SIS Slajdovi

SIGNALI I SUSTAVI 2014./15.
Predavanja
Izv. prof. dr. sc. Viktor Sucic
1. Klasificiranje i osnovna svojstva signala
Uvod
Obrada signala: novo znanstveno podrucje koje je nalo primjene u mnogim granama elektrotehnike,
tehnike i znanosti uopce.
U ovom kolegiju bavit c emo se:
Klasificiranjem i osnovnim svojstvima signala

Modelima signala
Klasificiranjem i osnovnim svojstvima sustava
Impulsnim odzivom i analizom sustava u vremenskoj domeni primjenom konvolucije
Fourierovom analizom periodicnih i neperiodicnih signala
Otipkavanjem i rekonstrukcijom signala
Transformacijama signala koje omogucuju njihovu efikasnu analizu i obradu pomocu racunala
V. Sucic, Signali i sustavi - Predavanja
Signali i njihovo klasificiranje
Signal: funkcija kojom predstavljamo neku fizikalnu velicinu/varijablu, a koja sadri informaciju o
ponaanju/prirodi promatranoga fenomena.
Pojednostavljeno receno, signal je skup podataka ili informacija.
Primjeri signala:
struja i napon (elektricki sustav),

sila i brzina (mehanicki sustav),
tlak i protok (hidraulicki sustav),
jakost svjetlosti (opticki sustav),
govor,
video,
biomedicinski signali,
dnevni burzovni indeksi, ...
Signal matematicki predstavljamo kao funkciju nezavisne varijable t, tj. kao x(t), gdje je t najcece
vrijeme. Npr. x(t) = 3et .
(a) govor
(d) svemir
(b) slika (J.B.J. Fourier)
(e) EKG
(c) satelitski snimak
(f) tecaj
Slika 1: Primjeri signala.
Prema prirodi vremenske varijable, signale klasificiramo na:
Vremenski kontinuirane (ili krace kontinuirane): x(t) je funkcija vremenski kontinuirane varijable
t R (npr. govor).
Vremenski diskretne (ili krace diskretne): x[n] je funkcija vremenski diskretne varijable n Z (npr.
mjesecna rata kredita). Za sve ostale vrijednosti vremena diskretni signal nije definiran.
Vremenski diskretan signal:
nezavisna varijabla je po svojoj prirodi diskretna, ili

je dobiven otipkavanjem (engl. sampling) kontinuiranoga signala: x[n] = x(nTs ), gdje je Ts
period otipkavanja.
Diskretni signal
2
1.5
1.5
0.5
0.5
x[n]
x(t)
Kontinuirani signal
2
0.5
0.5
1.5
1.5
2
1
0.5
0.5
2
10
(a) sin(2t)
10
(b) sin(2n), Ts = 0.1
Slika 2: (a) Kontinuirani i (b) diskretni signal.
Prema prirodi amplitude, signale klasificiramo na:
Analogne: signal moe poprimiti beskonacno mnogo razlicitih vrijednosti amplitude u odredenom
kontinuiranom intervalu.
Digitalne: signal moe poprimiti samo konacan broj vrijednosti amplitude. Npr, signali u racunalima
poprimaju jednu od dvije vrijednosti amplitude (0 ili 1).
Kvantizacija (engl. quantisation): postupak kojim se iz analognog dobiva digitalni signal.
Diskretni analogni signal
Kontinuirani analogni signal
Kontinuirani digitalni signal
1.5
1.5
2.5
2
1.5
0.5
x(t)
x[n]
x(t)
0.5
0.5
0.5
0.5
0.5
1
1.5
1.5
2
1
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
1.5
2
10
10
2
6
(a)
10
(b)
(c)
Diskretni digitalni signal

3
2.5
2
1.5
x[n]
1
0.5
0
0.5
1
1.5
2
6
10
(d)
Slika 3: (a) Analogni, kontinuirani, (b) analogni, diskretni, (c) digitalni, kontinuirani, (d) digitalni, diskretni signal.
Jo jedna vana klasifikacija signala je na:
Deterministicke
signale: fizikalni opis signala, bilo u matematickom ili grafickom smislu, u
potpunosti je poznat.
Stohasticke
signale: vrijednosti signala ne mogu se tocno predvidjeti i poznati su nam samo
statisticki parametri signala (npr. srednja vrijednost, varijanca, i sl.).
U ovom kolegiju bavit c emo se iskljucivo deterministickim signalima.
Deterministicki signal
Stohasticki signal
2
1.5
1.5
x(t)+AWGN
x(t)
0.5
0
0.5
0.5
0
0.5
1.5
1.5
2
1
0.5
(a) sin(2t)
0.5
2
1
0.5
0.5
(b) sin(2t) + bijeli Gaussov um
Slika 4: (a) Deterministicki i (b) stohasticki signal.
(a) EEG signali takora
(b) Elektricni um u diodi ( = 0)
(c) INTEL-ov burzovni indeks
Slika 5: Primjeri stohastickih signala u praksi.
10
Kontinuirani signal x(t) je periodican

ako za konstantu T0 > 0, T0 R vrijedi:
x(t) = x(t + T0 ),
t.
(1)
Najmanje T0 za koje vrijedi (1) zovemo osnovni period signala x(t).

Takoder
je: x(t + kT0 ) = x(t), k Z.
Diskretni signal x[n] je periodican

ako za konstantu N0 > 0, N0 Z vrijedi:
x[n] = x[n + N0 ],
n.
(2)
Najmanje N0 za koje vrijedi (2) zovemo osnovni period signala x[n].

Takoder
je: x[n + kN0 ] = x[n], k Z.
Signal koji ne zadovoljava (1) odnosno (2) je neperiodican

(aperiodican) signal.
Za periodicne signale vrijedi:
Z
+T0
x(t)dt =
+T0
x(t)dt,
, R.
Stoga c emo integral signala x(t) po jednome periodu krace oznacavati sa
(3)
x(t)dt.
T0
Na slican c emo nacin zbrajanje signala x[n] po jednome periodu oznacavati sa
x[n].
N0
11
Periodican diskretni signal
Neperiodican kontinuirani signal

2
1.5
1.5
1.5
0.5
0.5
0.5
x(t)
x[n]
x(t)
Periodican kontinuirani signal

2
0.5
0.5
0.5
1.5
1.5
1.5
2
1
0.5
0.5
2
10
10
2
10
(a)
10
(b)
(c)
Neperiodican diskretni signal

2
1.5
1
x[n]
0.5
0
0.5
1
1.5
2
10
10
(d)
Slika 6: (a) Periodican, kontinuirani, (b) periodican, diskretni (c) neperiodican, kontinuirani, (d) neperiodican, diskretni signal.
12
Ako su x1 (t) = x1 (t + T1 ) = x1 (t + mT1 ), x2 (t) = x2 (t + T2 ) = x2 (t + nT2 ), i x(t) = x1 (t) + x2 (t), tj.

x(t) = x1 (t + mT1 ) + x2 (t + nT2 ).
(4)
Signal x(t) bit c e periodican signal s periodom T ako je:

x(t) = x(t + T ) = x1 (t + T ) + x2 (t + T ).
(5)
Iz (4) i (5):
mT1 = nT2 = T
T1 /T2 = n/m Q.
(6)
Ako su x1 [n] = x1 [n + N1 ] = x1 [n + pN1 ], x2 [n] = x2 [n + N2 ] = x2 [n + qN2 ], i x[n] = x1 [n] + x2 [n],

tj.
x[n] = x1 [n + pN1 ] + x2 [n + qN2 ].
(7)
Signal x[n] bit c e periodican signal s periodom N ako je:
x[n] = x[n + N ] = x1 [n + N ] + x2 [n + N ].
(8)
pN1 = qN2 = N.
(9)
Iz (7) i (8):
Kako je uvijek moguce naci cijele brojeve p i q koji zadovoljavaju (9), zbroj dva diskretna periodicna
signala uvijek je periodican signal.
13
Primjer 1.1. Naci osnovni period kompleksno-eksponencijalnog signala

x(t) = ej2f0 t ,
f0 6= 0.
Odgovor 1.1.
x(t + T0 ) = ej2f0 (t+T0 ) = ej2f0 t ej2f0 T0
x(t) = x(t + T0 )
kada je
ej2f0 T0 = 1
T0 =
f0 T0 = 1.
f0
Takoder
vrijedi
x(t) = x(t + kT0 ), k Z
kT0 =
f0
14
Signal je kauzalan ako vrijedi:

tj.
t<0
x[n] = 0,
n < 0.
x(t) = 0,
t0
x[n] = 0,
n 0.
Ako je
tj.
x(t) = 0,
signal je antikauzalan.
Signal koji pocinje prije trenutka t = 0, odnosno n = 0, zovemo nekauzalan signal.
15
Kako bismo numericki izrazili velicinu signala, nuno je promatrati ne samo njegovu amplitudu nego i
trajanje.
Jedna mjera velicine signala je njegova energija (E), odnosno snaga (P ).
Energija signala x(t) je:
E=
x(t)x (t)dt =
|x(t)|2 dt.
(10)
Snaga signala x(t) je:

1
P = lim
T T
T /2
1
x(t)x (t)dt = lim
T T
T /2
T /2
T /2
|x(t)|2 dt.
(11)
Srednja snaga periodicnoga signala s periodom T0 (za T = kT0 u (11)) jednaka je:
Pav = lim
1
k
kT0
T0
0
|x(t)| dt
1
=
T0
T0
0
|x(t)|2 dt.
(12)
16
Za diskretne signale imamo:

E=
n=
|x[n]|2
N
X
1
|x[n]|2 .
P = lim
N 2N + 1
n=N
(13)
(14)
Za periodicne signale, snagu P u (14) dobijemo zbrajanjem po jednom periodu signala.
Signale klasificiramo na:
Signale energije: ako je 0 < E < (te je P = 0),

Signale snage: ako je 0 < P < (te je E = ).
Signal moe biti ili signal energije, ili signal snage, ili niti signal energije niti signal snage.
Periodicni i stohasticki signali najcece su signali snage, dok su deterministicki neperiodicni signali
signali energije.
17
Primjer 1.2. Naci energiju i snagu signala na slici.

3
2.5
2
x(t)
1.5
2et/2
1
0.5
0
0.5
1
10
Odgovor 1.2.
E=
|x(t)| dt =
1
P = lim
T T
2 dt +
1
(2e
t/2 2
) dt =
T /2
1
|x(t)|2 dt = lim
T T
T /2
E<
i P =0
Z
4dt +
1
4dt +
1
4et dt = 4 + 4 = 8.
4et dt
= lim
8
= 0.
T
Signal energije.
18
Primjer 1.3. Naci snagu i energiju signala x(t) = A cos(2f0 t + ).

Odgovor 1.3.
P
=
=
=
=
1
lim
T T
A2
lim
T 2T
A2
lim
T 2T
T /2
A2 cos2 (2f0 t + )dt
T /2
Z
Z
T /2
(1 + cos(4f0 t + 2))dt
T /2
T /2
A2
dt + lim
T 2T
T /2
A2
A2
+0=
2
2
T /2
cos(4f0 t + 2))dt
T /2
Kao to vidimo, snaga P ne ovisi niti o frekvenciji f0 niti o fazi signala x(t).
Z
A2
E=
|x(t)| dt =
2
P <
(1 + cos(4f0 t + 2))dt = + 0 = .
i E=
Signal snage.
19
Primjer 1.4. Pokazati da je signal x[n] = 2ej3n signal snage.

Odgovor 1.4.
P
N
X
1
lim
|x[n]|2
N 2N + 1
n=N
N
X
1
|2ej3n |2
lim
N 2N + 1
n=N
N
X
1
lim
22
N 2N + 1
n=N
E=
n=
lim
|x[n]|2 =
4(2N + 1)
= 4.
2N + 1
n=
|2ej3n |2 =
n=
4 = .
P < i E = = x[n] je signal snage.
20
Transformacije nezavisne varijable
Vremenski pomak: yp (t) = x(t t0 ), t0 R, gdje za
t0 > 0 originalni signal je pomaknut udesno,

t0 < 0 originalni signal je pomaknut ulijevo.
Skaliranje: ys (t) = x(at), a R, gdje za
a > 1 kompresija originalnoga signala,

a < 1 ekspanzija originalnoga signala.
Za a = 1, ys (t) = x(t) je signal x(t) reflektiran oko ordinate.

Napomena: signal x(t) je refleksija x(t) oko apscise.
Kombinirane operacije: Signal y(t) = x(at t0 ), a, t0 R dobije se na jedan od sljedeca dva

nacina:
1. Prvo se originalni signal pomakne za t0 , x(t t0 ) = x(t)|t=tt0 , te se dobiveni signal skalira sa a,
x(at t0 ) = x(t t0 )|t=at , ili
2. Prvo se originalni signal skalira sa a, x(at) = x(t)|t=at , te se dobiveni signal pomakne za t0 /a,
x(at t0 ) = x(at)|t=tt0 /a .
U oba slucaja, za a < 0 skaliranje ukljucuje i refleksiju oko ordinate.

Navedene su transformacije direktno primjenjive i na diskretne signale.
21
1.5
1.5
1.5
0.5
0.5
x(t+1)
1
0.5
x(t2)
x(t)
0
0.5
0.5
1.5
1.5
1.5
2
5
2
5
2
5
(b)
(c)
1.5
1.5
1.5
1
0.5
x(2t+3)
1
0.5
x(t/3)
1
0.5
0
0.5
0.5
0.5
1.5
1.5
1.5
2
5
(d)
2
5
(e)
2
5
(a)
x(3t)
0.5
(f)
Slika 7: Signal: (a) x(t) (b) x(t 2) (c) x(t + 1) (d) x(3t) (e) x(t/3) (f) x(2t + 3).
Signal x(2t + 3) (slika 7(f)) dobije se pomakom originalnoga signala x(t) (slika 7(a)) za t0 = 3,
skaliranjem pomaknutoga signala sa a = 2, te refleksijom dobivenoga signala oko okomite osi.
22
Primjer 1.5. Matematicki definirati signal x(2t + 3) na slici 7(f).

Odgovor 1.5.
x(t)
x(2t + 3)
x(2t + 3)
x(2t + 3)
x(2t + 3)
1,
0,
1,
0,
1 (2t + 3) 1
inace.
1,
0,
1 t 1
inace.
4 (2t) 2
inace.
1,
0,
2 t 1
inace.
1,
0,
2t1
inace.
1,
0,
1t2
inace.
Te, kako je i prikazano graficki na slici 7(f),

x(2t + 3)
23
2. Modeli signala
Kontinuirani signali
Jedinicna
stepenica (Heaviside jedinica):
u(t) =
1,
0,
t0
t<0
u(t)
U teoriji distribucija, u(0) = 1/2.

Koristi se za definiranje kauzalnih signala: xk (t) = x(t)u(t).
Kauzalni oblik signala x(t)
3
2.5
2.5
1.5
1.5
xk(t)
x(t)
Kontinuirani signal
3
1
0.5
1
0.5
0.5
0.5
1
5
1
5
(a)
(b)
Slika 8: Signal: (a) x(t) = et/3 , t (b) xk (t) = x(t)u(t) = et/3 , t 0.
25
Primjer 2.1. Skicirati signal x(t) = 4u(t) 6u(t 2) + 3u(t 4) + 2u(t 5).
Odgovor 2.1.
6x(t)
4
2
1
26
Primjer 2.2. Definirati signal na slici 9 pomocu jedinicnih stepenica.

2
1.5
1
x(t)
0.5
0
0.5
1
1.5
2
5
Slika 9: Pravokutni impuls rect(t/2).
Odgovor 2.2.
x(t) = u(t + 1) u(t 1) = rect(t/2).
Opcenito, pravokutni impuls centritan oko ishodita (t = 0) i s trajanjem T definiramo kao:

t
rect
= u(t + T /2) u(t T /2).
T
27
impuls (Dirac delta funkcija):

Jedinicni
Za prikaz fenomena koji se javljaju u vrlo kratkim vremenskim intervalima i kod mjerenja dovode do
trenutne promjene mjerene velicine.
Najvanija je funkcija u teoriji signala i sustava.
Dirac ju je definirao na sljedeci nacin:
(t) = 0, t 6= 0
Z
i
(t)dt = 1
Vidimo da (t) za t = 0 nije definirano.

(t)
6
6
k(t) je (t) funkcija s povrinom k.
28
Delta funkciju u praksi c esto definiramo kao granicnu vrijednost konvencionalne funkcije.

1
1/,
|t| /2
(t) = rect(t/) =
0,
|t| > /2
(t)
2
Vidimo da:
1
6
(t)dt = 1
lim (t) = (t).
29
Analizirajmo sljedeci integral:

Z
( )d =
Za 0:
tj.
( )d =
1,
0,
1,
0,
t /2
t < /2
t0
t<0
( )d = u(t)
Stoga:
( )d = u(t)
du(t)
= (t).
dt
30
Razmotrimo neka bitna svojstva funkcije (t).
Neka je signal x(t) kontinuirani signal u trenutku t = 0. Tada je:

x(t)(t) = x(0)(t) (impuls povrine x(0))
x(t)(t t0 ) = x(t0 )(t t0 )
6
6x(t0 )
t0
Jednakost
x(t)(t t0 )dt = x(t0 )
(t t0 )dt = x(t0 ) 1 = x(t0 ).
x(t)(t t0 )dt = x(t0 ) poznata je kao svojstvo uzorkovanja (engl. sampling) ili
prosijavanja (engl. sifting), i predstavlja formalnu definiciju delta funkcije kao generalizirane funkcije
(promatramo njezin utjecaj ne testnu funkciju x(t), a ne njezine vrijednosti u svakom vremenskom
trenutku).
31
Ostala vana svojstva (t) su:

(at + b) =
Z
(t) = (t)
x() (t ) d = x(t) (t) = x(t)
b
a
1
(t + b/a)
|a|
x(t)(t t0 )dt
x(t0 ),
0,
nedefiniran,
(konvolucija)
a < t0 < b
a < b < t0 ili t0 < a < b
a = t0 ili b = t0 .
32
Primjer 2.3. Naci:

a)
cos(t)(t )
b)
et (2t 2)dt
Odgovor 2.3. Navedeni izrazi jednaki su

a)
cos(t)(t ) = cos()(t ) = (t )
b)
1
et (2t 2)dt =
2
1
e1
=
(t 1)dt =
2
2e
33
Jedinicna
kosina:
r(t) = tu(t) =
r(t)
6
t,
0,
1
|

u( )d = r(t)
t0
t<0
0
Z
dr(t)
= u(t).
dt
Sve funkcije izvedene iz (t) (sukcesivnim deriviranjem ili integriranjem) zovemo singularne funkcije.
Ove funkcije imaju tzv. singularnu tocku (tocku u kojoj funkcija nema derivaciju; u navedenim funkcijama
singularnost se javlja u ishoditu).
34
Diskretni signali
Jedinicna
stepenica:
u[n] =
1,
0,
n 0,
n < 0.
-3 -2 -1 0
2 3 4
Kauzalni signal: xk [n] = x[n]u[n].

impuls (Kroneckerova delta funkcija):
Jedinicni

1,
[n] =
0,
7 n
n = 0,
n 6= 0.
-3 -2 -1 0
[n] = u[n] u[n 1]
u[n] =
n
X
[k]
k=
35
Kako je
Diskretna sinusoida:
1,
[n k] =
0,
n = k,
=
n 6= k.
x[n] =
k=
x[k][n k]
Otipkavanjem signala x(t) = cos( t) svakih T sekundi, dobije se diskretni signal

x[n] = cos( T n) = cos( n), gdje je = T diskretna frekvencija.
Prema Euleru: cos(n) + j sin(n) = 1 ejn = ejn , to u kompleksnoj ravnini odgovara tocki na
jedinicnoj krunici s kutom .
Kako je cos(n) = cos(( + 2k)n), k Z, signal cos(n) jednoznacan je samo u intervalu
< (tzv. osnovni frekvencijski pojas (engl. fundamental band)). Isto vrijedi i za signal ejn .
Svaka frekvencija stoga je identicna frekvenciji o = 2k, gdje je o < .
Kako je cos(n + ) = cos(n ), frekvencija u intervalu (, 0) identicna je (ima istu
magnitudu, ali suprotnu fazu) frekvenciji u intervalu (0, ). Zato kaemo da je frekvencija ovoga
signala ||, te je signal dovojno promatrati u 0 .
Npr.:
cos(2.25n + ) = cos((2.25 2)n + ) = cos(0.25n + )
cos(3.25n + ) = cos((3.25 4)n + ) = cos(0.75n + ) = cos(0.75n )
36
37
3. Klasificiranje i osnovna svojstva sustava
Sustavi i njihovo klasificiranje
Sustavi su kombinacija fizikalnih komponenata (hardwareska realizacija) i/ili algoritama (softwareska

realizacija).
Fizikalni su sustavi gradeni
od komponenata izmedu
ulazno-izlazni zakoni, a iz
kojih postoje odredeni
kojih se izvode odgovarajuce matematicke relacije o sustavu (matematicki model sustava).

Sustave proucavamo:
Mikroskopski: kompletan sustav sa svim komponentama i njihovom interakcijom kompliciran

pristup zbog kompleksnosti u matematickom opisu sustava.
Makroskopski: sustav promatran kroz podsustave i komponente opisane samo s onoliko detalja
koliko je nuno da bi se predvidjelo ponaanje sustava poznato je ponaanje komponenti (odziv na
klasicne pobude (jedinicni impuls i jedinicna stepenica) i prijenosna funkcija).
Kod analize sustava, javljaju se sljedece situacije:
ulaz i sustav su poznati, izlaz je nepoznat.

ulaz i izlaz su poznati, sustav je nepoznat.
sustav i izlaz su poznati, nepoznat je ulaz.
39
Sustav je proces koji rezultira transformacijom signala odnosno ekstrakcijom eljenih informacija iz
signala. Njime se ulaznom signalu (pobudi) pridruuje odgovarajuci izlazni signal (odziv).
Sustave obicno predstavljamo blok-dijagramom:

x
- Sustav T
- y = T {x}
Ovo je sustav s jednim ulazom i jednim izlazom, ali moguci su i sustavi s vie ulaza i vie izlaza.
Primjer ulazno-izlazne veze sustava je integral poznat kao integral superpozicije ili konvolucijski integral:
Z
y(t) = T {x(t)} =
x() h(t ) d,
gdje je funkcija h(t) impulsni odziv sustava i predstavlja izlazni signal kada sustav pobudimo delta
funkcijom, tj. h(t) = T {(t)}.
40
Sustave dijelimo na:
Kontinuirane, diskretne, analogne, digitalne i hibridne (kombinacija prethodnih)

Linearne i nelinearne
Vremenski promjenjive i vremenski nepromjenive
Kauzalne i nekauzalne
Stabilne i nestabilne
Trenutne i dinamicke
Invertibilne i neinvertibilne
...
41
Osnovna svojstva sustava
Linearan sustav je sustav za koji vrijedi princip superpozicije, tj. ako su x1 i x2 ulazi u sustav T , tada
vrijedi:
T {1 x1 + 2 x2 }
=
=
1 T {x1 } + 2 T {x2 }
1 y 1 + 2 y2 ,
1 , 2 const.
Svojstvo
T [1 x1 ] = 1 T {x1 } = 1 y1
zovemo homogenost, dok je
T {x1 + x2 } = T {x1 } + T {x2 } = y1 + y2
aditivnost sustava T .
Opcenito, za linearne sustave vrijedi:

x=
N
X
k=1
k xk
y=
N
X
k=1
k yk , gdje je yk = T {xk }.
U ovome kolegiju primarno c emo se baviti linearnim sustavima jer:
se mnogi sustavi od interesa u tehnici mogu modelirati kao linearni,

postojece matematicke metode omogucuju njihovu efikasnu analizu.
42
Primjer 3.1. Za ulazni signal x i izlazni signal y, pokazati da je sustav y = x/(1 + x) nelinearan.
Odgovor 3.1.
T {1 x1 + 2 x2 }
=
6=
6=
1 x1 + 2 x2
1 + (1 x1 + 2 x2 )
x1
x2
1
+ 2
1 + x1
1 + x2
1 y1 + 2 y2 .
43
Primjer 3.2. Ispitati linearnost sustava na slici. Pretpostaviti da je g[n] 6= x[n].

T
x[n]
- l
- y[n]
g[n]
Odgovor 3.2.
y[n] = T {x[n]} = x[n]g[n]
T {1 x1 [n] + 2 x2 [n]}
{1 x1 [n] + 2 x2 [n]} g[n]
1 x1 [n]g[n] + 2 x2 [n]g[n]
1 T {x1 [n]} + 2 T {x2 [n]}
1 y1 [n] + 2 y2 [n].
Sustav je linearan.
44
Sustav je vremenski nepromjenjiv (fiksan ili sustav s konstantnim parametrima) ako se njegova
ulazno-izlazna relacija ne mijenja s vremenom.
Za kontinuirani sustav to znaci da:
x(t) , :
T {x(t )} = y(t )
x(t)
y(t)
x(t)
t0
t1
System
y(t)
t0
t1
Slika 10: Vremenski nepromjenjiv sustav.
Ekvivalentno za diskretni sustav :

x[n] , n0 :
T {x[n n0 ]} = y[n n0 ]
45
Kada je sustav vremenski nepromjenjiv, vremenski pomak i sustav su komutativne operacije.
Sustav koji je linearan i vremenski nepromjenjiv zovemo linearan, vremenski nepromjenjiv (LVN)
sustav.
46
Primjer 3.3. Termistor ima otpor R(t). Struja kroz termistor je y(t) =
x(t)
, gdje je x(t) napon na
R(t)
termistoru. Pokazati da je termistor vremenski promjenjiv sustav.

Odgovor 3.3.
Neka je
za x2 (t) = x1 (t ), y2 (t) =
y1 (t) =
x1 (t)
,
R(t)
x2 (t)
x1 (t )
x1 (t )
=
6= y1 (t ) =
R(t)
R(t)
R(t )
Primjer 3.4. Pokazati da je y(t) = T {x(t)} = et x(t) vremenski promjenjiv sustav.

Odgovor 3.4.
T {x(t )}
=
6=
et x(t )
y(t ) = e(t ) x(t ).
47
Sustav je kauzalan (fizikalan) ako njegov trenutni izlaz ovisi samo o sadanjim i/ili prolim vrijednostima
ulaza, a ne o buducim vrijednostima ulaza.
Jednostavno receno, nema odziva prije nego se sustav pobudi.
Svi sustavi u praksi koji rade u realnom vremenu su kauzalni.

Sustavi c ija nezavisna varijabla nije vrijeme mogu biti i nekauzalni.
Signali koji su prije obrade u potpunosti dostupni (snimak govora, meteoroloki signali, geofizikalni
signali, i sl.) mogu se obradivati
u nekauzalnim sustavima.
48
Primjer 3.5. Je li sustav na slici kauzalan?
Odgovor 3.5. Kako je

x(t) = rect
t2
4
y(t) = x(t + 6) + x(t 3),

vidimo da se izlazni signal y(t) javlja i prije nego to je sustav pobuden
ulaznim signalom x(t), te je stoga
sustav nekauzalan.
Napomena: Nekauzalni se sustavi mogu realizirati u praksi ukoliko im dodamo odgovarajuci vremenski
pomak.
Za sustav na slici, kauzalni ekvivalent je: yk (t) = y(t 6) = x(t) + x(t 9).
49
Ako ogranicen ulazni signal rezultira u ogranicen izlazni signal, sustav je BIBO (engl. bounded input
bounded output) stabilan, tj.
|x| Kx <
|y| Ky < ,
gdje su Kx i Ky realne konstante.

Primjer 3.6. Pokazati da je sustav y(t) = x2 (t) BIBO stabilan.
Odgovor 3.6. Za |x(t)| Kx < ,
|y(t)| = |x2 (t)| Kx2 < , te je sustav BIBO stabilan.
Primjer 3.7. Pokazati da je sustav y[n] = rn x[n], r > 1 BIBO nestabilan.

Odgovor 3.7. Za |x[n]| Kx < , |y[n]| = |rn x[n]| = |rn ||x[n]| jer za r > 1 c lan |rn |
divergira kada n . Stoga je ovaj sustav BIBO nestabilan.
50
N 1
1 X
Primjer 3.8. MA (engl. Moving Average) sustav y[n] =
x[n k] uklanja kratkotrajne varijacije u
N k=0
podacima i naglaava dugotrajan trend. N kontrolira stupanj izgladenosti
ulaznih podataka. Je li MA sustav
BIBO stabilan?
(a)
(b)
(c)
Slika 11: Moving Average (MA) sustav - cijena dionica INTEL-a, (a) originalni podaci, (b) MA, N = 4, (c) MA, N = 8.
Odgovor 3.8. Za |x[n]| Kx < , n,

N 1

N 1

X
1 X
N Kx
1

Kx
x[n k]
|x[n k]|
|y[n]| =

N k=0
N k=0
N
BIBO stabilan.
51
Kada je izlazni signal sustava funkcija ulaznog signala samo u sadanjim trenucima vremena, sustav je
trenutan (bez memorije); npr. v(t) = R i(t) i y[n] = sin(x[n]).
i(t)
v(t)
Slika 12: Trenutni sustav.
Napomena: Svi sustavi bez memorije su kauzalni. Obratno nije nuno tocno.
Ako uz trenutne vrijednosti izlaz sustava jo ovisi i oZprolim i/ili buducim vrijednostima ulaznoga signala,
1 t
v()d.
sustav je dinamican
(s memorijom); npr. i(t) =
L
i(t)
v(t)
Slika 13: Dinamican sustav.
N 1
1 X
MA sustav y[n] =
x[n k] ima memoriju. Sustav je takoder
kauzalan.
N k=0
52
Ako se odredenim
operacijama (inverzni sustav T 1 ) iz izlaznoga signala moe dobiti ulazni signal,
sustav T je invertibilan.
Slika 14: Serijska veza sustava T i njegovog inverza T 1 .
Primjeri inverznoga sustava su ekvalizatori kojima se eliminiraju neeljeni utjecaji komunikacijskog

kanala na odaslani signal. Ekvalizatori su dio prijamnika i u serijskoj su vezi s kanalom.
Kada vie razlicitih ulaza daje isti izlaz, sustav je neinvertibilan; npr. y(t) = x2 (t) i y[n] = x[Kn].
53
Primjer 3.9. Je li sustav

y(t) = T {x(t)} = x(t) cos(2fc t),
a)
b)
c)
d)
e)
fc const.
s memorijom,
kauzalan,
linearan,
vremenski nepromjenjiv,
stabilan?
54
Odgovor 3.9. Sustav je

a) bez memorije jer y(t) ovisi samo o trenutnim vrijednostima x(t),
b) kauzalan jer y(t) ne ovisi o buducim vrijednostima x(t),
c) linearan jer
T {1 x1 (t) + 2 x2 (t)}
=
=
=
d)
1 x1 (t) cos(2fc t) + 2 x2 (t) cos(2fc t)
1 y1 (t) + 2 y2 (t),
vremenski promjenjiv jer

T {x(t )}
e)
{1 x1 (t) + 2 x2 (t)} cos(2fc t)
=
6=
x(t ) cos(2fc t)
x(t ) cos(2fc (t )) = y(t ),
BIBO stabilan jer kako je | cos(2fc t)| 1, svaki c e ograniceni ulazni signal x(t) rezultirati u ogranicen
izlazni signal y(t), tj.
|y(t)| = |x(t) cos(2fc t)| |x(t)|,
te za |x(t)| Kx < imamo |y(t)| Kx < .
55
4. Analiza sustava u vremenskoj domeni Konvolucija signala
Impulsni odziv kontinuiranog LVN sustava
Osnovni problem kod analize sustava: dani su linearan vremenski nepromjenjiv (LVN) sustav i ulazni
signal; potrebno je naci izlazni signal sustava.
x(t)
- LVN sustav T
- ?
Dva su nacina u polju obrade signala kojima rjeavamo ovaj problem:
Primijeniti metode vremenske analize signala (npr. konvolucija)

Primijeniti metode frekvencijske analize signala (npr. Fourierova transformacija)
Impulsni odziv sustava je njegov odziv na jedinicni impuls u vremenu t = 0 kada su svi pocetni uvjeti
sustava nula:
h(t) = T {(t)}.
Impulsni odziv h(t) u potpunosti definira sustav T u vremenskoj domeni.
57
Konvolucijski integral
Ulazni signal x(t) LVN sustava T aproksimirat c emo pomocu niza pravokutnih impulsa, kako je
prikazano na slici 15.
Slika 15: Aproksimacija signala x(t) pomocu uskih pravokutnih impulsa.
Ova je aproksimacija tocnija to su pravokutnici ui: za 0 pravokutnici postaju delta funkcije s

razlicitim vremenskim pomacima i povrinama koje odgovaraju vrijednostima signala u promatranim
pomacima, tj. (x(n ) )(t n ).
Odziv sustava tada je zbroj njegovih odziva na svaku od navedenih delta funkcija.
Stoga, ukoliko nam je poznat impulsni odziv sustava, jednostavno moemo odrediti njegov odziv na bilo
koju pobudu.
58
(t)
h(t)
(t n )
(vremenska nepromjenjivost)
h(t n )
(x(n ) )(t n )
(homogenost)
(x(n ) )h(t n )
x(n )(t n )
n=
lim
x(n )h(t n )
n=
(aditivnost)
x(n )(t n )
n=
x( )(t )d
lim
x(n )h(t n )
n=
x( )h(t )d
x(t)
y(t)
Odziv LVN sustava T s impulsnim odzivom h(t) na pobudu x(t) definiran je konvolucijskim
integralom
Z
y(t) =
x( )h(t )d,
to krace piemo y(t) = x(t) h(t).
Some people claim that convolution has driven many electrical engineering undergraduates to contemplate
theology, either for salvation or as an alternative career. (IEEE Spectrum, March 1991, p.60)
59
Primjer 4.1. Naci konvoluciju signala

eat u(t) i ebt u(t),
a > 0, b > 0, a 6= b
Odgovor 4.1.
y(t)
=
=
=
ebt
ea u( ) eb(t ) u(t ) d
Z
e(ab) d
0
eat
ebt
ab
u(t)
u(t)
Opcenito vrijedi:
e
1 t
u(t) e
2 t
e 1 t e 2 t
u(t), 1 6= 2 .
u(t) =
1 2
60
Svojstva konvolucijskoj integrala
Za konvolucijski integral x(t) h(t) =
x( )h(t )d vrijedi:
Komutacija: x(t) h(t) = h(t) x(t).

x(t) h(t)
=
=
h()x(t )d,
Z
h()x(t )d
=t
h(t) x(t).
Distribucija: x(t) h1 (t) + x(t) h2 (t) = x(t) (h1 (t) + h2 (t)).
Paralelna kombinacija LVN sustava ekvivalentna je sustavu c iji je impulsni odziv zbroj individualnih
impulsnih odziva.
61
Asocijacija: (x(t) h1 (t)) h2 (t) = x(t) (h1 (t) h2 (t)).
Serijska kombinacija LVN sustava ekvivalentna je sustavu c iji je impulsni odziv konvolucija
individualnih impulsnih odziva.
Konvolucija s delta funkcijom: x(t) (t) = x(t).

Z
Z
Z
x(t) (t) =
x( )(t )d =
x( )(( t))d =
x( )( t)d = x(t).
Kauzalnost: Kako je vecina signala i sustava u praksi kauzalna, tj. x(t) = 0, t < 0 i h(t) = 0, t < 0,
slijedi da je integrand x( ) h(t ) 6= 0 samo u intervalu 0 t, t 0. Stoga je:
Z t
x( )h(t )d,
t0
y(t) = x(t) h(t) =
0
0,
t < 0.
62
Pomak u vremenu: x(t t1 ) h(t t2 ) = y(t (t1 + t2 )).
Povrina ispod signala y(t) = x(t) h(t) umnoak je povrina ispod signala x(t) i h(t):
Z
Z Z
Ay =
y(t) dt =
x( ) h(t ) d dt
Trajanje signala: Ako signal x(t) ima trajanje Tx , a signal h(t) trajanje Th (vremenska konstanta
sustava), tada je trajanje signala y(t) = x(t) h(t) jednako zbroju Ty = Tx + Th .
=
=
x( )
h(t ) dt d
x( ) Ah d = Ah Ax .
Odziv na jedinicnu
stepenicu (za analizu sustava gdje se javljaju nagle promjene ulaznoga
signala):
Z
Z
s(t) = T {u(t)} = h(t) u(t) =

s(t) =
Sustav y(t) =
h( )u(t )d =
h( )d
i h(t) =
h( )d.
ds(t)
dt
x()d zovemo idealni integrator.
63
Primjer 4.2. Naci odziv sustava h(t) =

Odgovor 4.2.
s(t) =
1 t/RC
e
u(t)
RC
h( )d =
t
0
pobudenog
jedinicnom stepenicom.
1 /RC
e
d = (1 et/RC )u(t).
RC
(RC = 1)
64
Prijenosna funkcija kontinuiranog LVN sustava
Nadimo
odziv LVN sustava s impulsnim odzivom h(t) pobudenog
signalom x(t) = est , t:
y(t)
=
=
h(t) est
Z
h( )es(t ) d
=
=
gdje je
H(s) =
h( )es d
st
h( )es d
est H(s)
(Laplaceova transformacija signala h(t))
(15)
(16)
prijenosna funkcija sustava.
Prijenosna funkcija H(s) u potpunosti definira sustav u s domeni.
Vrijednosti kompleksne varijable s za koje integral u (16) konvergira zovemo podrucje konvergencije
(engl. region of convergence (ROC)) funkcije H(s).
Iz (15) vidimo da je izlazni signal jednak ulaznome signalu skaliranom s konstantom H(s) (za odredeno
s, H(s) je konstanta.). Ovakav ulazni signal zovemo karakteristicna

(svojstvena, eigen) funkcija
sustava, dok je pripadajuca konstanta karakteristicna

(svojstvena, eigen) vrijednost sustava.
65

Graficka
konvolucija kontinuiranih signala
Ovaj nacin rjeavanja konvolucijskog integrala osobito je prikladan kada analizirane signale na
jednostavan nacin moemo prikazati graficki.
Pomae u boljem razumijevanju (vizualizaciji) konvolucijskog integrala i njegovih primjena (npr.
otipkavanje signala, filtriranje signala, ...).
Konvoluciju dva kontinuirana signala x1 (t) i x2 (t) definirali smo kao integral po :
Z
x3 (t) =
x1 ( )x2 (t )d, t.
Signal x1 ( ) identican je signalu x1 (t), gdje smo t jednostavno zamijenili sa . Isto vrijedi i za x2 ( )
i x2 (t).
Signal x2 (t ) dobijemo refleksijom signala x2 ( ) oko ordinate (x2 ( )) te vremenskim pomakom
za t:
kada je t > 0 signal x2 ( ) pomicemo udesno,

kada je t < 0 signal x2 ( ) pomicemo ulijevo.
Kako bismo nali vrijednost signala x3 (t) u trenutku t = t0 , prvo pomnoimo x1 ( ) i x2 (t0 ), a
zatim nademo
povrinu A0 ispod ovog umnoka = x3 (t0 ) = A0 .
Prethodni postupak ponovimo za sve vrijednosti vremena t (odnosno za razlicite intervale od t), to
rezultira u signal x3 (t).
66
Graficka se konvolucija signala stoga moe saeti u sljedecih 5 koraka:

1.
2.
3.
4.
5.
Zadrimo x1 ( ) fiksno,
Rotirajmo x2 ( ) oko okomite osi, c ime dobijemo x2 ( ),
Pomaknimo x2 ( ) du osi za t0 , to nam daje signal x2 (t0 ),
Povrina ispod umnoka x1 ( ) x2 (t0 ) je vrijednost konvolucije u t = t0 ,
Ponovimo ovaj postupak, pomicuci x2 ( ) za razlicite pozitivne i negativne vrijednosti t. Dobivena
krivulja je signal x3 (t) = x1 (t) x2 (t).
Kako je konvolucija komutativna operacija, tj. x1 (t) x2 (t) = x2 (t) x1 (t), od dva signala koja
konvoluiramo obicno rotiramo oko ordinate i pomicemo du apscise onaj signal c ija je matematicka
definicija jednostavnija.
Simulacije: Za bolje razumijevanje graficke konvolucije dva signala, pogledajmo sljedece

simulacije: http://www.jhu.edu/signals/convolve/.
67
Primjer 4.3. Naci konvoluciju sljedeca dva signala:

t5
x1 (t) = 2 rect
2

t2
x2 (t) = rect
4
Odgovor 4.3. Ovu c emo konvoluciju naci grafickim putem jer je zadane signale jednostavno prikazati
graficki.
6x1 (t)
2
x2 (t)
4 5 6
1
0
68
x1 ( )
6
2
4 5 6
x2 ( )
6
1
2
x2 ( )
6
1
x2 (t )
6
t4
69
slucaj 1:
slucaj 2:
t4
slucaj 3:
2d = 2t 8, 4 t 6
4 t 6
t4
6
4
2d = 4, 6 t 8
6
t4
2d = 20 2t, 8 t 10
t4
x1 (t) x2 (t)

2t 8

4
A 20 2t
A
AA 10
t
70
Primjer 4.4. Primjenom opisane graficke metode, pokazati da je

et u(t) e2t u(t) = (et e2t )u(t).
Odgovor 4.4. Sa slike na slajdu 72:
y(t) =
y(t)
t
0
x( )h(t )d,
Z
t0
e e2(t ) d
=
=
2t
e d
0
2t
et e
t0
y(t) = (et e2t )u(t).
71
72
Impulsni odziv diskretnog LVN sustava
Impulsni odziv sustava je njegov odziv na jedinicni impuls u vremenu n = 0 kada su svi pocetni uvjeti
sustava nula:
h[n] = T {[n]}.
Impulsni odziv h[n] u potpunosti definira sustav T u vremenskoj domeni.

Prije nego izvedemo izraz za konvolucijsku sumu, podsjetimo se da svaki diskretan signal moemo
izraziti kao teinski zbroj pomaknutih jedinicnih impulsa, tj.
x[n] =
k=
x[k][n k].
73
Konvolucijska suma
[n]
h[n]
[n k]
(vremenska nepromjenjivost)
h[n k]
x[k][n k]
(homogenost)
x[k]h[n k]
k=
x[k][n k]
(aditivnost)
x[n]
k=
x[k]h[n k]
y[n]
Odziv LVN sustava T s impulsnim odzivom h[n] na pobudu x[n] definiran je konvolucijskom
sumom
X
y[n] =
x[k]h[n k], ili krace y[n] = x[n] h[n].
k=
Odziv sustava je zbroj njegovih odziva na svaku komponentu (delta funkciju) signala x[n].
74
Primjer 4.5. Diskretni LVN sustav definiran je jednadbom diferencija

y[n] = x[n] +
1
x[n 1].
2
Naci impulsni odziv sustava, te naci odziv sustava kada ga pobudimo signalom
x[n] = 2[n] + 4[n 1] 2[n 2].
Odgovor 4.5.
x[n] = [n] y[n] = h[n]
h[n] = [n] +
1
[n 1].
2
x[n] = 2[n] + 4[n 1] 2[n 2] y[n] = 2h[n] + 4h[n 1] 2h[n 2] = 2[n] + 5[n 1] [n 3].
75
Primjer 4.6. Naci konvoluciju signala n u[n] i u[n], 0 < < 1.

Korisne jednakosti:
N
1
X
j=0
a =
(1 aN )/(1 a),
N,
aj =
j=0
1
,
1a
a 6= 1
a = 1.
|a| < 1.
Odgovor 4.6.
n
u[n] u[n]
k=
n
X
k=0
k u[k]u[n k]
u[n]
1 n+1
u[n]
1
76
Svojstva konvolucijske sume
Za konvolucijsku sumu x[n] h[n] =
k=
x[k]h[n k] vrijedi:
Komutacija: x[n] h[n] = h[n] x[n].
Asocijacija: (x[n] h1 [n]) h2 [n] = x[n] (h1 [n] h2 [n]).
Distribucija: x[n] h1 [n] + x[n] h2 [n] = x[n] (h1 [n] + h2 [n]).

Konvolucija s delta funkcijom: x[n] [n] = x[n].
Kauzalnost: za x[n] = 0, n < 0 i h[n] = 0, n < 0, slijedi

n
X x[k]h[n k],
y[n] = x[n] h[n] =
k=0
0,
n0
n < 0.
Pomak u vremenu: x[n n1 ] h[n n2 ] = y[n (n1 + n2 )].
Trajanje signala: Ako signal x[n] ima p uzoraka, a signal h[n] q uzoraka, tada signal
n
y[n] = x[n] h[n] ima p + q 1 uzoraka.
X
Odziv na jedinicnu
stepenicu: s[n] = T {u[n]} = h[n] u[n] =
h[k].
s[n] =
n
X
k=
Sustav y[n] =
n
X
k=
h[k]
i h[n] = s[n] s[n 1].
x[k] zovemo idealni akumulator.
k=
77
Primjer 4.7. Naci impulsni odziv sustava na slici, ako su h1 [n] = u[n], h2 [n] = u[n + 2] u[n],
h3 [n] = [n 2] i h4 [n] = n u[n].
78
Odgovor 4.7.
h[n]
=
=
=
=
=
(h1 [n] + h2 [n]) h3 [n] h4 [n]
(u[n] + u[n + 2] u[n]) [n 2] n u[n]

u[n + 2] [n 2] n u[n]
u[n] n u[n]
(1 n )u[n].
79
Prijenosna funkcija diskretnog LVN sustava
Nadimo
odziv LVN sustava s impulsnim odzivom h[n] pobudenog
signalom x[n] = z n , n:
y[n]
=
=
h[n] z n
X
h[k]z nk
k=
zn
h[k]z k
k=
z n H[z]
(17)
(Z transformacija signala h[n])
(18)
gdje je
H[z] =
h[k]z k
k=
prijenosna funkcija sustava.
Prijenosna funkcija H[z] u potpunosti definira sustav u z domeni.
Vrijednosti kompleksne varijable z za koje suma u (18) konvergira definiraju podrucje konvergencije
funkcije H[z].
Iz (17) vidimo da je signal z n karakteristicna funkcija, dok je H[z] karakteristicna vrijednost sustava.
80

Graficka
konvolucija diskretnih signala
Konvoluciju dva diskretna signala x1 [n] i x2 [n] definiramo kao sumu po k:

x3 [n] =
k=
x1 [k]x2 [n k],
n.
Graficka konvolucija signala sastoji se od sljedecih koraka:

1. Zadrimo x1 [k] fiksno (x1 [k] identican je signalu x1 [n], gdje smo n zamijenili sa k; isto vrijedi za
x2 [n] i x2 [k]),
2. Rotirajmo x2 [k] oko okomite osi, c ime dobijemo x2 [k],
3. Pomaknimo x2 [k] du k osi za n0 , to rezultira u signal x2 [n0 k]:
kada je n0 > 0 signal x2 [k] pomicemo udesno,

kada je n0 < 0 signal x2 [k] pomicemo ulijevo,
4. Povrina ispod umnoka x1 [k] x2 [n0 k] je vrijednost konvolucije u n = n0 ,

5. Ponovimo prethodni postupak, pomicuci x2 [k] za razlicite pozitivne i negativne vrijednosti n.
Dobivene vrijednosti definiraju signal x3 [n] = x1 [n] x2 [n].
Simulacije: http://www.jhu.edu/signals/discreteconv2/index.html.
81
Primjer 4.8. Naci konvoluciju signala x1 [n] i x2 [n] na slici.
x1 [n]
x2 [n]
6
3
2
r
2
r
-
r
0
r
-
r
0
82
Odgovor 4.8.
x1 [k]
x2 [k]
6
3
2
x2 [k]
r
2
r
-
r
0
x1 [n] x2 [n]
r
r
r
1
6
4
r
0
0,
1 1 = 1,
(1 2) + (2 1) = 4,
x1 [n] x2 [n] =
(1 3) + (2 2) = 7,
2 3 = 6,
0,
n<0
n=0
n=1
n=2
n=3
n4
83
Primjer 4.9. Naci signal c[n] = x[n] g[n], ako su x[n] = (0.8)n u[n] i g[n] = (0.3)n u[n].
Odgovor 4.9.
c[n]
m=
m=
n
X
m=0
=
=
=
x[m]g[n m]
(0.8)m u[m](0.3)nm u[n m]
(0.8)m (0.3)nm
u[n]
m
n
X
0.8
u[n]
(0.3)n
0.3
m=0
(0.3)n+1 (0.8)n+1
u[n]
0.3 0.8
2((0.8)n+1 (0.3)n+1 ) u[n].
84
85
5. Impulsni odziv i svojstva LVN sustava
Stabilnost sustava
Sustav je BIBO stabilan ako svaki ograniceni ulazni signal rezultira u ograniceni izlazni signal. Ukoliko
postoji bar jedan ograniceni ulazni signal koji rezultira u neograniceni izlazni signal, sustav je BIBO
nestabilan.
Kontinuirani LVN sustav s impulsnim odzivom h(t) je BIBO stabilan ako je h(t) apsolutno integrabilna
funkcija, tj.
Z
|h(t)|dt < .
Dokaimo (19):
y(t) =
Z

|y(t)| =
(19)
h( )x(t )d
Z

h( )x(t )d
|h( )| |x(t )| d
Ako je ulazni signal ogranicen, tada je |x(t )| Kx < , te je

Z
|y(t)| Kx
|h( )|d.
Slijedi da je |y(t)| Ky < samo ako je
|h( )|d Kh < .
87
Kriterij za BIBO stabilnost diskretnog LVN sustava identican je onome za BIBO stabilan kontinuiran LVN
sustav:
X
y[n] =
h[k]x[n k]
k=
X

X
|h[k]| |x[n k]|
h[k]x[n k]
|y[n]| =
k=
k=
Ako je x[n] ogranicen signal, tada je |x[n k]| Kx < , te je

|y[n]| Kx
Slijedi da je |y[n]| Ky < samo ako je
k=
|h[k]|.
|h[k]| Kh < .
|h[n]| < ,
k=
Stoga, ako je impulsni odziv diskretnoga LVN sustava apsolutno zbrojiv, tj.
n=
(20)
sustav je BIBO stabilan.
88
Primjer 5.1. Ispitati BIBO stabilnost LVN sustava c iji je impulsni odziv:
a)
b)
h(t) = u(t),
h[n] = en u[n].
Odgovor 5.1.
a)
|h(t)|dt =
dt 6< nestabilan sustav.
b)
n=
|h[n]| =
n=0
en =
1
e
=
= 1.582 < stabilan sustav.
1 1/e
e1
89
Kauzalnost sustava
Izlazni signal diskretnog LVN sustava definirali smo konvolucijskom sumom:

y[n] =
k=
h[k] x[n k] = ... + h[1] x[n + 1] + h[0] x[n] + h[1] x[n 1] + ...
Kako kod kauzalnih LVN sustava izlaz ovisi samo o sadanjim i/ili prolim (a ne o buducim)
vrijednostima ulaza, izlazni signal kauzalnog sustava je
yk [n] = h[0] x[n] + h[1] x[n 1] + ... =
k=0
h[k] x[n k],
te je za kauzalne diskretne LVN sustave

h[n] = 0,
n < 0.
Ekvivalentno, za kauzalne kontinuirane LVN sustave:

Z
yk (t) =
h( ) x(t ) d
0
h(t) = 0,
t < 0.
90
Memorija sustava
Izlazni signal LVN sustava bez memorije ovisi samo o sadanjim vrijednostima ulaza, te opcenito ima
oblik:
y(t) = cx(t), tj. y[n] = cx[n], c const.
Slijedi da je za kontinuirane LVN sustave bez memorije impulsni odziv:

x(t) = (t)
y(t) = h(t) = c(t),
odnosno za diskretne LVN sustave bez memorije:

x[n] = [n]
y[n] = h[n] = c[n].
Stoga, ako je h(t) 6= 0, t 6= 0 (h[n] 6= 0, n 6= 0) sustav ima memoriju.
91
Invertibilnost sustava
Ako je impulsni odziv sustava T h(t), i impulsni odziv inverznoga sustava T 1 hi (t), tada je impulsni
odziv njihove serijske veze h(t) hi (t).
Za ovakvu vezu sustava i njegovoga inverza vrijedi da je izlazni signal jednak ulaznome signalu:
z(t) = x(t) (h(t) hi (t)) = x(t).
Iz svojstava konvolucije tada zakljucujemo da za kontinuirani LVN sustav u seriji s njegovim inverzom
mora vrijediti:
h(t) hi (t) = (t).
Za serijsku vezu diskretnog LVN sustava i njegovog inverza:
z[n] = x[n] (h[n] hi [n]) = x[n]
h[n] hi [n] = [n].
Napomena: Operacija kojom se iz x(t) h(t) dobije signal x(t) u literaturi je poznata kao
dekonvolucija.
92
Primjer 5.2. Rekurzivni sustav 1. reda y[n] = y[n 1] + x[n], const., ima impulsni odziv
h[n] = n u[n]. Ispitati memoriju, kauzalnost i stabilnost ovoga sustava.
h[n] 6= 0, n > 0, sustav ima memoriju,

h[n] = 0, n < 0, sustav je kauzalan,
X
X
X
X
|h[n]| =
||n , sustav je BIBO stabilan
|n | =
|h[n]| =
n=
n=0
|| < 1.
n=0
n=
1
< kada je
1 ||
93
6. Fourierova analiza periodicnih signala
Trigonometrijski Fourierov red
Za skup {1, cos 0 t, cos 20 t, . . . , cos n0 t, . . . ; sin 0 t, sin 20 t, . . . , sin n0 t, . . .}, 0 je osnovna
frekvencija, a sinusoida s frekvencijom n0 je n-ti harmonik sinusoide s osnovnom frekvencijom.
Ovaj je skup ortogonalan na svakom intervalu s trajanjem T0 = 2/0 (period osnovne sinusoide):

Z
0,
m 6= n
cos n0 t cos m0 tdt =
T0 /2, m = n 6= 0
T0
Z
sin n0 t sin m0 tdt =

T0
0,
T0 /2,
sin n0 t cos m0 tdt = 0,

T0
m 6= n
m = n 6= 0
n i m
Navedeni trigonometrijski skup je i potpun, te se signal x(t) moe definirati trigonometrijskim

Fourierovim redom na intervalu s trajanjem T0 na sljedeci nacin:
x(t)
=
=
a0 + a1 cos 0 t + a2 cos 20 t + + b1 sin 0 t + b2 sin 20 t +
X
2
a0 +
(an cos n0 t + bn sin n0 t) ,
t1 t t1 + T0 ,
0 =
T
0
n=1
(21)
95
Zbog ortogonalnosti,
an =
t1 +T0
x(t) cos n0 tdt
t1
t1 +T0
cos2 n0 tdt
t1
1
a0 =
T0
2
an =
T0
t1 +T0
x(t)dt
(22)
t1
t1 +T0
x(t) cos n0 tdt,
n = 1, 2, 3, . . .
(23)
t1
Na slican nacin,
2
bn =
T0
t1 +T0
x(t) sin n0 tdt,
n = 1, 2, 3, . . .
(24)
t1
96
Dirichletovi uvjeti
Da bi Fourierov red postojao, koeficijenti a0 , an i bn moraju biti konacni, za to x(t) mora biti po jednom
periodu apsolutno integrabilna funkcija, tj.
Z
|x(t)|dt <
(25)
T0
Da bi dodatno Fourierov red jo i konvergirao u svakoj tocki, x(t) mora imati konacan broj maksimuma,
minimuma i diskontinuiteta u jednom periodu.
+
x(t
d ) + x(td )
U tocki diskontinuiteta t = td , Fourierov red konvergira u vrijednost
.
2
97
Kompaktni oblik trigonometrijskog Fourierovog reda
Kako je
an cos n0 t + bn sin n0 t = Cn cos(n0 t + n )
gdje su
Cn =
a2n + b2n
i n = tan1
bn
an
(26)
i ako definiramo
C0 = a 0 ,
(27)
tada je
x(t) = C0 +
n=1
Cn cos(n0 t + n ),
t1 t t1 + T0
(28)
Ovo je kompaktni oblik trigonometrijskog Fourierovog reda.

DC c lan C0 = a0 je srednja vrijednost (u jednom periodu) signala x(t).
98

Periodicnost
Fourierovog reda
Neka je x(t) = C0 +
n=1
Cn cos(n0 t + n ), t. Tada je
x(t + T0 )
C0 +
C0 +
C0 +
n=1
n=1
Cn cos [n0 (t + T0 ) + n ]
Cn cos [(n0 t + 2n) + n ]
Cn cos (n0 t + n )
n=1
x(t), t.
Fourierov red je periodican; period je identican periodu analiziranog signala.

Z
1
x(t)dt
a0 =
T0 T0
2
an =
T0
2
bn =
T0
(29)
x(t) cos n0 tdt,
n = 1, 2, 3, . . .
(30)
x(t) sin n0 tdt,
n = 1, 2, 3, . . .
(31)
T0
T0
99
Primjer 6.1. Naci kompaktni oblik trigonometrijskog Fourierovog reda za periodican signal na slici.
100
Odgovor 6.1.
T0 =
x(t) = a0 +
0 =
2
= 2.
T0
(an cos 2nt + bn sin 2nt) ,
n=1
1
a0 =
2
an =
2
bn =
"
et/2 dt = 0.504
et/2 cos 2ntdt = 0.504
2
1 + 16n2
et/2 sin 2ntdt = 0.504
8n
1 + 16n2
x(t) = 0.504 1 +
0t
n=1
2
(cos 2nt + 4n sin 2nt) ,
1 + 16n2
0t
101
Cn =
a2n + b2n = 0.504
x(t)
n = tan1
4
64n2
+
= 0.504
(1 + 16n2 )2
(1 + 16n2 )2
0.504 + 0.504
C0 = a0 = 0.504
bn
an
n=1
1 + 16n2
= tan1 (4n) = tan1 4n

2
1+
16n2
cos(2nt tan1 4n),
0t
0.504 + 0.244 cos(2t 75.96 ) + 0.125 cos(4t 82.87 ) +

0.084 cos(6t 85.24 ) + 0.063 cos(8t 86.42 ) + ,
0t
102
Iz kompaktnog trigonometrijskog Fourierovog reda vidimo da je signal x(t) zbroj kosinusoida s

frekvencijom 0, 0 , 20 , . . . , c ije su amplitude C0 , C1 , C2 , . . . , i faze 0, 1 , 2 , . . . .
Graficki prikaz Cn vs. je amplitudni spektar i n vs. fazni spektar, koji zajedno c ine frekvencijski
spektar signala x(t).
Svaki signal ima dvojni identitet: vremenski i frekvencijski (Fourierov spektar) koji se nadopunjuju i
zajedno daju bolju sliku o prirodi analiziranog signala.
103
Primjer 6.2. Naci kompaktni trigonometrijski Fourierov red za signal na slici. Skicirati Fourierov spektar
signala.
104
Odgovor 6.2.
T0 = 2
1
a0 =
2
an
/2
dt =
/2
1
2
Z
n
2
1 /2
sin
cos nt dt =
/2
n
2
n parno
0,
2/(n),
n = 1, 5, 9, 13,
2/(n), n = 3, 7, 11, 15,
1
bn =
2
1
x(t) = +
2
0 = 2/T0 = 1.
/2
sin ntdt = 0
/2
1
1
1
cos t cos 3t + cos 5t cos 7t +
3
5
7
Signal je vec u kompaktnom

obliku osim negativnog predznaka amplitude. Kako je cos = cos( ),

1
2
1
1
1
x(t) = +
cos t + cos(3t ) + cos 5t + cos(7t ) + .
2
3
5
7
105
C0 =
Cn =
0,
2/(n),
0,
,
n =
1
2
n parno
n neparno
n 6= 3, 7, 11, 15,
n = 3, 7, 11, 15,
Kad god su sinusni c lanovi nula, dozvoljavajuci da Cn bude negativno, spektralna je informacija u
potpunosti sadrana u amplitudnom spektru signala (stoga i naziv amplitudni a ne magnitudni spektar).
106

Simetricnost
signala i njegov Fourierov red
Kako je cos n0 t parna, a sin n0 t neparna funkcija od t, kada je signal x(t) parna funkcija vremena,
produkt x(t) cos n0 t je takoder
parna, dok je x(t) sin n0 t neparna funkcija od t. Tada su:
2
a0 =
T0
4
an =
T0
T0 /2
x(t)dt
0
T0 /2
x(t) cos n0 tdt

0
bn = 0
Kada je signal x(t) neparna funkcija vremena, produkt x(t) cos n0 t je neparna, a x(t) sin n0 t je parna
funkcija vremena t:
a0 = an = 0
4
bn =
T0
T0 /2
x(t) sin n0 tdt

0
Simetricnost signala stoga omogucuje racunanje koeficijenata trigonometrijskog Fourierovog reda samo
po jednoj polovici perioda.
107
Sinteza signala
Zbrajanjem c lanova Fourierovog reda sinteziramo signal x(t).

to zbrojimo veci broj c lanova, dobiveni signal bolje aproksimira originalni signal u vremenu.
Za to tocniju reprodukciju bridova koji predstavljaju naglu promjenu u signalu (npr. diskontinuiteti),
potrebne su komponente Fourierovog reda koje odgovaraju viim frekvencijama (amplitudni spektar
signala sadavat c e visokofrekvencijske komponente).
Ako je pak signal x(t) izgladena
funkcija vremena, njegove su varijacije manje rapidne, te su za sintezu
ovakvoga signala primarno potrebne komponente niih frekvencija (amplitudni spektar brzo opada s
frekvencijom).
Cak
i za beskonacno mnogo c lanova Fourierovog reda, oscilacije oko diskontinuiteta uvijek postoje u
sinteziranom signalu i iznose oko 9% amplitude u tocki diskontinuiteta tzv. Gibbsov fenomen i javlja
se kad god imamo diskontinuitete u signalu.
108
1.2
0.8
0.8
Amplituda
Amplituda
1.2
0.6
FS od x(t)
0.4
x(t)
0.6
x(t)
0.2
0.2
0.2
0.2
FS od x(t)
0.4
1.2
1.2
0.8
0.8
0.6
FS od x(t)
0.4
x(t)
x(t)
(c) 21 c lan
FS od x(t)
0.4
0.2
0.6
0.2
(b) 11 c lanova
Amplituda
Amplituda
(a) 6 c lanova
0.2
0.2
(d) 51 c lan
Slika 16: Sinteza signala zbrajanjem c lanova njegova Fourierovog reda.

109
Eksponencijalni Fourierov red
Skup {ejn0 t }, n = 0, 1, 2, . . . je potpun ortogonalan skup na intervalu s trajanjem T0 = 2/0 :

Z
Z

0,
m 6= n
ejm0 t ejn0 t dt =
ej(mn)0 t dt =
T0 , m = n
T0
T0
Periodican signal x(t) s periodom T0 moemo definirati kao

x(t) =
Dn ejn0 t
(32)
n=
gdje je
1
Dn =
T0
x(t)ejn0 t dt
(33)
T0
Ovo je eksponencijalni Fourierov red, koji je takoder

periodicna funkcija s periodom T0 .
110
Primjenom Eulerove formule:

Cn cos(n0 t + n )
=
=
=
i
Cn h j(n0 t+n )
j(n0 t+n )
e
+e
2

Cn jn
C
n
e
ejn ejn0 t
ejn0 t +
2
2
Dn ejn0 t + Dn ejn0 t
Kompaktni trigonometrijski Fourierov red definirali smo kao

x(t) = C0 +
Cn cos(n0 t + n ),
n=1
te za D0 = C0 imamo
x(t)
D0 +
n=1
Dn ejn0 t
n=
Eksponencijalni oblik Fourierovog reda matematicki je elegantniji, te c emo ga koristiti kao primarni oblik
Fourierovog reda.
111
Vidjeli smo da je
an cos n0 t + bn sin n0 t
Cn cos(n0 t + n )
Dn cos n0 t + jDn sin n0 t + Dn cos n0 t jDn sin n0 t
Dn + Dn = an
Dn =
Dn =
1
(an jbn )
2
1
(an + jbn )
2
(34)
(35)
Kada je signal x(t) realan, tada su i koeficijenti an i bn realni:

=
i Dn Dn = j bn
an = 2Re{Dn } i bn = 2Im{Dn }
(36)
Simetricnost signala i njegov eksponencijalni Fourierov red:
Za x(t) parno, bn = 0 = Dn = an /2 R (Dn = 0 ili ).

Za x(t) neparno, an = 0 = Dn = jbn /2 I (Dn = 0 ili /2).
112
Tri oblika Fourierovog reda
Oblik Fourierovog reda

Trigonometrijski:
x(t) = a0 +
(an cos n0 t + bn sin n0 t)
n=0
Koeficijenti
Z
x(t)dt
a0 = T1
0
T0
Z
x(t) cos n0 tdt
an = T2
0
T0
Z
bn = T2
x(t) sin n0 tdt
0
Kompaktni trigonometrijski:
X
Cn cos (n0 t + n )
x(t) = C0 +
n=1
T0
C0 = a 0
p
Cn = a n 2 + b n 2

n
n = tan1 b
a
n
Eksponencijalni:
X
x(t) =
Dn ejn0 t
n=
Dn =
1
T0
a 0 = C0 = D 0
an jbn = Cn ejn = 2Dn
an + jbn = Cn ejn = 2Dn

C0 = D 0
Cn = 2|Dn |,
n1
n = Dn
x(t)ejn0 t dt
T0
113
Primjer 6.3. Odrediti koeficijente eksponencijalnog Fourierovog reda za sljedece signale:

a) x(t) = cos 0 t
b) x(t) = cos 4t + sin 6t
c) x(t) = sin2 t
cos 0 t =
Odgovor 6.3. a)
1
1
1 j0 t
(e
+ ej0 t ) = ej0 t + ej0 t
2
2
2
1
1
, D1 = i Dn = 0 za |n| 6= 1.
2
2
1 j6t
1
1
1
1 j6t
1
(e
ej6t ) = ej6t + ej4t + ej4t +
e .
cos 4t + sin 6t = (ej4t + ej4t ) +
2
2j
2j
2
2
2j
b)
c) sin2 t =
D3 =
ejt ejt
2j
2
D1 =
1
1
1
1
, D2 = , D2 = , D3 =
Ostali su koeficijenti nule.
2j
2
2
2j
1
1
1
1
= (ej2t 2 + ej2t ) = ej2t + ej2t .
4
4
2
4
1
1
1
D1 = , D0 = i D1 = . Ostali koeficijenti su nule.
4
2
4
114
Primjer 6.4. Naci eksponencijalni Fourier red za signal u Primjeru 6.1.

Odgovor 6.4. T0 = , 0 = 2/T0 = 2.
x(t) =
Dn ej2nt .
n=
Dn
=
=
=
=
=
x(t)
0.504
n=
=
+
Z
1
x(t)ej2nt dt
T0 T0
Z
1 t/2 j2nt
e
e
dt
0
Z
1 ( 1 +j2n)t
e 2
dt
0

1
1
( 2 +j2n)t
e

( 21 + j2n)
0
0.504
1 + j4n
1
ej2nt
1 + j4n
1
1
1
ej2t +
ej4t +
ej6t +
1 + j4
1 + j8
1 + j12

1
1
1
ej2t +
ej4t +
ej6t +
1 j4
1 j8
1 j12
0.504 1 +
115
Eksponencijalni Fourierov spektar
Koeficijente eksponencijalnog Fourierovog reda, Dn , graficki prikazujemo kao funkciju frekvencije .

Kako su ovi koeficijenti opcenito kompleksni (Dn = |Dn |ejDn ), nuno je promatrati prikaze njihove
magnitude |Dn | vs. i faze Dn vs. .
D 0 = C0
1
Cn ,
2
|Dn | = |Dn | =
Dn = n
Dn = |Dn |ejn
n 6= 0
Dn = n
i
i
Dn = |Dn |ejn
Kada je signal realna funkcija vremena (x(t) R), magnitudni spektar (|Dn | vs. ) parna je funkcija
od , dok je fazni spektar (Dn vs. ) neparna funkcija frekvencije .
Frekvencijski pojas signala je razlika izmedu
najvece i najmanje frekvencije u spektru signala.
Spektralni pojas je irina eksponencijalnog spektra signala (uzimajuci u obzir i negativne frekvencije u
spektru).
116
Primjer 6.5. Skicirati eksponencijalni Fourierov spektar za signal u Primjeru 6.1.

Odgovor 6.5.
D0
D1
D1
D2
D2
0.504
0.504
1 + j4
0.504
1 j4
0.504
1 + j8
0.504
1 j8
= 0.122ej75.96 = |D1 | = 0.122, D1 = 75.96
= 0.122ej75.96 = |D1 | = 0.122, D1 = 75.96
= 0.0625ej82.87 = |D2 | = 0.0625, D2 = 82.87
= 0.0625ej82.87 = |D2 | = 0.0625, D2 = 82.87
117
Iako je frekvencija pozitivna velicina, u eksponencijalnom Fourierovom spektru javljaju se negativne i

pozitivne frekvencije.
Postojanje spektra u = n0 jednostavno znaci da je komponenta ejn0 t prisutna u
eksponencijalnom Fourierovom redu. (Znamo da svaka sinusoida s frekvencijom n0 ima komponente
ejn0 t i ejn0 t .)
118
Zbog slicnosti eksponencijalnog i trigonometrijskog Fourierovog spektra, poznavajuci jedan jedostavno

moemo skicirati drugi.
Primjer 6.6. Trigonometrijski Fourierov spektar signala prikazan je na slici. Skicirati eksponencijalni
Fourierov spektar signala.

x(t) = 16 + 12 cos 3t
+ 8 cos 6t
+ 4 cos 9t
4
2
4
119
Odgovor 6.6.
x
(t)
=
=
=
=

16 + 6ej 4 ej3t + 6ej 4 ej3t + 4ej 2 ej6t + 4ej 2 ej6t + 2ej 4 ej9t + 2ej 4 ej9t

16 + 6 ej(3t 4 ) + ej(3t 4 ) + 4 ej(6t 2 ) + ej(6t 2 ) + 2 ej(9t 4 ) + ej(9t 4 )

16 + 12 cos 3t
+ 8 cos 6t
+ 4 cos 9t
4
2
4
x(t).
120
Primjer 6.7. Naci i skicirati Fourierov spektar za signal na slici.
x(t) = T0 (t) =
n=
(t nT0 ).
121
Odgovor 6.7.
T0 (t) =
Dn ejn0 t ,
n=
1
Dn =
T0
T0
T0 (t)e
T0 (t) =
jn0 t
1
dt =
T0
1
T0 (t) =
T0
T0 /2
0 =
2
T0
(t)ejn0 t dt =
T0 /2
ejn0 t ,
n=
C0 = D 0
Cn = 2|Dn |
1
T0
2
,
T0
0
0 =
1 jn0 0
1
e
=
T0
T0
2
T0
n = 1, 2, 3,

1
1 + 2(cos 0 t + cos 20 t + cos 30 t + ) ,
T0
0 =
2
T0
122
Spektar signala T0 (t) je realan te je dovoljno samo prikazati magnitudni spektar (fazni je spektar nula za
sve frekvencije).
Simulacije:
http://www.jhu.edu/signals/fourier2/index.html.
http://www.jhu.edu/signals/listen-new/listen-newindex.htm.
123

Parsevalov teorem za periodicne
kontinuirane signale
Periodican signal x(t) s periodom T0 definirali smo pomocu trigonometrijskog Fourierovog reda kao:
x(t) = C0 +
Cn cos(n0 t + n )
n=1
Sve su Fourierove komponente signali snage i medusobno

su ortogonalne.
Stoga je snaga signala x(t) snaga zbroja svih kosinusoida u signalu, a to je jednako zbroju snaga
svake od komponenti:
2 /2, dok je snaga DC komponente C jednaka C 2 (vidi
Snaga kosinusoide s amplitudom Cn je Cn
0
0
Primjer 1.3),
=
Px =
C02
1 X 2
+
C
2 n=1 n
Snaga signala Dej0 t je |D|2 te je za x(t) =
Za x(t) R, |Dn | = |Dn |
(Parsevalov teorem)
(37)
Dn ejn0 t
n=
Px =
n=
Px = D02 + 2
n=1
|Dn |2
(38)
|Dn |2 .
124

Odziv LVN sustava na periodicnu
pobudu
Neka je x(t) periodican signal s periodom T0 :
x(t) =
Dn ejn0 t ,
0 =
n=
Znamo da sustav pobuden

sa est rezultira u odziv H(s)est ,
ejt H(j)ejt
|{z}
|
{z
}
ulaz
Za stabilan LVN sustav tada vrijedi:
n=
2
T0
Dn ejn0 t
{z
pobuda x(t)
izlaz
Dn H(jn0 )ejn0 t
(39)
n=
{z
odziv y(t)
Izlaz y(t) je periodican signal s periodom T0 i s koeficijentima eksponencijalnog Fourierovog reda

Dn H(jn0 ).
125
Primjer 6.8. Naci odziv sustava H(s) = 1/(3s + 1) koji je pobuden

signalom na slici.
126
Odgovor 6.8.
x(t) =
Dn ej0 nt ,
0 = 2/T0 = 2/ = 2.
n=
1
Dn =
sin tej2nt dt =
x(t) =
n=
H(s) =
y(t) =
Dn H(jn0 )e
n=
1
3s + 1
jn0 t
n=
2
(1 4n2 )
2
ej2nt
2
(1 4n )
H(j) =
Dn H(j2n)e
1
3j + 1
j2nt
n=
2
j2nt
e
(1 4n2 )(j6n + 1)
127
Fourierovog reda
Nedostaci analize signala i sustava pomocu
U praksi su pobude opcenito neperiodicni signali, dok se Fourierovim redom mogu analizirati iskljucivo
periodicni signali.
Rjeenje je nadeno
u analizi signala pomocu Fourierovog integrala (tzv. Fourierove transformacije).
Za analizu sustava s periodicnom pobudom sustav mora biti stabilan, dok sustavi u praksi takoder
mogu
biti nestabilni ili marginalno stabilni.
Rjeenje je nadeno
u primjeni pobude est , gdje s vie nije strogo ograniceno na imaginarnu os
(s = j) nego je opcenito kompleksno (s = + j), to je rezultiralo u Laplaceov integral

(Laplaceovu transformaciju).
128
7. Fourierova analiza neperiodicnih signala
Definicija i izvod Fourierove transformacije
Svaki se neperiodican signal moe prikazati kao kontinuirani zbroj (integral) kompleksnih
eksponencijala.
Od neperiodicnog signala x(t) prvo c emo generirati periodican signal xT0 (t) s periodom T0 , tako to
c emo replicirati x(t) svakih T0 sekundi (T0 je dovoljno veliko da se kopije signala ne preklapaju u
vremenu).
Slika 17: Generiranje periodicnog signala iz neperiodicnog signala.
Tada je lim xT0 (t) = x(t).

T0
130
Periodican signal xT0 (t) moemo prikazati pomocu eksponencijalnog Fourierovog reda:
xT0 (t) =
Dn ejn0 t
n=
1
Dn =
T0
T0 /2
T0 /2
xT0 (t)ejn0 t dt,
0 =
Koeficijente Fourierovog reda moemo jo definirati i kao

Z
1
Dn =
x(t)ejn0 t dt.
T0
Ako sada definiramo

X() =
T0
x(t)ejt dt,
Dn =
1
X(n0 ).
T0
Koeficijenti Fourierovog reda dobiju se uzorkovanjem i skaliranjem funkcije X().
131
Promatrajmo kako se spektar signala xT0 (t) mijenja sa T0 .
Slika 18: Utjecaj perioda T0 na spektar signala xT0 (t).
Kada je T0 dvostruko vece, 0 se smanji upola, tako da se u spektru javlja dvostruko vie
komponenata.
Istovremeno se magnituda spektra smanjuje upola, no oblik spektra se ne mijenja.
132
Za T0 , 0 0 (to c emo oznacavati sa = 2/T0 ) i Dn 0.

xT0 (t) =
n=

X
X(n) jnt
e
xT0 (t) =
2
n=
1
x(t) = lim xT0 (t) = lim
T0
0 2
n ,
X(n0 ) jn0 t
e
T0
1
x(t) =
2
d,
X()ejt d
X(n)ejnt
n=
n=
(Fourierov integral)
(40)
133
Funkciju X() zovemo direktna Fourierova transformacija od x(t), dok je x(t) inverzna Fourierova
transformacija od X():
Z
Z
1
jt
1
X()ejt d
(41)
X() = F {x(t)} =
x(t)e
dt
i
x(t) = F {X()} =
2
x(t) X() (x(t) i X() su Fourierov par)
(42)
X() je opcenito kompleksna

velicina: X() = |X()|ejX() .
Z
Kako je X() =
X() = X () =
x(t)ejt dt, za x(t) R:
Z
x(t)e
jX()
jt
dt
x(t)ejt dt
jX()
X() = |X()|e
i X () = |X()|e
|X()| = |X()| i X() = X()
Magnitudni spektar je parna, a fazni neparna funkcija od kada je analizirani signal realan.
134
Primjer 7.1. Naci Fourierovu transformaciju signala x(t) = eat u(t).

Odgovor 7.1.
X() =
eat u(t)ejt dt =

1 (a+j)t
(a+j)t
e
e
dt =

a + j
0
Kako je |ejt | = 1, za t , e(a+j)t = eat ejt = 0 kada je a > 0.
U polarnom obliku a + j je
X() =
a2 + 2 ej tan
|X()| =
1
a2 + 2
1
,
a + j
a>0
(
a ) X() =
i
j tan1 (
1
a)
e
2
2
a +
X() = tan

a
Za a < 0, X() ne konvergira!

135
Dirichletovi uvjeti
Buduci da je |ejt | = 1,
|X()|
Fourierova transformacija postoji ako je:

Z
|x(t)|dt.
|x(t)|dt < .
(43)
Konvergencija u svakoj tocki zahtijeva da signal x(t) u bilo kojem konacnom vremenskom intervalu ima
konacan broj maksimuma, minimuma i diskontinuiteta.
+
U tocki diskontinuiteta t = td , X() konvergira u (x(t
d ) + x(td ))/2.
136
Fourierova transformacija i odziv LVN sustava
Za stabilan LVN sustav s prijenosnom funkcijom H(s): ejt H()ejt .
ej(n)t H(n)ej(n)t

X(n) j(n)t
X(n)H(n) j(n)t
e
e
2
2
Zbog linearnosti:

X
X
X(n)H(n) j(n)t
X(n) j(n)t
e
lim
e
lim
0
0
2
2
n=
n=
|
|
{z
}
{z
}
pobuda x(t)
y(t)
odziv y(t)
X
1
lim
X(n)H(n)ej(n)t
2 0 n=
Z
Z
1
1
X()H()ejt d =
Y ()ejt d
2
2
Stoga, za x(t) X(), y(t) = x(t) h(t) X()H() = Y ().
137
Prisjetimo se da u vremenskoj domeni:

(t) h(t)
x(t) = x(t) (t) =
y(t) = x(t) h(t) =
(h(t) je impulsni odziv sustava)
x( )(t )d
(ulaz x(t) je zbroj impulsa)
x( )h(t )d
(y(t) je zbroj impulsnih odziva)
(44)
U frekvencijskoj domeni:
ejt H()ejt
1
x(t) =
2
1
y(t) =
2
X()ejt d
(H() je frekvencijski odziv sustava)
(ulaz x(t) je zbroj kompleksnih eksponencijala)
X()H()ejt d
(y(t) je zbroj odziva na eksponencijalne pobude)
(45)
138
Neki vani Fourierovi parovi
Interpolacijska funkcija definirana je kao: sinc(x) =
sin x
0.5
6 5 4 3 2
2 3 4 5 6
Interpolacijska funkcija:
je parna funkcija od x,
sinc(0) = 1 i sinc(x) = 0 za x = , 2, 3, . . . , n, . . . ,
oscilira s periodom 2 (zbog sin x c lana),
amplituda joj kontinuirano opada kao 1/x.

2n
Npr. funkcija sinc
= n, tj. u =
ima nule u
2
2
139
Primjer 7.2. Naci Fourierovu transformaciju signala rect(t/ ).

Odgovor 7.2.
X()
=
=

t
ejt dt
rect
/2
ejt dt
/2
=
=
2 sin
1 j /2
(e
ej /2 ) =
j

sin
2
= sinc
2
2

t
sinc
rect
(46)
Frekvencijski pojas signala rect(t/ ) je beskonacan. Medutim,

vecina njegove energija koncentrirana je u
glavnoj latici sinc funkcije, tj. u frekvencijskom pojasu od 0 do prve nule u = 2/ (tj. f = 1/ [Hz]).
Stoga se signal rect(t/ ) moe okarakterizirati kao niskofrekvencijski signal.
140
Primjer 7.3. Naci Fourierovu transformaciju signala (t).

Odgovor 7.3.
F {(t)} =
(t)ejt dt = ej0 = 1
(t) 1
(47)
141
Primjer 7.4. Naci inverznu Fourierovu transformaciju signala ().

Odgovor 7.4.
1
F 1 {()} =
2
()ejt d =
1
()
2
1 2()
1
1 j0t
e
=
2
2
(48)
Za prikaz konstante pomocu kompleksnih eksponencijala potreban je samo jedan c lan (ej0t ), te je stoga u
spektru zastupljena samo jedna frekvencijska komponenta = 0.
142
Primjer 7.5. Kojoj funkciji u vremenu odgovara impuls centriran oko frekvencije 0 ?
Odgovor 7.5.
1
F 1 {( 0 )} =
2
( 0 )ejt d =
1 j0 t
e
2
1 j0 t
e
( 0 )
2
ej0 t 2( 0 )
(49)
ej0 t 2( + 0 )
(50)
143
Primjer 7.6. Naci Fourierovu transformaciju signala cos 0 t.

Odgovor 7.6.
cos 0 t =
1 j0 t
(e
+ ej0 t )
2
cos 0 t [( 0 ) + ( + 0 )]
(51)
144
Primjer 7.7. Naci Fourierovu transformaciju jedinicne stepenice u(t).

Odgovor 7.7.
U () =
u(t)ejt dt =

1
ejt
ejt dt =
j
0
Do izraza za U () moemo puno jednostavnije doci ako u(t) definiramo na sljedeci nacin:
u(t) = lima0 eat u(t).

1
a
a
1
U () = lim F {eat u(t)} = lim
= lim
j
=
lim
+
a0
a0 a + j
a0 a2 + 2
a0 a2 + 2
a2 + 2
j
Z
Kada a 0,
a
():
a2 + 2
a
1

=
d = tan
2
2
a +
a
U () = () +
1
j
(52)
Zbog diskontinuiteta u t = 0, signal u(t) ne moemo sintezirati samo pomocu (), nego su nam potrebne i
visokofrekvencijske komponente (clan 1/(j)).
145
Primjer 7.8. Naci Fourierovu transformaciju signum funkcije (na slici).
Odgovor 7.8.
sgn(t) = 2u(t) 1
2() +
sgn(t)
2
2
2() =
j
j
(53)
146
Tablica osnovnih Fourierovih parova
x(t)
at
e
u(t)
eat u(t)
ea|t|
teat u(t)
tn eat u(t)
(t)
7
8
1
j
0t
e
cos 0 t
10
sin 0 t
11
u(t)
12
sgn t
13
cos 0 tu(t)
14
sin 0 tu(t)
15
eat sin 0 tu(t)
16
eat cos 0 tu(t)

rect t
W sinc(W t)

tri t

W sinc2 W t
2
2
X
(t nT )
n=
2
2
et /2
17
18
19
20
21
22
X()
1
a+j
1
aj
2a
a2 + 2
1
(a+j)2
n!
(a+j)n+1
1
a > 0
a > 0
a > 0
a > 0
a > 0
2()
2( 0 )
[( 0 ) + ( + 0 )]
j[( + 0 ) ( 0 )]
() + 1
j
2
j
j
[( ) + ( + )] +
0
0
2 2
2
0
0
[( ) ( + )] +
0
0
2 2
2j
0
0
2
(a+j)2 +0
a+j
2
(a+j)2 +0

sinc
2
rect
2W

sinc2
2
4

tri
2W
X
0
( n0 )
n=
2 2
2e /2
a > 0
a > 0
0 = 2
T
147
Vana svojstva Fourierove transformacije
Linearnost
Fourierova transformacija je linearna transformacija, tj. ako su

x1 (t) X1 ()
x2 (t) X2 ()
tada je
a1 x1 (t) + a2 x2 (t) a1 X1 () + a2 X2 ()
(54)
Dualnost
Jedina razlika u definicijama za direktnu i inverznu Fourierovu transformaciju je u predznaku

kompleksne eksponencijale i u faktoru 1/2 u inverznoj transformaciji.
Stoga za svaki rezultat za x(t) i X(), postoji njegov ekvivalent u kojemu su x(t) i X() zamijenili
mjesta (uz prethodno navedene razlike u faktoru 1/2 i predznaku kompleksnog eksponencijala).
Na primjer, uzmimo svojstva vremenskog i frekvencijskog pomaka signala:
x(t t0 ) X()ejt0
x(t)ej0 t X( 0 )
148
Simetricnost
x(t) X()
X(t) 2x().
(55)
Dokaz:
1
x(t) =
2
X()e
jt
2x(t) =
X()ejt d
Zamijenimo t sa i sa t i dobit c emo navedeno svojstvo simetricnosti.

Na primjer,

t
sinc
rect
2
|
{z
}
| {z }
X()
x(t)
X(t) = X()|=t

sinc
{z
|
t
2
X(t)
i x() = x(t)|t=

2rect
}
{z
|
2x()
= 2rect

149
Slika 19: Fourierova transformacija: svojstvo simetricnosti.
Jo jedan primjer svojstva simetricnosti:

(t) 1
1 2().
150
Skaliranje
Ako je x(t) X(), tada za realnu konstantu a:

1
x(at)
X
.
|a|
a
Dokaz: Za a > 0,
Z
1
F {x(at)} =
x(at)ejt dt =
a
x()e
(56)
j(/a)
1
d = X
a
a
Slicno za a < 0,
1
x(at)
X
a
a
Za a = 1, x(t) X(), to je poznato kao vremenska i frekvencijska inverzija.

Za a > 1, signal x(at) je x(t) s kompresijom za faktor a. X(/a) je X() s ekspanzijom u
frekvenciji za isti faktor a. Stoga vremenska kompresija rezultira u spektralnu ekspanziju i obratno.
Kompresijom u vremenu signal bre oscilira, te njegov spektar mora ukljuciti i nove
visokofrekvencijske komponente, i obratno.
Trajanje signala u vremenu i u frekvencijski inverzno su proporcionalne velicine. Na primjer, za
rect(t/ ) vremensko trajanje je sekundi, dok je frekevencijski pojas 1/ Hz.
151
Slika 20: Fourierova transformacija: svojstvo skaliranja.
152
Primjer 7.9. Naci Fourierovu transformaciju signala ea|t| .

Odgovor 7.9.
eat u(t)
1
,
a + j
x(t) X()
eat u(t)
1
a j
ea|t| = eat u(t) + eat u(t)
ea|t|
1
2a
1
+
= 2
a + j
a j
a + 2
153
Vremenski pomak
x(t) X()
x(t t0 ) X()ejt0
Dokaz:
F {x(t t0 )}
=
=
=
=
(57)
Z
e
x(t t0 )ejt dt
x()ej(+t0 ) d
jt0
X()e
x()ej d
jt0
Magnitudni se spektar ne mijenja, ali se fazni spektar mijenja za t0 .

Vremenski pomak rezultira u linearni fazni pomak u spektru signala.
154
Primjer 7.10. Naci Fourierovu transformaciju signala ea|tt0 | .

Odgovor 7.10.
ea|tt0 |
2a
jt0
e
a2 + 2
155
Frekvencijski pomak
x(t) X()
x(t)ej0 t X( 0 )
(58)
Dokaz:
F {x(t)e
j0 t
}=
x(t)e
j0 t jt
dt =
x(t)ej(0 )t dt = X( 0 )
Mnoenjem signala sa ej0 t pomice se njegov spektar za = 0 .

=
(59)
U praksi se frekvencijski pomak realizira mnoenjem signala sa kosinusoidom:

x(t) cos 0 t =
x(t)ej0 t X( + 0 )
1
1
[x(t)ej0 t + x(t)ej0 t ] [X( 0 ) + X( + 0 )]
2
2
(60)
Primjene u radio prijenosu: Svakoj se radijskoj postaji dodjeljuje razlicito 0 i pripadajuci frekvencijski
pojas. Na ovaj se nacin omogucuje prijenos vie razlicitih signala istovremeno preko istog
komunikacijskog kanala.
156
Primjer 7.11. Naci i skicirati Fourierovu transformaciju signala x(t) cos 10t, gdje je x(t) = rect(t/4).
Odgovor 7.11.
x(t) cos 10t
X() = 4 sinc(2)
1
[X( + 10) + X( 10)]
2
x(t) cos 10t 2sinc(2( + 10)) + 2sinc(2( 10))
157
Konvolucija
Neka su x1 (t) X1 () i x2 (t) X2 (), tada je

x1 (t) x2 (t) X1 ()X2 () (Konvolucija u vremenu)
1
x1 (t)x2 (t)
(X1 () X2 ()) (Konvolucija u frekvenciji)
2
Dokaz:
F {x1 (t) x2 (t)}
=
=
=
=
=
h(t) H(),
ejt
x1 ( )
Z
Z
(62)
(61)
x1 ( )x2 (t )d dt

ejt x2 (t )dt d
x1 ( )ej X2 ()d
X2 ()
x1 ( )ej d
X1 ()X2 ()
y(t) = x(t) h(t) X()H() = Y ().
(63)
158
Primjer 7.12. Naci inverznu Fourierovu transformaciju od X() = 1/(a + j)2 .

Odgovor 7.12. Znamo da je
1
a + j

1
1
1
=
X() =
(a + j)2
a + j
a + j
Z t
= x(t) = eat u(t) eat u(t) = eat
d = teat u(t)
eat u(t)
teat u(t)
1
(a + j)2
159
Deriviranje i integriranje signala
x(t) X()
dx(t)
x(t) X()
=
jX() (Deriviranje)
dt
Z t
X()
+ X(0)() (Integriranje)
=
x( )d
j
(65)
Dokaz: Derivirajmo u vremenu definiciju inverzne Fourierove transformacije:

Z
1
dx(t)
=
jX()ejt d
dt
2
(64)
dx(t)
jX().
dt
Takoder
vrijedi:
dn x(t)
(j)n X().
n
dt
(66)
160
Primjer 7.13. Pokazati da je

Z
x( )d
X()
+ X(0)().
j

u(t ) =
1,
0,
t
>t
slijedi da je
x(t) u(t) =
x( )u(t )d =
x( )d

X()
1
+ () =
+ X(0)().
x(t) u(t) =
x( )d X()
j
j
161
Primjer 7.14. Sustav je opisan diferencijalnom jednadbom

dy(t)
dx(t)
+ 2y(t) = x(t) +
dt
dt
Naci njegov impulsni odziv.
Odgovor 7.14. Fourierova transformacija prethodne jednadbe je
jY () + 2Y () = X() + jX(),
tj.
(2 + j)Y () = (1 + j)X().
Frekvencijski odziv sustava je
H() =
1 + j
2 + j 1
1
Y ()
=
=
=1
X()
2 + j
2 + j
2 + j
Inverzna Fourierova transformaciju od H() daje impulsni odziv sustava:

h(t) = (t) e2t u(t).
162
Primjer 7.15. Vremenski kontinuiran LVN sustav opisan je jednadbom

dy(t)
+ 2y(t) = x(t).
dt
Koristeci Fourierovu transformaciju, naci izlaz y(t) kada je sustav pobuden
signalom x(t) = et u(t).
Odgovor 7.15. Fourierova transformacija diferencijalne jednadbe sustava je
jY () + 2Y () = X().
X() =
H() =
Y ()
1
=
X()
2 + j
1
1
1
1
= Y () = X()H() =
=
1 + j
(1 + j)(2 + j)
1 + j
2 + j
y(t) = (et e2t )u(t).
163
Tablica osnovnih svojstava Fourierove transformacije
x(t)
X()
Zbrajanje
x1 (t) + x2 (t)
X1 () + X2 ()
Mnoenje skalarom
kx(t)
kX()
Simetricnost
X(t)
Skaliranje (a R)
x(at)
Vremenski pomak (t0 R)
x(t t0 )
2x()
1
X
|a|
a
X()ejt0
x1 (t) x2 (t)
X1 ()X2 ()
Frekvencijski pomak (0 R)
Konvolucija u vremenu
Konvolucija u frekvenciji
x(t)ej0 t
x1 (t)x2 (t)
Deriviranje
Integriranje
Rt
dn x(t)
dtn
x( )d
X( 0 )
1
(X1 () X2 ())
2
(j)n X()
X()
j
+ X(0)()
164
Prijenos signala kroz kontinuirani LVN sustav
Vidjeli smo da je
Y () = H()X()
(67)
U polarnom obliku:
|Y ()|ejY () = |X()||H()|ej(X()+H(j))
te je
|Y ()| = |X()||H()|
(68)
Y () = X() + H()
(69)
H() je tzv. frekvencijski odziv sustava: |H()| je amplitudni odziv sustava, dok je H() fazni
odziv sustava, koji nam kazuju kako sustav modificira amplitudu i fazu spektra ulaznoga signala.
165
U mnogim aplikacijama poeljno je da signal prode

kroz sustav sa to manje distorcije (tj. da oblik
signala ostane sacuvan). Idealno, to bi znacilo da je
y(t) = kx(t td ) Y () = kX()ejtd
Kako je Y () = X()H() = H() = kejtd ,
(70)
|H()| = k
(const.),
H() = td
(linearna faza).
(71)
Vidimo da konstantan amplitudni odziv sam nije dovoljan da osigura prijenos signala bez distorcije.
Nuna je i linearnost faznog odziva sustava tj. td mora biti konstantno u eljenom frekvencijskom
pojasu.
Slika 21: Sustav za idealni (bez distorcije) prijenos signala.
166
filtri
Idealni i prakticni
Filtri omogucuju prijenos odredenih

frekvencija bez distorcije (podrucje proputanja), dok preostale
frekvencije bivaju priguene (podrucje priguenja).

U praksi, dva su podrucja razdvojene tzv. tranzicijskim podrucjem.
Magnituda u podrucju priguenja nije svugdje nula, nego je relativno mala u usporedbi s onom u
podrucju proputanja = koristimo 20 log |H()|.
Podrucje proputanja definirano je granicnom frekvencijom:
frekvencija
za koju je odziv jednak -3dB (tj. frekvencija u kojoj je normirana magnituda jednaka
1/ 2),
energetski spektar filtra je |H()|2 , te -3dB odgovara frekvenciji za koju filtar proputa samo polovicu
ulazne snage.
Filtri koje c emo ovdje analizirati svi imaju linearnu fazu u odgovarajucem frekvencijskom pojasu.
167
Idealni niskopropusni filtar (NPF) proputa frekvencije W , a priguuje sve frekvencije iznad
granicne frekvencije W .

Frekvencijske karakteristike idealnog NPF su |H()| = rect
i H() = td , te je
2W

ejtd .
H() = rect
2W
Slika 22: Idealni niskopropusni filtar.
168
Impulsni odziv idealnog NPF je:

h(t)

i
jtd
rect
e
2W
W
sinc(W (t td ))
(72)
Slika 23: Impulsni odziv idealnog niskopropusnog filtra.
Impulsni odziv NPF je nekauzalan jer ne vrijedi da je h(t) = 0, t < 0.

U praksi se kauzalnost postie tako da se odbacuje onaj dio impulsnog odziva koji odgovara negativnim
vrijednostima vremena t, tj. h(t)

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

h(t).
169
(a) HPF
(b) BPF
Slika 24: Idealni (a) visokopropusni i (b) pojasno-propusni filtar.
170
Primjer 7.16. Idealni niskopropusni filtar ima frekvencijski odziv

1,
|| < c
H() =
0,
|| > c .
Ulazni signal u filtar je x(t) =
a)
b)
sin at
Naci izlaz y(t) za
t
a < c ,
a > c .
Odgovor 7.16.

sin at
x(t) =
X() = rect
=
t
2a
a)
Kada je a < c , imamo Y () = X()H() = X()
b)
Kada je a > c , imamo Y () = X()H() = H()
Za a > c filtar dovodi do izoblicenja signala x(t).
1,
0,
|| < a
|| > a
sin at
t
sin c t
y(t) = h(t) =
t
y(t) = x(t) =
171

Energija signala Parsevalov teorem za neperiodicne
kontinuirane signale
Energiju signala definirali smo kao:

Ex =
ili ekvivalentno:
Ex =
x(t)x (t)dt

Z
1
X ()ejt d dt
x(t)
2
Z

Z
1
X ()
x(t)ejt dt d
2
Z
1
X ()X()d
2
Z
1
|X()|2 d
2
=
=
=
1
Ex =
|x(t)|2 dt =
2
|x(t)|2 dt,
|X()|2 d
(Parsevalov teorem)
Za x(t) R, X () = X() i |X()|2 je parna funkcija od :

Z
1
|X()|2 d.
= Ex =
0
(73)
(74)
172
U frekvencijskom pojasu energija signala je:

Ex =
1
|X()|2 = |X()|2 F ,
2
gdje je F =
[Hz]
2
Energija komponenti u pojasu F je |X()|2 F , stoga funkciju |X()|2 zovemo gustoca

energetskog spektra (engl. energy spectral density). Z
1 2
Za realne signale, energija u pojasu [1 , 2 ]: Ex =
|X()|2 d.
1
173
Primjer 7.17. Naci energiju signala x(t) = eat u(t).

Za koje W [rad/s] c e energija signala u pojasu W iznositi 95% njegove ukupne energije?
Napomena:
Frekvenciju W zovemo osnovni frekvencijski pojas signala (engl. essential bandwidth), koji sadri
95% ukupne energije signala.
Postoje i druge definicije osnovnog frekvencijskog pojasa, npr. to je frekvencija u kojoj magnitudni
spektar ima vrijednost jednaku 1% svojega maksimuma.
174
Odgovor 7.17.
Ex =
x (t)dt =
e2at dt =
1
2a
Takoder,
X() =
1
Ex =
1
|X()|2 d =
0.95
0.95 Ex =
2a
1
j + a

1
d
1
= 1
tan
=
2 + a2
a
a 0
2a
1
=
=
d
2 + a2
0
W

1
tan1
a
a 0
W
1
tan1
a
a
0.95
W
= tan1
= W = a tan
2
a
0.95
2
= 12.706 a [rad/s]
175
Autokorelacijska funkcija
Autokorelacijska funkcija (AKF) signala x(t) definirana je kao:

Z
x (t) =
x( )x( t)d = x(t) x(t)
(75)
AKF je maksimalna u ishoditu i ne raste sa t.

Za x(t) R, x (t) je parna funkcija od t:
x (t) = x(t) x(t) = x (t)
Kako je x(t) X() i x(t) X() = X (),

x (t) = x(t) x(t) X()X () = |X()|2
(76)
(77)
Stoga nam oblik funkcije x (t) daje informaciju o spektru signala x(t):
Niskofrekvencijski (sporomijenjajuci) signal imat c e iru AKF,

Visokofrekvencijski (brzomijenjajuci) signal imat c e uu AKF.
176
Vremenski otvori u spektralnoj analizi signala
Cesto
je nuno signal ograniciti na konacan interval (npr. prilikom numerickog racunanja Fourierove
transformacije, definiranja kauzalnog impulsnog odziva, otipkavanja signala, itd.).
Za ovu se svrhu koriste vremenski otvori (engl. windows).
Najjednostavniji je pravokutni vremenski otvor kojim se daje jedinicna teina informaciji unutar otvora i
teina nula svim podacima izvan njega.
Teinski faktori ne moraju biti konstantni (npr. u slucaju Bartlettovog ili trokutastog otvora, teine linearno
opadaju sa irinom otvora).
Vremenski otvori (T=65)
Pravokutni
Bartlett
Hanning
Hamming
Blackman
Amplituda
0.8
0.6
0.4
0.2
0
32
32
Slika 25: Osnovni vremenski otvori.
177
Za signal x(t) i vremenski otvor w(t):

xw (t) = x(t)w(t)
Xw () =
1
(X() W ())
2
(78)
irina funkcije Xw () je zbroj irina funkcija X() i W (), tj. frekvencijski se pojas povecava za
irinu pojasa u W (). Ova je pojava poznata kao spektralno irenje (engl. spectral smearing).
to je vremenski otvor ui, spektar mu je iri i obratno.
Cak
i kada je X() pojasno ogranicen, W () nije strogo ogranicen.
Stoga Xw () opcenito nije pojasno ogranicen i u spektru se javljaju frekvencije koje inace nisu
prisutne u spektru originalnoga signala. Ova se pojava naziva spektralno curenje (engl. spectral
leakage).
Slika 26: Spektar pravokutnog vremenskog otvora.
178
Slika 27: Utjecaj pravokutnog vremenskog otvora na spektar signala.
179
Zbog spektralnog irenja dolazi do smanjenja spektralne rezolucije, te je stoga poeljno da je glavna
latica spektra vremenskog otvora to ua = koristiti dui vremenski otvor.
Bocne latice uzrokuju spektralno curenje. Stoga elimo otvor sa to manjim bocnim laticama koje brzo
opadaju s frekvencijom = koristiti izgladene
vremenske otvore (Hammingov, Hanningov, Blackmanov,
Kaiserov, itd.).
Kako bismo eliminirali nepoeljno spektralno irenje i curenje = koristiti izgladeni

vremenki otvor
odgovarajuceg trajanja.
180
Osnovni vremenski otvori i njihova spektralna svojstva
Vremenski otvor
Pravokutni: rect
t
Bartlett: tri 2T

Hanning: 0.5 1 + cos
t
T

2t
T

Hamming: 0.54 + 0.46 cos 2t
T

+ 0.08 cos
Blackman: 0.42 + 0.5 cos 2t
T
" r
I0
Kaiser:
14
I0 ()
t
T
2
4t
T
, (1 10)
irina
Brzina opadanja
Najveca
glavne latice
bocnih latica
bocna latica
[dB/oct]
[dB]
4
T
13.3
8
T
12
26.5
8
T
18
31.5
8
T
42.7
12
T
18
58.1
11.2
T
59.9 ( = 8.168)
Hammingov je otvor jedan od najcece koritenih vremenskih otvora.

Za = 0, Kaiserov otvor ekvivalentan je pravokutnom otvoru; kako raste, glavna latica postaje sve
ira, a bocne latice sve manje.
181
Time domain
Frequency domain
Time domain
Frequency domain
40
1
Time domain
Frequency domain
40
1
20
40
1
30
20
20
60
0.6
0.4
0
10
20
0
Magnitude (dB)
40
0.8
10
Magnitude (dB)
0.4
20
Amplitude
Magnitude (dB)
Amplitude
0.6
0.8
Amplitude
0.8
0.6
0.4
20
40
30
60
80
0.2
40
0.2
100
10
15
20
Samples
25
120
30
0.2
80
50
0
0.2
0.4
0.6
0.8
Normalized Frequency ( rad/sample)
10
15
20
Samples
(a) = 0.05
25
60
30
0.2
0.4
0.6
0.8
10
15
20
Samples
(b) = 1
25
100
30
0.2
0.4
0.6
0.8
(c) = 5
Slika 28: Utjecal parametra na spektralna svojstva Kaiserovog vremenskog otvora (T = 32).
Time domain
Frequency domain
Time domain
Frequency domain
40
20
0.6
0.4
20
Magnitude (dB)
40
0
Amplitude
20
0.8
Magnitude (dB)
Amplitude
Magnitude (dB)
0.4
20
20
0.8
0.6
Frequency domain
40
0.8
Amplitude
Time domain
40
0.6
0.4
40
20
40
60
0.2
60
80
10
15
20
Samples
25
30
100
0.2
0.4
0.6
0.8
(a) T = 32
0.2
60
0.2
80
10
20
30
40
Samples
50
60
0.2
0.4
0.6
0.8
(b) T = 64
80
20
40
60
80
Samples
100
120
100
0.2
0.4
0.6
0.8
(c) T = 128
Slika 29: Utjecal trajanja otvora T na spektralna svojstva Kaiserovog vremenskog otvora ( = 5).
182
Time domain
Frequency domain
Time domain
Frequency domain
40
40
1
30
20
0.4
Amplitude
0.6
10
0
Magnitude (dB)
0.8
20
Magnitude (dB)
Amplitude
0.8
0.6
0.4
20
40
10
0.2
0.2
20
10
15
20
Samples
25
30
30
0.2
0.4
0.6
0.8
60
10
15
20
Samples
25
(a) pravokutni
Time domain
80
30
0.2
0.4
0.6
0.8
(b) Bartlett
Frequency domain
Time domain
Frequency domain
40
40
1
20
20
0.8
0.6
0.4
Amplitude
Magnitude (dB)
0
20
40
Magnitude (dB)
0.8
Amplitude
0.6
0.4
20
40
60
0.2
0.2
80
10
15
20
Samples
25
100
30
0.2
0.4
0.6
0.8
60
10
15
20
Samples
(c) Hanning
Time domain
80
30
Time domain
0.2
0.4
0.6
0.8
Frequency domain
40
0.9
(d) Hamming
Frequency domain
25
40
1
20
20
0.8
0
0.4
40
60
Magnitude (dB)
0.5
20
Amplitude
Magnitude (dB)
Amplitude
0.6
0.8
0.7
0.6
0.4
20
40
60
0.3
80
80
0.2
0.2
100
0.1
0
10
15
20
Samples
25
30
120
100
0.2
0.4
0.6
0.8
(e) Blackman
10
15
20
Samples
25
30
120
0.2
0.4
0.6
0.8
(f) Kaiser ( = 8.2)
Slika 30: Spektralna svojstva razlicitih vremenskih otvora (T = 32). Slike generirane pomocu Matlab funkcije wintool.
183
8. Otipkavanje i rekonstrukcija signala
Otipkavanje signala
Realan signal x(t) sa spektrom ogranicenim na B Hz (X() = 0, || > 2B) moe se bez pogreke
rekonstruirati iz svojih uzoraka dobivenih otipkavanjem signala s frekvencijom otipkavanja fs 2B.
Minimalna frekvencija otipkavanja fs = 2B Hz poznata je kao Nyquistova frekvencija.
Razmotrimo signal x(t) na slici, c iji je spektar ogranicen na B Hz (2B rad/s).
Slika 31: Kontinuirani signal i njegov spektar.
Otipkavanje signala x(t) s frekvencijom fs Hz jednako je njegovom mnoenju s nizom delta funkcija
T (t) kojega c ine jedinicni impulsi koji se periodicki ponavljaju s periodom T = 1/fs .
Slika 32: Periodican niz delta funkcija.
185
xs (t) = x(t)T (t) = x(t)
n=
(t nT ) =
n=
x(nT )(t nT )
(79)
gdje je n - ti impuls lociran u t = nT i ima povrinu x(nT ).
T (t) je periodican signal te ga definiramo pomocu trigonometrijskog Fourierovog reda (Primjer 6.7):
T (t) =
1
[1 + 2 cos s t + 2 cos 2s t + 2 cos 3s t + ] ,
T
xs (t) = x(t)T (t) =
Xs () = F {xs (t)} =
1
[X( s ) + X( + s )]
2
1
[X() + (X( s ) + X( + s )) + (X( 2s ) + X( + 2s )) + . . . ]
T
2
T
1
[x(t) + 2x(t) cos s t + 2x(t) cos 2s t + 2x(t) cos 3s t + ]
T
x(t) cos s t
s = 2fs =
1
Xs () =
T
n=
X( ns ).
(80)
186
Slika 33: Otipkani signal i njegov spektar.
Kako bismo rekonstruirali x(t) iz xs (t), potrebno je dobiti X() iz Xs () primjenom niskopropusnog
filtra s granicnom frekvencijom B Hz, pod uvjetom da se sukcesivni ciklusi u Xs () ne preklapaju, tj.
mora vrijediti:
2B
4B
2B
s 2B
fs
(81)
Kako je T = 1/fs , uvjet u (81) ekvivalentan je uvjetu

T
Period otipkavanja T =
1
2B
(82)
1
poznat je kao Nyquistov period.
2B
187

Primjer 8.1. Neka je x(t) =
Tada je X() = 0.2tri
. Naci Nyquistovu frekvenciju i
20
Nyquistov period signala x(t). Razmotriti na koji nacin s vrijednosti manje i vece od Nyquistove frekvencije
utjecu na spektar otipkanog signala.

W
t
W
2
sinc
tri
. Ovdje je W = 10.
Napomena:
2
2
2W
sinc2 (5t).
Odgovor 8.1. B = 5 Hz (10 rad/s) = fs = 2B = 10 Hz i T = 1/(2B) = 0.1 sec.
fs
10
0.2
10
20
0.1
20
40
0.05
1
T
X()
Undersampling
20
Oversampling
tri 20
2tri 20
4tri
Nyquist rate
188
189
Rekonstrukcija (interpolacija) signala
Rekonstrukcija signala iz njegovih uzoraka poznata je i kao interpolacija.

Za rekonstrukcijuje nuan
idealan niskopropusni filtar s granicnom frekvencijom B Hz i amplitudom T ,

tj. H() = T rect
.
4B
n
o
1
Idealan interpolacijski filtar ima impulsni odziv: h(t) = F
= 2BT sinc(2Bt).
T rect
4B
Za 2BT = 1 (Nyquistova frekvencija): h(t) = sinc(2Bt).
Slika 34: Idealan interpolacijski filtar u frekvenciji i vremenu (2BT = 1).
h(t)
0,
1,
t = n/(2B), n Z +
t = 0.
190
Svaki uzorak signala xs (t) na ulazu filtra daje sinc funkciju na izlazu, c ija je amplituda jednaka vrijednosti
signala u promatranom trenutku:
x(nT )(t nT )
x(nT )(t nT )
xr (t)
n=
n=
Izraz xr (t) = x(t) =
n=
n=
x(nT )h(t nT )
x(nT )sinc (2B(t nT ))
x(nT )h(t nT )
x(nT )sinc(2B(t nT ))
x(nT )sinc(2Bt n),
2BT = 1.
(83)
x(nT )sinc(2Bt n) poznat je kao interpolacijska formula.
Slika 35: Otipkani i rekonstruirani signal.
191
Primjer 8.2. Primjenom interpolacijske formule, naci signal x(t) koji je pojasno ogranicen na B Hz, i c iji su
uzorci
x(0) = 1
x(T ) = x(2T ) = x(3T ) = = 0,
T = 1/(2B).
Odgovor 8.2. Samo jedan c lan (n = 0) u interpolacijskoj formuli nije nula,
x(t) = sinc(2Bt)
Ovo je jedini signal koji zadovoljava zadane uvjete.
192
Aliasing
Kako idealni NPF ne postoji u praksi, frekvencija otipkavanja mora biti fs > 2B (s > 4B).
to je fs vece, rekonstruirani signal bolje aproksimira originalni signal.
Vaan ogranicavajuci faktor u spektralnoj analizi signala u praksi je problem aliasinga:
Svi su signali u praksi vremenski ograniceni, te ne mogu istovremeno biti i pojasno ograniceni.
Znamo da se Xs () sastoji od kopija od X() koje se ponavljaju svakih fs Hz.
Zbog neogranicenog frekvencijskog pojasa, neovisno o fs , spektralna se preklapanja uvijek javljaju.
Filtriranjem Xs () s NPF (B = fs /2) dobije se iskrivljena verzija od X() zbog gubitka "repa" kod
X() i njegovog preklapanja na originalni spektar.
Zbog navedenog spektralnog preklapanja, frekvencija fs /2 + fx u rekonstruiranom signalu javlja se
kao frekvencija fs /2 fx . (Frekvencija fs /2 je tzv. frekvencija preklapanja).
Slika 36: Aliasing u frekvencijskoj domeni.
193
Slika 37: Utjecaj aliasinga na spektar rekonstruiranog signala.
194
Antialiasing filtar je NPF s granicnom frekvencijom fs /2 Hz, kojim se eliminiraju sve frekvencijske
komponente signala vece od fs /2 Hz.
Ovaj se filtar mora primijeniti prije otipkavanja signala.
Njegovom se primjenom u spektru otipkanoga signala frekvencije vece od fs /2 vie ne pojavljuju kao
aliasi u podrucju ispod fs /2 Hz.
195
Razmotrimo problem aliasinga na primjeru signala x(t) = cos t. Pokazat c emo da su uzorci kosinusa s
frekvencijama s /2 + x i s /2 x identicni kada je frekvencija otipkavanja fs = s /2 Hz.
Otipkavanjem x(t), s periodom T , dobije se signal x(nT ) = cos nT .

Za = s /2 x ,
x(nT )
=
=
=
=
=
cos(s /2 x )nT
cos(s /2)nT cos x nT sin(s /2)nT sin x nT
cos(s /2)nT cos x nT sin n sin x nT,
(s T = 2)
cos(s /2)nT cos x nT 0 sin x nT
cos(s /2)nT cos x nT.
Vidimo da su uzorci kosinusa s frekvencijom fs /2 + fx identicni uzorcima kosinusa s frekvencijom

fs /2 fx .
Na primjer, kosinus s frekvencijom 100 Hz i otipkan s frekvencijom 120 Hz, nakon rekonstrukcije
izgleda kao kosinus s frekvencijom 20 Hz (100 = fs /2 + fx = 60 + fx = fx = 40
fs /2 fx = 60 40 = 20).
Kako bismo izbjegli aliasing, kosinusoida s frekvencijom f mora se otipkati tako da frekvencija
otipkavanja fs zadovoljava uvjet fs 2f Hz, tj. mora vrijediti:
0 f fs /2.
196
Slika 38: Utjecaj frekvencije otipkavanja fs na rekonstrukciju kosinusa f0 = 100 Hz: (a) fs = 120 Hz, javlja se aliasing, rekonstruirani
signal je kosinus fr = 20 Hz (b) fs = 240 Hz, nema aliasinga i rekonstruiran je originalni signal fr = f0 = 100 Hz.
197
Numericko
racunanje
Fourierove transformacije: Diskretna Fourierova transformacija (DFT)
Kada otipkani signal periodicki repliciramo, njegov spektar je periodican i takoder

otipkan.
Interesira nas u kakvoj su vezi uzorci signala x(t) i uzorci njegovog spektra X().
Slika 39: Otipkani signal i njegov otipkani spektar.
198
Broj uzoraka signala x(t) u jednom periodu je N0 = T0 /T i broj uzoraka u jednom periodu njegovog
1/T
T0
= N0 .
spektra je N0 = fs /f0 =
=
1/T0
T
Povecavanjem N0 opada f0 ; kaemo da raste spektralna (frekvencijska) rezolucija signala.
T0
Neka je k - ti uzorak od x(t) xk = T x(kT ) =
x(kT ), i r - ti uzorak od X() Xr = X(r0 ), gdje je
N0
0 = 2f0 = 2/T0 . Tada je:
Xr =
NX
0 1
k=0
xk ejr0 T k =
NX
0 1
xk ejr0 k
(84)
k=0
N0 1
1 X
Xr ejr0 k , 0 = 0 T
xk =
N0 r=0
xk Xr
(direktna DFT od xk )
(inverzna DFT od Xr )
(85)
(DFT par)
xk i Xr su N0 - periodicni nizovi (tj. nizovi s period N0 ).
199
1
0.5
0.9
0.8
0.4
|Y(f)|
|X(f)|
0.7
0.3
0.2
0.6
0.5
0.4
0.3
0.1
0.2
0.1
0
0
25
20
15
10
10
15
20
25
25
20
15
10
f [Hz]
10
15
20
25
f [Hz]
(a)
(b)
1
0.9
0.8
|Yzp(f)|
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
25
20
15
10
10
15
20
25
f [Hz]
(c)
j210 1 t
3 , (c) signal u
Slika 40: DFT pomocu Matlab funkcije FFT (fs = 50 Hz, N0 = 50) signala: (a) x(t) = cos(210t), (b) y(t) = e
(b) za N0 = 600.
200
Odabir DFT parametara
Prilikom racunanja DFT nuno je odabrati adekvatne vrijednosti parametara N0 , T i T0 .

1
Za signal koji ima frekvencijski pojas B = T =

2B
1
Ako je eljena frekvencijska rezolucija (razmak izmedu
uzoraka u X()) f0 = T0 =
f0
T0
Kada su nam poznati T i T0 = N0 =

T
Kako bi se sacuvale sve vane informacije u spektru signala, f0 mora biti malo (tj. T0 mora biti veliko,
odnosno N0 mora biti veliko).
Ovo se postie dodavanjem uzoraka c ija je vrijednost nula na kraj signala (engl. zero padding), to
povecava broj uzoraka u njegovom spektru.
Vano je napomenuti da T mora biti to manje kako bi se smanjio aliasing, te na taj nacin dobio to
tocniji prikaz signala.
201
Primjer 8.3. Signal ima trajanje 2 ms i frekvencijski pojas od 10 kHz. Koliko mora biti N0 u DFT ako je
eljena frekvencijska rezolucija 100 Hz?
Odgovor 8.3. = 2 ms, B = 10000 Hz, f0 = 100 Hz.
T0 =
1
1
= 10 ms zero padding: T0 = 10 2 = 8 ms
=
f0
100
fs = 2B = 20000 Hz
N0 =
fs
20000
= 200.
=
f0
100
U efikasnim implementacijama DFT-a, npr. FFT u Matlabu, parametar N0 = 2n , n Z + .

U naem primjeru mogli bismo uzeti da je N0 = 256, te prilagoditi parametre T i T0 kako bismo smanjili
aliasing i povecali rezoluciju:
T smanjimo s originalnih 50 na 45 s, i
T0 povecamo s originalnih 10 na 11.5 ms (tj. poboljamo frekvencijsku rezoluciju f0 za
100 86.96 = 13.04 Hz).
202
9. Literatura
Korisna literatura
Lathi, Linear Systems and Signals, 2/E, Oxford University Press, 2010. (Fakultetska knjinica i
Sveucilina knjinica)
Soliman and Srinath, Continuous and Discrete Signals and Systems, 2/E, Prentice Hall, 1998.
(Fakultetska knjinica)
Hsu, Schaums Outline of Theory and Problems of Signal and Systems, McGraw-Hill, 1995. (Sveucilina
knjinica)
Vrankic, Signali i sustavi: zbirka rijeenih zadataka, Graphis, 2007. (Fakultetska knjinica)
Haykin, Signals and Systems, 2/E, Wiley, 2003.
Oppenheim, Willsky, and Hamid, Signals and Systems, 2/E, Prentice Hall, 1997.
Phillips, Parr, and Riskin, Signals, Systems, and Transforms, 3/E, Prentice Hall, 2003.
Mandal and Asif, Continuous and Discrete Time Signals and Systems, Cambridge University Press,
2007.
Ziemer, Tranter, and Fannin, Signals and Systems: Continuous and Discrete, 4/E, Prentice Hall, 1998.
McGillem and Cooper, Continuous and Discrete Signal and System Analysis, 3/E, HRW Saunders,
1991.
Ostala literatura dostupna na web stranicama izdavaca: Prentice Hall, McGraw-Hill, Wiley, Elsevier,
Springer, ...
204

SIS Slajdovi

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

SIS Slajdovi

Uploaded by

Copyright:

Available Formats

SIGNALI I SUSTAVI 2014./15.

1. Klasificiranje i osnovna svojstva signala

Klasificiranjem i osnovnim svojstvima signala

V. Sucic, Signali i sustavi - Predavanja

Signali i njihovo klasificiranje

struja i napon (elektricki sustav),

V. Sucic, Signali i sustavi - Predavanja

(b) slika (J.B.J. Fourier)

(c) satelitski snimak

Slika 1: Primjeri signala.

V. Sucic, Signali i sustavi - Predavanja

Prema prirodi vremenske varijable, signale klasificiramo na:

nezavisna varijabla je po svojoj prirodi diskretna, ili

(b) sin(2n), Ts = 0.1

Slika 2: (a) Kontinuirani i (b) diskretni signal.

V. Sucic, Signali i sustavi - Predavanja

Prema prirodi amplitude, signale klasificiramo na:

V. Sucic, Signali i sustavi - Predavanja

Diskretni analogni signal

Kontinuirani analogni signal

Kontinuirani digitalni signal

Diskretni digitalni signal

V. Sucic, Signali i sustavi - Predavanja

Jo jedna vana klasifikacija signala je na:

(b) sin(2t) + bijeli Gaussov um

Slika 4: (a) Deterministicki i (b) stohasticki signal.

V. Sucic, Signali i sustavi - Predavanja

(a) EEG signali takora

(b) Elektricni um u diodi ( = 0)

(c) INTEL-ov burzovni indeks

Slika 5: Primjeri stohastickih signala u praksi.

V. Sucic, Signali i sustavi - Predavanja

Kontinuirani signal x(t) je periodican

Najmanje T0 za koje vrijedi (1) zovemo osnovni period signala x(t).

Diskretni signal x[n] je periodican

Najmanje N0 za koje vrijedi (2) zovemo osnovni period signala x[n].

Signal koji ne zadovoljava (1) odnosno (2) je neperiodican

Stoga c emo integral signala x(t) po jednome periodu krace oznacavati sa

Na slican c emo nacin zbrajanje signala x[n] po jednome periodu oznacavati sa

V. Sucic, Signali i sustavi - Predavanja

Periodican diskretni signal

Neperiodican kontinuirani signal

Periodican kontinuirani signal

Neperiodican diskretni signal

V. Sucic, Signali i sustavi - Predavanja

Ako su x1 (t) = x1 (t + T1 ) = x1 (t + mT1 ), x2 (t) = x2 (t + T2 ) = x2 (t + nT2 ), i x(t) = x1 (t) + x2 (t), tj.

Signal x(t) bit c e periodican signal s periodom T ako je:

Ako su x1 [n] = x1 [n + N1 ] = x1 [n + pN1 ], x2 [n] = x2 [n + N2 ] = x2 [n + qN2 ], i x[n] = x1 [n] + x2 [n],

V. Sucic, Signali i sustavi - Predavanja

Primjer 1.1. Naci osnovni period kompleksno-eksponencijalnog signala

V. Sucic, Signali i sustavi - Predavanja

Signal je kauzalan ako vrijedi:

V. Sucic, Signali i sustavi - Predavanja

Snaga signala x(t) je:

V. Sucic, Signali i sustavi - Predavanja

Za diskretne signale imamo:

Za periodicne signale, snagu P u (14) dobijemo zbrajanjem po jednom periodu signala.

Signale klasificiramo na:

Signale energije: ako je 0 < E < (te je P = 0),

V. Sucic, Signali i sustavi - Predavanja

Primjer 1.2. Naci energiju i snagu signala na slici.

V. Sucic, Signali i sustavi - Predavanja

Primjer 1.3. Naci snagu i energiju signala x(t) = A cos(2f0 t + ).

A2 cos2 (2f0 t + )dt