1

Prof. Stefano Gori

ELABORAZIONE NUMERICA DEI SEGNALI
1. SEGNALI E SISTEMI
Il segnale linsieme delle variazioni di una grandezza nel tempo e/o nello spazio. Se
le variabili sono continue, il segnale si chiama analogico; se le variabili sono discrete il
segnale si chiama numerico.
Un segnale numerico si indica con
{X
n
} - < n < +
Alcune sequenze di fondamentale importanza per le analisi sono:
a) Sequenza segnale unitario
n

'

0 1
0 0
n
n
n
b) Sequenza gradino unitario u
n

'

<

0 0
0 1
n
n
un
Si ha
:

'

1 n n n
n
k
k
n
u u
u

c) Sequenza esponenziale
X
n
= a
-bn
d) Sequenza sinusoidale
X
n
= a sen (
n
+ )
2
Nella sequenza sinusoidale, siccome la variabile discreta, X
n
periodica se e solo se

2
razionale.
Si definisce somma fra due sequenze la sequenza definita da:
{X
n
}+{Y
n
}={X
n
+ Y
n
}.
Si definisce prodotto fra due sequenze la sequenza definita da:
{X
n
}.{Y
n
}={X
n
. Y
n
}.
Si definisce prodotto fra una sequenza e un numero C:
. {X
n
}={. X
n
}.
Si definisce sequenza ritardata di n di {X
n
}:
{ } { } n n X Yn
Omettiamo per semplicit nel prosieguo le parentesi graffe: X
n
indica in generale una
sequenza e, per n fissato, il valore della sequenza per quel particolare n.
possibile dimostrare che ogni sequenza si pu scrivere come somma di campioni
unitari
n
opportunamente ritardati e moltiplicati per un numero dipendente da n. In
base a questa propriet si pu scrivere
n
k
k

n k n x x
.
Il sistema numerico lequivalente della funzione analitica. Si definisce quindi come
una trasformazione
Y
n
= F[X
n
].
Le trasformazioni sono generalmente univoche.
Il sistema si dice lineare se
F[aX
n
+ bY
n
] = aF[X
n
] +bF[Y
n
].
Il sistema si dice invariante alla traslazione se vale la seguente implicazione:
3
Y
n =
F[X
n
]

Y
n-m
= F[X
n-m
]
Un sistema lineare e invariante alla traslazione completamente caratterizzato dalla
risposta allimpulso unitario h
n
= F[
n
]. Infatti:

1
]
1

k
k n k
k
k n k
k
k n k h x F x x ] [ F ] F[x y n s
Quindi

k
k
k
k h x x k - n n k - n n y x
Data una sequenza X
n
, Y
n
si scrive in questo caso semplicemente
Y
n
= X
n
* h
n
(somma di convoluzione o semplicemente convoluzione)
In generale, la convoluzione tra due sequenze X
n
e Y
n
data dalla moltiplicazione di
X
n
per una replica di Y
n
rovesciata e traslata linearmente e dalla successiva somma dei
prodotti.
Definiamo un sistema stabile se un ingresso limitato provoca unuscita limitata.
Questa condizione si ha s.s.s. la sommatoria di tutti gli h
k
finita.
Definiamo un sistema casuale se luscita Ym dipende dagli Xn solo se n<m. Questo
avviene s.s.s. h
k
=0 k<m.
Un sistema lineare e invariante alla traslazione applicato a una sequenza sinusoidale
X
n
ha unuscita Y
n
che sempre sinusoidale con la stessa frequenza ma con ampiezza
e fase diverse. E questa propriet che ci induce a rappresentare i segnali numerici
sotto forma di sinusoidi (le cosiddette rappresentazioni di Fourier), come sar
mostrato fra breve.
Supponiamo di avere la sequenza
X
n
= e
j n
Allora
4
n X ) ( H e h e e h x h Y n
k j -
k
n j k) - (n j
k k - n k n

k k k
Luscita quindi una sinusoide con la stessa frequenza, ma con ampiezza e fase
diverse.
2. ANALISI NEL DOMINIO DELLE FREQUENZE
Ricordiamo le basi della teoria di Fourier per le funzioni continue (segnali analogici) al
fine di estenderle a quelli numerici.
Sia allora data una funzione continua f(t) di periodo T=2/.
Posto

'

T
T
T
dt t f
dt t f
dt t f
0
k
0
k
0
o
t) sen(k ) (
T
2
b
t) cos(k ) (
T
2
a
) (
T
1
a

si pu scrivere
[ ]

+ +
1
t) sen(k t) cos(k ) (
k
k k o b a a t f (Serie di Fourier)
In alternativa, posto
dt e t f c
i
k

2
0
t
) (
2
1
si pu scrivere

1
]
1

0
) (
k
t k i
k e c t f
5
Con la serie di Fourier si riesce a scrivere una qualunque funzione periodica come
somma di seni e di coseni. Mandando il periodo a , le sommatorie si trasformano in
integrali.
Posto:
) b( i - ) a( ) F(
dt t) sen( ) ( ) (
dt t) cos( ) ( ) (

t f b
t f a
si ha allora
e ) ( ) ( e ) (
2
1
) (
t i - t i
dt t f F d F t f

.
Con la trasformata e la trasformata inversa possibile passare dal dominio del tempo
a quello della frequenza e viceversa.
Vediamo allora il caso numerico.
Sia data la sequenza Xn. Si definisce Trasformata di Fourier la funzione complessa
continua in

- n
n j - j
e Xn ) X(e

La serie senzaltro convergente se
<

n
Xn
Il passaggio inverso detto Trasformata Inversa

d e e X
n j j
) (
2
1
Xn

E possibile considerare le seguenti relazioni
6
Le relazioni indicate dalle frecce orizzontali sono le Trasformate e le
Antitrasformate; il passaggio x(t) Xn consiste in operazioni dette di
campionamento e di interpolazione, che saranno affrontate pi avanti; il passaggio
fra le trasformate di x(t) e di Xn pu dar luogo a fenomeni detti di aliasing.
In conclusione, possiamo affermare che la risposta a un ingresso Xn, scrivendo Xn
come somma di esponenziali complessi, si ottiene moltiplicando lingresso per H(e
j

):

d
n j j j
n n n e ) X(e ) H(e
2
1
h x y

) X(e ) H(e e yn ) Y(e

j j
- n
n j - j

In realt ai fini pratici possibile sviluppare per n< una rappresentazione
alternativa di Fourier chiamata Trasformata Discreta di Fourier, con la quale la
trasformata essa stessa una sequenza di campioni egualmente spaziati in
frequenza. La trasformata in questione si indica con DFT ed ha un rapido metodo di
calcolo (FFT).
Funzione continua
x(t)
Trasformata di Fourier
di x(t)
Segnale Xn ottenuto
campionando x(t) alla
frequenza fc
Trasformata di Fourier di Xn.
una funzione continua in
periodica di periodo 1/fc
7
Spesso si pone il problema del passaggio da un segnale analogico ad un segnale digitale
(campionamento) e viceversa (interpolazione).
Per valutare la bont di un campionamento conviene mettere in relazione la
trasformata di Fourier (TdF) del segnale analogico e di quello digitale.
Il segnale analogico e la sua TdF sono:
dt e ) t ( x ) (j X
t j -
-
a a

d e j X
t j
a a ) (
2
1
(t) x

+

Il segnale numerico sar x
n
= x
a
(nTc), dove Tc il periodo di campionamento. La
sequenza e la sua trasformata sono rispettivamente:
e x ) X(e
n j -
n
n

d e e X
n j j
n ) (
2
1
x

Dobbiamo confrontare la TdF di x

a
(t) e di x
n
. Con pochi passaggi si ottiene:
T
r 2
j j x
T
1
) X(e
c r
a
c
j

,
_

ossia X(e
j
) del segnale numerico la somma di infinite repliche dello spettro di x
a
analogico ciascuna traslata di f
c
, frequenza di campionamento.
Ho quindi una sovrapposizione spettrale (aliasing).
Laliasing deve essere assolutamente evitato perch modifica lo spettro del segnale.
Campionando a un periodo T
c
che sia minore di del pi piccolo periodo
significativo dello spettro di x(t), le TdF risultano identiche in [-, ].
8
In questo caso (e solo in questo caso) ragionevole attendersi che x(t) possa essere
ricostruita per interpolazione a partire da x
n
.
C in realt una seconda condizione: che la funzione analogica sia limitata in bande
(come quella presa ad esempio). Nellesempio, x(t) ha TdF nulla per >
1.
La frequenza che corrisponde al doppio della pi alta frequenza di x(t) si dice
frequenza di N
y
quist.
Dal confronto fra le TdF si pu ottenere lespressione da usare per linterpolazione,
ossia:
( ) ( )
( )
( )
c
c
c
c
- k
c
a a
kT - t
T
kT - t
T
sen
k x t x

Laliasing modifica lo spettro perch nel range [0, f
c
/2[ il suo effetto quello di un
ribaltamento della TdF per f > f
c
/2 attorno alla retta f = f
c
/2, ossia di una modifica del
contenuto in frequenza dello spettro con lo spostamento di alte frequenze sulle basse.
La TdF X(e
j
) della sequenza x
n
quindi la funzione continua in :
e x ) X(e
n j -
n
n
j

Analogamente, si definisce trasformata z (Tz) della sequenza x

n
la funzione continua
in z
z x X(z)
n -
n
n

dove zC si pu scrivere in forma polare: z = re

j
.
Si ottiene:
e r x X(z)
n j - n -
n
n

.
9
Anche la Tz una funzione continua in : confrontandola con la TdF, si vede che la
Tz di una sequenza {x
n
} la TdF della sequenza {x
n
r
-n
}, ossia della sequenza {x
n
}
moltiplicata per un esponenziale.
Se r = 1, Tz TdF.
La Tz pu essere utilizzata utilmente nel caso di non convergenza della TdF se
x
n
e x
n
.r
-n
a . Si pensi ad esempio alla sequenza u
n
.
La regione di convergenza della Tz in generale un anello nel piano z (generato da
{Re(z), Im(z)}) il cui raggio minimo pu essere 0 e il cui raggio massimo pu essere
.
Per la serie x
n
.r
-n
si possono usare i molteplici teoremi dellanalisi matematica sulla
serie di potenze.
Un caso molto importante quello delle classi di Tz rappresentabili come funzioni
razionali: il caso merita di essere studiato perch una Tz di questa forma ricorre in
molti tipi di filtri. Sia

d(z)
n(z)
X(z) .
Gli zeri di n(z) si dicono zeri, quelli di d(z) si dicono poli. Ovviamente non possono
esserci poli internamente alla regione di convergenza. Si pu dimostrare che i poli
limitano la regione di convergenza.
La Trasformata z inversa lintegrale di Cauchy; se c il percorso nella regione di
convergenza, si ha:
. dz z X(z)
j 2
1
x
1 n
c
n

10
Sia la Tz che la TdF sono funzioni continue in . Nel caso particolare di una sequenza
periodica o finita possibile sviluppare una rappresentazione di Fourier alternativa, la
trasformata discreta (DFT). La DFT una rappresentazione di Fourier di una sequenza di
lunghezza finita che essa stessa una sequenza anzich una funzione continua e che
corrisponde a campioni ugualmente spaziati in frequenza della TdF del segnale.
La DFT lunica trasformata effettivamente realizzabile ai fini dellelaborazione numerica dei
segnali digitali. La DFT nasce (e si studia) per le sequenze periodiche. Le sequenze finite di
durata M devono essere considerate periodiche di periodo M. La DFT ha un metodo di calcolo
che la rende pressoch insostituibile (algoritmi a decimazione di tempo o di frequenze).
Nel caso di sequenze periodiche si dovrebbe parlare pi propriamente di Serie Discreta di
Fourier (DFS).
Sia n x
~
una sequenza periodica di periodo N, ossia tale che:
kN, kN n n x
~
x
~
+
Si pu osservare che per n x
~
, X(z) non converge.
Nella DFS, a causa della periodicit, esistono solo N esponenziali complessi distinti (con
frequenze che siano multipli interi di
N
2
). Pertanto, la DFS non si rappresenta come

ma si definisce come

N
Si definisce cos DFS la sequenza di campioni equispaziati in frequenza
N
nk 2 j
1 N
0 k
k n e x
~
N
1
x
~

, con
N
nk 2 j -
1 N
0 n
n k e x
~
x
~

, k.
Anche x
k
una sequenza periodica.
Spesso, per comodit di rappresentazione, si pone W
N
=
N
2 j -
e

e si scrive:
kn -
N
1 N
0 k
k n W x
~
N
1
x
~

,
kn
N
1 N
0 n
n k W x
~
x
~

, k.
11
Se
1k 1n
x
~
x
~
e
2k 2n
x
~
x
~


3k 3n
x
~
x
~

dove
2n 1n 3n
x
~
b x
~
a x
~
+
,
2k 1k 3k
x
~
b x
~
a x
~
+
,
k.
Se
1k 1n
x
~
x
~
,
k
-kn
N m) - 1(n
x
~
W x
~
(convoluzione).
Se
1k 1n
x
~
x
~
e
2k 2n
x
~
x
~
, la convoluzione
m) - 2(n
1 - N
0 m
1m 3n
x
~
x
~
x
~

essa
stessa di periodo N.
Il Teorema di Parseval consente di calcolare lenergia E e la potenza P di una sequenza per
sequenze finite:

'

1 - N
0 n
2
k
1 N
0 n
2
n
N
x
P
x E

'

1 - N
0 k
2
k
1 N
0 k
2
n
x
N
1
P
x
N
1
E
Per le sequenze finite x
n
, con valori nulli ovunque tranne che nellintervallo 0 n N-1,
necessario considerare la sequenza periodica rN x x
~
- r
n n
+

utile completare questa sezione con alcune note sullo spettro di potenza.
In alcuni casi infatti pi appropriato considerare la potenza di un segnale in luogo della sua
ampiezza e del suo spostamento. In generale si ha che la potenza proporzionale al quadrato
dellampiezza e lintegrale dt (t) f
2

rappresenta lenergia totale del sistema.
La relazione che lega la potenza di un segnale f (t) al suo spettro F () data dal teorema di
Parseval:

d ) ( G ) ( F
2
1
dt (t) g (t) f

.
Per lo spettro lapplicazione :
12

d ) ( F
2
1
dt (t) f
2 2

.
La quantit reale
2
(t) f viene comunemente definita spettro di potenza.
Non avendo informazioni di fase, non possibile ricostruire il segnale a partire dal suo
spettro.
Particolare attenzione va posta quando si confrontano spettri che derivano da registrazioni a
scala diversa: infatti un cambiamento di scala a produce una variazione di a
2
.
La procedura pu essere applicata solo per potenza totale finita; quando il segnale ha durata
infinita (ad esempio nei microsismi) si ovvia considerando solo una porzione T di f (t).

d ) ( F
T 2
1
lim dt (t) f
2
2
2
T
2

T
T
La quantit
T
) ( f
2

detta periodogramma.