Introduzione Elaborazione Segnali

Universit
`
a degli Studi di Milano
- Dipartimento di Scienze dellInformazione -
Introduzione allelaborazione dei segnali
Alberto Bertoni Paola Campadelli Giuliano Grossi
Anno Accademico 2003-2004
Indice
1 Segnali e Sistemi 1
1.1 Segnali e Informazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Classicazione dei Segnali . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Esempi di segnali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Sistemi per lElaborazione dei Segnali Deterministici . . . . . . . . . . . . . 10
1.4.1 Composizionalit` a nei Sistemi . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Spazi vettoriali di segnali . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6 Sistemi Lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.6.1 Sistemi Lineari Tempo-Invarianti (LTI) . . . . . . . . . . . . . . . . 21
1.6.2 Sistemi Causali e Stabili . . . . . . . . . . . . . . . . . . . . . . . . . 23
2 Analisi in Frequenza di Segnali Analogici 27
2.1 Numeri Complessi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2 Segnali Periodici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3 Serie di Fourier complessa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4 Trasformata di Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.4.1 Esistenza della Trasformata di Fourier . . . . . . . . . . . . . . . . . 38
2.4.2 Trasformata di Fourier di Funzioni Reali . . . . . . . . . . . . . . . . 40
2.4.3 Propriet` a della Trasformata di Fourier . . . . . . . . . . . . . . . . . 41
2.4.4 Coppie Base di Trasformate . . . . . . . . . . . . . . . . . . . . . . . 44
2.5 Energia di un Segnale e Relazione di Parseval . . . . . . . . . . . . . . . . . 44
3 Filtri Analogici e Modulazione di Ampiezza 47
3.1 Risposta in Frequenza dei Sistemi Lineari Tempo-Invarianti . . . . . . . . . 48
3.1.1 Filtri Ideali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2 Caratteristiche dei Filtri Analogici . . . . . . . . . . . . . . . . . . . . . . . 51
3.3 Famiglie di Filtri Causali . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3.1 Filtri di Butterworth . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3.2 Realizzazione di Filtri Analogici . . . . . . . . . . . . . . . . . . . . 56
3.4 Modulazione e Demodulazione in Ampiezza (AM) . . . . . . . . . . . . . . 57
i
ii Indice
4 Conversione Analogico-Digitale 63
4.1 Campionamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.1.1 Spettro del segnale campionato . . . . . . . . . . . . . . . . . . . . . 67
4.1.2 Aliasing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.2 Quantizzazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.2.1 Quantizzatore Uniforme e Rumore di Quantizzazione . . . . . . . . . 71
4.2.2 Quantizzatore Non Uniforme . . . . . . . . . . . . . . . . . . . . . . 74
4.3 Convertitore Analogico-Digitale (ADC) . . . . . . . . . . . . . . . . . . . . 75
5 Analisi in frequenza di sistemi a tempo discreto 79
5.1 Frequenza e Tempo Normalizzati . . . . . . . . . . . . . . . . . . . . . . . . 80
5.2 Trasformata Zeta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.2.1 Propriet` a della trasformata Zeta . . . . . . . . . . . . . . . . . . . . 82
5.3 Analisi di Sistemi LTI a Tempo Discreto: ltri FIR e IIR . . . . . . . . . . 84
5.3.1 Filtri FIR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.4 Filtri IIR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Capitolo 1
Segnali e Sistemi
I concetti di segnale e di sistema sono presenti in unampia gamma di discipline e campi
applicativi. Le idee e i metodi sviluppati attorno ai concetti di segnale e sistema giocano
un ruolo importante in diverse aree scientiche e tecnologiche come le telecomunicazioni,
la progettazione di circuiti, il controllo di processi industriali, lacustica, lelaborazione del
parlato, lelaborazione di immagini.
I segnali sono grandezze dipendenti da una o pi` u variabili temporali o spaziali e con-
tengono informazione riguardo lo stato di qualche fenomeno, mentre i sistemi rispondono
a sollecitazioni dovute a qualche segnale producendo a loro volta segnali o qualche com-
portamento desiderato. Le tensioni o le correnti (funzioni del tempo) in ingresso e in
uscita a un circuito elettrico sono esempi di segnali, mentre il circuito stesso è un esempio
di sistema, cos` come un sistema è la telecamera che cattura la luce riessa dagli oggetti
inquadrati e impressiona la pellicola o una matrice di sensori.
Le principali problematiche che si arontano nello studio dei sistemi sono quelle di
analisi e di disegno o progettazione. Lanalisi riguarda lo studio di caratteristiche del
comportamento di un dato sistema, il disegno si propone di identicare, se esiste, un
1
2 Segnali e Sistemi
sistema che esibisca un dato comportamento. Un esempio è costituito dalla progettazione
di sistemi per estrarre o ripristinare informazione danneggiata: il caso tipico è quello
della comunicazione aetta da rumore in cui è richiesto lo sviluppo di sistemi in grado di
correggere eventuali errori.
In questo capitolo vengono introdotte le nozioni di base riguardanti segnali e sis-
temi. Viene presentata una semplice tassonomia dei tipi di segnale: continui/discreti,
deterministici/probabilistici.
Viene introdotto poi il concetto di sistema visto come apparato in grado di trasformare
un segnale in ingresso in un segnale in uscita: il comportamento del sistema viene cos`
descritto dalla relazione ingresso-uscita.
Si osserva che la somma di segnali è ancora un segnale, cos` come la moltiplicazione
di un segnale per uno scalare. Questo porta a studiare gli spazi di segnali come spazi
vettoriali; viene introdotta limportante nozione di base in uno spazio e, attraverso la
nozione di prodotto interno, quella di base ortogonale. Questi concetti sono centrali per
lintroduzione di nuove rappresentazioni di segnali, oggetto di analisi nel capitolo 2.
Vengono poi introdotte due importanti classi di sistemi: sistemi lineari e sistemi tempo-
invarianti. In particolare, si mostra che il comportamento di un sistema lineare tempo-
invariante (LTI) è univocamente individuato dalla risposta del sistema al segnale impulsivo.
Limitatamente ai sistemi LTI, vengono inne discusse le nozioni di causalit` a e stabilit` a.
1.1 Segnali e Informazione
Un segnale è costituito da una entit` a contenente qualche tipo di informazione che pu` o essere
estratta, trasmessa o elaborata. In un segnale è generalmente distinguibile un supporto
sico dallinformazione veicolata. Ad esempio, è noto che il gatto usa marcare il territorio
con particolari secrezioni: il supporto sico è costituito da molecole, e linformazione che
si vuol comunicare è il possesso del territorio. Segnali di particolare interesse nella vita
quotidiana sono:
segnali del parlato, che si incontrano anche in telefonia e radio;
segnali video e immagini;
suoni e musica, riproducibili ad esempio da un lettore di CD;
segnali biomedici, come elettrocardiogrammi e radiograe.
Un segnale è rappresentato da una funzione g = f(c), dove:
g denota una variabile (dipendente) sui valori di una grandezza sica o chimica
(corrente, tensione, pressione, concentrazione di molecole e cos` via).
c denota una o pi` u variabili indipendenti generalmente coordinate spaziali o tempo-
rali.
f denota la relazione funzionale che associa ad ogni valore di c il corrispondente
valore della grandezza sica g.
In Figura 1.1 è mostrato un esempio di segnale acustico. Esso è identicato dalla
1.1. Segnali e Informazione 3
t
p
Figura 1.1 Segnale acustico.
complicata funzione p(t) il cui graco d` a la pressione acustica, in un punto dello spazio,
in funzione del tempo. Segnali che hanno il tempo come variabile indipendente si dicono
segnali temporali, e ad essi è dedicata gran parte di questo corso.
Un secondo esempio ci viene oerto dallimmagine monocromatica di Figura 1.2, iden-
ticata dalla funzione L(x, y), che d` a la luminosit` a in funzione delle due coordinate spaziali
(x, y).
Figura 1.2 Immagine monocromatica.
I metodi per lelaborazione dei segnali assumono oggi grande rilievo, poiche la capacit` a
di elaborare o trasmettere informazioni per via automatica è una caratteristica importante
dellattuale societ` a. Lelaborazione dei segnali trova feconde applicazioni nelle due aree
principali:
1. trasmissione, ricezione e memorizzazione eciente ed adabile dei segnali nelle
telecomunicazioni;
2. estrazione di informazione da segnali rumorosi con tecniche di riconoscimento di
forme, per previsione e controllo.
4 Segnali e Sistemi
1.2 Classicazione dei Segnali
Il mondo che ci circonda è in gran parte basato su segnali analogici: il tempo, le coor-
dinate spaziali, grandezze siche come lintensit` a della luce e del suono assumono valori
continui. I nostri organi sensori traducono i segnali analogici in segnali elettrici; questi
vengono analizzati dal cervello che prende decisioni estraendo le informazioni veicolate. Va
segnalato che in questo processo la maggior parte dei segnali ambientali viene riconosciuta
come rumore di fondo e ltrata.
Daltro lato, la tecnologia digitale assume oggi grande rilievo per la sua essibilit` a
nelle applicazioni; è dunque ragionevole pensare di utilizzare questa tecnologia per le-
laborazione dei segnali. Il mondo analogico è tuttavia distante da quello digitale: un
elaboratore lavora su una scala di tempi discreta, scandita dal clock, ed inoltre i valori che
pu` o assumere una grandezza trattata digitalmente sono niti. La trattazione digitale dei
segnali richiede dunque la soluzione di due problemi di rilievo:
1. interfacciare il mondo analogico con quello digitale;
2. dotarsi di strumenti per trattare numericamente segnali digitali che, a causa delle
approssimazioni, sono intrinsicamente rumorosi.
A questo riguardo, è utile introdurre la seguente semplice classicazione di segnali
temporali. Un segnale temporale è rappresentato da una funzione y = f(t), dove t è una
variabile che identica il tempo, y il corrispondente valore di una opportuna grandezza,
quale la pressione, tensione, corrente.
Segnali Continui e Discreti
Abbiamo i seguenti casi:
1. La variabile t assume valori reali oppure valori in un sottoinsieme discreto di numeri
reali (ad esempio i n multipli interi di un intervallo temporale ).
Nel primo caso il segnale sar` a detto a tempo continuo, nel secondo a tempo discreto.
Ad esempio, campionando il segnale a tempo continuo f(t) agli istanti n si ottiene
il segnale a tempo discreto f(n).
2. La variabile y assume valori reali oppure valori in un sottoinsieme nito di numeri
reali (ad esempio i 2
m
numeri interi tra 0 e 2
m
1 codicabili in notazione binaria
con m bit).
Nel primo caso il segnale sar` a detto a valori continui, nel secondo a valori niti. Ad
esempio, indicando con sgn(x) la funzione segno (sgn(x) = 1 se x > 0, sgn(x) = 1
se x < 0) il segnale sgn(f(t)) risulta essere a valori niti.
Potremo di conseguenza classicare i segnali in segnali a valori continui e tempo con-
tinuo, segnali a valori continui e tempo discreto, segnali a valori niti e tempo continuo,
1.2. Classicazione dei Segnali 5
t
f(t)
t
f(t)
n
f(n)
n
f(n)
(a) (b)
(d) (c)
Figura 1.3 (a) Segnale a valori niti e tempo continuo. (b) Segnale continuo a tempo
continuo. (c) Segnale a valori niti e tempo discreto. (d) Segnale continuo
a tempo discreto.
segnali a valori niti e tempo discreto. In Figura 1.3 sono illustrati vari tipi di segnale.
I segnali discreti a tempo discreto sono detti anche segnali digitali, come opposto ai
segnali continui a tempo continuo detti segnali analogici.
Osserviamo che un segnale digitale di durata temporale limitata pu` o essere memoriz-
zato su un supporto digitale, venendo rappresentato da una quantit` a nita di bit.
Sia infatti f(t) un segnale tale che f(t) = 0 per t 0 e per t > T, e quindi di durata
T. Supponiamo che f(t) sia a valori niti, diciamo a N valori, e sia campionato ai tempi
n. Il segnale digitale f(n) è perfettamente descritto dal vettore:
_
f(), f(2), f(3), . . . , f(
T
)
_
Ogni componente del vettore è codicabile con un numero di bit pari al primo intero
maggiore o uguale di log
2
(N) , quindi il segnale digitale pu` o essere memorizzato con M
bit, dove:
M =
T
log
2
(N)|
Segnali Deterministici e Probabilistici
Supponiamo di avere una sorgente, cioè una scatola nera che, opportunamente sollecita-
ta, produca un segnale f(t). Questo ci permette di riprodurre il segnale f(t) in modo
6 Segnali e Sistemi
deterministico: una sollecitazione alla sorgente produrr` a sempre lo stesso segnale.
Per questi segnali vale la seguente importante propriet` a. Date M sorgenti determinis-
tiche 1, 2, . . . , M che generano i segnali f
1
(t), . . . , f
M
(t), supponiamo che i segnali veicolino
rispettivamente le informazioni distinte I
1
, I
2
, . . . , I
M
. Dal segnale generato dalla sorgente
k è in linea di principio sempre possibile ricostruire linformazione I
k
.
Esistono tuttavia situazioni in cui il precedente modello non risulta adeguato. Per
esempio in molti casi non cè un modo univoco per rappresentare una informazione con
un segnale: la stessa parola w sar` a realizzata in diversi modi da diverse persone o ad-
dirittura dalla stessa persona in diverse circostanze. Analogamente, il rumore prodotto
dal passaggio di automobili su una strada pubblica non è modellabile da una sorgente
deterministica.
In questi casi potremo solo costruire una sorgente che, sollecitata, produce una real-
izzazione r scelta arbitrariamente in un insieme di realizzazioni possibili R, dando luogo
al segnale f(t, r) (non determinismo): va da se che il trattamento di segnali prodotti da
sorgenti non-deterministiche è soggetto a pesanti margini di incertezza. Fortunatamente,
è spesso possibile assegnare la probabilit` a che la scatola, sollecitata, produca una data
realizzazione: parleremo in questi casi di segnali probabilistici. In questa situazione, i
margini di incertezza permangono, ma almeno è possibile darne una quanticazione.
I segnali probabilistici, di grande importanza nella modellazione del rumore, non
saranno trattati in questo testo.
1.3 Esempi di segnali
Si vogliono introdurre alcuni esempi di segnali frequentemente utilizzati nelle applicazioni.
Segnale sinusoidale
Si consideri il cerchio goniometrico, ossia il cerchio unitario di '
2
centrato nellorigine.
Dato un angolo di ampiezza , lo si trasporta in modo che il vertice coincida con O e
il primo lato coincida con il semiasse positivo delle ascisse. Il secondo lato dellangolo
taglier` a la circonferenza in un punto P avente per ascissa il coseno di e per ordinata il
seno di (gura 1.4).
Le funzioni seno e coseno sono continue, denite su tutto lasse reale a valori nellin-
tervallo [1, 1].
Un segnale sinusoidale si ottiene per dilatazione e/o traslazione di una funzione seno
ed è denito dalla seguente espressione:
f(t) = A sin (2t +)
Dove:
A è lampiezza e indica il modulo del valore massimo e del valore minimo assunto
dal segnale
1.3. Esempi di segnali 7
Figura 1.4 Denizione di Seno e coseno di un angolo
è la frequenza e indica il numero di oscillazioni eettuate in una unit` a di tempo,
misurata in Hertz o in rad/sec se si considera nella forma 2, inoltre si denisce il
periodo del segnale come T = 1/.
e la fase iniziale e indica la fase al tempo t = 0 (traslazione)
Nella gura 1.5 si mostra come varia un segnale sinusoidale al variare dei suoi parametri
Ampiezza, Frequenza e Fase iniziale rispettivamente.
Figura 1.5 Funzioni sinusoidali di dierenti frequenze, ampiezze e fasi iniziali
8 Segnali e Sistemi
Segnale cosinusoidale
Per la nota formula trigonometrica:
cos () = sin ( +/2)
si pu` o aermare che un segnale cosinusoidale è semplicemente un segnale sinusoidale
traslato a sinistra di /2.
Segnale sinc
La funzione sinc (x) è denita come segue:
sinc (x) =
sin(x)
x
.
Essa è continua, limitata e denita su tutto lasse reale.
Un segnale sinc si ottiene dilatando e/o amplicando la funzione sinc attraverso i due
parametri: lampiezza A della sinc, e la frequenza K della sinc.
Il segnale sinc di ampiezza A e frequenza K è dato da Asinc(kt).
Nella gura 1.6 viene mostrato il comportamento di un segnale sinc al variare dei suoi
due parametri A e K.
Figura 1.6 Segnali sinc di diversa ampiezza e frequenza
Segnali rettangolari
La funzione Rettangolo è denita come segue:
rect (x) =
_
1 [x[ 1/2
0 [x[ > 1/2
Essa è una funzione limitata e denita su tutto lasse reale. Rappresenta lo scalino
unitario ed ha due punti di discontinuit` a in x =
1
2
.
1.3. Esempi di segnali 9
Un segnale rettangolare si ottiene dilatando e/o amplicando la funzione rettangolo
attraverso i due parametri: lampiezza A dello scalino, e il periodo o durata T dello
scalino.
Il segnale rettangolare di ampiezza A e di durata T e dato da A rect(
x
T
).
Nella gura 1.7 sono rappresentati segnali rettangolari di diversa ampiezza e durata.
Figura 1.7 Segnali Rettangolari di diversa ampiezza e durata
Delta di Dirac
La funzione impulso (o delta di Dirac) (t) pu` o essere intuitivamente pensata come un
rettangolo di base innitesima e di altezza innita
1
, in modo che larea sottostante

_
+
(t)dt sia 1. Essa non è quindi una funzione nel senso di Dirichelet, e sar` a detta
funzione generalizzata: infatti, mentre ha senso dire che (t) = 0 se t ,= 0, non ha senso
dire che (0) = + poiche non è un numero.
Intuitivamente (t) pu` o essere pensata come limite (per 0) di una sequenza di
funzioni non negative p
(t), dove p
(t) è nulla al di fuori dellintervallo [/2, /2] e

tale che
_
+
(x)dx = 1. Un esempio è mostrato in Figura 1.8: qui la funzione impulso

è denita come il limite di un impulso rettangolare,
(t) = lim
0
1
rect
_
t
_
.
Fissato un reale x, la funzione generalizzata (t x) è interpretabile come impulso al
tempo x e per essa valgono le seguenti propriet` a:
(t x) = 0 se t ,= x,
_

(t x)dx = 1.
10 Segnali e Sistemi
1/
p(t)
/2 /2
t
Figura 1.8 Impulso per la generazione della funzione delta di Dirac.
1.4 Sistemi per lElaborazione dei Segnali Deterministici
Date due famiglie F
1
ed F
2
di segnali, un sistema è un apparato in grado di trasformare
un qualsiasi segnale di F
1
in un segnale di F
2
. Il sistema pu` o allora essere visto come
una scatola nera il cui comportamento è la legge di trasformazione
S : F
1
F
2
.
In Figura 1.9 è data una rappresentazione graca di un sistema che, avendo in ingresso il
segnale f(t), d` a in uscita il segnale g(t); si dice anche che g(t) è la risposta del sistema S
allingresso f(t) e si scrive g = S(f).
g(t)
Ingresso
Sistema
f(t)
S
Uscita
Figura 1.9 Rappresentazione graca di un sistema.
Esempio 1.4.1
Semplici esempi di sistemi sono quelli che permettono di ottenere la traslazione tem-
porale (ritardo), ed il cambio di scala di segnali dati (Figura 1.10).
1. La traslazione (o ritardo) trasforma il segnale f(t) nel segnale f(t t
0
) che
rappresenta lo stesso segnale ritardato di t
0
.
2. Il cambio di scala nel tempo (o scalatura) trasforma il segnale f(t) nel segnale
f(at). Leetto che si ottiene in questo caso è quello di una compressione lineare
(se [a[ > 1) o di un allungamento o rilassamento lineare (se [a[ < 1).
1.4. Sistemi per lElaborazione dei Segnali Deterministici 11
x(tt
0
)
(a)
(b)
t 0 t
0
t
0
x(at)
0 t
x(t)
0 t
x(t)
t 0
Scalatura
a
1/a 1
Ritardo
Figura 1.10 (a) Ritardo. (b) Scalatura.
Esempio 1.4.2
Un importante esempio di sistema è il Campionatore a periodo (o equivalentemente
a frequenza di campionamento F
s
= 1/), illustrato in Figura 1.11.
f(t)
t n
f(n )
Campionatore
0
Figura 1.11 Campionatore.
Esso trasforma il segnale a tempo continuo f(t) nel segnale a tempo discreto f(n).
In seguito sar` a arontato limportante problema di determinare condizioni per cui il
segnale f(t) è ricostruibile a partire dal segnale campionato f(n).
Esempio 1.4.3
Dato un insieme nito V = x
1
, . . . , x
m
di numeri, consideriamo la funzione Q che
ad ogni reale x associa lelemento in V pi` u vicino ad x, cioè:
Q(x) = arg min
x
k
V
[x x
k
[
Il sistema quantizzatore associa al segnale f(t) il segnale Q(f(t)). Tale sistema riceve
in ingresso un segnale continuo e restituisce un segnale a valori niti. Un esempio di
quantizzatore a 2 valori 1, 1 è dato in Figura 1.12.
In questo caso:
Q(x) =
_
1 se x > 0
1 se x 0
f(t)
t t
Q(f(t))
Quantizzatore
a 1 bit
Figura 1.12 Quantizzatore.
Esso coincide con la funzione Signum(x).
1.4.1 Composizionalità nei Sistemi
I sistemi complessi sono quelli costituiti da un gran numero di sistemi semplici; per
poter trattare con sistemi complessi, è di grande importanza riuscire a comprenderne il
comportamento a partire da quello delle loro componenti principali. Un approccio che
rende agevole questo obbiettivo è quello modulare: si introducono esplicitamente oper-
azioni che trasformano due o pi` u sistemi in un nuovo sistema, e la costruzione di un
sistema complesso viene ottenuta applicando queste operazioni a sistemi semplici.
Senza pretesa di voler essere nemmeno lontanamente esaurienti, introduciamo in questa
sezione le operazioni di composizione sequenziale (o cascata), composizione parallela e
retroazione, mostrando su esempi la capacit` a di astrazione fornita dallapproccio modulare.
Composizione sequenziale o cascata. Dati due sistemi S
1
: F
1
F
2
e S
2
: F
2

F
3
, la loro composizione è il sistema S
3
: F
1
F
3
, tale che S
3
(f(t)) = S
2
(S
1
(f(t)))
ottenuta ponendo in ingresso a S
2
la risposta di S
1
.
Composizione parallela. Dati due sistemi S
1
: F
1
F
2
e S
2
: F
1
F
2
, la loro
composizione parallela è il sistema che ha come risposta la somma delle risposte di
S
1
e S
2
.
Le operazioni introdotte sono illustrate in Figura 1.13.
Esempio 1.4.4
Conversione analogico-digitale. Dalla composizione sequenziale di un campionatore e
di un quantizzatore si ottiene un convertitore analogico digitale (ADC), che trasforma
un segnale analogico in un segnale digitale (vedi Figura 1.14).
Esempio 1.4.5
Elaborazione digitale di segnali analogici e trasmissione di segnali digitali. Un conver-
titore analogico-digitale (ADC) è un sistema che trasforma, in modo approssimativa-
mente fedele, segnali analogici in segnali digitali.
1.5. Spazi vettoriali di segnali 13
Figura 1.13 (a) Cascata. (b) Composizione parallela.
Campionatore Quantizzatore
x(n) f(t)
ADC
Figura 1.14 Conversione analogico-digitale.
Loperazione inversa è compiuta dal convertitore digitale-analogico (DAC): esso trasfor-
ma un segnale digitale in un segnale analogico. Gli ADC e i DAC realizzano dunque
linterfaccia tra il mondo analogico e quello digitale. La composizione sequenziale
presentata in Figura 1.15 modella il trattamento di segnali analogici con programmi
eseguiti da un elaboratore digitale, mentre quella presentata in Figura 1.16 modella
la trasmissione a distanza di segnali digitali utilizzando un supporto analogico.
f(t) g(t)
ADC
Programma
Elaboratore DAC
Figura 1.15 Elaborazione digitale dei segnali analogici.
1.5 Spazi vettoriali di segnali
Dati due segnali f
1
(t) e f
2
(t), la loro somma è il segnale f(t) ottenuto dalla sovrappo-
sizione di f
1
(t) e f
2
(t) cos` denito:
Figura 1.16 Trasmissione di segnali digitali su supporto analogico.
f(t) = f
1
(t) +f
2
(t)
Dato il segnale f
1
(t) e un numero reale a, il prodotto di f
1
(t) per lo scalare a è il
segnale f(t) ottenuto amplicando f(t) di un fattore a, cioè:
f(t) = af
1
(t)
Loperazione di somma è commutativa e associativa; il segnale ovunque nullo 0 è tale
che:
f(t) + 0 = f(t)
ed inoltre per il segnale f(t) esiste il segnale opposto f(t) tale che
f(t) f(t) = 0
Vale inoltre che
a(bf(t)) = abf(t) (a e b sono scalari)
a(f
1
(t) +f
2
(t)) = af
1
(t) +af
2
(t)
Ne segue che linsieme dei segnali, dotato delle operazioni sopra denite, forma uno
spazio vettoriale.
Data una famiglia f
1
(t), . . . , f
r
(t) di segnali, la somma pesata
f(t) = a
1
f
1
(t) +a
2
f
2
(t) +... +a
r
f
r
(t) =
r
k=1
a
k
f
k
(t)
è detta combinazione lineare; essa rappresenta la sovrapposizione (pesata) dei segnali
f
1
(t), . . . , f
r
(t).
Introducendo opportune nozioni di limite, questa operazione pu` o essere estesa ad inniti
segnali, dando senso a espressioni del tipo:
+
k=
a
k
f
k
(t)
Data una famiglia di segnali f
1
(t), ..., f
r
(t), diremo che un segnale f(t) è linear-
mente dipendente dalla famiglia f
1
(t), ..., f
r
(t) se esso pu` o essere ottenuto come combi-
nazione lineare dei segnali della famiglia; altrimenti è detto linearmente indipendente da
f
1
(t), ..., f
r
(t).
Sia F un sottospazio vettoriale di segnali contenente la famiglia f
1
(t), ..., f
r
(t); se
ogni segnale f(t) F si pu` o ottenere come combinazione lineare di segnali della famiglia
f
1
(t), ..., f
r
(t), cioè se:
f(t) =
r
k=1
a
k
f
k
(t)
allora f
1
(t), ..., f
r
(t) è detto insieme di generatori di F.
Inoltre, se succede che togliendo alla famiglia f
1
(t), ..., f
r
(t) un qualsiasi suo elemen-
to, il nuovo insieme non è pi` u in grado di generare F, allora diremo che f
1
(t), ..., f
r
(t)
è una base. Questo è equivalente a richiedere che ogni elemento di f
k
(t) sia linearmente
indipendente dai restanti.
Se f
k
(t) è una base per F si pu` o dimostrare che per ogni f(t) F esiste una sola
sequenza di coecienti a
k
tali che:
f(t) =
r
k=1
a
k
f
k
(t)
Dato un segnale f(t) F e una base f
k
(t) per F risulta allora che f(t) è biunivocamente
individuato dalla sequenza dei coecenti a
k
.
Introducendo opportune nozioni di limite, la nozione di base pu` o essere estesa a basi
con inniti elementi. Questo porta allimportante problema di analisi.
Problema di analisi: Data una base f
1
(t), ..., f
k
(t), ... per uno spazio di segnali
F, e un segnale f(t) F, determinare i coecienti a
1
, ..., a
k
, ... tali che:
f(t) =
k
a
k
f
k
(t)
Si osservi che i coecienti a
1
, ..., a
k
, ... permettono di ottenere una rappresentazione
alternativa di f(t).
Come pu` o essere calcolata la sequenza di coecienti a
k
?
Una soluzione semplice ed ecace al problema di analisi esiste nel caso di basi ortogonali.
Per introdurre tale nozione supponiamo che sia denito un prodotto interno (prodotto
scalare) tra segnali, cioè una operazione che ad ogni coppia di segnali f
1
(t) e f
2
(t) associa
un numero reale (f
1
(t), f
2
(t)) in modo che:
1. se f(t) non è il segnale nullo, allora (f(t), f(t)) > 0
2. (af
1
(t) +bf
2
(t), g(t)) = a(f
1
(t), g(t)) +b(f
2
(t), g(t))
Esempio 1.5.1
Consideriamo lo spazio '
n
formato da n-uple di numeri reali, cioè '
n
= (x
1
. . . , x
n
), x
k
',
con le operazioni:
(x
1
, ..., x
n
) + (y
1
, ..., y
n
) = (x
1
+y
1
, ..., x
n
+y
n
)
a(x
1
, ..., x
n
) = (ax
1
, ..., ax
n
)
Questo spazio è uno spazio vettoriale, e, posto x = (x
1
, ..., x
n
) e y = (y
1
, ..., y
n
),loperazione
(x, y) =
n
i=1
x
i
y
i
è un prodotto interno.
Osserviamo che |x| =
_
(x, x) è la lunghezza del vettore x ed è possibile mostrare
che:
(x, y) = |x| |y| cos
dove è langolo tra il vettore x e y.
Esempio 1.5.2
Per segnali continui deniti sullintervallo [0, 1] la seguente operazione è un prodotto
interno:
(f(t), g(t)) =
_
1
0
f(t)g(t)dt
Esempio 1.5.3
Per i segnali a tempo discreto (con opportune condizioni che garantiscono la conver-
genza) la seguente operazione è un prodotto interno
(f(n), g(n)) =
+
k=
f(k)g(k)
Una base f
1
(t), ..., f
k
(t), ... è detta ortogonale se i ,= j risulta :
(f
i
(t), f
j
(t)) = 0
Da esempio 1.5.1, infatti il prodotto interno è 0 se langolo tra i vettori è tale che
cos = 0, cioè i vettori sono perpendicolari.
Possiamo a questo punto enunciare limportante
Fatto 1: se f
1
(t), ..., f
k
(t), . . . è una base ortogonale per uno spazio di segnali F, allora
ogni segnale f(t) F è tale che:
f(t) =
k
a
k
f
k
(t)
dove
a
j
=
(f(t), f
j
(t))
(f
j
(t), f
j
(t))
Dim:
(f(t), f
j
(t)) =
k
a
k
f
k
(t), f
j
(t) =
k
a
k
(f
k
(t), f
j
(t)) = a
j
(f
j
(t), f
j
(t))
Ricavando a
j
, si ottiene il risultato.
Se in una base ortogonale f
1
(t), ..., f
k
(t), ... vale ulteriormente che (f
j
(t), f
j
(t)) = 1
per ogni j, la base viene detta ortonormale.
Per basi ortonormali, il Fatto 1 si specializza come segue:
Fatto 2: se f
1
(t), ..., f
k
(t), ... è una base ortonormale per uno spazio di segnali F,
allora ogni segnale f(t) F è tale che:
f(t) =
k
a
k
f
k
(t)
dove
a
j
= (f(t), f
j
(t))
Esempio 1.5.4
Consideriamo lo spazio dei segnali x(n) a tempo discreto (con la condizione aggiuntiva
che
+
n=
x
2
(n) < ). Il segnale impulso unitario (n) è il segnale che vale 1 per
n = 0 e 0 altrimenti, cioè:
(n) =
_
1, n= 0;
0, n,= 0.
Si pu` o osservare che la famiglia dei segnali
..., (n +k), ...(n + 1), (n), (n 1), (n 2), ...(n k), ...
cioè (nk)[k Z, è una base per lo spazio dei segnali a tempo discreto. Si osservi
infatti che (n k) = 1 se n = k, altrimenti (n k) = 0. Preso allora un qualsiasi
segnale x(n), vale:
x(n) =
k=
x(k)(n k)
Ne segue che ogni segnale è esprimibile come combinazione lineare dei segnali
(n k) (< k < ). Per i segnali a tempo discreto unutile nozione di prodotto
interno è la seguente:
(x(n), y(n)) =
n=
x(n)y(n)
Si osserva immediatamente che la base (nk)[k Z è una base ortogonale. Infatti:
((n k), (n k)) =
n=
2
(n k) = 1
se invece k ,= j, vale che:
((n k), (n j)) =
n=
(n k)(n j) = 0
Esempio 1.5.5
Nello spazio dei segnali a tempo continuo, linsieme delle funzioni impulso (delta di
Dirac) (t x) : x R, presentatata nella sezione 1.3, rappresenta una base
per i segnali a tempo continuo. Infatti ogni segnale f(t) pu` o essere espresso come
combinazione lineare generalizzata di impulsi dove il coeciente moltiplicativo di
(t x) è proprio f(x), ovvero:
f(t) =
_

f(x)(t x)dx.
Quanto detto si pu` o dimostrare osservando per prima cosa che f(t)(tx) = f(x)(t
x), poiche (t x) = 0 per x ,= t. Allora:
_
+
f(x)(t x)dx =
_
+
f(t)(t x)dx = f(t)

_
+
(t x)dx = f(t).
1.6 Sistemi Lineari
Consideriamo due spazi vettoriali di segnali F
1
e F
2
. Questo signica che per segnali
f, g F
1
(F
2
) la somma (f + g) F
1
(F
2
) e la moltiplicazione per uno scalare af
F
1
(F
2
).
Consideriamo ora un sistema, il cui comportamento è dato da
S : F
1
F
2
Se succede che la risposta a una somma di segnali è la somma delle risposte, e che la risposta
alla moltiplicazione di un segnale per uno scalare è la moltiplicazione della risposta per lo
scalare, allora il sistema è detto lineare.
Formalmente:
1.6. Sistemi Lineari 19
Denizione 1.1 Siano F
1
e F
2
due spazi lineari di segnali. Un sistema S : F
1
F
2
è
lineare se
S(f(t) +g(t)) = S(f(t)) +S(g(t)),
S(af(t)) = aS(f(t)).
Esempio 1.6.1
La modulazione di ampiezza MA di un segnale f(t) è realizzata moltiplicando f(t) per
Acos t, cioè:
MA(f(t)) = Acos t f(t).
Essa è descritta da un sistema lineare, infatti:
MA(af(t) +bg(t)) = Acos t (af(t) +bg(t))
= aAcos t f(t) +bAcos t g(t)
= a MA(f(t)) +b MA(g(t))
Esempio 1.6.2
La modulazione di fase MF di un segnale f(t) è descritta dal sistema
MF(f(t)) = cos(t +f(t)).
Poichè in generale cos(t +(f +g)) ,= cos(t +f) +cos(t +g), MF non è un sistema
lineare.
Ogni sistema lineare S possiede limportante propriet` a di sovrapposizione: se lingresso
f(t) consiste in una sovrapposizione di segnali f
1
(t), ..., f
m
(t) (cioè f(t) =
m
k=1
a
k
f
k
(t))
allora la risposta g(t) ad f(t) è la sovrapposizione pesata delle risposte del sistema ad ogni
singola componente S(f
1
(t)), ..., S(f
m
(t)) vale a dire:
S
_
m
k=1
a
k
f
k
(t)
_
=
m
k=1
a
k
S(f
k
(t))
Una nozione importante relativa agli spazi lineari è quella di base: una base è un
insieme di vettori f
1
, . . . , f
n
tale che ogni altro vettore f pu` o essere ottenuto come
combinazione lineare f =
i
f
i
di elementi della base, e contemporaneamente nessun
elemento della base pu` o essere ottenuto come combinazione lineare dei rimanenti.
Un sistema lineare S è univocamente denito conoscendo le risposte del sistema sugli
elementi di una base. Infatti, per ogni ingresso f, f è ottenuto come combinazione lineare
f =
i
f
i
e vale:
S(f) = S
_
i
f
i
_
=
i
S(f
i
).
Conoscendo quindi S(f
i
) per ogni i, riusciamo a conoscere S(f) per tutti i segnali f dello
spazio.
Queste considerazioni, introdotte per spazi a base nita, possono essere estese (con
qualche precauzione) a spazi pi` u generali. Il seguente importante esempio introduce una
base indiciata su un continuo, per segnali a tempo continuo, e una base numerabile per
segnali a tempo discreto.
Esempio 1.6.3
Richiamiamo la funzione impulso (o delta di Dirac) (t). Essa possiede le seguenti
propriet` a:
(t x) = 0 se t ,= x,
_
+
(t x)dx = 1.
Limportanza della funzione impulso nasce dal fatto che linsieme degli impulsi
(t x) : x R rappresenta una base per i segnali a tempo continuo. Infatti:
Fatto 1.1 Ogni segnale f(t) pu` o essere espresso come combinazione lineare general-
izzata di impulsi, ovvero
f(t) =
_
+
f(x)(t x)dx.
Il segnale f(t) è ottenibile quindi da una combinazione lineare generalizzata di
impulsi (t x), dove il coeciente moltiplicativo di (t x) è proprio f(x).
Una giusticazione di Fatto 1.1 pu` o essere ottenuta osservando che f(t)(t x) =
f(x)(t x), poichè (t x) = 0 per x ,= t. Allora:
_
+
f(x)(t x)dx =
_
+
f(t)(t x)dx = f(t)

_
+
(t x)dx = f(t).
Analogamente una base per segnali x(n) a tempo discreto pu` o essere ottenuta con-
siderando limpulso unitario (n):
(n) =
_
1 se n = 0
0 altrimenti.
Poiche (n k) = 1 se n = k e (n k) = 0 se n ,= k, si verica direttamente che per
ogni segnale x(n) vale:
Fatto 1.2
x(n) =
+
k=
x(k)(n k).
Di conseguenza (n k) : k Z risulta una base per segnali a tempo discreto.
1.6.1 Sistemi Lineari Tempo-Invarianti (LTI)
Intuitivamente, un sistema è tempo-invariante se le sue caratteristiche non si modicano
nel tempo. Questo signica che la risposta del sistema a un segnale ritardato è la risposta
ritardata del sistema al segnale.
Denizione 1.2 Un sistema S : F
1
F
2
è tempo-invariante quando per ogni ingresso
f(t), se g(t) = S(f(t)) allora g(t t
0
) = S(f(t t
0
)), per ogni t
0
.
Ad esempio, il pianoforte pu` o essere visto come un sistema che trasforma la pressione
delle dita in suono. Medesime esecuzioni in tempi diversi portano agli stessi suoni, natural-
mente in tempi diversi. In questo senso il pianoforte è un sistema tempo-invariante. Tutto
ci` o è subordinato al fatto che le caratteristiche meccaniche del pianoforte non si modichi-
no nel tempo: quando questo accade, il pianoforte diventa un sistema tempo-variante ed
è necessario lintervento dellaccordatore.
Esempio 1.6.4
Il sistema g(t) = a f(t), che amplica lingresso di un fattore a, è tempo-invariante.
Infatti la risposta al segnale ritardato f(t t
0
) è af(t t
0
), che coincide con g(t t
0
).
Si osservi che tale sistema è sia lineare che tempo-invariante.
Esempio 1.6.5
La modulazione di ampiezza MA data da:
g(t) = MA(f(t)) = cos(t) f(t).
risulta essere un sistema lineare ma non tempo invariante. Infatti la risposta al segnale
ritardato f(t t
0
) è cos(t) f(t t
0
), diversa da g(t t
0
) = cos((t t
0
)) f(t t
0
).
Esempio 1.6.6
Si consideri la funzione gradino unitario u(x) denita da
u(x) =
_
1 se x 0
0 altrimenti.
Il circuito sogliatore è descritto dal sistema S(f(t)) = u(f(t)). Tale sistema è tempo-
invariante ma non lineare, come si verica immediatamente.
Di grande interesse risultano i sistemi che sono contemporaneamente lineari e tempo-
invarianti, e che chiameremo con lacronimo LTI. Da un lato, è infatti disponibile una
buona teoria su tali sistemi, di grande aiuto allanalisi e alla progettazione; dallaltro,
spesso lanalisi di sistemi non lineari pu` o in prima approssimazione richiamare metodi
usati per i sistemi LTI.
Se S è un sistema lineare tempo-invariante (LTI) per segnali a tempo continuo, il suo
comportamento è completamente individuato dalla sua risposta alla funzione impulsiva
(t).
Infatti:
Fatto 1.3 Se S è un sistema lineare tempo-invariante, allora
S(f(t)) =
_

f(x)h(t x)dx =
_

h(y)f(t y)dy,
dove h(t) è la risposta S((t)) del sistema allimpulso (t).
Dimostrazione. Poichè il sistema è lineare vale:
S(f(t)) = S
__

f(x)(t x)dx
_
=
_

f(x)S((t x))dx.
Essendo inoltre tempo-invariante, se h(t) = S((t)) allora h(t x) = S((t x)), e quindi
S(f(t)) =
_

f(x)h(t x)dx.
Col cambio di variabile y = t x, e quindi x = t y, si ottiene
_

f(x)h(t x)dx =
_

h(y)f(t y)dy
Un risultato analogo vale per sistemi a tempo discreto:
Fatto 1.4 Se S è un sistema lineare tempo-invariante, allora
S(x(n)) =
k=
x(k)h(n k) =
s=
h(s)x(n s),
dove h(n) è la risposta S((n)) del sistema allimpulso unitario.
La legge che associa a due segnali a tempo continuo f e h il segnale
_
+
f(x)h(t x)dx (1.1)

è detta prodotto di convoluzione di f e h, e si denota f h.
Analogamente per segnali a tempo discreto x(n) e y(n) la convoluzione è denita da:
(x y)(n) =
k=
x(k)y(n k).
I precedenti risultati (Fatto 1.3 e Fatto 1.4), espressi in termini di convoluzione, as-
seriscono che la risposta di un sistema LTI a un dato segnale dingresso è ottenuta dalla
convoluzione del segnale dingresso con la risposta del sistema allimpulso.
Esempio 1.6.7
Sia dato un sistema LTI che ha come risposta allimpulso (t) il gradino unitario u(t).
Si vuole determinare la risposta g(t) del sistema allingresso f(t), dove:
f(t) = e
at
u(t) a > 0,
Per il Fatto 1.3 si ha:
g(t) =
_
+
f(x)u(tx)dx =
_
+
e
ax
u(x)u(tx)dx =
_
t
0
e
at
dt =
1
a
(1e
at
)u(t).
In Figura 1.17 è mostrato il graco di y(t).
y(t)
1/a
0 t
Figura 1.17 Risposta del sistema con input x(t) = e
at
u(t).
1.6.2 Sistemi Causali e Stabili
Nel mondo sico vige, no a prova contraria, il cosiddetto principio di causalit` a: leetto
non pu` o precedere la causa che lo ha generato. Unimportante condizione per la realiz-
zabilit` a sica di un sistema per il trattamento di segnali temporali è quindi che esso sia
causale:
Denizione 1.3 Un sistema si dice causale se ad ogni istante di tempo luscita dipende
unicamente dai valori dellingresso al tempo presente e ai tempi passati.
Per questo motivo un sistema causale viene anche detto nonanticipativo, nel senso che
il valore della risposta al tempo t non richiede la conoscenza dei valori dellingresso a tempi
t
> t. Come conseguenza, se due ingressi del sistema sono identici no ad un certo istante
t
0
, le corrispondenti uscite devono essere uguali no a quellistante.
Nei sistemi LTI il comportamento del sistema è univocamente individuato dalla sua
risposta allimpulso (t). Per questi sistemi la nozione di casualit` a pu` o essere semplicata:
Denizione 1.4 Un sistema S è causale se la sua risposta h(t) allimpulso è nulla per
valori di t negativi, cioè quando h(t) = 0 per t < 0.
Se un sistema LTI è causale, allora si pu` o porre:
1. caso continuo:
S(f(t)) =
_

0
h(x)f(t x)dx.
2. caso discreto:
S(x(n)) =
k=0
h(k)x(n k).
Se in aggiunta la risposta allimpulso è nita, cioè h(n) = 0 per n > q per un
opportuno intero q si ha:
S(x(n)) =
q
k=0
h(k)x(n k).
Sistemi del tipo sopra denito sono detti anche ltri FIR (Finite Impulse Response)
e sono essenzialmente descritti dal vettore [h(0), . . . , h(q)]. Infatti, detto y(n) il
segnale di uscita su ingresso x(n), la relazione ingresso-uscita è data da:
y(n) = h(0)x(n) +h(1)x(n 1) +. . . +h(q)x(n q)
Si osservi che luscita al tempo n è la combinazione lineare degli ingressi ai tem-
pi n, n 1, ..., n q avente come coecienti i valori non nulli della risposta allimpulso
h(0), h(1), ..., h(q).
Unaltra nozione di interesse pratico è quella di stabilit` a. Ricordiamo che un segnale
a tempo continuo f(t) è detto limitato se esiste M > 0 tale che [f(t)[ < M per ogni t.
Analogamente, un segnale a tempo discreto x(n) è detto limitato se esiste M > 0 tale che
[x(n)[ < M per ogni n. Allora diremo che
Denizione 1.5 Un sistema S è stabile (o BIBO, cioè Bounded Input Bounded Output)
se trasforma segnali limitati in segnali limitati.
I sistemi lineari tempo-invarianti stabili sono caratterizzati da una semplice propriet` a
della risposta allimpulso:
Fatto 1.5 Un sistema lineare tempo-invariante S è stabile sse, detta h(t) la risposta di S
allimpulso, vale che:
_
+
[h(t)[dt < +.
Dimostrazione. Supponiamo, per prima cosa, che
_
+
[h(t)[dt < + e dimostriamo che

il sistema è stabile. Se f(t) è limitata, cioè esiste M > 0 tale che [f(t)[ < M per ogni t,
allora luscita del sistema su ingresso f(t) è il segnale g(t) tale che:
[g(t)[ =
_
+
h()f(t )d
_
+
[h()[[f(t )[d M
_
+
[h()[d.
Questo implica che g(t) è limitato e quindi il sistema è stabile.
Supponiamo ora che
_
+
[h(t)[dt = + e dimostriamo che il sistema non è stabile.

Se poniamo infatti in ingresso al sistema il segnale f(t) = sgn(h(t)) chiaramente
limitato, luscita g(t) è tale che:
g(0) =
_
+
h()f()d =
_
+
h() sgn(h())d =
_
+
[h()[d = +.
Il sistema non risulta quindi stabile.
Per sistemi LTI che operano su segnali a tempo discreto vale un risultato analogo:
Fatto 1.6 Un sistema LTI è stabile sse la risposta h(n) allimpulso unitario è tale che
+
n=
[h(n)[ < +.
Poichè la risposta allimpulso h(n) di un ltro FIR causale è tale che h(n) = 0 se n < 0 e
n > q risulta:
+
n=
[h(n)[ =
q1
n=0
[h(n)[ < +,
si pu` o concludere che i ltri FIR sono sistemi sempre stabili.
Capitolo 2
Analisi in Frequenza di Segnali
Analogici
Per lo studio dei sistemi lineari pu` o essere utile un cambiamento di rappresentazione
del segnale: invece di esprimere il segnale f(t) come sovrapposizione di impulsi (f(t) =
_
+
f(x)(t x)dx) lo si rappresenta come sovrapposizione di altri segnali-base (f(t) =

_
+
a(x)H(t, x)dx, dove H(t, x) sono da scegliere in modo opportuno).

Una base particolarmente interessante è quella introdotta e studiata da Jean Baptiste
Joseph Baron de Fourier, governatore del Basso Egitto sotto Napoleone e autore di un
monumentale trattato sulla propagazione del calore pubblicato nel 1822. In questo lavoro
veniva introdotto il concetto di serie di Fourier; la trasformata di Fourier (o integrale di
Fourier) è una semplice estensione della serie che si applica a segnali arbitrari, mentre la
serie si applica solo a segnali periodici.
Per lintroduzione della trasformata di Fourier è opportuno considerare segnali a valori
complessi: poiche i numeri reali sono un sottocampo dei complessi, potremo trattare i
segnali reali come opportune restrizioni.
27
28 Analisi in Frequenza di Segnali Analogici
Il capitolo è suddiviso come segue. Viene richiamata brevemente la nozione di numero
complesso e le principali operazioni su tali numeri. Viene poi introdotta la classe dei
segnali periodici e discussa la loro espansione in serie di Fourier. Questo approccio viene
esteso a segnali non periodici, denendo la trasformata di Fourier e studiandone alcune
propriet` a che rendono semplice la manipolazione di questo strumento.
2.1 Numeri Complessi
Richiamiamo qui brevemente la nozione di numero complesso. Un numero complesso z è
identicato da una coppia di numeri reali (a, b); si scrive solitamente z = a+ib, chiamando
i =
1 unit` a immaginaria, a = Re z parte reale e b = Imz parte immaginaria di z.

Le operazioni di addizione e moltiplicazione di due numeri complessi z e w sono denite
nel modo seguente:
somma: (a +ib) + (c +id) = (a +c) +i(b +d),
prodotto: (a +ib)(c +id) = (ac bd) +i(ad +bc).
Rispetto a tali operazioni i numeri complessi formano un campo; in particolare si verica
direttamente che linverso rispetto alla moltiplicazione è dato da:
(a +ib)
1
=
a
a
2
+b
2
i
b
a
2
+b
2
.
Il sottocampo di numeri complessi della forma (a, 0) (cioè tutti quelli che hanno parte
immaginaria 0) è isomorfo al campo reale R.
Poiche un numero complesso z = (a, b) è una coppia ordinata di numeri reali, esso pu` o
essere rappresentato geometricamente come un punto di un piano. Descrivendo tale punto
in coordinate polari (r, ), come mostrato in Figura 2.1, si ricava la forma trigonometrica
di un numero complesso:
z = r(cos +i sin ).
0
y
x
r
r sin
r cos
(a,b)
Figura 2.1 Rappresentazione geometrica del numero complesso a + ib.
2.1. Numeri Complessi 29
La relazione tra coordinate polari (r, ) e coordinate cartesiane (a, b) è data dalla seguente
coppia di equazioni:
r =
_
a
2
+b
2
=
_
(Re z)
2
+ (Imz)
2
, = arctan
_
b
a
_
= arctan
_
Imz
Re z
_
,
r è chiamato modulo di z mentre è la sua fase; scriveremo r = [z[ e = phz. Unaltra
utile rappresentazione di un numero complesso è la cosidetta forma esponenziale o polare:
z = re
i
,
che si ottiene applicando alla forma trigonometrica la relazione di Eulero:
e
i
= cos +i sin .
Questultima rappresentazione è utile specialmente riguardo alla moltiplicazione e alla
divisione di numeri complessi. Il prodotto di due numeri complessi è il numero complesso
che ha come modulo il prodotto dei due moduli e come fase la somma delle due fasi:
[z
1
z
2
[ = [z
1
[ [z
2
[; ph(z
1
z
2
) = ph(z
1
) + ph(z
2
).
Infatti, se z
1
= r
1
e
i
e z
2
= r
2
e
i
, si ha:
z
1
z
2
= r
1
(cos +i sin ) r
2
(cos +i sin )
= r
1
r
2
[cos cos sin sin +i(sin cos + cos sin )]
= r
1
r
2
[cos( +) +i sin( +)] = r
1
r
2
e
i(+)
La potenza ennesima di z = re
i
si ottiene facilmente applicando ripetutatmente la formula
precedente:
z
n
= r
n
e
in
= r
n
(cos n +i sin n).
La radice n-esima di un numero complesso z è un numero x tale che x
n
= z. Se
z = e
i
e x = re
i
, vale allora:
e
i
= r
n
e
in
Ricordando che due numeri complessi sono uguali se hanno lo stesso modulo e la dierenza
fra le fasi è multipla intera di un angolo giro, otteniamo:
r
n
= n = 2k (k Z).
Si conclude allora che un numero complesso e
i
ha n radici complesse tutte con lo stesso
modulo r =
1/n
e fasi =

n
+
2k
n
(k = 0, . . . , n 1).
Se z = a + ib, il complesso coniugato di z è il numero complesso z = a ib. Geo-
metricamente z rappresenta il simmetrico di z rispetto allasse reale. La denizione di
coniugato implica che:
z
1
+z
2
= z
1
+z
2
, z
1
z
2
= z
1
z
2
, z
1
/z
2
= z
1
/z
2
.
Risulta inoltre che la somma e il prodotto di numeri complessi coniugati sono sempre
numeri reali; in particolare:
z +z = 2 Re z , zz = [z[
2
.
Riassumendo, la notazione precedentemente introdotta ci consente di:
1. esprimere un numero complesso in forma esponenziale z = re
i
,
2. esprimere le funzioni trigonometriche mediante quella esponenziale, pi` u semplice da
manipolare:
e
i
= cos +i sin , e
i
= cos i sin
cos =
1
2
_
e
i
+e
i
_
, sin =
1
2i
_
e
i
e
i
_
.
2.2 Segnali Periodici
Unimportante classe di segnali è quella dei segnali che si ripetono periodicamente nel
tempo. Pi` u precisamente, diremo che un segnale f(t) è periodico di periodo T se, per
ogni t, vale che f(t) = f(t +T).
Se un segnale f(t) è periodico di periodo T allora, per ogni k intero, f(t) = f(t +kT);
la funzione f(t) periodica di periodo T risulta pertanto univocamente individuata dalla
sua restrizione allintervallo
T
2
t
T
2
, come mostrato in Figura 2.2.
. . . . . .
T/2 3T/2
t
f(t)
-3T/2 -T/2
Figura 2.2 Funzione periodica di periodo T.
Esempio 2.2.1
Poiche sin(t + 2) = sin t e cos(t + 2) = cos t per ogni t, le funzioni sinusoidali sint
e cos t sono funzioni periodiche di periodo 2.
`
E facile vericare che la combinazione lineare di funzioni periodiche di periodo T è
una funzione periodica dello stesso periodo; la funzione esponenziale complessa e
i
=
2.3. Serie di Fourier complessa. 31
cos t +i sin t è allora periodica di periodo 2. Si osservi inoltre che se f(t) è periodica di
periodo T, allora f(t) è periodica di periodo T/.
Dato un segnale periodico f(t), con frequenza del segnale si intende il numero di
ripetizioni del periodo nellunit` a di tempo. Se lunit` a di misura del tempo è il secondo
(sec), la frequenza pu` o essere misurata in Hertz (Hz) oppure radianti al secondo (rad/sec).
Pi` u precisamente, un segnale f(t) di periodo T ha frequenza f =
1
T
Hz oppure =
2
T
rad/sec.
Esempio 2.2.2
Il segnale cos t ha una frequenza di rad/sec oppure di

2
Hz; analogamente un
segnale di 6 kHz ha una frequenza di circa 38.000 rad/sec.
Esempio 2.2.3
Nei sistemi di comunicazione è usuale dividere le frequenze in bande. Una convenzione
spesso usata è quella di identicare le bande con numeri, cos` che la banda N è data
da tutte le frequenze:
0.3 10
N
Hz < banda N < 3 10
N
.
Ad esempio, la banda 6 va da 300 kHz a 3 MHz.
Per quanto riguarda la classifcazione sono state individuate le seguenti bande:
le frequenze audio occupano le bande 2,3,4 (30 Hz 30 kHz);
le frequenze video occupano le bande 1,2,3,4,5,6,7 (no a 30 MHz);
le microonde occupano le bande 8,9,10,11 (30 MHz 300 GHz).
La banda 5 è anche detta LF (bassa frequenza), la banda 6 è detta MF (media fre-
quenza), la banda 7 è detta HF (alta frequenza), la banda 8 è detta VHF e la banda
9 è detta UHF. Le usuali trasmissioni radio in modulazione di ampiezza avvengono
nella banda MF(6), quelle in modulazione di frequenza nella banda VHF (8).
2.3 Serie di Fourier complessa.
Consideriamo ora segnali a tempo continuo e a valori complessi.
Il segnale f(t) è pertanto individuato dal suo modulo [f(t)[ 0 e dalla sua fase ph(f(t)).
I segnali periodici di periodo T, cioe quei segnali f(t) tale che f(t) = f(t + T) per ogni
t, formano uno spazio lineare: la combinazione lineare di segnali periodici di periodo T
è sempre un segnale periodico di periodo T. In questo spazio è possibile introdurre il
seguente prodotto interno:
(f(t), g(t)) =
_
T
0
f(t)g(t)dt
Le due propriet` a del prodotto interno sono infatti vericate:
Propriet` a 1 Se f(t) ,= 0, allora
(f(t), f(t)) =
_
T
0
f(t)f(t)dt =
_
T
0
[f(t)[
2
dt > 0
Propriet` a 2
(c
1
f
1
(t) +c
2
f
2
(t), g) =
_
T
0
(c
1
f
1
(t) +c
2
f
2
(t))g(t)dt =
= c
1
_
T
0
f
1
(t)g(t)dt +c
2
_
T
0
f
2
(t)g(t)dt =
= c
1
(f
1
(t), g(t)) +c
2
(f
2
(t), g(t))
Il nucleo dei risultati di Fourier pu` o essere riassunto come segue:
Fatto 1: I segnali e
2i
n
T
t
[ < n < + formano una base ortogonale nello spazio di
segnali periodici di periodo T.
Verichiamo qui che tali vettori sono a coppie ortogonali. Infatti:
(e
2i
n
T
t
, e
2i
k
T
t
) =
_
T
0
e
2i
n
T
t
e
2i
k
T
t
dt =
_
T
0
e
2i
nk
T
t
dt
Distinguiamo i due casi:
Caso 1: Se n = k, allora
(e
2i
T
nt
, e
2i
T
nt
) =
_
T
0
1dt = T
Caso 2: Se n ,= k, allora
(e
2i
n
T
t
, e
2i
k
T
t
) =
_
T
0
e
2i
nk
T
t
dt =
= [
T
2i(n k)
e
2i
nk
T
t
]
T
0
=
=
T
2i(n k)
(e
2i(nk)
1) = 0
La teoria precedentemente esposta, particolarizzata alla base di Fourier, ci permette
di risolvere il problema di analisi. In particolare vale:
1. Ogni segnale f(t) di periodo T pu` o essere espresso come sovrapposizione dei segnali
e
2i
n
T
t
(< n < +) con coecienti c
n
, cioe:
f(t) =
+
n=
c
n
e
2i
n
T
t
2.3. Serie di Fourier complessa. 33
2. Il generico coeciente c
n
è ottenuto dal prodotto interno:
c
n
=
1
T
_
T
0
f(t)e
2i
n
T
t
Fissata quindi la base di Fourier, dato il segnale f(t) posso ottenere i coecienti c
n
,
dati i coecienti c
n
posso ricostruire il segnale f(t). Essi sono detti essere la rappresen-
tazione in frequenza del segnale o spettro del segnale.
I coecienti c
n
orono dunque una rappresentazione alternativa del segnale f(t).
Osserviamo ora che il segnale e
2i
n
T
t
è un segnale periodico con frequenza
n
T
: infatti
e
2i
T
n(t+
T
n
)
= e
2i
n
T
t+2i
= e
2i
n
T
t
e
2i
= e
2i
n
T
t
.
Tale segnale è detto ennesima armonica; la pi u bassa frequenza delle armoniche è
1
T
, cioe
quella della prima armonica. Tutte le altre frequenze sono multipli interi della frequenza
della prima armonica:
n
T
= n
1
T
. Il coeciente c
n
d` a il peso dellarmonica e
2i
T
nt
nel segnale
f(t). Il coeciente c
0
rappresenta la componente continua (o valor medio) di f(t).
Osserviamo inne che i coecienti c
n
sono usualmente numeri complessi, anche quando
f(t) è a valori reali. Essi sono quindi individuati da [c
n
[, ph(c
n
) dove:
1. [c
n
[ = Modulo del peso dellarmonica di frequenza
n
T
2. ph(c
n
) = Fase del peso dellarmonica di frequenza
n
T
.
Un problema interessante che si pone a questo punto, con ricaduta in particolare sul
piano applicativo, è quello di approssimare una funzione periodica f(t) con un numero
nito di componenti armoniche, cioè con la somma parziale:
S
N
(t) =
N
n=N
c
n
e
in
2
T
t
,
dove i c
n
sono coecienti dellespansione in serie di Fourier di f(t). Lo studio della qualit` a
dellapprossimazione è ridotto allora allo studio della convergenza nelle serie di Fourier.
Senza fare una trattazione matematica rigorosa, diremo semplicemente che un fenomeno
studiato in questa teoria (noto come fenomeno di Gibbs) è quello per cui in certi casi (pre-
senza di discontinuit` a), la successione delle somme parziali converge in ogni punto, ma
non uniformemente. Ad esempio, nella Figura 2.3 viene illustrata la convergenza alla serie
S(t) =
+
n=
r
n
e
int
, dove S(t) è una funzione periodica di periodo 2 denita come:
S(t) =
_
1, se [t[ < 1
0, se 1 < [t[ < .
Come si nota dalla gura, esiste un valore > 0 tale che, per ogni N:
sup
<t<
[S(t) S
N
(t)[ .
Si osservi dalla stessa gura che i punti t
N
, per cui [S(t
N
) S
N
(t
N
)[ , per N grande
sono prossimi ai punti di discontinuit` a di S(t).
S (t)
25
S (t) S (t)
3 7
t
S (t)
201
t
1 -1
1 -1
1
1 -1
-1
1
1
1
1
t
t
Figura 2.3 Convergenza delle somme parziali SN(t) =
N
X
n=N
rne
int
.
2.4 Trasformata di Fourier
Abbiamo visto che i segnali periodici di periodo T sono ottenibili come sovrapposizione di
una componente continua e di armoniche e
i2
n
T
t
, le cui frequenze (positive) sono
1
T
,
2
T
,
n
T
,
n+1
T
, .... Tuttavia gran parte dei segnali di interesse non sono periodici e quindi la teoria
precedentemente esposta non si applica direttamente. Questa sezione è dedicata ad intro-
durre lo strumento base per lanalisi in frequenza di segnali non periodici: la trasformata
di Fourier.
Giustichiamo lintroduzione della trasformata a partire dalla serie di Fourier. Lidea prin-
cipale è la seguente: dato un segnale non periodico f(t), ssato T, si considera il segnale,
f
T
(t), periodico di periodo T e coincidente con f(t) nellintervallo [
T
2
,
T
2
].
Possiamo allora pensare che:
f(t) = lim
T
f
T
(t)
Poiche f
T
(t) è di periodo T, pu` o essere sviluppata in serie di Fourier:
f
T
(t) =
n=
c
n
e
i
2
T
nt
,
c
n
=
1
T
_ T
2
T
2
f
T
(t)e
i
2
T
nt
dt.
2.4. Trasformata di Fourier 35
Chiamando
n
=
n
T
la frequenza dellennesima armonica, =
n+1

n
=
1
T
, lin-
cremento tra una frequenza e la successiva F(
n
) = c
n
T, le precedenti espressioni si
scrivono:
f
T
(t) =
n=
F(
n
)e
i2nt
,
F(
n
) =
_ T
2
T
2
f
T
(t)e
i2nt
dt.
Per T vale che f
T
(t) coincide con f(t) e 0 e quindi la serie precedente si
riduce ad un integrale denito, ottenendo:
f(t) =
_

F()e
i2t
d,
F() =
_

f(t)e
i2t
dt.
La funzione F() è detta trasformata di Fourier della funzione f(t) e pu` o essere vista
come la rappresentazione in frequenza del segnale f(t). F() è essenzialmente il peso della
componente armonica e
i2t
, e generalmente un segnale non periodico è ottenuto come la
sovrapposizione di componenti armoniche e
i2t
, per valori reali di .
La coppia di funzioni F() e f(t) vengono chiamate rispettivamente trasformata di Fouri-
er e antitrasformata di Fourier (o trasformata inversa di Fourier, e vengono denotate
rispettivamente con Ff(t) e F
1
F(). Inoltre si pu` o notare che la corrispondenza
f(t) F() è una corrispondenza biunivoca e lineare.
La trasformata di Fourier F() viene anche chiamata spettro del segnale f(t): lo spettro
del segnale è quindi individuato dal suo modulo [F()[ e della sua fase ph(F()).
Il supporto dello spettro F() è dato dallinsieme : F() ,= 0. Risultano di parti-
colare interesse i segnali a supporto limitato, detti anche a banda limitata: un segnale f(t)
è detto a banda limitata dalla frequenza W se per [[ > W risulta F() = 0. In Figura
2.4 è mostrato il modulo di un tipico spettro V () della voce umana.
Lindustria telefonica si avvantaggia della forma dello spettro della voce per ridurre la
dimensione della banda di frequenza necessaria alla trasmissione troncandone le compo-
nenti oltre i 3000 Hz, come mostrato in Figura 2.5.
La trasformata di Fourier gioca per i segnali aperiodici un ruolo analogo a quello della
serie di Fourier per i segnali periodici, poiche entrambe esprimono il segnale come com-
binazione lineare di esponenziali complessi. Per i segnali periodici, questi esponenziali
-3000 -300 300 3000

V ()|
Figura 2.4 Tipico spettro (modulo) della voce umana.
-300 300
V ()|
3000 -3000

Figura 2.5 Tipico spettro troncato della voce umana.
complessi sono deniti per frequenze discrete n
1
T
( < n < +) e sono pesati con
ampiezze c
n
.
Per segnali aperiodici, gli esponenziali complessi sono deniti su un continuo di fre-
quenze (< < +) e sono pesati con ampiezze pari a F()d.
Esempio 2.4.1
Si consideri il segnale
f(t) = e
at
u(t), a > 0.
La trasformata di Fourier di f(t) è
F() =
_
+
0
e
at
e
i2t
dt =
1
a +i2
e
(a+i2)t
0
=
1
a +i2
, a > 0.
Poiche questa trasformata è a valori complessi, F() pu` o essere rappresentata mediante
due graci, rispettivamente del suo modulo e della sua fase, (Figura 2.6), in cui modulo
e fase sono dati da:
[F()[ =
1
_
a
2
+ (2)
2
, ph(F()) = arctan
2
a
.
a
a
a a
/4
/2
/2
1/a
|F()| ph F()
/4
Figura 2.6 Modulo e fase della trasformata di Fourier di f(t) = e
at
u(t), a > 0.
Esempio 2.4.2
Si consideri il segnale impulso rettangolare
rect(t) =
_
1 se [t[
1
2
0 se [t[ >
1
2
La trasformata di Fourier di questo segnale è la funzione reale
F() =
_ 1
2
1
2
e
i2t
dt = sinc().
In Figura 2.7 è rappresentato il segnale impulso rettangolare e la sua trasformata di
Fourier.
1
1
1 1
1/2 1/2
rect(t) F()
t
Figura 2.7 Il segnale impulso rettangolare e la sua trasformata di Fourier.
2.4.1 Esistenza della Trasformata di Fourier
Nella sezione precedente abbiamo ottenuto lequazione generale della trasformata di Fouri-
er e della sua inversa; qui ci proponiamo di discutere brevemente sotto quali condizioni
tale trasformata esiste.
In generale, perchè la trasformata di una data funzione f(t) esista, deve esistere ed
essere nito per ogni t il valore:
_
+
f(t)e
2t
dt.
Un insieme di condizioni sucienti per lesistenza della trasformata di Fourier è dato
dalle cosiddette condizioni di Dirichlet, elencate di seguito:
1. f(t) deve essere assolutamente integrabile, cioè
_
+
[f(t)[dt < ;
2. f(t) deve avere un numero nito di minimi e di massimi in ogni intervallo nito;
3. f(t) deve avere un numero nito di discontinuit` a in ogni intervallo nito.
In particolare, per quanto riguarda lultima condizione si deve aggiungere che nei punti di
discontinuit` a in cui il limite destro ed il limite sinistro della f(t) sono diversi, la trasformata
inversa converge al valore medio dei due limiti stessi.
Tutte le funzioni di interesse pratico che considereremo di seguito soddisfano le con-
dizioni 2. e 3. sopra citate. Utilizzeremo invece spesso funzioni (o funzioni generaliz-
zate) che non vericano la prima condizione, pur avendo trasformata di Fourier. Alcuni
importanti esempi sono elencati di seguito.
Esempio 2.4.3
In questo esempio calcoliamo la trasformata di Fourier della delta di Dirac (t) e la
trasformata di Fourier della funzione costante 1. Si osservi che in questultimo caso la
prima condizione di Dirichlet non è vericata.
Ricordando che, se f(t) è una funzione continua in 0, allora vale:
_
+
f(t)(t)dt = f(0),
possiamo concludere che:
F (t) =
_
+
(t)e
2t
dt = e
2t
t=0
= 1.
Usando il fatto che la trasformata di Fourier è unica, dalla precedente espressione
segue immediatamente che:
F
1
1 =
_
+
1 e
2t
d = (t). (2.1)
Possiamo quindi concludere che la trasformata di Fourier della funzione costante f(t) =
1, è (t).
Esempio 2.4.4
Un importante esempio di funzione usata nei sistemi di comunicazione è la funzione
signum o sgn, denita come segue:
sgn(t) =
_
_
1, per t > 0
0, per t = 0
1, per t < 0
.
Anche in questo caso la funzione non è assolutamente integrabile, quindi occorre
trovare un diverso metodo di integrazione per calcolarne la trasformata. A tal riguardo
si consideri la seguente uguaglianza di facile verica:
sgn(t) = lim
a0
e
a|t|
sgn(t).
La sua trasformata di Fourier risulta pertanto essere:
F sgn(t) = F
_
lim
a0
e
a|t|
sgn(t)
_
= lim
a0
F
_
e
a|t|
sgn(t)
_
,
in cui loperazione di limite e di integrazione sono stati scambiati senza dare una
giusticazione matematica precisa. Poiche:
F
_
e
a|t|
sgn(t)
_
=
_
0
e
(ai2)t
dt +
_

0
e
(a+i2)t
dt =
1
a i2
+
1
a +i2
,
possiamo concludere che:
F sgn(t) = lim
a0
1
a i2
+
1
a +i2
=
1
i
. (2.2)
Esempio 2.4.5
Unaltra importante funzione, legata alla funzione signum da una semplice trasfor-
mazione, è la funzione gradino unitario u(t), denita nellEsempio 1.6.6. Infatti essa
pu` o essere scritta come:
u(t) =
1
2
+
1
2
sgn(t),
da cui otteniamo la sua trasformata di Fourier:
F u(t) =
1
2
F 1 +
1
2
F sgn(t) (per la linearit` a)
=
1
2
() +
1
i2
.
2.4.2 Trasformata di Fourier di Funzioni Reali
La trasformata di Fourier F() di un segnale reale f(t) è in generale una funzione a valori
complessi. Per visualizzare gracamente F() è allora necessario considerare separata-
mente il modulo [F()[ e la fase phF() della trasformata, le cui espressioni analitiche
sono mostrate di seguito:
[F()[ =
_
(Re F())
2
+ (ImF())
2
,
phF() = arctan
_
ImF()
Re F()
_
.
Dato un segnale reale f(t) che ammette F() come trasformata, a causa dellidentit` a
e
i2t
= cos(2t)+i sin(2t), la parte reale Re F() e la parte immaginaria ImF()
sono rispettivamente:
Re F() =
_
+
f(t) cos(2t)dt, ImF() =

_
+
f(t) sin(2t)dt.
Poiche la funzione coseno è pari e la funzione seno è dispari, si ha che:
Re F() = Re F() , ImF() = ImF() .
Vale di conseguenza che:
[F()[ = [F()[, phF() = phF().
Ne consegue che per funzioni reali il modulo della trasformata [F()[ è una funzione
pari e la fase phF() è una funzione dispari. In Figura 2.8 è mostrato un tipico esempio
del modulo e della fase della trasformata di una funzione reale (si veda anche lEsempio
2.4.1).
|F()|
ph F()
Figura 2.8 Modulo e fase della trasformata di Fourier di un segnale f(t) reale.
[F()[ e phF() (e quindi F()) sono quindi ricostruibili a partire da valori di [F()[
e phF() per 0. In questo senso linformazione dello spettro di un segnale reale è
portata dai valori positivi di .
Tabella 2.1 Propriet` a delle Trasformate di Fourier.
Propriet` a f (t) F()
Linearit` a af(t) +bg(t) aF() +bG()
Dualit` a (simmetria) F(t) f()
Traslazione (tempo) f(t t
0
) e
i2t
0
F()
Traslazione (frequenza) e
i2
0
t
f(t) F(
0
)
Convoluzione (tempo)
_
+
f(x)g(t x)dx F()G()

Convoluzione (frequenza) f(t)g(t)
_
+
F(y)G( y)dy
Modulazione f(t) cos(2
0
t)
1
2
[F( +
0
) +F(
0
)]
Scalatura f(at)
1
|a|
F
_
a
_
Dierenziazione
d
n
dt
n
f(t) (i2)
n
F()
2.4.3 Proprietà della Trasformata di Fourier
Nella Tabella 2.1 vengono riportate (senza dimostrazione) le principali propriet` a delle
trasformate di Fourier il cui contributo principale, oltre a favorire in molti casi la sem-
plicazione dellanalisi di sistemi complessi, è quello di aiutare a comprendere meglio la
relazione tra dominio del tempo e dominio delle frequenze dei segnali.
Di seguito viene proposta la giusticazione di alcune propriet` a delle trasformate e ne
viene mostrato limpiego in alcuni esempi, rimandando a una letteratura pi` u specializzata
le dimostrazioni matematiche formali.
Linearit` a
Faf(t) +bg(t) =
_
+
(af(t) +bg(t))e
i2t
dt
= a
_
+
f(t)e
i2t
dt +b
_
+
g(t)e
i2t
dt
= aFf(t) +bFg(t)
Dualit` a (simmetria)
Ricordando che:
F f(t) = F() =
_
+
f(t)e
i2t
dt, (2.3)
F
1
F() = f(t) =
_
+
F()e
i2t
d, (2.4)
ed osservando la simmetria esistente tra la trasformata (equazione (2.3)) e la sua inversa
(equazione (2.4)) rispettivamente nella variabile t e nella variabile , vale allora:
F F(t) =
_
+
F(t)e
i2t
dt
=
_
+
F(t)e
i2()t
dt
= f().
Traslazione nel tempo e in frequenza
Riguardo la traslazione nel tempo si ha che:
Ff(t t
0
) =
_
+
f(t t
0
)e
i2t
dt
=
_
+
f()e
i2(+t
0
)
d (con = t t
0
, da cui dt = d)
= e
i2t
0
F(). (2.5)
La propriet` a di traslazione in frequenza si verica facilmente combinando la propriet` a
di dualit` a e quella di traslazione nel tempo.
Convoluzione nel tempo e in frequenza
Per la propriet` a di convoluzione nel tempo si ha:
F
__
+
f()g(t )d
_
=
_
+
__
+
f()g(t )d
_
e
i2t
dt (per la (1.1))
=
_
+
f()
__
+
g(t )e
i2t
dt
_
d
=
_
+
f()e
i2
G()d (per la traslaz. nel tempo (2.5))
= G()
_
+
f()e
i2
d
= G()F()
La convoluzione in frequenza si giustica applicando la propriet` a di dualit` a a quella di
convoluzione nel tempo.
Modulazione
F f(t) cos(2
0
t) =
_
+
f(t) cos(2
0
t)e
i2t
dt
=
_
+
f(t)
e
i2
0
t
+e
i2
0
t
2
e
i2t
dt
=
1
2
_
+
f(t)e
i2(+
0
)t
dt +
1
2
_
+
f(t)e
i2(
0
)t
dt
=
1
2
[F( +
0
) +F(
0
)].
Scalatura
Se a è un reale positivo si ha che:
F f(at) =
_
+
f(at)e
i2t
dt
=
1
a
_
+
f()e
i
2
a

d (con = at, da cui dt = d/a)
=
1
a
F
_
a
_
.
Analogamente, se a è un reale negativo si ha che F f(at) =
1
a
F
_
a
_
.
Dierenziazione
Dierenziando entrambi i membri della (2.4) si ha:
d
dt
f(t) =
_
+
i2F()e
i2t
d,
da cui
F
_
d
dt
f(t)
_
= i2F().
Esempio 2.4.6
La propriet` a di linearit` a è in molti casi utile per trovare la trasformata di Fourier di
alcuni tipi di forme donda. Si consideri ad esempio
f(t) = Bcos(2
0
t).
Usando la relazione di Eulero,
cos =
e
i
+e
i
2
possiamo riscrivere lespressione per f(t) come
f(t) =
B
2
_
e
i20t
+e
i20t
=
B
2
e
i20t
+
B
2
e
i20t
.
Sapendo che la trasformata dellesponenziale complesso e
i20t
è un impulso traslato
in
0
, per la linearit` a abbiamo che
FBcos(2
0
t) =
B
2
Fe
i20t
+
B
2
Fe
i20t
=
B
2
(
0
) +
B
2
( +
0
),
od anche
Bcos(2
0
t)
F
B
2
[(
0
) +( +
0
)] .
Esempio 2.4.7
La trasformata inversa della funzione impulso rettangolare e denita nel dominio delle
frequenze, pu` o essere ottenuta applicando alla coppia di trasformate dellEsempio 2.4.2
la propriet` a di dualit` a:
f(t) = sinc
t
F
F() = [[rect().
2.4.4 Coppie Base di Trasformate
Nella Tabella 2.2 vengono riportate alcune coppie base trasformata-antitrasformata di
Fourier che spesso si incontrano nella pratica. Queste coppie sono particolarmente utili
per il fatto che in molti casi i sistemi complessi possono essere descritti come combinazioni
di sistemi pi` u semplici dei quali sono note le coppie di trasformate.
2.5 Energia di un Segnale e Relazione di Parseval
In un circuito elettrico composto da una resitenza R e attraversato da una corrente i(t),
la tensione ai capi della resistenza è data da V (t) = Ri(t). la potenza P(t) dissipata da
tale sistema è P(t) = V (t) i(t) =
V
2
(t)
R
.
Generalizzando, diremo che la potenza di un segnale f(t) è f
2
(t). Ne segue che lenergia
E(f) di un segnale f(t) su un intervallo nito t
1
t t
2
è denita come
E(f) =
_
t
2
t
1
[f(t)[
2
dt,
Nel caso in cui lim
T+
_
T
T
[f(t)[
2
dt < +, possiamo concludere che lenergia com-
plessiva del segnale è
E
(f) =
_
+
[f(t)[
2
dt.
Unimportante propriet` a della trasformata di Fourier è data dal seguente:
2.5. Energia di un Segnale e Relazione di Parseval 45
Tabella 2.2 Alcune coppie base di trasformata-antitrasformata (a, dove compare, è un
numero reale positivo).
f (t) F()
rect(t) =
_
1 [t[ 1/2
0 [t[ > 1/2
sinc()
sinc(t) rect()
(t) 1
(t t
0
) e
i2t
0
1 ()
e
i2
0
t
(
0
)
cos(2
0
t)
1
2
[(
0
) +( +
0
)]
sin(2
0
t)
i
2
[( +
0
) (
0
)]
e
at
u(t)
1
a +i2
sgn(t)
1
i
u(t)
1
2
() +
1
i2
Fatto 2.1 (Teorema di Parseval) Se f(t) è un segnale continuo e F() la sua trasfor-
mata di Fourier, allora:
_
+
[f(t)[
2
dt =
_
+
[F()[
2
d. (2.6)
A causa della relazione di Parseval, enunciata senza dimostrazione, risulta dunque:
E
(f) =
_
+
[F()[
2
d.
Possiamo allora attribuire al quadrato del modulo della trasformata di Fourier il seguente
signicato: [F()[
2
d è il contributo allenergia del segnale oerto dalle sue componenti
con frequenza compresa tra e +d.
Capitolo 3
Filtri Analogici e Modulazione di
Ampiezza
In questo capitolo viene esemplicata la potenza dellanalisi in rappresentazione di fre-
quenza su due solidi esempi: i ltri analogici e la modulazione di ampiezza.
Viene ripreso lo studio dei sistemi lineari tempo-invarianti a tempo continuo. Come
è noto, luscita è ottenuta dalla convoluzione dellingresso con la risposta del sistema
allimpulso. Data la funzione di trasferimento del sistema, ovvero la trasformata di Fourier
della risposta del sistema allimpulso, si osserva che lo spettro delluscita è il prodotto dello
spettro dellingresso per la funzione di trasferimento.
Si analizzano in particolare i ltri ideali, introducendo la terminologia relativa, essi sono
caratterizzati da funzioni di trasferimento a modulo costante in banda passante, nullo in
banda proibita e aventi fase lineare. Poiche tali ltri non sono causali, essi possono essere
soltanto approssimati da ltri sicamente realizzabili. Il problema della realizzazione di
ltri per una data applicazione non è quindi banale, e richiede almeno tre passi per la sua
soluzione:
47
48 Filtri Analogici e Modulazione di Ampiezza
Individuazione delle speciche del ltro data la particolare applicazione.
Determinazione della funzione di trasferimento di un ltro soddisfacente le speciche
individuate.
Realizzazione sica di un sistema la cui funzione di trasferimento coincide con quella
determinata.
La determinazione di speciche sucientemente precise è il primo passo per ottenere
un ltro da adottare per una data applicazione. Al ne di descrivere le speciche del
ltro che si intende realizzare, è necessaria la conoscenza dei parametri che permettano
di valutare la qualit` a dellapprossimazione a un ltro ideale, quali la frequenza di taglio a
3dB, la frequenza di stop, lampiezza della banda di transizione, lattenuazione, la linearit` a
della fase.
Lindividuazione del ltro viene poi ottenuta selezionando la funzione di trasferimen-
to di un ltro causale che soddisfa le speciche assegnate; in questo capitolo ci limiti-
amo a richiamare la soluzione di questo problema allinterno della famiglia dei ltri di
Butterworth.
Lultima fase consiste nella realizzazione sica del sistema di cui è nota la funzione di
trasferimento. Le realizzazioni siche possono essere classicate sulla base delle compo-
nenti costituenti il sistema: ltri a elementi RLC passivi, ltri a elementi RC attivi, ltri
a microonde, ltri a cristallo, ltri elettromeccanici. In questo capitolo accenniamo alle
tecniche di analisi per circuiti RLC passivi, richiamando i principi di Kirko, e alla pro-
gettazione di ltri di Butterworth mediante circuiti a elementi attivi come gli amplicatori
operazionali.
3.1 Risposta in Frequenza dei Sistemi Lineari Tempo-Inva-
rianti
I sistemi lineari a tempo invarianti (LTI), studiati in Capitolo 1, sono sistemi le cui carat-
teristiche non cambiano nel tempo e in cui la risposta a una combinazione lineare di segnali
è la combinazione lineare delle risposte ai singoli segnali. In tali sistemi il comportamento
è completamente individuato dalla risposta del sistema alla funzione impulsiva (t).
Infatti se S è un sistema lineare tempo-invariante, h(t) è la risposta S((t)) del sistema
allimpulso (t) e g(t) è la risposta S(f(t)) del sistema allingresso f(t), allora
g(t) =
_

f(x)h(t x)dx.
In altri termini, luscita g(t) del sistema S è la convoluzione dellingresso f(t) con la
risposta allimpulso h(t). A causa della propriet` a di convoluzione riportata in Tabella 2.1,
denotando con F(), H() e G() rispettivamente le trasformate di Fourier di f(t), h(t)
e g(t), si ottiene:
G() = H()F().
3.1. Risposta in Frequenza dei Sistemi Lineari Tempo-Invarianti 49
La trasformata di Fourier H() della risposta h(t) allimpulso è spesso chiamata fun-
zione di trasferimento del sistema. Analizzando il comportamento del sistema nel dominio
delle frequenze anziche nel dominio dei tempi, possiamo concludere:
Fatto 3.1 La risposta nel dominio delle frequenze G() di un sistema LTI con funzione
di trasferimento H() è il prodotto della trasformata di Fourier F() dellingresso per la
funzione di trasferimento H().
Osserviamo ora che [H()[
2
è collegato al concetto di guadagno. Infatti, da G() =
H()F() possiamo derivare:
[H()[
2
=
[G()[
2
[F()[
2
=
[G()[
2
d
[F()[
2
d
.
Ricordiamo che [G()[
2
d e [F()[
2
d rappresentano la potenza (o lenergia) delle compo-
nenti a frequenza tra e +d rispettivamente nel segnale di uscita e quello di ingresso;
[H()[
2
individua allora il guadagno, cioè il rapporto tra la potenza (o lenergia) del seg-
nale in uscita e quello in ingresso alle varie frequenze. I sistemi lineari tempo-invarianti
sono quindi in grado di operare una certa selezione sulle frequenze, ampliando o atten-
uando in uscita le componenti armoniche dellingresso. Per questa attitudine a ltrare
componenti in frequenza, i sistemi LTI sono anche detti ltri lineari.
3.1.1 Filtri Ideali
Un sistema senza distorsione è un sistema che riproduce in uscita la stessa forma del
segnale dingresso, a meno di un eventuale fattore amplicativo e di un eventuale ritardo
temporale. Un tale sistema pu` o essere quindi descritto dalla trasformazione:
g(t) = Af(t t
0
).
Passando alle trasformate di Fourier e applicando la propriet` a di traslazione temporale, si
ha:
G() = Ae
2it
0
F().
La funzione di trasferimento H() del sistema è quindi data da:
H() = Ae
2it
0
.
Si noti che il modulo della funzione di trasferimento è costante ([H()[ = A) mentre la
fase è lineare (phH() = 2t
0
).
Un sistema che annulla le componenti armoniche in determinati intervalli di frequenza
e che si comporta come un sistema senza distorsione sulle frequenze rimanenti è detto
ltro ideale. Un esempio di ltro ideale è il ltro passa-basso, che passa (riproduce in
uscita con guadagno costante e fase lineare) le componenti con frequenza non superiore a
una certa frequenza di taglio
c
, ed elimina quelle con frequenza superiore a questa soglia.
Tale ltro ha quindi la seguente funzione di trasferimento:
H() =
_
Ae
2it
0
, [[ <
c
0, [[ >
c
,
il cui modulo e la cui fase sono mostrati in Figura 3.1.
A
0
c
|H()|
c
phH()
Figura 3.1 Risposta in frequenza di un ltro passa-basso ideale.
Un ltro passa-alto, viceversa, elimina le componenti in frequenza basse e passa quelle
alte (superiori a
c
); il ltro passa-banda inne, passa una banda o intervallo di compo-
nenti in frequenza (
a
< <
b
) ed elimina quelle inferiori o superiori ad essa. Le bande
evidenziate in questi esempi sono quindi due: la banda che interessa preservare eettiva-
mente (banda passante) e la banda nella quale si richiede leliminazione (banda proibita).
Modulo e fase di ltri passa-alto e passa-banda sono mostrati in Figura 3.2.
0
phH() phH()
0 c c

2 1 1 2
|H()|
|H()|
Figura 3.2 Risposta in frequenza di ltri passa-alto e passa-banda.
3.2. Caratteristiche dei Filtri Analogici 51
Esempio 3.1.1
Ricostruzione di due segnali a partire dalla loro somma.
Fissati due segnali f
1
(t) e f
2
(t), si vuole ricostruire f
1
(t) o f
2
(t) conoscendo la loro
somma f(t) = f
1
(t) + f
2
(t). Questo non è in generale possibile, poiche la conoscenza
della somma non permette di individuare univocamente gli addendi. La ricostruzione
è tuttavia possibile in certi casi particolari.
Supponiamo qui che i supporti delle trasformate F
1
() e F
2
() dei segnali f
1
(t) e
f
2
(t) siano disgiunti. Per esempio, consideriamo il caso in cui F
1
() = 0 per > W
1
e F
2
() = 0 per < W
2
, con W
1
< W
2
(considerando solo valori non negativi
delle frequenze). Applicando al segnale somma f(t) un ltro ideale passa-basso con
frequenza di taglio W
1
, si ottiene in uscita il segnale f
1
(t). Infatti, se la funzione di
trasferimento del ltro è
H() =
_
1, [[ < W
1
0, [[ > W
1
,
la trasformata di Fourier G() delluscita è tale che:
G() = H()F().
Ricordando che per W
1
risulta F() = F
1
() e H() = 1, mentre per > W
1
risulta H() = 0 si ottiene:
G() = F
1
().
Antitrasformando, concludiamo che il ltro produce il segnale f
1
(t).
3.2 Caratteristiche dei Filtri Analogici
Nella sezione precedente, abbiamo introdotto la nozione di ltro ideale e delineato le princi-
pali tipologie: ltro passa-basso, passa-alto e passa-banda. In questo paragrafo studiamo
la realizzazione pratica di ltri ideali; faremo riferimento esclusivamente a ltri passa-
basso, poiche le considerazioni riportate di seguito possono essere estese senza dicolt` a
agli altri casi.
La funzione di trasferimento tipica di un ltro ideale passa-basso è rect(

2c
). Per
studiare il comportamento di tale sistema nel dominio del tempo, basta determinarne
la risposta h(t) allimpulso; essendo essa lantitrasformata di Fourier della funzione di
trasferimento, sar` a:
h(t) = F
1
_
rect(

2
c
)
_
= 2
c
sinc(2
c
t).
Si osserva che h(t) è in generale diversa da zero per t < 0 e quindi il ltro ideale è un
sistema lineare tempo-invariante ma non causale. Questo signica che un ltro ideale non
pu` o essere realizzato in pratica se si intende mantenere un qualche principio di causalit` a.
La funzione di trasferimento H di un ltro ideale passa-basso possiede dunque le
seguenti caratteristiche:
1. [H[ è costante nella banda passante ed è identicamente nullo nella banda proibita;
2. la banda passante e la banda proibita sono connanti (separate dalla frequenza di
taglio);
3. la risposta in fase phH è lineare; questo signica che le varie componenti armoniche
nella banda passante hanno tutte lo stesso ritardo temporale.
Tale sistema non è causale poiche la sua risposta allimpulso assume valori dierenti
da 0 per t < 0. Questo signica che ogni sistema realizzabile non potr` a mai vericare
contemporaneamente le caratteristiche 1., 2. e 3.; di seguito introduciamo alcuni parametri
che descrivono il grado di approssimazione di un ltro ideale mediante un ltro sicamente
realizzabile.
Indicando con H() la funzione di trasferimento di un eventuale ltro passa-basso
realizzabile, sappiamo che H() è completamente specicata dal suo modulo [H()[ e
dalla sua fase phH(). La Figura 3.3 mostra la tipica forma di [H()[ e phH() per un
ltro passa-basso realizzabile.
Freq.
taglio 3dB
Transizione
Banda
Passante
Banda
Proibita
Banda
1
|H()|
c s
1
1
2
ph H()
Figura 3.3 Modulo e fase di un ltro passa-basso realizzabile.

Rispetto a un ltro ideale possiamo rilevare le seguenti dierenze:
1. [H()[ non è costante nella banda passante e non è identicamente nullo nella banda
proibita; si possono rilevare inoltre oscillazioni (ripple) di ampiezza non trascurabile
sia nella banda passante che in quella proibita. Un parametro importante è lampiez-
za della massima oscillazione in banda proibita
2
, o equivalentemente, lattenuazione
20 log
10
2
dB.
2. la banda passante e la banda proibita non connano, ma sono separate da una banda
detta banda di transizione. Parametri importanti sono la frequenza di taglio a 3 dB
c
, la frequenza di stop
s
e la dimensione della banda di transizione
s
c
.
3.2. Caratteristiche dei Filtri Analogici 53
3. la fase phH() non risulta essere lineare.
Analizziamo ora separatamente il signicato sico del modulo e della fase della funzione
di trasferimento di un ltro realizzabile. Gli elementi principali che specicano un ltro
(passa-basso) sono:
1. la frequenza di taglio
c
che identica la ne della banda passante, e la frequenza di
stop
s
che identica linizio della banda proibita;
2. le dimensioni massime
1
e
2
permesse alle oscillazioni rispettivamente in banda
passante e in banda proibita.
Con frequenza di taglio
c
sintende usualmente la frequenza per la quale di ha un
guadagno del 50% di quello in banda passante. Se quindi [H()[ 1 in banda passante,
c
è la frequenza per cui
H(
c
) =
1
2
.
La frequenza
c
è detta frequenza di taglio a 3 dB poiche 10 log(
1
2
) 3 dB.
Esempio 3.2.1
Determinare la frequenza di taglio a 3 dB del ltro passa-basso con guadagno [H()[
2
=
1
(1+
2
/100)
.
Il guadagno in banda passante è 1 e la frequenza di taglio
c
è quella per cui
1
(1+
2
/100)
=
1/2. Risolvendo lequazione si ottiene
c
= 10 Hz.
Usualmente la massima oscillazione
2
permessa in banda proibita viene espressa in
dB attraverso lattenuazione R
p
, dove
R
p
= 10 log(
2
2
).
La banda proibita è data dallinsieme delle frequenze per le quali il guadagno è inferiore
a una opportuna soglia di attenuazione che normalmente viene stabilita in funzione della
particolare applicazione. Se indichiamo con
s
, come in Figura 3.3, la frequenza di stop,
cioè la frequenza di inizio della banda proibita, le frequenze tra
c
ed
s
costituiscono la
banda di transizione.
Esempio 3.2.2
Si consideri il ltro con funzione di trasferimento [H()[
2
=
1
1+(/100)
8
. Determinare
lampiezza della banda di transizione sapendo che la frequenza di stop corrisponde ad
unattenuazione di 40 dB.
La frequenza di taglio a 3 dB è di 100 Hz. La frequenza di stop
s
verica per ipotesi
40 = 20 log
10
[H(
s
)[. Risolvendo tale equazione si ottiene
s
316 Hz.
La dimensione della banda di transizione risulta 316 100 = 216 Hz.
Discutiamo ora leetto prodotto dalla non linearit` a della fase della funzione di trasfer-
imento del ltro. A tal riguardo, consideriamo per semplicit` a un sistema che ammette una
funzione di trasferimento con modulo [H()[ = G() e fase phH() = (), cos` che:
H() = G()e
i()
.
Il segnale (complesso) e
2i
1
t
di frequenza
1
viene trasformato dal sistema nel segnale
G(
1
)e
i(2
1
t+(
1
))
.
Se la fase è lineare, cioè () = 2t
0
per unopportuna costante t
0
, il segnale di
uscita è
G(
1
)e
2i
1
(tt
0
)
.
Il segnale di uscita risulta allora essere lo stesso segnale di ingresso ritardato di un
tempo t
0
, qualsiasi sia la frequenza
1
: una fase lineare comporta un ritardo temporale
uguale per tutte le componenti armoniche.
Una fase non lineare crea invece ritardi dierenti per le componenti a diversa frequenza,
creando una distorsione complessiva del segnale. Per certe applicazioni (ad esempio nei
modem) le distorsioni create dalla non linearit` a della fase devono essere il pi` u possibile
eliminate; in altre applicazioni la non linearit` a pu` o essere utilizzata per dar luogo a eetti
speciali.
3.3 Famiglie di Filtri Causali
Abbiamo visto che un ltro ideale non è causale e quindi pu` o essere soltanto approssimato
con ltri realizzabili sicamente. A questo riguardo abbiamo introdotto parametri che
denotano la bont` a nellapprossimarne il guadagno (dimensione della banda di transizione,
attenuazione, oscillazioni) o la fase (linearit` a).
La progettazione di un ltro è fortemente dipendente dallapplicazione; in certi casi
(per esempio nei sistemi audio) è richiesta unottima risposta in fase. In altre applicazioni
la linearit` a della fase è di scarso rilievo, mentre critica è laccuratezza nellapprossimare il
guadagno, e cos` via.
In aiuto al progettista, sono state introdotte e analizzate varie classi di ltri usualmente
disponibili in sistemi di calcolo automatico per la progettazione, limplementazione e la
simulazione di ltri, quali ad esempio SCILAB . Le principali famiglie sono quella dei ltri
di Butterworth, di Chebyshev, di Cauer (o ellittici) e di Bessel. In Tabella 3.1 è mostrata
una grossolana valutazione comparativa della bont` a di questi ltri (a parit` a di ordine);
analizzeremo poi pi` u in dettaglio la classe dei ltri di Butterworth.
3.3.1 Filtri di Butterworth
I ltri di Butterworth costituiscono una famiglia di ltri che soddisfa bene i requisiti sul
guadagno in banda passante e meno bene in banda di transizione. Sebbene non esibiscano
3.3. Famiglie di Filtri Causali 55
Tabella 3.1 Caratteristiche qualitative di famiglie di ltri.
Filtro Accuratezza appross. guadagno Linearit` a fase
Butterworth media media
Chebyshev buona cattiva
Ellittico ottima pessima
Bessel cattiva buona
una fase lineare in banda passante, lapprossimazione non è troppo cattiva. Un ltro di
Butterworth è caratterizzato da 2 parametri, lordine N e frequenza di taglio
c
.
La forma generale del modulo della funzione di trasferimento di un ltro di Butterworth
di ordine N e frequenza di taglio
c
è del tipo:
1
[B
N
(i

c
)[
=
1
_
1 +
_

c
_
2N
,
dove B
N
(s) è un opportuno polinomio detto N-esimo polinomio di Butterworth.
La risposta in frequenza di alcuni ltri di Butterworth è riportata in Figura 3.4.
N=2
N=3
N=8
N=1
0.707
1
1 2 3 4 5
/
c
|H()|
Figura 3.4 Risposta in frequenza di ltri di Butterworth.
Si osservi:
La frequenza di taglio a 3 dB è
c
, indipendentemente dallordine N del ltro.
Lattenuazione nella banda proibita dipende da N in modo critico; risulta infatti
R
p
20N log(
s
c
).
Non sono presenti oscillazioni ne in banda passante ne in banda proibita: il ltro di
Butterworth è quello che presenta la miglior piattezza in banda passante.
In una tipica situazione di progetto, il parametro
c
risulta essere la frequenza di taglio
desiderata e lordine N viene scelto in modo tale da soddisfare la richiesta di attenuazione
in banda proibita.
Esempio 3.3.1
Determinare lordine di un ltro di Butterworth con frequenza di taglio di 100 Hz e
frequenza di stop di 150 Hz con attenuazione a 40 dB.
Il guadagno di un ltro di Butterworth di ordine N, con frequenza di taglio pari a 100
Hz è:
[H()[
2
=
1
1 +
_

100
_
2N
.
La frequenza di stop è per ipotesi la frequenza
s
che produce unattenuazione di 40
dB, cioè:
40 = 20N log
150
100
.
dalla quale si ricava che N 11.36. Poiche lordine del ltro deve essere un intero,
concludiamo che il ltro di ordine 12 soddisfa la specica.
3.3.2 Realizzazione di Filtri Analogici
Dato un ltro, descritto ad esempio dalla sua funzione di trasferimento H(), la sua re-
alizzazione consiste nel progettare un circuito elettrico che, visto come sistema, ha H()
come funzione di trasferimento. Questo circuito, dopo un accurato esame di sue eventu-
ali imperfezioni come capacit` a parassite o altro, potr` a essere implementato ottenendo la
realizzazione sica del ltro.
Le realizzazioni di ltri analogici possono essere classicate sulla base delle componenti
costituenti; elenchiamo qui brevemente le principali classi con alcune caratteristiche.
Filtri RLC passivi. Essi consistono di componenti passive come induttanze, conden-
satori e resistenze. Per il loro funzionamento non richiedono potenza aggiuntiva, ma
spesso esibiscono perdite signicative in banda passante; la presenza di induttanze,
inoltre, pone seri problemi alla loro miniaturizzazione. Lavorano bene no a 500 Hz.
Filtri RC attivi. Essi non contengono induttanze, ma resistenze, condensatori e ampli-
catori operazionali. Si prestano bene alla miniaturizzazione, ma richiedono potenza
aggiuntiva. Lavorano bene da 1Hz no a 500 Hz.
3.4. Modulazione e Demodulazione in Ampiezza (AM) 57
Filtri a microonde. Essi consistono di componenti passive come linee di trasmissione, li-
nee di trasmissione accoppiate e cavit` a risonanti. Non richiedono potenza aggiuntiva
e sono utilizzate per ltri che lavorano sopra i 300 MHz.
Filtri a cristallo. Sono costituiti da risuonatori piezoelettrici ed lavorano dai 10 KHz
ai 200 MHz. Con risuonatori di quarzo si possono realizzare ltri passa-banda con
ampiezza di banda veramente ristretta.
Filtri elettromeccanici. Essi sono costituiti da risuonatori meccanici: per prima cosa
il segnale elettrico viene trasformato in vibrazioni meccaniche, viene poi applicato il
ltro e inne il segnale è riconvertito in segnale elettrico. Questi ltri lavorano no
a 200 MHz.
3.4 Modulazione e Demodulazione in Ampiezza (AM)
Una rilevante caratteristica dei segnali è la loro trasmissibilit` a attraverso opportuni canali.
Le operazione di modulazione hanno lo scopo di rilocare il segnale da trasmettere in un
diversa banda di frequenza, mantenendo linformazione codicata. Questa necessit` a è
dovuta a tre ragioni principali:
1. la presenza di pi` u trasmettitori sulla stessa banda di frequenza creerebbe problemi di
sovrapposizione. Per esempio, i segnali del parlato variano su un range di frequenze
da 0 a 4000 Hz, la musica da 0 a 20 kHz, i segnali video originali da 0 a 5 MHz; se
segnali dello stesso tipo fossero trasmessi contemporaneamente sulla stessa frequenza,
in ricezione si avrebbero pesanti interferenze;
2. ci sono numerosi disturbi nelle basse frequenze (luce elettrica, motori elettrici), da
qui limportanza di trasmettere su alte frequenze;
3. la lunghezza donda è inversamente proporzionale alla frequenza. In una trasmissione
con onde elettromagnetiche, ad esempio, che si muovono alla velocit` a della luce, 5
kHz corrispondono a 60 km di lunghezza donda; antenne di questa dimensione
sarebbero quanto meno poco pratiche.
Un modo per rilocare il segnale su diverse bande di frequenza è quello di moltiplicare
il segnale per una sinusoidale di opportuna frequenza
0
:
g(t) = Acos 2
0
t f(t)
Il sistema cos` realizzato è un sistema lineare ma non tempo-invariante, detto modulazione
di ampiezza (AM).
Ricordando che cos 2
0
t =
1
2
_
e
2i
0
t
+e
2i
0
t
_
, passando al dominio delle frequenze
(vedi propriet` a di modulazione in paragrafo 2.4.3) si ha:
G() =
A
2
(F( +
0
) + (F(
0
)) .
Poiche f(t) è un segnale reale, sappiamo che [F()[ è una funzione pari; supponiamo
inoltre che F() sia a banda limitata, cioè che F() sia nulla per [[ B come mostrato
nel graco di Figura 3.5.
B B
|F()|
Figura 3.5 Modulo della trasformata di un segnale reale f.
Il segnale ha componenti non nulle per frequenze B B. Se
0
B, il segnale
modulato g(t) ha, per frequenze positive, componenti non nulle per
0
B
0
+B,
come mostra il graco di Figura 3.6.
G()|
0

0
+ B
0
B
0
B
0

0
+ B
Figura 3.6 Modulo della trasformata del segnale modulato g.
Possiamo allora concludere:
Fatto 3.2 Un segnale f(t) a banda limitata da B pu` o essere completamente ricostruito
dal segnale modulato g(t) = Acos 2
0
t f(t), se
0
> B.
Osserviamo che, per segnali a banda limitata da B e con
0
> B, il segnale modulato
g(t) è ridondante ai ni della ricostruzione di f(t). Infatti, poiche G(
0
) = G(
0
+) per
0 B, il segnale g(t), e quindi f(t), pu` o essere ricostruito sulla base della conoscenza
di G() nellintervallo (side)
0

0
+ B anziche sullintero intervallo (double-side)
0
B
0
+B.
Per questo motivo la modulazione di ampiezza prima introdotta è chiamata AMDSB-
SC (Amplitude Modulation Double-Sideband Suppressed Carrier); essa comporta una
richiesta di banda per la trasmissione di dimensione almeno 2B, e un certo sforzo è stato
dedicato a perfezionare loperazione di modulazione per poter risparmiare banda (riducen-
dola del 50%) per la trasmissione. Uno dei metodi adottati consiste nellapplicare un ltro
passa-banda per eliminare le frequenze indesiderate.
Abbiamo visto che, in linea di principio, il segnale f(t) pu` o essere ricostruito sulla base
del segnale modulato g(t). Descriviamo ora brevemente un sistema di demodulazione, in
grado di realizzare eettivamente la ricostruzione. Per prima cosa si applica al segnale
g(t) = Acos 2
0
t f(t) una nuova modulazione ottenendo il segnale z(t) = cos 2
0
t
g(t) = Acos
2
2
0
t f(t). Ricordando la formula di bisezione del coseno cos
2
2
0
t =
(1 + 2 cos 4
0
t)/2, si ottiene:
z(t) =
A
2
f(t) +Af(t) cos 4
0
t.
Applicando le trasformate di Fourier, lespressione precedente diventa:
Z() =
A
2
F() +
A
2
[F( + 2
0
) +F( 2
0
)] .
Se f(t) è a banda limitata da B e se
0
> 2B, applicando a z(t) un ltro passa-basso con
frequenza di taglio B si ottiene il segnale
A
2
f(t). Il sistema complessivo di modulazione,
trasmissione e demodulazione è rappresentato nella Figura 3.7.
Passabasso
Filtro
A
2
f(t)
g(t)
cos 2
0
t cos 2
0
t
f(t) z(t)
Figura 3.7 Modulazione AM, trasmissione e demodulazione AM.
Unulteriore applicazione della modulazione AM è la possibilit` a di trasmettere simul-
taneamente pi` u segnali (a banda limitata da B) sullo stesso canale. Supponiamo di voler
trasmettere due segnali f
1
(t) e f
2
(t) a banda limitata da B. Possiamo procedere come
segue:
1. si modulano f
1
(t) e f
2
(t) con due diverse frequenze
1
e
2
ottenendo g
1
(t) =
Acos 2
1
t f
1
(t) e g
2
(t) = Acos 2
2
t f
2
(t);
2. si sommano i due segnali g
1
(t) e g
2
(t) trasmettendo il segnale g(t) risultante;
3. se
1
,
2
> B e [
1

2
[ > 2B, è facile osservare che i supporti di G
1
() e G
2
()
risultano disgiunti, e quindi dal segnale g(t) è possibile ricostruire i segnali g
1
(t) e
g
2
(t) con lapplicazione degli opportuni demodulatori.
Un esempio di sistema che trasmette simultaneamente 2 segnali modulati sullo stesso
canale è mostrato in Figura 3.8.
Il metodo precedente pu` o essere facilmente esteso alla trasmissione sullo stesso canale
di N segnali a banda limitata da B: in questo caso la larghezza della banda utilizzata
dovr` a essere almeno 2NB.
+
passabasso
Filtro
g(t)
g(t)
A
2
f(t)
Bcos 22t Acos 21t
f2(t)
f1(t)
Bcos 22t
Acos 21t
Figura 3.8 Trasmissione simultanea di 2 segnali modulati (AM) e ricezione.
Esempio 3.4.1
Le stazioni per trasmissioni radio commerciali in AM utilizzano una modulazione
leggermente diversa da quella da noi trattata, detta AMSB-TC o AM convenzionale:
g(t) = A(1 +af(t)) cos 2
0
t.
Nella formula precedente f(t) è un segnale normalizzato, in modo che [f(t)[ 1, ed
il parametro a è un numero reale compreso tra 0 ed 1, detto indice di modulazione.
Mentre f(t) pu` o assumere anche valori negativi, il termine 1 + af(t) risulta sempre
positivo: il segnale g(t) pu` o quindi essere demodulato con un semplice rivelatore di
inviluppo, ottenendo in uscita il segnale A(1 + af(t)) che, a meno di una traslazione
e di un fattore di scala, coincide con f(t).
Il rivelatore di inviluppo è basato sul fatto che, per funzioni s(t) a valori positivi,
linviluppo di s(t) cos 2
0
t coincide proprio con s(t), come si rileva in Figura 3.9.
Inviluppo
s(t)
s(t) cos 20t
t t
Figura 3.9 Inviluppo del segnale s(t) cos 20t, con s(t) 0.
La modulazione AM convenzionale presenta allora una maggior complessit` a nel sis-
tema che eettua la modulazione, semplicando tuttavia il ricevitore, come si addice
alle trasmissioni broadcast. Un semplice rivelatore di inviluppo è dato dal circuito
mostrato in Figura 3.10.
t
t
s(t) cos 2
0
t
Figura 3.10 Rivelatore di inviluppo.
Esso è composto da un diodo che, avendo in ingresso il segnale m(t), d` a in uscita il
segnale m(t)u(m(t)), eliminando quindi le componenti negative del segnale, e da un
circuito RC che elimina le componenti in alta frequenza.
La banda disponibile per trasmissioni in AM varia da 535 a 1605 kHz; tale banda
viene divisa in identici blocchi di 10 kHz e ad ogni stazione viene assegnato un blocco:
la stazione pu` o allora trasmettere senza interferire messaggi con limite di banda di 5
kHz.
Capitolo 4
Conversione Analogico-Digitale
I segnali del mondo reale sono analogici, mentre un elaboratore digitale è in grado di mem-
orizzare e trattare esclusivamente sequenze nite di bit. Per trattare con tecniche digitali
i segnali analogici è allora necessario, in via preliminare, approssimare questultimi con
segnali digitali. I sistemi che trasformano un segnale analogico nel corrispondente digitale
sono detti convertitori analogico-digitali (ADC), mentre quelli che realizzano loperazione
inversa di trasformare un segnale digitale in un segnale analogico sono detti convertitori
digitali-analogici (DAC).
I principi di base per la conversione sono quelli relativi alle operazioni di campiona-
mento e di quantizzazione.
Al campionamento è dedicato il primo paragrafo. Campionare un segnale a tem-
po continuo signica rilevare le ampiezze del segnale su un insieme discreto di tempi: i
frames catturati da una telecamera che inquadra una scena reale, ne costituiscono un
esempio. Viene qui discusso il fondamentale teorema del campionamento: un segnale a
banda limitata da B Hz pu` o essere perfettamente ricostruito dai suoi campioni presi con
una frequenza di almeno 2B Hz. Viene poi descritto lo spettro del segnale campionato e
63
64 Conversione Analogico-Digitale
viene richiamato sommariamente il fenomeno dellequivocazione (aliasing), che si verica
quando la frequenza di campionamento è inferiore a 2B.
La quantizzazione permette di trasformare un segnale a valori continui in un segnale a
valori su un insieme nito. Questa operazione in generale introduce un errore irreversibile
nel segnale quantizzato: dato il segnale quantizzato, non è in generale possibile ricostruire
il segnale originale.
`
E tuttavia possibile controllare come il segnale quantizzato risulti
una buona approssimazione di quello analogico: un tipico indice di qualit` a è il rapporto
segnale-rumore SQNR.
I sistemi che realizzano loperazione di quantizzazione sono chiamati quantizzatori : nel
secondo paragrafo viene introdotto e studiato il quantizzatore uniforme a m bit, mostrando
in particolare che ogni bit aggiunto al quantizzatore comporta un miglioramento di 6 dB
nel rapporto segnale-rumore. Successivamente si motivano e si introducono modelli di
quantizzatori non uniformi.
4.1 Campionamento
Campionare un segnale a tempo continuo signica rilevare le ampiezze del segnale su un
insieme discreto di tempi. Ad esempio, ssato un intervallo di tempo di ampiezza , un
campionamento uniforme con periodo di un segnale f(t) corrisponde allosservazione del
segnale ai tempi n ( < n < ); il segnale campionato pu` o essere interpretato come
il segnale a tempo discreto f(n).
Il sistema campionatore uniforme a frequenza di campionamento A = 1/, trasforma
quindi un segnale a tempo continuo f(t) nel segnale a tempo discreto f(n), come mostrato
in Figura 4.1.
Campionatore f(n) f(t)
A
Figura 4.1 Campionatore.
Si osservi che il sistema campionatore è un sistema lineare.
Il problema che arontiamo qui è il seguente: dato un segnale f(t), stabilire con quale
frequenza deve essere campionato anche il segnale campionato f(n) ( < n < )
contenga la stessa informazione di f(t), cioè sia possibile ricostruire f(t) a partire dalla
sequenza f(n).
Una precisa risposta al problema in questione è data dal teorema del campionamento:
un segnale f(t) è ricostruibile da f(n) se le componenti armoniche contenute nel segnale
hanno frequenze inferiori a A/2, dove A è la frequenza di campionamento.
4.1. Campionamento 65
Teorema 4.1 (Teorema del campionamento) Un segnale f(t) a banda limitata da B
Hz, la cui trasformata di Fourier F() è quindi nulla per [[ > B, pu` o essere univocamente
ricostruito dai suoi campioni f(n) ( < n < ) presi a frequenza A =
1
, se A
2B. La frequenza 2B è detta frequenza di Nyquist e identica la minima frequenza di
campionamento che permette la ricostruzione univoca del segnale.
Dimostrazione. Sia f(t) un segnale a banda limitata da B; questo signica che la sua
trasformata di Fourier F() è tale che F() = 0 per [[ > B.
Fissiamo una frequenza di campionamento A tale che A 2B e indichiamo con =
1
A
lintervallo di campionamento. Poiche il segnale è a banda limitata da B, e B
A
2
, la
funzione F() è nulla allesterno dellintervallo [
A
2
,
A
2
], come si rileva dal graco riportato
in Figura 4.2.
A
2
F()
B B
A
2
Figura 4.2 Segnale a banda limitata.
Costruiamo ora la funzione Q() periodica di periodo A e coincidente con F() nel-
lintervallo [
A
2
,
A
2
]; il graco di Q() è riportato in Figura 4.3.
. . .
. . .
Q()
A
2
A
2

3
2
A
5
2
A

Figura 4.3 Segnale periodico di periodo A.
Risulta possibile ricostruire F() dato Q(); in particolare:
F() = rect
_
A
_
Q().
Infatti, la funzione rect(
A
) vale 1 se
A
2

A
2
, vale 0 altrove. Osserviamo ora che
la funzione Q() è una funzione periodica di periodo A, quindi è sviluppabile in serie di
Fourier:
Q() =
+
n=
c
n
e
2i
n
A
, dove c
n
=
1
A
_ A
2
A
2
Q()e
2i
n
A
d. (4.1)
Poiche Q() coincide con F() nellintervallo [
A
2
,
A
2
], mentre al di fuori di tale intervallo
vale 0, segue:
_ A
2
A
2
Q()e
2i
n
A
d =
_ A
2
A
2
F()e
2i
n
A
d =
_
+
F()e
2i
n
A

d = f
_
n
A
_
. (4.2)
Lultimo passaggio deriva dal fatto che f(t) pu` o essere ottenuta come antitrasformata di
Fourier di F(), e quindi, per ogni t:
f(t) =
_
+
F()e
2it
d.
Scegliendo t =
n
A
si ottiene il risultato di cui sopra. Da (4.1) e da (4.2) e ricordando che
1
A
= , si ottiene:
c
n
=
1
A
_ A
2
A
2
Q()e
2i
n
A
d =
1
A
f
_
n
A
_
= f(n). (4.3)
Inne, da (4.1), (4.2) e (4.3) si conclude:
F() = rect
_
A
_
Q()
=
+
n=
c
n
e
2i
n
A
rect
_
A
_
=
+
n=
f(n)e
2in
rect(). (4.4)
La (4.4) mostra che F() (e quindi la sua antitrasformata f(t)) pu` o essere ricostruita sulla
base della conoscenza di f(n) (< n < ), ottenuti campionando f(t) con frequenza
1
= A.
Pi` u precisamente, si ha:
f(t) = F
1
F()
=
+
n=
f(n)F
1
_
e
2in
rect()
_
(per la linearit` a e per la (4.4))
=
+
k=
f(k)F
1
_
e
2ik
rect()
_
(ponendo k = n)
=
+
k=
f(k) sinc
_
t
k
_
.
Lultimo passaggio è ottenuto applicando la propriet` a di traslazione temporale e ricordando
che lantitrasformata della funzione rettangolo rect() è
1
sinc
_
t
_
.
Esempio 4.1.1
Un segnale di conversione telefonica non contiene frequenze signicative superiori a
3400 Hz; esso ha quindi una frequenza di Nyquist di 6800 Hz e pu` o quindi essere
ricostruito da un suo campionamento a 8 kHz.
4.1.1 Spettro del segnale campionato
Prendiamo in considerazione un segnale a tempo continuo f(t); il suo campionamento
ad intervalli pu` o essere visto come un segnale nullo per tutti i tempi diversi da n
( < n < ), mentre ai tempi n si concentra la potenza del segnale. Il segnale
campionato pu` o essere visto come un segnale a tempo continuo f
s
(t) dove:
f
s
(t) =
+
n=
f(n)(t n).
Il segnale campionato risulta quindi una combinazione lineare di impulsi (t n), in
posizioni n, pesati coi valori dei campioni f(n) (vedi Figura (4.4)).
Ci proponiamo ora di studiare la relazione tra lo spettro F() del segnale f(t) e lo
spettro F
s
() del segnale campionato f
s
(t), ipotizzando che la frequanza di campionamento
sia maggiore della frequenza di Nyquist del segnale. Osserviamo per prima cosa che la
trasformata di Fourier di f
s
(t) è F
s
() con:
F
s
() =
+
n=
f(n)e
2in
Consideriamo ora, come visto nella dimostrazione del teorema del campionamento, la
funzione Q() di periodo A =
1
concidente con F() nellintervallo [

A
2
,
A
2
]; essa è una
t
(b)
f(n)
t
(a)
f(t)
Figura 4.4 (a) Segnale f(t). (b) Segnale campionato f(n).
sorta di replica periodica di F(). Essa è dunque sviluppabile in serie di Fourier (vedi
la (4.1) della dimostrazione del teorema del campionamento):
Q() =
+
n=
c
n
e
2in
Il nucleo della dimostrazione (vedi la (4.3)) prova che c
n
= f(n), quindi:
Q() =
+
n=
f(n)e
2in
=
+
k=
f(k)e
2ik
= F
s
().
Possiamo quindi concludere:
F
s
() =
1
Q().
Questo signica che, a meno del fattore
1
, lo spettro F
s
() del segnale f
s
(t) ottenuto
campionando f(t) con frequenza A =
1
è la replica periodica di periodo A dello spettro

F() del segnale f(t). In Figura 4.5 è mostrato il tipico spettro di musica udibile e lo
spettro della stessa musica digitalizzata a 44.1 kHz e a 88.2 kHz.
In questo caso la ricostruzione del segnale udibile a partire dalla musica digitalizzata
pu` o essere fatta applicando un sistema che elimina tutte le repliche. Come vedremo, sistemi
che realizzano questa operazione sono detti ltro passa basso, detti ltri di ricostruzione
in questa applicazione.
4.1.2 Aliasing
Se campioniamo un segnale f(t) a banda limitata da B con una frequenza A < 2B, le
repliche dello spettro F() si sovrappongono (almeno in parte). Il campionamento in
questo caso d` a luogo a un segnale il cui spettro è la somma delle repliche sovrapponentesi,
come mostrato in Figura 4.6.
A causa di questo eetto, chiamato aliasing da alias (clone, copia) parola presa a
prestito dallinglese (a sua volta presa a prestito dal latino), non è in generale possibile
kHz
20 40
(c)
80
kHz
20
(a)
kHz
20 40
(b)
80
Figura 4.5 (a) Musica udibile. (b) Musica digitalizzata a 44.1 kHz. (c) Musica
digitalizzata a 88.2 kHz.
ricostruire il segnale di partenza f(t) sulla base del segnale campionato f
s
(t), ed in par-
ticolare il ltro di ricostruzione non è in grado di ricostruire lo spettro F(). Il segnale
ricostruito è quindi un segnale distorto, soprattutto alle alte frequenze, dove le repliche si
sovrappongono.
Per evitare che un campionatore con frequenza di campionamento A abbia in ingresso
un segnale con limite di banda maggiore di
A
2
, si pu` o far precedere il campionatore da un
sistema, detto ltro anti-aliasing, che elimina le frequenze maggiori di
A
2
. Un campionatore
preceduto dal ltro è mostrato in Figura 4.7.
Un segnale campionato ad una frequenza superiore (inferiore) alla sua frequenza di
Nyquist è detto sovracampionato (sottocampionato). Come abbiamo visto, sottocampi-
. . . . . . . . . . . .
A
2
A
2
3
2
A
5
2
A
Q()
A
2
A
2
3
2
A
5
2
A
Q()
(a) (b)
Figura 4.6 (a) Aliasing: sovrapposizione delle repliche. (b) Aliasing: spettro del
segnale sottocampionato.
uniforme
Campionatore
antialiasing
Filtro
F()
A A
2
rect
`

A
F()
Figura 4.7 Sistema campionatore preceduto da ltro anti-aliasing.
onare un segnale induce il fenomeno dellaliasing, cioè la sovrapposizione delle repliche
dello spettro, ci` o non ne consente in generale la ricostruzione. Tuttavia esistono situazioni
in cui il sottocampionamento è utile, come nel caso descritto nel seguente esempio.
Esempio 4.1.2
Lorecchio umano non percepisce segnali aventi spettro localizzato sopra i 20 kHz;
questi tipi di segnali sono chiamati ultrasuoni. Se si suppone di ascoltare un ultrasuono
con spettro tra i 23 e 24 kHz (vedi Figura 4.8) lorecchio umano non percepisce alcunche
e la frequenza di Nyquist del segnale è 48 kHz.
Sottocampioniamo il segnale con una frequenza di 22kHz: si formano in questo caso,
tra le altre, repliche del segnale aventi uno spettro tra 1 e 2 kHz (e simmetrico), che
mantengono la forma dello spettro originale. Lo spettro risulta pertanto rilocato su
frequenze inferiori a 20 kHz rendendolo quindi udibile (Figura (4.8)).
(a) (b)

20 20 20 20
Figura 4.8 (a) Spettro di un ultrasuono. (b) Spettro del segnale sottocampionato.
4.2 Quantizzazione
La quantizzazione è il processo che permette di trasformare un segnale a valori continui
in un segnale che assume un numero nito di valori. Un modo semplice di quantizzare
consiste nel pressare un un insieme nito di l valori numerici x
1
, . . . , x
l
e di associare
ad ogni numero x il valore numerico x
k
che è pi` u vicino a x.
Se i segnali che prendiamo in considerazione hanno ampiezze comprese tra
V
2
e
V
2
,
questo pu` o essere ottenuto dividendo linsieme
_
V
2
,
V
2
in l intervalli, detti livelli, ed

4.2. Quantizzazione 71
attribuendo ad un punto x
_
V
2
,
V
2
il centro del livello in cui x cade. Detti x

1
, . . . , x
l
i centri dei vari livelli, loperazione di quantizzazione pu` o essere allora descritta dalla
funzione Q che ad ogni x associa il centro pi` u vicino:
Q(x) = arg min
x
i
{x
1
,...,x
l
}
[x x
i
[.
Il sistema che realizza loperazione di quantizzazione è detto quantizzatore. Poiche
x
1
, . . . , x
l
non è uno spazio vettoriale, il quantizzatore non è in generale un sistema
lineare. Poiche inoltre la quantizzazione Q è una funzione molti-uno, essa introduce un
errore irreversible nel segnale quantizzato: dato il segnale quantizzato, non è possibile
ricostruire in modo esatto il segnale dorigine.
Nel prossimo paragrafo accenniamo ad unanalisi quantitativa di tale tipo di errore.
4.2.1 Quantizzatore Uniforme e Rumore di Quantizzazione
Un sistema quantizzatore in cui lintervallo
_
V
2
,
V
2
è suddiviso in l livelli di uguale

ampiezza
V
l
è detto quantizzatore uniforme; il numero di =
V
l
è anche chiamato passo
di quantizzazione.
Se l = 2
m
, gli elementi x
1
, . . . , x
l
possono essere codicati con parole di m bit:
x
i
= b
i1
b
im
, con b
ik
0, 1 (1 i l).
Il sistema in questo caso è detto quantizzatore uniforme a m bit.
La Figura 4.9 mostra il risultato del campionamento (pallino bianco) e campionamento
pi` u quantizzazione uniforme a quattro livelli (pallino nero) di un segnale f(t).
Come ben evidenziato dalla Figura, la quantizzazione Q è una funzione molti-uno che
introduce un errore irreversible nel segnale quantizzato. Una naturale misura dellerrore
sul numero x è la seguente:
e(x) = Q(x) x.
La Figura 4.10 mostra il graco dellerrore di quantizzazione e(x) per un quantizzatore
uniforme di sei livelli.
Lerrore di quantizzazione ha un comportamento ben dierenziato in due zone:
1. Se x <
V
2
oppure x >
V
2
, lerrore pu` o essere arbitrariamente grande: in questo
caso lerrore è detto distorsione da overload e lo si controlla cercando di garan-
tire che i valori del segnale f(t) in ingresso al quantizzatore rientrino nel range del
quantizzatore, richiedendo cioè che
V
2
f(t)
V
2
.
2. Se x è invece interno allintervallo
V
2
x
V
2
, lerrore e(x) si mantiene in valore
assoluto minore o uguale a

2
; tale errore è detto rumore granulare.
V/2
-V/2
t
f(t)
Figura 4.9 Campionamento pi` u quantizzazione uniforme a quattro livelli di un segnale
f(t).
In seguito supporremo che lunica sorgente di errore sia il rumore granulare.
Una misura di prestazione del quantizzatore è data dal rapporto segnale-rumore di
quantizzazione SQNR (Signal Quantization to Noise Ratio), misurato in decibell (dB):
SQNR = 10 log
10
2
e
dB,
dove
2
è la varianza del segnale e
2
e
lerrore di quantizzazione quadratico medio.
Osserviamo che nelle nostre ipotesi lerrore di quantizzazione è sempre limitato:
2
errore

2
.
e
x
V/2 V/2
/2
/2
Figura 4.10 Errore di quantizzazione introdotto dal quantizzatore uniforme a sei livelli.
4.2. Quantizzazione 73
Per molti segnali deterministici inoltre lerrore è uniformemente distribuito in
_
2
,

2
.
Questo signica che la probabilit` a che lerrore sia compreso fra e ed e +de è
de
. Lerrore
quadratico medio è allora:
2
e
=
_
2
2
e
2
de
=

2
12
.
Ipotizziamo che il segnale di riferimento sia
V
2
sin t. La media di tale segnale è 0, poiche:
lim
T
_
T
T
sin tdt
2T
= 0.
La varianza
2
di tale segnale è invece
V
2
8
. Infatti:
2
= lim
T
_
T
T
(
V
2
sint 0)
2
dt
2T
= lim
T
_
T
T
V
2
4
_
1cos
2
t
2
_
dt
2T
=
V
2
8
.
In tal caso:
SQNR = 10 log
10
V
2
/8
2
/12
= 10 log
10
_
V
_
2
+ log
10
3
2
= 20 log
10
l + 1.76 dB.
Per quantizzatori a m bit vale l = 2
m
, quindi:
SQNR = 20 log
10
2m+ 1.76 = 6.02m + 1.76 dB.
Si ottiene allora:
Fatto 4.1 Se un segnale sfrutta tutto il range V di un quantizzatore a m bit, allora
SQNR 6.02m+ 1.76 dB. In particolare, ogni bit aggiunto ad un quantizzatore comporta
un incremento di 6.02 dB al rapporto segnale rumore.
Esempio 4.2.1
Determinare il numero di bit da aggiungere a un quantizzatore per migliorare il
rapporto segnale-rumore da 40 dB a 68 dB.
Osservando che la dierenza tra le prestazioni richieste è di 18 dB e che ogni bit ag-
giunto al quantizzatore migliora SQNR di 6.02 dB, concludiamo che basta aggiungere
3
18
6.02
bit.
t
Ampiezza
Figura 4.11 Probabilit` a di varie ampiezze (in grigio).
4.2.2 Quantizzatore Non Uniforme
Spesso per segnali reali la probabilit` a che un segnale abbia valore tra y e y + dy viene a
dipendere da y. La Figura 4.11 mostra come in un classico segnale del parlato ampiezze
elevate siano meno probabili di ampiezze piccole:
`
E intuitivo che in questo caso una quantizzazione pi` u ne per ampiezze piccole migliori
la qualit` a del segnale quantizzato, diminuendo lerrore quadratico medio.
Questo risultato pu` o essere ottenuto come segue:
1. Si applica al segnale (che per semplicit` a consideriamo normalizzato a valori in [0, 1])
un funzione F invertibile che comprime le ampiezze vicine a 1 (vedi Figura 4.12).
2. Si applica al segnale compresso un quantizzatore uniforme.
3. Il segnale quantizzato viene decompresso applicando la funzione F
1
inversa di F.
Questo processo, detto companding (COMPressing and exPANDING) permette di
realizzare un quantizzatore non uniforme, come schematizzato nella Figura 4.13.
Esempio 4.2.2
Nelle applicazioni in telefonia viene usata la famiglia di funzioni -law:
F
(f) =
ln(1 +[f[)
ln(1 +)
sgn(f), con 1 f 1,
dove f è il segnale normalizzato e è un parametro opportuno (usualmente posto a
100 o pi` u recentemente a 255). La funzione -law inversa F
1
(y) è data da:

F
1
(y) =
1
_
(1 +)
|y|
1
_
sgn(y).
4.3. Convertitore Analogico-Digitale (ADC) 75
F
x
1
1
Figura 4.12 Funzione di compressione F.
Quantizzatore
uniforme
F
1
(y(t)) F f(t)
F(f(t)) y(t)
m
F
1
Figura 4.13 Quantizzatore non uniforme.
4.3 Convertitore Analogico-Digitale (ADC)
Applicando un campionatore a frequenza A e consecutivamente un quantizzatore a m bit,
un segnale f(t) osservato per un tempo T pu` o essere trasformato in un vettore di TA
componenti a m bit: esso pu` o quindi essere memorizzato in forma digitale usando mTA
bit ed eventualmente modicato.
Il sistema che realizza questa tasformazione è detto convertitore analogico-digitale
(ADC) e pu` o essere descritto come in Figura 4.14.
Quantizzatore Campionatore
antialiasing
Filtro
y(k)
m A
f(t)
Figura 4.14 Convertitore analogico-digitale
Il ltro antialiasing in gura è un ltro passa-basso ed ha la funzione di porre in
ingresso al campionatore un segnale a banda limitata la cui frequenza di Nyquist non
superi la frequenza di campionamento.
Esistono essenzialmente due dierenti tipologie di convertitori analogico-digitale.
Nel primo tipo, rappresentato nella gura precedente, il campionatore opera vicino
alla frequenza di Nyquist del segnale e il quantizzatore è un quantizzatore ad m bit
(m 1).
Nel secondo tipo si usa un campionatore a frequenza molto superiore alla tasso di
Nyquist (sovracampionamento), un quantizzatore a 1 bit e varie operazioni digitali.
Nei convertitori analogico-digitali del primo tipo lelemento critico è il quantizzatore.
Fra i vari modelli disponibili, presentiamo qui il Flash ADC di cui riportiamo in Figura
4.15 la realizzazione del quantizzatore a 2 bit.
D
e
c
o
d
i
f
i
c
a
V
in
V
rif
>=
>=
>=
b
0
b
1
Figura 4.15 Flash ADC (2 bit).
Nel caso generale di un quantizzatore a m bit, la tensione del segnale di ingresso
V
im
viene confrontata con 2
m
1 tensioni di riferimento ottenute con un sistema di 2
m
resistenze uguali poste in serie. Le uscite binarie dei comparatori (indicati col simbolo
>= in gura) vengono poi trasformate negli m bit di codica da un opportuno circuito
booleano (chiamato Decodica in gura).
Il ash ADC è sicuramente il pi` u veloce convertitore disponibile, ma è costituito da un
numero elevato (2
m
) di resistenze che devono essere molto accurate: questo rende dicile
e costosa la realizzazione per alti valori di m (m 8).
Questo fatto è una caratteristica dei convertitori analogico-digitali di questo tipo, che
richiedono unestrema accuratezza nella costruzione del sistema quantizzatore. Risulta
allora conveniente un diverso tipo di convertitore, basato sullidea di operare con frequenze
di campionamento molto superiori al tasso di Nyquist utilizzando per` o un quantizzatore
a pochi bit.
Il vantaggio ottenuto è duplice:
4.3. Convertitore Analogico-Digitale (ADC) 77
1. operando a frequenze molto superiori al tasso di Nyquist, il ltro antialiasing diven-
ta meno critico di quanto non lo sia nei convertitori del primo tipo, e pu` o essere
progettato con maggior facilit` a;
2. laumento della frequenza di campionamento si pu` o tradurre in un miglioramento
del SQNR del convertitore.
Capitolo 5
Analisi in frequenza di sistemi a
tempo discreto
In questo capitolo vengono proposti alcuni elementi di analisi dei ltri digitali.
Per prima cosa viene introdotta la nozione di trasformata zeta di un segnale. Essenzial-
mente, lidea è quella di associare iniettivamente ad ogni sequenza x(n) una funzione X(z)
a variabile complessa. Storicamente, i fondamenti di questa nozione sono stati introdotti
da De Moivre nella prima met` a del 1700.
La trasformata zeta permette di ottenere agevolmente lo spettro del segnale, che risulta
essere X(e
2i
), dove è la frequenza normalizzata.
Dopo aver introdotto le trasformate zeta di alcuni segnali, vengono presentate alcune
propriet` a che portano a utili regole di manipolazione simbolica. Si osserva limportante
fatto che la trasformata Y (z) della risposta di un sistema LTI S a un ingresso x(n) è
H(z)X(z), dove H(z) è la funzione di trasferimento di S, cioè la trasformata zeta della
risposta allimpulso. La funzione di trasferimento H(z) gioca un ruolo cruciale: da un
lato la risposta in frequenza di un sistema è descritta da H(e
2i
), dallaltro la causalit` a
79
80 Analisi in frequenza di sistemi a tempo discreto
e stabilit` a di un sistema LTI è individuata da semplici propriet` a di H(z).
Vengono inne presentati i ltri con riposta allimpulso nita (FIR) e i ltri ricorsivi,
con risposta allimpulso innita (IIR). Si osserva che i ltri FIR sono sempre stabili e
possono avere fase lineare e si propone un semplice criterio per la stabilit` a di ltri IIR.
5.1 Frequenza e Tempo Normalizzati
Il segnale f(t), campionato con intervallo di campionamento e quindi con frequenza di
campionamento = 1/, pu` o essere descritto da:
f
s
(t) =
n=
f(n) (t n)
Lo spettro del segnale campionato risulta essere:
F
s
() =
n=
f(n) e
2in
come osservato in 4.1.1, F
s
() risulta essere una replica periodica dello spettro, F(),
di f(t). Osserviamo ora che le formule precedenti possono essere rese pi` u semplici se
ssiamo come unit` a di misura del tempo lintervallo di campionamento anziche, come
usualmente, il secondo.
Questo equivale a considerare come misura del tempo il cosiddetto tempo normaliz-
zato t
, dove:
t
=
t
, t = t
Il segnale f(t), visto attraverso il tempo normalizzato, diventa il segnale x(t
) dove natu-
ralmente:
x(t
) = f(t
)
Si osservi che il tempo normalizzato corrispondente al tempo t = n è
n
= n: utilizzando
il tempo normalizzato, il segnale a tempo discreto ottenuto campionando un segnale a
tempo continuo, con intervallo di campionamento , è descritto dalla sequenza x(n), che
non contiene esplicitamente il termine .
Esempio 5.1.1
Se lintervallo di campionamento è 0.001 sec, il tempo normalizzato t
corrispondente
a un tempo di 3 sec è
3
0.001
= 3000.
In modo analogo chiamiamo frequenza normalizzata la misura di frequenza ottenuta
avendo = 1/ come unit` a:
=

= , =

5.2. Trasformata Zeta 81

Esempio 5.1.2
Se la frequenza di campionamento è 1000 Hz, la frequanza normalizzata corrispon-
dente a una frequenza di 410 Hz è
410
1000
= 0.41.
Detto X
s
() lo spettro del segnale campionato, descritto usando la frequenza normal-
izzata, vale:
X
s
() = F
s
_
_
=
n=
f(n) e
2in
=
n=
x(n) e
2in
Concludendo, luso del tempo normalizzato t
=
t
e della frequenza normalizzata =

permette da un lato di descrivere un segnale campionato attraverso una sequenza x(n),

dallaltro di semplicare il suo spettro X
s
():
X
s
() =
n=
x(n) e
2in
Si osservi che X
s
() è una funzione periodica di periodo 1. Essa sar` a univocamente
determinata da [X
s
()[ e da ph(X
s
()) con
1
2

1
2
.
Si osservi che = 0 corrisponde alla frequenza = 0, mentre =
1
2
corrisponde alla
frequenza di Nyquist, met` a della frequenza di campionamento.
5.2 Trasformata Zeta
Per motivare lintroduzione di questa nuova trasformata, richiamiamo che il segnale a
tempo discreto x(n) ha lo spettro X
s
() dove:
X
s
() =
n=
x(n) e
2in
=
n=
x(n)
_
e
2i
_
n
Posto z = e
2i
, lespressione precedente diventa:
n=
x(n) z
n
. Questo motiva la
seguente importante:
Denizione 5.1 Dato il segnale a tempo discreto x(n), la sua trasformata zeta è la
funzione a variabile complessa
X(z) =
n=
x(n) z
n
Si osservi che X(z) non è generalmente denita su tutto il piano complesso, poichè la serie
n=
x(n) z
n
pu` o non convergere; si pu` o dimostrare che linsieme di denizione di
X(z) è una corona circolare centrata intorno allorigine.
Conoscendo la trasformata zeta X(z) di un segnale x(n), è possibile costruire lo spettro
X
s
() del segnale:
Fatto 5.1 Lo spettro X
s
() del segnale x(n), la cui trasformata zeta è X(z), è dato da
X
s
() =
n=
x(n) e
2in
= X
_
e
2i
_
.
Si osservi che X
s
(e
2in
) è una funzione periodica di periodo 1.
Si pu` o ulteriormente dimostrare che dato X(z) è possibile ricostruire i valori x(n); ci
limiteremo qui a dare la formula di ricostruzione nellipotesi che X(z) sia denita sulla
circonferenza di raggio 1. In tal caso, infatti, è possibile ottenere lo spettro X
s
() del
segnale a tempo discreto x(n) valutando X(z) sui complessi z = e
2i
, che si trovano
proprio sulla circonferenza di raggio 1. Quindi, come da Fatto 5.1:
X
s
() = X
_
e
2i
_
=
n=
x(n) e
2in
Osservando che lespressione precedente è lo sviluppo in serie di Fourier della funzione
periodica X
s
(), il coeciente x(n) della combinazione lineare è dato da:
x(n) =
_ 1
2
1
2
X
s
()e
2i
d =
_ 1
2
1
2
X
_
e
2i
_
e
2i
d.
5.2.1 Proprietà della trasformata Zeta
La trasformata zeta di un segnale a tempo discreto x(n) è la funzione X(z) a variabile
complessa tale che:
X(z) =
+
n=
x(n)z
n
.
Indicando con (n) e u(n) rispettivamente limpulso e il gradino unitari, alcune note
trasformate sono date in Tabella 5.1.
Tabella 5.1 Alcune coppie note di trasformate.
Segnale Trasformata
(n) 1
(n m) z
m
a
n
u(n)
1
1az
1
Ad esempio la trasformata zeta di a
n
u(n) è:
n=
a
n
u(n)z
n
=
n=0
a
n
z
n
=
n=0
(az
1
)
n
=
1
1 az
1
.
5.2. Trasformata Zeta 83
La trasformata zeta possiede un certo numero di propriet` a che la rendono uno strumen-
to essibile ed ecace per lo studio dei segnali a tempo discreto. Le principali propriet` a
sono presentate in Tabella 5.2.
Tabella 5.2 Propriet` a della trasformata z.
Propriet` a x(n) X(z)
Linearit` a ax(n) +by(n) aX(z) +bY (z)
Traslazione x(n n
0
) z
n
0
X(z)
Convoluzione
+
k=
x(k)y(n k) X(z)Y (z)
La linearit` a è provata come segue:
+
n=
(ax(n) +by(n))z
n
= a
+
n=
x(n)z
n
+b
+
n=
y(n)z
n
= aX(z) +bY (z).
Per quanto riguarda la propriet` a di traslazione, si consideri
+
n=
x(n a)z
n
;
ponendo k = n a, quindi n = a +k, si ha:
+
n=
x(n a)z
n
=
+
k=
x(k)z
ak
= z
a
+
k=
x(k)z
k
= z
a
X(z).
Proviamo inne la propriet` a di convoluzione:
X(z)Y (z) =
+
k=
x(k)z
k
+
j=
y(j)z
j
=
+
k=
+
j=
x(k)y(j)z
kj
=
+
n=
z
n
k+j=n
x(k)y(j) =
+
n=
_
+
k=
x(k)y(n k)
_
z
n
.
Applicando le propriet` a presentate in Tabella 5.2 alle coppie di trasformate elencate
in Tabella 5.1 è possibile determinare le trasformate zeta di una vasta classe di segnali di
interesse pratico.
Esempio 5.2.1
Determinare la trasformata z del segnale 2
n
u(n) +u(n 3).
2
n
u(n)
1
1 (2z)
1
da Tabella 5.1
u(n)
1
1 z
1
da Tabella 5.1
u(n 3)
z
3
1 z
1
Prop. di traslaz.
2
n
u(n) +u(n 3)
1
1 z
1
+
z
3
1 z
1
Prop. di linear.
5.3 Analisi di Sistemi LTI a Tempo Discreto: ltri FIR e
IIR
Sia dato un sistema LTI S a tempo discreto; sappiamo dal Capitolo 1 che luscita y(n) del
sistema S avente come ingresso il segnale x(n) è ottenuto dalla convoluzione di x(n) con
h(n), dove h(n) è la risposta del sistema allimpulso unitario (n):
y(n) = h(n) x(n) =
+
k=
h(k)x(n k).
Dalla propriet` a di convoluzione (riportata in Tabella 5.2) si ottiene che:
Y (z) = H(z)X(z),
dove Y (z), H(z) e X(z) sono rispettivamente la trasformata z di y(n), h(n) e x(n). La fun-
zione H(z), trasformata z della risposta allimpulso h(n), è detta funzione di trasferimento
del sistema (vedi Figura 5.1).
Riassumendo si ha quindi limportante risultato:
Fatto 5.2 Dato un sistema LTI la cui funzione di trasferimento è H(z), detta Y (z) e
X(z) rispettivamente la trasformata z delluscita y(n) e dellingresso x(n), allora vale:
Y (z) = H(z)X(z).
Analizziamo ora la funzione di tasferimento dei ltri FIR e IIR.
5.3.1 Filtri FIR
Un sistema LTI causale a tempo discreto è detto ltro FIR (Finite Impulse Response) se
la risposta h(n) allimpulso unitario è nita nel senso che h(n) = 0 per n < 0 e per n M
per un opportuno M > 0. Il rapporto ingresso-uscita è allora descritto dalla seguente
equazione alle dierenze nite:
y(n) =
M1
k=0
h(k)x(n k). (5.1)
5.3. Analisi di Sistemi LTI a Tempo Discreto: ltri FIR e IIR 85
h(n)
H(z)
S
x(n)
X(z)
y(n)= h(k)x(nk)
Y(z)=H(z)X(z)
k
Figura 5.1 Funzione di trasferimento del sistema S.

Passando alle trasformate z e applicando la propriet` a della traslazione temporale, si
ottiene:
Y (z) =
M1
k=0
h(k)z
k
X(z) =
_
M1
k=0
h(k)z
k
_
X(z)
La funzione di trasferimento risulta essere H(z) =
M1
k=0
h(k)z
k
; si osservi che H(z) è
un polinomio in z
1
.
Le caratteristiche pi` u interessanti dei ltri FIR sono le seguenti:
1. Un ltro FIR è sempre causale e stabile.
2. Un ltro FIR pu` o avere fase lineare: se la funzione h(n) è simmetrica o antisimmet-
rica rispetto a (M1)/2 (cioè h(k) = h(M1 k) oppure h(k) = h(M1 k)),
allora la fase phH(e
2i
) è lineare.
In Figura 5.2 sono rappresentate le risposte allimpulso di due ltri FIR a fase lineare, uno
antisimmetrico (a), laltro simmetrico (b).
M+1
2
M+1
2
h
h
n n
1
2
0 M1 M1 0
(a) (b)
Figura 5.2 Risposta allimpulso di un ltro a fase lineare (a) antisimmetrico (b)
simmetrico.
Esempio 5.3.1
Determinare la risposta in frequenza (guadagno e fase) del seguente ltro FIR:
y(n) =
1
2
x(n) +
1
2
x(n 1)
Passando alle trasformate zeta si ottiene:
Y (z) =
1
2
X(z) +
1
2
z
1
X(z).
La funzione di trasferimento del ltro è
H(z) =
Y (z)
X(z)
=
1
2
+
1
2
z
1
.
La risposta in frequenza è H(e
2i
), cioè:
H(e
2i
) =
1
2
+
1
2
e
i2
=
e
i
+e
i
2
e
i
= cos e
i
Il guadagno risulta quindi cos
2
e la fase .
Si osserva che la fase è lineare e che il ltro alle basse frequenze ( 0) ha guadagno
1, mentre alle alte frequenze (
1
2
) ha guadagno 0: si tratta di un ltro passa basso.
5.4 Filtri IIR
Consideriamo ora un sistema LTI in cui la relazione ingresso-uscita verica la seguente
equazione alle dierenze nite:
y(n) =
L1
k=0
a
k
x(n k) +b
1
y(n 1) +b
2
y(n 2) +. . . +b
M
y(n M)
Filtri causali che vericano lequazione precedente sono detti ltri ricorsivi poichè luscita
al passo n è denita ricorsivamente in funzione delle uscite ai passi n1, n2, . . . , nM.
Si osservi che se b
1
= b
2
= . . . = b
M
= 0 il ltro è un ltro FIR; altrimenti è un ltro IIR.
Per determinare la funzione di trasferimento si passa alla trasformata zeta. Ricordando
le propriet` a di linearit` a e traslazione si ottiene:
Y (z) =
L1
k=0
a
k
z
k
X(z) +b
1
z
1
Y (z) +b
2
z
2
Y (z) +. . . +b
M
z
M
Y (z)
Risolvendo questa equazione di primo grado rispetto a Y (z) si ha:
Y (z) =
L1
k=0
a
k
z
k
1 b
1
z
1
. . . b
M
z
M
X(z)
5.4. Filtri IIR 87
Da questo si ottiene la funzione di trasferimento, H(z), del ltro:
H(z) =
L1
k=0
a
k
z
k
1 b
1
z
1
. . . b
M
z
M
In questo caso la funzione di trasferimento è una funzione razionale
H(z) =
P(z)
Q(z)
, dove P(z) e Q(z) sono polinomi
Ricordiamo che gli zeri di P(z)/Q(z) sono le radici dellequazione P(z) = 0, mentre i poli
di P(z)/Q(z) sono le radici dellequazione Q(z) = 0.
Contrariamente ai ltri FIR, i ltri IIR non hanno mai fase lineare e possono essere non
stabili. Poichè la stabilit` a è una condizione importante per le applicazioni, diamo senza
dimostrazione una semplice caratterizzazione dei ltri IIR stabili in termini di propriet` a
della loro funzione di trasferimento.
Fatto 5.3 Un ltro è causale e stabile se i poli della sua funzione di trasferimento H(z)
sono contenuti nel cerchio di raggio 1, cioè se ogni polo ha modulo strettamente minore di
1.
Esempio 5.4.1
Determinare se il ltro seguente è stabile.
y(n) = x(n) + 2y(n 1)
3
4
y(n 2)
La funzione di trasferimento risulta essere:
H(z) =
1
1 2z
1
+
3
4
z
2
=
z
2
z
2
2z +
3
4
I poli di H(z) sono le radici dellequazione z
2
2z +
3
4
= 0 che sono z
1
=
1
2
e z
2
=
3
2
.
Poichè
3
2
> 1, un polo risulta essere esterno al cerchio di raggio 1 e quindi il ltro è

instabile.
Esempio 5.4.2
Determinare se il ltro seguente è stabile.
y(n) = x(n)
3
4
y(n 2).
La funzione di trasferimento risulta quindi:
H(z) =
1
1 +
3
4
z
2
=
z
2
z
2
+
3
4
I poli di H(z) sono le radici dellequazione z
2
+
3
4
= 0, che sono z
1
=
3
2
i e z
2
=
3
2
i.
Poichè [z
1
[ = [z
2
[ =
3
2
< 1, tutti i poli sono contenuti nel cerchio di raggio 1, quindi
il ltro è stabile.
Bibliograa
[1] J. D. Gibson. Principles of Digital and Analog Communications. Macmillan, second
edition, 1993.
[2] A. V. Oppenheim and R. W. Schafer. Digital Signal Processing. Prentice-Hall, 1975.
[3] A. V. Oppenheim and A. S. Willsky. Signals & Sistems. Prentice-Hall, second edition,
1997.
[4] S. V. Vaseghi. Advanced Signal Processing and Digital Noise Reduction. Wiley &
Teubner, 1996.
89

Introduzione Elaborazione Segnali

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Introduzione Elaborazione Segnali

Caricato da

Copyright:

Formati disponibili

Universit

, in modo che larea sottostante

(t) `e nulla al di fuori dellintervallo [/2, /2] e

(x)dx = 1. Un esempio `e mostrato in Figura 1.8: qui la funzione impulso

f(t)(t x)dx = f(t)

f(t)(t x)dx = f(t)

f(x)h(t x)dx (1.1)

[h(t)[dt < + e dimostriamo che

[h(t)[dt = + e dimostriamo che il sistema non `e stabile.

f(x)(t x)dx) lo si rappresenta come sovrapposizione di altri segnali-base (f(t) =

a(x)H(t, x)dx, dove H(t, x) sono da scegliere in modo opportuno).

1 unit` a immaginaria, a = Re z parte reale e b = Imz parte immaginaria di z.

f(t) cos(2t)dt, ImF() =

f(x)g(t x)dx F()G()

Figura 3.3 Modulo e fase di un ltro passa-basso realizzabile.

concidente con F() nellintervallo [

`e la replica periodica di periodo A dello spettro

in l intervalli, detti livelli, ed

il centro del livello in cui x cade. Detti x

`e suddiviso in l livelli di uguale

(y) `e data da:

Il segnale f(t), visto attraverso il tempo normalizzato, diventa il segnale x(t

5.2. Trasformata Zeta 81

e della frequenza normalizzata =

permette da un lato di descrivere un segnale campionato attraverso una sequenza x(n),

Figura 5.1 Funzione di trasferimento del sistema S.

> 1, un polo risulta essere esterno al cerchio di raggio 1 e quindi il ltro `e

Potrebbero piacerti anche