Lezioni di TEORIA DEI SEGNALI.pdf

April 27, 2017 | Author: emaxxim | Category: N/A
Share Embed Donate


Short Description

Download Lezioni di TEORIA DEI SEGNALI.pdf...

Description

DIPARTIMENTO DI ENERGIA INGEGNERIA DELLโ€™INFORMAZIONE E MODELLI MATEMATICI (DEIM)

Lezioni Di Teoria Dei Segnali Giovanni Garbo, Giovanni Mamola, Stefano Mangione

29/12/2014

SOMMARIO Introduzione CAPITOLO - 1 Richiami di Matematica 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 -

1 7 7

Premessa. ........................................................................... 7 Lโ€™integrazione alla Lebesgue. .......................................... 7 Misura associata a una classe di insiemi....................... 10 ๐ˆ-Algebra di Borel........................................................... 11 La misura di Lebesgue su โ„ .......................................... 11 La misura di Lebesgue su โ„๐‘ต ....................................... 12 Funzioni integrabili alla Lebesgue e relative proprietร .13 Funzioni a quadrato sommabile .................................... 16

II Teorema di Lebesgue: ............................................................... 18

1.9 - Spazi metrici. ................................................................... 18 1.10 - Spazi vettoriali. .............................................................. 20 1.11 - Spazi normati. ................................................................ 21 1.12 - Forme bilineari, quadratiche, hermitiane. ................... 21 1.13 - Riduzione di una forma hermitiana a forma canonica.23 1.14 - Forme hermitiane semidefinite positive. ..................... 26 1.15 - Prodotto scalare. ............................................................ 27 1.16 - Vettori linearmente indipendenti. ................................ 30

CAPITOLO - 2 Rappresentazione Vettoriale dei Segnali

33 33

2.1 - Premessa. ......................................................................... 33 2.2 - Lo spazio dei segnali a energia finita. ........................... 34 Prodotto scalare ....................................................................... 35 Distanza.................................................................................... 35 Norma....................................................................................... 36 2.3 - Segnali linearmente indipendenti.................................. 37 Teorema 2.1 (di Gram) ................................................................. 37

2.4 - Rappresentazione geometrica di un segnale. ............... 40 2.5 - Angolo tra due segnali. ................................................... 44

2

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

2.6 - Approssimazione dei segnali nel sottospazio S๐’. Teorema della proiezione. ....................................................................... 46 2.7 - Procedimento di ortonormalizzazione di Gram-Schmidt. ................................................................................................... 50 2.8 - Sviluppo di un segnale in serie di funzioni ortogonali. 52

CAPITOLO - 3 Segnali Periodici 3.1 3.2 3.3 3.4 3.5 -

55 55

Generalitร . ....................................................................... 55 Serie di Fourier in forma esponenziale. ........................ 56 Forma trigonometrica della serie di Fourier. ................ 59 Segnali reali. .................................................................... 60 Proprietร  della serie di Fourier. ..................................... 65

Linearitร  ....................................................................................... 65 Inversione nel dominio del tempo ................................................ 66 Segnale coniugato ......................................................................... 66 Coefficienti coniugati .................................................................... 66 Traslazione nel dominio del tempo ............................................... 67 Traslazione nel dominio della frequenza ....................................... 67 Convoluzione nel dominio del tempo ........................................... 67 Convoluzione nel dominio della frequenza ................................... 68

3.6 - Segnali bidimensionali. .................................................. 70

CAPITOLO - 4 Segnali a Energia Finita

73 73

4.1 - Deduzione elementare della trasformata di Fourier. .... 73 4.2 - La trasformata di Fourier di segnali ad energia finita. 74 La trasformata in ๐•ท(โ„). ........................................................... 75 La trasformata in ๐•ท(โ„) โˆฉ ๐•ท๐Ÿ(โ„). ........................................... 75 La trasformata in ๐•ท๐Ÿ(โ„). ........................................................ 78 Conclusioni .............................................................................. 81 4.3 - Principali proprietร  della trasformata di Fourier di un segnale ...................................................................................... 82 Trasformata di Fourier di segnali reali.................................. 83 4.4 - Proprietร  della trasformata di Fourier. .......................... 86 Linearitร  ................................................................................... 86 Simmetria ................................................................................. 87 Segnale coniugato .................................................................... 87 Trasformata coniugata ............................................................ 88

3

Introduzione

Traslazione nel dominio del tempo ........................................ 88 Traslazione nel dominio della frequenza ............................... 88 Cambiamento di scala ............................................................. 89 Derivazione nel dominio del tempo ....................................... 90 Derivazione nel dominio della frequenza .............................. 90 Convoluzione nel dominio del tempo .................................... 91 Convoluzione nel dominio della frequenza ........................... 94 4.5 - Limitazioni dello spettro di ampiezza di un segnale. .. 98 4.6 - Segnali bidimensionali. ................................................ 100 Linearitร  ................................................................................. 101 Traslazione nel dominio dello spazio e della frequenza ..... 101 Cambiamento di scala. .......................................................... 101 Convoluzione nel dominio dello spazio e della frequenza.. 102 Trasformazioni di variabili .................................................... 103

CAPITOLO - 5 Segnali a Potenza Finita

107 107

5.1 - Cenni di teoria delle distribuzioni. .............................. 107 5.2 - Esempi di distribuzioni. ............................................... 109 Distribuzioni regolari ............................................................ 109 Gradino unitario ..................................................................... 109 Delta di Dirac ......................................................................... 109 Pseudo funzione t-1 ................................................................ 110 5.3 - Calcolo delle distribuzioni. .......................................... 111 Uguaglianza ........................................................................... 111 Somma .................................................................................... 111 Traslazione ............................................................................. 111 Derivata di una distribuzione ............................................... 112 Prodotto di una funzione per una distribuzione.................. 115 Distribuzioni a supporto limitato ......................................... 115 5.4 - Convoluzione tra distribuzioni. ................................... 116 5.5 - Formula di Poisson....................................................... 120 5.6 - Trasformata di Fourier di una distribuzione. ............. 122 Teorema 5.1 ............................................................................... 123

5.7 - Trasformata di Fourier di distribuzioni a supporto limitato.................................................................................... 124 5.8 - Trasformate di Fourier di distribuzioni notevoli. ....... 125 Trasformata di una costante ................................................. 125 Trasformata della delta di Dirac ........................................... 125

4

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

Trasformata della delta di Dirac traslata .............................. 125 Antitrasformata della delta di Dirac traslata ........................ 125 Trasformate delle funzioni seno e coseno............................ 125 Trasformata di un segnale periodico.................................... 125 Trasformata della funzione segno ........................................ 126 Trasformata del gradino unitario.......................................... 127 5.9 - Proprietร  delle trasformate delle distribuzioni. .......... 127 Linearitร  ................................................................................. 127 Trasformata della convoluzione ........................................... 127 Derivazione nel dominio del tempo e della frequenza ........ 128 Traslazione nel dominio del tempo e della frequenza ........ 129

CAPITOLO - 6 Trasformazioni Lineari dei Segnali

133 133

6.1 - Definizioni. Proprietร  generali. .................................... 133 6.2 - Studio nel dominio del tempo...................................... 135 6.3 - Stabilitร  di un sistema lineare ...................................... 137 6.4 - Risposta impulsiva di trasformazioni lineari prive di memoria.................................................................................. 138 6.5 - Studio nel dominio della frequenza. ............................ 138 6.6 - Determinazione della risposta in frequenza di una trasformazione LTI................................................................ 139 6.7 - Trasmissione senza distorsione. Filtri ideali. ............. 143

CAPITOLO - 7 Caratterizzazione Energetica dei Segnali

145 145

Segnali a energia finita................................................................. 145

7.1 7.2 7.3 7.4 -

Densitร  spettrale di energia.......................................... 145 Funzione di autocorrelazione. ..................................... 149 Teorema di Wiener-Khinchine. ................................... 152 Funzioni di mutua correlazione. ................................. 153

Segnali a potenza finita ............................................................... 155

7.5 - Densitร  spettrale di potenza. ....................................... 155 7.6 - Funzioni di correlazione. ............................................. 158

CAPITOLO - 8 Caratteristiche e Proprietร  dei Segnali

163 163

8.1 - Segnale analitico. Trasformata di Hilbert. .................. 163

5

Introduzione

8.2 - Componenti del segnale a frequenze positive e negative. ................................................................................................. 167 8.3 - Segnali a banda e durata rigorosamente limitata. ...... 168 8.4 - Proprietร  dei segnali a banda rigorosamente limitata.169 Segnali passabasso................................................................. 169 Segnali passabanda................................................................ 170 8.5 - Banda e durata convenzionali...................................... 173 Banda e durata quadratica o efficace ........................................... 173 Banda e durata sulla base dellโ€™energia .......................................... 174

CAPITOLO - 9 Il Campionamento dei Segnali 9.1 9.2 9.3 9.4 9.5 9.6 9.7 9.8 -

177 177

Il teorema del campionamento. ................................... 177 Il sottospazio dei segnali passabasso. ......................... 179 Campionamento naturale............................................. 182 Campionamento istantaneo. ........................................ 185 Errori di ricoprimento spettrale (aliasing). ................. 187 Campionamento ideale dei segnali passabanda. ....... 189 Ricostruzione del segnale passabanda........................ 195 Campionamento del secondo ordine. ......................... 196

Segnali passabasso. ..................................................................... 196 Segnali passabanda. ..................................................................... 198

CAPITOLO - 10 Segnali a tempo discreto

201 201

10.1 - Segnali a tempo discreto. Energia e potenza specifica. ................................................................................................. 201 10.2 - Segnali periodici. ......................................................... 202 10.3 - La trasformata discreta di Fourier ............................. 204 10.4 - Segnali a potenza finita............................................... 209 10.5 - Proprietร  della trasformata di Fourier di un segnale a tempo discreto. ...................................................................... 211 10.6 - Funzioni di correlazione e densitร  spettrali. ............. 213 - Segnali periodici. ................................................................. 213 - Segnali ad energia finita...................................................... 215 - Segnali a potenza finita. ...................................................... 217

CAPITOLO - 11 Trasformazioni lineari discrete

219 219

6

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

11.1 - Studio nel dominio del tempo..................................... 219 11.2 - Studio nel dominio della frequenza ........................... 223

CAPITOLO - 12 Valutazione Numerica della Trasformata di Fourier

227 227

12.1 - Valutazione Numerica della Trasformata di Fourier di un Segnale a tempo continuo ..................................................... 227 12.2 - Troncamento del segnale. Finestre temporali. ......... 232 12.3 - La trasformata discreta di Fourier. ............................ 235

CAPITOLO - 13 Richiami di Teoria della Probabilitร 

241 241

13.1 - Lo spazio dei risultati. Gli eventi................................ 241 13.2 - Lo spazio di probabilitร . ............................................. 244 13.3 - Probabilitร  condizionate - Formula di Bayes - Teorema delle probabilitร  composte. ................................................... 247

CAPITOLO - 14 Variabili Aleatorie

253 253

14.1 - Variabili aleatorie monodimensionali. ....................... 253 14.2 - Funzione di distribuzione di probabilitร . .................. 254 - intervallo semiaperto a sinistra ........................................... 254 - semiretta dโ€™origine destra aperta ........................................ 255 - intervallo chiuso................................................................... 255 - punto isolato ........................................................................ 255 - intervallo aperto ................................................................... 256 - intervallo semiaperto a destra ............................................. 256 14.3 - Proprietร  della distribuzione di probabilitร . ............. 256 - valori limite .......................................................................... 256 - monotonia e limitatezza ...................................................... 257 - continuitร  a destra ............................................................... 257 - limiti da sinistra ................................................................... 258 - numero di discontinuitร  ...................................................... 258 14.4 - Densitร  di probabilitร  di una variabile aleatoria continua. ................................................................................................. 260 14.5 - Densitร  di probabilitร  di una variabile aleatoria discreta. ................................................................................................. 261 14.6 - Variabili aleatorie bidimensionali. Funzioni di probabilitร  congiunte. ........................................................... 262

Introduzione

7

14.7 - Funzioni di probabilitร  condizionate. ....................... 266 14.8 - Funzioni di probabilitร  dโ€™ordine superiore. .............. 267

CAPITOLO - 15 Funzioni di variabili aleatorie

269 269

15.1 - Funzioni di una variabile aleatoria............................. 269

CAPITOLO - 16 Medie Statistiche 16.1 16.2 16.3 16.4 -

Valore medio di funzioni di variabili aleatorie. ......... 275 Momenti. ..................................................................... 276 Teorema della media. ................................................. 282 Funzione caratteristica. .............................................. 283

CAPITOLO - 17 Variabili Aleatorie Notevoli 17.1 17.2 17.3 17.4 17.5 17.6 17.7 17.8 17.9 -

275 275

288 288

Premessa. ..................................................................... 288 Distribuzione uniforme. ............................................. 288 Distribuzione esponenziale. ....................................... 289 Distribuzione di Laplace. ........................................... 290 Distribuzione normale o gaussiana. .......................... 290 Distribuzione di Rayleigh........................................... 295 Distribuzione di Bernoulli. ......................................... 296 Distribuzione binomiale. ............................................ 296 Distribuzione di Poisson. ........................................... 298

CAPITOLO - 18 Caratterizzazione Statistica dei Segnali

302 302

18.1 - Segnale aleatorio. Funzioni di probabilitร  del primo ordine. ..................................................................................... 302 18.2 - Funzioni di probabilitร  del secondo ordine e funzioni di probabilitร  condizionate........................................................ 306 18.3 - Funzioni di probabilitร  dโ€™ordine superiore. .............. 310 18.4 - Segnali aleatori deterministici. ................................... 312 18.5 - Segnali dipendenti da una variabile aleatoria monodimensionale ................................................................ 312 funzioni di probabilitร  del primo ordine. ............................. 312 funzioni di probabilitร  dโ€™ordine superiore al primo. ........... 316 18.6 - Segnali dipendenti da un vettore aleatorio. ............... 318

8

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

18.7 - Segnali distinti. Funzioni di probabilitร  congiunte. . 321

CAPITOLO - 19 Valori Medi, Stazionarietร  ed Ergodicitร 

325 325

19.1 - Medie statistiche. ........................................................ 325 19.2 - Stazionarietร . ............................................................... 329 19.3 - Medie temporali ed ergodicitร . .................................. 332 19.4 - Ergodicitร  delle funzioni di probabilitร  del primo ordine. ................................................................................................. 336

CAPITOLO - 20 Segnali Gaussiani

341 341

20.1 - Variabili aleatorie congiuntamente gaussiane. ......... 341 20.2 - Funzione caratteristica di variabili aleatorie congiuntamente gaussiane. .................................................. 341 20.3 - Densitร  di probabilitร  di ordine inferiore.................. 344 20.4 - Caratterizzazione degli elementi del vettore ๐’Ž e della matrice ๐œฎ. ............................................................................... 345 20.5 - Segnali gaussiani. ....................................................... 346 20.6 - Distribuzioni singolari................................................ 347 20.7 - Densitร  di probabilitร  del secondo ordine e condizionali. ................................................................................................. 351 20.8 - Trasformazioni lineari di segnali gaussiani. ............. 353 20.9 - Statistica della somma di variabili aleatorie indipendenti. ................................................................................................. 356

CAPITOLO - 21 359 Caratterizzazione Energetica di Segnali a Tempo Continuo .................... 21.1 - Funzione di autocorrelazione. .................................... 359 la funzione di autocorrelazione normalizzata ...................... 362 la funzione di autocovarianza ............................................... 362 la funzione di autocovarianza normalizzata, o coefficiente di autocorrelazione..................................................................... 362 21.2 - Densitร  spettrale di potenza. ...................................... 363 21.3 - Caratterizzazione dei segnali nel dominio della frequenza. ............................................................................... 366 21.4 - Segnali ciclostazionari. ............................................... 371 21.5 - Segnali distinti. Funzioni di correlazione e densitร  spettrale incrociate................................................................. 376

Introduzione

9

CAPITOLO - 22 381 Caratterizzazione Energetica di Segnali Aleatori a Tempo Discreto 381 22.1 - Funzione di autocorrelazione..................................... 381 22.2 - Densitร  spettrale di potenza....................................... 383 22.3 - Caratterizzazione nel dominio della frequenza ........ 385

CAPITOLO - 23 Segnali Passabanda

389 389

23.1 - Il rumore bianco. ......................................................... 389 23.2 - -Rumore bianco passabasso. ..................................... 389 23.3 - -Rumore bianco passabanda...................................... 390 23.4 - Segnali aleatori passabasso. ....................................... 391 23.5 - Segnali aleatori passabanda. ...................................... 393 23.6 - Segnali gaussiani. ....................................................... 402 23.7 - Segnale gaussiano a banda stretta sovrapposto a un segnale deterministico di tipo sinusoidale........................... 404

INTRODUZIONE Una grandezza fisica, alla cui variazione in funzione di determinate variabili, quali, ad esempio, il tempo, le coordinate di un punto nel piano o entrambe, รจ associata una certa quantitร  di informazione, costituisce un segnale. La tensione o la corrente all'ingresso di un biporta, la pressione acustica incidente sulla membrana di un microfono, l'intensitร  di un'immagine in un punto di uno schermo o la successione temporale di immagini quali quelle che si ottengono in una ripresa televisiva, sono esempi di segnali. A seconda degli aspetti che interessa mettere in evidenza รจ possibile classificare i segnali secondo criteri diversi. Una prima classificazione รจ di natura fenomenologica. Essa รจ basata sul tipo d'evoluzione subita dal segnale in funzione delle variabili indipendenti. Su questa base i segnali si distinguono in segnali determinati e segnali aleatori. Limitandosi per il momento a considerare segnali che dipendono esclusivamente dal tempo, un segnale si dice determinato quando i valori che esso assume in corrispondenza ad un qualsiasi istante sono conosciuti esattamente. Per contro i segnali aleatori sono quelli il cui andamento temporale รจ imprevedibile, anche se รจ possibile determinarne alcune caratteristiche medie. Di conseguenza, mentre un segnale determinato รจ perfettamente ripetibile, altrettanto non si puรฒ dire per un segnale aleatorio giacchรฉ, per la sua natura casuale, esso puรฒ assumere forme diverse anche se viene osservato in esperimenti effettuati nelle medesime condizioni. Da quanto detto discende che, mentre รจ possibile rappresentare un segnale determinato mediante una funzione (reale o complessa) di un certo numero di variabili indipendenti, ciรฒ non puรฒ essere fatto nel caso di segnali aleatori, a meno che, una tale funzione, non venga costruita sulla base di una manifestazione del segnale ottenuta โ€œa posterioriโ€. Di conseguenza mentre รจ possibile affrontare lo studio dei segnali determinati utilizzando algoritmi matematici che presuppongono una rappresentazione analitica del segnale, nel caso di segnali aleatori si deve ricor-

2

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

rere a metodologie di analisi di tipo statistico quali quelle basate sulla Teoria della Probabilitร . Una seconda classificazione dei segnali รจ di natura morfologica. Essa si basa sul carattere continuo o discreto dell'ampiezza del segnale o dalle variabili da cui dipende la sua evoluzione.

Figura 1 - a) Segnale a tempo-continuo b) segnale a tempo discreto, c) segnale quantizzato, d) segnale numerico.

Facendo riferimento a segnali dipendenti soltanto dal tempo, si possono distinguere i segnali continui nel tempo (segnali a tempo continuo) e i segnali discreti nel tempo (segnali a tempo discreto). Nel primo caso la variabile ๐‘ก puรฒ assumere un qualsiasi valore appartenente ad un assegnato intervallo di ampiezza finita o infinita (vedi Figura 1,a). Nel secondo caso la variabile indipendente รจ definita in un insieme al piรน numerabile di valori {๐‘ก๐‘› } con ๐‘ก๐‘›โˆ’1 < ๐‘ก๐‘› < ๐‘ก๐‘›+1 (vedi Figura 1,b). Di norma gli istanti ๐‘ก๐‘› si succedono con regolaritร  cioรจ si ha: ๐‘ก๐‘› = ๐‘›๐‘‡ (i.1) cosicchรฉ l'insieme {๐‘ก๐‘› } รจ completamente specificato individuando il periodo ๐‘‡ ed il campo di variabilitร  dell'indice ๐‘›. Se infine l'ampiezza del segnale puรฒ assumere un insieme finito o al piรน numerabile di valori {๐‘ž๐‘› } con ๐‘ž๐‘›โˆ’1 โ‰ค ๐‘ž๐‘› โ‰ค ๐‘ž๐‘›+1 , il segnale si dice

Introduzione

3

discreto in ampiezza. Un segnale discreto in ampiezza puรฒ essere ulteriormente classificato in segnale quantizzato (vedi Figura 1,c) e in segnale numerico (vedi Figura 1,d) se esso รจ a tempo continuo o discreto. Una terza classificazione รจ di natura energetica. A tale scopo si definisce energia specifica associata ad un segnale rappresentato da una funzione definita su tutto l'asse dei tempi a valori generalmente complessi, la quantitร : โˆž

(i.2)

๐ธ = โˆซ |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก โˆ’โˆž

La precedente รจ detta energia specifica in quanto essa rappresenterebbe l'energia effettivamente dissipata su una resistenza di valore unitario che venisse attraversata da una corrente ๐‘ (๐‘ก). La potenza (media) specifica, in armonia con la (i.2), รจ definita dal limite: ๐‘‡

(i.3)

1 2 ๐‘ƒ = lim โˆซ |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก ๐‘‡โ†’โˆž ๐‘‡ โˆ’๐‘‡ 2

Le definizioni di energia specifica e di potenza specifica appena fornite per i segnali a tempo continuo possono essere facilmente estese ai segnali a tempo discreto. In tal caso l'energia e la potenza specifica del segnale sono rispettivamente definite dalle: โˆž

(i.4)

๐ธ = ๐‘‡ โˆ‘ |๐‘ (๐‘›๐‘‡)|2 ๐‘›=โˆ’โˆž ๐‘

(i.5)

1 โˆ‘ |๐‘ (๐‘›๐‘‡)|2 ๐‘โ†’โˆž 2๐‘ + 1

๐‘ƒ = lim

๐‘›=โˆ’๐‘

Si noti che un segnale ad energia finita presenta una potenza specifica nulla; inoltre se la potenza specifica definita dalla (i.3) o dalla (i.5) รจ maggiore di zero, le quantitร  a secondo membro delle (i.2) e (i.4) non sono finite. Ciรฒ premesso, si definiscono segnali ad energia finita quei segnali per cui lโ€™energia specifica รจ finita. Si dicono a potenza finita i segnali per i quali รจ finita e non nulla la potenza specifica. Un'ulteriore classificazione รจ di natura dimensionale. Essa รจ basata sul numero di variabili indipendenti da cui il segnale dipende. Ad

4

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

esempio i segnali che dipendendo soltanto dal tempo sono monodimensionali, mentre una immagine fissa e una sequenza di immagini in bianco e nero sono esempi di un segnale rispettivamente bi e tridimensionale. Esempio 1 Si consideri il segnale ๐‘ (๐‘ก) = ๐‘’ ๐‘—2๐œ‹๐‘“0 ๐‘ก

la sua energia specifica vale: โˆž

๐ธ = โˆซ ๐‘‘๐‘ก = โˆž โˆ’โˆž

Viceversa la sua potenza specifica vale: 1 ๐‘‡ ๐‘—2๐œ‹๐‘“ ๐‘ก 2 1 ๐‘‡ 0 | ๐‘‘๐‘ก = lim โˆซ |๐‘’ โˆซ ๐‘‘๐‘ก = 1 ๐‘‡โ†’โˆž 2๐‘‡ โˆ’๐‘‡ ๐‘‡โ†’โˆž 2๐‘‡ โˆ’๐‘‡

๐‘ƒ = lim

๐‘ (๐‘ก) รจ pertanto un segnale a potenza finita. Esempio 2 Si consideri il segnale ๐‘ (๐‘ก) = ๐‘’ โˆ’๐›ผ|๐‘ก|

con ๐›ผ costante. A secondo del valore di ๐›ผ, ๐‘ (๐‘ก) puรฒ essere classificato come segnale a energia o a potenza finita. a) s(t) รจ un segnale a energia finita se l'integrale: โˆž

๐ธ = โˆซ ๐‘’ โˆ’2๐›ผ|๐‘ก| ๐‘‘๐‘ก โˆ’โˆž

รจ finito. Poichรฉ si ha: ๐‘‡

0

๐‘‡

๐ธ = lim โˆซ ๐‘’ โˆ’2๐›ผ|๐‘ก| ๐‘‘๐‘ก = lim {โˆซ ๐‘’ โˆ’2๐›ผ|๐‘ก| ๐‘‘๐‘ก + โˆซ ๐‘’ โˆ’2๐›ผ|๐‘ก| ๐‘‘๐‘ก } ๐‘‡โ†’โˆž โˆ’๐‘‡

๐‘‡โ†’โˆž

๐‘‡

๐‘‡

โˆ’๐‘‡

0

1 โˆ’ ๐‘’ โˆ’2๐›ผ๐‘‡ = lim {โˆซ ๐‘’ โˆ’2๐›ผ๐‘ก ๐‘‘๐‘ก + โˆซ ๐‘’ โˆ’2๐›ผ๐‘ก ๐‘‘๐‘ก } = lim ๐‘‡โ†’โˆž ๐‘‡โ†’โˆž ๐›ผ 0 0

il segnale รจ a energia finita se รจ ๐›ผ > 0. In tal caso ๐ธ vale: ๐ธ=

1 (๐›ผ > 0) ๐›ผ

b) ๐‘ (๐‘ก) รจ un segnale a potenza finita se la quantitร  ๐‘‡

1 2 1 โˆ’ ๐‘’ โˆ’๐›ผ๐‘‡ ๐‘ƒ = lim โˆซ ๐‘’ โˆ’2๐›ผ|๐‘ก| ๐‘‘๐‘ก = lim = lim ๐‘’ โˆ’๐›ผ๐‘‡ ๐‘‡โ†’โˆž ๐‘‡ โˆ’๐‘‡ ๐‘‡โ†’โˆž ๐‘‡โ†’โˆž ๐›ผ๐‘‡ 2

converge a un valore non nullo.

Introduzione

Il segnale รจ a potenza finita se รจ ๐›ผ = 0. In tal caso รจ ๐‘ƒ = 1;

(๐›ผ = 0)

b) Per ๐›ผ < 0 il segnale non รจ nรจ a potenza nรจ a energia finita.

5

CAPITOLO - 1 RICHIAMI DI MATEMATICA 1.1 - Premessa. In questo capitolo si accenna brevemente, senza alcuna pretesa di rigore, ai fondamenti dellโ€™integrazione alla Lebesgue, alla teoria della misura degli insiemi, agli spazi vettoriali e alle forme quadratiche, con il solo scopo di porre lโ€™accento su alcuni aspetti che si ritengono importanti per la comprensione di quanto esposto in questo testo, sia con riferimento alla parte concernente allโ€™analisi dei segnali determinati, sia a quella riguardante i segnali aleatori. 1.2 - Lโ€™integrazione alla Lebesgue. In quel che segue, รจ richiamata lโ€™integrazione alla Lebesgue. Essa verrร  applicata inizialmente a delle funzioni elementari, per poi estenderla alla piรน ampia classe delle cosiddette funzioni misurabili. Si prenda in considerazione lโ€™insieme delle funzioni limitate definite su un intervallo chiuso e limitato A = [๐‘Ž, ๐‘]. Per una qualsiasi funzione appartenente a detto insieme si ha in pratica: ๐‘“(๐ด) โŠ† [๐‘š, ๐‘€]

(1.2.1)

essendo rispettivamente ๐‘š ed ๐‘€ lโ€™estremo inferiore e lโ€™estremo superiore della funzione considerata. Si consideri inoltre, nellโ€™insieme anzidetto, il sottoinsieme costituito dalle funzioni a valori non negativi, tali che, comunque scelto I = [๐›ผ, ๐›ฝ] โŠ† [๐‘š, ๐‘€], lโ€™immagine inversa di detto insieme secondo la funzione ๐‘“, cioรจ lโ€™insieme ๐‘“ โˆ’1 (I) dei punti ๐‘ฅ โˆˆ A per cui risulta ๐›ผ โ‰ค ๐‘“(๐‘ฅ) โ‰ค ๐›ฝ , รจ costituito dallโ€™unione di un numero finito di intervalli chiusi a due a due disgiunti. รˆ noto che per calcolare lโ€™integrale di una funzione alla Riemann sul suo dominio, si procede alla scomposizione di questโ€™ultimo in un certo numero dโ€™intervalli chiusi in esso contenuti, privi a due a due di punti interni in comune e tali che la loro unione coincida con [๐‘Ž, ๐‘]. Si costruisce cosรฌ una partizione puntuale dellโ€™intervallo [๐‘Ž, ๐‘]. A partire da

8

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

detta partizione, si generano le seguenti somme inferiori e superiori di Darboux: ๐‘

๐‘ ๐‘… = โˆ‘ ๐‘š๐‘– (๐‘ฅ๐‘– โˆ’ ๐‘ฅ๐‘–โˆ’1 ) ; ๐‘–=1 ๐‘

{

(๐‘Ž = ๐‘ฅ0 < ๐‘ฅ1 0, ๐‘ > ๐‘ž > โŒˆ โŒ‰ risulta: โˆž

โˆž

โˆž

๐œ€

๐‘‘(๐‘“๐‘ , ๐‘“๐‘ž ) = โˆซ |๐‘“๐‘ (๐‘ฅ) โˆ’ ๐‘“๐‘ž (๐‘ฅ)|๐‘‘๐‘ฅ = โˆซ ๐‘“๐‘ (๐‘ฅ)๐‘‘๐‘ฅ โˆ’ โˆซ ๐‘“๐‘ž (๐‘ฅ)๐‘‘๐‘ฅ = โˆ’โˆž

โˆ’โˆž

โˆ’โˆž

1 1 โˆ’ 2 |๐‘ฅ| โ‰ค

1

Infatti per โˆ€๐œ€ > 0, ๐‘› > โŒˆ โŒ‰ implica: ๐œ€

โˆž โˆž ๐‘ฅ ๐‘ฅ 1 ๐‘‘ (๐‘“๐‘› (๐‘ฅ),โŠ“ ( )) = โˆซ โŠ“ ( ) ๐‘‘๐‘ฅ โˆ’ โˆซ ๐‘“๐‘› (๐‘ฅ)๐‘‘๐‘ฅ = < ๐œ€ 2 2 ๐‘› โˆ’โˆž โˆ’โˆž

La funzione

๐‘ฅ

โŠ“ (2) non รจ continua quindi non appartiene all'insieme A

che quindi non รจ completo rispetto alla metrica considerata.

1.10 - Spazi vettoriali. Sia dato un insieme X, i cui elementi vengono denominati vettori. Si dice che X ha la struttura di spazio vettoriale se: รจ un gruppo commutativo rispetto a una legge di composizione interna, che verrร  indicata con il simbolo +; esiste un campo ๐”ฝ, i cui elementi sono detti scalari, e una legge di composizione detta prodotto per scalari che soddisfa le proprietร : ๐‘Ž) โˆ€๐œ† โˆˆ ๐”ฝโ€Šโ€Š, ๐’™ โˆˆ X โ‡’ ๐œ†๐’™ โˆˆ X; ๐‘) โˆ€๐œ†1 โ€Š ,โ€Š ๐œ†2 โˆˆ ๐”ฝโ€Šโ€Š, ๐’™ โˆˆ X โ‡’ ๐œ†1 (๐œ†2 ๐’™) = (๐œ†1 ๐œ†2 )๐’™; ๐‘) โˆ€๐œ†1 โ€Š ,โ€Š ๐œ†2 โˆˆ ๐”ฝโ€Šโ€Š, ๐’™ โˆˆ X โ‡’ (๐œ†1 + ๐œ†2 )โ€Š๐’™ = ๐œ†1 ๐’™ + ๐œ†2 ๐’™; ๐‘‘) โˆ€๐’™1 โ€Š ,โ€Š ๐’™2 โˆˆ Xโ€Šโ€Š, ๐œ† โˆˆ ๐”ฝ โ‡’ ๐œ†โ€Šโ€Š(๐’™1 + ๐’™2 ) = ๐œ†๐’™1 + ๐œ†๐’™2 ; {๐‘’)โ€Š โˆ€๐’™ โˆˆ X โ‡’ 1 ๐’™ = ๐’™โ€Šโ€Š โ€Š ; โ€Š 0 ๐’™ = ๐จ;

(1.10.1)

Dove ๐จ, detto vettore nullo o origine, indica l'elemento neutro rispetto alla legge di composizione interna definita su X; 1 e 0 indicano rispettivamente l'elemento neutro rispetto al prodotto e rispetto alla somma nel campo ๐”ฝ. Si ricorda che un insieme X ha la struttura di gruppo commutativo rispetto a una data legge di composizione interna se, comunque scelti due suoi elementi, si ha: ๐‘Ž) ๐’™1 + ๐’™2 = ๐’™2 + ๐’™1 โˆˆ X; ๐‘) ๐’™1 + (๐’™2 + ๐’™3 ) = (๐’™1 + ๐’™2 ) + ๐’™3 ; { ๐‘) โˆƒโ€Šโ€Š ๐’ โˆˆ X | โˆ€๐’™ โˆˆ X โ‡’ ๐’™ + ๐จ = ๐’™; ๐‘‘) โˆ€ ๐’™ โˆƒโ€Šโ€Š (โˆ’๐’™)|๐’™ + (โˆ’๐’™) = ๐จ;

(1.10.2)

In quel che segue il campo ๐”ฝ si identificherร , salvo avviso contrario, con il campo โ„‚ dei numeri complessi.

CAPITOLO - 1 - Richiami di Matematica -

21

1.11 - Spazi normati. Sia dato uno spazio vettoriale X si dice che esso รจ normato, se si รจ individuata una applicazione, denotata con โ€–๐’™โ€–, definita su X a valori nell'insieme โ„+ dei reali non negativi che โˆ€โ€‰๐’™,โ€Š๐’š โˆˆ X soddisfa le proprietร : ๐‘Ž) โ€–๐’™โ€– โ‰ฅ 0, โ€–๐’™โ€– = 0 โ‡” ๐’™ = ๐จ; { ๐‘) โ€–๐œ†๐’™โ€– = |๐œ†|โ€–๐’™โ€–; ๐‘) โ€–๐’™ + ๐’šโ€– โ‰ค โ€–๐’™โ€– + โ€–๐’šโ€–;

(1.11.1)

Si osservi che uno spazio normato รจ implicitamente anche uno spazio metrico in quanto si puรฒ assumere come distanza tra due elementi di esso la norma dell'elemento differenza cioรจ: ๐‘‘(๐’™, ๐’š) = โ€–๐’™ โˆ’ ๐’šโ€–;

(1.11.2)

Uno spazio normato si dice completo, o anche spazio di Banach, se comunque scelta una successione di Cauchy di suoi elementi, essa converge a un elemento dello spazio, o, che รจ lo stesso, se in detto spazio la condizione di Cauchy รจ necessaria e sufficiente alla convergenza di una successione di suoi elementi. 1.12 - Forme bilineari, quadratiche, hermitiane. Una polinomio a valori complessi nelle 2๐‘› variabili generalmente complesse ๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ , ๐‘ฅ๐‘› , ๐‘ฆ1 , ๐‘ฆ2 , โ€ฆ , ๐‘ฆ๐‘› del tipo: ๐‘›

๐‘›

๐‘„(๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ , ๐‘ฅ๐‘› , ๐‘ฆ1 , ๐‘ฆ2 , โ€ฆ , ๐‘ฆ๐‘› ) = โˆ‘ โˆ‘ ๐‘Ž๐‘–๐‘— ๐‘ฅ๐‘– ๐‘ฆ๐‘—

(1.12.1)

๐‘–=1 ๐‘—=1

viene chiamata forma bilineare. Introducendo i vettori: ๐‘ฆ1 ๐’š=[โ‹ฎ] ๐‘ฆ๐‘›

๐‘ฅ1 ๐’™ = [ โ‹ฎ ]; ๐‘ฅ๐‘›

(1.12.2)

e la matrice a coefficienti generalmente complessi ๐‘Ž11 ๐‘Ž21 ๐ด=[โ€ฆ ๐‘Ž๐‘›1

๐‘Ž12 ๐‘Ž22 โ€ฆ ๐‘Ž๐‘›2

โ€ฆ โ€ฆ โ€ฆ โ€ฆ

๐‘Ž1๐‘› ๐‘Ž2๐‘› โ€ฆ] ๐‘Ž๐‘›๐‘›

la (1.12.1) si puรฒ riscrivere nella seguente forma matriciale:

(1.12.3)

22

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

๐‘„(๐’™, ๐’š) = ๐’™๐‘‡ ๐ด๐’š

(1.12.4)

Per forma quadratica nelle ๐‘› variabili complesse ๐‘ฅ1 , ๐‘ฅ2 โ€ฆ ๐‘ฅ๐‘› si intende un polinomio omogeneo del tipo: ๐‘›

๐‘›

๐‘›

๐‘›

1 ๐‘„(๐’™) = ๐’™ ๐ด๐’™ = โˆ‘ โˆ‘ ๐‘Ž๐‘–๐‘— ๐‘ฅ๐‘– ๐‘ฅ๐‘— = โˆ‘ โˆ‘ (๐‘Ž๐‘–๐‘— + ๐‘Ž๐‘—๐‘– )๐‘ฅ๐‘– ๐‘ฅ๐‘— 2 ๐‘‡

๐‘–=1 ๐‘—=1

(1.12.5)

๐‘–=1 ๐‘—=1

Dall'ultimo membro della precedente si evince che ad una forma quadratica si puรฒ sempre associare una e una sola matrice simmetrica. Se detta matrice รจ reale e se ๐’™ โˆˆ โ„๐‘› la ๐‘„(๐’™) รจ una forma quadratica reale. Data una matrice ๐ด hermitiana, cioรจ tale che risulti: ๐‘Ž๐‘–๐‘— = ๐‘Ž๐‘—๐‘–โˆ— ๐‘–, ๐‘— = 1,2, โ€ฆ , ๐‘›

(1.12.6)

e definito ๐’™ secondo la (1.12.2) il polinomio: ๐‘›

๐‘›

๐‘„(๐’™) = โˆ‘ โˆ‘ ๐‘Ž๐‘–๐‘— ๐‘ฅ๐‘–โˆ— ๐‘ฅ๐‘—

(1.12.7)

๐‘–=1 ๐‘—=1

nelle ๐‘› variabili complesse ๐‘ฅ1 , ๐‘ฅ2 โ€ฆ ๐‘ฅ๐‘› รจ una forma hermitiana. Indicato con ๐’™โ€  il trasposto coniugato del vettore ๐’™, la ๐‘„(๐’™) si puรฒ porre nella forma matriciale: ๐‘„(๐’™) = ๐’™โ€  A๐’™. Per una forma hermitiana ๐‘„(๐’™) si ha: ๐‘› โˆ—

๐‘„ (๐’™) =

๐‘›

๐‘›

โˆ— โˆ‘ โˆ‘ ๐‘Ž๐‘–๐‘— ๐‘ฅ๐‘– ๐‘ฅ๐‘—โˆ—

๐‘›

= โˆ‘ โˆ‘ ๐‘Ž๐‘—๐‘– ๐‘ฅ๐‘– ๐‘ฅ๐‘—โˆ— = ๐‘„(๐’™)

๐‘–=1 ๐‘—=1

(1.12.8)

๐‘–=1 ๐‘—=1

essa assume quindi valori reali per ogni ๐’™ appartenente a โ„‚๐‘› . ponendo: ๐ด = ๐ด๐‘… + ๐‘—๐ด๐ผ

(1.12.9)

con ๐ด๐‘… e ๐ด๐ผ matrici reali e analogamente: ๐‘ฅ๐‘– = ๐‘ข๐‘– + ๐‘—๐‘ฃ๐‘– ,โ€‰โ€‰โ€‰๐‘– = 1,2 โ€ฆ ๐‘›

(1.12.10)

la forma hermitiana ๐‘„(๐‘ฅ) diventa: ๐‘„(๐’™) = (๐’–๐‘‡ โˆ’ ๐‘—๐’—๐‘‡ )(๐ด๐‘… + ๐‘—๐ด๐ผ )(๐’– + ๐‘—๐’—) = (๐’–๐‘‡ ๐ด๐‘… ๐’– โˆ’ ๐’–๐‘‡ ๐ด๐ผ ๐’— + ๐‘ฃ ๐‘‡ ๐ด๐‘… ๐’— + ๐’—๐‘‡ ๐ด๐ผ ๐’–) + ๐‘—(๐’–๐‘‡ ๐ด๐‘… ๐’— + ๐’–๐‘‡ ๐ด๐ผ ๐’– โˆ’ ๐’—๐‘‡ ๐ด๐‘… ๐’– + ๐’—๐‘‡ ๐ด๐ผ ๐’—)

(1.12.11)

CAPITOLO - 1 - Richiami di Matematica -

23

Poichรฉ, tenendo conto della (1.12.8), e valendo la condizione (1.12.6) sussistono le uguaglianze: ๐ด๐‘‡๐‘… = ๐ด๐‘… ; ๐ด๐‘‡๐ผ = โˆ’๐ด๐ผ

(1.12.12)

da cui discendono le ulteriori identitร : โˆ’๐’–๐‘‡ ๐ด๐ผ ๐’— + ๐’—๐‘‡ ๐ด๐ผ ๐’– = โˆ’(๐’—๐‘‡ ๐ด๐‘‡๐ผ ๐’–)๐‘‡ + ๐’—๐‘‡ ๐ด๐ผ ๐’– = (๐’—๐‘‡ ๐ด๐ผ ๐’–)๐‘‡ + ๐’—๐‘‡ ๐ด๐ผ ๐’– = ๐’—๐‘‡ ๐ด๐ผ ๐’–๐’— + ๐’—๐‘‡ ๐ด๐ผ ๐’– = 2๐’—๐‘‡ ๐ด๐ผ ๐’–; ๐’–๐‘‡ ๐ด๐‘… ๐’— โˆ’ ๐’—๐‘‡ ๐ด๐‘… ๐’– = (๐’—๐‘‡ ๐ด๐‘‡๐‘… ๐’–)๐‘‡ โˆ’ ๐’—๐‘‡ ๐ด๐‘… ๐’– =

(๐’—๐‘‡

๐‘‡

๐‘‡

๐‘‡

(1.12.13)

๐‘‡

๐ด๐‘… ๐’–) โˆ’ ๐’— ๐ด๐‘… ๐’– = ๐’— ๐ด๐‘… ๐’– โˆ’ ๐’— ๐ด๐‘… ๐’– = 0;

{ ๐’–๐‘‡ ๐ด๐ผ ๐’– = (๐’–๐‘‡ ๐ด๐‘‡๐ผ ๐’–)๐‘‡ = โˆ’๐’–๐‘‡ ๐ด๐ผ ๐’– โ‡’ ๐’–๐‘‡ ๐ด๐ผ ๐’– = 0;

la ๐‘„(๐’™) si puรฒ anche riscrivere: ๐‘„(๐’™) = ๐’–๐‘‡ ๐ด๐‘… ๐’– + ๐’—๐‘‡ ๐ด๐‘… ๐’— + 2๐‘ฃ ๐‘‡ ๐ด๐ผ ๐’– ๐ด ๐ด๐‘‡๐ผ ๐’– = [๐’–๐‘‡ โ€‰๐’—๐‘‡ ] [ ๐‘… ][ ] ๐ด ๐ผ ๐ด๐‘… ๐’—

(1.12.14)

Una forma hermitiana puรฒ quindi essere rappresentata anche da una forma quadratica nelle 2๐‘› variabili reali ๐‘ข1 , ๐‘ข2 โ€ฆ ๐‘ข๐‘› ; ๐‘ฃ1 , ๐‘ฃ2 โ€ฆ ๐‘ฃ๐‘› . 1.13 - Riduzione di una forma hermitiana a forma canonica. Si consideri una forma hermitiana ๐‘„(๐’™) nelle ๐‘› variabili ๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ , ๐‘ฅ๐‘› . Data una matrice ๐‘‡ di ordine ๐‘› non singolare, esiste una unica ๐‘›upla ๐‘ง1 , ๐‘ง2 , โ€ฆ , ๐‘ง๐‘› che soddisfa il sistema: ๐‘‡๐’› = ๐’™

(1.13.1)

La forma ๐‘„(๐’™) riferita a ๐’› si muta nella: ๐‘„(๐‘‡๐’›) = (๐‘‡๐’›)โ€  ๐ด(๐‘‡๐’›) = ๐’›โ€  ๐‘‡ โ€  ๐ด๐‘‡๐’› = ๐’›โ€  ๐ดโ€ฒ ๐’› = ๐‘„โ€ฒ (๐’›)

(1.13.2)

in cui si รจ posto: ๐ดโ€ฒ = ๐‘‡ โ€  ๐ด๐‘‡

(1.13.3)

โ€ฒ

๐‘„ (๐’›)รจ una forma hermitiana in ๐’› poichรฉ risulta: โ€ 

๐ดโ€ฒ = (๐‘‡ โ€  ๐ด๐‘‡)โ€  = ๐‘‡ โ€  ๐ดโ€  ๐‘‡ = ๐‘‡ โ€  ๐ด๐‘‡ = ๐ดโ€ฒ

(1.13.4)

๐ดโ€ฒ รจ hermitiana.

Per autovettore associato ad una matrice quadrata di ordine ๐‘› si intende una soluzione non banale del sistema di equazioni dipendente dal parametro ๐œ†:

24

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

(๐ด โˆ’ ๐œ†๐ผ)๐’— = 0

(1.13.5)

Poichรฉ il sistema รจ omogeneo, esso ammette soluzioni non banali solo se รจ nullo il determinante della matrice dei coefficienti. L'imposizione di tale condizione conduce a una equazione polinomiale di grado ๐‘› nell'incognita ๐œ†. Detta equazione ammette al piรน ๐‘› soluzioni distinte, dette autovalori della matrice. Ogni vettore non banale ๐’—๐‘– che soddisfa l'equazione: ๐ด๐’—๐‘– = ๐œ†๐‘– ๐’—๐‘–

(1.13.6)

cioรจ alla (1.13.5) scritta per l'autovalore ๐œ†๐‘– , รจ chiamato autovettore associato all'autovalore considerato. Ci si convince facilmente del fatto che se ๐’—๐‘– รฉ un autovettore di ๐ด, tale รจ anche un qualunque vettore ๐’–๐‘– = ๐›ผ๐’—๐‘– dove ๐›ผ รจ un complesso โˆ’1

qualsiasi. In particolare ponendo ๐›ผ =

(โˆš๐’—โ€ ๐‘– ๐’—๐‘– )

si ottiene un autovet-

tore ๐’–๐‘– che soddisfa la condizione di normalizzazione ๐’–โ€ ๐‘– ๐’–๐‘– = 1

(1.13.7)

e viene quindi chiamato autoversore della matrice. Si osservi che gli autovalori di una matrice hermitiana ๐ด sono reali. Infatti premoltimplicando ambo i membri della (1.13.6) per ๐’—โ€ ๐‘– si ha: ๐’—โ€ ๐‘– ๐ด๐’—๐‘– = ๐’—๐‘–โ€  ๐œ†๐‘– ๐’—๐‘– = ๐œ†๐‘– ๐’—โ€ ๐‘– ๐’—๐‘– .

(1.13.8)

Ricordando che in virtรน della (1.12.8) una forma hermitiana assume solo valori reali e poichรฉ ๐’—โ€ ๐‘– ๐’—๐‘– รจ, come si verifica facilmente, reale, ๐œ†๐‘– deve essere necessariamente reale. Si puรฒ anche mostrare che autovettori ๐’—๐‘– , ๐’—๐‘— , associati a una matrice hermitiana ๐ด, relativi a due autovalori distinti ๐œ†๐‘– , ๐œ†๐‘— , sono mutuamente ortogonali, cioรจ soddisfano lโ€™uguaglianza: ๐’—โ€ ๐‘– ๐’—๐‘— = 0

(1.13.9)

Infatti, in virtรน della (1.13.6) e della appartenenza ad โ„ degli autovalori, si puรฒ scrivere: ๐œ†๐‘— ๐’—โ€ ๐‘– ๐’—๐‘— = ๐’—โ€ ๐‘– ๐œ†๐‘— ๐’—๐‘— = ๐’—โ€ ๐‘– ๐ด๐’—๐‘— = (๐’—๐‘—โ€  ๐ดโ€  ๐’—๐‘– )โ€  = = (๐’—๐‘—โ€  ๐ด๐’—๐‘– )โ€  = (๐’—๐‘—โ€  ๐œ†๐‘– ๐’—๐‘– )โ€  = ๐œ†โˆ—๐‘– ๐’—โ€ ๐‘– ๐’—๐‘— = ๐œ†๐‘– ๐’—โ€ ๐‘– ๐’—๐‘—

(1.13.10)

CAPITOLO - 1 - Richiami di Matematica -

25

Essendo per ipotesi ๐œ†๐‘– โ‰  ๐œ†๐‘— dalla precedente discende la (1.13.9). In quel che segue si ipotizza per semplicitร  che tutti gli autovalori della matrice hermitiana ๐ด abbiano molteplicitร  1, o che รจ lo stesso, che il suo polinomio caratteristico ammette ๐‘› radici distinte. Si vuole provare che, mediante una trasformazione del tipo (1.13.3), รจ possibile individuare un riferimento rispetto al quale la forma hermitiana si presenta in forma diagonale3. A tal fine si consideri la matrice ๐‘‡ degli autovettori normalizzati di ๐ด: ๐‘‡ = [๐’–1

๐’–2

โ‹ฏ

๐’–๐‘› ]

๐’–1โ€  ๐‘‡ โ€  ๐‘‡ = [ โ‹ฎ ] [๐’–1 ๐’–โ€ ๐‘›

โ‹ฏ

๐’–๐‘› ] = ๐ผ

(1.13.11)

Risulta: (1.13.12)

da cui immediatamente si evince che ๐‘‡ โ€  = ๐‘‡ โˆ’1 e che ๐‘‡ ha determinante unitario. Sostituendo la matrice ๐‘‡ appena introdotta nella (1.13.3) si ottiene: ๐’–1โ€ 

โ€  ๐ดโ€ฒ = ๐’–2 ๐ด[๐’–1 , ๐’–2 , โ€ฆ , ๐’–๐‘› ] โ‹ฎ [๐’–โ€ ๐‘› ]

๐’–1โ€  ๐ด๐’–1

โ€  = ๐’–2 ๐ด๐’–1 โ€ฆ [๐’–โ€ ๐‘› ๐ด๐’–1

๐’–1โ€  ๐ด๐’–2

๐’–โ€ 2 ๐ด๐’–2 โ€ฆ ๐’–โ€ ๐‘› ๐ด๐’–2

โ€ฆ โ€ฆ โ€ฆ โ€ฆ

๐’–1โ€  ๐ด๐’–๐‘›

(1.13.13)

๐’–โ€ 2 ๐ด๐’–๐‘› โ€ฆ ๐’–โ€ ๐‘› ๐ด๐’–๐‘› ]

che, ricordando le (1.13.6), (1.13.7) e la (1.13.9) diventa: ๐œ†1 ๐’–1โ€  ๐’–1 ๐ดโ€ฒ = [

0 โ€ฆ 0

0

โ€ฆ

0

๐œ†2 ๐’–โ€ 2 ๐’–2

โ€ฆ โ€ฆ โ€ฆ

0 โ€ฆ ๐œ†๐‘› ๐’–โ€ ๐‘› ๐’–๐‘› ]

โ€ฆ 0

(1.13.14)

= diag(๐œ†1 , ๐œ†2 , โ€ฆ , ๐œ†๐‘› ) 3

Si noti che la diagonalizzazione di una forma hermitiana รจ possibile anche nel caso in cui gli autovalori non abbiano tutti molteplicitร  1

26

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

Per effetto di tale trasformazione quindi la forma hermitiana si riscrive: ๐‘›

๐‘„ (๐’›) = โˆ‘ ๐œ†๐‘– ๐‘ง๐‘– ๐‘ง๐‘–โˆ— โ€ฒ

(1.13.15)

๐‘–=1

Si osservi che, il determinante di ๐ด รจ uguale al determinante di ๐ดโ€ฒ , che a sua volta รจ dato da โˆ๐‘›๐‘–=1 ๐œ†๐‘– . Se ne conclude che una matrice hermitiana ha determinante reale.

1.14 - Forme hermitiane semidefinite positive. Una forma hermitiana si dice semidefinita positiva se per ogni ๐’™ risulta: ๐‘„(๐’™) โ‰ฅ 0

(1.14.1)

Se risulta ๐‘„(๐’™) = 0 solo per ๐’™ = ๐จ la forma si dice definita positiva. Se una forma hermitiana รจ semidefinita positiva ovviamente tale รจ anche la sua forma equivalente ๐‘„โ€ฒ (๐’›). In particolare ciรฒ comporta: ๐œ†1 โ‰ฅ 0,โ€‰โ€‰๐œ†2 โ‰ฅ 0,โ€‰ โ€ฆ , ๐œ†๐‘› โ‰ฅ 0

(1.14.2)

quindi deve anche essere: det(๐ด) โ‰ฅ 0

(1.14.3)

Ci si convince facilmente che attribuendo valore zero a ๐‘› โˆ’ ๐‘Ÿ variabili di una forma hermitiana semidefinita positiva si ottiene ancora una forma hermitiana semidefinita positiva nelle ๐‘Ÿ variabili non nulle. Assumendo, senza per questo ledere la generalitร , che le variabili non necessariamente nulle siano le prime ๐‘Ÿ, si deduce che la condizione di semidefinitezza positiva comporta anche: ๐‘Ž11

๐‘Ž11 โ‰ฅ 0; โ€‰โ€‰โ€‰ |๐‘Ž 21

๐‘Ž11 ๐‘Ž21 ๐‘Ž12 ๐‘Ž22 | โ‰ฅ 0; โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰ | โ€ฆ ๐‘Ž๐‘›1

๐‘Ž12 ๐‘Ž22 โ€ฆ ๐‘Ž๐‘›2

โ€ฆ โ€ฆ โ€ฆ โ€ฆ

๐‘Ž1๐‘› ๐‘Ž2๐‘› โ€ฆ | โ‰ฅ 0; ๐‘Ž๐‘›๐‘›

(1.14.4)

Cioรจ i determinanti dei minori principali della matrice di una forma hermitiana semidefinita positiva non possono essere negativi. Si puรฒ dimostrare che tale condizione รจ anche sufficiente affinchรฉ la forma sia semidefinita positiva. Esempio 1.3 La forma

CAPITOLO - 1 - Richiami di Matematica -

27

๐‘„(๐’™) = (4๐œ‰ + 5)๐‘ฅ1 ๐‘ฅ1โˆ— + ๐‘ฅ1โˆ— ๐‘ฅ2 + ๐‘ฅ1 ๐‘ฅ2โˆ— + (๐œ‰ + 2)๐‘ฅ2 ๐‘ฅ2โˆ—

รจ una forma hermitiana nelle variabili ๐’™ = [๐‘ฅ1 ๐‘ฅ2 ]๐‘‡ dipendente dal parametro ๐œ‰, in quanto la matrice ad essa associata, essendo reale รจ simmetrica soddisfa la (1.12.6). Per studiarne la natura, occorre prendere in considerazione la matrice ad essa associata 4๐œ‰ + 5 1 ๐ด=[ ] 1 ๐œ‰+2

il cui determinate vale: ๐‘‘๐‘’๐‘ก(๐ด) = (4๐œ‰ + 5)(๐œ‰ + 2) โˆ’ 1 = 4๐œ‰ 2 + 13๐œ‰ + 9

Esso si annulla in corrispondenza dei valori di ๐œ‰ dati dalle: โˆ’13 โˆ’ โˆš132 โˆ’ 16 โ‹… 9 โˆ’13 โˆ’ 5 = = โˆ’1 8 8 2 โˆ’13 + โˆš13 โˆ’ 16 โ‹… 9 โˆ’13 + 5 9 ๐œ‰2 = = =โˆ’ 8 8 4 { ๐œ‰1 =

Poichรฉ risulta: det(๐ด) โ‰ฅ 0 per ๐œ‰ โ‰ค โˆ’

9 โ‹ ๐œ‰ โ‰ฅ โˆ’1 4

e anche 4๐œ‰ + 5 โ‰ฅ 0 per ๐œ‰ โ‰ฅ โˆ’

5 4

la forma hermitiana รจ semidefinita positiva solo se: ๐œ‰ โ‰ฅ โˆ’1

1.15 - Prodotto scalare. Lo spazio vettoriale X sul campo โ„‚ dei numeri complessi si puรฒ dotare di prodotto scalare, se รจ possibile definire una applicazione, qui indicata con la notazione โŒฉ๐’™, ๐’šโŒช, di X ร— X su โ„‚ che soddisfa le seguenti proprietร : ๐‘Ž) โŒฉ๐’™, ๐’šโŒช = โŒฉ๐’š, ๐’™โŒชโˆ— ; ๐‘) โŒฉ๐’™, ๐’™โŒช โ‰ฅ 0; โŒฉ๐’™, ๐’™โŒช = 0 โ‡” ๐’™ = ๐’; ๐‘) โŒฉ๐œ†๐’™, ๐’šโŒช = ๐œ†โŒฉ๐’™, ๐’šโŒช = โŒฉ๐’™, ๐œ†โˆ— ๐’šโŒช; {๐‘‘) โŒฉ(๐’™ + ๐’š), ๐’›โŒช = โŒฉ๐’™, ๐’›โŒช + โŒฉ๐’š, ๐’›โŒช;

(1.15.1)

Si noti che la proprietร  (1.15.1)a, implica che la quantitร  a primo membro della (1.15.1)b deve essere reale. Tale osservazione consente di dedurre dai primi due l'ultimo membro della (1.15.1)c.

28

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

La proprietร  (1.15.1)c si riassume dicendo che il prodotto scalare รจ lineare a sinistra ed antilineare a destra. Detti ๐’™1 , ๐’™2 due elementi di X e ๐‘˜1 , ๐‘˜2 due complessi, si ha: 0 โ‰ค โŒฉ๐‘˜1 ๐’™1 + ๐‘˜2 ๐’™2 , ๐‘˜1 ๐’™1 + ๐‘˜2 ๐’™2 โŒช = ๐‘˜1 โŒฉ๐’™1 , ๐‘˜1 ๐’™1 + ๐‘˜2 ๐’™2 โŒช + ๐‘˜2 โŒฉ๐’™2 , ๐‘˜1 ๐’™1 + ๐‘˜2 ๐’™2 โŒช

(1.15.2)

e per la proprietร  (1.15.1)a: 0 โ‰ค ๐‘˜1 โŒฉ๐‘˜1 ๐’™1 + ๐‘˜2 ๐’™2 , ๐’™1 โŒชโˆ— + ๐‘˜2 โŒฉ๐‘˜1 ๐’™1 + ๐‘˜2 ๐’™2 , ๐’™2 โŒชโˆ— = โŒฉ๐’™1 , ๐’™1 โŒชโˆ— ๐‘˜1 ๐‘˜1โˆ— + โŒฉ๐’™2 , ๐’™1 โŒชโˆ— ๐‘˜1 ๐‘˜2โˆ— + โŒฉ๐’™1 , ๐’™2 โŒชโˆ— ๐‘˜1โˆ— ๐‘˜2 + โŒฉ๐’™2 , ๐’™2 โŒชโˆ— ๐‘˜2 ๐‘˜2โˆ— =

โŒฉ๐’™1 , ๐’™1 โŒช๐‘˜1 ๐‘˜1โˆ—

+

(1.15.3)

โŒฉ๐’™1 , ๐’™2 โŒช๐‘˜1 ๐‘˜2โˆ—

+ โŒฉ๐’™1 , ๐’™2 โŒช โˆ—

๐‘˜1โˆ— ๐‘˜2

+ โŒฉ๐’™2 , ๐’™2 โŒช๐‘˜2 ๐‘˜2โˆ—

Ciรฒ significa che la forma hermitiana โ„Ž(๐‘˜1 , ๐‘˜2 ) = ๐‘Ž11 ๐‘˜1 ๐‘˜1โˆ— + ๐‘Ž12 ๐‘˜1 ๐‘˜2โˆ— + ๐‘Ž21 ๐‘˜1โˆ— ๐‘˜2 + ๐‘Ž22 ๐‘˜2 ๐‘˜2โˆ—

(1.15.4)

dove: ๐‘Ž11 = โŒฉ๐’™1 , ๐’™1 โŒช ๐‘Ž21 = โŒฉ๐’™1 , ๐’™2 โŒชโˆ—

๐‘Ž12 = โŒฉ๐’™1 , ๐’™2 โŒช ๐‘Ž22 = โŒฉ๐’™2 , ๐’™2 โŒช

(1.15.5)

รจ semidefinita positiva. Pertanto deve essere ๐‘Ž11 ๐‘Ž22 โˆ’ ๐‘Ž12 ๐‘Ž21 โ‰ฅ 0. Tenendo conto delle (1.15.5), si deduce che vale la disuguaglianza di Schwarz: 1

1

|โŒฉ๐’™1 , ๐’™2 โŒช| โ‰ค โŒฉ๐’™1 , ๐’™1 โŒช2 โ‹… โŒฉ๐’™2 , ๐’™2 โŒช2

(1.15.6)

Che รจ verificata come uguaglianza quando, in accordo con la proprietร  (1.15.1)b, si ha ๐’™1 = ๐’ e/o ๐’™2 = ๐’, ovvero se risulta: ๐’™1 = ๐‘˜๐’™2

(1.15.7)

dove ๐‘˜ โˆˆ โ„‚. Se uno spazio รจ dotato di prodotto scalare esso รจ implicitamente anche uno spazio normato nel senso che la quantitร  โˆšโŒฉ๐’™, ๐’™โŒช รจ una possibile norma per X. Essa infatti รจ una quantitร  reale e non negativa; inoltre risulta: โŒฉ๐‘˜๐’™, ๐‘˜๐’™โŒช = ๐‘˜โŒฉ๐’™, ๐‘˜๐’™โŒช = ๐‘˜โŒฉ๐‘˜๐’™, ๐’™โŒชโˆ— = |๐‘˜|2 โŒฉ๐’™, ๐’™โŒช

e quindi

(1.15.8)

CAPITOLO - 1 - Richiami di Matematica 1 2

โŒฉ๐‘˜๐’™, ๐‘˜๐’™โŒช = |๐‘˜|โŒฉ๐’™, ๐’™โŒช

29

1 2

(1.15.9)

il che significa che la proprietร  (1.11.1)b della norma รจ verificata. In base alla proprietร  (1.15.1)c si ottiene facilmente: โŒฉ(๐’™1 + ๐’™2 ), (๐’™1 + ๐’™2 )โŒช = โŒฉ๐’™1 , ๐’™1 โŒช + 2Re[โŒฉ๐’™1 , ๐’™2 โŒช] + โŒฉ๐’™2 , ๐’™2 โŒช

(1.15.10)

dalla quale applicando la disuguaglianza di Schwarz si deduce: 1

1

โŒฉ๐’™1 + ๐’™2 , ๐’™1 + ๐’™2 โŒช2 โ‰ค (โŒฉ๐’™1 , ๐’™1 โŒช + 2|โŒฉ๐’™1 , ๐’™2 โŒช| + โŒฉ๐’™2 , ๐’™2 โŒช)2 1

1

โ‰ค (โŒฉ๐’™1 , ๐’™1 โŒช + 2โŒฉ๐’™1 , ๐’™1 โŒช2 โŒฉ๐’™2 , ๐’™2 โŒช2 + โŒฉ๐’™2 , ๐’™2 โŒช) 1

1 2

(1.15.11)

1

= โŒฉ๐’™1 , ๐’™1 โŒช2 + โŒฉ๐’™2 , ๐’™2 โŒช2

che corrisponde alla proprietร  (1.11.1)c della norma. In definitiva se X รจ dotato di prodotto scalare a esso si puรฒ anche associare la norma cosรฌ definita: 1

โ€–๐’™โ€– = โŒฉ๐’™, ๐’™โŒช2

(1.15.12)

Se due vettori ๐’™1 e ๐’™2 sono tali che il loro prodotto scalare si annulla si dicono ortogonali. Se essi hanno anche norma unitaria cioรจ se: โŒฉ๐’™1 , ๐’™2 โŒช = 0โ€‰โ€‰ โˆง โ€‰โ€‰โ€–๐’™1 โ€– = โ€–๐’™2 โ€–โ€‰ = 1

(1.15.13)

si dicono ortonormali. Uno spazio vettoriale dotato di prodotto scalare, รจ anche uno spazio metrico. Infatti รจ possibile assumere come distanza tra due elementi qualsiasi dello spazio la quantitร : ๐‘‘(๐’™๐Ÿ , ๐’™๐Ÿ ) = โ€–๐’™๐Ÿ โˆ’ ๐’™๐Ÿ โ€– = โˆšโŒฉ๐’™๐Ÿ โˆ’ ๐’™๐Ÿ , ๐’™๐Ÿ โˆ’ ๐’™๐Ÿ โŒช

(1.15.14)

Con ciรฒ non si intende dire che non รจ possibile definire su uno spazio dotato di prodotto scalare altre metriche o altre norme, ma semplicemente che, se si definisce su uno spazio un prodotto scalare, a esso naturalmente si associano la metrica e la norma da esso indotte e con esso coerenti. Uno spazio vettoriale dotato di prodotto scalare che sia anche completo รจ detto spazio di Hilbert.

30

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

1.16 - Vettori linearmente indipendenti. Sia dato uno spazio vettoriale X sul campo โ„‚, si considerino ๐‘› suoi vettori (๐’™1 , ๐’™2 , โ€ฆ , ๐’™๐‘› ) e una ๐‘›-upla di complessi (๐›ผ1 , ๐›ผ2 , โ€ฆ , ๐›ผ๐‘› ) e sia ๐’™ il vettore di X ottenuto combinando linearmente i vettori anzidetti a mezzo della ๐‘›-upla di costanti. In simboli: ๐‘›

๐’™ = โˆ‘ ๐›ผ ๐‘– ๐’™๐‘–

(1.16.1)

๐‘–=1

se risulta: ๐‘›

๐‘›

๐’™ = โˆ‘ ๐›ผ๐‘– ๐’™๐‘– = ๐’ โ‡” โˆ‘|๐›ผ๐‘– | = 0 ๐‘–=1

(1.16.2)

๐‘–=1

cioรจ se l'unica ๐‘›-upla di scalari (๐›ผ1 , ๐›ผ2 , โ€ฆ , ๐›ผ๐‘› ) che porta nell'origine dello spazio รจ quella i cui elementi sono tutti nulli, si dice che i vettori (๐’™1 , ๐’™2 , โ€ฆ , ๐’™๐‘› ) sono linearmente indipendenti. Si verifica facilmente che il sottoinsieme di X generato da tutte le possibili combinazioni lineari di ๐‘› vettori รจ a sua volta uno spazio vettoriale, generalmente un sottospazio, non necessariamente proprio, di X. Se gli ๐‘› vettori sono linearmente indipendenti, e se lo spazio da essi generato coincide con X, si dice che gli ๐‘› vettori sono una base per X. รˆ Inoltre facile convincersi del fatto che se ๐‘› vettori sono una base per lo spazio vettoriale X e ad essi si aggiunge un ulteriore vettore gli ๐‘› + 1 vettori cosรฌ ottenuti sono linearmente dipendenti. Inoltre se ๐‘› vettori linearmente indipendenti generano X comunque presa un'altra ๐‘›upla di vettori linearmente indipendenti di X anche essa generร  X. Ciรฒ significa che il parametro ๐‘› รจ caratteristico dello spazio vettoriale considerato e ne individua la dimensione. รˆ opportuno osservare che uno spazio vettoriale non deve necessariamente avere dimensione finita; in questo caso si dice che lo spazio ha dimensione infinita. Dato uno spazio vettoriale X di dimensione ๐‘›, finita o infinita, ๐‘˜ < ๐‘› vettori linearmente indipendenti di detto spazio generano uno spazio vettoriale di dimensione ๐‘˜ contenuto propriamente in X. Si osservi che scegliere una base per uno spazio vettoriale X di dimensione ๐‘ equivale a definire una corrispondenza biunivoca tra i vet-

CAPITOLO - 1 - Richiami di Matematica -

31

tori dello spazio e tutte le possibili ๐‘-uple ordinate (๐›ผ1 , ๐›ผ2 , โ€ฆ , ๐›ผ๐‘ ) di numeri complessi cioรจ tra il generico vettore di X e il generico punto di โ„‚๐‘ che รจ a sua volta uno spazio vettoriale. Il generico elemento ๐›ผ๐‘– di tale ๐‘-upla รจ la componente ๐‘– -esima del vettore rispetto alla base prescelta. Il vettore ๐›ผ๐‘– ๐’™๐‘– รจ il componente ๐‘–-esimo rispetto alla predetta base.

CAPITOLO - 2 RAPPRESENTAZIONE VETTORIALE DEI SEGNALI 2.1 - Premessa. Un segnale a tempo continuo puรฒ essere identificato mediante una funzione generalmente complessa di ๐‘ variabili reali definita in D โŠ† โ„๐‘ . In quel che segue, si considerano prevalentemente segnali dipendenti da una sola variabile che generalmente รจ il tempo. Essi sono quindi rappresentati da funzioni del tipo: ๐‘ : ๐‘ก โˆˆ T โŠ† โ„ โ†’ โ„‚

(2.1.1)

Il primo passo nell'analisi di un segnale consiste nella sua classificazione, che si effettua sulla base delle proprietร  di cui gode. Ciรฒ equivale a considerare il segnale come appartenente a una data classe o insieme. Se S denota un tale insieme e ๐‘ (๐‘ก) รจ un suo elemento, si scrive: ๐‘ (๐‘ก) โˆˆ S

-

(2.1.2)

Esempi di tali insiemi sono: l'insieme S๐‘† dei segnali sinusoidali, definito dalla seguente regola di appartenenza: ๐‘ (๐‘ก) โˆˆ S๐‘† โ‡” ๐‘ (๐‘ก) = ๐‘‰0 Re[๐‘’ ๐‘—(2๐œ‹๐‘“๐‘ก+๐œ‘) ];

-

(๐‘‰0 โ‰ฅ ,0, ๐‘“, ๐œ‘ โˆˆ โ„)

l'insieme S๐‘ƒ dei segnali periodici che obbedisce alla: ๐‘ (๐‘ก) โˆˆ S๐‘ƒ โ‡’ โˆƒ ๐‘‡ > 0 | โˆ€ ๐‘ก โ‡’ ๐‘ (๐‘ก) = ๐‘ (๐‘ก + ๐‘‡)

-

(2.1.4)

l'insieme ๐‘†๐ท dei segnali a durata limitata cosi definiti: ๐‘ (๐‘ก) โˆˆ S๐ท โ‡’ โˆƒ๐‘ก1 โˆง ๐‘ก2 โˆˆ โ„ | ๐‘ (๐‘ก) = 0 โˆ€ ๐‘ก โˆ‰ [๐‘ก1 , ๐‘ก2 ]

-

(2.1.3)

(2.1.5)

L'insieme ๐‘†๐ต dei segnali a banda limitata cioรจ quelli per cui si ha: โˆž

๐‘ (๐‘ก) โˆˆ S๐ต โ‡’ โˆƒ ๐‘“1 โˆง ๐‘“2 โˆˆ โ„ | โˆซ ๐‘ (๐‘ก)๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘ก = 0, โˆ’โˆž

โˆ€ ๐‘“ | |๐‘“| โˆ‰ [๐‘“1 , ๐‘“2 ]

(2.1.6)

34

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

รˆ evidente che se si riesce ad associare a un dato insieme di segnali una struttura algebrica, si possono meglio evidenziare particolari caratteristiche degli elementi che lo compongono. Ad esempio se su un dato insieme si definisce una metrica diventa possibile associare una distanza a ogni coppia di suoi elementi. L'individuazione di una struttura algebrica piรน complessa, su un dato insieme di segnali, come ad esempio quella di spazio vettoriale, permette di utilizzare gli strumenti propri dell'Algebra lineare. Ad esempio, lo sviluppo di un segnale in termini di unโ€™opportuna base dello spazio, permetterebbe di rappresentare il segnale mediante una sequenza al piรน numerabile di coefficienti. Tale tipo di rappresentazione ha come immediata conseguenza una notevole semplificazione nell'applicazione di tecniche numeriche all'analisi dei segnali. Inoltre, la struttura di spazio vettoriale rende alcune proprietร  evidenti e intuitivamente accettabili, in quanto si presta a semplici analogie di tipo geometrico. Dette analogie risultano inoltre particolarmente efficaci nell'approccio a molti problemi, la cui soluzione, affrontata per via puramente analitica, risulterebbe oltremodo complessa. Una classe di segnali di particolare interesse รจ costituita dai segnali ad energia finita. Se si vuole associare a tale classe la desiderata struttura di spazio vettoriale, รจ necessario tuttavia raffinare la definizione di segnale come verrร  chiarito nel prossimo paragrafo. 2.2 - Lo spazio dei segnali a energia finita. Si consideri l'insieme delle funzioni reali o complesse appartenenti a ๐”2 (โ„). In detto insieme sโ€™introduce la relazione di equivalenza: due funzioni sono equivalenti se assumono valori diversi solo in un sottoinsieme di โ„ di misura nulla cioรจ se le funzioni sono uguali quasi ovunque. La relazione di equivalenza appena introdotta definisce una partizione S di ๐”2 (โ„). S รจ cioรจ una famiglia di sottoinsiemi disgiunti di ๐”2 (โ„), detti classi di equivalenza, la cui unione ricopre ๐”2 (โ„). Ciascun elemento ๐‘  di S รจ un segnale. In altri termini due funzioni in ๐”2 (โ„) uguali quasi ovunque rappresentano lo stesso segnale in quanto appartengono alla medesima classe di equivalenza. Siano ๐‘ 1 (๐‘ก), ๐‘ 2 (๐‘ก) due funzioni scelte arbitrariamente nelle rispettive classi di equivalenza ๐’”1 , ๐’”2 . La funzione ๐‘ (๐‘ก) = ๐‘ 1 (๐‘ก) + ๐‘ 2 (๐‘ก), appartenendo, in virtรน della (1.8.3), a ๐”2 (โ„), individua un solo segnale ๐’” โˆˆ S

CAPITOLO - 2 โ€“ Rappresentazione Vettoriale dei Segnali

-35-

che costituisce la somma dei segnali ๐’”1 , ๐’”2 . In modo analogo si puรฒ definire in S l'elemento ๐›ผ๐’” con ๐›ผ costante complessa. รˆ facile verificare che S รจ un gruppo commutativo rispetto all'operazione di somma sopra definita. L'elemento neutro di detto gruppo รจ la classe delle funzioni quasi ovunque nulle. Dalle ultime considerazioni svolte, discende che S ha la struttura di spazio vettoriale. Esso รจ denominato spazio dei segnali a energia finita. Tale nome รจ giustificato dal fatto che a ogni elemento ๐’” โˆˆ S si puรฒ associare la quantitร : โˆž

๐ธ = โˆซ |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก < โˆž

(2.2.1)

โˆ’โˆž

che, essendo invariante rispetto alla scelta di ๐‘ (๐‘ก) nella classe ๐’”, esprime l'energia specifica associata al segnale ๐’”. In quel che segue, per brevitร , spesso un segnale ๐‘  verrร  denotato mediante una qualunque funzione ๐‘ (๐‘ก) appartenente alla classe di equivalenza associata al segnale in esame. Prodotto scalare

Dati due generici elementi ๐’”1 ed ๐’”2 dello spazio S ad essi si puรฒ associare la quantitร  generalmente complessa definita dalla: โˆž

โŒฉ๐’”1 , ๐’”2 โŒช = โˆซ ๐‘ 1 (๐‘ก)๐‘ 2โˆ— (๐‘ก)๐‘‘๐‘ก

(2.2.2)

โˆ’โˆž

Detta quantitร  esiste ed รจ limitata in modulo. Infatti tenendo conto della (1.8.4), risulta: โˆž

โˆž

|โˆซ ๐‘ 1 (๐‘ก)๐‘ 2โˆ— (๐‘ก)๐‘‘๐‘ก| โ‰ค โˆซ |๐‘ 1 (๐‘ก)๐‘ 2โˆ— (๐‘ก)|๐‘‘๐‘ก โˆ’โˆž

โˆž

2

1 2

โˆ’โˆž

โˆž

2

1 2

(2.2.3)

โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰ โ‰ค (โˆซ |๐‘ 1 (๐‘ก)| ๐‘‘๐‘ก) (โˆซ |๐‘ 2 (๐‘ก)| ๐‘‘๐‘ก) < โˆž โˆ’โˆž

โˆ’โˆž

La (2.2.2) definisce un prodotto scalare in quanto รจ facile verificare che essa soddisfa le proprietร  (1.15.1) che lo caratterizzano. Distanza

Da quanto esposto nel Capitolo precedente, discende che lo spazio S, essendo dotato di prodotto scalare, รจ uno spazio metrico. La di-

36

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

stanza ๐‘‘(๐’”1 , ๐’”2 ) tra due qualsiasi suoi elementi, coerente con la (2.2.2), รจ definita dalla: โˆž

1 2

๐‘‘(๐’”1 , ๐’”2 ) = โŒฉ๐’”1 โˆ’ ๐’”2 , ๐’”1 โˆ’ ๐’”2 โŒช = (โˆซ |๐‘ 1 (๐‘ก) โˆ’ ๐‘ 2 (๐‘ก)|2 ๐‘‘๐‘ก )

1 2

(2.2.4)

โˆ’โˆž

Norma

Lo spazio S รจ normato. Infatti ad esso puรฒ associarsi la seguente norma: โˆž

2

โ€–๐’”โ€– = โˆšโŒฉ๐’”, ๐’”โŒช = (โˆซ |๐‘ (๐‘ก)| ๐‘‘๐‘ก)

1 2

(2.2.5)

โˆ’โˆž

รˆ opportuno sottolineare che รจ possibile definire in S diversi prodotti scalari, tuttavia quello definito dalla (2.2.2), come si nota facilmente, induce una norma che รจ legata all'energia specifica del segnale. Le (2.2.4), (2.2.5) si chiamano rispettivamente distanza e norma euclidea per la loro evidente analogia alle corrispondenti grandezze definite nello spazio euclideo. Ad ogni segnale non nullo corrisponde un segnale normalizzato: ๐’” โ€–๐’”โ€–

๐’–=

(2.2.6)

che ha evidentemente norma unitaria. Esempio 2.1 Si valuti la distanza fra i segnali rappresentati dalle seguenti funzioni: 2๐œ‹๐‘ก ๐‘ก 2๐œ‹(๐‘ก + ๐œ) ๐‘ก ๐‘ 1 (๐‘ก) = cos ( ) โŠ“ ( ) , ๐‘ 2 (๐‘ก) = cos ( )โŠ“( ) ๐‘‡ ๐‘‡ ๐‘‡ ๐‘‡

Essendo: |๐‘ 1 (๐‘ก) โˆ’ ๐‘ 2 (๐‘ก)| = 2 |sin (

๐œ‹๐œ ๐œ‹(2๐‘ก + ๐œ) ๐‘ก ) sin ( )| โŠ“ ( ) ๐‘‡ ๐‘‡ ๐‘‡

risulta: ๐‘‡

๐‘‘2 (๐’”

๐Ÿ , ๐’”๐Ÿ )

=

4sin2 (

๐œ‹๐œ 2 ๐œ‹(2๐‘ก + ๐œ) ๐œ‹๐œ ) โˆซ sin2 ( ) ๐‘‘๐‘ก = 2๐‘‡sin2 ( ) ๐‘‡ โˆ’๐‘‡ ๐‘‡ ๐‘‡ 2

da cui: ๐‘‘(๐’”๐Ÿ , ๐’”๐Ÿ ) = โˆš2๐‘‡ |sin (

๐œ‹๐œ )| ๐‘‡

CAPITOLO - 2 โ€“ Rappresentazione Vettoriale dei Segnali

-37-

2.3 - Segnali linearmente indipendenti. Un insieme di ๐‘› segnali appartenenti allo spazio dei segnali genera un sottospazio di dimensione finita. A priori, non รจ detto che la dimensione di detto sottospazio sia uguale al numero dei segnali presi in considerazione, in quanto si puรฒ verificare il caso in cui almeno uno dei segnali considerati รจ esprimibile mediante una opportuna combinazione lineare dei restanti. รˆ quindi evidente l'opportunitร  di individuare dei metodi per stabilire se ๐‘› segnali sono linearmente indipendenti al fine di determinare lโ€™effettiva dimensione del sottospazio da essi generato. Un metodo generale per stabilire la lineare indipendenza di ๐‘› segnali si ottiene osservando il determinante della seguente matrice di Gram: โŒฉ๐’”1 , ๐’”1 โŒช โŒฉ๐’”2 , ๐’”1 โŒช [ โ€ฆ โŒฉ๐’”๐‘› , ๐’”1 โŒช

โŒฉ๐’”1 , ๐’”2 โŒช โŒฉ๐’”2 , ๐’”2 โŒช โ€ฆ โŒฉ๐’”๐‘› , ๐’”2 โŒช

โ€ฆ โ€ฆ โ€ฆ โ€ฆ

โŒฉ๐’”1 , ๐’”๐‘› โŒช โŒฉ๐’”2 , ๐’”๐‘› โŒช ] โ€ฆ โŒฉ๐’”๐‘› , ๐’”๐‘› โŒช

(2.3.1)

Vale il seguente teorema: Teorema 2.1 (di Gram) ๐‘› segnali sono linearmente dipendenti se e solo se il determinante di Gram ๐บ(๐’”1 , ๐’”2 , โ€ฆ , ๐’”๐‘› ) ad essi relativo รจ nullo. Necessarietร : se con {๐‘ ๐‘– }๐‘›๐‘–=1 si denota un insieme di ๐‘› segnali linearmente dipendenti, devono esistere ๐‘› costanti {๐‘๐‘– }, non tutte nulle, tali che: ๐‘›

โˆ‘ ๐‘๐‘– ๐’”๐‘– = ๐’

(2.3.2)

๐‘–=1

Effettuando il prodotto scalare tra il primo membro della precedente e il generico segnale ๐‘ ๐‘— si ottengono le ๐‘› equazioni: ๐‘›

โˆ‘ ๐‘๐‘– โŒฉ๐‘ ๐‘– , ๐‘ ๐‘— โŒช = 0;

j=1,2,โ€ฆ,n

(2.3.3)

๐‘–=1

che, riguardate come un sistema lineare omogeneo di ๐‘› equazioni nelle ๐‘› incognite {๐‘๐‘– }, devono ammettere una soluzione non banale. Pertanto la matrice dei coefficienti di detto sistema deve essere singolare. Sufficienza:

38

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

se รจ ๐บ(๐’”1 , ๐’”2 , โ€ฆ , ๐’”๐‘› ) = 0 il sistema omogeneo (2.3.3) ammette anche soluzioni diverse dall'identica. Detta {๐œ†๐‘– } una tale soluzione, si consideri il segnale: ๐‘›

๐’” = โˆ‘ ๐œ†๐‘– ๐’” ๐‘–

(2.3.4)

๐‘–=1

Si ha: ๐‘›

๐‘›

๐‘›

โ€–๐’”โ€–2 = โŒฉโˆ‘ ๐œ†๐‘– ๐’”๐‘– , โˆ‘ ๐œ†๐‘— ๐’”๐‘— โŒช = โˆ‘ ๐œ†๐‘– ๐œ†๐‘—โˆ— โŒฉ๐’”๐‘– , ๐‘ ๐‘— โŒช ๐‘–=1 ๐‘›

=

๐‘—=1

๐‘–,๐‘—=1

(2.3.5)

๐‘›

โˆ‘ ๐œ†๐‘—โˆ— (โˆ‘ ๐œ†๐‘– โŒฉ๐’”๐‘– , ๐’”๐‘— โŒช) ๐‘—=1

=0

๐‘–=1

essendo per ipotesi le {๐œ†๐‘– } una soluzione del sistema (2.3.3). Il segnale definito dalla (2.3.4), avendo norma nulla, รจ il segnale nullo. Pertanto i segnali {๐’”๐‘– }๐‘›๐‘–=1 sono linearmente dipendenti. *********** Si osservi che, se il determinante di Gram รจ nullo, la matrice di Gram ha rango ๐‘Ÿ < ๐‘›. Data la simmetria hermitiana della matrice si puรฒ dimostrare che essa ammette almeno un minore non nullo contenente ๐‘Ÿ elementi della sua diagonale principale. Detto minore si puรฒ interpretare quindi come la matrice di Gram associata agli ๐‘Ÿ segnali con cui รจ costituito. Ciรฒ significa che il rango della matrice di Gram รจ uguale al numero massimo di segnali indipendenti contenuti nella ๐‘›-upla. รˆ interessante osservare che la matrice di Gram รจ semidefinita positiva. Infatti la norma del generico segnale ๐’” appartenente al sottospazio generato da un insieme di segnali {๐’”๐‘– }๐‘›๐‘–=1 รจ non negativa. Si puรฒ quindi scrivere: ๐‘›

๐‘›

๐‘›

0 โ‰ค โ€–๐’”โ€–2 = โŒฉโˆ‘ ๐‘๐‘– ๐’”๐‘– , โˆ‘ ๐‘๐‘— ๐’”๐‘— โŒช = โˆ‘ ๐‘๐‘– ๐‘๐‘—โˆ— โŒฉ๐’”๐‘– , ๐’”๐‘— โŒช ๐‘–=1

๐‘—=1

(2.3.6)

๐‘–,๐‘—=1

Si noti che l'ultimo membro della disuguaglianza precedente รจ la forma hermitiana nelle variabili ๐‘1 , ๐‘2 , โ€ฆ , ๐‘๐‘› associata alla matrice di Gram che รจ quindi semidefinita positiva. Esempio 2.2 Verificare che i segnali rappresentati dalle seguenti funzioni:

CAPITOLO - 2 โ€“ Rappresentazione Vettoriale dei Segnali

-39-

๐‘ ๐‘› (๐‘ก) = ๐‘ก ๐‘› 1

nโˆˆ{1,2,3}

โŠ“ (๐‘ก โˆ’ 2) ; sono linearmente indipendenti. Il generico prodotto scalare vale: 1

โŒฉ๐’”๐‘– , ๐’”๐‘— โŒช = โˆซ ๐‘ก ๐‘–+๐‘— ๐‘‘๐‘ก = 0

1 1+๐‘–+๐‘—

da cui si ottiene il determinante di Gram associato ai segnali considerati: ๐บ(๐’”1 , ๐’”2 , ๐’”3 ) =

1 3 ||1 4 1 5

1 4 1 5 1 6

1 5 1 | 6| 1 7

=

1 378.000

Poichรฉ ๐บ(๐’”1 , ๐’”2 , ๐’”3 ) โ‰  0 i tre segnali sono linearmente indipendenti. Esempio 2.3 Dati i segnali rappresentati in Fig.E 2.1: determinare la dimensione del sottospazio da essi generato. Si ha: โŒฉ๐’”1 , ๐’”1 โŒช = 5 โŒฉ๐’”2 , ๐’”1 โŒช = โˆ’6 โŒฉ๐’”3 , ๐’”1 โŒช = โˆ’1

โ€‰โŒฉ๐’”1 , ๐’”2 โŒช = โˆ’6 โŒฉ๐’”2 , ๐’”2 โŒช = 8 โŒฉ๐’”3 , ๐’”2 โŒช = 2

โŒฉ๐’”1 , ๐’”3 โŒช = โˆ’1 โŒฉ๐’”2 , ๐’”3 โŒช = 2 โŒฉ๐’”3 , ๐’”3 โŒช = 1

pertanto il determinante di Gram vale: 5 ๐บ = |โˆ’6 โˆ’1

โˆ’6 8 2

โˆ’1 2 |=0 1

quindi i segnali sono linearmente dipendenti. Poichรฉ, come รจ facile verificare, il rango della matrice di Gram vale 2, solo due segnali risultano linearmente indipendenti; conseguentemente Fig.E 2.1 il sottospazio da essi generato ha dimensione 2. La lineare dipendenza dei segnali poteva essere verificata semplicemente osservando che: โˆ’๐’”1 (๐’•) โˆ’ ๐’”2 (๐’•) + ๐’”3 (๐’•) = ๐ŸŽ

40

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

2.4 - Rappresentazione geometrica di un segnale. Siano {๐’–๐‘– }๐‘›๐‘–=1 ๐‘› segnali linearmente indipendenti. L'insieme S๐‘› dei segnali esprimibili nella forma ๐‘›

๐’” = โˆ‘ ๐›ผ๐‘– ๐’–๐‘–

(2.4.1)

๐‘–=1

al variare dei coefficienti {๐›ผ๐‘– } in โ„‚๐‘› , รจ, come รจ noto, un sottospazio vettoriale di dimensione ๐‘› generato dai segnali {๐’–๐‘– }. Ogni segnale ivi contenuto individua univocamente, in virtรน della lineare indipendenza degli {๐‘ข๐‘– }๐‘›๐‘–=1 , una ๐‘›-upla di coefficienti. Reciprocamente, comunque scelto un punto in โ„‚๐‘› , ad esso, tramite la (2.4.1), corrisponde un unico segnale in S๐‘› . I coefficienti {๐›ผ๐‘– }๐‘›๐‘–=1 si possono interpretare come le โ€œcoordinateโ€ del segnale ๐‘  nel sistema di riferimento individuato dai vettori {๐’–๐‘– }๐‘›๐‘–=1 . Queste considerazioni, nel caso in cui i segnali {๐’–๐‘– }๐‘›๐‘–=1 siano rappresentabili mediante funzioni reali e i coefficienti {๐›ผ๐‘– }๐‘›๐‘–=1 siano anchโ€™essi reali, suggeriscono la Fig. 2.1 - Rappresentazione vettorappresentazione geometrica mostrata riale del segnale ๐’”. in Fig. 2.1 per il caso tridimensionale. L'insieme dei vettori {๐’–๐‘– }๐‘›๐‘–=1 costituisce quindi una base del sottospazio vettoriale S๐‘› di S. รˆ opportuno ricordare che un qualsiasi altro insieme {๐‘ฃ๐‘– }๐‘›๐‘–=1 di vettori linearmente indipendenti appartenenti a S๐‘› costituisce a sua volta una base per il sottospazio; la base pertanto non รจ unica. I coefficienti {๐›ผ๐‘– }๐‘›๐‘–=1 , di un dato segnale appartenente a S๐‘› , possono essere calcolati effettuando in ambo i membri della (2.4.1) il prodotto scalare per il generico vettore di base ๐’–๐‘— . Si ottengono cosรฌ le ๐‘› equazioni: ๐‘›

โŒฉ๐’”, ๐’–๐‘— โŒช = โˆ‘ ๐›ผ๐‘– โŒฉ๐’–i ,๐’–๐‘— โŒช ; ๐‘–=1

j=1,2,โ€ฆ,n

(2.4.2)

CAPITOLO - 2 โ€“ Rappresentazione Vettoriale dei Segnali

-41-

che costituiscono un sistema lineare nelle incognite {๐›ผ๐‘– }. In forma matriciale il sistema (2.4.2) si scrive: โŒฉ๐’–1 , ๐’–1 โŒช โŒฉ๐’–1 , ๐’–2 โŒช [ โ€ฆ โŒฉ๐’–1 , ๐’–๐‘› โŒช

โŒฉ๐’–2 , ๐’–1 โŒช โŒฉ๐’–2 , ๐’–2 โŒช โ€ฆ โŒฉ๐’–๐Ÿ , ๐’–๐‘› โŒช

โ€ฆ โ€ฆ โ€ฆ โ€ฆ

โŒฉ๐’–๐‘› , ๐’–1 โŒช ๐›ผ1 โŒฉ๐’”,๐’–1 โŒช โŒฉ๐’–๐‘› , ๐’–2 โŒช ๐›ผ2 โŒฉ๐’”,๐’–2 โŒช ][โ€ฆ] = [ ] โ€ฆ โ€ฆ โŒฉ๐’–๐‘› , ๐’–๐‘› โŒช ๐›ผ๐‘› โŒฉ๐’”,๐’–๐‘› โŒช

(2.4.3)

Detto sistema ammette un'unica soluzione, poichรฉ la matrice dei coefficienti ad esso associata รจ la trasposta della matrice di Gram associata a un insieme di segnali linearmente indipendenti. Un altro metodo per calcolare i coefficienti {๐›ผ๐‘– }๐‘›๐‘–=1 consiste nel determinare ๐‘› vettori {๐‘ฃ๐‘– }๐‘›๐‘–=1 che godano della proprietร : โŒฉ๐’”, ๐’—๐‘— โŒช = ๐›ผ๐‘— ;

๐‘— = 1,2, โ€ฆ , ๐‘›

(2.4.4)

Tenendo conto della (2.4.1) si ottiene: ๐‘›

๐›ผ๐‘— = โŒฉ๐’”, ๐’—๐‘— โŒช = โŒฉโˆ‘ ๐›ผ๐‘– ๐’–๐‘– , ๐’—๐‘— โŒช ๐‘–=1

๐‘›

โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰ = โˆ‘ ๐›ผ๐‘– โŒฉ๐’–๐‘– , ๐’—๐‘— โŒช;

(2.4.5) ๐‘— = 1,2, โ€ฆ , ๐‘›

๐‘–=1

che ammette la soluzione: 1; โŒฉ๐‘ข๐‘– , ๐‘ฃ๐‘— โŒช = { 0;

๐‘–=๐‘— = ๐›ฟ๐‘–๐‘— ๐‘–โ‰ ๐‘—

(2.4.6)

Il generico ๐’—๐‘— risulta pertanto ortogonale a ciascun vettore della base {๐’–๐‘– }๐‘›๐‘–=1 fatta eccezione per il ๐‘—-esimo. L'insieme di vettori {๐’—๐‘– }๐‘›๐‘–=1 costituisce a sua volta una base del sottospazio che รจ detta base reciproca associata alla base {๐’–๐‘– }๐‘›๐‘–=1. Si osservi che dalla (2.4.6) discende che la reciproca di una base reciproca รจ la base di partenza. Esempio 2.4 Dati i segnali individuati dalle seguenti funzioni: ๐‘ข1 (๐‘ก) = โŠ“ (๐‘ก โˆ’ 2) 1

๐‘ข2 (๐‘ก) = โŠ“(๐‘ก โˆ’ 1)

{๐‘ข3 (๐‘ก) = โŠ“ (๐‘ก โˆ’ 2) 3

42

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

verificare che essi costituiscono una base per il sottospazio da essi generato e quindi determinare la base reciproca associata. I tre segnali sono linearmente indipendenti, in quanto comunque scelti due di essi, da una loro combinazione lineare non si puรฒ ottenere il terzo. Infatti esiste un insieme di misura non nulla in cui il terzo segnale รจ diverso da zero mentre gli altri due segnali sono entrambi identicamente nulli. Il generico elemento della base reciproca si puรฒ esprimere nella forma: 3

๐’—๐’Š = โˆ‘ ๐›ผ๐‘–,๐‘— ๐’–๐’‹ ๐‘—=1

Imponendo per ciascun vettore ๐’—๐‘– la condizione (2.4.6), si ottengono i tre sistemi lineari: 3

โŒฉ๐’—๐Ÿ , ๐’–๐’Š โŒช = โˆ‘ ๐›ผ1,๐‘— โŒฉ๐’–๐’‹ , ๐’–๐’Š โŒช = ๐›ฟ๐‘–,1 ๐‘—=1 3

โŒฉ๐’—๐Ÿ , ๐’–๐’Š โŒช = โˆ‘ ๐›ผ2,๐‘— โŒฉ๐’–๐’‹ , ๐’–๐’Š โŒช = ๐›ฟ๐‘–,2 ;

๐‘– = 1,2,3

๐‘—=1 3

{

โŒฉ๐’—๐Ÿ‘ , ๐’–๐’Š โŒช = โˆ‘ ๐›ผ3,๐‘— โŒฉ๐’–๐’‹ , ๐’–๐’Š โŒช = ๐›ฟ๐‘–,3 ๐‘—=1

le cui soluzioni forniscono: ๐Ÿ‘

๐Ÿ

๐Ÿ

๐Ÿ‘

๐’—๐Ÿ = ๐Ÿ๐’–๐Ÿ โˆ’ ๐’–๐Ÿ + ๐Ÿ๐’–๐Ÿ‘ ๐’—๐Ÿ = โˆ’๐’–๐Ÿ + ๐Ÿ๐’–๐Ÿ โˆ’ ๐’–๐Ÿ‘ ๐’—๐Ÿ‘ = ๐Ÿ๐’–๐Ÿ โˆ’ ๐’–๐Ÿ + ๐Ÿ๐’–๐Ÿ‘

Si perviene a una notevole semplificazione scegliendo una base {๐‘ข๐‘– }๐‘›๐‘–=1 composta da vettori di norma unitaria a due a due ortogonali

detta base ortonormale. In simboli: โŒฉ๐’–๐‘– , ๐’–๐‘— โŒช = ๐›ฟ๐‘–,๐‘—

(2.4.7)

In questo caso la matrice di Gram diventa unitaria e la (2.4.2) si riduce alla: ๐›ผ๐‘– = โŒฉ๐’”, ๐’–๐‘– โŒช; โ€‰โ€‰โ€‰โ€‰โ€‰๐‘– = 1,2, โ€ฆ , ๐‘›

(2.4.8)

Un segnale appartenente al sottospazio riferito a una base ortonormale si esprime pertanto nella forma: ๐‘›

๐’” = โˆ‘โŒฉ๐’”, ๐’–๐‘– โŒช๐’–๐‘– ๐‘–=1

(2.4.9)

CAPITOLO - 2 โ€“ Rappresentazione Vettoriale dei Segnali

-43-

Dal confronto tra la (2.4.6) e la (2.4.7) discende che la base reciproca associata ad una base ortonormale รจ la base stessa. Le basi ortonormali sono quindi anche basi autoreciproche. Se si fa riferimento a una base ortonormale si ottiene la seguente espressione per il prodotto scalare tra segnali appartenenti al sottospazio S๐‘› : ๐‘›

๐‘›

๐‘›

โˆ— โˆ— โŒฉ๐’”1 , ๐’”2 โŒช = โˆ‘ โˆ‘ ๐›ผ1๐‘– ๐›ผ2๐‘— โŒฉ๐’–๐‘– , ๐’–๐‘— โŒช = โˆ‘ ๐›ผ1๐‘– ๐›ผ2๐‘– ๐‘–=1 ๐‘—=1

(2.4.10)

๐‘–=1

analogamente per la norma e per la distanza euclidea si ha: 1โ„2

๐‘›

โ€–๐’”โ€– = โŒฉ๐’”, ๐’”โŒช

1โ„2

2

= (โˆ‘ |๐›ผ๐‘– | )

(2.4.11)

๐‘–=1 1โ„2

๐‘› 2

๐‘‘(๐’”1 , ๐’”2 ) = โ€–๐’”1 โˆ’ ๐’”2 โ€– = (โˆ‘ |๐›ผ1๐‘– โˆ’ ๐›ผ2๐‘– | )

(2.4.12)

๐‘–=1

Queste ultime evidenziano un ulteriore motivo per cercare, quando รจ possibile, di adottare una base ortonormale. Infatti se si riguardano le componenti {๐›ผ1๐‘– }๐‘›๐‘–=1 , {๐›ผ2๐‘– }๐‘›๐‘–=1 dei due segnali, riferiti ad una stessa base ortonormale, come vettori riga dello spazio โ„‚๐‘› , le (2.4.10), (2.4.11) e la (2.4.12) possono essere riscritte sotto forma matriciale: โŒฉ๐’”1 , ๐’”2 โŒช = ๐œถ1 ๐œถโ€ 2

(2.4.13)

1 โ€  2

โ€–๐’”โ€– = (๐œถ๐œถ )

(2.4.14) 1 โ€  2

๐‘‘(๐’”1 , ๐’”2 ) = [(๐œถ1 โˆ’ ๐œถ2 )(๐œถ1 โˆ’ ๐œถ2 ) ]

(2.4.15)

In altri termini, se in un sottospazio si individua una base ortonormale, il prodotto scalare, la norma e la distanza euclidee possono essere calcolati in modo semplice effettuando le medesime operazioni sui vettori delle componenti dei segnali in โ„‚๐‘› . Esempio 2.5 Sia ๐‘„(๐’™) = ๐’™โ€  ๐ด๐’™ una forma hermitiana. Se gli autovalori della matrice ad essa associata hanno tutti molteplicitร  1, gli autoversori associati a ciascun autovalore di ๐ด, sono mutuamente ortogonali e quindi costituiscono una base ortonormale per lo spazio โ„‚๐‘› a cui ๐’™ appartiene.

44

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

Nel caso in cui tutti gli autovalori di ๐ด hanno molteplicitร  1 ad eccezione di uno che ha molteplicitร  2 tra gli autovettori associati a quest'ultimo, se ne possono certamente scegliere 2 linearmente indipendenti. Essi individuano un sottospazio di dimensione due (autospazio) che contiene tutti e soli gli autovettori relativi all'autovalore in questione. Ciascun vettore di questo autospazio รจ ortogonale ad ogni autovettore relativo ad un altro autovalore. Inoltre รจ sempre possibile riferire l'autospazio ad una base ortonormale, gli autoversori che la costituiscono, uniti ai restanti autoversori, generano una base (autobase) per lo spazio โ„‚๐‘› associata alla ๐‘„(๐’™) . La generalizzazione di quanto esposto al caso di matrici hermitiane con autovalori di molteplicitร  qualsiasi รจ immediata. Per quanto riguarda la riduzione a forma canonica di una forma hermitiana, si osservi che, individuata una autobase {๐’–๐‘– }๐‘›๐‘–=1 , il generico vettore ๐’™ di โ„‚๐‘› si puรฒ scrivere: ๐‘›

๐’™ = โˆ‘ ๐›ผ๐‘– ๐’–๐‘– ๐‘–=1

Pertanto: ๐‘›

๐‘›

๐‘›

๐‘›

๐‘›

๐‘›

๐‘„(๐‘ฅ) = ๐’™โ€  ๐‘จ๐’™ = โˆ‘ ๐›ผ๐‘–โˆ— ๐’–โ€ ๐‘– ๐‘จ โˆ‘ ๐›ผ๐‘— ๐’–๐‘— = โˆ‘ โˆ‘ ๐›ผ๐‘–โˆ— ๐›ผ๐‘— ๐’–โ€ ๐‘– ๐‘จ๐’–๐‘— = โˆ‘ โˆ‘ ๐›ผ๐‘–โˆ— ๐›ผ๐‘— ๐’–๐‘–โ€  ๐œ†๐‘— ๐’–๐‘— ๐‘–=1 ๐‘›

๐‘›

๐‘—=1

๐‘–=1 ๐‘—=1

๐‘–=1 ๐‘—=1

๐‘›

= โˆ‘ โˆ‘ ๐›ผ๐‘–โˆ— ๐›ผ๐‘— ๐€๐’‹ ๐’–๐‘–โ€  ๐’–๐‘— = โˆ‘ ๐œ†๐‘– |๐›ผ๐‘– |2 = ๐œถโ€  โ‹… diag(๐œ†1 , ๐œ†2 , โ€ฆ , ๐œ†๐‘› ) โ‹… ๐œถ ๐‘–=1 ๐‘—=1

๐‘–=1

nell'ultimo membro della precedente, ogni autovalore viene ripetuto un numero di volte pari alla sua molteplicitร .

2.5 - Angolo tra due segnali. Siano dati due segnali reali ad energia finita ๐’”1 ,โ€‰๐’”2 . Per essi vale la disuguaglianza di Schwarz (1.15.6) che, in virtรน della natura reale dei due segnali, puรฒ essere riscritta nella forma: โˆž

โˆ’1 โ‰ค

โˆซโˆ’โˆž ๐‘ 1 (๐‘ก) ๐‘ 2 (๐‘ก)๐‘‘๐‘ก โˆž โˆšโˆซโˆ’โˆž |๐‘ 1 (๐‘ก)|2

โˆž ๐‘‘๐‘ก โˆซโˆ’โˆž |๐‘ 2 (๐‘ก)|2

โ‰ค1 ๐‘‘๐‘ก

(2.5.1)

dalla quale si deduce che รจ sempre possibile individuare un unico angolo ๐œ— appartenente all'intervallo [0, ๐œ‹] che verifica l'uguaglianza: โŒฉ๐’”1 , ๐’”2 โŒช = โ€–๐’”1 โ€– โ‹… โ€–๐’”2 โ€–cos๐œ—

(2.5.2)

CAPITOLO - 2 โ€“ Rappresentazione Vettoriale dei Segnali

-45-

I due segnali in questione sono certamente contenuti in un sottospazio di dimensione due che รจ unico se i segnali sono linearmente indipendenti. Fissata che sia una base ortonormale {๐’–๐‘– }2๐‘–=1 in detto sottospazio, รจ possibile esprimere i due segnali nella forma: Fig. 2.2 - Angolo tra due segnali

๐’”1 = ๐›ผ11 ๐’–1 + ๐›ผ12 ๐’–2 ; ๐’”2 = ๐›ผ21 ๐’–1 + ๐›ผ22 ๐’–2 ;

(2.5.3)

D'altro canto, tenendo conto delle (2.4.10) e (2.4.11) la (2.5.2) puรฒ essere anche scritta come segue: < ๐’”1 , ๐’”2 >= ๐›ผ11 ๐›ผ21 + ๐›ผ12 ๐›ผ22 2 2 2 2 = โˆš๐›ผ11 + ๐›ผ12 โ‹… โˆš๐›ผ21 + ๐›ผ22 cos๐œ—

(2.5.4)

il cui ultimo membro si puรฒ immediatamente interpretare come il prodotto scalare in โ„2 tra due vettori aventi rispettivamente modulo 2 2 2 2 โˆš๐›ผ11 + ๐›ผ12 e โˆš๐›ผ21 + ๐›ผ22 , formanti un angolo ๐œ—. Si verifica facilmente

che detto angolo รจ indipendente dalla base ortonormale scelta nel sottospazio in cui i segnali sono contenuti. รˆ quindi possibile fornire una rappresentazione grafica dei due segnali reali come mostrato in Fig. 2.2, รˆ questo il motivo per cui in generale due segnali si dicono ortogonali se il loro prodotto scalare รจ nullo. Esempio 2.6 Dati i segnali mostrati in Fig.E 2.2,a). se ne costruisca una rappresentazione vettoriale. Come si riconosce facilmente i due segnali hanno entrambi norma unitaria. Se si associa al primo segnale un vettore ๐’” di modulo unitario, il secondo segnale sarร  rappresentato da un vettore ๐’”๐œ anch'esso di modulo unitario la cui componente ortogonale su ๐’” si ottiene effettuando il seguente prodotto scalare: 1 โˆ’ ๐œ; 0 โ‰ค ๐œ โ‰ค 1 โˆž ๐œ โŒฉ๐’”, ๐’”๐‰ โŒช = โˆซ ๐‘ (๐‘ก)๐‘ ๐œ (๐‘ก)๐‘‘๐‘ก = { 1 + ๐œ; โˆ’1 โ‰ค ๐œ < 0 โ€‰โ€‰ = โ€‰โ€‰(1 โˆ’ |๐œ|)โŠ“ ( ) 2 โˆ’โˆž |๐œ| > 1 0;

46

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

La rappresentazione geometrica dei due segnali si presenta come in Fig.E

Fig.E 2.2

2.2,b). Si noti che se |๐œ| โ‰ฅ 1 i due segnali risultano ortonormali.

2.6 - Approssimazione dei segnali nel sottospazio S๐’ . Teorema della proiezione. Sia S๐‘› un sottospazio vettoriale ad ๐‘› dimensioni e ๐’” un segnale non necessariamente appartenente ad S๐‘› . In alcune applicazioni puรฒ essere utile costruire un segnale ๐’”หœ๐‘› โˆˆ S๐‘› che, in base a un assegnato criterio, ne costituisca la migliore approssimazione. Il criterio piรน naturale per determinare la migliore approssimazione di ๐’” in S๐‘› consiste nello scegliere quell'elemento di S๐‘› che si trova alla minima distanza euclidea dal segnale considerato ๐’”. Poichรฉ un generico segnale ๐’”๐‘› โˆˆ S๐‘› si puรฒ sempre riferire ad una base ortonormale {๐’–๐‘– }๐‘›๐‘–=1 di detto sottospazio: ๐‘›

๐’” ๐‘› = โˆ‘ ๐›ผ๐‘– ๐’– ๐‘–

(2.6.1)

๐‘–=1

l'approssimazione ๐’”หœ๐‘› cercata รจ individuata dalla ๐‘›-upla di coefficienti {๐›ผ๐‘– } che minimizzano la quantitร : ๐‘› 2

โ€–๐’†โ€– = โ€–๐’” โˆ’ โˆ‘ ๐›ผ๐‘– ๐’–๐‘– โ€–2

(2.6.2)

๐‘–=1

Esplicitando la precedente si ha: ๐‘› 2

2

๐‘› โˆ—

โ€–๐’†โ€– = โ€–๐’”โ€– โˆ’ โˆ‘ ๐›ผ๐‘– โŒฉ๐’”, ๐’–๐‘– โŒช โˆ’ ๐‘–=1

โˆ‘ ๐›ผ๐‘–โˆ— โŒฉ๐’”, ๐’–๐‘– โŒช ๐‘–=1

๐‘›

+ โˆ‘ |๐›ผ๐‘– |2

(2.6.3)

๐‘–=1 ๐‘›

Se nella (2.6.3) si somma e si sottrae la quantitร  โˆ‘๐‘–=1 |โŒฉ๐’”, ๐’–๐‘– โŒช|2 si ottiene:

CAPITOLO - 2 โ€“ Rappresentazione Vettoriale dei Segnali ๐‘›

-47-

๐‘›

โ€–๐’†โ€–2 = โ€–๐’”โ€–2 โˆ’ โˆ‘ |โŒฉ๐’”, ๐’–๐‘– โŒช|2 + โˆ‘ |๐›ผ๐‘– โˆ’ โŒฉ๐’”, ๐’–๐‘– โŒช|2 ๐‘–=1

(2.6.4)

๐‘–=1

Poichรฉ l'ultimo addendo a secondo membro della precedente รจ certamente non negativo il minimo cercato si ottiene quando esso si annulla cioรจ quando risulta: ๐›ผ๐‘– = โŒฉ๐‘ , ๐‘ข๐‘– โŒช;

๐‘– = 1,2, โ€ฆ ๐‘›

(2.6.5)

Pertanto si ha: ๐‘›

๐’”หœ๐‘› = โˆ‘โŒฉ๐’”, ๐’–๐‘– โŒช๐’–๐‘–

(2.6.6)

๐‘–=1

I coefficienti {๐›ผ๐‘– }๐‘›๐‘–=1 definiti dalle (2.6.5) sono chiamati coefficienti di Fourier generalizzati del segnale ๐’” rispetto alla base ortonormale . {๐’–๐‘– }๐‘›๐‘–=1 Un interessante conseguenza del risultato appena ottenuto รจ il cosiddetto Teorema della proiezione Fig. 2.3 Proiezione ortogonale che stabilisce che, detta ๐’”หœ๐‘› la migliore approssimazione di ๐’” in S๐‘› , secondo il criterio della minima distanza euclidea, il vettore ๐’” โˆ’ ๐’”หœ๐‘› รจ ortogonale a ogni vettore appartenente ad S๐‘› e quindi al sottospazio S๐‘› (vedi Fig. 2.3 ). Per dimostrarlo รจ sufficiente verificare che il vettore ๐’” โˆ’ ๐’”หœ๐‘› รจ ortogonale a ciascun vettore di una qualsiasi base {๐’–๐‘– }๐‘›๐‘–=1 ortonormale di S๐‘› . Tenendo conto delle (2.6.5) e (2.6.6) risulta: โŒฉ๐’” โˆ’ ๐’”หœ๐‘› , ๐’–๐‘– โŒช = โŒฉ๐’”, ๐’–๐‘– โŒช โˆ’ โŒฉ๐’”หœ๐‘› , ๐’–๐‘– โŒช = 0

(2.6.7)

Per questo motivo ๐’”หœ๐‘› si dice proiezione ortogonale di ๐’” nel sottospazio S๐‘› . Nel caso in cui si scelga in S๐‘› una base {๐’—๐‘– }๐‘›๐‘–=1 non ortonormale, tenendo presente che, in base alla (2.6.7), risulta per ogni ๐’— โˆˆ S๐‘› : โŒฉ๐’”, ๐’—โŒช = โŒฉ๐’”หœ๐‘› , ๐’—โŒช {๐›ฝ๐‘– }๐‘›๐‘–=1

(2.6.8)

si deduce che le componenti del segnale ๐’”หœ๐‘› rispetto alla base ๐‘› {๐’—๐‘– }๐‘–=1 si ottengono risolvendo il sistema:

48

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati ๐‘›

โŒฉ๐’”หœ๐‘› , ๐’—๐‘– โŒช = โˆ‘ ๐›ฝ๐‘— โŒฉ๐’—๐‘— , ๐’—๐‘– โŒช = โŒฉ๐’”, ๐’—๐‘– โŒช;

๐‘– = 1, โ€ฆ , ๐‘›

(2.6.9)

๐‘—=1

รˆ interessante osservare che un sottospazio lineare a ๐‘› dimensioni determina nello spazio dei segnali S una partizione in classi di equivalenza: due segnali appartengono alla stessa classe di equivalenza se ammettono la stessa approssimazione in S๐‘› o, che รจ lo stesso, se la loro differenza รจ ortogonale a S๐‘› . La quantitร  ๐’† = ๐’” โˆ’ ๐’”หœ๐‘›

(2.6.10)

รจ l'errore di approssimazione; la sua norma โ€–๐‘’โ€– ne misura l'entitร . Si ha: โ€–๐’†โ€–2 = โ€–๐’” โˆ’ ๐’”หœ๐‘› โ€–2 = โŒฉ๐’” โˆ’ ๐’”หœ๐‘› , ๐’” โˆ’ ๐’”หœ๐‘› โŒช = โŒฉ๐’”, ๐’” โˆ’ ๐’”หœ๐‘› โŒช โˆ’ โŒฉ๐’”หœ๐‘› , ๐’” โˆ’ ๐’”หœ๐‘› โŒชโ€‰ = โŒฉ๐’” โˆ’ ๐’”หœ๐‘› , ๐’”โŒชโˆ— = โŒฉ๐’”, ๐’”โŒช โˆ’ โŒฉ๐’”หœ๐‘› , ๐’”โŒชโˆ— 2

โˆ—

2

= โ€–๐’”โ€– โˆ’ โŒฉ๐’”หœ๐‘› , ๐’”โŒช = โ€–๐’”โ€– โˆ’ โ€–๐’”หœ๐‘› โ€–

(2.6.11)

2

poichรฉ, essendo ๐’† ortogonale a ๐‘ หœ๐‘› , risulta โŒฉ๐’”หœ๐‘› , ๐’”โŒช = โ€–๐’”หœ๐‘› โ€–2 . La (2.6.11) costituisce l'estensione della relazione pitagorica agli spazi normati. Se il vettore ๐’”หœ๐‘› si riferisce ad una base ortonormale {๐’–๐‘– }๐‘›๐‘–=1 si ha: ๐‘› 2

โ€–๐’”หœ๐‘› โ€– = โˆ‘ |โŒฉ๐’”, ๐’–๐‘– โŒช|2

(2.6.12)

๐‘–=1

in questo caso la (2.6.11) assume la forma: ๐‘›

โ€–๐’†โ€–2 = โ€–๐’”โ€–2 โˆ’ โˆ‘ |โŒฉ๐’”, ๐’–๐‘– โŒช|2

(2.6.13)

๐‘–=1

Essendo, d'altra parte, โ€–๐’†โ€– โ‰ฅ 0 si deduce: ๐‘›

โˆ‘ |โŒฉ๐’”, ๐’–๐‘– โŒช|2 โ‰ค โ€–๐’”โ€–2

(2.6.14)

๐‘–=1

nota come disuguaglianza di Bessel. Esempio 2.7 Determinare la proiezione dell'impulso โŠ“ (๐‘ก โˆ’

1 2

) nel sottospazio lineare

S3 individuato dai segnali rappresentabili me diante le funzioni:

CAPITOLO - 2 โ€“ Rappresentazione Vettoriale dei Segnali

-49-

โˆ’๐‘›๐‘ก ๐‘ฃ๐‘› (๐‘ก) = {๐‘’ โ€‰โ€‰โ€‰๐‘ก โ‰ฅ 0 ;โ€‰โ€‰ โ€‰n=1,2,3 0โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰๐‘ก < 0

Indicando con ๐’“ lโ€™impulso rettangolare, risulta: 1

โŒฉ๐’“, ๐’—๐‘› โŒช = โˆซ ๐‘’ โˆ’๐‘›๐‘ก ๐‘‘๐‘ก โ€‰ = 0

Fig.E 2.3

1 โˆ’ ๐‘’ โˆ’๐‘› ๐‘›

il sistema (2.6.9) diventa 1 2 1 3 1 [4

1 3 1 4 1 5

1 4 1 5 1 6]

1 โˆ’ ๐‘’ โˆ’1 1 โˆ’ ๐‘’ โˆ’2 ๐›ฝ1 โ‹… [๐›ฝ2 ] = 2 ๐›ฝ3 1 โˆ’ ๐‘’ โˆ’3 [ 3 ]

da cui: ๐›ฝ1 12 โˆ’ 72๐‘’ โˆ’1 + 120๐‘’ โˆ’2 โˆ’ 60๐‘’ โˆ’3 [๐›ฝ2 ] = [โˆ’30 + 240๐‘’ โˆ’1 โˆ’ 450๐‘’ โˆ’2 + 240๐‘’ โˆ’3 ] ๐›ฝ3 20 โˆ’ 180๐‘’ โˆ’1 + 360๐‘’ โˆ’2 โˆ’ 200๐‘’ โˆ’3

per cui l'approssimazione dell'impulso rettangolare nel sottospazio in questione vale: 3

๐‘ 3 (๐‘ก) = โˆ‘ ๐›ฝ๐‘– ๐‘ฃ๐‘– (๐‘ก) ๐‘–=1

= (12 โˆ’ 72๐‘’ โˆ’1 + 120๐‘’ โˆ’2 โˆ’ 60๐‘’ โˆ’3 )๐‘’ โˆ’๐‘ก + (โˆ’30 + 240๐‘’ โˆ’1 โˆ’ 450๐‘’ โˆ’2 + 240๐‘’ โˆ’3 )๐‘’ โˆ’2๐‘ก + (20 โˆ’ 180๐‘’ โˆ’1 + 360๐‘’ โˆ’2 โˆ’ 200๐‘’ โˆ’3 )๐‘’ โˆ’3๐‘ก

In Fig.E 2.3 รจ rappresentata la migliore approssimazione dell'impulso rettangolare nel sottospazio S3 . Esempio 2.8 Le funzioni rappresentate in Fig.E 2.4 sono i primi quattro elementi dell'insieme (ortonormale) delle funzioni di Walsh. Esse definiscono un sottospazio S4 a quattro dimensioni. I coefficienti, rispetto alla citata base, della proiezione ortogonale su S4 del segnale ๐’” individuato dalla: 1 ๐‘ (๐‘ก) = ๐‘ก โŠ“ (๐‘ก โˆ’ ) 2

valgono:

Fig.E 2.4

50

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati 1 1 1 ๐›ผ1 = โˆซ ๐‘ก๐‘ค0 (๐‘ก)๐‘‘๐‘ก = [๐‘ก 2 ]10 = ; 2 2 0 1 1 1 1 ๐›ผ2 = โˆซ ๐‘ก๐‘ค1 (๐‘ก)๐‘‘๐‘ก = ([๐‘ก 2 ]20 โˆ’ [๐‘ก 2 ]11 ) โˆ’ ; 2 4 2 0 1 3 1 1 ๐›ผ3 = โˆซ ๐‘ก๐‘ค2 (๐‘ก)๐‘‘๐‘ก = ([๐‘ก 2 ]40 โˆ’ [๐‘ก 2 ]41 + [๐‘ก 2 ]13 ) = 0; 2 4 0 4 1 3 1 1 1 1 ๐›ผ4 = โˆซ ๐‘ก๐‘ค3 (๐‘ก)๐‘‘๐‘ก = ([๐‘ก 2 ]80 โˆ’ [๐‘ก 2 ]41 + [๐‘ก 2 ]81 โˆ’ [๐‘ก 2 ]13 ) = โˆ’ ; 2 8 { 8 0 8 4

In Fig.E 2.5 sono mostrate le funzioni rappresentative dei segnali ๐’”ฬƒ1 ,โ€‰๐’”ฬƒ2 ,โ€‰๐’”ฬƒ3 ,โ€‰๐’”ฬƒ4 โ€‰ che costituiscono le approssimazioni di ๐’”, rispettivamente nei sottospazi generati da ๐’˜0 , da ๐’˜0 , ๐’˜1 , da ๐’˜0 , ๐’˜1 , ๐’˜2 , e da ๐’˜0 , ๐’˜1 , ๐’˜2 , ๐’˜3 . In particolare ๐‘ หœ4 (๐‘ก), cioรจ la funzione rappresentativa del segnale ๐’”หœ4 apparte-

Fig.E 2.5 Proiezioni di un segnale in sottospazi annidati di dimensione crescente.

nente al sottospazio S4 a minima distanza Euclidea da ๐’”, รจ data da: 1 1 1 ๐’”หœ๐Ÿ’ (๐‘ก) = ๐’˜๐ŸŽ (๐‘ก) โˆ’ ๐’˜๐Ÿ (๐‘ก) โˆ’ ๐’˜๐Ÿ‘ (๐‘ก) 2 4 8

2.7 - Procedimento di ortonormalizzazione di GramSchmidt. Da quanto detto risulta evidente l'opportunitร  di disporre di un algoritmo che permetta di costruire una base ortonormale per il sottospazio generato da un assegnato insieme {๐’”๐‘– }๐‘›๐‘–=1 di segnali. Un tale algoritmo, noto come procedimento di ortonormalizzazione di GramSchmidt, รจ basato sul teorema della proiezione. Esso consiste nel generare ricorsivamente sottospazi di dimensione crescente annidati l'uno dentro l'altro. Si procede come segue: Si considera il segnale ๐’”1 . Il primo elemento della base รจ: ๐’–1 =

๐’”1 โ€–๐’”1 โ€–

che genera un sottospazio S1 di dimensione 1. Si considera quindi ๐’”2 e si costruisce il segnale:

(2.7.1)

CAPITOLO - 2 โ€“ Rappresentazione Vettoriale dei Segnali

๐’†2 = ๐’”2 โˆ’ โŒฉ๐’”2 , ๐’–1 โŒช๐’–1

-51-

(2.7.2)

Se ๐’†2 รจ il segnale nullo, ๐’”2 appartiene ad S1 e si salta al passo successivo. In caso contrario, in virtรน del teorema della proiezione, ๐’†2 รจ ortogonale al sottospazio S1 . Pertanto si puรฒ assumere come secondo elemento della base il segnale: ๐’–2 =

๐’†2 โ€–๐’†2 โ€–

(2.7.3)

I due segnali ๐’–1 e ๐’–2 generano quindi un sottospazio S2 in cui รจ annidato S1 . Si ripete il passo precedente fino ad esaurire i segnali dell'insieme {๐’”๐‘– }. Al passo ๐‘–-esimo supposto che tutti i segnali precedentemente considerati siano tra loro linearmente indipendenti l'๐‘–-esimo vettore di base รจ dato da: ๐’–๐‘– =

๐’†๐‘– โ€–๐’†๐‘– โ€–

(2.7.4)

dove: ๐‘–โˆ’1

๐’†๐‘– = ๐’”๐‘– โˆ’ โˆ‘โŒฉ๐’”๐‘– , ๐’–๐‘— โŒช๐’–๐‘—

(2.7.5)

๐‘—=1

L'algoritmo appena descritto consente, in genere, per un dato insieme {๐’”๐‘– }๐‘›๐‘–=1, di costruire piรน basi ortonormali, dipendentemente dall'ordinamento scelto all'interno dell'insieme {๐’”๐‘– }๐‘›๐‘–=1 . Evidentemente una qualunque base ottenuta con il procedimento descritto genera lo stesso sottospazio di S. Detto sottospazio ha la minima dimensione necessaria per contenere i segnali dell'insieme {๐’”๐‘– }๐‘›๐‘–=1 . Tale dimensione ovviamente non puรฒ superare la cardinalitร  di {๐’”๐‘– }๐‘›๐‘–=1 . Si osservi inoltre che la procedura descritta in virtรน della sua natura ricorsiva si puรฒ applicare anche al caso in cui l'insieme dei segnali sia di cardinalitร  infinita, purchรฉ numerabile. Esempio 2.9 Determinare una base ortonormale per il sottospazio lineare individuato dai segnali rappresentati dalle funzioni: ๐‘’ โˆ’๐‘›๐‘ก ; ๐‘ ๐‘› (๐‘ก) = { 0;

๐‘กโ‰ฅ0 ; n=1,2,3 ๐‘ก 0. Potremo pertanto scrivere: โˆž

โˆซ ฮฆ(๐›ฟ๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“(๐‘ก2โˆ’๐‘ก1) ๐‘‘๐‘“ = โˆ’โˆž

=

๐‘ก2 โˆ’๐‘ก1 1 โˆž โˆซ ฮฆ(๐›ฟ๐‘“)๐‘’ ๐‘—2๐œ‹๐›ฟ๐‘“ ๐›ฟ ๐‘‘(๐›ฟ๐‘“) ๐›ฟ โˆ’โˆž

1 ๐‘ก2 โˆ’ ๐‘ก1 ๐œ™( ) ๐›ฟ ๐›ฟ

(4.2.9)

che sostituita nella (4.2.8) fornisce: ๐ผ(๐›ฟ) =

1 โˆž โˆž ๐‘ก2 โˆ’ ๐‘ก1 โˆซ โˆซ ๐‘ (๐‘ก1 )๐‘  โˆ— (๐‘ก2 )๐œ™ ( ) ๐‘‘๐‘ก1 ๐‘‘๐‘ก2 ๐›ฟ โˆ’โˆž โˆ’โˆž ๐›ฟ

(4.2.10)

Operando la trasformazione di variabili: {

2

๐‘ก = ๐‘ก1 ; ๐‘ก2 โˆ’ ๐‘ก1 ๐œ= ; ๐›ฟ

6 Tale รจ ad esempio ๐œ™(๐‘ก) = ๐‘’ โˆ’๐‘ก la cui trasformata vale ฮฆ(๐‘“) = โˆš๐œ‹๐‘’ โˆ’๐œ‹

(4.2.11)

2 ๐‘“2

(vedi Esempio 4.6).

CAPITOLO - 4 - Segnali a Energia Finita -

77

il cui Jacobiano vale ๐œ•๐‘ก1 ๐ฝ = | ๐œ•๐‘ก ๐œ•๐‘ก2 ๐œ•๐‘ก

๐œ•๐‘ก1 ๐œ•๐œ | = |1 ๐œ•๐‘ก2 1 ๐œ•๐œ

0 |=๐›ฟ ๐›ฟ

(4.2.12)

la (4.2.10) diventa: โˆž

โˆž

๐ผ(๐›ฟ) = โˆซ โˆซ ๐‘ (๐‘ก)๐‘  โˆ— (๐‘ก + ๐›ฟ๐œ)๐œ™(๐œ)๐‘‘๐‘ก๐‘‘๐œ โˆ’โˆž โˆ’โˆž โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

(4.2.13)

= โˆซ ๐œ™(๐œ) (โˆซ ๐‘ (๐‘ก)๐‘  โˆ— (๐‘ก + ๐›ฟ๐œ)๐‘‘๐‘ก ) ๐‘‘๐œ

applicando all'integrale piรน interno che compare allโ€™ultimo membro della precedente la disuguaglianza di Schwarz si ottiene: โˆž

|โˆซ ๐‘ (๐‘ก)๐‘  โˆ— (๐‘ก + ๐›ฟ๐œ)๐‘‘๐‘ก| โˆ’โˆž 1 2

โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

โˆž

(4.2.14)

โ‰ค (โˆซ |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก โ‹… โˆซ |๐‘ (๐‘ก + ๐›ฟ๐œ)|2 ๐‘‘๐‘ก) = โˆซ |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก โˆ’โˆž

da cui discende: โˆž

โˆž

|๐ผ(๐›ฟ)| โ‰ค โˆซ |๐œ™(๐œ) (โˆซ ๐‘ (๐‘ก)๐‘  โˆ— (๐‘ก + ๐›ฟ๐œ)๐‘‘๐‘ก )| ๐‘‘๐œ โˆ’โˆž โˆž

โˆ’โˆž โˆž

(4.2.15) 2

โ‰ค โˆซ |๐œ™(๐œ)|๐‘‘๐œ โˆซ |๐‘ (๐‘ก)| ๐‘‘๐‘ก โˆ’โˆž

โˆ’โˆž

ne segue che l'integrale (4.2.6) esiste. Eguagliando i secondi membri delle (4.2.6) e (4.2.13) si ottiene: โˆž

โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

โˆ’โˆž

โˆซ ฮฆ(๐›ฟ๐‘“)|๐‘†(๐‘“)|2 ๐‘‘๐‘“ = โˆซ ๐œ™(๐œ) (โˆซ ๐‘ (๐‘ก)๐‘  โˆ— (๐‘ก + ๐›ฟ๐œ)๐‘‘๐‘ก) ๐‘‘๐œ

(4.2.16)

poichรฉ si ha: โˆž

|ฮฆ(๐›ฟ๐‘“)||๐‘†(๐‘“)|2 โ‰ค |๐‘†(๐‘“)|2 โˆซ |๐œ™(๐œ)๐‘’ โˆ’๐‘—2๐œ‹๐›ฟ๐‘“๐œ |๐‘‘๐œ โˆ’โˆž โˆž

= |๐‘†(๐‘“)|2 โˆซ |๐œ™(๐œ)|๐‘‘๐œ โˆ’โˆž

e, ricordando la (4.2.14):

(4.2.17)

78

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

|๐œ™(๐œ) (โˆซ ๐‘ (๐‘ก)๐‘  โˆ— (๐‘ก + ๐›ฟ๐œ)๐‘‘๐‘ก)| โ‰ค |๐œ™(๐œ)| โˆซ |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก

(4.2.18)

puรฒ applicarsi ad entrambi i membri della (4.2.16) il II Teorema di Lebesgue, il quale ci assicura che si puรฒ scrivere: โˆž

โˆž

lim โˆซ ฮฆ(๐›ฟ๐‘“)|๐‘†(๐‘“)|2 ๐‘‘๐‘“ = ฮฆ(0) โˆซ |๐‘†(๐‘“)|2 ๐‘‘๐‘“ โ€‰

๐›ฟโ†’0 โˆ’โˆž

โˆ’โˆž โˆž

โˆž

๐›ฟโ†’0 โˆ’โˆž

โˆ’โˆž

= lim โˆซ ๐œ™(๐œ) (โˆซ ๐‘ (๐‘ก)๐‘  โˆ— (๐‘ก + ๐›ฟ๐œ)๐‘‘๐‘ก) ๐‘‘๐œ โ€‰ โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

(4.2.19)

= โˆซ ๐œ™(๐œ)๐‘‘๐œ โˆซ |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก โˆž

Osservando che ฮฆ(0) = โˆซโˆ’โˆž ๐œ™(๐œ)๐‘‘๐œ , dalla precedente si ottiene: โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

โˆซ |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก = โˆซ |๐‘†(๐‘“)|2 ๐‘‘๐‘“

(4.2.20)

Concludendo si รจ pervenuti al fatto che, se ๐‘ (๐‘ก) โˆˆ ๐”(โ„) โˆฉ ๐”2 (โ„), la sua trasformata ๐‘†(๐‘“) รจ una funzione a quadrato sommabile in โ„. Con procedimento analogo si puรฒ mostrare che se ๐‘ 1 (๐‘ก) e ๐‘ 2 (๐‘ก) appartengono entrambe ad ๐”(โ„) โˆฉ ๐”2 (โ„), dette rispettivamente ๐‘†1 (๐‘“) e ๐‘†2 (๐‘“) le loro trasformate, si ha: โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

โˆซ ๐‘ 1 (๐‘ก)๐‘ 2โˆ— (๐‘ก)๐‘‘๐‘ก = โˆซ ๐‘†1 (๐‘“)๐‘†2โˆ— (๐‘“)๐‘‘๐‘“

(4.2.21)

La trasformata in ๐•ท๐Ÿ (โ„).

Per definire la trasformata di Fourier di una funzione a quadrato sommabile รจ opportuno riferirsi nuovamente alla funzione troncata ๐‘ ๐‘‡ (๐‘ก). La funzione ๐‘ ๐‘‡ (๐‘ก), nella metrica di ๐”2 (โ„), tende a ๐‘ (๐‘ก). Ciรฒ significa che la distanza euclidea tra ๐‘ ๐‘‡ (๐‘ก) e ๐‘ (๐‘ก) tende a zero quando ๐‘‡ โ†’ โˆž: โˆž

lim โˆซ |๐‘ (๐‘ก) โˆ’ ๐‘ ๐‘‡ (๐‘ก)|2 ๐‘‘๐‘ก = 0

๐‘‡โ†’โˆž โˆ’โˆž

(4.2.22)

รˆ bene osservare che la funzione ๐‘ ๐‘‡ (๐‘ก) essendo identicamente nulla all'esterno di un intervallo limitato, oltre ad essere a quadrato sommabile, รจ anche sommabile in โ„. Di conseguenza essa ammette trasformata di Fourier ๐‘†๐‘‡ (๐‘“):

CAPITOLO - 4 - Segnali a Energia Finita -

79

โˆž

๐‘†๐‘‡ (๐‘“) = โˆซ ๐‘ ๐‘‡ (๐‘ก)๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘ก โˆ’โˆž

(4.2.23)

che soddisfa la condizione (4.2.20), cioรจ: โ€–๐‘†๐‘‡ (๐‘“)โ€– = โ€–๐‘ ๐‘‡ (๐‘ก)โ€–

(4.2.24)

โ€–๐‘† ๐‘‡ โ€ฒ (๐‘“) โˆ’ ๐‘†๐‘‡ (๐‘“)โ€– = โ€–๐‘  ๐‘‡ โ€ฒ (๐‘ก) โˆ’ ๐‘ ๐‘‡ (๐‘ก)โ€–

(4.2.25)

inoltre รจ evidente che: 2

D'altro canto, poichรฉ ๐‘ ๐‘‡ (๐‘ก) โˆˆ ๐” (โ„), comunque scelta una successione ๐‘‡๐‘› โ†’ โˆž, esiste un ๐‘›๐œ€ tale che, ๐‘, ๐‘ž > ๐‘›๐œ€ implicano โ€–๐‘ ๐‘‡๐‘ (๐‘ก) โˆ’ ๐‘ ๐‘‡๐‘ž (๐‘ก)โ€– < ๐œ€ . Per la (4.2.25) si ha anche: โ€–๐‘†๐‘‡๐‘ (๐‘“) โˆ’ ๐‘†๐‘‡๐‘ž (๐‘“)โ€– < ๐œ€

(4.2.26)

{๐‘†๐‘‡๐‘› (๐‘“)}โˆž ๐‘›=1 รจ pertanto una successione di Cauchy, quindi, in virtรน della completezza di ๐”2 (โ„), {๐‘†๐‘‡๐‘› (๐‘“)}โˆž ๐‘›=1 รจ convergente,. Inoltre l'arbitrarietร 

nella scelta della {๐‘‡๐‘› }โˆž ๐‘›=1 assicura che la famiglia di funzioni ๐‘†๐‘‡ (๐‘“), al divergere di ๐‘‡, tende, secondo la metrica di ๐”2 (โ„), ad una ๐‘†(๐‘“) โˆˆ ๐”2 (โ„), che si assume come trasformata di Fourier della funzione ๐‘ (๐‘ก) โˆˆ ๐”2 (โ„). Esplicitando la funzione ๐‘†๐‘‡ (๐‘“), quanto detto, equivale a scrivere 2

๐‘‡ 2

โˆž

lim โˆซ |๐‘†(๐‘“) โˆ’ โˆซ ๐‘ (๐‘ก)๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘ก | ๐‘‘๐‘“ = 0

๐‘‡โ†’โˆž โˆ’โˆž

๐‘‡ 2

โˆ’

(4.2.27)

Per definire la trasformata inversa di una funzione ๐‘†(๐‘“) โˆˆ ๐”2 (โ„) si puรฒ procedere analogamente. In particolare, la trasformata troncata ๐‘“ ๐‘†๐ต (๐‘“) = ๐‘†(๐‘“)โŠ“ ( ) ๐ต

(4.2.28)

รจ anche sommabile, essendo identicamente nulla al di fuori di un intervallo finito. Essa quindi รจ antitrasformabile, e la sua antitrasformata รจ: โˆž

๐‘ หœ๐น (๐‘ก) = โˆซ ๐‘†๐ต (๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘“ โˆ’โˆž

(4.2.29)

che, evidentemente gode della proprietร : โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

โˆซ |๐‘†๐ต (๐‘“)|2 ๐‘‘๐‘“ = โˆซ |๐‘ หœ๐ต (๐‘ก)|2 ๐‘‘๐‘ก

(4.2.30)

80

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

Al crescere di ๐น la funzione ๐‘ หœ๐น (๐‘ก) ammette, nella metrica di ๐”2 (โ„), il limite ๐‘ หœ(๐‘ก), cioรจ: 2

๐ต 2

โˆž

lim โˆซ |๐‘ หœ(๐‘ก) โˆ’ โˆซ ๐‘†(๐‘“)๐‘’

๐ตโ†’โˆž โˆ’โˆž

๐‘—2๐œ‹๐‘“๐‘ก

๐ต 2

๐‘‘๐‘“ | ๐‘‘๐‘ก = 0

โˆ’

(4.2.31)

Tale valore limite appartiene a ๐”2 (โ„) e soddisfa la relazione: โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

โˆซ |๐‘ หœ(๐‘ก)|2 ๐‘‘๐‘ก = โˆซ |๐‘†(๐‘“)|2 ๐‘‘๐‘“

(4.2.32)

Resta quindi soltanto da dimostrare che, detta ๐‘†(๐‘“) la trasformata di ๐‘ (๐‘ก), la sua antitrasformata ๐‘ หœ(๐‘ก) รจ uguale, almeno quasi ovunque, a ๐‘ (๐‘ก). A tal proposito, essendo ๐‘ หœ(๐‘ก), ๐‘ (๐‘ก) โˆˆ ๐”2 (โ„), si puรฒ scrivere: โˆž

โ€–๐‘ หœ(๐‘ก) โˆ’ ๐‘ (๐‘ก)โ€–2 = โˆซ |๐‘ หœ(๐‘ก) โˆ’ ๐‘ (๐‘ก)|2 ๐‘‘๐‘ก โˆ’โˆž โˆž

โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

โˆ’โˆž

= โˆซ |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก โˆ’ โˆซ ๐‘ (๐‘ก)๐‘ หœ โˆ— (๐‘ก)๐‘‘๐‘ก โˆ’ โˆซ ๐‘  โˆ— (๐‘ก)๐‘ หœ(๐‘ก)๐‘‘๐‘ก

(4.2.33)

โˆž

+ โˆซ |๐‘ หœ(๐‘ก)|2 ๐‘‘๐‘ก โˆ’โˆž

Per le (4.2.20) e (4.2.32) risulta: โˆž

โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

โˆ’โˆž

โˆซ |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก = โˆซ |๐‘ หœ(๐‘ก)|2 ๐‘‘๐‘ก = โˆซ |๐‘†(๐‘“)|2 ๐‘‘๐‘“

(4.2.34)

Inoltre in virtรน delle (4.2.23) e (4.2.29) si ha: โˆž

โˆซ ๐‘ (๐‘ก)๐‘ หœ โˆ— (๐‘ก)๐‘‘๐‘ก โˆ’โˆž โˆž

=โˆซ

โˆž

lim ๐‘ ๐‘‡ (๐‘ก) [ lim โˆซ ๐‘†๐ต

โˆ’โˆž ๐‘‡โ†’โˆž โˆž

๐ตโ†’โˆž โˆ’โˆž

โˆ—

(๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก

โˆž

= lim โˆซ ๐‘ ๐‘‡ (๐‘ก) [โˆซ ๐‘†โˆ—๐ต (๐‘“)๐‘’โˆ’๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘“] ๐‘‘๐‘ก ๐‘‡โ†’โˆž ๐ตโ†’โˆž โˆ’โˆž

โˆ’โˆž

๐‘‘๐‘“ ] ๐‘‘๐‘ก

(4.2.35)

CAPITOLO - 4 - Segnali a Energia Finita โˆž

โˆž

๐‘‡โ†’โˆž ๐ตโ†’โˆž โˆ’โˆž

โˆ’โˆž

81

= lim โˆซ ๐‘†๐ตโˆ— (๐‘“) [โˆซ ๐‘ ๐‘‡ (๐‘ก)๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘ก] ๐‘‘๐‘“ โˆž

โˆž

๐‘‡โ†’โˆž ๐ตโ†’โˆž โˆ’โˆž

โˆ’โˆž

= lim โˆซ ๐‘†๐ตโˆ— (๐‘“)๐‘†๐‘‡ (๐‘“)๐‘‘๐‘“ = โˆซ |๐‘†(๐‘“)|2 ๐‘‘๐‘“

Con procedimento analogo si mostra anche che: โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

โˆซ ๐‘ (๐‘ก)โˆ— ๐‘ หœ(๐‘ก)๐‘‘๐‘ก = โˆซ |๐‘†(๐‘“)|2 ๐‘‘๐‘“

(4.2.36)

Finalmente, sostituendo le (4.2.35) e, (4.2.36) nella (4.2.33) si ottiene โ€–๐‘ หœ(๐‘ก) โˆ’ ๐‘ (๐‘ก)โ€–2 = 0

(4.2.37)

che necessariamente comporta: ๐‘ž.๐‘œ.

๐‘ (๐‘ก) = โž ๐‘ หœ(๐‘ก)

(4.2.38)

Conclusioni

La trasformata di Fourier di una generica rappresentazione di un segnale s ad energia finita รจ impicitamente definita dalla (4.2.27) che qui ripetiamo per comoditร : โˆž

2

๐‘‡ 2

lim โˆซ |๐‘†(๐‘“) โˆ’ โˆซ ๐‘ (๐‘ก)๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘ก | ๐‘‘๐‘“ = 0

๐‘‡โ†’โˆž โˆ’โˆž

๐‘‡ 2

โˆ’

(4.2.39)

Ciรฒ equivale a dire che per trasformata di ๐‘ (๐‘ก) si deve intendere quella ๐‘†(๐‘“) che soddisfa la (4.2.27) cioรจ la cui distanza euclidea da ๐‘‡

โˆซ2๐‘‡ ๐‘ (๐‘ก)๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘ก tende a zero al divergere di ๐‘‡. โˆ’

2

Si osservi che se una ๐‘†(๐‘“) soddisfa la precedente per una rappresentazione ๐‘ (๐‘ก) di un segnale ๐’”, essa la soddisferร  anche per tutte le altre rappresentazioni dello stesso segnale, cioรจ per tutte le funzioni del tempo che differiscono da ๐‘ (๐‘ก) solo su un insieme di misura nulla di punti. Reciprocamente, l'antitrasformata di Fourier di una generica rappresentazione ๐‘† รจ definita dalla: โˆž

๐ต 2

lim โˆซ |๐‘ (๐‘ก) โˆ’ โˆซ ๐‘†(๐‘“)๐‘’

๐ตโ†’โˆž โˆ’โˆž

๐ต 2

โˆ’

2 ๐‘—2๐œ‹๐‘“๐‘ก

๐‘‘๐‘“ | ๐‘‘๐‘ก = 0

(4.2.40)

82

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

Ciรฒ equivale a dire che per antitrasformata di ๐‘†(๐‘“) si deve intendere quella ๐‘ (๐‘ก) che soddisfa la (4.2.31) cioรจ la cui distanza euclidea da ๐ต

โˆซ 2๐ต ๐‘†(๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘“ tende a zero al divergere di ๐ต . Dโ€™altro canto se funzioโˆ’

2

ne ๐‘ (๐‘ก) soddisfa la (4.2.40) per una data ๐‘†(๐‘“) essa la soddisfa anche per tutte le funzioni che ad ๐‘†(๐‘“) sono uguali quasi ovunque. ๐‘ (๐‘ก) pertanto puรฒ essere intesa come antitrasformata di ciascuna di esse. In definitiva un segnale ad energia finita ๐’” puรฒ essere quindi rappresentato indifferentemente sia mediante funzioni nel dominio del tempo sia attraverso funzioni nel dominio della frequenza ร‰ opportuno ricordare che se ๐’” รจ rappresentabile mediante una funzione che รจ anche sommabile, il limite (4.2.39) puรฒ essere calcolato anche secondo la metrica di ๐”(โ„), cioรจ: ๐‘‡ 2

lim |๐‘†(๐‘“) โˆ’ โˆซ ๐‘ (๐‘ก)๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘ก| = 0

๐‘‡โ†’โˆž

โˆ’

๐‘‡ 2

(4.2.41)

๐‘‡

La convergenza dell'integrale โˆซ2๐‘‡ ๐‘ (๐‘ก)๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘ก รจ quindi uniforme. โˆ’

2

Conclusioni analoghe valgono per l'antitrasformata. 4.3 - Principali proprietร  della trasformata di Fourier di un segnale In quel che segue per semplicitร  di esposizione la trasformata e l'antitrasformata di Fourie verranno rispettivamente denotate in una delle forme equivalenti: โˆž

a)

๐‘†(๐‘“) = ๐”‰[๐‘ (๐‘ก)] = โˆซ ๐‘ (๐‘ก)๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘ก ; โˆ’โˆž โˆž

b)

(4.3.1)

โ€‰โ€‰๐‘ (๐‘ก) = ๐”‰โˆ’1 [๐‘†(๐‘“)] = โˆซ ๐‘†(๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘“; โˆ’โˆž

Negli ultimi membri delle quali si sottintendono cioรจ gli eventuali passaggi al limite nel senso di ๐”2 (โ„). La trasformata di una funzione risulta in generale complessa, essa si puรฒ quindi scrivere in una delle forme: ๐‘†(๐‘“) = ๐‘†๐‘… (๐‘“) + ๐‘—๐‘†๐ผ (๐‘“) = |๐‘†(๐‘“)|๐‘’ ๐‘—๐œ—(๐‘“)

(4.3.2)

CAPITOLO - 4 - Segnali a Energia Finita -

83

dove ๐‘†๐‘… (๐‘“) e ๐‘†๐ผ (๐‘“) sono funzioni reali. Dalla precedente si deduce che per rappresentare un segnale nel dominio della frequenza sono necessari due diagrammi che mostrano gli andamenti della parte reale ๐‘†๐‘… (๐‘“) e del coefficiente della parte immaginaria ๐‘†๐ผ (๐‘“), o equivalentemente, quelli del modulo |๐‘†(๐‘“)| e dell'argomento ๐œ—(๐‘“) di ๐‘†(๐‘“) al variare di ๐‘“. Questi ultimi due diagrammi prendono rispettivamente il nome di spettro di ampiezza e spettro di fase del segnale. Trasformata di Fourier reali.

Fig. 4.2 - Rappresentazione della trasformata di Fourier di un segnale reale.

di segnali

La trasformata di un segnale reale adottando la notazione (4.3.1) si puรฒ

anche porre nella forma: โˆž

โˆž

๐‘†(๐‘“) = โˆซ ๐‘ (๐‘ก)cos(2๐œ‹๐‘“๐‘ก)๐‘‘๐‘ก โˆ’ ๐‘— โˆซ ๐‘ (๐‘ก)sin(2๐œ‹๐‘“๐‘ก)๐‘‘๐‘ก โˆ’โˆž

โˆ’โˆž

(4.3.3)

Pertanto, se ๐‘ (๐‘ก) รจ reale, le quantitร  ๐‘†๐‘… (๐‘“) e ๐‘†๐ผ (๐‘“) assumono la forma: โˆž

a)

๐‘†๐‘… (๐‘“) = โˆซ ๐‘ (๐‘ก)cos(2๐œ‹๐‘“๐‘ก)๐‘‘๐‘ก ; โˆ’โˆž

โˆž

b)

(4.3.4)

โ€‰๐‘†๐ผ (๐‘“) = โˆ’ โˆซ ๐‘ (๐‘ก)sin(2๐œ‹๐‘“๐‘ก)๐‘‘๐‘ก; โˆ’โˆž

Dalle (4.3.4) si deduce che la parte reale (coefficiente della parte immaginaria) di ๐‘†(๐‘“) รจ una funzione pari (dispari) di ๐‘“; di conseguenza il modulo |๐‘†(๐‘“)| รจ ancora una funzione pari e l'argomento ๐œ—(๐‘“) รจ una funzione dispari di ๐‘“; quindi: ๐‘†(โˆ’๐‘“) = ๐‘† โˆ— (๐‘“)

(4.3.5)

che equivale a dire che la trasformata di Fourier di un segnale reale deve presentare una simmetria di tipo hermitiano. In Fig. 4.2 sono mostrati gli andamenti tipici di ๐‘†๐‘… (๐‘“) e ๐‘†๐ผ (๐‘“) e quelli di |๐‘†(๐‘“)| e ๐œ—(๐‘“) per un segnale reale. Casi particolari:

84

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

๐‘ (๐‘ก)รจ a simmetria pari cioรจ: ๐‘ (๐‘ก)=๐‘ (โˆ’๐‘ก)

(4.3.6)

Si osservi che gli integrandi nelle (4.3.4) risultano essere rispettivamente funzioni pari e dispari del tempo. Quindi: โˆž

๐‘Ž)โ€‰โ€‰โ€‰โ€‰๐‘†๐‘… (๐‘“) = 2 โˆซ ๐‘ (๐‘ก)cos(2๐œ‹๐‘“๐‘ก)๐‘‘๐‘ก ; 0

๐‘)โ€‰โ€‰โ€‰โ€‰๐‘†๐ผ (๐‘“) = 0;

(4.3.7)

Pertanto: โˆž

๐‘†(๐‘“) = 2 โˆซ ๐‘ (๐‘ก)cos(2๐œ‹๐‘“๐‘ก)๐‘‘๐‘ก 0

(4.3.8)

๐‘ (๐‘ก) รจ a simmetria dispari cioรจ: ๐‘ (๐‘ก) = โˆ’๐‘ (โˆ’๐‘ก)

(4.3.9)

Risulta: ๐‘Ž)โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰๐‘†๐‘… (๐‘“) = 0;

โˆž

๐‘)โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰๐‘†๐ผ (๐‘“) = โˆ’2 โˆซ ๐‘ (๐‘ก)sin(2๐œ‹๐‘“๐‘ก)๐‘‘๐‘ก;

(4.3.10)

0

quindi: โˆž

๐‘†(๐‘“) = โˆ’2๐‘— โˆซ ๐‘ (๐‘ก)sin(2๐œ‹๐‘“๐‘ก)๐‘‘๐‘ก 0

(4.3.11)

In altri termini, la trasformata di Fourier di una funzione pari รจ pari, mentre la trasformata di una funzione dispari รจ una funzione immaginaria dispari. Dalla (4.3.1),b si deduce: 0

โˆž

๐‘ (๐‘ก) = (โˆซ + โˆซ ๐‘†( ๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘“ ) โˆ’โˆž

0

(4.3.12)

che, cambiando ๐‘“ in โˆ’๐‘“ nel primo integrale, diventa: โˆž

๐‘ (๐‘ก) = โˆซ [๐‘†(โˆ’๐‘“)๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘ก + ๐‘†(๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก ]๐‘‘๐‘“ 0

(4.3.13)

Tenendo presente la condizione (4.3.5), si riconosce facilmente che le due quantitร  ๐‘†(๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก e ๐‘†(โˆ’๐‘“)๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘ก rappresentano due grandezze complesse coniugate la cui somma รจ uguale al doppio della loro

CAPITOLO - 4 - Segnali a Energia Finita -

85

parte reale. Ciรฒ permette, interpretando l'integrale come limite di una somma di contributi elementari, di scrivere la (4.3.13) nella forma: โˆž

๐‘ (๐‘ก) = 2 โˆซ Re[๐‘†(๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก ]๐‘‘๐‘“ 0 โˆž

= 2 โˆซ |๐‘†(๐‘“)|cos[2๐œ‹๐‘“๐‘ก + ๐œ—(๐‘“)]๐‘‘๐‘“

(4.3.14)

0 โˆž

= lim โˆ‘ 2|๐‘†(๐‘›๐›ฅ๐‘“)|๐›ฅ๐‘“cos[2๐œ‹๐‘›๐›ฅ๐‘“๐‘ก + ๐œ—(๐‘›๐›ฅ๐‘“)] ๐›ฅ๐‘“โ†’0

๐‘›=0

Osservandone l'ultimo membro, si deduce che al modulo della trasformata di Fourier si puรฒ attribuire il significato di densitร  spettrale di ampiezza, in quanto esso รจ proporzionale al limite del rapporto tra l'ampiezza dell'armonica di frequenza ๐‘›๐›ฅ๐‘“ e ๐›ฅ๐‘“ al tendere a zero di quest'ultimo. Esempio 4.1 La trasformata di Fourier dell'impulso rettangolare di durata T : ๐‘ก ๐‘ (๐‘ก)= โŠ“ ( ) ๐‘‡

รจ reale e vale: ๐‘‡

๐‘ก 2 ๐”‰ [โŠ“ ( )] = โˆซ ๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘ก ๐‘‡ ๐‘‡ โˆ’ 2

={

sin(๐œ‹๐‘“๐‘‡) ; ๐‘“โ‰ 0 โ€‰ = ๐‘‡sinc(๐‘“๐‘‡) ๐œ‹๐‘“๐‘‡ ๐‘‡; ๐‘“=0 ๐‘‡

Fig.E 4.1

Esempio 4.2 Sia ๐‘ข(๐‘ก) la funzione gradino unitario definita come segue: u(๐‘ก) = {

1; 0;

๐‘กโ‰ฅ0 ๐‘ก 0 ๐‘Ž ๐‘Ž

Dove ๐”‰[๐‘ (๐‘ก)] = ๐‘†(๐‘“). In maniera analoga, si dimostra che, per ๐‘Ž < 0, si ha: 1 ๐‘“ ๐”‰[๐‘ (๐‘Ž๐‘ก)] = โˆ’ ๐‘† ( ) ; ๐‘Ž ๐‘Ž

๐‘Ž 1) o lโ€™attenuazione (0 < โ„Ž0 < 1) del sistema. Trasformando secondo Fourier ambo i membri della (6.7.1) si ottiene: ๐‘Œ(๐‘“) = โ„Ž0 ๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘‡ ๐‘‹(๐‘“)

(6.7.2)

dalla quale si deduce: ๐ป(๐‘“) = โ„Ž0 ๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘‡

(6.7.3)

Fig. 6.3 - Risposta in frequenza di un sistema senza distorsione

In un sistema di trasmissione senza distorsione lโ€™ampiezza della ๐ป(๐‘“) รจ costante mentre il suo argomento risulta proporzionale alla frequenza come รจ mostrato in Fig. 6.3. Un sistema di trasmissione che non introduce distorsioni entro una certa banda (finita) di frequenza ma non permette, al di fuori di essa, la trasmissione del segnale, costituisce un filtro ideale. A seconda della dislocazione della banda i filtri ideali si distinguono in filtri passa-basso e filtri passa-banda. La risposta in frequenza per un filtro passa-basso ideale di banda ๐‘“๐‘š , che introduce un ritardo ๐‘‡ ed unโ€™attenuazione โ„Ž0 รจ: ๐‘“ ๐ป(๐‘“) = โ„Ž0 โŠ“ ( ) ๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘‡ 2๐‘“๐‘š

(6.7.4)

144

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

vedi Fig. 6.4 a), la risposta in frequenza di un filtro passabanda ideale centrato alla frequenza ๐‘“0 con banda ๐ต ritardo ๐‘‡ ed attenuazione โ„Ž0 vale ๐‘“ โˆ’ ๐‘“0 ๐‘“ + ๐‘“0 ๐ป(๐‘“) = โ„Ž0 (โŠ“ ( ) +โŠ“ ( )) ๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘‡ ๐ต ๐ต

(6.7.5)

vedi Fig. 6.4 b) Le corrispondenti risposte impulsive valgono: a) filtro passa-basso: โ„Ž(๐‘ก) = 2โ„Ž0 ๐‘“๐‘š sinc[2๐‘“๐‘š (๐‘ก โˆ’ ๐‘‡)]

(6.7.6)

b) filtro passa-banda: โ„Ž(๐‘ก) = 2โ„Ž0 ๐ต cos[2๐œ‹๐‘“0 (๐‘ก โˆ’ ๐‘‡)] sinc[๐ต(๐‘ก โˆ’ ๐‘‡)]

(6.7.7)

rappresentano lโ€™ampiezza di banda e la frequenza centrale del filtro. Come si deduce dalle (6.7.6) e (6.7.7), risulta โ„Ž(๐‘ก) โ‰  0 per ๐‘ก < 0 quindi il principio di causalitร  รจ violato, pertanto tali filtri non sono fisicamente realizzabili, la loro risposta impulsiva puรฒ comunque essere approssiamata introducendo un ritardo temporale, ovvero se si accetta di avere una risposta in frequenza che rientri in una prefissata maschera di tolleranza ad esempio rispetto alle piattezza in banda o alla ripiditร  dei fronti di Fig. 6.4 - Risposte in frequenza di un filtro ideale: a) passa-basso, discesa al di fuori di essa. b) passa-banda

CAPITOLO - 7 CARATTERIZZAZIONE ENERGETICA DEI SEGNALI Segnali a energia finita

7.1 - Densitร  spettrale di energia. Lโ€™energia specifica ๐ธ associata al segnale ๐’” vale: โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

๐ธ = โˆซ |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก = โˆซ ๐‘ (๐‘ก)๐‘  โˆ— (๐‘ก)๐‘‘๐‘ก

(7.1.1)

dove ๐‘ (๐‘ก) รจ una qualsiasi rappresentazione del segnale ๐’”. Esprimendo ๐‘ (๐‘ก) in termini della sua trasformata di Fourier, si ha: โˆž

โˆž

๐ธ = โˆซ ๐‘  โˆ— (๐‘ก) (โˆซ ๐‘†(๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘“) ๐‘‘๐‘ก โ€‰โ€‰ โˆ’โˆž

โˆ’โˆž

โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

โˆ—

โˆž

= โˆซ ๐‘†(๐‘“) (โˆซ ๐‘ (๐‘ก)๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘ก) ๐‘‘๐‘“ โ€‰ = โˆซ ๐‘†(๐‘“) ๐‘† โˆ— (๐‘“)๐‘‘๐‘“ โˆ’โˆž

(7.1.2)

โˆž

= โˆซ |๐‘†(๐‘“)|2 ๐‘‘๐‘“ โˆ’โˆž

Lโ€™energia specifica di un segnale si puรฒ quindi calcolare integrando il quadrato del modulo della sua trasformata di Fourier (Teorema di Parseval 9). Se il segnale รจ reale il modulo della sua trasformata di Fourier รจ pari per cui la (7.1.2) si puรฒ scrivere: โˆž

๐ธ = 2 โˆซ |๐‘†(๐‘“)|2 ๐‘‘๐‘“ 0

(7.1.3)

Da quest'ultima si evince che la porzione ๐‘‘๐ธ di energia specifica associata al pacchetto di componenti armoniche del segnale le cui frequenze cadono nellโ€™intervallo (๐‘“, ๐‘“ + ๐‘‘๐‘“) รจ data da 2|๐‘†(๐‘“)|2 ๐‘‘๐‘“ ; ciรฒ si-

9

Il Teorema di Parseval รจ stato giร  provato in modo formalmente piรน corretto nel CAPITOLO 4. In tutto questo capitolo si รจ preferito sacrificare il rigore formale a vantaggio di una piรน immediata interpretazione dei risultati.

146

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati ๐‘‘๐ธ

gnifica che la funzione |๐‘†(๐‘“)|2 รจ proporzionale al rapporto ๐‘‘๐‘“ , e pertanto assume il significato di densitร  di energia. Piรน in generale, si definisce densitร  spettrale di energia di un segnale la quantitร : ๐‘Š(๐‘“) = |๐‘†(๐‘“)|2

(7.1.4)

Essa รจ una funzione reale e non negativa di ๐‘“: ๐‘Š(๐‘“) โ‰ฅ 0

(7.1.5)

e tale che il suo integrale risulta pari a ๐ธ : โˆž

๐ธ = โˆซ ๐‘Š(๐‘“)๐‘‘๐‘“ โˆ’โˆž

(7.1.6)

Nel caso di segnali reali, dalla condizione di simmetria hermitiana ๐‘†(โˆ’๐‘“) = ๐‘† โˆ— (๐‘“), discende: ๐‘Š(โˆ’๐‘“) = ๐‘Š(๐‘“)

(7.1.7)

La densitร  spettrale di energia di un segnale reale รจ quindi una funzione reale e pari di ๐‘“. Le considerazioni svolte possono essere estese al caso di due segnali distinti ๐’”1 e ๐’”2 . In tal caso, si introducono le energie specifiche incrociate, o mutue, ๐ธ12 e ๐ธ21 definite dalle: โˆž

๐ธ12 = โˆซ ๐‘ 1 (๐‘ก)๐‘ 2โˆ— (๐‘ก)๐‘‘๐‘ก; โˆ’โˆž โˆž

๐ธ21 = โˆซ ๐‘ 2 (๐‘ก)๐‘ 1โˆ— (๐‘ก)(๐‘ก)๐‘‘๐‘ก;

(7.1.8)

โˆ’โˆž

Si osservi che le precedenti esprimono anche i prodotti scalari โŒฉ๐’”1 , ๐’”2 โŒช e โŒฉ๐’”2 , ๐’”1 โŒช tra i segnali; cosicchรฉ la condizione di ortogonalitร  di

detti segnali si traduce nella: ๐ธ12 = ๐ธ21 = 0

(7.1.9)

Le energie incrociate sono quantitร , in generale, complesse e risulta: โˆ— ๐ธ12 = ๐ธ21

(7.1.10)

Facendo uso della disuguaglianza di Schwarz, si ottiene: |๐ธ12 | โ‰ค โˆš๐ธ1 โ‹… โˆš๐ธ2 ,

|๐ธ21 | โ‰ค โˆš๐ธ1 โ‹… โˆš๐ธ2

(7.1.11)

CAPITOLO - 7 - Caratterizzazione Energetica dei Segnali -

147

o anche: ๐ธ12 ๐ธ21 โ‰ค ๐ธ1 ๐ธ2

(7.1.12)

essendo ๐ธ1 ed ๐ธ2 le energie specifiche associate a ๐’”1 e ๐’”2 rispettivamente. Se i segnali sono reali le quantitร  ๐ธ12 e ๐ธ21 sono anch'esse reali; in tal caso si ha: โˆž

๐ธ12 = ๐ธ21 = โˆซ ๐‘ 1 (๐‘ก)๐‘ 2 (๐‘ก)๐‘‘๐‘ก โˆ’โˆž

(7.1.13)

Denotando con ๐‘†1 (๐‘“) e ๐‘†2 (๐‘“) le trasformate di Fourier di ๐‘ 1 (๐‘ก) e ๐‘ 2 (๐‘ก) rispettivamente, dalle (7.1.8) discende: โˆž

โˆž

๐ธ12 = โˆซ ๐‘ 1 (๐‘ก) (โˆซ ๐‘†2โˆ— (โˆ’๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘“ ) ๐‘‘๐‘ก โˆ’โˆž

โˆ’โˆž

โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

= โˆซ ๐‘†2โˆ— (โˆ’๐‘“) (โˆซ ๐‘ 1 (๐‘ก)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘ก) ๐‘‘๐‘“

(7.1.14)

โˆž

= โˆซ ๐‘†1 (โˆ’๐‘“)๐‘†2โˆ— (โˆ’๐‘“)๐‘‘๐‘“ โˆ’โˆž

che con un cambiamento di variabile puรฒ ancora scriversi: โˆž

๐ธ12 = โˆซ ๐‘†1 (๐‘“)๐‘†2โˆ— (๐‘“)๐‘‘๐‘“ = โŒฉ๐‘ 1 , ๐‘ 2 โŒช โˆ’โˆž

(7.1.15)

Analogamente si ha: โˆž

๐ธ21 = โˆซ ๐‘†2 (๐‘“)๐‘†1โˆ— (๐‘“)๐‘‘๐‘“ = โŒฉ๐‘ 2 , ๐‘ 1 โŒช โˆ’โˆž

(7.1.16)

Queste ultime costituiscono la forma piรน generale del Teorema di Parseval. Introducendo le densitร  spettrali di energia incrociate, o mutue: ๐‘Š12 (๐‘“) = ๐‘†1 (๐‘“) โ‹… ๐‘†2โˆ— (๐‘“);

๐‘Š21 (๐‘“) = ๐‘†2 (๐‘“) โ‹… ๐‘†1โˆ— (๐‘“);

(7.1.17)

le (7.1.15) e (7.1.16) divengono rispettivamente: โˆž

๐ธ12 = โˆซ ๐‘Š12 (๐‘“)๐‘‘๐‘“ ; โˆ’โˆž

โˆž

๐ธ21 = โˆซ ๐‘Š21 (๐‘“)๐‘‘๐‘“ ; โˆ’โˆž

(7.1.18)

Le densitร  spettrali incrociate sono, in generale, complesse e risulta:

148

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati โˆ— ๐‘Š12 (๐‘“) = ๐‘Š21 (๐‘“);

(7.1.19)

Tuttavia, se i segnali sono reali, la precedente, in virtรน della simmetria hermitiana, si semplifica nella: ๐‘Š12 (๐‘“) = ๐‘Š21 (โˆ’๐‘“)

(7.1.20)

Esempio 7.1 Si considerino i due segnali: ๐‘ก ๐‘ 1 (๐‘ก) = โŠ“ ( ) ๐‘‡

๐‘ 2 (๐‘ก) = u(๐‘ก)๐‘’

โˆ’

๐‘ก ๐‘‡0

Essi sono segnali a energia finita poichรฉ risulta: ๐ธ1 = ๐‘‡; ๐ธ2 =

Fig.E 7.1

๐‘‡0 ; 2

La loro energia incrociata vale: ๐‘‡ 2

๐ธ12 = ๐ธ21 = โˆซ ๐‘’ โˆ’๐‘ก/๐‘‡0 ๐‘‘๐‘ก = ๐‘‡0 (1 โˆ’ ๐‘’

๐‘‡ 2๐‘‡0

โˆ’

)

0

Lโ€™energia normalizzata vale: ๐œŒ=

๐ธ12 โˆš๐ธ1 ๐ธ2

=โˆš

๐‘‡ 2๐‘‡0 โˆ’ (1 โˆ’ ๐‘’ 2๐‘‡0 ) ๐‘‡

e risulta manifestamente |๐œŒ| โ‰ค 1 in accordo con la condizione (7.1.12). In Fig.E 7.1 รจ riportato lโ€™andamento di ๐œŒ al variare di ๐‘‡โ„2๐‘‡0 . Il suo valore massimo si ottiene quando รจ verificata la condizione: ๐‘’

โˆ’

๐‘‡ 2๐‘‡0

=

1 1+

๐‘‡ ๐‘‡0

Il massimo di ๐œŒ si raggiunge per ๐‘‡โ„2๐‘‡0 โ‰ˆ 1,256 e vale 0,638. Esempio 7.2 Per il segnale: ๐‘ (๐‘ก) = u(๐‘ก)๐‘’ โˆ’๐‘Ž๐‘ก ;

๐‘Ž>0

si calcoli il contributo all'energia specifica dovuto alla parte del suo spettro compresa nell'intervallo di frequenze [โˆ’

๐‘Ž

,

๐‘Ž

2๐œ‹ 2๐œ‹

].

Tenendo conto dei risultati dellโ€™Esempio 7.1, la densitร  spettrale di ๐‘ (๐‘ก) vale:

CAPITOLO - 7 - Caratterizzazione Energetica dei Segnali -

๐‘Š(๐‘“) =

149

1 ๐‘Ž2 + (2๐œ‹๐‘“)2

Pertanto si ha: ๐ธ๐‘Ž = โˆซ

๐‘Ž 2๐œ‹ ๐‘Ž 2๐œ‹

โˆ’

๐‘Ž2

1 ๐‘‘๐‘“ 1 ๐‘‘๐‘ฅ 1 = โˆซ = 2 + (2๐œ‹๐‘“) 2๐œ‹๐‘Ž โˆ’1 1 + ๐‘ฅ 2 4๐‘Ž

Esempio 7.3 Sia ๐’” un segnale ottenuto sommando sue segnali ๐’”1 e ๐’”2 a energia finita: ๐’” = ๐’”1 + ๐’”2

Dette ๐‘†1 (๐‘“) e ๐‘†1 (๐‘“) le trasformate di Fourier di ๐’”1 e ๐’”2 rispettivamente, la densitร  spettrale di potenza di ๐’” vale: ๐‘Š(๐‘“) = ๐‘†(๐‘“) โ‹… ๐‘† โˆ— (๐‘“) = [๐‘†1 (๐‘“) + ๐‘†2 (๐‘“)] โ‹… [๐‘†1โˆ— (๐‘“) + ๐‘†2โˆ— (๐‘“)] = ๐‘†1 (๐‘“) โ‹… ๐‘†1โˆ— (๐‘“) + ๐‘†1 (๐‘“) โ‹… ๐‘†2โˆ— (๐‘“) + ๐‘†2 (๐‘“) โ‹… ๐‘†1โˆ— (๐‘“) + ๐‘†2 (๐‘“) โ‹… ๐‘†2โˆ— (๐‘“)

la quale, denotando con ๐‘Š1 (๐‘“) e ๐‘Š2 (๐‘“) le densitร  spettrali di energia associate a ๐’”1 e ๐’”2 e con ๐‘Š12 (๐‘“) e ๐‘Š21 (๐‘“) le corrispondenti densitร  spettrali di energia incrociate, si puรฒ riscrivere: ๐‘Š(๐‘“) = ๐‘Š1 (๐‘“) + ๐‘Š12 (๐‘“) + ๐‘Š21 (๐‘“) + ๐‘Š2 (๐‘“)

Per caratterizzare completamente dal punto di vista energetico la somma di due segnali occorre definire pertanto quattro densitร  spettrali che possono essere disposte nella seguente matrice: ๐‘Š (๐‘“) ๐‘Š12 (๐‘“) ๐‘พ(๐‘“) = [ 1 ] ๐‘Š21 (๐‘“) ๐‘Š2 (๐‘“)

che costituisce la matrice delle densitร  spettrali. Essa รจ una matrice hermitiana giacchรฉ gli elementi della diagonale secondaria risultano complessi coniugati.

7.2 - Funzione di autocorrelazione. Dato un segnale ๐’” a energia finita, la funzione a valori generalmente complessi โˆž

๐›พ(๐œ) = โˆซ ๐‘ (๐‘ก + ๐œ)๐‘  โˆ— (๐‘ก)๐‘‘๐‘ก โˆ’โˆž

(7.2.1)

costituisce la funzione di autocorrelazione ad esso associata. Se il segnale รจ reale la sua autocorrelazione รจ anch'essa reale. Ponendo nella (7.2.1) ๐œ = 0 si ottiene:

150

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati โˆž

๐›พ(0) = โˆซ |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก

(7.2.2)

โˆ’โˆž

Pertanto la funzione di autocorrelazione valutata nellโ€™origine eguaglia lโ€™energia specifica del segnale. Effettuando la trasformazione ๐œ โ†’ โˆ’๐œ, nella (7.2.1) si ottiene: โˆž

๐›พ(โˆ’๐œ) = โˆซ ๐‘ (๐‘ก โˆ’ ๐œ)๐‘  โˆ— (๐‘ก)๐‘‘๐‘ก

(7.2.3)

โˆ’โˆž

che, con la ulteriore sostituzione ๐‘ก โˆ’ ๐œ = ๐œ—, diviene: โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

โˆ—

๐›พ(โˆ’๐œ) = โˆซ ๐‘ (๐œ—)๐‘  โˆ— (๐œ— + ๐œ)๐‘‘๐œ— = [โˆซ ๐‘ (๐œ— + ๐œ)๐‘  โˆ— (๐œ—)๐‘‘๐œ—]

(7.2.4)

Dal confronto con la (7.2.1), discende: ๐›พ โˆ— (๐œ) = ๐›พ(โˆ’๐œ)

(7.2.5)

Quindi lโ€™autocorrelazione di un segnale รจ una funzione a simmetria hermitiana. Applicando la disuguaglianza di Schwarz alla (7.2.1) si ottiene: โˆž

2

โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

|โˆซ ๐‘ (๐‘ก + ๐œ)๐‘  โˆ— (๐‘ก)๐‘‘๐‘ก| โ‰ค โˆซ |๐‘ (๐‘ก + ๐œ)|2 ๐‘‘๐‘ก โˆซ |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก โˆ’โˆž

(7.2.6)

2

= ๐›พ (0)

da cui si evince: |๐›พ(๐œ)| โ‰ค ๐›พ(0)

(7.2.7)

Se il segnale รจ reale, la (7.2.5) diventa: ๐›พ(โˆ’๐œ) = ๐›พ(๐œ)

(7.2.8)

cioรจ, la funzione di autocorrelazione di un segnale reale ha simmetria pari. La (7.2.7) inoltre assicura che la ๐›พ(๐œ) raggiunge il suo valore massimo ๐›พ(0) nell'origine. La conoscenza della funzione di autocorrelazione fornisce interessanti informazioni riguardo l'andamento del segnale nel dominio del tempo. A tal fine si consideri, per semplicitร , un segnale reale e si prenda in esame il seguente integrale:

CAPITOLO - 7 - Caratterizzazione Energetica dei Segnali -

151

โˆž

๐‘‘ 2 (๐œ) = โˆซ [๐‘ (๐‘ก) โˆ’ ๐‘ (๐‘ก + ๐œ)]2 ๐‘‘๐‘ก โˆ’โˆž

(7.2.9)

che rappresenta il quadrato della distanza euclidea fra il segnale ๐‘ (๐‘ก) e la sua versione anticipata di ๐œ. รˆ ovvio che, se ๐‘ (๐‘ก) varia molto lentamente nel tempo, l'integrando si manterrร  piccolo, almeno per valori di ๐œ non troppo elevati. Viceversa, Fig. 7.1 โ€“ autocorrelazioni dei segnali: ci si dovrebbero attendere valo๐‘Ž) cos(2ฯ€t)โŠ“(2t3); ๐‘) cos(10๐œ‹๐‘ก)โŠ“(2๐‘ก3). ri elevati di [๐‘ (๐‘ก) โˆ’ ๐‘ (๐‘ก + ๐œ)]2 , quando il segnale varia rapidamente nel tempo. Sviluppando la (7.2.9) si ha: ๐‘‘ 2 (๐œ) โˆž

โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

โˆ’โˆž

= โˆซ ๐‘  2 (๐‘ก)๐‘‘๐‘ก โˆ’ 2 โˆซ ๐‘ (๐‘ก)๐‘ (๐‘ก + ๐œ)๐‘‘๐‘ก + โˆซ ๐‘  2 (๐‘ก + ๐œ)๐‘‘๐‘ก

(7.2.10)

che, utilizzando la funzione di autocorrelazione si puรฒ riscrivere: ๐‘‘ 2 (๐œ) = 2[๐›พ(0) โˆ’ ๐›พ(๐œ)]

(7.2.11)

Si puรฒ quindi concludere che, tanto piรน rapide sono le variazioni del segnale nel tempo, tanto piรน rapidamente decresce la funzione di autocorrelazione e viceversa. Osservando la Fig. 7.1, ad esempio, si nota che la curva a) rappresenta l'autocorrelazione di un segnale che varia nel tempo piรน lentamente del segnale cui รจ associata l'autocorrelazione rappresentata dalla curva b). Esempio 7.4 La funzione di autocorrelazione della derivata di un segnale รจ data dalla: โˆž

โˆ—

๐›พ๐‘ โ€ฒ๐‘ โ€ฒ (๐œ) = โˆซ ๐‘  โ€ฒ (๐‘ก + ๐œ)๐‘  โ€ฒ (๐‘ก)๐‘‘๐‘ก โˆ’โˆž

Essa puรฒ essere messa in relazione con la funzione di autocorrelazione di ๐‘ (๐‘ก): โˆž

๐›พ๐‘ ๐‘  (๐œ) = โˆซ ๐‘ (๐‘ก + ๐œ)๐‘  โˆ— (๐‘ก)๐‘‘๐‘ก โˆ’โˆž

152

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

Derivando una prima volta ๐›พ๐‘ ๐‘  (๐œ) rispetto a ๐œ si ottiene: โˆž ๐‘‘๐›พ๐‘ ๐‘  (๐œ) = โˆซ ๐‘  โ€ฒ (๐‘ก + ๐œ)๐‘  โˆ— (๐‘ก)๐‘‘๐‘ก ๐‘‘๐œ โˆ’โˆž

che, con un opportuno cambiamento di variabili, puรฒ essere scritta nella forma: โˆž ๐‘‘๐›พ๐‘ ๐‘  (๐œ) = โˆซ ๐‘  โ€ฒ (๐‘ฅ)๐‘  โˆ— (๐‘ฅ โˆ’ ๐œ)๐‘‘๐‘ฅ ๐‘‘๐œ โˆ’โˆž

Derivando una seconda volta rispetto a ๐œ si ha: โˆž โˆž ๐‘‘2 ๐›พ๐‘ ๐‘  (๐œ) โˆ— โˆ— = โˆ’ โˆซ ๐‘  โ€ฒ (๐‘ฅ โˆ’ ๐œ)๐‘  โ€ฒ (๐‘ฅ)๐‘‘๐‘ฅ = โˆ’ โˆซ ๐‘  โ€ฒ (๐‘ก)๐‘  โ€ฒ (๐‘ก + ๐œ)๐‘‘๐œ 2 ๐‘‘๐œ โˆ’โˆž โˆ’โˆž

che fornisce: ๐›พ๐‘ โ€ฒ๐‘ โ€ฒ (๐œ) = โˆ’

๐‘‘2 ๐›พ๐‘ ๐‘  (๐œ) ๐‘‘๐œ 2

7.3 - Teorema di Wiener-Khinchine. Si consideri la trasformata della funzione di autocorrelazione: โˆž

๐”‰[๐›พ(๐œ)] = โˆซ ๐›พ(๐œ)๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐œ ๐‘‘๐œ โˆ’โˆž

(7.3.1)

che, tenendo conto della (7.2.1), diventa: โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

๐”‰[๐›พ(๐œ)] = โˆซ ๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐œ (โˆซ ๐‘  โˆ— (๐‘ก)๐‘ (๐‘ก + ๐œ)๐‘‘๐‘ก) ๐‘‘๐œ

(7.3.2)

Invertendo lโ€™ordine dโ€™integrazione si ottiene: โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

๐”‰[๐›พ(๐œ)] = โˆซ ๐‘  โˆ— (๐‘ก) (โˆซ ๐‘ (๐‘ก + ๐œ)๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐œ ๐‘‘๐œ) ๐‘‘๐‘ก

(7.3.3)

la quale, denotando con ๐‘†(๐‘“) la trasformata di Fourier del segnale puรฒ essere scritta nella forma: โˆž

๐”‰[๐›พ(๐œ)] = ๐‘†(๐‘“) โˆซ ๐‘  โˆ— (๐‘ก)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘ก = ๐‘†(๐‘“) โ‹… ๐‘† โˆ— (๐‘“) โˆ’โˆž

(7.3.4)

Tenendo infine conto della (7.1.4), si ha: ๐”‰[๐›พ(๐œ)] = ๐‘Š(๐‘“)

che รจ lโ€™espressione formale del Teorema di Wiener-Khinchine.

(7.3.5)

CAPITOLO - 7 - Caratterizzazione Energetica dei Segnali -

153

7.4 - Funzioni di mutua correlazione. Siano ๐’”1 e ๐’”2 due segnali ad energia finita. A essi si possono associare le seguenti funzioni generalmente complesse: โˆž

๐›พ12 (๐œ) = โˆซ ๐‘ 1 (๐‘ก + ๐œ)๐‘ 2โˆ— (๐‘ก)๐‘‘๐‘ก ; โˆ’โˆž

(7.4.1)

โˆž

๐›พ21 (๐œ) = โˆซ ๐‘ 2 (๐‘ก + ๐œ)๐‘ 1โˆ— (๐‘ก)๐‘‘๐‘ก ; โˆ’โˆž

che sono dette correlazioni mutue o incrociate. Si noti che ๐›พ12 (๐œ) e ๐›พ21 (๐œ) soddisfano la seguente relazione: โˆ— ๐›พ12 (๐œ) = ๐›พ21 (โˆ’๐œ)

(7.4.2)

come si dimostra facilmente effettuando nella (7.4.1) la trasformazione ๐‘ก + ๐œ = ๐‘ฅ . Si ha infatti: โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

๐›พ12 (๐œ) = โˆซ ๐‘ 1 (๐‘ฅ)๐‘ 2โˆ— (๐‘ฅ โˆ’ ๐œ)๐‘‘๐‘ฅ = (โˆซ ๐‘ 2 (๐‘ฅ โˆ’ ๐œ)๐‘ 1โˆ— (๐‘ฅ)๐‘‘๐‘ฅ )

โˆ—

(7.4.3)

che dร  luogo alla (7.4.2) ove si tenga presente la definizione (7.4.1). Se i segnali sono reali le funzioni ๐›พ12 (๐œ) e ๐›พ21 (๐œ) sono anch'esse reali e la condizione (7.4.2) si semplifica nella: ๐›พ12 (๐œ) = ๐›พ21 (โˆ’๐œ)

(7.4.4)

Ponendo nella (7.4.1) ๐œ = 0 si ottiene: โˆž

๐›พ12 (0) = โˆซ ๐‘ 1 (๐‘ก)๐‘ 2โˆ— (๐‘ก)๐‘‘๐‘ก = ๐ธ12 ; โˆ’โˆž โˆž

๐›พ21 (0) = โˆซ ๐‘ 2 (๐‘ก)๐‘ 1โˆ— (๐‘ก)๐‘‘๐‘ก = ๐ธ21 ;

(7.4.5)

โˆ’โˆž

cioรจ i valori assunti nel punto ๐œ = 0 dalle due funzioni di mutua correlazione coincidono con le corrispondenti energie incrociate. Applicando la disuguaglianza di Schwarz alle (7.4.1) si deduce: |๐›พ12 (๐œ)|2 โ‰ค ๐›พ1 (0) โ‹… ๐›พ2 (0) = ๐ธ1 โ‹… ๐ธ2 ; |๐›พ21 (๐œ)|2 โ‰ค ๐›พ1 (0) โ‹… ๐›พ2 (0) = ๐ธ1 โ‹… ๐ธ2 ;

(7.4.6)

dove ๐ธ1 e ๐ธ2 denotano le energie specifiche associate rispettivamente ai segnali ๐’”1 e ๐’”2 . Se risulta:

154

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

๐›พ12 (๐œ) = ๐›พ21 (๐œ) = 0

(7.4.7)

i due segnali si dicono incorrelati. Ponendo nella (7.4.3), ๐œ = 0 si ottiene: โˆž

โˆซ ๐‘ 1 (๐‘ก)๐‘ 2โˆ— (๐‘ก)๐‘‘๐‘ก = 0

(7.4.8)

โˆ’โˆž

che corrisponde alla condizione di ortogonalitร  tra i due segnali. Ciรฒ significa che se due segnali sono incorrelati sono anche ortogonali; il viceversa in genere non vale. La condizione dโ€™incorrelazione pertanto รจ piรน forte di quella di ortogonalitร . รˆ facile infine riconoscere che con procedimento analogo a quello seguito per dedurre la (7.3.5) si ottengono le: ๐”‰[๐›พ12 (๐œ)] = ๐‘Š12 (๐‘“); โ€‰โ€‰โ€‰ โ€‰โ€‰๐”‰[๐›พ21 (๐œ)] = ๐‘Š21 (๐‘“);

(7.4.9)

che costituiscono una naturale estensione del teorema di WienerKhinchine al caso delle funzioni di mutua correlazione. Esempio 7.5 La funzione di correlazione incrociata ๐›พ12 (๐œ) per i segnali โˆ’

๐‘ก

๐‘ 1 (๐‘ก) = u(๐‘ก)๐‘’ ๐‘‡0 ๐‘ก ๐‘ 2 (๐‘ก) = โŠ“ ( ) ; ๐‘‡0

Fig.E 7.2

vale: ๐›พ12 (๐œ) = โˆซ

โˆž

โˆ’โˆž

๐‘ก

๐‘ก+๐œ

๐‘‡0 2

๐‘ก+๐œ

โŠ“ (๐‘‡ ) u(๐‘ก + ๐œ)๐‘’ โˆ’ ๐‘‡0 ๐‘‘๐‘ก = โˆซ ๐‘‡0 u(๐‘ก + ๐œ)๐‘’ โˆ’ ๐‘‡0 ๐‘‘๐‘ก 0

๐‘‡0 2

โˆ’

2

๐‘‡0

๐‘ก ๐œ โˆ’๐œ ๐‘‡0 โˆ’ ๐œ 2 โˆ’ ๐‘ก โˆ’ = โŠ“ ( ) ๐‘’ ๐‘‡0 โˆซ ๐‘’ ๐‘‡0 ๐‘‘๐‘ก + u (๐œ โˆ’ ) ๐‘’ ๐‘‡0 โˆซ ๐‘’ ๐‘‡0 ๐‘‘๐‘ก ๐‘‡ ๐‘‡0 2 โˆ’๐œ โˆ’ 0 2

= ๐‘‡0 ๐‘’

๐œ โˆ’ ๐‘‡0

[(๐‘’

๐œ ๐‘‡0

1 1 ๐œ ๐œ 1 โˆ’ ๐‘’ ) โŠ“ ( ) + (๐‘’ 2 โˆ’ ๐‘’ โˆ’2 ) u ( โˆ’ )] ๐‘‡0 ๐‘‡0 2 1 โˆ’ 2

il cui andamento in funzione di ๐œโ„๐‘‡0 รจ riportato in Fig.E 7.2 In maniera analoga si ha (vedi Fig.E 7.2): ๐œ โˆ’๐œ 1 1 1 ๐œ โˆ’๐œ 1 ๐›พ21 (๐œ) = ๐›พ12 (โˆ’๐œ) = ๐‘‡0 ๐‘’ ๐‘‡0 [(๐‘’ ๐‘‡0 โˆ’ ๐‘’ โˆ’2 ) โŠ“ ( ) + (๐‘’ 2 โˆ’ ๐‘’ โˆ’2 ) u ( + )] ๐‘‡0 ๐‘‡0 2

CAPITOLO - 7 - Caratterizzazione Energetica dei Segnali -

155

Segnali a potenza finita 7.5 - Densitร  spettrale di potenza. รˆ noto che se un segnale รจ a potenza finita, la quantitร : ๐‘‡

1 2 ๐‘ƒ = lim โˆซ |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก ๐‘‡โ†’โˆž ๐‘‡ โˆ’๐‘‡

(7.5.1)

2

รจ positiva e limitata. Introducendo il segnale troncato ๐‘ ๐‘‡ (๐‘ก) la (7.5.1) diventa: 1 โˆž โˆซ |๐‘ ๐‘‡ (๐‘ก)|2 ๐‘‘๐‘ก ๐‘‡โ†’โˆž ๐‘‡ โˆ’โˆž

๐‘ƒ = lim

(7.5.2)

Per un fissato valore di ๐‘‡ il segnale ๐‘ ๐‘‡ (๐‘ก) รจ ad energia finita; pertanto, detta ๐‘†๐‘‡ (๐‘“) la sua trasformata di Fourier, utilizzando il teorema di Parseval, si puรฒ scrivere: ๐‘‡

โˆž

โˆž

โˆ’๐‘‡

โˆ’โˆž

โˆ’โˆž

โˆซ |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก = โˆซ |๐‘ ๐‘‡ (๐‘ก)|2 ๐‘‘๐‘ก = โˆซ |๐‘†๐‘‡ (๐‘“)|2 ๐‘‘๐‘“

(7.5.3)

Di conseguenza la potenza specifica ๐‘ƒ puรฒ essere posta nella forma: โˆž 1 โˆž |๐‘†๐‘‡ (๐‘“)|2 โˆซ |๐‘†๐‘‡ (๐‘“)|2 ๐‘‘๐‘“ = โˆซ lim ๐‘‘๐‘“ ๐‘‡โ†’โˆž ๐‘‡ โˆ’โˆž ๐‘‡ โˆ’โˆž ๐‘‡โ†’โˆž

๐‘ƒ = lim

(7.5.4)

Risulta quindi immediato associare al segnale ๐‘ (๐‘ก) la seguente espressione per la densitร  spettrale di potenza10 |๐‘†๐‘‡ (๐‘“)|2 ๐‘‡โ†’โˆž ๐‘‡

๐‘Š(๐‘“) = lim

(7.5.5)

La potenza specifica del segnale cosรฌ diventa: โˆž

๐‘ƒ = โˆซ ๐‘Š(๐‘“)๐‘‘๐‘“ โˆ’โˆž

10

(7.5.6)

Si osservi che il simbolo adottato per la densitร  spettrale di potenza รจ lo stesso di quello adoperato per la densitร  spettrale di energia. Al fine di non incorrere in spiacevoli equivoci รจ necessario pertanto precisare la classe di segnali (ad energia finita o a potenza finita) che via via si prendono in considerazione. Le stesse precauzioni si dovranno prendere a proposito delle funzioni di correlazione piรน avanti definite.

156

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

Analogamente alla densitร  spettrale di energia introdotta nel ยง 7.1 - , la densitร  spettrale di potenza รจ una funzione reale e non negativa della variabile ๐‘“. Nel caso in cui ๐‘ (๐‘ก) sia reale รจ manifestamente: ๐‘Š(โˆ’๐‘“) = ๐‘Š(๐‘“)

(7.5.7)

La densitร  spettrale di potenza associata ad un segnale reale รจ quindi una funzione reale, non negativa e pari della frequenza. Se ๐‘ 1 (๐‘ก) e ๐‘ 2 (๐‘ก) denotano due segnali a potenza finita le loro potenze specifiche mutue o potenze specifiche incrociate sono: ๐‘‡

๐‘ƒ12 ๐‘ƒ21

1 2 = lim โˆซ ๐‘ 1 (๐‘ก)๐‘ 2โˆ— (๐‘ก)๐‘‘๐‘ก ; ๐‘‡โ†’โˆž ๐‘‡ โˆ’๐‘‡ 2 ๐‘‡ 2

(7.5.8)

1 = lim โˆซ ๐‘ 2 (๐‘ก)๐‘ 1โˆ— (๐‘ก)๐‘‘๐‘ก. ๐‘‡โ†’โˆž ๐‘‡ โˆ’๐‘‡ 2

Le quantitร  ๐‘ƒ12 e ๐‘ƒ21 sono, in generale, complesse. Esse inoltre obbediscono alla condizione: โˆ— ๐‘ƒ12 = ๐‘ƒ21

(7.5.9)

Applicando la disuguaglianza di Schwarz si ottiene: ๐‘‡ 2

2

๐‘‡ 2

๐‘‡ 2

|โˆซ ๐‘ 1 (๐‘ก)๐‘ 2โˆ— ๐‘‘๐‘ก| โ‰ค โˆซ |๐‘ 1 (๐‘ก)|2 ๐‘‘๐‘ก โˆซ |๐‘ 2 (๐‘ก)|2 ๐‘‘๐‘ก ; ๐‘‡ 2

โˆ’

๐‘‡ 2

โˆ’

2

|โˆซ ๐‘ 1โˆ— (๐‘ก)๐‘ 2 ๐‘‘๐‘ก| ๐‘‡ โˆ’ 2

๐‘‡ 2

๐‘‡ 2

โˆ’

2

๐‘‡ 2

๐‘‡ 2

(7.5.10) 2

โ‰ค โˆซ |๐‘ 1 (๐‘ก)| ๐‘‘๐‘ก โˆซ |๐‘ 2 (๐‘ก)| ๐‘‘๐‘ก ; โˆ’

๐‘‡ 2

โˆ’

๐‘‡ 2

dalla quale, tenendo conto delle (7.5.8), discende: |๐‘ƒ12 | โ‰ค โˆš๐‘ƒ1 โˆš๐‘ƒ2 ; โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰โ€‰|๐‘ƒ21 | โ‰ค โˆš๐‘ƒ1 โˆš๐‘ƒ2

(7.5.11)

dove ๐‘ƒ1 e ๐‘ƒ2 sono le potenze specifiche associate a ๐‘ 1 (๐‘ก) e ๐‘ 2 (๐‘ก). Due segnali a potenza finita si dicono ortogonali se risulta: ๐‘ƒ12 = ๐‘ƒ21 = 0

(7.5.12)

Indicando con ๐‘ 1๐‘‡ (๐‘ก) e ๐‘ 2๐‘‡ (๐‘ก) i segnali troncati associati a ๐‘ 1 (๐‘ก) e ๐‘ 2 (๐‘ก) rispettivamente รจ facile riconoscere che le potenze mutue si possono porre nella forma seguente:

CAPITOLO - 7 - Caratterizzazione Energetica dei Segnali -

157

โˆ— (๐‘“)๐‘† (๐‘“) ๐‘†1๐‘‡ 2๐‘‡ ๐‘‘๐‘“ ; ๐‘‡โ†’โˆž ๐‘‡ โˆ’โˆž โˆž

๐‘ƒ12 = โˆซ

lim

โˆ— ๐‘†1๐‘‡ (๐‘“)๐‘†2๐‘‡ (๐‘“) ๐‘‘๐‘“ ; ๐‘‡ โˆ’โˆž ๐‘‡โ†’โˆž โˆž

๐‘ƒ21 = โˆซ

(7.5.13)

lim

avendo denotato con ๐‘†1๐‘‡ (๐‘“) e ๐‘†2๐‘‡ (๐‘“) le trasformate di Fourier di ๐‘ 1๐‘‡ (๐‘ก) e ๐‘ 2๐‘‡ (๐‘ก) rispettivamente. Dalle espressioni di ๐‘ƒ12 e ๐‘ƒ21 si deducono le seguenti definizioni per le densitร  spettrali di potenza mutue (o incrociate): โˆ— (๐‘“) ๐‘†1๐‘‡ (๐‘“)๐‘†2๐‘‡ ; ๐‘‡โ†’โˆž ๐‘‡ โˆ— ๐‘†2๐‘‡ (๐‘“)๐‘†1๐‘‡ (๐‘“) ๐‘Š21 (๐‘“) = lim ; ๐‘‡โ†’โˆž ๐‘‡

๐‘Š12 (๐‘“) = lim

(7.5.14)

Si ha: โˆž

๐‘ƒ12 = โˆซ ๐‘Š12 (๐‘“)๐‘‘๐‘“; โˆ’โˆž โˆž

๐‘ƒ21 = โˆซ ๐‘Š21 (๐‘“)๐‘‘๐‘“ ;

(7.5.15)

โˆ’โˆž

Per ๐‘Š12 (๐‘“) e ๐‘Š21 (๐‘“), si ha: โˆ— ๐‘Š12 (๐‘“) = ๐‘Š21 (๐‘“)

(7.5.16)

Esempio 7.6 Il segnale: ๐‘›

๐‘ (๐‘ก) = โˆ‘ ๐‘‰๐‘– cos(2๐œ‹๐‘“๐‘– ๐‘ก) ๐‘–=1

รจ un segnale a potenza finita. Infatti essendo: ๐‘  2 (๐‘ก) ๐‘›

= โˆ‘ ๐‘‰๐‘– ๐‘‰๐‘— cos(2๐œ‹๐‘“๐‘– ๐‘ก) cos(2๐œ‹๐‘“๐‘— ๐‘ก) ๐‘–,๐‘—=1 ๐‘›

= โˆ‘ ๐‘‰๐‘–2 cos2 (2๐œ‹๐‘“๐‘– ๐‘ก) + ๐‘–=1

risulta:

๐‘›

1 โˆ‘ ๐‘‰๐‘– ๐‘‰๐‘— [cos(2๐œ‹(๐‘“๐‘– โˆ’ ๐‘“๐‘— )๐‘ก) + cos(2๐œ‹(๐‘“๐‘– + ๐‘“๐‘— )๐‘ก)] 2 ๐‘–,๐‘—=1 ๐‘–โ‰ ๐‘—

158

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

๐‘ƒ ๐‘›

๐‘‡ 1 โˆ‘ ๐‘‰๐‘– ๐‘‰๐‘— โˆซ [cos(2๐œ‹(๐‘“๐‘– โˆ’ ๐‘“๐‘— )๐‘ก) + cos(2๐œ‹(๐‘“๐‘– + ๐‘“๐‘— )๐‘ก)]๐‘‘๐‘ก ๐‘‡โ†’โˆž 2๐‘‡ โˆ’๐‘‡ ๐‘–,๐‘—=1 [ โ€‰๐‘–โ‰ ๐‘—

= lim

๐‘›

๐‘‡

+ โˆ‘ ๐‘‰๐‘–2 โˆซ (cos(4๐œ‹๐‘“๐‘– ๐‘ก) + 1)๐‘‘๐‘ก โˆ’๐‘‡

๐‘–=1

]

๐‘›

=

๐‘›

๐‘›

sin(๐œ‹(๐‘“๐‘– โˆ’ ๐‘“๐‘— )๐‘‡) sin(๐œ‹(๐‘“๐‘– + ๐‘“๐‘— )๐‘‡) 1 sin(2๐œ‹๐‘“๐‘– ๐‘‡) lim โˆ‘ ๐‘‰๐‘– ๐‘‰๐‘— [ + + โˆ‘ ๐‘‰๐‘–2 ] + โˆ‘ ๐‘‰๐‘–2 2 ๐‘‡โ†’โˆž 2๐œ‹๐‘“๐‘– ๐‘‡ ๐œ‹(๐‘“ โˆ’ ๐‘“ ๐œ‹(๐‘“ + ๐‘“ )๐‘‡ )๐‘‡ ๐‘– ๐‘— ๐‘– ๐‘— ๐‘–,๐‘—=1 ๐‘–=1 ๐‘–=1 { โ€‰๐‘–โ‰ ๐‘— } ๐‘›

= โˆ‘ ๐‘‰๐‘–2 ๐‘–=1

7.6 - Funzioni di correlazione. La funzione di autocorrelazione di un segnale ๐‘ (๐‘ก) a potenza finita รจ definita dalla: ๐‘‡

1 2 โˆซ ๐‘ (๐‘ก + ๐œ)๐‘  โˆ— (๐‘ก)๐‘‘๐‘ก ๐‘‡โ†’โˆž ๐‘‡ โˆ’๐‘‡

๐›พ(๐œ) = lim

(7.6.1)

2

Essa รจ una funzione, in generale complessa, della quantitร  ๐œ; รจ reale nel caso di segnali reali. Nel punto ๐œ = 0 la ๐›พ(๐œ) vale: ๐‘‡

1 2 ๐›พ(0) = lim โˆซ ๐‘ (๐‘ก)๐‘  โˆ— (๐‘ก)๐‘‘๐‘ก ๐‘‡โ†’โˆž ๐‘‡ โˆ’๐‘‡

(7.6.2)

2

ed รจ quindi uguale alla potenza specifica del segnale. Ponendo nella (7.6.1) ๐œ โ†’ โˆ’๐œ e successivamente ๐‘ก โˆ’ ๐œ = ๐œ— si ottiene: ๐‘‡

๐›พ(โˆ’๐œ) =

1 2 lim โˆซ ๐‘ (๐‘ก ๐‘‡โ†’โˆž ๐‘‡ โˆ’๐‘‡

๐‘‡

โˆ’ ๐œ)๐‘  โˆ— (๐‘ก)๐‘‘๐‘ก

2

=

โˆ’๐œ 1 2 lim ๐‘‡ โˆซ ๐‘ (๐œ—)๐‘  โˆ— (๐œ— ๐‘‡ ๐‘‡โ†’โˆž โˆ’ โˆ’๐œ

+ ๐œ)๐‘‘๐œ—

2

๐‘‡

=

1 2 lim โˆซ ๐‘ (๐œ—)๐‘ โˆ— (๐œ— + ๐œ)๐‘‘๐œ— ๐‘‡โ†’โˆž ๐‘‡ โˆ’๐‘‡ 2 1

๐‘‡ โˆ’2

(7.6.3) ๐‘‡ โˆ’๐œ 2

+ lim ๐‘‡ (โˆซ ๐‘‡ ๐‘ (๐œ—)๐‘ โˆ— (๐œ— + ๐œ)๐‘‘๐œ— + โˆซ๐‘‡ ๐‘‡โ†’โˆž

=

๐›พโˆ— (๐œ)

โˆ’2โˆ’๐œ

2

๐‘ (๐œ—)๐‘ โˆ— (๐œ— + ๐œ)๐‘‘๐œ—)

CAPITOLO - 7 - Caratterizzazione Energetica dei Segnali -

159

dove si รจ tenuto conto del fatto che, per ogni valore di ๐œ, gli integrali che compaiono nel secondo limite al penultimo membro sono certamente finiti. In conclusione si puรฒ affermare che la funzione di autocorrelazione di un segnale a potenza finita รจ a simmetria hermitiana. Per segnali reali la (7.6.3) si riduce alla: ๐›พ(๐œ) = ๐›พ(โˆ’๐œ)

(7.6.4)

In virtรน della disuguaglianza di Schwarz, si puรฒ infine scrivere: |๐›พ(๐œ)| โ‰ค ๐›พ(0) = ๐‘ƒ

(7.6.5)

Per segnali reali, quindi, la funzione ๐›พ(๐œ)raggiunge in ๐œ = 0 un massimo assoluto. Detta ๐›พ๐‘‡ (๐œ) la funzione di autocorrelazione del segnale troncato, si ha (vedi Fig. 7.2): โˆž

๐›พ๐‘‡ (๐œ) = โˆซ ๐‘ ๐‘‡โˆ— (๐‘ก)๐‘ ๐‘‡ (๐‘ก + ๐œ)๐‘‘๐‘ก โˆ’โˆž

= u(โˆ’๐œ) โˆซ

๐‘‡ 2 ๐‘‡ 2

๐‘  โˆ— (๐‘ก)๐‘ (๐‘ก

+ ๐œ)๐‘‘๐‘ก + u(๐œ) โˆซ

โˆ’ โˆ’๐œ

๐‘‡ โˆ’๐œ 2 ๐‘‡ 2

(7.6.6) ๐‘  โˆ— (๐‘ก)๐‘ (๐‘ก + ๐œ)๐‘‘๐‘ก

โˆ’

Considerazioni analoghe a quelle che hanno condotto alla (7.6.3) consentono di scrivere: ๐›พ(๐œ) = lim

๐‘‡โ†’โˆž

๐›พ๐‘‡ (๐œ) ๐‘‡

(7.6.7)

Si osservi adesso che poichรฉ ๐‘ ๐‘‡ (๐‘ก) รจ ad energia fiFig. 7.2 - Segnale troncato e sue traslazioni. nita, per esso vale il teorema di WienerKhinchine per cui, detta ๐‘†๐‘‡ (๐‘“) la sua trasformata di Fourier, si ha: ๐”‰[๐›พ๐‘‡ (๐œ)] = |๐‘†๐‘‡ (๐‘“)|2

(7.6.8)

Trasformando ambo i membri della (7.6.7) risulta: |๐‘†๐‘‡ (๐‘“)|2 ๐‘‡โ†’โˆž ๐‘‡

๐”‰[๐›พ(๐œ)] = lim

(7.6.9)

Dal confronto con la (7.5.5), si deduce quindi: ๐”‰[๐›พ(๐œ)] = ๐‘Š(๐‘“)

(7.6.10)

160

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

che estende il teorema di Wiener-Khinchine anche al caso dei segnali a potenza finita. Nel caso di due segnali ๐‘ 1 (๐‘ก) e ๐‘ 2 (๐‘ก) a potenza finita si possono definire le correlazioni incrociate, o mutue mediante le: ๐‘‡

1 2 โˆซ ๐‘ 1 (๐‘ก + ๐œ)๐‘ 2โˆ— (๐‘ก)๐‘‘๐‘ก ๐‘‡โ†’โˆž 2๐‘‡ โˆ’๐‘‡

๐›พ12 (๐œ) = lim

2 ๐‘‡

1 2 ๐›พ21 (๐œ) = lim โˆซ ๐‘ 2 (๐‘ก + ๐œ)๐‘ 1โˆ— (๐‘ก)๐‘‘๐‘ก ๐‘‡โ†’โˆž 2๐‘‡ โˆ’๐‘‡

(7.6.11)

2

Si verifica facilmente che: โˆ— ๐›พ12 (๐œ) = ๐›พ21 (โˆ’๐œ)

(7.6.12)

e che, dette ๐›พ1 (๐œ) e ๐›พ2 (๐œ), ๐‘ƒ1 e ๐‘ƒ2 le autocorrelazioni e le potenze specifiche associate a ๐‘ 1 (๐‘ก) e a ๐‘ 2 (๐‘ก) rispettivamente, si ha: |๐›พ21 (โˆ’๐œ)|2 = |๐›พ12 (๐œ)|2 โ‰ค ๐›พ1 (0) โ‹… ๐›พ2 (0) = ๐‘ƒ1 โ‹… ๐‘ƒ2

(7.6.13)

Quando risulta ๐›พ12 (๐œ) = ๐›พ21 (๐œ) = 0 i segnali si dicono incorrelati. Si noti che ponendo ๐œ = 0 nella condizione di incorrelazione si ottiene ๐‘ƒ12 = ๐‘ƒ21 = 0; ciรฒ significa che, l'ortogonalitร  รจ soltanto una condizione necessaria per la incorrelazione. Procedendo come per il caso della funzione di autocorrelazione, si puรฒ mostrare che valgono le relazioni: ๐”‰[๐›พ12 (๐œ)] = ๐‘Š12 (๐‘“) ๐”‰[๐›พ21 (๐œ)] = ๐‘Š21 (๐‘“)

(7.6.14)

cioรจ le funzioni di mutua correlazione e le rispettive densitร  spettrali costituiscono coppie di trasformate di Fourier. Esempio 7.7 La funzione di autocorrelazione del segnale di cui allโ€™Esempio 7.6 vale: ๐‘›

๐‘‡

1 2 โˆซ cos(2๐œ‹๐‘“๐‘– ๐‘ก) cos (2๐œ‹๐‘“๐‘— (๐‘ก + ๐œ)) ๐‘‘๐‘ก ๐‘‡โ†’โˆž ๐‘‡ โˆ’๐‘‡

๐›พ(๐œ) = โˆ‘ ๐‘‰๐‘– ๐‘‰๐‘— lim ๐‘–,๐‘—=1 ๐‘›

= โˆ‘ ๐‘–,๐‘—=1 ๐‘–โ‰ ๐‘—

2

๐‘‡ 2

๐‘‰๐‘– ๐‘‰๐‘— 1 lim โˆซ {cos [2๐œ‹ ((๐‘“๐‘– + ๐‘“๐‘— )๐‘ก + ๐‘“๐‘— ๐œ)] + cos[2๐œ‹(๐‘“๐‘– โˆ’ ๐‘“๐‘— )๐‘ก โˆ’ ๐‘“๐‘— ๐œ]} ๐‘‘๐‘ก 2 ๐‘‡โ†’โˆž ๐‘‡ โˆ’๐‘‡ 2

๐‘›

๐‘‡

๐‘–=1

2

๐‘‰๐‘–2 1 2 +โˆ‘ lim โˆซ {cos(2๐œ‹๐‘“๐‘– (2๐‘ก + ๐œ)) + cos(2๐œ‹๐‘“๐‘– ๐œ)}๐‘‘๐‘ก 2 ๐‘‡โ†’โˆž ๐‘‡ โˆ’๐‘‡

CAPITOLO - 7 - Caratterizzazione Energetica dei Segnali -

161

๐‘‡ โˆ’ 2

๐‘›

sin [2๐œ‹ ((๐‘“๐‘– + ๐‘“๐‘— )๐‘ก + ๐‘“๐‘— ๐œ)] ๐‘‰๐‘– ๐‘‰๐‘— lim [ ] 2 ๐‘‡โ†’โˆž 2๐œ‹(๐‘“๐‘– + ๐‘“๐‘— )๐‘‡ ๐‘–,๐‘—=1 ๐‘‡ โˆ’ { 2 ๐‘–โ‰ ๐‘—

= โˆ‘

sin [2๐œ‹ ((๐‘“๐‘– โˆ’ ๐‘“๐‘— )๐‘ก โˆ’ ๐‘“๐‘— ๐œ)] +[ ] 2๐œ‹(๐‘“๐‘– โˆ’ ๐‘“๐‘— )๐‘‡

๐‘‡ 2

โˆ’

๐‘‡ 2

โˆ’

} ๐‘‡

๐‘›

๐‘›

โˆ’

sin(2๐œ‹๐‘“๐‘– (2๐‘ก + ๐œ)) 2 ๐‘‰๐‘–2 1 +โˆ‘ lim {[ ] + cos(2๐œ‹๐‘“๐‘– ๐œ)} = โˆ‘ ๐‘‰๐‘–2 cos(2๐œ‹๐‘“๐‘– ๐œ) 2 ๐‘‡โ†’โˆž 4๐œ‹๐‘“๐‘– ๐‘‡ 2 ๐‘‡ โˆ’ ๐‘–=1

๐‘–=1

2

La corrispondente densitร  spettrale vale quindi: ๐‘›

๐‘Š(๐‘“) = ๐”‰[๐›พ(๐œ)] = โˆ‘ ๐‘–=1

๐‘‰๐‘–2 [๐›ฟ(๐‘“ โˆ’ ๐‘“๐‘– ) + ๐›ฟ(๐‘“ + ๐‘“๐‘– )] 4

Esempio 7.8 Sia ๐‘ (๐‘ก) un segnale, periodico di periodo ๐‘‡0 , che puรฒ essere quindi sviluppato in serie di Fourier: โˆž

๐‘ (๐‘ก) = โˆ‘ ๐‘†๐‘› ๐‘’

๐‘—

2๐œ‹๐‘›๐‘ก ๐‘‡0

๐‘›=โˆ’โˆž

Esso รจ un segnale a potenza finita e la sua funzione di autocorrelazione puรฒ essere scritta nella forma: ๐‘‡

โˆž

โˆž

๐‘›=โˆ’โˆž

๐‘š=โˆ’โˆž

2๐œ‹๐‘›๐‘ก 2๐œ‹๐‘š(๐‘ก+๐œ) 1 2 โˆ’๐‘— ๐‘— โˆซ ( โˆ‘ ๐‘†๐‘›โˆ— ๐‘’ ๐‘‡0 โˆ‘ ๐‘†๐‘š ๐‘’ ๐‘‡0 ) ๐‘‘๐‘ก ๐‘‡โ†’โˆž ๐‘‡ โˆ’๐‘‡

๐›พ(๐œ) = lim

2

โˆž

=

๐‘†๐‘›โˆ— ๐‘†๐‘š ๐‘’ ๐‘—

โˆ‘

2๐œ‹๐‘š๐œ ๐‘‡

๐‘›,๐‘š=โˆ’โˆž

๐‘†๐‘›โˆ— ๐‘†๐‘› ๐‘’ ๐‘—

2๐œ‹๐‘›๐œ ๐‘‡

โˆž ๐‘—

๐‘‡

โˆž

+

โˆ‘ ๐‘›,๐‘š=โˆ’โˆž ๐‘›โ‰ ๐‘š

๐‘›=โˆ’โˆž

= โˆ‘ |๐‘†๐‘› |2 ๐‘’

2๐œ‹(๐‘šโˆ’๐‘›)๐‘ก 1 ๐‘— โˆซ ๐‘’ ๐‘‡0 ๐‘‘๐‘ก ๐‘‡โ†’โˆž ๐‘‡ โˆ’๐‘‡

lim

2

โˆž

= โˆ‘

๐‘‡ 2

๐‘†๐‘›โˆ— ๐‘†๐‘š ๐‘’ ๐‘—

2๐œ‹๐‘š๐œ ๐‘‡

lim

sin [๐œ‹(๐‘š โˆ’ ๐‘›) ]

๐‘‡โ†’โˆž

๐œ‹(๐‘š โˆ’ ๐‘›)

๐‘‡

๐‘‡0

๐‘‡0

2๐œ‹๐‘›๐œ ๐‘‡0

๐‘›=โˆ’โˆž

La funzione di autocorrelazione รจ dunque una funzione periodica di periodo ๐‘‡0 ed il generico coefficiente del suo sviluppo in serie di Fourier vale: ๐›ค๐‘› = |๐‘†๐‘› |2

162

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

Si osservi che l'integrale che compare nel calcolo dell'autocorrelazione, puรฒ essere espresso anche utilizzando la funzione sinc(โ‹…). Si puรฒ infatti scrivere: ๐‘‡

1 2 ๐‘—2๐œ‹(๐‘šโˆ’๐‘›)๐‘ก ๐‘‡ โˆซ ๐‘’ ๐‘‡0 ๐‘‘๐‘ก = sinc ((๐‘š โˆ’ ๐‘›) ) ๐‘‡ โˆ’๐‘‡ ๐‘‡0 2

รˆ evidente che la precedente รจ valida anche se l'argomento dell'esponenziale รจ identicamente nullo, non si rende quindi necessaria la distinzione tra i casi ๐‘› = ๐‘š, ๐‘› โ‰  ๐‘š.

CAPITOLO - 8 CARATTERISTICHE E PROPRIETร€ DEI SEGNALI 8.1 - Segnale analitico. Trasformata di Hilbert. In alcune applicazioni della teoria della modulazione, come pure nello studio della risposta dei filtri passabanda, รจ opportuno caratterizzare i segnali reali fornendo una rappresentazione che generalizza quella che usualmente si adotta per lo studio dei circuiti in regime sinusoidale. Tale generalizzazione si basa sul concetto di segnale analitico. Si consideri un segnale reale Fig. 8.1 - a) Modulo della trasformata di ๐‘ (๐‘ก); b) modulo dellatrasformata del se๐‘ (๐‘ก) la cui trasformata di Fourier gnale analitico ๐‘ง(๐‘ก) ad esso associato. ๐‘†(๐‘“) รจ rappresentata in Fig. 8.1. Alla ๐‘†(๐‘“) si puรฒ associare una funzione ๐‘(๐‘“): ๐‘(๐‘“) = ๐‘†(๐‘“)[1 + sgm(๐‘“)]

(8.1.1)

come รจ mostrato nella stessa Fig. 8.1. Tale funzione รจ manifestamente unilatera giacchรฉ essa รจ identicamente nulla per ๐‘“ < 0; pertanto la sua antitrasformata ๐‘ง(๐‘ก) รจ una funzione complessa poichรฉ la ๐‘(๐‘“) non รจ a simmetria hermitiana. L'antitrasformata di ๐‘(๐‘“) si puรฒ effettuare facilmente applicando il teorema della convoluzione nel dominio del tempo e osservando che lโ€™espressione dellโ€™antitrasformata della funzione sgm(๐‘“) risulta, per la proprietร  di simmetria: ๐”‰-1 [sgm(๐‘“)] = โˆ’Pf (

1 1 ) = ๐‘—Pf ( ) ๐‘—๐œ‹๐‘ก ๐œ‹๐‘ก

(8.1.2)

Si ottiene cosรฌ: 1 ๐‘ง(๐‘ก) = ๐‘ (๐‘ก) โˆ— (๐›ฟ(๐‘ก) + ๐‘—Pf ( )) ๐œ‹๐‘ก

che, ponendo:

(8.1.3)

164

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

sฬ‚(๐‘ก) =

โˆž 1 ๐‘ (๐œ) VP โˆซ ๐‘‘๐œ ๐œ‹ โˆ’โˆž ๐‘ก โˆ’ ๐œ

(8.1.4)

si puรฒ riscrivere: ๐‘ง(๐‘ก) = ๐‘ (๐‘ก) + ๐‘—๐‘ ฬ‚ (๐‘ก)

(8.1.5)

Dalla (8.1.4) si deduce che sฬ‚(๐‘ก) รจ ottenuta dalla convoluzione tra 1

๐‘ (๐‘ก) e la pseudofunzione Pf (๐œ‹๐‘ก) cioรจ: 1 ๐‘ ฬ‚ (๐‘ก) = ๐‘ (๐‘ก) โˆ— Pf ( ) ๐œ‹๐‘ก

(8.1.6)

che trasformata secondo Fourier dร  luogo alla: ๐‘†ฬ‚(๐‘“) = ๐”‰[๐‘ ฬ‚ (๐‘ก)] = โˆ’๐‘—๐‘†(๐‘“)sgm(๐‘“)

(8.1.7)

quindi: ๐‘†(๐‘“) =

๐‘†ฬ‚(๐‘“) = ๐‘—๐‘†ฬ‚(๐‘“)sgm(๐‘“) โˆ’๐‘—sgm(๐‘“)

(8.1.8)

da cui antitrasformando: โˆž 1 ๐‘ ฬ‚ (๐œ) ๐‘ (๐‘ก) = โˆ’ VP โˆซ ๐‘‘๐œ ๐œ‹ ๐‘ก โˆ’โˆž โˆ’ ๐œ

(8.1.9)

Le trasformazioni (8.1.4) (8.1.9) vengono dette rispettivamente trasformata e antitrasformata di Hilbert. Esse si denotano con i simboli: โ„‹[โˆ™],

โ„‹ โˆ’1 [โˆ™]

(8.1.10)

Il segnale complesso ๐‘ง(๐‘ก), definito dalla (8.1.5), prende il nome di segnale analitico associato a ๐‘ (๐‘ก); la ragione di questa denominazione sta nel fatto che se una funzione complessa ๐‘“(๐‘ค), di variabile complessa ๐‘ค = ๐‘ข + ๐‘—๐‘ฃ, รจ analitica su tutto il semipiano superiore (๐‘ข > 0), la parte reale ed il coefficiente della parte immaginaria di ๐‘“(๐‘ค) costituiscono una coppia di trasformate di Hilbert e viceversa. Osserviamo inoltre che se ๐‘ (๐‘ก) rappresenta un segnale ๐’” ad energia finita, tale รจ anche la sua trasformata di Hilbert e risulta: โˆž โŒฉ๐’”, ๐’”ฬ‚โŒช=โŒฉ๐‘บ, ฬ‚ ๐‘บโŒช = โˆซโˆ’โˆž ๐‘†(๐‘“)๐‘†ฬ‚ โˆ— (๐‘“) ๐‘‘๐‘“ = โˆž

๐‘— โˆซโˆ’โˆž ๐‘†(๐‘“) ๐‘† โˆ— (๐‘“)sgm(๐‘“)๐‘‘๐‘“ = 0

(8.1.11)

CAPITOLO - 8 - Caratteristiche e Proprietร  dei Segnali -

165

Il risultato รจ zero in quanto essendo il segnale reale la funzione integranda รจ dispari. Possiamo quindi affermare che un segnale ๐’” e quello associato alla trasformata di Hilbert di una funzione che lo rappresenta sono ortogonali.

Fig.E 8.1

Esempio 8.1 Applicando la definizione (8.1.4) al rettangolo unitario di durata โˆž

โŠ“ (๐‘‡๐œ )

T 2

โˆ’๐œ€

2

2

T si ha: ๐‘‡

๐‘ก 1 1 ๐‘‘๐œ 1 ๐‘‘๐œ 2 ๐‘‘๐œ โ„‹ [โŠ“ ( )] = VP โˆซ ๐‘‘๐œ = VP โˆซ = lim (โˆซ +โˆซ ) T ๐‘ก โˆ’๐œ ๐‘‡ ๐‘ก โˆ’ ๐œ ๐œ€โ†’0 ๐‘‡ ๐œ‹ ๐‘ก โˆ’ ๐œ ๐œ‹ ๐œ‹ โˆ’โˆž โˆ’ ๐œ€ ๐‘กโˆ’๐œ ๐‘‡

=

๐‘ก+ 1 ๐‘‡ ๐‘‡ 1 2 lim (log |๐‘ก + | โˆ’ log|๐‘ก + ๐œ€| + log |๐‘ก โˆ’ ๐œ€| โˆ’ log |๐‘ก โˆ’ |) = log | ๐‘‡| ๐œ€โ†’0 ๐œ‹ 2 2 ๐œ‹ ๐‘กโˆ’ 2

๐‘ก

Il segnale โŠ“ ( ) e la sua trasformata di Hil๐‘‡

bert sono mostrati in Fig.E 8.1. ๐‘ก

Il segnale analitico associato a โŠ“ ( ) vale ๐‘‡

quindi: ๐‘‡

๐‘ก+ ๐‘ก 1 2 ๐‘ง(๐‘ก) = โŠ“ ( ) + ๐‘— log | ๐‘‡| ๐‘‡ ๐œ‹ ๐‘กโˆ’ 2

la cui rappresentazione nel piano complesso รจ riportata in Fig.E 8.2. Esempio 8.2 Determinare la trasformata di Hilbert del segnale ๐‘’ ยฑ๐‘—2๐œ‹๐‘“0๐‘ก . Poichรฉ si ha: ๐”‰[๐‘’ ยฑ๐‘—2๐œ‹๐‘“0๐‘ก ] = ๐›ฟ(๐‘“ โˆ“ ๐‘“0 )

รจ per la (8.1.7) ๐”‰[โ„‹[๐‘’ ยฑ๐‘—2๐œ‹๐‘“0 ๐‘ก ]] = โˆ’๐‘—๐›ฟ(๐‘“ โˆ“ ๐‘“0 )sgm(๐‘“)

Fig.E 8.2

166

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

da cui antitrasformando: โˆž

โ„‹[๐‘’ ยฑ๐‘—2๐œ‹๐‘“0๐‘ก ] = โˆ’๐‘— โˆซ ๐›ฟ(๐‘“ โˆ“ ๐‘“0 )sgm(๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘“ = โˆ’๐‘—sgm(ยฑ๐‘“0 )๐‘’ ยฑ๐‘—2๐œ‹๐‘“0 ๐‘ก โˆ’โˆž

cioรจ: โ„‹[๐‘’ ยฑ๐‘—2๐œ‹๐‘“0 ๐‘ก ] = โˆ“๐‘—๐‘’ ยฑ๐‘—2๐œ‹๐‘“0 ๐‘ก

In particolare si deduce, eguagliando le parti reali e i coefficienti delle parti immaginarie: โ„‹[cos(2๐œ‹๐‘“0 ๐‘ก)] = sin(2๐œ‹๐‘“0 ๐‘ก) โ„‹[sin(2๐œ‹๐‘“0 ๐‘ก)] = โˆ’ cos(2๐œ‹๐‘“0 ๐‘ก)

Esempio 8.3 Determinare il segnale analitico associato al segnale ๐’” rappresentabile mediante la funzione: ๐‘ (๐‘ก) =

1 ๐‘ก2 + ๐œ2

Potendosi scrivere: 1 ๐‘— 1 1 = [ โˆ’ ] ๐‘ก 2 + ๐œ 2 2๐œ ๐‘ก + ๐‘—๐œ ๐‘ก โˆ’ ๐‘—๐œ

la trasformata di Fourier del segnale ๐’” vale: ๐‘†(๐‘“) =

๐‘— 1 1 {๐”‰ [ ] โˆ’๐”‰[ ]} 2๐œ ๐‘ก + ๐‘—๐œ ๐‘ก โˆ’ ๐‘—๐œ

Ricordando l' Esempio 4.2, applicando la proprietร  di simmetria si ottiene: ๐”‰[

1 ] = u(โˆ’๐‘“)๐‘’ ๐›ผ๐‘“ ๐›ผ + ๐‘—2๐œ‹๐‘ก

quindi: 1 1 ๐”‰[ ] = ๐‘—2๐œ‹๐”‰ [ ] ๐‘ก โˆ’ ๐‘—๐œ 2๐œ‹๐œ + ๐‘—2๐œ‹๐‘ก = ๐‘—2๐œ‹u(โˆ’๐‘“)๐‘’ 2๐œ‹๐œ๐‘“

Applicando ora la proprietร  della coniugazione nel dominio del tempo si ha poi:

Fig.E 8.3

1 ๐”‰[ ] = โˆ’๐‘—2๐œ‹ u(๐‘“)๐‘’ โˆ’2๐œ‹๐œ๐‘“ ๐‘ก + ๐‘—๐œ

Di conseguenza ๐‘†(๐‘“) diviene: ๐‘†(๐‘“) =

๐‘— ๐œ‹ (โˆ’๐‘—2๐œ‹u(๐‘“)๐‘’ โˆ’2๐œ‹๐œ๐‘“ โˆ’ ๐‘—2๐œ‹u(โˆ’๐‘“)๐‘’ 2๐œ‹๐œ๐‘“ ) = ๐‘’ โˆ’2๐œ‹๐œ|๐‘“| 2๐œ ๐œ

CAPITOLO - 8 - Caratteristiche e Proprietร  dei Segnali -

167

Il segnale analitico ๐‘ง(๐‘ก) associato a ๐‘ (๐‘ก) vale dunque: โˆž

๐‘ง(๐‘ก) = 2 โˆซ 0

โˆž

๐œ‹ โˆ’2๐œ‹๐œ|๐‘“| ๐‘—2๐œ‹๐‘“๐‘ก 2๐œ‹ ๐‘’ โˆ’2๐œ‹๐‘“(๐œโˆ’๐‘—๐‘ก) 1 ๐‘’ ๐‘’ ๐‘‘๐‘“ = [ ] = ๐œ ๐œ โˆ’2๐œ‹(๐‘—๐œ๐‘ก) 0 ๐œ(๐œ โˆ’ ๐‘—๐‘ก)

o anche: ๐‘ง(๐‘ก) =

1 ๐‘ก +๐‘— ๐‘ก2 + ๐œ2 ๐œ(๐‘ก 2 + ๐œ 2 )

Il suo modulo vale: ๐‘Ÿ(๐‘ก) =

ed il suo argomento:

1 1 ๐œ โˆš๐‘ก 2 + ๐œ 2

๐‘ก ๐œ—(๐‘ก) = arctg ( ) ๐œ

Nel piano complesso (Re[๐‘ง], Im[๐‘ง]) lโ€™estremo del vettore ๐‘ง(๐‘ก) descrive il luogo individuato dallโ€™equazione: ๐œ 2 (๐‘ฅ 2 + ๐‘ฆ 2 ) = ๐‘ฅ

che รจ una circonferenza di centro ๐ถ โ‰ก (

1 2๐œ2

, 0) e raggio ๐‘… =

1 ๐œ2

come รจ indi-

cato nella Fig. E.VII.3.

8.2 - Componenti del segnale a frequenze positive e negative. Nellโ€™analisi dei segnali reali risulta talvolta utile introdurre le quantitร  ๐‘†+ (๐‘“) e ๐‘†โˆ’ (๐‘“) definite dalle: ๐‘†+ (๐‘“) = ๐‘†(๐‘“)u(๐‘“)

(8.2.1)

๐‘†โˆ’ (๐‘“) = ๐‘†(๐‘“)u(โˆ’๐‘“)

(8.2.2)

e che individuano il contenuto di frequenze positive e negative di un segnale ๐‘ (๐‘ก) il cui spettro รจ stato denotato con ๐‘†(๐‘“). Alle quantitร  ๐‘†+ (๐‘“) e ๐‘†โˆ’ (๐‘“), sopra definite, si possono associare due segnali complessi ๐‘ + (๐‘ก) e ๐‘ โˆ’ (๐‘ก) ottenuti per mezzo delle seguenti antitrasformate: ๐‘ + (๐‘ก) = ๐”‰โˆ’1 [๐‘†+ (๐‘“)];

๐‘ โˆ’ (๐‘ก) = ๐”‰[๐‘†โˆ’ (๐‘“)]

(8.2.3)

denominati componenti a frequenze positive e negative del segnale. Poichรฉ risulta manifestamente:

168

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

๐‘†(๐‘“) = ๐‘†+ (๐‘“) + ๐‘†โˆ’ (๐‘“)

(8.2.4)

๐‘ (๐‘ก) = ๐‘ + (๐‘ก) + ๐‘ โˆ’ (๐‘ก)

(8.2.5)

si ha: Tenendo conto della (8.2.4), la trasformata di Fourier di ๐‘ ฬ‚ (๐‘ก) vale: ๐‘†ฬ‚(๐‘“) = โˆ’๐‘—sgm(๐‘“) โ‹… [๐‘†+ (๐‘“) + ๐‘†โˆ’ (๐‘“)] = โˆ’๐‘—๐‘†+ (๐‘“) + ๐‘—๐‘†โˆ’ (๐‘“)

(8.2.6)

da cui antitrasformando: ๐‘ ฬ‚ (๐‘ก) = โˆ’๐‘—[๐‘ + (๐‘ก) โˆ’ ๐‘ โˆ’ (๐‘ก)]

(8.2.7)

che permette di esprimere la trasformata di Hilbert di un segnale in termini delle sue componenti a frequenze positive e negative. Invertendo le (8.2.5) e (8.2.7) si ottiene infine: ๐‘ + (๐‘ก) =

1 [๐‘ (๐‘ก) + ๐‘—๐‘ ฬ‚ (๐‘ก)], 2

1 ๐‘ โˆ’ (๐‘ก) = [๐‘ (๐‘ก) โˆ’ ๐‘—๐‘ ฬ‚ (๐‘ก)] 2

(8.2.8)

8.3 - Segnali a banda e durata rigorosamente limitata. Un segnale ๐‘ (๐‘ก) si dice a banda rigorosamente limitata quando la sua trasformata di Fourier soddisfa la condizione: โˆƒ ๐‘“ โ€ฒ , ๐‘“ โ€ณ (0 โ‰ค ๐‘“ โ€ฒ < ๐‘“ โ€ณ < โˆž) | ๐‘†(๐‘“) = 0 โˆ€ ๐‘“| |๐‘“| โˆ‰ [๐‘“ โ€ฒ , ๐‘“ โ€ณ ]

(8.3.1)

Detti ๐‘“1 l'estremo superiore dell'insieme {๐‘“ โ€ฒ } ed ๐‘“2 l'estremo inferiore dell'insieme {๐‘“ โ€ณ }, la quantitร : ๐ต = ๐‘“2 โˆ’ ๐‘“1

(8.3.2)

esprime lโ€™ampiezza di banda del segnale e le frequenze ๐‘“1 e ๐‘“2 vengono rispettivamente dette frequenza di taglio inferiore e superiore (vedi Fig. 8.2). Se per un segnale ๐‘ (๐‘ก) a banda rigorosamente limitata risulta ๐‘“1 = 0 il Fig. 8.2 โ€“ Segnale a banda rigorosegnale si dice passabasso, altrimenti si samente limitata parla di segnale passabanda. Un segnale ๐‘ (๐‘ก) si dice a durata rigorosamente limitata quando รจ soddisfatta la condizione: โˆƒ ๐‘ก โ€ฒ โ‹€ ๐‘ก โ€ณ | ๐‘ (๐‘ก) = 0 โˆ€ ๐‘ก โˆ‰ [๐‘ก โ€ฒ , ๐‘ก โ€ณ ]

(8.3.3)

CAPITOLO - 8 - Caratteristiche e Proprietร  dei Segnali -

169

La misura dell'intersezione tra tutti gli intervalli [๐‘ก โ€ฒ , ๐‘ก โ€ณ ] che verificano la (8.3.3) definisce la durata ๐‘‡ del segnale. Con riferimento alla Fig. 8.2 si puรฒ osservare che, se ๐‘†(๐‘“) denota la trasformata di Fourier di un segnale a banda rigorosamente limitata, si puรฒ scrivere: ๐‘“ โˆ’ ๐‘“0 ๐‘“ + ๐‘“0 ๐‘†(๐‘“) = ๐‘†(๐‘“)โŠ“ ( ) + ๐‘†(๐‘“)โŠ“ ( ) ๐ต ๐ต

(8.3.4)

avendo denotato con ๐‘“0 il valore della frequenza di centro banda: ๐‘“0 =

๐‘“1 + ๐‘“2 2

(8.3.5)

Antitrasformando la (8.3.4), essendo: ๐‘“ ยฑ ๐‘“0 ๐”‰โˆ’1 [โŠ“ ( )] = ๐ตsinc(๐ต๐‘ก)๐‘’ โˆ“๐‘—2๐œ‹๐‘“0 ๐‘ก ๐ต

(8.3.6)

si ottiene facilmente l'identitร : ๐‘ (๐‘ก) = ๐‘ (๐‘ก) โˆ— ๐ต(sinc(๐ต๐‘ก)๐‘’ ๐‘—2๐œ‹๐‘“0 ๐‘ก + sinc(๐ต๐‘ก)๐‘’ โˆ’๐‘—2๐œ‹๐‘“0 ๐‘ก )

(8.3.7)

dalla quale si deduce che il segnale ๐‘ (๐‘ก) non puรฒ avere durata limitata giacchรฉ esso si puรฒ esprimere mediante una convoluzione in cui uno dei due operandi ha supporto non limitato. Di converso, se ๐‘ (๐‘ก) รจ a durata rigorosamente limitata, la sua trasformata si estenderร  su tutto lโ€™asse delle frequenze. In altre parole non esistono segnali che siano simultaneamente a banda e a durata rigorosamente limitate. 8.4 - Proprietร  dei segnali a banda rigorosamente limitata. Segnali passabasso Se ๐‘ (๐‘ก) รจ un segnale passabasso, รจ anche rappresentabile mediante

una funzione continua e derivabile infinite volte (vedi ยง. 5.7 - ). Si ha: ๐‘ (๐‘ก) = โˆซ

๐‘“๐‘š

๐‘†(๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘“

โˆ’๐‘“๐‘š

(8.4.1)

dove ๐‘“๐‘š denota la frequenza di taglio. Dalla precedente discende: |๐‘ (๐‘ก)| โ‰ค โˆซ

๐‘“๐‘š

โˆ’๐‘“๐‘š

|๐‘†(๐‘“)|๐‘‘๐‘“ < โˆž

(8.4.2)

170

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

Derivando la (8.4.1)rispetto a t si ottiene: ๐‘“๐‘š ๐‘‘๐‘ (๐‘ก) = โˆซ ๐‘—2๐œ‹๐‘“ โ‹… ๐‘†(๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘“ ๐‘‘๐‘ก โˆ’๐‘“๐‘š

(8.4.3)

da cui: |

๐‘“๐‘š ๐‘“๐‘š ๐‘‘๐‘ (๐‘ก) | โ‰ค โˆซ |2๐œ‹๐‘“| โ‹… |๐‘†(๐‘“)|๐‘‘๐‘“ โ‰ค 2๐œ‹๐‘“๐‘š โˆซ |๐‘†(๐‘“)|๐‘‘๐‘“ ๐‘‘๐‘ก โˆ’๐‘“๐‘š โˆ’๐‘“๐‘š

(8.4.4)

Procedendo analogamente per la derivata ๐‘›-esima si ottiene la seguente limitazione: |

๐‘“๐‘š ๐‘‘ ๐‘› ๐‘ (๐‘ก) ๐‘› | โ‰ค (2๐œ‹๐‘“ ) โˆซ |๐‘†(๐‘“)|๐‘‘๐‘“ ๐‘š ๐‘‘๐‘ก ๐‘› โˆ’๐‘“๐‘š

(8.4.5)

cioรจ: il modulo di un segnale passabasso รจ limitato, come pure i moduli di tutte le sue derivate. Tali limiti dipendono dallโ€™ampiezza ๐‘“๐‘š della banda del segnale. Un segnale passabasso, pertanto, ha un andamento regolare nel tempo con variazioni tanto piรน lente quanto piรน piccola รจ la sua frequenza di taglio. Segnali passabanda

Con riferimento alla Fig. 8.2 se ๐‘ (๐‘ก) รจ reale, si puรฒ scrivere: ๐‘ (๐‘ก) = โˆซ

โˆ’๐‘“1

๐‘“2

๐‘†(๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘“ + โˆซ ๐‘†(๐‘“)๐‘’ ๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘“

โˆ’๐‘“2

๐‘“1

๐‘“2

(8.4.6)

= 2Re [โˆซ ๐‘†(๐‘“)๐‘’

๐‘—2๐œ‹๐‘“๐‘ก

๐‘‘๐‘“ ]

๐‘“1

che con la posizione ๐‘“ = ๐‘“0 + ๐œ‘ diventa: ๐‘ (๐‘ก) = 2Re [๐‘’

๐‘—2๐œ‹๐‘“0 ๐‘ก

๐ต 2

โˆซ ๐‘†(๐‘“0 + ๐œ‘)๐‘’ ๐‘—2๐œ‹๐œ‘๐‘ก ๐‘‘๐œ‘ ] โˆ’

๐ต 2

(8.4.7)

Definendo il segnale: ๐ต 2

๐‘ค(๐‘ก) = 2 โˆซ ๐‘†(๐‘“0 + ๐œ‘)๐‘’ ๐‘—2๐œ‹๐œ‘๐‘ก ๐‘‘๐œ‘ โˆ’

๐ต 2

(8.4.8)

la (8.4.7) si puรฒ riscrivere nella forma: ๐‘ (๐‘ก) = Re[๐‘ค(๐‘ก)๐‘’ ๐‘—2๐œ‹๐‘“0 ๐‘ก ]

(8.4.9)

CAPITOLO - 8 - Caratteristiche e Proprietร  dei Segnali -

171

Il segnale ๐‘ค(๐‘ก), definito dalla (8.4.8), รจ in generale complesso a meno che la ๐‘†(๐‘“) non soddisfi la condizione di simmetria: ๐‘†(๐‘“0 โˆ’ ๐œ‘) = ๐‘† โˆ— (๐‘“0 + ๐œ‘)

(8.4.10)

Indicando con ๐‘Ÿ(๐‘ก) e con ๐œ—(๐‘ก) il modulo e lโ€™argomento di ๐‘ค(๐‘ก): ๐‘ค(๐‘ก) = ๐‘Ÿ(๐‘ก)๐‘’ ๐‘—๐œ—(๐‘ก)

(8.4.11)

dalla (8.4.9) discende: ๐‘ (๐‘ก) = ๐‘Ÿ(๐‘ก) cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ—(๐‘ก)) = ๐‘ ๐‘“ (๐‘ก) cos(2๐œ‹๐‘“0 ๐‘ก) โˆ’ ๐‘ ๐‘ž (๐‘ก) sin(2๐œ‹๐‘“0 ๐‘ก)

(8.4.12)

laddove le quantitร  ๐‘ ๐‘“ (๐‘ก) e ๐‘ ๐‘ž (๐‘ก) definite dalle: ๐ต 2

๐‘Ž) ๐‘ ๐‘“ (๐‘ก) = ๐‘Ÿ(๐‘ก) cos ๐œ—(๐‘ก) = 2Re [โˆซ ๐‘†(๐‘“0 + ๐œ‘)๐‘’ ๐‘—2๐œ‹๐œ‘๐‘ก ๐‘‘๐œ‘ ] โˆ’

๐ต 2

๐ต 2

(8.4.13)

๐‘) ๐‘ ๐‘ž (๐‘ก) = ๐‘Ÿ(๐‘ก) sin ๐œ—(๐‘ก) = 2Im [โˆซ ๐‘†(๐‘“0 + ๐œ‘)๐‘’ ๐‘—2๐œ‹๐œ‘๐‘ก ๐‘‘๐œ‘ ] โˆ’

๐ต 2

prendono il nome rispettivamente di componenti in fase e in quadratura del segnale. Le (8.4.9) e (8.4.13) suggeriscono una particolare rappresentazione grafica di ๐‘ (๐‘ก). Inฬ…ฬ…ฬ…ฬ… fatti se il vettore ๐‘‚๐‘ƒ individua nel piano complesso di Fig. 8.3 la quantitร  ๐‘ค(๐‘ก) a Fig. 8.3 - Rappresentazione vettoriale di un segnale passa- un istante generico banda ๐‘ก, il valore ๐‘ (๐‘ก) del segnale si potrร  ottenere dalla proiezione sullโ€™asse reale del vettore ฬ…ฬ…ฬ…ฬ… ๐‘‚๐‘ƒโ€ฒ ฬ…ฬ…ฬ…ฬ… ottenuto ruotando ๐‘‚๐‘ƒ di un angolo pari a 2๐œ‹๐‘“0 ๐‘ก. Il segnale ๐‘ (๐‘ก) รจ noto se ฬ…ฬ…ฬ…ฬ… al variare di ๐‘ก. Ciรฒ significa che si conosce la posizione del vettore ๐‘‚๐‘ƒ ๐‘ (๐‘ก) puรฒ essere rappresentato dal luogo ๐›พ dell'estremo di tale vettore. Si perviene cosรฌ alla naturale estensione dellโ€™usuale rappresentazione di una grandezza sinusoidale mediante un vettore rotante. In questโ€™ultimo caso,

172

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

il vettore rappresentativo del segnale non varia nel tempo cosicchรฉ la curva ๐›พ si riduce a un punto. Le quantitร  ๐‘Ÿ(๐‘ก) e ๐œ—(๐‘ก) prendono rispettivamente il nome di inviluppo e fase istantanei del segnale; si definisce frequenza istantanea la quantitร  ๐‘“(๐‘ก): ๐‘“(๐‘ก) = ๐‘“0 +

1 ๐‘‘๐œ—(๐‘ก) 2๐œ‹ ๐‘‘๐‘ก

(8.4.14)

Dalla (8.4.12) si deduce che un segnale passabanda assume la forma di unโ€™oscillazione modulata in ampiezza e fase; le quantitร  ๐‘ ๐‘“ (๐‘ก) e ๐‘ ๐‘ž (๐‘ก) rappresentano due segnali i cui spettri, in virtรน delle (8.4.13), sono ๐ต ๐ต

contenuti nellโ€™intervallo (โˆ’ 2 , 2 ). Tali funzioni pertanto corrispondono a segnali di tipo passabasso, e le loro variazioni nel tempo risultano tanto piรน lente quanto piรน stretta รจ la banda ๐ต del segnale. Prendendo le trasformate di Fourier della (8.4.9), si ottiene: โˆž

๐‘†(๐‘“) = โˆซ Re[๐‘ค(๐‘ก)๐‘’ ๐‘—2๐œ‹๐‘“0๐‘ก ]๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘ก โˆ’โˆž

1 โˆž = โˆซ [๐‘ค(๐‘ก)๐‘’ ๐‘—2๐œ‹๐‘“0 ๐‘ก + ๐‘ค โˆ— (๐‘ก)๐‘’ โˆ’๐‘—2๐œ‹๐‘“0 ๐‘ก ]๐‘’ โˆ’๐‘—2๐œ‹๐‘“๐‘ก ๐‘‘๐‘ก 2 โˆ’โˆž โˆž 1 โˆž 1 = โˆซ ๐‘ค(๐‘ก)๐‘’ โˆ’๐‘—2๐œ‹(๐‘“โˆ’๐‘“0 )๐‘ก ๐‘‘๐‘ก + (โˆซ ๐‘ค(๐‘ก)๐‘’ ๐‘—2๐œ‹(๐‘“+๐‘“0 )๐‘ก ๐‘‘๐‘ก) 2 โˆ’โˆž 2 โˆ’โˆž

(8.4.15) โˆ—

che, detta ๐‘Š(๐‘“) la trasformata di ๐‘ค(๐‘ก), si puรฒ scrivere nella forma: 1 1 ๐‘†(๐‘“) = ๐‘Š(๐‘“ โˆ’ ๐‘“0 ) + ๐‘Š โˆ— (โˆ’๐‘“ โˆ’ ๐‘“0 ) 2 2

(8.4.16)

Esempio 8.4

Fig.E 8.4 ๐ต ๐ต

Detto ๐‘“0 il valore della frequenza di centro banda, il segnale ๐‘ (๐‘ก), il cui spettro ๐‘†(๐‘“) รจ rappresentato in Fig. E.VII.4, puรฒ ottenersi sulla base della (8.4.13) determinando le quantitร  ๐‘ ๐‘“ (๐‘ก) e ๐‘ ๐‘ž (๐‘ก). A tal fine si osservi che lo spettro ๐‘†(๐‘“0 + ๐œ‘)

limitatamente all'intervallo (โˆ’ , ) si presenta come รจ mostrato in Fig. 2 2

E.VII.5, la cui antitrasformata risulta:

CAPITOLO - 8 - Caratteristiche e Proprietร  dei Segnali -

173

1 โˆ’ cos(๐œ‹๐ต๐‘ก) sin(๐œ‹๐ต๐‘ก) sin(๐œ‹๐ต๐‘ก) cos(๐œ‹๐ต๐‘ก) ๐”‰โˆ’1 [๐‘†(๐‘“0 + ๐œ‘)] = ( + )+๐‘—( โˆ’ ) 2๐ต๐œ‹ 2 ๐‘ก 2 2๐œ‹๐‘ก 2๐ต๐œ‹ 2 ๐‘ก 2 2๐œ‹๐‘ก

Le componenti in fase e in quadratura allora sono: 1 โˆ’ cos(๐œ‹๐ต๐‘ก) sin(๐œ‹๐ต๐‘ก) + ; 2๐ต๐œ‹ 2 ๐‘ก 2 2๐œ‹๐‘ก { sin(๐œ‹๐ต๐‘ก) cos(๐œ‹๐ต๐‘ก) ๐‘ ๐‘ž (๐‘ก) = โˆ’ ; 2๐ต๐œ‹ 2 ๐‘ก 2 2๐œ‹๐‘ก ๐‘ ๐‘“ (๐‘ก) =

Il segnale ๐‘ (๐‘ก) vale allora: ๐‘ (๐‘ก) 1 โˆ’ cos(๐œ‹๐ต๐‘ก) sin(๐œ‹๐ต๐‘ก) =( + ) cos(2๐œ‹๐‘“0 ๐‘ก) 2๐ต๐œ‹ 2 ๐‘ก 2 2๐œ‹๐‘ก sin(๐œ‹๐ต๐‘ก) cos(๐œ‹๐ต๐‘ก) โˆ’( โˆ’ ) sin(2๐œ‹๐‘“0 ๐‘ก) 2๐ต๐œ‹ 2 ๐‘ก 2 2๐œ‹๐‘ก

Fig.E 8.5

8.5 - Banda e durata convenzionali. Se ๐‘ (๐‘ก) non รจ a banda o durata rigorosamente limitata, pur essendo a energia finita, puรฒ essere in certi casi conveniente attribuire al segnale una banda o durata convenzionali. In quel che segue ๐‘ (๐‘ก) si suppone reale passabasso; tuttavia le considerazioni svolte si possono facilmente estendere ai segnali reali passabanda. Banda e durata quadratica o efficace Si definisce banda quadratica ๐ต๐‘ž la quantitร : 1

2 1 โˆž ๐ต๐‘ž = ( โˆซ ๐‘“ 2 |๐‘†(๐‘“)|2 ๐‘‘๐‘“) ๐ธ โˆ’โˆž

(8.5.1)

dove ๐ธ รจ l'energia specifica del segnale. Si noti che la banda quadratica ๐ต๐‘ž di un segnale dร  una misura della dispersione dei valori di |๐‘†(๐‘“)|2 attorno all'asse delle frequenze. In maniera simile si puรฒ definire una durata quadratica ๐‘‡๐‘ž . Detta ๐‘กยฏ lโ€™ascissa baricentrica di |๐‘ (๐‘ก)|: ๐‘กยฏ =

la quantitร  ๐‘‡๐‘ž vale:

1 โˆž โˆซ ๐‘ก|๐‘ (๐‘ก)|2 ๐‘‘๐‘ก ๐ธ โˆ’โˆž

(8.5.2)

174

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati 1

2 1 โˆž ๐‘‡๐‘ž = ( โˆซ (๐‘ก โˆ’ ๐‘กยฏ)2 |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก) ๐ธ โˆ’โˆž

(8.5.3)

che, riferendo l'origine dei tempi a ๐‘กยฏ, assumerebbe la forma piรน semplice: 1

2 1 โˆž ๐‘‡๐‘ž = ( โˆซ ๐‘ก 2 |๐‘ (๐‘ก)|2 ๐‘‘๐‘ก) ๐ธ โˆ’โˆž

(8.5.4)

analoga alla (8.5.1). Banda e durata sulla base dellโ€™energia La durata convenzionale di un segnale รจ definita dall'ampiezza dell'intervallo centrato sull'ascissa baricentrica nel quale รจ contenuta una prefissata aliquota ๐œ€๐‘‡2 โ‰ค 1 dell'energia totale del segnale. Detta durata puรฒ essere calcolata risolvendo l'equazione nell'incognita ๐œ: ๐œ

๐œ€๐‘‡2

1 2 = โˆซ |๐‘ (๐‘ก โˆ’ ๐‘กยฏ)|2 ๐‘‘๐‘ก ๐ธ โˆ’๐œ

(8.5.5)

2

รˆโ€™ ovvio che la quantitร  ๐œ รจ una funzione non decrescente di ๐œ€๐‘‡2 . Analogamente si introduce una banda equivalente che si ottiene risolvendo l'equazione nell'incognita ๐œŽ: ๐œ€๐ต2 =

1 ๐œŽ โˆซ |๐‘†(๐‘“)|2 ๐‘‘๐‘“ ๐ธ โˆ’๐œŽ

(8.5.6)

dove ๐œ€๐ต2 รจ una prefissata quantitร  non superiore a 1. Esempio 8.5 Si determino la durata e banda convenzionali del segnale: ๐‘ (๐‘ก) = u(๐‘ก)๐‘’ โˆ’๐‘Ž๐‘ก (๐‘Ž > 0)

Lโ€™energia specifica del segnale vale: โˆž

๐ธ = โˆซ ๐‘’ โˆ’2๐‘Ž๐‘ก ๐‘‘๐‘ก = 0

1 2๐‘Ž

a) Durata quadratica: Lโ€™ascissa baricentrica vale: โˆž

๐‘กยฏ = 2๐‘Ž โˆซ ๐‘ก๐‘’ โˆ’2๐‘Ž๐‘ก ๐‘‘๐‘ก = 0

quindi la durata quadratica รจ ottenuta dalla:

2 ๐‘Ž

CAPITOLO - 8 - Caratteristiche e Proprietร  dei Segnali -

175

โˆž

2 2 5 ๐‘‡๐‘ž2 = 2๐‘Ž โˆซ (๐‘ก โˆ’ ) ๐‘’ โˆ’2๐‘Ž๐‘ก ๐‘‘๐‘ก = 2 ๐‘Ž 2๐‘Ž 0

Risulta quindi: ๐‘‡๐‘ž =

1 5 โˆš ๐‘Ž 2

b) Durata sulla base dellโ€™energia: Riferendo il segnale alla sua ascissa baricentrica ๐‘กยฏ si ottiene: 2 2 ๐‘ฅ(๐‘ก) = ๐‘ (๐‘ก โˆ’ ๐‘กยฏ ) = u(๐‘ก โˆ’ )๐‘’ โˆ’๐‘Ž(๐‘กโˆ’๐‘Ž) ๐‘Ž

e quindi la durata ๏ด si deduce dallโ€™equazione: ๐œ

2 ๐œ€๐‘‡2 2 2 1 โˆ’ ๐‘’ 4โˆ’๐‘Ž๐œ = โˆซ u (๐‘ก โˆ’ ) ๐‘’ โˆ’2๐‘Ž(๐‘กโˆ’๐‘Ž) ๐‘‘๐‘ก = ๐œ 2๐‘Ž ๐‘Ž 2๐‘Ž โˆ’ 2

da cui: ๐œ=

1 [4 โˆ’ log(1 โˆ’ ๐œ€๐‘‡2 )] ๐‘Ž ๏€ญ1

Poichรฉ la trasformata del segnale vale: S(f ) ๏€ฝ ๏€จa ๏€ซ j2๏ฐf ๏€ฉ risulta: a) Banda quadratica: Si ha: โˆž

๐ต๐‘ž2

1 ๐‘“ 2 ๐‘‘๐‘“ โˆซ 2 = =โˆž 2๐‘Ž ๐‘Ž + (2๐œ‹๐‘“)2 โˆ’โˆž

b) Banda sulla base dellโ€™energia: La banda ๏ณ si determina dalla condizione: ๐œŽ ๐œ€๐ต2 ๐‘‘๐‘“ arctg(๐œŽ) =โˆซ 2 = 2 2๐‘Ž ๐œ‹๐‘Ž โˆ’๐œŽ ๐‘Ž + (2๐œ‹๐‘“)

dalla quale si deduce:

๐œ‹ ๐œŽ = tan ( ๐œ€๐ต2 ) 2

CAPITOLO - 9 IL CAMPIONAMENTO DEI SEGNALI 9.1 - Il teorema del campionamento. Un'importante caratteristica di un segnale a banda limitata รจ quella di potere essere ricostruito a partire dalla conoscenza dei valori, campioni, assunti da esso in corrispondenza di un'opportuna sequenza di istanti. Quanto detto, in altri termini, significa che รจ possibile stabilire una corrispondenza biunivoca tra funzioni del tempo rappresentative di segnali a banda limitata e sequenze numeriche. In linea di principio per poter ricostruire il segnale non รจ necessario che i campioni vengano prelevati con cadenza regolare. Tuttavia, poichรฉ in genere si adottano campionatori uniformi, in quel che segue si considererร  soltanto il campionamento uniforme; cioรจ si assumerร  che l'intervallo di tempo ๐‘‡ = Fig. 9.1 - a) Spettro di un segnale passabasso; b) sua ripetizione periodica. ๐‘ก๐‘–+1 โˆ’ ๐‘ก๐‘– che intercorre tra due campioni consecutivi, detto periodo di campionamento, sia costante. Dato un segnale ๐‘ (๐‘ก) reale rigorosamente passa basso, cioรจ tale che detta ๐‘†(๐‘“) la sua trasformata di Fourier (vedi Fig. 9.1a)), risulti: ๐‘“ ๐‘†(๐‘“) = ๐‘†(๐‘“)โŠ“ ( ), 2๐‘“๐‘š

โˆ€๐‘“ โˆˆ โ„

(9.1.1)

si consideri la funzione ๐‘†๐‘ (๐‘“), ottenuta ripetendo periodicamente lo spettro ๐‘†(๐‘“) con periodicitร  ๐‘“๐‘ (v. Fig. 9.1,b):

178

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati โˆž

๐‘†๐‘ (๐‘“) = โˆ‘ ๐‘†(๐‘“ โˆ’ ๐‘›๐‘“๐‘ )

(9.1.2)

๐‘›=โˆ’โˆž

รˆ evidente che se si sceglie ๐‘“๐‘ โ‰ฅ 2๐‘“๐‘š

(9.1.3)

๐‘“ ๐‘†(๐‘“) = ๐‘†๐‘ (๐‘“)โŠ“ ( ) ๐‘“๐‘

(9.1.4)

si ha:

In questo caso cioรจ la trasformata di Fourier del segnale e la funzione ๐‘“

๐‘“

2

2

๐‘†๐‘ (๐‘“) coincidono nell'intervallo (โˆ’ ๐‘ , ๐‘ ).

Poichรฉ ๐‘†๐‘ (๐‘“) รจ periodica, puรฒ essere sviluppata in serie di Fourier: โˆž

๐‘†๐‘ (๐‘“) = โˆ‘ ๐ถ๐‘› ๐‘’

๐‘—2๐œ‹๐‘›

๐‘“ ๐‘“๐‘

(9.1.5)

๐‘›=โˆ’โˆž

dove: ๐‘“๐‘

๐‘“ 1 2 1 ๐‘› โˆ’๐‘—2๐œ‹๐‘› ๐‘“๐‘ ๐‘‘๐‘“ = ๐ถ๐‘› = โˆซ ๐‘†(๐‘“)๐‘’ ๐‘  (โˆ’ ) ๐‘“๐‘ โˆ’๐‘“๐‘ ๐‘“๐‘ ๐‘“๐‘

(9.1.6)

2

Sostituendo la (9.1.5) e la (9.1.6) nella (9.1.4) si ottiene la seguente espressione per ๐‘†(๐‘“): โˆž

1 ๐‘“ ๐‘› ๐‘—2๐œ‹๐‘› ๐‘“ ๐‘“๐‘ ๐‘†(๐‘“) = โŠ“ ( ) โˆ‘ ๐‘  (โˆ’ ) ๐‘’ ๐‘“๐‘ ๐‘“๐‘ ๐‘“๐‘ ๐‘›=โˆ’โˆž

(9.1.7)

โˆž

1 ๐‘“ ๐‘› โˆ’๐‘—2๐œ‹๐‘› ๐‘“ ๐‘“๐‘ = โŠ“( ) โˆ‘ ๐‘ ( )๐‘’ ๐‘“๐‘ ๐‘“๐‘ ๐‘“๐‘ ๐‘›=โˆ’โˆž

dove nell'ultima sommatoria si รจ mutato ๐‘› in โˆ’๐‘›. ๐‘“

Tenendo infine presente che ๐”‰โˆ’1 [โŠ“ (๐‘“ )] = ๐‘“๐‘ sinc(๐‘“๐‘ ๐‘ก) si ha: ๐‘

โˆž

๐‘› ๐‘› ๐‘ (๐‘ก) = โˆ‘ ๐‘  ( ) sinc [๐‘“๐‘ (๐‘ก โˆ’ )] ๐‘“๐‘ ๐‘“๐‘

(9.1.8)

๐‘›=โˆ’โˆž

La precedente costituisce l'espressione formale del teorema del campionamento. Da essa risulta infatti evidente che รจ possibile ricostrui-

CAPITOLO - 9 - Il Campionamento dei Segnali -

179 ๐‘›

โˆž

re un segnale passabasso a partire dalla sequenza {๐‘  (๐‘“ )} ๐‘

๐‘›=โˆ’โˆž

dei suoi

campioni. Si osservi che, in base alla (9.1.8), la ricostruzione del segnale viene effettuata sommando una serie di funzioni del tipo sinc(๐‘“๐‘ ๐‘ก) opportunamente ritardate e pesate per mezzo dei campioni di ๐‘ (๐‘ก) come indicato in Fig. 9.2. Si sottolinea che la (9.1.8) vale soltanto se la (9.1.3) รจ verificata. La

Fig. 9.2 - Ricostruzione di un segnale a partire dai suoi campioni

minima frequenza di campionamento che soddisfa tale limitazione รจ detta frequenza di Nyquist, e il corrispondente massimo periodo di campionamento periodo di Nyquist. Essi valgono rispettivamente: ๐‘“๐‘ = 2๐‘“๐‘š ;

๐‘‡๐‘ =

1 2๐‘“๐‘š

;

(9.1.9)

9.2 - Il sottospazio dei segnali passabasso. Dalla (9.1.8) si deduce che l'insieme di funzioni normalizzate: ๐‘› ๐‘ข๐‘› (๐‘ก) = โˆš๐‘“๐‘ sinc [๐‘“๐‘ (๐‘ก โˆ’ )] ๐‘“๐‘

(9.2.1)

รจ completo rispetto all'insieme dei segnali passabasso ad energia finita ๐‘“

con frequenza di taglio non superiore ad 2๐‘ . Inoltre le (9.2.1) sono ortogonali. Infatti detta ๐‘ˆ๐‘› (๐‘“) la trasformata di Fourier di ๐‘ข๐‘› (๐‘ก) si ha:

180

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

๐‘ˆ๐‘› (๐‘“) = โˆš๐‘“๐‘ ๐‘’

โˆ’๐‘—2๐œ‹๐‘›

๐‘“ ๐‘“๐‘

๐”‰[sinc(๐‘“๐‘ ๐‘ก)] =

1 โˆš๐‘“๐‘

๐‘“ ๐‘“๐‘

โŠ“( )๐‘’

โˆ’๐‘—2๐œ‹๐‘›

๐‘“ ๐‘“๐‘

(9.2.2)

Applicando il teorema di Parseval si ottiene: โˆž

โˆž

โˆ— โˆซ ๐‘ข๐‘› (๐‘ก)๐‘ข๐‘š (๐‘ก)๐‘‘๐‘ก = โˆซ ๐‘ˆ๐‘› (๐‘“)๐‘ˆ๐‘š (๐‘“)๐‘‘๐‘“ โˆ’โˆž

=

โˆ’โˆž

๐‘“๐‘ 2

(9.2.3)

2๐œ‹(๐‘›โˆ’๐‘š)๐‘“ 1 โˆ’๐‘— ๐‘“๐‘ โˆซ ๐‘’ ๐‘‘๐‘“ = sinc(๐‘š-๐‘›) ๐‘“๐‘ โˆ’๐‘“๐‘ 2

In termini delle funzioni ๐‘ข๐‘› (๐‘ก), la (9.1.8) si traduce nella: โˆž

๐‘ (๐‘ก) = โˆ‘ ๐›ผ๐‘› ๐‘ข๐‘› (๐‘ก)

(9.2.4)

๐‘›=โˆ’โˆž

dove: ๐›ผ๐‘› =

1

๐‘› ๐‘ ( ) ๐‘“ ๐‘ โˆš๐‘“๐‘

(9.2.5)

Si noti che l'ortogonalitร  delle ๐‘ข๐‘› (๐‘ก) implica che la famiglia di dette funzioni costituisce un set completo per lo spazio dei segnali passabasso di banda non superiore ๐‘“

Fig. 9.3 โ€“ Campionamento con ๐‘“๐‘ < 2๐‘“๐‘š

a 2๐‘ , e conseguentemente implica anche che la sequenza di coefficienti definiti dalla (9.2.5) รจ l'unica che consente la ricostruzione del generico elemento di detto spazio per mezzo della base in questio-

ne. รˆ evidente che se ๐‘“๐‘ < 2๐‘“๐‘š , ๐‘†๐‘ (๐‘“) non coincide con ๐‘†(๐‘“) nell'intervallo (โˆ’๐‘“๐‘š , ๐‘“๐‘š ) del segnale ๐‘ (๐‘ก) (vedi Fig. 9.3). La sua ricostruzione non รจ effettuabile mediante la (9.1.8).

CAPITOLO - 9 - Il Campionamento dei Segnali -

181

D'altra parte, se la frequenza di campionamento รจ superiore a quella di Nyquist, cioรจ se risulta ๐‘“๐‘ > 2๐‘“๐‘š , ci si convince che, in alternativa alla (9.1.7), ๐‘†(๐‘“) puรฒ anche essere ricostruito a partire dalla: โˆž

๐‘“ 1 ๐‘“ ๐‘› โˆ’๐‘—2๐œ‹๐‘› ๐‘“ ๐‘“๐‘ ๐‘†(๐‘“) = โŠ“ ( ) ๐‘†๐‘ (๐‘“) = โŠ“ ( ) โˆ‘ ๐‘ ( )๐‘’ 2๐‘“๐‘š ๐‘“๐‘ 2๐‘“๐‘š ๐‘“๐‘

(9.2.6)

๐‘›=โˆ’โˆž

dalla quale si perviene alla seguente formula di ricostruzione: โˆž

๐‘ (๐‘ก) =

2๐‘“๐‘š ๐‘› ๐‘› โˆ‘ ๐‘  ( ) sinc [2๐‘“๐‘š (๐‘ก โˆ’ )] ๐‘“๐‘ ๐‘“๐‘ ๐‘“๐‘

(9.2.7)

๐‘›=โˆ’โˆž

che analogamente alla (9.2.4) puรฒ essere scritta nella forma: con ๐‘› ๐‘ฃ๐‘› (๐‘ก) = โˆš2๐‘“๐‘š sinc [2๐‘“๐‘š (๐‘ก โˆ’ )] ๐‘“๐‘

(9.2.8)

e ๐›ฝ๐‘› =

โˆš2๐‘“๐‘š ๐‘› ๐‘ ( ) ๐‘“๐‘ ๐‘“๐‘

(9.2.9)

Tuttavia in questo caso, la (9.2.8) individua una famiglia di funzioni normalizzate che non sono mutuamente ortogonali. Si ha infatti: โˆž

โˆซ ๐‘ข๐‘› (๐‘ก)๐‘ข๐‘š (๐‘ก)๐‘‘๐‘ก = โˆ’โˆž

๐‘“๐‘š ๐‘“ 1 โˆ’๐‘—2๐œ‹(๐‘›โˆ’๐‘š) ๐‘“๐‘ ๐‘‘๐‘“ โˆซ ๐‘’ 2๐‘“๐‘š โˆ’๐‘“๐‘š

(9.2.10)

2๐‘“๐‘š = sinc [ (๐‘› โˆ’ ๐‘š)] ๐‘“๐‘

Si consideri una generica combinazione lineare delle {๐‘ฃ๐‘› (๐‘ก)}: โˆž

๐œ‘(๐‘ก) = โˆ‘ ๐›พ๐‘› ๐‘ฃ๐‘› (๐‘ก)

(9.2.11)

๐‘›=โˆ’โˆž

la cui trasformata vale: โˆž

1

โˆž

๐‘“ ๐‘“ ๐›ท(๐‘“) = โˆ‘ ๐›พ๐‘› ๐‘‰๐‘› (๐‘“) = โŠ“ ( ) โˆ‘ ๐›พ๐‘› ๐‘’ โˆ’๐‘—2๐œ‹๐‘›๐‘“๐‘ 2๐‘“๐‘š โˆš2๐‘“๐‘š ๐‘›=โˆ’โˆž ๐‘›=โˆ’โˆž

โˆ’๐‘—2๐œ‹๐‘›

๐‘“

(9.2.12)

๐‘“๐‘ individua una funzione Si osservi che la sommatoria โˆ‘โˆž ๐‘›=โˆ’โˆž ๐›พ๐‘› ๐‘’ periodica di periodo ๐‘“๐‘ . Scegliendo opportunamente la sequenza di coef-

182

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

ficienti ๐›พ๐‘› รจ possibile generare una funzione nulla nell'intervallo (โˆ’๐‘“๐‘š , ๐‘“๐‘š ) e diversa da zero nel suo complementare rispetto all'intervallo ๐‘“

๐‘“

2

2

(โˆ’ ๐‘ , ๐‘ ). Sostituendo una tale sequenza nella (9.2.12) si ottiene, in virtรน ๐‘“

della presenza della funzione โŠ“ (2๐‘“ ), una ๐›ท(๐‘“) e quindi una ๐œ‘(๐‘ก) nulla ๐‘š

in corrispondenza di una sequenza di coefficienti non identicamente nulla. Pertanto le funzioni ๐‘ฃ๐‘› (๐‘ก), pur generando lo spazio dei segnali passabasso di banda ๐‘“๐‘š , non sono tra loro linearmente indipendenti, quindi non ne costituiscono una base. 9.3 - Campionamento naturale. La ripetizione periodica del segnale ๐‘†(๐‘“) con periodicitร  ๐‘“๐‘ , definita dalla (9.1.2) corrisponde nel dominio del tempo al segnale: โˆž

โˆž โˆ’1

๐‘ ๐‘ (๐‘ก) = โˆ‘ ๐”‰ [๐‘†(๐‘“ โˆ’ ๐‘›๐‘“๐‘ )] = ๐‘ (๐‘ก) โˆ‘ ๐‘’ ๐‘—2๐œ‹๐‘›๐‘“๐‘ ๐‘ก ๐‘›=โˆ’โˆž

(9.3.1)

๐‘›=โˆ’โˆž

Il segnale campionato puรฒ quindi essere ottenuto comโ€™รจ schematizzato in Fig. 9.4, cioรจ dal prodotto di ๐‘ (๐‘ก) per la funzione: โˆž

๐‘ฃ0 (๐‘ก) = โˆ‘ ๐‘’ ๐‘—2๐œ‹๐‘›๐‘“๐‘๐‘ก

(9.3.2)

๐‘›=โˆ’โˆž

detta funzione campionatrice. La (9.3.2), utilizzando la formula di Pois- Fig. 9.4 - Campionatore son (5.5.8), puรฒ essere espressa nella โˆž

๐‘ฃ0 (๐‘ก) = ๐‘‡๐‘ โˆ‘ ๐›ฟ(๐‘ก โˆ’ ๐‘›๐‘‡๐‘ )

(9.3.3)

๐‘›=โˆ’โˆž

Il campionatore del tipo mostrato in Fig. 9.4 non รจ quindi fisicamente realizzabile a causa della presenza della delta di Dirac. Si puรฒ pensare di approssimare la funzione campionatrice (9.3.3) con un treno dโ€™impulsi che sia la ripetizione periodica con passo ๐‘‡๐‘ di un impulso ๐‘(๐‘ก) di durata ๐‘‡ < ๐‘‡๐‘ e trasformata di Fourier ๐‘ƒ(๐‘“). cioรจ assumendo che ๐‘ฃ0 (๐‘ก) valga: โˆž

๐‘ก โˆ’ ๐‘›๐‘‡๐‘ ๐‘ฃ0 (๐‘ก) = โˆ‘ ๐‘ ( ) ๐‘‡ ๐‘›=โˆ’โˆž

(9.3.4)

CAPITOLO - 9 - Il Campionamento dei Segnali -

183

con ๐‘‡ < ๐‘‡๐‘ . Il segnale campionato, in questo caso, si presenta (vedi Fig. 9.5) nella forma: โˆž

๐‘ก โˆ’ ๐‘›๐‘‡๐‘ ๐‘ ๐‘ (๐‘ก) = ๐‘ (๐‘ก) โ‹… ๐‘ฃ0 (๐‘ก) = ๐‘ (๐‘ก) โˆ‘ ๐‘ ( ) ๐‘‡

(9.3.5)

๐‘›=โˆ’โˆž

e si parla di campionamento naturale.

Fig. 9.5 - Campionamento naturale.

La trasformata di ๐‘ ๐‘ (๐‘ก) si puรฒ calcolare tramite il teorema della convoluzione nel dominio della frequenza ottenendo: ๐‘†๐‘ (๐‘“) = ๐‘†(๐‘“) โˆ— ๐‘‰0 (๐‘“)

(9.3.6)

dove: โˆž

๐‘‰0 (๐‘“) = ๐”‰[๐‘ฃ0 (๐‘ก)] = ๐”‰ [ โˆ‘ ๐‘‰0 ๐‘› ๐‘’

๐‘—2๐œ‹๐‘›

๐‘ก ๐‘‡๐‘

]

๐‘›=โˆ’โˆž

(9.3.7)

โˆž

= โˆ‘ ๐‘‰0 ๐‘› ๐›ฟ(๐‘“ โˆ’ ๐‘›๐‘“๐‘ ) ๐‘›=โˆ’โˆž

in cui ๐‘‡

๐‘‰0 ๐‘›

1 2 ๐‘ƒ(๐‘›๐‘“๐‘ ๐‘‡) = โˆซ ๐‘(๐‘ก)๐‘’ โˆ’๐‘—2๐œ‹๐‘›๐‘“๐‘๐‘ก ๐‘‘๐‘ก = ๐‘‡ ๐‘‡๐‘ โˆ’ ๐‘‡๐‘ 2

(9.3.8)

184

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

Si ha quindi: โˆž

โˆž

๐‘†๐‘ (๐‘“) = โˆ‘ ๐‘‰0 ๐‘› โˆซ ๐‘†(๐œ‘)๐›ฟ(๐‘“ โˆ’ ๐œ‘ โˆ’ ๐‘›๐‘“๐‘ )๐‘‘๐œ‘ ๐‘›=โˆ’โˆž

โˆ’โˆž

โˆž

โˆž

๐‘›=โˆ’โˆž

๐‘›=โˆ’โˆž

1 = โˆ‘ ๐‘‰0 ๐‘› ๐‘†(๐‘“ โˆ’ ๐‘›๐‘“๐‘ ) = โˆ‘ ๐‘ƒ(๐‘›๐‘“๐‘ ๐‘‡)๐‘†(๐‘“ โˆ’ ๐‘›๐‘“๐‘ ) ๐‘‡๐‘

(9.3.9)

La (9.3.9) mostra che nel campionamento naturale lโ€™ennesima ripetizione dello spettro risulta moltiplicata per il fattore ๐‘ƒ(๐‘›๐‘“๐‘ ๐‘‡) ๐‘‡๐‘

.

Pertanto nell'intervallo

๐‘“๐‘ ๐‘“๐‘

(โˆ’ , ), la forma 2

Fig. 9.6 - Spettro del segnale campionato: campionamento ideale, campionamento naturale.

2

dello spettro rimane immutata, รจ quindi evidente che il segnale puรฒ essere ancora ricostruito. Nel caso

๐‘ก

in cui ๐‘(๐‘ก) =โŠ“ (๐‘‡) si ha ๐‘ƒ(๐‘“) = ๐‘‡sinc(๐‘“๐‘‡) da cui sostituendo nella (9.3.9) si ottiene: โˆž

๐‘‡ ๐‘†๐‘ (๐‘“) = โˆ‘ sinc(๐‘›๐‘“๐‘ ๐‘‡)๐‘†(๐‘“ โˆ’ ๐‘›๐‘“๐‘ ) ๐‘‡๐‘

(9.3.10)

๐‘›=โˆ’โˆž

In questo caso lo spettro di ampiezza |๐‘†๐‘ (๐‘“)| del segnale ๐‘ ๐‘ (๐‘ก) si presenta come รจ mostrato in Fig. 9.6. Tornando alla Fig. 9.5 possiamo osservare che nel campionamento naturale il generico impulso ๐‘(๐‘ก โˆ’ ๐‘›๐‘‡๐‘ ) viene in realtร  distorto dal segnale quindi non possiamo parlare di vero e proprio campionamento nel senso che non potremmo ricostruire il segnale a partire dalla sola conoscenza dei valori che esso assume in una sequenza di istanti, tale campionamento potrebbe al piรน essere utilizzato per una multiplazione di piรน segnali su uno stesso mezzo fisico (multiplazione a divisione di tempo), in quanto sarebbe possibile inserire tra gli impulsi associati ad un segnale quelli relativi ad altri.

CAPITOLO - 9 - Il Campionamento dei Segnali -

185

9.4 - Campionamento istantaneo. Un'altra modalitร  di campionamento consiste nel cosiddetto campionamento istantaneo (vedi Fig. 9.7). In questo caso il segnale campionato vale: โˆž

๐‘ก โˆ’ ๐‘›๐‘‡๐‘ ๐‘ ๐‘ (๐‘ก) = โˆ‘ ๐‘ (๐‘›๐‘‡๐‘ )๐‘ ( ) ๐‘‡

(9.4.1)

๐‘›=โˆ’โˆž

Nel campionamento istantaneo gli impulsi che costituiscono ๐‘ ๐‘ (๐‘ก) mantengono cioรจ la loro forma mentre le loro ampiezze sono proporzionali ai campioni ๐‘ (๐‘›๐‘‡๐‘ ) del segnale. Per valutare lo spettro del segnale espresso dalla (9.4.1) รจ

Fig. 9.7 Campionamento Istantaneo

conveniente scrivere ๐‘ (

๐‘กโˆ’๐‘›๐‘‡๐‘ ๐‘‡

) mediante la seguente convoluzione:

๐‘ก โˆ’ ๐‘›๐‘‡๐‘ ๐‘ก ๐‘( ) = ๐‘ ( ) โˆ— ๐›ฟ(๐‘ก โˆ’ ๐‘›๐‘‡๐‘ ) ๐‘‡ ๐‘‡

(9.4.2)

Di conseguenza: โˆž

๐‘ก ๐‘ ๐‘ (๐‘ก) = ๐‘ ( ) โˆ— ( โˆ‘ ๐‘ (๐‘›๐‘‡๐‘ )๐›ฟ(๐‘ก โˆ’ ๐‘›๐‘‡๐‘ )) ๐‘‡ ๐‘›=โˆ’โˆž โˆž

๐‘ก = ๐‘ ( ) โˆ— (๐‘ (๐‘ก) โˆ‘ ๐›ฟ(๐‘ก โˆ’ ๐‘›๐‘‡๐‘ )) ๐‘‡

(9.4.3)

๐‘›=โˆ’โˆž

Nella precedente abbiamo ricordato che: ๐‘ (๐‘›๐‘‡๐‘ )๐›ฟ(๐‘ก โˆ’ ๐‘›๐‘‡๐‘ ) = ๐‘ (๐‘ก)๐›ฟ(๐‘ก โˆ’ ๐‘›๐‘‡๐‘ )

e utilizzando la (5.8.5) per la trasformata di ๐‘ ๐‘ (๐‘ก), si ottiene:

(9.4.4)

186

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati โˆž

๐‘†๐‘ (๐‘“) = ๐‘ƒ(๐‘“)๐”‰ [๐‘ (๐‘ก) โˆ‘ ๐›ฟ(๐‘ก โˆ’ ๐‘›๐‘‡๐‘ )] ๐‘›=โˆ’โˆž โˆž

= ๐‘ƒ(๐‘“) (๐‘†(๐‘“) โˆ—

1 โˆ‘ ๐›ฟ(๐‘“ โˆ’ ๐‘›๐‘“๐‘ )) ๐‘‡๐‘

(9.4.5)

๐‘›=โˆ’โˆž

โˆž

=

๐‘ƒ(๐‘“) โˆ‘ ๐‘†(๐‘“ โˆ’ ๐‘›๐‘“๐‘ ) ๐‘‡๐‘ ๐‘›=โˆ’โˆž

๐‘ก ๐‘‡

Nel caso in cui ๐‘(๐‘ก) =โŠ“ ( ) avremmo: โˆž

๐‘†๐‘ (๐‘“) = ๐‘‡sinc(๐‘“๐‘‡)๐”‰ [๐‘ (๐‘ก) โˆ‘ ๐›ฟ(๐‘ก โˆ’ ๐‘›๐‘‡๐‘ )] ๐‘›=โˆ’โˆž โˆž

= ๐‘‡sinc(๐‘“๐‘‡) (๐‘†(๐‘“) โˆ—

1 โˆ‘ ๐›ฟ(๐‘“ โˆ’ ๐‘›๐‘“๐‘ )) ๐‘‡๐‘

(9.4.6)

๐‘›=โˆ’โˆž

โˆž

๐‘‡ = sinc(๐‘“๐‘‡) โˆ‘ ๐‘†(๐‘“ โˆ’ ๐‘›๐‘“๐‘ ) ๐‘‡๐‘ ๐‘›=โˆ’โˆž

In questo caso lo spettro del segnale campionato รจ mostrato in blu in ๐‘‡ Fig. 9.8, da cui si rileva che, a causa del fattore ๐‘‡ sinc(๐‘“๐‘‡) tale spettro ha ๐‘

una forma diversa da quello del segnale nella porzione contenuta nell'in-

Fig. 9.8 - Campionamento naturale, campionamento istantaneo.

CAPITOLO - 9 - Il Campionamento dei Segnali ๐‘“

187

๐‘“

tervallo (โˆ’ 2๐‘ , 2๐‘ ). Di conseguenza un filtro passabasso non รจ in grado di ricostruire il segnale. Tuttavia, poichรฉ il legame tra lo spettro del segnale campionato e quello di ๐‘ (๐‘ก) รจ noto, รจ possibile eliminare la distorsione introdotta dal campionatore. Si osservi inoltre che, se ๐‘‡ ๐‘

(10.6.21)

Seguendo una procedura analoga a quella adottata per i segnali a tempo continuo si ottiene anche: โˆ— ๐›พ21 (โˆ’๐‘›๐‘‡) = ๐›พ12 (๐‘›๐‘‡)

(10.6.22)

Le trasformate di Fourier delle funzioni di mutua correlazione rispettivamente valgono: โˆž

๐›ค12 (๐‘“) = ๐‘‡ โˆ‘ ๐›พ12 (๐‘›๐‘‡)๐‘’ โˆ’๐‘—2๐œ‹๐‘›๐‘“๐‘‡ a)

๐‘›=โˆ’โˆž โˆž

=๐‘‡ โˆ‘ ๐‘’ ๐‘›=โˆ’โˆž

โˆ’๐‘—2๐œ‹๐‘›๐‘“๐‘‡

๐›พ๐‘12 (๐‘›๐‘‡) lim = ๐‘โ†’โˆž 2๐‘ + 1

(10.6.23)

218

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati โˆž

โˆž

1 = ๐‘‡ lim โˆ‘ โˆ‘ ๐‘ 1๐‘ ((๐‘› ๐‘โ†’โˆž 2๐‘ + 1 2

๐‘›=โˆ’โˆž ๐‘˜=โˆ’โˆž

โˆ— (๐‘˜๐‘‡) โˆ’๐‘—2๐œ‹๐‘›๐‘“๐‘‡ + ๐‘˜)๐‘‡)๐‘ 2๐‘ ๐‘’ โˆž

โˆž

๐‘˜=โˆ’โˆž

๐‘›=โˆ’โˆž

1 โˆ— (๐‘˜๐‘‡)๐‘’ ๐‘—2๐œ‹๐‘˜๐‘“๐‘‡ = ๐‘‡ lim โˆ‘ ๐‘ 2๐‘ โˆ‘ ๐‘ 1๐‘ ((๐‘› ๐‘โ†’โˆž 2๐‘ + 1 2

b)

โˆ— (๐‘“) ๐‘†1๐‘ (๐‘“)๐‘†2๐‘ + ๐‘˜)๐‘‡) ๐‘’ โˆ’๐‘—2๐œ‹(๐‘›+๐‘˜)๐‘“๐‘‡ = lim ; ๐‘โ†’โˆž 2๐‘ + 1 โˆ— (๐‘“) ๐‘†2๐‘ (๐‘“)๐‘†1๐‘ ๐›ค21 (๐‘“) = lim ๐‘โ†’โˆž 2๐‘ + 1

Per l'autocorrelazione a tempo discreto si ha ovviamente: ๐›พ๐‘ (๐‘›๐‘‡) ๐‘โ†’โˆž 2๐‘ + 1

๐›พ(๐‘›๐‘‡) = lim

(10.6.24)

e la sua trasformata di Fourier vale: |๐‘†๐‘ (๐‘“)|2 ๐‘†๐‘ (๐‘“)๐‘†๐‘โˆ— (๐‘“) = lim ๐‘โ†’โˆž ๐‘โ†’โˆž 2๐‘ + 1 2๐‘ + 1

๐›ค(๐‘“) = lim

(10.6.25)

Ponendo ๐‘› = 0 nella (10.6.24)si ha: โˆž

๐›พ๐‘ (0) 1 ๐›พ(0) = lim = ๐‘‡ lim โˆ‘ |๐‘ ๐‘ (๐‘˜๐‘‡)|2 ๐‘โ†’โˆž 2๐‘ + 1 ๐‘โ†’โˆž 2๐‘ + 1

(10.6.26)

๐‘˜=โˆ’โˆž

di conseguenza: โˆž

1

๐‘˜=โˆ’โˆž

2๐‘‡

1 2๐‘‡ ๐‘‡ lim โˆ‘ |๐‘ ๐‘ (๐‘˜๐‘‡)|2 = โˆซ ๐›ค(๐‘“)๐‘‘๐‘“ 1 ๐‘โ†’โˆž 2๐‘ + 1 โˆ’ =โˆซ

1 2๐‘‡ 1 2๐‘‡

โˆ’

|๐‘†๐‘ (๐‘“)|2 lim ๐‘‘๐‘“ ๐‘โ†’โˆž 2๐‘ + 1

(10.6.27)

che รจ la formulazione del teorema di Parseval per i segnali a tempo discreto a potenza finita.

CAPITOLO - 11 TRASFORMAZIONI LINEARI DISCRETE 11.1 - Studio nel dominio del tempo Nei sistemi numerici i segnali che intervengono in ingresso e in uscita sono dei segnali tempo discreti denotati con ๐‘ฅ(๐‘›๐‘‡) e ๐‘ฆ(๐‘›๐‘‡) rispettivamente. In quel che segue รจ conveniente normalizzare il quanto temporale ๐‘‡ ponendo ๐‘‡ = 1. Questo comporta che ci si riferisce a sequenze numeriche ๐‘ฅ๐‘› e ๐‘ฆ๐‘› in uscita. e il sistema numerico รจ caratterizzato dalla seguente trasformazione lineare: ๐‘ฆ๐‘› = ๐‘†{๐‘ฅ๐‘› }

(11.1.1)

Come nel caso dei sistemi lineari analogici, per caratterizzare la trasformazione ๐‘† basta esprimere il segnale in ingresso nella forma: โˆž

๐‘ฅ๐‘› = โˆ‘ ๐‘ฅ๐‘˜ ๐›ฟ๐‘›โˆ’๐‘˜

(11.1.2)

๐‘˜=โˆž

essendo ๐›ฟ๐‘› la sequenza impulsiva definita dalla: ๐›ฟ๐‘› = {

1; 0;

๐‘›=0 ๐‘›โ‰ 0

(11.1.3)

Se la trasformazione ๐‘† รจ lineare, risulta: โˆž

๐‘ฆ๐‘› = โˆ‘ ๐‘ฅ๐‘˜ ๐‘†{๐›ฟ๐‘›โˆ’๐‘˜ }

(11.1.4)

๐‘˜=โˆž

la quale, ponendo: โ„Ž๐‘›,๐‘˜ = ๐‘†{๐›ฟ๐‘›โˆ’๐‘˜ }

(11.1.5)

assume la forma: โˆž

๐‘ฆ๐‘› = โˆ‘ ๐‘ฅ๐‘˜ โ„Ž๐‘›,๐‘˜

(11.1.6)

๐‘˜=โˆž

La sequenza โ„Ž๐‘›,๐‘˜ , definita dalla (11.1.5), corrisponde alla risposta del sistema quando al suo ingresso รจ applicata la sequenza impulsiva (11.1.3) ritardata di ๐‘˜ passi e pertanto costituisce la cosiddetta risposta im-

220

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

pulsiva del sistema. Se la trasformazione ๐‘† oltre che lineare รจ anche tempo invariante, la (11.1.6) diviene: โˆž

โˆž

๐‘ฆ๐‘› = โˆ‘ ๐‘ฅ๐‘˜ โ„Ž๐‘›โˆ’๐‘˜ = โˆ‘ ๐‘ฅ๐‘›โˆ’๐‘˜ โ„Ž๐‘˜ ๐‘˜=โˆž

(11.1.7)

๐‘˜=โˆž

essendo: โ„Ž๐‘› = ๐‘†{๐›ฟ๐‘› }

(11.1.8)

In sostanza, come per i sistemi a tempo continuo, il segnale in uscita da un sistema discreto lineare e tempo invariante si ottiene dalla convoluzione della sequenza dโ€™ingresso con la risposta impulsiva โ„Ž๐‘› . Nel caso di sistemi discreti la condizione di causalitร  comporta: โ„Ž๐‘›,๐‘˜ = 0 ๐‘๐‘’๐‘Ÿ ๐‘› < ๐‘˜

(11.1.9)

che, nel caso di trasformazioni tempo invarianti, si semplifica nella: โ„Ž๐‘› = 0 ๐‘๐‘’๐‘Ÿ ๐‘› < 0

(11.1.10)

Per sistemi causali tempo varianti la (11.1.6) diventa: ๐‘›

๐‘ฆ๐‘› = โˆ‘ ๐‘ฅ๐‘˜ โ„Ž๐‘›,๐‘˜

(11.1.11)

๐‘˜=โˆž

e per sistemi tempo invarianti la (I.43) si semplifica nella: ๐‘›

โˆž

๐‘ฆ๐‘› = โˆ‘ ๐‘ฅ๐‘˜ โ„Ž๐‘›โˆ’๐‘˜ = โˆ‘ ๐‘ฅ๐‘›โˆ’๐‘˜ โ„Ž๐‘˜ ๐‘˜=โˆž

(11.1.12)

๐‘˜=0

Nell'ambito dei sistemi discreti la risposta impulsiva โ„Ž๐‘›,๐‘˜ puรฒ presentare una durata finita o infinita. Si ottengono cosรฌ i cosiddetti sistemi a risposta impulsiva a durata finita (sistemi FIR Finite Impulse Response) o i sistemi a risposta impulsiva a durata infinita (sistemi IIR Infinite Impulsive Response). Nel caso di sistemi lineari FIR causali, tempo invarianti si puรฒ porre, senza ledere le generalitร : โ„Ž๐‘› = 0 ๐‘๐‘’๐‘Ÿ ๐‘› < 0 ๐‘’ ๐‘› > ๐‘

e questo comporta:

(11.1.13)

CAPITOLO - 11 - Trasformazioni Lineari Discrete. ๐‘›

๐‘ฆ๐‘› =

221

๐‘โˆ’1

โˆ‘

๐‘ฅ๐‘˜ โ„Ž๐‘›โˆ’๐‘˜ = โˆ‘ ๐‘ฅ๐‘›โˆ’๐‘˜ โ„Ž๐‘˜

๐‘˜=๐‘›โˆ’๐‘+1

(11.1.14)

๐‘˜=0

Si osservi che il sistema presenta una memoria finita giacchรจ solo ๐‘ valori del segnale in ingresso contribuiscono alla determinazione dellโ€™uscita ๐‘ฆ๐‘› . Per contro i sistemi IIR sono caratterizzati da una memoria infinita. Un sistema discreto lineare e tempo invariante puรฒ essere caratterizzato da unโ€™equazione alle differenze del tipo: ๐‘€

๐‘

๐‘ฆ๐‘› + โˆ‘ ๐‘Ž๐‘˜ ๐‘ฆ๐‘›โˆ’๐‘˜ = โˆ‘ ๐‘๐‘˜ ๐‘ฅ๐‘›โˆ’๐‘˜ ๐‘˜=1

(11.1.15)

๐‘˜=0

Il valore ๐‘ฆ๐‘› dellโ€™uscita dipende cosรฌ dagli ๐‘€ valori ๐‘ฆ๐‘›โˆ’1 , ๐‘ฆ๐‘›โˆ’2 , โ€ฆ ๐‘ฆ๐‘›โˆ’๐‘€ precedenti. Un sistema di questo tipo viene denominato sistema ricorsivo. Se รจ: ๐‘

๐‘ฆ๐‘› = โˆ‘ ๐‘๐‘˜ ๐‘ฅ๐‘›โˆ’๐‘˜

(11.1.16)

๐‘˜=0

il sistema รจ detto non ricorsivo;. Eโ€™ interessante osservare che la risposta impulsiva di un sistema non ricorsivo vale: ๐‘

โ„Ž๐‘› = โˆ‘ ๐‘๐‘˜ ๐›ฟ๐‘›โˆ’๐‘˜ = { ๐‘˜=0

๐‘๐‘› ; 0;

0โ‰ค๐‘›โ‰ค๐‘ ๐‘Ž๐‘™๐‘ก๐‘Ÿ๐‘œ๐‘ฃ๐‘’

(11.1.17)

il che significa che un sistema non ricorsivo รจ un sistema FIR. Un caso interessante รจ costituito dal sistema retto dalla seguente equazione alle differenze: ๐‘€

๐‘ฆ๐‘› + โˆ‘ ๐‘Ž๐‘˜ ๐‘ฆ๐‘›โˆ’๐‘˜ = ๐‘ฅ๐‘›

(11.1.18)

๐‘˜=1

La sua risposta impulsiva รจ definita dalla: ๐‘€

โ„Ž๐‘› + โˆ‘ ๐‘Ž๐‘˜ โ„Ž๐‘›โˆ’๐‘˜ = ๐›ฟ๐‘› ๐‘˜=1

Per ottenere la soluzione basta porre:

(11.1.19)

222

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

โ„Ž๐‘› = ๐ด๐œ†๐‘›

(11.1.20)

dove ๐ด e ๐œ† sono due costanti. Sostituendo lโ€™espressione della โ„Ž๐‘› nella (11.1.19)si ottiene: ๐‘€

๐‘€

๐ด๐œ†๐‘› + โˆ‘ ๐‘Ž๐‘˜ ๐ด๐œ†๐‘›โˆ’๐‘˜ = ๐ด๐œ†๐‘›โˆ’๐‘€ (๐œ†๐‘€ + โˆ‘ ๐‘Ž๐‘˜ ๐œ†๐‘€โˆ’๐‘˜ ) = 0; ๐‘˜=1

(11.1.21)

๐‘˜=1

๐‘›>0

che, dovendo essere verificata per tutti i valori di ๐‘›, comporta lโ€™annullamento del polinomio: ๐œ†๐‘€ + ๐‘Ž1 ๐œ†๐‘€โˆ’1 + ๐‘Ž2 ๐œ†๐‘€โˆ’2 + โ‹ฏ ๐‘Ž๐‘€

(11.1.22)

detto polinomio caratteristico del sistema. Un parametro ๐œ†, che individua una soluzione della(11.1.21), deve pertanto essere uno zero del polinomio caratteristico. Esistono ๐‘€ zeri di detto polinomio, non necessariamente distinti, che possono essere reali o complessi. Nel secondo caso, se i coefficienti ๐‘Ž๐‘˜ โˆˆ โ„, gli zeri complessi si presentano in coppie coniugate. Se gli zeri sono distinti la risposta impulsiva assume la forma: ๐‘€

โ„Ž๐‘› = โˆ‘ ๐ด๐‘ ๐‘ง๐‘๐‘›

(11.1.23)

๐‘=1

dove z๐‘ denota il generico zero del polinomio caratteristico. Se il polinomio caratteristico contiene zeri multipli, la forma della (11.1.23) deve essere modificata. Ad esempio se z1 รจ uno zero di molteplicitร  ๐‘š e gli altri ๐‘€ โˆ’ ๐‘š sono semplici, si ha: ๐‘š

๐‘€

โ„Ž๐‘› = โˆ‘ ๐ด๐‘ ๐‘›๐‘โˆ’1 ๐‘ง1๐‘› โˆ‘ ๐ด๐‘ ๐‘ง๐‘๐‘› ๐‘=1

(11.1.24)

๐‘=1

Le costanti ๐ด๐‘ che compaiono nella (11.1.23) o (11.1.24) si determinano imponendo che siano nulle le condizioni iniziali e cioรจ: โ„Žโˆ’1 = โ„Žโˆ’2 = โ‹ฏ = โ„Žโˆ’๐‘€ = 0

(11.1.25)

Esempio 11.1 Per determinare la risposta impulsiva del sistema del secondo ordine seguente: ๐‘ฆ๐‘› = 3๐‘ฆ๐‘›โˆ’1 + 4๐‘ฆ๐‘›โˆ’2 + ๐‘ฅ๐‘›

CAPITOLO - 11 - Trasformazioni Lineari Discrete.

223

basta porre ๐‘ฅ๐‘› = ๐›ฟ๐‘› . Si ha: (*) โ„Ž๐‘› = 3โ„Ž๐‘›โˆ’1 + 4โ„Ž๐‘›โˆ’2 + ๐›ฟ๐‘› le radici del polinomio caratteristico: ๐œ†๐‘› โˆ’ 3๐œ† โˆ’ 4 = 0

valgono ๐‘ง1 = 1 e ๐‘ง2 = 4 , la risposta impulsiva รจ della forma: โ„Ž๐‘› = ๐ด1 (โˆ’1)๐‘› + ๐ด2 4๐‘› ; ๐‘› โ‰ฅ 0

Per determinare le costanti ๐ด1 e ๐ด2 basta porre nella (*) ๐‘› = 0 e ๐‘› = 1. Tenendo presente che deve essere โ„Žโˆ’1 = โ„Žโˆ’2 = 0, si deduce: โ„Ž0 = 3โ„Žโˆ’1 + 4โ„Žโˆ’2 + ๐›ฟ0 = 1 โ„Ž1 = 3โ„Ž0 + 4โ„Žโˆ’1 + ๐›ฟ1 = 3

che, tenendo conto dellโ€™espressione della โ„Ž๐‘› , forniscono il seguente sistema di equazioni: ๐ด + ๐ด2 = 1; { 1 โˆ’๐ด1 + 4๐ด2 = 3;

la cui soluzione รจ: ๐ด1 =

1 4 ;๐ด = 5 2 5

Si ha di conseguenza: 1 4 โ„Ž๐‘› = (โˆ’1)๐‘› + 4๐‘› ; ๐‘› โ‰ฅ 0 5 5

11.2 - Studio nel dominio della frequenza Prendendo la trasformata di Fourier della sequenza ๐‘ฆ๐‘› definita dalla (11.1.6) si ottiene: โˆž

โˆž

๐‘Œ(๐‘“) = โˆ‘ ๐‘ฆ๐‘› ๐‘’

โˆ’๐‘—2๐œ‹๐‘›๐‘“

โˆž

= โˆ‘ ๐‘’

๐‘›=โˆ’โˆž

โˆ’๐‘—2๐œ‹๐‘›๐‘“

๐‘›=โˆ’โˆž

โˆ‘ ๐‘ฅ๐‘˜ โ„Ž๐‘›,๐‘˜

(11.2.1)

๐‘˜=โˆž

che, esprimendo la sequenza dโ€™ingresso ๐‘ฅ๐‘˜ mediante la sua trasformata di Fourier ๐‘‹(๐‘“) diventa: โˆž

โˆž

๐‘Œ(๐‘“) = โˆ‘ ๐‘’

โˆ’๐‘—2๐œ‹๐‘›๐‘“

๐‘›=โˆ’โˆž 1 2

โˆ‘ โ„Ž๐‘›,๐‘˜ โˆซ ๐‘‹(๐œ‘)๐‘’ ๐‘—2๐œ‹๐‘˜๐œ‘ ๐‘‘๐œ‘ ๐‘˜=โˆž

โˆž

1 2

โˆ’

1 2

โˆž

= โˆซ ๐‘‹(๐œ‘) โˆ‘ โˆ‘ โ„Ž๐‘›,๐‘˜ ๐‘’ โˆ’๐‘—2๐œ‹(๐‘›๐‘“โˆ’๐‘˜๐œ‘) ๐‘‘๐œ‘ 1 2

โˆ’

Denotando con:

๐‘›=โˆ’โˆž ๐‘˜=โˆž

(11.2.2)

224

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati โˆž

โˆž

ฬƒ(๐‘“, โˆ’๐œ‘) = โˆ‘ โˆ‘ โ„Ž๐‘›,๐‘˜ ๐‘’ โˆ’๐‘—2๐œ‹(๐‘›๐‘“โˆ’๐‘˜๐œ‘) ๐ป

(11.2.3)

๐‘›=โˆ’โˆž ๐‘˜=โˆž

la trasformata bidimensionale di Fourier della risposta impulsiva โ„Ž(๐‘›, ๐‘˜), valutata in ๐‘“ ed in โˆ’๐œ‘, si ha: 1 2

ฬƒ(๐‘“, โˆ’๐œ‘)๐‘‹(๐œ‘) ๐‘‘๐œ‘ ๐‘Œ(๐‘“) = โˆซ ๐ป โˆ’

1 2

(11.2.4)

Nel caso di trasformazioni tempo invarianti, la (11.2.3) diventa: โˆž

โˆž

ฬƒ(๐‘“, โˆ’๐œ‘) = โˆ‘ โˆ‘ โ„Ž๐‘›โˆ’๐‘˜ ๐‘’ โˆ’๐‘—2๐œ‹(๐‘›๐‘“โˆ’๐‘˜๐œ‘) ๐ป ๐‘›=โˆ’โˆž ๐‘˜=โˆž โˆž

โˆž

= โˆ‘ โˆ‘ โ„Ž๐œˆ ๐‘’ โˆ’๐‘—2๐œ‹(๐œˆ๐‘“โˆ’๐‘˜(๐œ‘โˆ’๐‘“))

(11.2.5)

๐œˆ=โˆ’โˆž ๐‘˜=โˆž โˆž

โˆž

= โˆ‘ โ„Ž๐œˆ ๐‘’

โˆ’๐‘—2๐œ‹๐œˆ๐‘“

๐œˆ=โˆ’โˆž

โˆ‘ ๐‘’ โˆ’๐‘—2๐œ‹๐‘˜(๐‘“โˆ’๐œ‘) ๐‘˜=โˆž

Si osservi adesso che:

โˆž

โˆ‘ โ„Ž๐œˆ ๐‘’ โˆ’๐‘—2๐œ‹๐œˆ๐‘“ = ๐ป(๐‘“)

(11.2.6)

๐œˆ=โˆ’โˆž

รจ la trasformata di Fourier della risposta impulsiva del sistema, inoltre, lโ€™uguaglianza di Poisson (5.5.8) ci permette di scrivere: โˆž

โˆž

โˆ‘๐‘’

โˆ’๐‘—2๐œ‹๐‘˜(๐‘“โˆ’๐œ‘)

๐‘˜=โˆž

= โˆ‘ ๐›ฟ(๐‘“ โˆ’ ๐œ‘ โˆ’ ๐‘š)

(11.2.7)

๐‘š=โˆž

Quindi, se il sistema รจ tempo invariante possiamo ulteriormente scrivere: โˆž

โˆž

ฬƒ(๐‘“, โˆ’๐œ‘) = โˆ‘ โ„Ž๐œˆ ๐‘’ โˆ’๐‘—2๐œ‹๐œˆ๐‘“ โˆ‘ ๐‘’ โˆ’๐‘—2๐œ‹๐‘˜(๐‘“โˆ’๐œ‘) ๐ป ๐œˆ=โˆ’โˆž โˆž

= ๐ป(๐‘“) โˆ‘ ๐›ฟ(๐‘“ โˆ’ ๐œ‘ โˆ’ ๐‘š) ๐‘š=โˆž

Che, sostituita nella (11.2.4) fornisce:

๐‘˜=โˆž

(11.2.8)

CAPITOLO - 11 - Trasformazioni Lineari Discrete.

225

โˆž

1 2

๐‘Œ(๐‘“) = ๐ป(๐‘“) โˆซ โˆ‘ ๐›ฟ(๐‘“ โˆ’ ๐œ‘ โˆ’ ๐‘š) ๐‘‹(๐œ‘) ๐‘‘๐œ‘ 1

โˆ’ ๐‘š=โˆž 2 โˆž

1 2

= ๐ป(๐‘“) โˆ‘ ๐‘‹(๐‘“ โˆ’ ๐‘š) โˆซ ๐›ฟ(๐œ‘ โˆ’ (๐‘“ โˆ’ ๐‘š)) ๐‘‘๐œ‘ 1 2

โˆ’

๐‘š=โˆž

(11.2.9)

โˆž

= ๐ป(๐‘“) โˆ‘ ๐‘‹(๐‘“ โˆ’ ๐‘š)โŠ“(๐‘“ โˆ’ ๐‘š) = ๐ป(๐‘“)๐‘‹(๐‘“) ๐‘š=โˆž

ฬƒ (๐‘“, โˆ’๐œ‘) e ๐ป (๐‘“) denotano la risposta in frequenza Le funzioni ๐ป di un sistema lineare tempo variante e tempo invariante rispettivamente. Nel caso di sistemi tempo invarianti la risposta in frequenza puรฒ essere facilmente calcolata sulla base della risposta del sistema ad un ingresso cisoidale del tipo: ๐‘ฅ๐‘› = ๐‘’ ๐‘—2๐œ‹๐‘›๐‘“

Si ha infatti, per la (11.1.7): โˆž

๐‘ฆ๐‘› = โˆ‘ ๐‘’

๐‘—2๐œ‹(๐‘›โˆ’๐‘˜)๐‘“

๐‘˜=โˆ’โˆž

=๐‘’

๐‘—2๐œ‹๐‘›๐‘“

(11.2.10) โˆž

โ„Ž๐‘˜ = ๐‘’

๐‘—2๐œ‹๐‘›๐‘“

โˆ‘ โ„Ž๐‘˜ ๐‘’ โˆ’๐‘—2๐œ‹๐‘˜๐‘“ ๐‘˜=โˆ’โˆž

(11.2.11)

๐ป(๐‘“)

La risposta del sistema presenta la stessa forma della sollecitazione in ingresso, l'ampiezza perรฒ dipende dalla risposta in frequenza del sistema

CAPITOLO - 12 VALUTAZIONE NUMERICA DELLA TRASFORMATA DI FOURIER 12.1 - Valutazione Numerica della Trasformata di Fourier di un Segnale a tempo continuo Uno dei fondamentali problemi della Teoria dei segnali consiste nella valutazione numerica della trasformata di Fourier ๐‘†(๐‘“) di un segnale ๐‘ (๐‘ก) a tempo continuo e a energia finita. A tal fine si consideri un segnale che, seppur non rigorosamente passabasso, permetta comunque di definire un opportuno intervallo di 1

1

frequenze [โˆ’ 2๐‘‡ , 2๐‘‡] al di fuori del quale resta una frazione trascurabile della sua energia specifica. Sotto questa ipotesi la trasformata di Fourier del segnale si puรฒ approssimare, trascurando cioรจ gli effetti del ricoprimento spettrale, in base alla (9.1.7) utilizzando la sequenza dei suoi campioni: โˆž

๐‘†(๐‘“) โ‰… ๐‘‡โŠ“(๐‘“๐‘‡) โˆ‘ ๐‘ (๐‘›๐‘‡)๐‘’ โˆ’๐‘—2๐œ‹๐‘›๐‘“๐‘‡

(12.1.1)

๐‘›=โˆ’โˆž

Osseviamo che, per lโ€™ipotesi fatta nel paragrafo precedente, se si campionasse ๐‘†(๐‘“) nel dominio della frequenza, si otterebbe solo un numero finito, diciamo ๐‘, di campioni significativamente diversi da ze1

1

ro, precisamente quelli ricadenti all'interno dell'intervallo [โˆ’ 2๐‘‡ , 2๐‘‡]. Il generico campione della trasformata si puรฒ esprimere mediante la (12.1.1) nella forma: โˆž

๐‘†(

2๐œ‹๐‘š๐‘› ๐‘š ๐‘š ) โ‰… ๐‘‡โŠ“ ( ) โˆ‘ ๐‘ (๐‘›๐‘‡)๐‘’ โˆ’๐‘— ๐‘ ๐‘๐‘‡ ๐‘

(12.1.2)

๐‘›=โˆ’โˆž

1

dove si รจ implicitamente scelto un passo di campionamento pari a ๐‘๐‘‡. Supponendo, per semplicitร , di scegliere un valore dispari per ๐‘, la precedente puรฒ essere riscritta come segue:

228

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati โˆž

๐‘š ๐‘š ๐‘† ( ) โ‰… ๐‘‡โŠ“ ( ) โˆ‘ โ€‰ ๐‘๐‘‡ ๐‘

๐‘โˆ’1 2

๐‘™๐‘+

๐‘ (๐‘›๐‘‡)๐‘’ โˆ’๐‘—

โˆ‘

2๐œ‹๐‘š๐‘› ๐‘

(12.1.3)

๐‘™=โˆ’โˆž ๐‘›=๐‘™๐‘โˆ’๐‘โˆ’1 2

la quale, effettuando la sostituzione di indice ๐‘›โ€ฒ = ๐‘› โˆ’ ๐‘™๐‘, scambiando l'ordine delle sommatorie, e tenendo conto della periodicitร  del fattore esponenziale, diventa: ๐‘š ๐‘š ๐‘† ( ) โ‰… ๐‘‡โŠ“ ( ) ๐‘๐‘‡ ๐‘

๐‘โˆ’1 2

โˆ‘ ๐‘›โ€ฒ =โˆ’

โˆž

[ โˆ‘ ๐‘ ((๐‘›โ€ฒ + ๐‘™๐‘)๐‘‡)] ๐‘’ โˆ’๐‘—

2๐œ‹๐‘š๐‘›โ€ฒ ๐‘

(12.1.4)

๐‘โˆ’1 ๐‘™=โˆ’โˆž 2

Si nota che la sommatoria interna รจ la ripetizione periodica della sequenza ๐‘ (๐‘›๐‘‡) dei campioni del segnale effettuata con periodicitร  ๐‘๐‘‡. รˆ ovvio che detta ripetizione periodica รจ in genere, diversa da ๐‘ (๐‘›๐‘‡), anche nell'intervallo [โˆ’

๐‘โˆ’1 2

๐‘‡,

๐‘โˆ’1 2

๐‘‡], a causa del ricoprimento temporale

che insorge in quanto il segnale puรฒ non essere a durata rigorosamente limitata. Se tuttavia il segnale in esame consente di determinare un valore della quantitร  ๐‘๐‘‡ che renda trascurabile l'effetto del ricoprimento temporale, si puรฒ scrivere: โˆž

๐‘› ๐‘› โŠ“ ( ) โˆ‘ ๐‘ ((๐‘› + ๐‘™๐‘)๐‘‡) โ‰… โŠ“ ( ) ๐‘ (๐‘›๐‘‡) ๐‘ ๐‘

(12.1.5)

๐‘™=โˆ’โˆž

quindi la (12.1.4) diviene: ๐‘โˆ’1 2

2๐œ‹๐‘š๐‘› ๐‘š ๐‘š ๐‘† ( ) โ‰… ๐‘‡โŠ“ ( ) โˆ‘ ๐‘ (๐‘›๐‘‡)๐‘’ โˆ’๐‘— ๐‘ ๐‘๐‘‡ ๐‘ ๐‘โˆ’1

๐‘›=โˆ’

(12.1.6)

2

๐‘š

la quale, sfruttando l'ortogonalitร  delle sequenze โŠ“ ( ๐‘ ) ๐‘’ โˆ’๐‘—2๐œ‹๐‘š๐‘›โ„๐‘ , puรฒ essere facilmente invertita: ๐‘ (๐‘›๐‘‡) โ‰…

1 ๐‘› โŠ“ (๐‘ ) ๐‘๐‘‡

๐‘โˆ’1 2

โˆ‘ ๐‘š=โˆ’

๐‘โˆ’1 2

๐‘†(

2๐œ‹๐‘š๐‘› ๐‘š ) ๐‘’๐‘— ๐‘ ๐‘๐‘‡

(12.1.7)

CAPITOLO - 12 - Valutazione Numerica della Trasformata di Fourier -

229

La (12.1.6) e la (12.1.7) definiscono una coppia di trasformate discrete di Fourier di ordine ๐‘. Esse costituiscono il punto di partenza per valutare numericamente la trasformata e l'antitrasformata di Fourier di un segnale a tempo continuo. Esempio 12.1 Si consideri il segnale a tempo continuo dato dalla: ๐‘ก 1 ๐‘ (๐‘ก) = โŠ“ ( โˆ’ ) ๐‘‡0 2

รˆ noto che la sua trasformata di Fourier vale: ๐‘†(๐‘“) = ๐‘‡0 sinc(๐‘“๐‘‡0 )๐‘’ โˆ’๐‘—๐œ‹๐‘“๐‘‡0

Tenendo presente la (12.1.5), si scelgono un passo di campionamento T ed un valore di N tali che risulti NT ๏‚ณ T0 , Quindi la (12.1.5) vale, in questo caso, come uguaglianza. Si avrร : 1; ๐‘ (๐‘›๐‘‡) = { 0;

0โ‰ค๐‘›โ‰ค๐‘€ ๐‘Ž๐‘™๐‘ก๐‘Ÿ๐‘œ๐‘ฃ๐‘’ ๐‘‡0 ๐‘€=โŒŠ โŒ‹ ๐‘‡

D'altra parte la scelta del passo di campionamento ๐‘‡ incide sull'entitร  dell'errore dovuto al ricoprimento spettrale. Volendo limitare tale errore, occorre rendere sufficientemente elevata la quantitร  1โ„๐‘‡ , in accordo con la (12.1.6). Scegliere un valore ๐‘‡ equivale ad ipotizzare che il segnale abbia una banda ๐ต = 1โ„2๐‘‡ . Nel caso specifico, si puรฒ procedere assumendo che il segnale abbia una banda equivalente ๐ต๐‘’ = kโ„๐‘‡ (๐‘˜ > 1) e quindi assumere: 0 ๐‘‡โ‰ค

๐‘‡0 2๐‘˜

il che comporta: ๐‘‡

๐‘ โ‰ฅ โŒˆ 0 โŒ‰ โ‰ฅ 2๐‘˜ ๐‘‡

In tali condizioni si ottiene: ๐‘†(

๐‘โˆ’1

๐‘€โˆ’1

๐‘›=0

๐‘›=0

2๐œ‹๐‘š๐‘› 2๐œ‹๐‘š๐‘› ๐‘š ) = ๐‘‡ โˆ‘ ๐‘ (๐‘›๐‘‡)๐‘’ โˆ’๐‘— ๐‘ = ๐‘‡ โˆ‘ ๐‘’ โˆ’๐‘— ๐‘ ๐‘๐‘‡

={ ๐‘‡

๐‘’

โˆ’๐‘—

2๐œ‹๐‘š๐‘€ ๐‘

2๐œ‹๐‘š โˆ’๐‘— ๐‘

๐‘’ ๐‘‡๐‘€;

โˆ’1

โˆ’1

;

๐‘š=โˆ’

๐‘ ๐‘ , โ€ฆ , โˆ’1,1, โ€ฆ , โˆ’ 1 2 2 ๐‘š=0

230

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

il cui modulo vale: ๐‘š๐‘€

๐‘ ๐‘–๐‘› (๐œ‹ ) ๐‘ ๐‘š ๐‘‡โ‹…| |; ๐‘š |๐‘† ( )| = ๐‘ ๐‘–๐‘› (๐œ‹ ) ๐‘๐‘‡ ๐‘ { ๐‘‡๐‘€;

๐‘š=โˆ’

๐‘ ๐‘ , โ€ฆ , โˆ’1,1, โ€ฆ , โˆ’ 1 2 2 ๐‘š=0 ๐‘š

In Fig.E 12.1sono riportati gli andamenti di |๐‘† ( )| per diversi valori di ๐‘๐‘‡

๐‘ e di ๐‘‡ unitamente al modulo di ๐‘†(๐‘“). Si noti che al crescere del parametro ๐‘‡ le righe dello spettro si infittiscono e l'errore tra il valore vero dello spettro e quello stimato si riduce, in quanto la banda aumenta e si riduce di conseguenza lโ€™aliasing. Esempio 12.2 Si consideri il seguente segnale tempo continuo: ๐‘ (๐‘ก) = ๐‘ข(๐‘ก)๐‘’ โˆ’๐‘ก

Fig.E 12.1

CAPITOLO - 12 - Valutazione Numerica della Trasformata di Fourier -

231

la cui trasformata di Fourier vale: ๐‘†(๐‘“) =

1 1 + ๐‘—2๐œ‹๐‘“

Il segnale considerato non presenta nรฉ durata nรฉ banda rigorosamente limitata per cui รจ necessaria un'adeguata scelta di ๐‘ e ๐‘‡ per limitare sia l'errore di ricoprimento temporale sia quello di ricoprimento spettrale. In tal caso si puรฒ scrivere: โˆž

๐‘†(

๐‘š ๐‘š ๐‘˜ ) โ‰… โˆ‘ ๐‘†( + ); ๐‘๐‘‡ ๐‘๐‘‡ ๐‘‡

0โ‰ค๐‘š โ‰ค๐‘โˆ’1

๐‘˜=โˆ’โˆž

e quindi in base alla (12.1.6)si ha:

Fig.E 12.2 ๐‘โˆ’1

๐‘†(

2๐œ‹๐‘š๐‘› ๐‘š 1 โˆ’ ๐‘’ โˆ’๐‘๐‘‡ ) โ‰… ๐‘‡ โˆ‘ ๐‘ (๐‘›๐‘‡)๐‘’ โˆ’๐‘— ๐‘ = ๐‘‡ ; 2๐œ‹๐‘š ๐‘๐‘‡ 1 โˆ’ ๐‘’ โˆ’๐‘— ๐‘ โˆ’๐‘‡

๐‘›=0

๐‘š = 0,1, โ€ฆ , ๐‘ โˆ’ 1

232

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

il cui modulo รจ dato dalla: |๐‘† (

๐‘š )| = ๐‘‡ ๐‘๐‘‡

1 โˆ’ ๐‘’ โˆ’๐‘๐‘‡ โˆš1

+ ๐‘’ โˆ’2๐‘‡

โˆ’

2๐œ‹๐‘š 2๐‘’ โˆ’๐‘‡ ๐‘๐‘œ๐‘  ( ) ๐‘

;

๐‘š = 0,1, โ€ฆ , ๐‘ โˆ’ 1

๐‘š

In Fig. E.IX.8 sono paragonati i valori delle quantitร  |๐‘† ( )| al variare ๐‘๐‘‡

dei parametri ๐‘ e ๐‘‡ con il modulo dello spettro del segnale ๐‘ (๐‘ก): |๐‘†(๐‘“)| =

1 โˆš1 + (2๐œ‹๐‘“)2

allo scopo di illustrare l'influenza del numero dei punti e della periodicitร  nella valutazione numerica dello spettro di un segnale che non presenta nรฉ durata nรฉ banda rigorosamente limitata.

12.2 - Troncamento del segnale. Finestre temporali. Un modo per eliminare gli errori di ricoprimento temporale รจ quello di considerare una versione troncata del segnale ๐‘ (๐‘ก) ๐‘ ๐‘ค (๐‘ก) = ๐‘ (๐‘ก) โ‹… ๐‘ค(๐‘ก)

(12.2.1)

ottenuta moltiplicando ๐‘ (๐‘ก) per una funzione finestra temporale ๐‘ค(๐‘ก) tale che risulti: {

๐‘ค(๐‘ก) = 0; ๐‘ค(0) = 1;

|๐‘ก| >

๐‘‡0 ; 2

(12.2.2)

La (12.2.1) comporta un errore nella valutazione della ๐‘†(๐‘“); tuttavia se ๐‘‡0 si sceglie in modo tale che i valori del segnale ๐‘ (๐‘ก) al di fuori dell'intervallo [โˆ’๐‘‡0 /2, ๐‘‡0 /2] siano piccoli rispetto a quelli assunti dal segnale al suo interno, tale errore puรฒ ritenersi trascurabile. Per rendersi Fig. 12.1 Spettro della finestra di Hanning conto dell'entitร  di tale

CAPITOLO - 12 - Valutazione Numerica della Trasformata di Fourier -

233

errore basta trasformare la (12.2.1). Indicando con ๐‘†๐‘ค (๐‘“), ๐‘†(๐‘“) e ๐‘Š(๐‘“) le trasformate di ๐‘ ๐‘ค (๐‘ก), ๐‘ (๐‘ก) e ๐‘ค(๐‘ก) rispettivamente si ha: โˆž

๐‘†๐‘ค (๐‘“) = ๐‘†(๐‘“) โˆ— ๐‘Š(๐‘“) = โˆซ ๐‘†(๐œ—)๐‘Š(๐‘“ โˆ’ ๐œ—)๐‘‘๐œ— โˆ’โˆž

(12.2.3)

Si osservi che la forma tipica dello spettro di ampiezza |๐‘Š(๐‘“)| di una funzione finestra si presenta come indicato in Fig. 12.1, cioรจ ha un lobo fondamentale simmetrico rispetto all'asse delle ordinate che inFig. 12.2 Effetto della funzione finestra sullo spet- siste su un intervallo di amtro di un segnale piezza ฮ”๐‘“ e un insieme di lobi laterali con ampiezze massime via via decrescenti . Se lo spettro ๐‘†(๐‘“) del segnale ๐‘ (๐‘ก) non รจ continuo nel punto ๐‘“0, lo spettro del segnale troncato si presenta qualitativamente come indicato in Fig. 12.2. Esso รจ cioรจ continuo e ha andamento oscillatorio in prossimitร  di ๐‘“0 . Si puรฒ verificare che lโ€™ampiezza ๐‘Š(๐‘“ )

delle oscillazioni dipende dal rapporto | ๐‘Š(0)๐‘  |, cioรจ dal livello di picco relativo dei lobi secondari dello spettro di ๐‘ค(๐‘ก), mentre la transizione da ๐‘†(๐‘“0โˆ’ ) a ๐‘†(๐‘“0+ ) si verifica in una banda la cui ampiezza รจ proporzionale a ๐›ฅ๐‘“. Le quantitร  |

๐‘Š(๐‘“๐‘  ) ๐‘Š(0)

| e ๐›ฅ๐‘“ pertanto caratterizzano una funzione finestra

dato che i loro valori influenzano la precisione con cui viene approssimato lo spettro. Le caratteristiche di alcune funzioni finestra comunemente usate sono riportate nella Tabella 12.1

234

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

Tabella 12.1 Caratteristiche di alcune funzioni finestra

Hamming

Hanning

Bartlett

Rettangolare

๐›ฅ๐‘“ ๐‘ก

๐‘ค(๐‘ก)

โŠ“( )

๐‘Š(๐‘“)

๐‘‡0 sinc(๐‘“๐‘‡0 )

๐‘‡0

(1 โˆ’

๐‘ค(๐‘ก)

2 ๐‘‡0

|2๐‘ก| ๐‘ก )โŠ“( ) ๐‘‡0 ๐‘‡0

4 ๐‘‡0

๐‘Š(๐‘“)

๐‘‡0 ๐‘“๐‘‡0 2 sinc [ ] 2 2

๐‘ค(๐‘ก)

๐œ‹๐‘ก ๐‘ก cos2 ( ) โŠ“ ( ) ๐‘‡0 ๐‘‡0

๐‘Š(๐‘“)

๐‘‡0 sinc[๐‘“๐‘‡0 ] 2(1 โˆ’ ๐‘“ 2 ๐‘‡02 )

๐‘ค(๐‘ก)

2๐œ‹๐‘ก ๐‘ก (0,54 + 0,46cos ( )) โŠ“ ( ) ๐‘‡0 ๐‘‡0

๐‘Š(๐‘“)

๐‘‡0

Tukey

๐‘ค(๐‘ก)

๐‘Š(๐‘“๐‘  ) | | ๐‘Š(0)

4 ๐‘‡0

4 ๐‘‡0

(โˆ’0.54 + 0.08๐‘“ 2 ๐‘‡02 ) sinc[๐‘“๐‘‡0 ] (โˆ’1 + ๐‘“ 2 ๐‘‡02 ) ๐œ‹(2|๐‘ก|โˆ’๐›ผ๐‘‡๐‘œ )

4|๐‘ก|โˆ’๐‘‡๐‘œ (1+๐›ผ)

(1โˆ’๐›ผ)๐‘‡๐‘œ

2๐‘‡๐‘œ (1โˆ’๐›ผ)

(1 + cos [ ๐‘ก โŠ“( )+ ๐›ผ๐‘‡0

]) โŠ“ (

2

sinc[๐‘“๐‘‡0 ] + ๐›ผsinc[๐‘“๐›ผ๐‘‡0 ] 2[1 โˆ’ (๐‘“๐‘‡0 (๐›ผ โˆ’ 1))2 ]

๐‘Š(๐‘“)

๐‘‡0

๐‘ค(๐‘ก)

๐ผ0 (๐œ‹๐›ฝโˆš1 โˆ’ ( ) ) ๐‘‡

0.22 -13.2 dB

0.047 -26.5 dB

0.027 -31.5db

0.0062 -44 dB

) 4 (1 + ๐›ผ)๐‘‡0

Taylor-Kaiser

2๐‘ก 2 0

๐ผ0 (๐œ‹๐›ฝ)

๐‘Š(๐‘“)

๐‘‡0

๐‘ก โŠ“( ) ๐‘‡0

sinh[๐œ‹โˆš๐›ฝ 2 โˆ’ ๐‘“ 2 ๐‘‡02 ]

2๐›ฝ ๐‘‡0

0,22๐œ‹๐›ฝ sinh(๐œ‹๐›ฝ)

๐ผ0 (๐œ‹๐›ฝ)๐œ‹โˆš๐›ฝ 2 โˆ’ ๐‘“ 2 ๐‘‡02

N. B. ๐ผ0 (๐‘ฅ) รจ la funzione di Bessel modificata di prima specie di ordine zero.

CAPITOLO - 12 - Valutazione Numerica della Trasformata di Fourier -

235

12.3 - La trasformata discreta di Fourier. Come visto al - ยง. 12.1 - , le trasformate di Fourier diretta e inversa di un segnale a tempo continuo, possono effettuarsi mediante le (12.1.6) e (12.1.7), purchรฉ la scelta del quanto temporale ๐‘‡ e del numero dei campioni ๐‘ sia tale che gli errori di ricoprimento temporale e spettrale risultino trascurabili. Usualmente le (10.3.9), vengono presentate nella forma: ๐‘โˆ’1

a)

๐‘†๐‘š = โˆ‘ ๐‘ ๐‘› ๐‘’ ๐‘—

2๐œ‹๐‘›๐‘š ๐‘

;

๐‘š = 0,1, โ€ฆ , ๐‘ โˆ’ 1

๐‘›=0

(12.3.1)

๐‘โˆ’1

b)

2๐œ‹๐‘›๐‘š 1 ๐‘ ๐‘› = โˆ‘ ๐‘†๐‘š ๐‘’ ๐‘— ๐‘ ; ๐‘

๐‘› = 0,1, โ€ฆ , ๐‘ โˆ’ 1

๐‘š=0

Queste ultime si ottengono normalizzando il quanto temporale (๐‘‡ = 1). In esse si sono denotati con ๐‘ ๐‘› e ๐‘†๐‘š i campioni del segnale e della sua trasformata di Fourier rispettivamente. Le (12.3.1) sono delle sequenze periodiche di periodo ๐‘, cosicchรฉ esse possono essere prolungate al di fuori degli intervalli (0 โ‰ค ๐‘›, ๐‘š โ‰ค ๐‘ โˆ’ 1). Ciรฒ significa che ๐‘ ๐‘› e ๐‘†๐‘š sono uguali ai campioni di ๐‘ (๐‘ก) e ๐‘†(๐‘“) nell'insieme {0, ๐‘ โˆ’ 1} ma non al di fuori di esso. Per sottolineare tale differenza รจ allora opportuno denotare con ๐‘ ฬƒ๐‘› e ๐‘†ฬƒ๐‘š le sequenze periodicizzate, di conseguenza le (12.3.1) possono essere riscritte nella forma: ๐‘โˆ’1

a)

๐‘†ฬƒ๐‘š = โˆ‘ ๐‘ ฬƒ๐‘› ๐‘’ ๐‘—

2๐œ‹๐‘›๐‘š ๐‘

๐‘›=0 ๐‘โˆ’1

b)

2๐œ‹๐‘›๐‘š 1 ๐‘ ฬƒ๐‘› = โˆ‘ ๐‘†ฬƒ๐‘š ๐‘’ ๐‘— ๐‘ ๐‘

(12.3.2)

๐‘š=0

essendo: a)

๐‘ ฬƒ๐‘› = ๐‘ ๐‘› ;

0โ‰ค๐‘› โ‰ค๐‘โˆ’1

b)

๐‘†ฬƒ๐‘š = ๐‘†๐‘š ;

0โ‰ค๐‘š โ‰ค๐‘โˆ’1

(12.3.3)

Le (12.3.2), costituiscono una coppia di trasformazioni denominate trasformate (diretta e inversa) discrete di Fourier (DFT). Denotando con ๐‘ ฬƒ๐‘ e ๐‘†ฬƒ๐‘ i vettori:

236

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

๐‘ ฬƒ1 โ€ฆ ๐‘ ฬƒ๐‘โˆ’1 ]๐‘‡ ๐‘†ฬƒ1 โ€ฆ ๐‘†ฬƒ๐‘โˆ’1 ]๐‘‡

๐’”ฬƒ๐‘ = [๐‘ ฬƒ0 ๐‘บฬƒ๐‘ = [๐‘†ฬƒ0

(12.3.4)

e con ๐‘พ๐‘ la matrice: ๐‘พ๐‘ =

1

1

1 โ€ฆ

โˆ’๐‘—

[1

=

๐‘’

โ€ฆ

2๐œ‹ ๐‘

โ€ฆ ๐‘’

2๐œ‹(๐‘โˆ’1) โˆ’๐‘— ๐‘

1

โ€ฆ โ€ฆ

๐‘’

โ€ฆ

๐‘’

โˆ’๐‘—

2๐œ‹(๐‘โˆ’1) ๐‘

โ€ฆ

2๐œ‹(๐‘โˆ’1)2 โˆ’๐‘— ๐‘

๐‘Š๐‘0

๐‘Š๐‘0

โ€ฆ

๐‘Š๐‘0

๐‘Š๐‘0 โ€ฆ [๐‘Š๐‘0

๐‘Š๐‘1 โ€ฆ (๐‘โˆ’1) ๐‘Š๐‘

โ€ฆ โ€ฆ โ€ฆ

๐‘Š๐‘ โ€ฆ (๐‘โˆ’1)2 ๐‘Š๐‘ ]

] (12.3.5)

(๐‘โˆ’1)

2๐œ‹

in cui ๐‘Š๐‘ = ๐‘’ โˆ’๐‘— ๐‘ denota la radice ๐‘-esima dell'unitร , le (12.3.2) si possono riscrivere come segue: ๐‘บฬƒ๐‘ = ๐‘พ๐‘ ๐’”ฬƒ๐‘

a)

๐’”ฬƒ๐‘ =

b)

1 โˆ— ๐‘พ ๐‘บฬƒ ๐‘ ๐‘ ๐‘

(12.3.6)

Confrontando le (12.3.6)si ottiene facilmente: 1 โˆ— ๐‘พ ๐‘ ๐‘

(12.3.7)

๐‘พ๐‘ ๐‘พโˆ—๐‘ = ๐‘๐‘ฐ๐‘

(12.3.8)

๐‘พโˆ’1 ๐‘ =

che equivale a scrivere: dove ๐‘ฐ๐‘ รจ la matrice unitaria di ordine ๐‘. La matrice ๐‘พ๐‘ รจ pertanto una matrice ortogonale. Come nel caso delle altre trasformate di Fourier, la DFT gode di proprietร  che vengono riassunte nella Tabella 12.2. Esempio 12.3 Siano: โˆ’1; 2; ๐’”ฬƒ1 = { 4; โˆ’2;

๐‘›=0 ๐‘›=1 ; ๐‘›=2 ๐‘›=3

1; โˆ’1; ๐’”ฬƒ2 = { 2; โˆ’3;

๐‘›=0 ๐‘›=1 ๐‘›=2 ๐‘›=3

due distinte sequenze periodiche di periodo ๐‘ = 4. La loro convoluzione

CAPITOLO - 12 - Valutazione Numerica della Trasformata di Fourier -

237

3

๐‘ ฬƒ๐‘› = โˆ‘ ๐‘ ฬƒ1,๐‘˜ ๐‘ ฬƒ2,(๐‘›โˆ’๐‘˜) ๐‘˜=0

si valuta facilmente tenendo conto delle proprietร  di periodicitร  delle sequenze. Si ha infatti, per ๐‘› = 0: 3

๐‘ ฬƒ0 = โˆ‘ ๐‘ ฬƒ1,๐‘˜ ๐‘ ฬƒ2,(โˆ’๐‘˜) ๐‘˜=0

dove รจ: ๐‘ ฬƒ2,0 = 1; ๐‘ ฬƒ2,(โˆ’1) = ๐‘ ฬƒ2,(4โˆ’1) = ๐‘ ฬƒ2,3 = โˆ’3; ๐‘ ฬƒ2,(โˆ’2) = ๐‘ ฬƒ2,(4โˆ’2) = ๐‘ ฬƒ2,2 = 2; ๐‘ ฬƒ { 2,(โˆ’3) = ๐‘ ฬƒ2,(4โˆ’3) = ๐‘ ฬƒ2,1 = โˆ’1;

per cui risulta: ๐‘ ฬƒ1 = โˆ’1 โˆ’ 6 + 8 + 2 = 3

In modo analogo, per ๐‘› = 1, รจ: 4

๐‘ ฬƒ1 = โˆ‘ ๐‘ ฬƒ1,๐‘˜ ๐‘ ฬƒ2,(1โˆ’๐‘˜) ๐‘˜=0

con: ๐‘ ฬƒ2,(1โˆ’0) = ๐‘ ฬƒ2,(1) = โˆ’1; ๐‘ ฬƒ 2,(1โˆ’1) = ๐‘ ฬƒ 2,(0) = 1; ๐‘ ฬƒ2,(1โˆ’2) = ๐‘ ฬƒ2,(โˆ’1) = ๐‘ ฬƒ 2,(4โˆ’1)= ๐‘ ฬƒ2,(3) = โˆ’3; { ๐‘ ฬƒ2,(1โˆ’3) = ๐‘ ฬƒ2,(โˆ’2) = ๐‘ ฬƒ 2,(4โˆ’2)= ๐‘ ฬƒ2,(2) = 2;

Si ha: ๐‘ ฬƒ1 = 1 + 2 โˆ’ 12 โˆ’ 4 = โˆ’13

Per ๐‘› = 2 รจ: 3

๐‘ ฬƒ2 = โˆ‘ ๐‘ ฬƒ1,๐‘˜ ๐‘ ฬƒ2,(2โˆ’๐‘˜) ๐‘˜=0

con ๐‘ ฬƒ2,(2โˆ’0) = ๐‘ ฬƒ2,2 = 2; ๐‘ ฬƒ2,(2โˆ’1) = ๐‘ ฬƒ2,1 = โˆ’1; ๐‘ ฬƒ2,(2โˆ’2) = ๐‘ ฬƒ2,0 = 1; ๐‘ ฬƒ { 2,(2โˆ’3) = ๐‘ ฬƒ2(โˆ’1) = ๐‘ ฬƒ2(4โˆ’1) = ๐‘ ฬƒ2,3 = โˆ’3;

รˆ quindi: ๐‘ ฬƒ2 = โˆ’2 โˆ’ 2 + 4 + 6 = 6

238

Lezioni di Teoria dei Segnali - Analisi dei Segnali Determinati -

Si ha infine, per ๐‘› = 3: 4

๐‘ ฬƒ3 = โˆ‘ ๐‘ ฬƒ1๐‘˜ ๐‘ ฬƒ2,(3โˆ’๐‘˜) ๐‘˜=0

Si ha: ๐‘ ฬƒ2,(3โˆ’0) = ๐‘ ฬƒ2,3 = โˆ’3; ๐‘ ฬƒ2,(3โˆ’0) = ๐‘ ฬƒ2,2 = 2; ๐‘ ฬƒ2,(3โˆ’2) = ๐‘ ฬƒ2,1 = โˆ’1; { ๐‘ ฬƒ2,(3โˆ’3) = ๐‘ ฬƒ2,0 = 1;

e quindi: ๐‘ ฬƒ3 = 3 + 4 โˆ’ 4 โˆ’ 2 = 1

In definitiva risulta: 3; โˆ’13; ๐’”ฬƒ = { 6; 1;

๐‘›=0 ๐‘›=1 ๐‘›=2 ๐‘›=3

CAPITOLO - 12 - Valutazione Numerica della Trasformata di Fourier -

239

Tabella 12.2 Proprietร  della DFT Proprietร 

Coefficiente

Segnale ๐‘˜

Linearitร 

โˆ‘ ๐‘Ž๐‘– ๐‘ ฬƒ๐‘–๐‘›

โˆ‘ ๐‘Ž๐‘– ๐‘†ฬƒ๐‘–๐‘š

๐‘–=1

๐‘–=1

๐‘ ฬƒ๐‘›โˆ—

โˆ— ๐‘†ฬƒโˆ’๐‘š

๐‘ ๐‘‘โˆ— (โˆ’๐‘›)

๐‘†๐‘‘โˆ— (๐‘š)

Segnale coniugato Trasformata coniugata

๐‘˜

๐‘ ฬƒ๐‘›โˆ’๐‘›0

Traslazione in ๐‘›

2๐œ‹๐‘›๐‘š0 ๐‘

๐‘’ โˆ’๐‘—

2๐œ‹๐‘›0 ๐‘š ๐‘

๐‘†ฬƒ๐‘šโˆ’๐‘š0

Traslazione in ๐‘š

๐‘’๐‘—

Differenza in avanti in ๐‘›

๐‘ ฬƒ๐‘›+1 โˆ’ ๐‘ ฬƒ๐‘›

[๐‘’ ๐‘—

Differenza all'indietro in ๐‘›

๐‘ ฬƒ๐‘› โˆ’ ๐‘ ฬƒ๐‘›โˆ’1

[1 โˆ’ ๐‘’ โˆ’๐‘—

Differenza in avanti in ๐‘š

(๐‘’ โˆ’๐‘—

Differenza all'indietro in ๐‘š

(1 โˆ’ ๐‘’ ๐‘—

2๐œ‹๐‘› ๐‘€

๐‘†ฬƒ๐‘š

๐‘ ฬƒ๐‘›

2๐œ‹๐‘š ๐‘

โˆ’ 1]๐‘†ฬƒ๐‘š 2๐œ‹๐‘š ๐‘

]๐‘†ฬƒ๐‘š

โˆ’ 1) ๐‘ ฬƒ๐‘›

๐‘†ฬƒ๐‘š+1 โˆ’ ๐‘†ฬƒ๐‘š

2๐œ‹๐‘› ๐‘

๐‘†ฬƒ๐‘š โˆ’ ๐‘†ฬƒ๐‘šโˆ’1

) ๐‘ ฬƒ๐‘›

๐‘โˆ’1

โˆ‘ ๐‘ ฬƒ1๐‘˜ ๐‘ ฬƒ2(๐‘›โˆ’๐‘˜)

Convoluzione in ๐‘›

๐‘˜=0

๐‘†ฬƒ1๐‘š ๐‘†ฬƒ2๐‘š

๐‘โˆ’1

= โˆ‘ ๐‘ ฬƒ1(๐‘›โˆ’๐‘˜) ๐‘ ฬƒ2๐‘˜ ๐‘˜=0 ๐‘โˆ’1

1 โˆ‘ ๐‘†ฬƒ1๐‘˜ ๐‘†ฬƒ2(๐‘šโˆ’๐‘˜) ๐‘

Convoluzione in ๐‘š

๐‘˜=0

๐‘ ฬƒ1๐‘› ๐‘ ฬƒ2๐‘›

๐‘โˆ’1

=

1 โˆ‘ ๐‘†ฬƒ1(๐‘šโˆ’๐‘˜) ๐‘†ฬƒ2๐‘˜ ๐‘ ๐‘˜=0

CAPITOLO - 13 RICHIAMI DI TEORIA DELLA PROBABILITร€ 13.1 - Lo spazio dei risultati. Gli eventi. Spesso nella realtร  ci sโ€™imbatte in fenomeni i cui esiti non possono essere esattamente previsti, basti pensare all'estrazione del biglietto vincente di una lotteria, o al numero di chiamate in arrivo in una centrale telefonica nel corso di un'ora della giornata. Tuttavia se, osservando ripetutamente il fenomeno, si prende nota dei risultati, ci si accorge che, nella quasi totalitร  dei casi, essi obbediscono ad una certa โ€œregolaritร  statistica โ€, nel senso che il rapporto tra le volte in cui si verifica un determinato risultato e il numero totale dโ€™osservazioni tende a stabilizzarsi attorno ad un dato valore al crescere di queste ultime. Cosรฌ, ad esempio, se da un'urna contenente palline nere e bianche si รจ estratta nel 90% dei casi una pallina bianca, e nel restante 10%, una nera, si รจ indotti a ritenere che l'evento: โ€œestrazione di una pallina bianca โ€ abbia una maggiore probabilitร  di verificarsi dell'evento: โ€œestrazione di una pallina nera โ€, o che รจ lo stesso che nellโ€™urna vi siano molte piรน palline bianche che nere. Si รจ cosรฌ portati ad associare ad ogni evento casuale una certa probabilitร  che esso si manifesti. Tuttavia, per definire correttamente il concetto di probabilitร  associato ad un evento casuale, occorre richiamare alcune nozioni fondamentali concernenti il cosiddetto spazio di probabilitร . Per schematizzare il comportamento di un fenomeno aleatorio รจ opportuno introdurre il concetto di esperimento casuale che consiste in un procedimento di osservazione di risultati, ottenuti ripetendo la medesima prova tutte le volte che si voglia. Ad esempio nell'esperimento casuale lancio di una moneta, i possibili risultati osservabili sono testa ( T ) e croce ( C ). Qualcuno potrebbe osservare che la casualitร  del risultato nel lancio della moneta รจ in realtร  dovuto allโ€™imperizia del lanciatore. Si consideri un esperimento casuale e sia ๐œ un suo possibile risultato. L'insieme ฮฉ costituito da tutti i risultati che si possono manifestare prende il nome di spazio dei risultati. Nell'esempio precedente del lancio di una moneta si ha:

242

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

ฮฉ = {๐‘‡, ๐ถ}

(13.1.1)

Nel lancio di un dado, lo spazio dei risultati รจ costituito dall'insieme delle sei facce e si ha: ฮฉ = {๐‘“1 , ๐‘“2 , ๐‘“3 , ๐‘“4 , ๐‘“5 , ๐‘“6 }

(13.1.2)

Per studiare un esperimento casuale รจ opportuno identificare una classe di sottoinsiemi dello spazio dei risultati, (cioรจ un insieme di sottoinsiemi dello spazio dei risultati) il generico elemento di tale classe viene chiamato evento. Un evento ๐ธ si dice verificato tutte le volte che l'esperimento casuale da luogo ad un risultato ๐œ che appartiene ad ๐ธ . La scelta della classe, seppure nel rispetto di alcune proprietร  che vedremo piรน avanti, non รฉ obbligata e dipende da quali aspetti dellโ€™esperimento si intendono evidenziare. Ad esempio, nel caso del lancio del dado, se si ha interesse al punteggio della faccia superiore, si devono necessariamente assumere come eventi gli insiemi contenenti i singoli risultati; mentre se si รจ interessati solo al fatto che il risultato sia pari o dispari ci si puรฒ limitare a prendere in considerazione gli eventi: E๐‘ = {๐‘“2 , ๐‘“4 , ๐‘“6 };

E๐‘‘ = {๐‘“1 , ๐‘“3 , ๐‘“5 };

(13.1.3)

L'intero spazio dei risultati ๐›บ รจ un evento, come pure lo รจ l'insieme vuoto โˆ…. Nel primo caso si parla di evento certo, poichรฉ l'evento E = ๐›บ si manifesta ogniqualvolta si compie l'esperimento; nel secondo si

Fig. 13.1 โ€“ Da sinistra: unione, intersezione complementazione.

parla di evento impossibile, dato che l'evento E = โˆ… non si puรฒ manifestare. Agli eventi si puรฒ applicare l'algebra degli insiemi ed in particolare le note operazioni di unione, intersezione, e complementazione (Fig. 13.1)

CAPITOLO - 13 - Richiami di Teoria della Probabilitร  -

243

Due eventi si dicono disgiunti o incompatibili quando il manifestarsi dell'uno implica il non manifestarsi dell'altro e viceversa, in altre parole se la loro intersezione รจ l'evento impossibile: ๐ธ1 โˆฉ ๐ธ2 = โˆ…

(13.1.4)

Si supponga adesso di ripetere ๐‘ volte un certo esperimento casuale e sia ๐›ฅ๐‘ il numero di volte in cui un dato evento E si รจ verificato. ๐›ฅ๐‘ La quantitร  lim ๐‘ รจ detta probabilitร  associata all'evento E: ๐‘โ†’โˆž

Pr{๐ธ} = lim

๐‘โ†’โˆž

๐›ฅ๐‘ ๐‘

(13.1.5)

In altre parole per probabilitร  di un evento sโ€™intende il limite della โ€œfre๐›ฅ๐‘ quenza relativaโ€ ๐‘ al tendere all'infinito del numero di ripetizioni dellโ€™esperimento. Essendo necessariamente 0 โ‰ค ๐›ฅ๐‘ โ‰ค ๐‘ risulta: 0 โ‰ค Pr{E} โ‰ค 1

(13.1.6)

Nel caso dell'evento certo, essendo ๐›ฅ๐‘ = ๐‘, si ha Pr{ฮฉ} = 1

(13.1.7)

Infine, se gli eventi E1 ed E2 sono disgiunti, dallโ€™ovvia condizione: ๐›ฅ๐‘E1 โˆชE2 = ๐›ฅ๐‘E1 + ๐›ฅ๐‘E2

(13.1.8)

Pr{E1 โˆช E2 } = Pr{E1 } + Pr{E2 }

(13.1.9)

segue: Si osservi che, purtroppo, poichรฉ in ogni esperimento fisico il numero delle prove, per quanto grande, non puรฒ mai essere infinito, il limite Pr{E} non puรฒ pertanto essere calcolato, nรฉ si puรฒ affermare che esso esista. Per questo motivo tale definizione, per quanto intuitiva, non puรฒ essere presa in considerazione come base per lo sviluppo di una teoria matematica della probabilitร . รˆ quindi necessario definire il concetto di probabilitร  per via assiomatica, prescindendo da quello di frequenza relativa. Lโ€™approccio in termini di frequenza relativa, va tuttavia tenuto in considerazione, in quanto, in molti casi, esso si rivela utile nella giu-

244

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

stificazione intuitiva, di alcuni sviluppi teorici la cui dimostrazione sarebbe inutilmente onerosa. 13.2 - Lo spazio di probabilitร . Si consideri lo spazio dei risultati ฮฉ di un esperimento casuale, ad esso si associ una classe ๐“” di suoi sottoinsiemi i cui elementi vengono chiamati eventi. Al generico evento E si associ un numero Pr{E}, detto probabilitร  dell'evento, che soddisfi le seguenti proprietร : a)

0 โ‰ค Pr{E} โ‰ค 1

b)

Pr{ฮฉ} = 1

c)

E1 โˆฉ E2 = โˆ… โ‡’ Pr{E1 โˆช E2 } = Pr{E1 } + Pr{E2 }

cโ€™)

โˆž

(13.2.1)

โˆž

E๐‘™ โˆฉ E๐‘˜ = โˆ… โˆ€ ๐‘™ โ‰  ๐‘˜ โ‡’ Pr{ โˆช E๐‘– } = โˆ‘ Pr{E๐‘– } ๐‘–=1

๐‘–=1

In altre parole la probabilitร  associata all'evento ๐ธ deve assumere valore non negativo e non maggiore di 1; inoltre essa deve godere della proprietร  additiva rispetto all'unione di eventi disgiunti. La probabilitร  dell'evento certo si pone uguale ad 1. La (13.2.1)cโ€™ deve valere in alternativa alla (13.2.1)c, nel caso in cui la classe ๐“” contenga un numero infinito di elementi. Quanto sopra esposto, equivale ad affermare che la probabilitร  Pr

Pr{โ‹…} รจ un'applicazione ๐“” โ†’ [0,1].

Va precisato che la classe ๐“” degli eventi non puรฒ essere scelta in modo totalmente arbitrario; essa deve, infatti, soddisfare le seguenti proprietร : a)

E โˆˆ ๐“” โ‡’ E๐‘ โˆˆ ๐“”

b)

๐ธ1 , ๐ธ2 โˆˆ ๐“” โ‡’ ๐ธ1 โˆช ๐ธ2 โˆˆ ๐“”

bโ€™)

โˆž

(13.2.2)

๐ธ๐‘– โˆˆ ๐“” โ‡’ โˆช ๐ธ๐‘– โˆˆ ๐“” ๐‘–=1

Dove la proprietร  (13.2.2)bโ€™ vale in alternativa la (13.2.2)b se la classe ๐“” contiene infiniti elementi. Dalle (13.2.2) discende facilmente: โˆ… โˆˆ ๐“”;

ฮฉ โˆˆ ๐“”;

(13.2.3)

CAPITOLO - 13 - Richiami di Teoria della Probabilitร  -

245

La proprietร  (13.2.2)a รจ intuitivamente giustificata dal fatto che se ad un certo evento รจ associata una probabilitร , resta implicitamente definita la probabilitร  che l'evento non si sia verificato, cioรจ che l'esperimento casuale dia luogo ad un qualche risultato che non appartiene all'evento considerato. Pertanto l'insieme di detti risultati deve a sua volta costituire un evento. In conclusione si dice che si รจ definito uno spazio di probabilitร  ๐•Š se si รจ assegnato: - un insieme di risultati ฮฉ (spazio dei risultati): - una classe ๐“” di sottoinsiemi di ฮฉ (eventi) che soddisfi le (13.2.2)); Pr

- un'applicazione ๐“” โ†’ [0,1] definita su ๐“” (probabilitร ) che soddisfi le (13.2.1). Ciรฒ viene di norma sintetizzato dalla notazione: ๐•Š=(ฮฉ,๐“”,๐‘ƒ๐‘Ÿ)

(13.2.4)

Si osservi che definire uno spazio di probabilitร  significa semplicemente associare una particolare misura ad una classe di sottoinsiemi dell'insieme di risultati. Le proprietร  (13.2.2) cui deve soddisfare la classe ๐“” sono infatti le stesse giร  viste nel CAPITOLO - 1 con riferimento alla misura degli insiemi. Inoltre l'applicazione Pr{โ‹…} soddisfa tutte le proprietร  richieste ad una misura su una classe di insiemi. รˆ opportuno ribadire che non tutti i sottoinsiemi di ฮฉ sono necessariamente eventi. Gli eventi sono soltanto i sottoinsiemi di ฮฉ appartenenti alla classe ๐“”, quindi misurabili secondo la misura Pr{โ‹…}. Dagli assiomi (13.2.1) discendono facilmente le seguenti proprietร : - Gli eventi โˆ… e ฮฉ sono manifestamente disgiunti, pertanto in base alla (13.2.1)c si puรฒ scrivere: Pr{โˆ… โˆช ๐›บ} = Pr{โˆ…} + Pr{๐›บ}

(13.2.5)

dalla quale, notando che รจ: โˆ…โˆชฮฉ=ฮฉ

(13.2.6)

Pr{โˆ…} = 0

(13.2.7)

consegue: Ciรฒ significa che la probabilitร  associata all'evento impossibile รจ nulla.

246

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

- Piรน in generale essendo E๐‘ ed E, disgiunti e poichรฉ E๐‘ โˆช E = ๐›บ risulta: Pr{E ๐‘ โˆช E} = Pr{E ๐‘ } + Pr{E} = Pr{ฮฉ} = 1

(13.2.8)

Pr{E ๐‘ } = 1 โˆ’ Pr{E}

(13.2.9)

Discende: Pertanto la probabilitร  associata al complementare di un evento E รจ il complemento ad 1 della probabilitร  associata ad E. - Dati E1 e E2 , l'evento E1 puรฒ essere scomposto nei due eventi disgiunti (v. Fig.13.2) E1 โˆฉ E2 e E1 โˆฉ E๐‘2 . Risulta quindi: a)

Pr{E1 } = Pr{E1 โˆฉ E2 } + Pr{E1 โˆฉ E๐‘2 }

b)

Pr{E2 } = Pr{E1 โˆฉ E2 } + Pr{E1๐‘ โˆฉ E2 }

(13.2.10)

sommate termine a termine le (13.2.10)forniscono: Pr{E1 } + Pr{E2 } = 2Pr{E1 โˆฉ E2 } + Pr{E1 โˆฉ E2๐‘ } + Pr{E1๐‘ โˆฉ E2 }

(13.2.11)

Poichรฉ gli eventi E1 โˆฉ E2 , E1 โˆฉ E๐‘2 e E1๐‘ โˆฉ E2 sono disgiunti e la loro unione vale E1 โˆช E2 , si ha: Pr{E1 โˆช E2 } = Pr{E1 โˆฉ E2 } + Pr{E1 โˆฉ E2๐‘ } + Fig.13.2 โ€“ Partizione dellโ€™unione in eventi disgiunti.

Pr{E1๐‘

(13.2.12)

โˆฉ E2 }

cosicchรฉ dalle precedenti si deduce facilmente:

Pr{E1 โˆช E2 } = Pr{E1 } + Pr{E2 } โˆ’ Pr{E1 โˆฉ E2 }

(13.2.13)

che costituisce una generalizzazione della proprietร  (13.2.1)c al caso di eventi non disgiunti (vedi Fig.13.2). Esempio 13.1 Un calcolatore cercherร  di collegarsi per dieci minuti, a partire da un istante a caso di una data ora, ad un server. Il quale, in un istante a caso di quella stessa ora, verrร  spento per subire un intervento di manutenzione. Quanto dovrร  durare al piรน lโ€™intervento di manutenzione affinchรฉ vi sia una probabilitร  maggiore o uguale al 50% che il collegamento vada a buon fine?

CAPITOLO - 13 - Richiami di Teoria della Probabilitร  -

247

***** Come risultato dellโ€™esperimento casuale, si puรฒ assumere la coppia degli istanti t1 in cui inizia la trasmissione e t2 dโ€™inizio dellโ€™intervento di manutenzione. Lโ€™insieme dei risultati si puรฒ quindi rappresentare mediante un quadrato di lato 60 minuti (vedi Fig.E 13.1). Gli eventi sono rappresentabili mediante sottoinsiemi di punti del quadrato. La probabilitร  di un generico Fig.E 13.1 evento, data la pura casualitร  di t1 e t2, รจ data dal rapporto tra lโ€™area del sottoinsieme e lโ€™area del quadrato. Osserviamo che il collegamento andrร  a buon fine se la manutenzione si รจ giร  conclusa quando il calcolatore si connette al server ovvero se la manutenzione inizia dopo che il calcolatore ha finito di trasmettere. Detta T la durata dellโ€™intervento di manutenzione le eventualitร  appena descritte si traducono nelle disuguaglianze: ๐‘ก2 + ๐‘‡ โ‰ค ๐‘ก1 ๐‘ก1 + 10 โ‰ค ๐‘ก2 le quali individuano i due eventi incompatibili E1 e E2 evidenziati in figura Fig.E 13.1. Lโ€™evento dโ€™interesse รจ quindi costituito dallโ€™unione dei due eventi in questione e, per quanto detto sopra, la sua probabilitร  vale: ๐‘ƒ๐‘Ÿ{E1 โˆช E2 } =

(60โˆ’๐‘‡)2 2

1250+

3600

Il valore di ๐‘‡ si ottiene quindi risolvendo la disequazione Pr๏ปE1๏ƒˆE2๏ฝ โ‰ฅ ๏€ฑ๏€ฏ๏€ฒ . Si ha: ๐‘‡ 2 โˆ’ 120๐‘‡ + 2500 โ‰ฅ 0

Che

รจ

soddisfatta

allโ€™esterno

dellโ€™intervallo

(10(6 โˆ’ โˆš11), 10(6 +

โˆš11)) considerato che lโ€™estremo superiore di detto intervallo รจ maggiore di 60 la soluzione รจ: ๐‘‡ โ‰ค 10(6 โˆ’ โˆš11) โ‰… 26,83๐‘š๐‘–๐‘› โ‰ก 26โ€ฒ 50โ€ณ

13.3 - Probabilitร  condizionate - Formula di Bayes - Teorema delle probabilitร  composte. Siano E1 ed E2 due eventi associati ad un esperimento casuale, e si denotino rispettivamente con ๐›ฅ๐‘E1 e ๐›ฅ๐‘E1 โˆฉE2 il numero di volte che,

248

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

su un totale di ๐‘ ripetizioni dell'esperimento casuale, si manifestano gli eventi E1 e E1 โˆฉ E2 . Dallโ€™uguaglianza: ๐›ฅ๐‘E1 โˆฉE2 ๐›ฅ๐‘E1 โˆฉE2 ๐›ฅ๐‘E1 = โ‹… ๐‘ ๐›ฅ๐‘E1 ๐‘

(13.3.1)

si ottiene, passando al limite per ๐‘ โ†’ โˆž Pr{E1 โˆฉ E2 } = Pr{E2 |E1 }Pr{E1 }

(13.3.2)

dove: Pr{E2 |E1 } = lim

๐‘โ†’โˆž

Osservando che

๐›ฅ๐‘E1 โˆฉE2 ๐›ฅ๐‘E1

๐›ฅ๐‘E1 โˆฉE2 ๐›ฅ๐‘E1

(13.3.3)

rappresenta il rapporto fra il numero di

volte in cui, in un totale di ๐‘ ripetizioni dell'esperimento casuale, si verifica l'evento E1 โˆฉ E2 e il numero di volte con cui si verifica l'evento E1 , la Pr{E2 |E1 } puรฒ essere interpretata come la probabilitร  che si verifichi l'evento E2 sotto l'ipotesi che E1 sia soddisfatto. Per questo motivo Pr{E2 |E1 } รจ detta probabilitร  dell'evento E2 condizionata allโ€™evento E1 . In modo analogo puรฒ scriversi: Pr{E1 โˆฉ E2 } = Pr{E1 |E2 }๐‘ƒ๐‘Ÿ{E2 }

(13.3.4)

dove Pr{E1 |E2 } denota la probabilitร  che si manifesti E1 atteso che E2 sia verificato. Eguagliando i secondi membri delle (13.3.2) e (13.3.4) si ottiene: Pr{E1 |E2 } = Pr{E2 |E1 }

Pr{E1 } Pr{E2 }

(13.3.5)

nota come formula di Bayes. Essa stabilisce la relazione tra le probabilitร  condizionate e quelle non condizionate degli eventi E1 e E2 . Se risulta: Pr{E1 |E2 } = Pr{E1 }, o Pr{E2 |E1 } = Pr{E2 }

(13.3.6)

cioรจ se la probabilitร  con cui si manifesta E1 (E2 ) รจ indipendente dalla circostanza che E2 (E1 ) sia verificato, i due eventi si dicono statisticamente indipendenti. Pertanto, in base alle (13.3.2) e (13.3.4) si ha: Pr{E1 โˆฉ E2 } = Pr{E1 }Pr{E2 }

(13.3.7)

CAPITOLO - 13 - Richiami di Teoria della Probabilitร  -

249

La probabilitร  dell'intersezione di due eventi indipendenti si riduce cioรจ semplicemente al prodotto delle probabilitร  associate ai singoli eventi. Ci si convince facilmente che due eventi disgiunti aventi entrambi probabilitร  non nulla di verificarsi non possono essere statisticamente indipendenti. Esempio 13.2

Fig. 13.3 - Teorema delle probabilitร  composte.

Nellโ€™esperimento consistente nel lancio di due dadi si consideri lโ€™evento E1 :โ€œil risultato del lancio del primo dado รจ la faccia treโ€ e lโ€™evento E2 : โ€œil risultato del lancio del secondo dado รจ la faccia quattroโ€. Si verifichi che i due eventi sono statisticamente indipendenti. Lo spazio dei risultati dellโ€™esperimento considerato รฉ costituito da 36 elementi (tutte le possibili coppie ordinate di risultati). Lโ€™evento E1 รจ dato da:

E1 = {(๐‘“3 , ๐‘“1 ), (๐‘“3 , ๐‘“2 ), (๐‘“3 , ๐‘“3 ), (๐‘“3 , ๐‘“4 ), (๐‘“3 , ๐‘“5 ), (๐‘“3 , ๐‘“6 )}

la sua probabilitร  vale 1/6. Lโ€™evento E2 รจ dato da: E2 = {(๐‘“1 , ๐‘“4 ), (๐‘“2 , ๐‘“4 ), (๐‘“3 , ๐‘“4 ), (๐‘“4 , ๐‘“4 ), (๐‘“5 , ๐‘“4 ), (๐‘“6 , ๐‘“4 )}

anche la sua probabilitร  vale 1/6. Lโ€™evento E1 โˆฉ E2 ๏€ฝ {(๐‘“1 , ๐‘“2 )} ๏ฝ ha probabilitร  1/36 di verificarsi. Poichรฉ risulta anche Pr(E1)Pr(E2)๏€ฝ๏€ฑ๏€ฏ36 i due eventi in questione sono statisticamente indipendenti.

Si consideri una famiglia al piรน numerabile {E๐‘– } di sottoinsiemi di ฮฉ a due a due disgiunti, tale che โ‹ƒ E๐‘– = ฮฉ. Un qualunque evento si puรฒ

scrivere (v. Fig. 13.3): โˆž

E = โˆช (๐ธ โˆฉ ๐ธ๐‘– )

(13.3.8)

(E โˆฉ E๐‘– ) โˆฉ (E โˆฉ E๐‘— ) = โˆ… โˆ€๐‘– โ‰  ๐‘—

(13.3.9)

๐‘–=1

Essendo: si ha: โˆž

๐‘ƒ๐‘Ÿ{E} = โˆ‘ Pr{E โˆฉ E๐‘– } ๐‘–=1

(13.3.10)

250

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

che, utilizzando la (13.3.2), fornisce: โˆž

Pr{E} = โˆ‘ Pr{E|E๐‘– }Pr{E๐‘– }

(13.3.11)

๐‘–=1

nota come teorema delle probabilitร  composte. Esempio 13.3 Un ricevitore si connette casualmente con una di tre sorgenti di segnali ๐‘†1 , ๐‘†2 e ๐‘†3 che emettono due messaggi ๐ด e ๐ต secondo lo schema sotto riportato: ๐‘†1 โ‡’ {

๐ด; ๐‘ƒ๐‘Ÿ{๐ด} = ๐ต; ๐‘ƒ๐‘Ÿ{๐ต} =

7 10 3 ;

๐‘†2 โ‡’ {

10

๐ด; ๐‘ƒ๐‘Ÿ{๐ด} = ๐ต; ๐‘ƒ๐‘Ÿ{๐ต} =

1 2 1

๐‘†3 โ‡’ {

2

๐ด; ๐‘ƒ๐‘Ÿ{๐ด} = ๐ต; ๐‘ƒ๐‘Ÿ{๐ต} =

3 5 2; 5

Supposto che il ricevitore riceva il messaggio ๐ด qual รจ la probabilitร  che esso provenga dalla sorgente ๐‘†3 ? - Se al ricevitore perviene il messaggio B qual รจ la probabilitร  che esso provenga dalla sorgente S3? ***** Lo spazio dei risultati รจ costituito dal prodotto cartesiano tra lโ€™insieme delle sorgenti e lโ€™insieme dei messaggi ricevuti: -

Z = {(๐‘†1 , ๐ด), (๐‘†1 , ๐ต), (๐‘†2 , ๐ด), (๐‘†2 , ๐ต), (๐‘†3 , ๐ด), (๐‘†3 , ๐ต)}

Lโ€™evento โ€œรˆ stato ricevuto il messaggio ๐ดโ€ รจ il sottoinsieme: E๐ด = {(๐‘†1 , ๐ด), (๐‘†2 , ๐ด), (๐‘†3 , ๐ด)}

Lโ€™evento โ€œรˆ connessa ๐‘†3 โ€ รจ il sottoinsieme: E๐‘†3 = {(๐‘†3 , ๐ด), (๐‘†3 , ๐ต)}

La prima probabilitร  richiesta รจ data dalla probabilitร  condizionata Pr{๐ธ๐‘†3 | ๐ธ๐ด } la quale, in base alla formula di Bayes, vale: Pr{E๐‘†3 |E๐ด } =

Pr{E๐ด |E๐‘†3 }Pr{E๐‘†3 } Pr{E๐ด }

Supponendo che le connessioni del ricevitore con le tre sorgenti avvengano con eguale probabilitร , รจ facile riconoscere che si ha: Pr{E๐ด |E๐‘†3 } =

3 ; 5

Pr{E๐‘†3 } =

1 3

D'altra parte la probabilitร  che al ricevitore si presenti il messaggio ๐ด, dato che gli eventi ๐ธ๐‘†1 , ๐ธ๐‘†2 ed ๐ธ๐‘†3 sono disgiunti, vale:

CAPITOLO - 13 - Richiami di Teoria della Probabilitร  -

251

Pr{E๐ด } = Pr{E๐ด |E๐‘†1 }Pr{E๐‘†1 } + Pr{E๐ด |E๐‘†2 }Pr{E๐‘†2 } + Pr{E๐ด |E๐‘†3 }Pr{E๐‘†3 } =

7 1 11 31 3 + + = 10 3 2 3 5 3 5

Risulta allora: 21

โ€‰Pr{E๐‘†3 |E๐ต } =

53 2

=

5

1 3

Procedendo in modo analogo si ha per il secondo quesito posto: Pr{E๐‘†3 |E๐ต } =

Pr{E๐ต |E๐‘†3 }Pr{E๐‘†3 } Pr{E๐ต }

Essendo Pr{E๐ต |E๐‘†3 } =

2 5

e โ€‰โ€‰Pr{E๐ต } = Pr{E๐ต |E๐‘†1 }Pr{E๐‘†1 } + Pr{E๐ต |E๐‘†2 }๐‘ƒ๐‘Ÿ{E๐‘†2 } + Pr{E๐ต |E๐‘†3 }๐‘ƒ๐‘Ÿ{E๐‘†3 } =

2 5

= 1 โˆ’ Pr{E๐ด }

risulta: Pr{E๐‘†3 |E๐ต } =

1 3

Inoltre essendo Pr{๐ธ๐‘†3 | ๐ธ๐ต } = Pr{๐ธ๐‘†3 | ๐ธ๐ด }, si conclude che la decisione a favore della terza sorgente non dipende dal messaggio ricevuto.

CAPITOLO - 14 VARIABILI ALEATORIE 14.1 - Variabili aleatorie monodimensionali. Si consideri un esperimento casuale caratterizzato da uno spazio di probabilitร : ๐•Š=(ฮฉ,โ„ฐ,๐‘ƒ๐‘Ÿ)

(14.1.1)

e sia ๐‘‹(โ‹…) un'applicazione che fa corrispondere ad ogni risultato ๐œ โˆˆ ฮฉ un numero reale. Il dominio di tale applicazione รจ quindi l'intero spazio dei risultati, il suo codominio รจ il campo reale โ„. Se โˆ€๐‘ฅ โˆˆ โ„ il sottoinsieme E๐‘ฅ = ๐‘‹ โˆ’1 (]โˆ’โˆž, ๐‘ฅ]), composto cioรจ da tutti i risultati a cui, tramite l'applicazione ๐‘‹(โ‹…), corrisponde un valore non superiore a ๐‘ฅ , costituisce un evento, cioรจ se: E๐‘ฅ = {๐œ / ๐‘‹(๐œ) โ‰ค ๐‘ฅ} โˆˆ โ„ฐ

(14.1.2)

si dice che ๐‘‹11 รจ una variabile aleatoria associata all'esperimento casuale. Ad esempio se nell'esperimento casuale โ€œlancio di una monetaโ€, assumendo โ„ฐ={โˆ…, {testa}, {croce}, ฮฉ}, si definisce l'applicazione ๐‘‹(โ‹…) che associa al risultato โ€œtestaโ€ il valore 0 e al risultato โ€œcroceโ€ il valore 1, si รจ definita una variabile aleatoria. Infatti: - ogni semiretta ]โˆ’โˆž, ๐‘ฅ]con ๐‘ฅ < 0 ha come controimmagine nell'insieme dei risultati l'insieme vuoto che รจ un evento; - ogni semiretta ]โˆ’โˆž, ๐‘ฅ] con 0 โ‰ค ๐‘ฅ < 1 ha come controimmagine l'insieme E๐‘ฅ = {testa} โˆˆ โ„ฐ ; - ogni semiretta ]โˆ’โˆž, ๐‘ฅ] con ๐‘ฅ โ‰ฅ 1 ha come controimmagine l'insieme ฮฉ che รจ anch'esso un evento. In sostanza definire una variabile aleatoria equivale a costruire un nuovo esperimento casuale che ha come spazio dei risultati l'insieme โ„, e come classe di eventi โ„ฌ la classe minima che contiene tutte le semirette del tipo ]โˆ’โˆž, ๐‘ฅ] e che soddisfa le (13.2.2). Detta classe coincide con 11

Il fatto che la variabile aleatoria venga abitualmente indicata con una lettera maiuscola ad es. ๐‘‹ e non con ๐‘‹(๐œ) รจ unโ€™ulteriore motivo di confusione per lo studente che dimentica facilmente che malgrado venga chiamata variabile, si tratta di unโ€™applicazione.

254

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

quella costituita da tutti i possibili sottoinsiemi di โ„ che siano misurabili secondo Lebesgue (la classe di Borel). Gli insiemi in essa contenuti sono detti insiemi di Borel. Detto B il generico elemento di tale classe, la probabilitร  ad esso associata รจ uguale a quella della sua controimmagine ๐‘‹ โˆ’1 (B), che, in virtรน della definizione di variabile aleatoria, รจ certamente un evento nello spazio di probabilitร  ๐•Š. In altri termini, la probabilitร  dell'evento B โŠ† โ„ vale Pr{๐‘‹ โˆ’1 (B)}. In conclusione definire una variabile aleatoria su un esperimento casuale equivale a definire una misura sulla classe di Borel di โ„. Detta misura dipende sia dall'esperimento casuale considerato, sia dalla particolare variabile aleatoria che in esso si รจ definita. Quindi variabili aleatorie distinte definiscono misure distinte in โ„. 14.2 - Funzione di distribuzione di probabilitร . Si consideri un esperimento casuale caratterizzato da uno spazio di probabilitร  ๐•Š=(ฮฉ,โ„ฐ,Prโ„ฐ ). Come giร  detto, definire una variabile aleatoria ๐‘‹ equivale a costruire un nuovo esperimento casuale ๐• = (ฮฉ,โ„ฌ, Prโ„ฌ ). Ci si rende facilmente conto che รจ possibile calcolare la probabilitร  Prโ„ฌ {B} da attribuire al generico evento B โˆˆ โ„ฌ se si definisce la seguente applicazione avente โ„ come dominio: ๐‘ƒ๐‘‹ (๐‘ฅ) = Pr(๐ธ๐‘ฅ )

(14.2.1)

Essa รจ detta funzione di distribuzione di probabilitร , (Probability Distribution Function), associata alla variabile aleatoria ๐‘‹. Poichรฉ, in base alla sua stessa definizione la ๐‘ƒ๐‘‹ (โ‹…) associa ad ogni ๐‘ฅ โˆˆ โ„ la probabilitร  dell'evento E๐‘ฅ = ๐‘‹ โˆ’1 (]โˆ’โˆž, ๐‘ฅ]), essa puรฒ assumere soltanto valori appartenenti all'intervallo [0,1]. Nel seguito sarร  dedotta la probabilitร  da associare ad alcuni sottoinsiemi di โ„, nota che sia la funzione di distribuzione di probabilitร  della variabile aleatoria ๐‘‹: - intervallo semiaperto a sinistra

Sia: B = ]๐‘Ž, ๐‘]

(14.2.2)

]โˆ’โˆž, ๐‘] = ]โˆ’โˆž, ๐‘Ž] โˆช B

(14.2.3)

poichรฉ: e

CAPITOLO - 14 - Variabili Aleatorie -

255

]โˆ’โˆž, ๐‘Ž] โˆฉ B = โˆ…

(14.2.4)

Pr(B) = ๐‘ƒ๐‘‹ (๐‘) โˆ’ ๐‘ƒ๐‘‹ (๐‘Ž)

(14.2.5)

si puรฒ scrivere: - semiretta dโ€™origine destra aperta

Sia B = (โˆ’โˆž, ๐‘Ž)

(14.2.6)

Sia {๐‘ฅ๐‘› } una qualunque successione convergente ad ๐‘Ž, non decrescente, e tale che โˆ€๐‘› โˆˆ โ„• risulti ๐‘ฅ๐‘› โ‰  ๐‘Ž, detto B๐‘› = (โˆ’โˆž, ๐‘ฅ๐‘› ] si puรฒ scrivere: โˆž

B = โˆช B๐‘› ๐‘›=1

(14.2.7)

โˆชโˆž ๐‘–=1 B๐‘– รจ un evento in quanto unione numerabile di eventi; inoltre, poichรฉ ๐‘› > ๐‘š โ‡’ B๐‘› โŠ‡ B๐‘š risulta Pr{โˆช๐‘›๐‘–=1 B๐‘– } = Pr{B๐‘› } = ๐‘ƒ๐‘‹ (๐‘ฅ๐‘› ).

Si ha quindi: Pr(B) = ๐‘ƒ๐‘‹ (๐‘Žโˆ’ ) โˆ’

(14.2.8)

Pr{โˆชโˆž ๐‘›=1 B๐‘› }.

dove ๐‘ƒ๐‘‹ (๐‘Ž ) = Ci si convince facilmente che la quantitร  โˆ’ ๐‘ƒ๐‘‹ (๐‘Ž ) รจ indipendente dalla successione {๐‘ฅ๐‘› } considerata, e coincide con il limite della funzione di distribuzione ๐‘ƒ๐‘‹ (๐‘ฅ) per ๐‘ฅ che tende ad ๐‘Ž dalla sinistra. - intervallo chiuso

Sia B = [๐‘Ž, ๐‘]

(14.2.9)

Poichรฉ risulta: ]โˆ’โˆž, ๐‘] = (โ€“ โˆž, ๐‘Ž) โˆช B

(14.2.10)

essendo (โ€“ โˆž, ๐‘Ž) โˆฉ B = โˆ…, utilizzando la (14.2.8) si ottiene: Pr(B) = ๐‘ƒ๐‘‹ (๐‘) โˆ’ ๐‘ƒ๐‘‹ (๐‘Žโˆ’ )

(14.2.11)

B = {๐‘ฅ0 }

(14.2.12)

- punto isolato

Sia: Ponendo nella (14.2.9) ๐‘ = ๐‘Ž = ๐‘ฅ0 la (14.2.11) fornisce: Pr(B) = ๐‘ƒ๐‘‹ (๐‘ฅ0 ) โˆ’ ๐‘ƒ๐‘‹ (๐‘ฅ0โˆ’ )

(14.2.13)

256

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

- intervallo aperto

Posto: B = (๐‘Ž, ๐‘)

(14.2.14)

(โˆ’โˆž, ๐‘) = ]โˆ’โˆž, ๐‘Ž] โˆช B

(14.2.15)

Pr(B) = ๐‘ƒ๐‘‹ (๐‘โˆ’ ) โˆ’ ๐‘ƒ๐‘‹ (๐‘Ž)

(14.2.16)

dato che: si ottiene: - intervallo semiaperto a destra

Sia B = [๐‘Ž, ๐‘)

(14.2.17)

Pr{B} = ๐‘ƒ๐‘‹ (๐‘ โˆ’ ) โˆ’ ๐‘ƒ๐‘‹ (๐‘Žโˆ’ )

(14.2.18)

Risulta facilmente: Quanto sopra esposto, evidenzia chiaramente che la distribuzione di probabilitร  fornisce una descrizione statistica completa della variabile aleatoria X . Cosicchรฉ, normalmente, si fa riferimento allo spazio di probabilitร  indotto in โ„ dalla variabile aleatoria, piuttosto che allo spazio di probabilitร  originario ๐•Š. Ad esempio nel caso della variabile aleatoria ๐‘‹, che nel lancio di una moneta associa 0 al risultato testa e 1 al risultato croce, si ottiene, assumendo gli eventi {testa} e {croce} equiprobabili: 0; 1 ๐‘ƒ๐‘‹ (๐‘ฅ) = { ; 2 1;

๐‘ฅ 2

0; {

Fig.E 14.1

1 2

;

e 1 2

โˆž

๐‘๐‘Œ (๐‘ฆ) = โˆซ ๐‘๐‘‹๐‘Œ (๐‘ฅ, ๐‘ฆ)๐‘‘๐‘ฅ = โˆ’โˆž

1 2; 1 |๐‘ฆ| > 2

|๐‘ฆ| โ‰ค

โˆซ 2๐‘‘๐‘ฅ = 1 โˆ’ 2๐‘ฆ; ๐‘ฆ

0; {

Si puรฒ facilmente verificare la corretteza dei risultati mostrando che รจ soddisfatta la propritร  di normalizzazione per entrambe le densitร  di probabilitร  marginali: โˆž

1 2

โˆ’โˆž

1 โˆ’ 2

1

โˆซ ๐‘๐‘‹ (๐‘ฅ)๐‘‘๐‘ฅ = โˆซ (2๐‘ฅ + 1)๐‘‘๐‘ฅ = [๐‘ฅ 2 + ๐‘ฅ]2 1 = 1; โˆ’

2

266

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori 1 2

โˆž

1

โˆซ ๐‘๐‘Œ (๐‘ฆ)๐‘‘๐‘ฆ = โˆซ (1 โˆ’ 2๐‘ฆ)๐‘‘๐‘ฆ = [๐‘ฆ โˆ’ ๐‘ฆ 2 ]2 1 = 1; โˆ’

1 2

โˆ’โˆž

โˆ’

2

14.7 - Funzioni di probabilitร  condizionate. Date due varaibili aleatorie ๐‘‹ ed ๐‘Œ definite sullo stesso esperimento casuale aventi densitร  di probabilitร  congiunta ๐‘๐‘‹๐‘Œ (๐‘ฅ๐‘ฆ), si prendano in considerazione i due eventi: ๐ธ1 = {๐‘‹ โ‰ค ๐‘ฅ},

๐ธ2 = {๐‘ฆ โˆ’

|โˆ†๐‘ฆ| |โˆ†๐‘ฆ| 0. La corrispondente densitร  di probabilitร  รจ data dalla seguente sequenza di delta di Dirac: โˆž

๐‘๐‘‹ (๐‘ฅ) = ๐‘’

โˆ’๐›ฌ

โˆ‘ ๐‘›=0

๐›ฌ๐‘› ๐›ฟ(๐‘ฅ โˆ’ ๐‘›) ๐‘›!

(17.9.2)

La sua funzione di distribuzione vale: โˆž

๐‘ƒ๐‘‹ (๐‘ฅ) = ๐‘’

โˆ’๐›ฌ

โˆ‘ ๐‘›=0

Ricordando che ๐‘’ ๐‘ฅ = โˆ‘โˆž ๐‘›=0

๐‘ฅ๐‘› , ๐‘›!

๐›ฌ๐‘› ๐‘ข(๐‘ฅ โˆ’ ๐‘›) ๐‘›!

(17.9.3)

si deduce facilmente che il valor me-

dio di una variabile di Poisson vale: โˆž

โˆž

๐‘‹ฬ… = ๐‘’ โˆ’๐›ฌ โˆ‘ ๐‘› ๐‘›=0

๐›ฌ๐‘› ๐›ฌ๐‘›โˆ’1 = ๐›ฌ๐‘’ โˆ’๐›ฌ โˆ‘ =๐›ฌ ๐‘›! (๐‘› โˆ’ 1)!

(17.9.4)

๐‘›=1

il suo valore quadratico medio: โˆž

ฬ…ฬ… ๐‘‹ฬ…ฬ…2 = ๐‘’ โˆ’๐›ฌ โˆ‘ ๐‘›2 ๐‘›=0 โˆž

= ๐›ฌ๐‘’

โˆ’๐›ฌ

โˆž

๐›ฌ๐‘› ๐›ฌ๐‘›โˆ’1 = ๐›ฌ๐‘’ โˆ’๐›ฌ โˆ‘ ๐‘› ๐‘›! (๐‘› โˆ’ 1)! ๐‘›=1

โˆž

๐‘›โˆ’1

๐›ฌ ๐›ฌ๐‘›โˆ’1 โˆ‘(๐‘› โˆ’ 1) + ๐›ฌ๐‘’ โˆ’๐›ฌ โˆ‘ (๐‘› โˆ’ 1)! (๐‘› โˆ’ 1)!

๐‘›=1 2 โˆ’๐›ฌ

=๐›ฌ ๐‘’

(17.9.5)

๐‘›=1

โˆž

โˆž

๐‘›=2

๐‘›=1

๐›ฌ๐‘›โˆ’2 ๐›ฌ๐‘›โˆ’1 โˆ‘ + ๐›ฌ๐‘’ โˆ’๐›ฌ โˆ‘ = ๐›ฌ2 + ๐›ฌ (๐‘› โˆ’ 2)! (๐‘› โˆ’ 1)!

infine la sua varianza risulta: ๐œŽ2 = ๐›ฌ

(17.9.6)

CAPITOLO - 18 - Caratterizzazione Statistica dei Segnali -

299

Esempio 17.3 Si vuole caratterizzare il traffico telefonico in arrivo ad una centrale. A tal fine si denoti con n il numero di telefonate in arrivo nell'intervallo di tempo (0, ๐‘ก). Per determinare la statistica di questo processo รจ opportuno introdurre le seguenti ipotesi: a) il numero di telefonate in arrivo in intervalli di tempo disgiunti sono statisticamente indipendenti; b) il numero di telefonate in arrivo nell'intervallo (๐‘ก, ๐‘ก + ฮ”๐‘ก) dipende solo dalla durata ฮ”๐‘ก e non dall'istante iniziale ๐‘ก. c) Se ฮ”๐‘ก รจ sufficientemente piccolo, la probabilitร  che in (0, ฮ”๐‘ก) arrivi una sola telefonata รจ pari a ๐œ†ฮ”๐‘ก; mentre la probabilitร  che nello stesso intervallo di tempo pervenga piรน di una chiamata รจ un infinitesimo di ordine superiore a ฮ”๐‘ก ciรฒ significa anche che la probabilitร  che in un intervallo di durata . ฮ”๐‘ก non giunga nessuna chiamata vale, a meno di infinitesimi di ordine superiore, 1 โˆ’ ๐œ†๐›ฅ๐‘ก Detta ๐‘ƒ๐‘›(๐‘ก) la probabilitร  che, nell'intervallo (0, ๐‘ก), arrivino ๐‘› chiamate si consideri l'evento: โ€œNellโ€™intervallo (0, ๐‘ก + ฮ”๐‘ก) pervengono ๐‘› chiamate. Tale evento, per le ipotesi fatte, si puรฒ verificare solo in uno dei seguenti modi: 1) in (0, ๐‘ก) sono pervenute n chiamate e in (๐‘ก, ๐‘ก + ฮ”๐‘ก) non ne รจ pervenuta alcuna; 2) in (0, ๐‘ก) vi sono state ๐‘› โˆ’ 1 chiamate e in (๐‘ก, ๐‘ก + ฮ”๐‘ก) una sola. Poichรฉ gli eventi 1) e 2) si escludono a vicenda, per la legge delle probabilitร  composte, e per le ipotesi a), b) e c) si puรฒ scrivere: ๐‘Ž)

๐‘ƒ๐‘› (๐‘ก + ๐›ฅ๐‘ก) = ๐‘ƒ๐‘› (๐‘ก)[1 โˆ’ ๐œ†๐›ฅ๐‘ก] + ๐‘ƒ๐‘›โˆ’1 (๐‘ก)[๐œ†๐›ฅ๐‘ก];

๐‘›>0

Nel caso di ๐‘› = 0 la precedente deve essere modificata come segue: ๐‘)

๐‘ƒ0 (๐‘ก + ๐›ฅ๐‘ก) = ๐‘ƒ0 (๐‘ก)[1 โˆ’ ๐œ†๐›ฅ๐‘ก];

๐‘›=0

Dalle (a) e (b) discende: ๐‘ƒ๐‘› (๐‘ก + ๐›ฅ๐‘ก) โˆ’ ๐‘ƒ๐‘› (๐‘ก) = โˆ’๐œ†๐‘ƒ๐‘› (๐‘ก) + ๐œ†๐‘ƒ๐‘›โˆ’1 (๐‘ก); ๐›ฅ๐‘ก { ๐‘ƒ0 (๐‘ก + ๐›ฅ๐‘ก) โˆ’ ๐‘ƒ0 (๐‘ก) = โˆ’๐œ†๐‘ƒ0 (๐‘ก); ๐›ฅ๐‘ก

๐‘›โ‰ฅ1 ๐‘›=0

dalle quali, passando al limite per ฮ”๐‘ก โ†’ 0, si ottiene il seguente sistema di equazioni differenziali alle differenze: ๐‘)

๐‘‘๐‘ƒ๐‘› (๐‘ก) = โˆ’๐œ†๐‘ƒ๐‘› (๐‘ก) + ๐œ†๐‘ƒ๐‘›โˆ’1 (๐‘ก); { ๐‘‘๐‘ก ๐‘‘๐‘ƒ0 (๐‘ก) = โˆ’๐œ†๐‘ƒ0 (๐‘ก); ๐‘‘๐‘ก

๐‘›โ‰ฅ1 ๐‘›=0

300

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

cui si associa la seguente condizione iniziale: ๐‘‘)

๐‘ƒ๐‘› (0) = {

1; 0;

๐‘›=0 ๐‘›โ‰ฅ1

che corrisponde alla condizione che all'istante iniziale (๐‘ก = 0) non vi siano chiamate in arrivo. Per risolvere il sistema in oggetto basta trasformare secondo Laplace la prima delle (c). Denotando con ๐‘ƒฬƒ๐‘› (๐‘ ) = ๐”{๐‘ƒ๐‘› (๐‘ก)}

la trasformata di Laplace di ๐‘ƒ๐‘› (๐‘ก) si ha:

๐‘ ๐‘ƒฬƒ๐‘› (๐‘ ) โˆ’ ๐‘ƒ๐‘› (0) = โˆ’๐œ†๐‘ƒฬƒ๐‘› (๐‘ ) + ๐œ†๐‘ƒฬƒ๐‘›โˆ’1 (๐‘ );

๐‘›>0

che, tenendo conto della condizione iniziale, puรฒ essere riscritta nella forma: ๐‘ ๐‘ƒฬƒ๐‘› (๐‘ ) + ๐œ†๐‘ƒฬƒ๐‘› (๐‘ ) = ๐œ†๐‘ƒฬƒ๐‘›โˆ’1 (๐‘ );

๐‘›>0

Fig.E 17.2

Si ottiene allora successivamente: ๐‘ƒฬƒ๐‘› (๐‘ ) =

๐œ†๐‘ƒฬƒ๐‘›โˆ’1 (๐‘ ) ๐œ†2 ๐‘ƒฬƒ๐‘›โˆ’2 (๐‘ ) ๐œ†๐‘› ๐‘ƒฬƒ0 (๐‘ ) = =โ‹ฏ= 2 ๐‘ +๐œ† (๐‘  + ๐œ†) (๐‘  + ๐œ†)๐‘›

D'altra parte, trasformando la seconda delle (c), si ha: ๐‘ ๐‘ƒฬƒ0 (๐‘ ) โˆ’ ๐‘ƒ0 (0) = โˆ’๐œ†๐‘ƒฬƒ0 (๐‘ )

che, in virtรน della (d), fornisce: ๐‘ƒฬƒ0 (๐‘ ) =

รˆ pertanto:

๐‘ƒ0 (0) 1 = ๐‘ +๐œ† ๐‘ +๐œ†

CAPITOLO - 18 - Caratterizzazione Statistica dei Segnali -

๐‘ƒฬƒ๐‘› (๐‘ ) =

301

๐‘›

๐œ† (๐‘  + ๐œ†)๐‘›+1

da cui, antitrasformando, si deduce: ๐‘ƒ๐‘› (๐‘ก) = ๐‘’ โˆ’๐œ†๐‘ก

(๐œ†๐‘ก)๐‘› u(๐‘ก); ๐‘›!

๐‘›โ‰ฅ0

Si ottiene cosรฌ una distribuzione di Poisson con parametro ๏ฌt. Gli andamenti di P n ( t ) per alcuni valori di n sono riportati in Fig.E 17.2

CAPITOLO - 18 CARATTERIZZAZIONE STATISTICA DEI SEGNALI 18.1 - Segnale aleatorio. Funzioni di probabilitร  del primo ordine. Sia dato un esperimento casuale individuato da uno spazio di probabilitร  S = (ฮฉ, ๐“”, Pr). Per segnale aleatorio reale sโ€™intende un'applicazione che fa corrispondere a ciascun possibile risultato ๐œ โˆˆ ฮฉ dell'esperimento casuale una funzione reale del tempo: โˆ€๐œ โˆˆ ฮฉ โˆƒ ๐‘ (๐‘ก, ๐œ) | T โŠ† โ„ โ†’ โ„

(18.1.1)

tale da identificare una variabile aleatoria ๐‘ (๐‘ก, ๐œ) per ogni fissato ๐‘ก โˆˆ T. Il sottoinsieme T puรฒ coincidere con lโ€™asse reale, o essere in esso contenuto. Da quanto detto discende che se Fig. 18.1 - Generazione di un segnale aleatorio. si fissa un valore di ๐‘ก il segnale aleatorio individua una variabile aleatoria su ฮฉ; mentre se si fissa un risultato ๐œ si ottiene una funzione della sola variabile ๐‘ก, ๐‘ (๐‘ก, ๐œ), che costituisce una manifestazione del segnale come รจ schematicamente indicato nella Fig. 18.1. In quel che segue un segnale aleatorio verrร  denotato talvolta con ๐‘ (๐‘ก), sottintendendo la dipendenza dal risultato dellโ€™esperimento casuale ๐œ . Dal contesto sarร  chiaro quando ci si sta riferendo ad una variabile casuale, ๐‘ก assegnato, o a ad una particolare manifestazione, ๐œ fissato. Ad esempio si consideri il segnale aleatorio la cui generica manifestazione รจ data dalla: ๐‘ (๐‘ก, ๐œ‘) = cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘)

(18.1.2)

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

303

dove ๐œ‘ รจ una variabile aleatoria che assume valori nell'intervallo [0,2๐œ‹]. In questo caso le manifestazioni del segnale sono costituite da tutte le possibili cosinusoidi di frequenza ๐‘“0 ottenute in corrispondenza ai possibili valori di ๐œ‘. In Fig. 18.2, a titolo esemplificativo, si sono riportate tre possibili manifestazioni di un segnale ๐‘ (๐‘ก, ๐œ). Con riferimento alla figura, si consideri l'evento E๐‘ฅ = {๐‘ (๐‘ก, ๐œ)|๐‘ (๐‘ก, ๐œ) โ‰ค ๐‘ฅ} costituito Fig. 18.2 - Manifestazioni di un segnale da tutte le manifestazioni del aleatorio segnale che allโ€™istante ๐‘ก assumono un valore non maggiore di ๐‘ฅ. Per il segnale di Fig. 18.2, la manifestazione ๐‘ (๐‘ก, ๐œ2 ) e la ๐‘ (๐‘ก, ๐œ3 ) appartengono a E๐‘ฅ mentre la ๐‘ (๐‘ก, ๐œ1 ) non vi appartiene. La probabilitร  che si verifichi lโ€™evento E๐‘ฅ dipende dal valore ๐‘ฅ e dallโ€™istante ๐‘ก, essa si puรฒ quindi esprimere nella forma: Pr{E๐‘ฅ } = ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ)

(18.1.3)

La funzione ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ), definita nella (18.1.3), costituisce la distribuzione di probabilitร  del primo ordine associata al segnale ๐‘ (๐‘ก). Ci si rende facilmente conto che la ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) coincide con la funzione di distribuzione di probabilitร  della variabile aleatoria individuata dal segnale in corrispondenza allโ€™istante ๐‘ก. Alla ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) si puรฒ associare una densitร  di probabilitร  del primo ordine ๐‘๐‘ (๐‘ก) (๐‘ฅ) cosรฌ definita: ๐‘๐‘ (๐‘ก) (๐‘ฅ) =

๐œ•๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) ๐œ•๐‘ฅ

(18.1.4)

in quanto sia ๐‘๐‘ (๐‘ก) (๐‘ฅ) sia ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) sono in genere funzioni anche dell'istante ๐‘ก in cui si osserva il segnale. รˆ opportuno inoltre sottolineare che la derivazione nella (18.1.4) va intesa in senso generalizzato, la presenza dโ€™eventuali discontinuitร  non eliminabili nella ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) si traduce infatti nella presenza di delta di Dirac di peso e posizione opportuni nella corrispondente densitร  ๐‘๐‘ (๐‘ก) (๐‘ฅ).

304

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

Si osservi che la ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) รจ una funzione non decrescente di ๐‘ฅ , pertanto, qualunque sia l'istante ๐‘ก, per tutti i valori di ๐‘ฅ in cui la ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) รจ derivabile in senso ordinario, risulta: ๐‘๐‘ (๐‘ก) (๐‘ฅ) โ‰ฅ 0

(18.1.5)

Inoltre i pesi delle eventuali delta di Dirac presenti nella ๐‘๐‘ (๐‘ก) (๐‘ฅ) non possono essere negativi. Vale la condizione: ๐‘ƒ๐‘ (๐‘ก) (+โˆž) = 1

(18.1.6)

che dร  conto del fatto che i valori assunti da una qualsiasi manifestazione del segnale appartengono certamente ad โ„ per ogni ๐‘ก โˆˆ T. Deve inoltre necessariamente essere: ๐‘ƒ๐‘ (๐‘ก) (โˆ’โˆž) = 0

(18.1.7)

in quanto la probabilitร  che in un qualunque istante ๐‘ก risulti ๐‘ (๐‘ก) = โˆ’โˆž รจ nulla (evento impossibile). La (18.1.4) e la (18.1.7) consentono di scrivere: ๐‘ฅ

๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) = โˆซ ๐‘๐‘ (๐‘ก) (๐‘ฆ)๐‘‘๐‘ฆ

(18.1.8)

โˆ’โˆž

Inoltre, indipendentemente dal valore di ๐‘ก la (18.1.6) si traduce per la ps(t ) (x) nella condizione di normalizzazione: โˆž

โˆซ ๐‘๐‘ (๐‘ก) (๐‘ฅ)๐‘‘๐‘ฅ = 1

(18.1.9)

โˆ’โˆž

La probabilitร  che il segnale, in un assegnato istante ๐‘ก, assuma un valore appartenente allโ€™intervallo (๐‘Ž, ๐‘] vale: ๐‘

Pr{๐‘ (๐‘ก) โˆˆ (๐‘Ž, ๐‘]} = ๐‘ƒ๐‘ (๐‘ก) (๐‘) โˆ’ ๐‘ƒ๐‘ (๐‘ก) (๐‘Ž) = โˆซ ๐‘๐‘ (๐‘ก) (๐‘ฅ)๐‘‘๐‘ฅ ๐‘Ž

(18.1.10)

Esempio 18.1 Si consideri il segnale:

๐‘กโˆ’๐œ ๐‘ (๐‘ก, ๐œ) = โŠ“ ( ) ๐‘‡

dove ๐œ rappresenta una variabile aleatoria caratterizzata da una densitร  di probabilitร  del primo ordine data da ๐‘๐œ (๐œ‚).

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

305

La generica manifestazione del segnale รจ riportata in Fig.E 18.1. Da tale figura si deduce che, in corrispondenza ad un certo istante ๐‘ก, ๐‘ (๐‘ก, ๐œ) puรฒ assumere solo due

Fig.E 18.1

valori e precisamente: ๐‘ (๐‘ก, ๐œ) = 1; { ๐‘ (๐‘ก, ๐œ) = 0;

๐‘กโˆ’

๐‘‡ ๐‘‡ โ‰ค๐œโ‰ค๐‘ก+ 2 2 altrove

Ciรฒ significa che la probabilitร  che ๐‘ (๐‘ก, ๐œ) assuma in un certo istante il valore 1 รจ data dalla: ๐‘ƒ1 (๐‘ก) โ‰ก ๐‘ƒ๐‘Ÿ{๐‘ (๐‘ก, ๐œ) = 1} = Pr {๐‘ก โˆ’

๐‘‡ ๐‘‡ โ‰ค๐œโ‰ค๐‘ก+ } 2 2

mentre la probabilitร  che ๐‘ (๐‘ก, ๐œ) assuma il valore 0 vale: ๐‘ƒ0 (๐‘ก) โ‰ก Pr{๐‘ (๐‘ก, ๐œ) = 0} = 1 โˆ’ Pr{๐‘ (๐‘ก, ๐œ) = 1}

dal momento che gli eventi ๐‘ (๐‘ก, ๐œ)=0 e ๐‘ (๐‘ก, ๐œ)=1 sono mutuamente esclusivi. Si ha: ๐‘‡ 2 ๐‘‡ ๐‘กโˆ’ 2

๐‘ƒ1 (๐‘ก) = โˆซ

๐‘ก+

๐‘๐œ (๐œ‚)๐‘‘๐œ‚

Ciรฒ premesso si consideri la funzione di distribuzione ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) associata al segnale ๐‘ (๐‘ก, ๐œ). Per ogni ๐‘ฅ < 0 la ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) รจ nulla poichรฉ il segnale non puรฒ assumere valori negativi, mentre per valori di ๐‘ฅ โ‰ฅ 1 la ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) vale 1 poichรฉ i valori che il segnale puรฒ assumere non possono essere superiori ad 1. Per 0 โ‰ค ๐‘ฅ < 1 si ha: ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) = ๐‘ƒ0 (๐‘ก)u(๐‘ฅ) Fig.E 18.2

In definitiva quindi risulta: ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) = ๐‘ƒ0 (๐‘ก)u(๐‘ฅ) + ๐‘ƒ1 (๐‘ก)u(๐‘ฅ โˆ’ 1)

Pertanto la corrispondente densitร  di probabilitร  vale: ๐‘๐‘ (๐‘ก) (๐‘ฅ) =

๐œ•๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) = ๐‘ƒ0 (๐‘ก)๐›ฟ(๐‘ฅ) + ๐‘ƒ1 (๐‘ก)๐›ฟ(๐‘ฅ โˆ’ 1) ๐œ•๐‘ฅ

306

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

Le funzioni ๐‘๐‘ (๐‘ก) (๐‘ฅ) e ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) sono rappresentate nella Fig.E 18.2. Se in particolare la variabile ๐œ รจ uniformemente distribuita in (- ๐‘‡/2, ๐‘‡/2), cioรจ รจ caratterizzata da una densitร  di probabilitร  del primo ordine data dalla: ๐‘๐œ (๐œ‚) =

1 ๐œ‚ โŠ“( ) ๐‘‡ ๐‘‡

si ha: ๐‘ก+

๐‘ƒ1 (๐‘ก) = โˆซ

๐‘‡ 2

๐‘‡ ๐‘กโˆ’ 2

|๐‘ก| 1 ๐œ‚ โŠ“ ( ) ๐‘‘๐œ‚ = { 1 โˆ’ ๐‘‡ ; ๐‘‡ ๐‘‡ 0;

|๐‘ก| โ‰ค ๐‘‡ = (1 โˆ’ |๐‘ก|) โŠ“ ( ๐‘ก ) ๐‘‡ 2๐‘‡ |๐‘ก| > ๐‘‡

di conseguenza: ๐‘ƒ0 (๐‘ก) = 1 โˆ’ (1 โˆ’

|๐‘ก| ๐‘ก )โŠ“( ) ๐‘‡ 2๐‘‡

18.2 - Funzioni di probabilitร  del secondo ordine e funzioni di probabilitร  condizionate. Dati due reali qualsiasi ๐‘ฅ1 , ๐‘ฅ2 si prenda in considerazione lโ€™evento: E๐‘ฅ1๐‘ฅ2 = {๐‘ (๐‘ก)|๐‘ 1 โ‰ค ๐‘ฅ1 โ‹€ ๐‘ 2 โ‰ค ๐‘ฅ2 }

(18.2.1)

Dove, per comoditร  di notazione, ๐‘ 1 ed ๐‘ 2 indicano i valori assunti dalla generica manifestazione del segnale agli istanti ๐‘ก1 e ๐‘ก2 rispettivamente. E๐‘ฅ1 ๐‘ฅ2 rappresenta cioรจ lโ€™evento costituito da tutte le manifeFig. 18.3 - Manifestazioni di un segnale aleatostazioni del segnale ๐‘ (๐‘ก) rio. che assumono all'istante ๐‘ก1 un valore non maggiore di ๐‘ฅ1 , e all'istante ๐‘ก2 un valore non maggiore di ๐‘ฅ2 . Nellโ€™esempio di Fig. 18.3soltanto la manifestazione ๐‘ (๐‘ก, ๐œ1 ) รจ contenuta in E๐‘ฅ1๐‘ฅ2 . La probabilitร  che si verifichi lโ€™evento ๐ธ๐‘ฅ1 ๐‘ฅ2 dipende evidentemente sia dagli istanti di tempo considerati sia dalla coppia ๐‘ฅ1 , ๐‘ฅ2 ; essa si puรฒ pertanto esprimere nella forma: Pr{E๐‘ฅ1 ๐‘ฅ2 } = ๐‘ƒ๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 )

(18.2.2)

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

307

La funzione ๐‘ƒ๐‘ 1 ๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ), appena introdotta, costituisce la distribuzione di probabilitร  del secondo ordine associata al segnale aleatorio ๐‘ (๐‘ก) relativa ai due istanti ๐‘ก1 , ๐‘ก2 in cui il segnale aleatorio viene osservato. Anche in questo caso รจ possibile individuare una densitร  di probabilitร  del secondo ordine associata al segnale: ๐‘๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) =

๐œ• 2 ๐‘ƒ๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) ๐œ•๐‘ฅ1 ๐œ•๐‘ฅ2

(18.2.3)

nella quale la derivazione รจ da intendersi in senso generalizzato. La ๐‘ƒ๐‘ 1 ๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) deve necessariamente soddisfare le uguaglianze: ๐‘ƒ๐‘ 1๐‘ 2 (โˆž, โˆž) = 1; ๐‘ƒ๐‘ 1 ๐‘ 2 (โˆ’โˆž, โˆ’โˆž) = 0; ๐‘ƒ๐‘ 1๐‘ 2 (0, โˆ’โˆž) = 0; {๐‘ƒ๐‘ 1๐‘ 2 (โˆ’โˆž, 0) = 0;

(18.2.4)

la prima delle quali esprime la probabilitร  associata allโ€™evento certo; le restanti quelle dโ€™eventi impossibili, indipendentemente dagli istanti dโ€™osservazione considerati. Dalla (18.2.3)si deduce inoltre che la probabilitร  che all'istante ๐‘ก1 il valore ๐‘ (๐‘ก1 ) = ๐‘ 1 , assunto dalla generica manifestazione del segnale, sia compreso nell'intervallo (๐‘Ž1 , ๐‘1 ] e che a ๐‘ก2 il valore ๐‘ (๐‘ก2 ) = ๐‘ 2 , assunto dalla stessa manifestazione, appartenga all'intervallo (๐‘Ž2 , ๐‘2 ] si puรฒ calcolare in uno dei seguenti modi: Pr{{๐‘ (๐‘ก)|(๐‘ 1 , ๐‘ 2 ) โˆˆ (๐‘Ž1 , ๐‘1 ] ร— (๐‘Ž2 , ๐‘2 ]}} = ๐‘ƒ๐‘ 1๐‘ 2 (๐‘Ž2 , ๐‘2 ) โˆ’ ๐‘ƒ๐‘ 1 ๐‘ 2 (๐‘Ž1 , ๐‘2 ) โˆ’ ๐‘ƒ๐‘ 1 ๐‘ 2 (๐‘Ž2 , ๐‘1 ) ๐‘1

๐‘2

+ ๐‘ƒ๐‘ 1 ๐‘ 2 (๐‘Ž1 , ๐‘1 ) = โˆซ โˆซ ๐‘๐‘ 1๐‘ 2 (๐‘ฅ, ๐‘ฆ)๐‘‘๐‘ฅ๐‘‘๐‘ฆ ๐‘Ž1

(18.2.5)

๐‘Ž2

รˆ inoltre evidente che si ha: ๐‘ฅ1

๐‘ฅ2

๐‘ƒ๐‘ 1 ๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) = โˆซ โˆซ ๐‘๐‘ 1๐‘ 2 (๐‘ฅ, ๐‘ฆ)๐‘‘๐‘ฅ๐‘‘๐‘ฆ โˆ’โˆž โˆ’โˆž

Dato

(18.2.6)

che

l'evento E๐‘ฅ1 ๐‘ฅ2 รจ contenuto nell'evento E๐‘ฅ1+|๐›ฅ๐‘ฅ1|,๐‘ฅ2+|๐›ฅ๐‘ฅ2| deve necessariamente essere ๐‘ƒ๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) โ‰ค ๐‘ƒ๐‘ 1 ๐‘ 2 (๐‘ฅ1 + |๐›ฅ๐‘ฅ1 |, ๐‘ฅ2 + |๐›ฅ๐‘ฅ2 |), il che comporta: ๐‘๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) โ‰ฅ 0

(18.2.7)

308

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

in tutti i punti in cui la derivazione (18.2.3) si puรฒ effettuare in senso ordinario, inoltre, i pesi delle delta di Dirac, eventualmente presenti nella ๐‘๐‘ 1 ๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ), non possono essere negativi. Si osservi che tutti I risultati ottenuti si potevano dedurre osservando che ๐‘ (๐‘ก1 ) ed ๐‘ (๐‘ก2 ) sono due variabili aleatorie definite su di uno stesso esperimento casuale, di cui la ๐‘๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) e la ๐‘ƒ๐‘ 1 ๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) costituiscono le funzioni di probabilitร  congiunte. Si considerino gli eventi: E2 = {๐‘ (๐‘ก)|๐‘ 2 โ‰ค ๐‘ฅ2 }; E1 = {๐‘ (๐‘ก)|๐‘ฅ1 โˆ’ โ‰ค ๐‘ฅ1 +

|๐›ฅ๐‘ฅ1 | } 2

|๐›ฅ๐‘ฅ1 | < ๐‘ 1 2

(18.2.8)

La probabilitร  dell'evento E2 condizionata dal manifestarsi dell'evento E1 , nellโ€™ipotesi che quest'ultimo abbia probabilitร  diversa da zero, per la formula di Bayes vale: |๐›ฅ๐‘ฅ |

Pr{E2 |E1 } =

Pr{E2 โˆฉ E1 } = Pr{E1 }

โˆซ

๐‘ฅ1 + 2 1

๐‘ฅ2 ๐‘ (๐‘ฅ, ๐‘ฆ)๐‘‘๐‘ฅ๐‘‘๐‘ฆ โˆ’โˆž ๐‘ 1 ๐‘ 2

โˆซ

|๐›ฅ๐‘ฅ | ๐‘ฅ1 โˆ’ 1 2

|๐›ฅ๐‘ฅ1 | 2 |๐›ฅ๐‘ฅ1 | ๐‘ฅ1 โˆ’ 2

โˆซ

๐‘ฅ1 +

(18.2.9)

๐‘๐‘ 1 (๐‘ฅ)๐‘‘๐‘ฅ

Se si fa tendere ๐›ฅ๐‘ฅ1 a zero, ammesso che la ๐‘๐‘ 1 (๐‘ฅ1 ), sia continua in ๐‘ฅ1 , E1 si riduce all'evento singolare E1 = {๐‘ (๐‘ก)|๐‘ 1 = ๐‘ฅ1 } e si ha: |๐›ฅ๐‘ฅ |

โˆซ lim Pr{E2 |E1 } = lim

๐›ฅ๐‘ฅ1 โ†’0

=

๐›ฅ๐‘ฅ1 โ†’0

๐‘ฅ2 ๐‘ (๐‘ฅ , ๐‘ฆ)๐‘‘๐‘ฆ โˆ’โˆž ๐‘ 1 ๐‘ 2 1

๐‘ฅ1 + 2 1

|๐›ฅ๐‘ฅ | ๐‘ฅ1 โˆ’ 1 2

๐‘ฅ2 ๐‘ (๐‘ฅ, ๐‘ฆ)๐‘‘๐‘ฅ๐‘‘๐‘ฆ โˆ’โˆž ๐‘ 1 ๐‘ 2

โˆซ

|๐›ฅ๐‘ฅ1 | 2 |๐›ฅ๐‘ฅ1 | ๐‘ฅ1 โˆ’ 2

๐‘ฅ1 +

โˆซ

๐‘๐‘ 1 (๐‘ฅ)๐‘‘๐‘ฅ

(18.2.10)

โˆซ

๐‘๐‘ 1 (๐‘ฅ1 )

Si noti il limite (18.2.10) esiste finito se risulta ๐‘๐‘ 1 (๐‘ฅ1 ) โ‰  0 e definisce una funzione della variabile ๐‘ฅ1 che soddisfa tutte le proprietร  di una distribuzione di probabilitร . Tale funzione, che si denota con ๐‘ƒ๐‘ 2 |๐‘ 1 (๐‘ฅ2 , ๐‘ฅ1 ) e prende il nome di distribuzione di probabilitร  condizionata. Alla ๐‘ƒ๐‘ 2|๐‘ 1 (๐‘ฅ2 , ๐‘ฅ1 ) corrisponde la densitร  di probabilitร  condizionata data dalla:

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

๐‘๐‘ 2 |๐‘ 1 (๐‘ฅ2 , ๐‘ฅ1 ) =

๐œ•๐‘ƒ๐‘ 2 |๐‘ 1 (๐‘ฅ2 , ๐‘ฅ1 ) ๐œ•๐‘ฅ2

309

(18.2.11)

รˆ facile rendersi conto che tale densitร  di probabilitร  puรฒ esprimersi in termini delle densitร  del primo e del secondo ordine associate al segnale ๐‘ (๐‘ก) come segue: ๐‘๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) = ๐‘๐‘ 1 (๐‘ฅ1 ) โ‹… ๐‘๐‘ 2|๐‘ 1 (๐‘ฅ2 , ๐‘ฅ1 )

(18.2.12)

In modo analogo, introducendo la densitร  di probabilitร  condizionata ๐‘๐‘ 1 |๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) si deduce: ๐‘๐‘ 1 ๐‘ 2 (๐‘ฅ1 ๐‘ฅ2 ) = ๐‘๐‘ 2 (๐‘ฅ2 ) โ‹… ๐‘๐‘ 1 |๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 )

(18.2.13)

Si noti infine che risulta: lim ๐‘๐‘ 2 |๐‘ 1 (๐‘ฅ2 , ๐‘ฅ1 ) = lim ๐‘๐‘ 1|๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) = ๐›ฟ(๐‘ฅ1 โˆ’ ๐‘ฅ2 )

๐‘ก2 โ†’๐‘ก1

๐‘ก1 โ†’๐‘ก2

(18.2.14)

che discende immediatamente dal fatto che una stessa manifestazione del segnale non puรฒ assumere due valori distinti nello stesso istante . Inoltre tenuto conto delle condizioni di normalizzazione: โˆž

โˆž

โˆซ ๐‘๐‘ 1|๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 )๐‘‘๐‘ฅ1 = โˆซ ๐‘๐‘ 2 |๐‘ 1 (๐‘ฅ2 , ๐‘ฅ1 )๐‘‘๐‘ฅ2 = 1 โˆ’โˆž

โˆ’โˆž

(18.2.15)

dalle (18.2.12) e (18.2.13) si deduce che le densitร  del primo ordine del segnale valgono rispettivamente: โˆž

a)

๐‘๐‘ 1 (๐‘ฅ1 ) = โˆซ ๐‘๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 )๐‘‘๐‘ฅ2 โˆ’โˆž โˆž

b)

(18.2.16)

๐‘๐‘ 2 (๐‘ฅ2 ) = โˆซ ๐‘๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 )๐‘‘๐‘ฅ1 โˆ’โˆž

dalle quali si evince che la densitร  di probabilitร  del primo ordine di un segnale aleatorio รจ direttamente deducibile da quella del secondo ordine per marginalizzazione. รˆ inoltre evidente che: a)

๐‘ƒ๐‘ 1 (๐‘ฅ1 ) = lim ๐‘ƒ๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 )

b)

๐‘ƒ๐‘ 2 (๐‘ฅ2 ) = lim ๐‘ƒ๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 )

๐‘ฅ2 โ†’โˆž

๐‘ฅ1 โ†’โˆž

(18.2.17)

310

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

18.3 - Funzioni di probabilitร  dโ€™ordine superiore. In maniera analoga a quanto fatto nei paragrafi precedenti, si puรฒ denotare con ๐‘ƒ๐‘ 1๐‘ 2 โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ ๐‘ฅ๐‘› )

(18.3.1)

la probabilitร  dellโ€™evento E๐‘ฅ1๐‘ฅ2 โ€ฆ๐‘ฅ๐‘› = {๐‘ (๐‘ก)|๐‘ 1 โ‰ค ๐‘ฅ1 , ๐‘ 2 โ‰ค ๐‘ฅ2 , โ€ฆ , ๐‘ ๐‘› โ‰ค ๐‘ฅ๐‘› }

(18.3.2)

costituito cioรจ da tutte le manifestazioni del segnale ๐‘ (๐‘ก) che, in corrispondenza agli istanti di tempo ๐‘ก1 , ๐‘ก2 , โ€ฆ , ๐‘ก๐‘› , assumono valori rispettivamente non superiori a ๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ ๐‘ฅ๐‘› . La ๐‘ƒ๐‘ 1 ๐‘ 2โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ ๐‘ฅ๐‘› ) costituisce la distribuzione di probabilitร  di ordine ๐‘› associata al segnale. Ad essa corrisponde la relativa densitร  di probabilitร  di ordine ๐‘›: ๐‘๐‘ 1 ๐‘ 2โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ , ๐‘ฅ๐‘› ): ๐‘๐‘ 1 ๐‘ 2โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ , ๐‘ฅ๐‘› ) =

๐œ• ๐‘› ๐‘ƒ๐‘ 1๐‘ 2 โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ ๐‘ฅ๐‘› ) ๐œ•๐‘ฅ1 ๐œ•๐‘ฅ2 โ€ฆ ๐œ•๐‘ฅ๐‘›

(18.3.3)

in cui la derivata, anche in questo caso, รจ intesa in senso generalizzato. Dalla ๐‘๐‘ 1๐‘ 2โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ , ๐‘ฅ๐‘› ) si possono dedurre tutte le densitร  dโ€™ordine inferiore per successiva marginalizzazione. Si ha infatti, generalizzando le (18.2.16): โˆž

๐‘๐‘ 1 ๐‘ 2โ€ฆ๐‘ ๐‘›โˆ’1 (๐‘ฅ1 , โ€ฆ , ๐‘ฅ๐‘›โˆ’1 ) = โˆซ ๐‘๐‘ 1๐‘ 2 โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , โ€ฆ , ๐‘ฅ๐‘› )๐‘‘๐‘ฅ๐‘› โˆž

โˆ’โˆž โˆž

๐‘๐‘ 1๐‘ 2โ€ฆ๐‘ ๐‘›โˆ’2 (๐‘ฅ1 , โ€ฆ , ๐‘ฅ๐‘›โˆ’2 ) = โˆซ โˆซ ๐‘๐‘ 1๐‘ 2โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , โ€ฆ , ๐‘ฅ๐‘› )๐‘‘๐‘ฅ๐‘› ๐‘‘๐‘ฅ๐‘›โˆ’1 . . . . โˆ’โˆž . . . . .โˆ’โˆž ......... โˆž

(18.3.4)

โˆž

๐‘๐‘ 1 (๐‘ฅ1 ) = โˆซ โ€ฆ โˆซ ๐‘๐‘ 1๐‘ 2 โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , โ€ฆ , ๐‘ฅ๐‘› )๐‘‘๐‘ฅ๐‘› ๐‘‘๐‘ฅ๐‘›โˆ’1 โ€ฆ ๐‘‘๐‘ฅ2 โˆ’โˆž

โˆ’โˆž

La densitร  di probabilitร  dโ€™ordine ๐‘› deve inoltre soddisfare la seguente condizione di normalizzazione: โˆž

โˆž

โˆซ โ€ฆ โˆซ ๐‘๐‘ 1๐‘ 2 โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , โ€ฆ , ๐‘ฅ๐‘› )๐‘‘๐‘ฅ๐‘› ๐‘‘๐‘ฅ๐‘›โˆ’1 โ€ฆ ๐‘‘๐‘ฅ2 ๐‘‘๐‘ฅ1 = 1 โˆ’โˆž

โˆ’โˆž

(18.3.5)

che esprime la circostanza che i valori assunti dal segnale negli istanti ๐‘ก1 , ๐‘ก2 , โ€ฆ , ๐‘ก๐‘› sono certamente limitati. Si ha:

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

311

๐‘ƒ๐‘ 1๐‘ 2 โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , โ€ฆ , ๐‘ฅ๐‘› ) ๐‘ฅ1

๐‘ฅ๐‘›

โˆ’โˆž

โˆ’โˆž

= โˆซ โ€ฆ โˆซ ๐‘๐‘ 1๐‘ 2 โ€ฆ๐‘ ๐‘› (๐‘ฆ1 , โ€ฆ , ๐‘ฆ๐‘› )๐‘‘๐‘ฆ1 โ€ฆ ๐‘‘๐‘ฆ๐‘›

(18.3.6)

e sono soddisfatte le uguaglianze: ๐‘ƒ๐‘ 1๐‘ 2 โ€ฆ๐‘ ๐‘› (โˆ’โˆž, โ€ฆ , โˆ’โˆž) = 0, ๐‘ƒ๐‘ 1๐‘ 2 โ€ฆ๐‘ ๐‘› (โˆž, โ€ฆ , โˆž) = 1

(18.3.7)

Da considerazioni analoghe a quelle fatte per dedurre la (18.2.7) discende: ๐‘๐‘ 1๐‘ 2 โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ , ๐‘ฅ๐‘› ) โ‰ฅ 0

(18.3.8)

in tutti i punti in cui ๐‘ƒ๐‘ 1๐‘ 2โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , โ€ฆ , ๐‘ฅ๐‘› ) รจ derivabile in senso ordinario; inoltre i pesi delle eventuali delta di Dirac nella ๐‘๐‘ 1 ๐‘ 2โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , ๐‘ฅ2 โ€ฆ , ๐‘ฅ๐‘› ) non possono essere negativi. Quando sono note le funzioni di probabilitร  fino a allโ€™ordine ๐‘› di un segnale aleatorio, si dice che esso รจ statisticamente noto fino all'ordine ๐‘›. รˆ evidente che quanto piรน ๐‘› รจ elevato tanto maggiori sono le informazioni che si hanno sulla natura del segnale. Se i valori assunti dalla generica manifestazione del segnale negli istanti ๐‘ก1 , ๐‘ก2 , โ€ฆ , ๐‘ก๐‘› sono statisticamente indipendenti cioรจ se risulta, qualunque sia l'ordine ๐‘› e comunque scelti gli istanti ๐‘ก1 , ๐‘ก2 , โ€ฆ , ๐‘ก๐‘› : ๐‘๐‘ 1๐‘ 2โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ , ๐‘ฅ๐‘› ) = ๐‘๐‘ 1 (๐‘ฅ1 )๐‘๐‘ 2 (๐‘ฅ2 ) โ€ฆ ๐‘๐‘ ๐‘› (๐‘ฅ๐‘› )

(18.3.9)

il segnale si dice puramente casuale. In tal caso la densitร  di probabilitร  del primo ordine contiene giร  tutte le informazioni necessarie alla descrizione statistica del segnale. La funzione di distribuzione di probabilitร  dโ€™ordine ๐‘› per un tale segnale risulta: ๐‘ƒ๐‘ 1โ€ฆ๐‘ ๐‘› (๐‘ฅ1 , โ€ฆ , ๐‘ฅ๐‘› ) ๐‘ฅ1

๐‘ฅ2

๐‘ฅ๐‘›

โˆ’โˆž ๐‘›

โˆ’โˆž

โˆ’โˆž

= โˆซ ๐‘๐‘ 1 (๐‘ฅ)๐‘‘๐‘ฅ โˆซ ๐‘๐‘ 2 (๐‘ฅ)๐‘‘๐‘ฅ โ€ฆ โˆซ ๐‘๐‘ ๐‘› (๐‘ฅ)๐‘‘๐‘ฅ (18.3.10)

= โˆ ๐‘ƒ๐‘ ๐‘– (๐‘ฅ๐‘– ) ๐‘–=1

essa, cioรจ, come la corrispondente densitร  di probabilitร , si puรฒ esprimere come prodotto di ๐‘› distribuzioni di probabilitร  del primo ordine rispettivamente valutate in corrispondenza degli ๐‘› istanti di osservazione.

312

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

18.4 - Segnali aleatori deterministici. Una classe particolare di segnali aleatori รจ costituita dai cosiddetti segnali deterministici. Per essi l'evoluzione della generica manifestazione per valori di ๐‘ก โ‰ฅ ๐œ puรฒ essere dedotta dalla conoscenza del segnale per ๐‘ก < ๐œ . Il segnale ๐‘ (๐‘ก, ๐œ‘) = cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘) ne รจ un esempio, dal momento che nota la frequenza ๐‘“0 l'osservazione del segnale in almeno due istanti distinti consente di determinare il valore della fase ๐œ‘ e quindi la manifestazione. In generale un segnale aleatorio deterministico รจ rappresentabile mediante una funzione ๐‘ (๐‘ก, ๐’) in cui ๐’ = [๐‘1 , ๐‘2 , โ€ฆ , ๐‘๐‘› ] รจ un ๐‘›vettore di variabili aleatorie definite su uno stesso esperimento casuale caratterizzato da una distribuzione di probabilitร  congiunta ๐‘ƒ๐’ (๐‘ง1 , ๐‘ง2 , โ€ฆ , ๐‘ง๐‘› ). 18.5 - Segnali dipendenti da una variabile aleatoria monodimensionale funzioni di probabilitร  del primo ordine. Sia ๐‘  = ๐‘ (๐‘ก, ๐‘) un segnale dipendente da una variabile aleatoria monodimensionale ๐‘. Si vuole determinare la distribuzione di pro-

babilitร  del primo ordine ad esso associata, nota che sia la densitร  di probabilitร  di ๐‘. A tal fine si ricorda che la ๐‘ƒ๐‘ (๐‘กฬ‚) (๐‘ฅ) eguaglia la probabilitร  che il segnale allโ€™istante ๐‘กฬ‚ assuma un valore non superiore ad ๐‘ฅ . Tale eventualitร  si verifica tutte e sole le volte che la variabile aleatoria ๐‘ assume valori appartenenti allโ€™insieme I๐‘กฬ‚,๐‘ฅ = ๐‘  โˆ’1 (๐‘กฬ‚, (โˆ’โˆž, ๐‘ฅ]) โŠ† โ„ In altri termini ๐‘ƒ๐‘ (๐‘กฬ‚) (๐‘ฅ) = Pr{I๐‘กฬ‚,๐‘ฅ }, nellโ€™ipotesi in cui I๐‘กฬ‚,๐‘ฅ costituisca un evento per ๐‘. Questโ€™ultima ipotesi รจ certamente soddisfatta, in quanto il segnale, in virtรน della sua definizione, individua in ogni istante una variabile aleatoria sullo spazio dei risultati dellโ€™esperimento casuale. Nel caso in esame lโ€™insieme dei risultati รจ โ„, quindi ๐‘ (๐‘กฬ‚, ๐‘) รจ una funzione misurabile di ๐‘. Ciรฒ significa che lโ€™insieme I๐‘กฬ‚,๐‘ฅ รจ di Borel, (misurabile nel senso di Lebesgue) ad esso รจ quindi possibile attribuire una probabilitร  nota che sia la densitร  di probabilitร  ๐‘๐‘ (๐‘ง) della variabile aleatoria ๐‘. In definitiva si puรฒ quindi scrivere:

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

313

๐‘ƒ๐‘ (๐‘กฬ‚ ) (๐‘ฅ) = Pr{๐‘  โˆ’1 (๐‘กฬ‚, (โˆ’โˆž, ๐‘ฅ])} = โˆซ ๐‘๐‘ (๐‘ง)๐‘‘๐‘ง

(18.5.1)

๐ผ๐‘กฬ‚,๐‘ฅ

รˆ opportuno sottolineare che lโ€™integrale che compare nella precedente va inteso come una distribuzione qualora la ๐‘๐‘ (๐‘ง) contenga delle delta di Dirac. Si consideri adesso il caso particolare in cui la variabile aleatoria ๐‘  = ๐‘ (๐‘ก, ๐‘) sia di tipo continuo, la variabile aleatoria ๐‘ sia anche essa di tipo continuo caratterizzata da una distribuzione di probabilitร  ๐‘ƒ๐‘ (๐‘ง) derivabile dappertutto. Si supponga inoltre che il segnale in ogni istante sia rappresentabile mediante una funzione derivabile di ๐‘ che sia priva di tratti costanti. Si osservi che lโ€™equazione ๐‘  = ๐‘ (๐‘ก, ๐‘) nel piano (๐‘‚, ๐‘, ๐‘ ) รจ rappresentabile mediante una famiglia di curve parametrizzate dal tempo. Assegnato un istante ๐‘กฬ‚ si consideri la funzione di ๐‘, ๐‘  = ๐‘ (๐‘กฬ‚, ๐‘), (v. Fig. 18.4. Si consideri quindi sullโ€™asse ๐‘  lโ€™intervallo I๐‘ฅ = (๐‘ฅ โˆ’

๐›ฅ๐‘ฅ 2

,๐‘ฅ +

๐›ฅ๐‘ฅ 2

];

ad esso corrisponde un'immagine inversa ๐‘  โˆ’1 (๐‘กฬ‚, I๐‘ฅ ), che si supFig. 18.4 - rappresentazione sul piano (O, Z, s) . pone costituita da unโ€™unione finita o al piรน numerabile di intervalli a due a due disgiunti I๐‘๐‘— , cui appartengono rispettivamente le soluzioni ๐‘๐‘— dellโ€™equazione ๐‘ฅ = ๐‘ (๐‘กฬ‚, ๐‘) (v. Fig. 18.4 sia cioรจ: โˆž

๐‘  โˆ’1 (๐‘กฬ‚, I๐‘ฅ ) = โˆช I๐‘๐‘— ๐‘—=1

(18.5.2)

La probabilitร  che nell'istante ๐‘กฬ‚ il segnale assuma un valore appartenente all'intervallo I๐‘ฅ , รจ uguale alla probabilitร  che la variabile aleatoria Z assuma un valore appartenente all'evento E = โˆชโˆž ๐‘—=1 I๐‘๐‘— . Si puรฒ quindi scrivere: โˆž

Pr{๐ผ๐‘ฅ } = Pr{E} = โˆ‘ Pr{I๐‘๐‘— } ๐‘—=1

(18.5.3)

314

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

dal momento che gli eventi che costituiscono E sono a due a due disgiunti. Si osservi inoltre che per le ipotesi fatte sul segnale, al tendere a zero della misura |๐›ฅ๐‘ฅ| di ๐ผ๐‘ฅ anche la misura |๐›ฅ๐‘๐‘— | del generico ๐ผ๐‘๐‘— tende a zero; la (18.5.3) quindi, a meno dโ€™infinitesimi di ordine superiore al primo, si puรฒ riscrivere nella forma: โˆž

๐‘๐‘ (๐‘กฬ‚) (๐‘ฅ)|๐›ฅ๐‘ฅ| = โˆ‘

๐‘—=1

๐‘๐‘ (๐‘๐‘— )|๐›ฅ๐‘๐‘— |

(18.5.4)

dalla quale si puรฒ concludere che: ๐‘๐‘ (๐‘กฬ‚) (๐‘ฅ) = 0 se: โˆ€๐‘งฬ‚ |๐‘ฅ = ๐‘ (๐‘กฬ‚, ๐‘งฬ‚ ) โ‡’ ๐‘๐‘ (๐‘งฬ‚ ) = 0

(18.5.5)

Inoltre, per tutti i valori di ๐‘ฅ in corrispondenza ai quali risulta |

๐œ•๐‘ (๐‘ก,๐‘) ๐œ•๐‘

|๐‘กฬ‚,๐‘๐‘— โ‰  0โˆ€๐‘๐‘— , dividendo ambo i membri della (18.5.4) per |๐›ฅ๐‘ฅ|

e passando al limite per ๐›ฅ๐‘ฅ โ†’ 0, si ottiene: โˆž

๐‘๐‘ (๐‘กฬ‚) (๐‘ฅ) = lim โˆ‘ ๐›ฅ๐‘ฅโ†’0

๐‘—=1

๐‘๐‘ (๐‘๐‘— ) |๐›ฅ๐‘ฅ| |๐›ฅ๐‘๐‘—|

โˆž

=โˆ‘

๐‘—=1 |

๐‘๐‘ (๐‘๐‘— ) ๐œ•๐‘ (๐‘ก,๐‘) ๐œ•๐‘

|

๐‘กฬ‚ ,๐‘๐‘—

(18.5.6)

In corrispondenza agli eventuali valori di ๐‘ฅ per i quali risulta che |

๐œ•๐‘ (๐‘ก,๐‘) ๐œ•๐‘

|

๐‘กฬ‚ ,๐‘๐‘—

= 0 la ๐‘๐‘ (๐‘กฬ‚) (๐‘ฅ) non รจ definita; tuttavia la ๐‘๐‘ (๐‘กฬ‚) (๐‘ฅ) risulta de-

finita quasi ovunque dalle (18.5.5) e (18.5.6), in quanto tali punti costituiscono, per le ipotesi fatte, un insieme al piรน numerabile. Si faccia ora riferimento al caso in cui il segnale ๐‘  = ๐‘ (๐‘ก, ๐‘) sia rappresentato da una funzione costante a tratti della variabile aleatoria continua ๐‘; cioรจ il segnale, fatta eccezione al piรน per un insieme di manifestazioni che si presentano con probabilitร  nulla, puรฒ assumere soltanto valori appartenenti ad Fig. 18.5 - rappresentazione sul piano un sottoinsieme di A โŠ‚ โ„ al piรน (O, Z, s) , costante a tratti. numerabile, comโ€™รจ indicato in Fig. 18.5. Ci si convince facilmente che la ๐‘๐‘ (๐‘ก) (๐‘ฅ) in questo caso รจ di tipo discreto. Infatti, facendo riferimento alla Fig. 18.5, la probabilitร  che il segnale assuma il valore ๐‘ฅ๐‘– รจ data da:

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

๐‘ƒ๐‘– = Pr{๐‘ (๐‘ก, ๐‘) = ๐‘ฅ๐‘– } = โˆซ ๐‘๐‘ (๐‘ง)๐‘‘๐‘ง ๐ผ๐‘–

315

(18.5.7)

dove lโ€™integrale รจ esteso a I๐‘– = ๐‘  โˆ’1 (๐‘กฬ‚, {๐‘ฅ๐‘– }), cioรจ alla controimmagine dellโ€™insieme {๐‘ฅ๐‘– }, che il segnale individua nel generico istante di tempo nellโ€™insieme dei valori assunti dalla variabile aleatoria ๐‘ cui esso รจ associato. La funzione distribuzione di probabilitร  del primo ordine ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) associata al segnale presenta, in corrispondenza al generico ๐‘ฅ๐‘– , un salto di valore ๐‘ƒ๐‘– (๐‘ก). Il valore da essa assunto รจ dato da ๐‘–

โˆ‘๐‘—=โˆ’โˆž ๐‘ƒ๐‘— (๐‘ก) e ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) mantiene tale valore fino ad ๐‘ฅ๐‘–+1 . La ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ)

si presenta quindi in ogni istante fissato come una funzione a scala. La densitร  di probabilitร  ๐‘๐‘ (๐‘ก) (๐‘ฅ) รจ conseguentemente espressa dalla: โˆž

๐‘๐‘ (๐‘ก) (๐‘ฅ) = โˆ‘ ๐‘ƒ๐‘– (๐‘ก)๐›ฟ(๐‘ฅ โˆ’ ๐‘ฅ๐‘– ) ๐‘–=โˆ’โˆž

(18.5.8)

Esempio 18.2 Si consideri il segnale ๐‘ (๐‘ก, ๐œ‘) = cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘)

Fig.E 18.3

dove ๐œ‘ denota una variabile casuale caratterizzata da una densitร  di probabilitร  del primo ordine data da ๐‘๐œ‘ (๐œƒ). Se |๐‘ฅ| < 1 l'equazione ๐‘ฅ = cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘)

presenta soluzioni generate dalle (v. Fig.E 18.3) Fig. E.IV.3

2๐œ‹๐‘“0 ๐‘ก + ๐œ‘๐‘˜ = arccos๐‘ฅ + 2๐‘˜๐œ‹ 2๐œ‹๐‘“0 ๐‘ก + ๐œ‘ โ€ฒ ๐‘˜ = โˆ’arccos๐‘ฅ + 2๐‘˜๐œ‹

Poichรฉ รจ: ๐œ•๐‘  = โˆ’sin(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘) ๐œ•๐œ‘

risulta: |

๐œ•๐‘  | = |sin(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘๐‘˜ )| = โˆš1 โˆ’ cos2 (2๐œ‹๐‘“0 ๐‘ก + ๐œ‘๐‘˜ ) ๐œ•๐œ‘ ๐œ‘ ๐‘˜

๐œ•๐‘  | | = |sin(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘ โ€ฒ ๐‘˜ )| = โˆš1 โˆ’ cos2 (2๐œ‹๐‘“0 ๐‘ก + ๐œ‘ โ€ฒ ๐‘˜ ) ๐œ•๐œ‘ ๐œ‘โ€ฒ } ๐‘˜

= โˆš1 โˆ’ ๐‘ฅ 2

316

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

Quindi: ๐‘๐‘ (๐‘ก) (๐‘ฅ) =

1 โˆš1 โˆ’ ๐‘ฅ 2

โˆ‘[๐‘๐œ‘ (๐œ‘๐‘˜ ) + ๐‘๐œ‘ (๐œ‘ โ€ฒ ๐‘˜ )] ๐‘˜

Se ๐œ‘ รจ uniformemente distribuita in [0, 2๐œ‹], qualunque sia l'istante ๐‘ก, la sommatoria che compare nella precedente, contiene due soli termini non nulli ottenuti in corrispondenza ai valori di ๐‘˜ dati dalla: ๐‘˜ = โŒˆ๐‘“0 ๐‘ก ยฑ

arccos๐‘ฅ โŒ‰ 2๐œ‹

In definitiva risulta: ๐‘๐‘ (๐‘ก) (๐‘ฅ) =

1 ๐œ‹โˆš1 โˆ’

๐‘ฅ

๐‘ฅ2

โŠ“ (2 )

il cui andamento in funzione di ๐‘ฅ รจ riportato in Fig.E 18.4a). La distribuzione di probabilitร  si ottiene per integrazione della precedente. Si ha: ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) 1 arcsin๐‘ฅ ๐‘ฅ =( + )โŠ“( ) 2 ๐œ‹ 2 Fig.E 18.4

+ u(๐‘ฅ โˆ’ 1)

ed รจ rappresentata nella Fig.E 18.4 b). funzioni di probabilitร  dโ€™ordine superiore al primo. Sia ๐‘ (๐‘ก, ๐‘) un segnale aleatorio rappresentato da una funzione che, rispetto alla variabile aleatoria continua ๐‘, sia derivabile e non

presenti tratti costanti. ๐›ฅ๐‘  ๐›ฅ๐‘  ๐›ฅ๐‘  ๐›ฅ๐‘  Posto I1 = (๐‘ฅ1 โˆ’ 21 , ๐‘ฅ1 + 21), I2 = (๐‘ฅ2 โˆ’ 22 , ๐‘ฅ2 + 22) la probabilitร  che si verifichi l'evento: E = {๐‘ (๐‘ก, ๐‘)|๐‘ 2 = ๐‘ (๐‘ก2 , ๐‘) โˆˆ I2 โˆง ๐‘ 1 = ๐‘ (๐‘ก1 , ๐‘) โˆˆ I1 }

(18.5.9)

a meno di infinitesimi dโ€™ordine superiore , vale: Pr{E} = ๐‘๐‘ 2 ๐‘ 1 (๐‘ฅ2 , ๐‘ฅ1 )๐›ฅ๐‘ 2 ๐›ฅ๐‘ 1

(18.5.10)

Questโ€™ultima puรฒ essere espressa in termini della variabile aleatoria ๐‘ osservando che all'istante ๐‘ก1 esiste un numero finito, o al piรน unโ€™infinitร  numerabile, di intervalli elementari a due a due disgiunti tali che risulti:

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  โˆ’1 โˆชโˆž ๐‘—=1 J1๐‘— = ๐‘  (๐‘ก1 , I1 )

317

(18.5.11)

Ciascuno di questi intervalli, a meno dโ€™infinitesimi dโ€™ordine superiore, se risulta |

๐œ•๐‘ (๐‘ก1 ,๐‘)

|

๐œ•๐‘

J1๐‘— = (๐‘๐‘— โˆ’

๐‘=๐‘๐‘—

2|

โ‰  0 รจ dato da:

๐›ฅ๐‘ 1 ๐œ•๐‘ (๐‘ก1 ,๐‘)

|

๐œ•๐‘

, ๐‘๐‘— +

2|

๐‘=๐‘๐‘—

๐›ฅ๐‘ 1 ๐œ•๐‘ (๐‘ก1 ,๐‘) ๐œ•๐‘

|

)

(18.5.12)

๐‘=๐‘๐‘—

dove ๐‘๐‘— rappresenta la generica soluzione dellโ€™equazione ๐‘ฅ1 = ๐‘ (๐‘ก1 , ๐‘). La probabilitร  che la variabile aleatoria ๐‘ appartenga ad uno di questi intervalli vale a sua volta: Pr{{๐‘ โˆˆ J1๐‘— }} = ๐‘๐‘ (๐‘๐‘— )

|

๐›ฅ๐‘ 1 ๐œ•๐‘ (๐‘ก1 ,๐‘)

|

๐œ•๐‘

๐‘=๐‘๐‘—

(18.5.13)

dove la ๐‘๐‘ (โ‹…) indica la densitร  di probabilitร  di ๐‘. Si constata che: Pr{E} = ๐‘๐‘ 1 ๐‘ 2 (๐‘ฅ2 , ๐‘ฅ1 )๐›ฅ๐‘ 1 ๐›ฅ๐‘ 2 โˆž

= โˆ‘ ๐‘๐‘๐‘ 2 (๐‘๐‘— , ๐‘ฅ2 ) ๐‘—=1

|

๐›ฅ๐‘ 1 ๐œ•๐‘ (๐‘ก1 ,๐‘) ๐œ•๐‘

|

๐›ฅ๐‘ 2

(18.5.14)

๐‘=๐‘๐‘—

Ma se ๐‘ = ๐‘๐‘— il segnale allโ€™istante ๐‘ก2 assumerร  con certezza il valore ๐‘ (๐‘ก2 , ๐‘๐‘— ). Pertanto si puรฒ scrivere: ๐‘๐‘๐‘ 2 (๐‘๐‘— , ๐‘ฅ2 ) = ๐›ฟ(๐‘ฅ2 โˆ’ ๐‘ (๐‘ก2 , ๐‘๐‘— ))๐‘๐‘ (๐‘๐‘— )

(18.5.15)

che, sostituita nella (18.5.14), consente di scrivere la densitร  di probabilitร  del secondo ordine di un segnale deterministico associato ad una variabile aleatoria monodimensionale: โˆž

๐‘๐‘ 1 ๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) = โˆ‘ ๐‘—=1

๐›ฟ(๐‘ฅ2 โˆ’ ๐‘ (๐‘ก2 , ๐‘๐‘— ))๐‘๐‘ (๐‘๐‘— ) |

๐œ•๐‘ (๐‘ก1 ,๐‘) ๐œ•๐‘

|

๐‘=๐‘๐‘—

(18.5.16)

Le densitร  di probabilitร  di ordine piรน elevato possono ricavarsi con procedimento analogo.

318

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

Esempio 18.3 La densitร  di probabilitร  del secondo ordine per il segnale dellโ€™esempio precedente per |x 1 |< 1 ed |x 2 |< 1 puรฒ essere scritta nella forma: ๐‘๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) โˆž

= โˆ‘ [ ๐‘˜=โˆ’โˆž

๐‘๐œ‘ (๐œ‘๐‘˜ ) ๐œ•๐‘ (๐‘ก1 ,๐œ‘)

|

๐œ•๐œ‘

|

๐›ฟ(๐‘ฅ2 โˆ’ ๐‘ (๐‘ก2 , ๐œ‘๐‘˜ )) +

๐œ‘=๐œ‘๐‘˜

๐‘๐œ‘ (๐œ‘ฬ…๐‘˜ ) ๐œ•๐‘ (๐‘ก1 ,๐œ‘)

|

๐œ•๐œ‘

|

๐›ฟ(๐‘ฅ2 โˆ’ ๐‘ (๐‘ก2 , ๐œ‘ฬ…๐‘˜ ))]

ฬ…๐‘˜ ๐œ‘=๐œ‘

dove รจ ๐‘ (๐‘ก2 , ๐œ‘๐‘˜ ) = cos(2๐œ‹๐‘“0 ๐‘ก2 + ๐œ‘๐‘˜ ) = cos(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 ) + arccos(๐‘ฅ1 )) ๐‘ (๐‘ก2 , ๐œ‘ฬ…๐‘˜ ) = cos(2๐œ‹๐‘“0 ๐‘ก2 + ๐œ‘ฬ…๐‘˜ ) = cos(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 ) โˆ’ arccos(๐‘ฅ1 ))

e ๐œ‘๐‘˜ = arccos(๐‘ฅ1 ) โˆ’ 2๐œ‹๐‘“0 ๐‘ก1 + 2๐‘˜๐œ‹ ๐œ‘ฬ…๐‘˜ = โˆ’arccos(๐‘ฅ1 ) โˆ’ 2๐œ‹๐‘“0 ๐‘ก1 + 2๐‘˜๐œ‹

i valori della fase ๏ช che soddisfano la condizione: ๐‘ฅ1 = cos(2๐œ‹๐‘“0 ๐‘ก1 + ๐œ‘)

conseguentemente, per |๐‘ฅ1 | โ‰ค 1 ed |๐‘ฅ2 | โ‰ค 1, si ha: 1

{๐›ฟ[๐‘ฅ2 โˆ’ cos(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 ) โˆ’ arccos(๐‘ฅ1 ))] + 2๐œ‹โˆš1 โˆ’ ๐‘ฅ12 +๐›ฟ[๐‘ฅ2 โˆ’ cos(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 ) + arccos(๐‘ฅ1 ))]}

๐‘๐‘ 1,๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) =

mentre evidentemente per |๐‘ฅ1 | > 1 o per |๐‘ฅ2 | > 1 risulta: ๐‘๐‘ 1,๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) = 0

18.6 - Segnali dipendenti da un vettore aleatorio. Si consideri per semplicitร  il caso di un segnale deterministico ๐‘ (๐‘ก, ๐’) in cui ๐’ รจ un vettore aleatorio continuo bidimensionale; inoltre il segnale sia una funzione continua e priva di tratti costanti delle componenti di ๐’, parzialmente derivabile ovunque. Posto ๐ผ1 = (๐‘ฅ1 โˆ’

๐›ฅ๐‘ 1 2

, ๐‘ฅ1 +

๐›ฅ๐‘ 1 2

), ๐ผ2 = (๐‘ฅ2 โˆ’

๐›ฅ๐‘ 2 2

, ๐‘ฅ2 +

๐›ฅ๐‘ 2 2

), la

probabilitร  che si verifichi l'evento: ๐ธ = {๐‘ (๐‘ก, ๐’)|๐‘ 2 โˆˆ ๐ผ2 โˆง ๐‘ 1 โˆˆ ๐ผ1 }

(18.6.1)

รจ a meno di infinitesimi di ordine superiore รจ data da: Pr{E} = ๐‘๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 )๐›ฅ๐‘ 1 ๐›ฅ๐‘ 2 = Pr{๐’ โˆˆ A=๐‘  โˆ’1 (๐‘ก1 , I1 ) โˆฉ ๐‘  โˆ’1 (๐‘ก2 , I2 )}

(18.6.2)

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

319

L'insieme A รจ evidentemente costituito, per le ipotesi fatte sul segnale, da una unione al piu numerabile di sottoinsiemi A๐‘– in โ„2 a due a due disgiunti. La (18.6.2) si puรฒ quindi scrivere: โˆž

๐‘๐‘ 1 ๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 )๐›ฅ๐‘ 1 ๐›ฅ๐‘ 2 = โˆ‘ ๐‘๐‘ (๐‘ง1๐‘– , ๐‘ง2๐‘– ) ๐‘–=1

๐›ฅ๐‘ 1 ๐›ฅ๐‘ 2 |๐ฝ|๐‘ง=๐‘ง๐‘–

(18.6.3)

dove la coppia๐‘ง1๐‘– , ๐‘ง2๐‘– rappresenta lโ€™๐‘–-esima soluzione del sistema: ๐‘ฅ = ๐‘ (๐‘ก1 , ๐‘ง1 , ๐‘ง2 ); { 1 ๐‘ฅ2 = ๐‘ (๐‘ก2 , ๐‘ง1 , ๐‘ง2 );

(18.6.4)

e |๐ฝ| il modulo del determinante Jacobiano ๐œ•๐‘ (๐‘ก1 , ๐‘ง1 , ๐‘ง2 ) ๐œ•(๐‘ 1 , ๐‘ 2 ) ๐œ•๐‘ง1 ๐ฝ= = || ๐œ•๐‘ (๐‘ก2 , ๐‘ง1 , ๐‘ง2 ) ๐œ•(๐‘ง1 , ๐‘ง2 ) ๐œ•๐‘ง1

๐œ•๐‘ (๐‘ก1 , ๐‘ง1 , ๐‘ง2 ) ๐œ•๐‘ง2 | ๐œ•๐‘ (๐‘ก2 , ๐‘ง1 , ๐‘ง2 )| ๐œ•๐‘ง2

(18.6.5)

Si osservi che per valutare le densitร  di probabilitร  del primo ordine basta marginalizzare le (18.6.3)rispetto ad una delle due variabili ๐‘ฅ1 , ๐‘ฅ2 . In modo analogo si determinano le densitร  di probabilitร  nel caso in cui il segnale dipenda da un vettore aleatorio ๐‘›-dimensionale. In tal caso si procede alla determinazione della densitร  di probabilitร  dโ€™ordine ๐‘› e per successive marginalizzazioni si possono via via ottenere le densitร  di probabilitร  dโ€™ordine inferiore. Esempio 18.4 Sia ๐‘ (๐‘ก, ๐‘‰, ๐œ‘) = ๐‘‰cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘)

un segnale aleatorio dipendente da due variabili aleatorie V, ๏ช che si suppongono statisticamente indipendenti e caratterizzate da densitร  di probabilitร  del primo ordine che valgono: ๐‘๐‘‰ (๐‘ฃ) =

๐‘ฃ โˆ’ ๐‘‰22 1 ๐œ—โˆ’๐œ‹ ๐‘’ 2๐œŽ u(๐‘ฃ); ๐‘๐œ‘ (๐œ—) = โŠ“ ( ) 2 ๐œŽ 2๐œ‹ 2๐œ‹

Il sistema (IV.2.20) in tal caso diventa: ๐‘ฅ = ๐‘ฃcos(2๐œ‹๐‘“0 ๐‘ก1 + ๐œ—); { 1 ๐‘ฅ2 = ๐‘ฃcos(2๐œ‹๐‘“0 ๐‘ก2 + ๐œ—);

La prima delle (a) fornisce ๐œ—1 = arccos

๐‘ฅ1 ๐‘ฅ1 โˆ’ 2๐œ‹๐‘“0 ๐‘ก1 ๐œ—1ฬ… = โˆ’arccos โˆ’ 2๐œ‹๐‘“0 ๐‘ก1 ๐‘ฃ ๐‘ฃ

320

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

pertanto risulta: cos๐œ—1 = cos (arccos = cos (arccos =

๐‘ฅ1 โˆ’ 2๐œ‹๐‘“0 ๐‘ก1 ) ๐‘ฃ

๐‘ฅ1 ๐‘ฅ1 ) cos2๐œ‹๐‘“0 ๐‘ก1 + sin (arccos ) sin2ฯ€f0 t1 ๐‘ฃ ๐‘ฃ

๐‘ฅ1 ๐‘ฅ12 cos2๐œ‹๐‘“0 ๐‘ก1 + โˆš1 โˆ’ 2 sin2ฯ€f0 t1 ๐‘ฃ ๐‘ฃ

sin๐œ—1 = sin (arccos = sin (arccos = โˆš1 โˆ’

๐‘ฅ1 โˆ’ 2๐œ‹๐‘“0 ๐‘ก1 ) ๐‘ฃ

๐‘ฅ1 ๐‘ฅ1 ) cos2๐œ‹๐‘“0 ๐‘ก1 โˆ’ cos (arccos ) sin(2๐œ‹๐‘“0 ๐‘ก1 ) ๐‘ฃ ๐‘ฃ

๐‘ฅ12 ๐‘ฅ1 cos2๐œ‹๐‘“0 ๐‘ก1 โˆ’ sin2๐œ‹๐‘“0 ๐‘ก1 ๐‘ฃ2 ๐‘ฃ

ed analogamente: ๐‘๐‘œ๐‘ ๐œ—1ฬ… =

๐‘ฅ1 ๐‘ฅ12 cos(2๐œ‹๐‘“0 ๐‘ก1 ) โˆ’ โˆš1 โˆ’ 2 sin(2ฯ€f0 t1 ); ๐‘ฃ ๐‘ฃ

๐‘ฅ1 ๐‘ฅ12 sin๐œ—1ฬ… = โˆ’ cos(2๐œ‹๐‘“0 ๐‘ก1 ) โˆ’ โˆš1 โˆ’ 2 sin(2ฯ€f0 t1 ); ๐‘ฃ ๐‘ฃ {

D'altra parte la seconda delle (a) puรฒ anche scriversi: ๐‘ฅ2 = ๐‘ฃ(cos(2๐œ‹๐‘“0 ๐‘ก2 )cos๐œ— โˆ’ sin(2๐œ‹๐‘“0 ๐‘ก2 )sin๐œ—)

sostituendo si ottiene: ๐‘ฅ2 = ๐‘ฃ(

๐‘ฅ1 ๐‘ฅ12 cos(2๐œ‹๐‘“0 ๐‘ก1 )cos(2๐œ‹๐‘“0 ๐‘ก2 ) + โˆš1 โˆ’ 2 cos(2๐œ‹๐‘“0 ๐‘ก1 )sin(2๐œ‹๐‘“0 ๐‘ก2 ) ๐‘ฃ ๐‘ฃ

โˆ’ โˆš1 โˆ’

๐‘ฅ12 ๐‘ฅ1 sin(2ฯ€f0 t1 )cos(2๐œ‹๐‘“0 ๐‘ก2 ) + sin(2ฯ€f0 t1 )sin(2๐œ‹๐‘“0 ๐‘ก2 )) ๐‘ฃ2 ๐‘ฃ

= ๐‘ฅ1 cos2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 ) โˆ’ โˆš๐‘ฃ 2 โˆ’ ๐‘ฅ12 sin(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 ))

che risolta rispetto a ๏ฎ fornisce ๐‘ฃ=

โˆš๐‘ฅ12 + ๐‘ฅ22 โˆ’ 2๐‘ฅ1 ๐‘ฅ2 cos(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 )) |sin(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 ))|

supposto 2๐œ‹๐‘“ (๐‘ก2 โˆ’ ๐‘ก1 ) โ‰  ๐‘˜๏ฐ. 0 Per la soluzione ๏ ๏Š1 analogamente si ottiene

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

321

๐‘ฅฬ… 2 = ๐‘ฅ1 cos(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 )) + โˆš๐‘ฃ 2 โˆ’ ๐‘ฅ12 sin(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 ))

che risolta rispetto a ๏ฎ fornisce ๐‘ฃฬ… =

โˆš๐‘ฅ12 + ๐‘ฅฬ…22 โˆ’ 2๐‘ฅ1 ๐‘ฅฬ…2 cos(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 )) =๐‘ฃ |sin(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 ))|

Lo Jacobiano della trasformazione vale cos(2๐œ‹๐‘“0 ๐‘ก1 + ๐œ—) โˆ’๐‘ฃsin(2๐œ‹๐‘“0 ๐‘ก1 + ๐œ—) ๐ฝ=| | = โˆ’๐‘ฃsin(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 )) cos(2๐œ‹๐‘“0 ๐‘ก2 + ๐œ—) โˆ’๐‘ฃsin(2๐œ‹๐‘“0 ๐‘ก2 + ๐œ—)

quindi la densitร  di probabilitร  del secondo ordine cercata รจ data da: ๐‘๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) = =

๐‘๐‘‰ (๐‘ฃ) ๐‘๐‘‰ (๐‘ฃฬ… ) + 2๐œ‹๐‘ฃ|sin(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 ))| 2๐œ‹๐‘ฃฬ… |sin(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 ))|

๐‘๐‘‰ (๐‘ฃ) ๐œ‹|sin(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 ))|

che sostituendo alla variabile ๏ฎ la sua espressione in termini di x1 ed x2 diventa: 2

๐‘๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) =

2

1๐‘ฅ2cos(2๐œ‹๐‘“0(๐‘ก2 โˆ’๐‘ก1 )) โˆš๐‘ฅ12 + ๐‘ฅ22 โˆ’ 2๐‘ฅ1 ๐‘ฅ2 cos(2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 )) โˆ’๐‘ฅ1+๐‘ฅ2โˆ’2๐‘ฅ 2๐œŽ2 sin2 (2๐œ‹๐‘“0 (๐‘ก2โˆ’๐‘ก1 )) ๐‘’ 2 2 ๐œŽ ๐œ‹sin (2๐œ‹๐‘“0 (๐‘ก2 โˆ’ ๐‘ก1 ))

18.7 - Segnali distinti. Funzioni di probabilitร  congiunte. Siano ๐œ‰(๐‘ก) e ๐œ‚(๐‘ก) due segnali aleatori a tempo continuo, definiti sullo stesso spazio di probabilitร . Si prenda in considerazione l'evento ๐ผ๐‘ฅ๐‘ฆ il cui generico elemento รจ una coppia di manifestazioni (๐œ‰(๐‘ก), ๐œ‚(๐‘ก)) tale che ๐œ‰(๐‘ก) all'istante ๐‘ก1 , assuma un valore appartenente alla semiretta ๐ผ๐‘ฅ = (โˆ’โˆž, ๐‘ฅ] e che, all'istante ๐‘ก2 , ๐œ‚(๐‘ก) assuma un valore appartente a ๐ผ๐‘ฆ = (โˆ’โˆž, ๐‘ฆ]. Si osservi che la probabilitร  dellโ€™evento ๐ผ๐‘ฅ๐‘ฆ , oltre che da ๐‘ฅ e da ๐‘ฆ, dipende evidentemente anche dagli istanti ๐‘ก1 e ๐‘ก2 dโ€™osservazione, risulta: Pr{๐ผ๐‘ฅ๐‘ฆ } = ๐‘ƒ๐œ‰1 ๐œ‚2 (๐‘ฅ, ๐‘ฆ)

(18.7.1)

dove la funzione ๐‘ƒ๐œ‰1 ๐œ‚2 (๐‘ฅ, ๐‘ฆ) rappresenta la distribuzione di probabilitร  congiunta associata ai due segnali. Naturalmente tale distribuzione di probabilitร , indipendentemente dagli istanti di tempo considerati, soddisfa le condizioni: a)

๐‘ƒ๐œ‰1 ๐œ‚2 (โˆž, โˆž) = 1

b)

๐‘ƒ๐œ‰1 ๐œ‚2 (โˆ’โˆž, โˆ’โˆž) = 0

(18.7.2)

322

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

La corrispondente funzione di densitร  di probabilitร  congiunta ๐‘๐œ‰1 ๐œ‚2 (๐‘ฅ, ๐‘ฆ) รจ la derivata mista, eventualmente intesa in senso generalizzato, della ๐‘ƒ๐œ‰1 ๐œ‚2 (๐‘ฅ, ๐‘ฆ) e soddisfa le condizioni: โˆฌ ๐‘๐œ‰1 ๐œ‚2 (๐‘ฅ, ๐‘ฆ)๐‘‘๐‘ฅ๐‘‘๐‘ฆ = 1 โ„2

๐‘ฅ

(18.7.3)

๐‘ฆ

๐‘ƒ๐œ‰1 ๐œ‚2 (๐‘ฅ, ๐‘ฆ) = โˆซ โˆซ ๐‘๐œ‰1 ๐œ‚2 (๐œ†, ๐œ‡)๐‘‘๐œ†๐‘‘๐œ‡ โˆ’โˆž โˆ’โˆž

(18.7.4)

Introducendo le densitร  di probabilitร  condizionate la funzione ๐‘๐œ‰1 ๐œ‚2 (๐‘ฅ, ๐‘ฆ) puรฒ essere scritta come segue: a)

๐‘๐œ‰1 ๐œ‚2 (๐‘ฅ, ๐‘ฆ) = ๐‘๐œ‰1 (๐‘ฅ) โ‹… ๐‘๐œ‚2|๐œ‰1 (๐‘ฆ, ๐‘ฅ)

b)

๐‘๐œ‰1 ๐œ‚2 (๐‘ฅ, ๐‘ฆ) = ๐‘๐œ‚2 (๐‘ฆ) โ‹… ๐‘๐œ‰1 |๐œ‚2 (๐‘ฅ, ๐‘ฆ)

(18.7.5)

dove ๐‘๐œ‰1 (๐‘ฅ) e ๐‘๐œ‚2 (๐‘ฆ) denotano le densitร  di probabilitร  del primo ordine associate ai segnali ๐œ‰(๐‘ก) e ๐œ‚(๐‘ก), valutate negli istanti ๐‘ก1 e ๐‘ก2 rispettivamente. Essendo peraltro: โˆž

โˆž

โˆซ ๐‘๐œ‰1 |๐œ‚2 (๐‘ฅ, ๐‘ฆ)๐‘‘๐‘ฅ = โˆซ ๐‘๐œ‚2|๐œ‰1 (๐‘ฆ, ๐‘ฅ)๐‘‘๐‘ฆ = 1 โˆ’โˆž

โˆ’โˆž

(18.7.6)

si ottiene per integrazione delle (18.7.5) โˆž

a)

๐‘๐œ‰1 (๐‘ฅ) = โˆซ ๐‘๐œ‰1 ๐œ‚2 (๐‘ฅ, ๐‘ฆ)๐‘‘๐‘ฆ

b)

๐‘๐œ‚2 (๐‘ฆ) = โˆซ ๐‘๐œ‰1 ๐œ‚2 (๐‘ฅ, ๐‘ฆ)๐‘‘๐‘ฅ

โˆ’โˆž โˆž

(18.7.7)

โˆ’โˆž

che consentono di determinare le densitร  di probabilitร  del primo ordine associate ai segnali ๐œ‰(๐‘ก) e ๐œ‚(๐‘ก) nota che sia la loro densitร  di probabilitร  congiunta. Se risulta: ๐‘๐œ‰1 ๐œ‚2 (๐‘ฅ, ๐‘ฆ) = ๐‘๐œ‰1 (๐‘ฅ) โ‹… ๐‘๐œ‚2 (๐‘ฆ)

(18.7.8)

i segnali si dicono congiuntamente statisticamente indipendenti. Dal confronto tra le (18.7.5) e la 0(18.7.8) discende che in questo caso: a)

๐‘๐œ‰1 |๐œ‚2 (๐‘ฅ, ๐‘ฆ) = ๐‘๐œ‰1 (๐‘ฅ)

b)

๐‘๐œ‚2|๐œ‰1 (๐‘ฆ, ๐‘ฅ) = ๐‘๐œ‚2 (๐‘ฆ)

(18.7.9)

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

323

cioรจ: la probabilitร  che una manifestazione del segnale ๐œ‰(๐‘ก) (๐œ‚(๐‘ก)) as๐›ฅ๐‘ฅ suma all'istante ๐‘ก1 (๐‘ก2 ) un valore compreso nell'intervallo ]๐‘ฅ โˆ’ 2 , ๐‘ฅ + ๐›ฅ๐‘ฅ 2

] (]๐‘ฆ โˆ’

๐›ฅ๐‘ฆ 2

,๐‘ฆ +

๐›ฅ๐‘ฆ 2

]) รจ indipendente dal valore assunto dal sgnale

๐œ‚(๐‘ก) (๐œ‰(๐‘ก)) all'istante ๐‘ก2 (๐‘ก1 ). Esempio 18.5 Sia z(t) un segnale aleatorio dato da: ๐‘ง(๐‘ก) = ๐‘“(๐‘ฅ(๐‘ก), ๐‘ฆ(๐‘ก))

funzione cioรจ di due segnali ๐‘ฅ(๐‘ก) e ๐‘ฆ(๐‘ก) dei quali sia assegnata la densitร  di probabilitร  congiunta. Per determinare la densitร  di Fig.E 18.5 probabilitร  del primo ordine di ๐‘ง(๐‘ก) basta osservare che la corrispondente funzione di distribuzione di probabilitร  si ottiene dalla: ๐‘ƒ๐‘ง(๐‘ก) (๐œˆ) = Pr{๐‘ง(๐‘ก) โ‰ค ๐œˆ}

Detta allora ฮฉ๐œ la regione del piano (๐‘‚, ๐‘ฅ, ๐‘ฆ) (v. Fig.E 18.5) costituita da tutte le coppie (๐‘ฅ, ๐‘ฆ) per le quali risulti ๐‘“(๐‘ฅ, ๐‘ฆ) โ‰ค ๐œ. รˆ evidente che il valore assunto dalla ๐‘ƒ๐‘ง(๐‘ก) (โ‹…) quando il suo argomento รจ ๐œ รจ dato da: ๐‘ƒ๐‘ง(๐‘ก) (๐œˆ) = Pr{(๐‘ฅ, ๐‘ฆ) โˆˆ ฮฉ๐œˆ } = โˆฌ ๐‘๐‘ฅ(๐‘ก)๐‘ฆ(๐‘ก) (๐œ‰, ๐œ)๐‘‘๐œ‰๐‘‘๐œ ๐›บ๐œˆ

E' da notare che la regione ฮฉ๐œ potrebbe non essere semplicemente connessa come mostra la Fig. E.IV.5 Dalla ๐‘ƒ๐‘ง(๐‘ก) (๐œ) si deduce immediatamente: ๐‘๐‘ง(๐‘ก) (๐œˆ) = Fig.E 18.6

๐œ•๐‘ƒ๐‘ง(๐‘ก) (๐œˆ) ๐œ•๐œˆ

Nel caso in cui il segnale ๐‘ง(๐‘ก) รจ la somma dei segnali ๐‘ฅ(๐‘ก) e ๐‘ฆ(๐‘ก), la regione ฮฉ๐œ costituita da tutte le coppie (๐‘ฅ, ๐‘ฆ) che soddisfano la disugualianza: ๐‘ฅ+๐‘ฆ โ‰ค ๐œˆ

tale regione รจ il semipiano evidenziato in Fig. E.IV.6. Si ha pertanto:

324

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori โˆž

๐‘งโˆ’๐‘ฅ

๐‘ƒ๐‘ง(๐‘ก) (๐œˆ) = โˆซ โˆซ

โˆ’โˆž โˆ’โˆž

๐‘๐‘ฅ(๐‘ก)๐‘ฆ(๐‘ก) (๐œ‰, ๐œ)๐‘‘๐œ‰๐‘‘๐œ

quindi: โˆž

๐‘๐‘ง(๐‘ก) (๐œˆ) = โˆซ ๐‘๐‘ฅ(๐‘ก)๐‘ฆ(๐‘ก) (๐œ‰, ๐œˆ โˆ’ ๐œ‰)๐‘‘๐œ‰ โˆ’โˆž

Nellโ€™ulteriore eventualitร  in cui i segnali ๐‘ฅ(๐‘ก) e ๐‘ฆ(๐‘ก), siano statisticamente indipendenti la precedente assume la forma: โˆž

๐‘๐‘ง(๐‘ก) (๐œˆ) = โˆซ ๐‘๐‘ฅ(๐‘ก) (๐œ‰)๐‘๐‘ฆ(๐‘ก) (๐œˆ โˆ’ ๐œ‰)๐‘‘๐œ‰ โˆ’โˆž

la densitร  di probabilitร  cercata รจ quindi in questo caso data dalla convoluzione tra le densitร  di probabilitร  dei due segnali.

CAPITOLO - 19 VALORI MEDI, STAZIONARIETร€ ED ERGODICITร€ 19.1 - Medie statistiche. Sia ๐‘ (๐‘ก, ๐œ) un segnale aleatorio associato ad un esperimento casuale di cui ๐œ rappresenta il generico risultato, al quale corrisponde una densitร  di probabilitร  del primo ordine data da ๐‘๐‘ (๐‘ก) (๐‘ฅ). Per un assegnato valore di ๐‘ก รจ individuata una variabile aleatoria ๐‘  = ๐‘ (๐‘ก, ๐œ) della quale si puรฒ calcolare il valore medio, il valore quadratico medio, la varianza, o piรน in generale, la media di una qualunque funzione misurabile ๐‘ฆ = ๐‘“(๐‘ ): โˆž

ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… = โˆซ ๐‘“(๐‘ฅ)๐‘๐‘ (๐‘ก) (๐‘ฅ)๐‘‘๐‘ฅ ๐ธ{๐‘“(๐‘ )} = ๐‘“(๐‘ ) โˆ’โˆž

(19.1.1)

รˆ opportuno qui sottolineare che la media espressa dalla (19.1.1) dipende in genere dall'istante di osservazione ๐‘ก. Se ๐‘“(๐‘ ) = ๐‘  ๐‘› (con ๐‘› intero) dalla (19.1.1) si ottiene il valore medio statistico della potenza ๐‘›-esima del segnale: โˆž

๐‘š๐‘› (๐‘ก) = โˆซ ๐‘ฅ ๐‘› ๐‘๐‘ (๐‘ก) (๐‘ฅ)๐‘‘๐‘ฅ โˆ’โˆž

(19.1.2)

che costituisce il momento ๐‘› -esimo del primo ordine del segnale ๐‘ (๐‘ก). In particolare risulta: โˆž

๐‘š0 (๐‘ก) = โˆซ ๐‘๐‘ (๐‘ก) (๐‘ฅ)๐‘‘๐‘ฅ = 1 โˆ’โˆž

(19.1.3)

Per ๐‘› = 1 si ha: โˆž

๐‘š(๐‘ก) = ๐ธ{๐‘ (๐‘ก, ๐œ)} = ๐‘ ฬ… = โˆซ ๐‘ฅ๐‘๐‘ (๐‘ก) (๐‘ฅ)๐‘‘๐‘ฅ โˆ’โˆž

(19.1.4)

che prende il nome di valore medio statistico del segnale. Per ๐‘› = 2 si deduce: โˆž

๐‘š2 (๐‘ก) = ๐ธ{๐‘  2 (๐‘ก, ๐œ)} = ฬ…ฬ…ฬ… ๐‘  2 = โˆซ ๐‘ฅ 2 ๐‘๐‘ (๐‘ก) (๐‘ฅ)๐‘‘๐‘ฅ โˆ’โˆž

(19.1.5)

326

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

che rappresenta il valore quadratico medio statistico del segnale. La varianza del segnale vale evidentemente: ๐œ‡2 (๐‘ก) = ๐ธ{(๐‘ (๐‘ก, ๐œ) โˆ’ ๐‘š(๐‘ก))2 } = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… (๐‘  โˆ’ ๐‘š(๐‘ก))2 โˆž

= โˆซ (๐‘ฅ โˆ’ ๐‘š(๐‘ก))2 ๐‘๐‘ (๐‘ก) (๐‘ฅ)๐‘‘๐‘ฅ

(19.1.6)

โˆ’โˆž

Piรน in generale il suo momento centrale ๐‘› -esimo del primo ordine vale: โˆž

๐œŽ ๐‘› (๐‘ก) โ‰ก ๐œ‡๐‘› (๐‘ก) = โˆซ (๐‘ฅ โˆ’ ๐‘š(๐‘ก))๐‘› ๐‘๐‘ (๐‘ก) (๐‘ฅ)๐‘‘๐‘ฅ

(19.1.7)

๐œŽ 2 (๐‘ก) = ๐‘š2 (๐‘ก) โˆ’ ๐‘š2 (๐‘ก)

(19.1.8)

โˆ’โˆž

risulta: Nel caso in cui la generica manifestazione del segnale ๐‘ (๐‘ก, ๐’) dipenda dal valore assunto da un vettore aleatorio ๐’ a ๐‘› dimensioni, il valore medio di una qualunque funzione ๐‘“(๐‘ (๐‘ก, ๐’)) misurabile puรฒ essere calcolato anche utilizzando il teorema della: โˆž

ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… = โˆซ ๐‘“(๐‘ฅ)๐‘๐‘ (๐‘ก) (๐‘ฅ)๐‘‘๐‘ฅ = โˆซ ๐‘“(๐‘ (๐‘ก, ๐‘ง)๐‘๐’ (๐’›)๐‘‘๐’› ๐‘“(๐‘ ) โ„๐‘›

โˆ’โˆž

(19.1.9)

dove ๐‘๐’ (๐’›) denota la densitร  di probabilitร  congiunta associata al vettore aleatorio ๐’ da cui dipende il segnale. In generale dato un segnale ๐‘  = ๐‘ (๐‘ก, ๐œ) fissata ๐‘› upla ๐‘ก1 , โ€ฆ , ๐‘ก๐‘› viene individuato un vettore ๐’” di variabili aleatorie definite su di uno stesso esperimento casuale le cui componenti sono rispettivamente: ๐‘ 1 = ๐‘ (๐‘ก1 , ๐œ), โ€ฆ , ๐‘ ๐‘› = ๐‘ (๐‘ก๐‘› , ๐œ). Data una generica funzione misurabile ๐‘“(๐’”) definita in uno spazio ๐‘›-dimensionale รจ possibile definire la media statitistica di tale funzione ponendo: ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… = ๐ธ{๐‘“(๐‘ )} = โˆซ ๐‘“(๐‘ฅ)๐‘๐‘  ๐‘  โ€ฆ๐‘  (๐‘ฅ)๐‘‘๐‘ฅ ๐‘“(๐‘ ) 1 2 ๐‘› โ„๐‘›

(19.1.10)

dove ๐‘๐‘ 1๐‘ 2 โ€ฆ๐‘ ๐‘› (๐’™) indica la densitร  di probabilitร  di ordine ๐‘› del segnale. In particolare, considerando solo due istanti di tempo ๐‘ก1 , ๐‘ก2 la precedente si riduce alla: ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘“(๐‘ 1 , ๐‘ 2 ) = โˆฌ ๐‘“(๐‘ฅ1 , ๐‘ฅ2 )๐‘๐‘ 1 ๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 )๐‘‘๐‘ฅ1 ๐‘‘๐‘ฅ2 โ„2

(19.1.11)

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

327

Se in particolare ๐‘“(๐‘ 1 , ๐‘ 2 ) = ๐‘ 1๐‘ ๐‘ 2๐‘ž dalla (19.1.11) si ottiene il momento (๐‘ + ๐‘ž)-esimo del secondo ordine del segnale: ๐‘ ๐‘ž ๐‘ ๐‘ž ๐‘š๐‘๐‘ž (๐‘ก1 , ๐‘ก2 ) = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ 1 ๐‘ 2 = ๐ธ{๐‘ 1 ๐‘ 2 } ๐‘ ๐‘ž

= โˆฌ ๐‘ฅ1 ๐‘ฅ2 ๐‘๐‘ 1 ๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 )๐‘‘๐‘ฅ1 ๐‘‘๐‘ฅ2

(19.1.12)

โ„2

che in particolare per ๐‘ = ๐‘ž = 0 si riduce alla: ๐‘š00 (๐‘ก1 , ๐‘ก2 ) = โˆฌ ๐‘๐‘ 1 ๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 )๐‘‘๐‘ฅ1 ๐‘‘๐‘ฅ2 = 1 โ„2

(19.1.13)

e per ๐‘ = ๐‘ž = 1 fornisce la cosiddetta funzione di autocorrelazione ๐‘…๐‘  (๐‘ก1 , ๐‘ก2 ) del segnale: ๐‘…๐‘  (๐‘ก1 , ๐‘ก2 ) โ‰ก ๐‘š11 (๐‘ก1 , ๐‘ก2 ) = โˆฌ ๐‘ฅ1 ๐‘ฅ2 ๐‘๐‘ 1 ๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 )๐‘‘๐‘ฅ1 ๐‘‘๐‘ฅ2 โ„2

(19.1.14)

Si possono anche definire dei momenti centrali (๐‘ + ๐‘ž)-esimi del secondo ordine: ๐œ‡๐‘๐‘ž (๐‘ก1 , ๐‘ก2 ) = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… (๐‘ 1 โˆ’ ๐‘š(๐‘ก1 ))๐‘ (๐‘ 2 โˆ’ ๐‘š(๐‘ก2 ))๐‘ž โˆž

= โˆฌ โˆซ (๐‘ฅ1 โˆ’ ๐‘š(๐‘ก1 ))๐‘ (๐‘ฅ2 โˆ’

R2 โˆ’โˆž ๐‘š(๐‘ก2 ))๐‘ž ๐‘๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 )๐‘‘๐‘ฅ1 ๐‘‘๐‘ฅ2

(19.1.15)

in particolare il momento centrale ๏ญ11 prende il nome di autocovarianza e risulta: ๐œŽ๐‘  (๐‘ก1 , ๐‘ก2 ) โ‰ก ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… (๐‘ 1 โˆ’ ๐‘š(๐‘ก1 ))(๐‘ 2 โˆ’ ๐‘š(๐‘ก2 )) = ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ 1 ๐‘ 2 โˆ’ ๐‘ ฬ…1 โ‹… ๐‘š(๐‘ก2 ) โˆ’ ๐‘š(๐‘ก1 ) โ‹… ๐‘ ฬ…2 + ๐‘š(๐‘ก1 )๐‘š(๐‘ก2 ) = ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ 1 ๐‘ 2 โˆ’ ๐‘š(๐‘ก1 )๐‘š(๐‘ก2 ) = ๐‘…๐‘  (๐‘ก1 , ๐‘ก2 ) โˆ’ ๐‘ ฬ…1 โ‹… ๐‘ ฬ…2

(19.1.16)

I momenti centrali ๐œ‡20 e ๐œ‡02 individuano la varianza del segnale valutata negli istanti ๐‘ก1 e ๐‘ก2 rispettivamente: a)

๐œ‡20 (๐‘ก1 ) = ๐œŽ 2 (๐‘ก1 ) = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… (๐‘ 1 โˆ’ ๐‘š(๐‘ก1 ))2

b)

๐œ‡02 (๐‘ก2 ) = ๐œŽ 2 (๐‘ก2 ) = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… (๐‘ 2 โˆ’ ๐‘š(๐‘ก2 ))2

(19.1.17)

Anche nel caso di due segnali aleatori distinti ๐‘ฅ(๐‘ก) e ๐‘ฆ(๐‘ก), si puรฒ definire il valore medio statistico della funzione ๐‘“(๐‘ฅ1 , ๐‘ฆ2 ) mediante la: ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘“(๐‘ฅ1 , ๐‘ฆ2 ) = ๐ธ{๐‘“(๐‘ฅ1 , ๐‘ฆ2 )} = โˆฌ ๐‘“(๐œ‰, ๐œ‚)๐‘๐‘ฅ1 ๐‘ฆ2 (๐œ‰, ๐œ‚)๐‘‘๐œ‰๐‘‘๐œ‚ โ„2

(19.1.18)

328

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

essendo rispettivamente ๐‘ฅ1 e ๐‘ฆ1 le variabili aleatorie ๐‘ฅ(๐‘ก1 ) e ๐‘ฆ(๐‘ก2 ) e dove ๐‘๐‘ฅ1 ๐‘ฆ2 (๐œ‰, ๐œ‚) denota la densitร  di probabilitร  congiunta dei due segnali. Il momento incrociato (๐‘ + ๐‘ž)-esimo รจ allora definito dalla: ๐‘ ๐‘ž ๐‘ ๐‘ž ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ฅ1 ๐‘ฆ2 = ๐ธ{๐‘ฅ1 ๐‘ฆ2 } = โˆฌ ๐œ‰ ๐‘ ๐œ‚ ๐‘ž ๐‘๐‘ฅ1 ๐‘ฆ2 (๐œ‰, ๐œ‚)๐‘‘๐œ‰๐‘‘๐œ‚ โ„2

(19.1.19)

Qualora i segnali siano statisticamente indipendenti risulta evidentemente: ๐‘ ๐‘ž ๐‘ ๐‘ž ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ฅ1 ๐‘ฆ2 = ฬ…ฬ…ฬ… ๐‘ฅ1 โ‹… ฬ…ฬ…ฬ… ๐‘ฆ2

(19.1.20)

cioรจ il valore medio del binomio ๐‘ฅ1๐‘ ๐‘ฆ2๐‘ž si ottiene dal prodotto dei va๐‘ ๐‘ž lori medi delle quantitร  ๐‘ฅ1 e ๐‘ฆ2 Se si pone nella (19.1.19) ๐‘ = ๐‘ž = 1 si ha: ๐‘…๐‘ฅ๐‘ฆ (๐‘ก1 , ๐‘ก2 ) = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ฅ1 ๐‘ฆ2 = ๐ธ{๐‘ฅ1 ๐‘ฆ2 } = โˆฌ ๐œ‰๐œ‚๐‘๐‘ฅ1 ๐‘ฆ2 (๐œ‰, ๐œ‚)๐‘‘๐œ‰๐‘‘๐œ‚ โ„2

(19.1.21)

che costituisce la funzione di correlazione incrociata o di mutua correlazione associata ai due segnali. I momenti centrali (๐‘ + ๐‘ž)-esimi incrociati, sono definiti come segue: ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… (๐‘ฅ1 โˆ’ ๐‘ฅฬ…1 )๐‘ (๐‘ฆ2 โˆ’ ๐‘ฆฬ…2 )๐‘ž = ๐ธ{(๐‘ฅ1 โˆ’ ๐‘ฅฬ…1 )๐‘ (๐‘ฆ2 โˆ’ ๐‘ฆฬ…2 )๐‘ž } = โˆฌ (๐‘ฅ โˆ’ ๐‘ฅฬ…1 )๐‘ (๐‘ฆ โˆ’ ๐‘ฆฬ…2 )๐‘ž ๐‘๐‘ฅ1 ๐‘ฆ2 (๐‘ฅ, ๐‘ฆ)๐‘‘๐‘ฅ๐‘‘๐‘ฆ

(19.1.22)

โ„2

Ponendo ๐‘ = ๐‘ž = 1 si ha: ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐œŽ๐‘ฅ๐‘ฆ (๐‘ก1 , ๐‘ก2 ) โ‰ก (๐‘ฅ ฬ…2 ) 1 โˆ’ ๐‘ฅฬ…1 )(๐‘ฆ2 โˆ’ ๐‘ฆ = ๐ธ{(๐‘ฅ1 โˆ’ ๐‘ฅฬ…1 )(๐‘ฆ2 โˆ’ ๐‘ฆฬ…2 )} = โˆฌ (๐‘ฅ โˆ’ ๐‘ฅฬ…1 )(๐‘ฆ โˆ’ ๐‘ฆฬ…2 )๐‘๐‘ฅ1๐‘ฆ2 (๐‘ฅ, ๐‘ฆ)๐‘‘๐‘ฅ๐‘‘๐‘ฆ

(19.1.23)

โ„2

che รจ la covarianza mutua. Si ottiene facilmente: ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐œŽ๐‘ฅ๐‘ฆ (๐‘ก1 , ๐‘ก2 ) = (๐‘ฅ ฬ…2 ) 1 โˆ’ ๐‘ฅฬ…1 )(๐‘ฆ2 โˆ’ ๐‘ฆ ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ฅ1 โ‹… ๐‘ฆ2 โˆ’ ๐‘ฅ1 โ‹… ๐‘ฆฬ…2 โˆ’ ๐‘ฅฬ…1 โ‹… ๐‘ฆ2 + ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ฅฬ…1 โ‹… ๐‘ฆฬ…2 = ๐‘…๐‘ฅ๐‘ฆ (๐‘ก1 , ๐‘ก2 ) โˆ’ ๐‘ฅฬ…1 โ‹… ๐‘ฆฬ…2

(19.1.24)

Nel caso in cui i segnali siano statisticamente indipendenti risulta ๐‘…๐‘ฅ๐‘ฆ (๐‘ก1 , ๐‘ก2 ) = ๐‘ฅฬ…1 โ‹… ๐‘ฆฬ…2 , quindi: ๐œŽ๐‘ฅ๐‘ฆ (๐‘ก1 , ๐‘ก2 ) = 0

(19.1.25)

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

329

Esempio 19.1 Si prenda in considerazione il segnale ๐‘ (๐‘ก, ๐œ‘) = ๐‘๐‘œ๐‘ (2๐œ‹๐‘“0 ๐‘ก + ๐œ‘) analizzato nell'Esempio 18.2. Il suo valore medio risulta: โˆž

๐‘ ฬ… = โˆซ ๐‘ฅ๐‘๐‘ (๐‘ก) (๐‘ฅ)๐‘‘๐‘ฅ = โˆ’โˆž

1 1 ๐‘ฅ๐‘‘๐‘ฅ โˆซ ๐œ‹ โˆ’1 โˆš1 โˆ’ ๐‘ฅ 2

che ponendo ๐‘ฅ = ๐‘๐‘œ๐‘ ๐œƒ si scrive ๐‘ ฬ… =

1 ๐œ‹ โˆซ cos๐œƒ๐‘‘๐œƒ = 0 ๐œ‹ 0

Il suo valore quadratico medio vale: 1

โˆž 1 ๐‘ฅ 2 ๐‘‘๐‘ฅ ฬ…ฬ…ฬ…2 1 ๐œ‹ 2 1 ฬ…ฬ…ฬ… ๐‘  2 = โˆซ ๐‘ฅ 2 ๐‘๐‘ (๐‘ก) (๐‘ฅ)๐‘‘๐‘ฅ = โˆซ ๐‘  = โˆซ cos ๐œƒ๐‘‘๐œƒ = 2 ๐œ‹ ๐œ‹ 2 โˆš1 โˆ’ ๐‘ฅ โˆ’โˆž 0 โˆ’1

Agli stessi risultati รจ possibile pervenire utilizzando la (19.1.9). Si ha infatti: โˆž

๐‘ ฬ… = โˆซ ๐‘ (๐‘ก, ๐œƒ)๐‘๐œ‘ (๐œƒ)๐‘‘๐œƒ = โˆ’โˆž

1 2๐œ‹ โˆซ cos(2๐œ‹๐‘“0 ๐‘ก + ๐œƒ)๐‘‘๐œƒ = 0 2๐œ‹ 0

e โˆž 1 2๐œ‹ 2 1 ฬ…ฬ…ฬ… ๐‘  2 = โˆซ ๐‘  2 (๐‘ก, ๐œƒ)๐‘๐œ‘ (๐œƒ)๐‘‘๐œƒ = โˆซ cos (2๐œ‹๐‘“0 ๐‘ก + ๐œƒ)๐‘‘๐œƒ = 2๐œ‹ 0 2 โˆ’โˆž

19.2 - Stazionarietร . Un segnale aleatorio ๐‘ (๐‘ก) si dice stazionario in senso stretto se le sue funzioni di probabilitร , di qualsiasi ordine dipendono esclusivamente dalla posizione relativa degli istanti in cui il segnale viene osservato. Cioรจ se risulta: ๐‘๐‘ (๐‘ก1)โ€ฆ๐‘ (๐‘ก๐‘›) (๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ , ๐‘ฅ๐‘› ) = ๐‘๐‘ (๐‘ก1+๐‘‡)โ€ฆ๐‘ (๐‘ก๐‘› +๐‘‡) (๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ , ๐‘ฅ๐‘› );

(19.2.1)

โˆ€๐‘› โˆˆ โ„• โ‹€ โˆ€ T โˆˆ โ„

Se la precedente vale solo ๐‘› โ‰ค ๐‘˜, il segnale si dice stazionario all'ordine ๐‘˜. La condizione (19.2.1)comporta che la densitร  di probabilitร  di ordine ๐‘› dipenda dalle differenze ๐œ๐‘–๐‘— = ๐‘ก๐‘– โˆ’ ๐‘ก๐‘— fra gli istanti di osservazione. In particolare per ๐‘› = 2 si ha: ๐‘๐‘ (๐‘ก1)๐‘ (๐‘ก2) (๐‘ฅ1 , ๐‘ฅ2 ) = ๐‘๐‘ (๐‘กโ€ฒ1)๐‘ (๐‘กโ€ฒ2) (๐‘ฅ1 , ๐‘ฅ2 )

(19.2.2)

330

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

ogniqualvolta risulti ๐‘ก2 โˆ’ ๐‘ก1 = ๐‘กโ€ฒ2 โˆ’ ๐‘กโ€ฒ1 , mentre la densitร  di probabilitร  del primo ordine deve risultare indipendente dal tempo: ๐‘๐‘  (๐‘ฅ) = ๐‘๐‘ (๐‘ก1) (๐‘ฅ) = ๐‘๐‘ (๐‘ก2) (๐‘ฅ);

โˆ€๐‘ก1 , ๐‘ก2 โˆˆ โ„

(19.2.3)

Si noti che dal momento che la densitร  di probabilitร  di ordine ๐‘› โˆ’ 1 puรฒ essere dedotta da quella di ordine ๐‘› la stazionarietร  all'ordine ๐‘˜ comporta quella agli ordini inferiori, ma non il viceversa. Una classe importante di segnali รจ costituita dai segnali stazionari in senso lato. Un segnale si dice stazionario in senso lato se risulta: a)

ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ (๐‘ก, ๐œ) = cost

b)

ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ (๐‘ก1 , ๐œ)๐‘ (๐‘ก2 , ๐œ) = ๐‘…๐‘  (๐‘ก2 โˆ’ ๐‘ก1 )

(19.2.4)

cioรจ se il suo valore medio รจ indipendente dal tempo e se la sua l'autocorrelazione dipende solo dalla differenza fra gli istanti ๐‘ก2 e ๐‘ก1 . E' evidente che, essendo ๐‘…๐‘  (0) = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘  2 (๐‘ก) la stazionarietร  in senso lato implica che anche il valore quadratico medio non dipende da ๐‘ก. E' opportuno osservare che un segnale stazionario in senso stretto lo รจ anche in senso lato, ma non viceversa giacchรฉ, ad esempio, l'invarianza temporale del momento del secondo ordine non implica necessariamente quella della corrispondente densitร  di probabilitร . Esempio 19.2 Si prenda in esame il segnale ๐‘ (๐‘ก) definito dalla: ๐‘ (๐‘ก) = ๐ดcos๐œ”๐‘ก + ๐ตsin๐œ”๐‘ก

essendo ๐ด e ๐ต due quantitร  aleatorie tali che risulti: ฬ…๐ดฬ…ฬ…2ฬ… = ๐ต ฬ…ฬ…ฬ…2ฬ… = ๐œŽ 2 ฬ…ฬ…ฬ…ฬ… = 0 ๐ด๐ต

Il valor medio di ๐‘ (๐‘ก) vale: ฬ…ฬ…ฬ…ฬ…ฬ… = ๐ดฬ…cos๐œ”๐‘ก + ๐ตฬ…๐‘ ๐‘–๐‘›๐œ”๐‘ก ๐‘ (๐‘ก)

Per quanto riguarda la funzione di autocorrelazione, si ha: ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ (๐‘ก1 )๐‘ (๐‘ก2 ) ฬ…ฬ…ฬ…ฬ… [cos๐œ”๐‘ก1 sin๐œ”๐‘ก2 + sin๐œ”๐‘ก1 cos๐œ”๐‘ก2 ] = ฬ…๐ดฬ…ฬ…2ฬ…cos๐œ”๐‘ก1 cos๐œ”๐‘ก2 + ฬ…ฬ…ฬ… ๐ต2ฬ…sin๐œ”๐‘ก1 sin๐œ”๐‘ก2 + ๐ด๐ต

che per le ipotesi fatte, diventa: 2 2 ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ (๐‘ก 1 )๐‘ (๐‘ก2 ) = ๐œŽ [cos๐œ”๐‘ก1 cos๐œ”๐‘ก2 + sin๐œ”๐‘ก1 sin๐œ”๐‘ก2 ] = ๐œŽ cos(๐œ”(๐‘ก2 โˆ’ ๐‘ก1 ))

Un tale segnale รจ quindi stazionario in senso lato solo se risulta

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

331

๐ดฬ… = ๐ตฬ… = 0

Esempio 19.3 Si consideri il segnale ๐‘ (๐‘ก) = cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘)

in cui ๐œ‘ รจ una variabile aleatoria definita in (0,2๐œ‹) e caratterizzata dalla densitร  di probabilitร  del primo ordine ๐‘๐œ‘ (๐œƒ). Per determinare le condizioni sotto le quali ๐‘ (๐‘ก) รจ un segnale stazionario in senso stretto, si prenda in considerazione la sua funzione caratteristica di ordine ๐‘›, che individua univocamente la sua densitร  di probabilitร  di ordine ๐‘› Detto ๐’• = {๐‘ก1 , ๐‘ก2 , โ€ฆ , ๐‘ก๐‘› } un insieme di ๐‘› istanti di tempo, si ha: ๐‘› ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐น๐‘› (๐‘ข, ๐‘ก) = exp[๐‘— โˆ‘ ๐‘ข๐‘– cos(2๐œ‹๐‘“0 ๐‘ก๐‘– + ๐œ‘)] ๐‘–=1 2๐œ‹

=โˆซ

๐‘›

exp[๐‘— โˆ‘ ๐‘ข๐‘– cos(2๐œ‹๐‘“0 ๐‘ก๐‘– + ๐œƒ)]๐‘๐œ‘ (๐œƒ)๐‘‘๐œƒ ๐‘–=1

0

per ๐’•ยด = {๐‘ก1 + ๐‘‡, ๐‘ก2 + ๐‘‡, โ€ฆ , ๐‘ก๐‘› + ๐‘‡} la funzione caratteristica vale: ๐น โ€ฒ ๐‘› (๐‘ข, ๐‘ก) = โˆซ

2๐œ‹

0

=โˆซ

2๐œ‹(1+๐‘“0 ๐‘‡)

e

๐‘›

e ๐‘— โˆ‘๐‘–=1 ๐‘ข๐‘– cos(2๐œ‹๐‘“0 ๐‘ก๐‘–+๐œƒ+2๐œ‹๐‘“0 ๐‘‡) ๐‘๐œ‘ (๐œƒ)๐‘‘๐œƒ

๐‘› ๐‘— โˆ‘๐‘–=1 ๐‘ข๐‘– cos(2๐œ‹๐‘“0 ๐‘ก๐‘– +๐œƒโ€ฒ)

2๐œ‹๐‘“0 ๐‘‡

๐‘๐œ‘ (๐œƒโ€ฒ + 2๐œ‹๐‘“0 ๐‘‡)๐‘‘๐œƒ

Affinchรฉ il segnale risulti stazionario in senso stretto ๐น๐‘› (๐’–, ๐’•) = ๐นโ€ฒ๐‘› (๐’–, ๐’•โ€ฒ) in corrispondenza ad ogni indice ๐‘›, per ogni possibile scelta di ๐’• e per ogni valore di ๐‘‡. dato che la quantitร  ๐‘›

e ๐‘— โˆ‘๐‘–=1 ๐‘ข๐‘– cos(2๐œ‹๐‘“0 ๐‘ก๐‘– +๐œƒ)

indipendentemente da ๐‘› รจ periodica di periodo 2๐œ‹ in ๐œƒ si intuisce facilmente che lโ€™unica densitร  di probabilitร  ๐‘๐œ‘ (๐œƒ). che rende il segnale in questione stazionario in senso stretto รจ quella uniforme deve cioรจ essere: ๐‘๐œ‘ (๐œƒ) =

1 ๐œƒโˆ’๐œ‹ โŠ“ ( 2๐œ‹ ) 2๐œ‹

Esempio 19.4 Si consideri il seguente segnale aleatorio

332

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

cos2๐œ‹๐‘“0 ๐‘ก + sin2๐œ‹๐‘“0 ๐‘กPr = ๐‘ (๐‘ก) =

1 3 1 {โˆ’cos2๐œ‹๐‘“0 ๐‘กPr = 3

1 3

โˆ’sin2๐œ‹๐‘“0 ๐‘กPr =

Ciรฒ significa lo spazio dei risultati รจ partizionato in tre eventi E1 , E2 , E3 , equiprobabili, ai quali sono associate le tre possibili manifestazioni. Il segnale qui considerato รจ stazionario in senso lato. Infatti, il suo valor medio: 1 1 1 ฬ…ฬ…ฬ…ฬ…ฬ… = (cos2๐œ‹๐‘“0 ๐‘ก + sin2๐œ‹๐‘“0 ๐‘ก) โˆ’ sin2๐œ‹๐‘“0 ๐‘ก โˆ’ cos2๐œ‹๐‘“0 ๐‘ก = 0 ๐‘ (๐‘ก) 3 3 3

รจ nullo (quindi indipendente da ๐‘ก) e la sua funzione di autocorrelazione: ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ (๐‘ก1 )๐‘ (๐‘ก2 ) 1 1 = (cos2๐œ‹๐‘“0 ๐‘ก1 + sin2๐œ‹๐‘“0 ๐‘ก1 )(cos2๐œ‹๐‘“0 ๐‘ก2 + sin2๐œ‹๐‘“0 ๐‘ก2 ) โˆ’ sin2๐œ‹๐‘“0 ๐‘ก1 sin2๐œ‹๐‘“0 ๐‘ก2 3 3 1 1 โˆ’ cos2๐œ‹๐‘“0 ๐‘ก1 cos2๐œ‹๐‘“0 ๐‘ก2 = (cos2๐œ‹๐‘“0 ๐‘ก1 sin2๐œ‹๐‘“0 ๐‘ก2 + sin2๐œ‹๐‘“0 ๐‘ก1 cos2๐œ‹๐‘“0 ๐‘ก2 ) 3 3 1 = cos(2๐œ‹๐‘“0 (๐‘ก1 โˆ’ ๐‘ก2 )) 3

dipende soltanto dalla differenza ๐‘ก2 โˆ’ ๐‘ก1 . Il segnale perรฒ non รจ stazionario in senso stretto. Per rendersene conto, basta osservare che la densitร  di probabilitร  del primo ordine all'istante ๐‘ก = 0 vale: 1 1 1 ๐‘๐‘ (0) (๐‘ฅ) = ๐›ฟ(๐‘ฅ โˆ’ 1) + ๐›ฟ(๐‘ฅ) + ๐›ฟ(๐‘ฅ + 1) 3 3 3

e ๐‘๐‘ (

1 ) 8๐‘“0

2 1 โˆš2 (๐‘ฅ) = ๐›ฟ(๐‘ฅ + ) + ๐›ฟ(๐‘ฅ โˆ’ โˆš2) 3 2 3

quindi: ๐‘๐‘ (0) (๐‘ฅ) โ‰  ๐‘๐‘ (

1 ) 8๐‘“0

(๐‘ฅ)

19.3 - Medie temporali ed ergodicitร . Le considerazioni sin qui svolte mostrano come รจ possibile ottenere delle informazioni su un segnale aleatorio a partire dall'insieme delle sue manifestazioni note che siano le sue funzioni di probabilitร . In molti casi si hanno a disposizione alcune manifestazioni del segnale (se non una sola) dalle quale possono dedursi solo quelle in-

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

333

formazioni che si ottengono utilizzando le cosiddette medie temporali. Se ๐‘ (๐‘ก) denota la generica manifestazione di un segnale aleatorio, la quantitร  1 ๐‘‡ โˆซ ๐‘“[๐‘ (๐‘ก)]๐‘‘๐‘ก ๐‘‡โ†’โˆž 2๐‘‡ โˆ’๐‘‡

< ๐‘“[๐‘ (๐‘ก)] >= lim

(19.3.1)

se esiste, costituisce la media temporale della funzione f (s) associata alla manifestazione ๐‘ (๐‘ก) del segnale. Dalla (19.3.1) si possono in particolare dedurre il valore medio temporale: 1 ๐‘‡ โˆซ ๐‘ (๐‘ก)๐‘‘๐‘ก ๐‘‡โ†’โˆž 2๐‘‡ โˆ’๐‘‡

< ๐‘ (๐‘ก) >= lim

(19.3.2)

e il valore quadratico medio temporale: 1 ๐‘‡ 2 โˆซ ๐‘  (๐‘ก)๐‘‘๐‘ก ๐‘‡โ†’โˆž 2๐‘‡ โˆ’๐‘‡

< ๐‘  2 (๐‘ก) >= lim

(19.3.3)

che esprime la potenza media specifica associata alla manifestazione ๐‘ (๐‘ก). Piรน in generale si puรฒ definire una media temporale associata alla funzione ๐‘“[๐‘ (๐‘ก1 + ๐‘ก), ๐‘ (๐‘ก2 + ๐‘ก), โ€ฆ , ๐‘ (๐‘ก๐‘› + ๐‘ก)] < ๐‘“[๐‘ (๐‘ก1 + ๐‘ก), ๐‘ (๐‘ก2 + ๐‘ก), โ€ฆ , ๐‘ (๐‘ก๐‘› + ๐‘ก)] > 1 ๐‘‡ = lim โˆซ ๐‘“[๐‘ (๐‘ก1 + ๐‘ก), ๐‘ (๐‘ก2 + ๐‘ก), โ€ฆ , ๐‘ (๐‘ก๐‘› + ๐‘ก)]๐‘‘๐‘ก ๐‘‡โ†’โˆž 2๐‘‡ โˆ’๐‘‡

(19.3.4)

Dalla precedente in particolare discende l'espressione della funzione di autocorrelazione in media temporale (7.6.1), per segnali reali. รˆ infatti: 1 ๐‘‡ โˆซ ๐‘ (๐‘ก)๐‘ (๐‘ก + ๐œ)๐‘‘๐‘ก ๐‘‡โ†’โˆž 2๐‘‡ โˆ’๐‘‡

๐›พ๐‘  (๐œ) =< ๐‘ (๐‘ก)๐‘ (๐‘ก + ๐œ) >= lim

(19.3.5)

E' da notare che, in ogni caso, le medie temporali, fornite dalla (19.3.2)o dalla (19.3.4), definiscono altrettante variabili aleatorie, dato che esse dipendono dalla manifestazione del segnale che si prende in considerazione. รˆ quindi possibile definire un loro valore medio statistico a mezzo della:

334

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… 1 ๐‘‡ ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… < ๐‘“[๐‘ (๐‘ก)] >= lim โˆซ ๐‘“[๐‘ (๐‘ก)]๐‘‘๐‘ก ๐‘‡โ†’โˆž 2๐‘‡ โˆ’๐‘‡ 1 ๐‘‡ = lim โˆซ ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘“[๐‘ (๐‘ก)]๐‘‘๐‘ก =< ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘“[๐‘ (๐‘ก)] > ๐‘‡โ†’โˆž 2๐‘‡ โˆ’๐‘‡

(19.3.6)

In maniera analoga, partendo dalla (19.3.4) si perviene alla: ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… < ๐‘“[๐‘ (๐‘ก1 + ๐‘ก), ๐‘ (๐‘ก2 + ๐‘ก), โ€ฆ , ๐‘ (๐‘ก๐‘› + ๐‘ก)] >= < ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘“[๐‘ (๐‘ก1 + ๐‘ก), ๐‘ (๐‘ก2 + ๐‘ก), โ€ฆ , ๐‘ (๐‘ก๐‘› + ๐‘ก)] >

(19.3.7)

Le (19.3.6) e (19.3.7) stanno a significare che le operazioni di media temporale e media statistica possono essere tra loro permutate. Le medie temporali, di per sรจ, non permettono dunque di ottenere delle informazioni di natura statistica del segnale. Tuttavia esiste una particolare classe di segnali per i quali ogni proprietร  statistica puรฒ essere determinata a partire da una qualsiasi manifestazione. In altri termini, qualsiasi operazione di media effettuata nel tempo su una generica manifestazione conduce agli stessi risultati se si effettua l'operazione analoga sulla base dell'insieme delle manifestazioni. Un segnale di tale tipo si dice ergodico. In genere si รจ interessati ad un particolare caratteristica del segnale (valore medio, potenza specifica o autocorrelazione). Di conseguenza l'ergodicitร  viene formulata limitatamente alla caratteristica dโ€™interesse in quanto se un segnale aleatorio รจ ergodico rispetto a certi parametri puรฒ non esserlo per altri. In particolare un segnale si dice ergodico in media quando risulta: โˆž 1 ๐‘‡ โˆซ ๐‘ (๐‘ก)๐‘‘๐‘ก = โˆซ ๐‘ฅ๐‘๐‘ (๐‘ก) (๐‘ฅ)๐‘‘๐‘ฅ ๐‘‡โ†’โˆž 2๐‘‡ โˆ’๐‘‡ โˆ’โˆž

lim

(19.3.8)

si dice ergodico in media quadratica se: โˆž 1 ๐‘‡ 2 โˆซ ๐‘  (๐‘ก)๐‘‘๐‘ก = โˆซ ๐‘ฅ 2 ๐‘๐‘ (๐‘ก) (๐‘ฅ)๐‘‘๐‘ฅ ๐‘‡โ†’โˆž 2๐‘‡ โˆ’๐‘‡ โˆ’โˆž

lim

(19.3.9)

La condizione di ergodicitร  limitata alla funzione di autocorrelazione conduce alla: ๐›พ๐‘  (๐œ) = ๐‘…๐‘  (๐œ)

cioรจ:

(19.3.10)

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

335

1 ๐‘‡ โˆซ ๐‘ (๐‘ก)๐‘ (๐‘ก + ๐œ)๐‘‘๐‘ก = โˆฌ ๐‘ฅ๐‘ฆ๐‘๐‘ 1 ๐‘ 2 (๐‘ฅ, ๐‘ฆ)๐‘‘๐‘ฅ๐‘‘๐‘ฆ ๐‘‡โ†’โˆž 2๐‘‡ โˆ’๐‘‡ R2

(19.3.11)

lim

In questo caso si puรฒ affermare che un segnale ergodico in autocorrelazione deve presentare una media temporale ๐›พ๐‘  (๐œ) indipendente dalla manifestazione e una media statistica ๐‘…๐‘  (๐œ) dipendente solo dalla differenza ๐œ tra gli istanti di osservazione ๐‘ก2 e ๐‘ก1 . Piรน in generale, affinchรฉ la condizione di ergodicitร  sia soddisfatta, e necessario che le medie temporali non dipendano dalla particolare manifestazione sulla quale vengono calcolate, e che le medie statistiche non dipendano dallโ€™origine dei tempi, ma soltanto dalla posizione relativa tra gli istanti in cui la media statistica รจ valutata. Ciรฒ significa che una condizione necessaria per lโ€™ergodicitร  รจ la stazionarietร  in senso stretto. Per meglio comprendere il significato della condizione di ergodicitร  si prenda in considerazione la (19.3.1), l'integrale che vi compare, puรฒ essere valutato dividendo l'intervallo [โˆ’๐‘‡, ๐‘‡] in ๐‘› subintervalli contigui di uguale ampiezza e quindi passando al limite per ๐‘› โ†’ โˆž: ๐‘›

1 2๐‘‡ ๐‘– < ๐‘“(๐‘ (๐‘ก)) >= lim โˆ‘ ๐‘“ (๐‘  (โˆ’๐‘‡ + 2๐‘‡)) ๐‘›โ†’โˆž 2๐‘‡ ๐‘› ๐‘› ๐‘–=1

๐‘›

1 ๐‘– = lim โˆ‘ ๐‘“ (๐‘  (โˆ’๐‘‡ + 2๐‘‡)) ๐‘›โ†’โˆž ๐‘› ๐‘›

(19.3.12)

๐‘–=1

D'altra parte la media statistica puรฒ essere espressa in una forma analoga alla (19.3.12) mediante la: ๐‘›

1 โˆ‘ ๐‘“(๐‘ (๐‘ก, ๐œ๐‘– )) ๐‘›โ†’โˆž ๐‘›

ฬ…ฬ…ฬ…ฬ…ฬ… = lim ๐‘“[๐‘ ]

(19.3.13)

๐‘–=1

cioรจ come limite della somma dei valori assunti all'istante ๐‘ก da un insieme di ๐‘› manifestazioni del segnale divisa per ๐‘› al tendere di ๐‘› all'infinito. La condizione di ergodicitร  in media comporta l'uguaglianza dei limiti (19.3.12) e (19.3.13) quindi il poter assumere per ๐‘› sufficientemente elevato

336

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori ๐‘›

๐‘›

๐‘–=1

๐‘–=1

1 2๐‘‡ 1 โˆ‘ ๐‘“ (๐‘  (โˆ’๐‘‡ + ๐‘– )) โ‰… โˆ‘ ๐‘“(๐‘ (๐‘ก, ๐œ๐‘– )) ๐‘› ๐‘› ๐‘›

(19.3.14)

Ciรฒ significa che la somma dei valori assunti dalla funzione ๐‘“(โ‹…) in corrispondenza all'insieme dei valori assunti all'istante ๐‘ก dalle possibili manifestazioni del segnale, eguaglia la somma dei valori assunti dalla funzione valutata in corrispondenza di una qualsiasi manifestazione al variare del tempo. In altri termini i valori che assume al variare del tempo una manifestazione, si ritrovano in una qualsiasi altra, con la stessa frequenza, seppur disposti in un diverso ordine temporale. Ogni manifestazione puรฒ quindi pensarsi ottenuta โ€œrimescolandoโ€ i valori che tutte le manifestazioni assumono in un istante qualsiasi. 19.4 - Ergodicitร  delle funzioni di probabilitร  del primo ordine. L'ipotesi di ergodicitร , discussa nel precedente paragrafo, puรฒ consentire di valutare le funzioni di probabilitร  del primo ordine di un segnale aleatorio pur disponendo soltanto di una manifestazione di Fig. 19.1 - Ergodicitร  delle funzioni di esso. probabilitร  A tale scopo si consideri un segnale aleatorio ๐‘ (๐‘ก, ๐œ) e sia ๐‘ฅ un reale qualsiasi. A ๐‘ (๐‘ก, ๐œ) si associ un nuovo segnale ๐‘ค๐‘ฅ (๐‘ (๐‘ก, ๐œ)) cosรฌ definito: ๐‘ค๐‘ฅ (๐‘ (๐‘ก, ๐œ)) = u(๐‘ฅ โˆ’ ๐‘ (๐‘ก, ๐œ))

(19.4.1)

Il segnale ๐‘ค๐‘ฅ (๐‘ (๐‘ก, ๐œ)) in ogni istante individua una variabile aleatoria di tipo discreto, che puรฒ assumere solo valori appartenenti all'insieme {0,1} comโ€™รจ indicato nella Fig. 19.1. Risulta: Pr{๐‘ค๐‘ฅ (๐‘ (๐‘ก, ๐œ)) = 0} = Pr{๐‘ (๐‘ก, ๐œ) > ๐‘ฅ} Pr{๐‘ค๐‘ฅ (๐‘ (๐‘ก, ๐œ)) = 1} = Pr{๐‘ (๐‘ก, ๐œ) โ‰ค ๐‘ฅ}

Il valore medio statistico di ๐‘ค๐‘ฅ (๐‘ (๐‘ก, ๐œ)) vale:

(19.4.2)

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ค๐‘ฅ (๐‘ (๐‘ก, ๐œ)) = 1 โ‹… Pr{๐‘ (๐‘ก, ๐œ) โ‰ค ๐‘ฅ} + 0 โ‹… Pr{๐‘ (๐‘ก, ๐œ) > ๐‘ฅ} = Pr{๐‘ (๐‘ก, ๐œ) โ‰ค ๐‘ฅ} = ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ)

337

(19.4.3)

dove ๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) denota la funzione distribuzione di probabilitร  del primo ordine associata al segnale ๐‘ (๐‘ก). D'altra parte la media temporale di una data manifestazione ๐‘ค๐‘ฅ (๐‘ (๐‘ก, ๐œฬ‚)) del segnale vale: ๐‘‡

1 2 โˆซ ๐‘ค๐‘ฅ (๐‘ (๐‘ก, ๐œฬ‚))๐‘‘๐‘ก โ€‰ ๐‘‡โ†’โˆž ๐‘‡ โˆ’๐‘‡

< ๐‘ค๐‘ฅ (๐‘ (๐‘ก, ๐œฬ‚)) >= lim

2

= lim

๐‘‡ ๐‘‡ ๐œ‡[๐‘  โˆ’1 ((โˆ’โˆž, ๐‘ฅ], ๐œฬ‚) โˆฉ [โˆ’ , ]]

(19.4.4)

2 2

๐‘‡

๐‘‡โ†’โˆž

๐‘‡ ๐‘‡

Dove ๐œ‡ (๐‘  โˆ’1 ((โˆ’โˆž, ๐‘ฅ], ๐œฬ‚) โˆฉ [โˆ’ 2 , 2]) รจ la misura dell'insieme degli ๐‘‡ ๐‘‡

istanti di tempo appartenenti a [โˆ’ 2 , 2] in corrispondenza ai quali la manifestazione del segnale ๐’” non supera ๐‘ฅ (v. Fig. 19.1). Se la condizione di ergodicitร  รจ soddisfatta deve aversi indipendentemente dalla manifestazione considerata: ๐‘‡ ๐‘‡

๐‘ƒ๐‘ (๐‘ก) (๐‘ฅ) = lim

๐œ‡ (๐‘ โˆ’1 ((โˆ’โˆž, ๐‘ฅ], ๐œฬ‚ ) โˆฉ [โˆ’ 2 , 2])

๐‘‡โ†’โˆž

๐‘‡

(19.4.5)

Esempio 19.5 Si consideri ancora il segnale ๐‘ (๐‘ก, ๐œ‘) = cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘)

dove la fase ๐œ‘ รจ una variabile uniformemente distribuita in [0,2๐œ‹]. Sulla base della Fig.E 19.1 รจ facile riconoscere che un generico istante di tempo per il quale ๐‘ (๐‘ก, ๏ช)๏‚ฃ๐‘ฅ deve soddisfare la disuguaglianza: 2๐‘˜๐œ‹ + arccos๐‘ฅ โ‰ค 2๐œ‹๐‘“0 ๐‘ก + ๐œ‘ โ‰ค (2๐‘˜ + 1)๐œ‹ โˆ’ arccos๐‘ฅ

la quale, al variare dellโ€™intero ๐‘˜ e per ๐‘ฅ๏ƒŽ[๏€ญ1,1], identifica la famiglia di intervalli: ๐ผ๐‘˜ = [

2๐‘˜๐œ‹ + arccos๐‘ฅ โˆ’ ๐œ‘ (2๐‘˜ + 1)๐œ‹ โˆ’ arccos๐‘ฅ โˆ’ ๐œ‘ , ] 2๐œ‹๐‘“0 2๐œ‹๐‘“0

338

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

nei quali la ๐‘ค๐‘‹ (๐‘ (๐‘ก, ๏ช)) assume il valore 1. La misura ๏„๐‘ก๐‘‹ di ogni intervallo non dipende nรฉ dalla manifestazione nรฉ dallโ€™indice ๐‘˜ e vale ๐œ‹โˆ’2arccos๐‘ฅ 2๐œ‹๐‘“0

La ๐‘ค๐‘‹ (๐‘ (๐‘ก, ๏ช)) รจ periodica pertanto la sua media temporale coincide con quella in un periodo si ha quindi: 0;

1 arccos๐‘ฅ < ๐‘ค๐‘ฅ (๐‘ (๐‘ก, ๐œ‘)) >= {๐‘“0 ๐›ฅ๐‘ก๐‘ฅ = โˆ’ ; 2 ๐œ‹ 1;

๐‘ฅ โ‰ค โˆ’1 โˆ’1 < ๐‘ฅ < 1 ๐‘ฅ โ‰ฅ โˆ’1

Si puรฒ constatare che la media appena ottenuta coincide con la distribuzione di probabilitร  del segnale (vedi Esempio 18.2). In effetti il segnale in questione risulta ergodico seppur limitatamente alle medie del primo ordine. Infatti, data una funzione ๐œ“(โ‹…) Fig.E 19.1 integrabile alla Lebesgue in [๏€ญ1,1], risulta: 1 โˆž โˆซ ๐œ“(cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘))๐‘‘๐‘ก ๐‘‡โ†’โˆž 2๐‘‡ โˆ’โˆž

< ๐œ“(cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘)) >= lim 1 ๐‘“0

1 ๐‘“0

= ๐‘“0 โˆซ ๐œ“(cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘))๐‘‘๐‘ก = ๐‘“0 โˆซ ๐œ“(cos(2๐œ‹๐‘“0 ๐‘ก))๐‘‘๐‘ก 0

0

2๐œ‹

=

1 โˆซ ๐œ“(cos(๐œ—))๐‘‘๐œ— 2๐œ‹ 0

La corrispondente media statistica vale: โˆž

ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐œ“(cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘)) = โˆซ ๐œ“(cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ—))๐‘๐œ‘ (๐œ—)๐‘‘๐œ— โˆ’โˆž

2๐œ‹

=

1 1 2๐œ‹ โˆซ ๐œ“(cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ—))๐‘‘๐œ— = โˆซ ๐œ“(cos(๐œ—))๐‘‘๐œ— 2๐œ‹ 0 2๐œ‹ 0

Pertanto per le medie del primo ordine la condizione di ergodicitร  รจ soddisfatta poichรฉ risulta: < ๐œ“(cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘)) >= ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐œ“(cos(2๐œ‹๐‘“0 ๐‘ก + ๐œ‘)) =

1 2๐œ‹ โˆซ ๐œ“(cos(๐œ—))๐‘‘๐œ— 2๐œ‹ 0

CAPITOLO - 19 โ€“ Valori Medi, Stazionarietร  ed Ergodicitร  -

339

Il segnale in questione non รจ tuttavia ergodico come si puรฒ verificare calcolando medie di ordine superiore al primo.

CAPITOLO - 20 SEGNALI GAUSSIANI 20.1 - Variabili aleatorie congiuntamente gaussiane. Sia dato un vettore ๐‘ฟ = [๐‘‹1 , ๐‘‹2 , โ€ฆ , ๐‘‹๐‘› ]๐‘‡ di ๐‘› variabili aleatorie definite su di uno stesso esperimento casuale. Le variabili ๐‘‹1 , ๐‘‹2 , โ€ฆ , ๐‘‹๐‘› si dicono congiuntamente gaussiane se la loro densitร  di probabilitร  congiunta รจ del tipo: 1

๐‘๐‘‹ (๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ ๐‘ฅ๐‘› ) = ๐พ๐‘’ โˆ’2๐‘„(๐‘ฅ1 โˆ’๐‘š1 ,๐‘ฅ2 โˆ’๐‘š2 ,โ€ฆ,๐‘ฅ๐‘› โˆ’๐‘š๐‘› )

(20.1.1)

dove ๐‘„ รจ una forma quadratica definita positiva: ๐‘›

๐‘›

๐‘„ = โˆ‘ โˆ‘ ๐‘Ž๐‘–๐‘— (๐‘ฅ๐‘– โˆ’ ๐‘š๐‘– )(๐‘ฅ๐‘— โˆ’ ๐‘š๐‘— );

๐‘Ž๐‘–๐‘— = ๐‘Ž๐‘—๐‘–

(20.1.2)

๐‘–=1 ๐‘—=1

๐พ unโ€™opportuna costante di normalizzazione ed ๐‘š1 , ๐‘š2 , โ€ฆ ๐‘š๐‘› ๐‘› co-

stanti reali. Ponendo: ๐’™ = [๐‘ฅ1

๐‘ฅ2

โ€ฆ

๐‘ฅ๐‘› ]๐‘‡ ; ๐’Ž = [๐‘š1

๐‘š2

โ€ฆ

๐‘š๐‘› ]๐‘‡

(20.1.3)

e introducendo la matrice12: ๐›ด

โˆ’1

๐‘Ž11 ๐‘Ž21 =[ โ€ฆ ๐‘Ž๐‘›1

๐‘Ž12 ๐‘Ž22 โ€ฆ ๐‘Ž๐‘›2

โ€ฆ โ€ฆ โ€ฆ โ€ฆ

๐‘Ž1๐‘› ๐‘Ž2๐‘› โ€ฆ] ๐‘Ž๐‘›๐‘›

(20.1.4)

la densitร  di probabilitร  (20.1.1) puรฒ ulteriormente scriversi: 1

๐‘‡ ๐›ด โˆ’1 (๐’™โˆ’๐’Ž)

๐‘๐‘ฟ (๐’™) = ๐พ๐‘’ โˆ’2(๐’™โˆ’๐’Ž)

(20.1.5)

20.2 - Funzione caratteristica di variabili aleatorie congiuntamente gaussiane. La funzione caratteristica associata al vettore aleatorio ๐’€ = ๐‘ฟ โˆ’ ๐’Ž. Detta funzione per definizione vale: ๐‘‡ ๐‘ป ๐น๐’€ (๐’–) = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘’ ๐‘—๐’– ๐’€ = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘’ ๐‘—๐’– (๐‘ฟโˆ’๐’Ž)

12

(20.2.1)

Si noti che la forma quadratica รจ definita positiva quindi la matrice dei coefficienti ad essa associata รจ certamente non singolare.

342

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

dove: ๐‘ข1 ๐‘ข2 ๐’– = [โ€ฆ]; ๐‘ข๐‘›

๐‘ฅ1 โˆ’ ๐‘š1 ๐‘ฅ2 โˆ’ ๐‘š2 ๐’š=[ โ€ฆ ] ๐‘ฅ๐‘› โˆ’ ๐‘š๐‘›

(20.2.2)

Tenuto conto dell'espressione della densitร  di probabilitร  (20.1.5), la (20.2.1) si puรฒ ancora scrivere: ๐น๐’€ (๐’–)

๐‘‡ (๐’™โˆ’๐’Ž)โˆ’1(๐’™โˆ’๐’Ž)๐‘‡ ๐›ด โˆ’1 (๐’™โˆ’๐’Ž) 2

= ๐พ โˆซ ๐‘’ ๐‘—๐’– ๐‘…๐‘›

=๐พโˆซ ๐‘’

1 2

๐‘—๐’–๐‘‡ ๐’šโˆ’ ๐’š๐‘‡ ๐›ด โˆ’1 ๐’š

๐‘…๐‘›

๐‘‘๐’™ (20.2.3)

๐‘‘๐’š

Sia ๐‘‡ una matrice ortonormale che diagonalizza la matrice ๐›ด, cioรจ tale che si abbia: ๐‘‡ ๐‘‡ ๐›ด๐‘‡ = diag[๐œ†1 , ๐œ†2 , โ€ฆ , ๐œ†๐‘› ]

(20.2.4)

essendo: ๐œ†1 0 diag[๐œ†1 , ๐œ†2 , โ€ฆ , ๐œ†๐‘› ] = [ โ€ฆ 0

0 ๐œ†2 โ€ฆ 0

โ€ฆ โ€ฆ โ€ฆ โ€ฆ

0 0 ] โ€ฆ ๐œ†๐‘›

(20.2.5)

i cui elementi, come รจ noto, sono gli autovalori della matrice ๐›ด. Dalla (20.2.4) discende facilmente: ๐‘‡ ๐‘‡ ๐›ด โˆ’1 ๐‘‡ = diag [

1 1 1 , ,โ€ฆ, ] ๐œ†1 ๐œ†2 ๐œ†๐‘›

(20.2.6)

Se nell'integrale all'ultimo membro della (20.2.3) si effettua la seguente trasformazione di variabili: ๐’› = ๐‘‡ โˆ’1 ๐’š = ๐‘‡ ๐‘‡ ๐’š

(20.2.7)

cui, in virtรน della ortonormalitร  della matrice ๐‘‡, corrisponde un determinante Jacobiano di modulo unitario. Si ottiene: ๐‘‡ ๐‘‡๐’›โˆ’1๐’›๐‘‡ ๐‘‡ ๐‘‡ ๐›ด โˆ’1 ๐‘‡๐’› 2

๐น๐’€ (๐’–) = ๐พ โˆซ ๐‘’ ๐‘—๐’– ๐‘…๐‘›

๐‘‘๐’›

(20.2.8)

Ponendo inoltre: ๐’– = ๐‘ป๐’—

Tramite la (20.2.4), si ottiene ancora:

(20.2.9)

CAPITOLO - 20 โ€“ Segnali Gaussiani -

๐น๐’€ (๐‘‡๐’—) = ๐พ โˆซ ๐‘’

1 2

๐‘—๐’—๐‘‡ ๐’›โˆ’ ๐’›๐‘‡ diag(

๐‘…๐‘›

= ๐พโˆซ ๐‘’

โˆ‘๐‘› ๐‘–=1(๐‘—๐‘ฃ๐‘– ๐‘ง๐‘– โˆ’

๐‘ง2 ๐‘– ) 2๐œ†๐‘–

343

1 1 1 , ,โ€ฆ, )๐’› ๐œ†1 ๐œ†2 ๐œ†๐‘› ๐‘‘๐’›

๐‘›

โˆž

๐‘‘๐’› = ๐พ โˆ โˆซ ๐‘’ ๐‘–=1

๐‘…๐‘›

๐‘—๐‘ฃ๐‘– ๐‘ง๐‘– โˆ’

๐‘ง2 ๐‘– 2๐œ†๐‘–

โˆ’โˆž

(20.2.10) ๐‘‘๐‘ง๐‘–

Lโ€™integrale ad argomento della produttoria รจ riconducibile allโ€™integrale noto: โˆž ๐œ‹ ๐›ฝ2 2 โˆซ ๐‘’ ๐‘—ฮฒ๐‘ฅโˆ’ฮฑ๐‘ฅ ๐‘‘๐‘ฅ = โˆš ๐‘’ โˆ’4๐›ผ ๐›ผ โˆ’โˆž

(20.2.11)

Con ๐›ผ anche complesso purchรฉ con parte reale strettamente positiva. 1 ponendo ๐‘ฃ๐‘– = ฮฒ e 2๐œ† = ฮฑ in ogni fattore della produttoria nella (20.2.10), ๐‘–

otteniamo: ๐‘›

โˆž

๐น๐’€ (๐‘‡๐’—) = ๐พ โˆ โˆซ ๐‘’ ๐‘–=1

๐‘—๐‘ฃ๐‘– ๐‘ง๐‘– โˆ’

1 2 ๐‘ง 2๐œ†๐‘– ๐‘–

โˆ’โˆž

๐‘›

๐œ†๐‘– ๐‘ฃ2 ๐‘– 2

๐‘‘๐‘ง๐‘– = ๐พ โˆ โˆš2๐œ‹๐œ†๐‘– ๐‘’ โˆ’

(20.2.12)

๐‘–=1

Calcolando la produttoria all'ultimo membro della precedente si ottiene per la funzione caratteristica associata alle ๐‘› variabili aleatorie ๐’€ = ๐‘ฟ โˆ’ ๐’Ž l'espressione: ๐‘›

1 2

๐œ†๐‘– ๐‘ฃ2 ๐‘– 2

๐น๐’€ (๐’–) = ๐น๐’€ (๐‘‡๐’—) = ๐พ((2๐œ‹) |๐›ด|) โˆ ๐‘’ โˆ’ ๐‘›

=

1

๐‘›

2

๐‘–=1

๐พโˆš(2๐œ‹)๐‘› |๐›ด|๐‘’ โˆ’2 โˆ‘๐‘–=1 ๐œ†๐‘–๐‘ฃ๐‘–

1 ๐‘‡ [ ]๐’— = ๐พโˆš(2๐œ‹)๐‘› |๐›ด|๐‘’ โˆ’2๐’— diag ๐œ†1,๐œ†2,โ€ฆ,๐œ†๐‘›

(20.2.13)

1 ๐‘‡ [ ]๐‘‡ ๐‘‡ = ๐พโˆš(2๐œ‹)๐‘› |๐›ด|๐‘’ โˆ’2๐’– ๐‘‡diag ๐œ†1,๐œ†2,โ€ฆ,๐œ†๐‘› ๐’– 1 ๐‘‡ ๐›ด๐’–

= ๐พโˆš(2๐œ‹)๐‘› |๐›ด|๐‘’ โˆ’2๐’–

dalla quale imponendo la condizione di normalizzazione ๐น(๐’) = 1, si ottiene per la costante ๐พ il valore ๐พ=

1 โˆš(2๐œ‹)๐‘› |๐›ด|

(20.2.14)

che sostituito nella (20.2.13) consente finalmente di scrivere: 1 ๐‘‡ ๐›ด๐’–

๐น๐’€ (๐’–) = ๐‘’ โˆ’2๐’–

(20.2.15)

Sostituendo il valore appena ottenuto per la costante ๐พ nellโ€™espressione della densitร  di probabilitร  (20.1.5) di un vettore di variabili aleatorie congiuntamente gaussiane si ottiene:

344

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

๐‘๐‘ฟ (๐’™) =

1 โˆš(2๐œ‹)๐‘› |๐›ด|

1

๐‘‡ ๐›ด โˆ’1 (๐’™โˆ’๐’Ž)

๐‘’ โˆ’2(๐’™โˆ’๐’Ž)

(20.2.16)

che รจ univocamente determinata noti che siano la matrice ๐›ด e il vettore ๐’Ž. 20.3 - Densitร  di probabilitร  di ordine inferiore. Nota la funzione caratteristica associata ad ๐‘› variabili aleatorie รจ in generale possibile dedurre le funzioni caratteristiche relative ad un qualunque sottoinsieme di esse. A tal fine si consideri un vettore ฬ‚ ๐‘– = [๐‘ข1 , โ€ฆ ๐‘ข๐‘–โˆ’1 , 0, ๐‘ข๐‘–+1 , โ€ฆ , ๐‘ข๐‘› ], cioรฉ caratterizzato in โ„๐‘› del tipo ๐’– dall'avere la ๐‘–-esima componente pari a zero. Un vettore del tipo anzidetto puรฒ essere ottenuto da un generico vettore ๐’˜ appartenente a โ„๐‘›โˆ’1 premoltiplicando quest'ultimo per una matrice ๐‘ฏ๐‘– dโ€™ordine ๐‘› ร— (๐‘› โˆ’ 1) ottenuta inserendo nella matrice unitaria di ordine ๐‘› โˆ’ 1 una riga nulla nella ๐‘–-esima posizione. Se si valuta la funzione caratteฬ‚ ๐‘– si ottiene: ristica in corrispondenza di ๐’– ๐‘‡ ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘‡ ๐‘‡ ฬ‚ ๐‘– ) = ๐น๐‘ฟ (๐ป๐‘– ๐’˜) = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐น๐‘ฟ (๐’– ๐‘’ ๐‘—(๐ป๐‘–๐’˜) ๐’™ = ๐‘’ ๐‘—๐‘ค ๐ป๐‘– ๐’™

(20.3.1)

Si osservi che in virtรน della definizione data per la matrice ๐‘ฏ๐‘– , ๐’› = ๐ป๐‘–๐‘‡ ๐’™ = [๐‘ง1 = ๐‘ฅ1 , โ€ฆ , ๐‘ง๐‘–โˆ’1 = ๐‘ฅ๐‘–โˆ’1 , ๐‘ง๐‘– = ๐‘ฅ๐‘–+1 , โ€ฆ ๐‘ง๐‘›โˆ’1 = ๐‘ฅ๐‘› ]๐‘‡ รจ un vettore a ๐‘› โˆ’ 1 dimensioni, ottenuto eliminando la componente ๐‘–-esima di ๐’™. In modo analogo sโ€™individua il vettore di variabili aleatorie ๐’ = ๐ป๐‘–๐‘‡ ๐‘ฟ. In termini dei vettori appena definiti si ottiene: ๐‘‡ ๐‘‡ ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘‡ ๐‘‡ ๐‘‡ ฬ‚ ๐‘– ) = ๐‘’ ๐‘—๐’˜ ๐ป๐‘– ๐’™ = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐น๐‘ฟ (๐’– ๐‘’ ๐‘—๐’˜ ๐’› = โˆซ ๐‘’ ๐‘—๐’˜ ๐ป๐‘– ๐’™ ๐‘๐‘ฟ (๐’™)๐‘‘๐’™

= โˆซ ๐‘’ โ„๐‘›โˆ’1

๐‘—๐’˜๐‘‡ ๐’›

= ๐น๐’ (๐’˜)

โˆž

โ„๐‘› ๐‘‡

(โˆซ ๐‘๐‘ฟ (๐’™)๐‘‘๐‘ฅ๐‘– ) ๐‘‘๐’› = โˆซ ๐‘’ ๐‘—๐’˜ ๐’› ๐‘๐’ (๐’›)๐‘‘๐’› โˆ’โˆž

(20.3.2)

โ„๐‘›โˆ’1

che rappresenta la funzione caratteristica delle ๐‘› โˆ’ 1 variabili aleatorie ๐‘‹1 , โ€ฆ , ๐‘‹๐‘–โˆ’1 , ๐‘‹๐‘–+1 , โ€ฆ , ๐‘‹๐‘› . La (20.3.2) consente di affermare che, nota la funzione caratteristica associata a ๐‘› variabili aleatorie definite su di uno stesso esperimento casuale, รจ possibile ottenere quella associata ad un qualunque sottoinsieme di esse. Essa si ottiene ponendo, nella funzione originaria, uguali a zero le componenti del vettore ๐’– corrispondenti alle variabili che non appartengono al sottoinsieme di interesse.

CAPITOLO - 20 โ€“ Segnali Gaussiani -

345

Ponendo ๐’ = ๐ป๐‘–๐‘‡ ๐’€ nella (20.2.15), tenuto conto della (20.3.2)si ottiene: 1 ๐‘‡

1 ๐‘‡ ๐‘‡ ๐ป๐‘– ๐›ด๐ป๐‘– ๐’˜

ฬ‚ ๐‘– ) = ๐‘’ โˆ’2๐’–ฬ‚๐‘– ๐›ด๐’–ฬ‚๐‘– = ๐‘’ โˆ’2๐’˜ ๐น๐’ (๐’˜) = ๐น๐’€ (๐’–

1 ๐‘‡ ฬ‚๐‘– ๐’˜ ๐›ด

= ๐‘’ โˆ’ 2๐‘ค

(20.3.3)

dove ๐›ดฬ‚๐‘– โ‰œ ๐ป๐‘–๐‘‡ ๐›ด๐ป๐‘– รจ la matrice che si ottiene da ๐›ด cancellando la riga e la colonna ๐‘–-esima. ๐›ดฬ‚๐‘– รจ pertanto una matrice definita positiva. Ponendo nella (20.3.3) ๐‘ฝ = ๐ป๐‘–๐‘‡ ๐‘ฟ, ๐’— = ๐ป๐‘–๐‘‡ ๐’™ e ๐’Ž๐‘ฃ = ๐ป๐‘–๐‘‡ ๐’Ž, si ottiene la densitร  di probabilitร : ๐‘๐ป ๐‘‡ ๐‘ฟ (๐ป๐‘–๐‘‡ ๐’™) = ๐‘–

=

1

1

1

โˆš(2๐œ‹)๐‘›โˆ’1 |๐›ดฬ‚๐‘– |

โˆš(2๐œ‹)๐‘›โˆ’1 |๐›ดฬ‚๐‘– |

1

๐‘‡ โˆ’1 ๐‘‡ ฬ‚ ๐‘– ๐ป๐‘– (๐’™โˆ’๐’Ž) ๐›ด

๐‘‡

๐‘’ โˆ’2(๐ป๐‘– (๐’™โˆ’๐’Ž))

๐‘‡๐›ด ฬ‚ ๐‘–โˆ’1 ๐’—โˆ’๐’Ž๐’—

๐‘’ โˆ’2(๐’—โˆ’๐’Ž๐’—)

= ๐‘๐‘ฝ (๐’—)

(20.3.4)

che assicura che se la densitร  di probabilitร  congiunta di ๐‘› varaibili aleatorie รจ di tipo gaussiano, tale รจ anche la densitร  di probabilitร  di un qualunque sottoinsieme proprio di dette variabili. Inoltre la matrice ๐›ด e il vettore ๐’Ž che caratterizzano la densitร  di probabilitร  congiunta associata a detto sottoinsieme si ottengono da quelli originari rispettivamente cancellando dalla prima le righe e le colonne, e dal secondo le componenti, dโ€™indice corrispondente alle variabili che non sono contenute nel sottoinsieme di interesse. 20.4 - Caratterizzazione degli elementi del vettore ๐’Ž e della matrice ๐œฎ. La conoscenza della funzione caratteristica del vettore ๐’€ definito nel - ยง 20.2 - consente di calcolare i momenti di qualsiasi ordine (vedi CAPITOLO - 19) ed in particolare anche il valore medio di una qualunque componente di detto vettore. Risulta infatti: ๐‘‡

๐‘—๐’– ๐’™ ๐‘‘๐’™ ๐œ•๐น๐‘‹ (๐’–) ๐œ• โˆซโ„๐‘› ๐‘๐‘ฟ (๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ , ๐‘ฅ๐‘› )๐‘’ = ๐œ•๐‘ข๐‘– ๐œ•๐‘ข๐‘– ๐‘‡

= โˆซ ๐‘—๐‘ฅ๐‘– ๐‘๐‘‹ (๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ , ๐‘ฅ๐‘› )๐‘’ ๐‘—๐’– ๐’™ ๐‘‘๐’™

(20.4.1)

โ„๐‘›

che valutata in ๐’– = ๐’ fornisce: ๐œ•๐น๐‘‹ (๐’–) | = โˆซ ๐‘—๐‘ฅ๐‘– ๐‘๐‘ฟ (๐‘ฅ1 , ๐‘ฅ2 , โ€ฆ , ๐‘ฅ๐‘› )๐‘‘๐’™ = ๐‘—๐‘‹ฬ…๐‘– ๐œ•๐‘ข๐‘– ๐’–=๐’ โ„๐‘›

(20.4.2)

Nel caso di variabili aleatorie congiuntamente gaussiane si ottiene:

346

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori ๐‘›

1 ๐‘‡ ๐œ•๐น(๐’–) ฬ…๐‘– = โˆ’๐‘— ๐‘Œ | = ๐‘— (๐‘’ โˆ’2๐’– ๐›ด๐’– โˆ‘ ๐œŽ๐‘–๐‘˜ ๐‘ข๐‘˜ )| ๐œ•๐‘ข๐‘– ๐’–=๐’

๐‘˜=1

=0

(20.4.3)

๐’–=๐’

dove ๐œŽ๐‘–๐‘˜ indica il generico elemento della matrice ๐›ด. Ricordando che ๐’€ = ๐‘ฟ โˆ’ ๐’Ž dalla precedente si deduce facilmente che le componenti del vettore ๐’Ž sono i valori medi delle corrispondenti componenti di ๐‘ฟ. Al fine di caratterizzare gli elementi della matrice ๐›ด si osservi che in generale risulta: โˆ’

๐œ• 2 ๐น๐‘ฟ (๐’–) | = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘‹๐‘– ๐‘‹๐‘— ๐œ•๐‘ข๐‘– ๐œ•๐‘ข๐‘— ๐’–=๐’

(20.4.4)

quindi: ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘Œ๐‘– ๐‘Œ๐‘— = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… (๐‘‹๐‘– โˆ’ ๐‘š๐‘– )(๐‘‹๐‘— โˆ’ ๐‘š๐‘— ) = โˆ’ = โˆ’๐‘’

1 2

โˆ’ ๐‘ข๐‘‡ ๐›ด๐‘ข

๐‘›

๐‘›

๐œ• 2 ๐น๐‘Œ (๐‘ข) | ๐œ•๐‘ข๐‘– ๐œ•๐‘ข๐‘— ๐’–=๐’ 1 ๐‘‡ ๐›ด๐‘ข

โˆ‘ ๐œŽ๐‘—๐‘˜ ๐‘ข๐‘˜ โˆ‘ ๐œŽ๐‘–๐‘˜ ๐‘ข๐‘˜ โˆ’ ๐‘’ โˆ’2๐‘ข ๐‘˜=1

๐‘˜=1

๐œŽ๐‘–๐‘— |

= ๐œŽ๐‘–๐‘—

(20.4.5)

๐’–=๐’

La precedente mostra che il generico elemento ๐œŽ๐‘–๐‘— della matrice ๐›ด รจ la covarianza delle variabili aleatorie ๐‘‹๐‘– ed ๐‘‹๐‘— . La matrice ๐›ด viene pertanto detta matrice di covarianza. Gli elementi che giacciono sulla diagonale della matrice di covarianza rappresentano le varianze delle variabili aleatorie cui ๐›ด รจ associata. 20.5 - Segnali gaussiani. Un segnale aleatorio ๐‘ (๐‘ก, ๐œ) si dice normale o gaussiano se la sua densitร  di probabilitร  di qualunque ordine ๐‘›, indipendentemente dalla scelta della ๐‘› -upla dโ€™istanti ๐’• = [๐‘ก1 , ๐‘ก2 , โ€ฆ , ๐‘ก๐‘› ], รจ di tipo gaussiano, cioรฉ se risulta: ๐‘๐‘ (๐‘ก1),โ€ฆ,๐‘ (๐‘ก๐‘› ) (๐‘ฅ) =

1 โˆš(2๐œ‹)๐‘› |๐›ด|

1

๐‘‡

)) ๐›ด โˆ’1 (๐’™โˆ’๐’Ž(๐’•))

๐‘’ โˆ’2(๐’™โˆ’๐’Ž(๐’•

;

โˆ€๐‘› โˆˆ โ„•โ‹€ โˆ€ ๐’• โˆˆ โ„๐‘›

(20.5.1)

ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘‡ รจ un vettore la cui ๐‘– -esima dove ๐’Ž(๐’•) = [๐‘ (๐‘ก 1 ), ๐‘ (๐‘ก2 ), โ€ฆ , ๐‘ (๐‘ก๐‘› )] componente รจ il valore medio del segnale valutato nell'istante ๐‘ก๐‘– , e il generico elemento della matrice ๐›ด ๐œŽ๐‘–๐‘— = ๐œŽ(๐‘ก๐‘– , ๐‘ก๐‘— ) = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… (๐‘ (๐‘ก๐‘– ) โˆ’ ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ (๐‘ก๐‘– ))(๐‘ (๐‘ก๐‘— ) โˆ’ ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ (๐‘ก๐‘— ))

(20.5.2)

CAPITOLO - 20 โ€“ Segnali Gaussiani -

347

esprime la covarianza delle variabili aleatorie individuate dal segnale agli istanti ๐‘ก๐‘– e ๐‘ก๐‘— . Ci si rende facilmente conto del fatto che un segnale gaussiano stazionario in senso lato lo รจ anche in senso stretto. Infatti, se il segnale รจ stazionario in senso lato, gli elementi della sua matrice di covarianza, a qualunque ordine, dipendono soltanto dalle differenze tra gli istanti di tempo ๐‘ก๐‘– e ๐‘ก๐‘— . Inoltre il valore medio del segnale รฉ indipendente dal tempo, quindi tale รจ anche il vettore ๐’Ž che compare nella sua densitร  di probabilitร . Esempio 20.1 Si determini la densitร  di probabilitร  del terzo ordine di un segnale gaussiano a media nulla valutata negli istanti ๐‘ก1 = 0, ๐‘ก2 = ๐‘‡ e ๐‘ก3 = 2๐‘‡. sapendo la sua funzione di autocovarianza vale: ๐œŽ(๐œ) = exp (โˆ’

|๐œ| ) ๐‘‡

Lโ€™elemento generico della matrice di autocovarianza vale: ๐œŽ๐‘–๐‘— = exp(โˆ’

|๐‘ก๐‘– โˆ’ ๐‘ก๐‘— | ) ๐‘‡

pertanto la matrice di covarianza valutata negli istanti di interesse risulta: 1 ๐›ด = [๐‘’ โˆ’1 ๐‘’ โˆ’2

๐‘’ โˆ’1 1 ๐‘’ โˆ’1

๐‘’ โˆ’2 ๐‘’ โˆ’1 ] 1

la cui inversa vale: ๐›ด โˆ’1 =

1 1 [โˆ’๐‘’ โˆ’1 โˆ’2 1โˆ’๐‘’ 0

โˆ’๐‘’ โˆ’1 1 + ๐‘’ โˆ’2 โˆ’๐‘’ โˆ’1

0 โˆ’๐‘’ โˆ’1 ] 1

La forma quadratica che definisce la ๐‘๐‘ (0)๐‘ (๐‘‡)๐‘ (2๐‘‡) (๐‘ฅ1, ๐‘ฅ2, ๐‘ฅ3) รจ: ๐‘„(๐‘ฅ1 , ๐‘ฅ2 , ๐‘ฅ3 ) =

1 [๐‘ฅ 2 + (1 + ๐‘’ โˆ’2 )๐‘ฅ22 + ๐‘ฅ32 โˆ’ 2๐‘’ โˆ’1 ๐‘ฅ1 ๐‘ฅ2 โˆ’ 2๐‘’ โˆ’1 ๐‘ฅ2 ๐‘ฅ3 ] 1 โˆ’ ๐‘’ โˆ’2 1

Essendo inoltre: |๐›ด| = (1 โˆ’ ๐‘’ โˆ’2 )2

la densitร  di probabilitร  cercata si scrive quindi: ๐‘๐‘ (0)๐‘ (๐‘‡)๐‘ (2๐‘‡) (๐‘ฅ1 , ๐‘ฅ2 , ๐‘ฅ3 ) =

1 3

(2๐œ‹)2 (1 โˆ’ ๐‘’ โˆ’2 )

๐‘’

โˆ’

20.6 - Distribuzioni singolari. Sia data la funzione definita in โ„๐‘› :

โˆ’2 2 2 โˆ’1 โˆ’1 ๐‘ฅ2 1 +(1+๐‘’ )๐‘ฅ2 +๐‘ฅ3 โˆ’2๐‘’ ๐‘ฅ1๐‘ฅ2โˆ’2๐‘’ ๐‘ฅ2 ๐‘ฅ3 2(1โˆ’๐‘’โˆ’2 )

348

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori 1 ๐‘‡ ๐›ด๐’–

๐น(๐’–) = ๐‘’ โˆ’2๐’–

(20.6.1)

dove ๐›ด รจ una matrice semidefinita positiva. La (20.6.1), se la matrice ๐›ด รจ definita positiva, si puรฒ interpretare come la funzione caratteristica associata ad un opportuno vettore costituito da ๐‘› variabili aleatorie congiuntamente gaussiane a media nulla. Si vuole indagare su come interpretare la (20.6.1) qualora la matrice ๐›ด sia semidefinita positiva senza essere definita positiva. Cioรจ quando si verifichi il caso che la suddetta matrice presenti degli autovalori nulli. In particolare si vuole stabilire se alla (20.6.1) possa ancora attribuirsi il significato di funzione caratteristica associata ad un opportuno vettore ๐‘‹ di variabili aleatorie e, in caso affermativo, quale sia la densitร  di probabilitร  congiunta di dette variabili. A tal fine si proceda ad antitrasformare la (20.6.1) sulla base della (16.4.12): ๐‘“(๐’™) =

1 ๐‘‡ 1 ๐‘‡ โˆซ ๐‘’ โˆ’2๐’– ๐›ด๐’– ๐‘’ โˆ’๐‘—๐’– ๐’™ ๐‘‘๐’– ๐‘› (2๐œ‹) โ„๐‘›

(20.6.2)

Sia ๐‘‡ una opportuna matrice ortonormale (certamente esistente) che diagonalizza la matrice ๐›ด e che, inoltre, faccia si che gli autovalori non nulli della ๐›ด cadano nelle prime ๐‘Ÿ righe della matrice diagonalizzata, cioรจ ๐‘‡ sia tale che risulti ๐œ†1 0 โ€ฆ โ€ฆ โ€ฆ โ€ฆ โ€ฆ โ€ฆ โ€ฆ 0 0 ๐œ†2 โ€ฆ โ€ฆ โ€ฆ โ€ฆ โ€ฆ โ€ฆ โ€ฆ 0 โ€ฆโ€ฆโ€ฆโ€ฆโ€ฆโ€ฆโ€ฆโ€ฆโ€ฆโ€ฆ ๐‘‡ ๐‘‡ ๐›ด๐‘‡ = ๐›ฌ = 0 โ€ฆ โ€ฆ โ€ฆ โ€ฆ ๐œ†๐‘Ÿ 0 โ€ฆ โ€ฆ 0 0 โ€ฆ โ€ฆ โ€ฆ โ€ฆ . . .0. . . . .0 โ€ฆ โ€ฆโ€ฆโ€ฆโ€ฆโ€ฆโ€ฆโ€ฆโ€ฆโ€ฆ [0 โ€ฆ โ€ฆ . โ€ฆ . . . . . . . . . . . . . .0]

(20.6.3)

dove ๐œ†๐‘– รจ il generico autovalore non nullo della ๐›ด. Operando al secondo membro della (20.6.2) la trasformazione di variabili ๐’— = ๐‘‡ ๐‘‡ ๐’– si ottiene: ๐‘“(๐‘ฅ) =

1 1 โˆ’ ๐’—๐‘‡ ๐›ฌ๐’— โˆ’๐‘—๐’—๐‘‡ ๐‘‡ ๐‘‡ ๐’™ 2 โˆซ ๐‘’ ๐‘’ ๐‘‘๐’— (2๐œ‹)๐‘› โ„๐‘›

(20.6.4)

Si osservi che ๐’—๐‘‡ ๐›ฌ๐’—, in virtรน della particolare composizione della matrice ๐›ฌ, dipende solo dalle prime ๐‘Ÿ componenti del vettore ๐’—. Mediante le posizioni:

CAPITOLO - 20 โ€“ Segnali Gaussiani -

๐‘ฃ1 [โ‹ฎ] ๐’—๐‘Ÿ ๐‘ฃ ๐›ฌ ๐’— = [๐’— ] = ๐‘ฃ ๐‘Ÿ ; ๐›ฌ = [ ๐‘Ÿ ๐‘Ÿ+1 ๐‘›โˆ’๐‘Ÿ 0 [ โ‹ฎ ] [ ๐‘ฃ๐‘› ]

0 ] ; ๐‘‡ = [๐‘‡๐‘Ÿ 0

349

๐‘‡๐‘›โˆ’๐‘Ÿ ]

(20.6.5)

l'integrale (20.6.4) puรฒ essere espresso come prodotto di due integrali. Piรน precisamente si puรฒ scrivere: 1 1 โˆ’ ๐‘ฃ ๐‘‡ ๐›ฌ๐’— โˆ’๐‘—๐’—๐‘‡ ๐‘‡ ๐‘‡ ๐’™ 2 โˆซ ๐‘’ ๐‘’ ๐‘‘๐’— (2๐œ‹)๐‘› โ„๐‘› 1 ๐‘‡ 1 ๐‘‡ ๐‘‡ =( โˆซ ๐‘’ โˆ’2๐’—๐‘Ÿ ๐›ฌ๐‘Ÿ ๐’— ๐‘’ โˆ’๐‘—๐’—๐‘Ÿ ๐‘‡๐‘Ÿ ๐’™ ๐‘‘๐’—๐‘Ÿ ) ๐‘Ÿ (2๐œ‹) โ„๐‘Ÿ 1 ๐‘‡ ๐‘‡ โ‹…( โˆซ ๐‘’ โˆ’๐‘—๐‘ฃ๐‘›โˆ’๐‘Ÿ ๐‘‡๐‘›โˆ’๐‘Ÿ ๐’™ ๐‘‘๐’—๐‘›โˆ’๐‘Ÿ ) ๐‘›โˆ’๐‘Ÿ (2๐œ‹) โ„๐‘›โˆ’๐‘Ÿ

(20.6.6)

da cui facilmente si ottiene: ๐‘“(๐’™) =

1 โˆš(2๐œ‹)๐‘Ÿ |๐›ฌ๐‘Ÿ |

๐‘’

1 2

๐‘‡ โˆ’ ๐‘ฅ ๐‘‡ ๐‘‡๐‘Ÿ ๐›ฌโˆ’1 ๐‘Ÿ ๐‘‡๐‘Ÿ ๐’™

๐‘›โˆ’๐‘Ÿ ๐‘‡ โˆ ๐›ฟ((๐‘‡๐‘›โˆ’๐‘Ÿ ๐’™)๐‘˜ )

(20.6.7)

๐‘˜=1

๐‘‡ ๐‘‡ dove (๐‘‡๐‘›โˆ’๐‘Ÿ ๐’™)๐‘˜ indica la ๐‘˜-esima componente del vettore ๐‘‡๐‘›โˆ’๐‘Ÿ ๐’™. ๐‘“(๐’™) รจ non negativa e rispetta la condizione di normalizzazione, in quanto la (20.6.1) vale uno per ๐’– = ๐’, quindi la precedente implica che รจ leggitimo porre:

๐‘“(๐’™) = ๐‘๐‘ฟ (๐’™)

(20.6.8)

cioรจ che รจ possibile interpretare ๐‘“(๐’™) come la funzione di densitร  di probabilitร  congiunta ๐‘๐‘ฟ (๐’™) associata a un opportuno ๐‘›-vettore ๐‘ฟ di variabili aleatorie. Eโ€™ interessante rilevare che la presenza delle delta nella (20.6.7) porta a concludere che la ๐‘๐‘ฟ (๐’™) รจ nulla ovunque, fatta eccezione che in corrispondenza alle soluzioni del sistema lineare di equazioni: ๐‘‡ ๐‘‡๐‘›โˆ’๐‘Ÿ ๐’™=๐’

(20.6.9)

In altri termini, quanto detto significa che il vettore ๐‘ฟ appartiene con probabilitร  1 al sottospazio di โ„๐‘› implicitamente definito dalle (20.6.9). Detto sottospazio, in virtรน dell'ortogonalitร  della matrice ๐‘‡, ha certamente dimensione ๐‘Ÿ. Inoltre ci si rende facilmente conto del fatto che se il vettore ๐‘ฟ viene riferito a una qualsiasi base di detto

350

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

sottospazio le variabili aleatorie componenti di ๐‘ฟ rispetto a detta base sarebbero congiuntamente gaussiane. Esempio 20.2 Si determini la densitร  di probabilitร  del terzo ordine di un segnale gaussiano a media nulla e la cui funzione di autocovarianza รจ: ๐œ ๐œŽ(๐œ) = cos (2๐œ‹ ) ๐‘‡

valutata negli istanti ๐‘ก1 = 0, ๐‘ก2 = ๐‘‡/4 e ๐‘ก3 = ๐‘‡/2. La matrice di covarianza vale: 1 0 ๐›ด=[ 0 1 โˆ’1 0

โˆ’1 0] 1

Essa รจ singolare ed ha rango 2. Per determinare la varietร  lineare sulla quale la ps

1s2s3

( x 1 , x 2 ,x 3 ) ri-

sulta diversa da zero occorre individuare una matrice ๐‘‡ che diagonalizza la ๏“. Detta matrice ha per righe gli autoversori di ๏“. Lโ€™equazione che fornisce gli autovalori come รจ noto รจ: |๐›ด โˆ’ ๐œ†๐ผ| โ‰ก ๐œ†(๐œ† โˆ’ 1)(๐œ† โˆ’ 2) = 0

le cui soluzioni sono: ๐œ†1 = 0,

๐œ†2 = 1,

๐œ†3 = 2;

I corrispondenti autovettori normalizzati sono: ๐’†1 =

1 1 [0 ] , โˆš2 1

0 ๐’†2 = [1] , 0

๐’†3 =

1 [0] โˆš2 โˆ’1 1

scegliendo come matrice T: โˆ’ ๐‘‡=

1

0

โˆš2 0 1

1

โˆš2 1 0 1 0 โˆš2]

[ โˆš2

Risulta: 2 ๐‘‡ ๐‘‡ ๐›ด๐‘‡ = [0 0

La varietร  lineare su cui la ps allora definita dalla:

1s2s3

0 0 1 0] 0 0

( x 1 , x 2 ,x 3 ) risulta diversa da zero รจ

CAPITOLO - 20 โ€“ Segnali Gaussiani -

1 ๐‘‡ ๐‘‡๐‘›โˆ’๐‘Ÿ ๐’™ = ๐’;

351

๐‘‡

โˆš2 0 ๐’™ = ๐’; ๐’™1 + ๐’™3 = ๐’ 1 [โˆš2]

nel caso in esame la matrice Tr รจ data dalle prime due colonne di T, 1 ๐›ฌโˆ’1 ๐‘Ÿ = [2 0

0] 1

si ha: 1 0 4 ๐‘‡ ๐’™ = ๐’™๐‘‡ ๐‘ฅ ๐‘‡ ๐‘‡๐‘Ÿ ๐›ฌโˆ’1 ๐‘‡ 0 1 ๐‘Ÿ ๐‘Ÿ 1 [โˆ’ 4 0 =

la ps

1s2s3

1 4 ๐‘ฅ12 ๐‘ฅ1 ๐‘ฅ3 ๐‘ฅ32 + ๐‘ฅ22 โˆ’ + 0 ๐’™= 4 2 4 1 ] 4

โˆ’

(๐‘ฅ1 + ๐‘ฅ3 )2 + ๐‘ฅ22 4

quindi in base alla (20.6.7) รจ data da:

๐‘๐‘ 1๐‘ 2๐‘ 3 (๐‘ฅ) =

1 [(๐‘ฅ1โˆ’๐‘ฅ3)2+๐‘ฅ22] 1 (๐‘ฅ2 +๐‘ฅ2 ) ๐‘’ 4 ๐›ฟ(๐‘ฅ1 + ๐‘ฅ3 ) = ๐‘’ 1 2 ๐›ฟ(๐‘ฅ1 + ๐‘ฅ3 ) 4๐œ‹ 4๐œ‹

20.7 - Densitร  di probabilitร  del secondo ordine e condizionali. Nel caso di un vettore aleatorio ๐‘ฟ gaussiano bidimensionale denotando con

๐œŽ12

๐œŽ11 = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… (๐‘‹1 โˆ’ ๐‘š1 )2 = ๐œŽ12 ; ๐œŽ22 = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… (๐‘‹2 โˆ’ ๐‘š2 )2 = ๐œŽ22 ; = ๐œŽ21 = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… (๐‘‹1 โˆ’ ๐‘š1 )(๐‘‹2 โˆ’ ๐‘š2 )

(20.7.1)

gli elementi della matrice di covarianza, si puo scrivere: ๐›ด โˆ’1 =

๐œŽ12 ๐œŽ22

1 ๐œŽ2 [ 2 โˆ’ ๐œŽ12 ๐œŽ21 โˆ’๐œŽ21

โˆ’๐œŽ12 ] ๐œŽ12

(20.7.2)

Di conseguenza la densitร  di probabilitร  vale: ๐‘๐‘ฟ (๐’™) =

๐‘’

2 ๐œŽ2 (๐‘ฅ โˆ’๐‘š1 )2 โˆ’(๐œŽ12+๐œŽ21 )(๐‘ฅ1โˆ’๐‘š1 )(๐‘ฅ2 โˆ’๐‘š2 )+๐œŽ2 1 (๐‘ฅ2 โˆ’๐‘š2 ) โˆ’ 2 1 2 2 2(๐œŽ1 ๐œŽ2 โˆ’๐œŽ12 ๐œŽ21 )

2๐œ‹โˆš๐œŽ12 ๐œŽ22 โˆ’ ๐œŽ12 ๐œŽ21

(20.7.3)

Di norma la precedente si esprime in termini del coefficiente di correlazione:

352

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

๐œŒ=

๐œŽ12 ๐œŽ21 = ๐œŽ1 ๐œŽ2 ๐œŽ1 ๐œŽ2

(20.7.4)

che, in virtรน della definitezza positiva della ๐›ด, soddisfa la limitazione |๐œŒ| โ‰ค 1. Risulta allora: ๐‘๐‘ 1 ๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) =

๐‘’

1 (๐‘ฅ โˆ’๐‘š )2 2๐œŒ (๐‘ฅ โˆ’๐‘š )2 [ 1 21 โˆ’ (๐‘ฅ โˆ’๐‘š1 )(๐‘ฅ2 โˆ’๐‘š2 )+ 2 2 2 ] ๐œŽ1 ๐œŽ2 1 2(1โˆ’๐œŒ2 ) ๐œŽ1 ๐œŽ2

โˆ’

2๐œ‹๐œŽ1 ๐œŽ2 โˆš1 โˆ’

(20.7.5)

๐œŒ2

Nel piano (๐‘ฅ1 , ๐‘ฅ2 ) i luoghi a ๐‘๐‘ 1๐‘ 2 = cost sono rappresentati da una famiglia dโ€™ellissi (|๐œŒ| โ‰ค 1) concentriche di centro (๐‘š1 , ๐‘š2 ) di equazioni: (๐‘ฅ1 โˆ’ ๐‘š1 )2 2๐œŒ (๐‘ฅ2 โˆ’ ๐‘š2 )2 โˆ’ (๐‘ฅ1 โˆ’ ๐‘š1 )(๐‘ฅ2 โˆ’ ๐‘š2 ) + 2 ๐œŽ1 ๐œŽ2 ๐œŽ1 ๐œŽ22 = cost

(20.7.6)

Le densitร  di probabilitร  marginali ๐‘๐‘ 1 (๐‘ฅ1 ) e ๐‘๐‘ 2 (๐‘ฅ2 ) valgono rispettivamente: ๐‘๐‘ 1 (๐‘ฅ1 ) = ๐‘๐‘ 2 (๐‘ฅ2 ) =

1 โˆš2๐œ‹๐œŽ12 1 โˆš2๐œ‹๐œŽ22

๐‘’

(๐‘ฅ โˆ’๐‘š )2 โˆ’ 1 21

๐‘’

2๐œŽ1

(๐‘  โˆ’๐‘š ) โˆ’ 2 22 2๐œŽ2

;

2

(20.7.7)

;

come si deduce facilmente applicando le regole di marginalizzazione dedotte precedentemente in questo Capitolo รˆ interessante notare che se ๐œŒ = 0, la matrice di covarianza รจ diagonale, in questo caso evidentemente risulta: ๐‘๐‘ 1๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) = ๐‘๐‘ 1 (๐‘ฅ1 )๐‘๐‘ 2 (๐‘ฅ2 )

(20.7.8)

Ciรฒ significa che se risulta ๐œŒ(๐‘ก1 , ๐‘ก2 ) = 0, le variabili aleatorie ๐‘ 1 = ๐‘ (๐‘ก1 ) e ๐‘ 2 = ๐‘ (๐‘ก2 ), estratte da un segnale gaussiano, sono statisticamente indipendenti. Dalle relazioni: ๐‘๐‘ 1 ๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) = ๐‘๐‘ 1 (๐‘ฅ1 )๐‘๐‘ 2|๐‘ 2 (๐‘ฅ2 , ๐‘ฅ1 ) = ๐‘๐‘ 2 (๐‘ฅ2 )๐‘๐‘ 1 |๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 )

si possono dedurre le densitร  di probabilitร  condizionate:

(20.7.9)

CAPITOLO - 20 โ€“ Segnali Gaussiani -

353

1

๐‘๐‘ 1 |๐‘ 2 (๐‘ฅ1 , ๐‘ฅ2 ) =

๐‘’

๐œŒ๐œŽ โˆ’ 2 [๐‘ฅ1 โˆ’๐‘š1 โˆ’ 1 (๐‘ฅ2 โˆ’๐‘š2 )]2 ๐œŽ2 2๐œŽ1 (1โˆ’๐œŒ2 )

๐œŽ1 โˆš2๐œ‹(1 โˆ’ ๐œŒ2 )

(20.7.10)

e ๐‘๐‘ 2 |๐‘ 1 (๐‘ฅ2 , ๐‘ฅ1 ) =

๐‘’

โˆ’

1 ๐œŒ๐œŽ2 2 2 [๐‘ฅ2 โˆ’๐‘š2 โˆ’ ๐œŽ1 (๐‘ฅ1 โˆ’๐‘š1 )] 2๐œŽ2 2 (1โˆ’๐œŒ )

๐œŽ2 โˆš2๐œ‹(1 โˆ’ ๐œŒ2 )

(20.7.11)

che come si riconosce facilmente, sono due gaussiane rispettivamen๐œŒ๐œŽ ๐œŒ๐œŽ te caratterizzate dai valori medi ๐‘š1 + ๐œŽ 1 (๐‘ 2 โˆ’ ๐‘š2 ), ๐‘š2 + ๐œŽ 2 (๐‘ 1 โˆ’ 2

๐‘š1 ) e dalle varianze ๐œŽ12 (1 โˆ’ ๐œŒ2 ), ๐œŽ22 (1 โˆ’ ๐œŒ2 ).

1

20.8 - Trasformazioni lineari di segnali gaussiani. Sia ๐‘ฟ = [๐‘‹1

๐‘‹2

โ€ฆ

๐‘‹๐‘› ]๐‘‡

(20.8.1)

un vettore le cui componenti siano variabili aleatorie gaussiane, tali cioรจ che la loro densitร  di probabilitร  congiunta sia espressa da una relazione del tipo della (20.2.16). Se si applica al vettore ๐‘ฟ una trasformazione lineare del tipo: ๐’€ = ๐‘‡๐‘ฟ

(20.8.2)

essendo ๐‘‡ una matrice ๐‘š ร— ๐‘› รจ facile riconoscere che anche il vettore aleatorio ๐’€ cosรฌ ottenuto ha componenti congiuntamente gaussiane. Infatti detta ๐น๐’€ (๐’–) la funzione caratteristica del vettore ๐’€ รจ ๐‘‡ ๐‘‡ ๐‘‡ ๐‘‡ ๐น๐’€ (๐’–) = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘’ ๐‘—๐’– ๐’š = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘’ ๐‘—๐’– ๐‘‡๐’™ = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘’ ๐‘—(๐‘‡ ๐’–) ๐’™ = ๐น๐‘ฟ (๐‘‡ ๐‘‡ ๐’–)

(20.8.3)

Ricordando la (20.2.15) si verifica facilmente che la funzione caratteristica associata ad un vettore di variabili gaussiane vale: 1 ๐‘‡ ๐‘‡ ๐‘‡ ๐‘‡ ๐‘‡ ๐น๐‘ฟ (๐’–) = ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘’ ๐‘—๐’– ๐‘ฟ = ๐‘’ ๐‘—๐’– ๐’Ž๐‘ฟ ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘’ ๐‘—๐’– (๐‘ฟโˆ’๐’Ž๐‘ฟ) = ๐‘’ ๐‘—๐’– ๐’Ž๐‘ฟ โˆ’2๐’– ๐›ด๐‘ฟ๐’–

(20.8.4)

avendo denotato con ๐’Ž๐‘ฟ il vettore dei valori medi: ฬ…ฬ…ฬ…1 ๐’Ž๐‘ฟ = [๐‘‹

ฬ…ฬ…ฬ… ๐‘‹2

โ€ฆ

ฬ…๐‘‹ฬ…ฬ…๐‘›ฬ…]๐‘‡

(20.8.5)

e con ๐›ด๐‘ฟ la matrice di covarianza. Tenendo conto delle (20.8.2) e (20.8.4) la (20.8.3) diviene: ๐‘‡ ๐‘‡๐’Ž โˆ’1๐’–๐‘‡ (๐‘ป๐›ด ๐‘‡ ๐‘‡ )๐’– ๐‘ฟ 2 ๐‘ฟ

๐น๐’€ (๐’–) = ๐น๐‘ฟ (๐‘‡ ๐‘‡ ๐’–) = ๐‘’ ๐‘—๐’–

(20.8.6)

354

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

che confrontata con la (20.8.4) consente di concludere che il vettore ๐’€ ha componenti congiuntamente gaussiane caratterizzate da un vettore di valori medi ๐’Ž๐’€ e da una matrice di autocovarianza ๐›ด๐’€ dati rispettivamente dalle: a)

๐’Ž๐’€ = ๐‘‡๐’Ž๐‘ฟ

b)

๐›ด๐’€ = ๐‘‡๐›ด๐‘ฟ ๐‘‡ ๐‘‡

(20.8.7)

Le considerazioni sin qui svolte possono essere estese al caso di segnali aleatori legati da trasformazioni lineari del tipo: โˆž

๐‘ฆ(๐‘ก, ๐œ) = โˆซ โ„Ž(๐‘ก, ๐œ)๐‘ฅ(๐œ, ๐œ)๐‘‘๐œ โˆ’โˆž

(20.8.8)

dove โ„Ž(๐‘ก, ๐œ) denota la risposta della trasformazione ad una delta di Dirac centrata allโ€™istante ๐œ. La (20.8.8) si potrebbe anche interpretare come una distribuzione definita su un opportuno spazio di funzioni di prova cui devono appartenere le manifestazioni del segnale ๐‘ฅ(๐œ, ๐œ). Anche in questo caso si puรฒ dimostrare che, se ๐‘ฅ(๐œ, ๐œ) รจ un processo gaussiano, tale รจ anche ๐‘ฆ(๐‘ก, ๐œ). Limitandosi a fornirne una giustificazione intuitiva , si consideri il caso in cui โ„Ž(๐‘ก, ๐œ) rappresenta una funzione regolare. Suddividendo il dominio dโ€™integrazione nella (20.8.8) in intervalli disgiunti di ampiezza ๐›ฅ, l'integrale puรฒ essere calcolato mediante la: ๐‘

๐‘ฆ(๐‘ก, ๐œ) = lim ๐›ฅ โˆ‘ โ„Ž(๐‘ก, ๐‘–๐›ฅ)๐‘ฅ(๐‘–๐›ฅ, ๐œ) ๐‘โ†’โˆž ๐›ฅโ†’0

(20.8.9)

๐‘–=โˆ’๐‘

Valutando la precedente in ๐‘ก = ๐‘—๐›ฅ si ottiene: ๐‘

๐‘ฆ(๐‘—๐›ฅ, ๐œ) = lim ๐›ฅ โˆ‘ โ„Ž(๐‘—๐›ฅ, ๐‘–๐›ฅ)๐‘ฅ(๐‘–๐›ฅ, ๐œ) ๐‘โ†’โˆž ๐›ฅโ†’0

(20.8.10)

๐‘–=โˆ’๐‘

L'argomento del limite puรฒ essere interpretato, per fissati ๐‘ e ๐‘

๐›ฅ, come la componente ๐‘—-esima ๐‘ฆฬ‚๐‘— = โˆ‘๐‘–=โˆ’๐‘ โ„Ž(๐‘—๐›ฅ, ๐‘–๐›ฅ)๐‘ฅ(๐‘–๐›ฅ, ๐œ) di un

vettore aleatorio ottenuto dal prodotto tra una matrice ๐‘‡ il cui generico elemento รจ โ„Ž(๐‘—๐›ฅ, ๐‘–๐›ฅ) e un 2๐‘ + 1 vettore aleatorio gaussiano la cui ๐‘–-esima componente vale ๐‘ฅ(๐‘–๐›ฅ, ๐œ). ๐‘ฆฬ‚๐‘— รจ pertanto, indipendente-

CAPITOLO - 20 โ€“ Segnali Gaussiani -

355

mente dai valori di ๐‘ e ๐›ฅ, una variabile aleatoria gaussiana e tale resta passando al limite per ๐‘ โ†’ โˆž e ๐›ฅ โ†’ 0. Essendo ๐‘ฆ(๐‘ก, ๐œ) gaussiano, la sua densitร  di probabilitร  a qualunque ordine dipende soltanto dal valor medio e dalla funzione di autocovarianza. Dalla (20.8.8), prendendo il valore medio statistico di ambo i membri, si ha: โˆž

โˆž

โˆ’โˆž

โˆ’โˆž

ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘š๐‘ฆ (๐‘ก) = ๐‘ฆ(๐‘ก, ๐œ) = โˆซ โ„Ž(๐‘ก, ๐œ)๐‘ฅ(๐œ, ๐œ)๐‘‘๐œ = โˆซ โ„Ž(๐‘ก, ๐œ)๐‘š๐‘ฅ (๐œ)๐‘‘๐œ

(20.8.11)

dove con ๐‘š๐‘ฅ (๐‘ก) si รจ indicato il valore medio del segnale ๐‘ฅ(๐‘ก, ๐œ). La funzione di covarianza vale: ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐œŽ๐‘ฆ (๐‘ก1 , ๐‘ก2 ) = (๐‘ฆ(๐‘ก 1 , ๐œ) โˆ’ ๐‘š๐‘ฆ (๐‘ก1 ))(๐‘ฆ(๐‘ก2 , ๐œ) โˆ’ ๐‘š๐‘ฆ (๐‘ก2 )) โˆž

โˆž

= ๐ธ {โˆซ ๐œ‘(๐‘ก1 , ๐œ1 )(๐‘ฅ(๐œ1 , ๐œ) โˆ’ ๐‘š๐‘ฅ (๐œ1 ))๐‘‘๐œ1 โˆซ โ„Ž(๐‘ก2 , ๐œ2 )(๐‘ฅ(๐œ2 , ๐œ) โˆ’โˆž

โˆ’โˆž

โˆ’ ๐‘š๐‘ฅ (๐œ2 ))๐‘‘๐œ2 } โˆž

โˆž

= โˆซ โˆซ ๐ธ{[๐‘ฅ(๐œ1 , ๐œ) โˆ’ ๐‘š๐‘ฅ (๐œ1 )][๐‘ฅ(๐œ2 , ๐œ)

(20.8.12)

โˆ’โˆž โˆ’โˆž

โˆ’ ๐‘š๐‘ฅ (๐œ2 )]}โ„Ž(๐‘ก1 , ๐œ1 )๐œ‘(๐‘ก2 , ๐œ2 )๐‘‘๐œ1 ๐‘‘๐œ2 โˆž

โˆž

= โˆซ โˆซ ๐œŽ๐‘ฅ (๐œ1 , ๐œ2 )โ„Ž(๐‘ก1 , ๐œ1 )โ„Ž(๐‘ก2 , ๐œ2 )๐‘‘๐œ1 ๐‘‘๐œ2 โˆ’โˆž โˆ’โˆž

avendo denotato con ๐œŽ๐‘ฅ (๐‘ก1 , ๐‘ก2 ) la funzione di autocovarianza di ๐‘ฅ(๐‘ก, ๐œ). Esempio 20.3 Si determini la densitร  di probabilitร  del secondo ordine del segnale ๐‘ฆ(๐‘ก, ๐œ) =

1 ๐‘ก+๐‘‡ โˆซ ๐‘ฅ(๐œ, ๐œ)๐‘‘๐œ ๐‘‡ ๐‘ก

valutata negli istanti t 1 =0 e t 2 = T essendo x( t ,๏บ ) un segnale gaussiano, stazionario, a valor medio nullo e funzione dโ€™autocorrelazione t 1 =0 R X ( ๏ด) =๏ค( ๏ด) Se la media di x( t,๏บ ) รจ nulla lo รจ anche quella di y( t,๏บ ) . La funzione dโ€™autocorrelazione di y( t,๏บ ) vale 1 ๐‘…๐‘ฆ (๐‘ก1 , ๐‘ก2 ) = 2 โˆซ ๐‘‡

๐‘ก1 +๐‘‡

๐‘ก1

โˆซ

๐‘ก2 +๐‘‡

๐‘ก2

๐›ฟ(๐œ2 โˆ’ ๐œ1 )๐‘‘๐œ1 ๐‘‘๐œ2

1 ๐‘ก1+๐‘‡ ๐œ1 โˆ’ ๐‘ก2 1 = 2โˆซ โŠ“ ( โˆ’ ) ๐‘‘๐œ1 ๐‘‡ ๐‘ก1 ๐‘‡ 2

356

Lezioni di Teoria dei Segnali - Analisi dei Segnali Aleatori -

essendo, come รจ facile verificare: ๐›ฝ ๐‘ฅ 1 1; ๐‘ฅ โˆˆ [๐›ผ, ๐›ฝ] โˆซ ๐›ฟ(๐‘ฅ โˆ’ ๐‘ฅ0 )๐‘‘๐‘ฅ = { = โŠ“๐›ฝโˆ’๐›ผ ( โˆ’ ) 0; ๐‘ฅ โˆ‰ [๐›ผ, ๐›ฝ] ๐›ฝ โˆ’ ๐›ผ 2 ๐›ผ

Si ha pertanto, ponendo ๏ด๏€ฝ t 2 ๏€ญ t 1 : ๐‘‡

1 2 +๐œ ๐œ— 1 |๐œ| ๐œ ๐œŽ๐‘ฆ (๐œ) = ๐‘…๐‘ฆ (๐œ) = 2 โˆซ โŠ“ ( ) ๐‘‘๐œ— = (1 โˆ’ ) โŠ“ ( ) ๐‘‡ ๐‘‡โˆ’๐œ ๐‘‡ ๐‘‡ ๐‘‡ ๐‘‡ 2

La matrice di covarianza negli istanti dโ€™interesse vale: 1 ๐‘‡ ๐›ด=[ 0

0 1 ๐‘‡

]

la densitร  di probabilitร  richiesta vale quindi: ๐‘๐‘ฆ(0),๐‘ฆ(๐‘‡) (๐œ†, ๐œˆ) =

๐‘‡ โˆ’๐‘‡(๐œ†2+๐œˆ2) 2 ๐‘’ 2๐œ‹

20.9 - Statistica della somma di variabili aleatorie indipendenti. Sia {๐‘‹๐‘› } una sequenza di variabili aleatorie statisticamente indipendenti. Si assuma per semplicitร  che la generica variabile ๐‘‹๐‘– della sequenza abbia valor medio nullo e si indichi la sua varianza con ๐œŽ๐‘–2 . Ci si propone di determinare la densitร  di probabilitร  della variabile aleatoria ๐‘Š definita come segue: ๐‘› ๐‘‹ โˆ‘๐‘›๐‘–=1 ๐‘‹๐‘– ๐‘– = lim โˆ‘ = lim ๐‘Š๐‘› ๐‘›โ†’โˆž ๐‘›โ†’โˆž ๐‘›โ†’โˆž ๐›ค๐‘› ๐‘–=1 ๐›ค๐‘›

๐‘Š = lim

(20.9.1)

dove: ๐‘›

๐›ค๐‘› = โˆšโˆ‘

๐‘–=1

๐œŽ๐‘–2

(20.9.2)

sotto l'ipotesi che risulti: ๐›น๐‘› =0 ๐‘›โ†’โˆž ๐›ค๐‘› lim

(20.9.3)

dove 3

๐‘›

๐›น๐‘› = โˆšโˆ‘ ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… |๐‘‹๐‘–3 | ๐‘–=1

(20.9.4)

CAPITOLO - 20 โ€“ Segnali Gaussiani -

357

Sia ๐น๐‘– (๐‘ข) la funzione caratteristica della variabile aleatoria ๐‘‹๐‘– la funzione caratteristica ๐น๐‘Š๐‘› (๐‘ข) della variabile aleatoria ๐‘Š๐‘› , definita dalla (20.9.1), in virtรน della supposta statistica indipendenza delle ๐‘‹๐‘– , vale: ๐‘›

๐‘›

๐‘–=1

๐‘–=1

๐‘ข ๐‘ข ๐น๐‘Š๐‘› (๐‘ข) = โˆ ๐น๐‘– ( ) โ‡’ log[๐น๐‘Š๐‘› (๐‘ข)] = โˆ‘ log (๐น๐‘– ( )) ๐›ค๐‘› ๐›ค๐‘›

(20.9.5)

Dโ€™altra parte puรฒ scriversi: ๐‘ข ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ข ๐‘— ๐‘‹ ๐น๐‘– ( ) = ๐‘’ ๐›ค๐‘› ๐‘– ๐›ค๐‘› 3 ๐‘ข 3 ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐œ‰ ๐‘ข ๐‘‹๐‘–2 ๐‘ข 2 ๐‘— ๐‘‹ ๐‘‹๐‘– = 1 + ๐‘—๐‘‹๐‘– โˆ’ ( ) โˆ’ ๐‘—๐‘’ ๐›ค๐‘› ๐‘– ( ) ๐›ค๐‘› 2 ๐›ค๐‘› 6 ๐›ค๐‘› ๐œ‰ ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘— ๐‘‹ ๐œŽ๐‘–2 ๐‘ข2 โˆ’๐‘—๐‘’ ๐›ค๐‘› ๐‘– ๐‘‹๐‘–3 ๐‘ข3 =1โˆ’ + 2๐›ค๐‘›2 6๐›ค๐‘›3

(20.9.6)

dove ๐œ‰ รจ un opportuno reale che dipende da ๐‘ข e da ๐‘‹๐‘– . ๐‘ข

Si consideri adesso il logaritmo naturale della ๐น๐‘– (๐›ค ): ๐‘›

ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘ข ๐œŽ๐‘–2 ๐‘ข2 โˆ’๐‘—๐‘’ ๐‘‹๐‘–3 ๐‘ข3 log (๐น๐‘– ( )) = log (1 โˆ’ + ) ๐›ค๐‘› 2๐›ค๐‘›2 6๐›ค๐‘›3 ๐œ‰ ๐‘— ๐‘‹๐‘– ๐›ค๐‘›

(20.9.7)

= log[1 + ๐‘ง]

avendo posto: ๐œ‰ ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ…ฬ… ๐‘— ๐‘‹ ๐œŽ๐‘–2 ๐‘ข2 โˆ’๐‘—๐‘’ ๐›ค๐‘› ๐‘– ๐‘‹๐‘–3 ๐‘ข3 ๐‘ง=โˆ’ + 2๐›ค๐‘›2 6๐›ค๐‘›3

(20.9.8)

In virtรน della (20.9.3) si puรฒ affermare che esiste ๐œˆ tale che: ๐‘›>๐œˆโ‡’

๐›น๐‘›
View more...

Comments

Copyright ©2017 KUPDF Inc.
SUPPORT KUPDF