Appunti Di Teoria Dei Segnali

Appunti di Teoria dei Segnali
Corso di Teoria dei Segnali, Prof. Maurizio di Bisceglie Rel. 28.11.2000

Indice
1 STUDIO DEI SEGNALI NEL DOMINIO DEL TEMPO 1

1.1 Introduzione. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Classificazione dei segnali. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Segnali deterministici elementari. . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.1 Impulso o finestra rettangolare. . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.2 Gradino unitario. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.3 Esponenziale complesso (tempo continuo). . . . . . . . . . . . . . . . . . . 6
1.3.4 Segnale sinusoidale (tempo continuo). . . . . . . . . . . . . . . . . . . . . . 7
1.3.5 Sequenza esponenziale (tempo discreto). . . . . . . . . . . . . . . . . . . . 7
1.3.6 Fasore (tempo discreto). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.7 Impulso di tipo sinc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.8 Impulso discreto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.9 Impulso continuo (impulso di Dirac). . . . . . . . . . . . . . . . . . . . . . 12
1.3.10 esercizi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4 CARATTERIZZAZIONE STATISTICA DI SEGNALI ALEATORI . . . . . . . . . 16
1.4.1 Caratterizzazione di ordine N . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.2 Caratterizzazione sintetica . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4.3 Segnali aleatori stazionari . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.4 Caratterizzazione congiunta . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.5 Processo di Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
i
1.4.6 Processo di conteggio dei successi di Bernoulli . . . . . . . . . . . . . . . . 23
1.4.7 Processo di Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.4.8 Processi gaussiani . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.5 MEDIE TEMPORALI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.5.1 Segnali deterministici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.5.2 Segnali aleatori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.5.3 Rappresentazione dei segnali . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.5.4 Funzioni di correlazione per segnali deterministici . . . . . . . . . . . . . . 35
2 I SISTEMI NEL DOMINIO DEL TEMPO 41

2.1 GENERALITÀ SUI SISTEMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.1.1 Dispersività . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.1.2 Causalità . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.1.3 Invertibilità . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.1.4 Invarianza temporale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.1.5 Stabilità . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.1.6 Linearità . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.2 SISTEMI LINEARI: SOMMA ED INTEGRALE DI SOVRAPPOSIZIONE . . . . . 49
2.3 Sistemi lineari tempo invarianti . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.4 LEGAMI INGRESSO USCITA PER LE FUNZIONI DI CORRELAZIONE . . . . . 62
3 ANALISI NEL DOMINIO DELLA FREQUENZA 73

3.1 FUNZIONE DI TRASFERIMENTO DI UN SISTEMA LTI . . . . . . . . . . . . . 73
3.2 RISPOSTA IN FREQUENZA DI UN SISTEMA LTI . . . . . . . . . . . . . . . . . 76
3.3 TRASFORMATA DI FOURIER . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.4 ESEMPI DI TRASFORMATE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.5 TRASFORMATE DI FOURIER AL LIMITE . . . . . . . . . . . . . . . . . . . . . 90
3.6 PROPRIETÀ DELLA TRASFORMATA DI FOURIER . . . . . . . . . . . . . . . . 92
3.6.1 Linearità . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.6.2 Proprietà di simmetria della trasformata di Fourier . . . . . . . . . . . . . . 93
ii
3.6.3 Cambiamento di scala . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.6.4 Traslazione nel dominio del tempo . . . . . . . . . . . . . . . . . . . . . . . 96
3.6.5 Traslazione nel dominio della frequenza (modulazione) . . . . . . . . . . . . 98
3.6.6 Convoluzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
3.6.7 Replicazione e campionamento . . . . . . . . . . . . . . . . . . . . . . . . 104
3.6.8 SPETTRO DI SEGNALI PERIODICI . . . . . . . . . . . . . . . . . . . . . 108
3.7 CARATTERIZZAZIONE ENERGETICA DEI SEGNALI . . . . . . . . . . . . . . 119
3.7.1 Spettri di energia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
3.7.2 Densità spettrale di potenza . . . . . . . . . . . . . . . . . . . . . . . . . . 123
3.7.3 Spettri mutui di energia e di potenza . . . . . . . . . . . . . . . . . . . . . . 124
3.7.4 Processi bianchi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
3.7.5 Teorema di Wiener-Kintchine . . . . . . . . . . . . . . . . . . . . . . . . . 126
3.8 SEGNALI PAM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
3.9 LEGAMI INGRESSO USCITA PER LE
. . . . . . . . . . . . . . . . . . . . 133
3.10 LA DISTORSIONE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
3.10.1 Distorsione di ampiezza . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
3.10.2 Distorsione di fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
3.10.3 Distorsione non lineare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
3.11 PROPRIETÀ DELLA TRASFORMATA DI FOURIER . . . . . . . . . . . . . . . . 142
3.12 PROPRIETÀ DELLA SERIE DI FOURIER . . . . . . . . . . . . . . . . . . . . . . 146
3.13 PROPRIETÀ DELLA DFS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
3.14 PROPRIETÀ DELLA DFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
3.15 FORME D’ONDA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
3.16 SEQUENZE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
1
2
Capitolo 1
STUDIO DEI SEGNALI NEL

DOMINIO DEL TEMPO
1.1 Introduzione.
Il concetto di segnale interviene in molti campi della scienza e della tecnologia. La natura fisica dei
segnali può essere molto diversa, ma la loro caratteristica di base é comune: precisamente il segnale
descrive il modo di variare di una grandezza misurabile. Pertanto il segnale può essere rappresentato
matematicamente da una funzione di una o più variabili indipendenti.
Esempio 1 Segnale vocale.

É una pressione acustica variabile nel tempo, . Tipicamente, il segnale corrispondente
al suono vocalico ”a”, presenta una spiccata ripetitività (segnale quasi periodico) mentre il
segnale corrispondente al suono consonantico, ”s” non esibisce nessuna periodicità.
Esempio 2 Segnale di immagine in bianco e nero.

Una immagine in bianco e nero é descritta dalla luminosità o luminanza, come funzione di
due coordinate spaziali,
.
Esempio 3 Segnale BPSK (Binary Phase Shift Keying).

Per trasmettere un segnale binario, si associa al simbolo ’1’ il segnale ed al simbolo
’0’ il segnale . Quindi alla seguenza di simboli ’100111’ corrisponderá la sequenza
dei segnali

. Se si ottiene una coppia di
segnali BPSK.
1
2 Capitolo 1. STUDIO DEI SEGNALI NEL DOMINIO DEL TEMPO

0
Figura 1.1: Rappresentazione grafica di una sequenza
Esempio 4 Serie storiche.

Una successione di valori omogenei prende il nome di serie storica o serie temporale. Le tem-
perature minime e quelle massime del giorno in una data località, l’indice di borsa, il numero
di copie vendute al giorno da un quotidiano sono serie con cadenza giornaliera; l’indice del
costo della vita costituisce una serie con cadenza mensile, etc..
1.2 Classificazione dei segnali.

Gli esempi precedenti indicano che i segnali possono essere funzioni di una sola variabile o di più
variabili; nel primo caso si dicono monodimensionali e nel secondo multidimensionali: ad esempio
il segnale d’immagine é bidimensionale. Nel seguito considereremo solo segnali monodimensionali,
anche se la maggior parte di quanto diremo vale anche per i segnali pluridimensionali.
Generalmente la variabile indipendente é di tipo temporale: adottiamo la convenzione di denominare
comunque tale variabile come tempo. Con riguardo all’insieme di definizione della variabile tempo
si definiscono le classi dei segnali a tempo continuo e dei segnali a tempo discreto come segue. I
segnali (a tempo) continuo, o forme d’onda, sono i segnali definiti su un insieme continuo; il segnale
vocale e il segnale BPSK sono esempi di segnali a tempo continuo. Per convenzione un segnale
a tempo continuo é individuato dall’uso della variabile indipendente , o
; ad esempio ,

denotano convenzionalmente segnali a tempo continuo. I segnali (a tempo) discreto, o sequenze,
sono i segnali definiti in un insieme discreto di tempi: la variabile indipendente viene di norma
indicata con una delle lettere da a e si intende, salvo avviso contrario, che descriva l’insieme
dei numeri relativi, o un suo sottinsieme; cosı̀ per esempio, la notazione individua un segnale
discreto. Il modo di rappresentare graficamente una sequenza é illustrato nella Fig. 1.1.
Si noti che il segnale BPSK é continuo nel tempo, anche se rappresenta un segnale a tempo discreto
i cui valori assunti sono discreti, in particolare binari. Analogamente, i valori assunti dal segnale
1.2. Classificazione dei segnali. 3
vocale sono continui, i possibili valori della temperatura minima giornaliera descrivono un insieme
continuo, mentre il numero delle copie vendute ogni giorno di un quotidiano sono necessariamente
un numero intero. Corrispondentemente a questa distinzione si può anche introdurre una classi-
ficazione sulla base della gamma dei valori assunti (dinamica) in segnali ad ampiezza continua o
analogici e segnali ad ampiezza discreta; i segnali a tempo ed ampiezza discreta, che assumono solo
un numero finito di valori, si chiamano anche numerici o digitali.
Una sequenza può rappresentare un fenomeno per cui la variabile indipendente é intrinseca-
mente discreta, oppure può rappresentare successivi campioni di un fenomeno che evolve in modo
continuo. Per esempio la successione delle temperature minime o massime giornaliere in una data
località, od altre successioni inerenti a grandezze metereologiche, o demografiche od econometriche
sono segnali intrinsecamente discreti; d’altra parte l’elaborazione della voce al calcolatore richiede
che i segnali vocali vengano rappresentati mediante una successione di valori presi ad intervalli
costanti di tempo (tipicamente gli intervalli sono di un centinaio di microsecondi): questo tipo di
rappresentazione si chiama campionamento uniforme o semplicemente campionamento. Analoga-
mente le immagini fisse possono essere riprodotte mediante una griglia regolare di elementi di im-
magine (pixel) attribuendo a ciascuno di essi la luminosità corrispondente dell’immagine originaria
(campionamento spaziale). Nel seguito sequenze e forme d’onda verranno trattati in parallelo in
modo da poterne, di volta in volta, evidenziare le analogie e le differenze.
In tutti i processi di comunicazione, sia sotto forma di trasmissione, sia sotto forma di immagaz-
zinamento dell’informazione, intervengono segnali non perfettamente noti, cioè segnali casuali o
aleatori: invero alla radice stessa di informazione c’é un certo grado di incertezza o impredici-
bilità; il trasferimento dell’informazione, trasportata dai segnali, avviene proprio per eliminare tale
incertezza o impredicibilità, parzialmente o completamente.
Nonostante ciò, é opportuno considerare anche i segnali perfettamente noti, detti anche determinis-
tici o derminati, per le seguenti ragioni:
consentono di studiare le proprietà dei sistemi che elaborano o trasferiscono l’informazione

(analisi) e di progettare sistemi aventi determinati requisiti (sintesi);
costituiscono i blocchi elementari aggregando i quali si ottengono realizzazioni di segnali

aleatori.
Ad esempio il segnale corrispondente ad uno specifico simbolo BPSK é un segnale deterministico,

tuttavia quando si instaura il processo di comunicazione, viene generato un segnale costituito da
una successione, non nota a priori, di segnali del tipo considerato in precedenza per cui il segnale
complessivo é di tipo aleatorio.
Un segnale (discreto o continuo) si dice deterministico se esso é completamente descritto da una
espressione matematica, da una tabella, da un grafico o da una regola di qualunque tipo. Invece un
segnale aleatorio é una collezione di segnali ognuno dei quali corrisponde a un singolo risultato di un

esperimento casuale. Precisamente, se denotiamo con il generico risultato di un esperimento, cioè


Figura 1.2: Rappresentazione grafica di un segnale aleatorio
un punto dell’insieme dei possibili risultati o spazio dei campioni , un segnale aleatorio può essere

definito come una legge di corrispondenza che associa a una funzione deterministica del tempo
(funzione membro o realizzazione del segnale aleatorio). Equivalentemente un segnale aleatorio
può essere riguardato come una funzione di due variabili (vedi Fig. 1.2), la prima, o , é una

variabile che descrive l’insieme dei tempi, e la seconda é una variabile il cui dominio é lo spazio

dei campioni : quindi la notazione per un processo aleatorio, supposto ad esempio tempo-continuo,
potrebbe essere
, tuttavia più comunemente si usa la notazione per rappresentare un seg-

nale aleatorio , omettendo di evidenziare la dipendenza da . In altri termini un segnale é determin-

istico se l’ampiezza istantanea (o ) é, comunque si scelga l’istante di tempo, una variabile
reale o complessa, mentre é aleatorio se essa é una variabile aleatoria reale o, più in generale, com-
plessa. In ogni caso va tenuto presente che, nel caso di segnali aleatori, la notazione può avere
quattro diverse interpretazioni Fig. 1.2:
una famiglia di funzioni del tempo ( e

variabili), cioè il segnale aleatorio;
una singola funzione del tempo ( variabile e fissato); cioè una funzione membro del segnale

aleatorio ;
una variabile aleatoria ( fissato e variabile);

un semplice numero ( e

fissati);
l’effettiva interpretazione di va dedotta di volta in volta dal contesto.
1.3 Segnali deterministici elementari.

Introduciamo qui alcuni segnali deterministici di uso molto comune.
1.3. Segnali deterministici elementari. 5

1

Figura 1.3: Impulso o finestra rettangolare: continuo, discreto
1.3.1 Impulso o finestra rettangolare.

Nel caso continuo l’impulso rettangolare (Fig. 1.3a) di ampiezza e durata unitarie é definito da:

altrimenti
(1.1)
Conseguentemente l’impulso rettangolare , centrato in , di ampiezza e di durata , é

l’impulso:

Analogamente, nel caso discreto, la finestra rettangolare di durata (Fig. 1.3b) é definita

da:
! "$#$% &'

)(*"$% (1.2)
1.3.2 Gradino unitario.

Nel caso continuo il gradino unitario + (Fig. 1.4a) é definito da:
,
.-
+ /
.0 (1.3)
e nel caso discreto (1.4b) da: ,

21
+ /
0 (1.4)
Combinando due gradini di uguale ampiezza si ottengono impulsi rettangolari. Ad esempio

l’impulso rettangolare di durata T si può ottenere come segue:
+
3+ 5 4 2


u u
1 1

4

Figura 1.4: Gradino unitario: ) continuo, ) discreto

5 4
Figura 1.5: Rappresentazione grafica del fasore
1.3.3 Esponenziale complesso (tempo continuo).
E il segnale

(1.5)
-
con ed numeri complessi; se ed sono reali si ha l’esponenziale reale. Se é immaginario

puro, diciamo

, posto con

, si ottiene il fasore (o vettore rotante)

di pulsazione , frequenza , ampiezza e fase iniziale , cioè il segnale:
"! (1.6)
Il fasore é rappresentato, nel piano complesso, da un vettore rotante con velocità angolare rad./sec.,

ovvero velocità di rotazione di giri al secondo o Hz, che per convenzione é positiva in senso
antiorario (Fig. 1.5). Si noti che il fasore é un segnale periodico di periodo

1.3.4 Segnale sinusoidale (tempo continuo).
La sinusoide di ampiezza - , fase iniziale e pulsazione é il segnale:
4 (1.7)
Utilizzando le formule di Eulero é immediato verificare che:
5 4

4
all’asse reale e rotanti con la stessa velocità angolare

cioé che un segnale sinusoidale é la somma di due fasori di ampiezza dimezzata, simmetrici rispetto
ma in verso opposto. In alternativa é
possibile rappresentare la sinusoide come la proiezione di un fasore sull’asse reale, cioè:
4
4
Inversamente un generico esponenziale complesso si può sempre esprimere in termini di un espo-
nenziale reale e di un fasore: infatti posto e risulta:

Oppure esso può essere espresso in termini di un esponenziale reale e di due sinusoidi in quadratura

4 4 % ( 5 4
come segue:
Dal tale relazione si evince che un esponenziale complesso ha come parte reale ed immaginaria due
sinusoidi, della stessa pulsazione, di ampiezza crescente se e di ampiezza decrescente se -
0 (se
l’ampiezza é costante e si ha il fasore).
1.3.5 Sequenza esponenziale (tempo discreto).
La sequenza esponenziale di ampiezza e base é definita come:
(1.8)

dove ed sono in generale complessi, se invece sono entrambi reali si ha la sequenza esponenziale

reale o semplicemente sequenza esponenziale. La sequenza esponenziale reale, posto
- 0 , é a
segno costante se ed a segni alterni se (Fig. 1.6).

1

1 3 4 5 6 4 5

Figura 1.6: Sequenze esponenziali
1.3.6 Fasore (tempo discreto).

Il fasore a tempo discreto é definito come

Come nel caso continuo esso legato alla sequenza sinusoidale dalla relazione:
4 4
Le relazioni fra fasori e sinusoidi a tempo discreto sono del tutto analoghe a quelle relative al caso

continuo. Invece esistono importanti differenze fra continuo e discreto riguardo alle proprietà di
fluttua sempre più

periodicità dei fasori e delle sinusoidi. In particolare non é vero che

velocemente al crescere di e non é vero che

é sempre periodico rispetto a . Tali asserzioni
discendono dalla proprietà di periodicità dell’esponenziale di argomento immaginario puro: infatti

avendosi
(1.9)
e , il fasore é indistinguibile dal fasore .

due fasori le cui frequenze si differenziano per un numero intero sono indistinguibili. Ad esempio,

posto

Dato che i fasori, e quindi le sinusoidi discrete, sono indistinguibili se le loro frequenze differiscono
di un numero intero, basta scegliere un intervallo di ampiezza unitaria nel quale convenzionalmente
definire la frequenza. Le scelte più naturali sono

0

' 0

corrispondentemente in termini di pulsazione l’intervallo di definizione ha ampiezza

0 ' 0

A causa della periodicità espressa nella (1.9) la rapidità di variazione delle sinusoidi discrete non

cresce costantemente all’aumentare di : piuttosto, come é evidenziato in Fig. 1.7, le sequenze sinu-

soidali variano sempre più rapidamente al crescere di da 0 a , ma poi, al crescere di da a 1

variano sempre meno rapidamente (per

e per abbiamo un segnale costante). Quindi nel
caso dei segnali discreti, analogamente al caso continuo, le basse frequenze sono quelle nell’intorno
di 0, mentre le alte frequenze sono quelle nell’intorno di .

Per quanto concerne la periodicità temporale, deve esistere un numero
tale che:

Perchè ciò avvenga é necessario e sufficiente che

: quindi condizione necessaria e sufficiente

mettiamo in tale ipotesi, cioè , e assumiamo che e siano primi fra loro, allora il periodo
affinchè un fasore sia periodico nel tempo é che la sua frequenza sia un numero razionale. Se ci
é . Cosı̀ per esempio la sequenza é periodica di periodo , la sequenza

é periodica di periodo , mentre il segnale
non é
periodico.
1.3.7 Impulso di tipo sinc

L’impulso di tipo sinc di ampiezza unitaria é definito come
% ( (1.10)
Il segnale presenta una serie di lobi laterali di durata , salvo il lobo centrale che ha durata 2. I lobi
hanno ampiezza decrescente; in particolare il primo lobo laterale ha ampiezza

volte quella del

lobo centrale, cioè si trova a
dB, cioé

L’ampiezza dei lobi laterali, inoltre, decade come ovvero di 6 dB/ottava = 20 dB/decade.
1.3.8 Impulso discreto.
L’impulso unitario ideale discreto (Fig. 1.9) é la sequenza definita da:
,

/

(1.11)

Figura 1.7: Sequenze sinusoidali per diversi valori della frequenza.
1.0
.8
.6
.4
sinc(t)
.2
.0
−.2
−.4
−4 −2 0 2 4 t
Figura 1.8: Segnale di tipo sinc

1

Figura 1.9: Impulso discreto


Poichè , impulso unitario locato in , é uguale a 1 per e 0 altrove, é immediato
verificare che, dato una qualunque sequenza , si ha:

cioè il prodotto di un segnale per un impulso unitario é ancora un impulso, ma di ampiezza pari al
valore del segnale nel punto dove é locato l’impulso.
Con analogo ragionamento é immediato verificare che si ha:

(1.12)

Tale relazione ha due interpretazioni diverse a seconda che si consideri fisso o variabile. Se
si considera fisso essa mostra che operando sul segnale con un singolo impulso locato in
secondo la (1.12) si ottiene il campione del segnale: pertanto se é fisso la (1.12) é la propriet à
di campionamento. Se invece si considera variabile la (1.12) rappresenta il segnale come

combinazione lineare, con coefficienti , di impulsi unitari locati nei vari istanti , cosı̀ come
illustrato in Fig. 1.10: pertanto se é variabile la (1.12) é la propriet à di riproducibilità.
In particolare un gradino unitario viene rappresentato come segue:
+
+

e quindi, tenuto conto che + é nullo per 0 , con il cambio di indice
si ha:
+

Da tale equazione segue che il gradino unitario é la somma corrente, cioè la somma tra ed , dei
valori dell’impulso unitario: infatti tale somma é 0 se e 1 se . Inversamente l’impulso 0 1

unitario é la differenza prima del gradino unitario:

3+ 2+ +
1.3.9 Impulso continuo (impulso di Dirac).

A differenza del caso discreto, nel quale la definizione di impulso non pone problemi di sorta,
l’impulso continuo non é una funzione in senso ordinario, bensı̀ una funzione generalizzata.

si dice ottava un intervallo di frequenze

in cui
, mentre se
tale intervallo si dice decade.

1 2 3 4 5
4

1 2 3 4 5

1 2 3 4 5

1 2 3 4 5

1 2 3 4 5
Figura 1.10: Rappresentazione di una sequenza come sovrapposizione di -impulsi.

L’impulso continuo é definito dalla condizione che, per ogni funzione continua in , si
abbia:

,

,

(1.13)

Da tale definizione, utilizzando le proprietà dell’integrale, si possono ricavare formalmente le pro-
prietà dell’impulso di Dirac. Ad esempio, posto , e , risulta: 4

(1.14)
ciò si esprime dicendo che l’impulso ha area unitaria; sempre dalla definizione, per e

continui in , si ha:

ma anche

e quindi

(1.15)
Si ha poi, per un qualsiasi continuo in 0:

e ciò é equivalente a:

che esprime la cosidetta proprietà di cambiamento della scala; in particolare da tale relazione, po-
nendo , segue che é pari.
Inoltre dalla definizione (1.13) e dalla parità di , per ogni continuo in t, si ha:

che esprime la proprietà di campionamento o di riproducibilità secondo che venga considerato

fisso o variabile. Infine, dalla definizione (1.13) segue che il gradino unitario é l’integrale dell’

impulso ideale, cioè
+

conseguentemente risulta anche

+

L’idea intuitiva che corrisponde a tutte queste proprietà é che l’impulso unitario sia zero ovunque
fuorché per
, dove é infinito, e che la sua area sia unitaria. Chiaramente nessuna funzione

ordinaria soddisfa tale requisiti, ma é possibile trovare opportune famiglie di funzioni ordinarie
che approssimano . Precisamente, una famiglia di funzioni ordinarie converge (in senso

generalizzato) a se vale la proprietà:
%&

(1.16)
per ogni continuo in ; in tal caso si scrive semplicemente:

% &

Ad esempio, la proprietà (1.16) é soddisfatta per la famiglia di rettangoli

Più in generale una famiglia di impulsi converge alla se, al tendere a zero di , il singolo

impulso tende a concentrarsi sull’origine, la sua ampiezza diverge, mentre l’area converge ad un
valore unitario. Ad esempio altre tre possibili famiglie di impulsi che convergono al -impulso
unitario, tutte e tre costituite da impulsi

di ampiezza , durata equivalente ed area unitaria, sono
la famiglia di impulsi triangolari , cioè:

ove, e’ l’impulso triangolare di ampiezza ed area unitarie, cioè é l’impulso:

-

(1.17)
quella degli impulsi sinc , cioè la famiglia:

% (

ove il segnale sinc di ampiezza ed area unitarie é l’impulso:
% (
% (
(1.18)

e quella degli impulsi gaussiani, cioè:

1.3.10 esercizi

Ex. 1.1 Disegnare il grafico dei seguenti segnali:
4

Ex. 1.2 Calcolare il risultato delle seguenti espressioni:
sinc

1.4 CARATTERIZZAZIONE STATISTICA DI SEGNALI

ALEATORI
1.4.1 Caratterizzazione di ordine N

I segnali aleatori, che descrivono l’evoluzione di una grandezza in un ben definito esperimento, sono,
come si è detto, impredicibili, tuttavia esibiscono qualche forma di regolarità statistica, corrispon-
dente allo spazio di probabilità sottostante all’esperimento.
Per caratterizzare un segnale aleatorio è dunque utile l’interpretazione di , rispettivamente ,
come variabile aleatoria ( oppure fissato). Nel seguito ci riferiremo prevalentemente a segnali
aleatori reali a tempo continuo, tuttavia, con ovvie modifiche, quanto detto si applica anche ai segnali
a tempo discreto.
La funzione di distribuzione cumulativa (CDF) della v.a.

P
:

si chiama funzione di distribuzione cumulativa del primo ordine di ; il pedice può essere omesso
quando non c’è luogo a confusione.

La corrispondente funzione di densità di probabilità (pdf) è:

Il significato di è collegato all’interpretazione frequentistica della probabilità. Supponiamo

che siano disponibili

realizzazioni del segnale : data una soglia si considera il numero
di realizzazioni che all’istante non superano la soglia ; allora si può interpretare

come limite del rapporto
al crescere di .
1.4. CARATTERIZZAZIONE STATISTICA DI SEGNALI ALEATORI 17
Quella che precede è la caratterizzazione statistica del primo ordine del segnale; la caratterizzazione
del secondo ordine si ottiene considerando due istanti di tempo e e le relative variabili aleatorie

e per cui la CDF congiunta é definita come

P

e la pdf congiunta come

sono rispettivamente la CDF e la pdf del secondo ordine del segnale aleatorio .

Più in generale la caratterizzazione statistica di ordine

di un segnale aleatorio si ottiene per
mezzo della CDF (o pdf) congiunta delle variabili aleatorie

per ogni -pla ) )
) )

. Un segnale aleatorio è completamente caratterizzato se è nota la caratterizzazione di

ordine per ogni .
In quello che precede si è implicitamente assunto che la variabile aleatoria sia continua, cioè
che il processo sia continuo in ampiezza. Se la variabile è discreta allora in aggiunta alla

caratterizzazione in termini di CDF marginali o congiunte, in luogo delle densità di probabilità (che
dovrebbero essere definite in senso generalizzato, cioè mediante -impulsi), è conveniente riferirsi

alle distribuzioni di probabilità (PMF - Probability Mass Function). Cosı̀ esemplificando con riferi-
mento alla caratterizzazione del primo ordine, la PMF dell’ampiezza è:

P
dove la variabile descrive l’insieme discreto dei possibili valori assunti dalla v.a. .
1.4.2 Caratterizzazione sintetica

Poiché non sempre è disponibile la caratterizzazione completa, o per lo meno quella di ordine , di

un segnale aleatorio , si può far ricorso ad una caratterizzazione sintetica dello stesso, cioè in termini
di alcune funzioni che ne descrivono il comportamento medio.

del segnale , cioè la funzione:

La prima di tali funzioni è la media statistica

Analogamente si definiscono il valor quadratico medio (o valore m.s.), il valore efficace (o

valore rms) e la varianza di

! #

tali grandezze sono legate tra loro dalla relazione:

!#

La correlazione fra le v.a. e , considerata come funzione di e , è la funzione di autocor-

relazione in tempo-tempo del segnale

(1.19)
analogamente nel caso di sequenze la funzione di autocorrelazione in tempo-tempo è

Esempio Sia
4
e 4 con

costante e

variabile aleatoria
uniforme in
. Risulta

4

4

La funzione di autocorrelazione

gode delle seguenti proprietà:
P1. Il valore per è il valore m.s. del segnale, cioè

infatti

P2. La funzione di autocorrelazione è simmetrica, cioè:

infatti,

.

) )
P3. La funzione di autocorrelazione è semidefinita positiva, cioè comunque si scelgano istanti di
tempo

e per ogni la matrice:

) )

) )

.
..
.
..
) ) ..
.

) )
è semidefinita positiva

Una matrice si dice definita positiva se, per ogni vettore la forma quadratica é maggiore di zero e risulta

se e solo se é identicamente nullo. Analogamente, una matrice si dice semidefinita positiva se, per ogni
vettore risulta
.
infatti, detto

) )

il vettore degli
campioni del processo e detto

) )

un arbitrario vettore reale si ha:

Da cui, essendo il primo membro non negativo, segue il carattere definito positivo della funzione di
autocorrelazione.
Ovviamente analoghe proprietà valgono per l’autocorrelazione dei segnali a tempo discreto.

La covarianza tra due campioni del segnale aleatorio definisce, al variare degli istanti di campiona-

mento, la funzione di autocovarianza; precisamente si ha

per segnali a tempo continuo; analogamente per sequenze:

in altri termini la funzione di autocovarianza del processo è la funzione di autocorrelazione del
processo centrato

Conseguentemente tali funzioni sono sono legate dalla relazione:

4

4

Spesso nel definire le funzioni di autocorrelazione e di autocovarianza anziché utilizzare come vari-

abili indipendenti i due istanti temporali si preferisce far riferimento al ritardo. Precisamente la
funzione di autocorrelazione in tempo-ritardo di un segnale a tempo continuo è definita da:

e per le sequenze da:

In modo analogo si possono definire le funzioni di autocovarianza in tempo-ritardo.
Si osservi che con abuso di notazione sia l’autocorrelazione in tempo-tempo che quella in tempo-
ritardo vengono denotate con lo stesso simbolo
; pertanto la distinguibilità delle due funzioni
è affidata esclusivamente ai simboli utilizzati per denotare i due istanti di tempo ( ed nel caso di

segnali a tempo continuo e rispettivamente e per le sequenze) ovvero il tempo ed il ritardo ( e
nel caso di segnali a tempo continuo e rispettivamente e per le sequenze): pertanto, tali variabili
temporali non sono variabili mute.
1.4.3 Segnali aleatori stazionari

Il fatto che le notazioni relative alle varie caratterizzazioni statistiche introdotte precentemente es-
plicitino la dipendenza dall’istante temporale (primo ordine) o dagli istanti di tempo (ordine supe-
riore al primo) sta ad indicare che le statistiche in generale cambiano nel tempo. Se le statistiche,
almeno in qualche misura, non sono affette dalla scelta dell’origine dei tempi, il segnale si dice
stazionario. Tuttavia occorre precisare questo concetto perché esistono diversi livelli di stazionar-
ietà.
Un segnale si dice stazionario in senso stretto, o semplicemente stazionario, se e

hanno la stessa caratterizzazione statistica per ogni . Le statistiche da prendere in considerazione
per le stazionarietà in senso stretto hanno ordine comunque elevato. Poiché spesso per molti scopi è

sufficiente la caratterizzazione del primo o del secondo ordine ha interesse definire anche la staziona-
rietà di ordine .
Un segnale si dice stazionario del primo ordine se i segnali aleatori e hanno la

stessa caratterizzazione statistica del primo ordine per ogni ; analogamente esso si dice stazionario

del secondo ordine se e hanno le stesse statistiche del secondo ordine per ogni . In
2 % ( %
)(
particolare, se un segnale è stazionario almeno del primo ordine, risulta

)(*"$

% ( %
)(
)(*"$

Quindi necessariamente:
(1.20)
2 2
Se un segnale è stazionario almeno del secondo ordine allora si ha:

e quindi la pdf è funzione solo della differenza
. Ne segue che anche le funzioni di

autocorrelazione e di autocovarianza dipendono soltanto dalla differenza
:

(1.21)
In molti casi, quando è sufficiente la caratterizzazione globale del segnale (cioè media e autocorre-
lazione), siamo interessati soltanto al verificarsi della (1.20) e della (1.21); ciò conduce ad una forma
più debole di stazionarietà. Un segnale si dice stazionario in senso lato (SSL o WSS) se la media
è costante nel tempo (1.20) e l’autocorrelazione dipende soltanto dalla differenza tra i due istanti di
tempo (1.21), cioè dal ritardo
.
Notiamo esplicitamente che la stazionarietà in senso stretto implica la stazionarietà in senso lato, ma
non viceversa.
1.4.4 Caratterizzazione congiunta

Spesso occorre considerare più di un segnale aleatorio . In tal caso in aggiunta alla caratterizzazione
statistica dei singoli segnali occorre anche precisare in che termini i processi si influenzino statis-
ticamente l’un l’altro. Facendo riferimento per semplicità al caso di due soli segnali, supposti a
tempo continuo, diciamoli e , la caratterizzazione completa congiunta richiede la specifi-
cazione della CDF (in alternativa pdf o PMF a seconda che si tratti di segnali ad ampiezza continua
o discreta) di un numero arbitrario di campioni comunque scelti sia su che su .
Per quanto concerne la caratterizzazione sintetica oltre a fornire medie e funzioni di autocorrelazione

dei singoli segnali, occorre anche specificare il momento congiunto:

che prende il nome di funzione di mutua correlazione in tempo-tempo di e . Tale funzione
dipende dall’ordine con cui sono considerati i processi, ma la funzione di mutua correlazione tra

e è legata a quella tra e dall’ovvia relazione di simmetria:

In alternativa si può considerare la funzione di mutua correlazione in tempo-ritardo:

Equivalentemente si possono introdurre la funzione di mutua covarianza in tempo-tempo

e la funzione di mutua covarianza in tempo-ritardo

Osserviamo infine che quanto esposto con riferimento ai segnali a tempo continuo vale anche mutatis
mutandis per le sequenze.
Consideriamo ora alcuni esempi di segnali aleatori di frequente applicazione.
1.4.5 Processo di Bernoulli

Si consideri l’esperimento aleatorio consistente in di una serie infinita di prove, che possono avere
due esiti, convenzionalmente denominati successo S ed insuccesso I; le successive prove sono in-
dipendenti e sono ripetute sotto identiche condizioni, la probabilità di successo in una generica prova
è , la probabilità di insuccesso è . Ad esempio se l’esperimento è una serie di lanci di
una moneta ben bilanciata allora
; se l’esperimento è l’osservazione del comporta-

mento delle autovetture a un dato bivio assumendo come successo la svolta a destra, e se si osserva

che la percentuale di autovetture che svoltano a destra nel lungo termine è % allora .

Ad ogni risultato dell’esperimento è associato un segnale nel seguente modo: se
nell’ennesima prova si è avuto un successo, altrimenti : il segnale che cosı̀ si ottiene è una

Figura 1.11: Realizzazione di un processo di Bernoulli.

1

1
Figura 1.12: Processo di Bernoulli: CDF, PMF.
realizzazione del processo di Bernoulli, ed è evidentemente un segnale a tempo discreto, discreto an-
che in ampiezza (fig. 1.11) . In altri termini un processo di Bernoulli è una successione di variabili
aleatorie binarie, dette anche bernoulliane e denotate sinteticamente:

La CDF

indipendenti ed identicamente distribuite (i.i.d.).
e la PMF

di tale segnale sono:

' 1
0
0

e sono diagrammate in fig. 1.12a e fig. 1.12b rispettivamente.

Poiché la CDF e la PMF sono indipendenti dal tempo il processo è stazionario almeno del ordine;
conseguentemente media , valore r.m.s. e varianza
del processo di Bernoulli sono indipendenti
dal tempo e valgono:

Si noti che, nel definire una variabile aleatoria Bernoulliana, i singoli esperimenti erano costituiti da un’unica prova con
due possibili esiti mentre nella costruzione del corrispondente processo aleatorio il singolo esperimento é costituito da un
numero infinito di prove.
Il calcolo dell’autocorrelazione del processo di Bernoulli è immediato grazie all’indipendenza, e

quindi incorrelazione, tra i suoi campioni:

o equivalentemente:
4
L’andamento dell’autocorrelazione del processo di Bernoulli è riportato in fig. 1.13.

Figura 1.13: Autocorrelazione del processo di Bernoulli.

Il processo di Bernoulli è SSL. Inoltre esso costituisce anche un primo esempio di segnale aleatorio
completamente caratterizzabile: infatti la CDF di campioni, comunque scelti, è data semplice-
mente dal prodotto delle CDF dei singoli campioni in virtù della loro indipendenza statistica.
Si osservi che, alcume proprietà del processo di Bernoulli (autocovarianza impulsiva, caratteriz-
zazione completa assegnata la CDF del singolo campione) derivano dall’indipendenza statistica dei
suoi campioni e quindi valgono più in generale per le sequenze di variabili aleatorie i.i.d.
1.4.6 Processo di conteggio dei successi di Bernoulli
1
Dato un processo di Bernoulli monolatero, consideriamo un altro processo: il conteggio dei successi
. Precisamente sia

un processo di Bernoulli con probabilità di successo , allora
il conteggio di successi è la somma corrente di , cioè il processo definito come:

21

4

4 4
Una possibile realizzazione è presentata in fig. 1.14. Si tratta dunque di un segnale discreto nel tempo
e discreto in ampiezza.

6
5
4
3
2
1

1 2 3 4 5 6 7 8 9 10
Figura 1.14: Realizzazione del processo di conteggio di successi.
Per un fissato
è una variabile casuale con valori in

) )

e PMF:

P

) )

Infatti la probabilità di avere successi in un prefissato ordine in prove indipendenti è ed

esistono

sequenze di prove con successi. Tale distribuzione è detta binomiale di parametri
e e sinteticamente si scrive:

Quindi
non è stazionario nemmeno del ordine.
La media e la varianza di

si ottengono facilmente sulla base delle corrispondenti statistiche del
processo di Bernoulli: infatti la media di una somma di v.a. è la somma delle loro medie (linearità
della media) e la varianza di una somma di v.a. incorrelate è la somma del varianze (additività della
varianza di v.a. incorrelate). Pertanto si ha:

!# ! #

conseguentemente il valore quadratico medio vale:

4 !# 4
Siccome la media dipende da ,

non è stazionario nemmeno in senso lato.
La caratterizzazione statistica del processo di conteggio dei successi consegue abbastanza semplice-
mente qualora si osservi che tale processo è ad incrementi indipendenti. Infatti, comunque si scel-
gano quattro istanti verificanti la relazione d’ordine , gli incrementi
0 0

4 ) )
e sono indipendenti in quanto rappresentano il numero di successi nelle prove
4
) )

. Con queste premesse è facile calcolare
-
e, rispettivamente, nelle prove
l’autocorrelazione dei conteggi di Bernoulli: infatti, supposto
, si ha:
4

4
4

ove nell’effettuare i passaggi si è utilizzata l’indipendenza di

e di . Sostituendo
le espressioni della media e della varianza si ottiene
4

Ovviamente il ruolo di e si inverte se
-
. Notiamo che la proprietà di indipendenza degli
incrementi di deriva dalla indipendenza delle variabili , ma è inessenziale che le

siano bernoulliane; quindi la proprietà di indipendenza degli incrementi vale più in generale per un
processo del tipo:

1

54 54 4

dove sono variabili indipendenti continue o discrete, con distribuzione arbitraria, cioè per la
somma corrente di una sequenza di variabili indipendenti. Se supponiamo che le siano anche
identicamente distribuite, allora gli incrementi sono anche stazionari nel senso che la distribuzione

dell’incremento con -
, dipende solo da e non anche da . Si osservi che la
possibilità di caratterizzare completamente il processo a partire dalla caratterizzazione del ordine
vale in generale per un qualunque processo ad incrementi indipendenti e stazionari.
1.4.7 Processo di Poisson
Il processo di Poisson modella numerose situazioni pratiche, come arrivi di clienti ad un certo
servizio, arrivi di chiamate telefoniche a una centrale di commutazione, arrivi di particelle radioattive
a un contatore Geiger etc. In generale un processo di conteggio di arrivi rappresenta il numero

di arrivi nell’intervallo
, cosicché 4
rappresenta il numero di arrivi nell’intervallo

4

: quindi

-
, è un processo monolatero, a tempo continuo, ma a valori discreti, e

precisamente interi. Una possibile realizzazione di un processo di conteggio di arrivi è rappresentata
in fig. 1.15: chiaramente è non decrescente ed è costante a tratti.
Per un processo di Poisson, la probabilitá di arrivi nell’intervallo
é data da

P


6
5
4
3
2
1

Figura 1.15: Realizzazione di un processo di Poisson.

dove il parametro rappresenta il numero medio di arrivi in un intervallo di ampiezza unitario
(frequenza media degli arrivi). Infatti risulta

!#

per cui, ponendo

si ottiene

. Anche il processo di Poisson non è stazionario in

senso lato. L’autocorrelazione può essere calcolata utilizzando l’indipendenza e stazionarietà degli
incrementi; precisamente, utilizzando la procedura esposta con riferimento al processo di conteggio
dei successi, si ottiene, per

.0

(1.22) 4
1.4.8 Processi gaussiani
Un’ulteriore categoria di processi la cui caratterizzazione statistica è molto semplice è quella dei
processi gaussiani, per i quali la pdf congiunta di ordine comunque elevato si ricava dalla media e
dalla funzione di autocovarianza.

Ricordiamo innanzitutto che variabili aleatorie reali (rispettivamente un vettore
) si dicono congiuntamente gaussiane se la loro pdf congiunta è:

(1.23)
ove è il vettore delle medie:

e
denotano rispettivamente il determinante e l’inversa della matrice di covarianza di

cioè della matrice il cui elemento generico è la covarianza tra le variabili aleatorie e . Per
indicare sinteticamente che è un vettore gaussiano, di media e matrice di covarianza , si

adopera la notazione:

Dalla definizione segue che la conoscenza di valor medio e funzione di autocovarianza

è
sufficiente a caratterizzare completamente un processo gaussiano . Infatti, supposto per fissare le

) )
idee il processo tempo continuo, la pdf di campioni , arbitrariamente scelti è
data dalla (1.23) ove il vettore e la matrice sono espressi in termini del valor medio del processo
e della sua autocovarianza
dalle relazioni

) ) (1.24)

.. .. .. (1.25)

.

.

.

Pertanto la pdf di ordine considerati solo tramite la
del processo dipende dagli istanti di tempo
media (1.24), il determinante e l’inversa della matrice di covarianza (1.25). Conseguentemente
un processo gaussiano stazionario in senso lato è anche stazionario in senso stretto. Infatti per un
processo stazionario in senso lato il vettore (1.24) è indipendente dal tempo e il generico elemento

della matrice di covarianza (1.25) non dipende separatamente da e da , ma solo

dalla loro differenza ; quindi la pdf congiunta degli campioni è invariante per traslazioni.

Si osservi che se gli campioni considerati del processo gaussiano sono incorrelati essi sono anche
indipendenti: in altri termini nel caso gaussiano incorrelazione è equivalente ad indipendenza. Infatti
se i campioni sono incorrelati allora la matrice di covarianza (1.25) è diagonale; conseguentemente,
esplicitando la forma quadratica che costituisce l’argomento dell’esponenziale a secondo membro
della (1.23), si ha

e la pdf congiunta (1.23) diventa

) )

cioè il prodotto delle pdf marginali dei singoli campioni .
Interessa infine ricordare che ogni trasformazione lineare di un processo gaussiano dà luogo a vari-
abili o a processi ancora gaussiani. In particolare se l’ingresso di un sistema lineare temporalmente
invariante o non (vedi capitolo successivo), è un segnale aleatorio gaussiano, allora anche l’uscita
è un segnale aleatorio gaussiano, il sistema cambia solo media ed autocovarianza del processo, ma
non la forma della pdf dei suoi campioni.
1.5 MEDIE TEMPORALI
1.5.1 Segnali deterministici
, la sua media temporale nell’intervallo

Si consideri un segnale deterministico è la
quantità
0 -

analogamente la media temporale di una sequenza

nell’intervallo è

0 - 4

Per le sequenze la media temporale coincide con la media aritmetica dei campioni, mentre per
le forme d’onda è l’altezza del rettangolo avente area uguale a quella sottesa dal segnale
nell’intervallo
e base . Notiamo esplicitamente che il risultato dell’operazione di
media temporale è un numero (reale o complesso) e quindi l’indicazione della variabile temporale
o nella notazione di media serve solo ad identificare l’operazione effettuata a seconda che si
tratti di segnali a tempo continuo o discreto; perciò, se è chiaro dal contesto di quale tipo di seg-
nale si tratti, la variabile temporale può non comparire nella notazione. Se si fa tendere all’infinito
l’ampiezza dell’intervallo si ha la media temporale (senza menzione dell’intervallo):
0 -
%&

(1.26)
nel caso continuo, ovvero

0 - % & 4

(1.27)

nel caso discreto. Alla media temporale, riguardata come segnale costante, si da anche il nome di
componente continua e la si denota con
1.5. MEDIE TEMPORALI 29

La media temporale di , o di

se si tratta di segnali complessi, si definisce valore

quadratico medio (sinteticamente valore m.s.) o potenza media e si denota con (o semplice-
mente quando non c’è ambiguità):
0 -
Il termine potenza è giustificato dal fatto che quest’ultima è proporzionale al valore quadratico
medio: precisamente nella definizione di potenza si sottintende una costante di valore unitario, ma di
opportune dimensioni; altrimenti la denominazione più appropriata è valore quadratico medio. Ad
esempio se è una corrente allora è la potenza media (in Watt) dissipata per effetto Joule in
un resistore di 1 che rappresenta il valore della costante di proporzionalità. La radice quadrata del
valore quadratico medio è il valore efficace, o sinteticamente valore rms, e verrà denotato con

0 -

Per una vasta classe di segnali deterministici la potenza è nulla. È questo, ad esempio, il caso dei
a durata limitata come l’impulso rettangolare e l’impulso triangolare

+ -
segnali

o non limitata come l’impulso esponenziale . Sulla scorta della potenza
i segnali vengo distinti in segnali di potenza, che sono i segnali con potenza strettamente maggiore di

zero, ma finita ed in segnali di energia che sono i segnali con potenza nulla ma energia finita ovvero
in cui

0

per i segnali a tempo continuo, oppure

0

per le sequenze. Notiamo che l’energia di un segnale non può essere negativa e che i segnali di ener-
gia hanno media necessariamente nulla, mentre i segnali di potenza hanno necessariamente energia
infinita.

Sulla scorta della potenza, dunque, i segnali vengono distinti in segnali di potenza, che sono i segnali
con potenza strettamente maggiore di zero, ma finita ed in segnali di energia che sono i segnali con
potenza nulla ma energia finita. Il caso non ha invece alcuna rilevanza pratica. Una
categoria di segnali di potenza deterministici di notevole interesse è quella dei segnali periodici.
L’operazione di media temporale, per i segnali di potenza o di energia, gode delle seguenti proprietà
che si richiamano qui senza dimostrazione
P1 Linearità
Per ogni coppia
di numeri reali o complessi e per ogni coppia di segnali

0 4 0 -34 0
risulta:
- -
P2 Invarianza temporale
La media temporale di un segnale è invariante per traslazioni: cioè, comunque si scelga
il ritardo (o
se trattasi di sequenze), risulta:
0 .- 0 - 0 .- 0 -

Si osservi che la proprietà di invarianza temporale comporta che nel valutare la media di un segnale
è del tutto arbitraria la scelta dell’origine dei tempi: in altri termini risulta

0 - %& 0 - % &

4

Un caso particolare è quello dei segnali periodici, per i quali la media temporale coincide con la
media calcolata su di un periodo, si ha cioè

0 -

0
-

ove e
denotano il periodo di e , rispettivamente.

Esempio 1: Componente continua e potenza di un fasore
Si consideri un fasore di pulsazione , cioè il segnale

Se
, il segnale si riduce alla costante 1 e risulta 0 - ; più in generale il valor

medio di un segnale costante è uguale alla costante stessa. Per
e si ha
il fasore è periodico di
periodo

-

0
0 -
Passando alla potenza si ha:
0 -
e più in generale

Esempio 2: Media temporale e potenza di una sinusoide
5 4
Consideriamo il segnale

con ; utilizzando la rappresentazione di una sinusoide in termini di fasori e la linearità

della media, si ha
0 5 4 -

0 -4 0 .-
Per quanto concerne la potenza, si ha
0 5 4 -

4 0 54 -

Quindi la sinusoide è un segnale di potenza periodico a media nulla. Si osservi che

l’indipendenza di media e potenza dalla fase iniziale è la conferma, sia pure nel caso partico-
lare di segnali sinusoidali, dell’invarianza della media, e quindi della potenza, per traslazioni.
Esempio 3: Impulso sinc

Si consideri l’impulso sinc di ampiezza e durata equivalente , cioè il segnale
3 % (
Come è facile verificare, si ha

% &
% (

% & % (

% (

Quindi l’impulso sinc è un segnale di energia.
Notiamo esplicitamente che la potenza e l’energia sono operazioni invarianti per traslazione, ma non
sono operatori lineare. Infatti la potenza di una somma vale
0 4 0 -34 0
-
- 4 0

-34 0 .-

ovvero, introdotta la potenza mutua tra e e quella tra e

0 .- 0 -
si ha
4 4 4 4

4

Le potenze mutue e

danno conto dell’interazione in termini energetici dei segnali. Se una
è nulla lo è anche l’altra: in tal caso, i segnali si dicono ortogonali e sinteticamente si scrive

(1.28)

e vale l’additività delle potenze.
4 4 4 4
Analogamente a quanto si verifica per le potenze, è immediato verificare, considerati due segnali di

energia e , l’energia della loro somma vale
4

ove, e denotano rispettivamente l’energia mutua tra e e quella tra e
definite da:

nel caso di segnali a tempo continuo e da

Se

(e quindi anche

per i segnali a tempo discreto.

) allora vale l’additività per l’energia ed in tal caso, analoga-

mente a quanto visto per i segnali di potenza, i segnali si dicono ortogonali e si adopera la notazione
sintetica (1.28).
1.5.2 Segnali aleatori

Per estendere ai segnali aleatori l’operazione di media temporale e le definizioni a tale operazione
collegate (componente continua, potenza, valore rms, ecc.), occorre tener presente che la media tem-
porale di un segnale aleatorio è una variabile aleatoria. Infatti, come é facile constatare, il risultato
dell’operazione

% &

(1.29)
Ricordiamo che la potenza è spesso misurata in decibel (dB), cioè in unità logaritmiche rispetto ad un valore di riferimento
; precisamente

si ha:
In particolare si parla di dBW e di dBm se la potenza di riferimento sono rispettivamente quella di un 1W o 1mW. Con-
seguentemente anche i rapporti tra ampiezze possono essere misurate in dB, ma, essendo le potenze proporzionali ai quadrati
dei valori efficaci, per le ampiezze la misura in dB è data da

ove
è il valore di riferimento.
é un numero reale che dipende dalla particolare funzione membro considerata. Ha quindi senso

definire come potenza del processo aleatorio la quantitá
% &

(1.30)

Mostriamo ora che i processi aleatori stazionari sono segnali di potenza. Calcolandone l’energia
risulta:
% & % &

(1.31)

Se il processo é stazionario, per cui, sostituendo nella (1.31) si ottiene
% &

. Procedento nello stesso modo per la

che é uguale a zero se ma diverge se
potenza, otteniamo
% & 0

da cui si evince che i segnali aleatori sono segnali di potenza.
1.5.3 Rappresentazione dei segnali

Un numero considerevole di proprietà e di applicazioni possono essere ottenute e interpretate sulla
base di una rappresentazione dei segnali di energia e di quelli di potenza come elementi di uno spazio
opportuno.
Cominciamo dunque col richiamare alcune proprietá degli spazi euclidei. Consideriamo il caso bidi-
mensionale ed individuiamo un sistema di riferimento mediante due versori e . Ció significa

4
che qualunque vettore in questo spazio é rappresentabile come somma delle due proiezioni sui ver-
sori e , cioé

come mostrato nella fig. 1.16. Similmente, per un secondo

vettore, si ha
4
essendo e a modulo unitario, per essi valgono le proprietá:
, , ; le proiezioni sono poi date dai prodotti scalari

Per i vettori nello spazio euclideo sappiamo che valgono alcune proprietá metriche che permettono
di definire la lunghezza di un vettore, il prodotto scalare tra due vettori e la distanza tra vettori nello

Figura 1.16: Rappresentazione del vettore nello spazio bidimensionale

spazio. Risulta dunque
4
4
d

4
Estendiamo ora queste proprietá ai segnali di energia e di potenza ; a tal fine, é utile interpretare un
segnale come un vettore avente un numero infinito (non numerabile) di componenti. Sia dunque
un segnale di energia o di potenza e si consideri il vettore di lunghezza ,

) )
avente come componenti i campioni del segnale nei punti
. Interpretando l’integrale come ) )
estensione sul continuo dell’operazione di somma, é possibile estendere il concetto di norma di un

vettore al caso di uno spazio di segnali ponendo

(1.32)
Per cui la norma

é proprio l’ energia del segnale . Per il prodotto scalare vale una
proprietá simile
0

-

(1.33)
inoltre, due segnali si dicono ortogonali se

0
-

La trattazione rigorosa dell’argomento esula dagli scopi di questo corso. Per approfondimenti si rimanda a testi specifici,
ad esempio L.E. Franks Signal Theory, Eglewood Cliffs, N.J., Prentice-Hall
Le stesse estensioni valgono anche per i segnali di potenza a patto di definire opportunamente il

prodotto scalare; precisamente si ha

% &

(1.34)
Per il prodotto scalare vale una proprietá simile
0

- % &

(1.35)
Negli spazi lineari dotati di prodotto scalare vale inoltre la disuguaglianza di Schwartz
0
-

dove l’uguaglianza si verifica se e solo se , se cioè i segnali sono proporzionali.
Sulla base di queste considerazioni, il prodotto scalare è indicativo del grado di similitudine (pro-
porzionalità) fra due segnali: in particolare due segnali vengono detti perfettamente simili se il loro
prodotto scalare è massimo, mentre sono completamente dissimili se ortogonali.

1.5.4 Funzioni di correlazione per segnali deterministici

La funzione di correlazione
tra due segnali deterministici é definita come prodotto scalare tra

il segnale ed il segnale ritardato
al variare del ritardo

0

- (1.36)

analogamente nel caso di sequenze la definizione è

0
.- (1.37)
Nel caso particolare che il secondo segnale coincida col primo, si ha la funzione di autocorrelazione
di , che pertanto è definita da

0

- (1.38)
nel caso di forme d’onda e da

0
.- (1.39)
nel caso di sequenze. Si noti che per la funzione di autocorrelazione il doppio pedice è ridondante e
pertanto nel seguito sarà anche utilizzata la notazione .

La (1.36) estende ai segnali deterministici la definizione di mutua correlazione precedentemente

introdotta per i segnali aleatori: precisamente tale funzione è la media temporale
% &

nel caso di segnali di potenza, mentre per segnali di energia si riduce all’integrale

Analoghe considerazioni valgono per la funzione di autocorrelazione per i segnali a tempo discreto.
Si osservi che, sulla scorta dell’interpretazione data del prodotto scalare, la funzione di mutua corre-
lazione è un indice della similitudine tra i segnali ed
; analoga-
mente la funzione di autocorrelazione, confrontando un segnale con se stesso al variare del ritardo, è
un indice della rapidità di variazione del segnale stesso, ovvero della predicibilità (lineare) del valore
attuale sulla scorta del valore assunto
secondi prima.
Esempio 1: Impulso rettangolare

Consideriamo un impulso rettangolare di durata e di ampiezza , cioè il segnale

3

Trattandosi di un segnale di energia ( ), la sua funzione di autocorrelazione vale

0 -

Esempio 2: Segnale costante

Il segnale costante

è un segnale deterministico di potenza; conseguentemente la sua funzione di autocorrelazione
vale

0

- 0
- 3

Pertanto un segnale costante ha un’autocorrelazione costante, come è intuitivo dal momento
che il segnale ed il segnale ritardato
sono identici.
Esempio 4: Fasori
Si considerino i due fasori
"! 3 "!

che sono entrambi segnali deterministici di potenza; conseguentemente la loro funzione di
mutua correlazione vale

0

- 0
-
0 ! ! - "!

Da cui, ricordando che la media di un fasore è nulla a meno che la sua frequenza non sia zero,
segue che la mutua correlazione di due fasori a frequenza diversa è identicamente nulla. Se
invece i due fasori sono isofrequenziali, cioè

, allora la mutua correlazione è non
nulla e vale
0 ! ! - "!

"! " !

Pertanto la mutua correlazione tra due fasori isofrequenziali è un fasore della stessa frequenza,
ma con ampiezza pari alla loro potenza mutua.

Se i due fasori isofrequenziali hanno anche la stessa ampiezza ( ) e la

stessa fase iniziale ( ), allora coincidono e la relazione precedente fornisce

l’autocorrelazione del fasore, precisamente risulta:

0

- 0
- 3
"!
"!

Pertanto l’autocorrelazione di un fasore è un fasore della stessa frequenza, con fase iniziale
nulla e con ampiezza pari alla potenza del segnale.
Le proprietà analitiche delle funzioni di auto e di mutua correlazione discendono agevolmente dal
fatto che esse sono dei prodotti scalari. Precisamente la funzione di mutua correlazione gode delle
seguenti proprietà:
P1 Valore nell’origine

0
-

P2 Proprietà di simmetria coniugata:

P3 La funzione di mutua correlazione è limitata:

La proprietà P1 è un’immediata conseguenza della definizione e fornisce un’interpetrazione in ter-

mini energetici del valore nell’origine della mutua correlazione.
La proprietà P2 è anch’essa di immediata dimostrazione, invero, supposto per fissare le idee i segnali

a tempo continuo, si ha

0

- 0

-

segnali, ma le due funzioni di mutua correlazione

Tale proprietà evidenzia che la mutua correlazione dipende dall’ordine in cui si considerano i due
e sono tra loro legate dalla relazione

di simmetria espressa dalla P2.
La proprietà P3 afferma che la funzione di mutua correlazione tra e ; essa segue immediata-
mente dalla disuguaglianza di Schwartz e dall’invarianza della norma per traslazioni.
Passando a considerare la funzione di autocorrelazione si ha che essa gode delle seguenti proprietà:
P1 Valore nell’origine:

P2 Simmetria coniugata (Hermitianità):

P3 La funzione di autocorrelazione è limitata ed ha un massimo nell’origine

Esempio 5: Il segnale binario casuale

Il segnale telegrafico è un segnale aleatorio a tempo continuo ed ampiezza discreta, e
precisamente con due possibili valori di ampiezza, 4
e , equiprobabili: inoltre il numero

di commutazioni fra i due livelli in un intervallo di ampiezza
è una variabile di Poisson
(fig. 1.17) di parametro (media)
e le commutazioni relative ad intervalli disgiunti sono
indipendenti. In altri termini il numero di commutazioni è un processo di Poisson.
Poiché il segnale binario casuale è un segnale aleatorio, la sua autocorrelazione si calcola come
media temporale dell’autocorrelazione statistica in tempo-ritardo. Quest’ultima può essere
facilmente calcolata con la tecnica della media condizionata; infatti, considerati due istanti di
tempo e
, le due variabili aleatorie e
assumono lo stesso valore (entrambe
4
o entrambe ) se il numero di commutazioni nell’intervallo di ampiezza
è pari e
viceversa assumono valori opposti se tale numero di commutazioni è dispari. Pertanto la media

Figura 1.17: Realizzazione del segnale telegrafico.

!#$%

condizionata vale , mentre la media condizionata
% !#$% vale
!#$%
#

. Mediando ulteriormente su si ottiene quindi

3 # % !#$%
# !#$%
# % !#$%

Esplicitando, in tale relazione la e la , si ha

4

3

Nel calcolo precedente si è implicitamente assunto
, ma è chiaro che se
è

1
sufficiente sostituire
con
; quindi in definitiva l’autocorrelazione dipende solo dal modulo
di
secondo la formula

(1.40)

in accordo con la proprietà di simmetria secondo la quale l’autocorrelazione di un segnale
reale è pari.
Poiché inoltre, come è immediato verificare, il segnale binario casuale ha media nulla, esso è
SSL; conseguentemente la sua autocorrelazione, definita come prodotto scalare (1.38), coin-
cide con quella statistica (1.40).
Osserviamo che la funzione di mutua correlazione compare naturalmente quando si combinano tra
loro più segnali. Ad esempio, l’autocorrelazione del segnale somma , dove 4

e sono dello stesso tipo, è data da:

4 4 4 4 4 4

Quindi la condizione

, è condizione sufficiente per l’additività della funzione di

autocorrelazione .
Precedentemente si è visto che condizione sufficiente per l’additività dell’energia, o della potenza,

è l’ortogonalità dei due segnali, cioè (che, a seconda dei casi, equivale a
o

).
Evidentemente, la condizione

è una condizione più restrittiva di
, dal momento che essa comporta che non solo è nullo il prodotto scalare fra e ,
Due segnali la cui mutua correlazione sia identicamente nulla, cioè

ma anche quello fra e una qualsiasi versione ritardata o anticipata di .

, si di-
cono incoerenti; per cui si può affermare che l’incoerenza è condizione sufficiente per l’additività
dell’autocorrelazione oltre che per l’additività della potenza. Sulla scorta dell’esempio 4, si ha che
due fasori a frequenza diversa sono incoerenti; conseguentemente l’autocorrelazione della somma di
più fasori è uguale alla somma delle singole autocorrelazioni.
La condizione di incoerenza non deve essere confusa con la condizione di incorrelazione.
L’incorrelazione non implica che la mutua correlazione sia nulla, ma invece implica, in analogia
alla usuale terminologia statistica, che essa si fattorizza nel prodotto delle componenti continue.
Capitolo 2
I SISTEMI NEL DOMINIO DEL

TEMPO
2.1 GENERALITÀ SUI SISTEMI

I segnali subiscono varie modifiche nel percorso dalla sorgente alla destinazione: esse possono es-
sere intenzionali (per esempio le elaborazioni effettuate per estrarre l’informazione) o inintenzionali
(per esempio le distorsioni); in entrambi i casi esse sono rappresentate matematicamente mediante
sistemi.
Dal punto di vista analitico un sistema è un operatore che converte un segnale detto ingresso
in un segnale detto uscita: l’azione del sistema sul segnale può essere schematizzata con il
diagramma di fig. 2.1.

Figura 2.1: Rappresentazione di sistemi
I sistemi possono essere classificati sulla base dei segnali che elaborano. Cosı̀ si parla di sistema
deterministico se l’uscita corrispondente ad un qualunque ingresso deterministico è a sua volta un
segnale deterministico, di sistema numerico se ingresso ed uscita sono segnali numerici, discreto se
ingresso ed uscita sono sequenze, continuo se ingresso ed uscita sono forme d’onda. Pertanto, di
41
42 Capitolo 2. I SISTEMI NEL DOMINIO DEL TEMPO

Figura 2.2: Partitore resistivo: circuito, schema a blocchi
norma, ingresso ed uscita di un sistema sono segnali dello stesso tipo, con le eccezioni, di notev-
ole interesse pratico, del convertitore analogico/numerico, utilizzato per convertire un segnale ad
ampiezza e tempo continui in un segnale numerico, e quello numerico/analogico impiegato per ri-
costruire una forma d’onda dalla sua versione numerizzata; tali sistemi sono le interfacce necessarie
per poter effettuare l’elaborazione numerica di forme d’onda.
Sinteticamente per un sistema continuo il legame ingresso/uscita è:
3

e analogamente per un sistema discreto o numerico si ha:
3

Tali notazioni sottolineano che il valore attuale dell’uscita ( ) dipende sia dall’istante di
tempo ( considerato che da tutto il segnale d’ingresso .
Esempio 1: Partitore resistivo

Si consideri il circuito elettrico di fig. 2.2a denominato partitore resistivo: l’analisi del circuito
fornisce immediatamente il legame ingresso-uscita per le tensioni:

4
dunque uscita ed ingresso risultano proporzionali con costante di proporzionalità
.
Il partitore resistivo è un sistema continuo.
Esempio 2: Ritardo elementare

Il ritardo elementare di una posizione è il sistema discreto definito dall’equazione

2.1. GENERALITÀ SUI SISTEMI 43

Figura 2.3: Diodo ideale: circuito, caratteristica, schema a blocchi.
Esempio 3: Diodo ideale

Il legame ingresso uscita di un diodo è dato dall’equazione che lega la tensione ai capi
del diodo alla corrente che fluisce nel diodo stesso ed é rappresentato in Fig. 2.3 per il
caso di diodo ideale. Il diodo ideale é quindi un sistema continuo.
Esempio 4: Moltiplicatore (discreto) per una costante
È il sistema discreto definito dal seguente legame ingresso–uscita:

Esempio 5: Filtro RC
Il circuito elettrico di fig. 2.4 prende il nome di filtro RC. Utilizzando le tecniche di analisi dei
circuiti elettrici è semplice verificare che il legame ingresso-uscita è definito dall’equazione
*4
differenziale:
(2.1)
La condizione iniziale necessaria per definire univocamente il legame ingresso-uscita la si as-
sume zero (sistema inizialmente a riposo). Risolvendo l’equazione differenziale, a tale legame
si può dare forma esplicita: precisamente, posto

+ (2.2)
risulta

È possibile costruire sistemi complessi a partire da sistemi semplici: i tipi di connessione fondamen-
tale sono:

Figura 2.4: Filtro RC: a) circuito, b) schema a blocchi.

Sistema 1 Sistema 2
connessione in cascata

Sistema 1 Sistema 1

Sistema 2 Sistema 2
connessione in parallelo connessione in controreazione
Figura 2.5: Interconnessione di sistemi.
connessione in cascata o serie (fig. 2.5 )

connessione in parallelo (fig. 2.5 )
connessione in controreazione (feedback) (fig. 2.5 )
La figura si riferisce al caso di due sistemi, ma l’estensione delle connessioni in cascata ed in paral-
lelo al caso di più sistemi è immediata.
Si osservi che la connessione dei sistemi oltre a indicare una strada per la realizzazione di sistemi
complessi, consente anche di riguardare un dato sistema come interconnessione dei suoi componenti.
Esempio 6: Filtro MA

ritardo

Figura 2.6: Filtro MA
Si consideri il sistema di fig. 2.6: esso può riguardarsi come la connessione in parallelo di un
moltiplicatore per una costante (Esempio 4) con la cascata di un ritardo elementare (Esem-
pio 3) e di un altro moltiplicatore.
È immediato verificare che il legame ingresso-uscita del sistema complessivo è dato da:
4
In altri termini, il valore attuale dell’uscita è dato dalla somma pesata, con pesi e )
, del valore attuale e di quello immediatamente precedente dell’ingresso, il
che spiega il nome di filtro a media mobile, sinteticamente filtro MA (dall’inglese Moving
Average), dato a tale sistema.
Esempio 7: Filtro interpolante di ordine zero (ZOH)
Il filtro interpolante di ordine zero o sinteticamente filtro ZOH (Zero Order Hold), è il sistema
di fig. 2.7: tale sistema può ottenersi connettendo in cascata il parallelo di un sistema identico

( ) e di una linea di ritardo ( ) con un integratore. È immediato
verificare che il legame ingresso-uscita del sistema complessivo è dato da:

2

(2.3)
I sistemi vengono usualmente classificati sulla base delle loro proprietà: all’uopo è utile richiamare
le principali definizioni.
2.1.1 Dispersività
Si è gia osservato che l’uscita di un sistema in un determinato istante dipende in genere da tutto il
segnale di ingresso: ciò si esprime dicendo che il sistema è dispersivo o con memoria. Viceversa un

Ritardo T
Figura 2.7: Filtro ZOH.
sistema si dice non dispersivo o senza memoria se il valore (risp. ) dell’uscita all’istante
(risp. ) dipende solo dal corrispondente valore (ris. ) dell’ingresso nello stesso istante ed
eventualmente dall’istante (risp. ). È immediato verificare che il partitore resistivo (Esempio 1),
il diodo (Esempio 2) ed il moltiplicatore per una costante (Esempio 4) sono sistemi non dispersivi;
invece il ritardo elementare (Esempio 3), il filtro RC (Esempio 5), il filtro MA (Esempio 6) ed il
filtro ZOH (Esempio 7) sono sistemi dispersivi.
2.1.2 Causalità
Un sistema è causale se il valore dell’uscita all’istante (risp. ) dipende non da tutto l’ingresso
, ma solo dai valori assunti da negli istanti di tempo precedenti (risp. ) compreso; in
altri termini, per un sistema causale, il valore dell’uscita non dipende dai valori futuri dell’ingresso.
Conseguentemente se due ingressi ad un sistema causale sono identici fino all’istante (risp. ), $
allora anche le corrispondenti uscite sono uguali fino a tale istante. È immediato verificare che tutti
i sistemi degli esempi 1-7 sono casuali, mentre il filtro MA definito dall’equazione
4 4

è un sistema discreto, dispersivo e non causale.
Sebbene i sistemi causali abbiano grande importanza, tuttavia essi non sono gli unici sistemi
d’interesse pratico. Ad esempio la causalità non è una restrizione necessaria nell’elaborazione
d’immagini e, più in generale, ogni qual volta la variabile indipendente non è il tempo. È pari-
menti superfluo imporre il vincolo della causalità per tutte le elaborazioni che non sono effettuate
in tempo reale: cosı̀ ad esempio i segnali geofisici, sismici, metereologici vengono spesso prima
registrati e poi elaborati in tempo differito senza alcun vincolo di causalità. Infine anche nelle elabo-
razioni in tempo reale vengono presi in esame sistemi non causali al fine di valutare la degradazione
dovuta al vincolo di causalità nei sistemi realizzati in pratica.
Sistema Sistema
invertibile inverso
Figura 2.8: Sistema invertibile.
2.1.3 Invertibilità
Un sistema è invertibile se tale è la trasformazione che lo definisce; in altri termini un sistema si dice
invertibile se esiste un altro sistema, detto sistema inverso, tale che la cascata del sistema invertibile
e del suo inverso realizza la trasformazione identica (vedi fig. 2.8). Si consideri ad esempio il sistema
definito dall’equazione:

esso realizza la somma corrente dei valori dell’ingresso ed è denominato accumulatore; è immediato
verificare che tale sistema è invertibile e che il suo inverso è il sistema MA definito dall’equazione:
(2.4)
detto anche differenza prima e denotato con il simbolo .
2.1.4 Invarianza temporale

Un sistema è temporalmente invariante se una traslazione dell’ingresso comporta una traslazione
della stessa entità anche dell’uscita: in altri termini si ha:
2 2

Verifichiamo ad esempio che il filtro RC è temporalmente invariante: detta la risposta a e
2
la risposta a , si ha:

2

2 2

In maniera analoga è possibile verificare che i sistemi considerati negli esempi 1 7 sono temporal-
mente invarianti.
Consideriamo ora il sistema definito dall’equazione

La risposta all’ingresso

vale:

pertanto il sistema non è temporalmente invariante.
2.1.5 Stabilità
Un sistema è stabile se la risposta ad un qualunque ingresso limitato è anch’essa limitata. Tale tipo
di stabilità è detta o anche stabilità BIBO (Bounded Input - Bounded Output).

È immediato verificare che i sistemi degli esempi 1 7 sono stabili; cosı̀ per il filtro RC, supposto

, si ha:

Viceversa il sistema definito dall’equazione

non è stabile; infatti la risposta ad un gradino in ingresso, cioè , è una rampa, cioè +

+
, che non è limitata. Cosı̀ pure non sono stabili, in senso BIBO, l’accumulatore ed il
suo equivalente continuo, l’integratore ideale.
2.1.6 Linearità
Un sistema è lineare se è omogeneo ed additivo, cioè se esso verifica le seguenti condizioni:
Omogeneità : ad un cambiamento di scala per le ampiezze dell’ingresso corrisponde uno stesso

cambiamento di scala delle ampiezza dell’uscita, cioè

qualunque sia l’ingresso e qualunque sia il fattore di scala .
Additività : la risposta ad un segnale somma è la somma delle singole risposte; cioè

4 4
qualunque siano gli ingressi e .

È immediato verificare che il sistema dell’esempio 2 non è lineare, mentre tutti i rimanenti lo sono.
2.2. SISTEMI LINEARI: SOMMA ED INTEGRALE DI SOVRAPPOSIZIONE 49
2.2 SISTEMI LINEARI: SOMMA ED INTEGRALE DI

SOVRAPPOSIZIONE
Come si è visto, la proprietà caratteristica dei sistemi lineari è che se l’ingresso è una combinazione
lineare di segnali
4 4

4 ) )
allora l’uscita è data, per il principio di sovrapposizione, da:
4 4

4 ) )
dove

è l’uscita corrispondente a

,

) ) .
È dunque conveniente rappresentare un generico ingresso come sovrapposizione di segnali ele-
mentari di cui sia nota la risposta, cosı̀ da ottenere la risposta complessiva del sistema sovrapponendo
le risposte ai singoli segnali elementari. A questo scopo una efficace decomposizione dei segnali di
ingresso è quella in termini di impulsi introdotta nel capitolo precedente. Nel caso di segnali a tempo
discreto, possiamo esprimere la generica sequenza come

e quindi la risposta a è data dalla combinazione lineare, con coefficienti , delle risposte

ai singoli impulsi traslati . Detta allora
la risposta impulsiva in tempo-istante di
applicazione del sistema, cioè la risposta del sistema all’impulso applicato all’istante

allora la risposta a è data dalla cosiddetta somma di sovrapposizione (in tempo-istante di appli-

cazione)

(2.5)

In alternativa è possibile esprimere la risposta del sistema a mezzo della risposta impulsiva in tempo-

ritardo

cioè della risposta, valutata all’istante , ad un impulso applicato istanti prima, in altri termini
è il ritardo, misurato rispetto all’istante di applicazione

, con cui si osserva l’uscita.
Infatti con il cambio di variabile la (2.5) si riscrive

(2.6)

ed è detta somma di sovrapposizione in tempo-ritardo.

L’interpretazione della (2.6) è che l’uscita del sistema all’istante è la somma pesata del valore
attuale , di quelli passati
1
e di quelli futuri
dell’ingresso 0
con pesi pari ai campioni della risposta impulsiva in tempo/ritardo.
L’estensione al caso di sistemi continui è immediata: partendo dalla rappresentazione di un segnale

in termini di impulsi di Dirac

per il principio di sovrapposizione, l’uscita corrispondente all’ingresso è data dall’integrale
di sovrapposizione in tempo-istante di applicazione:

dove
è la risposta impulsiva in tempo-istante di applicazione, che rappresenta l’uscita del
sistema all’istante quando l’ingresso è un impulso applicato all’istante .
Alternativamente, anche un sistema lineare continuo può essere descritto dalla risposta impulsiva in
tempo-ritardo:

che rappresenta la risposta all’istante ad un impulso applicato all’istante
; essa consente
di esprimere l’uscita come integrale di sovrapposizione in tempo-ritardo:

(2.7)
2.3 Sistemi lineari tempo invarianti

I sistemi lineari tempo invarianti (LTI) costituiscono la più importante classe di sistemi, perché
forniscono un modello adeguatamente accurato di moltissimi sistemi reali e perché nel contempo
ammettono metodi di analisi e di sintesi molto potenti.

Un sistema lineare è temporalmente invariante se e solo se la risposta impulsiva

(ris.
)
non dipende dall’istante di osservazione (risp. ), ma solo dal ritardo
(risp. ); L’argomento
irrilevante può essere abolito e quindi il sistema è descritto da una funzione di una sola variabile,

(risp. ).
Iniziamo col prendere in esame i sistemi discreti. La condizione di invarianza

2.3. Sistemi lineari tempo invarianti 51
consente di esprimere il legame ingresso-uscita nella forma:

(2.8)

Tale somma prende il nome di convoluzione discreta fra e , o semplicemente di con-

voluzione se è chiaro che si opera su segnali discreti e, come è implicito nella (2.8), viene denotata
col simbolo : quindi l’uscita di un sistema LTI è la convoluzione dell’ingresso e della
risposta impulsiva. Notiamo che l’ordine dei due fattori è inessenziale; infatti con cambio di variabile

è immediato verificare che

(2.9)

In altri termini la convoluzione è commutativa

Analogamente ai sistemi LTI discreti, anche i sistemi LTI continui sono caratterizzabili mediante la

loro risposta impulsiva
; il corrispondente legame ingresso-uscita è

(2.10)

L’integrale nella (2.10) prende il nome di convoluzione (continua) fra e e converge se

almeno uno dei due fattori è sommabile (in particolare converge se il sistema è stabile e se

l’ingresso è limitato). L’interpretazione della (2.10), e in particolare del secondo integrale è la
seguente: siccome è possibile pensare a come la sovrapposizione di -impulsi traslati
,

, di area

, allora l’uscita del sistema è la sovrapposizione delle relative
risposte impulsive
con gli stessi pesi

.
Esempio 1: Convoluzione di un gradino ed una sequenza esponenziale

Ci proponiamo di valutare la risposta al gradino (fig. 2.9 del sistema LTI avente 3+

risposta impulsiva
, con + (fig. 2.9 . All’uopo occorre costruire 0 0
il segnale ribaltando l’ingresso (fig. 2.9 e traslandolo di campioni: la
traslazione è in ritardo, cioè nel verso positivo dell’asse dei tempi se
(fig. 2.9 ), o in -
anticipo di campioni 0
). L’uscita, per il dato valore di , si ottiene poi

se (fig. 2.9
sommando i valori di (fig. 2.9 pesati secondo il corrispondente valore di ,
cioè moltiplicando tra loro i campioni di fig. 2.9 (o di fig. 2.9 e quelli di fig. 2.9 relativi
allo stesso istante e poi sommando i vari prodotti. Ovviamente per la commutatività della
convoluzione i ruoli di segnale e risposta impulsiva possono essere scambiati.

0

-

Figura 2.9: Convoluzione di un gradino e di una sequenza esponenziale.


Dall’esame dei grafici di fig. 2.9 e fig. 2.9 è chiaro che, per , e 0
non
si sovrappongono, cioè non sono mai contemporaneamente diversi da zero e quindi
per 0
. Per
1
, il prodotto vale (vedi fig. 2.9 e fig. 2.9 ):

'
altrimenti

Pertanto, per 21

L’andamento della risposta al gradino (risposta indiciale) è riportato in fig. 2.9 : si noti che
tale risposta ha un asintoto pari a per tendente all’infinito.

Esempio 2: Convoluzione di due finestre rettangolari
Siano e

due finestre rettangolari di lunghezza e rispettivamente, cioè:

(nelle fig. 2.10a e fig. 2.10b si è supposto ed ). Applicando la procedura
precedentemente delineata, è facile verificare che ha l’andamento trapezoidale
indicato in fig. 2.10c.

Dall’esempio precedente risulta che la convoluzione di due sequenze rettangolari di lunghezza
è una sequenza trapezoidale di lunghezza . Come caso particolare,
4
e

ponendo , si ricava che la convoluzione di due sequenze rettangolari della stessa
lunghezza è una sequenza triangolare di lunghezza ed ampiezza

.

Con un piccolo sforzo di generalizzazione è facile rendersi conto che la convoluzione di due

4
qualsiasi sequenze di lunghezza finita, diciamo

e è una sequenza di lunghezza finita
. In altri termini se applichiamo una sequenza di lunghezza finita in ingresso

ad un sistema con memoria finita , otteniamo in uscita una sequenza pure di lunghezza finita,
ma più lunga di campioni per effetto della memoria finita del sistema.
Esempio 3: Filtro ZOH
Il filtro interpolatore di ordine zero precedentemente introdotto è un sistema LTI con risposta
impulsiva (vedi fig. 2.11a):

durata 1
come è immediato verificare; si supponga che anche l’ingresso sia un impulso rettangolare di
(fig. 2.11b), cioè
3


4
3
2
1

Figura 2.10: Convoluzione di due finestre rettangolari.

È facile controllare che la convoluzione di e ha andamento trapezoidale (fig. 2.11c) e
la sua durata complessiva è la somma della durata delle due finestre rettangolari: essa diventa
un triangolo se 3 (Figura 2.11d).
Esaminiamo ora le proprietà fondamentali della convoluzione in aggiunta alla commutatività già

accennata precedentemente. Anzitutto, si può verificare che la convoluzione è associativa, si ha
cioè:

(2.11)
si noti che in virtù della proprietà associativa l’impiego delle parentesi quadre nella (2.11) è super-
fluo. Tale proprietà può essere interpretata in termini di connessione di sistemi LTI come illustrato

in fig. 2.12: infatti, dalla proprietà associativa, segue che la connessione in serie di due sistemi LTI

aventi
risposta impulsiva e è equivalente a un unico sistema LTI con risposta impulsiva
. Inoltre, come conseguenza della proprietà associativa in congiunzione con la proprietà
commutativa, la risposta impulsiva globale è indipendente dall’ordine con cui i sistemi sono connessi
in serie. Tale proprietà può essere generalizzata ad un numero arbitrario di sistemi LTI connessi in
serie.

4

Figura 2.11: Convoluzione di due finestre rettangolari.

Figura 2.12: Interpretazione delle proprietà associativa e commutativa della convoluzione.


Una terza proprietà della convoluzione è la proprietà distributiva

54

4
come è facile verificare. L’interpretazione di tale proprietà è data, in termini di connessione in

parallelo di sistemi LTI, in fig. 2.13: due sistemi LTI in parallelo possono essere sostituiti da un
unico sistema LTI la cui risposta impulsiva è la somma delle loro singole risposte impulsive. Ov-
viamente questa proprietà è generalizzabile al caso di un numero arbitrario di sistemi connessi in
parallelo.

4

Figura 2.13: Interpretazione della proprietà distributiva della convoluzione.

È immediato verificare che l’impulso si comporta come l’unità nei confronti della convoluzione,

nel senso che si ha
(2.12)

Se si interpreta come la risposta impulsiva del sistema identico, che è un particolare sistema
LTI, la proprietà (2.12) esprime semplicemente la condizione che ingresso ed uscita di un sistema
identico coincidono.

La convoluzione gode anche della proprietà associativa mista, cioè risulta

Tale proprietà traduce in termini di convoluzione l’omogeneità dei sistemi lineari, ed afferma che
si può indifferentemente scalare l’ampiezza di uno dei due fattori del prodotto di convoluzione o il
risultato del prodotto stesso.

Un’altra proprietà della convoluzione
il risultato
è l’invarianza temporale. Precisamente, detto

della convoluzione fra e , il risultato della convoluzione fra e è ,

in altri termini si ha

(2.13)

come ingresso al sistema e come risposta impulsiva la (2.13) esprime
Se interpretiamo
semplicemente la proprietà di invarianza temporale dei sistemi LTI.
La convoluzione continua ha le stesse proprietà della convoluzione discreta; tali proprietà sono sin-
tetizzate nella tabella 2.1 sia con riferimento al caso di segnali a tempo continuo che di sequenze.

P1 commutativa

4 4
P2 associativa

P3 distributiva

P4 cambiamento di scala

2 2

P5 invarianza temporale

P6 esistenza dell’unità
Tabella 2.1: Proprietà della convoluzione.
Anche nel caso di forme d’onda, tali proprietà si possono interpretare in termini di connessione di
sistemi: la proprietà commutativa equivale ad affermare che i ruoli del segnale di ingresso e della
risposta impulsiva possono essere scambiati; la proprietà associativa implica che la cascata di due
sistemi è equivalente ad un unico sistema la cui risposta impulsiva è la convoluzione delle singole
risposte impulsive; inoltre, la risposta impulsiva globale non dipende dall’ordine di connessione;
infine la proprietà distributiva comporta che il parallelo di due sistemi è equivalente ad un unico
sistema la cui risposta impulsiva è la somma delle singole risposte impulsive.
La procedura per calcolare la convoluzione è abbastanza simile a quella delineata per il caso discreto:
precisamente, per valutare l’uscita per uno specifico valore di , prima si determina il segnale

(considerato come funzione di
con fisso) mediante una riflessione intorno all’asse verticale e una
traslazione (in ritardo se 1 , in anticipo se 0
); si moltiplicano poi i segnali
e
e
si calcola l’area sottesa dal prodotto; al variare di si ottiene l’intero segnale di uscita. Ovviamente

i ruoli di e possono essere invertiti secondo convenienza.
Le risposta impulsiva caratterizza completamente un sistema lineare, e per tale motivo è una risposta
canonica, conseguentemente le proprietà di un sistema lineare secondo la classificazione del para-
grafo precedente, possono essere espresse in termini della risposta impulsiva. In particolare, si può
effettuare la seguente classificazione:
o non dispersivo, se e solo se per

, ovvero se e solo se:

Sistemi LTI senza memoria : Dalla (2.8) segue che un sistema lineare discreto è senza memoria,

(2.14)
Analogamente, per un sistema continuo la condizione è:

(2.15)
Infatti se e solo se le condizioni (2.14) e (2.15) sono verificate, il valore attuale dell’uscita
dipende esclusivamente dal valore dell’ingresso valutato nello stesso istante. Infatti, dalle

(2.14) e (2.15) segue che in tali ipotesi, il sistema effettua semplicemente il prodotto del seg-
nale d’ingresso per una costante . Quando la (2.14) o (2.15) non sono verificate il sistema è
con memoria (dispersivo in tempo).
Sistemi LTI causali : Il concetto di causalità si traduce, per un sistema lineare discreto, nella con-
dizione che:
(2.16) 0
per cui la somma di convoluzione (2.6) si scrive

(2.17)

Infatti, se e solo se la condizione (2.16) è verificata, i valori futuri dell’ingresso, cioè i cam-
pioni con 0
, non danno contributo al valore attuale dell’uscita.
Analogamente la condizione di causalità per un sistema lineare continuo è:

0 (2.18)
e il relativo integrale di convoluzione è

(2.19)
Se le condizioni (2.16) o (2.18) non valgono il sistema è non causale. Un caso particolare di
sistema non causale è il sistema anticausale definito dalla condizione:

-

-
Sistemi lineari stabili : Anche la condizione di stabilità può essere espressa in termini della risposta
impulsiva. Sia un ingresso limitato, cioè

, di un sistema lineare discreto, la

corrispondente uscita può essere maggiorata come segue

quindi l’uscita è limitata se esiste una costante tale che

0

(2.20)


il sistema è reale se e solo se è reale
il sistema è non dispersivo se e solo se

il sistema è causale se e solo se 0

il sistema è anticausale se e solo se -

04

il sistema è stabile se e solo se

Tabella 2.2: Condizioni sulla risposta impulsiva per sistemi LTI.
cioè, se la risposta impulsiva è sommabile rispetto ai ritardi e la somma è limitata. Si dimostra

poi che tale condizione è anche necessaria, infatti, consideriamo l’ingresso limitato definito
da:

se
altrimenti

e assumiamo che la (2.20) non sia verificata; allora l’uscita è data da

e pertanto non è limitata.

Con analoghe considerazioni si verifica che condizione necessaria e sufficiente per la stabilità
di un sistema continuo è che esista una costante reale tale che:

0

Le condizioni cui deve soddisfare la risposta impulsiva di un sistema LTI sono riassunte nella tabella
2.2.
A proposito della connessione in serie dei sistemi, va altresı̀ puntualizzato che l’invarianza della
risposta rispetto all’ordine di connessione vale solo se tutti i sistemi sono sia lineari che tempo
invarianti. Per esempio, è immediato verificare che il sistema che moltiplica per 2 (LTI) non può es-
sere scambiato, nell’ordine di connessione, con il sistema che effettua il quadrato (tempo invariante,
ma non lineare). Analogamente un sistema LTI (per esempio il filtro MA di risposta impulsiva

+ +
) non può essere scambiato con un sistema LTV (per esempio il sistema
lineare definito da ) come si può verificare calcolando la risposta impulsiva delle due

possibili connessioni in cascata.
Esempio 3: Accumulatore
È immediato verificare che l’accumulatore precedentemente introdotto è il sistema LTI con

risposta impulsiva +
. Tale sistema è invertibile ed il suo inverso è la differenza

prima : infatti la risposta impulsiva della differenza prima è;

e effettuando la convoluzione con la risposta impulsiva dell’accumulatore si ottiene:

3+ + 2+
Esempio 4: Sistemi ARMA

Una categoria di sistemi LTI discreti di notevole importanza nelle applicazioni è costituita da
quei sistemi per i quali l’ingresso e l’uscita soddisfano un’equazione alle differenze,
lineare, a coefficienti costanti, di ordine , cioè del tipo:

(2.21)

, tale equazione si riscrive

Iniziamo con l’osservare che, nel caso particolare

e

e pertanto definisce un sistema LTI: precisamente tale sistema è il filtro MA con risposta
impulsiva

) )

! "$#$% &'
)(*"$%

Poiché la risposta impulsiva ha durata finita, precisamente è lunga campioni, i filtri MA

sono anche detti filtri FIR (Finite Impulsive Response). I sistemi descritti dallequazione (2.21)
sono comunemente chiamati sistemi ARMA (Auto Regressive Moving Average) e compren-

dono come casi particolari i sistemi MA, corrispondenti, come già osservato, ad
, ed i sistemi AR, corrispondenti a e .
e

Determiniamo la risposta impulsiva del sistema LTI, di tipo AR, definito dall’equazione
54 (2.22)
con la condizione iniziale . Essa è ricorsivamente definita da:

4

da cui si ricava:

54

54

54
..
.
e quindi

4
1

Analogamente, risolvendo l’equazione rispetto a , si ha

..
.
e quindi

0
Pertanto, in definitiva
+
ed il sistema LTI è causale e dispersivo; inoltre è stabile se
0 .

Viceversa se si impone la condizione , risulta:

54

54
..
.
e quindi

54
1

e, analogamente

..
.
e, quindi

In definitiva si ha

+
e pertanto il sistema LTI è anticausale e dispersivo; inoltre esso è stabile se
- .
2.4 LEGAMI INGRESSO USCITA PER LE FUNZIONI DI

CORRELAZIONE
Il problema che ora affrontiamo è quello di determinare i legami tra alcuni gradezze globali, quali la

componente continua e la funzione di autocorrelazione, dell’ingresso e dell’uscita di un sistema LTI
(Fig. 2.14 ). Tali legami si rivelano particolarmente utili se l’ingresso è un segnale aleatorio SSL, in
quanto, in tal caso, consentono di ottenere la caratterizzazione statistica globale dell’uscita da quella
dell’ingresso.
0 -

Iniziamo col valutare la componente continua dell’uscita . Riferendoci, per

fissare le idee, ai segnali a tempo discreto, si ha:

e quindi
In altri termini la media statistica dell’uscita è la risposta del sistema alla media statistica

(2.23)

dell’ingresso (Fig. 2.14 ).

Figura 2.14: Legame ingresso - uscita per la media statistica.

Mediando, rispetto alla variabile temporale, entrambi i membri della (2.23) si ha

0 - 0
.- 0 .-

quindi, in definitiva, risulta:

(2.24)

ove si è introdotto il guadagno in continua del sistema pari all’area sottesa dalla risposta
impulsiva, cioè:

2.4. LEGAMI INGRESSO USCITA PER LE FUNZIONI DI CORRELAZIONE 63

Figura 2.15: Schema per il calcolo del legame tra le mutue correlazioni degli ingressi e delle uscite.
Pertanto, la componente continua in uscita al sistema è proporzionale a quella in ingresso, con

costante di proporzionalità pari al guadagno in continua.
Passiamo ora alle funzioni di autocorrelazione. Precisamente consideriamo la situazione di Fig. 2.15,
da cui, particolarizzando segnali e sistemi, è possibile ricavare i vari casi di interesse. I segnali in
gioco possono essere deterministici o aleatori, di energia o di potenza, a tempo discreto o continuo: a
seconda dei casi le funzioni di correlazione ammettono espressioni diverse, ma in ogni caso possono

essere riguardate come prodotti scalari.
Precisamente, con riferimento alla Fig. 2.15, ci proponiamo di determinare la mutua correlazione
tra le due uscite in funzione di quella tra i due ingressi e delle risposte impulsive

e dei due sistemi LTI.
Riferendoci, per fissare le idee, a segnali e sistemi a tempo discreto, si ha:
0
.- 0

.-

Nella relazione precedente e sono degli scalari: conseguentemente, per la proprietà

distributiva del prodotto scalare rispetto alla somma, si ha:

0
.-

4

il prodotto scalare a secondo membro dell’equazione precedente è la mutua correlazione

, conseguentemente il legame cercato è

4


Figura 2.16: Legame ingresso uscita per l’autocorrelazione.

Tale legame può essere anche espresso in forma più compatta in termini di convoluzione: si ha infatti

4

L’ultimo cambio di variabili è stato introdotto per evidenziare che la residua sommatoria
4
è ancora una convoluzione in cui il secondo fattore è ; poiché inoltre la convoluzione è
commutativa e associativa possiamo scrivere infine

essendo

la mutua correlazione delle risposte impulsive.
Una analoga derivazione vale per segnali e sistemi continui, l’unica differenza concerne la proprietà

distributiva del prodotto scalare rispetto alla somma che si trasforma, con argomento limite, nella
proprietà distributiva del prodotto scalare rispetto all’integrale. In definitiva risulta

(2.25)
tra le due uscite dei sistemi LTI di Fig. 2.15

In altri termini la mutua correlazione si ottiene

come l’uscita del sistema LTI di risposta impulsiva alla mutua correlazione tra i
due ingressi (Fig. 2.15 ).
Si osservi che dall’equazione (2.25) segue che se i due ingressi sono incoerenti tali sono anche le due
uscite; in altri termini una elaborazione LTI conserva l’incoerenza. In particolare, in virtù del prin-
cipio di sovrapposizione degli effetti, se in ingresso ad un sistema LTI segnale utile e rumore sono
incoerenti lo sono anche in uscita. Si noti infine che le due uscite possono essere incoerenti anche se
i due ingressi non lo sono: all’uopo è sufficiente che siano incoerenti le due risposte impulsive.

Particolarizzando lo schema generale di Fig. 2.15 come in Fig. 2.16 è immediato derivare il legame
ingresso-uscita per la funzione di autocorrelazione. In questo caso, dall’equazione (2.25) si ottiene:

(2.26)

cioè l’autocorrelazione dell’uscita è pari alla convoluzione dell’autocorrelazione dell’ingresso e di
quella della risposta impulsiva: in altri termini, l’autocorrelazione della risposta di un sistema LTI è
pari alla risposta all’ingresso del sistema avente risposta impulsiva (Fig. 2.16 ). Si osservi
inoltre che se l’ingresso del sistema LTI di è stazionario in senso lato, allora, al secondo membro
dell’equazione (2.26), l’autocorrelazione coincide con quella statistica e, quindi, tale affermazione
deve valere anche per il primo membro; inoltre, dall’equazione (2.23) segue che la media statistica
dell’uscita è indipendente dal tempo: dunque, se l’ingresso di un sistema LTI è SSL tale è anche il
corrispondente segnale di uscita. Analogamente, se i due ingressi di Fig. 2.15 sono congiuntamente
stazionari in senso lato, allora, la loro mutua correlazione, e quindi, per l’equazione (2.25), anche
quella tra le due uscite, coincide con quella statistica: dunque, se i due ingressi sono singolarmente
e congiuntamente SSL tali sono anche i corrispondenti segnali di uscita.

Dalla relazione (2.26) segue che, se l’ingresso ha un’autocorrelazione impulsiva, si ha:

(2.27)
cioè l’uscita ha un’autocorrelazione proporzionale a quella della risposta impulsiva del sistema. Per-
tanto è possibile generare un segnale con una preassegnata autocorrelazione filtrando, con un filtro
LTI, un segnale con autocorrelazione impulsiva, in particolare filtrando rumore bianco. Per ru-
more bianco si intende un segnale aleatorio SSL a media nulla con autocorrelazione impulsiva: una
sequenza di variabili aleatorie a media nulla, identicamente distribuite ed indipendenti, o almeno
incorrelate, fornisce un primo esempio di rumore bianco.
Nel caso di segnali a tempo continuo, un generatore di rumore bianco non è fisicamente realizzabile
in quanto la sua potenza è infinita: tuttavia, anche in tal caso è utile introdurre tale modello quale caso
limite di segnali di potenza SSL con autocorrelazione la cui durata è molto piccola. Le principali
motivazioni dell’impiego di tale modello possono essere cosı̀ riassunte:
i meccanismi fisici che presiedono a tale tipo di rumore sono legati alla struttura della materia
ed hanno pertanto tempi carateristici di evoluzione molto piccoli; ad esempio il rumore ter-
mico, presente in tutti i dispositivi ed apparati eletronici, ha un’autocorrelazione la cui durata,
stimabile con considerazioni di meccanica statistica, è dell’ordine della decina di picosecondi.
gli effetti del rumore sono valutati a valle degli apparati per la trasmissione e/o elaborazione
dei segnali; qualora tali apparati siano schematizzabili come sistemi LTI, l’autocorrelazione
del rumore in uscita è sostanzialmente coincidente con quella della risposta impulsiva del
sistema se quest’ultima ha una durata molto maggiore di quella dell’ingresso; pertanto ai fini
della valutazione degli effetti del rumore in uscita è del tutto lecito modellare il disturbo in
ingresso come rumore bianco.
modellare il disturbo in ingresso come rumore bianco semplifica notevolmente la complessità
dei calcoli.
Si osservi esplicitamente che il filtro LTI necessario per ottenere la correlazione assegnata risulta
individuato solo tramite la funzione di autocorrelazione della sua risposta impulsiva: il prob-

Figura 2.17: Schema di calcolo della mutua correlazione tra uscita ed ingresso.
lema di risalire alla risposta impulsiva a partire dalla conoscenza della sua funzione di autocorre-

lazione, cioè al fattore a partire dal prodotto di convoluzione

(fattorizzazione
dell’autocorrelazione), non è di semplice soluzione nel dominio del tempo e, inoltre, non ammette

una soluzione univoca; la non unicità della soluzione può, peraltro, essere utilizzata per imporre che
il filtro cercato sia causale.
L’equazione (2.25) consente anche di ricavare come casi particolari le mutue correlazioni uscita-

ingresso e ingresso-uscita. Invero, sulla scorta della Fig. 2.17 , si ha:

(2.28)
che esprime il legame tra la mutua correlazione fra l’uscita e l’ingresso di un sistema LTI: dunque la

mutua correlazione uscita-ingresso può calcolarsi come risposta del sistema LTI all’autocorrelazione

dell’ingresso (Fig. 2.17 ). In modo analogo si ottiene

Con considerazioni simili a quelle precedentemente svolte, dall’espressioni stabilite per le mutue
correlazioni uscita-ingresso e ingresso uscita, segue che se il segnale d’ingresso è SSL allora uscita
ed ingresso del sistema LTI sono congiuntamente SSL.
La relazione (2.28) è spesso usata allo scopo di identificare un sistema LTI incognito, intendendo
in questo caso per identificazione del sistema la determinazione della sua risposta impulsiva. La
procedura di identificazione è delineata in Fig. 2.18 per il caso di un sistema a tempo discreto, ma
con le ovvie modifiche, essa è applicabile anche al caso di sistemi continui. Il sistema da identificare
viene sollecitato con rumore bianco , in pratica con un segnale avente un’autocorrelazione la
cui durata è notevolmente inferiore a quella presunta del sistema da identificare; il correlatore calcola
poi la mutua correlazione tra l’uscita e l’ingresso del sistema LTI, che, per la (2.28), è proporzionale

alla risposta impulsiva incognita del sistema stesso, cioè:

ove la costante di proporzionalità è data dalla potenza
del rumore bianco utilizzato in ingresso.
Sistema LTI
da identificare

Correlatore
Figura 2.18: Procedura di identificazione di un sistema LTI.
Tale procedura è applicabile anche a partire da una versione rumorosa
54
dell’uscita e dell’ingresso
4

(fig. 2.19), purché i disturbi additivi e

siano incoerenti tra di loro nonché col segnale
d’ingresso . Infatti, in tale ipotesi, si ha
0
.-
0 4
4 -
4 4 4

Sistema LTI
da identificare

Correlatore

Figura 2.19: Procedura di identificazione di un sistema LTI a partire da dati rumorosi.
Analizziamo ora qualche applicazione di tale procedura.


Mezzo trasmissivo
non distorcente
Figura 2.20: Modello di propagazione non distorcente.
Esempio 1: Misura dei tempi di propagazione

Si consideri la propagazione attraverso un mezzo non distorcente: in tal caso il segnale
trasmesso risulta, per effetto della propagazione, ritardato ed attenuato, nonché affetto
dall’aggiunta di un rumore additivo indipendente, come delineato in Fig. 2.20: pertanto il seg-
nale ricevuto è dato da:
54

dove è il ritardo, supposto incognito, e è l’attenuazione dovuta alla propagazione. In altri
termini il mezzo non dispersivo si comporta come un sistema LTI di risposta impulsiva

; conseguentemente la misura del ritardo incognito è equivalente alla misura della
risposta impulsiva a partire da dati rumorosi e pertanto può essere condotta sollecitando il

mezzo con rumore bianco secondo quanto precedentemente esposto. Precisamente, nel caso
in esame, la mutua correlazione tra il segnale ricevuto e quello trasmesso vale

4

4

Pertanto, ricordando che l’autocorrelazione ha un massimo nell’origine, può essere determi-
nato individuando il punto di massimo della funzione di mutua correlazione uscita / ingresso;
come già osservato la misura è tanto più precisa quanto più il termine dovuto al rumore

$
è trascurabile e quindi quanto più elevato è l’intervallo di osservazione e quanto più elevata è
la norma del segnale trasmesso . Si osservi inoltre che, a parità di norma, l’individuazione

del ritardo di propagazione è tanto più accurata quanto più l’autocorrelazione del segnale
trasmesso è impulsiva.

Poiché , essendo la distanza percorsa nel mezzo e la velocità di propagazione, il

metodo descritto si presta a risolvere problemi di valutazione della distanza (noto c) oppure di
identificazione della velocità di propagazione nel mezzo (noto d).
Esempio 2: Risoluzione di cammini multipli di propagazione
Se la propagazione non distorcente avviene su cammini multipli come delineato in Fig. 2.21,
supposto trasmesso , il segnale ricevuto vale

4

(2.29)

Cammino N

Cammino N

..
.
Cammino N

Figura 2.21: Modello di propagazione non dispersiva su cammini multipli.

ove e sono l’attenuazione e il ritardo relativi al cammino esimo: si pone il problema
di risolvere i singoli cammini, di identificarne cioè il numero e di misurarne i vari ritardi.
Analogamente a quanto visto nell’esempio precedente, il problema può essere considerato
come un problema di identificazione: sollecitando il mezzo col segnale , la funzione di
mutua correlazione fra segnale trasmesso e quello ricevuto vale

54

(2.30)
e pertanto esibisce dei picchi multipli, ognuno in corrispondenza di un ritardo di propagazione,

come mostrato in Fig. 2.22, ove si è supposta triangolare l’autocorrelazione del segnale
trasmesso e, per semplicità, si è ignorato il contributo del rumore in uscita al correlatore.
Si osservi che per risolvere i vari cammini, è necessario che i vari impulsi presenti
nella mutua correlazione non si sovrappongano e, quindi, che il segnale trasmesso abbia
un’autocorrelazione di breve durata; la forma dell’autocorrelazione è inessenziale purché la
durata sia piccola rispetto alla minima differenza di ritardo tra i vari cammini in modo da
garantire che i picchi non si sovrappongano.
Esempio 3: Risoluzione di echi radar
Un problema del tutto analogo a quello della risoluzione dei cammini multipli di propagazione
è quello della risoluzione degli echi radar.

Figura 2.22: Mutua correlazione uscita ingresso in presenza di propagazione multipla.
Un sistema radar sonda lo spazio circostante allo scopo di individuare eventuali bersagli in-
viando con una prefissata cadenza degli impulsi. In presenza di più bersagli il segnale ricevuto
è, almeno in prima approssimazione, la somma degli echi dovuti ai vari bersagli più ru-
more: pertanto è dato anche in questo caso dalla (2.29). Precisamente le costanti
portano in conto, oltre l’attenuazione dell’impulso trasmesso dovuta alla propagazione,
anche la diversa capacità che hanno i vari bersagli di riflettere il segnale trasmesso, mentre i
ritardi sono proporzionali alla distanza dei diversi bersagli dal radar; precisamente, detta
la velocità di propagazione, si ha:

ove il fattore 2 tiene conto che la distanza è percorsa dall’impulso due volte: dal radar al
bersaglio e viceversa.
La mutua correlazione tra il segnale ricevuto e quello trasmesso è, anche in questo, data dalla
(2.30): da tale relazione è evidente che è possibile distinguere i vari echi se gli addendi
della sommatoria a secondo membro dell’equazione precedente non si sovrappongono e se
l’ampiezza di tali echi, proporzionale all’energia dell’impulso trasmesso, è sufficientemente
più grande del contributo di rumore: dunque un radar ha un potere risolutore che dipende dalla
durata dell’autocorrelazione degli impulsi trasmessi.
Tale esigenza può essere banalmente soddisfatta utilizzando degli impulsi di breve durata, ma
ciò contrasta con l’esigenza di avere impulsi di elevata energia in presenza di un vincolo per
la potenza di picco. A ciò si può ovviare utilizzando treni d’impulsi non troppo corti, ma con
autocorrelazione di breve durata (tecnica di compressione degli impulsi). Un esempio di tal

fatta sono i cosidetti impulsi codificati di Barker, cioè gli impulsi del tipo


4 4 oppure 4
4 4

4 4 4 oppure 4 4 4
4 4 4 4
4 4 4 4
4 4 4 4 4
4 4 4 4 4 4 4 4 4
Tabella 2.3: Sequenze di Barker.

ove è di norma un impulso rettangolare di durata
e la sequenza , chiamata codice,
è una sequenza di e di di lunghezza , scelta in modo da garantire la desiderata autocor-

relazione. L’autocorrelazione di tale impulso vale, in ogni caso, nell’origine, ed è nulla
-
per valori del ritardo che in modulo eccedono
; scegliendo opportunamente la sequenza
è possibile ottenere un’autocorrelazione che per

valga al più del massimo.
Nella Tab. 2.3 sono riportate i valori di che garantiscono tali proprietà; sfortunatamente
non esistono codici di Barker di lunghezza maggiore di
. Si osservi che complemen-
tando e/o ribaltando un codice di Barker si ottiene ancora un codice di Barker.
Capitolo 3
ANALISI NEL DOMINIO DELLA

FREQUENZA
3.1 FUNZIONE DI TRASFERIMENTO DI UN SISTEMA LTI

Il punto di partenza dell’analisi nel dominio del tempo è la rappresentazione di segnali (continui o
discreti) mediante -impulsi, definita dalla formula di riproducibilità: conseguentemente la risposta
di un sistema LTI ad un ingresso arbitrario si può costruire sovrapponendo le risposte ai segnali
elementari costituenti l’ingresso, cioè mediante convoluzione con la risposta impulsiva. Pertanto la
somma o l’integrale di convoluzione non solo rappresentano un mezzo di calcolo della risposta di
un sistema LTI ad un ingresso arbitrario, ma anche indicano che le caratteristiche di un sistema LTI
sono completamente determinate dalla sua risposta impulsiva e consentono quindi di studiarne le
proprietà attraverso la risposta impulsiva.
In questo capitolo sviluppiamo un metodo alternativo per l’analisi dei sistemi LTI basata sulla rap-
presentazione dei segnali come combinazione lineare di esponenziali complessi. Tale alternativa si
rivela fruttuosa in quanto gli esponenziali complessi consentono di rappresentare un insieme molto
ampio di segnali ed inoltre la risposta di un sistema LTI ad uno di tali segnali di base è proporzionale

al segnale stesso: conseguentemente è immediato ottenere l’uscita come sovrapposizione di espo-
nenziali. Infatti, sia , con numero complesso, l’ingresso di un sistema LTI continuo

avente risposta impulsiva ; allora la corrispondente uscita è:

73
74 Capitolo 3. ANALISI NEL DOMINIO DELLA FREQUENZA

LTI

LTI

Figura 3.1: Funzione di trasferimento di un sistema LTI.

ove si è posto:

(3.1)

Tale relazione definisce al variare di la funzione di trasferimento del sistema LTI che, quindi, è il
rapporto uscita/ingresso nel dominio del tempo in regime esponenziale (fig. 3.1).

Analogamente, nel caso discreto, se il sistema ha risposta impulsiva , per un ingresso esponen-
ziale
, con numero complesso, si ha:

ove:

(3.2)
è la funzione di trasferimento del sistema LTI discreto (fig. 3.1).

Da quanto esposto segue che gli esponenziali complessi sono autofunzioni dei sistemi LTI ; il fattore

complesso di proporzionalità è l’autovalore corrispondente all’autofunzione; l’autovalore dipende
dall’autofunzione nel senso che cambiando (o ) cambia il fattore di proporzionalità.
Nel caso dei sistemi continui la funzione di trasferimento è legata alla risposta impulsiva dalla re-
lazione:

(3.3)
in altri termini essa è la trasformata (bilatera) di Laplace della risposta impulsiva. Analogamente per
i sistemi discreti si ha:

(3.4)

e la è la zeta trasformata della . Lo studio di tali trasformate esula dallo scopo di queste

note, a riguardo ci limitiamo a precisare che o è definita per i valori di (risp. ) per cui

Data una trasformazione , una funzione
si dice autofunzione di

se

. In tal caso, é l’autovalore
associato all’autofunzione
.
3.1. FUNZIONE DI TRASFERIMENTO DI UN SISTEMA LTI 75
l’integrale (3.3) (risp. la serie (3.4)) converge: tale insieme di valori viene usualmente denominato
regione di convergenza (ROC).
Le due interpretazioni delle funzioni di trasferimento, cioè come rapporto uscita/ingresso nel do-
minio del tempo in regime esponenziale e come trasformata della risposta impulsiva, corrispondono
a due metodi operativamente validi di calcolo. Nel primo dei due metodi, basato sulle relazioni (3.1)
o (3.2), il sistema LTI viene sottoposto a una serie di sollecitazioni di tipo esponenziale, in modo da

ricavare per punti la funzione o . Nel secondo metodo, basato sulle (3.3) o (3.4), si ricava
innanzitutto la risposta impulsiva e poi la si trasforma con metodi numerici o analitici. Non è raro
peraltro che i legami (3.3) e (3.4) si usino all’inverso, cioè per ricavare le risposte impulsive, note le
funzioni di trasferimento, mediante le corrispondenti formule di antitrasformazione.
Esempio 1: Funzione di trasferimento di un elemento di ritardo

L’elemento di ritardo unitario discreto è definito dal legame ingresso-uscita

L’uscita, corrispondente all’ingresso , è:

Quindi la funzione di trasferimento vale:

Tale risultato giustifica l’uso del simbolo

per indicare gli elementi di ritardo e, analoga-

mente, del simbolo per indicare gli elementi di anticipo.
Nello stesso modo si vede che una linea di ritardo, cioè un sistema continuo definito dal legame
ingresso-uscita
2

ha una funzione di trasferimento

Esempio 2: Funzione di trasferimento di un sistema ARMA

Si consideri il sistema ARMA definito dall’equazione alle differenze

54

con condizioni iniziali omogenee. Posto e quindi nell’equazione
alle differenze si ottiene


Pertanto i sistemi ARMA sono caratterizzati dall’avere una funzione di trasferimento razionale
in
: in particolare per i filtri FIR (MA) è un polinomio e per i sistemi AR è il
reciproco di un polinomio .
3.2 RISPOSTA IN FREQUENZA DI UN SISTEMA LTI

Sebbene in generale le variabili e siano complesse, in questo capitolo limiteremo lo studio al

caso
(3.5)
cioè varia sull’asse immaginario e, rispettivamente, al caso

(3.6)

cioè varia sulla circonferenza unitaria. Le rispettive restrizioni delle funzioni di trasferimento, se
esistono, si chiamano risposte in frequenza o risposte armoniche. Quindi la risposta in frequenza
per un sistema continuo è:

Comunemente, con abuso di notazione, la risposta armonica si indica con e , salvo
quando si vuole esplicitamente mettere in evidenza il legame fra risposte in frequenza e funzioni di

trasferimento. Notiamo però esplicitamente che le variabili , , ed non sono variabili mute,

ma al contrario servono ad indicare la corretta interpetrazione delle notazioni , ,

e ; in altri termini tali notazioni anche se hanno in comune il simbolo stanno ad indicare
funzioni diverse e per passare dall’una all’altra occorre il cambiamento di variabile definito dalla
(3.5). Analogamente la risposta in frequenza di un sistema discreto è:

e le notazioni semplificate sono e .
Da quanto detto e dalla definizione di funzione di trasferimento segue che la risposta in frequenza

può essere definita come:

(3.7)

nel caso di sistemi continui e rispettivamente

per i sistemi discreti. In altri termini la risposta in frequenza è il rapporto uscita/ingresso nel dominio
del tempo in regime fasoriale. Si noti che la (3.7) consente di ricavare la risposta in frequenza dei
circuiti elettrici mediante i classici metodi di analisi degli stessi circuiti in regime permanente.
3.2. RISPOSTA IN FREQUENZA DI UN SISTEMA LTI 77
Il legame ingresso uscita nel dominio della frequenza per un sistema LTI segue immediatamente dal
principio di sovrapposizione: infatti esprimendo l’ingresso , supposto tempo continuo, come
" !
sovrapposizione di fasori, cioè

e ricordando che i fasori sono autofunzioni per i sistemi LTI, si ottiene immediatamente la corrispon-
dente rappresentazione dell’uscita in termini di fasori, cioè

" !

(3.8)
Un analogo risultato vale per segnali e sistemi discreti. Da tale equazione segue che gli spettri
dell’ingresso e dell’uscita sono legati alla risposta in frequenza del sistema da

(3.9)
Dalla (3.9) segue che il legame per gli spettri di ampiezza e di fase è:

4

(3.10)
per la risposta in ampiezza del sistema

Pertanto lo spettro d’ampiezza dell’uscita è pari al prodotto dello spettro d’ampiezza dell’ingresso
e quello di fase è dato dalla somma dello spettro di

del sistema.

fase dell’ingresso e della risposta in fase

Il legame ingresso/uscita nel dominio della frequenza evidenzia come i sistemi LTI abbiano un com-
portamento selettivo in frequenza: alcune componenti dell’ingresso sono amplificate, altre attenuate
o eliminate del tutto; tale proprietà è denominata capacità di filtraggio e spiega l’impiego del termine
filtro come sinonimo di sistema.
Esempio 1: Risposta in frequenza di un filtro RC

Con riferimento al filtro RC, per , si ha:

4 4

Quindi la risposta armonica di un filtro RC vale:

4

4
(3.11)

dove


è la pulsazione di taglio a

del filtro; il nome è giustificato dal fatto che per si
ha

, cioè il rapporto fra le ampiezze di uscita e di ingresso è pari

a dB; in

corrispondenza di tale pulsazione il sistema introduce uno sfasamento di in ritardo. La
cambiamento di variabile

risposta in frequenza si ottiene da quella in termini di pulsazione (3.11) effettuando il
; si ha pertanto

4
con

frequenza di taglio a 3dB. La risposta armonica di un filtro RC è riportata in modulo e fase in
fig. 3.2.
Sebbene la definizione di risposta in frequenza faccia riferimento a fasori come segnali d’ingresso
e quindi ad una sollecitazione complessa, è semplice, per sistemi reali, ricavare la risposta in fre-
quenza a partire da un ingresso di tipo sinusoidale. Iniziamo con l’osservare che, per sistemi lineari

reali, l’operatore di sistema commuta con l’operazione di parte reale, nonché con quella di parte
immaginaria; in altri termini, se denota l’operatore che definisce il sistema, si ha:

4

4

Infatti per la linearità del sistema si ha:

da cui uguagliando parte reale e coefficiente dell’immaginario del primo e dell’ultimo membro segue
l’asserto. In modo analogo si dimostra che sussiste anche la relazione

Si noti che le relazioni precedenti valgono per sistemi lineari e reali, ma non necessariamente tempo-
invarianti. Da tali relazioni, facendo riferimento per esempio a sistemi continui, segue che la risposta
di un sistema LTI al segnale sinusoidale

54

"!

"!
è data da:

54 4

3.2. RISPOSTA IN FREQUENZA DI UN SISTEMA LTI 79
1/ √ 2
|H(f)|
−fc 0 fc f
π/4
∠H(f)
−π/4
−fc 0 fc f
Figura 3.2: Risposta in frequenza di un filtro RC passa-basso.


cioè la risposta ad una sinusoide di frequenza ampiezza e fase iniziale è ancora una

4
sinusoide della stessa frequenza , avente ampiezza e fase iniziale date da:

(3.12)

Analogamente nel caso di sistemi discreti, con ovvio significato dei simboli, si ha:

4
(3.13)
Le (3.12) e (3.13) definiscono un metodo pratico, e largamente usato, per ricavare sperimentalmente
modulo e fase della risposta in frequenza di un sistema incognito.
Le relazioni (3.10) sono simili alla (3.12) e alla (3.13), ma il loro significato è diverso. Infatti
ad una specifica frequenza

la (3.12) e la (3.13) consentono di ottenere sperimentalmente la risposta in frequenza del sistema

(risp. ) valutando il rapporto fra le ampiezze e lo sfasamento fra
due sinusoidi rispettivamente in uscita e in ingresso al sistema; quindi, se si desidera la risposta in
frequenza a diverse frequenze occorre variare la frequenza delle sinusoidi in ingresso esplorando
tutto il campo desiderato. In altri termini la (3.9) definisce la risposta in frequenza del sistema come
il rapporto tra lo spettro dell’uscita e quello dell’ingresso, cioè

(3.14)

Si osservi che tale relazione è sempre formalmente valida, ma non è applicabile per tutte le frequenze
in corrispondenza delle quali si annulla lo spettro dell’ingresso poiché a tali frequenze si annulla
anche lo spettro dell’uscita e la risposta armonica risulta indeterminata. Pertanto, se si vuole valutare
in maniera sufficientemente accurata il comportamento del sistema, questo va sollecitato con un
segnale d’ingresso la cui estensione spettrale sia teoricamente infinita e, in pratica, abbia estensione

in frequenza più grande di quella – nota o prevedibile – di (banda del sistema). In questo senso

il segnale d’ingresso ideale è il impulso unitario ( identicamente), usando il quale
è direttamente fornita dallo spettro del segnale d’uscita, come è d’altra parte ovvio considerando che
l’uscita è in questo caso la risposta impulsiva; in pratica i segnali d’ingresso effettivamente usati per
questo scopo sono segnali che approssimano l’impulso di Dirac quali impulsi, o treni di impulsi,
molto corti o, più in generale, a banda larga.
L’equazione (3.9) relaziona lo spettro in uscita a quello in ingresso; qualora si sia interessati
all’andamento temporale del segnale occorre antitrasformare lo spettro, in altri termini, supposti
per esempio i segnali a tempo continuo, occorre valutare l’integrale (3.8); tale inversione non è in
genere un’operazione banale se non in casi estremi.
3.3 TRASFORMATA DI FOURIER

L’analisi dei paragrafi precedenti evidenzia l’utilità di rappresentare i segnali come sovrapposizione
di fasori. Per segnali continui l’equazione che definisce tale rappresentazione (equazione di sintesi)
3.3. TRASFORMATA DI FOURIER 81
è:

" !

(3.15)
e i coefficienti sono dati da (equazione di analisi) :

"!

(3.16)
Si noti che, con abuso di notazione, si è denotato con lo stesso simbolo due funzioni diverse

affidando al nome della variabile indipendente, o , l’identificazione della corretta interpretazione.
Non esistono ragioni generali per preferire la notazione in o la notazione in e pertanto le useremo
più o meno indifferentemente o, casi specifici, secondo convenienza; il passaggio dall’una all’altra
è regolato dal semplice cambiamento di variabile

.
Analogamente per segnali discreti l’equazione di sintesi è:

(3.17)
e quella di analisi:

(3.18)

Anche in questo caso il passaggio dalla notazione in
La funzione

, indipendentemente dal parametro frequenziale utilizzato ( , , o ), si chiama
a quella in è regolato dal cambio

.
Trasformata di Fourier o spettro del segnale . Notiamo esplicitamente che lo spettro è una fun-
zione complessa e pertanto è spesso conveniente considerarne la parte reale e la parte immaginaria,
ovvero il modulo e la fase: questi ultimi vengono comunemente denominati spettro d’ampiezza e,
rispettivamente, spettro di fase. Nel seguito, per indicare sinteticamente il legame di trasformazione
secondo Fourier useremo la scrittura:

ovvero anche:

Le formule precedenti mettono in luce un notevole parallelismo nella rappresentazione spettrale di

segnali continui e discreti: la principale differenza, che discende dalla periodicità in frequenza del
fasore discreto
, è che per segnali continui lo spettro è di norma aperiodico, mentre lo

spettro di una sequenza è sempre periodico di periodo (ovvero è periodico di periodo
4

), pertanto è sufficiente considerare nell’intervallo
(ovvero nell’intervallo

). In altri termini, per ricostruire si integrano i contributi spettrali nell’intervallo finito

(o
), ma, data la periodicità, un qualunque intervallo di ampiezza pari al periodo
può essere usato alternativamente ed è molto comune anche la scelta degli intervalli
o

.
|X(0)|/ √ 2
|X(f)|
−f0 0 f0 f
π/4
∠X(f)
−π/4
−f0 0 f0 f
Figura 3.3: Spettro di un impulso esponenziale monolatero.
3.4 ESEMPI DI TRASFORMATE

Esempio 1: Impulso esponenziale monolatero continuo

+
Consideriamo un impulso
esponenziale monolatero di ampiezza e costante di tempo , cioè
il segnale . Dall’equazione di sintesi si ha:
"!

4
e quindi:
+ 4

(3.19)
In particolare spettro d’ampiezza e di fase sono dati da:

!# " !(

4

e sono riportati in fig. 3.3. Si noti che lo spettro d’ampiezza è massimo per e decade
come
al crescere della frequenza, è cioè concentrato nell’intorno della frequenza nulla
3.4. ESEMPI DI TRASFORMATE 83
è la frequenza di taglio a 3 dB avendosi

(spettro pasabasso); inoltre la frequenza

! ! 4 ! !
Definita la banda di un segnale come la gamma di frequenze occupata dalle componenti signi-

ficative dello spettro, per il segnale in esame la banda può essere definita come un opportuno

multiplo della frequenza di taglio a 3 dB. Ad esempio, posto (banda monolatera),

le componenti esterne all’intervallo
sono attenuate di almeno 23 dB rispetto a quella
di centrobanda; in altri termini si ha:

1

-

Si osservi infine che al diminuire della costante di tempo diminuisce la durata del segnale,
ma aumenta la sua banda.
Esempio 2: Impulso esponenziale bilatero continuo
L’impulso esponenziale bilatero continuo è il segnale
-
ed il suo spettro vale:

"!

4

Pertanto risulta:
4

Lo spettro è reale e pari ed è rappresentato in fig. 3.4. Anche l’impulso esponenziale è

un segnale passa-basso ed è la pulsazione di taglio a 6 dB.
Esempio 3: Sequenza esponenziale monolatera
La sequenza esponenziale monolatera è il segnale
+
0
ed il suo spettro vale:

+

In definitiva si ha:
+

X(0)
1/2 X(0)
X(f)
−a/2π 0 a/2π f
Figura 3.4: Spettro di un impulso esponenziale bilatero.
ovvero
+

-
0 -
In fig. 3.5 e in fig. 3.6 sono riportati gli spettri d’ampiezza e fase rispettivamente per
0
e per . Per la sequenza è un segnale passa-basso, mentre per
è concentrato nell’intorno delle frequenze

lo spettro
(segnale passa-alto). Il valore di

) )
regola la rapidità di decadimento della sequenza nel dominio del tempo e la larghezza di
banda nel dominio della frequenza: precisamente al diminuire di la sequenza va sempre

più rapidamente a zero mentre la sua banda aumenta.
Esempio 4: Sequenza esponenziale bilatera
Si consideri la sequenza esponenziale bilatera cioè il segnale:
0
La sua trasformata vale:

4

4

La prima sommatoria è la serie geometrica di ragione e la seconda sommatoria è la

serie geometrica di ragione mancante del primo termine e quindi:

4

4
1/(1−a)
|X(ν)|
1/(1+a)
−1.0 −.5 .0 .5 ν 1.0
tan−1(a/√(1−a2))
∠X(ν)
−tan−1(a/√(1−a2))
−1.0 −.8 −.6 −.4 −.2 .0 .2 .4 .6 .8 1.0

ν
Figura 3.5: Spettro della sequenza esponenziale monolatera (passa-basso).
1/(1+a)
|X(ν)|
1/(1−a)
−1.0 −.5 .0 .5 ν 1.0
−tan−1(a/√(1−a2))
∠X(ν)
tan−1(a/√(1−a2))
−1.0 −.8 −.6 −.4 −.2 .0 .2 .4 .6 .8 1.0

ν
Figura 3.6: Spettro della sequenza esponenziale monolatera (passa-alto).

(1+a)/(1−a)
X(ν)
(1−a)/(1+a)
−1.0 −.5 .0 .5 1.0

ν
Figura 3.7: Spettro della sequenza esponenziale bilatera ( 0 0 ).
In definitiva risulta:

4

ovvero

4
0 0 0
Lo spettro della sequenza esponenziale bilatera è reale e pari; inoltre il segnale è passa-basso,
per , mentre per è passa-alto. Tale trasformata è diagrammata in fig. 3.7 per
0 0 .

Consideriamo un impulso rettangolare di ampiezza e durata

La sua trasformata è:

3
"! 3

% (
% (

Dunque:
% (
(3.20)
X(f)
−2/T −1/T 0 1/T 2/T f
Figura 3.8: Spettro dell’impulso rettangolare.

Lo spettro dell’impulso rettangolare è reale e pari ed è riportato in fig. 3.8. Tale spettro

esibisce una serie di lobi di larghezza

, salvo il centrale che è di larghezza , e di

altezza decrescente; in particolare il primo lobo laterale ha ampiezza

volte quella del
lobo principale, corrispondete ad un’attenuazione di

dB.
Il segnale è passa-basso e come larghezza di banda si può assumere la semiampiezza
del lobo principale (banda monolatera); in tal caso, le componenti fuori banda sono attenuate

rispetto a quella a frequenza zero di almeno dB, si ha cioè

1
1

e il loro inviluppo decade, al crescere della frequenza, come , pari ad un decremento di
6 dB/ott. = 20 dB/dec.
Esempio 6: Impulso sinc( )

Consideriamo l’impulso sinc di ampiezza e banda , cioè il segnale:

% (

(3.21)

Ponendo nella trasformata di un impulso rettangolare (3.20)

, dalle proprietà di dualità
e di linearità segue che:

% (

Lo spettro di tale impulso è illustrato in fig. 3.9.
Si osservi che l’impulso sinc costituisce un primo esempio di segnale a banda rigorosamente

0
limitata, cioè il suo spettro è identicamente zero al di fuori della gamma di frequenze
0
(banda).

Figura 3.9: Spettro dell’impulso sinc( ).
Esempio 7: Finestra rettangolare

Si consideri la finestra rettangolare
; il suo spettro vale:

al numeratore e al denominatore, si ha:
da cui, mettendo in evidenza

(3.22)
% (
ove si è introdotta la funzione di Dirichlet:

% ( (3.23)
Gli andamenti dello spettro d’ampiezza e di quello di fase della finestra rettangolare sono
riportati in fig. 3.10: da tale figura si notano alcune analogie, ma anche alcune differenze,
con la trasformata dell’impulso rettangolare continuo. Infatti, poiché la finestra rettangolare è
stata definita in modo non simmetrico rispetto all’origine, la sua trasformata non è puramente
reale, ma presenta una fase lineare a tratti. L’ampiezza del primo lobo laterale, rapportata
-

all’ampiezza del lobo centrale, è leggermente dipendente da , secondo la Tab. 3.1: per

il rapporto si può ritenere approssimativamente costante e pari a ,
tendendo asintoticamente ( ) a

, cioè al valore che compete all’impulso
rettangolare a tempo continuo.
Esempio 8: Impulsi ideali

Lo spettro del -impulso discreto vale:

| D N(ν) |
−1.0 −.5 .0 .5 ν 1.0

1/N
∠ D N(ν)
−1.0 −.8 −.6 −.4 −.2 .0 .2 .4 .6 .8 1.0

ν
Figura 3.10: Spettro della finestra rettangolare.

3 4 5 10
-9,54 -11,30 -12,04 -12,17 -13,26
Tabella 3.1: Valori in dB del rapporto al variare di

.

e quindi:

Analogamente nel caso dell’impulso ideale continuo si ha:

Le corrispondenti equazioni di sintesi forniscono due proprietà degli esponenziali:

(3.24)
"!
e rispettivamente:

(3.25)

Ovviamente le (3.24) e (3.25) valgono indipendentemente dall’interpretazione di e come

tempi e di e come frequenze: in particolare, invertendo i ruoli di e di nella (3.25)

(dualità) e tenendo conto che l’impulso di Dirac è pari, si ha anche:
"!

(3.26)
La (3.26) è utile perché consente di ottenere la trasformata di Fourier (in senso generalizzato)
di un segnale continuo e costante nel tempo, il quale non è dotato di trasformata di Fourier in

senso ordinario. Infatti, posto , si può scrivere:
"! 3

e quindi si ottiene la coppia di trasformate:

(3.27)
dove l’ultima uguaglianza segue dalla propietà di cambiamento della scala degli impulsi di
Dirac.
A commento dei vari esempi considerati osserviamo che in linea generale segnali lentamente vari-
abili nel tempo presentano uno spettro molto concentrato in frequenza e viceversa segnali rapida-
mente variabili presentano componenti spettrali significative anche a frequenze molto elevate.
3.5 TRASFORMATE DI FOURIER AL LIMITE

L’ultimo esempio considerato mostra come l’impiego delle funzioni generalizzate consenta di ot-
tenere coppie di trasformate di Fourier anche quando le condizioni di Dirichlet o di energia finita
non sono soddisfatte; ciò evidenzia che è possibile definire una rappresentazione spettrale anche per
i segnali di potenza e non solo per quelli di energia. L’estensione della trasformazione di Fourier in
modo rigoroso richiede la Teoria delle distribuzioni, ma tale approccio esula dallo scopo di queste
dispense; nel seguito ci limiteremo ad affrontare tale estensione in modo intuitivo.
Sia il segnale di cui si vuole ottenere la trasformata e sia una famiglia di segnali, usual-
mente denominati finestre, che al limite, quando il parametro tende all’infinito, tende a diventare
identicamente pari ad , cioè

%&

. Si consideri poi

Esempi di finestre sono l’impulso rettangolare , e quello triangolare
il segnale finestrato che, di norma, è dotato di spettro in senso ordinario;
3.5. TRASFORMATE DI FOURIER AL LIMITE 91
si definisce trasformata di Fourier di il limite (in senso generalizzato) di

*
per .
Ricapitolando la generalizzazione della definizione di spettro per forme d’onda è

Analoga la definizione per sequenze

*

L’importanza dell’approccio utilizzato nel generalizzare la definizione di spettro è nel suo valore
operativo: infatti lo spettro misurato con un analizzatore di spettro è di norma quello del segnale
finestrato, con una finestra di durata sufficientemente grande.
Allo scopo di chiarire ulteriormente la definizione data consideriamo alcuni esempi.
Esempio 1: Spettro di un segnale costante

Consideriamo un segnale costante 3 ; moltiplicandolo per la finestra rettangolare

e ricordando che:

% (

da cui, facendo divergere la durata della finestra si ricava
% & % (

Si osservi che lo spettro di una costante è una riga ( -impulso) a frequenza zero, mentre quello
del segnale finestrato ha una banda non nulla (dispersione spettrale) tanto più piccola quanto
maggiore è la durata della finestra; per una data durata, la precisione della misura dipende
dal tipo di finestra utilizzato nel senso che, al variare del tipo di finestra utilizzata, variano
la dispersione spettrale (banda) e la rapidità di decadimento a zero dello spettro del segnale
finestrato.
Esempio 2: Sequenza costante

Consideriamo la sequenza costante , cioè la sequenza :

Il simbolo viene usato, qui e nel seguito, per indicare la versione periodica del segnale su cui opera.

1 1 1 1 1

Figura 3.11: Spettro di una sequenza costante.

quindi è una successione d’impulsi unitari, cioè un segnale che vale identicamente uno,
4
per qualsiasi . Troncando tra e ( campioni) ed utilizzando la procedura al
limite, si ottiene

(3.28)

come mostrato in figura 3.11
3.6 PROPRIETÀ DELLA TRASFORMATA DI FOURIER
In questo paragrafo analizziamo le proprietà della trasformata di Fourier che, per la maggior parte,
valgono indifferentemente sia per le forme d’onda che per le sequenze; pertanto, per evitare inu-
tili duplicazioni, le proprietà saranno espresse (quando possibile) con riferimento ad un argomento
generico, denotato con il simbolo ( ), che può essere specializzato nei vari casi d’interesse. Con-
formemente all’uso adottato sinora, i segnali nel dominio del tempo vengono denotati con la lettera
minuscola e le loro trasformate con le corrispondenti maiuscole. Le proprietà vengono date senza
dimostrazione, l’enfasi essendo piuttosto sulla loro applicazione.
3.6. PROPRIETÀ DELLA TRASFORMATA DI FOURIER 93
3.6.1 Linearità
È immediato verificare che la trasformata di Fourier è lineare, cioè risulta:
4 4 (3.29)
In altri termini lo spettro di una combinazione lineare di segnali è la combinazione lineare, con gli
stessi coefficienti, dei singoli spettri (principio di sovrapposizione).
3.6.2 Proprietà di simmetria della trasformata di Fourier

È facile controllare che ad una riflessione nel dominio del tempo corrisponde una riflessione nel
dominio della frequenza e viceversa; cioè:
(3.30)
Pertanto un segnale pari ha spettro pari e viceversa. Inoltre ad una coniugazione in un dominio
corrisponde una coniugazione più una riflessione nell’altro dominio; in altri termini si ha:
(3.31)
Come conseguenza si ha che se è reale, cioè , allora per la (3.31) risulta

; una funzione che verifica questa proprietà si dice Hermitiana o coniugata sim-
Hermitiano dello spettro è equivalente alla condizione che
sia pari e
metrica: quindi, in breve, se è reale, allora è Hermitiana. Evidentemente il carattere

sia dis-
pari; ovvero è equivalente alla condizione che lo spettro d’ampiezza sia pari e quello di fase dispari.

Quindi, quando si calcola o si rappresenta la trasformata di Fourier di un segnale reale, parte reale
e immaginaria, ovvero modulo e fase, dello spettro possono essere calcolati o rappresentati solo per
frequenze positive, poiché i valori per frequenze negative sono ricavabili per simmetria coniugata.
Se oltre che reale è anche pari, allora dalla (3.30) segue che anche lo spettro è pari oltre che
hermitiano e quindi lo spettro è puramente reale: pertanto se è reale e pari, anche è reale e
pari.
3.6.3 Cambiamento di scala

Analizziamo l’effetto nel dominio della frequenza di un cambiamento di scala dell’asse dei tempi.

Per segnali a tempo continuo è immediato verificare che si ha:
(3.32)
La proprietà (3.32) comporta che ad una compressione nel dominio del tempo ( ) corrisponde
-
un’espansione dello spettro e viceversa. Notiamo anche che oltre al cambiamento della scala delle

3 6

3 6

3 6

Figura 3.12: Sequenza originaria , decimata ed espansa per

( ).
frequenze si ha anche un cambiamento della scala delle ordinate (ampiezze) in modo che l’area
sottesa dallo spettro resti costante: tale area infatti è pari al valore nell’origine , che non si
modifica per effetto del cambiamento della scala dell’asse dei tempi.
Nel caso di sequenze, atteso il carattere discreto del tempo, l’operazione di cambiamento di scala va
opportunamente interpretata. Precisamente, supposto il fattore di scala positivo, in quanto, analoga-
mente a quanto si verifica per i segnali a tempo continuo, il segno del fattore di scala tiene conto
di un eventuale ribaltamento in aggiunta al cambiamento di scala vero e proprio, la compressione
dell’asse dei tempi porta a considerare la sequenza , cioè la sequenza:

) )

) )
ottenuta da prendendo un campione ogni : tale operazione è detta decimazione per

(fig. 3.12). Poiché la decimazione comporta in genere una perdita d’informazione, l’effetto sullo
spettro non è un semplice cambiamento di scala come verrà mostrato piú in seguito.
Consideriamo ora l’espansione dell’asse dei tempi, cioè prendiamo in esame la sequenza

, con

intero non nullo. La scrittura
è convenzionale e come debba essere in-
terpretata è chiarito in fig. 3.12: per multiplo di , è il campione della sequenza origi-
naria all’istante
(ad esempio, con riferimento al caso di fig. 3.12, ove , ,


1

1
Figura 3.13: Effetto sullo spettro dell’espansione dell’asse dei tempi (

).

e cosı̀ via), mentre viene posto uguale a zero per gli altri valori di ; in altri termini,
quando il valore dell’argomento non è intero, è per convenzione zero; l’impiego delle

parentesi quadre invece delle tonde nel denotare la sequenza espansa, con fattore di espansione ,
e cioè la notazione ricorda che trattasi di scrittura convenzionale. Trascurando i dettagli

analitici, si ricava

La relazione ottenuta è quindi simile a quella valida per i segnali a tempo continuo, salvo il fatto

che le ampiezze dello spettro non vengono alterate. L’effetto nel dominio della frequenza è illustrato
nella fig. 3.13, sempre per il caso . Si noti che la trasformata, che originariamente è periodica
di periodo , dopo il cambiamento di scala diventa periodica di periodo ; si noti inoltre che l’area
totale nell’intervallo

resta immutata.
Come applicazione del cambiamento di scala è immediato valutare lo spettro del segnale campiona-
tore ideale discreto di periodo qualsiasi.
Esempio 2: Segnale campionatore ideale discreto di periodo

Il treno campionatore ideale discreto di periodo
è il segnale:

esso è cioè un treno d’impulsi discreti di ampiezza unitaria localizzati negli istanti , con
intero relativo (fig. 3.14a). Poiché tale segnale può essere riguardato come un’espansione

1

0 1

0 1
Figura 3.14: Il segnale campionatore discreto e il suo spettro.

della sequenza costante avendosi:

applicando la proprietà di cambiamento di scala alla coppia segnale-spettro (3.28) si ottiene:

(3.33)

cioè lo spettro di un segnale campionatore ideale discreto di periodo è ancora un treno

campionatore ideale, precisamente è un treno periodico di -impulsi di area e periodo entrambi
pari a (fig. 3.14b). Il fattore d’ampiezza introdotto deriva dalla proprietà di cambiamento

di scala degli impulsi di Dirac, e comunque è tale da lasciare inalterata l’area della trasformata

nell’intervallo .
3.6.4 Traslazione nel dominio del tempo

È facile verificare che:
"!
2

Quindi un ritardo introduce uno sfasamento lineare con ma non influisce sullo spettro d’ampiezza.
Si osservi che nel caso di segnali discreti è generalmente un numero intero, tuttavia la proprietà
rimane formalmente valida anche se

è un generico numero reale. Come applicazione di questa
proprietà consideriamo il seguente importante esempio.
Esempio 3: Segnale campionatore ideale di periodo

Iniziamo col considerare il segnale campionatore ideale di periodo unitario , cioè il treno
d’impulsi di Dirac

(3.34)

Applicando la procedura di trasformazione al limite, si ottiene

(3.35)

cioè ad un treno d’impulsi di Dirac di area e periodo unitari nel tempo corrisponde un treno
d’impulsi di Dirac di area e periodo unitari nella frequenza.

Consideriamo ora il segnale campionatore ideale continuo di periodo (fig. 3.15a), cioè un
treno d’impulsi di Dirac di area unitaria localizzati negli istanti :

Poiché tale segnale può ottenersi cambiando la scala sia delle ampiezze che dei tempi del
segnale campionatore ideale di periodo unitario (3.34) avendosi:

applicando la proprietà (3.32) alla coppia segnale-spettro (3.35) si ottiene:

(3.36)

Lo spettro del segnale campionatore ideale di periodo è illustrato in fig. 3.15b. ed è costituito

da una successione di righe spettrali, tutte di area , equispaziate in frequenza di .

1

0

0
Figura 3.15: Il segnale campionatore ideale e il suo spettro.
3.6.5 Traslazione nel dominio della frequenza (modulazione)
È immediato verificare che:
" !

(3.37)
"!
Esempio 4: Trasformata di un fasore
Un fasore continuo , tenuto conto della proprietà espressa dalla (3.37) e della trasfor-
mata di una costante (3.27), ha come spettro l’impulso di Dirac ; in altri termini si
ha (fig. 3.16a):

"!

Dunque lo spettro di un fasore è una riga alla frequenza del fasore di ampiezza (area) pari
discreto si trasforma traslando in

all’ampiezza del fasore. Analogamente, un fasore
frequenza lo spettro della sequenza costante , pertanto si ha:

(3.38)

In modo analogo si può valutare lo spettro di un segnale modulato in ampiezza, cioè del prodotto di
un segnale per una sinusoide (modulazione). Infatti, dalla formula di Eulero e dalla proprietà di

- -

1
Figura 3.16: Spettro di un fasore: a) continuo b) discreto.
linearità, segue facilmente che:
4

4

4
Nel contesto della modulazione il segnale è detto segnale modulante e la sinusoide segnale
banda limitata di tipo passa-basso, cioè ,

portante. L’effetto della modulazione è illustrata nella fig. 3.17 nel caso di un segnale modulante a
, e una frequenza portante molto -

maggiore della banda (monolatera) del segnale modulante. Dopo la modulazione lo spettro risulta
concentrato intorno alle frequenze
4
e , quindi il segnale modulato è di tipo passa-banda o,
come anche si dice nel caso di sufficientemente elevata, a radiofrequenza (RF). Si noti inoltre

che, per effetto della modulazione, l’occupazione totale di banda è raddoppiata, passando da

(monolatera) per il segnale modulante a per il segnale RF.
Esempio 5: Scambio di alte e basse frequenze

Consideriamo il segnale modulato . Poiché la portante
può essere equiva-
lentemente riscritta come

e quindi è un fasore di frequenza

, dalla proprietà di traslazione in frequenza segue

che:


4

4

4 4

Figura 3.17: Spettri del segnale modulante (a) e del segnale modulato (b).
Nell’ipotesi che sia il segnale passa-basso di fig. 3.18a, il segnale modulato ha lo spettro
passa-alto di fig. 3.18b; viceversa, se è il segnale passa-alto di fig. 3.18b, il segnale mod-
ulato ha lo spettro passa-basso di fig. 3.18a. In altri termini, se un segnale viene modulato con

una portante di tipo , il che cambia di segno ai campioni del segnale negl’istanti dispari,
l’effetto in frequenza è di traslare lo spettro periodico del segnale di mezzo periodo, e quindi,
tenendo conto della periodicità, di scambiare fra loro le regioni dello spettro corrispondenti
alle basse ed alle alte frequenze.
Esempio 6: Impulso RF
L’impulso a radiofrequenza con inviluppo rettangolare, cioè il segnale

è illustrato schematicamente in fig. 3.19; dalla (3.20) e dalla proprietà di modulazione segue
che:

% (
4 % ( 4
Lo spettro dell’impulso RF è riportato in fig. 3.19; al limite per 4 si ottiene la trasfor-

1

-

1
Figura 3.18: Scambio alte e basse frequenze.
mata del coseno, cioè due impulsi collocati in

di area , risulta pertanto:

4 4

Esempio 7: L’impulso cosinusoidale

L’impulso cosinusoidale è il segnale:

Pertanto, ponendo
nell’espressione dello spettro dell’impulso RF, si ottiene:

% (

4 % (
4

ovvero, esplicitando la funzione sinc( ) e semplificando

"

Questa coppia di trasformate è illustrata in fig. 3.20. Rispetto ad un impulso rettangolare di

pari durata la banda (larghezza del lobo principale) è maggiore ( invece di ), ma, in
compenso, i lobi secondari sono attenuati di almeno

dB rispetto all’ampiezza del
, corrispondente

lobo principale, e decadono a zero più rapidamente, precisamente come
a 12 dB/ott.
A
x(t)
−A
T t
X(f)
−f 0 f f
c c
Figura 3.19: L’impulso RF e il suo spettro.

A
x(t)
t
T
X(f)
3/T f
Figura 3.20: L’impulso cosinusoidale e il suo spettro.
3.6.6 Convoluzione
Questa è una delle proprietà più importanti della trasformata di Fourier, per i suoi riflessi sull’analisi

dei sistemi; la formulazione di tale proprietà, valida sia per sequenze che per segnali continui, è la
seguente:

(3.39)
In altri termini, alla convoluzione di due segnali nel dominio del tempo corrisponde il prodotto dei
rispettivi spettri nel dominio della frequenza; si osservi che, in virtù della proprietà associativa della
convoluzione e del prodotto, la proprietà è valida anche per un numero di segnali maggiore di due,
ma finito.
La proprietà duale di quella della convoluzione è la proprietà di modulazione generalizzata: tale pro-
prietà afferma che ad un prodotto nel dominio del tempo corrisponde una convoluzione nel dominio
della frequenza. Precisamente per i segnali a tempo continuo risulta:

(3.40)
Tale proprietà è sempre applicabile quando il prodotto nel dominio del tempo è ben definito (quindi
può non essere applicabile quando ambedue i segnali contengono impulsi di Dirac) e quando essi
sono separatamente trasformabili, eventualmente anche in senso generalizzato (infatti è comunque

ben definita la convoluzione fra funzioni generalizzate).
Per segnali a tempo discreto la proprietà si enuncia allo stesso modo, ma l’operazione di con-
voluzione è diversa: precisamente è possibile dimostrare che lo spettro del prodotto di due sequenze
è legato a quello delle singole sequenze da:

+ 2+

+ (3.41)
Pertanto nel caso di sequenze la convoluzione degli spettri è l’operazione definita a secondo mem-
bro della (3.41): tale operazione, anche se denotata con lo stesso simbolo della convoluzione, dif-
ferisce da quest’ultima in quanto l’integrale va esteso al periodo e diviso per il periodo stesso: per
sottolineare tale diversità la convoluzione relativa a segnali periodici dello stesso periodo è detta
convoluzione periodica. L’impiego dello stesso simbolo sottolinea però la similitudine tra le due
operazioni, ed invero la convoluzione periodica gode delle stesse proprietà della convoluzione, op-
portuna attenzione però deve essere posta sul fatto che i fattori devono essere segnali periodici dello
stesso periodo, che è anche il periodo della convoluzione.
3.6.7 Replicazione e campionamento

Si definisce la replicazione di periodo di il segnale:

#$

(3.42)

e, analogamente, nel caso di sequenze, si pone:
#$

(3.43)

Il segnale che viene replicato è detto segnale generatore.

Si osservi che l’operazione di replicazione non è ben definita per un qualsiasi generatore come
è immediato verificare utilizzando, per esempio, un segnale costante o periodico. Affinché
l’operazione abbia senso è sufficiente che il generatore sia un segnale d’energia, ipotesi che riterremo
impulso

senz’altro verificata nel seguito; tuttavia è di interesse utilizzare come generatore un di
Dirac: in tal caso infatti il segnale replicato è il segnale campionatore ideale, o

.
Notiamo esplicitamente che il segnale , ottenuto per replicazione, è sempre un segnale periodico

con periodo pari a quello di replica, o a seconda del caso. A scopo esemplicativo nella fig. 3.21
sono riportati i segnali ottenuti replicando l’impulso triangolare di fig. 3.21a con periodo

(fig. 3.21b),

(fig. 3.21c) e (fig. 3.21d).

1 2 3 4 5
#$

1 2 3 4 5
$#

1 2 3 4 5
#$

1 2 3 4 5
Figura 3.21: Replicazione di un impulso triangolare.

Figura 3.22: Il campionamento ideale di una forma d’onda.
Dato un segnale , la sua versione campionata (idealmente) è il segnale (cfr. fig. 3.22):

(3.44)

nel caso di segnali a tempo continuo, mentre nel caso di sequenze si pone (cfr. fig. 3.23):

(3.45)

(risp.

) è detto periodo o passo di campionamento, ed il suo reciproco frequenza o cadenza di

campionamento.
È utile riguardare le operazioni di replicazione e di campionamento come sistemi (fig. 3.24). La
replicazione (fig. 3.24a) può essere realizzata con un sistema LTI in quanto le relazioni (3.42) e (3.43)
possono essere riscritte come convoluzione; precisamente, come già accennato e come è immediato

verificare, si ha:

#$

#$
(3.46)
cioè la replicazione del segnale la si ottiene effettuandone la convoluzione con un treno campi-
onatore ideale, che pertanto è la risposta impulsiva. Anche il campionamento è un sistema lineare,
ma temporalmente variante, avendosi

(3.47)

Figura 3.23: Il campionamento ideale di una sequenza.

rep

Figura 3.24: La replicazione e il campionamento come sistemi.
Usando la proprietà di convoluzione (Eq. 3.40 e Eq. 3.41) e la trasformata del segnale campionatore
ideale (Eq. 3.36 e Eq. 3.33), trasformando la (3.46) si ottiene:

(3.48)

nel caso di segnali continui, e la:

(3.49)

nel caso di sequenze. Le relazioni precedenti si esprimono sinteticamente dicendo che ad una repli-
cazione nel dominio del tempo corrisponde un campionamento in frequenza.
Similmente, trasformando la relazione (3.47) si ottiene:

ovvero:

nel caso di forme d’onda, e, analogamente nel caso di sequenze, si ha:

3.6.8 SPETTRO DI SEGNALI PERIODICI
Si è osservato che la replicazione di è un segnale

periodico di periodo pari a quello di
replica; d’altra parte un qualunque segnale periodico può essere sempre considerato come la
replicazione di un opportuno generatore : infatti è sufficiente scegliere come generatore
la restrizione di ad un periodo. È però importante notare che la corrispondenza cosı̀ istituita
fra segnale periodico e segnale generatore non è biunivoca: precisamente, dato un segnale , è
univocamente definito il segnale periodico , ma, dato un segnale periodico,
esistono #$

diversi generatori tali che
. Ad esempio, il segnale periodico di fig. 3.25c,
#$

oltre che pensarsi generato dalla replicazione del segnale triangolare di fig. 3.25a, può anche ottenersi
dalla replicazione della sua restrizione al periodo, rappresentata in fig. 3.25b. Dall’esempio ripor-
tato dovrebbe risultare chiaro che la non invertibilità della corrispondenza deriva dalla interazione,
all’interno del periodo principale, delle repliche collocate nei periodi contigui. Tale interazione non

#$
#$

Figura 3.25: Rappresentazione di un segnale periodico come replicazione.
è evidentemente possibile se imponiamo la condizione che il segnale generatore sia di durata rig-

orosamente limitata e minore o uguale al periodo del segnale periodico ed allocato tra e (o tra

e ): con questa restrizione la corrispondenza istituita è dunque invertibile.
L’utilità della rappresentazione (3.42) per una forma d’onda periodica (non importa se invertibile
o meno) sta nel poterne determinare immediatamente lo spettro. Infatti, ricordando che ad una
replicazione nel tempo corrisponde un campionamento in frequenza (3.48), si ha:

(3.50)

dove è lo spettro del segnale generatore . La relazione (3.50) vale qualunque sia il gene-

ratore di secondo la (3.42): al variare di anche ovviamente varia, ma restano
costanti i suoi valori alle
sia generatore di
frequenze , con intero, proprio in conseguenza del vincolo che
.
In maniera analoga, e con le stesse avvertenze, per una sequenza periodica di periodo
, tenuto
conto che la si può rappresentare nella forma (3.43), dalla (3.49) si ha:

(3.51)

Dunque lo spettro di un segnale periodico è uno spettro a righe, ogni riga essendo rappresentata da un

impulso di Dirac, equispaziate in frequenza di (risp.

), le cui aree – a meno della costante

di proporzionalità (risp. ) – seguono l’inviluppo (risp. ); in altri termini, lo

spettro di un segnale periodico si ottiene campionando uniformemente in frequenza – con un treno
) – lo spettro (risp.

) di un qualunque

campionatore ideale di periodo (risp.
generatore e scalando i campioni secondo il fattore (risp. ).
Esempio 1: Treno di impulsi rettangolari
Si consideri il treno d’impulsi rettangolari di ampiezza , durata , periodo , con -

(fig. 3.26a): tale treno può riguardarsi come la replicazione, con periodo , dell’impulso
, pertanto si ottiene
3

! % (
% (
ed il suo spettro vale

% (

Tale spettro, é funzione essenzialmente del rapporto , il cosiddetto ciclo di servizio (duty
cycle) del treno. Lo spettro del treno d’impulsi rettangolari è riportato nella fig. 3.26b.

Figura 3.26: Treno di impulsi rettangolari e relativo spettro.
Tavola riassuntiva delle trasformate di Fourier

A. Forme d’onda
T. 1 Impulso esponenziale
+ 4

+ 4

T. 2 Impulso esponenziale bilatero

4

T. 3 Impulso rettangolare

0 % (

-
T. 4 Impulso triangolare

% (

1
T. 5 Impulso bifase
% (

* % ( % (
T. 6 Impulso sinc( )

% (

T. 7 Impulso RF

% (
4 % ( 4
T. 8 Impulso cosinusoidale

% (

4 % (
4


"

T. 9 Impulso coseno rialzato o finestra di Hanning

4 % (

4

4

% ( 54
% ( 54 % (

T. 10 Finestra di Hamming
4

4

% ( 54
% ( 54 % (
T. 11 Impulso ideale

T. 12 Segnale costante

4
T. 13 Gradino unitario
+
T. 14 Funzione segno

.-
% ( % (

.0
T. 15 Treno campionatore ideale di periodo unitario

T. 16 Treno campionatore ideale di periodo

"!

T. 17 Fasore

T. 18 Segnale sinusoidale

4 4

B. Sequenze
% (

% (
T. 1 Sequenza esponenziale monolatera

+

T. 2 Sequenza esponenziale bilatera

4

% (
T. 3 Finestra rettangolare

% (

T. 4 Finestra di Hanning

4

T. 5 Finestra di Hamming

4 4
T. 6 Finestra di Bartlett (triangolare)

% (

% (

T. 7 Impulso ideale

T. 8 Gradino unitario

+

4

T. 9 Treno campionatore ideale di periodo unitario (costante)

T. 10 Treno campionatore ideale di periodo

T. 11 Fasore

T. 12 Sinusoide

54 4
T. 13 Sequenza sinc(
#$

% (

T. 14 Sequenza sinc

% ( #$

Tavola riassuntiva delle proprietá della trasformata di Fourier

" !

"!

P. 1 Dualità (forme d’onda)

P. 2 Linearità
4 4
P. 3 Riflessione

P. 4 Coniugazione

P. 5 Proprietà di simmetria

P. 6 Cambiamento di scala

P. 7 Traslazione nel dominio del tempo
2
"!

P. 8 Traslazione nel dominio della frequenza
" !

P. 9 Modulazione

54

4
4

4

4

4

P. 10 Convoluzione nel dominio del tempo

P. 11 Convoluzione nel dominio della frequenza

+ 2+ +

P. 12 Derivazione nel dominio del tempo

P. 13 Derivazione nel dominio della frequenza


P. 14 Integrazione

4

P. 15 Somma

4

P. 16 Replicazione nel tempo (campionamento in frequenza)

P. 17 Campionamento nel tempo (replicazione in frequenza)

P. 18 Valore nell’origine

P. 19 Uguaglianza di Parseval

3.7. CARATTERIZZAZIONE ENERGETICA DEI SEGNALI 119
3.7 CARATTERIZZAZIONE ENERGETICA DEI SEGNALI
3.7.1 Spettri di energia

Sia un segnale di energia a tempo continuo; dalla relazione di Parseval si ha:

Analogamente per un segnale

tempo discreto si ha

L’importanza di tali relazioni non sta tanto nella possibilità di calcolare l’energia totale (anzi il
funzione

calcolo nel dominio del tempo risulta quasi sempre più semplice) quanto nel riconoscere che la
dà conto della distribuzione in frequenza dell’energia.

Dalla definizione data segue immediatamente che l’ (Energy Spectral Density) è una funzione
è invariante rispetto a qualsiasi operazione sul segnale che ne lasci immutato lo spettro
reale e non negativa; inoltre essa è pari per segnali reali. Sempre dalla definizione segue anche

che l’
d’ampiezza. Pertanto la corrispondenza

( !

; analogamente, un ribaltamento seguito da una eventuale coniugazione non ha influenza sullo
non è biunivoca. Ad esempio una traslazione di un segnale nel dominio del tempo non ne altera

l’
spettro di energia di un segnale reale.
dell’ingresso e dell’uscita

Dalla definizione data segue immediatamente che l’ di un

sistema LTI, di risposta armonica , sono legate dalla relazione:
(3.52)
Nello scrivere tale equazione si è implicitamente supposto che i segnali in ingresso ed in uscita al
sistema LTI siano entrambi di energia, ipotesi che, nel seguito, supporremo sempre soddisfatta; ad
esempio tali ipotesi è certamente soddisfatta se il sistema è stabile, o, più in generale, se la sua
, che relaziona l’

risposta in frequenza è limitata.
La funzione dell’ingresso e dell’uscita, prende il nome di funzione di

trasferimento dell’energia.
Come accennato in precedenza la banda di un segnale viene valutata in base a considerazioni ener-
getiche: precisamente, per i segnali di energia essa può essere definita come l’intervallo di frequenze
in cui è allocata una determinata frazione dell’energia totale, ad esempio il 90%, il 95%, il 99%, ecc.;
inoltre, se i segnali sono reali, comunemente si prendono in esame solo le frequenze positive (banda
monolatera).
le sole frequenze positive (

1
Una possibile ambiguità nella definizione di tale quantità deriva dal fatto che si possono considerare
per il caso continuo,

per il caso discreto) oppure le
frequenze positive e negative. Nel primo caso la banda è detta monolatera e, nel secondo, bilatera.
Nel seguito, salvo avviso contrario, ci riferiremo alla banda monolatera, seguendo la convenzione
più comune.
Per i segnali, la banda viene in genere determinata quantificando quali componenti possano es-
sere trascurate rispetto al valore massimo dello spettro d’ampiezza: ad esempio si possono ritenere
trascurabili le componenti che siano di almeno 20dB inferiori al massimo dello spettro d’ampiezza
(componente più significativa). Naturalmente l’adeguatezza della definizione va verificata sperimen-
talmente in relazione alla particolare applicazione.
Per quanto riguarda i sistemi, la banda viene comunemente definita con riferimento alla risposta

d’ampiezza, precisamente è l’intervallo di frequenza nel quale tale risposta si discosta dal valore

assunto ad una frequenza di riferimento al più per una prefissata aliquota. Se tale aliquota è

, corrispondente a dB, la banda si dice a 3 dB, ed è questo il caso più comune. In alcune

applicazioni, ad esempio per valutare i sistemi che devono avere particolari caratteristiche di fedeltà

di riproduzione ingresso-uscita, si sceglie un’aliquota maggiore, ad esempio
, corrispondente
a 1 dB. Nei sistemi passa-basso la frequenza di riferimento per la determinazione della banda è la
frequenza zero. Nei sistemi passa-banda la scelta della frequenza di riferimento non è univoca e
dipende dalle applicazioni.
Ad esempio, se il sistema è destinato a filtrare un segnale modulato da una portante sinusoidale
a una data frequenza, allora questa si sceglie anche come frequenza di riferimento per il sistema,
altrimenti si può scegliere il valore modale della risposta in ampiezza, o il valore baricentrico; la
fig. 3.27 illustra la definizione di banda per sistemi passa-basso e passa-banda.

Sia un impulso rettangolare di ampiezza e durata ; ricordando che
% (

% (

si ottiene immediatamente la seguente espressione per l’ dell’impulso rettangolare
3

ove è l’energia di .

È interessante valutare la frazione di energia dell’impulso rettangolare compresa

nell’intervallo di frequenze

) )


!

!
!

1

Figura 3.27: Definizione di banda a 3 dB per un sistema passa-basso ( ) e passa-banda ( ).


Integrando l’ si ha:

% ( % (

Valutando numericamente l’integrale si ha che per k=1, cioè nel lobo principale, la frazione
di energia è pari al 90,3%; includendo anche una coppia di lobi laterali (k=2) la frazione di

energia sale al 95 %, mentre per racchiudere il 99% dell’energia occorre portare in conto nove
coppie di lobi laterali, cioè . Corrispondentemente la banda (monolatera) al 90% è

, quella al 95% è e quella al 99% .
Esempio 2: Impulso esponenziale
Ricordando che:
3 "!

.4

si ottiene immediatamente la seguente espressione per l’ESD di un impulso esponenziale:

4
L’energia

nella banda

è quindi:

!# " !(
4

"! .

in particolare ponendo si ottiene l’energia totale
Noto lo spettro di energia si può calcolare la banda del segnale. Precisamente la banda mono-

latera cui compete la frazione dell’energia totale si ottiene risolvendo l’equazione

!# " !(

da cui si ricava:
" !(

Cosı̀ per esempio la banda al 95% dell’energia vale:

" !(

3.7.2 Densità spettrale di potenza
0
-
Consideriamo ora i segnali di potenza per i quali l’energia è infinita, mentre è finita la potenza
. Nel seguito faremo riferimento prevalentemente ai segnali a tempo continuo
considerato che le argomentazioni possono essere estese facilmente alle sequenze.
Per introdurre la funzione di densitá spettrale di potenza ( ), e cioè la funzione che dà conto

della distribuzione in frequenza della potenza, conviene riguardare i segnali di potenza come limite
di segnali di energia. Precisamente sia il segnale troncato all’intervallo
e sia

la sua trasformata, cioè:

Procedendo come per i segnali di energia si ottiene

% & % &

% & % &

Da cui, passando al limite sotto il segno di integrale, e portando di nuovo l’operatore di media dentro
l’integrale si ha:

% &

) o, più semplicemente, spettro di potenza, di , che è dunque definita da:
pertanto la funzione integranda è interpretabile come densità spettrale di potenza (abbreviazione

%&

(3.53)

Analogamente, per un segnale a tempo discreto, si pone:
%&

4

(3.54)

è lo spettro dellasequenza

dove
membro della definizione di
sono datroncata, Osserviamo esplicitamente che i limiti a secondo
intendersi in senso generalizzato.

La notazione utilizzata, come nel caso di segnali di energia, è o ( se è chiaro dal contesto a
quale segnale ci si riferisca) essendo implicito nella natura di di quale densità spettrale, energia

o potenza, si tratti.
Si osservi che la funzione di trasferimento dell’energia di un sistema LTI relaziona anche gli
spettri di potenza; in altri termini la (3.52) vale anche con riferimento alle
. Pertanto si ha:
%&

%&

% &

4 con e costanti e variabile aleatoria uniformemente
Esempio 2: di una sinusoide a fase aleatoria
Sia
distribuita in

. Utilizzando la trasformata dell’impulso rettangolare e la regola di mod-
ulazione, si ha:

54
4 % ( 4

% (

di

come e mediando su si ha
da cui, valutando l’

% ( 4 % ( 4

onde, passando al limite per , si ricava:

4 4
Analogamente a quanto visto per i segnali di energia, la consente di definire la banda per i

segnali di potenza in termini energetici come la gamma di frequenze in cui è allocata una prefissata
frazione della potenza totale.
Si osservi infine che le considerazioni svolte con riferimento ai segnali di potenza aleatori valgono
anche per i segnali deterministici, in quanto le definizioni date per i segnali aleatori applicate ad un
segnale di potenza deterministico restituiscono le corrispondenti definizioni introdotte per tali tipi di
segnali.
3.7.3 Spettri mutui di energia e di potenza

Innanzi tutto ricordiamo che se e sono due segnali di energia anche la loro somma 4
lo è ed inoltre l’energia della somma vale

4

4

4 4

4


Anche l’energia mutua può essere analizzata in frequenza, invero dalla relazione di Parseval si ha:

mutua) di e . Notiamo esplicitamente che in questa

che porta immediatamente ad interpretare la funzione integranda come spettro di energia mutua o

densità spettrale di energia mutua (

definizione l’ordine dei due segnali è importante, dal momento che il secondo dei due spettri deve

essere coniugato; considerazioni analoghe sussistono per i segnali a tempo discreto. Dunque l’
mutua è la funzione

e ovviamente si ha

54

è immediato mostrare che l’
del segnale somma
Una relazione analoga a quella che esprime l’energia di una somma sussiste anche per l’
4
. Invero

sviluppando è data
da:
4 4
4 4 4
(3.55)
potenza mutua
0
Analogamente per i segnali di potenza ha interesse considerare la distribuzione in frequenza della

-

di e nell’ordine. Per ottenere l’analisi spettrale della
potenza mutua occorre troncare i segnali e mediante una finestra e poi far divergere la
. In altri termini si

durata della finestra, cosı̀ come si è fatto nel paragrafo precedente per la
definisce lo spettro di potenza mutua o densità spettrale di potenza mutua di e nell’ordine,
, il limite

e la si denota col simbolo

%&

(3.56)

dove

e denotano al solito gli spettri dei segnali troncati. Analogamente nel caso di

segnali a tempo discreto, con ovvio significato dei simboli, si pone

% & 4

Anche per i segnali di potenza, come è facile verificare, la

del segnale somma è data dalla
(3.55).
Dovrebbe essere chiaro, data l’omogeneità delle varie definizioni di spettri di energia mutua e di
potenza mutua, che anche le proprietà sono omogenee. In particolare conviene notare che, a dif-
ferenza degli spettri di energia e di potenza trattati nel paragrafo precedente (per distinguerli da
quelli mutui a volte vengono chiamati ”autospettri”), gli spettri mutui in generale non sono pura-
mente reali, nè positivi. Essi esibiscono tuttavia alcune proprietà di simmetria, che qui riassumiamo:
P1 Simmetria

P2 Se e sono reali, allora

3.7.4 Processi bianchi
risulta essere una funzione costante della

Il termine processo bianco é utilizzato per descrivere un processo aleatorio in cui tutte le componenti
spettrali hanno la stessa ampiezza, e dunque, la
frequenza. La notevole importanza che i processi bianchi rivestono nelle applicazioni é in gran parte
dovuta al fatto che la densitá spettrale di potenza del rumore termico é sostanzialmente costante in
tutta la banda di frequenze in cui i sistemi si trovano ad operare. D’altra parte, dal punto di vista

rigorosamente formale, essendo

(3.57)
il processo non ha rilevanza fisica. Il calcolo della densitá spettrale di potenza del rumore termico

puó essere affrontato utilizzando considerazioni quanto-meccaniche da cui risulta che

!

dove

Joules s. é la costante di Planck, Joules/Kelvin é la costante

!
di Boltzmann e é la temperatura assoluta in gradi Kelvin. Lo spettro tende a zero per ma
la convergenza é molto lenta. Infatti, per

, ed
risulta

per cui, sostituendo nella (3.57) risulta

cost

Quindi, per frequenze minori del terahertz la
approssimazione costante e pari a

. del rumore termico puó ritenersi con buona
3.7.5 Teorema di Wiener-Kintchine
Consideriamo innanzi tutto due segnali di energia, ricordando la proprietà della trasformata di
, si
Fourier, per cui ad una coniugazione in un dominio corrisponde una coniugazione più un ribalta-

mento nell’altro dominio, antitrasformando lo spettro di energia mutua

ottiene:


In altri termini la funzione di mutua correlazione e lo spettro di energia mutua sono legati fra loro
dalla trasformata di Fourier, si ha cioè:

(3.58)
Da cui, per , si ha che la funzione di autocorrelazione e la densità spettrale di energia

sono legati fra loro dalla trasformata di Fourier, cioè:

Il legame tra funzioni di correlazione e spettri di energia è una immediata conseguenza delle pro-
prietà della trasformata di Fourier; la rilevanza del risultato è la sua validità anche per segnali di
potenza, deterministici o aleatori che siano: in altri termini, sussiste il seguente:
Teorema di Wiener-Kintchine: Dati due segnali e , il loro spettro di potenza mutua

è la trasformata di Fourier della loro funzione di mutua correlazione.
Prova: Supposti i segnali a tempo continuo, sviluppando la media statistica a secondo membro
della definizione di spettro mutuo (3.56) si ha:

" !

"!

da cui, scambiando le operazioni di media statistica e di integrazione, si ricava:

"!

"!

ed effettuando nell’integrale il cambio di variabile

si ottiene

"!

da cui, divedendo per e passando al limite per

, si ha

"!
% &

Il limite tra parentesi quadre a secondo membro della relazione precedente formalmente differisce

dalla media temporale in quanto il prodotto delle due finestre rettangolari di durata

è ancora

non ha effetto (

una finestra rettangolare ma di durata

; tuttavia, per la riduzione della durata
) e, conseguentemente, l’espressione tra parentesi quadre è la mutua

correlazione
tra i due segnali, onde l’asserto.
Esempio : Segnale telegrafico

Il calcolo dello spettro del segnale telegrafico, considerato nell’ultimo paragrafo del Cap.1, è
tale segnale vale:

immediato grazie al teorema di Wiener-Kinchine; invero ricordando che l’autocorrelazione di

e, tenendo presente la trasformata dell’impulso esponenziale, si ha:

4

Pertanto , cioè il doppio della frequenza media di commutazione, è la pulsazione di taglio
a 3dB del segnale.
mutua è nulla; pertanto non solo l’autocorrelazione di una somma di segnali incoerenti
Si osservi infine che se due segnali sono incoerenti allora, a norma del teorema di Wiener-Kinchine,
la loro
della somma di segnali incoerenti è la

è la somma delle singole autocorrelazioni, ma anche la
somma delle dei singoli addendi.
3.8 SEGNALI PAM

Di notevole interesse per le applicazioni sono i segnali PAM, cioè i segnali del tipo

ove è una sequenza di v.a. SSL, con media ed autocorrelazione , detta sequenza
modulante, e è un segnale impulsivo, cioè un segnale di energia, anche se è utile includere come

caso limite l’impulso ideale . L’andamento tipico di un segnale PAM è riportato in fig. 3.28:

precisamente nella fig. 3.28 è riportata la sequenza modulante ed in fig. 3.28 la corrispondente

realizzazione del segnale PAM, con impulso rettangolare di durata

(fig. 3.28 ).
Sono, per esempio, di tipo PAM i segnali utilizzati nelle trasmissioni numeriche multilivello: pre-

cisamente in tal caso una sorgente discreta emette, in modo cadenzato, ogni secondi, un simbolo

ed un modulatore di dati, disposto in cascata, genera l’impulso di ampiezza
proporzionale al simbolo emesso dalla sorgente (fig. 3.29).
3.8. SEGNALI PAM 129

Figura 3.28: Impulso base , sequenza modulante e segnale PAM .

Per la linearità della media, dall’espressione generale del PAM si ha

$#

pertanto la media di un segnale PAM è periodica di periodo . Effettuando la media temporale si

ottiene la componente continua del segnale PAM, cioè:

Pertanto la componente continua è nulla se è nulla la media della sequenza modulante o se è nulla
l’area sottesa dall’impulso ovvero il suo spettro a frequenza zero.

Sorgente

Modulatore
numerica

Figura 3.29: Generazione di segnali PAM.
Al fine di calcolare la
di un segnale PAM, se ne consideri la versione finestrata

4

da cui, utilizzando la definizione di potenza per un segnale aleatorio , ed osservando che la lunghezza
del segmento temporale preso in considerazione é pari a 4 , si ottiene

% &

4

Di conseguenza, passando nel dominio della frequenza si ottiene
%& 4

(3.59)

dove
"!

Sostituendo nella (3.59, si ricava

% & 4

" !

(3.60)

e quindi

(3.61)

Pertanto, la
della sequenza modulante, valutata per
di un segnale PAM è pari, a meno del fattore di scala
dell’impulso base per la
, al. Tale
prodotto della
espressione non
3.8. SEGNALI PAM 131
evidenzia però l’eventuale presenza di righe spettrali; invece, esprimendo la della sequenza

del segnale PAM si riscrive
modulante come somma di quella della sua componente continua e di quella della sua componente

alternativa, la
4

a righe della componente periodica e di quella, di norma continua,

cioè come somma della

della componente aperiodica; la riga a frequenza zero è nulla se è nulla la componente continua del
PAM, mentre la parte a righe dello spettro è identicamente nulla se è nulla la media della sequenza
modulante.
Esempio 1: Segnale binario sincrono

Nella sua versione più semplice il segnale binario sincrono è un segnale PAM la cui se-

quenza modulante è un processo di Bernoulli di parametro , che modella l’emissione
di simboli da parte di una sorgente binaria senza memoria secondo lo schema generale di
fig. 3.29.
In fig. 3.30 è riportato una possibile realizzazione di tale segnale nel caso di impulso rettan-

golare di ampiezza e durata . Poiché l’informazione binaria è affidata alla presenza o
meno dell’impulso nel corrispondente intervallo di bit, tale tecnica di segnalazione viene
chiamata segnalazione ON-OFF.
, si ha che la del segnale binario ON-OFF vale

4

Ricordando che l’autocorrelazione di un processo di Bernoulli è del tipo

4
(3.62)

ed il suo spettro di potenza è interamente determinato dallo spettro d’energia dell’impulso

base. In particolare se l’impulso è un impulso rettangolare tutte le righe spettrali, tranne
è proporzionale allo spettro di energia dell’impulso. In altri termini lo spettro
quella a frequenza zero, corrispondente alla potenza in continua, si annullano, e la parte con-
tinua della

di potenza del segnale binario sincrono ON-OFF è
54 % (

Tale relazione in particolare evidenzia che tale segnale ha una banda sostanzialmente pari
alla cadenza con cui i simboli sono emessi dalla sorgente.
La presenza nella segnalazione ON-OFF di righe spettrali, in particolare quella dovuta alla
componente continua, costituisce uno spreco di potenza: infatti è possibile dimostrare che
il tasso di simboli errati, dovuti al rumore che si aggiunge al segnale nella trasmissione,

Impulso base

Sequenza modulante

Segnale binario sincrono ON-OFF
Figura 3.30: Segnalazione binaria ON-OFF.
3.9. LEGAMI INGRESSO USCITA PER LE
133
diminuisce all’aumentare della separazione tra i due livelli del segnale. A ciò si può facil-
mente ovviare eliminando la componente continua dalla sequenza modulante una opportuna
4

si ottiene
codifica dei livelli trasmessi. Precisamente, trasmettendo i livelli
invece dei livelli
3 % (
4
Il segnale binario sincrono nelle sue varie forme ha uno spettro passa basso, pertanto per
poterlo trasmettere è necessario un canale che abbia una buona risposta nell’intorno della
frequenza zero. Ma molti canali, in particolare quello telefonico, hanno una cattiva risposta
in bassa frequenza: in tal caso si pone il problema di modificare la distribuzione spettrale
si evince che tale risultato si può conseguire o
della potenza allo scopo di adattare le caratteristiche spettrali del segnale a quelle del canale.
Dalla espressione generale (3.61) della
cambiando l’impulso base o agendo sulla sequenza modulante; di norma si preferisce questa
seconda strada in quanto perseguibile con tecniche numeriche. In generale, per sagomare
lo spettro è necessario far ricorso ad una codifica con memoria che, introducendo una cor-

relazione tra i simboli emessi dalla sorgente senza memoria, consente di ottenere una

radicalmente diversa dalla dell’impulso base (correlative coding).
3.9 LEGAMI INGRESSO USCITA PER LE

a seconda del tipo di segnali, in ingresso ed in uscita a sistemi LTI semplicemente trasfor-,
Sulla scorta del Teorema di Wiener-Khinchine è immediato stabilire i legami esistenti tra le

o le
che è il caso di maggiore interesse, anche se le relazioni stabilite, grazie alla simbologia unica
mando gli analoghi legami tra le correlazioni stabiliti nel Cap.2. Nel seguito faremo riferimento alle
e , valgono senza alcuna modifica anche per gli spettri di energia.

per

Ricordando, ad esempio, che la mutua correlazione tra le uscite di due sistemi LTI (vedi fig. 3.31 )
è data dalla relazione

trasformando secondo Fourier si ha

(3.63)

sostituire i due sistemi con un unico sistema di risposta armonica sollecitato dalla

In altri termini al fine del calcolo dello spettro di potenza incrociato tra le due uscite è sufficiente
mutua tra i due ingressi, come schematizzato in fig. 3.31 . In modo analogo è possibile stabilire gli
altri legami di interesse: cosı̀ lo spettro di potenza dell’uscita è legato a quello dell’ingresso dalla
relazione

(3.64)

dell’uscita

cioè la è pari a quella dell’ingresso per la funzione di trasferimento dell’energia,
mentre le mutue uscita-ingresso e ingresso-uscita sono date da


Figura 3.31: Legame I/O per le
mutue: sistemi effettivi, sistema euivalente.
I vari legami considerati sono riassunti nella fig. 3.32. Una ulteriore conseguenza della (3.63) è

Figura 3.32: Legami I/O per
: sistema effettivo, sistemi equivalenti.
l’incoerenza di due segnali qualsiasi che non si sovrappongono nel dominio della frequenza: è suf-
del singolo segnale è non nulla e zero
ficiente infatti osservare che tali segnali restano inalterati per effetto di un filtraggio LTI da parte di
due sistemi le cui risposte armoniche valgano uno ove la
altrove.

La potenza di rumore in uscita ad un filtro LTI quando l’ingresso è rumore bianco è data da:

ove

denota la

del rumore supposto, per fissare le idee, tempo continuo. Introdotta la
banda di rumore (monolatera) del filtro

3.9. LEGAMI INGRESSO USCITA PER LE
135
Filtro
ideale

!

Filtro
ideale
! !

Figura 3.33: Definizione di banda di rumore: sistemi passa-basso e passa-banda .
l’espressione della potenza si semplifica in

Pertanto la banda di rumore è la banda del filtro ideale avente lo stesso guadagno di centro
banda e la cui funzione di trasferimento dell’energia sottende la stessa area. Tale interpetrazione è
illustrata in fig. 3.33 sia nel caso di sistemi passa-basso che passa-banda. Dalla relazione di Parseval
segue che la banda di rumore è calcolabile anche a partire dalla risposta impulsiva con la relazione:

" !

Si osservi che la definizione data vale, con ovvie modifiche, anche per sistemi discreti; precisamente,
in tal caso, si ha:

Si osservi infine che, nel definire la banda di rumore si è implicitamente fatto riferimento ai si-
stemi reali, anche se la definizione può essere estesa con ovvie modifiche anche al caso di sistemi
complessi.
3.10 LA DISTORSIONE
Tutte le volte che un segnale viene elaborato il segnale d’uscita non è mai una copia perfetta di quello
d’ingresso a causa delle inevitabili limitazioni di banda, come esemplificato nel paragrafo prece-
dente con riferimento ad un filtro RC. Se il sistema è adoperato per eseguire sul segnale d’ingresso
delle trasformazioni, quali un filtraggio adattato, modulazione, rivelazione, cimatura, ecc., le dif-
ferenze, anche profonde, tra i segnali d’ingresso e uscita sono intenzionali. Invece nel caso di si-
stemi di trasmissione, di amplificatori ecc. si desidera di solito in uscita una copia fedele del segnale
d’ingresso, o, come si dice, indistorta. Peraltro, una trasmissione fedele non implica necessaria-
mente che l’uscita sia identica all’ingresso, ma certe differenze sono senz’altro accettabili e non
vanno considerate distorsioni. Precisamente, dato un segnale d’ingresso , diremo che il segnale
di uscita è una versione indistorta di se ne differisce solo per una costante moltiplicativa ed
un ritardo temporale, in altri termini se

allora abbiamo realizzato una trasmissione senza distorsioni (o fedele).
La condizione di non distorsione comporta che lo spettro dell’ingresso e quello dell’uscita siano
relazionati da:

"!
Pertanto un sistema non distorcente è necessariamente LTI; inoltre la sua risposta in frequenza deve
essere:

"!
in altre parole un sistema LTI non distorcente deve avere una risposta in ampiezza costante ed in-
trodurre uno sfasamento proporzionale alla frequenza, a meno di un termine additivo multiplo di ;

" .4
precisamente deve aversi:

(3.65)
ove il termine
tiene conto del segno della costante ; uno sfasamento identicamente nullo rientra
come caso particolare, perché implica un ritardo temporale nullo. Va precisato che è sufficiente che
le condizioni di non distorsione (3.65) siano soddisfatte solo alle frequenze dove il segnale d’ingresso
4
ha componenti spettrali significative, cioè nella gamma di frequenze di interesse.
Si osservi che se il segnale d’ingresso è sinusoidale, cioè , e se il sistema

è reale, il corrispondente segnale d’uscita vale
4
3.10. LA DISTORSIONE 137
ove si è introdotto il ritardo di fase

Pertanto un segnale sinusoidale si propaga sempre indistorto attraverso un sistema LTI, come è
ovvio dal momento che tale segnale ha una banda nulla: l’attenuazione e il ritardo subito dal segnale
variano però al variare della frequenza della sinusoide.
Le condizioni (3.65) sono molto restrittive e possono essere soddisfatte in pratica solo approssi-
mativamente. Ad esempio, nel paragrafo precedente si è visto che un filtro RC passa-basso in un
intervallo di frequenze sufficientemente minore della frequenza di taglio a 3dB è non distorcente.

Precisamente avendosi

il filtro trasmette senza apprezzabile distorsione, con un ritardo

, segnali la cui banda sia
sufficientemente inferiore ad . Ad esempio, le distorsioni subite da un impulso rettangolare di du-
rata sufficientemente
apprezzabili per
lunga
.
saranno minime, perché lo spettro di un tale impulso non ha componenti

Tale risultato è generalizzabile ad un arbitrario sistema LTI se ci limitiamo a considerare un intervallo
di frequenze sufficientemente piccolo nell’intorno di : all’uopo è sufficiente approssimare

, cioè approssimare come segue
modulo e fase di con il loro sviluppo in serie di MacLaurin troncato al termine lineare in

54 !

Le distorsioni sono quindi praticamente inevitabili, ma possono essere minimizzate se i sistemi di

trasmissione sono progettati opportunamente. Ci dovremo quindi occupare del grado di distorsione
introdotto da ogni sistema, definendo opportuni parametri che lo caratterizzino quantitativamente.
Parametri di questo tipo che vadano bene in ogni applicazione sono però difficili a definirsi; è preferi-
bile classificare i diversi tipi di distorsione possibili e considerarli separatamente.
I tre tipi principali di distorsione sono:
Distorsione di ampiezza:

cost;
. 4 , ovvero ;
Distorsione di fase (o di ritardo):
Distorsioni non lineari.
I primi due tipi di distorsione sono presenti nei sistemi LTI, mentre il terzo è caratteristico dei sistemi
non lineari, come anche di quelli lineari, ma temporalmente varianti.
Tipo di segnale Servizio Gamma di frequenze

Alta fedeltà (FM) 30 Hz - 15 kHz
Voce e musica Media qualità (AM) 100 - 5.000 Hz
Telefonia 300 - 3.400 Hz
Segnale video Televisione 0 Hz - 5 Mz
Tabella 3.2: Bande impegnate dai segnali di più largo impiego.
3.10.1 Distorsione di ampiezza
La distorsione di ampiezza si descrive agevolmente nel dominio della frequenza: essa comporta
semplicemente che le diverse componenti spettrali del segnale in uscita non sono nelle proporzioni

giuste. Nella letteratura tecnica questa distorsione viene anche chiamata a volte distorsione in fre-
quenza (il nome è suggerito dal fatto che questa distorsione si presenta quando non è costante
con la frequenza).
Le forme più comuni di distorsione di ampiezza consistono in una attenuazione (o amplificazione)
eccessiva delle frequenze più alte o di quelle più basse dello spettro del segnale; un caso meno co-
mune, ma non per questo meno indesiderabile, è la presenza di valori sproporzionati della risposta
di ampiezza a frequenze intermedie dello spettro. Se la descrizione di questi fenomeni nel dominio
della frequenza è immediata, i loro effetti nel dominio del tempo sono molto meno ovvii, tranne che
per segnali molto semplici. Tuttavia giova sottolineare che un segnale sinusoidale non è adeguato
come segnale di prova dal momento che, come già osservato, tali segnali si propagano sempre senza
distorsione attraverso un sistema LTI. Di norma nello studio della distorsione trovano impiego se-
gnali di prova a larga banda quali un treno d’impulsi, un’onda quadra ecc.
Conclusioni precise si possono trarre dallo studio (analitico o sperimentale) di segnali specifici. I
risultati di un tale studio vengono espressi di solito specificando a quali condizioni deve soddisfare la

risposta in frequenza di un sistema affinché sia adatta a trasmettere quel tipo particolare di segnale,
e cioè la gamma di frequenze dove la deve rimanere costante con un certo margine (ad es.
dB) perché la distorsione di ampiezza rimanga accettabile per quel tipo di segnale. Queste gamme
di frequenze sono riportate nella tabella per i segnali che si incontrano più di frequente nei sistemi
di comunicazione.
3.10.2 Distorsione di fase
Uno sfasamento che sia funzione lineare della frequenza, con ordinata all’origine multipla di ,

introduce un ritardo di tempo costante in tutte le componenti spettrali del segnale; se, inoltre, la
risposta in ampiezza è costante, l’uscita è priva di distorsioni. Se lo sfasamento non è lineare, le
diverse componenti spettrali subiranno ritardi diversi; la distorsione che ne risulta prende il nome di
distorsione di fase o di ritardo.
3.10. LA DISTORSIONE 139

!# " !( e, in questo caso, avremo

!# " !( !# " !(
Per esempio, per un filtro passa-basso RC

e le componenti spettrali del segnale d’ingresso aventi frequenza ,
e "

saranno ritardate di 0,92 RC, 0,79 RC e 0,55 RC rispettivamente.

Più in generale quando il ritardo di fase non è costante con la frequenza, anche in assenza di dis-
torsione d’ampiezza, il segnale risulta profondamente distorto in quanto le componenti spettrali in
uscita, pur essendo nella giusta proporzione, non sono nella corretta relazione di fase. In particolare
i picchi del segnale d’ingresso, dovuti a componenti spettrali che si sommano in fase, possono essere
completamente assenti in uscita per effetto della distorsione di fase che può trasformare interferenze
costruttive in interferenze distruttive e viceversa.
E’ bene sottolineare che un ritardo di fase costante non va confuso con uno sfasamento costante: il
primo è auspicabile, anzi è una condizione da soddisfare se si vogliono evitare distorsioni, il secondo,
al contrario, è causa di distorsioni. Si consideri un sistema con uno sfasamento

costante a tutte le frequenze: esso sfaserà in ritardo ogni componente spettrale del segnale d’ingresso
di cicli della frequenza di quella componente (ed è proprio questo il significato di sfasamento
costante); ma i ritardi temporali saranno diversi, e le diverse componenti spettrali, anziché arrivare
Gli unici sfasamenti costanti accettabili sono

tutte allo stesso istante, arriveranno con ritardi diversi; il segnale di uscita risulterà pertanto distorto.

e, più in generale, .

Sulla scorta delle considerazioni fatte, è intuitivo che la distorsione di fase può essere molto nociva
nella trasmissioni numeriche di norma realizzate trasmettendo impulsi: in tali sistemi e nei sistemi
per la trasmissione di dati la compensazione del ritardo di trasmissione è un problema che va af-
frontato (e viene affrontato) con molta attenzione. E’ interessante notare d’altra parte che l’orecchio
umano è indifferente a distorsioni di fase: per questa ragione, il problema di compensare il ritardo
non è di regola importante nelle trasmissioni di segnali audio o audio musicali.
3.10.3 Distorsione non lineare

Una sistema che comprenda elementi non lineari, e/o temporalmente varianti, dà luogo alla distor-
sione da non linearità: nel seguito ci limitiamo a considerare il caso più comune di sistemi non lin-
eari, senza memoria, per i quali esiste una relazione che lega i valori istantanei del segnale d’ingresso
e d’uscita, nota comunemente come caratteristica di trasferimento, del tipo:

Quando le escursioni del segnale d’ingresso sono piccole, spesso è possibile linearizzare la caratter-
istica di trasferimento; più in generale è possibile sostituire alla caratteristica di trasferimento la sua
approssimazione polinomiale:
4 4 4

4
dove sia il numero dei termini sia i valori dei coefficienti vengono scelti opportunamente a seconda
dell’intervallo di variazione del segnale d’ingresso e a seconda della precisione desiderata. Si noti
che in quest’equazione le potenze della superiori alla prima danno conto del carattere non
lineare, e sono quindi responsabili della distorsione. Dall’equazione precedente, a norma del teorema

della convoluzione, lo spettro del segnale d’uscita può essere scritto come segue

4 54
54

54

Se è a banda limitata, precisamente ha componenti spettrali solo per , in assenza di

distorsione non lineare il segnale d’uscita ha anch’esso una banda limitata, minore o al più uguale
prende il termine

a quella dell’ingresso. Viceversa, a causa della distorsione non lineare il segnale d’uscita com-
, che

, , che

ha una banda doppia, cioè

ha una banda tripla, cioè , ecc. Pertanto, il carattere non lineare del sistema comporta che

in uscita vi siano delle componenti a frequenze che non sono presenti nel segnale d’ingresso. Per di

più, poiché può anche contenere componenti a frequenze , questa parte dello
spettro del segnale di uscita si sovrappone a ; analoghe considerazioni valgono per i termini
-
di ordine superiore. Con opportune tecniche di filtraggio è senz’altro possibile eliminare le compo-

nenti spettrali aggiuntive aventi frequenze
spettrali aggiuntive aventi frequenze
0
; non è possibile invece eliminare le componenti
; sono queste componenti spettrali che costituiscono la
distorsione non lineare in senso stretto (cioè non eliminabile).
Una misura quantitativa della distorsione non lineare si può ottenere scegliendo come segnale
d’ingresso una semplice forma d’onda sinusoidale:
3

la corrispondente uscita

!
è periodica, di periodo , ma non sinusoidale; in altri termini, per effetto della distorsione non
lineare in uscita sono presenti componenti alle frequenze armoniche di quella dell’ingresso. Una
caratterizzazione quantitativa della distorsione, comunemente impiegata, è la distorsione di ennes-
ima armonica

, definita come il rapporto tra l’ampiezza di questo termine e quella
della fondamentale (la frequenza del segnale di ingresso), cioè

spesso espressa in percentuale.
Di norma la distorsione più rilevante è quella dovuta alla seconda armonica, o alla terza armonica,
mentre le armoniche di ordine più elevato danno luogo ad una distorsione spesso trascurabile; inoltre,
quanto più alta è la frequenza di queste componenti spurie tanto più agevole è la loro eliminazione
mediante filtraggio.
Indice
additivitá per la funzione di autocorrelazione, segnale binario casuale , 38

39 sintesi, equazione di, 81
additivitá per le energie, 32 sistema accumulatore, 47, 48, 60
additivitá per le potenze, 32
analisi, equazione di, 81
CDF congiunta, 17
CDF congiunta di due processi aleatori, 21
CDF congiunta di ordine N, 17
CDF di un processo aleatorio, 16
CDF di un processo di Bernoulli, 22, 23
PDF congiunta del secondo ordine di un pro-
PDF congiunta di

cesso aleatorio, 17
variabili aleatorie gaus-
siane, 26
PDF di un processo aleatorio, 16
PMF di un processo a tempo discreto, 17
PMF di un processo di Bernoulli, 22
PMF di un processo di conteggio di successi,
24
segnale aleatorio, 4, segnale aleatorio33

Bernoulliano, 22, 23
caratterizzazione congiunta di due se-
gnali, 20
caratterizzazione sintetica, 17
caratterizzazione statistica, 16, 17
covarianza, 19
gaussiano, 28
media temporale, 32
potenza, 130
relazioni ingresso uscita, 62
141
142 INDICE
PROPRIETÀ DELLE TRASFORMAZIONI DI FOURIER
3.11 PROPRIETÀ DELLA TRASFORMATA DI FOURIER

" !

"!

P. 1 Dualità (forme d’onda)

P. 2 Linearità
4 4
P. 3 Riflessione

P. 4 Coniugazione


P. 6 Cambiamento di scala

"!
2

" !

P. 9 Modulazione

54 4

4

4 4 4



+ 2+

+

144 INDICE

P. 13 Derivazione nel dominio della frequenza

P. 14 Integrazione

4

P. 15 Somma

4

P. 16 Replicazione nel tempo (campionamento in frequenza)

P. 17 Campionamento nel tempo (replicazione in frequenza)



P. 20 Formule di Poisson

!

146 INDICE
3.12 PROPRIETÀ DELLA SERIE DI FOURIER

P. 1 Linearità
4 4

P. 2 Riflessione dell’asse dei tempi

P. 3 Coniugazione




3.13. PROPRIETÀ DELLA DFS 147






3.13 PROPRIETÀ DELLA DFS

P. 1 Linearità
4 4
148 INDICE
P. 2 Riflessione dell’asse dei tempi

P. 3 Coniugazione




4





3.14. PROPRIETÀ DELLA DFT 149
3.14 PROPRIETÀ DELLA DFT

P. 1 Linearità
4

54

P. 2 Dualità

Appunti Di Teoria Dei Segnali

Caricato da

Informazioni sul documento

Copyright

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Appunti Di Teoria Dei Segnali

Caricato da

Copyright:

Appunti di Teoria dei Segnali

Corso di Teoria dei Segnali, Prof. Maurizio di Bisceglie Rel. 28.11.2000

1 STUDIO DEI SEGNALI NEL DOMINIO DEL TEMPO 1

2 I SISTEMI NEL DOMINIO DEL TEMPO 41

3 ANALISI NEL DOMINIO DELLA FREQUENZA 73

STUDIO DEI SEGNALI NEL

Esempio 1 Segnale vocale.

Esempio 2 Segnale di immagine in bianco e nero.

Esempio 3 Segnale BPSK (Binary Phase Shift Keying).

Figura 1.1: Rappresentazione grafica di una sequenza

Esempio 4 Serie storiche.

1.2 Classificazione dei segnali.

consentono di studiare le proprietà dei sistemi che elaborano o trasferiscono l’informazione

costituiscono i blocchi elementari aggregando i quali si ottengono realizzazioni di segnali

Ad esempio il segnale corrispondente ad uno specifico simbolo BPSK é un segnale deterministico,

esperimento casuale. Precisamente, se denotiamo con il generico risultato di un esperimento, cioè

Figura 1.2: Rappresentazione grafica di un segnale aleatorio

nale aleatorio , omettendo di evidenziare la dipendenza da . In altri termini un segnale é determin-

una famiglia di funzioni del tempo ( e

variabili), cioè il segnale aleatorio;

una variabile aleatoria ( fissato e variabile);

l’effettiva interpretazione di  va dedotta di volta in volta dal contesto.

1.3 Segnali deterministici elementari.

1.3.1 Impulso o finestra rettangolare.

Conseguentemente l’impulso rettangolare  , centrato in  , di ampiezza  e di durata  , é

! "$#$% &'

1.3.2 Gradino unitario.

e nel caso discreto (1.4b) da:  ,

Combinando due gradini di uguale ampiezza si ottengono impulsi rettangolari. Ad esempio

1.3.3 Esponenziale complesso (tempo continuo).

         "!   (1.6)

1.3.4 Segnale sinusoidale (tempo continuo).

La sinusoide di ampiezza  - , fase iniziale e pulsazione é il segnale:

   4  (1.7)

Utilizzando le formule di Eulero é immediato verificare che:

  4         

1.3.5 Sequenza esponenziale (tempo discreto).

La sequenza esponenziale di ampiezza  e base  é definita come:

Figura 1.6: Sequenze esponenziali

1.3.6 Fasore (tempo discreto).

    e     , il fasore      é indistinguibile dal fasore      .

corrispondentemente in termini di pulsazione l’intervallo di definizione ha ampiezza

Perchè ciò avvenga é necessario e sufficiente che

1.3.7 Impulso di tipo sinc

   % (  (1.10)

Figura 1.8: Segnale di tipo sinc

Figura 1.9: Impulso discreto

  3+ 2+       + 

1.3.9 Impulso continuo (impulso di Dirac).

si dice ottava un intervallo di frequenze

Figura 1.10: Rappresentazione di una sequenza come sovrapposizione di -impulsi. 

che esprime la proprietà di campionamento o di riproducibilità secondo che venga considerato

1.3. Segnali deterministici elementari. 15

conseguentemente risulta anche

per ogni  continuo in  ; in tal caso si scrive semplicemente:

quella degli impulsi sinc   , cioè la famiglia:

1.4 CARATTERIZZAZIONE STATISTICA DI SEGNALI

1.4.1 Caratterizzazione di ordine N

mento alla caratterizzazione del primo ordine, la PMF dell’ampiezza è:

1.4.2 Caratterizzazione sintetica

Analogamente si definiscono il valor quadratico medio (o valore m.s.), il valore efficace (o

      

La correlazione fra le v.a.  e   , considerata come funzione di e  , è la funzione di autocor-

analogamente nel caso di sequenze la funzione di autocorrelazione in tempo-tempo è

La funzione di autocorrelazione 

P1. Il valore per   è il valore m.s. del segnale, cioè

1.4.3 Segnali aleatori stazionari

l’effettiva interpretazione di va dedotta di volta in volta dal contesto.

Conseguentemente l’impulso rettangolare , centrato in , di ampiezza e di durata , é

! "$#$% &'

e nel caso discreto (1.4b) da: ,

"! (1.6)

La sinusoide di ampiezza - , fase iniziale e pulsazione é il segnale:

4 (1.7)

4

La sequenza esponenziale di ampiezza e base é definita come:

e , il fasore é indistinguibile dal fasore .

% ( (1.10)

3+ 2+ +

Figura 1.10: Rappresentazione di una sequenza come sovrapposizione di -impulsi.

per ogni continuo in ; in tal caso si scrive semplicemente:

quella degli impulsi sinc , cioè la famiglia:

La correlazione fra le v.a. e , considerata come funzione di e , è la funzione di autocor-

La funzione di autocorrelazione

P1. Il valore per è il valore m.s. del segnale, cioè

Figura 1.12: Processo di Bernoulli: CDF, PMF.

è una variabile casuale con valori in

Infatti la probabilità di avere successi in un prefissato ordine in prove indipendenti è ed

4

ove è il vettore delle medie:

Dalla definizione segue che la conoscenza di valor medio e funzione di autocovarianza

, la sua media temporale nell’intervallo

0 .- 0 - 0 .- 0 -

con ; utilizzando la rappresentazione di una sinusoide in termini di fasori e la linearità

energia e , l’energia della loro somma vale

) allora vale l’additività per l’energia ed in tal caso, analoga-

% & % &

Figura 1.16: Rappresentazione del vettore nello spazio bidimensionale

0

0

"! 3 "!

3

Figura 2.3: Diodo ideale: circuito, caratteristica, schema a blocchi.

connessione in parallelo connessione in controreazione

connessione in cascata o serie (fig. 2.5 )

(2.4)

detto anche differenza prima e denotato con il simbolo .

2 2

La risposta all’ingresso