥ + ∥y∥.
În general, o normă (definită pe Rn și Cn ) caracterizată de p ≥ 1 este descrisă de:
( )1
∑n p
p
∥x∥p = i=1 |xi | .

p=
p=1 ∞
Cazuri particulare: 2
p=

n (∑n )1
2
∥x∥1 = |xi |, ∥x∥2 = |xi |2 ∥x∥∞ = max {|xi |}.
1≤i≤n
i=1 i=1

TCAI team Curs 1-4. Semnale 26 octombrie 2020 4 / 29


Norma unui semnal Noțiunea de normă

Noțiunea de normă – II

|| · ||∞ || · ||3.5
1

|| · ||2 0.5
(∑
n )1
p
∥x∥p = |xi |p
i=2 −1 −0.5 0.5 1

−0.5
|| · ||1

−1

TCAI team Curs 1-4. Semnale 26 octombrie 2020 5 / 29


Norma unui semnal Spațiile lui Lebesgue pentru semnale discrete

Spațiile lui Lebesgue pentru semnale discrete


Putem adapta definițiile de norme de mai sus la cazul semnalelor discrete văzute ca
vectori cu o infinitate de elemente. În acest scop, pentru p ≥ 1 definim spațiile vectoriale
{ }
p


p
ℓ = x:Z→C| |xk | < ∞ .
k=−∞

Pentru fiecare spațiu ℓp în parte se poate defini o aplicație ∥·∥p : ℓp → [0, ∞) prin
(∑ )1
p
p
∥x∥p = |x[k]| .
k∈Z

Aplicația satisface condițiile din definiția unei norme.


Caz particular (p = ∞):

ℓ∞ = { x : Z → C | max{|xk |} ≤ ∞ }
k

și aplicația
∥x∥∞ = max{|xk |}.
k

TCAI team Curs 1-4. Semnale 26 octombrie 2020 6 / 29


Norma unui semnal Spațiile lui Lebesgue pentru semnale discrete

Spațiile lui Lebesgue pentru semnale discrete


Putem adapta definițiile de norme de mai sus la cazul semnalelor discrete văzute ca
vectori cu o infinitate de elemente. În acest scop, pentru p ≥ 1 definim spațiile vectoriale
{ }
p


p
ℓ = x:Z→C| |xk | < ∞ .
k=−∞

Pentru fiecare spațiu ℓp în parte se poate defini o aplicație ∥·∥p : ℓp → [0, ∞) prin
(∑ )1
p
p
∥x∥p = |x[k]| .
k∈Z

Aplicația satisface condițiile din definiția unei norme.

Lemă (Inegalitatea lui Hölder)


Fie p, q ∈ (1, ∞) o pereche de numere pozitive astfel încât 1p + 1
q
= 1 (rezultă p, q > 1).
Atunci pentru două semnale discrete x și y are loc inegalitatea

∥xy∥1 ≤ ∥x∥p ∥y∥q .

TCAI team Curs 1-4. Semnale 26 octombrie 2020 6 / 29


Norma unui semnal Spațiile lui Lebesgue pentru semnale discrete

Spațiile lui Lebesgue pentru semnale discrete – II

Norma ∥·∥p cu p ∈ [1, ∞]) definește o metrică pe ℓp (distanța dintre două elemente x și y
este dată de ∥x − y∥p ). Orice șir Cauchy din ℓp este șir convergent, adică spațiile ℓp sunt
spații Banach (în raport cu norma ∥·∥p ).

De interes particular sunt spațiile


ℓ1 (spațiul semnalelor absolut sumabile);
pentru x ∈ ℓ1 , ∥x∥1 definește acțiunea semnalului x;
ℓ2 (spațiul semnalelor de pătrat sumabile);
pentru x ∈ ℓ2 , ∥x∥2 definește energia semnalului x.

Semnalele cu acțiune finită sunt în mod automat și cu energie finită, adică avem

ℓ1 ⊂ ℓ2 .

Într-adevăr, pentru orice x ∈ ℓ1 ,


∑ 2 [∑ ]2
∥x∥22 = |xk | ≤ |xk | = ∥x∥21 < ∞.
k∈Z k∈Z

TCAI team Curs 1-4. Semnale 26 octombrie 2020 7 / 29


Norma unui semnal Spațiile lui Lebesgue pentru semnale continuale

Spațiile lui Lebesgue pentru semnale continuale


Prin analogie cu cazul timpului discret, definim pentru p ∈ [1, ∞) spațiile de semnale
continuale { }
(∫ +∞ ) 1p
p p
L = f:R→C: |f(t)| dt <∞
−∞

și aplicațiile asociate
(∫ +∞ )1
p
∥f∥p = |f(t)|p dt .
−∞

În cazul p = ∞ aven spațiul semnalelor esențial mărginite:

L∞ = {f : R → C : sup |f| < ∞ }.

și norma
∥f∥∞ = sup |f|.

TCAI team Curs 1-4. Semnale 26 octombrie 2020 8 / 29


Norma unui semnal Spațiile lui Lebesgue pentru semnale continuale

Spațiile lui Lebesgue pentru semnale continuale


Prin analogie cu cazul timpului discret, definim pentru p ∈ [1, ∞) spațiile de semnale
continuale { }
(∫ +∞ ) 1p
p p
L = f:R→C: |f(t)| dt <∞
−∞

și aplicațiile asociate
(∫ +∞ )1
p
∥f∥p = |f(t)|p dt .
−∞

În cazul p = ∞ aven spațiul semnalelor esențial mărginite:

L∞ = {f : R → C : ess sup|f| < ∞ }.

și norma
∥f∥∞ = ess sup|f|.
ess sup(|f|) ignoră mulțimea de măsură nulă a punctelor de discontinuitate (este un
supremum valabil aproape peste tot).
Punctele de discontinuitate, în care funcția poate lua orice valori, independente de
limitele la stânga și la dreapta, dar care nu au niciun efect în operația de integrare
(mulțimea acestor puncte este de măsura Lesbegue nulă) sunt ignorate.

TCAI team Curs 1-4. Semnale 26 octombrie 2020 8 / 29


Norma unui semnal Spațiile lui Lebesgue pentru semnale continuale

Măsuri de „curent alternativ“

Media valorii absolute a unui semnal discret:

1 ∑
N
AA(x) = lim |x[k]|.
N→∞ 2N + 1
−N

Puterea medie a unui semnal discret:

1 ∑
N
p(x) = lim |x[k]|2 .
N→∞ 2N + 1
−N

Rădăcina medie pătratică a unui semnal discret (root mean square):


1
RMS(x) = [p(x)] 2 .

TCAI team Curs 1-4. Semnale 26 octombrie 2020 9 / 29


Norma unui semnal Spațiile lui Lebesgue pentru semnale continuale

Măsuri de „curent alternativ“

Media valorii absolute a unui semnal continual:


∫T
1
AA(u) = lim |u(τ )|dt.
T→∞ 2T
−T

Puterea medie a unui semnal continual:


∫T
1
p(u) = lim |u(t)|2 dt.
T→∞ 2T
−T

Rădăcina medie pătratică a unui semnal continual (root mean square):


1
RMS(u) = [p(u)] 2 .

TCAI team Curs 1-4. Semnale 26 octombrie 2020 9 / 29


Norma unui semnal Spațiile lui Lebesgue pentru semnale continuale

Masuri de „curent alternativ“– II

Are un semnal de energie finită putere nenulă?

Are un semnal de putere nenulă energie finită?

Orice semnal poate fi clasificat ca fiind fie de energie finită, fie de putere finită?

TCAI team Curs 1-4. Semnale 26 octombrie 2020 10 / 29


Norma unui semnal Spațiile lui Lebesgue pentru semnale continuale

Masuri de „curent alternativ“– II

Are un semnal de energie finită putere nenulă?

Nu. Orice semnal de energie finită va avea putere nulă.

Are un semnal de putere nenulă energie finită?

Nu. Orice semnal de putere nenulă va avea energie infinită.

Orice semnal poate fi clasificat ca fiind fie de energie finită, fie de putere finită?

Nu. Este posibil ca un semnal să aibă și energie și putere infinite. De exemplu:


f(t) = t2 .

TCAI team Curs 1-4. Semnale 26 octombrie 2020 10 / 29


Norma unui semnal Spațiile lui Lebesgue pentru semnale continuale

Norme de semnale – exemple

{ 1

f[k] t− 2 , 0 ≤ t ≤ 1
f(t) =
0, t>1

t t
∥x∥1 =??, ∥x∥2 =??, ∥x∥∞ =?? ∥x∥1 =??, ∥x∥2 =??, ∥x∥∞ =??

f(t) = 1 f(t) = √ 1
1+t2

t t
∥x∥1 =??, ∥x∥2 =??, ∥x∥∞ =?? ∥x∥1 =??, ∥x∥2 =??, ∥x∥∞ =??

TCAI team Curs 1-4. Semnale 26 octombrie 2020 11 / 29


Norma unui semnal Spațiile lui Lebesgue pentru semnale continuale

Norme de semnale – exemple

{ 1

f[k] t− 2 , 0 ≤ t ≤ 1
f(t) =
0, t>1

t t
∥x∥1 < ∞, ∥x∥2 < ∞, ∥x∥∞ < ∞ ∥x∥1 < ∞, ∥x∥2 = ∞, ∥x∥∞ = ∞

f(t) = 1 f(t) = √ 1
1+t2

t t
∥x∥1 = ∞, ∥x∥2 = ∞, ∥x∥∞ < ∞ ∥x∥1 = ∞, ∥x∥2 < ∞, ∥x∥∞ < ∞

TCAI team Curs 1-4. Semnale 26 octombrie 2020 11 / 29


Norma unui semnal Spațiile lui Lebesgue pentru semnale continuale

Norme de semnale – exemple

{ 1

f[k] t− 2 , 0 ≤ t ≤ 1
f(t) =
0, t>1

t
L1 ̸⊂ L2 t
∥x∥1 < ∞, ∥x∥2 < ∞, ∥x∥∞ < ∞ ∥x∥1 < ∞, ∥x∥2 = ∞, ∥x∥∞ = ∞

f(t) = 1 f(t) = √ 1 L2 ̸⊂ L1
1+t2

t t
∥x∥1 = ∞, ∥x∥2 = ∞, ∥x∥∞ < ∞ ∥x∥1 = ∞, ∥x∥2 < ∞, ∥x∥∞ < ∞

TCAI team Curs 1-4. Semnale 26 octombrie 2020 11 / 29


Cuprins

1 Generalități

2 Norma unui semnal

3 Transformări ale axei timpului


Translatarea în timp
Inversarea în timp
Schimbarea scării de timp
Transformări combinate

4 Convoluții

5 Spații cu produs scalar (spații Hilbert)


Transformări ale axei timpului Translatarea în timp

Translatarea în timp

Presupunând T ∈ R fixat, definim semnalul g(t) = f(t + T). Dacă:


T < 0, atunci g(t) este versiunea întârziată în timp (sau translatată „la dreapta“) cu
|T| a semnalului f(t);
T > 0, atunci g(t) este versiunea avansată în timp (sau translatată „la stânga“) cu
|T| a semnalului f(t).

f(t) f(t − |T|) f(t + |T|)

t0 t t0 + |T| t t0 − |T| t
semnalul original semnalul întârziat în timp semnalul avansat în timp

În mod similar, versiunea translatată cu N ∈ Z eșantioane a unui semnal discret f[k] este
f[k + N].

TCAI team Curs 1-4. Semnale 26 octombrie 2020 12 / 29


Transformări ale axei timpului Inversarea în timp

Inversarea în timp

Inversarea unui semnal în timp presupune înlocuirea variabilei t cu −t, presupunând că


este vorba de semnale în timp continuu. Graficul semnalului f(−t) este în mod evident
reflexia graficului semnalului f(t) în raport cu axa ordonatelor.

f(t) f(−t)

T1 0 T2 t −T2 0 −T1 t
semnalul original semnalul inversat în timp

În mod similar, versiunea inversată în timp a unui semnal discret f[k] este f[−k].

TCAI team Curs 1-4. Semnale 26 octombrie 2020 13 / 29


Transformări ale axei timpului Schimbarea scării de timp

Schimbarea scării de timp

Schimbarea scării de timp pentru un semnal în timp continuu are loc prin substituția
t → αt cu α ∈ (0, ∞):
α ∈ (0, 1) conduce la o dilatare a semnalului în timp;
α ∈ (1, ∞) conduce la o comprimare a semnalului în timp.
Atât comprimarea cât și dilatarea se efectuează raportat la axa ordonatelor, așa că
schimbarea scării de timp și inversarea în timp pot fi combinate într-o singură
transformare t → αt considerând α ∈ R \ { 0 }; semnul lui α arată dacă se inversează sau
nu timpul, în timp ce |α| indică raportul de schimbare a scării de timp.

f(t) f(t/2) f(2t)

T1 0 T2 t 2T1 0 2T2t T1 0 T2 t
2 2
semnalul original semnalul dilatat în timp semnalul comprimat în timp

TCAI team Curs 1-4. Semnale 26 octombrie 2020 14 / 29


Transformări ale axei timpului Schimbarea scării de timp

Schimbarea scării de timp – cazul discret


În cazul semnalelor discrete, o schimbare a scării timpului cu un factor α nu are sens
decât dacă α ∈ Q. În timp discret eșantioanele nu pot fi asociate decât unor valori întregi
ale timpului. În consecință:
compresia în timp, obținută pentru |α| > 1, are ca efect pierderea de eșantioane
(este vorba de o operație de subeșantionare);
dilatarea în timp, obținută pentru |α| ∈ (0, 1) are ca efect crearea de „locuri libere“
pe axa timpului în care semnalul f[αk] este a priori nedefinit. Aceste eșantioane pot
fi definite eventual prin interpolare pornind de la eșantioanele semnalului original
(supraeșantionare).

f[k] f[2k]

k k
semnalul original compresie în timp cu un factor 2
f[k/2]

k
dilatare în timp cu un factor 2
TCAI team Curs 1-4. Semnale 26 octombrie 2020 15 / 29
Transformări ale axei timpului Schimbarea scării de timp

Schimbarea scării de timp – cazul discret


În cazul semnalelor discrete, o schimbare a scării timpului cu un factor α nu are sens
decât dacă α ∈ Q. În timp discret eșantioanele nu pot fi asociate decât unor valori întregi
ale timpului. În consecință:
compresia în timp, obținută pentru |α| > 1, are ca efect pierderea de eșantioane
(este vorba de o operație de subeșantionare);
dilatarea în timp, obținută pentru |α| ∈ (0, 1) are ca efect crearea de „locuri libere“
pe axa timpului în care semnalul f[αk] este a priori nedefinit. Aceste eșantioane pot
fi definite eventual prin interpolare pornind de la eșantioanele semnalului original
(supraeșantionare).

f[k] f[2k]

k k
semnalul original compresie în timp cu un factor 2
f[k/2]

k
dilatare în timp cu un factor 2 și cu interpolare
TCAI team Curs 1-4. Semnale 26 octombrie 2020 15 / 29
Transformări ale axei timpului Transformări combinate

Transformări combinate

Putem combina transformările de mai sus într-o transformare generală t → αt + T cu


α ∈ R \ { 0 } și T ∈ R.
Această transformare combinată poate fi realizată urmând una din următoarele două
succesiuni de transformări elementare:

a) Translatare urmată de schimbarea scării de timp cu sau fără inversare.


1. Punem τ = αt. Obținem f(τ + T) prin translatarea cu T a funcției f(τ ).
2. Schimbăm axa timpului din τ în t prin t = τ /α.

b) Schimbarea scării de timp cu sau fără inversare urmată de translatare.


1. Punem τ = t + T/α. Obținem f(ατ ) prin schimbarea scării de timp a semnalului f(τ ).
2. Schimbăm variabila de pe axa timpului prin t = τ − T/α.

În mod similar se poate trata o transformare combinată în timp discret k → αk + N cu


α ∈ Q \ { 0 } și N ∈ Z.

TCAI team Curs 1-4. Semnale 26 octombrie 2020 16 / 29


Cuprins

1 Generalități

2 Norma unui semnal

3 Transformări ale axei timpului

4 Convoluții
Cazul discret
Cazul continuu

5 Spații cu produs scalar (spații Hilbert)


Convoluții Cazul discret

Suport al unui semnal

Definiţie (Suport al unui semnal discret)


Dat fiind un semnal discret x notăm suport(x) și numim suport al semnalului x cea mai
mică mulțime de întregi pentru care x[k] = 0 atunci când k ∈ Z \ suport(x).

Putem identifica un polinom a(X) de grad n cu semnalul discret a în care ak reprezintă


pentru k = 0, . . . , n coeficienții lui a(X), iar ak = 0 pentru k ∈ Z \ { 0, . . . , n }.

Suportul acestui semnal este atunci în mod evident { 0, . . . , n }.

Semnalele care se identifică cu polinoame au întotdeauna suport mărginit și invers, un


semnal cu suport mărginit se poate identifica (după o eventuală translatare) cu un
polinom.


Cazul suportului nemărginit corespunde seriilor formale ak Xk .
k∈Z

TCAI team Curs 1-4. Semnale 26 octombrie 2020 17 / 29


Convoluții Cazul discret

Convoluția semnalelor discrete

În cazul discret, convoluția x ∗ y a două funcții x și y este definită de:


+∞
(x ∗ y)[k] = x[k − τ ]y[τ ].
τ =−∞

Pentru semnale cu suport mărginit convoluția există întotdeauna și se poate identifica cu


produsul polinoamelor reprezentate de semnalele implicate în operația de convoluție.

În cazul în care x[k] = y[k] = 0, pentru k < 0 (semnale cu suport pozitiv) avem
{
0, k<0
(x ∗ y)[k] = ∑k
m=0 x[k − m]y[m], k ≥ 0.

Rezultatul se poate generaliza pentru semnale care sunt nule pentru k inferior unei
anumite constante întregi (semnale cu suport „la dreapta“) după cum va reieși din
proprietățile convoluției.

TCAI team Curs 1-4. Semnale 26 octombrie 2020 18 / 29


Convoluții Cazul discret

Proprietățile convoluției
(i) Comutativitate:
x ∗ y = y ∗ x;

(ii) Asociativitate:
(x ∗ y) ∗ z = x ∗ (y ∗ z);

(iii) Dacă x ∗ y = z, atunci pentru M și N constante fixate în Z,


( ) ( )
x[m + N] ∗ y[m] [k] = x[m] ∗ y[m + N] [k] = z[k + N]

și ( ) ( )
x[m + M] ∗ y[m + N] [k] = x[m + N] ∗ y[m + M] [k] = z[k + M + N];

(iv) Dacă suport(x) ⊂ [a, b] și suport(y) ⊂ [c, d], atunci suport(x ∗ y) ⊂ [a + c, b + d];
(v) Semnalul δ[k] este element neutru pentru operația de convoluție:

x ∗ δ = δ ∗ x = x.

TCAI team Curs 1-4. Semnale 26 octombrie 2020 19 / 29


Convoluții Cazul discret

Operatorul de convoluție pe spațiile ℓp


Fie h un semnal discret cu ∥h∥1 ≤ ∞. Ne interesează convoluția unui astfel de semnal cu
semnale din spațiile ℓp . Analizăm mai întâi cazul mai simplu al convoluției cu semnale
din ℓ∞ cu p ∈ [1, ∞].
Teoremă
Pentru un semnal h cu ∥h∥1 ≤ ∞ și un semnal u mărginit,

∥h ∗ u∥∞ ≤ ∥h∥1 ∥u∥∞ .

În concluzie, convoluția cu un semnal h absolut sumabil definește un operator Ch pe


spațiile ℓp :
Ch : ℓp → ℓp , Cx h = h ∗ x.
Fără a intra în detalii (pentru aceasta recomandăm Olteanu97), reținem doar că
operatorul Ch este:
a) Liniar. Pentru orice x, y ∈ ℓp și α, β ∈ C,
Ch (αx + βy) = αCh x + βCh y

b) Continuu. Dându-se orice semnal x ∈ ℓp , pentru orice ε > 0 există un δ > 0 astfel
încât pentru orice y ∈ ℓp cu proprietatea ∥x − y∥p < δ să avem ∥Ch x − Ch y∥p < ε.
TCAI team Curs 1-4. Semnale 26 octombrie 2020 20 / 29
Convoluții Cazul discret

Operatorul de convoluție pe spațiile ℓp


Fie h un semnal discret cu ∥h∥1 ≤ ∞. Ne interesează convoluția unui astfel de semnal cu
semnale din spațiile ℓp . Rezultatul teoremei de mai sus este valabil în general pe spațiile
ℓp cu p ∈ [1, ∞):
Teoremă
Pentru un semnal h cu ∥h∥1 < ∞ și un semnal u cu ∥u∥p < ∞ pentru un p ∈ [1, ∞),

∥h ∗ u∥p ≤ ∥h∥1 ∥u∥p .

În concluzie, convoluția cu un semnal h absolut sumabil definește un operator Ch pe


spațiile ℓp :
Ch : ℓp → ℓp , Cx h = h ∗ x.
Fără a intra în detalii (pentru aceasta recomandăm Olteanu97), reținem doar că
operatorul Ch este:
a) Liniar. Pentru orice x, y ∈ ℓp și α, β ∈ C,
Ch (αx + βy) = αCh x + βCh y

b) Continuu. Dându-se orice semnal x ∈ ℓp , pentru orice ε > 0 există un δ > 0 astfel
încât pentru orice y ∈ ℓp cu proprietatea ∥x − y∥p < δ să avem ∥Ch x − Ch y∥p < ε.
TCAI team Curs 1-4. Semnale 26 octombrie 2020 20 / 29
Convoluții Cazul continuu

Convoluția semnalelor continuale

Definim convoluția φ ∗ ψ a două funcții φ și ψ prin


∫ +∞
(φ ∗ ψ)(t) = φ(t − τ )ψ(τ ) dτ.
−∞

Operația de convoluție are următoarele proprietăți:


(i) distributivitate față de adunare: γ ∗ (φ + ψ) = γ ∗ φ + γ ∗ ψ;
(ii) comutativitate: φ ∗ ψ = ψ ∗ φ;
(iii) asociativitate: (φ ∗ ψ) ∗ γ = φ ∗ (ψ ∗ γ);
(iv) comută cu operația de translatare:
(φ ∗ ψ)(t − τ ) = φ(t − τ ) ∗ ψ(t) = φ(t) ∗ ψ(t − τ );
d d d
(v) comută cu operația de derivare: (φ ∗ ψ) = φ ∗ ψ = φ ∗ ψ.
dt dt dt

În particular, se observă că pentru ca rezultatul unei operații de convoluție să fie derivabil


este suficient ca doar unul din semnalele implicate în convoluție să fie derivabil.

TCAI team Curs 1-4. Semnale 26 octombrie 2020 21 / 29


Cuprins

1 Generalități

2 Norma unui semnal

3 Transformări ale axei timpului

4 Convoluții

5 Spații cu produs scalar (spații Hilbert)


Spațiu hilbertian
Coeficienți Fourier generalizați
Spații cu produs scalar (spații Hilbert) Spațiu hilbertian

Spațiu prehilbertian

Un spațiu vectorial H peste C este spațiu prehilbertian dacă este echipat cu o aplicație
⟨·, ·⟩ : H → C (numită produs scalar) care satisface următoarele proprietăți:
a) ⟨x + y, z⟩ = ⟨x, z⟩ + ⟨y, z⟩ pentru orice x, y, z ∈ H;
b) ⟨αx, y⟩ = α⟨x, y⟩ cu α ∈ C;
c) ⟨x, y⟩ = ⟨y, x⟩;
d) ⟨x, x⟩ ≥ 0 și ⟨x, x⟩ = 0 dacă și numai dacă x = 0.

Consecinţe ale proprietăţilor a)–d):


e) ⟨x, y + z⟩ = ⟨x, y⟩ + ⟨x, z⟩;
f) ⟨x, αy⟩ = α⟨x, y⟩.

TCAI team Curs 1-4. Semnale 26 octombrie 2020 22 / 29


Spații cu produs scalar (spații Hilbert) Spațiu hilbertian

Spațiu prehilbertian

Un spațiu vectorial H peste C este spațiu prehilbertian dacă este echipat cu o aplicație
⟨·, ·⟩ : H → C (numită produs scalar) care satisface următoarele proprietăți:
a) ⟨x + y, z⟩ = ⟨x, z⟩ + ⟨y, z⟩ pentru orice x, y, z ∈ H;
b) ⟨αx, y⟩ = α⟨x, y⟩ cu α ∈ C;
c) ⟨x, y⟩ = ⟨y, x⟩;
d) ⟨x, x⟩ ≥ 0 și ⟨x, x⟩ = 0 dacă și numai dacă x = 0.

Consecinţe ale proprietăţilor a)–d):


e) ⟨x, y + z⟩ = ⟨x, y⟩ + ⟨x, z⟩;
f) ⟨x, αy⟩ = α⟨x, y⟩.

Produsul scalar induce o normă pe H, prin ∥x∥ = ⟨x, x⟩.
Inegalitatea triunghiului se demonstreaza prin inegalitatea lui Schwartz: |⟨x, y⟩| ≤ ∥x∥∥y∥.

În concluzie, un spațiu prehilbertian este un spațiu normat și prin urmare spațiu metric,
cu distanța √
d(x, y) = ∥x − y∥ = ⟨x − y, x − y⟩.

TCAI team Curs 1-4. Semnale 26 octombrie 2020 22 / 29


Spații cu produs scalar (spații Hilbert) Spațiu hilbertian

Spațiu prehilbertian – II

Ortogonalitate: Două elemente x și y ale unui spațiu prehilbertian sunt ortogonale dacă
⟨x, y⟩ = 0; scriem în acest caz x ⊥ y.

Teoremă
Într-un spațiu prehilbertian H,
a) ∥x + y∥2 + ∥x − y∥2 = 2(∥x∥2 + ∥y∥2 ) (regula paralelogramului);
b) Dacă x ⊥ y atunci ∥x + y∥2 = ∥x∥2 + ∥y∥2 (teorema lui Pitagora).

TCAI team Curs 1-4. Semnale 26 octombrie 2020 23 / 29


Spații cu produs scalar (spații Hilbert) Spațiu hilbertian

Spațiu prehilbertian – II

Ortogonalitate: Două elemente x și y ale unui spațiu prehilbertian sunt ortogonale dacă
⟨x, y⟩ = 0; scriem în acest caz x ⊥ y.

Teoremă
Într-un spațiu prehilbertian H,
a) ∥x + y∥2 + ∥x − y∥2 = 2(∥x∥2 + ∥y∥2 ) (regula paralelogramului);
b) Dacă x ⊥ y atunci ∥x + y∥2 = ∥x∥2 + ∥y∥2 (teorema lui Pitagora).

Spațiu Hilbert: Un spațiu prehilbertian ce posedă proprietatea de a fi complet este numit


spațiu Hilbert.

TCAI team Curs 1-4. Semnale 26 octombrie 2020 23 / 29


Spații cu produs scalar (spații Hilbert) Spațiu hilbertian

Exemple de spații hilbertiene

Exemple de spații Hilbert:

a) Spațiul Cn cu

n

⟨x, y⟩ = xi yi , ∥x∥ = ⟨x, x⟩ = ∥x∥2 ;
i=1

b) Spațiul ℓ2 cu ∑ √
⟨x, y⟩ = xk yk , ∥x∥ = ⟨x, x⟩ = ∥x∥2 ;
k∈Z

c) Spațiul L2 cu
∫ +∞ √
⟨f, g⟩ = f(t)g(t) dt, ∥f∥ = ⟨f, f⟩ = ∥f∥2 .
−∞

TCAI team Curs 1-4. Semnale 26 octombrie 2020 24 / 29


Spații cu produs scalar (spații Hilbert) Spațiu hilbertian

Proiecția intr-un spațiu hilbertian

Teoremă (De proiecție)

Fie H1 ⊆ H un subspațiu vectorial închis al lui H și un x ∈ H. Există un unic p ∈ H1


astfel încât, pentru orice y ∈ H1 :
a) ∥x − p∥ ≤ ∥x − y∥;
b) (x − p) ⊥ y.

Exemplu in R2 : Considerăm H = R2 și H1 subspațiul generat de un vector v ∈ H. Știm


că α ∈ R pentru care αv reprezintă cea mai bună aproximare a lui x în termenii lui v se
obține prin proiecția ortogonală a lui x pe v,

H = R2
pentru că atunci eroarea de aproximare x
∥x − αv∥ este cea mai mică posibil: x−v
⟨x, v⟩ ⟨x, v⟩ ⟨x, v⟩ x−p H1
α= = și p = αv = v.
∥v∥2 ⟨v, v⟩ ⟨v, v⟩ α2 v v
θ α1 v p

Proiecția vectorilor în R2
TCAI team Curs 1-4. Semnale 26 octombrie 2020 25 / 29
Spații cu produs scalar (spații Hilbert) Spațiu hilbertian

Exemplu de proiecţie în L2 a unor semnale cu suport compact


Proiectăm semnalul pe semnalul

1, t ∈ [0, π), {
 sin t, t ∈ [0, 2π),
f(t) = −1, t ∈ [π, 2π), g(t) =

 0, în rest,
0, în rest,
adică dorim să calculăm constanta α pentru care αg(t) reprezintă cea mai bună
aproximare a lui f(t).

Calculăm
∫ 2π 1 ⟨f,g⟩ 4
g = g
⟨g, g⟩ = sin2 t dt = π, ⟨g,g⟩ π
0
∫ π ∫ 2π
g(t)
⟨f, g⟩ = sin t dt − sin t dt = 4.
0 π 2 4 6
Prin urmare, proiecția lui f pe g este

⟨f, g⟩ 4 −1
g = g.
⟨g, g⟩ π f(t)

Proiecție de semnale în L2
TCAI team Curs 1-4. Semnale 26 octombrie 2020 26 / 29
Spații cu produs scalar (spații Hilbert) Coeficienți Fourier generalizați

Coeficienți Fourier generalizați

În general ne interesează proiecția pe un subspațiu generat de mai multe elemente care


au anumite proprietăți.

Sistem ortogonal: O familie {vi }i∈J de elemente din H formează un sistem ortogonal
dacă vk ⊥ vl pentru orice k ̸= l din J .

Sistem ortonormal: Un sistem ortogonal {vi }i∈J cu ∥vi ∥ = 1 este un sistem ortonormal.
Pornind de la un sistem ortogonal {vi }i∈J putem obține un sistem ortonormal
{vi /∥vi ∥}i∈J (excludem prezența elementului banal 0 din orice sistem ortogonal).

Coeficienți Fourier generalizați: Proiecția unui element x pe un sistem ortonormal


{vi }i∈J este ∑
p= αi vi unde αi = ⟨x, vi ⟩
i∈J

(coeficientul corespunzător fiecărui vector se obține prin proiecția lui x pe vectorul


respectiv).
Numerele αi∑ se numesc coeficienții Fourier generalizați ai lui x în raport cu sistemul
{vi }i∈J , iar i∈J αi vi reprezintă seria Fourier generalizată a lui x în raport cu acest
sistem.

TCAI team Curs 1-4. Semnale 26 octombrie 2020 27 / 29


Spații cu produs scalar (spații Hilbert) Coeficienți Fourier generalizați

Coeficienți Fourier generalizați – proprietăți:

Coeficientul corespunzător unui vector este independent de restul vectorilor din


sistemul ortonormal.
Adăugarea de vectori în sistem - evident, cu păstrarea ortonormalității - crește
precizia aproximării: energia aproximării crește și se apropie și mai mult de cea a lui x.

Inegalitatea lui Bessel: șirul de sume parțiale al seriei i≥1 |αi |2 este mărginit și prin
urmare convergent, obținându-se
∑ 2
|αi | ≤ ∥x∥2 .
i≥1

Un sistem ortonormal de vectori {vi }i≥1 este bază ortonormală în H dacă subspațiul
vectorial generat este dens în H.

Teoremă
Fie B = {vi }i≥1 ∑ x ∈ H, seria sa Fourier
∑ o bază ortonormală în H. Atunci pentru orice
generalizată i≥1 αi vi converge la x în sensul limn→∞ ∥x − ni=1 αi vi ∥ = 0. În plus, seria

i≥1 |αi | este convergentă, cu suma ∥x∥ .
2

TCAI team Curs 1-4. Semnale 26 octombrie 2020 28 / 29


Spații cu produs scalar (spații Hilbert) Coeficienți Fourier generalizați

Aproximarea unui semnal printr-un sistem ortogonal în L2

Funcțiile cu care aproximăm




1, t ∈ [0, π)
1, cos t, sin t, cos 2t, sin 2t, . . . , cos nt, sin nt, . . .
f(t) = −1, t ∈ [π, 2π)


formează un sistem ortogonal pe orice interval de 0, în rest
lungime 2π.

1

i≥1 αi vi

f(t) = 4
π
· sin t + 4

· sin 3t + 4

· sin 5t
4
+ 7π · sin 7t + 4

· sin 9t. 2 4 6

−1
f(t)

TCAI team Curs 1-4. Semnale 26 octombrie 2020 29 / 29


Spații cu produs scalar (spații Hilbert) Coeficienți Fourier generalizați

Aproximarea unui semnal printr-un sistem ortogonal în L2

Funcțiile cu care aproximăm




1, t ∈ [0, π)
1, cos t, sin t, cos 2t, sin 2t, . . . , cos nt, sin nt, . . .
f(t) = −1, t ∈ [π, 2π)


formează un sistem ortogonal pe orice interval de 0, în rest
lungime 2π.

f(t) = 4
π
· sin t + 4

· sin 3t + 4

· sin 5t
4
+ 7π · sin 7t + 4

· sin 9t.
2 4 6

−1

TCAI team Curs 1-4. Semnale 26 octombrie 2020 29 / 29