Sis 2013

SIGNALI I SUSTAVI 2013./14.
Predavanja
Dr. sc. Jonatan Lerga
Nastavni materijal
Izv. prof. dr. sc. Viktor Su ci c
1. Klasiciranje i osnovna svojstva signala
Uvod
V. Su ci c, Signali i sustavi - Predavanja 3
Obrada signala: novo znanstveno podru cje koje je nalo primjene u mnogim granama elektrotehnike,
tehnike i znanosti uop ce.
U ovom kolegiju bavit cemo se:
Klasiciranjem i osnovnim svojstvima signala
Modelima signala
Klasiciranjem i osnovnim svojstvima sustava
Impulsnim odzivom i analizom sustava u vremenskoj domeni primjenom konvolucije
Fourierovom analizom periodi cnih i neperiodi cnih signala
Otipkavanjem i rekonstrukcijom signala
Transformacijama signala koje omogu cuju njihovu ekasnu analizu i obradu pomo cu ra cunala
Signali i njihovo klasiciranje
Signal: funkcija kojom predstavljamo neku zikalnu veli cinu/varijablu, a koja sadri informaciju o
ponaanju/prirodi promatranoga fenomena.
Pojednostavljeno re ceno, signal je skup podataka ili informacija.
Primjeri signala:
struja i napon (elektri cki sustav),
sila i brzina (mehani cki sustav),
tlak i protok (hidrauli cki sustav),
jakost svjetlosti (opti cki sustav),
govor,
video,
biomedicinski signali,
dnevni burzovni indeksi, ...
Signal matemati cki predstavljamo kao funkciju nezavisne varijable t, tj. kao x(t), gdje je t naj ce ce
vrijeme. Npr. x(t) = 3e
t
.
(a) govor (b) slika (J.B.J. Fourier) (c) satelitski snimak
(d) svemir (e) EKG (f) te caj
Slika 1: Primjeri signala.
Prema prirodi vremenske varijable, signale klasiciramo na:
Vremenski kontinuirane (ili kra ce kontinuirane): x(t) je funkcija vremenski kontinuirane varijable
t R (npr. govor).
Vremenski diskretne (ili kra ce diskretne): x[n] je funkcija vremenski diskretne varijable n Z (npr.
mjese cna rata kredita). Za sve ostale vrijednosti vremena diskretni signal nije deniran.
Vremenski diskretan signal:
nezavisna varijabla je po svojoj prirodi diskretna, ili
je dobiven otipkavanjem (engl. sampling) kontinuiranoga signala: x[n] = x(nT
s
), gdje je T
s
period otipkavanja.
1 0.5 0 0.5 1
2
1.5
1
0.5
0
0.5
1
1.5
2
t
x
(
t
)
Kontinuirani signal
(a) sin(2t)
10 5 0 5 10
2
1.5
1
0.5
0
0.5
1
1.5
2
n
x
[
n
]
Diskretni signal
(b) sin(2n), T
s
= 0.1
Slika 2: (a) Kontinuirani i (b) diskretni signal.
Prema prirodi amplitude, signale klasiciramo na:
Analogne: signal moe poprimiti beskona cno mnogo razli citih vrijednosti amplitude u odre

denom
kontinuiranom intervalu.
Digitalne: signal moe poprimiti samo kona can broj vrijednosti amplitude. Npr, signali u ra cunalima
poprimaju jednu od dvije vrijednosti amplitude (0 ili 1).
Kvantizacija (engl. quantisation): postupak kojim se iz analognog dobiva digitalni signal.
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
2
1.5
1
0.5
0
0.5
1
1.5
2
t
x
(
t
)
Kontinuirani analogni signal
(a)
10 5 0 5 10
2
1.5
1
0.5
0
0.5
1
1.5
2
n
x
[
n
]
Diskretni analogni signal
(b)
6 4 2 0 2 4 6 8 10
2
1.5
1
0.5
0
0.5
1
1.5
2
2.5
3
t
x
(
t
)
Kontinuirani digitalni signal
(c)
6 4 2 0 2 4 6 8 10
2
1.5
1
0.5
0
0.5
1
1.5
2
2.5
3
n
x
[
n
]
Diskretni digitalni signal
(d)
Slika 3: (a) Analogni, kontinuirani, (b) analogni, diskretni, (c) digitalni, kontinuirani, (d) digitalni, diskretni signal.
Jo jedna vana klasikacija signala je na:
Deterministi cke signale: zikalni opis signala, bilo u matemati ckom ili gra ckom smislu, u
potpunosti je poznat.
Stohasti cke signale: vrijednosti signala ne mogu se to cno predvidjeti i poznati su nam samo
statisti cki parametri signala (npr. srednja vrijednost, varijanca, i sl.).
U ovom kolegiju bavit cemo se isklju civo deterministi ckim signalima.
1 0.5 0 0.5 1
2
1.5
1
0.5
0
0.5
1
1.5
2
t
x
(
t
)
Deterministicki signal
(a) sin(2t)
1 0.5 0 0.5 1
2
1.5
1
0.5
0
0.5
1
1.5
2
t
x
(
t
)
+
A
W
G
N
Stohasticki signal
(b) sin(2t) + bijeli Gaussov um
Slika 4: (a) Deterministi cki i (b) stohasti cki signal.
(a) EEG signali takora (b) Elektri cni um u diodi ( = 0) (c) INTEL-ov burzovni indeks
Slika 5: Primjeri stohasti ckih signala u praksi.
Kontinuirani signal x(t) je periodi can ako za konstantu T
0
> 0, T
0
R vrijedi:
x(t) = x(t +T
0
), t. (1)
Najmanje T
0
za koje vrijedi (1) zovemo osnovni period signala x(t).
Tako

der je: x(t +kT
0
) = x(t), k Z.
Diskretni signal x[n] je periodi can ako za konstantu N
0
> 0, N
0
Z vrijedi:
x[n] = x[n +N
0
], n. (2)
Najmanje N
0
za koje vrijedi (2) zovemo osnovni period signala x[n].
Tako

der je: x[n +kN
0
] = x[n], k Z.
Signal koji ne zadovoljava (1) odnosno (2) je neperiodi can (aperiodi can) signal.
Za periodi cne signale vrijedi:
_
+T
0
x(t)dt =
_
+T
0
x(t)dt, , R. (3)
Stoga cemo integral signala x(t) po jednome periodu kra ce ozna cavati sa
_
T
0
x(t)dt.
Na sli can cemo na cin zbrajanje signala x[n] po jednome periodu ozna cavati sa
N
0
x[n].
1 0.5 0 0.5 1
2
1.5
1
0.5
0
0.5
1
1.5
2
t
x
(
t
)
Periodican kontinuirani signal
(a)
10 5 0 5 10
2
1.5
1
0.5
0
0.5
1
1.5
2
n
x
[
n
]
Periodican diskretni signal
(b)
10 5 0 5 10
2
1.5
1
0.5
0
0.5
1
1.5
2
t
x
(
t
)
Neperiodican kontinuirani signal
(c)
10 5 0 5 10
2
1.5
1
0.5
0
0.5
1
1.5
2
n
x
[
n
]
Neperiodican diskretni signal
(d)
Slika 6: (a) Periodi can, kontinuirani, (b) periodi can, diskretni (c) neperiodi can, kontinuirani, (d) neperiodi can, diskretni signal.
Ako su x
1
(t) = x
1
(t +T
1
) = x
1
(t +mT
1
), x
2
(t) = x
2
(t +T
2
) = x
2
(t +nT
2
), i x(t) = x
1
(t) +x
2
(t), tj.
x(t) = x
1
(t +mT
1
) +x
2
(t +nT
2
). (4)
Signal x(t) bit ce periodi can signal s periodom T ako je:
x(t) = x(t +T) = x
1
(t +T) +x
2
(t +T). (5)
Iz (4) i (5):
mT
1
= nT
2
= T = T
1
/T
2
= n/m Q. (6)
Ako su x
1
[n] = x
1
[n +N
1
] = x
1
[n +pN
1
], x
2
[n] = x
2
[n +N
2
] = x
2
[n +qN
2
], i x[n] = x
1
[n] +x
2
[n],
tj.
x[n] = x
1
[n +pN
1
] +x
2
[n +qN
2
]. (7)
Signal x[n] bit ce periodi can signal s periodom N ako je:
x[n] = x[n +N] = x
1
[n +N] +x
2
[n +N]. (8)
Iz (7) i (8):
pN
1
= qN
2
= N. (9)
Kako je uvijek mogu ce na ci cijele brojeve p i q koji zadovoljavaju (9), zbroj dva diskretna periodi cna
signala uvijek je periodi can signal.
Primjer 1.1. Na ci osnovni period kompleksno-eksponencijalnog signala
x(t) = e
j2f
0
t
, f
0
= 0.
Odgovor 1.1.
x(t +T
0
) = e
j2f
0
(t+T
0
)
= e
j2f
0
t
e
j2f
0
T
0
x(t) = x(t +T
0
) kada je e
j2f
0
T
0
= 1 = f
0
T
0
= 1.
T
0
=
1
f
0
Tako

der vrijedi
x(t) = x(t +kT
0
), k Z kT
0
=
k
f
0

Signal je kauzalan ako vrijedi:
x(t) = 0, t < 0
tj. x[n] = 0, n < 0.
Ako je
x(t) = 0, t 0
tj. x[n] = 0, n 0.
signal je antikauzalan.
Signal koji po cinje prije trenutka t = 0, odnosno n = 0, zovemo nekauzalan signal.
Kako bismo numeri cki izrazili veli cinu signala, nuno je promatrati ne samo njegovu amplitudu nego i
trajanje.
Jedna mjera veli cine signala je njegova energija (E), odnosno snaga (P).
Energija signala x(t) je:
E =
_

x(t)x
(t)dt =
_

|x(t)|
2
dt. (10)
Snaga signala x(t) je:
P = lim
T
1
T
_
T/2
T/2
x(t)x
(t)dt = lim
T
1
T
_
T/2
T/2
|x(t)|
2
dt. (11)
Srednja snaga periodi cnoga signala s periodom T
0
(za T = kT
0
u (11)) jednaka je:
P
av
= lim
k
_
1
kT
0
k
_
T
0
0
|x(t)|
2
dt
_
=
1
T
0
_
T
0
0
|x(t)|
2
dt. (12)
Za diskretne signale imamo:
E =
n=
|x[n]|
2
(13)
P = lim
N
1
2N + 1
N
n=N
|x[n]|
2
. (14)
Za periodi cne signale, snagu P u (14) dobijemo zbrajanjem po jednom periodu signala.
Signale klasiciramo na:
Signale energije: ako je 0 < E < (te je P = 0),
Signale snage: ako je 0 < P < (te je E = ).
Signal moe biti ili signal energije, ili signal snage, ili niti signal energije niti signal snage.
Periodi cni i stohasti cki signali naj ce ce su signali snage, dok su deterministi cki neperiodi cni signali
signali energije.
Primjer 1.2. Na ci energiju i snagu signala na slici.
2 0 2 4 6 8 10
1
0.5
0
0.5
1
1.5
2
2.5
3
t
x
(
t
)
2e
t/2
Odgovor 1.2.
E =
_

|x(t)|
2
dt =
_
0
1
2
2
dt +
_

0
(2e
t/2
)
2
dt =
_
0
1
4dt +
_

0
4e
t
dt = 4 + 4 = 8.
P = lim
T
1
T
_
T/2
T/2
|x(t)|
2
dt = lim
T
1
T
__
0
1
4dt +
_

0
4e
t
dt
_
= lim
T
8
T
= 0.
E < i P = 0 = Signal energije.
Primjer 1.3. Na ci snagu i energiju signala x(t) = Acos(2f
0
t +).
Odgovor 1.3.
P = lim
T
1
T
_
T/2
T/2
A
2
cos
2
(2f
0
t +)dt
= lim
T
A
2
2T
_
T/2
T/2
(1 + cos(4f
0
t + 2))dt
= lim
T
A
2
2T
_
T/2
T/2
dt + lim
T
A
2
2T
_
T/2
T/2
cos(4f
0
t + 2))dt
=
A
2
2
+ 0 =
A
2
2
Kao to vidimo, snaga P ne ovisi niti o frekvenciji f

0
niti o fazi signala x(t).
E =
_

|x(t)|
2
dt =
A
2
2
_

(1 + cos(4f
0
t + 2))dt = + 0 = .
P < i E = = Signal snage.
Primjer 1.4. Pokazati da je signal x[n] = 2e
j3n
signal snage.
Odgovor 1.4.
P = lim
N
1
2N + 1
N
n=N
|x[n]|
2
= lim
N
1
2N + 1
N
n=N
|2e
j3n
|
2
= lim
N
1
2N + 1
N
n=N
2
2
= lim
N
4(2N + 1)
2N + 1
= 4.
E =
n=
|x[n]|
2
=
n=
|2e
j3n
|
2
=
n=
4 = .
P < i E = = x[n] je signal snage.
Transformacije nezavisne varijable
Vremenski pomak: y
p
(t) = x(t t
0
), t
0
R, gdje za
t
0
> 0 originalni signal je pomaknut udesno,
t
0
< 0 originalni signal je pomaknut ulijevo.
Skaliranje: y
s
(t) = x(at), a R, gdje za
a > 1 kompresija originalnoga signala,
a < 1 ekspanzija originalnoga signala.
Za a = 1, y
s
(t) = x(t) je signal x(t) reektiran oko ordinate.
Napomena: signal x(t) je reeksija x(t) oko apscise.
Kombinirane operacije: Signal y(t) = x(at t
0
), a, t
0
R dobije se na jedan od sljede ca dva
na cina:
1. Prvo se originalni signal pomakne za t
0
, x(t t
0
) = x(t)|
t=tt
0
, te se dobiveni signal skalira sa a,
x(at t
0
) = x(t t
0
)|
t=at
, ili
2. Prvo se originalni signal skalira sa a, x(at) = x(t)|
t=at
, te se dobiveni signal pomakne za t
0
/a,
x(at t
0
) = x(at)|
t=tt
0
/a
.
U oba slu caja, za a < 0 skaliranje uklju cuje i reeksiju oko ordinate.
Navedene su transformacije direktno primjenjive i na diskretne signale.
5 0 5
2
1.5
1
0.5
0
0.5
1
1.5
2
t
x
(
t
)
(a)
5 0 5
2
1.5
1
0.5
0
0.5
1
1.5
2
t
x
(
t
2
)
(b)
5 0 5
2
1.5
1
0.5
0
0.5
1
1.5
2
t
x
(
t
+
1
)
(c)
5 0 5
2
1.5
1
0.5
0
0.5
1
1.5
2
t
x
(
3
t
)
(d)
5 0 5
2
1.5
1
0.5
0
0.5
1
1.5
2
t
x
(
t
/
3
)
(e)
5 0 5
2
1.5
1
0.5
0
0.5
1
1.5
2
t
x
(
2
t
+
3
)
(f)
Slika 7: Signal: (a) x(t) (b) x(t 2) (c) x(t + 1) (d) x(3t) (e) x(t/3) (f) x(2t + 3).
Signal x(2t + 3) (slika 7(f)) dobije se pomakom originalnoga signala x(t) (slika 7(a)) za t
0
= 3,
skaliranjem pomaknutoga signala sa a = 2, te reeksijom dobivenoga signala oko okomite osi.
Primjer 1.5. Matemati cki denirati signal x(2t + 3) na slici 7(f).
Odgovor 1.5.
x(t) =
_
1, 1 t 1
0, ina ce.
x(2t + 3) =
_
1, 1 (2t + 3) 1
0, ina ce.
x(2t + 3) =
_
1, 4 (2t) 2
0, ina ce.
x(2t + 3) =
_
1, 2 t 1
0, ina ce.
x(2t + 3) =
_
1, 2 t 1
0, ina ce.
Te, kako je i prikazano gra cki na slici 7(f),
x(2t + 3) =
_
1, 1 t 2
0, ina ce.
2. Modeli signala
Kontinuirani signali
Jedini cna stepenica (Heaviside jedinica):
u(t) =
_
1, t 0
0, t < 0
6
-
0
u(t)
1
t
U teoriji distribucija, u(0) = 1/2.
Koristi se za deniranje kauzalnih signala: x
k
(t) = x(t)u(t).
5 0 5
1
0.5
0
0.5
1
1.5
2
2.5
3
t
x
(
t
)
Kontinuirani signal
(a)
5 0 5
1
0.5
0
0.5
1
1.5
2
2.5
3
t
x
k
(
t
)
Kauzalni oblik signala x(t)
(b)
Slika 8: Signal: (a) x(t) = e
t/3
, t (b) x
k
(t) = x(t)u(t) = e
t/3
, t 0.
Primjer 2.1. Skicirati signal x(t) = 4u(t) 6u(t 2) + 3u(t 4) + 2u(t 5).
Odgovor 2.1.
2
2
4
-
t
6
x(t)
1 3 5 7
Primjer 2.2. Denirati signal na slici 9 pomo cu jedini cnih stepenica.
5 0 5
2
1.5
1
0.5
0
0.5
1
1.5
2
t
x
(
t
)
Slika 9: Pravokutni impuls rect(t/2).
Odgovor 2.2.
x(t) = u(t + 1) u(t 1) = rect(t/2).
Op cenito, pravokutni impuls centritan oko ishodita (t = 0) i s trajanjem T deniramo kao:
rect
_
t
T
_
= u(t +T/2) u(t T/2).
Jedini cni impuls (Dirac delta funkcija):
Za prikaz fenomena koji se javljaju u vrlo kratkim vremenskim intervalima i kod mjerenja dovode do
trenutne promjene mjerene veli cine.
Najvanija je funkcija u teoriji signala i sustava.
Dirac ju je denirao na sljede ci na cin:
(t) = 0, t = 0
i
_

(t)dt = 1
Vidimo da (t) za t = 0 nije denirano.
6
-
6
0
(t)
t
k(t) je (t) funkcija s povrinom k.
Delta funkciju u praksi cesto deniramo kao grani cnu vrijednost konvencionalne funkcije.
(t) =
1
rect(t/) =
_
1/, |t| /2
0, |t| > /2
-
t
6
(t)
2
1
2
Vidimo da:
_

(t)dt = 1
lim
0
(t) = (t).
Analizirajmo sljede ci integral:
_
t
()d =
_
1, t /2
0, t < /2
Za 0:
_
t
()d =
_
1, t 0
0, t < 0
tj.
_
t
()d = u(t)
Stoga:
_
t
()d = u(t) i
du(t)
dt
= (t).
Razmotrimo neka bitna svojstva funkcije (t).
Neka je signal x(t) kontinuirani signal u trenutku t = 0. Tada je:
x(t)(t) = x(0)(t) (impuls povrine x(0))
x(t)(t t
0
) = x(t
0
)(t t
0
)
6
-
6
0 t
x(t
0
)
t
0
x(t)(t t
0
)dt = x(t
0
)
_

(t t
0
)dt = x(t
0
) 1 = x(t
0
).
Jednakost
_

x(t)(t t
0
)dt = x(t
0
) poznata je kao svojstvo uzorkovanja (engl. sampling) ili
prosijavanja (engl. sifting), i predstavlja formalnu deniciju delta funkcije kao generalizirane funkcije
(promatramo njezin utjecaj ne testnu funkciju x(t), a ne njezine vrijednosti u svakom vremenskom
trenutku).
Ostala vana svojstva (t) su:
(at +b) =
1
|a|
(t +b/a) (t) = (t)
_

x() (t ) d = x(t) (t) = x(t) (konvolucija)

_
b
a
x(t)(t t
0
)dt =
_
_
_
x(t
0
), a < t
0
< b
0, a < b < t
0
ili t
0
< a < b
nedeniran, a = t
0
ili b = t
0
.
Primjer 2.3. Na ci:
a)
cos(t)(t )
b)
_

e
t
(2t 2)dt
Odgovor 2.3. Navedeni izrazi jednaki su
a)
cos(t)(t ) = cos()(t ) = (t )
b)
_

e
t
(2t 2)dt =
1
2
_

e
t
(t 1)dt =
e
1
2
=
1
2e
Jedini cna kosina:
r(t) = tu(t) =
_
t, t 0
0, t < 0
6
-
0
r(t)
|
1
1 t
_
t
u()d = r(t) i
dr(t)
dt
= u(t).
Sve funkcije izvedene iz (t) (sukcesivnim deriviranjem ili integriranjem) zovemo singularne funkcije.
Ove funkcije imaju tzv. singularnu to cku (to cku u kojoj funkcija nema derivaciju; u navedenim funkcijama
singularnost se javlja u ishoditu).
Diskretni signali
Jedini cna stepenica:
u[n] =
_
1, n 0,
0, n < 0.
-3 -2 -1 0 1 2
1
n 3 4 5 6 7
Kauzalni signal: x
k
[n] = x[n]u[n].
Jedini cni impuls (Kroneckerova delta funkcija):
[n] =
_
1, n = 0,
0, n = 0.
-3 -2 -1 0 1 2 3
1
n
[n] = u[n] u[n 1] u[n] =
n
k=
[k]
Kako je [n k] =
_
_
_
1, n = k,
0, n = k.
= x[n] =
k=
x[k][n k]
Diskretna sinusoida:
Otipkavanjem signala x(t) = cos( t) svakih T sekundi, dobije se diskretni signal
x[n] = cos( T n) = cos(n), gdje je = T diskretna frekvencija.
Prema Euleru: cos(n) +j sin(n) = 1 e
jn
= e
jn
, to u kompleksnoj ravnini odgovara to cki na
jedini cnoj krunici s kutom .
Kako je cos(n) = cos(( + 2k)n), k Z, signal cos(n) jednozna can je samo u intervalu
< (tzv. osnovni frekvencijski pojas (engl. fundamental band)). Isto vrijedi i za signal e
jn
.
Svaka frekvencija stoga je identi cna frekvenciji
o
= 2k, gdje je
o
< .
Kako je cos(n +) = cos(n ), frekvencija u intervalu (, 0) identi cna je (ima istu
magnitudu, ali suprotnu fazu) frekvenciji u intervalu (0, ). Zato kaemo da je frekvencija ovoga
signala ||, te je signal dovojno promatrati u 0 .
Npr.:
cos(2.25n +) = cos((2.25 2)n +) = cos(0.25n +)
cos(3.25n +) = cos((3.25 4)n +) = cos(0.75n +) = cos(0.75n )
3. Klasiciranje i osnovna svojstva sustava
Sustavi i njihovo klasiciranje
Sustavi su kombinacija zikalnih komponenata (hardwareska realizacija) i/ili algoritama (softwareska
realizacija).
Fizikalni su sustavi gra

deni od komponenata izme

du kojih postoje odre

deni ulazno-izlazni zakoni, a iz
kojih se izvode odgovaraju ce matemati cke relacije o sustavu (matemati cki model sustava).
Sustave prou cavamo:
Mikroskopski : kompletan sustav sa svim komponentama i njihovom interakcijom kompliciran
pristup zbog kompleksnosti u matemati ckom opisu sustava.
Makroskopski : sustav promatran kroz podsustave i komponente opisane samo s onoliko detalja
koliko je nuno da bi se predvidjelo ponaanje sustava poznato je ponaanje komponenti (odziv na
klasi cne pobude (jedini cni impuls i jedini cna stepenica) i prijenosna funkcija).
Kod analize sustava, javljaju se sljede ce situacije:
ulaz i sustav su poznati, izlaz je nepoznat.
ulaz i izlaz su poznati, sustav je nepoznat.
sustav i izlaz su poznati, nepoznat je ulaz.
Sustav je proces koji rezultira transformacijom signala odnosno ekstrakcijom eljenih informacija iz
signala. Njime se ulaznom signalu (pobudi) pridruuje odgovaraju ci izlazni signal (odziv).
Sustave obi cno predstavljamo blok-dijagramom:
Sustav T
-
x
-
y = T {x}
Ovo je sustav s jednim ulazom i jednim izlazom, ali mogu ci su i sustavi s vie ulaza i vie izlaza.
Primjer ulazno-izlazne veze sustava je integral poznat kao integral superpozicije ili konvolucijski integral:
y(t) = T {x(t)} =
_

x() h(t ) d,
gdje je funkcija h(t) impulsni odziv sustava i predstavlja izlazni signal kada sustav pobudimo delta
funkcijom, tj. h(t) = T {(t)}.
Sustave dijelimo na:
Kontinuirane, diskretne, analogne, digitalne i hibridne (kombinacija prethodnih)
Linearne i nelinearne
Vremenski promjenjive i vremenski nepromjenive
Kauzalne i nekauzalne
Stabilne i nestabilne
Trenutne i dinami cke
Invertibilne i neinvertibilne
...
Osnovna svojstva sustava
Linearan sustav je sustav za koji vrijedi princip superpozicije, tj. ako su x
1
i x
2
ulazi u sustav T , tada
vrijedi:
T {
1
x
1
+
2
x
2
} =
1
T {x
1
} +
2
T {x
2
}
=
1
y
1
+
2
y
2
,
1
,
2
const.
Svojstvo
T [
1
x
1
] =
1
T {x
1
} =
1
y
1
zovemo homogenost , dok je
T {x
1
+x
2
} = T {x
1
} +T {x
2
} = y
1
+y
2
aditivnost sustava T .
Op cenito, za linearne sustave vrijedi:
x =
N
k=1
k
x
k
y =
N
k=1
k
y
k
, gdje je y
k
= T {x
k
}.
U ovome kolegiju primarno cemo se baviti linearnim sustavima jer:
se mnogi sustavi od interesa u tehnici mogu modelirati kao linearni,
postoje ce matemati cke metode omogu cuju njihovu ekasnu analizu.
Primjer 3.1. Za ulazni signal x i izlazni signal y, pokazati da je sustav y = x/(1 +x) nelinearan.
Odgovor 3.1.
T {
1
x
1
+
2
x
2
} =

1
x
1
+
2
x
2
1 + (
1
x
1
+
2
x
2
)
=
1
x
1
1 +x
1
+
2
x
2
1 +x
2
=
1
y
1
+
2
y
2
.
Primjer 3.2. Ispitati linearnost sustava na slici. Pretpostaviti da je g[n] = x[n].
l
-
6
- y[n]
g[n]
x[n]
T
Odgovor 3.2.
y[n] = T {x[n]} = x[n]g[n]
T {
1
x
1
[n] +
2
x
2
[n]} = {
1
x
1
[n] +
2
x
2
[n]} g[n]
=
1
x
1
[n]g[n] +
2
x
2
[n]g[n]
=
1
T {x
1
[n]} +
2
T {x
2
[n]}
=
1
y
1
[n] +
2
y
2
[n].
Sustav je linearan.
Sustav je vremenski nepromjenjiv (ksan ili sustav s konstantnim parametrima) ako se njegova
ulazno-izlazna relacija ne mijenja s vremenom.
Za kontinuirani sustav to zna ci da:
x(t) , : T {x(t )} = y(t )
x(t) y(t)
t t
0 0
t
1
t
x(t) y(t)
System
t
t
1
Slika 10: Vremenski nepromjenjiv sustav.
Ekvivalentno za diskretni sustav:
x[n] , n
0
: T {x[n n
0
]} = y[n n
0
]
Kada je sustav vremenski nepromjenjiv, vremenski pomak i sustav su komutativne operacije.
Sustav koji je linearan i vremenski nepromjenjiv zovemo linearan, vremenski nepromjenjiv (LVN)
sustav.
Primjer 3.3. Termistor ima otpor R(t). Struja kroz termistor je y(t) =
x(t)
R(t)
, gdje je x(t) napon na
termistoru. Pokazati da je termistor vremenski promjenjiv sustav.
Odgovor 3.3.
Neka je y
1
(t) =
x
1
(t)
R(t)
,
za x
2
(t) = x
1
(t ), y
2
(t) =
x
2
(t)
R(t)
=
x
1
(t )
R(t)
= y
1
(t ) =
x
1
(t )
R(t )
Primjer 3.4. Pokazati da je y(t) = T {x(t)} = e

t
x(t) vremenski promjenjiv sustav.
Odgovor 3.4.
T {x(t )} = e
t
x(t )
= y(t ) = e
(t)
x(t ).
Sustav je kauzalan (zikalan) ako njegov trenutni izlaz ovisi samo o sadanjim i/ili prolim vrijednostima
ulaza, a ne o budu cim vrijednostima ulaza.
Jednostavno re ceno, nema odziva prije nego se sustav pobudi.
Svi sustavi u praksi koji rade u realnom vremenu su kauzalni.
Sustavi cija nezavisna varijabla nije vrijeme mogu biti i nekauzalni.
Signali koji su prije obrade u potpunosti dostupni (snimak govora, meteoroloki signali, geozikalni
signali, i sl.) mogu se obra

divati u nekauzalnim sustavima.
Primjer 3.5. Je li sustav na slici kauzalan?
Odgovor 3.5. Kako je
x(t) = rect
_
t 2
4
_
, i
y(t) = x(t + 6) +x(t 3),
vidimo da se izlazni signal y(t) javlja i prije nego to je sustav pobu
den ulaznim signalom x(t), te je stoga

sustav nekauzalan.
Napomena: Nekauzalni se sustavi mogu realizirati u praksi ukoliko im dodamo odgovaraju ci vremenski
pomak.
Za sustav na slici, kauzalni ekvivalent je: y
k
(t) = y(t 6) = x(t) +x(t 9).
Ako ograni cen ulazni signal rezultira u ograni cen izlazni signal, sustav je BIBO (engl. bounded input
bounded output) stabilan, tj.
|x| K
x
< |y| K
y
< ,
gdje su K
x
i K
y
realne konstante.
Primjer 3.6. Pokazati da je sustav y(t) = x
2
(t) BIBO stabilan.
Odgovor 3.6. Za |x(t)| K
x
< , |y(t)| = |x
2
(t)| K
2
x
< , te je sustav BIBO stabilan.
Primjer 3.7. Pokazati da je sustav y[n] = r
n
x[n], r > 1 BIBO nestabilan.
Odgovor 3.7. Za |x[n]| K
x
< , |y[n]| = |r
n
x[n]| = |r
n
||x[n]| jer za r > 1 clan |r
n
|
divergira kada n . Stoga je ovaj sustav BIBO nestabilan.
Primjer 3.8. MA (engl. Moving Average) sustav y[n] =
1
N
N1
k=0
x[n k] uklanja kratkotrajne varijacije u
podacima i naglaava dugotrajan trend. N kontrolira stupanj izgla

denosti ulaznih podataka. Je li MA sustav
BIBO stabilan?
(a) (b) (c)
Slika 11: Moving Average (MA) sustav - cijena dionica INTEL-a, (a) originalni podaci, (b) MA, N = 4, (c) MA, N = 8.
Odgovor 3.8. Za |x[n]| K
x
< , n,
|y[n]| =
1
N
N1
k=0
x[n k]
1
N
N1
k=0
|x[n k]|
NK
x
N
K
x
BIBO stabilan.
Kada je izlazni signal sustava funkcija ulaznog signala samo u sadanjim trenucima vremena, sustav je
trenutan (bez memorije); npr. v(t) = Ri(t) i y[n] = sin(x[n]).
v(t)
R
i(t)
Slika 12: Trenutni sustav.
Napomena: Svi sustavi bez memorije su kauzalni. Obratno nije nuno to cno.
Ako uz trenutne vrijednosti izlaz sustava jo ovisi i o prolim i/ili budu cim vrijednostima ulaznoga signala,
sustav je dinami can (s memorijom); npr. i(t) =
1
L
_
t
v()d.
v(t)
i(t)
L
Slika 13: Dinami can sustav.
MA sustav y[n] =
1
N
N1
k=0
x[n k] ima memoriju. Sustav je tako

der kauzalan.
Ako se odre

denim operacijama (inverzni sustav T
1
) iz izlaznoga signala moe dobiti ulazni signal,
sustav T je invertibilan.
Slika 14: Serijska veza sustava T i njegovog inverza T
1
.
Primjeri inverznoga sustava su ekvalizatori kojima se eliminiraju neeljeni utjecaji komunikacijskog
kanala na odaslani signal. Ekvalizatori su dio prijamnika i u serijskoj su vezi s kanalom.
Kada vie razli citih ulaza daje isti izlaz, sustav je neinvertibilan; npr. y(t) = x
2
(t) i y[n] = x[Kn].
Primjer 3.9. Je li sustav
y(t) = T {x(t)} = x(t) cos(2f
c
t), f
c
const.
a) s memorijom,
b) kauzalan,
c) linearan,
d) vremenski nepromjenjiv,
e) stabilan?
Odgovor 3.9. Sustav je
a) bez memorije jer y(t) ovisi samo o trenutnim vrijednostima x(t),
b) kauzalan jer y(t) ne ovisi o budu cim vrijednostima x(t),
c) linearan jer
T {
1
x
1
(t) +
2
x
2
(t)} = {
1
x
1
(t) +
2
x
2
(t)} cos(2f
c
t)
=
1
x
1
(t) cos(2f
c
t) +
2
x
2
(t) cos(2f
c
t)
=
1
y
1
(t) +
2
y
2
(t),
d) vremenski promjenjiv jer
T {x(t )} = x(t ) cos(2f
c
t)
= x(t ) cos(2f
c
(t )) = y(t ),
e) BIBO stabilan jer kako je | cos(2f
c
t)| 1, svaki ce ograni ceni ulazni signal x(t) rezultirati u ograni cen
izlazni signal y(t), tj.
|y(t)| = |x(t) cos(2f
c
t)| |x(t)|,
te za |x(t)| K
x
< imamo |y(t)| K
x
< .
4. Analiza sustava u vremenskoj domeni Konvolucija signala
Impulsni odziv kontinuiranog LVN sustava
Osnovni problem kod analize sustava: dani su linearan vremenski nepromjenjiv (LVN) sustav i ulazni
signal; potrebno je na ci izlazni signal sustava.
LVN sustav T
-
x(t)
-
?
Dva su na cina u polju obrade signala kojima rjeavamo ovaj problem:
Primijeniti metode vremenske analize signala (npr. konvolucija)
Primijeniti metode frekvencijske analize signala (npr. Fourierova transformacija)
Impulsni odziv sustava je njegov odziv na jedini cni impuls u vremenu t = 0 kada su svi po cetni uvjeti
sustava nula:
h(t) = T {(t)}.
Impulsni odziv h(t) u potpunosti denira sustav T u vremenskoj domeni.
Konvolucijski integral
Ulazni signal x(t) LVN sustava T aproksimirat cemo pomo cu niza pravokutnih impulsa, kako je
prikazano na slici 15.
Slika 15: Aproksimacija signala x(t) pomo cu uskih pravokutnih impulsa.
Ova je aproksimacija to cnija to su pravokutnici ui: za 0 pravokutnici postaju delta funkcije s
razli citim vremenskim pomacima i povrinama koje odgovaraju vrijednostima signala u promatranim
pomacima, tj. (x(n))(t n).
Odziv sustava tada je zbroj njegovih odziva na svaku od navedenih delta funkcija.
Stoga, ukoliko nam je poznat impulsni odziv sustava, jednostavno moemo odrediti njegov odziv na bilo
koju pobudu.
(t) h(t)
(t n) h(t n)
(vremenska nepromjenjivost)
(x(n))(t n) (x(n))h(t n)
(homogenost)
n=
x(n)(t n)
n=
x(n)h(t n)
(aditivnost)
lim
0
n=
x(n)(t n) lim
0
n=
x(n)h(t n)
_

x()(t )d
_

x()h(t )d
x(t) y(t)
Odziv LVN sustava T s impulsnim odzivom h(t) na pobudu x(t) deniran je konvolucijskim
integralom
y(t) =
_

x()h(t )d, to kra ce piemo y(t) = x(t) h(t).

Some people claim that convolution has driven many electrical engineering undergraduates to contemplate
theology, either for salvation or as an alternative career. (IEEE Spectrum, March 1991, p.60)
Primjer 4.1. Na ci konvoluciju signala
e
at
u(t) i e
bt
u(t), a > 0, b > 0, a = b
Odgovor 4.1.
y(t) =
_

e
a
u() e
b(t)
u(t ) d
= e
bt
__
t
0
e
(ab)
d
_
u(t)
=
e
bt
e
at
a b
u(t)
Op cenito vrijedi:
e
1
t
u(t) e
2
t
u(t) =
e
1
t
e
2
t
2
u(t),
1
=
2
.
Svojstva konvolucijskoj integrala
Za konvolucijski integral x(t) h(t) =
_

x()h(t )d vrijedi:
Komutacija: x(t) h(t) = h(t) x(t).
x(t) h(t) =
_

h()x(t )d, = t
=
_

h()x(t )d
= h(t) x(t).
Distribucija: x(t) h
1
(t) +x(t) h
2
(t) = x(t) (h
1
(t) +h
2
(t)).
Paralelna kombinacija LVN sustava ekvivalentna je sustavu ciji je impulsni odziv zbroj individualnih
impulsnih odziva.
Asocijacija: (x(t) h
1
(t)) h
2
(t) = x(t) (h
1
(t) h
2
(t)).
Serijska kombinacija LVN sustava ekvivalentna je sustavu ciji je impulsni odziv konvolucija
individualnih impulsnih odziva.
Konvolucija s delta funkcijom: x(t) (t) = x(t).
x(t) (t) =
_

x()(t )d =
_

x()(( t))d =
_

x()( t)d = x(t).

Kauzalnost: Kako je ve cina signala i sustava u praksi kauzalna, tj. x(t) = 0, t < 0 i h(t) = 0, t < 0,
slijedi da je integrand x() h(t ) = 0 samo u intervalu 0 t, t 0. Stoga je:
y(t) = x(t) h(t) =
_
_
_
_
t
0
x()h(t )d, t 0
0, t < 0.
Pomak u vremenu: x(t t
1
) h(t t
2
) = y(t (t
1
+t
2
)).
Trajanje signala: Ako signal x(t) ima trajanje T
x
, a signal h(t) trajanje T
h
(vremenska konstanta
sustava), tada je trajanje signala y(t) = x(t) h(t) jednako zbroju T
y
= T
x
+T
h
.
Povrina ispod signala y(t) = x(t) h(t) umnoak je povrina ispod signala x(t) i h(t):
A
y
=
_

y(t) dt =
_

x() h(t ) d dt
=
_

x()
_

h(t ) dt d
=
_

x() A
h
d = A
h
A
x
.
Odziv na jedini cnu stepenicu (za analizu sustava gdje se javljaju nagle promjene ulaznoga
signala):
s(t) = T {u(t)} = h(t) u(t) =
_

h()u(t )d =
_
t
h()d.
s(t) =
_
t
h()d i h(t) =
ds(t)
dt
Sustav y(t) =
_
t
x()d zovemo idealni integrator.

Primjer 4.2. Na ci odziv sustava h(t) =
1
RC
e
t/RC
u(t) pobu
denog jedini cnom stepenicom.

Odgovor 4.2.
s(t) =
_
t
h()d =
_
t
0
1
RC
e
/RC
d = (1 e
t/RC
)u(t).
(RC = 1)
Prijenosna funkcija kontinuiranog LVN sustava
Na

dimo odziv LVN sustava s impulsnim odzivom h(t) pobu

denog signalom x(t) = e
st
, t:
y(t) = h(t) e
st
=
_

h()e
s(t)
d
= e
st
_

h()e
s
d
= e
st
H(s) (15)
gdje je
H(s) =
_

h()e
s
d (Laplaceova transformacija signala h(t)) (16)
prijenosna funkcija sustava.
Prijenosna funkcija H(s) u potpunosti denira sustav u s domeni.
Vrijednosti kompleksne varijable s za koje integral u (16) konvergira zovemo podru cje konvergencije
(engl. region of convergence (ROC)) funkcije H(s).
Iz (15) vidimo da je izlazni signal jednak ulaznome signalu skaliranom s konstantom H(s) (za odre
deno
s, H(s) je konstanta.). Ovakav ulazni signal zovemo karakteristi cna (svojstvena, eigen) funkcija
sustava, dok je pripadaju ca konstanta karakteristi cna (svojstvena, eigen) vrijednost sustava.
Gra cka konvolucija kontinuiranih signala
Ovaj na cin rjeavanja konvolucijskog integrala osobito je prikladan kada analizirane signale na
jednostavan na cin moemo prikazati gra cki.
Pomae u boljem razumijevanju (vizualizaciji) konvolucijskog integrala i njegovih primjena (npr.
otipkavanje signala, ltriranje signala, ...).
Konvoluciju dva kontinuirana signala x
1
(t) i x
2
(t) denirali smo kao integral po :
x
3
(t) =
_

x
1
()x
2
(t )d, t.
Signal x
1
() identi can je signalu x
1
(t), gdje smo t jednostavno zamijenili sa . Isto vrijedi i za x
2
()
i x
2
(t).
Signal x
2
(t ) dobijemo reeksijom signala x
2
() oko ordinate (x
2
()) te vremenskim pomakom
za t:
kada je t > 0 signal x
2
() pomi cemo udesno,
kada je t < 0 signal x
2
() pomi cemo ulijevo.
Kako bismo nali vrijednost signala x
3
(t) u trenutku t = t
0
, prvo pomnoimo x
1
() i x
2
(t
0
), a
zatim na

demo povrinu A
0
ispod ovog umnoka =x
3
(t
0
) = A
0
.
Prethodni postupak ponovimo za sve vrijednosti vremena t (odnosno za razli cite intervale od t), to
rezultira u signal x
3
(t).
Gra cka se konvolucija signala stoga moe saeti u sljede cih 5 koraka:
1. Zadrimo x
1
() ksno,
2. Rotirajmo x
2
() oko okomite osi, cime dobijemo x
2
(),
3. Pomaknimo x
2
() du osi za t
0
, to nam daje signal x
2
(t
0
),
4. Povrina ispod umnoka x
1
() x
2
(t
0
) je vrijednost konvolucije u t = t
0
,
5. Ponovimo ovaj postupak, pomi cu ci x
2
() za razli cite pozitivne i negativne vrijednosti t. Dobivena
krivulja je signal x
3
(t) = x
1
(t) x
2
(t).
Kako je konvolucija komutativna operacija, tj. x
1
(t) x
2
(t) = x
2
(t) x
1
(t), od dva signala koja
konvoluiramo obi cno rotiramo oko ordinate i pomi cemo du apscise onaj signal cija je matemati cka
denicija jednostavnija.
Simulacije: Za bolje razumijevanje gra cke konvolucije dva signala, pogledajmo sljede ce
simulacije: http://www.jhu.edu/signals/convolve/.
Primjer 4.3. Na ci konvoluciju sljede ca dva signala:
x
1
(t) = 2 rect
_
t 5
2
_
x
2
(t) = rect
_
t 2
4
_
Odgovor 4.3. Ovu cemo konvoluciju na ci gra ckim putem jer je zadane signale jednostavno prikazati
gra cki.
-
-
t
t
6
6
x
1
(t)
x
2
(t)
0 4 5 6
2
0 2 4
1
-
-
-
-
6
6
6
6
x
1
()
x
2
()
x
2
()
x
2
(t )
4 5 6
2
2 4
1
4
1
t 4 t
1
6
6
6
6
slu caj 1:
_
t
4
2d = 2t 8, 4 t 6
slu caj 2:
_
6
4
2d = 4, 6 t 8
slu caj 3:
_
6
t4
2d = 20 2t, 8 t 10
x
1
(t) x
2
(t)
-
-
-
-
t
4 6 t 4 t
t 4 t
t 4 t
A
A
A
A
A
4 6 8 10
4
2t 8 20 2t
Primjer 4.4. Primjenom opisane gra cke metode, pokazati da je
e
t
u(t) e
2t
u(t) = (e
t
e
2t
)u(t).
Odgovor 4.4. Sa slike na slajdu 72:
y(t) =
_
t
0
x()h(t )d, t 0
y(t) =
_
t
0
e
e
2(t)
d
= e
2t
_
t
0
e
d
= e
t
e
2t
, t 0
y(t) = (e
t
e
2t
)u(t).
Impulsni odziv diskretnog LVN sustava
Impulsni odziv sustava je njegov odziv na jedini cni impuls u vremenu n = 0 kada su svi po cetni uvjeti
sustava nula:
h[n] = T {[n]}.
Impulsni odziv h[n] u potpunosti denira sustav T u vremenskoj domeni.
Prije nego izvedemo izraz za konvolucijsku sumu, podsjetimo se da svaki diskretan signal moemo
izraziti kao teinski zbroj pomaknutih jedini cnih impulsa, tj.
x[n] =
k=
x[k][n k].
Konvolucijska suma
[n] h[n]
[n k] h[n k]
(vremenska nepromjenjivost)
x[k][n k] x[k]h[n k]
(homogenost)
k=
x[k][n k]
k=
x[k]h[n k]
(aditivnost)
x[n] y[n]
Odziv LVN sustava T s impulsnim odzivom h[n] na pobudu x[n] deniran je konvolucijskom
sumom
y[n] =
k=
x[k]h[n k], ili kra ce y[n] = x[n] h[n].
Odziv sustava je zbroj njegovih odziva na svaku komponentu (delta funkciju) signala x[n].
Primjer 4.5. Diskretni LVN sustav deniran je jednadbom diferencija
y[n] = x[n] +
1
2
x[n 1].
Na ci impulsni odziv sustava, te na ci odziv sustava kada ga pobudimo signalom
x[n] = 2[n] + 4[n 1] 2[n 2].
Odgovor 4.5.
x[n] = [n] y[n] = h[n] h[n] = [n] +
1
2
[n 1].
x[n] = 2[n] +4[n1] 2[n2] y[n] = 2h[n] +4h[n1] 2h[n2] = 2[n] +5[n1] [n3].
Primjer 4.6. Na ci konvoluciju signala
n
u[n] i u[n], 0 < < 1.
Korisne jednakosti:
N1
j=0
a
j
=
_
(1 a
N
)/(1 a), a = 1
N, a = 1.
j=0
a
j
=
1
1 a
, |a| < 1.
Odgovor 4.6.
n
u[n] u[n] =
k=
k
u[k]u[n k]
=
_
n
k=0
k
_
u[n]
=
1
n+1
1
u[n]
Svojstva konvolucijske sume
Za konvolucijsku sumu x[n] h[n] =
k=
x[k]h[n k] vrijedi:
Komutacija: x[n] h[n] = h[n] x[n].
Distribucija: x[n] h
1
[n] +x[n] h
2
[n] = x[n] (h
1
[n] +h
2
[n]).
Asocijacija: (x[n] h
1
[n]) h
2
[n] = x[n] (h
1
[n] h
2
[n]).
Konvolucija s delta funkcijom: x[n] [n] = x[n].
Kauzalnost: za x[n] = 0, n < 0 i h[n] = 0, n < 0, slijedi
y[n] = x[n] h[n] =
_
_
_
_
_
n
k=0
x[k]h[n k], n 0
0, n < 0.
Pomak u vremenu: x[n n
1
] h[n n
2
] = y[n (n
1
+n
2
)].
Trajanje signala: Ako signal x[n] ima p uzoraka, a signal h[n] q uzoraka, tada signal
y[n] = x[n] h[n] ima p +q 1 uzoraka.
Odziv na jedini cnu stepenicu: s[n] = T {u[n]} = h[n] u[n] =
n
k=
h[k].
s[n] =
n
k=
h[k] i h[n] = s[n] s[n 1].
Sustav y[n] =
n
k=
x[k] zovemo idealni akumulator.
Primjer 4.7. Na ci impulsni odziv sustava na slici, ako su h
1
[n] = u[n], h
2
[n] = u[n + 2] u[n],
h
3
[n] = [n 2] i h
4
[n] =
n
u[n].
Odgovor 4.7.
h[n] = (h
1
[n] +h
2
[n]) h
3
[n] h
4
[n]
= (u[n] +u[n + 2] u[n]) [n 2]
n
u[n]
= u[n + 2] [n 2]
n
u[n]
= u[n]
n
u[n]
= (1
n
)u[n].
Prijenosna funkcija diskretnog LVN sustava
Na

dimo odziv LVN sustava s impulsnim odzivom h[n] pobu

denog signalom x[n] = z
n
, n:
y[n] = h[n] z
n
=
k=
h[k]z
nk
= z
n
k=
h[k]z
k
= z
n
H[z] (17)
gdje je
H[z] =
k=
h[k]z
k
(Z transformacija signala h[n]) (18)
prijenosna funkcija sustava.
Prijenosna funkcija H[z] u potpunosti denira sustav u z domeni.
Vrijednosti kompleksne varijable z za koje suma u (18) konvergira deniraju podru cje konvergencije
funkcije H[z].
Iz (17) vidimo da je signal z
n
karakteristi cna funkcija, dok je H[z] karakteristi cna vrijednost sustava.
Gra cka konvolucija diskretnih signala
Konvoluciju dva diskretna signala x
1
[n] i x
2
[n] deniramo kao sumu po k:
x
3
[n] =
k=
x
1
[k]x
2
[n k], n.
Gra cka konvolucija signala sastoji se od sljede cih koraka:
1. Zadrimo x
1
[k] ksno (x
1
[k] identi can je signalu x
1
[n], gdje smo n zamijenili sa k; isto vrijedi za
x
2
[n] i x
2
[k]),
2. Rotirajmo x
2
[k] oko okomite osi, cime dobijemo x
2
[k],
3. Pomaknimo x
2
[k] du k osi za n
0
, to rezultira u signal x
2
[n
0
k]:
kada je n
0
> 0 signal x
2
[k] pomi cemo udesno,
kada je n
0
< 0 signal x
2
[k] pomi cemo ulijevo,
4. Povrina ispod umnoka x
1
[k] x
2
[n
0
k] je vrijednost konvolucije u n = n
0
,
5. Ponovimo prethodni postupak, pomi cu ci x
2
[k] za razli cite pozitivne i negativne vrijednosti n.
Dobivene vrijednosti deniraju signal x
3
[n] = x
1
[n] x
2
[n].
Simulacije: http://www.jhu.edu/signals/discreteconv2/index.html.
Primjer 4.8. Na ci konvoluciju signala x
1
[n] i x
2
[n] na slici.
r
r
r
r
r
-
6
-
6
x
1
[n]
n
0 1 2
1
2
3
x
2
[n]
n
0 1
1
2
Odgovor 4.8.
r
r
r
r
r
r r
r
r
r
r
-
6
-
6
- -
6
6
x
1
[k]
k 0 1 2
1
2
3
x
2
[k]
k
1
2
x
2
[k]
k 0 1
1
2
x
1
[n] x
2
[n]
n
0
1
4
7
6
1 2 3
x
1
[n] x
2
[n] =
_
_
_
_
_
_
_
_
_
_
_
_
_
0, n < 0
1 1 = 1, n = 0
(1 2) + (2 1) = 4, n = 1
(1 3) + (2 2) = 7, n = 2
2 3 = 6, n = 3
0, n 4
Primjer 4.9. Na ci signal c[n] = x[n] g[n], ako su x[n] = (0.8)
n
u[n] i g[n] = (0.3)
n
u[n].
Odgovor 4.9.
c[n] =
m=
x[m]g[n m]
=
m=
(0.8)
m
u[m](0.3)
nm
u[n m]
=
_
n
m=0
(0.8)
m
(0.3)
nm
_
u[n]
= (0.3)
n
n
m=0
_
0.8
0.3
_
m
u[n]
=
(0.3)
n+1
(0.8)
n+1
0.3 0.8
u[n]
= 2((0.8)
n+1
(0.3)
n+1
) u[n].
5. Impulsni odziv i svojstva LVN sustava
Stabilnost sustava
Sustav je BIBO stabilan ako svaki ograni ceni ulazni signal rezultira u ograni ceni izlazni signal. Ukoliko
postoji bar jedan ograni ceni ulazni signal koji rezultira u neograni ceni izlazni signal, sustav je BIBO
nestabilan.
Kontinuirani LVN sustav s impulsnim odzivom h(t) je BIBO stabilan ako je h(t) apsolutno integrabilna
funkcija, tj.
_

|h(t)|dt < . (19)

Dokaimo (19):
y(t) =
_

h()x(t )d
|y(t)| =
h()x(t )d
|h()| |x(t )| d
Ako je ulazni signal ograni cen, tada je |x(t )| K
x
< , te je
|y(t)| K
x
_

|h()|d.
Slijedi da je |y(t)| K
y
< samo ako je
_

|h()|d K
h
< .
Kriterij za BIBO stabilnost diskretnog LVN sustava identi can je onome za BIBO stabilan kontinuiran LVN
sustav:
y[n] =
k=
h[k]x[n k]
|y[n]| =
k=
h[k]x[n k]
k=
|h[k]| |x[n k]|
Ako je x[n] ograni cen signal, tada je |x[n k]| K
x
< , te je
|y[n]| K
x
k=
|h[k]|.
Slijedi da je |y[n]| K
y
< samo ako je
k=
|h[k]| K
h
< .
Stoga, ako je impulsni odziv diskretnoga LVN sustava apsolutno zbrojiv, tj.
n=
|h[n]| < , (20)
sustav je BIBO stabilan.
Primjer 5.1. Ispitati BIBO stabilnost LVN sustava ciji je impulsni odziv:
a) h(t) = u(t),
b) h[n] = e
n
u[n].
Odgovor 5.1.
a)
_

|h(t)|dt =
_

0
dt < nestabilan sustav.
b)
n=
|h[n]| =
n=0
e
n
=
1
1 1/e
=
e
e 1
= 1.582 < stabilan sustav.
Kauzalnost sustava
Izlazni signal diskretnog LVN sustava denirali smo konvolucijskom sumom:
y[n] =
k=
h[k] x[n k] = ... +h[1] x[n + 1] +h[0] x[n] +h[1] x[n 1] +...
Kako kod kauzalnih LVN sustava izlaz ovisi samo o sadanjim i/ili prolim (a ne o budu cim)
vrijednostima ulaza, izlazni signal kauzalnog sustava je
y
k
[n] = h[0] x[n] +h[1] x[n 1] +... =
k=0
h[k] x[n k],
te je za kauzalne diskretne LVN sustave
h[n] = 0, n < 0.
Ekvivalentno, za kauzalne kontinuirane LVN sustave:
y
k
(t) =
_

0
h() x(t ) d
h(t) = 0, t < 0.
Memorija sustava
Izlazni signal LVN sustava bez memorije ovisi samo o sadanjim vrijednostima ulaza, te op cenito ima
oblik:
y(t) = cx(t), tj. y[n] = cx[n], c const.
Slijedi da je za kontinuirane LVN sustave bez memorije impulsni odziv:
x(t) = (t) y(t) = h(t) = c(t),
odnosno za diskretne LVN sustave bez memorije:
x[n] = [n] y[n] = h[n] = c[n].
Stoga, ako je h(t) = 0, t = 0 (h[n] = 0, n = 0) sustav ima memoriju.
Invertibilnost sustava
Ako je impulsni odziv sustava T h(t), i impulsni odziv inverznoga sustava T
1
h
i
(t), tada je impulsni
odziv njihove serijske veze h(t) h
i
(t).
Za ovakvu vezu sustava i njegovoga inverza vrijedi da je izlazni signal jednak ulaznome signalu:
z(t) = x(t) (h(t) h
i
(t)) = x(t).
Iz svojstava konvolucije tada zaklju cujemo da za kontinuirani LVN sustav u seriji s njegovim inverzom
mora vrijediti:
h(t) h
i
(t) = (t).
Za serijsku vezu diskretnog LVN sustava i njegovog inverza:
z[n] = x[n] (h[n] h
i
[n]) = x[n]
h[n] h
i
[n] = [n].
Napomena: Operacija kojom se iz x(t) h(t) dobije signal x(t) u literaturi je poznata kao
dekonvolucija.
Primjer 5.2. Rekurzivni sustav 1. reda y[n] = y[n 1] +x[n], const., ima impulsni odziv
h[n] =
n
u[n]. Ispitati memoriju, kauzalnost i stabilnost ovoga sustava.
h[n] = 0, n > 0, sustav ima memoriju,
h[n] = 0, n < 0, sustav je kauzalan,
n=
|h[n]| =
n=0
|
n
| =
n=0
||
n
, sustav je BIBO stabilan
_
_
n=
|h[n]| =
1
1 ||
<
_
_
kada je
|| < 1.
6. Fourierova analiza periodi cnih signala
Trigonometrijski Fourierov red
Za skup {1, cos
0
t, cos 2
0
t, . . . , cos n
0
t, . . . ; sin
0
t, sin 2
0
t, . . . , sin n
0
t, . . .},
0
je osnovna
frekvencija, a sinusoida s frekvencijom n
0
je n-ti harmonik sinusoide s osnovnom frekvencijom.
Ovaj je skup ortogonalan na svakom intervalu s trajanjem T
0
= 2/
0
(period osnovne sinusoide):
_
T
0
cos n
0
t cos m
0
tdt =
_
0, m = n
T
0
/2, m = n = 0
_
T
0
sin n
0
t sin m
0
tdt =
_
0, m = n
T
0
/2, m = n = 0
_
T
0
sin n
0
t cos m
0
tdt = 0, n i m
Navedeni trigonometrijski skup je i potpun, te se signal x(t) moe denirati trigonometrijskim
Fourierovim redom na intervalu s trajanjem T
0
na sljede ci na cin:
x(t) = a
0
+a
1
cos
0
t +a
2
cos 2
0
t + +b
1
sin
0
t +b
2
sin 2
0
t + (21)
= a
0
+
n=1
(a
n
cos n
0
t +b
n
sin n
0
t) , t
1
t t
1
+T
0
,
0
=
2
T
0

Zbog ortogonalnosti,
a
n
=
_
t
1
+T
0
t
1
x(t) cos n
0
tdt
_
t
1
+T
0
t
1
cos
2
n
0
tdt
a
0
=
1
T
0
_
t
1
+T
0
t
1
x(t)dt (22)
a
n
=
2
T
0
_
t
1
+T
0
t
1
x(t) cos n
0
tdt, n = 1, 2, 3, . . . (23)
Na sli can na cin,
b
n
=
2
T
0
_
t
1
+T
0
t
1
x(t) sin n
0
tdt, n = 1, 2, 3, . . . (24)
Dirichletovi uvjeti
Da bi Fourierov red postojao, koecijenti a
0
, a
n
i b
n
moraju biti kona cni, za to x(t) mora biti po jednom
periodu apsolutno integrabilna funkcija, tj.
_
T
0
|x(t)|dt < (25)
Da bi dodatno Fourierov red jo i konvergirao u svakoj to cki, x(t) mora imati kona can broj maksimuma,
minimuma i diskontinuiteta u jednom periodu.
U to cki diskontinuiteta t = t
d
, Fourierov red konvergira u vrijednost
x(t
d
) +x(t
+
d
)
2
.
Kompaktni oblik trigonometrijskog Fourierovog reda
Kako je
a
n
cos n
0
t +b
n
sin n
0
t = C
n
cos(n
0
t +
n
)
gdje su
C
n
=
_
a
2
n
+b
2
n
i
n
= tan
1
_
b
n
a
n
_
(26)
i ako deniramo
C
0
= a
0
, (27)
tada je
x(t) = C
0
+
n=1
C
n
cos(n
0
t +
n
), t
1
t t
1
+T
0
(28)
Ovo je kompaktni oblik trigonometrijskog Fourierovog reda.
DC clan C
0
= a
0
je srednja vrijednost (u jednom periodu) signala x(t).
Periodi cnost Fourierovog reda
Neka je x(t) = C
0
+
n=1
C
n
cos(n
0
t +
n
), t. Tada je
x(t +T
0
) = C
0
+
n=1
C
n
cos [n
0
(t +T
0
) +
n
]
= C
0
+
n=1
C
n
cos [(n
0
t + 2n) +
n
]
= C
0
+
n=1
C
n
cos (n
0
t +
n
)
= x(t), t.
Fourierov red je periodi can; period je identi can periodu analiziranog signala.
a
0
=
1
T
0
_
T
0
x(t)dt (29)
a
n
=
2
T
0
_
T
0
x(t) cos n
0
tdt, n = 1, 2, 3, . . . (30)
b
n
=
2
T
0
_
T
0
x(t) sin n
0
tdt, n = 1, 2, 3, . . . (31)
Primjer 6.1. Na ci kompaktni oblik trigonometrijskog Fourierovog reda za periodi can signal na slici.
Odgovor 6.1.
T
0
=
0
=
2
T
0
= 2.
x(t) = a
0
+
n=1
(a
n
cos 2nt +b
n
sin 2nt) , 0 t
a
0
=
1
_

0
e
t/2
dt = 0.504
a
n
=
2
_

0
e
t/2
cos 2ntdt = 0.504
_
2
1 + 16n
2
_
b
n
=
2
_

0
e
t/2
sin 2ntdt = 0.504
_
8n
1 + 16n
2
_
x(t) = 0.504
_
1 +
n=1
2
1 + 16n
2
(cos 2nt + 4nsin 2nt)
_
, 0 t
= C
0
= a
0
= 0.504
= C
n
=
_
a
2
n
+b
2
n
= 0.504
_
4
(1 + 16n
2
)
2
+
64n
2
(1 + 16n
2
)
2
= 0.504
_
2
1 + 16n
2
_
=
n
= tan
1
_
b
n
a
n
_
= tan
1
(4n) = tan
1
4n
x(t) = 0.504 + 0.504
n=1
2
1 + 16n
2
cos(2nt tan
1
4n), 0 t
= 0.504 + 0.244 cos(2t 75.96
) + 0.125 cos(4t 82.87
) +
0.084 cos(6t 85.24
) + 0.063 cos(8t 86.42
) + , 0 t
Iz kompaktnog trigonometrijskog Fourierovog reda vidimo da je signal x(t) zbroj kosinusoida s
frekvencijom 0,
0
, 2
0
, . . . , cije su amplitude C
0
, C
1
, C
2
, . . . , i faze 0,
1
,
2
, . . . .
Gra cki prikaz C
n
vs. je amplitudni spektar i
n
vs. fazni spektar, koji zajedno cine frekvencijski
spektar signala x(t).
Svaki signal ima dvojni identitet: vremenski i frekvencijski (Fourierov spektar) koji se nadopunjuju i
zajedno daju bolju sliku o prirodi analiziranog signala.
Primjer 6.2. Na ci kompaktni trigonometrijski Fourierov red za signal na slici. Skicirati Fourierov spektar
signala.
Odgovor 6.2.
T
0
= 2
0
= 2/T
0
= 1.
a
0
=
1
2
_
/2
/2
dt =
1
2
a
n
=
1
_
/2
/2
cos nt dt =
2
n
sin
_
n
2
_
=
_
_
_
0, n parno
2/(n), n = 1, 5, 9, 13,
2/(n), n = 3, 7, 11, 15,
b
n
=
1
_
/2
/2
sin ntdt = 0
x(t) =
1
2
+
2
_
cos t
1
3
cos 3t +
1
5
cos 5t
1
7
cos 7t +
_
Signal je ve c u kompaktnom obliku osim negativnog predznaka amplitude. Kako je cos = cos( ),
x(t) =
1
2
+
2
_
cos t +
1
3
cos(3t ) +
1
5
cos 5t +
1
7
cos(7t ) +
_
.
C
0
=
1
2
C
n
=
_
0, n parno
2/(n), n neparno

n
=
_
0, n = 3, 7, 11, 15,
, n = 3, 7, 11, 15,
Kad god su sinusni clanovi nula, dozvoljavaju ci da C
n
bude negativno, spektralna je informacija u
potpunosti sadrana u amplitudnom spektru signala (stoga i naziv amplitudni a ne magnitudni spektar).
Simetri cnost signala i njegov Fourierov red
Kako je cos n
0
t parna, a sin n
0
t neparna funkcija od t, kada je signal x(t) parna funkcija vremena,
produkt x(t) cos n
0
t je tako

der parna, dok je x(t) sin n
0
t neparna funkcija od t. Tada su:
a
0
=
2
T
0
_
T
0
/2
0
x(t)dt
a
n
=
4
T
0
_
T
0
/2
0
x(t) cos n
0
tdt
b
n
= 0
Kada je signal x(t) neparna funkcija vremena, produkt x(t) cos n
0
t je neparna, a x(t) sin n
0
t je parna
funkcija vremena t:
a
0
= a
n
= 0
b
n
=
4
T
0
_
T
0
/2
0
x(t) sin n
0
tdt
Simetri cnost signala stoga omogu cuje ra cunanje koecijenata trigonometrijskog Fourierovog reda samo
po jednoj polovici perioda.
Sinteza signala
Zbrajanjem clanova Fourierovog reda sinteziramo signal x(t).
to zbrojimo ve ci broj clanova, dobiveni signal bolje aproksimira originalni signal u vremenu.
Za to to cniju reprodukciju bridova koji predstavljaju naglu promjenu u signalu (npr. diskontinuiteti),
potrebne su komponente Fourierovog reda koje odgovaraju viim frekvencijama (amplitudni spektar
signala sadavat ce visokofrekvencijske komponente).
Ako je pak signal x(t) izgla

dena funkcija vremena, njegove su varijacije manje rapidne, te su za sintezu
ovakvoga signala primarno potrebne komponente niih frekvencija (amplitudni spektar brzo opada s
frekvencijom).

Cak i za beskona cno mnogo clanova Fourierovog reda, oscilacije oko diskontinuiteta uvijek postoje u
sinteziranom signalu i iznose oko 9% amplitude u to cki diskontinuiteta tzv. Gibbsov fenomen i javlja
se kad god imamo diskontinuitete u signalu.
3 2 1 0 1 2 3 4 5 6 7
0.2
0
0.2
0.4
0.6
0.8
1
1.2
t
A
m
p
l
i
t
u
d
a

FS od x(t)
x(t)
(a) 6 clanova
3 2 1 0 1 2 3 4 5 6 7
0.2
0
0.2
0.4
0.6
0.8
1
1.2
t
A
m
p
l
i
t
u
d
a

FS od x(t)
x(t)
(b) 11 clanova
3 2 1 0 1 2 3 4 5 6 7
0.2
0
0.2
0.4
0.6
0.8
1
1.2
t
A
m
p
l
i
t
u
d
a

FS od x(t)
x(t)
(c) 21 clan
3 2 1 0 1 2 3 4 5 6 7
0.2
0
0.2
0.4
0.6
0.8
1
1.2
t
A
m
p
l
i
t
u
d
a

FS od x(t)
x(t)
(d) 51 clan
Slika 16: Sinteza signala zbrajanjem clanova njegova Fourierovog reda.
Eksponencijalni Fourierov red
Skup {e
jn
0
t
}, n = 0, 1, 2, . . . je potpun ortogonalan skup na intervalu s trajanjem T
0
= 2/
0
:
_
T
0
e
jm
0
t
_
e
jn
0
t
_
dt =
_
T
0
e
j(mn)
0
t
dt =
_
0, m = n
T
0
, m = n
Periodi can signal x(t) s periodom T
0
moemo denirati kao
x(t) =
n=
D
n
e
jn
0
t
(32)
gdje je D
n
=
1
T
0
_
T
0
x(t)e
jn
0
t
dt (33)
Ovo je eksponencijalni Fourierov red, koji je tako

der periodi cna funkcija s periodom T
0
.
Primjenom Eulerove formule:
C
n
cos(n
0
t +
n
) =
C
n
2
_
e
j(n
0
t+
n
)
+e
j(n
0
t+
n
)
_
=
_
C
n
2
e
j
n
_
e
jn
0
t
+
_
C
n
2
e
j
n
_
e
jn
0
t
= D
n
e
jn
0
t
+D
n
e
jn
0
t
Kompaktni trigonometrijski Fourierov red denirali smo kao
x(t) = C
0
+
n=1
C
n
cos(n
0
t +
n
),
te za D
0
= C
0
imamo
x(t) = D
0
+
n=1
_
D
n
e
jn
0
t
+D
n
e
jn
0
t
_
=
n=
D
n
e
jn
0
t
Eksponencijalni oblik Fourierovog reda matemati cki je elegantniji, te cemo ga koristiti kao primarni oblik
Fourierovog reda.
Vidjeli smo da je
a
n
cos n
0
t +b
n
sin n
0
t = C
n
cos(n
0
t +
n
)
= D
n
e
jn
0
t
+D
n
e
jn
0
t
= D
n
cos n
0
t +jD
n
sin n
0
t +D
n
cos n
0
t jD
n
sin n
0
t
D
n
+D
n
= a
n
i D
n
D
n
= j b
n
= D
n
=
1
2
(a
n
jb
n
) (34)
= D
n
=
1
2
(a
n
+jb
n
) (35)
Kada je signal x(t) realan, tada su i koecijenti a
n
i b
n
realni:
= a
n
= 2Re{D
n
} i b
n
= 2Im{D
n
} (36)
Simetri cnost signala i njegov eksponencijalni Fourierov red:
Za x(t) parno, b
n
= 0 =D
n
= a
n
/2 R (D
n
= 0 ili ).
Za x(t) neparno, a
n
= 0 =D
n
= jb
n
/2 I (D
n
= 0 ili /2).
Tri oblika Fourierovog reda
Oblik Fourierovog reda Koecijenti
Trigonometrijski: a
0
=
1
T
0
_
T
0
x(t)dt a
0
= C
0
= D
0
x(t) = a
0
+
n=0
(a
n
cos n
0
t +b
n
sin n
0
t) a
n
=
2
T
0
_
T
0
x(t) cos n
0
tdt a
n
jb
n
= C
n
e
j
n
= 2D
n
b
n
=
2
T
0
_
T
0
x(t) sin n
0
tdt a
n
+jb
n
= C
n
e
j
n
= 2D
n
Kompaktni trigonometrijski: C
0
= a
0
C
0
= D
0
x(t) = C
0
+
n=1
C
n
cos (n
0
t +
n
) C
n
=
_
a
n
2
+b
n
2
C
n
= 2|D
n
|, n 1
n
= tan
1
_
b
n
a
n
_

n
= D
n
Eksponencijalni:
x(t) =
n=
D
n
e
jn
0
t
D
n
=
1
T
0
_
T
0
x(t)e
jn
0
t
dt
Primjer 6.3. Odrediti koecijente eksponencijalnog Fourierovog reda za sljede ce signale:
a) x(t) = cos
0
t
b) x(t) = cos 4t + sin 6t
c) x(t) = sin
2
t
Odgovor 6.3. a) cos
0
t =
1
2
(e
j
0
t
+e
j
0
t
) =
1
2
e
j
0
t
+
1
2
e
j
0
t
D
1
=
1
2
, D
1
=
1
2
i D
n
= 0 za |n| = 1.
b) cos 4t + sin 6t =
1
2
(e
j4t
+e
j4t
) +
1
2j
(e
j6t
e
j6t
) =
1
2j
e
j6t
+
1
2
e
j4t
+
1
2
e
j4t
+
1
2j
e
j6t
.
D
3
=
1
2j
, D
2
=
1
2
, D
2
=
1
2
, D
3
=
1
2j
Ostali su koecijenti nule.
c) sin
2
t =
_
e
jt
e
jt
2j
_
2
=
1
4
(e
j2t
2 +e
j2t
) =
1
4
e
j2t
+
1
2
1
4
e
j2t
.
D
1
=
1
4
, D
0
=
1
2
i D
1
=
1
4
. Ostali koecijenti su nule.
Primjer 6.4. Na ci eksponencijalni Fourier red za signal u Primjeru 6.1.
Odgovor 6.4. T
0
= ,
0
= 2/T
0
= 2. x(t) =
n=
D
n
e
j2nt
.
D
n
=
1
T
0
_
T
0
x(t)e
j2nt
dt
=
1
_

0
e
t/2
e
j2nt
dt
=
1
_

0
e
(
1
2
+j2n)t
dt
=
1
(
1
2
+j2n)
e
(
1
2
+j2n)t
0
=
0.504
1 +j4n
x(t) = 0.504
n=
1
1 +j4n
e
j2nt
= 0.504
_
1 +
1
1 +j4
e
j2t
+
1
1 +j8
e
j4t
+
1
1 +j12
e
j6t
+
+
1
1 j4
e
j2t
+
1
1 j8
e
j4t
+
1
1 j12
e
j6t
+
_
Eksponencijalni Fourierov spektar
Koecijente eksponencijalnog Fourierovog reda, D
n
, gra cki prikazujemo kao funkciju frekvencije .
Kako su ovi koecijenti op cenito kompleksni (D
n
= |D
n
|e
jD
n
), nuno je promatrati prikaze njihove
magnitude |D
n
| vs. i faze D
n
vs. .
D
0
= C
0
|D
n
| = |D
n
| =
1
2
C
n
, n = 0
D
n
=
n
i D
n
=
n
D
n
= |D
n
|e
j
n
i D
n
= |D
n
|e
j
n
Kada je signal realna funkcija vremena (x(t) R), magnitudni spektar (|D
n
| vs. ) parna je funkcija
od , dok je fazni spektar (D
n
vs. ) neparna funkcija frekvencije .
Frekvencijski pojas signala je razlika izme

du najve ce i najmanje frekvencije u spektru signala.
Spektralni pojas je irina eksponencijalnog spektra signala (uzimaju ci u obzir i negativne frekvencije u
spektru).
Primjer 6.5. Skicirati eksponencijalni Fourierov spektar za signal u Primjeru 6.1.
Odgovor 6.5.
D
0
= 0.504
D
1
=
0.504
1 +j4
= 0.122e
j75.96
=|D
1
| = 0.122, D
1
= 75.96
D
1
=
0.504
1 j4
= 0.122e
j75.96
=|D
1
| = 0.122, D
1
= 75.96
D
2
=
0.504
1 +j8
= 0.0625e
j82.87
=|D
2
| = 0.0625, D
2
= 82.87
D
2
=
0.504
1 j8
= 0.0625e
j82.87
=|D
2
| = 0.0625, D
2
= 82.87

Iako je frekvencija pozitivna veli cina, u eksponencijalnom Fourierovom spektru javljaju se negativne i
pozitivne frekvencije.
Postojanje spektra u = n
0
jednostavno zna ci da je komponenta e
jn
0
t
prisutna u
eksponencijalnom Fourierovom redu. (Znamo da svaka sinusoida s frekvencijom n
0
ima komponente
e
jn
0
t
i e
jn
0
t
.)
Zbog sli cnosti eksponencijalnog i trigonometrijskog Fourierovog spektra, poznavaju ci jedan jedostavno
moemo skicirati drugi.
Primjer 6.6. Trigonometrijski Fourierov spektar signala prikazan je na slici. Skicirati eksponencijalni
Fourierov spektar signala.
= x(t) = 16 + 12 cos
_
3t

4
_
+ 8 cos
_
6t

2
_
+ 4 cos
_
9t

4
_
Odgovor 6.6.
x(t) = 16 +
_
6e
j
4
e
j3t
+ 6e
j
4
e
j3t
_
+
_
4e
j
2
e
j6t
+ 4e
j
2
e
j6t
_
+
_
2e
j
4
e
j9t
+ 2e
j
4
e
j9t
_
= 16 + 6
_
e
j(3t
4
)
+e
j(3t
4
)
_
+ 4
_
e
j(6t
2
)
+e
j(6t
2
)
_
+ 2
_
e
j(9t
4
)
+e
j(9t
4
)
_
= 16 + 12 cos
_
3t

4
_
+ 8 cos
_
6t

2
_
+ 4 cos
_
9t

4
_
= x(t).
Primjer 6.7. Na ci i skicirati Fourierov spektar za signal na slici.
x(t) =
T
0
(t) =
n=
(t nT
0
).
Odgovor 6.7.
T
0
(t) =
n=
D
n
e
jn
0
t
,
0
=
2
T
0
D
n
=
1
T
0
_
T
0
T
0
(t)e
jn
0
t
dt =
1
T
0
_
T
0
/2
T
0
/2
(t)e
jn
0
t
dt =
1
T
0
e
jn
0
0
=
1
T
0

T
0
(t) =
1
T
0
n=
e
jn
0
t
,
0
=
2
T
0
C
0
= D
0
=
1
T
0
C
n
= 2|D
n
| =
2
T
0
, n = 1, 2, 3,
n
= 0

T
0
(t) =
1
T
0
_
1 + 2(cos
0
t + cos 2
0
t + cos 3
0
t + )
_
,
0
=
2
T
0
Spektar signala
T
0
(t) je realan te je dovoljno samo prikazati magnitudni spektar (fazni je spektar nula za
sve frekvencije).
Simulacije:
http://www.jhu.edu/signals/fourier2/index.html.
http://www.jhu.edu/signals/listen-new/listen-newindex.htm.
Parsevalov teorem za periodi cne kontinuirane signale
Periodi can signal x(t) s periodom T
0
denirali smo pomo cu trigonometrijskog Fourierovog reda kao:
x(t) = C
0
+
n=1
C
n
cos(n
0
t +
n
)
Sve su Fourierove komponente signali snage i me

dusobno su ortogonalne.
Stoga je snaga signala x(t) snaga zbroja svih kosinusoida u signalu, a to je jednako zbroju snaga
svake od komponenti:
Snaga kosinusoide s amplitudom C
n
je C
2
n
/2, dok je snaga DC komponente C
0
jednaka C
2
0
(vidi
Primjer 1.3),
= P
x
= C
2
0
+
1
2
n=1
C
2
n
(Parsevalov teorem) (37)
Snaga signala De
j
0
t
je |D|
2
te je za x(t) =
n=
D
n
e
jn
0
t
= P
x
=
n=
|D
n
|
2
(38)
Za x(t) R, |D
n
| = |D
n
| P
x
= D
2
0
+ 2
n=1
|D
n
|
2
.
Odziv LVN sustava na periodi cnu pobudu
Neka je x(t) periodi can signal s periodom T
0
:
x(t) =
n=
D
n
e
jn
0
t
,
0
=
2
T
0
Znamo da sustav pobu

den sa e
st
rezultira u odziv H(s)e
st
,
e
jt
.
ulaz
H(j)e
jt
.
izlaz
Za stabilan LVN sustav tada vrijedi:
n=
D
n
e
jn
0
t
.
pobuda x(t)
n=
D
n
H(jn
0
)e
jn
0
t
.
odziv y(t)
(39)
Izlaz y(t) je periodi can signal s periodom T
0
i s koecijentima eksponencijalnog Fourierovog reda
D
n
H(jn
0
).
Primjer 6.8. Na ci odziv sustava H(s) = 1/(3s + 1) koji je pobu
den signalom na slici.

Odgovor 6.8.
x(t) =
n=
D
n
e
j
0
nt
,
0
= 2/T
0
= 2/ = 2.
D
n
=
1
_

0
sin te
j2nt
dt =
2
(1 4n
2
)
x(t) =
n=
2
(1 4n
2
)
e
j2nt
H(s) =
1
3s + 1
= H(j) =
1
3j + 1
y(t) =
n=
D
n
H(jn
0
)e
jn
0
t
=
n=
D
n
H(j2n)e
j2nt
=
n=
2
(1 4n
2
)(j6n + 1)
e
j2nt
Nedostaci analize signala i sustava pomo cu Fourierovog reda
U praksi su pobude op cenito neperiodi cni signali, dok se Fourierovim redom mogu analizirati isklju civo
periodi cni signali.
Rjeenje je na

deno u analizi signala pomo cu Fourierovog integrala (tzv. Fourierove transformacije).
Za analizu sustava s periodi cnom pobudom sustav mora biti stabilan, dok sustavi u praksi tako

der mogu
biti nestabilni ili marginalno stabilni.
Rjeenje je na

deno u primjeni pobude e
st
, gdje s vie nije strogo ograni ceno na imaginarnu os
(s = j) nego je op cenito kompleksno (s = +j), to je rezultiralo u Laplaceov integral
(Laplaceovu transformaciju).
7. Fourierova analiza neperiodi cnih signala
Denicija i izvod Fourierove transformacije
Svaki se neperiodi can signal moe prikazati kao kontinuirani zbroj (integral) kompleksnih
eksponencijala.
Od neperiodi cnog signala x(t) prvo cemo generirati periodi can signal x
T
0
(t) s periodom T
0
, tako to
cemo replicirati x(t) svakih T
0
sekundi (T
0
je dovoljno veliko da se kopije signala ne preklapaju u
vremenu).
Slika 17: Generiranje periodi cnog signala iz neperiodi cnog signala.
Tada je lim
T
0
x
T
0
(t) = x(t).
Periodi can signal x
T
0
(t) moemo prikazati pomo cu eksponencijalnog Fourierovog reda:
x
T
0
(t) =
n=
D
n
e
jn
0
t
D
n
=
1
T
0
_
T
0
/2
T
0
/2
x
T
0
(t)e
jn
0
t
dt,
0
=
2
T
0
Koecijente Fourierovog reda moemo jo denirati i kao

D
n
=
1
T
0
_

x(t)e
jn
0
t
dt.
Ako sada deniramo
X() =
_

x(t)e
jt
dt,
= D
n
=
1
T
0
X(n
0
).
Koecijenti Fourierovog reda dobiju se uzorkovanjem i skaliranjem funkcije X().
Promatrajmo kako se spektar signala x
T
0
(t) mijenja sa T
0
.
Slika 18: Utjecaj perioda T
0
na spektar signala x
T
0
(t).
Kada je T
0
dvostruko ve ce,
0
se smanji upola, tako da se u spektru javlja dvostruko vie
komponenata.
Istovremeno se magnituda spektra smanjuje upola, no oblik spektra se ne mijenja.
Za T
0
,
0
0 (to cemo ozna cavati sa = 2/T
0
) i D
n
0.
x
T
0
(t) =
n=
X(n
0
)
T
0
e
jn
0
t
= x
T
0
(t) =
n=
_
X(n)
2
_
e
jnt
= x(t) = lim
T
0
x
T
0
(t) = lim
0
1
2
n=
X(n)e
jnt
n , d,
n=
x(t) =
1
2
_

X()e
jt
d (Fourierov integral) (40)
Funkciju X() zovemo direktna Fourierova transformacija od x(t), dok je x(t) inverzna Fourierova
transformacija od X():
X() = F{x(t)} =
_

x(t)e
jt
dt i x(t) = F
1
{X()} =
1
2
_

X()e
jt
d (41)
x(t) X() (x(t) i X() su Fourierov par) (42)
X() je op cenito kompleksna veli cina: X() = |X()|e
jX()
.
Kako je X() =
_

x(t)e
jt
dt, za x(t) R:
X() = X
() =
__

x(t)e
jt
dt
_
=
_

x(t)e
jt
dt
X() = |X()|e
jX()
i X
() = |X()|e
jX()
|X()| = |X()| i X() = X()
Magnitudni spektar je parna, a fazni neparna funkcija od kada je analizirani signal realan.
Primjer 7.1. Na ci Fourierovu transformaciju signala x(t) = e
at
u(t).
Odgovor 7.1.
X() =
_

e
at
u(t)e
jt
dt =
_

0
e
(a+j)t
dt =
1
a +j
e
(a+j)t
0
Kako je |e
jt
| = 1, za t , e
(a+j)t
= e
at
e
jt
= 0 kada je a > 0.
X() =
1
a +j
, a > 0
U polarnom obliku a +j je
a
2
+
2
e
j tan
1
(
a
)
X() =
1
a
2
+
2
e
j tan
1
(
a
)
|X()| =
1
a
2
+
2
i X() = tan
1
_
a
_
Za a < 0, X() ne konvergira!
Dirichletovi uvjeti
Budu ci da je |e
jt
| = 1,
|X()|
_

|x(t)|dt.
Fourierova transformacija postoji ako je:
_

|x(t)|dt < . (43)

Konvergencija u svakoj to cki zahtijeva da signal x(t) u bilo kojem kona cnom vremenskom intervalu ima
kona can broj maksimuma, minimuma i diskontinuiteta.
U to cki diskontinuiteta t = t
d
, X() konvergira u (x(t
d
) +x(t
+
d
))/2.
Fourierova transformacija i odziv LVN sustava
Za stabilan LVN sustav s prijenosnom funkcijom H(s): e
jt
H()e
jt
.
e
j(n)t
H(n)e
j(n)t
_
X(n)
2
_
e
j(n)t
_
X(n)H(n)
2
_
e
j(n)t
Zbog linearnosti:
lim
0
n=
_
X(n)
2
_
e
j(n)t
.
pobuda x(t)
lim
0
n=
_
X(n)H(n)
2
_
e
j(n)t
.
odziv y(t)
y(t) =
1
2
lim
0
n=
X(n)H(n)e
j(n)t
=
1
2
_

X()H()e
jt
d =
1
2
_

Y ()e
jt
d
Stoga, za x(t) X(), y(t) = x(t) h(t) X()H() = Y ().
Prisjetimo se da u vremenskoj domeni:
(t) h(t) (h(t) je impulsni odziv sustava)
x(t) = x(t) (t) =
_

x()(t )d (ulaz x(t) je zbroj impulsa)

y(t) = x(t) h(t) =
_

x()h(t )d (y(t) je zbroj impulsnih odziva) (44)

U frekvencijskoj domeni:
e
jt
H()e
jt
(H() je frekvencijski odziv sustava)
x(t) =
1
2
_

X()e
jt
d (ulaz x(t) je zbroj kompleksnih eksponencijala)
y(t) =
1
2
_

X()H()e
jt
d (y(t) je zbroj odziva na eksponencijalne pobude) (45)
Neki vani Fourierovi parovi
Interpolacijska funkcija denirana je kao: sinc(x) =
sin x
x
6 5 4 3 2 0 2 3 4 5 6
0
0.5
1
Interpolacijska funkcija:
je parna funkcija od x,
sinc(0) = 1 i sinc(x) = 0 za x = , 2, 3, . . . , n, . . . ,
oscilira s periodom 2 (zbog sin x clana),
amplituda joj kontinuirano opada kao 1/x.
Npr. funkcija sinc
_
2
_
ima nule u

2
= n, tj. u =
2n

Primjer 7.2. Na ci Fourierovu transformaciju signala rect(t/).
Odgovor 7.2.
X() =
_

rect
_
t
_
e
jt
dt
=
_
/2
/2
e
jt
dt
=
1
j
(e
j/2
e
j/2
) =
2 sin
_
2
_
=
sin
_
2
_
_
2
_ = sinc
_
2
_
rect
_
t
_
sinc
_
2
_
(46)
Frekvencijski pojas signala rect(t/) je beskona can. Me

dutim, ve cina njegove energija koncentrirana je u
glavnoj latici sinc funkcije, tj. u frekvencijskom pojasu od 0 do prve nule u = 2/ (tj. f = 1/ [Hz]).
Stoga se signal rect(t/) moe okarakterizirati kao niskofrekvencijski signal.
Primjer 7.3. Na ci Fourierovu transformaciju signala (t).
Odgovor 7.3.
F{(t)} =
_

(t)e
jt
dt = e
j0
= 1
(t) 1 (47)
Primjer 7.4. Na ci inverznu Fourierovu transformaciju signala ().
Odgovor 7.4.
F
1
{()} =
1
2
_

()e
jt
d =
1
2
e
j0t
=
1
2
1
2
()
1 2() (48)
Za prikaz konstante pomo cu kompleksnih eksponencijala potreban je samo jedan clan (e
j0t
), te je stoga u
spektru zastupljena samo jedna frekvencijska komponenta = 0.
Primjer 7.5. Kojoj funkciji u vremenu odgovara impuls centriran oko frekvencije
0
?
Odgovor 7.5.
F
1
{(
0
)} =
1
2
_

(
0
)e
jt
d =
1
2
e
j
0
t
1
2
e
j
0
t
(
0
)
e
j
0
t
2(
0
) (49)
= e
j
0
t
2( +
0
) (50)
Primjer 7.6. Na ci Fourierovu transformaciju signala cos
0
t.
Odgovor 7.6.
cos
0
t =
1
2
(e
j
0
t
+e
j
0
t
)
cos
0
t [(
0
) +( +
0
)] (51)
Primjer 7.7. Na ci Fourierovu transformaciju jedini cne stepenice u(t).
Odgovor 7.7.
U() =
_

u(t)e
jt
dt =
_

0
e
jt
dt =
1
j
e
jt
0
Do izraza za U() moemo puno jednostavnije do ci ako u(t) deniramo na sljede ci na cin:
u(t) = lim
a0
e
at
u(t).
U() = lim
a0
F{e
at
u(t)} = lim
a0
1
a +j
= lim
a0
_
a
a
2
+
2
j

a
2
+
2
_
= lim
a0
_
a
a
2
+
2
_
+
1
j
_

a
a
2
+
2
d = tan
1

a
=
Kada a 0,
a
a
2
+
2
():
U() = () +
1
j
(52)
Zbog diskontinuiteta u t = 0, signal u(t) ne moemo sintezirati samo pomo cu (), nego su nam potrebne i
visokofrekvencijske komponente ( clan 1/(j)).
Primjer 7.8. Na ci Fourierovu transformaciju signum funkcije (na slici).
Odgovor 7.8.
sgn(t) = 2u(t) 1 2() +
2
j
2() =
2
j
sgn(t)
2
j
(53)
Tablica osnovnih Fourierovih parova
x(t) X()
1 e
at
u(t)
1
a+j
a > 0
2 e
at
u(t)
1
aj
a > 0
3 e
a|t| 2a
a
2
+
2
a > 0
4 te
at
u(t)
1
(a+j)
2
a > 0
5 t
n
e
at
u(t)
n!
(a+j)
n+1
a > 0
6 (t) 1
7 1 2()
8 e
j
0
t
2(
0
)
9 cos
0
t [(
0
) + ( +
0
)]
10 sin
0
t j[( +
0
) (
0
)]
11 u(t) () +
1
j
12 sgn t
2
j
13 cos
0
tu(t)

2
[(
0
) + ( +
0
)] +
j
2
0
2
14 sin
0
tu(t)

2j
[(
0
) ( +
0
)] +

0
2
0
2
15 e
at
sin
0
tu(t)

0
(a+j)
2
+
2
0
a > 0
16 e
at
cos
0
tu(t)
a+j
(a+j)
2
+
2
0
a > 0
17 rect
_
t
_
sinc
_
2
_
18
W
sinc(Wt) rect
_

2W
_
19 tri
_
t
_

2
sinc
2
_
4
_
20
W
2
sinc
2
_
Wt
2
_
tri
_

2W
_
21
n=
(t nT)
0
n=
( n
0
)
0
=
2
T
22 e
t
2
/2
2
2e
2
/2
Vana svojstva Fourierove transformacije
Linearnost
Fourierova transformacija je linearna transformacija, tj. ako su
x
1
(t) X
1
() i x
2
(t) X
2
()
tada je
a
1
x
1
(t) +a
2
x
2
(t) a
1
X
1
() +a
2
X
2
() (54)
Dualnost
Jedina razlika u denicijama za direktnu i inverznu Fourierovu transformaciju je u predznaku
kompleksne eksponencijale i u faktoru 1/2 u inverznoj transformaciji.
Stoga za svaki rezultat za x(t) i X(), postoji njegov ekvivalent u kojemu su x(t) i X() zamijenili
mjesta (uz prethodno navedene razlike u faktoru 1/2 i predznaku kompleksnog eksponencijala).
Na primjer, uzmimo svojstva vremenskog i frekvencijskog pomaka signala:
x(t t
0
) X()e
jt
0
x(t)e
j
0
t
X(
0
)
Simetri cnost
x(t) X() = X(t) 2x(). (55)
Dokaz:
x(t) =
1
2
_

X()e
jt
d 2x(t) =
_

X()e
jt
d
Zamijenimo t sa i sa t i dobit cemo navedeno svojstvo simetri cnosti.
Na primjer,
rect
_
t
_
.
x(t)
sinc
_
2
_
.
X()
X(t) = X()|
=t
i x() = x(t)|
t=
sinc
_
t
2
_
.
X(t)
2rect
_
_
.
2x()
= 2rect
_
_
Slika 19: Fourierova transformacija: svojstvo simetri cnosti.
Jo jedan primjer svojstva simetri cnosti:
(t) 1 , 1 2().
Skaliranje
Ako je x(t) X(), tada za realnu konstantu a:
x(at)
1
|a|
X
_
a
_
. (56)
Dokaz: Za a > 0,
F{x(at)} =
_

x(at)e
jt
dt =
1
a
_

x()e
j(/a)
d =
1
a
X
_
a
_
Sli cno za a < 0,
x(at)
1
a
X
_
a
_
Za a = 1, x(t) X(), to je poznato kao vremenska i frekvencijska inverzija.
Za a > 1, signal x(at) je x(t) s kompresijom za faktor a. X(/a) je X() s ekspanzijom u
frekvenciji za isti faktor a. Stoga vremenska kompresija rezultira u spektralnu ekspanziju i obratno.
Kompresijom u vremenu signal bre oscilira, te njegov spektar mora uklju citi i nove
visokofrekvencijske komponente, i obratno.
Trajanje signala u vremenu i u frekvencijski inverzno su proporcionalne veli cine. Na primjer, za
rect(t/) vremensko trajanje je sekundi, dok je frekevencijski pojas 1/ Hz.
Slika 20: Fourierova transformacija: svojstvo skaliranja.
Primjer 7.9. Na ci Fourierovu transformaciju signala e
a|t|
.
Odgovor 7.9.
e
at
u(t)
1
a +j
, x(t) X() e
at
u(t)
1
a j
e
a|t|
= e
at
u(t) +e
at
u(t)
e
a|t|
1
a +j
+
1
a j
=
2a
a
2
+
2
Vremenski pomak
x(t) X() = x(t t
0
) X()e
jt
0
(57)
Dokaz:
F{x(t t
0
)} =
_

x(t t
0
)e
jt
dt
=
_

x()e
j(+t
0
)
d
= e
jt
0
_

x()e
j
d
= X()e
jt
0
Magnitudni se spektar ne mijenja, ali se fazni spektar mijenja za t
0
.
Vremenski pomak rezultira u linearni fazni pomak u spektru signala.
Primjer 7.10. Na ci Fourierovu transformaciju signala e
a|tt
0
|
.
Odgovor 7.10.
e
a|tt
0
|
2a
a
2
+
2
e
jt
0
Frekvencijski pomak
x(t) X() = x(t)e
j
0
t
X(
0
) (58)
Dokaz:
F{x(t)e
j
0
t
} =
_

x(t)e
j
0
t
e
jt
dt =
_

x(t)e
j(
0
)t
dt = X(
0
)
Mnoenjem signala sa e
j
0
t
pomi ce se njegov spektar za =
0
.
= x(t)e
j
0
t
X( +
0
) (59)
U praksi se frekvencijski pomak realizira mnoenjem signala sa kosinusoidom:
x(t) cos
0
t =
1
2
[x(t)e
j
0
t
+x(t)e
j
0
t
]
1
2
[X(
0
) +X( +
0
)] (60)
Primjene u radio prijenosu: Svakoj se radijskoj postaji dodjeljuje razli cito
0
i pripadaju ci frekvencijski
pojas. Na ovaj se na cin omogu cuje prijenos vie razli citih signala istovremeno preko istog
komunikacijskog kanala.
Primjer 7.11. Na ci i skicirati Fourierovu transformaciju signala x(t) cos 10t, gdje je x(t) = rect(t/4).
Odgovor 7.11.
x(t) cos 10t
1
2
[X( + 10) +X( 10)]
X() = 4 sinc(2) x(t) cos 10t 2sinc(2( + 10)) + 2sinc(2( 10))
Konvolucija
Neka su x
1
(t) X
1
() i x
2
(t) X
2
(), tada je
x
1
(t) x
2
(t) X
1
()X
2
() (Konvolucija u vremenu) (61)
x
1
(t)x
2
(t)
1
2
(X
1
() X
2
()) (Konvolucija u frekvenciji) (62)
Dokaz:
F{x
1
(t) x
2
(t)} =
_

e
jt
__

x
1
()x
2
(t )d
_
dt
=
_

x
1
()
__

e
jt
x
2
(t )dt
_
d
=
_

x
1
()e
j
X
2
()d
= X
2
()
_

x
1
()e
j
d
= X
1
()X
2
()
h(t) H(), y(t) = x(t) h(t) X()H() = Y (). (63)
Primjer 7.12. Na ci inverznu Fourierovu transformaciju od X() = 1/(a +j)
2
.
Odgovor 7.12. Znamo da je
e
at
u(t)
1
a +j
X() =
1
(a +j)
2
=
_
1
a +j
__
1
a +j
_
= x(t) = e
at
u(t) e
at
u(t) = e
at
_
t
0
d = te
at
u(t)
te
at
u(t)
1
(a +j)
2
Deriviranje i integriranje signala
x(t) X() =
dx(t)
dt
jX() (Deriviranje) (64)
x(t) X() =
_
t
x()d
X()
j
+X(0)() (Integriranje) (65)
Dokaz: Derivirajmo u vremenu deniciju inverzne Fourierove transformacije:
dx(t)
dt
=
1
2
_

jX()e
jt
d
dx(t)
dt
jX().
Tako

der vrijedi:
d
n
x(t)
dt
n
(j)
n
X(). (66)
Primjer 7.13. Pokazati da je
_
t
x()d
X()
j
+X(0)().
u(t ) =
_
1, t
0, > t
slijedi da je
x(t) u(t) =
_

x()u(t )d =
_
t
x()d
x(t) u(t) =
_
t
x()d X()
_
1
j
+()
_
=
X()
j
+X(0)().
Primjer 7.14. Sustav je opisan diferencijalnom jednadbom
dy(t)
dt
+ 2y(t) = x(t) +
dx(t)
dt
Na ci njegov impulsni odziv.

Odgovor 7.14. Fourierova transformacija prethodne jednadbe je
jY () + 2Y () = X() +jX(),
tj.
(2 +j)Y () = (1 +j)X().
Frekvencijski odziv sustava je
H() =
Y ()
X()
=
1 +j
2 +j
=
2 +j 1
2 +j
= 1
1
2 +j
Inverzna Fourierova transformaciju od H() daje impulsni odziv sustava:

h(t) = (t) e
2t
u(t).
Primjer 7.15. Vremenski kontinuiran LVN sustav opisan je jednadbom
dy(t)
dt
+ 2y(t) = x(t).
Koriste ci Fourierovu transformaciju, na ci izlaz y(t) kada je sustav pobu

den signalom x(t) = e
t
u(t).
Odgovor 7.15. Fourierova transformacija diferencijalne jednadbe sustava je
jY () + 2Y () = X().
H() =
Y ()
X()
=
1
2 +j
X() =
1
1 +j
= Y () = X()H() =
1
(1 +j)(2 +j)
=
1
1 +j
1
2 +j
y(t) = (e
t
e
2t
)u(t).
Tablica osnovnih svojstava Fourierove transformacije
x(t) X()
Zbrajanje x
1
(t) +x
2
(t) X
1
() +X
2
()
Mnoenje skalarom kx(t) kX()
Simetri cnost X(t) 2x()
Skaliranje (a R) x(at)
1
|a|
X
_
a
_
Vremenski pomak (t
0
R) x(t t
0
) X()e
jt
0
Frekvencijski pomak (
0
R) x(t)e
j
0
t
X(
0
)
Konvolucija u vremenu x
1
(t) x
2
(t) X
1
()X
2
()
Konvolucija u frekvenciji x
1
(t)x
2
(t)
1
2
(X
1
() X
2
())
Deriviranje
d
n
x(t)
dt
n
(j)
n
X()
Integriranje
_
t
x()d
X()
j
+X(0)()
Prijenos signala kroz kontinuirani LVN sustav
Vidjeli smo da je
Y () = H()X() (67)
U polarnom obliku:
|Y ()|e
jY ()
= |X()||H()|e
j(X()+H(j))
te je
|Y ()| = |X()||H()| (68)
i
Y () = X() +H() (69)
H() je tzv. frekvencijski odziv sustava: |H()| je amplitudni odziv sustava, dok je H() fazni
odziv sustava, koji nam kazuju kako sustav modicira amplitudu i fazu spektra ulaznoga signala.
U mnogim aplikacijama poeljno je da signal pro

de kroz sustav sa to manje distorcije (tj. da oblik
signala ostane sa cuvan). Idealno, to bi zna cilo da je
y(t) = kx(t t
d
) Y () = kX()e
jt
d
(70)
Kako je Y () = X()H() = H() = ke
jt
d
,
|H()| = k (const.), H() = t
d
(linearna faza). (71)
Vidimo da konstantan amplitudni odziv sam nije dovoljan da osigura prijenos signala bez distorcije.
Nuna je i linearnost faznog odziva sustava tj. t
d
mora biti konstantno u eljenom frekvencijskom
pojasu.
Slika 21: Sustav za idealni (bez distorcije) prijenos signala.
Idealni i prakti cni ltri
Filtri omogu cuju prijenos odre

denih frekvencija bez distorcije (podru cje proputanja), dok preostale
frekvencije bivaju priguene (podru cje priguenja).
U praksi, dva su podru cja razdvojene tzv. tranzicijskim podru cjem.
Magnituda u podru cju priguenja nije svugdje nula, nego je relativno mala u usporedbi s onom u
podru cju proputanja =koristimo 20 log |H()|.
Podru cje proputanja denirano je grani cnom frekvencijom:
frekvencija za koju je odziv jednak -3dB (tj. frekvencija u kojoj je normirana magnituda jednaka
1/
2),
energetski spektar ltra je |H()|
2
, te -3dB odgovara frekvenciji za koju ltar proputa samo polovicu
ulazne snage.
Filtri koje cemo ovdje analizirati svi imaju linearnu fazu u odgovaraju cem frekvencijskom pojasu.
Idealni niskopropusni ltar (NPF) proputa frekvencije W, a priguuje sve frekvencije iznad
grani cne frekvencije W.
Frekvencijske karakteristike idealnog NPF su |H()| = rect
_

2W
_
i H() = t
d
, te je
H() = rect
_

2W
_
e
jt
d
.
Slika 22: Idealni niskopropusni ltar.
Impulsni odziv idealnog NPF je:
h(t) = F
1
_
rect
_

2W
_
e
jt
d
_
=
W
sinc(W(t t
d
)) (72)
Slika 23: Impulsni odziv idealnog niskopropusnog ltra.
Impulsni odziv NPF je nekauzalan jer ne vrijedi da je h(t) = 0, t < 0.
U praksi se kauzalnost postie tako da se odbacuje onaj dio impulsnog odziva koji odgovara negativnim
vrijednostima vremena t, tj.

h(t) = h(t)u(t).
Pri tome je vano da je t
d
veliko, jer tada je

h(t) h(t).
(a) HPF
(b) BPF
Slika 24: Idealni (a) visokopropusni i (b) pojasno-propusni ltar.
Primjer 7.16. Idealni niskopropusni ltar ima frekvencijski odziv
H() =
_
1, || <
c
0, || >
c
.
Ulazni signal u ltar je x(t) =
sin at
t
Na ci izlaz y(t) za
a) a <
c
,
b) a >
c
.
Odgovor 7.16.
x(t) =
sin at
t
X() = rect
_

2a
_
=
_
1, || < a
0, || > a
a) Kada je a <
c
, imamo Y () = X()H() = X() y(t) = x(t) =
sin at
t
b) Kada je a >
c
, imamo Y () = X()H() = H() y(t) = h(t) =
sin
c
t
t
Za a >
c
ltar dovodi do izobli cenja signala x(t).
Energija signala Parsevalov teorem za neperiodi cne kontinuirane signale
Energiju signala denirali smo kao:
E
x
=
_

|x(t)|
2
dt,
ili ekvivalentno:
E
x
=
_

x(t)x
(t)dt =
_

x(t)
_
1
2
_

()e
jt
d
_
dt
=
1
2
_

()
__

x(t)e
jt
dt
_
d
=
1
2
_

()X()d
=
1
2
_

|X()|
2
d
E
x
=
_

|x(t)|
2
dt =
1
2
_

|X()|
2
d (Parsevalov teorem) (73)
Za x(t) R, X
() = X() i |X()|
2
je parna funkcija od :
= E
x
=
1
_

0
|X()|
2
d. (74)
U frekvencijskom pojasu energija signala je:
E
x
=
1
2
|X()|
2
= |X()|
2
F, gdje je F =

2
[Hz]
Energija komponenti u pojasu F je |X()|
2
F, stoga funkciju |X()|
2
zovemo gusto ca
energetskog spektra (engl. energy spectral density).
Za realne signale, energija u pojasu [
1
,
2
]: E
x
=
1
_

2
1
|X()|
2
d.
Primjer 7.17. Na ci energiju signala x(t) = e
at
u(t).
Za koje W [rad/s] ce energija signala u pojasu W iznositi 95% njegove ukupne energije?
Napomena:
Frekvenciju W zovemo osnovni frekvencijski pojas signala (engl. essential bandwidth), koji sadri
95% ukupne energije signala.
Postoje i druge denicije osnovnog frekvencijskog pojasa, npr. to je frekvencija u kojoj magnitudni
spektar ima vrijednost jednaku 1% svojega maksimuma.
Odgovor 7.17.
E
x
=
_

x
2
(t)dt =
_

0
e
2at
dt =
1
2a
Tako

der,
X() =
1
j +a
E
x
=
1
_

0
|X()|
2
d =
1
_

0
d
2
+a
2
=
1
a
tan
1

a
0
=
1
2a
0.95 E
x
=
0.95
2a
=
1
_
W
0
d
2
+a
2
=
1
a
tan
1

a
W
0
=
1
a
tan
1
W
a
0.95
2
= tan
1
W
a
=W = a tan
_
0.95
2
_
= 12.706 a [rad/s]
Autokorelacijska funkcija
Autokorelacijska funkcija (AKF) signala x(t) denirana je kao:
x
(t) =
_

x()x( t)d = x(t) x(t) (75)

AKF je maksimalna u ishoditu i ne raste sa t.
Za x(t) R,
x
(t) je parna funkcija od t:
x
(t) = x(t) x(t) =
x
(t) (76)
Kako je x(t) X() i x(t) X() = X
(),
x
(t) = x(t) x(t) X()X
() = |X()|
2
(77)
Stoga nam oblik funkcije
x
(t) daje informaciju o spektru signala x(t):
Niskofrekvencijski (sporomijenjaju ci) signal imat ce iru AKF,
Visokofrekvencijski (brzomijenjaju ci) signal imat ce uu AKF.
Vremenski otvori u spektralnoj analizi signala

Cesto je nuno signal ograni citi na kona can interval (npr. prilikom numeri ckog ra cunanja Fourierove
transformacije, deniranja kauzalnog impulsnog odziva, otipkavanja signala, itd.).
Za ovu se svrhu koriste vremenski otvori (engl. windows).
Najjednostavniji je pravokutni vremenski otvor kojim se daje jedini cna teina informaciji unutar otvora i
teina nula svim podacima izvan njega.
Teinski faktori ne moraju biti konstantni (npr. u slu caju Bartlettovog ili trokutastog otvora, teine linearno
opadaju sa irinom otvora).
32 0 32
0
0.2
0.4
0.6
0.8
1
t
A
m
p
l
i
t
u
d
a
Vremenski otvori (T=65)

Pravokutni
Bartlett
Hanning
Hamming
Blackman
Slika 25: Osnovni vremenski otvori.
Za signal x(t) i vremenski otvor w(t):
x
w
(t) = x(t)w(t) = X
w
() =
1
2
(X() W()) (78)
irina funkcije X
w
() je zbroj irina funkcija X() i W(), tj. frekvencijski se pojas pove cava za
irinu pojasa u W(). Ova je pojava poznata kao spektralno irenje (engl. spectral smearing).
to je vremenski otvor ui, spektar mu je iri i obratno.

Cak i kada je X() pojasno ograni cen, W() nije strogo ograni cen.
Stoga X
w
() op cenito nije pojasno ograni cen i u spektru se javljaju frekvencije koje ina ce nisu
prisutne u spektru originalnoga signala. Ova se pojava naziva spektralno curenje (engl. spectral
leakage).
Slika 26: Spektar pravokutnog vremenskog otvora.
Slika 27: Utjecaj pravokutnog vremenskog otvora na spektar signala.
Zbog spektralnog irenja dolazi do smanjenja spektralne rezolucije, te je stoga poeljno da je glavna
latica spektra vremenskog otvora to ua =koristiti dui vremenski otvor.
Bo cne latice uzrokuju spektralno curenje. Stoga elimo otvor sa to manjim bo cnim laticama koje brzo
opadaju s frekvencijom =koristiti izgla

dene vremenske otvore (Hammingov, Hanningov, Blackmanov,
Kaiserov, itd.).
Kako bismo eliminirali nepoeljno spektralno irenje i curenje =koristiti izgla

deni vremenki otvor
odgovaraju ceg trajanja.
Osnovni vremenski otvori i njihova spektralna svojstva
irina Brzina opadanja Najve ca
Vremenski otvor glavne latice bo cnih latica bo cna latica
[dB/oct] [dB]
Pravokutni: rect
_
t
T
_
4
T
6 13.3
Bartlett: tri
_
t
2T
_
8
T
12 26.5
Hanning: 0.5
_
1 + cos
_
2t
T
__
8
T
18 31.5
Hamming: 0.54 + 0.46 cos
_
2t
T
_
8
T
6 42.7
Blackman: 0.42 + 0.5 cos
_
2t
T
_
+ 0.08 cos
_
4t
T
_
12
T
18 58.1
Kaiser:
I
0
_
14
_
t
T
_
2
_
I
0
()
, (1 10)
11.2
T
6 59.9 ( = 8.168)
Hammingov je otvor jedan od naj ce ce koritenih vremenskih otvora.
Za = 0, Kaiserov otvor ekvivalentan je pravokutnom otvoru; kako raste, glavna latica postaje sve
ira, a bo cne latice sve manje.
5 10 15 20 25 30
0
0.2
0.4
0.6
0.8
1
Samples
A
m
p
lit
u
d
e
Time domain
0 0.2 0.4 0.6 0.8
120
100
80
60
40
20
0
20
40
Normalized Frequency ( rad/sample)
M
a
g
n
it
u
d
e

(
d
B
)
Frequency domain
(a) = 0.05
5 10 15 20 25 30
0
0.2
0.4
0.6
0.8
1
Samples
A
m
p
lit
u
d
e
Time domain
0 0.2 0.4 0.6 0.8
60
50
40
30
20
10
0
10
20
30
40
M
a
g
n
it
u
d
e

(
d
B
)
Frequency domain
(b) = 1
5 10 15 20 25 30
0
0.2
0.4
0.6
0.8
1
Samples
A
m
p
lit
u
d
e
Time domain
0 0.2 0.4 0.6 0.8
100
80
60
40
20
0
20
40
M
a
g
n
it
u
d
e

(
d
B
)
Frequency domain
(c) = 5
Slika 28: Utjecal parametra na spektralna svojstva Kaiserovog vremenskog otvora (T = 32).
5 10 15 20 25 30
0
0.2
0.4
0.6
0.8
1
Samples
A
m
p
lit
u
d
e
Time domain
0 0.2 0.4 0.6 0.8
100
80
60
40
20
0
20
40
M
a
g
n
it
u
d
e

(
d
B
)
Frequency domain
(a) T = 32
10 20 30 40 50 60
0
0.2
0.4
0.6
0.8
1
Samples
A
m
p
lit
u
d
e
Time domain
0 0.2 0.4 0.6 0.8
80
60
40
20
0
20
40
M
a
g
n
it
u
d
e

(
d
B
)
Frequency domain
(b) T = 64
20 40 60 80 100 120
0
0.2
0.4
0.6
0.8
1
Samples
A
m
p
lit
u
d
e
Time domain
0 0.2 0.4 0.6 0.8
100
80
60
40
20
0
20
40
M
a
g
n
it
u
d
e

(
d
B
)
Frequency domain
(c) T = 128
Slika 29: Utjecal trajanja otvora T na spektralna svojstva Kaiserovog vremenskog otvora ( = 5).
5 10 15 20 25 30
0
0.2
0.4
0.6
0.8
1
Samples
A
m
p
lit
u
d
e
Time domain
0 0.2 0.4 0.6 0.8
30
20
10
0
10
20
30
40
M
a
g
n
it
u
d
e

(
d
B
)
Frequency domain
(a) pravokutni
5 10 15 20 25 30
0
0.2
0.4
0.6
0.8
1
Samples
A
m
p
lit
u
d
e
Time domain
0 0.2 0.4 0.6 0.8
80
60
40
20
0
20
40
M
a
g
n
it
u
d
e

(
d
B
)
Frequency domain
(b) Bartlett
5 10 15 20 25 30
0
0.2
0.4
0.6
0.8
1
Samples
A
m
p
lit
u
d
e
Time domain
0 0.2 0.4 0.6 0.8
100
80
60
40
20
0
20
40
M
a
g
n
it
u
d
e

(
d
B
)
Frequency domain
(c) Hanning
5 10 15 20 25 30
0
0.2
0.4
0.6
0.8
1
Samples
A
m
p
lit
u
d
e
Time domain
0 0.2 0.4 0.6 0.8
80
60
40
20
0
20
40
M
a
g
n
it
u
d
e

(
d
B
)
Frequency domain
(d) Hamming
5 10 15 20 25 30
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Samples
A
m
p
lit
u
d
e
Time domain
0 0.2 0.4 0.6 0.8
120
100
80
60
40
20
0
20
40
M
a
g
n
it
u
d
e

(
d
B
)
Frequency domain
(e) Blackman
5 10 15 20 25 30
0
0.2
0.4
0.6
0.8
1
Samples
A
m
p
lit
u
d
e
Time domain
0 0.2 0.4 0.6 0.8
120
100
80
60
40
20
0
20
40
M
a
g
n
it
u
d
e

(
d
B
)
Frequency domain
(f) Kaiser ( = 8.2)
Slika 30: Spektralna svojstva razli citih vremenskih otvora (T = 32). Slike generirane pomo cu Matlab funkcije wintool.
8. Otipkavanje i rekonstrukcija signala
Otipkavanje signala
Realan signal x(t) sa spektrom ograni cenim na B Hz (X() = 0, || > 2B) moe se bez pogreke
rekonstruirati iz svojih uzoraka dobivenih otipkavanjem signala s frekvencijom otipkavanja f
s
2B.
Minimalna frekvencija otipkavanja f
s
= 2B Hz poznata je kao Nyquistova frekvencija.
Razmotrimo signal x(t) na slici, ciji je spektar ograni cen na B Hz (2B rad/s).
Slika 31: Kontinuirani signal i njegov spektar.
Otipkavanje signala x(t) s frekvencijom f
s
Hz jednako je njegovom mnoenju s nizom delta funkcija
T
(t) kojega cine jedini cni impulsi koji se periodi cki ponavljaju s periodom T = 1/f
s
.
Slika 32: Periodi can niz delta funkcija.
= x
s
(t) = x(t)
T
(t) = x(t)
n=
(t nT) =
n=
x(nT)(t nT) (79)
gdje je n - ti impuls lociran u t = nT i ima povrinu x(nT).

T
(t) je periodi can signal te ga deniramo pomo cu trigonometrijskog Fourierovog reda (Primjer 6.7):
T
(t) =
1
T
[1 + 2 cos
s
t + 2 cos 2
s
t + 2 cos 3
s
t + ] ,
s
= 2f
s
=
2
T
x
s
(t) = x(t)
T
(t) =
1
T
[x(t) + 2x(t) cos
s
t + 2x(t) cos 2
s
t + 2x(t) cos 3
s
t + ]
x(t) cos
s
t
1
2
[X(
s
) +X( +
s
)]
X
s
() = F{x
s
(t)} =
1
T
[X() + (X(
s
) +X( +
s
)) + (X( 2
s
) +X( + 2
s
)) +. . . ]
X
s
() =
1
T
n=
X( n
s
). (80)
Slika 33: Otipkani signal i njegov spektar.
Kako bismo rekonstruirali x(t) iz x
s
(t), potrebno je dobiti X() iz X
s
() primjenom niskopropusnog
ltra s grani cnom frekvencijom B Hz, pod uvjetom da se sukcesivni ciklusi u X
s
() ne preklapaju, tj.
mora vrijediti:
2B
s
2B
4B
s
2B f
s
(81)
Kako je T = 1/f
s
, uvjet u (81) ekvivalentan je uvjetu
T
1
2B
(82)
Period otipkavanja T =
1
2B
poznat je kao Nyquistov period.
Primjer 8.1. Neka je x(t) = sinc
2
(5t). Tada je X() = 0.2tri
_

20
_
. Na ci Nyquistovu frekvenciju i
Nyquistov period signala x(t). Razmotriti na koji na cin
s
vrijednosti manje i ve ce od Nyquistove frekvencije
utje cu na spektar otipkanog signala.
Napomena:
W
2
sinc
2
_
Wt
2
_
tri
_

2W
_
. Ovdje je W = 10.
Odgovor 8.1. B = 5 Hz (10 rad/s) =f
s
= 2B = 10 Hz i T = 1/(2B) = 0.1 sec.
f
s

s
T
1
T
X()
5 10 0.2 tri
_

20
_
Undersampling
10 20 0.1 2tri
_

20
_
Nyquist rate
20 40 0.05 4tri
_

20
_
Oversampling
Rekonstrukcija (interpolacija) signala
Rekonstrukcija signala iz njegovih uzoraka poznata je i kao interpolacija.
Za rekonstrukciju je nuan idealan niskopropusni ltar s grani cnom frekvencijom B Hz i amplitudom T,
tj. H() = T rect
_

4B
_
.
Idealan interpolacijski ltar ima impulsni odziv: h(t) = F
1
_
T rect
_

4B
__
= 2BT sinc(2Bt).
Za 2BT = 1 (Nyquistova frekvencija): h(t) = sinc(2Bt).
Slika 34: Idealan interpolacijski ltar u frekvenciji i vremenu (2BT = 1).
h(t) =
_
0, t = n/(2B), n Z
+
1, t = 0.
Svaki uzorak signala x
s
(t) na ulazu ltra daje sinc funkciju na izlazu, cija je amplituda jednaka vrijednosti
signala u promatranom trenutku:
x(nT)(t nT) x(nT)h(t nT)
x(nT)(t nT) x(nT)sinc (2B(t nT))
x
r
(t) =
n=
x(nT)h(t nT)
=
n=
x(nT)sinc(2B(t nT))
=
n=
x(nT)sinc(2Bt n), 2BT = 1. (83)
Izraz x
r
(t) = x(t) =
n=
x(nT)sinc(2Bt n) poznat je kao interpolacijska formula.
Slika 35: Otipkani i rekonstruirani signal.
Primjer 8.2. Primjenom interpolacijske formule, na ci signal x(t) koji je pojasno ograni cen na B Hz, i ciji su
uzorci
x(0) = 1 i x(T) = x(2T) = x(3T) = = 0, T = 1/(2B).
Odgovor 8.2. Samo jedan clan (n = 0) u interpolacijskoj formuli nije nula,
x(t) = sinc(2Bt)
Ovo je jedini signal koji zadovoljava zadane uvjete.
Aliasing
Kako idealni NPF ne postoji u praksi, frekvencija otipkavanja mora biti f
s
> 2B (
s
> 4B).
to je f
s
ve ce, rekonstruirani signal bolje aproksimira originalni signal.
Vaan ograni cavaju ci faktor u spektralnoj analizi signala u praksi je problem aliasinga:
Svi su signali u praksi vremenski ograni ceni, te ne mogu istovremeno biti i pojasno ograni ceni.
Znamo da se X
s
() sastoji od kopija od X() koje se ponavljaju svakih f
s
Hz.
Zbog neograni cenog frekvencijskog pojasa, neovisno o f
s
, spektralna se preklapanja uvijek javljaju.
Filtriranjem X
s
() s NPF (B = f
s
/2) dobije se iskrivljena verzija od X() zbog gubitka "repa" kod
X() i njegovog preklapanja na originalni spektar.
Zbog navedenog spektralnog preklapanja, frekvencija f
s
/2 +f
x
u rekonstruiranom signalu javlja se
kao frekvencija f
s
/2 f
x
. (Frekvencija f
s
/2 je tzv. frekvencija preklapanja).
Slika 36: Aliasing u frekvencijskoj domeni.
Slika 37: Utjecaj aliasinga na spektar rekonstruiranog signala.
Antialiasing ltar je NPF s grani cnom frekvencijom f
s
/2 Hz, kojim se eliminiraju sve frekvencijske
komponente signala ve ce od f
s
/2 Hz.
Ovaj se ltar mora primijeniti prije otipkavanja signala.
Njegovom se primjenom u spektru otipkanoga signala frekvencije ve ce od f
s
/2 vie ne pojavljuju kao
aliasi u podru cju ispod f
s
/2 Hz.
Razmotrimo problem aliasinga na primjeru signala x(t) = cos t. Pokazat cemo da su uzorci kosinusa s
frekvencijama
s
/2 +
x
i
s
/2
x
identi cni kada je frekvencija otipkavanja f
s
=
s
/2 Hz.
Otipkavanjem x(t), s periodom T, dobije se signal x(nT) = cos nT.
Za =
s
/2
x
,
x(nT) = cos(
s
/2
x
)nT
= cos(
s
/2)nT cos
x
nT sin(
s
/2)nT sin
x
nT
= cos(
s
/2)nT cos
x
nT sin nsin
x
nT, (
s
T = 2)
= cos(
s
/2)nT cos
x
nT 0 sin
x
nT
= cos(
s
/2)nT cos
x
nT.
Vidimo da su uzorci kosinusa s frekvencijom f
s
/2 +f
x
identi cni uzorcima kosinusa s frekvencijom
f
s
/2 f
x
.
Na primjer, kosinus s frekvencijom 100 Hz i otipkan s frekvencijom 120 Hz, nakon rekonstrukcije
izgleda kao kosinus s frekvencijom 20 Hz (100 = f
s
/2 +f
x
= 60 +f
x
= f
x
= 40
f
s
/2 f
x
= 60 40 = 20).
Kako bismo izbjegli aliasing, kosinusoida s frekvencijom f mora se otipkati tako da frekvencija
otipkavanja f
s
zadovoljava uvjet f
s
2f Hz, tj. mora vrijediti:
0 f f
s
/2.
Slika 38: Utjecaj frekvencije otipkavanja f
s
na rekonstrukciju kosinusa f
0
= 100 Hz: (a) f
s
= 120 Hz, javlja se aliasing, rekonstruirani
signal je kosinus f
r
= 20 Hz (b) f
s
= 240 Hz, nema aliasinga i rekonstruiran je originalni signal f
r
= f
0
= 100 Hz.
Numeri cko ra cunanje Fourierove transformacije: Diskretna Fourierova transformacija (DFT)
Kada otipkani signal periodi cki repliciramo, njegov spektar je periodi can i tako

der otipkan.
Interesira nas u kakvoj su vezi uzorci signala x(t) i uzorci njegovog spektra X().
Slika 39: Otipkani signal i njegov otipkani spektar.
Broj uzoraka signala x(t) u jednom periodu je N
0
= T
0
/T i broj uzoraka u jednom periodu njegovog
spektra je N
0
= f
s
/f
0
=
1/T
1/T
0
=
T
0
T
= N
0
.
Pove cavanjem N
0
opada f
0
; kaemo da raste spektralna (frekvencijska) rezolucija signala.
Neka je k - ti uzorak od x(t) x
k
= Tx(kT) =
T
0
N
0
x(kT), i r - ti uzorak od X() X
r
= X(r
0
), gdje je
0
= 2f
0
= 2/T
0
. Tada je:
X
r
=
N
0
1
k=0
x
k
e
jr
0
Tk
=
N
0
1
k=0
x
k
e
jr
0
k
(direktna DFT od x
k
) (84)
x
k
=
1
N
0
N
0
1
r=0
X
r
e
jr
0
k
,
0
=
0
T (inverzna DFT od X
r
) (85)
x
k
X
r
(DFT par)
x
k
i X
r
su N
0
- periodi cni nizovi (tj. nizovi s period N
0
).
25 20 15 10 5 0 5 10 15 20 25
0
0.1
0.2
0.3
0.4
0.5
f [Hz]
|
X
(
f
)
|
(a)
25 20 15 10 5 0 5 10 15 20 25
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
f [Hz]
|
Y
(
f
)
|
(b)
25 20 15 10 5 0 5 10 15 20 25
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
f [Hz]
|
Y
z
p
(
f
)
|
(c)
Slika 40: DFT pomo cu Matlab funkcije FFT (f
s
= 50 Hz, N
0
= 50) signala: (a) x(t) = cos(210t), (b) y(t) = e
j210
1
3
t
, (c) signal u
(b) za N
0
= 600.
Odabir DFT parametara
Prilikom ra cunanja DFT nuno je odabrati adekvatne vrijednosti parametara N
0
, T i T
0
.
Za signal koji ima frekvencijski pojas B =T =
1
2B
Ako je eljena frekvencijska rezolucija (razmak izme

du uzoraka u X()) f
0
=T
0
=
1
f
0
Kada su nam poznati T i T

0
=N
0
=
T
0
T
Kako bi se sa cuvale sve vane informacije u spektru signala, f

0
mora biti malo (tj. T
0
mora biti veliko,
odnosno N
0
mora biti veliko).
Ovo se postie dodavanjem uzoraka cija je vrijednost nula na kraj signala (engl. zero padding), to
pove cava broj uzoraka u njegovom spektru.
Vano je napomenuti da T mora biti to manje kako bi se smanjio aliasing, te na taj na cin dobio to
to cniji prikaz signala.
Primjer 8.3. Signal ima trajanje 2 ms i frekvencijski pojas od 10 kHz. Koliko mora biti N
0
u DFT ako je
eljena frekvencijska rezolucija 100 Hz?
Odgovor 8.3. = 2 ms, B = 10000 Hz, f
0
= 100 Hz.
T
0
=
1
f
0
=
1
100
= 10 ms zero padding: T
0
= 10 2 = 8 ms
f
s
= 2B = 20000 Hz
N
0
=
f
s
f
0
=
20000
100
= 200.
U ekasnim implementacijama DFT-a, npr. FFT u Matlabu, parametar N
0
= 2
n
, n Z
+
.
U naem primjeru mogli bismo uzeti da je N
0
= 256, te prilagoditi parametre T i T
0
kako bismo smanjili
aliasing i pove cali rezoluciju:
T smanjimo s originalnih 50 na 45 s, i
T
0
pove camo s originalnih 10 na 11.5 ms (tj. poboljamo frekvencijsku rezoluciju f
0
za
100 86.96 = 13.04 Hz).
9. Literatura
Korisna literatura
Lathi, Linear Systems and Signals, 2/E, Oxford University Press, 2010. (Fakultetska knjinica i
Sveu cilina knjinica)
Soliman and Srinath, Continuous and Discrete Signals and Systems, 2/E, Prentice Hall, 1998.
(Fakultetska knjinica)
Hsu, Schaums Outline of Theory and Problems of Signal and Systems, McGraw-Hill, 1995. (Sveu cilina
knjinica)
Vranki c, Signali i sustavi: zbirka rijeenih zadataka, Graphis, 2007. (Fakultetska knjinica)
Haykin, Signals and Systems, 2/E, Wiley, 2003.
Oppenheim, Willsky, and Hamid, Signals and Systems, 2/E, Prentice Hall, 1997.
Phillips, Parr, and Riskin, Signals, Systems, and Transforms, 3/E, Prentice Hall, 2003.
Mandal and Asif, Continuous and Discrete Time Signals and Systems, Cambridge University Press,
2007.
Ziemer, Tranter, and Fannin, Signals and Systems: Continuous and Discrete, 4/E, Prentice Hall, 1998.
McGillem and Cooper, Continuous and Discrete Signal and System Analysis, 3/E, HRW Saunders,
1991.
Ostala literatura dostupna na web stranicama izdava ca: Prentice Hall, McGraw-Hill, Wiley, Elsevier,
Springer, ...

Sis 2013

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Sis 2013

Uploaded by

Copyright:

Available Formats

SIGNALI I SUSTAVI 2013./14.

V. Su ci c, Signali i sustavi - Predavanja 15

Kao to vidimo, snaga P ne ovisi niti o frekvenciji f

x() (t ) d = x(t) (t) = x(t) (konvolucija)

Primjer 3.4. Pokazati da je y(t) = T {x(t)} = e

den ulaznim signalom x(t), te je stoga

x()h(t )d, to kra ce piemo y(t) = x(t) h(t).

x()( t)d = x(t).

x()d zovemo idealni integrator.

denog jedini cnom stepenicom.

|h(t)|dt < . (19)

V. Su ci c, Signali i sustavi - Predavanja 96

) + 0.125 cos(4t 82.87

) + 0.063 cos(8t 86.42

V. Su ci c, Signali i sustavi - Predavanja 118

den signalom na slici.

Koecijente Fourierovog reda moemo jo denirati i kao

|x(t)|dt < . (43)

x()(t )d (ulaz x(t) je zbroj impulsa)

x()h(t )d (y(t) je zbroj impulsnih odziva) (44)

V. Su ci c, Signali i sustavi - Predavanja 140

Na ci njegov impulsni odziv.

Inverzna Fourierova transformaciju od H() daje impulsni odziv sustava:

x()x( t)d = x(t) x(t) (75)

Ako je eljena frekvencijska rezolucija (razmak izme

Kada su nam poznati T i T

Kako bi se sa cuvale sve vane informacije u spektru signala, f

You might also like