1.4 Prelucrări elementare.

Exemple

Prelucrarea semnalelor are aplicaţii în domenii foarte diferite; ca urmare

natura fizică a semnalelor precum şi rezultatele prelucrării depind în mare
măsură de domeniul de aplicare. Metodele de abordare au însă multe elemente
comune, ceea ce conferă disciplinei de prelucrare numerică a semnalelor un
caracter de sine stătător. Cele afirmate mai sus pot fi ilustrate printr-o serie de
exemple, destul de elementare sub raport matematic, dar edificatoare din punct
de vedere metodologic.

1) Un exemplu din marketing

Considerăm o comunitate umană şi 2 furnizori pentru o aceeaşi marfă; în

timp clienţii pot trece de la un furnizor la altul din motive diverse (preţ, servicii
suplimentare etc.). La sfârşitul unei luni – pe care o considerăm ca iniţială,
furnizorul i deţine fracţiunea x0i din piaţa considerată. Vom avea
x01 + x02 = 1 (1)
La sfârşitul lunii k furnizorul i deţine fracţiunea xki şi vom putea scrie
x1k + xk2 = 1 , ∀k (2)
Presupunem că în fiecare lună furnizorul i reţine dintre clienţii săi un
procent aii şi atrage un procent aij dintre clienţii concurentului j ( j ≠ i ). Ca
urmare sunt valabile ecuaţiile de recurenţă
⎧⎪ x1k +1 = a11 x1k + a12 xk2
⎨ 2 (3)
⎪⎩ xk +1 = a21 xk + a22 xk
1 2

Prin modul de definiţie a coeficienţilor aij care sunt fracţiuni (procente) de

clientelă, putem deduce următoarele proprietăţi ale acestora:
0 ≤ aij ≤ 1 , ∀i, j ; a11 + a21 = 1, a12 + a22 = 1 (4)
Modelul poate fi generalizat uşor la cazul a n furnizori obţinând ecuaţiile
de recurenţă
xki +1 = ai1 x1k + ai 2 xk2 + ... + ain xkn , i = 1, n (5)
în care coeficienţii verifică restricţiile
n
0 ≤ aij ≤ 1 , ∀i, j ; ∑ a ij = 1 , ∀j (6)
i=1

Următoarele probleme prezintă interes în această modelare din marketing:

 a) converg valorile xki în timp spre anumite valori, adică ∃ lim xki ( = x i ) ?
k →∞
i
b) dacă aceste limite există, depind ele de valorile x ? Cum se pot calcula 0
aceste limite?
Să remarcăm faptul că matricea coeficienţilor aij face parte din clasa
matricelor markoviene definite chiar prin relaţiile (6) de mai sus.

2) Un exemplu din integrarea numerică

O problemă standard din calculul numeric este de a determina o aproximare

numerică a integralei
tN

γ ( t N , t 0 ) = ∫ u (σ ) d σ (7)
t0

Atunci când integrala nu este calculabilă pornind de la primitivă, trebuie

utilizată o metodă de integrare numerică. Considerăm o diviziune a intervalului
( t0 , t N ) sub forma
t0 < t1 < t2 < ... < t N −1 < t N (8)
şi definim şirul de valori
tk

yk = ∫ u (σ ) dσ , k = 1, 2,...N (9)
t0

De aici putem deduce o relaţie simplă de recurenţă

tk +1 tk tk +1

yk +1 = ∫ u ( σ ) d σ = ∫ u (σ ) d σ + ∫ u (σ ) d σ
t0 t0 tk
tk +1
(10)
= yk + ∫ u (σ ) dσ
tk

pentru k = 0,1,..., N − 1 şi definind y0 = 0 ; evident y N = γ ( t N , t0 ) .

În condiţiile în care diviziunea este suficient de fină ( tk +1 − tk este suficient
de mic pentru ∀k ) integrala din relaţia de recurenţã poate fi aproximată, de
exemplu, după schema Euler:
tk +1

∫ u (σ ) dσ ≈ u ( t )( t
tk
k k +1 − tk ) (11)

Observaţie: S-a utilizat schema Euler “înapoi”.

2
 Dacă diviziunea intervalului se face cu un pas constant (o tehnică “simplă”,
uzuală, dar nu universală; metodele de integrare cu pas variabil nu o folosesc)
atunci
yk +1 − yk = huk ( h = tk +1 − tk , u ( tk ) := uk ) (12)
În cazul schemei Euler “înainte” şi cu acelaşi pas constant, vom obţine
yk +1 − yk = huk +1 (13)
ceea ce din punct de vedere sistemic este acelaşi lucru, întrucât putem lua
γ k := uk +1 .
Alte tehnici de integrare sunt, de exemplu, schema trapezoidală şi schema
“ 1 3 ” a lui Simpson. În toate cazurile se pot formula următoarele probleme, care
sunt specifice analizei numerice:
a) cum depinde precizia de aproximare a lui γ de mărimea pasului h şi de
proprietăţile funcţiei u ( t ) ; de regulă, cu cât metoda de integrare numerică
este mai sofisticată, cu atât precizia se îmbunătăţeşte dacă u ( ⋅) este
suficient de netedă;
b) cum se poate introduce o măsură a aproximării, evaluând eroarea între
semnalul yk “real” (adică definit recurent cu ajutorul integralelor pe un
pas al diviziunii) şi cel aproximant (definit prin relaţiile de recurenţă în
care integralele pe un pas sunt înlocuite prin formule aproximative);

3) Exemplu de proiectare a unui filtru

Fie un semnal numeric exprimabil ca sumă a 2 armonici

uk = α1 sin ( kω1 + θ1 ) + α 2 sin ( kω2 + θ 2 ) (14)
unde se consideră armonica de pulsaţie ω1 ca semnal de interes, iar armonica de
pulsaţie ω2 ca semnal nedorit (de interferenţă). După o filtrare adecvată,
semnalul prelucrat are forma
yk = α1 A (ω1 ) sin ⎡⎣( k − β1 ) ω1 + θ1 ⎤⎦ + α 2 A (ω2 ) sin ⎡⎣( k − β 2 ) ω2 + θ 2 ⎤⎦ (15)
M
unde A (ωi ) = ∑ bm sin ( mωi ) , i = 1, 2 .
1
Dacă scopul filtrării este de a elimina armonica de pulsaţie ω2 , reţinând-o
pe cea de pulsaţie ω1 , atunci filtrul ideal în raport cu caracteristica de
amplificare (sau de atenuare) A (ω ) este
⎧⎪ A (ω1 ) = 1
⎨ (16)
⎪⎩ A (ω2 ) = 0

3
ceea ce conduce la sistemul de ecuaţii (pentru M = 3 )

⎪⎧b1 sin ω1 + b2 sin ( 2ω1 ) + b3 sin ( 3ω1 ) = 1

⎨ (17)
⎪⎩b1 sin ω2 + b2 sin ( 2ω2 ) + b3 sin ( 3ω2 ) = 0
un sistem liniar în raport cu coeficienţii b1 , b2 , b3 . Problema naturală care apare
este dacă acest sistem are o soluţie; în cazul de faţă răspunsul este afirmativ.
În general, o aplicaţie de filtrare a unui semnal de forma
N
uk = ∑ α n sin ( kωn + θ n ) (18)
1
în care prima armonică este semnalul util, iar restul sunt interferenţe (zgomote),
cu un filtru de tipul celui de mai sus, conduce la sistemul
⎧ b1 sin ω1 + b2 sin ( 2ω1 ) + ... + bM sin ( M ω1 ) = 1
⎪
⎪ b1 sin ω2 + b2 sin ( 2ω2 ) + ... + bM sin ( M ω2 ) = 0
⎨ (19)
⎪ "
⎪b sin ω + b sin ( 2ω ) + " + b sin ( M ω ) = 0
⎩1 N 2 N M N

Şi aici se pune problema existenţei soluţiei şi este clar că ea se reduce la

discuţia privind soluţiile sistemelor de ecuaţii algebrice liniare. Totuşi, această
problemă poate fi reformulată atunci când nu există soluţie ( N > M ) : se poate
căuta o soluţie care să-i facă pe A (ωn ) cât mai mici pentru n ≠ 1 .

4) Exemplu de estimare recursivă

Vom considera un experiment în care se măsoară aceeaşi valoare nominală

v0 ; cele N măsurători au însă erori, astfel încât o măsurătoare oarecare
k , (1 ≤ k ≤ N ) este dată de
yk = v0 + ε k (20)
unde ε k este eroarea de măsură. O reprezentare “de stare” a modelului acestei
măsurători este următoarea:
xk +1 = xk , x0 = v0 , 0 ≤ k ≤ N − 1 (21)
În acest model starea iniţială v0 este necunoscută şi trebuie estimată pe
baza a N ieşiri de măsurare yk . După m măsurători se poate obţine o estimare
yˆ m prin medierea valorilor obţinute prin aceste m măsurători
1 m
yˆ m = ∑ yk (22)
m k =1

4
iar după m + 1 măsurători obţinem estimarea
1 m+1
yˆ m+1 = ∑ yk
m + 1 k =1
(23)

Încercăm să evidenţiem o relaţie de recurenţă între cele două măsurători

m ⎡1 m ⎤ 1
yˆ m+1 = ∑ y +
m + 1 ⎢⎣ m k =1 ⎥⎦ m + 1
k ym+1 ,
(24)
m 1
yˆ m+1 = yˆ m + ym+1 , 1 ≤ m ≤ N − 1
m +1 m +1
Această relaţie de recurenţă arată actualizarea erorii după a ( m + 1) -a
măsurare. O uşoară modificare suplimentară conduce la relaţia
1
yˆ m+1 = yˆ m + ( ym+1 − yˆ m ) (25)
m +1
adică noua estimare se obţine din cea veche prin adăugarea unui termen de
eroare – între măsurătoarea curentă şi estimarea veche – multiplicat cu un factor
de amplificare. De fapt, este vorba de un model al semnalului
⎧ xk +1 = xk , x0 = v0
⎨ (26)
⎩ yk = xk + ε k
cuplat cu un estimator de semnal
1
yˆ k +1 = yˆ k + g k ( yk +1 − yˆ k ) , g k = (27)
k +1
Putem da o reprezentare sub forma unei scheme bloc
x0
εk
xk + ŷ k
Model Estimator
+ yk
Fig. 5. Schemă bloc model + estimator

Problemele care apar aici în mod natural sunt următoarele:

a) există şi alte metode, în afara medierii, pentru a prelucra cele N
măsurători, luând în calcul şi caracteristicile erorilor de măsură?
b) Dacă astfel de metode există, care ar fi expresiile amplificărilor g k ?

5) Exemplu de prelucrare a semnalului radar

Fie o ţintă radar (un avion) care se deplasează cu o viteză constantă (dar
necunoscută) V ; ca urmare viteza la t = kT , unde T este o perioadă constantă,
este dată de

5
 xk2+1 = xk2 , x02 = V (28)
Dacă x1k este poziţia avionului la t = kT , atunci se poate scrie
x1k +1 = x1k + Txk2 , x01 = D (29)
unde D este poziţia la t = 0 a avionului măsurată în raport cu un reper.
Considerăm situaţia în care poziţia şi viteza ţintei se determină cu mijloace
radar.
Informaţia de poziţionare este valoarea duratei, tc , dintre transmiterea
impulsului radar şi recepţia impulsului reflectat de ţintă şi recepţionat la
transmisie. În mod ideal lucrurile se petrec ca în fig.6.a. (semnal transmis) şi 6.b
(semnal recepţionat); în realitate un semnal recepţionat arată ca în fig.6.c. în
timp ce atât semnalul transmis cât şi cel recepţionat arată ca în fig.6.d (trenuri de
impulsuri de înaltă frecvenţă)

t ( 6.a)
T 2T
tc

t ( 6.b)
T 2T

t ( 6.c)

( 6.d )
t

Fig.6. Semnale radar

a) transmisie ideală;
b) recepţie ideală;
c) anvelopă la recepţie reală;
d) impulsuri reale de înaltă frecvenţă

Distorsionarea impulsului recepţionat produce o eroare între timpul de

propagare tc şi timpul de propagare măsurat tˆc ; se obţin de aici poziţia curentă şi
poziţia măsurată
⎧ r = ctc / 2
⎨ (30)
⎩ y = ˆ
ct c / 2
unde c este viteza de propagare a impulsului.

6
 Este de aşteptat ca valoarea poziţiei bazată pe o singură măsurătoare să fie
afectată de erori; pentru a reduce aceste erori se transmite o secvenţă periodică
de impulsuri, ceea ce va furniza o secvenţă de măsurători { yk } ale poziţiei.
Această secvenţă trebuie utilizată pentru a obţine poziţia şi viteza ţintei. În
consecinţă vom defini următoarele mărimi:
- yk - valoarea mărimii de poziţie bazate pe timpul de propagare, tˆc , al
impulsului k , recepţionat înainte de a se transmite impulsul k + 1 ;
- xˆ1k - estimarea poziţiei şi xˆk2 estimarea vitezei ţintei obţinute după
prelucrarea informaţiei date de yk .
Cunoscându-se estimarea curentă a poziţiei xˆ1k şi cea a vitezei xˆk2 se poate
calcula predicţia poziţiei la k + 1
xˆ1k +1 k := xˆ1k + Txˆk2 (31)
Pe această bază estimarea poziţiei la k + 1 se actualizează folosind
predicţia poziţiei şi eroarea de predicţie a poziţiei, după cum urmează
xˆ1k +1 = xˆ1k +1 k + α ⎡⎣ yk +1 − xˆ1k +1 k ⎤⎦ (32)
unde α > 0 este un parametru ce urmează a fi ales.
În mod analog viteza estimată la k + 1 se obţine pe baza vitezei curente xˆk2
şi a erorii de predicţie a vitezei ( yk +1 − xˆ1k +1 k ) T , după cum urmează

β
xˆk2+1 = xˆk2 + ⎡⎣ yk +1 − xˆ1k +1 k ⎤⎦ (33)
T
β > 0 fiind un alt parametru ce urmează a fi ales. Se obţine astfel următorul
sistem de ecuaţii
⎧ xˆ1k +1 = xˆ1k +1 k + α ⎡ yk +1 − xˆ1k +1 k ⎤
⎪ ⎣ ⎦
⎪ 2 β
⎨ xˆk +1 = xˆk + ⎡⎣ yk +1 − xˆk +1 k ⎤⎦
2 1
(34)
⎪ T
⎪ xˆk +1 k = xˆk + Txˆk2
1 1
⎩
Din acest sistem se poate elimina predicţia poziţiei, care apare doar ca
valoare intermediară de calcul. Rezultă
⎧ xˆ1k +1 = (1 − α ) xˆ1k + (1 − α ) Txˆk2 + α yk +1
⎪
⎨ 2 β 1 β (35)
⎪ xˆk +1 = − xˆk + (1 − β ) xˆk + yk +1
2

⎩ T T
sistem care modelează un algoritm de prelucrare numerică, numit α − β sistem
de urmărire.

7
 Pentru α = β = 0 modelul corespunde unui model de avion ce zboară la
viteză constantă xˆk2 ≡ V şi având poziţia iniţială x̂01 = D . Când α şi/sau β sunt
nenule, atunci eroarea dintre măsurătoarea de poziţie yk +1 şi predicţia acestei
valori xˆ1k +1 k este utilizată la corecţia estimărilor de viteză şi poziţie; la rândul său
yk +1 se obţine pe baza timpului de propagare estimat tˆc ( k ) . Eroarea de măsură a
lui tˆc , prin caracteristicile sale, influenţează alegerea parametrilor de urmărire
α,β .