Dispensa Segnali

Segnali Deterministici
Introduzione
Numeri complessi
Numero formato da una parte reale e immaginaria
z = x + jy Forma cartesiana
La forma cartesiana può diventare polare e viceversa
z = A cos θ + j sin θ = Aejθ Forma polare
x = A cos θ y = A sin θ
arctan xy

p se a > 0
A= x2 + y 2 θ=
π − arctan xy se a < 0
Classificazione dei segnali

I segnali si dividono in deterministici e aleatori. Dei primi si conosce esattamente
la funzione che li descrive, mentre dei secondi no.
Un’altra classificazione è quella in segnali tempo-continui e tempo-discreti. I primi
hanno la cardinalità del continuo, i secondi sono definiti su un dominio temporale
discreto.
I segnali analogici sono sia tempo-continui che ad ampiezza continua, i segnali
numerici sono sia tempo-discreti che ad ampiezza discreta.
Periodicità nei segnali tempo-continui

Un segnale tempo-continuo periodico è tale se
x(t) = x(t + T0 ) ∀t
La funzione periodica più semplice è una funzione costante. In questo caso T0
assume tutti i valori ∈ R
Esempio
x1 (t) = x1 (t + T1 ) ∀t x2 (t) = x2 (t + T2 ) ∀t
x(t) = ax1 (t) + bx2 (t)
Quale sarà il nuovo periodo?
x(t + T0 ) = ax1 (t + T0 ) + bx2 (t + T0 ) = x(t) = ax1 (t) + bx2 (t)
Se questo è verificato allora il nuovo periodo sarà
T0 = mT1 = nT2
Il nuovo periodo dovrà essere multiplo di entrambi gli altri periodi, per cui se
T1 n
= ∈Q
T2 m
il nuovo segnale sarà periodico di periodo T0
Periodicità dei segnali tempo-discreti

Un segnale tempo-discreto periodico è tale se
x[n] = x[n + N0 ] ∀n
Caso particolare
x[n] = cos (2πf0 n)
Si parte dallo stesso segnale in forma tempo-continua e lo si campiona ad un
frequenza nT
x(t) = cos (2πF0 t)
x(nt) = cos (2πnF0 T ) = cos (2πf0 n) F0 T = f 0

x[n + N0 ] = cos 2πf0 (n + N0 ) = cos 2πf0 n + 2πf0 N0
Si deve imporre che 2πf0 N0 = 2πk → f0 N0 = k k 6= 0
Aperiodicità
Un segnale è aperiodico quando è impossibile trovare un T0 | x(t) = x(t + T0 ).
La stessa regola vale per i segnali tempo-discreti
Energia di un segnale
Questa definizione vale per segnali reali
Z +∞
E= x2 (t) dt
−∞
Per segnali complessi la formula diventa

Z +∞
x(t)2 dt

E=
−∞
La definizione di energia è valida se e solo se l’integrale converge. Ad esempio, non

è possibile usarla per segnali periodici
Potenza di un segnale
La potenza è un parametro utile a capire se l’integrale dell’energia converge o
meno
1 T /2 2
Z
Px = lim x (t) dt
T →∞ T −T /2
P (t) = x2 (t) Potenza istantanea per

2 un segnale reale
P (t) = x(t)
Potenza istantanea per
Dalla potenza si ricava il valore efficace come un segnale complesso
p
xef f = Px
Valor medio
Z T /2
1
xm = lim x(t) dt
T →∞ T −T /2
Per un segnale ad energia finita xm = 0 e si dimostra come
y(t) = x(t) − xm
Z T /2 Z T /2
1 1 2
y 2 (t) dt = lim

Py = lim x(t) − xm dt
T →∞ T −T /2 T →∞ T −T /2
Z T /2
1 2
x (t) − 2xm x(t) + x2m dt

Py = lim
T →∞ T −T /2
Z T /2 Z T /2 Z T /2
1 2 1 1
Py = lim x (t) dt − 2xm lim x(t) dt + x2m lim dt
T →∞ T −T /2 T →∞ T −T /2 T →∞ T −T /2
Py =Px −2x2m − x2m Px = 0 perché ad

energia finita
Py = −x2m
Se xm 6= 0 si avrebbe Py < 0, ma una potenza negativa è impossibile e quindi
per forza xm = 0
Caso particolare
Per un segnale sinusoidale come, ad esempio, x(t) = A cos (2πf0 t + θ), la potenza
è
A2
Px =
2
Analisi di Fourier di segnali periodici tempo-continui

Approssimazione di un segnale
In un sistema lineare e stazionario, l’uscita relativa ad una somma di oscillazioni in
ingresso è uguale alla somma delle uscite ai singoli ingressi. Supponendo di avere
un segnale periodico in ingresso e di approssimarlo, lo si può scrivere come
N
X
x(t) = x(t + T0 ) x(t) ≈ A0 + 2 Ak cos (2πfk t + θk )
k=1
Le frequenze dell’oscillazione della sommatoria vengono scelte in modo tale che

siano multipli interi della frequenza f0

1 T0
fk = k · = kf0 → Tk =
T0 k
N
X
xN (t) = A0 + 2 Ak cos (2πkf0 t + θk )
k=1
La bontà dell’approssimazione si valuta studiando la differenza di ampiezza tra la

funzione di partenza e quella approssimata
εN (t)= x(t) − xN (t) Errore assoluto
Errore quadratico medio

L’errore quadratico medio si definisce come
Z Z
1 εN (t)2 dt = 1

x(t) − xN (t)2 dt

T0 [T0 ] T0 [T0 ]
Minimizzare l’errore assoluto conduce a risultati diversi rispetto a minimizzare

l’errore quadratico medio. Si parte dal presupposto che il segnale sia ad energia
finita e si riscrive il termine approssimante partendo da presupposto di Eulero
jα −jα
cos α = e +e 2
N
" #
X ej(2πkf0 t+θk ) + e−j(2πkf0 t+θk )
xN (t) = A0 + 2 Ak
2
k=1
N
X N
X
xN (t) = A0 + Ak ej(2πkf0 t+θk ) + Ak e−j(2πkf0 t+θk )
k=1 k=1
N
X −1
X
xN (t) = A0 + Ak ej(2πkf0 t) ejθk + A−k ej(2πkf0 t) e−jθ−k
k=1 k=−N
X0 = A0 , Xk = Ak ejθk per k > 0, Xk = A−k e−jθ−k per k < 0

N
X −1
X
xN (t) = x0 + Xk ej2πkf0 t + Xk ej2πkf0 t
k=1 k=−N
N
X
xN (t) = Xk ej2πkf0 t
k=−N
xN (t) è stata riscritta in funzione di Xk ∈ C e compare il segnale complesso
ej2πkf0 t = cos (2πkf0 t)+j sin (2πkf0 t) L’errore quadratico medio si potrà calcolare
in base ai parametri X−N , ..., XN
Z
2
min x(t) − xN (t) dt
X−N ,...,XN [T0 ]
Equazione di analisi
Equazione che produce coefficienti per il segnale x(t) che minimizzano l’errore
quadratico medio Z
1
Xk = x(t)e−j2πkf0 t dt
T0 [T0 ]
L’integrale nel periodo è possibile riscriverlo in funzione di λ, scegliendo il parametro
in modo da semplificare i calcoli
Z λ+T0
1
T0 λ
Al crescere di N l’approssimazione NON peggiora, può migliorare o non variare

Z
1 2
lim εN dt = 0
N →∞ T0 [T ]
0
L’errore quadratico medio tende a 0 per N che tende a ∞ Questo vuol dire che
xN (t) → x(t) per N → ∞
Z
1 x(t) − xN (t)2 dt = 0

lim
N →∞ T0 [T ]
0
L’integrale può fare zero anche se x(t)−xN (t) 6= 0. È sufficiente che le due funzioni
differiscano su insiemi di misura nulli.
I coefficienti calcolati con l’equazione di analisi tendono a 0 per k → ∞ e la velocità
con cui tendono a zero dipende dalle proprietà di Xk
+∞
X
x(t) = Xk ej2πkf0 t = lim xN (t)
N →∞
−∞
Questo indica che xN (t) converge a x(t) e non che xN (t) = x(t)
Equazione di sintesi
È l’equazione che permette di ricostruire x(t) a partire da Xk
+∞
X
x(t) = Xk ej2πkf0 t
−∞
Dimostrazione equazione di analisi

L’equazione di analisi si giustifica a partire da quella di sintesi
+∞
X
−∞
+∞
X +∞
X
x(t)e−j2πmf0 t = e−j2πmf0 t Xk ej2πkf0 t = Xk ej2π(k−m)f0 t
−∞ −∞
Z Z +∞
X +∞ Z
X
x(t)e−j2πmf0 t dt = Xk ej2π(k−m)f0 t dt = Xk ej2π(k−m)f0 t dt
[T0 ] [T0 ] −∞ −∞ [T0 ]
Z
Xk ej2π(k−m)f0 t dt = T0 per k = m
0 6 m
per k = ej2π(k−m)f0 t =
[T0 ]
cos [2π(k − m)f0 t] +
j sin [2π(k − m)f0 t]
Della sommatoria resta solo il termine per k = m
Z
x(t)e−j2πmf0 t dt = T0 Xm
T0
Z
1
Xm = x(t)e−j2πmf0 t dt
T0 T0
Questa dimostrazione non è formalmente corretta a causa dello scambio tra inte-
grale e sommatoria, ma è un buon esempio
Base di Fourier
+∞
X
k=−∞
1
Sk (t) = ej2πkf0 t √
T0
L’insieme delle Sk (t) con k ∈ Z è una base di Fourier.
x(t) è una combinazione lineare a coefficienti Xk della base di Fourier.
La base è ortonormale
Z
∗
Sk (t) · Sm (t) dt = 1 per k = m
[T0 ] 0 per k 6= m
Proprietà di simmetria Hermitiana

x(t) segnale reale
∗
Xk = X−k ∀k
Dimostrazione
Z
1
T0 [T0 ]
Z Z Z ∗
1 1 1
X−k = x(t)e−j2π(−k)f0 t dt = x(t)ej2πkf0 t dt = x(t)∗ ej2πkf0 t dt
T0 [T0 ] T0 [T0 ] T0 [T0 ]
Z ∗
1
X−k = x(t)∗ ej2πkf0 t dt = Xk∗
T0 [T0 ]
Valore di X0
Z Z
1 −j2πkf0 t 1
X0 = x(t)e dt = x(t) dt
T0 [T0 ] T0 [T0 ]
X0 è il valor medio di x(t)
Significato della somma degli Xk

Si parte dall’equazione di sintesi per t = 0
X X
x(0) = Xk ej2πkf0 ·0 = Xk
k k
Questa dimostrazione vale solo se x(t) è continua in 0
Forma reale polare

Una delle forme in cui si può rappresentare una serie di Fourier è quella reale
polare. Per ricavarla si parte dall’equazione di sintesi
X −1
X +∞
X
x(t) = Xk ej2πkf0 t = Xk ej2πkf0 t + X0 + Xk ej2πkf0 t =
k k=−∞ k=1
+∞
X +∞
X
= X−k e−j2πkf0 t + X0 + Xk ej2πkf0 t = Cambio di indice da k a
k=1 k=1 −k
+∞
X
−j2πkf0 t j2πkf0 t
= X0 + X−k e + Xk e =
k=1
Xm = Am ejθm
∞
X
Am = |Xm |
= A0 + A−k ejθ−k e−j2πkf0 t + Ak ejθk ej2πkf0 t = θm = arctan Xm
k=1
x(t) reale =⇒
Simmetria Hermitiana
∞
X ∞
X
−jθ−k −j2πkf0 t jθk j2πkf0 t
= A0 + A−k e e +Ak e e = A0 +2 Ak cos (2πkf0 t + θk )
k=1 k=1
∞
X
x(t) = A0 + 2 Ak cos (2πkf0 t + θk ) Forma reale polare
k=1
Forma reale rettangolare

Si ricava a partire dalla forma reale polare utilizzando le formule di addizione del
coseno
cos α + β = cos α cos β − sin α sin β
∞
X
x(t) = A0 + 2 Ak cos (θk ) cos (2πkf0 t) − sin (θk ) sin (2πkf0 t) =
k=1
∞
X ∞
X
= A0 + Ak cos (θk ) cos (2πkf0 t) − 2 Ak sin (θk ) sin (2πkf0 t) = A0 = a 0
k=1 k=1 Ak cos θk = ak
∞ ∞
Ak sin θk = bk
X X
x(t) = a0 + 2 ak cos (2πkf0 t) − 2 bk sin (2πkf0 t)
k=1 k=1
Funzione sinc
La funzione sinc è della anche funzione seno cardinale
sin (πx)
per x 6= 0
sinc (x) = πx
1 per x = 0
Questa funzione si annulla per x ∈ Z − {0} e tende a 0 per x → ∞
sinc x
x
-4 -3 -2 -1 0 1 2 3 4
Segnale regolare a tratti

Segnale periodico che, osservato su un periodo, ha un numero finito di discontinuità
di prima specie. Le stesse condizioni devono valere per la derivata del segnale
N
(
X
j2πkf0 t
x(t) nei punti in cui x(t) è continuo
lim Xk e = 1
N →∞ 2 lim x→x + + lim
x→x − nei punti di discontinuità
k=−N i i
Proprietà coefficienti Xk
1.
x(t) = x(t + T0 ) ∀t

T0
y(t) = x(at) = y t + ∀t
a
Dimostrazione
x(t) = x(t + T0 ) y(t) = x(at)

y(t + T00 ) = x a(t + T00 ) = x at + aT00 = x(at + T0 ) = x(at) = y(t)

aT00 = T0

T0
y(t) = y(t + T00 ) =y t+
a
Gli Yk si calcolano con il teorema del cambiamento di scala

Yk = Xk per a > 0 = X
k·sgn(a)
X−k per a < 0
Comprimere o espandere il segnale non modifica gli Xk
Dimostrazione
x(t) = x(−t) Segnale reale e pari

∗
Xk = X−k Simmetria Hermitiana
Xk = X−k x(t) pari
La combinazione di queste proprietà fa in modo che Xk sia reale
2. x(t) continua a tratti

Z T0 /2
1
Xk = x(t)e−j2πkf0 t dt =
T0 −T0 /2
Z T0 /2 Z T0 /2
1 1
= x(t) cos (2πkf0 t) dt − j x(t) sin (2πkf0 t) dt
T0 −T0 /2 T0 −T0 /2
x(t) = x(−t)
Z T0 /2 Z T0 /2
1 2
Xk = x(t) cos (2πkf0 t) dt + 0 = x(t) cos (2πkf0 t) dt
T0 −T0 /2 T0 0
∞
X
x(t) = a0 + 2 ak cos (2πkf0 t)
k=1
I coefficienti per un segnale reale e pari sono a loro volta reali e pari. La
forma rettangolare è la somma di una parte pari e una dispari
3.
x(t) = x(t + T0 ) x(t) = −x(−t) x(t) ∈ R
Se x(t) è reale e dispari, i coefficienti Xk saranno puramente immaginari e
dispari
Dimostrazione
∗
Xk = X−kSimmetria Hermitiana
Xk = −X−k
Dispari
∗ Somma membro a

2Xk = − X−k − X−k = −2jIm(X−k )
membro delle
conduzioni
Xk = −jIm(X−k )
Z T0 /2
1
Xk = x(t)e−j2πkf0 t dt =
T0 −T0 /2
Z T0 /2
1
x(t) cos (2πkf0 t) − j sin (2πkf0 t) dt =
T0 −T0 /2
Z T0 /2
1
= x(t) − j sin (2πkf0 t) dt
T0 −T0 /2
Z T0 /2
1
Xk = −2j x(t) sin (2πkf0 t) dt
T0 0
∞
X
x(t) = −2 bk sin (2πkf0 t)
k=1
Treno di impulsi triangolari

2t
x(t) = x(t + T0 ) ∀t x(t) = x(−t) x(t) = A 1 −
T0
x(t)
t
−T0 /2 T0 /2
X0 = A/2 Il termine di ordine 0 è

il valor medio
Z T0 /2
2A T0 /2
Z
2 2t
Xk = x(t) cos (2πkf0 t) dt = 1− cos (2πkf0 t) dt =
T0 0 T0 0 T0
2A 0
Z Z 1
T0 T0 h i 2t
= τ cos 2πkf0 (1 − τ ) − dτ =A τ cos πk(1 − τ ) dτ = 1− =τ
T0 1 2 2 0 T0
Z 1 Z 1
=A τ cos (πk) cos (πkτ ) dτ = A cos (πk) τ cos (πkτ )dτ =
0 0
h i
Z 1 (−1)k − 1
= A(−1)k τ cos (πkτ ) dτ = A(−1)k · cos (πk) = (−1)k
0 (πk)2
(A
2 per k = 0
Xk = A
h
k
i
(πk)2 1 − (−1) 6 0
per k =
∞
X
x(t) = a0 + 2 ak cos (2πkf0 t)
k=1
Con un numero armoniche finito N si ha che, al crescere di N , tende a 0 non
solo l’errore quadratico medio, ma anche quello assoluto. Questo può accadere
perché non sono presenti discontinuità di prima specie
x(t) ∼
= xN (t) lim |x(t) − xN (t)| = 0
N →∞
Segnali periodici e alternativi

T0
x(t) = x(t + T0 ) ∀t x(t) = −x t −
2
I coefficienti Xk dei segnali periodici avranno componenti pari nulle
Dimostrazione
Z T0 /2 Z 0 Z T0 /2
1 −j2πkf0 t 1 −j2πkf0 t 1
Xk = x(t)e dt = x(t)e dt+ x(t)e−j2πkf0 t dt =
T0 −T0 /2 T0 −T0 /2 T0 0
1
Z T0 /2
T0 −j2πkf0 (τ −T0 /2) 1
Z T0 /2 T0
= x τ− e dτ + x(t)e−j2πkf0 t dt = τ =t+
T0 0 2 T0 0 2
T0 /2 Z T0 /2
(−1)k
Z
T0 −j2πkf0 t 1
= x t− e dt + x(t)e−j2πkf0 t dt = Cambio simbolo di τ
T0 0 2 T0 0 con t
Z T0 /2

1 T0
= k
x(t) + (−1) x t − e−j2πkf0 t dt =
T0 0 2
Z T0 /2
T0

1
= 1 − (−1)k x(t)e−j2πkf0 t dt = −x(t) = x t −
T0 0 2
T0 /2
1 − (−1)k
Z
T0 0
k
Per k pari 1 − (−1) = 0 e quindi Xk = 0
Ogni segnale quindi si può dividere in due componenti, una non alternativa e una
alternativa. Soltanto quando la prima è nulla il segnale sarà alternativo
X X
x(t) = X2m ej4πmf0 t + ej2πf0 t X(2m+1) ej4πmf0 t
m m
x(t) = XN A (t) + XA (t) Parte non alternativa

Parte alternativa
La parte non alternativa contiene tutte le armoniche di ordine pari, quella alter-
nativa contiene le armoniche dispari.
I segnali alternativi godono anche della proprietà di linearità
Proprietà di linearità
x(t) = x(t + T0 ) ∀t → Xk
y(t) = y(t + T00 ) ∀t → Yk
z(t) = ax(t) + by(t) → Zk = aXk + bYk
Onda quadra
1
Segnale reali, pari, alternativo con coefficienti XK che tendono a zero come k a
causa delle discontiniutà di prima specie
x(t)
−T0 /2 T0 /2
t
x(t)
-A y(t)
z(t)
È possibile calcolare i coefficienti senza dover risolvere integrali considerando il

segnale come combinazione lineare di un treno di impulsi con δ = 0.5 e di un
segnale costante
x(t) = y(t) − z(t)

k
Yk = 2Aδ · sinc (kδ) = A sinc Zk = A per k = 0
2 6 0
0 per k =

0 per k = 0
Xk = Yk − Zk =
A sinc k2 per k 6= 0
I coefficienti saranno reali e pari perché la sinc è reale e pari, gli Xk → 0 come k1
sempre per le proprietà della sinc e i coefficienti di ordine pari sono nulli perché
la sinc si annulla per valori interi di k2 . L’onda quadra è un treno di impulsi
rettangolari traslato verticalmente
Segnali complessi coniugati

x(t) ⇐⇒ Xk y(t) = x∗ (t) ⇐⇒ Yk = X−k
∗
x(t) = x(t + T0 ) y(t) = y(t + T0 )
Dimostrazione
Z Z
1 −j2πkf0 t 1
Yk = y(t)e dt = x∗ (t)e−j2πkf0 t dt =
T0 [T0 ] T0 [T0 ]
Z ∗
1 j2πkf0 t ∗
= x(t)e dt = X−k
T0 [T0 ]
Segnale a simmetria e antisimmetria coniugata

Ogni segnale si può riscrivere come somma di due componenti, una a simmetria
coniugata e una ad antisimmetria coniugata
x(t) x(t) x(t) x∗ (−t) x(t) x∗ (−t)
x(t) = 2 + 2 = 2 + 2 + 2 − 2 y(t) z(t)
y(t) = y ∗ (−t) z(t) = −z ∗ (−t)
Xk = Yk + Zk
1 1
Yk = Xk + Xk∗ → Yk = Re{Xk }
2 2
1 1 ∗
Zk = Xk − Xk → Zk = j Im{Xk }
2 2
Se x(t) è reale y(t) sarà pari
x(t) + x∗ (−t) x(t) + x(−t)

y(t) = =
2 2
y(t) = y ∗ (−t) → y(t) = y(−t)
Teorema del ritardo
x(t) = x(t + T0 ) ⇐⇒ Xk
y(t) = x(t − τ ) ⇐⇒ Yk = Xk e−j2πkf0 τ
Dimostrazione
Z Z
1 −j2πkf0 t 1
Yk = y(t)e dt = x(t − τ )e−j2πkf0 t dt =
T0 [T0 ] T0 [T0 ]
Z Z
1 1
= x(α)e−j2πkf0 (α+τ ) dα = e−2πkf0 t x(α)e−j2πkf0 α dα = t−τ =α
T0 [T0 ] T0 [T0 ]
Yk = e−j2πkf0 t Xk
Le armoniche ottenute per traslazione avranno frequenza diversa rispetto al cor-
rispettivo del segnale non traslato
Z
1
Yk = x(t)e−j2π(k−m)f0 t dt
T0 [T0 ]
Zk sarà uguale al coefficiente di x(t) di m posizioni indietro rispetto a k
Teorema della modulazione

x(t) = x(t + T0 ) ⇐⇒ Xk
ejθ e−jθ
y(t) = x(t) cos (2πmf0 t + θ) ⇐⇒ Yk = Xk−m + Xk+m
2 2
ejθ e−jθ
z(t) = x(t) sin (2πmf0 t + θ) ⇐⇒ Zk = Xk−m − Xk+m
2j 2j
Teorema di integrazione
x(t) = x(t + T0 ) ∀t ⇐⇒ Xk
(
t Xk
per k 6= 0
Z
j2πkf0
y(t) = x(α) dα ⇐⇒ Yk = P Xm ej2πmf0 α
a − m6=0 j2πmf0 per k = 0
Dimostrazione
X
x(t) = X0 + Xk ej2πkf0 t
k6=0
Z t X Z t Z tX
j2πkf0 α
y(t) = X0 + Xk e dα = X0 dα + Xk ej2πkf0 α dα =
a k6=0 a a k6=0
" #t
t
ej2πkf0 α
X Z X
j2πkf0 α
= X0 (t − α) + Xk e dα = X0 (t − α) + Xk
a j2πkf0
k6=0 k6=0 a
j2πkf0 t j2πkf0 a
X e X e
y(t) = X0 (t − α) + Xk − Xk
j2πkf0 j2πkf0
k6=0 k6=0
y(t) =yL (t) + yP (t) + yC (t) Lineare non periodico

Periodico di periodo T0
Affichè y(t) sia periodico, la componente lineare deve essere nulla e quindi X0 = 0. Continua
Nel calcolo dei coefficienti Yk si considera la componente continua come l’armonica
di ordine zero, mentre la componente periodica come la somma di tutte le restanti
armoniche
Caso particolare
Z t Z t
y1 = x(α) dα y2 = x(α) dα a2 < a1 < t
a1 a2
Z a1 Z t Z a1
y2 (t) = x(α) dα + x(α) dα = x(α) dα + y1 (t)
a2 a1 a2
I due segnali differiscono per una costante continua e indipendente dal tempo. Se
a1 e a2 differiscono per un multiplo intero del periodo, la costante è nulla
Z a1
x(α) dα = N · xm = 0 per a1 − a2 = N T0 Valore medio nullo
a2 perché relativo ad un
segnale ad energia finita
Esempio
È possibile calcolare i coefficienti di un treno di impulsi triangolare a partire da
un’onda quadra e dal teorema di integrazione
x(t)
A
2A/T0
T0 /2
t
−T0 /2
−2A/T0
x(t)
y(t)
(
dy(t) 2A
T0 per −T2 ≤t≤0
0
= −2A
= x(t)
dt T0 per 0 ≤ t ≤ T20
Z t
y(t) = x(α) dα
−T0 /2
(
Xk
j2πkf0 per k 6= 0
Yk = P Xm ejπm
− m6=0 j2πmf0 per k = 0
Z
1 Area y(t) in un periodo A
Y0 = y(t) dt = =
T0 [T0 ] T0 2
1
I coefficienti di x(t) si calcolano a partire da un’onda quadra traslata di 4 di
periodo A
sinc k2

per k dispari z(t) onda quadra non
Z k = T0
0 per k pari traslata

T0
x(t) = z t + ⇐⇒ Xk = Zk ej2πkf0 (T0 /4) = Zk ejπk/2
4
2A
sinc k2 ejπk/2 per k dispari

Xk = T 0
0 per k pari

 2A k jπk/2
T0 sinc 2 e
Yk = j2πkf0 per k 6= 0 = A [1 − (−1)k ]
A per k = 0 π2 k2
2
È possibile utilizzare derivata e teorema di integrazione in questo modo solo per

funzioni continue
Teorema di derivazione
Z t
x(t) = x(t + T0 ) y(t) = y(t + T0 ) = x(α) dα
a
(
Xk
j2πkf0 per k 6= 0
Yk = P Xm j2πmf0 a
− m6=0 j2πmf0 e per k = 0
Xk = j2πkf0 Yk
Proprietà


 x(t) Segnale continuo
x(1) Segnale continuo


x(2) Segnale continuo

 ..
.


x(M ) Primo segnale con discontinuità di 1a specie
1
I coefficienti di x(M ) tenderanno a zero come k (come un’onda quadra). I coeffi-
cienti di x(M −1) tenderanno a zero come k12 .
(M ) (M −1) M
Xk = j2πkf0 Xk = · · · = j2πkf0 Xk
1
Di conseguenza i coefficienti si x(t) tenderanno a zero come kM +1
Teorema del prodotto

x(t) = x(t + T0 ) ⇐⇒ Xk y(t) = y(t + T0 ) ⇐⇒ Yk
z(t) = x(t)y(t) z(t) = z(t + T0 ) ⇐⇒ Zk
X X
Zk = Ym X(k−m) oppure Zk = Xm Y(k−m)
m m
Il teorema della modulazione è un caso particolare del teorema del prodotto
Dimostrazione
Z Z
1 −j2πkf0 t 1
Zk = z(t)e dt = x(t)y(t)e−j2πkf0 t dt =
T0 [T0 ] T0 [T0 ]
Z Z
1 X
−j2π(k−m)f0 t
X 1
= Ym x(t)e dt = Ym x(t)e−j2π(k−m)f0 t dt =
T0 T0
X
[T0 ] m m [T0 ] y(t) = Ym ej2πkf0 t
X X m
Zk = Ym X(k−m) oppure Zk = Xm Y(k−m)
m m
Teorema della convoluzione

Definizione di convoluzione
Si definisce la convoluzione tra due segnali periodici tempo-continui come
x(t) = x(t + T0 )
y(t) = y(t + T0 )
Z
1
z(t) = x(t) ⊗ y(t) = x(α)y(t − α) dα
T0 [T0 ]
Z Z
1 1
z(t + T0 ) = x(α)y(t + T0 − α) dα = x(α)y(t − α) dα
T0 [T0 ] T0 [T0 ]
z(t) = z(t + T0 )
Proprietà della convoluzione

1. Proprietà commutativa
x(t) ⊗ y(t) = y(t) ⊗ x(t)

Dimostrazione
Z Z
1 1
x(t)⊗y(t) = x(α)y(t−α) dα = y(β)x(t−β) dβ = y(t)⊗x(t) t−α=β
T0 [T0 ] T0 [T0 ]
2. Proprietà associativa
[x(t) ⊗ y(t)] ⊗ z(t) = x(t) ⊗ [y(t) ⊗ z(t)] = y(t) ⊗ [x(t) ⊗ z(t)]
3. Proprietà distributiva
[x(t) + y(t)] ⊗ z(t) = x(t) ⊗ z(t) + y(t) ⊗ z(t)
4. Traslazione temporale
z(t) = x(t) ⊗ y(t)
s(t) = y(t − τ )
x(t) ⊗ s(t) = z(t − τ )
5. Convoluzione tra segnali pari
x(t) = x(−t) y(t) = y(−t)
z(t) = x(t) ⊗ y(t) z(t) = z(−t)
Dimostrazione
Z
1
z(t) = x(t) ⊗ y(t) = x(α)y(t − α) dα
T0 [T0 ]
Z −T0 /2 Z T0 /2
1 1
z(−t) = x(−α)y(t + α) dα = x(β)y(t − β) dβ β = −α
T0 T0 /2 T0 −T0 /2
z(t) = z(−t)
6. Convoluzione tra segnali dispari
x(t) = −x(−t) y(t) = −y(−t)
z(t) = x(t) ⊗ y(t) z(t) = z(−t)
7. Convoluzione tra segnali pari e dispari
x(t) = −x(−t) y(t) = y(−t)
z(t) = x(t) ⊗ y(t) z(t) = −z(−t)
8. Convoluzione tra segnale alternativo e non alternativo

T0 T0
x(t) 6= −x t − y(t) = −y t −
2 2

T0
z(t) = x(t) ⊗ y(t) z(t) = −z t −
2
Dimostrazione
Z Z
T0 1 T0 1
z t− = x(α)y t − − α dα = − x(α)y(t − α) dα
2 T0 [T0 ] 2 T0 [T0 ]

T0
z t− = −z(t)
2
Premesso ciò si definisce il teorema della convoluzione
x(t) = x(t + T0 ) ⇐⇒ Xk y(t) = y(t + T0 ) ⇐⇒ Yk
z(t) = x(t) ⊗ y(t) = y(t) ⊗ x(t) ⇐⇒ Zk = Xk Yk
Dimostrazione
Z Z Z
1 −j2πkf0 t 1 1
Zk = z(t)e dt = x(α)y(t − α) dα e−j2πkf0 t dt =
T0 [T0 ] T0 [T0 ] T0 [T0 ]
Z Z Z
1 1 −j2πkf0 t 1
= x(α) y(t − α)e dt dα = x(α)Yk e−j2πkf0 α dα = Yk e−j2πkf0 α deriva dal
T0 [T0 ] T0 [T0 ] T0 [T0 ]
teorema del ritardo per
y(t − α)
Z
1
= Yk x(α)e−j2πkf0 α dα = Yk Xk
T0 [T0 ]
Teorema di Parseval
x(t) = x(t + T0 ) ⇐⇒ Xk y(t) = y(t + T0 ) ⇐⇒ Yk
Z
1 X
x(t)y ∗ (t) dt = Xk Yk∗
T0 [T0 ]
k
Dimostrazione
z(t) = x(t)y ∗ (t)
Z
1 X
∗
Z0 = z(t) dt Zk = Xm Ym−k Zk deriva dal teorema
T0 [T0 ] m del prodotto
Z
1 X
x(t)y ∗ (t) dt = Z0 = Xm Ym∗ ∗
Ym∗ = Ym−k per k = 0
T0 [T0 ] m
Z
1 X
x(t)y ∗ (t)e−j2πkf0 t dt = ∗
Xm Ym−k
T0 [T0 ] m
Dualità dei domini

1. Convoluzione
x(t) ⇐⇒ Xk y(t) ⇐⇒ Yk
z(t) = x(t) ⊗ y(t) ⇐⇒ Zk = Xk Yk
2. Traslazione
x(t) ⇐⇒ Xk y(t) = x(t − τ ) ⇐⇒ Yk = Xk e−j2πkf0 τ
x(t) ⇐⇒ Xk y(t) = x(t)ej2πmf0 t ⇐⇒ Yk = Xk−m
3. Identità
x(t) = y(t)
Z Z
1 1
x(t)y ∗ (t) dt = |x(t)|2 dt = Px
T0 [T0 ] T0 [T0 ]
Z
1 X
Px = |x(t)|2 dt = |Xk |2
T0 [T0 ]
k
Analisi di Fourier di segnali aperiodici
Se nei segnali periodici, le oscillazioni avevano frequenza multipla della frequenza
fondamentale, nei segnali aperiodici la frequenza è variabile e quindi i coefficienti
sono definiti su un dominio f continuo. L’equazione di analisi quindi diventa
Z +∞
X(f ) = x(t)e−j2πf t dt
−∞
Esempio
x(t)
t
−T0 /2 −T /2 T /2 T0 /2
xp (t)
x(t)
x(t) è uguale a xp (t) (segnale periodico) su un solo periodo. È possibile ricavare

il segnale aperiodico a partire da quello periodico
Z
X 1
xp (t) = Xk ej2πkf0 t Xk = xp (t)e−j2πkf0 t dt
T0 [T0 ]
k
x(t) = lim xp (t)

T0 →∞
Xk ej2πkf0 t = T0 Xk ej2πkf0 t T10 = j2πkf0 t 1

P P P
xp (t) = k k k X̃k e T0
T0 Xk = X̃k
Z T0
2
X̃k = xp (t)e−j2πkf0 t dt
T
− 20
X 1 X
x(t) = lim X̃k ej2πkf0 t = lim X̃k ej2πkf0 t f0
T0 →∞ T0 f0 →0
k k
Il tendere di f0 a zero implica che le aree dei rettangoli utilizzati per approssimare
la funzione tendono a zero, proprio come succede in un integrale
X Z +∞
lim X̃k ej2πkf0 t f0 = X(f )ej2πf t df
f0 →0 −∞
k
X Z +∞
j2πkf0 t
x(t) = lim xp (t) = lim X̃k e f0 = X(f )ej2πf t df
T0 →∞ f0 →0 −∞
k
Z +∞
x(t) = X(f )ej2πf t df
−∞
Si è ricavata cosı̀ l’equazione di sintesi per un segnale tempo-continuo aperiodico
Z +∞
x(t) = X(f )ej2πf t df
−∞
Come per i segnali tempo-continui, l’equazione di sintesi genera una funzione che
tende a minimizzare l’errore quadratico medio
Z +ν
x(t) = lim X(f )ej2πf t df
ν→∞ −ν
x(t) = lim xν (t) x(t̄) 6= lim xν (t̄)
ν→∞ ν→∞
Supponendo che x(t) sia ad energia finita (e quindi a quadrato integrabile), si ha

che Z +∞
lim |x(t) − xν (t)|2 dt = 0
ν→∞ −∞
Esempio
Prendendo un segnale aperiodico, regolare a tratti con discontinuità di prima specie
si nota come l’errore quadratico tende ad annullarsi, mentre l’errore assoluto per-
siste
x(t)
t
−T /2 T /2
x(t)

1
1
 per |α| < 2
t 1
x(t) = A rect rect α = 0 per |α| > 2
T 1
 1
2 per |α| = 2
1
Per |α| = 2 si ha il punto di discontinuità
Z +∞
X(f )ej2πf t df
−∞
L’integrale converge a x(t) nei punti in cui x(t) è continua, mentre converge alla
semisomma di limite destro e sinistro nei punti di discontinuità. Facendo tendere
ν → ∞ l’errore quadratico tende ad annullarsi, mentre quello assoluto persiste.
Nel caso di un segnale continuo anche l’errore assoluto tenderà ad annullarsi
Funzione rect
x(t)
t
−T0 /2 T0 /2
x(t)
Z +∞
t
x(t) = A rect X(f ) = x(t)e−j2πf t dt
T −∞
Z +∞
X(0) = x(t) dt = AT X(0) è l’area del
−∞
rettangolo
Z +∞ Z +T /2
t Gli estremi di
X(f ) = A rect e−j2πf t dt = Ae−j2πf t dt
−∞ T −T /2 integrazione sono
limitati a [ −T T
2 ; 2]
T /2 perché la funzione è
e−j2πf t A −j2πf T /2 nulla al di fuori di
X(f ) = A = e − ej2πf T /2 = quell’intervallo
−j2πf −j2πf

−T /2
A A h i A sin (πf T )
= e−jπf T − ejπf T = − 2j sin (πf T ) = =
−j2πf −j2πf πf
sin (πf T )
= AT = AT sinc (f T )
πf T
X(f ) = AT sinc (f T )
La sinc si annulla per f T = k con k ∈ Z − {0} e quindi per f = Tk . La trasformata
è reale e pari se la funzione di partenza è anch’essa reale e pari.
lim X(f ) = 0
|f |→0
1
La trasformata tenderà a zero come f, cioè in modo analogo al treno di impulsi
rettangolare
Esponenziale monolatero
x(t)
t
x(t)
x(t) = Ae−t/τ u(t) con A > 0, τ > 0

Aτ
X(f ) =
1 + j2πf τ
1
Essendoci una discontinuità di prima specie, il segnale tenderà a zero come f
Dimostrazione trasformata
Z +∞ Z +∞ Z +∞
X(f ) = x(t)e−j2πf t dt = Ae−t/τ u(t)e−j2πf t dt = A e−(j2πf +1/τ )t dt =
−∞ −∞ 0
+∞
e−(j2πf 1/τ )t Aτ
A =
− j2πf + 1 1 + j2πf τ
τ 0
X(f ) = X ∗ (−f )
Questo segnale gode di simmetria Hermitiana
Simmetria Hermitiana per segnali aperiodici
x(t) ∈ R ⇐⇒ X(f )
X(f ) = X ∗ (−f )
Dimostrazione
Z +∞
X(f ) = x(t)e−j2πf t dt
−∞
Z +∞
X(−f ) = x(t)ej2πf t dt
−∞
Z +∞ ∗ Z +∞
X ∗ (−f ) = x(t)ej2πf t dt = x∗ (t)e−j2πf t dt =
−∞ −∞
Z +∞
= x(t)e−j2πf t dt = X(f )
−∞
Trasformata del complesso coniugato

x(t) ⇐⇒ X(f ) y(t) = x∗ (t) ⇐⇒ Y (f ) = X ∗ (−f )
Dimostrazione
Z +∞ Z +∞ Z +∞ ∗
−j2πf t ∗ −j2πf t
Y (f ) = y(t)e dt = x (t)e dt = x(t)e j2πf t
dt = X ∗ (−f )
−∞ −∞ −∞
Trasformata del ribaltato sull’asse delle ascisse

x(t) ⇐⇒ X(f ) y(t) = x(−t) ⇐⇒ Y (f ) = X(−f )
Dimostrazione
Z +∞ Z +∞
−j2πf t
Y (f ) = y(t)e dt = x(−t)e−j2πf t dt =
−∞ −∞
Z −∞ Z +∞
j2πf α
x(α)e (−dα) = x(α)ej2πf α dα = X(−f ) −t = α
+∞ −∞
Proprietà trasformata di un segnale pari

x(t) = x(−t) ⇐⇒ X(f ) = X(−f )
Dimostrazione

x(t) ∈ R =⇒ X(f ) = X ∗ (−f ) =⇒ X ∗ (−f ) = X(−f )
x(t) = x(−t) =⇒ X(f ) = X(−f )
Proprietà trasformata di un segnale reale e pari

Z +∞
x(t) = x(−t) x(t) ∈ R ⇐⇒ X(f ) = 2 x(t) cos (2πf t) dt
0
La trasformata sarà pari
Dimostrazione
Z +∞ Z 0 Z +∞
X(f ) = x(t)e−j2πf t dt = x(t)e−j2πf t dt + x(t)e−j2πf t dt =
−∞ −∞ 0
Z +∞ Z +∞ Z +∞
= x(−t)ej2πf t dt+ x(t)e−j2πf t dt = x(−t)ej2πf t +x(t)e−j2πf t dt =
0 0 0
Z +∞ Z +∞
= x(t) ej2πf t + e−j2πf t dt = 2 x(t) cos (2πf t) dt x(t) = x(−t)
0 0
La trasformata sarà reale e pari
Proprietà trasformata di un segnale dispari

x(t) = −x(−t) ⇐⇒ X(f ) = −X(−f )
La trasformata sarà dispari
Proprietà trasformata segnale reale e dispari

x(t) = −x(−t) x(t) ∈ R
Z +∞
X ∗ (−f ) = −X(−f ) X(f ) = −2j x(t) sin (2πf t) dt
0
La trasformata sarà immaginaria pura e dispari
Dimostrazione
Si parte dall’equazione di analisi calcolata per la trasformata reale e pari
Z +∞ Z +∞
= x(−t)ej2πf t + x(t)e−j2πf t dt = − x(t)ej2πf t + x(t)e−j2πf t dt =
0 0
Z +∞ Z +∞
=− x(t) ej2πf t − e−j2πf t dt = −2j x(t) sin (2πf t) dt −x(t) = x(−t)
0 0
Proprietà di linearità
x(t) ⇐⇒ X(f ) y(t) ⇐⇒ Y (f )
z(t) = ax(t) + by(t) ⇐⇒ Z(f ) = aX(f ) + bY (f )
Teorema del ritardo

È detto anche teorema della traslazione temporale
x(t) ⇐⇒ X(f ) y(t) = x(t − τ ) ⇐⇒ Y (f ) = X(f )e−j2πf τ
Il modulo rimane invariato, mentre la fase cambia
|Y (f )| = |X(f )e−j2πf τ | = |X(f )|
∠Y (f ) = ∠X(f ) − 2πf τ
Segnali a simmetria coniugata

x(t) ⇐⇒ X(f ) x(t) = x∗ (−t)
Caso x(t) reale

x(t) = x∗ (−t) = x(−t)
x(t) pari
Caso generale
x∗ (t) ⇐⇒ X ∗ (−f ) x∗ (−t) ⇐⇒ X ∗ (f )
X(f ) = X ∗ (f ) ⇒ Im{X(f )} = 0
La trasformata sarà reale
Segnali ad antisimmetria coniugata
x(t) = −x∗ (−t) ⇐⇒ X(f ) = −X ∗ (−f ) ⇒ Re{X(f )} = 0
La trasformata sarà immaginaria pura
Dimostrazione
x(t) x(t) x(t) x∗ (−t) x(t) x∗ (−t)
x(t) = + = + + −
2 2 2 2 2 2
x(t) x∗ (−t)
x(t) = y(t) + z(t) ⇐⇒ X(f ) = Y (f ) + Z(f ) y(t) = 2 + 2
x(t) x∗ (−t)
z(t) = 2 − 2
y(t) = y ∗ (−t) z(t) = −z ∗ (−t)
Im{Y (f )} = 0 Re{Z(f )} = 0
Re{X(f )} = Re{Y (f )} + Re{Z(f )} = Re{Y (f )} = Y (f )
Z(f )
Im{X(f )} = Im{Y (f )} + Im{Z(f )} = Im{Z(f )} =
j
Ogni segnale si può scrivere come somma di una parte a simmetria coniugata e
una ad antisimmetria coniugata
Teorema del cambiamento di scala

x(t) ⇐⇒ X(f ) y(t) = x(at) a ∈ R − {0}

1 f
Y (f ) = X
|a| a
Dimostazione
• Caso a > 0
Z +∞ Z +∞
Y (f ) = y(t)e−j2πf t dt = x(at)e−j2πf t dt =
−∞ −∞
Z +∞ Z +∞
−j2πf τ /a dτ 1 −j2π fa τ 1 f
= x(τ )e = x(τ )e dτ = X τ = at
−∞ a a −∞ a a
• Caso a < 0
a = −|a|
z(t) = x(|a|t)

1 f
Z(f ) = X
|a| |a|

1 −f 1 f
y(t) = z(−t) ⇐⇒ Y (f ) = Z(−f ) = X = X
|a| |a| |a| a
Codice binario
Il codice binario si trasmette come impulsi rettangolari. Un impulso di ampiezza A
e durata T indica un 1, mentre un impulso di ampiezza −A e durata T rappresenta
uno 0. La velocità di trasmissione è di T1 bit/s
x(t)
1
t
T 2T
0
-A
Teorema di dualità
x(t) ⇐⇒ X(f ) y(t) = X(t) ⇐⇒ Y (f ) = x(−f )
Dimostrazione
Z +∞
x(t) ⇐⇒ X(f ) = x(t)e−j2πf t dt
−∞
Z +∞
y(t) = X(t) = Y (f )ej2πf t df
−∞
Z +∞ Z +∞
X(t) = x(f )e−j2πf t df = x(−f )ej2πf t df f = −f
−∞ −∞
Z +∞ Z +∞
y(t) = X(t) ⇒ Y (f )ej2πf t df = x(−f )ej2πf t df ⇐⇒ Y (f ) = x(−f )
−∞ −∞
Questo teorema vale solo se il dominio del segnale e quello della trasformata sono
entrambi continui e quindi vale per segnali aperiodici
Esempio
A
x(t) = ⇐⇒ X(f )
t 2

1+ T
2Bτ
y(t) = Be−|t|/T ⇐⇒ Y (f ) =
1 + (2πf τ )2
2Bτ
Y (t) = ⇐⇒ y(−f ) = Be−|f |/T
1 + (2πtτ )2
1
2Bτ = A 2πτ = ⇒ B = πAT
T
y(−f ) = X(f ) = πAT e−|f |2πT
Teorema della traslazione in frequenza

Questo teorema è il duale del teorema del ritardo (traslazione temporale)
x(t) ⇐⇒ X(f )
y(t) = x(t)ej2πf0 t ⇐⇒ Y (f ) = X(f − f0 )
Dimostrazione
Z +∞ Z +∞
Y (f ) = y(t)e−j2πf t dt = x(t)ej2πf0 t e−j2πf t dt =
−∞ −∞
Z +∞
= x(t)e−j2π(f −f0 )t dt = X(f − f0 )
−∞
Teorema della modulazione

x(t) ⇐⇒ X(f )
1 jθ 1
y(t) = x(t) cos (2πf0 t + θ) ⇐⇒ Y (f ) = e X(f − f0 ) + e−jθ X(f + f0 )
2 2
Dimostrazione
1 j(2πf0 t+θ) 1 −j(2πf0 t+θ)
cos (2πf0 t + θ) = e + e
2 2
1 jθ 1
y(t) = e x(t)ej2πf0 t + e−jθ x(t)e−j2πf0 t
2 2
1 jθ 1
= e X(f − f0 ) + e−jθ X(f + f0 ) x(t)ej2πf0 t = X(f − f0 )
2 2
x(t)e−j2πf0 t = X(f +f0 )
per il teorema della
modulazione
Casi particolari
• Caso θ = 0
1 1
y(t) = x(t) cos (2πf0 t) ⇐⇒ Y (f ) = X(f − f0 ) + X(f + f0 )
2 2
• Caso θ = −π
2

π
y(t) = x(t) cos 2πf0 t − = x(t) sin (2πf0 t)
2
1 1
Y (f ) = X(f − f0 ) − X(f + f0 )
2j 2j
Teorema della convoluzione

x(t) y(t)
Z +∞
z(t) = x(t) ⊗ y(t) = x(α)y(t − α) dα
−∞
Le operazioni fatte sono le stesse per segnali periodici e aperiodici, come anche le
proprietà
Proprietà
1. Proprietà commutativa
x(t) ⊗ y(t) = y(t) ⊗ x(t)
2. Proprietà associativa
[x(t) ⊗ y(t)] ⊗ z(t) = x(t) ⊗ [y(t) ⊗ z(t)]
3. Proprietà distributiva
[x(t) + y(t)] ⊗ z(t) = x(t) ⊗ z(t) + y(t) ⊗ z(t)
Esempio
s(t) = x(t − t0 ) y(t)

z(t) = x(t) ⊗ y(t)
s(t) ⊗ y(t) = x(t − t0 ) ⊗ y(t) = z(t − t0 ) GIUSTO

x(t − t0 ) ⊗ y(t − t0 ) = z(t − t0 ) NO!!! SBAGLIATO!!!
Esempio
s(t) = x(−t) v(t) = y(−t)

z(t) = x(t) ⊗ y(t)
s(t) ⊗ v(t) = z(−t)
4. Durata della convoluzione

x(t) = 0 per t < 0 e t > Dx
y(t) = 0 per t < 0 e t > Dy
z(t) = x(t) ⊗ y(t) ⇒ {z(t) = 0 per t < 0 e t > Dz

Dz = Dx + Dy
Lo stesso risultato si ottiene con durate generiche di x(t) e y(t)

x(t) = 0 per t < τx e t > Dx + τx
y(t) = 0 per t < τy e t > Dy + τy
I due segnali saranno gli stessi del caso precedente, ma traslati di τx e τy
s(t) = x(t − τx ) ⊗ y(t − τy ) = z(t − τx − τy )
Ds = Dz
Se Dx = ∞ oppure Dy = ∞ anche Dz = ∞
Trasformata della convoluzione

x(t) ⇐⇒ X(f ) y(t) ⇐⇒ Y (f )
z(t) = x(t) ⊗ y(t) ⇐⇒ Z(f ) = X(f )Y (f )
Dimostrazione
Z +∞ "Z #
Z +∞ +∞
Z(f ) = z(t)e−j2πf t dt = x(α)y(t − α) dα e−j2πf t dt =
−∞ −∞ −∞
"Z #
Z +∞ +∞ Z +∞
= x(α) y(t − α)e−j2πf t dt dα = x(α)Y (f )e−j2πf α dα = Teorema del ritardo
−∞ −∞ −∞
Z +∞
= Y (f ) x(α)e−j2πf α dα = X(f )Y (f )
−∞
Trasformata notevole

|t| t
z(t) = A 1 − rect
T 2T
Z(f ) = AT sinc2 (T f )
Convoluzione e causalità
x(t) = Ae−t/τ u(t) per τ > 0
Z +∞
y(t) = x(t) ⊗ x(t) = Aeα/τ u(α)Ae(−t+α)/τ u(t − α) dα =
−∞
Z +∞ Z +∞
= A2 e−t/τ e−α/τ u(α)eα/τ u(t − α) dα = A2 e−t/τ u(α)u(t − α) dα
−∞ −∞
1. Per t < 0
u(α)u(t − α) = 0 ⇒ y(t) = 0
2. Per t > 0
u(α)u(t − α) = 1
per 0 < α < t
per α > t0
Z +∞ Z t
u(α)u(t − α) dα = dα = t
−∞ 0
2 −t/τ
y(t) = A te u(t)
y(t) sarà causale perché nullo per t < 0. La convoluzione tra due segnali
causali origina un segnale causale
Convoluzione tra segnale causale e segnale non causale

z(t) = x(t) ⊗ x(−t)
Il segnale non sarà causale
Z +∞ Z +∞
z(t) = x(α)x(α − t) dα = Ae−α/τ u(α)Ae(−α+t)/τ u(α − t) dα =
−∞ −∞
Z +∞
A2 et/τ e−2α/τ u(α)u(α − t) dα
−∞
1. Per t < 0 Z +∞
τ
z(t) = A2 et/τ e−2α/τ dα = A2 et/τ
0 2
2. Per t > 0
u(α)u(α − t) = 1 per α < t = u(α − t)
0 per α > t
+∞
A2 τ −t/τ
Z
τ
z(t) = A2 et/τ e−2α/τ dα = A2 et/τ e−2t/τ = e
t 2 2
z(t) sarà un esponenziale bilatero
Calcolo delle trasformate con il teorema della convoluzione

Facendo riferimento a x(t), y(t) e z(t) del paragrafo precedente, si calcolano le
trasformate utilizzando il teorema della convoluzione
2
Aτ
Y (f ) = X(f )X(f ) =
1 + j2πf τ
(Aτ )2
Z(f ) = X(f )X(−f ) = X(f )X ∗ (f ) = |X(f )|2 =
1 + (2πf τ )2
|Y (f )| = |Z(f )|
Il modulo di una funzione viene detto spettro di ampiezza, la fase viene detta
spettro di fase
θ(f ) = arctan X(f )
θy (f ) = −2 arctan (2πf τ ) θz (f ) = 0
Teorema del prodotto

x(t) ⇐⇒ X(f ) y(t) ⇐⇒ Y (f )
z(t) = x(t)y(t) ⇐⇒ Z(f ) = X(f ) ⊗ Y (f )
Dimostrazione
X(t) ⇐⇒ x(−f ) Y (t) ⇐⇒ y(−f ) Teorema di dualità
s(t) = X(t) ⊗ Y (t)
S(f ) = x(−f )y(−f ) Teorema della
convoluzione
s(−t) ⇐⇒ S(−f ) = x(f )y(f ) Proprietà della
trasformata
s(−t) = X(−t) ⊗ Y (−t)
X(−t) ⊗ Y (−t) ⇐⇒ x(f )y(f )
z(t) = x(t)y(t) ⇐⇒ S(f ) Teorema di dualità
s(t) = X(f ) ⊗ Y (f )
Teorema di Parseval
Z +∞ Z +∞
x(t)y ∗ (t) dt = X(f )Y ∗ (f ) df
−∞ −∞
Dimostrazione
z(t) = x(t)y ∗ (t) ⇐⇒ Z(f ) = X(f ) ⊗ F y ∗ (t)

F y ∗ (t) = Y ∗ (−f )

Z +∞
Z(f ) = X(f ) ⊗ Y ∗ (−f ) = X(ν)Y ∗ (ν − f ) dν
−∞
Z +∞ Z +∞
x(t)y ∗ (t) dt = z(t) dt = z(0)
−∞ −∞
Z +∞ Z +∞
z(0) = X(ν)Y ∗ (ν) dν = x(t)y ∗ (t) dt
−∞ −∞
Caso particolare
y(t) = x(t)
Z +∞ Z +∞
x(t)x∗ (t) dt = |x(t)|2 dt = Ex
−∞ −∞
Z +∞ Z +∞
Ex = |x(t)|2 dt = |X(f )|2 df
−∞ −∞
Teorema della derivata

d
x(t) ⇐⇒ X(f ) y(t) = x(t) ⇐⇒ Y (f ) = j2πf X(f )
dt
Dimostrazione
Z +∞ Z +∞
−j2πf t d
Y (f ) = y(t)e dt = x(t) e−j2πf t dt =
−∞ −∞ dt
+∞ Z +∞
−j2πf t d −j2πf t
= x(t)e − x(t) e = Risoluzione per parti
−∞ −∞ dt
Z +∞
−j2πf t
= lim x(t) − x(t) − j2πf e dt =
t→±∞ −∞
Z +∞ Il limite nullo è una
= j2πf x(t)e−j2πf t dt = j2πf X(f ) condizione che deve
−∞
essere verificata da x(t)
Ordine di derivabilità
x(t) ⇐⇒ X(f ) con X(f ) derivabile M − 1 volte
(M )
X esiste, ma presenta discontinuità

x(t) ⇐⇒ X(f )

x(1) (t) ⇐⇒ (j2πf )X(f )




 (2)
x (t) ⇐⇒ (j2πf )2 X(f )
...


x(M −1) (t) ⇐⇒ (j2πf )M −1 X(f )




 (M )
x (t) ⇐⇒ (j2πf )M X(f )
1 1
F xM (t) → 0 come

⇒ X(f ) → 0 come
f f M +1
Teorema di integrazione incompleto

y(t) ⇐⇒ Y (f )
Z t
Y (f )
x(t) = y(α) dα ⇐⇒ X(f ) =
−∞ j2πf
Dimostrazione
d Y (f )
y(t) = x(t) ⇐⇒ Y (f ) = j2πf X(f ) ⇒ X(f ) =
dt j2πf
Condizione necessaria
Z t Z +∞
lim x(t) = lim y(α) dα = y(α) dα = 0
t→∞ t→∞ −∞ −∞
Se limt→∞ x(t) 6= 0 allora il teorema di integrazione nella forma incompleta non

si può applicare. È possibile utilizzare una condizione equivalente
Z +∞
Y (0) = y(t) dt = 0
−∞
Teoria delle distribuzioni

Delta di Dirac
t
t0
δ(t)
Z +∞
1 t
δε (t) = rect ⇒ δ(t) = lim δε (t) δ(t) dt = 1
ε ε ε→0 −∞
d
δ(t) =
u(t)
dt
La δ(t) non è una funzione, ma una distribuzione. Se fosse una funzione, l’integrale
scritto prima divergerebbe a +∞ e sarebbe matematicamente sbagliato. Inoltre
la derivata è nulla in ogni punto tranne in t0 , in cui però ha valore infinito. È
possibile trattare la delta come un funzionale, cioè come un oggetto matematico
che associa ad una funzione un numero (l’integrale è un funzionale)
Z +∞
δ(t)φ(t) dt = φ(0) ⇒ δ[φ(t)] = φ(0)
−∞
La delta è un funzionale che associa ad ogni funzione il proprio valore in 0.

Ci sono alcune operazioni che non si possono fare su funzioni ordinarie, ma che
la teoria delle distribuzioni permette di fare, come, ad esempio, la derivata di una
funzione discontinua.
È anche possibile applicare la teoria delle distribuzioni per il calcolo delle trasfor-
mate continue di Fourier di segnali periodici
Z +∞
1 t
δε (t)φ(t) dt δε (t) = rect
−∞ ε ε
+∞
1 ε/2
Z Z
1 t t
lim rect φ(t) dt = lim rect φ(t) dt = Gli estremi di
ε→0 ε −∞ ε ε→0 ε −ε/2 ε
integrazione si riducono
all’intervallo in cui la
1
Z ε/2 rect 6= 0. In quello
= lim φ(t) dt = stesso intervallo
ε→0 ε −ε/2
rect = 1
Applicando il teorema della media integrale si ha φ(t) = εφ(tε ) e quindi si ottiene
una funzione dipendente da una nuova variabile
1
= lim εφ(tε ) = lim φ(tε ) = φ lim tε = φ(0)
ε→0 ε ε→0 ε→0
δε (t) definisce una successione di distribuzioni e il limε→0 di tali distribuzioni
è δ(t). In questo modo è possibile giustificare l’area unitaria della delta
φ(t) = 1 funzione costante

Z +∞ Z +∞ Z +∞
δ[φ(t)] = φ(0) = δ(t)φ(t) dt = δ(t) · 1 = δ(t) dt = φ(0) = 1
−∞ −∞ −∞
Proprietà della delta di Dirac

1. Area unitaria Z +∞
δ(t) dt = 1
−∞
2. Traslazione temporale
δ(t − t0 ) ⇒ δ[φ(t − t0 )] = φ(t0 )
Dimostrazione
Z +∞ Z +∞
δ(t − t0 )φ(t) dt = δ(α)φ(α + t0 ) dα = t − t0 = α
−∞ −∞
Z +∞
δ(α)ψ(α) dα = ψ(0) = φ(0 + t0 ) = φ(t0 ) φ(α + t0 ) = ψ(α)
−∞
3. Moltiplicazione per una costante
aδ(t)
Z +∞ Z +∞
aδ(t)φ(t) dt = a δ(t)φ(t) dt = aφ(0)
−∞ −∞
4. Moltiplicazione per una funzione
x(t)δ(t)
Z +∞ Z +∞ Z +∞
x(t)δ(t)φ(t) dt = δ(t)[x(t)φ(t)] dt = x(0)φ(0) = x(0) δ(t)φ(t) dt
−∞ −∞ −∞
x(t)δ(t) = x(0)δ(t) SI!

x(t)δ(t) = x(0) NO!
x(t)δ(t − t0 ) = x(t0 )δ(t − t0 )
5. Moltiplicazione del tempo per una costante
δ(at) a ∈ R − {0}
Z +∞ Z +∞
τ dτ
δ(at)φ(t) dt = δ(τ )φ τ = at
−∞ −∞ a a
• a>0
Z +∞
1 +∞
Z
τ dτ τ 1 0 1
δ(τ )φ = δ(τ )φ dτ = φ = φ(0)
−∞ a a a −∞ a a a a
• a < 0 ⇒ a = −|a|
τ = at = −|a|t
Z −∞ Z +∞
τ dτ 1 τ 1
δ(τ )φ = δ(τ )φ dτ = φ(0)
+∞ a −|a| |a| −∞ a |a|
In generale si riassume come
1
δ(at) = δ(t)
|a|
6. Limite del dominio

Z b Z +∞
t − (a + b)/2 se a < 0 ∧ b > 0
δ(t)φ(t) dt = δ(t)φ(t) rect dt = φ(0)
a −∞ b−a 0 altrimenti
Più in generale si può definire
Z b
δ(t − t0 )φ(t) dt = φ(0) se a < t0 < b
a 0 altrimenti
7. Elemento neutro della convoluzione
x(t) ⊗ δ(t) = x(t)
Dimostrazione
Z +∞ Z +∞
y(t) = x(t) ⊗ δ(t) = x(α)δ(t − α) dα = δ(α)x(t − α) dα = x(t)
−∞ −∞
Si può anche dimostrare come

Z +∞
y(t) = x(t) ⊗ δ(t) = lim δε (t) ⊗ x(t) = lim δε (α)x(t − α) dα =
ε→0 ε→0 −∞
+∞
1 +ε/2
Z Z
α1
= lim x(t − α) dα = lim
rect x(t − α) dα =
ε→0 −∞ εε ε→0 ε −ε/2
1
= lim εx(tε ) = lim x(tε ) = x lim tε = x(t)
ε→0 ε ε→0 ε→0
8. Derivata Z +∞
δ 0 (t)φ(t) dt = −φ0 (0)
−∞
Dimostrazione
Z +∞ +∞ Z +∞
δ 0 (t)φ(t) dt = δ(t)φ(t) − δ(t)φ0 (t) dt = 0 − φ0 (0) = −φ0 (0)

−∞ −∞ −∞
Più in generale Z +∞
δ (M ) (t)φ(t) dt = −φ(M ) (0)
−∞
Trasformata della delta di Dirac

Z +∞
x(t) = δ(t) ⇐⇒ X(f ) = δ(t)e−j2πf t dt = e−j2π0 = 1
−∞
δ(t) ⇐⇒ 1
Applicazione trasformata della delta

x(t) = A segnale costante
y(t) = Aδ(t) ⇐⇒ Y (f ) = A
Y (t) = x(t) ⇐⇒ y(−f ) = X(f ) = Aδ(−f ) = Aδ(f ) La δ(t) è pari
x(t) = A ⇐⇒ X(f ) = Aδ(f )

Spettro a righe
x(t) = x(t + T0 ) ∀t
Z
X 1
x(t) = Xk ej2πkf0 t Xk = x(t)e−j2πkf0 t dt
T0 [T0 ]
k
X
F[x(t)] = Xk δ(f − kf0 ) Spettro a righe
k
X0
t
−f2 −f1 −f0 0 f0 f1 f2
Trasformata della derivata della delta

x(t) ⇐⇒ X(f ) x0 (t) ⇐⇒ j2πf X(f )
δ(t) ⇐⇒ 1 δ 0 (t) ⇐⇒ j2πf
Trasformata della rampa

1 0
x(t) = t ⇐⇒ X(f ) = − δ (t)
j2π
Dimostrazione
y(t) = δ 0 (t) ⇐⇒ Y (f ) = j2πf
Y (t) = j2πt ⇐⇒ y(−f ) = δ 0 (−f )
Y (t) δ 0 (−f ) δ 0 (f )
x(t) = t = ⇐⇒ X(f ) = =− δ 0 (−f )dispari
j2π j2π j2π
Esempio
x(t) ⇐⇒ X(f ) y(t) = tx(t)
0
δ (f )
Y (f ) = − ⊗ X(f )
j2π
Z +∞ Z +∞
0 0
δ (f ) ⊗ X(f ) = δ (ν)X(f − ν) dν = − δ 0 (ν)Z(ν) dν = −Z 0 (0) Z 0 (ν) = −X 0 (f − ν)
−∞ −∞
d
δ 0 (f ) ⊗ X(f ) = X 0 (f ) = X(f )
df
1 d
Y (f ) = − X(f )
j2π df
Derivata del gradino unitario
1 1
t t
0 0
u(t) u0 (t)
È possibile derivare un gradino unitario anche se è presente una discontinuità

considerando la discontinuità di prima specie come una δ(t) di ampiezza opportuna
d
δ(t) = u(t)
dt
Esempio
x(t)
t
−T /2 0 T /2
x(t)

d
y(t) = x(t) = lim x(t) − lim − x(t) − lim + x(t) − lim − x(t)
dt t→−T /2+ t→−T /2 t→T /2 t→T /2

T T
y(t) = Aδ t + − Aδ t −
2 2

Y (f ) = Ae−j2πf (−T /2) − Ae−j2πf (+T /2) = A ejπf T − e−jπf T = A2j sin (πf T )
Y (f ) A2j sin (πf T ) AT sin (πf T )

X(f ) = = = = AT sinc (f T )
j2πf j2πf πf T
Trasformata della funzione segno

x(t)
t
0
−1
sign (t)

1 per t > 0
x(t) = sign (t) = −1 per t < 0

0 per t = 0
1
X(f ) =
jπf
Dimostrazione
x(t) = sign (t) y(t) = e−t/τ u(t) − y(−t) = −et/τ u(t)
t
0
x(t)
-1
y(t)
−y(−t)
All’aumentare di τ , le funzioni y(t) e −y(−t) si avvicinano agli asintoti orizzontali
x(t) = lim [y(t) − y(−t)]

τ →∞
X(f ) = lim [Y (f ) − Y (−f )] = lim [Y (f ) − Y ∗ (f )] = lim 2jIm{Y (f )} y(t) ∈ R

τ →∞ τ →∞ τ →∞
Y (−f ) = Y ∗ (f )
τ τ − j2πf τ 2
Y (f ) = =
1 + j2πf τ 1 + (2πf τ )2
2πf τ 2
Im{Y (f )} = −
1 + (2πf τ )2
2πf τ 2 j 1
X(f ) = lim −2j =− =
τ →∞ 1 + (2πf τ )2 πf jπf
1
Trasformata di t
1
x(t) = ⇐⇒ X(f ) = −jπ sign (f )
t
Dimostrazione
j
y(t) = sign (t) ⇐⇒ Y (f ) = −
fπ
π j π 1
X(t) ⇐⇒ x(−f ) = Y (f ) =− =−
j fπ j f
π π
X(t) = y(t) = sign (t) = −jπ sign (t)
j j
X(f ) = −jπ sign (f )
Trasformata del gradino unitario

1 1 1
x(t) = u(t) = 1 + sign (t) = + sign (t)
2 2 2
1 1
X(f ) = δ(f ) +
2 j2πf
Teorema di integrazione completo
Rispetto alla versione incompleta, cade la condizione X(0) = 0
x(t) ⇐⇒ X(f )
Z t
1 Y (f )
y(t) = x(α) dα ⇐⇒ Y (f ) = X(f )δ(f ) +
−∞ 2 j2πf
Dimostrazione
Z t
x(α) dα = x(t) ⊗ u(t)
y(t) =
−∞

1 1 X(f ) X(f )
Y (f ) = X(f )F[u(t)] = X(f ) δ(f ) + = δ(f ) +
2 j2πf 2 j2πf
X(0) X(f )
Y (f ) = δ(f ) +
2 j2πf
Se X(0) = 0 si ha il caso del teorema incompleto
0 X(f ) X(f )
Y (f ) = δ(f ) + =
2 j2πf j2πf
Da segnale aperiodico a segnale periodico

Prodotto tra segnale periodico e aperiodico
x(t) = x(t + T0 ) ⇐⇒ Xk
y(t) aperiodico ⇐⇒ Y (f )
X
z(t) = x(t)y(t) aperiodico ⇐⇒ Z(f ) = Xk Y (f − kf0 )
k
Dimostrazione
Z +∞
Z(f ) = X(f ) ⊗ Y (f ) = X(ν)Y (f − ν) dν
−∞
X
X(f ) = Xk δ(f − kf0 )
k
Z +∞ X X Z +∞
Z(f ) = Xk δ(ν −kf0 ) Y (f −ν) dν = Xk δ(ν −kf0 )Y (f −ν) dν
−∞ k k −∞
X
Z(f ) = Xk Y (f − kf0 )
k
Questo risultato è una generalizzazione del teorema della modulazione
Periodicizzazione di un segnale aperiodico

Segnale aperiodico
xa (t) ⇐⇒ Xa (f )
X
x(t) = xa (t − mT0 ) x(t) = x(t + T0 )
m
1
Xk =
Xa (kf0 )
T0
La periodicizzazione consiste nel sommare il segnale aperiodico all’infinito traslan-
dolo di multipli del periodo. Nel caso di un impulso triangolare si ha
xa (t)
xa (t − T0 )
xa (t + T0 )
t
−T0 − T0 0 T0 T0
2 2
Il teorema è valido anche per segnali di durata non finita, come ad esempio un
esponenziale decrescente
xa (t)
xa (t − T0 )
xa (t + T0 )
t
−T0 T0
Dimostrazione

1 k 1
Xk = Xa = Xa (kf0 ) Relazione di
T0 T0 T0 campionamento in
frequenza
Z T0 Z T0 X
1 1
Xk = x(t)e−j2πkf0 t dt = xa (t − mT0 ) e−j2πkf0 t dt =
T0 0 T0 0 m
1 X T0
Z
= xa (t − mT0 )e−j2πkf0 t dt =
T0 m 0
1 X −(m−1)T0
Z
= xa (β)e−j2πkf0 (β+mT0 ) dβ = t − mT0 = β
T0 m −mT0
1 X −(m−1)T0
Z
= xa (β)e−j2πkf0 β e−j2πkf0 mT0 dβ =
T0 m −mT0
1 X −(m−1)T0
Z
= xa (β)e−j2πkf0 β dβ = e−j2πkm = 1
T0 m −mT0
Gli intervalli di integrazione sono disgiunti (intersezione nulla) e la loro unione è

uguale all’insieme R
Z +∞
1 1
= xa (β)e−j2πkf0 β dβ = Xa (kf0 )
T0 −∞ T0
Formula di somma di Poisson

X 1 X
xa (t − mT0 ) = Xa (kf0 )ej2πkf0 t
m
T0
k
Dimostrazione
X 1 X 1
x(t) = Xk ej2πkf0 t = Xa (kf0 )ej2πkf0 t Xk = Xa (kf0 )
T0 T0
k k
Periodicizzazione segnali alternativi

xa (t) ⇐⇒ Xa (f ) Segnale aperiodico
X
x(t) = (−1)m xa (t − mT0 ) x(t) = x(t + 2T0 )
m
Sistemi
Sistemi tempo-continui
Un sistema tempo-contiuo è un apparato che associa ad uno o più ingressi, una o
più uscite su un dominio continuo
x(t) Ingresso y(t) Uscita

h i h i
y(t) = T x(t) = T x(α); Ti (t) ≤ α ≤ Tf (t)
L’uscita può dipendere solo dall’ingresso ad un certo istante t̄, oppure può dipen-
dere anche da ciò che è successo al sistema in istanti precedenti. Ti e Tf possono
variare con il tempo o essere costanti
Sistemi lineari
Un sistema si dice lineare se
x1 (t) x2 (t) Ingressi

h i h i
y1 (t) = T x1 (t) y2 (t) = T x2 (t) Uscite
x(t) = ax1 (t) + bx2 (t) ⇒ y(t) = ay1 (t) + by2 (t) ∀a, b, x1 , x2
Condizione necessaria per la linearità

h i
x(t) = 0 ⇒ y(t) = T x(t) = 0
Questa condizione è necessaria, ma non sufficiente
Esempio
y(t) = x2 (t)
x(t) = 0 ⇒ y(t) = 0
La condizione necessaria è verificata, ma il sistema non è lineare
Sistemi stazionari o tempo-invarianti

Un sistema è stazionario se, applicando uno stesso impulso in tempi diversi, ottengo
la stessa uscita h i
x(t) y(t) = T x(t)
h i
s(t) : x(t − t0 ) z(t) = T s(t)
z(t) = y(t − t0 )
Sistemi causali
Un sistema si dice causale se la risposta ad un certo istante t̄ dipende dall’ingresso
agli istanti t < t̄ h i
y(t) = T x(α); Ti (t) ≤ α ≤ Tf (t)
Tf (t) ≤ t
Sistemi stabili in senso BIBO

La stabilità in senso BIBO (Bounded Input Bounded Output) implica che per un
ingresso limitato anche l’uscita sarà limitata
h i
|x(t)| ≤ M < ∞ ⇒ y(t) = T x(t) ≤ k ∀t
Esempio
x(t) = u(t) |x(t)| ≤ 1
Z t
y(t) = x(α) dα = tu(t)
0
@ k ∈ R | y(t) ≤ k ∀t
Sistemi istantanei
Un sistema è istantaneo se l’uscita dipende solo dall’istante di applicazione dell’ingresso
Ti (t) = Tf (t) = t
Risposta impulsiva per SLS

Il sistema è caratterizzato da un segnale h(t) detto risposta impulsiva, cioè la
risposta del sistema ad un impulso unitario
y(t) = x(t) ⊗ h(t)
x(t)
t
x(t)
ε x(nε)
ε
− nε t−
X X
2
x(t) ≈ x(nε) rect = x(nε)δε (t − nε)ε
n
ε n
X
x(t) = lim x(nε)δε (t − nε)ε
ε→0
n
X h i X h i
yε (t) = x(nε)T δε (t − nε)ε = x(nε)hε (t − nε)ε T δε (t − nε) =
n n
hε (t − nε)
yε (t) sarà lineare e stazionario
lim yε (t) = y(t)

ε→0
X Z
lim x(nε)hε (t − nε)ε = −−∞+∞ x(α)h(t − α) dα
ε→0
n
h i h i h i
h(t) = lim hε (t) = lim T δε (t) = T lim δε (t) = T δ(t)
ε→0 ε→0 ε→0
La risposta impulsiva si calcola solo per sistemi lineari
Causalità per SLS

Un sistema è causale solo se dipende, al più, dagli istanti precedenti. Tutti i
sistemi reali sono causali. Se questa condizione non fosse rispettata il sistema
sarebbe influenzato da eventi futuri
Z +∞ Z t Z +∞
y(t) = x(t)⊗h(t) = x(α)h(t−α) dα = x(α)h(t−α) dα+ x(α)h(t−α) dα
−∞ −∞ t
Z +∞
x(α)h(t − α) dα = 0 ⇐⇒ il sistema è causale ∀x(t), h(t), t
t
Questa condizione è sufficiente e necessaria
Stabilità in senso BIBO per SLS

Un sistema lineare stazionario è stabile in senso BIBO se e solo se
Z +∞
|h(t)| dt < ∞
−∞
Quindi h(t) deve essere assolutamente integrabile
Dimostrazione
Z +∞
y(t) = x(t) ⊗ h(t) = x(α)h(t − α) dα
−∞
Z Z
+∞ +∞
|y(t)| = x(α)h(t − α) dα ≤ |x(α)h(t − α)| dα =

−∞ −∞
Z +∞ Z +∞ Z +∞
= |x(α)||h(t − α)| dα ≤ M |h(t − α)| dα = M |h(t − α)| dα =
−∞ −∞ −∞
Z +∞
=M |h(β)| dβ = M H < ∞ β =t−α
−∞
Questa è una condizione sufficiente. Un altro modo per dimostrarlo è partire da

un ingresso specifico
x(t) = sign [h(−t)]
Z +∞ Z +∞
y(t) = x(α)h(t − α) dα = sign [h(−α)]h(t − α) dα
−∞ −∞
Z +∞ Z +∞ Z +∞
y(0) = sign [h(−α)]h(−α) dα = |h(−α)| dα = |h(α)| dα
−∞ −∞ −∞
Se questo integrale diverge, anche y(0) divergerà per un ingresso limitato
Esempio
x(t) = Aej2πf0 t y(t) = BAej2πf0 t ejθ = Bx(t)ejθ
L’uscita avrà ampiezza e fase diverse, ma stessa oscillazione dell’ingresso
Z +∞ Z +∞
y(t) = x(t) ⊗ h(t) = x(t − α)h(α) dα = Aej2πf0 (t−α) h(α) dα =
−∞ −∞
Z +∞
= Aej2πf0 t h(α)e−j2πf0 α dα = ej2πf0 t H(f0 )
−∞
y(t) = x(t)H(f0 )
H(f0 ) è un termine che racchiude costante e fase
Esempio
x(t) = A cos (2πf0 t) y(t) = A|H(f0 )| cos (2πf0 t + ∠H(f0 ))
Esempio
X X
x(t) = x(t + T0 ) = Xk ej2πkf0 t y(t) = Xk ej2πkf0 t H(kf0 )
k k
Esempio
Z +∞ Z +∞
x(t) = X(f )ej2πf t df y(t) = X(f )ej2πf t H(f ) df
−∞ −∞
Z +∞ Z +∞
Y (f ) = X(f )H(f ) y(t) = Y (f )ej2πf t df = X(f )H(f )ej2πf t df
−∞ −∞
Caratterizzazione di un SLS
Nel dominio del tempo un sistema lineare stabile è caratterizzato da h(t), men-
tre nel dominio della frequenza è caratterizzato da una H(f ) detta risposta in
frequenza
Definizioni della risposta in frequenza

1.
H(f ) = F[h(t)]
2.
x(t) = ej2πf0 t y(t) = x(t)H(f0 )

y(t)
H(f0 ) =
x(t) x(t)=ej2πf0 t
y(t) = |H(f0 )| cos (2πf0 t + ∠H(f0 ))
H(f0 ) = |H(f0 )|ej∠H(f0 )
3.
y(t) = x(t) ⊗ h(t) Y (f ) = X(f )H(f )
Y (f )
H(f ) = per X(f ) 6= 0
X(f )
Risposta in ampiezza e risposta in fase

A(f ) = |H(f )| θ(f ) = ∠H(f )
Esempio
R
x(t) C y(t)
1 1
x(t) = δ(t) ⇒ H(f ) = =
1 + j2πf τ 1 + j2πf RC
H(f ) in questo caso si può calcolare con un partitore di tensione
x(t) = ej2πf t y(t) = H(f )ej2πf t

1 −t/τ
h(t) = F −1 [H(f )] = e u(t)
τ
SLS in cascata
δ(t) h1 (t) h2 (t) h(t)
Ponendo δ(t) in ingresso a due SLS in cascata, la h(t) all’uscita sarà
h(t) = δ(t) ⊗ h1 (t) ⊗ h2 (t) = h1 (t) ⊗ h2 (t)
H(f ) = H1 (f )H2 (f )
SLS in parallelo
h1 (t)
δ(t) h(t)
h2 (t)
h(t) = h1 (t) + h2 (t)

H(f ) = H1 (f ) + H2 (f )
Criterio di Paley-Wiener

R +∞) ≥20
A(f

−∞
A (f ) df < ∞
R +∞ | ln A(F )| df < ∞

−∞ 1+f 2
Se tutte queste condizioni sono rispettate, A(f ) può essere lo spettro di ampiezza
di una funzione causale e, di conseguenza, A(f )ejθ(f ) è la trasformata di un segnale
causale.
A(f ) sarà lo spettro di infiniti segnali causali. Se si trasla il segnale a destra, si
avrà un segnale causale con spettro di ampiezza A(f )
Filtro
Un filtro è un sistema lineare stazionario che presenta selettività in frequenza
H(f )
f
-B 0 B
Una risposta in frequenza di questo tipo rappresenta un filtro ideale e non realiz-
zabile fisicamente, poiché il sistema non è causale
h(t) = sinc (...) La sinc non è un segnale causale
Non si può realizzare un sistema causale con A(f ) = |H(f )| perché, anche traslan-
dolo, h(t) ha come dominio (−∞, +∞). Utilizzando il teorema di Paley-Wiener,
si nota come venga violata la terza condizione poiché A(f ) si annulla su insiemi
di misura non nulla
Banda di un segnale
Equivalente nel dominio della frequenza del concetto di durata nel dominio del
tempo. Misura l’estensione frequenziale di un segnale
X(f )
f
-B 0 B
X(f ) = 0 per |f | > B

La banda viene misurata solo per f > 0 perché vengono presi in considerazione
segnali reali.
Una banda come quella in figura non può esistere per segnali causali, poiché, un
segnale causale, non può avere banda che si annulla su interi intervalli frequenziali.
Di conseguenza non può esistere neanche un SLS con questo spettro.
Banda per un esponenziale decrescente
Livello banda X(f )
f
-B B
Per un segnale che si estende per tutto il dominio frequenziale, la banda si

sceglie in modo tale che le componenti frequenziali più significative siano racchiuse
in quell’intervallo
Misura di una grandezza in dB

In ambito frequenziale, si è soliti esprimere le grandezze in deciBel definendole
come
|G|
G|dB = 10 log10
G0
Dove G è la grandezza da misurare in dB e G0 è un fattore di normalizzazione
che spesso coincide con il massimo valore dello spettro di ampiezza. La funzione
quindi si può riscrivere in funzione del modulo come
A2 (f )
A|dB = 10 log10
A2 (0)
È possibile misurare una qualsiasi grandezza in deciBel, ma si può risalire al valore

nell’unità di misura originaria solo se si conosce il valore di riferimento.
Banda a −3dB
X(f )
A0 Livello −3dB
√
A0 / 2
f
−B B
Considerando un filtro fisicamente realizzabile, si sceglie una quantità molto simile

alla banda dei filtri ideali. Di solito si sceglie la Banda a −3dB definita come
1
A(f ) = √ A0
2
Questo valore si ricava da
A(f ) = |X(f )| A0 = A(0) → Max della funzione
È possibile misurare il modulo quadro dello spettro in deciBel
A2 (f )
10 log10 = −3dB
A20
A2 (f ) 3
log10 2 =
A0 10
A2 (f )
= 10−3/10
A20
1
A2 (f ) = A20 · 3−3/10 ≈ A20
2
1
A(f ) = √ A0
2
Banda di un sistema
La banda di un sistema si definisce come l’intervallo frequenziale che il sistema fa
passare in ingresso
Esempio
Filtro reale A2 (f )
Filtro ideale
X1 (f )
X2 (f )
f
0
x(t) = x1 (t) + x2 (t)

Nel sistema sono presenti due ingressi ed è necessario far passare solo x1 (t). Si
utilizza quindi un filtro passa-basso, ovvero un filtro che permette il passaggio solo
di frequenze minori di un certo valore. Idealmente questo filtro blocca totalmente
i segnali a frequenza maggiore e lascia passare inalterati i segnali a frequenza
minore. Realmente i segnali a frequenza maggiore non vengono bloccati, ma solo
attenuati e i segnali a frequenza minore vengono distorti.
Una squadra RC è assimilabile ad un low-pass filter
1 −t/τ 1 −t/RC 1 1
h(t) = e u(t) = e u(t) ⇐⇒ H(f ) = =
τ RC 1 + j2πf τ 1 + j2πf RC
1
A2 (f ) = |H(f )|2 =
1 + (2πf RC)2
È possibile calcolare il livello a −3dB
s
1
A(0) = =1
1 + (2π0RC)2
A2 (f ) 1 1
2
= 2
=
A (0) 1 + (2πf τ ) 2
1
2πf τ = 1 ⇒ f = = Banda a − 3dB
2πτ
Si nota come, aumentando τ , diminuisca la banda e quindi aumenti la selettività
del filtro
Filtri di Butterworth
|H(ω)| N =1
N =2
N =8
11
√1
2
f /f0
0 1 2 3 4
I filtri di Butterworth sono caratterizzati da una risposta in frequenza del tipo

1
A2 (f ) = 2N B−3 = f0 ∀N
f
1+ f0
Per N = 1 si ha una risposta simile ad una squadra RC. All’aumentare di N le

proprietà filtranti migliorano e ci si avvicina ad un filtro passa-basso ideale
Banda per un filtro passa-banda reale
A(f ) Filtro reale

Filtro ideale
A0
√
2
f
f1 f2
A0 = A(f0 )
A(f ) 1
= √ → Risolvendola si trovano f1 e f2
A0 2
B−3dB = f2 − f1
Banda per un filtro passa-alto reale
A(f ) Filtro reale

Filtro ideale
0 f
B
A(f ) 1
=√
A0 2
A0 = lim A(f )
f →∞
Un filtro passa-alto è assimilabile ad una squadra LR
Densità spettrale di energia

Z +∞
x(t) ⇒ |x(t)|2 dt < ∞
−∞
Ex (f ) = |X(f )|2 densità spettrale di energia
Proprietà della densità spettrale di energia

1.
Ex (f ) ≥ 0
2. Per segnali pari

Ex (f ) = Ex (−f )
3. Z +∞
Ex (f ) df = Ex
−∞
4. Energia tra f1 e f2
Z f2
Ex (f ) df
f1
Verifica delle proprietà

1.
Ex (f ) = |X(f )|2 ≥ 0
2.
Ex ∈ R → Simmetria Hermitiana
|X(f )|2 = |X ∗ (−f )|2 = |X(−f )|
3. Z +∞ Z +∞
|X(f )|2 df = |x(t)|2 dt = Ex Teorema di Parseval
−∞ −∞
X(f )
f
0 f1 f0 f2
4.
y(t) = x(t) ⊗ h(t) ⇐⇒ Y (f ) = X(f )H(f )
Z +∞ Z +∞ Z +∞ Z +∞
2 2 2 2
Ey = |y(t)| dt = |Y (f )| df = |X(f )| |H(f )| df = |X(f )|2 df
−∞ −∞ −∞ −∞
∆f ∆f
f1 = f0 − f2 = f0 +
2 2
Z f0 + ∆f
2
|X(f )|2 df ≈ ∆f · Ex (f0 )
f0 − ∆f
2
∆f · Ex (f0 ) = Ey
Ey
Ex (f0 ) =
∆f
Funzione di autocorrelazione
Dalla densità di energia spettrale si ricava la funzione di autocorrelazione definita
come Z +∞
rx (τ ) = x(τ ) ⊗ x(−τ ) = x(t)x(t − τ ) dt
−∞
Proprietà funzione di autocorrelazione

1.
rx (0) = Ex ≥ 0
2.
rx (τ ) = rx (−τ )
3.
|rx (τ )| ≤ rx (0)
4. Teorema di Wiener-Khintchin
h i
Ex (f ) = F rx (τ )
Densità di spettrale di potenza

Considerando un segnale con P < ∞ si definisce la densità spettrale di potenza
come

1 2 t
Sx (f ) = lim |XT (f )| con XT (f ) = F x(t) rect
T →∞ T T
Proprietà della densità spettrale di potenza

1.
Sx (f ) ≥ 0
2.
Sx (f ) = Sx (−f )
3. Z +∞
Sx (f ) df = Px
−∞
4. Potenza tra f1 e f2
Z f2
Sx (f ) df
f1
Funzione di autocorrelazione
Come per la densità spettrale di energia, anche in questo caso si ricava la funzione
di autocorrelazione come
Z +T /2
1
rx (τ ) = lim x(t)x(t − τ ) dt
T →∞ T −T /2
Proprietà funzione di autocorrelazione

1.
rx (0) = Px ≥ 0
2.
rx (τ ) = rx (−τ )
3.
|rx (τ )| ≤ rx (0)
4. Teorema di Wiener-Khintchin
h i
Sx (f ) = F rx (τ )
Densità spettrali di energia e potenza per SLS

Nei sistemi lineari stazionari è possibile legare ingresso e uscita tramite la risposta
in frequenza in funzione delle densità spettrali di energia e potenza
x(t) H(f ) y(t)

Ex Eh Ey
Ey (f ) = Ex (f )|H(f )|2
|H(f )|2 = Eh (f )
ry (τ ) = rx (τ ) ⊗ rh (τ )
x(t) H(f ) y(t)

Sx Sh Sy
Sy (f ) = Sx (f )|H(f )|2
|H(f )|2 = Sh (f )
ry (τ ) = rx (τ ) ⊗ rh (τ )
Distorsioni lineari
Filtro reale A2 (f )
Filtro ideale
X1 (f )
X2 (f )
f
0
Il filtro ideale lascia passare solo x1 (t) inalterato e blocca completamente x2 (t).
Questo tipo di sistema è irrealizzabile e diverso da un filtro reale che smorza
soltanto x2 (t) e altera x1 (t). Considerando un sitema non distorcente si ha
y(t) = Ax(t − t0 ) replica fedele di x(t)
Y (f ) = X(f )H(f ) ⇒ Y (f ) = AX(f )e−j2πf t0

H(f ) = Ae−j2πf t0 ⇐⇒ h(t) = Aδ(t − t0 )
|A(f )|
f
0
|H(f )|
∠H(f )
Esempio
x(t) = A1 cos (2πf1 t + θ1 ) + A2 cos (2πf2 t + θ2 )
y(t) = AA1 cos (2πf1 t + θ1 + ϕ1 ) + AA2 cos (2πf2 t + θ2 + ϕ2 )
2πf1 t + ϕ1 = 2πf1 (t + t1 )
2πf2 t + ϕ2 = 2πf2 (t + t2 )
ϕ1 ϕ2
t1 = t2 =
2πf1 2πf2
t1 = t2 = t0 condizione necessaria affinché il sistema non sia distorcente
ϕ1 = 2πf1 t0 ϕ2 = 2πf2 t0
I due sfasamenti non sono uguali in modulo, ma sono sfasati allo stesso modo in
maniera linearmente dipendente alla frequenza.
Un sistema non distorcente avrà una risposta in ampiezza piatta e uno sfasamento
lineare. Se una delle due condizioni viene a mancare, il sistema distorcerà gli
ingressi
Ci sono sistemi, sempre ideali, che non distorcono una singola parte di un
segnale
f
0
|H(f )|
∠H(f )
X(f )
Esempio
|H(f )|
X(f )
f
−f0 0 f0
x(t) = A0 cos (2πf0 t)

In questo sistema, anche se |H(f )| non è costante nei punti in cui è presente
X(f ), l’ingresso non è distorto poiché, essendoci una sola componente frequenziale,
quest’ultima non è trattata in modo diverso dalle altre componenti
Per un sistema distorcente si avrà
x(t) y(t)
h(t)
y(t) = Ax(t − t0 )+d(t) Distorsione
Il sistema è meno distorcente tanto più d(t) → 0.

È possibile calcolare l’energia del disturbo come
Z +∞
|d(t)|2 dt
−∞
L’effetto che la distorsione avrà sul segnale è tanto più grande, più è grande
l’energia del disturbo rispetto a quella del segnale. Si può calcolare un parametro
che misura l’effetto della distorsione
R +∞
−∞
|d(t)|2 dt
R +∞
−∞
A2 |x(t − t0 )|2 dt
Distorsioni non lineari
x(t) y(t)
g(·)
g:R→R y(t) = g[x(t)]

Si consideri un sistema istantaneo/senza memoria (dipende solo dall’istante a cui
è applicato l’ingresso). Si ha una caratteristica ingresso uscita g(·)
Esempio

t
g(x) = x2 x(t) = sinc
T

2 t 2
y(t) = x (t) = sinc ⇐⇒ Y (f ) = X(f ) ⊗ X(f )
T
X(f )
Y (f )
f
−1/T −1/2T 0 1/2T 1/T
Il segnale di uscita ha delle componenti frequenziali non presenti nel segnale di

ingresso. Un sistema lineare non ha mai un comportamento del genere.
Per misurare le distorsioni su un sistema non lineare si ipotizza che x(t) sia un
ingresso particolare
x(t) = A cos (2πf0 t)
1
Se x(t) è periodico lo sarà anche y(t) sempre di periodo T0 = f0
X
y(t) = A0 + 2 Ak cos (2πkf0 t + θk )
k
Le distorsioni dipendono solo da g(·) e dall’ampiezza di x(t)
yid (t) = 2A1 cos (2πf0 t + θ1 ) Uscita ideale, senza

distorsioni
∞
X
d(t) = 2 Ak cos (2πkf0 t + θk )
k=2
s
(2Ak )2 /2 Ak |Xk |
Dk = = = Coefficiente di
(A1 )2 /2 A1 |X1 |
distorsione di k-esima
armonica
∞
X
y(t) = A0 + yid (t) + d(t) = A0 + 2A1 cos (2πf0 t + θ1 ) + 2 Ak cos (2πkf0 t + θk )
k=2
Il termine ideale non aggiunge componenti frequenziali non presenti nell’ingresso

s s P pP∞
r ∞ 2
Pd Py − A20 − 2A21 2 k=2 A2k k=2 Ak
D= = = = La potenza passa dal
Pid 2A21 2A21 A1
tempo alla frequenza
per Parseval
Esempio
g(x)
x
-1 0 1
-1
Caratteristica di un amplificatore in saturazione


−1 per x < −1
g(x) = x per |x| < 1

1 per x > 1
x(t) y(t)
g(·)
x(t) = A cos (2πf0 t)

• |A| < 1
|x(t)| = |A|| cos (2πf0 t)| ≤ |A| < 1
Se l’ingresso assume valori compresi tra −1 e 1, l’uscita sarà identica all’ingresso
y(t) = g[x(t)] = x(t)
• A=2
x(t)
y(t)
2
1
t
−T0 /2−T0 /4 0 T0 /4.T0 /2
-1
-2
|Y4 |
Si calcola il coefficiente di distorsione di quarta armonica D4 = |Y 1|
.
y(t) è alternativo come x(t) e quindi i coefficienti di ordine pari saranno nulli
0
D4 = =0 ⇒ D2n = 0
|Y1 |
g(x) è dispari e quindi il segnale in uscita può essere alternativo

T0
g(x) = g(−x) x(t) = −x t −
2

T0 T0 T0
y(t) = g[x(t)] = g − x t − = −g x t − = −y t −
2 2 2
Segnali tempo-discreti
I segnali tempo-discreti, o sequenze, sono segnali definiti da Z → R oppure da
Z → C, che molto spesso derivano dal campionamento di segnali tempo-continui.
Le successioni sono un esempio di segnali tempo-discreti
Periodicità
x(t) = x(t + T0 ) ∀t T0 ∈ R Tempo-continui
x[n] = x[n + N0 ] ∀n N0 ∈ Z Tempo-discreti
Il segnale periodico più semplice è quello costante
x[n]
n
-3 -2 -1 0 1 2 3
x[n] = A x[n] = x[n + N0 ] ∀n

Il periodo di questa funzione è un qualsiasi intero
M N0 con M ∈ Z
Segnali sinusoidali
x(t) = cos (2πf0 t) x[n] = cos (2π f¯0 n)
Nel segnale tempo-continuo f0 è misurato in Hertz, nel segnale tempo-discreto f¯0
è adimensionale. Inoltre, il secondo segnale non sempre è periodico. Per far si che
x[n] sia periodico f¯0 ∈ Q
Dimostrazione
x[n] = cos (2π f¯0 n) = cos [2π f¯0 (n + N0 )] = cos [2π f¯0 n + 2π f¯0 N0 ]
k
2π f¯0 N0 = 2πk → f¯0 = ∈Q
N0
Se k e N0 sono primi tra loro, il denominatore sarà il periodo
Segnali causali
x(t) = 0 per t < 0 tempo-continui
x[n] = 0 per n < 0 tempo-discreti
Energia
Z +∞
Ex = |x(t)|2 dt tempo-continui
−∞
X
Ex = |x[n]|2 tempo-discreti
n
Potenza
Z +T /2
1
Px = lim x(t) dt tempo-continui
T →∞ T −T /2
N
1 X
Px = lim x[n] tempo-discreti Per Ex < ∞ si ha
N →∞ 2N + 1
n=−N mx = 0
Sequenze assolutamente sommabili
X
|x[n]| < ∞ Condizione necessaria e
n sufficiente
Una sequenza assolutamente sommabile è ad energia finita, ma non sempre un
segnale ad energia finita è assolutamente sommabile
Dimostrazione condizione necessaria e sufficiente

X
|x[n]| ≤ A < ∞
n
X 2 X XX XX
|x[n]| = |x[n]|2 + |x[n]||x[m]| = Ex + |x[n]||x[m]|
n n n m6=n n m6=n
X 2
Ex < |x[n]| ≤ A2 < ∞
n
Dimostrazione del contrario

0 per n ≤ 0
x[n] = 1
n per n ≥ 1
∞
X X 1
|x[n]|2 = 2
<∞
n n=1
n
∞
X X 1
|x[n]| = divergente
n n=1
n
Delta di Kronecker
Duale della delta di Dirac per segnali tempo-discreti. Non si ottiene campionando
δ(t) perché la delta non è un segnale fisico. δ[n] si può ricavare campionando
infiniti segnali, come ad esempio la sinc o la sinc2
sinc x
δ[n]
n
-4T -3T -2T -1T 0 1T 2T 3T 4T
Si campiona la sinc con periodo di campionamento T e si ottiene δ[n]
Gradino unitario

u[n] = 1 per n ≥ 0
0 per n < 0
Gode delle stesse proprietà di u(t)
N N
1 X 1 X 1 1
Px = lim |x[n]|2 = lim 1 = lim (N +1) =
N →∞ 2N + 1 N →∞ 2N + 1 N →∞ 2N + 1 2
n=−N n=0

Z t n
X 0 per n < 0
u(t) = δ(α) dα u[n] = δ[k] = 1 per n = 0
−∞ 
k=−∞ 1 per n > 0
δ[n] = u[n] − u[n − 1]
u[n]
n
-3 -2 -1 0 1 2 3
Segnale esponenziale
x[n] = an u[n] esponenziale monolatero
Il segnale è causale poiché nullo per n < 0 e le sue proprietà dipendono dal valore
di a
a=1 u[n]
0<a<1
a>1
1
n
-3 -2 -1 0 1 2 3

0 < a < 1 segnale ad energia finita e potenza nulla
a = 1 segnale ad energia infinita e potenza finita
a>1 segnale ad energia e potenza infinite
Per 0 < a < 1 si può calcolare l’energia come
∞ ∞ ∞ ∞
X X X X X 1 1
Ex = |x[n]|2 = |an |2 = a2n = (a2 )n = qn = = P∞ 1
q n = q i 1−q
n n=0 n=0 n=0 n=0
1−q 1 − a2 n=i
Convoluzione tra sequenze

Convoluzione periodica
x(t) = x(t + T0 )
y(t) = y(t + T0 )
Z
1
z(t) = x(t) ⊗ y(t) = x(α)y(t − α) dα
T0 [T0 ]
Convoluzione aperiodica
x(t) y(t)
Z +∞
z(t) = x(t) ⊗ y(t) = x(α)y(t − α) dα
−∞
Convoluzione tra segnali tempo-discreti, aperiodici ad energia finita
x[n] y[n]
+∞
X
z[n] = x[n] ⊗ y[n] = x[k]y[n − k]
k=−∞
Proprietà convoluzione
1. Commutativa
x[n] ⊗ y[n] = y[n] ⊗ x[n]
2. Associativa
x[n]⊗y[n]⊗z[n] = (x[n]⊗y[n])⊗z[n] = x[n]⊗(y[n]⊗z[n]) = (x[n]⊗z[n])⊗y[n]
3. Distributiva
(x[n] + y[n]) ⊗ z[n] = x[n] ⊗ z[n] + y[n] ⊗ z[n]
4. Durata
x[n] → Nx y[n] → Ny
z[n] = x[n] ⊗ y[n] → Nz = Nx + Ny − 1
5. Trasalzione temporale
x[n] y[n] z[n] = x[n] ⊗ y[n]
s[n] = x[n − nx ] s[n] ⊗ y[n] = z[n − nx ]

v[n] = y[n − ny ] s[t] ⊗ v[t] = z[n − nx − ny ]
6. Segno
z[n] = x[n] ⊗ y[n]
s[n] = x[−n] v[n] = y[−n]
s[n] ⊗ v[n] = z[−n]
7. Elemento neutro
x[n] δ[n]
x[n] ⊗ δ[n] = x[n]
Dimostrazione
X
x[n] ⊗ δ[n] = x[k]δ[n − k] = x[n] δ[n − k] 6= 0 solo per kn
k
Calcolo convoluzione
X
z[n] = x[n]⊗y[n] = x[k]y[n−k] = · · ·+x[−1]y[n+1]+x[0]y[n]+x[1]y[n−1]+· · ·
k
Analisi di Fourier di sequenze aperiodiche

1
x(t) = ej2πf0 t = cos (2πf0 t) + j sin (2πf0 t) T0 =
f0
¯
x[n] = ej2πf0 n = cos (2π f¯0 n) + j sin (2π f¯0 n) periodico se f¯0 ∈ Q
1
x[n] si ottiene per campionamento di x(t) alla frequenza fs = Ts
Campionamento uniforme
x[n] = x(nTs ) = ej2πf nTs = ej2πf Ts n f Ts = f¯0
Si può ricavare x[n] da una x(t) a qualsiasi frequenza se si impone f Ts = f¯0 Un
segnale x[n] è possibile rappresentarlo in tre forme equivalenti

x[n] = ej2πf0 Ts n
¯
x[n] = ej2πf0 n
j ω̄0 n

x[n] = e
A differenza dei segnali tempo-continui, due sequenze possono essere uguali anche
se hanno frequenza diversa se le due frequenze differiscono per un intero
x1 (t) = ej2πf1 t x2 (t) = ej2πf2 t
f1 6= f2 ⇐⇒ x1 (t) 6= x2 (t)
¯ ¯
x1 [n] = ej2πf1 n x2 [n] = ej2πf2 n
f¯1 6= f¯2
¯ ¯
x1 [n] = x2 [n] ⇐⇒ ej2πf1 n = ej2πf2 n
¯ ¯
ej2π(f1 −f2 )n = 1 ⇐⇒ 2π(f¯1 − f¯2 ) = 2πk → f¯1 − f¯2 = k ∈ Z
Il range di frequenze necessario per generare tutte le oscillazioni complesse tempo-
discrete distinguibili è f¯ = [0, 1)
f¯1 ∈ [0, 1) f¯2 ∈ [0, 1) f¯1 6= f¯2 ⇒ x1 [n] 6= x2 [n]
f¯1 ∈ [0, 1) f¯2 = f¯1 + k f¯1 6= f¯2 ⇒ x1 [n] = x2 [n]

Ogni frequenza può essere riscritta come somma di una parte intera e di una parte
frazionaria. Se due frequenze hanno parte frazionaria diversa genereranno segnali
diversi, se hanno parte frazionaria uguale, indipendentemente dalla parte intera,
genereranno segnali uguali
f¯ = k + r r ∈ [0, 1)
Un segnale scritto in funzione della frequenza avrà un intervallo unitario diverso

rispetto ad un segnale scritto in funzione della pulsazione
x[n] = ej ω̄n ω̄ = 2π f¯ [0, 2π)
Alta e bassa frequenza

Per segnali tempo-continui si ha l’alta frequenza per f → 0 e la bassa frequenza
per f → ∞.
Per segnali tempo-discreti le frequenze sono uguali se differiscono per un intero,
quindi se f = 0 sarà bassa frequenza, anche f = 0 + M (con M ∈ Z grandissimo)
sarà bassa frequenza
f¯ = 0
f¯ = 12
A
n
0
-A
La velocità di variazione massima si avrà al centro dell’intervallo frequenziale, cioè

per f¯ = 12
f¯ = 0 → x[n] = ej2π0n = 1 velocità di variazione nulla
1 1
f¯ = → x[n] = ej2π 2 n = (−1)n velocità di variazione massima
2
Due oscillazioni tempo-discrete possono avere stesso periodo, ma frequenze diverse
1 51
f¯1 = f¯2 = f¯1 6= f2
100 100
N1 = 100 N2 = 100
Trasformata di Fourier tempo-discreta

DTFT: Discrete Time Fourier Transform Si ricorda il concetto di oscillazione disc-
reta
¯
x[n] = ej2πf n = cos (2π f¯n) + j sin (2π f¯n)
Considerando x[n] come campionamento di x(t) si ha
x(t) = ej2πf t x[n] = x(nTs ) = ej2πf nTs

¯
f¯ = f Ts x[n] = ej2πf n = ej ω̄n
¯
x[n] sarà combinazione lineare di segnali del tipo ej2πf n
Z +∞ Z +∞
x(t) = X(f )e j2πf t
df X(f ) = x(t)e−j2πf t dt
−∞ −∞
Z
¯ ¯ ¯
x[n] = X ej2πf ej2πf n df¯ X ej2πf = X(f¯) Equazione di sintesi
[1]
Z Z
dω̄ 1
x[n] = X ej ω̄ ej ω̄n = X ej ω̄ ej ω̄n dω
[2π] 2π 2π [2π]
Come per i segnali tempo-discreti, anche l’equazione di sintesi avrà tre forme
diverse equivalenti

¯ ¯
x[n] = [1] X ej2πf ej2πf n df¯
R




1
X ej ω̄ ej ω̄n dω̄
R
x[n] = 2π [2π]


x[n] = 1 j2πf Ts
ej2πf Ts n df
R
X e

fs [fs ]
Z +∞
X(f ) = x(t)e−j2πf t dt per segnali tempo-continui
−∞
+∞
¯ ¯
X
X ej2πf = x[n]e−j2πf n per segnali tempo-discreti
n=−∞
Dimostrazione equazione di sintesi

Z Z +∞
¯ ¯
X
X ej2πf ej2πn̄ df¯ = x[m]e−j2πf m ej2πn̄ df¯ =
[1] [1] m=−∞
+∞ Z
¯
X
= x[m] e−j2πf (n−m) df¯ = x[m] ¯
ej2πf (n−m) = 1 per
[1]
m=−∞ m=n
¯
ej2πf (n−m) = 0 per
m 6= n
Come l’equazione di sintesi, anche l’equazione di analisi ha 3 versioni equiv-
alenti  P
j2π f¯ ¯
 X e = x[n]e−j2πf n
 P n


X ej ω̄ = n x[n]e−j ω̄n


X ej2πf Ts = P x[n]e−j2πf Ts n

n
Periodicità dei segnali tempo-discreti

X
¯ ¯
X ej2πf = x[n]e−j2πf n
n

j2π f¯ j2π(f¯+1)


 X e = X e periodico di periodo 1

X ej ω̄ = X ej(ω̄+2π) periodico di periodo 2π


X e j2πf T j2π(f +f )T
s
=X e s s
periodico di periodo Ts

Analogia con i segnali tempo-continui

(
Xk = T10 [T0 ] x(t)e−j2πkf0 t dt
R
Analisi tempo-continua
x(t) = k Xk ej2πkf0 t
P
Sintesi tempo-continua

X ej2πf¯ = P x[n]e−j2πf¯n Analisi tempo-discreta
n
¯ ¯
X ej2πf ej2πf n df¯
R
x[n] = Sintesi tempo-discreta
[1]
I domini delle equazioni di sintesi e di analisi si scambiano passando da segnali

tempo-continui a segnali tempo-discreti
Esempio

x[n] = δ[n] = 1 per n = 0
0 6 0
per n =
X
¯ ¯
X ej2πf = x[n]e−j2πf n = 1 costante
n

¯
X ej2πf
f¯
0
Questa trasformata è periodica per ogni periodo
Nucleo di Dirichlet
rn [n]
n
· · · -4 -3 -2 -1 01 2 3 · · ·N − 1

rn [n] = 1 per 0 ≤ n ≤ N − 1
0 altrimenti
N −1 N −1 n
j2π f¯ −j2π f¯n −j2π f¯n −j2π f¯
X X X
X e = x[n]e = e = e =
n n=0 n=0
¯ ¯ ¯ ¯ ¯
1 − qN 1 − e−j2πf N ejπf N (ejπf N − e−jπf N ) −jπ f¯(N −1) 2j sin (π f N )
= = = = e =
1−q 1 − e−j2πf¯ ¯ ¯ ¯
e−jπf (ejπf − e−jπf ) 2j sin (π f¯)
¯ sin (π f¯N ) −jπ f¯(N −1) sin (π f¯N )
= e−jπf (N −1) = e N
sin (π f¯) N sin (π f¯)
sin (π f¯N )
DN (f¯) = Nucleo di Dirichlet
N sin (π f¯)
Il nucleo di Dirichlet è periodico di periodo 1 e la trasformata sarà periodica di
periodo 1 per N dispari, periodica di periodo 2 per N pari. Questa funzione è
l’equivalente della sinc nel dominio della frequenza
N =4 |DN (f )|
f
0 1 1 3 1
4 2 4
Si annulla per multipli di N1 tranne per N = 0. Il segnale è un passa-basso più

selettivo al crescere di N . Il modulo di DN (f ) è sempre periodico di periodo 1
Proprietà DTFT
1. Segnale reale
x[n] ∈ R
Dimostrazione

¯ ¯
X ej2πf = X ∗ e−j2πf

X ej ω̄ = X ∗ e−j ω̄
2. Segnale pari
x[n] = x[−n] ⇐⇒ X ej ω̄ = X e−j ω̄
X X X
X ej ω̄ = x[n]e−j ω̄n = x[−n]e−j ω̄n = x[m]ej ω̄m = X e−j ω̄ m = −n
n n n
3. Segnale reale e pari

x[n] = x[−n] ∈ R

X ej ω̄ Reale e pari
4. Segnale reale e dispari

x[n] = −x[−n] ∈ R

X ej ω̄ Immaginario puro e dispari
5. Linearità
y[n] ⇐⇒ Y ej ω̄
x[n] ⇐⇒ X ej ω̄

z[n] = ax[n] + by[n] ⇐⇒ Z ej ω̄ = aX ej ω̄ + bY ej ω̄
6. Teorema del ritardo


y[n] = x[n − n0 ] ⇐⇒ Y ej ω̄ = X ej ω̄ e−j ω̄n0
Dimostrazione
X X X
Y ej ω̄ = y[n]e−j ω̄n = x[n − n0 ]e−j ω̄n = x[m]e−j ω̄(m+n0 ) = n − n0 = m
n n m
X X
= x[m]e−j ω̄m e−j ω̄n0 = e−j ω̄n0 x[m]e−j ω̄m = X ej ω̄ e−j ω̄n0
m m
7. Traslarione frequenziale

y[n] = x[n]ej ω¯0 n ⇐⇒ Y ej ω̄ = X ej(ω̄−ω¯0 )
8. Teorema della modulazione

y[n] = x[n] cos (ω̄0 n)

1
1
Y ej ω̄ = X ej(ω̄−ω̄0 ) + X ej(ω̄+ω̄0 )
2 2
z[n] = x[n] sin (ω̄0 n)
1 1
Z ej ω̄ = X ej(ω̄−ω̄0 ) − X ej(ω̄+ω̄0 )
2j 2j
9. Teorema del ribaltamento delle ascisse


y[n] = x[−n] ⇐⇒ Y ej ω̄ = X e−j ω̄
10. Periodicità della trasformata

X
X ej2πf Ts = x[n]e−j2πf Ts n
n
X
X ej2π(f +fs )Ts = x[n]e−j2π(f +fs )Ts n =
n
X X
−j2πf Ts n −j2πfs Ts n
= e e = x[n]e−j2πf Ts n · 1 = X ej2πf Ts
n n
11. Teorema del prodotto


z[n] = x[n]y[n]
Z
1
Z ej ω̄ = X ej ω̄ ⊗Y e j ω̄
= X ej ω̄ Y ej(ω̄−α) dα
2π [2π]
12. Teorema di convoluzione


X
z[n] = x[n] ⊗ y[n] = x[k]y[n − k]
k

Z ej ω̄ = X ej ω̄ Y ej ω̄
13. Teorema di Parseval


Z
X
∗ 1
x[n]y [n] = X ej ω̄ Y ∗ ej ω̄ dω̄
n
2π [2π]
Campionamento di segnali tempo-continui
xc (t)
x[n]
−3Ts−2Ts−1Ts 0 1Ts 2Ts 3Ts
xc (t) ⇐⇒ Xc (f )
A partire da un segnale tempo-continuo, si ottiene un segnale tempo-discreto ef-
fettuando un campionamento ad una frequenza fs
x[n] = xc (nTs )
Idealmente un campionatore si comporta come un tasto che si apre e si chiude con

frequenza pari a quella di campionamento e non introduce distorsioni nel campione
xc (t) x[n]
Ts
Z +fs /2
1
x[n] = X ej2πf Ts ej2πf Ts n df
fs −fs /2
Z +∞ XZ + f2s +kfs
j2πf Ts n
x[n] = xc (nTs ) = Xc (f )e df = Xc (f )ej2πf nTs df = Gli estremi di
−∞ k − f2s +kfs integrazione sono
intervalli disgiunti che
XZ +fs /2 coprono tutto R
= Xc (ν + kfs )ej2π(ν+kfs )Ts n dν = f = ν + kfs
k −fs /2
XZ +fs /2 XZ +fs /2
= Xc (ν+kfs )ej2πνTs n ej2πkfs Ts n dν = Xc (f +kfs )ej2πf Ts n df =
k −fs /2 k −fs /2
+fs /2
1 +fs /2 j2πf Ts j2πf Ts n
Z hX i Z
= Xc (f + kfs ) ej2πf Ts n df = X e e df
−fs /2 fs −fs /2
k
1 j2πf Ts X
X e = Xc (f + kfs )
fs
k
X
X ej2πf Ts = fs Xc (f + kfs )
k
Esempio
X
f =0 ⇒ X ej0 = fs Xc (kfs )
k
X
f0 ⇒ X ej2πf0 Ts = fs Xc (f0 + kfs )
k
L’ampiezza dell’oscillazione tempo-discreta si ottiene sommando le ampiezze di

tutte le oscilaizoni tempo-continue che la compongono
Esempio
xc (t) Xc (f )
t
f
−3 −2 −1 0 1 2 3
B B B B B B −B B
0

2 |f | f
xc (t) = B sinc Bt Xc (f ) = 1 − rect
B 2B
1
fs = B Ts =
B

X ej2πf Ts
f
−B 0 B

n n
x[n] = xc (nTs ) = xc = B sinc2 B = B sinc2 (n) = Bδ[n]
fs B
Usando come frequenza di campionamento la banda del segnale non si riesce a
ricostruire il segnale di partenza a partire da quello campionato
Analogia con la prima formula di somma di Poisson
xa (t) Xa (f ) Periodicizzazione di un segnale aperiodico
X 1 1
x(t) = xa (t − mT0 ) Xk = Xa (kf0 ) f0 =
m
T 0 T 0
X X 1 1 X X
x(t) = Xk ej2πkf0 t = Xa (kf0 )ej2πkf0 t = Xa (kf0 )ej2πkf0 t = xa (t−mT0 )
T0 T0 m
k k k
In questo caso si periodicizza nel dominio del tempo e si campiona nel dominio
della frequenza. Nel caso di segnali tempo-discreti si campiona nel dominio del
tempo e si periodicizza nel dominio della frequenza
X 1 X 1 X
Xc (f − kf0 ) = xc (nTs )e−j2πnTs f = x[n]e−j2πnTs f
fs n fs n
k
X 1 j2πf Ts
Xc (f − kfs ) = X e
fs
k
Esempio
xc (t) Xc (f )
t
f
−3 −2 −1 0 1 2 3
B B B B B B −B B
0

2 |f | f
xc (t) = B sinc Bt Xc (f ) = 1 − rect
B 2B
1
fs = 2B Ts =
2B
k=0
k=1
k = −1
f
−2B −B 0 B 2B
Con fs = 2B le repliche non si sovrappongono e quindi è possibile ricostruire il

segnale.
Frequenza di campionamento
Per evitare sovrapposizioni di repliche, la frequenza di campionamento deve essere
almeno il doppio della massima frequenza assunta dal segnale
fs ≥ 2fH
Questa è detta condizione di Nyquist.

Se la banda coincide con la massima frequenza si può dire
fs ≥ 2B
In certe condizioni la frequenza di campionamento può essere inferiore a questo

valore, ma sono solo casi particolari.
In ottime condizioni fs = 2B.
Se fs < 2B ci sarà sicuramente sovrapposizione delle armoniche.
Se fH → ∞ il segnale non sarà ricostruibile
Campionamento pratico
Prima di campionare il segnale lo si fa passare in un filtro anti-aliasing. Idealmente
questo filtro è un passa-basso con banda fs
HAAF (f )
Xc (f )
Yc (f )
− f2s 0 fs
2
La massima frequenza in uscita sarà f2s e campionando a fs si ha fH = f2s verifi-

cando la condizione di non sovrapposizione delle repliche.
Da Yc (f ) si ricostruisce yc (t) che però è diverso da xc (t) perché il filtro anti-aliasing
distorce il segnale. Il filtro, anche se distorce il segnale, serve a limitare la massima
frequenza di un segnale ad un valore finito in modo tale che sia ricostruibile senza
sovrapposizioni.
I filtri sono dispositivi che prendono in ingresso segnali tempo-continui e fanno
uscire segnali tempo-continui. Nel caso della ricostruzione serve un sistema ibrido
che faccia entrare segnali tempo-discreti e faccia uscire segnali tempo-continui.
Questo dispositivo è l’interpolatore
x[n] φ(t) x̂(t)

Interpolatore
X
x̂c (t) = x[n]φ(t − nTs ) p(t − nTs ) = φ(t − nTs )
n
P (f ) = F[p(t)]
X X
X̂c (t) = x[n]P (f )e−j2πf nTs = P (f ) x[n]e−j2πf nTs
n n P (f )e−j2πf nTs =
F[p(t − nTs )]
X̂c (f ) = P (f )X ej2πf Ts
Le equazioni che caratterizzano un interpolatore sono

( P
x̂c (t) = nx[n]φ(t − nTs ) tempo
j2πf Ts
X̂c (f ) = X e P (f ) frequenza
Interpolatore cardinale
Tipo di interpolatore che elimina il contributo delle repliche ..
X X
X̂c (f ) = P (f )X ej2πf Ts = P (f )fs Xc (f −kfs ) = P (f )fs Xc (f )+fs P (f ) Xc (f +kfs )
k k6=0
(
P (f ) = 0 per |f | > B
P (f ) = f1s per |f | < B
La P (f ) deve essere rettangolare

1 f 1 f
P (f ) = rect = rect fs = 2B
fs 2B fs fs

t
φ(t) = sinc (fs t) = sinc
Ts
L’interpolatore è detto cardinale perché è descritto dalla funzione seno cardinale
Esempio
−fs − B fs − B f
−fs −B 0 B fs
fs ≥ 2B
La P (f ) potrà avere ampiezza da B a fs − B (simmetrico rispetto alle ordinate)
perché in quella zona le repliche sono nulle
Esempio
x̂c (t)
x[n] x[2] x[3]
x[1]
x[0]
x[−1]
x[−2]
x[−3]
X
x[n]p(t − nTs )
n
Con un interpolatore cardinale si sommano delle sinc traslate e soppesate da co-

efficienti che sono i campioni del segnale. Ogni sinc ha valore diverso da zero solo
per il campione a cui si riferisce. In tutti gli altri campioni le sinc si annullano.
Dal momento che le sinc si estendono da −∞ a +∞ questo interpolatore è pura-
mente ideale
Interpolatore reale
Xc (f )
Xc (f − fs )
Xc (f + fs )
Interpolatore
1
f
-B 0 B
Un interpolatore reale non elimina completamente le repliche, ma le attenua e

distorce il segnale.
Se fs = 2B l’ampiezza dell’interpolatore è obbligata, se fs > 2B è possibile
scegliere l’ampiezza in un certo range di frequenze
Interpolatore a mantenimento
x̂c (t)
x[n] x[2] x[3]
x[1]
x[0]
x[−1]
x[−2]
x[−3]
t
L’interpolatore a mantenimento mantiene costante il valore del punto campi-

onato fino al campione successivo. La funzione che lo descrive è una rect

t − Ts /2
p(t) = rect
Ts
X
x̂c (t) = x[n]p(t − nTs )
n
−j2πf Ts /2
P (f ) = Ts sinc (f Ts )e = Ts sinc (f Ts )ejπf Ts
Questo tipo di interpolatore non sempre permette la ricostruzione perfetta del seg-
nale.
La qualità della ricostruzione aumenta all’aumentare della frequenza di campiona-
mento
|P (f )|
X̂c (f )
−B B
f
−3fs−2fs−1fs 0 1fs 2fs 3fs
In questo caso il segnale non si può ricostruire perfettamente anche con fs = 2B

Interpolatore lineare
x̂c (t)
x[n] x[2] x[3]
x[1]
x[0]
x[−1]
x[−2]
x[−3]
t
La ricostruzione avviene per segmenti tra due campioni successivi

|t| t
p(t) = 1 − rect
Ts 2Ts
P (f ) = Ts sinc2 (f Ts )
p(t)
t
−Ts 0 Ts
Anche in questo caso la ricostruzione migliora all’aumentare di fs
Analisi di Fourier di sequenze periodiche

Serie di Fourier discrete periodiche
Le serie di Fourier discrete periodiche sono anche dette Discrete Fourier Series
(DFS)
x[n] = x[n + N0 ] ∀n N0 6= 0
¯ 1 k
ej2πfk n ⇒ f¯0 = f¯k = periodico se N0 ∈ Q
N0 N0
k1 k2
f¯k1 = f¯k2 =
N0 N0
¯ ¯
f¯k2 = f¯k1 + mN0 se mN0 ∈ Z allora ej2πfk1 n = ej2πfk2 n
Se i due indici differiscono per multipli del periodo, le due oscillazioni saranno
uguali. Per questo motivo non si devono considerare infinite armoniche, ma solo
quelle diverse tra loro.
L’insieme delle oscillazioni distinte è {k0 , k0 + 1, · · · , k0 + N0 − 1}
0 −1
NX
k
x[n] = X[k]ej2π N0 n
k=0
N0 −1
1 X k
X[k] = x[n]e−j2π N0 n
N0 n=0
Dimostrazione
Si ottiene a partire dall’equazione di sintesi
0 −1
NX
k
x[n] = X[k]ej2π N0 n
k=0
0 −1
NX
m k
x[n]e−j2π N0 n = X[k]ej2π N0 (n−m)
k=0
0 −1
NX 0 −1 N
NX 0 −1
m k
x[n]e−j2π N0 n =
X
X[k]ej2π N0 (n−m)
n=0 n=0 k=0
0 −1
NX 0 −1
NX 0 −1
NX
m
−j2π N n j2π Nk (n−m) PN0 −1 k
x[n]e 0 = X[k] e 0
n=0 ej2π N0 (n−m) =
n=0 k=0 n=0 N0
se k − m = lN0
0 −1
NX 0 altrimenti
m
x[n]e−j2π N0 n = N0 X[m]
n=0
N0 −1
1 X m
X[m] = x[n]e−j2π N0 n
N0 n=0
Esempio
x[n]
n
-3 -2 -1 0 1 2 3
x[n] = A ∀n
Con questo segnale è possibile scegliere un periodo qualsiasi
N0 −1 N0 −1
1 X k A X k
X[k] = x[n]e−j2π N0 n = e−j2π N0 n =
N0 N0
k=0 k=0
k
A 1 − e−j2π N0 N0 A 1 − e−j2πk

A N0 per k = lN0
= k = =
N0 1 − e−j2π N0 N0 1 − e−j2π Nk0 N0 0 altrimenti
Periodicità della trasformata
N0 −1
1 X k
X[k] = x[n]e−j2π N0 n
N0 n=0
N0 −1 N0 −1
1 X (k+N0 ) 1 X k
X[k + N0 ] = x[n]e−j2π N0 n = x[n]e−j2π N0 n e−j2πn =
N0 n=0 N0 n=0
N0 −1
1 X k
= x[n]e−j2π N0 n = X[k]
N0 n=0
Esempio
x[n] = A cos (2π f¯0 n + θ)
f¯0 deve essere un numero razionale affinché la funzione sia periodica
m
f¯0 = 0 ≤ m ≤ N0 − 1
N0
A h j(2πf¯0 n+θ) ¯
i Ah
¯ ¯
i
x[n] = e + e−j(2πf0 n+θ) = ej2πf0 n ejθ + e−j2πf0 n e−jθ =
2 2
A m A m
= ej2π N0 n ejθ + e−j2π N0 n e−jθ
2 2
Riscrivendo il segnale con le formule di Eulero si ha
0 −1
NX
k
x[n] = X[k]ej2π N0 n =
k=0
0 −1
NX
m N0 −m l
= X[m]ej2π N0 n + X[N0 − m]ej2π N0 n
+ X[k]ej2π N0 n = l 6= 0
l l 6= m
m N0 −m l 6= N0 − m
= X[m]ej2π N0 n + X[N0 − m]ej2π N0 n
=
N0 −m
m m A jθ ej2π N0 n
m
= e−j2π N0 n
= X[m]ej2π N0 n + X[N0 − m]e−j2π N0 n = e
2
Esempio
x[n] x[n]
n
− N02−1 − M2−1 0 M −1
2
N0 −1
2
x[n] = x[n + N0 ]
M
δ= N0 dispari, M dispari
N0
N0 −1
2
1 X k 1 k
x[n]e−j2π N0 n = x[n]e−j2π N0 n =
X
X[k] =
N0 N0 N0 +1
[N0 ] n=− 2
M −1 M −1
k
1 2
−j2π Nk n A 2
k A jπ Nk (k−1) 1 − e−j2π N0 n
e−j2π N0 n =
X X
= Ae 0 = e 0
k =
N0
n=− M2−1
N0
n=− M2−1
N0 1 − e−j2π N0

πkM πkM
A sin N0 AM sin N0
= = = AδDM (f¯0
N0 sin πk N0 M sin πk
N0 N0
Proprietà della trasformata

1. Linearità
x[n] = x[n + N0 ] ⇐⇒ X[k]
y[n] = y[n + N0 ] ⇐⇒ Y [k]
z[n] = ax[n] + bx[n] ⇐⇒ Z[k] = aX[k] + bX[k]
2. Teorema del ritardo

x[n] ⇐⇒ X[k]
k
y[n] = x[n − m] ⇐⇒ Y [k] = X[k]e−j2π N0 m
3. Traslazione frequenziale
x[n] ⇐⇒ X[k]
k0
y[n] = x[n]ej2π N0 n ⇐⇒ Y [k] = X[k − k0 ]
4. Simmetria Hermitiana
x[n] ∈ R
X[k] = X ∗ [−k]
5. Segnale pari
x[n] = x[−n]
X[k] = X[−k]
6. Segnale reale e pari

x[n] ∈ R x[n] = x[−n]
X[k] = X[−k] X[k] ∈ R
7. Segnale dispari
x[n] = −x[−n]
X[k] = −X[−k]
8. Segnale reale e dispari
x[n] = −x[−n] x[n] ∈ R
X[k] = −X[−k] Re{X[k]} = 0
9. Segnale alternativo
N0
x[n] = −x n − ∀n
2
N0
N0 pari perché 2 ∈Z
10. Teorema di dualità
x[n] ⇐⇒ X[k]
y[n] = X[n] ⇐⇒ Y [k] = x[−k]
Il teorema di dualità vale solo se segnale e trasformata sono definiti sullo
stesso dominio e se equazione di analisi e sintesi hanno la stessa forma
11. Teorema della convoluzione
x[n] ⇐⇒ X[n + N0 ]
y[n] ⇐⇒ Y [n + N0 ]
N0 −1
1 X
z[n] = x[n] ⊗ y[n] = x[m]y[n − m]
N0 m=0
Z[k] = X[k]Y [k]
Esempio

1
sin 3π
3 7 n
x[n] = N0 = 7
sin π7 n

1 5π
5 sin 7 n
y[n] = N0 = 7
π
sin 7 n
z[n] = x[n] ⊗ y[n]

M
r[n] segnale rettangolare centrato in 0 con δ = N0

AM πk
N0 sin N0 M
R[k] =
πk
M sin N0
7
X[k]Y [k] = X[k] = Z[k]
5
7
z[n] = x[n]
5
X[k]
7
3
7
5
-3 -2 -1 0 1 2 3
Periodicizzazione di un segnale aperiodico

Segnale e trasformata
xa [n] Xa ej ω̄
aperiodica
X
x[n] = xa [n − mN0 ] Periodicizzazione
m
1 k
X[k] = Xa (ej2π N0 )
N0
Dimostrazione
0 −1
NX
X 1 k k
x[n] = xa [n − mN0 ] = Xa (ej2π N0 )ej2π N0 n Prima formula di
N0
m k=0 somma di Poisson
N0 −1 N0 −1 X
1 X k 1 X k
X[k] = x[n]e−j2π N0 n = xa [n − mN0 ] e−j2π N0 m=
N0 N0 m
k=0 k=0
N0 −1 −mNX
0 +N0 +1
1 X X k 1 X k
= xa [n − mN0 ]e−j2π N0 n = xa [l]e−j2π N0 (l+mN0 ) = n − mN0 = l
N0 m n=0 N0 m
l=−mN0
−mNX
0 +N0 −1 −mNX
0 +N0 −1
1 X −j2π Nk l −j2πkm 1 X k
= xa [l]e 0 e = xa [l]e−j2π N0 l =
N0 m N0 m
l=−mN0 l=−mN0
+∞
1 X k 1 k
= xa [l]e−j2π N0 l = Xa (ej2π N0 ) f¯ = k
N0
N0 N0
l=−∞
Trasformata discreta di Fourier (DFT)

x[n] n ∈ {0, 1, · · · , N − 1}
X[k] k ∈ {0, 1, · · · , N − 1}
N −1
1 X k
x[n] = X[k]ej2π N n
N
k=0
N −1
k
X
X[k] = x[n]e−j2π N m
n=0
Sono le stesse formule della DFS, ma con il numero di campioni al posto del
periodo.
Molto spesso queste equazioni sono espresse in forma matriciale
   
x[0] X[0]
#»  x[1]  #»  X[1] 
x = .. 
 X=  .. 

. .
x[N − 1] X[N − 1]
#» # »
X = W · #»
x
 
1 1 1 ··· 1(N −1)
1 e−j2π N ··· e−j2π N 
# »  .. .. .. 
W =. . ··· . (N −1) 
1 e−j2π Nk

··· e−j2πk N 
.. .. ..
. . ··· .
#»
La matrice W ∈ CN ×N ed è invertibile
#» 1 #» #»
W −1 = W H W H è la simmetria
N Hermitiana della
matrice
Fast Fourier Transform (FFT)

Algoritmo efficiente per calcolare una DFT
x[n] 0≤n≤N −1
N −1
k
X
X[k] = x[n]e−j2π N n
n=0
Per calcolare X[k] servono N moltiplicazioni complesse e N − 1 somme comp-

lesse il tutto per k = N valori. In tutto si avrebbero circa 2N 2 operazioni senza
utilizzare gli algoritmi, mentre con gli algoritmi si hanno solo 2N log2 N operazioni
Dimostrazione
N = 2ν ν = log2 N
È comodo descrivere l’algoritmo con N potenza di 2
N −1
k k k
X X X
X[k] = x[n]e−j2π N n = x[n]e−j2π N n + x[n]e−j2π N n =
ciascuna delle due
n=0 n pari n dispari
somme è fatta su
N/2 = N −1 termini
N N
2−1 −1
2
k(2m+1)
−j2π k2m
X X
= x[2m]e N + x[2m + 1]e−j2π N = n = 2m per sommatoria
m=0 m=0 pari
n = 2m + 1 per
N
−1 N
−1
sommatoria dispari
2 2
km km km
−j2π N/2
x[2m + 1]e−j2π N/2 e−j2π
X X
= x[2m]e + N =
m=0 m=0
N N
−1
2 2 −1
km km
−j2π N/2 −j2π km
x[2m + 1]e−j2π N/2 =
X X
= x[2m]e +e N
m=0 m=0
P [k] parte pari
X[k] = P [k] + D[k] D[k] parte dispari
N
Si riscrive la DFT di ordine N come somma di due DFT di ordine 2. Le due
DFT di ordine N/2 saranno periodiche di periodo N/2

N N
P [k] = P k + D[k] = D k +
2 2
Si divide il calcolo di X[k] in due parti: nella prima si calcolano i coefficienti per
k = [0, 1, · · · , N2 ], nella seconda si calcolano i coefficienti per k = k 0 + N2 con
k 0 = [0, 1, · · · , N2 − 1]

0 N 0 N (k0 +N/2
0 N k0
X[k] = X k + =P k + +e j2π N D k + = P [k 0 ] − e−j2π N D[k 0 ]
2 2 2
I valori di P [k 0 ] e D[k 0 ] sono gli stessi calcolati per k e quindi non devono essere
fatte altre operazioni

N N
Mc (N ) = 2Mc +N Sc (N ) = 2Sc +N Numero di somme e
2 2
moltiplicazioni
complesse per DFT di

N N

N
ordine N in funzione
Mc = 2Mc + della DFT di ordine
2 4 2
N/2
N N N
Sc = 2Sc +
2 4 2

N N
Mc (N ) = 4Mc + 2N = 4Mc + log2 4 · N
4 4

N N
Sc (N ) = 4Sc + 2N = 4Sc + log2 4 · N
4 4
Iterando N volte si avrà

N
Mc (N ) = N Mc + log2 N · N = 0 + N log2 N
N

N Una DFT di ordine 1
Sc (N ) = N Sc + log2 N · N = 0 + N log2 N
N non richiede operazioni
Quindi se senza algoritmo servivano Mc = N 2 e Sc = N 2 , ora serviranno solo
Mc = N log2 N e Sc = N log2 N
Esempio
N = 213 = 8192 ν = log2 N = 13
2 26
N =2 N log2 N = 213 · 13
N2 N 213 213
= = > = 29 = 512
N log2 N log2 N 13 16
Senza FFT ci sarebbero più di 512 volte le operazioni fatte con l’algoritmo
Applicazione FFT
xa [n] ya [n]
xa [n] = 0 per n < 0 o n > Nx − 1 Nx durata xa [n]
ya [n] = 0 per n < 0 o n > Ny − 1 Ny durata ya [n]
X
za [n] = xa [n] ⊗ ya [n] = xa [m]ya [n − m] Nz = Nx + Ny − 1 durata za [n]
m
za [n] = 0 per n < 0 o n > Nz − 1

Per calcolare i campioni di za [n] 6= 0 serviranno Mc = Nx Ny e
Sc = (Nx − 1)(Ny − 1) ≈ Nx Ny . Utilizzando la DFT si ha un modo più semplice
e veloce per calcolare la convoluzione. Si definiscono le operazioni che è possibile
fare su sequenze di durata finita
Trasposizione circolare
Si consideri una sequenza xa [n] definita per ogni n. Si definisce l’operazione gener-
ica di trasposizione come
ya [n] = xa [−n]
xa [n]
ya [n]
n
-3 -2 -1 0 1 2 3
Il risultato sarà il segnale di partenza ribaltato rispetto all’asse delle ordinate.

Ora si ripete la stessa operazione, ma per un segnale di durata finita n. In questo
caso non si può semplicemente ribaltare la funzione perché non sarebbe più limitata
allo stesso intervallo temporale. In questo caso si esegue una traslazione circolare
x[n] y[n] = x[−n]
x[n]
y[n]
n
-3 -2 -1 0 1 2 3
y[n] = x[(−n)N ]
y[0] = x[(−0)4 ] = x[0]
y[1] = x[(−1)4 ] = x[3]
y[0] = x[(−2)4 ] = x[2]
y[0] = x[(−3)4 ] = x[1]
Il risultato della trasposizione è sempre limitato nello stesso intervallo
Traslazione circolare
xa [n] ya [n] = xa [n − n0 ]
N =4 n0 = 1
xa [n]
ya [n]
n
-2 -1 0 1 2 3 4
In questo caso xa [n] è definito su [0, 3], mentre ya [n] è definito su [1, 4]. Per
un segnale di durata finita anche la trasposizione deve essere limitata allo stesso
dominio di partenza
x[n]
y[n]
n
-2 -1 0 1 2 3 4
y[n] = x[(n − n0 )N ]
y[0] = x[(0 − 1)4 ] = x[(−1)4 ] = x[3]
y[1] = x[(1 − 1)4 ] = x[(0)4 ] = x[0]
y[0] = x[(2 − 1)4 ] = x[(1)4 ] = x[1]
y[0] = x[(3 − 1)4 ] = x[(2)4 ] = x[2]
Il risultato della traslazione è sempre limitato nello stesso intervallo
Convoluzione circolare
Combinando trasposizione circolare e traslazione circolare si ottiene la convoluzione
circolare
x[n] 6= 0 per 0 ≤ n ≤ N − 1 y[n] 6= 0 per 0 ≤ n ≤ N − 1

N
X −1
z[n] = x[n] ⊗ y[n] = x[m]y[(n − m)N ] z[n] 6= 0 per 0 ≤ n ≤ N − 1
m=0
Le operazioni sulla sequenza di durata finita x[n] si possono pensare fatte su una
sequenza periodica x̃[n] ottenuta per periodicizzazione di x[n] con periodo N . x[n]
sarà quindi uno spezzone di x̃[n]
ỹ[n] = x̃[−n] = x[(−n)N ] = y[n] per n ∈ [0, N − 1]
ỹ[n] = x̃[n − n0 ] = x[(n − n0 )N ] = y[n − n0 ] per n ∈ [0, N − 1]

Allo stesso modo si può definire la convoluzione circolare
x̃[n] = x̃[n + N ] ∀n
ỹ[n] = ỹ[n + N ] ∀n
N −1
1 X
z̃[n] = x̃[n] ⊗ ỹ[n] = x̃[n]z̃[n − m]
N m=0
z̃[n] = z̃[n + N ]
Considerando z̃[n] nell’intervallo [0, N − 1] si ha
z[n] = x[n] ⊗ y[n] = N z̃[n] per n ∈ [0, N − 1]
Considerando ora x[n] e y[n] come delle DFT si ottiene

1
Z[k] = X[k]Y [k]
N
Applicazione FFT alla convoluzione circolare

xa [n] 6= 0 per n < 0 ∧ n > Nx − 1 → Nx campioni
ya [n] 6= 0 per n < 0 ∧ n > Ny − 1 → Ny campioni
za [n] = xa [n]⊗ya [n] 6= 0 per n < 0∧n > Nz −1 → Nz = Nx + Ny − 1 campioni
Senza algoritmi, il calcolo della convoluzione ha complessità Nx Ny . Con l’algoritmo
di Decimation In Time, la complessità di calcolo si riduce. Si definiscono due se-
quenze di durata finita
x[n] = xa [n] per 0 ≤ n ≤ Nx − 1
y[n] = ya [n] per 0 ≤ n ≤ Ny − 1

Si esegue una operazione di Zero-Padding che permette di aggiungere degli zero
alle sequenze finite

Dispensa Segnali

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Dispensa Segnali

Caricato da

Copyright:

Formati disponibili

Segnali Deterministici

Classificazione dei segnali

Periodicità nei segnali tempo-continui

x(t + T0 ) = ax1 (t + T0 ) + bx2 (t + T0 ) = x(t) = ax1 (t) + bx2 (t)

Se questo è verificato allora il nuovo periodo sarà

Periodicità dei segnali tempo-discreti

Per segnali complessi la formula diventa

La definizione di energia è valida se e solo se l’integrale converge. Ad esempio, non

P (t) = x2 (t) Potenza istantanea per

Per un segnale ad energia finita xm = 0 e si dimostra come

Py =Px −2x2m − x2m Px = 0 perché ad

Analisi di Fourier di segnali periodici tempo-continui

Le frequenze dell’oscillazione della sommatoria vengono scelte in modo tale che

La bontà dell’approssimazione si valuta studiando la differenza di ampiezza tra la

εN (t)= x(t) − xN (t) Errore assoluto

Errore quadratico medio

Minimizzare l’errore assoluto conduce a risultati diversi rispetto a minimizzare

X0 = A0 , Xk = Ak ejθk per k > 0, Xk = A−k e−jθ−k per k < 0

Al crescere di N l’approssimazione NON peggiora, può migliorare o non variare

Dimostrazione equazione di analisi

Proprietà di simmetria Hermitiana

X0 è il valor medio di x(t)

Significato della somma degli Xk

Questa dimostrazione vale solo se x(t) è continua in 0

Forma reale polare

Forma reale rettangolare

Questa funzione si annulla per x ∈ Z − {0} e tende a 0 per x → ∞

Segnale regolare a tratti

x(t) = x(t + T0 ) y(t) = x(at)

Gli Yk si calcolano con il teorema del cambiamento di scala

Comprimere o espandere il segnale non modifica gli Xk

x(t) = x(−t) Segnale reale e pari

La combinazione di queste proprietà fa in modo che Xk sia reale

2. x(t) continua a tratti

Treno di impulsi triangolari

X0 = A/2 Il termine di ordine 0 è

Segnali periodici e alternativi

x(t) = XN A (t) + XA (t) Parte non alternativa

È possibile calcolare i coefficienti senza dover risolvere integrali considerando il

Segnali complessi coniugati

x(t) = x(t + T0 ) y(t) = y(t + T0 )

Segnale a simmetria e antisimmetria coniugata

x(t) + x∗ (−t) x(t) + x(−t)

Zk sarà uguale al coefficiente di x(t) di m posizioni indietro rispetto a k

Teorema della modulazione

y(t) =yL (t) + yP (t) + yC (t) Lineare non periodico

È possibile utilizzare derivata e teorema di integrazione in questo modo solo per

Teorema del prodotto

Il teorema della modulazione è un caso particolare del teorema del prodotto

Teorema della convoluzione

Proprietà della convoluzione

x(t) ⊗ y(t) = y(t) ⊗ x(t)

[x(t) ⊗ y(t)] ⊗ z(t) = x(t) ⊗ [y(t) ⊗ z(t)] = y(t) ⊗ [x(t) ⊗ z(t)]

[x(t) + y(t)] ⊗ z(t) = x(t) ⊗ z(t) + y(t) ⊗ z(t)

5. Convoluzione tra segnali pari

x(t) = x(−t) y(t) = y(−t)

z(t) = x(t) ⊗ y(t) z(t) = z(−t)

6. Convoluzione tra segnali dispari

x(t) = −x(−t) y(t) = −y(−t)

z(t) = x(t) ⊗ y(t) z(t) = z(−t)

7. Convoluzione tra segnali pari e dispari

x(t) = −x(−t) y(t) = y(−t)

z(t) = x(t) ⊗ y(t) z(t) = −z(−t)

8. Convoluzione tra segnale alternativo e non alternativo