PRELUCRAREA NUMERICĂ A

SEMNALELOR
Introducere

DSP este un acronim pentru Digital Signal Processing (procesare de semnal digital) şi
reprezintă o familie de aplicaţii care tratează o gamă largă de semnale (audio, video etc.)
prin procesarea lor într-un procesor digital specializat. Acesta din urmă este cunoscut tot
sub numele de DSP Digiu,l Sig11(lf Processor, sau procesor de semnal digital.

Procesoarele de semnal digital preiau în timp real informaţia de mare viteză şi o

manipulează în multiple moduri şi scopuri. Cu DSP putem restaura vechi înregistrări pe
suport de vinyl la claritatea originală, putem şterge zgomotul static din liniile telefonice şi
putem "vedea" din sateliţi detalii ale unor obiecte de dimensiunea unei mingi de golf. În
autoturisme, DSP-urile creează, în linia audio, sunetul spaţial (surround}, în timp ce
răspund de sistemele de suspensii active, frânele ABS sau injecţia electronică. În
telefonia mobilă, prin procesarea digitală de semnal putem "înghesui" mai multe
conversaţii pe tmdele aeriene, simultan cu codificarea lor pentru prevenirea interceptării.
Procesoarele de semnal digital pot fi întâlnite în aparatele de monitorizare medicale, în
aparatele auditive, supercalculatoare sau modemuri. Sunt folosite în detectoare radar, în
televizoare digitale sau combine audio, instalaţii de amplificare şi laser pentru spectacole.
DSP-urile sunt, de fapt, o parte componentă a existenţei noastre modeme, translatând
semnalele în inteligenţă şi permiţându-ne să luăm decizii mai precise, într-un timp mult
mai scurt.

1.1 Arhitectura DSP

Deşi există o multitudine de procesoare DSP, ele conţin un set comun de caracteristici
care pot fi clasificate în trei categorii: o aritmetică specializată de mare viteză, o
capacitate de transfer de date din şi către procesul continuu şi o arhitectură de accesare
multiplă a memoriei. Ftmcţionarea unui DSP constă din câteva operaţii specifice: adunări
şi înmulţiri, întârzieri (delays) şi calcul matricial. Fiecare dintre aceste operaţii necesită
câteva condiţii specifice: adunările şi înmulţirile presuptm citirea simultană a doi
operanzi, executarea operaţiilor (de obicei în acelaşi timp}, salvarea rezultatului sau
reţinerea lui pentru repetarea operaţiei; întârzierile presupun reţinerea unei valori pentru
utilizarea sa ulterioară; calculul matricial constă în preluarea datelor din locaţii
consecutive de memorie sau copierea datelor între zone diferite de memorie.

Pentru a putea obţine aceste perfom1anţe obligatorii, procesoarele de semnal trebuie să

ofere posibilitatea efectuării în paralel a înmulţirii şi adunării, accesării multiple a
memoriei şi generării eficiente a adreselor, să conţină o multitudine de regiştri pentru
reţinere temporară a datelor, precum şi facilităţi speciale cum ar fi întârzierile şi adresarea
circulară.

2
 x(n)'-....-1

h2
C[2])

--- ----
!tunul
Adullari
Jnlarzieri
Calcul malriceal
Matematica ..nui DSP se re1wna la trei �vi 4e operatii:

Fig. J.J
aduwi., Î.knlultiri, ixtanieri

Cele mai multe operaţii pe care le efectuează tm DSP constau în multiple adunări şi
înmulţiri. Pentru a citi doi operanzi într-un singur ciclu de instrucţiune va trebui să avem
simultan două accesări ale memoriei. De fapt, gândindu-ne că va trebui să salvăm
rezultatul şi să citim instrucţiunea însăşi, vom dori să avem mai mult de două accesări ale
memoriei într-un acelaşi ciclu de instrucţiune. Se ştie că nu se pot accesa două adrese de
memorie diferite pe aceeaşi magistrală de date. Accesarea multiplă este posibilă în cazul
DSP folosind două tehnologii derivate din modelele arhitecturale adoptate: arhitectura
Harvard sau arhitectura Von Neumann modificată.
În arhitectura Harvard, DSP are două magistrale separate de memorie. Acestea pem1it
accesarea simultană a două locaţii de memorie. În procesoarele de uz general, una dintre
magistrale este dedicată citirii codului instrucţiunii, iar cealaltă aducerii operanzilor.
Arhitectura Harvard-DSP permite ca magistrala de program să poată fi folosită pentru
citirea operanzilor. Deoarece avem simultan nevoie de trei informaţii, Harvard-DSP
include o memorie cache care poate stoca instrucţiunile comune ce vor fi reutilizate,
lăsând ambele magistrate libere pentru operanzi. Această extensie poartă denumirea de
Super Harvard ARChitecture (SHARC).

I Memorie �l:_M_,.,_·_-_de_adre_.. _,1.... _c_P__

u _.

:M�=�,
. . M,gist..Ja de date .

M,gistrala Magistrala
--,
,...-M__ _o_ria
de adre.. e m
I ,.--C_P_U_.,, : , de da
�r: ';! �
. -.-u- . ! M,gis tr&ib
de date de date
1

Arldtecrurlle Von NeUWUl si Han'U"t

Fig. 1-2

3
2. Sisteme Liniare
Majoritatea tehnicilor DSP se bazează pe metoda "divide et impera" numită şi metoda
supe,poziţiei. Semnalul procesat este împărţit în componente simple, fiecare componentă
este procesată individual, rezultatele finale fiind adunate. Această metodă este foarte
puternică în sensul că împarte o singură problemă mai complicată într-o serie de probleme
mai simple şi uşor de rezolvat. Superpoziţia poate fi folosită doar pentru sistemele liniare,
ceea ce înseamnă că numai anumite reguli matematice se pot aplica. Din fericire,
majoritatea aplicaţiilor întâlnite în ştiinţă şi inginerie intră în această categorie. Acest
capitol prezintă principiile fundamentale ale DSP: ce reprezintă un sistem liniar, diferite
moduri de a împăr\i semnalele în componente mai simple şi felul în care metoda
superpozi\iei generează o serie de tehnici de procesare de semnal.

2.1 Semnale şi sisteme

Un semnal este o descriere a modului în care un parametru variază în func\ie de alt

parametru. Spre exemplu, tensiunea se modifică în timp într-un circuit electronic sau
luminozitatea variază cu distanţa într-o imagine. Un sistem este un proces oarecare ce
produce un semnal de ieşire ca răspuns la un semnol de intrare (figura 2-1). Sistemele
continue au ca intrare şi ieşire semnale continue cum ar fi circuitele analogice. Sistemele
discrete au ca intrare semnale discrete, cum ar fi programele software ce manipulează
vectori de valori.

Sunt mai multe reguli de numire a acestor semnale. Prima, semnalele continue folosesc
paranteze rotunde, cum ar fi: x(t) şi y(t), în timp ce semnalele discrete folosesc paranteze
drepte, ca: x[n} şi y[nj. A doua, semnalele folosesc litere mici. Literele mari sunt
rezervate pentru domeniul frecven\ă. A treia, numele dat semnalelor descrie, de obicei,
parametrul care-l reprezintă.

La prima vedere poate părea imposibilă înţelegerea tuturor sistemelor existente. Din
fericire majoritatea acestora intră într-o categorie numită sisteme liniare. Acest fapt este
extrem de important. Fără conceptul de sistem liniar, suntem nevoiţi să examinăm
caracteristicile individuale a multor sisteme neprecizate. În schimb, cu acest concept, ne
putem concentra asupra tratării categoriei sistemelor liniare ca un întreg. Prima cerinţă
este să identificăm ce proprietă\i fac un sistem liniar şi dacă ele aparţin sistemelor
electronice, software şi altor sisteme de procesare.

2.2 Cerinţe pentru liniaritate

Un sistem este numit liniar dacă prezintă două proprietă\i matematice: omogenitate şi
aditivitate. Dacă putem demonstra că un sistem prezintă ambele proprietă\i, atunci vom
demonstra că sistemul este liniar. De asemenea dacă demonstrăm că sistemul nu prezintă
una sau ambele proprietă\i, am demonstrat, că sistemul este neliniar. O a treia proprietate,
invarianţa Ia deplasare nu este o cerin\ă strictă a liniarităţii dar este o necesitate pentru
majoritatea tehnicilor DSP. Dacă avem un sistem liniar folosit în DSP, obligatoriu el va
include şi proprietatea de invarianţă la deplasare. Aceste trei proprietă\i alcătuiesc teoria
matematică de definire şi utilizare a sistemelor liniare.
 --�
Continuous 1----l►
x(t) System y(t)

Discrete
x[n] System y[n]
Fig. 2-1

Cum s-a ilustrat în figura 2-2, omogenitatea înseamnă că o modificare în amplitudinea

semnalului de intrare, rezultă într-o modificare corespunzătoare în amplitudinea
semnalului de ieşire. În termeni matematici, dacă un semnal de intrare x[11] rezultă într-un
semnal de ieşire y[n], o intrare k xx[n] rezultă într-o ieşire kxy[11], pentru oricare ar fi
semnalul de intrare şi constanta k.

r- ----,JO.-tl
IF

System
x[n] y[n]

THEN

k x[n]
----,)o.ci Sys1em
k y[n]
Fig. 2-2

Proprietatea de aditivitate este ilustrata în figura 2-3. Se consideră un sistem în care o

intrare, x 1[11], produce o ieşire y1[11]. Mai departe, presupunem că o intrare diferită, xz[n],
generează o altă ieşire, yz[n]. Sistemul este aditiv dacă o intrare x1[11] + x1[11] rezultă într­
o ieşire y1[11] + yz[11} pentru toate semnalele de intrare posibile.

2
 Fig. 2-4

2.3 Superpoziţia, Fundament al DSP.

Când avem de-a face cu sisteme liniare, singurul mod în care pot fi combinate este
scalarea (înmulţirea semnalelor cu constante) urmată de adunare. Figura 2-5 prezintă un
exemplu: trei semnale xo[11], xi[11], xz[n], sunt adunate pentru a forma un al patrulea
semnal x[11]. Acest proces de combinare a semnalelor prin scalare şi adunare se numeşte
sinteză.

Descompunerea este opera\ia inversă sintezei în care un singur semnal este împărţit în
două sau mai multe componente aditive. Aceasta este mult mai complicată decât sinteza
deoarece există o infinitate de descompuneri pentru oricare semnal dat Spre exemplu,
numerele 15 şi 25 pol fi sintetizate numai în numărul 40. În schimb numărul 40 poate fi
descompus în: I + 39 sau 2 + 38 sau -30,5 + 60 + I 0,5 etc.

.. '
..
. ....... ...:.......... ....':. ..................
.
:
: : :
xJn)

! . ........', ... ...... . ...... ·r: ·.. · .... r: ........

......··.tr............ .
x[n) .. . +
decompo,,n€:> .. . ..
.

.........l..
. .'
'.
:
. .
..........................................
..
.....L ........
[�,,
x,.. ' I-'-➔:-
'. /······l--- ' -1
.... ...,:;.l ......... t .... "'..l ......
··· · · · ·r! · · · · · ri · ·· · · ..!i....... ··
" (, ), , ,

+
·········+······· ·········!·········
....
1-----.._.
"" __,.,,.....
x,[n)

Fig. 2-5

4
 x[u]�
The Fundamental
Concept of DSP
.g

-B- y,[n]�
x,[n]�

-B-
x,[n]� y,[n]�

-B-
x,[n]� y,[n]�

,:,,

y(n]�

Fig. 2-6

Superpoziţia, este strategia generală pentru în\elegerea modulului cum pot fi analizate
semnalele şi sistemele. Considerăm un semnal de intrare notat cu x[n], trecut printr-un
sistem liniar, rezultând un semnal de ieşire, y[nj. Aşa cum este prezentat în figura 2-6
semnalul de intrare poate fi descompus într-un grup de semnale mai simple (componente
ale semnalului de intrare). Fiecare componentă a semnalului de intrare este trecută
individual prin sistem, rezultând un set de componente ale semnalului de ieşire: yo[n],
y1[11], y1[11] etc. Aceste componente ale semnalului de ieşire sunt apoi sintetizate în
semnalul de ieşire, y[n].

Partea importantă constă în faptul că semnalul de ieşire obţinut prin această metodă este
identic cu cel produs prin trecerea directă a semnalului de intrare prin sistem. Acesta este

5
un rezultat foarte important: în loc să încercăm să înţelegem cum sunt modificate de către
un sistem semnalele complicate, tot ce trebuie să ştim este cum sunt modificate semnalele
simple.

2.4 Descompuneri uzuale

Scopul acestei metode este de a înlocui o problemă complicată cu mai multe probleme
uşoare. Există mai multe moduri de descompunere a semnalelor: descompunerea în
impulsuri, descompunerea treaptă, descompunerea pară/impară, descompunerea
intercalată şi descompunerea Fourier.

2.4.1 Descompunerea în Impulsuri

Cum este prezentată în figura 2-7, descompunerea în impulsuri desparte un semnal cu N

eşantioane în N semnale componente, fiecare conţinând N eşantioane. Fiecare dintre
semnalele componente con\ine un punct din semnalul original, restul fiind zero. Un singur
punct diferit de zero într-un şir de valori egale cu zero este numit impuls. Descompunerea
în impulsuri este importantă deoarece ea permite semnalelor să fie examinat un eşantion
la un moment dat. La fel, sistemele sunt caracterizate de răspunsul lor la impulsuri. Dacă
cunoaştem răspunsul unui sistem la impuls, ieşirea sistemului poate fi calculată pentru
orice intrare dată (convoiu/ie).

2.4.2 Descompunerea Treaptă

Pentru descompunerea treaptă, prezentată în figura 2-8, se împarte de asemenea semnalul

cu N eşantioane în N semnale componente, fiecare alcătuite din N eşantioane. Fiecare
semnal component este o treaptă, asta înseamnă că primele eşantioane au valoarea zero în
timp ce ultimele au o valoare constantă. Considerând descompunerea unui semnal de N
puncte, x[n}, în componentele: xo[n}, xi[n}, xz[n],.....xN.1[n} al i-lea semnal component
x;{n}, este compus din zerouri de la punctul O până la i-1, în timp ce restul punctelor au
valoarea de x[i} -x[i-1}.

2.4.3 Descompunerea Pară/Impară

Este prezentată în Figura 2-9, şi împarte un semnal în două semnale componente, unul
având simetrie pară şi celălalt simetrie impară. Un semnal de N puncte se spune că are
simetrie pan1 dacă prezintă o imagine în oglindă în jurul punctului N/2. Asta înseamnă că
eşantionul x[N/2+1} trebuie să fie egal cu x{N/2-1], eşantionul x[N/2+2] trebuie să fie
egal cu x[N/2-2} etc. La fel, simetria impară apare atunci când punctele opuse au valori
egale dar semne diferite: x[N/2+/J = -x[N/2-1}, x[N/2+2} = -x[N/2-2} etc. Aceste
definiţii obligă semnalul să fie alcătuit dintr-un număr par de valori iar indexul lor să fie
de la O la N- I. Descompunerea este calculată după relaţiile:

.,·,[uJ = ,Y[11J+X[N•1')
2

Xol11 l = .f[11J-x[N•11]
2
Ecuaţia 2-1.

6
Motivul pentru care ultimul eşantion din semnal este văzut ca urmând după primul
eşantion este o tehnică DSP numită analiza Fourier. Matematica analizei Fourier vede
semnalul ca fiind circular, deşi nu există nici o semnificaţie fizică pentru aceasta.

X(n] "

D
·i··
... ...

Impulse
Decomposition
Step
Decomposition
D
•• ••••• ;....... ,:.....••• i •••••..

................. .
................
'' ' ''
' '' '
,:,,[nl ''
' '
.
........ .,....... ,:,. ...... ..>··· .. ..
.
..
' '
' '

: : : '' ......''. .......•. ......

. ......•..
' '
,

I .'
.' '
. '
' '
' ..

....... ,........................ . ................

'...............
.. .
. .
.
' ' ' ' '
'
''
'
'
''
' . ' ''
'' '
' .
'

..
...
' ' .
···············-··············
.I
; '' ''
' '
• ••••••<•••••••❖•••••••I•••••••
; '
'
'
'
...... ,....... ... ...............
' ' '' ' '
' '
' ' '

' '
···I·... ......
• •••••• ţ....... ,:.....

........�........;........;........
' '
' '
' '

.
..
x,[nl
.
' ' '

······· ţ'········'j········!.·······
� ' '

.. ··�' ··· ·····':·....... !··.....

' ' ' '

'
'
'
'
'
.
.. '
'
'
'
'
' ...

' ' .
.
..... .. �....... ,:, ""'"!'
' ' '
' ' '
' ' .
x,,[n]
..... "1'" ""'i'
' ' '
"'"" ""' ..
ţ
....... 1''''' '''j''' ......!'"''''
' '

'
'
'
'
'
'
'
'
'
'
..

Fig. 2-7 Fig. 2-8

2.4.4 Descompunerea Intercalată

Aceasta împarte semnalul în două semnale componente: eşantioanele pare şi eşantioanele

impare (Figura 2-10). Pentru a găsi semnalul cu eşantioanele pare, se începe cu semnalul
original şi se setează toate eşantioanele impare la zero. Pentru a găsi semnalul cu

7
eşantioanele impare, se porneşte de la semnalul original şi se setează toate eşantioanele
pare la zero.

Descompunerea intercalată este baza unui algoritm foarte important în DSP, Transformata
Fourier Rapidă (FIT). Procedura pentru calcularea descompunerii Fourier se ştia de acum
câteva sute de ani. Din nefericire, este foarte înceată. Strategia discutată este un excelent
exemplu al DSP: reduce semnalul la componentele elementare prin folosirea repetată a
transformatei de intercalare; calculează descompunerea Fourier a componentelor
individuale; sintetizează rezultatul într-un raspuns final. Rezultatul este că viteza de calcul
creşte de sute sau chiar mii de ori.

x(n] • .....
.
.. ....
D
.'
(..
.
'

Even/Odd
Decomposition
lnterlaced
Oecomposition
D

Io<ld f"""
....... symmecry I l?'"'"'
�""""
. . .
1o(n)
. . .
... .... """ ( ...... ..; ... ....
-",(,. � irr:. :.
o N/2 N

Fig. 2-9 Fig.2-10

2.4.5 Descompunerea Fourier

Figura 2-11 prezintă un exemplu din această tehnică. Orice semnal de N puncte poate fi
descompus în N+ 2 semnale, jumătate sinusoide iar cealaltă jumătate cosinusoide.
Cosinusoida cu frecven\a cea mai mică (xco[11}), execută zero cicli comple\i în N
eşantioane, este un semnal DC. Unnătoarele cosinusoide: xc1[n],xc2[11] şi xcJ[11], execută
1, 2 sau 3 cicli compleţi în N eşantioane. Acest lucru este valabil şi pentru componentele
sinusoidale. Din moment ce frecvenţa fiecărei componentă este fixă, singurul lucru care se
modifică pentru diferitele semnale ce sunt descompuse, este amplitudinea fiecărei
sinusoide sau cosinusoide.

Descompunerea Fourier este importantă din trei motive. Primul, o mare varietale de
semnale sunt create prin suprapunerea mai multor sinusoide. Semnalul audio este un bun
exemplu pentru aceasta. Descompunerea Fourier permite o analiză directă a infonna\iei

8
conţinută în aceste tipuri de semnale. Al doilea, sistemele liniare răspund la sinusoide
într-un mod unic: o intrare sinusoidală va rezulta întotdeauna într-o ieşire sinusoidală.
Sistemele sunt caracterizate prin modul cum modifică amplitudinea şi faza sinusoidelor ce
trec prin ele. Din moment ce un semnal de intrare poate fi descompus în sinusoide, ştiind
cum reac\ionează sistemul la acestea, putem determina ieşirea sistemului. Al treilea,
descompunerea Fourier reprezintă baza pentru un domeniu putemic şi foarte răspândit al
matematicii, numii analiza Fourier, pe lângă alte tipuri de transformate cum ar fi Z şi
laplace. Multi algoritmi DSP se bazează pe aceste tehnici.

2.5 Alternative la Liniaritate

Pentru a aprecia importanta sistemelor liniare, să considerăm că există o singură strategie

majoră pentru analiza sistemelor neliniare. Strategia este de a face sistemul neliniar să
semene cu un sistem liniar. Există trei moduri pentru a face asta:

Primul, ignorarea neliniarităţii. Dacă neliniaritatea este destul de mică, sistemul poate fi
aproximai ca fiind liniar. Erorile rezultate suni ignorate.

Al doilea, păstrarea unor semnale mici. Multe sisteme neliniare apar ca fiind liniare dacă
semnalele au o amplitudine foarte mică. Spre exemplu, tranzistoarele sunt foarte neliniare,
dar prezintă o amplificare liniară bună dacă semnalele sunt mentinute sub câtiva milivolti.
Amplificatoarele operationale duc această idee la extrem.

Al treilea, aplicarea unei transformări de liniarizare. Spre exemplu, se considen1 două

semnale ce se înmulţesc formând un al treilea: a[n] = b[n] x c[nj. Luând logaritmul
semnalelor, schimbăm procesul neliniar al înmulţirii într-un proces liniar de adunare:
log(a[ nj) = log(b[nj) + log( c[n]).

9
Fourier
Decomposition

rf
Ieosine "''"-es) lswe wa\·ts J
. . .
..... ·:"'" -� .... ··i•"*'

. . .r. . r. . r· · ·r. . ·
........:...... :....... ...�.....,:... .....
.. .. .. .. ',,[nJi----•-•-1
'
i
'
i
.
i
:
..... ·;""' ·:"" ··:···· ":'"' ..
i

.... , ;;,,,�.. .
-�' .... ··!···· •�"'
' ..
.
.......,............. . .
. ., ............
. .
.. .... .. ....
..... 'i""' '1"" ..,.
!
•❖ .....

! . . . .
. .

",:,[n]

1i... _. .. · l f· .;.v...
' ' ' :

Fig. 2-11
3. Convoluţia
Este o metodă matematică care combină două semnale pentru a forma un al treilea.
Este cea mai importantă tehnică în procesarea de semnal. Folosind metoda
descompunerii în impulsuri sistemele sunt descrise de un semnal numit răspunsul la
impuls. Convoluţia face legătura între cele trei semnale de interes: semnalul de
intrare, semnalul de ieşire, răspunsul la n1spuns. Se va prezenta convoluţia din două
puncte de vedere: a) al vectorului de intrare şi b) al vectorului de ieşire.

3.1 Funcţia delta şi răspunsul la impuls.

Figura 3-1 defineşte toţi termenii importanţi folosiţi în convoluţia DSP. Primul este
funcţia delta simbolizată de litera grecească 6[n]. Funcţia delta este un impuls
normalizat, asta însemnând că eşantionul cu numărul zero are valoarea unu în timp ce
restul eşantioanelor au valoarea zero. Din această cauză funcţia delta este frecvent
numită impuls unitate.

Al doilea termen este răspunsul la impuls. Aşa cum sugerează numele, răspunsul la
impuls este semnalul care iese din sistem când o funcţie delta reprezintă intrarea.
Dacă două sisteme diferă în vreun fel, ele vor avea un răspuns la impuls diferit Aşa
cum semnalele de intrare şi ieşire sunt adesea numite: x[n} şi y[n}, rJspunsului la
impuls i se dă de obicei numele de h/11}.

Orice impuls poate fi reprezentat ca o funcţie delta deplasată şi scalată. Considerăm

un semnal a[n} compus din zerouri, cu excepţia eşantionului 8, care are valoarea -3.
În formă matematică: a[n} = - 3o[n-8}.

Dacă intrarea într-un sistem este un impuls, cum ar fi -315(11-8}, care este ieşirea
sistemului? Aici se foloseşte proprietatea de omogenitate şi invarianţă la deplasare.
Scalând şi deplasând intrarea rezultă o ieşire identică, scalată şi deplasată. Dacă 15{11}
rezultă în h/11], atunci -315/11-8] rezultă -3h[n-8}. Cu alte cuvinte ieşirea este o
versiune a răspunsului la impuls care este deplasată şi scalată cu aceeaşi cantitate ca
şi funcţia delta de pe intrare. Dacă ştim răspunsul la impuls a sistemului, vom şti
imediat cum va reacţiona acesta la orice impuls.

3.2 Convoluţia
Este o operaţie matematică obişnuită, cum ar fi înmulţirea, adunarea sau integrarea.
Adunarea primeşte două numere şi generează un al treilea număr, în timp ce
convoluţia primeşte două semnale şi generează un al treilea semnal. Este folosită în
multe domenii ale matematicii cum ar fi probabilitatea sau statistică.
 Delta Impulse
Function Response

..........................,_,._,
•2 -1 O I 2 l ◄ S 6 -2-1 O I 2 J 4 S 6

- Linear -
o[n] System h[n]

Fig. 3-1

Figura 3-2 arată modul de reprezentare a convoluţiei în sistemele liniare. Un semnal

de intrare x[n], intră într-un sistem liniar cu un răspuns la impuls, h[n] rezultând un
semnal de ieşire, y[n] (x[n] ,. h[n] = y[n]).

Linear
x[u] System y[u]
h[n]

x[n] • h(n) = y(u)

Fig. 3-2

Figura 3-3 prezintă convolu\ia folosită la o filtrare trece-jos şi o filtrare trece-sus.

Semnalul de intrare este suma a două componente: trei cicli dintr-o sinusoidă
reprezentând frecvenţe înaltă şi un semnal pantă reprezentând frecvenţa joasă. În (a),
răspunsul la impuls pentru filtrul trece-jos este o pantă nu foarte abruptă, rezultând
către ieşire doar formele de undă a căror variaţie nu este foarte bruscă. La fel, filtrul
trece-sus (b), pennite trecerea numai a fonnelor de undă a căror varia\ie este rapidă.

2
a. Low-pass Pilier
··+··:··�···�·· ..
i, .. .. .:..., .. .. .:. .. :
) .. ·--:"··!··

* !.,:.,...!'.. :,··,:·:-...•.·::.....:.. :,·· -:.·.·:' ·. �-·' -�.' ·:' .. �--.'

. . . . . . . . .
a +-..-..-..-..-..-..-..-..-..-....-1
'
4.02:oio 20 J:> O » » � � » • � � " 100 IW
S.amplenumbet ��i:amber

b. High-pass Filler
.,,�-�

*
100 . ·: •·: ··
i .,, ••i••i••
-8.•» ··Î·····
� .,, ... '; .. '; ..
' .. �-·' ·:.·. -.�. -�. ...: .. •oo
0-1-..-..--�---- ..o.:, ::
o W � lO � • • N 0 10 20 10
Slmplf'� S.ample number

Input Signal lmpulse. Response. Output Signal

Fig. 3-3

Figura 3-4 prezintă alte două exemple de folosire a convolu\iei. Atenuatorul cu

inversare (a), inversează semnalul de sus în jos şi-i reduce amplitudinea. Derivata
discretă este prezentată în (b).

Semnalul de intrare conţine 81 de eşantioane, în timp ce fiecare răspuns la impuls este

alcătuit din 31 de eşantioane. În majoritatea aplicafiilor DSP semnalul de intrare
prezintă sute, mii sau chiar milioane de eşantioane lungime. Răspunsul la impuls este
de obicei mult mai scurt, de la câteva puncte, până la câteva sute de puncte. Nu există
restricţii asupra lungimii acestor semnale. Ele specifică lungimea semnalului de ieşire
care este egală cu lungimea semnalului de intrare, plus lungimea răspunsului la
impuls, minus unu. Pentru semnalele din figurile 3-3 şi 3-4, fiecare semnal de ieşire
este: 81 + 31 - I = 111 eşantioane.

Detalierea matematică a convoluţiei poate fi înţeleasă din două puncte de vedere.

Primul, vede convoluţia din punctul de vedere al semnalului de intrare. Acesta
implică analiza modului cum fiecare eşantion din semnalul de intrare contribuie la
fonnarea mai multor puncte din semnalul de ieşire. Al doilea, tratează convoluţia din
punctul de vedere la semnalului de ieşire şi redă modul cum fiecare eşantion din
semnalul de ieşire primeşte informaţie de la mai multe puncte ale semnalului de
intrare.

Acestea reprezintă două moduri de a vedea aceeaşi operaţie matematică. Primul este
important deoarece se leagă de implementarea convoluţiei în DSP. Al doilea, descrie
matematica convoluţiei. Unul din cele mai importante lucruri în DSP este de a face
în\eleasă conceptual teoria matematică şi implementată în sistemele de calcul.

3
 a. I11ve1ti11g Atteuuator

* '' ''
.,ro+--,-.<
o w » » � � @ m ro OIO»lO O 10 » » � � 00 � � 90100110
S.ample number Sample n:ombet S:u:1.ple number

b. Discrete Derivative

. ,., '' '' '' '' '' '' '' '' ''
l . ·-:·. ·:··.:. ·-:·. ·:··.:. ·-:·. ·:··.:. ·-:· ..
'' '' ''

* �0.00
a
] 1 ··f·+··:··f·+··:··f·+··:··f··
:S, l • • •
i •i• 0 • •• 0
: �
••i• 0 • •• 0
: �
• • .;. 0 • •• 0
: �
• 0 0

.. ··:-··:···:··:-··:···:··:-··:···:··:-··
<.1. ro �o . . . . . , . . . .
'' ''
.,ro+--,-.<
OIO»lO O 10 '!O lO ,_, $0 00 X> SO 90100ll0
Sample n:ombet Sample aumber

Input Signal lmpulse Response Output Signal

Fig. 3-4

3.3 Convoluţia văzută din punct de vedere al vectorului de intrare

Figura 3-5 prezintă o problemă simplă de convoluţie: un semnal de intrare de 9
puncte, x[n} este trecut printr-un sistem având un răspuns la impuls de 4 puncte, h[n}
rezultând un semnal de ieşirey[n} de 9+4-1=/2 puncte. În acest exemplu, fiecare din
cele nouă eşantioane a semnalului de intrare va genera o componentă scalată şi
deplasată a răspunsului la impuls pentru semnalul de ieşire (fig. 3-6). Prin adunarea
acestor semnale se generează semnalul de ieşire, y[nj.

x[n]
·��� h[n]
. ..
y[n]

*
.. ..
' ' ' ' ' ' '
?- •• ;. -�-. ? --�··t··:··:··�·-!'··�··:··�·-�-·
11 ··:·+·
' ' ' ' ' '
··?··!··!·•·1··�··�-·!··f.. !··
·t.. :··1··1·�..;--;•-,·�-�·
1

··•-�--
0
o ... : .•,. I
.). ·) ""'· ?·· ?··?·��-• ·;·· ? ..
. . . . !.· i··!· · 1 „1 · ·!··r ··!· ·r··!· ·
•2 ..
• . . . . .
•ţ • • • • • • •l
o i 2 j � s 6 1 8 O � 2 l O 1 2 J 4 S 6 1 I 9 W !I

Fig. 3-5

4
 l : : : : : : : : : :
.... ....
2 ··l-··l-··!··l-··}·❖•❖·{··�··{··
' '
.......... I
...
.. ., ..., ..,. .. ., . ................
. . . .. . . ..
I < I • I
. . ' ,.....
O I I I

,;.,+++·++++ .(.!\'.�·•·�·�·�·�++
1 •• �••� •.;••� .• :,••;.••;•• �•• � .•.: •. 1 ••;. •: •. � ••� •• :.. .: ••:..� • • �•• : ..
o ►•·�--�.•!. -� ··�..... •'• • .,•••••,•• o
·•·-�--�·+·l--·:··{.. i...<.. j ..
·1
.... : ''""""""" ., ··f··f··�··f··!·l=�lt>-UI
•l

.,
•2 • ·�--�' ·! ··� ..�I U'OC'l'
xco1 ti{o-Ol
•l . . . . •
Ol l l� S 61s 91011 O I l j 4 j 4 7 8 9 io 11
..........
. ·:. ·:. •··:. -:"· ';" . �-·�··i·.:··
) ··!··: ..!'··!'•.;.•-�·�-·�··�•·:··
·-+·�..�··r·+·•·f·+·+·t· ·�·ff·f++·,'··•·t+
0
. . .. • �+f+·:··,·,id·-t+
.. , .. .. ... . . .......
.;, .;
··:··:··:--:·,···
··�·-� ..�--� .. l
··�-•.:•:'\··• ..
o

„j„f·+--�·+i=11=•sl
�· i�� I
.) ; , , , .•2] .] .. •· .; . ·}.• , .•;.. 11!1. ,.. ,.. ,•. , ..

.,
.2 : : : : : c:w.n\Mmoc
.
. :··:··:··:·: 6tC'I 11(3]1:i{o-3)
•2
.J ◄ .J
O l 2 l 4 j 6 1 S 9 10 ll O l 4 j 6 7 S 9 10 il O 1 l 4 5 6 1 S 9 lO ll

.. . . .... . .....
.. . .. .. .. . .. ...' ..

�-::;:·•·:•ţ::·•·•·•····••+·
ţ):+:i:r�::rt
' l�r: �,�,-,�,���r: , �,�
.......... ..
l .. •.. •.. •.. • ..•...•.. •. •.. •.. • ..
1 ··:··!··=·++·+·�·�·+·:
l .. •.. • .. • .. •. •...
• . ..
• •.. •.. •..

o o� .................... �
•2 · · ! · +· r ·· l · · +l�
.) •• j ••j. •• j..�•• .;.i. .�..�.. i •• i ..
l:*[e-6)1
.J +-,;....;...;....;....;-=;==;=;==;'=;=l
-1 ••• • •••• ; •• j. ••:•• �- •(. • i..i. ·i..
-� ·! ·! ·f+!j:�1$-�1
o I 2 l�i 6 1 s 9 10 li -� O ii]4 5 6 j S 9 I 0 ll
1

Fig. 3-6

În acest exemplu, x[n] este un semnal de nouă puncte şi h[n] este de patru puncte. În
următorul exemplu, prezentat în figura 3-7, vom schimba situaţia făcând x[n] de patru
puncte şi h[n] de nouă puncte. Sunt folosite aceleaşi forme de undă, acestea fiind doar
schimbate între ele.

După cum se observă, semnalul rezultat este identic cu semnalul de ieşire din figura 3-
5. De aici rezultă o proprietate importantă. Convoluţia este comutativă:
a[n] ,. b[n] = b[n] "a[nj.

5
 x[u] h[u] y[u]
........
. . .3
2 ..:; ..:; .-:-
.;...;:...;:..-:-.,:.
: : ' ' '

* 1 :t:l:!:�:�:t::t:
..;...;..;..
·-�--�·-�·•··l.. +·�-�..�.. ; ..
•1•
.•.
. �.; ..; ..;.) ..; ..�
·••++++·+·.
l

--l� -�:"!"!�''::ţ::ţ:Ţ:�: �:�:r.+�·

.;:. ··;··j··1··�..�--1..-r· �"�•· :"• r·�"1"�••!··
•l-t--.--i---i--i-i,...,..-i-1 .3 . . . . . . . . . .
O 1 1 3 0 l ? 3 4 ) 6 1 8 ol?i4S6;,,1011

..
.. ' ' ' . ' ' ' '
' ' ' ..
··i··t··t·t·1·t·t·t·i··1··
' ' '
2l . ·:t ··;: ..:;, . ,:;.. :·. :·: ..:; , ..::, .·:···::..
·: · :
1 ··=-·�--�--:.. +-f·+·+·1··�-· 1 .. : • -� --� ••: •••:.. �-.,:..,:.. �.. �-.

·♦·•'·'·+·"·'·· •·•J!I· . . . ..
o ......... �.L•' ·•' ·lil•iii•,
..
·++-�·+·+
•• j .• ;. .• �••:•. I!'.'!.! .... . · ..;..
.

�--�-+--H�:,-il
,1 •l ••t••)••)•❖•❖•�••.-.•••••h•�••
·l
., ··1 ..
��o:r>j 2
•
03
012l4S678910II oiil�S67191011

Fig. 3-7

3.4 Convoluţia văzută din punct de vedere al vectorului de ieşire

Să considerăm exemplul în care un singur punct al semnalului de ieşire este inlluen\at
de mai multe puncte din semnalul de intrare. Vom lua ca exemplu punctul y[6} în
figura 3-5. Acest punct este egal cu suma a 6 puncte din cele nouă componente
prezentate în figura 3-6. Să verificăm care din cele 9 componente influenţează y(6).
Asta înseamnă să căutăm care din aceste 9 semnale con\in o valoare diferită de zero
pe pozi\ia a şasea: x[3], x[4], x[S], şi x[6]. Prin adunarea eşantionului şase din fiecare
dintre aceste componente, rezultă: y[6] = x[3]h(3] + x[4]h[2] + x[S)h[l] + x[6)h(0).
Figura 3-8 prezintă acest algoritm ca o maşină de convoluţie, o schemă a procesului
de convolu\ie. Valoarea rezultată este plasată în locaţia corespunzătoare din vectorul
de ieşire.

6
 x[n]

.. !...�..
·++· o'
h[n] �
.•:•• •I
":" .________,:>
(flipped) .. i..·i··
I !

!
·)
J 1 O

. ti.... .
.•
l·�·!·· .. t··=··!···
l '':' .: •• :. ,; ": .. :., : .. ;, ..:.. ;, ••
. . . '. . . . . . .
. . .

, ........;.. ,...
1 ··;··) ..

y[n] o •. ,.., .. , .., ....,.. ,.. ,..... .

,
. �.; .. .. ;
·l · · j • • Î • · j. -�·· j. -�·• Ε· i. ,.:.. Î, .,
•J : ::: : : : : : :
O J '? ) al J 6 J g 9 tO li

Fig. 3-8

Aranjarea vectorului răspuns la impuls în interiorul maşinii de convolu\ie este foarte

importantă. Răspunsul la impuls este inversat de la dreapta la stânga. Această rotire
rezultă din calculul matematic.

Figura 3-9 prezintă maşina de convoluţie utilizată pentru a calcula mai multe
eşantioane în semnalul de ieşire. Această diagramă mai prezintă şi realele probleme
care apar în convoluţie. În (a), maşina de convolu\ie este plasată în extremitatea
stângă cu ieşirea pe y[O}. În această poziţie, ea încearcă să primească infonna\ii de la
punctele: x[-3), x[-2}, x[-1} şi x[Oj. Problema este că eşantioanele x[-3), x[-2} şi x[-1}
nu există. La fel şi în (d), în care maşina de convolu\ie încearcă să citească valorile
x[9}, x[IO] şi x[I IJ.

Un mod de a rezolva această problemă este de a adăuga eşantioane la capetele

semnalului de intrare, având valoarea zero. Această "umplere" nu va afecta rezultatul
final.

7
 -..i,··..�,..·· · ''
''
c::::::>
•••l••••••

��· ··.
h[n] „i"i'" h[n] lfili" c::::::>
"'�"�" I
o
-1 "'• "•'" •I

(flipp<tf) " .., •1 (flip!"d)

•

lL\1
..... �----- . ------------Î-----
y[n]

I •· Set to cuohbt y[OJ I I b. Set to calcwaa >13)

x(n] x[n]

r- - - - ţfţi-- - 1
' ' ''' ' ' ''
"t··�··· '' .... ..
"!"!

c::::::> c::::::>
''
h[n] .,ii... h[n]
"�"�" l

'' -�·�·· .
(Jlipptd)
"'l'"I'" �
'' (flipp,d)
"'l'"'l'" •I

''

. . . -�--- i ..... -�----

y[n]

0 1 i1 • 1 • , , 1.-u

! c. S.I to c,kul,.o, >18) ! 1 d. S.t to calculat, y[ 11 I I

Fig. 3-9

8
Partea importantă a acestei probleme este că extremită\ile semnalului de ieşire sunt
construite dintr-o informaţie incompletă. Acest lucru este asemănător cu un circuit
electronic care necesită un anumit timp după pornire, pentru a-şi stabiliza parametri.
Diferenţa este că această tranziţie este uşor de ignorat în electronică, dar foarte
dăunătoare în DSP.

Figura 3-1 O prezintă un exemplu în care apar aceste efecte de capăt. Semnalul de
intrare este o sinusoidă plus o componentă DC. Dorim să eliminăm din acest semnal
componenta DC, lăsând sinusoida intactă. Acesta necesită un filtru trece-sus, având
răspunsul la impuls prezentat în figură. Problema este că primele şi ultimele 30 de
puncte sunt "false". Forma acestor capete, poate fi înţeleasă imaginându-ne semnalul
de intrare având 30 de puncte egale cu zero în partea stângă, de la x[-1} până la x[-30}
şi 30 de zerouri în partea dreaptă, de la x[81} până la x[l/0). Ieşirea reprezintă
semnalul filtrat al acestei fonne de undă mai lungi. Aceste probleme ale "efectelor de
capăt" sunt foarte răspândite în DSP. Ca regulă generală, începutul şi sfiirşitul
semnalelor digitale în procesarea de semnal, vor fi neutilizabile.

Input signal Output signal

:.-C1Usab?e I esible I tut5a.':lle

t-=-· ····i,i'·-.;·v·v:v···
j!' ........., ............... ,....,....
• "'· \"t. ,.. I\ _,.. :
····· ····t··········· ····1····· ····

O a � - � . a . � � I�
Sat::ll)le n=be:

Fig. 3-10

Folosind maşina de convoluţie, putem scrie ecuaţia standard a convoluţiei. Dacă x[n}
este un semnal de N puncte de la O la N-1 şi h[n} are M puncte, de la O la M-1,
convoluţia celor două: y[n} = x[11} • h[11}, este un semnal de lungime N+M-1 de la O
la N+M-2, dat de:

L h[i]x[i -)]
M-1
y(i] = Ecuaţia 3-1
j=O

Această ecuaţie este numită sumă de c.onvolutie. Formula permite fiecărui punct din
semnalul de ieşire să fie calculat independent de celelalte puncte ale acestuia. Indexul
i, determină care eşantion din semnalul de ieşire este calculat. Majoritatea aplicaţiilor
DSP se bazează pe această ecuaţie.

9
4. Proprietăţile convoluţiei
Se prezintă proprietăţile şi utilizarea convoluţiei în diferite domenii. În prima parte
sunt prezentate câteva răspunsuri la impuls uzuale, apoi modurile de conectare în serie
sau paralel a sistemelor liniare. În final se face o introducere a tehnicii de corelatie.

4.1 Răspunsuri la impuls uzuale

Cel mai simplu răspuns la impuls este functia delta, prezentată în figura 4-1 a. Un
impuls la intrare generează un impuls identic la ieşire, toate semnalele trec prin sistem
fără a fi modificate. Convoluţionând orice semnal cu o func\ie delta rezultatul va fi
acelaşi semnal. Ele sunt ideale pentru memorarea datelor, comunica\ii şi măsurători.

x[n)*c5(11)=x[11) Ecuaţia 4-1

Figura 4-1 b prezintă o funcţie delta răspuns la impuls modificată. Dacă funcţiei delta i
se măreşte sau i se micşorează amplitudinea, sistemul rezultat este un amplificator sau
un atenuator. Dacă k este mai mare ca I, atunci se poate vorbi de ampli ficare. Dacă k
este mai mic ca I, atunci se obţine o atenuare a semnalului.

x[n) * ko(11] = kx[n) Ecuaţia 4-2

in figura 4-1 c este prezentată o funcţie delta cu o deplasare. Aceasta va avea ca efect o
deplasare identică între semnalul de ieşire şi cel de intrare. Poate fi înţeleasă ca o
întârziere sau o avansare a semnalului, depinzând de direcţia deplasării.

x[11] * o[n + s) = x[n + s] Ecuaţia 4-3

Există o mul\ime de exemple în care un semnal este o variantă deplasată a altui

semnal: un semnal radio transmis şi recepţionat către şi de la un obiect în spa\iu.
Timpul scurs între emisia şi recepţia acestui semnal cauzează apariţia unei întârzieri
între semnalul transmis şi cel recepţionat.

Figura 4-1 d prezintă un n1spuns la impuls compus dintr-o funcţie delta plus o func\ie
delta deplasată şi scalată. Prin superpozitie, ieşirea acestui sistem este semnalul de
intrare plus o variantă atenuantă şi întârziată a aceluiaşi semnal de intrare, un ecou.
Ecourile sunt importante în multe aplicaţii DSP. Suprapunerea ecourilor face ca
înregistrările sunetelor din natură să fie mai plăcute şi mai naturale. Radarele şi
sonarele analizează ecourile pentru a detecta avioanele sau submarinele. Geofizicienii
folosesc ecourile pentru a descoperi zăcămintele de petrol. Ecourile sunt foarte
importante în reţeaua telefonică, deoarece dorim să le evităm.
 o. Jd<nri,y I ,,,,;........ �••••�••••�••••i... .;, ... ;.
t 01 ! : : ! ! ! ! !
t-·;.. ,. ...;··t·�
Tbe delra function i• the ldenriry for
con,·olution. Convoliug a ngnal w1tb
the delia fuuction le•n• the signal
unchanged. Ibis is !he goal of systems
i·I ···+···+···{···+··+···}···+··+
,.; .
.

.. ... ... .'.. '... ... ... .'..

that rransmit or store signals.
., .'
. . ci j
. . 2 l 4
��enum.bet

b. Amplificarion & Attenw,tion

IncreasiD.2 or decreasing d1e amplitude
of the delta ftwction forms an impuls•
response tbat amplifle.s or ammuate.s.
re<pecti,-.Jy. Thi, 1mpu1„ respou,e WIii
omplify the 1ignol by 1.6.
·2 ·l CI l 2 l 4 > 6
Samp!e num.bet

!
. ....! ..ţ... ... 1' .. '1'.. · -.r-· .". ..ţ„. '1. '
.............. ......
c. Shift '
Shilling the deh• fuucuou produce, •
cormpondmg sbift �,w„u tbe input
... .. ... (. . .
aud ourput siguak �peudmg ou the
.... .
... .. .. ...
···r··r···r··-r··r···ţ···r··-r
direction. this cau be called a delay or . . .
an a,france. This impuls.e response
.. .. .. .. .. .. ..
delays che signal by four samples. . ,·2 .'1 ci i 2 } ..
Saqle ntunhH'

d. Ecbo . . . . . . . ;.
A delta fuuction plus a sbifted and �I ....
t .. ,..
i'..i....i ...,i..t"·j'
scaled delta fwiction res:ults in an ecJro
j•i• •+·•••+·•�
•I• .. "[ ... t... l'... i....i ... •r .., î". 1'
being added to the original signal. ln
d>i• e:wnple, the ecbo i• �layed by four < ! l ! t t t 1 !
samples and ha, 011 amplitude of 60% of
the origmal 1ignol. .'' .. '
'
. .
. .' '
' . .
i
·l
CI 2 } 4
Sample numlu
Fig. 4-1

4.2 Operaţii asupra semnalelor.

Convoluţia poate acţiona ca integrator sau derivator de semnale. Pentru semnalele
analogice se folosesc termenii de "derivată" şi "integrală". La semnalele discrete
apare denumirea de "derivată discretă" sau "integrală discretă".

Figura 4-2 prezintă răspunsul la impuls care implementează derivata discretă şi

integrala discretă. Figura 4-3 prezintă un exemplu în care se utilizează aceste operaţii.
În figura 4-3a, semnalul original este compus din mai multe componente cu pante
diferite. Convoluţionând acest semnal cu răspunsul la impuls derivata discretă se
generează semnalul din figura 4-3b. Amplirudinea fiecărui punct din semnalul
derivata discretă este egală cu panta corespunzătoare locaţiei din semnalul original.

2
Integrarea discretă este operaţia inversă derivatei discrete. Asta înseamnă că,
convoluţionând semnalul din (b) cu raspunsul la impuls la a integralei discrete se
obţine semnalul (a).

De obicei nu este necesară implementarea unui program de convolu\ie pentru

obţinerea acestor funcţii. Spre exemplu derivata discretă se poate calcula ca fiind:

y[n) = x(11]- x(n -1) Ecua\ia 4-4a

Fiecare eşantion din semnalul de ieşire este egal cu diferenţa dintre două puncte
adiacente ale semnalului de intrare. O altă metodă uzuală este aceea de a calcula panta
în jurul punctului examinat:

y[n]= ( x[n+I]- x[n -l])/2 Ecuaţia 4-4b

?
a. Firu Difference
Thi< i< tb• clmrtt• vmion of 1h• first
d11'ivarlv1. E.ach sampl• m Iii• 0111p111 i'
signali,; equal to the d{flerenc, betweeu
adiacent sample.s in the input sfanal. 1n
l•
<
ot er words. the output signaT is the ·I
,lope of tb• inpu1 signal.
·• ., ·I o I ' l • ' •
Samp!emimbe:i-

?
b. Rtmning Sum
The numing sum îs the diKre1e ,·en1on
of 1bt int•gral. Eoch sample Îll tbe
output signal is equal to the .=mm of all i'o
sample.; in tbe input signol 10 the left. J
<
Note that the impuls.e re1ponse extends ·I

·•
to inf'tnity. a radier nasty feature.

·l ·I o I ' '
Ssmp!e�
• ' •
Fig. 4-2

Folosind aceeaşi aproximare, fiecare eşantion din integrala discretă poate fi calculat
prin adunare tuturor punctelor din semnalul original aflate la stânga locaţiei
eşantionului curent:

y[11)=x[11)+ y[11-l) Ecuaţia 4-5

Rela\iile de acest tip se numesc ecuaţii recursive sau ecuaţii cu diferenţe finite. Idea
este de a înţelege că aceste rela\ii sunt identice cu folosirea convoluţiei şi răspunsului
la impuls din figura 4-2.

3
 •.!.O+--t-+--t-+--t-+--t---t
o • • � � � � � �
Example of c.akulus-lil.'.e operarions. Tue. S=p!e..,.,,l,u
,ignal in (b) i, tbt first differ111c, of tbe
,ignal w (a). Corresponding)y, the stpu1 ,s
(a) is � 1-u1111i11g sum of tbe signal w (b). �
The.se processing methods are used with
di1e:re1e signah the .ume as differenriarion �
and integratîon art ustd witb conrinuou1
,ignals.

<1.2+--!-+--!-.f=.=l'-+--f.--l
o • • � � � � � �
S=p!e..,.,,l,u

Fig. 4-3

4.3 Filtre trece-jos şi trece-sus.

Pentru a în\elege forma generală a unui filtru trece-jos sau a unui filtru trece-sus să
privim figurile 4-4 sau 4-5. În general, filtrele trece-jos suni compuse din grupuri de
puncte pozitive adiacente. Acesta are ca rezultat în semnalul de ieşire o medie
ponderată a mai multor puncte adiacente a semnalului de intrare. Această medie
"netezeşte" semnalul eliminând componentele cu frecvenţă înaltă. Aşa cum este
prezentată func\ia sine ( c), câteva nuclee de filtre trece-jos includ în cozi şi valori
negative ale eşantioanelor.

Frecven\a de tăiere a filtrelor este modificată prin construirea filtrelor mai largi sau
mai înguste. Dacă un filtru trece-jos prezintă o amplificare de unu la frecvenţa zero
(DC), atunci suma tuturor punctelor din n1spunsul la impuls trebuie să fie egală cu
unu. Aşa cum este prezentat în figurile (a) (b) şi (c), teoretic, filtrele pot fi extinse la
infinit fără a atinge punctul zero. În practică, ele sunt trunchiate după un număr de
eşantioane, pentru a putea fi memorate într-un vector.

4
 0
·',;::::====:;-r,,,-7,,7
I•· Expontuti•I I
0.J
Ib. Squm pul:. I
I
1 -�--4--4--
O.>+--t-
I I
I

I
I -
--�-!�-- o., '
I
-'
I
lI --
! ! � 1! o ,
.
! ! ' ' !
i i i•.--.!i-------t--
i
t 0.2+--f---+-+-+--;'

., •.. --r-----f- ---f-t•·

' '
-----r' -·' ' ' ··-r' -1---
'
t i I I I I I
; ;

,< 0.l

I ! ••• ,91"1"1 --+

I' I' I I I I I I
• ■ '
o.o o.o
I
I
iI iI iI II iI I
I
iI I
I
iI I
I I
·0.l-t---,l---t--+-+--, -t---1--i '- -0 I .
·:O •U •lO ., O ' 10 IJ 20 -� •U ·10 4 O S 10 U �
Sample oumber Sample numbet

·:O ·U ·10 ., O J 10 U ?O
Sample numbet

Fig. 4-4

,., a. Exponen11a.l
uo
b. Squ.a:1 pul:.1

I.O

• ' 'I
'
1.CO
I I I
.,' I
1 I I
---1---1---+--+--l---+---+- I I I I I 1�··"' I
--+--f---1--+-- I I I I I
-j--
l o., I I I I I I I � I I I I I
i i i i i i i i i i i --.J.-
i i
o.o
I I ■■- I o
i•• ♦-I
.1--�i•-t-

! !• ! ! ! ! ! !
-0.l
.,o ... •10 ., o
SamplE a:w:nbet
' 10 " ?O
... -:o ... •10 ., o
Sample aumbet
' 10 " ?O

I' I --
.>O
Ic. Smc
'
I
I I

i i l iI
.00 !

I' I'
.>O
'
I
I
---f-----1--+-
I I
I
iI
--
I I I
o.00 I I I I
I I 1-...T-.r I I
I I 1■" I I I
I
'
I I 'I j
'
I
'
I
'
·.ZO •U ·10 ·S O S 10 U 20
Sample Aumbet

Fig. 4-5

5
Figura 4-5 prezintă trei nuclee de filtre trece-sus, derivate din nuclee corespunzătoare
ale filtrelor trece-jos din figura 4-4. Aceasta este o strategie uzuală în proiectarea
filtrelor: la început se concepe un filtru trece-jos şi apoi se transfonnă acesta într-un
filtru de care avem nevoie: trece-sus, trece-bandă, stop-bandă etc. Pentru a înţelege
trecerea de la un filtru trece-jos, la un filtru trece-sus, să ne amintim că răspunsul la
impuls a unei funcţii delta permite trecerea întregului semnal, în timp ce răspunsul la
impuls al unui filtru trece-jos permite trecerea numai a componentelor cu frecvenţă
joasă. Prin superpoziţie, nucleul unui filtru format dintr-o funcţie delta minus nucleul
unui filtru trece-jos, va permite trecerea întregului semnal mai puţin a componentelor
cu frecvenţă joasă. Astfel se naşte un filtru trece-sus. Aşa cum se observă în figura 4-5
funcţia delta este situată în centrul de simetrie sau în eşantionul zero dacă nucleul de
filtru nu este simetric. Filtrul trece-sus prezintă amplificare zero la frecven\ă zero
(DC), dacă suma tuturor punctelor din filtru este egală cu zero.

4.4 Semnale cauzale şi noncauzale.

Să ne imaginăm un circuit analogic simplu. Dacă se aplică un impuls scurt la intrare,

vom vedea un n1spuns la ieşire. Acesta este un fel de cauză şi efect pe care se bazează
universul nostru. Orice efect trebuie să se întâmple după o cauză. Aceasta este
caracteristica de bază a ceea ce numim noi timp. Acum să presupunem un sistem DSP
care modifică semnalul de intrare într-un semnal de ieşire, ambele memorate în doi
vectori într-un computer. Dacă acesta simulează un sistem din lumea reală, el trebuie
să unneze acelaşi principiu al cauzalităţii. Spre exemplu, valoarea eşantionului opt al
semnalului de intrare, poate afecta eşantionul opt sau mai mare în semnalul de ieşire.
Sistemele care operează în acest mod sunt numite sisteme cauzale. Desigur,
procesarea digitală nu necesită în mod obligatoriu o funcţionare de acest fel. Din
moment ce semnalele de intrare şi cele de ieşire sunt vectori de numere, orice valoare
a semnalului de intrare poate afecta orice valoare a semnalului de ieşire (figura 4-6).

4.5 Fază zero, fază liniară şi fază neliniară.

Aşa cum este prezentat în figura 4-7, un semnal are faza zero dacă acesta prezintă
simetrie stânga - dreapta, în jurul eşantionului zero. Un semnal prezintă fază liniară
dacă acesta are o simetrie stânga - dreapta, în jurul altui punct decât punctul zero.
Asta înseamnă că orice semnal cu fază liniară poate fi modificat într-un semnal cu
fază zero printr-o simplă deplasare la stânga sau la dreapta. În final, un semnal are o
fază neliniară dacă acesta nu prezintă simetrie stânga - dreapta. A nu se face confuzie
între liniaritatea sistemelor şi liniaritatea fazei.

6
 o.,
I•· C,11...t I I ! ! ! 0
·'1-;:===:;-;,,-,-,--,-7
lb.C•uml ! ! ! I

! ·-
j I
I'' 'I' i' i''
•
0.3 ; i 0.3+----1:,___,,__,,
_ _,__�--➔---
'I'
' ' I 0.::-1--t--+,· --;-- ;--t-+-➔---
.•---...--�--1-t�--l--• - ,---· ,---
·-
,--,.

!
!

I _:..�--,--- ---
·- 1I II I ---�-J.-- ,_.
o. I.,___...-�--
I I I · .•J I I .1 I
1•,. I ,.,_
I
o.o o.o
I I I I I I I I I I
·0.1 I I .i .i I .I I i
-0.1-t--+--,t--l.--+-+-+---t---l i i I I
·20 -u ·10 ., O S 10 U 20 � -u ·10 � O S 10 15 20
Ssmp:.eoombet Sompleommbe<

o ,.

_-ţ,___ +1--
Ic. Non-c:au� I

' ' �i-=+--

II II I
---
0.3

' .
-- ---�--
'

I I • •I I
I' ....'I ..,'I 'I
o o.
I
-
I

..
I

i +1·-11
-'
i i i
,Ol
� -U � 4 O '> 10' U' �
Sample o.umbes
Fig. 4-6

·'r;::::i.a. :;::
0
:::r::;=:c;-,-,-,,-, • 'Ţ
· -;:;:i:;==;=:::;--,,,-,7
b. linur plu.:.e
i
Zero phi�•
.,a...-.-- ,---+-4--•--+--+­
o 1
I'
: !'
I
î 0.2+--r--lr--;-;-.,---j--+ -+---➔ � 0.2+-+--·r--lr- -;--,,
•.--r--;r--,
I
l< O.I --1--- I • I. I j I I I I I I
--f-e�--- ··- --+-
I1 I 10 I • I1
< O.I --1---+-·-f--
1 I I •
-e- -e-l---1--
1 I
■ ■

•.•,�_,.1114.-J-4-- ___,...81'""',. I I I -+-- + I•

r·
0

I 1"•■"1I I l"■■■jI
o. - ■ ■
I I I I
I
I
�- 1
I I
1
I
.-
I

·0.1+--+--,t--l--+-+-+--./---l -01+--./--l---ll--l--+-+--1--1
·:O •U ·lO ·S O ' 10 1, 10 � •U -� 4 O l 10 U 20
Sample m:imber Sample numbet

--·r1-·-
I' I'
o.,
I'
., �-\---
Ic. Nonllnur pbJ.� I

1 o.,
a =1ţ• I
-
I i
---
--
I' .. 1 I'
� 0.1
I' ..
--�
i'.
00
I I I
-01
I
'
I I
·:O -u ·10 ., O S 10 U 20
Sample numbet

Fig. 4-7

7
4.6 Proprietăţi matematice.
Proprietatea de comutativitate (figura 4-8):

a[n] * b[n] = b[n] * a[n] Ecuaţia 4-6

IF
a[11) --;»► y[n]
„I b[n]

THEN
b[n) a[n) --i»► y[n)
„I
Fig. 4-8

Proprietatea de asociativitate (figura 4-9):

(a[n) * b[n]) * c[n] = a[n] * (b[n] * c{n]) Ecuaţia 4-7

IF
x[n] -- »�1 h,[n]I1-----:Jlo"41 l1z[n] 1-I -•
► y[n]

THEN
► y [n)
x [n) --•jlo,41 hz [11) 1-I ------:Jo�I h, [11) 1-I -----,»

ALSO

x[n) ---J1o�1 h,[n] * hJn] 11- -�)I, ► y[n]

Fig. 4-9

Proprietatea de distributivitate (figura 4-10):

a(11] * b[n] + a[n] * c{n) = a[11] * (b[n] + c{n)) Ecuaţia 4-8

8
 IF

x[n] ----1 I--_. y[n]

-----;J1o�1
THEN
x[n) h1 [n) + h2 [n] 1----Jlo> y[n)

Fig. 4-10

4.7 Transferul dintre intrare şi ieşire.

Aşa cum este ilustrat în figura 4-11 să ne imaginăm un sistem liniar ce primeşte un
semnal de intrare x[n] şi generează un semnal de ieşire y[n]. Acum să presupunem că
semnalul de intrare este modificat (printr-un sistem liniar) rezultând un nou semnal de
intrare, x'[n]. Va rezulta un nou semnal de ieşire y'[n]. Cum se modifică semnalul de
ieşire la o modificare a semnalului de intrare? Semnalul de ieşire se modifică exact în
acelaşi mod ca şi semnalul de intrare. Spre exemplu, dacă semnalul de intrare este
amplificat cu doi, semnalul de ieşire va fi de asemenea amplificat cu doi. Dacă se
scoate derivata semnalului de intrare, se va obţine derivata semnalului de ieşire.

IF
x[n] --JioJio-11 h(n] 1--iJlo
► y[n)

THEN
.x' [n] --JloJio-11 h[n] 1--,Jlo
► y' [n]

Fig. 4-11

4.8 Teorema limitei centrale.

Este un instrument important în teoria probabilităţii deoarece ea explică matematic de

ce distribu\ia probabilită\ii Gaussiene este observată aşa de des în natun1. Spre
exemplu: amplitudinea zgomotului tennic în circuitele electronice urmează o

9
distribuţie Gaussiană; secfiunea transversală a intensităţii unei raze laser este
Gaussiană. Teorema Limitei Centrale spune că o distribufie Gaussiană rezultă atunci
când variabila observată este suma a mai multor procese aleatorii. Chiar dacă
procesele componente nu prezintă o distribuţie Gaussiană, suma lor va prezenta.

Convoluţia este o aplicaţie interesantă a Teoremei Limitei Centrale. Ca exemplu se ia

semnalul din figura 4-l 2a. Dacă acesta se convolufionează cu el însuşi de mai multe
ori, se obţine un Gaussian. Figura (b) prezintă rezultatul convoluţiei acestui semnal cu
el însuşi o singură dată. Figura (c) prezintă rezultatul obţinut după trei operaţii de
convoluţie. Procedura converge foarte rapid la un Gaussian. Lă\imea acestuia este
egală cu lăţimea impulsului original înmulţit cu rădăcina patrată a numărului de
convoluţie.

,. ' '
!I.O
' '
•· ><l•l
,. � -t--
I
I --1-
--ţ--
I b. xM„l•l
u.o --ţ---ţ- I
I
I
I'
I
I
-ţ---
'' ' ' ' ' ' ' '
: ''I '
1 ' :
I
--1--- --
: :
1t•·· :
i I
-i---t-
:
}'·
< II < I'
I
I' I'
I
o. o.o

•I.
·" .,. .., ·10 ., o ' 10 " •• " ...-:, ·•• .., ·10 ., o ' 10 " lO "
Sample n-i:imbet Sample numbet

1'00

<- •!•l••l•l „l•l ni•!

'
1000 -ţ-
I I
� I' I'
;g_ ,00 --+- -+-
I
I I
o

•lOO
.,, .,. ., ·•• .,
. o '
Samp� n.unbet
10 " lO "
Fig. 4-12

4.9 Corelaţia
Conceptul de corelaţie poate fi cel mai bine prezentai cu un exemplu. Figura 4-13
prezintă elementele cheie a unui radar. O antenă proiectată special transmite un
impuls radio într-o anumită direc\ie. Dacă unda propagată întâlneşte un obiect, o
cantitate mică de energie este reflectată înapoi la un receptor radio localizat în
apropierea transmiţătorului. Impulsul transmis are o anumită formă aleasă, cum ar fi
triunghiulară ca în exemplu. Semnalul recep\ionat va consta din două părţi: ( 1) o
variantă scalată şi deplasată a impulsului transmis şi (2) zgomot, rezultând din
interferenta undelor radio, zgomot tennic în componentele electronice etc. Din
moment ce semnalul radio călătoreşte cu o anumită viteză (viteza luminii), deplasarea
dintre impulsul transmis şi cel recepţionat este direct propor\ională cu distanţa până la
obiectul detectat. Problema este: dându-se un semnal cu o anumită fonnă, care este
cea mai bună metodă de a determina unde (sau dacă) acesta apare în alt semnal.

' .,
Răspunsul este corela\ia.

TRA}1SMIT RECEIVE

1 •OO
t '
:'
i •+--+-'++-+-+,-+,-+--4
···········"
, --+
,
f
..»+--+-+--l-+-+--+--+-1--1
� O lO � � � � � M "
S11mp
, lt 11�r (or 1imt)

.., I
I
I
I
I
I
I
I
I
I
I I I I I
I I I I I

.w- - w • •
•------------------------------
I I I I
I I I I I I I I
. .
-� o �o � � � � � � �
Sample nm:i.bet (01 lîme)

Fig. 4-13

Corelaţia este o opera\ie matematică foarte asemănătoare cu convolu\ia. Figura 4-14,

este o prezentare a maşinii de corelaţie. Semnalul care ne interesează, t(n), numit şi
semnal \intă, este continui în maşina de corelaţie. Fiecare eşantion din y[n) este
calculat prin deplasarea maşinii de corelaţie la dreapta sau la stânga. Amplitudinea
fiecărui eşantion în semnalul de intercorelare y[n] este o măsură a cât din semnalul
ţintă se găseşte în semnalul recepţionat. Asta însemnă că va apărea un vârf în
semnalul de intercorelare pentru fiecare semnal ţintă care se regăseşte în semnalul
recepţionat. Cu alte cuvine, valoarea intercorelaţiei este maximizată când semnalul
ţintă este aliniat cu un alt semnal \intă din semnalul recepţionat.

li
 - - - - nu- -
x[n] o �
.�
. - w •
\.
,.

'
t[n]
...._____,>
10 "'

y[n]
o -. � - .., .
.,O W � U � » � N W

Fig. 4-14

Dacă avem zgomot în semnalul recepţionat, el se va men\ine şi în semnalul de

intercorelare. Vârful generat în semnalul de intercorelare este simetric de la dreapta la
stânga, chiar dacă semnalul ţintă nu este simetric. În plus, lăţimea acestui vârf este
dublul lăţimii semnalului ţintă. Intercorelarea încearcă să detecteze semnalul ţintă, nu
să-l refacă.

Corelaţia este metoda optimă de a detecta o formă de undă cunoscută într-un semnal
zgomot. Maşinile de corela\ie şi convoluţie sunt identice, cu excepţia unei mici
diferen\e. În maşina de convoluţie semnalul din interior este inversat de la stânga la
dreapta. În maşina de corelaţie această inversare nu are loc.

Din moment ce acest semnal inversat este singura diferen\ă între cele două opera\ii
este posibil să reprezentăm corelaţia folosind aceeaşi matematică a convoluţiei. Spre
exemplu, când a[n] şi b[n] sunt convoluţionate pentru a produce c[n], ecuaţia se scrie:
a[n]•b[n]=c[n]. În comparaţie intercorelarea lui a[n] şi b[n] poate fi scrisă:

12
a[ n]•b[-n]=c[n].

Totuşi cele două operafii, chiar dacă sunt asemănătoare, reprezintă două proceduri
DSP diferite. Convoluţia reprezintă relaţia dintre semnalul de intrare, semnalul de
ieşire şi răspunsul la impuls al unui sistem. Corelafia este un mod de a detecta o fom1ă
de undă cunoscută într-un zgomot de fond.

13
5. Transformata Fourier discretă
Analiza Fourier este o clasă de tehnici matematice ce se bazează pe descompunerea
semnalelor în sinusoide fiind folosită în prelucrarea semnalelor digitale.
so�----�----�

I DECOMPOSE:>

�YNTHESIZE

•-I0+---1---+---+-----I
O 4 I 12 16
S-lem>a>ber
Fig. 5-la

Figura 5-1 prezintă modul în care un semnal poate fi descompus în sinusoide şi

cosinusoide. În figura (a) avem un semnal de 16 puncte lungime, de la O la 15. Figura
(b) prezintă descompunerea Fourier a acestui semnal, nouă sinusoide şi nouă
cosinusoide cu frecvenţe şi amplitudini diferite.

Scopul acestei descompuneri este ca în final să avem semnale cu care se poate lucra
mai uşor decât cu semnalul original. Spre exemplu, descompunerea în impulsuri
pennite semnalelor să fie examinate un singur punct la un moment dat, ducând la
convoluţie. Componentele sinusoidale şi cosinusoidale sunt mai simple decât
semnalul original deoarece ele prezintă proprietatea pe care semnalul original nu o
are: fidelitate sinusoidală. Sinusoidele sunt singurele fom1e de undă care au această
proprietate.
 Cosine Waves
,�--------�
... . ,�--------� •
'
4 .. : ..t•. �...�.• ►.. ţ.. :..
' '
, ..: .. ..:.., ..:..
.. . . . .
o

..
. . ?' ·1' · · 1'-- -�' . "!. -� .. !'.
. . . .
J .. ;....;.. �---�--�--�--:--
. .
-s +---i--i----i----i---i--i�.---1
02 .i6i:1012u:?6 ' ' a
•
o � 6 4 101?U, !6 o 6 10 12 14 16

. . ' ' ' . .

"
. ' . . . . .
••t•-�--�---�--�--)--t-­
I + I I I O O
,
.. ..
o o o
.
..
. . . .
.
. .
4 .• ;,.�--�---�--�--� •• ; •.
..
. .
..
,.
. . .' '' '

',••
·��������� '
. .+---i--i----i----i---i--i-.---1
-s
o o ' a ,o
•
10 12 14 6 I? 14 16

: : : : : : :
• .. ; ,. .. . . ''

i11 : :
. .
o t I I I o o

. �---�·-•••J••f••
J ••f•-�--
.. . i·,d •I I ; li
� j·
.. '. .' .; ,.
o , .. , o o ' '
:
. ..·· ....
• J • J

.. , .. . . ' . .
. . .. '
.. o ' , • • . . . .' .' .' . .
..
4 •• ; •• .;,.�---�--� • • ; •• ; ••

10 12 14 , .. +---i--i----i----i---i--i�.---1
o 1
'
'
4 6
' '
a � 111, �
.
Sine Waves
•
.. ... .
8 8 ''
' . . .....,... '.,..',..•..
.
. ' . . .. . �...
. . .....'',...', ..•.. ,
... o . .
........... . .........
'' ' ' ' '' ''
'' '' ' . '.........
... ' '
.. . ..... ....
.. .
.. ·····<··<··· .. ..,.
o o
'I ' ' ' '

.. . .. .. •
O O I I I O
••f••{••<oo•►••••••oof•• ►·····'"'··

';• ., , , •• •
•
o 8 10 12 o 10 12 u 16 o 2 6 10 12 u 16
8 8

' .. : . .,:. . ,: ...�..�.. �.. ;.. ' ..

. ..
.. .. ..
' '
o
' . . . . o o
. . i- .{.. {.. -> .. 1 .. i .. i- .
.. . . . . . . .

; • 8 ., 16 .. ' •• ,. .. '• •
• • •
o 2 10 12 o 10 12 u o 6 10 12 14 16

' '' '

.. .. .. ..
' ' '
, ....... . . ...........
........ .
.
. , . .
' ' '
'' '' ''

.. .. ..
o o o
''
, '.
'' '' : : :T: : :
.. . .. ..
. •• i ••.:•• �---� ••J •• J „ ţ••

o 2 , •• 10 12 ., , o ' 6 • IC 12 u ,. o ' ; 6 • 10 ,-, 14 16

Fig. 5-lb

Transformata Fourier poate fi împărţită în patru categorii, rezultate din patru tipuri de
bază ale semnalelor, ce pot fi întâlnite: continuu sau discret şi periodic sau aperiodic.
Din combina\ia acestor două caracteristici se generează patru categorii descrise mai
jos (figura 5-2).

2
 Type ofTransfonn Example Signal

Fourier Transform
sig,1ols rita, are C'.011rin;ous tmd cpniodic

Fourier Serie�
sig,1ob rita1 a,·e c:ominfou.s andpen·odic'

_____. .... .....______

•
••
Discrete Time Fourîer Transfonn
siguol; dr-atare disC'rete ond o:puiodic'
, _. ,_

.•. .•. .•.

....•.,,.,.
OLSCttte Founer Tnmsform • •
s,g,1al; 1h01 are di.;,rete tmdpenodic

Fig. 5-2

Aperiodic - Continuu
Aceste semnale se întind de la plus la minus infinit fără a se repeta într-o secvenţă
continuă. Transformata Fourier pentru acest tip de semnal este numită simplu
Transformata Fourier.

Periodic - Continuu
În acest tip sunt incluse sinusoidele, semnalele de ceas sau alte forme de undă care se
repetă într-o secvenţă oarecare de la minus la plus infinit. Această variantă a
transformatei Fourier este numită Serie Fourier.

Aperiodice - Discrete
Aceste semnale sunt definite ca puncte discrete între plus şi minus infinit fără a se
repeta în vreun mod periodic. Acest tip de transfonnată Fourier este numită
Transformată Fourier Discretă în Timp.

Periodice - Discrete
Sunt semnale discrete care se repetă periodic de la minus la plus infinit. Această clasă
a transformatei Fourier este numită Transformată Fourier Discretă.

Toate aceste patru clase de semnale se extind de la minus la plus infinit. Problema
apare atunci când vrem să re\inem aceste semnale într-un computer. Nu există nici o
variantă a transformatei Fourier ce foloseşte semnale cu lungime finită. Sinusoidele şi
cosinusoidele sunt definite ca fiind de la minus la plus infinit. Nu putem folosi un
grup de semnale infinite pentru a sintetiza un semnal cu lungime finită. Modul de a
ieşi din această dilemă este de a face ca datele să arate ca un semnal infinit.
Presupunem că semnalul nostru are un număr infinit de puncte egale cu zero la stânga

3
şi la dreapta sa. Semnalul rezultat va fi discret şi aperiodic şi se va aplica
Transformata Fourier Discretă în Timp. Ca o alternativă, eşantioanele imaginare pot fi
duplicate al celor actuale. În acest caz semnalul va fi discret şi periodic, folosindu-se
Transformata Fourier Discretă.

Problema care apare este că pentru a sintetiza un semnal aperiodic sunt necesare un
număr infinit de sinusoide. Acest lucru face imposibilă folosirea Transformatei
Fourier Directă în Timp, într-un algoritm. Rezultă că singurul algoritm care poate fi
folosit în DSP este DFT. Cu alte cuvinte, calculatoarele digitale pot lucra cu
informaţii discrete şi finite ca lungime.

Să privim din nou exemplul DFT din figura 5-1. Semnalul de 16 puncte este
descompus în 18 sinusoide, fiecare con\inând 16 puncte. Semnalul din figura 5-1 (a)
trebuie văzut ca o singură perioadă a unui semnal periodic şi infinit. La fel şi cele 18
sinusoide prezentate în (b) sunt segmente din 16 puncte ale unor semnale infinite.

5.1 DFT Reală.

Aşa cum este prezentată în figura 5-3, transformata Fourier transformă un semnal de
N puncte în două semnale de N/2 + I puncte. Vectorul de intrare conţine semnalul care
trebuie descompus, în timp ce vectorul de ieşire con\ine amplitudinile sinusoidelor şi
cosinusoidelor. Semnalul de intrare se află în domeniul timp, asta deoarece
majoritatea tipurilor de semnal ce intră în OFT sunt compuse din eşantioane luate la
intervale regulate de timp. La intrarea DFT - ului pot fi orice fel de tip de date
eşantionate. Când apare tennenul de "domeniu timp" în analiza Fourier, aceasta se
referă la eşantioanele luate la diferite momente în timp. Termenul de "domeniu
frecven\ă" este folosit pentru a descrie amplitudinea sinusoidelor şi cosinusoidelor.

Time D01nain Frequency Domain

x[ l ReX[] ImX[ l
II I II I I I III I I II I I I I II I I I I I II I I I
o N-1 o Nn o Nn
N samples �f2+1 samptes Nn-1 samples
(c.wir.t' til:2\Y mr.plihi.de,1) (s'>M '»mY unrplir�t'.t)

collectively referred co as X[ J

Fig. 5-3

Domeniul frecven\ă conţine exact aceeaşi informaţie ca şi domeniul timp, dar într-o
fonnă diferită. Dacă cunoaştem un domeniu, putem calcula celălalt. Dându-se
semnalul în domeniul timp, procesul de calculare a domeniului frecvenţă se numeşte
descompunere, analiză, OFT direct sau simplu OFT. Dacă cunoaştem domeniul

4
frecven\ă, calcularea domeniului timp se numeşte sinteză sau OFT inversă. Ambele,
sinteza şi analiza pot fi reprezentate în ecuaţii formând un algoritm de calcul.

De obicei, numărul de eşantioane în domeniul timp este reprezentat de variabila N. N

poate fi orice număr întreg pozitiv şi se alege ca fiind o putere a lui doi. Motivul
pentru care se face asta este că cel mai eficient algoritm de calcul al OFT,
Transformata Fourier Rapidă (FFT), operează de obicei cu N care este o putere a lui
doi. Semnalele în domeniul timp sunt reprezentate cu caractere mici iar cele din
domeniul frecventă cu caractere mari. Să presupunem un semnal de N elemente în
domeniul timp x[). Echivalentul în domeniul frecvenţă al acestui semnal este numit
X[], şi este alcătuit din două părţi de câte N/2 + I eşantioane. Ele suni numite Partea
Reală a lui X[] scrisă ReX[) şi Partea Imaginară a lui X[] scrisă lmX[]. În ReX[] sunt
amplitudinile cosinusoidelor în timp ce în lmX[] suni amplitudinile sinusoidelor. Cele
două semnale sunt de la x[O] la x[N-1 ], în domeniul timp şi de la ReX[O] la ReX[N/2]
şi lmX(O] la lmX(N/2] în domeniul frecven\ă.

5.2 Variabilele independente ale domeniului frecvenţă.

Figura 5-4 prezintă un exemplu OFT cu N = 128. Semnalul din domeniul timp este de
la x[O] la x[ 127]. Semnalele din domeniul frecventă sunt conţinute în doi vectori:
ReX[O] la ReX[64] şi lmX[O] la lmX[64].
Time Domain Frequency Domain
2 •
---
I._ xi I i lb. R, X[ I I
-
.,,, •
• • • •• ■ ,I
1.-1
..
..,..,. ____ • •- ---- ..-- ---- -
-- l i ... ,.
•• 'li'
i
I
·I -

·2
o �
.
'
n � � ro
' '
%
'
,u m
.. o l6 S2
.
'
.!&
Sample o:umber Ftequeney (sample munbei')

•
-
Ic. Im X[ J I
- --

--
•
·---
..
-
·.:'
�■ --:J•....1 �
. ..... -
.. O O .I o.2 O.i 0.1 0.S
Fs-equeucy (E.tactioo. of sampli:ng rate)
Fig. 5-4

5
Axa orizontală poate fi referită în patru moduri, toate utilizate în DSP. În prima
metodă axa orizontală este notată de la O la 64, corespunzător cu O la N/2 eşantioane
în vector. Când se foloseşte această nota\ie, indexul în domeniul frecvenţă este un
număr întreg, spre exemplu, ReX[k] şi lmX[k], unde k este de la O la N/2 cu pasul
unu. Programatorii folosesc această metodă deoarece pot accesa fiecare locaţie a
vectorului (fig. 5-4b).

În cea de-a doua metodă, folosită în (c), axa orizontală este notată ca fracţie a ratei de
eşantionare. Asta înseamnă că valorile de pe axa orizontală sunt de la O la 0,5 din
moment ce datele conţin frecvenţe cuprinse între O (DC) şi jumătate din rata de
eşantionare. Indexul folosit în această notaţie este/, de la frecvenţă. Partea reală şi
imaginară sunt scrise: ReX[/] şi lmX(/], unde/poate lua N/2 + I valori egal depărtate
între O şi 0,5. Pentru a trece de la prima nota\ie, k, la cea de-a doua,/, se împarte axa
orizontală la N,/= k/N.

Al treilea mod este similar cu cel de-al doilea cu excepţia faptului că axa orizontală
este înmulţită cu 2n. Indexul folosit în această notaţie este ro. Partea reală şi cea
imaginară sunt scrise: ReX[ro] şi lmX[ro], unde ro ia N/2 +I valori egal depărtate între
O şi n. Parametrul ro, este numii frecvenţă naturală şi are ca unitate de măsură
radianul. Matematicienii folosesc această metodă deoarece fac ecuaţiile matematice
mai scurte.

A patra metodă foloseşte notaţia directă a frecvenţelor pe axa orizontală. Spre

exemplu dacă sistemul face o eşantionare la I0kHz, domeniul de frecvenţă va fi între
O şi 5kHz.

5.3 Funcţii de Bază ale DFT.

Sinusoidele şi cosinusoidele folosite în OFT suni numite funcţii de bază OFT. Cu alte
cuvinte, ieşirea OFT este un set de numere ce reprezintă amplitudini. Funcţiile de
bază alcătuiesc un set de sinusoide şi cosinusoide cu amplitudinea unitară. Dacă
asignăm fiecare amplitudine (domeniul frecvenţă), la sinusoida sau cosinusoida
corespunzătoare (funcţiile de bază), vom avea ca rezultat un set de sinusoide şi
cosinusoide scalate ce pol fi adunate pentru a forma semnalul din domeniul timp.
Funcţiile de bază sunt generate din ecuaţiile:

c,(i]= cos(21lkil N)
Ecuaţia 5-1
s,[i] = sin(2nki/ N)

unde: Ck[] este cosinusul pentru amplitudinea memorată în ReX[k] şi Sk[] este sinusul
pentru amplitudinea memorată în lmX[k]. Spre exemplu, figura 5-5 prezintă câteva
din cele 17 sinusoide şi cele 17 cosinusoide folosite într-un OFT cu N = 32 de puncte.
Din moment ce aceste sinusoide sunt adunate pentru a forma semnalul de intrare, ele
trebuie să aibă aceeaşi lungime ca şi acesta. În acest caz, fiecare are 32 de puncte de la
i = O la 3 I. Parametrul, k selectează frecvenţa fiecărei sinusoide. În particular, c,[ ]
este cosinusoida ce face un ciclu complet în N puncte, c5[ ] este cosinusoida ce face

6
cinci cicli compleţi în N puncte etc. Parametrul frecven\ă, k este egal cu numărul de
cicli care apar în N puncte ale semnalului.

Figura (a) prezintă co[ ). Aceasta este o cosinusoidă cu o frecven\ă egală cu zero, care
are o valoare constantă egală cu unu. Asta înseamnă că ReX(O) refine valoarea medie
a tuturor punctelor semnalului din domeniul timp. În electronică se spune că ReX[O)
retine valoarea de offset DC. Sinusoida pentru frecvenţa O, so() este prezentată în (b),
toate punctele semnalului sunt egale cu zero. Acesta nu afectează semnalul din
domeniul timp la sintetizare.

Figurile (c) şi (d) prezintă c2[ ) şi s2( ), sinusoidele care completează doi cicli în N
puncte. Acestea corespund cu ReX(2) şi ImX[2). La fel, (e) şi (f) prezintă c1o[ ), şi
s10[), sinusoidele care completează IO cicli în N puncte. Aceste sinusoide corespund
amplitudinilor reţinute în ReX[IO) şi ImX[IO). Problema este că figurile (e) şi (f) nu
arată ca nişte sinusoide. Dacă liniile continue nu ar fi prezente în aceste grafice am
distinge cu greu forma acestor sinusoide. Matematic ele sunt corecte.

Frecvenţele maxime în funcţiile de bază sunt prezentate în (g) şi (h). Acestea sunt
CN12[) şi SN12[) sau în exemplul nostru C16[) şi S16[).

7
 2

I•· c.cl I I I !b... q, '

I I
!i ! i!

,-
i
I I I ·- :
I
:
I I
-·--ţ---ţ
I I I:
·I ·l

o
I
I
I
16
.
U " ., o .
I
.
111
.:
?.a
Samp!taombti- Smplt :uumbtr

·2+---+---+---+----1 ·l+---+---+---+----1
o I 16 14 o I 16 U
Simp?t nui:cbtr S.plt :o.run'ott

'r.=:::;r;: :;-,,-,-,
I•· c,.cII I
'
•
!f ,..c�,
1

•I +-"--"-,+a-4-14-"-·.ll...•!L-4--i
·2+---+---+---+----1
o 32

'r.I=:::;i;
<,dl I
g.
:;-7,-,-, ' ,-;:;::::::;i;:;--r-,-,
lb.s,.[JI

�
ţ f
V
:= o
�
-1-j...1..&..a...JII .
.L..r..JL..II-JL
............IJ-l'-'-"I

·2+---+---+---+----1 ·l+---+---+---+----1
o 8 16 1A o a 16 z.: '2
Samp!e oumbet Sample n:ombet
Fig. 5-5

Punctele de eşantionare în c,6 sunt situate în vârfurile cosinusoidei între + I şi -1. În

contrast, sinusoida conţine toate eşantioanele ca fiind zero. Acest lucru face ca
valoarea lui lmX[N/2] să fie aceeaşi cu lmX(O] şi întotdeauna egală cu zero. Ele nu
afectează sinteza domeniului timp.

8
Dacă N eşantioane intn1 în OFT şi N + 2 eşantioane ies din acesta, de unde provine
această extrainforma\ie? Răspunsul este că două din semnalele de ieşire nu con\in
informaţie (lmX[O] şi lmX[N/2]).

5.4 Sinteza. Calculul DFT Inversă

Ecua\ia de sinteză este:

N/2 N/2
x(i] = LReX[k]cos(2nki/ N)+ LlmX[k]sin(2nki/N) Ecuaţia 5-2
k� A�

Cu alte cuvinte, orice semnal de N puncte, x[t] poate fi creat prin adunarea a N/2 +l
cosinusoide şi N/2 + 1 sinusoide. Amplitudinile cosinusoidelor şi sinusoidelor sunt
refinute în vectorii lmX(k] şi ReX(k]. Ecuaţia de sinteză înmul\eşte aceste
amplitudini cu func\iile de bază pentru a crea un set de sinusoide şi cosinusoide
scalate. Adunând aceste sinusoide şi cosinusoide scalate se generează semnalul în
domeniul timp, x(i].

În ecua\ia 5-2, vectorii sunt numi\i lmX(k] şi ReX[k] şi nu lmX(k] şi ReX[k] . Asta
deoarece amplitudinile folosite la sinteză (numite lmX(k] şi ReX[k] ) sunt pu\in
diferite fa\ă de domeniul frecventă a unui semnal (notate prin lmX(k] şi ReXl:k] ).
Ecua\iile de conversie sunt:

ReX[k]
ReX[k] =
N/2
lmX[k]
lmX[k]=
N/2
cu exceptia a doua cazuri Ecuaţia 5-3.
ReX[O]
ReX(O] =
N
ReX[N/2]
ReX[N/2] =
N

9
 Time Domain Frequency Domain
I Ib. Re X[ l (dit 6',qtl<llCY dom.im) I
,o ,o
I a. � tune donwn s,gn.a1

___--+--·
I
JO

--·-·- ■ • ■ ■ ■ ■ ■ ■ ■

I
, ...! • •

•I-•

10 10

o
o S 16 24 3,2 o 4 I 1? 16
Siunple t1umber F�· umple 11umbe-c

�
Eq. 8.3

--
I I
�-
c. Re XI] (co,ine wa1<e .,,.,lirudes)

,.. ::.o ■■■

�
1< I I I
1.0
,.,,__ ·-·---·· ----�,
o.o
o .i a 11 16
Fcequency s�!e Jl.1ltOber
Fig. 5-6

Figura 5-6 prezintă operaţia OFT inversă şi diferenta dintre domeniul frecventă şi
amplitudinile folosite la sinteză. În figura 5-6 (a) este semnalul ce se doreşte a fi
sintetizat, un impuls cu amplitudinea de 32 pe eşantionul zero. Figura 5-6 (b) prezintă
semnalul în domeniul frecvenţă. Partea reală a domeniului frecvenţă este o valoare
constantă de 32. Partea imaginară (neprezentată în figură) este alcătuită din zerouri.
Un impuls în domeniul timp corespunde unei valori constante în domeniul frecventă.
Lucrul important este că 5-6 (b) este OFT-ul lui (a) şi (a) este OFT-ul invers al lui (b).

Ecua\ia 5-3 este folosită pentru a face conversia semnalului din domeniul frecventă
(b), în amplitudini ale cosinusoidelor (c). Toate cosinusoidele au amplitudinea egală
cu doi, cu exceptia eşantioanelor O şi 16 care au valoarea I. Amplitudinea
sinusoidelor nu este prezentată în acest exemplu deoarece ele au valoarea zero şi nu
contribuie în nici un fel la sinteză. Ecua\ia de sinteză, 5-2 este folosită pentru a
converti amplitudinile cosinusoidelor (b), în semnalul din domeniul timp (a).

Diferenţa dintre domeniul frecventă şi amplitudinile sinusoidelor apare deoarece

domeniul frecvenţă este considerat ca o densitate specială (figura 5-7). Exemplul din
această figun1 este partea reală a unui semnal de 32 de puncte în domeniul frecventă.
Eşantioanele sunt de la O la 16, reprezentând 17 frecvenţe egal depărtate între zero şi
jumătate din frecventa de eşantionare. Densitatea spectrală descrie cât semnal
(amplitudine) este prezent pe unitatea lăţimii de bandă. Pentru a converti
amplitudinile sinusoidale în densitate spectrală, împărţim fiecare amplitudine printr-o
lăţime de bandă. Cum determinăm lăţimea de bandă a fiecărei frecvenţe în domeniul
frecven\ă?

:O

• I•
• II • •• ••
I • • 1• ! •
•
•
u
i•iI ■'
i·
,I •

<•

..,........,.......................,.................................
o t : • " s , , • t to :1 1: u u u u
-..'-/
Ftequency s.,w;,le mxnber

Fig. 5-7

Aşa cum este prezentată în figură, lăţimea de bandă poate fi definită prin trasarea de
linii între eşantioane. Exprimată ca fracţie, lă\imea de bandă a fiecărui eşantion este
2/N. Ca excepţie sunt eşantioanele de la capete care au lăţimea de bandă de 1/N. De
aici apare factorul de scalare 2/N între amplitudinile sinusoidale şi domeniul
frecven\ă, cât şi factorul 1/N pentru primul şi ultimul eşantion.

Partea imaginară apare negată doar pentru a face OFT-ul real corespunzător cu
OFT-ul complex. Multe aplicaţii nu vor include aceşti factori de scalare sau această
negare. Ele au fost studiate dintr-un motiv important: cel mai eficient mod de calcul al
OFT-ului este algoritmul FFT. FFT-ul generează domeniul frecvenţă conform
ecua\iilor 5-2 şi 5-3.

5.5 Analiza. Calculul DIT-ului.

OFT-ul poate fi calculat în trei moduri complet diferite. Primul, prin rezolvarea unui
sistem de ecua\ii. Această metodă este folositoare în înţelegerea OFT-ului, dar este
prea ineficientă pentru a fi folosită în practică. A doua metodă foloseşte o procedun1
asemănătoare corelaţiei. Ea se bazează pe detec\ia unei forme de undă cunoscută într­
un alt semnal. A treia metodă, numită şi Transfonnata Fourier Rapidă (FIT), este un
algoritm ingenios ce descompune un OFT de N puncte în N OFT-uri fiecare de un
singur punci. FFT-ul este de sute de ori mai rapid decât celelalte metode. Primele
două metode vor fi prezentate acum în timp ce FFT-ul va fi discutai într-unul din
capitolele următoare. Important este că toate cele trei metode generează ieşiri identice.
În practică metoda a doua este folosită în cazurile în care OFT-ul are mai puţin de 32
de puncte, altfel se foloseşte FFT-ul.

5.5.1 OFT-ul reprezentat prin sisteme de ecuaţii

Dându-se N valori în domeniul timp se cere calcularea a N valori în domeniul

frecven\ă (ignorând cele două valori ale domeniului frecven\ă care trebuie să fie zero).

11
Pentru a determina N necunoscute, trebuie să scriem N ecua\ii, liniare şi independente.
Pentru a face aceasta, luăm primele eşantioane de la fiecare sinusoidă şi le adunăm.
Suma lor trebuie să fie egală cu primul eşantion a semnalului din domeniul timp,
ob\inându-se prima ecuaţie. Pentru restul punctelor semnalului din domeniul timp se
vor scrie ecuaţii asemănătoare, rezultând astfel N ecuaţii. Sistemul de ecuaţii se
rezolvă prin metodele ştiute. Din păcate această metodă necesită un număr mare de
calcule, motiv pentru care nu este folosit în DSP.

5.5.2 OFT-ul reprezentat prin corelaţie

Este metoda standard de calculare a OFT-ului. Să considerăm un exemplu pentru a

reprezenta această metodă. Să calculăm OFT-ul unui semnal cu 64 de puncte. Asta
înseamnă că trebuie să calculăm 33 de puncte pentru partea reală şi 33 de puncte
pentru partea imaginară a domeniului frecvenţă. În acest exemplu se va prezenta
modul de calcul a unui singur eşantion, lmX[3}, amplitudinea sinusoidei ce execută
trei cicli compleţi între punctul O şi punctul 63. Toate celelalte valori ale domeniului
frecven\ă sunt calculate în mod similar.

Figura 5-8 prezintă folosirea corelaţiei pentru a calcula lmX[3). Figurile (a) şi (b)
prezintă două exemple de semnale în domeniul timp, numite: x 1 [ ] şi x2[ ]. Primul
semnal xi[] este alcătuit dintr-o sinusoidă care face trei cicli între punctele O şi 63. În
opoziţie, x2[ ] este alcătuit din mai multe sinusoide şi cosinusoide, dar nici una nu
execută trei cicli. Cele două semnale descriu ce ar trebui să facă algoritmul pentru al
calcula pe lmX[3}. Când se întâlneşte semnalul x I [ ] algoritmul trebuie să genereze o
valoare egală cu 32, amplitudinea sinusoidei prezent în semnal (modificat printr-un
factor de scalare descris în ecua\ia 5-3). În schimb, când întâlneşte celălalt semnal, x2[
] trebuie generată valoarea zero, indicându-se faptul că această sinusoidă nu este
prezentă în semnalul dat. Pentru a detecta o formă de undă cunoscută într-un alt
semnal, se înmul\esc cele două semnale şi se adună toate punctele semnalului rezultat.
Numărul ob\inut ca rezultat este o măsură a similarităţii celor două semnale. Figurile
(c) şi (d) prezintă semnalele care sunt căutate, o sinusoidă ce face trei cicli între
punctul O şi 63. Figura (e) reprezintă rezultatul înmulţirii dintre (a) şi (c). La fel, (f)
este rezultatul înmulţirii dintre (b) şi (d). Suma punctelor din (e) este 32, în timp ce
suma punctelor din (f) este O, ceea ce trebuia de fapt demonstrat.

Celelalte eşantioane din domeniul frecvenţă sunt calculate în acelaşi mod. Această
procedură este scrisă în ecuaţia de analiză, modul matematic de a calcula domeniul
frecven\ă din domeniul timp.

N-1
ReX[k] = I,x[i]cos(2ni.'.i/ N)
,,_,
i:O
Ecua\ia 5-4
Im X[k] = -I,x[i]sin(2ni.'.i/ N)
i=O

Cu alte cuvine, fiecare eşantion din domeniul frecven\ă este determinat prin
înmulţirea semnalului din domeniul timp cu sinusoida sau cosinusoida căutată şi
adunarea punctelor rezultante.

12
Ecua\ia de analiză nu necesită o tratare specială a primului şi ultimului punct, aşa cum
necesită ecua\ia de sinteză. Semnul minus din partea imaginan1 a ecuaţiei 5-4 face ca
OFT-real să corespundă cu OFT-complex şi nu este întotdeauna inclus.

Exan1ple l Example 2
lllg
'
: ·.j .-t-. - - t.........-...
a. X

: •. •
_ :■•
. "----r-. I I
=o •• • : ...
■

. 7· :__. -D�T: ·-•

■
•• • • •• • •
.. ...
• •
• <I!' • • "':r
-- --------
■ • • ■
■ ■ •• • • • •
•l -�---�--- •l

·l+----if----+----+----1
o 16 n J.B
., o 16 5'2 J.S 6J

--. .-
Sample number Sample number

<. •,I 1, bas1S fta,ction btiug sougbt

'-,;=::::;::; =!==::;:::::;======;-7
d. s,[ ], bau, function bt1ng ,oogbt

'l! •
o •• •• • •' •• ' •• o •• • • ' •
•• ' • .
• •
"=J-::
•
. '' .. "
•
'l!
• •• •• ••• ••
=o -:=o
g< ·-r--·
•• '' •• [
•l
•
• • • • <
•I
•• • • •

·l+----if----+----+----1
o t6 n
Sample !llllilber
.sa .. ·2+----if----+---+----1
o 16 5'2 Ji 64
Sample number

' f. "' X•,[J

t:=o
•
• t-::o •I'•• • • •
[ 'li'
-Ţ-- ...
< <
•l ·I

·l+----if----+----+----1
o 16 n .ia
Sampte lIWillJer
.. ·2+----if----+---+----1
o l6 52 J.I 64
Sample number
Fig. 5-8

Pentru ca acest algoritm de corelare să funcţioneze, trebuie ca func\iile de bază să aibă

o proprietate: fiecare dintre ele trebuie să fie complet necorelabilă cu toate celelalte.
Asta înseamnă că dacă înmul\im oricare două func\ii de bază, suma punctelor
rezultante va fi egală cu zero. Funcţiile de bază care au această proprietate se numesc
ortogonale.

5.6 Dualitatea

13
Ecuatiile de sinteză şi analiză (5-2 şi 5-4) sunt foarte asemănătoare. Pentru a trece
dintr-un domeniu în altul, valorile cunoscute sunt înmulţite cu funcfiile de bază iar
rezultatele produselor adunate. Faptul că OFT-ul şi OFT-ul invers folosesc ecuaţii
matematice asemănătoare este un lucru remarcabil, având în vedere modul total diferit
de construcţie a celor două proceduri.

De fapt, singura diferenţă semnificativă dintre cele două ecuaţii este că rezultatul în
domeniul timp este un semnal de N puncte, în timp ce domeniul frecvenţă prezintă
două semnale de N/2 + I puncte. OFT-ul complex defineşte domeniul timp şi
frecventă ca semnale complexe de câte N puncte. Acestea fac cele două domenii
perfect simetrice.

Această simetrie dintre domeniul timp şi domeniul frecvenţă este numită dualitate şi
prezintă numeroase proprietăţi. Spre exemplu, un singur punct în domeniul frecventă
corespunde unei sinusoide în domeniul timp. Prin dualitate, inversa este de asemenea
adevărată, un singur punct în domeniul timp corespunde unei sinusoide în domeniul
frecventă.

5.7 Notaţia Polară

După cum se ştie, domeniul frecventă este un grup de amplitudini de sinusoide şi
cosinusoide (cu mici modificări de scalare). Aceasta este numită nota\ia
rectangularii. Domeniul frecvenţă poate fi exprimat şi în forma polarii. În această
notaţie, ReX[ J şi lmX[ J sunt înlocuiti cu alţi doi vectori numiti Amplitudinea lui
X[ J scris în ecuaţii ca: 1'1{lgX[ J şi Faza lui X[}, scris ca: PlwseX[]. Amplitudinea şi
faza sunt perechi cu părţile reale şi imaginare. Spre exemplu, M{lgX[OJ şi PhaseX[OJ
sunt calculate folosind numai ReX[OJ şi lmX{OJ. Pentru a înţelege această conversie să
vedem ce se întâmplă atunci când adunăm o cosinusoidă cu o sinusoidă cu aceeaşi
frecventă. Rezultatul este o cosinusoidă cu aceeaşi frecvenţă, dar cu o altă amplitudine
şi fază. În formă matematică cele două reprezentări arată astfel:

Acos(x)+ Bsin(x)=M cos(x+B) Ecua\ia 5-5

Un lucru important este acela că nu se pierde nici un fel de informaţie în acest proces.
Cu alte cuvinte, infonnaţia conţinută în A şi B este de asemenea conţinută în valorile
M şi 0. Figura 5-9 descrie modul de reprezentare a variabilelor A şi B în sistemul de
coordonate rectangulare, în timp ce M şi 0 sunt reprezentate în coordonate polare.

14
 B

2
M=(A +!r{'
8 • arcran(B/A)

Fig. 5-9

În notaţia polară, MagX[} reţine amplitudinea cosinusoidei, în timp ce PhaseX[]

refine unghiul defazaj al cosinusoidei. Ecuaţiile de conversie a domeniului frecvenţă
din fom1a rectangulară în cea polară şi invers sunt:

MagX[k]=(ReX[kf +ImX[k] 2
)
112

Ecuaţia 5-6
PhaseX[k] = arctan (:�:n

ReX[k]=MagX[k]cos(PhaseX[k])
Ecuaţia 5-7
ImX[k] = MagX[k]sin(PhaseX[k])

Notaţia polan1 şi cea rectangulară ne pennite să vedem OFT-ul în două moduri

diferite. ln notaţia rectangulară, OFT-ul descompune un semnal de N puncte în N/2 +
/ cosinusoide şi N/2 + I sinusoide, fiecare cu o amplitudine specifică. În notaţia
polară OFT-ul descompune un semnal de N puncte în N/2 + I cosinusuri, fiecare cu
amplitudini specifice şi N/2 + I defazaje. De ce notaţia polară foloseşte cosinusoide în
locul sinusoidelor? Sinusoidele nu pot reprezenta componentele DC a unui semnal, o
sinusoidă de frecvenţă zero este alcătuită din zerouri (vezi figura 5-5 a şi b).

Chiar dacă reprezentarea polară şi cea rectangulară confia exact aceeaşi infonna\ie,
există multe exemple în care ne e mai uşor să folosim una din notafii decât cealaltă.
Spre exemplu, figura 5-1 O prezintă un semnal în domeniul frecvenţă descris în ambele
fonne. Ele reprezintă răspunsul în frecvenţă a unui filtru trece-jos.

15
 · t·t·-
Rectangular Polar
._ RoX!)

i•-Hl-·+-1-+-i:+'"=:a.-ij,--��--+
., +---I---+---+---+---<
o o., o! oJ o.s
FttqllOO<)"
o o., O,! Ol
FHqUtllC)'
•• .,

I'
,, : ;
Id. l'h.i2 X( J
.
. •' \ Ţ ,, \ • •
'\ ';
\_
'
·\' ·\ ·\ ·\• .
I
·•
•. ,
-,+-------+---+---+-----<
o o.: cu
Ftequeu:y
•.. .., ·• o •., O.l O.l
Frequency
..i.. O.J

Fig.5-10

Când folosim notaţia rectangulară şi când folosim notaţia polară? Notaţia rectangulan1
este de obicei cea mai bună soluţie pentru calcule, cum ar fi ecua\ii şi programe
software. În schimb, graficele sunt aproape întotdeauna reprezentate în forma polară.
Este aproape imposibil pentru om să înţeleagă caracteristicile unui semnal în
domeniul frecvenţă privind partea reală şi cea imaginară a acestuia. Într-un program
software, semnalele din domeniul frecvenţă sunt reţinute în nota\ia rectangulară. În
momentul când ele trebuie privite şi înţelese, trebuie făcută conversia rectangular­
polar.

16
6. Aplicaţii ale DFT
Este un lucru normal ca infonnatia să fie codată în sinusoide care la rândul lor
fonnează un semnal. Aceasta este adevărată pentru semnalele naturale cât şi pentru
cele generate de om. Spre exemplu, vorbirea este rezultatul vibraţiei corzilor vocale;
stelele şi planetele îşi modifică luminozitatea datorită rotirii acestora în jurul axei
proprii cât şi una în jurul alteia; o piatră aruncată în apă generează oscilat ii periodice
ale apei etc. Forma semnalului în domeniul timp nu este importantă; infonna\ia se află
în frecvenţa, faza şi amplitudinea componentelor sinusoidale. DFT-ul este folosit
pentru a extrage această infonnaţie.

Să presupunem că dorim să analizăm sunetele ce traversează oceanele. Pentru început,

se plasează un microfon în apă iar semnalul electronic rezultat este amplificat la un
nivel rezonabil (câţiva volţi). Un filtru trece-jos este folosit pentru a scoate frecvenţele
mai mari de 80 de hertzi, astfel că semnalul poate fi digitizat cu 160 de eşantioane pe
secundă.

Figura 6- l a prezintă 256 de eşantioane din semnalul nostru. Tot ceea ce se poate
vedea este un zgomot ce prezintă puţine informaţii pentru ochiul uman. Următorul pas
este înmultirea semnalului cu o fereastn1 Hamming, pentru a "curăta" semnalul de
frecventele aflate între frecvenţele de bază, semnal prezentat în (b). Acesta are ca
rezultat semnalul de 256 de puncte în care eşantioanele de la capete au amplitudinea
redusă (c).

Trecând acest semnal printr-un DFT şi convertindu-l la nota\ia polară, rezultă un

spectru de frecvente de 129 de puncte în (d). Din nefericire acesta arată tot ca un
zgomot. Asta deoarece nu există destulă informaţie în cele 256 de puncte. Folosind un
DFT mai lung nu rezolvăm această problemă. Spre exemplu, dacă este folosit un DFT
de 2048 de puncte, spectrul de frecvenţe devine de I 025 de puncte lungime. Chiar
dacă cele 2048 de puncte conţin mai multă infonna\ie, numărul mare de puncte din
spectru diluează informaţia cu acelaşi factor. Un DFT mai lung oferă o mai bună
rezolutie, dar acelaşi nivel al zgomotului.

Soluţia este să folosim mai multe semnale originale, astfel încât ele să nu mărească
numărul de puncte din spectrul de frecvente. Asta se poate face prin "spargerea"
semnalului de intrare în mai multe segmente de câte 256 de puncte. Fiecare din aceste
segmente este înmulţit cu o fereastn1 Hamming, trecut apoi printr-un DFT şi convertit
în formă polară. Spectrele rezultate sunt mediate pentru a forma un singur spectru de
129 de puncte. Figura (e) prezintă un exemplu în care s-au mediat 100 de spectre de
fonna celui din figura (d). Îmbunătăţirea este evidentă; zgomotul s-a redus la un nivel
ce permite observarea unor caracteristici interesante ale semnalului. Numai
magnitudinea domeniului frecventă este mediată în acest mod; faza este de obicei
ignorată deoarece ea nu con\ine informaţii folositoare. Zgomotul se reduce de un
număr de ori egal cu n1dăcină pătrată din numărul de segmente. Dacă 100 de
segmente sunt tipice, alte aplicaţii pot media milioane de segmente pentru a obţine
câteva caracteristici.
 TimeDomain FrequencyDomain

...,

ll � M tn 160 192 ::A 2:))

Sample a.,imbt-r

,o�
, -1---+ -!·7+-.::-+--t--i
� .�,�+-,+i --ţ-' -t
'ă

� M,��-J_j_-+---1---�
! !
o "
._i._,
• • m • m m m

s: o: • �u 160 1n ::A l'U

Samp» n'tllllh:r

o o., O.: •..

0+----1---1---!---1---'"0I
O...l
Ftequeocy
O.J

Fig. 6-1

Figura 6-2 prezintă un exemplu de spectru captat de la microfonul submarin. Între I O

şi 70 de hertzi, semnalul constă dintr-o regiune relativ plată: Acest palier este numit
zgomot alb deoarece el conţine o cantitate aproximativ egală din toate frecvenţele, la
fel ca şi lumina albă. Spre exemplu, mişcarea electronilor în circuitele electronice

2
generează zgomot alb. Sunetul generat de picăturile de ploaie ce cad pe o suprafaţă de
apă este zgomot alb. Zgomotul alb prezentat în figura 6-2 poate fi din mai multe
surse, incluzând circuitele analogice sau oceanul însuşi.
10�--------------�
p
I !1 hou.-11
1

\
3
2

Mai sus de 70 de hertzi, zgomotul alb descreşte rapid în amplitudine. Această

descreştere este rezultatul filtrului antialiasing. Un filtru ideal va permite trecerea
frecventelor mai mici de 80 de hertzi şi va opri trecerea frecvenţelor mai mari. În
practică, o tăiere perfectă a acestor frecvenţe este imposibilă, ea se va face gradual ca
în figură.

Mai jos de 10 hertzi, zgomotul creşte rapid generând aşa numitul zgomot 1/f.
Zgomotul 1/f este un mister. El a fost măsurat în diferite sisteme cum ar fi densitatea
de trafic pe autostrăzi şi zgomotul electric în tranzistoare. El, poate fi măsurat în toate
sistemele dacă analizăm şi frecvenţele foarte joase. În ciuda largii răspândiri, o teorie
generală şi o înţelegere a zgomotului I /f nu a fost prezentată.

Să explicăm vârfurile care apar în figura 6-2. Cel mai uşor de explicat este cel de la 60
de hertzi, ca rezultat al interferenţei electromagnetice cu reteaua electrică. De
asemenea, ne aşteptăm să observăm vârfuri mai mici pe multiplii ai acestei frecvente
(120, 180, 240 hertzi etc.), din moment ce semnalul din reteaua electrică nu este o
sinusoidă perfectă. Vom putea observa vârfuri de interferentă între 25-40KHz datorate
comutatoarelor electrice. De asemenea, vârfuri de frecventă pot apare şi datorită
staţiilor de radio şi televiziune în banda megahertzilor.

Revenind la semnalul nostru, observăm un vârf mare la I 3 hertzi, cu vârfuri mai mici
la 26 şi 39 hertzi. Acesta este un spectru de frecvenţe a unei fonne de undă
nesinusoidală şi periodice. Vârful de la I 3 hertzi este numit frecventă fundamentală,
în timp ce vârfurile de la 26 şi 39 hertzi sunt numite a doua şi a treia annonică.
Celelalte vârfuri de la 52,65, 78... hertzi nu le observăm deoarece ele se pierd în
zgomotul alb. Acest 13 hertzi poate fi generat, spre exemplu, de elicea cu trei pale a
unui submarin, având o perioadă de rotaţie de 4,33 secunde. Acesta este un exemplu
de sonar pasiv.

3
frecvenţă este reprezentat în formă rectangulară, kX[ J înseamnă că partea reală şi cea
imaginară este înmul\ită cu k. Dacă domeniul frecvenţă este reprezentat în formă
polară, kX[ J înseamnă că amplitudinea este înmulţită cu k, în timp ce faza rămâne
neschimbată.

TimeDomain FrequencyDomain
"' "'
L x,(

�
JI
• n
--·- '" -- --I
--ReX,IJ
d.
"' g. ImX,I-
JI
I I
--
I I I I I I I

I I
I I -- Ii ,-+-+--
I � I I I I

I I Ii Ii I
.. o
I
I
_,.. O 01
I I I
02 O.J o, O,l
.,.. O O: 0,2 OJ
I
o,
.
I
I
O.,
FI--,- Fttct_,-

+ + +
--· J--I
--ReXJ h.ImXJJI
e.
'" -
<IO I
I
I
I
I
I l I
I
I
I I
--t---t--

.I I .I .I
-----t--1-

'
o U IH 1,? !li O O.I 0..l CU OA O.S O O.I O.! 0..l O..& O.$
Saq>le?1Umbe F,_,- FTfq':le!ley

'" "'
I f. ReX,IJ I ImX,IJ I
+--
Ic. s,[J i.
-->- .• '"
•
-l-�==i;=ţ-1-.--·
I
I
I I I I 11
I
I
�•-lrf-Hi+J--+t!-++-11+++1
"j

•
I
�
i i i i
- ---- -
I
<
,__>--· 1--

-•+--+--+--r-----1
o " ta 1,r :u O O.I O l_ O.l o,
. 0.$
.,,. O 0 1. O.? O.J O.' OJ
Saqle ::wmber Freqo!'.IX') · Freq:.:acy

Fig. 7-2

Aditivitatea Transformatei Fourier înseamnă că sumarea într-un domeniu

corespunde cu sumarea în celălalt domeniu. Un exemplu al acesteia este
prezentat în figura 7-2. În această figură (a) şi (b) sunt semnalele în domeniu
timp numite x,[ J şi x1[]. Adunând aceste semnale se obţine un al treilea semnal
numit xJ[ J prezentat în (c). Fiecare din aceste trei semnale are un spectru de
frecvenţe constând din partea reală şi partea imaginară: prezentat în figurile (d) la
(i). Dacă cele două semnale în domeniul timp au fost adunate pentru a obţine un al
treilea semnal, atunci vom aduna cele două spectre corespunzătoare pentru a
genera un al treilea spectru. Spectrele de frecvenţe reprezentate în forma rectangulară
sunt adunate prin sumarea părţilor reale între ele şi a părţilor imaginare între ele.
Dacă x,[n] + x1[11] = x3{11}, atunci: ReX,[f] + ReX1[/J = ReXJ[j] şi lmX,[f] +

2
lmX1fJ] = lmX1fJ]. Adunând toate cosinusoidele (partea reală) şi toate sinusoidele
(partea imaginară ) nu apare nici o interacţiune între cele două.

Spectrul de frecvente reprezentat în forma polară nu poate fi adunat direct; el

trebuie convertit în fonna rectangulară, adunat şi apoi reconvertit înapoi în fonna
polară. Să ne imaginăm că adunăm două sinusoide ce au aceeaşi frecven\ă,
dar cu amplitudini diferite (A1 şi A2) şi faze (01 şi 02). Dacă cele două faze se
întâmplă să fie egale, (01 = 02), amplitudinile se vor aduna (A1 + A2) la adunarea
sinusoidelor. Dacă cele două faze sunt opuse (01 = -02), amplitudinile se vor
scade (A1 - A2), la sumarea sinusoidelor.

În ciuda liniarită\ii, Transformata Fourier nu este invariantă la deplasare. Cu alte

cuvinte o deplasare în domeniul timp nu corespunde cu o deplasare în domeniul
frecvenţă.

7 .2 Caracteristicile fazei

Dacă x[n] <-> Maf{X[f] şi PhaseX[f], atunci o deplasare în domeniul timp

este reprezentată prin: x[n + s] <-> MagX[D şi PhaseX[f] + 2nsf. (unde/ este
exprimat ca o fracţie a ratei de eşantionare, cuprinsă între O şi 0,5). Cu alte cuvinte, o
deplasare cu s eşantioane în domeniul timp lasă amplitudinea neschimbată, dar
adună un tennen liniar la fază, 211s/

Figura 7-3 prezintă modul în care este afectată faza atunci când semnalul din
domeniul timp este deplasat la dreapta sau la stânga. Amplitudinea nu a fost inclusă în
această figură deoarece ea nu prezintă interes; ea nu se modifica la o deplasare a
domeniului timp. În figurile (a) la (d), forma de undă este deplasată gradual de la
stânga la dreapta, vârf centrat pe eşantionul 128 până la vârf centrat pe eşantionul O.
Această secven\ă de grafice ia în considerare faptul că OFT-ul vede domeniul timp ca
fiind circular; când o por\iune din semnal dispare la dreapta, el reapare la stânga.

În figura 7-3 forma de undă în domeniul timp este simetrică în jurul axei verticale.
Semnalele cu acest tip de simetrie sunt numite cu faza liniară, deoarece faza spectrului
lor de frecven\ă este o linie dreaptă. La fel, semnalele ce nu au această simetrie
stânga-dreapta sunt numite cu fază neliniară, iar faza lor este orice altceva în afara
unei linii drepte. Figurile (e) la (h) prezintă faza semnalelor din (a) până la (d).

Când forma de undă din domeniul timp este deplasată la dreapta, faza rămâne o linie
dreaptă dar panta dreptei scade. Când domeniul timp este deplasat la stânga,
panta dreptei creşte. O deplasare în domeniul timp corespunde cu o modificare a
pantei fazei. Figurile (b) şi (f) prezintă unicul caz în care faza este zero. Aceasta
apare când semnalul în domeniul timp este simetric în jurul punctului zero. La
prima vedere, această simetrie nu este evidentă în (b); el apare simetric în jurul
eşantionului cu numărul 256.

3
 Time Domain Frequency Domain
.,,
© ... -----
âaoo
i ---
- -----
o

r,.,
J J....
., o • a m • m
Smple c.umber
• • Ul
..,, o O.: o.: os
Frequ.e:ncy
.., o.,

.,,
® ... -----
âaoo -----
1
- J_,., -----
-----
., o • a m • m • • Ul o o.: os .... o.,
S:ucp�t number Frequ.e:ncy

.,,
© ... -----

r,.,
-
âaoo
i
J_,.,
o

..,.
�
-- - -----
-----
-:::---
., o • a m • m
Samp�t number
• • Ul o O.: •.
o.: cu
Frequ.ency
.... ,
.,,
@ ... [fil ---------
- -----
~
........ l
-----
., o • a rn • m
S:ucp�t lllll&ber
• • Ul
..,.
..,, o o.: os
Frequ.ency
I~
---•.,
....
Fig. 7-3

Să ne amintim că OFT-ul vede domeniul timp ca fiind circular, cu eşantionul O legat

de eşantionul N - 1. Orice semnal care este simetric în jurul eşantionului O va fi
de asemenea simetric şi în jurul lui N/2 şi vice-versa. Când folosim membrii ai

4
familiei Transfom1atei Fourier care nu văd domeniul timp ca fiind periodic ( cum ar fi
DTFT-ul), simetria trebuie să fie în jurul eşantionului zero pentru a genera o fază zero.

Figurile (d) şi (h) necesită o discuţie mai amănuntită. Prima dată, să ne imaginăm că
(d) s-a format prin deplasarea semnalului din (c) puţin mai la dreapta. Asta înseamnă
că faza în (h) va avea o pantă puţin mai negativă decât cea din (g). Această fază este
prezentată prin linia I. Apoi, să ne imaginăm că (d) a fost formată prin deplasarea lui
(a) puţin mai la stânga. În acest caz, faza trebuie să aibă o pantă puţin mai mare decât
(e), aşa cum este ilustrat prin linia 2. În final, observăm că (d) este simetrică în jurul
lui N/2 şi de aceea ar trebui să aibă faza zero ilustrată prin linia 3. Care din aceste
trei faze sunt corecte? Toate trei sunt corecte, depinde de ambiguităţile care apar la
defazajele cu 7t şi 21t. Spre exemplu, fiecare eşantion din linia 2 diferă de eşantionul
corespunzător din linia I printr-un multiplu de 21t, făcându-le egale. Diferenţa dintre
linia 3 şi linia I şi 2 este 7t.

11r====:::::;,l-l--l 2

lb. 112 o( ,.amplin1 fr•qu•ncy I

f 1
1 ,\ Jow frtqutncy
I II
------!------- - : :
-

"
-l!
.: o
' '
f
- ·-- ..I
I II
-
I -, HI
-! ·l

7 r1t
l samplesbift l umplesbift
= 1/31 ()'de = 112 ()'tle
_.J
'
•l+----+---1----+----l
o ' 1$
Sample number
2' Jl o I 16
Sample numbet
U. "
Fig. 7-4

Pentru a explica acest comportament al fazei, să ne imaginăm că semnalul se

deplasează cu un eşantion la dreapta. Asta înseamnă că toate sinusoidele care
compun acest semnal trebuie să se deplaseze cu un eşantion la dreapta. Figura 7-4
prezintă două sinusoide ce pot aparţine acestui semnal. În (a), sinusoida are o
frecvenţă foarte joasă iar o deplasare cu un singur eşantion reprezintă doar o mică
fractie dintr-o perioadă. În (b), sinusoida are frecvenţa egală cu jun1ătate din frecventa
de eşantionare, frecvenţa maximă ce poate exista în semnal. O deplasare cu un eşantion
este egală cu o jumătate de ciclu sau cu 7t radiani. Asta înseamnă că atunci când o
deplasare este exprimată într-o modificare a fazei, ea devine proporţională cu
frecventa sinusoidei care este deplasată.

Să considerăm un semnal ce este simetric în jurul lui zero, având faza zero. Figura 7-
S(a) prezintă modul cum faza acestui semnal se modifică atunci când acesta este
deplasat la stânga sau la dreapta. La cea mai mare frecvenţă (jumătate din rata de
eşantionare) faza creşte cu 7t pentru fiecare eşantion deplasat la stânga şi descreşte
cu 7t pentru fiecare eşantion deplasat la dreapta. La frecventa zero, nu există o deplasare
a fazei, iar toate frecvenţele cuprinse între acestea unnează o linie dreaptă.

Toate exemplele folosite au o fază liniară. Figura 7-S(b) arată că o fază nelinian1
reactionează la deplasare în acelaşi fel. În acest exemplu faza neliniară este o linie

5
dreaptă cu două impulsuri rectangulare. Atunci când domeniul timp este deplasat,
aceste caracteristici neliniare se suprapun peste panta modificată.

�
ss�---­
�

o O.I 0.2 O.J o.,

Fnquency
Fig. 7-5

'
I,. Original signal
-
2

r
I
il+----1---+---I���
}o �-� +-��;��----
·I -�----- I------ I------I ------ ·l •---•• ---•-+1 --•--l-I •••--
.
I I
.
I
-·2+-- -
-1
1 - -
+-
I -
I
--,f-- -
--l
o � 1'2S 192 o � 128 1n 255
Sample n:ombet Sample numbet

'
I• R.tcon;tn.1cttd !rom tht pb11-;t I
iI
2
I
I
--- -+---
I
1
i ..
I
'
·1I
I
··4---

o 6A
.
l?I
I
192 m
Sample o.umber
Fig. 7-6

Figura 7-6 este o demonstraţie interesantă asupra informa\iei con\inută în fază şi

amplitudine. În (a) avem un semnal cu două caracteristici distincte: un front
crescător la eşantionul cu numărul 55 şi un front descrescător în eşantionul cu
numărul I JO. Fronturile sunt foarte importante când infonnaţia este codată în fonna
semnalului. Ele indică faptul că ceva s-a întâmplat. Pentru a începe demonstratia, se
aplică un OFT semnalului din (a), spectrul frecvenţă fiind convertit în fonna polară.
Semnalul prezentat în (b) a fost format prin înlocuirea fazei cu numere cuprinse între

6
 şi n, folosindu-se apoi un DFT Invers pentru a reconstrui semnalul din domeniul
-11:
timp. Cu alte cuvinte, (b) este bazată numai pe infom1aţia conţinută în amplitudine.
Într-un mod similar, (c) este formată prin înlocuirea amplitudinii cu un şir de numere
aleatoare înainte de folosirea OFT-ului Invers. Acest lucru face reconstrucţia lui
(c) bazată numai pe infonnaţia conţinută în fază.

Rezultatul arată că fronturile sunt pozi\ionate la locul lor în (c), dar total absente în
(b). Asta deoarece un front este format atunci când mai multe sinusoide "cresc" în
acelaşi punct. Majoritatea informa\iei despre frecvenţa unui semnal în domeniul
timp este conţinută în fază şi mai puţin în amplitudine, în contrast cu semnalele care au
informaţia codată în domeniul frecvenţă, cum ar fi semnalele audio. Amplitudinea
joacă un rol mai important în aceste semnale în raport cu faza.

De ce simetria stânga-dreapta corespunde unei faze zero (sau liniară)? Figura 7-7 ne
dă răspunsul. Un semnal poate fi descompus în jumătatea stângă şi jumătatea
dreaptă aşa cum este prezentat în (a), (b) şi (c). Eşantionul din centrul de simetrie
(zero în acest caz) împarte semnalul în două jumătăţi în oglindă. Amplitudinea celor
două semnale va fi identică, aşa cum putem observa în (e) şi (I) în timp ce faza va fi
opusă ca semn (h) şi (i). Rezultă două lucruri importante din aceasta:
fiecare semnal care este simetric între partea stângă şi partea dreaptă prezintă o
faza liniară deoarece faza neliniară a jumătă\ii din stânga anulează faza neliniară a
jumătăţii din dreapta;
să ne imaginăm o rotire a semnalului din (b) rezultând semnalul (c). Această
rotire stânga-dreapta în domeniul timp nu modifică amplitudinea dar schimbă
semnul fiecărui punct al fazei.

La fel, schimbarea semnului fazei are ca rezultat o rotire stânga-dreapta a

semnalului în domeniul timp. Dacă semnalele sunt continue, rotirea este în jurul lui O.
Dacă semnalele sunt discrete, rotirea este în jurul lui O şi a lui N/2 simultan.

Schimbarea semnului fazei este o operaţie destul de uzuală aşa că i s-a dat un nume şi
un simbol. Numele este complex conjugată iar simbolul este reprezentat printr-o
stelu\ă în partea dreapta-sus a variabilei. Spre exemplu, dacă X[f] constă din
MagX[f] şi PhaseX[f], atunci X*[/] este numită complex conjugata şi este
compusă din MagX[f] şi -PhaseX[f]. În notaţia rectangulară, complex conjugată
este determinată prin lăsarea părţii reale nemodificată şi schimbarea semnului părţii
imaginare. Dacă X[f] este alcătuit din ReX[f] şi ImX[f], atunci X*[/] este alcătuită
din ReX[ll şi -ImX[ll. Există mai multe exemple legate de folosirea complex
conjugatei în DSP. Dacă x[11] are o Transformată Fourier X[/], atunci x[-11} are o
Transformată Fourier X*[/]. Un alt exemplu, să ne amintim că, corelaţia poate fi
executată ca o convolu\ie, doar printr-o simplă rotire a unuia din semnale. În
formă matematică, a[n] *b[n] este convoluţie, în timp ce a[n] *b[-11] este
corelaţie. În domeniul frecvenţă aceste operaţii corespund cu A[/] xB[f] şi
respectiv A[/] xB*[JJ. Un ultim exemplu, să considerăm un semnal arbitrar,
x[11} şi spectrul său X[f]. Spectrul de frecven\e poate fi modificat la fază zero prin
înmulţirea lui cu complex conjugatul său X[/] xX*[f]. Oricare ar fi faza lui X[f], ea va
fi anulată prin adunarea opusului (când spectrele se înmul\esc, fazele lor se adună).

7
În domeniul timp asta însemnă că x[n} *x{-11] (un semnal convolu\ionat cu simetricul
său) va avea o simetrie stânga-dreapta în jurul lui zero, oricare ar fi x[nj.

7 .3 Natura periodică a OFT-ului

Diferit de celelalte trei Transformate Fourier, DFT-ul vede domeniul timp şi domeniul
frecventă ca fiind periodice. Acest lucru poate fi un inconvenient din moment ce
majoritatea semnalelor folosite în DSP sunt neperiodice.

Tilne Domain Frequency Domain

" --- - -- --·+-

I a. x[JI I id MagX[) I I -U g. PhareX[I
I
I
1---
I
,,_

)_ \ -- - -- -- --·,,_
I I I I I I I 1---1---1--
., -6�
I
'
-s:
I
'
o
I
n 63
o
O
'
I
O.i
I
'
O.Z
'
I
(U
I
'
0.4 O .S
.,
O (U
I
0.-Z-
I
' '
I
O.l 0.4 O.S
Samp�e aumber Freqn.=:le}· Frequ.enc.y

J De.compos.e

_U Jl. cuas.e .X.1LJ .j._

, I
r---i--T-
f---t--+-
-- --·,-
1---1---1--

·<+--+- +--+---<
- .,
-6� -s: o n 63 O O.i O.Z (U 0.4 O.S O (U 0.-Z- O.l 0.4 O.S
Sampte aumber Frequ=:icy Frequeu.y

I t: MagX,[ J I LJ i. PhaseX,[ I

-\ -----
+-
---- --·
--·
,_
1a lO
-- --·,,,,__
·<+--+--1--1---l o
\� .,
-6! -s: o n 63 O O.i O:? (U 0.4 O.S O (U 0.-Z- O.l 0.4 O.S
Sample number Freqn.=llC)· Frequt-DC)'

Fig. 7-7

Figura 7-8 prezintă două interpretări diferite ale semnalului în domeniul timp.
Pentru început să privim semnalul de sus, un semnal de N puncte în domeniul timp.
Acesta reprezintă modul în care un semnal digital este recepţionat în experimentele
ştiinţifice şi în aplicaţiile inginereşti. Spre exemplu, aceste I 28 de eşantioane au
fost captate prin eşantionarea unui parametru la intervale regulate de timp.
Eşantionul O este discret şi separat de eşantionul 127 deoarece ele sunt reţinute la

8
momente diferite. Nu există nici un motiv să credem că eşantioanele din stânga
semnalului au vreo legătură cu cele din dreapta

r
■

A � -�
-... �
The time domaiu
Yiewed a� N point� �
., I
�
I
- -
I I
., o I
' I
The time domain 127
vien·ed a., peiiodic \

·11S o 12S 1l6

Sample number
Fig. 7-8

Din nefericire, OFT-ul nu vede lucrurile în acest fel. Aşa cum este prezentat în
josul figurii, OFT-ul vede acele 128 de puncte, ca pe o perioadă a unui semnal
periodic de lungime infinită. Asta înseamnă că partea dreaptă a semnalului
recep\ionat este legată de partea stângă a perioadei identice. În această figură
eşantionul O urmează după eşantionul 127. Aceasta justifică folosirea vectorilor
circulari.

Cea mai serioasă consecinţă a periodicităţii domeniul timp este aliasing-ul în domeniul
timp. Pentru a demonstra aceasta, să presupunem că avem un semnal în domeniul
timp pe care- I trecem printr-un OFT pentru a determina spectrul său. Putem apoi,
imediat, să refacem semnalul original, trecând spectrul printr-un OFT Invers, dar
întreaga procedură nu ar fi prea interesantă. În locul acesteia, putem modifica
spectrul de frecven\e după un anumit algoritm şi apoi să-l trecem printr-un OFT
Invers. Spre exemplu putem şterge anumite frecven\e, le putem modifica faza sau
amplitudinea, le putem deplasa etc. Din nefericire aceste modificări în domeniul
frecvenţă pot genera un semnal în domeniul timp ce este prea lung pentru a încăpea
într-o singură perioadă. Aceasta face ca semnalul rezultant să se suprapună peste
perioada adiacentă. Când domeniul timp este văzut ca fiind circular, por\iunea din
semnal care depăşeşte partea dreaptă reapare în partea stângă a semnalului şi vice­
versa. Asta înseamnă ca o porţiune din semnalul în domeniul timp să ocupe o altă

9
zonă în acest domeniu. Dacă se întâmplă ca în acea zonă să existe deja un alt semnal
atunci cele două se vor aduna, rezultând o pierdere de informaţie.

' I __ ___._
I I
--t--- ---l---
o -
1 I I ' '

Ibe fr-!qL:ency dom.a:rl.

·•+--+--+--+--+---!
o 03 O.I O..? .
Ft�qu,alC'.y
... O.>

viewed .i.:; O to 05 of
tbt ::.amplin1 ntt

The ftequency dom.ain

\'itwtd � p•riodit
.. +--+--+--+--+---1
o o.i O.J o.;
Frtqutt;IC)'
... O.>

,,.
\
= . · /;
/., ... /· ··=;I

rt ş---ţ----4-#==-::-l=-::..-d.-��r::--=:::I
!
�,,. !:i'
)�----�----�----�----�----�----�

ll
·U � � O � I U
frequency

··' 4 = O � I I�
Fte.,quency

Fig. 7-9

Periodicitatea în domeniul frecventă se comportă aproximativ la fel, dar este mult mai
complicată. Figura 7-9 prezintă un exemplu. Figurile de sus descriu amplitudinea şi
faza spectrului frecvenţă alcătuite din N/2 + I puncte cuprinse între O şi 0,5 din
frecvenţa de eşantionare. Acesta este cel mai simplu mod de a vedea spectrul
frecvenţă.

Figura 7-9 descrie modul cum DFT-ul vede această frecvenţă ca fiind periodică.
Caracteristica principală este aceea că spectrul de frecvenţe cuprins între O şi 0,5 are o
imagine în oglindă între O şi -0,5. Această imagine în oglindă (de frecvenţe negative)
este puţin diferită între magnitudine şi fază. În magnitudine semnalul este rotit de la
stânga la dreapta. În fază, semnalul este rotit de la stânga la dreapta şi i se modifică şi
semnul. Aceste două tipuri de simetrii au şi denumiri: magnitudinea este un semnal
par (ea are simetrie pară), în timp ce faza este un semnal impar (ea are simetrie
impară). Dacă frecvenţa este convertită în partea reală şi cea imaginară, partea reală
va fi întotdeauna pară, în timp ce partea imaginară va fi impară.

Luând în considerare aceste frecvenţe negative, DFT-ul vede domeniul frecven\ă ca

fiind periodic, cu o perioadă de I din frecvenţa de eşantionare, de la -0,5 la 0,5 sau de
la O la I. Asta face lungimea perioadei domeniului frecvenţă egal cu N, la fel ca şi în
domeniul timp.

Periodicitatea domeniului frecvenţă îl face pe acesta susceptibil de aliasing în

domeniul frecven\ă, la fel ca şi aliasing-ul în domeniul timp. Să ne imaginăm un
semnal in domeniul timp ce prezintă un spectru de frecvenţe. Dacă semnalul în
domeniul timp este modificat, şi spectrul său se va modifica. Dacă spectrul de
frecven\e deja modificat este prea mare pentru spa\iul unei perioade, el va fi plasai în
perioadele următoare. Acest aliasing cauzează două probleme: frecvenţele nu sunt
acolo unde ar trebui să fie şi adunarea frecvenţelor suprapuse din diferite perioade,
duce la distrugerea informaţiei.

Aliasing-ul în domeniul frecvenţă este mult mai dificil de în\eles ca cel în domeniul
timp. Să considerăm o singură frecvenţă ce este forţată să se deplaseze de la 0,0 I la
0,49 în domeniul frecvenţă. Frecvenţa negativă corespunzătoare se va deplasa de la -
0,01 la -0,49. Când frecven\a pozitivă trece peste bariera de 0,5, frecven\a negativă
trece peste bariera de -0,5. Din moment ce domeniul frecven\ă este periodic, aceleaşi
lucruri pol apărea şi în alte perioade cum ar fi între 0,5 şi 1,5. Să vedem cum ar arăta o
deplasare a frecvenţei dacă am vedea numai banda cuprinsă între O şi 0,5. Dacă
frecven\a ce se deplasează ar dispărea în partea dreaptă, ea va reapare tot în partea
dreaptă dar deplasându-se în direc\ie opusă.

a. Time domain aliasing b. Frequency domain aliasing

1ipul e.--titfU!"
theriglu -

•.

N-1 o Fr,queucy
Fig. 7-10

11
Figura 7-10 prezintă apari\ia aliasing-ului în domeniile timp şi frecven\ă pe lungimea
unei singure perioade. Aşa cum este prezentat în (a), dacă un capăt al semnalului în
domeniul timp este prea lung pentru a se încadra pe lungimea unei singure perioade,
partea care iese în afara perioadei va apărea în cealaltă parte. În (b) este prezentat
domeniul frecven\ă. Dacă un semnal depăşeşte o perioadă, capătul ce iese din
lungimea unei perioade reapare în aceeaşi parte dar inversat de la dreapta la stânga. În
ambele cazuri aliasing-ul duce la distrugerea informaţiei.

l l
a. Suuple� ' ' '
I I I

• --- :--.-.--4-----�-----
=
• ■! ■ ; ■ • I !

I I I■ 'B
� o ----i------+�·-+'-----■ o
§" 1• •1 I ţ
< <
___..'I '.. --L-1!1 .■_
I O I • •
• •

•I •l
I I
I I I
•l .)
o a 10 N ll o I 10 2' ll
Samp!e number Sa.mpte uumber

l l
'
I

•
�o �o
§"
< <
•I •l

•l •l
o a 10 l4 ll o I 10 2• ll
Samp!e number Sa.mpte uumber
Fig. 7-11

Figura 7-11 ne prezintă ce înseamnă de fapt frecvenţa negativă. Figura (a) este un
semnal discret alcătuit din 32 de eşantioane. Să presupunem că trebuie să găsim
spectrul de frecvenţă corespunzător celor 32 de puncte. Pentru a ne face munca mai
uşoară să considerăm că aceste puncte reprezintă o cosinusoidă. Cu alte cuvinte,
trebuie să găsim frecvenţa şi deplasarea de fază (f şi 0) cum ar fi x[n} = cos(2mif/N +
0), ce se potriveşte cu eşantioanele date. Se observă că o soluţie ar fi cea din figura
(b), care este/= 3 şi 0 = --n:/4.

Dacă ne oprim cu analiza aici vom ob\ine doar o treime din soluţia problemei. Asta
deoarece mai sunt încă două solu\ii pe care nu le-am luat în calcul. Aşa cum este
an1tat în (c), a doua soluţie este /= -3 şi 0 = -n:/4. Chiar dacă ideea de frecvenţă
negativă este mai grea de înţeles ea nu schimbă faptul că acestea sunt solu\ii valide
reieşite din calcul matematic. Fiecare sinusoidă cu frecven\ă pozitivă poate fi

12
exprimată şi ca o sinusoidă cu frecvenţă negativă. Asta se aplică atât semnalelor
continue cât şi celor discrete.

Cea de-a treia soluţie nu este singulan1, ci reprezintă o familie infinită de solu\ii. Aşa
cum este prezentat în (d), sinusoida cu /= 35 şi 0 = -11:/4 trece prin toate punctele
discrete deci este o soluţie corectă, chiar dacă ea are mai multe oscila\ii între
eşantioane. La fel şi pentru/=± 29,/ = ±61 şi/= ±67. Fiecare din aceste trei soluţii,
corespunde unei secţiuni diferite ale spectrului de frecven\ă. Pentru semnalele
discrete, prima solu\ie corespunde frecvenţelor cuprinse între O şi 0,5 din rata de
eşantionare. A doua soluţie apar\ine frecvenţelor cuprinse între O şi -0,5. În final, a
treia solu\ie aparţine unui număr infinit de frecvenţe simetrice, mai jos de -0,5 şi mai
sus de 0,5. Dacă semnalul pe care îl analizăm este continuu, prima soluţie aparţine
frecven\elor de la O la +co, în timp ce a doua soluţie apar\ine frecvenţelor de la O la -
oo. Al treilea grup de soluţii nu există pentru semnalele continue.

7.4 Compresia şi Expandarea

Aşa cum este arătat în figura 7-12 o compresie a unui semnal într-un domeniu rezultă
într-o expandare a semnalului în celălalt domeniu şi viceversa. Pentru semnalele
continue, dacă X(/) este Transformata Fourier a lui x(t), atunci 1/k x X(flk) este
Transformata Fourier a lui x(kt), unde k este parametrul ce controlează expansiunea
sau contracţia semnalului. Dacă un eveniment se petrece rapid (este compresat în
timp) el trebuie să fie compus din frecvenţe înalte. Dacă un eveniment se petrece în
mod lent (este expandat în timp), el trebuie să fie alcătuit din frecvenţe joase. Aceasta
este valabilă şi pentru cele două extreme care apar. Dacă un semnal în domeniul timp
este compresat la infinit, devenind un impuls, spectrul corespondent este expandat la
infinit, devenind o valoare constantă. La fel, dacă domeniul timp este expandat până
când el devine o valoare constantă, domeniul frecvenţă devine un impuls.

Semnalele discrete au o comportare asemănătoare, prezentând în plus câteva

probleme. Prima este aliasing-ul. Să ne imaginăm că impulsul din (a) este compresat
de mai multe ori decât este prezentat. Spectrul de frecven\e este expandat cu un factor
egal cu cel de compresie iar "cocoaşe" ale semnalului (b) sunt trecute dincolo de 0,5.
Aliasing-ul strică relaţia dintre extensie şi compresie. Acest tip de aliasing poate avea
loc şi în domeniul timp. Să ne imaginăm că spectrul de frecvenţe din (f) este
compresat mult mai tare, rezultând o extindere a semnalului din domeniul timp (e) în
perioadele învecinate.

13
 Tin1e Domain Frequency Domain
,.

.. ..
L

ţ„

-
â_i+---,�
<•
................-.... ......-...._....... •
·I +---,�-+-+--1--+-+--f---j
o :, Jl a � �
S=;,le mucbK
" :c m
o
o o., .., O.l
Fteq,,O')·
... O.J

' ,.
-·--- --,--
Ic. St""-'-1
"
_.

r4�=
s.amp;es
I

-,... -
. � °91&

·t·
••dalyillg
,<1.:
'' ''
o
•
., o ,, u • •
Samp!e immber
• • ,u m
o
o •., .., O.l
Fteq,,O')·
O.J

·I +--<>--+-+--I--+--+--+--<
O :, 33 � � �
S=;,J. mucbK
ff iU U1 • •.,
o+-.JO�--i,...-•-...j---.
O� O.l
Fteq,eocy
o.,;

Fig. 7-12

O a doua problemă este să definim exact ce înseamnă să compresăm sau să expandăm

un semnal. Aşa cum este prezentat în figura 7-12a, un semnal discret este compresat
prin compresia liniei continue ce leagă eşantioanele şi apoi reeşantionarea noii linii
continue pentru a găsi noul semnal discret Acelaşi proces şi pentru expandarea
semnalelor discrete, prezentat în (e). Când un semnal discret este compresat,
evenimentele din semnal (cum ar fi lă\imea impulsului) au loc într-un număr mai mic
de eşantioane. La fel, evenimentele într-un semnal expandat se petrec într-un număr
mai mare de eşantioane.

14
 :'I.. smoom wave.fotm

�1+---+--<------+---I
]

<· ....----,;----;,,----�

·I +-----,>---+---+------1----1
o 10 '10 5,1)
s...,,1e=bet
... "'
-1 +------l>---+---+------1----1
o 10 lO
Sample number
;o 40 ;o

,�------------�
b. Fig. (a) inte-rpo!:ated (d. Fig: (c) ..,.;.,h,ed

! I 11•
i
i
<o-l-----l-�-l---l-=--1-----l

.,
·1+------1---+---+---+---< ·1+------1---+---+---+---<
o 160 !.$O o ;20
s...,,1e=bet
Fig. 7-13

Aceeaşi procedură poate fi executată prin păstrarea liniilor continue dar cu o

eşantionare la o rată diferită. Spre exemplu, să privim figura 7-13(a), un Ganssian
discret alcătuit din 50 de eşantioane. În (b), aceeaşi curbă continuă este reprezentată
prin 400 de eşantioane. Schimbarea dintre (a) şi (b) poate fi văzută în două feluri: (I)
Rata de eşantionare a fost mentinută constantă, dar linia continuă a fost expandată de
opt ori şi (2) Linia continuă a fost men\inută constantă dar frecventa de eşantionare a
fost mărită de opt ori. Aceste metode de modificare a ratei de eşantionare în acest mod
este numită tehnică multirată. Dacă se măreşte numărul de eşantioane atunci vorbim
de interpolare. Dacă se micşorează numărul de eşantioane atunci este vorba de
decimare.

Când un semnal prezintă infonna\ia codată în domeniul frecven\ă, ignorăm domeniul

timp şi ne concentrăm asupra spectrului de frecvenţă. Aşa cum ştim, o rezolu\ie mare
a spectrului de frecvente (mai multe eşantioane între O şi 0,5) pot fi obtinute prin
"umplerea" semnalului în domeniul timp cu zerouri înainte de a-1 trece printr-un OFT.
Dualitatea ne permite să facem aceasta şi în sens invers. Dacă dorim o eşantionare
mai "fină" în domeniul timp (interpolare) "umplem" spectrul de frecvente cu zerouri
înainte de a-l trece printr-un OFT invers. Să presupunem că vrem să interpolăm un
semnal de 50 de puncte într-unul de 400. Asta se va face în felul următor: (I) Se iau
cele 50 de eşantioane la care se adună zerouri pentru a-l face de 64 eşantioane
lungime. (2) Se foloseşte un OFT de 64 de puncte pentru detenninarea spectrului, ce
constă din 33 puncte în partea reală şi 33 de puncte în partea imaginară. (3) Se adaugă
în partea dreaptă a spectrului (în partea reală şi cea imaginară) 224 de zerouri, pentru
a face spectrul de frecvenţă de 257 lungime. (4) Se foloseşte un OFT Invers de 512

15
puncte pentru a transforma data înapoi în domeniul timp. Va rezulta un semnal cu 512
eşantioane având o rezoluţie mult mai mare decât cel cu 64 de eşantioane. Primele
400 de eşantioane din acest semnal reprezintă o versiune interpolată a semnalului
original de 50 de eşantioane.

Caracteristica de bază a acestei tehnici este aceea că semnalul interpolat este alcătuit
din aceleaşi frecvenţe ca şi semnalul original. Uneori ea nu poate garanta o bună
comportare în domeniul timp. Spre exemplu, figurile 7-13(a) şi (b) prezintă un semnal
de 50 de eşantioane interpolat într-un semnal de 400 de eşantioane prin această
metodă. Interpolarea este o linie ce uneşte punctele semnalului original. În schimb (c)
şi (d) prezintă un alt exemplu în care domeniul timp este determinat incorect.
Oscilaţiile prezentate în (d) apar la fronturi abrupte sau alte discontinuităţi din
semnal. Ele se numesc efect Gibbs.

7.5 Înmulţirea Semnalelor (Modularea în Amplitudine).

O proprietate importantă a Transformatei Fourier este aceea că convoluţia într-un
domeniu corespunde cu înmulţirea în celălalt domeniu. Semnalele în domeniul timp
pot fi convoluţionate prin înmul\irea spectrelor lor. Modularea în amplitudine este un
exemplu a situa\iei inverse, înmul\irea în domeniul timp corespunde convolu\iei în
domeniul frecvenţă. În plus, modularea în amplitudine prezintă un excelent exemplu
despre cum frecvenţele negative apar în problemele de ştiinţă şi inginerie.

Semnalele audio sunt bune pentru comunicaţia pe distan!e scurte; când vorbim, cineva
care se ană în aceeaşi încăpere ne va auzi. Pe de altă parte, frecvenţele radio suni bune
pentru comunica\ii pe distanţe lungi. Spre exemplu, dacă o sinusoidă cu amplitudinea
de I 00 volţi şi frecventa I MHz este trecută printr-o antenă, unda radio rezultantă
poate fi detectată în camera vecină, \ara vecină sau chiar planeta vecină. Modularea
este procesul de combinare a două semnale pentru a fonna un al treilea având
caracteristicile ambelor semnale. Asta implică întotdeauna procese neliniare cum ar fi
înmulţirea; nu putem aduna pur şi simplu cele două semnale. În comunicaţiile radio
semnalele radio rezultate prin modulare se pot propaga pe distanţe lungi şi pot duce cu
ele semnale audio sau orice altă informaţie.

16
 TimeDomain FrequencyDomain
' ' ' '
b. - •�:...i' ..i-
' ' '

J___J___ _j_' __
Ia. Audio s;g,,al U<lio
�

·+-· -+-+- -+--

' ' ' ' '
i'!
ii, �
�o

-+--+-- +--+--- -+- -+-

> ' ' ' ' � ' ' ' '

'' '' '' '' '' ''

.,
o.o O,'l! o, o,
Time (millis.,.,.,.Ss)
O.I LO
o
o ,o " '!O
Frequ,e,ney(kHz)
" JO " ,o

Id. CMder si.p."11

---- - --
t-ii> o ---- - --
---- - --
·>+----,�-------.....--1 o
o.o o.: o .• o., o,, ,.o o 10 1, � :, a » �
T""" (""1lis.,.,.,.Ss) Fr,qu..<y (kHi)

f. Modula.led siţual

o.o o.� o.4 o.6 o.s o lO 1$ 20 1S SO lS 40

Tune (milliseooo&) Fr_.,.y(kHz)
Fig. 7-14

Comunicaţia radio este o disciplină foarte dezvoltată fiind concepute multe scheme
de modulare. Una din cele mai simple este numită modularea în amplitudine. Figura
7-14 prezintă un exemplu al felului cum modularea în amplitudine apare în domeniul
timp şi frecvenţă. Se vor folosi semnale continue în acest exemplu, datorita faptului că
modularea este o aplicaţie folosită în circuitele analogice. Oricum, întreaga procedură
poate fi transpusă şi în forma discretă.

Figura (a) prezintă un semnal audio ce contine un offset astfel încât semnalul prezintă
numai valori pozitive. Figura (b) descrie spectrul de frecvenţe al semnalului, compus
din frecvente de la 300Hz la 3kHz, gama vocală, plus componenta DC. Celelalte
frecvenţe au fost scoase prin filtrare analogică. Figura (c) şi (d) prezintă unda
purtătoare, o sinusoidă pură cu frecvenţa mult mai mare decât ceea a semnalului
audio. În domeniul timp, modularea în amplitudine constă din înmulţirea semnalului

17
audio cu purtătoarea. Rezultatul, prezentat în (e) o fonnă de undă oscilatorie cu
amplitudinea instantanee proporţională cu semnalul audio original. În jargon,
anvelopa undei purtătoare este egală cu semnalul modulator. Acest semnal poate fi
trecut printr-o antenă, convertit într-o undă radio şi apoi detectat de o antenă de
recep\ie. Rezultatul este un semnal identic cu (e) fiind generat de partea electronică a
receptorului radio. Un circuit detector sau demodulator este apoi folosit pentru a
converti semnalul din (e) în cel din (a).

În timp ce semnalele din domeniul timp sunt înmul\ite, spectrul de frecven\e

corespunzător este convoluţionat. Asta înseamnă că (f) este determinat prin convoluţia
lui (b) cu (d). În timp ce spectrul purtătoarei este o funcţie delta deplasată, spectrul
semnalului modulat este egal cu spectrul audio deplasat cu frecven\a purtătoarei.
Rezultatul, spectrul modulat, este compus din trei componente: purtătoarea, banda
superioară şi banda inferioară.

Acestea corespund celor trei păr\i ale semnalului audio original: componenta DC,
frecven\ele pozitive cuprinse între 0,3 şi 3kHz şi respectiv frecven\ele negative
cuprinse între -0,3 şi -3kHz. Deşi frecven\ele negative în semnalul audio original sunt
ceva abstract frecvenţele rezultate în banda inferioară sunt foarte reale.

Inginerii în comunicaţii trăiesc din analiza acestui tip de domeniu frecven\ă. Spre
exemplu, să considerăm spectrul de frecven\ă pentru transmisia folosită în televiziune.
Un semnal standard TV are un spectru de frecven\e cuprins între DC şi 6MHz. Prin
folosirea acestor tehnici de deplasare în frecvenţă, 82 de canale cu lăţimea de 6MHz
sunt aşezate una lângă alta. Spre exemplu, canalul 3 este de la 60 la 66MHz, canalul 4
de la 66 la 72MHz, canalul 83 de la 884 la 890 MHz etc. Receptorul TV mută canalul
dorit înapoi în banda DC - 6MHz pentru a-l afişa pe ecran. Această schemă este
numită, multiplexare în domeniul frecvenţă.

7.6 Transformata Fourier Discretă în Timp.

Transformata Fourier Discretă in Timp ( DTFT) este membră a familiei transformatei
Fourier care operează cu semnale discrete şi aperiodice. Cel mai uşor mod de a
în\elege DTFT-ul este de a găsi legătura lui cu OFT-ul. Pentru început să ne
imaginăm că am cules un semnal de N eşantioane şi dorim să-i determinăm spectrul
său. Prin folosirea OFT-ului semnalul poate fi descompus în N/2 + I sinusoide şi
cosinusoide cu frecvenţe egal distan\ate între zero şi jumătate din rata de eşantioane.
Aşa cum am văzut, "umplerea" semnalului în domeniul timp cu zerouri, face perioada
domeniului timp mai lungă cât şi distan\a între eşantioanele domeniului frecven\ă mai
mică. Dacă N tinde către infinit, domeniul timp devine aperiodic şi domeniul
frecven\ă devine un semnal continuu. Acesta este DTFT-ul, Transformata Fourier care

-
leagă un semnal discret şi aperiodic cu unul continuu şi periodic în spectrul frecven\ă.

-
ReX(m) = Lx[n]cos(mn)
Ecuatia 7-1
lmX(m)=- Lx[n]sin(am)

18
 I•
x[n) = - f ReX(m)cos(a»1)- ImX(m)sin(a»1)dm Ecuatia 7-2
no

Matematica DTFT-ului poate fi înţeleasă prin studierea ecuatiilor de sinteză şi analiză

ale OFT-ului (Ec. 5-2, 5-3 şi 5-4) şi făcând N tinzând la infinit. Există câteva detalii
subtile în aceste relaţii. Primul, semnalul în domeniul timp, x[n} este încă discret şi de
aceea este reprezentat prin paranteze pătrate. În schimb, semnalele în domeniul
frecventă, ReX(m) şi lmX(m), sunt continue, fiind scrise cu paranteze rotunde. Din
moment ce domeniul frecvenţă este continuu, ecuafia de sinteză trebuie scrisă ca o
integrală în locul sumei.

Aşa cum am discutat, frecventa este reprezentată în domeniul frecvenţă al OFT-ului

de una din cele trei variabile: k, un întreg ce are valoarea între O şi Nl2;f, o fracţie din
rata de eşantioane, de la O la 0,5; sau w o fractie din rata de eşantionare exprimată ca o
frecventă naturală, de la O la n. Spectrul DTFT-ului este continuu aşa că poate fi
folosit fie/fie w. Mai uzual este w, deoarece face ecuaţiile mai scurte prin eliminarea
factorului 2n. Să ne amintim că atunci când este folosit w, spectrul de frecvente este
cuprins între O şi n, ce corespunde lui DC la jumătate din rata de eşantionare.

Când calculăm OFT-ul invers, eşantioanele O şi Nl2 trebuie împăr!ite la doi

(Ec. 5-3) înainte de a trece la ecuaţia de sinteză (Ec. 5-2). Aceasta nu este necesară în
DTFT. Aşa cum ne amintim, aceasta actiune în OFT are legătură cu spectrul de
frecventă ce a fost definit ca o densitate spectrală, amplitudine pe unitatea lăţimii de
bandă. Când spectrul devine continuu, tratamentul special al capetelor dispare.
Factorul de normalizare care trebuie inclus în OFT, 2/N (Ec. 5-3) devine lin în DTFT
(Ec. 7-2). Unii autori plasează aceşti tenneni în faţa ecua\iei de sinteză, în timp ce alţii
îi plasează în faţa ecua\iei de analiză. Să presupunem că începem cu un semnal în
domeniul timp. După ce îl trecem printr-o transformată Fourier şi apoi printr-o
transformată Fourier inversă, dorim să ajungem la semnalul pe care l-am avut la
început. Asta înseamnă că termenul lin (sau 2/!10 trebuie să apară undeva în toată
această procedură, în transformata directă sau cea inversă. Unii autori chiar împart
acest termen între cele două ecuatii prin plasarea lui //✓n la începutul ambelor ecua\ii.

Din moment de DTFT-ul implică sumări şi integrări infinite, ea nu poate fi calculată

cu ajutorul calculatoarelor digitale. Este folosită în problemele teoretice înlocuind
OFT-ul. Spre exemplu, să presupunem că dorim să găsim răspunsul în frecventă al
unui sistem din răspunsul său la impuls. Dacă răspunsul său la impuls arată ca un şir
de numere, obţinut dintr-o măsurătoare experimentală, sau o simulare pe calculator,
un program OFT ne poate rezolva problema. El determină spectrul de frecvenţe ca
fiind un alt vector de numere, egal distanţate între O şi 0,5 din rata de eşantionare.

În alt caz, răspunsul la impuls poate fi cunoscut ca fiind o ecuafie cum ar fi o funcţie
sine sau o sinusoidă a cărei amplitudine scade exponential. Aici este folosit DTFT-ul
pentru calcularea matematică a domeniului frecvenţă ca fiind o altă ecuaţie,
specificând întreaga curbă continuă între O şi 0,5. OFT-ul poate fi folosit şi el în acest
calcul, el determinând o ecuatie pentru eşantioanele răspunsului la frecventă, şi nu
pentru întreaga curbă.

19
8. Transformata Fourier Rapidă
Există mai multe moduri de a calcula Transfonnata Fourier Discretă (OFT), cum ar fi
rezolvarea unui sistem de ecuaţii liniare, sau prin aplicarea corelaţiei descrise într-un
capitol anterior. Transfonnata Fourier Rapidă FFT este o altă metodă pentru a calcula
OFT-ul. Ea produce aceleaşi rezultate ca şi celelalte metode dar este mult mai
eficientă, adesea reducând timpul de calcul de sute de ori. Dacă FFT-ul nu ar fi fost
descoperit multe tehnici în DSP nu ar fi fost practice. Chiar dacă FFT-ul conţine
numai câteva zeci de linii de cod, este unul din cei mai complicaţi algoritmi în DSP.

8.1 Descrierea algoritmului FFT

FFT-ul este un algoritm complicat iar detaliile sunt de obicei lăsate pe seama acelor
specializaţi în asemenea lucruri. Acest capitol descrie modul de operare al FFT-ului.
Va trebui să ne amintim câte ceva despre matematica numerelor complexe.

În notaţia complexă, fiecare din domeniile timp şi frecvenţă conţin un semnal alcătuit
din N puncte complexe. Fiecare din aceste numere complexe este alcătuit la rândul
său din două numere, partea reală şi partea imaginară. Spre exemplu, atunci când ne
referim la eşantionul complex X[42}, vorbim de fapt de combinaţia dintre ReX[42} şi
lmX[42}. Cu alte cuvinte, fiecare variabilă complexă retine două numere. Când două
variabile complexe sunt înmulţite, trebuie combinate patru componente individuale,
pentru a forma cele două componente ale produsului. În continuare, fiecare termen ca:
semnal, punct, eşantion sau valoare va face referire la combinaţia dintre partea reală şi
partea imaginan1.

FFT-ul operează prin descompunerea unui semnal de N puncte în domeniul timp în N

semnale în domeniul timp, fiecare compus dintr-un singur punct. Al doilea pas este
acela determinam N spectre de frecvenţă corespunzătoare celor N semnale în domeniu
timp. În final, cele N spectre sunt sintetizate într-un singur spectru de frecvenţă.

t signal of
16 points O l 2 3 4 5 6 1 8 9 10 li 12 13 14 15

I
2 signal; of
8 points o 2 4 6 s 10 12 14 I�,-1-3_s_1_9_11_n_1�s I
4 ,igna!sof
4 pomts

8 signal; of
2 poims

16 ,agna!s of
I point
Fig. 8-1

Figura 8-1 prezintă un exemplu de descompunere în domeniu timp folosită în FFT. În

acest exemplu, un semnal de I 6 puncte este descompus pe parcursul a patru paşi.
Primul pas, împarte semnalul de I 6 puncte în două semnale, fiecare alcătuit din câte 8
puncte. În al doilea pas se face o descompunere în patru semnale de câte 4 puncte.
Acest algoritm continuă până când se ob\in N semnale de câte un punci fiecare. Este
folosită o descompunere întreţesută de fiecare dată când semnalul este descompus în
două. Asta înseamnă că semnalul este separat în eşantioanele aflate pe locaţii pare şi
cele de pe loca\ii impare, (Fig. 8-1). Este de nevoie de log2N paşi pentru a rezolva
acest algoritm.

Sample numbers Sample numbers

in noroiai orcler after bit reversal
Decimal Bînary Decimal Binary
o 0000 o 0000
0001 8 1000
2 0010 4 0100
3 0011 12 1100
4 0100 2 0010
j 0101 10 1010
6 0110 6 0100
7 0111 14 1110
g 1000 I 0001
9 1001 9 1001
10 1010 5 0101
li 1011 13 1101
12 1100 3 0011
13 1101 11 1011
14 1110 7 0111
15 1111 15 1111

Fig. 8-2

Acum, că am văzut structura acestei descompuneri, vom vedea că ea poate fi mult

simplificată. Descompunerea nu este nimic mai mult decât o reordonare a
eşantioanelor în semnal. Figura 8-2 prezintă algoritmul folosit în această reordonare.
În partea stângă, numărul eşantioanelor semnalului original este listat în ordinea
crescătoare, cu echivalenţii lor binari. În partea dreaptă sunt listate numărul
eşantioanelor rearanjate împreună cu echivalen\ii lor binari. Se observă că numerele
binare sunt inversele celorlalte. Spre exemplu, eşantionul 3 (00 I I) este schimbat cu
eşantionul 12 (1100). La fel, eşantionul cu numărul 14 (1110) este schimbat cu
eşantionul 7 (O 111) şi aşa mai departe. Descompunerea FFT în domeniul timp este
generată de un algoritm de sortare prin inversarea biţilor. Asta implică modificarea
ordinii celor N eşantioane ale domeniului timp prin această incrementare binară
asociată cu o rotire a bifilor de la dreapta la stânga aşa cum este prezentat în coloana
cea mai din dreapta a figurii 8-2.

Următorul pas în algoritmul FFT este acela de a găsi spectrul de frecvente pentru
fiecare din semnalele de câte un singur punct în domeniul timp. Nimic nu poate fi mai
uşor; spectrul de frecvenţe al unui semnal de un singur punct este egal cu el însuşi.
Asta înseamnă că nu este nimic de făcu la acest pas. Totuşi nu trebuie să uităm că,
acum, semnalele de un punct sunt spectre de frecventă şi nu semnale în domeniul
timp.

Ultimul pas în FFT este acela de a combina cele N spectre de frecventă în ordinea
inversă în care a avut loc descompunerea în domeniul timp. Acesta este punctul în
care algoritmul creează probleme. Din păcate, metoda inversării pe bit nu este
aplicabilă, trebuind să mergem pas cu pas până la refacerea întregului semnal. În
primul pas, 16 spectre de frecvenţă (fiecare de câte un punct) sunt sintetizate în 8
spectre de frecven\ă (fiecare de câte două puncte). În al doilea pas, cele 8 spectre de
frecven\ă sunt sintetizate în 4 spectre de frecvenţă (de câte 4 puncte fiecare) şi aşa mai
departe. Ultimul pas va genera în ieşirea FIT-ului, un spectru de frecven\ă de 16
puncte.

Ti1ue Do111ain Frequency Domain

!A!B!C!D!AIBICIDI

Fig. 8-3

Figura 8-3 prezintă modul în care două spectre de frecvenţe, fiecare compuse din câte
4 puncte, sunt combinate într-un singur spectru de frecvenţe de 8 puncte. Această
sinteză trebuie să refacă descompunerea întreţesută făcută în domeniul timp. Cu alte
cuvinte, operarea în domeniul frecvenţă trebuie să corespundă procedurii de
combinare prin întreţesere a două semnale de câte 4 puncte în domeniul timp.
Considerăm două semnale în domeniul timp, abcd şi/egh. Un semnal de 8 puncte în
domeniul timp poate fi format în doi paşi: se introduce câte un O între cele patru valori
ale fiecărui semnal obţinându-se 2 semnale de câte 8 puncte şi apoi se adună
semnalele între ele. Asta înseamnă că abcd devine a0b0c0d0 şi efgh devine 0e0Jl)g0h.
Adunând aceste două semnale de câte 8 puncte rezultă aebfcgdh. Aşa cum este
prezentat în figura 8-3, diluarea domeniul timp cu zerouri corespunde unei duplicări a
spectrului de frecvenţe. De aceea, spectrele de frecven\e sunt combinate în FFT prin
duplicarea lor şi apoi adunarea acestor spectre duplicate.

Pentru a realiza potrivirea acestor semnale la adunare ele sunt diluate cu zerouri
într-un mod pu\in diferit. Într-un semnal punctele impare sunt zero în timp ce în
celălalt semnal punctele pare sunt zero. Cu alte cuvinte unul din semnalele din
domeniul timp (0e0Jl)g0h în figura 8-3) este deplasat la dreapta cu un eşantion.
Această deplasare în domeniul timp corespunde cu înmulţirea spectrului cu o
sinusoidă. Pentru a demonstra asta, să ne amintim că deplasarea în domeniul timp este
echivalentă cu o convolu\ie a semnalului cu o func\ie delta deplasată aceasta
înmulţeşte spectrul semnalului cu spectrul unei func\ii delta deplasată. Spectrul unei
func\ii delta deplasată este o sinusoidă (vezi fig. 8-4).
 Tin1e Domain Frequency D01nain

_.,_____
I•. ltnpulse at :<(O] I lb. RaJPa., I Ic.. Imagioary pan I
I I I
I I

I
·• -�-----
.
I I I I I

•.,
I I I I I
lE.
'
l·2 J.S
S:w.pl.e n:.unbe:
..,.., o
Ft�
o..s ..,.., o
Freqn.etle)·

•,;:======:i;-7
el hu.pul.-e a: x[4] !. Imagioary pm

�•+.-..........-..........,_

·•+--+--+---+----l
o lE. l.! J.S ..,.., o o..s ..,.., o •.,
S:w.pl.e n·.uc.ber Fteqt=r.cy Frequ.e.ncr

I
g. hupul.-e a; x[S] I li Imag;înary pan

I I I
-�-�--. I
I
I
I
I
I
i 1[ft]]-
j•-1+-i-+i���+;+
"' "' J J �j_-
lE. l·2 J.S
S:w.pl.e n:.unbe:
..,.., o
Ft�
o..s ..,.., o
Freqn.etle)·
•.,
Fig. 8-4

Odd· Four Foim Even- Four Poim

Frequa,ey Spearam F"'Jll'!l<Y Specirom

Eight PoiDI Frequency Specttum

Fig. 8-5

Figura 8-5 prezintă diagrama pentru combinarea a două spectre de câte 4 puncte într­
un singur spectru de 8 puncte. Figura 8-6 prezintă schema de bază a acestei operaţii,
schema din figura 8-5 fiind obţinută prin repetarea de patru ori a acesteia.
 2 point input

2 point output
Fig. 8-6

Această diagramă simplificată este numită nuture (butterny) datorită asemănării

schemei cu două aripi deschise. Fluturele este elementul principal de calcul al
FFT-ului, transformând două puncte complexe în alte două puncte complexe.

Time Domain Data

Time
BitRevenal
Data Sorting } Domain
Decomposition

IOverbead I
-
!;:
l
�
co
lo--emead I Frequency
Domain
Synthesis
]l Butt<rlly
! !
Cakulation

.
Fig. 8-7

Figura 8-7 prezintă structura întregului FFT. Descompunerea în domeniul timp este
realizată cu un algoritm de sortare prin inversarea bifilor. Transfonnarea datelor
descompuse din domeniul timp în domeniul frecven\ă nu implică nimic şi de aceea nu
apare în figun1.

Sinteza domeniului frecvenţă necesită trei bucle. Bucla externă are log2N paşi (fiecare
nivel din figura 8-1 începând de jos şi urcând spre nivelul superior). Bucla din mijloc
trece prin fiecare spectru individual ce este procesat în momentul respectiv (prin
fiecare căsu\ă a fiecărui nivel din figura 8-1). Bucla internă foloseşte nuturele pentru
calculul punctelor în fiecare spectru de frecvenţă (trecând prin fiecare eşantion prin
interiorul unei căsu\e). Secven\ele "overhead" din figura 8-7 calculează indecşii de
început şi de slărşit ale buclelor cât şi sinusoidele folosite în nuturi.

8.2 Comparaţii de viteză şi precizie.

Când DIT-ul este calculat prin corelaţie, programul foloseşte două bucle imbricate,
fiecare de câte N puncte. Asta înseamnă că numărul total de operaţii este proporţional
cu N xN. De aceea timpul necesar pentru a executa un program este dat de relaţia:

TimpulDeExecuţie = koFT x N1
unde N este numărul de puncte al OFT-ului şi koFT este o constantă de
proporţionalitate. Dacă valorile sinusurilor şi cosinusurilor sunt calculate în interiorul
buclelor, koFT este egal cu aproximativ 25 de microsecunde pe un procesor la
I 00MHz dacă aceste valori sunt precalculate şi reţinute într-un tabel koFT devine
aproximativ 7 secunde. Spre exemplu, un DFT de 1024 de puncte va necesita
aproximativ 25 de secunde sau aproape 25 de milisecunde pentru un punct, ceea ce
este foarte mult.

Folosind aceeaşi strategie putem detennina timpul de execuţie pentru FIT. Timpul
necesar pentru rutina de inversare a biţilor este neglijabil. În fiecare din cei log1N paşi
există N/2 fluturi de calculat:

Timpu/DeExecuţie = kFFr x N x log1N

Valoarea lui kFFr este aproximativ I O microsecunde pentru un sistem procesor la
100MHz. Un FIT de 1024 de puncte necesită aproximativ 70 de milisecunde pentru a
fi executat sau 70 microsecunde pentru calcularea unui punct. Aceasta este cu mai
mult de 300 de ori mai rapidă decât DFT-ul calculat prin corelaţie.

1000
' '
i 100 cornhtlol:I

- 10

·=
.1• O.I

0.0!

0.001.;...-.::�-1-�--1-�--1-�--l--l
I 16 Sl 6J l!I 2'6 ,u 102:.a l:Oll 4096
Number poillls in DFT
Fig. 8-8

Se observă că N x log1N creşte mult mai încet decât N1 odată cu creşterea lui N. Spre
exemplu un FFT de 32 de puncte este de aproximativ de I O ori mai rapid decât
metoda corelaţiei. Un FFT de 4096 de puncte este de I OOO de ori mai rapid. Pentru
valori mici ale lui N (să zicem între 32 şi 128), FIT este important. Pentru valori mai
mari ale lui N (mai sus de 1024 de puncte), FFT-ul devine critic. Figura 8-8 compară
timpul de execuţie a celor doi algoritmi.

60

"
C.
..,
ţ lO
I:!

e
.:; ,o

16 ll 6-' 11:1 2'6 Jl? 102.l

Number of points in DFT
Fig. 8-9

FFT-ul mai prezintă şi alte avantaje. FFT-ul este calculat muli mai precis deoarece are
mai pu\ine calcule matematice şi mai puţine erori rezultate din rotunjiri. Aceasta poate
fi demonstrată prin execuţia unui FFT asupra unui semnal arbitrar şi apoi refacerea
acestuia cu ajutorul unui FFT invers. Zgomotul rezultat din calcule matematice poate
fi determinat prin calculul diferenţei dintre cele două semnale. Pentru comparaţii,
aceeaşi procedun1 poate fi repetată folosind un OFT calculat prin corelaţie şi apoi un
OFT invers corespunzător. Vom compara zgomotul generat de FFT cu cel generat de
OFT. Vezi figura 8-9.
9. Filtre dedicate
Majoritatea filtrelor au unul din cele patru răspunsuri în frecvenţă standard: trece-jos,
trece-sus, trece-bandă, stop-bandă. Acest capitol prezintă o metodă generală de
proiectare a filtrelor digitale cu un răspuns în frecven\ă arbitrar, dedicat anumitor
aplica\ii. În acest domeniu DSP excelează, rezolvând probleme ce nu fac fată
circuitelor analogice. Vom discuta despre două utilizări importante ale filtrelor
dedicate: deconvoluţia, o metodă de refacere a semnalelor ce au suferit convoluţii
nedorite, şi filtre optimale, problema separării semnalelor cu suprapunerea spectrului
de frecven\e.

9.1 Răspunsul în Frecvenţă Arbitrar

Să presupunem că dorim să producem un filtru care să genereze raspunsul în

frecven\ă de forma 9-1 (a). Se observă că acesta este foarte neregulat şi aproape
imposibil de obţinut cu filtre analogice. Acest răspuns în frecvenţă, ideal, este definit
ca un şir de numere şi nu ca nişte ecua\ii. În acest exemplu, sunt 513 eşantioane
repartizate între O şi 0,5 din frecven\a de eşantionare. Pentru o reprezentarea mai bună
a răspunsului în frecvenţă se folosesc mai multe puncte, în timp ce dacă se folosesc
mai puţine puncte se reduce timpul de calcul. De obicei se folosesc 513 puncte pentru
majoritatea aplicaţiilor.

Pe lângă vectorul amplitudine, prezentat în figura (a), mai există şi un vector fază
nereprezentat în figun1, acesta fiind în întregime zero. La fel răspunsul în frecvenţă
poate fi reprezentat prin specificarea părţii reale şi imaginare, în locul amplitudinii şi
fazei.

Următorul pas este acela de a aplica un OFT invers asupra răspunsului în frecven\ă
pentru a-l trece în domeniul timp. Cea mai rapidă metodă este aceea de a converti
domeniul frecvenţă în forma rectangulară şi apoi aplicat FFT-ul invers. Acesta are ca
rezultat un semnal compus din 1024 de eşantioane de la O la 1023, prezentat în (b).
Acesta este n1spunsul la impuls corespunzător n1spunsului în frecvenţă dorit.
Deocamdată el nu poate fi folosit. Trebuie deplasat, trunchiat şi ferestruit. În acest
exemplu s-a ales M = 40, adică 41 de puncte, de la O la 40.
 TimeDomain FrequencyDomain
;���S""r-7
Ir...
:oesu-eo ftequeacy respocse

,11>+---,l--+-ll---,I---+--
�
�
<,+----+�·
··••---+----+----+----t
-+--rll---.1---

..., o lJ6 ,1: ..

, 10!) OI o., Ol
Samplelllllllll«

.., .l

- +-
''
I.O

.!j ' ' '

---ţ- -ţ---ţ:�
,11 o'
î '
' ' '
o.o

·O.S+----+ -+---+- t----l

-
o 10 20 lO .10 102' o O.I 0.2 O.l o., o.,
Sampk lilllllber Fteq,;ency
Fig. 9-1

Ultimul pas este acela de a testa nucleul de filtru obţinut. Prin folosirea FFT-ului se
obtine răspunsul în frecvenţă prezentat în (d). Pentru a obţine o rezoluţie mai bună se
"umple" nucleul de filtru cu zerouri înainte de aplicarea FFT-ului. Spre exemplu,
folosind I 024 de puncte (4 I din nucleul de filtru, plus 983 zerouri), rezultă 5 I 3
eşantioane între O şi 0,5.

Aşa cum se poate vedea în figura 9-2, lungimea nucleului determină o mai bună
potrivire a răspunsului în frecvenţă obtinut cu cel dorit. Teoretic, orice răspuns în
frecventă poate fi obţinut dacă se foloseşte un nucleu de filtru destul de lung.
 �!' - +: --+: ---+: ---::-+---1
--+­ -7- 7-
a. M = 10

•+---+---1---+---+-----I
o 0.2 0.3
Freqcency
... •+---+----,l---+---+-----1
o (),_·?
FreqoEncy
0.3 o.,

b. M = 30

o (),_·? 0.3 o.,

FreqoEn-cy

• O.I O.) U
Fnquen-cy
•.. •.,
Fig. 9-2

Răspunsul la impuls din figura 9-1 b nu poate fi folosit direct ca şi nucleu de filtru.
Dacă (a) este transfonnata Fourier a lui (b), convolu\ionând un semnal de intrare cu
(b), nu vom produce răspunsul în frecvenţă dorit. El este supus fenomenului de
aliasing. Pentru a elimina acest neajuns şi a putea fonna nucleul de filtru (c), acest
impuls la răspuns este trunchiat la M+ I eşantioane, deplasate cu M/2 eşantioane la
dreapta, şi înmul\ite cu o fereastră Hamming sau Blackman. În acest exemplu M = 40.
Nucleul de filtru este testat prin umplerea cu zerouri a lui (c) pana la 1024 de puncte,
ob\inându-se astfel (d).
9.2 Dcconvoluţia
Convoluţiile nedorite sunt probleme inerente la transferul analog al informaţiilor. Spre
exemplu: imaginile neclare, ecourile apărute pe liniile telefonice pe distanţe lungi,
limitările de bandă apărute la senzorii analogici etc. Deconvoluţia este procesul de
filtrare a semnalului pentru a elimina convoluţiile nedorite. Scopul deconvoluţiei este
acela de a recrea semnalul aşa cum era înainte de a avea loc convoluţia. Acest lucru
necesită a se şti caracteristicile convoluţiei (răspunsul la impuls sau răspunsul în
frecventă), ceea ce îl face diferit de deconvoluţia oarbă, unde caracteristicile
convoluţiei parazite nu erau ştiute. Deconvoluţia oarbă este o problemă mult mai
dificilă, şi de obicei nu are o soluţie generală, ci particulară aplicaţiei.

Deconvoluţia este aproape imposibilă de în\eles în domeniul timp, dar mai simplă în
domeniul frecvenţă. Fiecare sinusoidă ce compune semnalul original poate fi
modificată în amplitudine şi/sau fază de către o convoluţie nedorită. Pentru a extrage
semnalul original, filtrul pentru deconvoluţie trebuie să refacă aceste amplitudini sau
faze.

Pentru a ilustra deconvolu\ia vom folosi un detector de raze gama (figura 9-3). Acest
dispozitiv este compus din două păr\i, un scintilator şi un detector de lumină. Un
scintilator este un material transparent special, cum ar fi iodura de sodiu sau
gennana\i de bismut. Aceştia modifică energia radiaţiilor gama în mici flash-uri de
lumină. Lumina este convertită în semnal electric de către un senzor, cum ar fi o foto­
diodă. Din moment ce fiecare rază gama este un impuls, ieşirea din detector este de
fapt răspunsul la impuls a sistemului.

,,>i
Time Tane

gamm.1 ray
amplifier

lighl light clececcor

Fig. 9-3

Figura 9-4a prezintă un exemplu de impulsuri generate de detector, ca răspuns la

razele gama ce sosesc aleator. Informaţia ce trebuie extrasă din acest semnal de ieşire
este amplitudinea fiecărui impuls, ce este propor\ională cu energia razei gama ce a
generat-o. Astfel se pot determina infonna\ii medicale despre un anumit pacient, se
poate detennina vârsta galaxiilor îndepărtate, se pot detecta bombe în camera de
bagaje a avioanelor etc.
 I I
a. Dtttcttd pulu-� 11,. Filttrtd pa1,os I

M
]1 - --

1.-1-..i....::>4..!--4-.,.__.1.-4,.__._+
•1-l----i---+---t----1---i
o JOO .!00 Jo:,
Sample ,mmber
... '°' •I
o JOO ?00 SOO
Sample aumbe,
... '°'
Fig. 9-4

După cum se poate observa in (a), două sau mai multe impulsuri se pot suprapune,
mărind astfel amplitudinea semnalului măsurat. Acest lucru nu este prea indicat.
Pentru a rezolva această problemă se aplică deconvoluţia asupra semnalului de ieşire.
Acest lucru face impulsurile mai "ascuţite" şi deci nu se vor mai suprapune.

Chiar dacă semnalul este codat în domeniul timp, majoritatea analizei se va face în
domeniul unde problema este mai uşor de înţeles. Figura 9-Sa este semnalul produs de
detector (acest lucru se ştie). Figura (c) este semnalul pe care dorim sa-I obtinem (de
asemenea, acest lucru se ştie). Acest impuls a fost ales arbitrar, având forma unei
ferestre Blackman, cu o lungime aproximativ egală cu o treime din lungimea
impulsului produs de detector (a). Scopul este acela de a găsi un nucleu de filtru care
convoluţionat cu semnalul original (a), să producă semnalul din (c). Ca şi ecuaţie:
a*e=c, se cunosc a şic şi trebuie detem1inat e.

Deconvoluţia nu este chiar operaţia inversă convoluţiei (cel puţin în domeniul timp).

Din fericire, această problemă se simplifică în domeniul frecvenţă. Convoluţia într-un

domeniu, corespunde cu înmulţirea în celălalt domeniu. În figura 9-5, dacă b x f= d,
fiind date b şi d, trebuie determinat f Răspunsul în frecventă a filtrului (I), este
spectrul frecventă a impulsului căutat (d), împărţit la spectrul frecventă al impulsului
detectat (b).

Desigur, ideal ar fi ca impulsurile obţinute (c), să fie cât mai "subţiri". Totuşi apare o
problemă. Dacă am face aceste impulsuri foarte subţiri, răspunsul în frecvenţă (f) a
acestora va trebui să amplifice semnalele cu frecvenţă mare. Problema este că şi
zgomotul se situează undeva la frecvente mari. Deci trebuie făcut un compromis între
lăţimea semnalului util şi amplificarea de zgomot.
 TimeDomain Frequency Domain
,., ,.,
I
„ 0.tKltd pulso I b. Dt.ctc.ttd. frtqut.u.ey spe,ctnam.

__j__J___L__L_
I.O

_JI __
• O
I.
.......
J +- I I I
,!j

i< o,,
o.o
G�u)·scrl.bts I
I
I o.o
,o "'' ;o 40 ,o o O.I Ol
. o., O.J o ,.
Sample maa:l.W Frequency

,., ,.,
C 0.:S&red pn.lst d.. Duutd frtqnf:1ley sptttrum
I.O
·-ţ-·t·--ţ---ţ--
I:.: o' I I I.
O

î' I -ţ-- t I I - I
- ţ--
< o.,

I I I
o.o

-o., o.o
o 10 "' ;o 40 ,o o O.I O.l o., O.J o.,
Sample mamber Frequency

•• •
--1---r--r--
o.,

)0
o.,
-rî_T_
= 00 J 20
§'
<!!''
-o.:: I.O

•0.4
o 10 "'
Samplewmber
,o .. ,o
o.o
o O.I O.l
Frequency
O.l O.t 0.5

Fig. 9-5

Deconvoluţia este de asemenea analiza semnalelor codate în domeniul frecvenţă. Un

exemplu clasic este restaurarea înregistrărilor vechi (opera cântăreţilor Enrico Caruso
1873-1921 ). Figura 9-6 prezintă o descriere generală. Problema apărea la înregistrarea
semnalului. Datorită echipamentelor primitive, apărea o rezonanţă a sunetului în conul
ce-l ghida pe acesta înspre microfon. Spectrul de frecventă a semnalului audio
original este prezentat în figura (a). Figura (b) arată n1spunsul în frecven\ă a
echipamentului de înregistrare. Se observă câteva peak-uri datorită rezonanţelor.
Spectrul semnalului înregistrat este prezentat în (c) şi este egal cu spectrul original (a),
înmulţit cu n1spunsul în frecven\ă din (b). Scopul deconvolu\iei este acela de a
contracara convoluţia nedorită. Cu alte cuvinte, răspunsul în frecven\ă a filtrului de
deconvoluţie (d), trebuie să fie inversul lui (b). Asta înseamnă că fiecare vârf din (b)
trebuie anulat de un vârf în jos în (d). Dacă acest filtru este proiectat corespunzător,
semnalul rezultat va avea spectrul (e) identic cu cel original. Problema este că
răspunsul în frecven\ă a echipamentului de înregistrare (b) nu poate fi ştiut Cu alte
cuvinte aceasta este o problemă de decovoluţie "oarbă". Se dă (c)-ul şi trebuie
determinai (d)-ul.

a . Original spectnun c. Recorded specmun e. Deconvolved specmun

1----
I))) Undesired
Convolution
\-��-
1-----lM Deconvolurion

b. Frequency respome d. frequeucy response

1r-v-..-.r
Fig. 9-6

Problemele de deconvoluţie oarbă sunt legate de estimări sau presupuneri asupra unor
parametri necunoscu\i. Legat de acest exemplu, spectrul mediu a muzicii originale
este determinat dintr-un spectru mediu a aceleaşi piese muzicale realizate cu
instrumentele actuale. Simplist, răspunsul în frecven\ă necunoscut este luat ca o medie
spectrală a vechii înregistrări, împărţită la media spectrală a noii înregistrări. Această
metodă este mult mai complicată şi se numeşte procesare homomorfică.
I O. Filtre recursive
Filtrele recursive sunt un mod eficient de a obţine un răspuns la impuls, fără a fi
nevoie de o convoluţie. Execuţia lor este foarte rapidă, însă prezintă o performanţă şi o
flexibilitate mai scăzute decât celelalte filtre digitale. Filtrele recursive mai sunt numite şi
filtre cu Răsp1111s la Impuls lnfi11it (TIR) de vreme ce răspunsurile lor la impuls sunt alcătuite
din exponenţiale descrescătoare. Aceasta le deosebeşte de filtrele digitale obţinute prin
convoluţie, numite filtre cu Răsp1111s la Impuls Finit (FIR). Acest capitol este o introducere
la modul cum operează filtrele recursive şi cum pot fi obţinute variante de filtre aparţinând
acestui tip.

10.1 Metoda Recursivă

Înainte de a începe discuţia despre filtre recursive, să ne imaginăm că trebuie să extragem
informaţie dintr-un semnal oarecare x[ ]. Ce avem de făcut este atât de complicat încât ar
trebui să angajăm un profesor de matematică, cu experienţă, care să facă toate calculele în
locul nostru. Sarcina lui este de a filtra x( ] pentru a obţine y[ ], ce să conţină informaţia de
care să avem nevoie. Profesorul începe calcularea fiecărui punct din y[ ] conform unui
anume algoritm. La un moment dat apare un eveniment nefericit. Profesorul începe să se
încurce printre singularităţi analitice şi transformări fracţionare şi alte necunoscute din
universul unui matematician. E clar că profesorul şi-a pierdut minţile. Noi privim îngrijoraţi
cum profesorul împreună cu algoritmul lui este luat de câţiva medici.
Revedem nedumiriţi observaţiile profesorului pentru a deduce algoritmul pe care el
îl folosise. Aflăm ca el calculase punctele de la y[0J lay[27] şi era gata să înceapă calcularea
punctului y[28]. După cum se vede în figura I 0-1, vom considera variabila II punctul curent
calculat. Aceasta înseamnă că y[11] este e�ntionul 28 în semnalul de ieşire, y(11-l] este
eşantionul 27, y[11-2] este eşantionul 26 ş.a.m.d. La fel, x[11] este punctul 28 în semnalul de
intrare, x[11-l ] este punctul 27 etc. Pentru a înţelege algoritmul folosit, ne întrebam: "Ce
informaţii a folosit profesorul pentru a calculay(11], valoarea asupra căreia tocmai se lucra?"

Sursa evidentă de informaţii este semnalul de intrare, cu valorile x(11], x[n-1], x[11-2], .. ·.
Profesorul ar fi înmulţit fiecare punct din semnalul de intrare cu un coeficient şi apoi ar fi
adunat produsele.

y[n] = aox [11] + a1x[11-l] + a:zx[11-2] + a.JX[11-3] +...

Observăm că aceasta nu este altceva decât o simplă convoluţie, cu coeficienţii ao, a1, a2,...,
formând nucleul de convoluţie. Dacă acestea ar fi singurele analize ale profesorului, atunci
toată această poveste, nu ne-ar fi de prea mare ajutor. Însă, mai există şi o altă sursă de
informaţii la care a apelat profesorul: valorile semnalului de ieşire calculate anterior: y[11- I],
y(11-2],y(n-3], .... Utilizând şi aceste informaţii, algoritmul ar fi de fonna:
Ecuaţia I 0-1
y(11] = aoX(11] + a1x(11- J] + a1x(n-2] + a:;X(n-3] +...+ bt.Y[11- I]+ b2y(11-2] + b3y[n-3] +...
Ecuaţia de recursivitate. În această ecuaţie x[] este semnalul de intrare,
y{ ] este semnalul de ieşire, iar a şi b sunt coeficienţi.

Cu alte cuvinte, fiecare punct din semnalul de ie�ire este obţinut prin înmulţirea valorilor din
semnalul de intrare cu coeficientul "a", înmulţind valorile calculate anterior din semnalul de
ieşire cu coeficientul "b" şi însumând cele două produse. Observaţi că nu există o valoare
penim bo deoarece acesta corespunde valorii care tocmai se calculează. Ecuaţia I 0-1 se
numeşte ecuaţie de recursivitate, iar filtrele care o folosesc se numesc filtre recursive.
Valorile "a" şi "b" care definesc filtrul sunt numite coeficienţi de recursivitate. În practică,
nu se obişnuieşte folosirea a mai mult de 12 coeficienţi de recursivitate pentru ca filtrul să
nu devină instabil (ieşirea cre�te sau oscilează continuu).

Filtrele recursive sunt de folos întrucât ele evită o convoluţie mai lungă. De exemplu, să
luăm în considerare ce se întâmplă atunci când o funcţie delta este trecută printr-un filtru
recursiv. Ie�irea este răspunsul la impuls al filtrului şi, în mod obişnuit, va fi o oscilaţie
sinusoidală care descreşte exponenţial. De vreme ce răspunsul la impuls tinde la infinit,
filtrele recursive mai sunt numite şi filtre cu răspuns la impuls infi11it (IIR). În concluzie,
filtrele recursive convoluţio11ea;:ă semnalul de intrare cu un nucleu filtru foarte lung, chiar
dacă sunt folosiţi doar câţiva coeficienţi.

I •- n.
I ------!--
l -----+
'"P"' ,11..i. •I li I n. °""'"'
b.
I
I ·1
,,pal, y( J
---+-----;--------l
''

I•!..
-----+-----7 xt;;!i]
_____,_________,
·l
>lnl
-,-------.�--------
I
_,
o 10 10 JO o 10 lO JO
Sample oumbet Sample unm.bu

Fig. 10-1

Relaţia dintre coeficienţii de recursivitate şi răspunsul filtrului este dată de o tehnică

matematică, numită transformata Z. De exemplu, transformata Z poate fi utilizată pentru:
conversia coeficienţi de recursivitate - răspunsul în frecvenţă, combinarea nivelurilor
cascadate şi paralele într-un singur filtru, proiectarea sistemelor recursive care simulează
filtrele analogice etc. Din păcate, transfonnata Z este mai mult teoretică şi prea complicată
pentru ca majoritatea utilizatorilor de DSP-uri să poată să o folosească. Aceasta este dilema
utilizatorilor care vor se specializează în DSP-uri.
Există trei moduri de a afla coeficienţii de recurs1v1tate îară a fi nevoie de înţelegerea
transfom1atei Z. Primul: acest capitol oferă ecuaţii de proiectare pentru câteva tipuri de filtre
recursive simple. Al doilea: oferă un program de indicaţii pentru constituirea celor mai
sofisticate filtre Chebyshev trece-jos şi trece-sus. Al treilea: descrie o metodă iterativă
pentru realizarea filtrelor recursive cu un răspuns în frecvenţă arbitrar.

Digital Filrer
••-.---,---,----,---.

...
R.ecursi,.·e
Filrer
a.• O.IS ➔
b, s O.S.S

-O•J+---,�-+---+---1
o .. ...,+---+---+--<---I
o 10 » )O
Sa-n:;,l,t amcbtr
..,

Analog Filrer
,, I I
....-
1 .., ----j ---..l -::.-=-+--"1
I I R I I I

➔---+---
t.

----------t----- l
I
---l- -
I � 1 I I

..,
o r----
I
Ţ a----
· --�---r---
I I

.
..
I I 1 I I
o ,. o 10 :O
Tim!
JO

Fig. 10-2

10.2 Filtre Recursive cu un Singur Pol

Figura I 0-2 arată un exemplu a ceea ce este numit filtru trece-jos cu un singur pol. Acest
filtru recursiv foloseşte doar doi coeficienţi, ao=0.15 şi bi =0.85. Pentru acest exemplu,
semnalul de intrare este o ftmcţie treaptă. După cum se aşteaptă de la un filtru trece-jos,
ieşirea este o creştere lină spre un nivel constant. De asemenea, această figură face legătura
între mai multe noţiuni de electronică. Acest filtru recursiv trece-jos este complet analog
(identic) cu filtrul trece-jos electronic, compus dintr-un singur rezistor şi un capacitor.

Ceea ce este interesant la metoda recursivă este faptul că se poate crea o imensă varietate de
răspunsuri, schimbând doar câţiva parametri. De exemplu, Figura I 0-3 ilustrează un filtru cu
trei coeficienţi ao = 0.93, a, = -0.93 şi b1 = 0.86. După cum este arătat de răspunsul treaptă
similar, filtrul digital simulează un filtru electronic trece-sus, de tipul RC.

Aceste filtre recursive cu un singur pol sunt desigur elemente care se vor a fi ţinute în
culisele DSP-urilor. Pot fi folosite pentru procesarea semnalelor digitale, la fel cum sunt
folosite circuitele RC pentru procesarea semnalelor electronice analogice. Aceasta include
aproape orice: eliminarea componentei continue, diminuarea zgomotului de înaltă frecvenţă,
imaginea şi calitatea fom1elor de undă etc. Sunt uşor de programat, rapid de executat şi fără
multe surprize neplăcute. Coeficienţii derivă din aceste simple ecuaţii:

Ecuaţia I 0-2. ao = I- x
b1 =x
Filtru trece-jos cu un singur pol. Răspunsul
filtrului este controlat de parametrul x, o valoare
între ze.ro şi unu.

Ecuaţia I 0-3. ao = (I+ x)/2

Filtru trece.su.� cu un singur pol. a 1 =-(l+x)/2
b1 =x

Digital Filter

--t· -t---t---
I I I

...
, o.
Recursive
Filler
a.• O.tl
111 •..0tl
➔ 1 ., ---:I•-· - ➔I ---rI ---
1

=
b, O.!di < M..,._-;
,
-- ,
- f-� --+--�
1

II
...,+---+---+--f---l
• 10 » )O $1'mpt. mm:.btr
...

Analog Filter
:
,J
I
.... ! .. . I I
____l ___ l_ ___
I
I
I

7Ţ,
- -�---1----
I
1----- �----�----
I
,
"!. o .
I 1
I � --1---,---r
r---- o.o

•
! !
.. ..., • I
U)
I
:O
I
JO ...
Tim!

Fig. 10-3

Caracteristicile acestor filtre sunt controlate de parametrul x, o valoare între zero şi unu. La
nivel fizic, x este diferenţa dintre două puncte adiacente. De exemplu, x este 0.86 în Figura
I 0-3, însemnând faptul că valoarea fiecărui eşantion din semnalul de ieşire este 0.86 din
valoarea e�ntionului precedent. Cu cât este mai mare x, cu atât este mai mică diferenţa. Să
observăm că filtrul devine instabil dacă valoarea lui x depăşeşte unu. Astfel, orice valoare
nenulă aplicată la intrare va produce o ieşire amplificată până va avea loc o depăşire.

Valoarea lui x poate fi specificată direct sau poate rezulta din constama de timp a filtrului.
La fel cum RxC defineşte numărul de secunde de care are nevoie un circuit RC pentru a
descreşte la 36.8% din valoarea sa, tot aşa d este numărul de eşantioane necesare unui filtru
recursiv pentru ca acesta să ajungă la aceeaşi valoare.
 Ecuaţia I 0-4
Constanta de timp pentru filtrele cu un singur
pol. Această ecuaţie prezintă diferenţa cantitativă
dintre eşantioane, x, şi constanta de timp a
filtrului, d, numărul de eşantioane necesare
filtrului pentru ca acesta să descrească la 36.8%.

De exemplu, o diferenţă x = 0.86 între eşantioane coresptmde unei constante de timp d =

6.63 eşantioane (după cum se vede din figura 10-3). De asemenea, există o relaţie precisă
între x şi frecvenţa de tăiere,Jc = -3dB, a filtrului digital:

Ecuaţia I 0-5
Frecvenţa de tăiere pentru filtrele cu un singur
pol. Diferenţa dintre eşantioane, x, este
prezentată În relaţie cu frecvenţa de tăiere a
filtrului,/c, care poate avea valori între O şi 0.5.

Aceasta asigură trei metode pentru obţinerea coeficienţilor "a" şi "b", începând cu constanta
de timp, frecvenţa de tăiere sau alegând direct valoarea lui x .

I •.I
0n,;u11,pia1
I
I I b. Fu1U1d s,pu!s
I I
I
1. -----+-------+---+--- -!

----+----f--

.o.>-1----1---�1---+--+----I .o.,-1----1----1----1----1----1
o 100 100 lOO
S�mplE .an.m.bu
""' ""' o 100 :!O) ""
Samp!e o.umbet
"" ,00

Fig. 10-4

Figura I 0-4 înfăţişează un exemplu de utilizare a filtrelor recursive cu un singur pol. în (a),
semnalul original este o curbă netedă, cu excepţia unei oscilaţii puternice a sinusoidei de
înaltă frecvenţă. Figura (b) ilustrează semnalul obţinut după ce i se aplică filtrele trece-jos şi
trece-sus. Semnalele au fost separate satisfăcător dar nu perfect, la fel cum s-ar fi întâmplat
dacă s-ar fi folosit circuitele simple RC în cazul unui semnal analogic.

În figura I 0-5 sunt prezentate răspunsurile în frecvenţă a mai multor filtre recursive cu un
singur pol. Aceste curbe rezultă în urma trecerii funcţiei delta prin filtru pentru a se obţine
răspunsul la impuls al filtrului. FFT este utilizată pentru a converti răspunsul la impuls în
răspuns în frecvenţă. În principiu, răspunsul la impuls tinde la infinit; totuşi, el descreşte sub
zgomotul ambiant in simpla precizie, cam după I 5-20 constante de timp. De exemplu, atunci
când constanta de timp a filtrului este d = 6.63 eşantioane, răspunsul la impuls poate conţine
cam 128 de eşantioane.
 Ib. Low-p,•.; filttr
i

,----,----
----,�--' i
�" i
I
O.I

oo-l--+===:::i====i===i==I
o Ol O.l O.l OJ o Oi Ol O.) o., OJ
fre,quency Fr�ue.ucy

oo.l-�_j__...:::,t:=:= �--i----l
o Oi O..l O.J o., OJ
Fraqueu.ey
Fig. 10-5

Ipoteza ce rezultă din figura 10-5 este aceea că filtrele recursive reuşesc destul de dificil să
separe o bandă de frecvenţe de cealaltă. Cu alte cuvinte, ele lucrează foarte bine în domeniul
timp, dar slab în domeniul frecvenţă. Răspunsul în frecvenţă poate fi îmbunătăţit uşor prin
cascadarea mai multor niveluri. Aceasta se poate realiza în două moduri. În cazul primei
metode, semnalul poate fi trecut prin filtru de mai multe ori. A doua metodă presupune
utilizarea transformatei Z pentru a se găsi coeficienţii de recursivitate care să convertească
cascadarea într-un singur nivel. Ambele metode funcţionează şi stmt folosite în mod
echitabil. Figura (c) prezintă răspunsul în frecvenţă al unei cascadări alcătuite din patru filtre
trece-jos. Chiar dacă atenuarea în stop-bandă este semnificativ îmbunătăţită, viteza de roll­
off este încă foarte pronunţată. Dacă este nevoie de o performanţă mai accentuată în
domeniul frecvenţă, este indicată analiza filtrelor Chebyshev.

Filtrul trece-jos cu patru niveluri este asemănător cu filtrele Blackman şi Gaussian, dar cu o
viteză de execuţie mult mai rapidă. Ecuaţiile care descriu funcţionarea unui filtru trece-jos cu
patru niveluri sunt:
 Ecuaţia I 0-6
Filtru trece.jos cu patru niveluri. Aceste ecuaţii a=(I -x}4
calculează coeficienţii ''a" şi "'b" pentru o b 1= 4x
b2 = -6x2
ca'iCadare de patru filtre trece.jos cu un singur
pol. Relatia dintre x şi frecvenţa de tăiere este
dată de Ec. 10-5, unde 2n esteînlocuil cu 14.445. b3 = 4x3
b• = -x4
10.3 Filtre de Bandă Îngustă
O necesitate atât a electronicii cât şi a DSP-urilor este izolarea unei benzi înguste de
frecvenţe de un semnal în bandă largă. De exemplu, se dore�te eliminarea unei interferenţe
de 60Hz într-un sistem instrumental sau izolarea tonurilor de semnal într-o reţea de telefonie.
Sunt folosite două tipuri de răspuns în frecvenţă: trece-bandă şi reject-bandă (denumit şi
filtru de tăiere). Figura 10-6 ilustrează răspunsurile în frecvenţă ale acestor filtre, cu
coeficienţii de recursivitate rezultaţi din următoarele ecuaţii:

Ecuaţia I O-7
Fi1tru trece.bandă. Un exemplu de răspuns în ao = I - K
frecvenţă este prezentat în figura I o.6a. Pentru a 01 = 2(K - R) cos(2nj)
folosi aceste ecuaţii, mai întâi se selectează
frecvenţa de centru,/, şi lărgimea de bandă, BW.
a2 = R2 -K
Ambele sunt exprimate ca fracţie a ratei de b1 = 2R cos(2it./)
eşantionare şi, de aceea, au valori între O şi 0.5. bi = -R2
Apoi se caJcuJeazâ R şi K şi, în final, cocficientii
de recursivitate.

ao = K
01 = -2K cos(2it./)
Ecuaţia I 0-8
Filtru reject•handă. Acest filtru este numit, în
a2 = K
b 1 = 2R cos(2it./)
general, filtru de tăiere. Exemple de răspuns în
frecventă sunt prezentate În Fig. I0-6b.
bi= -R2

unde:
l-2R cos(2ef)+ R'
K=---���-
2-2 cos(2ef)

R= I -3BW

Înainte de a se folosi aceste ecuaţii trebuie ale�i doi parametri:/, frecvenţa de centru, şi BW,
lărgimea de bandă (măsurată la o amplitudine de 0.707). Ambele sunt exprimate ca o fracţie
a ratei de eşantionare şi, de aceea, trebuie să aibă valori între O şi 0.5. Cu aceste valori
precise se calculează valorile intennediare: R şi K şi apoi coeficienţii de recursivitate.

După cum se vede din (a), filtrul trece-bandă are cozi relativ lungi care se propagă din vârful
principal. Această situaţie poate fi îmbunătăţită prin cascadarea mai multor niveluri. De
vreme ce ecuaţiile caracteristice stmt destul de complicate, este mai simplă implementarea
acestei cascadări prin filtrarea semnalului de mai multe on, decât să se încerce găsirea
coeficienţilor necesari unui singur filtru.

,., ' '

I b. Band,.rtJttt frtqutncy 1•t;.pon.:.t I
·---�! ·-- ' -- IBW=0.0066I !
! I
\ 'Î i
lsw-oonl

I
----!I
I I
I I
o.o i

r �pon�•
o 01 O .l O.l O.• o 0.1 Ol O.S o., o.,
Fre,,quency F-requ,ency

I.S
IC, a�nd-�JtCC !ltp
I
i i
I
law�;0066 I
!:
I'
I

o.o
o
I
'
lO
I
'
100 ISO lOO
Sample numbu

Fig.10-6

Figura (b) prezintă exemple de filtre reject-bandă. Cea mai îngustă lărgime de bandă care
poate fi obţinută cu o singură precizie este cam de 0.0003 din frecvenţa de eşantionare.
Când această limită este depăşită atenuarea filtrului de tăiere va cunoaşte o scădere. Figura
(c) ilustrează răspunsul treaptă al filtrnlui reject-bandă. Există o oarecare depăşire şi tm
anume sunet, dar amplitudinea lui este destul de mică. Aceasta permite filtrului să scoată
interferenţa în bandă îngustă (60Hz şi alte valori apropiate de aceasta), riscând cel mult o
distorsiune minoră a formei de undă în domeniul timp.

10.4 Răspunsul în Fază

Există trei tipuri de răspuns în fază pe care le poate avea un filtru: faza zero, faza liniară şi
faza neliniară. În Figura I 0-7 se prezintă câte un exemplu pentru fiecare dintre aceste trei
tipuri. După cum se vede din (a), filtrul fază zero este caracterizat de un răspuns la impuls
descris simetric faţă de eşantionul zero. Imaginea în sine a fom1ei de tmdă contează mai
puţin, doar că poziţionarea eşantioanelor cu valoare negativă reprezintă imaginea în oglindă
a dispunerii e�ntioanelor pozitive. Dacă se aplică Transfonnata Fourier acestei forme de
undă simetrice, faza va fi în întregime zero, după cum se vede în (b).
 ��r.:=:::::i==::z:=::::-,
Zero Phase Filter
,..
... - I c. Pulse. re::.·poo.5;e -
:.o

. es _.r_e�J•s�:-l:ll-'e_,7
��TL_a._lnmul
---'._ • Ib. Pliase I -
• . -
j �"
i .... -•--♦
--.-1 L- --- - --
L- o.o -
-o.to+---lf---+----1
o �
' O O1 O,! O,J
.
O,' O,J
...,
•!J o a JO ,, 100
�•umbt< l'<tq,,,ncy Sibq)�mmibet

"r.==::::;- ,,,
Linear Phase Filter

L. _[I;:'tl";'"+" -�-
l.O

.. j•. Ph•�
..,
--
' ' I '
îl?+-f-�--+-+--t---
--II I I I

..... ---ţ-·--i--
!o
ij
/!:-" +--+·..;::,-+-.::�-
o.o
-, '' -�
�.!O+---<e---+----1
,o O .
Oi O.! O.l 0.-1 O.J •'ZJ O ll SO 75 :00
Fleq(le:QCy S3mp2 aumbet

Nonlinear Phase Filter

,..
... I i Puise respoose
I
• I b. Pliase I
I --ţ-
. --ţ- ·7-
··-- -- . •
---ţ----j-- .,. --i-r--r---r-
o.o

-o.to+---lf---+----1
.. O
.
01 o: 0--1 0.4 O,J
...,
•· a o a JO " 100
l'<tq,,,ncy s.n,pi...-.r
Fig. 10-7

Dezavantajul utilizării filtrelor cu fază zero este acela că ele presupun folosirea indecşilor
negativi, cu care se lucrează destul de incomod. Filtrul cu fază liniară ar fi o alternativă.
Răspunsul la impuls din (d) este identic cu cel din (a), doar că el este deplasat spre dreapta,
utilizând astfel doar eşantioane pozitive. El continuă să fie simetric atât la dreapta cât şi la
stânga, doar că centrul de simetrie nu mai este zero. Deplasarea se observă în fază, (e), fiind
o linie dreaptă, de tmde şi numele de fază liniară. Panta acestei linii drepte este direct
proporţională cu deplasarea. De vreme ce deplasarea în cazul răspunsului la impuls nu face
altceva decât să determine o deplasare identică a semnalului de ie�ire, în cele mai multe
cazuri, filtrul cu fază liniară este echivalentul filtrului cu fază zero.

În figura (g) se prezintă un răspuns la impuls care nu este dispus simetric la stânga şi la
dreapta. Faza corespunzătoare, (h), 1111 este o linie dreaptă. A nu se confunda termenii fază
neliniară şi li11iară cu conceptul de liniaritate a sistemelor, discutat într-unul din cursurile
anterioare. Chiar dacă ambii folosesc termenul li11iar, ele nu au nici o legătură.

De ce ar fi cineva interesat dacă faza ar fi liniară sau nu? Figurile (c), (f) şi (i) ne oferă
răspunsul. Acestea sunt răspunsurile la puls pentru fiecare dintre cele trei filtre. Răspunsul
la puls nu este altceva decât un răspuns treaptă pozitiv urmat de un răspuns treaptă negativ.
Răspunsul la puls este folosit aici deoarece el arată ce se întâmplă cu ambele capete ale unui
semnal. Aici este partea importantă: filtrele cu fază zero şi liniară au capetele din stânga şi
din dreapta idemice, în timp ce filtrele cu fază neliniară le au diferite. Multe aplicaţii nu pot
tolera ca aceste capete să fie diferite. Un exemplu ar fi display-ul unui osciloscop, unde o
diferenţă de acest tip ar fi greşit interpretată ca fiind o caracteristică a semnalului care
tocmai se măsoară. Un alt exemplu este procesarea video. Ar putea cineva să-şi imagineze
că, la televizor, urechea dreaptă a actorului preferat ar putea arăta diferit de cea stângă?

Este destul de simplu să se realizeze o fază liniară pentru un FIR (răspuns la impuls finit).
Aceasta deoarece răspunsul la impuls (nucleul filtru) este specificat direct în procesul de
proiectare. Tot ce se cere este realizarea simetriei stânga-dreapta pentru nucleul filtru.
Acesta nu este însă şi cazul filtrelor !IR (recursive), pentru că cei specificaţi sunt coeficienţii
de recursivitate şi nu răspunsul la impuls. Răspunsul la impuls pentru un filtru recursiv 1111
prezintă simetrie stânga-dreapta şi, de aceea, are o fază neliniară.

Circuitele electronice analogice au aceeaşi problemă cu răspunsul în fază. Să ne imaginăm

că avem în faţă un circuit alcătuit din rezistori şi condensatoare. Dacă intrarea a fost mereu
zero, ieşirea va fi întotdeauna zero. Când la intrare este aplicat un impuls, condensatoarele
se încarcă repede la o valoare, apoi se descarcă exponenţial prin rezistori. Răspunsul la
impuls (semnalul de ieşire) este o combinaţie a acestor diferite valori exponenţiale
descrescânde. Răspunsul la impuls 1111 poate fi simetric deoarece ieşirea era zero înainte de
aplicarea impulsului iar scăderea exponenţială nu mai ajunge la valoarea zero. Proiectanţii
de filtre asemănătoare înfruntă această problemă prin utilizarea filtrului Bessel. Filtrul
Bessel este proiectat astfel încât să aibă cea mai liniară fază posibilă; cu toate aceste însă, el
se situează cu mult sub performanţa filtrelor digitale. Posibilitatea asigurării unei faze liniare
exacte este un avantaj evident al filtrelor digitale.

Din fericire, există un mod simplu de modificare a filtrele recursive pentru a se obţine o fază
zero. Figura I 0-8 ilustrează un exemplu în legătură cu modul de realizare a acestui proces.
Semnalul de intrare care trebuie filtrat este prezentat în (a). Figura (b) arată semnalul după
ce acesta a fost filtrat printr-un filtru trece-jos cu un singur pol. De vreme ce acesta este un
filtru cu fază neliniară, el nu prezintă simetrie stânga-dreapta. Forma de undă conţine
variantele inversate ale fiecărui eşantion. După cum s-a prezentat anterior, acest filtru
recursiv este implementat începându-se de la e�ntionul zero şi continuându-se până la 150,
calculându-se fiecare dintre aceste eşantioane.
 I ,. Oripul sip.,11 I I
.o- -----l'-- I
'
I
'

-j---
I
.>- ---4----

o !
I I I I I
I I I I
... o "I I
,o "I I
,oo
I
llS ,,. ..,,,H---i"--i--+--+---1---1
o ,O 1, 100 tlJ ,,o
Samp� u.um.bu Sample u.umbM

I.
' '

1- t
c. Fsltutd I
I --îI--- d. Filttud I li - li
--:-- -T
-
--:
1
�I
.,
' ' ' ' - 1-� -....:
.... -
:

--+ --ţ'--- --�---I

] i 1 I I I

1·
o.
i
I
I' I'
.., " " ,,.
o ,o 100
Sam.p?e ira:mbe!
lU
... >-1--�1--+---+---1---1---1
.
o ,,.
Fig. 10-8

Acum să presupunem că, în loc să ne deplasăm de la eşantionul zero spre eşantionul 150,
începem de la 150 şi continuăm spre zero. Cu alte cuvinte, fiecare eşantion din semnalul de
ieşire este calculat de la eşantioanele de intrare şi de ie�ire spre dreapta e�antionului curent.
Asta înseamnă că ecuaţia de recursivitate, ecuaţia 10-1, devine:

Ecuaţia I 0-9
Ecuaţia inversă de recursivitate. E aceeaşi cu
ecuaţia I 0-1, cu excepţia faptului că semnalul este
filtrat de la stânga la dreapta, în loc să fie filtrat de
la dreapta la stânga.

y(11] = aox(11] + aix[11+l] + a2X(11+2] + a:ix(n+3] + ..+ b1y(11+I] + b2y[11+2] + 6Jy[11+3] + ...
Figura (c) prezintă rezultatul acestei filtrări inverse. Aceasta este analog trecerii unui semnal
analogic printr-un circuit electronic RC în timp ce timpul de rulare regresează.

Filtrarea în direcţia opusă nu aduce nici un avantaj în sine; semnalul filtrat mai are secţiuni
care nu sunt asemănătoare. Minunea se întâmplă atunci când filtrare înainte este combinată cu
filtrarea înapoi. Imaginea din figura (d) rezultă în unna filtrării semnalului înainte şi, apoi,
filtrat din nou, în direcţia opusă. Se ob\ine un filtru recursiv cu fază zero. De fapt, orice filtru
recursiv poate fi convertit la faza zero prin această tehnică a filtrării bidirecţionale. Singurul
inconvenient pentru această perfonnan!ă îmbunălă!ită este factorul reprezentat de timpul de
execuţie şi complexitatea programului.

Cum se obţin răspunsurile la impuls şi în frecvenţă pentru filtre, la modul general? Mărimea
răspunsului în frecvenţă este aceeaşi pentru fiecare directie, în timp ce în cazul fazei, ele sunt
diferite ca semn. Când cele două direc\ii sunt combinate, mărimea e ridicată la pătrat, iar faza
se reduce la zero. În domeniul timp, aceasta corespunde convoluţiei n1spunsului la impuls
original cu el însuşi, doar orientat de la stânga la dreapta. De exemplu, răspunsul la impuls al
unui filtru trece-jos cu un singur pol este o exponen\ială simplă. Răspunsul la impuls al
filtrului bidirecţional corespunzător este o exponen\ială simplă care descreşte spre dreapta,
convoluţionată cu o exponenţială simplă care descreşte la stânga. Confom1 matematicii,
aceasta ar putea fi o exponenţială dublă care descreşte atât la stânga cât şi la dreapta, având
aceeaşi constantă de diferen\ă de nivel ca şi filtrul original.

Unele aplicaţii pot deţine doar o parte dintr-un semnal într-un computer pentru o anumită
perioadă de timp, cum sunt sistemele care alternează datele de intrare şi ieşire pe acelaşi
suport. Filtrarea bidirecţională poate fi utilizată în aceste cazuri prin combinarea ei cu metoda
overlap-add (adăugării suprapuse). Dacă ne punem întrebarea cât de lung trebuie să fie
răspunsul la impuls, n1spunsul nu trebuie să fie infinit. Dacă răspunsul ar fi acesta, atunci ar fi
nevoie să se completeze fiecare segment de semnal cu un număr infinit de zerouri. Nu uitaţi,
răspunsul la impuls poate fi trunchiat când acesta scade sub nivelul zgomotului ambiant, cam
între 15 şi 20 constante de timp. Fiecare segment va avea nevoie să fie completat cu zerouri,
atât în stânga cât şi în dreapta, pentru a pennite extinderea în timpul filtn1rii bidirecţionale.

10.5 Utilizarea Întregilor

Virgula mobilă în simpla precizie este ideală pentru implementarea acestor filtre recursive
simple. Utilizarea întregilor este posibilă, dar este mult mai dificilă. Există două mari
probleme. Mai întâi, eroarea de estimare a numărului limitat de biţi poate defonna răspunsul
filtrului, ori chiar să-l facă instabil. În al doilea rând, valorile fracţionare ale coeficienţilor de
recursivitate trebuie să fie compatibile cu valorile întregi. O soluţie pentru depăşirea acestei
probleme ar fi exprimarea fiecărui coeficient ca o fracţie. De exemplu, 0.15 devine 19/128. În
loc să se înmulţească cu O. I 5, mai întâi se înmul\eşte cu I 9 şi apoi se împarte la 128. O altă
variantă ar fi înlocuirea înmul\irilor cu tabele de căutare. De exemplu, un ADC pe 12 biţi
produce eşantioane cu o valoare între O şi 4095. În loc să se înmul\ească fiecare eşantion cu
0.15, se trece eşantionul printr-un tabel cu 4096 de intn1ri. Valoarea obţinută din tabela de
căutare este egală cu valoarea care a intrat de 0.15 ori în tabela de căutare. Această metodă
este foarte rapidă dar cere multă memorie, întrucât este nevoie de o tabelă de căutare pentru
fiecare coeficient în parte. Înainte de a se încerca oricare dintre aceste metode pentru întregi,
se recomandă să se verifice dacă algoritmul recursiv pentru filtrul mediu de deplasare
satisface nevoi le cerute.