You are on page 1of 37

Esercizi svolti di Teoria dei Segnali

Enrico Magli, Letizia Lo Presti, Gabriella Olmo, Gabriella Povero
Versione 1.0
Prefazione
A partire dall’anno accademico 2005/2006 viene fornita agli studenti dei
corsi di Teoria dei Segnali del Politecnico di Torino questa dispensa per
aiutarli nella preparazione dell’esame. La dispensa contiene un campionario
di esercizi svolti che coprono la maggior parte del programma, e contengono
alcuni dei metodi di soluzione pi` u tipici per diverse classi di esercizi.
Come in ogni raccolta di esercizi svolti, dato l’elevato numero di formule
`e inevitabile che siano presenti degli errori. Al fine di migliorare la qualit`a
delle edizioni successive di questa dispensa, si prega di segnalare eventuali
errori inviando un’e-mail a enrico.magli@polito.it.
Gli autori ringraziano Pietro Macchi per l’aiuto nella stesura della ver-
sione preliminare di questa dispensa.
Sommario
Unit`a 1 2
1.1 Calcolo di energia e potenza media di un segnale . . . . . . . 2
1.2 Sviluppi in serie di Fourier e trasformate di Fourier . . . . . . 5
Unit`a 2 11
2.1 Studio di sistemi LTI . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Dimostrazione di linearit`a e invarianza temporale . . . . . . . 14
Unit`a 3 16
3.1 Segnali a potenza media finita . . . . . . . . . . . . . . . . . . 16
3.2 Filtraggio di segnali periodici . . . . . . . . . . . . . . . . . . 19
3.3 Campionamento . . . . . . . . . . . . . . . . . . . . . . . . . 21
Unit`a 4 23
4.1 Densit`a di probabilit`a, valore atteso e funzione di autocorre-
lazione di processi casuali . . . . . . . . . . . . . . . . . . . . 23
4.2 Processi casuali filtrati . . . . . . . . . . . . . . . . . . . . . . 30
1
Unit`a 1
1.1 Calcolo di energia e potenza media di un seg-
nale
Esercizio 1
Calcolare l’energia del segnale
x(t) = e
−Kt
cos(2πf
0
t)u(t)
con K > 0.
Soluzione
Come in molti altri casi, anche in questo semplice esercizio la soluzione si
pu`o trovare calcolando l’energia sia nel dominio del tempo che nel dominio
della frequenza. Procediamo per esempio nel dominio del tempo:
E
x
=
_
+∞
−∞
|x(t)|
2
dt
E
x
=
_
+∞
0
¸
¸
e
−Kt
cos(2πf
0
t)
¸
¸
2
dt =
_
+∞
0
e
−2Kt
cos
2
(2πf
0
t)dt
Ricordando la formula di duplicazione del coseno si ottiene
E
x
=
1
2
_
+∞
0
e
−2Kt
dt +
1
2
_
+∞
0
e
−2Kt
cos(4πf
0
t)dt
Al secondo termine conviene applicare la formula di Eulero ed esprimere il
coseno come somma di esponenziali complessi:
E
x
= −
1
4K
e
−2Kt
¸
¸

0
+
1
2
_
+∞
0
e
−2Kt
_
e
j4πf
0
t
+ e
−j4πf
0
t
2
_
dt
2
E
x
=
1
4K
+
1
4
_
+∞
0
e
−2(K−j2πf
0
)t
dt +
1
4
_
+∞
0
e
−2(K+j2πf
0
)t
dt
E
x
=
1
4K
+
1
4
__
−1
2(K −j2πf
o
)
e
−2(K−j2πf
0
)t
dt
¸
¸
¸
¸

0
+
_
−1
2(K +j2πf
o
)
e
−2(K+j2πf
0
)t
dt
¸
¸
¸
¸

0
_
E
x
=
1
4K
+
1
4
_
1
2(K −j2πf
0
)
+
1
2(K +j2πf
o
)
_
=
1
4K
+
1
4
2K
2(K
2
+ 4π
2
f
2
0
)
E
x
=
1
4K
_
1 +
K
2
K
2
+ 4π
2
f
2
0
_
3
Esercizio 2
Calcolare la potenza media del segnale
x(t) =

n=−∞
p(t −nT)
dove p(t) `e riportato in Fig. 1.1.
A
-A

0
T
t
p(t)
2
T
Figura 1.1
Soluzione
x(t) `e periodico di periodo T. Quindi, indicando con E
p
l’energia del
segnale p(t) in un periodo, si ottiene
P
x
=
E
p
T
=
1
T
_
T
0
|p(t)|
2
dt
P
x
=
1
T
_
T
0
A
2
dt = A
2
4
1.2 Sviluppi in serie di Fourier e trasformate di
Fourier
Esercizio 3
Si calcoli lo sviluppo in serie di Fourier del segnale, definito nell’intervallo
_

T
2
,
T
2
¸
x(t) =
_
Ae

τ
t
t ∈
_

τ
2
,
τ
2
¸
0 altrove
Soluzione
`
E necessario calcolare i coefficienti µ
n
dello sviluppo in serie di Fourier
applicando la definizione. Si ottiene
µ
n
=
1
T
_ T
2

T
2
x(t)e
j

T
nT
dt =
A
T
_ T
2

T
2
e
j2π(
t
τ

n
T
)t
dt
µ
n
=
A
T
1
j2π
_
1
τ

n
T
_
_
e
j2π(
t
τ

n
T
)
τ
2
−e
−j2π (
t
τ

n
T
)
τ
2
_
=
A
T
sin
_
πτ
_
1
τ

n
T

π
_
1
τ

n
T
_ =

T
sin
_
πτ
_
1
τ

n
T

πτ
_
1
τ

n
T
_
µ
n
=

T
sin
_
π
_
1 −

T

π
_
1 −

T
_ =

T
sinc
_
1 −

T
_
Si noti che, per certi valori di τ, alcuni dei coefficienti µ
n
potrebbero
diventare nulli. Per esempio, prendendo τ = T/2, si ottiene
µ
n
=

T
sinc
_
1 −
n
2
_
e quindi µ
n
= 0 per n pari e diverso da 2.
5
Esercizio 4
Determinare lo spettro del segnale x(t) rappresentato in Fig. 1.2, usando
opportunamente le propriet`a della trasformata di Fourier.
x(t)
t τ+T
τ
A
A/2
τ+(3/2)T
Figura 1.2
Soluzione
Possiamo scrivere il segnale x(t) come somma di due contributi:
x(t) = x
1
(t) +x
2
(t)
La scomposizione si pu`o fare in modi diversi, si veda p.es. la Fig. 1.3. Nel
seguito scriviamo il segnale seguendo l’esempio B come
x(t) = Ap
T
(t −(T +τ/2)) +
A
2
p
T/2
(t −(τ + 5T/4))
Quindi per linearit`a si ottiene la trasformata di Fourier
X(f) = X
1
(f) +X
2
(f)
X
1
(f) = A
sin(πfT)
πf
e
−j2πf(
T
2
+τ)
X
2
(f) =
A
2
sin
_
πf
T
2
_
πf
e
−j2πf(
5
4
T+τ)
Utilizzando alcune propriet`a trigonometriche si pu`o scrivere X(f) in modo
pi` u elegante:
X(f) = A
sin(πfT)
πf
e
−jπfT
e
−j2πfτ
+
A
2
sin
_
πf
T
2
_
πf
e
−jπf
5
2
T
e
−j2πfτ
=
=
AT
πfT
e
−j2πfτ
_
2 sin
_
πf
T
2
_
cos
_
πf
T
2
_
e
−jπfT
+
1
2
sin
_
πf
T
2
_
e
−jπf
5
2
T
_
=
=
AT
2πf
T
2
e
−j2πfτ
sin
_
πf
T
2
__
2 cos
_
πf
T
2
_
e
−jπfT
+
1
2
e
−jπf
5
2
T
_
6
B
A
A/2
A
A/2
A
A/2
A
t
t
t
x1(t) x1(t)
x2(t)
x2(t)
τ
τ
τ
τ+Τ
τ+3/2Τ
τ+Τ
τ+Τ τ+3/2Τ
t
A
A/2
Figura 1.3
X(f) =
AT
2
sin
_
πf
T
2
_
πf
T
2
e
−j2πf(τ+
T
2
)
_
2 cos
_
πf
T
2
_
+
1
2
e
−jπf
3
2
T
_
7
Esercizio 5
Si considerino i due segnali
x(t) = e
−kt
u(t)
y(t) = x(t) ∗
sin(θt)
πt
dove “∗” denota il prodotto di convoluzione. Si determini la relazione che
deve intercorrere tra le costanti k e θ affinch`e l’energia di y(t) sia pari alla
met`a dell’energia di x(t).
Soluzione
x(t) = e
−kt
u(t)
L’energia di x(t) si pu`o calcolare facilmente nel dominio del tempo:
E
x
=
_

0
¸
¸
¸e
−kt
¸
¸
¸
2
dt =
_

0
e
−2kt
dt =
1
2k
Per calcolare l’energia di y(t) `e opportuno lavorare nel dominio della fre-
quenza, dove il prodotto di convoluzione viene trasformato in un prodotto
semplice. (Per semplicit`a indichiamo con F la trasformazione di Fourier di
una funzione del tempo).
y(t) = x(t) ∗
sin(θt)
πt
Y (f) = X(f)F
_
sin(θt)
πt
_
=
1
k +j2πf

π
(f)
dove per il calcolo di F
_
sin(θt)
πt
_
si `e utilizzata la propriet`a di dualit`a.
E
y
=
_
+∞
−∞
|Y (f)|
2
df =
_ θ


θ

¸
¸
¸
¸
1
k +j2πf
¸
¸
¸
¸
2
df
= 2
_ θ

0
1
k
2
+ 4π
2
f
2
df
=
2
k2π
arctan
_

k
f

¸
¸
¸
θ

0
Imponiamo ora la condizione richiesta dall’esercizio.
E
y
=
1

arctan
θ
k
8
E
y
=
1
2
E
x
1

arctan
_
θ
k
_
=
1
2
1
2k
→arctan
θ
k
=
π
4

θ
k
= tan
π
4
= 1
Quindi la soluzione `e
θ = k k = 0
9
Esercizio 6
Si consideri il segnale
x(t) = a(t −T)e
j2πf
0
t
dove
a(t) =
sin
πt
T
πt
e f
0
=
k
T
con k una costante strettamente positiva.
• Calcolare lo spettro di ampiezza di x(t)
• Calcolare l’energia di x(t)
Soluzione
Il segnale x(t) si pu`o scrivere come
x(t) = a(t −T)e
j2πf
0
t
= y(t)e
j2πf
0
t
dove si `e posto y(t) = a(t −T). Per la propriet`a di traslazione in frequenza
la X(f) vale
X(f) = Y (f −f
0
)
A sua volta, per la propriet`a di traslazione nel tempo, la Y (f) vale
Y (f) = A(f)e
−j2πfT
e quindi lo spettro del segnale x(t) si pu`o scrivere come
X(f) = A(f −f
0
)e
−j2πfT
e
j2πf
0
T
Ponendo f
0
=
k
T
si ottiene
X(f) = A(f −f
0
)e
−j2πfT
e
j2πk
= A(f −f
0
)e
−j2πfT
Inoltre la trasformata di Fourier di a(t) si pu`o calcolare facilmente grazie
alla propriet`a di dualit`a, che permette di stabilire che la trasformata di una
funzione di tipo sinc `e una porta:
A(f) = p 1
T
(f)
A questo punto `e banale calcolare l’energia di x(t) nel dominio della fre-
quenza sfruttando l’uguaglianza di Parseval, ricordando che il modulo quadro
di un esponenziale complesso vale sempre 1:
E
x
=
_
+∞
−∞
|X(f)|
2
df =
1
T
10
Unit`a 2
2.1 Studio di sistemi LTI
Esercizio 7
Un sistema LTI ha risposta all’impulso h(t) rettangolare, causale, di
ampiezza unitaria e durata T. L’ingresso vale
x(t) = sin(2πf
0
t)
Si denoti come y(t) l’uscita del sistema. Determinare per quali valori di f
0
l’uscita `e identicamente nulla: y(t) = 0 ∀t.
Soluzione
La risposta all’impulso del sistema si pu`o scrivere come h(t) = p
T
(t −
T/2), dove p
T
(t) `e una porta di ampiezza unitaria e durata T, con supporto
nell’intervallo
_

T
2
,
T
2
_
. La trasformata di Fourier di h(t) `e molto facile da
calcolare; inoltre la trasformata di x(t) sar`a formata da delta di Dirac, dal
momento che x(t) `e periodico. Queste considerazioni ci fanno propendere
per una soluzione nel dominio della frequenza. In particolare la funzione di
trasferimento vale
H(f) =
sin(πft)
πf
e
−jπf
X(f) =
1
2j
[δ (f −f
0
) −δ (f +f
0
)]
Y (f) = X(f)H(f)
La condizione Y (f) = 0 `e verificata se le delta di Dirac nello spettro di X(f)
cadono in corrispondenza degli zeri di H(f), cio`e per f
0
=
k
T
k = 1, 2...
11
Esercizio 8
Si consideri lo schema in Fig. 2.1, dove φ e f
0
sono costanti, e x(t) `e un
segnale strettamente limitato in banda: X(f) = 0 per |f| > B.
X
x(t) cos(2πf
0
t)

cos(2πf
0
t+φ)
f -B B
1
0
H(f)
y(t)
z(t)
Figura 2.1
Si supponga f
0
= 10B.
• Ricavare un’espressione analitica per y(t).
• E’ possibile trovare un valore di φ affinch`e y(t) = 0 ∀t ?
Soluzione
Scriviamo esplicitamente il segnale z(t), applichiamo le formule di Werner,
e quindi quelle di Eulero:
z(t) = x(t) cos (2πf
0
t) cos (2πf
0
t +φ)
=
1
2
x(t) [cos(φ) + cos (4πf
0
t +φ)]
=
1
2
x(t) cos(φ) +
1
4
x(t)e
j(4πf
0
t+φ)
+
1
4
x(t)e
−j(4πf
0
t+φ)
A questo punto si pu`o calcolare facilmente la sua trasformata di Fourier.
Z(f) =
1
2
cos φX(f) +
1
4
e

X (f −2f
o
) +
1
4
e
−jφ
X (f + 2f
o
)
Come si pu`o notare, questa trasformata contiene tre termini, ovvero lo spet-
tro originale X(f) e due sue versioni traslate. Ci chiediamo come questo
spettro venga modificato passando attraverso il sistema LTI, ed in partico-
lare se alcuni di questi termini vengano cancellati. Ci`o si pu`o determinare
pi` u facilmente per via grafica, facendo un disegno qualitativo, come in Fig.
2.2, della trasformata di Fourier Z(f) e della funzione di trasferimento H(f),
e disegnando quindi lo spettro del segnale di uscita Y (f).
12
~ X(f)
f
f
f
Z(f)
H(f)
Y(f)
~ X(f)
−B B 2f0 −2f0
−B B
Figura 2.2
In particolare, si noti che per f
0
= 10B non si ha sovrapposizione in
frequenza dei tre termini; inoltre il filtro passabasso ideale cancella le due
repliche intorno alle frequenze ±f
0
. Quindi lo spettro del segnale di uscita
vale Y (f) = Z(f)H(f) =
1
2
cos φX(f), e il segnale nel dominio del tempo si
pu`o scrivere come
y(t) =
1
2
cos(φ)x(t)
Cerchiamo i valori di φ tali per cui y(t) = 0 ∀t. La condizione da imporre
`e quindi cos(φ) = 0, che a sua volta implica φ = (2k + 1)
π
2
.
13
2.2 Dimostrazione di linearit`a e invarianza tempo-
rale
Esercizio 9
L’uscita di un sistema `e legata all’ingresso x(t) dalla relazione:
y(t) =
_
t
t−1
x(τ)dτ +x(t −2)
• Dimostrare che il sistema `e lineare e tempo-invariante.
• Calcolare la risposta all’impulso e la funzione di trasferimento.
Soluzione
Per la linearit`a dobbiamo verificare che l’uscita z
1
(t), quando l’ingresso
`e una combinazione lineare di segnali, `e pari alla combinazione lineare delle
uscite ai singoli segnali:
z
1
(t) =
_
t
t−1
[a
1
x
1
(τ) +a
2
x
2
(τ)] dτ +a
1
x
1
(t −2) +a
2
x
2
(t −2) =
= a
1
__
t
t−1
x
1
(τ) dτ +x
1
(t −2)
_
+a
2
__
t
t−1
x
2
(τ) dτ +x
2
(t −2)
_
=
= a
1
y
1
(t) +a
2
y
2
(t)
Per la tempo-invarianza dobbiamo verificare che l’uscita z
2
(t) ad un in-
gresso ritardato sia pari all’uscita, ritardata della stessa quantit`a, corrispon-
dente all’ingresso non ritardato:
y(t −T) =
_
t−T
t−T−1
x(τ)dτ +x(t −T −2)
z
2
(t) =
_
t
t−1
x(τ −T)dτ +x(t −T −2)
Ponendo τ −T = θ
z
2
(t) =
_
t−T
t−T−1
x(θ)d(θ) +x(t −T −2) = y(t −T)
Quindi si pu`o osservare che il sistema `e lineare e tempo-invariante.
La risposta all’impulso si ottiene imponento che l’ingresso sia una delta di
Dirac, x(t) = δ(t), e calcolando l’uscita. Questo calcolo `e spesso abbastanza
semplice, perch`e si possono sfruttare le propriet`a delle delta sotto l’operatore
14
di integrale. In questo caso specifico si noti che l’integrale non `e tra −∞
e ∞, quindi occorre renderlo tale moltiplicando la funzione integranda per
una porta.
h(t) =
_
t
t−1
δ(θ)dθ +δ(t −2) =
_
+∞
−∞
δ(θ)p
1
_
θ −
_
t −
1
2
__
dθ +δ(t −2) =
= p
1
_
t −
1
2
_
+δ(t −2)
A questo punto `e semplice ricavare la funzione di trasferimento:
H(f) = F {h(t)} =
sin
_
2πf
1
2
_
πf
e
−j2πf
1
2
+ e
−j2πf2
=
sin(πf)
πf
e
−jπf
+ e
−j4πf
15
Unit`a 3
3.1 Segnali a potenza media finita
Esercizio 10
Un impulso ideale δ(t) `e inviato all’ingresso del sistema rappresentato in
Fig. 3.1.
• Calcolare l’energia e la potenza media di y
1
(t) e y
2
(t).
• Calcolare (se esistono) gli spettri di energia di y
1
(t) e y
2
(t).
• Dire se il sistema racchiuso nel riquadro tratteggiato `e lineare e/o
tempo-invariante.
δ(t)
1
1+j2πf
e
j2πft
A e
j2πft
y
1
(t)
y
2
(t)
Figura 3.1
Soluzione
Dalle tavole della trasformate di Fourier si ottiene che
H(f) =
1
1 +j2πf
−→h(t) = u(t)e
−t
16
Quindi il segnale x
1
(t) si ottiene come
x
1
(t) = δ(t) ∗ h(t) = u(t)e
−t
A loro volta y
1
(t) e y
2
(t) valgono
y
1
(t) = u(t)e
−t
e
j2πf
o
t
y
2
(t) =
_
A+u(t)e
−t
¸
e
j2πf
o
t
L’energia di y
1
(t) si calcola facilmente usando la definizione nel dominio del
tempo. y
1
(t) `e quindi un segnale ad energia finita.
E
y
1
=
_
+∞
−∞
|y
1
(t)|
2
dt =
_

0
¸
¸
¸e
−t
e
j2πf
0
t
¸
¸
¸
2
dt =
_

0
e
−2t
dt =
¸
¸
¸
¸

1
2
e
−2t
¸
¸
¸
¸

0
=
1
2
Il calcolo dell’energia di y
2
(t) mostra che l’integrale diverge, quindi il segnale
`e ad energia infinita. Per questo segnale non ha quindi senso calcolare uno
spettro di energia.
Ey
2
=
_
+∞
−∞
|y
2
(t)|
2
dt =
_
+∞
−∞
_
A+u(t)e
−t
¸
2
dt −→∞
Il calcolo della potenza media di y
1
(t) d`a zero. Questo era prevedibile, dal
momento che un segnale a energia finita ha necessariamente potenza media
nulla.
Calcoliamo quindi la potenza media di y
2
(t). L’integrale si pu`o calcolare
indifferentemente negli intervalli [−T/2, T/2] e [0, T].
P
y
2
= lim
t→∞
1
T
_
T
0
|y
2
(t)|
2
dt
= lim
t→∞
1
T
_
T
0
_
A+u(t)e
−t
¸
2
dt
= lim
t→∞
1
T
_
T
0
_
A
2
+ 2Au(t)e
−t
+u(t)e
−2t
¸
dt
= lim
t→∞
_
A
2
+
2A
T
_
T
0
e
−t
dt +
1
T
_
T
0
e
−2t
dt
_
= lim
t→∞
_
A
2
+
2A
T
_
1 −e
−T
_
+
1
T
_
1 −e
−2T
_
_
= A
2
Lo spettro di energia di y
1
(t) vale
S
y
1
(f) = |Y
1
(f)|
2
=
¸
¸
¸
¸
1
1 +j2π (f −f
0
)
¸
¸
¸
¸
2
=
1
1 + 4π
2
(f −f
0
)
2
17
Verifichiamo la linearit`a e tempo invarianza del sistema nel riquadro.
Applichiamo la notazione compatta L[x] per indicare l’uscita del sistema
quando il segnale di ingresso `e X(t). Per quanto riguarda la linearit`a:
L{a
1
x
1
+a
2
x
2
} = A+ [a
1
x
1
(t) +a
2
x
2
(t)] e
j2πf
0
t
L{x
1
} = [A+x
1
(t)] e
j2πf
0
t
L{x
2
} = [A+x
2
(t)] e
j2πf
0
t
L{a
1
x
1
+a
2
x
2
} = a
1
L{x
1
} +a
2
L{x
2
}
Quindi il sistema non `e lineare. Per la tempo-invarianza:
L{x(t −θ)} = [A+x(t −θ)] e
j2πf
0
t
y (t −θ) = [A+x(t −θ)] e
j2πf
0
(t−θ)
Pertanto il sistema non `e neanche tempo-invariante.
18
3.2 Filtraggio di segnali periodici
Esercizio 11
Si consideri il segnale periodico x(t) rappresentato in Fig. 3.2. Tale seg-
nale viene filtrato con un filtro la cui risposta all’impulso h(t) `e rettangolare,
causale, di ampiezza unitaria e durata T.
x(t)
t
-T
1
T T T
2
3
2
T
2
- 0
Figura 3.2
Calcolare:
• Lo spettro di potenza del segnale filtrato y(t).
• La potenza media del segnale filtrato y(t).
• Una espressione analitica per y(t).
Soluzione
x(t) `e periodico, quindi il suo spettro di potenza `e G
x
(f) =

+∞
n=−∞

2
n
|δ(f−
n/T). I coefficienti µ
n
, che determinano univocamente lo spettro di potenza,
si possono ottenere dalla trasformata di Fourier del segnale X
T
(t) consider-
ato nel periodo fondamentale, ovvero x
T
(t) = p
T/2
_
t −
T
4
_
.
Q
x
(f) =
+∞

n=−∞
¸
¸
¸
¸
1
T
X
T
_
n
T
_
¸
¸
¸
¸
2
δ
_
f −
n
T
_
X
T
(f) =
sin
_
πf
T
2
_
πf
e
−j2πf
T
4
=
T
2
sin
_
π
2
fT
_
π
2
fT
e
−jπf
T
2
µ
n
=
1
T
X
T
_
n
T
_
=
1
2
sin
_
n
π
2
_
n
π
2
e
−jn
π
2
=
_
_
_
1
2
per n = 0
0 per n pari
vd. seguito per ndispari
19
µ
2n+1
=
1
2
sin
_
(2n + 1)
π
2
_
(2n + 1)
π
2
_
cos
_
(2n + 1)
π
2
_
−j sin
_
(2n + 1)
π
2
__
=
= −j
1
2
sin
2
(2n + 1)
π
2
(2n + 1)
π
2
=
1
jπ (2n + 1)
µ
n
=
_
_
_
1
2
per n = 0
0 per n pari
1
jπn
per ndispari
µ
2
n
=
_
_
_
1
4
per n = 0
0 per n pari
1
π
2
n
2
per ndispari
Lo spettro di potenza del segnale all’uscita del filtro si ottiene come
G
y
(f) = G
x
(f) |H(f)|
2
= |µ
0
|
2
T
2
δ(f) =
T
2
4
δ(f)
Infatti tutte le altre delta di Dirac nello spettro di potenza G
y
(f) vengono
poste a zero dagli zeri di |H(f)|
2
(di cui abbiamo omesso il calcolo). Il calcolo
della potenza risulta quindi banale:
P
y
=
T
2
4
Il calcolo di un espressione per il segnale y(t) `e abbastanza semplice. Visto
che il segnale di ingresso `e periodico, il segnale di uscita y(t) deve essere
anch’esso periodico (eventualmente una costante, o pari a zero). La densit`a
spettrale di potenza G
y
(f) ci dice che y(t) `e una costante diversa da zero,
in quanto il contributo alla frequenza zero `e non nullo. Ci rimane da sta-
bilire il segno (si ricordi che i coefficienti nello spettro di potenza sono in
modulo quadro, quindi y(t) potrebbe anche essere una costante negativa).
Guardando la Fig. 3.2 `e evidente che il valore medio di x(t) `e positivo, e
anche la H(0) `e positiva, da cui si deduce che y(t) =
_
T
2
/4 = +T/2
20
3.3 Campionamento
Esercizio 12
Il segnale
x(t) = 20 + 20 sin
_
500t +
π
6
_
deve essere campionato e ricostruito esattamente dai suoi campioni
• quale `e il massimo intervallo ammissibile tra due campioni?
• quale `e il numero minimo di campioni necessari per ricostruire 1 s di
segnale?
Soluzione
Come quasi sempre avviene, gli esercizi sul campionamento richiedono
di lavorare nel dominio della frequenza per calcolare la banda unilatera del
segnale da campionare. Lo spettro di x(t) vale
X(f) = 20δ(f) +
10
j
_
e
j
π
6
δ(f −f
0
) +e
−j
π
6
δ(f +f
0
)
_
con la sostituzione f
0
= 500/(2π), e quindi f
0
= 79.6 Hz. Poich`e f
0
`e
anche chiaramente la banda unilatera del segnale x(t) si ha che la minima
frequenza di campionamento vale
f
c min
= 2f
0
= 159.15Hz
e quindi il massimo intervallo tra due campioni risulta
T
c max
=
1
f
c min
6ms
La minima frequenza di campionamento corrisponde a 159.15, quindi ad
almeno 160 campioni di segnale in un secondo.
21
Esercizio 13
Si consideri il segnale
y(t) = x(t) +x
1
(t) +x
2
(t)
con:
x
1
(t) = x(t) cos(2πf
0
t) x
2
(t) = x(t) cos(N2πf
0
t)
e x(t) strettamente limitato in banda a B = 1 KHz. y(t) deve essere
campionato in modo tale da poter essere ricostruito a partire dai suoi cam-
pioni. La frequenza di campionamento e f
c
= 10 Khz. Determinare i valori
di f
0
e N affinch`e:
• i segnali di ingresso siano spettralmente separati
• si abbia perfetta ricostruzione di y(t)
• N sia massimo
Soluzione
Il segnale da campionare si pu`o scrivere come segue:
y(t) = x(t) [1 + cos(2πf
0
t) + cos(N2πf
0
t) ]
Ne calcoliamo lo spettro Y (f) al fine di valutare la banda unilatera,
necessaria per calcolare la minima frequenza di campionamento secondo il
teorema di Nyquist.
Y (f) = X(f) ∗
_
δ(f) +
1
2
δ(f −f
0
) +
1
2
δ(f +f
0
) +
1
2
δ(f −Nf
0
) +
1
2
δ(f +Nf
0
)
_
= X (f) +
1
2
X(f −f
0
) +
1
2
X(f +f
0
) +
1
2
X(f −Nf
0
) +
1
2
X(f +Nf
0
)
Si hanno spettri separati se f
0
≥ 2B, quindi f
0
≥ 2 KHz.
Si ha perfetta ricostruzione se f
c
≥ 2B
y
= 2 (Nf
0
+B).
La massimizzazione di N deve quindi rispettare le condizioni:
_
f
0
≥ 2 KHz
Nf
0
+B ≤
f
c
2
La seconda condizione diventa N ≤
f
c
2f
0

B
f
0
=
4
f
0
. Quindi il massimo di
N si ottiene in corrispondenza del minimo di f
0
, ovvero 2 KHz. Questo d`a
N
max
= 2.
22
Unit`a 4
4.1 Densit`a di probabilit`a, valore atteso e funzione
di autocorrelazione di processi casuali
Esercizio 14
Si consideri lo schema di Fig. 4.1, dove x(t) = Acos(2πf
0
t + θ) e θ
`e una costante. Si consideri il parametro A come una variabile casuale
uniformemente distribuita tra 0 e 2. Calcolare la media di insieme di y(t) e
valutare per quali istanti di tempo tale media `e massima.
x(t)

y(t)
x
y
45
o
Figura 4.1
Soluzione
Il processo y(t) si pu`o scrivere come prodotto di x(t) per una funzione
q(t) che assume valore 0 o 1 a seconda del segno di x(t):
y(t) =
_
0 x(t) < 0
x(t) x(t) ≥ 0
= x(t)q(t)
q(t) =
_
0 x(t) < 0
1 x(t) ≥ 0
Si noti che, mentre il valore di x(t) dipende dalla variabile casuale A, il suo
segno `e deterministico, dal momento che A non pu`o diventare negativa e
23
quindi cambiare il segno della funzione coseno. Pertanto la media di y(t) si
pu`o scrivere come
E {y(t)} = E {x(t)q(t)} = q(t)E {x(t)} = E [A] cos (2πf
0
t +ϑ) q(t)
Poich`e la media di A vale 1, si ottiene che E{y(t)} = cos (2πf
0
t +ϑ) q(t).
Il massimo dell’attesa si ottiene quindi per cos (2πf
0
t +ϑ) = 1, che implica
2πf
0
t +ϑ = 2kπ. Quindi gli istanti di tempo in cui la media `e massima sono
t
m
=
k
f
0

ϑ
2πf
0
24
Esercizio 15
Si consideri il segnale
y(t) = x(t) cos(ω
0
t) −z(t) sin(ω
0
t)
dove x(t) e z(t) sono processi casuali a media nulla, indipendenti e con
la stessa autocorrelazione R
x
(t
1
, t
2
) = R
z
(t
1
, t
2
).
Determinare R
y
(t
1
, t
2
) e verificare che se R
x
(t
1
, t
2
) = R
x
(t
1
−t
2
) allora
R
y
(t
1
, t
2
) = R
y
(t
1
−t
2
).
Soluzione
Il calcolo della funzione di autocorrelazione di y(t) segue i seguenti passi:
R
y
(t
1
, t
2
) = E {y(t
1
)y(t
2
)} =
E {[x(t
1
) cos(ω
0
t
1
) −z(t
1
) sin(ω
0
t
1
)] [x(t
2
) cos(ω
0
t
2
) −z(t
2
) sin(ω
0
t
2
)]} =
E {x(t
1
)x(t
2
)} cos(ω
0
t
1
) cos(ω
0
t
2
) +E {z(t
1
)z(t
2
)} sin(ω
0
t
1
) sin(ω
0
t
2
) +
−E {x(t
1
)z(t
2
)} cos(ω
0
t
1
) sin(ω
0
t
2
) −E {x(t
2
)z(t
1
)} cos(ω
0
t
2
) sin(ω
0
t
1
)
A questo punto si nota che E {z(t
1
)z(t
2
)} = R
z
(t
1
, t
2
):
R
y
(t
1
, t
2
) = R
z
(t
1
, t
2
) [cos(ω
0
t
1
) cos(ω
0
t
2
) + sin(ω
0
t
1
) sin(ω
0
t
2
)] =
= R
z
(t
1
, t
2
) cos [ω
0
(t
1
−t
2
)] = R
x
(t
1
, t
2
) cos [ω
0
(t
1
−t
2
)]
Se R
x
(t
1
, t
2
) = R
x
(t
1
−t
2
) allora R
y
(t
1
, t
2
) = R
x
(t
1
−t
2
) cos [ω
0
(t
1
−t
2
)]
e si vede chiaramente che la funzione di autocorrelazione R
y
(t
1
, t
2
) dipende
solo da t
1
−t
2
e non separatamente da t
1
e t
2
.
25
Esercizio 16
Si consideri un processo casuale x(t) stazionario con autocorrelazione
nulla per |τ| > T e positiva per |τ| < T. Si costruisca un processo casuale
y(t) = x(t)+x(t−T
0
) e da questo si estraggano due campioni nei due istanti
t
1
e t
1
+A .
Trovare il minimo valore di A tale per cui il coefficiente di correlazione
delle variabili casuali cos`ı ottenuto sia nullo.
Soluzione
Usando la notazione y
1
= y(t
1
) e y
2
= y(t
1
+ A), imporre che il coeffi-
ciente di correlazione sia nullo significa risolvere la seguente equazione:
ρ
y
1
,y
2
=
E {y
1
y
2
} −E {y
1
} E {y
2
}
σ
y
1
σ
y
2
= 0
E {y
1
y
2
} −E {y
1
} E {y
2
} = 0
Dal momento che x(t) `e stazionario si pu`o scrivere
E {y
1
} = E {x(t
1
) +x(t
1
−T
0
)} = E {x(t
1
)} +E {x(t
1
−T
0
)} = 2µ
x
Dal momento che l’autocorrelazione di x(t) tende a zero per τ → ∞,
si pu`o assumere che il processo x(t) sia a media nulla. Questo implica
ovviamente che anche y(t) sia a media nulla, e quindi le variabili casuali y
1
e y
2
sono a media nulla:
E {y
2
} = E {x(t
2
) +x(t
2
−T
0
)} = 2µ
x
µ
2
x
= lim
τ→∞
R
x
(τ) = 0 ⇒E {y
1
} = E {y
2
} = 0
Il coefficiente di correlazione cercato vale quindi
E {y
1
y
2
} = E {y(t
1
)y(t
1
+A)} =
= E {[x(t
1
) +x(t
1
−T
0
)] [x(t
1
+A) +x(t
1
+A−T
0
)]}
= E {x(t
1
)x(t
1
+A)} +E {x(t
1
)x(t
1
+A−T
0
)}
+E {x(t
1
−T
0
)x(t
1
+A)} +E {x(t
1
−T
0
)x(t
1
+A−T
0
)}
= R
x
(A) +R
x
(A−T
0
) +R
x
(A+T
0
) +R
x
(A)
= 2R
x
(A) +R
x
(A−T
0
) +R
x
(A+T
0
)
Bisogna quindi trovare il minimo valore di A tale per cui questo coef-
ficiente di correlazione vale zero. Si noti che il coefficiente di correlazione,
visto in funzione di A, contiene tre termini: uno centrato intorno all’origine
26
(2R
x
(A)) e due repliche intorno a ±T
0
. Dal momento che R
x
(A) `e a sup-
porto limitato in (−T, T), si danno due casi. Se T
0
−T > T (quindi T
0
> 2T)
il valore minimo `e A = T perch`e le repliche sono separate da 2R
x
(A); al-
trimenti il valore minimo `e A = T
0
+ T. I due casi sono mostrati in Fig.
4.2.
E[y1y2]
A
A
T
T T0+T −T0−T −T
−T
E[y1y2]
Figura 4.2
27
Esercizio 17
Un processo casuale x(t) gaussiano stazionario a media nulla viene molti-
plicato per un’onda quadra r(t) che assume alternativamente i valori +1 e
−1 ogni T secondi. Calcolare:
• La densit`a di probabilit`a del segnale y(t) cos`ı ottenuto
• La probabilit`a P {y(t) > y(t +a)} nei due casi a = T e a =
T
2
• Si definisca il processo z(t) = y(t) − y
_
t −
T
2
_
e si verifichi se z(t) `e
stazionario del primo ordine.
Soluzione
In ogni istante di tempo la variabile casuale estratta da x(t) `e una vari-
abile gaussiana moltiplicata per +1 o -1. Quindi questa variabile `e ancora
gaussiana. Il suo valor medio e varianza valgono
E [y(t)] = E [r(t)x(t)] = r(t)E [x(t)] = 0
σ
2
y
= E
_
y
2
(t)
¸
= r
2
(t)E
_
x
2
(t)
¸
= σ
2
x
Questi parametri quindi specificano completamente la densit`a di probabilit`a
del processo y(t). La probabilit`a richiesta vale
P {y(t) > y(t +a)} = P {y(t) −y(t +a) > 0} = P {z
a
(t) > 0}
con z
a
(t) = y(t)−y(t+a). Poich`e z
a
(t) `e ancora gaussiano a valor medio
nullo si ha che
P {z
a
(t) > 0} =
1
2
∀a
Definiamo ora il processo z(t) = y(t) − y(t − T/2). Per la stazionariet`a
del primo ordine si ha che E {z(t)} = 0. La varianza vale
σ
2
z
= E
_
z
2
(t)
_
= E
_
y
2
(t)
_
+E
_
y
2
(t −T/2)
_
−2E {y(t)y(t −T/2)}
= 2σ
2
y
−2E {y(t)y(t −T/2)}
E {y(t)y(t −T/2)}
= E {r(t)r(t −T/2)x(t)x(t −T/2)}
= E {x(t)x(t −T/2)} r(t)r(t −T/2) = r(t)r(t −T/2)R
X
(T/2)
28
Chiaramente la varianza dipende dal tempo, quindi z(t) non `e un pro-
cesso stazionario del primo ordine.
29
4.2 Processi casuali filtrati
Esercizio 18
Sia dato un processo casuale x(t) = m
x
+n(t) dove m
x
`e una costante e
n(t) `e un processo gaussiano stazionario bianco a valor medio nullo e densit`a
spettrale di potenza
N
0
2
. In questo contesto x(t) rappresenta la tensione ai
capi di un bipolo. Se ne vuole stimare il valor medio m
x
usando un voltmetro
la cui risposta all’impulso vale h(t) = u(t)
1
τ
e

t
τ
. La lettura dello strumento
vale pertanto v(t) = x(t) ∗ h(t), dove il simbolo ‘∗’ significa ‘convoluzione’.
Calcolare:
• valor medio, valor quadratico medio e varianza di v(t)
• la probabilit`a che v(t) sia compresa nell’intervallo [0.9m
x
, 1.1m
x
].
Soluzione
Il valore atteso di v(t) si calcola ricordando che il valore atteso di un
processo all’uscita di un sistema LTI `e dato dal valore atteso dell’ingresso
moltiplicato per la funzione di trasferimento valutata alla frequenza zero:
E {v(t)} = E {x(t) ∗ h(t)} = E {x(t)} H(0) = E {x(t)} =
= E {m
x
+n(t)} = E {n(t)} +m
x
= m
x
in quanto
H(f) =
1
a
1
1
a
+j2πf
→H(0) = 1
Per calcolare il valore quadratico medio la strada pi` u semplice `e di passare
attraverso la funzione di autocorrelazione, che si pu`o calcolare come anti-
trasformata di Fourier della densit`a spettrale di potenza G
v
(f) del processo
di uscita v(t). L’operatore di antitrasformata di FOurier sar`a anche indi-
cato con la notazione F
−1
. A sua volta, la G
v
(f) si calcola utilizzando la
densit`a spettrale di potenza dell’ingresso e la funzione di trasferimento del
filtro LTI.
E
_
v
2
(t)
_
= R
v
(0) = F
−1
{G
v
(f)}
G
v
(f) = G
x
(f) |H(f)|
2
Per calcolare la densit`a spettrale di potenza di x(t) si passa attraverso la
sua funzione di autocorrelazione.
30
R
x
(τ) = E {x(t)x(t +τ)} = E {[m
x
+n(t)] [m
x
+n(t +τ)]} =
= E {n(t)n(t +τ)} +m
2
x
= R
n
(τ) +m
2
x
da cui si ottiene che
G
x
(f) = F {R
x
(τ)} = G
n
(f) +m
2
x
δ(f) =
N
0
2
+m
2
x
δ(f)
Quindi la densit`a spettrale di potenza di v(t) vale
G
v
(f) =
_
N
0
2
+m
2
x
δ(f)
_
|H(f)|
2
=
N
0
2
|H(f)|
2
+m
2
x
δ(f)
e il valore quadratico medio
E
_
v
2
(t)
_
=
_
+∞
−∞
G
v
(f)df = m
2
x
+
N
0
2
_
+∞
−∞
|H(f)|
2
df
dove l’ultimo integrale si risolve con l’ausilio delle tavole degli integrali.
Per quanto riguarda il calcolo della probabilit`a p = P(0.9m
x
< v(t) <
1.1m
x
) `e necessario conoscere la densit`a di probabilit`a del processo v(t).
Si noti che x(t) `e un processo gaussiano stazionario; poich`e v(t) `e ottenuto
filtrando x(t) attraverso un sistema LTI, v(t) `a ancora gaussiano stazionario.
La sua densit`a di probabilit`a `e quindi gaussiana e non dipende dal tempo;
essa `e completamente determinata dal valor medio E[v(t)] = m
x
e dalla
varianza σ
2
v
= E[v
2
(t)] −E[v(t)]
2
. La probabilit`a p vale quindi
p =
_
1.1m
x
0.9m
x
1

2πσ
v
e

(x−m
v
)
2

2
v
dx
e si pu`o esprimere tramite le funzioni di errore erf e erfc.
31
Esercizio 19
Un rumore gaussiano n(t) con densit`a spettrale di potenza G
n
(f) =
N
0
2
per |f| < B e nulla altrove passa attraverso un sistema lineare con risposta
all’impulso h(t) = δ(t) +0.5δ(t −T). Il segnale in uscita passa attraverso un
sistema non lineare che ne fa il quadrato. Calcolare il valor medio dell’uscita
nel caso di B =
3
4T
.
Soluzione
x(t) = n(t) ∗ h(t) = n(t) +
1
2
n(t −T)
z(t) = x
2
(t) = n
2
(t) +
1
4
n
2
(t −T) +n(t)n(t −T)
Il valore atteso di z(t) vale
E [z(t)] = E
_
n
2
(t) +
1
4
n
2
(t −T) +n(t)(t −T)
_
= σ
2
n
+
1
4
σ
2
n
+R
n
(T) =
5
4
σ
2
n
+R
n
(T)
La funzione di autocorrelazione di n(t) `e pari all’antitrasformata di Fourier
di G
n
(f). Dai dati dell’esercizio sappiamo che G
n
(f) =
N
0
2
p
2B
(f), quindi
R
n
(τ) = F
−1
{G
n
(f)} =
sin(2πBτ)
πτ
N
0
2
= N
0
B
sin(2πBτ)
2πτB
σ
2
n
= R
n
(0) = N
0
B = N
0
3
4T
R
n
(T) = N
0
B
sin(2πBT)
2πBT
=
N
0
2πT
sin
_

3
4T
T
_
= −
N
0
2πT
E [z(t)] =
5
4
3
4
N
0
T

N
0
2πT
=
N
0
2T
_
15
8

1
π
_
32
Esercizio 20
Un processo casuale n(t) stazionario ha una densit`a di probabilit`a del
primo ordine uniforme nell’intervallo (−A, +A), e spettro di potenza
S
n
=
_
N
0
2
per |f| ≤
B
2
0 altrove
Questo processo passa attraverso un sistema LTI con funzione di trasfer-
imento
H(f) = 1 +e
−j2πfT
Il processo in uscita da tale sistema viene quindi elevato al quadrato. Sia
m(t) il risultato di tale operazione.
• Determinare il valore di A
• Calcolare la media di m(t) nel caso in cui B =
1
T
Soluzione
Possiamo determinare il valore di A imponendo che la varianza calcolata
utilizzando la densit`a di probabilit`a del processo sia uguale a quella calcolata
integrando la densit`a spettrale di potenza (si noti che il processo n(t) `e a
media nulla).
σ
2
n
=
+∞
_
−∞
n
2
f
n
(n)dn =
1
2A
+A
_
−A
n
2
dn =
1
6A
n
3
¸
¸
¸
¸
A
−A
=
A
2
3
σ
2
n
=
_
+∞
_
−∞
G
n
(f)df =
N
0
2
B
da cui A =
_
3
2
N
0
B. Per trovare un’espressione per y(t) conviene la-
vorare nel dominio del tempo, notando che l’antitrasformata di Fourier di
H(f) contiene solo delle delta di Dirac.
h(t) = F
−1
{H(f)} = δ(t) +δ(t −T)
y(t) = n(t) ∗ h(t) = n(t) +n(t −T)
Da cui il valore atteso cercato `e
33
E {m(t)} = E
_
y
2
(t)
_
= E
_
n
2
(t)
_
+E
_
n
2
(t −T)
_
+ 2E {n(t)n(t −T)}
= 2E
_
n
2
(t)
_
+ 2E {n(t)n(t −T)}
E {n(t)} = 0
E
_
n
2
(t)
_
= σ
2
n
=
N
0
2
B
E {n(t)n(t −T)} = R
n
(T) = F
−1
{G
n
(f)}
τ=T
=
N
0
2
B
sin(πBT)
πBT
Per B =
1
T
si ottiene
R
n
(T) =
N
0
2T
sin(π)
π
= 0
E {m(t)} = 2σ
2
n
= N
0
B
34
Esercizio 21
Un processo di rumore gaussiano bianco n(t), con densit`a spettrale di
potenza costante e pari a
N
0
2
, passa attraverso un sistema lineare e tempo-
invariante con funzione di trasferimento
H(f) =
1
1 +j2πf
Sia z(t) il processo all’uscita di tale sistema. Determinare:
• la densit`a di probabilit`a di z(t)
• La probabilit`a P [z(t) > 0.5]
• la funzione di autocorrelazione di z(t), R
z
(τ)
Soluzione
z(t) `e ancora gaussiano, in quanto `e ottenuto tramite trasformazione
lineare di un processo gaussiano. Pertanto per determinarne la densit`a di
probabilit`a dobbiamo calcolarne valore medio e varianza.
E {z(t)} = E {n(t)} H(0) = 0
σ
2
z
= E
_
z
2
(t)
_
−E {z(t)}
2
= E
_
z
2
(t)
_
= R
z
(0) = F
−1
{G
z
(f)}
τ=0
G
z
(f) = G
n
(f) |H(f)|
2
=
N
0
2
1
1 + (2πf)
2
R
z
(τ) =
N
0
4
e
−|τ|
σ
2
z
= R
z
(0) =
N
0
4
P [z(t) > 0.5] =
1
2
erf
_
1
2


z
_
=
1
2
erf
_
1

2N
0
_
35