FORMULARIO TEORIA ED ELABORAZIONE DEI SEGNALI

Energia & Potenza

1 𝑎
Potenza media 𝑃(𝑥) = lim ∫ |𝑥(𝑡)|2 𝑑𝑡
𝑎→∞ 2𝑎 −𝑎
+∞
Energia di un segnale 𝐸(𝑥) = ∫−∞ |𝑥(𝑡)|2 𝑑𝑡
𝐴2
Potenza media per sinusoide (dove A è il valor massimo del segnale)
2

Segnali e vettori
2
Norma ed energia 𝐸(𝑥) = ||𝑥||
+∞
Prodotto scalare < 𝒙, 𝒚 >= ∫−∞ 𝑥(𝑡)𝑦 ∗ (𝑡)𝑑𝑡

Ortogonalità < 𝑥, 𝑦 >= 0

2 2
Disuguaglianza di Schwarz |< 𝑥, 𝑦 >| ≤ ||𝑥|| ||𝑦||

Base 𝑥 = ∑𝑛1 < 𝑥, 𝑤𝑖 > 𝑤𝑖 = ∑𝑛1 𝛼𝑖 𝑤𝑖 dove 𝛼𝑖 =< 𝑥, 𝑤𝑖 >

Uguaglianza di Parseval 𝑥 = ∑𝑛1 𝛼𝑖 𝑤𝑖 => 𝐸(𝑥) = ∑𝑛1|𝛼𝑖 |2

Disuguaglianza di Bessel 𝐸(𝑥) ≥ ∑𝑛1|𝛼𝑖 |2 = ∑𝑛1|< 𝑥, 𝑤𝑖 >|2

1 𝑠𝑒 𝑖 = 𝑗
Segnali ortonormali < 𝑤𝑖 , 𝑤𝑗 ≥ 𝛿𝑖𝑗 dove 𝛿𝑖𝑗 = {
0 𝑎𝑙𝑡𝑟𝑖𝑚𝑒𝑛𝑡𝑖
Proprietà delta di Dirac
+∞
∫−∞ 𝛿(𝜏)𝑑𝜏 = 1 − 𝐴𝑟𝑒𝑎 𝑢𝑛𝑖𝑡𝑎𝑟𝑖𝑎
+∞
∫−∞ 𝑥(𝑡)𝛿(𝑡)𝑑𝑡 = 𝑥(0)
+∞
∫−∞ 𝑥(𝑡)𝛿(𝑡 − 𝑡0 )𝑑𝑡 = 𝑥(𝑡0 )
𝑥(𝑡) ∙ 𝛿(𝑡 − 𝑡0 ) = 𝑥(𝑡0 ) ∙ 𝛿(𝑡 − 𝑡0 ) – Proprietà campionamento
𝑥(𝑡) ∗ 𝛿(𝑡) = 𝑥(𝑡)
𝑥(𝑡) ∗ 𝛿(𝑡 − 𝜃) = 𝑥(𝑡 − 𝜃) – Proprietà della traslazione

Il comportamento della delta è analogo in frequenza.

Serie di Fourier
2𝜋 𝑇 2𝜋
1 𝑗 𝑛𝑡 1 2 −𝑗 𝑛𝑡
𝑥(𝑡) = ∑+∞
𝑛=−∞ 𝑐𝑛 𝑒 𝑇 𝑐𝑛 = ∫ 𝑇 𝑥(𝑡)𝑒 𝑇 𝑑𝑡 𝐸(𝑥) = ∑|𝑐𝑛 |2
√𝑇 √𝑇 −
2

Rappresentazione alternativa (le sommatorie sono da intendere da −∞ a +∞)

2𝜋
1 𝐸𝑇 (𝑥)
𝑥(𝑡) = ∑𝜇𝑛 𝑒 𝑗 𝑇 𝑛𝑡 𝜇𝑛 = 𝑐 𝐸𝑇 (𝑥) = 𝑇∑|𝜇𝑛 |2 𝑃(𝑥) =
√𝑇 𝑛 𝑇
 Trasformata di Fourier
+∞
𝑋(𝑓) = ∫−∞ 𝑥(𝜃)𝑒 −𝑗2𝜋𝑓𝜃 𝑑𝜃 = 𝐹{𝑥(𝑡)}
+∞
𝑥(𝑡) = ∫ 𝑋(𝑓)𝑒 𝑗2𝜋𝑓𝑡 𝑑𝑓 = 𝐹 −1 {𝑋(𝑓)}
−∞

𝐸(𝑥) = ∫ |𝑥(𝑡)|2 𝑑𝑡 = ∫ |𝑋(𝑓)|2 𝑑𝑓

< 𝑥(𝑡), 𝑦(𝑡) >=< 𝑋(𝑓), 𝑌(𝑓) >

Sistemi lineari
Linearità 𝑇(𝑎1 𝑥1 (𝑡) + 𝑎2 𝑥2 (𝑡)) = 𝑎1 𝑇(𝑥1 (𝑡)) + 𝑎2 𝑇(𝑥2 (𝑡))

Tempo invarianza 𝑇(𝑥(𝑡)) = 𝑦(𝑡) ⟺ 𝑇(𝑥(𝑡 − 𝜃)) = 𝑦(𝑡 − 𝜃)

Risposta all’impulso ℎ(𝑡) Funzione di trasferimento 𝐻(𝑓)

Risposta sinusoide in sistemi LTI

𝑥(𝑡) = cos(2𝜋𝑓0 𝑡)
𝑦(𝑡) = |𝐻(𝑓0 )| cos(2𝜋𝑓0 𝑡 + arg(𝐻(𝑓))) Stessa frequenza ma modulo e fase diversi

𝑥(𝑡) = sin(2𝜋𝑓0 𝑡)
𝑦(𝑡) = |𝐻(𝑓0 )| sin(2𝜋𝑓0 𝑡 + arg(𝐻(𝑓))) Stessa frequenza ma modulo e fase diversi

Sistema causale: l’uscita in un certo istante non dipende dagli ingressi nel futuro. Inoltre ℎ(𝑡) = 0 ∀𝑡 < 0.

Stabilità BIBO: ∀𝑥(𝑡): |𝑥(𝑡)| < ∞, ∀𝑡 → |𝑦(𝑡)| < ∞

si traduce in: “Ingresso limitato in ampiezza -> uscita limitata in ampiezza”

LTI Stabile ∫ |ℎ(𝑡)|𝑑𝑡 < ∞ |𝐻(𝑓)| < ∞

Parallelo di due sistemi lineari: 𝐻1 (𝑓) + 𝐻2 (𝑓)

Serie di due sistemi lineari 𝐻1 (𝑓) ∙ 𝐻2 (𝑓)

Segnali periodici
Formula generale segnale periodico 𝑥(𝑡) = ∑+∞
−∞ 𝑥 𝑇 (𝑡 − 𝑛𝑇)

1 𝑛 𝑛
Trasformata di Fourier di un segnale periodico 𝑋(𝑓) = 𝑇 ∑+∞
−∞ 𝑥 𝑇 (𝑇 ) ∙ 𝛿 (𝑓 − 𝑇 ) se T=2T modificare

𝑛
Spettro di potenza segnale periodico 𝐺𝑦 (𝑓) = ∑|𝜇𝑛 |2 𝛿 (𝑓 − 𝑇 )

Potenza segnale periodico 𝑃𝑦 = ∑|𝜇𝑛 |2

1 𝑛
Segnale campionatore 𝐶𝑇 (𝑡) = ∑𝛿(𝑡 − 𝑛𝑇) 𝐶𝑇 (𝑓) = ∑𝛿 (𝑓 − ) Campionare implica periodicizzare.
𝑇 𝑇

Prodotto treno di delta 𝑥(𝑡) ∙ 𝐶𝑇 (𝑡) = ∑𝑥(𝑛𝑇) ∙ 𝛿(𝑡 − 𝑛𝑇)

Convoluzione treno di delta 𝑥(𝑡) ∗ 𝐶𝑇 (𝑡) = ∑𝑥(𝑡 − 𝑛𝑇)

 Funzione di autocorrelazione, Spettro di potenza e di energia
Spettro di energia -> Energia finita
Spettro di potenza -> Energia infinita
+∞
Funzione di autocorrelazione 𝑅𝑥 (𝜏) = ∫−∞ 𝑥(𝑡 + 𝜏)𝑥 ∗ (𝑡)𝑑𝑡

Spettro di energia 𝑆𝑥 (𝑓) = |𝑋(𝑓)|2 con 𝑋(𝑓) segnale ad energia finita

Spettro di potenza 𝐺𝑥 (𝑓) = |𝑋(𝑓)|2 con 𝑋(𝑓) segnale ad energia infinita

Proprietà funzione di autocorrelazione

• Pari
• Max nell’origine che coincide con l’energia 𝑅𝑥 (0) = 𝐸(𝑥)
• 𝑆𝑥 (𝑓) = 𝐹{𝑅𝑥 (𝜏)} ≥ 0
• Per un segnale reale, l’autocorrelazione è reale

Spettro di energia di un segnale in uscita da LTI 𝑆𝑦 (𝑓) = |𝐻(𝑓)|2 ∙ 𝑆𝑥 (𝑓)

Processi casuali
Media 𝜇𝑥 (𝑡) = 𝑚𝑥 (𝑡) = 𝐸{𝑋(𝑡)} = ∫ 𝑥𝑓𝑥 (𝑥; 𝑡)𝑑𝑥 dove 𝑓𝑥 (𝑥; 𝑡) è la funzione di densità di probabilità

Valor quadratico medio 𝑚𝑥2 = 𝐸{𝑋 2 (𝑡)} = ∫ 𝑥 2 𝑓𝑥 (𝑥; 𝑡)𝑑𝑥

Varianza 𝜎𝑥2 = 𝐸{(𝑋(𝑡) − 𝜇𝑥 )2 } = 𝑋(𝑡)2 − 𝜇𝑥2

Autocorrelazione 𝑅𝑥 (𝑡1 , 𝑡2 ) = 𝐸{𝑋(𝑡1 )𝑋 ∗ (𝑡2 )}

Processi casuali WSS

Proprietà WSS (stazionario in senso lato):

• 𝑚𝑥 (𝑡) → 𝑚𝑥 media indipendente dal tempo

• 𝑅𝑥 (𝑡1 , 𝑡2 ) → 𝑅𝑥 (𝑡2 − 𝑡1 ) → 𝑅𝑥 (𝜏) autocorrelazione che dipende solo da 𝜏

Le seguenti formule sono valide solo per processi WSS.

Media LTI 𝑚𝑦 = 𝑚𝑥 𝐻(0) con H funzione di trasferimento

Valor quadratico medio 𝐸{𝑋 2 (𝑡)} = 𝑅𝑥 (0) = ∫ 𝑆𝑥 (𝑓)𝑑𝑓

Autocorrelazione 𝑅𝑥 (𝜏) = 𝐸{𝑋(𝑡)𝑋 ∗ (𝑡 + 𝜏)} 𝑅𝑦 (𝜏) = 𝑅𝑦∗ (−𝜏)

Funzione di autocorrelazione in uscita da LTI 𝑅𝑦 (𝜏) = 𝑅𝑥 (𝜏) ∗ 𝑅ℎ (𝜏)

Mutua correlazione 𝑅𝑥𝑦 (𝜏) = 𝐸{𝑋(𝑡)𝑌(𝑡 + 𝜏)} = 𝑅𝑥 (𝜏) ∗ ℎ(𝜏)

Potenza media processo stazionario 𝑃𝑥 = 𝐸{𝑋 2 (𝑡)} tutti i processi casuali hanno energia infinita

Autocovarianza 𝐾𝑥 (𝜏) = 𝑅𝑥 (𝜏) − 𝜇𝑥2

Proprietà densità spettrale di potenza: l’ampiezza della 𝛿 centrata in 0 in 𝑆𝑥 (𝑓) è uguale al quadrato della
media 𝜇𝑥2 . Esempio:
1 2 1 1
𝑆𝑥 (𝑓) = 4 𝛿(𝑓) + 3 𝛿(𝑓 − 3) 𝜇𝑥2 = 4 → 𝜇𝑥 = 2
 Rumore gaussiano “Bianco”
Proprietà
𝑁0
• 𝑆𝑥 (𝑓) = 2
e dunque media nulla perché non ha delta centrate nell’origine
𝑁0
• 𝑅𝑥 (𝜏) = 𝐹 −1 {𝑆𝑥 (𝑓)} = 2 𝛿(𝜏)
• 𝜎𝑥2 = 𝑅𝑥 (0) = ∞ (la delta in 0 fa ∞)
• Un processo gaussiano bianco in uscita da un LTI è ancora un processo gaussiano ma non bianco (è
colorato, ndr).

Ergodicità
𝑇
1
Media temporale < 𝑔[𝑥(𝑡)] >= lim 𝑇 ∫2𝑇 𝑔[𝑥(𝑡)]𝑑𝑡 equivale alla potenza ma senza il quadrato
𝑇→∞ −
2

Ergodicità: < 𝑔[𝑋(𝑡)] > = 𝐸{𝑋(𝑡)} media temporale e media statistica devono essere identiche.