Documente Academic
Documente Profesional
Documente Cultură
Note de Curs 2
Note de Curs 2
Ax= x
A f f
k
y[n] T {x[n]} x[k ]h[n k ] x[n] * h[n] (1)
k
unde y[n] reprezinta semnalul de iesire, x[n] reprezinta semnalul de intrare, iar h[n]
reprezinta raspunsul la impuls al sistemului.
(P1): Pentru sistemele liniare invariante in timp, semnalele de intrare x[n]= e jn
reprezinta functii proprii ale operatorului T.
k
y[n] = x[n] h[k ]e
k
jk
(2)
k
Notam cu H( j ) h[k ]e
k
jk
. Rezulta y[n] = x[n] H ( j ) (3),
deci x[n] este functie proprie a operatorului T, iar H( j ) este valoarea proprie
asociata lui x[n]= e jn .
H( j ) = Re( H( j ) ) + j Im( H( j ) )
y[n]= k e
j k n
H ( e j k n )
k
Proprietatea (P2):
n n
Deci pentru n00 y[n]= h[ k ] x[ n k ] h[k ]x[n k ] h[k ]x[n k ] , de
k 0 k n 1 k 0
y[n] =
jn n
e
k 0
h[ k ]e jk
,n 0 (pag.7/curs)
In relatia (3), y[n] cum este definit mai sus pentru n0, nu se poate scrie in functie de H
( j ) , pentru ca suma nu este de la k=0 la . Si atunci putem scrie y[n] in functie de
H ( j ) daca scadem din suma toti termenii de la n+1 la :
Motivul pentru care y[n] s-a exprimat astfel este pentru ca se doreste studiul stabilitatii
sistemului cand la intrare se aplica x[n]= e jn u[n] . Adica se doreste sa se stie - ce
proprietati trebuie sa aiba un sistem dupa ce a fost proiectat sa aiba un anumit raspuns in
frecventa, ca atunci cand la intrare i se aplica un semnal sinusoidal “brusc”, in timp
iesirea sa fie tot sinusoidala, iar sistemul sa fie stabil ?
In expresia lui y[n] primul termen este marginit (de obicei raspunsul in frecventa H ( j )
este marginit in modul), si reprezinta iesirea ideala a sistemului (in curs numita steady-
state solution, notata cu yss ).
Discutia stabilitatii sistemului se face doar dupa yt[n], adica doar dupa suma din al doilea
termen.
Marimea yt[n]= - e
jn
h[k ]e
k n 1
jk
se numeste raspunsul tranzient al sistemului, si
reprezinta marimea cu care iesirea sistemului difera fata de iesirea “ideala” yss[n] datorita
aplicarii “bruste” a lui x[n] e jn u[n] .
|yt[n]| = |- e
jn
h[k ]e
k n 1
jk
| | h[k ] | | h[k ] |
k n 1 k 0
Sistemul y[n] este stabil daca yt[n] este stabil, adica daca si numai daca | h[k ] | .
k 0
Atentie - nu si o conditie necesara, adica daca yt[n] poate fi orice sir marginit, insa e de
dorita ca yt[n] -> 0, astfel incat iesirea y[n] sa fie “ideala” – yss[n]
deoarece |H ( j ) |= | h[k ]e
k
jk
| | h[k ]e
k
jk
| | h[k ] |
k
Multe secvente se pot scrie si sub forma integrala Fourier astfel (pag.9/curs):
1
X (e
j
x[ n] )e j d (5)
2
j
Unde X (e ) x[n]e
n
jn
(6)
Ecuatiile (5) si (6) impreuna formeaza reprezentarea Fourier a secventei. Ecuatia (5)
corespunde transformatei Fourier inverse, iar ecuatia (6) corespunde transformatei
Fourier discreta. In (5), x[n] este o suma infinita de sinusoide complexe de forma:
1
X (e j )e jn d
2
Transformata Fourier (6) se foloseste pentru a calcula cat din fiecare frecventa se
utilizeaza pentru a sintetiza semnalul x[n].
k
Din relatia (3) : H( j ) h[k ]e
k
jk
rezulta H( j ) este transformata Fourier
discreta a raspunsului la impuls. Aplicand transformata Fourier inversa rezulta:
Definitii
O secventa conjugat-simetrica xe[n] este definita ca secventa pentru care xe[n]= x*e[n].
O secventa conjugat-asimetrica xo[n] este definita ca secventa pentru care
xo[n]= -x*o[n],
O secventa para este o secventa de numere reale, conjugat-simetrica pentru care xe[n]=
xe[-n].
Daca
atunci
Inversarea argumentului
Daca
Atunci
Diferentierea in frecventa
Teorema lui Parseval
Daca
atunci
Teorema de convolutie
Daca
si daca
si daca
Atunci
Teorema de modulatie
Daca
si
si daca
atunci
Semnale aleatoare discrete in timp
Un semnal stocastic este considerat ca apartine unei familii de semnale discrete in timp,
fiind caracterizat de o multime de densitati de probabilitate.
Mai precis, pentru un semnal particular la un moment de timp, amplitudinea semnalului
la acel moment de timp se presupune ca a fost determinata de o multime de probabilitati
care sta la baza procesului.
Cu alte cuvinte, semnalul x[n] este rezultatul unei variabile aleatoare xn.
Intregul semnal este reprezentat de o colectie de variabile aleatoare pentru fiecare
moment de timp -<n<. Aceasta colectie de variabile aleatoare se numeste proces
aleator si se presupune ca pentru orice moment de timp n, x[n] a fost generat de procesul
aleator.
Pentru a descrie complet procesul aleator, trebuie sa specificam distributiile de
probabilitate individuale si combinate ale variabilelor aleatoare.
aplica transformata Fourier, motiv pentru care analiza proceselor stocastice se face
analizand secventa de auto-corelare sau de auto-covarianta.
Proprietate: Pentru un sistem liniar invariant in timp care are un semnal de intrare
stationar in sens larg, iesirea este stationara in sens larg
Definitii
Se presupune ca la fiecare moment de timp x[n] este rezultat dintr-un mecanism care este
guvernat de o lege de probabilitate. O variabila aleatoare xn este descrisa de functia de
distributie de probabilitate:
Pxn ( xn , n)
Functia densitate de probabilitate: p xn (xn, n) =
xn
mxn = {xn} = xp xn ( x, n) dx .
Doua variabile aleatoare sunt liniar independente daca {xnym}= {xn} {ym}
mx [t]= mx[t+], R
xx (t1, t 2) xx (t1 t 2 ,0) , adica valoarea fimctoeo de auto-corelare depinde doar de
diferenta de timp t1-t2 (sau n-m din definitie).