Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
𝑥(𝑡) = 𝐴0 + 2 ∑ 𝐴𝑘 cos(2𝜋𝑘𝑓0 𝑡 + 𝜙𝑘 )
𝑘=1
2. Lo sviluppo in serie di Fourier in forma complessa, senza dubbio la più usata:
1 𝑇0 /2
∞ 𝑋0 = 𝑥𝑚 = ∫ 𝑥(𝑡) 𝑑𝑡
𝑇0 −𝑇0 /2
𝒿2𝜋𝑘𝑓 𝑡
𝑥(𝑡) = ∑ 𝑋𝑘 𝑒 0 →
1 𝑇0 /2
𝑘=−∞ 𝑋𝑘 = ∫ 𝑥(𝑡) 𝑒 −𝒿2𝜋𝑘𝑓0𝑡 𝑑𝑡
{ 𝑇 0 −𝑇0 /2
3. Lo sviluppo in serie di Fourier in forma rettangolare:
1 𝑇0 /2
∞ 𝑎𝑘 = ℝe{𝑋𝑘 } = ∫ 𝑥(𝑡) cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇0 −𝑇0 /2
𝑥(𝑡) = 𝑎0 + 2 ∑[𝑎𝑘 cos(2𝜋𝑘𝑓0 𝑡) + 𝑏𝑘 sin(2𝜋𝑘𝑓0 𝑡)] →
1 𝑇0 /2
𝑘=1 𝑏𝑘 = 𝕀m{𝑋𝑘 } = ∫ 𝑥(𝑡) sin(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
{ 𝑇0 −𝑇0 /2
In particolare le ultime due rappresentazioni sono le più usate. Grazie a questi calcoli integrali è
possibile dunque scrivere l’espressione esatta delle componenti di un segnale originario come somme
di una costante e di una serie il cui 𝑘 −esimo termine abbia una certa ampiezza e una certa fase.
Esistono inoltre alcune particolari simmetrie che semplificano la formulazione degli integrali relativi al
calcolo dei coefficienti di Fourier:
1. Per un segnale dotato di simmetria pari, e cioè 𝑥(𝑡) = 𝑥(−𝑡), i coefficienti di Fourier sono
proporzionali ad una oscillazione cosinusoidale del tipo:
2 𝑇0 /2
𝑋𝑘 = ∫ 𝑥(𝑡) cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇0 −𝑇0 /2
2. Per un segnale dotato di simmetria dispari, e cioè 𝑥(𝑡) = −𝑥(−𝑡), la serie di Fourier può essere
espressa come una serie di soli seni e i coefficienti di Fourier si ricavano come:
2𝒿 𝑇0 /2
𝑋𝑘 = − ∫ 𝑥(𝑡) sin(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇0 −𝑇0 /2
3. Per un segnale alternativo, vale a dire che verifica la relazione 𝑥(𝑡 + 𝑇0 /2) = −𝑥(𝑡), i coefficienti
di Fourier si calcolano seguendo la formula:
0 per 𝑘 pari
𝑇0 /2
{2
∫ 𝑥(𝑡) 𝑒 −𝒿2𝜋𝑘𝑓0 𝑡 𝑑𝑡 per 𝑘 dispari
𝑇0 0
I coefficienti di Fourier godono infine di due importanti proprietà che elenchiamo qua sotto:
1. Simmetria Hermitiana:
|𝑋𝑘 | = |𝑋−𝑘 |
{
𝜙(𝑋𝑘 ) = −𝜙(𝑋−𝑘 )
2. Linearità, in quanto un segnale 𝑧(𝑡) = 𝑎𝑥(𝑡) + 𝑏𝑦(𝑡) ammette coefficienti di Fourier:
𝑍𝑘 = 𝑎𝑋𝑘 + 𝑏𝑌𝑘
Ricapitolando, ogni segnale che soddisfi il criterio di Dirichlet può essere rappresentato con lo sviluppo
in serie di Fourier, dove le due equazioni regine risultano essere:
∞
1 𝑇0 /2
𝑥(𝑡) = ∑ 𝑋𝑘 𝑒 𝒿2𝜋𝑘𝑓0𝑡 𝑋𝑘 = ∫ 𝑥(𝑡) 𝑒 −𝒿2𝜋𝑘𝑓0 𝑡 𝑑𝑡
𝑇0 −𝑇0 /2
𝑘=−∞
In particolare, la seconda delle due è un’equazione di analisi, che permette cioè di stabilire quale sia il
contenuto in termini di oscillazioni armoniche del segnale, mentre la prima delle due è un’equazione di
sintesi, che permette cioè una volta note le ampiezze e fasi delle varie armoniche, di ricostruire il segnale
dato a partire proprio dalle componenti frequenziali. Condizione necessaria alla convergenza della serie
è che l’ampiezza |𝑋𝑘 | delle armoniche tenda a zero quando 𝑘 tenda all’infinito. Questo ha come
conseguenza il fatto che le armoniche più significative ai fini della sintesi del segnale sono in numero
limitato e, in pratica, la serie può essere sostituita da una sommatoria di un numero finito di termini. La
relazione tra sintesi e analisi ci permette di stabilire una corrispondenza:
𝑥(𝑡) ↔ 𝑋𝑘
Dunque la conoscenza dell’andamento del segnale in ambito temporale 𝑥(𝑡) è assolutamente
equivalente alla conoscenza della successione dei coefficienti di Fourier 𝑋𝑘 in ambito frequenziale. La
sequenza 𝑋𝑘 rimane comunque complessa, e per analizzarla risulta necessario tracciare sia lo spettro di
fase che lo spettro di ampiezza, entrambi in funzione dell’ordine 𝑘 del coefficiente. Gli spettri di
ampiezza e di fase sono a righe, cioè discreti, in quanto sono definiti solo in corrispondenza delle
frequenze armoniche, che formano appunto una successione discreta. Quando si fa l’analisi di un segnale
periodico elementare si dispongono di alcuni strumenti importanti, che menzioniamo qua sotto:
1. Un oscillatore, o generatore di forme d’onda elementari, che possono essere l’onda sinusoidale,
l’onda quadra, l’onda triangolare o l’onda a dente di sega;
2. Un oscilloscopio, cioè un dispositivo in grado di riprodurre in un grafico la curva dell’oscillazione
periodica in rapporto all’asse dei tempi;
3. Un analizzatore di spettro, ovvero un dispositivo incaricato di eseguire l’analisi di Fourier di un
segnale e di riprodurre su un diagramma l’ampiezza del modulo dei coefficienti di Fourier in
relazione ad una certa armonica o frequenza.
Vediamo d’ora in poi come calcolare i coefficienti di Fourier per alcuni segnali elementari.
Introduciamo il grafico della funzione 𝐫𝐞𝐜𝐭(𝜶), che viene definita come:
1 |𝛼 | < 1/2
rect(𝛼) = { 1/2 |𝛼 | = 1/2
0 |𝛼 | > 1/2
Che ha grafico:
Sfruttiamo il fatto che il segnale ha simmetria dispari, dunque usiamo la formula per il calcolo dei
coefficienti di Fourier:
𝑇0 𝑇0
2𝒿 2 2𝒿 0 2𝒿 2
𝑋𝑘 = − ∫ 𝑥(𝑡) sin(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 = − ∫ 𝑎 sin(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 − ∫ 𝑎 sin(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇0 − 0
𝑇 𝑇0 − 0
𝑇 𝑇0 0
2 2
Da cui svolgiamo l’integrale del seno:
𝑇0
2𝑎𝒿 1 2𝑎𝒿 1
𝑋𝑘 = − (− ) [cos 2𝜋𝑘𝑓0 𝑡]0 𝑇0 − (− ) [cos 2𝜋𝑘𝑓0 𝑡]02
𝑇0 2𝜋𝑘𝑓0 −2 𝑇0 2𝜋𝑘𝑓0
Che diventa:
𝑎𝒿 𝑎𝒿 2𝑎𝒿 2𝑎
𝑋𝑘 = − (cos 0 − cos 𝜋𝑘) − (cos 𝜋𝑘 − cos 0) = − =
𝜋𝑘 𝜋𝑘 𝜋𝑘 𝒿𝜋𝑘
Proviamo a visualizzare un’onda quadra fatta in tal modo. Nel nostro generatore di forme d’onda
selezioniamo una forma d’onda di tipo “square wave” e impostiamo una frequenza a piacere:
In cui si vede che è possibile, per altro, variare il fattore di scala, l’ampiezza (il parametro 𝑎 che abbiamo
utilizzato per i calcoli), la forma d’onda, il duty-cycle (impostato qui al 50%) e la componente continua
DC offset, che chiameremo in seguito anche valore medio. In particolare, quello che andiamo a regolare
quando variamo la manopola del DC-offset non è altro che:
1 𝑇0 /2
𝑥𝑚 = DC − offset = ∫ 𝑥(𝑡) 𝑑𝑡
𝑇0 −𝑇0 /2
Apriamo dunque l’oscilloscopio per visualizzare la nostra onda quadra, e vediamo apparirci una
schermata del tipo:
In cui sono presenti varie funzioni per stabilizzare il segnale (trigger), alcuni pin per selezionare il canale
di provenienza della forma d’onda e alcuni fattori di scala, ad esempio il comando “sec/div”, che ci
fornisce il numero di divisioni per secondo. In particolare, variando questa regolazione, ad esempio
raddoppiandola, visualizzeremo una scala temporale rimasta immutata ma un numero di intervalli
raddoppiato, il che porta a vedere:
La forma d’onda visualizzata non è altro che la stessa che abbiamo analizzato poco sopra nel suo grafico.
Abbiamo però anche ricavato la corrispondenza che associa all’onda quadra asimmetrica l’espressione
per i coefficienti di Fourier:
2𝑎
𝑋𝑘 =
𝒿𝜋𝑘
Che dipende dal parametro 𝑘 in maniera inversamente proporzionale. Vediamo come visualizzarla sul
video. Colleghiamo l’analizzatore di spettro al canale di uscita del generatore di forma d’onda e vediamo
che ci apparirà una finestra del tipo:
Che rappresenta l’analisi di Fourier per il segnale che abbiamo studiato prima. Ogni picco ha una certa
ampiezza che decresce con l’inverso dell’armonica mano a mano che aumenta il parametro 𝑘.
Studiamo ora i coefficienti di Fourier per un’onda triangolare fatta come in figura:
Introduciamo la formula semplificata per il calcolo dei coefficienti di Fourier, dato che si tratta di una
funzione pari. Dunque scriviamo:
2 𝑇0 /2 2 𝑇0 /2 4𝑡
𝑋𝑘 = ∫ 𝑥(𝑡) cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 = ∫ 𝑎 (1 − ) cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇0 −𝑇0 /2 𝑇0 0 𝑇0
Dunque svolgiamo l’integrale. Avremo:
2𝑎 𝑇0 /2 2𝑎 𝑇0 /2 4𝑡
𝑋𝑘 = ∫ cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 + ∫ − cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇0 0
⏟ 𝑇0 0 𝑇0
0
Il secondo integrale si fa per parti:
𝑇0
𝑇0
8𝑎 2 2𝐴
𝑋𝑘 = − 2 [𝑡sin
⏟ 2𝑘𝜋𝑓0 𝑡]02 + ∫ cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 = 2 2 [1 − (−1)𝑘 ]
𝑇0 0 𝜋 𝑘
0
Dunque si vede che la corrispondenza dello sviluppo di Fourier all’onda triangolare è:
2𝐴
𝑋𝑘 = 2 2 [1 − (−1)𝑘 ]
𝜋 𝑘
Visualizziamo sull’oscilloscopio la forma d’onda relativa all’onda triangolare, periodica e a tempo
continuo. Per rappresentarla centrata con il picco sull’asse delle ordinate, accendiamo il bottone
“delayed base time” e impostiamo la regolazione dello sfasamento di un quarto di periodo verso destra:
A questo punto accendiamo l’analizzatore di spettro e visualizziamo i coefficienti di Fourier in funzione
della frequenza:
Si nota che il grafico dell’analisi dello spettro dell’onda triangolare decresce molto più velocemente
rispetto al segnale dell’onda quadra. In effetti, avevamo già visto che i coefficienti dell’onda quadra e
dell’onda triangolare erano:
quad 2𝑎 1 2𝐴 1
𝑋𝑘 = ∝ 𝑋𝑘tria = 2 2 [1 − (−1)𝑘 ] ∝ 2
𝒿𝜋𝑘 𝑘 𝜋 𝑘 𝑘
Questo accade perché l’onda quadra è una funzione che presenta alcune marcate discontinuità di prima
specie, ovvero ha bisogno di alte frequenze nello spettro del segnale, mentre l’onda triangolare, che non
ha discontinuità di questo tipo e che presenta maggiori “sicurezze” in termine di derivabilità (i punti
angolosi sono pur sempre più “trattabili” dei punti a derivata infinita), ha componenti frequenziali più
basse necessarie a descrivere il segnale di partenza.
Analisi di Fourier per segnali aperiodici a tempo continuo
Molti segnali che si osservano nei fenomeni naturali, a differenza di quelli analizzati sopra, non sono
periodici. Possiamo comunque introdurre l’analisi di Fourier anche a questa grande categoria di segnali,
ricorrendo ad una strategia particolare: partiamo, in pratica, dallo studio di un segnale periodico, e lo
rendiamo periodico operando un passaggio al limite e cioè facendo tendere il periodo all’infinito e
compattando enormemente la frequenza. Per far questo, partiamo allora dalle nozioni a noi già chiare.
Un segnale periodico ha come equazione di sintesi:
∞ 𝑇0 /2
𝑥𝑃 = ∑ 𝑋𝑘 𝑒 𝒿2𝜋𝑘𝑓0 𝑡 dove 𝑋𝑘 = ∫ 𝑥𝑃 (𝑡)𝑒 −𝒿2𝜋𝑘𝑓0 𝑡 𝑑𝑡
𝑘=−∞ −𝑇0 /2
Stando a quanto detto poco sopra, ricostruiremo il segnale aperiodico operando un passaggio al limite:
𝑥(𝑡) = lim 𝑥𝑃 (𝑡)
𝑇→∞
Osserviamo subito che aumentando il periodo 𝑇0 di ripetizione si riduce la frequenza fondamentale 𝑓0 e
quindi si riduce la differenza tra due frequenze armoniche consecutive. Ciò determinerà sicuramente un
infittimento dello spettro del segnale e inoltre l’ampiezza dei coefficienti tenderà a ridursi mano a mano
che il periodo cresce. Per ovviare a quest’ultimo problema, introduciamo un coefficiente di Fourier
modificato, definito come:
𝑋(𝑘𝑓0 ) = 𝑇0 𝑋𝑘
Allora, l’espansione in serie di Fourier del segnale 𝑥𝑃 sarà:
∞
𝑥𝑃 = ∑ 𝑋(𝑘𝑓0 )𝑒 𝒿2𝜋𝑘𝑓0 𝑡 ∙ 𝑓0
𝑘=−∞
A questo punto eseguiamo il limite che avevamo in mente sopra per ottenere la nuova equazione di
sintesi per un segnale aperiodico a tempo continuo:
∞
𝑢[𝑛] = ∑ 𝛿[𝑖]
𝑖=−∞
E che, dualmente, la funzione 𝛿 risulta essere la differenza all’indietro del prim’ordine (analogo
della derivata nel dominio del discreto) della sequenza gradino:
𝛿[𝑛] = 𝑢[𝑛] − 𝑢[𝑛 − 1]
4. La sequenza impulso rettangolare causale di durata 𝑁:
𝑥[𝑛] = 𝑢[𝑛] − 𝑢[𝑁 − 1]
5. L’oscillazione complessa alla frequenza normalizzata 𝐹0 :
𝑥[𝑛] = 𝑒 𝒿2𝜋𝐹0𝑛
Occupiamoci ora di trovare un’espressione che ci permetta di rappresentare una sequenza anche nel
domino delle frequenze: vogliamo cioè cercare l’analogo delle equazioni di sintesi e di analisi di Fourier
per segnali a tempo continuo, adattate ora per segnali a tempo discreto. La rappresentazione di una
sequenza aperiodica 𝑥[𝑛] in campo frequenziale analoga alla trasformata continua di Fourier per un
segnale analogico aperiodico è la trasformata di Fourier della sequenza 𝑥[𝑛] e cioè:
∞
∑ |𝑥[𝑛]| < +∞
𝑛=−∞
Se questa condizione risulta verificata, allora è sempre valida la corrispondenza per segnali discreti
aperiodici:
1/2𝑇 ∞
𝑘=0
In cui la sequenza dei coefficienti discreti di Fourier è comunemente chiamata trasformata discreta di
Fourier della sequenza periodica ed è:
𝑁0 −1
1 𝒿2𝜋𝑘𝑛
−
𝑋𝑘 = ∑ 𝑥[𝑛]𝑒 𝑁0
𝑁0
𝑛=0
Dunque avremo la corrispondenza:
𝑁0 −1 𝑁0 −1
𝒿2𝜋𝑘𝑛 1 𝒿2𝜋𝑘𝑛
−
𝑥[𝑛] = ∑ 𝑋𝑘 𝑒 𝑁0 ↔ 𝑋𝑘 = ∑ 𝑥[𝑛]𝑒 𝑁0
𝑁0
𝑘=0 𝑛=0
Differentemente dai segnali periodici a tempo continuo, la cui rappresentazione mediante serie di
Fourier comporta una somma infinita di termini, nel caso di sequenze periodiche, invece, la
rappresentazione mediante antitrasformata discreta consiste in una somma con un numero finito di
addendi. In effetti, la trasformata di una sequenza 𝑥[𝑛] periodica di periodo 𝑁0 è anch’essa periodica col
medesimo periodo:
𝑋𝑘 = 𝑋𝑘+𝑁0
Una differenza tra l’antitrasformata continua e l’antitrasformata discreta per segnali periodici, invece,
sta nel fatto che per segnali continui l’integrale per ricavare il coefficiente di Fourier si calcola
nell’intervallo simmetrico [−𝑇0 /2, 𝑇0 /2], mentre la trasformata discreta viene calcolata su di un
intervallo asimmetrico [0, 𝑁0 − 1]. La spiegazione consiste nel fatto che quando 𝑁0 è un numero dispari
è facile ricondursi ad un intervallo simmetrico, cosa che non è possibile quando 𝑁0 è pari, allora si
preferisce adottare la notazione sintetica asimmetrica. Vediamo alcuni teoremi:
1. Teorema del prodotto:
La trasformata del prodotto tra due sequenze 𝑥[𝑛] e 𝑦[𝑛] è la convoluzione delle trasformate
moltiplicata per il periodo 𝑁0 :
𝑝[𝑛] = 𝑥[𝑛]𝑦[𝑛] ↔ 𝑁0 ∙ 𝑋𝑘 ⊗ 𝑋𝑘
2. Teorema della convoluzione:
La trasformata della convoluzione tra due sequenze periodiche 𝑥[𝑛] e 𝑦[𝑛] è il prodotto delle
trasformate:
𝑥[𝑛] ⊗ 𝑦[𝑛] ↔ 𝑋𝑘 ∙ 𝑌𝑘
Possiamo inoltre periodicizzare una sequenza aperiodica mediante l’introduzione dei coefficienti:
1 1 𝑘
𝑌𝑘 = [ 𝑋(𝑓)] = 𝑋( )
𝑁0 𝑓=
𝑘 𝑁0 𝑁0 𝑇
𝑁0 𝑇
E dunque, la periodicizzazione di un segnale discreto aperiodico comporta la:
𝑁0 −1
1 𝑘 𝒿2𝜋𝑘𝑛
𝑥[𝑛] = ∑ 𝑋( ) 𝑒 𝑁0
𝑁0 𝑁0 𝑇
𝑘=0
Ottenuta cioè calcolando la trasformata di Fourier per segnali aperiodici calcolata su multipli del
prodotto tra il periodo di campionamento e il periodo di ripetizione della sequenza.
Riassunto delle caratteristiche delle trasformate di Fourier
Ogniqualvolta il segnale è periodico nel tempo, esso possiede uno spettro discreto. Allo stesso modo, se
il segnale è discreto nel tempo, il suo spettro sarà periodico, inoltre in ognuna di queste corrispondenza
per segnali periodici si nota che l’equazione di sintesi non è altro che l’espansione in serie dei coefficienti
di Fourier mentre per segnali aperiodici l’equazione di sintesi è l’integrale simmetrico ancora una volta
dei coefficienti di Fourier. Richiamiamo qui sotto tutte le formule incontrate finora:
1. Segnali periodici a tempo continuo:
∞
1 𝑇0 /2
𝑥(𝑡) = ∑ 𝑋𝑘 𝑒 𝒿2𝜋𝑘𝑓0𝑡 𝑋𝑘 = ∫ 𝑥(𝑡) 𝑒 −𝒿2𝜋𝑘𝑓0 𝑡 𝑑𝑡
𝑇0 −𝑇0 /2
𝑘=−∞
Il tempo è continuo e lo spettro è discreto, fatto a righe in corrispondenza delle frequenze
multiple di quella fondamentale 𝑓0 ;
2. Segnali aperiodici a tempo continuo:
∞ ∞
𝑥(𝑡) = ∫ 𝑋(𝑓)𝑒 𝒿2𝜋𝑓𝑡 𝑑𝑓 𝑋(𝑓) = ∫ 𝑥(𝑡)𝑒 −𝒿2𝜋𝑓𝑡 𝑑𝑡
−∞ −∞
Il tempo è continuo e lo spettro è continuo: c’è bisogno di tutte le frequenze per caratterizzare il
segnale 𝑥(𝑡);
3. Segnali periodici a tempo discreto:
𝑁0 −1 𝑁0 −1
𝒿2𝜋𝑘𝑛 1 𝒿2𝜋𝑘𝑛
−
𝑥[𝑛] = ∑ 𝑋𝑘 𝑒 𝑁0 𝑋𝑘 = ∑ 𝑥[𝑛]𝑒 𝑁0
𝑁0
𝑘=0 𝑛=0
Il tempo è discreto e lo spettro è discreto, fatto a righe in corrispondenza delle frequenze
multiple del prodotto tra il periodo di campionamento e il periodo di ripetizione della sequenza;
4. Segnali aperiodici a tempo discreto:
1/2𝑇 ∞
2. Filtri di Chebyshev: sono filtri causali che hanno un risposta in frequenza pari a:
1
|𝐻(𝑓)| =
√1 + 𝜀 2 𝐶𝑁2 (𝑓/𝑓𝑇 )
Che hanno lo svantaggio, rispetto ai filtri di Butterworth, di presentare oscillazioni in banda passante
dipendenti da 𝜀; le oscillazioni hanno tutte la stessa ampiezza e sono sempre contenute nell’intervallo
[1/√(1 + 𝜀 2 ), 1]indipendentemente dall’ordine del polinomio.
Variabili aleatorie
Come l’analisi matematica è lo strumento che descrive i fenomeni deterministici, la teoria della
probabilità è lo strumento matematico sviluppato per descrivere i fenomeni di carattere aleatorio. La
caratterizzazione completa di un esperimento aleatorio richiede sostanzialmente 3 elementi:
1. La descrizione del suo spazio campione Ω = {𝜔1 , … , 𝜔𝑁 } come l’insieme di tutti i possibili
risultati;
2. L’individuazione della sua classe degli eventi 𝑆, ovvero un insieme chiuso rispetto all’unione e
all’intersezione che contiene gli eventi di uno spazio campione;
3. La descrizione della sua legge di probabilità Pr(∙);
Secondo la teoria assiomatica formulata dal matematico Kolmogorov, una volta assegnato un
esperimento aleatorio con uno spazio campione Ω e la relativa classe degli eventi 𝑆, una legge di
probabilità Pr(∙) è semplicemente una corrispondenza che associa a ogni elemento di 𝑆, cioè ad ogni
evento di interesse, un numero reale che soddisfa i seguenti assiomi:
1. La probabilità di un evento arbitrario 𝐴 è non negativa:
Pr(𝐴) ≥ 0
2. Assioma di normalizzazione, secondo cui la probabilità dell’evento certo è unitaria:
Pr(Ω) = 1
3. Dati due eventi 𝐴 e 𝐵 mutuamente esclusivi o incompatibili o disgiunti (non si possono verificare
contemporaneamente), la probabilità dell’evento unione è data dalla somma delle probabilità di
𝐴 e 𝐵:
Pr(𝐴 ∪ 𝐵) = Pr(𝐴) + Pr(𝐵)
4. Dato un evento 𝐴, la probabilità dell’evento complementare è data dal complemento a 1:
Pr(𝐴) = 1 − Pr(𝐴)
5. L’insieme impossibile ha probabilità nulla di verificarsi;
6. La probabilità di un evento 𝐴 non può assumere un valore maggiore di 1:
0 ≤ Pr(𝐴) ≤ 1
7. Dati due eventi 𝐴 e 𝐵, la probabilità dell’evento unione è espressa come:
Pr(𝐴 ∪ 𝐵) = Pr(𝐴) + Pr(𝐵) − Pr(𝐵 ∩ 𝐴)
8. Data una coppia di eventi 𝐴 e 𝐵, con Pr(𝐵) ≠ 0, la probabilità di Pr(𝐴|𝐵) dell’evento 𝐴
condizionata dal verificarsi dell’evento 𝐵 è definita dalla relazione:
Pr(𝐵 ∩ 𝐴)
Pr(𝐴|𝐵) =
Pr(𝐵)
Pr(𝐴|𝐵), in pratica, è la probabilità che l’evento 𝐴 assume una volta che l’evento 𝐵 si è già
verificato;
9. Due eventi sono indipendenti se:
Pr(𝐴) = Pr(𝐴|𝐵) oppure Pr(𝐵 ∩ 𝐴) = Pr(𝐴) ∙ Pr(𝐵)
10. Teorema di Bayes:
Data la coppia di eventi 𝐴 e 𝐵, ciascuno avente probabilità non nulla. La probabilità condizionata
Pr(𝐴|𝐵) può essere ricavata come:
Pr(𝐵|𝐴) Pr(𝐴)
Pr(𝐴|𝐵) =
Pr(𝐵)
11. Teorema della probabilità totale:
𝑁
Data una coppia (𝑋, 𝑌) di variabili aleatorie, si definisce funzione distribuzione di probabilità congiunta:
𝐹𝑋𝑌 (𝑥, 𝑦) = Pr({𝑋 ≤ 𝑥, 𝑌 ≤ 𝑦})
Che descrive in modo completo il comportamento statistico congiunto delle due variabili. La funzione
𝐹𝑋𝑌 assume diverse proprietà, tra le quali:
1. Assume valori compresi tra 0 e 1:
0 ≤ 𝐹𝑋𝑌 (𝑥𝑦) ≤ 1
2. E’ monotona non decrescente e continua da destra in entrambe le variabili 𝑥, 𝑦;
3. Soddisfa le seguenti uguaglianze:
𝐹𝑋𝑌 (−∞, 𝑦) = Pr{𝑋 ≤ −∞, 𝑌 ≤ 𝑦} = 0
𝐹𝑋𝑌 (𝑥, −∞) = Pr{𝑋 ≤ 𝑥, 𝑌 ≤ −∞} = 0
4. Le distribuzioni marginali delle variabili aleatorie 𝑋, 𝑌 prese singolarmente si ricavano:
𝐹𝑌 (𝑦) = 𝐹𝑋𝑌 (+∞, 𝑦)
𝐹𝑋 (𝑥) = 𝐹𝑋𝑌 (𝑥, +∞)
5. Il limite della funzione all’infinito è unitario
6. La probabilità dell’evento rettangolare 𝑅 = {𝑥1 ≤ 𝑋 ≤ 𝑥2 , 𝑦1 ≤ 𝑌 ≤ 𝑦2 } si ricava:
Pr{𝑥1 ≤ 𝑋 ≤ 𝑥2 , 𝑦1 ≤ 𝑌 ≤ 𝑦2 } = 𝐹𝑋𝑌 (𝑥2 , 𝑦2 ) − 𝐹𝑋𝑌 (𝑥1 , 𝑦2 ) − 𝐹𝑋𝑌 (𝑥2 , 𝑦1 ) + 𝐹𝑋𝑌 (𝑥1 , 𝑦1 )
La funzione densità di probabilità congiunta invece:
1. Assume valori non negativi:
𝑓𝑋𝑌 (𝑥, 𝑦) ≥ 0
2. Essa integra a 1 su tutto il piano:
∞ ∞
∫ ∫ 𝑓𝑋𝑌 (𝑥, 𝑦) 𝑑𝑥𝑑𝑦 = 1
−∞ −∞
3. Le densità marginali si ricavano come:
∞
𝑓𝑋 (𝑥) = ∫ 𝑓𝑋𝑌 (𝑥, 𝑦) 𝑑𝑦
−∞
∞
𝑓𝑌 (𝑦) = ∫ 𝑓𝑋𝑌 (𝑥, 𝑦) 𝑑𝑥
−∞
4. La probabilità di un evento 𝐴 = {(𝑋; 𝑌) ∈ 𝐷} individuato da un dominio 𝐷 nel piano cartesiano
(𝑥, 𝑦) è data da:
Sfruttiamo il fatto che il segnale ha simmetria dispari, dunque usiamo la formula per il calcolo dei
coefficienti di Fourier:
𝑇0 𝑇0
2𝒿 2 2𝒿 0 2𝒿 2
𝑋𝑘 = − ∫ 𝑥(𝑡) sin(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 = − ∫ 𝑎 sin(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 − ∫ 𝑎 sin(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇0 − 0
𝑇 𝑇0 − 0
𝑇 𝑇0 0
2 2
Da cui svolgiamo l’integrale del seno:
𝑇0
2𝑎𝒿 1 2𝑎𝒿 1
𝑋𝑘 = − (− ) [cos 2𝜋𝑘𝑓0 𝑡]0 𝑇0 − (− ) [cos 2𝜋𝑘𝑓0 𝑡]02
𝑇0 2𝜋𝑘𝑓0 −2 𝑇0 2𝜋𝑘𝑓0
Che diventa:
𝑎𝒿 𝑎𝒿 2𝑎𝒿 2𝑎
𝑋𝑘 = − (cos 0 − cos 𝜋𝑘) − (cos 𝜋𝑘 − cos 0) = − =
𝜋𝑘 𝜋𝑘 𝜋𝑘 𝒿𝜋𝑘
Studiamo ora i coefficienti di Fourier per un’onda triangolare fatta come in figura:
Introduciamo la formula semplificata per il calcolo dei coefficienti di Fourier, dato che si tratta di una
funzione pari. Dunque scriviamo:
2 𝑇0 /2 2 𝑇0 /2 4𝑡
𝑋𝑘 = ∫ 𝑥(𝑡) cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 = ∫ 𝑎 (1 − ) cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇0 −𝑇0 /2 𝑇0 0 𝑇0
Dunque svolgiamo l’integrale. Avremo:
2𝑎 𝑇0 /2 2𝑎 𝑇0 /2 4𝑡
𝑋𝑘 = ∫ cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 + ∫ − cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇0 0
⏟ 𝑇0 0 𝑇0
0
Il secondo integrale si fa per parti:
𝑇0
𝑇0
8𝑎 2 2𝐴
𝑋𝑘 = − 2 [𝑡sin
⏟ 2𝑘𝜋𝑓0 𝑡]02 + ∫ cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 = 2 2 [1 − (−1)𝑘 ]
𝑇0 0 𝜋 𝑘
0
Dunque si vede che la corrispondenza dello sviluppo di Fourier all’onda triangolare è:
2𝐴
𝑋𝑘 = 2 2 [1 − (−1)𝑘 ]
𝜋 𝑘
Studiamo ora i coefficienti di Fourier per un’onda cosinusoidale:
𝑥(𝑡) = 𝐴 cos(2𝜋𝑓0 𝑡)
Si nota che l’unico valore per cui il coefficiente di Fourier non risulta nullo è quello con 𝑘 = 1. Dunque
nello spettro di fase avremo un’unica armonica, posizionata sulla scala delle frequenze al valore 𝑓0 :
Vediamo che con 5 armoniche la definizione del contorno dell’onda non è precisa, e inoltre i problemi
più importanti si riscontrano proprio nei punti di discontinuità a salto. Per l’onda triangolare, avendo
scoperto che le armoniche più significative sono in numero minore, ci aspettiamo che la sommatoria:
∞ ∞
2𝐴
𝑥(𝑡) = ∑ 𝑋𝐾 𝑒 𝒿2𝜋𝑘𝑓0 𝑡 = ∑ [1 − (−1)𝑘 ]𝑒 𝒿2𝜋𝑘𝑓0 𝑡
𝜋 2𝑘 2
𝑘=−∞ 𝑘=−∞
Riesca a descrivere in maniera migliore il comportamento della nostra onda triangolare. In effetti:
Con 4 armoniche il contorno è già molto ben delineato, anche se lo scarto maggiore si trova nel punto di
non derivabilità. Un ‘onda sinusoidale, invece, ha bisogno di una sola armonica per essere riprodotta.
Proviamo adesso a calcolare l’energia del segnale periodico oscillazione cosinusoidale. Per definizione:
+∞ 𝑇0 /2
𝐸𝑋 = ∫ |𝑥(𝑡)|2 𝑑𝑡 = ∫ 𝐴2 cos 2 (2𝜋𝑓0 𝑡) 𝑑𝑡
−∞ −𝑇0 /2
Usando le formule trigonometriche, riscriviamo l’integrale come:
𝐴2 𝑇0 /2 𝐴2 𝑇0/2 𝐴2 𝑇0 /2
𝐸𝑋 = ∫ 1 + cos(4𝜋𝑓0 𝑡) 𝑑𝑡 = ∫ 𝑑𝑡 + ∫ cos(4𝜋𝑓0 𝑡) 𝑑𝑡
2 −𝑇0 /2 2 −𝑇0 /2 2 −𝑇0 /2
Che diventa:
𝐴2 𝐴2 𝑇0 𝐴2 𝑇0
𝐸𝑋 = 𝑇0 + [sin 2𝜋 − sin(−2𝜋)] =
2 2 4𝜋 2
Verifichiamo che lo stesso risultato sarebbe stato ottenibile applicando il teorema di Parseval, che ci
permette di esprimere un parallelismo tra l’energia di un segnale nel dominio nel tempo e la
corrispondente trasformata di Fourier nel dominio della frequenza. Dunque, il teorema di Parseval si
può enunciare in questo modo:
+∞ ∞
∫ |𝑥(𝑡)|2 𝑑𝑡 = ∫ |𝑋(𝑓)|2 𝑑𝑓
−∞ −∞
Calcoliamo i coefficienti di Fourier per alcuni segnali aperiodici a tempo continuo significativi. Iniziamo
dall’onda rettangolare:
𝑡
𝑥(𝑡) = rect ( )
𝑇
Calcoliamo la trasformata di Fourier ricorrendo alla formula integrale:
∞ 𝑇/2 𝑇/2
𝑒 −𝒿2𝜋𝑓𝑡 sin(𝜋𝑓𝑇)
𝑋(𝑓) = ∫ 𝑥(𝑡)𝑒 −𝒿2𝜋𝑓𝑡 𝑑𝑡 = ∫ 𝑒 −𝒿2𝜋𝑓𝑡 𝑑𝑡 = [ ] = = 𝑇sinc(𝑓𝑇)
−∞ −𝑇/2 −𝒿2𝜋𝑓 𝑇/2 𝜋𝑓
Per cui abbiamo appena trovato la corrispondenza:
𝑡
rect ( ) ↔ 𝑇sinc(𝑓𝑇)
𝑇
Per l’esponenziale monolatero avremo invece:
𝑡
𝑥(𝑡) = 𝑢(𝑡)𝑒 −𝑇
In cui i coefficienti di Fourier si calcolano come:
1 ∞
∞ ∞ −𝑡( +𝒿2𝜋𝑓)
𝑡 𝒿2𝜋𝑡 𝑒 𝑇 𝑇
𝑋(𝑓) = ∫ 𝑥(𝑡)𝑒 −𝒿2𝜋𝑓𝑡 𝑑𝑡 = ∫ 𝑒 −𝑇 𝑒 − 𝑇 𝑑𝑡 = − [ ] =
−∞ 0 1/𝑇 + 𝒿2𝜋𝑓 1 + 𝒿2𝜋𝑓𝑇
0
Dunque la corrispondenza che abbiamo trovato è:
𝑡 𝑇
𝑒 −𝑇 ↔
1 + 𝒿2𝜋𝑓𝑇
Rappresentiamo in un diagramma il modulo e la fase dei coefficienti della trasformata continua di
Fourier. Ricaviamo innanzitutto il modulo del nostro risultato:
𝑇 1 − 𝒿2𝜋𝑓𝑇 𝑇 − 𝒿2𝜋𝑓𝑇 2 𝑇
𝑋(𝑓) = = 2 → |𝑋(𝑓)| =
1 + 𝒿2𝜋𝑓𝑇 1 − 𝒿2𝜋𝑓𝑇 1 + (2𝜋𝑓𝑇) √1 + (2𝜋𝑓𝑇)2
Mentre la fase sarà:
𝜙(𝑓) = arctan(2𝜋𝑓𝑇)
Che hanno grafico:
Si vede dunque che per 𝑡 < 0 (traslando verso sinistra la funzione blu) le due funzioni non si incontrano
e dunque la convoluzione è nulla. Per 𝑡 > 0, invece, la convoluzione si può ricavare:
+∞ 𝑡 𝛼 𝑡−𝛼 𝑡 𝑡 𝑡
𝑥(𝑡) = 𝑠(𝑡) ⊗ 𝑠(𝑡) = ∫ 𝑠(𝛼)𝑠(𝑡 − 𝛼)𝑑𝛼 = ∫ 𝑒 −𝑇 𝑒 − 𝑇 𝑑𝑡 = 𝑒 −𝑇 ∫ 𝑑𝛼 = 𝑡𝑒 −𝑇
−∞ 0 0
L’introduzione delle funzioni generalizzate permette di calcolare la trasformata di Fourier di un segnale
a energia infinita come il segnale costante: abbiamo dunque raggiunto gli obiettivi che ci eravamo posti
all’inizio del capitolo. Un’altra trasformata notevole, imparentata con una funzione generalizzata, è
quella relativa all’iperbole 𝟏/𝒕, in effetti, applicando i coefficienti di Fourier avremo:
∞ −𝒿2𝜋𝑓𝑡 ∞
𝑒 cos(2𝜋𝑓) − 𝒿 sin(2𝜋𝑓𝑡)
𝑋(𝑓) = ∫ 𝑑𝑡 = ∫ 𝑑𝑡
−∞ 𝑡 −∞ 𝑡
Dove assumiamo nullo l’integrale del coseno perché è dispari e integrando in un intervallo simmetrico
infinito, prendendo cioè il VPC (valore principale di Cauchy) si ha un risultato nullo. Allora avremo:
∞
𝑋(𝑓) = −𝒿2𝜋𝑓 ∫ sinc(2𝑓𝑇) 𝑑𝑡
−∞
A questo punto sfruttiamo la proprietà:
∞
∫ 𝑥(𝑡) 𝑑𝑡 = 𝑋(0)
−∞
Dunque ricordiamo che:
𝑓
𝑇sinc(𝑡𝑇) ↔ rect ( )
𝑇
Da cui usando anche il teorema di cambiamento di scala otteniamo che la trasformata della nostra
funzione integranda è:
1 𝜈
sinc(2𝑓𝑡) ↔ rect ( )
2|𝑓 | 2𝑓
Quindi avremo:
∞
1 𝜈 1
∫ sinc(2𝑓𝑇) 𝑑𝑡 = [ rect ( )] =
−∞ 2|𝑓 | 2𝑓 𝜈=0 2|𝑓 |
E allora i coefficienti di Fourier dell’iperbole saranno:
𝑗2𝜋𝑓
𝑋(𝑓) = − = −𝒿𝜋 sgn(𝑓)
2|𝑓 |
Dunque abbiamo imparato la corrispondenza:
1
↔ 𝒿𝜋 sgn(𝑓)
𝑡
Per cui, usando il teorema di dualità, otteniamo:
1 1
↔ 𝒿𝜋 sgn(𝑓) sgn(𝑡) ↔
𝑡 𝒿𝜋𝑓
Allora, definendo la funzione gradino unitario come:
1 1
𝑢(𝑡) = sgn(𝑡) +
2 2
In effetti:
E quella in fase:
𝑓
𝜙(𝑓) = − arctan ( )
2𝜋𝑅𝐶
Considerando che 𝐻(0) = 1, calcoliamo la risposta in frequenza in decibel:
|𝐻(𝑓)|2 1
|𝐻(𝑓)|𝑑𝐵 = 10 log10 = 10 log10 [ 2]
|𝐻(0)|2 1+ (𝑓/2𝜋𝑅𝐶)
Antitrasformando la risposta in ampiezza si avrà la risposta impulsiva. Dato che:
𝑡 𝑇
𝑒 −𝑇 ↔ allora
1 + 𝒿2𝜋𝑓𝑇
Allora:
1 −𝑡
𝑥(𝑡) = 𝑒 𝑅𝐶 𝑢(𝑡)
𝑅𝐶
2. La squadra CR: