3.

1
a) uradjen
b)
n=-5:5;
x1=exp(-n).*stepfun(n,1);
x2=(2.^n).*fliplr(stepfun(n,0));
y=conv(x1,x2);
stem(y)

c)
x1=[1 2 3 0 3 2 1];
x2=[1 2 0 1 0 2 1];
y=conv(x1,x2);
stem(y)

d)
x1=[-1, -2, -3, 0, 3, 2, 11];
x2=[1, -1, 0, -1, 0, 2, 1];
y=conv(x1,x2);
stem(y)

e)
n=-5:5;
x1=stepfun(n, 0);
x2=[-1, -2, -3, 0, 3, 2, 1];
y=conv(x1,x2);
stem(y)

3.2
clear all
close all
clc
x = [1 4 2 3 5 3 3 4 5 7 6 9];
h1 = [1 1];
h2 = [1 2 1];
h3 = [0.5 0.5];
h4 = [0.25 0.5 0.25];
h5 = [0.25 -0.5 0.25];
y1=conv(x,h1);
y2=conv(x,h2);
y3=conv(x,h3);
y4=conv(x,h4);
y5=conv(x,h5);
subplot(3,1,1)
stem(x)
hold on
grid on
stem(y1,'-xr')
hold on
stem(y2,'-og')
title('x(n) i y1(n),y2(n)');

Zbog toga to h2 ima vie lanova konvoluciona suma y2 je vea, zato su zeleni kruii iznad
crvenih iksia.
subplot(3,1,2)
stem(x)
hold on
grid on
stem(y3,'-xr')
hold on
stem(y4,'-og')
title('x(n) i y3(n),y4(n)');

U ovom sluaju su lanovi nizova h3 i h4 manji od 1, zato su elementi rezultirajue konvolucije

malih vrijednosti, i manjih od odgovarajuih vrijednosti izvornog niza. Osim toga, y4 je takodje
manji od y3 uglavnom uprkos tome to ima vie lanova.
subplot(3,1,3)
stem(x)
hold on
grid on
stem(y4,'-xr')
hold on
stem(y5,'-og')
title('x(n) i y4(n),y5(n)');

S obzirom da je srednji lan h5 niza negativan on reducira konvolucionu sumu, zato je y5 u svakom
sluaju manji od y4.
3.3
Sistem je bibo stabilan, obje sekvence su ogranicene i konacne. Takodje je i kauzalan, svi indeksi
sekvenci su veci od 0.
a)
clc
clear all
close all
h = ones(50, 1) * 0.02;
for n = 300:-1:1
x(n) = 3 + sin(0.4*n);
end
y = conv(h, x);
stem(x);
hold on
stem(y, '-r');

Vidimo ulazni i izlazni prelaz sistema. Unutar ustaljenog rezima amplituda oscilacija znatno je
umanjena usrednjavanjem. Prosjecna vrijednost ostaje ista, posto je ulazna sekvenca od 50 clanova,
i svi su intetnziteta 0.02 u ustaljenom rezimu amplituda izlaza takodje varira oko 3. Takodje, izlazni

signal ima malo pomaknutu fazu.

3.4
clc
clear all
close all
h = ones(50, 1) * 0.02;
psi = randn(600,1);
for n = 600:-1:1
x(n) = sin(0.01*n) + psi(n);
end
y = conv(h, x);
stem(x);
hold on
stem(y, '-r');
grid on

Ulazna sinusoida je vrlo izobliena dejstvom uma, ali kao posljedica konvolucije i usrednjavanja
se ipak dobija neto to lii na oekivani signal razvuenu sinosoidu amplitude 1.
3.5
clear all
close all
clc
x = ones(10 , 1) * 0.1;
vec0 = x;
vec1 = conv(vec0, vec0);
vec2 = conv(vec0, vec1);
vec3 = conv(vec0, vec2);
vec4 = conv(vec0, vec3);
subplot(2,2,1)
stem(vec0)

hold on
stem(vec1, '-rx')
subplot(2,2,2)
stem(vec0)
hold on
stem(vec2, '-rx')
subplot(2,2,3)
stem(vec0)
hold on
stem(vec3, '-rx')
subplot(2,2,4)
stem(vec0)
hold on
stem(vec4, '-rx')

Raste u duini, a amplituda opada. Usrednjavanje zagladjuje prelazne krive i izlazni signal poprima
izgled gausove krive.