1.

SEMNALE

Se numes, te semnal, o funct, ie

f : T → A,
unde A este o mult, ime dată, numită imaginea semnalului, iar T este domeniul
de definit, ie a semnalului.
Cele mai des folosite semnale, numite s, i semnale standard, sunt:

+∞, t = 0, R +∞
- Impuls Dirac: δ(t) = ce satisface −∞ δ(t)dt = 1;
0, t 6= 0,

1, t ≥ 0,
- Treaptă unitară: 1(t) =
0, t < 0;
- Semnalul rampă: ramp(t) = t · 1(t);

1, a ≤ t ≤ b,
- Impuls dreptunghiular: rect(t) =
0, altfel;

1 − |t|, −1 ≤ t ≤ 1,
- Impuls triunghiular: trian(t) =
0, altfel;
- Semnale exponent, iale: u(t) = Aeat , a ∈ R∗ ;
- Semnale armonice: u(t) = A cos(ωt + φ) .
Spat, iile de semnale sunt spat, ii vectoriale Banach - spat, ii normate (se poate
defini o normă) s, i complete (orice s, ir Cauchy este convergent în spat, iul însus, i).
Dacă semnalul are energia finită, i.e., kuk2 < +∞, se poate defini un produs
scalar; în acest caz, vorbim de spat, ii Hilbert.
În continuare, definim operat, ii cu semnale.

Operat, ii elementare

Fie u, v, două semnale continuale, s, i α ∈ C(R).

Se definesc semnalele
(u + v)(t) := u(t) + v(t) ;
(u v)(t) := u(t) · v(t) ;
(α u)(t) := α · u(t).

1
2 Analiza sistemelor liniare

Transformarea axei timpului

Fie u, un semnal continual oarecare, s, i fie

φ(t) = αt + β,

o funct, ie cu valori reale (α, β ∈ R).

Se defines, te semnalul

uφ (t) = (u o φ)(t) = u(αt + β).

Operat, iile elementare, definite fat, ă de axa timpului, sunt:

Scalare: α > 0, β = 0, uα (t) = u(αt); pentru α > 1, se obt, ine o contractare,
iar, pentru α < 1, o dilatare a axei de timp.
Inversarea axei timpului: α = −1, β = 0, u− (t) = u(−t); pentru α = 1,
β = −τ , se obt, ine o întârziere: uτ (t) = u(t − τ ), iar, pentru α = 1, β = τ , o
devansare: uτ (t) = u(t + τ ).

Exemplul 1.1. Aplicarea operat, iilor elementare pe semnale standard:

a) u(t) + v(t), u(t) = 1(t), v(t) = ramp(t);

b) u(t) · v(t), u(t) = ramp(t), v(t) = cos(ωt + φ), ω = 1, φ = 180;
c) u(t) = cos(ωt + φ), u(3t) = cos(3ωt + φ), ω = 1, φ = 180;
d) u(t) = cos(ωt + φ), u 31 t = cos 13 ωt + φ , ω = 1, φ = 180.

Figura 1.1: a) u(t) + v(t)

Semnale 3

Figura 1.2: b) u(t) · v(t)

Figura 1.3: c) u(t) s, i u(3t)

4 Analiza sistemelor liniare

1


Figura 1.4: d) u(t) s, i u 3
t

Convolut, ia

În teoria semnalelor s, i a sistemelor, convolut, ia joacă un rol fundamental, de-

oarece defines, te (în domeniul timp) o clasă foarte importantă de sisteme lini-
are. Convolut, ia (produsul de convolut, ie) stabiles, te o relat, ie între semnalul de
intrare s, i cel de ies, ire, prin intermediul funct, iei pondere, care descrie sintetic
sistemul dinamic respectiv.
Pentru două semnale cu timp continuu, h s, i u, relat, ia de definit, ie a convolut, iei
acestora este Z +∞
(h ∗ u)(t) = h(t − τ )u(τ )dτ, t ∈ R. (1.1)
−∞

Exemplul 1.2. Calculul s, i reprezentarea grafică a convolut, iei următoarelor

perechi de semnale:

a) h(t) = δ(t), u(t) = h(t), t ∈ R;

b) h(t) = 1(t), u(t) = h(t), t ∈ R;
c) h(t) = ramp(t), u(t) = h(t), t ∈ R;
d) h(t) = eat , a ∈ R∗ , u(t) = h(t), t ∈ R;
e) h(t) = cos(ωt + φ), ω = 1, φ = 180, u(t) = h(t), t ∈ R.
Semnale 5

a)

>> N = 2;
>> n = 10;
>> Te = 0.001;
>> t1 = -N : Te : N;
>> u = exp(-(n*t1).^2/2)/sqrt(2*pi);
>> y = conv(u,u) * Te;
>> t = -2*N : Te : 2*N; plot(t, y);

b)

>> t1 = 0 : Te : N;
>> u = heaviside(t1);
>> y = conv(u, u) * Te;
>> t = 0 : Te : 2*N;
>> plot(t, y);

c)

>> t1 = 0 : Te : N;
>> u = t1 .* double(t1>=0);
>> y = conv(u, u) * Te;
>> t = 0 : Te : 2*N;
>> plot(t, y);

d)

>> t1 = 0 : Te : N;
>> a = 1;
>> u = exp(a*t1);
>> y = conv(u, u) * Te;
>> t = 0 : Te : 2*N;
>> plot(t, y);

e)

>> t1 = 0 : Te : N;
>> w = 1; phi = 180;
>> u = cos(w * t1 + phi);
>> y = conv(u, u) * Te;
>> t = 0 : Te : 2*N;
>> plot(t, y);
6 Analiza sistemelor liniare

Figura 1.5: Convolut, ie a) h(t) = δ(t)

Figura 1.6: Convolut, ie b) h(t) = 1(t)

Semnale 7

Figura 1.7: Convolut, ie c) h(t) = ramp(t)

Figura 1.8: Convolut, ie d) h(t) = eat , a = 1

8 Analiza sistemelor liniare

Figura 1.9: Convolut, ie e) h(t) = cos(ωt + φ), ω = 1, φ = 180

Norme
Semnalele cu act, iune finită sunt semnale absolut integrabile pe R, respectiv
Z +∞
1
L (R) = {u ∈ R | u măsurabilă, |u(t)|dt < +∞}. (1.2)
−∞

Fie u ∈ L1 (R); atunci,

Z +∞
kuk1 := |u(t)|dt
−∞

este o normă bine definită pe L1 (R) s, i măsoară "act, iunea" semnalului u.

Semnalele de energie finită sunt semnale de pătrat integrabile pe R, respectiv
Z +∞
2
L (R) = {u ∈ R | u măsurabilă, |u(t)|2 dt < +∞}. (1.3)
−∞

Fie u ∈ L2 (R); atunci, rădăcina pătrată a energiei totale a unui semnal

defines, te o normă pe L2 (R), respectiv
Z +∞  21
2
kuk2 := |u(t)| dt .
−∞
Semnale 9

Un semnal continual oarecare u este mărginit, dacă există M > 0, astfel încât
|u(t)| < M , ∀ t ∈ R. Orice semnal mărginit pe R este s, i esent, ial mărginit,
adică mărginit aproape peste tot (a.p.t.).
Pentru semnalele mărginite, se mai introduce s, i norma supremum

kuk∞ = sup|u(t)|.
t∈R

Măsuri pentru semnale

Media valorii absolute (MVA) a unui semnal continual u(t) este
Z +T
1
M V A(u) := lim |u(t)|dt, T > 0.
T →+∞ 2T −T

Rădăcina medie pătratică (RMP) a unui semnal continual u(t) este

 Z +T  21
1
RM P (u) = lim u(t)2 dt , T > 0.
T →+∞ 2T −T

Exemplul 1.3. Considerăm semnalul treaptă 1(t). Translatarea semnalului

la stânga s, i la dreapta este prezentată în Fig. 1.10. Translatarea funct, iei la
dreapta reprezintă întârzierea funct, iei cu un timp τ (1(t − τ )), iar translatarea
la stânga reprezintă devansarea acesteia cu acelas, i timp τ (1(t + τ )).

Figura 1.10: Translat, ie treaptă pentru τ = 4

10 Analiza sistemelor liniare

Exemplul 1.4. Semnalul δ(t) (impulsul Dirac) s, i derivatele sale nu sunt

funct, ii în sensul uzual al definit, iei (i.e., sunt funct, ii generalizate, definite for-
mal ca distribut, ii). Exemplele următoare ilustrează o serie de posibilităt, i de
aproximare a lui δ, prin intermediul unor funct, ii uzuale. Se trasează graficul
următoarelor aproximări, pentru diferite valori n ∈ N∗ :
(
1 1
n, pentru − 2n ≤ t ≤ 2n ,
a) d1 (t) =
0, în rest;

b) d2 (t) = n · trian(nt), t ∈ R;

c) d3 (t) = n · bell(nt), t ∈ R, unde

1 t2
bell(t) := √ e− 2 , t ∈ R,
2π
este clopotul lui Gauss.

>> d1 = zeros(1,length(t));
>> d1(-1/2/n <= t & t <= 1/2/n) = n;

Figura 1.11: Aproximare impuls a)

>> d2 = zeros(1,length(t));
>> aux = (-1/n <= t) & (t <= 1/n);
>> d2(aux) = 1-abs(n*t(aux));
Semnale 11

Figura 1.12: Aproximare impuls b)

>> d3 = n*exp(-(n*t).^2/2)/sqrt(2*pi);

Figura 1.13: Aproximare impuls c)