Semnale Circuite Si Sisteme

Emil
CEANG

Iulian
MUNTEANU

Antoneta
BRATCU

Mihai
CULEA

S SE EM MN NA AL LE E
, ,

C CI I R RC CU UI I T TE E
s si i S SI I S ST TE EM ME E

EDITURA ACADEMICA
Part ea I : Anal i za semnal el or

Emil Ceang, Iulian Munteanu, Antoneta Bratcu, Mihai Culea
Semnale, circuite i sisteme. Partea I: Analiza semnalelor
Referent: Dr. Ing. Ion Mitescu

Editura ACADEMICA
Str. Domneasc 111
6200 Galai ROMNIA

Copyright 2001 Editura Academica
Toate drepturile rezervate

Nici o parte din aceast publicaie nu poate fi reprodus,
nregistrat sau transmis, n nici o form, prin mijloace
electronice, mecanice, fotocopiere sau altele, fr
permisiunea scris a editurii.

Tiprit la Universitatea Dunrea de Jos din Galai

ISBN 973-8316-16-2

Prefa

Modelarea matematic a semnalelor are o importan deosebit n
problematica transmiterii i procesrii informaiei. Transferul unui semnal
printr-un sistem poate fi analizat utiliznd o procedur de integrare a ecuaiei
difereniale care leag mrimea de ieire din sistem (rspunsul sistemului) de
semnalul aplicat la intrarea sistemului. Aceast abordare, de tip temporal,
are numeroase dezavantaje i limitri, nefiind adecvat situaiilor curente, cnd
semnalele au forme oarecare i nu pot fi descrise ca simple funcii de timp. n
aceste situaii, singura abordare posibil i eficient are la baz modelarea
spectral a semnalelor.

Obiectivul principal al acestei lucrri const n prezentarea fundamentelor
modelrii spectrale a semnalelor. S-a pus accentul pe analiza semnalelor
deterministe cu timp continuu (analogice) i mai ales pe modelarea
semnalelor cu timp discret (numerice). S-au inclus i unele noiuni de baz
privind semnalele aleatoare. n ultimul capitol al lucrrii este prezentat o
succint introducere n analiza timp - frecven a semnalelor nestaionare.

Principalele noiuni introduse au fost ilustrate prin exemple. S-a acordat o
atenie deosebit prezentrii modalitilor de utilizare a procedurilor incluse n
mediul Matlab, pentru rezolvarea unor probleme specifice de modelare a
semnalelor.

Prin coninutul ei, lucrarea are n vedere pregtirea de baz a studenilor
de la diferite specializri de inginerie electric: n primul rnd a studenilor
electroniti, dar i a celor de la specializrile de Automatic i Informatic
Industrial, de Acionri Electrice, etc.

Autorii in s i mulumeasc domnului conf. dr. ing. Ioan Mitescu, care a
acceptat sarcina de a fi referentul acestei lucrri i ale crui observaii i
sugestii au contribuit la buna ei finalizare.
Apariia lucrrii a fost posibil cu sprijinul financiar oferit prin grantul
Nr. 44081/16.11.1998, din cadrul Programului CNFIS.

Autorii, septembrie 2001
i

Cuprins

Capitolul 1: I NTRODUCERE 1
1.1. Noiunea de semnal 1

Capitolul 2: MODELAREA SEMNALELOR
PERI ODI CE 5
2.1. Seria Fourier generalizat (SFG) 5
2.2. Analiza Fourier a semnalelor periodice 11
2.2.1. Seria Fourier trigonometric (SFT) 11
2.2.2. Seria Fourier armonic (SFA) 12
2.2.3. Seria Fourier complex (SFC) 13
2.3. Utilizarea sistemelor de funcii binare ortogonale
n modelarea semnalelor periodice 23
2.3.1. Analiza Fourier Walsh 23
2.3.2. Analiza Fourier Rademacher 29
2.3.3. Analiza Fourier Hadamard 29
2.3.4. Analiza Fourier Haar 30
2.4. Analiza polinomial a semnalelor periodice 31

NEPERI ODI CE 35
3.1. Analiza spectral a semnalelor utiliznd
transformata Fourier 35
3.2. Semnificaia fizic a caracteristicilor spectrale 37
3.3. Proprietile caracteristicilor spectrale 41
3.4. Utilizarea distribuiei (t) n analiza semnalelor 43
3.4.1. Definiia distribuiei delta 43
3.4.2. Proprietile distribuiei delta 44
3.4.3. Determinarea unor caracteristici spectrale
utiliznd distribuia ( ) t 46
3.4.4. Distribuia delta periodic 49
3.4.5. Calculul numeric al caracteristicilor spectrale
ale semnalelor utiliznd distribuia 50
3.5. Convoluia semnalelor 54
3.6. Utilizarea transformatei Laplace
n modelarea semnalelor 58
3.6.1. Noiuni generale 58
Semnale, circuite i sisteme. Partea I: Semnale
ii
3.6.2. Proprieti ale transformatei Laplace 60
3.7. Reprezentarea semnalelor prin transformata Hilbert 63
3.7.1. Transformata Hilbert. Semnalul analitic 63
3.7.2. Caracteristica spectral a transformatei
Hilbert i a semnalului analitic 64
3.7.3. Transformata Hilbert a semnalelor periodice 65
3.7.4. Proprietile semnalelor cauzale 68

Capitolul 4: SEMNALE MODULATE 71
4.1. Noiuni generale privind modulaia semnalelor.
Tipuri de modulaie 71
4.2. Semnale modulate n amplitudine
pe purttor armonic 72
4.2.1. Modulaia n amplitudine cu purttoare
i dou benzi laterale 72
4.2.2. Modulaia n amplitudine de tip produs 79
4.2.3. Modulaia n amplitudine
cu band lateral unic (BLU) 83
4.2.4. Modulaia BLU utiliznd transformata Hilbert
(metoda semnalului analitic) 83
4.2.5. Modulaia BLU utiliznd metoda Weaver 85
4.2.6. Principiul multiplexrii n frecven 88
4.3. Semnale cu modulaie unghiular 90
4.3.1. Noiuni generale privind modulaia unghiular 90
4.3.2. Analiza spectral a semnalului modulat
n frecven 91
4.3.3. Analiza spectral a semnalului modulat n faz 97
4.3.4. Semnale modulate MP i MF
cu indice redus de modulaie 98
4.4. Modulaia impulsurilor 100
4.4.1. Modulaia impulsurilor n amplitudine (MIA) 100
4.4.2. Principiul multiplexrii n timp a semnalelor 106
4.4.3. Modulaia impulsurilor n faz i n frecven 107
4.4.4. Modulaia impulsurilor n durat 113

Capitolul 5: SEMNALE EANTIONATE 115
5.1. Introducere 115
5.2. Modelarea semnalelor eantionate 115
5.3. Transformata Z 123
5.3.1. Transformata Z direct 123
5.3.2. Transformata Z invers 125
5.4. Proprietile transformatei Z 125
Cuprins
iii
5.5. Convoluia semnalelor eantionate 129
5.6. Metode de calcul pentru transformata Z direct 130
5.7. Calculul transformatei Z inverse 133
5.8. Transformata Fourier discret 137
5.9. Transformata Hilbert discret 146

Capitolul 6: SEMNALE ALEATOARE 151
6.1. Noiunea de semnal aleator 151
6.2. Clasificarea semnalelor aleatoare 152
6.3. Caracterizarea statistic a semnalelor 154
6.4. Teorema Wiener Hincin 156

Capitolul 7: ANALIZA TIMP FRECVEN 167
7.1. Introducere 167
7.2. Planul timp frecven 167
7.3. Principiul incertitudinii 169
7.4. Transformata Gabor continu (CGT) 171
7.5. Undine 173
7.6. Transformata continu n undine
(CWT Continuous Wavelet Transform) 176
7.7. Transformata invers n undine 179
7.8. Transformata discret n undine
(DWT Discrete Wavelet Transform) 181
7.8.1. Discretizarea CWT 181
7.8.2. Analiza multirezoluie 182
7.9. Baze ortonormate de undine 184

Bibliografie 191

Repertoriu de figuri 193

Index alfabetic 199

iv

1

Capitolul 1

I NTRODUCERE

1.1. Noiunea de semnal
Se numete semnal o mrime fizic msurabil, purttoare de informaie,
care poate fi transmis la distan, recepionat i/sau prelucrat. n cele ce
urmeaz, se va aborda problema modelrii formei semnalelor, fr a ne
preocupa de coninutul n informaie al semnalelor.
Un semnal unidimensional, numit i semnal 1D, este o funcie de timp,
notat generic prin x(t), t . De regul, mrimea fizic variabil
reprezentnd semnalul este o tensiune electric. Totui, n echipamentele de
automatizri se utilizeaz i semnale de alt natur fizic, aa cum sunt,
de exemplu: curentul electric, presiunea aerului instrumental, deplasarea unui
corp solid. n telecomunicaii, semnalul 1D este ntotdeauna o tensiune
electric variabil n timp.
Fie [ ]
1 2
,
t
t t = suportul semnalului x(t), adic intervalul de timp finit n
care se observ (msoar) semnalul. Funcia x(t) se consider de modul
integrabil:
(1.1)
2
1
( ) d ,
t
t
x t t M M <
,
adic
1
( ) x t L .

Fig. 1.1 Sistem dinamic
Semnalele se pot aplica unor circuite sau, mai general, unor sisteme
dinamice. Fie u(t) semnalul aplicat la intrarea unui sistem i y(t) semnalul
obinut la ieirea acestuia, numit i rspuns al sistemului la semnalul de intrare
(fig. 1.1). Sistemele dinamice realizeaz prelucrarea semnalelor, conform cu
funciunile realizate de echipamentele electronice n care sunt nglobate.
Exemplificm cteva operaii uzuale de prelucrare a semnalelor:
integrarea unui semnal, derivarea acestuia, filtrarea (extragerea unor
componente spectrale ale semnalului sau, dup caz, eliminarea componentelor
parazite), modulaia semnalelor, etc. De fapt, cele mai multe echipamente
electronice sunt formate din lanuri de sisteme dinamice, care realizeaz
prelucrri consecutive ale semnalelor, conform unei tehnologii care
determin funciunile realizate de echipamentul respectiv.
Sistem
dinamic
u(t)
y(t)

2
Semnalele pot fi: cu timp continuu i cu timp discret. n circuitele
analogice de procesare, semnalele sunt cu timp continuu, fiind adesea numite
semnale analogice.
Semnalele numerice pot fi generate de echipamente numerice sau se pot
obine din cele analogice prin dou operaii:
eantionarea semnalului, adic discretizarea timpului t cu un pas T
e
,
numit perioad de eantionare. Semnalul cu timp discret, ( )
e
x kT , este notat
adesea cu ( ) x k , unde k reprezint timpul discret, adic pasul curent de
eantionare;
cuantizarea semnalului, adic discretizarea amplitudinii
eantioanelor ( ) x k . Se alege un pas de cuantizare, , iar rezultatul operaiei
de cuantizare este un numr ntreg, q , astfel nct produsul q s fie ct mai
apropiat de amplitudinea eantionului cuantizat.

Fig. 1.2 Sistem numeric
Cele dou operaii se realizeaz uzual n cadrul unui convertor
analogic/numeric (A/N). La ieirea acestuia se obine un ir de valori
numerice, { }
k
x , aferente momentelor de timp discrete k. Acest ir reprezint
un semnal numeric. ntr-un sistem numeric (fig. 1.2), procesarea semnalului de
intrare, { }
k
u , n vederea obinerii rspunsului { }
k
y se realizeaz prin mijloace
software.
Semnalele care au o evoluie ce nu este supus hazardului se numesc
semnale deterministe. Alturi de acestea, se ntlnesc i semnalele aleatoare, a
cror evoluie n timp este supus hazardului, aa cum sunt perturbaiile care
afecteaz sistemele de transmitere i prelucrare a informaiilor.

Fig. 1.3 Sistem 2D
Din clasa semnalelor unidimensionale menionm: semnalul vocal,
semnalul radio (modulat n amplitudine sau n frecven), semnalele furnizate
de traductoare ale mrimilor fizice uzuale (temperatur, vitez .a.) etc.
Semnalele bidimensionale, numite i semnale 2D, sunt de regul
imagini. Fie
1 2
( , ) u x x un semnal bidimensional, n raport cu coordonatele
spaiale x
1
i x
2
. Mrimea u reflect valoarea nivelului de gri n punctul de
coordonate x
1
i x
2
. Ca i n cazul semnalelor unidimensionale, modelarea
Sistem 2D
1 2
( , ) y x x
1 2
( , ) u x x
Sistem numeric
(realizare software)
u
k y
k
1. Introducere

3
matematic a semnalelor 2D vizeaz facilitarea descrierii operaiilor de
prelucrare. Aceste operaii de prelucrare se realizeaz cu ajutorul sistemelor
2D (fig. 1.3). Semnalul de ieire din sistem,
1 2
( , ) y x x , se obine prin aplicarea
unor operaii specifice (filtrare, extragere contur, etc.) aplicate semnalului de
intrare
1 2
( , ) u x x .
Obiectivul acestei lucrri const n descrierea modelelor matematice ale
semnalelor unidimensionale. S-a pus accentul pe semnalele deterministe cu
timp continuu (analogice) i cu timp discret (numerice). n privina semnalelor
aleatoare, sunt incluse doar unele noiuni de baz.

4

5

Capitolul 2

MODELAREA SEMNALELOR PERI ODI CE

2.1. Seria Fourier generalizat (SFG)
Instrumentul general de modelare a semnalelor periodice este seria
Fourier generalizat (SFG).
Fie un semnal u(t) observat ntre momentele t
0
i t
0
+T (fig. 2.1). Acest
semnal se consider periodic, adic pn la momentul
0
t s-a reprodus periodic
i dup momentul t
0
+T se reproduce de asemenea periodic.

Fig. 2.1 Semnal periodic
Considernd c u(t) este un semnal n tensiune electric, rezult c
puterea instantanee dezvoltat n rezistena R este
2
( ) ( ) p t u t R = . Se
consider c energia dezvoltat n decursul perioadei T este finit, ceea ce
implic:
(2.1)
0
0
2
( )d
t T
t
u t t
+
<
;
SFG utilizeaz descrierea funciei u(t) cu ajutorul unui sistem de funcii
liniar independente { } ( )
i
t , unde i=0,1,2,3,.... Exprimarea lui u(t) prin SFG
este:
(2.2)
0
( ) ( )
i i
i
u t a t
=
=

n practic, limita superioar a sumei este ntotdeauna finit.
O prim problem care se pune este alegerea funciilor { }
0,1,2,...
( )
i
i
t
=
.
Prima condiie necesar este ca funciile s fie liniar independente. Cerinele
suplimentare pe care le avem n vedere cnd alegem sistemul de funcii sunt
enunate mai jos:
s realizeze o bun aproximare, atunci cnd limita superioar din
T
-T
T T
0 T 2T
u(t)
t
6
sum, N, este dat; dac vom calcula eroarea ntre u(t) i
0
( )
N
i i
i
a t
=
, adic:
0
( ) ( ) ( )
N
i i
i
t u t a t
=
=

, atunci se caut ca aceast eroare s fie ct mai mic;
s poat fi uor generate. Din acest punct de vedere, se recomand
funciile trigonometrice;
determinarea rspunsului unui sistem, cnd la intrare se aplic
semnalul modelat, s se realizeze cu uurin.
Fie un sistem liniar, la intrarea cruia se aplic semnalul u(t), prezentat ca
o dezvoltare dup sistemul de funcii ( )
i
t (fig. 2.2).

Fig. 2.2 Rspunsul sistemului liniar
Conform principiului superpoziiei, rspunsul y(t) este de forma
0
( )
N
i i
i
a t
=
, n care ( )
i
t este rspunsul sistemului la intrarea ( )
i
t
( ( ) ( )
i i
t t ). Scopul nostru este de a obine rspunsul y(t) cu un volum de
calcul ct mai redus. Pentru aceasta, rspunsul ( )
i
t trebuie s se obin ct
mai uor posibil. Din acest punct de vedere, funciile trigonometrice sunt cele
mai avantajoase;
determinarea parametrilor { }
i
a s se realizeze cu uurin.
Se va arta n cele ce urmeaz c, dac sistemul de funcii este ortogonal,
calculul parametrilor { }
i
a devine facil.
Det er mi nar ea par amet r i l or { }, 0,1, 2,...
i
a i =
Vom considera c modelul conine un numr finit de parametri:
(2.3)
0
( ) ( )
N
i i
i
u t a t
=
=

Cazul sistemului de funcii ortogonale
Funciile sunt ortogonale dac:
(2.4)
0
0
2
0,
( ) ( )d
,
t T
i j
t
i
i j
t t t
C i j

+

=

=
,
unde C
i
reprezint norma funciei ( )
i
t . Notm:
0
0
( )d ( )d
t T
t T
t t
+
=

.
u(t)
( )
i i
a t
y(t)
( )
i i
a t
Sistem
liniar
2. Modelarea semnalelor periodice
7
Fie j {1,2,N} fixat. Prin nmulirea relaiei (2.3) cu ( )
j
t i integrare
pe intervalul [t
0
;t
0
+T], se obine:
0
( ) ( )d ( ) ( )d
N
j i i j
i
T T
u t t t a t t t
=
=

,
sau, innd cont de proprietatea de ortogonalitate (2.4),
(2.5)
2
1
( ) ( )d , 1, 2,...
j j
T
j
a u t t t j N
C
= =

Observa i i :
Se constat c parametrii {a
i
}
i=1,2,
se calculeaz n mod independent,
fiecare fa de ceilali.
Dac, pentru un N adoptat arbitrar, rezult o eroare de modelare
inacceptabil, se adaug noi termeni i se calculeaz parametrii
1 2
, ,...
N N
a a
+ +
,
pn se obine precizia dorit pe intervalul T, fr ca parametrii determinai
anterior s fie afectai.

Cazul sistemelor de funcii neortogonale
Relaia (2.3) se nmulete cu ( )
j
t , unde j=0,1,2,N. Cele 1 N + relaii
astfel obinute se integreaz pe intervalul T. Folosind notaiile:
, ( ) ( )d
i j i j
T
t t t =

, , ( ) ( )d
i i
T
u u t t t =

,
rezult un sistem de 1 N + ecuaii liniare cu necunoscutele
0 1 2
, , ,...,
N
a a a a :
0 0 0 1 1 0 0 0
0 0 1 1 1 1 1 1
0 0 1 1
, , ... , ,
, , ... , ,
.
.
.
, , ... , ,
N N
N N
N N N N N N
a a a u
a a a u
a a a u

+ + + =
+ + + =
+ + + =

Acest sistem este compatibil determinat (sistem Cramer). Parametrii
{a
i
}
i=0,1,N
se obin ca fiind unica lui soluie.

Observa i i :
Volumul de calcul este foarte important. Parametrii nu se obin n mod
independent, ci se obine ntregul set, {a
i
}
i=0,1,2,N
.
Dac eroarea de aproximare la valoarea adoptat a lui N nu este
acceptabil, atunci trebuie adugai termeni. n acest caz trebuie recalculai toi
parametrii din model (se reface toat procedura).
Dac funciile nu sunt liniar independente, sistemul liniar de ecuaii
8
obinut este degenerat (matricea sistemului devenind singular, sistemul nu
mai admite o soluie unic).

No i unea de spect ru
Ansamblul parametrilor se reprezint grafic ntr-o manier specific,
reprezentarea respectiv numindu-se spectru (fig. 2.3).

Fig. 2.3 Spectrul SFG al unui semnal

Uni ci t at ea r epr ezent r i i semnal el or pr i n SFG
Presupunem un semnal u(t), modelat printr-un sistem de funcii
ortogonale { }
1,2,...
( )
i
i
t
=
, de norm C. SFG are expresia teoretic:
(2.6)
0
( ) ( )
i i
i
u t a t
=
=

Presupunem c se utilizeaz pentru modelare un numr finit de termeni, i
anume N. n mod riguros, nu ar trebui s acceptm c n suma respectiv
parametrii sunt identici cu
i
a ; de aceea, parametrii din suma finit se noteaz
cu
i
b . Se obine:
0
( ) ( )
N
i i
i
u t b t
=

Se definete eroarea (instantanee) de modelare:
(2.7)
0
( ) ( ) ( )
N
i i
i
t u t b t
=
=

Calitatea aproximrii pe intervalul [t
0
;t
0
+T] este dat de integrala
ptratului erorii:
(2.8)
2
( )d
T
I t t =

Din (2.8), folosind (2.7), rezult succesiv:
2 2 2
0 0 0
[ ( ) ( )] d ( )d 2 ( ) ( )d [ ( )] d
N N N
i i i i i i
i i i
T T T T
I u t b t t u t t b t u t t b t t
= = =
= = +

5
a
0
a
1
a
2
a
3
a
4
a
1
2
3 4
i

5
6
6
a
0
9
n partea dreapt a acestei relaii, termenul al doilea conine integrale care
sunt egale cu
2
i
C a (conform cu relaia 2.5). Dezvoltarea ptratului din
ultimul termen conduce la integrale ce reprezint produse scalare ale funciilor
( )
i
t i ( )
j
t , care sunt nule pentru i j , i la integrale care reprezint
ptratul normelor funciilor ( )
i
t , adic
2
C . Rezult:
2 2 2 2
0 0
( )d 2
N N
i i i
i i
T
I u t t C a b C b
= =
= +

Adugnd i scznd
2 2
0
N
i
i
C a
=

, se obine:
2 2 2 2 2
0 0
( )d ( )
N N
i i i
i i
T
I u t t C a C a b
= =
= +

Se pune problema s determinm parametrii b
i
care minimizeaz criteriul
de calitate I. Valoarea minim a acestui criteriu se obine atunci cnd b
i
=a
i

unde i=0,1,2,,N. Prin urmare, parametrii modelului cu numr finit de
termeni de dezvoltare sunt unici, indiferent de N, i sunt cei din expresia
teoretic (2.2). Integrala ptratului erorii are expresia:
(2.9)
2 2 2
0
( )d
N
i
i
T
I u t t C a
=
=

ntruct I0 pentru N finit, rezult:
(2.10)
2 2 2
0
( )d
N
i
i
T
u t t C a
=

Relaia (2.10) poart denumirea de inegalitatea lui Bessel.
Vom pune acum primul termen din relaia (2.9), sub forma:
2
( )d ( ) ( )d
T T
u t t u t u t t =

,
unde unul din factorii u(t) se nlocuiete prin modelul (2.2). Rezult:
2
0 0
( ) ( ) ( ) d ( ) ( )d
i i i i
i i
T T T
u t u t a t t a u t t t

= =
(
= =
(

n relaia de mai sus se utilizeaz relaia (2.5) i rezult:
(2.11)
2 2 2
0
( )d
i
i
T
u t t C a
=
=

Aceast relaie reprezint egalitatea lui Parseval. Ea are o interpretare
energetic: dac u(t) este un semnal n tensiune, atunci integrandul
2
( ) u t este
10
puterea instantanee pe o rezisten unitar, iar integrala este energia dezvoltat
n intervalul de timp T. Se constat c aceast energie se repartizeaz pe
componentele dezvoltrii din SFG, proporional cu ptratele parametrilor a
i
,
i=0,1,2,

Pr obl ema de anal i z a semnal el or
Problema se formuleaz astfel: se d semnalul u(t) i se cere spectrul su.
Un analizor de semnal este un aparat care, primind la intrare semnalul u(t), i
furnizeaz la ieire spectrul. Schema de principiu a unui analizor de semnal
este dat n fig. 2.4.
n structura analizorului intr un generator de funcii care furnizeaz setul
de funcii
0 1
( ), ( ),... ( )
N
t t t . Analizorul implementeaz fie analogic, fie
numeric, expresia:
2
1
( ) ( )d , 0,1,...,
i i
T
i
a u t t t i N
C
= =

Fig. 2.4 Schema de principiu a unui analizor spectral

Pr obl ema de si nt ez a semnal el or
n acest caz, spectrul semnalului u(t) este dat i se cere s se sintetizeze
semnalul. Echipamentul care realizeaz operaia se numete sintetizor; acesta
implementeaz relaia (2.3) i are schema de principiu dat n fig. 2.5.
Particularizarea sistemului de funcii ortogonale folosit n modelare
conduce la obinerea diverselor instrumente de modelare concrete. Astfel,
rezult urmtoarele tipuri de modelri:
cu funcii trigonometrice, ceea ce conduce la analiza Fourier clasic;
cu funcii binare: funcii Walsh, funcii Rademacher, funcii Haar,
funcii Hadamard etc.;
cu polinoame ortogonale: Legendre, Laguerre, Hermite, Cebev etc.
i
i
i
0
( ) t
1
( ) t ( )
N
t
GF
0
a
1
a
N
a
i i i
( )
2
0
1
dt
C

( )
2
1
1
dt
C

( )
2
1
d
N
t
C

( ) u t
i
i
i
11

Fig. 2.5 Schema de principiu a unui sintetizor de semnal

2.2. Analiza Fourier a semnalelor periodice
2.2.1. Seria Fourier trigonometric (SFT)
n acest caz sistemul de funcii ortogonale { }
0,1,2,...
( )
i
i
t
=
este
(2.12)
0 0 0 0
0 0
{1, cos( ),sin( ); cos(2 ), sin(2 );
...;cos( ), sin( );...}
t t t t
i t i t

,
cu
(2.13)
0
2
T
= ,
unde T este perioada semnalului periodic, iar
0
este pulsaia. Acest sistem de
funcii nu are aceeai norm. Pentru funciile trigonometrice sunt valabile
relaiile:
0 0
,
cos( ) cos( )d 2
0,
T
T
i j
i t j t t
i j

=

0 0
,
sin( )sin( )d
2
0,
T
T
i j
i t j t t
i j

=

Deci ptratul normei acestor funcii este
2
2
T
C = . n sistemul de funcii
este i o constant, i anume
0
( ) 1 t = . Norma acesteia se obine
din:
2
0
1 1d
T
C t T = =
, deci componentei unitare din sistem i corespunde

norma T .
( ) u t
0
( ) t
1
( ) t ( )
N
t
GF
0
a
1
a
N
a
i i i
i
i
i
=
=
=
12
Prin considerarea sistemului de funcii (2.12) n seria Fourier generalizat
(SFG), rezult urmtoarea relaie:
(2.14)
0 1 0 2 0 3 0 4 0
( ) 1 cos( ) sin( ) cos(2 ) sin(2 )... u t a a t a t a t a t = + + + +
Utiliznd notaiile:
0 0 1 1 2 1
, , ,... a C a C a S = = = , relaia (2.14) devine:
(2.15)
0 0 0
1 0
( ) cos( ) sin( )
i i
i i
u t C C i t S i t

= =
= + +

Calculul parametrilor se face aplicnd relaiile generale (2.5) adaptate la
sistemul de funcii (2.12).
Rezult:
0 0
1 1
( ) ( )d ( ) 1d
T T
C u t t t u t t
T T
= =

(2.16)
0
1
( )d
T
C u t t
T
=

Semnificaia fizic a parametrului C
0
este aceea de medie a semnalului.
Ceilali parametri se obin conform relaiilor:
(2.17)
0
2
( ) cos( )d , 1, 2...
i
T
C u t i t t i
T
= =

(2.18)
0
2
( )sin( )d 1, 2,..
i
T
S u t i t t , i .
T
= =

Relaia (2.15) reprezint expresia semnalului u(t) n seria Fourier
trigonometric (SFT), iar relaiile (2.16), (2.17) i (2.18) servesc la
determinarea spectrului din SFT (fig. 2.6).

Fig. 2.6 Spectrul SFT al unui semnal periodic

2.2.2. Seria Fourier armonic (SFA)
Seria Fourier armonic (SFA) se obine din SFT printr-o transformare
simpl asupra termenului general
0 0
cos( ) sin( )
i i
C i t S i t + , i=1,2:
2
S
5
C
0
C
1
C
2
C
3
C
4
C
0
0

0
2
0
3
0
5

0
0

0
2
0
3
0
4
0
5

1
S
3
S
4
S
5
S

0
4
13
(2.19)
0 0 0
cos( ) sin( ) cos( )
i i i i
C i t S i t A i t + = + ,
unde:
(2.20)
2 2
0 0
, 1, 2,...
i i i
A C S i A C = + = = ,
(2.21) arctg , 1, 2,...
i
i
i
S
i
C
= =
n aceste condiii, relaia (2.15) se poate scrie astfel:
(2.22)
0 0
1
( ) cos( )
i i
i
u t A A i t
=
= + +

Relaia (2.22) reprezint expresia semnalului u(t) n SFA, adic sub form
de sum de armonici, la care se adaug componenta continu
0
A . O armonic
de ordinul i are expresia
0
cos( )
i i
A i t + i reprezint o component
cosinusoidal avnd pulsaia cunoscut,
0
i . Aceast armonic este
determinat prin doi parametri: amplitudinea i faza iniial. Valoarea i=1
corespunde componentei fundamentale, numit simplu fundamental.
Spectrul SFA include spectrul de amplitudini i spectrul fazelor iniiale,
ca n figura (2.7).

Fig. 2.7 Spectrul de amplitudini i de faze iniiale la SFA

2.2.3. Seria Fourier complex (SFC)
Fie armonica
0
cos( )
i i
A i t + din SFA. Reprezentarea nesimplificat n
planul complex a acestei armonici se face printr-un vector rotitor de lungime
i
A i de argument
0 i
i t + :
(2.23)
0 0
( )
i
j i t ji t
i i
Ae Ae
+
= ,
unde
i
j
i i
A Ae

= este reprezentarea n complex simplificat a armonicii i.
0
A
1
A
2
A
3
A
4
A
5
A
0

0
2
0
3
0
4
0
5
0

2
1

0

0
2
0
3
0
4
0
5
0


14
n relaia (2.23) vom da indicelui i i valori negative. nlocuind n relaiile
(2.17) i (2.18) pe i cu i, se obine
i i
C C
= i respectiv
i i
S S
= . Din
relaiile (2.20) i (2.21) rezult c, dac schimbm i n i, avem
*
i
j
i i i
A Ae A

= = (conjugata lui
i
A ). Se obine:
0 0 0 0
( ) ( )
0
1 1
cos( ) ( ) [ ]
2 2
i i
ji t ji t j i t j i t
i i i i i i
A i t Ae A e Ae Ae

+ +
+ = + = + =
0 0 0 0
[cos( ) sin( ) cos( ) sin( )]
2
i
i i i i
A
i t j i t i t j i t = + + + + + +
n expresia (2.22), fiecare termen din sum se poate nlocui cu semi-suma
a dou exponeniale, conform cu relaia de mai sus. Se obine:
(2.24)
0
0
1
( )
2
ji t
i
i
u t A Ae

=
= +

Notnd
0 0
2 A A = , expresia (2.24) devine:
(2.25)
0
1
( )
2
ji t
i
i
u t Ae

=
=

Relaia (2.25) reprezint expresia modelului semnalului n seria Fourier
complex (SFC). n aceast expresie, factorii
0
ji t
e

nu introduc nici o
informaie. ntreaga informaie despre model este inclus n parametrii
i
A .
Pentru calculul parametrilor compleci
i
A se ine cont de relaiile
2 2
i i i
A C S = + i arctg
i
i
i
S
C
= , din care rezult c:
i i i
A C jS =
Vom utiliza aceast relaie, mpreun cu expresiile (2.17) i (2.18) care
definesc parametrii SFT:
0 0
0 0
2
[ ( ) cos( )d ( )sin( )d ]
2
( )[cos( ) sin( )]d
i
T T
T
A u t i t t j u t i t t
T
u t i t j i t t
T

= =
=

sau:
(2.26)
0
2
( ) d
ji t
i
T
A u t e t
T

=

SFC este complet definit de relaiile (2.25) i (2.26). Examinnd acest
model se constat prezena n prima relaie a factorului , iar n a doua relaie
a factorului 2. Este evident faptul c modelul poate fi pus sub o form mai
simpl, utilizat uzual n aplicaii:
15
(2.27)
0
( )
ji t
i
i
u t A e

=
=

(2.28)
0
1
( ) d
ji t
i
T
A u t e t
T

=

Reprezentarea spectral a semnalului n SFC este ilustrat n fig. 2.8. Aici
s-a considerat c semnalul are n SFA spectrul din figura 2.7. Spectrul de
amplitudini din SFC are simetrie par. Trecerea de la spectrul de amplitudini
din SFA la cel din SFC se face diviznd la 2 amplitudinile
i
A i atribuind
amplitudinile njumtite inclusiv frecvenelor discrete negative,
0
i .
Spectrul fazelor iniiale n SFC are simetrie impar, iar pentru frecvene
pozitive el este identic cu cel din SFA. Deci legtura dintre SFC i SFA este
dat de relaiile:
(2.29)
1
2
i i
A A
= ;
i i

=

Fig. 2.8 Spectrul unui semnal periodic n SFC
Observa i i :
1. Pentru simplificarea exprimrii, s-a utilizat noiunea de spectru i n
cadrul SFC, chiar dac aici reprezentarea spectral include mrimi fr
corespondent fizic (frecvene negative).
2. La calculul parametrilor SFT cu relaiile (2.17) i (2.18) se ine cont de
urmtoarele reguli de calcul:
dac u(t) este funcie par, adic ( ) ( ) u t u t = , rezult:
(2.30)
/ 2 / 2
0 0
0 0
2 4
0; ( )d ; ( ) cos( )d , 1, 2,...
T T
i i
S C u t t C u t i t t i
T T
= = = =

dac u(t) este funcie impar, adic ( ) ( ) u t u t = , rezult:
3
0
2
0
3
0
4
0
5
0

0
2
0
3
0
4
0
5
0
0 0
A A =
1 1
2
1
A A =
2 2
2
1
A A =
3 3
2
1
A A =
4 4
2
1
A A =
1 1
A A =
4 4
A A =
2 2
A A =
3 3
A A =
0
2
0
3
0
4
0
5
0

0
2
0
3
0
4
0
5
0
1

1
2
1
3
1
4
1
5

16
(2.31)
/ 2
0
0
4
0; ( )sin( )d , 1, 2,...
T
i i
C S u t i t t i
T
= = =

3. Fie u(t) semnalul modelat prin SFC, conform relaiilor (2.27) i (2.28).
Presupunem c semnalul este ntrziat cu timpul . Pentru obinerea modelului
semnalului ntrziat, u(t-), se nlocuiete t cu t- n SFC, rezultnd:
0 0 0 0
( )
( )
ji t ji ji t ji t
i i i
i i i
u t Ae Ae e Ae

= = =
= = =

,
unde
0
ji
i i
A Ae

= . Constatm c
i i
A A = , deci spectrul de amplitudini nu
se modific, dar fazele iniiale sunt afectate de ntrziere:
(2.32)
0 i i
i =
Apl i ca i a 2. 1:
S se determine SFT, SFA i SFC pentru semnalul din fig. 2.9.

Fig. 2.9 Semnal de tip sinus ptrat
ntruct funcia are simetrie impar, se aplic relaiile (2.31):
/ 2
/ 2
0 0
0
0 0 0
0
0;
cos( ) 1 cos( / 2) 4 4 4
( )sin( )d
T
i
T
i
C
i t i T
S u t i t t
T T i T i

=
| |
= = =
|
\ .

nlocuind
0
2 T = se obine:
4
, impar
0, par
i
i
S i
i

Fig. 2.10 Spectrul SFT al semnalului din fig. 2.9
4
0
C
1
S
1
C
2
C
3
C
4
C
5
C
6
C
2
S
3
S
4
3
4
S
5
S
4
5
6
S
0
3
0
5
T

1
1 +
T
2
T
2
T
( ) u t
17
Valorile nenule ale parametrilor
i
S se obin pentru 2 1 ( 0,1,...) i k k = + =
i au expresia
2 1
4
; 0,1,...
(2 1)
k
S k
k
+
= =
+
Cu parametrii
i
C i
i
S dedui,
expresia (2.15) devine:
(2.33) | |
0
0
4 1
( ) sin (2 1)
2 1
k
u t k t
k

=
= +
+

Spectrul SFT este reprezentat n fig. 2.10.

Fig. 2.11 Spectrul SFA al semnalului din fig. 2.9
Dac se exprim funcia sinus prin funcia cosinus, expresia (2.33) devine:
(2.34) | |
0
0
4 1
( ) cos (2 1) 2
2 1
k
u t k t
k

=
= +
+
,
reprezentnd SFA. Exist numai armonici de ordin impar, caracterizate de
relaiile:
2 1 2k+1
4 1
; 2; 0,1,...
2 1
k
A k
k

+
= = =
+

Fig. 2.12 Spectrul SFC al semnalului din fig. 2.9
Spectrul de amplitudini i de faze iniiale din SFA este reprezentat n
fig. 2.11. n conformitate cu relaiile existente ntre spectrele SFA i SFC, se

2

2
3
2
5

0
3
0
5
0
2
0
4
0
6
2
0

2
3

2
5

0
3
0
5
0
2
0
4
0
0
3
0
5
0
5
0
3
0

2
0
4

0

1
A
1

3
2
A
3
A
4
3
4
A
5
A
4
5
6
A

0
3
0
5
2

18
deduce spectrul SFC, reprezentat n fig. 2.12.
n fig. 2.13 sunt prezentate graficele semnalului u(t) i ale semnalului
( ) u t calculat cu SFA coninnd numai armonica 1 ( 1 i = ), respectiv coninnd

2 armonici ( 1, 3 i = ), 3 armonici ( 1, 3, 5 i = ) i 4 armonici ( 1, 3, 5, 7 i = ).
Programul Matlab utilizat pentru generarea aproximrilor lui u(t) prin
SFA este:
clear all;
T=1;w=2*pi/T;
t=0:0.01:T;u=sign(sin(w*t));
plot(t,u);grid;hold on;
for i=1:4,
u=0;
for k=1:i,
u=u+sin((2*(k-1)+1)*w*t)/(2*(k-1)+1);
end;
u=u*4/pi;
plot(t,u,'k');
end;
hold off;

Fig. 2.13 Semnalul u(t) i diferite aproximri ale sale prin SFA
Observa i e:
Spectrul unor semnale se poate obine din spectrul cunoscut al unui
semnal de referin, prin nsumarea unei constante i/sau modificarea scrii
i/sau operaie de ntrziere. De exemplu, considernd u(t) din fig. 2.9 ca
semnal de referin, semnalul periodic din fig. 2.14 se scrie:
1 0
( ) 1.5 0.5 ( ) u t u t t = +
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-1.5
-1
-0.5
0
0.5
1
1.5
( ) u t
1 i =
1, 3 i =
1, 3, 5 i =
1, 3, 5, 7 i =
t
T

( ) u t
19
Avnd n vedere relaiile (2.32) i (2.34), spectrul SFA al semnalului
1
( ) u t este:
1 0 0 0
0
2 1
( ) 1.5 cos (2 1) (2 1)
2 1 2
k
u t k t k t
k

=
(
= + + +
(
+

,
deci:
0
1.5 A = ;
2 1
2 1
2 1
k
A
k
+
=
+
;
2 1 0 0
(2 1)
2
k
k t

+
= +

Fig. 2.14 Semnal derivat din semnalul u(t), dat n fig. 2.9
Apl i ca i a 2. 2:
Fie x(t) un tren de impulsuri de arie unitar, reprezentat n fig. 2.15. S se
modeleze semnalul prin seria Fourier, tiind c T=1 ms i =0.2 ms.

Fig. 2.15 Tren de impulsuri de arie unitar
Se utilizeaz SFC. Pentru a calcula parametrii
i
A folosim relaia (2.28):
(2.35)
( )
0 0 0
2 2
0
2 2
0
1 1 1 1 1
e d e d e
1
sinc
2
ji t ji t ji t
i
T
A u t t t
T T T ji
i
T

| |
= = = =
|
\ .
| |
=
|
\ .

,
unde sinc() este funcia sinus cardinal. Rezult parametrii
i
A i
i
:
(2.36)
0
0 0
1 2
; 2 sinc ,
2
i i
i
A A A A
T T
| |
= = = =
|
\ .
3 2 1 , , i =
1
2
T T
( ) x t
t
0
( )
1
u t
t
1
2
0
t
T
2
T
20
(2.37)
0
0
0, pentru sinc 0
2
, pentru sinc 0
2
i
i
i
| |

|
\ .
=

| |
<
|
\ .

Graficul funciei sinc(x) este dat n fig. 2.16, a). Reprezentarea semnalului
cu ajutorul SFC este:
(2.38) ( )
0 0
0
1
e sinc e
2
ji t ji t
i
i i
i
x t A
T

= =
| |
= =
|
\ .

Fig. 2.16 Funcia sinus cardinal a) i spectrul unui tren de impulsuri b)
Funcia sinus cardinal se anuleaz pentru
0
2
i
k
= sau, altfel,
0
2
2
i
f k = . Deci 0
i
A = pentru frecvena
1
f
= ,
0
1
f
T
= , i pentru
* *
2 , 3 ,... f f . Spectrul SFC este reprezentat n fig. 2.16, b). Se observ c
5 10
0 A A = = = .
Pornind de la relaia (2.29) se poate construi spectrul de amplitudini (fig.
2.17, a)) i de faze (fig. 2.17, b)), care caracterizeaz seria Fourier armonic.

Fig. 2.17 Spectrul de amplitudini i de faze al unui tren de impulsuri
x
( ) x sinc
1
2

-2
-
a)
0.2
0
f
0
f
1 =
*
f
| | Hz f

1 T
0
2 f

i
A T A 1
0
=
2
sinc
1
0
1

T
A =
b)
*
f 2
*
f 2
*
f
0 0
f
0
2 f
0
5 f
2
sinc
2
0

T

T
1

f
f
0
0
f
0
2 f
0
5 f
0
6 f

a)
b)
2
2
sinc
2
0

T

2
3
sinc
2
0

T

21
Apl i ca i a 2. 3:
Fiind dat un tren de impulsuri cu arie unitar, avnd perioada 2s T = i
durata 0 2s . = , s se realizeze programul care efectueaz urmtoarele
operaii:
calculul componentelor spectrale aferente SFC;
reprezentarea n acelai grafic a semnalului dat (pe o perioad a
acestuia), ct i a semnalelor calculate pe baza unui numr finit de armonici
din spectrul determinat. Se vor considera 9, 19, i 29 armonici n spectru.

Fig. 2.18 Spectrele de amplitudini
i
A i de faze
i

Lista comentat a programului Matlab este urmtoarea:

clear all; clg;
%parametrii trenului de impulsuri
T=2;w0=2*pi/T;tau=0.2;Amplit=1/tau;
%calcului parametrilor modelului spectral
A=zeros(1,50);phi=zeros(1,50);
for i=1:50,
alf=(i-1)*w0*tau/2;
alf=alf/pi;
A(1,i)=abs(sinc(alf)/T);
phi(1,i)=-angle(sinc(alf));
end;
%se calculeaz vectorul ind, necesar n reprezentarea grafic a spectrului
for i=1:50,
ind(i)=i-1;
end;
%reprezentarea spectrului SFC (numai pentru frecvene pozitive)
figure(1)
stem(ind,A(1,:));grid;
figure(2)
stem(ind,phi(1,:));grid;
%generarea trenului de impulsuri i reprezentarea lui grafic
x1=zeros(1,900);x2=Amplit*ones(1,200);
x3=zeros(1,900);x=[x1 x2 x3];
0 5 10 15 20 25 30 35 40 45 50
-3
-2.5
-2
-1.5
-1
-0.5
0
0 5 10 15 20 25 30 35 40 45 50
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
22
dt=0.001;t=[-T/2+dt:dt:T/2];
figure(3);
h=plot(t,x,'k');set(h,'LineWidth',2);
axis([-1 1 -1.5 7]);hold on;
%calculul semnalelor deduse pe baza spectrului determinat
%se utilizeaz 9, 19 i 29 armonici n spectru; se reprezint aceste
%semnale pe un grafic comun cu cel al trenului de impulsuri
for j=9:10:29,
xy=A(1)*ones(1,2000);
for i=1:j,
xy=xy+2*A(1,i+1)*cos(i*w0*t+phi(1,i+1));
end;
plot(t,xy,'k');axis([-1 1 -1.5 7]);end;grid;

Fig. 2.19 Semnalul x(t) i aproximarea acestuia printr-un numr finit de armonici

Fig. 2.20 Detalierea zonei centrale din fig. 2.19
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-1
0
1
2
3
4
5
6
7
( ) x t
t
t
-0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2
0
1
2
3
4
5
6
( ) x t
9 19 29
23
n fig. 2.18 sunt date comnponentele spectrale
i
A i
i
din SFC,
aferente frecvenelor pozitive. n fig. 2.19 este reprezentat semnalul x(t) i
aproximrile acestuia prin considerarea a 9, 19, i 29 armonici. Pentru a
discerne mai bine calitatea aproximrilor, n fig. 2.20 s-a reprezentat, la scar
de timp, zona central din fig. 2.19.

2.3. Utilizarea sistemelor de funcii binare ortogonale n
modelarea semnalelor periodice
n acest caz, funciile ortogonale din sistemul { }
0,1,2,...
( )
i
i
t
=
, utilizat n
dezvoltarea
0
( ) ( )
i i
i
u t a t
=
=

, pot lua doar dou valori. Principalele funcii din
aceast categorie sunt: funciile Walsh, funciile Rademacher, funciile
Hadamard i funciile Haar.

2.3.1. Analiza Fourier - Walsh
Funciile Walsh sunt funcii ortogonale, definite pe o baz de timp,
numit i suport, [0; T], T fiind perioada. Frecvent se utilizeaz ca suport
domeniul [-T/2; T/2]. De asemenea, se poate utiliza un domeniu de timp
normat: = t/T. n acest caz, suportul este [0; 1] sau | | 1 2; 1 2 .
Reprezentarea grafic a primelor N=8 funcii Walsh este dat n fig. 2.21.

Fig. 2.21 Primele 8 funcii Walsh
Intervalul | | 1 2; 1 2 s-a mprit n N subintervale egale, de lime ,
numrul subintervalului fiind o putere a lui 2: 2
p
N = ; n fig. 2.21 p=3.
Funciile Walsh se noteaz prin wal(i, ), i=0,1,...N-1. Prin analogie cu
funciile trigonometrice, funciile Walsh pare se noteaz:
i
0
1
2
3
4
5
6
7
wal( , ), 0, 7 i i =
0
1
1
1 2

1 2

24
(2.39) cal( , ) wal(2 , ), =0,1,2,... 2 1 k k k N =
iar cele impare
(2.40) sal( , ) wal(2 1, ), =0,1,2,... 2 1 k k k N = +
Indicele k din funcia cal(k, ) arat numrul de intersecii ale abscisei din
jumtatea bazei de timp i se numete secvena funciei.
Norma funciilor Walsh, definite n raport cu timpul normat , este 1.
Dac se utilizeaz timpul fizic, t, norma este T .
Dezvoltarea unei funcii periodice u(t) n sistemul de funcii Walsh este:
(2.41)
0
1
( ) wal(0, ) wal( , ), 0
i
i
u t a t a i t t T
=
= +
,
n care:
(2.42)
0
1 1
( )wal(0, )d ( )d
1
( )wal( , )d , 1, 2,...
i
T
a u t t t u t t
T T
a u t i t t i
T
= =
= =

Fig. 2.22 Spectre n analiza Fourier-Walsh, conform modelelor (2.41) a) i (2.43) b)
Expresia (2.41) se poate pune sub forma:
(2.43)
1 1
2 2
0 0
( ) cal( , ) sal( , )
N N
k k
k k
u t c k t s k t

= =
= +

,
a)
5
a
0
a
1
a
2
a
3
a
4
a
0
7
a
6
a
i

2
3
5
6 7 4 1
b)
0
1
k
0 0
c a =

1 2
c a =
2 4
c a =
3 6
c a =
0
1
2
3
k
0 1
s a =

1 3
s a =
2 5
s a =
3 7
s a =
2 3
25
n care:
(2.44)
2
1
( )cal( , )d , 0,1, 2,...
k k
T
c a u t k t t k
T
= = =

(2.45)
2 1
1
( )sal( , )d , 0,1, 2,...
k k
T
s a u t k t t k
T
+
= = =

Spectrul semnalului modelat prin relaiile (2.41) i (2.43) este reprezentat
n fig. 2.22, a), respectiv 2.22, b).
Generarea funciilor Walsh se face, de regul, prin relaii iterative. Vom
ilustra dou astfel de proceduri.
Procedura 1. Se iniializeaz wal(0,), cu valoare unitar pentru 1 2
i zero n rest. n continuare, wal(i+1,), se calculeaz pe baza funciei
anterioare, wal(i,), i=0,1,2, ..., utiliznd ecuaia:
(2.46)
2
1
wal(2 , ) ( 1) wal , 2
4
1
+( 1) wal , 2
4
j
l
j l
j l j
j

(
+
(

+
( | |
+ = + +
| (
\ .
( | |

`
| (
\ . )

cu 0,1, 2,...; 0,1 j l = = , iar | | 2 j este partea ntreag a lui 2 j .

Fig. 2.23 Generarea funciei wal(1,)
Exempl ul 2. 1:
Calculul funciei wal(1,) pe baza funciei wal(0,). n cazul funciei
wal(1,), indicii j i l sunt: 0 j = i 1 l = . Aplicnd relaia (2.46), rezult:
1
-1
wal(1, )
( ) wal 0,2 1 2 +
wal(0,2 )
wal(0, )
( ) wal 0,2 1 2
1 2 1 2
26
(2.47)
1 1
wal(1, ) ( 1) wal 0, 2 ( 1) wal 0, 2
2 2

( | | | |
= + +
| | (
\ . \ .

n fig. 2.23 este ilustrat construcia funciei wal(1,), pe baza celor 2
termeni din partea dreapt a expresiei (2.47).
Calculul funciei wal(5,) se face punnd 2 j = i 1 l = . Rezult:
(2.48)
2 3
1 1
wal(5, ) ( 1) wal 2, 2 ( 1) wal 2, 2
2 2

( | | | |
= + +
| | (
\ . \ .

Generarea funciei wal(5,), este ilustrat n fig. 2.24.

Procedura 2. Se noteaz prin 0,1,... 1 r N = intervalul discret n care se
mparte baza de timp a funciei. Dup iniializarea funciei wal(0,r), calculul
iterativ al celorlalte funcii se face cu relaia:
(2.49)
2
wal(2 , ) ( 1) wal(j,2r)+( 1) wal , 2
2
j
l
j l
N
j l r j r
(
+
(
+

( | |
+ =
`
| (
\ . )

cu 0,1, 2,... j = ; 0,1 l = ; 0,1,..., 1 r N = .
1 2
1 2
wal(5, )
( ) wal 2,2 1 2 +
wal(2,2 )
wal(2, )
( ) wal 2,2 1 2
27
Exempl ul 2. 2:
Deducerea funciei wal(1,r) din wal(0,r) se face cu relaia (2.49), n care
se pune 0 j = i 1 l = . Considernd N=4, rezult:
| | wal(1, ) ( 1) wal(0, 2 ) ( 1) wal(0, 4 2 ) r r r = + +
Construcia funciei este utilizat n fig. 2.25.

Fig. 2.25 Construcia funciei wal(1,r)
Apl i ca i a 2. 4:
S se efectueze analiza Fourier-Walsh a semnalului
0
( ) sin( ) x t t = ,
0
2
T
= , considernd numai primele 6 funcii Walsh.

Fig. 2.26 Semnal sinusoidal
Se face schimbarea de variabil: t T = ; rezult ( ) sin(2 ) x =
(fig. 2.26).
Se calculeaz coeficienii a
i
, i=0,1,...,5, din relaia (2.41), conform
expresiilor (2.42). Deoarece funcia ( ) x este impar, rezult
0 2 4 6
0 a a a a = = = = . n continuare:
1 2 1 2
1
1 2 0
2
( ) wal(1, )d 2 sin(2 )d 0.636 a x
= = = =

wal(1, ) r
( ) wal 0, - 4+2r
wal(0,2 ) r
wal(0, ) r
r

r
r
0 1 2 3
r
1
1
1
2
1
2

( ) x

28
1 2
3
1 2
( ) wal(3, )d 0 a x
= =

1 8 3 8
5
0 1 8
4 sin(2 )d 2 sin(2 )d a =

Fig. 2.27 Aproximarea lui ( ) x prin
( ) x n analiza Fourier - Walsh

n ultima relaie de mai sus, calculm fiecare termen:
1 8
1 8
0
0
1 1
sin(2 )d cos(2 ) 1 cos
2 4

| |
= =
|
\ .

3 8
3 8
1 8
1 8
1 1 2
sin(2 )d cos(2 )
2 2

= =

Se obine:
5
4 2 2
1 cos 0.265
4 2
a

| |
= = =
|
\ .

Deci, semnalul ( ) x se aproximeaz (vezi fig. 2.27) prin expresia:
1 5
( ) wal(1, ) wal(5, ) x a a = +

Fig. 2.28 Funcii Rademacher
1 2
1 2
rad(2, )
rad(1, )
rad(3, )
1
1
1
2
1
2

( ) x
( ) x
29
2.3.2. Analiza Fourier - Rademacher
Funciile Rademacher se genereaz cu relaia:
(2.50)
( )
rad( , ) sign sin 2
i
i
(
=

,
unde | | 1 2,1 2 este timpul normat.
Primele 3 funcii Rademacher sunt ilustrate n fig. 2.28. Din relaia de
definiie (2.50), se constat c toate funciile sunt impare, deci ele nu formeaz
un sistem complet de funcii ortogonale. n consecin, ele pot fi utilizate
numai pentru modelarea semnalelor cu simetrie impar.

2.3.3. Analiza Fourier - Hadamard
Funciile ortogonale Hadamard se genereaz cu relaia:
(2.51)
( )
( )
1 1
sign cos 2 ; 0,1, 2,...; 2
had( , )
( 1) sign sin 2 ; 0,1, 2,...; 2 1
k
k k
k i k
i
k i k
+ +
(
= =

=

(
= = +

unde este timpul normat. Ele formeaz un sistem complet de funcii
ortogonale, ca i funciile Walsh.
n fig. 2.29 sunt ilustrate primele 5 funcii Hadamard.

Fig. 2.29 Funcii Hadamard
1
-1
1 2 1 2
had(0, )
had(3, )
had(4, )
had(1, )
had(2, )
30
2.3.4. Analiza Fourier - Haar
Sistemul de funcii ortogonale Haar { } har( , ) , 0,1, 2,... i i = este definit
prin relaiile:
har(0, ) wal(0, )
har(1, ) wal(1, )

=

(2.52)
0.5
2 pentru
2 2
0.5 1
har(2 , ) 2 pentru
2 2
0 n rest
p
p p
p p
p p
m m
m m
m

+
<
+ +
+ = <
,
unde 0,1, 2,... p = i 0,1, 2,...2 1
p
m = .

Fig. 2.30 Funcii Haar
1 2

1
2
har(1, )
har(2, )
har(0, )
har(3, )
har(4, )
har(5, )
har(6, )
har(7, )
1
1
2
2
2
2
2
2
2
1
31
Notnd prin k p = gradul funciei i prin 1 j m = + ordinul funciei
( 1, 2,..., 2
k
j = ), relaia (2.52) se mai poate scrie ca n ecuaia de mai jos:
(2.53)
1 0.5
2 pentru
2 2
0.5
har( , , ) 2 pentru
2 2
0 n rest
k
k k
k
k k
j j
j j
k j

<

= <

Norma funciilor Haar, exprimate n raport cu timpul normat, este unitar.
Modelul Fourier Haar al unui semnal u(t) este:
(2.54)
0
( ) har( , )
i
i
u a i
=
=
,
unde
1
0
( ) har( , )d
i
a u i =
.
Reprezentarea grafic a primelor 8 funcii Haar este dat n fig. 2.30.

2.4. Analiza polinomial a semnalelor periodice
n SFG, sistemul de funcii utilizat la modelarea semnalului u(t) se deduce
pornind de la un set de funcii polinomiale, de forma { }
1,2,...
( )
i
i
P t
=
. Dac
acestea satisfac relaia:
(2.55)
2
0,
( ) ( ) ( )d
,
i j
T
i
pentru i j
t P t P t t
C pentru i j
=

=
,
atunci polinoamele se numesc ortogonale n raport cu funcia de ponderare
(t). Dac relaia (2.55) este adevrat atunci sistemul de funcii: { }
1,2,...
( )
i
i
t
=
,
n care ( ) ( ) ( )
i i
t t P t = , este un sistem de funcii ortogonale i se
utilizeaz efectiv n SFG. Parametrii a
i
din SFG se calculeaz cu relaiile:
(2.56)
2
1
( ) ( ) ( )d , 1, 2,...
i i
T
i
a u t t P t t i
C
= =

n cele ce urmeaz sunt prezentate principalele funcii polinomiale
utilizate n modelarea semnalelor.
Polinoamele Legendre. Aceste polinoame au funcia de ponderare egal
cu 1, deci sunt efectiv polinoame ortogonale.
Polinoamele Laguerre, cu funcia de ponderare | ) ( ) , 0;
t
t e t

= . Ele
se genereaz cu relaia recursiv:
32
2
1 1
( ) ( 2 1) ( ) ( )
i i i
L t t i L t i L t
+
=
Polinoamele Hermite, cu funcia de ponderare ( )
2
( ) , ;
t
t e t

= .
Ecuaia utilizat pentru generarea acestor funcii este:
1 1
( ) 2 ( ) 2 ( )
i i i
H t t H t i H t
+
=
Polinoamele Cebev, cu funcia de ponderare
| |
2
1
( ) , 1; 1
1
t t
t
= +
i ecuaia recursiv de generare:

1 1
( ) 2 ( ) ( )
i i i
C t t C t C t
+
=
Observa i e:
n principiu, n SFG, putem adopta orice sistem de funcii, cu condiia ca
acestea s fie liniar independente.
Dac se adopt sistemul { }
1,2,...
( )
i
i
f t
=
de funcii liniar independente, este
oportun ca el s se transforme ntr-un sistem de funcii { } ( )
i
t ortogonale,
pentru ca determinarea parametrilor SFG s se fac uor. Se tie c, dac este
ndeplinit condiia ( ) ( )d
i j ij
T
t t t =
, unde
ij
este simbolul lui
Kronecker, atunci sistemul este ortonormal.
Trecerea de la sistemul iniial de funcii { } ( )
i
f t , liniar independente, dar
neortogonale, la sistemul de funcii ortonormale { } ( )
i
t , se face prin
procedura general Gramm-Schmidt de ortogonalizare.
O prezentare elementar a acestei proceduri este dat n cele ce urmeaz:
Se consider
1
(t) definit ca:
1 1 1
( ) ( ) t a f t = , i se impune condiia
ca norma funciei
1
( ) t s fie unitar:
2
1 1 1
, 1 ( )d 1
T
t t = =
,
adic:
2 2
1 1
( )d 1
T
a f t t =
,
de unde se obine a
1
.
Utiliznd
2
( ) f t i
1
( ) f t , se definete
2
( ) t :
2 2 1 3 2
( ) [ ( ) ( )] t a f t a f t = +
Din condiia
1 2
, 0 = rezult a
3
, iar din
2 2
, 1 = se obine a
2
.
Funcia
3
( ) t se definete sub forma:
33
3 4 1 5 2 6 3
( ) [ ( ) ( ) ( )] t a f t a f t a f t = + +
Condiiile
1 3
, 0 = i
2 3
, 0 = se folosesc pentru determinarea
parametrilor a
5
i a
6
, iar pentru determinarea lui a
4
se folosete condiia
3 3
, 1 = .
Procedura se repet pn cnd sunt implicate toate funciile din
sistemul iniial, { } ( )
i
f t .
Dintre funciile iniiale, { }
1,2,...
( )
i
i
f t
=
, cel mai des apelate n modelarea
semnalelor, fcnd obiectul operaiei preliminare de ortogonalizare, sunt
funciile exponeniale, ( )
i
t
i
f t e

= , cu valori impuse pentru
i
.
34

35

Capitolul 3

MODELAREA SEMNALELOR NEPERI ODI CE

3.1. Analiza spectral a semnalelor utiliznd transformata
Fourier
Se caut modelul unui semnal neperiodic oarecare, ( ) u t , de modul
integrabil (fig. 3.1, a)). Pentru aceasta se utilizeaz un alt semnal, periodic,
notat prin ( )
T
u t , care ntr-o perioad T posed forma semnalului ( ) u t (vezi
fig. 3.2, b)).

Fig. 3.1 Semnal periodic obinut dintr-un semnal neperiodic
S modelm semnalul periodic ( )
T
u t prin SFC:
(3.1)
0
1
( )
2
ji t
T i
i
u t Ae

=
=

i, deoarece n perioada T avem u(t) = u
T
(t),
(3.2) ( ) ( )
0 0
1 1
e d e d
ji t ji t
i T
T T
A u t t u t t
T T

= =

Fig. 3.2 Pulsaiile discrete din SFC
nlocuind (3.1) n (3.2), se obine ( ) ( )
0 0
1
e d e
ji t ji t
T
i
T
u t u t t
T

=
(
=
(

,
sau:
(3.3) ( ) ( )
0 0
0
1
e d e
2
ji t ji t
T
i
T
u t u t t

=
(
=
(

,
( ) u t
( )
T
u t
t
t
T T
a)
b)
0
2
0
3
0
0
-2
0
-3
0
0
-

36
cu
0
2 T = . Parametrii
i
A ai SFC sunt asociai pulsaiilor
0
i (fig. 3.2).

Fig. 3.3 Pulsaiile discrete pentru o perioad T foarte mare
S considerm acum o cretere important a perioadei T. S notm
pulsaia care devine foarte mic prin , deci
0
= (fig. 3.3). Relaia
(3.3) devine:
(3.4) ( ) ( )
1
e d e
2
ji t ji t
T
i
T
u t u t t

=
(
=
(

n continuare se admite c perioada T, n care se ncadreaz semnalul dat
iniial, tinde spre infinit, prin transferarea spre a limitei din stnga a
perioadei i spre a limitei din dreapta. Dac T , se obine:
( ) ( )
( ) ( )
;
d ; d d
T
T
u t u t
t t
i

deci:
(3.5) ( ) ( ) ( )
1
lim e d e d
2
j t j t
T
T
u t u t u t t

(
= =
(

Paranteza din partea dreapt a relaiei (3.5) este transformata Fourier a
semnalului u(t), adic:
(3.6) ( ) ( ) { } ( ) e d
jt
U u t u t t
= =
F
Transformata Fourier reprezint modelul matematic al semnalului u(t).
Aceast transformat, numit funcie spectral sau caracteristic spectral a
semnalului, exist i pentru frecvene negative, deci pentru tot domeniul de
frecvene (- , ) . Semnalul u(t) se exprim n funcie de ( ) U prin
transformata Fourier invers:
(3.7) ( ) ( ) { } ( )
1
1
e d
2
j t
u t U U

= =

F
Funcia complex ( ) U se poate exprima prin urmtoarea relaie:

0
i

3. Modelarea semnalelor neperiodice
37
( ) ( ) ( )( ) ( ) ( ) e d cos sin d
j t
U u t t u t t j t t A jB

= = =

,
unde ( ) ( )cos d A u t t t
=

, iar ( ) ( )sin d B u t t t
=

.
n concluzie, se obine:
(3.8) ( ) ( )
( )
e
j
U U

= ,
cu:
( ) ( ) ( )
( ) ( )
( )
( )
2 2
arg arctg
U A B
B
U
A

= +
= =

Funciile ( ) A i ( ) U sunt pare, iar funciile ( ) B i ( ) sunt
impare.

3.2. Semnificaia fizic a funciilor spectrale
Pornind de la relaia (3.4), n ipoteza c perioada T este foarte mare i
intervalul de integrare nu este infinit, putem admite:
( ) ( ) e d
ji t
T
u t t U i

n consecin:
(3.9) ( ) ( ) ( )
1
e
2
ji t
T
u t u t U i

= (

Pentru semnalul ( )
T
u t , SFC este:
(3.10) ( ) e
ji t
T i
i
u t A

=
=

,
unde
0
2
T
= . Conform cu (3.9) i (3.10), rezult:

(3.11) ( )
1
2
i
A U i
= (

Fie o form oarecare a funciei spectrale ( ) U (fig. 3.4, a)). Dac se
discretizeaz axa frecvenelor cu un pas , se observ c produsul
( ) U i reprezint aria
i
a , haurat pe fig. 3.5, a), adic:
(3.12) ( )
i
a U i =
38

Fig. 3.4 Procedeul de discretizare a unei funcii spectrale
Pornind de la relaiile (3.11) i (3.12), se obine:
(3.13) ( )
1 1
2 2
i i
A U i a

= =
Aceast relaie d legtura ntre caracteristica spectral ( ) U i i
spectrul de amplitudini al SFC (fig. 3.4, b)). Pentru modelele spectrale,
trecerea ( ) ( )
T
u t u t corespunde trecerii ( ) { }, ,
i
U i A i = + ,
unde
i
A sunt date de relaia (3.13). Fiecrui interval discret ( ) | | 1 + i , i i
corespunde o armonic elementar avnd amplitudinea (fig. 3.4, c)):
( )
1 1
2
i i i
A A a U i

= =
Se obine:
(3.14) ( )
i
A
U i

Deci mrimea ( ) U i este proporional cu densitatea de amplitudini a
armonicilor,
i
A
. Dac se trece la mrimi infinitezimale, atunci nlocuim

( ) U
( ) i U
i
a
i i
0

i i
i i
A A =
i i
a A
2
1
=
a)
b)
c)
i
0 0
A A =
i i i
a A A
1
2 = =

0
0

0 0
2
1
a A
=
1 1
2 A A =
39
i prin iar
i
A
prin
d
d
A
i rezult ( )
d
d
A
U
= . Cele prezentate
justific utilizarea urmtoarelor denumiri: funcie a densitii spectrale, pentru
( ) U , i densitate spectral de amplitudini, pentru ( ) U .
Fie ( ) ( ) t t u = impulsul real de arie unitar (fig. 3.5). S se calculeze
funcia spectral a acestui semnal.
Funcia spectral este transformata Fourier a semnalului:
(3.15) ( ) ( ) { } ( )
2
2
1
e d e d sinc
2
j t j t
U u t u t t t

| |
= = = =
|
\ .

F ,
deci funcia posed forma dat n fig. 3.6.

Fig. 3.5 Impuls de arie unitar Fig. 3.6 Funcia spectral a impulsului
S considerm acum un tren de impulsuri unitare cu T >> , notat cu x(t)
(fig. 2.15). S notm ( ) ( )
T
u t x t , cu ( ) ( ) lim
T
T
u t u t
= , i
0
2 T = =
frecvena foarte mic a semnalului periodic ( ) ( )
T
u t x t = .
n fig. 3.7, a) i b), se ilustreaz procedeul de discretizare a funciei
spectrale prezentate mai sus.
Se observ c, prin discretizarea funciei spectrale ( ) sinc
2
U

| |
=
|
\ .
a
impulsului ( ) u t (fig. 3.7, a)), se obine spectrul semnalului periodic ( )
T
u t
(fig. 3.7, b)).
Distribuia spectral a energiei semnalului. Fie u(t) un semnal n
tensiune. Mrimea
2
( ) u t este puterea pe o rezisten unitar, iar:
(3.16)
2
( )d W u t t
=

este energia semnalului.
4

( ) U
1

1
2

( ) ( ) u t t =
t
40

Fig. 3.7 Discretizarea funciei spectrale (3.15)
Vom scrie integrandul din (3.16) sub forma
2
( ) ( ) ( ) u t u t u t = , iar un
factor u(t) se expliciteaz n raport cu ( ) U , utiliznd relaia (3.7).
(3.17)
1
( ) ( )d ( ) ( ) d d
2
1
( ) d ( )d
2
j t
j t
W u t u t t u t U e t
u t e t U

(
= = =
(

(
=
(

Dar:
( ) d ( )
j t
u t e t U
,
n concluzie:
(3.18)
2 1
( ) ( )d ( ) d
2
W U U U

= =

ntruct ( ) U este o funcie par, rezult c energia semnalului este:
(3.19)
2
0
1
( ) d W U

=

,
deci funcia
2 d
( )
d
W
U
= este proporional cu densitatea energiei pe axa

pulsaiilor .
2
sinc
1
2
1
i
T
a A
i i
= =
a)
b)

i

T
a A
1
2
1
0 0
= =
=
0
a
2
sinc
i

i

2
sinc

i
a
i
=
2 1
1
2 1
0

41
n mod similar se poate obine un rezultat mai general (teorema lui
Parseval), care include ca un caz particular i relaia (3.18):
1
( ) ( )d ( ) ( )d
2
x t y t t X Y

=

,
unde ( ) X i ( ) Y sunt transformatele Fourier ale semnalelor x(t), respectiv
y(t).

3.3. Proprietile funciilor spectrale
Proprietile funciilor spectrale se confund cu proprietile/teoremele
transformatei Fourier.
Proprietatea liniaritii
Fie semnalele u
i
(t), i=1,2, cu funciile spectrale U
i
(). Atunci:
(3.20) ( ) ( ) ( ) ( )
1
;
i i i i i i i i
i i i i
c u t c U c U c u t

= =
` `
) )

F F
Teorema derivrii n timp
Dac semnalul u(t) are funcia spectral U(), atunci:
(3.21)
( )
( )
d
d
u t
j U
t

=
`

)
F
Teorema integrrii n timp
Dac semnalul u(t) are funcia spectral U(), atunci integrala lui n timp,
( )d
t
u
, are funcia spectral:

(3.22) ( )
( )
d
t
U
u
j

=
`
)
F
Proprietatea paritii
Dac semnalul este par, funcia spectral este real.

Proprietatea simetriei
Fie U() transformata Fourier a unui semnal u(t). Dac se nlocuiete
prin t se obine funcia U(t). Transformata Fourier a acestei funcii este:
( ) { } ( ) ( )
1 1
2 2 d
2 2
j t
U t U t U t e t

= =
`
)

F F
Dac n expresia (3.7) a transformatei Fourier inverse se substituie
variabila prin t, se obine:
( ) ( )
1
d
2
j t
U t e t u

42
Rezult:
(3.23) ( ) { } ( ) 2 U t u = F

Teorema schimbrii de scar
Fie semnalul u(t) cu funcia spectral U(). Atunci funcia spectral a
semnalului cu scara timpului modificat se obine dup cum urmeaz:
d d ( )
t
ja
j t
a
t t t t
u u e t a u e a U a
a a a a

| | | | | | | |
= =
| | | |
\ . \ . \ . \ .

F

De asemenea:
(3.24) ( ) { }
1
u at U
a a
| |
=
|
\ .
F
Deci, o compresie a scrii timpului unui semnal antreneaz dou efecte:
extensia spectrului, adic extinderea domeniului spectral al
acestuia ( a );
creterea de a ori a densitii spectrale de amplitudine.
Prin urmare, dac un semnal avea iniial scara timpului de ordinul
milisecundelor i se trece apoi la scara de microsecunde (pstrndu-i forma),
scara frecvenelor se schimb de la kilohertzi la megahertzi, iar densitatea
spectral de amplitudini crete de 1000 ori.

Teorema ntrzierii
Fie ( ) ( )
i
u t u t = semnalul ntrziat cu timpul . Dac
{ } ( ) ( ) u t U = F , atunci:
( ) { } ( ) ( )
( )
e d e d
j j t
i
u t u t t u

+

=

= F
Deci:
(3.25) ( ) { } ( ) ( ) e
j
i i
u t U U

= = F
ntrzierea nu afecteaz funcia densitii de amplitudine, ci numai
caracteristica de faze.
( ) ( )
i
U U =
(3.26) ( ) ( ) arg ( ) arg ( ) ( )
i
U U = =

Teorema deplasrii spectrelor
Termenul de deplasare a spectrelor se refer la deplasarea
caracteristicilor spectrale pe axa pulsaiei, .
Fie { } ( ) ( ) U u t =F i calculm funcia spectral pentru
0
( )
j t
u t e

:
43
{ }
0 0 0
( )
0
( ) ( ) d ( ) d ( )
j t j t j t j t
u t e u t e e t u t e t U

= = =

F
(3.27)
{ }
0
0
( ) ( )
j t
u t e U
= F
Deci caracteristica spectral ( ) U este deplasat n jurul pulsaiei
0
.
Aceast proprietate este utilizat pentru modelarea semnalelor modulate. O
procedur uzual de modulare a unui semnal u(t) const n nmulirea acestuia
cu un semnal cosinusoidal cu pulsaia
0
, de valoare mare n raport cu
domeniul spectral al funciei ( ) U .
Funcia spectral a produsului
0
( ) cos( ) u t t se exprim innd cont de
egalitatea
0 0
0
1
cos( )
2
j t j t
t e e

(
= +

i de teorema deplasrii spectrelor.
(3.28) { }
mod 0 0 0
1
( ) ( ) cos( ) ( ) ( )
2
u t u t t U U = + +
F

n fig. 3.8, a) i b) sunt reprezentate schematic modulele funciilor spectrale
ale semnalelor ( ) t u i ( )
mod
u t .

Fig. 3.8 Funcia spectral a unui semnal modulat

3.4. Utilizarea distribuiei (t) n analiza semnalelor
3.4.1. Definiia distribuiei delta
Fie x(t) o funcie i
(3.29) ( ) ( ) ( ) d x t t t f x

funcionala prin care funciei x(t) i corespunde valoarea f(x). n (3.29), ( ) t
se numete distribuie i mapeaz funcia x(t) n f(x).
n modelarea semnalelor se utilizeaz frecvent dou distribuii:
distribuia delta (Dirac), ( ) t , prin care unei funcii x(t) i
corespunde valoarea x(0).
( ) U
1
( ) t u ( ) t u
mod

t
0
cos
0
0

( )
mod
U
a)
b)

2 1


44
(3.30) ( ) ( ) ( ) d 0 x t t t x

distribuia treapt unitar (Heaviside), u(t), prin care funciei x(t) i
corespunde valoarea ( )
0
d x t t
:
(3.31) ( ) ( )
0
( )d d x t u t t x t t

=

ntre cele dou distribuii exist relaia ( )
d ( )
d
u t
t
t
= . ntr-adevr,
substituind n (3.30) pe ( ) t prin
d ( )
d
u t
t
se obine:
( ) ( ) ( )
d ( )
d ( ) ' ( )d
d
u t
x t t x t u t x t u t t
t

=

ntruct ( ) 1 u = , ( ) 0 u = i u(t) are valoarea unitar pentru 1 t ,
rezult:
( ) ( ) ( ) ( ) ( )
0
0
d ( )
d ' d ( ) 0
d
u t
x t t x x t t x x t x
t

= = =

3.4.2. Proprietile distribuiei delta
Proprietatea de sondare n timp
(3.32) ( ) ( ) ( )
0 0
d x t t t t x t

Aceast proprietate, ca i cea care urmeaz, decurge din relaia de
definiie (3.30):
(3.33)
0 0 0
( ) ( )d ( ) ( )d ( ) x t t t t x u t u u x t

= + =

Proprietatea de sondare n frecven
(3.34) ( ) ( ) ( )
0 0
- d U U

Deoarece ( )
0
0 t t = pentru
0
t t , rezult:
(3.35) ( ) ( ) ( ) ( )
0 0 0
x t t t x t t t =
45
Transformata Fourier a distribuiei
(3.36) ( ) { } ( ) ( )
0
e d e 1
j t j
t t t

= = = =
F
Caracteristica spectral a unui impuls este constant pentru toate
frecvenele. Transformata Fourier invers pentru ( ) 1 = este ( ) t , conform
cu (3.36), ( ) { } ( )
1
t
= F , sau:
( ) ( )
1 1
e d 1 e d
2 2
j t j t
t

= =

Fig. 3.9 Funcii ( ) , t care pot genera, prin trecere la limit, distribuia ( ) t
Distribuia ( ) t se poate obine prin trecerea la limit a unor funcii
depinznd de un parametru . O asemenea funcie este reprezentat n
fig. 3.5, n care = . Alte funcii ( ) , t care pot genera distribuia ( ) t prin
trecere la limit
(3.37) ( ) ( )
0
lim , t t
=
sunt (fig. 3.9):
( )
1
1 , <
,
0, n rest
t
t
t

| |

|
=

\ .

( )
1
,
2
t
t e

=
( ) , t
1

t
( ) 1 2
t
( ) , t
1
t
( ) , t
( ) , t
( ) 1
t
a)
d)
b)
c)
46
( )
2 2
1
,
t
t e

=
( ) ( )
1
, sinc t t
=

3.4.3. Determinarea unor caracteristici spectrale utiliznd
distribuia ( ) t
O clas larg de funcii (semnale) nu ndeplinesc condiiile de existen
pentru transformata Fourier. ntre acestea, menionm: semnalul constant n
timp, funciile trigonometrice, semnalul treapt, semnalele periodice, etc.
Chiar dac nu exist transformate Fourier de tip funcie pentru aceste semnale,
se pot determina transformate Fourier de tip distribuie. Utiliznd distribuia
delta vom calcula caracteristicile spectrale ale acestor semnale, pentru care
abordarea clasic a transformatei Fourier este inadecvat.

Caracteristica spectral a unei constante
{ }
1 0
1
2 ( ) 2 ( ) d 1
2
j t jt
e e
= = =
F ,
Deci caracteristica spectral a constantei egal cu 1 este:
(3.38) { } 1 2 ( ) = F ,
iar pentru o constant A oarecare:
(3.39) { } 2 ( ) A A = F
Interpretarea relaiei (3.39) este simpl: densitatea spectral este infinit la
0 = , pentru un semnal constant (tensiune continu).

Caracteristicile spectrale ale funciilor trigonometrice
Dac se consider
0 0
e 1 e
j t j t
= , se poate calcula
{ }
0
1 e
j t
F , pornind
de la relaia (3.38) i de la teorema deplasrii n frecven (3.27):
{ } { }
( )
0 0
0
e 1 e 2
j t j t
= = F F

Fig. 3.10 Caracteristica spectral a unui semnal cosinusoidal
n consecin:
0

0

{ }
0
cos t F

47
(3.40) { }
( )
( ) ( )
0 0
0 0
1
cos e e
2
j t j t
o
t

( = + = + +
`

)
F F
(3.41) { }
( )
( ) ( )
0 0
0 0 0
1
sin e e
2
j t j t
t
j j

( = = +
`

)
F F

Observa i e:
Interpretarea relaiilor de mai sus este urmtoarea: se consider
0
cos t ca
fiind o armonic de frecven
0
; densitatea de amplitudini la frecvena
0

este evident infinit (fig. 3.10), pentru c amplitudinea armonicii corespunde
unei singure frecvene
0
(distribuia de amplitudini este concentrat la o
singur frecven:
0
). Deci prezena impulsurilor la frecvenele
0
i (
0
)
n caracteristica spectral { }
0
cos t F este justificat. Trecerea de la
caracteristica spectral a semnalului cosinusoidal la spectrul SFA al acestuia se
face mprind la aria impulsului ( )
0
(fig. 3.4, c)). ntruct aria
acestui impuls este , se obine valoarea 1 pentru amplitudinea armonicii de
pulsaie
0
. n mod similar se face trecerea de la caracteristica spectral a
semnalului
0
sin t la spectrul SFA. Aici intervine factorul 1/j, care semnific
faza iniial de /2 a armonicii de amplitudine unitar i pulsaie
0

( ( )
0 0
1 cos / 2 sin t t = ).

Caracteristica spectral a unui semnal periodic
Dac u(t) este un semnal periodic, atunci seria Fourier complex este dat
de relaia:
0
( )
ji t
i
i
u t A e

=
=

n abordarea clasic, funcia u(t) nu are transformat Fourier, ns vom
calcula caracteristica spectral prin distribuia :
{ }
{ }
0
0
( ) 2 ( )
ji t
i i
i i
u t A e A i

= =
= =

F F

Fig. 3.11 Caracteristica spectral (densitatea spectral de amplitudine)
a unui semnal periodic
0
A
1
2 A
0
0
0
0
2
0
3
0
2

2
2 A
3
2 A
1
2 A
2
2 A
3
2 A
0
3

48
Semnificaia fizic este similar celei din cazul semnalului cosinusoidal:
n spectrul semnalului exist armonici la frecvenele
0
i . La aceste frecvene
densitile spectrale sunt infinite, iar forma caracteristicii spectrale a
semnalului periodic are alura prezentat n fig. 3.11 (densitatea spectral de
amplitudine).

Caracteristica spectral a unei trepte unitare
Fie u(t) treapta unitar, nul pentru 0 t < i egal cu 1 pentru 0 t . Acest
semnal nu are transformat Fourier, ns i vom determina caracteristica
spectral cu ajutorul distribuiei .
Vom pune semnalul u(t) sub forma:
(3.42) ( ) 1 2 1 2 sign( ) u t t = + ,
nsumarea celor dou componente fiind ilustrat n fig. 3.12.

Fig. 3.12 Obinerea treptei unitare prin
intermediul relaiei (3.42)
Fig. 3.13 Funcia ( , ) f t definit prin
relaia (3.43)
Pentru a deduce caracteristica spectral, se consider funcia sign ca
fiind obinut printr-o trecere la limit. Se adopt funcia f de dou argumente
reale, t i , definit prin:
(3.43)
, 0
( , )
, 0
t
t
e t
f t
e t
<

pentru care are loc relaia:
(3.44)
0
lim ( , ) sign( ) f t t
=
Calculm caracteristica spectral a funciei de mai sus:
{ }
0
0
0
( ) ( )
0
( , ) ( , ) d ( ) d d
1 1

( )
j t t j t t j t
j t j t
f t f t e t e e t e e t
e e
j j

= = + =
= + =
+

F

1
t
( , ) f t
1
t
t
t
0
1 2 sign( ) t
1 2
1 2
1 2
1 2
( ) u t

+

49
2 2 2 2
1 1 2 j j j
j j

+
= + = =
+
+ +

Prin trecere la limit rezult c:
{ }
2 2
0 0
2 2 2
lim ( , ) lim
j j
f t
j

| |
= = =
|
+ \ .
F ,
ceea ce este echivalent, innd cont de relaia (3.44), cu:
(3.45)
{ }
{ }
0
2
lim ( , ) ( ) f t sign t
j

= = F F
Calculnd prin distribuia transformata Fourier a semnalului (3.42),
rezult:
{ } { }
1 1 1 1
( ) ( ) ( )
2 2 2 2
u t sign t sign t

= + = +
` ` `
) ) )
F F F F F
n continuare se ine cont de relaiile (3.39) i (3.45), rezultnd
caracteristica spectral a treptei unitare:
(3.46) { }
1 1 2 1
( ) 2 ( ) ( )
2 2
u t
j j

= + = + F

3.4.4. Distribuia delta periodic
Distribuia delta periodic este un tren de impulsuri (t), reprezentat n
fig. 3.14. Ea are expresia:
(3.47) ( ) ( )
T
i
t t iT
=
=

Fig. 3.14 Distribuia delta periodic
Semnalul fiind periodic, se poate calcula seria Fourier complex a
acestuia:
(3.48) ( )
0
e
ji t
T i
i
t A

=
=

,
unde:
) t (
T
0
T T 2 T 3 T T 2
T 3
t
0
T T 2 T 3 T T 2
T 3
1
50
(3.49)
0
2 T =
(3.50) ( ) ( )
0 0
1 1 1
e d e d
ji t ji t
T i
T
A t t t t
T T T

= = =

Deci:
(3.51) ( )
0
1
e
ji t
T
i
t
T

=
=

Calculnd transformata Fourier, se obine:
(3.52)
( ) { }
{ }
( )
( )
0
0
0 0
1 2
e

ji t
T
i i
i
t i
T T
i

= =
=
= =
=

F F

Se noteaz:
(3.53) ( ) ( )
0
0
i
i
=
=

distribuia delta periodic n domeniul frecvenial (avnd perioada
0
).
Conform relaiilor (3.52) i (3.53), se obine:
(3.54) ( ) { } ( )
0
0 T
t

= F
Concl uzi e:
Caracteristica spectral a distribuiei delta periodice
T
(t) (vezi
fig. 3.15, a)) este o distribuie delta periodic, ( )
0
, definit n domeniul
frecvenial (fig. 3.15, b)).

Fig. 3.15 Distribuia delta periodic a) i caracteristica ei spectral b)

3.4.5. Calculul numeric al caracteristicilor spectrale ale semnalelor
utiliznd distribuia
Fie un semnal x(t), dat sub form grafic (fig. 3.16, a)). Se cere
determinarea unei funcii
( ) X care s aproximeze caracteristica spectral

F
( ) t
T
0
T T 2 T 3 T T 2 T 3
t

( ) t
0
0
0
0
2
0
3
0

0
2
0
3

a) b)
1
0

51
( ) X a semnalului.

Fig. 3.16 Prelucrarea semnalului ( ) x t pentru determinarea caracteristicii spectrale
Determinarea funciei
( ) X implic parcurgerea urmtoarelor etape:

aproximarea funciei ( ) x t printr-o funcie
( ) x t , liniar pe poriuni
(fig. 3.16, a)). n acest scop se adopt un pas t de discretizare a timpului,
astfel nct n fiecare interval de lrgime t semnalul ( ) x t s fie aproximat
printr-o funcie liniar. Evident, cu ct intervalul t este mai mic, cu att
aproximarea este mai bun. Fie ( ), 0,1, 2,...
i
x x i t i N = = , valorile care
marcheaz cele N intervale de aproximare liniar;
derivarea semnalului
( ) x t . Funcia
d ( )
d
x t
t
, notat prin
(1)
( ) x t , este
constant pe poriuni, avnd valorile:
1
, 0,1, 2,... 1
i i
i
x x
a i N
t
+

= =

n intervalele | | , ( 1) i t i t + (fig. 3.16, b);
calculul derivatei a doua,
2
2
d ( )
d
x t
t
. Derivata unei variaii n treapt
este distribuia ( ) t nmulit cu amplitudinea treptei. n consecin, la timpul
discret t i t = avem:
(2)
1
( ) ( ) ( ), 0,1, 2,...
i i
t i t
x t a a t i N
=
= = ,
a)
b)
c)
0
a
0
a
0 t 2 t 3 t 4 t 5 t
7 t 8 t
( ) x t
6 t
t
1
x
2
x
3
x
6
x
5
x
7
x
4
x
( ) x t
0 t 2 t 3 t
4 t 5 t
7 t 8 t
(1)
( ) x t
6 t
t
1
a
2
a
3
a
4
a
5
a
6
a
7
a
( ) x t
0
t 2 t 3 t 4 t
5 t
7 t
8 t
(2)
( ) x t
6 t
t
1 0
a a
2 1
a a
3 2
a a
4 3
a a
5 4
a a
6 5
a a
7 6
a a
7
a
( ) x t
52
unde
1
0 a
= i 0
N
a = .
Transformata Fourier a derivatei a doua,
(2)
( ) x t , este:
{ }
(2)
1
0
( ) ( )
N
ji t
i i
i
x t a a e

=
=
F
ntruct
( ) x t se obine printr-o dubl integrare din
(2)
( ) x t , rezult (din
teorema integrrii n timp):
(3.55)

{ }
2
(2)
1
2
0
1 1
( ) ( ) ( )
N
ji t
i i
i
X x t a a e
j

=
| |
= =
|
\ .

F
Apl i ca i a 3. 1:
Fie semnalul x(t) de form triunghiular, reprezentat n fig. 3.17, a). Se
cere transformata Fourier a semnalului x(t).
Conform procedurii de mai sus, se deriveaz semnalul de dou ori. Prima
derivat,
(1)
( ) x t , este reprezentat n fig. 3.17, b), iar derivata a doua,
(2)
( ) x t ,
n fig. 3.17, c). Transformata Fourier a semnalului
(2)
( ) x t este:
{ }
( ) ( ) ( )
(2)
1 2 1
( ) x t t T t t T
T T T

= + +
`
)
F F
sau, aplicnd teorema ntrzierii/anticiprii,
{ } ( )
2
(2)
2 2
1 1
( ) 2
T T
j j
j T j T
x t e e e e
T T

| |
| = + =
|
\ .
F

Fig. 3.17 Prelucrarea prin derivare a unui semnal, n vederea
determinrii caracteristicii spectrale
0
( ) x t
1
( )
(1)
x t
( )
(2)
x t
T T
T T
T T
1
1
T
) a
) b
) c
2
53
Utiliznd teorema integrrii n timp rezult transformata Fourier a
semnalului x(t):
{ }
2
2 2
2
2 2
(2)
2 2
2
2
1 1 1
( ) ( )
(2 )
2
T T
j j
T T
j j
e e
X j F x t e e T
j j T
T
j

| |
|
|
| |
| | | |
\ .
| = = =
| |
|
\ . \ . | |
\ .

|
\ .
Prin urmare:
(3.56)
2
( ) sinc
2
T
X T

| |
=
|
\ .

Apl i ca i a 3. 2:
S se determine funcia spectral a semnalului din fig. 3.18, a).

a) Metoda 1
Se deriveaz semnalul dat (fig. 3.18, b)). Prin aplicarea transformatei
Fourier asupra derivatei, se obine:
(1)
2 2
2 2
( ) 1 1 1 1
2 2 sin( ) sin
2 2 2
j j
j j
j j
j j
x t e e e e
e e e e
j j
j j

+ =
| |
| | | | |
= + = +
| | |
\ . \ .
|
\ .
F

Fig. 3.18 Semnalul x(t) i derivata lui
ntruct x(t) se obine prin integrarea lui
(1)
( ) x t , din relaia (3.21) rezult:
{ }
(1)
1 2
( ) ( ) sin( ) sin
2
X x t
j

| | | |
= = +
| |
\ . \ .
F ,
relaie care se rescrie succesiv:
a)
t
( ) x t

2
2
1
b)
t
0
( ) x t
i
1
-1
54
( )
2 2sin( ) 1
( ) sin( ) sin sin 2
2 2
X

| | | | | |
= + = +
| | |
\ . \ . \ .

n concluzie, funcia spectral a semnalului x(t) este:
( ) 2sinc( ) sinc
2
X

| | | |
= +
| |
\ . \ .

b) Metoda 2
Se descompune semnalul dat ntr-o sum de 2 impulsuri reale, de arii 2,
respectiv , ca n fig. 3.19.

Fig. 3.19 Descompunerea semnalului x(t) ntr-o sum de impulsuri
Funciile spectrale ale acestora sunt cunoscute (vezi aplicaia 3.1);
folosind proprietatea de liniaritate a transformatei Fourier, se obine acelai
rezultat ca la metoda precedent:
{ } ( ) ( )
1 2
( ) ( ) ( ) 2 sinc sinc 2 X x t x t = + = + F

3.5. Convoluia semnalelor
Produsul de convoluie a dou semnale, ( )
1
x t i ( )
2
x t , este o funcie x(t)
definit prin:
(3.57) ( ) ( ) ( ) ( )
1 2 1 2
( ) d x t x t x t x t x
= =

Convoluia se mai noteaz ( ) ( )
1 2
* x t x t sau ( )( )
1 2
* x x t .

Pr opr i et i l e pr odusul ui de convol u i e
1. Comutativitatea:
(3.58) ( ) ( ) ( ) ( ) ( ) ( )
1 2 2 1 1 2
d x t x t x t x t x x t
= =

2. Transformata Fourier a produsului de convoluie:
(3.59) ( ) ( ) { } ( ) ( )
1 2 1 2
x t x t X X = F
2
t
1
( ) x t

1
t
2
( ) x t
+
1
( ) x t

=

55
Prin transformata Fourier produsul de convoluie devine un produs
algebric al caracteristicilor spectrale.
Pentru a demonstra relaia (3.59), explicitm transformata Fourier a
convoluiei:
{ }
1 2
( ) ( ) d ( ) ( )d d
j t j t
x t x t e t x t x e t

(
= =
(

F
Fcnd schimbarea de variabil t = , relaia de mai sus devine:
{ }
1 2 1 2
( ) ( ) d ( ) d ( ) ( )
j j
x t x e x e X X

= =

F
3. Convoluia unui semnal x(t) cu distribuia delta este egal cu semnalul x(t):
(3.60) ( ) ( ) ( ) ( ) ( ) d x t t x t x t
= =

Proprietile de sondare n timp i n frecven ale distribuiei (vezi
relaiile (3.32) i (3.34)) conduc la relaiile mai generale:
(3.61) ( ) ( )
0 0
( ) x t t t x t t = ;
0 0
( ) ( ) ( ) X X =
Deci convoluia unei funcii cu distribuia este egal cu funcia
respectiv avnd argumentul distribuiei .

4. Fiind date semnalele ( )
1
x t i ( )
2
x t , avem:
(3.62) ( ) ( )
( )
( )
( )
( )
1 1
1 2 1 2
x t x t x t x t
= ,
unde:
( )
( )
( )
( )
( ) ( )
1 1 1
2 1 2
d
; d
d
t
x t
x t x t x
t

= =

Pentru a demonstra relaia (3.62), se consider:
( )
( )
{ }
( )
( )
( )
{ }
( )
1 1
1 1 2 2
1
, x t j X x t X
j

= = F F . i cum:
( )
( )
( )
( )
{ }
( ) ( ) ( ) ( )
1 1
1 2 1 2 1 2
1
x t x t j X X X X
j

= = F , iar:
( ) ( ) { } ( ) ( )
1 2 1 2
x t x t X X = F , atunci:
( )
( )
( )
( )
{ }
( ) ( ) { }
1 1
1 2 1 2
x t x t x t x t
= F F ,
deci relaia (3.62) este demonstrat. Aceast relaie se generalizeaz n raport
cu derivatele/integralele de ordin n:
( ) ( )
( )
( )
( )
( )
1 2 1 2
n n
x t x t x t x t
=

5. Dac se consider ( ) ( )
1
x t x t = i ( ) ( )
2
x t t = , se obine:
56
( ) ( )
( )
( )
( )
( )
1 1
x t t x t t

=
Deoarece ( ) ( ) ( ) x t t x t = i
( )
( ) ( )
1
t u t

= (treapt unitar), rezult:
(3.63) ( ) ( ) ( )
(1)
x t x t u t =
6. Convoluia unui semnal x(t) cu treapta unitar u(t) se poate scrie sub forma
( ) ( )
( )
( )
( )
( )
( )
( ) ( )
1 1 1
x t u t x t u t x t t

= = , ntruct derivata treptei
unitare este distribuia ( ) t . Avnd n vedere relaia (3.60), rezult
( )
( ) ( )
( )
( )
1 1
x t t x t

= , deci:
(3.64) ( ) ( )
( )
( ) ( )
1
d
t
x t u t x t x
= =

Apl i ca i a 3. 3:
Fie x(t) un semnal, reprezentat grafic n fig. 3.20. Se va ilustra n cele ce
urmeaz construcia convoluiei semnalului x(t) cu treapta unitar, u(t), n
conformitate cu relaia:
(3.65) ( ) ( ) ( ) ( )d x t u t x t u

Fig. 3.20 Semnalele u(t) i x(t) pentru care se determin convoluia
n fig. 3.21 sunt desenate funciile care intervin n integrandul relaiei
(3.65), reprezentate n raport cu , pentru dou valori ale timpului t: pentru
0 t = (fig. 3.21, b)), cnd produsul ( ) ( ) x u este nul, i pentru
1
0 t t = > ,
cnd produsul
1
( ) ( ) x t u este diferit de zero, iar convoluia (adic
produsul integrat de la zero la
1
t ) este egal cu aria haurat din figura 3.19, c).
Se poate admite c graficul funciei ( ) x t este dat de un ablon care,
pornind din poziia pentru 0 t = (fig. 3.21, b)), se deplaseaz spre dreapta pn
la infinit. Aria cuprins n cadranul 1, ntre curba ( ) x t i abscis, pentru
diversele valori ale timpului t, reprezint convoluia ( ) ( ) x t u t . Se constat c
n situaia analizat
0
( ) ( ) ( )d
t
x t u t x =

, ceea ce corespunde relaiei (3.64).
( ) u t
1

( ) x t
t
t
57

Fig. 3.21 Construcia grafic a convoluiei (3.65)
8. Convoluia caracteristicilor spectrale
Fie
1
( ) X i
2
( ) X caracteristicile spectrale ale semnalelor
1
( ) x t i
2
( ) x t . Convoluia acestor caracteristici spectrale se definete prin relaia:
1 2 1 2 1 2
( ) ( ) ( ) ( )d ( ) ( )d X X X u X u u X u X u u

= =

9. Transformata Fourier invers a convoluiei a dou caracteristici spectrale
este produsul algebric al semnalelor corespondente, nmulit cu coeficientul de
scar 2:
{ }
1
1 2 1 2
( ) ( ) 2 ( ) ( ) X X x t x t
= F
Prin aplicarea transformatei Fourier se obine:
(3.66) { }
1 2 1 2
1
( ) ( ) ( ) ( )
2
x t x t X X
= F ,
relaie foarte des utilizat n modelarea semnalelor modulate.
Deci, prin transformata Fourier direct, produsul algebric al semnalelor
este transformat, pn la un coeficient de scar (1/(2 ) ) ntr-un produs de
convoluie al caracteristicilor spectrale aferente semnalelor respective.

Apl i ca i a 3. 4:
S se calculeze ( ) ( ) ( ) x t u t u t = , unde u(t) este reprezentat n fig. 3.22.
Convoluia ( ) ( ) u t u t este dat de relaia:
0
( ) ( ) ( )d
t
x t u u t =

0
( ) u t
1
t
1
t
1
0 t
0 t =
b)
a)
c)
d)
( ) x
( )
1
x t
( ) ( ) x t u t
1
t
t
t
t
58

Fig. 3.22 Semnalul u(t) (aplicaia 3.5)
Ea poate fi imaginat ca un proces de suprapunere a semnalului cu
varianta ntrziat a semnalului ( ) u . ntrzierea variaz continuu cresctor
n intervalul
0
[0; 2 ] t . n figura 3.23, b) i c), sunt ilustrate dou instane ale
semnalului ntrziat, pentru 0 t = , respectiv pentru o valoare oarecare a lui t
ntre
0
t i 0.

Fig. 3.23 Construcia grafic a convoluiei semnalului u(t)
din fig. 3.22 cu el nsui
Pe parcursul acestei variaii continue gradul de suprapunere crete liniar
de la 0, pentru 0 t = , pn la suprapunerea maxim (egal cu aria impulsului,
0
t ), (vezi fig. 3.23, d)). Dup aceea, gradul de suprapunere descrete pn la 0,
pentru
0
2 t t = , deci i valoarea convoluiei. Se observ c intervalul pe care
produsul de convoluie ( ) x t este nenul este dublul limii impulsului ( ) u t .

3.6. Utilizarea transformatei Laplace n modelarea semnalelor
3.6.1. Noiuni generale
Transformata Laplace se utilizeaz mai mult n teoria sistemelor dect n
teoria semnalelor. Aa cum s-a constatat n capitolele anterioare, n teoria
semnalelor se folosete cu precdere transformata Fourier, n accepiunea
clasic sau n abordarea bazat pe utilizarea distribuiei .
0
t
( ) u t
0
t
1
a)
b)
0
t
( ) u
0

1
0
t
( ) pentru =0 u t t
0

1
0
t
0
( ) pentru 0 u t t t < <
0

1
0
t
0
t t +
t
0
t
( ) x t
0
t
0
t
0
2t
c)
d)
59
Presupunnd ca cititorul este bine familiarizat cu proprietile
transformatei Laplace i cu utilizarea acesteia n analiza dinamicii circuitelor
electrice, vom reliefa cteva aspecte care marcheaz diferenele dintre
transformata Laplace i transformata Fourier.
Transformata Laplace uzual este cea unilateral, definit prin relaia:
(3.67) { }
0
( ) ( ) ( ) d ,
st
x t X s x t e t s j
= = = +
L
Semnalul (originalul) ( ) x t trebuie s fie nul pentru 0 t < . Un asemenea
semnal se numete cauzal i satisface relaia:
(3.68) ( ) ( ) ( ) x t x t u t = ,
unde ( ) u t este treapta unitar.
Este tiut faptul c transformata Fourier nu impune cerina ca semnalul s
fie cauzal, deci, din acest punct de vedere, ea este mai puin restrictiv.

Observa i e:
Pentru un semnal necauzal se definete transformata Laplace bilateral:
(3.69) { }
B B
( ) ( ) ( ) d
st
x t X s x t e t
= =

L ,
ns acest instrument de modelare este rar utilizat.
O alt condiie impus semnalului ( ) x t , modelat prin transformata
Laplace, este s existe o exponenial n raport cu care modulul lui ( ) x t nu
crete mai rapid:
(3.70) ( )
ct
x t M e <
Valoarea minim a lui c la care inegalitatea se transform n egalitate, se
numete abscis de convergen absolut, notat prin
a
. Altfel spus,
a
este
valoarea minim a variabilei , pentru care este ndeplinit condiia:
(3.71)
0
( ) d
t
x t e t
<

Comparnd cu cerina de convergen a transformatei Fourier:
(3.72) ( ) d x t t
<
,
este clar c, n cazul transformatei Fourier, este necesar ca
0
lim ( ) 0
t
x t
= , pe
cnd n transformata Laplace, limita respectiv poate fi nenul, semnalul
putnd evolua sub o exponenial de exponent c t (vezi relaia (3.70)).
60

Fig. 3.24 Conturul Bromwich
Deci, transformata Fourier este mai restrictiv, sub aspectul convergenei,
dect transformata Laplace. Trecerea de la transformata Laplace la
transformata Fourier i invers se poate face prin substituiile s j ,
respectiv j s , numai dac sunt ndeplinite simultan dou condiii:
semnalul este cauzal;
abscisa de convergena absolut este nul ( 0
a
= ), ceea ce implic
ndeplinirea relaiei (3.72).
Relaia de definiie a transformatei Laplace inverse este:
(3.73) { }
1
1
( ) ( ) ( ) d
2
c j
st
c j
x t X s X s e s
j

= =
L ,
n care c se alege astfel nct
a
c > . Conturul de integrare din planul complex
s (conturul Bromwich) este prezentat n fig. 3.24.

3.6.2. Proprieti ale transformatei Laplace
Se vor prezenta numai cteva proprieti care sunt mai des folosite n
modelarea i analiza sistemelor.
Proprietatea liniaritii
(3.74) ( ) ( )
i i i i
i i
a x t a X s

=
`
)

L
Teorema derivrii n domeniul timp
(3.75)
1 ( 1)
d ( )
( ) (0) ... (0)
d
n
n n n
n
x t
s X s s x x
t

=
`

)
L
Teorema integrrii
(3.76)
0
1
( )d ( )
t
x X s
s

=
`
)
L
Teorema ntrzierii
(3.77) { } { } ( ) ( ) ( )
s s
x t e x t e X s

= = L L
Im s
c
s
Re s
R
61
Teorema nmulirii cu o exponenial
(3.78)
{ }
( ) ( )
at
e x t X s a
= L
Teorema schimbrii de scar
(3.79) ( )
t
f a F a s
a
| |
=
`
|
\ . )
L
Teorema valorii iniiale
(3.80)
0
lim ( ) lim ( )
t s
x t s X s

=
Teorema valorii finale
(3.81)
0
lim ( ) lim ( )
t s
x t s X s

=
Teorema produsului imaginilor
(3.82) { }
1 2 1 2
( ) ( ) ( ) ( ) x t x t X s X s = L
Teorema produsului originalelor
(3.83) { }
1 2 1 2
( ) ( ) ( ) ( ) x t x t X s X s = L ,
n care convoluia imaginilor este definit prin relaia:
(3.84)
1 2 1 2
1
( ) ( ) ( ) ( )d
2
c j
c j
X s X s X s p X p p
j
+

=

Transformatele Laplace ale funciilor uzuale
transformatele Laplace ale funciilor impuls unitar, treapt unitar i
ramp unitar:
{ } ( ) 1 t = L , { }
1
( ) u t
s
= L , { }
2
1
( ) r t
s
= L ,
1
1
( )
!
n
n
t
u t
n
s
+

=
`

)
L
transformata Laplace a funciei exponeniale:
{ }
1
at
e
s a
= L

transformatele Laplace ale funciilor trigonometrice:
{ }
0
0
2 2
0
sin( ) t
s

=
+
L { }
0
2 2
0
cos( )
s
t
s
=
+
L .
transformatele Laplace ale oscilaiilor amortizate:
62
{ }
0
0
2 2
0
sin( )
( )
at
e t
s a
=
+ +
L ,
{ } 0
2 2
0
cos( )
( )
at
s a
e t
s a
+
=
+ +
L
Apl i ca i a 3. 5:
Fie semnalul x(t) din fig. 3.25. S i se calculeze transformata Laplace i
transformata Fourier.

Se pornete de la observaia c x(t) poate fi exprimat ca suma dintre o
treapt unitar pozitiv i o treapt unitar negativ ntrziat cu T uniti de
timp (fig. 3.25). Rezult:
{ }
1 1 1
( ) ( )
sT
sT
e
x t X s e
s s s

= = = L
Se observ c semnalul este cauzal i de valoare finit a integralei
modulului. n consecin, din transformata Laplace, cu substituia s=j, se
obine transformata Fourier a lui x(t):
2 2 2
2
1 ( )
( ) sin
2
2
2
T T T
j j j
T
j T
j
e e e e T
X T T e c
T
j
j

| |
= = =
|
\ .

Fig. 3.25 Descompunerea unui impuls ca sum a dou semnale treapt
Apl i ca i a 3. 6:
Fie un semnal cauzal sub forma unui tren de impulsuri de lime i
perioad T (fig. 3.26). S se determine transformata Laplace a semnalului.

Pe baza rezultatului din aplicaia anterioar, transformata Laplace a
primului impuls este
( )
1
1
s
e
s

. Impulsul de la momentul iT (i>0) se obine
prin ntrzierea primului impuls cu iT i va avea transformata Laplace
( )
1
1
s iTs
e e
s

(teorema ntrzierii). Prin urmare:
1
1
t
T
t
T
t
T
( ) x t
( ) u t
( ) u t
1
63
(3.85)
( )
( )
2
1 1
( ) 1 ...
1
s s
Ts Ts
Ts
e e
X s e e
s
s e

= + + + =

Acest semnal nu are valoare finit a integralei modulului, deci nu este
ndeplinit condiia de existen a transformatei Fourier. n consecin, nu este
corect aplicarea substituiei s j pentru a determina funcia spectral a
semnalului.

Fig. 3.26 Tren de impulsuri

3.7. Reprezentarea semnalelor prin transformata Hilbert
3.7.1. Transformata Hilbert. Semnalul analitic
Transformata Hilbert este un instrument matematic util n teoria
semnalelor, fiind utilizat ndeosebi pentru fundamentarea unor tehnici de
modulaie a semnalelor. Fiind dat un semnal x(t), transformata Hilbert este
definit prin relaia urmtoare:
(3.86) { }
1 ( )
( ) ( ) . . d
x
x t x t v p
t

= =
H ,
n care v.p. nseamn valoarea principal a integralei, adic:
0 0
1 ( ) 1 ( ) ( )
( ) d lim d lim d
t
t
x x x
x t v.p.
t t t

+
(
= = +
` (

)

Fiind dat transformata Hilbert, ( ) x t , se poate determina semnalul prin
transformata Hilbert invers, definit prin relaia urmtoare:
(3.87) { }
1
1 ( )
( ) ( ) . . d
x
x t x t v p
t

= =
H
Ansamblul ( ) x t i
( ) x t formeaz o pereche Hilbert. Obsevm c, dac

se aplic transformata Hilbert semnalului ( ) x t , rezult:
{ }
1 ( )
( ) . . d
x
x t v p
t

H ,
sau, innd cont de (3.87):
(3.88) { }
( ) ( ) x t x t = H
( ) x t
0 T T + 2T +

t
2T
64
Deci, aplicnd de dou ori consecutiv unui semnal transformata Hilbert,
se obine semnalul cu semn schimbat. Funcia ( ) x t se mai numete conjugata
lui ( ) x t .
Se definete semnalul analitic prin relaia:
(3.89) ( ) ( ) ( ) z t x t j x t = +
Modulul mrimii complexe z(t) se mai numete i nfurtoarea
semnalului analitic, iar argumentul lui z(t) faza semnalului analitic:
(3.90)
2 2
( ) ( ) ( ) z t x t x t = + ;
( )
arg( ( ))
( )
x t
z t arctg
x t
=

3.7.2. Caracteristica spectral a transformatei Hilbert i a
semnalului analitic
Din relaia (3.86), de definiie a transformatei Hilbert, rezult c:
(3.91)
1 1
( ) ( ) x t x t
t
| |
=
|
\ .

Aplicnd transformata Fourier aceste relaii i innd cont c transformata
Fourier a unui produs de convoluie este produsul (algebric) al transformatelor
Fourier ale funciilor din convoluie, rezult:
(3.92)
1 1
( ) ( ) X X
t

=
`
)
F
Pentru a determina transformata Fourier a semnalului cu evoluie
hiperbolic
1
t
, vom relua relaia (3.45), dedus n 3.4.3:
{ }
2
sign( ) t
j
= F
Utiliznd proprietatea simetriei din transformata Fourier (vezi relaiile
(3.23) din 3.3.) se obine
2
2 sign( )
jt

=
`
)
F , sau:
(3.93)
1
sign( ) j
t

=
`
)
F
nlocuind aceast expresie n (3.92), se obine caracteristica spectral a
transformatei Hilbert
( ) x t :
(3.94)
( ) ( ) sign( ) X j X =
Din relaia (3.89), de definiie a semnalului analitic, se deduce c:
65
(3.95)
( ) ( ) ( ) Z X j X = + ,
Aici vom nlocui
( ) X cu expresia (3.94) i obinem:

( ) ( ) ( ) sign( ) Z X X = + , sau:
(3.96)
2 ( ), 0
( ) ( ), 0
0, 0
X
Z X

>
= =
<

n concluzie, semnalul analitic are o caracteristica spectral ntotdeauna
nul pentru frecvene negative. Deci, dac ntr-o caracteristic spectral a unui
semnal se ia n considerare numai domeniul frecvenelor pozitive (care exist
n natur), atunci caracteristicii spectrale respective i va corespunde un semnal
analitic.

3.7.3. Transformata Hilbert a semnalelor periodice
n 3.4.3 s-au calculat caracteristicile spectrale ale semnalelor
trigonometrice:
(3.97) { } | |
0 0 0
cos( ) ( - ) ( ) t = + + F
(3.98) { } | |
0 0 0
sin( ) ( - ) - ( ) t
j
= + F
n cele ce urmeaz vom nota prin
cos
( ) x t i
sin
( ) x t funciile
0
cos( ) t ,
respectiv
0
sin( ) t , adic:
(3.99)
cos 0
( ) cos( ) x t t = ,
sin 0
( ) sin( ) x t t =
Caracteristica spectral
cos
( ) X , corespunztoare expresiei (3.97), este
reprezentat n fig. 3.27, a).

Fig. 3.27 Caracteristicile spectrale ale semnalelor
cos
( ) x t i
cos ( ) x t
a)
b)
cos ( ) j X
0

0
0

0

cos
( ) X
66
Notm prin
cos
( ) x t i
sin
( ) x t transformatele Hilbert ale funciilor
cos
( ) x t
respectiv
sin
( ) x t . Transformata Fourier a semnalului
cos
( ) x t este, conform
relaiei (3.94):
cos
cos
( ) ( ) sign( ) X jX = , sau:
(3.100)
cos
cos
( ) ( ) sign( ) j X X =
n fig. 3.27, b) s-a reprezentat
cos ( ) j X , pornind de la
cos
( ) X ;
componenta aferent pulsaiei
0
rmne neschimbat, ns componenta de
pulsaie
0
i schimb semnul, datorit factorului sign( ) .
Rezult:
| | cos
0 0
( ) ( ) ( ) j X = + sau:
(3.101)
| | cos
0 0 sin
( ) ( ) ( ) ( ) X X
j
= + =
ntruct transformatele Fourier
cos ( ) X i
sin
( ) X sunt egale, rezult c
i semnalele respective sunt egale:
(3.102)
cos sin
( ) ( ) x t x t =
Deci transformata Hilbert a semnalului cosinusoidal este semnalul
sinusoidal. Similar se poate demonstra c transformata Hilbert a sinusoidei
este cosinusoida cu semnul minus:
(3.103)
sin cos
( ) ( ) x t x t =
Semnalul analitic aferent cosinusoidei este:
(3.104)
cos cos cos

0 0
( ) ( ) ( ) cos( ) sin( ) z t x t j x t t j t = + = + ,
iar semnalul analitic aferent sinusoidei este:
(3.105)
sin sin sin

0 0
( ) ( ) ( ) sin( ) cos( ) z t x t j x t t j t = + =
Considerndu-se un semnal periodic nesinusoidal, avnd SFT
0 0
0
( ) ( cos( ) sin( ))
i i
i
x t C i t S i t
=
= +
,
0
0 S = , semnalul analitic aferent lui
este:
( )
0 0 0 0
0
( ) ( ) ( )
cos( ) sin( ) sin( ) cos( )
i i i i
i
z t x t j x t
C i t S i t j C i t S i t
=
= + =
( = + +

67
Vom prelucra termenul general, i, din sum, exprimnd funciile
trigonometrice prin formulele lui Euler. Dup calcule elementare se obine:
( )
( )( )
0
0 0 0 0
0 0
cos( ) sin( ) sin( ) cos( )
cos sin
i i i i
ji t
i i i
C i t S i t j C i t S i t
C jS i t j i t A e

+ + =
= + =
,
iar expresia semnalului analitic devine:
(3.106)
0
0
( )
ji t
i
i
z t A e

=
=

Deci, dac n SFC se omit componentele cu frecvene negative, atunci
modelul obinut nu este cel al semnalului ( ) x t , ci al semnalului analitic aferent
lui ( ) x t .
Observa i e:
Fie un semnal ( ) x t avnd un spectru SFA cunoscut. Prin transformata
Hilbert, fiecare armonic cosinusoidal se transform ntr-o component
spectral de aceeai amplitudine. Deci spectrul de amplitudini rmne
neschimbat, ns fiecare armonic va fi defazat cu 2 . Un sistem care
primete la intrare semnalul ( ) x t i furnizeaz la ieire
( ) x t , numit
convenional filtru Hilbert, introduce amplificare unitar i un defazaj de
2 la toate frecvenele.
Vom determina n continuare transformatele Hilbert ale semnalelor:
(3.107)
0
( ) ( ) cos( )
c
MA
x t x t t =
(3.108)
0
( ) ( ) sin( )
s
MA
x t x t t =
Se va arta n capitolul urmtor c aceste relaii definesc semnale
modulate n amplitudine, cu modulaie de tip produs, pe purttor cosinusoidal,
respectiv sinusoidal. Vom nota cu
( )
c
MA
x t i
( )
s
MA
x t transformatele Hilbert ale
celor dou semnale. Caracteristicile spectrale aferente sunt (vezi (3.94)):
(3.109)
( ) ( ) sign( )
c
c
MA
MA
X jX =
(3.110)
( ) ( ) sign( )
s
s
MA
MA
X jX = ,
unde:
(3.111) { }
0
( ) ( ) cos( )
c
MA
X x t t = F ; { }
0
( ) ( ) sin( )
s
MA
X x t t = F
Utiliznd relaiile (3.66), (3.40) i (3.41), rezult consecutiv:
{ } | |
0 0 0
1 1
( ) ( ) cos( ) ( ) ( - ) ( )
2 2
c
MA
X X t X

= = + + F
68
{ } | |
0 0 0
1 1
( ) ( ) sin( ) ( ) ( - ) - ( )
2 2
s
MA
X X t X
j

= = + F

Convoluia unei funcii cu o distribuie este egal cu funcia respectiv
avnd argumentul distribuiei (vezi (3.61)); astfel, relaiile anterioare devin:
(3.112) { }
0 0
1
( ) ( - ) ( )
2
c
MA
X j X X = + +
(3.113) { }
0 0
1
( ) ( - ) ( )
2
s
MA
X X X
j
= +
nlocuind (3.112) n (3.109), avem:
(3.114)
{ }
{ }
0 0
0 0
1
( ) ( - ) ( ) sign( )
2
1
( - ) ( )
2
c
MA
X j X X
X X
j

= + +
= +
,
ntruct:
0 0
( - ) sign( ) ( ) X X = i
0 0
( ) sign( ) ( ) X X + = + .
Din relaiile (3.114) i (3.113) rezult c:
(3.115)
( ) ( )
c
s
MA
MA
X X =
i, n consecin,
( ) ( )
c
s
MA
MA
x t x t = , sau, ntr-o exprimare explicit:
(3.116) { }
0 0
( ) cos( ) ( ) sin( ) x t t x t t = H
n mod similar se demonstreaz c:
(3.117) { }
0 0
( ) sin( ) ( ) cos( ) x t t x t t = H

3.7.4. Proprietile semnalelor cauzale
Semnalul cauzal este semnalul care este zero pentru t negativ. Cum s-a
artat n 3.6, semnalul cauzal satisface relaia ( ) ( ) ( ) x t x t u t = , unde u(t) este
semnalul treapt unitar. Scopul urmrit este de a stabili, prin intermediul
transformatei Hilbert, o proprietate specific semnalelor cauzale.
Vom aplica transformata Fourier relaiei de mai sus i vom utiliza relaia
(3.66) pentru a explicita transformata Fourier a produsului ( ) ( ) x t u t :
(3.118) { }
1
( ) ( ) ( )
2
X X u t
= (

F
Caracteristica spectral a treptei unitare a fost dedus n 3.4.3 i este dat
de (3.46). nlocuind aceast expresie n (3.118), rezult:
69
(3.119)
1 1
( ) ( ) ( )
2
1 1 1
( ) ( ) ( )
2 2
X X
j
X X j
j

(
= +
`
(
)
(
= +
(

Pe baza faptului c produsul de convoluie al unei funcii cu distribuia este
egal cu funcia respectiv i fcnd simplificrile posibile, expresia (3.119)
devine:
1 1 1 ( )
( ) ( ) d
( )
X
X X u
j j u
(
= =
(

nlocuind:
(3.120) ( ) ( ) ( ) X A j B = + ,
rezult:
1 ( ) ( )
( ) ( ) d
( )
A u j B u
A j B u
j u

+
+ =

i n final:
(3.121)
-
1 ( )
( ) . . d
B
A v p u
u

=
`

(3.122)
-
1 ( )
( ) . . d
A
B v p u
u

=
`

Concluzia care se desprinde este c, la un semnal cauzal, partea real
( ) A a caracteristicii spectrale este transformata Hilbert a prii imaginare
( ) B , deci funciile ( ) A i ( ) B formeaz o pereche Hilbert.
70

71

Capitolul 4

SEMNALE MODULATE

4.1. Noiuni generale privind modulaia semnalelor. Tipuri de
modulaie
Prin modulaie se nelege transferarea proprietilor unui semnal, numit
semnal de baz sau semnal modulator, ctre alt semnal, numit purttor. n
urma acestui transfer rezult semnalul modulat.
Necesitatea modulaiei n problema transmiterii informaiei se sprijin pe
urmtoarele argumente.
Modulaia este necesar pentru a face posibil transmiterea informaiei
printr-un mediu de transmitere dat (aerul sau vidul, ghiduri de und, fibre,
etc.). De exemplu, semnalul vocal nu poate fi transmis direct prin unde
hertziene. Semnalul purttor trebuie sa aib capacitatea de a fi transmis prin
mediul concret, dintr-o situaie dat, fcnd posibil transferul mesajului
coninut n semnalul modulator.
Modulaia este necesar pentru economicitatea transmisiei. Pe un canal
fizic realizat printr-un mediu dat, se poate realiza transmiterea simultan a mai
multor semnale, fr a exista interferene ntre acestea.
Modulaia ofer, n unele cazuri, o bun protecie la parazii.

Se noteaz generic cu x(t) semnalul de baz. Semnalul purttor va fi notat
cu x
p
(t). Semnalul purttor poate fi armonic (semnal cosinusoidal) sau tren de
impulsuri. Prin urmare, exist dou tipuri de semnale modulate:
semnale modulate pe purttor armonic;
semnale obinute prin modulaia impulsurilor.
n cazul primei categorii de semnale modulate, purttorul are expresia:
(4.1) ( ) ( ) cos( )
p p p p
x t A t t = +

Fig. 4.1 Semnal purttor sub forma unui tren de impulsuri
Proprietile semnalului de baz pot fi transferate unuia din cei trei
parametri ai lui x
p
(t): amplitudinea
p
A , frecvena 2
p p
f = i faza
iniial,
p
.
A
0
t
t
0
( )
p
x t

T T

72
Rezult trei tipuri de modulaie pe purttor armonic: modulaia n
amplitudine (MA), modulaia n frecven (MF) i modulaia n faz (MP
Phase Modulation n limba englez).
n cazul modulaiei impulsurilor, parametrii care definesc un tren de
impulsuri sunt amplitudinea A, perioada T (sau frecvena f=1/T), faza iniial
(dat de t
0
) i durata . (fig. 4.1). Prin varierea fiecruia din aceti parametri
se obin respectiv modulaia impulsurilor n amplitudine (MIA), n frecven
(MIF), n faz (MIP) i n durat (MID).

4.2. Semnale modulate n amplitudine pe purttor armonic
4.2.1. Modulaia n amplitudine cu purttoare i dou benzi laterale
Acest tip de modulaie se utilizeaz n radiodifuziunea clasic pe unde
lungi, medii i scurte.

Fig. 4.2 Modulaia n amplitudine
Se face ipoteza c semnalul modulator este format dintr-o component
continu, de valoare unitar, i componenta variabil (variaia purttoare de
informaie); aceasta se admite la nceput n varianta cea mai simpl: o
cosinusoid de pulsaie
0
, faz iniial nenul i amplitudine m, subunitar.
Deci semnalul modulator este de forma
0
1 cos( ) m t + . n acest caz, semnalul
modulat este dat de produsul semnalului purttor (4.1) (considerat cu
p
=0) cu
semnalul modulator, adic:
(4.2)
0
( ) (1 cos( )) cos( )
MA p p
x t A m t t = + ,
n care
p
A
m
A
= se numete grad de modulaie. Formele semnalelor ( ) x t ,
( )
p
x t i ( )
MA
x t sunt ilustrate n fig. 4.2. Utiliznd notaiile din aceast figur,
p
A
p
A
p
A
t
t
0
0
( ), ( )
MA
x t x t
M
A
m
A
( )
p
x t
( )
MA
x t
( ) x t
1. Semnale modulate

73
gradul de modulaie se determin cu relaia:
(4.3)
M p
M m
p M m
A A
A A
m
A A A

= =
+

Teoretic, m aparine intervalului [0; 1]. n telefonie, m aparine
intervalului [0.5; 0.6].
Se pune problema s determinm spectrul semnalului din relaia (4.2).
Aceast relaie se transform succesiv:
(4.4)
0
0 0
( ) cos( ) cos( ) cos( )
cos( ) cos( ) cos( )
2
MA p p p p
p
p p p p
x t A t m A t t
m A
A t t t

= + =
( = + + +

Spectrele semnalelor ( ) x t i ( )
p
x t constau din cte o singur armonic,
la frecvenele
0
i, respectiv,
p
(
0 p
). Spectrul semnalului modulat
conine 3 componente: purttoarea de amplitudine
p
A i dou componente
laterale, la frecvenele
0 p
, cu amplitudinile egale cu 2
p
mA (fig 4.3).

Fig. 4.3 Spectrul semnalelor ( ) x t , ( )
p
x t i ( )
MA
x t
Semnalul util este coninut n cele dou componente laterale (n exces,
pentru c ar fi suficient o singur component lateral). Deci modulaia nu
este economic, n sensul c ocup o band de frecven dubl fa de cea
necesar. Purttoarea este mult mai mare dect componentele laterale,
rezultnd unele dezavantaje, precum saturaia amplificatoarelor i performane
energetice slabe ale modulaiei.
Definim randamentul modulaiei ca fiind raportul dintre puterea
dezvoltat de componentele laterale (utile) din spectru,
u
P , i puterea
semnalului modulat,
MA
P :
spectru ( )
p
x t

2
p
mA 2
p
mA
spectru ( ) x t
spectru ( )
MA
x t
0
p
A
p
A
//
0 p

p
//
A
0 p
+

74
(4.5)
u
MA
P
P
=
Considernd c semnalele ( ) x t i ( )
p
x t au amplitudinile A i
p
A
(
p
m A A = ), iar semnalul modulat este obinut pe o rezisten R, avem:
2
2
2 2 2
1
2
2 2 0.5
1 0.5
1 1
2
2 2 2
p
p p
mA
R
m
m
A mA
R R
| |
\ .
= =
+
| | | |
+
| |
\ . \ .

Avnd n vedere valorile uzuale ale gradului de modulaie, rezult c
randamentul modulaiei este redus.

Reprezentarea fazorial a semnalului modulat (fig. 4.4). Cele 3 componente
din expresia (4.4) a semnalului modulat se reprezint ca vectori rotitori de
lungime
p
A i, respectiv, 2
p
mA . Ei au vitezele unghiulare
p
i, respectiv,
0 p
+ i
0 p
. nsumarea celor 3 vectori se face plasnd n vrful
vectorului aferent purttoarei cele 2 componente laterale de modulaie, care se
rotesc cu vitezele
0
+ , i respectiv
0
, n raport cu vectorul purttoarei
(acesta se rotete cu viteza
p
). nsumarea vectorial a celor 3 vectori
conduce la un vector cu lungime periodic variabil (de perioad
0
), care se
rotete n jurul referinei O cu viteza unghiular
p
.

Fig. 4.4 Reprezentarea fazorial a semnalului modulat
Considerm acum c semnalul util x(t) din componena semnalului
modulator este periodic nesinusoidal. n acest caz, semnalul x(t) se poate
reprezenta prin seria Fourier armonic, cu urmtoarea expresie:
(4.6)
0
1
( ) cos( )
i i
i
x t A i t
=
= +

p p
A t
O
2
p
mA
2
p
mA
p
A
p

0
( )
2
p
p
mA
t
0
( )
2
p
p
mA
t +
0
1. Semnale modulate

75
Am presupus c
0
0 A = (ntruct componenta continu se adiioneaz
separat). n acest caz, expresia semnalului modulat n amplitudine este:
(4.7)
0
0
( ) [1 cos( )] cos( )
MA p i i p
i
x t A m i t t
=
= + +

unde
i
i
p
A
m
A
= este gradul de modulaie aferent armonicii i. Se observ c
fiecare armonic realizeaz modulaia purttorului cu un grad de modulaie m
i

proporional cu amplitudinea A
i
a armonicii (m
i
~A
i
). Deci gradele de modulaie
sunt mai mari sau mai mici, dup cum amplitudinile armonicilor sunt mai mari
sau mai mici.
Relaia (4.7) se pune sub forma:
(4.8)
{
}
0
0
0
( ) cos( ) cos[( ) ]
2
+cos[( ) ]
i p
MA p p p i
i
p i
m A
x t A t i t
i t

=
= + + +
+ +

Spectrele semnalelor ( ) x t i ( )
MA
x t sunt reprezentate n fig. 4.5.

Fig. 4.5 Spectrul semnalelor (4.6) i (4.8)
n spectrul semnalului ( )
MA
x t exist purttoarea i dou benzi laterale.
Fiecare band lateral are spectrul identic cu spectrul amplitudinilor
semnalului de baz, numai c scara este redus cu coeficientul 1 2 .
Considerm n continuare cazul general, cnd semnalul modulator este
oarecare, avnd expresia ( )
M
x x t , unde , ( ) 1 t x t . n acest caz:
(4.9)
| | ( ) 1 ( ) cos( )
MA p p
x t A m x t t = + ,
unde
M
p
x
m
A
= .
p
A
... ...
//
p
0
0 p

( ) x t
( )
MA
x t
1
A
2
A
3
A
4
A
5
A
3
2
p
m A
1
2
p
m A
2
2
p
m A

0 p
+
0
2
p
+
0
2
p

0

0
2
0
3
0
4
0
5
... ...

76
Ne propunem determinarea unei reprezentri spectrale a semnalului
modulat. n acest scop, se pleac de la reprezentarea spectral a semnalului de
baz, x(t), care este funcia spectral X(). Aceasta furnizeaz densitatea de
armonici, i nu armonicile.
Caracteristica spectral a semnalului modulat n amplitudine se determin
aplicnd transformata Fourier n relaia (4.9):
(4.10)
{ } { }
{ } { }
( ) ( ) cos( ) ( ) cos( )
cos( ) ( ) cos( )
MA MA p p p p
p p p p
X x t A t A m x t t
A t A m x t t

= = + =
= +
F F
F F

Din relaia (3.66) rezult c:
(4.11)
{ } { }
1
( )cos( ) ( ) cos( )
2
p p
x t t X t
= F F
nlocuind
{ }
cos( ) ( ) ( )
p p p
t ( = + +

F n relaiile de mai
sus, rezult:
(4.12)
{ }
( ) ( ) ( )
1
( ) ( ) ( )
2

MA p p p
p p p
X A
mA X

( = + + +

( + + +

Convoluia unei funcii cu distribuia este funcia avnd argumentul
distribuiei . Deci:
(4.13)
( ) ( ) ( )
( ) ( ) ( )
p p
p p
X X
X X

=
+ = +

Fig. 4.6 Caracteristicile spectrale ale semnalelor ( ) x t , i ( )
MA
x t
n consecin, relaia (4.12) devine:
2
p
mA
( )
MA
X
( ) X
MA
0

// //
0
( )
p p
A +
( )
2
p
p
mA
X
( )
p p
A
( )
2
p
p
mA
X +
p

p
1
1. Semnale modulate

77
(4.14)
( ) ( ) ( )
( ) ( )
2
MA p p p
p
p p
X A
mA
X X

( = + + +

( + + +

Caracteristicile spectrale ale semnalelor ( ) x t i ( )
MA
x t sunt date n
fig. 4.6. Aici se observ componentele caracteristicii spectrale ale semnalului
modulat: purttoarea (distribuia ( )
p p
A ) i cele dou benzi laterale.

Observa i e:
Reprezentarea grafic a caracteristicii ( ) X este simbolic i nu are
legtur cu densitatea de amplitudini real a semnalului. Simbolizarea permite
s se discearn banda semnalului i frecvenele maxim i minim ce definesc
banda.
n concluzie, din cele prezentate rezult c modulaia examinat are dou
dezavantaje:
Banda ocupat de semnalul modulat este dubl fa de cea minim
necesar. De exemplu, banda semnalului telefonic este cuprins ntre 0.3 kHz
i 3.4 kHz. Dac s-ar utiliza modulaia prezentat, lrgimea benzii semnalului
modulat, n jurul frecvenei purttoare, ar fi de 6.8 kHz.
n semnalul modulat se regsete integral purttoarea, rezultnd
unele neajunsuri de natur energetic (randament sczut) i de prelucrare a
semnalului (posibilitatea saturrii amplificatoarelor, datorit nivelului ridicat al
purttoarei, n raport cu componentele laterale utile).
n schimb, extragerea semnalului de baz din cel modulat se realizeaz
foarte simplu, printr-o operaie de detecie/redresare.

Apl i ca i a 4. 1:
Fie semnalul purttor
0
( ) cos( )
p p
x t U t = , cu
0
20 V U = i
20 kHz
p
= . Semnalul modulator este
4
1
( ) cos(2 )
m k k
k
x t U f t
=
=
, unde:

k 1 2 3 4
k
f [kHz] 1 2 5 8
k
U [V] 8 4 6 2

Se cere:
s se reprezinte spectrele semnalului de baz i a celui modulat;
s se calculeze puterea semnalului modulat i randamentul
modulaiei.
Gradele de modulaie ale celor 4 armonici sunt:
1
1
0
0.4
U
m
U
= = ,

78
2
2
0
0.2
U
m
U
= = ,
3
3
0
0.3
U
m
U
= = i
4
4
0
0.1
U
m
U
= = .
Conform relaiei (4.8), ( )
MA
x t se scrie:
4
0 0
1
( ) cos( ) cos( ) cos( )
2
p k
MA p p p p
k
U m
x t U t k t k t
=
( = + + +

Ultima relaie se poate rescrie punndu-se n eviden purttoarea i cele 2
benzi laterale:
4
0
1
4
0
1
( ) cos( )
2
cos( ) cos( )
2
p k
MA p
k
p k
p p p
k
U m
x t k t
U m
U t k t

=
=
( = +

( + + +

Conform acestei expresii, spectrul semnalului modulat este reprezentat n
zona frecvenelor mari din fig. 4.7.

Fig. 4.7 Spectrele semnalelor modulator i modulat (aplicaia 4.1)
Puterea (RMS) semnalului modulat calculat pe o sarcin unitar este
suma puterilor purttoarei i a celor dou benzi laterale:
2
2 2
4
2 2 2 2
1 2 3 4
1
2 320 W
2 2 2
p p
k
MA
k
U U
U
P U U U U
=
| |
| |
= + = + + + + =
|
|
\ .
\ .

Randamentul modulaiei rezult, conform relaiei (4.5), ca raport intre
puterea util coninut n cele dou benzi laterale i puterea total a semnalului
modulat:
2
4
2 2 2 2
1 1 2 3 4
2 2
2
4
2 2 2 2
1 2 3 4
1
2
2 2
37.5%
2
2
2 2 2
k
k BL
p BL
p p
k
k
U
U U U U P
P P
U U
U
U U U U
=
=
+ + +
= = = =
+
+ + + + +

10 20
28
12
1
U
[kHz] f
1
f
2
f

3
f
4
f
2
U
3
U
4
U
p
U
1
4
2
p
m U
=
2
2
p
m U
3
2
p
m U

4
2
p
m U
[kHz] f
0
1. Semnale modulate

79
4.2.2. Modulaia n amplitudine de tip produs
Modulaia de tip produs elimin cel de-al doilea dezavantaj din cele
menionate n seciunea anterioar. Modelul matematic este detaliat mai jos.

Fig. 4.8 Modulator de tip produs
Fie x(t) semnalul modulator. Presupunem c acesta moduleaz un purttor
cosinusoidal cu amplitudinea A
p
. Semnalul modulat este:
(4.15) ( ) ( ) cos( )
MA p
x t x t t =
Schema modulatorului i forma semnalului modulat sunt date n fig. 4.8,
respectiv fig. 4.9.
Atunci cnd semnalul modulator, x(t), i schimb semnul, n momentul t
0

(vezi fig. 4.9), semnalul modulat n amplitudine cu modulaie de tip produs i
inverseaz faza.

Fig. 4.9 Modulaia de tip produs a unui semnal

Reprezent ar ea spect r al a semnal el or cu modul a i e
de t i p pr odus
Se calculeaz transformata Fourier a semnalului x
MA
(t), exprimat prin
relaia (4.15).
Din ( ) ( ) cos( )
MA p
x t x t t = rezult:
{ } { }
{ }
1
( ) ( ) cos( ) ( ) cos( )
2
1
( ) ( ) ( )
2
MA p p
p p
X x t t X t
X

= = =
( = + +

F F

( )
MA
x t
( ) x t
( ) x t
( )
MA
x t
0
t
t
( ) ( )
p
cos( )
MA
x t u t t =
p
cos( ) t
( ) x t

80

Fig. 4.10 Spectrul semnalului MA cu modulaie de tip produs
innd cont de relaia (4.13), ultima relaie devine:
(4.16)
1
( ) ( ) ( )
2
MA p p
X X X ( = + +

Caracteristica spectral ( )
MA
X este ilustrat n fig. 4.10. Se observ
absena purttoarei, ns rmne dezavantajul c banda semnalului modulat
este dubl fa de cea minim necesar.
Apl i ca i a 4. 2:
S se determine caracteristica spectral a semnalului din fig. 4.11, unde
0
2T = i
0
0
2
T
= .

Fig. 4.11 Semnalul de analizat (aplicaia 4.2)
Semnalul se pune sub forma
0
( ) ( ) cos( ) x t u t t = (fig. 4.11, a)), unde u(t)
este un impuls real de amplitudine unitar i arie 2 (fig. 4.11, b)).

Fig. 4.12 Generarea semnalului x(t) din fig. 4.11
1
2
( )
MA
X ( ) X
MA
0

// //
0
p

p

1
0
T
0
t
( ) x t

( ) u t
0
( ) ( ) cos( ) x t u t t =
0
cos( ) t
a)
( ) u t

t
1
0
T
b)
1. Semnale modulate

81
Prin aplicarea transformatei Fourier semnalului x(t), se obine:
{ } { } { }
( ) ( )
( ) ( ) ( ) ( )
0 0
0 0
0 0
1
( ) ( ) cos( ) ( ) cos( )
2
1
2 sinc( )
2
sinc sinc
X u t t u t t

= = =
( = + + =

( = + +

F F F

n relaia de mai sus se folosete faptul c
0 0
0
2
2 4 T
T
= = . Rezult:
( ) ( )
1 2
( ) sinc 4 sinc 4 ( ) ( ) X X X = + + ( = +

n fig. 4.13, a) sunt reprezentate funciile
1
( ) X , respectiv
2
( ) X , iar n
fig. 4.13, b) caracteristica spectral ( ) X .

Fig. 4.13 Caracteristicile spectrale ( ) X ,
1
( ) X i
2
( ) X (aplicaia 4.2)
Demodul a i a de t i p pr odus
Extragerea semnalului de baz din cel modulat nu se poate face printr-o
simpl detecie/redresare, pentru c aa cum se remarc din fig. 4.9 atunci
cnd se schimb faza semnalului modulat, trebuie s se inverseze semnul
semnalului extras din nfurtoarea lui ( )
MA
x t . O asemenea comportare se
realizeaz cu un demodulator sensibil la faz. Schema bloc a demodulatorului
pentru semnale MA de tip produs este dat n fig. 4.14. El implic existena
purttoarei x
p
(t) la recepie (unde se realizeaz demodularea).
Pentru simplificarea calculelor, vom presupune 1
p
A = . La ieirea
circuitului de tip produs se obine variabila ( ) ( ) cos( )
MA p
v t x t t = , a crei
caracteristic spectral se deduce ca mai jos:
( ) X
1 2
( ), ( ) X X
1
( ) X
2
( ) X
0
4
a)
b)

82
{ } { }
1
( ) ( ) cos( ) ( ) ( ) ( )
2
MA p MA p p
V x t t X
( = = + +

F

Fig. 4.14 Demodulator de tip produs
nlocuind ( )
MA
X prin relaia (4.16), rezult:
1
( ) ( ) ( ) ( ) ( )
4
1
( 2 ) ( )
4
( ) ( 2 )
p p p p
p p p
p p p
V X X
X X
X X

( ( = + + + + =

= + + +
( + + + +

n final se obine:
(4.17)
1
( ) ( 2 ) 2 ( ) ( 2 )
4
p p
V X X X ( = + + +

Caracteristicile spectrale ( )
MA
X i ( ) V sunt prezentate n fig. 4.15.

Fig. 4.15 Funcionarea demodulatorului de tip produs
Filtrul trece-jos (FTJ), situat dup circuitul de nmulire, elimin
componentele de nalt frecven din zona pulsaiilor 2
p
, i extrage
Demodulare
1 2
( )
MA
X
// //
0 p

p

1 2
( ) V
// //
0
2
p
2
p
1 4
Caracteristica de
atenuare a FTJ
FTJ
( )
MA
x t
( ) cos( )
p p
x t A t =
( ) v t
1
( )
2
x t
1. Semnale modulate

83
numai componenta spectral de joas frecven:
1 1
2 ( ) ( )
4 2
X X = . n
consecin, la ieirea FTJ se va obine ( ) 1 2 ( ) x t .

4.2.3. Modulaia n amplitudine cu band lateral unic (BLU)
n modulaia de tip produs, analizat n seciunea anterioar, banda
ocupat de semnalul modulat este dubl fa de cea minim necesar. Pentru a
mri capacitatea de transmisie a unui canal fizic, este util s se utilizeze o
modulaie care furnizeaz o singur band din cele 2 benzi rezultate n
modulaia de tip produs: fie banda superioar (n raport cu pulsaia
p
), fie
banda inferioar. O asemenea modulaie se numete cu band lateral unic
(BLU).
O soluie aparent simpl de obinere a unui semnal MABLU const n
selectarea, cu ajutorul unui filtru trece-band (FTB), a uneia din benzile
laterale obinute cu un modulator de tip produs. Aceast soluie are un
dezavantaj important n transmisiunile telefonice, unde banda semnalului de
baz este n domeniul 0.3 3.4 kHz : ecartul ntre limita inferioar a benzii
laterale superioare i limita superioar a benzii laterale inferioare este foarte
mic, de 0.3 0.3 0.6kHz + = , n jurul frecvenei purttoare
p
f . Rezult c FTB
trebuie s aib o foarte bun selectivitate, astfel nct s suprime banda
inferioar fr a afecta zonele adiacente din banda lateral superioar.
Pentru evitarea utilizrii FTB de nalt selectivitate sunt elaborate dou
soluii, care vor fi prezentate n cele ce urmeaz: metoda semnalului analitic
(bazat pe transformata Hilbert) i metoda Weaver.

4.2.4. Modulaia BLU utiliznd transformata Hilbert
(metoda semnalului analitic)
n schema de principiu care ilustreaz aceast metod exist dou
modulatoare de tip produs (fig. 4.16). Primul moduleaz un semnal
cosinusoidal, semnalul modulator fiind x(t). La cel de-al doilea modulator,
intrarea este transformata Hilbert a lui x(t), purttorul fiind sinusoidal.

Fig. 4.16 Modulaia BLU metoda semnalului analitic
Caracteristica spectral a semnalului la ieirea filtrului Hilbert este (vezi
( ) MA x t
( ) x t
( )
MA
x t
H

cos( )
p
t
sin( )
p
t
( ) x t
( )
MA BLU
x t

Filtru Hilbert
+

84
relaia (3.94))
( ) ( ) sign( ) X j X = , de unde rezult:
( ) ( ) sign( ) jX X =
n fig. 4.17, a) sunt reprezentate schematic funciile spectrale ( ) X i
( ) jX . Se observ c, pentru 0 > ,
( ) ( ) jX X = , iar pentru 0 < ,
( ) ( ) jX X = .

Fig. 4.17 Caracteristicile spectrale ale semnalelor implicate n schema din fig. 4.16
La ieirea primului modulator de tip produs se obine semnalul
( ) ( ) cos( )
MA p
x t x t t = . Caracteristica spectral a acestuia, avnd expresia
(4.16), este reprezentat n fig. 4.17, b). La ieirea celui de-al doilea modulator
se obine semnalul

( ) ( ) sin( )
MA
p
x t x t t = , pentru care vom determina
caracteristica spectral:
{ }

{ }
1
( ) ( ) sin( ) ( ) sin( )
2
MA p p
X x t t X t
= = F F
Utiliznd expresia (3.37) pentru
{ }
sin( )
p
t F se obine:
1
( ) X

0

0
( ) j X
a)
b)
// //
p

p

1 2
( )
MA
X

// //
p

p

1 2

( ) MA j X

// //
p

p

1
( )
MA BLU
jX

// //
p

p

1
( )
MA BLU
X

MA
MA
0
0
0
0
1. Semnale modulate

85

( ) ( )
( )

( )
1
( ) ( )
2
1

2
MA
p p
p p
X X
j
j X j X

(
= + =
`

)
(
= + +

,
din care rezult:
(4.18)

1
( ) ( ) ( )
2
MA p p
X j X j X
(
= + +

Aceast funcie spectral, reprezentat n fig. 4.17, b), are dou
componente: cea situat n jurul pulsaiei
p
,
1
( )
2
p
j X , obinut prin
inversarea semnului i decalarea la dreapta a caracteristicii
( ) j X , i cea
situat n jurul pulsaiei
p
,
1
( )
2
p
j X + , obinut prin deplasarea spre
stnga a caracteristicii spectrale
( ) j X . Din fig. 4.17, b), se observ c, dac

se scad funciile ( )
MA
X i
( ) MA X (la elementul de nsumare din fig. 4.16,

semnele sunt + i respectiv ), se obine ( )
MA BLU
X
, fiind suprimat
banda lateral inferioar. Dac se adun ( )
MA
X i
( ) MA X (elementul de
nsumare din schem, are semnul + la ambele intrri), se obine
( )
MA BLU
X
, cu banda superioar suprimat.

4.2.5. Modulaia BLU utiliznd metoda Weaver
n modulatorul Weaver exist dou ramuri, fiecare ramur realiznd cte
dou modulaii consecutive. Prima ramur utilizeaz semnale purttoare
cosinusoidale, iar n a doua ramur semnalele purttoare sunt sinusoidale
(fig. 4.18).

Fig. 4.18 Modulaia BLU metoda Weaver
Frecvena purttoare la primele modulaii de tip produs din cele 2 ramuri
este notat cu i are o valoare mic, situat n zona median a benzii
semnalului modulator. n fig. 4.19 este ilustrat prelucrarea semnalelor n
FTJ
cos( )
p
t
sin( )
p
t
1c
( ) x t
( )
MA BLU
x t

+

sin( ) t
FTJ
cos( ) t
1
( ) x t
2
( ) x t
2s
( ) x t
2sin
( ) x t
( ) x t
1cos
( ) x t

86
primul etaj al ramurii superioare. Se observ c funcia spectral
1cos
( ) X , de
forma:
(4.19) | |
1cos
1
( ) ( ) ( )
2
X X X = + +
este deplasat simetric n jurul pulsaiilor i . Cu ajutorul FTJ se
suprim componentele spectrale avnd > i se obine caracteristica
spectral a semnalului
1c
( ) x t , adic
1c
( ) X .

Fig. 4.19 Obinerea caracteristicii spectrale a semnalului
1c
( ) x t
Modelul frecvenial al prelucrrii semnalelor n primul etaj al ramurii
inferioare este prezentat n fig. 4.20.

2s
( ) x t
Mai nti se determin caracteristica spectral a semnalului
2sin
( ) ( ) sin( ) x t x t t = :
{ }
2sin
1
( ) ( ) sin( ) ( ) ( ) ( )
2
p p
X x t t X
j

( = = +
`

)
F ,
din care rezult:
0
1
( ) X
1 2
2sin
( ) jX
1 2 2s
( ) jX
FTJ
0

0
1
( ) X
1 2
1cos
( ) X
1 2
1c
( ) X
FTJ

1. Semnale modulate

87
(4.20) | |
2sin
1
( ) ( ) ( )
2
jX X X = +
Caracteristica spectral
2sin
( ) jX se obine prin simpla deplasare spre
dreapta a caracteristicii ( ) X , n jurul pulsaiei +, ct i prin inversarea
semnului caracteristicii ( ) X i deplasarea ei spre stnga n jurul pulsaiei
(vezi fig. 4.20). Prin eliminarea componentelor spectrale de frecvene
> , cu ajutorul FTJ, se obine caracteristica spectral
2s
( ) jX , asociat
semnalului
2s
( ) x t (fig. 4.20).

-
( )
MA BLU
x t
n cel de-al doilea etaj al ramurii superioare, semnalul
1c
( ) x t este modulat
cu purttorul cosinusoidal cos( )
p
t , unde
p
este mult mai mare dect
pulsaia maxim din spectrul semnalului modulator. La ieirea modulatorului
se obine semnalul
1
( ) x t , a crui caracteristic spectral este:
{ } ( ) ( ) { } 1 1 1
1
( ) ( ) cos( ) ( )
2
c p c p p
X x t t X
(
= = + +

F
sau:
0
0
0
0
// //
p
p

1 4
1
( ) X
// //
p
p

1 4
2
( ) X
// //
p
p

1 2
( )
MA BLU
X
// //
p
p

( )
MA BLU
X
1 2

88
(4.21)
1 1c 1c
1
( ) ( ) ( )
2
p p
X X X ( = + +

n reprezentarea grafic din fig. 4.21, cele dou componente ale funciei
1
( ) X se obin prin deplasarea simetric, n jurul pulsaiilor
p
i
p
a
caracteristicii spectrale
1c
( ) X din fig. 4.19.
n ramura inferioar, semnalul
2s
( ) x t este modulat pe purttorul
sinusoidal sin( )
p
t . La ieirea modulatorului se obine semnalul
2 2s
( ) ( ) sin( )
p
x t x t t = , a crui caracteristic spectral este:
{ }
2 2s 2s
1
( ) ( ) sin( ) ( ) ( ) ( )
2
p p p
X x t t X
j

( = = +
`

)
F
(4.22)
2 2s 2s
1
( ) ( ) ( )
2
p p
X jX X ( = + +

Caracteristica
2
( ) X , reprezentat n fig. 4.21, se obine pe baza funciei
2s
( ) jX , dat n fig. 4.20, prin inversarea semnului acestei funcii i
deplasarea ei n jurul pulsaiei
p
, precum i prin simpla deplasare a ei spre
stnga, n jurul pulsaiei
p
.
Dac n elementul de nsumare din fig. 4.18, ambele intrri au semnul +
(
- 1 2
( ) ( ) ( )
MA BLU
x t x t x t = + ), atunci
- 1 2
( ) ( ) ( )
MA BLU
X X X = + i
semnalul modulat de la ieirea modulatorului conine banda lateral
superioar. Dac semnalele
1
( ) x t i
2
( ) x t se scad, semnalul modulat va
conine banda lateral inferioar (vezi fig. 4.21).

4.2.6. Principiul multiplexrii n frecven
Multiplexarea semnalelor presupune transmiterea mai multor semnale pe
acelai canal fizic, fr ca semnalele s interfereze. Multiplexarea n frecven
se realizeaz prin modularea semnalelor respective. Frecvenele purttoare
utilizate la modulatoare, distincte la fiecare modulator, se aleg n aa fel nct
densitile spectrale ale semnalelor modulate s nu se suprapun i n plus
s aib ntre ele un ecart n frecven suficient pentru a selecta (separa) fiecare
canal prin intermediul filtrelor.
Principiul multiplexrii n frecven este ilustrat n fig. 4.22. Aici s-au
considerat 3 semnale diferite, ( )
A
x t , ( )
B
x t i ( )
C
x t , ale cror caracteristici
spectrale, schematizate n fig. 4.22, sunt ( )
A
X , ( )
B
X i ( )
C
X .
Cele 3 semnale se aplic modulatoarelor de tip produs, care lucreaz cu
semnale purttoare avnd pulsaiile
1
p
, respectiv
2
p
i
3
p
. Aa cum se
remarc din fig. 4.22, prin alegerea frecvenelor purttoare, caracteristicile
1. Semnale modulate

89
spectrale ale semnalelor modulate, ( )
A
X , ( )
B
X i ( )
C
X ocup zone
distincte pe axa frecvenelor, fiind transmise pe canalul fizic. La recepie,
presupunnd c a fost compensat atenuarea canalului, se utilizeaz filtre
trece-band (FTB) care selecteaz/separ canalele: la ieirea FTB
A
se obine
( )
A
X , iar FTB
B
i

FTB
C
vor furniza ( )
B
X , respectiv ( )
C
X . Utiliznd
demodulatoare de tip produs, formate dintr-un circuit de nmulire i un FTJ
(fig. 4.14), se obin n final semnalele
1
( )
2
A
x t ,
1
( )
2
B
x t i
1
( )
2
C
x t .

Fig. 4.22 Principiul multiplexrii n frecven
n schema dat n fig. 4.22 s-a utilizat modulaia de tip produs, n care un
semnal modulat ocup o band dubl fa de cea minim necesar. Astfel, n
cazul unui semnal telefonic, unde banda este limitat n domeniul
0.3 3.4 kHz , banda semnalului modulat este de 2 3.4 6.8 kHz = , iar
frecvenele purttoare adiacente trebuie s fie distanate la 8 kHz , pentru a
se asigura i ecartul necesar separrii cilor prin FTB. Dac ns se utilizeaz
MA-BLU, atunci banda semnalului se reduce la jumtate, frecvenele
purttoare adiacente sunt decalate cu 4 kHz, iar numrul de semnale
multiplexate n frecven, transmise pe canalul fizic, se dubleaz vezi
fig. 4.23.

Fig. 4.23 Multiplexarea n frecven utiliznd MA-BLU
f
4 kHz
//
( 1) i
p
f

pi
f
( 1) i
p
f
+

0
FTB
A
( )
A
X

( )
B
X

( )
C
X

FTB
B
FTB
C
FTJ
FTJ
FTJ
( )
A
x t
( )
B
x t
( )
C
x t
1
p

2
p

3
p

Canal fizic
1
p
2
p
3
p
1
( )
2
A
x t
1
( )
2
B
x t
1
( )
2
C
x t
1
p
2
p
3
p

90
4.3. Semnale cu modulaie unghiular
4.3.1. Noiuni generale privind modulaia unghiular
Modulaia unghiular cuprinde modulaia n frecven (MF) i modulaia
n faz (MP). Aa cum se va arta n cele ce urmeaz, instrumentul matematic
utilizat la modelare este acelai, iar spectrele semnalelor modulate sunt
similare. Principalul avantaj al acestor modulaii este marea robustee la
parazii.
Fie un semnal purttor:
(4.23)
| | ( ) cos ( )
p p
x t A t = ,
n care relaia dintre faz ( ) t i pulsaia semnalului ( ) t este de forma:
(4.24)
0
0
( ) ( )d
t
t = +

Modulaia n faz este caracterizat de relaia:
(4.25) ( ) ( ) ( )
p
t t t = + ,
n care ( )
p p
t t = , iar deviaia de faz ( ) t este proporional cu
semnalul modulator:
(4.26) ( ) ( )
p
t K x t = ;
rezult:
(4.27) ( ) ( )
p p
t t K x t = +
Semnalul MP este:
(4.28) ( ) cos ( )
MP p p p
x t A t K x t ( = +

Modulaia n frecven este caracterizat de relaia:
(4.29) ( ) ( )
p
t t = + ,
n care deviaia de frecven ( ) t este proporional cu semnalul modulator
( ) x t :
(4.30) ( ) ( )
p
t K x t
= +
Utiliznd relaia (4.24), n care se admite
0
0 = , expresia fazei devine:
(4.31)
0
( ) ( )d
t
p
t t K x
= +

,
iar semnalul MF este:
1. Semnale modulate

91
(4.32)
0
( ) cos ( )d
t
MF p p
x t A t K x

(
= +
(

Se constat c semnalele MP i MF, avnd expresiile (4.28), respectiv
(4.32), sunt asemntoare: n primul caz deviaia de faz este proporional cu
semnalul modulator, iar n cel de-al doilea caz cu integrala semnalului
modulator. n ambele situaii, frecvena unghiular a semnalului modulat
depinde de x(t), fapt care justific denumirea generic de modulaie unghiular
dat ansamblului MP i MF.
n fig. 4.24 s-au ilustrat cele dou tipuri de modulaie pe cazul celui mai
simplu semnal modulator: semnalul binar (telegrafic).
S-au utilizat notaiile: ( ) x t semnal de baz; ( )
MF
x t semnal modulat
FSK (Frequency Shift Keying); ( )
MP
x t semnal modulat PSK (Phase Shift
Keying). Utiliznd termenul de cheiere (n sensul comutrii valorii unui
parametru), FSK i PSK nseamn cheierea deviaiei de frecven, respectiv
cheierea deviaiei de faz.

Fig. 4.24 Semnale MF i MP, de tip FSK i PSK

4.3.2. Analiza spectral a semnalului modulat n frecven
S considerm cazul cnd semnalul de baz e cosinusoidal, de frecven
0
. n acest caz, frecvena purttoare este:
(4.33)
0
( ) cos( )
p
t t = + ,
iar faza are expresia:
0 0 0 0 0
0 0 0
( ) ( )d cos( ) d sin( )
t t
p p
t t t t
( = + = + + = + +

t
t
t
( )
MF
x t
( ) x t
( )
MP
x t
0
0
0

92
Considernd pentru simplificare
0
0 = , rezult:
(4.34)
0
( ) sin( )
p
t t t = + ,
unde
0
= se numete indice de modulaie.

Expresia semnalului modulat n frecven devine:
(4.35)
( )
| |
| |
0
0
0
( ) cos sin( )
cos( ) cos sin( )
sin( ) sin sin( )
MF p p
p p
p p
x t A t t
A t t
A t t

= + =
=

Funciile trigonometrice care au ca argument alte funcii trigonometrice se
pot exprima prin funcii Bessel de spea I:
(4.36) | |
0 0 2 0
1
cos sin( ) ( ) 2 ( ) cos(2 )
i
i
t J J i t
=
= +

(4.37) | | | |
0 2 -1 0
1
sin sin( ) 2 ( ) sin (2 1)
i
i
t J i t
=
=

Fig. 4.25 Primele 7 funcii Bessel de spea I
Membrul drept al relaiei (4.35) va conine produse de forma:
0 0 0
2cos( ) cos(2 ) cos ( 2 ) cos ( 2 )
p p p
t i t i t i t ( ( = + +

( ) ( )
0 0 0
2sin( ) sin(2 ) cos (2 1) cos (2 1)
p p p
t i t i t i t
( (
= + + +

Drept urmare, relaia (4.35) se rescrie sub forma:
0 1 2 3 4 5 6 7 8 9 10
-0.5
0
0.5
1
( )
k
J
J
0
()
J
1
()
J
2
()
J
3
()
J
4
()
J
5
()
J
6
()
1. Semnale modulate

93
(4.38)
{ }
0
0 0
1
( ) ( ) cos( )
( ) cos ( ) ( 1) cos ( )
MF p p
k
p k p p
k
x t A J t
A J k t k t

=
= +
( ( + + +

Funciile Bessel pot fi i de ordin negativ, n care caz este valabil relaia:
(4.39)
( ), par
( )
( ), impar
k
k
k
J k
J
J k

Dac n relaia (4.38), indicele k din sum se extinde de la la +,
atunci relaia (4.39) permite scrierea expresiei (4.38) a semnalului MF ntr-o
form foarte compact:
(4.40)
0
-
( ) ( ) cos ( )
MF p k p
k
x t A J k t
=
( = +

Admind, pentru simplificare, 1
p
A = , rezult c armonicile aferente
pulsaiilor
0 p
k sunt date de funciile Bessel ( )
k
J
. n fig. 4.25 sunt

date graficele primelor 7 funcii Bessel de spea I: ( ), 0,1,..., 6
k
J k = .
Aceste funcii au fost generate cu funcia Matlab besselj, utilizat n
cadrul urmtorului program:
d=[0:0.01:10];
for i=1:7,
p=besselj(i-1,0:0.01:10);
plot(d,p);
hold on;
axis([0 10 -0.5 1]);
grid;
end;

Fig. 4.26 Spectrul semnalului MF pentru 2.4 =
0 2 4 6 8 10 12 14 16 18 20
-0.8
-0.6
-0.4
-0.2
0.2
0.4
0.6
J
-6
J
-4
J
-2
J
-8

J
1
J
3
J
5
J
7
J
9

(2.4)
k
J
J
2

J
4
J
6
J
8
J
0

J
-7
J
-5
J
-3
J
-1
0
0

94
Spectrul semnalului MF se obine folosind urmtorul program Matlab:

beta=[0.3 2.4 5.5];
for k=1:length(beta),
for i=1:19,
j=i-10;
ind(i)=i;
p(i)=besselj(j,beta(k));
end;
stem(ind,p);grid;pause;
end;
Din cele prezentate se desprind urmtoarele concluzii:
Chiar pentru cazul cel mai simplu, al unui semnal modulator
cosinusoidal, spectrul semnalului MF e larg i complex.
Spectrul depinde foarte mult de indicele de modulaie, . Este
posibil s se adopte un indice de modulaie pentru care
0
( ) 0 J = , avnd n
acest caz un semnal modulat cu purttoare suprimat.
Este necesar s se determine valoarea indicelui de modulaie pentru
care proprietile semnalului MF sunt avantajoase din punct de vedere al
comunicaiilor.

Fig. 4.27 Spectrul semnalului MF pentru mare ( 5.5 = )
Vom calcula puterea medie a semnalului MF pe baza modelului (4.40) al
semnalului:
(4.41)
2
2
0
-
0 0
1
( )d ( ) cos ( ) d
T T
p
MF k p
k
A
P x t t J k t t
T T

=

( = = +
`

)

Dezvoltnd ptratul de sub integral, rezult 2 categorii de termeni:
termeni care conin ptratul componentelor cosinusoidale. Integrnd
aceti termeni, rezultat 2 T , adic ptratul normei funciei trigonometrice;
0 2 4 6 8 10 12 14 16 18 20
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
(5.5)
k
J
J
-7
J
-9

J
-6
J
-8

J
-3
J
-5
J
0
J
-2
J
-1
J
-4
J
7
J
9

J
6
J
8

J
3
J
5

J
4

J
1

J
2

1. Semnale modulate

95
termeni care conin produse a dou componente cosinusoidale
distincte. Integrala acestor termeni este nul, ntruct funciile cosinusoidale
sunt ortogonale.
n consecin, expresia (4.41) devine:
(4.42)
2 2
2
-
( )
2 2
p p
k
k
A A
P J
=
= =
,
deoarece:
(4.43)
2
( ) 1
k
n
J
=
=

Rezult c puterea semnalului MF este independent de indicele de modulaie,
indiferent dac se aplic sau nu semnal modulator.
Vom analiza n continuare urmtoarea relaie:
(4.44)
2
2
-
( )
2
p
k
k
A
P J
=
=

Se pune problema determinrii benzii din spectrul semnalului MF.
Teoretic, spectrul este infinit, componentele spectrale avnd pulsaia
0 p
k . n practic se consider c banda este finit, ea limitndu-se la
ansamblul armonicilor care dau 99% din puterea semnalului MF. Deci, n
(4.44) limitele de sumare se consider finite, de la N la N + . Se impune ca,
n cazul limitelor finite, suma s scad de la 1 (relaia (4.43)), la 0.99:
(4.45)
2
( ) 0.99
N
k
k N
J
=
=

n condiiile n care se cunoate , aceast relaie se poate considera ca o
ecuaie cu necunoscuta N. Valoarea aproximativ a soluiei este:
(4.46) | | 1 N = + ,
unde | | reprezint partea ntreag. Banda semnalului MF va fi egal cu
domeniul de frecvene:
0 0
;
p p
N N ( +

. Lrgimea benzii este:
(4.47)
0
2( 1) B = +
Vom analiza n continuare dou cazuri: cazul semnalelor MF cu indice de
modulaie redus, respectiv cu indice modulaie mare.
Pentru indice de modulaie redus, se ine cont c funcia:
2 4 6
2 4 6
1
( ) ...
2 !
2 1!( 1)! 2 2!( 2)! 2 3!( 3)!
k
k
J
k
k k k

| |
+ +
`
|
+ + + \ .
)


96
se poate exprima astfel:
(4.48) ( )
! 2
k
k
k
J
k

Rezult:
2
0 1 2
( ) 1; ( ) ; ( ) ; ...
2 8
J J J

.
Dac se consider 0.4 < ,
2
( ) J devine neglijabil. Drept consecin,
relaia (4.40) devine:
(4.49)
{ } 0 0
( ) cos( ) cos ( ) cos ( )
2
MF p p p p p
x t A t A t t
( ( + +

Spectrul semnalului MF cu indice redus de modulaie este prezentat n fig.
4.28. Se constat c, dac este mic, banda semnalului MF e aceeai ca la
semnalul MA. Indicele de modulaie redus se utilizeaz n transmisiuni de date.

Fig. 4.28 Spectrul semnalului MF cu redus ( 0.3 = )
Reprezentarea fazorial a semnalului MF cu indice redus de modulaie
(fig. 4.29). Fa reprezentarea similar a semnalului MA, dat n fig. 4.4, exist
2 diferene: gradul de modulaie m este nlocuit prin indicele de modulaie i
componenta lateral de pulsaie
0 p
are semnul minus. n consecin,
fazorul corespunztor acestei componente este orientat invers, fa de cazul din
fig. 4.4. n aceast situaie se constat din fig. 4.29 c nsumarea la vectorul
semnalului purttor a rezultantei componentelor laterale conduce la un fazor
rotitor care penduleaz cu pulsaia
0
n jurul fazorului purttoarei, aceasta
rotindu-se, la rndul ei, cu pulsaia
p
.
n radio-comunicaii se utilizeaz indice de modulaie mare, adic 1 .
Neglijnd pe 1 n raport cu , din relaia (4.47) rezult:
0 2 4 6 8 10 12 14 16 18 20
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
(0.3)
k
J
J
-7
J
-5
J
-3
J
-1
J
0

J
1

J
2

J
3

J
4

J
5

J
6

J
7

J
8

J
9

J
-9

p
1. Semnale modulate

97
(4.50)
0 0
2( 1) 2 B = +
sau, innd cont de faptul c
0
= :
(4.51)
0
0
2 2 B

= =

Fig. 4.29 Reprezentarea fazorial a semnalului MF cu indice redus de modulaie
Deviaia de frecven este un parametru al modulaiei. Constatm ca
banda semnalului MF nu depinde de frecvena semnalului modulator,
0
. n
radiocomunicaii se adopt 75 kHz f = , de unde rezult banda 150 kHz B = .
Din punct de vedere practic, semnalul MF se ntlnete cel mai frecvent n
dou situaii specifice:
cu indice redus de modulaie (<0.4) pentru comunicaii de date;
cu indice mare de modulaie, cnd banda semnalului MF este
= 2 B , caz utilizat n radiodifuziune.

4.3.3. Analiza spectral a semnalului modulat n faz
Vom presupune c semnalul modulator este sinusoidal de pulsaie
0
.
Rezult:
(4.52)
0
( ) ( ) sin( )
p
t t t = + ,
unde este deviaia maxim de faz, ( )
p p
t t = este faza purttoarei
nemodulate. Semnalul MP este:
(4.53)
| |
0
0
( ) cos ( ) cos sin( )
= cos sin( )
MP p p p
p p
x t A t A t t
A t t

( = = + =

( +

La modulaia de faz indicele de modulaie se noteaz cu i este
deviaia maxim de faz:
(4.54) =
Pentru un oarecare, spectrul semnalului MP este similar spectrului
semnalului MF:
0
( )
2
p
p
A
t

0
( )
2
p
p
A
t
+
p
p p
A t

98
(4.55)
{ }
0
0 0
-1
( ) ( ) cos( )
( ) cos ( ) ( 1) cos ( )
MP p p
k
p k p p
k
x t A J t
A J k t k t

=
= +
( ( + + +

Dac indicele de modulaie este mic, adic 0.4 < , se obine un semnal
cu banda
0
2 B = , de tip purttoare cu dou componente laterale, exact ca la
modulaia n frecven. Acest caz se utilizeaz efectiv n comunicaii de date.
Dac indicele este mare, banda semnalului MP are expresia
0
2( 1) B = + , care depinde de pulsaia
0
a semnalului modulator. Deviaia
maxim de faz este cuprins n domeniul | | , , deci = nu poate lua
valori mai mici de . Rezult c, spre deosebire de MF, modulaia MP nu se
poate aplica la valori mari ale indicelui de modulaie. n schimb, modulaia de
faz cu indice redus de modulaie se utilizeaz frecvent n comunicaiile de
date.

4.3.4. Semnale modulate MP i MF cu indice redus de modulaie
n cele ce urmeaz vom considera un semnal modulator oarecare, x(t).
Fie un semnal MP:
( ) cos ( )
MP p
x t A t = ,
cu ( ) ( )
p x
t t k x t = + , n care
x
k este foarte mic, iar ( ) 1 x t .
Expresia semnalului MP devine:
(4.56) | | | | ( ) cos( ) cos ( ) sin( ) sin ( )
MP p p x p p x
x t A t k x t A t k x t = ,
sau, innd cont c ( )
x
k x t are valori foarte mici i | | cos ( ) 1
x
k x t ,
| | sin ( ) ( )
x x
k x t k x t ,
(4.57) ( ) cos( ) ( ) sin( )
MP p p p x p
x t A t A k x t t

Fig. 4.30 Modulator MP cu indice redus de modulaie
Pe baza acestei relaii se obine schema modulatorului MP cu indice redus
de modulaie, reprezentat n fig. 4.30.

( )
MP
x t
( ) x t
sin( )
p p
A t
x
k
2

p
cos( )
p
A t
+
1. Semnale modulate

99
Pentru determinarea caracteristicii spectrale a semnalului MP se aplic
transformata Fourier relaiei (4.57), pe baza utilizrii distribuiei . Folosind
relaiile (3.43) i (3.66), rezult:
( ) ( ) ( )
1
( ) ( ) ( )
2
MP p p p
p x p p
X A
A k X
j

( = + +

( +
`

)

sau:
(4.58)
( ) ( ) ( )
( ) ( )
2
MP p p p
x
p p p
X A
k
j A X X

( = + + +

( + +

Se constat c semnalul MP are purttoare i dou benzi laterale. Fa de
modulaia de amplitudine (vezi relaia (4.14)) apar diferene numai la fazele
componentelor laterale, densitile de amplitudini fiind practic identice ( n
relaia (4.58) intervine k
x
, n loc de gradul de modulaie m din expresia (4.14)).

Fig. 4.31 Modificarea schemei din fig. 4.30, pentru a se obine
MF cu indice redus de modulaie
Modulaia de frecven se obine substituind semnalul x(t) aplicat
modulatorului prin
0
( )d
t
x
(fig. 4.31). Caracteristica spectral a semnalului

MF cu indice mic de modulaie este:
( ) ( ) ( )
1
( ) ( )
2
MF p p p
x
p p p
X A
jk
A X X
j

( = + + +

( + +

,
sau:
(4.59)
( ) ( ) ( )
( ) ( )
2
MF p p p
x p
p p
X A
k A
X X

( = + + +

( + +

( )dt
( )
MP
x t
( ) x t

x
k
+

100
4.4. Modulaia impulsurilor
4.4.1. Modulaia impulsurilor n amplitudine (MIA)
Exist dou variante de modulaii ale impulsurilor n amplitudine:
natural (MIA-N),
uniform (MIA-U).
Pentru fiecare variant se vor prezenta, n cele ce urmeaz, principiile
fizice (forma unui semnal MIA-N, respectiv MIA-U) i modelele matematice
respective.

Modul a i a i mpul sur i l or n ampl i t udi ne nat ur al
n fig. 4.32 sunt reprezentate: semnalul modulator, x(t), semnalul purttor,
x
p
(t), sub forma unui tren de impulsuri de amplitudine unitar, de perioad T i
durat , i semnalul modulat, x
MIA-N
(t). Se constat c n intervalul
corespunztor limii amplitudinea impulsurilor urmrete semnalul
modulator x(t).

Fig. 4.32 Modulaia impulsurilor n amplitudine natural
Este evident c semnalul modulat natural este produsul semnalelor x(t) i
x
p
(t):
(4.60) ( ) ( ) ( )
MIA N p
x t x t x t
=
Trenul de impulsuri x
p
(t) poate fi modelat pornind de la un singur impuls,
f(t), de amplitudine unitar i durat (fig. 4.33). Semnalul x
p
(t) este, de fapt, o
sum de impulsuri similare, care apar la momentele de timp iT, pentru
( ) , i + , adic:
(4.61) ( ) ( )
p
i
x t f t iT
=
=

( ), ( )
MIA N
x t x t
t
t
( ) x t
( )
MIA N
x t
( )
p
x t
0
0
T

1. Semnale modulate

101
Vom calcula produsul de convoluie ntre funcia f(t) i distribuia
periodic, adic ( ) ( )
T
f t t . Utiliznd expresia (3.47) a distribuiei delta
periodice i proprietatea de sondare n timp a distribuiei , rezult:
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
T
i i
p
i
f t t f t t iT f t t iT
f t iT x t

= =
=
= =
= =

n consecin:
(4.62) ( ) ( ) ( )
p T
x t f t t = ,
iar modelul matematic temporal al semnalului MIA-N este cel reprezentat n
fig. 4.34.

Fig. 4.33 Impuls de amplitudine unitar Fig. 4.34 Modelul matematic temporal
al unui semnal MIA-N
Vom deduce n continuare modelul frecvenial al acestui semnal. Mai
nti calculm caracteristica spectral a purttoarei, pe baza relaiei (4.62):
(4.63) { } { } ( ) ( ) ( ) ( ) ( )
p T
X f t t F t = = F F
Pentru a deduce transformata Fourier a impulsului din fig. 4.33, ( ) F , se
pornete de la caracteristica spectral a impulsului unitar, ( ) ( ) t u t =
reprezentat n fig. 3.5: ( ) sinc
2
U

| |
=
|
\ .
. Semnalul f(t) difer de u(t) prin
faptul c are aria n loc de 1, i prin faptul c este ntrziat cu 2 . n
consecin,
(4.64) { } { }
2 2
( ) ( ) ( ) sinc
2
j j
F j f t e u t e

| |
= = =
|
\ .
F F
Caracteristica spectral a distribuiei periodice are expresia (3.52) unde
0
este, n cazul de fa, pulsaia purttoarei:
(4.65)
2
p
T
=
1
0
( ) f t
( ) f t
-
( )
MIA N
x t ( ) x t
( )
T
t

102
Deci:
(4.66) { } ( ) ( )
T p p
i
t i
=
=
F
nlocuind (4.64) i (4.66) n (4.63), se obine:
(4.67)
2
( ) sinc ( )
2
j
p p p
i
X e i

=
| |
=
|
\ .
,
sau, innd cont de proprietatea (3.35) a distribuiei :
(4.68)
2
( ) sinc ( )
2
p
ji
p
p p p
i
i
X e i

=
| |
=
|
\ .

n continuare se aplic transformata Fourier relaiei (4.60) i, pe baza
proprietii (3.66), avem:
(4.69)
1
( ) ( ) ( )
2
MIA N p
X X X
= ,
sau, nlocuind ( )
p
X cu relaia (4.68) i
p
cu expresia (4.65), rezult:
(4.70)
2
( ) sinc ( ) ( )
2
p
ji
p
MIA N p
i
i
X e i X
T

=
| |
=
|
\ .
,
sau:
(4.71)
2
( ) sinc ( )
2
p
ji
p
MIA N p
i
i
X e X i
T

=
| |
=
|
\ .

Fig. 4.35 Distribuia spectral a semnalului modulator
Fie distribuia spectral a densitii de amplitudine a semnalului
modulator, reprezentat simbolic ca n fig. 4.35, unde
M
este pulsaia
maxim ce definete banda semnalului, iar
2
M
M
f

= este frecvena maxim

din spectrul semnalului. Pentru a face o reprezentare grafic a densitii
spectrale de amplitudini, ( )
MIA N
X
, vom considera o situaie concret

1
M
M

( ) X
1. Semnale modulate

103
privind pulsaia
p
i raportul dintre perioada T i limea a impulsurilor
purttoarei: 3
p M
= ;
2
T
= .
Sinusul cardinal din expresia (4.71) se anuleaz pentru
; 1, 2,...
2
p
i
k k

= = , adic la pulsaiile discrete
2
; 1, 2,...
p
i k k
= =
Pentru 0 i = n suma din (4.71), avem ( ) ( )
MIA N
X X
T
= , care
corespunde componentei spectrale centrale din fig. 4.36.

Fig. 4.36 Funcia spectral ( )
MIA N
X

Pentru 1 i = , componentele spectrale rezultate din (4.71) sunt
( ) sinc ( )
2
MIA N p
X X
T

| |
=
|
\ .
(fig. 4.36), ntruct
2 2
p
i

= .
Pentru 2 i = avem ( )
2
sinc sinc 0
2
p

| |
= =
|
\ .
, deci componenta
spectral din jurul pulsaiei 2
p
lipsete, etc. Se observ c avem o deplasare
a funciei spectrale ( ) X n jurul pulsaiilor
p
i , simultan cu nmulirea
acestor funcii spectrale cu coeficienii numerici sinc sinc
2 2
p
i
i

| |
| |
=
|
|
\ .
\ .
.
Teoretic, reconstituirea semnalului de baz din semnalul modulat se poate
realiza prin dou metode (fig. 4.37):
fie cu un filtru trece jos (FTJ), care extrage din funcia spectral a
semnalului modulat componenta central, aferent lui 0 i = (fig. 4.37, a));
aceast variant este folosit ntotdeauna, pentru c este foarte simpl. n
( )
MIA N
X
p

p
2
2
p

=
3
p
3
p

4
4
p

=
M
2
2
p

=
4
p

2
M
2
M

sinc
2
| |
|
\ .
sinc
2
| |
|
\ .

3
sinc
2
| |
|
\ .

3
sinc
2
| |
|
\ .

0 i =
1 i =
2 i =
1 i =
3 i =
2 i =
3 i =

104
practic,
p M
i T , astfel nct separarea cu FTJ a componentei
centrale se face cu erori neglijabile;
fie cu un filtru trece band (FTB), care extrage o component
lateral, de exemplu componenta corespunztoare lui 1 i = . La ieirea
filtrului se obine caracteristica spectral fr purttoare i cu dou benzi
laterale, aferent unei modulaii pe purttor armonic de tip produs; semnalul
respectiv se demoduleaz cu un demodulator de tip produs (fig. 4.37, b)).

Fig. 4.37 Extragerea semnalului de baz din semnalul MIA-N

Modul a i a i mpul sur i l or n ampl i t udi ne uni f or m
n fig. 4.38, c) este ilustrat un semnal MIA-U. Se constat c, n intervalul
corespunztor limii, amplitudinea impulsurilor nu urmrete semnalul x(t),
ci are o valoare constant, egal cu ( ) x iT .

Fig. 4.38 Modulaia impulsurilor n amplitudine
-
( )
MIA N
x t
( ) x t
D

(FTJ)
b) a)
cos( )
p
t
( ) x t
FTB
Demodulator de tip produs
FTJ
-
( )
MIA N
x t
( ) x t
a)
t
0 T 2T 3T 4T 5T
6T 7T 8T 9T
10T
b)
t
( )
T
x t

( ) x t
t
0 T 2T 3T 4T 5T
6T 7T 8T 9T
10T
( )
MIA U
x t

c)
( ) x t

1. Semnale modulate

105
Pentru modelarea acestui semnal, se consider mai nti c semnalul x(t)
moduleaz un tren de impulsuri , adic o distribuie delta periodic.
Rezultatul este semnalul x
T
(t) (vezi fig. 4.38, b)), format dintr-o serie de
impulsuri avnd arii egale cu x(iT). n continuare se realizeaz convoluia
impulsului f(t) (vezi fig. 4.33) cu semnalul x
T
(t). Aa cum s-a artat n
seciunea anterioar (i va rezulta i din relaiile care urmeaz), prin aceast
convoluie se atribuie fiecrui impulsdistribuie din x
T
(t) un impuls f(t) cu
durat i amplitudine egal cu aria impulsuluidistribuie, adic x(iT).
Rezult, deci, semnalul ( )
MIA U
x t
.
Modelul matematic temporal este format din relaiile:
(4.72) ( ) ( ) ( )
T T
x t x t t =
(4.73) ( ) ( ) ( )
MIA U T
x t x t f t
=

Fig. 4.39 Modelul matematic temporal al unui semnal MIA-U
Schema care ilustreaz acest model matematic este dat n fig. 4.39.
Pentru deducerea modelului frecvenial al semnalului ( )
MIA U
x t
se
determin mai nti caracteristica spectral a semnalului ( )
T
x t :
(4.74)
{ } { }
-
1
( ) ( ) ( ) ( ) ( )
2
1 1
( ) ( ) ( ) ( )
2
1
( ) ( )
p p
T T
p
p
i
X x t t X t
X X
T
X i
T

=
= = =
(
= = =

=
F F

sau:
(4.75)
-
1
( ) ( )
T p
i
X X i
T

=
=

Aplicnd transformata Fourier relaiei (4.73) se obine:
( ) ( ) ( )
MIA U T
X X F
= ,
sau, nlocuind ( ) F i ( )
T
X prin expresiile (4.64) i, respectiv, (4.75):
(4.76)
2
-
( ) sinc ( )
2
j
MIA U p
i
X e X i
T
=
| |
=
|
\ .

Pentru ilustrarea grafic a funciei spectrale ( )
MIA U
X
vom considera
( ) x t
( )
T
t
( )
T
x t
( ) f t
( )
MIA U
x t

106
aceiai parametri ai semnalelor x(t) i x
p
(t): 3
p M
= , unde
M
definete
banda semnalului modulator (fig. 4.35) i 2 T = . Funcia spectral
( )
MIA U
X
este reprezentat n fig. 4.40.

MIA U
X

Spre deosebire de cazul MIA-N, aici funcia spectral ( ) X este
deplasat n jurul pulsaiilor
p
i i, simultan, este nmulit cu funcia
( ) sinc 2 . Produsul celor dou funcii face ca distribuia densitii
spectrale din componentele spectrale situate n jurul pulsaiilor
p
i s nu mai
corespund cu cea a semnalului de baz. Distorsiunile produse acestor
componente prin nmulirea cu funcia ( ) sinc 2 se numesc distorsiuni de
apertur. Ele sunt mici doar la componenta central (la i=0). Din acest motiv,
singura soluie de extragere a semnalului de baz din semnalul MIA-U const
n utilizarea unui FTJ care extrage aceast component central. Pentru ca
efectul de apertur s fie neglijabil, este necesar ca durata a impulsurilor s
fie mic. n acest caz pulsaia 2 , la care se anuleaz funcia ( ) sinc 2 ,
este mare i panta acestei funcii este foarte mic n zona central a
caracteristicii spectrale.

4.4.2. Principiul multiplexrii n timp a semnalelor
Principiul multiplexrii n timp este ilustrat n fig. 4.41. Cele trei semnale,
( )
A
x t , ( )
B
x t i ( )
C
x t , care se transmit pe acelai canal fizic prin
multiplexare n timp, moduleaz n amplitudine trenuri de impulsuri. n cazul
general, purttoarele utilizate n cele trei procese de modulaie sunt decalate n
timp, astfel nct impulsurile modulate n amplitudine nu se suprapun.
n schema din fig. 4.41, realizarea MIA-N la emisie i selecia canalelor la
recepie se realizeaz cu comutatoare electronice sinfazice. Perioada T se
0
M
2
2
p

=
3
p
4
p

( )
MIA U
X
3 i =
2 i = 2 i =
3 i =
1 i = 1 i =
4 i =
0 i =
4 i =
sinc
2
| |
|
\ .
T
2
p

p
3
p

4
p

M

1. Semnale modulate

107
mparte n n intervale egale, n fiind numrul de semnale care trebuie
multiplexate. Fiecare semnal se transmite distinct ntr-un astfel de interval, sub
forma unor impulsuri modulate n amplitudine. Limea impulsurilor
(intervalul de timp ct comutatorul st pe o poziie) se alege sensibil mai mic
dect T n . n aceste condiii, pe linia fizic de comunicaie, impulsurile
aferente semnalelor care se transmit simultan se succed ntreesut, fr a se
interfera. La recepie, dup separarea semnalelor MIA-N aferente celor trei
canale, extragerea semnalelor de baz se face cu ajutorul filtrelor trece jos.

Fig. 4.41 Principiul multiplexrii n timp

4.4.3. Modulaia impulsurilor n faz i n frecven
Uzual, modulaia impulsurilor n faz se numete modulaie n poziie a
impulsurilor. Ca i MIA, modulaia impulsurilor n poziie (MIP) poate fi:
natural (MIP-N) i uniform (MIP-U).

Modul a i a nat ur al a i mpul sur i l or n pozi i e
Fie x
p
(t) semnalul purttor, sub forma unui tren de impulsuri de
amplitudine constant (A
p
=1), perioad T i durat ( T ). Notm cu t
0
faza
impulsurilor, adic ntrzierea/avansul fa de momentul de timp care
reprezint nceputul perioadei. n fig. 4.42 sunt ilustrate situaiile cnd:
0
0 t = ,
0
0 t > i
0
0 t < .
Un semnal MIP are faza variabil, n funcie de semnalul modulator, x(t):
(4.77) | | ( ) ( )
MIP p
x t x t p t = + ,
( )
A
x t
( )
B
x t
( )
C
x t
( )
A
x t
1A
2A
3A
4A
t
( )
B
x t
1B
2B
3B
4B
t
( )
C
x t
1C 2C
3C

t
T 2T
3T
4T
T 2T
3T
4T
T 2T
3T
4T
FTJ
FTJ
FTJ
Canal fizic
1A1B 1C
2A2B2C
3A3B3C
4A4B 4C

T T
t
T 2T
3T

108
unde:
(4.78) ( ) ( )
M
p t p x t = ; ( ) 1 x t

Fig. 4.42 Impulsuri cu diverse valori ale fazei
Variaia maxim a fazei/poziiei,
M
p , trebuie s fie mai mic dect T/2,
pentru ca o comutare brusc de la o valoare extrem negativ la o valoare
extrem pozitiv a semnalului modulator s nu conduc la interferena sau
suprapunerea impulsurilor vecine.
La un semnal cu modulaia impulsurilor n frecven (MIF), se consider
relaia cunoscut ntre faz i frecven (faza se obine prin integrarea
frecvenei):
0
( ) ( )d
t
p
p t k x =

,
iar relaia general a unui semnal MIF este:
(4.79)
0
( ) ( )d
t
MIF p p
x t x t k x
(
= +
(

Vom considera acum un modulator pentru obinerea MIP (fig. 4.43, a)),
funcionnd cu un semnal modulator sinusoidal de pulsaie
0
. Relaia (4.78)
devine:
(4.80)
0
( ) sin( )
M
p t p t =

Fig. 4.43 Modulaia natural a impulsurilor n poziie
t
( )
MIP N
x t
( ) x t
0
T 2T
3T
4T
6T 7T 5T 8T
0 p > 0 p = 0 p < 0 p =

MIP
( )
p
x t
( ) x t ( )
MIP N
x t

b) a)
( 1) i T + ( 1) i T
0
0 t >
0
0 t =
0
0 t <
2
T

t
iT
2
T
1. Semnale modulate

109
La modulaia natural a impulsurilor n poziie, deplasarea ( ) p t a
impulsurilor este definit n raport cu verticala median a fiecrui impuls de
lime . Ilustrarea unui semnal MIP-N este dat n fig. 4.43, b). Expresia
semnalului ( )
MIP N
x t
este:
(4.81)
| |
0
( ) sin( )
MIP N p M
x t x t p t
= +
Pentru a examina relaia dintre MIP i MIF, vom considera un semnal
MIF cu semnal modulator cosinusoidal, de pulsaie
0
. Semnalul purttor va
avea o variaie a pulsaiei proporional cu semnalul modulator, adic:
(4.82)
0
( ) cos( )
p M
t t = ,
unde
M
determin variaia maxim de frecven a impulsurilor. Variaia de
faz a semnalului MIF este:
(4.83)
0 0 0
0 0 0
( ) ( )d cos( )d sin( )
t t
M
p M
p t t t
= + = =

,
unde s-a considerat t
0
=0. Notnd:
(4.84)
0
M
=
indicele de modulaie, rezult:
(4.85)
0
( ) sin( ) p t t = ,
relaie formal identic cu (4.34). Deci modelele semnalelor MIP i MIF sunt
aparent identice. Exist, totui, o diferen important: la MIP deviaia maxim
de faz este o constant, pe cnd la MIF indicele de modulaie, , care este
deviaia maxim de faz, depinde de frecvena semnalului modulator.
n cele ce urmeaz vom dezvolta modelul semnalului MIP-N, avnd ca
obiectiv deducerea caracteristicii spectrale a acestui semnal.
Se consider mai nti semnalul purttor, x
p
(t), sub forma unui tren de
impulsuri de arie (amplitudine unitar i durat ) i perioad T. n 2.2.3 s-a
dedus SFC pentru un tren de impulsuri unitare (amplitudine 1/ i durat ),
avnd perioada T (vezi relaia (2.38)). Adaptnd relaia (2.38), se obine SFC a
semnalului purttor:
(4.86) ( )
p
ji t
p i
i
x t A e

=
=

,
(4.87) sinc
2
p
i
i
A
T

| |
=
|
\ .
,
deci:

110
(4.88) ( ) sinc
2
p
ji t p
p
i
i
x t e
T

=
| |
=
|
\ .

n 2.2.3 s-a artat c, dac ntr-un semnal periodic, avnd parametrii
i
A
din SFC, se nlocuiete t cu t-, atunci parametrii
i
A ai semnalului cu
argument modificat sunt
0
ji
i i
A A e

= . Vom aplica aceast proprietate n
cazul semnalului MIP-N, care este dat de expresia (4.81). Putem considera c
0
( sin( ))
p M
x t p t + este obinut din ( )
p
x t prin nlocuirea lui t cu
0
sin( )
M
t p t + . n consecin, parametrii
i
A din SFC a semnalului MIP-N
se obin din parametrii
i
A ai semnalului ( )
p
x t , prin relaia:
(4.89)
0
sin( )
p M
ji p t
i i
A A e

= ,
deci SFC a semnalului MIP-N este:
(4.90)
0
( sin( ))
( ) sinc
2
p M
ji t p t p
MIP N
i
i
x t e
T

=
| |
=
|
\ .

Vom pune exponeniala din (4.90) sub forma:
(4.91)
0 0
( sin( )) sin( )
p M p p M
ji t p t ji t ji p t
e e e
+
=
Constatm c la exponentul celui de-al doilea factor din (4.91) intervine o
funcie sinusoidal. Din proprietile funciilor Bessel de spea I se tie c:
(4.92)
sin( )
( )
ja t jk t
k
k
e J a e

=
=

Adaptnd aceast relaie la cel de-al doilea factor din (4.91), rezult:
(4.93)
0
0
sin( )
( )
p M
ji p t
jk t
k p M
k
e J i p e

=
=

nlocuind consecutiv (4.93) n (4.91) i rezultatul obinut n (4.90), se
obine modelul semnalului MIP-N sub forma:
(4.94)
0
( )
( ) sinc ( )
2
p
j i k t p
MIP N k p M
i k
i
x t J i p e
T

= =
| |
=
|
\ .

Se observ c semnalul MIP-N are un spectru discret, n sensul c exist
armonici numai la pulsaiile
0 p
i k + , (i=1, 2,...; k=0, 1, 2,...).
ntruct:
(4.95)
{ }
0
( )
0
2 ( )
p
j i k t
p
e i k

+
= F ,
1. Semnale modulate

111
caracteristica spectral a semnalului MIP-N rezult de forma:
(4.96)
{ }
0
( ) ( )
2
sinc ( ) ( )
2
MIP N MIP N
p
k p M p
i k
X x t
i
J i p i k
T

= =
= =
| |
=
|
\ .

F

Modul a i a uni f or m a i mpul sur i l or n pozi i e
La acest tip de modulaie deplasarea ( ) p t a impulsurilor este definit n
raport cu frontul anterior al fiecrui impuls. Figura 4.40 prezint att un
semnal MIP-U, ct i mecanismul de realizare a acestei modulaii.

Fig. 4.44 Modulaia uniform a impulsurilor n poziie
S-a admis c semnalul de baz x(t) moduleaz n poziie o distribuie delta
periodic, obinndu-se un semnal MIP, n care impulsurile sunt de
amplitudine infinit, durat zero i arie unitar, adic distribuii . Acest
semnal s-a notat cu d(t) n fig. 4.44 i n fig. 4.45. El se cupleaz printr-un
produs de convoluie cu impulsul f(t) de amplitudine unitar (vezi figura 4.29).

Fig. 4.45 Schema de realizare a unui semnal MIP-U
Aa cum s-a artat n 4.4.1, n urma acestei operaii fiecare impuls-
distribuie din semnalul d(t) se transform ntr-un impuls de durat , al crui
front anterior este declanat de impulsul . Rezultatul obinut este semnalul
MIP-U, n care faza impulsurilor ( ) p t , proporional cu semnalul modulator,
x(t), este definit prin decalarea frontului anterior al impulsurilor n raport cu
momentele iT.
( ) d t ( )
MIP U
x t
( ) x t
MIP
( ) f t ( )
T
t
t
( ), ( ) x t d t
0
T 2T
3T
4T
6T 7T 5T 8T
t
( )
MIP U
x t

0
T 2T
3T
4T
6T 7T 5T 8T
0 p > 0 p =
0 p < 0 p =
0 p =


112
Fie ( ) p t variaia fazei impulsurilor din semnalul d(t), proporional cu
semnalul modulator, x(t). Avnd n vedere expresia (4.80) a variabilei p(t),
deducem valorile fazei/poziiei care trebuie impuse impulsurilor fa de
momentele discrete iT:
(4.97)
0
( ) sin( )
M
p iT p iT =
Semnalul d(t) se deduce impunnd ca impulsurile unei distribuii
periodice, la momentele discrete iT, s fie decalate cu ( ) p iT :
(4.98)
0
( ) [ ( )] [ sin( )]
M
i i
d t t iT p iT t iT p iT

= =
= + = +

Vom calcula caracteristica spectral a semnalului d(t):
(4.99) { } { }
0
( ) ( ) [ sin( )]
M
i
D d t t iT p iT
=
= = +
F F
tiind c { } ( ) 1 t = F i aplicnd teorema ntrzierii (3.25), rezult:
0
[ sin( )]
( ) 1
M
j iT p iT
i
D e

=
=
,
sau:
(4.100)
0
sin( )
( )
M
j p iT ji T
i
D e e

=
=

Pe baza relaiei (4.92), a doua exponenial din (4.100) se scrie sub forma
0 0
sin( )
( )
M
j p iT jik T
k M
k
e J p e

=
=
, iar expresia (4.100) devine:

(4.101)
0
0
( )
( ) ( )
( )
jik T ji T
k M
i k
j k iT
k M
k i
D e J p e
J p e

= =

= =
= =
=

ntruct:
(4.102) ( ) ( ) ( )
MIP U
x t d t f t
= ,
caracteristica spectral a semnalului MIP-U este:
(4.103) ( ) ( ) ( )
MIP U
X D F
= ,
sau, innd cont de (4.64) i (4.101):
(4.104)
0
( )
2
( ) sinc ( )
2
j
j k iT
MIP U k M
k i
X e J p e
= =
| |
=
|
\ .

1. Semnale modulate

113
Se constat c, spre deosebire de cazul MIP-N, cnd s-a obinut un
spectru discret, aici a rezultat o caracteristic spectral continu, densitatea
armonicilor fiind dat de o funcie continu (neted) n raport cu .

4.4.4. Modulaia impulsurilor n durat
Modulaia impulsurilor n durat (MID) este utilizat cu predilecie n
electronica de putere, fiind un procedeu fundamental de realizare a unor
circuite larg rspndite n electronica industrial. Ea este numit frecvent
modulaie PWM, dup abrevierea denumirii din limba englez, Pulse
Width Modulation.
Durata impulsurilor depinde liniar de semnalul modulator:
(4.105) ( ) ( ) ( )
p p
t t k x t = + = + ,
unde
p
este durata impulsurilor semnalului purttor, obinut atunci cnd
x(t)=0.

Fig. 4.46 Modulaia impulsurilor n durat
Pentru a se obine o plaj de variaie liniar ct mai mare a duratei (t), se
adopt:
(4.106)
2
p
T
= ,
iar termenul kx(t) trebuie s duc la variaii (t) limitate ntre T/2 i T/2.
Considernd 1<x(t)<1, relaia (4.105) devine:
( ) ( )
2
p
T
t x t = + ,
sau, innd cont de (4.106):
(4.107) ( ) [1 ( )]
2
T
t x t = +
Semnalul purttor x
p
(t) este un tren de impulsuri de forma celor din
fig. 2.15, avnd ns amplitudinea unitar i durata
p
. Modelul semnalului, sub
forma SFC, este:
( )
MID
x t
t
( ) x t
0
T 2T
3T
4T
6T 7T 5T 8T
2
T

3
2
T

7
2
T 5
2
T
2
T
2
T

114
(4.108) ( )
p
ji t
p i
i
x t A e

=
=
; sinc
2
p p p
i
i
A
T
| |
=
|
\ .
,
sau:
(4.109) ( ) sinc
2
p
ji t p p p
p
i
i
x t e
T

=
| |
=
|
\ .

Seria Fourier armonic este:
(4.110)
1
1
2
( ) sinc cos( )
2
2
2
sin cos( )
2
p p p p
p p
i
p p p p
p
i
p p
i
x t i t
T T
i
i t
T T i

=
| |

= + =
` |
\ . )

| |

= +
` |
\ .
)

ntruct 2 /
p
T = , expresia semnalului purttor devine:
(4.111) ( ) ( )
1
2 1
sin cos
p p p
i
i
x t i t
T i T

=
| |
= +
`
|
\ . )

Modelul semnalului MID se obine nlocuind n (4.111) durata constant
p
prin durata dependent de cea a semnalului modulator, (t), conform relaiei
(4.107):
(4.112) ( ) | | ( ) ( ) ( )
1
1 2 1
1 ( ) sin 1 cos
2 2
MID p
i
i
x t x t x t i t
i

=
(
= + + +
`
(
)

Dac semnalul modulator, x(t), este sinusoidal de pulsaie
0
(vezi
fig. 4.46), atunci n argumentul funciei sinus din (4.112) intervine termenul
sin(
0
t). Dezvoltarea expresiei care conine o funcie sinus avnd n argument
o alt funcie sinus permite obinerea spectrului semnalului MID prin
intermediul funciilor Bessel de spea I.
115

Capitolul 5

SEMNALE EANTIONATE

5.1. Introducere
Achiziia unui semnal analogic, n vederea prelucrrii lui ntr-un sistem
numeric de calcul, se realizeaz printr-un convertor analogic/numeric (CAN).
Operaia de conversie presupune dou etape, dup cum urmeaz.

1. Procesul de eantionare. Semnalul analogic, ( ) x t , este eantionat
discretiznd timpul cu o perioad de eantionare
e
T . Elementul care realizeaz
aceast operaie este reprezentat printr-un ntreruptor cu funcionare ciclic,
avnd perioada
e
T (fig. 5.1). La ieirea elementului E (de eantionare) se
obine semnalul eantionat, adic irul ( ) { }
e
x iT , 0,1, 2, 3 i = (fig. 5.1);

Fig. 5.1 Element de eantionare

2. Procesul de cuantificare. Se discretizeaz amplitudinea eantioanelor.
Se alege un pas de cuantificare, , astfel nct rezultatul cuantificrii s fie un
numr ntreg, q , iar produsul q s fie cel mai apropiat de amplitudinea
cuantificat. La ieirea CAN se obine un ir de valori numerice, care sunt
prelucrate prin mijloace software.

5.2. Modelarea semnalelor eantionate
Semnalul eantionat este definit numai la momentele discrete
e
kT . n
consecin, se pot adopta notaiile:
( ) ( )
e k
x kT x x k = =

A. Modelul temporal al semnalului eantionat
Fie x(t) semnalul furnizat elementului de eantionare (fig. 5.2, a) i b)). La
ieirea acestuia se obine un ir de impulsuri modulate n amplitudine. Dac se
consider c eantionarea s-ar face efectiv printr-un ntreruptor, atunci el ar
realiza modulaia natural a impulsurilor n amplitudine, MIA-N, limea a
impulsurilor fiind egal cu intervalul de timp cnd ntreruptorul este nchis. n
realitate, elementul de eantionare trebuie s extrag valoarea semnalului la
momentul discret
e
kT , ceea ce ar impune condiia ca intervalul cnd
( ) t x ( )
*
( )
e
x t x iT
E
e
T
116
ntreruptorul este nchis s tind spre zero.

Fig. 5.2 Procesul de eantionare
Pentru analiza teoretic, se consider c durata impulsurilor este nul i c
mrimea impulsului este evaluat prin suprafaa sa. n acest caz, procesul de
eantionare poate fi tratat teoretic, ca o operaie de modulaie a unei distribuii
delta periodice de ctre un semnal x(t) (vezi fig. 5.2, b), c) i d)).
Modulaia impulsurilor este obinut prin multiplicare (fig. 5.3).

Fig. 5.3 Modulaia distribuiei delta periodice
Deci:
(5.1) ( ) ( ) ( )
e
T
x t x t t
= ,
unde:
(5.2) ( ) ( )
e
T e
k
t t kT
=
=

( ) t x ( ) t x
*
c)
( ) t x
t
1
e
T 2
( )
e
T
t
t
e
T
t
e
T
e
T 2
( ) t x
*
E
e
T

a)
d)
b)
( ) t x ( ) t x
*
( ) t
e
T
5. Semnale eantionate
117
ntr-adevr:
(5.3) ( ) ( ) ( )
e
k
x t x t t kT
=
=
,
sau:
(5.4) ( ) ( ) ( )
*
e e
k
x t x kT t kT
=
=

Relaiile (5.1), (5.3) i (5.4) reprezint modelele temporale ale semnalului
eantionat.

B. Modelul frecvenial al semnalului eantionat. Teorema lui Shannon
Fie ( ) ( ) { }
X x t =F caracteristica spectral a semnalului ( ) x t ,
reprezentat schematic n fig.5.4. Se calculeaz transformata Fourier a
semnalului eantionat ( ) x t
, al crui model matematic este exprimat prin

relaia (5.1). Aplicnd transformata Fourier n aceast relaie i utiliznd
proprietatea (3.51), rezult:
(5.5) ( )
{ }
( ) ( )
{ }
( ) ( )
{ }
1
2
e e
T T
x t x t t X t
(
= =

F F F

Fig. 5.4 Caracteristica
spectral a semnalului x(t)
Fig. 5.5 Caracteristica spectral a semnalului
eantionat ( )
*
x t
Notm prin:
(5.6) ( ) ( )
{ }
X x t

=F
caracteristica spectral a semnalului eantionat. Conform relaiilor (5.5), (5.6)
i (3.52) se obine:
(5.7)
( ) ( ) ( )
( ) ( )
1
2

2
e
e
e
e
i
X X
X i
=
(
=

(
=
(

ntruct frecvena de eantionare este dat de relaia 2
e e
T = , rezult:
( )
*
X
0 i =

e
e

0

1 i = 1 i =
( )
1
e
X
T

( )
1
e
e
X
T

( )
1
e
e
X
T
+ 1
e
T
( ) t x ( ) t x
*
e
T
( ) X

1
0
118
(5.8) ( ) ( ) ( )
1
e
i
e
X X i
T

=
=
,
sau, considernd proprietile (3.61) ale distribuiei delta:
(5.9) ( ) ( )
1
e
i
e
X X i
T

=
=

Fig. 5.6 Suprapunerea spectral
Concl uzi e:
Caracteristica spectral a semnalului eantionat, ( ) X
, este periodic,
de perioad 2
e e
T = (vezi fig. 5.5).
Observa i i :
1. Acelai rezultat se poate obine dac semnalul eantionat se consider
obinut dintr-un semnal MIA-N, fcnd ca durata a impulsurilor s tind spre
zero, aria acestora rmnnd finit (unitar). n expresia caracteristicii
spectrale ( )
MIA N
X
, dat de relaia (4.71), factorul

e
T care nmulete
suma reprezint raportul dintre aria impulsului din semnalul purttor (n cazul
MIA-N aria este , iar n cazul eantionrii aria se consider unitar) i
perioada impulsurilor. n cazul eantionrii acest raport devine 1
e
T . n cadrul
termenilor sumei din (4.71) se nlocuiete
p
i
e
i se calculeaz limita:
( )
( )
2
lim sinc 2 1
p
j
p
e i

=
Se observ c expresia (4.71) a semnalului MIA-N devine, n condiiile
menionate, identic cu expresia (5.9) a semnalului eantionat.
2. Dac frecvena de eantionare,
e
, nu este corect aleas, n sensul c
are o valoare prea mic, se constat un fenomen de suprapunere n frecven
(aliasing n limba englez, repliement en frquence n limba francez
vezi fig. 5.6). n acest caz, reconstrucia semnalului ( ) x t din eantioanele sale,
( ) x t
, nu este posibil.
Teorema lui Shannon. Fie semnalul ( ) x t avnd frecvena maxim a
caracteristicii spectrale,
M
, finit (fig. 5.7), i ( ) x t
semnalul eantionat cu
( )
*
X
1
e
T

e
e

119
perioada de eantionare
e
T . Pentru ca semnalul x(t) s fie reconstruit, pornind
de la x
*
(t), este necesar ca frecvena de eantionare s fie cel puin dublul
frecvenei maxime
M
a caracteristicii spectrale (vezi fig. 5.8):
(5.10) 2
e M

sau:
(5.11)
1
2
e M
e
f f
T
=
1
2
e
M
T
f

Fig. 5.7 Caracteristic
spectral cu frecvena
maxim finit
Fig. 5.8 Ilustrarea teoremei lui Shannon
Se constat c, dac 2
e M
, fenomenul de suprapunere n frecven
nu are loc, deci reconstrucia semnalului ( ) x t este posibil. n cazul limit n
care 2
e M
= , componentele spectrale ( )
e
X i sunt alipite (fig. 5.9).

Fig. 5.9 Situaia limit cnd 2
e M
=
Teorema lui Shannon se poate enuna ntr-o manier echivalent:
Un semnal ( ) x t al crui spectru este limitat superior de ctre frecvena
2
M M
f = este complet determinat de ctre seria de valori ( )
e
x kT , dac
1
2
e
M
T
f
. n acest caz, procesul de eantionare nu induce nici o pierdere de
informaie.
( )
*
X
2
e
M

=
e
e

2
e
M

=
e
T 1
( )
*
X
e

e

2
e
M

M e

M e
+
M e
+
1 = i
1 = i 0 = i e
T 1
2
e

( ) X

M

M

1
120
Semnalele reale nu au caracteristici spectrale limitate n frecven. n
scopul evitrii distorsionrii semnalului reconstituit datorit suprapunerii n
frecven, susceptibil s apar din cauza componentelor spectrale
nesemnificative de frecvene ridicate ( > 2
e
), se folosete deseori un
filtru trece jos anti-aliasing. Acest filtru, plasat la intrarea eantionatorului,
(fig. 5.10), elimin componentele nedorite de frecven 2
e
> . El nu este
necesar dac frecvena maxim coninut n caracteristica spectral este net
inferioar lui 2
e
.

Fig. 5.10 Filtru anti-aliasing

C. Transformata Laplace a semnalului eantionat
Fie ( ) x t un semnal nul pentru 0 t < i care admite transformata Laplace:
( ) ( )
0
e d
st
X s x t t
,
unde s j = + . S considerm c funcia ( ) x t admite, de asemeni, o
transformat Fourier, deci:
(5.12) ( ) ( )
0
d d x t t x t t

= <

Se poate nlocui variabila s cu j n ( ) X s (deci, pentru s j = + se
consider 0 = ). Se obine caracteristica spectral ( ) X j , notat uzual
( ) X .

Fig. 5.11 Distribuia poli-zerouri a funciei ( ) X s
Este posibil utilizarea acestui procedeu n sens invers: dac n
caracteristica spectral ( ) X j se nlocuiete j prin s , atunci se obine
transformata Laplace ( ) X s .
Considerm acum ( ) X s transformata Laplace a semnalului ( ) x t
x
x
x
Im
Re
pol x
zero
Filtru anti-
aliasing
( ) t x
*
( ) t x
e
T
121
(amintim c ( ) 0 x t = pentru 0 t < ). Fie ( ) X s o funcie raional definit
printr-o distribuie poli-zerouri (vezi fig. 5.11).

Transformata Fourier a semnalului eantionat, este dat prin relaia (5.9)
n care se va considera argumentul j n loc de . Pentru a obine
transformata Laplace, se nlocuiete j prin s:
(5.13) ( ) ( ) ( )
*
1 1
e j s e
i i
e e
X s X j i X s ji
T T

=
= =
( = =

Ansamblul poli-zerouri se obine prin reproducerea distribuiei din
fig. 5.11, n cadrul unei serii de fii orizontale de lime
e
.

Fig. 5.12 Distribuia polilor i zerourilor funciei ( )
*
X s
Pentru 0 i = , funcia ( )
1
e
X s
T
genereaz aceiai poli i zerouri, care sunt
reprezentai n fig. 5.11, i care sunt cuprini n banda orizontal de lime
egal cu
e
, centrat pe frecvena 0 = (fig. 5.12). Polii i zerourile
celorlalte funcii, pentru 0 i , se obin n benzile orizontale, de aceeai lime
i centrate pe frecvenele
e
i (vezi fig. 5.12). Banda central, caracterizat
de
2 2
e e

, este denumit fie de baz i corespunde componentei
centrale din caracteristica spectral ( )
*
X (pentru 0 i = , vezi fig. 5.8).

D. Reconstrucia semnalului x(t) pornind de la semnalul eantionat, x
*
(t)
Dac pentru
M
> caracteristica spectral ( ) X este nul, i dac
2
e M
> , atunci este posibil reconstrucia semnalului ( ) x t pornind de la
x
x
x
x
x
x
x
x
x
Fia
de baz
Im
Re
1 = i
0 = i
-1 = i
e
e

2
e
2
e

122
( )
*
x t , prin eliminarea benzilor laterale ale caracteristicii spectrale ( )
*
X a
semnalului eantionat, folosind un filtru trece jos ideal, de band
| | 2, 2
e e
(vezi fig. 5.13).

Fig. 5.13 Reconstrucia semnalului ( ) x t cu un filtru trece jos ideal
Pentru
2
e
> , amplificarea filtrului este nul, deci benzile laterale ale

caracteristicii ( )
*
X sunt eliminate. Banda central (pentru 0 i = ) este
multiplicat cu
e
T , de unde rezult la ieirea filtrului caracteristica
spectral ( ) X , deci semnalul ( ) x t . n planul s (fig. 5.12), efectul filtrului
este obinerea fiei de baz, pornindu-se de la distribuia poli-zerouri a lui
( )
*
X s , care conine un numr infinit de benzi orizontale.
Filtrul trece jos ideal nu este fizic realizabil. Practic se utilizeaz elemente
de reconstrucie a semnalului ( ) x t , care realizeaz o aproximare a
caracteristicii filtrului trece jos ideal. Aceste elemente de reconstrucie se
numesc extrapolatoare.

Fig. 5.14 Reconstrucia semnalului cu un extrapolator de ordinul zero
( ) t x
( ) t x
*

t
( ) t x
*
( ) t x
( ) t x
( ) t x
*

( ) t x
t
( ) t x
( ) t x
*
( ) t x
( ) t x
*
( ) t x
Ctig
2
e
2
e
e
T
0
e

M

e
M

( )
*
X
e
T 1
2
e

2
e

M e
+
M e

M e
+
1 = i
0 = i 1 = i
1
( ) X
M

M

2
e
2
e
Filtru trece jos ideal

123
a. Extrapolatorul de ordin zero (numit i extrapolator cardinal). Acest
extrapolator menine ultima valoare primit (blocheaz aceast valoare) n
timpul perioadei de eantionare care urmeaz,
e
T .
Fie un ansamblu eantionator-extrapolator de ordinul zero (fig. 5.15).
Formele semnalelor ( ) ( )
*
, x t x t i ( ) ( )
x t x t (la ieirea extrapolatorului)
sunt prezentate n fig. 5.14.

Fig. 5.15 Ansamblul eantionator-extrapolator
b. Extrapolatorul de ordinul 1. Acesta realizeaz o extrapolare liniar a
evoluiei semnalului, utilizndu-se ultimele dou eantioane. Funcionarea
extrapolatorului de ordin 1 este ilustrat n fig. 5.16.

Fig. 5.16 Reconstrucia semnalului folosind un extrapolator de ordinul 1

5.3. Transformata Z
5.3.1. Transformata Z direct
Fie ( ) x t un semnal nul pentru 0 t < (semnal cauzal). Semnalul
eantionat, ( )
*
x t , definit prin relaia (5.4), se poate exprima ca mai jos:
(5.14) ( ) ( ) ( ) ( ) ( )
*
0
e e e e
k k
x t x kT t kT x kT t kT

= =
= =

Se calculeaz transformata Laplace ( ) ( )
{ }
* *
X s x t = L :
(5.15) ( ) ( )
{ }
( ) ( ) { }
* *
0
=
e e
k
X s x t x kT t kT
=
=
L L ,
sau:
(5.16) ( ) ( )
*
0
e
e
skT
e
k
X s x kT

=
=
,
( ) t x
( ) t x
*
( ) t x
t
e
T
e
T 2
e
T 3
( ) t x
( ) t x
( ) t x ( ) t x
e
T
( ) t x
*
Extrapolator
de ordin 0
124
ntruct:
(5.17) ( ) { }
1 e
e
skT
e
t kT

= L
Dac nlocuim:
(5.18) e
e
sT
z =
n (5.16), atunci:
(5.19) ( ) ( )
*
e
sT
e
z
X z X s
=
= ,
adic:
(5.20) ( ) ( )
0
k
e
k
X z x kT z

=
=
,
care reprezint transformata Z a semnalului eantionat:
(5.21) ( ) ( )
{ }
( ) { }
*
e
X z x t x kT = = Z Z
Observa i i :
1. Fie o vertical de abscis trasat n planul s. Traiectoria
corespunztoare n planul z este un cerc de raz e
e
T
= (fig. 5.17).

Fig. 5.17 Traiectorii corespondente n planele s i z

e
sT
z e =
Im
Re
0

s
D
s
Im
Re
0
z
z
e
sT
= e
0 a
b
c
e
f
g
d
1
z
Im
Re
2
e
2
e
a
b
c
d
e
f
g
Im
Re
s
s
C
125
2. Fie conturul
s
C care corespunde fiei de baz n semiplanul stng al
planului complex s (fig. 5.18). Traiectoria corespunztoare n planul z este
prezentat n fig. 5.18, unde raza cercului este unitar.

5.3.2. Transformata Z invers
Pornind de la transformata Laplace, ( ) s X , se poate calcula semnalul ( ) t x ,
cu ajutorul transformatei Laplace inverse:
(5.22) ( ) ( ) ( )
1
1
e d
2
c j
st
c j
x t X s X s s
j
+

= ( =

L ,
unde constanta c este superioar indicelui de cretere al funciei ( ) x t :
( ) e
t
x t M

.
Dac se pune
e
t kT = , se obine:
(5.23) ( ) ( )
1
e d
2
e
c j
s kT
e
c j
x kT X s s
j
+

Folosind substituia e
e
sT
z = n (5.23) i
1 d
d
e
z
s
T z
= , rezult:
(5.24) ( ) ( )
1
1 1
d
2
sT
e
k
e
C e
e z
x kT X s z z
j T

=
| |
=
|
\ .

Dar:
( ) ( ) ( ) ( )
*
0,
0,
1 1
sT sT
e e sT
e
e
e z i e z
i e z
i
e e
X s X s ji X s X z
T T

= = =
= =
=
= = =
,
unde s-a considerat fia de baz din planul s, prin adoptarea indicelui i=0.
nlocuind ultima relaie n (5.24) rezult:
(5.25) ( ) ( )
1
1
d
2
k
e
C
x kT X z z z
j

=

Conturul de integrare C n planul complex z este cercul de raz
e
e
cT
= . Expresia (5.25) definete transformata Z invers.

5.4. Proprietile transformatei Z
Fie ( ) ( )
k e
x k x x kT semnalul eantionat cu perioada de eantionare
e
T . Se vor prezenta n cele ce urmeaz cteva din cele mai importante
proprieti ale transformatei Z.
126
1. Liniaritatea
Fie ( ) { } ( )
i i
x k X z = Z . Avem:
(5.26) ( ) ( )
1 1
N N
i i i i
i i
c x k c X z
= =

=
`
)

Z
2. Teorema ntrzierii
Fie ( ) ( )
i
x k x k d = semnalul ( ) x k ntrziat cu d perioade de
eantionare. Avem:
(5.27) ( ) { } ( ) { } ( )
d
i
x k x k d z X z
= = Z Z
Demonst ra i e:
( ) { } ( ) ( )
0 0
i i
e e e
i i
x i d x iT dT z x i d T z

= =
= = (

Z
Notnd i-d=k, rezult:
( ) { } ( ) ( ) ( )
0
d k d k d
k d k
x i d z x k z z x k z z X z

= =
= = =

Z ,
ntruct x(k)=0 pentru k<0.
Observa i e:
Se poate interpreta
1
z
ca fiind operator de ntrziere cu o perioad

e
T .

3. Teorema anticiprii
(5.28) ( ) { } ( ) ( ) 1 0 x k z X z z x + = Z ,
sau, n cazul general:
(5.29) ( ) { } ( ) ( ) ( ) ( )
1
0 1 ... 1
d d d
x k d z X z z x z x zx d
(
+ = + + +

Z
Demonst ra i e:
Urmnd acelai mers de calcul ca n cazul precedent, rezult:
( ) { } ( ) ( )
0
i d k
e
i i d
x i d x i d T z z x k z

= =
+ = + ( =

Z
ntruct limita inferioar din sum este d, vom aduna i scdea termenii
pentru k=0,1,...d-1. Rezult:
( ) { } ( ) ( ) ( )
1
0
( ) 0 1 ... 1
d k d d
k
x i d z x k z z x z x zx d

=
(
+ = + + +

Z ,
adic relaia (5.29).

4. Teorema valorii iniiale
(5.30) ( ) ( ) 0 lim
z
x X z
=
127
Examinnd relaia (5.20), se observ c pentru z tinznd la infinit se
anuleaz toi termenii cu exponent negativ din sum, rmnnd numai
termenul x(0).

5. Teorema valorii finale
(5.31) ( ) ( ) ( )
1
lim lim 1
k z
x k z X z

= (

Demonst ra i e:
Fie d(i) un semnal reprezentnd diferena eantioanelor consecutive din
semnalul eantionat (proporional cu derivata discret a semnalului):
( ) ( 1) ( ) d i x i x i = +
Vom calcula transformata Z a acestui semnal pe dou ci:
1) { } | |
0
( ) ( 1) ( ) ( 1) ( )
i
i
D z x i x i x i x i z

=
= + = +
Z
Din aceast relaie rezult c:
(5.32)
1
lim ( ) (1) (0) (2) (1) ... lim ( ) (0)
z i
D z x x x x x i x

= + + =
2) De la { } { } | | ( ) ( 1) ( ) ( ) (0) ( ) D z x i x i z X z x X z = + = Z Z , unde s-a
utilizat teorema anticiprii, se obine:
(5.33) ( ) ( ) 1 ( ) (0) D z z X z x = ,
din care se deduce:
(5.34) ( ) { }
1 1
lim ( ) lim 1 ( ) (0)
z z
D z z X z x

=
Din (5.32) i (5.34) rezult:
( ) { }
1
lim ( ) (0) lim 1 ( ) (0)
i z
x i x z X z x

=
i se obine relaia (5.31).
Observa i e:
Transformata Z a semnalului d(i), prezentat sub forma (5.33), se
consider a fi imaginea n z a derivatei discrete a semnalului.

6. Teorema nsumrii (integrrii)
Fie:
(5.35) ( ) ( )
0
i
k
y i x k
=
=

funcia proporional cu integrala discret a semnalului. Atunci:
(5.36) ( ) { } ( )
1
1
1
y i X z
z
Z
128
Demonst ra i e:
( ) { } | | | |
( ) ( )
( )
( )
1 2
0 0
-1 2 1 -1 2
-1 2 1 2
1
( ) (0) (0) (1) (0) (1) (2) ...
(0) 1 ... (1) 1 ... ...
1
1 ... (0) (1) (2) ...
1
i
i
i k
y i x k z x x x z x x x z
x z z x z z z
z z x x z x z X z
z

= =

(
= = + + + + +
(

= + + + + + + + +
(
= + + + + + + =

Z

7. Teorema sumei
(5.37) ( ) ( )
1
0
lim
z
k
x k X z
=
=

Acest rezultat se obine din (5.20), nlocuind z prin 1.

8. Teorema nmulirii cu o exponenial
Fie:
( ) { } ( )
e
x iT X z = Z ,
atunci:
(5.38) ( )
{ } ( )
e e
aiT aT
e
e x iT X z e
=

Z
Demonst ra i e:
( )
{ }
( )
( ) ( )
0 0
( )
e e e e
i
aiT aiT aT aT i
e e e
i i
e x iT e x iT z x iT ze X ze

= =
= = =

Z

9. Teorema nmulirii cu timpul
Fie x(iT
e
) un semnal provenit prin eantionare din x(t) i X(z) transformata
sa n z. Atunci semnalul iT
e
x(iT
e
), provenit prin eantionare din tx(t), are
transformata Z:
(5.39) ( ) { }
d ( )
d
e e e
X z
iT x iT T z
z
= Z
Demonst ra i e:
ntruct ( ) ( )
1
0
e
i
X z x iT z

=
=
, se calculeaz derivata:
( )
( ) ( )
1 1
0 0
d
d
i i
e e
i i
X z
i x iT z z i x iT z
z

= =
= =

sau:
(5.40) ( )
0
d ( )
d
i
e
i
X z
i x iT z z
z

=
=

129
Pe de alt parte:
(5.41) ( ) { } ( )
0
i
e e e e
i
iT x iT iT x iT z

=
=
Z
Substituind (5.40) n partea dreapt a relaiei (5.41), se obine relaia (5.39).

5.5. Convoluia semnalelor eantionate
Fie ( )
1
x k i ( )
2
x k dou semnale eantionate. Convoluia lor este:
(5.42)
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
1 2 1 2
1 2 1 2
0 0
*

k k
i i
x k x k x k x k
x i x k i x k i x i
= =
=
= =

Vom demonstra c:
(5.43) ( ) ( ) { } ( ) ( )
1 2 1 2
x k x k X z X z = Z ,
adic prin transformata Z, produsul de convoluie ( ) ( )
1 2
x k x k devine
produs algebric al funciilor ( )
1
X z i ( )
2
X z .
Demonstraia pornete de la explicitarea produsului ( ) ( )
1 2
X z X z i are
ca obiectiv transformarea expresiei respective, astfel nct produsul s fie
exprimat ca o transformat Z a produsului de convoluie al semnalelor ( )
1
x k
i ( )
2
x k :
(5.44)
1 2 1 2
0 0
1 2
1 1 1
1 2
2 2 2
1 2 1
( ) ( ) ( ) ( )
(0) (1) (2) ...
(0) (1) (2) ...
(0) (0) (
k k
k k
X z X z x k z x k z
x x z x z
x x z x z
x x x

= =

( (
= =
( (

(
= + + +

(
+ + + =

= +

| |
| |
1
2 1 2
2
1 2 1 2 1 2
0) (1) (1) (0)
(0) (2) (1) (1) (2) (0) ...
x x x z
x x x x x x z
+ +
+ + + +

Se observ c, n termenul general, coeficientul care nmulete pe z
-k
este:
(5.45)
1 2 1 2 1 2 1 2
0
(0) ( ) (1) ( 1) ... ( ) (0) ( ) ( )
k
i
x x k x x k x k x x i x k i
=
+ + + =
,
deci relaia (5.44) se scrie sub forma:
| |
1 2 1 2 1 2
0 0 0
( ) ( ) ( ) ( ) ( ) ( )
k
k k
k i k
X z X z x i x k i z x k x k z

= = =
(
= =
(

,
adic:
130
(5.46) { }
1 2 1 2
( ) ( )= ( ) ( ) X z X z x k x k Z
Fie { }
1 1
( )= ( ) X z x i Z i { }
2 2
( )= ( ) X z x i Z . Convoluia funciilor
1
( ) X z i
2
( ) X z este definit prin relaia:
(5.47)
1 2 1 2 1 2
C
1 2
1 d
( ) ( ) ( ) * ( ) ( )
2
1 d
( )
2
C
z u
X z X z X z X z X X u
j u u
z u
X u X
j u u
| |
= =
|
\ .
| |
=
|
\ .

Vom demonstra c:
(5.48) { }
-1
1 2 1 2
( ) ( ) ( ) ( ) X z X z x k x k = Z ,
adic prin transformata Z invers produsul de convoluie al imaginilor n z se
transform n produs algebric al semnalelor discrete x
1
(k) i x
2
(k). Relaia
(5.48) este echivalent cu:
{ }
1 2 1 2
( ) ( ) ( ) ( ) x k x k X z X z = Z ,
pentru a crei demonstraie calculm transformata Z a produsului semnalelor:
{ } | |
1 2 1 2
0
( ) ( ) ( ) ( )
k
k
x k x k x k x k z

=
=
Z
i nlocuim x
2
(k) prin transformata Z invers (vezi relaia (5.25)):
{ }
1
1 2 1 2
0
C
1 2
0
1 2
1
( ) ( ) ( ) ( ) d
2
1 d
( ) ( )
2
1 d
( )
2
k k
k
k
k
C
C
x k x k x k X u u u z
j
z u
x k X u
j u u
z u
X X u
j u u
=
(
= =
(

(
| |
= = (
|
\ .
(

| |
=
|
\ .
Z

5.6. Metode de calcul pentru transformata Z direct
Se pot utiliza dou metode:
calculul direct, utiliznd relaia de definiie (5.20);
calculul indirect, pornind de la transformata Laplace.

1. Calculul direct. Se folosete relaia:
(5.49) ( ) ( )
0
k
k
X z x k z

=
=

pentru determinarea transformatelor Z ale celor mai utilizate semnale.
131
a Treapta unitar (fig. 5.19)
(5.50) ( ) ( ) { }
1 2 3
1
1
1 1 1 1 ...
1
U z u k z z z
z

= = + + + + =
Z

Fig. 5.19 Treapta unitar
b Rampa unitar (fig. 5.20)
(5.51) ( ) ( ) { }
( )
1
1 2
2
1
0 2 ...
1
e
e e
T z
R z r k T z T z
z
= = + + + =
Z

Fig. 5.20 Rampa unitar Fig. 5.21 Funcia exponenial
c Exponeniala (fig. 5.21)
(5.52) ( ) ( ) { }
2 1 2
1
1
1 e e
1
e e
e
aT aT
aT
E z e k z z
e z

= = + + + =
Z
Observa i e:
Transformatele Z ale funciilor uzuale sunt date n tabelele de
transformate.

2. Calculul bazat pe transformata Laplace
Fie ( ) t x un semnal avnd transformata Laplace ( ) X s . Pentru a calcula
transformata Z a semnalului eantionat ( ) x k , se caut o relaie direct
( ) ( ) X s X z , folosind schema dat n fig. 5.22. Se utilizeaz definiiile
introduse anterior:
0
0
1
e
T
2
2
e
T
3
3
e
T
4
4
e
T

k
t

( ) ( ) t e , k e
e
aT
e
e
T a2
e
e
T a3
e
at
e
( ) ( ) t r , k r
( ) t t r =
0
0

1
e
T
2
2
e
T

3
3
e
T
e
T
e
T 2
e
T 3
k
t

( ) k u
e
T
e
T
e
T 2
e
T 3
1 0 1 2 3
1

t
k
132
(5.53) ( ) ( ) ( ) ( ) ( )
*
0
e
T e
k
x t x t t x t t kT
=
= =
,
cci ( ) 0 x t = pentru 0 < t .

Fig. 5.22 Schema de calcul al transformatei Z
Prin aplicarea transformatei Laplace ecuaiei (5.53), rezult:
(5.54) ( )
{ }
( ) ( ) ( )
* *
0
*
e
k
x t X s X s t kT
=

=
`
)
L L
Dar:
(5.55) ( )
2
0
1
1 1 e 1 e ...
1 e
e e
e
sT s T
e
sT
k
t kT
=

= + + + =
`
)
L ,
atunci convoluia imaginilor din (5.54) devine:
(5.56) ( ) ( ) ( )
( )
*
1 1 1
* d
2
1 e
1 e
e e
c j
sT T s u
c j
X s X s X u u
j
+

| |
= =
|
\ .

Folosind relaia (5.19), se calculeaz transformata Z:
(5.57) ( ) ( ) ( )
*
1
1 1
d
2
1 e
sT
e
e
c j
uT
e z
c j
X z X s X u u
j
z
=

= =

n ultima integral se poate nlocui variabila u cu variabila s . Dac ( ) s X
este o funcie raional, rezult:
(5.58)
( ) ( )
( )
( )
1
1
1 1
d
2
1 e
1
Re
1 e
e
e
c j
sT
c j
sT
polii
lui X s
X z X s s
j
z
z X s
z
= =
(
=
(

Exempl ul 5. 1:
Fie semnalul ( ) x t reprezentat n fig. 5.23

i definit prin:
(5.59) ( )
1 e pentru 0
0 pentru 0
at
t
x t
t

=

<

eantionare
Z L
?
( ) k x ( ) t x
( ) X z
( ) X s
133
Transformata Laplace a acestei funcii este:
( ) ( ) { }
( )
1 1 a
X s x t
s s a s s a
= = =
+ +
L

Fig. 5.23 Reprezentarea funciei (5.59)
S calculm ( ) X z , cnd perioada de eantionare este
e
T . Polii funciei
( ) X s sunt
1
0 s = i
2
s a = . Deci:
( )
( )
( )
( ) ( )
1
2
1
0
1
1 1 1 1
1
Rez
1
1 e
1 1

1 1 1 e 1 1 e
e
e
e e
sT
s
s a
aT
aT aT
a
X z
s s a
e z
z
a a
a a
z z z z
=
=

(
= =
(
+
(

= + =

5.7. Calculul transformatei Z inverse
Se pot utiliza trei metode:
calculul direct, folosind relaia de definiie (5.25);
metoda seriei de puteri;
descompunerea funciei X(z) n elemente simple.

1. Calculul direct
(5.60) ( ) ( ) { } ( ) ( )
( )
1
1 1 1
polii lui
1
d Rez
2
k k
X z z
x k X z X z z z X z z
j

(
= = =

Z

Exempl ul 5. 2:
Fie:
(5.61) ( )
( )( )
0.25
0.5 0.3
z
X z
z z
=

Polii funciei X(z) sunt
1
0.5 z = i
2
0.3 z = . Deci:
( )
( )( )
1
2
1
0,5
0,4
0.25
Rez
0.5 0.3
k
z
z
z
x k z
z z

=
=
(
=
(

(

t
( ) t x
1
134
sau ( )
( )
0.25 0.25
0.5 0.3 1.25 0.5 0.3
0.5 0.3 0.3 0.5
k k k k
x k = + =

. Se obine irul
( ) { }
0,1,2,...
0; 0.25; 0.2; 0.1225;...
k
x k
=
=
Exempl ul 5. 3: aplicaie n Matlab
Fie:
(5.62) ( )
3 2
3 2
2 2.3 0.5
2.3 1.7 0.4
z z z
X z
z z z
+
=
+

Dac se noteaz cu
i
p ,
___
1, i n = , polii funciei ( )
1
X z z
, atunci:
( ) ( ) ( )
1 1
Rez Re
i i
k k
i
poli p poli p
x k X z z z X z z p

( (
= =

Fie ( ) ( ) B s A s o funcie raional, unde gradul numrtorului nu
depete gradul numitorului. Aceast funcie poate fi dezvoltat dup cum
urmeaz:
(5.63)
( )
( ) 1
n
i
i
i
B s r
k
A s s p
=
= +
,
unde
i
p i
i
r ,
___
1, i n = , sunt polii i, respectiv, reziduurile. Notm
i
a i
i
b ,
___
1, i n = , coeficienii polinoamelor ( ) A s i respectiv ( ) B s . Atunci un program
Matlab de forma:

num=[b
n
b
n-1
b
1
];
den=[a
n
a
n-1
a
1
];
[r, p, k]=residue(num, den)
permite determinarea vectorilor r i p , ce conin reziduurile i polii, precum
i a coeficientului k din expresia (5.63).
Pentru exemplul considerat, funcia ( ) ( ) B s A s este:
( )
2
1
3 2
2 2.3 0.5
2.3 1.7 0.4
z z
X z z
z z z
+
=
+
,
deci comenzile Matlab sunt:

num=[2 2.3 0.5]
den = [1 -2.3 1.7 -0.4]
Vectorii r i p obinui sunt:
2 1
1 ; 0.8
1 0.5
r p
( (
( (
= =
( (
( (

;
135
prin urmare, rezult:
(5.64) ( ) ( ) ( ) ( ) ( )
1 1 2 2 3 3
2 1 1 0.8 1 0.5
k k k
k k k
x k r p r p r p = + + = + + ,
de unde: ( ) { }
0,1,2,
2; 2.3; 2.39; 2.387; 2.3471;
k
x k
=
=

2. Metoda seriei de puteri
Fie ( ) X z o funcie raional, de forma:
( )
1
0 1
1
1
...
1 ...
n
n
n
n
b b z b z
X z
a z a z

+ + +
=
+ + +

Se realizeaz dezvoltarea n serie de puteri a acestei funcii, mprind
numrtorul la numitor. Rezult:
( )
1 2
0 1 2
... X z z z

= + + +
i, n consecin: ( ) { }
0 1 2
0,1,2,...
; ; ;...
k
x k
=
=
Exempl ul 5. 4:
Se consider funcia X(z) dat prin (5.61). Ea se poate scrie sub forma:
( )
1
2 1 2
0.25 0.25
0.8 0.15 1 0.8 0.15
z z
X z
z z z z

= =
+ +

mprind numrtorul la numitor se obine seria de puteri:
( )
1 2 3
0.25 0.2 0.1225 ... X z z z z

= + + +
Deci ( ) { }
0,1,2,3...
0; 0.25; 0.2; 0.1225;...
k
x k
=
=

Pentru funcia ( ) X z de forma (5.62) se folosete programul Matlab
urmtor, care realizeaz operaia iterativ de mprire a polinoamelor.

clear all;
num=[2 -2.3 0.5 0];
den=[1 -2.3 1.7 -0.4];
for k=1:5,
[q,r]=deconv(num,den);
num=conv(r,[1 0]);
v(k)=q(k);
end;
Programul calculeaz n vectorul v primele 5 valori ale variabilei ( ) x k i
genereaz rezultatele urmtoare: { } 2 2.3 2.39 2.387 2.3471 x = .
136
3. Descompunerea funciei X(z) n elemente simple
Exempl ul 5. 6:
Se consider funcia X(z) dat prin (5.61). Se pune aceast funcie sub
forma:
( )
( ) ( )
1
1 1
0.25
1 0.5 1 0.3
z
X z
z z

=

i apoi se realizeaz descompunerea ei n elemente simple:
( ) ( )
1
1 2
1 1 1 1
0.25
1 0.5 1 0.3 1 0.5 1 0.3
C C z
z z z z

= +

Se calculeaz coeficienii
1
C i
2
C :
1
1
1
0,5
0.25
1.25
1 0.3
z
z
C
z
=
= =
;
1
2
1
0.3
0.25
1.25
1 0.5
z
z
C
z
=
= =

Deci ( )
1 1
1.25 1.25
1 0.5 1 0.3
X z
z z

=

. Transformata Z invers a funciei simple
( )
1
1
C
F z
r z
=

este ( ) ( ) { }
1 k
f k F z C r
= = Z . Rezult:
( )
( )
1
1 1
1.25 1.25
1.25 0.5 0.3
1 0.5 1 0.3
k k
x k
z z

= =
`
)
Z
i ( ) { }
0,1,2...
0; 0.25; 0.2; 0.1225;...
k
x k
=
=

Fie ( ) X z de forma (5.62). Dac se folosete variabila
1
z
, atunci aceast
funcie devine:
( )
1 2
1
1 2 3
2 2.3 0.52
1 2.3 1.7 0.4
z z
X z
z z z

+
=
+

S considerm
1
z u
= i s dezvoltm ( ) X u n elemente simple, cu

ajutorul funciei Matlab residue. Comenzile Matlab sunt:

num=[0.5 2.3 2 ];
den=[-0.4 1.7 -2.3 1];
Vectorii r i p obinui sunt:
2 2
1.25 ; 1.25
2 1
r p
( (
( (
= =
( (
( (

137
i funcia
( )
( )
1
X z X u
= devine
( )
1
1 1 1
2 1.25 2
2 1.25 1
X z
z z z

= + +

sau:
( )
1
1 1 1
1 1 2
1 0.5 1 0.8 1
X z
z z z
= + +

Transformata Z invers este:
( ) ( ) ( ) ( ) 1 0.5 1 0.8 2 1
k k
k
x k = + + ,
care genereaz rezultatul (5.64).

5.8. Transformata Fourier discret
Fie ( ) x t un semnal de durat finit (fig. 5.24, a)). Este posibil
construcia unui semnal periodic, ( ) x t
, repetnd ( ) x t la fiecare interval de

timp (fig. 5.24, b)). Deci:
(5.65) ( ) ( )
m
x t x t m
=
=

Semnalul periodic ( ) x t
se descompune n serie Fourier complex astfel:

(5.66) ( )
0
e
ji t
i
i
x t A

=
=

,
unde:
(5.67)
0
2
= ,
(5.68) ( ) ( ) ( )
0 0 0
0 0
1 1 1
e d e d e d
ji t ji t ji t
i
A x t t x t t x t t

= = =

,
cci ( ) 0 x t = pentru 0 t < i t > . Din (5.68) rezult:
(5.69) ( )
0
1
i
A X i
=
i expresia (5.66) devine:
(5.70) ( ) ( )
0
0
1
e
ji t
i
x t X i

=
=

Se observ c spectrul SFC al semnalului ( ) x t
este obinut prin

eantionarea caracteristicii spectrale ( ) X a semnalului ( ) x t , cu perioada de
eantionare
0
2 = , efectund o modificare de scar cu 1 (fig. 5.24,
c) i d)). Expresia analitic a semnalului neperiodic ( ) x t este:
138
(5.71) ( )
( )
0
0
1
e , 0
0, n rest
ji t
i
X i t
x t

Fig. 5.24 Caracterizarea spectral a semnalelor neperiodice i periodice
S presupunem c ( ) x t are caracteristica spectral limitat la frecvena
M
(vezi fig. 5.24, c)). Fie ( )
*
x t semnalul eantionat, cu perioada de
eantionare 1 2
e M
T f = , unde 2
M M
f = .
Caracteristica spectral a semnalului eantionat n banda de baz este:
(5.72) ( ) ( ) ( )
*
0
1 1
e
i
i
e e
X X i X
T T

=
=
= =
,
unde:
(5.73) ( ) ( ) { } ( ) ( )
0
e d e d
j t j t
X x t x t t x t t
= = =

F
n aceast integral se discretizeaz timpul t cu pasul de eantionare
e
T ,
rezultnd:
(5.74)
e
N T =
intervale de discretizare.
t
M

( )
0
1 = N
M

( )
0
1
i X A
i
=
M

( ) ( ) , X
1
( ) t x
0 2
( ) t x
t
0
( )
( ) X
1

a)
b)
c)

Transformata
Fourier
( ) ( )
0
arg i X i =
M

( )
0
1 = N
M

0

d)
M
-
Seria Fourier
complex
0
0
i
139
Se obine:
(5.75) ( ) ( ) ( )
1 1
0 0
e e
e e
N N
j kT j kT
e e
k k
X x kT T T x k

= =
= =

i relaia (5.72) devine:
(5.76) ( ) ( )
1
*
0
e
e
N
j kT
k
X x k

=
=

S discretizm axa frecvenelor cu pasul
0
(perioada de eantionare a
caracteristicii spectrale ( ) X , vezi fig. 5.24, d)), unde:
(5.77)
0
2
M
N =
Folosind (5.67), (5.74) i (5.77), relaia (5.76) devine:
( ) ( ) ( ) ( )
( ) ( )
0
2
1 1
* *
0
0 0
2
2
1 1
0 0
e e
e e , 0, 1
e
e
e
e
N N ji kT
ji kT
k k
ji kT
N N jik
NT
N
k k
X i X i x k x k
x k x k i N
= =

= =
= = =
= = =

Deci:
(5.78) ( ) ( )
2
1
*
0
e , 0,1, 2,... 1
N jik
N
k
X i x k i N

=
= =

S nlocuim ( ) X din (5.72) n (5.71). Cum ( ) X este limitat la
frecvena
M
, se obine:
(5.79) ( )
( ) ( )
0 0
1
*
0 0
0
1
e , 0
0, n rest
N
ji t ji t e
i i
T
X i X i e t
x t

= =

n relaia (5.79) se discretizeaz timpul t cu pasul
e
T , punnd
e
t k T = ,
unde valorile lui k corespund intervalului | | 0, : k=0,1,2,...,N-1. Rezult:
( ) ( ) ( ) ( )
2
2
1 1
* *
0
0 0
1
e ,
0,1, 1
e
e
e
ji kT
N N
ji kT
NT e
e
i i
e
T
x kT x k X i X i
NT N
k N

= =
= =
=

sau:
(5.80) ( ) ( )
2
1
*
0
1
e , 0,1, 1
N jki
N
i
x k X i k N
N
=
= =

140
Fie:
(5.81)
2
e
j
N
u

=
numrul complex de modul unitar i de argument
2
N
, reprezentat ca vector, i
i
u , 0,1, -1 k N = , steaua simetric a vectorilor de modul unitar (fig. 5.25).
Relaiile (5.78) i (5.80) devin respectiv:

Fig. 5.25 Steaua vectorilor unitari , 0, 1
i
u i N =
(5.82) ( ) { } ( )
2
1
*
0
( ) , 0, 1
N jik
N
d
k
X i x i x k e i N

=
= = =
F
(5.83) ( )
{ }
( )
1
1 * *
0
1
( ) , 0, 1
N
ik
d
i
x k X k X i u k N
N

=
= = =
F
Transformata Fourier discret direct este definit de relaia (5.78) sau
prin relaia (5.82). Transformata Fourier discret invers este definit prin
relaia (5.80) sau prin relaia (5.83).

Cal cul ul t r ansf or mat ei Four i er di scr et e
Dac se dezvolt relaia (5.82), pentru 0,1,2, , 1 i N = , se obin N relaii
algebrice, care pot fi scrise sub forma matricial (5.84).
(5.84)
( )
( )
( )
( )
( )
( ) ( )
( )
( )
( )
( )
2
*
* 2 1
* 2 4 2 1
*
1 2 1 1
0
1 1 1 ... 1
0
1 1 ...
1
2 2 1 ...
... ... ... ... ... .......
1
1
1 ...
N
N
N N N
X
x
X u u u
x
X x u u u
x N
X N
u u u

(
(
(
(
(
(
(
(
(
(
(
(
( =
(
(
(
(
(
(
(
(
(
(
(
(

Im
Re 1
2
u
1
u
N
i
2
1 N
u
i
u
141
Pornind de la particularitile matricii din relaia (5.84) (identitatea liniilor
i coloanelor avnd acelai indice; 1
N
u = , etc.) a fost dezvoltat un algoritm de
calcul rapid al valorilor ( )
*
X k , 0, 1 k N = . Transformata Fourier discret
astfel calculat se numete transformata Fourier rapid (TFR), sau FFT (Fast
Fourier Transform n limba englez).

Semni f i ca i a t r ansf or mat ei Four i er di scr et e
Valorile ( ) x k sunt eantioanele ( )
e
x kT ale semnalului ( ) x t . Valorile
( )
*
X i sunt proporionale cu coeficienii
i
A ai dezvoltrii n SFC a
semnalului ( ) x t
, avnd perioada :
(5.85) ( )
*
i
X i N A =

Fig. 5.26 Eantionarea unei caracteristici spectrale
introduce o periodicitate a semnalului
Transformata Fourier discret stabilete o coresponden ntre valorile
eantioanelor lui x(k) i ( )
*
X i ale unui acelai semnal, n domeniul temporal
i respectiv frecvenial:
a eantionarea caracteristicii spectrale cu un pas
0
2 = (vezi
fig. 5.26, b)) introduce o periodicitate a semnalului, deci x(t) este transformat
n ( ) x t
(vezi fig. 5.26, a));

b eantionarea semnalului ( ) x t introduce o periodicitate a caracteristicii
a)
( ) k x
( ) k x
e
T e
kT
e
NT =
k
2

b)
( )
*
X i
( )
i
*
A N i X =
0
0
i
e e
T
N

2
0
= =
=

i

t
142
spectrale, deci ( ) X este transformat n ( )
*
X ;
c irul eantioanelor ( ) x k , 0,1, 1 k N = (care este o parte a
semnalului eantionat ( ) x k
) are ca model spectral irul de valori eantionate

( )
*
X i , 0,1, 1 i N = (care este o parte a caracteristicii spectrale
( ) ( )
*
1
e
X X
T
= , eantionate cu pasul
0
2 = ).

Legt ur a nt r e t r ansf or mat a Four i er di scr et i
t r ansf or mat a Z
Transformata Z a semnalului eantionat x(k) este:
(5.86) ( ) ( ) { } ( )
1
0
N
k
k
X z x k x k z

=
= =
Z
Se plaseaz variabila z pe cercul unitar i se impune eantionarea
variabilei z pe acest cerc, cu pasul egal cu 2 N . Se obin eantioanele
variabilei z corespunztoare seriei
{ }
0 1 2 1
1; ; ; ...
N
u u u u u

= = (vezi fig.
5.25). n acest caz, transformata Z devine transformata Fourier discret:
(5.87) ( ) ( ) ( )
1
*
0
, 0,1, -1
i
N
ik
z u
k
X i X z x k u i N

=
=
= = =

Observa i e:
Legtura dintre transformata Z i transformata Fourier discret permite
transferarea nspre transformata Fourier discret a celor mai multe dintre
proprietile transformatei Z. Astfel, definind produsul de convoluie ciclic al
semnalelor discrete x
1
(k) i x
2
(k), 0, 1 k N = :
(5.88)
1
1 2 1 2
0
( ) ( ) ( ) ( ) ( 1), 0, 1
N
i
x k x k x k x i x k k N
=
= = =
,
se obine:
(5.89) { } { }
* *
1 2 1 2
( ) ( ) ( ) ( ) ( )
d d
x k x k x k X k X k = = F F
De asemenea, definind convoluia ciclic a imaginilor
*
1
( ) X k i
*
2
( ) X k :
(5.90)
1
* * *
1 2
0
1
( ) ( ) ( )
N
i
X k X i X k i
N

=
=
,
rezult:
(5.91)
{ }
1 *
1 2
( ) ( ) ( )
d
X k x k x k
= F
143
Cal cul ul numer i c al t ransf or mat ei Four i er di scret e
f ol osi nd Mat l ab
De obicei, calculul numeric este realizat folosind un algoritm de vitez de
calcul maxim, care este algoritmul transformatei Fourier rapide (algoritmul
FFT). Numrul de eantioane ale semnalului trebuie s fie de forma 2
m
, cu m
ntreg (de exemplu: 32, 64, 128, 256, 512, 1024).
Comanda Matlab pentru calculul transformatei Fourier discrete este:

spc=fft(x,N),
unde x este vectorul care conine eantioanele ( ), 0, 1 x i i N = , i spc este
vectorul ale crui componente sunt numerele complexe ( )
*
, 0, -1 X i i N = ,
reprezentnd transformata Fourier discret, definit de expresia (5.82). Dac N
nu este de forma 2
m
, funcia fft genereaz acelai rezultat, dar timpul de
calcul crete sensibil.
Legtura dintre transformata Fourier discret i seria Fourier care descrie
semnalul periodic eantionat, ( )
T e
x nT , de perioad
e
T NT = , este:
(5.92) ( ) ( ) ( )
2
0 0 0
1
cos sin
N
T e i e i e
i
x nT C C i nT S i nT
=
( = + +

,
unde:
(5.93)
( )
( )
{ } ( ) { }
( )
{ } ( ) { }
*
*
0
*
2Re
2Re 1 0
;
1, /2
2Imag
2Imag spc 1
; 1, /2
i
i
X i
spc i X
C C
N N N
i N
X i
i
S i N
N N
= = =
+
= = =

Cum
0
2 / 2 /
e
T NT = = , rezult:
(5.94) ( ) ( ) ( )
2
0
1
cos 2 / sin 2 /
N
T e i i
i
x nT C C in N S in N
=
= + + (

Observa i i :
1) n fig. 5.26, b) componentele ( ) ( ) ( )
* * *
1 , 2 , 1 X X X N ,
corespunztoare, respectiv, valorilor ( ) ( ) ( ) 2 , 3 , spc spc spc N , sunt
simetrice excepie fcnd ( ) ( )
*
0 1 X spc , care este valoarea medie a
semnalului adic: ( ) ( ) ( ) ( )
* * * *
1 1 ; 2 2 ; X X N X X N = = Deci sunt
necesare numai componentele ( )
*
, 0, / 2 X i i N = , pentru a cunoate modelul
spectral al semnalului.
2) Conform relaiei (5.85), avem ( )
*
/
i
A X i N = , de unde se obine
144
spectrul seriei Fourier armonice:
(5.95)
( ) ( ) ( )
( )
{ }
* *
0
*
0 ; 2 / 2
1, / 2
arg
i i
i
A X A A X i N
i N
X i
= = =

Exempl ul 5. 8:
Fie semnalul:
(5.96) ( ) | |
0
cos 0.5 sin2 0.2; 0, , 2 / x t t t t T T = + + = ,
cu
0
3.2 T s = i
0
2 T T = . Pentru perioada de eantionare 0.1
e
T s = , 32 N = ,
programul Matlab utilizat pentru analiza spectral a semnalului este:

clear all;
T0=3.2;T=2*T0;Te=0.1;N=T/Te;om=2*pi/T0;
for i=1:N %calculul eantioanelor semnalului
ind(i)=i;
x(i)=-cos(om*(i-1)*Te)+1.5*sin(2*om*(i-1)*Te)+0.2;
end;
figure(1);stem(ind,x);grid;pause;
spc=fft(x,N); %calculul transformatei Fourier directe
N1=N/2;
spc1=abs(spc)/N1; %calculul spectrului de amplitudini
spc1(1)=spc(1)/N;
figure(2);stem(ind(1:N1),spc1(1:N1));
grid;axis([0 32 0 1.5]);pause;
for i=1:N1, %calculul spectrului de faze
if abs(spc(i))<1e-7 spc2(i)=0;
else spc2(i)=angle(spc(i));
end;
end;
figure(3);stem(ind(1:N1),spc2(1:N1));
grid;axis([0 32 -3.5 0]);pause;
xi=ifft(spc,N); %calculul transformatei Fourier inverse
figure(4);stem(ind,xi);grid;
C0=spc1(1); %calculul seriei Fourier trigonometrice
for i=1:N1,
C(i)=2*real(spc(i+1))/N;
S(i)=-2*imag(spc(i+1))/N;
end;
for n=1:N,%calculul semnalului pe baza seriei Fourier trigonometrice
xc(n)=C0;
for k=1:N1
xc(n)=xc(n)+C(k)*cos(2*pi*k*...
(n-1)/N)+S(k)*sin(2*pi*k*(n-1)/N);
end;
end;
figure(5);stem(ind,xc);grid;pause;
145

Fig. 5.27 Analiza spectral a unui semnal (exemplul 5.8)
Programul realizeaz operaiile urmtoare:
reprezentarea grafic a semnalului (fig. 5.27, a));
calculul transformatei Fourier discrete, ( ) spc , 1, i i N = , i calculul
spectrelor de amplitudini i de faze, ( ) spc1 i i ( ) spc2 , 1, / 2 i i N = .
Eantionarea caracteristicii spectrale este realizat cu un pas de
eantionare ( )
0 0
2 2 2 2 T T = = = . Expresia semnalului se scrie:
( ) ( )
( ) ( )
0 1 1 2 2
0.2 1 cos 0.5cos 2
2
cos cos 2
x t t t
A A t A t

| |
= + + =
|
\ .
= + + + +

unde
0
0.2 A = i armonicile de frecvene
0
2 = i
0
2 4 = au
amplitudinile
1 2
1, 0.5 A A = = i fazele
1 2
, 2 = = (fig. 5.26, b) i
c));
calculul transformatei Fourier inverse, folosind funcia ifft ; se obine
semnalul xi, care este practic identic cu semnalul iniial, x;
calculul parametrilor
i
C i
i
S ai seriei Fourier trigonometrice.
Pornind de la expresia analitic a acestei serii, se calculeaz semnalul xc, care
este practic identic cu semnalul iniial, x.
0 5 10 15 20 25 30
3.5
3
2.5
2
-1.5
-1
-0.5
0
5 10 15 20 25 30 0
0.5
1
1.5
0 10 20 30 40 50 60 70
-2.5
-1
0
1
2.5
b) c)
a)
146
Exempl ul 5. 9:
Fie:
(5.97) ( )
( )
1 1
2 , 0
0, n rest
T T t T
x t

Pentru
1
32 ; 2 T s T s = = i 0.5
e
T s = , un alt program Matlab, cu aceeai
structur, genereaz rezultatele corespunztoare spectrului reprezentat n
fig. 5.28, b) i c). Aceste rezultate corespund spectrului dat n fig. 2.16, b).

Diferenele ntlnite se explic dup cum urmeaz:
suprafaa impulsului corespunztor fig. 5.28 este unitar i pentru
exemplul considerat are valoarea / 2 16 T = ;
semnalul dat este ntrziat cu
1
/ 2 1 T s = , fa de seria reprezentat n
fig. 2.15. Defazajul produs de aceast ntrziere depinde liniar de frecven:
0 1
/ 2, 0, 1 i T i N = , cu
0
2 / T = . Spectrul de faze are discontinuiti
atunci cnd sinusul cardinal i schimb semnul (vezi fig. 5.28, c)).

5.9. Transformata Hilbert discret
Fie ( ), 0, 1 x k k N = , eantioanele unui semnal i
*
( ), 0, 1 X k k N = ,
transformata Fourier discret a semnalului cu timp discret. Notnd cu ( ) X z
transformata n z a semnalului ( ) x k , s-a artat c
*
( ) X k se obine din ( ) X z
impunnd ca variabila z s parcurg cercul unitar,
j
z e

= , cu pasul de
discretizare 2 / N = al unghiului :
(5.98)
( )
*
( ) , 0, 1
jk
X k X e k N
= =
Transformata Hilbert a semnalului discret ( ) x k se poate defini ca fiind
a)
b)
c)
147
semnalul
( ) x k , astfel nct semnalul analitic discret, definit prin:

(5.99)
( ) ( ) ( ) z k x k j x k = + ,
s aib transformata n z pe cercul unitar de forma:
(5.100)
0, 0
( ) (1), 0
2 ( ), 0
j
j
Z e X
X e
= =
<

Aplicm n (5.99) transformata n z pentru
j
z e

= . Rezult:
(5.101)
( ) ( ) ( )
j j j
Z e X e j X e

= +
Pentru ca relaia (5.100) s fie ndeplinit,
( )
j
X e

trebuie s aib forma:
(5.102)
( ), 0
( ) 0, 0 ( ) ( )
( ), 0
j
j j j
j
jX e
X e T e X e
jX e

= = =
`

<
)
,
unde:
(5.103) ( ) sign( )
j
T e j
=
Vom calcula semnalul discret ( ) t k , a crui transformat Z, pentru
j
z e

= , are forma (5.103). Pentru aceasta, n formula de definiie a
transformatei n z inverse, (5.25), punem
j
z e

= . Vom avea d d
j
z je

= , iar
integrala pe cercul C se va transforma ntr-o integral n raport cu , cu
limitele 0 i 2. Deci:
( )
2 2
( 1)
0 0
2
0
1 1
( ) ( ) d ( sign ) d
2 2
1
cos( ) sign sin( ) sign d
2
j k j j jk
t k T e e je j je
j j
k j k
j

= = =
= +

,
sau, avnd n vedere c primul termen de sub integral este funcie impar, iar
al doilea este funcie par, rezult:
(5.104) ( )
2
0
1 1
( ) sin( )d 1 cos( ) , 1, 2,... t k k k k
k

= = =

Se observ c funcia ( ) t k este nul pentru k par i egal cu 2 ( ) k pentru k
impar. Punnd k = n relaia (5.102), se obine relaia care leag
transformatele Fourier discrete respective:
148
*
* *
( ) ( ) ( ) X k T k X k =
Aplicnd aici transformata Fourier discret invers i innd cont de relaia
(5.89), se obine expresia transformatei Hilbert discrete a semnalului ( ) x k :
( ) ( ) ( ) x k t k x k =
Se observ c, la fel ca n cazul semnalelor cu timp continuu (vezi relaia
(3.91)), transformata Hilbert a semnalului ( ) x k se exprim prin convoluia lui
( ) x k cu semnalul dependent de inversul timpului discret, adic ( ) 2 ( ) t k k = .

Cal cul ul t r ansf or mat ei Hi l ber t n Mat l ab
Funcia hilbert calculeaz semnalul analitic aferent unui semnal dat.
Apelarea ei se face astfel:

z=hilbert(x),
n care x este vectorul care conine valorile semnalului eantionat, iar z este un
vector de mrimi complexe, la care partea real este semnalul x i partea
imaginar este transformata Hilbert,
x .
n programul Matlab, prezentat n cele ce urmeaz, se genereaz semnalul
x cu relaia (5.96), fiind reprezentat grafic (vezi fig. 5.27, a)), apoi se apeleaz
funcia hilbert. Semnalul
x este reprezentat n fig. 5.29. n continuare se

apeleaz din nou funcia hilbert (cu semn inversat), argumentul funciei
fiind
x . Rezultatul afiat este practic identic cu semnalul iniial, x, reprezentat

n fig. 5.27, a). Se verific astfel faptul c prin aplicarea de dou ori a
transformatei Hilbert se obine semnalul iniial cu semn schimbat.

Fig. 5.29 Transformata Hilbert a semnalului din fig. 5.27
0 10 20 30 40 50 60
-3
-2
-1
1

0
3
149
clear all;
T0=3.2;T=2*T0;Te=0.1;N=T/Te;om=2*pi/T0;

for i=1:N, %calculul semnalului
ind(i)=i-1;
x(i)=-cos(om*(i-1)*Te)+1.5*sin(2*om*(i-1)*Te);
end;

figure(1);stem(ind,x);grid;axis([0 64 -3 3]);pause;
hil=hilbert(x);
hil=imag(hil);

figure(2);stem(ind(1:N),hil(1:N));
grid;axis([0 64 -3 3]);pause;
x1=-hilbert(hil);
x1=imag(x1);

figure(3);stem(ind(1:N),x1(1:N));
grid;axis([0 64 -3 3]);pause;
150

151

Capitolul 6

SEMNALE ALEATOARE

6.1. Noiunea de semnal aleator
Un semnal aleator este un proces a crui evoluie n timp este supus
legilor probabilistice. Pentru a caracteriza proprietile statistice ale semnalelor
aleatoare trebuie s introducem noiunile de funcie de repartiie i densitate de
probabilitate.
Fie N realizri ale unui semnal aleator (fig. 6.1). Presupunem c printre
acestea, sunt un numr de n
1
realizri care au la momentul t
1
valori inferioare
sau egale cu x
1
. Funcia repartiie de ordinul nti se definete ca:
(6.1) ( ) ( ) { }
1
1 1 1 1 1
, prob lim
N
n
F x t x t x
N
= =

Fig. 6.1 Realizarea unui semnal aleator
Cu ajutorul acestei funcii se definete densitatea de probabilitate de
ordinul nti:
(6.2) ( )
( )
1 1 1
1 1 1
1
,
,
F x t
x t
x

Funcia de repartiie de ordinul doi, considerat la momentele t
1
i t
2
, este:
(6.3) ( ) ( ) ( ) { }
2 1 1 2 2 1 1 2 2
, ; , prob ; F x t x t x t x x t x =
N
t
t
t
1
2
1
t
2
t

152
Densitatea de probabilitate de ordinul doi este:
(6.4) ( )
( )
2
2 1 1 2 2
2 1 1 2 2
1 2
, ; ,
, ; ,
F x t x t
x t x t
x x

=

n acelai mod se definesc funcia repartiie de ordinul n i funcia
densitate de probabilitate de ordinul n:
(6.5) ( ) ( ) ( ) { }
1 1 1 1
, ;... , prob ;...
n n n n n
F x t x t x t x x t x =
(6.6) ( )
( )
1 1
1 1
1
, ;... ,
, ;... ,
...
n
n n n
n n n
n
F x t x t
x t x t
x x

=

6.2. Clasificarea semnalelor aleatoare
Putem clasifica semnalele aleatoare considernd trei criterii, enumerate n
continuare.

1. Ordinul densitii de probabilitate, care descrie semnalul.

A. Semnal aleator pur, caracterizat de relaia:
(6.7)
( ) ( )
1 1 2 2 1 1 1
; , ; , ;... , ,
n n n n n n n
x t x t x t x t x t

= , unde:
1 2 n
t t t < < ,
adic realizarea x
n
la t
n
este independent de realizrile anterioare. Deoarece
fiecare realizare este independent, rezult:
(6.8) ( ) ( )
1 1 2 2 1
1
, ; , ;... , ,
n
n n n i i
i
x t x t x t x t
=
=
,
ceea ce nseamn c densitatea de probabilitate de ordinul n poate fi calculat
plecnd de la densitatea de probabilitate de ordinul nti.

B. Proces Markov simplu, care este descris complet de densitatea de
probabilitate de ordinul doi. n acest caz:
(6.9)
( ) ( )
1 1 2 2 1 1 2 1 1
, , ; , ;... , , ,
n n n n n n n n n
x t x t x t x t x t x t

=

Observa i i :
Procesele aleatoare pure nu se ntlnesc niciodat n realitate. Semnalele
aleatoare reale pot fi considerate ca fiind procese Markov simple.
Parametrii unui proces aleator pur se calculeaz plecnd de la densitatea
de probabilitate de ordinul nti. Acetia sunt:
Valoarea medie (moment de ordinul nti)
(6.10) ( ) ( ) { } ( )
1 1 1 1 1 1 1
, d x t E x t x p x t x
= =

6. Semnale aleatoare
153
Variana (momentul centrat de ordinul doi)
(6.11) ( ) ( ) ( )
{ }
( )
{ }
( )
2
2 2 2
1 1 1 1 1 x
t E x t x t E x t x t = ( =

Procesele Markov simple sunt definite, de asemenea, de funcia de
autocorelaie (momentul de ordin doi):
(6.12) ( ) ( ) ( ) { } ( )
1 2 1 2 1 2 2 1 1 2 2 1 2
, , ; , d d
xx
R t t E x t x t x x x t x t x x

= =

Pentru dou procese aleatoare, x(t) i y(t), considerate ca fiind procese
Markov simple, putem defini funcia de intercorelaie:
(6.13) ( ) ( )
1 2 1 2 2 1 1 2 2 1 2
, , ; , d d
xy
R t t x y x t y t x y

=

2. Dependena de timp a caracteristicilor statistice
A. Procese aleatoare nestaionare, ale cror caracteristici statistice depind
de timp: ( ) ( )
1 1 1 2 1 1 2 2
, ; , ; , x t x t x t , etc.
B. Procese aleatoare staionare, ale cror caracteristici nu depind de
timp:
(6.14) ( ) ( )
1 1 1 1 1
, x t x =
iar densitatea de probabilitate de ordinul doi nu depinde dect de diferena
(
2 1
t t ):
(6.15) ( ) ( )
2 1 1 2 2 2 1 2
, ; , , , x t x t x x = ,
(6.16)
2 1
t t =
n acest caz, relaiile (6.10)..(6.13) devin:
(6.17) ( )
1
d x x x x
=

(6.18)
2 2 2
x
x x =
(6.19) ( ) ( )
1 2 2 1 2 1 2
, , d d
xx
R x x x x x x

=

(6.20) ( ) ( )
2
, , d d
xy
R xy x y x y

=

Observa i e:
Semnalele ale cror proprieti sunt complet descrise de momentele de
154
ordinul unu i doi se numesc staionare n sens larg, sau staionare pn la
ordinul doi. Relaiile (6.14) i (6.15) definesc procesele aleatoare staionare
n sens strict. Procesele staionare n sens strict sunt i staionare n sens larg.
Reciproca nu este ntotdeauna valabil.

3. Modalitatea de calcul a valorii medii
Dup acest criteriu de clasificare putem considera:
A. Procese aleatoare generale, pentru care valorile medii sunt
determinate pe ntregul set de date, utiliznd relaiile (6.10), (6.12) i (6.13),
sau, pentru procese staionare, relaiile (6.17), (6.19) i (6.20).
B. Procese ergodice, atunci cnd valorile medii statistice sunt egale cu
valorile medii temporale.
n cazul proceselor ergodice sunt valabile relaiile:
(6.21) ( ) ( )
1
1
d lim d
2
T
T
T
x x x x x x t t
T

= = =
`
)

(6.22)
2
2 2 2 2
x
x x x x = =

Fig. 6.2 Clasificarea proceselor aleatoare
(6.23)
( ) ( ) ( )
( ) ( )
( ) ( )
1
lim d
2
xx
T
t
T
R x t x t x t x t
x t x t t
T

= + = + =

= +
`
)

(6.24)
( ) ( ) ( )
( ) ( )
( ) ( )
1
lim d
2
xy
T
T
t
R x t y t x t y t
x t y t t
T

= + = + =

= +
`
)

Clasificarea proceselor aleatoare este reprezentat n fig. 6.2.

6.3. Caracterizarea statistic a semnalelor
Considerm n continuare cazul semnalelor ergodice. Caracteristicile
statistice pot fi descrise fie n domeniul timp, fie n domeniul frecven.

A. Caracteristica temporal a unui semnal aleator este funcia de
autocorelaie (numit mai simplu funcia de corelaie):
ergodice
staionare n
sens strict
staonare n
sens larg
stochastice
155
(6.25) ( ) ( ) ( )
1
lim d
2
T
xx
T
T
R x t x t t
T

= +
`
)

Proprietile acestei funcii (fig. 6.3) sunt urmtoarele:
1) Funcia de autocorelaie este par: ( ) ( )
xx xx
R R = ;
2) Este valabil relaia:
(6.26) ( ) lim 0
xx
R
=
3) Funcia de corelaie are un maxim n origine, unde:
(6.27) ( )
2 2 2
0
xx x
R x x = = +

Fig. 6.3 Funcia de corelaie
Observa i e:
Dac 0 x = , atunci R
xx
() este numit funcie de autocovarian, sau
funcie de covarian.

B. Caracteristica n domeniul frecven a unui semnal aleator este funcia
de densitate spectral a puterii, S
xx
(), definit prin relaia:
(6.28) ( ) ( )
2 1
lim
2
xx T
T
S X
T

=
`
)
,
unde X
T
() este transformata Fourier a semnalului x
T
(t). Acesta este o parte
din procesul aleator, vzut prin fereastra de timp [-T,T] (fig. 6.4).

Fig. 6.4 Definiia semnalului ( )
T
x t
Funcia S
xx
() este o funcie real, par i, n plus:
( ) R
xx

0
t
T
fereastr de timp
( ) t x
T

T
( ) t x
156
(6.29) ( ) lim 0
xx
S
= ,
Ea desemneaz densitatea de putere a semnalului pe axa frecvenelor, ().
Observa i e:
Pentru dou procese aleatoare, x(t) i y(t), se poate defini densitatea
spectral mutual (densitatea interspectral), prin relaia:
(6.30) ( ) ( ) ( )
1
lim
2
xy T T
T
S X Y
T

=
`
)
,
unde X
T
() i Y
T
() sunt transformatele Fourier ale semnalelor x
T
(t) i y
T
(t).
Densitatea interspectral este o funcie complex.

6.4. Teorema Wiener Hincin
Aceast teorem stabilete legtura ntre caracteristica temporal, R
xx
(),
i caracteristica frecvenial, S
xx
(), a unui semnal aleator:
(6.31) ( ) ( ) { }
xx xx
S R =F
(6.32) ( ) ( ) { }
1
xx xx
R S
=F
innd cont c funciile R
xx
() i S
xx
() sunt funcii pare, rezult:
(6.33)
( ) ( ) ( )( )
( )
0
e cos sin d
2 cos d
j t
xx xx xx
xx
S R R j
R
= = =
=

(6.34)
( ) ( )
( )( ) ( )
0
1
e d
2
1 1
cos sin d cos d
2
j
xx xx
xx xx
R S
S j S
= =
= + =

Fig. 6.5 Caracteristicile unui zgomot alb
Fie x(t) un semnal aleator pur. Funcia de corelaie are forma unui impuls
delta (fig. 6.5, a)) i densitatea spectral de putere este constant, deci ea
( )
xx
R
( )
xx
S
F
a) b)
157
conine componente pentru toate frecvenele (fig. 6.5, b)). Acest semnal, care
nu este ntlnit n natur (este de putere infit), se numete zgomot alb.
Semnalele reale se numesc colorate i au forme diferite pentru funciile
de corelaie i cea de densitate spectral de putere (fig. 6.6 i 6.7). Ct timp un
semnal are o funcie de corelaie ngust, banda de densitate spectral a puterii
este larg (fig. 6.6) i n acest caz semnalul este mai apropiat de zgomotul alb.
Dac funcia de corelaie este larg, banda spectral a semnalului este ngust
(fig. 6.7) i semnalul este mai apropiat de un semnal periodic (determinist).

Fig. 6.6 Caracteristicile unui zgomot de band larg

Fig. 6.7 Caracteristicile unui zgomot de band ngust
Este ilustrat calculul numeric al caracteristicilor statistice ale unui proces
aleator. Acesta este coninut ntr-un fiier de date, achiziionate cu perioada de
eantionare
e
T , pe o durat D. Numrul datelor din fiier este
e
N D T = .

Fig. 6.8 Variabila aleatoare v
e
(exemplul 6.1)
Pentru formarea fiierului de date s-a apelat funcia Matlab randn , cu
care s-a creat un fiier iniial, notat prin w, care conine un zgomot alb normal
Evoluia n timp a
semnalului ( )
e
v t
0 50 100 150 200 250 300 350 400 450 500
0
5
10
15
t
( )
e
v t
F
( )
xx
R
( )
xx
S
F
( )
xx
R
( )
xx
S

158
distribuit, de medie nul i dispersie unitar. Acest zgomot s-a aplicat la
intrarea unui sistem dinamic, obinndu-se la ieire un zgomot colorat, notat n
program cu ve i reprezentat n fig. 6.8. Prelucrrile efectuate sunt prezentate
explicit n programul care urmeaz. Pentru calculul funciei de corelaie s-a
apelat funcia Matlab xcorr. Funcia densitii spectrale de putere este
calculat prin dou metode: pe baza transformatei Fourier discrete a
semnalului i pe baza teoremei Wiener-Hincin (aplicnd transformata Fourier
discret funciei de autocorelaie). Diferenele dintre rezultatele obinute prin
cele dou metode sunt extrem de mici: de ordinul a 10
-13
.

Fig. 6.9 Modulul TFD (exemplul 6.1)

Fig. 6.10 Spectrul semnalului (exemplul 6.1)
clear all;clc;clg;
% durata nregistrrii i parametrii de eantionare
D=512;Te=1;N=D/Te;fe=1/Te;
df=fe/(2*N);
f=0:df:df*(N-1);
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
Spectrul
semnalului
( )
e
v t
f
( )
e
V j
0 50 100 150 200 250
0
20
40
60
80
100
120
140
160
180
TFD a
semnalului
( )
e
v t
159
%generarea unui zgomot colorat i reprezentarea acestuia
sys=tf([10],[20 1]);
s=c2d(sys,1,'tustin');w=randn(1,512);
t=[0:1:N-1];
[y,t]=lsim(s,w,t);ve=y+7;
for i=1:N,
t(i)=i;
end;
figure(1);plot(t,ve);grid;axis([0 511 0 15]);

%se calculeaz variabila aleatoare centrat (ve_t)
%prin extragerea valorii medii
ve_t=ve-mean(ve);

%se calculeaz funcia de corelaie a variabilei aleatoare centrate i se
%reprezint grafic funcia de corelaie
crl=xcorr(ve_t,'biased');
figure(2);
for i=1:2*N-1,
ind(i)=-N+i;
end;
plot(ind,crl);title('Functia de autocorelatie');
axis([-100 100 -0.4 2.5]);
grid;

%se calculeaz funcia densitii spectrale de putere
%cu teorema Wiener-Hincin
ssp=fft(crl,2*N);
ssp=abs(ssp);
ssp=ssp(1:N);

%se "filtreaz" caracteristica spectral, pentru
%reducerea "zgomotului de calcul"
sspf(1)=ssp(1);
for i=2:512,
sspf(i)=0.5*sspf(i-1)+0.5*ssp(i-1);
end;

%se reprezint grafic funcia densitii spectrale de putere
figure(3);
frq=0:df:df*(N-1);
omg=2*pi*frq;
loglog(frq,sspf);
title('DSPP a semnalului - WH - ssp');
axis([0.005 0.3 10^(-3) 100]);grid;

%calculul transformatei Fourier discrete i reprezentarea grafic
%a modulului transformatei Fourier discrete
tfd=fft(ve_t,2*N);
tfd=abs(tfd);
160
figure(4);
plot(tfd);
title('TFD a semnalului');axis([0 256 0 150]);grid;
%calculul spectrului de amplitudini i reprezentarea lui grafic
spc=tfd(1:N)/(N/2);
figure(5);
plot(f,spc);title('Spectrul semnalului');grid;

%calculul densitii spectrale de putere,
%pe baza transformatei Fourier
for i=1:2*N,dsp(i)=(tfd(i)^2)/(N);end;
dsp=dsp(1:512);

%se "filtreaz" densitatea spectral de putere,
%pentru reducerea "zgomotului de calcul"
dspf(1)=dsp(1);
for i=2:512,
dspf(i)=0.5*dspf(i-1)+0.5*dsp(i-1);
end;

%reprezentarea grafic a densitii spectrale de putere
figure(6);
loglog(frq,dspf);
title('DSPP a semnalului - DR + WH');
axis([0.005 0.3 10^(-3) 100]);grid;

%se compar densitile spectrale de putere, calculate prin cele 2 metode,
% i se reprezint grafic diferena
for i=1:512,
y(i)=dsp(i)-ssp(i);
end;
figure(8);
plot(y);title('Diferenta');
axis([0 512 -8e-14 4e-14]);grid;

Fig. 6.11 Funcia de autocorelaie a variabilei aleatoare ve (exemplul 6.1)
-100 -80 -60 -40 -20 0 20 40 60 80 100
-0.5
0
0.5
1
1.5
2
Funcia de
autocorelaie
( )
vv
R
161

Fig. 6.12 Densitatea spectral de putere calculat pe baza
teoremei Wiener -Hincin (exemplul 6.1)

Fig. 6.13 Densitatea spectral de putere calculat
pe baza TFD a semnalului aleator (exemplul 6.1)

Fig. 6.14 Diferena dintre densitile spectrale calculate
pe baza celor 2 metode (exemplul 6.1)
0 50 100 150 200 250 300 350 400 450 500
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
x 10
-13
Diferenta ntre DSPP
calculate prin cele
dou metode
f
10
-2
10
-1
10
-3
10
-2
10
-1
10
0
10
1
10
2
DSPP
a semnalului -
- DR + WH
( )
vv
S f
f
10
-2
10
-1
10
-3
10
-2
10
-1
10
0
10
1
10
2
f
( )
vv
S f
DSPP
a semnalului
WH ssp
162
Exempl ul 6. 2:
Se consider variabila w din programul Matlab prezentat n exemplul
anterior. Ea este generat prin funcia Matlab randn ca fiind un zgomot
pseudo-aleator alb, cu distribuie normal, de medie nul i dispersie unitar.
Se consider c fisierul w ar reprezenta un semnal aleator, achiziionat cu
perioada de eantionare Te. Pe baza unui program similar celui anterior, se vor
determina caracteristicile statistice ale acestui semnal.
Evoluia variabilei w este prezentat n fig. 6.15. Se constat c, n
comparaie cu zgomotul colorat din fig. 6.8, evoluia acestei variabile este mult
mai agitat.

Fig. 6.15 Zgomotul pseudo-aleator w (exemplul 6.2)

Fig. 6.16 Funcia de autocorelaie a variabilei w (exemplul 6.2)
Funcia de autocorelaie a variabilei w, ( )
ww
R t , este reprezentat n
fig. 6.16. Se pot face urmtoarele constatri:
-100 -80 -60 -40 -20 0 20 40 60 80 100
0
0.2
0.4
0.6
0.8
1
Funcia de
autocorelaie
( )
ww
R
0 50 100 150 200 250 300 350 400 450 500

-4
-3
-2
-1
0
1
2
3
4
5
t
( ) w t
163
aceast funcie nu este nul pentru 0 t , dup cum nu este infinit la
0 t = . Prin urmare, semnalul w nu este un zgomot alb, ci o secven de valori
numit zgomot pseudo-aleator care aproximeaz zgomotul alb. Este
important de tiut msura n care erorile de aproximare sunt admisibile;
fcnd abstracie de zgomotul numeric (de calcul) care afecteaz
funcia de corelaie pentru 0 t , aceast funcie se poate considera ca fiind
apropiat de un impuls real, de forma celui din fig. 6.17;

Fig. 6.17 Funcia de autocorelaie prezentat
ca un impuls real (exemplul 6.2)
constatm c deschiderea funciei de autocorelaie este foarte mic,
doar n domeniul
e
[ , ]
e
T T , pe cnd, n cazul zgomotului colorat (vezi
fig. 6.11), deschiderea se extinde pe zeci de perioade de eantionare;
aria impulsului real este egal cu
2
e e
T T = (s-a considerat n cazul
nostru c dispersia este unitar), pe cnd aria impulsului ( ) ( )
ww
R = ,
aferent unui zgomot alb teoretic de medie nul i dispersie unitar este, firete,
unitar;
densitatea spectral de putere a zgomotului alb teoretic este
( ) { ( )} { ( )}=1
ww ww
S R = = F F . Evident, puterea acestui zgomot este
proporional cu integrala funciei ( )
ww
S pe tot domeniul frecvenelor, deci
este infinit. Ne propunem s calculm densitatea spectral de putere a
zgomotului pseudo-aleator, pe cale numeric i pe cale analitic, pentru a
examina diferenele fa de zgomotul alb teoretic;
aplicnd TFD (cu funcia Matlab fft) funciei de autocorelaie din
fig. 6.16, se obine pe cale numeric funcia densitii spectrale de putere,
dat n fig 6.18. Observm c, spre deosebire de cazul zgomotului colorat,
cnd caracteristica spectral este descresctoare (vezi fig. 6.12), aici fcnd
abstracie de zgomotul de calcul numeric caracteristica spectral este
constant, n banda de frecvene n care aceasta s-a calculat;
dup cum se cunoate, conform teoremei lui Shannon, banda
semnalului eantionat nu poate depi jumtate din frecvena de eantionare.
Constatm ns c n prelucrarea digital a datelor din fiierul w nicieri nu a
intervenit perioada de eantionare. Deci, dac fiierul w ar reprezenta date
achiziionate cu o rat de o secund sau o milisecund, rezultatul numeric ar fi
0
e
T
e
T
1
( )
xx
R
164
acelai, iar stabilirea benzii de frecven n care densitatea spectral de putere
este practic constant, adic a domeniului | | 2 , 2
e e
f f + , trebuie fcut
separat, pe baza cunoaterii perioadei de eantionare;
vom calcula analitic densitatea spectral de putere, considernd forma
din fig. 6.17 a funciei de autocorelaie. Avnd n vedere rezultatul
aplicaiei 3.1 i innd cont c, n cazul general, aria impulsului triunghiular
este
2
e
T , rezult:
(6.35)
2 2
( ) { ( )} sinc
2
e
ww ww e
T
S R T

| |
= =
|
\ .
F
pentru domeniul ,
2 2
e e
(
+
(

se poate considera
2
sinc 1
2
e
T | |

|
\ .
,
deci:
(6.36)
2
( )
ww e
S T
puterea semnalului n banda ,
2 2
e e
(
+
(

, unde densitatea spectral
de putere are valoarea
2
( )
ww e
S T , este:
(6.37)
2 2 2
2
2
1 1 1
( )d d
2 2 2
e
e
ww e e e
P S T T
= = = =

Fig. 6.18 Caracteristica densitii spectrale de putere, dedus prin
prelucrarea numeric a datelor (exemplul 6.2)
Programul Matlab, dat n cele ce urmeaz, calculeaz i reprezint grafic
densitatea spectral de putere a zgomotului pseudo-aleator, pe baza relaiei
analitice (6.35).
10
-2
10
-1
10
-3
10
-2
10
-1
10
0
10
1
10
2
( )
ww
S f
f
DSPP a
Semnalului-
WH - ssp
165

Fig. 6.19 Densitatea spectral de putere, calculat cu relaia (6.35),
reprezentat n scri liniare (exemplul 6.2)
Reprezentrile s-au dat n scri liniare (fig. 6.19) i n scri logaritmice
(fig. 6.20), pentru domeniul de frecven 0,
2
e
f | |
|
\ .
, n condiiile cnd
perioadele de eantionare sunt 1
e
T = , respectiv 2
e
T = . Se constat c pe
msur ce scade perioada de eantionare, crete banda de frecvene n care
semnalul pseudoaleator se comport ca un zgomot alb (are funcia spectral de
putere constant).

clear all;clg;clf;
D=512;

%se iniiaz 2 cicluri, aferente perioadelor de eantionare Te=1 i Te=0.5
for ik=1:2,
Te=1/ik;
end;
N=D/Te;fe=1/Te;
df=fe/(2*N);
f=0:df:fe/2;
frq=0:df:fe/2;
lf=length(f);

%se calculeaz densitatea spectral de putere teoretic
for i=1:lf;
x(i)=f(i)*Te;
Svv(i)=Te*(sinc(x(i))^2);
end;

%se reprezint grafic densitatea spectral de putere teoretic,
%n scar liniar i n scar logaritmic
figure(30);
plot(f,Svv);grid;hold on;
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
f
( )
ww
S f
1
e
T =
0.5
e
T =
166
axis([0 2 0 1]);
figure(31);
loglog(f,Svv);title('DSPP teoretica a semnalului ');
grid;hold on;
axis([0.005 5 5*10^(-3) 10]);
end

reprezentat n scri logaritmice (exemplul 6.2)
10
-2
10
-1
10
0
10
-2
10
-1
10
0
10
1
DSPP teoretic
a semnalului
1
e
T =
0.5
e
T =
( )
ww
S f
f
167

Capitolul 7

ANALIZA TIMP FRECVEN

7.1. Introducere
Analiza spectral a semnalelor, bazat pe rezultatele clasice ale lui Joseph
Fourier, care a demonstrat n 1807 c orice funcie 2-periodic poate fi
reprezentat ca o serie de funcii sinus i cosinus, a fost o continu surs de
probleme i interpretri, sub aspectul formulrilor inginereti i al
fundamentelor matematice. Acestea sunt cauzate n special de faptul c nu pot
fi descrise proprietile locale ale unei funcii, sub aspect temporal, utiliznd
proprietile ei spectrale.
J. Ville, n articolul su Cables et Transmissions din 1947, a prezentat
astfel aceast problem, pentru cazul semnalului acustic:
Dac considerm o melodie coninnd mai multe acorduri, n care
presupunem c nota la apare o singur dat, analiza armonic va furniza
frecvena corespunztoare acesteia cu o anumit amplitudine i faz, fr a o
localiza n timp. Este ns evident c, pe parcursul melodiei, exist momente
cnd nu auzim nota la. Reprezentarea [Fourier] este totui corect din punct de
vedere matematic, pentru c fazele notelor vecine lui la sunt astfel ajustate
nct s estompeze aceast not prin interferen atunci cnd nu se aude i s o
sublinieze, tot prin interferen, atunci cnd se aude; dac aceast abordare are
o ndemnare care face cinste analizei matematice, nu trebuie s disimulm
faptul c avem de-a face cu o alterare a realitii: de fapt, nu auzim nota la
pentru c ea nu este emis.
Alte limitri ale analizei armonice apar n cazul prelucrrii analogice sau
digitale a semnalelor, n special atunci cnd acestea reprezint fenomene
nestaionare, cum este cazul marii majoriti a semnalelor reale. La acestea,
spectrul de armonici, calculat cu ajutorul transformatei Fourier (TF), este
variabil n timp, ns, pentru intervale de timp de lungime convenabil
(depinznd de frecvenele care intr n componena semnalului i de viteza de
variaie a spectrului), acesta poate fi considerat invariant.
Modelarea acestor semnale se poate face ns considernd simultan att
proprietile acestora n domeniul temporal, ct i cele din domeniul
frecvenial.

7.2. Planul timp frecven
Planul timp frecven reprezint pentru acustic ceea ce reprezint
portativul pentru muzician. Folosind aceast metafor, analiza semnalelor
poate fi comparat cu dictarea muzical, care const n scrierea notelor
ascultnd o melodie. Cel care scrie n acest mod o pies muzical noteaz nu
168
numai informaia frecvenial (nota emis), ci i momentul apariiei acesteia,
raportat la nceputul melodiei.

Fig. 7.1 Planul timp frecven i echivalentul su muzical
O realizare similar n domeniul prelucrrii semnalelor const n
identificarea caracteristicilor frecveniale ale unui semnal la un moment dat.
Pentru aceasta se consider o fereastr care se deplaseaz pe semnal,
pornind din origine i, pentru orice poziie a ferestrei pe axa temporal,
coninutul acesteia este analizat, obinndu-se astfel informaia frecvenial
dorit: un spectru de frecvene localizat.

Fig. 7.2 Atom timp frecven
Aceast informaie este discret i finit, astfel nct, n planul timp
frecven ea definete, mpreun cu fereastra temporal, o suprafa
dreptunghiular, care se numete atom timp frecven.
Acest atom timp frecven este echivalentul unei note n prelucrarea
semnalelor, iar operaia de prelucrare a semnalelor const n descompunerea
acestora n atomi timp frecven.
Suprafaa unui astfel de atom este 2 , iar acest lucru pune anumite
probleme.
De exemplu, nu putem preciza spectrul de frecvene al unui semnal la un
moment de timp
0
t . Putem n schimb s determinm acest spectru pentru un
interval
0 0
,
2 2
t t
t t
(
+
(

. Dac t este mic, banda de frecven pe care o
vom obine va fi mare, scznd astfel precizia analizei n domeniul frecvenial.
Pentru mrirea acesteia este necesar mrirea dimensiunii intervalului t , fapt
care conduce la scderea preciziei analizei n domeniul timp. La limit,
t
i
t
f
f
i
f
f
t
f
t
2
t

t
f
(t
1
, f
1
)
(t
2
, f
2
)
(t
3
, f
3
)
7. Analiza timp frecven
169
efectund analiza pentru un intervalul de timp | ) 0, , vom obine informaii
precise despre spectrul de frecvene, ns informaiile din domeniul temporal
nu vor mai fi precise.
Aceeai problem apare i n cazul prelucrrii digitale a semnalelor, dup
cum se arat n paragraful urmtor.

7.3. Principiul incertitudinii
Pentru nceput considerm transformata Fourier a unui semnal pe care
dorim s o aproximm numeric:
{ } ( )
2
d
j ft
x x t e t
=

F
Trebuie s notm c funcia f este fie finit n timp, fie trebuie s fie
considerat nul n afara unui interval finit ,
2 2
T T (
(

, astfel nct relaia de
mai sus s poat fi scris:
{ } ( )
2
2
2
d
T
j ft
T
x x t e t

=

F
Pentru a aproxima funcia considerm intervalul de integrare divizat n N
subintervale de lungime t T N = , delimitate de punctele
, :
2 2
n
N N
t n t n = = . Considernd integrandul:
( ) ( )
2 j ft
g t x t e

=
aplicm regula trapezului, care conduce la o aproximare de forma:
( ) ( )
2
2
1
2
2
d 2
2 2 2
N
T
n
N
T
n
t T T
g t t g g t g
= +
(
| | | | (
+ +
| |
(
\ . \ .
(

Presupunnd c
2 2
T T
g g
| | | |
=
| |
\ . \ .
, se obine urmtoarea aproximare
pentru transformata Fourier:
(7.1) ( ) ( ) { } ( )
2
2
2
n
N
j ft
n
N
n
T
F j x t x t e
N

=
=

=F
n acest caz, ( ) { }
x t F poate fi evaluat pentru orice valori ale lui f, ns
este dorit aproximarea ei la anumite valori discrete ale lui f. Trebuie stabilite
170
cte i care sunt aceste valori. Deoarece N valori ale funciei ( )
n
x t sunt
utilizate pentru a aproxima ( ) ( ) ( ) { }
2 F j F j f x t = =F , alegem tot N
valori discrete ale lui f pentru aproximarea caracteristicii spectrale.
Pentru determinarea frecvenelor care vor fi utilizate, vom reaminti mai
nti faptul c domeniul temporal n care lucrm ,
2 2
T T (
(

este mprit n
intervale de lungime t, determinate de punctele
n
t n t = . Asociat
domeniului temporal, domeniul frecvenial ,
2 2
(
(

este mprit n N
intervale egale de dimensiune f determinate de punctele
k
f k f = .
Problema care se pune este determinarea unor relaii de legtur ntre t, f, T
i .

Fig. 7.3 Corespondena dintre domeniile temporal i frecvenial
Considernd toate componentele de tip sinus i cosinus care au un numr
ntreg de perioade n intervalul ,
2 2
T T (
(

, vom numi componenta cu perioada
cea mai mare (o singur perioad n interval) componenta fundamental.
Frecvena acesteia, 1 T , este cea mai mic frecven asociat intervalului
,
2 2
T T (
(

, deci, notnd-o 1 f T = , aceasta va fi dimensiunea unui interval al
domeniului ,
2 2
(
(

. Toate celelalte frecvene recunoscute de DFT vor fi
multipli ntregi ai lui f , iar dimensiunea domeniului frecvenial este:
(7.2)
N
N f T N
T
= = =
O a doua relaie poate fi evideniat imediat, dac inem cont de faptul c
intervalul ,
2 2
T T (
(

este mprit n N intervale egale. Astfel, deoarece
Nf = T, rezult:
(7.3)
1 1
T N t t f
f N
= = =

Domeniul temporal Domeniul frecvenial
t f
171
innd cont de relaiile (7.2) i (7.3), dac numrul de puncte N este
constant, o cretere n domeniul temporal duce la o scdere a lungimii
domeniului frecvenial. Dac se njumtete t meninnd constant N, acest
lucru conduce la njumtirea lungimii intervalului T. Frecvena componentei
fundamentale, a crei perioad este egal cu lungimea intervalului, va fi acum
1/(T/2), adic 2/T cicli pe unitate, ceea ce este echivalent cu dublarea lui f .
Se observ astfel c, n cazul transformatei Fourier discrete, localizarea
ntr-un domeniu (creterea preciziei n domeniul respectiv) se obine pe seama
scderii preciziei localizrii n domeniul asociat.

7.4. Transformata Gabor continu (CGT)
Dup cum s-a menionat anterior, pentru semnalele nestaionare, al cror
spectru se modific n timp, se poate considera c pe intervale scurte de timp
spectrul acestora este constant. Astfel, dac vom aplica transformata Fourier
doar unei poriuni a semnalului, vom obine un spectru local, iar transformata
astfel definit se numete CGT.

Fig. 7.4 Reprezentarea generic a CGT
0 0.001 0.02
-1
0
1
t(s)
dt
coninutul ferestrei temporale
multiplicare cu o fereastr
unitar
multiplicare cu o fereastr
gaussian
F
F
GCT
172
CGT poate fi interpretat ca o transformat Fourier care se modific n
timp. Ea se aplic unei funcii vzute printr-o fereastr de timp glisant care se
deplaseaza pe axa timpului. Astfel, datorit translaiei n domeniul t, CGT d o
imagine despre coninutul n domeniul frecvenial al funciei f, la un moment
definit de fereastra temporal. Funcia fereastr, pe care o vom nota n
continuare cu ( ) g t , poate avea mai multe forme, dintre care cteva sunt
prezentate n figurile 7.5 i 7.6.
Fiind date funciile ( )
2
, f g L , CGT a funciei f poate fi definit ca:
(7.4)
( )( ) ( ) ( )
2
, d
jf
g
G f t f f g t e

Dei n formularea original a lui Gabor funcia fereastr g era
considerat a fi o funcie gaussian, sintagma transformat Gabor se
utilizeaz pentru formularea general din (7.4), indiferent de tipul ferestrei
utilizate.
Aceast transformare se mai numete i ShortTime Fourier Transform,
iar cele mai utilizate ferestre sunt:

fereastra dreptunghiular:
( )
1,
2
0,
2
r
t
g t
t
<
>
; { } sinc
2
r
t
g

| |
=
|
\ .
F

fereastra triunghiular:

Fig. 7.5 Fereastr triunghiular
( )
1, 0
1, 0
tr
t
t
T
g t
t
t
T
+ <
+ >
; { }
2
sinc
2
tr
t
g

| |
=
|
\ .
F
fereastra gaussian:
( )
2
t
G
g t A e

= ; { }
2
4
G
g A e

= F
fereastra Hamming i Hanning:
-
1
0
timp
amplitudine
173
( ) ( ) 1 cos 2
H
t
g t
T

| |
= +
|
\ .
,
unde T este dimensiunea ferestrei temporale. Pentru fereastra Hamming
0.54 = , iar pentru fereastra Hanning 0.5 = .

Fig. 7.6 Tipuri de ferestre temporale utilizate la calculul CGT: a fereastr
rectangular, b fereastr Hamming, c fereastr Hanning
Obinerea TGC inverse este simpl din punct de vedere matematic:
relaiei (7.4) i se aplic transformata Fourier invers, rezultatul se multiplic cu
( ) g t i se integreaz pe toat mulimea :
{ }( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
1
2 2 2
, d d
d d
g
G f t f g t f t g t g t
f t g t f t g t f t g

= =
= = =

F

Funcia f poate fi astfel obinut din CGT, cu condiia ca
( )
2 *
g L ,
astfel nct:
(7.5)
( ) { } ( )
{ } ( )
1 1
1 1 2
d
d d
g
j
g
f t C G f g t
C G f e g t

= =
=
F
F

unde
2
C g .
Proprietile TGC sunt aceleai ca ale transformatei Fourier.

7.5. Undine
Noiunea de undin
O undin (adic, und mic) este o funcie care satisface urmtoarele
condiii n domeniul timp:
prezint o cretere brusc i finit a energiei;
prezint oscilaii.
1
amplitudine
timp
c
b
a
0 1
174
Prima condiie este cea care face undina mic, n sensul c este bine
localizat n timp, n timp ce a doua condiie determin caracterul de und al
undinei.
Pentru simplificarea notaiilor, introducem operatorii de:
translaie:
( ) ( )
2 2
:
a
L L R R , ( )( ) ( )
a
f t f t a i { } { }
2 j af
a
f e f

= F F
i dilataie:
( ) ( )
2 2
:
s
D L L R R , cu ( )( ) ( )
1
2
s
D f t s f st i { } { } 1
s
s
D f D f
= F F
Astfel, dac 1 s < atunci
s
D f este o contracie a lui f, iar dac 1 s > ,
s
D f este o dilatare a lui f.
Dac g este o undin, atunci setul de funcii { }
t s
D g , alctuit din toate
dilatrile (pentru 0 s ) i translaiile (n domeniul t) funciei g, reprezint o
familie de undine. Undina care genereaz familia de undine se numete
undin mam. Parametrul s reprezint scala, iar t reprezint translaia.

Fig. 7.7 Dilataiile unei undine mam i spectrele de amplitudini ale acestora
n fig. 7.7 sunt reprezentate mai multe undine, n stnga se afl
0 1 2 3
-1
0
1
2
0 1 2 3
-1
0
1
2
0 1 2 3
-1
0
1
2
0 100 200 300 400 500
0
10
20
30
0 100 200 300 400 500
0
10
20
30
0 100 200 300 400 500
0
10
20
30
timp (s) frecven (Hz)
175
reprezentarea lor n domeniul timp, iar n dreapta spectrul de amplitudini al
transformatei Fourier.
Dilatarea n domeniul timp, obinut prin modificarea parametrului s
( 1 s > ), corespunde unei reduceri a domeniului frecvenial, datorit faptului c
{ } { } 1
s
s
D g D g
= F F . Principalul efect al acestei dilataii sunt translaia n

domeniul frecvenial spre frecvene mari i lrgirea benzii semnalului. Aceste
efecte sunt vizibile n fig. 7.7.

Exempl e de undi ne
Undina Haar
Undinele Haar sunt un exemplu de familie de undine des utilizat care
conduc la o baz ortonormat, atunci cnd familia de undine este restrns la
translaii ntregi i dilataii executate utiliznd puteri ale lui 2.
Undina Haar este definit ca:
(7.6)
( | ( |
Haar 1 2,0 0,1 2
1 1 g

= ,
unde s-a notat prin 1 treapta unitar.

Fig. 7.8 Undina mam Haar
Undina Shannon

Fig. 7.9 Funcia sinc i spectrul de amplitudini al acesteia
Principala caracteristic a undinei Shannon (funcia sinc) este aceea c
-1
-0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-0.5
0
0.5
1
sinc
0 10 20 30 40 50 60
0
1.5
0.5
1
1
0
-1
0 0.5 1
g
t
176
transformata Fourier a acesteia este aproximativ constant pe un interval n
jurul originii i nul n rest.

Undina Morlet
Undinele de tip Morlet utilizeaz doi parametri care definesc anumite
proprieti n domeniul frecvenial:
frecvena central
c

variana (limea de band)
b

Se poate defini undina de tip Morlet astfel:
(7.7) ( )
2
2
Morlet
1
c
b
t
j t
b
g t e

=

Fig. 7.10 Undina Morlet
Funcia Morlet are norma egal cu unitatea n L
1
:
(7.8) ( )
Morlet Morlet
1
d 1 g g t t = =
,
ceea ce are drept consecin imediat faptul c transformata Fourier a funciei,
{ }
Morlet
g F , are valoarea maxim 1; n plus { }( )
Morlet
1
c
g = F . Transformata
Fourier continu a funciei g poate fi calculat analitic, obinndu-se expresia:
(7.9) { }
( )
2 2
Morlet
b c
g e

= F

7.6. Transformata continu n undine (CWT Continuous
Wavelet Transform)
CWT poate fi definit ca o transformare W
g
dependent de o funcie
auxiliar g, care se numete undin. Considernd o undin specific, CWT
poate fi considerat ca o reprezentare a semnalului utiliznd familia de undine
generat de g. n ceea ce privete alegerea funciei g, orice funcie din ( )
1
L
cu media nul poate fi o undin mam (condiia de admisibilitate).

Definiie
Pentru CWT, principalele spaii de interes sunt spaiile Hilbert. Acestea
pot fi considerate ca fiind o extindere a spaiului vectorial, n care conceptele
0 0.5
1
-0.4
0
0.2
0.4
0.6
0.8
1
177
de distan (norma
H
) i de unghi (produsul scalar) sunt extinse. Din
punct de vedere matematic, un spaiu Hilbert este un spaiu vectorial complet
normat (cu norma
H
), pe care se definete un produs scalar.
n aceste condiii, pentru un spaiu Hilbert H, CWT poate fi definit ca o
aplicaie ( ) :
g g
W H W H parametrizat de o funcie g.
CWT a unui semnal unidimensional este o funcie bidimensional, de
variabile t (timp) i 0 s (scal sau frecven), i poate fi scris ca:
(7.10)
( )( ) ( ) ( ) ( )
1
2
, d
g
W f t s s f g s t =
,
unde
t s
D g reprezint dilatarea (cu s), respectiv translatarea (cu t) a funciei g
sau, explicit:
(7.11) ( )( ) ( ) ( )
1
2
t s
D g s g s t =
Pentru valori particulare ale lui t i s, CWT asociaz o valoare funciei f,
care descrie cantitativ gradul de similitudine dintre funcia f i funcia g,
translatat cu mrimea t i dilatat cu mrimea s.
n cazul n care undina mam este definit pe un domeniu timp
frecven suficient de mare, atunci CWT prezint o caracteristic timp
frecven a funciei f n planul timp frecven
*
R R .
Pornind de la relaia (7.10), putem rescrie CWT astfel:
(7.12)
( )( ) ( ) ( ) ( )
( ) ( ) ( ) ( )( )
1
2
, , d
d *
g t s
s s
W f t s f D g f s g s t
f D g t f D g t

= = =
= =
,
unde ( ) ( ) g t g t . Din ecuaia (7.12) se observ c transformata W
g
f a unei
funcii f poate fi interpretat ca fiind ieirea unui sistem infinit de filtre liniare
descrise de funcia pondere
s
D g , cu
*
s .

Fig. 7.11 CWT reprezentat ca ieirea unui sistem de filtre liniare
n figura 7.12 se prezint rezultatul obinut prin aplicarea CWT unui
semnal de tip chirp.

Pr opr i et i al e CWT
Fie , a bR , ( )
2
1 2
, f f L R . Atunci CWT, W
g
, avnd ca parametru

s
D g
f
( )( ) ,
g
W f t s
178
undina g, satisface urmtoarele proprieti:
Liniaritatea:
( ) ( ) ( ) ( ) ( ) ( ) ( )
1 2 1 2
, , ,
g g g
W af bf t s a W f t s b W f t s + = +
Invariana n domeniul timp:
( ) ( ) ( ) ( )( ) , ,
g b g
W f t s W f t b s =
Dilatarea:
( ) ( ) ( ) ( ) ( )
1
, , , 0
g a g
W D f t s W f at a s a
=

Vom aplica CWT unui semnal de tip chirp. Coeficienii astfel obinui
sunt caracterizai de trei elemente: scala (corespunztoare frecvenei), poziia
n timp i ponderea.

Fig. 7.12 Transformata continu n undine a unui semnal de tip chirp
Programul Matlab corespunztor este dat mai jos.

clear all

t=0:0.002:1.999;
%2 secunde i frecvena de eantionare de 1kHz
179
y=chirp(t,1,2,100,'q',[],'concave');
%pornete de la 1Hz i atinge 100Hz la t=1.999 secunde

subplot(2,1,1);
plot(y);
subplot(2,1,2);
%se afieaz coeficienii obinui prin descompunerea n undine,
%folosind undina de tip Daubechies
%afiarea se realizeaz tridimensional,
%parametrii fiind scala, momentul apariiei i ponderea undinei
coefs = cwt(y,1:50,'db5','3Dlvl');

n planul timp frecven reprezentarea acestora se realizeaz utiliznd
pentru fiecare coeficient nivele de gri, care codific ponderea fiecruia. Astfel,
negrul simbolizeaz o pondere maxim, n timp ce albul reprezint o pondere
nul. n fig. 7.12 se poate observa c la nceput ponderea coeficienilor de
scal mare (frecvene joase) este mare, iar pe msur ce frecvena semnalului
crete devin importante ponderile coeficienilor corespunztori scalelor mici
(frecvene mari).

7.7. Transformata invers n undine
Inversabilitatea este o proprietate important a transformatei n undine,
iar formulele analitice utilizate pentru reconstrucia funciilor utiliznd
parametrii CWT au o importan deosebit n sinteza semnalelor.

Definiia ICWT pentru ( )
2
L R
ICWT poate fi definit ca o aplicaie:
( )
( )
( )
1 2 2
:
g g
W W L L
R R
innd cont de aceasta, pentru o funcie ( )
2
f L R transformata Fourier
a CWT poate fi scris, pornind de la relaia (7.12), ca:
(7.13)
{ }( ) { } { }
( )
( ) 1
,
g
s
W f s f D g
= F F F
datorit proprietilor transformatei Fourier aplicate unui produs de convoluie.
Multiplicnd ambii termeni ai ecuaiei cu { }
s
D g F i integrnd pe
domeniul de definiie al lui s, se obine:
(7.14)
{ }( ) { }
( )
( ) { } { } ( )
{ }( ) { }
( )
{ }( ) { }( )
1 1
2
0
2
1
1
2 1
, d d
d
d
g
s s
s
W f s D g s f D g s
f s g s s
f u g u u

| |
=
|
\ .
=
=

R
R
R
F F F F
F F
F F

180
Ultima ecuaie a fost obinut efectund substituia
1
u s
= , ceea ce
determin egalitatea
1
d d u s u s
= . Faptul c termenul:
(7.15) { }
( )
{ }( )
2
2 1 1
1
d d C s g s s u g u u

R R
F F
nu depinde de s este un fapt important n teoria undinelor, deoarece permite
interpretarea cantitativ direct a coeficienilor undinelor asociai unui anumit
semnal ca fiind cantitatea cu care fiecare undin din familia generat de g
contribuie la compoziia general a semnalului.
Pentru ca transformata invers s poat exista trebuie ca integrala (7.15)
s fie convergent ( ) C < . n aceste condiii, transformata Fourier a
semnalului f poate fi exprimat ca:
{ }( ) { }( ) { }
( )
( ) 1
1
, d
g
s
f C W f s D g s
=

R
F F F
Combinnd (7.14) cu (7.15), i transformnd n domeniul timp, se obine:
(7.16)
( ) ( )( ) ( )
( )
( )
( )( )( )( )
( )( )( )( )
1
1
1
, * d
, d d
, d d
g s
g s
g s
f t C W f s D g t s
C W f s D g t s
C W f s D g t s
=
=
=

R
RR
RR

Prima egalitate d cea mai bun interpretare a transformrii inverse n
undine, din punctul de vedere al sistemului de filtre: o versiune C-scalat a
funciei f poate fi reconstruit din CWT (f dup trecerea prin sistemul de filtre
definit de funcia pondere
s
D g ) prin trecerea acesteia prin sistemul infinit de
filtre liniare definite de funcia pondere
s
D g .
Putem, deci, reprezenta ICWT a unei funcii ( )
( )
2
g
F W L R ,
parametrizat de funcia
( )
2 *
g L R , cu proprietatea c:
(7.17) { }( )
2 1
d C g
<
R
F
sub forma:
(7.18) ( ) ( ) ( )( )
1 1 1
, * d , d d
g s s
W F C F s D g s C F s D g s
R RR

Deoarece ( )
( )
( )
1 2 2
:
g g
W W L L
R R , atunci pentru ( )
2
f L R i
181
g
F W f = este adevrat egalitatea
1
g
f W F
= .

7.8. Transformata discret n undine (DWT Discrete Wavelet
Transform)
n general, DWT poate fi obinut prin eantionarea (n planul timp
frecven) a CWT. Astfel, DWT este determinat de alegerea unui set de
puncte din planul timp frecven i de o undin care genereaz CWT.
Alegerea acestor parametri se face astfel nct DWT rezultat s satisfac
anumite proprieti, dintre care cea mai important este inversabilitatea.

7.8.1. Discretizarea CWT
Deoarece CWT este o funcie bidimensional continu n planul timp
frecven, ea nu poate fi calculat utiliznd echipamente digitale. Aproximri
ale CWT pot fi totui calculate eantionnd de o manier arbitrar planul
timp frecven. Oricare set finit de puncte din planul timp frecven
( ) { } ,
,
m n n
t s obinut astfel, caracterizeaz un set de undine
{ }
, m n n
t s
D g ,
deci, implicit, o transformat discret n undine.
Dei exist teoretic o infinitate de metode de discretizare ale CWT,
termenul DWT este utilizat n principal pentru transformarea asociat setului
diadic:
(7.19)
( ) { }
,
2 , 2
n n
D
m n
m

pentru c se pot obine baze ortonormate.

Fig. 7.13 Setul diadic de puncte n care se evalueaz CWT
Termenul DWT este utilizat pentru orice discretizare a CWT care
ndeplinete urmtoarele condiii:
discretizarea timp frecven se face utiliznd setul
D
;
familia de undine { }
( ) ,
D
t s
t s
D g

trebuie s formeze o baz
ortonormat n spaiul de interes;
1 2 3
2
0
2
1
2
2
2
3
timp
f
r
e
c
v
e
n

182
undina mam trebuie s fie cu suport compact.
Reamintim c un set { }
n
este ortonormat dac
,
, ,
m n m n
m n = i
este o baz ortonormat a unui spaiu Hilbert dac pentru orice f H exist o
secven unic { }
n
c astfel nct
n n
f c =
. n plus, dac { }
n
este o
baz ortonormat a lui H, atunci , ,
n n
f H f f =

i
2 2
,
n
n
f f =

egalitatea lui Parseval.

7.8.2. Analiza multirezoluie
n aceast seciune se consider c semnalele de interes aparin unui
spaiu Hilbert arbitrar, cel al funciilor de o singur variabil. Astfel, semnalele
(funciile) alctuiesc un subset al spaiului ( )
2
L , al funciilor de energie
finit.

Pr i nci pi ul anal i zei mul t i r ezol u i e ( AMR)
Pentru a defini o AMR trebuie mai nti definit o secven de spaii, cu
proprietatea:
{ }
1 0 1
0 V V V H

care alctuiete o structur de baz. Pentru un indice k mai mare spaiul V
k
este
mai asemntor cu spaiul hilbertian H.
Considerm apoi o funcie:
H ,
numit funcie de scalare, ale crei translatri { } cu
n
n alctuiesc o
baz ortonormat pentru un subspaiu
k
V H . Uzual se consider k=0.
Deoarece sunt alctuite doar din translatri ntregi ale lui , funciile din V
0

sunt mai grosiere dect marea majoritate a funciilor din H, deoarece variaia
lor n timp este limitat de variaia n timp a lui . Se poate deci considera V
0

ca fiind o aproximare grosier (de rezoluie sczut) a lui H.
O ultim condiie care trebuie pus este ca subspaiile cu ordin de mrime
mai mare s aib o rezoluie mai bun dect cele cu ordine de mrime mici.
Astfel, pentru orice funcie f aparinnd spaiului H, subspaiul V
k
va conine o
aproximare de ordinul k a acesteia. Cu ct ordinul de mrime k al subspaiului
este mai mare, cu att mai bun este aproximarea funciei (rezoluia este mai
bun).

Definiia AMR
Ideea de baz a AMR este definirea unei secvene de subspaii
{ } :
k k
V V H , astfel nct acestea sunt aproximri din ce n ce mai exacte ale
lui H, pe msur ce k crete. Pentru aceasta, este necesar ca secvena de
183
subspaii s ndeplineasc urmtoarele condiii:
1.
1 k k
V V
+

2.
k
V H pentru k , i { } 0
k
V pentru k
innd cont de aceste condiii, fiecare subspaiu V
k
este o aproximaie de
nivel k pentru spaiul H. Acest lucru nseamn c proiecia unei funcii pe
subspaiul V
k
conduce la o aproximaie care se apropie de funcia original pe
msur ce k se mrete.
n plus, creterea rezoluiei trebuie s fie uniform, n sensul c o cretere
a acesteia de la subspaiul V
k
la V
k+1
trebuie s determine aceeai cretere a
rezoluiei pentru orice k. O modalitate de a asigura aceast cretere uniform
este ca fiecare subspaiu V
k
s aib o baz ortonormat care s fie derivat din
baza ortonormat a subspaiului V
0
, printr-o dilataie cu o putere a lui 2, ceea
ce conduce la o nou condiie:
3.
2 1 k k
f V D f V
+

Acest lucru implic faptul c, dac o funcie
k k
f V , atunci funcia
( ) ( )
1
2
k k
f t f t
+
trebuie s aparin subspaiului V
k
.
Cum setul { }
n
este o baz ortonormat a subspaiului V
0
, atunci setul
{ }
2
k
n
D este o baz ortonormat a lui V
k
. Astfel, pentru k>0, funciile din
subspaiul V
k
au o rezoluie mai bun dect cele din V
0
. Acest lucru este
prezentat n fig. 7.14, unde s-a realizat o AMR utiliznd funcia de scalare
Haar
( |
Haar 0,1
1 ; aici funciile din V
0
sunt constante pe intervale ( | , 1 n n + ,
iar
0 0
f V poate fi utilizat pentru aproximarea unei funcii f H astfel:
( |
0 , 1
, 1
n n n n n
n n
f f c
+
= =

,
unde c
n
este valoarea medie a funciei f pe intervalul ( | , 1 n n + . Aproximaia pe
intervalul V
1
este mai bun deoarece funciile sunt constante pe intervale de
forma ( | / 2, ( 1) / 2 n n + ; pentru V
2
intervalele sunt de forma ( | / 4, ( 1) / 4 n n + .
n concluzie, o AMR se poate defini astfel:
Fie { } :
k k
V V H o secven cresctoare de subspaii i
0
V . Perechea
{ } ( )
,
k
V se numete analiz multirezoluie a spaiului H dac:
1.
0
V astfel nct { }
n
n

Z
este o baz ortonormat a lui V
0

2. Dac
k
f V atunci
2
1 k
D f V
+
(invariana dilataiei)
3.
j
V H =
i { } 0
j
V =

184
AMR asigur o structur matematic ce face legtura ntre funciile
discrete i cele continue.

Fig. 7.14 Reprezentrile unei funcii folosind AMR Haar

7.9. Baze ortonormate de undine
n cazul unei AMR, setul
{ }
2
k
n
D este o baz ortonormat pentru
spaiul V
k
, ns pentru generarea unei baze ortonormate pe ntreg spaiul H este
necesar ortogonalitatea rezoluiilor. Deoarece subspaiile V
k
sunt incluse unul
n cellalt condiia nu este ndeplinit, astfel nct combinarea direct a bazelor
fiecrui subspaiu nu este o baz ortonormat pe ntreg spaiul H. Pentru a
obine ortogonalitatea rezoluiilor se definete o secven de subspaii
{ } :
k k
W W H cu proprietile:
(7.20)
1 k k k
V V W
+
=
i
(7.21)
k k
V W
Subspaiile W
k
se numesc subspaii de undine, iar funcia
0
W se
numete undin mam.
n continuare trebuie s construim o funcie
0 1
W V astfel nct
{ }
n
formeaz o baz ortonormat n W
0
. Dac aceast funcie exist, atunci
ea este o baz pentru ntreg spaiul H.
Notm reprezentarea unei funcii f H n subspaiul V
k
:
(7.22)
{ } ( )( ) { } ,
2 2
, 2
k k
k
k n
L f f D f D n

=

Deoarece
0
W , atunci aceast funcie trebuie s ndeplineasc
urmtoarele condiii:
,0
0 L
= ;
,1
0 L

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-1
0
1
-1
0
1
-0.5
0
0.5
-1
0
1
Semnalul original
Proiecia n planul V
0

Proiecia n planul V
2

Proiecia n planul V
5

185
Notnd:
(7.23)
{ }
,1
H L
= F i
(7.24)
{ }
,1
G L
= F ,
se poate arta c
0
W dac i numai dac sunt ndeplinite condiiile:
1.
2 2
1
2
2 H H + =
2.
( )
1
2
0 GH GH + =
Deoarece condiiile (1) i (2) de mai sus caracterizeaz subspaiul W
0
, orice
funcie aparinnd acestuia trebuie s le ndeplineasc. Dac se consider
funcia G de forma:
(7.25)
1
2
G Q H = ,
unde | |
2
0,1 , 1 Q L Q = , condiiile (1) i (2) devin respectiv:
(7.26)
2 2
2 H G + =
(7.27)
1 1
2 2
0 Q Q H H
( | |
+ =
|
(
\ .

Din aceste dou ecuaii rezult:
(7.28)
1
2
0 Q Q + =
Dac { }
n
q este secvena asociat lui Q, astfel nct Q este obinut
aplicnd transformata Fourier discret a secvenei { }
n
q , ecuaia (7.28) devine:
(7.29) ( )
2
1 0 0,
n
n n n
q q q n + = =
n domeniul temporal ecuaia (7.25) se poate scrie:
(7.30) { } ( )
{ }
* 1
n
n n n
g q h
=
Cea mai simpl secven { }
n
q care ndeplinete aceste condiii este
( )
1
,1
1
n
n n
q
= , astfel nct se poate scrie:

(7.31) ( )
1
1
n
n n
g h
=
S-a construit astfel o potenial undin mam
0
W i ( )
2
L
exprimat n domeniul frecvenial:
186
(7.32) { } { } ( ) 1
2
D G
= F F
cu G de forma (7.25).
Se poate arta i c secvena { }
n
este ortonormat i c este complet
n W
0
, ceea ce nseamn c
{ }
2
m
n
D este baz ortonormat pentru H.
Ecuaia:
2 2
2 H G + =
sugereaz un banc de filtre cu dou canale, H acionnd ca un FTJ, iar G ca
FTS, iar pentru sintez se utilizeaz H i G , ca n fig. 7.15. Problema care
apare este dat de faptul c la ieirea sistemului de filtre y = 2x.

Fig. 7.15 Banc de filtre pentru descompunerea i sinteza unui semnal
Pentru a rezolva acest neajuns se consider doi operatori auxiliari. Fie
{ } ( )
2
n
c c l = . Se definesc operatorii:
down-sampling:
( ) ( )
2 2
: S l l
(7.33)
( ) { }
2n
n
S c c
pentru care:
(7.34)
{ } { } { } ( )
1/ 2
2 1/ 2
2 S c D c c = + F F F ,
deoarece apare o aliere spectral, prin eliminarea eantioanelor impare, i
up-sampling:
( ) ( )
2 2
: S l l
(7.35)
( )
2
,
0,
n
n
c n par
S c
n impar

sau:

Sintez
H
G
H
G
x
+
y=2x

Analiz
187
(7.36)
{ } { } 1
1/ 2
2
2 S c D c
= F F

Fig. 7.16 Analiza n undine efectuat pe un singur nivel
Se observ c c S S c = i c
( ) ( )
( )
1
1 1
2
n
n
n
S S c c = + , deoarece
toi coeficienii impari au fost eliminai.
Putem realiza analiza i sinteza utiliznd aceti operatori astfel nct
funcia de transfer a sistemului de prelucrare s fie
0
1 H = .
(7.37)
0
H HS S H GS S G = +

Fig. 7.17 Descompunerea pe trei niveluri a unui semnal
innd cont c
{ } { } { } ( )
1/ 2
1
2
S S c c c = + F F F , H
0
se poate scrie:
( ) ( )
( )
2 2
0 1/ 2 1/ 2
1
1
2
H H G H H G G = + + + = , deoarece:
( ) ( ) ( ) ( )
1/ 2 1/ 2 1/ 2 1/ 2 1/ 2
[1 ] 0 H H H Q Q H H H Q Q + = + =
Analiza, ca i sinteza, poate fi realizat pe mai multe niveluri, folosind
aceleai filtre i operatori adiionali, ca n figura 7.17.
Acest algoritm, care permite descompunerea semnalelor n semnale care
conin numai detalii i n semnale care dau alura, se mai numete i
algoritm de descompunere piramidal.

H
G
2
2
H
G
2
2
H
G
2
2
128
64
32
16
16

Sintez

Analiz
H
G
H
G
x
+
y=x
2
2
2
2
188
n figura 7.18 se prezint rezultatul aplicrii algoritmului de
descompunere piramidal.

Fig. 7.18 Descompunerea unui semnal folosind algoritmul piramidal

Exempl ul 7. 2:
Pentru a exemplifica utilizarea algoritmului de descompunere, vom
considera un semnal aleator, care conine armonici definite de utilizator, la
care se adaug un zgomot alb. Dup aplicarea algoritmului piramidal, se
evideniaz componentele care dau detaliile semnalului. Scopul urmrit este de
a elimina componentele de zgomot, care au fost puse n eviden de algoritmul
piramidal.
Programul Matlab care realizeaz procesarea semnalului complex este
prezentat n continuare.

clear all
t = 1:100;
nr_armonici = input('Cate armonici? ');
200 400 600 800 1000
-1
-0.5
0
0.5
1
Packet : (0,0) or (0)
100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Packet : (1,0) or (1)
50 100 150 200 250
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
Packet : (2,1) or (4)
100 200 300 400 500
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
Packet : (1,1) or (2)
50 100 150 200 250
-2
-1
0
1
2
Packet : (2,0) or (3)
189
fundamentala = 10*sin(2*pi*50*t/2500);
s = 0;
%generarea armonicilor
for i = 1:nr_armonici,
nr = input('nr armonica ');
A = rand(1,1);
armonica = 1.75*A*sin(2*pi*50*t*nr/2500);
s = s + armonica;
end
alb = rand(1,100);
white = 1.5*alb;
semnal = fundamentala + s + white;

%descompunerea n undine se realizeaz utiliznd algoritmul piramidal
%implementat cu funcia wavedec ai crei parametri sunt:
% - semnalul de analizat
% - numrul de nivele pe care se va face descompunerea
% - tipul undinei utilizate
[c,l] = wavedec(semnal,5,'db7');

%funcia ddencmp realizeaz filtrarea zgomotului
%prin compararea detaliilor semnalului cu o valoare dat
%(detaliile ce depesc aceast valoare sunt eliminate)
%componentele rmase dau alura semnalului
%i detaliile care sunt sub valoarea de prag
[thr,sorh,keepapp] = ddencmp('den','wv',semnal);

%se recompune semnalul utiliznd componentele furnizate de
%funcia ddencmp, folosind acelai tip de undine ca i la analiz
clean = wdencmp('gbl',c,l,'db7',5,thr,sorh,keepapp);

subplot(2,2,1);plot(semnal);title('Semnal original')
subplot(2,2,2);plot(clean);title('Semnal filtrat')
end

Fig. 7.19 Filtrarea zgomotului utiliznd algoritmul piramidal
0 20 40 60 80 100
-15
-10
-5
0
5
10
15
Semnalul original
0 20 40 60 80 100
-15
-10
-5
0
5
10
15
Semnalul filtrat
190
Practic, semnalul este descompus utiliznd algoritmul piramidal, apoi
sunt eliminate componentele obinute prin proiecia semnalului pe subspaiile
W
k
(componentele date de bancul de filtre trece-sus G). Folosind celelalte
componentele ale semnalului original se obine, aplicnd algoritmul invers, un
semnal asemntor ca alur cu cel original, dar care nu mai conine
componente de frecven nalt.
191

Bibliografie

1. Cartianu, Gh. .a. Semnale, circuite i sisteme. Editura Didactic i
Pedagogic, Bucureti, 1980.
2. Mateescu, A. Semnale, circuite i sisteme. Editura Didactic i Pedagogic,
Bucureti, 1984.
3. Mateescu, A., erbnescu, Al. Semnale, circuite i sisteme - Probleme.
Editura Militar, Bucureti, 1998.
4. Svescu, M. Semnale, circuite i sisteme - Probleme. Editura Didactic i
Pedagogic, Bucureti, 1982.
5. Stanomir, D., Stnil, O. Metode matematice n teoria semnalelor.
Editura Tehnic, Bucureti, 1980.
6. Mateescu, A., Dumitru, N., Stanciu, L. Semnale i sisteme. Editura Teora,
Bucuresti, 2001.
7. Oppenheim, A.V., Schafer, R.W. Discrete-Time Signal Processing.
Prentice-Hall, 1989.
8. Naforni, M., Isar, A. Reprezentri timp - frecven. Editura Politehnica
Timioara, 1998.
9. Teolis, A. Computational signal processing with wavelets. McGraw-Hill,
1999.
10. Jawerth, B., Sweldens, W. An Overview Of Wavelet Based Multiresolution
Analyses. Report of The Department of Mathematics, University Of South
Carolina, 1998.

192

193

Repertoriu de figuri

Capitolul 1: I NTRODUCERE
Fig. 1.1 Sistem dinamic
Fig. 1.2 Sistem numeric
Fig. 1.3 Sistem 2D

PERI ODI CE
Fig. 2.1 Semnal periodic
Fig. 2.2 Rspunsul sistemului liniar
Fig. 2.3 Spectrul SFG al unui semnal
Fig. 2.4 Schema de principiu a unui analizor spectral
Fig. 2.5 Schema de principiu a unui sintetizor de semnal
Fig. 2.6 Spectrul SFT al unui semnal periodic
Fig. 2.7 Spectrul de amplitudini i de faze iniiale la SFA
Fig. 2.8 Spectrul unui semnal periodic n SFC
Fig. 2.9 Semnal de tip sinus ptrat
Fig. 2.10 Spectrul SFT al semnalului din fig. 2.9
Fig. 2.11 Spectrul SFA al semnalului din fig. 2.9
Fig. 2.12 Spectrul SFC al semnalului din fig. 2.9
Fig. 2.13 Semnalul u(t) i diferite aproximri ale sale prin SFA
Fig. 2.14 Semnal derivat din semnalul u(t) din fig. 2.9
Fig. 2.15 Tren de impulsuri de arie unitar
Fig. 2.16 Funcia sinus cardinal a) i spectrul unui tren de impulsuri b)
Fig. 2.17 Spectrul de amplitudini i de faze al unui tren de impulsuri
Fig. 2.18 Spectrele de amplitudini
i
A i de faze
i

Fig. 2.19 Semnalul x(t) i aproximarea acestuia printr-un numr finit de
armonici
Fig. 2.20 Detalierea zonei centrale din fig. 2.19
Fig. 2.21 Primele 8 funcii Walsh
Fig. 2.22 Spectre n analiza Fourier-Walsh
Fig. 2.25 Construcia funciei wal(1,r)
Fig. 2.26 Semnal sinusoidal
Fig. 2.27 Aproximarea lui ( ) x prin
( ) x n analiza Fourier - Walsh

Fig. 2.28 Funcii Rademacher
Fig. 2.29 Funcii Hadamard
Fig. 2.30 Funcii Haar


194
NEPERI ODI CE
Fig. 3.1 Semnal periodic obinut dintr-un semnal neperiodic
Fig. 3.2 Pulsaiile discrete din SFC
Fig. 3.3 Pulsaiile discrete pentru o perioad T foarte mare
Fig. 3.4 Procedeul de discretizare a unei caracteristici spectrale
Fig. 3.5 Impuls de arie unitar
Fig. 3.6 Caracteristica spectral a impulsului
Fig. 3.7 Discretizarea caracteristicii spectrale (3.15)
Fig. 3.8 Caracteristica spectral a unui semnal modulat
Fig. 3.9 Funcii ( ) , t care pot genera, prin trecere la limit, distribuia ( ) t
Fig. 3.10 Caracteristica spectral a unui semnal cosinusoidal
Fig. 3.11 Caracteristica spectral (densitatea spectral de amplitudine) a unui
semnal periodic
Fig. 3.12 Obinerea treptei unitare prin intermediul relaiei (3.42)
Fig. 3.13 Funcia ( , ) f t definit prin relaia (3.43)
Fig. 3.14 Distribuia delta periodic
Fig. 3.15 Distribuia delta periodic a) i caracteristica ei spectral b)
Fig. 3.16 Prelucrarea semnalului ( ) x t pentru determinarea caracteristicii
spectrale
Fig. 3.17 Prelucrarea prin derivare a unui semnal, n vederea determinrii
caracteristicii spectrale
Fig. 3.18 Semnalul x(t) i derivata lui
Fig. 3.19 Descompunerea semnalului x(t) ntr-o sum de impulsuri
Fig. 3.20 Semnalele u(t) i x(t) pentru care se determin convoluia
Fig. 3.21 Construcia grafic a convoluiei (3.65)
Fig. 3.22 Semnalul u(t) (aplicaia 3.5)
Fig. 3.23 Construcia grafic a convoluiei semnalului u(t)
din fig. 3.22 cu el nsui
Fig. 3.24 Conturul Bromwich
Fig. 3.25 Descompunerea unui impuls ca sum a dou semnale treapt
Fig. 3.26 Tren de impulsuri
Fig. 3.27 Caracteristicile spectrale ale semnalelor
cos
( ) x t i
cos ( ) x t

Capitolul 4: SEMNALE MODULATE
Fig. 4.1 Semnal purttor sub forma unui tren de impulsuri
Fig. 4.2 Modulaia n amplitudine
Fig. 4.3 Spectrul semnalelor ( ) x t , ( )
p
x t i ( )
MA
x t
Fig. 4.4 Reprezentarea fazorial a semnalului modulat
Fig. 4.5 Spectrul semnalelor (4.6) i (4.8)
Fig. 4.6 Caracteristicile spectrale ale semnalelor ( )
M
x x t , i ( )
MA
x t
Fig. 4.7 Spectrele semnalelor modulator i modulat (aplicaia 4.1)
Fig. 4.8 Modulator de tip produs
Fig. 4.9 Modulaia de tip produs a unui semnal
Fig. 4.10 Spectrul semnalului MA cu modulaie de tip produs

195
Fig. 4.11 Semnalul de analizat (aplicaia 4.2)
Fig. 4.12 Generarea semnalului x(t) din fig. 4.11
Fig. 4.13 Caracteristicile spectrale ( ) X j ,
1
( ) X j i
2
( ) X j (aplicaia 4.2)
Fig. 4.14 Demodulator de tip produs
Fig. 4.15 Funcionarea demodulatorului de tip produs
Fig. 4.16 Modulaia BLU metoda semnalului analitic
Fig. 4.17 Caracteristicile spectrale ale semnalelor implicate n schema din
fig. 4.16
Fig. 4.18 Modulaia BLU metoda Weaver
1c
( ) x t
2s
( ) x t
-
( )
MA BLU
x t
Fig. 4.22 Principiul multiplexrii n frecven
Fig. 4.23 Multiplexarea n frecven utiliznd MA-BLU
Fig. 4.24 Semnale MF i MP, de tip FSK i PSK
Fig. 4.25 Primele 7 funcii Bessel de spea I
Fig. 4.26 Spectrul semnalului MF pentru 2.4 =
Fig. 4.27 Spectrul semnalului MF pentru mare ( 5.5 = )
Fig. 4.28 Spectrul semnalului MF cu redus ( 0.3 = )
Fig. 4.29 Reprezentarea fazorial a semnalului MF cu indice redus de modulaie
Fig. 4.30 Modulator MP cu indice redus de modulaie
Fig. 4.31 Modificarea schemei din fig. 4.30, pentru a se obine MF cu indice
redus de modulaie
Fig. 4.32 Modulaia impulsurilor n amplitudine natural
Fig. 4.33 Impuls de amplitudine unitar
Fig. 4.34 Modelul matematic temporal al unui semnal MIA-N
Fig. 4.35 Distribuia spectral a semnalului modulator
MIA N
X

Fig. 4.37 Extragerea semnalului de baz din semnalul MIA-N
Fig. 4.38 Modulaia impulsurilor n amplitudine
Fig. 4.39 Modelul matematic temporal al unui semnal MIA-U
MIA U
X

Fig. 4.41 Principiul multiplexrii n timp
Fig. 4.42 Impulsuri cu diverse valori ale fazei
Fig. 4.43 Modulaia natural a impulsurilor n poziie
Fig. 4.44 Modulaia uniform a impulsurilor n poziie
Fig. 4.45 Schema de realizare a unui semnal MIP-U
Fig. 4.46 Modulaia impulsurilor n durat

Capitolul 5: SEMNALE EANTIONATE
Fig. 5.1 Element de eantionare
Fig. 5.2 Procesul de eantionare
Fig. 5.3 Modulaia distribuiei delta periodice
Fig. 5.4 Caracteristica spectral a semnalului x(t)
Fig. 5.5 Caracteristica spectral a semnalului eantionat ( )
*
x t

196
Fig. 5.6 Suprapunerea spectral
Fig. 5.7 Caracteristic spectral cu frecvena maxim finit
Fig. 5.8 Ilustrarea teoremei lui Shannon
Fig. 5.9 Situaia limit cnd 2
e M
=
Fig. 5.10 Filtru anti-aliasing
Fig. 5.11 Distribuia poli-zerouri a funciei ( ) X s
Fig. 5.12 Distribuia polilor i zerourilor funciei ( ) s X
*

Fig. 5.13 Reconstrucia semnalului ( ) t x cu un filtru trece jos ideal
Fig. 5.14 Reconstrucia semnalului cu un extrapolator de ordinul zero
Fig. 5.15 Ansamblul eantionator-extrapolator
Fig. 5.16 Reconstrucia semnalului folosind un extrapolator de ordinul 1
Fig. 5.19 Treapta unitar
Fig. 5.20 Rampa unitar
Fig. 5.21 Funcia exponenial
Fig. 5.22 Schema de calcul al transformatei Z
Fig. 5.23 Reprezentarea funciei (5.59)
Fig. 5.24 Caracterizarea spectral a semnalelor neperiodice i periodice
Fig. 5.25 Steaua vectorilor unitari 1 0 = N , i , u
i

Fig. 5.26 Eantionarea unei caracteristici spectrale introduce o periodicitate a
semnalului
Fig. 5.29 Transformata Hilbert a semnalului din fig. 5.27

Capitolul 6: SEMNALE ALEATOARE
Fig. 6.1 Realizarea unui semnal aleator
Fig. 6.2 Clasificarea proceselor aleatoare
Fig. 6.3 Funcia de corelaie
Fig. 6.4 Definiia semnalului ( )
T
x t
Fig. 6.5 Caracteristicile unui zgomot alb
Fig. 6.6 Caracteristicile unui zgomot de band larg
Fig. 6.7 Caracteristicile unui zgomot de band ngust
Fig. 6.8 Variabila aleatoare ve (exemplul 6.1)
Fig. 6.9 Modulul TFD (exemplul 6.1)
Fig. 6.10 Spectrul semnalului (exemplul 6.1)
Fig. 6.11 Funcia de autocorelaie a variabilei aleatoare ve (exemplul 6.1)
Fig. 6.12 Densitatea spectral de putere calculat pe baza
teoremei Wiener Hincin (exemplul 6.1)
Fig. 6.13 Densitatea spectral de putere calculat pe baza TFD
a semnalului aleator (exemplul 6.1)
Fig. 6.14 Diferena dintre densitile spectrale calculate
pe baza celor 2 metode (exemplul 6.1)
Fig. 6.15 Zgomotul pseudo-aleator w (exemplul 6.2)
Fig. 6.16 Funcia de autocorelaie a variabilei w (exemplul 6.2)

197
Fig. 6.17 Funcia de autocorelaie prezentat ca un impuls real (exemplul 6.2)
Fig. 6.18 Caracteristica densitii spectrale de putere,
dedus prin prelucrarea numeric a datelor (exemplul 6.2)
reprezentat n scri liniare (exemplul 6.2)
reprezentat n scri logaritmice (exemplul 6.2)

Capitolul 7: ANALIZA TIMP FRECVEN
Fig. 7.1 Planul timp frecven i echivalentul su muzical
Fig. 7.2 Atom timp frecven
Fig. 7.3 Corespondena dintre domeniile temporal i frecvenial
Fig. 7.4 Reprezentarea generic a CGT
Fig. 7.5 Fereastr triunghiular
Fig. 7.6 Tipuri de ferestre temporale utilizate la calculul CGT: a fereastr
rectangular, b fereastr Hamming, c fereastr Hanning
Fig. 7.7 Dilataiile unei undine mam i spectrele de amplitudini ale acestora
Fig. 7.8 Undina mam Haar
Fig. 7.9 Funcia sinc i spectrul de amplitudini al acesteia
Fig. 7.10 Undina Morlet
Fig. 7.11 CWT reprezentat ca ieirea unui sistem de filtre liniare
Fig. 7.12 Transformata continu n undine a unui semnal de tip chirp
Fig. 7.13 Setul diadic de puncte n care se evalueaz CWT
Fig. 7.14 Reprezentrile unei funcii folosind AMR Haar
Fig. 7.15 Banc de filtre pentru descompunerea i sinteza unui semnal
Fig. 7.16 Analiza n undine efectuat pe un singur nivel
Fig. 7.17 Descompunerea pe trei niveluri a unui semnal
Fig. 7.18 Descompunerea unui semnal folosind algoritmul piramidal
Fig. 7.19 Filtrarea zgomotului utiliznd algoritmul piramidal


198

199

Index alfabetic

A, B
aliasing 118
aliere spectral 186
algoritm (de descompunere)
piramidal 187
analiza semnalelor 10
analiz n undine 187
analiz spectral 144, 167
analizor spectral 10
armonic 13
armonic elementar 38
armonic fundamental 13
atom timp frecven 168
band lateral 75
band lateral unic 83
baz ortonormat 175, 181

C
caracteristic spectral 36, 76
caracteristic timp frecven 177
cerc unitar 142, 146
component central 103, 106, 121
component fundamental 170
componente laterale 73
contur Bromwich 60
contur de integrare 60, 125
convergen (abscis de ~ absolut) 59
convertor analogic/numeric
(CAN) 2, 115
convoluie 54, 101, 105, 129, 148
cuantificare 115
cuantizare 2

D
demodulator 81, 104
demodulaie 81
densitate de amplitudini
(a armonicilor) 38, 42, 76
densitate de energie
(a semnalului) 40
densitate de faze iniiale
(de armonici) 38
densitate de probabilitate 151, 152
densitate interspectral 156
densitate spectral
a puterii 155, 160, 163, 165
detecie/redresare 77
deviaie de faz 90, 97, 109
deviaie de frecven 90
discretizare 138
discretizare (a spectrului) 38, 39
distorsiuni de apertur 106
distribuia delta 43, 118
distribuia delta
periodic 49, 101, 111, 116
distribuie poli-zerouri 120
distribuie spectral 39, 102
distribuie treapt unitar 44

E
egalitatea lui Parseval 10, 182
element de eantionare 115
energia semnalului 39
eantionare 2, 115, 137, 142, 181
eantionator 120
extrapolator 122
extrapolator de ordin 0 (cardinal) 123
extrapolator de ordin 1 123

F
familie de undine 174, 181
fie (band) de baz 121, 138
faza semnalului analitic 64
fazor 96
fereastr temporal 168, 172
filtrare 189
filtru anti-aliasing 120
filtru Hilbert 67, 83
filtru trece band (FTB) 83, 89, 104
filtru trece jos (FTJ) 82, 103, 122
frecven de eantionare 117
FSK 91
funcia sign 48
funcia repartiie
de probabilitate 151, 152

200
funcie de
(auto)corelaie 153, 154, 159, 162
funcie de (auto)covarian 155
funcie de intercorelaie 153
funcie de ponderare 31
funcie de scalare 183
funcie raional 132
funcie spectral 36, 85, 103, 105
funcii Bessel 92, 110, 114
funcii binare 10, 23
funcii liniar independente 5
funcii ortogonale 10, 23
funcii polinomiale 31
funcii trigonometrice 6, 10
funcii Walsh 23

G, I
generator de funcii 10
grad de modulaie 72
(tren de)
impuls(uri) 19, 39, 49, 71, 100
impuls de amplitudine unitar 101
impuls delta 156
impuls real 39
impuls(uri) de arie unitar 19, 39, 109
impuls-distribuie 105, 111
indice de modulaie 92, 97, 109
inegalitatea lui Bessel 10
inversabilitate 179, 181
nfurtoarea semnalului analitic 64

M
MIA-N 100, 115, 118
MIA-U 100, 104
MIP-N 107
MIP-U 107, 111
modulare 43
modulator 78, 98
modulator Weaver 85
modulaia impulsurilor 72, 100
modulaia impulsurilor
n amplitudine (MIA) 72, 100
n durat (MID) 72, 113
n frecven (MIF) 72, 108
n poziie (MIP) 72, 107
modulaia natural
a impulsurilor 107
modulaia uniform
a impulsurilor 111
modulaie 63, 71, 116
modulaie de tip produs 67, 79, 89
modulaie n amplitudine (MA) 72
modulaie n faz (MP) 72, 90
modulaie n frecven (MF) 72, 90
modulaie unghiular 90
multiplexare n frecven 88
multiplexare n timp 106

N, O
norm 24, 31, 177
operator de dilataie 174
operator de down-sampling 186
operator de translaie 174
operator de up-sampling 186
ortogonalizare 32

P
pereche Hilbert 63, 69
perioad de eantionare 115
plan timp frecven 167
poli 133
polinoame Cebev 32
polinoame Hermite 32
polinoame Laguerre 31
polinoame Legendre 31
polinoame ortogonale 10, 31
principiul incertitudinii 169
procedur de ortogonalizare 32
proces aleator 151
proces aleator ergodic 154
proces aleator general 154
proces aleator nestaionar 153
proces aleator staionar 153
proces de eantionare 115
proces Markov 152
produs de convoluie ciclic 142
produs scalar 177
PSK 91
(frecven) purttoare 73
PWM 113

R
ramp unitar 131
Index alfabetic

201
randamentul modulaiei 73
reconstituirea semnalului 103, 118, 122
reprezentare fazorial 74, 97
reziduuri 134

S
secvena funciei 24
semnal (cu timp) continuu 2
semnal (cu timp) discret 2, 146
semnal (de tip) chirp 177
semnal aleator 2, 151, 188
semnal aleator pur 152
semnal analitic 64, 148
semnal analitic discret 147
semnal analogic 2
semnal bidimensional 2
semnal binar 91
semnal cauzal 59, 60, 68
semnal de baz 71
semnal determinist 2, 157
semnal eantionat 115
semnal modulat 43, 57, 67, 71
semnal modulator 71
semnal neperiodic 35, 137
semnal numeric 2
semnal periodic 5, 35, 137, 157
semnal purttor 71, 118
semnal unidimensional 1
serie Fourier generalizat (SFG) 5, 32
serie Fourier armonic
(SFA) 12, 15, 114, 144
serie Fourier complex
(SFC) 13, 14, 20, 49, 113, 137
serie Fourier trigonometric
(SFT) 11, 12, 20, 144, 145
set diadic 181
sintetizor 10
sinteza semnalelor 10, 179
(funcia) sinus cardinal 19, 103, 175
sistem (banc) de filtre 177, 186
sistem (complet)
de funcii ortogonale 8, 29, 30
sistem dinamic 1
sistem ortonormal (de funcii) 32
spaiu Hilbert 177, 182
spectru 8, 158
spectru
de amplitudini 13, 15, 20, 145, 174

spectru
de faze iniiale 13, 15, 20, 145
spectru discret 110
steaua vectorilor unitari 140
subspaiu (de undine) 184
suprapunere n frecven 119

T
teorema lui Shannon 118, 163
teorema Wiener Hincin 156
timp fizic 24
timp normat 23
transformata Fourier discret (TFD)
direct 140, 157, 163, 185
transformata Fourier discret (TFD)
invers 140, 148
transformat Fourier invers 36
transformata Fourier rapid
(TFRFFT) 141
transformata Gabor continu
(TGC-CGT) invers 173
transformata Hilbert invers 63
transformata Laplace 58
transformata Laplace bilateral 59
transformata Laplace invers 60
transformata Laplace unilateral 59
transformata invers n undine 179
treapt unitar 48, 131

U, V, Z
undin 173
undin mam 174, 176
valoare medie 152
valoare principal (a integralei) 63
varian 153
vector rotitor 13
zgomot colorat 158, 162
zgomot alb 157, 188
zgomot pseudo-aleator 163

Semnale Circuite Si Sisteme

Uploaded by

Document Information

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

Semnale Circuite Si Sisteme

Uploaded by

Copyright:

Available Formats

Emil

, deci componentei unitare din sistem i corespunde

Semnale, circuite i sisteme. Partea I: Semnale

( ) u t calculat cu SFA coninnd numai armonica 1 ( 1 i = ), respectiv coninnd

Semnale, circuite i sisteme. Partea I: Semnale

= , considernd numai primele 6 funcii Walsh.

Semnale, circuite i sisteme. Partea I: Semnale

( ) x n analiza Fourier - Walsh

i ecuaia recursiv de generare:

= . Conform cu (3.9) i (3.10), rezult:

. Dac se trece la mrimi infinitezimale, atunci nlocuim

= este proporional cu densitatea energiei pe axa

, are funcia spectral:

Semnale, circuite i sisteme. Partea I: Semnale

3. Modelarea semnalelor neperiodice

( ) X care s aproximeze caracteristica spectral

3. Modelarea semnalelor neperiodice

( ) X implic parcurgerea urmtoarelor etape:

( ) x t se obine printr-o dubl integrare din

( ) x t formeaz o pereche Hilbert. Obsevm c, dac

( ) X cu expresia (3.94) i obinem:

cos cos cos

sin sin sin

Semnale, circuite i sisteme. Partea I: Semnale

Semnale, circuite i sisteme. Partea I: Semnale

Semnale, circuite i sisteme. Partea I: Semnale

( ) ( ) sign( ) X j X = , de unde rezult:

( ) jX . Se observ c, pentru 0 > ,

( ) ( ) jX X = , iar pentru 0 < ,

( ) j X . Din fig. 4.17, b), se observ c, dac

( ) MA X (la elementul de nsumare din fig. 4.16,

, cu banda superioar suprimat.

Semnale, circuite i sisteme. Partea I: Semnale

= se numete indice de modulaie.

. n fig. 4.25 sunt

(fig. 4.31). Caracteristica spectral a semnalului

Semnale, circuite i sisteme. Partea I: Semnale

= este frecvena maxim

, vom considera o situaie concret

Semnale, circuite i sisteme. Partea I: Semnale

este reprezentat n fig. 4.40.

, iar expresia (4.100) devine:

, al crui model matematic este exprimat prin

, dat de relaia (4.71), factorul

> , amplificarea filtrului este nul, deci benzile laterale ale

Filtru trece jos ideal

ca fiind operator de ntrziere cu o perioad

= i s dezvoltm ( ) X u n elemente simple, cu

, repetnd ( ) x t la fiecare interval de

se descompune n serie Fourier complex astfel:

este obinut prin

(vezi fig. 5.26, a));

) are ca model spectral irul de valori eantionate

( ) x k , astfel nct semnalul analitic discret, definit prin:

x este reprezentat n fig. 5.29. n continuare se

x . Rezultatul afiat este practic identic cu semnalul iniial, x, reprezentat

Semnale, circuite i sisteme. Partea I: Semnale

Semnale, circuite i sisteme. Partea I: Semnale

0 50 100 150 200 250 300 350 400 450 500

= F F . Principalul efect al acestei dilataii sunt translaia n

= , astfel nct se poate scrie:

( ) x n analiza Fourier - Walsh

You might also like