Reprezentarea in domeniul frecventa a semnalelor

Vectori si valori proprii

Definitie: Dandu-se o transformare liniara A, un vector x diferit de 0 se numeste vector

propriu al transformarii, daca exista   C astfel incat:

Ax=  x

Scalarul  se numeste valoarea proprie a operatorului A corespunzatoare vectorului

propriu x

Functii si valori proprii

Definitie: Pentru un operator liniar A definit pe un spatiu de functii F , o functie

f  F se numeste functie proprie a operatorului A daca exista   C astfel incat:

A f  f

f se numeste functie proprie a operatorului A, iar  se numeste valoarea proprie

corespunzatoare lui f .

Functii proprii pentru sistemele liniare invariante in timp (curs 2, pag.1)

Un sistem liniar invariant in timp este descris de relatia:

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 jn
reprezinta functii proprii ale operatorului T.

Ca o consecinta, raspunsul unui sistem liniar invariant in timp la un semnal sinusoidal

este un semnal sinusoidal cu aceeasi frecventa, dar cu amplitudinea si defazajul date de
sistem.

Proprietatea (P1) se demonstreaza astfel:

Fie semnalul de intrare x[n]= e jn
k   k 
Iesirea sistemului este : y[n]= 
k  
h[ k ]e j ( n  k )  e jn  h[k ]e
k  
 jk

k 
y[n] = x[n]  h[k ]e
k  
 jk
(2)

k 
Notam cu H( j )   h[k ]e
k  
 jk
. 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 jn .

H ( j ) se numeste raspunsul in frecventa al sistemului, si in (3) el da diferenta de

amplitudine (in complex) a semnalului de iesire, diferenta care in real da atat diferenta de
amplitudine cat si diferenta de faza.

H( j ) = Re( H( j ) ) + j Im( H( j ) )

Datorita liniaritatii operatorului T, dandu-se un semnal de intrare ca o superpozitie de

exponentiale complexe de forma

x[ n]    k e j k n (vezi Fourier), iesirea sistemului se poate determina utilizand

k
principiul superpozitiei (liniaritatea lui T) astfel:

y[n]=   k e
j k n
H ( e j k n )
k

Proprietatea (P2):

Deoarece secventele de intrare de forma x[n] = e jn nu se disting de secventele de forma

e j (  2r ) n , r  Z , este suficient sa specificam H( j ) doar pe intervalul [-,].
Functia H ( j ) definita pe R va fi prelungirea prin periodicitate de perioada 2 a
functiei definita pe intervalul (-,] (fig.2.17, pag.3)
Filtrul ideal trece-jos (fig.2.17/pag.3) este caracterizat de functia de raspuns in
frecventa:
1, |  | wc
H( j ) = 
0, |  | wc
,   [  ,  ] .

Prelungirea ei pe axa reala se face conform observatiilor de mai sus.

(  c - cutoff frequency – frecventa prag. )

Semnalele exponentiale in complex aplicate instantaneu

De interes pentru aplicatii reprezinta semnalele sinusoidale care se aplica la intrarea

sistemului incepand cu un moment de timp n0. Pentru simplitate, vom considera
momentul de timp n0=0.

Semnalul de intrare este x[n]= e jn u[n] .

0, n  0

Cunoscand h[n] iesirea sistemului este y[n] =  


 h[ k ] x[ n  k ], n  0
 k 0

Cum x[n-k]=0 pentru k>n => h[k]x[n-k]=0 pentru k=n+1,.

n  n
Deci pentru n00 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

unde rezulta (inlocuind si x[n]= e jn ):

0, n  0

y[n] = 
 jn n
e


k 0
h[ k ]e  jk
,n  0 (pag.7/curs)

In relatia (3), y[n] cum este definit mai sus pentru n0, 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 :
 

y[n] = e  h[ k ]e  h[k ]e ) = e jn H ( j ) - (

jn  jk j n  j k
- (e
k 0 k  n 1

e jn  h[k ]e
k  n 1
 jk
) (4)
yss [n] + yt[n]

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 jn 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
jn
 h[k ]e
k  n 1
 jk
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 jn u[n] .

Este de dorit ca raspunsul tranzient al sistemului in timp sa se apropie de 0, adica dupa

aplicarea brusca a semnalului de intrare sinusoidal, dupa un anumit timp sistemul sa aiba:

y[n]= yss[n] = H( j ) x[n]

  

|yt[n]| = |- e
jn
 h[k ]e
k  n 1
 jk
|  | 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

O conditie suficienta ca sistemul sa fie stabil este ca nlim y t [ n]  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]

Daca h[k]=0 incepand cu M (M  n  0 ), sistemul se numeste sistem cu raspuns finit.

Pentru sistemele cu raspuns finit, yt[n] = 0 pentru n > M-1. (pag.7/curs, jos).

O conditie necesara pentru existenta lui H ( j ) este ca in general  | h[k ] |  ,
k  
  

deoarece |H ( j ) |= |  h[k ]e
k  
 jk
|  | h[k ]e
k  
 jk
|  | h[k ] |
k  

Reprezentarea secventelor utilizand transformata Fourier

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  
 jn
(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 jn d
2

Transformata Fourier (6) se foloseste pentru a calcula cat din fiecare frecventa se
utilizeaza pentru a sintetiza semnalul x[n].

Sau in forma polara:

| X (e j ) | formeaza spectrul de amplitudine al semnalului in functie de , iar

( X (e j )) formeaza spectrul de faza al semnalului.

k 
Din relatia (3) : H( j )   h[k ]e
k  
 jk
rezulta H( j ) este transformata Fourier
discreta a raspunsului la impuls. Aplicand transformata Fourier inversa rezulta:

In ecuatia (6), conditia ca | X (e j ) ) |  este ca  | x[k ] |  .

k  

Proprietatile de simetrie ale transformatei Fourier

Proprietatile semnalelor de intrare se pot regasi in proprietatile transformatei Fourier,

lucru care poate conduce la gasirea mai usoara a solutiilor la probleme.

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],

unde prin * se intelege operatia de conjugare a numerelor complexe.

Proprietate: Orice secventa x[n] se poate scrie ca o suma dintre o secventa

conjugat-simetrica si o secventa conjugat-asimetrica (pag.16/curs):

x[n]= xe[n] + xo[n]

O secventa para este o secventa de numere reale, conjugat-simetrica pentru care xe[n]=
xe[-n].

O secventa impara este o secventa de numere reale, conjugat-asimetrica pentru care

xo[n] = - xo[-n]

Analog, transformata Fourier se scrie ca o suma de functii conjugat-simetrice si conjugat-

asimetrice:

X(ej) = Xe(e j) + Xo(e j)

In tabelul de mai jos (pag.17/curs) sunt enumerate proprietatile de simetrie ale

transformatei Fourier.
Teoremele transformatei Fourier

Notam X(ej)=F(x[n]) si x[n]=F-1{X(ej)}

Teoremele transformatei Fourier cat si cateva exemple de transformate Fourier sunt

enumerate in tabelele de mai jos (pag.20, 22/curs).
Liniaritatea transformatei Fourier

Daca

atunci

Intarzierea in timp si frecventa

Daca semnalul de intrare x[n] este intarziat cu nd, 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.


Procesele stocastice nu sunt absolut sumabile (  | x[k ] |  ), de aceea nu li se poate

k  

aplica transformata Fourier, motiv pentru care analiza proceselor stocastice se face
analizand secventa de auto-corelare sau de auto-covarianta.

Transformata Fourier a secventei de auto-covarianta are o interpretare utila in termeni

de distributie a puterii semnalului.
In continuare presupunem x[n] si h[n] secvente de numere reale, desi rezultatele se pot
generaliza si la cazul complex.

Fie un sistem liniar invariant in timp, stabil, cu raspunsul la impuls h[n].

Fie x[n] un semnal aleator stationar in sens larg care provine dintr-un proces aleator
discret.
(In cele ce urmeaza nu trebuie facuta vreo diferenta intre x[n] si xn sau intre y[n] si yn.)
Putem scrie:

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) = Prob [xnxn]

Doua variabile aleatoare sunt statistic independente daca

Pxn,xm(xn,n,xm,m) = Pxn(xn,n) Pxm(xm,m)

Pxn ( xn , n)
Functia densitate de probabilitate: p xn (xn, n) =
xn

Media unui proces aleator este



mxn = {xn} =  xp xn ( x, n) dx .


 se numeste operatorul “valoare medie asteptata” (expectancy).

Doua variabile aleatoare sunt liniar independente daca {xnym}= {xn} {ym}

Secventa de auto-corelare este definita ca:

 
xx[n, m]  {xn xm *}    xn xm pxn ,xm ( xn , n, xm , m)dxndxm
 
,

unde ‘*’ este operatorul de conjugare in complex

Secventa de auto-covarianta a unui proces aleator este:

 xx[n, m]  {(xn  mxn )(xm  mxm )*}  xx[n, m]  mxn mxm *

Secventa de auto-corelare este o masura a dependentei intre valorile procesului aleator la

momente de timp diferite (oricare 2 – n si m). In general ambele secvente descrise mai
sus sunt functii de 2 variable.

Un proces se numeste stationar (strict stationar) daca

Px1,x2…xm (xt1,…xtm) = Px1+,x2+…xm+ (xt1,…xtm), t1 ,...t m ,  R

Un proces se numeste stationar in sens larg daca

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).