Sei sulla pagina 1di 515

Marco Luise

Giorgio M. Vitetta

I-
L

--
..
..-- --- -:"..4::.i/i1\i1

) - .
..' ,-
.
-\ _':il!.-
I\
I ,

',. / d

t
.
\

Teoria dei segnali j


J

,-

J
I
I
,
~
McGraw-Hill
lo.

.,
t -

v:ol
I.
I

Questo libro si propone al lettore come Teoria dei segnali


percorso di apprendimento guidato,
piuttosto che come riferimento
esaustivo sull'argOmento; in questo senso,
il volume aspira a colmare
un vuoto significativo nell'attuale
bibliografia in lingua italiana.
Il testo presenta con un approccio
sostanzialmente unitario, e a pari dignit,
i segnali determinati analogici (a tempo
continuo) e digitali (a tempo discreto);
inoltre, vista l'importanza crescente
dei segnali digitali, vengono introdotti
concetti tradizionalmente ritenuti di
pertinenza dell'elaborazione numerica dei
segnali (interpolazione
e decimazione, filtri numerici, FFT...).
l'analisi di Fourier per i segnali periodici
e aperiodici, a tempo continuo
e discreto, viene applicata anche
allo studio dei sistemi lineari stazionari
monodimensionali.
I capitoli conclusivi sono dedicati a uno
studio elementare dei segnali aleatori;
a tal fine vengono richiamate le necessarie
nozioni di probabilit e statistica.
l'esposizione, senza trascurare il rigore
matematico, privilegia piuttosto
gli aspetti intuitivi, anche con l'ausilio
Il di numerosi esempi svolti ed esercizi.
II
~
' Marco Luise professore associato
di Comunicazioni ottiche presso la Facolt
di Ingegneria dell'Universit di Pisa.
Giorgio Matteo Vitetta professore
associato di Sistemi di telecomunicazione
~r:
. . presso la Facolt di Ingegneria
dell'Universit di Modena.
t..
ISBN 88-386-0809-1

111111111111111111111111
9 "788838 608094
lire 54.000 (LL)
- ---~
Indice

Prefazione xi
1 Introduzione allo studio dei segnali
1.1.' Che cos' un segnale? "''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''""""'''''' 1
1.2 Tipi di segnali 3
1.3 Propriet elementari dei segnali determinati 9
Sommario 12
Eserciziproposti """""'''''''''''''''''''''''''''''''''''''''''''''''''''' 13
2 Segnali periodici a tempo continuo
2.1 Dall'analisi fasoriale all'analisi di Fourier 15
2.2 Analisi armonica dei segnali periodici 18
2.2.1 Sviluppo in serie di Fourier in forma reale polare 18
2.2.2 Sviluppo in serie di Fourier in forma complessa 20
2.2.3 Sviluppo in serie di Fourier in forma reale rettangolare 22
2.3 Il criteriodi Dirichlet""""'"'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 22
2.4 Spettri di ampiezza e di fase 24
2.5 Propriet dello spettro di un segnale reale periodico "'"'''''''''''''''''''''''''''''''''''''''''''''''' 28
2.6 Segnali pari, dispari e alternativi 32
2.7 Sintesi del segnale con un numero limitato di armoniche 38
Sommario """""" 47
('
Esercizi proposti 47
) 3 Segnali aperiodici a tempo continuo
3.1 Dalla serie all'integrale di Fourier 51
3.2 Propriet della trasformata di Fourier "'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 60
3.2.1 Criteri di esistenza 60
3.2.2 Simmetrie degli spettri 62
3.2.3 Segnali pari e dispari 63
3.3 Teoremi sulla trasformata di Fourier 63
3.3.1 Teorema di linearit 63
3.3.2 Teorema di dualit 64
vi Indice

3.3.3 Teorema del ritardo 65


3.3.4 Teorema del cambiamento di ..scala 68
3.3.5 Teorema della modulazione 73
3.3.6 Teorema di derivazione e integrazione 77
3.3.7 Teorema del prodotto 85
3.3.8 Teorema della convoluzione 86
3.4 Trasformate di Fourier generalizzate '"'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 93
3.4.1 La funzione generalizzata impulsiva o 8 di Dirac 93
3.4.2 Propriet della funzione generalizzata 8(t) 100
3.4.3 Trasformata di Fourier della funzione 8 103
3.4.4 Una trasformata notevole: la funzione 1/t 104
3.4.5 Trasformata della funzione gradino; teorema d'integrazione completo 106
3.4.6 Trasformata delle funzioni seno, coseno e dei segnali periodici 108
.3.5 Periodicizzazione e formule di somma di Poisson 114
3.6 Relazione fra le trasformate di Laplace e di Fourier 117
Sommario.. 122
Esercizi proposti 123
Appendice: Cenni alla teoria delle distribuzioni
A.l Definizione di distribuzione e funzione generalizzata 127
A.2 La funzione generalizzata di Dirac 129
A.3 Derivata di una distribuzione e di una funzione generalizzata 130
A.4 Limite di una distribuzione e di una funzione geperalizzata 132
Sistemi monodimensionali a tempo continuo
4.1 Caratterizzazionedei sistemi a tempo continuo 133
4.1.1 Dal concetto di segnale al concetto di sistema 133
4.1.2 Propriet dei sistemi monodimensionali 135
4.2 Caratterizzazione e analisi dei sistemi lineari stazionari 139
4.2.1 La risposta impulsiva 139
4.2.2 La risposta in frequenza 143
4.2.3 Il decibel 149
4.2.4 Sistemi in cascata e in parallelo 160
4.3 Filtri """"'" , 162
4.3.1 Generalit sui filtri e filtri ideali 162
4.3.2 Criterio di Paley-Wiener e filtri reali 169
4.3.3 Banda e durata di un segnale e banda di un sistema 171
4.3.4 Distorsioni introdotte dai filtri 180
4.4 Densit spettrale di energia e potenza 186
4.4.1 Teorema di Parseval e densit spettrale di energia 186
4.4.2 Densit spettrale di potenza 189
4.4.3 Funzione di autocorrelazione e teorema di Wiener-Khintchine 191
4.4.4 Densit spettrale di potenza dei segnali periodici 198
4.5 Sistemi non lineari 200
4.5.1 Caratterizzazione dei sistemi non lineari 200
4.5.2 Nonlinearit essenziali e parassite 203
4.5.3 Misura delle distorsioni non lineari ""'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 205
Sommario '''''''''''''''''' 211
Esercizi proposti 213
Indice vii

5 Segnali a tempo discreto


5.1 Dal tempo continuo al tempo discreto 219
5.1.1 Campionamento dei segnali a tempo continuo 219
5.1.2 Alcuni segnali notevoli 222
5.2 Rappresentazione dei segnali aperiodici a tempo discreto
nel dominio della frequenza 225
5.2.1 Trasformata di Fourier di una sequenza 225
5.3 Teoremi sulla trasformata di Fourier di una sequenza 233
5.3.1 Teorema di linearit 233
5.3.2 Teorema del ritardo 233
5.3.3 Teorema della ..modulazione 234
5.3.4 Teorema della somma di convoluzione 234
5.3.5 Teorema del ..prodotto 235
5.3.6 Teorema dell'incremento "'''''''''' 236
5.3.7 Teorema della sequenza somma 236
5.4 La condizione di Nyquist e il teorema del campionamento 237
5.4.1 La condizione di Nyquist 237
5.4.2 Interpolazione a mantenimento 244
5.4.3 Interpolazione cardinale - Il teorema del campionamento 251
5.5 Analisi di Fourier delle sequenze periodiche 257
5.5.1 Trasformata discreta di Fourier 257
5.5.2 Teorema del prodotto 264
5.5.3 Teorema della convoluzione 264
5.5.4 Periodicizzazione di una sequenza aperiodica 267

-
- 5.6 Cenno agli algoritmi veloci di trasformata discreta (FFT)
5.6.1 Complessit di calcolo della trasformata discreta
5.6.2 Applicazioni dell'algoritmo di FFT: analisi spettrale
269
269
274
5.6.3 Applicazioni dell'algoritmo FFT: convoluzione veloce 277
5.7 Riassunto delle caratteristiche delle trasformate di Fourier 282
Sommario 283
Esercizi proposti 284
6 Sistemi monodimensionali a tempo discreto
6.1 Caratterizzazione dei sistemi a tempo discreto 289
'y 6.1.1 Propriet dei sistemi monodimensionali a tempo discreto 290
6.1.2 Sistemi lineari e stazionari a tempo discreto 291
6.1.3 Risposta in frequenza di un SLS 294
6.1.4 Filtri a tempo discreto 296
6.2 Cambiamento della frequenza di campionamento 303
6.2.1 Sovracampionamento con interpolazione numerica 303
6.2.2 Decimazione o sottocampionamento 312
6.3 Cenni alla trasformata Z di una sequenza 317
6.3.1 Definizione di trasformata Z e zone di convergenza 317
6.3.2 Relazione con la trasformata di Fourier 324
6.3.3 Inversione della trasformata Z 326
6.3.4 Propriet della trasformata Z 326
6.4 Sistemi a tempo discreto regolati da equazioni alle differenze 328
6.4.1 Un caso di studio 328
6.4.2 Implementazione con componenti elementari e generalizzazione 331
6.4.3 Calolo della risposta impulsiva 334
viii Indice

6.4.4Lafunzionedi trasferimento "'"'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 337

L 6'
6.4.5 Sistemi a risposta impulsiva finita e infinita
Cenni al progetto di filtri numerici IIR
338
342
6.5.1 La tecnica dell'invarianza impulsiva 343
6.5.2 La tecnica della trasformazione bilineare "'"'''''''''''''''''''''''''''''''''''''''''''''''''''''' 350
Sommario'" 359
Esercizi proposti... 361
7 Richiami di teoria della probabilit
) Premessa.. 369
7.1 Esperimenti deterministici e aleatori 369
7.2 Elementi di teoria della probabilit
7.2.1 Esperimento aleatorio, spazio di probabilit e propriet elementari 371
7.2.2 Esperimento aleatorio composto 378
7.3 Variabili aleatorie 381
7.3.1 Definizione di variabile aleatoria 381
7.3.2 Densit di probabilit di una variabile aleatoria 384
7.3.3 Trasformazione di una variabile aleatoria 390
7.3.4Indicicaratteristicidi unadistribuzione : 393
7.3.5 La variabile aleatoria Gaussiana 398
7.3.6 Variabili aleatorie condizionate 401
7.4 Sistemi di variabili aleatorie '"'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 404
7.4.1 Sistemi di due variabili ..aleatorie 404
7.4.2 Funzioni distribuzione e densit di probabilit condizionate 407
7.4.3 Trasformazione di una coppia di variabili aleatorie 408
7.4.4 Correlazione e covarianza ...f 412
7.4.5 Sistemi di n variabili aleatorie e vettori aleatori 414
7.4.6 Trasformazione di un vettore aleatorio 416
7.4.7 Variabili aleatorie congiuntamente Gaussiane (vettori Gaussiani) 420
7.4.8 Il teorema-limite centrale 423
Sommario.. "'"'''''''''' """'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 426
Eserciziproposti """'"'''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 426
8 Segnali aleatori
8.1 Dai segnali determinati ai segnali aleatori 431
8.1.1 Definizione di processo aleatorio 433
8.1.2 Processi parametrici 435
8.1.3 Caratterizzazionestatistica di un processo aleatorio 437
8.2 Indicistatisticidel l o e 20ordinedi un processoaleatorio 441
8.2.1 Funzioni valor medio, potenza, varianza 441
8.2.2 Funzioni di autocorrelazione e autocovarianza 444
8.3 Processi aleatori stazionari 446
8.3.1 Stazionariet in senso stretto 446
8.3.2 Stazionariet in senso lato 449
8.3.3 Propriet della funzione di autocorrelazione di un processo
stazionario in senso lato 455
8.4 Filtraggio di un segnale aleatorio 461
8.4.1 Relazione ingresso-uscita tra le statistiche semplificate 461
8.4.2 Filtraggio di un processo aleatorio stazionario in senso lato 465
8.5 Densit spettrale di potenza di un processo stazionario 467
Indice ix

8.5.1 Definizione e teorema di Wiener-Khintchine 467


8.5.2 Filtraggio di un processo aleatorio e densit spettrale di potenza 470
8.5.3 Processo di rumore bianco 472
8.6 Processi aleatori Gaussiani 482
8.6.1 Definizione e prime propriet 482
8.6.2 Filtraggio dei processi Gaussiani 484
8.7 Processi ergodici 493
8.7.1 Ergodicit del valore medio 493
8.7.2 Ergodicit della funzione di autocorrelazione - Ergodicit in senso stretto 498
Sommario 501
Esercizi proposti 503
Indice analitico SII
1
Introduzione allo studio dei segnali

1.1 Che cos' un segnale?


La definizione di segnale non immediata. Esempi familiari tratti dalla vita
quotidianasono il segnale acustico prodotto da uno strumento musicale (che dal
punto di vista fisico pu essere caratterizzato come una variazione della
pressione dell'aria provocata dallo strumento, e rilevata dal nostro orecchio); il
segnale misurato da un elettrocardiografo (una debole tensione elettrica) e
registrato sulla tipica "strisciata"; il segnale radio (un campo.elettromagnetico
variabile) captato dall' antenna di un ricevitore; il segnale luminoso emesso da
una lampadina di un semaforo, o da un apparecchio televisivo, e cos via. Tutti Il
gli esempi precedenti hanno in comune una caratteristica, e cio il fatto che il
segnale esiste in quanto si fa portatore di una informazione che giustifica
l'esistenza e l'importanza del segnale stesso. Questa informazione pu essere di 'r
varia natura: di carattere estetico, nel caso del brano musicale, medico, nel caso
dell' elettrocardiogramma,e cos via.
Tentando dunque di sintetizzare quanto sopra, possiamo dire che un segnale
una qualunque f(randezzafisica variabile cui associata una informazione. In I
molti casi, l'andamento del segnale pu essere perfettamente noto, ad esempio I
1-
attraverso una registrazione su carta (come per il caso dell' elettrocardio-
gramma), su nastro magnetico o come un file in un calcolatore elettronico.
Dunque il modo pi conveniente per caratterizzare, studiare ed elaborare un
segnale passa attraverso la schematizzazione dello stesso come una funzione
matematica di una o pi variabili. L'elettrocardiogramma rappresentato in
2 Capitolo l

Figura 1.1 pu essere considerato come il grafico di una funzione di variabile


reale a valori reali X(t): 9i ~ 9i ove la variabile indipendente t ha il significato
di un tempo, e il valore del segnale x(t) rappresenta l'andamento della tensione
raccolta dall'apparato biomedicale. La notazione usata riflette questo caso tipico,
in cui cio l'evoluzione del segnale avviene in ambito temporale.
-- "

'
,... .. ''f'' " ~,.
.. ."'-1- . -t--+-
---- .. -.--;-- + .
, "
'
I,...
-
, ,
~'~ -
.
~ ",
'r
-.-~~:
.
. t. t
. ~H,..j..
l
" -'-'\1
1~
t .. .-1.-. .
~
.-...
~
, ~, t . 't 'tir-
I
!

Figura 1.1 Esempio di elettrocardiogramma

L'esempio precedente di segnale monodimensionale nel tempo non esaurisce


ovviamente i diversi tipi di segnale con cui si pu avere a che fare. La semplice
immagine in bianco e nero in Figura 1.2 deve essere considerata anch' essa un
segnale, poich, concordemente con la definizione appena data, ha in s una
certa informazione. La schematizzazione appropriata stavolta quella di una
funzione bidimensionale Z(XpX2):9i2 ~ 9i delle due coordinate spaziali (X.,X2)
(si veda la Figura 1.2), ove il valore z rappresenta l'intensit luminosa del
genericopunto sull'immagine (detto nel gergo dell'elaborazione delle immagini
pixel) di coordinate (X.,X2)' La variazione del segnale avviene in un ambito di
tipo spaziale, nel senso che si hanno diversi valori del segnale (l'intensit
luminosa)per diversi valori delle coordinate spaziali del generico pixel.
Se consideriamo inoltre una immagine a colori, essa pu essere rappresentata
dalla sovrapposizionedi tre distinte.immagini nei cosiddetti colori fondamentali
Rosso (R, Red), Verde (G, Green) e Blu (B, Blue). Ciascuna di queste immagini
caratterizzata da un diverso andamento della rispettiva intensit luminosa sui
vari pixel. In questo caso abbiamo a che fare con un segnale bidimensionale
vettoriale le cui componenti sono rispettivamente le tre intensit dei canali RGB:
Z(XpX2) =[ZR(XpX2) ZG(XpX2) ZB(XpX2)].
Come ulteriore esempio, la Figura 1.3 rappresenta una moltitudine di segnali
sismici rilevati a un dato istante da vari sensori in diversi siti, segnali che devono
essere considerati congiuntamentecome un segnale vettoriale z(t) per ottenere la
massima informazione sullo stato geofisico del territorio.
Per una introduzione allo studio dei segnali, sufficiente trattare soltanto
segnali monodimensionali di una variabile che, salvo diversa indicazione, dovr
intendersi di carattere temporale.

...
Introduzione allo studio dei segnali 3

---
Figura 1.2 Esempio di segnale bidimensionale

1.2 Tipi di segnali


Una prima classificazione dei segnali pu essere fatta proprio in base ai valori
assunti dalla variabile indipendente, che negli esempi del Paragrafo 1.1 abbiamo
per semplicitsempre supposto essere reale. Distinguiamo infatti tra:
. segnali a tempo continuo, per i quali il dominio della funzione ha la
cardinalit dell'insieme dei numeri reali. La variabile indipendente pu
assumere con continuit tutti i valori compresi entro un certo intervallo,
eventualmente illimitato. Il simbolo che useremo per la variabile temporale
(continua) sar t, e i segnali saranno indicati con x(t), y(t) ecc. L'elet-
trocardiogramma di Figura 1.1 e i vari segnali sismici in Figura 1.3 sono
esempi tipici di segnali a tempo continuo;
. segnali a tempo discreto, per i quali il dominio della funzione ha la
cardinalit dell'insieme (discreto) dei numeri interi. Tali segnali vengono
chiamati in matematica successioni e indicati con il simbolo Xn' Yn ecc. Pi
specificamente, le successioni vengono chiamate nella teoria dei segnali
sequenze, e saranno indicate con espressioni del tipo x[n], y[n], ove la
variabile "temporale" n viene racchiusa tra parentesi quadre per evidenziarne
l'intrinseca diversit dalla variabile (continua) t, che viceversa viene
racchiusa tra parentesi tonde. Un segnale cinematografico, come noto,
4 Capitolo 1

ottenuto proiettando una sequenza di 24 fotogrammi (immagini) al secondo


che d all'occhio umano l'illusione di un segnale a tempo continuo (si veda a
questo proposito l'interpolatore con mantenimento del Capitolo 5). Allora,
come si suggerisce in Figura 1.4, il segnale cinematografico una funzione
tridimensionale z(x.,x2,n] di due.variabili spaziali continue che identificano i
pixel dell'immagine, e di una ulteriore variabile temporale discreta n che
identifica i vari fotogrammi in successione.
a1:00UT a1:10 UT C1l:20UT 07:3:J UT 07:40 UT 07:50UT 08:00 Ul
SADO
EEO
CRlO
GAC
MNT
DAQ
CNQ
GSQ
ICQ
MNQ
lG4Q
SMQ
lMN
DRLN
SCHQ
TBO
ULM
FCC
RES
INK
DAWY
WHY
HYT
DlBC
YKBO
YKW1
BBB
EDM
PMB
PGC
PNT
WALA
MOBC
BNB
I '" I I l" l" I I I I I I I I l" I I I I I I I, " I I I I I I I I I I I I I I I I I I I I I I I I I I

07:00 07:10 07:20 07:30 07:40 07:50 08:00


Tuesday Oclober 14, 1997 07:00 lo 08:00 UT
GSCinOttawa

Figura 1.3 Registrazione di segnali sismici

Una classificazione analoga pu essere condotta sulla base dei valori assunti dai
segnali (cio sulla base del codominio della funzione che li rappresenta).
Avremo:
. segnali ad ampiezza continua, che possono assumere con continuit tutti i
valori reali di un intervallo (eventualmente illimitato), come nel caso di un
segnale acustico e in generale dei segnali osservati nei sistemi naturali;
. segnali ad ampiezza discreta, aventi come codominio un insieme numerabile,
eventualmente illimitato. Il segnale luminoso prodotto da una lampadina di
un semaforo pu assumere solo due valori (acceso o spento), cos come i
segnali binari che regolano il funzionamento dei circuiti elettronici digitali.
Introduzione allo studio dei segnali 5

Figura 1.4 Segnale cinematografico a tempo discreto Z(x"x2,n]

I segnali a tempo continuo e ad ampiezza continua si dicono analogici,


mentre quelli a tempo e ampiezza discreti si dicono numerici e, come gi
accennato, sono quelli tipicamente trattati dai calcolatori elettronici. Anche i
segnali a tempo discreto e ampiezza continua (cio le sequenze a valori reali)
hanno una grande importanza perch costituiscono l'oggetto delle tecniche di
elaborazione numerica dei segnali (DSP, Digital Signal Processing) che hanno
avutoun enorme sviluppo negli ultimi trent'anni, come vedremo sommariamen-
te nei Capitoli 4 e 5. Dei segnali ad ampiezze discrete e tempo continuo (talvolta
detti quantizzati) non avremo pi modo di discutere in seguito. Le Figure 1.5a-d
mostrano esempi-tipo delle 4 classi di cui sopra; per meglio chiarire per la
differente natura di questi diversi tipi di segnali, esaminiamo un esempio
piuttosto familiare di applicazione delle tecniche di elaborazione dei segnali.

Esempio 1.1
La Figura 1.6 uno schema semplificato di un sistema di registrazione di un se-
gnale acustico su Compact-Disc (CD). Il segnale utile che deve essere registrato
la variazione di pressione acustica p(t) prodotta dalla sorgente del segnale
stesso, cio il pianoforte. Tale segnale viene convertito in una debole tensione
elettrica v(t) dal microfono, che svolge la funzione di trasduttore (cio di di-
spositivoche cambia la natura del segnale senza alterarne la forma). La tensione
prodotta dal microfono, prima di poter essere ulteriormente elaborata, deve es-
sere amplificata dal dispositivo amplificatore indicato con il simbolo triangolare.
6 Capitolo 1

x(t) x[n]

Figura 1.5a Segnale analogico Figura 1.5b Segnale a tempo discreto

x[n] x(t)

Figura 1.5c Segnale numerico Figura 1.5d Segnale quantizzato

All'uscita di tale amplificatore ideale troviamo la tensione x(t) = a .v(t), ove


a > 1 il coefficiente di amplificazione. Sia il microfono sia l'amplificatore
sono comp~nenti analogici poich trattano segnali analogici. Infatti l'andamento
di v(t), se il microfono non introduce distorsioni, analogo a quello del segnale
originario p(t), e cos anche il segnale x(t), a meno di una costante mol-
tiplicativa, replica fedelmente l'andamento di v(t).
Poich per si desidera registrare il segnale con componenti e circuiti digitali
dobbiamo compiere ulteriori operazioni per adattare il segnale al mezzo. In
particolare, il funzionamento di tutto il sistema regolato da un elaboratore
(microprocessore) che sostanzialmente pu essere considerato alla stregua di un
complesso circuito digitale sincrono. Come noto, il funzionamento di un
circuito sincrono avviene secondo una sequenza di singoli passi successivi
regolati da un segnale di temporizzazione detto clock. Un segnale la cui varia-
zione avviene a tempo continuo quindi intrinsecamente inadatto a essere trat-
tato da un microprocessore funzionante per passi discreti nel tempo. La Figura
1.6 mostra che la forma d'onda x(t) viene allora campionata, ottenendo la
sequenza x[n] dei valori di x(t) considerati ai multipli di un opportuno periodo
di campionamento T: x[n] = x(nT).
Introduzione allo studio dei segnali 7

'"
"
"u;
'"
C!:

o C!:
.ow
C1>(fJ "
&:5

"
~
.80
CU.C:
uCtl
~ c:
'giii
o

c
I-
x
e
-----

c
x

-
'>
Q)
"E
Q)
~
o
CI)

Ci:

Figura 1.6 Schema di un sistema di registrazione su Compact Disc

Il segnale stato adesso ridotto a tempo discreto, ma i vari campioni di x[n]


assumono ancora infiniti valori nell'insieme dei reali. Si deve quindi
8 Capitolo 1

ulteriormente procedere a una codifica di questi valori reali attraverso 1'alfabeto


binario tipico dei circuiti digitali, per ottenere il segnale digitale binario
(numerico) y[n] di Figura 1.6. Nell'esempio della registrazione su CD, il
campionamento del segnale avviene alla cadenza standardizzata di 44100
campioni/secondo,e la codifica binaria dei valori reali del segnale campionato
in virgola fissa su 16 bit (in Figura 1.6 sono indicati per semplicit soli 8 bit di
codifica). L'unione delle operazioni di campionamento e di codifica prende il
nome di conversione analogico/digitale, e viene realizzata da appositi circuiti
elettronicidetti appunto convertitori AlD.
Il segnale digitale binario y[n] viene quindi registrato sul CD dal cosiddetto
masterizzatore.Si noti che il segnale temporale binario derivato in ultima analisi
da p(t) registrato sul CD come un segnale spaziale: i valori delle cifre binarie
(bit) di y[n] che si susseguononel tempo vengono registrati sotto forma di
areole riflettenti o assorbenti la luce (a seconda del valore O o 1) lungo un
"solco" a spirale che si svolge dal centro verso la periferia del CD stesso. Questo
segnalesar poi riletto dal laser dell'apparecchio lettore (come indicato in Figura
1.6),riconvertito in segnale analogico, amplificato e inviato a un altoparlante per
ricostruirecon la massima fedelt il segnale-messaggio originario p(t). .

Nei prossimi capitoli risponderemo ad alcune domande fondamentali che il


lettore dovrebbe essersi gi posto a proposito di questo esempio: cosa succede se
il microfono e/o 1'amplificatore non sono perfettamente fedeli? Quando si
effettua un campionamento, sotto quali condizioni non viene persa 1'in-
formazione del segnale analogico di partenza? Perch l'intervallo di
campionamento T nel sistema CD pari a 1/44100 di secondo? Viene forse
falsata la natura del segnale nella codifica binaria dei valori reali? O

Distingueremo poi altre grandi classi di segnali secondo criteri differenti da


quelli appena esposti. Nel caso di segnali a tempo continuo, diremo che un
segnale periodico quando esiste un certo intervallo temporale To (No per un
segnale a tempo discreto) tale che si possa scrivere x(t) = x(t + To) per
qualunque generico valore del tempo t (x[n] = x[n + No] '\In nel caso del tempo
discreto). Ci significa che il segnale si "ripete" uguale a se stesso dopo un
periodo di tempo To(No)' Se non esiste alcun valore <;liTo(No) che verifica la
relazione suddetta, il segnale non periodico o aperiodico.
. Nella considerazionedelle varie propriet ed esempi visti finora, stato
implicitamente assunto che il valore del segnale fosse univocamente
determinabile non appena fossero fissati i valori delle variabili indipendenti (in
Introduzione allo studio dei segnali 9

particolare, il tempo per segnali monodimensionali). Questo accade quando il


segnale noto attraverso un grafico, o una registrazione magnetica, o pi
semplicemente attraverso una ben definita espressione matematica, o ancora
perch il prodotto di sistemi e apparati di cui si ha stretto controllo (ad
.
esempio, un generatore di forme d'onda di un laboratorio elettronico). In tali
casi, diremo che il segnale determinato o deterministico.
Viceversa, in moltissimi casi non possibile conoscere con esattezza a priori
il valore assunto da un segnale in un certo istante. Si pensi al segnale geofisico
raccolto da sensori posti sul terreno per effettuare rilevazioni minerarie. Tale
segnale non noto a priori completamente, in particolare non se ne conosce
l'evoluzione futura se non dopo l'osservazione, cio a posteriori. Prima
dell'osservazione, si ha solo una conoscenza generica di alcune propriet di
massimadi tale segnale, derivante dall'esperienza pregressa in casi simili. Stessa
osservazione pu farsi a proposito delle tensioni di disturbo (rumore) presenti
nei componenti elettronici attivi e passivi e prodotte da fenomeni incontrollabili,
tipicamente di origine quantistica. Diremo quindi che questi segnali sono
aleatori, intendendo che il valore assunto da essi affetto da un certo grado di
imponderabilit (aIea) che ne impedisce una conoscenza esatta. Mentre per
modellare e studiare i segnali determinati sono sufficienti i concetti dell' analisi
matematica tradizionale, per i segnali aleatori indispensabile ricorrere a
tecnichebasate sulla teoria della probabilit e dei processi aleatori, che saranno
oggettodei Capitoli 7 e 8.

1.3 Propriet elementari dei segnali determinati


Limitiamo per il momento la nostra attenzione ai segnali determinati e
definiamoalcune grandezze di fondamentale importanza per il prosieguo dello
studio.
Supponiamo di disporre di un resistore di resistenza R attraversato da una
corrente i(t); l'espressione della potenza istantanea dissipata sul resistore per
effettoJoule , come noto, Ri2(t). Osserviamo quindi la proporzionalit tra la
potenzaistantanea e il quadrato del segnale; il coefficiente di proporzionalit
legato al particolare esempio. Estendendo in maniera astratta !ale definizione,
diremo che al segnale x(t) associata una potenza istantanea normalizzata
(aggettivoche verr poi sistematicamente omesso) pari a X2(t). Inoltre, tornando
all'esempio del resistore, l'energia totale dissipata per effetto del passaggio della
corrente i(t) pari a f:Ri2(t)dt. Conseguentemente, definiremo l'energia
associataal segnale x(t) come
lO Capitolo l

+~

Ex ~ flx(tt dt (1.3.1)

purch l'integrale risulti convergente (cio Ex < 00)1. La definizione di energia,


bench meno intuitiva, viene banalmente estesa anche ai segnali a tempo
discreto come segue:
- (1.3.2)
Ex~ Llx[n]12 < 00

Per tutti i segnali fisici (cio effettivamente osservati) l'integrale (o la


sommatoria) che definisce l'energia risulta convergente, poich ogni segnale
proveniente da un sistema fisico portatore di energia finita. Molto spesso per
conviene considerare modelli ideali di segnale, ovvero segnali idealizzati non
esistenti in natura, ma assai utili per approssimare casi reali. La tensione v(t)
generata dalla "batteria ideale" in Figura 1.7 (cio da un generatore ideale di
tensione) costante per ogni valore di t da a -00 (e ci fisicamente
+00

assurdo). Se per la batteria "reale" viene osservata durante il periodo in cui


carica ed eroga la tensione nominale, v(t) un'ottima approssimazione del
segnale reale. Chiaramente, v(t) possiede energia illimitata (nel senso che
f:' v(t) 12dt = 00),e quindi la definizione (1.3.1) per questo segnale mal posta.
Consideriamo dunque un generico segnale x(t) a valori limitati ma energia
infinita, e costruiamo il segnale xr(t) con una operazione di troncamento come
segue:

Itl~T/2 (1.3.3)
altrove

La Figura 1.8 illustra graficamente questo procedimento. Evidentemente, xr(t)


ottenuto limitando l'osservazione all'intervallo finito -T / 2 ~ t ~ T / 2. Se
indichiamo con EXTl'energia di XT(t), chiaro che in generale EXT< 00 poich
il segnale diverso da zero e assume valori finiti solo su di un intervallo
limitato. Altrettanto chiaro che se ingrandiamo l'intervallo di osservazione per
comprendere l'andamento di tutto il segnale x(t) (imponiamo cio T -700)
otteniamo EXT-7 00.Introduciamo allora il concetto di potenza di un segnale: la
potenza media del segnale xr(t) valutata sull'intervallo di osservazione
[-T/2,T/2] per definizione pari all'energia di xr(t) rapportata alla durata

1 Il simbolo ~ significa "per definizione uguale a".


Introduzione allo studio dei segnali 11

dell'intervallo stesso: PXT~EXT / T. Siamo ora in grado di estendere a x(t)


questa definizione di potenza media attraverso un' operazione al limite:

E T/2
. ~ ~ Tlim
~~
~ T =Tlim
~~
-2.. = lim.!.
T T T ~~
J lx(tt dt (1.3.4)
-T/2

v(t)

+l
-J
V(I)

Figura 1.7 Segnale prodotto da una batteria ideale

Figura 1.8 Troncamento del segnale x(t)

Esempio 1.2
Calcoliamo la potenza del segnale della batteria ideale di Figura 1.7. Dalla
(1.3.4) si ha

l T/2 l T/2 l T/2


Pv= lim - J lv(t)12dt = lim - J Vo2dt = V02lim -
T~~ T
-T/2
T~~ T
-T/2
T~~ T Jl' dt = Vo2
-T/2
(E1.2.l)

come era ragionevole aspettarsi. o

L
12 Capitolo 1

Osserviamo che un segnale a energia finita (matematicamente, a quadrato


sommabile) ha potenza media nulla; viceversa, un segnale che abbia un valore
finito diverso da zero della potenza media ha necessariamente energia infinita.
Analogamente al caso della (1.3.2), per i segnali a tempo discreto abbiamo
inoltre

(1.3.5)

ove la notazione autoesplicativa.


Talvolta torna utile usare il valore efficace di un segnale a potenza finita,
definito sia per i segnali a tempo continuo, sia per quelli a tempo discreto come

(1.3.6)

Ricordiamo che il valore efficace di un dato segnale (chiamato nei paesi


anglosassoni RMS, Root Mean Square) si pu interpretare come quel valore che
dovrebbe assumere un segnale costante per avere lo stesso contenuto in potenza
del segnale dato.
Terminiamo il capitolo con la definizione di valor medio temporale di un
segnale, che richiede un procedimento al limite simile a quello appena visto a
relativamente alla potenza:

1 T/2
xm ~ lim -
T->~ f
x(t)dt
T -T/2
(1.3.7a)

xm~lim~ fx[n] (1.3.7b)


N->~2N + lll=-N

Nell'ingegneria elettrica, il valor medio rappresenta la "componente continua"


(cio costante) attorno alla quale si svolge l'evoluzione temporale del segnale.

1.4 Sommario
Dopo aver definito un segnale come una grandezza fisica variabile portatrice di
una informazione, abbiamo individuato alcune grandi classi di segnali, a tempo
continuo e a tempo discreto, e anche ad ampiezza continua e ampiezza discreta.
I segnali a tempo e ampiezza continui si dicono analogici, quelli a tempo e
ampiezza discreti si chiamano numerici. I segnali a tempo discreto e ampiezza
continua sono le sequenze che hanno grande importanza nelle tecniche di
elaborazione numerica del segnale (DSP). I segnali sono inoltre determinati se il
Introduzione allo studio dei segnali 13

loro andamento noto in anticipo (a prion) per tutti i valori del tempo,
altrimenti sono aleatori (noti a posteriori). Sono inoltre periodici se si ripetono
con regolarit dopo un intervallo temporale finito, altrimenti sono aperiodici. Le
propriet elementari dei segnali, e cio energia,potenza, valor medio, rappresen-
tano il punto di partenza per uno studio e un' analisi pi approfondita che inizier
nel prossimo capitolo con i segnali periodici a tempo continuo.

Esercizi proposti
1.1 Un apparato di rilevazione automatica a un casello autostradale conta i
veicoli in ingresso al casello e annota l'orario d'ingresso. Considerando
questa serie di osservazioni come un segnale, dire di che tipo di segnale si
tratta, nel senso della Figura 1.5.
1.2 Spiegare perch un elettrocardiogramma un segnale periodico.
Osservando poi che la frequenza cardiaca di un adulto maschio a riposo
all'incirca 60 battiti al minuto, trovare il periodo di ripetizione To del
segnale.
1.3 Spiegare perch un segnale aleatorio solo finch non lo si
completamente osservato, dopo di che rientra anch'esso nella categoria dei
segnali determinati. L'elettrocardiogramma di un paziente un segnale
aleatorio o determinato prima che venga misurato? E dopo?
1.4 Rappresentare il grafico del segnale
t<O
x(t) = { ~xp( -t 1T) t~O

e calcolarne il valor medio Xm' l'energia Ex e la potenza ~.


1.5 Calcolare il valor medio e la potenza dei seguenti segnali:

i) x(t) =a . cos(2Jrt 1 To)


ii) x(t) = sin(2Jrt 1 To)
I t>O
iii) x(t) = sgn(t)! O t =O
{ -1 t<O
iv) x(t) = sgn(a .cos(2JrtlTo))
I t>O
v) x(t) = u(t)! 1/2 t =O
{ O t<O
r
14 Capitolo 1

1.6 Ripetere l'Esercizio 1.4 per il segnale x[n] = exp(-n/ N), n ~ o.


1.7 Considerare il segnale
l ItkT/2
x(t) =
{ O altrimenti
e dire perch il problema di calcolarne il valore efficace xeff mal posto.
2
Segnali periodici a tempo continuo

2.1 Dall'analisi fasoriale all'analisi di Fourier


Introduciamoin questo paragrafo l'analisi di Fourier dei segnali periodici con
unesempiotratto dalla teoria dei circuiti lineari. Come noto, i metodi del cal-
colofasorialepermettono di risolvere problemi anche di una certa rilevanza e di
uncertogrado di complessit relativi al regime sinusoidale dei circuiti lineari a
componenti concentrati e di valore costante nel tempo. Un esempio sem-
plicissimodi questa classe di circuiti dato in Figura 2.1, che mostra il circuito
passivodetto "squadra R-C'. Rivediamo brevemente come viene applicato il
calcolo fasoriale a questo problema. Supponiamo di fornire al circuito la
tensionesinusoidale

x(t) = a. cos(21ifot + O) (2.1.1)

Come noto, a l'ampiezza della oscillazione, fo = 1/ To ne lafrequenza e O


ne lafase iniziale. Se il periodo dell'oscillazione To misurato in secondi,
allorala frequenza fo misurata in cicli/secondo, ovvero hertz (Hz). La Figura
2.2amostraun esempio di segnale sinusoidale con i particolari valori di a, fo e
() indicatinella didascalia.
o

Il fasore X associato alla sinusoide x(t) per definizione quel numero


complesso tale che

(2.1.2)
x(t) = 9t[ X exp(j21ifot)]
16 Capitolo 2

t I t

Figura 2.1 Squadra R-C

ove l'operatore 9t[.] indica "parte reale" e j!.J=f. l'unit immaginaria. Nel
nostro caso, X = a exp(j8). A questo punto si desidera evidentemente ricavare
l'andamento della tensione y(t) ai capi del condensatore di capacit C in Figura
2.1. Le propriet dei circuiti lineari a componenti costanti assicurano che anche
la tensione y(t) sar sinusoidale alla stessa frequenza di x(t). Del segnale
cercato restano soltanto da determinare l'ampiezza e la fase iniziale.
Per far questo, applichiamo la legge del "partitore di tensione" al circuito
dato. Tenendo conto che l'impedenza del condensatorealla frequenza data D

ze = 1/ (j2-1ifoC), si pu ottenere immediatamente il valore del fasore Y della


tensionesinusoidaleincognitay(t):

(2.1.3)

e da questo risalire poi all'espressione cercata di y(t):


D D

y(t) =1 Y l.cos(21ifot + L Y) (2.1.4)

Il metodo fasoriale, di applicazione estremamente semplice, continua a rivelarsi


utile anche quando il segnale di eccitazione x(t) come in Figura 2.2b,
costituito cio dalla somma di pi componenti sinusoidali a diverse frequenze:

(2.1.5)
In tal caso, stante la linearit del circuito possibile applicare il principio di
sovrapposizione degli effetti come sequenza di tre passi fondamentali:

~,
..~

Segnali periodici a tempo continuo 17

1.5 ' "


l
I fo=5fT
1.0

-....o 0.5
-
C\I
cn
o 0.0
o
J!..
....
X -0.5

-1.0

-1.5
-1.0 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0

Tempo normalizzato t/T (a)


2

+
....
o
1
Ci)
o
o
,... o
;!:.
.... o
C\I
Ci) -1
o
o
J!..
-X
.... I fo=5fT
-2
-1.0 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0

Tempo normalizzato t/T (b)

Figura 2.2 (a) Segnale sinusoidale con a = l, io = 5/ T e (J= O;(b) segnalecompositocon


al = l, l. = lo, (J, = O e a, = 1/ 2, f, = 210. (J, = 1C / 4

i) si scompone il segnale d'ingresso x(t) nelle due componenti elementari


XI<!) = al cos(27ifl + O,) e x2 (t) = a2 COS(27if2t + (2) con fasori X I = al exp(jl)
e X2 =a2exp(jJ riferiti rispettivame~te a!le due frequenze Il ed 12; ii) si
determinanoseparatamente i due fasori YI e Y2 come se in ciascuno dei due casi
agisse singolarmente la componente rispettivamente XI(t) e x2(t); iii) si
-..
r
18 Capitolo 2

ricostruisce la forma d'onda globale y~t) ric?mponendo le due rispostparziali


y\(t) e Y2(t) ottenute dai due fasori Y\ e Y2 alle due frequenze fl ed f2' Il
procedimento ovviamente pi complicato rispetto al caso precedente della
singola componente sinusoidale, ma solo per questioni di calcolo, non
comportando alcuna ulteriore difficolt concettuale.
Esaminando criticamente la questione, i presupposti che hanno permesso di
risolvere anche il caso pi complesso del segnale di Figura 2.2b sono due: i) la
linearit del circuito, che ha consentito l'applicazione del principio di
sovrapposizione degli effetti, ma soprattutto ii) la possibilit di rappresentare il
segnale come somma di un certo numero di componenti sinusoidali elementari
(2.1.5). Questa osservazione fa da introduzione al prossimo paragrafo nel quale
si dar una risposta all'ulteriore quesito che sorge spontaneo generalizzando
ulteriormente il problema appena esaminato: Qual il modo pi appropriato di
procedere quando il segnale x(t) periodico con andamento arbitrario, e in
particolare non sinusoidale?

2.2 Analisi armonica dei segnali periodici


2.2.1 Sviluppo in serie di Fourier in forma reale polare
Come gi affermato nel Capitolo l, un segnale x(t) periodico se soddisfa la
seguente relazione:

x(t) = x(t + To) (2.2.1)

per ogni valore della variabile t. La grandezza Torappresenta il periodo del


segnale che legato alla frequenza di ripetizione fa del segnale stesso dalla
relazione fo = l/To. L'energia Ex del segnale periodico infinita, come discende
immediatamente dalla definizione (1.3.1); in generale invece x(t) ha potenza Px
finita, per calcolare la quale, come si pu intuire, non necessario il
procedimento al limite definito dalla (1.3.4). Si dimostra facilmente infatti che,
una volta eseguito il limite, si giunge al risultato pi semplice

1 To /2
(2.2.2)
P.r = T:o -ToJlx(tt
/2
dt

Analogamente, l'espressione del valor medio (1.3.7a) si semplifica, per il


segnale periodico x(t), come segue:
..,

Segnali periodici a tempo continuo 19

1 To /2

Xm = J
T:o -To/2x(t)dt
(2.2.3)

Ci premesso, ci poniamo ancora una volta la domanda con cui si chiuso il


Paragrafo2.1, e cio: come trattare segnali periodici arbitrari\jtfparticolare non
sinusoidali? La risposta a questo quesito sta nella cosiddetta analisi di Fourier
che costituisce la base della moderna teoria dei segnali. Infatti, sotto ipotesi
piuttosto ampie, che in seguito elencheremo, un segnale reale periodico
qualunque pu essere espresso come somma di oscillazioni sinusoidali di
ampiezza,frequenza efase opportune, cio in una forma che richiama la (2.1.5):

(2.2.4)

In particolare, le frequenze di oscillazione includono in generale la "frequenza


zero" relativa al termine costante ao, e sono multiple intere della frequenza

-
~
-
fondamentale fo' cosicch la (2.2.4) diventa
~ ~ . t"1

I~ ~ vtC.r'1\
JN ..~ttl
4 ~
f
~
1:)1 F.lJvtel{1L.
~ >, '.-

\ x(t) = Ao+ 2 t;Ak


" cos(2nkfot + 1Jk) (2.2.5)
Questa rappresentazione del segnale prende il nome di sviluppo in serie di
Fourier;pi precisamente la relazione (2.2.5) costituisce l'espressione informa
polare dello sviluppo in serie di Fourier. Essa permette dunque di rappresentare
un segnale reale x(t) come somma di una costante Ao e di una serie il cui k-
esimotermine, detto k-esima oscillazione armonica (o armonica tout-court), ha
ampiezza Ak > O, frequenza kfo (la k-esima frequenza armonica) e fase iniziale
k'

Evidentemente, ogni particolare segnale x(t) sar caratterizzato da particolari


insiemidi valori di Ak e 1Jk.Dovremo quindi ricavare delle formule utili per il
calcolo delle ampiezze e delle fasi delle varie armoniche e indicare condizioni
matematiche che garantiscano la convergenza della serie (2.2.5). Il primo di
questiproblemi fu risolto dal matematico L. Eulero attorno alla fine del 1700 in
connessionecon lo studio delle corde vibranti, e fu ripreso alcuni anni pi tardi
da I.E. Fourier. Questi fu il primo a intuire !'importanza e la potenza della rap-
presentazione(2.2.5), che us per risolvere questioni di trasmissione del calore.
La convergenza della (2.2.5) fu dimostrata in seguito in maniera rigorosa da P.D.
Dirichlet.
20 Capitolo 2

2.2.2 Sviluppo in serie di Fourier in forma complessa


Per semplificare gli sviluppi analitici si preferisce usare una forma alternativa
della serie di Fourier. Richiamando le formule di Eulero delle funzioni trigono-
metriche

ejx . . ejx .
cos (x)=~e-JX , SIn(x)= -
-e-Jx , (2.2.6)
2

la (2.2.5) pu essere riscritta come segue:

= Ao + f
k=l
Ak eN, ej21Tk/ol+ f
k=1
Ak e-N'e - j211k!o'
~ -I

= Ao + I,Ak eN'ej211kfol + I,A-k e-N-'ej211k!ol (2.2.7)


k=1 k=-~

Definiamo ora le quantit

A
, Xk- A -k e
-N-, k
,
- ,-,-2 l (2.2.8)

Se si effettuano le opportune sostituzioni nella (2.2.7) si ricava


, - -- - - -- - -
(2.2.9)
= Xo + ~
L---
I x(t) Xk ej21tJ.fol + kt Xk ej211k!ol
= k~ Xk ej211k!ol

che rappresenta l'espressione informa complessa della serie di Fourierl, e che


risulta la pi conveniente dal punto di vista del calcolo.
Determiniamo ora una espressione per il calcolo del coefficiente XII' ove n
deve intendersifissato. A tal fine moltiplichiamo entrambi i membri della (2.2.9)
per il fattore e-j21C11!ol
e integriamo il risultato in un intervallo di ampiezza pari al
periodo Todel segnale:
To/2 To/2-
Jx(t)
-To/2
e-j21C11!o'dt= J
-To/2k=-
I,Xk ej211k!ole-j21C11!oldt
(2.2.10)

Supponendo che la serie a secondo membro converga uniformemente (cosa che

I Tale rappresentazione pu essere estesa nella stessa forma anche al caso di segnale x(t)
complesso.
.
Segnali periodici a tempo continuo 21

peraltro non stata dimostrata fino a questo momento), possiamo integrare


termine a termine:

To/2 - To/2
J x( t) e - j2101fol
-To/2
dt = L
k=-
Xk J
-To/2
ej2tr(k-n )fol dt
(2.2.11)

Procediamo adesso con il calcolo dell'integrale a secondo membro della


(2.2.11). Ricordando che io. To = l si ha

To/2=
TI:j2tr(k-n)fo' dt = exp~j2n(k
}2n(k - -n)fo
n )fot] -T. 2
~p o/ I

= exp[jn(k-n)]-exp[-jn(k-n)] = sin[n(k-n)] (2.2.12)


j2n(k-n)fo n(k-n)fo
/

Il valore dell' integrale pertanto nullo se k *-n, essendo sin( n( k - n)] = o. Se


k = n il risultato finale della (2.2.12) perde di significato, ma ponendo k = n
direttamente nell' espressione di partenza si ricava immediatamente che
l'integralecercato vale in questo caso To.Riassumendo:
To/2
'E k =n
Jej2tr(k-n)foldt= { Oo
-To/2 k *-n
(2.2.13)

e sostituendonella (2.2.11) il risultato ottenuto, si ha:


To/2
Jx(t)e-j2101foldt=Xn To (2.2.14)
-To/2

dalla quale si deduce infine l'espressione cercata del coefficiente Xk:


,

1 To/2
(2.2.15)
Xk =T: J x(t)e-j211kfo'dt
o -To/2 J
Questa relazione permette quindi di effettuare il calcolo dei coefficienti della
seriedi Fourier di un segnale x(t) dato. In particolare, per k = O si ha

1 To/2

Xo J
=T:o -To/2
x(t) dt
(2.2.16)

che coincide con l'espressione del valor medio del segnale.


22 Capitolo 2

2.2.3 Sviluppo in serie di Fourier in forma reale rettangolare


Abbiamo dunque ricavato due possibili espressioni per la serie di Fourier, e
precisamente quella in forma polare (2.2.5) e quella in forma complessa (2.2.9);
ne esiste anche una terza, detta espressione informa rettangolare, che ricaviamo
di seguito. Sviluppando le funzioni cosinusoidali della (2.2.5) si ha
~

x(t) = Au + 2 IAk cos(27rkfot + 1Jk) =


k=1
~

= Au + 2 IAk[ cos(211kfot )cos1Jk - sin(211kfot) sin1Jk] (2.2.17)


n=1

Se adesso si definiscono le quantit ao ~ Au, ak ~ Ak cos 1Jk e bk~ Ak sin 1Jk' con
k = 1,2,. .. si ricava la relazione cercata:
~

x( t) = ao + 2 Ik=1[ak cos( 211kfot) - bk sin( 211kfot)] (2.2.18)

Il lettore dimostri cne i coefficienti dell' espressione in forma rettangolare


{ak' bk} sono legati a quelli relativi all'espansione in forma complessa {Xk}
dalle relazioni

(2.2.19)

bk = g[Xk] = -~ f x(t) sin(211kfot) dt (2.2.20)


To[To]
Nelle equazioniprecedenti,la notazione J[Tol sta a indicareche l'integrale pu
essere esteso a un qualunque intervallo temporale di ampiezza To.Per ragioni di
simmetria, buona norma scegliere l'intervallo [- To/2, To/2].

2.3 TIcriterio di Dirichlet


Ricordiamo che negli sviluppi analitici appena visti, e precisamente nel
passaggio dalla (2.2.10) alla (2.2.11), stata ipotizzata la convergenza uniforme
della serie (2.2.9). Per i segnali che si incontrano comunemente nelle
applicazioni pratiche, questa ipotesi sempre verificata; spesso per, per
schematizzare fenomeni fisici, si fa ricorso a funzioni che non rappresentano
esattamente i segnali in esame, ma che offrono il vantaggio non indifferente di
una maggiore semplicit. Per tali funzioni, tuttavia, non pi assicurata in
Segnali periodici a tempo continuo 23

generale la possibilit di uno sviluppo in serie di Fourier e diventa quindi


necessariodisporre di criteri che garantiscano la correttezza di tale sviluppo.

Consideriamo ad esempio il segnale a dente di sega rappresentato in Figura


2.3a; dal punto di vista matematico, esso presenta all'istante To una disconti-
nuitdi prima specie (non elirninabile), in corrispondenza della quale esistono
finiti e diversi tra loro i limiti destro e sinistro del segnale: x(T;)"* x(T~).
Ovviamente,non avremo mai nella realt un fenomeno fisico che si manifesta
contale andamento a causa dell'impossibilit di riscontrare una discontinuit nel
segnale. Tuttavia, avremo a che fare con segnali che possono essere ben
approssimatida un andamento discontinuo, come quello mostrato in Figura
2.3b, che tipico dei circuiti di pilotaggio dei tubi catodici degli apparecchi
televisivi.

x(t)

J A
. ... , I , I , I ... I

----. )
To t

(a)

x(t)

... ...

't

(b)

Figura 2.3 Segnali a dente di sega di ampiezza A: (a) ideale; (b) reale, con" 1;,

quindi lecito domandarsi se per il segnale ci.dente di sega idealizzato, e per


altri che hanno andamenti di particolare utilit e ai quali si applicano
considerazioni analoghe, sia corretto utilizzare la rappresentazione (2.2.9) con i
coefficienti espressi dalla (2.2.15).
F ,
24 Capitolo
2

Un insieme di condizioni sufficienti che garantiscono la possibilit di


sviluppare un segnale in serie di Fourier il cosiddetto criterio di Dirichlet che
pu essere enunciato come segue:

. se x(t) assolutamente integrabile sul periodo 1'0 (cio se verifica la


condizione E%~2 Ix(t) Idt < 00);
. sex(t) continua o presenta in un periodo un numero finito di discontinuit
di prima specie;
. se x(t) derivabile rispetto al tempo nel periodo, escluso al pi un numero
finito di punti nei quali esistono finite la derivata destra e sinistra,
allora la serie di Fourier converge al valore assunto dalla funzione x(t) nei
punti in cui questa continua, e alla semisomma dei limiti destro e sinistro
nei punti in cui x(t) presenta le eventuali discontinuit di prima specie.

La terza ipotesi del criterio pu anche essere sostituita con la seguente, che
risulta del tutto equivalente:
. se il segnale presenta un numero finito di massimi e minimi nel periodo
Alla luce di questo criterio possibile adesso.affermare con sicurezza che anche
la funzione a dente di sega di Figura 2.3a pu essere sviluppata in serie di
Fourier. Nel punto di discontinuit il valore cui la serie converge pari a
x(To)=[x(T;)+x(T~)]/2 =A/2.

2.4 Spettri di ampiezza e di fase


Dunque, ogni segnale x(t) che soddisfi il criterio di Dirichlet pu essere rappre-
sentato con lo sviluppo in serie di Fourier (2.2.9) ove i coefficienti Xk sono dati
dalla (2.2.15). Ripetiamo per completezza qui di seguito queste due relazioni:

La seconda delle due una equazione di analisi che permette di stabilire qual
il contenuto in termini di oscillazioni armoniche del segnale (in una parola, di
analizzare il segnale). La prima delle due, viceversa, una equazione di sintesi
che, note le ampiezze e fasi delle varie armoniche (cio noti i coefficienti di
Fourier) permette di ricostruire, cio sintetizzare, il segnale dato a partire dalle
proprie componenti frequenziali (armoniche). Evidentemente, l'equazione di
sintesi prevede l'uso di infinite armoniche per ricostruire il segnale. D'altronde,
Segnali periodici a tempo continuo 25

condizione necessaria alla convergenza della serie che l'ampiezza IXkI delle
armoniche tenda a zero quando k ~ Questo comporta che le armoniche pi
00.

"importanti" ai fini della sintesi del segnale sono in numero limitato, e che
quindi la serie pu essere sostituita ai fini pratici con una sommatoria di un
numerofinito di termini (come si discuter in dettaglio nel Paragrafo 2.7).
Le equazioni di analisi e sintesi permettono dunque di stabilire una
corrispondenza tra il segnale x(t) e la sequenza Xk costituita dai coefficienti
della serie (coefficienti di Fourier o di Eulero). Indicheremo tale corrispondenza
con la seguente scrittura:

(2.4.1) Il

Questo tipo di notazione suggerisce che la conoscenza dell'andamento del


segnale x(t) in ambito temporale di fatto equivalente alla conoscenza della
successionedei coefficienti di Fourier Xk in ambito frequenziale, nel senso che
il passaggio dall'un dominio all'altro immediato attraverso le relazioni di
analisie sintesi (2.2.15) e (2.2.9). Naturalmente, la seque~ Xk in generale
complessa;per rappresentarla conveniente tracciare due grafic\ che prendono il
nome di spettro di ampiezza e spettro di fase2. Il primo illustra l'andamento
dell'ampiezza (modulo) dei coefficienti Xk, il secondo ne illustra l'andamento
della fase, entrambi in funzione dell' ordine k del coefficiente o del valore della
k-esima frequenza armonica kfo' Esempi stilizzati di queste rappresentazioni
sonoriportati in Figura 2.4 e Figura 2.5.
Gli spettri di ampiezza e di fase del segnale sono a righe, cio discreti, in
quantosono definiti solo in corrispondenza delle frequenze armoniche, che for-
manoappunto una successione discreta. La rappresentazione degli spettri come
"righe"di ampiezza proporzionale all'ampiezza o alla fase delle componenti ar-
monicheha un' origine ben precisa. Gli spettri di ampiezza a righe dei segnali
periodicivengono infatti misurati mediante strumenti elettronici chiamati analiz-
zatoridi spettro, sullo schermo dei quali si ottiene una rappresentazione molto
similealla Figura 2.4. Gli analizzatori rappresentano gli spettri di ampiezza solo
per valori positivi delle frequenze. Questo giustificato dalle propriet di
simmetriadegli spettri discusse nel paragrafo a seguire.

2 Il termine "spettro" deve intendersi nel significato di "rappresentazione, visione" e nasce in


fisica nel campo della spettroscopia in cui si analizza la composizione dei materiali attraverso le
"righe" di emissione caratteristiche dei diversi elementi chimici.
26 Capitolo 2

-31 -21 -1 Frequenza


o o o

Figura 2.4 Spettro di ampiezza

-31 o -21 o -1 o

Frequenza

Figura 2.5 Spettro di fase

Esempio 2.1
Consideriamo il segnale

x( t) = a cos( 21ifot ) (E2.1.l)

Esso rappresentaun'oscillazionecosinusoidaledi frequenza 10; il periododel


segnale To= 1/10. Se si confronta l'espressione in forma polare della serie di
Fourier di un segnale generico
~

x(t) = Ao + 2 L:Ak cos(2n/ifot + {)k) (E2.1.2)


k=l

con la (E2.1.l) si ricava che


a
AI = -,2 {)I =O; (E2.1.3)
Segnali periodici a tempo contilUo 27

ovvero

(E2.1.4)

e gli spettri del segnale sono quelli di Figura 2.6a-2.6b.

a/2

(a)

-f
o
(b)

Figura 2.6 Spettri di ampiezza (a) e fase (b) del segnale dell'Esempio 2.1
D
Esempio 2.2
Consideriamoil segnale

(E2.2.1)
x( t) =a sin( 21t.fot ) = a cos( 2 TCjot - ~)
Tenendo conto del procedimento usato nell'Esempio 2.1, si trova che

A-a re (E2.2.2)
1-2' 6) =-"2;
ovvero

a.1< a .1<
X = -e-li X = -eli' (E2.2.3)
l 2 ' -) 2 '

Lo spettro di ampiezza uguale a quello dell'esempio precedente, mentre lo


spettro di fase mostrato in Figura 2.7.
28 Capitolo 2

rr./2

-rr./2

Figura 2.7 Spettro di fase del segnale dell'Esempio 2.2

2.5 Propriet dello spettro di un segnale reale periodico


Simmetria
Ricordandoche il nostropuntodi partenza stata la rappresentazione(2.2.5)di
un segnale reale, osserviamo che ----
'O 'o
Xo=Ao, Xk=Akel " X-k =Ak e-l '; k=1,2,... (2.5.1)

e che quindi i coefficienti Xk dello sviluppo in serie di Fourier in forma


complessa di un segnale reale godono della propriet di simmetria coniugata o
Hermitiana, ovvero

(2.5.2)

Linearit
Consideriamo ora due segnali x(t) e y(t), entrambi periodici dello stesso pe-
riodo 1'0 e aventi come coefficienti di Fourier rispettivamente Xk e ~. Il segnale
z(t) = a x(t)+ b y(t) (2.5.3)
dato dalla combinazione lineare di x(t) e y(t) periodico di periodo To,e il
coefficiente k-esimo Zk della sua serie di Fourier

(2.5.4)

Tale propriet di linearit dei coefficienti di Fourier deriva direttamente dalla


medesima propriet dell'integrale; si ha infatti che

L
Segnali periodici a tempo continuo 29

(2.5.5)

Naturalmente, lo sviluppo in serie di z(t) costituito da una somma di


oscillazioniaventi le stesse frequenze di quelle che compongono i segnali x(t) e
y(t); pertanto, in generale una combinazione lineare di segnali aventi il
medesimoperiodo Tonon introduce nuove armoniche.
Potremmo elencare e dimostrare molte altre propriet dei coefficienti di
Fourier(ad esempio, il comportamento degli Xk nei confronti di una traslazione
del segnale, o di una operazione di derivata temporale, o di integrale, ecc.). Le
pi semplici vengono proposte come esercizi in calce al capitolo, che possono
essere facilmente risolti dal lettore; queste propriet verranno comunque
discusse in maggior dettaglio e in una forma sostanzialmente equivalente nel
Capitolo3, a proposito della trasformata di Fourier per segnali non periodici, al
qualesi rimanda. I

Esempio 2.3
Consideriamo il segnale detto treno di impulsi rettangolari di durata T e
periodo To(T < To)rappresentato in Figura 2.8. Per questo segnale si definisce
il parametro duty-factor (o duty-cycle) 8 = TiTo che esprime il rapporto tra la
durata T di ciascun impulso e il periodo di ripetizione del segnale To.

x(t)

,
-T/2 T/2 t
-To To

Figura 2.8 Treno di impulsi rettangolari

Per rappresentare pi comodamente il treno di impulsi rettangolari utile


definirela seguente funzione:
r

30 Capitolo 2

l lal < 1/2


rect(a)! 1/2 lal = 1/2 (E2.3.1)
{ O altrove

il cui andamento (impulso rettangolare) rappresentato in Figura 2.9. La


discussione relativa ai punti di discontinuit del segnale a dente di sega di Figura
2.3 valida anche per il segnale rect(.). Ancora una volta, questa semplice
funzione rappresenta un' astrazione matematica utile per schematizzare impulsi
che hanno un tempo di salita molto breve rispetto alla propria durata.
Utilizzando questa funzione possibile scrivere la seguente espressione per il
treno di impulsi rettangolari:
-
(E2.3.2)
x(t) =n~ a.rect(t-; 1'0)

rect(a)

-1/2 1/2

Figura 2.9 Grafico della funzione rect(a)

Il segnale periodico infatti rappresentato come la sovrapposizione di infiniti


impulsi di durata T ottenuti ciascuno ritardando l'impulso "base" non periodico
rect(t/T) di n1'o secondi con n = 0,::1:1,...In questo caso diremo che l'impulso-
base rect(t/T) stato periodicizzato con periodo di ripetizione 1'0per ottenere il
segnale x(t). Il lettore pu dimostrare facilmente che il segnale x(t) nella forma
di segnale-base ripetuto (E2.3.2) effettivamente periodico di periodo 1'0.
Calcoliamo ora i coefficienti dello sviluppo in serie del segnale in esame
utilizzando la (2.2.15):
Segnali periodici a tempo continuo 31

. nkT
SIll-
= a sin( nkfoT) - aT (. To ) (E2.3.3)
(-j2nkfo) Lo -nk - oT nkT
To

Per esprimere Xk in una forma pi concisa, definiamo una ulteriore funzione


notevole:

, (E2.3.4)

per CUi

kT
Xk = aT sinc = a8sinc(k8) (E2.3.5)
To ( To)
La funzione sincO, il cui grafico mostrato in Figurai2.1O,verr usata molto di
frequente nella pagine a seguire, e quindi import~ evidenziarne alcune
caratteristichepeculiari. '-
1.2

1.0

0.8

0.6
'8'
Uc:
0.4
'Ci)
0.2

-0.2

-0.4
-5 -4 -3 -2 -1 o 2 3 4 5
ex.

Figura 2.10 Andamento della funzione sinc( a)


32 Capitolo 2

Come si nota dalla Figura 2.10, essa si annulla per tutti i valori interi del suo
argomento a diversi da zero, mentre nell'origine assume valore unitario. La
discontinuit in questo punto stata infatti eliminata, osservando che

lim sin(na ) =1 (E2.3.6)


a O na
Inoltre, sinc(a) una funzione pari in quanto rapporto di due funzioni dispari!
tende ad annullarsi al tendere di a all'infinito, e in particolare soddisfa la
relazione sinc(a)::; lI(n Ia I). Il calcolo dei punti di massimo e minimo della
funzione porta invece a una equazione trascendente (che il lettore pu facil-
mente ricavare) e che non verr presa in considerazione per brevit.
Scegliamo ora nel nostro treno di impulsi i valori particolari a = l e 8 =0.5.
Gli spettri di ampiezza e fase del segnale hanno allora l'andamento illustrato
nelle Figure 2.11-2.12. Si nota che lo spettro di ampiezza simmetrico rispetto
alla frequenza O, mentre lo spettro di fase assume soltanto i valori O e I1t (il
coefficiente di Fourier infatti reale), e conserva simmetria dispari.

2.6 Segnali pari, dispari e alternativi


Il segnale (periodico) x(t) pari se verifica la relazione x(t) = x(-t). In tal caso,
il genericocoefficienteXk della serie di Fourierdi x(t) un~unzione paridi
k, cio

(2.6.1)

Infatti, dalla (2.2.15) immediato verificare che

(2.6.2)

nella quale, effettuando il cambiamento di variabile a =-t, si ottiene

1 -To/2 . 1 To/2 .
(2.6.3)
X-k = -""T f
x(-a)
o To/2
e-J21rkfoada =""T
o -T./2
f
x(a) e-J2/difoada= Xk

Poich in generale sappiamo che Xk = (X-k )*,segue che Xk reale, e quindi


possibile riscrivere la serie di Fourier in forma sffiplificata:
...,. -I

x( t) = Xo + L Xk ej2n:kfol + L Xk ej2n:kfol (2.6.4)


k=1 k=-
Segnali periodici a tempo continuo 33

l
0.75

0.50

0.25

0.00
-10 -8 -6 -4 -2 o 2 4 6 8 10

Figura 2.11 Spettro di ampiezza del segnale di Figura 2.8 per o = 0.5 e a =l

4
I
1t I
\

2 -

=c

"'" O
X
'\I
Il
d;J"'"

-2 - Il

-1t

-4 Il
-10 -8 -6 -4 -2 O 2 4 6 8 10 I
k I
Figura 2.12 Spettro di fase del segnale di Figura 2.8 per 8 = 0.5 e a = 1 I

e, cambiando segno all'indice nella seconda sommatoria, si ottiene


-+<o -+<o

x(t) = Xo + LXk ej21rlifol


+ LX-k e-j21rlifol (2.6.5)
k=l k=l
34 Capitolo 2

Poich Xk = X-k, unendo le due sommatorie si ha infine


- -
x( t) = Xo + L
n=l
Xk (ej21rkfot + e - j21rkfot) = Xo + 2 L
k=l
Xk cos( 2rrkfot ) (2.6.6)

Il segnale dunque esprimibile i~oli ~


Inoltre, il calcolo di Xk
pu essere effettuato con una formula semplificata. !!.lfatti,se nella (2.2.15) si
riscrive l'esponenziale complesso nella funzione integranda in forma
rettangolare si ottiene

l ~p . ~p
(2.6.7)
Xk = r:o-~p
J x( t) cos(2rrkf(/ ) dt - ~
o-~p
J
x( t) sin( 2rrf%t) dt

La funzione iIitegranda del primo integrale della (2.6.7) pari e pertanto tale
integrale pu essere calcolato come

l To/2 2 To/2

- J
x( t)
To-To/2
cos( 21rlifot ) dt =-
To o
Jx( t) cos( 2 rrf% t ) dt (2.6.8)

Invece il contributo del secondo integrale della (2.6.7) nullo poich la funzione
integranda dispari e l'intervallo di integrazione simmetrico. In conclusione si
ricava che, se x(t) reale e pari, -- il k-esimo coefficiente
_. -_. della
_.-_o sua
- serie di (
F~urier pu e,serecalcolatQ-c_~nla fOf!lli"iia
-, se~p'lifi~ata-
2 To/2

Xk = - J
To o
x(t) cos(2rrf%t) dt E 9\
-~,
! (2.6.9)

r 1-
Un segnale (periodico) x(t) dispari se verifica la relazione

x(t) = -xC-t) (2.6.10)

Allora possibile dimostrare, con considerazioni identiche a quelle fatte per i


segnali pari, che la sua serie --di Fourier gode delle propriet seguenti:
-- ----
. .
il coefficiente Xk della serie una funzione dispari di k, cio

(2.6.11)

ed quindi immaginario puro. Ne consegue che Xo = O;


. il segnale sviluppabile in serie di soli seni:
Segnali periodici a tempo continuo 35

+00

x(t) = 2jL:Xk sin(2nkfot) (2.6.12)


k=1

. il coefficiente Xk pu essere calcolato con la seguente formula semplificata:

. 2 . To/2
Xk = - -1..
To o
Jx( t) sin( 2nk.fot ) dt (2.6.13)

Relativamente alle simmetrie pari e dispari di un segnale, interessante notare


cheun segnale reale arbitrario x(t) pu essere sempre scomposto come

(2.6.14)

dove i segnali xp(t) e xAt) sono rispettivamente la parte pari e la parte dispari
del segnaledato:

(2.6.15)
-t) ~ ~;u J-
,.
xAt)~x(t)-x(-t) (2.6.16)
2

(
11
Sulla base di questa scomposizione si pu scrivere

(2.6.17)

oveevidentemente Xpk (il k-esimo coefficiente di xp(t) reale, mentre Xdk (k-
esimocoefficiente di xAt) immaginario puro. Si conclude allora che la parte
reale del coefficiente di Fourier di un segnale reale arbitrario x(t) rappresenta il
coefficiente dello sviluppo della sua parte pari xp(t), mentre la parte
immaginariadi Xk (a meno del fattore j) il coefficiente dello sviluppo della ,I

partedispari xAt) di x(t).


Un segnale periodico x(t) 31tern::!.!.v.!!-
se verifica la relazione

x(t + To/2) = -x(t) (2.6.18)

cio se l'andamento del segnale in un qualunque semiperiodo to ::;t < to + To / 2


i
identico all'andamento nel semiperiodo precedente to - To /2::; t < to' 1111

cambiato di segno (si veda la Figura 2.13 per un esempio). Allora il coefficiente r,

Xk della serie di Fourier di x(t) nullo per tutti i valori pari dell'indice k. Ir
Infatti Xk dato da
36 Capitolo 2

(2.6.19)

avendo suddiviso l'intervallo di integrazione [-~ /2, To/2] in due semiperiodi.

x(t)

Figura 2.13 Segnale .alternativo

Il secondo integrale a secondo membro della (2.6.19) pu essere riscritto come

(2.6.20)

Sostituendo la (2.6.20) nella (2.6.19) si ricava


k To/2

Xk = 1- To
C-l) fo xCt) e-j21difo'dt (2.6.21)

da cui

O k pari

- To/2 (2.6.22)
Xk -
! ~To J x(t) e-j2trk!o'dt k dispari
o

e l'espressione (2.2.9) della serie di Fourier si semplifica come segue:


+00 +00

X (t ) = ~
. Xk ej2trk!o'= ~.. X2p+1
ej21f(2p+I)!o' (2.6.23)
k=-oo p=-
k dispari
,
\\
Segnali periodici a tempo continuo 37

avendo effettuato il cambiamento di variabile k = 2p + l per rappresentare


l'insieme dei numeri relativi dispari.

Esempio 2.4
Calcoliamo lo sviluppo in serie di Fourier del segnale onda quadra y( t) rappre-
sentato in Figura 2.14a.

y(t)
A
000 000

-To/2
,
To/2 To t

-A
(a)

x(t)
2A
/

I ~

000 000
\
\

~ I,
o /2 lo o '~
(b)
I

Figura 2.14 Segnale onda quadra (a) e treno di impulsi rettangolari (b)

I~
,J

Vediamo come esprimere questo segnale in funzione del treno di impulsi


rettangolari x(t) di Figura 2.8. Se per quest'ultimo assegnamo i valori a = 2A e
T=To/2 (8=1/2), otteniamo il segnale x(t) di Figura 2.14b. Allora
immediatovedere che

y(t) = x(t) - A (E2.4.1)


Il segnale costante pari ad A a secondo membro della (E2.4.1) pu essere
considerato periodico con sviluppo in serie di Fourier ridotto al solo termine
costantee pari ovviamente ad a. Per la linearit della serie di Fourier si ha quindi

Il
38 Capitolo 2

(E2.4.2)

Poich

(E2.4.3)
Xk =2A8 sinc(8k) = A sinc(~)
la (E2.4.2) diventa

k=O
(E2.4.4)
~ = {; sinc(k/2) altrimenti

2.7 Sintesi del segnale con un numero limitato di armoniche


Calcoliamo lo sviluppo in serie di Fourier del segnale onda quadra x(t)
rappresentato in Figura 2.15.

Figura 2.15 Segnale onda quadra

TIsegnale dispari e alternativo. Pertanto il calcolo del coefficiente Xk della sua


serie di Fourier pu essere effettuato con la formula semplificata (2.6.13) o con
la (2.6.21). Scegliendo per semplicit la prima delle due, si ha:

2 . To/2 2A To/2
Xk = - --1. J x(t) sin( 27Tkfot)dt
To o
=-j -
To o
J sin(2~t) dt
. 2A 1=To/2. A .A k
=] 2nw T cos(2~t )11=0 =] -nk [cos(Jrk)-1 ] = ] -nk [(-1) -1 ] (2.7.1)
"'lo o
da cui
Segnali periodici a tempo continuo 39

O k pari
Xk = 2A k dispari (2.7.2)
{ jnk

Come ci aspettavamo, la sequenza {Xk} dei coefficienti di Fourier dell'onda


quadra (qui in versione dispari) immaginaria pura e dispari, e i coefficienti di
ordinepari sono tutti nulli (l'onda quadra alternativa). Lo spettro risultante
quellodi Figura 2.16.

0.75

0.50

0.25

0.00 I I l I I I I I I

-0.25
Il I I I I I I I

-0.50

-0.75
-20 -16 -12 -8 -4 o 4 8 12 16 20

k
Figura 2.16 Spettro del segnale in Figura 2.15 con A =l
Lo sviluppo in s'erie di Fourier di x(t) (in soli seni) siIottiene sostituendo
l'espressionedegli Xk (2.7.2) nella (2.6.12):
I

x(t) = 4Af sin(2n/%t) (2.7.3) li


n k=l k

Si nota che l'ampiezza delle righe tende a zero come l/k quando k ~ 00. Questa i~1
la minima "velocit" con cui lo spettro di ampiezza pu decrescere, affinch la
serie di funzioni (2.7.3) risulti convergente. In altri termini, l'ampiezza delle
componentiarmoniche ad "alte frequenze" (cio le armoniche di ordine elevato) iIIll
ancorarelativamente grande rispetto a quella delle prime armoniche. !!~
II
~ I
IIIII
Per meglio evidenziare questa peculiarit, consideriamo adesso lo sviluppo in
serie di Fourier del segnale onda triangolare x(t) rappresentato in Figura 2.17.

ili
,Il
40 Capitolo 2

x(t)

Figura 2.17 Segnale onda triangolare

Questo segnale pari e alternativo. Il k -esimo coefficiente Xk della sua serie di


Fourier pu allora essere calcolato sostituendo nella formula semplificata (2.6.9)
l'espressione

(2.7.4)

valida per O~ t ~ 1'0/2. Si ottiene cos

2 To/2 4
Xk = -1'0 J A 1- ~ cos(21rkfot) dt
o ( 1'0)
2A~~ 8A~~t
=-
1'00
J cos( 2rrklrl) dt - - J -
1'001'0
cos(21rkfot) dt (2.7.5)

Il calcolo dei due integrali a secondo membro immediato:


To/2

Jo cos( 21rkfot) dt = O (2.7.6)

~~ ~o
J!
o 1'0
) dt =-(
cos(21rkfot
21Ck)
2 t
[(-1 -1] (2.7.7)

~~

k pari
k dispari (2.7.8)
Segnali periodici a tempo continuo 41

Lo spettro del segnale rappresentato in Figura 2.18. Si nota innanzitutto che


anche in questo caso tutti i coefficienti con indice pari sono nulli perch x(t)
alternativo.La caratteristica per pi evidente in un confronto con la Figura 2.16
che l'ampiezza delle armoniche tende a zero molto pi velocemente quando
k ~ 00. La (2.7.8) suggerisce infatti che tale velocit proporzionale a 1/ e;
quindi,le armoniche superiori hanno meno "importanza" nella sintesi dell' onda
triangolarerispetto al caso dell' onda quadra.
0.75

0.50 Il

0.25

0.00 . I 1 ,.1 I .

-0.25
-20 -16 -12 -8 -4 o 4 8 12 16 20

k
Figura 2.18 Spettro del segnale in Figura 2.17 con A =1 /
/

Questocomportamento un riflesso dell'andamento temporale dei due segnali:


l'onda quadra presenta discontinuit, cio brusche variazioni temporali del Il
Il
valore del segnale, che viceversa non sono presenti nell' onda triangolare.
Possiamo quindi dire che le variazioni "brusche" comportano la presenza di
armonichedi ordine pi elevato. In altri termini, un segnale avente velocit di
cambiamentomolto alta necessita per essere ricostruito di molte componenti ad
"alta frequenza", cio di molte armoniche di ordine superiore. Viceversa, un
segnalea variazione "pi lenta" ha un contenuto di armoniche a frequenze pi
basse. Questo concetto verr precisato nel Capitolo 4 discutendo i concetti di
bandae durata di un segnale.
L'andamento delle ampiezze delle armoniche di tipo l/e tipico dei segnali
con derivataprima discontinua, come l'onda triangolare di Figura 2.17. A questo
proposito,consideriamo un ulteriore esempio.
42 Capitolo 2

Esempio 2.5
Calcoliamo i coefficienti dello sviluppo in serie di Fourier del segnale
cosinusoidale raddrizzato a doppia semionda x( t) = Alcos( 2rcfot)1 rappresentato
in Figura 2.19 (To = l/.fo, A> O).

1.0

-~o 0.5

(\J
i)
o 0.0
(.)

-
J!..
X -0.5

\ /
-1.0

-2.0 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0


Tempo normalizzato tifo

Figura 2.19 Segnale cosinusoidale raddrizzato a doppia semionda

Questo'segnale pari. ma soprattutto periodico di periodo To12; pertanto le


sue frequenze armoniche sono multiple della frequenza fondamentale 210. n k-
esimo coefficiente Xk della sua serie di Fourier pu allora essere calcolato
sostituendo l'espressione analitica di x(t) nella formula semplificata (2.6.9)
(tenendo conto del fatto che ora il periodo del segnale vale ToI2).
Dunque:

4A To/4
Xk = - f
cos( 2rcfot) cos( 4nkfot ) dt
To o
2A To/4
=-
To o
f {cos[ 2Jr(1 + 2k )fot] + cos[ 2Jr(I- 2k ).fot]} dt (E2.5.1)

Sviluppando il calcolo dei due integrali si ricava

Xk = AJr ~ sin Jr (1 + 2k ) +~ sin Jr (1- 2k ) (E2.5.2)


{ l + 2k [2 ] 1- 2k [2 ]}
.., 11,,
.I

Segnali periodici a tempo continuo 43

Se inoltre si osserva che

(E2.5.3)

l'espressione di Xk si semplifica come segue:

x = A (-l)k ~+~ =(-l)k 2A ! (E2.5.4)


k n { 1+ 2k 1- 2k } n 1- 4e
I
Si noti che, essendo x(t) reale e pari, i coefficienti del suo sviluppo in serie di I!I
Fourier risultano reali e pari. Inoltre il valor medio del segnale x(t) espresso
da

Xm = Xo = 2A (E2.5.5)
n
Infine, osserviamo che si ritrova anche per questo segnale (continuo, ma con
derivataprima discontinua) l'andamento delle armoniche proporzionale a 1/ k2
:11\
comenel caso dell' onda triangolare. D

L'equazione di sintesi (2.2.9) richiede un numero illimitato di armoniche per


ricostruire il segnale periodico x(t). Le considerazioni fatte a proposito degli
jlllli
sviluppidelle onde quadra e triangolare ci suggeriscono per che una approssi-
mazione soddisfacente del segnale pu essere conseguita anJ;hecon un numero ,

finito di armoniche. Per avvalorare questa considerazion~'6i limiteremo qui a un


esempio particolare, consideriando di nuovo il treno di impulsi rettangolari
dell'Esempio2.3. Il suo k-esimo coefficiente di Fourier l"

Xk = a 8 sinc(k 8) (2.7.9) i"


dove,ricordiamo, 8 = T/1'0, a l'ampiezza del segnale, To il suo periodo e T
~
la durata di ciascun impulso. Poniamo per semplicit a = 1, 8 = 0.5 e ricaviamo
l'espressione in forma polare della serie di Fourier:

1 -
L
k
x(t)=-+
2 k=l (2 )
sinc - cos(2nkfot) (2.7.10)

D'altronde

Ii
44 Capitolo 2

. k _Sin(k1r/2)= k pari
()
SlllC2" - k1r/ 2
02 (-lik-l)/2
{ k 1r
k dispari
(2.7.11)

e quindi la serie pu essere semplificata come segue:

x(t) =.!. + ~
2
f~(-1)(k-1)/2 cos(2Jrk.fot)
1r k=l k
(2.7.12)
k di.'pari

Consideriamo ora il segnale

~
XK(t)=-+-
1 2
.J -(-1)
f 1 (k-I)/2
cos (2Jrk.fot) (2.7.13)
2 1r k=l k
k dispari

ottenuto arrestando lo sviluppo (2.7.12) alla K-esima armonica. Nella Figura


2.20 possibile confrontare il segnale originale (treno di impulsi) x(t) con il
segnale approssimante XK(t) che si ottiene per tre diversi valori del parametroK.
Si nota che l'approssimazione del segnale periodico in esame pu considerarsi
soddisfacente anche con un numero esiguo di armoniche. In corrispondenza dei
punti di discontinuit del treno di impulsi, il segnale approssimante presenta
inoltre delle fluttuazioni (ripple) attorno all'andamento del segnale x(t).
Per il segnale dato, indipendentemente dal numero di armoniche K che si
usano nella ricostruzione di x(t), si ottiene comunque un segnale approssimante
che ha esattamente un valore massimo (nei pressi della discontinuit) pari circa a
I
1.09a. Questo fatto noto come fenomeno di Gibbs, e la sua presenza fa intuire
che la successione di funzioni {XK(t)} non converge uniformemente al segnale
x(t)..-
Quanto detto a proposito della rapidit di convergenza dei coefficienti di
Fourier dell' onda triangolare di Figura 2.17 facilmente riscontrabile dal con-
fronto della Figura 2.20 con la Figura 2.21. Quest'ultima mostra ancora il se-
gnale xK(t) ottenuto per sintesi di sole K armoniche, stavolta per relativamente
all'onda triangolare. evidente che la ricostruzione del segnale periodico
originario molto migliore in questo secondo caso piuttosto che nel caso
dell'onda quadra, ovviamente a parit del numero di armoniche considerate.
-'"

Segnali periodici a tempo continuo 45

1.4

K=3
1.0
L'h
0.8
"-x 0.6
-
X
0.4
0.2
0.0
-0.2
-0.4
-2 -1 o 1 2
Vfo (a)

1.4
1.2 K=7
1\ 1\ .1. 1\
1.0

0.8
-
0.6
X
-
x
0.4
0.2
0.0

-0.2r
-0.4 I I I I

-2 -1 o 1 2
Vfo (b)

1.4
1.2 K=15
A A I A
1.0

0.8

- 0.6
X 0.4
0.2
0.0
-0.2
-0.4
-2 -1 o 1 2
Vfo (c)

Figura 2.20 Approssimazione del treno di impulsi con 3 (a), 7 (b), e 15 (c) armoniche
.

46 Capitolo 2

1.25

1.00

0.25
>:
x 0.00
-:5
X -0.25
-0.50
-0.75
-1.00 K=3
-1.25
-1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00

IITO (a)

1.25

1.00

"- 0.25
>:
-
x

X
0.00
-0.25

-0.50

-0.75

-1.00 K=7
-1.25 I I I r
-1.0 -0.8 -0.5 -0.2 0.0 0.2 0.5 0.8 1.0

IITO (b)

1.25

....." 0.25
>:
x 0.00
X -0.25
-0.50
-0.75
-1.00 V K=15
-1.25
-1.0 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0

IITO (c)

Figura 2.21 Approssimazione dell'onda triangolare con 3 (a), 7 (b), e 15 (c) armoniche
Segnali periodici a tempo continuo 47

Sommario
Il punto nodale di questo capitolo l'introduzione dello sviluppo in serie di
Fourier di un segnale a tempo continuo x(t) periodico di periodo To.Questo
tipo di rappresentazione (l'equazione di sintesi) permette di pensare il segnale
come"scomposto"in una sovrapposizione di oscillazioni sinusoidali (le armoni-
che) a frequenza multipla della frequenza fondamentale fo = 1/ To' L'ampiezza
e la fase delle armoniche sono regolate dall'ampiezza e dalla fase dei rispettivi
coefficientidi Fourier Xk calcolabili a partire dal segnale x(t) attraverso
l'equazionedi analisi.
La conoscenzadella successione completa dei coefficienti di Fourier di fatto
equivalentealla conoscenza dell'andamento del segnale nel tempo, cosicch
viene usata la scrittura x(t) <=>Xk per rappresentare sinteticamente questa
corrispondenza.I coefficienti di Fourier del segnale, in generale complessi, ven-
gonousualmente rappresentati in modulo e fase in funzione della frequenza ar-
monicacui si riferiscono, e queste rappresentazioni costituiscono i cosiddetti
spettridi ampiezza e fase del segnale dato. Poich il segnale x(t) assume valori
reali, lo spettro di ampiezza simmetrico rispetto alla frequenza O (cio
IXkl =IX-kl)mentre lo spettro di fase antisimmetrico (e cio L.Xk = -L-X-k).
Altreeventuali propriet. di simmetria del segnale producono ulteriori vincoli
suglispettri di ampiezza e fase del segnale: a segnale pari corrispondono coeffi-
cientidi Fourier reali, a segnale dispari corrispondono coefficientipnrnaginari
puri,a segnalealternativo corrispondono coefficienti di ordine pari nulli.
In pratica,la sintesi di un segnale periodico viene effettuata con un numero di
armonichefinito. Questo comporta un certo errore nella ricostruzione del
segnale,tanto minore quanto maggiore il numero di armoniche considerate, ma
tantomaggiorequanto pi la velocit di variazione del segnale grande: il caso
pi sfavorevole quello di un segnale con discontinuit di prima specie, come
l'ondaquadra.

Esercizi proposti
2.1 Si riprenda in considerazione l'esempio della squadra R-C del Paragrafo
2.1. in grado il lettore di calcolare i coefficienti di Fourier del segnale
y(t) nel caso in cui il segnale x(t) sia l'onda quadra di Figura 2.15?
2.2 Dimostrareattraversola (2.2.9)che se x(t) <=> Xk, allora

dx(t) <=>j27difo . Xk
dt
F

48 Capitolo 2

e sulla base di questo risultato ricavare i coefficienti di Fourier dell'onda


quadra di Figura 2.15 da quelli dell'onda triangolare di Figura 2.17.
2.3 Dimostrare attraverso la (2.2.15) che se x(t) :>Xk, allora

x(t - to) :>Xk . exp{- j2nk,foto}


2.4 Attraverso il risultato (2.7.8) sullo sviluppo in serie dell'onda triangolare,
determinare i coefficienti di Fourier del segnale periodico di Figura 2.23.

x(t)
2A

Figura 2.23

2.5 Sfruttando i risultati degli Esercizi 2.2 e 2.4 ricavare i coefficienti di


Fourier del segnale di Figura 2.22. [Suggerimento: si scomponga il segnale
dato come differenza tra l'onda triangolare dell'Esercizio 2.4 e...]

x(t)
2A

Figura 2.22

2.6 Determinare l'espressione dei coefficienti delle serie di Fourier dei segnali
x(t) periodici di periodo 1;,rappresentati rispettivamente in Figura 2.24a-
b-c (T = 1'0/2).
Segnali periodici a tempo continuo 49

x(t)

-T/2

-10/2 T/2 lQI2

-1

(a)

x(t)

2
...
-T/2 T/2
(b)
Il!
n
x(t)
!I
I

/ --" u
l.
n .1

-1
(c)
..I
Figura 2.24
3
Segnali aperiodici a tempo continuo

3.1 Dalla serie all'integrale di Fourier


n significato e l'importanza della rappresentazione in serie di Fourier di un se-
gnaleperiodico a tempo continuo sono stati ampiamente discussi nel Capitolo 2.
Molti segnali che si osservano nei fenomeni naturali non sono per periodici.
Sorge allora immediata la questione della possibilit di ottenere una scomposi-
zione simile alla serie di Fourier anche per i segnali aperiodici. possibile cio
rappresentare anche un segnale non periodico come una opportuna sovrapposi-
zione di segnali elementari, in particolare sinusoidali? Per rispondere a ~sta
domanda,consideriamocomecaso di studioil segnaleaperiodico '------

(3.1.1)
x(t)=rec{; )
rappresentato in Figura 3.1, e per ricollegare il discorso a quanto visto nel
Capitolo2 cerchiamo di mettere in relazione questo segnale con il treno di im-
pulsirettangolari periodico

(3.1.2)

di cui gi conosciamo la rappresentazione in serie di Fourier. Come chiaro,


x/t) ottenuto periodicizzando x(t) con periodo di ripetizione To,come sugge-
rito dalla Figura 3.2. Il segnale originario x(t) pu essere considerato come una
sorta di caso-limite di un segnale periodico: partendo da x/t), si riottiene

-
52 Capitolo 3

l'impulso "base" x(t) centrato in t=O se si pensa di fare una periodicizzazione di


periodo 1'0~ 00. Al di l del particolare esempio, se si costruisce un segnale
periodico x/t) per periodicizzazione del segnale aperiodico x(t) come nella
(3.1.2), vero in generale che

x(t) = lim xp(t)


To---+oo
(3.1.3)

x(t)
1

-T/2 T/2 t

Figura 3.1 Impulso rettangolare aperiodico

x(t) x(t-To)

...
-T/2 T/2

Figura 3.2 Treno periodico di impulsi rettangolari

Naturalmente, il segnale xp(t), essendo periodico di periodo 1'0,pu essere


rappresentato mediante serie di Fourier:
~

xp(t) = L
k=->o
Xk ej2trk!ol (3.1.4)

con io = l/To e con i coefficienti di Fourier Xk dati da


Segnali aperiodici a tempo continuo 53

(3.1.5)

Nasceadesso l'esigenza di stabilire il comportamento della serie di Fourier


(3.1.4)e dei relativi coefficienti Xk (3.1.5) quando 1;,~ 00.
Comeprima osservazione, chiaro che aumentando il periodo ~ di ripeti-
zionesi riduce la frequenza fondamentale io, e quindi si riduce la differenza tra
duegenerichefrequenze armoniche consecutive kfo- (k -1).10 =.10.Ci deter-
minaun infittimento dello spettro del segnale se la scala di rappresentazione
dellefrequenze resta la stessa. Inoltre, dalla (3.1.5) si nota che l'ampiezza dei
coefficientitende a ridursi man mano che ~ cresce; al limite, per ~ ~ lo 00,

spettrodi xp(t) tende a divenire sempre pi fitto e ad assumere valori sempre


pi piccoliper tutte le frequenze armoniche. La Figura 3.3, relativa al treno di
impulsirettangolari(3.1.2), rappresenta lo spettro di ampiezza del segnale xp(t)
pertre diversivalori del periodo 1;,e per un valore di T assegnato, ed evidenzia
chiaramentei due fenomeni appena discussi. Per evitare di dover specificare il
particolarevalore del periodo T in secondi, la scala delle frequenze stata nor-
malizzataal valore della durata T dell'impulso x(t). Nel grafico si utilizza una
variabile"adimensionale" data appunto dal prodotto fT, come chiaramente indi-
catonella dicitura dell'asse delle ascisse. Questo procedimento di normalizza-
zionedellefrequenzeo dei tempi(ed eventualmentedelleampiezze)verrusato
sistematicamentenelle pagine a seguire per comodit di rappresentazione.
Si pu facilmente ovviare al problema della riduzione delle ampiezze delle
/ ----
righespettralidefinendo, per ciascuna delle frequenze armoniche kfo,una sorta
di"coefficientedi Fourier modificato":
To/2

X(kfo)!1;, Xk = f
-To/2
xp(t) e-j21d.fo'dt= Tsinc(kfoT) (3.1.6)

cheevidentemente
una quantitche non tende a zero per To~ 00. La Figura
3.4rappresentaappunto l'andamento del modulo di X(kfo) nei casi considerati
in Figura 3.3. Intenzionalmente, stata abbandonata la rappresentazione "a
righe"dello spettro di ampiezze per passare a una rappresentazione "per punti"
che evidenzia solo il valore dello spettro in corrispondenza della frequenza
armonicagenerica, e mette ancora meglio in evidenza l'infittimento delle
armoniche.
Riscriviamo dunque l'espansione in serie di Fourier di x/t) usando il
coefficientemodificato (3.1.6):
,.

54 Capitolo 3

-
Xp(t) = LX(kh) ej21!kfol. io (3.1.7)
k=-oo

1.2
TofT=4
1.0

0.8

0.6

-0.2
-4 -3 ~ ~ O 1 2 3 4

Frequenza normalizzata, fT

Figura 3.3 Spettro di ampiezza del segnale periodico x p (t)

Possiamo adesso effettuare il passaggio cruciale al limite per Tu ~ 00 (ovvero


per io ~ O). Il segnale periodico x/t) a primo membro della (3.1.7) si
trasforma nel segnale aperiodico x(t); si nota inoltre che la serie a secondo
membro esattamente una somma di valori di una funzione valutata sui punti
discretiequispaziati kh (e cio X(kfo)ej2I!kfol), moltiplicati per il valore della
distanza io tra due punti consecutivi, distanza tendente a zero quando 'lo~ 00.
Al limite, la somma (per definizione!) si trasforma in un integrale, e si ottiene
un6 sviluppo del segnale aperiodico x(t) come segue:
-
x(t) = JX(J)ej21iftdf (3.1.8)

Il segnale aperiodico dunque rappresentabile attraverso il cosiddetto integrale


di Fourier. Resta da determinare l'espressione della funzione X(f) che compare
nell'integrando della (3.1.8). Innanzitutto, chiaro che tale quantit risulta una
funzione complessa della variabile continua f, che mantiene il significato di
frequenza. L'espressione di X(!) si ottiene passando al limite per Tu~ nella00

espressione (3.1.6) del coefficiente di Fourier modificato:

~
Segnali aperiodici a tempo continuo 55

To/2 ~

= Tu-+00
X(j) lim
h~O-~P
J x I,(t) e-j2rrk!01 dt =
-
J x(t) e-j21if/dt (3.1.9)

cherappresenta la trasformata continua di Fourier del segnale x(t). In maniera


euristica,possiamo dire che la variabile continua f , in un certo senso, il limite
dellavariabile discreta kfodi partenza, quando .io ~ O. La Figura 3.5, che rap-
presenta l'ampiezza della X(f) risultante per il treno di impulsi rettangolari,
permettedi visualizzare il passaggio al limite tra il coefficiente di Fourier modi-
ficato X(kfo) di Figura 3.4, ancora funzione di variabile discreta, e la trasfor-
matadi Fourier X(f), funzione, al contrario, di una variabile continua.
1.2

1.0

0.8

@
0.6
'"O
'.' TJT=16
X
0.41
@
0.2

~2
4 ~ ~ ~ O 2 3

Frequenza normalizzata, fT

Figura 3.4 Andamento del modulo del coefficiente di Fourier modificato X(kf.)

Commentiamo il risultato ottenuto. Nella serie di Fourier per un segnale pe-


riodico, quest'ultimo viene rappresentato mediante componenti sinusoidali a
frequenzein relazione armonica, cio tutte multiple di un'unica fondamentale, e
di ampiezzafinita. Nel caso del segnale aperiodico, la (3.1.8), detta anche anti-
trasformatadi Fourier (o trasformata inversa di Fourier), permette ancora di
rappresentareil segnale aperiodico x(t) come la sovrapposizione di componenti
sinusoidali,ma stavolta di ampiezza infinitesima X(J) df e di frequenza f va-
riabilecon continuit su tutto l'asse reale. In altre parole, il segnale aperiodico
visto come_un_segnaleperiodico "di peri.2.QQ. illimiiato~e_'l-uiJJdicon frequenza
fondamentale"infinitamente piccola". La .oJjedjsreJa di armoniche della serie
r
56 Capitolo 3

degenera quindi nell'insieme continuo di componenti proprio dell'integrale di


Fourier (antitrasformata).
1.2

1.0

0.8

-'+-
I:::: 0.6

X 0.4

0.2

0.0

-0.2
-4 -3 -2 -1 o 1 2 3 4

Frequenza normalizzata, fT

Figura 3.5 Ampiezza della Trasfonnata di Fourier dell'impulso rettangolare

Riportiamo di nuovo le due equazioni relative alla rappresentazione del


segnale aperiodico:
- -
x(t) = JX(J) ej21[{r dI X(J)= Jx(t)e-j21[{rdt (3.1.10)

La prima delle due rappresenta evidentemente un'equazione di sintesi che


permette di rappresentare il segnale come sovrapposizione di segnali elementari,
e
ed chiaramente analoga alla (2.2.9) per i segnali periodici; la seconda
un'equazione di analisi (analoga alla (2.2.15)) che permette di determinare il
peso che le varie componenti frequenziali (a tutte le possibili frequenze variabili
con continuit da -00 a -too) hanno nella composizione di x(t). Tali relazioni
mettono in corrispondenza un segnale del tempo con la propria trasformata di
Fourier, funzione a valori complessi della frequenza. Come d'uso anche con i
coefficienti di Fourier, le relazioni (3.1.10) vengono riassunte con la notazione

x(t) <=> X(J) (3.1.11)

..
-
Segnali aperiodici a tempo continuo 57

Un modo alternativo di indiare sinteticamente le operazioni di trasformata e


antitrasformata quello mutuato dalla notazione degli operatori caratteristica
dell'analisifunzionale:

X(f)=.r[x(t)] , x(t)=.r-1[X(f)] (3.1.12)

dalla funzione complessa X(I) le funzioni reali modulo A f e fase 1')(1)


secondo la relazione

X(J)= A(I)eNU)

La funzione A(I) rappresenta lo spettro di ampiezza del segnale, la funzione


1J(J)il suo spettrQdi fase. Naturalmente, i due spettri forniscono informazioni
r
In analogia a quanto visto per i coefficienti di Fourier Xk' si soliti estrarre

(3.1.13)

sull'ampiezzae sulla fase delle componenti frequenziali alla generica frequenza


f incui il segnale viene scomposto dal!' operazione di trasformata.
Per completezza, osserviamo che d'uso talvolta esprimere la trasformata
continuadi Fourier in funzione della pulsazione OJ= 21if (misurata in rad/s) an-
zichin funzione della frequenza (in Hz). Dalle (3.1.8)-(3.1.9), con un cambia-
mentodi variabile, si possono ricavare le equivalenti relazioni

(3.1.14)

che tuttavia non verranno pi prese in considerazione in questo testo.

Esempio 3.1
Consideriamoil segnale impulso rettangolare x(t) =rect(t/T) e calcoliamone la
trasformata di Fourier x(I). Questa data da

~ T/2 -j2rift T/2 . ('1rfT )


-
X(J)=Jx(t)e-j2riftdt=
=Tsinc(jT)
J e-j2rftdt=~
-T/2 ]21if I
-T/2
=~..
1if
(E3.1.l)

Gli spettri di ampiezza e di fase del segnale x(t) sono rappresentati nella
Figura3.6. Lo spettro di ampiezza presenta infiniti nulli per tutte le frequenze
multiple intere dell' inverso della durata dell'impulso (esclusa ovviamente
f =O).Il risultato trovato si pu dunque riassumere come segue:
58 Capitolo 3

rect(t / T) <=>Tsinc(fT) (E3.1.2)

1.2

1.0

0.8

--
t: 0.6

X 0.4

0.2

0.0

-0.2
-4 -3 -2 -1 o 2 3 4

Frequenza normalizzata, fT (a)

I I I I I I

4 -
1t

2
-
C
al

-l
::t::..
X
O

"J
-2 -

-1t
-4 - -
I I I I I I
-4 -3 -2 -1 O 2 3 4

Frequenza normalizzata, fT (b)

Figura 3.6 Spettro di ampiezza (a) e di fase (b) dell'impulso rettangolare di ampiezza unitaria

Una verifica sulla correttezza di una coppia segnale<=>trasformata pu essere


effettuata osservando che dalla equazione di analisi (3.1.9) con f = O si ha:

L..
Segnali aperiodici a tempo continuo 59

(E3.1.3)
X(O)=f x(t) dt

cioil valore dell'integrale su tutto l'asse reale di un segnale pari al valore per
f =Odella sua trasformata. Nel nostro caso abbiamo infatti
(E3.1.4)
X(O) = Tsinc(O) =T

Tf2

(
~

(E3.1.5)
f rect(t / T) dt = f 1 dt = T
-Tf2

checonfermanola correttezza della (E3.1.l). Naturalmente, la trasformata X(f)


(E3.1.1) appena ricavata esattamente uguale al risultato che si ottiene
calcolandoil limite del coefficiente di Fourier modificato (3.1.6) del treno di
impulsirettangolari per To--7 00, cio io --7O,e kfo--7i. O

Esempio 3.2
Nella teoria dei segnali e dei sistemi utile definire la funzione gradino unitario
I I
u(t) (detta anche funzione di Heavyside), come segue: lI
l t>O
(E3.2.1)
u(t)= 1/2 t=O
{ O t<O

Tale funzione, discontinua nell'origine, utile per rappresentare in modo


conciso i segnali cosiddetti causati o cisoidati, cio nulli pert < O. Un esponente
di questa classe il segnale esponenziale unilatero x(t) = e-1fTu(t) mostrato in
Figura3.7, la cui trasformata di Fourier X(f) pari a
~

X(J)= fx(t)e-j2/ifidt=
~

fe-I'Tu(t)e-j2/ifldt=
-f
o e-I(lfT+j2/if)dt

e-I(lfT+j2/if) 1=- T
(E3.2.2)
=- 1/ T + j21if 1 1=0 = 1+ j21ifT
Allora gli spettri di ampiezza e di fase del segnale x( t) sono dati da

T (E3.2.3)
, e(J) = - arctg(21ifT)
A(J) = ~l + (21ifT)2
r

60 Capitolo 3

e sono rappresentati in Figura 3.8. Contrariamente alla Figura 3.6, lo spettro di


fase stato rappresentato in gradi anzich radianti, come d'uso nella pratica.
1.25

1.00

0.75

-
....
X 0.50

0.25

0.00

-0.25
-2 -1 o 1 2 3 4 5 6

Tempo normalizzato, t!T

Figura 3.7 Segnale esponenziale unilatero


o

3.2 Propriet della trasformata di Fourier


3.2.1 Criteri di esistenza
Indichiamo adesso delle condizioni sufficienti per la rappresentazione del se-
gnale x(t) attraverso la propria trasformata di Fourier X(J), nel senso gi di-
scusso riguardo la serie di Fourier. Se tali condizioni sono soddisfatte possibile
afferm~e che la conoscenza dell'andamento nel tempo del segnale x(t) equi-
valente alla conoscenza dell'andamento frequenziale della relativa trasformata di
Fourier.
Una prima condizione sufficiente afferma che se il segnale x(t) ha energia
finita:
~

Ex = Jlx(t)12dt <+00 (3.2.1)

allora la trasformata X(J) esiste, nel senso che l'integrale nella (3.1.9) con-
vergente, e la rappresentazione del segnale come integrale di Fourier (antitra-
sformata) coincide quasi ovunque col segnale originario x(t).
Segnali aperiodici a tempo continuo 61

1.25

1.00

0.75

--
!;
- 0.50

0.25

0.00

-0.25
-5 -4 -3 .2 -1 o 1 / 2 3 4 5
Frequenza normalizza{a, 21tfT
(a)

180

135

90
-'5 45
--
<tS
...
O>
O
X -45
'\J

-90

-135

-180
-5 -4 -3 -2 -1 O 1 2 3 4 5
Frequenza normalizzata, 21tfT
(b)

Fjgura 3.8 Spettro di ampiezza (a) e fase (b) del segnale esponenziale unilatero

Un secondo criterio sufficiente meno restrittivo (criterio di Dirichlet) pu essere


enunciato come segue (si confronti con il criterio per la serie di Fourier nel
Paragrafo 2.3):

. se il segnale x(t) assolutamente sommabile, ovvero f: Ix(t) Idt < -too ;


. se in qualunque intervallo finito ti ~ t.~ t2 il segnale x(t) ha un numero finito
di discontinuitdi prima specie;
62 Capitolo 3

. se in qualunque intervallo finito t] ~ t ~ t2 il segnale x(t) ha un numerofinito


di massimi e minimi;
allora il segnale rappresentabile come integrale di Fourier (cio antitra-
sformata della sua propria trasformata di Fourier X(J secondo le (3.1.10),e
nei punti di discontinuit l'integrale di Fourier converge alla semisomma dei
limiti destro e sinistro del segnale.
3.2.2 Simmetrie degli spettri
La funzione complessa X(J) pu essere rappresentata in forma polare (3.1.13)o
in forma rettangolare:

X(J) = R(J) + jf(J) (3.2.2)

ove R(J) e f(J) ne rappresentano rispettivamente la parte reale.e la parte


immaginaria. Cerchiamo ora di stabilire in che modo le propriet della funzione
x(t) si riflettano nella sua trasformata.
Supponiamo che x(t) sia una funzione reale; in tal caso le funzioni R(J) e
f(J) si ricavano immediatamente dalla (3.1.9):
~

R(J) = f x( t) cos( 21ift )dt (3.2.3)

f(J) =- f x(t) sin(21ift)dt (3.2.4)

Da quest; espressioni si vede chiaramente che

R(J) = R(-f) (3.2.5)

f(J) = -f( - f) (3.2.6)

ovvero la parte reale della trasformata di un segnale reale una funzione pari
della frequenza, mentre la parte immaginaria ne una funzione dispari. Queste
simmetrie si possono riassumere scrivendo

X(J) = X*(- f) (3.2.7)

secondo cuipa trasformata di un segnale reale gode della propriet di simmetria


Hermltiana Jo coniugata). La medesima propriet si riflette ovviamente ancb
r nelle funzioni A(J) e 1J(J): .
Segnali aperiodici a tempo continuo 63

A(j) = A(-f) (3.2.8)

1J(j)= -6(- f) (3.2.9)

per cui lo spettro di ampiezza di un segnale reale una funzione pari, mentre il
suospettrodi fase dispari (si rivedano a questo proposito le Figure 3.6 e 3.8).
3.2.3 Segnali pari e dispari
Supponiamoadesso che x(t) sia un segnale reale e pari. Le (3.2.3)-(3.2.4) si
semplificanocome segue

(3.2.10)

[
R(J)= 2 x(t)COS(2*);
f(j) = O (3.2.11)

poich la funzione integranda della (3.2.3) pari, mentre quella della (3.2.4)
dispari.Ci dimostra che la trasformata di un segnale reale e pari una funzione
realee pari della frequenza. Se invece x(t) reale e dispari, le (3.2.3)-(3.2.4)
diventano

(3.2.12)

J
f(j) = -2 x(t) sin(2Jift)dt
o
(3.2.13)

poichstavolta la funzione integranda della (3.2.3) dispari, mentre quella della


(3.2.4) pari. Perci, la trasformata di un segnale reale e dispari una f~nzione
pura e dispari.
!!!!!!:!aginaria

\, 3.3 Teoremi sulla trasformata di Fourier


Dalla definizione di trasformata, seguono facilmente alcune ulteriori propriet,
che chiameremo teoremi, estremamente utili nel calcolo delle trasformate dei
segnali e comunque nell.'uso dell'analisi di Fourier in problemi di carattere
applicativo.
3.3.1 Teorema di linearit
Pu essere conveniente in molti casi esprimere un segnale x(t) come combina-
zionelineare di due segnali XI(t) e X2(t):
64 Capitolo 3

I x(t)~a:l(t)+bX2(t)) (3.3.1)
co; a e b costanti. Indicando come di consueto con XI(J) e X2(J) le trasfor-
mate rispettivamente dei segnali XI(t) e X2(t), la trasformata X(J) di x(t) al-
lora

(3.3.2)
( X(J) = a XI (J) ~ b X2U)J
Infatti, applicando la definizione di trasformata (3.1.9) abbiamo
~ ~

X(J) = f x(t) e-j211jt dt = Ha xl(t) + b X2(t)] e-j211jtdt (3.3.3)

e sfruttando la linearit dell'integrale otteniamo


~ ~

X(J) = a f xl(t) e-j211jtdt+ b f x2(t) e-j211jtdt = a XI (J) + b X2(J) (3.3.4)

3.3.2 Teorema di dualit


La similitudine tra le relazioni (3.1.10) di trasformata e antitrasformata intese
come "operatori" sulle funzioni rispettivamente x(t) e X(J) permette di risol-
vere una questione: se X(J) indica la trasformata del segnale x(t), qual la tra-
sformata del segnale temporale X(t), avente cio lo stesso andamento temporale
originariamente posseduto nell' ambito frequenziale dalla trasformata di X(l)?
La risposta la seguente: se

(3.3.5)
~~X(JD
allora

(3.3.6)

Infatti, sappiamo che il segnale x(t) legato alla sua trasformata dalla relazione
~

f
x(t) = X(J) ej211jtdJ (3.3.7)

Scambiando formalmente le variabili t ed J nella (3.3.7) si ricava


~

x(J) = f X(t) ej2Trt/ dt (3.3.8)


N

Segnali aperiodici a tempo continuo 65

Se poi in questa relazione si effettua un cambiamento di variabile sostituendo


allavariabile f la variabile - f, si ottiene
~

x(-f) = JX(t)e-j21ifldt (3.3.9)

che coincide con la (3.3.6).

Esempio 3.3

Consideriamoil segoale x(t) ~ sinc(B(ffiPiO 3.1 sappiamo che


rec{~)<=> T sinc(jT) (E3.3.I)
Utilizzando la propriet di dualit allora possibile scrivere: I
I
,
(E3.3.2)
Tsinc(T t) <=>rec{ - ~)
Poich l'impulso rettangolare una funzione pari, ponendo formalmente

B =!5Si trova la seguente relazione, duale della (E3.1.I): I ~

f
-- sinc( B t) <=>! rect
B (B ) (E3.3.3) i I

J'T]
'/
-J O
Il
3.3.3 Teorema del ritardo
Come viene modificata la trasformata di un segnale se questo viene traslato
sull'assedei tempi (cio, anticipato o ritardato)? Sia dunque X(J) la trasformata
del segnale x(t); allora la trasformata del segnale traslato verso destra della
quantitto

(3.3.10)

Questa operazione corrisponde evidentemente a un ritardo se to> O, e a un


anticipose to< O. Applicando la definizione di trasformata si ha
~

x(t-to)<=> J x(t-to)e-j21iftdt (3.3.11)


66 Capitolo 3

Se nell'integrale che figura nella relazione precedente si effettua il cambiamento


di variabile a = t - to si ricava
~ ~

x(t - to) <=> f x( a) e-j21if(a+to )da = e-j21ifto f x( a) e-j21ifada


(3.3.12)

dalla quale segue immediatamente la (3.3.10).


Questa propriet mostra che un ritardo temporale modifica lo spettro di fase
della trasformata del segnale ma non cambia il suo spettro di ampiezza. Infatti,
se si indica con f(J) la trasformata di Fourier del segnale x(t - to)' il teoreIlta
del ritardo si traduce nelle seguenti relazioni: /

If(J)1 = IX(J)I (3.3.13)

Lf(J) = LX(J) - 27ifto (3.3.14)

la seconda delle quali sottolinea che lo sfasamento introdotto dal ritardo to varia
linearmente con la frequenza.

Esempio 3.4
Consideriamo l'impulso rettangolare dell'\ Esempio 3.1 ritardato di met della
sua durata (Figura 3.9):

(E3.4.1)
x(t) = rec{t -;/2)
e calcoliamo la sua trasformata continua.

x(t) .
.A

+
T/2 T t

Figura 3.9 Impulso rettangolare ritardato

Utilizzando la (E3.LI) e il teorema del ritardo (3.3.10) si ricava che


~

.J

Segnali aperiodici a tempo continuo 67

X(J)!T sinc(jT) e-j21C/T/2


= AT sinc(jT) e-jlrjT (E3.4.2)

Lo spettro di ampiezza del segnale ancora quello rappresentato in Figura 3.5,


mentre il nuovo spettro di fase rappresentato in Figura 3.10. Si noti che lo
spettrodi fase viene rappresentato riducendo il valore della fase tra -re e re,cio
se ne considerail valore modulo-2re.

180

135

90
-'5 45
(\j
....
--
C>

X
"J
- o

-45

-90

-135

-180
-5 -4 -3 -2 -1 o 1 2 3 4 5

Frequenza normalizzata, fT
"O

Figura 3.10 Spettro di fase dell'impulso rettangolare ritardato


o
Esempio3.5
Consideriamo il segnale esponenziale unilatero dell'Esempio 3.2 ritardato di
to = T/l 6 secondi:

(E3.5.1)
I
e ca1coliamonela trasformata continua X(f). Il segnale x(t) rappresentato a
tratto spesso in Figura 3.11, insieme al segnale esponenziale non ritardato,
, I
mostrato a linea tratteggiata. Utilizzando la (E3.2.2) e il teorema del ritardo
(3.3.10)si ricava:

X(J) = T e-j2rrfto = T e-jTrjT/8 (E3.5.2)


1 +j2rcjT l + j2rcjT
W-.- -
I

68 Capitolo 3

1.25

1.00

0.75

--
X
0.50

0.25

0.00
to=T/16
-0.25
-0.4 0.0 0.4 0.8 1.2 1.6 2.0 2.4

Tempo normalizzato, t/T

Figura 3.11 Segnale esponenziale ritardato di to=T/16


...

Lo spettro di ampiezza del segnale ancora quello rappresentato in Figura 3.8a.


Lo spettro di fase invece rappresentato in Figura 3.12 (a tratto spesso) ed
III espresso da

fJ(J) = - arctg(21ifT) -1ifT /8 (E3.5.3)

Nella stessa figura sono anche illustrati gli andamenti dei due adendi a secondo
membro della (E3.5.3). D

. 3.3.4 Teorema del cambiamento di scala


Per illustrare il significato di questo teorema facciamo riferimento come caso di
studio all'impulso rettangolare x(t) di durata T (3.1.1), avente come trasformata
X(!) = Tsinc(fF), e a un impulso rettangolare y(t) di durata doppia:

(3.3.15)
y(t) = rec{;T ) ~ 2Tsinc(2fF)
Possiamo considerare y(t) come una versione "rallentata" di x(t), perch la
forma del segnale rimastainalterata,ma la sua durata raddoppiata. Dalla
(3.3.15) si nota che y(t) ha ancora una trasformata del tipo sinc(.). il cui lobo
principaleperha unalarghezza(danulloa nullo)pari a 1fT, cioparialla met
della larghezza 2/T del lobo principale della trasformata di x(t).
...

Segnali aperiodici a tempo continuo 69

180

135

90 '"
..-.
'6 45

-
-9
..-.
X -45
o

"J

-90

-135

-4 -3 -2 -1 o 2 3 4 5

Frequenza normalizzata, fT

Figura 3.12 Spettro di fase dell'esponenziale unilatero ritardato di T/16


"-

Questocaso particolareesemplificala situazionegeneralein cui i due segnali


sono legati dalla relazione

y( t ) = x( at ) (3.3.16)
cio si effettua un cambiamento della scala temporale. Moltiplicando la varia-
bile indipendente t del segnale x(t) per il coefficiente a si producono i seguenti
effetti:

lal>1 ~ compressione della scala dei tempi


lal<1 ~ dilatazione della scala dei tempi
a<O inversione della scala dei tempi
In altri termini, se lal < I l'evoluzione del segnale viene "rallentata", viceversa
se lal > l il segnale viene "accelerato". Operazioni di questo tipo vengono
effettuate correntemente nell'elaborazione dei segnali registrando il segnale su
nastro o su disco a una certa velocit e riproducendolo a velocit diversa.
Supponiamo per semplicit che sia a > O e calcoliamo la trasformata del segnale
x(at). Possiamo scrivere:
~

x(at) :> J x(at) e-j21r/'dt (3.3.17)


70 Capitolo 3

Effettuando la sostituzione z = a t a secondomembrosi ha

1 ~ . 1 I
x(at) <=>-
a- J x(z) e-J21if</a
dz = -x
a (),
-
a a> O (f.3.18)
Se invece a < O allora la (3.3.18) si modifica nella

(3.3.19)

I risultati (3.3.18)-(3.3.19) possono allora essere riassunti da

(3.3.20)
rat)~ ,~x(f~
Si nota che una dilatazione dell'asse dei tempi compnr.ta,,!oa-c:ompressionedel-
l'asse delle frequenze, e viceversa. Se infatti il segnale vie~"i.-allentato"
-- . ven-
gono a predominare le componenti frequenziali a bassa frequenza che sono re-
sponsabili per cos dire dell' evoluzione lenta del segnale; lo spettro allora si
"addensa" nell'intorno della frequenza nulla.

Esempio 3.6
Consideriamo i seguenti due segnali (Figura 3.13):

(E3.6.1)
x(t) = sinc( ~ )

(E3.6.2)

Se si osserva che

y(t) = x(at) (E3.6.3)

con a = 1/2, applicando il teorema del cambiamento di scala si ricava:

f(f) = 2 X(2j) =2Trect(2jT) (E3.6.4)

L'andamento dei segnali x(t) e y(t) e delle loro trasformate X(f) e f(f)
illustrato nella Figura 3.13, che evidenzia molto bene il comportamento "duale"
nei domini tempo e frequenza: al segnale pi "veloce" x(t) (compresso nel
...

Segnali aperiodici a tempo continuo' 71

tempo) corrisponde una trasformata X(J) contenente componenti a pi alte


frequenze(espansa in frequenza).
1.5

1.0
x(l)
o
Q.
E
Q)
I- 0.5

(ij
c:::
O>
Q)
Cf) 0.0

-0.5
-5 -4 -3 -2 -1 o 2 3 4 5

Tempo normalizzato, t/T (a)

2.5

t....
Q)
2.0
Y(f)=X(f/a)/1 a I la=1/21
.L:
::J 1.5
o
u..
'5 X(f)

-1
Q) 1.0

E
....
0.5
-oCI)
1
....
t: 0.0

-0.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Frequenza normalizzata, fT (b)

Figura 3.13 Andamento temporale (a) e spettro (b) dei segnali dell'Esempio 3.6
o
Esempio 3.7
Calcoliamo la trasformata di Fourier Y(J) del segnale esponenziale bilatero
rappresentatoin Figura 3.14a:
72 Capitolo 3

y(t) = e-111fT (E3.7.1)

1.25

1.00

0.75

-->- 0.50

0.25

0.00

-0.25
-5 -4 -3 ~ ~ o 1 2 3 4 5
Tempo normalizzato, VI (a)

2~

2.00

1.50

-
I:::
):'
1.00

. 0.50

0.00

-0.50
-3.0 -2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0

Frequenza normalizzata, fT (b)

Figura 3.14 Andamento temporale (a) e spettro (b) del segnale esponenziale bilatero

Il segnale y(t) pu essere espresso in funzione del segnale esponenziale unila-


tero x(t) =e-1fTu(t) dell'Esempio 3.2 come

y(t) = x(t) + x(-t) (E3.7.2)


.....

Segnali aperiodici a tempo continuo 73

Utilizzandoil teorema del cambiamento di scala con a = -1, dalla (E3.7.2)si


ncava:

f(J) = X(J) + X(-i) (E3.7.3)


Sostituendol'espressione di XJf}data dalla (E3.7.2) si trova infine l'espres-
sionedi f(J): (
f - T + T - 2T (E3.7.4)
(J) - 1+ j2rcjT 1- j2rcjT - 1+ (2rcjT)2
rappresentata in Figura 3.l4b. o
3.3.5 Teorema della modulazione
Enunciamo ora formalmente il cosiddetto teorema della modulazione prima di
descriveme una applicazione importante. Se, come di consueto, x(t) <=>X(f),
allora

x(t )cos( 2rcfot) <=>X(J - io) + x(J + io) (3.3.21)


I
r
Cerchiamo infatti la trasformata del segnale a primo membro: I
I
~ I
.'f[x(t)cos(2rcfot)] = J x(t)cos(2rcfot) e-j2;rjidt (3.3.22)

Ricordando che

cos( 2rcfot ) = ej2trfol + e - j2trfol


2 (3.3.23)

SIncava

(3.3.24)
= ~ Ix(t) e-j211(J-!o)1 dt + ~ j x(t) e-j21C(j+!o)1 d~

Rivolgiamoora la nostra attenzione al primo integrale della (3.3.24); imme-


diatorendersi conto che
74 Capitolo 3

J x(t) e-j2n(J-fo)t dt = X(J - fu) (3.3:25)

Una prima conclusione che possiamo trarre la seguente: se un segnale viene


moltiplicato per un fattore esponenziale complesso ej21ifot,la sua trasformata di/
Fourier viene traslata attorno alla frequenza io. Questorisultatorappresenta(ra
cosiddetta propriet di traslazione in frequenza della trasformata e pu essere
riassunto come segue:

(3.3.26)

Allora la trasformata cercata del segnale modulato x(t) cos(2J%t) pu essere


espressa come

j"[x(t)cos(2J%t)] = X(J - fu) + X(J + fu) (3.3.27)

Esaminiamo ora una applicazione pratica di questo risultato.

Esempio 3.8
noto che gli oggetti metallici riflettono le onde elettromagnetiche, e che questa
propriet dei corpi conduttori si accentua al crescere della frequenza della radia-
zione incidente. Su questo fenomeno sono basati i sistemi radar1 di rivelazione e
misura della distanza di oggetti metallici (tipicamente aerei o navi). Lo schema
di principio di un radar rappresentato in Figura 3.15: l;antenna trasmittente
emette un impulso radio x(t) e si dispone a ricevere poi un segnale y(t) di eco
riemesso dal bersaglio per semplice riflessione. L'eventuale ricezione di un' eco
permette di rivelare la presenza del "bersaglio radar", cio di un oggetto metal-
lico di grosse dimensioni.
Attraverso la misura del ritardo dell'eco rispetto all'istante di trasmissione
dell' impulso possibile inoltre calcolare la distanza dell' oggetto riflettente dal
trasmettitore. I segnali trasmesso e ricevuto sono schematizzati in Figura 3.16.
Se indichiamo con 1: il ritardo di ricezione dell' eco radar e d la distanza che
separa il radar dall'oggetto individuato, possiamo scrivere

d=c1:/2 (E3.8.1)

1 Radar l'acronimo di RAdio Detection And Ranging, letteralmente: rivelazione e misura della
distanza tramite onde radio.
Segnali aperiodici a tempo continuo 75

ove c la velocit di propagazione dell'onda elettromagnetica (c = 3.108 rnIs).


11fattore 1/2 che compare nella relazione (E3.8.1) deriva dal fatto che l'impulso
percorreduevoltela distanza d antenna-bersaglio.

.\

Impulso
trasmesso
radar "')
Eco ,~ ,
~
'

Antenna \t~~~~""
rotante . , \. \.
. ~,~
I
\\ f
.
. J
r l I ,
r

I r
r
i

Figura 3.15 Sistema radar

't ..I1
I
I
1
x(t) I
I
1
I
I
I
y(t)
I I I
01 T 't HT t

Figura 3.16 Segnale trasmesso ed eco radar

11valore tipico della durata T dell'impulso trasmesso x(t) pari all'incirca a l


Ils. Viene utilizzato un valore cos piccolo per evitare che, usando impulsi di
duratamaggiore, l'eco possa sovrapporsi all'impulso trasmesso. Lo spettro di
76 Capitolo 3

ampiezza del segnale trasmesso allora

IXer)1= T Isinc(jT)1 (E3.8.2)

Se si osserva l'andamento della funzione IX(J)I riportato in Figura 3.5, si pu


notare che la parte pi significativa dello spettro dell'impulso rettangolare
contenuta entro un intervallo frequenziale che si estende dalla frequenza zero
fino a ~ = l/T che rappresenta il primo nullo della funzione sinc(} Con il va-
lore di T = 1 j..ls,possiamo affermare dunque che le componenti frequenziali si-
gnificative nello spettro del segnale sono limitate a valori dell'ordine di 1 MHz.
Sfortunatamente, tali valori di frequenza sono troppo bassi per provocare una ri-
flessione adeguata del segnale radio, e non garantiscono quindi una rilevazione
efficace dell'eco radar. Diventa necessario trasmettere un segnale che presenti
contemporaneamente durata limitata per quanto gi visto, ma la cui parte signi-
ficativa dello spettro si trovi afrequenze molto pi elevate, in pratica dell'ordine
di lo = 1GHz = 109Hz, per dar luogo a una buona riflessione e quindi a una
buona eco. Ci che viene trasmesso dal radar allora un impulso a radiofre-
quenza

(E3.8.3)
x(t) = rec{~ )cOS(21%t)
il cui andamento rappresentato in Figura 3.17. Il segnale risultante uno
"spezzone" di durata T dell'oscillazione cosiddetta portante alla frequenza lo.
Nella Figura 3.17, la frequenza portante pari a sole lO volte l'inverso della du-
rata dell'impulso. In realt, se T = 1 j..lsed io = 1 GHz, l'impulso trasmesso ri-
sulta formato da un migliaio di cicli dell' oscillazione portante. Lo spettro del-
l'impulso a radiofrequenza immediatamente calcolabile mediante il teorema
della modulazione:

(E3.8.4)
rec{ ~ ) cos(27ifot) <=>T sinc[ (J - fo)T] +2 T sinc[ (J + io)T]

che viene rappresentato, ancora nel caso semplificato io = IO/T, in Figura3.18.


Si ottiene uno spettro sostanzialmente concentrato attorno alla frequenza lo,
mantenendo un segnale di tipo impulsivo con durata-ancora pari a T. Nel caso
reale in cui io = 1 GHz, le due repliche dello spettro originario create dalla mo-
dulazione sono molto pi "distanziate" sull'asse frequenziale nei confronti della
larghezza dei lobi delle funzioni sinc(.) di quanto la Figura 3.18 non mostri.
Segnali aperiodici a tempo continuo 77

1.5 I I I I I I I I

1.0 f- -

-~o 0.5
I-
fo=10rr
\
I

-
C\I
(j)
8 0.0

~
- I- -
~
.... -0.5

-1.0 -

I I I I I I I I I
-1.5
-2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2.5

Tempo normalizzato, t!T

Figura 3.17 Impulso a radiofrequenza

0.75

~
.....
I fo=1orr I

0.50
X-
-(\3
O
N
.!:1
(ij 0.25
E
....
O
c:
e
== 0.00
Q)
Cl.
rn

-0.25
-20 -10 o 10 20

Frequenza normalizzata, fT

Figura 3.18 Spettro dell'impulso a radiofrequenza


o
3.3.6 Teoremi di derivazione e integrazione
Nellaelaborazione dei segnali a tempo continuo, si effettuano spesso operazioni
78 Capitolo 3

di derivazione e/o integrazione temporale dei segnali stessi. Sorge quindi la


necessit di determinare le trasformate dei nuovi segnali ottenuti con tali
operazlO111.
Consideriamo dunque come di consueto un segnale x(t) con trasformata
X(J). Questi pu essere espresso come integrale di Fourier:
~

x(t) = J X(J) ej2J!fldf


(3.3.28)

Se inoltre il segnale derivabile,

dx(t) =!!:.- X(J)


dt dt -j ej2J!f1 df (3.3.29)

Procediamo nel calcolo del secondo membro della (3.3.29) invertendo le


operazioni di derivazione e di integrazione:

(3.3.30)

Nell'ultimo passaggio della (3.3.30) stato sfruttato il fatto che l'esponenziale


l'unica funzione che dipende da t. Calcolando quindi la derivata si ottiene

dx(t) =
dt -J
~ X(J)(j21if) df
ej2J!f1 (3.3.31)

Ponendof(J) = (j21if)X(J) nella (3.3.31) si ha infine

=
dx(t)
dt -J
~ f(J) ej2J!fldf (3.3.32)

e quindi (si confronti con la (3.3.28)) possiamo affermare che f(J) la


trasformata della funzione dx(t)/dt. Concludiamo allora con la seguente
relazione di corrispondenza che prende il nome di teorema di derivazione

dx(t) ~ j21if. X(J) (3.3.33)


dt

L'operazione di derivata temporale di un segnale si traduce, nel dominio della


frequenza, in una semplice operazione algebrica, e cio in una alterazione di
tutte le componenti frequenziali secondo un fattore j21if proporzionale al valore
Segnali aperiodici a tempo continuo 79

dellafrequenza stessa. Olt~ea uno sfasamento di In / 2 (a seconda del segno di


f), l'operazione di derivata comporta in particolare una esaltazione delle
c~iitpbnenti alle alte freq~~nz::. Q""uest~ fenomeno eVi nte dalla Figura 3:"19,'""
.

che mostra la derivata y(t) del segnale x(t)


j
= exp(- t l/T) (esponenziale
bilatero),lo spettro di tale segnale, e lo spettro di ampi za I Y(f) I del segnale
derivato dx(t)/ dt .
Risolviamoadesso il problema inverso; indichiamo con y(t) lafunzione inte-
grale(o segnale integrale, o primitiva) di x(t), definita come segue:
I

y(t) =f x(a) da (3.3.34)

Poichovviamente x(t) =dy(t)/ dt, utilizzando il teorema di derivazione si ha


X(J) =j21if Y(J) (3.3.35)
da cui si ricava

(3.3.36)

Il risultato noto come teorema di integrazione e si riassume con


1 l

fx(a) da ~ ~(J) (3.3.37)


L - ]21if I

Ancorauna volta, una operazione di calcolo differenziale in ambito temporale si


traducein una semplice operazione algebrica (una divisione per il fattore j21if)
in ambito frequenziale. In questo caso, dualmente al teorema di derivazione,
.vengonoesaltate le componentl a bassa frequenza nello spettro del segnale, e -
-
attenuatequelle alle alte frequenze.
Il teoremadi integrazione--- - sotto un'ipotesi
per valido -- ben precisa: dal punto
di vista puramente a1gebrico, la (3.3.36) equivalente alla (3.3.35) solo per
f * O. Quando f = O, affinch la (3.3.35) possa essere verificata, si deve avere
_X(O)= O, altrimenti l'uguaglianza impossibile. La condizione X(O) = O
equivale ad affermare che il segnale x(t) "sottende area nulla". Abbiamo gi
vistoinfatti nell' Esempio 3.1 che
~

f
X(O)= x(t) dt (3.3.38)
80 Capitolo 3

1.25

1.00

0.75

0.50
'5
::: 0.25
"
X
I-
0.00

~
>;
-0.25
-0.50

-0.75

.1.00

-1.25
.S -4 -3 -2 -1 O l 2 3 4 S

Tempo normalizzato, 1fT (a)

3.S0
." 3.00
i2"lflT
L I

:.: . I
~ I:S0 \ !
g ~ \A !
1.00

O.SO

0.00

-0.50
.3.0 -2.S -2.0 -1.S -1.0 -O.S 0.0 O.S 1.0 1.S 2.0 2.5 3.0

Frequenza normalizzata, fT (b)

I I I I I I I I I I I
1.00

O.SO

-
~
):'
0.00

-O.SO

-1.00
I I I I I I I I I I I
~ -4 ~ ~ 4 O l 2 3 4 S

Frequenza normalizzata, fT (c)

Figura 3.19 Derivata temporale (a) e trasformata (b) del segnale esponenziale bilatero;
trasformata della derivata dello stesso segnale (c)

l
Segnali aperiodici a tempo continuo 81

Alternativamente, la stessa condizione pu essere espressa dicendo che il


segnale y(t) deve tendere a un valore nullo quando t -7 00: y(-too)= O. Dalla
definizionedi funzione integrale (3.3.34) si vede infatti che
~

y(+oo)= J x(t) dt = X(O) (3.3.39)

Unesempio di applicazione del teorema di integrazione illustrato nella Figura


3.20in cui il segnale integrato x(t) sottende area nullaYngono mostrati il
segnaleintegrale y(t) (che ha valore all'infinito nullo); e le due trasformate
X(f) e Y(f).
L'ipotesi necessaria per l'applicabilit del teorema di integrazione deriva dal
fatto che se la funzione y(t) tendesse a un valore non nullo al tendere di t
all'infinito,essa non avrebbe energiafinita e in generale potrebbe non esistere la
suatrasformatadi Fourier. Dopo l'introduzione nel Paragrafo 3.4 delle funzioni
generalizzate, saremo in grado di ricavare una versione del teorema di
integrazionevalida incondizionatamente.

Esempio3.9
Vediamocome i teoremi di derivazione e integrazione risultino fondamentali
nell'applicazionedell'analisi di Fourier alla teoria dei circuiti lineari.
Consideriamo dunque il circuito elettrico di Figura 3.21 (squadra C-R).
Supponendo di conoscere la tensione in ingresso v;(t) ci proponiamo di
calcolare quella in uscita VI/(t). Stavolta, contrariamente a quanto visto nel
Paragrafo 2.1, non faremo nessuna ipotesi sulla periodicit del segnale
d'ingresso.Le due grandezze sono legate dalla semplice relazione

(E3.9.1)

dove vc(t) la tensione ai capi del condensatore C,

(E3.9.2)

La corrente di maglia i(t) inoltre legata alla tensione di uscita dalla relazione
i(t)= vl/(t)/R. Sostituendo quest'ultima e la (E3.9.2) nella (E3.9.1) si ricava

(E3.9.3)
82 Capitolo 3

1.5 1.5

1.0 -
1.0
0.5
C:
Sx 0.0 ~ 0.5
:;:;
-0.5
0.0
-1.0 -
-1.5 , ~5
-3 ~ ~ O l 2 3 ~ .2 -1 O 1 2 3

Tempo normalizzato, t!T Tempo normalizzato, t!T

(a) (b)

2.0

1.5

1.0

0.5
f-
0.0
g ..
-0.5

-1.0

.1.5

-2.0
.5 -4 -3 .2 -1 o l 2 3 4 5
Frequenza normalizzata, fT (c)

1.25

1.00

0.75

-
C:
0.50
>="
0.25

0.00

-0.25
-5 .4 -3 .2 -1 O l 2 3 4 5
Frequenza normalizzata, fT (d)

Figura 3.20 Applicazione del teorema di integrazione: segnale integrando (a), segnaleintegrale
(b), trasformata del segnale integrando (c) e trasformata del segnale integrale (d)
Segnali aperiodici a tempo continuo 83

C
+. + Il I . +
- i(t) ---..

v.I (t) R V u(t)

Figura 3.21 Squadra C-R

dalla quale, per derivazione, si ottiene l'equazione differenziale che caratterizza


il comportamento del circuito in ambito temporale:

dvu(t) = dvi(t) _! vu(t)


(E3.9.4)
dt dt CR

Poichil sistema in esame lineare, possibile applicare il principio di sovrap-


posizione degli effetti; questo ci suggerisce di risolvere il circuito nel dominio
dellafrequenza pensando di scomporre il segnale come integrale di Fourier. In
pratica,questo significa cercare di ricavare la trasformata del segnale di uscita in
funzionedella trasformata del segnale d'ingresso.
Supponiamo allora di conoscere V;(J) e di voler determinare v,,(J). Nelle
equazioni da risolvere (E3.9.3) o (E3.9.4) compaiono proprio operazioni di
derivazione o di integrazione di una funzione. Riconsideriamo ad esempio
l'equazione (E3.9.3):

vu(t)= vi(t)- ~ lvu~) da ,


\ (E3.9.5)

e trasformiamo ambo i membri di questa equazione; sfruttando il teorema di


integrazionesi ricava:

l v,,(J)
j2TCjRC V;(J) (E3.9.6)
v,;(J)= V;(J)- RC j21if v,,(J) = 1+ j2TCjRC

Allo stesso risultato si perviene naturalmente applicando il teorema di


derivazione all'equazione differenziale (E3.9.4). Si noti che le trasformate dei
segnalidi ingresso/uscita V;(J) e v,,(J) sono legate da una semplice relazione
Il

84 Capitolo 3

algebrica e non da una relazione differenziale come le corrispondenti grandezze


nel dominio del tempo. D

Esempio 3.10
Calcoliamo la trasformata continua di Fourier X(J) dell' impulso triangolare
x(t) di Figura 3.22. Troviamo allora la derivata prima s(t) = dx(t)/dt del
segnale dato (ancora rappresentata in Figura 3.22), e osserviamo che essa pu
essere espressa come segue:
A t + T/2 A t - T/2
s(t) = T rect (T )
- T rect T ( ) (E3.10.1)

Utilizzando il teorema del ritardo e la trasformata notevole dell'impulso


rettangolare (Esempio 3.1) si calcola direttamente la trasformata S(J) di s(t):

S(J) = AT T sinc(jT).. ej2rrjT/2- AT T sinc(jT) e-j2rrjT/2


= 2j A sinc(jT) sen(1ifT) (E3.10.2)
...f"'1 ~I
lJi\.(...i~ '''"''''I
x(t)
s(t)
A
Aff

-T T -T

-Aff

Figura 3.22 Impulso triangolare x(t) e sua derivata s(t)

Osserviamo adesso che x(t) evidentemente il segnale integrale di s(t), e che


x(+00)= O; possibile allora utilizzare il teorema di integrazione e ricavare

S(J) - j 2A sinc(jT) sin(1ifT)= A T sinc2(jT) (E3.l0.3)


X(J) = j21if - ."-L'
Segnali aperiodici a tempo continuo 85

3.3.7 Teorema del prodotto


Consideriamo adesso due segnali x(t) e y(t) con le rispettive trasformate di
Fourier X(t) e f(J). Si vuole calcolare la trasformata del segnale prodotto
z(t) = x(t) y(t). Essa espressa da
-+-o -
Z(t)= /=-00
Jz(t)e-j2~dt=1=-
Jx(t)y(t)e-j2~dt (3.3.40)

Sostituendoa x(t) la sua espressione come integrale di Fourier si ricava

(3.3.41)

Poichnel passaggio precedente compaiono due operazioni di integrazione,


abbiamoesplicitamente indicato sugli estremi di ogni integrale la variabile di
integrazionecui ci si riferisce; inoltre, nell'espressione di x(t) come integrale di
Founer,si usata una variabile di integrazione "muta" v con un nome differente
da f per non creare conflitti con la variabile f di cui la trasformata Z(J) risulta
funzione.Se nella (3.3.41) si inverte l'ordine di integrazione, ammettendo che
questaoperazionesia lecita, si ricava

(3.3.42)

L'integrale entro parentesi quadra rappresenta la trasformata di y(t) calcolata


perii valore della frequenza pari a (J - v); di conseguenza la (3.3.42) pu essere
riscrittacome
+00

Z(t)= V=-
J X(v) f(J - v) dv = X(J) Y(J)
<8>
(3.3.43) (
L'operazione indicata con il simbolo <8>prende il nome di integrale (o talvolta
impropriamenteprodotto) di convoluzione, o convoluzione tout-court. La convo-
luzione,introdotta qui in ambito frequenziale per il calcolo della trasformata del
prodottodi due segnali, ha un' importanza cardinale nella teoria dei sistemi line-
aristazionari, come vedremo pi avanti, nel Capitolo 4.
Dunque il risultato ottenuto pu essere riassunto come

x(t) y(t) <=> X(J)<8>


Y(J) (3.3.44)
86 Capitolo 3

Si noti che scambiando formalmente il ruolo di x(t) e y(t), per la propriet


commutativa del prodotto, anche Z(f) non deve cambiare. Ne segue che
l'integrale di convoluzione gode anch'esso della propriet commutativa, nel
senso che
+00

X(J)@ Y(J) = J X(v) Y(J - v) dv


+00

= J Y(v) X(J - v) dv = Y(f)@ X(f) (3.3.45)

3.3.8 Teorema della convoluzione


Consideriamo ora il caso duale del precedente, ovvero un segnale z(t) dato dal-
l'integrale di convoluzione in ambito temporale tra x( t) e y(t) :
~ ~

z(t) = x(t) <8>y(t) = Jx(a) y(t - a) da = J y(a) x(t - a) da (3.3.46)

e ca1coliamone la trasformata di Fourier. Procedendo come nel caso della


convoluzione in frequenza si ricava:
+00 ~ ~

Z(J)= Jz(t)e-j21iftdt= J Jx(a)y(t-a)dae-j21ifldt


1=-00
~ ~

= J x(a) J y(t-a)e-j21if(I-a+a)dt da
1=-00
~ ~

= Jx(a) Jy(t-a)e-j21if(,-a)dte-j21ifada
~

= J x(a) Y(J) e-j211jada= X(J) Y(J) (3.3.47)

e quindi

x(t)@ y(t) ~ X(J) Y(J) (3.3.48)

Lasciamo al lettore la verifica delle seguenti propriet di cui gode l'integrale di


convoluzione, che vanno ad aggiungersi alla propriet commutativa gi discussa
nell'ambito del teorema del prodotto:
. propriet associativa:

[x(t)@ y(t)] <8> z(t) = x(t) <8> [y(t) <8> z(t)] (3.3.49)
,
.....

Segnali aperiodici a tempo continuo 87

. propriet distributiva rispetto alla somma:

z(t)@[x(t)+ y(t)] = z(t)<8>x(t)+ z(t) <8>y(t) (3.3.50)

Primadi esaminare qualche esempio di applicazione dei teoremi del prodotto e


dellaconvoluzione, cerchiamo di discutere le operazioni che portano al calcolo
di un integrale di convoluzione. Supponiamo quindi che i segnali x(t) e y(t)
siano quelli di Figura 3.23, e cerchiamo di trovare il valore che assume
z(t) =x(t) @y(t) per un particolare valore del tempo, diciamo to'

x(t) y(t)
1
A

-T T -T T t

Figura 3.23 Segnali di cui calcolare l'integrale di convoluzione

Considerando che
-
z(to) =J
x(a)' y(to - a)da (3.3.51)

le operazioniidealmente da compiere in questo calcolo sono le seguenti:


. ribaltamentoattorno all'asse delle ordinate del segnale y(a) (Figura 3.2~
. traslazione di y(-a) attorno a1ristante to (Figura 3.24b); \"-n
.. calcolodel prodotto x(a)' y(to - a) (Figura 3.24c);
calcolo dell'integrale del prodotto di cui al passo precedente per ricavare
z(to) (Figura 3.24d).
Attraversoquesti passi, ripetuti in teoria infinite volte, ovvero per ogni valore
dell'istanteto' si arriva a determinare l'andamento del segnale z(t). In molti casi
semplice procedere alla valutazione dell'integrale di convoluzione "per via
grafica",come testimoniano i due esempi seguenti.
r

88 Capitolo 3

y(-a)
1

-T T a
I

(a)
y(t o-a)
1

to-T t.o .. to+T a


I
(b)

y(to-a)
x(a) 1
" ,/ x( a).y(t oa)
'"
I
....-

t o-T to to+T a
I
(c)

(d)

Figura 3.24 Passi che conducono al calcolo dell'integrale di convoluzione


......

Segnali aperiodici a tempo continuo 89

Esempio 3.11
Come applicazione del teorema del prodotto, consideriamo il caso particolare in
cui x(t) = y(t) = sinc(2Bt); si vuole cio calcolare la trasformata Z(J) del
segnale

z(t) = x(t) y(t) = sinc2(2Bt) (E3.l1.l)


Sapendoche (vedi Esempio 3.3)

(E3.11.2)
X(J) = Y(J) = 2~ rec{ ~)
possibilecalcolare Z(J) svolgendo l'integrale di convoluzione di due segnali
rettangolariin ambito frequenziale. Come suggerito nel testo, utile avvalersi di
una rappresentazione grafica dei fattori X(v) e Y(J - v) della funzione
integranda,e del loro prodotto Y(J - v) X(v). Dalla Figura 3.25 si nota che il
calcolodella convoluzione pu essere svolto esaminando i quattro casi seguenti:
i) 15: -2B; ..

ii) -2B 5: 1 5: O;
iii) 05:15: 2B;
iv) 1 ".2B.

Nelcaso i) il prodotto fra Y(J - v) e X(v) identicamente nullo (Figura 3.25a).


Pertanto

Z(J) =O , 1 5: -2B (E3.11.3)

Nel caso ii) (Figura 3.25b) il prodotto fra r(J - v) ed X(v) non nullo, ed
rappresentato in Figura 3.25c. Da questa si deduce che il risultato della
operazione di integrazione espresso dall' area del rettangolo di base

[(B+1)-(-B)]= 2B+ 1 e di altezza (1/2Br, Segueche ~


Z(J) =J... l + L , -2B 5: 15:0 (E3.11.4)
2B [ 2B ]

Analogamente, nel caso iii) (rappresentato in Figura 3.25d) si ricava, con


considerazionidi carattere grafico,

Z(J) =J... l- L 05: 1 5: 2B (E3.l1.5)


2B [ 2B' ]

Infine, nel caso iv) si ottiene, analogamente al caso i):


90 Capitolo 3

Z(J) =O , f"? 2B (E3.11.6)

Y(f-v) 1/28
rI ,I
I I XCv)
I I
I I
I I
I I I

1 -8 8 v
(a)

X(v)Y(I-v)
1/28 XCv)

Y(I-v)~i-- I
/ 1/(28)2
I
I
I

-8+1 -8 1 8+1 8 v -8 8+1 v

(b) (c)

Y(I-v)
XCv)

I 1128 r---L-, I
I
I
I
I
I I

-8 8 1 8+1 v
1- 8+1
(d)

Figura 3.25 Vari casi nel calcolo della convoluzione di un impulso rettangolare con se stesso

Le relazioni (E3 .11.3)-(E3 .11.6) possono essere riassunte nella seguente


espreSSiOne:

Z(J) =~2B
(
1- JLL
2B ]
rect
(L )
4B
(E3.11.7)

che rappresentata nella Figura 3.26. Come risultato finale, possiamo scrivere
l'ulteriore coppia trasformata-antitrasformata

1- JLL rect L
sinc2(2B!) ~ ~
2B( 2B ( 4B) ] (E3.11.8)
...

Segnali aperiodici a tempo continuo 91

ovvero, ponendo T = 1/(2B),

(E3.11.9)

Z(f)
1/28

-28 28

Figura 3.26 Trasformata di Fourier della funzione sinc' (2Bt)

importante notare che le funzioni X(J) e Y(J) hanno una "estensione fre-
quenziale"(cio sono diverse da zero su di un intervallo di ampiezza) pari a 2B,
mentreil loro integrale di convoluzione ha estensione pari a 4B. In generale l'e-
stensionedell'integrale di convoluzione tra due funzioni aventi estensione limi-
tata data dalla somma delle due estensioni stesse. D

Esempio 3.12
Calcoliamola convoluzione

x(t) = s(t) <8>s(t) (E3.12.l)

delsegnale s(t) = e-1fTu(t) con se stesso. Sappiamo che o

x(t) =f s(a) s(t - a) da ~12.2)

L'andamento dei segnali s(a) ed s(t - a) illustrato in Figura 3.27 (per un caso
in cui t > O). Dall' esame di tale figura si vede facilmente che

x(t) =O , t<O (E3.12.3)


Se invece t > O, e quindi esiste una ZOnadi "sovrapposizione" nOn nulla tra
s(a) ed s(t - a), dalla Figura 3.27 si vede che si ha
92 Capitolo 3

I I I

x(t) = fo s(a) s(t - a) da =fo e-alT e-(/-a)/T da = e-IIT fo ,aa = t e-IIT


(E3.12.4)

Le (E3. 12.3)-(E3. 12.4) possono essere riassunte nella

x(t) = t e-IIT u(t) (E3.12.5)

s(t - a)

~ / s(a)

ex.
t

Figura 3.27 Calcolo dell'integrale di convoluzione del segnale s(t) con se stesso

Allo stesso risultato si perviene ovviamente procedendo con il calcolo in


maniera puramente analitica. Infatti, sostituendo nella (E3.12.2) l'espressione di
s(t), si ricava
~ ~

x(t) =f u(a) u(t - a) e-alTe-(/-a)/Tda = e-IIT f u(a) u(t - a) da (E3.12.6)

Il lettore dimostri ora che


~

f u(a) u(t - a) da = t u(t)


e che quindi la (E3.12.5) ancora valida.
In questo esempio abbiamo eseguito la convoluzione tra due segnali causati,
ottenendo il segnale (E3.12.5) a sua volta causale. Questa propriet ha validit
generale, come si pu facilmente verificare.
D
-
Segnali aperiodici a tempo continuo 93

3.4 Trasformate di Fourier generalizzate


3.4.1La funzione generalizzata impulsiva o 8 di Dirac
Consideriamodi nuovo la funzione gradino unitario (rappresentata in Figura
3.28)

l t>O
u(t}= 1/2 t=O (3.4.1)
IO t<O

u(t)

Figura 3.28 Gradino unitario ideale

Evidentemente,il segnale gradino unitario presenta una discontinuit di prima


specieper t =O. Il valore assegnato alla funzione in questo punto pu essere
sceltoarbitrariamente; per consistenza con il criterio di Dirichlet, si sceglie la
semisommadei limiti destro e sinistro, cio si pone u(O)= 1/2.
Immaginiamodi applicare tale segnale in ingresso a un circuito elettrico, ad
esempiola squadra C-R dell'Esempio 3.9. Il segnale gradino, in questo contesto,
la modellizzazionematematica della "chiusura" del circuito su di un generatore
ditensioneideale all'istante t = O di "salita" del gradino stesso, come suggerito
dallaFigura 3.29. L'evoluzione temporale dei segnali nel circuito regolata da
un'equazione differenziale simile a quella gi ricavata nrll'Esempio 3.9. In
questocontesto si presenta allora il problema di calcolare la derivata temporale
dellafunzionegradino intesa come eccitazione del circuito. Tale operazione
presentadelle difficolt poich tale derivata nulla ovunque tranne in t = O ove
peraltroessa non definita, come illustrato in Figura 3.30.
Si pu pensare di assegnare alla funzione du(t)jdt un valore arbitrario di
comodo in t = O, e di usare questa nuova funzione come derivata del gradino
unitario.Se questo approccio fosse corretto, si dovrebbe essere in grado di
"ricostruire"la u(t) come funzione integrale della sua propria derivata:
l'
I

94 Capitolo 3

I
du(a)
u(t) =
-f da da
(3.4.2)

t=O

/'\. C +

1
I + 1
R y(t)

L~=U{')
Figura 3.29 Gradino unitario in ingresso a una squadra C-R

Tuttavia questo espediente non funziona poich integrando la presunta funzione


du(t)/ dt, diversa da zero solo in un punto, non si ottiene la funzione gradino
unitario, ma una funzione nulla ovunque.

u(t)

du(t)/dt Funzione
non definita

Figura 3.30 Derivata della funzione gradino unitario

Per cercare una soluzione alla questione, osserviamo innanzitutto che la funzione
u(t) comunque un'astrazione matematica poich i segnali effettivamente pre- .
senti nei sistemi fisici non possono presentare discontinuit, cio salti finiti nel
valore del segnale su un tempo nullo. Ogni segnale fisico caratterizzato da un
tempo di salita finito,pari al tempoche il segnale"impiega"per passaredalli-
Segnali apc;riodicia tempo continuo 95
,

velloOprima del "salto" al livello al termine della salita. Il gradino ideale solo
una schematizzazione matematica per quelle situazioni nelle quali la costante di
tempodel sistema in cui il segnale compare molto maggiore del tempo di salita
del segnale stesso. Consideriamo allora una migliore approssimazione di una
funzionegradino "reale" uAt) definita dalla relazione:
t<-E
-E:::; t:::; E (3.4.3)
U,(t) = {? + t/E) 12 t>E

illustrata nella Figura 3.31.

-E t

Figura 3.31 Gradino unitario con tempo di salita finito

NellaFigura 3.31 l'andamento del gradino durante l'intervallo di "salita" (-E, E)


stato preso lineare per semplicit. Le considerazioni che stiamo per fare non
cambierebberoper anche se tale andamento fosse ancora pi simile a quello di
un segnale reale (in particolare ancora pi regolare). Il segnale uE(t) adesso
ovunque derivabile, e la sua derivata 8E(t) = duAt)/ dt rappresentata in Figura
3.32.Evidentemente,
/
(3.4.4)

e inoltre
I

UE(t) = J8E(a) da (3.4.5)

senz'alcuna ambiguit.
96 Capitolo 3

Osserviamo che riducendo il valore del parametro e, ossia riducendo il


tempo di salita del segnale, si ottiene una appros~imazione sempre miglioredel
gradino ideale, tant' che si pu scrivere

u(t) = limuAt)
->0
(3.4.6)

e quindi
,
u(t)= lim
--+0J
8(a) da (3.4.7)

1/2

Figura 3.32 Derivata del gradino unitario reale

Il procedimento al limite, perfettamente lecito nell' ambito delle relazioni (3.4.6)


e (3.4.7) di cui sopra, diventa per problematico considerando isolatamente il
segnale 8(t). La Figura 3.33 indica infatti che al tendere di E a O la derivata
della funzione gradino "reale" tende ad avere una "durata" sempre pi piccolae
ad assumere un valore nell'intervallo di salita del gradino sempre pi grande.
L'aumento di tale valore avviene in maniera inversamente proporzionale a e
poich dal segnale, per integrazione, si deve sempre ottenere un valore unitario
I

pari al salto della funzione gradino. In parole povere, l'area degli impulsi
rettangolari comunque unitaria! '---
Il problema di trovare la "derivata della funzione gradino" sarebbe risolto se
nella (3.4.7) potessimo eseguire l'operazione di limite sotto il segno d'integrale
ponendo dunque

du(t) ~lim8(t)
dt --+0
= 8(t) (3.4.8)

Otterremmo cos una funzione 8(t) con l'apparenza della derivata del gradino
ideale come limite della successione di funzioni 8(t). Purtroppo, come
Segnali ap~odici a tempo continuo 97

evidente dalla Figura 3.33, il limite di tale successione non una funzione nel
sensoordinario dell'analisi matematica. Infatti tale funzione dovrebbe assumere
ovunque valore nullo al di fuori del punto t = O e, se integrata, dovrebbe
restituire un valore finito diverso da zero. Non corretto quindi affermare che
8(t) il limite della successione di funzioni 8e(t). Tuttavia, per estensione,
definiamo una funzione generalizzata impulso unitario 8(t) o funzione o di
Dirac, attraverso una sua propriet di carattere integrale:
t

J
u(t) = 8(a) da (3.4.9)

che la identifica come "derivata della funzione gradino", e che in pratica


l'unione della (3.4.7) e della (3.4.8).

d
~ (t)= dt u(t)

1/2

Figura 3.33 Limite del gradino "reale" e della sua derivata

Come abbiamo gi discusso, non esiste alcuna funzione ordinaria che possa
soddisfare la definizione e quindi dobbiamo ammettere che l'impulso unitario
sia un'entit matematica di carattere analogo a quello di una funzione ordinaria,
98 Capitolo 3
I-

ma che assume un significato solo quando se ne consideri una qualche propriet


di carattere integrale come nella definizione stessa. Ogniqualvolta si incontra
una funzione impulsiva 8(t) di Dirac, questa deve essere intesa s come limite
della successione 8e(t), ma non nel senso "diretto" della (3.4.8), privo di
significato a rigore; viceversa, 1'operazione di limite, per calcolare correttamente
il valore dell'integrale in cui la 8(t) obbligatoriamente compare, deve intendersi
eseguitajUori dal segno di integrale stesso, nel senso della (3.4.7).
Come esempio di applicazione di questi concetti, consideriamo un segnale
x(t) continuo in t =O e calcoliamo il valore del seguente integrale:
~

1= f x(t) 8(t) dt (3.4.10)

o
Il problema ben posto perch la funzione compare sotto il segno di integrale;
il valore di detto integrale si calcola attraverso un ben inteso procedimento al
limite:
~

1= lim f x(t) 8At) dt (3.4.11)


e--+O

Come suggerito dalla Figura 3.34, l'integrale della (3.4.11) pu essere espresso
come

1 e 1
-
~

f x(t) 8At) dt =-2E -ef x(t) dt = -2E 2E x(l) (3.4.12)

dove l E (-E,E) secondo il teorema della media. Il limite (3.4.11) diventa allora
~

lim x(t) 8e(t) dt = limx(t)


f
e--+O- e--+O

Quando E ~ O, naturalmente l ~ O e quindi, essendo x(t) continua in t =O, si


ricavain conclusione
~

(3.4.14)
f x(t) 8(t) dt = x(O)

che prende il nome di propriet campionatrice dell'impulso unitario e pu


essere considerata anche una maniera alternativa di definire la funzione 8(t)
attraverso una sua propriet integrale. Nell' Appendice al Capitolo 3, che pu
Segnali aperiodici a tempo continuo 99

essere tralasciata in prima lettura, diamo qualche cenno alla teoria delle
distribuzioni che rappresenta il contesto appropriato per una definizione della
8(t) di carattere rigoroso, proprio secondo la propriet campionatrice.

1/2
x(t)

Figura 3.34 Applicazione del teorema della media

Una volta stabilita la maniera generale di intendere e di trattare la funzione


generalizzata 8(t), si pu dimostrare che questa gode di molte propriet (in par-
ticolareper quel che riguarda le operazioni di carattere lineare come derivazione,
integrazione, moltiplicazione per costante, ecc.) identiche a quelle possedute
dalle funzioni ordinarie. Queste propriet autorizzano in pratica a trattare la 8(t)
come un qualunque segnale ordinario a tempo continuo, con le dovute cautele
del caso. La Figura 3.35 illustra il simbolo che rappresenta convenzionalmente
la funzione 8(t): il numero posto accanto alla punta della freccia indica che
l'area sottesa da questa funzione unitaria, e no~ un valore riportato sull' asse
delleordinate. "

x(t)

1
o(t)

Figura 3.35 Rappresentazione simbolica della funzione D


100 Capitolo 3

3.4.2 Propriet della funzione generalizzata 8(t)


Abbiamo gi esaminato la propriet campionatrice della funzione 8(t):
~

Jx(t) 8(t) dt =x(O) (3.4.15)

Da questa si deduce immediatamente che la funzione 8(t) pari, cio che


8(t) = 8(-t). Come sempre, quest'ultima propriet deve essere intesa in senso
integrale relativamente alla propriet campionatrice. Infatti possiamo scrivere:
~ - ~
J8(-t) x(t) dt = - J 8(a) x(-a)da = J 8(a) x(-a) da = x(O) (3.4.16)

avendo effettuato il cambiamento di variabile a =-t. Poich 8(t) e 8(-t)


rendono da questo punto di vista lo stesso risultato, possiamo stabilirne
l'uguaglianza,da cuiseguela proprietdiparit appenaenunciata..
La propriet campionatrice pu essere estesa considerando la funzione
impulsiva "traslata" 8(t - to). Infatti abbiamo
~ ~

Jx(t)8(t-to) dt= fx(to+a)8(a) da=x(to) (3.4.17)

Da questa consegue l'ulteriore propriet

x(t)8(t - to) = x(to )8(t - to) (3.4.18)

Questa uguaglianza va intesa ancora nel senso che, dopo una operazione di inte-
grazione, le due funzioni a primo e secondo membro nella (3.4.18) fornisconolo
stesso risultato; infatti
~ ~ ~

J x(to) 8(t-to) dt = x(to) J8(t -to) dt = x(to) = f x(t) 8(t-to) dt (3.4.19)

Elaboriamo adesso la relazione (3.4.17); cambiando variabile di integrazionee


tenendo conto che la 8(t) pari, si ha
~ ~

fx(a)8(a-to) da= fx(a)8(to-a) da=x(to) (3.4.20)

e, chiamando t il generico valore to' si conclude che


-
J
x(t) = x(a)8(t-a) da = x(t)@8(t) (3.4.21)

Questarelazione, piuttosto importante, indica che la funzione generalizzata 8(t)


pu intendersi anche, tra le varie interpretazioni, come una sorta di elemento
neutrorispetto all'operazione di integrale di convoluzione.

Esempio 3.13
Sfruttando formalmente le propriet della funzione 8(t), calcoliamo
b

J
Ia.b= 8(t) dt
a
(E3.l3.l)

ove a e b sono due parametri reali, a < b. possibile riscrivere questo integrale
come

(E3.l3.2)

avendo moltiplicato la funzione integranda della (E3.l3.l) per una funzione


rect(-) identicamente nulla al di fuori dell'intervallo (a,b). Utilizzando la
proprietcampionatrice della funzione 8(t) si ricava allora
- (b+a )/2 1 b+a
Ia,b= rect
( b-a ) (
= rect -.-
2 b-a ) (E3.l3.3)

Tale risultato pu essere semplificato osservand<rctlSe

Ib+al<b-a (E3.l3.4)

il modulodell'argomento della funzione rect(-) nella (E3.l3.3) risulta minore di


1/2 e

(E3.l3.5)

altrimenti Ia,b= O. La condizione (E3.l3.4) verificata solo se a e b hanno


segnodiscorde e cio quando a < O e b > O.
In pratica, questo risultato si pu riassumere dicendo che l'integrale fa,b
diversoda zero ( e uguale a 1) se l'intervallo di integrazione contiene l'origine,
contiene cio il "punto di applicazione" della funzione 8(t). Generalizzando il
risultatoottenuto si pu affermare che
,

102 Capitolo 3

fx(t)8(t-to)dt=x(to) <=a<to <b (IDJ3.6)


a

cio se il "punto di applicazione" della funzione 8 contenuto nell'intervallo di


integrazione (si veda la Figura 3.36a), mentre l'integrale uguale a zero se la
funzione 8 applicata all'esterno dell'intervallo, se cio to ~ [a,b] (Figura
3.36b).

1
a b t b
to I to a
(a) (b)

Figura 3.36 Integrali contenenti la funzione 8 su intervalli di integrazione limitati


o
Esempio 3.14

.
l'

I
Calcoliamo l'integrale
+o-
li
I
I f
la = x(t) 8(at) dt (E3.14.1)!

ove ;
a un=parametro
variabilea reale. Effettuando nella (E3.14.1) il cambi:"ento
at si ottiene ~

(E3.14.2)
la = sgn(a)Ix( ~) 8(a) d:
dove il fattore sgn(a) mette in conto il fatto che, se a < O, il cambiamento di
variabile produce una inversione di segno negli estremi di integrazione e quindi
fa cambiare il segno del risultato. Dalla (E3.14.2), applicando la propriet
campionatrice della funzione 8(t), si ricava

(E3.14.3)
la = sg:(a) x(O) = xl~~)
Segnali aperiodici a tempo continuo 103

Avremmo ottenuto lo stesso risultato se nell'integrale originario (E3.14.1)


avessimo sostituito alla funzione D(at) la funzione 8( t)/Ial. In questo senso
abbiamoricavato un'ulteriore propriet della funzione impulsiva di Dirac:
1
(E3.14.4)
8(at)= laID(t)
D

3.4.3 Trasformata di Fourier della funzione D


Calcoliamo ora la trasformata di Fourier della funzione generalizzata D(t).
Applicandodirettamente la definizione di trasformata e ricordando la propriet
campionatricedella 8(t) si ha

(3.4.22)

~(f)
o(t)

Figura 3.37 Funzione 8 di Dirac e relativa trasformata

Quindilo spettro della funzione 8 di Dirac ha ampiezza costante e pari a 1 per


ogni valore della frequenza come illustrato in Figura 3.37. La peculiarit della
funzione 8 riflessa anche nella peculiarit della sua trasformata: in pratica, lo
spettrodella funzione D contiene componenti a qualunque frequenza arbitraria-
mentegrande, e tutte con la medesima ampiezza.
La trasformata !1(f) del segnale generalizzato D(t) pu anche essere rcavata
con un procedimento al limite a partire dalla trasformata !1e(f) = sinc(2if) della
funzioneordinaria 8e(t): la Figura 3.38 chiarisce questo punto di vista, e spiega
moltobene come deve intendersi lo spettro "piatto" della D(t).
Dal teorema di dualit si ricava poi

x(t) = 1 :::> D(- f) = 8(J) (3.4.23)


/

104 Capitolo3

Questo risultato mostra che l'introduzione delle funzioni generalizzate permette


di calcolare la trasformata di Fourier di un segnale a energia infinita come il
segnale costante. Evidentemente, questa trasformata deve intendersi in senso
generalizzato visto che contiene una funzione generalizzata.

d
o Jt)= d uE(t)

1/2

I-
I
'I
I

- t

~E (f)
1

I
~
I
I
I

Figura 3.38 Segnale 8(t) e sua trasfonnata !!..(f) intesi come limite

3.4.4 Una trasformata notevole: la funzione l/t


Una trasformata notevole che, come vedremo, imparentata con le trasformate
generalizzate, quella del segnale x(t) = l/t il cui grafico rappresentato in
Figura 3.39. Procedendo con il calcolo si ha:

'I
Segnali aperiodici a tempo continuo 105

(3.4.24)

ovel'ultimo passaggio si giustifica intuitivamente considerando che la funzione


cos(21ift)/t dispari e quindi, integrata da -00 a 00rende un risultato nullo. In
realt questa conclusione lecita solo se dell'integrale generalizzato nella tra-
sformatasi considera il cosiddetto valore principale di Cauchy (VPC). A stretto
rigoreinfatti, la funzione cos(2rcft)/t infinita di ordine 1 nell'origine, e non
ammetteintegrale generalizzato ordinario. Il valore principale di Cauchy invece
quel valore che si ottiene considerando sempre intervalli di integrazione sim-
metriciattorno al punto di singolarit (eventualmente all'infinito), cio, nel no-
strocaso:

VP~ lCOS(~nj) ] = ~~ l COS(~nj) + J COS(~nj) ]


(3.4.25)

che'pari a Oproprio per la antisimmetria della funzione integranda. Dunque la


trasformatacercata pu essere anche riscritta come
)
(3.4.26)
X(J) =- j j sin( ~7ift) dt = - j27if j sinc( 2 ft ) dt

3
2

1
.:t:::
r-
-
Jl
X
o
-1
-2
-3
-4
-5
-5 -4 -3 -2 -1 o 2 3 4 5

Tempo t
Figura 3.39 Grafico del segnale x(t) = 1/ t /
r
106 Capitolo 3

Per il calcolo dell'integrale della (3.4.26) utile tenere presente la propriet


generale, sfruttata gi pi volte, per cui l'integrale temporale di un segnale pari
al valore nello zero della relativa trasformata, cio
~

f y(t) dt = Y(O) (3.4.27)

Richiamiamo allora la consueta trasformata notevole

(3.4.28)

ove compare stavolta a denominatore la quantit IB I per tenere conto del caso
B < O, caso che non deve alterare l'espressione della trasformata perch la
funzione sinc(.) pari. Da questa trasformata notevole si ricava immediatamente
che

1 O
-f sinc(2ft) dt = 21ilrect( 2i ) --~21il
~

(3.4.29)

e quindi

(3.4.30)
X(J) = - j21if Isinc(2ft) dt = - ;~r = - jnsgn(f)
In conclusione si ricava la trasformata notevole cercata

!t <=> - jn sgn(J)
\ (3.4.31)

che deve intendersi ancora in senso generalizzato per l'aver considerato i valori
principali di Cauchy degli integrali coinvolti nella trasformazione.
3.4.5 Trasformata della funzione gradino; teorema d'integrazione completo
Consideriamo di nuovo il segnale gradino unitario ideale u(t); immediato
verificare. che la sua trasformata di Fourier in senso ordinario non esiste.
Cerchiamo allora di stabilire se, alla luce dei risultati ottenuti con le funzioni
generalizzate, possiamo calcolare questa trasformata per altra via.
Facendo uso della funzione sgn(t), possiamo esprimere u(t) come (vedi
Figura 3.40)
Segnali aperiodici a tempo continuo 107

1 1
u(t) =-sgn(t)+
2
-
2 (3.4.32)

sgn(t)/2 u(t)
---
1/2 0- -. ----.-.-.-

-1/2

Figura 3.40 Relazione tra le funzioni u(t) e sgn(t)

Calcolando la trasformata di Fourier di entrambi i membri abbiamo


J
U(J)=!SGN(J)
2 + !8(J)
2 (3.4.33)

ove SGN(J) rappresenta la trasformata di sgn(t). Ora, SGN(J) p.J essere


facilmente calcolata applicando il teorema di dualit alla trasf~~ segnale
1/t (3.4.31):

- jn sgn(t) <=>_.l
f (3.4.34)
da cui

1
sgn(t) <=>SGN(J) = j1if (3.4.35)

Sostituendo la (3.4.35) nella (3.4.33) si ottiene infine


1 1
U(J) = j21if + 28(J) (3.4.36)

Utilizzando i risultati ottenuti ora possibile rimuovere l'ipotesi X(O)= O che


alla base dell' applicabilit del teorema di integrazione nella sua forma
"incompleta"ricavatanel Paragrafo3.3:
I

Jx(a) da <=>j21if
-~
X(J) (3.4.37)
/'
------ ----- .._~ ~---
~_.---

108 Capitolo 3

Infatti, per definizione di integrale di convoluzione, si pu scrivere che


- I

x(t)@u(t)= fx(a) u(t -a) da = f x(a) da (3.4.38)

Xc
Ricordando poi che la trasformata di un prodotto di convoluzione uguale al
I I
prodotto delle trasformate dei fattori, abbiamo t
J
I I
l l
II
Lx(a) da =x(t)@ u(t) :> [
X(J) U(J)= X(J) j21if + 28(J) ] (3.4.39)

I
11
-fo

Il teorema completo d'integrazione afferma quindi che

y(t) =
-j
x(a)da :> ~(J)
;21if
+ 8(J)
2
X(O) (3.4.40)
Figura 3.41 Trasformau
Il termine aggiuntivo comprende una funzione generalizzata, e naturalmente
Alla luce dei risultat
scompare nell'ipotesi di applicabilit del teorema incompleto, cio quando
X(O) = O. Se invece il segnale x(t) non sottende area nulla, la funzione integrale
della modulazione C
prodotto di due segn
y(t) non tende a zero quando t --7 bens verso il valore finito X(O). Il
00,
scriviamo
secondo termine rende conto allora della "componente continua" (cio del valore
medio diverso da zero) pari a X(0)/2 che presente per questo in y(t).
3.4.6 Trasformata delle funzioni seno, coseno e dei segnali periodici x( t) cos( 21ifot) ~

Dunque la funzione generalizzata 8(t) permette di calcolare trasformate di


Fourier non esistenti in senso ordinario. Altri esempi di questo tipo si possono e, poich
ottenere applicando i teoremi del ritardo e della traslazione in frequenza alle
trasformate generalizzate gi ottenute. Ricordando che 8(t) :>l, e c~ X(J)@ 8(J - lo) =
1 :>8(f), si ottiene immediatamente
(3.4.41) concludiamo, come ci

(3.4.42) x( t) cos( 21ifot) ~ ~


Quest'ultima relazione permette poi di calcolare la trasformata continua di
e analogamente per la
Fourier di un' oscillazione cosinusoidale.lnfatti si ha (vedi Figura 3.41):
Avendo determinat
nusoidale in forma re~
Xc (t) = cos(27fot) = ej2rr!ol + e-j2rr!ol :> 8(J - io) + 8(J + io) (3.4.43) continua di un segnale
2 2
x( t) periodico con per
e, per una oscillazione sinusoidale, /
Segnali aperiodici a tempo continuo 109

(3.4.44)

j X s (f)
1/2 1/2 1/2

-1/2

Figura 3.41 Trasfonnata di Fourier dei segnali cos( 21if"t) e sin( 21if"t)

Alla luce dei risultati ottenuti si pu dare una nuova interpretazione al teorema
della modulazione (3.3.21); tenendo presente che la trasformata Ji Fourier del
prodotto di due segnali data dalla convoluzione delle tr~ate dei fattori,
scriviamo

(3.4.45)

e, poich
~ ~
X(J) @ 8(1 - io) = JX( a) 8(1 - io - a) da = X(1 - io) (3.4.46)

concludiamo, come ci aspettavamo, affermando che

x(t) cos(2J%t) ~ X(1 - 10)+X(1+ io) (3.4.47)

e analogamente per la versione del teorema con la funzione seno.


Avendo determinato la trasformata continua di Fourier di una oscillazione si-
nusoidale in forma reale o complessa, si riesce anche a esprimere la trasformata
continua di un segnale periodico qualunque. Ricordiamo infatti che un segnale
x(t) periodico con periodo To sviluppabile in serie di Fourier:
110 Capitolo 3

~ 2trkl
/
X(t) = I,Xk ej-:;:; (3.4.48)
k=-
Calcolando ora la trasfonnata della serie a termine a termine si ricava

X(f) =k=-
iXk 8 1 -~ (3.4.49)
( 1'0 J
Questa relazione mostra che il contenuto spettrale di un segnale periodico
concentrato nelle frequenze armoniche, piuttosto che distribuito con continuit
su tutte le frequenze come per un segnale aperiodico; in particolare, il contributo
al segnale della k-esima armonica rappresentato da una funzione 8 posizionata
in corrispondenza della frequenza k/1'o e di integrale ("area") pari a Xk, come
viene indicato nella Figura 3.42. Lo spettro del segnale periodico ha ancora il
tipico andamento "a righe", ma il significato della rappresentazione in Figura
3.42 diverso da quello degli spettri a righe visti, ad esempio, in Figura 2.4.
Infatti nel capitolo precedente le "righe" erano semplicemente proporzionali
all'ampiezza del coefficiente di Fourier relativo; in Figura 3.42, viceversa, le
"frecce" sono soltanto rappresentazioni simboliche della presenza di una
/
funzione 8 centrata su quella certa frequenza e nulla pi. Anche l'altezza
digradante delle funzioni 8 indicata in Figura 3.42 impropria e in un certo
senso fuorviante, anche se pu dare un'idea dell'andamento dello spettro di
ampiezza del segnale.
(
X(f)

-3fT o -2fTo -1 fT o

Figura 3.42 Trasformata continua di un segnale periodico con coefficienti di Fourier X,

Esempio 3.15
Calcoliamo la trasfonnata del segnale

(E3.I5.!)
1

Segnali aperiodici a tempo continuo 111

/
Questo segnale pu essere riscritto nella forma

1 1 4m
x(t)=-+-cos - (E3.l5.2)
2 2 ( To )
da cui si ricava:

X(J)= !5(J)+! 5(1 -2ITo)+ 5(1 +2ITo~


2
_1 21 22 1
-"25(J)+-54 ( f-- To) 4 ( f+~7:o
+-5 (E3.15.3)
)
rappresentata in Figura 3.43.

X(f)
1/2

1/4

2fTQ

Figura 3.43 Spettro del segnale x(t) = cos'(2m/r.) (Esempio3.15)

o
Esempio 3.16
Calcoliamo la trasformata X(J) del segnale

= Mrect ~
x(t)
T ( )
2T (E3.l6.l)

rappresentato in Figura 3.44a.


Poich x(t) un segnale lineare a tratti possiamo utilizzare il teorema
dell'integrale per il calcolo di X(J). Ricaviamo dunque la derivata prima s(t)
del segnale x(t) (vedi Figura 3.44b)
1 t + T12 1 t - T/2
s(t) =5(t + T) - 5(t - T)- -rect
. T ( T T)
+ -rect
( T ) (E3.l6.2)

e la sua trasformata S(J)


112 Capitolo 3

SU) = ej2TCjT- e-j2TCjT- ~T T sinc(jT) ejTCjT+ ~ T sinc(jT)


T e-jTCjT

= 2j sin(2JifT) - 2j sinc(jT) sin(7ifT) (E3.16.3)

x(t)
s(t)=dx(t)/dt
1
1fT

T
-T T -T
""t
-1
-1fT

(a) (b)

Figura 3.44 Segnali x(t) (a) ed s(t) (b) dell'Esempio 3.16

Poich x(+00)= Osi pu applicare il teorema d'integrazione incompleto:

X (f) = SU) = 2j sin(2JifT)- 2j sinc(jT) sin(7ifT)


j2~ j2~
=2T sinc(2jT) - T sinc2(jT) (E3.16.4)

Si ricava lo stesso risultato pi rapidamente osservando che il segnale x(t)


(E3.16.1) pu essere espresso come la differenza fra un impulso rettangolare e
uno triangolare aventi la stessa durata 2T:

(E3.16.5)

dalla quale si deduce immediatamente il risultato (E3.16.4). o


Esempio 3.17
Il segnale periodico di periodo 1'0
+00

x(t) = n=-
L8(t - nTo) (E3.17.1)
Segnali aperiodici a tempo continuo 113

rappresentato in Figura 3.45a noto come pettine di o. Il coefficiente Xk del


suo sviluppo in serie di Fourier

(E3.l7.2)

con lo = l/To. Sulla base dell'Esempio 3.13 e considerando la Figura 3.45a


vediamo che l'unico termine del pettine di o che
produce un contributo non
nullo nell'operazione di integrazione della (E3.l7.2) quello relativo a n = O,
cio alla funzione o applicatain t = O,poichtutte le altre funzioni sonoal di o
fuoridell'intervallodi integrazione[-:To/2,To/2]. Allora

. 1 T./2
Xk = -
To-T./2
Jo(t) e-j2n!if.' dt =.!
To
(E3.l7.3)

La rappresentazione in serie di Fourier del segnale x(t) dunque


/

+00

x(t)= Lo(t-nTo)=-
n=-oo
1 +00
Le1T;
~ n=-
.2"",
/ (E3.l7.4)

e la corrispondente trasformata continua X(J) di x(t)


+00
k 1 k
L Xk O(f-- To) =-Tok=-
L O(f--
+00

X(J)= (E3.l7.5)
k=- To)

Pertanto lo spettro del segnale pettine di o anch'esso un pettine di o, come


illustrato in Figura 3.45b. D

x(t) X(f)

1
... ... ... ...
-2To - To 210 t -2 fo -fo
(a) (b)

Figura 3.45 Segnale pettine di 8 (a) e sua trasformata (b)

I
114 Capitolo 3

3.5 Periodicizzazione e formule di somma di Poisson


r
Consideriamo un segnale aperiodico x(t) e costruiamo il segnale y(t) periodico
di periodo Tosecondo la relazione di periodicizzazione
-
y(t) = n=-oo
Lx(t - nTo) (3.5.1)

gi incontrata pi volte nel Capitolo 2. Il segnale y(t) pu esser sviluppato in


serie di Fourier:
-
y(t) =
k=-
L~ ej2lfkfol (3.5.2)

ove fo = I/To e

(3.5.3)

Vediamo come stabilire una relazione fra il coefficiente ~ dello sviluppo in


serie (3.5.2) del segnale periodico y(t) e la trasformata X(J) del segnale base
aperiodico x(t). Sostituiamo dunque la (3.5.1) nella (3.5.3) ottenendo

(3.5.4)

Scambiando poi l'operazione di sommatoria e di integrazione nella (3.5.4), si ha

~ =-
1
L
- To/2
J x(t-nTo)e-j21fkfoldt=2-
-
L J
To/2-IITo
x(a)e-j21fkfo(a+IITO)da
~ 1I=--To/2 To 1I=--To/2-IITo
- To/2-IITo
=2- L
To 1I=--To/2-IITo
J x(a) e-j21fkfoada (3.5.5)

Si giunti a questo risultato dopo aver effettuato il cambiamento di variabile


a =t - nTo e avendo osservato che e-j21fkllfoTo = e-j21fk1l
==1. La funzione
integranda a secondo membro nella (3.5.5) non dipende dall'indice della serie n;
tale indice agisce infatti solo sugli estremi di integrazione. Ci si rende allora
conto facilmente, con l' ausilio della Figura 3.46, che, al variare di n tra -00 e
+00, gli intervallidi integrazione(- To/2 - n~, To/2 - n1;))de/la stessafunzione
integranda ricoprono tutto l'asse reale senza sovrapposizioni. Pertanto

...
Segnali aperiodici a tempo continuo 115

possibile semplificare la (3.5.5) come segue:

(3.5.6)

che stabilisce la relazione cercata, detta di campionamento in frequenza. I coef-


ficienti di Fourier del segnale periodico y(t) sono dunque, a meno del fattore
1/1;1' i valori della trasformata continua del segnale-base x(t) in corrispondenza
delle frequenze armoniche kfo.

n=2 n=1 n=O n=-1 n=-2

L--r
O
!
)
I
.
ex
-3To/2 -To/2 Ti2 3To/2

Figura 3.46 Ricopertura dell'asse reale con intervalli di integrazione limitati variabili

Se usiamo l'espressione appena ricavata del coefficiente di Fourier nel corri-

spondente sviluppo in serie si ottiene


1 k .21rk1
L
~
+00 +00

l:x(t-nTu)=I-X- (3.5.7)
11=- k=- Tu ( Tu) e}T;
che nota come prima formula di somma di Poisson. Il risultato de ' sempio
3.17 un caso particolare di questa formula, con x(t) = 8(t) e quindi X(f) = 1.

Esempio 3.18
Ritroviamo dalla relazione di campionamento in frequenza corrispondente
all' operazione di periodicizzazione il valore dei coefficienti di Fourier del
segnale cosinusoidale rettificato dell'Esempio 2.5:

y( t) = Icos( 21ifot )1 (E3.18.1)

importante notare che l'operazione di "rettificazione" dimezza il periodo del


segnale. Se infatti il segnale originario cos(2J%t) periodico di periodo
Tu = 1/ lo, dopo la rettifica si ottiene il segnale y(t) periodico di periodo Tu/2,
come evidente dalla Figura 3.47. Per usare il campionamento in frequenza,
esprimiamo y(t) nella forma
I

116 Capitolo 3

-+-
y(t) =k=-
Lx(t-kTo/2) (E3.l8.2)

dove abbiamo identificato il "segnale base"

(E3.l8.3)
x( t) = cos( 2~t ) rec{ To~ 2 )

y(t) x(t)

-To t

Figura 3.47 Segnale periodico "cosinusoide rettificata" y(t) e suo segnale base x(t) ./

La trasformata continua di Fourier di x(t) si trova facilmente attraverso il


teorema della modulazione:

x(J) = Tosinc( (fTo + 1)/2) 4+ sinc( (fTo -1 )/2) (E3.l8.4)

e il suo andamento rappresentato in Figura 3.48. Andando a valutare questa


trasformata nelle frequenza armoniche k/(To/2) come richiesto dalla (3.5.6) si
trova immediatamente l'espressione del k-esimo coefficiente di Fourier di y(t):

2k = sinc(k+ 1/2)+ sinc(k-l/2)


~ =~X (E3.l8.5)
To ( To) 2
cherappresentaproprioil risultato(E2.5.3)(con A =1)dell'Esempio2.5. D

Applichiamo adesso il teorema di dualit alla prima formula di Poisson; si


ottiene
Segnali aperiodici a tempo continuo 117

l k l k .2Jrkt

( ) ()
+00 +00 .2JrkI +00 +00

LX(t-nTu)= L -x -- eJr; =>LX(t-nTu)= L -x - e-Jr;


n=- k=- Tu Tu 11=-/' k=- Tu Tu

=>n~ x(t - ;)= Tk~X(kT) e-j2JrkIT


(3.5.8)

0.8

0.7 I
I
0.6

0.5
o

-
X
0.4

0.3
c\i
0.2

0.1

0.0

-0.1
-10 -8 -6 4 ~ o 2 4 6 8 10
Frequenza Normalizzata, fTo

Figura 3.48 Campionamento in frequenza per ottenere i coefficienti di Fourier di y(t)

avendo cambiato segno all'indice di sommatoria nel secondo membro e avendo


posto T = 1/ To. Se adesso, dal punto di vista puramente formale, cambiamo
nome alla variabile corrente da t ad f, otteniamo un' espressione "duale" della
(3.5.7) che costituisce la secondaformula di somma di Poisson:

f
n=-
x(nT) e-j2mrjT=.!.
T k=-
f X( T ) f - 15.- (3.5.9)

la cui utilit sar chiara nel Capitolo 5 a proposito del campionamento dei
segnali a tempo continuo.

3.6 Relazione fra le trasformate di Laplace e di Fourier


Nel paragrafo precedente abbiamo visto che anche alcuni segnali a potenza
finita, come un segnale costante, il segnale gradino o un segnale periodico,
ammettono trasformata di Fourier, anche se in senso generalizzato. D'altro
canto, alcuni segnali possono presentare potenza illimitata come il segnale a

~
118 Capitolo 3

rampa:
I

x(t) = t. u(t) = f u(a)da (3.6.1~

risultante dall'integrazione del segnale gradino. Questi segnali non ammettono


trasformata di Fourier neanche in senso generalizzato. Inoltre, pu non essere
conveniente trattare i segnali a potenza finita con funzioni generalizzate anche
nei casi gi visti in cui queste ultime permettono di ricavare la trasformata.
Cerchiamo dunque di risolvere la questione di trovare una funzione trasfor-
mata di un segnale assegnato che consenta in particolare di trasformare le ope-
razioni differenziali in algebriche, e semplificare quindi le procedure di risolu-
zione delle equazioni differenziali, come brevemente indicato nell'Esempio 3.9.
Limitiamoci inoltre per semplicit al caso dei segnali causati, cio nulli per
t< O.
Consideriamo allora il segnale causale per antonomasia, e cio x(t) = u(t);
sappiamo gi che la sua trasformata
~ ~

U(f) = f u(t)e-j21fftdt = f e-j21l/ldt (3.6.2)


o
non esiste in senso ordinario, perch l'integrale (generalizzato) appena scritto
non convergente. Consideriamo allora un segnale modificato x(t) ottenuto da
x(t) come illustrato in Figura 3.49, aggiungendo cio un fattore di "smor-
zamento" che tenda a far convergere l'integrale (3.6.2):

x(t) =x(t). e-m (3.6.3)

Con l'aggiunta di questo fattore, la funzione integranda tende rapidamente a O


quando t tende a infinito, e l'integrale soddisfa le condizioni necessarie alla con-
vergenza. Calcolando la trasformata di Fourier del segnale modificato x(t) si ha:
~ ~

:r[x(t)] = f x(t)e-j21l/ldt = f x(t)e-me-j21l/'dt (3.6.4)


o o

chiaro che il valore di (J deve essere scelto opportunamente in relazione al-


l'andamento del particolare segnale. Ad esempio, per il segnale gradino suffi-
ciente un sia pur minimo grado di smorzamento per far convergere l'integrale,
cio sufficiente (J > O. In tal caso infatti
Il!!"

Segnali aperiodici a tempo continuo 119

~ -
e -(u+ j2rrf)t - 1
fo x(t)e-ar e-j2rrftdt = fo dt = a + j21if (3.6.5)
e-(U+j2rrf)t
1 o = ~+ j21if

1 x(t)

Figura 3.49 Segnale smorzato per il calcolo della trasfonnata

non appena a> O. Se si considera la quantit a + j21if = a+ jO) come un'unica


variabile complessa

s=a+ jO)=a+ j21if (3.6.6)


si pu interpretare la trasformata di Fourier del segnale "modificato" x(t)
(trasformata che verr a dipendere dal generico valore di a scelto, oltre che
dalla frequenza f) come una diversa trasformata del segnale originario x(t)
dipendente appunto dalla variabile complessa s = a + jO):
~ ~

X(s) = f x(t)e-stdt = f x(t)e-(u+j2rrf)tdt= [x(t)] (3.6.7)


o
e cio la trasformata di Laplace unilatera2. La differenza principale sta
evidentemente nel fatto che questa trasformata esiste in senso ordinario anche in
molti casi in cui la trasformata di Fourier non esiste.
Dalla (3.6.5) chiaro dunque che il segnale gradino unitario ammette
trasformata di Laplace ordinaria e che questa Ves) = 1/ s. Altrettanto chiaro
dalla breve discussione sul ruolo della "costante di smorzamento" a che tale

2 Applicabile cio ai soli segnali causali. La trasfonnata di Laplace bilatera definita mediante
un integrale da -00 a 00 e si applica a qualunque segnale, analogamente alla trasfonnata di
Fourier. Le'considerazioni valide per la trasfonnata bilatera relativamente alla sua relazione con
la trasfonnata di Fourier sono comunque molto simili a quelle che vengono qui fonnulate per la
unilatera, per cui la trasfonnata bilatera non verr ulterionnente presa in considerazione.
120 Capitolo 3

risultato deve intendersi valido solo per particolari valori di a, in questo caso
a> O. Se ad esempio consideriamo il segnale x(t) = eQIu(t), a> O, chiaro che
per avere smorzamento sufficiente deve aversi stavolta a> a. Relazioni di
questo tipo identificano una zona del piano complesso della variabile s in cui l'L
trasformata di Laplace esiste, in cui cio l'integrale nella (3.6.7) convergente.
Questa zona viene chiamata zona di convergenza e, per i segnali causali, un
semipiano del tipo a> ao raffigurato in Figura 3.50; la quantit ao una
caratteristica del segnale x(t) e viene chiamata ascissa di convergenza.

3[5]
I
Zona di
convergenza

j27tf

0"0
I I
O"
9\[5]

Figura 3.50 Zona di convergenza della trasformata di Laplace sul piano complesso s

Non interessa stabilire qui in dettaglio le caratteristiche della trasformata di


Laplace, come la formula di inversione e i vari teoremi e propriet, molte delle
quali sono peraltro analoghe a quelle possedute dalla trasformata di Fourier.
invece interessante approfondire la relazione intercorrente tra le due trasformate.
Dal punto di vista formale, se nella (3.6.7) si pone a = O abbiamo
~ ~

X(s)la=o =Jox(t)e-S'dt = Jo x(t)e-j21t/'dt (3.6.8)


a=O

che porterebbe la seguente relazione tra le trasformate di Fourier e Laplace per


segnali causali:
Segnali aperiodici a tempo continuo 121

X(f) = X(s)la=o = X(S)IS=j21!f -- (3.6.9)

In pratica, i valori della trasformata di Fourier del segnale sarebbero quelli che la
trasformata di Laplace assume per s = j21if, cio sull' asse immaginario (j = O
del piano s.
Abbiamo usato il condizionale nelle precedenti due affermazioni perch esse
sono soggette a una ipotesi. Infatti l'uguaglianza (3.6.9) ha senso e porta a risul-
tati corretti solo se l'asse immaginario del piano s contenuto nella zona di
convergenza della trasformata di Laplace. Altrimenti, usare la (3.6.9) pu por-
tare a risultati senza senso o errati. La procedura (3.6.9) viene illustrata in Figura
3.51 in un caso permesso; l'andamento della X(!) viene raffigurato su di una
"sezione" lungo l'asse immaginario di una superficie che rappresenta i valori di
X(s) (supposta reale) in funzione di s.

j21tf
Zona di
convergenza

cr
cr

Figura 3.51 Estrazione, quando lecito, della trasfonnata di Fourier da quella di Laplace

Esempio 3.19
Il segnale gradino x(t) = u(t) ammette trasformata di Laplace
122 Capitolo 3

1
X(s)=- , 0'>0 (E3.19.1)
s

Applicando la relazione (3.6.9) per tentare di ricavare la trasformata di Fourier .

del gradino, si ottiene

=- 1
X (s)1 (E3.19.2)
s=j21if j21if

che non il risultato corretto. Infatti la zona di convergenza 9\[s] = O' > O della
trasformata di Laplace non comprende l'asse immaginario O' = O. O

Esempio 3.20
Il segnale esponenziale unilatero

x(t) = e-IIT u(t) , T> O (E3.20.1)


ha trasformata di Laplace

-[(C1+1IT)+j21if]1
~ 1
(E3.20.2)
X(s) = Je-'ITe-S'dt=
o (:+1/T)+ j21if o I =
purch O'+ 1/ T> O, cio (J > -1/ T. La zona di convergenza contiene dunque
l'asse immaginario O' = O ed quindi perfettamente lecito scrivere che

X(f) = X(s) s=}21if


.
1
= 1 -- T (E3.20.3)

come gi noto. O

Sommario
Questo capitolo ha dimostrato che l'analisi di Fourier applicabile anche ai se-
gnali aperiodici. Immaginando infatti di ottenere un segnale aperiodico come il
limite di un segnale periodico quando il periodo di ripetizione To tende a infi-
nito, si riesce a estendere l'espansione in serie di Fourier, valida per il segnale
periodico, anche ai segnali non periodici, ottenendo cos l'integrale di Fourier.
In questaequazionedi sintesi,il ruolochenellaserie giocavanoi coefficientiXk
viene riservato alla trasformata continua di Fourier X(f) del segnale aperiodico
x(t). Il segnale ancora scomposto come una sovrapposizione di infinite com-
ponenti sinusoidali di frequenza variabile con continuit da -00 a +00, con fase
Segnali aperiodici a tempo continuo 123

LX(f) e con ampiezza infinitesima IX(f) Idi. Molte delle propriet di simme-
tria dello spettro di ampiezza A(f) =1X(n I e dello spettro di fase
D(f) = LX(f) del segnale aperiodico sono analoghe a quelle gi discusse nel
Capitolo 2 (simmetria Hermitiana, segnali pari e dispari ecc.)
Sono state ricavate molte propriet notevoli della trasformata continua di
Fourier, che permettono di calcolare lo spettro di un segnale che subisce partico-
lari operazioni di trasformazione: ritardo, modulazione, combinazione lineare
tra pi segnali, ed stata messa in evidenza la dualit tra i domini del tempo e
della frequenza. Tra le propriet pi importanti, menzioniamo i teoremi di inte-
grazione e derivazione, secondo i quali operazioni di carattere differenziale sul
segnale temporale equivalgono a pi semplici operazioni algebriche sulle tra-
sformate. Analoga considerazione pu farsi a proposito del teorema della convo-
luzione, per cui l'operazione di integrale di convoluzione nel tempo corrisponde
a un semplice prodotto in ambito frequenziale.
La necessit di estendere l'operazione di derivata anche in casi in cui il se-
gnale temporale discontinuo ha portato poi all'introduzione della funzione ge-
neralizzata 8(t) di Dirac, formalmente definita come la derivata della funzione
gradino unitario. Da questa definizione, precisata poi in senso limite, sono state
ricavate numerose altre propriet, come la propriet campionatrice e la neutra-
lit nei confronti della convoluzione. Attraverso la 8 di Dirac, si stati in grado
di ricavare le trasformate di Fourier generalizzate di segnali non trasformabili in
senso ordinario: il segnale costante, il gradino unitario, le funzioni seno e co-
seno, e i segnali periodici. A quest'ultimo proposito, si poi ricavata la relazione
di campionamento infrequenza che sussiste tra la trasformata continua di un se-o
gnale aperiodico e i coefficienti di Fourier del segnale periodico ottenuto perio-
dicizzando il segnale aperiodico dato.
. Il capitolo si chiuso infine con l'esame della relazione tra la trasformata di
Fourier X(f) e la trasformata di Laplace X(s) di un segnale causale. Si messo
in luce in particolare che la trasformata di Fourier si pu direttamente ricavare da
quella di Laplace solo quando la zona di convergenza di quest'ultima comprende
l'asse immaginario s = j21if .

Esercizi proposti
3.1 Determinaree rappresentarela trasformatadi Fourier X(f) del segnale
x(t) nei seguentitre casi:
124 Capitolo 3

COS2(7rt/T) It k T /2
a) x(t) = .
O altrove
{
O t <-T
2
l t

b) x(t) =i (1 t )
- -+1
2 T
-T5,t<O
2

,
1-2"
1
( )T-l 05,t<T
t ".T
c) x(t) come in Figura 3.52.
3.2 Dato un segnale xC!) con trasformata XC!), trovare e rappresentare la
trasformata del segnale

y(t) = x(t). I8(t


n
- nT)

x(t)

-T
T

-1

Figura 3.52

3.3 Determinare le trasformate dei seguenti segnali semipe1jpdici (cioe perio-


dici per t> O):

i) xc(t) = cos(27r.fot).u(t)
ii) Xs(t) = sin(2%t) . u(t)
iii) y(t) = Acos(2%t + rp). u(t)

3.4 Determinare la relazione duale del teorema di derivazione (calcolare cio


:r -I [dX(f) / di]), e sfruttarlaper calcolarela trasformatadel segnale x(t)
in Figura 3.53.
3.5 Calcolaree rappresentarez(t) =x(t) Q9y(t), con
- t-T/2
x(t) =e t/T u(t) , y(t) = rect ( T )
Segnali aperiodici a tempo continuo 125

3.6 Rappresentare la seguente trasformata di Fourier:

T III~ 1/2T
X(f)= 2T(1-I/IT) 1/2T<I/I~1/T
{O III> 1/ T
e trovare il segnale x(t) antitrasformato.
3.7 Determinare la trasformata di Fourier D(J) del segnale

d(t) = L(-1)k8(t-
k
kTo/2)

Utilizzando questo risultato dimostrare poi che i coefficienti di Fourier di


ordine pari di un qualunque segnale periodico alternativo sono nulli.

x(t)
1

-T
T

-1

Figura 3.53

3.8 Determinare i coefficienti Xk della serie di Fourier del segnale periodico


x(t) di Figura 3.54.

x(t)

-1

Figura 3.54

3.9 Un segnale periodico y(t) di periodo 1'0 ottenuto come periodicizzazione


del segnale aperiodico x(t):
I
l
126 Capitolo 3

-+-o

y(t)= Lx(t-nTo)
n=-1

Dimostrare che

-+-o

y(t) = x(t) <8>Lo(t


n =-00
- nTo)
e da questa espressione ricavare in una maniera alternativa a quella del
testo la relazione di campionamento infrequenza tra ~ e X(f).
3.10 Il segnale cosiddetto coseno rialzato

viene periodicizzato con periodo T. Determinare i coefficienti di Fourier


del segnale periodicizzato tramite la formula del campionamento in
frequenza, e discutere a posteriori il risultato ottenuto. Era questo
prevedibile in partenza? Ripetere lo stesso procedimento per il segnale
Appendice
Cenni alla teoria delle distribuzioni

A.I Definizione di distribuzione e di funzione generalizzata


Senza nessuna pretesa di rigore matematico, diamo nelle pagine seguenti alcuni
cenni alla teoria delle distribuzioni per chiarire meglio il contesto in cui le
funzioni generalizzate hanno una sistemazione fonnale corretta.
Si definiscefunzionale e si indica con T[x] una corrispondenza che associa a
una funzione x(t), di durata limitata, un ben definito valore numerico reale o
complesso. Un esempio di funzionale 1'energia di un segnale:
~

T[x] = Ex = J x2(t)dt (Al)

o il suo limite superiore:

T[x] = sup[x(t)] (A2)

o anche l' "area sottesa" dallo stesso


~

J
T[x] = x(t)dt (A3)

Il funzionale una generalizzazione del concetto di funzione nel senso di


corrispondenza o mappa. Contrariamente alle funzioni ordinarie, gli elementi del
dominio della corrispondenza sono funzioni (cio segnali) anzich valori
numerici, e il valore reso dal funzionale stesso dipende dall'andamento del
128 Capitolo 3

segnale nella sua globalit.


Distinguiamo alcune categorie di funzionali. Un funzionale lineare se per
esso vale la relazione

(A.4)

per ogni valore dei parametri a e f3 e per ogni coppia di funzioni xl(t) e xAt).
Evidentemente, il funzionale che associa a ogni segnale la propria energia non
lineare, mentre quello che associa l' "area sottesa" lo . Inoltre, un funzionale
continuo se, data una successione di funzioni xAt) con limxAt) e->O = x(t),
verificata la relazione

limT[xAt)] = T [ limxAt) = T[x(t)] (A.5)


e->O e->O ]

per ogni valore del tempo t. La continuit garantisce in pratica che possibile
"portare il limite sotto il segno di funzionale". Un funzionale lineare e continuo
una distribuzione.

Esempio A.l
Consideriamo il funzionale definito dalla relazione seguente:

T[x(t)] = x(o) (A.6)

Come possiamo notare, questo particolare funzionale dipende da un solo valore


del segnale x(t); verifichiamo se esso gode delle propriet di linearit e
continuit. La (A.6) implica che

(A.7)

che dimostra la linearit del funzionale. Per quanto riguarda la continuit, se


verificata la seguente relazione

limxAt) = x(t) ~t (A.8)


e->O

possiamo scrivere che

limT[xAt)] = limxAO)= x(O)= T[x(t)] (A. 9)


e->O e O

e la continuit resta dimostrata. Il funzionale in esame pertanto una


distribuzione. D
Segnali aperiodici a tempo continuo 129

Nello studio della teoria delle distribuzioni utile introdurre una funzione di
comodo q>(t)che permetta di esprimere il valore del funzionale nella seguente
forma:
~

Tq>[x]= fq>(t)x(t) dt (A IO)

Si richiede che la funzione q>(t)sia localmente sommabile, cio che verifichi la


seguente relazione:
/,
flq>(t)1dt < 00
(AlI)

con t) e t2 finiti. Il motivo per cui si introduce tale rappresentazione che essa
garantisce automaticamente la linearit e continuit del funzionale. In altre
parole, qualunque sia la funzione q>(t)scelta, la Tq>[x] comunque una
distribuzione.Se infatti la propriet di linearit garantita dalla presenza
dell'operatore di integrale, la continuit del funzionale segue immediatamente
dalla locale sommabilit di q>(t),come semplice dimostrare. Il pedice q>nella
(A.IO) indica che la distribuzione si "appoggia" alla funzione q>(t).Se, ad
esempio, scegliamo q>(t)= l otteniamo la distribuzione che fornisce il valore
dell'area sottesa dalla curva x(t). Invece se q>(t)= u(to - t) con to assegnato si
ottiene
~ /0

Tq>[x]
= fx(t)u(to-t)dt= fx(t)dt (AI2)

cio il funzionale restituisce il valore algebrico dell'area sottesa dal segnale x(t)
fino all'istante to'

A.2 La funzione generalizzata 8 di Dirac


Dunque ogni funzione ordinaria q>(t)genera una distribuzione, ma vicversa
non detto che data una qualunque distribuzione si riesca a trovare una funzione
ordinaria q>(t) che la generi. Infatti, se consideriamo la distribuzione T[x ] = x(O)
ci rendiamo conto che non esiste alcuna funzione ordinaria q>(t)che permetta di
scrivere tale distribuzione nella forma (AIO). Si definiscono allora le funzioni
generalizzate che garantiscono la possibilit di scrivere ogni distribuzione nella
forma (A.IO); tra queste, particolare importanza assume la funzione impulsiva ~ .

di Dirac implicitamente definita dalla distribuzione appena citata:


130 Capitolo 3

To[x]! J x(t) 8(t) dt = x(O) (Al3)

Questa la definizione formalmente corretta per la funzione 8(t); essa prevede


ovviamente che la 8(t) debba comparire sotto il segno di integrale. La (Al3)
gia stata presentata nel testo come una propriet della 8(t) ricavabile a partire
dalla definizione euristica intesa come limite di una successione di funzioni
ordinarie.

A.3 Derivata di una distribuzione


L'introduzione della 8(t) nel testo stata giustificata attraverso la ricerca della
derivata temporale del gradino unitario; si cio stabilito intuitivamente che

8(t) = du(t)
dt (A 14)

Cerchiamo adesso di dimostrare la correttezza di questa relazione nell'ambito


della teoria delle distribuzioni. Per fare ci, definiamo innanzitutto la derivata di
una distribuzione che si appoggia alla funzione q>(t)come
~

T;[ x ]!Tq>'[x] = J q>'(t) x(t) dt (AI5)

ove q>'(t)indica la derivata prima di q>(t)(nell'ipotesi di esistenza). Integrando


per parti il secondo membro della (AI5) si ottiene

(AI6)
T;[x] = q>(t)X(t)[ - j q>(t)x'(t) dt
Il primo addendo della (AI6) nullo poich x(t), per avere energia finita, deve
tendere a zero quando il tempo tende all'infinito; allora si pu dare un' altra
definizione di derivata di una distribuzione:

(AI7)

Utilizzando questo risultato cerchiamo di giustificare la relazione (A.14).


Ponendo q>(t)= u(t) nella (A lO) si ottiene la distribuzione
~

Jo
T"[x] = x(t) dt (AI8)

\
Segnali aperiodici a tempo continuo 131

e, calcolandone la derivata attraverso la (Al?), si ricava


~ ~

1;;[x ] = - J u(t) x' (t) dt = - J x' (t) dt = J x' (-a) da = x( O)= 18[x ] (AI9)
o o

Dunque, poich la derivata della distribuzione che si appoggia ad u(t) la


distribuzione che si appoggia a 8(t), allora, secondo la (A.15), la 8(t) pu
essere considerata la derivata dellafunzione u(t).
Definiamo adesso una nuova distribuzione:

TD[x]=-x'(O) (A20)
in cui, per cos dire, si campiona il valore nell' origine della derivata del segnale
x(t) cambiata di segno. Chiamiamo D(t) la fun~ione generalizzata d'appoggio
di questa distribuzione:
~

TD[x] = J D(t)x(t)dt = -x' (O)


(A2I)

Se calcoliamo la derivata della distribuzione 18[x] abbiamo


~

T;[x] = - J8(t)x'(t)dt = -x' (O) = TD[x] (A22)

e quindi, ripetendo il ragionamento gi fatto a proposito delle funzioni 8(t) e


u(t), concludiamo che la D(t) la derivata prima della 8(t):

D(t) = d8(t)/ dt (A23)

Da questa definizione seguono immediatamente alcune propriet interessanti


della D(t) vista come funzione generalizzata:
~ ~

JD(t)x(t - to) dt = -x'(to) ~ JD(t) x(to - t) dt = x'(to) (A24 )

e quindi

x(t) @ D(t) = x'(t) (A25)

Relazioni simili possono ottenersi definendo le derivate successive della


funzione 8(t), e costituiscono una base di analisi dei sistemi lineari e stazionari
a un ingresso e una uscita, come sar chiarito nel Capitolo 4.
132 Capitolo 3

A.4 Limite di una distribuzione e di una funzione generalizzata


Consideriamo adesso una successione di funzioni generalizzate rpe(t). Diremo
che questa successione
e-+O
ammette una funzione generalizzata limite rp(t), e
scriveremo che rpe(t)~ rp(t) quando, per ogni segnale x(t),

limTm
E~O r
[x] = T,Jx]
.,..
(A.26)

ovvero
~ ~

lim
e-+O f rpe(t)x(t)dt =f rp(t)x(t)dt (A.2?)

Questo chiarisce il senso della definizione della funzione generalizzata D(t)


come limite della successione De(t) (3.4.4). La convergenza di funzioni
generalizzate implicata dalla definizione (A.2?) non "diretta" come la
convergenza di funzioni ordinarie, in cui si richiede che, per ogni valore di t, si
abbia

limxe(t)
e-+O = x(t) (A.28)

Nel caso delle funzioni generalizzate, infatti, la convergenza mediata


attraverso una operazione di integrazione al di fuori dalla quale la funzione
generalizzata stessa non ha senso; ricordiamo infatti che quest'ultima ha il solo
scopo di definire un funzionale (una distribuzione) che a essa si "appoggia".
Emerge chiara adesso la necessit di intendere le operazioni al limite che si
devono eseguire per calcolare,/
integrali in cui compare la funzione D(t) come
eseguite al di fuori del segno di integrale (si riveda la discussione su questo
punto nel Paragrafo 3.4.1). La definizione stessa di convergenza tra funzioni
generalizzate (A.2?) prevede infatti esplicitamente tale operazione.
~

4
Sistemi monodimensionali a tempo continuo

4.1 Caratterizzazione dei sistemi a tempo continuo


4.1.1 Dal concetto di segnale al concetto di sistema
L'analisi e in generale lo studio dei segnali a tempo continuo intrapresi nei capi-
toli precedenti originano un certo numero di domande: In che contesto si mani-
festano tali segnali? Dove possono essere osservati? Che cosa responsabile
della produzione dei segnali stessi? Come questi possono essere elaborati? Nei
capitoli precedenti abbiamo gi visto alcune risposte parziali a queste domande.
Abbiamo infatti preso in considerazione segnali prodotti da fenomeni fisici, da
circuiti elettrici, da apparati in generale sia naturali che artificiali. Tutti questi
esempi possono essere accomunati in un solo concetto, ovvero quello di sistema.
Cos come nel caso della definizione di segnale.discussa nel Capitolo 1, an-
che la definizione di sistema abbastanza articolata, per lo meno dal punto di
vista del linguaggio ordinario. In senso lato, possiamo chiamare sistema mono-
dimensionale (altrimenti detto a un ingresso e una uscita) un qualunque disposi-
tivo, o interconnessione di dispositivi, o apparato, che produce un segnale di
uscita (chiamato anche risposta o effetto) in corrispondenza a un segnale di in-
gresso (detto anche sollecitazione, eccitazione o causa). Questa definizione
intenzionalmente molto vaga, in modo che sotto la dizione sistema possano
rientrare i casi pi disparati. chiaro che un circuito elettronico per il tratta-
mento del segnale un caso tipico di sistema (ad esempio un amplificatore in un
sistema di riproduzione audio ad alta fedelt). A buon diritto pu per classifi-
carsi come tale anche un sistema di controllo: la potenza erogata dal motore a
134 Capitolo 4

scoppio di una autovettura (segnale di uscita), controllata dal sistema di


iniezione di carburante, determinata dalla posizione che istante per istante
assume il pedale dell'acceleratore (segnale di ingresso); la temperatura del
nocciolo di una centrale termonuc1eare (segnale di uscita) determinata d~la
portata con cui il liquido refrigerante affluisce al nocciolo stesso (segnale di
ingresso), e cos via.
Dal punto di vista matematico, che quello che riguarda pi da vicino la
teoria dei segnali, la definizione di sistema assai meno vaga. In questo
contesto, un sistema una trasformazione (o, con la nomenc1atura dell'analisi
fUnzionale,unfunzionale) che a un segnale di ingresso x(t) fa corrispondere un
ben determinato e unico segnale d'uscita y(t). La trasformazione del segnale
x(t) nel segnale y(t) si denota nel modo seguente:

y(t) ='T[x(a);t] (4.1.la)

ove con questa notazione si intende che il valore dell'uscita all'istante t dipende
in generale dall'andamento complessivo del segnale d'ingresso x(t), cio da tutti
i suoi valori x(a), con -00 < a < 00 (ad esempio y(t) =J~x(a)da). Qu.@do
non ci sono per particolari questioni di ambiguit, si pu usare anche la nota-
zione semplificata

y(t) ='T[x(t)] (4.1.lb)

yna rappresentazione grafica di questa trasformazione quella di Figur~ 4.LLe


frecce indicano i segnali di ingresso e di uscita; il rettangolo la "materializza-
zione" grafica della trasformazione '1"'[-];il punto interrogativo allude al fatto che
per il momento del sistema non nota n la struttura interna (racchiusa dal
blocco e inaccessibile), n la maniera per caratterizzarne il comportamento agli
effetti esterni. Quest'ultimo argomento l'oggetto dei prossimi paragrafi.

x(t) y(t)
?
1
Figura 4.1 Sistema che trasfonna il segnale x( t) nel segnale y( t)

Un esempio di sistema l'amplificatore ideale per il quale la legge di trasforma-


zione elementare: esso viene infatti descritto dalla semplice relazione
y(t) = A x(t), essendo A una costante data (1'amplificazione).
Sistemi monodimensionali a tempo continuo 135

4.1.2 Propriet dei sistemi monodimensionali


A prescindere dalla struttura interna del sistema, fortemente dipendente dal con-
testo e dall'applicazione, possibile acquisire alcune informazioni preliminari
sul comportamento del sistema stesso e individuarne cos alcune propriet,
compiendo osservazioni esclusivamente sui segnali di ingresso/uscita.
Esaminiamo dunque queste propriet in dettaglio.
i) Stazionariet
Se le ~aratteristiche del sistema non variano nel tempo, il sistema stazionario;
questo il caso dei circuiti elettrici con componenti, per l'appunto, costanti nel
tempo. Volendo caratterizzare in modo formale un sistema siffatto possiamo
scrivere che, se

y(t) ='T[x(t)] (4.1.2)


allora

(4.1.3)

9uesta relazione dice in pratica che la risposta corrispondente all'eccitazione


traslata nel tempo x(t - to) ha lo stesso andamento della risposta al segnale
originario x(t) non traslato, purch la si trasli della stessa medesima quantit to.
ii) Causalit
Un sistema causale quando il valore dell'uscita all'istante arbitrario generico t
dipende soltanto dai valori assunti dall'ingresso agli istanti precedenti (o al
limite coincidenti con) t stesso:

y(t) = 'T[x(a),a::; t;t] = 'T[x(a)u(t - a);t] (4.1.4)

L'aggettivo causale deriva dalla considerazione che; se la relazione precedente


non fosse verificata, l'uscita all'istante t sarebbe determinata anche da valori del-
l'ingresso x(a) a istanti a> t, cio valorijitturi relativamente a t, in violazione
del principio di causa-effetto.
La causalit dei sistemi sembrerebbe quindi una propriet scontata. In realt
possiamo introdurre un'ulteriore distinzione: si dice che un sistema opera in
tempo reale se produce il segnale di uscita contestuaImente alla presentazione di
quello d'ingresso. Quindi un sistema fisicamente realizzabile che lavora in
tempo reale non pu che essere causale. Se invece l'uscita viene fornita dal
sistema solo successivamente all'acquisizione completa del segnale di ingresso,
si dice che il sistema opera in tempo virtuale. Registrando il segnale d'ingresso
,
136 Capitolo 4

su nastro o disco magnetico, si pu generare il segnale di uscita elaborando il


segnale successivamente all'acquisizione (cio in tempo virtuale) e quindi si
possono anche compiere operazioni di tipo "predittivo" impossibili in tempo
reale, e tipiche di un sistema non causale.
iii) Memoria
Un caso particolare di sistema causale il cosiddetto sistema istantaneo in cui
l'uscita all'istante t dipende solamente dal valore dell'ingresso al medesimo
istante:

y(t) = 'T[x(a),a = t;t] (4.1.5)


In questo caso si usa anche la dizione di sistema senza memoria (per evidenti
motivi). Due diversi segnali di ingresso XI(t) e X2(t), coincidenti a un certo
istante t*, provocano un medesimo valore in uscita all'istante t*, indipendente-
mente dai rispettivi andamenti per t * t*. L'esempio tipico di sistema istantaneo
l'amplificatore ideale y(t)=A.x(t). Viceversa, un esempio di sistema con
memoria il cosiddetto integratore a finestra mobile per il quale
I

y(t) = J x(a) da
l-T
(4.1.6)

ove T> O l'ampiezza della "finestra di integrazione". Il calcolo del valore


dell'uscita all'istante t presuppone la conoscenza dell'andamento del segnale
d'ingresso in tutto l'intervallo [t - T, t] (Figura 4.2): il sistema mantiene una
certa memoria dell'andamento del segnale d'ingresso x(t).

y(t)
x(a)

t-T t a

Figura 4.2 Funzionamento di un integratore a finestra mobile


-

Sistemi monodimensionali a tempo continuo 137

Esempio 4.1
Consideriamo di nuovo l'amplificatore ideale. Come gi accennato, il suo
comportamento descritto dall'equazione

y(t) =A. x(t) (E4.1.I)


ove il parametro reale A rappresenta l'amplificazione (cio il guadagno). Tale
sistema causale e senza memoria. Inoltre esso stazionario essendo
banalmente verificata l'uguaglianza tra 'T[x(t - to)]e y(t - to).
In una realizzazione dell'amplificatore con componenti elettronici, pu acca-
dere che, per lente derive dei componenti stessi, il guadagno non sia costante,
ma vari lentamente nel tempo. Un semplice modello di questa situazione il
nuovo sistema

y(t) = (A + B t) x(t) (E4.1.2)


che ancora causale e senza memoria, ma non stazionario. Si ha infatti che

'T [x(t - to)] = (A + B t) x(t - to) * y(t - to) = (A + B (t - to)) x(t - to). (E4.1.3)

iv) Stabilit
Diremo che un sistema stabile se, sollecitato da un segnale con andamento
arbitrario ma di ampiezza limitata, produce a sua volta in uscita un segnale di
ampiezza limitata:

Ix( t)1::; M :::} Iy( t)1::; K (4.1.7)

con M e K finiti. Questa definizione di stabilit si indica con l'acronimo BIBO


(Bounded-Input Bounded-Output) che significa "uscita limitata per ogni ingresso
limitato", ed solo una tra le molte definizioni di stabilit che si possono dare
per i sistemi monodimensionali. Secondo questo criterio, un "buon pilotaggio"
di un sistema stabile, cio un segnale di ingresso adeguatamente limitato, non
causa mai in uscita fenomeni di instabilit, cio situazioni in cui la risposta y(t)
tende a crescere illimitatamente.
v) lnvertibilit
In molti casi necessario ricostruire il segnale di eccitazione in ingresso a un
sistema nota la risposta al segnale stesso. Questa operazione possibile solo per
sistemi invertibili, per i quali cio esiste un sistema inverso 'T-I [.] tale che:
138 Capitolo 4

'T-I [y(t)] = X(t) (4.1.8)

qualunque sia il segnale di ingresso x(t). chiaro che l'amplificatore ideale


invertibile (e il suo sistema inverso ancora un amplificatore ideale), mentre il
sistema y(t) = X2(t) non lo .
vi) Linearit
Infine, un sistema lineare se a esso applicabile il principio di sovrapposizione
degli effetti. Ci significa che al segnale di ingresso

(4.1.9)
costituito da una combinazione lineare con coefficienti costanti a e f3 delle due
eccitazionix,(t) e X2(t)(le cause),il sistemarispondecon il segnaledi uscita

(4.1.10)

ove YI(t)='T[Xl(t)] e Y2(t)= 'T[X2(t)]. L'uscita si ottiene dunque mediante la


stessa combinazione lineare delle due risposte YI(t) e Y2(t) (gli effetti) alle due
eccitazioni XI(t) e X2(t) considerate agenti separatamente.

Esempio 4.2
Consideriamo il raddrizzatore a doppia semionda, la cui relazione costitutiva

'T[ x(t)] = Ix(t)1 (E4.2.1)

Poniamo al suo ingresso il segnale x(t) = XI (t) + x2(t); poich

(E4.2.2)

si pu dire che il sistema in esame non lineare. D


-
Esempio 4.3
Riprendiamo in considerazione l'amplificatore a guadagno variabile
dell'Esempio 4.1:

y(t) = (A + Bt)x(t) (E4.3.1)

e studiamone la linearit. Se il segnale d'ingresso x(t)=axl(t)+f3x2(t),


l'uscita corrispondente data da
Sistemi monodimensionali a tempo continuo 139

'T[x(t)] = (A + Bt)[ax.(t) + /h2(t)] = (A + Bt)ax.(t) + (A + Bt)f3X2(t)(E4.3.2)


Poich y.(t)=(A+Bt)XI(t) e Y2(t) = (A + Bt) X2(t) la relazione (E4.3.2) pu
essere riscritta nella forma

(E4.3.3)
e quindi il sistema lineare. O

4.2 Caratterizzazione e analisi dei sistemi lineari stazionari


Restringiamo adesso la nostra attenzione al caso estremamente importante di
sistemi lineari e stazionari (SLS) (o invarianti nel tempo). Questi rivestono una
particolare importanza perch si rivelano estremamente semplici da analizzare, e
possono inoltre essere sintetizzati (progettati) con altrettanta facilit.
Nel paragrafo precedente, abbiamo qualificato i sistemi monodimensionali
secondo determinate propriet rilevabili mediante lo studio dei soli segnali di
ingresso e uscita, a prescindere dalla struttura materiale del sistema stesso.
Vogliamo estendere questo modo di procedere, che potremmo chiamare "a
scatola chiusa" con riferimento al diagramma di Figura 4.1, per arrivare a una
caratterizzazione esaustiva del comportamento dei sistemi lineari stazionari.
4.2.1 La risposta impulsiva .

Per un SLS dato possibile misurare (o calcolare se si dispone di uno schema di


progetto) la cosiddetta risposta impulsiva, cio l'uscita del sistema in corrispon-
denza all'eccitazione impulsiva x(t) = 8(t). Convenzionalmente, tale segnale
viene indicato con h(t):

h(t)~'T[8(t)] (4.2.1)

L'importanza della risposta impulsiva di un SLS risiede nel fatto che la MIaco-
noscenza permette di determinare la risposta del sistema a un segnale di ingresso
di andamento arbitrario. Ricordiamo la (3.4.21):
~

x(t) = x(t)<8>8(t) = fx(a)8(t-a)da (4.2.2)

e scriviamo:
140 Capitolo 4

(4.2.3)
y(t) ='T[x(t)] ='TU x(a)O(t - a)da]
La trasformazione 'T[']caratteristica del sistema e l'operazione di integrale sono
entrambe operatori lineari, e quindi possibile invertime l'ordine di calcolo. La
(4.2.3) diventa quindi
~

y(t) = f'T[x(a)8(t-a)]da (4.2.4)

ove importante osservare che l'operatore 'T['] agisce su segnali funzioni del
tempo t. Poich tale operatore lineare, e tenendo conto che, rispetto al tempo t,
la quantit x( a) una costante, si ha:
~

y(t) = fx(a)''T[8(t-a)]da (4.2.5)

e infine, per la propriet di stazionariet del sistema e ricordando la definizione


di risposta impulsiva h(t) (4.2.1), si ottiene:
~

y(t) = fx(a) h(t - a) da = x(t) <8>h(t) (4.2.6)

che stabilisce la relazione fondamentale (diremmo costitutiva) del sistema line-


are stazionario: il segnale di uscita pu essere calcolato attraverso la convolu-
zione del segnale di ingresso con la risposta impulsiva.
La conoscenza della risposta impulsiva, oltre a permettere di ricavare il
segnale di uscita dato quello di ingresso, consente anche di verificare le propriet
possedute dal sistema e quindi caratterizza completamente il comportamento del
sistema stesso. Nel paragrafo precedente abbiamo visto ad esempio che un,
sistema causale se verificata la relazione

y(t) = 'T[x(a),a::; t;t] = 'T[x(a)u(t - a);t] (4.2.7)

Dimostriamo ora che un SLS causale se e solo se la sua risposta impulsiva un


segnale causale (nel senso specificato nell'Esempio 3.2), cio

h(t) == h(t) u(t) (4.2.8)


Infatti, se calcoliamo il segnale di uscita di un SLS la cui risposta impulsiva
causale, abbiamo:
Sistemi monodimensionali a tempo continuo 141

~ -
y(t) = x(t) <8>
h(t) = fx(a) h(t - a) da = fx(a) h(t - a)u(t - a) da
t

= fx(a) h(t- a) da (4.2.9)

in cui l'ultimo passaggio giustificato dal fatto che h(t - a) = O per a ~ t come
mostrato in Figura 4.3.

h(t) h(t -o:)

t-o: o:

Figura 4.3 Risposta impulsiva di un sistema causale

La limitazione dell'estremo superiore di integrazione nella (4.2.9), provocata


dalla causalit della risposta impulsiva, porta a concludere che il valore al
generico istante t del segnale di uscita determinato dai soli valori assunti da
x(a) per a '5,t. In una parola, il sistema causale. Viceversa, se il SLS in
esame fosse causale e la (4.2.8) non fosse verificata (cio la risposta impulsiva
non fosse causale) si avrebbe un assurdo perch, con un ragionamento analogo a
quello appena visto, si dimostrerebbe che l'uscita del sistema a un istante
assegnato dipenderebbe anche dai valori assunti dal segnale di ingresso in istanti
successivi.
Anche la stabilit del sistema univocamente determinata dall'andamento
della risposta impulsiva. Infatti, condizione necessaria e sufficiente affinch un
SLS sia stabile che la sua risposta impulsiva sia assolutamente,integrabile:
~

flh(t)1dt < +00 (4.2.10)

Verifichiamo innanzitutto la sufficienza. Supponiamo dunque


-
flh(t)1 dt = H < 00 (4.2.11)
142 Capitolo 4

Per un segnale d'ingresso limitato (cio Ix(t)J~ M) possiamo scrivere

ly(t)1=,j h(a) x(t-a) dal ~ jlh(a) x(t- a)1da = jlh(a)llx(t -a)1 da ~


~

~ M flh(a)1 da = MH <-too (4.2.12)

e quindi il sistema stabile. Procedendo per assurdo dimostriamo poi che la


condizione (4.2.10) di assoluta integrabilit anche necessaria. Supponiamo che
h(t) non sia assolutamente integrabile e che il sistema, nonostante ci, sia sta-
bile. Ci significa che, dando in ingresso al sistema un segnale limitato arbitra-
rio, il segnale di uscita corrispondente deve avere ampiezza limitata. Questo
deve accadere in particolare per il segnale di ingresso (ovviamente limitato)
x(t) = sgn[h(-t)] (il cosiddetto segnale del caso peggiore) rappresentato in
Figura 4.4 insieme a un particolare andamento della risposta impulsiva h(t).

1.5

sgn[h( -t)]
1.0

0.5
1\1

o.o~ " "1 l' '


\./
\~
-0.5 u
-1.0

h(-t)
-
-1.5
-2 -1 o 2
Tempo normalizzato, tfr

Figura 4.4 Rappresentazione del segnale x(t) = sgn[h( -t)]

Calcoliamo adesso il valore del segnale di uscita y(t) per t = O


- ~ ~

y(O) =f h(a) x(t - a) da =f h(a) x(-a) da = f h(a)sgn[h(a)] da


1=0
Sistemi monodimensionali a tempo continuo 143

= flh(a)1
da =-too (4.2.13)

avendo supposto, coerentemente con le ipotesi, che la risposta impulsiva del


sistema non sia assolutamente integrabile. Allora, poich il segnale di uscita del
sistema non ha ampiezza limitata, il sistema in realt non stabile, in
contraddizione con l'ipotesi fatta. Concludendo, possiamo scrivere
~

sistema stabile in senso BIBO <=>flh(t)1 dt <-too (4.2.14)

4.2.2 La risposta in frequenza


La risposta impulsiva di un sistema pu essere ricavata applicando in ingresso al
sistema stesso un segnale che approssimi la funzione 8(t) e misurando l'uscita
corrispondente. Diciamo "approssimi" perch il segnale 8(t) un'astrazione
matematica che pu solo essere approssimata quando si effettua una misurazione
nella pratica. Se per si ha un'idea dei tempi di risposta del sistema, una buona
approssimazione della sollecitazione impulsiva un impulso rettangolare di
durata sufficientemente pi piccola della costante di tempo intrinseca al sistema,
e di ampiezza sufficientemente elevata. Ci che si ottiene in questo modo la
caratterizzazione del sistema nel dominio del tempo.
In molti casi per non possibile e/o conveniente applicare al sistema una
sollecitazione impulsiva, vuoi per l'impossibilit di generare un segnale che sia
una buona approssimazione di un impulso di Dirac, vuoi per il timore che una
sollecitazione di ampiezza elevata come !'impulso (o meglio, l'approssimazione

-
pratica dell'impulso) possa danneggiare il sistema stesso. Cambiamo dunque
tipo di eccitazione, e forniamo al sistema un segnale di ingresso sinusoidale o
meglio,per semplicitdi calcolo, una oscillazionesinusoidalecomplessaalla
frequenzaf:

x(t) = ej2'!fi (4.2.15)


L'uscita corrispondente espressa da
~ ~

y(t) =f h(a) x(t - a) da =f h(a) ej21if(t-a)da


~

f
= ej2'!fi h(a) e-j21ifada (4.2.16)
144 Capitolo 4
.~

Se il sistema stabile, la risposta a un' oscillazione di frequenza f assegnata a


sua volta un' oscillazione alla stessa frequenza f, ma modificata in ampiezza e
fase rispetto all'ingresso di un fattore a valori complessi che chiamiamo risposta
infrequenza (talvolta risposta armonica) del sistema:

H(J)~ y(t) (4.2.17)


x(t) x(t)=ej21r/t
1

Al variare della frequenzaf, la variazione di ampiezza e lo sfasamento introdotto


dal sistema su un segnale sinusoidale cambiano, cosicch la risposta in fre-
quenza deve intendersi come una funzione della frequenza f esprimibile ad
esempio in modulo e fase. Questa definizione di carattere operativo della rispo-
sta in frequenza pu essere presentata in modo alternativo se si riconsidera la
(4.2.16):
~

H(f) = Jh(a) e-j21r/ada (4.2.18)

Allora chiaro che la risposta in frequenza anche ricavabile come trasformata


di Fourier della risposta impulsiva:

H(f)~:r[h(t)] (4.2.19)

Le due definizioni (4.2.17) e (4.2.19) sono chiaramente equivalenti. La prima


per suggerisce un metodo per misurare la risposta in frequenza attraverso
segnali di prova sinusoidali a frequenza variabile. La seconda richiede la
preventiva conoscenza della risposta impulsiva, e quindi ha come prerequisito la
caratterizzazione temporale del sistema, che non richiesta vice}iersa nella
"misura" della risposta in frequenza (4.2.17).
Se infine indichiamo con X(J) e Y(J) le trasformate di Fourier rispettiva-
mente del segnale di ingresso e di quello di uscita, possiamo trovare una terza
maniera di definire o ricavare la risposta in frequenza H(J). Trasformando en-
trambi i membri della relazione costitutiva del SLS (4.2.6) abbiamo

y(t) =x(t) (8)h(t) ~ Y(J) = x(J) H(J) (4.2.20)


ovvero

(4.2.21)
Sistemi monodimensionali a tempo continuo 145

Questa relazione permette di ricavare la risposta in frequenza del SLS attraverso


la conoscenza delle trasformate di Fourier dell'ingresso e dell'uscita del sistema,
prescindendo ancora una volta da una misura della risposta impulsiva. chiaro
per che quest'ultima definizione ha senso solo per quei valori di f per cui
X(f) *"O. Le tre definizioni viste per H(f) possono essere usate indifferente-
mente nella risoluzione di problemi pratici o teorici a seconda della convenienza.
Sappiamo che la trasformata di Fourier di un segnale reale gode della pro-
priet di simmetria Herrnitiana (si vedano le (3.2.8-3.2.9)); perci se la risposta
impulsiva di un sistema reale possiamo scrivere:

A(J) = A(- f)
{
H(J) = H*(- f) => 8(J) = -8(- f)
(4.2.22)

dove A(J)= IH(J)I la cosiddetta risposta in ampiezza del sistema e


8(J) = LH(J) la sua risposta in fase. Per comprendere appieno il perch di
questa nomenclatura (analoga peraltro a quella adottata per gli spettri dei
segnali), poniamo in ingresso al sistema il segnale

x(t) = acos(21ifot + qJo) (4.2.23)

e calcoliamo il corrispondente segnale d'uscita y(t). Osserviamo che x(t) pu


essere riscritto come

(4.2.24)

Pertanto, sfruttando la definizione di risposta in frequenza (4.2.17) e la linearit


del sistema si ottiene: -
y(t) = H(fo) ~ejrpoej21ifol
+ H( -.lo) ~e-jrpoe-j21ifol

= A(.fo) ej9(Jo)~ejrpoej21ifol+ A( - .lo) ej9(- fo) ~e- No e- j21ifol

= A(.fo) ~ [ej(9(Jo)+9'0)ej21ifol
+ e-j(9(Jo)+9'0)e-j21ifol]

= a A(fo) cos(21ifot+ qJo+ 8(10)) (4.2.25)

Come gi ricavato nel caso dell'oscillazione complessa, l'uscita del sistema ri-
sulta modificata in ampiezza e fase relativamente al segnale d'ingresso in ra-
gione rispettivamente delle risposte in ampiezza efase del sistema alla frequenza
lo considerata.
146 Capitolo 4

Esempio 4.4
Consideriamo la consueta squadra R-C mostrata in Figura 4.5 e determiniamola
sua risposta in frequenza H(1). Osserviamo preliminarmente che il problema
ben posto, nel senso che il sistema dato lineare e stazionario poich costituito
da componenti lineari a valori costanti nel tempo. La risposta impulsiva del
sistema pu essere ricavata come segue:

dU(t)
h(t) = 'T[o(t)] = 'T = ~'T[u(t)] = dg(t) (E4.4.1)
[ dt ] dt dt


t I t
.
I

Figura 4.5 Circuito elettrico R-C

ove g(t) come di consueto la risposta del sistema al gradino unitario u(t).
Ancora una volta nella (E4.4.I) sono state invertite le operazioni lineari di
derivazione temporale e trasformazione operata dal sistema.
La risposta al gradino del circuito pu essere interpretata come il risultatodi
un'operazione di "carica del condensatore C'attraverso la resistenza R (si veda
a questo proposito la Figura 3.29). Nozioni di fisica elementare permettonodi
scrivere

. (E4.4.2)

relazione rappresentata in Figura 4.6, e dove T = RC la costante di tempo del


circuito. Derivando, si ottiene la risposta impulsiva h(t) rappresentata in Figura
4.7:

h(t) = dg(t)
dt
= .!.e-1IT
T
u(t) (E.4.4.3)

La sua trasformata di Fourier

....
Sistemi monodimensionali a tempo continuo 147

H(J) = ! (E4.4.4)

che rappresenta infine la risposta in frequenza cercata del sistema dato.


1.25

--
C)
1.00

o 0.75
.
"O
S
....
C) 0.50
(ij
-cn
S
o 0.25
a.
cn
a: 0.00

-0.25
-2 -1 o 1 2 3 4 5 6
Tempo normalizzato, tJT

Figura 4.6 Risposta al gradino del circuito R-C

1.25

--
..c:
1.00

...=.
S 0.75
>
'Ci)
"3
a. 0.50 -
-
.
S
cn
O
a.
0.25

cn
a: 0.00

-0.25
-2 -1 O 1 2 3 4 5 6
Tempo normalizzato, tJT

Figura 4.7 Risposta impulsiva del circuito R-C


D
..,....

148 Capitolo 4

Esempio 4.5
Determiniamo la risposta in frequenza del circuito di Figura 4.5 per altra via. A
tal fine facciamo riferimento alla notazione indicata in Figura 4.8.

;<1> i<~ C I t
.IV
Figura 4.8 Circuito elettrico R-C

Considerando la caduta di tensione sul resistore e la tensione ai capi del


condensatore si ha

(E4.5.1)

Indicando con q(t) la carica elettrica accumulata sulle armature del


condensatore fino all'istante t, si ha inoltre

d vu(t)
~-=--=- 1 dq(t) i(t)
(E4.5.2)
dt C dt C

per cui

i(t) =C d vu(t) (E4.5.3)


dt ,."

e, sostituendo questa relazione nella (E4.5.1), si ottiene

vu(t) = v;(t) - RC d VII(t) (E4.5.4)


dt

che descrive la relazione tra i segnali di ingresso x(t) = v;(t) e di uscita


y(t) = vu(t). Calcolando la trasformata di Fourier di entrambi i membri della
(E4.5.4) si ha

v,,(J)= Y;(J)- j21ifRCv,,(J) (E4.5.5)


Sistemi monodimensionali a tempo continuo 149

da cui si ricava

) ~(J) ! (E4.5.6)
H(J = Y;(J) - 1+ j21if RC

Se si definisce la frequenza di taglio del sistema (il cui significato sar chiarito
pi avanti) come

1
(E4.5.7)
fT = 2rcRC
la risposta in frequenza del SLS anche

H(J) = ! (E4.5.8)

dalla quale si trovano immediatamente le seguenti espressioni della risposta in


ampiezza e in fase:
1
, L-H(J) =-arctgL (E4.5.9)
IH(J)I = ~1 +(J I fT t fT

L'andamento delle risposte in ampiezza e fase rappresentato nella Figura 4.9


mediante scale lineari per entrambi gli assi del riferimento cartesiano del
grafico. D

4.2.3n decibel ,
In molti fenomeni fisici, specialmente collegati con la percezione sensoriale
umana, l'ampiezza di un segnale pu variare di molti ordini di grandezza.
L'esempio tipico di questa tendenza dato dai segnali acustici udibili. I suoni
pi forti che l'orecchio umano pu tollerare senza danni hanno una intensit di
pressione acustica I pari a circa 1 W/m2 (ad esempio, un motore aeronautico a
piena potenza). I pi deboli rumori percepibili, viceversa, hanno una pressione
acustica di 1 pW/m2= 10-12W/m2, cio 12 ordini di grandezza ~nferiore. Quel
che pi conta inoltre che a sensazione di intensit acustica raddoppiata,
triplicata ecc. rispetto a una intensit di riferimento lo corrisponde in realt una
effettiva intensit acustica che varia come (l/Io )2, (I I lo )3 ecc. In questi casi
dunque appropriato usare una scala di misura logaritmica, in cui al "raddoppio
soggettivo" della intensit corrisponde un raddoppio dell'unit di misura, che
150 Capitolo 4

deve essere intesa come logaritmo (in base lO) del fattore di incremento reale,
Questa unit il bel (abbreviato B) o pi, comunemente, il decibel (abbreviato
dB) pari evidentemente a un decimo di bel.
1.25

-
:!::-
I
1.00

f 0.75
N
N
Q)
'5.
E
ro
0.50

-
,!;;
ro
Cf)
o
a.
0.25

Cf)
a: 0.00

-0.25
-5 -4 -3 -2 -1 o 1 2 3 4 5
Frequenza normalizzata, flfT (a)

180

'5 135
CCI

-
.9
:!::-
I
90

"! 45

Q)
Cf) 01 -.... I -
-c:
ro
-45
-('(j
Cf)
O -90
a.
Cf)
a: -135

-180
-5 -4 -3 -2 -1 O 1 2 3 4 5
Frequenza normalizzata, flfT (b)

Figura 4.9 Risposta in ampiezza (a) e fase (b) del circuito R-C

Per quel che riguarda la misura della risposta in ampiezza di un sistema, si


definisce la risposta in dB del sistema come

l
, 'E>

Sistemi monodit11\ - > ,a tempo continuo 151

IH(Jt (4.2.26)
IH(J)ldB
! l Olog,o IH(fo t
Poich il dB, come chiarito poc'anzi, sempre e comunque una misura relativa
a un riferimento, nella definizione compare il fattore JH(fo
punto il valore rispetto al quale i dB sono calcolati; la frequenza lo del riferi-
t che costituisce ap-

mento deve essere scelta opportunamente per i vari tipi di sistema considerati,
come sar chiarito in seguito; il moltiplicatore lO serve infine a convertire i bel
(dati dal solo logaritmo del rapporto) in decibel. La risposta in ampiezza del si-
stema viene elevata al quadrato perch il dB si riferisce a misure relative di po-
tenza, e la potenza dei segnali trattati dal SLS legata alla risposta in ampiezza
elevata al quadrato (si veda il Paragrafo 4.4).

Esempio 4.6
Ricaviamo la risposta in ampiezza del SLS dell'Esempio 4.5 espressa in decibel:

Abbiamo scelto come riferimento la frequenza lo = O per la quale si ha il valore


massimo della risposta in ampiezza: IH(Io)1 = 1. Spesso utile una scala loga-
ritmica anche per l'asse delle frequenze espresse in Hz. Ci permette di visua-
lizzare 1'andamento della risposta in un ambito molto esteso senza perdere il
dettaglio sulle basse frequenze. In tal caso viene rappres~tata la sola parte della
risposta per f > O, e si ottiene il grafico di Figura 4.lOa. In Figura 4.lOb rap-
presentata inoltre la risposta in fase del sistema ancora su scala frequenziale 10-
garitmica. [J

Esempio 4.7
Determiniamo la risposta in frequenza del circuito C-R di Figura 4.11. Da un
esame dello schema si ha

(E4.7.1)

ove q(t) rappresenta la carica nel condensatore all'istante t. Combinando le due


equazioni e derivando rispetto al tempo si ricava
152 Capitolo 4

10

- o
-3 , ,
I
I
N -10
N
Q)
'Q.
E
I -20
.
.~
I
1i)
o -30
c..
cn
c:
-40
101 103
Frequenza (Hz) (a)

180

-
'6 135

--
I
....
C>
:t::.
90

:J: 45
"I
Q) O
cn
-Ic:
-45
-Icn -90
O
c..
cn
c: -135

-180
10' 103
Frequenza (Hz) (b)

Figura 4.10 Risposta in ampiezza in dB (a) e in fase (b) del circuito R-C

d i(t) d . (E4.7.2)
-v.(t)--
dt' C
= R -l(t)
dt
Poich inoltre i(t)=vu(t)IR si ottiene l'equazione differenziale che lega i (
segnali di ingresso e di uscita:

J
Sistemi monodimensionali a tempo continuo 153

c
. I
t t
Vi (t) Vu(t)
iVR
I I

Figura 4.11 Circuito elettrico C-R (Esempio 4.7)

d
-v. (t ) ( ) = -vd
V t
(E4.7.3)
!! (t )
dt I RC dt U

Calcolando la trasformata di Fourier di entrambi i membri si ha

j2TCjV;(J)- ~ (E4.7.4)
RC Y,,(J)= j2TCjY,,(J)

da cui si ricava la risposta in frequenza del sistema:

H(J) = Y,,(J)= j2TCjRC = j2TCjT T = RC (E4.7.5)


V;(J) 1+ j2TCjRC 1+ j2TCjT '
Definendo anche in questo caso la frequenza di raglio del circuito

l
(E4.7.6)
fr = 2nRC
la risposta in frequenza del sistema diventa

(E4.7.7)

cui corrispondono le risposte in ampiezza e fase

IH(f)1 I (~Ifr)' )'


= 11+f/fr . LH(f) = "2 sgn(f)- arctg Lfr =-arctg J,
f (E4. 7.8)

che sono rappresentate in Figura 4.12 utilizzando scale lineari per entrambi gli
assi di riferimento.
154 Capitolo 4

1.25

..... 1.00

ai
N 0.75
N
Q)
'5.
E 0.50
a:s
.
a:s 0.25
Ci)
o
Cl.
rn
0.00

-0.25
-5 -4 -3 -2 -1 o 1 2 5
Frequenza normalizzata, flfT
(a)

180

:c 135
E!
.9 90
c-
I 45
'-.J
ai o
cn
$
. -45
a:s
Ci) -90
.
o
Cl. ,
CI: -135
-180
-5 -4 -3 -2 -1 o 1 2 4 5
Frequenza normalizzata, flfT
(b)

Figura 4.12 Risposta in ampiezza (a) e fase (b) del circuito C-R

Prima di calcolare l'espressione della risposta in ampiezza del circuito in dB,


osserviamo che in questo caso non ha senso scegliere come riferimento .io = O,
in quanto H(O) = O. Viceversa, visto l'andamento della risposta in ampiezza, si
deve scegliere stavolta fo ~ 00 , per cui

IH(jt (j/ fTf (E4.7.9)


IH(j)ldB = lO loglO IH( 00 t = lO loglO[ 1+ (J / fT f]
L'andamento di IH(j)ldB illustrato in Figura 4.13 insieme al grafico della
risposta in fase, entrambi su scala logaritmica per le frequenze.
-

Sistemi monodimensionali a tempo continuo 155

10

o
-
~

-3 ~
:f ,., 0.0

CI!
N -10
N
Q)
.5.
E
CI! -20
.:
CI!
(;j
o -30
c-
m
Cf

103
Frequenza (Hz)
(a)

180

135
'6
-9 90
-
I 45
"I
Q) o
-mCI!
.: -45
CI!
(;j -90
o
c-
m
,
Cf -135

-180
10' 103
Frequenza (Hz) (b)

Figura 4.13 Risposta in ampiezza misurata in dB (a) e in fase (b) del circuito C-R

Antitrasformando la risposta in frequenza (E4.7.7) si ricava la risposta impulsiva


del circuito:

h(t) = 8(t) _.!. e-1fT u(t)


T
(E4.7.1O)

che rappresentata in Figura 4.14 (T = RC). Dalla risposta impulsiva si pu


ricavare infine la risposta al gradino g(t):
156 Capitolo 4

=u(t)- j
u(t) e-alT da
T o
= e-IIT u(t) (E4.7.11)

rappresentata a sua volta in Figura 4.15.

0.6

- 0.4

0.2

ro 0.0
>
"Ci) -0.2
"S
c..
E -0.4
ro
C;; -0.6
o
c..
CI) -0.8
CI:
-1.0

-1.2
-2 -1 o 1 2 3 4 5 6
Tempo normalizzato, t/T

Figura 4.14 Risposta impulsiva del circuito C-R

1.25

--
C>
1.00

O 0.75
c:
'5
C) 0.50
-
(ij
ro
CI)
O
c..
0.25
CI)
CI:
0.00

-0.25_2 -1 o 1. 2 3 4 5 6

Tempo normalizzato, t/T

Figura 4.15 Risposta al gradino del circuito C-R


D
Sistemi monodimensionali a tempo continuo 157

Esempio 4.8
Determiniamo la risposta y(t) del circuito di Figura 4.16 al cui ingresso
applicato il segnale x(t) di Figura 4.17.

i
y(t)

Figura 4.16 Circuito elettrico dell'Esempio 4.8

x(t)

,-
T t

Figura 4.17 Segnale di ingresso del circuito di Figura 4.16

Si osservi che il segnale in ingresso pu essere espresso nella forma

x(t) = u(t) - u(t - T) (E4.8.1)


da cui segue immediatamente

y(t) = g(t) - g(t - T) (E4.8.2)


dove g(t) come di consueto la risposta al gradino unitario del circuito in
esame. Per determinare g(t) ricaviamo la risposta impulsiva h(t) del sistema
come antitrasformata della risposta in frequenza H(J). Consideriamo dunque il
segnale di eccitazione x(t) = ej2trft;attraverso il calcolo fasoriale semplice
trovare l'espressione del corrispondente segnale di uscita y(t):

ej2trftj21ifL + R (E4.8.3)
2j21ifL + R
158 Capitolo 4

ove evidentemente ZL l'impedenza dell'induttore L alla frequenza f.


immediato ricavare l'espressione della risposta in frequenza cercata:

H(J) = R+ j21ifL (E4.8.4)


R+ j41ifL
da cui, ponendo a = LIR, si ricava

H(J)= 1+j21ifa _112+ j21ifa+112 -.!..+.! ! (E4.8.5)


1+j41ifa 1+j41ifa 2 2 1+ j41ifa
La risposta in ampiezza e la risposta in fase del circuito sono rappresentate nella
Figura 4.18. Antitrasformando la (E4.8.5) si ottiene l'espressione della risposta
impulsiva del circuito:

h(t) =.!..8(t)+~ e-I!2au(t) (E4.8.6)


2 4a
e quindi la risposta al gradino

I 1 1 I
,
g(t)=u(t)@h(t)= fh(-r)d-r=-u(t)+-
- 2 4a-J e-r!2au(-r)d-r
=.!..u(t)+u(t)~J e-r!2ad-r=[ 1-.!..e-'!2a] u(t) (E4.8.7)
2 4ao 2
per cui il segnale di uscita risulta

(E4.8.8)

e cio

o t:::;O
1-.!..e-,!2a O<t:::;T
y(t) = 2 (E4.8.9)

.!(eT!2a_l)e-'!2a
2 t>T

segnale che visualizzato in Figura 4.19. interessante notare che, se T a,


allora:

1 t-TI2 1
y(t)::= -
2
rect T
( )=-2 x(t) (E4.8.1O)
Sistemi monodimensionali a tempo continuo 159

3
iD
..-.. I IfO=1/(21ta.)I
:=.. o
I
tU
N
N
Q)
'0.. -3
E
tU
.!:
-cnotU -6
c..
cn
CI:
-9
0.01 0.1 1 10 100
Frequenza normalizzata, flfo (a)

' I I I I .. Il ' I I IIIIII


'
I I I I I 111

..-..
'5 I

-..-.. l
.9
I
22.5
Ifo=11(21ta.)I

"I
Q)

-.!:cn
tU
0.0

tU
Ci) -22.5
o
c..
cn
CI:

-45.0
0.01 0.1 1 10 100
Frequenza normalizzata, flfo

Figura 4.18 Risposta in ampiezza (a) e in fase (b) del sistema dell'Esempio 4.8

mentre, se T a,

t - T/2
y(t)::= rect ( T )=x(t) (E4.8.11)

L'andamento di entrambi i due casi limite (E4.8.1O-E4.8.11) si pu facilmente


riscontrare rispettivamente dalle curve per a = 2T e a = T 18 di Figura 4.19.
160 Capitolo 4

1.25

1.00

0.75

->:- 0.50

0.25

0.00

-0.25
-1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0

Tempo normalizzato, t/T

Figura 4.19 Risposta del sistema di Figura 4.16 al segnale di Figura 4.17
I
D
4.2.4 Sistemi in cascata e in parallelo
Consideriamo ora due SLS stabili disposti in cascata, come illustrato in Figura
4.20.

-1
X(I)
h 1(t)
~Y(I)

Figura 4.20 Sistemi lineari stazionari in cascata

Indicando con ~(t) e ~(t) ie risposte impulsive rispettivamente del primo e del
secondo sistema, vogliamo determinare la relazione esistente tra il segnale x(t)
in ingresso al primo sistema e il segnale y(t) in uscita al secondo. Sappiamo che
~

y(t) = Jz(a)~(t-a)da (4.2.27)

e che
~

z(t) J
= x({3) ~ (t - {3) d{3 (4.2.28)
Sistemi monodimensionali a tempo continuo 161

Sostituendo la (4.2.28) nella (4.2.27) si ottiene:

y(t) =}~(t-a) [)ya-P)x(P)dP] da


(4.2.29)
= )~(P)[).':(a- P)h,(t-a) da ]dP
e con l'ulteriore sostituzione r =a - {3 nell'integrale in da,

y(t) = )~(P)
[)yr) h,(t- p)-r) dr] dp
= f x({3)[~(t - {3)@ ~(t - {3)] d{3 = x(t) @ [~(t)@ ~(t)] (4.2.30)

Questo risultato dimostra che la cascata di Figura 4.20 pu essere rappresentata


come un unico sistema equivalente con risposta impulsiva

(4.2.31)
ovvero risposta in frequenza

(4.2.32)

come suggerito dalla Figura 4.21. Nel procedimento analitico che porta al
risultato (4.2.31) stata fatta la tacita ipotesi che i due sistemi in cascata non si
influenzino a vicenda, cio che il comportamento dei due (in particolare la loro
risposta impulsiva), quando vengono connessi in cascata, sia identico a quello
riscontrato per ciascuno isolatamente. Questa ipotesi non verificata ad esempio
per i circuiti R-C e C-R esaminati negli Esempi 4.4-4.5. In tal caso necessario
interporre eventualmente tra i due un circuito disaccoppiatore (o buffer) che
impedisce reciproche influenze tra i due stadi.
Un secondo tipo molto comune di interconnessione quella in parallelo, in
cui i sistemi vengono alimentati dallo stesso ingresso, e le uscite dei due
vengono poi sommate, come in Figura 4.22. chiaro che la risposta impulsiva e
in frequenza equivalenti sono in questo caso pari a

(4.2.33)
162 Capitolo 4

L
~(t)

Figura 4.21 Sistema equivalente alla cascata di Figura 4.20

x(t)

-
Figura 4.22 Sistemi in parallelo

4.3 Filtri
4.3.1 Generalit sui filtri e filtri ideali
Un caso tipico che si presenta nell'elaborazione dei segnali quello in cui il se-
gnale osservato x(t) costituito dalla sovrapposizione, cio dalla somma, di due
segnali: x(t) = x1(t)+ x2(t) dei quali il primo un segnale utile, cio portatore di
informazione, mentre il secondo rappresenta solo un disturbo ineliminabile alla
fonte. Nella raccolta di un segnale elettrocardiografico, ad esempio, pu acca-
dere che alla tensione raccolta dai sensori sul corpo del paziente (molto debole,
dell'ordine di grandezza dei mVe stilizzata in Figura 4.23a) venga a sovrapporsi
un disturbo dovuto alla tensione di alimentazione fornita all'apparato elettro-
medicale dalla normale rete elettrica 220 V-50 Hz (come in Figura 4.23b). Se il
circuito elettrico dello strumento non realizzato con la massima accuratezza, il
residuo della tensione di alimentazione pu rivelarsi dello stesso ordine di gran-
dezza del segnale utile. In un caso di questo genere, fondamentale riuscire a di-
scriminare il segnale utile dal disturbo, cosa apparentemente impossibile tenendo
conto che il segnale osservato la sovrapposizione di queste due componenti,
come si vede dalla Figura 4.24.
Sistemi monodimensionali a tempo continuo 163

1.25 I I , I I I ,

100 1120 battitilminI

0.75

-
X
0.50

0.25

0.00

-0.25

-0.50
0.000 0.125 0.250 0.375 0.500 0.625 0.750 tT.875 1.000

Tempo (5)

1.25

1.00

I'0=50Hz I

--
X
N
0'+
0.50

0.25

0.00

-0.25

-0.50
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

Tempo (5)

Figura 4.23 Segnale utile (a) e disturbo (b) in un elettrocardiogramma

Consideriamo per i segnali in ambito jrequenziale. La situazione quella


rappresentata in Figura 4.25, in cui lo spettro del segnale "utile" e quello del
"disturbo" insistono su intervalli jrequenziali disgiunti. Si intuisce allora che
possibile separare il segnale utile dal disturbo utilizzando un SLS con risposta
in frequenza opportuna. Se, come di consueto, indichiamo con Xl(I) e X2(I) le
trasformate di Fourier rispettivamente di Xl(t) e X2(t), la trasformata di Fourier
164 Capitolo 4

del segnale x(t) allora

(4.3.1)

1.25

1.00

-
:t:.
X
C\I
0.75

0.50
.:t.
:t:.
x 0.25
J!..
+-'
X
0.00 .....

-0.25

-0.50
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

Tempo (5)

Figura 4.24 Sovrapposizione del segnale e del disturbo di Figura 4.23

X(f)
x 2(f)
x 1(f)

-f o -8 8

Figura 4.25 Spettro del segnale x(t) di Figura 4.24

Se vogliamo reiettare (cio cancellare) il disturbo x2(t), possiamo elaborare il


segnale tramite un SLS con caratteristiche di selettivit nei confronti delle varie
componenti frequenziali che compongono il segnale. In particolare, evidente
che il segnale viene preservato e il disturbo viene reiettato se il sistema ha una
risposta in frequenza pari a

. (4.3.2)
Sistemi monodimensionali a tempo continuo 165

illustrata in Figura 4.26. Il segnale d'uscita y(t) del filtro, avendo infatti
trasformata di Fourier Y(J)= X(J) H(J), sar privo del disturbo x2(t).

~t)

-8 8

Figura 4.26 Risposta in frequenza di un filtro passa-basso ideale

Un sistema con risposta in frequenza come ii Figura 4.26 viene chiamato filtro
passa-basso ideale. Esso infatti possiede caratteristiche di selettivit, nel senso
che le componenti frequenziali all'interno di una certa banda, cio intervallo di
frequenze, vicino alla frequenza nulla (quindi basse frequenze) vengono lasciate
inalterate. In questa zona infatti, chiamata banda passante, si ha H(f) = 1.
Viceversa, all'esterno della banda passante, e cio nella cosiddetta banda
oscura, le componenti frequenziali vengono completamente cancellate perch
H(f) = O. La frequenza B rappresenta il cosiddetto limite di banda.
Questa funzione di selettivit giustifica il nome di "filtro" dato a questo SLS,
nel senso che le componenti nello spettro del segnale aventi frequenza maggiore
del limite di banda vengono "trattenute", mentre le altre componenti vengono
"lasciate passare". Nella pratica, si tende ad identificare il limite di banda B con
l'ampiezza della banda passante (o banda tout-court). Per convenzione, infatti, la
banda del filtro L'ampiezza della banda passante considerata sul solo semiasse
positivo delle frequenze. Per il filtro di Figura 4.26, quindi, la banda pari a B e
coincide con il limite di banda.
La risposta impulsiva del filtro passa-basso (low-pass) ideale si ricava
antitrasformando l'espressione della risposta in frequenza (4.3.2):

hLP(t) = 2B sinc(2Bt) (4.3.3)

funzione rappresentata in Figura 4.27. Si nota immediatamente che hLP(t)


diversa da zero anche per valori di t < O, per cui il filtro passa-basso ideale un
sistema non causale e quindi fisicamente non realizzabile.
166 Capitolo 4

28

Figura 4.27 Risposta impulsiva del filtro passa-basso ideale

Se invece desiderassimo sopprimere la componente x.(t) nel segnale x(t) per


isolare X2(t), potremmo utilizzare un SLS la cui risposta in frequenza- rappre-
sentata in Figura 4.28. Tale sistema, che permette l'eliminazione delle basse fre-
quenze, viene chiamato filtro passa-alto ideale ed caratterizzato dalle risposte
in frequenza e impulsiva seguenti:

(4.3.4)
HHP(J)= 1- rec{{B) ::}hHP(t)= 8(t) - 2Bsinc(2Bt)
chiaro che stavolta la banda passante del filtro passa alto (high-pass) quella
che sta al di l del limite di banda B, nella quale le componenti frequenziali del
segnale di ingresso non vengono alterate. Colloquialmente, diremo ancora (in
modo improprio) che la banda del filtro passa-alto B, alludendo in realt al
limite di banda. immediato verificare che anche il filtro passa-alto ideale un
sistema non causale.

-8 8

Figura 4.28 Risposta in frequenza di un filtro passa alto ideale


Sistemi monodimensionali a tempo continuo 167

Nella situazione di Figura 4.25 la separazione tra i due segnali XI(t) e X2(t)
stata effettuata rispettivamente con un filtro passa-basso o con un filtro passa-
alto ideali. Supponiamo invece di osservare il segnale x(t) somma di tre com-
ponenti

(4.3.5)

aventi trasformate di Fourier come in Figura 4.29, e di voler estrarre da esso il


segnale x2(t); questo caso tipico dei segnali modulati emessi dalle stazioni di
radiodiffusione. I vari segnali hanno infatti spettri non sovrapposti in ambito
frequenziale e posti a cavallo delle cosiddette frequenze portanti su cui i
radioricevitori vengono poi sintonizzati. Come mostra la figura, necessario
disporre di un sistema con risposta in frequenza HBP(J) non nulla solo nella
banda occupata dal segnale x2(t). Tale sistema prende il nome di filtro passa-
banda ideale. La banda passante del filtro (ripetiamo, definita per convenzione
sul solo semiasse delle frequenze positive) si estende tra il limite di banda
inferiore fL e il limite di banda superiore fH'
- t.-- B -+1
X(f) I I
I I
II H BP(f) II
1

II ,, X1(f)
,I ,,
,I \
,
f

Figura 4.29 Spettro del segnale e risposta in frequenza del filtro passa-banda ideale

Alternativamente ai limiti di banda, il filtro passa-banda (band-pass) viene pi


comunemente caratterizzato attraverso i due parametri equivalenti frequenza
centrale (o di centro-banda) lo = (tL + fH )/2, e ampiezza della banda passante
B =fH - fL' Calcoliamoora la rispostaimpulsivadel filtro passa-bandaideale
ricordando il teorema della modulazione:

x(t) cos(21ifot)~ X(t - io) + X(t + lo) (4.3.6)

Nel nostro caso,


168 Capitolo 4

(4.3.7)

e quindi

hBP(t) = 2B sinc(Bt)cos(21if;,t) (4.3.8)

relazione illustrata nella Figura 4.30 nel caso in cui lo = lO B .


2.5

2.0
1.5

1.0
\
--
cc
-...
a..
0.5
0.0
IXI
..c -0.5

-1.0

-1.5
-
-2.0

-2.5
-4 -3 -2 -1 o 2 3 4

Tempo normalizzato, St

Figura 4.30 Risposta impulsiva di un filtro passa-banda ideale

Ricordiamo infine che per i filtri passa-banda si definisce anche un altro


parametro, dettofattore di qualit Q, che mette in relazione la frequenza centrale
con la banda del filtro:

(4.3.9)

e che tanto maggiore quanto minore la banda passante relativamente alla


frequenzacentrale,cioquantopi il filtro selettivo.
Consideriamo di nuovo il segnale x(t) (4.3.5) il cui spettro rappresentato in
Figura 4.31, e supponiamo di voler eliminare da esso il segnale X2(t). Il filtro
che permette di effettuare tale operazione viene detto filtro elimina-banda ideale
e la sua rispostain frequenzaHBR(J) rappresentatain Figura4.31. Tale rispo-
sta ancora caratterizzata da una frequenza centrale lo e da un' ampiezza di
banda B (o dai limiti di banda fL ed fN)' entrambe per relative alla banda
Sistemi monodimensionali a tempo continuo 169

oscura. immediato stabilire la seguente relazione tra la risposta in frequenza


del filtro elimina-banda (band-reject) ideale e quella del filtro passa banda ide-
ale:

(4.3.10)

per cui

hBR(t) = 8(t) - 2B sinc(Bt)cos(27ifot) (4.3.11)


Un filtro elimina-banda pu essere molto selettivo, e al limite pu essere
utilizzato per reiettare la componente spetttaIe a una sola particolare frequenza
(ad esempio, la frequenza di rete io = 50 Hz). In tal caso il filtro elimina-banda
viene pi comunemente chiamato filtro notch.

t.- B --.I
X(f) I
I
I
I
I I
1- I I

I \ X1 (f)
I \
I \
I \
I \
I \

Figura 4.31 Risposta in frequenza di un filtro elimina-banda ideale

4.3.2 Criterio di Paley- Wiener e f'Iltri reali


Tutti i filtri ideali che sono stati appena presi in esame sono non causali perch
harino risposte impulsive non nulle per t < O. Questa non-causalit emerge
chiara da un esame delle caratteristiche temporali dei sistemi considerati.
Tuttavia, anche nota la sola risposta infrequenza di un SLS, possibile decidere --I:
se essa relativa a un sistema causale o meno. A questo proposito utile il
criterio di Paley-Wiener, che riguarda i sistemi lineari stazionari la cui risposta
in ampiezza a quadrato integrabile:
~

Il H(f) 12dJ< 00
(4.3.12)

e che quindi applicabile direttamente ai filtri passa-basso e passa-banda ideali.


170 Capitolo 4

In questa ipotesi, se la risposta in ampiezza IH(J)I tale da verificare la ulteriore


condizione

< 00 (4.3.13)
[ 1+ (21Cj)2
~ Iln[1 H(f) I]Idf

allora esiste una funzione reale e(J) tale che

\ (4.3.14)
rappresenta la risposta in frequenza di un sistema causale; se viceversa la condi-
zione (4.3.13) non verificata, il sistema non causale. Questa condizione
quindi necessaria alla causalit del sistema, ma non sufficiente. In particolare,
il criterio non indica come scegliere l'opportuna e(J) che rende effettivamente
il sistema causale. ,
Nel caso dei filtri ideali passa-basso e passa-banda, che verificano l'ipotesi di
applicabilit del criterio, notiamo che le risposte in ampiezza sono nulle su in-
tervalli frequenziali di misL!ra(ampiezza) non nulla. Questo implica che l'inte-
grale della (4.3.13) sicuramente divergente perch la funzione integranda non
limitata su intervalli di misura non nulla. Il criterio non quindi soddisfatto, e i
filtri sono necessariamente non causali. Indirettamente, questo dice che anche i
filtri passa-alto ed elimina-banda sono non causali in quanto le loro risposte in
frequenza sono il complemento a uno delle risposte rispettivamente del passa-
basso e passa-banda aventi gli stessi limiti di banda.
Conseguenza di queste osservazioni che un filtro causale pu avere una
risposta in frequenza che si annulla solo per un insieme di frequenze di misura
I

nu?la, cio soltanto per un numero finito (o infinito numerabile) di frequenze.


Esempi elementari di filtri passa-basso e passa-alto reali sono rispettivamente le
squadre R-C e C-R di Figura 4.8 e 4.11 per le quali le risposte in ampiezza sono

(4.3.15)

la prima delle quali resta sempre * O, mentre la seconda si annulla nel solo
punto f = O,senza violare il criterio di Paley-Wiener.
Filtri elementari di tipo passa-banda ed elimina-banda si possono realizzare
con circuiti risonanti L- C rispettivamente come in Figura 4.32a-b, ove
21ifo = 1/ -J LC e 1/ Q = 21ifoL/R. Le risposte in frequenza di questi filtri sono:
Sistemi monodimensionali a tempo continuo 171

(4.3.16a)

(4.3.16b)

le cui ampiezze sono rappresentate in Figura 4.33.

R L

t
x(t) C
t
L y(t)
tX(t)! ---.r-C R
ty(t)
I I I I

(a) (b)

Figura 4.32 Filtri passa-banda (a) ed elimina-banda (b) reali con gruppi L-C parallelo

4.3.3 Banda e durata di un segnale e banda di un sistema


Le caratteristiche selettive dei filtri "reali" sono chiaramente meno spiccate di
quelle dei filtri ideali, nel senso che per essi non individuabile esattamente una
bandapassante e una oscura come per i prototipi ideali. Altrettanto chiaro per
che essi possiedono tuttavia un certo grado di selettivit che ne rende utile
l'impiego in pratica come sistemi filtranti. In questi casi necessario definire
convenzionalmentei limiti di banda dei filtri reali, e all'atto pratico considerare
questi limiti convenzionali come del tutto analoghi a quelli propriamente detti I 1
relativi ai filtri ideali (cio non fisicamente realizzabili).
Prima di arrivare alle definizioni convenzionali di banda di un sistema, pre- : j
mettiamouna discussione sui concetti generali di durata e banda di un segnale, I
che sono stati prima d'ora ampiamente utilizzati nel testo senza una definizione I
rigorosa.Consideriamo dapprima un segnale x(t) a duratafinita, cio non nullo
solo su di un intervallo limitato [t(,t2] (Figura 4.34). La durata del segnale in
questocaso pari a D:= t2 - t(. Per il segnale a durata finita esiste un certo valore
(r. ~..- 7' ".. - -_u.-- ~"'"L''' uu l;t:ITOvalore
\t'.'(...l~rafit!h'Y"
T = max(1t( 1,1 t2 I tale che il segnale originario non subisce
Icuna modifica se viene moltiplicato per una funzione rect(.) di durata 2T:

x(t) = x(t) rec{2~ ) (4.3.17)


172 Capitolo 4

Passando alle trasformate di Fourier, si ha

X(J) = X(J)@ 2T sinc(2jT) (4.3.18)

--a:
ID
1.25

i3 1.00
...J
J:
ti 0.75
N
N
(])
"6.
E
'" 0.50

-'"
.!:
CI)
o
c..
0.25
CI)
a:
0.00
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
Frequenza normalizzata, flfo
(a)

1.25
--lI:
ID
i3 1.00
...J
J:
ti 0.75
N
N
(])
'5.
E
'" 0.50
.5 10=11
-'"
CI)
0.25
I 1/

o
c..
CI)
a:
0.00
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
Frequenza normalizzata, flfo
-<)

Figura 4.33 Risposte in ampiezza dei filtri L-C passa-banda (a) ed elimina-banda (b)

Questa relazione permette di rispondere (anche se in modo non del tutto


rigoroso) alla seguente domanda: pu il segnale x(t) a durata finita avere anche
banda finita, cio avere trasformata di Fourier diversa da zero solo su di un
Sistemi monodimensionali a tempo continuo 173

intervallo di frequenze limitato? Se rispondiamo di s a questa domanda cadiamo


in un assurdo perch il secondo membro della (4.3.18) la convoluzione tra due
trasformate delle quali la seconda una funzione sincO avente estensione (cio
banda) illimitata. Il risultato della convoluzione ha quindi estensione (banda)
illimitata, in contrasto con la nostra affermazione.
Dunque un segnale a durata rigorosamente limitata ha banda infinita.
Dualmente, un segnale con banda rigorosamente limitata ha durata illimitata.
Molti segnali non hanno per n banda n durata rigorosamente limitata,

cosicch spesso necessario definire convenzionalmente queste \ue quantit.

rect(t/2T)

Figura 4.34 Segnale a durata finita

Consideriamo un segnale x(t) il cui spettro di ampiezza assume il valore


massimo per f = lo. Se lo spettro di tipo passa-basso, fa = O; se lQ spettro
passa-alto, lo = +00, altrimenti lo spettro di tipo passa-banda e fa finita e
diversa da zero. Per gli spettri passa-basso o passa-alto, si definisce limite di
banda a -3 dB quella frequenza per la quale lo spettro di ampiezza risulta
ridotto di un fattore -ti rispetto al valore di riferimento (Figura 4.35a 1):

(4.3.19)
I
ovvero

1 Nellil figura vengono mostrati gli spettri di ampiezza dei segnali solo per f > O perch la
definizione di banda riguarda sempre il solo serniasse positivo delle frequenze.
174 Capitolo 4

(4.3.20)

risultato che giustifica il nome di banda a -3 dB. Quest'ultima rappresenta una


indicazione "pratica" della banda di un segnale, nel senso che, per uno spettro
passa-basso, le componenti a frequenze inferiori a B_3sono arbitrariamente rite-
nute "importanti" nella composizione del segnale, mentre quelle oltre B_3sono
ritenute "trascurabili". Per gli spettri passa-banda, si possono identificare due
limiti di banda a -3 dB e una banda a -3 dB come differenza tra i due limiti
(Figura 4.35b).
La banda di un filtro non ideale pu essere definita in maniera analoga a
quanto appena visto per i segnali, ove la risposta in ampiezza del sistema gioca il
ruolo che per un segnale di pertinenza dello spettro di ampiezza. In particolari
applicazioni vengono talvolta definite anche bande a -l dB o a -20 dB dei
segnali e sistemi, con lo stesso criterio appena esposto per la banda a -3 dE.

IX(f}12 IX(f}12

IX(O)12
IX(fo)12

0.5 ~------

(a) (b)

Figura 4.35 Banda a -3 dB di uno spettro passa-basso (a) e passa-banda (b)

La definizione pi comune di durata convenzionale di un segnale molto simile


a quella di banda per un segnale passa-banda. Se to rappresenta l'istante in cui il '
segnale presenta il valore di riferimento (generalmente quello di massimo
modulo, come in Figura 4.36), si identificano gli istanti t) e t2 (t2 > t) in cui il
segnale assume in valore assoluto la met del valore di riferimento Ix(to) I e si
definisce come durata a met ampiezza del segnale la quantit D = t2 - t. .

Esempio 4.9
Riprendiamo in considerazione il filtro passa-basso reale implementato come
squadra R-C degli Esempi 4.4-4.5. La sua risposta in frequenza
Sistemi monodimensionali a tempo continuo 175

R(J) = ! (E4.9.l)

Ca1coliamone la banda a -3 dB. Essendo il filtro passa-basso, scegliamo come


valore della frequenza di riferimento io = O, in corrispondenza della quale si ha
R(O) = 1. Quindi la banda B_3 data da

2 l 1
IH(B3)1=1/2~ 2=1/2~B3=- (E4.9.2)
-. 1+ (2nB_3RC) - 2n RC

cio la banda a -3 dB coincidecon quella che negli Esempi 4.4-4.5 era stata
chiamata la frequenza di taglio del sistema. Si dimostra facilmente che la
squadra passa-alto C-R dell'Esempio 4.7 ha questo stesso limite di banda. I
grafici delle risposte in ampiezza dei due filtri R-C e C-R rispettivamente nelle
Figure 4.10 e 4.13 riportano esplicitamente una linea di riferimento a -3 dB che
mette in evidenza geometricamente il risultato analitico appena ricavato. D

Figura 4.36 Definizione di durata di un segnale

Oltre alla banda a -3 dB (di gran lunga la pi utilizzata) e alla durata a met
ampiezza, esistono altre definizioni di banda e durata particolarmente importanti
dal punto di vista concettuale, come la durata efficace (o quadratica) e la banda
efficace (quadratica). Cominciamo a esaminare la definizione di durata efficace
per un segnale x(t) reale e ad energia finita. Come nella definizione di durata a
met ampiezza, viene preliminarmente identificato un valore temporale di
riferimento to che in un certo senso rappresenta il "centro" dell'impulso:
~

, Ex=Jx2(t)dt (4.3.21)
176 Capitolo 4

dove Ex l'energia del segnale. La durata efficace Dq allora definita dalla


relazione

(4.3.22)

che fornisce un'indicazione della dispersione dei valori del segnale attorno al
centro presunto to' Il concetto di durata efficace analogo a quello di varianza
di una densit di probabilit Ix(t) 12/ Ex attorno al valor medio to' In maniera
analoga, si definisce una banda efficace Bq come segue:
II
(4.3.23)
(2Bqf ~ ~x-flxut f2df II

in cui il "centro" (valor medio) dello spettro Ixut non compare perch risulta
comunque pari a O.Il fattore 2 a moltiplicare la Bq (che non compare nella de-
finizione di durata) deriva dal fatto che la banda viene come sempre misurata
solo sul semiasse positivo delle frequenze, mentre il secondo membro d una
indicazione della dispersione dello spettro sia a destra che a sinistra della f = O.
Una generalizzazione importante della propriet gi esaminata secondo la
quale un segnale non pu contemporaneamente presentare banda limitata e
durata limitata costituita dalla relazione seguente:
1
B . D >-
- (4.3.24)
q q 8n
Questo risultato mostra come non si possa ridurre arbitrariamente la durata di un
segnale senza far crescere la sua banda e viceversa: il prodotto durata-banda
comunque limitato inferiormente. Il particolare valore del limite inferiore, 1/8n ,
deriva dalle particolari definizioni di banda e durata adottate, ma il principio di
carattere generale: con diverse definizioni di banda e durata si ottiene comunque
un limite inferiore, ovviamente diverso da quello del caso presente, ma sempre
finito.
Una relazione della forma (4.3.24) appare anche in meccanica quantistica con
il nome di principio di indeterminazione di Heisenberg. Questa legge fisica fon-
damentale sancisce l'impossibilit di ridurre arbitrariamente l'incertezza sulla
misurazione di variabili quantistiche coniugate (cio la dispersione dei valori
misurati), come la posizione e la quantit di moto di una particella.
Sistemi monodimensionali a tempo continuo 177

Nel Paragrafo 4.4, dimostreremo che per un qualunque segnale reale a energia
finita y( t) si ha:
- -
Ey = J l(t) dt = JIY(Jtdi (4.3.25)

Questo risultato (teorema di Parseval (4.4.4)), insieme al teorema di derivazione


del Paragrafo 3.3.6, utile per riscrivere l'espressione della banda efficace
(4.3.23) come segue:

l - 2

B2
q
=
16n2 Ex
J lj21ifX(J)
-- 12di = l
16n2 Ex -J- [ dx(t) d
dt ] t
(4.3.26)

Supponiamo, senza perdita di generalit, che il centro del segnale to sia pari a
zero. TIprodotto fra D: e B: allora espresso da (vedi la (4.3.22) e la (4.3.26))

(4.3.27)

Richiamiamo a questo punto la disuguaglianza di Schwarz:

(4.3.28)

valida per ogni coppia xa(t), Xb(t) di funzioni reali a energia finita. Applicando
la disuguaglianza al prodotto durata-banda, si pu scrivere che

(4.3.29)

Calcolando per parti l'integrale a secondo membro si ha


- dx(t) _t X2(t)- - _l l
-Jt x(t) - dt dt - - 2 - - -2 -Jx (t) dt --- 2 E
l
2

x
(4.3.30)

avendo osservato che necessariamente, per un segnale a energia finita,


lim t X2(t) = O. Sostituendo la (4.3.30) nella (4.3.29) si ottiene infine
,->:t-o

Dq2 Bq2>-~ l => DB >1


q q-- (4.3.31)
64n 8n
178 Capitolo 4

La relazione valida con il segno di uguaglianza quando la disuguaglianza di


Schwarz (4.3.28) anch'essa verificata con il segno di uguaglianza. Ci accade
quando il segnale xa(t) proporzionale a Xb(t), e quindi, nel nostro caso,
quando (vedi la (4.3.29 la derivata prima di x(t) proporzionale a t x(t).

Esempio 4.10
Calcoliamo la banda e la durata efficace del segnale esponenziale bilatero:

X(t) = e-ItI/T (E4. 10.l)

Poich il segnale pari, il suo centro to espresso dalla (4.3.21) nullo. Pertanto
la sua durata efficace Dq

(E4.10.2)

L'energia Ex del segnale x( t) data da


~ ~

(E4.1O.3)
Ex= Jx2(t)dt = 2Je-2rfTdt= T
o
e inoltre

T3 T3
Ja2e-a da =- 2
~ ~ ~.

-
J t2X2(t)dt =2 J t2e-2lfT
o
dt = - 40 (E4.10A)

Sostituendo, si ricava che

(E4.10.5)

Calcoliamo ora la banda efficace attraverso la definizione modificata (4.3.26):

(E4.10.6)

Poich
2
-dX(t) -
d t-- 1 e-2rjT d t--- Ex (E4.1O.7)
-
~ ~

J
I[ dt ] T2 T2
)
Sistemi monodimensionali a tempo continuo 179

dalla (E4.1O.6) si ricava che

B=~ (E4.1O.8)
q 41ff

li prodotto fra durata e banda efficace del segnale (E4.1 0.1) quindi dato da

1
~>- (E4.1O.9)
Bq Dq = 4n-J2 8n
o

Esempio 4.11
Calcoliamo la banda e la durata efficace del segnale Gaussiano

(E4.11.1)

Poich il segnale pari, il suo centro to nullo e la sua durata efficace Dq

(E4.11.2)

Dallo studio delle variabili aleatorie Gaussiane noto che, assegnato un valore
(J'> O, si ha

(E4.11.3)

(E4.11.4)

Dunque l'energia Ex del segnale x(t) pari a

/
(E4.11.5)

ove (J' = T/-J2. L'integrale che figura a secondo membro della (E4.11.2) vale
)
Sistemi monodimensionali a tempo continuo 179

dalla (E4.1O.6) si ricava che

B=~ (E4.1O.8)
q 41ff

Il prodotto fra durata e banda efficace del segnale (E4.1O.1) quindi dato da

1 >~ (E4.1O.9)
Bq Dq = 4rc-fi 8rc
D

Esempio 4.11
Calcoliamo la banda e la durata efficace del segnale Gaussiano

x(t) = e-(I/T)' (E4.11.1)

Poich il segnale pari, il suo centro to nullo e la sua durata efficace Dq

(E4.11.2)

Dallo studio delle variabili aleatorie Gaussiane noto che, assegnato un valore
(j'> O,si ha

(E4.11.3)

(E4.11.4)

Dunquel'energia Ex del segnale x(t) pari a

(E4.11.5)

ove (j' = r/-fi. L'integraleche figuraa secondomembrodella(E4.11.2)vale


180 Capitolo 4

e quindi

D2 = 0"3.J2ii = 0"2 => D =~ (E4.11.7)


q O".J2ii q -ti
Per calcolare la banda efficace utilizziamo di nuovo la (4.3.26)

B =J... /J...
J
r~
dX(t) 2 dt (E4.11.8)
q 4n-~ Ex.1 dt ]

Poich

(E4.11.9)

si ha
~ 2
- 4
-dX(t) dt-- _l !f= - .J2ii
-
2 2
(t ) dt--O"
3
f[ ft x
~
-V~n---
T4 -
(E4.11.1O)
dt ] 40"4 40"

per cui si ricava

=> B=-ti
q - (E4.11.11)
8n-T
Il prodotto fra durata e banda efficace del segnale (E4.11.1) quindi dato da

(E4.11.12)

Si osserva che in questo caso il prodotto banda-durata assume proprio il minimo


valore possibile. Ci accade perch la derivata prima del segnale x(t)
proporzionale al segnale t x(t), come mostra la (E4.11.9). O

4.3.4 Distorsioni introdotte dai filtri


Abbiamo gi esaminato una funzione tipica di unfiltro, cio quella di separare
un segnale utile da altri segnali di disturbo. In questa operazione, si deve porre la
massima attenzione a non alterare o, pi precisamente, a non distorcere il
segnale utile per preservarne intatto il contenuto informativo. Per trovare dei
criteri che rispondono a questa esigenza, cominciamo con lo stabilire sotto quali
condizioni il segnale in uscita y(t) da un generico SLS rappresenta una rePlica
Sistemi monodimensionali a tempo continuo 181

fedele del segnale di ingresso x(t). La definizione di replica fedele in generale


dipendente dall'applicazione; in molti casi per utile dire che il SLS non
introduce distorsioni quando l'uscita del sistema

y(t) = K x(t-to) (4.3.32)

ove K una costante reale e to una traslazione temporale (ritardo) (Figura


4.37). Passando alle trasformate di Fourier otteniamo

f(J) = K X(J) e-j21ifto (4.3.33)

da cui si trova la seguente espressione per la risposta in frequenza del sistema:

H(J) = f(J) = K e-j21rj"lo (4.3.34)


X(J)
e per le corrispondenti risposte in ampiezza A(J) e fase e(J):

A(J) = IKI ' e(J) = -27ifto (4.3.35)

y(t) ;

'.--
~ t

Figura 4.37 Il segnale y(t) una replica fedele di x(t)

Quindi, affinch un sistema non introduca distorsioni, esso deve possedere una
risposta in ampiezza costante e una risposta in fase proporzionale alla fre-
quenza come illustrato in Figura 4.38. In altri termini, le componenti sinusoidali
in cui un segnale arbitrario pu pensarsi scomposto devono essere amplificate o
attenuate tutte nella medesima misura, e devono essere ritardate ciascuna della
medesima quantit (e quindi sfasate di un angolo proporzionale alla frequenza
della componente stessa). Tuttavia chiaro che ogni sistema reale ha dei limiti
di banda intrinseci e non pu garantire una risposta in frequenza con le suddette
caratteristiche per tutti i valori della frequenza. Sulla base di questa considera-
182 Capitolo 4

zione, sembrerebbe irrealizzabile la condizione di non distorsione appena di-


scussa. Inoltre, uno qualunque dei filtri gi esaminati nelle pagine precedenti
parrebbe, in base a questa discussione, un sistema distorcente perch per defini-
zione esso non possiede, in particolare, risposta in ampiezza costante.

IKI A(f)

........
........
........
........
........
""........
........
........
........
""........
........
.....

9(f)

Figura 4.38 Risposta in ampiezza e in fase di un SLS che non introduce distorsioni

In realt, il segnale "utile" x(t) che non deve essere distorto sar in generale
caratterizzato da una banda limitata; le condizioni (4.3.35) possono allora essere
verificate soltanto per tutte le frequenze all'interno della banda del segnale. Ai
fini della distorsione del segnale non ha cio rilevanza l'andamento delle
risposte del sistema per frequenze in corrispondenza alle quali non esistono
componenti nello spettro del segnale stesso. Se, ad esempio, la trasformata X(J)
e le risposte in ampiezza e fase del sistema sono quelle rappresentate in Figura
4.39, allora il segnale in uscita una replica indistorta di x(t) anche se il filtro
non ha risposte come in Figura 4.38.
Se non si riesce a garantire le condizioni di non-distorsione neanche nella
banda del segnale, questo subisce distorsioni lineari. In particolare, se la risposta
in ampiezza non costante nella banda del segnale, si avranno distorsioni di
ampiezza (Figura 4.40a); viceversa, se la risposta in fase non lineare nella
banda del segnale, si avranno distorsioni di fase (Figura 4.40b). Per alcuni tipi di
segnale, tollerabile l'introduzione di distorsioni di fase da parte di un filtro. Ad
esempio, nei segnali telefonici di tipo vocale, la presenza di una distorsione di
fase introdotta dal sistema di comunicazione praticamente ininfluente sulla
qualit del segnale ricevuto. Viceversa la distorsione di fase non tollerabile per
i segnali di tipo numerico delle trasmissioni facsimile che peraltro transitano at-
traverso gli stessi canali telefonici. I ricevitori negli apparecchi fax possiedono
degli appositi circuiti cosiddetti equalizzatori il cui compito proprio quello di
annullare le eventuali distorsioni di fase introdotte dai circuiti telefonici ordinari.
Sistemi monodimensionali a tempo continuo 183

9(f)

Figura 4.39 Il sistema non introduce distorsioni sul segnale x(t)

A(f)

(a) (b)

Figura 4.40 Distorsioni lineari di ampiezza (a) e fase (b)

Esempio 4.12
Consideriamo i seguenti quattro segnali:

XI(t) = 2 sin(nBt) (E4.12.1a)

X2(t) = cos(7rBt) + sin(3nBt) (E4.12.1b)

X3(t) = 4 cos( 27rBt) + sin( 47rBt) (E4.12.1c)

(E4.12.1d)
e cerchiamo di stabilire se tali segnali vengono o meno distorti nel passaggio
184 Capitolo 4

attraverso il SLS la cui risposta in frequenza rappresentata in Figura 4.41.

9(t)
I
1t
A(t)
1t/2
-28 -8
8 28
- 1t!2
I
-ri B t / -1t

(a) (b)

Figura 4.41 Risposta in ampiezza (a) e in fase (b) del SLS dell'Esempio 4.12

Il segnale x\(t) sinusoidale puro con frequenza B/2 e non viene distorto dal
sistema in esame. Infatti il segnale di uscita (A( B/2) = l e 8(B/2) =n/2):

YI (t) = 2 A(B/2) sin(nBt + 8(B/2))


=2 sin( nBt + n /2) = 2 sin[ nB( t + 1/2B)] (E4.12.2)

e rappresenta una replica, inalterata in ampiezza e anticipata di 1/2B, del segnale


di ingresso. In generale, lo studio delle distorsioni lineari presuppone che il
segnale in ingresso a un SLS sia costituito almeno da due componenti fre-
quenziali che possono subire, nell'attraversare il sistema, ritardi e amplificazioni
diverse. Invece, in presenza di una sola componente frequenziale, come in que-
sto caso, il segnale di uscita sar sempre una replica indistorta del segnale di in-
gresso comunque esso venga amplificato e/o ritardato.
Il segnale X2(t) contiene invece due componenti sinusoidali alle due diverse
frequenze B/2 e 3B/2. Questo segnale subisce distorsioni di ampiezza poich
A(B/2)=1:f'; A(3B/2)= 2. Inoltre esso subisce distorsionidi fase poich i due
punti individuati sulla risposta in fase del sistema per le frequenze B/2 e 3B/2
non sono disposti secondo una retta passante per l'origine degli assi cartesiani.
La presenza di distorsioni pu anche essere messa in evidenza scrivendo l'e-
spressione del segnale di uscita

Y2(t) = A(B/2) cos(nBt + 8(B/2)) + A(3B/2) sin(3nBt + 8(3B/2))


= cos(nBt + n/2) + 2 sin(3nBt + 3n/4)
= cos[nB(t + 1/2B)] + 2 sin[ 3nB(t + 1/4B)] (E4.12.3)
Sistemi monodimensionali a tempo continuo 185

La presenza di distorsioni di fase si traduce in Unanticipo diverso introdotto dal


sistema sulle componenti del segnale a frequenza diversa.
Anche il segnale X3(t) contiene due componenti sinusoidali ma alle frequenze
B e 2B. Questo segnale nOn subisce distorsioni di ampiezza poich A(B) =
=A(2B) = 1, e neanche distorsioni di fase poich i due punti individuati sulla
risposta in fase del sistema per le frequenze B e 2B SOnOdisposti secondo Una
rettapassanteper l'origine.L'espressionedel segnaledi uscita

Y3(t) = 4A(B) cos(2nBt + O(B)+ A(2B) sin(4nBt + O(2B


= 8 cos(2nBt+ n/2)+2 sin(4nBt+n)
=8cos[2nB(t + 1/4B)]+ 2 sin[4nB(t + 1/4B)] (E4.12.4)
e mostra che il sistema introduce la stessa amplificazione e lo stesso anticipo
sulle due componenti del segnale.
Infine, la trasformata di Fourier del segnale xAt)

l_lfI rect L
x4 (J)=1-
B B
( 2B
J ( ) (E4.12.5)

Pertanto X4(t) Unsegnale passa-basso di banda B. Nella banda del segnale, le


risposte in ampiezza e in fase del sistema SOnOdate da (vedi la Figura 4.41)

(E4.12.6)
A(J) = 2~1 , O(J)= ~ sgn(J)
e cio

H(J) =A(J) ejlJ(f) =j 2fB = ~(j21if)


nB , -B ~ f ~ B (E4.12.7)

Il segnale subisce ovviamente distorsioni di ampiezza e di fase. Si pu anche os-


servare che il sistema, nell'intervallo di frequenze di interesse, esegue la deri-
vata del segnale di ingresso (a menOdi Unacostante l/nB). Allora l'espressione
del segnale di uscita
1 d 1 d .
Y4(t) = --x4(t) = --smc2(Bt)
nB dt nB dt
=~nB sinc( Bt) !:.dt sinc( Bt) = ~nBt sinc( Bt) [cos(nBt) - sinc(Bt)] (E4.12.8)

o
186 Capitolo 4

I criteri di fedelt, distorsione e banda appena introdotti possono essere


rivisitati e ridefiniti considerando il contenuto energetico dei segnali. quindi
necessario esaminare pi da vicino il concetto di energia epotenza dei segnali a
tempo continuo, e di studiare come queste grandezze vengono influenzate
dall' elaborazione dei medesimi con sistemi lineari stazionari.

4.4 Densit spettrale di energia e potenza


4.4.1 Teorema di Parseval e densit spettrale di energia
Consideriamo un segnale x(t) a energia finita:
~

Ex = Jlx(tt dt < 00
(4.4.1)

e mostriamo come il calcolo di questa grandezza pu essere effettuato anche nel


dominio della frequenza. Infatti

(4.4.2)

Se a secondo membro della (4.4.2) si inverte l'ordine di integrazione si ottiene

(4.4.3)

per cui si conclude:


~ ~

Jlx(t)12
dt= Jixut di (4.4.4)

risultato detto teorema (o relazione) di Parseval. Al di l dell'utilit come


strumento di calcolo, il teorema di Parseval costituisce la base per considerazioni
di carattere pi profondo. Dalla definizione di energia di un segnale data nel
Capitolo 1, sappiamo che la quantit Px(t) = Ix(tt rappresenta la potenza
istantanea (normalizzata) del segnale che, integrata, fornisce appunto l'energia
totale del segnale stesso. Non chiaro invece il significato fisico della quantit
"duale"

(4.4.5)
Sistemi monodimensionali a tempo continuo 187

Considerando 'Ex(f) come una funzione della frequenza, chiaro che


. 'Ex(f) una funzione che assume sempre valori non negativi:

(4.4.6)

. se il segnale x( t) reale, allora 'Ex(f) una funzione pari:

(4.4.7)

. l'energia del segnale x(t) pu essere calcolata integrando la funzione 'Ex(f)


su tutto l'asse delle frequenze:
~

Ex = f 'E)I) dI (4.4.8)

Queste propriet non rispondono per alla domanda circa il significato da attri-
buire a 'Ex(f). Consideriamo allora un sistema lineare stazionario con risposta in
frequenza H(I) il cui ingresso sia x(t) e la cui uscita sia y(t). La funzione
'Ey(l) relativa al segnale di uscita si pu ricavare immediatamente nota 'Ex(f):

(4.4.9)

Stante questa relazione di carattere generale, scegliamo un particolare SLS per


compiere una sorta di "esperimento ideale", e cio ilfiltro passa-banda ideale di
Figura 4.42.

H(f)

-f f

I
Figura 4.42 Filtro passa-banda ideale con frequenza centrale l e banda /).1

La funzione 'E)I) del segnale di ingresso quella rappresentata a tratto sot-


tile in Figura 4.43, mentre l'andamento della corrispondente 'E!J (I) disegnato a
tratto spesso. L'energia del segnale di ustita y(t) si pu calcolare come segue:
188 Capitolo 4

~ ~ -j+tif/2 j+tif/2

Ey= fE)f)df= J~)f) IH(J)12df= J~Af) df+ J~Af) df


-j-tif/2 j-l1f/2
j+tif/2

=2 J~x(J) df (4.4.10)
j-tif /2

~ (f)
H(f)

-f f

Figura 4.43 Andamento delle funzioni 'Ex(J) ed 'Ey (J)

Se si riduce progressivamente la banda passante I1f del filtro, cio si considera


un filtro estremamente selettivo, si pu approssimare la funzione ~Af) all'in-
terno della banda stessa con 'una costante di valore pari a 'EA1). Allora, sotto
questa ipotesi, l'energia del segnale d'uscita pu essere approssimata da

(4.4.11)

e quindi

(4.4.12)

Notiamo, ora, che y(t) stato ottenuto da x(t) sopprimendo tutte le componenti
frequenziali al di fuori di un intorno della frequenza Il. Dunque, come suggeri-
sce la notazione nella (4.4.12), Ey = I1EA1) rappresenta il contributo all'energia
totale del segnale Ex delle sole componenti di x(t) con frequenze appartenenti
all'intervallo [l - 4f /2, 1+ I1f/2 ] (pi il simmetrico sul semiasse negativo), in
quanto tutte le altre componenti sono state cancellate dal filtro passa-banda.
Questo risultato permette finalmente di fornire un'interpretazione della fun-
zione 'Ex:il particolare valore 'EA1) alla frequenza l rappresenta il contributo
locale all'energia totale del segnale x(t) dovuto alle sole componenti di segnale
Sistemi monodimensionali a tempo continuo 189

con frequenza appartenente a Un piccolo intorno di J, rapportato all' ampiezza


piccola !!:.fdell'intorno stesso. Ci corrisponde alla classica definizione di den-
sit di Una grandezza fisica (qui l'energia) rispetto a una misura di estensione
(qui l'ampiezza di una banda), e giustifica il nome COnil quale si designa la
funzione 'Ex(J): densit spettrale di energia del segnale x(t). TIfattore 1/2 nella
(4.4.12) relativo alla necessit di considerare sia le componenti in prossimit di
J sia le "omologhe" a frequenza -J in modo da dar luogo a oscillazioni reali.
La definizione di densit spettrale di energia 'EAf) = IX(f)12mostra che, ai
fini del calcolo dell'energia di x(t), risulta determinante il solo spettro di am-
piezza del segnale stesso, mentre lo spettro di fase ininfiuente. La stessa
osservazione vale anche a proposito della relazione fondamentale del filtraggio
'Ey (J) = 'E)f) IH(Jt secondo la quale, ai fini del calcolo dell' energia del
segnale di uscita, risulta determinante la sola risposta in ampiezza del sistema,
mentre la sua risposta in fase del tutto ininfluente. In particolare, se vogliamo
che l'energia del segnale d'ingresso si conservi nel filtraggio con un SLS,
necessario garantire che la sua risposta in ampiezza nOn cancelli quelle
componenti alle frequenze per le quali 'E)f) assume i valori pi significativi.
Per un segnale passa-basso si adotta talvolta una definizione di banda basata
su Un criterio energetico. La cosiddetta banda al 99% dell'energia del segnale
x(t) il limite di banda B99di quel filtro passa-basso ideale che, applicato sul
segnale in oggetto, rende in uscita un segnale avente un'energia pari al 99%

dell'energia d'ingresso Ex:


B...
t 'tl(fV>
' \
B...

J'Ex(f)df
-
- 0.99Ex =>
A:x(f)df
-
-
- 0.99 JI
f
" ,'~
./\
\
,~i "'--.(4.4.13)
-8.." J'Ex(f)df=-r" ~-
P. ::: l>..,~
O . .ti -- y:.
4.4.2 Densit spettrale di potenza
I concetti appena introdotti riguardo ai segnali a energia finita possono essere I
generalizzati al caso di Unsegnale x(t) per il quale finita la potenza:

l T/2
~ = T-+-
1im-
T J X2(t) dt < 00 (4.4.14)
-Tf2

Ricordiamo (si veda il Paragrafo 1.3) che il valore dell'integrale nella'defini-


190 Capitolo 4

zione di potenza (4.4.14) rappresenta l'energia del segnale "troncato"


XT(t)= x(t)rect(tlT), che ha necessariamente energia finita. La densit spettrale
di energia di xT(t) dunque

(4.4.15)
\~XT u)=IxTut
e l'energia associata a XT(t) data da
~

EXT= flxTUtdj (4.4.16)

Allora la potenza del segnale di partenza x(t) pu e~sere calcolata come

(4.4.17)

Questo risultato suggerisce di definire una funzione densit spettrale di potenza


come limite della densit di energia del segnale troncato sull'intervallo "di
osservazione" [-T 12,T 12], rapportata all'ampiezza T dell'intervallo medesimo:

(4.4.18)
T-7~ T T-7~ T
\s,U),o,lim ~<,U) ~ lim IX,UJ'
Le propriet della densit spettrale di potenza sono formalmente analoghe a
quelle della densit di energia, e possono essere facilmente dimostrate:
. la densit spettrale di potenza una funzione della frequenza reale a valori
non negativi:

(4.4.19)
. se il segnale x(t) reale, la sua densit spettrale di potenza una funzione
pan:

(4.4.20)

. la potenza di un segnale si pu calcolare integrando la sua densit spettrale di


potenza su tutto l'asse delle frequenze:
~

~ = f Sx(f) dj (4.4.21)
Sistemi monodimensionali a tempo continuo 191

. se il..~gnille x(t) posto in ingresso a un SLS con risposta in frequenza


H(J), la densit~peth-aledip~enza -S/f) del segnaledi uscita y(t) leg~a
'Ha qlle1la
.delsegnlediingressodallarelazione:-
- -- - ~- - --- - -. -

(4.4.22)
- ":JrSA;)=~x(J)IH(J)jj
Anche il significato fisico della densit spettrale di potenza pu essere compreso
ricordando le. considerazioni esposte a proposito della densit spettrale di
energia; scelto un valore arbitrario l di frequenza, la_quantit infinitesima
sAl) df rappresenta il contributo alla potenza totale del segnale x(t) fornito
dalle componenti frequenziali prossime a l.
4.4.3 Funzione di autocorrelazione e teorema di Wiener-Khintchine
Le funzioni densit spettrale di energia e di potenza definite precedentemente
possono essere calcolate in una maniera alternativa rispetto a quanto previsto
dalle relative definizioni se si introduce una nuova grandezza che caratterizza
ulteriormente il segnale nel dominio del tempo: la funzione di autocorrelazione.
Per un segnale ~(t) ("'~~uesta grandezza definita da

~ R,(T)~ Ix(t)x(t-T) dt ~ x J-.. fr'M.:" Q (4.4.23)


Il calcolo della funzione di autocorrelazione richiede di considerare il segnale
dato x(t), una suareplica x(t - 'l') ritardata del ritardo 'l', eseguire il prodotto di
queste due funzioni e calcolare infine il valore dell'integrale del prodotto. Una
volta eseguito il calcolo dell'integrale, il risultato resta ovviamente dipendente
dal ritardodellareplica x(t - 'l') del segnale dato: la notazione Rx('l')suggerisce
proprio questa dipendenza.
La funzione di autocorrelazione fornisce informazioni utili sulla rapidit di
variazione del segnale x(t), come si pu capire dall'esempio illustrato in Figura
4.44. Essa riassume infatti il calcolo del valore della funzione di autocorrela-
zione, per il medesimo valore di ritardo 'l', di due differenti segnali, x(t) e y(t)
aventi stessa energia ma due diverse "velocit di variazione". chiaro che il se-
gnale x(t), pi "veloce", presenta un valore della funzione di autocorrelazione !
. minore di quello relativo al segnale y(t) a parit di ritardo 'l'. Inoltre, quando la
variabile 'l'assume valori crescenti si riduce l'ampiezza dell'intervallo in cui sia
x(t) che x(t - 'l') assumono valori non nulli e, di conseguenza, tende a diminuire
il valore di Rx('l'). Il nome di "autocorrelazione" suggerisce infatti che questa
funzione un indice di "somiglianza" del segnale con se stesso, o meglio, con
==

192 Capitolo 4

una replica di se stesso ritardata.

x(t)

1l
/ /
~
x(t-t)
I
y(t)

y(t -t)
1/J2

Figura 4.44 Esempi di calcolo della funzione di autocorrelazione

\1 i...m La funzione di autocorrelazione valutata per'!' = O coincide con l'energia del


l..'.~egnale x( t):
=

Rx(O)= Jx2(t)dt=Ex (4.4.24)

Inoltre, si intuisce facilmente che il segnale x(t) massimamente correlato


(somigliante) con se stesso quando'!' = O, quandocio x(t-'!') = x(t). Possiamo
quindi concludere (vedi l'Esercizio proposto 4.2) che

(4.4.25)

Il lettore dimostri anche che la Rx('!') una funzione pari del proprio argomento:

(4.4.26)

Come conclusione di queste osservazioni, una forma verosimile per le funzioni


di autocorrelazione dei due segnali di Figura 4.44 quella di Figura 4.45.
Quando la variabile'!' supera una soglia di valore opportuno (detto tempo di
correlazione) la funzione di autocorrelazione pu considerarsi nulla.
Tornando all'argomento originario, possibile mettere in relazione la fun-
zione di autocorrelazione con la densit spettrale di energia del segnale; il teo-
rema di Wiener-Khintchine afferma infatti che la densit spettrale di energ"iadi
un segnale pari alla trasformatadi Fourkrdella rispettiva funzione di auto-:'
-correlazione:
-- -- - - --
Sistemi monodimensionali a tempo continuo 193

~ ~

'Ex(J) = f R)-r) e-j21ifTd-r = 2 f Rx(-r)


o
cos(21if-r)d-r (4.4.27)

~=Ex

~ ~

Figura 4.45 Funzioni di autocorrelazione dei segnali di Figura 4.44

Osserviamo infatti che la funzione di autocorrelazione pu essere espressa nella


forma di prodotto di convoluzione come segue:
~ ~

Rx(-r) = fx(a) x(a - -r)da = fx(a) x( -(-r - a) da = x(-r)@x(--r) (4.4.28)

La trasformata di Fourier di Rx(-r) allora

R)-r) ~ X(J) X(-j) (4.4.29)

ed essendo il segnale rale risulta: X(- f) = X. (J). Segue che

MR.~)<O> ;vt
=".(!~~ (4.4.30)

La definizione di funzione di autocorrelazione data nella (4.4.23) si applica solo


al caso di segnali a energia finita; per i segnali a potenza finita tale definizione
deve essere modificata come segue:
----

l\
J Rx(-r)~lim-
I
~- --
T~~T
l T/2
fx(t)x(t--r)dt
-_Z
-T2
\ (4.4.31)

da cui, in particolare, R) O)= Px' Questa funzione di autocorrelazione possiede


tutte le propriet formali gi viste per i segnali a energia finita. Inoltre, il teo-
rema di Wiener-Khintchine di nuovo applicabile (si omette la dimostrazione,
194 Capitolo 4

formalmente pi complessa di quella appena riportata per i segnali a energia


finita), e stabilisce l'uguaglianza tra la trasformata di Fourier della funzione di
autocorrelazione--Cosdefinita e la densit spettrale- di---
potenza
- - del segnale x(t):
- Sx(j) = j Rx( T) e-j21!fr dT ~ 2 j R~('r)c~s(21ifT)dT
o
I
(4.4.32)

L'importanza del teorema di Wiener-Khintchine risiede nel fatto che la densit


spettrale di energia (o potenza) di ogni tipo di segnale a energia o potenza finita,
continuo o discreto, determinato o aleatorio, pu essere ricavata attraverso il
calcolo della trasformata di Fourier della opportuna funzione di autocorrela-
zione, come avremo modo di approfondire anche nel Capitolo 8. Questo proce-
dimento si rivela spesso pi comodo da utilizzare della definizione diretta di
densit spettrale.

Esempio 4.13
Calcoliamo la densit spettrale di energia dell'impulso rettangolare

(E4.13.1)
x(t) = rec{~)
Essendo

X(j) = T sinc(jT) (E4.13.2)

la densit spettrale di energia risulta

(E4.13.3)

Allo stesso risultato si perviene calcolando la funzione di autocorrelazione che


data da

Rx ( T) = x( T) Q9x( -T) = rec{ ;) Q9rec{ ; )= T( 1- I~) rec{ 2~ ) (E4.13.4)

Se si calcola la trasformata di Fourier della Rx(!') si riottiene i~ediatamente il


risultato (E4.13.3). D
Sistemi monodimensionali a tempo continuo 195

Esempio 4.14
Calcoliamo la densit spettrale di potenza del segnale gradino unitario:

x(t) = u(t) (E4.14.1)


Questo segnale aperiodico a potenza finita. La sua densit spettrale di potenza
espressa dalla (4.4.18):

(E4.14.2)

ove XY(f) la trasformata di Fourier del segnale

(E4.14.3~

come illustrato in Figura 4.46. Passando alle trasformate,

(E4.14.4)

e quindi la densit spettrale di potenza data dal seguente limite:

(E4.14.5)

con

Yr(J)= : sinc2(~) (E4.14.6)

L'andamento della funzione Yy(f) illustrato in Figura 4.47 per valori di T


crescenti. Essa assume il valore T/4 per f = O e si annulla per le frequenze
h = 2k/T , con k numero intero relativo diverso da O. importante notare che
tale funzione sottende un'area costante, indipendentemente dal valore di T;
infatti
!

(E4.14.7)

in quanto
196 Capitolo 4

1 Itl t
(
YT(t)=-2 1-- T/2 rect -T
) () (E4.14.8)

rect(t/T)
r---------
I
I x(t)=u(t)
I
I
I
I
I
I
J

-T/2 T/2 T/2

Figura 4.46 Andamento del segnale xr(t) (Esempio 4.14)

-2fT 2fT

Figura 4.47 Andamento della funzione fr(f) (Esempio 4.14)

Dunque, al crescere del valore di T il valore della funzione nell' origine tende
all'infinito, la sua banda diminuisce arbitrariamente, poich i suoi punti di nullo
si avvicinano all'origine, ma l'area da essa sottesa non cambia: la successione di
funzioni YT(f) tende a un impulso di Dirac! In conclusione si ha:
Sistemi monodimensionali a tempo continuo 197

(E4.14.9)

Allo stesso risultato si perviene (tutto sommato in maniera pi rapida)


applicando il teorema di Wiener-Khintchine. La funzione di autocorrelazione per
segnali a potenza finita

l T/2
Rx(T) = lim-
T-7~ T f x(t)X(t-T)dt
-T/2
(E4.14.10)

Limitiamoci al caso T ~ O, visto che la funzione di autocorrelazione pari.


Allora si ottiene

l T/2 l T/2
RAT) = T-7~
lim -
T f u(t) u(t - 'l")dt = lim -T fou(t - T) dt
-ry2 T-7~
(E4.14.11)

Calcoliamo adesso il valore dell'integrale, prima di eseguire il limite:


T/2 O 'l"> T/ 2
fo u(t-'l")dt= { T/2-T 'l"~T/2 }
=(T/2-T)U(T/2-T) (E4.14.12)

quindi, per T;:::O

RAT) = T-7~
lim.!.[(T/2-T)u(T/2-T)]
T

= lim
T-7~ (!2 - ~T )U(T/'2 - T) = !2 (E4.14.13)

Infatti, quando T --700 la quantit 'l"/ T tende a zero, mentre la funzione


u(T /2 - T) vale comunque l (il punto di applicazione del gradino si sposta
verso destra illimitatamente). Geometricamente, si ha la situazione di Figura
4.48. Estendendo per simmetria pari questo risultato, si conclude che, per qua-
lunque 'l",

I
(E4.14.14)
dalla quale si ricava immediatamente, calcolando la trasformata di Fourier, il
risultato (E4.14.9).
198 Capitolo 4

(-1/2-t1T) .u(T /2-'1:)

1/2

T/2 't

Figura 4.48 Funzione d'autocorrelazione del segnale gradino unitario

D
4.4.4 Densit spettrale di potenza dei segnali periodici
Una particolare categoria di segnali a potenza finita rappresentata dai segnali
periodici. Per essi vogliamo determinare la funzione di autocorrelazione e la
densit spettrale di potenza in funzione del relativo coefficiente di Fourier Xk.
Per un segnale x(t) periodico di periodo 1'0,l'espressione della funzione di
autocorrelazione (4.4.31) si semplifica come segue:

1 To/2
(4.4.33)
Rx ('r) = Lo -To/2
f x( t) x( t - 'Z")dt

immediato rendersi conto che la funzione di autocorrelazione di un segnale


periodico periodica in 'Z"dello stesso periodo 1'0del segnale. Per procedere con
il calcolo, sostituiamo a x(t - 'Z")nella (4.4.33) il relativo sviluppo in serie di
Fourier. Si ottiene cos

(4.4.34)

Invertendo le operazioni di sommatoria e integrazione ricaviamo

(4.4.35)

Tenendo conto che il segnale reale e che quindi X-k = X;, si concludeche
Sistemi monodimensionali a tempo continuo 199

(4.4.36)

Dunque, i coefficienti dell'espansione in serie di Fourier della funzione di auto-


correlazione del segnale periodico sono dati dal modulo quadro dei coefficienti
dell'espansione in serie del segnale stesso:

(4.4.37)

Per ricavare la densit spettrale di potenza di x(t) ora sufficiente calcolare la


trasformata continua di Fourier della funzione Rx('r). Dalla (4.4.36) si ricava
immediatamente

(4.4.38)

Dunque, un segnale periodico ha uno spettro di potenza a righe come illustrato


in Figura 4.49; ciascuna riga rappresenta il contributo alla potenza del segnale
dato dalla componente alla frequenza armonica corrispondente. Pertanto
possiamo dire che la potenza, anzich essere distribuita con continuit su tutte le
frequenze dell'asse' reale (come per un generico segnale aperiodico), concen-
trata sulle frequenze armoniche.
La potenza complessiva del segnale si ottiene integrando la densit spettrale
di potenza su tutto l'asse delle frequenze; quindi possiamo scrivere

~ =fSx(J)df=Tk~xl8(f- ~)df= k~lxl 10(f- ~)df=k~xkI2


(4.4.39)
Il risultato espresso dalla (4.4.39), che di seguito riassumiamo, rappresenta la
versione del teorema di Parseval per i segnali periodici:
-+-

~ = Llxl
k=-oo
(4.4.40)

Utilizzando i coefficienti dello sviluppo in serie in forma reale polare si ha


anche
-+- l-+--+-
LIXkl2 = Llxl + IXol2 + Llxkl2 = Ag + 2LA;
~ = k=- (4.4.41)
k=- k=l k=1
200 Capitolo 4

Osserviamo che la potenza associata alla generica k-esima oscillazione armonica


dello sviluppo in forma reale polare pari a

(4.4.42)

dato che l'oscillazione ha ampiezza di picco 2Ak' Quindi il teorema di Parseval


sancisce che la potenza totale del segnale periodico si ottiene semplicemente
sommando le potenze delle singole oscillazioni armoniche in cui il segnale
scomponibile, come se queste si presentassero singolarmente.

1fTo 2fTo 3fTo

Figura 4.49 Densit spettrale di potenza di un segnale periodico

4.5 Sistemi non lineari


4.5.1 Caratterizzazione dei sistemi non lineari
I sistemi lineari stazionari sono caratterizzati dalla conoscenza della risposta
impulsiva h(t). Se si considera il particolare SLS causale di Figura 4.50, il
segnale y(t) d'uscita esprimibile come
~ t

y(t) J J
= x(a) h(t- a) da = l-Tx(a) h(t- a) da (4.5.1)

essendo h(t - a) *-O solo nell'intervallo t - T < a < t. Il valore del segnale
d'uscita calcolato all'istante t dipende quindi dai valori che l'ingresso assume in
un intervallo di durata T precedente l'istante t stesso. Un comportamento di
questo tipo caratteristico di un sistema con memoria e, nel caso specifico, con
una memoria finita pari a T. Un sistema invece senza memoria se l'uscita a un
istante arbitrario dipende solamente dal valore dell'ingresso al medesimo istante.
Sistemi monodimensionali a tempo continuo 201

Pertanto il comportamento ingresso-uscita di un sistema senza memoria


caratterizzato in generale da una relazione del tipo

y(t) = 'T[x(a),a = t;t] (4.5.2)

h(t)

x(t)

1 ~ y(t)

T t

Figura 4.50 Sistema lineare stazionario con memoria finita

Se il sistema anche stazionario, l'operatore '1'[.]"collassa" in una semplice


funzione g(x) che rappresenta la cosiddetta caratteristica ingresso-uscita del
sistema (vedi Figura 4.51).

y=g{x)

~t)
x

Figura 4.51 Caratteristica ingresso-uscita di un sistema senza memoria

La caratteristica non dipende dal tempo poich il sistema stazionario; in tutti


gli istanti in cui il segnale di ingresso "passa" da un certo valore xo, in uscita
troveremo comunque il valore Yo = g(xo). I
Quali sono le peculiarit di funzionamento di un generico sistema non lineare
staz~onariosenza memoria? Quali le principali differen~e rispetto a un sistema
lineare? Suppondendo nota la caratteristica ingresso-uscita g(x), il comporta-
mento della non linearit pu essere meglio compreso sviluppando in serie di
202 Capitolo 4

Taylor la caratteristica stessa in un intorno dell'origine2:

(4.5.3)

con

- l d"
glI-- (4.5.4)
n! dx" g(x) x=o
I

Per semplicit, supponiamo di avere a che fare con una nonlinearit per cui lo
sviluppo in serie (4.5.3) arrestato al secondo ordine sia una approssimazione
sufficientemente accurata della caratteristica, cio

(4.5.5)

La presenza del termine quadratico g2X2(t)nell'espressione del segnale di uscita


chiaramente responsabile dell'introduzione di distorsione non lineare sul
segnale d'ingresso. Per meglio comprendere la natura di tale distorsione,
passiamo alle trasformate; la relazione (4.5.5) si traduce nella seguente nel
dominio della frequenza:

f(J) = go8(J)+ gl X(J) + g2 X(J) @ X(J) (4.5.6)


Se, ad esempio, X(J) uno spettro rettangolare (a banda limitata):

X(J) =rec{ ~) (4.5.7)

allora la trasformata f(J) ottenuta calcolando la somma dei tre contributi nella
(4.5.6) quella rappresentata nella Figura 4.52.
Gi questo semplice esempio significativo del meccanismo di distorsione di
un sistema nonlineare senza memoria: nel segnale d'uscita ritroviamo, oltre a
una componente continua, che in pratica pu essere facilmente eliminata con un
accoppiamento in alternata del segnale di uscita, anche alcune componenti
frequenziali che non sono presenti nel segnale d'ingresso, in particolare tutte
quelle nella banda (B,2B]. La produzione di queste componenti chiaramente

2 Solo caratteristiche con un certo grado di "regolarit" nell'intorno dell'origine possono essere
sviluppate in serie di Taylor. Questa condizione non necessariamente verificata, ma la
discussione riveste comunque carattere generale.
Sistemi monodimensionali a tempo continuo 203

dovuta alla presenza del termine nonlineare (in particolare quadratico) nella
caratteristica ingresso-uscita.

Y(f)

2B~

Figura 4.52 Esempio di distorsione non lineare

L'allargamento dello spettro del segnale, tipico delle distorsioni non lineari,
tanto pi marcato quanto pi la caratteristica ingresso-uscita del sistema si di-
scosta da un andamento lineare. Se avessimo preso in considerazione anche un
termine cubico nell'espansione in serie di Taylor, avremmo ottenuto uno spettro
del segnale di uscita con banda triplicata, e cos via. Osserviamo inoltre che un
eventuale filtraggio dell'uscita per reiettare le componenti fuori banda (cio
fuori della banda originaria B) non permette comunque di recuperare una replica
fedele del segnale di ingresso; l'effetto della non linearit si manifesta infatti an-
che all'interno della banda del segnale utile (fenomeno di intermodulazione).
4.5.2 Nonlinearit essenziali e parassite
Nella discussione precedente sull'effetto della nonlinearit, essa stata conside-
rata come un fattore negativo producente distorsione sul segnale. Questa visione
in generale valida per sistemi di elaborazione dei segnali, ma deve essere
approfondita quando si considerano sistemi nonlineari in generale, in particolare
sistemi elettronici di potenza. importante cio classificare preliminarmente il
tipo di non linearit o, meglio, stabilire se si tratta di una non linearit essenziale
o parassita in relazione alla funzione che il sistema deve svolgere.
Una nonlinearit parassita si manifesta nonostante tutti gli sforzi di progetta-
I
zione in sistemi nominalmente lineari, e provoca quindi effetti indesiderati.
L'esempio tipico di non linearit parassita quella presentata da un circuito am-
plificatore reale. Abbiamo gi pi volte considerato un amplificatore ideale, che
descritto dalla relazione

y(t) = A. x(t) (4.5.8)


204 Capitolo 4

cui corrisponde la caratteristica ingresso-uscita g(x) = A. x rappresentata in


Figura 4.53a. Osserviamo esplicitamente che questo sistema rappresenta, per
cos dire, "l' intersezione" tra la classe dei sistemi lineari stazionari e quella dei
sistemi stazionari senza memoria. Per un amplificatore reale, per, la
caratteristica non quella illustrata nella Figura 4.53a, bens quella (non lineare)
di Figura 4.53b, che indica un fenomeno di saturazione. Se i valori del segnale
d'ingresso sono compresi in un certo intervallo [-XM,XM]'ove XM la dinamica
d'ingresso, il sistema si comporta come un amplificatore ideale (caratteristica
lineare); al di fuori di questo intervallo, il sistema opera in zona non lineare e
l'uscita non superaun valorecostante YM (la dinamicad'uscita) cherappresenta
il livello di saturazione dell'amplificatore. Se si eccede la dinamica di ingresso,
si avranno quindi distorsioni nonlineari sul segnale d'uscita.

g(x)
y

x x

(a) (b)

Figura 4.53 Caratteristiche ingresso-uscita dell'amplificatore ideale (a) e reale (b)

Consideriamo al contrario un esempio di nonlinearit essenziale. Supponiamo di


disporre di un generatore di forma d'onda sinusoidale, e di voler ricavare a par-
tire dal segnale x(t) fornito dal generatore un segnale y(t) costante. Si dispone
dunque di un segnale x(t) il cui spettro costituito da due righe a frequenza I/o
e si vuole produrre un segnale y(t) costituito solo da una componente (continua)
a frequenza o. chiaro che questa operazione non pu essere realizzata con un
sistema lineare stazionario. La relazione fondamentale Y(f) = H(f)X(f) di
questi sistemi indica che nello spettro del segnale di uscita non possono esistere
componenti che sono di ampiezza nulla nello spettro del segnale di ingresso.
La funzione desiderata, che quella tipica compiuta dai circuiti alimentatori
degli apparati elettronici, pu essere invece realizzata utilizzando un sistema non
lineare in cui la nonlinearit diventa parte essenziale. Tale sistema costituito
da due blocchi funzionali ed rappresentato in Figura 4.54. Il primo blocco un
raddrizzatore a doppia semionda con caratteristica ingresso-uscita
Sistemi monodimensionali a tempo continuo 205

g(x ) =Ixl (4.5.9)

e il secondo un filtro passa-basso (quindi un SLS) che estrae dal segnale


raddrizzato la sola componente continua.

x(t) y(t)

Figura 4.54 Schema a blocchi di un alimentatore

4.5.3 Misura delle distorsioni non lineari


Esistono alcuni metodi di misura per caratterizzare la maggiore o minore
influenza della nonlinearit in un sistema in cui questa vista come parassita. Il
pi semplice consiste nel dare in ingresso al sistema in esame un segnale
sinusoidale

x(t) = ~ cos(2J%t) (4.5.10)


Supponiamo dapprima, per semplicit, che la caratteristica ingresso-uscita del
sistema sia quella di una nonlinearit del secondo ordine:

(4.5.11)

Allora il segnale d'uscita espresso da

(4.5.12)

(4.5.13)

Nel segnale d'uscita presente un' oscillazione a frequenza 2.10che non compare
nel segnale d'ingresso e che viene chiamata distorsione di seconda armonica.
Nel caso generale, in cui la caratteristica del sistema arbitraria, in risposta al
segnale sinusoidale periodico di periodo To= 1/.lo, il sistema produrr il segnale

y(t) = g[x(t)] = g[x(t+ To)] = y(t+ To) (4.5.14)


206 Capitolo 4

Il segnale di uscita, visto che il sistema senza memoria, a sua volta periodico
con lo stesso periodo di quello d'ingresso, come esemplificato in Figura 4.55,
anche se non sinusoidale. Ci consente di sviluppare y(t) in serie di Fourier
(forma reale polare):

= Ao+ 2A, cos(21ifot + 8,)+


y(t)
- 2~ cos(2n2fot + 82) +...

= Ao+ 2LAk cos(2nkfot + 8k) (4.5.15)


k='

g(x) y(t)

I
I x
l
I
I
I
-i ~ ~-
I
l
l
l
l
l
l
I
I
I X
I -::;,
I ~

Figura 4.55 Esempio di distorsione nonlineare (amplificatore con saturazione)

Come gi detto, l'effetto della non linearit quello di generare componenti


non presenti nel segnale d'ingresso; le componenti generate sono qui in rela-
zione armonica con la frequenza del segnale d'ingresso; questo meccanismo di
distorsione si indica dunque con il nome di distorsione armonica. La compo-
nente continua Aonon viene considerata come prodotto di distorsione ( spesso
ininfluente nelle applicazioni), e la componente per k = 1 in pratica la parte
Sistemi monodimensionali a tempo continuo 207

"utile" del segnale di uscita perch replica fedele del segnale di ingresso. Per
quantificare l'influenza della nonlinearit si definisce allora il coefficiente di di-
storsione di k-esima armonica

k
I
D ~ (2Ak)2/2
'(2Al)2 /2
= Ak
AI '
k ;::. 2 (4.5.16)

che rappresenta la radice quadrata del rapporto tra la potenza (2Ak della k- i /2
esima armonica prodottasi per distorsione, e la potenza (2A1)2/2 della prima
armonica, che viene considerata come la replica non distorta del segnale
d'ingresso. In teoria esistono infiniti coefficienti di distorsione~ch in pratica
siano rilevanti soltanto quelli di ordine inferiore (seconda e terza armonica).
Per disporre comunque di un'informazione sulla distorsione complessiva,
cio relativa a tutte le armoniche prodotte, si definisce innanzitutto il segnale
distorsione come "residuo" del segnale di uscita, tolta la componente utile e
quella (ininfluente) continua:
+00

d(t) ~ y(t) - Ao - 2A, cos(2J%t + 81) = 2LAk cos(2nkfot + 8k) (4.5.17)


k=2

Si definisce poi il coefficiente di distorsione armonica totale (THD, Total


Harmonic Distortion) come il rapporto tra la potenza del residuo di distorsione
d(t) e quella della componente utile:

(4.5.18)

Si noti che, per il teorema di Parseval:


+00 +00

Pd =2LA;
k=2
, ~ =Ag+ 2LA;
k=l
=> Pd= ~- Ag - 2 AI2 (4.5.19)

Allora il coefficiente di distorsione totale (4.5.18) risulta

(4.5.20)

Esempio 4.15
Il segnale x(t)= cos(2J%t) applicato al sistema nonlineare di Figura 4.56.
208 Capitolo 4

Determiniamo i coefficienti di distorsione di seconda armonica D2, di terza


armonica D3 e di distorsione totale D del segnale di uscita y(t). I segnali di
ingressoe di uscitadel sistemain esamesonorappresentatiin Figura4.57.

x(t) y(t)

Figura 4.56 Limitatore/Comparatore

2.0 I ,-
x(t) A1.5 y(t)
1.5 - -
1.0 ." .

- "\ l
-
'-"
0.5
>- -\ 0.0 1\ : :
. . j-
X
-0.5 \ f -
\ f
\ ...
-1.0 -'....'" \......,/ "..,' '.. -

-1.5 -

I I
-2.0
-2 ~ O 1 2
Tempo normalizzato, t!T o

Figura 4.57 Andamento dei segnali di ingresso e di uscita del sistema di Figura 4.56

Il segnale di uscita un' onda quadra di periodo To= l/Io e di ampiezza pari ad
A. Come dimostrato nell'Esempio 2.4, i coefficienti dello sviluppo in serie di
Fourier del segnale y(t) sono

per k.= O
altrimenti (E4.15.1)
~ = { ~ sinc(k/2)
Poich .li = O (il segnale y(t) alternativo) il coefficiente di distorsione di
seconda armonica nullo. Il coefficiente di distorsione di terza armonica
invece dato da
\

Sistemi monodimensionali a tempo continuo 209

D3
~ A3 _11;1- A Isinc(3/2)1- 1
-- (E4.l5.2)
Al IYrI A Isinc(1/2)1 3

Inoltre,la potenzadel segnaledi uscita banalmente ~ =A2 e il valore medio


del segnale nullo ( Yo= O); la potenza del residuo di distorsione Pd allora pari
a:

(E4.l5.3)

Allora il coefficiente di distorsione armonica totale dato da


~

D=
& ~2
21Yrl
=
A2
[1-8 /n2 ] =
2A2sinc2(1/2)
1-
8/n2 ~
8/n 2 = ~-l
8
=0.483 (E4.15.4)

Esempio 4.16
Il segnale x(t) = 2A cos(21ifot) applicato al sistema nonlineare di Figura 4.58.
Calcoliamo i coefficienti di distorsione di seconda armonica D2, di terza
armonica D3 e di distorsione armonica totale D del segnale di uscita y(t).

x(t)

Figura 4.58 Sistema nonlineare


~ AAY

-A
A x
y(t)

Il segnale di ingresso e il corrispondente segnale di uscita sono rappresentati in


Figura 4.59. Si vede che il segnale di uscita alternativo, quindi tutte le sue
armoniche di ordine pari hanno ampiezza nulla e, come nell'esempio precedente,
il coefficiente di distorsione di seconda armonica D2 nullo. Per calcolare il
coefficiente di distorsione di terza armonica D3 necessario determinare i
coefficienti 1; e Yr.Essendo y(t) un segnale pari, il k-esimo coefficiente del suo
sviluppo in serie di Fourier pu essere calcolato con la formula semplificata
(2.6.9):
210 Capitolo 4

2 To/2
Y;,= - J y(t) cos(21rkfot) dt (E4.16.1)
To o
da cui segue

2 To/2 2 To/3
~ =-
To o
J
y(t) cos(2J%t) dt =- J y(t) cos(2J%t)
To To/6
dt

1 -13
=- J
4A To/3 2
cos (2J%t)dt=A ---
To To/6 ( 3 2n )
(E4.16.2)
/

2.0 'O,."
'-"
"""""","0' '...,....
1.5 ""'"

//....
.-1.0.>--
- l-- -- \ ~ - -...-----

-- 0.5 y(t),
->. 0.0 1/6
1/3 .
x -0.5

-1.0
'.
-A, -1.5 ../"/"~(t) '.
..'.,'
-2.0 L """"" ............
-0.50 -0.25 0.00 0.25 0.50

Tempo normalizzato, tfTo

Figura 4.59 Andamento dei segnali di ingresso e di uscita del sistema di Figura 4.58

Analogamente,

2 To/2 2 To/3
1; = - J y(t) cos(6J%t) dt
To o
=- J
y(t) cos(6J%t) dt
1'0To/6
4A To/3
= -
To To/6
J cos( 21ifot) cos( 61ifot) dt
4A To/31
. =- J -[cos(4J%t)+cos(8J%t)]dt=--A-I3
1'0 To/62 41r
(E4.16.3)
Sistemi monodimensionali a tempo continuo 211

Usando i risultati (E4.16.2-3) si ottiene

D3= 3-J3 (E4.16.4)


2[211: - 3-J3] == 2.39
Procediamo ora 'con il calcolo del coefficiente di distorsione totale. Essendo
y(t) un segnale pari, la sua potenza media data da

2 To/2 2 To/3
~.=- fl(t)dt=- fl(t)dt
To o 1;, To/6
8A2 To/3 1 -J3
=-
To
f cos2(2Jifot)dt = 2A
To/6
2
( -3 - -211:)
(E4.16.5)

La potenza associata alle componenti di distorsione invece


2
!- -J3 -2A2 !- -J3 (E4.16.6)
Pd = ~ -IYcl- 21tt = 2A2
( 3 211:) ( 3 211:)
( Yo = O). Allora il coefficiente di distorsione totale risulta

1 ==4.16 (E4.16.7)

Sommario
Un sistema monodimensionale (a un ingresso e una uscita) trasforma un segnale
d'ingresso x(t) (sollecitazione) in un segnale d'uscita (risposta) y(t). Anche
senza conoscere la struttura del sistema, possibile individuare alcune propriet
di quest'ultimo: stazionariet se il comportamento del sistema non varia nel
tempo; causalit se l'evoluzione dell'uscita non dipende dalla futura evoluzione
dell'ingresso; istantaneit se il valore dell'uscita dipende solo dal valore dell'in-
gresso al medesimo istante; stabilit se a qualunque ingresso limitato in am-
piezza corrisponde sempre un'uscita limitata in ampiezza; invertibilit se il se-
gnale d'ingresso pu sempre essere ricostruito a partire dall'osservazione del se-
gnale d'uscita; linearit se al sistema applicabile il principio di sovrapposi-
zione degli effetti. Limitandoci allo studio dei sistemi lineari stazionari (SLS), si
definisce la risposta impulsiva h(t) come risposta all'eccitazione 8(t), e si di-
212 Capitolo 4

mostra che questa caratterizza complecimente il comportamento del sistema; in


particolare, l'uscita del sistema si pu calcolare come y(t) =x(t) <8>h(t). Una ca-
ratterizzazione equivalente si ottiene in ambito frequenziale definendo la rispo-
sta infrequenza del sistema H(!), cio la trasformata di Fourier della risposta
impulsiva; la risposta in frequenza pu anche essere calcolata come rapporto tra
le trasformate dei segnali d'uscita e d'ingresso H(!) = Y(!)/ XC!), oppure
come il coefficiente (complesso) secondo cui viene modificata un' oscillazione
complessa alla frequenzaf che passa attraverso il sistema: y(t) = H(f)ej21ifi.
La caratterizzazione dei SLS i~ ambito frequenziale risulta indispensabile
quando il sistema stesso deve effettuare operazioni di elaborazione dei segnali
selettive infrequenza, cio operazioni difiltraggio. A questo proposi/o si defini-
scono le risposte dei filtri ideali passa-basso, passa-alto, passa-banda ed elimina-
banda. Questi sistemi fondamentali sono caratterizzati da una banda passante e
una banda oscura che ne rappresentano le caratteristiche fondamentali. Si dimo-
stra per che questi filtri ideali non sono fisicamente realizzabili perch non
causali, come si pu verificare attraverso il criterio di Paley-Wiener sulla rispo-
sta in ampiezza.
Il concetto di banda introdotto per i filtri pu essere generalizzato e precisato
anche per segnali arbitrari a energia finita. Attraverso opportune definizioni di
banda e durata si arriva al risultato che queste due quantit variano in maniera
inversa. In particolare, non possibile ridurre arbitrariamente la banda di un
segnale senza aumentarne in proporzione la durata: il prodotto di queste due
grandezze limitato inferiormente. Le approssimazioni dei filtri ideali che si
realizzano in pratica possono per introdurre distorsioni lineari sul segnale utile.
Il criterio di non distorsione richiede che la risposta in ampiezza del filtro sia
costante (piatta) e la risposta in fase sia proporzionale alla frequenza (lineare)
all'interno della banda del segnale utile.
Attraverso lo studio dei SLS possibile anche caratterizzare il contenuto
energetico dei segnali in ambito frequenziale. Il teorema di Parseval, nelle varie
versioni per segnali periodici e aperiodici, permette di calcolare l'energia
(potenza) dei segnali a partire dalla conoscenza dello spettro di ampiezza. Le
funzioni densit spettrale di energia e di potenza (rispettivamente per i segnali a
energia e potenza finita) rappresentano, frequenza per frequenza, il contributo
"locale" all'energia (potenza) del segnale fornito dalle componenti in un intorno
della frequenza considerata, rapportato all'ampiezza dell'intorno stesso. Quando
il segnale viene filtrato, queste funzioni vengono modificate in ragione della ri-
sposta in ampiezza al quadrato del sistema, IH(f)12. Il teorema di Wiener-
Sistemi monodimensionali a tempo continuo 213

Khintchine permette poi di definire le densit spettrali come trasformata di


Fourier delle rispettive funzioni di autocolTelazione.
I sistemi nonlineari senza memoria sono caratterizzabili attraverso la caratte-
ristica ingresso-uscita g(x), e si distinguono dai SLS perch in generale produ-
cono componenti spettrali non presenti nel segnale d'ingresso. La maniera pi
semplice per quantificare in questi sistemi !'influenza delle distorsioni non line-
ari (considerate come fenomeno parassita) la misura dei coefficienti di distor-
sione armonica quando l'ingresso del sistema sinusoidale.

Esercizi proposti
4.1 Per ciascunodei seguentisegnali:

x.(t) = 2 + cos(71tt/T)
X2(t) = sen(51tt/T) + 3cos(71tt/T)
X3(t) = 2cos(1tt/T) - sen(31tt/T)

dire (giustificando il risultato) se ed eventualmente in che modo essi ven-


gono distorti nel passaggio attraverso il sistema lineare stazionario la cui
risposta in frequenza rappresentata in Figura 4.60.

IH(f)1
A

4 2 2 4
-T -T T T

LH(f)

Figura 4.60

4.2 Calcolare la funzione di autocorrelazione dei due segnali x(t) e y(t) in


Figura 4.44.
214 Capitolo 4

4.3 Partendo dalla relazione (x(t) segnale a energia finita)


~

j[ x(t):f: x(t - 1")]2dt 2':O

dimostrare la propriet (4.4.25) 1Rx('l")I::;Rx(O).


4.4 Il teorema di .Parseval pu anche essere generalizzato considerando due
segnali x(t) e y(t) a energia finita. Se con X(J) e Y(J) si indicano le
rispettive trasformate di Fourier di questi segnali, dimostrare che (teorema
./ di Parseval generalizzato)
~ ~

f x(t) y*(t)dt = f X(J) Y*(J) di

4.5 Considerando lo schema di Figura 4.61, in cui il segnale x(t) espresso da

x(t) = sinc( t - ;12 ) + sinc( t + ; /2 )


determinare l'espressione del segnale di uscita y(t) sapendo che.

c(t) f
= k=- rect
(
t-kT
T /2 J

e che le risposte in frequenza H1(J) e H2(J) sono come in Figura 4.62.

c(t)

H Jf)

x(t) y(t)

c(t-T/4)

Figura 4.61
Sistemi monodimensionali a tempo continuo 215

-7/2T -3fT -5/2T 5/2T 3fT 7/2T

Figura 4.62

4.6 Il segnale
+00

y(t) IJ -1/ x(t - kT)


= k;;:.-oo
)
con

x(t) = exp[-t/T] rectC-;/2)


viene applicato in ingresso al sistema di Figura 4..63(la caratteristica della
nonlinearit w = l). Determinare la potenza ~ del segnale di uscita
. z(t).

H (f)

Figura 4.63

4.7 Calcolare l'energia Ex e la potenza ~ del segnale aperiodico x(t)


= 2 sinc2(Bt) sin(2nBt).
4.8 Determinare direttamente la densit spettrale di potenza Sx(f) del segnale
x(t) = cos(21fot)senza sfruttarne la propriet di periodicit.
4.9 Determinare la caratteristica ingresso-uscita di un sistema senza memoria
lineare e stazionario. possibile in questo caso calcolarne la risposta
impulsiva?
4.10 Il segnale x(t) = 2cos(2nBt) applicato al sistema di Figura 4.64. Sapendo
che h(t) = 2B sinc2(2Bt), determinare la potenza ~ del segnale di uscita
z(t).
*
216 Capitolo 4

x( t) y(t) z(t)
h(t)
-1
1 x
l
Figura 4.64

4.11 Il segnale x(t) = -fia cos(27rfot) applicato al sistema nonlineare di


Figura 4.65. Calcolare il coefficiente di distorsione armonica totale D del
segnale di uscita y(t).

x(t) y(t)

a x

t
Figura 4.65

4.12 La funzione di correlazione incrociata tra due segnali a energia finita x(t)
ed y(t) definita come segue:
+00

Rxy('C')! Jx(t)y(t - 'C')dt

Dimostrare che questa funzione, introdotta per misurare la rassomiglianza I


tra duesegnalial variaredelritardo 'C', godedellapropriet
.1

A che cosa uguale questa funzione quando x(t) == y(t)?


4.13 Dimostrare il teorema di Parseval per segnali periodici (4.4.38) diretta-
mente senza usare l'espressione (4.4.40) della densit spettrale di potenza.
[Suggerimento:si parta dall'espressione della potenza per un segnale pe-
riodico, si scriva che x\t) = x(t). x' (t) e poi...]
4.14 Trovare tramite il teorema di Wiener-Khintchine la densit spettrale di
potenza Sx(f) del segnale x(t) = sgn(t). J
,.
1

Sistemi monodimensionali a tempo continuo 217

4.15 Calcolare la banda a -3 dB B_3del sistema lineare stazionario rappresen-


tato in Figura 4.66 (00 = 21ifo).
.l
x(t)

;
~

)
y(t)

Figura 4.66

4.16 Determinare e rappresentare la risposta g(t) al gradino unitario u(t) per il


SLS di Figura 4.67.
4.17 Un sistema lineare stazionario caratterizzato dalla risposta in frequenza

In 2 2

H(f) = exp ( - 8102f )


Calcolare la banda a -3 dB B_3di tale sistema e determinarne poi la
risposta all'eccitazione x(t) = rect(2fot). [Suggerimento: usare lafunzione
<1>(-)
definita per una densit di probabilit Gaussiana standard]

Figura 4.67
5
Segnali a tempo discreto

I ,
/

5.1 Dal tempo continuo al tempo discreto


5.1.1 Campionamento dei segnali a tempo continuo
Nel Capitolo l stata discussa la classificazione dei segnali in base al tipo della
variabile indipendente, che in genere identificata con una grandezza di
carattere temporale. Sappiamo gi che un segnale a tempo discreto una
successione xn o sequenza x[n] di numeri, ed quindi rappresentabile con una
funzione di variabile intera relativa avente valori reali o complessi.
Supponiamo di compiere alcune osservazioni di traffico automobilistico auto-
stradale: a un casello di uscita, annotiamo l'orario di ingresso di ogni vettura,
misurato in secondi a partire dalle ore 0.00, e riportiamo questi dati in una ta-
bella (Tabella 5.1). Essa composta dal numero d'ordine n dell'automobile in
ingresso al casello, e dal relativo dato orario x[n]: la tabella rappresenta un
segnale a tempo discreto, che pu essere elaborato per ricavare informazioni sul
progetto e il dimensionamento del sistema di riscossione dei pedaggi.
Un caso pi tipico nell'elaborazione dei segnali quello in cui il segnale a
tempo discreto viene ottenuto da un segnale a tempo continuo attraverso la co-
siddetta operazione di campionamento. Campionare un segnale x(t) significa
"estrarre" dal segnale stesso i valori che esso assume a istanti temporali equi-
spaziati, cio multipli di un intervallo T detto periodo di campionamento, come
viene illustrato in Figura 5.1. Con questa operazione viene a crearsi una se-
quenza il cui valore n-esimo x[n]il valore assunto dal segnale a tempo conti-
nuo all'istante nT:
220 Capitolo 5

x[nJ =x(nT) (5.1.1)

Tabella 5.1 Esempio di sequenza

n x[n]
O O
1 15.2
2 33.9
3 65.4
4 68.2
5 129.4
6 162.4
7 312.9
8 423.5
9 428.5
lO 629.2
11 734.7

Nella Figura 5.1, l'operazione di campionamento viene simbolicamente effet-


tuata da un dispositivo, il campionatore, indicato con una sorta di "interruttore"
che si chiude per un intervallo di durata infinitesima. La cadenza con cui l' inter-
ruttore si chiude, cio con la quale il segnale viene campionato, pari a

(5.1.2)

e prende il nome difrequenza di campionamento (sampling frequency), misurata


in Hz o in campioni/s.

x(t)

-3T -2T-T T 2T3T t

X(~
.x[n]
t=nT

Figura 5.1 Campionamento di un segnale analogico


Segnali a tempo discreto 221

Nella pratica, come gi menzionato nel Capitolo 1, l'operazione di campio-


namento viene effettuata dai convertitori analogico/digitale (comunemente detti
convertitori A/D). Questi dispositivi sono comandati da un segnale di clock
(temporizzazione) alla frequenza fc, che fornisce gli impulsi di comando al cir-
cuito per effettuare le varie operazioni di campionamento. Il campionatore ideale
di Figura 5.1 estrae in corrispondenza di ogni impulso di c10ckil valore del se-
gnale di ingresso x(t) all'istante di campionamento, che in generale un numero
reale con infinite cifre decimali. Diversamente dal campionatore ideale, il con-
vertitore AID rende invece una rappresentazione finita di questo numero reale
(segnale numerico), e precisamente in aritmetica binaria su un numero finito di
cifre (bit), variabile in genere da 8 a 16. In tutto questo capitolo non ci occupe-
remo pi del piccolo errore insito nella rappresentazione del numero reale su un
numero finito di cifre, detto errore di quantizzazione, ma supporremo sempre di
effettuare operazioni di campionamento ideali.
Lo studio e l'elaborazione dei segnati a tempo discreto ha assunto grande im-
portanza in questi ultimi per la possibilit di utilizzare componenti numerici ad
alta velocit e affidabilit, e a basso costo. La tendenza moderna, risultante dai
grandi progressi compiuti dai componenti elettronici ad altissima integrazione
(VLSI, Very Large-Scale Integration), quella di usare per l'elaborazione dei
segnali a tempo discreto dei microprocessori specializzati (dedicati) chiamati
DSP (Digital Signal Processor, elaboratore numerico di segnali). L'elaborazione
del segnale viene eseguita sui valori digitali estratti dal segnale stesso tramite
conversione AID, e si risolve nell'esecuzione di un opportuno programma da
parte del microprocessore. Questa struttura, rappresentata in Figura 5.2, estre-
mamente flessibile, nel senso che diverse funzioni di elaborazione possono
essere realizzate semplicemente cambiando il programma di elaborazione
(software) senza dover minimamente modificare la struttura fisica (hardware)
del circuito.

X(I) 1
NO
H OSP
~ l-
Figura 5.2 Elaborazione numerica1fiUn segnale a tempo continuo
D/A
y(l)

Il segnale a tempo discreto y[n] risultante dall'elaborazione numerica deve poi


essere riconvertito in forma analogica (cio in un segnale a tempo continuo).
Questa operazione la conversione digitale/analogico (D/A) indicata in Figura
222 Capitolo 5

5.2. Dal punto di vista teorico, il dispositivo che produce in uscita un segnale a
tempo continuo a partire da un segnale d'ingresso a tempo discreto chiamato
interpolatore, e il suo funzionamento schematizzato in Figura 5.3. Le opera-
zione duali di campionamento e interpolazione verranno analizzate pi appro-
fonditamente nei Paragrafi 5.3 e 5.4.

x(t)

-3T -2T-T T2T3T t

x[n] x(t)
..

1
Figura 5.3 Interpolazione di un segnale a tempo discreto

5.1.2 Alcuni segnali notevoli


Consideriamo adesso qualche esempio di segnali a tempo discreto (brevemente:
segnali discreti) di particolare rilevanza e utilit. Alcuni di essi possono essere
derivati dalle rispettive controparti a tempo continuo per semplice campiona-.
mento, altri necessitano invece di importanti precisazioni.
i) sequenza gradino unitario (Figura 5.4):

n;::: O
(5.1.3)
u[n]= {~ n<O

u[n] /

~~

-4 -3 -2 -1 1 2 3 4 5 n

Figura 5.4 Sequenza gradino unitario


Segnali a tempo discreto 223

Per ovvi motivi, non si pone per la sequenza u[n] la questione del valore nel
punto di discontinuit presentata invece dal gradino a tempo continuo u(t).
ii) sequenza esponenziale unilatera (Figura 5.5):

(5.1.4)

x[n] O<a<1

-4 -3 -2 -1 1 2 3 4 n

Figura 5.5 Sequenza esponenziale unilatera

iii) sequenza 8 o impulsiva (Figura 5.6):

l n=O
(5.1.5)
8[n] = { O altrimenti

o[n]

-4 -3 -2 -1 1 2 3 4 n

Figura 5.6 Sequenza impulsiva

La sequenza 8[n] in pratica ci che in matematica chiamato "simbolo di


Kronecker" 8n,k:

l n=k /
n,k (5.1.6)
8 = 8[n - k] = { O altrimenti

Non ha senso pensare di ottenere la sequenza 8 per campionamento del segnale


analogico 8(t). Si ricordi che il valore di quest'ultimo per t =O non limitato, e
quindi sarebbe impossibile (o meglio, privo di senso) definire 8[0] =8(0).
Le sequenze u[n] e 8[n] sono legate da relazioni simili a quelle che legano
u(t) e 8(t). Infatti, come il segnale gradino la funzione integrale della 8(t) (si
224 Capitolo 5

veda la (3.4.9, cos nell'ambito del tempo discreto si ha


n

u[n] = I8[i] (5.1.7)


i= oo

cio il segnale gradino discreto la sequenza somma della sequenza 8[n].


Dualmente, sappiamo che la funzione 8(t) la derivata temporale del segnale
u(t). Nell'ambito del tempo discreto non ovviamente definita l'operazione di
derivazione, e la relazione analoga coinvolge la cosiddetta "differenza all'indie-
tro del primo ordine" o incremento:

8[ n ] = u[ n ] - u[ n-l ] (5.1.8)

iv) sequenza impulso rettangolare causale di durata N (Figura 5.7a):

x[ n ] = u[n] - u[n - N] (5.1.9)

L'impulso rettangolare qui ottenuto (si ricordi l'Esempio 4.8) come differenza
tra la sequenza u[n] e la stessa sequenza ritardata di N campioni (Figura 5.7.b).

x[n] u[n]
1

o N-1 N n o N-1 n
-u[n-N]
(a) (b)

Figura 5.7 Impulso rettangolare discreto (a) e sua costruzione (b)

v) oscillazione complessa discreta alla frequenza normalizzata Fo:


~
x[n] = exp(j2JrFon) (5.1.10)

che la versione a tempo discreto della oscillazione complessa analogica


exp(j21%t) alla frequenza lo. La frequenza Fo normalizzata perch rappre-
senta un numero puro. Si noti che, rispetto alla variabile temporale n, questo se-
gnale' periodico solo se la frequenza Fo un numero razionale, cio se
Fo = p / q , p e q interi. Il lettore trovi il periodo No dell' oscillazione x[n] sotto
quest'ultima ipotesi.
226 Capitolo 5

delle frequenze normalizzate di ampiezza unitaria, ad esempio per


F E [-1/2,1/2] che chiameremo intervallo-base. Inoltre, la definizione (5.2.1) di
trasformata pi che esauriente ai fini matematici (ed infatti adottata in molti
testi di teoria dei segnali ed elaborazione numerica dei segnali, eventualmente
nella forma modificata (5.2.2)), ma si rivela poco conveniente quando la se-
quenza x[n] proviene da un'operazione di campionamento di un segnale analo-
gico x(t). La presenza della frequenza normalizzata infatti non consente di
stabilire un legame immediato con la frequenza (misurata in Hz) delle
componenti nella trasformata X(f) del segnale analogico di partenza. Se allora
il periodo di campionarnento T, si pu definire la variabile

(5.2.4)

ottenuta "denormalizzando" la frequenza normalizzata F, e avente le dimensioni


di unafrequenza. Sostituendo nella definizione originaria di trasformata (5.2.1)
l'espressione della frequenza normalizzata F = f T ottenuta dalla (5.2.4),
otteniamo una nuova definizione di trasformata di Fourier di una sequenza, che
risulta adesso funzione complessa della frequenza f misurabile in Hz:

X(J)~ ,x[n]e-j21f1lfT =1"[x[n]] (5.2.5)


n=-co

In questa definizione, che adotteremo definitivamente, abbiamo introdotto un


soprassegno al nome della trasformata per distinguere facilmente la trasformata
di una sequenza X(f) dalla trasformata di un segnale continuo XC!).
Poich la funzione X(F) periodica di periodo 1, la funzione X(J) perio-
dica in ambito frequenziale di un periodo pari alla frequenza di campiona-
mento fc = 1/ T :

~.6)

Questa periodicit caratteristica delle trasformate delle sequenze, e diventa


chiara se introduciamo la relazione, inversa della (5.2.5), di antitrasformazione.
Quest' ultima permette di esprimere la sequenza x[n] attraverso un integrale di
Fourier (o antitrasformata di Fourier di una sequenza) analogo alla (3.1.8):
l{2T

x[n] = T JX(J)
-1/2T
ej21f1lfT df
(5.2.7)
Segnali a tempo discreto 227

.P~$iustificare questa relazione, riprendiamo in considerazione la definizione di


Itrasformata
~. . . (5.2.5), moltiplichiamo ambo i membri per un'oscillazione com-
plessa alla frequenzaf, e integriamo sull'intervallo frequenziale [-l/2T,l/2T]:
~T ~T -
f X(J)
-lj2T
ej21fn[r di = f
-lj2TIII=-
~x[ m] e-j21D1!fT di
ej21fn[r
- Ij2T
= ~x[m]
111=-
f
-lj2T
e-j2lr(lII-n)[r di (5.2.8)

Se si osserva che

Ij2T O m*n
f
-lj2T
e-j2lr(lII-n)[r di =
{ l/T m=n (5.2.9)

la serie a secondo membro della (5.2.8) si riduce all'unico termine per cui
m = n, e cio la (5.2.8) diventa la (5.2.7).
Il significato dell'espansione (5.2.7) della sequenza x[n] quello consueto
per l'analisi di Fourier: il segnale dato viene espresso come sovrapposizione di
un continuo di componenti frequenziali di ampiezza e fase regolate dall' anda-
mento di X(f). Mentre un segnale analogico necessita di componenti a tutte le
frequenze sull'asse reale da -00 a +00, cio in un ambito illimitato, per espri-
mere una sequenza in ambito frequenziale son~ sufficienti le sole comP.9Jle.DtL
~venti frequenze comprese nell' intt~rvallo limilato [-1 / ~:r,l / 211 In un certo
modo, questo risultato pienamente giustificato dalla periodicit della trasfor-
mata di una sequenza, nel senso che le sole componenti veramente significative
sono quelle nel periodo base. Anche per la trasformata di una sequenza co-
munque d'uso introdurre lo spettro di ampiezza A(f) =1X(f) I e lo spettro di
fase (j(f) = LX(f).
La periodicit della trasformata di una sequenza, e/o la limitatezza dell'inter-
vallo frequenziale significativo nello spettro del segnale, sono conseguenze di un
unico fenomeno: nell'ambito dei segnali~mpo discreto, due oscillazioni sinu-
soidali (complesse) rispettivamente alla frequenza lo e lo + m / T (m intero)
sono indistinguibili. Infatti:

exp[j2Jr(1o + m/T)nT] = exp(j21ifonT)exp(j2nmn) = exp(j21ifonT) (5.2.10)

La Figura 5.8 rappresenta un esempio di questa situazione per il caso particolare


lo =O e m = 1. Quest' esempio conferma che non ha senso pensare a compo-
nenti significative nello spettro del segnale discreto al di fuori di un intervallo-
228 Capitolo 5

base di ampiezza pari alla frequenza di campionamento, poich tali componenti


sono repliche indistinguibili di quelle gi presenti nel periodo-base. Ma questa
proprio, in altre parole, la definizione di periodicit della trasformata X (f) !

n n

Figura 5.8 Oscillazioni a tempo discreto a frequenza Oe 1fT

Per la serie (5.2.5) si possono porre dei proble~ di convergenza. Una condi-
zione sufficiente per l'esistenza della trasformata l'assoluta sommabilit della
sequenza, cio la condizione
-
:Llx[n]1< +00 (5.2.11)
n=-00

Infatti, essendo

(5.2.12)

:11
il verificarsi della (5.2.11) assicura la convergenza della serie per tutti i valori
della frequenza.

Esempio 5.1
Calcoliamo la trasformata di Fourier della sequenza o[n]. Essa data da

o[n] ~ ~(J) = :Lo[n]e-j2mt/T= 1


n=-oo
(E5.1.l)

poich nella serie l'unico termine non nullo quello per n = O. La trasformata
~(J) quindi una funzione periodica di periodo l/T che, in ciascun periodo,
assume un valore costante e pari a 1 (Figura 5.9).
Segnali a tempo discreto 229

o[nl il(f)

-4 -3 -2 -1 1234n -1/2T 1/2T f

Figura 5.9 Trasformata della sequenza 8[n]


D

Esempio 5.2
Calcoliamo la trasformata di Fourier dell' impulso rettangolare discreto di
Figura 5.7 ~

x[ n ] = u[ n ] - u[ n - N] (E5.2.l)
Applicando la definizione,
+00 N-l N-l

X(J)= I,x[n]e-j2ID!/T = I,e-j211>tjT= I,[e-j21ifTr (E5.2.2)


n=-00 ,,=0 n=O

e ricordando che

\ N-Il N
I I,
n=O
q"= =.!L
1- q
(E5.2.3)

si trova

- 1- e-j2mVjT e-jmVjTejmVjT- e-jmVjT - -jn(N-I)jT sin(NrcfI')


(E5.2.4)
X(J) = 1- e-j21ifT= e-j1ifT ej1ifT- e-j1ifT - e sin(rcfI')

Lo spettro di ampiezza allora

IX(J)I = Si~(N1ifT) (E5.2.5)


sm(1ifT)
I 1

ed rappresentato in Figura 5.lOa per N = lO nell'intervallo f E [-l/T,l/T] per


evidenziarnela periodicit.L'andamentodellospettrodi ampiezzain vicinanza
di f = O ricorda quello di una funzione Nsinc(NfF). Inoltre, restringendoci
all'intervallo"base" f E[-1/2T, 1/2T],esso si annullaper le frequenze
230 Capitolo 5

, k=:1:.1,:1:.2,...,:1:.N/2 (E5.2.6)

12

-
IX
10

t 8
N
N
Q)
'5.
E 6
as
=c
e
:t::
4

Q)
a.
Cf) 2

o
-1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00

Frequenza normalizzata, fT (a)

180 '

=a
ra
135 , I IN=101

--.9 90

45

-=c
eD
(J)
as
O

-45
e
:t::. -90
Q)
a.
U) -135

-180
-1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00

Frequenza normalizzata, fT (b)

Figura 5.10 Spettro di ampiezza (a) e fase (b) dell'impulso rettangolare discreto

e assume per f = O il valore massimo dato da

IX(O)I = 1im IX(J)I= N (E5.2.7)


f~O
Segnali a tempo discreto 231

L'andamento dello spettro di fase LX(J) nell'intervallo f E [-l/T,l/T] quello


di Figura 5.lOb, disegnato ancora per N = lO. L'andamento lineare dovuto al
posizionamento non simmetrico dell'impulso rispetto a n=O(si veda il teorema
del ritardo 5.3.2), cio al termine e-jtr(N-lj[fnella trasformata. O

Esempio 5.3
Calcoliamo la trasformata di Fourier della sequenza esponenziale discreto:

(E5.3.l)
Si ha che
- - -
X(J) = Ix[nJ e-j211>1[f
= Iane-j211>1[f = I[a e-j21!17T (E5.3.2)
n;-oo n=O n=O \

Ricordando la formula della somma della serie geometrica,

-
Iqn =-
1
, Iql<l (E5.3.3)
n=O 1- q
si trova~amente

X(J)=. (E5.3.4)
-ae l_;~.nT' lakl

Lo spettro di ampiezza della sequenza data allora (Figura 5.lla)


1
(E5.3.5)
IX(J) 1=~l + a2 - 2 a cos(21ifT)
mentre il suo spettro di fase dato da (Figura 5.11 b)

a sin(21ifT0
LX(J) = arctg (E5.3.6)
[ 1- a COS(2;Ji)J
O

~propriet ~lla trasformata di Fourier di una sequenza (simmetria


Hermitiana ecc.) relativamente a quelle del segnale temporale (segnale reale,
segnale pari o dispari ecc.) ~ sostanzialmente identiche a quelle ricavate nel
Paragrafo 3.2 a--proposito della trasformata dei segnali analogici, e non verranno
232 Capitolo 5

2.50

S 2.00
IX
ai
N
~ 1.50
'5-
E
as
'C
e
==
1.00
I
a=0.1
Q)
a. 0.50
(j)

0.00
-0.5 -0.4 -0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 0.4 0.5

Frequenza normalizzata, fT (a)

90

a=0.5
45
/
-::a
eD
cn
as
o

e
== -45
Q)
c..
Cf)

-90
-0.5 -0.4 -0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 0.4 0.5

Frequenza normalizzata, fT (b)

Figura 5.11 Spettro di ampiezza (a) e fase (b) della sequenza esponenziale discreto

ulteriormente ribadite. Sulla base delle relazioni di analisi (5.2.5) e di sintesi


(5.2.7), che di seguito riportiamo, il lettore in grado di ricavare tali propriet
autonomamente. Alcune differenze rispetto al caso del tempo continuo si
riscontrano invece nelle propriet analoghe a quelle viste nel Paragrafo 3.3. .
Segnali a tempo discreto 233

112T

-JX(J)
x[n] = T ej21D1jT dI
-1/2T ovvero x[n] <=>X(f) (5.2.13)
",'I X(J)
I
= I,x[n]e-j2n>!fT
n=-

5.3 Teoremi sulla trasformata di Fourier di una sequenza


Elenchiamo e dimostriamo invece alcune propriet fondamentali della trasfor-
mata di Fourier di una sequenza, spesso analoghe, ma in qualche caso significa-
tivamente differenti da quelle per i segnali a tempo continuo esaminate nel Para-
grafo 3.3. Tali propriet saranno indicate come teoremi.
5.3.1 Teorema di linearit
Supponiamo che una sequenza x[n] sia espressa come combinazi6pe lineare
delle sequenze XI [n] e x2 [n] :

(5.3.1)

con a e b costanti. Se si indicano con X.(J) e X2(J) le trasformate rispettiva-


mentedellesequenzex.[n] e x2[n],la trasformataX(J) di x[n]

(5.3.2)

Questa propriet una banale conseguenza della definizione di trasformata di


Fourier di una sequenza, e si dimostra in modo analogo a quanto visto nel
Paragrafo 3.3.
5.3.2 Teorema del ritardo \
Cpnsideriamouna sequenza x[n] con trasformata X(J). La trasformatadella
sequenza x[n - k] ottenuta ritardando x[ n] di k passi espressa da

x[n - k] <=>X(J) e-j21tkfT (5.3.3)

Per dimostrare questa propriet basta osservare che

.r[x[n-k]]= fx[n-k]e-j2n>!fT = fx[m]e-j21r(m+k)jT


ln=-
-
= X(J)
= e-j21tkjTI,x[ m] e-j2n>n/T e-j21tkfT (5.3.4)
In=-

avendo effettuato negli sviluppi il cambiamento di variabile m = n - k.


234 Capitolo 5

5.3.3 Teorema della modulazione


La trasformata della sequenza x[ n] ej21r11foT,
ottenuta "modulando" x[n] con la
sequenza ej21r11foT,
espressa da

x[n] ej21r11foT~ X(J - fa) (5.3.5)


Infatti si ha:

l' [x[ n] ej2/DifoT] = L


n=-oo
x[ n ] ej21r11fo Te - j21r11fT

= Lx[n] e-j21r11(J-fo)T= x(J - io) (5.3.6)

Poich la funzione X(J) periodica di periodo l/T, la funzione X(f - fa),


ottenuta traslando X(J) della quantit io, coincide con la funzione
X(f -liolllT)' ottenuta invece traslando X(J) della quantit

lioIIlTio-m/T, m=int{io/(lIT)) (5.3.7)

cio io modulo l/T. Questa un'ulteriore conferma della propriet (5.2.10)


delle oscillazioni complesse a tempo discreto.
5.3.4 Teorema della somma di convoluzione
Prima di introdurre questa propriet, definiamo la sequenza z[n] somma di
convoluzione tra le sequenze aperiodiche x[n] e y[n]:
- -
z[ n] = x[ n ] C8> y[ n ] L
k=-oo
x[ k ] y[ n - k] = L y[ k ] x[ n -
k=-
k] (5.3.8)

La somma di convoluzione gode naturalmente delle stesse propriet commuta-


tiva, associativa e distributiva gi dimostrate nel Paragrafo 3.3 per l'integrale di
convoluzione tra segnali analogici.
Ora, il teorema della somma di convoluzione afferma che la trasformata di
Fourier della sequenza z[n] data dal prodotto delle trasformate delle sequenze
x[n] e y[n]:

z[n] = x[n] C8> y[n] ~ f(J) X(J) = Z(J) (5.3.9)


Infatti
~ ~ ~-

Z(/) =L Lx[k] y[n - k] e-j21r11fT


= L x[k] 11=-00
Ly[n - k] e-j2/D!fT (5.3.10)
Segnali a tempo discreto 235

avendo invertito l'ordine delle due sommatorie. Se si osserva che (per il teorema
del ritardo)
~

~>[ n - k] e-j21l71jT= f(J) e-j21rkjT (5.3.11)

la relazione (5.3.10) pu essere riscritta nella forma


~ ~

Z(f) = k=-oo
Lx[k] f(J) = f(J)
e-j21rkjT Lx[k] e-j21rkjT
k=-oo
= f(J) X(J) (5.3.12)

L'importanza di questo risultato diventer chiara nello studio dei sistemi lineari
stazionari a tempo discreto (Capitolo 6).
5.3.5 Teorema del prodotto
Consideriamo adesso la sequenza p[n] data dal prodotto fra la sequenza x[n] e
la sequenza y[ n ]

p[n] = x[n]. y[n] (5.3.13)


e calcoliamone la trasformata di Fourier:
~ ~

F(J) = LP[n] e-j21l71jT


= Lx[n] y[n] e-j21l71jT
~ IJ2T

=L T fX(v)ej21l71I-1"dvy[n]e-j21l71jT (5.3.14)
n=- -IJ2T

avendo espresso x[n] come al!!itrasformata di Fourier di X(J). In questo pas-


saggio, stata usata una variabile "muta" v nell' operazione di antitrasforma-
zione per non creare ambiguit con la variabile f da cui dipende la trasformata
F.
Se nella (5.3.14) si inverte l'ordine delle operazioni di somma e di integra-
zione si ricava

1/2T ~ lJ2T

F(J)=T
-1/2T
f X(v) Ly[n] e-j21l71(f-V)Tdv=T fX(v)Y(J-V)dV
n=- -IJ2T
(5.3.15)

che permette di stabilire la relazione


lJ2T

p[n] = x[n] y[n] :} F(J) = T f X(v)Y(J - v)dv (5.3.16)


-IJ2T
236 Capitolo 5

Poich le funzioni X(v) e fU - v) sono periodiche di periodo l/T, l'integra-


zione nella (5.3.16) pu essere svolta su di un qualsiasi intervallo frequenziale di
ampiezza l/T.
L'integrale a secondo membro della (5.3.16) rappresenta la cosiddetta convo-
luzione ciclica o periodica fra la trasformate XU) e fU). La convoluzione ci-
clica un'operazione che si definisce tra funzioni periodiche come le trasfor-
mate delle sequenze. Si nota che la funzione integranda analoga a quella che si
ha nella convoluzione cosiddetta lineare o aperiodica (3.3.43) eseguita tra fun-
zioni aperiodiche, ma l'integrale viene calcolato su di un solo periodo, e il risul-
tato viene diviso per l'ampiezza del periodo stesso, l/T.
5.3.6 Teorema dell 'incremento
La derivata di un segnale a tempo continuo x(t) all'istante t = nT pu essere
approssimata con il seguente rapporto incrementale:
/
dx(t) ==x(nT)- x(nT - T) = x[n]- x[n-1] (5.3.17)
dt / l=nT T T
avendo definito la sequenza x[n]!x(nT) ottenuta per campionamento dal
segnale continuo x(t). Se si introduce allora l'operatore incremento il definito
dalla relazione

Llx[n]!x[n] - x[1i -1] (5.3.18)


ragionevole immaginare la sequenza Llx[n] degli incrementi di x[n] come una
sorta di omologo a tempo discreto della derivata del segnale a te~continuo
dx(t)/ dt. Utilizzando il teorema del ritardo si pu scrivere:

(5.3.19)

5.3.7 Teorema della sequenza somma


Consideriamo adesso la sequenza somma y[n] di una sequenza data x[n]:
n

y[n]! Lx[k] (5.3.20)

Vogliamo dimostrare che la trasformata della sequenza y[n] espressa da

(5.3.21)
Segnali a tempo discreto 237

purch X(O) = O. Il teorema dell'incremento permette infatti di scrivere:

(5.3.22)
D'altronde
n n-I

~y[n] = y[n] - y[n -l] =k=- L,x[k] = x[n]


L,x[k] - k=- (5.3.23)

e quindi

(5.3.24)
Ci permette di concludere che:

(5.3.25)

Se per si considera la (5.3.24) per f = O, si ha


(5.3.26)

che non pu essere valida se X(O)* O. Quindi, condizione per l'applicabilit del
teorema nella forma (5.3.25) che valga
~
-
X(O)= L,x[n]=O (5.3.27)
n=-00

~
5.4 La condizione di Nyquist e il teorema del campionamento
5.4.1 La condizione di Nyquist
Riprendiamo in considerazione il campionamento di un segnale a tempo conti-
nuo x(t):

x[n] = x(nT) (5.4.1)


e cerchiamo di determinare le conseguenze in ambito frequenziale di questa re-
lazione valida in ambito temporale. Indichiamo come di consueto con X(J) e
X(J) rispettivamente la trasformata di Fourier della sequenza x[n] e del segnale
analogico x(t).
Ovviamente si ha:
2]8 Capitolo 5

+00 +00

X(J) = Lx[n] e-j2nnjT= Lx(nT) e-j2nnjT (5.4.2)

Esprimiamo adesso i campioni del segnale a tempo continuo x(t) attraverso l'in-
tegrale di Fourier (3.1.8), valutato naturalmente all'istante t = nT:

(5.4.3)

avendo effettuato lo scambio dell'ordine di somma e di integrazione. Per sem-


plificare la relazione (5.4.3) riconsideriamo lo sviluppo in serie di Fourier
(E3.17.4) del segnale "pettine di o":

(5.4.4)

Calcolando la trasformata di Fourier dei due membri di questa relazione si ha

(5.4.5)

e sostituendo questo risultato nella (5.4.3) si ha

l k
- L( )
+00 +00

X(J)= fX(v)- T k=- o f-v--


T
dv

. I
=!T k=--jX(V)o ( v- f-! T )) dV ( (5.4.6)

Sfruttando infine la propriet campionatrice della funzione o si ottiene


11/ X(J)=! i X (f-! ) (5.4.7)
~~ T Tk=-
che rappresenta la relazione cercata (si veda anche la (3.5.9)).
Questa relazione mostra che la trasform~~i Fourier di una sequenza otte-
nuta per campionamento si gcav~ ome periodicizzazione della trasf~rmat~~:!....
segnale analogico di partenza, con un periodo di ripetizione in frequenza pari
allafrequenzadi campio!!C!!!!mto fc = l/T; Un esempiosignificativo illustrato
nelle Figure 5.12a-c: lo spettro del segnale x(t) rappresentato in Figura 5.12a
mentre lo spettro della sequenza x[n] rappresentato nelle Figure 5.12b-c per
due scelte diverse della frequenza di campionamento.
Segnali a tempo discreto 239

1.25

1.00

0.75

X 0.50
I-

0.25

0.00
-8 8

-0.25
-3.0 -2.0 -1.0 0.0 1.0 2.0 3.0
Frequenza normalizzata, f/B (a)

1.25

0.25

0.00
-8 8

-0.25
-3.0 -2.5 -2.0 -1.5 -1.0 ~ 0.0 0.5 1.0 1.5 2.0 2.5 3.0

Frequenza normalizzata, fT
(b)

1.25

-8 B

-0.25
-3.0 ~o ~~ 00 1~ ~o M

Frequenza normalizzata, fT
~
Figura 5.12 Trasformata del segnale analogico x(t) (a) e della sequenza x[n] con frequenza di
campionamento 5B/2 (b) e 5B/4 (c)

In particolare, il segnale di partenza ha banda B ri orosamente limitata, e le due


240 Capitolo 5

-
frequenze di campionament~ pari rispettivamente a l2. nel caso (b)~
1.25B nel caso (c). Come si nota, c' una differenza sostanziale nelle trasformate
della sequenza x[n] nei due casi delle Figure 5.12b e 5.12c. In quest'ultima, la
frequenza di campionamento t..ale~ le varie repliche della trasformata di x(t)
centrate sui multipli della frequenza di campionamento e derivanti dalla
periodicizzazione dello spettro v~n~~no a sovrapporsi. Nel caso di Figura 5.12b,
invece,- la frequenza di campionamento sufficientemente alta, e ".- non si ha
sovrapposizione.
=-- In quest'ultima " situazione, il
-- ---
periodo frequenziale ~
base
[-l/2T,1/2T] -contiene
-- - una-- replica non distorta della
- trasformata X(f) del ~

segnale a tempo continuo originario.,Viceversa, nell' altro caso le varie repliche


dello spettro "interferiscono" sommandosi alla replica base; nell'ambito
-
dell'intervallo [-l/2T,l/2T] quest'ultima accompagnata dal cosiddetto errore
di aliasing creato dalle repliche (alias) dello spettro-base, che porta a una
.clistorsionedel segnale.
Se il segnale a banda limitata, dunque, possibile trovare una condizione
che garantisce assenza di aliasing: la banda del segnale analogico di partenza B
deveessere pi piccola dell' estremo superiore dell' intervallo "base"
[-l/2T,1/2T], cio ~B:::;
1/2T} In altri termini, fissata la banda del segnale B, la
frequenza di campionamento deve essere scelta in modo che valga la condizione
-/ -", ,
" 1
, -r - - > 2B
Je - T- ;/
,
,,' / (5.4.8)
detta condizione di Nyquist. Nella Figura 5.12b la condizione di Nyquist soddi-
sfatta (fc = 2.5B > 2B), e l'intervallo frequenziale base contiene una replica in-
distorta dello spettro del segnale analogico di partenza, cosa che non accade
nella Figura 5.12c, in cui fc = 1.25B < 2B. Questa osservazione sembra sugge-
rire la possibilit, in assenza di aliasin , di ricostruire il segn!!.!..e
origi.!}ario(a
ban a imitata) elaborando il!.egnale campionato. Nel paragrafo successivo il-
lustreremo come questa op;'azione possa essere effettuata in teoria e in pratica.

Esempio 5.4
Osservazioni sperimentali di carattere fisiologico mostrano che 1'orecchio
umano pu udire segnali costituiti da componenti frequenziali comp;~se;r pi.
nella ban.?~tta 20 Hz e 20 kHz. Suoni con frequenza inferiore ai 20 Hz vengono
percepiti come "vibrazioni" con tutto il corpo, mentre suoni con frequenza
maggiore di 20 kHz sono inudibili e vengono chiamati ultrasuoni.
Possiamo quindi considerare un segnale audio come rigorosamente limitato
Segnali a tempo discreto 241

in banda con un limite di banda B = 20 kHz. Questa osservazione, insieme con


la condizione di Nyquist, giustifica la scelta delle due frequenze standard di
campionamento nell'elaborazione numerica dei segnali audio ad alta fedelt:
come gi accennato nel Ca itolo l, i sistemi di registrazione su Compact:Dlsc
adottano un /, = 44.1 kHz mentre i registratori DAT (Digital Audio Tape)
hanno fc = 48 kH Entrambi questi valori sono di poco superiori al limite mi-
nimo fc - . viene introdotto un margine "di sicurezza" per facilitare
--....-..
(come ve emo In seguito) l'operazione di ricostruzione del segnale analogico.
Quando il segnale audicampfonato deve essere trasmesso, come-i;ti'isi-
stema di radiodiffusione, importante cercare di ridurre al minImo il numero di
c~mpionils, cio la frequenza di campionamento. Infatti, pi campioni devono
essere trasmessi nello stesso intervallo di tempo, maggiore deve essere la
capacit (e quindi il costo) del sistema di trasmissione. Per questo motivo, in al-
cuni standarddi radiodiffusionedell'audio digitale, si sceglie di campionareil
-
segnalecon-fc =-~
32 kHz. Questa frequenzanon s~ddisfach~amente
.
la,.,..condi-
zione di Nyq\iiSt rispetto alTabanda B = 20 kHz. Allqra, per evitare problemi di

atiasing, si antepone-al onverTItore7\fu un-(iltr~-aliasing,!Ome mostrato


in Figura 5.13, che limita convenientemente la banda del segnale analogico a un
valore B' in modo da annullare l'aliasing per la frequenza di campionamento
fissata. Nel caso dello standard con fc = 32 kHz, il filtro anti-aliasing ha una
banda B' =15 kHz. chiaro che in questo modo la qualit del segnale riprodotto
sar inferiore a quella dei sistemi CD e DAT per l'artificiale limitazione in
oanda, ma ancora sufficientemente elevata per una riproduzione godibIle, e con
una minore esigenza di capacit del sistema di trasmissione.

i
t
Filtro Anti-Aliasing

x(t) I . I y(t)
lt1 NO DSP D/A

Figura 5.13 Elaborazione numerica del segnale con filtro anti-aliasing


o
La condizione di Nyquist (5.4.8) pone dei vincoli sulla scelta della frequenza
di campionamento se si desidera ricostruire un segnale a tempo continuo utiliz-
zandone i campioni; in particolare, il periodo di campionamento deve essere
242 Capitolo 5

scelto in funzione della banda del segnale analogico. Gli esempi illustrati in
Figura 5.14 giustificano ulteriormente questa condizione. Nella Figura 5.l4a
viene rappresentato un segnale x(t) che ha una rapidit di variazione (e quindi
una banda) molto maggiore di quella del segnale y(t) di Figura 5.l4b. Si
intuisce allora che, per seguire con sufficiente accuratezza l'andamento del
segnale, e quindi poter poi essere in grado di ricostruire il medesimo a partire dai
campioni prelevati, si deve adottare un periodo di campionamento pi piccolo
(frequenza di campionamento maggiore) per il segnale x(t) che per y(t).
Negli esempi di Figura 5.14, il periodo di campionamento scelto adeguato
per y(t), ma palesemente troppo grande per x(t). In questo senso, la frequenza
di campionamento deve essere commisurata con la banda del segnale, come la
condizione di Nyquist suggerisce. rv0J ~'-t",,-d.. 1 v\~
ffv~ 't'Q ~. j i- -I t:J'"L
/~ fe -I-JA.A-J~ y(t) ! ~ v "'_-:7~

T t T
(a) (b)

Figura 5.14 Esempi di campionamento di segnali a tempo continuo

~Esempio 5.5
Ricaviamo la trasformata di Fourier della sequenza costante

x[n] =1 (E5.5.l)

Possiamo pensare x[n] come risultante da un campionamento, con intervallo T


arbitrario, del segnale costante a tempo continuo x(t) = 1. Poich

x(t) =1 ::> 8(f) = X(f) (E5.5.2)

applicando la relazione (5.4.7) del campionamento, si trova immediatamente

- 1 k
L 8 f--
T k=- ( T )
~

X(J)=- (E5.5.3)

relazione rappresentata in Figura 5.15.


Segnali a tempo discreto 243

)(f)
x[n]
1fT

n -1fT 1 1 1fT
2T 2T

Figura 5.15 Trasformata di Fourier di una sequenza costan~


D

Esempio 5.6
Troviamo la trasformata di Fourier delle sequenze

x[n] = cos(2nnfoT) , y[n] = sin(2nnfoT) (E5.6.1)

Dalla trasformata della sequenza costante dell'Esempio 5.5 e dal teorema della
modulazione si ha che

1 k
L 8(i - lo - -T )
~

exp(j2nnfoT) <=> - (E5.6.2)


T k;- .

per cui, ricordando le formule di Eulero, si trova immediatamente


- 1 l
X(f) = -8(f-1
2T
lo Il/T) + -8(f+
2T
I lo Il/T)
1 1
--~i~- (E5.6.3)
- 1 1 ' 2T 2T
Y(f) = 2jT 8(f-1 lo 11fT)
- 2jT 8(f+ I io IIIT)
ove ci siamo limitati a considerare l'intervallo "base" della trasformata, senza
esplicitamente indicare la periodicizzazione ~ome nella (E5.6.2). D

Esempio 5.7
La trasformata di Fourier X(f) di una sequenza x[n] rappresentata in Figura
5.16. Determiniamo l'andamento della sequenza stessa. Attraverso la relazione
di antitrasformazione si trova
1/2T 8

x[ n] = T JX(J)
-1/2T
ej21fnjT di = T J ej21r11jT
-8
di
244 Capitolo 5

B
ej21C1!fT
=T- = 2BTsinc(2BnT) (E5.7.l)
j2nnT -BI

X(f)

-1rr -B B 1rr f

Figura 5.16 Trasformata di Fourier della sequenza x[n] nell'Esempio 5.7

Allo stesso risultato si arriva pi facilmente se si pensa la X(J) come derivante


dalla periodicizzazione di una singola funzione rect(.):

- 1 f-kIT
L
~

X(J)=-
T k=-
T.rect
( 2B ) (E5.7.2)

Segue che la sequenza x[n], rappresentata in Figura 5.17, pu farsi derivare dal
campionamento del segnale a tempo continuo

x(t) =.'F-1[T. rect(f 12B)] = 2BTsinc(2Bt) (E5.7.3)


come suggerito del resto dalla (E5.7.l). D

5.4.2 Interpolazione a mantenimento


La ricostruzione-di un-,--- -- -continuo
segnale a tempo -- a partire da una sequenza .-.
viene
realizzata mediante un interpolatore. I vari tipi di interpolazione, che specifiche-
remo con maggior dettaglio nel Paragrafo 5.4.3, possono in un certo senso
considerarsi come una generalizzazione dell' operazione compiuta in pratica da
un convertitore DIA per fornire in uscita un segnale a tempo continuo x(t) a
partire dai valori (rappresentati su di un certo numero di cifre binarie) di una
sequenza x[n].
Lo schema di un sistema che esegue in pratica il campionamento del segnale
e la successiva interpolazione, senz'alcuna elaborazione intermedia, rappre-
sentato in Figura 5.18 come cascata di due blocchi A/D e DIA, ovvero come
successione di un campionatore ideale e di un interpolatore a mantenimento.
Segnali a tempo discreto 245

0.6

0.5

0.4

0.3
. ..
0.2

0.1

-0.1

-0.2
-16 -12 -8 -4 o 4 8 12 16
n

Figura 5.17 Sequenza x[n] ottenuta per campionamento da x(t) (ESem~ 5.7)

x~ ND~I D/A
~

Figura 5.18 Campionamento e interpolazione a mantenimento

L'operazione svolta da quest'ultimo componente in particolare raffigurata in


Figura 5.19a: per costruire il segnale analogico di uscita, il valore n-esimo della
sequenza d'ingresso x[n] viene mantenuto a partire dall'istante nT e fino a che
non sia disponibile (all'istante (n + l) T) il successivo valore x[n + l].
Possiamo facilmente scrivere l'espressione del segnale interpolato x(t) in
funzione dei valori della sequenza x[n]. La Figura 5.19b suggerisce che x(t)
costituito da una successione di impulsi rettangolari di durata T, applicati agli
istanti nT e di ampiezza pari al relativo valore n-esimo della sequenza x[n]:
+00

x(t) = n=-oo
Lx[n] p(t -nT) (5.4.9)
246 Capitolo 5

x[n] /' x(t)

X(I)~
n T
(a)

p(t)
x(t)
x[1].p(t-T) x[2].p(t-2T) ~P(t-3T)

T T 2T 3T
(b)

Figura 5.19 Campionamento e interpolazione a mantenimento

ove p(t) per l'appunto l'impulso rettangolare

(5.4.10)
p(t) = rec{t -;/2)
La Figura 5.19a mostra per chiaramente che il segnale ricostruito dal-
l'interpolatore a mantenimento, che una forma d'onda costante a tratti, non
una replica indistorta del segnale campionato x(t). L'operazione che diretta-
mente conduce da x(t) al segnale costante a tratti x(t) viene indicata in
elettronica con il nome di Sample & Hold (campiona e mantieni), abbreviato in
~ Cerchiamo dunque di comprendere pi a fondo il comportamento dell'inter-
polatore a mantenimento, e di capire meglio le distorsioni che esso introduce ri-
spetto al segnale di partenza, esaminandone il comportamento nel dominio della
frequenza. Calcoliamo allora la trasformata di Fourier del segnale interpolato
(5.4.9):
~\jMl ~ ~

~
daW~ ~\X(J)
=n=-
Lx[n] P(J)e-j2"'!fT
= P(J)n=-
Lx[n] e-j2"'!fT
= P(J) X(J) (5.4.11)

f ~) Questa relazione mostra che la tra~formata di Fourier del segnale interpolato


data dal prodottodellatrasformatacontinuadell'impulso_dimill1!enimento
p(t)
Segnali a tempo discreto 247

con}a. trasformata della s_equenza x[n]. Essendo p(t) espresso dalla (5.4.10), la
sua trasformata P(J) -

P(J) = T sinc(jT) e-jtrfT (5.4.12)

Abbiamo inoltre dimostrato che la trasformata della sequenza x[n] legata a


quella del segnale a tempo continuo x(t) dalla relazione
1 k
L ( )
~

X(J)=-T k=~ X i-- T (5.4.13)

Allora, sostituendo le (5.4.12)-(5.4.13) nella (5.4.11) troviamo:

X(J) = sinc(jT) e-jtrfT


k=~
i:X (i - !T ) (5.4.14)

Per fare un esempio, supponiamo che la trasformata di Fourier del segnale x(t)
di banda B sia espressa da

X(J) = ~ .Iilrect
2B B 2B (L ) (5.4.15)

mostrata in Figura 5.20, e che la frequenza di campionamento sia l/T = 2.5B,


ovvero soddisfi la condizione di Nyquist. Utilizzando la relazione (5.4.14) ap-
pena ricavata si pu rappresentare lo spettro di ampiezza IX(!) I di x(t). Tale
spettro illustrato nella Figura 5.21, in cui sono riportati anche, a linea rispetti-
vamente grigia e tratteggiata, l'andamento dei due fattori che compongono
IX(!) I, e cio T I X(J) I e Isinc(jT) lo
Lo spettro del segnale ricostruito differisce apprezzabilmente da quello del
segnale analogico di partenza in due aspetti fondamentali:
i) il segnale interpolato non limitato in banda: l'operazione di ricostruzione
del segnale introduce delle componenti frequenziali che non sono presenti nel
segnale analogico x(t). Esse derivano dalla presenza delle repliche dello
spettro del segnale di partenza a cavallo dei multipli della frequenza di
campionamento. Questi residui delle repliche sono chiamati immagini;
ii)'-anche all'interno della banda "utile", o meglio all'interno dell'intervallo base
[-1I2T,1I2T], !o spettro del segnale ricostruito differisce dallo spettro del
segnale.di part~ In assenza di aliasing, in tale intervallo i due spettri sono
legati dalla relazione (che si deduce immediatamente dalla (5.4.14
248 Capitolo 5

. 1 1
(5.4.16)
X(J) = P(J)'Y'X(J) = X(J) sinc(jT) e-prjT , - 2T :::;f :::;2T

~ quindi}l segnale x(t) subisce una distorsione di ampiezza.


1.25

1.00

-X 0.75

0.50
cc
C\I

0.25

0.00

-0.25
-2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0

Frequenza normalizzata, 1/8

Figura 5.20 Trasformata di Fourier del segnale analogico x(t)

1.25

1.00

0.75
-
:t:-
<X 0.50
CC
C\I
0.25

-0.25
-2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0
Frequenza normalizzata, fT

Figura 5.21 Spettro di ampiezza del segnale interpolato a mantenimento


Segnali a tempo discreto 249
Il I
CM<>-4

,
Si pu ovviare alla questione i) usando un filtro anti-imma~ine all'uscita
dell'interpolatore (convertitore D/A) come indicato i~ Figura 5.22a. Esso un
filtro passa-basso di banda B che elimina le immagini dallo spettro del segnale
interpolato,riconducendo il segnale nella banda originaria (Figura 5.22b).

Filtro Anli-Immagine

y(t)

(a)

1.25

1.00

0.75
-
..-..
0.50
m
C\I
0.25

0.00

-0.25
-2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0

Frequenza normalizzata, fT (b)

~;VVtft~ ~/-
( ~
~VV1~~
(~~-'-~
~

fb.. H \- F" , 't

J- (.A. (, )
T t T t
(c)

Figura 5.22 Filtro anti-immagine H(j) (a) e suo effetto in frequenza (b) e nel tempo (c)

Come indicato nella Figura 5.22c, l'effetto del filtro anti-immagine in ambito
temporale quello di smussare
--- il--segnale costante ---
a tratti, e qumal con ehsconti-
250 Capitolo 5

nuit, di Figura 5.19, per ricondurlo a un andamento pi somigliante a quello del


segnale analogico originario.

Esempio 5.8
Il segnale cinematografico di Figura 5.23, come abbiamo gi discusso nel
Paragrafo 1.2, una sequenza temporale di immagini, cio un segnale bicJ?men-
.sionale continuo per quel che riguarda le coordinate spaziali (XpX2) che id~ntifi-
cano il pixel nell'immagine, ma discreto per quel che riguarda il tempo. Questo
segnale a tempo discreto Z(xl'x2,n] viene ottenuto attraverso il campionamento
di un segnale a tempo continuo Z(XI,x2;t) che rappresenta la scena effettiva-
mente osservata dalla cinepresa. Il campionatore di questo sistema l'otturatore
della cinepresa che fissa sulla pellicola il "campione" del segnale (cio il foto-
gramma) al generico istante di scatto dell'otturatore stesso. La frequenza di
campionamento fc = 24 Hz, cio 24 fotogrammi al secondo. La sequenza di
immagini ottenuta (ossia il segnale a tempo discreto) viene poi registrata sulla
pellicola cinematografica, cos come i campioni di un segnale audio vengono
registrati su di un CD.

Figura 5.23 Segnale cinematografico a tempo discreto Z(x"x2;n]


\NK~:S$ ANIV !
In fase di proiezione, si desidera ricostruire il segnale a tempo continuo origina-
po. Per far questo si usa un interpolatore a mantenimento, cio il proiettore ci-
nematografico. Neu"proie:z;iQne(in cui l'ingrandimento sullo schermo ines-
senziale perch crea una replica fedele delle immagini sulla pellicola), il valore
del segnale campionato (cio l'immagine fissa di ogni fotogramma) viene man-
Segnali a tempo discreto 251

tenuto per 1/24 di secondo fino all'arrivo del_valore(fotogramma) successivo.


Il proce>limentodi interpolazione con mantenimento efficace, cio non si ha
apparentemente percezione della "granularit" del movimento effettivamente ri-
costruito, perch l'occhio umano svolge la funzione di filtro anti-immagine. Il
dato,spessocitato,di "tempodi permanenzadelle immagmisulla retina:~
-
circa0.1-s portaa valutarela "banda"dell'occhioumanoin circa 10Hz, e quindi
l'effetto anti-immagine filtrante adeguato vista la frequenza di campionamento
di 24 ~ Tuttavia, nele proiezioni cinematografiche si notano spesso artefatti,
come l'effetto per cui le pale del rotore di un elicottero o i raggi delle ruote di un
carro sembrano ruotare molto lentamente o addirittura in verso contrario a quello
reale. in grado il lettore di spiegare questi fenomeni? O

-
5.4.3 Interpolazione cardinale Il teorema del campionamento
Le fonti di distorsione i) e ii) evidenziate nel paragrafo precedente per l'interpo-
latore a mantenimento possono ssere attribuite alla particolare scelta dell'im-
pulso p(t) utilizzato nella formula di interpolazione (5.4.9). Le discontinuitdi
questo impulso mducono mtattI mfiniti punti di discontinuit nel segnale inter-
polato x(t) e causano l'allargamento illimitato della banda di x(t) stesso.
Analogamente, la distorsione di ampiezza, evidenziata dalla (5.4.16), da attri-
buire al fatto che nell'intervallo [-l/2T,l/2T] la trasformata P( f) dell'im.pulso
interpolante
...... non assume un valore costante.
Queste osservazioni suggeriscono la possibilit di generalizzare l'operazione
di interpolazione descritta dalla (5.4.9), scegliendo un diverso tipo di impulso in-
terpolante p(t) (Figura 5.24). Ovviamente, a scelte diverse di p(t) corrispon-
~dono formule di interpolazione divers~, e diversi andamenti temporali e fre-
quenziali del segnale interpolato x(t).

x[n] Interpolatore
p(t)
x(t)
.
Figura 5.24 Interpolatore generalizzato

La possibilit, apparentemente banale, di generalizzare l'operazione di


interpolazione assume grande importanza alla luce delle seguenti osservazioni:
innanzi tutto la formula (5.4.11)
252 Capitolo 5

- -
XU) = Lx[n] PU) e-j2nn/T= PU) Lx[n] e-j2nn/f= PU) XU) (5.4.17)
n=- n=- /'

valida qualunque sia la particolare forma di p(t). Se si sceglie l'impulso


interpolante in modo che la sua trasformata sia costante nell'intervalw
[-1I2T,1I21l e nulla al di fuori, cio

(5.4.18)
\ PU) = T rect(jT)
~
J
allora si ottiene immediatamente

\I)' XU) = pU) XU) =T rect(jT). -l L- k


T k=- X f - -
T =XU) ( ) (5.4.19)

valida ovviamente in assenza di aliasirJ:g,cio nelle ipotesi che i) x(t) abbia


banda limitata B, e ii) sia stata rispettata la condizione di Nyquist fc ~ 2B,
come mostrato nella Figura 5.25.
Questo risultato di fondamentale importanza, ed universalmente noto con
il nome di teorema del campionamento (sampling theorem):

J( Teorema del campionamento (C. Shannon): Un segnale il cui spettro limitato


nella banda B pu essere ricostruito esattamente a partire dai propri campioni,
- - - --- --sia inferiore ~L~B.
purch lafrequenza di campionamentOnon
.

In particolare, poich k '".' ~.. , f -'o


-- '4--1~
Trect(jT) = P(f) :>~
~\ (T~)
\sinc !.. (5.4.20)

la formula di interpolazione risultante dalla scelta di p(t)

(5.4.21)

che nota come formula di interpolazione cardinale. Il nome sinc(-) assegnato a


suo tempo alla funzione sin(na) / na significa infatti "seno cardinale" con
riferimento all'interpolazione cardinale stessa.
La Figura 5.26 illustra un esempio di interpolazione cardinale. Il segnale
analogico viene ricostruito dalla somma di una infinita serie di funzioni sinc(.),
ciascuna applicata agli istanti nT di campionamento del segnale originario, e
ciascuna pesata con il valore del relativo campione x[n]. Se ricampionzmo il
Segnali a tempo discreto 253

segnale interpolato al generico istante tk =kT, per le propriet della funzione


sinc(-), solo il k-esimo fra tutti gli impulsi della sonunatoria (5.4.21) produce un
contributo non llullo, e pari proprio al valore x[k] = x(kT) del campione del
segnale di partenza (vedi la Figura 5.26).

1.25

P(f)
1.00

0.75

C'
<X 0.50

0.25

0.00

-0.25
-3.0 -2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0

Frequenza normalizzata, fT

Figura 5.25 Dimostrazione grafica del teorema del campionamento

1.25 I I ' I
I I n=1
n=O
1.00

0.75

-- 0.50
<-
X

0.25

0.00

-0.25
-2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0

Tempo normalizzato, t!T

Figura 5.26 Esempio di interpolazione cardinale


254 Capitolo 5

Si ha infatti:
+00 +00

x(kT) = Lx[n] sinc(k - n) = Lx[n] 8[k - n] = x[k] = x(kT) \S.4.22)

Questo risultato conferma che il segnale interpolato coincide con il segnale di


partenza negli istanti di campionamento. Se si considera un qualunq~ltro
istante non coincidente con uno di quelli di campionamento, si nota che il valore
del segnale interpolato ottenuto nella (S.4.21) combinando linearmente tutti gli
infiniti campioni x[n] del segnale x(t). In altre parole, la ricostruzione di un se-
gnale a banda limitata a un certo istante richiede la conoscenza di tutta la se-
quenza di campioni del segnale stesso, in istanti sia antecedenti quello conside-
TatO,SIasuccesslVl.Pertanto la formula di interpolazione cardinale, di grande ri-
levanza teorica, inutilizzabile nella sua forma esatta nelle applicazioni pratiche
" -
per due motivi: in primo=-luogo, sono in teoria richiesti infiniti termini di una
sommatoria per ricostruire il segnale originario; secondariamente, una ricostru-
zione in tempo reale impossibile perch si richiederebbe la conoscenza di va- -
lori di segnale in istanti successivi a quello di interpolazione .(interpolatore--=-
non
causale).

::iO 5.9 ~ b--<> Q,',~",


Riscriviamo l'espressione del segnale di uscita di un interpolatore:
')
+00

x(t)= Lx[n]p(t-nT) (ES.9.1)

e supponiamo che l'impulso p(t) sia (Figura S.27)

(ES.9.2)

Questo impulso triangolare. caratteristico della formula di interpolazione line-


re. Consideriamo infatti la Figura S.28a nella quale sono rappresematrt'a1Jda..
mento di un segnale generico x(t), la sequenza dei suoi campioni, le repliche
dell'impulso interpolante p(t) associate ai diversi campioni e infine il segnale
interpolato x(t). Il segnale interpolato x(t) costituito da una spezzata che
collega i punti corrispondenti a campioni consecutivi del segnalex(t): X(t)
rappresenta la cosiddetta interpolazione lineare
-- della sequenza di carn"'pionL -
Segnali a tempo discreto 255

p(t)

-T - T

Figura 5.27 Impulso utilizzato nella formula di interpolazione lineare

x[-2] x[-1]

x(t)

-2T -T T 2T
(a)

x[k-1]

(k-1)T kT
(b)

Figura 5.28 InterpoIazione lineare dei campioni di un segnale x(t)

Per giustificare analiticamente la Figura 5.28a, osserviamo con l'aiuto della


Figura 5.2Rb che nel generico intervallo [(k -1)T,kT) compreso fra i due cam-
pioni consecutivi x[k-l] e x[k] solo due addendi della sommatoria (E5.9.1)
danno un contributo non nullo, cio quelli con n =k -l e n = k. In questointer-
vallo il segnale interpolato vale allora

x(t) = x[k -1] p(t - (k -1)T)+ x[k] p(t - kT)


256 Capito~o5

(E5.9.3)

la quale rappresenta l'equazione del segmento di retta che collega i punti corri-
spondenti ai campioni x[k -1] e x[k].
La trasformata di Fourier del segnale x(t) data ancora dalla (5.4.11):

X(J) = P(J) X(J)


( (E5.9.4)
ove stavolta I
t P(J)= ~ sinc2(jT0
Lo spettro del segnale interpolato ha un andamento qualitativamente non
(E5.9.5)

dissimile da quello relativo all'interpolatore con mantenimento di Figura 5.21.


Se riconsideriamo il segnale x(t) il cui spettro rappresentato in Figura 5.29a,
vediamo che lo spettro di ampiezza del segnale interpolato linearmente quello
di Figura 5.29b.
Un confronto tra la Figura 5.29b e la Figura 5.21 rivela che il segnale interpo-
lato linearmente ha uno spettro di ampiezza con immagini pi attenuate rispetto
al caso dell'interpolatorecon mantenimento.Lo spettro P(J) dell'impulso in=--
terpolatOredecresce infatti pi rapidamente al crescere della frequenza nel caso
di interpolazione lineare che nel caso del mantenimento. Se confrontiamo il
segnale generato da un interpolatore a mantenimento con quello generato da un
interpolatore lineare, possiamo immediatamente osservare che il primo presenta
delle discontinuit di prima specie (in corrispondenza della transizione da
ciascun impulso interpolatore al successivo), mentre il secondo un segnale
continuo. Pertanto da aspettarsi che il segnale con mantenimento abbia un
maggior contenuto di componenti alle alte frequenze rispetto a quello prodotto
da un interpolatore lineare.
Nella Figura 5.29b si nota anche.che la distorsione in banda per il segnale di
Figura 5.29a abbastanza marcata. Questo deriva dalla particolare forma dello
spettro del segnale di partenza, in cui sono molto ampie le componenti vicine al
limite di banda B. Se lo spettro di partenza invece pi decisamente passa-basso
(ossia con componenti via via digradanti con l'aumentare della frequenza), come I
quello di Figura 5.30a, la trasformata del segnale interpolato linearmente come I
in Figura 5.30b, e la distorsione in banda piuttosto ridotta. I

I
Segnali a tempo discreto 257

1.25

1.00

0.75
-
..-.
X 0.50
CC
C\I
0.25 L /
0.00

-0.25
-2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0

Frequenza normalizzata, f/B (a)

1,25

1.00

0.75

-
..-.
< 0.50
ca
C\I
0.25

0.00
I
fc=2.58
-0.251 I I I
-2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0

Frequenza normalizzata, fT (b)

Figura 5.29 Spettro di ampiezza del segnale di partenza (a) e interpolato linearmente (b)
D

5.5 Analisi di Fourier delle sequenze periodiche


5.5.1 Trasformata discreta di Fonrier
Una sequenza x[n] periodica se esiste un intero positivo No (il periodo della
sequenza) per il quale verificata la seguente relazione:
258 Capitolo 5

x[n] = x[n + No] (5.5.1)

per ogni valore della variabile n. Una sequenza x[n] periodica di periodo No
individuata quindi da No numeri reali (o complessi) che rappresentano i valori
assunti da x[n] in un periodo, ad esempio nell'intervallo n = 0,1, ..., No-L

1.25

1.00

0.75

-X
t::
0.50

0.25

0.00

-0.25
-2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0

Frequenza normalizzata, fT (a)

1.25

1.00

0.75
/
<~
- 0.50

0.25

0.00
B=V2T
-0.25
-2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0

Frequenza normalizzata, fT (b)

Figura 5.30 Spettro di ampiezza del segnale originario (a) e interpolato linearmente (b)
Segnali a tempo discreto 259

interessante osservare che il campionamento di un segnale periodico a tempo


continuo non genera necessaIamente una sequenza penodica. Affinch si abbia
una sequenza periodica necessario che un numero intero No di intervalli di
campionamento sia esattamente pari a un qualche numero intero m di penodi dI >

ripetizione del segnale originario: NnT = mTo.Ci significa che il rapporto TiTo
-deve essere razionale. In pratica, gli impulsi di campionamento del convertitore
AID devono essere sincronizzati con il segnale periodico analogico: essi non
possono avere una cadenza arbitraria senza un legame preciso con la cadenza di
ripetizione fond~entale del segnale dato. Se il rapporto TiTo non un numero
razionale (cio T ~ TosoDD-incommensurabili),l'operazione di campionamento
non d origine a una sequenza x[n] periodica (Figura 5.31).

x[3]
.
x(t) I
... I
x[2]
X[1])(
II I I
/, ,I , I ...
I
L
T 2T
To

Figura 5.31 Sequenza non periodica generata dal campionamento di un segnale periodico a
tempo continuo

Supponiamo ora che x[n] sia una sequenza periodica di periodo No' Essa pu
essere rappresentata mediante uno sviluppo del tutto analogo alla serie di Fourier
per i segnali periodici a tempo continuo, chiamato serie discreta o antitrasfor-
mata discreta di Fourier:

(5.5.2)

La sequenza Xk dei coefficienti discreti di Fourier comunemente chiamata


trasformata discreta di Fourier della sequenza periodica data ed pari a

(5.5.3)

Notiamo le analogie tra le (5.5.2-5.5.3) e le corrispondenti relazioni di sintesi e


analisi per i segnali periodici a tempo continuo:
260 Capitolo 5

No-l 21ikn ~ 2trkt

x[n]= I.Kk ejN; x(t)= IXk ejr;


k=O k=-oo
(5.5.4)
- 1 No-l .21ikn
Xk =- Ix[n]e-JN;
No n=O

Per i segnali periodici a tempo continuo la rappresentazione mediante serie di


Fourier comporta una somma infinita di termini; nel caso di sequenze periodi-
che, invece, la rappresentazione mediante antitrasformata discreta consiste in
una somma con un numero finito di addendi. Infatti la trasformata di una se-
quenza x[n] periodica di periodo No essa stessa periodica con il medesimo
periodo:

"

(5.5.5)

La sequenza periodica espressa, come nel caso del segnale periodico a tempo .I
continuo, da una somma di oscillazioni sinusoidali a frequenze armoniche, cio I

multiple di una frequenza fondamentale. Riscriviamo infatti l'equazione di


sintesi come segue:
No-I

x[n] = I.Kk ej2tr N:rnT (5.5.6)


k=O

Si nota che i vari esponenziaIi complessi nella scomposizione oscillano alle fre-
quenze h =k /(NoT), k = O,...,No-1, che a buon diritto possono chiamarsi le
armoniche relative al periodo di ripetizione No, ovvero alla frequenza fonda-
mentale 1/(NoT). Una piccola diversit tra le equazioni di analisi a tempo conti-
nuo e discreto nella (5.5.4) sta nel fatto che l'integrale per ricavare il coefficiente
di Fourier si calcola sull'intervallo simmetrico (-To /2,1;J2), mentre la trasfor-
mata discreta viene calcolata su di un intervallo asimmetrico [O,No -1]. La
spiegazione semplice: quando No un numero dispari, semplice calcolare la
trasformata discreta anche sull'intervallo simmetrico [-(No -1)/2, (No -1)/2],
ma se No un numero pari, non possibile trovare un intervallo simmetrico di
ampiezza pari al periodo No' Si preferisce quindi unificare i due casi usando
l'intervallo asimmetrico destro [O,No -1].
Dimostriamo adesso che dalla relazione (5.5.2) di sintesi (antitrasformata
Segnali a tempo discreto 261

discreta) discende la (5.5.3) di analisi (trasformata discreta). Moltiplichiamo


ambo i membri della (5.5.2) per il fattore e-j2trnm/No(O~ m ~ No -1) ed
effettuiamo l'operazione di somma sul periodo:

(5.5.7)

Sviluppando il secondo membro della (5.5.7) si ~cava

(5.5.8)

La seconda sommatoria a secondo membro della (5.5.8) diviene

, k:t=m (5.5.9)

mentre, per k = m, si ha

(5.5.10)

Pertanto dalla (5.5.8) si trova che

(5.5.11)

Sostituendola (5.5.11) nella (5.5.7) si ricava infine

(5.5.12)

da cui segue immediatamente l'equazione di analisi (5.5.3).


Le propriet della trasformata discreta sono molto simili a quelle gi discusse
nel Paragrafo 3.2 a proposito della trasformata dei segnali analogici, e non
verrannoulteriormente ribadite.
La maggior parte dei teoremi riguardanti la trasformata discreta possono
inoltre eSSerefacilmente adattati o ricavati sulla base dei teoremi descritti nel
Paragrafo 5.3. Ci limitiamo a esaminare in dettaglio il caso dei teoremi del
prodotto e della convoluzione per le sequenze periodiche.
262 Capitolo 5 ~
-") r-
Esempio
.
5.10
V
A r if\
,.
1<":'o
,
".
"'f I.
~ r
<::

Calcoliamo la trasformata discreta della sequenza t> X


~
~

-\--- '"-t'
'11
(E5.10.!) '- ?
"'. ~
che evidentemente periodica di periodo No = 8. Dalle formule di Eulero, '" ~ ~.

/
x[n] = (ejl!!/4+ e-jl!!/4) b ~ej21!!/8 -I;~e-j21!!/8

= !ej21D1/8 + !ej[21!!-21!!/8]= !;;1!!/8 + !eJ721!!/8 (E5.10.2)


2 2 2 2
per cui, senza bisogno di effettuare materialmente la trasformata, si pu conclu-
dere direttamente che

- 1 - 1
XI = -, X7 = -
2 2
e

Xk =O , k = 0,2,3,4,5,6 (E5.1O.3b)

Questo risultato ricorda quello ricavato nell'Esempio 2.1 per il calcolo dei
coefficienti di Fourier del segnale x(t) =cos(2~t). Il segnale x[n]
un'oscillazione cosinusoidale (discreta) con frequenza io = 1/(8T), e quindi le
uniche armoniche diverse da Osono quelle con frequenza I fo' cio con indice
di armonica pari a Il, in quanto fo coincide con la frequenza fondamentale
l/(NoT). La (E5.1O.3a)non in contrasto con quest'osservazione, visto che
- - 1
(E5.lOA)
X-I =X7 =2"
per la propriet di periodicit della trasformata discreta. o

Esempio 5.11
Calcoliamo la trasformata discreta della sequenza x[n] periodica di periodo
No = 8, definita sul periodo-base come segue:

(E5.11.1)
Segnali a tempo discreto 263

Questa sequenza in pratica un treno di impulsi rettangolari a tempo discreto,


come chiaro dalla rappresentazione in Figura 5.32a.

x[n]

1
... ...
3 8
n
(a)

1/2

...

(b)

Figura 5.32 Segnale periodico dell'Esempio 5.11 (a) e suo spettro di ampiezza Ix, I (b)

La trasformata discreta

(E5.11.2)

Si pu applicare la formula della somma di una progressione geometrica quando


k *-O, mentre quando k = O si ha banalmente l'o = 418 = 11~. Riassumendo
queste osservazioni si ha:
- S~7t
k=O e ---
, .A
o;c'j.
k*-O (E5.11.3)
cf'

Si trova poi che X2 = X4 = X6 = O, che IXII= IX?I =1I[8sin(n 18)] ==0.327, e che
inoltre IX31=IXsl=1I[8sin(3n/8)]==0.135. Lo spettro di ampiezza del segnale
dato (cio il grafico di IXkl) dunque quello di Figura 5.32b. O
264 Capitolo 5

5.5.2 Teorema del prodotto


Consideriamo adesso la sequenza (periodica) p[n] data dal prodotto fra la
sequenza x[n] e la sequenza y[n] entrambe periodiche di periodo No

p[n] = x[n] y[n]


e ca1coliamone la trasformata discreta di Fourier:

(5.5.14)

..
ove x[n] stata scomposta in serie discreta di Fourier. In questo pass,ggio,
stata usata una variabile "muta" m nell' operazione di antitrasformazio~ per non
creare ambiguit con la variabile k da cui dipende la trasformata li. Invertendo
l'ordine delle sommatorie si ricava

(5.5.15)

ove naturalmente la convoluzione tra le trasformate discrete una somma di


convo1uzione ciclica tra le due sequenze periodiche Xk e ~ in ambito
frequenziale. In conclusione:

(5.5.16)

5.5.3 Teorema della convoluzione


Consideriamo ora la sequenza z[n] come somma di convoluzione ciclica tra le
due sequenze x[n] e y[n], entrambe periodiche di periodo No:

1 No-I 1 No-l
z[ n] = x[ n] Q9y[ n] = - L
No m=O
x[ m] y[ n - m] =- L
No m=O
y[ m] x[ n - m] (5.5.17)

Questa somma di convoluzione gode ovviamente delle stesse propriet


commutativa, associativa e distributiva gi citate per la somma di convoluzione
tra sequenze aperiodiche.
Segnali a tempo discreto 265

Calcoliamo poi la trasformata discreta di z[n]:

- l No-I. "k l No-l l No-I . "k


Zk= - Lz[n] e-l21r
No= - L - Lx[m] y[n- m]e-l21r
No
No ,,=0 ~ No n=O No 111=0
l No-I l No-l " "k
=- L x[m]- L y[n-m]e-l21rNo
No 111=0" No ,,=0
l No-I
~ -"2 I1Ik - - (5.5.18)
=- "",,-x[m]~ e-l 1rNo=Xk.~
JNo 111=0 -
In conclusione, possiamo enunciare il teorema della convoluzione (ciclica) nella
forma

~] Q9y[n] <=> X~ \/ (5.5.19)

Esempio 5.12
Calcoliamola somma di convoluzione z[n] tra le due sequenze

(E5.12.1)
x[ n] = u[n] - u[n - 4] , y[ n ] = (~ J u[n ]
La prima delle due un impulso rettangolare di durata 4, mentre la seconda
una sequenza esponenziale unilatera. La convoluzione che cerchiamo data da
+00

z[n]= x[n] Q9y[n] = L x[ n - m]y[ m]


111=-
(E5.12.2)

che svolgeremo graficamente. La Figura 5.33a, che rappresenta i segnali x[-m]


e y[m] coinvolti nel calcolo, suggerisce che il risultato della convoluzione dif-
ferente a seconda che n < O, n;;:::3, o O~ n ~ 2 (ricordiamo che n la traslazione
che si deve dare al segnale x[-m] nel calcolo della somma (E5.12.2. Nel
primocaso, non c' "sovrapposizione" tra i due segnali, il loro prodotto nullo e
la convoluzione pure nulla. Nel secondo caso, quattro campioni del segnale
y[m] contribuiscono al risultato, che pari a
" "-1 "-3
1 "-3 1 "-2 1 I " 15 1
z[n] = L y[m] = -
111=,,-3 2 ( ) (2 ) (2.) (2) = -8 (-2 )
+ - + - + - (E5.12.3)

Nel terzo caso, invece, i campioni che contribuiscono al risultato sono quelli con
O::;m ::;n, e quindiil risultato
266 Capitolo 5

y[m]

m
(a)

z[n] !

3
--~
n
(b)

Figura 5.33 Calcolo (a) e risultato (b) della convoluzione tra le sequenze dell'Esempio 5.12

n 0 n n
1 l l
z[n] = Ly[m] = -
111=0 2 () +...+ ()
-
2
=2-- ()2
(E5.12.4)

Riassumendo:

o n<O

(E5.12.5)

come rappresentato nella Figura 5.33b.


D
Segnali a tempo discreto 267

5.5.4 Periodicizzazione di una sequenza aperiodica


~Nel Paragrafo 3.5 abbiamo studIato la periodicizzazione di periodo To di un
segnale aperiritlico a tempo continuo x(t) per ottenere un segnale y(t) periodico
-
y(t)= Lx(t-m~) (5.5.20)

e abbiamo ricavato la relazione di campionamento in frequenza fra i coefficienti


~ dello sviluppo in serie di Fourier di y(t) e la trasformata continua di Fourier
X(J) di x(t):

~ =~X ~ (5.5.21)
To ( To)
Vogliamo ora ricavare la relazione analoga per i segnali a tempo discreto.
Costruiamo dunque la sequenza y[n] periodica di periodo No a partire dalla
sequenza aperiodica x[n]:
-
y[n] = Lx(n-mNo] (5.5.22)
m=-
La trasformata discreta (cio il k-esimo coefficiente della serie discreta di
Fourier) di y[n]

(5.5.23)

Sostituendo l'espressione della sequenza periodicizzata si ottiene

(5.5.24)

Se nella relazione precedente si effettua il cambiamento di variabile p =n - mNo


si ha

(5.5.25)

La sequenza "sommanda" a secondo membro nella (5.5.25) non dipende dal-


l'indice della serie m. Tale indice agisce infatti solo sugli estremi di somma della
268 Capitolo 5

/
sommatoria interna. Ci si rende allora conto facilmente, con l' ausilio della
Figura 5.34, che, al variare di m tra -00 e +00, gli intervalli di somma
[-mNo,-(m -l)No -l] della stessa sequenza sommanda ricoprono tutti i numeri
interi relativi senza sovrapposizioni. Se ne conclude che la doppia sommatoria
della (5.5.25) pu essere riscritta come un 'unica sommatoria, cio

(5.5.26)

-No -1 m=O No 2No-1


I
:--1
I
I f--I-f I I I I I
m=1 o m=-1 ~ p

Figura 5.34 Spiegazione grafica della formula (5.5.26)

Infine, richiamando la definizione di trasformata di una sequenza aperiodica


+00

X(j) = I,x[n] e-j21!>1jT (5.5.27)

si vede che la (5.5.26) pu essere riscritta come

- 1 - 1 - k
~ =-X (f )1 - k =-X - (5.5.28)
No f- NoT No ( NoT )
che rappresenta la relazione cercata di "campionamento in frequenza".

Esempio 5.13
Ricaviamo la trasformata discreta di Fourier del treno di impulsi rettangolari
discreto y[n] rappresentato in Figura 5.35.
Il segnale periodico y[n] si pu ottenere dalla periodicizzazione con periodo
No dell'impulso rettangolare aperiodico x[n] dell'Esempio 5.2, per il quale si ha

X(f) = e-j1C(N-I)jTsin(N7ifT) (E5.13.1)


sin(7ifT)
Considerando ora la relazione (5.5.28) di campionamento in frequenza, si ricava
immediatamente la trasformata discreta di y[n]:
Segnali a tempo discreto 269
\

y[n]

1
... n. n. ...
N-1 n

Figura 5.35 Treno di impulsi rettangolari a tempo discreto


/
- 1 - k -jrrk(N-I)/N sin(nkN / No)
y;k =-X - =e o (E5.13.2)
No ( NoT ) Nosin(nk/ No)

Se No = 8 e N = 4 si riottiene evidentemente il risultato tlell'Esempio 5.11. o

5.6 Cenno agli algoritmi veloci di trasformata discreta (FFT)


5.6.1 Complessit di calcolo della trasformata discreta
Supponiamodi avere disponibile nella memoria di un calcolatore gli No valori-
base di una sequenza periodica x[n] e di volerne calcolare numericamente la
trasformatadiscreta

Cerchiamo allora di valutare l'impegno di calcolo in termini di numero di ope- "


razioni che il calcolatore deve eseguire per ricavare gli No valori della trasfor-
mata. Notiamo in via preliminare che le considerazioni che faremo a proposito
del calcolo di una trasformata sono validi anche per una antitrasformata, purch
si faccial'ipotesi che i valori x[O]...x[No -1] della sequenzasiano complessie
si ignori il fattore di scala l/No' Se infatti riscriviamo l' antitrasformata discreta
di Fourier nella forma della (5.6.la) troviamo:
r

270 Capitolo5

(5.6.lb)

Si devono cio effettuare sostanzialmente le stesse ope~oni sulle varie quan-


tit W;: ~ ej21l11k
INo, salvo un inessenziale cambiamento di segno dell' esponente.
In questo modo, potremo unificare la valutazione della complessit dell'algo-
ritmo di trasformata diretta e di quello di antitrasformata. Supponendo che i
fattori esponenziali complessi che figurano nelle (5.6.la-b) siano precalcolati,
cio gi disponibili in memoria, la determinazione del coefficiente Xk (ovvero
del campione x[n]) richiede No moltiplicazioni complesse ed No -I addizioni
complesse. Tenendo conto che un'addizione complessa richiede in realt 2 ad-
dizioni reali, e una moltiplicazione complessa richiede 4 moltip~azioni reali e 2
addizioni, sono necessarie complessivamente 8No - 2 operazioni (reali) per ogni
valore di k. Poich k assume tutti i valori compresi tra O e No -I, il numero
complessivo di operazioni da compiere per calcolare la trasformata discreta di
Fourier (TDF) di una sequenza periodica di periodo No pari a

(5.6.2)

ove l'ultima approssimazione stata fatta supponendo .che il parametro No


assuma un valore grande). Possiamo notare che la complessit di calcolo (o
computazionale) della trasformata discreta di tipo quadratico nell'ordine No di
trasformazione. Se immaginiamo di disporre di un elaboratore che svolge le
operazioni con una cadenza tlock pari a 100 MHz (cio 100 milioni di operazioni
al secondo), e prendiamo per No il valore tipico No = 210 = 1024, il tempo
necessario per effettuare il calcolo suddetto pari a

(5.6.3)

Supponiamo adesso che la sequenza x[n] venga generata campionando un


segnale analogico x(t) a frequenza t, e che si vogliano calcolare trasformate
discrete ripetute su spezzoni temporali adiacenti (le cosiddette finestre) di No
campioni consecutivi della sequenza. Se in un tempo pari a 80 ms riusciamo a
elaborare 1024 campioni, allora per poter .operare in tempo reale si deve
utilizzare una frequenza di campionamento tale che t

1 In questa ipotesi, possibile anche trascurare le eventuali 2No moltiplicazioni finali per il
fattore di scala l/No nell'algoritmo di trasformazione diretta.
Segnali a tempo discreto 271

l' ~ No 1024 = 12.8 kHz (5.6.4)


Jc T. 80.10-3
No

altrimentinuovi campioni di un~nuova finestra di segnale vengono presi prima


che il precedente calcolo della trasformata sia terminato. Questo risultato
rappresenta un vincolo sulla banda B del segnale x(t) da elaborare poich la
condizionedi Nyquist richiede che valga B ~ fc /2.
Un deciso miglioramento della velocit di elaborazione pu essere conseguito
utilizzandoun algoritmo2 veloce di calcolo della trasformata discreta che, sfrut-
tandoparticolari simmetrie insite nei fattori W;: della trasformata stessa, riduce
la complessit computaziona{e del medesimo. Tale algoritmo, noto come Fast
Fourier Transform (FFT)3, alparit di frequenza di c10ck dell'elaboratore, per-
mette l'utilizzo di frequenze di campionamento notevolmente maggiori rispetto
a quella indicata dalla relazione (5.6.4). Cerchiamo quindi di dare un'idea del
principiodi funzionamento della FFT e di valutarne il grado di complessit.
Il pi semplice algoritmo di FFT si applica quando l'ordine No della
trasformata una potenza di 2, cio No = 2M. Riscriviamo in tal caso la (5.6.1)
ignorandoil fattore di scala l/No e suddividendo gli addendi in due gruppi:
- No/2-1 .21f(2m)k No/2-1 .21f(2m+l)k
Xk = L x[2m] e-J~
m=O
+ L x[2m + 1] e-J
m=O
No

Pf ~k
No/2-1 .21rkm' .21rk No/2-1 .21rkm'
= L x[2m]e-JNo/2+e-JN;;"' m=O
m=O
L x[2m+1]e-JNo/2,k=0,...,No-1 (5.6.5)

La prima sommatoria rappresenta la trasformata discreta di una sequenza costi-


tuita dagli No/2 campioni di indice pari di x[n], mentre la seconda sommatoria
la trasformata discreta degli No/2 campioni di indice dispari. Possiamo dire
che questa scomposizione "ricorsiva nell'ordine", nel senso che la trasformata
di ordine No espressa come combinazione lineare di due trasformate di ordine
No/2.

2 Un algoritmo una successione di passi od operazioni di elaborazione univocamente definite


che, a partire da una serie di dati d'ingresso, nel nostro caso i valori della sequenza x[n],
fornisce i dati di uscita, qui i valori della trasformata discreta Xk'
3 L'acronimo FFf indica in realt una classe di algoritrni efficienti per il calcolo della
trasformata discreta di una sequenza periodica. Di seguito viene descritto solo uno di questi
algoritmi che noto come algoritmo a decimazione nel tempo.
272 Capitolo 5

Il numero di operazioni NFFr(No) necessario a calcolare la trasformata di


ordine No secondo questo nuovo criterio pu allora essere espreSSo-in maniera
ugualmente ricorsiva sulla base di questa scomposizione:

NFFf(No) = NFFf(~o ) + NFFT(~o ) + 6No + 2No

(5.6.6)
= 2 [NFFf ( )
~o + 4No]

avendo tenuto conto del fatto che, per ogni valore di k, necessario moltiplicare
Dk per un esponenziale co~plesso (precalcolato, 6 operazioni r\ali) e quindi
effettuare la somma con lt (2 operazioni reali). Questo procedimento di
scomposizionepu essere poi ripetuto in modo ricorsivo. Infatti 1{ e Dk
possono a loro volta essere scomposti suddividendo le sequenze rispettivamente
x[2m] e x[2m + 1] in due sottosequenze ciascuna di lunghezza No/4. Il calcolo
di una trasformata di ordine No/2 comporta allora una complessit (basta
sostituire No/2 a No nella (5.6.6

No No
N
FFf( )=2 ( )+ 4No
2
N
[ FFT 4 2 ]
(5.6.7)

Sostituendo quest'ultima nella relazione di partenza (5.6.6) si ha

(5.6.8)

e, continuando a iterare dividendo per 2 progressivamente l'ordine di trasforma-


zione, si ottiene:

N FFf( No) = 8 N FFf(~o) + 3 . 8No

NFFf(No) = 16 NFFT( ~~) + 4. 8No (5.6.9)

NFFf(No) = No' NFFf( ~:)+ 10g2No .8No

Nell'ultima iterazione compare la quantit NFFT(1)che comporta banalmente


una sola moltiplicazione (Xo = x[O] .ejo), per cui si ricava:
Segnali a tempo discreto 273

(5.6.10)

Questa relazione estremamente importante indica una complessit per l'algo-


ritmo di FFT notevolmente inferiore alla complessit (quadratica) dell'algoritmo
di trasformata discreta secondo la definizione. Il rapporto tra il numero di ope-
razioni necessarie nei due casi pari a
L
NTDF(No)- 8Noz = No ,'). (5.6.11)
NFFf(No) 8Nologz No logz No
Con riferimento all'esempio precedente, se si usa il medesimo elaboratore per
calcolare una FFT di ordine 1024, si otterr un tempo di calcolo inferiore a
quello prima calcolato del fattore

(5.6.12)

e di conseguenza la frequenza di campionamento massima per operare in tempo


reale sar

N
fc FFf = o h. == 100fc= 1.28MHz (5.6.13)
. logz No
che molto maggiore di quella indicata nella (5.6.4). Dalla (5.6.11) anche
chiaro che il vantaggio che si consegue utilizzando l'algoritmo di calcolo FFT
invece della trasformata secondo la definizione aumenta al crescere di No.
Come gi detto, gli stessi algoritmi utilizzati per il calcolo veloce della trasfor-
mata discreta possono essere anche utilizzati per il calcolo della antitrasformata,
poich le relazioni di trasformazione e di antitrasformazione (5.5.2-5.5.3) sono
formalmente identiche, a parte l'inessenziale costante moltiplicativa l/No' e
l'altrettanto ininfluente segno dell' argomento degli esponenziali.
L'algoritmodi FFT fu pubblicatonel 1965da Coolev p.Tnkey; a questa data
si fa risalire la nascita della moderna elaborazione numerica dei segnali. ,/'
Attraverso la FFT, infatti, possono essere effettuate in maniera efficiente alcune
operazioni fondamentali di analisi ed elaborazione dei segnali (analisi spettrale e
filtraggio, come mostreremo brevemente nel seguito). Tali operazioni non
furono realizzabili in pratica fino al momento dell' introduzione dell' algoritmo
veloce, vista la ridotta velocit dei componenti elettronici e quindi dei calcolatori
dell'epoca. Questo giustifica l'importanza centrale attribuita alla FFT nello
sviluppo delle tecniche di elaborazione numerica.
274 Capitolo 5

~
5.6.2 Applicazioni dell'algoritmo di FFT: analisi spettrale
Una delle esigenze pi frequenti nell'elaborazione dei segnali quella di
calcolare lo spettro di una sequenza data. Ovviamente, non si ha a disposizione
un' espressione analitica dei valori della sequenza x[n], ma solo i valori
medesimi (ad esempio acquisiti mediante un convertitore A/D) in un intervallo
finito, diciamo O:::;n :::;N -l. Ci che si desidererebbe calcolare la trasformata
di Fourier della sequenza aperiodica
+00

X(J) = Lx[n] e-j21C11/f (5.6.14)


n=-00

Ovviamente, questa trasformata non potr essere calcolata per gli infiniti valori
della variabile f in un periodo, cio, ad esempio, nell'intervallo [~]. Ci si
accontenter di ottenere il valore della trasformata per un numero finito di punti
normalmente equispaziati nell'intervallo [O, l/T].
Quest' operazione pu essere svolta in maniera efficiente tenendo conto della
relazione di campionamento in frequenza (5.5.28) conseguente ad una periodi-
ClzzaZlOne:

- 1 - k
Y. --X - , k = O, 1,.. o,N -l (5.6.15)
k - No ( NoT )
e osservando che abbiamo a disposizione un algoritmo veloce per il calcolo delle
trasformate discrete. Immaginiamo dunque di periodicizzare la sequenza data
con periodo No = N:
+00

y[n]= Lx[n-mN] (5.6.16)


m=-

Poich y[n] una sequenza periodica, possiamo calcolarne la trasformata


discreta di Fourier ~, k = 0,1, o.., N -1 mediante un algoritmo veloce.
Sfruttando la (5.6.15) possiamo poi ricavare i seguenti valori di X(J):
- k -
X NT( ) =N ~ , k = O,l, ..., N-l
(5.6.17)

Siamo cio riusciti a calcolare la funzione X(J) in N punti, e precisamente per


le N frequenze equispaziate nell'intervallo [O,l/T]:
k
, k = O,1,..., N-l (5.6.18)
h,= NT
Segnali a tempo discreto 275

Esempio 5.14
Consideriamo la sequenza aperiodica x[n] di Figura 5.36: essa ha durata finita e
pari a N = 3. Consideriamo poi il segnale periodico y[n] ottenuto periodiciz-
zando con periodo 3 la sequenza x[n] in accordo alla relazione (5.6.16), e rap-
presentiamo la sequenza y[n] cos ottenuta (Figura 5.37).

x[n]

0.5

-1 1 2 3 n

Figura 5.36 Sequenza aperiodica x[n] a durata finita

y[n]

0.5

-1 1 2 3 n

Figura 5.37 Sequenza periodica ottenuta dalla ripetizione di x[n] per No = N =3


La trasformata di Fourier X(j) della sequenza originaria

X(j) = x[O]+ x[l] e-j21!fT+ x[2] e-j21r2jT= e-j21!fT[1+ cos(27ifT)] (E5.14.1)

corrispondente allo spettro di ampiezza di Figura 5.38. Utilizzando il metodo \


appena descritto, si usa una trasformata discreta di ordine 3 e si ricavano i 3
"campioni" della funzione X(j) per le frequenze h = O,1/3T,2/3T rappresen-
tati ancora in Figura 5.38. O

Spesso, la scelta No = N porta a una conoscenza insufficiente della funzione


X(j), nel senso che gli N campioni della trasformata discreta sono troppo
pochi per ottenere una stima sufficientemente accurata dell' andamento della
276 Capitolo 5

X(J) stessa, come nel caso della Figura 5.38. Per evital;equesto inconveniente
possibile usare per il parametro No un valore maggiore della durata della
sequenza N. Il segnale y[n] viene ottenuto cio dalla ripetizione di una sequenza
finita di durata No formata dagli N campioni della x[n] a cui vengono posposti
No - N campioni nulli. Si pu calcolare adesso la FFf di ordine No > N della
sequenza periodica che nel periodo base vale

(5.6.19)

cio di una sequenza riempita con campioni nulli. Questa operazione prende il
nome di zero-padding o riempimento con zeri. Una vol~ calc}ita la trasformata
discreta, vengono ricavati quindi No> N valori della X(J) secondo la consueta
relazione di campionamento in frequenza:

- k -
X - =No~ ' k=0,1,...,No-1 (5.6.20)
( NoT )
Se si fa crescere il valore del parametro No, ossia si aggiungono molti campioni
nulli aumentando l'ordine della FFf, si pu aumentare il numero di campioni
della funzione X(J), cio si aumenta la risoluzione dell'analisi spettrale della
sequenza x[n] aperiodica e di durata finita originaria.
2.5

2.0

1.5

1.0

0.5

0.0
1/3T 2I3T 1fT

Frequenza

Figura 5.38 Trasfonnata discreta della sequenza x[n] dell 'Esempio 5.14
Segnali a tempo discreto 277

----
Esempio 5.15
Ripetiamo il calcolo dell'Esempio 5.11, stavolta per con zero-padding fino a
No = 8. La sequenza periodicizzata dopo il riempimento con 5 zeri quella di
Figura5.39. Calcolando la FFT della sequenza dopo lo zero-padding ricaveremo
allora 8 valori della trasformata X(f) secondo la relazione
- k -
X 8T( )=8 1i , k = O,1,...,7
(E5.15.1)

-8 -7 -6 1 2 8 9 10 n

Figura 5.39 Sequenza periodica ottenuta dalla ripetizione di x[n] per No = 8

Nella Figura 5.40 viene riproposto l'andamento del modulo di X(J) e dei suoi
otto campioni calcolati con il procedimento di zero-padding ed FFT appena
descritto.L'andamento dello spettro di ampiezza IX(f) I viene ora ricavato con
una risoluzione maggiore che nel caso precedente. Vale la pena osservare che
l'operazione di periodicizzazione concettualmente necessaria prima di calcolare
la trasformata discreta non viene eseguita in pratica. Ci che serve infatti per il
calcolodella trasformata sono soltanto gli No campioni della sequenza y[n] nel
periodo base O::;n ::;No-1. Viceversa, l'operazione di zero-padding
fondamentale per costruire correttamente y[n] a partire da x[n], e deve essere
effettivamenteeseguita prima di calcolare la trasformata discreta ~ . D
)

5.6.3 Applicazioni dell'algoritmo FFT: convoluzione veloce


Un'operazione di elaborazione dei segnali che si presenta molto frequentemente
quella del calcolo di una somma di convoluzione tra sequenze di durata finita
(tipicoproblema di filtraggio, come sar chiarito nel Capitolo 6). Siano dunque
x[n] e y[n] due sequenze aperiodiche (per semplicit causali) a durata finita pari
aNo
La convoluzione (lineare) tra le due sequenze
f ~
;
,
278 Capitolo 5

2.5

\
2.0

1.5

1.0

0.5

0.0
0.000 0.125 0.250 0.375 0.500 0.625 0.750 0.875 1.000

Frequenza normalizzata, tT

Figura 5.40 Risultato dell'operazione di zero-padding e FFf

-+<>o N-l

z[n] = x[n] <29y[n] = L,x[m] y[n-m] = L,x[m] y[n-m] (5.6.21)


m=-oo m=O

Poich x[n] e y[n] hanno durata N, cio hanno solo N campioni non nulli,
immediato rendersi conto che z[n] ha durata pari a 2N -1 (si estende cio da Oa
2N - 2): un esempio illustrato in Figura 5.41 per N = 4.
Cerchiamo ora di valutare il grado di complessit del calcolo (5.6.21) della
convoluzione eseguita attraverso la defInizione. Nella Tabella 5.2 abbiamo ripor-
tato per esteso tutte le operazioninecessarieal calcolo di tutti i valori di z[n],
con O::;;n ::;;2N - 2, tenendo conto che le sequenze x[n] e y[n] sono entrambe
nulle quando n < O o n ~ N. Il numero totale di operazioni Neonv (N) si pu va-
lutare notando che le operazioni necessarie al calcolo dei termini z[O] e
z[2N - 2] sono in ugual numero, e cos per i termini z[l] e z[2N - 3], z[2] e
z[2N - 4], ecc., fmo ad arrivare al termine z[N -1] che non ha nessun "partner".
I primi due termini richiedono 1 sola operazione ciascuno, i secondi due 3
operazioni, i successivi 5 operazioni e cos via, fino al termine z[N -1] che
richiede 2N -1 operazioni:

Neonv(N)= 2. [1+ 3 + 5 +... + (2(N - 2) + 1)]+ (2N -1)=


= 2. [1+ 3 + 5 +... + (2(N - 2) + 1) + (2(N -1) + 1)] - (2N -1)=
Segnali a tempo discreto 279

N-l N(N l)
=2~:C2n+
n~
l) - (2N -1) =4 2
- + 2N - 2N + l

=2N2 - 2N + 1 2N2==
(5.6.22)
cio la complessit di tipo quadratico nella durata delle sequenze.

y[n]
2

1 2 3 n

z[n]

1 2 3 6 n

Figura 5.41 Convoluzione tra le sequenze x[n] e y[n]

Tabella 5.2 Operazioni necessarie al calcolo di una convoluzione

z[O]= x[O]. y[O]


z[l] = x[O]. y[1] + x[1]. y[O]
z[2] = x[O]. y[2] + x[1]. y[1] + x[2]. y[O]

z[N- 2] = x[O].y[N - 2] + x[I]. y[N - 3]+... + x[N - 2]. y[O] /

z[N-1] = x[O].y[N -1] + x[1]. y[N - 2] + x[2] .y[N - 3]+ ...+ x[N -1] .y[O]
z[N] = x[1] . y[N -1] + x[2] . y[N - 2] + ...+ x[N -1] .y[O]

z[2N -4] = x[N - 3]. y[N -l]+x[N -2]. y[N -2]+ x[N -1]. y[N -3]
z[2N -3] = x[N - 2]. y[N -1]+ x[N -1]. y[N - 2]
z[2N - 2] = x[N -1]. y[N -1]
280 Capitolo 5

rI
La somma di convoluzione tra x[n] ed y[n] pu anche essere determinata per i
!
altra via. Supponiamo di periodicizzare le due sequenze con periodo -No: t
-+<>o

xp(n]= L,x(n-mNo] (5.6.23) l

-+<>o

yp(n] = L,y(n-mNo] (5.6.24)


nJ=-OO

Sappiamo che la convoluzione cic/ica tra xp[ n] e yp[ n] la sequenza di periodo


No
!
.;
.

(5.6.25) ~.

Questa sequenza (periodica) zAn] in generale diversa dalla sequenza z[n]


prodotta dall'operazione di convoluzione lineare (5.6.21). Si pu per scegliere
l'intervallo di periodicizzazione No in modo che esso risulti non minore della
I
durata della sequenza z[n) i
(5.6.26) t
f
i
i
Allora chiaro che l'operazione di convoluzione ciclica fra le due sequenze
periodicizzate xp[n] e yp[n] d una sequenza zAn] che all'interno del "periodo t
base" O~ n ~ No -1 coincide con il risultato della convoluzione aperiodica a
meno del fattore l/No:
f
No zp[n] n=O,1,...,2N-2
z[n] = (5.6.27)
{ O altrove

D'altronde, dal teorema della convoluzione (5.5.19), sappiamo che la


trasformata discreta di zp [n]

(5.6.28)

e questo suggerisce un metodo indiretto per il calcolo della convoluzione in


ambito frequenziale, costituito dai seguenti passi:

. si sceglie per il parametro No il minimo valore che soddisfa la disuguaglianza


(5.6.26), cio No = 2N -1;
Segnali a tempo discreto 281

. si calcolano mediante FFT le trasformate discrete Xp, e Yp, di ordine No


delle sequenze periodicizzate x Anfe y An];
. si calcola la trasformata Zp, della convoluzione ciclica zA n] delle sequenze
xp[n]e yp(n]comeprodottodi Xp, e ~,;
. sicalcolamedianteFFTl' antitrasformatadi Zp, ricavandocos i campionidi
un periodo di zp[n];
. si ricavanoinfine i campioni non nulli della sequenza z[n] moltiplicando per
No la sequenza zAn].

Cerchiamodi capire quando questo procedimento pi conveniente rispetto alla


convoluzionesecondo definizione. Si pu dimostrare che per sequenze reali si
pu effettuareuna (anti-)FFT di una sequenza di lunghezza No usando opportu-
namenteUnaFFT di ordine No/2. Quindi, secondo la (5.6.10), la convoluzione
velocecomporta 2. 8No12 .log2 No12 operazioni per il calcolo delle due FFT di
xp[n] e yAn], 6No/2 operazioni (No/2 moltiplicazioni complesse) per il cal-
colo di Zp" 8No12 .log2 No12 operazioni per calcolare l'antitrasformata zp[n]
di Zp, con Unalgoritmo di FFT inversa, ed infine No operazioni per recuperare
il fattore di scala No. Se No = 2N -l, e trascurando termini lineari in No, SOnO
richieste in totale

(5.6.29)

operazioni(N)> 1). Questo risultato deve essere confrontato Conla (5.6.22):


sufficiente che sia N;;::32 affinch il metodo che fa uso di FFT diventi pi
efficientedel calcolo diretto della convoluzione mediante la definizione.

Esempio 5.16
Riprendiamo in considerazione le sequenze della Figura 5.41 e cerchiamo di
applicare il metodo della convoluzione veloce senza tener conto della
/
condizione(5.6.26). Fissiamo allora, in modo errato No = 5 (sarebbe richiesto
No~ 7). Le sequenze periodicizzate in questo modo SOnOrappresentate in
Figura5.42a. La relativa convoluzione ciclica, scalata del fattore No = 5, poi
confrontatain Figura 5.42b COnla convoluzione lineare che si desidererebbe
ottenere. chiaro che nOnpu sussistere l'uguaglianza, segnatamente perch la
convoluzione lineare ha durata pari a 7, mentre la convoluzione cic1ica
periodica di periodo 5 e nOn pu quindi fornire i 7 campioni distinti della
convoluzionelineare.
282 Capitolo 5

-
n
(a)

4
,, 3 . I I /
... ... 2I
z[n]

5 n
-- lWlL 6 n
(b)

Figura 5.42 Sequenze di Figura 5.41 periodicizzate (a), convoluzione ciclica e lineare (b)

YLa Figura
Riassunto delle caratteristiche delle trasformate di Fourier
5.43 riassume le caratteristiche delle descrizioni frequenziali (spettri)
dei segnali a tempo continuo e a tempo discreto, periodici e aperiodici.
Ogniqualvolta il segnale periodico nel tempo, esso possiede uno spettro di-
~. Viceversa,~e il segnale discreto nel tempo, ess {>ossiede_unspettro pe-
riodicl!...'Questo l'ennesimo riflesso della dualit dei domini di tempo e fre-
quenza. Da quest'ultimo punto di vista, interessante notare che il se~nale di-
r
~c:eto aperiodico x[~] in pratica la successione dei coefficienti di Fourier del-
'
' l'espansione in serie della funzione X(f), periodica nella variabile continua fre-
! quenza; ci in piena dualit rispetto al caso del segnaTe periodico nel tempo
l

,Icontinuo x(t) con la sua propria successione discreta dei coefficienti di Fourier
Xk:

l 1/2T
x[n] = - JX(J)
1/ T -1/2T
ej21111[f di
- (5.7.1)
X(J) = L,x[n]e-j21111[f x(t) = L Xkej21tkfol
k=-
Segnali a tempo discreto 283

Tempo Frequenza

x(t) X.

... ...
k
-------
segnale
a tempo continuo periodico " Spettro
discreto
aperiodico

X(f)
x(t)

t
Segnale a tempo continuo aperiodico Spettrocontinuo
aperiodico

x[n] X(f)

... ...
n
Segnale
a tempodiscreto
aperiodico Spettrocontinuoperiodico

x[n]

... ... ... ...


/
n k
Segnale
atempodiscretoperiodico Spettrodiscretoperiodico

Figura 5.43 Tavola sinottica delle caratteristiche di segnali e spettri

Sommario
In questo capitolo sono stati ripresi in considerazione ed estesi ai segnali a tempo
discreto alcuni concetti relativi all'analisi di Fourier gi esaminati nei precedenti
284 Capitolo 5

capitoli per i segnali a tempo continuo. Per prima cosa stata definita la
trasformata di Fourier di una sequenza aperiodica X(f), che risulta una
funzione periodica nella frequenza f di periodo pari alla frequenza di
campionamento 1fT, ma che peraltro gode di propriet molto simili a quelle
della trasformata continua di Fourier X(f) per i segnali analogici. Quindi, si
Il esaminata in dettaglio la questione del campionamento di un segnale analogico
x(t), operazione che produce una sequenza di valori x[n]. La trasformata di
questa sequenza si ottiene attraverso periodicizzazione con periodo 1fT della
trasformata del segnale analogico di partenza. /
L'operazione di interpolazione a mantenimento, cio la moekIlizzazione
dell'operazione svolta in pratica da un convertitore D/A (digitale-analogico),
non consente di ricostruire il segnale analogico di partenza. Viceversa, abbiamo
dimostrato che usando un interpolatore cardinale possibile ricostruire
esattamente un segnale a tempo continuo dalla sequenza dei propri campioni,
purch il segnale abbia spettro limitato nella banda B, e la frequenza di
campionamento sia pari almeno a 2B (teorema del campionamento di C.
Shannon).
La rappresentazione frequenziale di sequenze stata poi estesa al caso di se-
Il quenze periodiche di periodo No definendo la trasformata discreta di Fourier
Xk. Questa sequenza di valori periodica di periodo No in k, e rappresenta lo
spettro discreto della sequenza periodica x[n]. La relazione di campionamento
in frequenza mette in relazione i valori della tra'SfoITilatadiscreta di una se-
quenza periodicizzata e quelli della trasformata della sequenza-base aperiodica.
... Questo consente di ...alGQl.arelo spettro di una sequenza aperiodica a durata fi-
nita attra'Versoil calcolo di una trasformata discreta. L'operazione di iero~pad-
-dmg (riempimento con zeri) permette di aumentare la risoluzione di questa ana-
lisi spettrale. Le trasformate discrete insite in tale procedimento possono essere
, calcolate in modo efficiente attraverso il cosiddetto algoritmo di FFf (Fast
Fourier Transform) che consente di abbattere la complessit del calcolo di un
trasformata discreta di un fattore No/logz No rispetto al calcolo secondo la de-
finizione. Sfruttando la FFT anche possibile calcolare somme di convoluzione
tra sequenze a durata finita in maniera veloce.

Esercizi proposti
5.1 Ricavarela trasformatadi Fourierdellasequenza
"
x[n] = a'nl' , O:5;a<l
Segnali a tempo discreto 285

5.2 La convoluzione ciclica tra due segnali a tempo continuo periodici di


periodo To definita come

l To 12

z(t) J
= To -To 12x(a)y(t - a) da

Noti i coefficienti di Fourier di x(t) e y(t), ricavare i coefficienti Zk di


z(t).
5.3 Il segnale

x(t) = sinc2( ~)

viene elaborato secondo lo sch~<UifFigura 5.44, in cui l'interpolatore a


mantenimento. Sapendo che

H(J) = 1ifT rect(jT)


sen(1ifT)
determinare l'espressione del segnale di uscita y(t).

X(~
nT

-I
p(t)

M H(f)
~)
""
Figura 5.44

5.4 Una sequenza periodica a tempo discreto pu essere espressa attraverso la


serie discreta (antitrasformata) di Fourier
No-I

x[n] = IXkej21<nlNo
k=O

Trovare l'espressione della trasformata aperiodica XU) della sequenza


x[n] per f E [-l/2T,l/2T].
5.5 Applicando il teorema della funzione somma, calcolare la trasformata della
sequenza
In I
x[n]= l-li -N'.5.n'.5.N
{O altrove
286 Capitolo 5

5.6 Disegnare i segnali ricostruiti con interpolazione a mantenimento e inter-


polazione lineare rispettivamente nellea Figure 5.21 e nella Figura 5.29.
Ripetere per il segnale di Figura 5.30 (l'espressione della trasformata in
questa figura del tipo X(f) = (T /2)[1 + cos(2JifT)]rect(fT)).
5.7 Un segnale x(t) periodico di periodo Toviene campionato con periodo
T = To/ No ottenendo la sequenza periodica x[n]. Determinare la relazione
tra i coefficienti di Fourier Xk di x(t) e la trasformata discreta di Fourier
Xk di x[n]
5.8 Dire se il sistema monodimensionale a tempo continuo costituito dalla
cascata di campionatore ideale e interpolatore a mantenimento di Figura
5.18 lineare e/o stazionario.
5.9 Da un segnale x(t) periodico di periodo Toviene ricavato il segnale y(t)
aperiodico con una operazione di troncamento in un periodo: --;:

y(t) = x(t)rect(t/To) 7.rt.z ,


Esprin}erela trasformata di FouriJr Y(f) ~ y(t) mediante i coefficienti di
FouI\~r Xk qj;x(t~ e spiegare perch quest'oesercizio pertinente a questo
capitlo-/ J..
5.10 Il segnale x(t) la cui trasformata di Fourier

X(f) = (1+co{~) }ec{~)


vienecampionatocon frequenza fc = B, e quindi interpolato con un inter-
polatore cardinale. Trovare l'espressione del segnale x(t) cos ottenuto e
tracciarne un grafico.
5.11 Calcolare la trasformata di Fourier X (f) della sequenza

16{~J n~4
x[n] =H In I:S;3

n:S;-4

5.12 Determinare e rappresentare lo spettro della sequenza x[n] ottenuta


campionando con frequenza 1/T il segnale x(t) = sinc(Bt)sin(nEt) con
B:S;1/ T :s;2B. possibile ricostruire il segnale originario x(t) a partire
dai campioni della sequenza x[n]?
Segnali a tempo discreto 287

5.13 Il segnale x(t) =e-lilla viene campionato con frequenza di campionamento


fc = 1/ T. Disegnare gli spettri di ampiezza e fase della sequenza x[n] cos
ottenuta.
5.14 Dimostrarel'uguaglianza

f a/T = l
k=-1 + j2n{f - ;)a 1- e-(~+j21if)T
5.15 Calcolare e rappresentare la somma di convoluzione z[n] tra le sequenze
x[n] = u[n+ 1]-u[n -2] e y[n] = u[n+2]- u[n-3].

-r-'l~ ~ /T~
\
'-
...
I
~ ~ 'L ~ l-r~
---
\.
\ f

kt+( l-:>

)T{) \

'\

4
~ ( t- f<1i) )
r /
Segnali a tempo discreto 225

5.2 Rappresentazic~medei segnali aperiodici a tempo discreto nel


domini~ della frequenza
5.2.1 Trasformata di Fourier di una sequenza
Dai capitoli precedenti risulta chiara l'utilit della rappresentazione dei segnali
analogici nel dominio della frequenza, sia come strumento di analisi e di sintesi,
sia in congiunzione con lo studio dei sistemi lineari stazionari. Vogliamo ora
estendere la rappresentazione frequenziale anche ai segnali a tempo discreto, e
per far questo seguiremo un cammino inverso rispetto a quello percorso per i
segnali a tempo continuo: partiremo cio dalle sequenze aperiodiche. Gli aspetti
di carattere concettuale insiti alla rappresentazione dei segnali nel dominio
frequenziale restano i medesimi, e sono ormai patrimonio acquisito del lettore.
La rappresentazione di una sequenza aperiodica x[n] in campo frequenziale
analoga alla trasformata continua di Fourier di un segnale analogico aperiodico
(3.1.9) la trasformata di Fourier della sequenza x[n] definita da
-
X(F):! L,x[n] e-j21C11F (5.2.1)
n=-

Questa trasformata evidentemente una funzione complessa della variabile F


che la cosiddetta frequenza normalizzata (si confronti con la (5.1.10)). La
stessa trasformata viene talvolta espressa in funzione di una pulsazione
normalizzata Q =2nF:
-
X(Q):! L,x[n] e-jnD. (5.2.2)
n=-
Come vedremo pi avanti, la X(F) definita dall'equazione di analisi (5.2.1)
continua ad avere il significato di spettro del segnale dato, ma si differenzia
dalla familiare trasformata continua X(f) per segnali analogici in alcune
propriet. Osserviamo preliminarmente che la trasformata di una sequenza una
funzionepe!iE..dicain F di periodo 1:
- -
X(F+l)= L,x[n]e-j21C11(F+l) = L,x[n]e-j21C11Fe-j21C11
n=- n=-
-
= L,x[n] e-j21C11F
= X(F) (5.2.3)
n=-
Quindi X(F) completamente nota se noto il suo andamento in un intervallo
6
Sistemi monodimensionali a tempo discreto

---
~
6.1 Caratterizzazione dei sistemi a tempo discreto
La maggior parte delle considerazioni che sono gi state fatte nel Paragrafo 4.1 a
proposito dei sistemi a tempo continuo possono essere ripetute per i sistemi a
tempodiscreto. Un sistema monodimensionale a tempo discreto un dispositivo,
un apparato, un programma per calcolatore che elabora una sequenza d'ingresso
x[n] e genera una sequenza di uscita y[n] (Figura 6.1). L'unica differenza
notevole dal punto di vista concettuale che -abbiamo introdotto rispetto al caso
del Paragrafo 4.1 la menzione esplicita di un programma per calcolatore.
Infatti, secondo la discussione del Paragrafo 5.1, i segnali a tempo discreto
possono essere elaborati da circuiti elettronici digitali programmabili
(microprocessori) il cui funzionamento regolato da un programma. Si pu
allora identificare il sistema che trasforma la sequenza d'ingresso in quella di
uscita con il solo programma del circuito, piuttosto che con l'insieme di
dispositivi e programma (hardware e software) che permette effettivamente di
realizzare l'elaborazione stessa.

x[n]
J ?
y[n]

Figura 6.1 Sistema monodimensionale a tempo discreto

Stanti le fot:ti analogie tra lo studio dei sistemi a tempo continuo gi svolto nel
Capitolo 4 e quello dei sistemi a tempo discreto, in questo paragrafo passeremo
290 Capitolo 6

brevemente in rassegna quelle definizioni e propriet che sono gi state discusse


in maniera dettagliata per i sistemi a tempo continuo, limitandoci a sottolineare
le (molte) similitudini e le (poche) diversit. Per maggiori dettagli e commenti
su queste propriet, rimandiamo il lettore al Paragrafo 4.1 relativo ai sistemi a
tempo continuo.
6.1.1 Propriet dei sistemi monodimensionali a tempo discreto
Identifichiamo dunque un sistema a tempo discreto con la trasformazione che
viene eseguita sull' eccitazione x[n] per fornire la risposta y[n]:

y[ n] = 'T[ x[m ];n] (6.1.1a)


o anche, quando non si corre alcun rischio di ambiguit,

I
. y[ n] = 'T[ x[n]] (6.1.1b)
Un generico sistema monodimensionale a tempo discreto :
.
se
lineare se a esso applicabile il principio di sovrapposizione degli effetti, cio

(6.1.2)

comunque siano fissate le sequenze XI[n] e x2[n] e i coefficienti a e f3 della


loro combinazione lineare;
.stazionario o invariante nel tempo se una traslazione della sequenza in ingresso
comporta una traslazione della stessa entit della sequenza di uscita, cio

(6.1.3)
I per ogni valore del parametro intero no;
!I
.!
. causale se la sequenza di uscita all'istante generico n non dipende dai valori
assunti dalla sequenza di ingresso a istanti successivi a n:

y[n] ='T[x[m],m::; n; n] = 'T[x[m]u[n - m]; n] (6.1.4)

. stabile secondo il criterio BIBO (Bounded-Input, Bounded-Output) se, per


qualunque sequenza d'ingresso a valori limitati, tale cio che

Ix[n]l::;K \In (6.1.5)

si ottiene una sequenza di uscita a sua volta a valori limitati, cio

,
r /
Sistemi monodimensionali a tempo discreto 291

(6.1.6)

. istantaneo o senza memoria se la sequenza di uscita all'istante generico n


dipende solo dal valore assunto dalla sequenza di ingresso al medesimo istante:

y[n] = <J'[x[m],m = n; n] = <J'[x[m]8[n - m]; n] (6.1.7)

. invertibile se possibile trovare un secondo sistema <J'-I[.]tale che, per


qualunque segnale di ingresso x[n], si abbia

x[n] = <J'-l [y[nJ] (6.1.8)

6.1.2 Sistemi lineari e stazionari a tempo d~eto


Rivolgiamo adesso la nostra attenzione alla classe dei~temi lineari e stazionari
(SLS) a tempo discreto. Come gi dimostrato nel Paragrafo 4.1 per i sistemi
analogici, un SLS a tempo discreto caratterizzato completamente dalla
conoscenza della risposta impulsiva h[n] definita dalla relazione

h[n] = <J'[8[n]] (6.1.9)

Infatti, nota h[n], la sequenza di uscita y[n] del sistema avente in ingresso la
sequenza x[n]

(6.1.10)
y[n] = <J'[x[ n]] = <J'[k~X[k] 8[n - k]]

dalla quale, per la propriet di linearit, si ricava


- (6.1.11)
y[n] = Lx[k]<J'[8[n-k]]

Per la stazionariet del sistema, poi, <J'[8[n - k]] = h[n- k] e la relazione prece-
dente diviene
- (6.1.12)
y[ n] = L
k=-
x[ k ] h[ n - k] = x[ n ] <8> h[ n]

e cio la sequenza di uscita di un SLS la somma di convoluzione fra la se-


quenza di ingresso e la risposta impulsiva del sistema stesso.
Sulla falsariga di quanto visto per i sistemi analogici nel Paragrafo 4.2, pos-
sibile dimostrare che condizione necessaria e sufficiente per la stabilit in senso
BIBO di un SLS la assoluta sommabilit della sua risposta impulsiva:
292 Capitolo 6

+-
Llh[k]1 <-too (6.1.13)
k;-oo

e che inoltre un SLS causale se e solo se la sua risposta impulsiva una


sequenza causale:

h[n] = h[n]u[n] (6.1.14)

cio h[n] = O se n<O.

Esempio 6.1 '\


Consideriamo il sistema, detto filtro a media mobile, che effettua la seguente
trasformazione sulla sequenza di ingresso x[n]:

l n
y[n]=- Lx[k] (E6.1.I)
N k=n-N+l

con N dato. Si pu verificare facilmente che tale sistema lineare per la linearit
dell' operazione di somma che lo definisce, ed anche stazionario. Infatti

l n 1 n-fIo

'T [x[ n - no]] =- L x[k -


N k=n-N+I
no] =- L x[m ] = y[n -
N m=n-N+l-no
no] (E6.1.2)

Prima di procedere nell'analisi del sistema, cerchiamo di capire il tipo di fun-


zione svolta dallo stesso (e di giustificarne quindi il nome). La Figura 6.2a rias-
sume, per il caso particolare N = 4, le operazioni che si devono compiere sul
segnale di ingresso per ottenere il valore y[n*] della sequenza di uscita al gene-
rico istante n * (nella figura, n* = 4). Secondo la relazione (E6.1.l ), il valore
y[n*] si ottiene come media aritmetica degli ultimi N valori della sequenza di
ingresso x[n], presi cio a partire dall'istante n * verso tempi decrescenti. Questi
campioni sono i quattro contenuti all'interno della "finestra" ombreggiata in
Figura 6.2a. Da questa descrizione e dalla figura si comprende anche che il si-
stema causale; nella Figura 6.2a pure messo in evidenza il meccanismo se-
condo il quale verr calcolato il valore dell'uscita (indicato a linea tratteggiata)
all'istante n * + l: la "finestra" di N campioni della sequenza d'ingresso viene
traslata di un passo in avanti (linea tratteggiata), e viene calcolata la media
aritmetica dei nuovi N campioni contenuti nella finestra stessa (media mobile).
Poich dunque il sistema lineare e anche stazionario, possibile calcolarne
la risposta impulsiva che, per definizione, data da
Sistell monodimensionali a tempo discreto 293

(E6.1.3)

Osservando che

u[n] = I8[k] (E6.1.4)


k=-oo

si pu riscrivere la (E6.1.3) nella forma

1
h[ n] = - (E6.1.5)
N (u[ n ] - u[ n - N])

x[k] .I
r--------I
I
I
I

I
x[n*]
I I
I I
I I
I I

---------
-3 -2 -1 I
1 2 3 4 k

i+ 1+1
y[n]

r y[n*]
4 Q

------J i
.
I n* n
(a)

.
h[n]
1/N

ffi-1 N N+1 n

Figura 6.2 Funzionamento (a) e risposta impulsiva (b) del filtro a media mobile
294 Capitolo 6

da cui si vede che la risposta impulsiva del filtro a media mobile l'impulso
rettangolare causale di ampiezza 1/N raffigurato in Figura 6.2b. Il lettore pu au-
tonomamente ricalcolare l'andamento di h[n] senza usare la relazione (E6.1.4),
ma ricavando direttamente la risposta impulsiva attraverso il procedimento de-
scritto nella Figura 6.2a. O

Quando due SLS aventi risposte impulsive ~[n] e hz[n] sono connessi in
cascata o in parallelo, cio rispettivamente come nelle Figure 6.3a e 6.3b, le
relative risposte impulsive dei sistemi equivalenti sono date da

h[n] = ~[n] <8> hz [n] (sistemi in cascata) (6.1.l5a)

h[n] = [n]+hz[n] (sistemi in parallelo) (6.1.l5b)

X[ nl
h1[n] h2[n]
I Wlnl.1
(a)

I
x[n]
. , h1[n]

I I
h2[n]
I
(b)

Figura 6.3 Sistemi lineari e stazionari in cascata (a) e in parallelo (b)

6.1.3 Risposta in frequenza di un SLS


La definizione di risposta in frequenza di un SLS a tempo discreto stabile non
differisce apprezzabilmel).teda quella introdotta nel Paragrafo 4.2 cui si rimanda
per ulteriori dettagli. Dunque diremo che:
i) la risposta in frequenza di un SLS a tempo discreto la trasformata di Fourier
della risposta impulsiva h[n] del sistema stesso:
-+-
H(J)= I,h[n]e-j21D1!T (6.1.16)
n=-

ii) la risposta in frequenza H(J) il rapporto fra le trasformate f(J) e X(J)


Sistemi monodimensionali a tempo discreto 295

rispettivamente della sequenza di uscita y[n] e di quella d'ingresso x[n]:

H(J) = ~(J) (6.1.17)


X(J)
iii) la risposta in frequenza H(J) data dal rapporto fra la sequenza di uscita
y[n] e quella di ingresso x[n] quando x[n] una oscillazione complessa alla
frequenza f:

y[n]
(6.1.18)
H(J) = x[nL[nJ=e}2xnJT
I

La dimostrazione dell'equivalenza fra le diverse es~ressioni della risposta in


frequenza di un SLS a tempo discreto lasciata allettfe per esercizio. Data la
risposta in frequenza H(J), definiamo anche per i sistemi a tempo discreto la
risposta in ampiezza

X(J) = IH(J)I (6.1.19)

che permette di stabilire le caratteristiche di selettivit di un SLS, e la sua


risposta in fase

(f(J)= LH(J) (6.1.20)

Esempio 6.2
Data la risposta in frequenza H(J) di un SLS, troviamo l'espressione del
segnale di uscita y[n] quando l'ingresso la sequenza periodica di periodo No
x[n] = x[n + No]'
La sequenza data pu essere scomposta in serie discreta (antitrasformata) di
Fourier (5.5.2):

(E6.2.1)

cio come somma pesata (combinazione lineare) di No oscillazioni sinusoidali


complesse a tempo discreto alle frequenze h = k/(NoT), k = O,I,...,No-1.
Poich il sistema lineare, possiamo applicare il.principio di sovrapposizione
degli effetti, osservando che ciascuna di queste oscillazioni viene modificata dal
sistema in ampiezza e fase in ragione del valore della risposta in frequenza in
296 Capitolo 6

corrispondenza della rispettiva frequenza di oscillazione. L'espressione del


segnale d'uscita dunque

(E6.2.2)

cio la trasformata discreta di Fourier ~ del segnale d'uscita y[n]

(E6.2.3)

La condizione di non distorsione gi enunciata nel Paragrafo 4.3 per i segnali a


tempo continuo viene riformulata come segue:

y[n] =K x[n - no] (6.1.21)

ove K ed norappresentano rispettivamente il guadagno e il ritardo del sistema.


Nel dominio della frequenza, la condizione (6.1.21) si traduce nei due seguenti
requisiti rispettivamente per la risposta in ampiezza e la risposta in fase:

X(I) = K (6.1.22a)

(6.1.22b)

Come gi precisato nel Paragrafo 4.3, sufficiente che le condizioni (6.1.22)


siano verificate nell'ambito della banda del segnale d'ingresso per garantire
assenza di distorsioni.
6.1.4 Filtri a tempo discreto
Il concetto di SLS selettivo in frequenza, o filtro, viene esteso direttamente al
caso dei sistemi a tempo discreto, con identica nomenc1atura. Naturalmente, le
caratteristiche di selettivit di un filtro a tempo discreto con risposta in frequenza
H(I) (che .una funzione periodica di periodo l/T) sono determinate dall'an-
damento della sua risposta in ampiezza IH(I)I in un solo periodo dellafunzione,
ad esempio nell'intervallo [-1/2T, 1/2T). Limitando l'analisi di IH(I)I a questo
intervallo di frequenze occorre tener conto del fatto che le "basse frequenze"
continuano a essere quelle prossime alla frequenza nulla, mentre le "alte fre-
Sistemi monodimensionali a tempo discreto 297

quenze" sOnOquelle prossime al limite superiore dell' intervallo, cio 1/2T.


Queste considerazioni giustificano la classificazione dei filtri ideali riportata in
Figura 6.4 per la quale si possono ripetere le stesse osservazioni esposte nella
classificazione dei sistemi analogici del Paragrafo 4.3, in particolare quelle ri-
guardo la causalit.

RLP (I)

-1/2T -B B 1/2T I -1/2T -B B 1/2T I


(a) (b)

RBP(I)

BI- B

-1/2T -lo 1/2T I -1/2T - lo lo 1/2T f


(c) (d)

Figura 6.4 Filtri ideali a tempo discreto: passa-basso (a); passa-alto (b); passa-banda (c);
elimina-banda (d)

Esempio 6.3
Riconsideriamo il filtro a media mobile dell'Esempio 6.1. La sua risposta
impulsiva
l
h[ n ] = - (u[n] - u[n - Nn (E6.3.1)
N
e la sua risposta in frequenza quindi (si veda l'Esempio 5.2)
N-l

H(J) = Lh[n] e-j21C11rr


= e-j1r(N-l)rr sin(rcNfT) (E6.3.2)
n=O N sin( rcjT)

La risposta in ampiezza del filtro allora

IH(J)I =~ (E6.3.3)
N Sin(rcNfT)1
sin( rcjT)
I

che rappresentata in Figura 6.5, insieme alla relativa risposta in fase, nel caso
298 Capitolo 6

particolare N = 16. Si nota che IH(O)I = 1, mentre le componenti ad alte fre-


quenze (cio in prossimit di f = 1/2T) sono sensibilmente attenuate rispetto a
questo valore. Il filtro deve quindi considerarsi un passa-basso. Questa caratte-
ristica ulteriormente evidenziata dalla risposta in ampiezza in dB riportata in
Figura 6.6.

1.2 ' '

S
II
10 l IN=161

ct
N 0.81- , l' -I I
N
Q)
'5.
E 0.6
(\j

-
.
(\j 0.4
cn
o
a.
cn
0.2

0.0
-0.50 -0.25 0.00 0.25 0.50

Frequenza normalizzata, fT

1ao I I

'6 135 . I IN=161

--.9 90
II"J 45
Q) o
cn
-(\j
-
.
(\j
cn
o
-45

-90
a.
cn
.135

-180
-0.50 -0.25 0.00 0.25 0.50

Frequenza normalizzata, fT

Figura 6.5 Risposta in ampiezza (a) e in fase (b) di un filtro a media mobile su 16 valori
Sistemi monodimensionali a tempo discreto 299

in o
:s.
-- -5

II -10
li -15
N
N
Q)
'5. -20
E
1 -25
.!:
-30
1
....
CI)
o -35
a.
CI)
-40
a:
-45
-0.50 -0.25 0.00 0.25 0.50

Frequenza normalizzata, fT

Figura 6.6 Risposta in ampiezza in dB del filtro di Figura 6.5

Il filtro a media mobile viene spesso utilizzato per eliminare le fluttuazioni


rapide di un segnale (cio per smussare il segnale) senza modificarne l'anda-
mento generale di lungo termine. La Figura 6.7a mostra l'andamento dell'indice
della borsa Italiana MIB durante l'anno 1998. La sequenza dei valori dell'indice
MIB alla chiusura molto frastagliata; per eliminareTe fluttuazioni si pu usare
un filtro a media mobile con N = 16 (cio quello appena considerato) ottenendo
la curva smussata di Figura 6.7b. O

~
Esempio 6.4 (

Calcoliamo la risposta impulsiva dei filtri passa-basso e passa-alto ideale a


tempo discreto di Figura 6.4a-b. La risposta in frequenza del passa-basso ideale
una funzione rect(.) periodicizzata con periodo frequenziale 11T:

- 1 f-kIT
L T'rect (
~

HLP(J)=-
T k=- 2B ) (E6.4.1)

per cui (si confronti anche con lo svolgimento dell'Esempio 5.7)

hLP[n] = 2BTsinc(2Bt)lt=nT= 2BTsinc(2nBT) (E6.4.2)


Per quanto riguarda il filtro passa-alto, si ha:
300 Capitolo 6

(E6.4.3)

e quindi

hHP[n]= o[n] - hLP[n]= o[n] - 2BTsinc(2nBT) (E6.4.4)

40000

(Ij
....
::J
(j)
::J
:E
c..>

!:C 30000
:2 f- <,
Q.)
c..>
'5 "
c: 25000

20000
01-01-1998 01-04-1998 01-07-1998 01-10-1998 31-12-1998

Giorno (a)

40000
(

35000
::J
(j)
.:!
c..>
!:C 30000
:2
Q.)
I c..>
'C
c: 25000

20000
01-01-1998 01-04-1998 01-07-1998 OHO-1998 31-12-1998

Giorno (b)

Figura 6.7 Andamento dell'indice Mffi nel 1998 senza (a) e con (b) filtraggio a media mobile

l'
I
Si noti che entrambe le risposte impulsive sono non nulle per n < O. D

Dall'esempio precedente, e come gi anticipato nella discussione generale, si


nota che i filtri ideali non sono causali. Questa conclusione si pu trarre anche
dalla versione per segnali a tempo discreto del criterio di Paley-Wiener. Se la ri-
sposta in ampiezza del sistema a quadrato sommabile sul periodo-base, cio se
1/2T

T fIH(f)j2 di < 00
(6.1.23)
-1/2T

e verifica la condizione
1/2T /
flln[IH(f)I]1di < 00
(6.1.24)
-1/2T

allora esiste una funzione reale 8(J) = 8(J + 1/ T) per cui

(6.1.25)

rappresenta la risposta in frequenza di un sistema a tempo discreto causale.

Esempio 6.S
Consideriamo il sistema di Figura 6.8a in cuvk frequenza di campionamento
fc = 48 kHz; il segnale di ingresso inoltre

x(t) = cos(21%t) (E6.5.1)

con lo = 16 kHz. Determiniamo l'espressione del segnale d'uscita y[n] sapendo


che il sistema nonlineare (NL) a tempo discreto senza memoria ed caratteriz-
zato dalla relazione ingresso-uscita z[n] = X2[n], e che la risposta impulsiva del
successivo filtro

(E6.5.2)

La sequenza in uscita al campionatore

x[n] = cos(2nnIoT) (E6.5.3)

e, di conseguenza, la sequenza in uscita alla nonlinearit data da


302 Capitolo 6

f
X(t~ o x[n] ~ ~~[n]
NLj -~ (a)

H(f)

... ...
-60 -48 -36 -12 z)

(b)

Figura 6.8 Sistema dell'Esempio 6.5 (a) e risposta in frequenza del relativo filtro h[n] (b)

z[n] = cos2 (2mrfoT) = !2 [1 + cos( 4rcnfoT)] (E6.5.4)

La sequenza z[n] costituita dalla somma di una costante (componente conti-


nua) e di una oscillazione cosinusoidale a frequenza 210 = 32 kHz. La sequenza
y[n] in uscita al filtro h[n] quindi

y[n] = !H(O)+
2 !IH(2fo)
2 1 cos(4rcnfoT + LH(2fo)) (E6.5.5)

ove H(1) = .'F[h[n]] la risposta in frequenza del sistema a tempo discreto.


Dall'Esempio 6.4 si trova che h[n] la risposta impulsiva di un filtro passa-
basso ideale di banda B = 1/4T = 12 kHz la cui risposta in frequenza
rappresentata nella Figura 6.8b. .

Si pu verificare immediatamente che H(O) = 1 e H(2fo) = O, per cui la


sequenza y[n]
1
(E6.5.6)
y[n]= "2
o
Sistemi monodimensionali a tempo discreto 303

6.2 Cambiamento della frequenza di campionamento


Molto spesso, nella pratica dell'elaborazione numerica dei segnali opportuno
cambiare in tempo reale la cadenza con cui i campioni di una sequenza vengono
elaborati. Se ad esempio si considera il campionamento di un segnale audio ad
alta qualit, sappiamo che la frequenza di campionamento le deve essere
maggiore di 40 kHz. Una frequenza standard per queste applicazioni infatti la
gi citata le = 48 kHz. Supponiamo che il segnale campionato a questa velocit
venga filtrato con un filtro numerico passa-basso ideale di banda B = 15 kHz,
come in Figura 6.9. chiaro che per questo nuovo segnale a banda ridotta la
cadenza di campionamento di 48 kHz originaria risulta in qualche modo
sovrabbondante. conveniente allora introdurre un opporJbno sistema per
cambiare (in questo caso, ridurre) la cadenza di campionamento della sequenza
z[n] in uscitadal filtro,ad esempiopassareda 48 a 32 kHz.La sequenzay[m] in
ingresso al convertitore D/A che chiude la catena di elaborazione pu allora
essere convertita con una frequenza f: = 32 kHz, usando un convertitore D/A a
32 kHz pi semplice e meno costoso di uno alla frequenza originaria le = 48
kHz. Si noti che la variabile temporale delle sequenze x[.] e y[.] stata indicata
con due nomi diversi (rispettivamente n ed m), perch tali variabili devono
intendersi riferite a due diverse frequenze di campionamento.

x(t) x[n] z[n] Cambia y[m]


A/D Frequenza
Campionam.
fc=48 kHz
f c=48kHz f c'=32kHz

Figura 6.9 Cambiamento della frequenza di campionamento

Le operazioni principali di cambiamento della frequenza di campionamento le


possono essere ricondotte a una combinazione di due funzioni base, il sovra-
campionamento e il sottocampionamento. Tali funzioni, opportunamente combi-
nate, consentono di modificare le secondo un fattore razionale arbitrario, in
modo da generare una nuova sequenza con cadenza f: = (p / q) . le, p e q interi.
6.2.1 Sovracampionamento con interpolazione numerica
L'aumento della cadenza di campionamento secondo un fattore intero M chia-
mato sovracampionamento ed rappresentato dal blocco illustrato nella Figura
6.lOa. Nell'operazione di sovracampionamento, anche quando non esplicita-
mente indicata, sempre compresa una funzione di interpolazione numerica. Per
304 Capitolo 6

capire la necessit di quest'ultima funzione scomponiamo il blocco sovracam-


pionatore nei due componenti elementari della Figura 6.10b. Il blocco ZP
quello che materialmente effettua 1'aumento nella velocit di campionamento.
Dalla sequenza di ingresso x[n], avente frequenza di campionamento fc, viene
infatti prodotta la sequenza di uscita xzp[m] avente frequenza J: = M. fc, ov-
vero periodo di campionamento T' = T / M. La generazione di questa nuova se-
quenza viene effettuata mediante un' operazione di zero-padding, cio di riem-
pimento con zeri, come esemplificato nella Figura 6.11, per M = 4. L'aumento
della frequenza di campionamento viene cio ottenuto mediante inserimento di
M -1 campioni nulli tra ciascuna coppia di campioni consecutivi nella sequenza
originaria x[n]:

x[n] m=n.M
xzp[m]= . (6.2.1)
{ O altrimenti
o, equivalentemente,
+00

xzp[m] = Lx[n]8[m - Mn] (6.2.2)


n=-

I nm~
f c'=M'f c
(a)

x[n]
.. ZP
XZP[m] - - y[m]
Hp (f)
fc c fc
(b)

Figura 6.10 Rappresentazione simbolica (a) e realizzazione (b) del sovracampionatore con
interpolazione

interessante calcolare la trasformata di Fourier della sequenza sovracampio-


nata, che va ovviamente riferita" alla nuova frequenza di campionamento
J:=M.fc:
Sistemi monodimensionali a tempo discreto 305

-
Xzp(f) = ~>zp[m] e-j2mnfT' (6.2.3)

Se si osserva che xzp[m] diversa da zero solo per m = M. n (nel qual caso
xzp[m] = x[n]) e che T' = T / M, la (6.2.3) diventa
- -
XZp (f) = L x[ n]e - j2m11'!fTI M =
n=-oo
L x[ n ]e - j21D1fT= X (f) (6.2.4)

cio le trasfonnate delle sequenze x[n] e xzp[m] sono identiche!

x[n]

o 2 3 4 n

M=4

o 4 8 12 16 m

Figura 6.11 Riempimento con zeri e sovracampionamento

Questo risultato solo apparentemente paradossale. Infatti le trasfonnate Xzp(f)


e X(f) sono uguali per ogni valore della frequenza, ma presentano una diffe-
renza fondamentale, evidenziata nella Figura 6.12 per M = 4: il periodo-base di
Xzp(f) l'intervallo [-1/2T',l/2T'] che, rispetto al corrispondente periodo-
base [-l/2T,l/2T] di X(f), M volte pi grande. Ci significa che elabo-
rando xzp[m] con un filtro numerico, cio proprio con il secondo blocco dello
schema di Figura 6.lOb, si possono modificare tutte le componenti frequenziali
appartenenti all 'intervallo [-1/ 2T', 1/ 2T']. Se invece elaboriamo direttamente
con un filtro numerico la sequenza originaria'x[n] possiamo agire soltanto sulle
sue componenti frequenziali relative all'intervallo [-l/2T,l/2T].
306 Capitolo 6

/\ T
f\ /\ /\, I~(:) /\ /\ A /\
2T
-
T
--
2T 2T T 2T T
.

f)

/\A/\ A,
M M
,A /\ A/\.M M f
T 2T 2T T
-

J I
M
[ I
M
I
-- 1 -- 1
P.(Q, 1 1
I
M
I

M
I I
T 2T T 2T 2T T 2T T
-
M I Y(f)

M 1 1 M
T 2T 2T T

\
Figura 6.12 Trasformate della sequenza x[m] d'ingresso (a) e della sequenza riempita con zeri
xzp[m] (b); risposta in frequenza del filtro interpolatore (c) e trasformata della
sequenza sovracampionata d'uscita y[m] (d).

Al blocco ZP della Figura 6.lOb si fa quindi seguire un Ii/tro passa-basso ideale


Hp (f) , avente banda B = 1I2T = 1I(2MT') e guadagno in continua H/O) =M.
Questo filtro, la cui risposta in frequenza illustrata nella Figura 6.12c, opera
alla frequenza di campionamento I:
e ha una funzione ben precisa, che risulta
chiara esaminando 1'andamento della trasformata Y (f) della sequenza di uscita
y[m] mostrato nella Figura 6.12d. Si nota che il filtro ha cancellato alcune
Sistemi monodimensionali a tempo discreto 307

immagini viciniori presenti nello spettro Xzp(f). Questo spettro identico a


quello che si sarebbe ottenuto campionando direttamente il segnale analogico
x(t) di partenza con la frequenza di campionamento t:!
Il filtro passa-basso ideale chiamato filtro interpolatore. Non si deve con-
fondere questo filtro numerico passa-basso con l'interpolatore, introdotto nel
Paragrafo 5.1, che permette di ricostruire un segnale analogico a partire da una
sequenza di campioni. Il nome di filtro interpolatore , tuttavia, di uso comune
per le ragioni seguenti. Se indichiamo con hp[m] la risposta impulsiva del filtro
H/f), l'espressione del segnale sovracampionato y[m] (vedi la (6.2.2))
+00

y[m] = xzp[m] @ hp[m] = Lx[n]8[m - Mn] @ hp[m]


+00

= Lx[n] hp[m - Mn] (6.2.5)

Questa relazione formalmente analoga alla (5.4.9) che riassume l'elaborazione


del segnale compiuta dall'interpolatore propriamente detto.
La funzione di interpolatore svolta dal filtro digitale diviene ancora pi chiara
se si osserva che la risposta impulsiva hp[m] del filtro passa-basso ideale avente
banda 1/(2MT') e guadagno M

hp[m] = sinc(mj M) (6.2.6)

Sostituendo allora la (6.2.6) nella (6.2.5) si trova /


+00

y[m] = n~ X[n]Sinc( m ~Mn) (6.2.7\

che ricorda la formula di interpolazione cardinale (5.4.21). La sequenza y[m] ,


quindi, una versione interpolata del segnale xzp[m]. In tale versione i campioni
nulli deliberatameIite introdotti vengono sostituiti da campioni interpolati che
assicurano una maggiore "regolarit" del segnale sovracampionato, come illu-
strato nella Figura 6.13.

Esempio 6.6
Il segnale

(E6.6.1)
308 Capitolo 6

o 4 8 12 16 m

t y[m]

o 4 8 12 16 m

Figura 6.13 Interpolazione numerica

viene elaborato dai due sistemi illustrati in Figura 6.14, in entrambi i quali la
frequenza di campionamento iniziale fs = l/T. Le risposte impulsive dei filtri
sono

(E6.6.2)
h(t) = ;sinc(~). ~(t)= ~sinc(~)
Determiniamo e rappresentiamo gli spettri dei segnali z(t) e Zl(t) e stabiliamo
quale di questi ultimi presenta minore distorsione rispetto al segnale x(t).
Cominciamo col considerare la trasformata di Fourier del segnale x(t):

X(f) = 2T(I- 2IfIT)rect(jT) (E6.6.3)

la trasformata X(j) della sequen,za x[n] ottenuta per campionamento sar


dunque
Sistemi monodimensionaIi a tempo discreto 309

X(~/
1fT Xln]~ I
2fT ~~
y[m].~~ z(t)
(a)

x(~/
1fT Xln], HOLD

(b)
r~ .z,(t)

Figura 6.14 - Esempio di sovracampionamento

-
1 ~ - k
X(J ) =-
( )
..i X f--
T k=- T
(E6.6.4)

il cui andamento illustrato nella Figura 6.15a. La teoria del sovracampiona-


mento appena sviluppata ci dice che il dispositivo di sovracampionamento della
Figura 6.14 cancella dallo spettro di x[n] tutte le immagini di X(J) poste a ca-
vallo dei multipli dispari della frequenza l/T. La trasformata f(J) della se-
quenza y[m] sar quella illustrata in Figura 6.15b la cui espressione
\
f(J)=!
T
f X( - 2kT )
k=-
f (E6.6.5)

A questo punto immediato ricavare la trasformata del segnale interpolato q(t):

(E6.6.6)
Q(J) = f(J) ~ sinc( ~}-j1ifT/2
ove si tenuto conto che l'impulso di interpolazione rettangolare di durata pari
a T/2 (si ricordi che questo interpolatore opera a frequenza di campionamento
2/T). Inoltre, il filtro della Figura 6.14a ha risposta in frequenza

H(J) = 2rect L
2/T )( (E6.6.7)

e cancella tutte le immagini di f(J) (vedi la (E6.6.6)). Lo spettro del segnale


z(t) all'uscita del sistema della Figura 6.14a allora
310 Capitolo 6

Z(I) = Q(I)H(I) = ~ X(I) TSinc(~}-j1!fT/2


(E6.6.8)
= X(I) sinc( ~}-j1!fT/2

XCI)

-2fT -1/2T 1/2T 2fT


(a)

+
Y(!)

-2fT -1/2T 1/2T 2fT


(b)

Figura 6.15 Spettri delle sequenze x[n] (a) e y[m] (b) dell'Esempio 6.6

Dunque, il sistema della Figura 6.14a introduce una distorsione di ampiezza sul
segnale x(t).
La trasformata del segnale interpolato ql(t) invece \

(E6.6.9)

poich stavolta l'impulso-base dell'interpolatore a mantenimento un impulso


rettangolare avente durata T. Il filtro della Figura 6.14b ha risposta in frequenza

HI (I) = rect(fT) (E6.6.1O)

e cancella i contributi di tutte le immagini in )((1). Lo spettro del segnale z\(t)


all'uscita del sistema della Figura 6.14b allora

In analogia con quanto accade con il primo sistema, anche il secondo sistema
introduce solo una distorsione di ampiezza. Se per si considera la Figura 6.16,
Sistemi monodimensionali a tempo discreto 311

che rappresenta le due situazioni a confronto, si nota che la distorsione speri-


mentata nel sistema di Figura 6.l4a (e rappresentata in Figura 6.l6a) eviden-
temente minore che nel caso della 6.l4b poich la trasformata dell'impulso del-
l'interpolatore ha un lobo principale pi "largo" che distorce in misura minore.
La minore distorsione evidentemente un effetto benefico del sovracampiona-
mento. Chiaramente, con fattori di sovracampionamento ancora pi grandi sa-
rebbe possibile ridurre maggiormente l'effetto distorcente dell'interpolatore. D

Esempio 6.7
Un lettore di Compact Disc (CD) ricostruisce il segnale analogico da inviare
all'amplificatore audio di ptenza a partire dalla sequenza di campioni x[n] che
stata riletta dal disco medesimo. Come sappiamo, il campionamento in fase di
registrazione (si veda l'Esempio 1.1) avviene alla frequenza fc = 44.1 kHz in
modo da rispettare con un certo margine la condizione di Nyquist relativamente
alla banda del segnale B = 20 kHz. Molti dei lettori comunemente in commercio
usano un circuito di sovracampionamento e interpolazione per meglio effettuare
la conversione del segnale da numerico ad analogico.

====-2fT,/' -1/2T 1/2T


"-,
2fT f
;---.
\ \
(a)

-2fT -1/2T 1/2T 2fT

(b)

Figura 6.16 Costruzione degli spettri di ampiezza dei segnali z(t) (a) e Z,(t) (b) dell'Esempio
6.6

Se si utilizzasse direttamente, per l'operazione di conversione, un convertitore


D/A (e, quindi, un interpolatore a mantenimento) operante a 44.1 kHz, si verifi-
312 Capitolo 6

cherebbe la situazione rappresentata nella Figura 6.17a. Le immagini presenti


nello spettro del segnale audio numerico sarebbero molto vicine alle componenti
utili dello spettro e il filtro analogico anti-immagine HAf(f), presente necessa-
riamente all'uscita del D/A (si ricordi la Figura 5.22), dovrebbe avere una rispo-
sta in ampiezza con una transizione estremamente ripida nella banda
[B,l/T-B], cio 20 kHz-24.l kHz per ben cancellare le immagini. Sfortuna-
tamente, un filtro con queste caratteristiche di selettivit (ad esempio un filtro
passivo con molti poli) presenta anche una risposta in fase estremamente non
lineare non solo nella banda di transizione ma anche in un intervallo di fre-
quenze utili vicine 20 kHz. Questo comporterebbe un' apprezzabile disforsione di
fase del segnale e un' inaccettabile perdita di qualit per l'ascoltatore.
Usando un circuito di sovracampionamento e interpolazione numerica (fattori
tipici di sovracampionamento sono M =4 o 8) si possono invece gi allonta-
nare (reiettare) le prime immagini con l'interpolazione digitale, come illustrato
nella Figura 6.17b. Il filtraggio anti-immagine analogico quindi molto
semplificato, nel senso. che la zona di transizione dalla banda utile alla banda
soppressa nella risposta in ampiezza del filtro molto pi ampia e le distorsioni
di fase sono molto pi limitate. Inoltre, la distorsione di ampiezza dovuta al
convertitore D/A pure ridotta, secondo il meccanismo visto nell'Esempio 6.6.
O

6.2.2 Decimazione o sottocampionamento


L'operazione duale del sovracampionamento la decimazione rappresentata in
Figura 6.l8a-b. La sequenza in uscita y[m] al decimatore stavolta
caratterizzata da una frequenza di campionamento f; = l/T' = fc / M ed
ottenuta dalla sequenza di ingresso x[n], a frequenza fc = l/T, come segue:
I y[m] = x[M. m] (6.2.8)

In pratica, si seleziona un campione di x[n] ogni M (si "decimano" i campioni),


Il e necessariamente si aumenta di un fattore M l'intervallo di campionamento:
I T' = MT.
I

La trasformata Y(f) della sequenza decimata sar dunque


I
+00 +00

Y(f) = Ly[m] e-j2m1JjT'


= Lx[Mm]
IlJ;:;-CQ
e-j2m1JjMT (6.2.9)
Sistemi monodimensionali a tempo discreto 313

1.8

1.6 fc=44.1 kHz

1.4
X(f)
1.2
I HAI(f)I
"'.~-\
I::: 1.0 '-', \
S 0.8 \. ,
.....
<X ""-
0.6 i\
l''''

I \.
0.4
:,I
"\
...
0.2 I .
I
0.0

-0.2
-100 -80 -60 -40 -20 o 20 40 60 80 100

Frequenza (kHz) (a)

1B

1 M=4, fc'=176.4 kHz

1.4 Y(f)

12
I HAI'(f)I
1
I::: , - -- ::"~"~I
''''''::':::-
""" - \\ I sinc(fT') I
SM
<X
Q6

Q4
./i

"""",,"""':,
l..>..""""""'" I
; "'''"