ΨΕΣ ΘΕΩΡΙΑ διαφανειες

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ (Τ.Ε.Ι.
) ΛΑΜΙΑΣ
ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ
ΤΜΗΜΑ ΗΛΕΚΤΡΟΝΙΚΗΣ
ΤΟΜΕΑΣ ΥΠΟΔΟΜΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ
ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ
ΔΡ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ

ΕΠΙΚΟΥΡΟΣ ΚΑΘΗΓΗΤΗΣ
ΛΑΜΙΑ 2005
ΠΕΡΙΕΧΟΜΕΝΑ
• ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
• ΣΥΣΤΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
• ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
• ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Z
• ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER
• ΧΩΡΟΣ ΚΑΤΑΣΤΑΣΗΣ
• ΒΙΒΛΙΟΓΡΑΦΙΑ
Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 2

ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
• ΒΑΣΙΚΑ ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ

• ΠΕΡΙΟΔΙΚΑ ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
• ΠΡΑΞΕΙΣ ΣΗΜΑΤΩΝΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
• ΣΥΜΜΕΤΡΙΚΑ ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ

ΒΑΣΙΚΑ ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
Ένα σήμα διακριτού χρόνου

είναι μία ακολουθία
πραγματικών ή μιγαδικών αριθμών
που παριστάνεται ως συνάρτηση x(n)
της οποίας η ανεξάρτητη μεταβλητή n
παίρνει διακριτές (ακέραιες) τιμές.

Πραγματικό σήμα διακριτού χρόνου
πραγματικές τιμές x(n)

διακριτές ακέραιες τιμές n
2
0.9 n
x(n)
1
0
-1 0 -8 -6 -4 -2 0 2 4 6 8 10
n
3 n
2
1.1 n
0
-1 0 -8 -6 -4 -2 0 2 4 6 8 10
Μιγαδικό σήμα διακριτού χρόνου
x(n) = a(n) + j b(n) = |x(n)| ejφ(n)
πραγματική συνιστώσα a(n)

φανταστική συνιστώσα b(n)
πλάτος |x(n)| = (a(n)2 + b(n)2)1/2
φάση φ(n) = atan (b(n)/a(n))
όπου
ejφ(n) = cos(φ(n)) + j sin(φ(n)), |ejφ(n)| = 1
Συζυγές μιγαδικό σήμα

x*(n) = a(n) - j b(n) = |x(n)| e-jφ(n)

Σήμα μοναδιαίου δείγματος
(ακολουθία μοναδιαίου δείγματος)
function [x,n]=sigimp(n0,n1,n2)
1, n  n0 % impulse signal
 (n  n0 )   % d(n-n0) n=n1..n2
0, n  n0 n=[n1:n2];
x=[(n-n0)==0];

Σήμα μοναδιαίου δείγματος
Παράδειγμα: δ(n), δ(n-2), δ(n+4)

Σήμα μοναδιαίου βήματος
(μοναδιαία βηματική ακολουθία)
function [x,n]=sigstep(n0,n1,n2)
% step signal
1, n  n0
u (n  n0 )   % u(n-n0) n=n1..n2
0, n  n0 n=[n1:n2];
x=[(n-n0)>=0];
 (n)  u (n)  u (n  1)

Σήμα μοναδιαίου βήματος
Παράδειγμα: u(n), u(n-2), u(n+4)

Πραγματικό εκθετικό σήμα
x(n)=rn function [x,n]=sigrexp(r,n1,n2)

% real exp signal
% r^n n=n1..n2
n=[n1:n2];
x=r.^n;

Πραγματικό εκθετικό σήμα
Παράδειγμα: x(n)=0.9n x(n)=1.1n

Φανταστικό εκθετικό σήμα
x(n)=ejωn=cos(ωn)+jsin(ωn)
function
• η πραγματική συνιστώσα [rex,imx,mx,fx,n]=sigiexp(w,n1,n2)
του σήματος είναι cos(ωn) % imaginary exp signal
• η φανταστική συνιστώσα % exp(jwn)=cos(wn)+jsin(wn) n=n1..n2
του σήματος είναι sin(ωn) n=[n1:n2];
rex=cos(w*n);
• το πλάτος του σήματος είναι 1
imx=sin(w*n);
• η φάση του σήματος είναι ωn mx=1.^n;
• η ψηφιακή συχνότητα fx=w*n;
του σήματος είναι ω (σε rad)

Φανταστικό εκθετικό σήμα
Παράδειγμα: x(n)=ejπn/5

Μιγαδικό εκθετικό σήμα
x(n)=rnejωn=rn[cos(ωn)+jsin(ωn)] function
[rex,imx,mx,fx,n]=sigcexp(r,w,n1,n2)
• η πραγματική συνιστώσα % complex exp signal
του σήματος είναι rncos(ωn) % r^n*exp(jwn)=
• η φανταστική συνιστώσα (r^n)*{cos(wn)+jsin(wn)}
του σήματος είναι rnsin(ωn) % n=n1..n2
• το πλάτος του σήματος είναι rn n=[n1:n2];
mx=r.^n;
• η φάση του σήματος είναι ωn fx=w*n;
• η ψηφιακή συχνότητα rex=mx.*cos(w*n);
του σήματος είναι ω (σε rad) imx=mx.*sin(w*n);

Μιγαδικό εκθετικό σήμα
Παράδειγμα: x(n)=0.9nej0.3n

Ημιτονοειδές σήμα
x(n)=sin(ωn+φ) function [x,n]=sigsin(w,f,n1,n2)

% sinusoidal signal
• η συχνότητα του σήματος % x(n)=sin(w*n+f) n=n1..n2
n=[n1:n2];
είναι ω
x=sin(w.*n+f);
• η φάση του σήματος είναι φ

Ημιτονοειδές σήμα
Παράδειγμα: x(n)=sin(0.2n+π)

Διάρκεια σήματος διακριτού χρόνου
• Σήμα πεπερασμένου μήκους x(n), n1≤n ≤ n2
• Σήμα απείρου μήκους

- Ακολουθία δεξιάς πλευράς x(n), n0≤n
- Ακολουθία αριστερής πλευράς x(n), n ≤ n0
- Αμφίπλευρη ακολουθία x(n), -∞<n<+∞

ΠΕΡΙΟΔΙΚΑ ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
Ένα σήμα διακριτού χρόνου είναι περιοδικό

αν ισχύει η ακόλουθη σχέση:
x(n) = x(n+N) n
Η θεμελιώδης περίοδος του σήματος

είναι ο ελάχιστος ακέραιος θετικός αριθμός N
για τον οποίο ισχύει η παραπάνω σχέση.

Περιοδικό φανταστικό εκθετικό σήμα
Το φανταστικό εκθετικό σήμα

x(n) = ejωn = cos(ωn) + j sin(ωn)
είναι περιοδικό
αν η ψηφιακή συχνότητα του σήματος (ω)
είναι ρητό πολλαπλάσιο του 2π
Η θεμελιώδης περίοδος
του περιοδικού φανταστικού σήματος είναι
N = 2π/ω

Περιοδικότητα φανταστικού εκθετικού σήματος
Το φανταστικό εκθετικό σήμα x(n)=ejωn είναι περιοδικό

αν x(n)=x(n+N), δηλαδή αν ejωn = ejω(n+Ν)
ή αν ejωn = ejωn ejωΝ
ή αν ejωΝ = 1
ή αν cos(ωΝ) + j sin(ωΝ) = 1
ή αν cos(ωΝ) = 1 και sin(ωΝ) = 0
ή αν ωΝ = 2kπ, όπου k φυσικός αριθμός
ή αν ω = 2π k/N
δηλαδή αν η ψηφιακή συχνότητα του σήματος (ω)
Για k=1 προκύπτει η θεμελιώδης περίοδος N=2π/ω
του περιοδικού φανταστικού σήματος
Περιοδικό φανταστικό εκθετικό σήμα
Παράδειγμα: x(n)=ejωn ω=π/8 Ν=2π/ω=16

Περιοδικό ημιτονοειδές σήμα
Το ημιτονοειδές σήμα
sin(ωn+φ)
είναι περιοδικό
αν η συχνότητα του σήματος (ω)
Η θεμελιώδης περίοδος
του περιοδικού ημιτονοειδούς σήματος είναι
N = 2π/ω

Περιοδικό ημιτονοειδές σήμα
Παράδειγμα: x(n)=sin(ωn) ω=π/4 Ν=8

Άθροισμα περιοδικών σημάτων
Αν το σήμα x1(n) είναι περιοδικό με θεμελιώδη περίοδο Ν1
και το σήμα x2(n) είναι περιοδικό με θεμελιώδη περίοδο Ν2
τότε το σήμα x(n)=x1(n)+x2(n)
είναι περιοδικό με θεμελιώδη περίοδο
Ν=Ν1∙N2/ΜΚΔ(N1,N2)
Παρατήρηση: Αν N1=N2, τότε Ν=Ν1=Ν2
Παράδειγμα:
x1(n)=cos(πn/12) με θεμελιώδη περίοδο Ν1=24
x2(n)=sin(πn/18) με θεμελιώδη περίοδο Ν2=36
x(n)=x1(n)+x2(n)=cos(πn/12)+sin(πn/18)
με θεμελιώδη περίοδο
Ν=Ν1N2/ΜΚΔ(N1,N2)=24∙36/12=72
ΠΡΑΞΕΙΣ ΣΗΜΑΤΩΝ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
• ΠΡΑΞΕΙΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ ΠΛΑΤΟΥΣ
• ΠΡΑΞΕΙΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ ΧΡΟΝΟΥ

Πράξεις Μετασχηματισμού Πλάτους
1. πρόσθεση σημάτων y(n)=x1(n)+x2(n)
2. πολλαπλασιασμός σημάτων y(n)=x1(n)x2(n)
3. κλιμάκωση στο πλάτος y(n)=cx(n)

Πρόσθεση Σημάτων
function [y,n]=sigadd(x1,n1,x2,n2)
% addition
% y(n)=x1(n)+x2(n)
n=min(min(n1),min(n2)):max(max(n1),max(n2));
y1=zeros(1,length(n));
y2=y1;
y1(find((n>=min(n1))&(n<=max(n1))==1))=x1;
y=y1+y2;

Πρόσθεση Σημάτων: Παράδειγμα

Πολλαπλασιασμός Σημάτων
function [y,n]=sigmult(x1,n1,x2,n2)
% multiplication
% y(n)=x1(n)x2(n)
n=min(min(n1),min(n2)):max(max(n1),max(n2));
y1=zeros(1,length(n));
y2=y1;
y=y1.*y2;

Πολλαπλασιασμός Σημάτων: Παράδειγμα

Κλιμάκωση στο Πλάτος
y(n)=c·x(n)
όπου c πραγματικός αριθμός

Κλιμάκωση στο Πλάτος: Παράδειγμα

Πράξεις Μετασχηματισμού Χρόνου
1. μετατόπιση σήματος y(n)=x(n-n0)

Αν n0>0, τότε έχουμε καθυστέρηση
(το σήμα μετατοπίζεται δεξιά)
Αν n0<0, τότε έχουμε πρωτοπορία
(το σήμα μετατοπίζεται αριστερά)
2. αντιστροφή σήματος y(n)=x(-n)

3. κλιμάκωση στο χρόνο y(n)=x(cn)
Αν c=M, τότε έχουμε διαίρεση συχνότητας
Αν c=1/M, τότε έχουμε πολλαπλασιασμό συχνότητας

Μετατόπιση
function [y,n]=sigshift(x,m,n0)
% shift
% y(n)=x(n-n0)
n=m+n0;
y=x;

Μετατόπιση: Παράδειγμα

Αντιστροφή
function [y,n]=sigfold(x,n)
% fold
% y(n)=x(-n)
y=fliplr(x);
n=-fliplr(n);

Αντιστροφή: Παράδειγμα

Διαίρεση Συχνότητας
function [y]=sigscaldiv(c,x)
% frequency division
% x(n) n=1:l
% y(n)=x(cn)
% c>1
nl=length(x);
m=floor(nl/c);
for i=1:m
y(i)=x(i*c);
end;

Πολλαπλασιασμός Συχνότητας
function [y]=sigscalmul(c,x)
% frequency multiplication
% x(n) n=1:l
% y(n)=x(n/c)
% c>1
nl=length(x);
m=nl*c;
for i=1:m
y(i)=0;
if mod(i,c)==0
y(i)=x(i/c);
end;
end;
Κλιμάκωση στο Χρόνο: Παράδειγμα

ΣΥΜΜΕΤΡΙΚΑ ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
Ένα πραγματικό σήμα διακριτού χρόνου

είναι άρτιο αν
x(n)=x(-n)
Ένα πραγματικό σήμα διακριτού χρόνου

είναι περιττό αν
x(n)=-x(-n)

Άθροισμα τιμών συμμετρικού πραγματικού σήματος
άρτιο σήμα περιττό σήμα

x(n)=x(-n) x(n)=-x(-n)
 1 
 x(n)   x(n)  x(0)   x(n) 

 1 
 x(n)   x(n)  x(0)   x(n) 

n   n   n 1
n   n   n 1
 
 
  x(n)  x(0)   x(n) 
  x(n)  x(0)   x(n)  n 1 n 1
n 1 n 1  
   x(n)  x(0)   x(n) 
 x(0)  2 x(n) n 1 n 1
n 1
 x(0)  0
για n=0 είναι: x(0)=-x(-0)=-x(0)

οπότε 2∙x(0)=0
άρα: x(0)=0

Γινόμενο άρτιου σήματος επί περιττό σήμα
Αν το σήμα x1(n) είναι άρτιο

και το σήμα x2(n) είναι περιττό,
τότε το σήμα x(n)=x1(n) ∙ x2(n) είναι περιττό
Απόδειξη:
x1(n)=x1(-n)
x2(n)=-x2(-n)
x(n)=x1(n) ∙ x2(n)
x(-n)=x1(-n) ∙ x2(-n) = x1(n) ∙ (-x2(n)) = - (x1(n) ∙ x2(n)) = -x(n)

Ανάλυση σε άρτιο και περιττό σήμα
Κάθε πραγματικό σήμα διακριτού χρόνου x(n)

μπορεί να αναλυθεί σε άθροισμα
άρτιου σήματος xe(n) και περιττού σήματος xo(n):
x(n)=xe(n)+xo(n)
όπου
xe(n)=(½) [x(n)+x(-n)]
xo(n)=(½) [x(n)-x(-n)]

Παράδειγμα ανάλυσης σε άρτιο και περιττό σήμα

Συμμετρία μιγαδικού σήματος
Ένα μιγαδικό σήμα διακριτού χρόνου

είναι συζυγές συμμετρικό αν
x(n)=x*(-n)
Ένα μιγαδικό σήμα διακριτού χρόνου

είναι συζυγές αντισυμμετρικό αν
x(n)=-x*(-n)

Παράδειγμα συμμετρικού μιγαδικού σήματος
Το σήμα x(n)=jejπn/4
είναι συζυγές αντισυμμετρικό
Απόδειξη:
x(n)=jejπn/4= j [cos(πn/4) + j sin(πn/4)] =
= -sin(πn/4)] + j cos(πn/4)
x(-n)= j [cos(-πn/4) + j sin(-πn/4)] =
= j [cos(πn/4) - j sin(πn/4)] =
= sin(πn/4)] + j cos(πn/4)
-x(-n) = -sin(πn/4)] - j cos(πn/4)
-x*(-n) = -sin(πn/4)] + j cos(πn/4) = x(n)

ΣΥΣΤΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
• ΣΥΣΤΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ: ΟΡΙΣΜΟΙ

• ΓΡΑΜΜΙΚΗ ΣΥΝΕΛΙΞΗ
• ΚΡΟΥΣΤΙΚΗ ΑΠΟΚΡΙΣΗ
• ΓΡΑΜΜΙΚΗ ΕΞΙΣΩΣΗ ΔΙΑΦΟΡΩΝ
ΜΕ ΣΤΑΘΕΡΟΥΣ ΣΥΝΤΕΛΕΣΤΕΣ

ΣΥΣΤΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ: ΟΡΙΣΜΟΙ
Ένα σύστημα διακριτού χρόνου

είναι ένας μετασχηματισμός.
x(n) T[∙] y(n)
είσοδος μετασχηματισμός έξοδος
απόκριση: y(n)=T[x(n)]

Μνήμη συστήματος
• Σύστημα χωρίς μνήμη

Η έξοδος για n=n0 εξαρτάται μόνο από την είσοδο για n=n0
Παράδειγμα: y(n)=x2(n)
• Σύστημα με μνήμη
Η έξοδος για n=n0 εξαρτάται από τις εισόδους για n≤n0
Παράδειγμα: y(n)=x(n)+x(n-1)

Αρχή της επαλληλίας
(αρχή της υπέρθεσης)
T[x1(n)+x2(n)] = T[x1(n)] + T[x2(n)]
Παράδειγμα: y(n)=T[x(n)]=x(n)+x(-n)
Ισχύει η αρχή της επαλληλίας (υπέρθεσης):
T[x1(n)+x2(n)] = (x1(n)+x2(n)) + (x1(-n)+x2(-n)) =
= (x1(n)+x1(-n)) + (x2(n)+x2(-n)) =
= T[x1(n)] + T[x2(n)]

Ομογένεια
T[c x(n)] = c T[x(n)]
Παράδειγμα: y(n)=T[x(n)]=x2(n)/x(n-1)
Το σύστημα είναι ομογενές:
T[c x(n)] = (c x(n))2 / (c x(n-1)) =
= c x2(n)/x(n-1) = c T[x(n)]

Γραμμικό Σύστημα
(Linear System)
T[c1 x1(n) + c2 x2(n)] = c1 T[x1(n)] + c2 T[x2(n)]

Ισχύει η αρχή της επαλληλίας και η ομογένεια
Παράδειγμα: y(n)=T[x(n)]=x(n)sin(πn/2)
Το σύστημα είναι γραμμικό:
T[c1 x1(n) + c2 x2(n)] =
= (c1 x1(n) + c2 x2(n)) sin(πn/2) =
= c1 x1(n) sin(πn/2) + c2 x2(n) sin(πn/2) =
= c1 T[x1(n)] + c2 T[x2(n)]

Σύστημα Αμετάβλητο Κατά τη Μετατόπιση
(Time Invariant system)
Αν y(n)=T[x(n)], τότε y(n-n0)=T[x(n-n0)]
Παράδειγμα: y(n)=T[x(n)]=x2(n)
Το σύστημα είναι Αμετάβλητο Κατά τη Μετατόπιση:
y(n-n0) = x2(n-n0) = T[x(n-n0)]

Γραμμικό Αμετάβλητο Κατά τη Μετατόπιση (ΓΑΚΜ) Σύστημα
(Linear Time Invariant (LTI) System)

y (n)  T [ x(n)]  T [  x(k ) (n  k )]  ά ά
k  

  [ x(k ) (n  k )] 
k  
ή ί
 
  x(k )[ (n  k )]   x(k )h (n) 
k   k  
k έ

  x ( k ) h( n  k )
k  
ά ά  ό
y (n)  T [ x(n)]  y (n  n0)  T [ x(n  n0)]

h(n)  T [ (n)]  h(n  k )  T [ (n  k )]  hk (n)
h(n) ή ό (ό  ί (n))

y ( n)   x ( k ) h( n  k )  x ( n) * h( n)
k  
ή έ

Αιτιότητα
Η έξοδος για n=n0 εξαρτάται από τις εισόδους μέχρι n=n0
LTI αιτιατό: h(n)=0, n<0
Αιτιατό: y(n)=x(n)+x(n-1)

Ευστάθεια
Bounded Input Bounded Output (BIBO) stability

Αν |x(n)|<A, τότε |y(n)|<B

LTI ευσταθές:  h( n)  C
n  
Ευσταθές: h(n)=anu(n) αν |a|<1

Αντιστρεψιμότητα
Αν x1(n)≠x2(n), τότε y1(n)]≠y2(n)
Η είσοδος μπορεί να προσδιοριστεί από την έξοδο

με μοναδικό τρόπο

ΓΡΑΜΜΙΚΗ ΣΥΝΕΛΙΞΗ

y ( n)  h( n) * x ( n)   x ( k ) h( n  k )
k  
function [y,ny]=sigconv(x,nx,h,nh)
% linear convolution
% y(n)=x(n)*h(n)
nyb=nx(1)+nh(1);
nye=nx(length(x))+nh(length(h));
ny=[nyb:nye];
y=conv(x,h);

Ιδιότητες Γραμμικής Συνέλιξης
ταυτοτικό στοιχείο της συνέλιξης είναι η το σήμα δ(n)

x(n)*δ(n)=x(n)
αντιμεταθετική ιδιότητα
x1(n)*x2(n)=x2(n)*x1(n)
προσεταιριστική ιδιότητα
x1(n)*[x2(n)*x3(n)]=[x1(n)*x2(n)]*x3(n)
επιμεριστική ιδιότητα
x1(n)*[x2(n)+x3(n)]=x1(n)*x2(n)+x1(n)*x3(n)

Γραμμική Συνέλιξη
σημάτων πεπερασμένου μήκους
Όταν τα σήματα είναι πεπερασμένου μήκους,

τότε η συνέλιξή τους είναι και αυτή
ένα σήμα πεπερασμένου μήκους:
Αν το σήμα h(n) είναι πεπερασμένου μήκους Lh
στο διάστημα [Mh,Nh]
και το σήμα x(n) είναι πεπερασμένου μήκους Lx
στο διάστημα [Mx,Nx],
τότε το σήμα y(n)= h(n)*x(n) είναι πεπερασμένου μήκους Ly
στο διάστημα [My,Ny]
όπου Ly=Lx+Lh-1
My=Mx+Mh
Ny=Nx+Nh
Υπολογισμός Γραμμικής Συνέλιξης
σημάτων πεπερασμένου μήκους
-2 -1 0 1 2 3 4 5 6 n
1 2 3 x(n) [1,3]
1 2 3 h(n) [-1,1]
3 2 1 h(-n)
3 2 1
3 2 1 y(0)=1∙1+2∙0+3∙0
3 2 1 y(1)=1∙2+2∙1+3∙0
3 2 1 y(2)=1∙3+2∙2+3∙1
3 2 1 y(3)=1∙0+2∙3+3∙2
3 2 1 y(4)=1∙0+2∙0+3∙3
3 2 1
1 4 10 12 9 9 y(n)=x(n)*h(n) [0,4]

Γραμμική Συνέλιξη: Παράδειγμα

Ετεροσυσχέτιση (Crosscorrelation)
 
rxy (n)   x(k ) y(n  k )   x(k ) y(k  n) x(n) * y(n)
k   k  

Αυτοσυσχέτιση (Autocorrelation)
 
rx (n)   x(k ) y(n  k )   x(k ) y(k  n) x(n) * x(n)
k   k  

ΚΡΟΥΣΤΙΚΗ ΑΠΟΚΡΙΣΗ
Η είσοδος x(n) και η έξοδος y(n)

ενός συστήματος γραμμικού αμετάβλητου κατά τη μετατόπιση
(Linear Time Invariant – LTI)
συνδέονται με τη σχέση:
y(n)=x(n)*h(n)
όπου
h(n) είναι η κρουστική απόκριση του συστήματος,
δηλαδή η έξοδος του συστήματος
για είσοδο
x(n)=δ(n)

Συστήματα συνδεδεμένα σε σειρά
Αν ένα σύστημα που έχει είσοδο x(n), κρουστική

απόκριση h1(n) και έξοδο w(n) συνδεθεί σε σειρά με ένα
σύστημα που έχει κρουστική απόκριση h2(n) και έξοδο
y(n), δηλαδή:
y(n)=w(n)*h2(n)
w(n)=x(n)*h1(n)
τότε το συνολικό σύστημα έχει είσοδο x(n), έξοδο y(n) και
κρουστική απόκριση
h(n)=h1(n)*h2(n)
όπου y(n)=x(n)*h(n)

Συστήματα συνδεδεμένα παράλληλα
Αν ένα σύστημα που έχει είσοδο x(n), κρουστική

απόκριση h1(n) και έξοδο w(n) συνδεθεί παράλληλα με
ένα σύστημα που έχει που έχει είσοδο x(n), κρουστική
απόκριση h2(n) και έξοδο v(n) προσθέτοντας τις εξόδους
των φίλτρων, δηλαδή:
y(n)=w(n)+v(n)
w(n)=x(n)*h1(n)
v(n)=x(n)*h2(n)
κρουστική απόκριση
h(n)=h1(n)+h2(n)
όπου y(n)=x(n)*h(n)
ΓΡΑΜΜΙΚΗ ΕΞΙΣΩΣΗ ΔΙΑΦΟΡΩΝ
ΜΕ ΣΤΑΘΕΡΟΥΣ ΣΥΝΤΕΛΕΣΤΕΣ
Κάθε γραμμικό χρονικά αμετάβλητο σύστημα (φίλτρο)

περιγράφεται με μία
γραμμική εξίσωση διαφορών με σταθερούς συντελεστές
(ΓΕΔΣΣ):
M N
y ( n)   b( k ) x ( n  k )   a ( k ) y ( n  k )
k 0 k 1
Η κρουστική απόκριση του φίλτρου h(n)

είναι η λύση της εξίσωσης διαφορών για x(n)=δ(n)

Κατηγορίες Φίλτρων
Τα γραμμικά χρονικά αμετάβλητα φίλτρα

χωρίζονται σε δύο κατηγορίες
ανάλογα με το μήκος της κρουστικής τους απόκρισης:
• τα φίλτρα πεπερασμένης κρουστικής απόκρισης

(Finite-duration Impulse Response – FIR)
• τα φίλτρα άπειρης κρουστικής απόκρισης
(Infinite-duration Impulse Response – IIR)

Φίλτρα πεπερασμένης κρουστικής απόκρισης
Τα FIR φίλτρα περιγράφονται από την εξίσωση διαφορών:

M
y ( n)   b( k ) x ( n  k )
k 0
Moving Average (MA)
Κρουστική Απόκριση φίλτρων FIR

M
h(n)   b(k ) (n  k )
k 0

Φίλτρα άπειρης κρουστικής απόκρισης
Τα IIR φίλτρα περιγράφονται από τις εξισώσεις διαφορών:

N
y ( n)  x ( n)   a ( k ) y ( n  k )
k 1
Auto Regressive (AR)
M N
y ( n)   b( k ) x ( n  k )   a ( k ) y ( n  k )
k 0 k 1
Auto Regressive Moving Average (ARMA)

Επίλυση ΓΕΔΣΣ FIR Φίλτρων
Υπολογισμός κρουστικής απόκρισης h(n)

y(n)=x(n)*h(n)
Παράδειγμα
y(n)=x(n)-x(n-2)
x(n)=nu(n)
h(n)=δ(n)-δ(n-2)
y(n)=nu(n)-(n-2)u(n-2)=x(n)*h(n)

FIR (MA)
Παράδειγμα: y(n)=x(n)-x(n-2)

Επίλυση ΓΕΔΣΣ IIR Φίλτρων
y(n)=yp(n)+yh(n)
Η μερική λύση yp(n)
ικανοποιεί τη ΓΕΔΣΣ
για τη δεδομένη είσοδο x(n)
με μηδενικές αρχικές συνθήκες
Η ομογενής λύση yh(n)
αντιστοιχεί στην απόκριση του φίλτρου
για μηδενική είσοδο x(n)=0
με τις δεδομένες αρχικές συνθήκες

Μερική Λύση
Όρος στην είσοδο x(n) Μερική Λύση

c c1
c∙n c1∙n+c2
c∙an c1∙an
c∙cos(ωn) c1∙cos(ωn)+c2∙sin(ωn)
c∙sin(ωn) c1∙cos(ωn)+c2∙sin(ωn)
c∙δ(n) 0

Ομογενής Λύση
yh(n)=zn
Χαρακτηριστικό Πολυώνυμο
z N  a(1) z N 1  a(2) z N 2  ...  a( N  1) z  a( N )  0
Αν το Χαρακτηριστικό Πολυώνυμο
έχει απλές ρίζες, τότε
y h (n)  Ak z kn
Οι συντελεστές Ak υπολογίζονται έτσι ώστε

να ικανοποιούνται οι αρχικές συνθήκες
Παράδειγμα Επίλυσης ΓΕΔΣΣ IIR Φίλτρου
y(n)  x(n)  15 y(n  1), y(1)  0, x(n)  u(n)
ή ύ
y p (n)  c  c  x(n)  15 c  1  15 c  c  54  y p (n)  5
4
ή ύ
yh (n)  z n  x(n)  0  yh (n)  15 yh (n  1) 
 z n  15 z n 1  z n 1 ( z  15 )  0 
 yh (n)  A( 15 ) n
y (n)  y p (n)  yh (n)  54  A( 15 ) n

 y (0)  54  A( 15 ) 0   y (0)  54  A 5
   4  A 1 A   4
1

 y (0)  x(0)  5 y (1)  y (0)  1  0 
1
y (n)  54  14 ( 15 ) n

IIR (AR)
Παράδειγμα: y(n)=x(n)+0.5y(n-1)

IIR (ARMA)
Παράδειγμα: y(n)=x(n)-x(n-1)+0.5y(n-1)

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER
ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ (DTFT)
• ΟΡΙΣΜΟΣ DTFT
• ΑΠΟΚΡΙΣΗ ΣΥΧΝΟΤΗΤΑΣ
• ΕΠΙΛΥΣΗ ΓΕΔΣΣ ΜΕ DTFT
• ΦΙΛΤΡΑ ΕΠΙΛΟΓΗΣ ΣΥΧΝΟΤΗΤΩΝ

ΟΡΙΣΜΟΣ DTFT
Ο μετασχηματισμός Fourier διακριτού χρόνου (Discrete

Time Fourier Transform – DTFT) ενός σήματος x(n)
ορίζεται ως ακολούθως:

j
X (e )   x (
n  
n ) e  jn
Ο μετασχηματισμός Fourier διακριτού χρόνου του

σήματος x(n) υπάρχει αν ισχύει η σχέση:

 x ( n)  S  
n  
Ο μετασχηματισμός Fourier διακριτού χρόνου

είναι περιοδικός ως προς ω με περίοδο 2π
Ζευγάρια DTFT
σήμα μετασχηματισμός Fourier

διακριτού χρόνου διακριτού χρόνου (DTFT)
x(n) X(ejω)
δ(n) 1
δ(n-n0) e-jωn0
1 2πδ(ω)
ejω0n 2πδ(ω-ω0)
anu(n), -1<a<1 1/(1-ae-jω)
cos(nω0) πδ(ω+ω0)+πδ(ω-ω0)
DTFT Παράδειγμα: x(n)=0.9n ejnπ/3

Ιδιότητες DTFT
ιδιότητα σήμα μετασχηματισμός Fourier

μετασχηματισμού Fourier διακριτού χρόνου διακριτού χρόνου (DTFT)
διακριτού χρόνου (DTFT) x(n) X(ejω)
γραμμικότητα c1 x1(n) + c2 x2(n) c1 X1(ejω) + c2 X2(ejω)
μετατόπιση στο χρόνο x(n-n0) e-jωn0 X(ejω)
αντιστροφή στο χρόνο x(-n) X(e-jω)
μετατόπιση στη συχνότητα e-jωn0 x(n) X(ej(ω-ωo))
συνέλιξη στο χρόνο x1(n)*x2(n) X1(ejω) X2(ejω)

Μετατόπιση στη συχνότητα
Παράδειγμα: x(n)=cos(πn/2) y(n)=ejnπ/4 x(n)

Υπολογισμός DTFT
x(n)  a n u(n), a  1
  
1
  a u ( n)   a 
n
x ( n)  n

n   n   n 0 1 a
   
1
j
X (e )   x(n)e
n  
 jn
  a u(n)e
n  
n  jn
 a e
n 0
n  jn
  (ae  j ) n 
n 0 1  ae  j
ae  j  a e  j  a cos(  )  j sin(  )  a 1  a  1

ΑΠΟΚΡΙΣΗ ΣΥΧΝΟΤΗΤΑΣ
Ο μετασχηματισμός Fourier διακριτού χρόνου (DTFT) H(ejω)

της κρουστικής απόκρισης h(n) ονομάζεται απόκριση συχνότητας:

H ( e j )   h (
n  
n ) e  jn
Ο μετασχηματισμός Fourier διακριτού χρόνου (DTFT)

X(ejω) της εισόδου x(n) και
ο μετασχηματισμός Fourier διακριτού χρόνου (DTFT)
Y(ejω) της εξόδου y(n) του φίλτρου
συνδέονται με τη σχέση:
Y(ejω)=H(ejω) X(ejω)
Συστήματα συνδεδεμένα σε σειρά
Αν ένα σύστημα που έχει είσοδο x(n), απόκριση

συχνότητας H1(ejω) και έξοδο w(n) συνδεθεί σε σειρά με
ένα σύστημα που έχει απόκριση συχνότητας H2(ejω) και
έξοδο y(n), δηλαδή:
Y(ejω)= H2(ejω) W(ejω)
W(ejω)= H1(ejω) X(ejω)
απόκριση συχνότητας
H(ejω)= H1(ejω) H2(ejω)
όπου Y(ejω)= H(ejω) X(ejω)

Συστήματα συνδεδεμένα παράλληλα
Αν ένα σύστημα που έχει είσοδο x(n), απόκριση

συχνότητας H1(ejω) και έξοδο w(n) συνδεθεί παράλληλα
με ένα σύστημα που έχει που έχει είσοδο x(n) απόκριση
συχνότητας H2(ejω) και έξοδο v(n) προσθέτοντας τις
εξόδους των φίλτρων, δηλαδή:
Y(ejω)= W(ejω) V(ejω)
W(ejω)= H1(ejω) X(ejω)
V(ejω)= H2(ejω) X(ejω)
απόκριση συχνότητας
H(ejω)= H1(ejω) + H2(ejω)
όπου Y(ejω)= H(ejω) X(ejω)

ΕΠΙΛΥΣΗ ΓΕΔΣΣ ΜΕ DTFT
ΓΑΚΜ και ΓΕΔΣΣ

M N
y ( n)   b( k ) x ( n  k )   a ( k ) y ( n  k )
k 0 k 1
M N
Y (e j )   b(k )e  jk X (e j )   a(k )e  jkY (e j )
k 0 k 0
M
j Y ( e j
)  b ( k ) e  jk
H (e )  j
 k 0
N
X (e )
1   a(k )e  jk
k 0

Παράδειγμα Επίλυσης ΓΕΔΣΣ με DTFT
y(n)  x(n)  x(n  2)  14 y(n  1), x(n)   (n)
j Y (e j ) 1  e 2 j
H (e )  
j
X (e ) 1  14 e  j
X (e j )  1
j 1 e 2 j
Y (e )  1  j

1 4 e 1  14 e  j
1 n2
y ( n)  ( ) u ( n)  ( )
1 n
4 4 u (n  2)
ΦΙΛΤΡΑ ΕΠΙΛΟΓΗΣ ΣΥΧΝΟΤΗΤΩΝ
Τα ιδανικά φίλτρα επιλογής συχνοτήτων έχουν

κατά τμήματα σταθερό πλάτος απόκρισης συχνότητας
• χαμηλοπερατά φίλτρα (Low Pass)

H(ejω)=1 για ω[-ωc,ωc] όπου 0<ωc<π
• υψηπερατά φίλτρα (High Pass)
H(ejω)=1 για ω[-ωc,ωc] όπου 0<ωc<π
• ζωνοπερατά φίλτρα (Band Pass)
H(ejω)=1 για ω[-ω2,-ω1] και για ω[ω1,ω2] με 0<ω1<ω2<π
• ζωνοφρακτικά φίλτρα (Band Stop)
H(ejω)=1 για ω [-ω2,-ω1] και για ω[ω1,ω2] με 0<ω1<ω2<π

Low Pass

High Pass

Band Pass

Band Stop

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Ζ
• ΔΙΠΛΕΥΡΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Z
• ΑΝΤΙΣΤΡΟΦΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Z
• ΜΟΝΟΠΛΕΥΡΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Z
• ΣΥΝΑΡΤΗΣΗ ΜΕΤΑΦΟΡΑΣ

ΔΙΠΛΕΥΡΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Z
Ο δίπλευρος μετασχηματισμός z (bilateral z-transform)

ενός σήματος διακριτού χρόνου x(n) ορίζεται ως
ακολούθως:

X ( z)   x ( n) z
n  
n
όπου η μιγαδική μεταβλητή z ονομάζεται μιγαδική

συχνότητα και είναι ίση με z=|z|ejω όπου ω είναι η
πραγματική συχνότητα.

Περιοχή Σύγκλισης
Περιοχή Σύγκλισης (ΠΣ)
(Region Of Convergence - ROC)
είναι το σύνολο των τιμών της μεταβλητής z
για το οποίο υπάρχει η X(z).
Η σχέση |z|=1 (ή z=ejω ) ορίζει
το Μοναδιαίο Κύκλο (Unit Circle) στο μιγαδικό επίπεδο.
Αν η Περιοχή Σύγκλισης περιέχει το Μοναδιαίο Κύκλο,
τότε η X(z) υπολογίζεται πάνω στο Μοναδιαίο κύκλο και
ο μετασχηματισμός Fourier διακριτού χρόνου X(ejω)
αποτελεί ειδική περίπτωση του μετασχηματισμού z X(z).
j
X ( z) z e j  X (e )

Ιδιότητες της Περιοχής Σύγκλισης
- αν x(n) είναι ακολουθία δεξιάς πλευράς: x(n)=0, n<n0

τότε η ΠΣ είναι η εξωτερική επιφάνεια ενός κύκλου |z|>a
- αν x(n) είναι ακολουθία αριστερής πλευράς: x(n)=0, n>n0
τότε η ΠΣ είναι η εσωτερική επιφάνεια ενός κύκλου |z|<b
- αν x(n) είναι αμφίπλευρη ακολουθία
τότε η ΠΣ είναι η δακτυλιοειδής επιφάνεια a<|z|<b
- αν x(n) είναι ακολουθία πεπερασμένου μήκους:
x(n)=0, n<n1 και n>n2
τότε η ΠΣ είναι ολόκληρο το μιγαδικό επίπεδο z
εκτός ίσως από τα σημεία z=0 και z=
αν n2>0 τότε το σημείο z=0 δεν ανήκει στην ΠΣ
αν n1<0 τότε το σημείο z= δεν ανήκει στην ΠΣ

Ζευγάρια Μετασχηματισμού z
σήμα διακριτού χρόνου μετασχηματισμός z περιοχή

x(n) X(z) σύγκλισης
δ(n) 1 z
anu(n) 1/(1-az-1) |z|>|a|
-anu(-n-1) 1/(1-az-1) |z|<|a|
nanu(n) az-1/(1-az-1)2 |z|>|a|
-nanu(-n-1) az-1/(1-az-1)2 |z|<|a|
cos(nω0) u(n) (1-cos(ω0)z -1)/(1-2cos (ω0)z-1+z-2) |z|>1
sin(ω0) u(n) sin(ω0)z -1/(1-2cos (ω0)z-1+z-2) |z|>1

Ιδιότητες Μετασχηματισμού z
σήμα
ιδιότητα μετασχηματισμός z περιοχή
διακριτού χρόνου
μετασχηματισμού z X(z) σύγκλισης
x(n)
γραμμικότητα c1x1(n)+c2x2(n) c1X1(z)+c2X2(z) Rx1  Rx2
μετατόπιση στο χρόνο x(n-n0) z-n0 X(z) Rx
αντιστροφή στο χρόνο x(-n) X(z-1) 1 / Rx
μετατόπιση στη συχνότητα an x(n) X(a-1z) |a| Rx
συνέλιξη στο χρόνο x1(n) * x2(n) X1(z) X2(z) Rx1  Rx2
μιγαδική συζυγία x*(n) X*(z*) Rx

Πόλοι και Μηδενικά
Έστω X(z) είναι ρητή συνάρτηση του z:

X(z)=B(z)/A(z)
Οι ρίζες του B(z) καλούνται μηδενικά (zeros) της X(z)
Οι ρίζες του A(z) καλούνται πόλοι (poles) της X(z)
Στο διάγραμμα πόλων-μηδενικών στο μιγαδικό επίπεδο
τα μηδενικά συμβολίζονται με το σύμβολο ‘o’ και
οι πόλοι με το σύμβολο ‘x’
Η Περιοχή Σύγκλισης δεν περιλαμβάνει τους πόλους

Υπολογισμός Πόλων και Μηδενικών
1 z
X ( z)  
1  108 z 1 z  108
zplane(b,a)

Υπολογισμός Μετασχηματισμού z
x ( n)  a n u ( n)
 1 
X ( z)   x ( n) z
n  
n
  0z
n  
n
 a n z n 
n 0

1 z
  (az )  1 n
1

n 0 1  az za
 az 1  1 ή z  a

Σήματα με ίδιο Μετασχηματισμό z
Διαφορετικά σήματα μπορούν να έχουν

την ίδια συναρτησιακή μορφή μετασχηματισμού z
με διαφορετική Περιοχή Σύγκλισης
1 1
0. 5 n u ( n )  , z  0 .5 0.5 n u (n)  , z  0.5
1  0.5 z 1 1  0.5 z 1
1 1
 2 n u ( n  1)  1
,z 2 2 n u ( n)  1
,z 2
1  2z 1  2z
x1(n)  0.5 u (n)  2 n u ( n  1) 
n
x 2(n)  0.5 n u (n)  2 n u (n) 
1 1 1 1
 X 1( z )    X 2( z )  
1  0.5 z 1 1  2 z 1 1  0.5 z 1 1  2 z 1
 ή ύ  ή ύ
z  0.5  z  2  0.5  z  2 z  0.5  z  2  z  2

Θεώρημα Αρχικής Τιμής
 x(n)  0, n  0,ό X ( z ) z

 x(0)

 1 
X ( z)   x ( n) z
n  
n
  0z
n  
n
  x ( n) z  n 
n 0
 x(0)  x(1) z 1  x(2) z 2  ... z

 x(0)

 x(n)  0, n  0,ό X ( z ) z

 x(0)
0
 0 
X ( z)   x ( n) z
n  
n
  x ( n) z
n  
n
  0 z n 
n 1
 ...  x(2) z 2  x(1) z 1  x(0)  ... z

 x(0)
0

ΑΝΤΙΣΤΡΟΦΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Z
Αν η X(z) είναι ρητή συνάρτηση του z

με πόλους pk, k=1,2,…,N
τότε για τον υπολογισμό του αντίστροφου μετασχηματισμού z
χρησιμοποιείται η μέθοδος
ανάπτυξης της X(z) σε άθροισμα μερικών κλασμάτων.
B( z )  b ( k ) z k
X ( z)   k 0
N
A( z )
 a
k 1
( k ) z k

Απλοί Πόλοι Ν>Μ
N
Rk
X ( z)   1
k 1 1  pk z
1
Rk  [(1  pk z ) X ( z )]
z  pk

Απλοί Πόλοι Ν Μ
N M N
Rk
X ( z)   1
 C z k
k
k 1 1  pk z k 0
1
Rk  [(1  pk z ) X ( z )]
z  pk
οι συντελεστές Ck υπολογίζονται
εκτελώντας τη διαίρεση B(z)/A(z)

Παράδειγμα Αντίστροφου Μετασχηματισμού z
1
X ( z)  1 2
, z 2
1  3z  2 z
1
X ( z) 
(1  2 z 1 )(1  z 1 )
 1 
A1  (1  2 z 1 ) 1 1 
2
 (1  2 z )(1  z )  z  2
 1 
A2  (1  z 1 ) 1 1 
 1
 (1  2 z )(1  z )  z  1
1 1
X ( z)  2 1
 ( 1 ) 1

1 2z 1 z
1 1
2 
1  (2) z 1 1  (1) z 1
x(n)  2(2) n u (n)  (1) n u (n)
Παράδειγμα Ανάπτυξης σε Μερικά Κλάσματα Ν>Μ
z 1 z 1 1 1
X ( z)    4  ( 4)
1  34 z 1  18 z 2 (1  12 z 1 )(1  14 z 1 ) (1  12 z 1 ) (1  14 z 1 )
b=[0,1]
a=[1,-0.75,0.125]
[R,p,C]=residuez(b,a)
R=
[R,p,C]=residuez(b,a) 4
-4
p=
0.5000
0.2500
C=
[]
Παράδειγμα Ανάπτυξης σε Μερικά Κλάσματα Ν  Μ
4  74 z 1  14 z 2 2  14 z 1 1 1
X ( z)   2   2  3  ( 1)
1  34 z 1  18 z 2 (1  12 z 1 )(1  14 z 1 ) (1  12 z 1 ) (1  14 z 1 )
b=[4,-1.75,0.25]
a=[1,-0.75,0.125]
[R,p,C]=residuez(b,a)
R=
[R,p,C]=residuez(b,a) 3
-1
p=
0.5000
0.2500
C=
2
ΜΟΝΟΠΛΕΥΡΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Z
Ο μονόπλευρος μετασχηματισμός z
(one-sided z-transform)
ενός σήματος διακριτού χρόνου x(n)
ορίζεται ως ο μετασχηματισμός z
του σήματος x(n)u(n):

X ( z )   x ( n) z
 n
n 0

Ιδιότητα Μετατόπισης στο Χρόνο
Αν X+(z) είναι ο μονόπλευρος μετασχηματισμός z του
σήματος x(n), τότε
- ο μονόπλευρος μετασχηματισμός z του σήματος x(n-n0),
n0>0 [δεξιά ολίσθηση] είναι:
n0
z n0 X  ( z )  z n0  x(i) z i
i 1
- ο μονόπλευρος μετασχηματισμός z του σήματος x(n-n0),
n0<0 [αριστερή ολίσθηση] είναι:
n0 1
z n0 X  ( z )  z n0  x(i) z i
i 1

Επίλυση ΓΕΔΣΣ
με μη μηδενικές αρχικές συνθήκες
xic=filtic(b,a,Y)
y=filter(b,a,x,xic)

Παράδειγμα Επίλυσης ΓΕΔΣΣ
y(n)  12 y(n  1)  x(n), y(1)  14 , x(n)  u(n)
1
Y  ( z )  12 [ z 1Y  ( z )  y (1)]  X  ( z )  12 z 1Y  ( z )  12 14  1

1 z
1 1
 1 1 1 9
 8 z
 Y ( z )[1  2 z ]  8 
1
1
 8
1

1 z 1 z
1 1
9
 8 z 1 1
 Y  ( z)  8
1 1 1
  7
8 1 1
 2 1

(1  2 z )(1  z ) (1  2 z ) (1  z )
 y (n)   78 ( 12 ) n u (n)  2u (n)

Μορφές λύσης ΓΕΔΣΣ
πόλοι απόκριση
μέσα στο Μ.Κ. transient response
πάνω στο Μ.Κ. steady state response
έξω από το Μ.Κ. unbounded response

ΣΥΝΑΡΤΗΣΗ ΜΕΤΑΦΟΡΑΣ
Συνάρτηση Μεταφοράς ενός LTI φίλτρου

είναι ο Μετασχηματισμός z
της κρουστικής απόκρισης του φίλτρου
και είναι ρητή συνάρτηση του z
q q
Y ( z)  b( k ) z k
 k )
(1   z 1
H ( z)   k 0
p
C k 1
p
X ( z)
1   a(k ) z  k  k )
(1   z 1
k 0 k 1

Αιτιατό Σύστημα
h(n)=0, n<0
Π.Σ. της H(z): |z|>a και πόλοι ανήκουν στο |z|≤a

Ευσταθές Σύστημα

 h( n)  C
n  
Ο Μ.Κ. ανήκει στην Π.Σ. της H(z)

Πραγματοποιήσιμο Σύστημα
Ευσταθές και Αιτιατό
Π.Σ. της H(z): |z|>a, 0 ≤ α<1

δηλαδή πόλοι ανήκουν στο εσωτερικό του Μ.Κ.

Αντίστροφα Συστήματα
H(z) G(z) = 1
Η Π.Σ. της H(z) επικαλύπτεται από την Π.Σ. της G(z)

δηλαδή η τομή των Π.Σ. των H(z) και G(z)
δεν είναι το κενό σύνολο

Σύστημα Ανάδρασης
H(z): σύστημα ευθύ κλάδου

G(z): σύστημα κλάδου ανάδρασης
Q(z): συνάρτηση μεταφοράς κλειστού βρόγχου
+ Y ( z )  H ( z )[ X ( z )  G ( z )Y ( z )] 
X(z) + H(z) Y(z)
 Y ( z )[1  H ( z )G ( z )]  H ( z ) X ( z ) 
-
Y ( z) H ( z)
 Q( z )  
G(z) X ( z ) 1  H ( z )G ( z )

Ανάδραση και Ευστάθεια
Το σύστημα ευθύ κλάδου H(z) είναι ασταθές
γιατί ο Μ.Κ. δεν ανήκει στην Π.Σ. της H(z)
αφού πόλος α>1
1
H ( z)  , ό   1.2
1  1.2 z 1
G( z)  K  0
1
H ( z) 1 1
Q( z )   11.21z  1
,
1  H ( z )G ( z ) 1  1 K (1  K )  1.2 z
11.2 z
1.2
ό  ' 
1 
Για να είναι το συνολικό σύστημα Q(z) ευσταθές

πρέπει ο Μ.Κ. να ανήκει στην Π.Σ. της Q(z)
δηλαδή πόλος α’<1 ή Κ>0.2
ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ
FOURIER (DFT)
• DFS
• DFT
• FFT

DFS
Η Διακριτή Σειρά Fourier (Discrete Fourier Series –

DFS) ενός περιοδικού σήματος με περίοδο Ν ορίζεται ως
ακολούθως:
N 1
~ ~
X (k )   x (n)WN
nk
n 0
 j 2 / N
WN  e
Οι συντελεστές της DFS είναι περιοδικοί με περίοδο Ν.

Ιδιότητες DFS
Περιοδικό σήμα
ιδιότητα DFS DFS
διακριτού χρόνου
γραμμικότητα ~
x1(n)  ~
x 2(n) ~ ~
X 1(k )  X 2(k )
~ ~
μετατόπιση x (n  n0 ) W kn0
N X (k )
~ ~ ~
περιοδική συνέλιξη x1(n)  ~
x 2(n) X 1(k ) X 2(k )

Περιοδική Συνέλιξη
0 1 2 3 4 5
1 1 1 1 0 0
0 0 1 1 0 0
0 0 0 1 1 0
0 0 0 0 1 1
1 0 0 0 0 1
1 1 0 0 0 0
0 1 1 0 0 0
0 0 1 1 0 0
1 0 1 2 2 2

DFT
Ο διακριτός μετασχηματισμός Fourier (Discrete Fourier
Transform – DFT) ενός σήματος x(n) πεπερασμένου
μήκους N που μηδενίζεται έξω από το διάστημα [0,N-1]
ορίζεται ως ακολούθως:
N 1
X (k )   x(n)WNnk , 0  k  N WN  e  j 2 / N
n 0
και ο αντίστροφος διακριτός μετασχηματισμός Fourier

(Inverse Discrete Fourier Transform – IDFT) ορίζεται ως
ακολούθως:
N 1
1
x ( n) 
N
 X
k 0
( k )W  nk
N ,0  n  N

Ιδιότητες DFT
ιδιότητα σήμα διακριτός
διακριτού διακριτού μετασχηματισμός
μετασχηματισμού χρόνου Fourier (DFT)
Fourier (DFT) x(n) X(k)
γραμμικότητα c1 x1(n) + c2 x2(n) c1 X1(k) + c2 X2(k)
συμμετρία
x(n) πραγματικό σήμα X(k)=X*((-k))=X*((N-k))N
πραγματικού σήματος
συμμετρία
x(n) φανταστικό σήμα X(k)=-X*((-k))=-X*((N-k))N
φανταστικού σήματος
x((n-n0))N RN(n) (WN)n0k X(k)
κυκλική μετατόπιση και
(WN)nk0x(n) X((k+k0))N

Υπολογισμός DFT
function [Xk]=sigdft(xn,N)
% DFT
% x(n) -- X(k)
% N = length of x(n)
n=[0:1:N-1];
k=[0:1:N-1];
WN=exp(-j*2*pi/N);
nk=n'*k;
WNnk=WN.^nk;
Xk=xn*WNnk;

Παράδειγμα υπολογισμού DFT
x (n) x(0) = 0
x(1)= 1
x(2)= 2
x(3)= 2
X(k) X(0)= 5.0000

X(1)= -2.0000 + 1.0000i
X(2)= -1.0000
X(3)= -2.0000 - 1.0000i

Κυκλική Μετατόπιση
function [y]=sigcirshift(x,m,N)
% circural shift
% x(n) of length N
% y(n) = x((n-m))N
x=[x zeros(1,N-length(x))];
n=[0:1:N-1];
n=mod(n-m,N);
y=x(n+1);

Παράδειγμα Κυκλικής Μετατόπισης
x(n) n=0..3 0 1 2 2
Κυκλική μετατόπιση κατά 1 2 0 1 2


Κυκλική Συνέλιξη
Η κυκλική συνέλιξη N σημείων δύο σημάτων διακριτού

χρόνου πεπερασμένου μήκους N ορίζεται ως ακολούθως:
 N 1 ~ ~ 
y (n)  h(n)( N ) x(n)   x (k )h (n  k ) RN (n)
 k 0 
Αν το σήμα x(n) είναι πεπερασμένου μήκους N1 και το
σήμα h(n) είναι πεπερασμένου μήκους N2 όπου N1N2,
τότε η κυκλική συνέλιξη N σημείων y(n)=h(n)(N)x(n)
είναι πεπερασμένου μήκους Ν όπου Nmax{N1,N2}και
υπολογίζεται αφού πρώτα τα σήματα συμπληρωθούν με
μηδενικά ώστε να αποκτήσουν μήκος N.

Υπολογισμός Κυκλικής Συνέλιξης
function [y]=sigcirconv(x1,x2,N)
% circular convolution
% y(n)=x1(n) N x2(n)
x1=[x1 zeros(1,N-length(x1))];
x2=[x2 zeros(1,N-length(x2))];
m=[0:1:N-1];
x2=x2(mod(-m,N)+1);
H=zeros(N,N);
for n=1:1:N
H(n,:)=sigcirshift(x2,n-1,N);
end;
y=x1*H';
Παράδειγμα υπολογισμού Κυκλικής Συνέλιξης
0 1 2 3
1 2 3 3
1 -1 1
1 -1 1 0
1 0 1 -1
-1 1 0 1
1 -1 1 0
0 1 -1 1
1 4 2 2

Γραμμική και Κυκλική συνέλιξη
Η γραμμική και η κυκλική συνέλιξη δύο σημάτων

διακριτού χρόνου πεπερασμένου μήκους δεν είναι γενικά
ίσες μεταξύ τους.
Αν το σήμα x(n) είναι πεπερασμένου μήκους N1 και

το σήμα h(n) είναι πεπερασμένου μήκους N2,
τότε η γραμμική συνέλιξη yl(n)=h(n)*x(n)
είναι πεπερασμένου μήκους Nl=N1+N2-1 και
η κυκλική συνέλιξη N σημείων yc(n)=h(n)(N)x(n)
είναι πεπερασμένου μήκους Nc=Ν.

Σχέση Γραμμικής και Κυκλικής Συνέλιξης Nc Nl
yl(n)=h(n)*x(n)=h(n)(N)x(n)=yc(n)
δηλαδή η γραμμική και η κυκλική συνέλιξη είναι ίσες

μεταξύ τους.

Σχέση Γραμμικής και Κυκλικής Συνέλιξης Nc<Nl
yc(n)=yl(n)+yl(n+Nc) όπου n[0,Nc-1]
δηλαδή η γραμμική και η κυκλική συνέλιξη δεν είναι ίσες

μεταξύ τους.

IDFT μέσω DFT
1 *
X (k )  X * (k ) DFT
 g (n)  x(n)  g ( n)
N
 N 1



g ( n )  
k 0
X *
( k )W nk
N 

 N 1 N 1 
 x ( n)  1 nk 
 
N k 0
X ( k )W  nk
N  Nx *
( n )  
k 0
X *
( k )W N

 Nx * (n)  g (n) 
1 *
 x ( n)  g ( n)
N

FFT
Γρήγορος μετασχηματισμός Fourier
(Fast Fourier Transform – FFT)
ονομάζεται το σύνολο των γρήγορων αλγορίθμων
για τον υπολογισμό του διακριτού μετασχηματισμού Fourier
(Discrete Fourier Transform – DFT).
Ο χρόνος εκτέλεσης του διακριτού μετασχηματισμού Fourier

(Discrete Fourier Transform – DFT) είναι της τάξης O(N2).
Ο χρόνος εκτέλεσης του γρήγορου μετασχηματισμού Fourier
(Fast Fourier Transform – FFT) είναι της τάξης O(Nlog2N)
όταν N είναι δύναμη του 2.

Αλγόριθμοι FFT
Τυπικοί αλγόριθμοι FFT είναι οι ακόλουθοι:

• FFT με βάση 2 (radix-2 FFT)
- διαίρεσης στο χρόνο
(Decimation In Time FFT - DIT-FFT)
- διαίρεσης στη συχνότητα
(Decimation In Frequency FFT - DIF-FFT)
• FFT σύνθετων βάσεων
• FFT πρώτων παραγόντων

Υπολογισμός FFT
X=fft(x,N)
x (n) x(0) = 1
x(1)= 0
x(2)= 0
x(3)= 2
X(k) X(0)= 3.0000

X(1)= 1.0000 + 2.0000i
X(2)= -1.0000
X(3)= 1.0000 - 2.0000i

Χρόνος εκτέλεσης FFT

ΧΩΡΟΣ ΚΑΤΑΣΤΑΣΗΣ
• ΠΕΡΙΓΡΑΦΗ ΣΥΣΤΗΜΑΤΩΝ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ

ΣΤΟ ΧΩΡΟ ΚΑΤΑΣΤΑΣΗΣ
• ΦΙΛΤΡΟ KALMAN

ΠΕΡΙΓΡΑΦΗ ΣΥΣΤΗΜΑΤΩΝ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
ΣΤΟ ΧΩΡΟ ΚΑΤΑΣΤΑΣΗΣ (STATE SPACE)
x(n  1)  A x(n)  bv(n)

T
y (n)  c x(n)  dv(n)
x(n) Nx1 state vector

y (n) output

Συνάρτηση Μεταφοράς
 ( n)  An
n 1
x(n)  (n  n0 ) x(n0 )    (n  1  k )bv(n)
k  n0
T
H ( z )  c ( zI  A) 1 b  d
h(n)  c An 1 bu (n  1)  d (n)
T

Ελεγξιμότητα – Παρατηρησιμότητα
(Controlability - Observability)
 ύ ί έ  S 1


S  b Ab A b ... A 2 N 1
b 
 ύ ί ή  V 1

 T T
V  c c A c A ... c AN 1
T T 2 T

Παράδειγμα
y(n)  34 y(n  1)  18 y(n  2)  v(n)
 x1(n)   y (n  2)
x ( n)      y (n  1)  
 x 2( n )   
 x1(n  1)   y (n  1)  x 2(n)
 x(n  1)      y ( n)    y ( n) 
 x 2( n  1)     
x(n  1)  A x(n)  bv(n)

T
y (n)  c x(n)  dv(n)
0 1 0   18 
A 1 3
, b   , c   3 , d  1
 8 4 1  4 

Συνάρτηση Μεταφοράς Παραδείγματος
T
H ( z )  c ( zI  A) 1 b  d 
1
 1 3    z 0   0 1   0 
 8      1 3    1 
4  0 z   8 4   1
1
 H ( z) 
1  34 z 1  18 z  2

Ελεγξιμότητα – Παρατηρησιμότητα
Παραδείγματος
 ύ ί έ

0 1 
S  b Ab   3
1 4
S  1  0  S 1
 ύ ί ή

 cT    18 3

V   T   3 4

c A  32
7
16 
V  641  0  V 1

ΦΙΛΤΡΟ KALMAN
Μοντέλο
x(k  1)  F (k  1, k ) x(k )  w(k )
z (k  1)  H (k  1) x(k  1)  v(k  1)
x(k ) nx1 state vector

z (k ) mx1 measurement vector
F (k  1, k ) nxn transition matrix
H (k ) mxn output matrix
{w(k )} ~ N (0, Q )
{v(k )} ~ N (0, R )

Χρονικά Αμετάβλητο Φίλτρο KALMAN
x(k  1 / k )  Fx(k / k )
P(k  1 / k )  Q  FP(k / k ) F T
K (k  1)  P(k  1 / k ) H T [ HP (k  1 / k ) H T  R]1
x(k  1 / k  1)  x(k  1 / k )  K (k  1)[ z (k  1)  Hx (k  1 / k )]
P(k  1 / k  1)  P(k  1 / k )  K (k  1) HP (k  1 / k )

Εξίσωση Riccati
P(k  1 / k )  Q  FP(k / k  1) F T 
 FP(k / k  1) H T [ HP (k / k  1) H T  R]1 HP (k / k  1) F T
ό R   ύ ί Lyapunov

P(k  1 / k )  Q  FP(k / k  1) F T

ΒΙΒΛΙΟΓΡΑΦΙΑ
[1] M. H. Hayes, “Ψηφιακή Επεξεργασία Σήματος”,

Εκδόσεις ΤΖΙΟΛΑ, 2000.
[2] J. Proakis and D. Manolakis, “Digital Signal Processing”,
Macmillan, 1992.
[3] V. K. Ingle and J. G. Proakis, “Digital Signal Processing
using MATLAB”, BROOKS/COLE Publishing Company,
2000.
[4] The MathWorks Inc., The Student Edition of MATLAB,
Prentice Hall, Englewood Cliffs, N.J., 1995.

ΨΕΣ ΘΕΩΡΙΑ διαφανειες

Uploaded by

Document Information

Original Title

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

ΨΕΣ ΘΕΩΡΙΑ διαφανειες

Uploaded by

Copyright:

Available Formats

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ (Τ.Ε.Ι.

ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ

ΔΡ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 2

• ΒΑΣΙΚΑ ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 3

Ένα σήμα διακριτού χρόνου

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 4

πραγματικές τιμές x(n)

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 5

x(n) = a(n) + j b(n) = |x(n)| ejφ(n)

πραγματική συνιστώσα a(n)

Συζυγές μιγαδικό σήμα

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 6

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 7

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 8

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 9

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 10

x(n)=rn function [x,n]=sigrexp(r,n1,n2)

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 11

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 12

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 13

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 14

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 15

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 16

x(n)=sin(ωn+φ) function [x,n]=sigsin(w,f,n1,n2)

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 17

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 18

• Σήμα πεπερασμένου μήκους x(n), n1≤n ≤ n2

• Σήμα απείρου μήκους

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 19

Ένα σήμα διακριτού χρόνου είναι περιοδικό

Η θεμελιώδης περίοδος του σήματος

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 20

Το φανταστικό εκθετικό σήμα

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 21

Το φανταστικό εκθετικό σήμα x(n)=ejωn είναι περιοδικό

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 23

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 24

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 25

• ΠΡΑΞΕΙΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ ΠΛΑΤΟΥΣ

• ΠΡΑΞΕΙΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ ΧΡΟΝΟΥ

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 27

1. πρόσθεση σημάτων y(n)=x1(n)+x2(n)

2. πολλαπλασιασμός σημάτων y(n)=x1(n)x2(n)

3. κλιμάκωση στο πλάτος y(n)=cx(n)

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 28

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 29

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 30

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 31

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 32

όπου c πραγματικός αριθμός

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 33

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 34

1. μετατόπιση σήματος y(n)=x(n-n0)

2. αντιστροφή σήματος y(n)=x(-n)

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 35

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 36

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 37

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 38

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 39

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 40

Δρ. ΑΣΗΜΑΚΗΣ ΝΙΚΟΛΑΟΣ ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ 42