You are on page 1of 148

Esercizi di teoria dei segnali

Laura Dossi
Arnaldo Spalvieri
Gli autori desiderano ringraziare gli ingg. Fabio Marchisi e Raffaele Canavesi
per il preziosissimo contributo alla stesura della dispensa.
i
Indice
1 Segnali deterministici e sistemi: analisi a tempo continuo e
discreto, dominio del tempo e della frequenza 1
1.1 Serie di Fourier . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Esercizio 1 . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 Esercizio 2 . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 Esercizio 3 . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.4 Esercizio 4 . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Trasformata di Fourier . . . . . . . . . . . . . . . . . . . . 11
1.2.1 Esercizio 5 . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.2 Esercizio 6 . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.3 Esercizio 7 . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.4 Esercizio 8 . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.5 Esercizio 9 (solo testo) . . . . . . . . . . . . . . . . . . 17
1.2.6 Esercizio 10 (solo testo) . . . . . . . . . . . . . . . . . 17
1.2.7 Esercizio 11 (solo testo) . . . . . . . . . . . . . . . . . 17
1.2.8 Esercizio 12 (solo testo) . . . . . . . . . . . . . . . . . 18
1.2.9 Esercizio 13 (solo testo) . . . . . . . . . . . . . . . . . 18
1.2.10 Esercizio 14 (solo testo) . . . . . . . . . . . . . . . . . 18
1.2.11 Esercizio 15 (solo testo) . . . . . . . . . . . . . . . . . 19
1.2.12 Esercizio 16 (solo testo) . . . . . . . . . . . . . . . . . 19
1.3 Segnali e sistemi a tempo continuo . . . . . . . . . . . . 20
1.3.1 Esercizio 17 . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3.2 Esercizio 18 . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3.3 Esercizio 19 . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3.4 Esercizio 20 . . . . . . . . . . . . . . . . . . . . . . . . 25
1.3.5 Esercizio 21 . . . . . . . . . . . . . . . . . . . . . . . . 27
1.3.6 Esercizio 22 . . . . . . . . . . . . . . . . . . . . . . . . 28
1.3.7 Esercizio 23 . . . . . . . . . . . . . . . . . . . . . . . . 30
1.3.8 Esercizio 24 . . . . . . . . . . . . . . . . . . . . . . . . 32
1.3.9 Esercizio 25 . . . . . . . . . . . . . . . . . . . . . . . . 34
ii
1.3.10 Esercizio 26 . . . . . . . . . . . . . . . . . . . . . . . . 36
1.3.11 Esercizio 27 . . . . . . . . . . . . . . . . . . . . . . . . 37
1.3.12 Esercizio 28 . . . . . . . . . . . . . . . . . . . . . . . . 38
1.3.13 Esercizio 29 . . . . . . . . . . . . . . . . . . . . . . . . 40
1.3.14 Esercizio 30 . . . . . . . . . . . . . . . . . . . . . . . . 42
1.4 Campionamento . . . . . . . . . . . . . . . . . . . . . . . . 43
1.4.1 Esercizio 31 . . . . . . . . . . . . . . . . . . . . . . . . 43
1.4.2 Esercizio 32 . . . . . . . . . . . . . . . . . . . . . . . . 46
1.4.3 Esercizio 33 . . . . . . . . . . . . . . . . . . . . . . . . 48
1.4.4 Esercizio 34 . . . . . . . . . . . . . . . . . . . . . . . . 49
1.4.5 Esercizio 35 . . . . . . . . . . . . . . . . . . . . . . . . 51
1.4.6 Esercizio 36 . . . . . . . . . . . . . . . . . . . . . . . . 53
1.4.7 Esercizio 37 . . . . . . . . . . . . . . . . . . . . . . . . 56
1.4.8 Esercizio 38 (solo testo) . . . . . . . . . . . . . . . . . 58
1.5 Segnali e sistemi a tempo discreto . . . . . . . . . . . . . 59
1.5.1 Esercizio 39 . . . . . . . . . . . . . . . . . . . . . . . . 59
1.5.2 Esercizio 40 . . . . . . . . . . . . . . . . . . . . . . . . 61
1.5.3 Esercizio 41 . . . . . . . . . . . . . . . . . . . . . . . . 64
1.5.4 Esercizio 42 . . . . . . . . . . . . . . . . . . . . . . . . 66
1.5.5 Esercizio 43 . . . . . . . . . . . . . . . . . . . . . . . . 68
1.5.6 Esercizio 44 . . . . . . . . . . . . . . . . . . . . . . . . 69
1.5.7 Esercizio 45 . . . . . . . . . . . . . . . . . . . . . . . . 70
1.6 Vero o falso . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
1.6.1 Esercizio 46 . . . . . . . . . . . . . . . . . . . . . . . . 72
2 Segnali aleatori 74
2.1 Probabilit´a . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
2.1.1 Esercizio 47 . . . . . . . . . . . . . . . . . . . . . . . . 75
2.1.2 Esercizio 48 . . . . . . . . . . . . . . . . . . . . . . . . 76
2.2 Processi parametrici . . . . . . . . . . . . . . . . . . . . . . 77
2.2.1 Esercizio 49 . . . . . . . . . . . . . . . . . . . . . . . . 77
2.2.2 Esercizio 50 . . . . . . . . . . . . . . . . . . . . . . . . 80
2.2.3 Esercizio 51 . . . . . . . . . . . . . . . . . . . . . . . . 83
2.2.4 Esercizio 52 . . . . . . . . . . . . . . . . . . . . . . . . 84
2.2.5 Esercizio 53 (solo testo) . . . . . . . . . . . . . . . . . 86
2.2.6 Esercizio 54 (solo testo) . . . . . . . . . . . . . . . . . 86
2.3 Processi non parametrici . . . . . . . . . . . . . . . . . . . 87
2.3.1 Esercizio 55 . . . . . . . . . . . . . . . . . . . . . . . . 87
2.3.2 Esercizio 56 . . . . . . . . . . . . . . . . . . . . . . . . 89
2.3.3 Esercizio 57 . . . . . . . . . . . . . . . . . . . . . . . . 91
iii
2.3.4 Esercizio 58 . . . . . . . . . . . . . . . . . . . . . . . . 93
2.3.5 Esercizio 59 . . . . . . . . . . . . . . . . . . . . . . . . 95
2.3.6 Esercizio 60 . . . . . . . . . . . . . . . . . . . . . . . . 97
2.3.7 Esercizio 61 . . . . . . . . . . . . . . . . . . . . . . . . 99
2.3.8 Esercizio 62 . . . . . . . . . . . . . . . . . . . . . . . . 100
2.3.9 Esercizio 63 . . . . . . . . . . . . . . . . . . . . . . . . 103
2.3.10 Esercizio 64 . . . . . . . . . . . . . . . . . . . . . . . . 105
2.3.11 Esercizio 65 . . . . . . . . . . . . . . . . . . . . . . . . 108
2.3.12 Esercizio 66 . . . . . . . . . . . . . . . . . . . . . . . . 110
2.3.13 Esercizio 67 . . . . . . . . . . . . . . . . . . . . . . . . 112
2.3.14 Esercizio 68 . . . . . . . . . . . . . . . . . . . . . . . . 113
2.3.15 Esercizio 69 . . . . . . . . . . . . . . . . . . . . . . . . 114
2.3.16 Esercizio 70 . . . . . . . . . . . . . . . . . . . . . . . . 115
2.3.17 Esercizio 71 . . . . . . . . . . . . . . . . . . . . . . . . 116
2.3.18 Esercizio 72 . . . . . . . . . . . . . . . . . . . . . . . . 120
2.3.19 Esercizio 73 . . . . . . . . . . . . . . . . . . . . . . . . 122
2.3.20 Esercizio 74 (solo testo) . . . . . . . . . . . . . . . . . 124
2.3.21 Esercizio 75 (solo testo) . . . . . . . . . . . . . . . . . 124
2.3.22 Esercizio 76 (solo testo) . . . . . . . . . . . . . . . . . 125
2.3.23 Esercizio 77 (solo testo) . . . . . . . . . . . . . . . . . 125
2.4 Segnale dati . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
2.4.1 Esercizio 78 . . . . . . . . . . . . . . . . . . . . . . . . 126
2.4.2 Esercizio 79 . . . . . . . . . . . . . . . . . . . . . . . . 128
2.4.3 Esercizio 80 . . . . . . . . . . . . . . . . . . . . . . . . 129
2.4.4 Esercizio 81 . . . . . . . . . . . . . . . . . . . . . . . . 131
2.4.5 Esercizio 82 (solo testo) . . . . . . . . . . . . . . . . . 132
Appendice 133
A Propriet´a della Trasformata e della Serie di Fourier 133
A.1 Propriet´ a della Trasformata di Fourier . . . . . . . . . . . . . 133
A.2 Propriet´ a della Serie di Fourier . . . . . . . . . . . . . . . . . 136
B Trasformate di Fourier 139
B.1 Segnali a tempo continuo . . . . . . . . . . . . . . . . . . . . . 139
B.2 Sequenze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
iv
Capitolo 1
Segnali deterministici e sistemi:
analisi a tempo continuo e
discreto, dominio del tempo e
della frequenza
1
1.1 Serie di Fourier
1.1.1 Esercizio 1
Sia dato x(t) = x
T
1
(t) + x
T
2
(t) in cui T
1
e T
2
rappresentano i periodi dei
segnali x
T
1
(t) e x
T
2
(t) rispettivamente.
`
E intuitivo convincersi del fatto che se esiste un T tale che x(t + T) = x(t),
questo T deve comprendere un numero intero di T
1
e T
2
; inoltre il pi` u piccolo
fra i possibili T che rispettano la condizione sopra citata sar` a il m.c.m fra T
1
e T
2
.
Si pu` o quindi affermare che: dato un segnale x(t) somma di due segnali perio-
dici di periodo T
1
e T
2
esso sar` a periodico di periodo T con T = m.c.m(T
1
, T
2
)
se tale m.c.m esiste (in questo casi i periodi sono tra loro commensurabili).
Se non esiste il m.c.m(T
1
, T
2
) allora il segnale x(t) non `e periodico (e i periodi
si dicono incommensurabili).
Si presentano qui di seguito tre esercizi a sostegno dell’affermazione fatta.
1) Somma di segnali periodici di periodo uno multiplo dell’altro
Dato
x(t) = x
T
1
(t) +x
T
2
(t) = sen(2πt) +cos(4πt +φ)
sia f
1
e T
1
frequenza e periodo di x
T
1
ed f
2
e T
2
frequenza e periodo di
x
T
2
allora:
T
1
= 1s, f
1
= 1Hz;
T
2
= 0.5s, f
2
= 2Hz.
In questo caso, dove una frequenza ´e multipla dell’altra, risulta:
T = m.c.m(T
1
, T
2
) = max(T
1
, T
2
) = 1s,
f =
1
T
= min(f
1
, f
2
).
Ricordando che sen(2πt) = cos(2πt − π/2) risulta immediato scrivere
x(t) in serie di Fourier in forma polare:
x(t) = 2
1
2
cos(2πt −
π
2
) + 2
1
2
cos(4πt +φ),
in cui A
1
= A
2
= 1/2 e θ
1
= −π/2, θ
2
= φ.
Nel grafico di figura 1 sono riportati in ascissa il tempo t e in ordinata
rispettivamente x
T
1
(t), x
T
2
(t), x
T
(t).
2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
−1
−0.5
0
0.5
1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
−1
−0.5
0
0.5
1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
−2
−1
0
1
2
2) Somma di segnali periodici con periodi commensurabili
Dato
x(t) = x
T
1
+x
T
2
= −cos
_
π
3
t
_
+sen
_
π
7
t −
π
8
_
,
risulta
T
1
= 6s, f
1
= 1/6Hz, T
2
= 14s, f
2
= 1/14Hz.
Sia T = m.c.m(T
1
, T
2
), T esiste se e solo se esistono m, n ∈ Z
+
: mT
1
= nT
2
.
In questo caso
T = m.c.m.(6, 14) = (3 · 2, 7 · 2) = 42,
che ´e il periodo di x(t), inoltre f = 1/T = 1/42.
`
E facile trovare lo sviluppo in forma polare di x(t)
x(t) = −cos(2π
1
6
t) +sen(2π
1
14
t −
π
8
)
= +2
1
2
cos(2π7
1
42
t +π) + 2
1
2
cos(2π3
1
42
t −
5
8
π),
quindi i coefficienti A
K
dello sviluppo in serie sono
{A
K
} = {0, 0, 0,
1
2
, 0, 0, 0,
1
2
, 0, 0 · · ·} k = 0, 1, 2, · · ·
3
Nel grafico di figura 2 sono riportati in ascissa il tempo t e in ordinata
rispettivamente x
T
1
(t), x
T
2
(t), x
T
(t).
0 10 20 30 40 50 60 70 80
−1
−0.5
0
0.5
1
0 10 20 30 40 50 60 70 80
−0.5
0
0.5
0 10 20 30 40 50 60 70 80
−1
0
1
3) Somma di segnali periodici con periodi non commensurabili
Consideriamo il seguente segnale
x(t) = x
T
1
+x
T
2
= sen(t) +cos
_
2πt +
π
4
_
,
risulta :
T
1
= 2π, f
1
=
1

Hz, T
2
= 1, f
2
= 1Hz .
Non esiste nessun m, n ∈ Z
+
: mT
1
= nT
2
perch`e non pu` o essere
n
m
=
T
1
T
2
= 2π;
se ne deduce che x(t) non `e periodico e perci` o la scomposizione in serie
di Fourier non esiste. Per avere comunque una rappresentazione in
frequenza del segnale x(t) si deve utilizzare la trasformata di Fourier,
4
che supera i limiti imposti dalla serie. In particolare una delle propriet` a
della trasformazione di Fourier `e la linearit` a:
F[x(t)] = F[x
T
1
] +F[x
T
2
]
quindi ricordando che
F[sen(t)] =
1
2j
δ
_
f −
1

_

1
2j
δ
_
f +
1

_
= −
j
2
δ
_
f −
1

_
+
j
2
δ
_
f +
1

_
,
e che
F[cos(2πt +
π
4
)] =
1
2
δ(f −1)e
+jπ/4
+
1
2
δ(f + 1)e
−jπ/4
,
si ottiene
X(f) = X
1
(f) +X
2
(f) =
= −
j
2
δ
_
f −
1

_
+
j
2
δ
_
f +
1

_
+
+
1
2
δ(f −1)e
+jπ/4
+
1
2
δ(f + 1)e
−jπ/4
.
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
−0.5
0
0.5
f[Hz]
Im[X(f)]
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
0
0.1
0.2
0.3
0.4
Re[X(f)]
5
1.1.2 Esercizio 2
Dato il segnale periodico
x(t) =
3A
4
sin(πBt) −
A
4
sin(3πBt),
determinarne il periodo e la densit` a spettrale di potenza. Rappresentare
graficamente lo spettro di Fourier e la densit` a spettrale di potenza, indican-
do chiaramente le variabili poste su ascissa e ordinata ed i valori da esse
assunti nei punti ritenuti di interesse. Determinare inoltre la potenza del-
la fondamentale e della terza armonica ed il rapporto tra le due potenze in dB.
Soluzione
Il periodo `e 2/B (inverso della frequenza fondamentale). La densit` a
spettrale di potenza `e
S
x
(f) =
_
3A
8
_
2
_
δ
_
f −
B
2
_

_
f +
B
2
__
+
_
A
8
_
2
_
δ
_
f −
3B
2
_

_
f +
3B
2
__
.
La potenza della fondamentale `e 9A
2
/32, quella della terza armonica `e A
2
/32,
il loro rapporto `e ≈ 9.54 dB. Lo spettro di Fourier `e formato dalla sola parte
immaginaria ed `e illustrato nel disegno allegato.
Im{X(f)}
f
-B/2
A/8
-3A/8
-A/8
3A/8
-3B/2 B/2
3B/2
6
1.1.3 Esercizio 3
Calcolare la serie di Fourier di
x(t) = sen
2
(2πf
0
t +φ),
la sua potenza in continua e la potenza associata alla armonica fondamentale.
Soluzione
Cominciamo notando che, come `e evidente dalla figura, il segnale non `e
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2
−1
−0.5
0
0.5
1
t[s]
s
e
n
(
.
)
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2
0
0.2
0.4
0.6
0.8
1
t[s]
s
e
n
2
(
.
)
periodico di periodo T
0
= 1/f
0
1
ma x(t + T) = x(t) ∀t, con T = T
0
/2 ed
f = 2f
0
. Possiamo poi riscrivere x(t) cos´ı (sviluppo in forma polare):
x(t) =
1
2

1
2
cos(2π2f
0
t + 2φ) =
=
1
2
+
1
2
cos(2πft +π + 2φ).
`
E immediato ora calcolare la potenza in continua P
0
= 1/4 e la potenza as-
sociata alla prima armonica P
1
= 1/8.
Si propongono di seguito gli sviluppi in serie, rispettivamente in forma
complessa e rettangolare, del segnale x(t):
x(t) =
1
2
+
1
4
e
j(π+2φ)
e
j2πft
+
1
4
e
−j(π+2φ)
e
−j2πft
,
1
Che `e il periodo di sen(2πf
0
t + φ) non elevato al quadrato
7
da cui
X
0
=
1
2
,
X
1
=
1
4
e
j(π+2φ)
,
X
−1
=
1
4
e
−j(π+2φ)
,
e
x(t) =
1
2

1
2
(cos(2πft)cos(2φ) −sen(2πft)sen(2φ)),
da cui
a
0
=
1
2
,
a
1
= −
1
4
cos(2φ),
b
1
= −
1
4
sen(2φ).
8
1.1.4 Esercizio 4
Si consideri il segnale
x(t) = Acos
2
(2πf
0
t)sin(6πf
0
t +π/4) .
Determinare lo sviluppo in serie di Fourier del segnale e rappresentare grafi-
camente lo spettro di Fourier. Determinare inoltre la densit` a spettrale di
potenza, la potenza della fondamentale, ed il rapporto in dB tra la potenza
della fondamentale e della terza armonica.
Soluzione
Con semplici manipolazioni si riscrive:
x(t) =
A
2
(1 +cos(4πf
0
t))cos
_
6πf
0
t −
π
4
_
.
Si ha:
Y (f) = F
_
A
2
(1 +cos(4πf
0
t))
_
=
A
2
(δ(f) +
1
2
δ(f −2f
0
) +
1
2
δ(f + 2f
0
)).
Applicando la formula della modulazione si ottiene:
X(f) =
1
2
(Y (f −3f
0
)e
−jπ/4
+Y (f + 3f
0
)e
jπ/4
).
Lo spettro di Fourier `e dunque composto da una parte reale ed una parte
immaginaria:
R{X(f)} =

2
4
(Y (f −3f
0
) +Y (f + 3f
0
)),
I{X(f)} =

2
4
(−Y (f −3f
0
) +Y (f + 3f
0
)),
La densit` a spettrale di potenza `e:
S
x
(f) =
A
2
16
_
1
4
δ(f + 5f
0
) +δ(f + 3f
0
) +
1
4
δ(f +f
0
) +
+
1
4
δ(f −f
0
) +δ(f −3f
0
) +
1
4
δ(f −5f
0
)
_
.
La fondamentale `e la sinusoide a frequenza f
0
, la terza armonica quella a
frequenza 3f
0
. La potenza della fondamentale `e A
2
/32, quella della terza
armonica `e A
2
/8. Il rapporto tra le potenze della fondamentale e della terza
armonica `e 1/4, cio`e −6 dB.
9
f
A/4 A/4
A/2
-2f 2f
0 0
f -f f -3f 3f -5f 5f
0 0 0 0 0 0
2A/16
2A/8
2A/16 2A/16
2A/8
2A/16
-5f
0
-3f
0
-f
0
f
0
3f
0
5f
0
2A/16 2A/16
2A/8
2A/16 2A/16
2A/8
Im{X(f)}
Re{X(f)}
Y(f)
f
10
1.2 Trasformata di Fourier
1.2.1 Esercizio 5
Sia dato il segnale
x(t) = 8
_
sen(4πt)
4πt
_
2
= 8sinc
2
(4t)
e il segnale
c(t) =

k=−∞
rect
_
t −kT
τ
_
,
treno di impulsi rettangolari di durata τ, ripetuti con passo T.
Determinare la trasformata di Fourier del segnale
y(t) = x(t)c(t)
e del segnale
z(t) = x(t)[c(t) −1/2] ,
con τ = 0.05 sec e T = 0.1 sec.
`
E possibile ricostruire il segnale x(t) dal segnale y(t)? Se si, come?
Soluzione
La trasformata di Fourier di x(t) `e:
X(f) = 2
_
1 −
|f|
4
_
rect
_
f
8
_
,
la trasformata del segnale treno di rettangoli `e data, applicando la relazione
di campionamento in frequenza, da
C(f) = F[c(t)]
=
1
T
F
_
rect
_
t
τ
__

i
δ
_
f −
i
T
_
=
τ
T

i=−∞
sinc
_

T
_
δ
_
f −
i
T
_
.
Applicando la propriet` a di moltiplicazione nel tempo, la trasformata di y(t)
vale
Y (f) = X(f) ⊗C(f)
11
=
τ
T

i
sinc
_

T
_
X
_
f −
i
T
_
=
1
2

i
sinc
_
i
2
_
X
_
f −
i
0.1
_
.
Il segnale x(t) si pu` o ricostruire perfettamente filtrando y(t) con un filtro
passabasso ideale con guadagno 2 e frequenza di taglio compresa tra 4Hz e
6Hz, poiche’ le repliche in frequenza non si sovrappongono.
Infine la trasformata di z(t) vale:
Z(f) = X(f) ⊗[C(f) −
1
2
δ(f)] = Y (f) −
1
2
X(f) ,
che `e uguale a Y (f) a cui viene tolta la replica centrata in f = 0, cio´e
Z(f) =
1
2

i=0
X
_
f −
i
0.1
_
sinc
_
i
2
_
.
12
1.2.2 Esercizio 6
Data la trasformata di z(t) = sgn(t),
Z(f) = F[sgn(t)] =
1
jπf
,
e definita la funzione x(t) come
x(t) = s(t) ⊗
1
πt

1
πt
,
ove ⊗ indica la convoluzione,
dimostrare che, per ogni funzione s(t), vale l’uguaglianza
x(t) = −s(t),
a meno di una eventuale componente continua.
sgn(t)
t
1
-1
Soluzione
Utilizzando la propriet` a di dualit´ a della trasformata,
Z(f) = F[z(t)] →z(−f) = F[Z(t)],
applicata alla coppia
z(t) = sgn(t) ⇐⇒Z(f) =
1
jπf
,
si ottiene
F[
1
jπt
] = sgn(−f) = −sgn(f),
13
da cui
F
_
1
πt
_
= −jsgn(f).
Applicando ora la proprieta’ di convoluzione nel tempo della trasformata, si
ricava
X(f) = F[s(t) ⊗
1
jπt

1
jπt
] = F[s(t)](−jsgn(f))
2
= −S(f),
cio`e
x(t) = −s(t).
Se s(t) ha componente continua non nulla, cio´e se S(0) = 0, allora x(t)
risulta con componente continua nulla, poich´e la funzione sgn(f) vale zero
nell’origine.
14
1.2.3 Esercizio 7
Si considerino le convoluzioni
p(t) = g(t) ⊗v(t)
e
u(t) = g(t) ⊗v(−t).
Che condizione deve essere soddisfatta da g(t) affinch`e sia u(t) = p(−t)?
Soluzione
Esiste una soluzione banale dell’esercizio: infatti, se vale
p(t) = g(t) ⊗v(t),
allora vale anche
p(−t) = g(−t) ⊗v(−t),
_
p(−t) =
_
g(τ)v(−t −τ)dτ = [α = t +τ] =
_
g(α −t)v(−α)dα = g(−t) ⊗v(−t)
_
da cui risulta che la condizione richiesta e’
g(t) = g(−t),
cioe’ g(t) deve essere pari.
Si puo’ arrivare allo stesso risultato ragionando nel dominio delle frequenze:
applicando la propriet` a di riflessione
F[v(−t)] = V (−f),
le ipotesi sono
P(f) = G(f)V (f),
U(f) = G(f)V (−f).
Affinch´e sia
P(−f) = U(f),
deve essere G(f) = G(−f), cioe’ si ritrova la condizione
g(t) = g(−t).
15
1.2.4 Esercizio 8
Si consideri il segnale periodico
x(t) =

i=−∞
(−1)
i
Asinc
2
(2Bt −2i + 1).
Determinare lo sviluppo in serie di Fourier.
Soluzione
Il segnale pu` o essere visto come somma di due segnali periodici, il primo
costruito sulle i pari, il secondo sulle i dispari. Ognuno dei due ha periodo
2/B, quindi la loro somma ha periodo 2/B. Lo sviluppo in serie si ottiene dal
campionamento in frequenza con passo B/2. Si applica pertanto la formula:
x(t) =

i=−∞
y
_
t −
2i
B
_
= F
−1
_
_
B
2

i=−∞
Y
_
iB
2
_
δ
_
f −
iB
2
_
_
_
,
con
y(t) = Asinc
2
_
2B
_
t +
1
2B
__
−Asinc
2
_
2B
_
t −
1
2B
__
,
Y (f) = F[y(t)] =
A
2B
_
1 −
|f|
2B
_
rect
_
f
4B
_
(e
jπf
B
−e

jπf
B
),
ove si sono usate le tavole delle trasformate notevoli per il sinc
2
(·) e si `e usato
anche il teorema del ritardo. Utilizzando questa formula nel campionamento
in frequenza si ottiene:
X(f) =
jA
2

i=−∞
_
1 −
|i|
4
_
rect
_
i
8
_
sin
_

2
_
δ
_
f −
iB
2
_
.
Antitrasformando si ottiene lo sviluppo in serie cercato:
x(t) = −
3A
4
sin(πBt) +
A
4
sin(3πBt).
16
1.2.5 Esercizio 9 (solo testo)
Dato il segnale
x(t) = At rect(
t
T
),
si costruisca il segnale periodico
y(t) = A +

i
(−1)
i
x(t −iT).
Disegnare il segnale y(t). Determinare il periodo, lo sviluppo in serie di Fouri-
er e la densita’ spettrale di potenza di y(t). Disegnare lo spettro di Fourier
di y(t). Determinare inoltre la potenza della continua e della fondamentale,
ed il rapporto tra le due potenze in dB.
1.2.6 Esercizio 10 (solo testo)
Dato il segnale
x(t) = rect(
t
T
),
si costruisca il segnale periodico
y(t) = A +B

i
x(t −i2T −T/2).
Disegnare il segnale y(t). Disegnare lo spettro di Fourier di y(t) e la sua den-
sita’ spettrale di potenza. In ogni disegno si indichino chiaramente ascissa,
ordinata, ed i valori ritenuti di interesse.
1.2.7 Esercizio 11 (solo testo)
Si consideri il segnale periodico
x(t) = A +

i=−∞
(−1)
i
Arect(
t −i2T
τ
).
Determinare il periodo, lo sviluppo in serie di Fourier e la densita’ spettrale
di potenza di x(t). Determinare inoltre la potenza della continua e della
fondamentale. Per i valori τ = 2T e A = 1, calcolare il rapporto tra le due
potenze in dB.
17
1.2.8 Esercizio 12 (solo testo)
Si consideri il segnale periodico
y(t) =

i
(−1)
i
rect(
t −iT
T
) +

i
(−1)
i
rect(
3t −iT
T
).
Disegnare il segnale. Determinare il periodo. Determinare la potenza delle
prime due armoniche non nulle ed il rapporto tra le potenze in dB.
1.2.9 Esercizio 13 (solo testo)
Dato il segnale
x(t) = rect(
t
T
),
si costruisca il segnale periodico
y(t) = cos(
πt
T
) +

i
(−1)
i
x(t −iT).
Disegnare il segnale y(t). Disegnare lo spettro di Fourier di y(t) e la sua den-
sita’ spettrale di potenza. In ogni disegno si indichino chiaramente ascissa,
ordinata, ed i valori ritenuti di interesse. Determinare la potenza del segnale
alla seconda cifra decimale.
1.2.10 Esercizio 14 (solo testo)
Si consideri il segnale periodico
y(t) =

i
(−1)
i
rect(
t −iT
T
) −

i
rect(
3t −i6T
T
).
Disegnare il segnale. Determinare il periodo. Determinare la potenza della
continua e della fondamentale ed il rapporto tra la potenza della continua e
della fondamentale in dB.
18
1.2.11 Esercizio 15 (solo testo)
Si consideri il segnale periodico
y(t) = A −

i
(−1)
i
x
1
(t −iT) +

i
x
2
(t −iT),
ove x
1
(t) e x
2
(t) sono noti ed hanno trasformate di Fourier X
1
(f) ed X
2
(f).
Determinare l’ espansione in serie di Fourier di y(t) in funzione di A, X
1
(f)
e X
2
(f). Determinare la potenza della continua e della fondamentale.
1.2.12 Esercizio 16 (solo testo)
Si consideri il segnale periodico
x(t) = A +

i=−∞
(−1)
i
Arect(
t −i2T
τ
).
Determinare il periodo, lo sviluppo in serie di Fourier e la densita’ spettrale
di potenza di x(t). Determinare inoltre la potenza della continua e della
fondamentale, ed il rapporto tra le due potenze in dB per τ = 2T e A = 1.
19
1.3 Segnali e sistemi a tempo continuo
1.3.1 Esercizio 17
Sono disponibili i seguenti risultati di prove in regime sinusoidale di un
sistema lineare invariante nel tempo:
ingresso: x(t) = cos(2πft),
uscita: y(t) = cos(2πft +α(f)),
dove α(f) ´e la funzione rappresentata in figura.
α( ) f
f
−π
π
1000
2000
3000
Determinare la risposta impulsiva del sistema.
Soluzione
In generale data la risposta in frequenza H(f) di un sistema lineare
tempo-invariante, la risposta del sistema all’ingresso sinusoidale
x(t) = cos(2πft)
vale
y(t) = |H(f)|cos(2πft +

H(f)).
In questo esercizio risulta:

H(f) = α(f) = −
πf
1000
,
|H(f)| = 1,
20
cio´e la risposta in frequenza del sistema vale:
H(f) = e

jπf
1000
.
Essendo la risposta all’impulso h(t) la antitrasformata di Fourier di H(f),
applicando la propriet´ a di ritardo nel tempo si ottiene:
h(t) = δ
_
t −
1
2000
_
.
21
1.3.2 Esercizio 18
Con riferimento alla figura, il sistema ´e lineare tempo-invariante? Pu´ o essere
descritto mediante una funzione di trasferimento?
cos(2 f t) π
0
s(t)
u(t)=s(t)cos(2 f t) π
0
Soluzione
Presi due segnali qualunque s
1
(t) e s
2
(t), a cui corrispondono le uscite
u
1
(t) e u
2
(t), al segnale
z(t) = s
1
(t) +s
2
(t)
corrisponde il segnale
z
u
(t) = (s
1
(t) +s
2
(t))cos(2πf
0
t) = u
1
(t) +u
2
(t).
Il sistema ´e quindi lineare.
Il sistema non ´e tuttavia tempo-invariante, infatti all’ingresso
z(t) = s(t −T),
non corrisponde l’uscita
z
u
(t) = u(t −T) = s(t −T)cos(2πf
0
(t −T)),
ma l’uscita
z
u
(t) = z(t)cos(2πf
0
t) = s(t −T)cos(2πf
0
t)
.
Non ´e quindi possibile definire una funzione di trasferimento.
22
1.3.3 Esercizio 19
Con riferimento alla figura, in cui ´e
s(t) = sen(2πf
0
t)
e
H(f) = e

_
jf
f
0
,
determinare u(t).
s(t) u(t)
H(f)
Soluzione
L’uscita del sistema risulta
u(t) = |H(f
0
)|sen(2πf
0
t +

H(f
0
)) .
In particolare:
H(f
0
) = e


e

2
= e
−e

4
= e
−(cos(π/4)+j·sen(π/4))
= e


2
2
· e
−j

2
2
.
Quindi il modulo ´e:
|H(f
0
)| = e


2
2
= 0.49,
mentre la fase risulta:

H(f
0
) = −

2
2
= −0.707.
Dunque :
u(t) = 0.49sin(2πf
0
t −0.707) .
Nella figura a pagina seguente ´e mostrata la sinusoide in ingresso e quella in
uscita, che risulta evidentemente sfasata.
23
−3 −2 −1 0 1 2 3
−0.5
0
0.5
t [sec]
s
(
t
)
−3 −2 −1 0 1 2 3
−0.4
−0.2
0
0.2
0.4
t [sec]
u
(
t
)
per f
0
=1/π
per f
0
=1/π
24
1.3.4 Esercizio 20
In un sistema lineare tempo invariante, dato in ingresso il segnale
x(t) = Asen(2πf
0
t),
corrisponde l’uscita
y(t) = Af
0
cos(2πf
0
t),
per qualsiasi A ed f
0
. Determinare la risposta allo scalino del sistema.
Calcolare l’energia del segnale in uscita al sistema quando l’ingresso vale
x
2
(t) =
sen(4πt)
2πt
.
Soluzione
x(t) = Asen(2πf
0
t),
y(t) = Af
0
cos(2πf
0
t) = A|H(f
0
)|sen(2πf
0
t +

H(f
0
))
per qualsiasi A ed f
0
.
H(f
0
) = f
0
e
j
π
2
per qualsiasi f
0
, quindi la risposta in frequenza del sistema `e :
H(f) = jf,
che corrisponde ad un derivatore. Se
x
1
(t) = sca(t) ←→
1
j2πf
+
1
2
δ(f) = X
1
(f),
Y
1
(f) = X
1
(f) · H(f) =
1

←→
1

δ(t) = y
1
(t),
che `e la risposta allo scalino cercata.
2
Dato
x
2
(t) =
sen(4πt)
2πt
= 2sinc(4t) ←→
1
2
rect
_
f
4
_
= X
2
(f).
2
Oppure
y(t) =
1

d
dt
x(t);
x
1
(t) = sca(t) =
_
t
−∞
δ(τ)dτ;
y
1
(t) =
1

d
dt
x
1
(t) =
1

δ(t);
25
Per il calcolo dell’energia di y
2
(t):
E
y
2
(t)
=
_
+∞
−∞
|Y
2
(f)|
2
df
=
_
+∞
−∞
|X
2
(f)H(f)|
2
df
=
_
+∞
−∞
1
4
rect
_
f
4
_
|f|
2
df
=
1
2
_
2
0
f
2
df =
4
3
.
26
1.3.5 Esercizio 21
Con riferimento alla figura, in cui ´e
x(t) = sca(t),
h(t) = te
−αt
sca(t)
e
H(f) =
1
(α + 2πf)
2
,
determinare il valore a cui tende y(t) quando t tende all’infinito.
x(t) y(t)
H(f)
Soluzione
Applicando la relazione ingresso-uscita nel tempo dei sistemi lineari stazionari:
y(t) = h(t) ⊗sca(t)
=
_

−∞
h(τ)sca(t −τ)dτ
=
_
t
−∞
h(τ)dτ,
si nota che la risposta allo scalino ´e l’integrale della risposta all’impulso.
Il valore A a cui tende y(t) per t tendente all’infinito si ricava applicando la
propriet´ a dei valori nell’origine:
y(t)
t→∞
=
_
t→∞
−∞
h(τ)dτ
=
_

−∞
h(τ)dτ
= H(0) =
1
α
2
.
27
1.3.6 Esercizio 22
Con riferimento alla figura, si calcoli l’energia E
y
di y(t).
1-2j πfτ
1+2jπfτ
x(t) y(t)
x(t)
t
-T T
A
Soluzione
Applicando il teorema di Parseval, si ottiene:
E
y
=
_
|Y (f)|
2
df
=
_
|X(f)|
2
|H(f)|
2
df ;
la risposta in ampiezza del filtro ´e unitaria (il filtro ´e uno sfasatore puro),
infatti:
|H(f)|
2
= H(f)H

(f)
=
(1 −2jπfτ)(1 + 2jπfτ)
(1 + 2jπfτ)(1 −2jπfτ)
= 1.
28
Dunque il filtro non modifica l’energia del segnale in ingresso:
E
y
=
_
|X(f)|
2
df
= E
x
=
_

−∞
x
2
(t)dt
=
2
3
A
2
T .
La figura sottostante (nella quale si ´e supposto τ = 1) mostra come evolve
la fase del filtro che passa da π a −π.
-8 -6 -4 -2 0 2 4 6 8
-4
-3
-2
-1
0
1
2
3
4
f [Hz]
F
a
s
e

d
i

H
(
f
)
29
1.3.7 Esercizio 23
Con riferimento alla figura, si determini la componente continua di u(t).
cos(2π
0
f t)
2+e
-j2 πft
0
u(t)
1
Soluzione
Il segnale s(t) all’uscita del filtro con risposta in frequenza
H(f) =
1
2 +e
−j2πft
0
vale:
s(t) = |H(f
0
)|cos(2πf
0
t +

H(f
0
)) ,
quindi il segnale u(t) all’uscita del sistema vale:
u(t) = s(t)cos(2πf
0
t) = |H(f
0
)|cos(2πf
0
t)cos(2πf
0
t +

H(f
0
))
=
1
2
|H(f
0
)|[cos(4πf
0
t +

H(f
0
)) +cos(

H(f
0
))]
=
1
2
|H(f
0
)|cos(

H(f
0
)) +
1
2
|H(f
0
)|cos(4πf
0
t +

H(f
0
)) .
La componente continua A
0
di u(t) vale dunque:
A
0
=
1
2
|H(f
0
)|cos(

H(f
0
)) =
1
2
Re[H(f
0
)] ,
dove:
Re[H(f
0
)] =
Re
_
2 +e
j2πf
0
t
0
_
(2 +e
−j2πf
0
t
0
) · (2 +e
j2πf
0
t
0
)
=
=
2 +cos(2πf
0
t
0
)
|2 +e
−j2πf
0
t
0
|
2
=
2 +cos(2πf
0
t
0
)
5 + 4cos(2πf
0
t
0
)
.
La figura mostra rispettivamente modulo e fase del filtro H(f) per t
0
= 1;
come si pu´ o vedere H(f) risulta essere periodico.
30
-3 -2 -1 0 1 2 3
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
f [Hz]
M
o
d
u
l
o

d
i

H
(
f
)
-3 -2 -1 0 1 2 3
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
f [Hz]
F
a
s
e

d
i

H
(
f
)
31
1.3.8 Esercizio 24
Con riferimento alla figura e dato H(f) = j2πfe
−j2πf
, determinare u(t).
s(t)
1/4 1 -1/4 -1/2 1/2
-1
H(f)
s(t)
u(t)
1
-1
t
Soluzione
Il filtro H(f) pu´ o essere scomposto cos´ı:
j2 f π
u(t)=s’(t-1) s’(t) s(t)
e
-j2 f π
Risulta cio´e essere la cascata di un derivatore con un ritardatore. La
soluzione cercata ´e allora semplicemente s(t) derivato e quindi ritardato,
come mostrato in figura alla pagina seguente.
32
1/2 −1/2
1/2 −1/2
t
t
t
s’(t)
u(t)
s(t)
1/2 −1/2
1
-1
4
−4
4
−4
33
1.3.9 Esercizio 25
Dato lo schema in figura
a(t)
v(t) y(t) z(t)
H(f)
determinare la trasformata di Fourier del segnale y(t) nell’ipotesi che sia
a(t) = 2cos(2π(f
0
+ ∆f)t) ;
con l’ingresso
z(t) = Ax(t)cos(2πf
0
t), f
0
= 100KHz
e H(f) filtro ideale passabasso con B = 3KHz cos´ı specificato
H(f) =
_
1 per |f| < B
0 per |f| ≥ B .
Si assuma
x(t) =
3

k=1
kcos(2πkf
m
t) , f
m
= 500Hz
e si analizzi sia il caso ∆f = 0 sia il caso ∆f = 100Hz . Calcolare la potenza
di y(t) nei due casi.
Soluzione
Se
z(t) = Ax(t)cos(2πf
0
t),
Z(f) = F[z(t)],
X(f) = F[x(t)],
allora applicando la propriet` a della modulazione si ottiene:
Z(f) =
A
2
[X(f −f
0
) +X(f +f
0
)] , f
0
= 100KHz.
34
Se
v(t) = z(t)2cos(2π(f
0
+ ∆f)t)
e
V (f) = F[v(t)],
applicando ancora la propriet` a della modulazione si ottiene:
V (f) = Z(f −f
0
−∆f) +Z(f +f
0
+ ∆f)
=
A
2
[X(f −2f
0
−∆f) +X(f −∆f) +
X(f + ∆f) +X(f + 2f
0
+ ∆f)];
X(f) =
1
2
3

l=1
l[δ(f −lf
m
) +δ(f +lf
m
)] , f
max
= 1500Hz, f
m
= 500Hz ;
1)∆f = 0
V (f) = AX(f) +
A
2
[X(f −200000) +X(f + 200000)];
Y (f) = V (f)H(f) = AX(f) ←→y(t) = Ax(t).
La potenza di y(t) `e:
P
y
= A
2
P
x
=
A
2
2
(1 + 4 + 9) = 7A
2
.
2)∆f = 0.1 KHz
V (f) =
A
2
[X(f −100) +X(f + 100) +X(f −200100) +X(f + 200100)];
Y (f) = V (f)H(f) =
A
2
[X(f−100)+X(f+100)] ←→y(t) = Ax(t)cos(200πt).
La potenza di y(t) vale
P
y
=
A
2
2
P
x
=
A
2
2
(1 + 4 + 9) = 3.5A
2
.
35
1.3.10 Esercizio 26
Si consideri il segnale x(t) = Acos(2πf
0
t). Il segnale x(t) transita attraverso
un filtro la cui funzione di trasferimento `e H(f) = (α + j2πf)
−1
, α > 0. Il
segnale all’ uscita del filtro ha la forma y(t) = Bcos(2πf
0
t +φ). Determinare:
1) i valori di B e φ;
2) la potenza P
s
della sinusoide all’ uscita del filtro.
Soluzione
La funzione di trasferimento del filtro in modulo e fase ´e:
|H(f)| =
1

α
2
+ 4π
2
f
2
arg(H(f)) = −arctg
_
2πf
α
_
.
Si ha pertanto:
B = A|H(f
0
)|, φ = arg(H(f
0
)), P
s
= B
2
/2.
In figura sono mostrati modulo e fase del filtro (N.B: la scala delle ordinate
del grafico del modulo ´e logaritmica).
−100 −80 −60 −40 −20 0 20 40 60 80 100
10
−3
10
−2
10
−1
10
0
f [Hz]
m
o
d
u
l
o

d
i

H
(
f
)
−100 −80 −60 −40 −20 0 20 40 60 80 100
−2
−1
0
1
2
f [Hz]
f
a
s
e

d
i

H
(
f
)
per α=1
per α=1
36
1.3.11 Esercizio 27
Si consideri il segnale
x(t) = (1 +Acos(2πf
0
t))cos(2πf
1
t), f
1
= 10f
0
.
1) Determinare lo sviluppo in serie di Fourier di x(t).
Il segnale x(t) `e passato attraverso un circuito che lo eleva al quadrato ed `e
poi filtrato da un passa-basso ideale avente banda pari a 5f
0
. Detto y(t) il
segnale all’ uscita del passa-basso, determinare:
2) Il segnale y(t),
3) Il valore di A che rende la potenza della seconda armonica contenuta in
y(t) inferiore di 6 dB rispetto alla potenza della fondamentale.
Soluzione
Sviluppando il prodotto si ottiene:
x(t) = cos(2πf
1
t) +
A
2
(cos(2π(f
1
−f
0
)t) +cos(2π(f
1
+f
0
)t)),
che `e lo sviluppo cercato (quesito 1).
Eseguendo la convoluzione di X(f) con se stesso si ottiene la trasformata
di Fourier di x
2
(t). Di tale convoluzione interessa la sola parte relativa alle
frequenze comprese tra −5f
0
e 5f
0
, in quanto le rimanenti sono oscurate dal
passa-basso. Per via grafica si ottiene facilmente:
Y (f) =
_
1
2
+
A
2
4
_
δ(f) +
A
2
(δ(f −f
0
) +δ(f +f
0
)) +
+
A
2
8
(δ(f −2f
0
) +δ(f + 2f
0
)),
antitrasformando si ottiene (quesito 2):
y(t) =
1
2
+
A
2
4
+Acos(2πf
0
t) +
A
2
4
cos(4πf
0
t).
La potenza della fondamentale `e A
2
/2, quella della seconda armonica `e A
4
/32.
Affinch`e il rapporto tra l’ una e l’ altra sia pari a 4 (6 dB), deve essere A = ±2
(quesito 3).
37
1.3.12 Esercizio 28
Con riferimento alla figura e dato
u(t) =
_
t
t−T
s(τ)dτ,
determinare la risposta in frequenza del sistema.
s(t) u(t)
H(f)
Soluzione
La risposta all’impulso viene determinata ponendo s(t) = δ(t) :
h(t) =
_
1 per 0 ≤ t ≤ T
0 altrove.
Ovvero:
h(t) = rect
_
t −T/2
T
_
,
la cui trasformata (rappresentata nella figura alla pagina seguente) ´e :
H(f) = T · sinc(fT)e
−j2πf
T
2
= T · sinc(fT)e
−jπfT
.
In figura si riporta l’andamento del modulo e della fase di H(f) per T = 10s.
38
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
0
0.2
0.4
0.6
0.8
1
|H(f)|
f [Hz]
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
−4
−3
−2
−1
0
1
2
3
4
fase(H(f))
f [Hz]
39
1.3.13 Esercizio 29
Si consideri il segnale periodico
y(t) =

k=−∞
x(t −kT),
con
x(t) = e
−t/T
rect(
t −T/2
T
).
Si determini il periodo del segnale, lo sviluppo in serie di Fourier, la potenza
della continua, della fondamentale, ed il loro rapporto in dB. Il segnale y(t)
e’ filtrato attraverso un passa-basso ideale di banda 1.5/T. Rappresentare
graficamente lo spettro di Fourier del segnale all’ uscita del passa-basso.
Soluzione
Il periodo `e T.
Per definizione, il k-esimo coefficiente complesso della serie e’
Y
k
=
1
T
_
T
0
y(t)e
−j2πkt/T
dt =
1
T
_
T
0
e
−t/T
e
−j2πkt/T
dt =
1 −e
−1
1 +j2kπ
.
Lo sviluppo e’ dunque
y(t) =

k=−∞
Y
k
e
j2kπt/T
.
La potenza della continua `e
P
0
= |Y
0
|
2
= (1 −e
−1
)
2
,
quella della fondamentale `e
P
1
= 2|Y
1
|
2
= 2
(1 −e
−1
)
2
1 + 4π
2
,
il loro rapporto in dB `e
10log
10
P
0
P
1
≈ 13 dB.
Lo spettro di Fourier del segnale z(t) all’uscita del passa-basso `e costituito
dalla continua e dalla fondamentale. Nel fare il grafico occorre fare attenzione
nel separare parte reale e parte immaginaria della fondamentale.
40
Re{Z(f)}
f
f
-1/T
1/T
-1/T
1/T
1-e 1-e
(1-e )
(1-e )
1+4π 1+4
π
π 2
π 2
1+4π
4π 1+
2
2
−1
−1 −1
1-e
Im{Z(f)}
−1
2 2
−1
41
1.3.14 Esercizio 30
Si consideri il segnale periodico
y(t) =

k=−∞
Y
k
e
j2kπt/T
.
Il segnale viene elevato al quadrato e poi filtrato attraverso un passa-basso
ideale di banda 1.5/T. Determinare la potenza del segnale x(t) all’uscita del
passa-basso in funzione dei coefficienti complessi Y
k
.
Soluzione
Posto
z(t) = y
2
(t),
si ha
Z(f) = Y (f) ⊗Y (f).
Il segnale z(t) sar´ a periodico di periodo T, o di un suo sottomultiplo, pertanto
Z(f) =

k=−∞
Z
k
δ(f −kf
0
), f
0
=
1
T
.
Dalla convoluzione si ottiene
Z
k
=

i=−∞
Y
i
Y
k−i
.
All’uscita del passa-basso si ha
X(f) =
1

k=−1
Z
k
δ(f −kf
0
);
La potenza di x(t) ´e data da
P
x
= |Z
0
|
2
+|Z
−1
|
2
+|Z
1
|
2
=
¸
¸
¸
¸
¸
¸

i=−∞
Y
i
Y
−i
¸
¸
¸
¸
¸
¸
2
+ 2
¸
¸
¸
¸
¸
¸

i=−∞
Y
i
Y
−1−i
¸
¸
¸
¸
¸
¸
2
=
¸
¸
¸
¸
¸
¸

i=−∞
|Y
i
|
2
¸
¸
¸
¸
¸
¸
2
+ 2
¸
¸
¸
¸
¸
¸

i=−∞
Y
i
Y
i+1
¸
¸
¸
¸
¸
¸
2
42
1.4 Campionamento
1.4.1 Esercizio 31
Dato il sistema LTI con risposta in frequenza
H(f) =
_
sen
2
_
πf
T
2
_
per |f| ≤ 2/T
0 altrove,
determinare l’uscita y(t) del sistema quando l’ingresso x(t) ´e il segnale pe-
riodico mostrato in figura.
Determinare la trasformata di Fourier tempo discreta Y (F) della sequenza
y[n] ottenuta campionando il segnale y(t) con passo T
c
= 2T/3 (F = fT
c
).
La sequenza y[n] ´e periodica? Se lo ´e, indicarne il periodo.
1
T/2
T
x(t)
t
Soluzione
Il segnale periodico in ingresso ´e
x(t) =

n
rect
_
t −nT
T/2
_
=

k
X
k
e
−j2πkf
0
t
,
dove
f
0
=
1
T
X
k
=
1
T
T
2
sinc
_
kf
0
T
2
_
=
1
2
sinc
_
k
2
_
.
La sua trasformata ´e
X(f) =

k
X
k
δ
_
f −
k
T
_
.
Inoltre:
Y
1
(f) = X(f)H(f)
= X(f)sin
2
_
2πf
T
4
_
rect
_
f
4/T
_
= X
1
δ
_
f −
1
T
_
+X
−1
δ
_
f +
1
T
_
;
43
X
1
= X
−1
;
Y
1
(f) ←→y(t) = 2X
1
cos
_

t
T
_
=
2
π
cos
_

t
T
_
;
y[nT
c
] ←→Y (f) =
1
T
c

k
Y
1
_
f −
k
T
c
_
;
Y (F) = Y
_
f =
F
T
c
_
(1)
=
1
T
c

k
Y
1
_
(F −k)
T
c
_
=
X
1
T
c
_

k
δ
_
(F −k)
T
c

1
T
_
+

k
δ
_
(F −k)
T
c
+
1
T
__
.
Ponendo T =
3T
c
2
otteniamo
Y (F) =
X
1
T
c
_

k
δ
_
(F −k −2/3)
T
c
_
+

k
δ
_
(F −k + 2/3)
T
c
__
(2)
= X
1
_

k
δ(F −k −2/3) +

k
δ(F −k + 2/3)
_
.
Nell’intervallo base F = (−1/2, 1/2] ci sono due impulsi centrati in F =
1/3 e F = −1/3 di area X
1
= 1/π.
In generale, dato un segnale y(t) di periodo T
0
, il segnale campionato y[n]
con passo T
c
´e periodico di periodo N
0
se e solo se y[n] = y[n −N
0
].
Questa condizione ´e verificata se
N
0
T
c
= MT
0
,
cio´e se dopo N
0
T
c
secondi il segnale continuo y(t) ha compiuto un numero
intero di periodi T
0
.
La condizione necessaria e sufficiente per la periodicita’ del segnale campiona-
to ´e, dunque, che il rapporto T
c
/T
0
sia un numero razionale T
c
/T
0
= M/N
0
,
e, in questo caso, il periodo del segnale campionato coincide con il denomi-
natore della frazione N
0
.
Nel nostro caso numerico
T
c
/T
0
= 2/3,
dunque y[n] e’ periodico con periodo N
0
= 3.
1
F = fT
c
2
δ(af) =
δ(f)
|a|
; l’operazione di scalatura nel tempo agisce cio´e modificando l’area
dell’impulso, per analogia con i segnali a durata finita.
44
Y(f)
1
Τ π
c
1
2T
1
2T
-
1
3
-
1
3
1
2
1
2
-
2
3
-
2
3
1
π
Intervallo base
F
f
Y(F)
T
1
-
T
1
1 −1
45
1.4.2 Esercizio 32
Un segnale x(t) reale di banda B subisce in parallelo due campionamenti
con lo stesso periodo di campionamento T = 1/B, sfasati tra loro di mezzo
periodo. I segnali campionati x
c1
e x
c2
vengono filtrati con un filtro H(f)
passa basso ideale di banda B e poi sommati.
Si determini l’uscita y(t) di un tal sistema.
N.B: s
1
(t) =


k=−∞
δ(t −kT) , s
2
(t) =


k=−∞
δ(t −kT −T/2).
X
X
+
x
c1
(t)
x
c2
(t)
H(f)
H(f)
y(t) x(t)
s
s (t)
(t)
1
2
x
1
x
2
(t)
(t)
Soluzione
In frequenza:
X
c1
(f) = X(f) ⊗S
1
(f),
X
c2
(f) = X(f) ⊗S
2
(f).
Con
S
1
(f) = B

k=−∞
δ(f −kB)
e
46
S
2
(f) = B

k=−∞
δ(f −kB)e
−j2πf
1
2B
= B

k=−∞
δ(f −kB)e
−jπk
= B
_
_

k
pari
=−∞
δ(f −kB) −

k
dispari
=−∞
δ(f −kB)
_
_
.
Inoltre:
X
c
1
(f) = B

k
X(f −kB)
e
X
c
2
(f) = B

k
pari
X(f −kB) −B

k
dispari
X(f −kB);
quindi:
X
1
(f) = BX(f)
e
X
2
(f) = BX(f).
Infine:
Y (f) = X
1
(f) +X
2
(f) = 2BX(f),
cio`e
y(t) = 2Bx(t).
Nel tempo:
H(f) ←→h(t) = 2B
sen(πt2B)
πt2B
;
quindi:
y(t) = x(t)s
1
(t) ⊗h(t) +x(t)s
2
(t) ⊗h(t)
= x(t)[s
1
(t) +s
2
(t)] ⊗h(t),
ove `e:
s(t) = s
1
(t) +s
2
(t) =

k=−∞
δ
_
t −
k
2B
_
,
treno di impulsi di periodo 1/2B. Dunque x(t) viene campionato con fre-
quenza di campionamento 2B, due volte la banda del segnale (`e soddisfatto il
teorema del campionamento) e poi filtrato con un filtro passa-basso di banda
B (e guadagno unitario):
y(t) = 2Bx(t).
47
1.4.3 Esercizio 33
Si consideri il segnale periodico
x(t) =

i=−∞
Asinc
2
_
2B
_
t −
i
B
__
.
Determinare il periodo e lo sviluppo in serie di Fourier di x(t). Determinare
inoltre la potenza della continua, della fondamentale ed il rapporto tra le due
potenze in dB.
Il segnale x(t) viene campionato a frequenza 3B/2, poi convertito in ana-
logico e filtrato. La cascata formata dal convertitore digitale/analogico e dal
filtro si comporta come un passa-basso ideale con frequenza di taglio pari a
3B/4. Determinare il segnale presente dopo l’ interpolatore.
Soluzione
Il periodo di x(t) `e 1/B. Lo sviluppo in serie si ottiene dal campionamento
in frequenza con passo B. Si applica pertanto la formula:

i=−∞
y
_
t −
i
B
_
= F
−1
[B

i=−∞
Y (iB)δ(f −iB)],
con
Y (f) = F[Asinc
2
(2Bt)] =
A
2B
_
1 −
|f|
2B
_
rect
_
f
4B
_
.
Sono presenti i soli termini a frequenza 0 e B:
x(t) =
A
2
+
A
2
cos(2πBt).
Dal precedente sviluppo si ha immediatamente:
S
x
(f) =
_
A
2
_
2
δ(f) +
_
A
4
_
2
(δ(f −B) +δ(f +B)) .
La potenza della continua `e A
2
/4, quella della fondamentale invece A
2
/8,
il rapporto tra le due `e 3 dB. Nel campionare si crea aliasing, in partico-
lare appare una cosinusoide a frequenza B/2 di ampiezza A/2 (si omette
una costante dovuta al campionamento, che viene recuperata nella succes-
siva elaborazione). La conversione ed il successivo filtraggio oscurano tutto
eccetto la continua e la detta cosinusoide. Il segnale ricostruito `e pertanto
x
r
(t) =
A
2
+
A
2
cos(πBt).
48
1.4.4 Esercizio 34
Si consideri il segnale:
x(t) = Acos
3
(2πf
0
t +φ).
1) Determinare lo sviluppo in serie di Fourier di x(t).
2) Determinare la minima frequenza di campionamento necessaria per poter
sperare di ricostruire il segnale dai suoi campioni.
Si consideri il campionamento ad una frequenza f
c
superiore a quella minima
appena determinata e si immagini di ricostruire il segnale tramite un con-
vertitore digitale-analogico che, quando riceve in ingresso l’ impulso unitario
discreto, presenta all’ uscita la forma d’ onda p(t) = e
−αt
u(t), α > 0. Il
segnale convertito viene filtrato tramite un filtro la cui funzione di trasferi-
mento `e H(f).
3) Determinare quali condizioni devono essere soddisfatte da H(f) per avere
la perfetta ricostruzione del segnale x(t).
Soluzione
Eseguendo il cubo si ottiene:
x(t) =
3A
4
cos(2πf
0
t +φ) +
A
4
cos(6πf
0
t + 3φ),
che `e lo sviluppo richiesto al punto 1.
La frequenza minima di campionamento `e pari al doppio della massima fre-
quenza contenuta in x(t), cio`e (quesito 2):
f
c
> 6f
0
.
Dalle tavole delle trasformate, la funzione di trasferimento del convertitore
`e:
P(f) = (α +j2πf)
−1
.
Le condizioni su H(f) sono:
H(±f
0
) = P
−1
(±f
0
),
per riprodurre la sinusoide a frequenza f
0
,
H(±3f
0
) = P
−1
(±3f
0
),
49
per riprodurre la sinusoide a frequenza 3f
0
,
H(f) = 0, f = Kf
c
±f
0
, f = Kf
c
±3f
0
, K = 0,
per oscurare le sinusoidi relative agli intervalli diversi da quello fondamentale.
Qualsiasi H(f) per le altre frequenze, dove il segnale X(f) `e nullo.
50
1.4.5 Esercizio 35
Si consideri la sequenza x[n] ottenuta dal campionamento a frequenza 2B di
x(t) =
3A
4
sen(πBt) −
A
4
sen(3πBt).
Si indichi l’intervallo fondamentale e si rappresenti graficamente lo spettro
di Fourier del segnale campionato in detto intervallo.
Si consideri ora la sequenza y[n] ottenuta dal sovracampionamento di x[n] di
un fattore 2 e si rappresenti di nuovo lo spettro di Fourier di y[n] nell’inter-
vallo fondamentale.
Si converta ora y[n] in analogico, considerando un filtro di ricostruzione che
mantiene il valore del campione fino all’arrivo del campione successivo, se-
guito da un passa basso ideale di banda 2B. Si determini il segnale all’uscita
del passabasso.
Soluzione
Lo spettro di Fourier X(f) del segnale analogico x(t) ´e il seguente:
f
3B/2
-B/2
B/2 -3B/2
X(f) Im{ }
-3A/8
A/8
-A/8
3A/8
Lo spettro X(f) della sequenza x[n] ottenuta dal campionamento di x(t)
´e mostrato nella figura a pagina seguente.
L’intervallo fondamentale va da −B a B ed ´e presente la sola parte
immaginaria dello spettro di Fourier, che ´e costituito da due impulsi:
X(f) = jAB
_
−δ
_
f −
B
2
_

_
f +
B
2
__
, −B ≤ f ≤ B.
51
X(f)
f
Intervallo fondamentale
-B/2
B/2 -3B/2
3B/2
5B/2
-5B/2
-jBA
jBA
-2B 2B -4B 4B
Intervallo fondamentale
Y(f)
f
B/2
-B/2
Sovracampionando, l’intervallo fondamentale raddoppia e raddoppiano pure
le ampiezze:
Y (f) = j2AB
_
−δ
_
f −
B
2
_

_
f +
B
2
__
, −2B ≤ f ≤ 2B.
La risposta all’impulso del filtro di ricostruzione ´e
p(t) = rect
_
4B
_
t −
1
8B
__
,
ove si ´e tenuto conto di un ritardo di 1/8B. La sua trasformata ´e
P(f) =
1
4B
sinc
_
f
4B
_
e
−j
πf
4B
.
Il passa-basso lascia passare solo la sinusoide a frequenza B/2, attenuata e
ritardata dal mantenitore:
x
r
(t) = Asinc
_
1
8
_
sin
_
πB
_
t −
1
8B
__
.
52
1.4.6 Esercizio 36
Il segnale
x(t) = A

i=−∞
(−1)
i
rect(
t −iT −T/2
T
)
viene filtrato attraverso un passa basso ideale di banda 3/T. Indicare il
periodo e rappresentare graficamente lo spettro di Fourier del segnale y(t)
all’ uscita del passa basso. Il segnale all’ uscita del passa basso e’ campi-
onato a frequenza 5/T. Indicare l’ intervallo fondamentale, e rappresentare
graficamente lo spettro di Fourier del segnale campionato su tre intervalli
fondamentali. La sequenza viene poi sovracampionata di un fattore due e
convertita in analogico, e la cascata del convertitore e del successivo passa
basso e’ modellata come un passa basso ideale di banda 4/T. Rappresentare
graficamente lo spettro di Fourier del segnale analogico all’ uscita del passa-
basso.
0 T 2T
A
t
x(t)
Soluzione
Il segnale x(t) e’ una onda quadra dispari, di periodo T
0
= 2T ed ´e
53
mostrata in figura. Il k-esimo coefficiente dello sviluppo in serie ´e dato da
X
k
= 0, k pari, X
k
=
2A
jπk
, k dispari.
Il passa basso oscura tutte le componenti a frequenza maggiore di 6f
0
, f
0
=
1/T
0
, lasciando le rimanenti componenti inalterate. Lo spettro di Fourier all’
uscita del passa basso e’ composto dunque dalla sola parte immaginaria, e
dalle sole sinusoidi a frequenza f
0
, 3f
0
, 5f
0
come mostrato in figura.
Nel campionamento a frequenza 5/T = 10f
0
si ha aliasing, in particolore la
sinusoide a frequenza 5f
0
viene cancellata. Dunque nell’ intervallo fonda-
mentale, da −5f
0
a 5f
0
, compaiono le sole sinusoidi a frequenza f
0
e 3f
0
, che
vengono replicate negli intervalli successivi a passo 10f
0
. Il sovracampiona-
mento cancella le repliche intorno a 10f
0
, 30f
0
, etc. Quindi nella successi-
va conversione le sinusoidi non oscurate dal passa basso sono solo quelle a
frequenza f
0
e 3f
0
, che passano inalterate.
54
Im[Y ]
k
3f
-f
f
-3f
0 0
0 0
f
-f -3f
f
3f
0 0
0
0
-10f
0
10f
0
Im[X ]
k
f
f 3f 5f 7f
-7f -5f -3f
0 0 0
0
0 0 0 0
-2A/3
-2A/5
-2A/
2A/
2A/3
2A/5π
π
π
π
π
π
k
Im[X ]
f
-5f
5f
0
0
-15f
0
15f
0
f
Intervallo fondamentale
55
1.4.7 Esercizio 37
Si consideri la sequenza costituita dai campioni
x[k] = x(kT
c
+τ)
ottenuti dal campionamento a passo T
c
= 1/2f
0
della sinusoide
x(t) = sin(2πf
0
t +φ).
Si disegni lo spettro di Fourier della sequenza.
Soluzione
Se
x(t) = sin(2πf
0
t +φ),
allora
x[k] = sin(2πf
0
kT
c
+2πf
0
τ +φ) = sin(2πf
0
kT
c
+β) = cos(2πf
0
kT
c
+β−π/2),
con β = 2πf
0
τ +φ.
La trasformata di x[k], X(f), si ottiene ripetendo in frequenza, con passo
f
c
= 2f
0
, la trasformata X(f) della cosinusoide con frequenza f
0
e fase
(β −π/2),
X(f) =
1
2
e
j(β−π/2)
δ(f −f
0
) +
1
2
e
−j(β−π/2)
δ(f +f
0
).
Gli impulsi contenuti nelle repliche degli spettri si combinano vettorialmente
nelle frequenze f
0
+ 2nf
0
, e la trasformata X(f) (vedi figura nella pagina
successiva) risulta
X(f) = f
c

n
X(f −nf
c
) = 2f
0

n
sin(β)δ(f −f
0
−n2f
0
).
Analogamente, nella frequenza normalizzata,
X(F) =

n
sin(β)δ(F −1/2 −n).
56
fo
3fo
−fo −3fo
2fo sin β
f
57
1.4.8 Esercizio 38 (solo testo)
Il segnale
y(t) = cos(
3πf
0
t
2
) −
1
4
cos(
5πf
0
t
2
)
e’ campionato a frequenza 2f
0
. Determinare lo spettro di Fourier del segnale
campionato e disegnarlo.
58
1.5 Segnali e sistemi a tempo discreto
1.5.1 Esercizio 39
Dato il segnale periodico
s(t) =
1
2
+
2

k=−2
|k|e
−jπ
k
5
t
,
il segnale discreto s[n] `e ottenuto campionando idealmente s(t) con passo
T
c
= T/5, detto T il periodo fondamentale di s(t).
Determinare la trasformata di Fourier S(f) del segnale continuo s(t) e la
trasformata di Fourier S(F) del segnale discreto s[n].
Il segnale s[n] `e periodico? Se si, determinare il periodo.
Determinare il segnale y[n] ottenuto filtrando s[n] con un filtro discreto H(F)
con caratteristica di ampiezza triangolare tra F = −0.25 e F = 0.25 e
caratteristica di fase lineare:
H(F) =
_
_
1 −
|F|
0.25
_
e
−j2πF
per |F| ≤ 0.25
0 altrove.
Soluzione
Il segnale s(t) `e gi` a scritto in serie di Fourier (forma esponenziale), perci` o
la sua trasformata di Fourier `e la somma di 5 impulsi centrati in
f = 0Hz, f = ±0.1Hz, f = ±0.2Hz
con ampiezza rispettivamente 0.5, 1 e 2. Il periodo fondamentale di s(t) `e
T = 10sec.
La trasformata di Fourier S(F), periodica di periodo unitario, nell’intervallo
base [0, 1) `e simmetrica rispetto a F = 1/2, perch`e `e la trasformata di segnale
reale e pari , ed `e costituita da 5 impulsi in
F = 0, F = 0.2, F = 0.4, F = 0.6, F = 0.8,
con ampiezza rispettivamente 0.5, 1, 2, 2, 1.
3
Il segnale
s[n] = 0.5 + 2cos[2π0.2n] + 4cos[2π0.4n]
3
Ricorda: nella conversione della frequenza f[cicli/secondo] a quella normalizzata F =
fT
c
[cicli/campione] per la propriet`a δ(
F
T
c
) = T
c
δ(F), le ampiezze di eventuali impulsi
ideali vengono moltiplicate per T
c
59
`e periodico di periodo N = 5, infatti s[n] = s[n −N].
Si ha infine
y[n] = 0.5H(0) +|H(0.2)| · 2 · cos[2π0.2n +

H(0.2)]
= 0.5 + 0.4cos[2π0.2(n −1)],
in cui risulta |H(0.2)| = 0.2 e

H(0.2) = −0.4π.
60
1.5.2 Esercizio 40
Con riferimento allo schema in figura,
y[n]
A/D H(F)
cos(0.8 n) π
x[n]
a
x (t) v[n]
dato il segnale reale analogico passabanda
x
a
(t) = s
a
(t)cos(1600πt),
dove s
a
ha trasformata di Fourier
S
a
(f) = cos
_

f
400
_
rect
_
f
200
_
,
determinare la trasformata di Fourier X(F) del segnale discreto x[n] ottenuto
campionando x
a
(t) con passo di campionamento T
c
= 0.5ms e la trasformata
di Fourier V (F) del segnale v[n] = x[n]cos(0.8πn).
Se, nell’intervallo fondamentale, ´e
H(F) =
_
2 per |F| ≤ 0.05
0 per |F| > 0.05 ,
mostrare che la trasformata di Fourier Y (F) del segnale y[n] in uscita al filtro
´e uguale a S(F), trasformata di Fourier del segnale discreto s[n], ottenuto
campionando con passo T
c
il segnale analogico s
a
(t).
Calcolare l’energia di s[n].
Soluzione
Per la propriet´ a di modulazione si ottiene:
X
a
(f) =
1
2
S
a
(f −800) +
1
2
S
a
(f + 800)
=
1
2
_
cos
_

f −800
400
_
rect
_
f −800
200
_
+
+cos
_

f + 800
400
_
rect
_
f + 800
200
_
_
.
61
La trasformata di Fourier del segnale campionato vale:
X(f) = f
c
+∞

k=−∞
X
a
(f −kf
c
) periodico di periodo f
c
=
1
0.5ms
= 2000Hz.
La trasformata di Fourier della sequenza x[n], nella variabile normalizzata
F, vale:
X(F) = f
c
+∞

k=−∞
X
a
((F −k)f
c
) che per −0.5 ≤ F ≤ 0.5
1
vale :
=
f
c
2
cos
_

F −0.4
0.2
_
rect
_
F −0.4
0.1
_
+
+
f
c
2
cos
_

F + 0.4
0.2
_
rect
_
F + 0.4
0.1
_
.
Per calcolare la trasformata di v[n] si applica la propriet` a della modulazione
e si ottiene:
V (F) =
1
2
(X(F −0.4) +X(F + 0.4)) che nell’intervallo fondamentale
=
f
c
2
cos
_

F
0.2
_
rect
_
F
0.1
_
+
f
c
4
cos
_

F + 0.2
0.2
_
rect
_
F + 0.2
0.1
_
+
+
f
c
4
cos
_

F −0.2
0.2
_
rect
_
F −0.2
0.1
_
;
La trasformata di Fourier del segnale y[n] vale:
Y (F) = V (F)H(F) che nell’intervallo fondamentale
= f
c
cos(2π
F
0.2
)rect
_

F
0.1
_
.
La trasformata di Fourier del segnale campionato s
a
(nT
c
) vale
S(f) = f
c

k=−∞
S
a
(f −kf
c
).
La trasformata di Fourier della sequenza s[n] vale:
S(F) = f
c

k=−∞
S
a
((F −k)f
c
)
= f
c

k=∞
cos
_
F −k
0.2
_
rect
_
F −k
0.1
_
= Y (F).
1
che ´e l’intervallo fondamentale
62
Perci` o s[n] = y[n].
L’energia del segnale s[n] ´e
E
s[n]
=

k=∞
|s[k]|
2
=
_
0.5
−0.5
|S(F)|
2
dF
=
f
c
2
2
0.1
= 200000.
63
1.5.3 Esercizio 41
Determinare la trasformata discreta di Fourier su N punti (N −DFT) della
sequenza
x[n] =
_
cos
_

n
N
__
2
rect
N
[n]
con
rect
N
[n] =
_
1 per 0 ≤ n ≤ N −1
0 altrove
Soluzione
Dall’interpretazione della DFT come finestratura della serie di Fourier
della sequenza ripetuta :
x[n] →x
p
[n] =

l=−∞
x[n −lN] = y[n].
Calcolando la DFT di y[n] ottengo Y
k
che poi finestrata con un rettangolo
di N campioni (contati mettendo il primo campione nell’origine
4
) d´ a la DFT
cercata. Nel nostro caso:
x[n] =
_
cos
_

n
N
__
2
rect
N
[n]
=
1
2
rect
N
[n] +
1
2
cos
_

2
N
n
_
rect
N
[n]
= x
1
+x
2
;
x
1
[n] ←→X
1k
= [N/2, 0, 0, · · · , 0
. ¸¸ .
da 0 a N −1
];
x
2
[n] ←→X
2k
= [0, 0, N/4, , 0, 0, · · · , N/4, 0];
sommando i due termini si ottiene
X
k
= X
1k
+X
2k
= [N/2, 0, N/4, 0, 0, · · · , N/4, 0].
Un modo alternativo per calcolare la DFT ´e applicare la definizione e
scrivere la funzione coseno in forma esponenziale
5
:
X
k
=
N−1

n=0
x(n)e
−j2π
k
N
n
=
N−1

n=0
1
2
e
−j2π
k
N
n
+
N−1

n=0
1
4
e
−j2π
k−2
N
n
+
N−1

n=0
1
4
e
−j2π
k+2
N
n
;
4
si ricorda che il rettangolo discreto NON ´e centrato nell’origine ma ´e causale
5
cos
2
(2πn/N) = 1/2 + 1/2
e
j4πn/N
+e
−j4πn/N
2
64
Considerando che
N−1

n=0
e
−j2π
k
N
n
=
_
_
_
N per k = 0, ±N, ±2N, ±3N · · ·
1−e
−j2π
k
N
N
1−e
−j2π
k
N
= 0 per k = 0, ±N, ±2N, ±3N · · ·
si ricava per 0 ≤ k ≤ N −1:
X
k
=
_
¸
_
¸
_
N/2 per k = 0 (la prima sommatoria)
N/4 per k = 2 (la seconda sommatoria)
N/4 per k = (−2)mod(N), cio´e k = N −2 (la terza sommatoria).
In figura ´e mostrato il segnale di partenza e la sua DFT calcolati per
N = 50 campioni.
0 5 10 15 20 25 30 35 40 45 50
0
0.2
0.4
0.6
0.8
1
n
x
(
n
)
0 5 10 15 20 25 30 35 40 45 50
−5
0
5
10
15
20
25
k
X
k
N=50
N=50
65
1.5.4 Esercizio 42
Dato il segnale discreto
x[n] = 8 ·
sen
_
πn
4
_
πn
,
calcolare l’energia del segnale modulato
y[n] = x[n]cos(παn)
al variare del parametro α.
Il sistema `e lineare?
`
E tempo-invariante? Si pu` o caratterizzare con una
risposta all’impulso? Se si, quale?
Soluzione
Si ricorda che la trasformata di Fourier di una segnale discreto `e periodica
nelle frequenze di periodo uno; i calcoli si svolgeranno quindi limitatamente
all’intervallo −1/2 ≤ F ≤ 1/2.
Per il teorema di Parseval l’energia di y[n] si pu` o calcolare come:
E
y[n]
=
_
1/2
−1/2
|Y (F)|
2
dF .
Tenendo conto del fatto che
X(F) = 8 · rect
_
F
1/4
_
,
risulta per la propriet` a di modulazione:
Y (F) = X(F) ⊗
1
2
_
δ
_
F −
α
2
_

_
F +
α
2
__
=
1
2
_
X
_
F −
α
2
_
+X
_
F +
α
2
__
.
Il segnale y[n] `e reale e pari quindi Y (F) `e reale e pari: si pu` o limitare
l’analisi all’intervallo di frequenze 0 ≤ F ≤ 1/2, che corrisponde all’interval-
lo 0 ≤ α/2 ≤ 1/2, cio`e 0 ≤ α ≤ 1. Per qualsiasi valore di α fuori da questo
intervallo valgono i risultati trovati per α modulo 1.
Per α = 0 y[n] = x[n], E
y[n]
= E
x[n]
= 64 ·
1
4
= 16.
66
Per 0 ≤ α/2 ≤ 1/8 e 3/8 ≤ α/2 ≤ 1/2 c’`e sovrapposizione parziale nelle
due repliche dello spettro centrate in +α/2 e −α/2 :
E
y[n]
= 2[(1/8 −α/2)64 + 16α] = 16 −32α;
per 1/8 ≤ α/2 ≤ 3/8 le due repliche non si sovrappongono:
E
y[n]
= 8 = E
x[n]
/2.
Il sistema `e lineare infatti:
(x
1
[n] +x
2
[n]) · cos(παn) = x
1
[n]cos(παn) = x
2
[n]cos(παn),
ma tempo variante per α = ±1, ±2, · · · infatti:
se x[n] →y[n], x[n −m] →x[n −m]cos(παn) = x[n −m]cos(πα(n −m)).
Un sistema lineare ma tempo variante non `e caratterizzabile da una risposta
all’impulso.
Per α = ±1, ±2, · · ·, cos(παn) = 1, perci` o y[n] = x[n], il sistema lineare
tempo invariante `e descritto dalla risposta all’impulso banale h[n] = δ[n].
α/2 α/2
1/8 1/8
α
F
Y(F)
4
-
1
2 8
-
α
67
1.5.5 Esercizio 43
Sia z[n] = x[n] · y[n], ove x[n] e y[n] sono due sequenze limitate di lunghezza
4, di cui si conoscono le rispettive FFT di ordine 4:
X
k
= [1, 0, −1, 0],
Y
k
= [0, 0, 0,
j
2
].
Determinare Z
k
e z[n].
Soluzione
´
E possibile calcolarlo cos´ı:
x[n] · y[n]
4−dft
←→Z
k
=
3

l=0
X
l
· Y
(k−l)
modulo 4
.
´
E possibile calcolare la convoluzione circolare eseguendo le seguenti opera-
zioni:
• calcolare la convoluzione lineare, di lunghezza 7, delle due sequenze X
k
e Y
k
;
• replicare il risultato con periodo 4;
• finestrare la sequenza periodica ottenuta tra k = 0 e k = 3.
Il risultato ´e
Z
k
= [0, −
j
2
, 0,
j
2
].
Per calcolare z[n] applichiamo la definizione di antitrasformata:
z[n] =
3

0
Z
k
e
j2π
k
4
n
=
j
2
_
−e
j
π
2
n
+
j
2
e
j

2
n
_
=
e
j
π
2
n
−e
j

2
n
2j
=
_
sen
_

1
4
n
__
n=0,1,2,3
,
da cui si ottiene
z[n] = [0, 1, 0, −1].
68
1.5.6 Esercizio 44
Un sistema discreto lineare tempo-invariante stabile, con ingresso x[n] e
uscita y[n], `e caratterizzato dalla seguente equazione alle differenze:
y[n] =
1
2
y[n −1] +x[n] −2x[n −1].
Determinare la funzione di trasferimento H(z) e la risposta all’impulso h[n]
del sistema.
La sequenza h[n] `e a fase minima? Se non lo `e determinare la corrispon-
dente sequenza a fase minima.
Soluzione
Passando alla trasformata zeta:
Y (z) =
1
2
Y (z)z
−1
+X(z) −2X(z)z
−1
,
quindi
H(z) =
Y (z)
X(z)
=
1 −2z
−1
1 −
1
2
z
−1
= (1 −2z
−1
) ·
1
1 −
1
2
z
−1
.
Antitrasformando otteniamo:
h[n] =
_
δ[n] −2δ[n −1]
_

__
1
2
_
n
sca(n)
_
=
_
1
2
_
n
sca(n) −2
_
1
2
_
n−1
sca(n −1);
N.B.: la risposta all’impulso h[n] risulta causale perch`e il sistema `e stabile e
la funzione di trasferimento H(z) presenta un polo interno al cerchio unitario.
La sequenza h[n] non `e a fase minima, perch`e lo zero `e esterno al cerchio di
raggio unitario ( e il sistema `e causale). La sequenza corrispondente a fase
minima h
mp
[n] si ottiene spostando lo zero in posizione reciproca complessa
coniugata:
H
mp
= (1 −
1
2
z
−1
) ·
1
1 −
1
2
z
−1
= 1
che ha come antitrasformata:
h
mp
[n] = δ[n].
69
1.5.7 Esercizio 45
In un sistema discreto lineare tempo-invariante il segnale in ingresso x[n] con
trasformata di Fourier tempo-discreta
X(F) = sen(2πF)
viene trasformato nel segnale y[n] con trasformata di Fourier tempo-discreta
Y (F) = |sen(2πF)|.
a) Determinare la risposta in frequenza H(F), la risposta all’impulso h[n] e
l’energia del sistema.
b) Determinare il segnale x[n] ed i valori y[0], y[1] e y[2].
Soluzione
Possiamo scrivere:
H(F) =
Y (F)
X(F)
= 2

k=−∞
rect
_
F −0.25 −k
0.5
_
−1;
antitrasformando
h[n] = sinc
_
n
2
_
e
j2π
n
4
−δ[n]
= sinc
_
n
2
_
e
j
π
2
n
−δ[n].
L’energia del sistema si ricava utilizzando l’uguaglianza di Parseval:
E
n
=
_
1
0
|H(F)|
2
dF = 1.
X(F) = sen(2πF) ←→x[n] =
j
2
δ[n −1] −
j
2
δ[n + 1]
(questa relazione si ricava dalla propriet´ a di dualit´ a applicata alla coppia
trasformata-antitrasformata).
sen(2πf
0
t) ←→
j
2
δ(f −f
0
) −
j
2
δ(f −f
0
).
70
Il segnale
y[n] =

m=−∞
x[m]h[n −m]
= x[1]h[n −1] +x[−1]h[n + 1]
=
j
2
h[n −1] −
j
2
h[n + 1]
negli istanti n = 0, n = 1, n = 2 vale
y[0] =
j
2
(−j)sinc
_

1
2
_

j
2
jsinc
_

1
2
_
= sinc
_
1
2
_
=
2
π
;
y[1] = 0;
y[2] =
j
2
jsinc
_
1
2
_

j
2
(−j)sinc
_
3
2
_
= −
1
2
sinc
_
1
2
_

1
2
sinc
_
3
2
_
= −
1
π
+
1

= −
2

.
71
1.6 Vero o falso
1.6.1 Esercizio 46
Date le seguenti affermazioni stabilire se sono vere o false, giustificando la
risposta:
• Un segnale periodico reale e pari `e rappresentabile come somma di sole
funzioni coseno a
k
cos(2πf
k
t).
• Date due sequenze x
1
e x
2
di lunghezza n
1
= 10 ed n
2
= 12, la loro
convoluzione circolare ottenuta utilizzando la FFT (e FFT inversa) su
16 punti coincide con la convoluzione lineare.
• Il sistema lineare tempo-invariante stabile con funzione di trasferimento
H(z) =
2
1 −2z
−1
ha risposta all’impulso causale e il suo sistema inverso `e a fase minima.
Soluzione
• Vero: se T `e il periodo del segnale periodico x(t), allora (serie di
Fourier)
x(t) =

k=−∞
c
k
e
−j2π
k
T
t
;
se inoltre x(t) `e reale e pari, allora i c
k
sono reali e pari (cio`e c
k
= c
−k
):
x(t) = c
0
+
−1

k=−∞
c
k
e
−j2π
k
T
t
+

k=1
c
k
e
−j2π
k
T
t
=

k=1
c
k
e
j2π
k
T
t
+

k=1
c
k
e
−j2π
k
T
t
= c
0
+

k=1
2c
k
cos
_

k
T
t
_
=

k=0
a
k
cos(2πf
k
t) con a
0
= c
0
; a
k
= 2c
k
, k = 0 ; f
k
= k/T.
• Falso: la convoluzione circolare di due sequenze x
1
(di lunghezza n
1
)
e x
2
(di lunghezza n
2
) coincide con la convoluzione lineare solo se si
utilizza l’FFT ( e l’ FFT inversa) su almeno n
1
+n
2
−1 campioni. In
questo caso n
1
+n
2
−1 = 21 > 16.
72
• Falso: Il sistema ha uno zero in z = 0 e un polo in z = 2. Perch`e
il sistema sia stabile, la regione di convergenza dovrebbe contenere la
circonferenza unitaria: poich`e il polo `e esterno alla circonferenza la
sequenza antitrasformata convergente, che corrisponde alla regione di
convergenza |z| < 2, sar` a anticausale (h[n] = −2
n
sca[−n − 1]). Il
sistema inverso ha un polo in z = 0 e uno zero in z = 2: il sistema non
`e a fase minima perch`e lo zero `e esterno al cerchio unitario (la risposta
all’impulso vale h
inv
[n] = 1/2δ[n] −δ[n −1]).
73
Capitolo 2
Segnali aleatori
74
2.1 Probabilit´a
2.1.1 Esercizio 47
Si consideri la coppia di variabili aleatorie (a
1
, a
2
), ognuna delle quali assume
i valori 0, A con probabilit´ a P(0) = 1/4, P(A) = 3/4. Il coefficiente di cor-
relazione tra le due vale 0.5. Si determini la probabilit´ a congiunta.
Soluzione
Il valor medio delle due variabili ´e η
1
= η
2
= 3A/4, il valore quadratico
medio ´e 3A
2
/4, e la varianza di ognuna risulta pari a 3A
2
/16, il coefficiente
di correlazione ´e
ρ =
E{(a
1
−η
1
)(a
2
−η
2
)}
σ
1
σ
2
= 0.5.
Si ricava facilmente
E{a
1
a
2
} =
21A
2
32
.
Applicando la definizione di valore atteso si ottiene
E{a
1
, a
2
} =

a
1
∈{0,A}

a
2
∈{0,A}
a
1
a
2
P
1,2
(a
1
, a
2
) = A
2
P
1,2
(A, A),
cio´e P
1,2
(A, A) = 21/32. Saturando rispetto ad a
2
si ha
P
1,2
(A, 0) +P
1,2
(A, A) = P
1
(A) =
3
4
,
dalla quale si ricava P
1,2
(A, 0) = 3/32. Con procedimento simile si ricava
P
1,2
(0, A) = 3/32 ed imponendo ancora
P
1,2
(0, A) +P
1,2
(0, 0) =
1
4
(oppure imponendo che la congiunta sommi ad 1), si ottiene
P
1,2
(0, 0) =
5
32
.
75
2.1.2 Esercizio 48
Le variabili aleatorie a e b sono Gaussiane a media unitaria e varianza uni-
taria, ed hanno coefficiente di correlazione 0.5. Determinare la densita’ di
probabilita’ di c = a +b.
Soluzione
La somma di variabili Gaussiane e’ Gaussiana, dobbiamo dunque deter-
minare valor medio e varianza di c. Per il valor medio si ha:
E{c} = E{a +b} = E{a} +E{b} = 2.
Per la varianza si ha :
σ
2
c
= E{c
2
} −E
2
{c}.
Il secondo termine e’ gia’ stato determinato, per il primo si ha:
E{c
2
} = E{(a +b)
2
} = E{a
2
} +E{b
2
} +E{2ab}.
Dai dati si ottiene facilmente:
E{a
2
} = E{b
2
} = 2,
E{ab} = 1.5,
che sostituite nella precedente danno
E{c
2
} = 7.
Si ottiene pertanto
σ
2
c
= 3.
76
2.2 Processi parametrici
2.2.1 Esercizio 49
´
E dato il processo aleatorio
X(t) = Acos(2πf
0
t) −Bsin(2πf
0
t)
ove A e B sono due variabili aleatorie indipendenti Gaussiane a valor medio
nullo e varianza σ
2
A
= σ
2
B
= σ
2
= 4. Questo processo ´e l’ingresso dei due
SLS in figura aventi le risposte in frequenza indicate. Ricavare la densit´ a di
probabilit´ a del primo ordine f
Y
(y; t) del processo Y (t) nei due casi.
2f
f /2
0
0
Y(t)
Y(t)
X(t)
X(t)
H (f)
H (f)
1
2
f
f
1
1
Soluzione
1) Per ogni realizzazione x
r
(t), scelto A e B, ´e possibile calcolarne la
trasformata di Fourier in quanto x
r
(t) ´e periodico.
x
r
(t) ←→X
r
(f) =
A
2
[δ(f −f
0
) +δ(f +f
0
)] −
Bj
2
[δ(f +f
0
) −δ(f −f
0
)]
Y
r
(f) = X
r
(f)H
1
(f) = 0.
Poich´e vale per ogni realizzazione il processo in uscita risulta essere identi-
camente nullo:
Y (t) = 0.
2) Per ogni realizzazione x
r
(t) in ingresso, il processo in uscita vale
77
y
r
(t) =
1
2
x
r
(t)
in quanto H
2
(f
0
) = 1/2. In uscita abbiamo dunque
Y (t) =
1
2
X(t),
e dunque
f
Y
(Y ) = 2f
X
(2Y ).
In particolare il processo Y (t) ha densita’ di probabilita’ con la stessa forma
della della densita’ di X(t), con valor medio η
Y
= 2 η
X
, e varianza σ
2
Y
=
σ
2
X
/4.
Dato il processo
X(t) = X
1
(t) +X
2
(t),
con
X
1
(t) = Acos(2πf
0
t); X
2
(t) = −Bsin(2πf
0
t),
e
f(A) =
1

2πσ
e

A
2

2
,
f(B) =
1

2πσ
e

B
2

2
,
poich´e X
1
e X
2
sono Gaussiani indipendenti (A e B sono indipendenti), X(t)
´e un processo Gaussiano con media η
X
pari alla somma delle medie e varianza
σ
2
X
pari alla somma delle varianze.
In particolare
f(X
1
) = f(Acos(2πf
0
t)) =
1
cos(2πf
0
t)
1

2πσ
e

A
2

2
cos
2
(2πf
0
t)
,
Gaussiana con media η
X
1
nulla e varianza σ
2
X
1
= σ
2
cos
2
(2πf
0
t).
f(X
2
) = f(−Bsin(2πf
0
t)) =
1
sin(2πf
0
t)
1

2πσ
e

B
2

2
cos
2
(2πf
0
t)
,
Gaussiana con media η
X
2
nulla e varianza σ
2
X
2
= σ
2
sin
2
(2πf
0
t).
La densita’ di probabilita’ di X(t) vale dunque
f(X = X
1
+X
2
) =
1

2πσ
X
e

(X−η
X
)
2

2
X
,
78
con
η
X
= η
X
1

X
2
= 0,
σ
2
X
= σ
2
X
1

2
X
2
= σ
2
(cos
2
(2πf
0
t) +sin
2
(2πf
0
t))
= 4,
e la densita’ di proabilita’ di Y (t) =
1
2
X(t) varra’
f(Y ) =
1

2πσ
Y
e

(Y −η
Y
)
2

2
Y
,
con media nulla e varianza
σ
2
Y
=
1
4
σ
2
X
= 1.
79
2.2.2 Esercizio 50
Dato un processo casuale stazionario X(t) = A + cos(2πt + φ) dove A e φ
variano da realizzazione a realizzazione, con distribuzione uniforme negli in-
tervalli 1 ≤ A ≤ 3 e −π ≤ φ ≤ π:
a) rappresentare graficamente due realizzazioni diverse del processo per due
coppie di valori (A
1
, φ
1
) e (A
2
, φ
2
) scelte fra i valori possibili. Determinare le
corrispondenti medie temporali e le funzioni di autocorrelazione temporali.
Il processo ´e ergodico?
b) Determinare il valor medio (d’insieme) e la densit´ a spettrale di potenza
del processo.
c) Determinare la potenza del processo Y (t) ottenuto filtrando il processo
X(t) con un filtro con risposta in frequenza H(f) =
1
(1+j2πf)
.
(Si ricorda che: cos(a)cos(b) =
1
2
cos(a +b) +
1
2
cos(a −b))
Soluzione
a) Una qualsiasi realizzazione del processo ´e rappresentabile come la som-
ma di una costante A e di una funzione coseno con periodo T = 1 sec e fase
iniziale φ.
Le due realizzazioni X
1
e X
2
mostrate in figura sono state ottenute con i
valori seguenti:
X
1
: A
1
= 2, φ
1
= π/2; X
2
: A
2
= 1, φ
2
= 0.
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
1
1.2
1.4
1.6
1.8
2
2.2
2.4
2.6
2.8
3
t [s]
x
1
(
t
)
80
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
t [s]
x
2
(
t
)
Fissato A
1
e φ
1
:
< X
1
(t) > = lim
α→∞
1
α
_
α/2
−α/2
X
1
(t)dt
(1)
=
1
T
_
T/2
−T/2
X
1
(t)dt
= A
1
.
< X
1
(t)X
1
(t −τ) > =
1
T
_
T
0
(A
1
+cos(2π(t −τ) +φ
1
))(A
1
+cos(2πt +φ
1
))dt
(2)
= A
2
1
+
1
T
_
T
0
cos(2π(t −τ) +φ
1
)cos(2πt +φ
1
)dt
= A
2
1
+
1
2T
_
T
0
cos(2πτ)dt +
1
2T
_
T
0
cos(2π(2t −τ) +φ
1
)dt
= A
2
1
+
1
2
cos(2πτ).
Il processo non ´e ergodico perch´e le medie temporali e le funzioni di
autocorrelazione temporali variano da realizzazione a realizzazione.
b)
E
X
{X(t)} = E
A,φ
{A +cos(2πt +φ)}
1
poich´e il processo X(t) ´e periodico di periodo T
2
poich´e
_
T
0
A
1
cos(2πt + φ
1
)dt =
_
T
0
A
1
cos(2π(t − τ) + φ
1
)dt = 0
81
= E{A} +
_
π
−π
1

cos(2πt +φ)dφ
= E{A} = 2.
R
X
(τ) = E
X
{X(t)X(t −τ)}
= E
A,φ
{(A +cos(2πt +φ))(A +cos(2π(t −τ) +φ))}
(3)
= E
A
{A
2
} +E
φ
{cos(2πt +φ)cos(2π(t −τ) +φ)}
= E{A
2
} +E
φ
_
1
2
cos(2πτ) +
1
2
cos(2π(2t −τ) + 2φ)
_
=
_
3
1
1
2
A
2
dA +
1
2
cos(2πτ)
=
13
3
+
1
2
cos(2πτ).
Poich´e S
X
(f) ´e la trasformata di Fourier di R
X
(τ), dalla precedente ottenia-
mo
S
X
(f) =
13
3
δ(f) +
1
4
δ(f −1) +
1
4
δ(f + 1).
c) La densit´ a spettrale del processo Y (t) ´e data da
S
Y
(f) = S
X
(f)|H(f)|
2
= S
X
(f)
1
1 + 4π
2
f
2
.
La potenza del processo Y (t) si ottiene integrando la sua densit´ a spettrale
di potenza:
P
Y
=
_

−∞
S
Y
(f)df
=
13
3
+
1
2
1
(1 + 4π
2
)
.
3
poich´e E
A,φ
{Acos(2π(t + τ) + φ)} = E
A
{A}E
φ
{cos(2πt + φ)} = 0
82
2.2.3 Esercizio 51
´
E assegnato un segnale determinato periodico p(t) di periodo T
0
. Dire se il
processo aleatorio X(t) = p(t − Θ), con Θ ∈ U(−T
0
/2, T
0
/2), ´e ergodico in
senso lato.
Soluzione
Il processo ´e stazionario ed ergodico nel valor medio, infatti
E{X(t)} = E
Θ
{p(t −Θ)}
=
1
T
0
_
T
0
2

T
0
2
p(t −Θ)dΘ
(1)
=
1
T
0
_
t+
T
0
2
t−
T
0
2
p(s)ds
=
1
T
0
_
T
0
2

T
0
2
p(s)ds
= < X(t) >
Il processo ´e stazionario ed ergodico nell’autocorrelazione:
R
X
(t, t −τ) = E
Θ
{p(t −Θ)p(t −Θ−τ)}
=
1

_
T
0
0
p(t −Θ)p(t −τ −Θ)dΘ
(2)
=
1

_
t+T
0
t
p(s)p(s −τ)ds
= R
p
(τ).
Fissato un valore Θ
i
, cio´e fissata una realizzazione, la sua funzione di auto-
correlazione temporale non dipende da Θ
i
:
< x
Θ
i
(t)x
Θ
i
(t −τ) >=
1
T
0
_
T
0
p(t −Θ
i
)p(t −Θ
i
−τ)dt = R
p
(τ).
In particolare
R
X
(τ) =< X(t)X(t −τ) >,
il processo dunque ´e stazionario ed ergodico in senso lato.
1
Effettuando un cambiamento di variabile:
s = t −Θ, ds = −dΘ, gli estremi diventano t +T
0
/2 e t −T
0
/2, li invertiamo e cambiamo
di segno.
2
Effettuando un cambiamento di variabile: s = t − Θ.
83
2.2.4 Esercizio 52
Il processo casuale stazionario X(t) ´e costituito dalle realizzazioni
X(t) = Acos(2πf
0
t +ϕ),
dove ϕ´e una variabile casuale distribuita uniformemente nell’intervallo [−π, π],
che varia da realizzazione a realizzazione.
Calcolare il valor medio e la funzione di autocorrelazione temporali.
Verificare che il processo sia ergodico nel valor medio e nella funzione di au-
tocorrelazione e determinare la densit´ a spettrale di potenza.
{Si ricorda: cos(a)cos(b) =
1
2
(cos(a +b) +cos(a −b))}.
Soluzione
Ogni realizzazione del processo
X(t) = Acos(2πf
0
t +ϕ),
con
f(ϕ) =
1

rect
_
ϕ

_
,
´e rappresentata da un segnale periodico cosinusoidale con periodo T
0
= 1/f
0
(e fase casuale ϕ).
Valor medio temporale = lim
T→∞
1
T
_
T/2
−T/2
X(t)dt
(1)
=
1
T
0
_
T
0
/2
−T
0
/2
x(t)dt = 0, ∀ϕ.
Autocorrelazione temporale =
1
T
0
_
T
0
/2
−T
0
/2
x(t)x(t −τ)dt
=
A
2
T
0
_
T
0
/2
−T
0
/2
cos(2πf
0
t +ϕ) ·
· cos(2πf
0
(t −τ) +ϕ)dt
=
A
2
2T
0
_
T
0
/2
−T
0
/2
cos(2πf
0
2t −2πf
0
τ +ϕ)dt +
+
a
2
2T
0
_
T
0
/2
−T
0
/2
cos(2πf
0
τ)dt
=
A
2
2
cos(2πf
0
τ), ∀ϕ.
1
poich´e il processo X(t) ´e periodico di periodo T
0
= 1/f
0
.
84
Poich´e valor medio ed autocorrelazione temporale sono uguali per tutte
le realizzazioni il processo ´e ergodico nel valor medio e nella funzione di au-
tocorrelazione.
Per determinare la densit´ a spettrale di potenza del processo, calcoliamo la
funzione di autocorrelazione di insieme. Essa, poich´e il processo ´e ergodico,
coincide con quella temporale gi´ a calcolata, infatti
R
X
(t, t −τ) = E
X
{X(t)X(t −τ)}
= E
ϕ
{A
2
cos(2πf
0
t +ϕ)cos(2πf
0
(t −τ) +ϕ)}
=
A
2
2
E
ϕ
{cos(2πf
0
2t −2πf
0
τ +ϕ)} +
A
2
2
E
ϕ
{cos(2πf
0
τ)}
=
A
2
2
_
π
−π
cos(2πf
0
2t −2πf
0
τ +ϕ)
1

dϕ +
+
A
2
2
_
π
−π
cos(2πf
0
τ)
1


=
A
2
2
cos(2πf
0
τ), ∀t.
Dalla precedente espressione si ricava la densit´ a spettrale di potenza:
S
X
(f) =
A
2
4
[δ(f −f
0
) +δ(f +f
0
)] ,
ovvero tutta la potenza del processo ´e concentrata alla frequenza f
0
.
S (f)
f -f
x
f
A /4
2
0 0
85
2.2.5 Esercizio 53 (solo testo)
Si consideri il processo casuale
Y (t) = cos(
3πf
0
t
2
+φ) −
1
4
cos(
5πf
0
t
2
+ψ),
con φ e ψ variabili aleatorie indipendenti ed uniformemente distribuite in
(0, 2π]. Determinare la densita’ spettrale di potenza del processo. Il processo
e’ campionato a frequenza 2f
0
. Determinare la densita’ spettrale di potenza
del processo campionato e disegnarla.
2.2.6 Esercizio 54 (solo testo)
Si consideri il processo parametrico
X(t) = (A +B)
0.5
,
ove A e B sono variabili aleatorie correlate con coefficiente di correlazione
ρ, entrambe uniformemente distribuite nell’ intervallo (0, α). Determinare la
potenza e la densita’ spettrale di potenza di X(t).
86
2.3 Processi non parametrici
2.3.1 Esercizio 55
Il processo SSL N(t) in figura ´e Gaussiano e ha densit´ a spettrale di poten-
za S
N
(f) = N
0
/2. Determinare la probabilit´ a che la variabile aleatoria X
assuma un valore maggiore di quello della variabile Y . Calcolare inoltre la
correlazione tra le variabili X e Y .
N(t)
X
Y
t=T
t=T
T
T
T/2
1
t
h (t)
h (t)
t
T/2
3
2
1
Soluzione
Siano X(t) e Y (t) le uscite dei filtri h
1
(t) e h
2
(t) rispettivamente; poich´e
N(t) ´e un processo Gaussiano a valor medio nullo, anche X(t) e Y (t) sono
processi Gaussiani a valor medio nullo. Quindi X(T) e Y (T) sono variabili
Gaussiane.
Definiamo inoltre
Z(T) = X(T) −Y (T);
Z(T) ´e Gaussiana a valor medio nullo, quindi
P(X > Y ) = P(Z > 0) =
1
2
.
Calcoliamo ora la correlazione r
XY
tra X e Y :
r
XY
= E{XY } = R
XY
(0),
87
dove si definisce
R
XY
(τ) = E{X(t)Y (t −τ)}.
Nel nostro caso, calcoliamo
R
XY
(τ) = E{
_
α
N(α) h
1
(t −α)dα
_
β
N(β)h
2
(t −τ −β)dβ} =
=
_
α
_
β
R
N
(α −β)h
1
(t −α) h
2
(t −τ −β) dα dβ =
= [s = α −β] =
_
s
R
N
(s)
_
α
h
1
(t −α)h
2
(t −α −τ +s) ds dα =
=
_
s
R
N
(s)R
h
1
h
2
(τ −s) ds = R
N
(τ) ⊗R
h
1
h
2
(τ) =
N
0
2
R
h
1
h
2
(τ).
Poich´e R
h
1
h
2
(0) = 0 le variabili X e Y sono incorrelate.
88
2.3.2 Esercizio 56
Dato il processo casuale X(t) stazionario con valor medio nullo, potenza 10
e densit´ a spettrale di potenza triangolare nella banda −5Hz < f < 5Hz,
determinare T
c
in modo che i campioni X(nT
c
), ottenuti campionando X(t)
con passo T
c
, risultino incorrelati.
Il segnale X(t) entra in un filtro ideale passa-basso con guadagno A e fre-
quenza di taglio f
0
=2.5Hz. Calcolare il valore quadratico medio del segnale
in uscita.
Soluzione
La densit´ a spettrale di potenza del processo casuale X(t) ha l’andamento
mostrato in figura
S
x
-5 5
f [Hz]
B
E{X(t)} = η
X
= 0;
E{(X(t) −η
x
)
2
} = E{X(t)
2
} = 10.
Inoltre
E{X(t)
2
} =
_
+∞
−∞
S
X
(f)df
=
_
+∞
−∞
B
_
1 −
|f|
5
_
rect
_
f
10
_
df
= 5B,
da cui si ricava che B = 2.
La densit´ a spettrale di potenza ha la seguente espressione
S
X
(f) = 2
_
1 −
|f|
5
_
rect
_
f
10
_
;
89
facendone la trasformata di Fourier otteniamo :
R
X
(τ) = 10sinc
2
(5τ).
L’autocovarianza del processo campionato X[n] = X(nT
c
) ´e uguale all’autoco-
varianza C
X
(τ) del processo continuo X(t) campionata
C
X[n]
(m) = C
X
(τ = mT
c
).
Il processo campionato X[n] = X(nT
c
) risulta incorrelato se l’autocovarianza
´e impulsiva, cio´e se C
X[n]
(m) = Aδ(m), per un A qualsiasi.
C
X
(τ) = R
X
(τ) −(η
X
)
2
= R
X
(τ).
Poich´e
R
X
(0) = 10,
R
X
_
τ =
k
5
_
= 0 per k = ±1, ±2, ±3, ...
si ricava
C
X[n]
(m) = 10δ[m]
per un qualsiasi T
c
multiplo di 1/5 sec.
Sia ora Y (t) l’uscita del filtro passa basso con risposta inpulsiva h(t) quando
in ingresso entra il segnale X(t). Il valore quadratico medio dell’uscita ´e dato
da
E{Y
2
(t)} =
_
+∞
−∞
S
Y
(f)df,
dove
S
Y
(f) = S
X
(f)|H(f)|
2
.
Sostituendo otteniamo
E{Y
2
(t)} =
_
+∞
−∞
S
Y
(f)df
= A
2
_
2.5
−2.5
S
X
(f)df
= 7.5A
2
.
90
2.3.3 Esercizio 57
Dato lo schema in figura,
H(f) Campionatore
X(t)=s(t)+D(t) Y(t)
Y(kT)
in ingresso si sommano una componente deterministica s(t) e un rumore
bianco D(t) (stazionario e a valor medio nullo) con densit´ a spettrale bilatera
N
0
/2.
Determinare la covarianza C
X
(t
1
, t
2
) del segnale in ingresso X(t).
Ipotizzando nota la risposta in frequenza H(f), determinare la covarianza
C
Y
(i, k) dei campioni Y (iT) e Y (kT).
Soluzione
X(t) = s(t) +D(t),
dove s(t) ´e un segnale deterministico (reale) e D(t) ´e un processo casuale
(reale) con
R
D
(τ) =
N
0
2
δ(τ), E{D(t)} = 0.
Dunque
η
x
= E{s(t) +D(t)} = E{s(t)} +E{D(t)} = s(t)
C
X
(t
1
, t
2
) = E{(s(t
1
) +D(t
1
) −E{s(t
1
) +D(t
1
)})(s(t
2
) +
+D(t
2
) −E{s(t
2
) +D(t
2
)})}
= E{(s(t
2
) +D(t
2
) −s(t
2
))(s(t
1
) +D(t
1
) −s(t
1
))}
= R
D
(t
1
, t
2
)
=
N
0
2
δ(t
2
−t
1
);
C
X
(t
1
, t
2
) = C
X
(τ = t
2
−t
1
) =
N
0
2
δ(τ).
Il processo in uscita al sistema lineare tempo-invariante Y (t) = s
u
(t) +D
u
(t)
´e dato dalla somma di una componente deterministica s
u
(t) e di una compo-
nente casuale D
u
(t).
In particolare
H(f) = F[h(t)];
91
s
u
(t) = s(t) ⊗h(t);
R
D
u
(τ) = R
D
(τ) ⊗h(τ) ⊗h(−τ);
E{D
u
(t)} = H(0)E{D(t)} = 0;
Perci´ o, analogamente al calcolo per la covarianza di C
X
(t
1
, t
2
),
η
y
= E{s
u
(t) +D
u
(t)} = E{s
u
(t)} +E{D
u
(t)} = s
u
(t);
C
Y
(t
1
, t
2
) = E{(s
u
(t
1
) +D
u
(t
1
) −E{s
u
(t
1
) +D
u
(t
1
)})(s
u
(t
2
) +
+D
u
(t
2
) −E{s
u
(t
2
) +D
u
(t
2
)})};
C
Y
(t
1
, t
2
) = R
D
u
(t
1
, t
2
) = R
D
u
(τ = t
2
−t
1
) =
N
0
2
h(τ) ⊗h(−τ);
La covarianza tra due campioni Y (iT) e Y (kT), all’uscita del campionatore,
´e uguale alla covarianza C
Y
(τ) del segnale Y (t) campionata con lo stesso
passo di campionamento T:
C
Y
(i, k) = C
Y
((k −i)T).
92
2.3.4 Esercizio 58
Si consideri il segnale
X(t) = Acos(2πf
0
t) +W(t),
ove W(t) ´e rumore Gaussiano bianco con densit´ a spettrale di potenza bilatera
pari a N
0
/2. Il segnale X(t) transita attraverso un filtro la cui funzione di
trasferimento ´e
H(f) = (α +j2πf)
−1
, α > 0.
Il segnale all’ uscita del filtro ha la forma
Y (t) = Bcos(2πf
0
t +φ) +D(t).
Determinare:
1) La potenza di D(t),
2) Il valore di α che massimizza il rapporto tra la potenza della sinusoide e
la potenza del rumore all’uscita del filtro,
3) La densit´ a di probabilit´ a di D(t),
4) L’autocorrelazione di D(t),
5) La densit´ a di probabilit´ a congiunta di D(t) e D(t +τ).
Soluzione
Il modulo della funzione di trasferimento del filtro ´e:
|H(f)| = (α
2
+ 4π
2
f
2
)

1
2
,
ed ´e mostrato nella figura alla pagina seguente dove si ´e supposto α=1.
La potenza di D(t) ´e:
P
D
=
N
0
2
_

−∞
|H(f)|
2
df
= R
h
(0)
N
0
2
,
ove R
h
(τ) ´e la funzione di autocorrelazione della risposta all’impulso del filtro.
Essa si trova dalle tavole come antitrasformata di |H(f)|
2
:
R
h
(τ) =
e
−α|τ|

.
Si ha pertanto (quesito 1)
P
D
=
N
0

.
93
-3 -2 -1 0 1 2 3
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
f
|
H
(
f
)
|
Il rapporto P
S
/P
D
´e:
ρ =
2αA
2
N
0

2
+ 4π
2
f
2
0
)
.
Derivando rispetto ad α e ponendo la derivata a zero si ottiene (quesito 2):
α = 2πf
0
.
Lo studio della derivata seconda ´e semplice e mostra che la radice trovata ´e
un massimo.
Il rumore in uscita dal filtro ´e ancora Gaussiano, a valor medio nullo e vari-
anza pari alla P
D
gi´ a trovata.
L’autocorrelazione del rumore ´e
R
D
(τ) =
N
0
2
R
h
(τ),
e la densit´ a congiunta cercata ´e Gaussiana bidimensionale, a valori medi nulli
e matrice di covarianza con elementi sulla diagonale pari a P
D
e con gli altri
due elementi pari all’autocorrelazione del rumore valutata in τ:
C
D
(τ) =
_
R
D
(0) R
D
(τ)
R
D
(τ) R
D
(0)
_
94
2.3.5 Esercizio 59
Si consideri un processo Gaussiano bianco con densit´ a spettrale di potenza
N
0
/2 bilatera. Il processo ´e filtrato attraverso un filtro la cui funzione di
trasferimento ´e:
G(f) =
¸
¸
¸
_
A
2B
_
1 −
|f|
2B
_
rect
_
f
4B
_
.
Detto Y (t) il processo all’uscita del filtro, determinare la banda a 3dB di
Y (t), l’autocorrelazione di Y (t), la densit´ a congiunta di Y (t) e Y (t +
1
2B
).
Si consideri poi il segnale
Z(t) = Y (t) + 0.5Y
_
t +
1
2B
_
e si determini la densit´ a di probabilit´ a, la densit´ a spettrale di potenza e la
potenza di Z(t).
Soluzione
La densit´ a spettrale di Y (t) ´e:
S
Y
(f) =
N
0
2
|G(f)|
2
=
AN
0
4B
_
1 −
|f|
2B
_
rect
_
f
4B
_
.
La banda a 3 dB ´e
S(0) = 2S(B
3dB
) =⇒ B
3dB
= B.
L’autocorrelazione si ottiene antitrasformando S
Y
(f):
R
Y
(τ) =
AN
0
2
sinc
2
(2Bτ).
I campioni a distanza t = 1/2B sono incorrelati(in quanto sinc(1) = 0)
ed essendo Gaussiani sono anche indipendenti. La congiunta ´e pari dunque
al prodotto delle marginali, ognuna delle quali ´e Gaussiana a valor medio
nullo e varianza pari all’autocorrelazione in τ = 0, cio´e σ
2
Y
= AN
0
/2. La
variabile Z(t) ´e somma di variabili Gaussiane incorrelate, la sua densit´ a sar´ a
ancora Gaussiana, a valor medio nullo, con varianza pari alla somma delle
varianze, cio´e σ
2
Z
= 5σ
2
Y
/4. Lo spettro di densit´ a di potenza di Z(t) si ottiene
95
considerando il filtraggio di Y (t) attraverso un filtro con risposta all’impulso
h(t) = δ(t) + 0.5δ(t +
1
2B
). Si ha:
|H(f)|
2
=
5
4
+cos
_
πf
B
_
;
S
Z
(f) = S
Y
(f)|H(f)|
2
.
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
f/B
S
y
(
f
)

n
o
r
m
a
l
i
z
z
a
t
a
La potenza di Z(t) ´e gi´ a stata calcolata ed ´e pari a σ
2
Z
.
96
2.3.6 Esercizio 60
Un processo casuale X(t) = S + W(t) ´e dato dalla somma del rumore W(t)
Gaussiano bianco (stazionario a valor medio nullo) con densit´ a spettrale di
potenza bilatera N
0
/2, e della variabile casuale discreta S, che assume valore
0 o 1 con uguale probabilit´ a e che varia da realizzazione a realizzazione.
Il segnale X(t) entra in un filtro passabasso ideale H(f) con frequenza di
taglio 2 Hz (H(f) = 2rect (f/4)).
Caratterizzare il processo stazionario Y (t) all’uscita del filtro, determinan-
done la densit´ a di probabilit´ a, il valor medio e la funzione di autocorrelazione
(S e W(t) sono indipendenti).
Soluzione
All’uscita del filtro abbiamo
Y (t) = A +D(t),
ove A ´e il valore di S all’uscita del filtro e D(t) ´e il rumore filtrato.
E{D(t)} = 0;
S
D
(f) = 4
N
0
2
rect
_
f
4
_
;
P
D
= σ
2
D
= E{D
2
} =
_
S
D
(f)df = 8N
0
;
f(D) =
1

2π8N
0
e
D
2
16N
0
;
A = SH(0) = 2S;
f(A) =
1
2
δ(A) +
1
2
δ(A −2).
La densit´ a di probabilit´ a del processo Y (t) ´e data da
f(Y ) = f(A +D)
= f(A) ⊗f(D)
=
1
2
1

2π8N
0
e
D
2
16N
0
+
1
2
1

2π8N
0
e
(D−2)
2
16N
0
.
La densit´ a di probabilit´ a di Y (t) dunque ´e data dalla somma di due gaus-
siane, centrate in 0 e in 2, con ampiezza 1/2 e varianza σ
2
= 8N
0
.
E{Y (t)} = E{X(t)}H(0) = 1;
97
E{Y (t)Y (t +τ)} = E{(A +D(t))(A +D(t +τ))}
(1)
= E{A
2
} +E{D(t)D(t +τ)}
= 0(
1
2
) + 4(
1
2
) +F
−1
_
S
D
(f) = 2N
0
rect
_
f
4
__
= 2 + 8N
0
sinc(4τ).
1
A e D(t) sono indipendenti, inoltre E{D(t)} = 0, quindi il valor medio dei prodotti
incrociati ´e nullo.
98
2.3.7 Esercizio 61
Il processo casuale stazionario X(t) ´e noto statisticamente.
Determinare la fuzione di autocorrelazione e la densit´ a spettrale di potenza
del processo casuale
Y (t) = X(t) −X(t −t
0
).
Se il processo X(t) ´e Gaussiano con valor medio η
X
e densit´ a spettrale di
potenza
S
X
(f) = rect
_
f
4
_

2
X
δ(f),
determinare la densit´ a di probabilit´ a del processo Y (t), con t
0
= 0.25 sec.
Soluzione
R
Y
(τ) = E{Y (t)Y (t −τ)}
= E{(X(t) −X(t −t
0
))(X(t −τ) −X(t −t
0
−τ))}
= E{X(t)X(t −τ)} +E{X(t −t
0
)X(t −t
0
−τ)} +
−E{X(t −t
0
)X(t −τ)} −E{X(t)X(t −t
0
−τ)}
= 2R
X
(τ) −R
X
(τ +t
0
) −R
X
(τ −t
0
).
Poich´e S
Y
(f) = F[R
Y
(τ)] abbiamo che
S
Y
(f) = 2S
X
(f) −S
X
(f)(e
j2πt
0
f
+e
−j2πf
0
f
)
= 2S
X
(f)(1 −cos(2πt
0
f)).
Se X(t) ´e Gaussiano, anche Y (t) ha densit´ a di probabilit´ a Gaussiana, poich´e
la trasformazione ´e lineare.
Il processo ´e stazionario ed il valor medio ´e
η
Y
(t) = E{Y (t)}
= E{X(t)} −E{X(t −t
0
)} = 0.
La varianza ´e
σ
2
Y
= E{(Y (t) −η
Y
)
2
}
= E{Y
2
} −η
2
Y
=
_
2
−2
2(1 −cos(2π0.25f))df = 8.
f(Y ) =
1
_
2πσ
2
Y
e

Y
2

2
Y
.
99
2.3.8 Esercizio 62
Una tensione costante v
0
viene disturbata da rumore bianco additivo D(t)
avente densit´ a spettrale di potenza S
N
(f) = ζ. Per reiettare tale disturbo si
usano i due sistemi in cascata mostrati in figura in cui B = 1/2T.
Determinare i valori dei coefficienti a, b e c che minimizzano l’errore quadrati-
co medio
ε = E{[Y (t) −v
0
]
2
}
tra l’uscita Y (t) e il valore costante v
0
.
T T
Σ
−Β Β
1
H(f)
f
a
b
c
Y(t)
v
0 Z(t)
D(t)
Soluzione
Sia Z(t) = v
0
+N(t) l’uscita del filtro H(f), con
E{N(t)} = 0, S
N
(f) = rect
_
f
2B
_
ζ, σ
2
N
= E{N(t)
2
} = 2Bζ.
L’uscita del sistema ´e
Y (t) = az(t) +bz(t −T) +cz(t −2T)
= (a +b +c)v
0
+aN(t) +bN(t −T) +cN(t −2T);
L’autocorrelazione R
N
(τ) si ottiene antitrasformando S
N
(f)
R
N
(τ) = 2Bζsinc(τ2B), R
N
(τ) = E{N(t)N(t −τ)}.
Considerando che
• E{N(t)N(t −T)} = R
N
(T) = 0,
• E{N(t)N(t −2T)} = R
N
(2T) = 0,
100
• E{n(t)} = 0,
l’errore quadratico medio ε risulta
ε = E{[Y (t) −v
0
]
2
}
= E{Y (t)}
2
+E{v
2
0
} −2E{Y (t)v
0
}
= (a +b +c)
2
v
2
0
+ (a
2
+b
2
+c
2

2
N
+
v
2
0
−2(a +b +c)v
2
0
= (a +b +c −1)
2
v
2
0
+ (a
2
+b
2
+c
2

2
N
.
L’errore quadratico medio ´e una forma convessa e quindi il suo minimo si
trova imponendo
∂ε
∂a
= 0,
∂ε
∂b
= 0,
∂ε
∂c
= 0.
Dalle tre equazioni precedenti otteniamo il seguente sistema lineare di 3
equazioni in 3 incognite:
_
¸
_
¸
_
2(a +b +c −1)v
2
0
+ 2aσ
2
N
= 0
2(a +b +c −1)v
2
0
+ 2bσ
2
N
= 0
2(a +b +c −1)v
2
0
+ 2cσ
2
N
= 0
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
(1 +
σ
2
N
v
2
0
)a +b +c = 1
a + (1 +
σ
2
N
v
2
0
)b +c = 1
a +b + (1 +
σ
2
N
v
2
0
)c = 1
I valori di a, b e c che minimizzano l’errore quadratico medio sono
a = b = c =
v
2
0
3v
2
0

2
N
=
1
3 +
σ
2
N
v
2
0
.
Ricaviamo il valore dell’errore quadratico medio minimo:
ε
min
=
_
_
_
3
3 +
σ
2
N
v
2
0
−1
_
_
_
2
v
2
0
+ 3
σ
2
N
(3 +
σ
2
N
v
2
0
)
2
=
(
σ
2
N
v
2
0
)v
2
0
+ 3σ
2
N
(3 +
σ
2
N
v
2
0
)
2
=
σ
2
N
(
σ
2
N
v
2
0
+ 3)
(3 +
σ
2
N
v
2
0
)
2
=
σ
2
N
3 +
σ
2
N
v
2
0
.
101
Se non avessimo usato il filtro
a = b = c = 0 ⇒ ε = E{[z(t) −v
2
0
]} = E{N(t)
2
} = σ
2
N
.
102
2.3.9 Esercizio 63
Nello schema in figura il processo aleatorio N(t) ´e Gaussiano con densit´ a
spettrale di potenza S
N
(f) = N
0
/2.
Campionando agli istanti t
k
= 2kT (k = 1, 2, ..., n) il processo X(t) in usci-
ta al filtro H(f) (di banda B = 1/T) si ottiene un sistema di n variabili
aleatorie X
k
≡ X(2kT). Determinare la densit´ a di probabilit´ a congiunta
f
X
(x
1
, x
2
, ..., x
n
) di tale sistema.
-B B
f
1
H(f)
+
-
N(t) W(t) X(t) X
K
t
K
T
Soluzione
W(t) = N(t −T) −N(t);
R
W
(τ) = E{W(t)W(t −τ)}
= E{[N(t −T) −N(t)][N(t −T −τ) −N(t −τ)]}
= E{N(t −T)N(t −T −τ)} +E{N(t)N(t −τ)} −
−E{N(t)N(t −T −τ)} −E{N(t −T)N(t −τ)}
= 2R
N
(τ) −R
N
(τ −T) −R
N
(τ +T)
= N
0
δ(τ) −
N
0
2
(δ(τ −T) −δ(τ +T)).
R
X
(τ) = R
W
(τ) ⊗R
h
(τ).
R
h
(τ) = F
−1
[|H(f)|
2
] =
2
T
sinc
_

T
_
.
R
X
(τ) = N
0
2
T
sinc
_

T
_

N
0
T
sinc
_
2(τ −T)
T
_

N
0
T
sinc
_
2(τ +T)
T
_
.
X(t
k
= 2kT) = X
k
,
f
X
k
= gauss
_
0, σ
2
X
= R
X
(0) =
2N
0
T
_
=
1
_
2πσ
2
X
e

X
2
k

2
X
.
103
Sia [X
1
, ...X
n
] il vettore delle variabili congiuntamente Gaussiane. Poich´e
R
X
(2kT) = 0 le variabili X
k
sono tra loro incorrelate ed essendo Gaussiane
sono anche indipendenti, ognuna con valor medio nullo e varianza σ
2
X
=
R
X
(0) = N
0
2/T, da cui
f(X
1
...X
n
) = f(X
1
)f(xX
2
)...f(X
n
) =
1
_
(2π)
n
σ
2n
X
e

X
2
i

2
X
104
2.3.10 Esercizio 64
Nello schema in figura il processo N(t) ´e Gaussiano con densit´ a spettrale di
potenza S
N
(f) = ζ. Dire se il processo in uscita X(t) ´e Gaussiano e determi-
narne la funzione valor medio η
X
(t) e la funzione di autocorrelazione R
X
(t, τ).
cardinale
Interpolatore
N(t) W(t) W
k
-1/2T 1/2T
1
H(f)
kT
f
X(t)
Soluzione
La densit´ a spettrale di potenza di W(t) ´e data da
S
W
(f) = S
N
(f)|H(f)|
2
= ζrect
_
f
T
_
.
La funzione di autocorrelazione del processo W(t) vale dunque
R
W
(τ) =
ζ
T
sinc
_
τ
T
_
.
Il processo W(t) ´e a valor medio nullo, allora
C
W
(τ) = R
W
(τ),
e all’uscita del campionatore
C
i,j
= C
W
(iT, jT) = R
W
((i −j)T) =
ζ
T
δ(i −j),
cio´e le variabili W
k
, congiuntamente gaussiane, sono incorrelate e quindi
anche indipendenti con η = 0 e σ
2
= R
W
(0) = ζ/T.
Il processo X(t), per un generico impulso interpolatore p(t),
X(t) =

k
W
k
p(t −kT), η
X
= 0,
´e una combinazione lineare di variabili Gaussiane a valor medio nullo,
dunque ´e a sua volta Gaussiano a valor medio nullo.
105
La funzione di autocorrelazione si calcola nel modo seguente
R
X
(t, τ) = E
_

k
W
k
p(t −kT)

s
W
s
p(t −τ −sT)
_
(1)
= E{W
2
k
}

k
p(t −kT)p(t −τ −kT).
Se poniamo
y(t, τ) = p(t)p(t −τ),
possiamo riscrivere la funzione di autocorrelazione come
R
X
(t, τ) =
ζ
T

k
y(t −kT, τ),
da cui risulta che, per un generico impulso interpolatore p(t), la funzione di
autocorrelazione R
X
(t, τ) e’ periodica nella variabile t, con periodo T.
Nel caso particolare dell’interpolatore cardinale, con
p(t) = sinc
_
t
T
_
,
verifichiamo che il processo X(t) e’ stazionario nell’autocorrelazione (es-
sendo gaussiano e stazionario nell’autocorrelazione, il processo risulter´ a sta-
zionario in senso stretto).
Infatti, detta Y (f) = Y (f, τ) la trasformata di Fourier di
y(t) = sinc
_
t
T
_
sinc
_
t −τ
T
_
,
Y (f) = T
2
rect(fT) ⊗(rect(fT)e
−j2πfτ
).
La trasformata Y (f) risulta nulla, nella variabile f, per valori della frequenza
esterni all’intervallo −1/T < f < −1/T, e, applicando la formula di Poisson,
otteniamo

k
y(t −kT) =
1
T

s
Y (s/T)e
j2πst/T
=
1
T
Y (0).
La funzione di autocorrelazione in questo caso, dunque, non dipende da
t, ma solo da τ, e il processo X(t) risulta stazionario.
In particolare, calcolando il valore di Y (0),
Y (0) = T
2
_
rect(φT) rect(−φT) e
j2πφτ
dφ = Tsinc(
τ
T
),
1
Le variabili sono incorrelate, E{W
k
W
s
} = 0 se e solo se k = s.
106
si ricava l’espressione dell’autocorrelazione
R
X
(t, τ) = ζ sinc
_
τ
T
_
.
107
2.3.11 Esercizio 65
Si consideri il sistema in figura nel quale il processo Gaussiano di ingresso
X(t) ´e caratterizzato dalla funzione di autocorrelazione (B=1/T)
R
X
(τ) = N
0
Bsinc(Bτ).
Ricavare la densit´ a di probabilit´ a del primo ordine f
Y
(y; t) del processo
aleatorio d’uscita Y (t) nei due casi seguenti :
a) H(f) = 1;
b) H(f)=rect(f/B).
+
Y(t)
H(f)
T
X(t)
Soluzione
R
X
(τ) = N
0
Bsinc(Bτ)
F
⇐⇒ S
X
(f) = N
0
rect(
f
B
).
a) H(f) = 1.
La funzione di trasferimento dell’intero sistema ´e data da
H
t
(f) = 1 −e
−j2πfT
= e
−j2πf
T
2
(e
j2πf
T
2
−e
−j2πf
T
2
)
= e
−j2πf
T
2
2jsen
_
2πf
T
2
_
.
La densit´ a spettrale di potenza del processo Y (t) ´e data da
S
Y
(f) = S
X
(f)|H
t
(f)|
2
= N
0
4rect
_
f
B
_
sen
2
_
2πf
T
2
_
.
108
σ
2
y
= N
0
_ 1
2T

1
2T
4sen
2
(2πf
T
2
)df = 2N
0
B.
X(t) Gaussiana, E{x} = 0 ⇐⇒Y (t) Gaussiana, E{y} = 0, σ
2
Y
= 2N
0
B.
La densit´ a di probabilit´ a cercata ´e dunque data da
f
Y
=
1

2πσ
Y
e

Y
2

2
Y
.
b) H(f) = rect(f/B).
X (t) X(t)
OUT
-B/2 B/2
H(f)
1
S (f)
X
X
OUT
S (f)
La densit´ a spettrale di potenza del processo X
out
in uscita dal filtro ´e la
stessa del processo X(t) in ingresso, cio´e
S
X
out
(f) = S
X
(f),
dunque, come nel punto precedente,
S
Y
(f) = S
X
|H(f)|
2
ottenendo lo stesso risultato per la densit´ a di probabilit´ a di Y (t).
109
2.3.12 Esercizio 66
Premessa: Due processi X(t) e Y (t) si dicono indipendenti se qualunque
insieme di variabili aleatorie estratte da X(t) ´e indipendente da qualunque
insieme di variabili aleatorie estratte da Y (t).
Sono dati due processi stazionari in senso lato e indipendenti X(t) e Y (t)
con funzione di autocorrelazione R
X
(τ) = R
Y
(τ) = σ
2
sinc
2
(Bτ). Costruito
il processo
Z(t) = X(t)cos(2πBt) −Y (t)sin(2πBt)
dimostrare che Z(t) ´e stazionario in senso lato. Determinare e rappresentare
poi la densit´ a spettrale di potenza S
Z
(f) di Z(t).
Soluzione
I valori medi di X(t) e di Y (t) sono nulli in quanto le funzioni di auto-
correlazione tendono a zero, da cui deriva
E{Z(t)} = E{X(t)}cos(2πBt) −E{Y (t)}sin(2πBt) = 0.
Per la funzione di autocorrelazione:
R
Z
(t, t −τ) = E{Z(t)Z(t −τ)}
= E{[X(t)cos(2πBt) −Y (t)sin(2πBt)] ·
· [X(t −τ)cos(2πB(t −τ)) −Y (t −τ)sin(2πB(t −τ))]}.
I termini che contengono E{X(t)}, E{Y (t)}, E{X(t − τ)}, E{Y (t − τ)} si
annullano. Inoltre E{X(·)Y (·)} = E{X(·)}E{Y (·)} per ipotesi. Quindi
R
Z
(t, t −τ) = E
X,Y
{X(t)X(t −τ)cos(2πBt)cos(2πB(t −τ))} +
+E{Y (t)Y (t −τ)sin(2πBt)sin(2πB(t −τ))}
(1)
= R
X
(τ)
_
1
2
cos(2πBτ) +
1
2
cos(2πB(2t −τ))
_
+
+R
Y
(τ)
_
1
2
cos(2πBτ) −
1
2
cos(2πB(2t −τ))
_
(2)
= R
X
(τ)cos(2πBτ).
1
Ricordando che
cos(α)cos(β) =
1
2
[cos(α + β) + cos(α − β)];
sin(α)sin(β) =
1
2
[cos(α − β) − cos(α + β)].
2
Poich´e R
X
(τ) = R
Y
(τ)
110
La densit´ a spettrale di potenza del processo Z(t) si ottiene attraverso
la trasformata di Fourier della funzione di autocorrelazione R
Z
(τ), dalla
propriet´ a di modulazione
S
Z
(f) =
1
2
[S
X
(f −B) +S
X
(f +B)],
dove
S
X
(f) = F(R
X
(τ)) =
σ
2
B
_
1 −
|f|
B
_
rect
_
f
2B
_
.
-B
-B
B
B
S (f)
S (f)
f
f
σ
2
Β
X
Z
σ
2
Β 2
111
2.3.13 Esercizio 67
Sia S(t) un processo casuale stazionario.
Il processo
Y (t) = S(t)cos(2πf
0
t)
con f
0
= 0 ´e stazionario?
Soluzione
Il processo non ´e stazionario, infatti
E{Y (t)} = E{S(t)}cos(2πf
0
t).
Il valor medio di Y (t) dipende dal tempo e quindi il processo non pu´ o essere
stazionario se E{S(t)} = 0.
Nota: se E{S(t)} = 0 il valor medio di Y (t) si annulla; si possono allora
considerare la varianza o la densit´ a di probabilit´ a per giungere alla stessa
conclusione:
E{Y (t)} = 0.
E{Y (t)
2
} = E{S(t)
2
cos
2
(2πf
0
t)}
= E
_
1
2
S(t)
2
(1 +cos(4πf
0
t))
_
=
1
2
E{S(t)
2
} +E{S(t)
2
}cos(4πf
0
t).
112
2.3.14 Esercizio 68
´
E possibile che un processo casuale stazionario abbia la funzione di autocor-
relazione indicata in figura?
T -T
A
R(t)
t
(si consiglia di esaminare la densit´ a spettrale di potenza).
Soluzione
La densit´ a spettrale di potenza di questo processo dovrebbe essere quella
riportata in figura.
-1/2T 1/2T
\ /
f
2AT
Poich´e per´ o S(f) non pu´ o essere negativa, non possono esistere processi
casuali con funzione di autocorrelazione rettangolare.
113
2.3.15 Esercizio 69
Dati due processi casuali stazionari indipendenti X(t) e Y (t), si consideri il
processo Z(t) = X(t) +Y (t).
Se ne determini la densit´ a spettrale di potenza S
Z
(f).
Soluzione
La funzione di autocorrelazione del processo Z(t) ´e data da
R
Z
(τ) = E{Z(t)Z(t −τ)}
= E{[X(t) +Y (t)][X(t −τ) +Y (t −τ)]}
= E{X(t)X(t −τ)} +E{X(t −τ)Y (t)} +E{Y (t −τ)X(t)} +
+E{Y (t −τ)X(t)}
= R
X
(τ) +R
Y
(τ) + 2η
X
η
Y
.
Si ha quindi
S
Z
(f) = S
X
(f) +S
Y
(f) + 2η
X
η
Y
δ(f).
Ovvero: a frequenza diversa da zero i processi si sommano in potenza. Se i
processi hanno valor medio diverso da zero, i valori medi, invece, si sommano
in tensione: infatti, la potenza della componente continua, cioe’ l’area del-
l’impulso nell’origine, che compare nella densita’ spettrale di potenza S
z
(f),
vale

X

Y
)
2
= η
2
X

2
Y
+ 2η
X
η
Y
.
114
2.3.16 Esercizio 70
Il processo casuale stazionario X(t) abbia densit´ a spettrale di potenza S
X
(f).
Determinare la densit´ a spettrale di potenza del processo
Y (t) = X(t −t
0
).
Soluzione
Dall’espressione dell’autocorrelazione
R
Y
(t, t −τ) = E{Y (t)Y (t −τ)}
= E{X(t −t
0
)X(t −t
0
−τ)}
= R
X
(t −t
0
, t −t
0
−τ)
= R
X
(τ)
si ottiene
S
Y
(f) = S
X
(f).
D’altra parte, basta osservare che le realizzazioni del processo Y (t) sono
identiche a quelle del processo X(t) traslate di t
0
per cui, dalla stazionariet´ a
di X(t), segue che i due processi sono descritti dalle stesse funzioni di densit´ a
di probabilit´ a.
115
2.3.17 Esercizio 71
Si consideri un processo Gaussiano di densit´ a spettrale di potenza N
0
/2 tra
−B e B, e 0 altrove. Il processo viene campionato a frequenza f
c
= 3B/2.
Determinare intervallo fondamentale, potenza e densit´ a spettrale di potenza
della sequenza campionata. I campioni vengono poi sovracampionati di un
fattore 2, e convertiti in analogico tramite un convertitore ed un passa basso,
la cui cascata ´e modellata come un interpolatore cardinale di banda 3B/2.
Determinare la densit´ a spettrale di potenza del segnale analogico.
Soluzione
L’ intervallo fondamentale ´e (−3B/4, 3B/4). Poich´e il processo ´e stazio-
nario, la potenza del segnale campionato ´e uguale a quella del segnale non
campionato, cio´e:
P = N
0
B.
L’ autocorrelazione di un segnale casuale campionato ´e ottenuta dal campi-
onamento dell’ autocorrelazione del segnale casuale tempo-continuo.
L’ autocorrelazione del segnale tempo-continuo ´e:
R(τ) = N
0
Bsinc(2τB).
Dunque i suoi campioni presi a frequenza 3B/2 si ottengono ponendo τ = k2/3B:
R(k) = N
0
Bsinc
_
4k
3
_
.
Trasformando la sequenza secondo la formula
X(f) =

−∞
x[n]e
−j2πnfT
= F[x[n]],
nell’ intervallo fondamentale si ottiene
S(f) =
_
3BN
0
4
0 ≤ |f| < B/2
3BN
0
2
B/2 ≤ |f| < 3B/4.
´
E comunque pi´ u semplice ed intuitivo ottenere lo stesso risultato sommando
direttamente le trasformate S(f) di R(τ) replicate a passo 3B/2 e moltipli-
cate per 3B/2 secondo la formula (5.4.7) del libro di testo. Resta inteso che,
quando si dovesse calcolare la potenza come integrale della densit´ a spettrale
di potenza, bisogna ricordarsi di dividere per l’ intervallo fondamentale
P
z
= R
z
(0) =
2
3B
_
3B/4
−3B/4
S
z
(f)df = N
0
B.
116
Ovviamente, nulla cambia se si usano con attenzione le frequenze norma-
lizzate. Infatti, trasformando ancora la sequenza secondo la formula (5.2.5)
del libro di testo, nell’ intervallo fondamentale (−0.5, 0.5) delle frequenze
normalizzate F (3B/4 →1/2, B/2 →1/3), si ottiene
S(f) =
_
3BN
0
4
0 ≤ |f| < 1/3
3BN
0
2
1/3 ≤ |f| < 1/2.
Naturalmente per la potenza bisogna integrare come di seguito riportato
P
z
= R
z
(0) =
_
1/2
−1/2
S
z
(F)dF = N
0
B.
Il sovracampionamento raddoppia il numero di campioni dell’ autocorre-
lazione tramite interpolazione cardinale. Nel dominio delle frequenze, questo
corrisponde a cancellare le repliche dispari e raddoppiare le ampiezze della
trasformata, cio´e della densit´ a spettrale di potenza. Detta S

(f) la den-
sit´ a spettrale di potenza del segnale sovracampionato, nel nuovo intervallo
fondamentale (−3B/2, 3B/2) si ha:
S

(f) =
_
3BN
0
2
0 ≤ |f| < B/2
3BN
0
B/2 ≤ |f| < 3B/4.
Si osservi che, poich´e raddoppia l’ intervallo fondamentale, la potenza del
segnale sovracampionato ´e uguale a quella del segnale non sovracampionato.
Il passa basso successivo, cascata del convertitore e del filtro di ricostruzione,
pu´ o essere visto come un convertitore ideale che trasforma la sequenza nume-
rica in un segnale tempo-continuo costituito da δ di Dirac, seguito da un passa
basso ideale. All’ uscita del convertitore ideale il segnale tempo-continuo ha
la forma
x

(t) =

i=−∞
x

[k]δ(t −iT
c
+t
0
),
ove T
c
= 1/3B, t
0
´e una variabile aleatoria uniformemente distribuita in
(−T
c
/2, T
c
/2), che tiene conto di una inevitabile incertezza presente sull’
istante iniziale della sequenza, e x

(k) sono i campioni del segnale sovracam-
pionato. L’ autocorrelazione del segnale x

(t) si ottiene mediando su t
0
e
sulle x

[k]. Il risultato ´e
R

(τ) =
1
T
c

i=−∞
R

(i)δ(τ −iT
c
),
ove R

(i) sono i campioni dell’ autocorrelazione del segnale sovracampionato.
Trasformando si ottiene
S

(f) = 3BS

(f).
117
La risposta all’impulso dell’interpolatore cardinale ´e
h(t) = sinc(3Bt).
La risposta in frequenza ´e
H(f) =
1
3B
rect
_
f
3B
_
,
|H(f)|
2
=
1
9B
2
rect
_
f
3B
_
.
La densit´ a spettrale di potenza del segnale all’ uscita del passa-basso ´e
pertanto
S

(f) = S

(f)|H(f)|
2
=
_
_
_
N
0
2
0 ≤ |f| < B/2
N
0
B/2 ≤ |f| < 3B/4
0 altrove.
La situzione ´e illustrata in figura. Si osservi che lo stesso risultato pu´ o es-
sere ottenuto in maniera pi´ u semplice, anche se formalmente meno corretta,
ignorando tutti i fattori di scala dovuti al campionamento, al sovracampiona-
mento, e alla successiva conversione digitale-analogico.
´
E infatti sufficiente
sommare le repliche della densit´ a spettrale di potenza del segnale tempo-
continuo, cancellare le repliche dispari, e poi modellare la conversione come
un passa-basso ideale avente guadagno in continua unitario.
S(f)
f
N /2
0
B -B
118
S(f)
3BN /4
0
B -B B/2
3B/2 -3B/2
f
-3B 3B
-B/2
S(f)
3BN /4
0
3BN /2
0
3BN /4
0
3BN /2
0
f
-3B/2 B 3B 3B/2 B/2 -3B -B -B/2
3B/4 -3B/4
S(F)
F
-1/2 1/2
Intervallo fondamentale
S’(f)
f
-3B
3B -3B/4 3B/4
3BN /2
3BN
0
0
-3B/2 3B/2
-3B/4 3B/4
N /2
N
0
0
f
S’’(f)
119
2.3.18 Esercizio 72
Si consideri una sequenza di variabili aleatorie {a
k
} ognuna delle quali e’ di-
stribuita uniformemente nell’ intervallo (−0.5, 0.5). L’ indice di correlazione
tra a
k
e a
k+i
e’ 0.5 per i = 1, mentre e’ nullo per i = 1. Determinare la
potenza della sequenza e la densita’ spettrale di potenza.
Si consideri ora la sequenza {b
k
= a
k
+ m}, in cui le a
k
sono descritte al
punto precedente ed m e’ una variabile aleatoria uniformemente distribuita
in (0, 1) ed indipendente dalla sequenza {a
k
}. La sequenza cos´ı ottenuta e’
ergodica? Si determini la densita’ spettrale di potenza della sequenza {b
k
}.
Soluzione
La potenza della sequenza e’ semplicemente
P
a
=
_
0.5
−0.5
x
2
dx =
1
12
.
L’ autocorrelazione della sequenza ha due valori non nulli. Quello in 0 e’
R
a
(0) =
1
12
,
quello in 1 si ricava imponendo
ρ =
R
a
(1)
σ
1
σ
2
= 0.5.
Si ha
σ
2
1
= σ
2
2
=
1
12
,
da cui si ottiene
R
a
(1) =
1
24
.
La densita’ spettrale di potenza e’ pertanto
S
a
(f) =
1
12
+
1
12
cos(2πf).
Il valor medio temporale della sequenza {b
k
} e’ m: poich´e il valor medio tem-
porale m dipende da realizzazione a realizzazione, essendo m una variabile
casuale, il processo non ´e ergodico.
Ogni realizzazione della sequenza {b
k
} si ottiene sommando alla realizzazione
120
della sequenza {a
k
} un valore costante m. Il processo discreto parametrico
m ha potenza
E{m
2
} =
_
1
0
x
2
dx =
1
3
.
Poiche’ m e’ indipendente da {a
k
}, la densita’ spettrale di potenza di {b
k
}
si ottiene dalla somma delle due densita’ spettrali di potenza (entrambe
periodiche):
S
b
(f) =

j=−∞
1
3
δ(f −j) +S
a
(f).
121
2.3.19 Esercizio 73
Si consideri il processo X(t) = Ag(t −t
0
) +W(t), ove W(t) e’ rumore Gaus-
siano bianco con densita’ spettrale di potenza N
0
/2, ed Ae g(t) sono assegnati
e rappresentano un segnale utile. Il processo e’ filtrato attraverso un filtro
la cui risposta all’ impulso e’ g(−t), e poi e’ campionato all’ istante t = t
0
.
Si determini il rapporto segnale-rumore relativo al detto campione. Si deter-
mini di nuovo il rapporto segnale rumore quando A e’ variabile aleatoria a
valor medio nullo e varianza σ
2
.
Soluzione.
Campionando la convoluzione, per la parte utile del segnale si ottiene (vedi
figura)
u(t
0
) =
_

−∞
Ag
2
(τ −t
0
)dτ = AE
g
,
ove E
g
e’ l’ energia di g(t), pertanto la potenza della parte utile e’
P
u
= A
2
E
2
g
.
La potenza del rumore all’ uscita del filtro e, dunque, al campionatore e’
P
n
=
1
2
N
0
E
g
.
Il rapporto segnale rumore e’ dunque
SNR =
2A
2
E
g
N
0
.
Quando A e’ variabile aleatoria, la potenza del segnale utile e’
P
u
= σ
2
E
2
g
,
mentre la potenza del rumore e’ invariata. Pertanto
SNR =

2
E
g
N
0
.
122
t
0
t
0
t
h(-t)=g(t)
h(-t+to)=g(t-to)
t
Ag(t- to)
t t
0
2
τ τ
Ag (t-to)
0
u(t )= Ag ( -t )d
0
2
123
2.3.20 Esercizio 74 (solo testo)
Si consideri un processo Gaussiano bianco con densita’ spettrale di potenza
N
0
/2 bilatera. Il processo e’ filtrato attraverso un filtro la cui funzione di
trasferimento e’:
G(f) = sinc(fT).
Detto y(t) il processo all’ uscita del filtro, determinare la banda a 3.9 dB di
y(t), l’ autocorrelazione di y(t), la densita’ congiunta di y(t) e y(t + 2T).
2.3.21 Esercizio 75 (solo testo)
Si consideri un processo Gaussiano bianco con densita’ spettrale di potenza
N
0
/2 bilatera. Il processo e’ filtrato attraverso un filtro la cui funzione di
trasferimento e’ G(f) = rect(fT) ed e’ poi campionato a frequenza f
c
=
3
4T
.
Determinare l’ intervallo fondamentale e la densita’ spettrale di potenza del-
la sequenza campionata, e disegnarla in un intervallo fondamentale. Deter-
minare inoltre la densita’ di probabilita’ congiunta dei campioni k-esimo e
(k + 1)-esimo.
124
2.3.22 Esercizio 76 (solo testo)
Si consideri la sequenza casuale {a
k
}, dove le a
k
sono variabili aleatorie in-
dipendenti e identicamente distribuite. La distribuzione e’ Gaussiana a valor
medio 1 e varianza 1. La sequenza casuale viene filtrata attraverso un filtro
FIR la cui funzione di trasferimento e’
H(z) = 1 + 0.5z
−1
.
Determinare la densita’ di probabilita’ dei campioni all’ uscita del filtro. De-
terminare la densita’ spettrale di potenza della sequenza all’ uscita del filtro.
2.3.23 Esercizio 77 (solo testo)
Si consideri la sequenza casuale {a
k
}, dove le a
k
sono variabili aleatorie in-
dipendenti ognuna con distribuzione uniforme nell’ intervallo [−2, 2). La
sequenza casuale viene filtrata attraverso un filtro FIR la cui funzione di
trasferimento e’
H(z) = 1 + 0.5z
−1
.
Disegnare la densita’ di probabilita’ dei campioni all’ uscita del filtro indican-
do chiaramente ascissa e ordinata, e determinarne la varianza. Determinare
la densita’ spettrale di potenza della sequenza all’ uscita del filtro.
125
2.4 Segnale dati
2.4.1 Esercizio 78
Si consideri il processo
X(t) =

i
a
i
g(t −iT +t
0
),
essendo l’ autocorrelazione R
a
[k] dei dati e g(t) note, ed essendo t
0
variabile
aleatoria uniformemente distribuita in (−T/2, T/2]. Si determini la potenza
e la densita’ spettrale di potenza del processo.
Soluzione
Dalla definizione di funzione di autocorrelazione, mediando sulla sequenza
casuale a
i
e sulla variabile t
0
, e sfruttando l’ipotesi di stazionarieta’ della
sequenza a
i
, si ottiene
R
x
(τ) =
1
T

k
R
a
[k] R
g
(τ −kT),
dove R
g
(τ) e’ l’autocorrelazione del segnale deterministico g(t).
Infatti
R
x
(τ) = E{

j
a
j
g(t −jT −t
0
)

s
a
s
g(t −τ −sT −t
0
)}
=

j

k
E{a
j
a
j−k
}E
t
0
{g(t −jT −t
0
)g(t −τ −jT +kT −t
0
)}
=

k
R
a
[k]

j
1
T
_ T
2

T
2
g(t −jT −t
0
)g(t −jT −t
0
−τ +kT)dt
0
=

k
R
a
[k]
1
T
_

−∞
g(α)g(α −τ +kT)dα
=
1
T

k
R
a
[k] R
g
(τ −kT).
La densita’ spettrale di potenza si calcola come S
x
(f) = F[R
x
(τ)]
S
x
(f) =
1
T

k
R
a
[k]F[R
g
(τ−kT)] =
1
T

k
R
a
[k]F[R
g
(τ)]e
−j2πfkT
=
1
T
S
a
(f) S
g
(f),
con S
a
(f) densita’ spettrale di potenza di {a
i
}, e S
g
(f) = |G(f)|
2
densita’
spettrale di energia di g(t).
126
La potenza di x(t) vale
E[x
2
(t)] =
_
S
x
(f) df = R
x
(0) =
1
T

k
R
a
[k] R
g
(−kT).
127
2.4.2 Esercizio 79
Si consideri il segnale
X(t) =
+∞

i=−∞
a
i
sinc
_
t −iT +t
0
τ
_
,
ove a
i
sono variabili aleatorie i.i.d., ognuna delle quali assume con eguale
probabilit´ a i valori −A, 0, A, e t
0
´e una variabile aleatoria uniformemente
distribuita nell’intervallo (−T/2, T/2).
Determinare lo spettro di densit´ a di potenza di X(t) e la potenza.
Soluzione
L’autocorrelazione di X(t) si trova mediando sui dati a
i
e su t
0
. Si ottiene:
R
X
(τ) =
1
T
E{a
2
i
}R
g
(τ),
ove R
g
(τ) ´e l’autocorrelazione dell’impulso elementare g(t) = sinc(t/τ).
Lo spettro di densit´ a di potenza si ottiene trasformando la precedente espres-
sione:
S
X
(f) =
1
T
E{a
2
i
}|G(f)|
2
,
ove G(f) ´e la trasformata dell’impulso elementare, cio´e:
G(f) = F
_
sinc
_
t
τ
__
= τrect(fτ).
Poich´e E{a
2
i
} =
2A
2
3
, si ottiene
S
X
(f) =
2A
2
τ
2
3T
rect(fτ).
La potenza si ottiene integrando la precedente espressione:
P
X
=
2A
2
τ
3T
.
128
2.4.3 Esercizio 80
Si consideri il segnale
x(t) =

i=−∞
a
i
sinc
_
t −iT −t
0
T
_
,
ove t
0
e’ variabile aleatoria uniformemente distribuita in (−T/2, T/2], ed
{a
i
} e’ una sequenza di variabili aleatorie Gaussiane, indipendenti ed identi-
camente distribuite, a valor medio nullo e varianza σ
2
a
. Determinare il valor
medio, la potenza e la densita’ spettrale di potenza di x(t).
Si consideri poi il segnale
y(t) = x(t) +w(t),
ove w(t) e’ rumore Gaussiano bianco con densita’ spettrale di potenza bila-
tera N
0
/2. Il segnale y(t) viene filtrato attraverso un passa-basso ideale di
banda 1/2T, e campionato agli istanti kT +t
0
. Detti z
k
i campioni all’ uscita
del campionatore, si determini la densita’ di probabilita’ congiunta di z
k
e
z
k+1
, ed il rapporto tra la potenza del segnale e quella del rumore presenti
nella sequenza {z
k
}.
Soluzione
Mediando su t
0
e sulle a
i
si ottiene l’ autocorrelazione del segnale x(t):
R
x
(τ) =
σ
2
a
T
R
g
(τ),
ove R
g
(τ) e’ l’ autocorrelazione dell’ impulso elementare g(t) = sinc(t/T).
Trasformando si ha la densita’ spettrale di potenza
S
x
(f) =
σ
2
a
T
|G(f)|
2
,
con
G(f) = F
_
sinc
_
t
T
__
= Trect(fT).
Poiche’ non e’ presente la riga spettrale a frequenza zero, il valor medio di x(t)
e’ nullo. Integrando S
x
(f), oppure prendendo R
x
(0), si ottiene la potenza:
P
x
= σ
2
a
.
129
All’ uscita del campionatore, il segnale ha la forma
z
k
= u
k
+n
k
,
ove u
k
e’ la componente di segnale, ed n
k
quella di rumore. Il segnale x(t)
passa inalterato dal passa basso, e viene poi letto agli istanti kT +t
0
. In tali
istanti, si ha:
u
k
= a
k
.
Pertanto la potenza della componente di segnale e’
P
u
= σ
2
a
.
Il rumore all’ uscita del passa basso ha densita’ spettrale di potenza
S
n
(f) =
N
0
2
rect(fT).
Poiche’ il processo e’ stazionario, la potenza del segnale campionato e’ uguale
a quella del segnale tempo continuo. Integrando la precedente densita’ spet-
trale di potenza si ottiene
P
n
=
N
0
2T
.
Pertanto il rapporto segnale rumore e’
SNR =
P
u
P
n
=
2Tσ
2
a
N
0
.
Poich´e sia il segnale che il rumore sono Gaussiani, bianchi, a media nulla, e
tra loro indipendenti, la loro somma z
k
e’ ancora Gaussiana bianca a media
nulla, con varianza pari a P
u
+P
n
.
La densit´ a di probabilit´ a congiunta di z
k
e z
k+1
´e una Gaussiana bidimen-
sionale con vettore dei valori medi nulli a matrice di covarianza diagonale.
La varianza su ognuna delle dimensioni vale P
n
+P
u
.
130
2.4.4 Esercizio 81
Si consideri il segnale
x(t) =

i=−∞
a
i
δ(t −iT −t
0
),
dove t
0
´e una variabile aleatoria uniformemente distribuita in (−T/2, T/2],
ed {a
i
} ´e una sequenza di variabili aleatorie che assumono i valori 0, A con
probabilit´ a P(0) = 1/4, P(A) = 3/4. Inoltre le a
i
sono correlate con coeffi-
ciente di correlazione ρ
i,j
= 0.5 per j = i + 1, e ρ
i,j
= 0 per j > i + 1.
Determinare la densit´ a spettrale di potenza di x(t).
Soluzione
Mediando su t
0
si ottiene l’autocorrelazione di x(t) nella forma
R
x
(τ) =
1
T

j=−∞
E{a
i
a
i+j
}δ(τ +jT).
Il valor medio di ciascuna delle variabili aleatorie a
i
´e 3A/4, il valore quadrati-
co medio ´e 3A
2
/4 e la varianza di ognuna risulta pari a 3A
2
/16.
Osservando che ρ
i,j
= ρ
j,i
, per i valori attesi si ha
E{a
i
a
i
} =
3A
2
4
.
E{a
i
a
i+1
} = E{a
i
a
i−1
} =
21A
2
32
,
E{a
i
a
i+j
} = E{a
i
a
i−j
} =
9A
2
16
, j = 0, 1.
Inserendo questi risultati nell’autocorrelazione si ottiene
R
x
(τ) =
9A
2
16T

j=−∞
δ(τ +jT) +
3A
2
16T
δ(τ) +
3A
2
32T
(δ(τ −T) +δ(τ +T)).
Trasformando si ha
S
x
(f) =
9A
2
16T
2

j=−∞
δ
_
f −
j
T
_
+
3A
2
16T
+
3A
2
16T
cos
_
2πf
T
_
.
131
2.4.5 Esercizio 82 (solo testo)
Si consideri il segnale dati
x(t) =

i=−∞
(a
i
+a
i−1
)sinc(
t −iT +t
0
τ
0
),
ove a
i
sono variabili aleatorie i.i.d., ognuna delle quali assume con eguale
probabilita’ i valori −A, A, e t
0
e’ una variabile aleatoria uniformemente
distribuita nell’ intervallo (−T/2, T/2]. Determinare lo spettro di densita’ di
potenza di x(t) e la potenza.
132
Appendice A
Propriet´a della Trasformata e
della Serie di Fourier
A.1 Propriet´a della Trasformata di Fourier
x(t) =
_

−∞
X(f)e
j2πft
df X(f) =
_

−∞
x(t)e
−j2πft
dt
x[n] = x(nT) = T
_
1/T
X(f)e
j2πnfT
df X(f) =

n=−∞
x[n]e
−j2πfnT
• Dualit´a (segnali a tempo continuo)
x(t) ←→X(f) ⇒X(t) ←→x(−f)
• Linearit´a
a
1
x
1
(t) +a
2
x
2
(t) ←→a
1
X
1
(f) +a
2
X
2
(f)
a
1
x
1
[n] +a
2
x
2
[n] ←→a
1
X
1
(f) +a
2
X
2
(f)
• Riflessione dell’asse dei tempi
x(−t) ←→X(−f)
x[−n] ←→X(−f)
• Coniugazione
x

(t) ←→X

(−f) x

(−t) ←→X

(f)
x

[n] ←→X

(−f) x

[−n] ←→X

(f)
133
• Cambiamento di scala
x(at) ←→
1
|a|
X
_
f
a
_
x
ZP
[n] ←→X(f)
x
D
[n] = x[nM] ←→
1
M
M−1

k=0
X
_
f −
k
MT
_
N.B: D=Decimated, ZP=ZeroPadding.
• Traslazione nel dominio del tempo
x(t −t
0
) ←→X(f)e
−j2πft
0
x[n −k] ←→X(f)e
−j2πfkT
• Traslazione nel dominio della frequenza
x(t)e
j2πf
0
t
←→X(f −f
0
)
x[n]e
j2πf
0
nT
←→X(f −f
0
)
• Modulazione
2x(t)cos(2πf
0
t +ϕ
0
) ←→X(f −f
0
)e

0
+X(f +f
0
)e
−jϕ
0
2x[n]cos(2πf
0
nT +ϕ
0
) ←→X(f −f
0
)e

0
+X(f +f
0
)e
−jϕ
0
• Convoluzione nel dominio del tempo
x(t) ⊗y(t) ←→X(f)Y (f)
x[n] ⊗y[n] ←→X(f)Y (f)
• Convoluzione nel dominio della frequenza
x(t)y(t) ←→X(f) ⊗Y (f)
x[n]y[n] ←→X(f) ⊗Y (f) = T
_
1/T
X(ν)Y (f −ν)dν
• Derivazione nel dominio del tempo
d
k
x(t)
dt
k
←→(j2πf)
k
X(f)

k
x[n] ←→(1 −e
−j2πfT
)
k
X(f)
134
• Derivazione nel dominio della frequenza
t
k
x(t) ←→
_
j

_
k
d
k
X(f)
df
k
n
k
x[n] ←→
_
j
2πT
_
k
d
k
X(f)
df
k
• Integrazione e somma
_
t
−∞
x(τ)dτ ←→
X(f)
j2πf
+
1
2
X(0)δ(f)
n

k=−∞
x[k] ←→
X(f)
1 −e
−j2πfT
+
1
2
X(0)δ(f)
• Periodicizzazione nel tempo (campionamento in frequenza)

n=−∞
x(t −nT
0
) ←→
1
T
0

k=−∞
X
_
k
T
0
_
δ
_
f −
k
T
0
_

m=−∞
x[n −mN
0
] ←→
1
N
0

k−∞
X
_
k
N
0
T
_
δ
_
f −
k
N
0
T
_
• Campionamento nel tempo (periodicizzazione in frequenza)

n=−∞
x(nT)δ(t −nT) ←→
1
T

k=−∞
X
_
f −
k
T
_

m=−∞
x[mM]δ[n −mM] ←→
1
M
M−1

k=0
X
_
f −
k
MT
_
• Valore nell’origine
X(0) =
_

−∞
x(t)dt x(0) =
_

−∞
X(f)df
X(0) =

n=−∞
x[n] x[0] = T
_
1/T
X(f)df
• Uguaglianza di Parseval
_

−∞
x(t)y

(t)dt =
_

−∞
X(f)Y

(f)df

n=−∞
x[n]y

[n] = T
_
1/T
X(f)Y

(f)df
135
• Formule di Poisson

n=−∞
x(t −nT
0
) =

k=−∞
1
T
0
X
_
k
T
0
_
e
j
2πkt
T
0

n=−∞
x(nT)e
−j2πnfT
=

k=−∞
1
T
X
_
f −
k
T
_

m=−∞
x[n −mN
0
] =
N
0
−1

k=0
1
N
0
X
_
k
N
0
T
_
e
j
2πkn
N
0

m=−∞
x[mN]e
−j2πmNfT
=
N−1

k=0
1
N
X
_
f −
k
NT
_
A.2 Propriet´a della Serie di Fourier
x(t) =

n=−∞
z(t −nT
0
)
x(t) =

k=−∞
X
k
e
j
2πkt
T
0
X
k
=
1
T
0
_
T
0
x(t)e
−j
2πkt
T
0
dt
=
1
T
0
_

−∞
z(t)e
−j
2πkt
T
0
dt
x[n] =

m=−∞
z[n −mN
0
]
x[n] =
N
0
−1

k=0
X
k
e
j
2πkn
N
0
X
k
=
1
N
0
N
0
−1

n=0
x[n]e
−j
2πkn
N
0
=
1
N
0

n=−∞
z[n]e

j2πkn
N
0
• Dualit´a (segnali a tempo discreto)
x[n] ←→X
k
X[n] ←→
1
N
0
x
−k
• Linearit´a
a
1
x
1
(t) +a
2
x
2
(t) ←→a
1
X
1
k
+a
2
X
2
k
a
1
x
1
[n] +a
2
x
2
[n] ←→a
1
X
1
k
+a
2
X
2
k
136
• Riflessione dell’asse dei tempi
x(−t) ←→X
−k
x[−n] ←→X
−k
• Coniugazione
x

(t) ←→X

−k
x

(−t) ←→X

k
x

[n] ←→X

−k
x

[−n] ←→X

k
• Traslazione nel dominio del tempo
x(t −t
0
) ←→X
k
e
−j
2πkt
0
T
0
x[n −m] ←→X
k
e
−j
2πkm
N
0
• Traslazione nel dominio della frequenza
x(t)e
j
2πmt
T
0
←→X
k−m
x[n]e
j
2πmn
N
0
←→X
k−m
• Convoluzione nel dominio del tempo
x(t) ⊗y(t) =
1
T
0
_
T
0
x(τ)y(t −τ)dτ ←→X
k
Y
k
x[n] ⊗y[n] =
1
N
0
N
0
−1

m=0
x[m]y[n −m] ←→X
k
Y
k
• Convoluzione nel dominio della frequenza
x(t)y(t) ←→X
k
⊗Y
k
=

m=−∞
X
m
Y
k−m
x[n]y[n] ←→N
0
X
k
⊗Y
k
=
N
0
−1

m=0
X
m
Y
k−m
• Derivazione nel dominio del tempo
d
m
x(t)
dt
m
←→
_
j2π
k
T
0
_
m
X
k

m
x[n] ←→
_
j2π
k
N
0
_
m
X
k
137
• Valori nell’origine
x(0) =

k=−∞
X
k
X
0
=
1
T
0
_
T
0
x(t)dt =
1
T
0
_

−∞
z(t)dt
x[0] =
N
0
−1

k=0
X
k
X
0
=
1
N
0
N
0
−1

n=0
x[n] =
1
N
0

n=−∞
z[n]
• Uguaglianza di Parseval
1
T
0
_
T
0
x(t)y

(t)dt =

k=−∞
X
k
Y

k
1
N
0
N
0
−1

n=0
x[n]y

[n] =
N
0
−1

k=0
X
k
Y

k
138
Appendice B
Trasformate di Fourier
B.1 Segnali a tempo continuo
• Impulso esponenziale unilatero
e
−αt
u(t); α > 0 ←→
1
α +j2πf
t
n−1
(n −1)!
e
−αt
u(t); α > 0 ←→
1
(α +j2πf)
n
• Impulso elementare bilatero
e
−α|t|
←→

α
2
+ (2πf)
2
• Impulso rettangolare
Arect
_
t
T
_
=
_
¸
_
¸
_
A se |t| <
1
2
T
0 se |t| >
1
2
T
A/2 se |t| =
1
2
T
←→ATsinc(fT)
• Impulso triangolare

_
t
T
_
=
_
A
_
1 −
|t|
T
_
se |t| < T
0 se |t| ≥ T
←→ATsinc
2
(fT)
• Impulso bifase
Arect
_
t
2T
_
sign(t) ←→−2jATsinc(fT)sin(πfT)
139
• Impulso sinc
Asinc(2Bt) ←→
A
2B
rect
_
f
2B
_
• Impulso RF
Arect
_
t
T
_
cos(2πf
c
t) ←→
1
2
ATsinc[(f −f
c
)T] +
1
2
ATsinc[(f +f
c
)T]
• Impulso cosinusoidale
Arect
_
t
T
_
cos
_
π
t
T
_
←→
1
2
ATsinc
_
fT −
1
2
_
+
1
2
ATsinc
_
fT +
1
2
_
Arect
_
t
T
_
cos
_
π
t
T
_
←→
2AT
π
cos(πfT)
1 −(2fT)
2
• Impulso coseno rialzato o finestra di Hanning
1
2
A
_
1 +cos
_

t
T
__
rect
_
t
T
_
←→
AT
2
sinc(fT)
1 −(fT)
2
1
2
A
_
1 +cos
_

t
T
__
←→
1
2
ATsinc(fT) +
+
1
4
ATsinc(fT −1) +
+
1
4
ATsinc(fT + 1)
• Finestra di Hamming
A
_
0.54 + 0.46cos
_

t
T
__
rect
_
t
T
_
←→ 0.54ATsinc(fT) +
+ 0.23ATsinc(fT −1) +
+ 0.23ATsinc(fT + 1)
• Impulso ideale
δ(t) ←→1
• Segnale costante
A ←→Aδ(f)
140
• Gradino unitario
u(t) =
_
¸
_
¸
_
1 se t > 0
0 se t < 0
1/2 se t = 0
←→
1
2
δ(f) +
1
j2πf
• Funzione segno
sign(t) =
_
¸
_
¸
_
1 se t > 0
−1 se t < 0
0 se t = 0
←→
2
j2πf
sign(t) ←→
1
jπf
• Segnale Gaussiano
e
−t
2

2
←→

2πσe
−2σ
2
π
2
f
2
• Treno campionatore ideale di periodo unitario

k=−∞
δ(t −k) ←→

m=−∞
δ(f −m)
• Treno campionatore ideale di periodo T

k=−∞
δ(t −kT) ←→
1
T

m=−∞
δ
_
f −
m
T
_
• Fasore
Ae
j2πf
0
t
←→Aδ(f −f
0
)
• Segnale sinusoidale
Acos(2πf
c
t) ←→
1
2
Aδ(f −f
c
) +
1
2
Aδ(f +f
c
)
B.2 Sequenze
• Sequenza esponenziale unilatera
a
nT
u[n] ←→
1
1 −ae
−j2πfT
141
• Sequenza esponenziale bilatera
a
|n|T
←→
1 −a
2
1 −2acos(2πfT) +a
2
• Impulso rettangolare discreto
x[n] = u[n] −u[n −N] ←→e
−j(N−1)fT
_
sen(NπfT)
sen(πfT)
_
• Finestra di Hanning
w
HN
[n] =
1
2
_
1 −cos
_

n
L
__
R
L
[n] ←→
1
2
D
L
(f) +

1
4
D
L
_
f −
1
LT
_
+

1
4
D
L
_
f +
1
LT
_
dove
R
N
[n] = u[n] −u[n −N]
D
N
(f) = F[R
N
[n]] = e
−j(N−1)fT
_
sen(NπfT)
sen(πfT)
_
• Finestra di Hamming
w
HM
[n] =
_
0.54 −0.46cos
_

n
L
__
R
L
[n] ←→ 0.54D
L
(f) +
−0.23D
L
_
f −
1
LT
_
+
−0.23D
L
_
f +
1
LT
_
• Finestra di Bartlett (triangolare)
B
2N
[n] =
_
1 −
|n −N|
N
_
R
2N
[n] ←→
sen
2
(πNTF)
Nsen
2
(πfT)
e
−j2πNfT
• Impulso ideale
δ[n] ←→1
• Gradino unitario
u[n] ←→
1
2T

k=−∞
δ
_
f −
k
T
_
+
1
1 −e
−j2πfT
142
• Treno campionatore ideale di periodo unitario

m=−∞
δ[n −m] ←→
1
T

k=−∞
δ
_
f −
k
T
_
• Treno campionatore di periodo N

m=−∞
δ[n −mN] ←→
1
NT

k=−∞
δ
_
f −
k
NT
_
• Fasore
Ae
j2πf
0
nT
←→
A
T

k=−∞
δ
_
f −f
0

k
T
_
• Sinusoide
2Acos(2πf
0
nT) ←→
A
T

k=−∞
δ
_
f −f
0

k
T
_
+
A
T

k=−∞
δ
_
f +f
0

k
T
_
• Sequenza sinc[n]
2Bsinc(nT2B) ←→
1
T

k=−∞
rect
_
f −
k
T
2B
_
• Sequenza sinc
2
[n]
2Bsinc
2
(nT2B) ←→
1
T

k=−∞
Λ
_
f −
k
T
2B
_
143