Domande di Comunicazioni elettriche

Elenco delle domande

Domanda 1: Dare le definizione di segnali con assi dei tempi e delle ampiezze continui /
discreti, presentando tutte le combinazioni possibili e relativi esempi pratici . . . . . . 4
Domanda 2: Dato un segnale analogico con dominio temporale finito tra –T/2 e +T/2
scrivere le definizioni di energia e di potenza . . . . . . . . . . . . . . . . . . . . . . . . 5
Domanda 3: Introdurre le definizioni di energia e potenza quando 1) il dominio di
definizione del segnale T tende a infinito e 2) il segnale é complesso . . . . . . . . . . . 6
Domanda 4: Discutere la differenza, nel dominio del tempo, tra un segnale certo e un
segnale aleatorio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Domanda 5: Discutere le proprietà di linearità e permanenza di un sistema . . . . . . . . . 7
Domanda 6: Discutere le proprietà di causalità e stabilità di un sistema . . . . . . . . . . . 8
Domanda 7: Fornire la definizione di Impulso di Dirac e discuterne la proprietà campio-
natrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Domanda 8: Fornire le definizioni e le relative rappresentazioni grafiche delle funzioni
gradino unitario u(t) e segno sgn(t) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
Domanda 9: Dare la definizione di risposta all’impulso . . . . . . . . . . . . . . . . . . . . 10
Domanda 10: Giustificare il legame tra il segnale di uscita ed il segnale di ingresso in un
sistema LP attraverso la definizione dell’operazione di convoluzione . . . . . . . . . . 11
Domanda 11: Discutere il legame tra il segnale di uscita ed il segnale di ingresso in un
sistema LP nell’ipotesi in cui il segnale di ingresso sia di tipo sinusoidale . . . . . . . . 12
Domanda 12: Descrivere le fasi del calcolo della convoluzione tra due segnali x(t) e y(t)
nel dominio del tempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Domanda 13: Discutere cosa comporta operare la convoluzione tra un segnale generico
x(t) e o un impulso di Dirac; o un gradino unitario; o un segnale sinusoidale . . . . . . 15
Domanda 14: Riportare la formula dello sviluppo in serie di Fourier per un segnale x(t) e
discutere le proprietà che deve avere x(t) affinché lo sviluppo sia valido . . . . . . . . . 16
Domanda 15: Discutere la proprietà di ortogonalità tra due segnali a partire dalla
definizione di prodotto scalare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Domanda 16: Riportare la definizione di norma di un segnale generico x(t) e valutarla nel
caso di segnale x(t) cosinusoidale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Domanda 17: Discutere le fasi analitiche per il calcolo dei coefficienti dello sviluppo in
serie di Fourier del segnale x(t) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Domanda 18: Definire la serie di Fourier bilatera per il segnale x(t) e i relativi coefficienti ck 19
Domanda 19: Enunciare e dimostrare il Teorema di Parseval . . . . . . . . . . . . . . . . . 20
Domanda 20: Derivare lo sviluppo in serie di Fourier per il segnale x(t) = rect∆ . . . . . 20
Domanda 21: Definire lo sviluppo in serie di Fourier approssimato per il segnale x(t) e il
relativo errore di approssimazione e(t), discutendone la dipendenza dall’ampiezza del
segnale x(t) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Domanda 22: Definire la trasformata e l’antitrasformata di Fourier del segnale x(t) a
partire dallo sviluppo in serie di Fourier di x(t) . . . . . . . . . . . . . . . . . . . . . . . 23

1
Domanda 23: Riportare la condizione di esistenza di X(f) . . . . . . . . . . . . . . . . . . . 24
Domanda 24: Definire la relazione tra trasformata di Fourier e i coefficienti dello sviluppo
in serie di Fourier per il segnale x(t) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Domanda 25: Dato un segnale reale x(t), dimostrare la parità della parte reale di X(f) . . . 25
Domanda 26: Calcolare la X(f ) di x(t) = Arect∆ (t) . . . . . . . . . . . . . . . . . . . . . . 25
Domanda 27: Calcolare la X(f ) di x(t) = u(t) a partire dal calcolo della trasformata di
Fourier di x0 (t) = e(−αt) u(t) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Domanda 28: Riportare le caratteristiche della trasformata di Fourier di un segnale 1)
reale e pari e 2) reale e dispari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Domanda 29: Discutere il principio di dualità e applicarlo al calcolo della trasformata di
x(t) = ABsinc(πBt) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Domanda 30: Discutere la proprietà di inversione dell’asse e applicarla al calcolo della
trasformata di x(t) = e(αt) u(−t) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
Domanda 31: Discutere l’effetto di un ritardo temporale t0 sullo spettro di un segnale x(t) 30
Domanda 32: Discutere la proprietà di modulazione/prodotto . . . . . . . . . . . . . . . . 31
Domanda 33: Discutere analiticamente la trasformata del segnale y(t) ottenuto derivando
il segnale x(t) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Domanda 34: Discutere analiticamente la trasformata del segnale y(t) ottenuto integrando
il segnale x(t) da −∞ a t . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Domanda 35: Calcolare la trasformata di Fourier del segnale x(t) = tri∆ (t) (triangolo di
semibase ∆, centrato in t = 0, x(0) = 1) . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Domanda 36: Presentare: (no dimostrazione) la trasformata di Fourier delle funzioni delta
di Dirac x(t) = δ(t) e costante x(t) = c . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Domanda 37: Presentare (dimostrazione facoltativa) la trasformata di Fourier delle
funzioni: x(t) = ej2πf0 t ; x(t) = cos(2πf0 t); x(t) = sin(2πf0 t). . . . . . . . . . . . . . . . 37
Domanda 38: Presentare la trasformata di Fourier delle seguenti funzioni e discutere
l’effetto sullo spettro di x(t) sull’asse delle frequenze: x(t)cos(2πf0 t); x(t) ∗ cos(2πf0 t) 38
Domanda 39: Spiegare il problema che si ha a dare una definizione di banda per un
segnale a durata finita e dare la definizione di banda a 3 dB, aiutandosi con una figura. 40
Domanda 40: Dare la definizione di correlazione tra segnali di potenza. Mostrare il legame
con la potenza del segnale. Descrivere il legame tra potenza e spettro di potenza per
segnali di potenza e presentare il teorema di Wiener. . . . . . . . . . . . . . . . . . . . . 41
Domanda 41: Dare la definizione di risposta in frequenza di un sistema lineare e perma-
nente. Nel caso di segnale di ingresso sinusoidale, scrivere l’espressione del segnale di
uscita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
Domanda 42: Presentare le caratteristiche del rumore bianco . . . . . . . . . . . . . . . . . 44
Domanda 43: Presentare il legame tra lo spettro di un segnale e lo spettro dello stesso
segnale campionato. Discutere il problema dell’aliasing. . . . . . . . . . . . . . . . . . . 45
Domanda 44: Enunciare il teorema del campionamento per un segnale limitato alla banda B 49
Domanda 45: Definisci la relazione tra numero di bit necessario per codificare un generico
simbolo di un codice e il numero di elementi che costituisce il codice stesso. Calcola il
numero di bit necessario per codificare un simbolo del codice ASCII. . . . . . . . . . . 49
Domanda 46: Indicata con pi la probabilità di emissione del simbolo i-esimo da parte
di una sorgente di dati, definisci la quantità di informazione associata al medesimo
simbolo i-esimo, quando l’unità di misura dell’informazione è il bit. . . . . . . . . . . . 50

2
Domanda 47: Definisci analiticamente e concettualmente l’entropia H di una sorgente di
dati. Calcola H per una sorgente di dati equiprobabili. . . . . . . . . . . . . . . . . . . . 50
Domanda 48: Definisci la velocità di informazione di una sorgente d’informazione . . . . 51
Domanda 49: Definisci la codifica di sorgente: di cosa si tratta, a cosa serve, e quali sono
gli eventuali vantaggi/svantaggi che essa comporta. . . . . . . . . . . . . . . . . . . . . 52
Domanda 50: Definisci numericamente la codifica PCM (Pulse Code Modulation) per un
segnale audio canonico e deriva il valore della velocità di emissione di bit Rb. . . . . . 52
Domanda 51: Determina la velocità di emissione Rb per un segnale televisivo determinato
da immagini aventi un numero di pixel pari a 414720, un numero medio di bit a pixel
di 16 e una frequenza di ripetizione dell’immagine di 25. . . . . . . . . . . . . . . . . . 54

3
 Domanda 1: Dare le definizione di segnali con assi dei tempi e delle ampiezze
continui / discreti, presentando tutte le combinazioni possibili e relativi esempi pratici

Per segnale si intende una funzione del tempo che rappresenta l’evoluzione temporale di
una grandezza fisica a prescindere dalla natura fisica della grandezza considerata (ad esempio,
una temperatura, una pressione, ..., etc). In generale lo studio dei i segnali si fa considerandoli
adimensionali e andranno riferiti a funzioni adimensionali. A partire da un segnale adimensio-
nale è possibile, comunque, ricavare l’andamento della corrispondente grandezza dimensionale
semplicemente moltiplicando per un coefficiente di dimensioni opportune ([Volt] per una
tensione, [Ampere] per una corrente, [Watt] per una potenza, e cosi‘ via).
I segnali si possono classificare in due importanti categorie: segnali determinati e segnali
aleatori. Per segnale determinato si intende un segnale il cui andamento temporale è completa-
mente noto a priori, per tutti i valori della variabile indipendente t da −∞ a +∞. La conoscenza
“a priori” consente di rappresentare il segnale determinato per il tramite di un’espressione
matematica, un grafico, una registrazione magnetica, una sequenza di numeri, ..., etc. Dal
punto di vista pratico, ciò significa che è sufficiente specificare l’istante temporale di interesse
per poter individuare immediatamente in maniera univoca il valore che il segnale assumerà
in quell’istante. Contrariamente al caso di segnale determinato, non è possibile conoscere a
priori con esattezza il valore assunto in un certo istante da un segnale aleatorio. E questo
perchè il segnale è completamente non noto, ovvero perchè è noto a meno di certi parametri.
La descrizione a priori del segnale è allora possibile solo in termini statistici. In pratica, si
può stabilire a priori il range di variabilià del segnale (vale a dire l’insieme dei valori che esso
potrà assumere) o dei suoi parametri non fissi, dopo di che sarà al più possibile descrivere la
probabilità con la quale questi valori potranno essere assunti.
Una ulteriore importante classificazione dei segnali fa riferimento ai valori assunti dalla variabi-
le indipendente (tempo t) e dalla grandezza che essi rappresentano (ampiezza). Si distingue
allora tra:
a) segnali a tempo continuo ed ampiezza continua;
b) segnali a tempo continuo ed ampiezza discreta;
c) segnali a tempo discreto ed ampiezza continua;
d) segnali a tempo discreto ed ampiezza discreta.
Le quattro possibili combinazioni sono illustrate nella figura successiva, in maniera schematica
e a partire da una comune forma d’onda elementare.

Figura 1: Classificazione dei segnali

I segnali di tipo a) si dicono analogici e sono quelli che più frequentemente associamo ai feno-

4
meni naturali (si pensi ad un’onda acustica). Per essi, il tempo e l’ampiezza possono assumere
con continuità tutti i valori compresi entro certi intervalli, eventualmente illimitati.
Il segnale che si ottiene operando la quantizzazione delle ampiezze è di tipo b) e il suo elemento
caratterizzante, come mostrato in Figura 1, è l’ampiezza dell’intervallo di quantizzazione. Per il
resto, il segnale rimane costante per intervalli temporali di durata variabile, in funzione della
dinamica del segnale, coprendo comunque l’intero asse dei tempi.
Discretizzando l’asse dei tempi otteniamo i segnali di tipo c) nel quale il dominio della funzione
ha la cardinalità dell’insieme discreto dei numeri interi. Il segnale viene dunque considerato
in corrispondenza di una successione di istanti normalmente (anche se non necessariamente)
assunti equispaziati. In linea di principio, anzi, non v’è neanche più l’esigenza di esplicitare la
variabile tempo in quanto la sequenza dei valori assunti dal segnale costituisce essa stessa una
successione che può essere indicata come sn o, più propriamente, una sequenza s[n].
Infine, se un segnale viene discretizzato sia nel tempo che nelle ampiezze si avrà un segnale di
tipo d). Sono questi segnali che regolano il funzionamento dei circuiti elettronici digitali o che
sono trattati dagli elaboratori numerici. Infatti, l’operazione di trasformazione di un segnale
analogico in segnale digitale ha come obiettivo tanto il campionamento nel dominio del tempo
quanto la quantizzazione nel dominio delle ampiezze.

Domanda 2: Dato un segnale analogico con dominio temporale finito tra –T/2 e +T/2
scrivere le definizioni di energia e di potenza

Dall’elettrotecnica si sa che la potenza istantanea dissipata ai capi di una resistenza R è data

da:
v 2 (t)
P (t) = = Ri2 (t)
R

Dall’espressione precedente si vede che la potenza di un segnale elettrico è proporzionale

al suo valore al quadrato (sia che il segnale sia una tensione, sia che sia una corrente). Per
comodità, nell’ambito della teoria dei segnali si considerano sempre potenze normalizzate su
una resistenza con valore R = 1. Dato, quindi, un generico segnale s(t) adimensionato, si
definisce la sua potenza istantanea in questo modo:

Ps (t) = s2 (t)

Per ottenere la potenza in Watt basterà poi moltiplicare per opportuni coefficienti: R se s(t) è
una corrente e 1/R se s(t) è una tensione.
La potenza media di un segnale non sarà altro che il valor medio della potenza istantanea Ps (t),
calcolato su tutto l’asse dei tempi. Nel dominio temporale (−T /2, +T /2) la potenza media si
scriverà, quindi, nel seguente modo:
Z + T2
1
PT =< s2 (t) >= s2 (t) dt
T − T2

Un segnale si dice a potenza finita quando la sua potenza media data dalla formula precedente
è finita e non nulla:
0 < PT < ∞
In realtà qualunque segnale fisicamente realizzabile ha durata limitata e dunque, con la de-
finizione per T che tende a infinito, risulta avere PT = 0. Tuttavia, nell’ambito della teoria
delle comunicazioni, risulta spesso utile estendere il dominio dei segnali in gioco tra −∞ e −∞.
Sui segnali fisici spesso si definiscono delle potenze medie su intervalli finiti, e sono queste le
quantità che gli strumenti misurano.

5
Dalla fisica si sa che la potenza è pari all’energia spesa in un certo intervallo di tempo si scrive:
Energia [J] = Potenza [x] * tempo [s]; quindi, partendo dall’espressione della potenza media di
un segnale, si può definire l’energia di un segnale nel seguente modo:
Z + T2
ET = s2 (t) dt
− T2

Un segnale si dice a energia finita quando la sua energia è finita:

ET < ∞

E’ importante evidenziare che:

- un segnale a energia finita ha sicuramente potenza media nulla;
- un segnale a potenza media finita deve avere energia infinita.
In pratica, matematicamente, un segnale è ad energia finita oppure a potenza media finita. Mai
entrambi.

Domanda 3: Introdurre le definizioni di energia e potenza quando 1) il dominio di

definizione del segnale T tende a infinito e 2) il segnale é complesso

Facendo tendere T all’infinito:

Z + T2
ET = lim s2 (t) dt
T →∞ − T
2

esistono dei segnali per cui il valore dell’energia rimane finita questi segnali vengono chiamati
segnali di energia.
Per esempio prendendo un segnale del tipo:
|t|
s(t) = Ae− τ

se si calcola l’energia tra −∞ e +∞ si avrà:

Z +∞ −2|t|
Z +∞ −2t
2
E= A e τ dt = 2 A2 e τ dt = A2 τ
−∞ 0

sono questi segnali evanescenti, vanno a zero all’infinito ma hanno energia finita.
Nel caso in cui facendo tendere T all’infinito e il rapporto tra l’energia e l’intervallo di tempo T
rimane costante: Z T
1 +2 2
PT = lim s (t) dt
T →∞ T − T
2

si parlerà di segnali chiamati segnali di potenza e per essi l’energia va all’infinito. Per esempio il
segnale del tipo:
s(t) = A sin ωt
se si calcola la potenza tra −∞ e +∞ si avrà:
+∞
A2
Z
1
PT = A sin ωt dt = .
T −∞ 2

Per i segnali complessi come per esempio un segnale del tipo:

s(t) = Aej2(πf0 t+φ) = A cos(2πf0 t + φ) + jA sin(2πf0 t + φ)

6
le rappresentazione dell’energia e della potenza saranno in questo modo:
Z + T2
ET = lim |s(t)|2 dt
T →∞ − T
2

Z + T2
1
PT = lim |s(t)|2 dt
T →∞ T − T2

Domanda 4: Discutere la differenza, nel dominio del tempo, tra un segnale certo e un
segnale aleatorio

I segnali certi sono quei segnali dei quali è conosciuto l’andamento nel tempo dei parametri
che li caratterizzano (per esempio nel caso di una cosinusoide si conosce l’ampiezza e la fase),
invece i segnali aleatori non sono noti con esattezza prima che questi vengano prodotti ed
inoltre la conoscenza fino ad un certo istante di tempo non ci garantisce della conoscenza del
comportamento degli stessi negli istanti successivi.
In segnali certi detti anche "segnali determinati" o deterministici, sono studiati attraverso un
modello matematico (o funzione) con il quale è possibile predire il valore in un qualunque
istante a piacere, ed il tempo (o il suo inverso, la frequenza) è considerato variabile indipendente;
i "segnali stocastici" o aleatori, il cui valore non è prevedibile, si studiano soltanto attraverso
proprietà statistiche e che rientrano nella più vasta tematica dei processi aleatori o stocastici.
Per i segnali certi, in particolare i segnali periodici, si utilizza lo sviluppo in serie di Fourier , e
quindi la trasformata di Fourier che descrive una classe più ampia di segnali. L’analisi di Fourier
consente di definire il concetto di banda occupata da un segnale, nonché di come la sua potenza
e/o energia si distribuisce in frequenza. Anche nel caso in cui il segnale non è noto a priori, e
dunque è impossibile calcolarne la trasformata di Fourier in forma chiusa, si può ugualmente
giungere ad una rappresentazione che caratterizzi le realizzazioni del processo nei termini della
distribuzione (statistica) in frequenza della potenza di segnale. Ciò è possibile considerando la
funzione di autocorrelazione, che esprime il grado di interdipendenza statistica tra i valori assunti
in istanti diversi dalle realizzazioni del processo, e che costituisce un elemento unificante ai fini
della stima spettrale dei segnali.

Domanda 5: Discutere le proprietà di linearità e permanenza di un sistema

Linearità: Un circuito è definito lineare se l’effetto dovuto ad una qualsiasi causa è propor-
zionale alla stessa. E quindi deve valere: y(t) = kx(t − τ ). Se un circuito è lineare allora in esso
vige il principio di sovrapposizione degli effetti il quale stabilisce che l’effetto dovuto a più cause
che agiscono contemporaneamente è esattamente P la somma degli effetti P dovuti a ciascuna causa
come se agisse da sola. Quindi vale: x(t) = i ai xi (t) => y(t) = i ai yi (t) essendo yi (t) la
risposta all’ingresso xi (t). Questa proprietà implica che le equazioni costitutive degli elementi
sono lineari e le rappresentazioni del circuito sono costituite da equazioni lineari.
Permanenza: Un circuito è detto permanente se l’effetto non dipende dall’istante di appli-
cazione della causa perche è legato all’invarianza nel tempo delle proprie caratteristiche e del
proprio funzionamento. In termini analitici se x(t) = x(t + t0 ) => y(t) = y(t + to ).
Le proprietà di linearità e permanenza garantiscono che i coefficienti delle relazioni costitu-
tive degli elementi e delle rappresentazioni dei circuiti sono indipendenti dalla variabile tempo.
I sistemi che rispondo alle proprietà di linearità e permanenza vengono detti: Sistemi lineari e
tempo invarianti (Linear Time Invariant, LTI). Essi rivestono un ruolo importante nelle appli-

7
cazioni perchè alcuni componenti base di trasmettitori e ricevitori, come filtri, amplificatori e
equalizzatori, sono sistemi LTI.

Domanda 6: Discutere le proprietà di causalità e stabilità di un sistema

Il principio di causalità esprime il concetto secondo il quale tra un effetto e la relativa causa
esiste una sequenzialità temporale, nel senso che l’effetto non può precedere la causa. Nel caso
dei sistemi e dei circuiti, questo concetto può essere formalizzato nel modo seguente: dato un
ingresso x(t) ad un sistema, con x(t) uguale a zero per t < t0 , il sistema è causale se l’uscita
corrispondente y(t) è nulla per t < t0 . In pratica si ha che l’uscita non precede l’ingresso.
Un sistema è stabile se ad un ingresso qualsiasi, purché limitato in ampiezza, corrisponde
un’uscita anch’essa limitata in ampiezza

Domanda 7: Fornire la definizione di Impulso di Dirac e discuterne la proprietà

campionatrice

Per capire il significato dell’impulso di Dirac si può analizzare un segnale rettangolare con
la caratteristica di avere una durata ∆ e ampiezza 1/∆ così rappresentato:
1
s(t) = rect∆ (t)
∆

Figura 2: Impulso rettangolare

se si dimezza la base (ossia la durata diventa ∆/2) l’ampiezza si raddoppia, se si continua a

dimezzare la base (∆/4) l’ampiezza si quadruplica se si continua così si può notare che l’area
di questo segnale è sempre identicamente unitaria, l’area è costante. Se si fa un operazione di
limite facendo tendere a zero la base di questo impulso rettangolare si vedrà che l’altezza va
all’infinito. Si può definire, quindi, l’impulso di Dirac come il limite di questa successione di
impulsi rettangolari:
1
δ(t) = lim rect∆ (t)
∆→0 ∆
C’è da dire che sono stati scelti l’impulsi rettangolari, per comprendere il significato dell’impulso
di Dirac, perchè sono impulsi semplici, ma in realtà l’impulso di Dirac può essere anche il limite
di altre successioni di funzioni.
La δ(t) è una funzione speciale che ha la caratteristica di essere nulla su tutto l’asse tranne che
nel punto 0, dove ha una valore infinito e la sua area è unitaria:
Z +∞
δ(t) dt = 1
−∞

L’impulso di Dirac si rappresenta con una freccia posizionata nell’origine ed è orientata verso
l’alto se l’area è positiva e verso il basso se l’area è negativa:

8
 Figura 3: Impulso di Dirac

Una proprietà importante dell’impulso di Dirac è quella che permette di leggere i segnali in
certi punti questa è la proprietà campionatrice. L’integrale fatto su tutto l’asse delle ascisse del
prodotto di un segnale s(t) con un delta di Dirac traslato al tempo t0 sarà uguale all’ampiezza
del segnale s(t) al tempo t0 , ossia s(t0 ).
Per dimostrare tale proprietà si eseguono i seguenti passaggi:
Z +∞ Z +∞
s(t)δ(t − t0 ) dt = s(t0 )δ(t − t0 ) dt =
−∞ −∞
Z +∞
= s(t0 ) δ(t − t0 ) dt = s(t0 )
−∞

Analizzando il prodotto all’interno del primo integrale si può dire che è zero per ogni valore di
t tranne che in t0 dove l’impulso di Dirac va all’infinito e quindi si può considerare come valore
significatico solo t0 per cui si può scrivere la seconda espressione; nella seconda espessione il
valore di s(t0 ) è una costante e quindi si può uscire dall’integrale; il valore rimasto all’interno
dell’integrale è l’impulso di Dirac nel punto 0 che sappiamo essere 1; abbiamo infine, quindi, il
ristulato finale s(t0 ). Questo dimostra che l’impuso di Dirac campiona un segnale nel punto t0 .

Domanda 8: Fornire le definizioni e le relative rappresentazioni grafiche delle

funzioni gradino unitario u(t) e segno sgn(t)

Il gradino unitario u(t) è un altro importante segnale utile nello studio della teoria dei
segnali ed è definito come come il segnale integrale dell’impulso di Dirac:
Z t
u(t) = δ(τ ) dτ
−∞

studiando l’andamento nel tempo di questa funzione si può vedere che, essendo l’impulso di
Dirac posizionato in τ = 0 (ossia nell’origine del sistema di riferimento), quando t < 0 l’impulso
di Dirac è fuori dall’intervallo di integrazione e quindi l’integrale vale zero; se t > 0 l’impulso
di Dirac è all’interno dell’intervallo di integrazione quindi l’integrale vale 1. Graficamente:
Analizzando l’andamento di questa funzione u(t) si può vedere che assume valore 0 quando
t < 0 e valore 1 quando t > 0, e quindi individua gli istanti di tempo positivi. C’è da dire che se
il gradino unitario è l’integrale dell’impulso di Dirac allora l’impulso di Dirac è la derivata del
gradino unitario:
d
u(t) = δ(t)
dt
l’impulso di Dirac consente di estendere il concetto di derivata anche a funzioni che presentino
discontinuità di prima specie.

9
 Figura 4: Funzione gradino unitario

Un’altra funzione importante è la funzione segno la quale può essere definita attraverso la
funzione gradino con la seguente relazione:

sgn(t) = 2u(t) − 1

Figura 5: Funzione segno

molto semplicente è una funzione che vale 1 se l’argomento è positivo e vale −1 se è negativo,
questo perchè u(t) = 0 per t < 0 e u(t) = 1 per t > 0.

Domanda 9: Dare la definizione di risposta all’impulso

Si supponga di avere un segnale x(t) che entri in un sistema Lineare e Permanente (LP) e
si vuole conoscere l’uscita y(t) dal sistema. Per poter operare, senza conoscere come questo
sistema agisca, si utilizza un’approssimazione del segnale in ingresso con la sommatoria di
seguito rappresentata:
+∞
X
xa (t) = x(i∆)rect∆ (t − i∆)
i=−∞

dove x(i∆) rappresenta il valore del segnale in certi istanti di tempo che viene associato ad un
intervallo di durata ∆ che è posizionato in maniera opportuna sull’asse così come rappresentato
dal disegno seguente:
i tratti orizzontali rappresentano il valore del segnale con durata ∆ in quegli istanti di tempo.
Questa approssimazione è utile perchè se il ∆ diventa sempre più piccolo la differenza tra il
segnale x(t) e la sua approssimazione xa (t) si ridurrà fino a quando, al limite, i due segnali
coincideranno.
Se alla formula del segnale approssimato moltiplichiamo e dividiamo per ∆ si avrà:
+∞
X ∆
xa (t) = x(i∆)rect∆ (t − i∆)
∆
i=−∞

10
 Figura 6: Approssimazione del segnale x(t)

dalla formula precedente si può notare che rect∆ (t − i∆)/∆ è la successione dei rettangoli che
poi al limite di ∆ a 0 porta all’impulso di Dirac; facendo, quindi, il limite di tutta la scrittura
precedente si avrà:
Z +∞
x(t) = lim xa (t) = x(τ )δ(t − τ ) dτ
∆→0 −∞

ricordando la capacità campionatrice dell’impulso di Dirac si può vedere, dalla formula pre-
cedente, che il segnale x(t) è la somma infinitesima di infiniti impulsi di Dirac, traslati l’uno
rispetto all’altro, la cui ampiezza è x(τ )dτ .
A questo punto ricordandoci di essere in un sistema lineare e permanente sappiamo che le
uscite ai singoli segnali vengono a sommarsi secondo gli stessi pesi e quindi il segnale in uscita
sarà, considerando anche in questo caso il segnale approssimato, di questo tipo:
+∞
X
ya (t) = ai yi
i=−∞

dove ai sono i pesi del segnale in ingresso e cioè x(i∆)∆, metre yi è la risposta del segnale
impulsivo che per convenzione si scrive h∆ (t − i∆), e quindi avremo:
+∞
X
ya (t) = x(i∆)h∆ (t − i∆)∆
i=−∞

con la stessa operazione di limite per ∆ che tende a 0 si avrà allora:

Z +∞
y(t) = x(τ )h(t − τ ) dτ
−∞

l’uscita del sistema viene espressa da questo integrale.

Con questa operazione di integrazione si ha il legame tra ingresso ( x(t) ) e uscita ( y(t) ) di un
sistema lineare e permanente ed implica una certa funzione che è appunto la risposta impulsiva
del sistema e cioè la funzione h(t). L’integrale appena visto prende il nome di integrale di
convoluzione tra l’ingresso x(t) e la risposta impulsiva h(t).

Domanda 10: Giustificare il legame tra il segnale di uscita ed il segnale di ingresso in

un sistema LP attraverso la definizione dell’operazione di convoluzione

Partendo dall’integrale che lega il segnale di uscita al segnale di ingresso in un sistema

lineare e permanente:
Z +∞
y(t) = x(τ )h(t − τ ) dτ
−∞

11
possiamo dire che l’uscita y(t) in un sistema lineare e permanente, di risposta impulsiva h(t), è
la convoluzione tra il segnale d’ingresso e la stessa risposta impulsiva.
L’integrale precedente convenzionalmente si può scrivere nel modo seguente:

y(t) = x(t) ∗ h(t)

questa espressione è ottenuta ritenendo che applicando ad un sistema lineare e permanente

degli impulsi di Dirac si ottiene una risposta impulsiva tale che in convoluzione col segnale in
ingresso ci da il segnale in uscita. Bisogna aggiungere che questa relazione vale qualunque sia
la natura del segnale di ingresso, sia esso di energia o di potenza, analogico o digitale.

Domanda 11: Discutere il legame tra il segnale di uscita ed il segnale di ingresso in

un sistema LP nell’ipotesi in cui il segnale di ingresso sia di tipo sinusoidale

L’uscita di un sistema lineare, caratterizzato da una risposta impulsiva h(t), quando in

ingresso è presente un segnale sinusoidale a frequenza f0 , è ancora una sinusoide con ampiezza
e fase modificate, ma con la stessa frequenza f0 . In pratica il sistema modifica l’ampiezza
e la fase ma non modifica l’andamento in tempo. Questo fattore evidenzia l’importanza e
l’utilità che hanno i segnali sinosoidali (o cosinusoidali) nell’ambito di segnali che trasportano
informazione P ed attraversano sistemi LP, perchè ricordando che un segnale si può rappresentare
come x(t) = i ai xi (t) si può pensare di descrivere il segnale x(t) come una combinazione
lineare di segnali sinusoidali. La possibilità che i segnali si possono scomporre in combinazioni
lineari di opportune sinusoidi ci aiuta molto nello studio dei sistemi lineari perchè i segnali
sinusoidali sono segnali il cui l’andamento nel tempo è facilmente descrivibile, sono funzioni
largamente conosciute, studiate, note.

Domanda 12: Descrivere le fasi del calcolo della convoluzione tra due segnali x(t) e
y(t) nel dominio del tempo

Le fasi per il calcolo della convoluzione tra due segnali sono quattro e si eseguono in
sequenza:

la prima fase è quella di invertire l’asse di rappresentazione di uno dei due segnali: si passa
cioè da y(τ ) a y(−τ ) oppure da x(τ ) a x(−τ ) in base alla convenienza della facilità dei
calcoli;

la seconda fase è quella di traslare il segnale il cui asse è stato invertito (considerando trasla-
zione negativa quando avviene verso sinistra e positiva quando avviene verso destra) si
passa cioè da y(τ ) a y(t − τ );

la terza fase è quella di calcolare il prodotto tra il segnale traslato e l’altro non traslato x(τ )y(t −
τ );

la quarta fase è l’operazione di calcolo dell’area del prodotto.

Di seguito un esempio esplicativo:

supponiamo di avere i seguenti due segnali:

∆1 ∆2
x(t) = Arect∆1 (t − ); y(τ ) = Brect∆2 (t − ).
2 2
La prima operazione è invertire l’asse di uno dei due segnali.
Si sceglie ad esempio il segnale x(t) quindi basta spostare l’intervallo di tempo a −t e viene
fatta l’inversione di asse.

12
 Figura 7: x(t); y(t).

Figura 8: x(−t); y(t).

La seconda operazione la traslazione:

è evidente che traslazioni negative, cioè verso sinistra, fanno si che non vi siano intervalli di
tempo in cui i due segnali x(τ − t) e y(t) siano contemporaneamente presenti e questo implica
che il loro prodotto è sempre nullo e quindi per τ minore di zero la convoluzione è sempre
nulla;
per traslazioni positive, cioè verso destra, quando le traslazioni sono positive e minori di ∆1, si
avrà:
gli estremi di integrazione dell’integrale di convoluzione saranno allora 0 e τ e pertanto si
scriverà : Z τ
c(τ ) = AB dt = ABτ
0
la convoluzione cresce linearmente raggiungendo per τ = ∆1 il valore AB∆1.
Successivamente quando le traslazioni saranno comprese tra ∆2 e (∆2 + ∆1) si avrà:
e si scriverà Z ∆2
c(t) = AB dt = AB(∆2 + ∆1 − τ )
τ −∆1

Per valori di τ ancora maggiori si realizza nuovamente la situazione iniziale di segnali non
sovrapposti e quindi la convoluzione è nulla.
In definitiva si può dire che il risultato della convoluzione sarà:

13
Figura 9: traslazioni sono positive e minori di ∆1

Figura 10: traslazioni tra ∆2 e (∆2 + ∆1)

14
 c(t) = 0 τ ≤ 0 e τ > (∆1 + ∆2)
c(t) = ABτ 0 < τ ≤ ∆1
c(t) = AB∆1 ∆1 < τ ≤ ∆2
c(t) = AB(∆2 + ∆2 − τ ) ∆2 < τ ≤ (∆1 + ∆2)

Dal punta di vista grafico si avrà il seguente risultato:

Figura 11: risultato di convoluzione

Domanda 13: Discutere cosa comporta operare la convoluzione tra un segnale generico
x(t) e o un impulso di Dirac; o un gradino unitario; o un segnale sinusoidale

Ricordando che il prodotto di convoluzione tra due segnali genenrici x(t) e y(t) è dato
dall’integrale di convoluzione di seguito descritto:
Z +∞ Z +∞
c(t) = x(τ )y(t − τ ) dτ = y(τ )x(t − τ ) dτ
−∞ −∞

applichiamo la formula al segnale x(t) e all’impulso di Dirac δ(t) per cui si avrà:
Z +∞
c(t) = x(τ )δ(t − τ ) dτ
−∞

essendo il segnale δ(t) è una funzione pari, si può scrivere:

δ(t − τ ) = δ(−(t − τ )) = δ(τ − t)

e quindi si ha:
Z +∞
c(t) = x(τ )δ(τ − t) dτ
−∞
ricordando, ora, la proprietà campionatrice dell’impulso di Dirac, e cioè che:
Z +∞ Z +∞
s(t)δ(t − t0 ) dt = s(t0 )δ(t − t0 ) dt =
−∞ −∞
Z +∞
= s(t0 ) δ(t − t0 ) dt = s(t0 )
−∞

15
si può scrivere formalmente:
Z +∞
c(t) = x(t) ∗ δ(t) = x(τ )δ(τ − t) dτ = x(t)
−∞

ossia la convoluzione di un segnale per un impulso di Dirac è pari sempre allo stesso segnale.
La convoluzione di un segnale con un gradino si scrive formalmente in questo modo:
Z +∞
c(t) = x(τ )u(t − τ ) dτ
−∞

ossia l’integrale del segnale per un gradino traslato.

Ricordando che il gradino è una funzione che vale uno quando l’argomento è positivo e vale zero
quando l’argomento è negativo, il risultato della convoluzione sarà semplicemente l’intergrale
della funzione x(t)
Quindi si può scrivere:
Z t
c(t) = x(t) ∗ u(t) = x(τ ) dτ
−∞

La convoluzione di un segnale x(t) con un segnale sinusoidale formalmente si scrive nel

seguente modo:
c(t) = x(t) ∗ cos(2πf0 t)
il risultato della convoluzione è il seguente:

c(t) = C(f0 )cos(2πf0 t) + S(f0 )sin(2πf0 t)

o ancora in coordinate polari:

c(t) = M (f0 )cos(2πf0 t − φ(f0 ))

con ampiezza M e fase φ cambiati e funzione della frequenza f0 questo è importante perchè
viene accertato che un coseno è un operatore che rimane uguale attraverso l’operazione di
convoluzione ossia un segnale sinusoidale rimane un segnale sinusoidale

Domanda 14: Riportare la formula dello sviluppo in serie di Fourier per un segnale
x(t) e discutere le proprietà che deve avere x(t) affinché lo sviluppo sia valido

La serie di Fourier rappresenta la decomposizione di un qualsiasi segnale x(t), che rispetti

determinate condizioni, nella somma di tante sinusoidi e cosinusoidi con frequenze pari a k/T
ed ha questa forma:
∞
X
x(t) = a0 + ak cos(2πkt/T ) + bk sin(2πkt/T )
k=1

I segnali che possono essere sviluppati con le serie di Fourier devono rispettare le condizioni di
Dirichlet:
-i segnali devono essere assolutamente integrabili nell’intervallo T , cioè deve valere che l’inte-
R +T /2
grale −T /2 |x(t)| dt esista e sia finito;
- il numero delle discontinuità di prima specie delle funzioni, nell’intervallo [−T /2, T /2] deve
essere finito;
- il numero dei massimi e dei minimi nell’intervallo deve essere finito
Se sono soddisfatte le condizioni di Dirichlet nell’intervallo considerato, lo sviluppo in serie
di Fourier converge al segnale x(t) nei punti in cui il segnale è continuo, mentre converge alla

16
media tra il limite destro e limite sinistro del punto ”t” ( x(t+ )+x(t
2
−)
) in cui è discontinuo.
All’esterno dell’intervallo [−T /2, T /2] lo sviluppo in serie di Fourier periodizza il segnale.

Domanda 15: Discutere la proprietà di ortogonalità tra due segnali a partire dalla
definizione di prodotto scalare

Per discutere la proprietà di ortogonalità bisogna prima definire il prodotto scalare tra due
segnali. Dalla geometria il prodotto scalare tra due vettori è dato dal prodotto della lunghezza
di un vettore per la proiezione del secondo sul primo. Se i due vettori sono tra di loro ortogonali,
cioè hanno un angolo di 90 gradi, la proiezione di uno su l’altro è zero per cui il prodotto scalre
è zero.
Per quanto riguarda i segnali esiste una distinzione tra i tipi di segnali. Si distingue tra prodotto
scalare: di segnali di energie, di segnali di potenza e di segnali periodici. Nei tre casi differenti
il prodotto scalare si calcola nei seguenti modi:
-segnali di energia
Z +∞
x∗ (t)y(t) dt
−∞

-segnali di potenza
Z +∆
1 2
lim x∗ (t)y(t) dt
∆→∞ ∆ −∆
2

-segnali periodici
Z +T
1
x∗ (t)y(t) dt
T −T
In particolare c’è da dire che se i x(t) e y(t) sono lo stesso segnale allora si avrà che il prodotto
scalare,
in caso di segnali di energia sarà:
Z +∞ Z +∞
∗
x (t)x(t) dt = |x(t)|2 dt = Ex
−∞ −∞

cioè il prodotto scalare rappresenta l’energia del segnale;

nel caso di segnali di potenza sarà:
Z ∆ Z ∆
1 +2 ∗ 1 +2
lim x (t)x(t) dt = lim |x(t)|2 dt = Px
∆→∞ ∆ − ∆ ∆→∞ ∆ − ∆
2 2

così come nel caso di segnali limitati in un intervallo T :

1 +T ∗ 1 +T
Z Z
x (t)x(t) dt = |x(t)|2 dt = Px
T −T T −T
in entrambi i casi, di potenza e periodici, il prodotto scalare dello stesso segnale rappresenta la
potenza del segnale.
A questo punto, avendo anche definito il legame tra il prodotto scalare e l’energia (o la potenza),
si può definire che due segnali sono ortogonali se il loro prodotto scalare è nullo. Così come, in
fondo, è definito in geometria dove è chiaro che se due vettori hanno un angolo di 90 gradi tra
di loro, quindi sono ortogonali, il loro prodotto scalere è zero.
Si avrà, quindi, in particolare per i segnali periodici che due segnali sono ortogonali quando il
seguente integrale è nullo:
Z +T
2
x∗ (t)y(t) dt = 0
− T2

17
Domanda 16: Riportare la definizione di norma di un segnale generico x(t) e valutarla
nel caso di segnale x(t) cosinusoidale

La norma di un segnale generico x(t) è la radice quadrata dell’integrale del modulo al

quadrato ed è legata all’energia o alla potenza. Si scrive:
v
uZ + T
u 2
t |x(t)|2 dt = ||x||
− T2

Nel caso specifico di un segnale x(t) cosinusoidale applicando la formula generale si ha:
v
uZ + T
u 2
t |cos(2kπ/T )|2 dt
− T2

1+cos(2α)
applicando la formula trigonometrica di linearità cos2 (α) = 2 si ha che:

1 + cos(4kπ/T )
|cos(2kπ/T )|2 =
2
quindi si può scrivere che:
v v
uZ + T u Z +T
u 2 u1 2
2
p
t |cos(2kπ/T )| dt = t {1 + cos(4kπ/T )} dt = T /2
−T 2 −T
2 2

Domanda 17: Discutere le fasi analitiche per il calcolo dei coefficienti dello sviluppo
in serie di Fourier del segnale x(t)

La serie di Fourier permette di esprimere una funzione periodica continua attraverso la

somma discreta di un certo numero di parametri, che sono le ampiezze delle componenti
sinusoidali (bk ) e cosinusoidali (ak ) alle frequenze multiple di f0 .
Per calcolare i coefficienti dello sviluppo in serie di Fourier si procede moltiplicando primo
e secondo membro della relativa formula per un coseno quindi dall’espressione:
∞
X
x(t) = a0 + ak cos(2πkt/T ) + bk sin(2πkt/T )
k=1

moltiplicando membro a membro per cos(2πht/T ) si ha:

x(t)cos(2πht/T ) =
∞
X
= a0 cos(2πht/T ) + ak cos(2πkt/T )cos(2πht/T )+
k=1

+bk sin(2πkt/T )cos(2πht/T )

integrando membro a membro sull’intervallo T :
Z + T2 Z + T2
x(t)cos(2πht/T ) dt = a0 cos(2πht/T ) dt+
− T2 − T2

18
 ∞ Z
X + T2
+ {ak cos(2πkt/T )cos(2πht/T )+
k=1 − T2

+bk sin(2πkt/T )cos(2πht/T )} dt

dall’espessione precedente si può dire che l’integrale della costante a0 per il coseno è uguale a
zero; gli integrali all’interno della sommatoria, ossia i coseni per i coseni ed i seni per i coseni,
questi, sfruttando l’ortogonalità del coseno con gli altri segnali della base, sono tutti nulli tranne
quando l’indice k della sommatoria è uguale a h e si avrà:
Z + T2
T
x(t)cos(2πht/T ) dt = ah
− T2 2

da cui si ricava: Z + T2
2
ah = x(t)cos(2πht/T ) dt
T − T2

con il valore di indice h = 0 si ricava il coefficiente a0 cioè:

Z T
1 +2
a0 = x(t) dt
T −T
2

Per calcolare il coefficiente bk si rifanno tutti i ragionamenti precedenti con il seno, cioè a partire
dalla moltiplicazione membro a membro per sin(2πht/T ) e così via. Infine si ricava che:
Z + T2
2
bk = x(t)sin(2πkt/T ) dt
T − T2

Domanda 18: Definire la serie di Fourier bilatera per il segnale x(t) e i relativi
coefficienti ck

La serie di Fourier bilatera è un evoluzione dello sviluppo in serie di Fourier. Partendo dallo
sviuppo in serie di Fourier di segnali sinusoindali:
∞
X
x(t) = a0 + ak cos(2πkt/T ) + bk sin(2πkt/T )
k=1

considerando le formule di Eulero del seno e del coseno, cioè:

ejθ = cosθ + jsinθ

dove:
ejθ + e−jθ
cosθ =
2
e − e−jθ
jθ
sinθ =
2j
lo sviluppo in serie di Fourier si può scrivere:
∞
X
x(t) = ck ej2πkt/T
k=−∞

dove:
+ T2
ak − jbk
Z
1
ck = = x(t)e−j2πkt/T dt
2 T − T2

19
 Domanda 19: Enunciare e dimostrare il Teorema di Parseval

Il teorema di Parseval si riferisce al prodotto scalare di due segnali:

Z + T2
1
x∗ (t)y(t) dt
T − T2

ed enuncia che il prodotto scalare di due segnali periodici è uguale alla somma dei prodotti dei
coefficieti dello sviluppo in serie di Fourier dei due segnali del prodotto scalare:
Z + T2 ∞
1 X
x∗ (t)y(t) dt = x∗k yk
T − T2 k=−∞

Per dimostrare tale teorema si parte proprio dall’espressione del prodotto scalare e si considera-
no i due segnali sviluppati secondo Fourier bilatero:
∞
X ∞
X
j2πkt/T
x(t) = xk e y(t) = yh ej2πht/T
k=−∞ h=−∞

questi due sviluppi si sostituiscono all’espressione del prodotto scalare e si ha:

Z + T2 ∞ ∞
1 X X
x∗k e−j2πkt/T yh ej2πht/T dt =
T − T2 k=−∞ h=−∞

∞ ∞ Z + T2
1 X X
= x∗k yh ej2π(h−k)t/T dt
T − T2
k=−∞ h=−∞

Richiamando il principio dell’ortogonalità si può vedere che l’integrale nell’espressione pre-

cedente è nullo per tutti i valori k e h diversi tra loro, mentre per valori uguali la funzione è
uguale a uno e quindi l’integrale è uguale a T . La sommatoria doppia si risolve in un unica
sommatoria, perchè gli unici addenti che sono differenti da zero sono quelli per cui gli indici h
e k sono uguali tra di loro, T si semplifica con T1 e quindi avremo infine il teorema di Parseval:
Z + T2 ∞
1 ∗
X
x (t)y(t) dt = x∗k yk
T − T2 k=−∞

Un caso particolare del teorema di Parseval si ha quando i due segnali sono lo stesso segnale,
perchè in questo caso il primo membro assume un significato ben preciso ossia è la potenza del
segnale. Quindi la potenza del segnale secondo Parseval è la somma dei moduli al quadrato dei
coefficienti dello sviluppo in serie di Fourier del segnale.
Z + T2 ∞
1 X
|x(t)|2 dt = |xk |2
T − T2 k=−∞

Domanda 20: Derivare lo sviluppo in serie di Fourier per il segnale x(t) = rect∆

Supponiamo di avere il seguente segnale rettangolare:

20
 Figura 12: x(t) = Arect∆

per calcolare lo sviluppo in serie di Fourier troviamo i coefficienti ck , in generale si scrive:

Z + T2
1
ck = x(t)e−j2πkt/T dt
T − T2

in particolare, considerando che il segnale avrà un ampiezza costante uguale ad A, avremo:

Z +∆
A 2
ck = e−j2πkt/T dt
T −∆
2

sviluppando l’esponziale tramite Eulero si ha:

Z +∆
A 2
ck = cos(2πkt/T ) − jsin(2πkt/T ) dt
T −∆
2

considerando che l’impulso rettangolare è una funzione pari e l’intervallo di integrazione è pari
(ossia simmetrico rispetto alle ordinate) si può dire che l’integrale del coseno darà un contributo,
mentre l’integrale del seno (essendo che il seno è una funzione dispari) sarà nullo, per cui si
può ancora scrivere (dove si considera due voltre l’integrale da 0 a ∆/2):
Z +∆
2A 2
ck = cos(2πkt/T ) dt
T 0

risolvendo l’integrale si ha:

A
ck =
sin(πk∆/T )
πk
moltiplicando e dividendo per πk∆/T facendo semplici passaggi si ottiene:

Aπk∆/T Aπk∆ sin(πk∆/T )

ck = sin(πk∆/T ) = =
πkπk∆/T πkT πk∆/T

A∆ sin(πk∆/T ) A∆
= = sinc(πk∆/T )
T πk∆/T T
trovato il coefficiente ck dalla formula:
∞
X
x(t) = ck ej2πkt/T
k=−∞

lo sviluppo verrà:
∞
A∆ X
x(t) = sinc(πk∆/T )ej2πkt/T
T
k=−∞

21
considerando le simmettrie e tenendo conto che la funzione sinc è una funzione pari e che la
funzione esponeziale si sviluppa in seni e coseni dato che i seni sono dispari e gli integrali sono
nulli si passa facilmente alla seguente espressione:
∞
A∆ 2A∆ X
x(t) = + sinc(πk∆/T )cos(2πkt/T )
T T
k=1

Domanda 21: Definire lo sviluppo in serie di Fourier approssimato per il segnale x(t)
e il relativo errore di approssimazione e(t), discutendone la dipendenza dall’ampiezza
del segnale x(t)

Lo sviluppo in serie di Fourier garantisce la convergenza al segnale quando le armoniche

sono infinite. Questa condizione è un problema dal punto di vista operativo perchè lo strumento
in questo modo non aiuta a semplificare la rappresentazione dei segnali. Ci si pone, allora, il
problema di approssimare il segnale. Bisogna, cioè, troncare la serie fino a un numero finito N
commettendo un errore rappresentato dall’insieme dei coefficienti che vengono scartati cioè
quei coefficienti che vanno da N + 1 a ∞.
Nel caso di un segnale rettangolare il segnale x(t) lo sviluppo approssimato e l’errore si
rappresenta in questo modo:
N
A∆ 2A∆ X
xa (t) = + sinc(πk∆/T )cos(2πkt/T )
T T
k=1

∞
2A∆ X
e(t) = sinc(πk∆/T )cos(2πkt/T )
T
k=N +1

Se si prende un segnale rettangolare e si procede di volta in volta aumentando il numero

delle armoniche è verificabile che all’inizio l’unica informazione raccolta è che il segnale è
prevalentemente positivo. Aggiungendo la fondamentale l’impulso è localizzato ma la sua
durata è molto incerta: il picco è troppo forte. Andando avanti la terza armonica tende a
correggere la rappresentazione al centro e a rappresentare meglio il brusco cambiamento che
si ha ai bordi del segnale. Questi effetti tendono a migliorare con l’aumentare degli addendi
infatti andando avanti l’approssimazione migliora ancora però ai bordi dell’impulso l’errore
non diminuisce affatto. Questa situazione pone dei problemi perchè se si definisce come errore
lo scarto tra il segnale e la sua approssimazione, in questo modo:
X
e(t) = x(t) − xa (t) = xk ej2πkt/T
|k|>N

dall’analisi fatta aumentando di volta in volta il valore di N si può notare che in sostanza non
si ha uno strumento preciso per dire che l’errore sta diminuendo perchè se si va ad analizzare
l’errore lungo tutto il segnale l’errore rimane sempre lo stesso. Ci si rende conto che è la visione
globale a far capire che l’approssimazione va migliorando. In effetti non si ha uno strumento
analitico per stabilire fino a che punto bisogna incrementare il valore di N perchè l’espressione
dell’errore così rappresentata ha qualche limitazione. Si parla, così, di completezza dello sviluppo
cioè uno strumento che consenta di stabilire quando si può accettare l’approsomazione del
segnale. Per fare questo si utilizza la potenza dell’errore.
Z + T2 Z + T2
1 1 1 X
||e||2 = |e(t)|2 dt = |x(t) − xa (t)|2 dt = |xk |2
T T − T2 T − T2 |k|>N

22
Questa quantità è positiva e decresce al crescere di N, quindi rappresenta meglio l’approssima-
zione del segnale.
Si dice che uno sviluppo è completo quando l’errore definito con la potenza al tendere dei
valori di N a ∞ tende a zero.
Z + T2
1
lim |x(t) − xa (t)|2 dt = 0
N →∞ T − T2

La formula:
1 X
||e||2 = |xk |2
T
|k|>N

dipende dall’ampiezza del segnale e questo è un incoveniente perchè se si fa lo sviluppo e si

aumenta l’ampiezza aumenta l’errore di potenza. Bisogna svincolarsi dall’ampiezza introdu-
cendo un errore percentuale normalizzando la potenza dell’errore alla potenza del segnale. Si
definisce errore percentuale la differenza tra la potenza del segnale (Px ) e la potenza (Pa ) del
segnale approssimante normalizzata alla potenza del segnale:
N
1 X
ε2 = 1 − |xk |2
Px
k=−N

Domanda 22: Definire la trasformata e l’antitrasformata di Fourier del segnale x(t) a

partire dallo sviluppo in serie di Fourier di x(t)

Partendo dalla formula dello sviluppo in serie di Fourier di un segnale x(t), di seguito
rappresentato
∞ Z + T2
X 1
x(t) = j2πkt/T
ck e con ck = x(t)e−j2πkt/T dt
T − T2
k=−∞

e quindi:
∞ Z + T2
X 1
x(t) = e j2πkt/T
x(t)e−j2πkt/T dt
T − T2
k=−∞

si può, attraverso una operazione formale di passagio al limite, arrivare all’idea di trasformata.
Prendendo in considerazione un segnale x(t) conosciuto nell’intervallo −T /2 , T /2 e conside-
rando che T1 = ∆f non è altro che la distanza tra le frequenze dello spettro, la formula dello
sviluppo in serie si può riscrivere nel seguente modo:
∞
X Z + T2
x(t) = j2πkt∆f
e ∆f x(t)e−j2πkt∆f dt
k=−∞ − T2

Ipotizzando, ora, che al di fuori dell’intervallo preso in considerazione (−T /2 , T /2) il segnale
sia nullo si può considerare l’estensione del segnale da −∞ a ∞, quindi significa che T → ∞.
Applicare questo ragionamento di limite all’infinito nella formula dello sviluppo in serie di
Fourier significa che la distanza tra le frequenze dello spettro ∆f si riduce perchèP appuntoR +∞è
definita come 1/T e al limite diventa ∆f → df ; il simbolo di sommatoria diventa → −∞ ;
k∆f è una grandezza discreta perchè k assume i valori interi dell’indice della sommatoia
mentre ∆f è il valore della distanza tra frequenze dello spettro, ma facendo tendere T → ∞ si è
visto che ∆f → df quindi il prodotto con k darà un variabile continua e quindi significa che

23
k∆f → f .
Facendo tutte queste sostituzioni alla formula dello sviluppo in serie si avrà:
Z +∞ Z +∞
x(t) = e j2πtf
df x(t)e−j2πtf dt
−∞ −∞

Nel secondo integrale, dell’espressione precedente, viene eliminata la variabile temporale perchè
si ha un funzione x(t), che è funzione del tempo, moltiplicata per una funzione esponeziale,
che è in funzione del tempo e della frequenza. L’operazione di integrazione rispetto al tempo
elimina la dipendenza dal tempo lasciando solo la dipendenza dalla frequenza; cioè il risultato
di questo integrale sarà una funzione della frequenza e a questa espressione si dà il nome di
trasformata di Fourier e si srive:
Z +∞
X(f ) = x(t)e−j2πtf dt
−∞

quindi possiamo scrivere:

Z +∞
x(t) = ej2πtf df X(f )
−∞

o meglio
Z +∞
x(t) = X(f )ej2πtf df
−∞

che è l’antitrasformata di Fourier per passare dal dominio della frequenza a quello del tempo.
Si noti che X(f ) è in generale una funzione complessa, anche per x(t) reale. Il significato di
X(f ) è chiaro dall’espressione dell’antitrasformata. Da qui si vede infatti che x(t) può essere
espressa come somma (integrale) di infinite funzioni esponenziali complesse e+j2πtf , ciascuna
con ampiezza infinitesima pari a X(f )df .

Domanda 23: Riportare la condizione di esistenza di X(f)

L’esistenza della trasformata di Fourier è garantita dalle stesse condizioni di Dirichlet

considerate per lo sviluppo in serie di Fourier. Si è garantiti dell’esistenza della trasformata se la
x(t) è sommabile sull’intero asse dei tempi. Per la serie di Fourier il segnale x(t) doveva essere
sommabile sull’intervallo T . Nel caso della trasformata, avendo formalmente esteso l’intervallo
all’infinito, bisogna riprendere quelle condizioni e riapplicarle all’intero intevallo temporale. Se
è soddisfatta la seguente condizione esiste la trasformata di Fourier:
Z +∞
|x(t)| dt < ∞
−∞

è una condizione di sufficienza e quando essa si verifica si dice che x(t) è un segnale impulsivo
cioè un segnale ad impulsi.
La sola condizione di sommabilità, nello sviluppo in serie di Fourier, non garantiva l’individua-
zione di un numero N di coefficienti tali da far commettere un certo tipo di errore controllabile
e quindi si è introdotto il concetto di completezza. Allo stesso modo anche nel caso della
trasformata di Fourier si considera la completezza e quindi la potenza dell’errore. Si introduce
la seguente espressione nella quale si considera un intervallo di frequenze da −B a B (banda di
frequenze) e si ha la completezza quando l’errore definito con l’energia al tendere dei valori di
B a ∞ tende a zero. Z +∞ Z +B
lim |x(t) − X(f )ej2πtf df |2 dt = 0
B→∞ −∞ −B

24
 Domanda 24: Definire la relazione tra trasformata di Fourier e i coefficienti dello
sviluppo in serie di Fourier per il segnale x(t)

Nello sviluppo in serie di Fourier di un segnale x(t) con la forma esponeziale:

∞
X
x(t) = ck ej2πkt/T
k=−∞

i coefficienti si calcolano: Z + T2
1
ck = x(t)e−j2πkt/T dt
T − T2

ricordando la trasformata di Fourier di un segnale x(t),

Z +∞
X(f ) = x(t)e−j2πtf dt
−∞

k
e facendo la posizione f = T si può scrivere che:
Z + T2  
1 −j2πkt/T 1 k
ck = x(t)e dt = X
T − T2 T T

Domanda 25: Dato un segnale reale x(t), dimostrare la parità della parte reale di X(f)

Partendo dall’espressione generale della trasformata di Fourier:

Z +∞
X(f ) = x(t)e−j2πtf dt
−∞

e ricorrendo alle formule di Eulero (e−jθ = cosθ−jsinθ) l’esponenziale della formula precedente
si può sviluppare come combinazione lineare di un coseno e di un seno attraverso la variablie
immaginaria j, quindi si puo scrivere:
Z +∞
X(f ) = x(t){cos(2πf t) − jsin(2πf t)} dt
−∞

e quindi:
Z +∞ Z +∞
X(f ) = x(t)cos(2πf t) dt − j x(t)sin(2πf t) dt
−∞ −∞

abbiamo, così, la combinazione lineare di due integrali.

Nel primo integrale, che è la parte reale della trasformata di Fourier, per la presenza del
coseno, che mantiene inalterato il proprio segno nel passare da f a −f facendo in modo che
la funzione mantiene lo stesso valore sia con f che con −f , si può affermare che la parte reale
della trasformata di Fourier è una funzione pari.
Nel secondo integrale, che è la parte immaginaria della trasformata di Fourier, per la presenza
del seno, che varia il proprio segno nel passare da f a −f facendo variare il segno della funzione
tra f e −f , si può affermare che la parte immaginaria della trasformata di Fourier è una funzione
dispari.

Domanda 26: Calcolare la X(f ) di x(t) = Arect∆ (t)

25
 Un impulso rettangolare individua un intervallo che va da −∆/2 a +∆/2 perchè al di fuori
di questo intervallo la funzione è nulla. La generica trasformata di Fourier
Z +∞
X(f ) = x(t)e−j2πtf dt
−∞

si può scrivere:
Z +∆/2 Z +∆/2
X(f ) = Ae−j2πf t dt = A e−j2πf t dt
−∆/2 −∆/2

l’esponenziale complesso, ricorrendo alle formule di Eulero (e−jθ = cosθ − jsinθ), si può
sviluppare come combinazione lineare di un coseno e di un seno e quindi si scrive:
Z +∆/2
X(f ) = A e−j2πf t dt =
−∆/2
(Z )
+∆/2 Z +∆/2
=A cos(2πf t) dt − j sin(2πf t) dt
−∆/2 −∆/2

essendo il seno una funzione dispari il secondo integrale è nullo per cui si avrà semplicemente:
Z +∆/2
X(f ) = A cos(2πf t) dt
−∆/2

essendo, invece, il coseno una funzione pari si può scrivere:

Z +∆/2
X(f ) = 2A cos(2πf t) dt
0

calcolando ora la primitiva dell’integrale avremo:

sin(2πf ∆
2)
X(f ) = 2A
2πf

semplificando e moltiplicando numeratore e denumeratore per ∆ avremo:

sin(πf ∆)
X(f ) = A∆ = A∆sinc(πf ∆)
πf ∆

la cui rappresentazione grafica è:

Figura 13: A∆sinc(πf ∆)

Lo spettro di ampiezza della trasformata di Fourier è il modulo (o valore assoluto) della

trasformata |X(f )|: p
|X(f )| = R2 (f ) + I 2 (f )

26
è una funzione pari di f .
Lo spettro di fase della trasformata di Fourier è l’argomento della trasformata Arg (X(f )) =
Φx (f ):
I(f )
Φx (f ) = arctg
R(f )
è una funzione dispari di f .

Domanda 27: Calcolare la X(f ) di x(t) = u(t) a partire dal calcolo della trasformata di
Fourier di x0 (t) = e(−αt) u(t)

Partendo dal segnale x0 (t) = e(−αt) u(t) rappresentato in figura:

Figura 14: x(t) = e(−αt) u(t) con α>0

questo segnale non è limitato nel tempo e si può considerare come una cuspite esponeziale
che per tempi negativi è zero e per tempi positivi ha un andamento esponenziale decrescente;
questo per il fatto che l’esponenzile negativo è moltiplicato per il gradino u(t) che vale zero per
valori di t negativi ed uno per valori di t positivi.
Bisogna verificare se questo segnale ammette la trasformata di Fourier. E’ un segnale reale e
positivo quindi il suo modulo coincide con il segnale stesso quindi bisogna verificare che :
Z ∞
e−αt dt
0
esiste e sia finito, oppure considerando l’energia (il quadrato del segnale)
Z ∞
e−2αt dt
0
esiste e sia finita.
Risolvendo il primo integrale si ha:
Z ∞ Z ∞ Z ∞
−αt −αt α 1
e dt = e dt = αe−αt dt =
0 0 α α 0
dx
facendo la posizione αt = x da cui dt = si ha :
α
Z ∞
1 ∞ −x
Z
1 −x dx 1
= αe = e dx =
α 0 α α 0 α
allo stesso modo il secondo integrale (quello dell’enegia) viene:
Z ∞
1
e−2αt dt =
0 2α
quindi si può dire che questo segnale ammette la trasformata di Fourier.
Per calcolare la trasformata di Fourier si procede, applicando la formula della trasformata di
Fourier, nel seguente modo:
Z ∞ Z ∞
−αt −j2πtf
e e dt = e−(α+j2πf )t dt =
0 0

27
 Z ∞
α + j2πf
= e−(α+j2πf )t dt =
0 α + j2πf
dx
facendo la posizione (α + j2πf )t = x da cui dt = α+j2πf si ha:
Z ∞
1 dx
= (α + j2πf )e−x =
α + j2πf 0 α + j2πf
Z ∞
1 1
= e−x dx =
α + j2πf 0 α + j2πf
Quindi infine si ha:
1
F e−αt u(t) =


α + j2πf
Avendo calcolato la trasformata del segnale e−αt u(t) per arrivare alla trasformta del gradino u(t)
si pùò vedere che se si fa il limite di α che tende a zero otteniamo il segnale gradino u(t), per cui
se applichiamo il limite anche al valore della trasformata del segnale ottenuto precedentemente
si otterrà la trasformata del gradino. Quindi scriviamo:
se
u(t) = lim e(−αt) u(t)
α→0

allora
1
U (f ) = lim
α→0 α + j2πf

Per calcolare il limite del numero complesso facciamo alcuni passaggi matematici di razionaliz-
zazione per mettere in evidenza la parte reale e la parte immaginaria:

1 α − j2πf 1 α − j2πf
= · = =
α + j2πf α − j2πf α + j2πf α2 + (2πf )2

α 2πf
= 2 −j
α2 + (2πf ) α2 + (2πf )2
a questo punto si può applicare il limite alla parte reale e a quella immaginaria

α 2πf
lim 2 − j lim
α→0 α2 + (2πf ) α→0 α2 + (2πf )2

il primo limite sarà una delta di Dirac ( 12 δ(f ) ) che è la parte reale dello spettro ed è lo spettro al
1
limite del segnale costante; il secondo limite sarà −j 2πf che è la parte immaginaria dello spettro
e rappresenta la variazione del gradino (da 0 a 1 ).
La trasformata di Fourier del gradino unitario sarà:

1 1 1 1
F {u(t)} = δ(f ) − j = δ(f ) +
2 2πf 2 j2πf

Domanda 28: Riportare le caratteristiche della trasformata di Fourier di un segnale 1)

reale e pari e 2) reale e dispari

Partendo dalla trasformata di Fourier scritta con il coseno ed il seno, ossia:

Z +∞
X(f ) = x(t){cos(2πf t) − jsin(2πf t)} dt
−∞

28
da cui ricaviamo i due integrali:
Z +∞ Z +∞
X(f ) = x(t)cos(2πf t) dt − j x(t)sin(2πf t) dt
−∞ −∞

si può dire che, in generale, la trasformata di Fourier assume valori complessi, anche quando
x(t) è una funzione a valori reali. Tuttavia, se la funzione x(t) è pari, il prodotto x(t)cos(2πf t) è
pari mentre x(t)sin(2πf t) è dispari, quindi:
Z +∞ Z +∞
x(t)cos(2πf t) dt = 2 x(t)cos(2πf t) dt,
−∞ 0
Z +∞
e x(t)sin(2πf t) dt = 0
−∞
Analogamente, se x(t) è una funzione dispari, il prodotto x(t)cos(2πf t) è dispari mentre
x(t)sin(2πf t) è pari, quindi:
Z +∞
x(t)cos(2πf t) dt = 0,
−∞
Z +∞ Z +∞
e x(t)sin(2πf t) dt = 2 x(t)sin(2πf t) dt
−∞ 0
In particolare se x(t) è reale e pari, allora X(f ) è reale e pari, mentre se x(t) è reale e dispari,
allora X(f ) è a valori immaginari puri e dispari.

Domanda 29: Discutere il principio di dualità e applicarlo al calcolo della trasformata

di x(t) = ABsinc(πBt)

Il pricipio di dualità è una delle proprietà della trasformata di Fourier. Ricordando le

funzioni trasformata e antitrasformata:
Z +∞
X(f ) = x(t)e−j2πtf dt
−∞
Z +∞
x(t) = X(f )ej2πtf df
−∞
ed osservando la simmetria esistente tra la trasformata e la sua inversa rispettivamente nella
variabile t e nella variabile f , vale allora (invertendo la variabile f con t):
Z +∞ Z +∞
X(t)e j2πf t
dt = X(t)e−j2π(−f )t dt = x(−f )
−∞ −∞

significa che se a un segnale x(t) corrisponde una trasformta X(f ) allora al segnale X(t) cioè
un segnale nell’andamento della trasformata corrisponde in frequenza lo stesso segnale x(−f )
con l’asse rovesciato.
La stessa cosa vale se si fa:
Z +∞ Z +∞
−j2πf t
x(f )e df = x(f )ej2πf (−t) df = X(−t)
−∞ −∞

cioè significa che ad uno spettro che ha l’andamento di un segnale noto corrisponde un segnale
nel tempo che ha l’andamento della trasformata con asse dei tempi rovesciato.
Ricapitolando:
F {X(t)} = x(−f )

29
 F −1 {x(f )} = X(−t)
Questa proprietà è utile per usare le tavole delle trasformate e delle anti-trasformate in modo
"simmetrico".
L’importanza della proprietà si può vedere con questo segnale d’esempio:

x(t) = ABsinc(πBt)

se si deve applicare la trasformata di Fourier si ha:

Z +∞
ABsinc(πBt)e−j2πtf dt
−∞

è un integrale che si può risolvere ma è complesso da risolvere, quindi si può applicare il

principio di dualità ricordando che la trasformata di y(t) = Arect∆ (t) ( un segnale rettangolare
di durata ∆ e ampiezza A) corrisponde a :

F (y(t)) = F (Arect∆ (t)) = A∆sinc(πf ∆)

applicando il principio di dualità al nostro segnale segnale ABsinc(πBt) avremo:

F (x(t)) = F (ABsinc(πBt)) = ArectB (f )

Domanda 30: Discutere la proprietà di inversione dell’asse e applicarla al calcolo della

trasformata di x(t) = e(αt) u(−t)

Si supponga di avere un segnale x(t) al quale corrisponde una trasformata X(f ), e un

segnale x(−t) che corrisponde al segnale x(t) con l’asse invertito. La proprietà di inversione
dell’asse afferma che la trasformata del segnale x(−t) corrisponde alla trasformata X(−f ).
La dismostrazione è molto semplice, si supponga di avere:
Z +∞
Y (f ) = x(−t)e−j2πtf dt
−∞

si fa un cambio di variabile, θ = −t
Z +∞ Z +∞
−j2π−θf
X(f ) = x(θ)e dθ = x(θ)e−j2πθ(−f ) dθ
−∞ −∞

Applicando il principio al segnale x(t) = e(αt) u(−t), e sapendo che la trasformata del segnale:

1
F e−αt u(t) =


α + j2πf
si avrà:
1
F e−αt u(−t) =


α − j2πf

Domanda 31: Discutere l’effetto di un ritardo temporale t0 sullo spettro di un segnale

x(t)

Dato un segnale noto x(t) che ha un certo spettro X(f ), si considera un secondo segnale y(t)
ottenuto dal primo facendo una traslazione nel tempo y(t) = x(t − t0 ) (se t0 è positivo significa

30
che il segnale è ritardato; se t0 è negativo significa che il segnale è anticipato).
Lo spettro del segnale y(t) sarà:

Y (f ) = F {y(t)} = F {x(t − t0 )} = e−j2πf t0 X(f )

cioè corrisponde allo spettro del segnale x(t) non traslato moltiplicato la quantità e−j2πf t0 che è
un fattore che tiene conto della traslazione t0 .
La dimostrazione parte dalla definizione della trasformata di Fourier:
Z +∞ Z +∞
−j2πf t
Y (f ) = x(t − t0 )e dt = x(t − t0 )e−j2πf (t−t0 +t0 ) dt =
−∞ −∞

si introduce una nuova variabile e si fa la posizione θ = t − t0 da cui dt = dθ

Z +∞ Z +∞
−j2πf (θ+t0 )
= x(θ)e dθ = x(θ)e−j2πf θ e−j2πf t0 dθ =
−∞ −∞
Z +∞
= e−j2πf t0 x(θ)e−j2πf θ =
−∞

e quindi infine si avrà:

= e−j2πf t0 X(f )
L’ampiezza di questo segnale non cambia perchè il modulo il modulo |Y (f )| del segnale traslato
Y (f ) = e−j2πf t0 X(f ) è uguale a :
|Y (f )| = |X(f )|
quindi al modulo del segnale non traslato, ciò significa che una traslazione (ritardo o anticipo)
del segnale non modifica l’ampiezza del segnale.
La fase, invece, subisce una variazione come di seguito riportata:

Φy = Φx − j2πf t0 (ritardo); Φy = Φx + j2πf t0 (anticipo).

Domanda 32: Discutere la proprietà di modulazione/prodotto

Prima di discutere la proprietà di modulazione/prodotto è conveniente discutere della

traslazione di frequenza dello spettro di un segnale (o della trasformata di un segnale).
Supponiamo di avere lo spettro X(f ) di un segnale noto x(t) , si considera un secondo spettro
Y (f ) ottenuto dal primo facendo una traslazione in frequenza Y (f ) = X(f − f0 ) il segnale y(t)
traslato in frequenza sarà dato dalla seguente operazione.

y(t) = F −1 {Y (f )} = F −1 {X(f − f0 )} = ej2πtf0 x(t)

si avrà quindi un segnale y(t) che è dato dal segnale noto x(t) moltiplicato al fattore ej2πtf0 :
questa è l’operazione di modulazione di ampiezza. Per la dimostrazione si segue lo stesso ragio-
namento fatto per la traslazione nel tempo di un segnale noto visto nella domanda precerdente.
La modulazione-prodotto ha un forma specifica di realizzazione secondo la quale, come si
può vedere in figura, se si prende un segnale x(t) lo si manda all’ingresso di un dispositivo
a due ingressi ed un’uscita chiamato "mixer" e se all’altro ingresso si manda l’uscita di un
oscillatore OL a frequenza f0 indicato come cos(2πf0 t) si otterrà in uscita un segnale y(t) che
sarà il prodotto del segnale x(t) per il fattore cos(2πf0 t) Quindi scriviamo:

y(t) = x(t)cos(2πf0 t)

31
 Figura 15: modulazione-prodotto

ricordando le formule di Eulero scriviamo la seguente espressione:

ejx + e−jx
cosx =
2
quindi il segnale modulande cos(2πf0 t) sarà:

ej2πf0 t + e−j2πf0 t
cos(2πf0 t) =
2
quindi:
ej2πf0 t + e−j2πf0 t x(t)ej2πf0 t + x(t)e−j2πf0 t
y(t) = x(t) =
2 2
La trasformata o spettro del segnale y(t) sarà:

X(f − f0 ) + X(f + f0 )
F {y(t)} = Y (f ) =
2
quindi il segnale x(t) che nasce in banda base f viene portato intorno alla frequenza f0 che è la
frequenza portante.

Domanda 33: Discutere analiticamente la trasformata del segnale y(t) ottenuto

derivando il segnale x(t)

La trasformata di Fourier della derivata di un segnale x(t) è uguale alla trasformata di

Fourier del segnale x(t) per un fattore j2πf :
 
d
F x(t) = j2πf X(f )
dt

Per dimostrare la proprietà cosideriamo il segnale x(t) come l’antitrasformata di Fourier, e

quindi scriviamo:
Z +∞
x(t) = X(f )ej2πtf df
−∞
deriviamo membro a membro:
Z +∞
d d
x(t) = X(f )ej2πtf df =
dt dt −∞

le operazioni di derivazione e integrazione, essendo due operazioni linerari, si posso scambiare

tra di loro e quindi si può scrivere
Z +∞ Z +∞
d j2πtf d ej2πtf
= X(f )e df = X(f ) df =
−∞ dt −∞ dt
Z +∞
= X(f )j2πf ej2πtf df =
−∞

32
ricapitolando scriviamo:
Z +∞
d
x(t) = X(f )j2πf ej2πtf df
dt −∞

l’ultimo integrale rappresenta l’operazione di antitrasformata del prodotto X(f )j2πf possiamo,
quindi, scrivere:
d
x(t) = F −1 {X(f )j2πf }
dt
se applichiamo la trasformata al primo e al secondo menbro
 
d
x(t) = F F −1 {X(f )j2πf }

F
dt

otteremo in fine la tesi:  

d
F x(t) = j2πf X(f )
dt
Questa proprietà è molto importante perchè ci dice che derivare nel dominio del tempo si-
gnifica moltiplicare per un fattore j2πf nel dominio della frequenza. Quindi un’operazione
di derirazione diventa un’operazione di prodotto. Questa proprietà, quindi, è molto potente
perchè nello sviluppo dei calcoli si riesce ad eliminare l’operazione di derivazione. Inoltre, con
le operazioni di derivazione, si può andare avanti: calcolare la derivata seconda, la terza e così
via, molto semplicemente scrivendo:
 2 
d
F x(t) = (j2πf )2 X(f )
dt2
 3 
d
F x(t) = (j2πf )3 X(f )
dt3
e quindi la derivata ennesima:

dn
 
F x(t) = (j2πf )n X(f )
dtn

Domanda 34: Discutere analiticamente la trasformata del segnale y(t) ottenuto

integrando il segnale x(t) da −∞ a t

Prima di discutere della trasformata del segnale y(t) ottenuto integrando il segnale x(t)
da −∞ a t bisogna discutere dell’antitrasformata della derivata di uno spettro. Cioè si ha che
l’antitrasformata di Fourier della derivata di uno spettro X(f ) è uguale al segnale x(t) per un
fattore −j2πt:  
−1 d
F X(f ) = −j2πt x(t)
df
questo è il risultato duale a quello considerato nella precedente domanda nel tempo.
Per dimostrare questa proprietà si procede partendo dalla formula della trasformata di un
segnale x(t):
Z +∞
X(f ) = x(t)e−j2πtf dt =
−∞

deriviamo membro a membro:

Z +∞
d d
X(f ) = x(t)e−j2πtf dt =
df df −∞

33
le operazioni di derivazione e integrazione, essendo due operazioni linerari, si posso scambiare
tra di loro e quindi si può scrivere

d e−j2πtf
Z +∞ Z +∞
d
= x(t)e−j2πtf dt = x(t) dt =
−∞ df −∞ df
Z +∞
= x(t)(−j2πt) e−j2πtf dt =
−∞
ricapitolando scriviamo:
Z +∞
d
X(f ) = x(t)(−j2πt) e−j2πtf dt
df −∞

l’ultimo integrale rappresenta l’operazione di trasformata del prodotto x(t)(−j2πt) possiamo,

quindi, scrivere:
d
X(f ) = F {x(t)(−j2πt)}
df
se applichiamo l’antitrasformata al primo e al secondo menbro
 
−1 d
F X(f ) = F −1 {F {x(t)(−j2πt)}}
df

otteremo in fine la tesi:  

−1 d
F X(f ) = −j2πt x(t)
df
Per calcolare la trasformata dell’integrale di un segnale si fanno le seguenti considerazioni:
partendo dalla rappresentazione della funzione integrale del segnale x(t)
Z t
y(t) = x(θ)dθ
−∞

si può derivare primo e secondo membro ottenedo la seguente

d
y(t) = x(t)
dt
considerando le trasformate dei due membri si può scrivere:

2jπf Y (f ) = X(f )

da cui
1
Y (f ) = X(f )
2jπf
questo vale solo se y(t) è trasformabile secondo Fourier.

Domanda 35: Calcolare la trasformata di Fourier del segnale x(t) = tri∆ (t) (triangolo
di semibase ∆, centrato in t = 0, x(0) = 1)

Per calcolare la trasformata del segnale in questione, oltre che applicare direttamente la
definizione, si può pensare di utilizzare la proprietà della trasformata della derivata di un
segnale.
Se consideriamo la derivata del segnale triangolare sappiamo che essa è la somma di due
rettangoli; perchè da −∆ a 0 il triangolo è una retta crescente di cui il coefficiente angolare è
A/∆ mentre da 0 a ∆ il triangolo è una retta decrescente di cui il coefficiente angolare è −A/∆

34
 Figura 16: segnale triangolare

Figura 17: derivata del segnale triangolare

e quindi si ha primo rettangolo centrato in t + ∆/2 di base ∆ e altezza A/∆ e un secondo

rettangolo centrato in t − ∆/2 di base −∆:

d A
x(t) = {rect∆ (t + ∆/2) − rect∆ (t − ∆/2)}
dt ∆
applicando ora la trasformata e ricordanto che la trasformata di un segnale rettangolate
Arect∆ (t) è uguale A∆sinc(πf ∆) e ricordando la proprietà di traslazione nel tempo di un
segnale x(t) ovvero F {x(t ± t0 )} = e±j2πf t0 X(f ), l’espressione precedente si può scrivere:
   
d A
F x(t) = F {rect∆ (t + ∆/2) − rect∆ (t − ∆/2)} =
dt ∆

= Asinc(πf ∆)e+jπf ∆ − Asinc(πf ∆)e−jπf ∆ =

n o
= Asinc(πf ∆) e+jπf ∆ − e−jπf ∆ =

ricordando la formula di Eulero del seno sinx = (e+jx − e−jx )/2j da cui e+jx − e−jx = 2jsinx
si ottiene:
= 2jA sinc(πf ∆) sin(πf ∆)
d
Adesso, ricordando la proprietà della trasformata della derivata F dt x(t) = j2πf X(f ) e che
il segnale x(t) = A tri∆ (t) è trasformabile e la trasformata della sua derivata vale
 
d
F x(t) = 2jA sinc(πf ∆) sin(πf ∆),
dt

possiamo scrivere:
j2πf X(f ) = 2jA sinc(πf ∆) sin(πf ∆)
da cui
2jA sinc(πf ∆) sin(πf ∆)
X(f ) =
j2πf
semplificando numeratore e denominatore per 2j e moltiplicando numeratore e denumenatore
per ∆ avremo:
A∆ sinc(πf ∆) sin(πf ∆)
= = A∆ sinc2 (πf ∆)
πf ∆

35
In conclusione possiamo scrivere che la trasformata di Fourier del segnale triangolare x(t) =
A tri∆ (t) è
F {A tri∆ (t)} = A∆ sinc2 (πf ∆)
nello specifico il segnale triangolare della domanda valeva tri∆ (t) dove in x(0) = 1 quindi la
risposta alla domanda è semplicemente:

F {tri∆ (t)} = ∆ sinc2 (πf ∆)

Domanda 36: Presentare: (no dimostrazione) la trasformata di Fourier delle funzioni

delta di Dirac x(t) = δ(t) e costante x(t) = c

La trasformata di Fourier dell’impulso di Dirac è una trasformata di notevole importanza.

Se consideriamo la seguente funzione:

x(t) = δ(t)

e applichiamo l’espressione del calcolo della trasformata avremo:

Z +∞
X(f ) = δ(t)e−j2πf t dt
−∞

come sappiamo una delle caratteristiche dell’impulso di Dirac e quella di leggere il valore della
funzione nel punto dove l’impulso è applicato (proprietà campionatrice dell’impulso di Dirac);
l’espressione precedente si può riscrivere:
Z +∞
X(f ) = δ(t − t0 )e−j2πf t dt, con t0 = 0
−∞

quindi grazie alla proprietà campionatrice si avrà:

X(f ) = e−j2πf t0 = 1

perchè t0 = 0 e quindi l’esponenziale e−j2πf t0 è uguale ad 1.

Si può, quindi, affermare che la trasformata dell’impulso di Dirac è uguale all’unita:

F {δ(t)} = 1

Questa particolare trasformata è anche una proprietà perchè rappresenta la corrispondenza del-
l’impulso di Dirac nel dominio del tempo con l’unita (la costante) nel dominio della frequenza;
l’impulso di Dirac è, quindi, una funzone che ha come trasformata la costante unitaria e questo
vuol dire che nell’impulso di Dirac sono presenti tutte le frequenze con lo stesso identico peso
per cui è una funzione che non ha alcuna selezione in frequenza.
La costante, quindi x(t) = c, non è un segnale trasformabile perchè essa è la componente
continua ossia quella parte del segnale che non cambia nel tempo. Infatti se verifichiamo la
condizione di trasformabilità (condizioni di Dirichlet) ossia che l’integrale da −∞ a +∞ del
segnale da trasformare debba esistere ed essere finito, si ha che:
Z +∞ Z +∞ Z +∞
x(t) dt = c dt = c dt → ∞
−∞ −∞ −∞

l’integrale diverge e quindi non si può ritenere la costante un segnale trasformabile.

Comunque si può trovare un altro modo perchè alla costante si ci può andare attraverso un
operazione di limite. Se prendiamo la cuspite di tipo esponenziale e−α|t| ,

36
 Figura 18: cuspite

in questa funzione se facciamo tendere α a 0 si vede che la funzione tende a diventare una
costante, nello specifico l’unità. E quindi si può scrivere:

1 = lim e−α|t|
α→0

grazie alla proprietà di linearità, di cui gode la trasformata di Fourier, lo stesso ragionamento di
limite si può applicare alle trasformate. Applichiamo quindi la trasformata al primo e secondo
membro e avremo:
2α
F {1} = lim 2
α→0 α + (2πf )2

Quindi si assume la trasformata della costante unitaria come il limite sopra espresso, ma il
limite della funzione è dimostrabile che è uguale all’impulso di Dirac, quindi

2α
F {1} = lim = δ(f )
α→0 α2 + (2πf )2

Si può dire, infine, che la trasformata di Fourier di una costante, come caso limite, è:

F {c} = c δ(f )

Domanda 37: Presentare (dimostrazione facoltativa) la trasformata di Fourier delle

funzioni: x(t) = ej2πf0 t ; x(t) = cos(2πf0 t); x(t) = sin(2πf0 t).

La trasformata di Fourier della funzione x(t) = ej2πf0 t é:

n o
F ej2πf0 t = δ(f − f0 )

cioè al segnale ej2πf0 t corrisponde lo spettro di un impulso traslato in frequenza posizionato su

f0 .
Per dimostrare tale affermazione applichiamo la formula dell’antitrasformata di Fourier allo
spettro del segnale x(t) = ej2πf0 t ossia su δ(f − f0 ):
Z +∞ Z +∞
x(t) = δ(f − f0 )e j2πf t
df = δ(f − f0 )ej2π(f −f0 +f0 )t df =
−∞ −∞

facendo ora la posizione θ = f − f0 e quindi df = dθ avremo:

Z +∞ Z +∞
j2π(θ+f0 )t
= δ(θ)e dθ = δ(θ)ej2πθt ej2πf0 t dθ =
−∞ −∞
Z +∞
= ej2πf0 t δ(θ)ej2πθt dθ = ej2πf0 t
−∞

37
 R +∞
ricordando che, per la proprietà campionatrice della delta di Dirac, −∞ δ(θ − θ0 )ej2πθt dθ =
ej2πθ0 t , ed essendo θ0 = 0 l’integrale sarà, quindi, uguale a 1.
La trasformata di Fourier della funzione x(t) = cos(2πf0 t) è:
1 1
F {cos(2πf0 t)} = δ(f − f0 ) + δ(f + f0 )
2 2
questo è lo spettro di un segnale cosinusoidale di ampiezza unitaria (A = 1) formato da due
impulsi, uno centrato in f0 e l’altro in −f0 , con ampiezza 1/2. Lo spettro di fase è nullo perchè
dalla formuala di eulero si vede, già, che non c’è un fattore di fase.
Per dimostrare tale tesi ricordiamo la formula di Eulero per il coseno cosx = (ejx + e−jx )/2 e
quindi il segnale x(t) = cos(2πf0 t) si potrà scrivere:

ej2πf0 t + e−j2πf0 t
x(t) =
2
quindi:
ej2πf0 t + e−j2πf0 t j2πf t
+∞
Z
X(f ) = e dt
−∞ 2
1 +∞ j2πf0 t −j2πf t 1 +∞ −j2πf0 t −j2πf t
Z Z
= e e dt + e e dt =
2 −∞ 2 −∞
ricordando che F ej2πf0 t = δ(f − f0 ) e che F e−j2πf0 t = δ(f + f0 ) possiamo scrivere la tesi:
 

1 1
F {cos(2πf0 t)} = δ(f − f0 ) + δ(f + f0 )
2 2
La trasformata di Fourier della funzione x(t) = sin(2πf0 t) è:
1 1
F {sin(2πf0 t)} = −j δ(f − f0 ) + j δ(f + f0 )
2 2
questo è lo spettro di un segnale sinusoidale di ampiezza unitaria (A = 1) formato da due
impulsi, uno centrato in f0 e l’altro in −f0 , con ampiezza 1/2. Lo spettro di fase non è nullo
perchè sulla frequenza positiva abbiamo −j e quindi il seno ha fase −π/2 mentre sulla frequenza
negativa abbiamo j e quindi il seno ha fase π/2.
Per dimostrare tale tesi ricordiamo la formula di Eulero per il seno sinx = (ejx − e−jx )/2j e
quindi il segnale x(t) = sin(2πf0 t) si potrà scrivere:

ej2πf0 t − e−j2πf0 t
x(t) =
2j
quindi:
ej2πf0 t − e−j2πf0 t j2πf t
+∞
Z
X(f ) = e dt
−∞ 2j
Z +∞ Z +∞
1 1
= ej2πf0 t e−j2πf t dt − e−j2πf0 t e−j2πf t dt =
2j −∞ 2j −∞
ricordando che F ej2πf0 t = δ(f − f0 ) e che F e−j2πf0 t = δ(f + f0 ) possiamo scrivere la tesi:
 

1 1
F {sin(2πf0 t)} = −j δ(f − f0 ) + j δ(f + f0 )
2 2

Domanda 38: Presentare la trasformata di Fourier delle seguenti funzioni e discutere

l’effetto sullo spettro di x(t) sull’asse delle frequenze: x(t)cos(2πf0 t); x(t) ∗ cos(2πf0 t)

38
 La trasformata della funzione x(t)cos(2πf0 t), che è un segnale modulato in banda traslata
ottenuto attraverso la modulazione/prodotto del segnale x(t), ha questo valore:
1 1
F {x(t)cos(2πf0 t)} = X(f − f0 ) + X(f + f0 )
2 2
dallo spettro della modulazione/prodotto deduciamo che la moltiplicazione del segnale x(t) per
la funzione cosinusoidale ha prodotto una doppia traslazione dello spettro (verso le frequenze
positive e verso quelle negative) in ragione della quantità f0 . L’analisi degli spettri ci fa vedere
che il segnale x(t) nasce in banda base f e poi viene traslato intorno alla frequenza f0 ( segnale
in banda traslata )che è la frequenza portante con un fattore di scala nelle ampiezze pari a 1/2.
Nella rappresentazione grafica degli spettri sull’asse delle frequenze avrevo, quindi:

Figura 19: segnale in banda base

Figura 20: segnale in banda traslata

La trasformata della funzione x(t) ∗ cos(2πf0 t), ossia il prodotto di convoluzione tra il
segnale x(t) e il segnale cosinusoidale è uguale al prodotto delle trasformate delle due funzioni,
quindi avremo:
F {x(t) ∗ cos(2πf0 t)} = F {x(t)} · F {cos(2πf0 t)} =
 
1 1
= X(f ) δ(f − f0 ) + δ(f + f0 )
2 2
sfruttando la proprietà campionatrice della delta di Dirac ossia la δ(t) "campiona" le funzioni
per cui viene moltiplicata: f (t)δ(t − a) = f (a)δ(t − a) , l’espressione precedente sarà uguale a:

X(f0 ) X(−f0 )
= δ(f − f0 ) + δ(f + f0 )
2 2
in questa espressione dello spettro, se i segnali sono reali, abbiamo che X(−f0 ) = X ∗ (f0 ) cioè
che il modulo per frequenze negative e positive è lo stesso, ma la fase è opposta e quindi
possiamo scrivere:
X(f0 ) jφ0 X(f0 ) −jφ0
= e δ(f − f0 ) + e δ(f + f0 )
2 2

39
da cui calcolando modulo e fase possiamo scrivere che:

x(t) ∗ cos(2πf0 t) = |X(f0 )| · cos(2πf0 t + φ0 )

cioè che la convoluzione di un segnale per un coseno riporta ad un coseno con la stessa frequenza
ma con ampiezza e fase modificata.

Domanda 39: Spiegare il problema che si ha a dare una definizione di banda per un
segnale a durata finita e dare la definizione di banda a 3 dB, aiutandosi con una figura.

Nell’ambito delle trasmissioni di segnali la banda di un segnale gioca un ruolo molto

importante soprattutto in rapporto a quello che è la banda di un canale o la banda di un sistema.
Ci sono diverse definizioni della banda di un segnale che possono trattare situazioni differenti.
Si supponga di avere un segnale x(t) con lo spettro X(f ). Consideriamo che il segnale x(t)
abbia uno spettro di larghezza infinita. Diventa necessario, quindi, limitare la larghezza dello
spettro perchè non esistono canali per trasmettre segnali con larghezza di banda infinita. Allora,
ad un segnale:
Z +∞
x(t) = X(f ) ej2πf t df
−∞
al quale corrisponde uno spettro con larghezza di banda infinita (infatti l’antitrasformata va da
−∞ a +∞) e con un energia
Z +∞
Ex = |X(f )|2 df,
−∞
bisogna limitare la banda da −B a +B, e quindi scriviamo:
Z +B
xa (t) = X(f ) ej2πf t df
−B

con energia:
Z +B
Ea = |X(f )|2 df
−B
Il segnale xa (t) ottenuto in questo modo sarà un’approssimazione del segnale x(t) ed è il risul-
tato dell’operazione di antitrasformata fatta in un intervallo che va da −B a +B. L’operazione
di antitrasformata fatta limitatamente alla banda −B a +B è equivalente all’antitrasformata del
prodotto tra la trasformata X(f ) con un segnale rect2B (f ). In altre parole, è come se il segnale
xa (t) avesse come sua trasformata di Fourier il prodotto tra X(f ) con un segnale rect2B (f ); cioè
lo stesso spettro di quello del segnale originale x(t) nell’intervallo da −B a +B e zero al di fuori
di questo intervallo:
Xa (f ) = X(f )rect2B (f )
l’effetto di questa limitazione di Banda sarà che il segnale approssimato xa (t) si discosterrà dal
segnale originale x(t) con un errore:

ε1a (t) = x(t) − xa (t)

è un errore istantaneo e puntuale e dove si avrà:

lim ε1a (t) = 0

B→∞

Questa appena vista è una prima definizione dell’errore. Un seconda definizione dell’errore è :
Z +∞
2
ε2a = |x(t) − xa (t)|2 dt
−∞

40
ed è legata alla definizione dell’energia dell’errore istantaneo; anche in questo caso l’errore
tenderà a zero al tendere di B all’infinito. Il parametro ε2a ( ossia la radice quadrata di ε22a )
si chiama errore quadratico medio. Questo è uno strumento che ci aiuta a fare una valutazione
complessiva dell’errore perchè si ha un numero unico per definire la dimensione dell’errore.
Il problema di queste definizioni di errore è che sono direttamente legate all’ampiezza del
segnale e quindi in questo modo non si ha la possibilità di poter apprezzare bene la misurazione
di errore di un segnale rispetto ad un altro, per questo si normalizza l’errore trasformandolo in
errore percentuale per cui si avrà, l’errore quadratico percentuale:
R +B
Ex − Ea |X(f )|2 df
εp = = 1 − −B
Ex Ex
con
lim εp = 0
B→∞
in questo modo si ha una prima definizione di banda legata all’energia del segnale che si vuole
accettare o all’andamendo della forma d’onda nel tempo.
Un altra possibilie definizione di banda, legata più ai circuiti, è la Banda a 3db e cioè quel-
l’intervallo di frequenza in cui l’ampiezza dello spettro non è inferiore a 0,707 volte del valore
massimo.

Figura 21: Banda a 3db

come si può vedere dall’esempio della figura precedente nel caso di un segnale del tipo senx/x
la larghezza di banda B3 è uguale a
0, 886
B3 =
τ
la banda è proporzionale all’inverso della durata dell’impulso

Domanda 40: Dare la definizione di correlazione tra segnali di potenza. Mostrare il le-
game con la potenza del segnale. Descrivere il legame tra potenza e spettro di potenza
per segnali di potenza e presentare il teorema di Wiener.

Prima di dare la definizione di correlazione tra segnali di potenza bisogna ricordare l’espres-
sione del prodotto scalare tra due segnali di energia ossia l’integrale del prodotto del coniugato
di un segnale con un altro segnale:
Z +∞
x∗ (t)y(t) dt
−∞

da cui dal teorema di Parseval si ha:

Z +∞ Z +∞
x∗ (t)y(t) dt = X ∗ (f )Y (f ) df
−∞ −∞

Nell’elaborazione nonchè nella trasmissione dei segnali, spesso, è necessario confrontare

due segnali e stabilire quanto essi risultino simili. Il prodotto scalare riesce a dare una misura

41
della somiglianza tra i segnali stessi, ma nasce un problema quando si hanno due segnali
identici ma non sovrapposti perchè centrati in due istanti t0 e t1 , tali che facendo il prodotto
scalare tra i due segnali il risultato sarà nullo pur essendo due segnali uguali. Per trovare la
somigliaza bisogna introdurre, quindi, un parametro temporale che permetta di superare tale
problematica. A questo proposito l’espressione del prodotto scalare si riscrive in maniera più
generalizzata in questo modo:
Z +∞ Z +∞
∗
x (t)y(t + τ ) dt = X ∗ (f )Y (f )ej2πf τ df
−∞ −∞

quindi per segnali di energia si definisce funzione di correlazione incrociata tra i segnali x(t) e y(t)
la quantità:
Z +∞
Rxy (τ ) = X ∗ (f )Y (f )ej2πf τ df
−∞

Nel caso in cui i segnali x(t) e y(t) siano lo stesso segnale si definisce l’autocorrelazione di un
segnale così rappesentata:
Z +∞ Z +∞
∗
x (t)x(t + τ ) dt = X ∗ (f )X(f )ej2πf τ df =
−∞ −∞
Z +∞
= |X(f )|2 ej2πf τ df
−∞
scriviamo: Z +∞
Rxx (τ ) = |X(f )|2 ej2πf τ df
−∞

Estendendo questo concetto ai segnali di potenza si avrà quindi:

Z + ∆t
1 2
Rxy (τ ) = lim x∗ (t)y(t + τ ) dt
∆→∞ ∆t − ∆t
2

e quando sono lo stesso segnale:

Z + ∆t
1 2
Rxx (τ ) = lim x∗ (t)x(t + τ ) dt
∆→∞ ∆t − ∆t
2

Nel caso in cui la funzione di autocorrelazione Rxx (τ ) si trovi nell’origine cioè τ = 0 si avrà:
Z + ∆t Z + ∆t
1 2 1 2
Rxx (0) = lim x∗ (t)x(t) dt = lim |x(t)|2 dt = Px
∆→∞ ∆t − ∆t ∆→∞ ∆t − ∆t
2 2

e quindi si vede che la funzione di autocorrelazione nell’origine ci dà la potenza del segnale.

Come sappiamo per i segnali di potenza non è possibile ricavare lo studio armonico attra-
verso la trasformata di Fourier perchè questo tipo di segnali non soddisfono le condizioni di
Dirichlet e quindi la trasformata non esiste. Esiste però la possibilità di arrivare allo studio
armonico dei segnali di potenza attraverso la funzione di autocorrelazione.
Facciamo le seguenti considerazioni: per un segnale ad energia finita, l’energia normalizzata
può essere calcolata integrando il quadrato del modulo del segnale nel dominio del tempo o nel
dominio della frequenza (teorema di Parseval):
Z +∞ Z +∞
Ex = |x(t)|2 dt = |X(f )|2 df
−∞ −∞

42
la quantità |X(f )|2 prende il nome di densità spettrale di energia per un segnale ad energia
finita ed è la trasformata di Fourier dell’autocorrelazione (Teorema di Wiener):
Z +∞
|X(f )|2 = Rxx (τ )e−j2πf τ dτ
−∞

possiamo scrivere che la densità spettrale per i segnali di energia è:

Sxx (f ) = |X(f )|2

Per i segnali di potenza possiamo scrivere che la potenza è:

Z + ∆t
1 2
P = lim |x(t)|2 dt
∆t→∞ ∆t − ∆t
2

che può essere vista come il limite del rapporto tra l’energia del segnale nell’intervallo temporale
(− ∆t ∆t
2 , 2 ) e la durata dell’intervallo temporale stesso ∆t. Se indichiamo con x∆t (t) il segnale
x(t) “troncato” all’interno della finestra temporale (− ∆t ∆t
2 , 2 ) , cioè lo si fa passare attraverso
un filtro avente una funzione di trasferimento pari a 1, nell’intervallo [t, t + ∆t], e zero altrove,
possiamo scrivere:
x∆t = x(t)rect∆t (t)
La densità spettrale di potenza è definita come il limite del rapporto tra la densità spettrale di
energia del segnale troncato |X∆t (f )|2 e l’ampiezza della finestra ∆t:

|X∆t (f )|2
Sxx (f ) = lim
∆t→∞ ∆t
dove: Z +∞
2
|X∆t (f )| = Rxx (τ )e−j2πf τ dτ
−∞

e dove la funzione di autocorrelazione Rxx (τ ) è quella per i segnali di potenza:

Z + ∆t
1 2
Rxx (τ ) = lim x∗ (t)x(t + τ ) dt
∆→∞ ∆t − ∆t
2

Domanda 41: Dare la definizione di risposta in frequenza di un sistema lineare e

permanente. Nel caso di segnale di ingresso sinusoidale, scrivere l’espressione del
segnale di uscita

Un sistema lineare è un sistema per il quale vale la sovrapposizione degli effetti e cioè un
Psistema
che se in ingresso ha la combinazione lineare di un certo numero di segnali x(t) = ai xi (t)
corrisponde in uscita alla combinazione lineare secondoP gli stessi coefficienti delle risposte che
singolarmente corrispondono ai singoli ingressi y(t) = ai yi (t).
Un sistema è permanente quando se ad un ingresso x(t) corrisponde un uscita y(t) allora ad
un ingresso x(t − τ ) deve corrispondere un uscita y(t − τ ).
Abbiamo allora che nei sistemi lineari e permanenti l’uscita è la convoluzione tra l’ingresso
e una funzione del tempo chiamata risposta impulsiva (che è quella che si ottiene quando in
ingresso si ha un impulso di Dirac), scriviamo:
Z +∞
y(t) = x(t) ∗ h(t) = x(τ )h(t − τ ) dτ
−∞

43
ad una convoluzione nel dominio del tempo corrisponde un prodotto nel dominio della frequen-
za questa corrispondenza è una delle chiavi importanti dell’uso della trasformata di Fourier;
chiaramente questa corrispondenza esiste se esistono le trasformate dei segnali della convolu-
zione ossia se sono segnali che attendono alle condizioni di Dirichlet. Deve esistere quindi la
trasformata del segnale in ingresso ma soprattutto la trasformata della risposta impulsiva h(t).
Se il sistema è stabile allora la trasformata della risposta impulsiva esiste H(f ) = F {h(t)} e si
chiama funzione di trasferimento o risposta in frequenza e si avrà quindi :

Y (f ) = X(f ) · H(f )

Supponiamo di avere in ingresso al sistema un segnale sinusoidale x(t) = Ap cos(2πf0 t)

utilizzando le proprietà di linearità e di modulazione della trasformata di Fourier, si ottiene che
la trasformata di x(t) vale:
Ap
X(f ) = [δ(f − f0 ) + δ(f + f0 )]
2
La trasformata dell’uscita può essere calcolata mediante l’espressione:

Y (f ) = X(f ) · H(f )

si ha quindi:
Ap
=H(f ) [δ(f − f0 ) + δ(f + f0 )]
2
grazie alla proprietà campionatrice della delta di Dirac la relazione precedenete si scriverà:

Ap
= [H(f0 )δ(f − f0 ) + H(−f0 )δ(f + f0 )]
2
se h(t) è reale, allora H(−f ) = H ∗ (f ), e quindi la relazione precedente diventa:

Ap
= [H(f0 )δ(f − f0 ) + H ∗ (f0 )δ(f + f0 )]
2
Per trovare l’espressione y(t) dell’uscita, bisogna effettuare l’antitrasformata di Fourier della
relazione precedente, avendo quindi:

Ap h i
y(t) = H(f0 )e+j2πf0 t + H ∗ (f0 )e−j2πf0 t
2
Ap h i
= |H(f0 )|e+j(2πf0 t+arg(H(f0 ))) + |H(f0 )|e−j(2πf0 t+arg(H(f0 )))
2
= Ap |H(f0 )|cos (2πf0 t + arg(H(f0 )))
L’espressione precedente è importantissima per i sistemi lineari. Mi dice che, se in ingresso
a un sistema lineare viene posto un ingresso sinusoidale con frequenza f0 , l’uscita è sempre
sinusoidale e con la stessa frequenza. Ciò che il sistema cambia sono l’ampiezza e la fase del
segnale: l’ampiezza viene moltiplicata per il valore di H(f ) calcolato in f0 , mentre la fase viene
sommata alla fase di H(f ) calcolata in f0 . Per questo motivo la funzione di trasferimento H(f )
viene anche detta risposta in frequenza: i suoi valori mi dicono di quanto vengono amplificate
attenuate e sfasate le componenti dei segnali sinusoidali in ingresso.

Domanda 42: Presentare le caratteristiche del rumore bianco

Il rumore bianco è un segnale che ha un’importanza fondamentale in tutti i problemi di

telecomunicazioni che abbiano alla base l’elettronica. La cartteristica del rumore bianco è quella

44
di avere uno spettro di densità di potenza costante; lo è almeno nell’intervallo di frequenze di
riferimento cioè quelle delle radiocomunicazioni.
Il modello matematico dello spettro di densità di potenza si rappresenta nel seguente modo:

kT
SN N (f ) =
2
k costante di Boltzman (1, 38 · 10−23 J/K ◦ )

T temperatura assoluta (K ◦ )

kT = −114 dBm /M Hz

L’antitrasformata di Fourier di questa costante è un impulso di Dirac nell’origine:

kT
RN N (t) = δ(t)
2
Il rumore bianco è importante perchè è sempre presente. I dispositivi elettronici lavorano ad una
temperatura diversa dallo zero assoluto e, quindi, il moto di agitazione termica degli elettroni
determina delle correnti casuali all’interno dei dispositivi. Queste correnti generano dei segnali
che in certe applicazioni limitano in maniera fondamentale il comportameto e la gestione dei
segnali di nostro interesse. I segnali da elaborare, per esempio, non possono diventare troppo
piccoli perchè altrimenti vengono coperti dal rumore bianco.
Adesso vediamo cosa succede all’uscita di un filtro quando il rumore bianco è presente
all’ingresso . Ricordando che in un sistema lineare (per esempio un filtro) l’autocorrelazione di
uscita è la convoluzione tra l’autocorrelazione dell’ingresso con l’autocorrelazione della risposta
impulsiva, scriviamo:
Ryy (t) = Rxx (t) ∗ Rhh (t)
siccome sappiamo che le autocorrelazioni sono tutte trasformabili vuol dire che lo spettro di
densità di potenza in uscita è uguale allo spettro di densità di potenza in ingresso moltiplicato
per il modulo della funzione di trasferimento del filtro al quadrato, quindi scriviamo:

Syy (f ) = Sxx (f ) · |H(f )|2

consideriamo la funzione di trasferimento di un filtro RC

1
H(f ) =
1 + j2πf RC
da cui
1
|H(f )|2 =
1 + (j2πf RC)2
quindi si avrà:
kT 1
Syy (f ) = Sxx (f ) · |H(f )|2 = ·
2 1 + (j2πf RC)2
adesso antitrasformando la densità spettrale di potenza dell’uscita Syy (f ) avremo l’autocorrela-
zione dell’uscita Ryy (t):
Ryy (t) = F −1 {Syy (f )}
kT −|t|/RC
Ryy (t) = e
4RC
quindi in pratica si avrà una costante che è kT
4RC moltiplicato un esponenziale e−|t|/RC che
fornisce un andamento di tipo cuspide.

45
Domanda 43: Presentare il legame tra lo spettro di un segnale e lo spettro dello stesso
segnale campionato. Discutere il problema dell’aliasing.

Il campionamento di un segnale rappresenta la lettura del valore che il segnale assume in

opportuni istanti di tempo. Ciò avviene inviando il segnale d’ingresso al circuito di utilizzazione
attraverso un interruttore disposto in serie sulla via del segnale. Quando l’interruttore è
chiuso il segnale viene letto; nel momento in cui l’interruttore si apre interviene un circuito
di tenuta che ha il compito di mantenere costante il livello del segnale per il tempo che passa
tra due campionamenti successivi. Di seguito una rappresentazione schematica del circuito di
campionamento:

Figura 22: circuito di campionamento

Rappresentando graficamente questa operazione di campionamento si vede che il segnale che

viene portato all’uscita diventa una successione di gradini che nel tempo assumono il valore di
ampiezza che il segnale ha in certi specifici istanti di tempo.

Figura 23: rappresentazione grafica del campionamento

Questo schema appena descritto serve per ragionare sui segnali e si può rappresentare come in
figura:

Figura 24: schema a blocchi di un campionatore

il segnale x(t) viene moltiplicato per una sequenza di campionamento c(t) ottenendo il segnale
campionato xc (t) mandato poi al circuito di tenuta rappresentato dalla funzione hH (t).
Abbiamo, quindi, la funzione di campionamento che è un treno periodico di impulsi di Dirac:
∞
X
c(t) = δ(t − kTc )
k=−∞

46
il circuito di tenuta è un dispositivo la quale funzione di trasferimento risponde come dei
rettangoli che hanno una durata pari all’intervallo tra gli istanti di campionamento:

hH (t) = rectTc (t − Tc /2)

Il segnale campionato sarà cosi calcolato:

∞
X ∞
X
xc (t) = x(t)c(t) = x(t) δ(t − kTc ) = x(t)δ(t − kTc )
k=−∞ k=−∞

scriviamo, infine:
∞
X
xc (t) = x(kTc )δ(t − kTc )
k=−∞

ricordando che δ(t − kTc ) è uguale ad 1 quando t = kTc ed è uguale a 0 negli altri casi, si può
scrivere che:
∞
X
xc (t) = x(kTc )
k=−∞

che è una infinita sequenza di impulsi di Dirac spostati tra di loro da una quantità Tc e di aria
ognuo x(kTc ); cioè ogni impulso avrà (ognuno) il valore del segnale dove gli impulsi sono
applicati. A questo punto bisogna capire sotto quali condizioni si può utilizzare il segnale
campionato cioè quali siano le condizioni che non fanno avere perdita di informazione. Il
segnale di campionamento c(t) è un segnale fatto da infiniti impulsi di Dirac separati tra di
loro di una quantità pari a Tc quindi è un segnale periodico che ammette lo sviluppo in serie di
Fourier così di seguito rappresentato:
∞
X 1 j2πt Tm
c(t) = e c

m=−∞
Tc

e quindi il segnale campionato assumerà questa espressione:

∞ ∞
1 j2πt Tm 1 m
x(t)ej2πt Tc
X X
xc (t) = x(t) e c =
T
m=−∞ c
T
m=−∞ c

ricordando le proprietà di traslazione in frequenza della trasformata di Fourier si può scrivere

la seguente espressione:
∞
X 1 m
Xc (f ) = X(f − )
T
m=−∞ c
Tc

Possiamo quindi affermare che lo spettro del segnale campionato è la somma di infinite repliche dello
spettro del segnale non campionato traslate di m/Tc e scalate in ampiezza secondo il fattore T1c . Cioè la
trasformata di Fourier del segnale campionato con impulsi è quella del segnale tempo-continuo
replicata a passo fc in frequenza infinite volte.
Se le infinite repliche traslate in frequenza di X(f ) non si sovrappongono allora sarà facile
estrarre, mediante filtraggio, X(f ) da Xc (f ) e quindi riottenere x(t) da xc (t) questo richiede
però una conoscenza a priori della banda B occupata da x(t). Se invece le repliche del segnale
si sovrappongono quello che si riotterà, con l’operazione di ricostruzione, non corrisponderà
al segnale originario x(t) ma un segnale distorto creato dal cosiddetto problema di aliasing.
Si può dire, infine, che se il segnale x(t) non contiene frequenze maggiori di fc /2 e inferiori a
−fc /2 , esiste un legame univoco tra il segnale x(t) e i suoi campioni x(kTc ).
Il problema dell’aliasing è quel fenomeno che, nello spettro Xc (f ) del segnale campionato
xc (t), a seguito della sovrapposizione delle repliche ( X(f − kfc ) ) dello spettro del segnale x(t)

47
 Figura 25: spettro di x(t)

Figura 26: spettro di xc (t)

con lo spettro dello stesso segnale x(t) ( X(f ) cioè quando k in X(f −kfc ) vale zero) al momento
della ricostruzione del segnale farà ottenere un segnale ricostruito che non corrisponderà a x(t)
creando quindi una distorsione. Questo fenomeno si può comprendere meglio discutendo del
metodo utilizzato per la ricostruzione del segnale. Per ricostruire il segnale tempo continuo x(t)
dal segnale campionato xc (t) e quindi per ottenere la trasformata di Fourier del segnale tempo-
continuo da quella del segnale campionato con impulsi, bisogna eliminare tutte le repliche
spettrali tranne quella in k=0. Per eliminare tutte le repliche spettrali tranne quella in k=0 è
sufficiente moltiplicare la trasformata di Fourier del segnale campionato con impulsi per un
rettangolo con banda compresa tra −fc /2 e +fc /2 e quindi di durata Tc . Si può cioè utilizzare
un FILTRO PASSA-BASSO IDEALE così definito:

H(f ) = Tc rect1/Tc (f ) = Tc rectB (f )

quindi avremo che:

∞  
X 1 m
X(f ) = H(f ) · Xc (f ) = Tc rect1/Tc (f ) · X f− =
m=−∞
Tc Tc

Z 1 ∞  
2Tc X1 m
= Tc df · X f− =
− 2T1 T
m=−∞ c
Tc
c

Z 1 ∞  
2Tc 1 X m
= Tc df · X f− =
− 2T1 Tc m=−∞ Tc
c

1
2Tc  
X m
= X f−
Tc
m=− 2T1
c

nell’intervallo da − 2T1 c a 2T1 c l’unico valore che assume m è 0 per cui otteremo X(f ) quindi
lo spettro di x(t). L’intervallo da − 2T1 c a 2T1 c in frequenza è da −fc /2 e +fc /2 ( o da −B/2 a
+B/2 ) rappresenta la banda B di frequenze entro la quale nel segnale campionato non siano
presenti sovrapposizioni di repliche dello spettro in banda base. Se si supera tale valore di

48
banda si avrà il problema dell’aliasing. Se non si è certi che la banda del segnale sia limitata
ad un valore B (sulla base del quale si intende scegliere la frequenza di campionamento) è
necessario “prefiltrare” il segnale (cioe’ filtrarlo prima del campionamento). Il “prefiltro” (filtro
anti-aliasing) ha caratteristiche molto simili al filtro di ricostruzione.

Domanda 44: Enunciare il teorema del campionamento per un segnale limitato alla
banda B

Un segnale analogico x(t) è rappresentato dai suoi campioni presi con passo costante Tc ,
ovvero con cadenza fc = 1/Tc , se:
- il segnale x(t) è a banda rigorosamente limitata, ovvero se il suo spettro soddisfa la condizione
|X(f )| = 0, per |f | ≥ B ;
- la cadenza di campionamento è maggiore o uguale a quella di Nyquist, cioè fc ≥ 2B.
Pertanto, se x(t) è un segnale con spettro con banda B limitata (tale che lo spettro sia diverso da
0 solo nell’intervallo di frequenze [−B, B]), allora per ogni scelta del passo di campionamento
Tc = 1/2B, x(t) vale il seguente sviluppo in serie:
∞
X 1
x(t) = x(kTc ) · sinc {2πB(t − kTc )} con Tc ≤
2B
k=−∞

La formula ci dice che i campioni del segnale, rilevati con una frequenza opportuna legata alla
banda del segnale di ingresso, contengono tutta l’informazione contenuta nel segnale, che può
essere ricostruito interpolandoli attraverso la funzione sinc(2πBt).
Per dimostrare la formula partiamo dal segnale che si ottiene come la convoluzione del segnale
campionato con il filtro:
∞
X
x(t) = xc (t) ∗ h(t) = x(kTc )δ(t − kTc ) ∗ sinc(2πBt) =
k=−∞

∞
X
= x(kTc ) · sinc {2πB(t − kTc )}
k=−∞

ricordando che la convoluzione di un impulso di Dirac con una funzione sinc(x) è la stessa
funzione sinc(x) traslata nel punto dove è applicato l’impulso di Dirac abbiamo l’espressione
del teorema.
La formula ci dice che negli istanti di campionamento solo uno degli infiniti addendi è diverso
da 0, mentre in tutti gli altri istanti di tempo tutti gli addendi danno un contributo che però,
dato l’andamento della funzione sinc(x), tende a diventare sempre più piccolo man mano che
ci si allontana dall’istante considerato. Nell’istante di campionamento c’è il campione negli altri
istanti bisogna andare ad interpolare con la funzione sinc(x).

Domanda 45: Definisci la relazione tra numero di bit necessario per codificare un ge-
nerico simbolo di un codice e il numero di elementi che costituisce il codice stesso.
Calcola il numero di bit necessario per codificare un simbolo del codice ASCII.

Nel mondo delle trasmissioni delle informazioni con sorgente numerica c’è da dire che
solitamente la sorgente numerica può essere di tipo testo o di tipo dati. In generale si può
dire che l’informazione di tipo numerico si manifesta come successione di simboli presi da
un insieme (alfabeto) che comprende un numero finito di elementi. Nella rappresentazione
dei testi, come quelli utilizzati nella stampa, si usano i simboli ovvero dei caratteri tipografici
come lettere, segni di interpunzione, ecc. Per la trasmissione dei testi si utilizzano dei codici

49
ossia delle tabelle contenenti tutti i possibili simboli in forma ordinata necessari a rappresentare
il testo. L’utilizzo del codice nelle trasmissioni è dovuto al fatto che invece di trasmettere il
simbolo del carattere si trasmette la posizione del carattere all’interno della tabella detto anche
numero d’ordine. La condizione necessaria per poter trasmettere il testo con l’utilizzo del codice
è quella che il trasmettitore e il ricevitore debbano avere la stessa tabella per interpretare il
codice e quindi preventivamente si devono mettere d’accordo per utilizzare lo stesso codice. Il
testo formato di caratteri con la loro rappresentazione simbolica viene codificato, attraverso la
tabella del codice, in un numero. Il numero è facilmente convertibile in forma binaria utilizzata
poi per la trasmissione numerica. La rappresentazione dei simboli in forma binaria richiede
di specificare il numero di bit da utilizzare. Il numero di bit dipende dal numero di elementi
che formano il codice cioè il numero di posizioni che sono presenti nelle tabelle. Il numero di
bit rappresentato con n è legato al numero delle posizioni rappresentato con N dalla seguente
relazione:
n = log2 N
Nel caso particolare del codice ASCII essendo presenti nella tabella 256 elementi, applicando la
relazione appena vista si otterà che ogni simbolo è rappresntato con 8 bit.

Domanda 46: Indicata con pi la probabilità di emissione del simbolo i-esimo da parte
di una sorgente di dati, definisci la quantità di informazione associata al medesimo
simbolo i-esimo, quando l’unità di misura dell’informazione è il bit.

Prima di definire la quantità di informazione associata al simbolo i-esimo è necessario

discutere su come si costruisce un modello di sorgente. In prima istanza si definisce la velocità
(e)
di emissione della sorgente come il numero di simboli emessi nell’unità di tempo si indica con Rs
e si misura in simboli/s. Oppure in maniera equivalente la si può rappresentare in numero di
(e)
bit emessi dalla sorgente nell’unità di tempo si indica con Rb e si misura in bit/s. Le due rap-
(e) (e)
presentazioni sono legate tra loro dalla relazione Rb = nRs . Un altro elemento fondamentale
per costruire il modello di sorgente è la caratterizzazione statistica. La caratterizzazione statistica
assimila l’emissione di un simbolo da parte di una sorgente al risultato di un esperimento
casuale, per il quale i simboli che costituiscono l’alfabeto rappresentano tutti i possibili risultati.
Nell’ambito della caratterizzazione statistica si definisce la probabilità che venga emesso il sim-
bolo i-esimo e si indica con pi ; ovviamente vale la condizione che sommando tutte le probabilità
associate a tutti i possibili simboli si ha l’unità, ossia N
P
i=1 pi = 1.
Bisogna ancora definire il concetto dove si afferma che la ricezione di un messaggio da parte
del destinatario fornisce informazione soltanto quando rimuove uno stato di incertezza (cioè
se un informazione è già nota anche se viene comunicata non rappresenta un’informazione).
Da questo si può dire che l’incertezza è legata alla probabilità associata al messaggio in modo
che se minore è la probabilità del messaggio, maggiore è l’incertezza e viceversa. Utilizzando il
concetto appena espresso si può dire che la funzione che misura la quantità d’informazione
deve essere, sicuramente, una funzione decrescente della probabilità; nel senso che la quantità
d’informazione è tanto più piccola quanto più grande è la probabilità. Si può ora definire la
misura della quantità di informazione dal punto di vista di chi utilizza l’informazione (diretta-
mente o attraverso un canale di trasmissione) e quindi la quantità d’informazione associata al
simbolo i-esimo è definita come il logaritmo dell’inverso della probabilità:
1
qi = log2 = − log2 pi
pi
-da notare che la base del logaritmo fissa l’unità di misura; con base 2 l’unità di misura è il BIT.
-si è utilizzata la funzione logaritmo come funzione decrescente perchè riesce ad assicurare
l’additività dell’informazione nel caso di simboli tra di loro indipendenti.

50
Domanda 47: Definisci analiticamente e concettualmente l’entropia H di una sorgente
di dati. Calcola H per una sorgente di dati equiprobabili.

L’entropia è la quantià media di informazione; media in senso statistico su tutti i possibili

simboli che costituiscono l’alfabeto. La relazione matematica è la seguente:
N
X
H = E(q) = pi qi
i=1

ricordando che la quantità d’informazione associata al numero i-esimo è:

1
qi = log2 = − log2 pi
pi

la formula dell’entropia si può, anche, scrivere:

N
X
H=− pi log2 pi
i=1

in pratica misura l’informazione media della sorgente e l’unità di misura è il bit/simbolo.

Nel caso in cui i simboli sono equiprobabili significa che in un insieme di N simboli la probabilità
del simbolo i-esimo è:
1
pi =
N
sostiruendo questo valore nella formula dell’entropia troviamo:
N N
X X 1 1 1
H=− pi log2 pi = − log2 = − log2 = log2 N = n
N N N
i=1 i=1

si può dire, infine, che l’entropia per una sorgente di dati equiprobabili è proprio uguale al
numero di bit necessari per rappresentare un simbolo.
L’entropia ha delle proprietà importanti quali per esempio:
l’entropia è massima se i simboli sono equiprobabili; significa che l’entropia in una situa-
zione reale qualsiasi è sempre minore o uguale all’entropia calcolata quando i simboli sono
equiprobabili, cioè:
H ≤ log2 N = n

l’entropia è massima anche se i vari simboli sono tra di loro indipendenti

Domanda 48: Definisci la velocità di informazione di una sorgente d’informazione

La velocità di informazione di una sorgente di informazione è uguale alla quantità di

informazione emessa dalla sorgente nell’unità di tempo e si misura in bit al secondo:
(i)
Rb = H · Rs(e)

da questa relazione si vede che il legame che c’è tra la velocità di informazione e la velocità
di emissione di una sorgente di informazione è la costante di proporzionalità rappresentata
dall’entropia.
Vale una disequaglianza importante e cioè che la velocità di informazione è sempre minore o al

51
più uguale alla velocità di emissione misurate entrambe in bit al secondo; l’uguaglianza si avrà
per i simboli equiprobabili e indipendenti:
(i) (e)
Rb = H · Rs(e) ≤ Rb

Questa disuguaglianza ha una proprietà importante e cioè che l’informazione prodotta da una
sorgente i cui simboli non siano equiprobabili ed indipendenti può essere trasmessa ad una
(e)
velocità minore di Rb . Questa proprietà è alla base di tutta una serie di algoritmi, procedure e
metodi di trattamento dell’informazione che fanno parte della codifica di sorgente che ha lo
scopo di ridurre la velocità a parità di informazione (compressione).

Domanda 49: Definisci la codifica di sorgente: di cosa si tratta, a cosa serve, e quali
sono gli eventuali vantaggi/svantaggi che essa comporta.

Con il termine codifica di sorgente si indica l’insieme delle tecniche di elaborazione digitale
dell’informazione di una sorgente informativa che le genera (audio, video o dati). La codifica di
sorgente ha due applicazioni fondamentali: la prima è quella di ridurre la velocità di trasmissione
a parità di informazione consentendo una liberazione di banda necessaria su canale trasmissivo
a parità di velocità di trasmissione; la seconda è quella di ridurre le dimensioni in termini di
occupazione di spazio di memoria prima della memorizzazione dell’informazione ad esempio un
file audio codificato rispetto uno senza codifica risulta essere molto più piccolo (in termini di
occupazione di memoria) pur mantenendo la stessa informazione.
Queste procedure di elaborazione consentono di ottenere (almeno approssimativamente)
tale risultato sfruttando le correlazioni interne ai messaggi prodotti dalla sorgente. I risultati di
queste operazioni sono messaggi con un numero minore di caratteri e con la stessa informazione.
Queste operazioni, osservate dal punto di vista della teoria dell’informazione, comportano
un incremento dell’entropia proprio perchè la quantità di informazione rimane uguale ma il
numero di caratteri diminuisce e quindi la quantità media di informazione per carattere cresce.
L’incremento di entropia dovuto alle operazioni di codifica di sorgente tende verso l’entropia
massima cioè quando si ha un insieme di simboli equiprobabili ed indipendenti.
All’operazione di codifica di sorgente corrisponde l’operazione inversa: la decodifica di
sorgente. Tale operazione viene eseguita dal ricevitore per rendere fruibile l’informazione
all’utulizzatore, così come era stata generata dalla sorgente.

Domanda 50: Definisci numericamente la codifica PCM (Pulse Code Modulation) per
un segnale audio canonico e deriva il valore della velocità di emissione di bit Rb.

La codifica PCM è una tecnica per convertire le informazioni analogiche in forma numerica.
In generale, la conversione in forma numerica di una informazione di tipo analogico è conve-
niente perchè l’informazione rappresentata in forma numerica è suscettibile di elaborazione
come: la codifica di sorgente per ottenere riduzione della ridondanza, codifica di canale per
ottenere una minore sensibilità ai disturbi e funzioni di instradamento e di commutazione per
veicolare più facilmente l’informazione da una sorgente ad una destinazione. Un altro motivo
importante della conversione dell’informaziona analogica in forma numerica è che la forma
numerica, se adottata per tutti i tipi di informazione, consente di utilizzate lo stesso canale
trasmissivo per qualunque tipo di informazione (audio, video, immagini testo) costituisce
quindi la base per la multimedialità.
Lo schema a blocchi di una conversione in forma numerica di un segnale analogico è
rappresentato in questo modo:
I blocchi dello schema svolgono le seguenti funzioni:
- filtro anti-aliasing: per fare in modo che la frequenza di campionamento sia corretta rispetto

52
 Figura 27: schema a blocchi di un convertitore A/D

alla banda che può essere campionata senza distorsioni;

- il campionatore: per discretizzare il segnale rispetto al tempo;
- il quantizzatore: per discretizzare il segnale rispetto l’ampiezza;
- il codificatore: per produrre la sequenza di bit in uscita.
Lo schema nel suo complesso si comporta come una sorgente numerica e quindi la caratteristica
numerica può essere definita con dei parametri legati ai vari blocchi dello schema, così descritti:
- la limitazione della larghezza di banda in ingresso che indichiamo con Bx ;
- la frequenza di campionamento che indichiamo con fc e che vale fc ≥ 2Bx ;
- il numero di livelli di quantizzazione che indichiamo con M ;
- il numero di bit prodotti dal codificatore che indichiamo con n e che sono legati al numero di
livelli di quantizzazione dalla relazione n = log2 M .
A questo punto avendo rappresentato i vari parametri possiamo determinare la velocità di
emissione di questa sorgente numerica, scriviamo:

Rb = n · fc = 2nBx in bit/s

questa è la relazione che lega la velocità della sorgente alle caratteristiche del segnale ( Bx ) e
alla qualità che si vuole assegnare a questa operazione di conversione e che è determinata dal
numero n numero di bit (e quindi al numero di livelli di quantizzazione M ).
Un segnale audio di tipo telefonico assume i seguenti parametri:

Bx = 3, 4 kHz
fc = 8 kHz
M = 256 ⇒ n=8

con questi parametri la velocità di emissione sarà:

Rb = n · fc = 8 · 8 = 64 kbit/s

per un segnale con qualità migliore per esempio un Compact Disc i parametri saranno:

Bx = 20 kHz
fc = 44, 1 kHz
M = 65536 ⇒ n = 16

con questi parametri la velocità di emissione sarà:

Rb = n · fc = 16 · 44, 1 = 705, 6 kbit/s per canale

Rbt = 1411, 2 kbit/s totale

53
Domanda 51: Determina la velocità di emissione Rb per un segnale televisivo determi-
nato da immagini aventi un numero di pixel pari a 414720, un numero medio di bit a
pixel di 16 e una frequenza di ripetizione dell’immagine di 25.

La velocità di emissione di un flusso video è dato dal prodotto del numero di bit per
immagine con la quantità di immagini al secondo, scriviamo:

Rb = Nb · fi

Nb , il numero di bit per immagini, è dato dal prodotto della quantità di pixel per immagine con
il numero di bit utilizzati per rappresentare un singolo pixel, scriviamo:

Nb = N · np

N , il numero di pixel per immaggine, è dato dal prodotto del numero di pixel orizontali Nx con
il numero di pixel verticale Ny .
Applicando i valori N =414720, np =16 e fi =25 alla formula, avremo la velocià di emissione:

Rb = N · np · fi = 414720 · 16 · 25 = 165888000 bit/s ∼

= 166 M bit/s

54