Professional Documents
Culture Documents
Si parla, allora, di
• funzioni continue nei valori e tempo-continue;
• funzioni discrete nei valori e tempo-continue;
• funzioni continue nei valori e tempo-discrete;
• funzioni discrete nei valori e tempo-discrete.
Premessa (2)
∞
x(t ) = A0 + ∑ An cos(nω0 t − φ n )
SVILUPPO IN SERIE
DI FOURIER DI SOLI
n =1 COSENI
a0
dove c0 = A0 = e 2c n = An e − jφn = a n − jbn
2
x(t + T0 ) = x(t )
∞ ∞ 2
1
∫−∞ f (t )dt = 2 n∑
2
cn
= −∞
Funzioni aperiodiche tempo-continue.
Trasformata di Fourier (1)
Sia x(t) una funzione aperiodica, reale, definita su tutto l’asse t. Si
definisce trasformata di Fourier di x(t) la funzione:
+∞
X (ω ) = ℑ{x(t )} = ∫ x(t )e
− jω t
dt (5)
−∞
dove X (ω ) = X (ω ) e j arg X (ω )
Funzioni aperiodiche tempo-continue.
Trasformata di Fourier (3)
Posto V(ω )
B
X (ω )
V (ω ) = , ϕ (ω ) = − argX (ω )
π
+∞
x(t ) = ∫ V (ω )cos(ωt − ϕ (ω ))dω (8)
0
0 ω1 ω2 ω
Funzioni aperiodiche tempo-continue.
Trasformata di Fourier (4)
0 ω0
ω ω
B B
Principali proprietà della
trasformata di Fourier (1)
. −∞
Principali proprietà della
trasformata di Fourier (3)
Queste ultime due proprietà possono essere riassunte dicendo che ad
una convoluzione nel dominio dei tempi corrisponde un prodotto nel
dominio delle frequenze e viceversa.
∫ x(t )
2
E= dt = ∫ π
dω
−∞ 0
G (ω ) = G (ω ) e − jβ (ω )
dove
β (ω ) = − arg G (ω )
x(t) y(t)
G(ω )
x(t)=Acos(ῶt),
y(t)=A|G(ῶ)|cos(ῶt-β(ῶ)).
Sistemi lineari e trasformata di Fourier (2)
Quindi se è nota G(ω) possiamo determinare la risposta del sistema a
qualunque ingresso sinusoidale, ma anche a qualunque ingresso
dotato di trasformata secondo Fourier; infatti la trasformata di Fourier
permette di esprimere un segnale come somma di infinite sinusoidi di
ampiezza infinitesima: +∞
x(t ) = ∫ V (ω ) cos(ωt − ϕ (ω ))dω
0
Y (ω ) = X (ω ) G (ω ) e − j (ϕ (ω )+ β (ω )) = X (ω ) e j arg X (ω ) G (ω ) e j arg G (ω ) = X (ω )G (ω )
Segnali tempo discreti. Trasformata di
Fourier di serie temporali (1)
Consideriamo una serie temporale x[n], i cui elementi si succedono sull’asse dei
tempi con intervallo Tc, e possono essere sia continui che discreti nei valori.
Questa serie temporale può rappresentare un segnale che ha già origine in tale
forma oppure può rappresentare un segnale ottenuto mediante campionamento di
un segnale tempo continuo x(t) con intervallo di campionamento Tc:
x[n] = x(nTc).
La trasformata di Fourier Xs(ω) della serie temporale è definita mediante la
relazione: +∞
X s (ω ) = ∑ x[n]e − jnωTc (9)
n =−∞
Si noti l’analogia tra la formula per il calcolo della trasformata di Fourier di una
funzione tempo continua (Eq. 5) e la formula per il calcolo della trasformata di
Fourier di una funzione tempo discreta. L’integrale nell’Eq. 5 è stato sostituito da
una sommatoria, e il tempo continuo t all’esponente è stato sostituito dagli istanti
discreti n Tc.
Segnali tempo discreti. Trasformata di
Fourier di serie temporali (2)
È importante sottolineare che la funzione Xs(ω) è definita per ogni valore di ω, cioè
è una funzione continua di ω. Tuttavia è immediato verificare che è periodica con
periodo ωc = 2π/Tc, ovvero X s (ω + ω c ) = X s (ω ) . Infatti:
+∞ +∞ +∞ +∞
X s (ω + ω c ) = ∑ x[n]e − jn(ω +ωc )Tc = ∑ x[n]e − jnωTc e − jnωcTc = ∑ x[n]e − jnωTc e − jn2π = ∑ x[n]e − jnωTc = X s (ω )
n= −∞ n= −∞ n= −∞ n = −∞
essendo e − jn 2π c = 1 .
La formula di antitrasformazione è:
π
Tc
Tc
x[n] = ∫ X s (ω )e
jnωTc
dω , n = ... - 1,0,1... (10)
2π π
−
Tc
Segnali tempo discreti. Trasformata di
Fourier di serie temporali (3)
Consideriamo il caso in cui la serie temporale x[n] sia stata ottenuta per
campionamento di un segnale tempo continuo x(t) con intervallo di campionamento
Tc.
Sia X(ω) la trasformata di Fourier del segnale tempo continuo x(t), e Xs(ω) la
trasformata di Fourier della serie temporale x[n] ottenuta per campionamento di
x(t). Ci chiediamo che relazione esiste tra la trasformata X(ω) del segnale originale
tempo continuo e la trasformata Xs(ω) del segnale campionato. Si può dimostrare
che esiste la seguente relazione:
+∞
1
X s (ω ) = ∑ X (ω + kωc ) (11)
Tc k =−∞
2π
dove ωc = ,
Tc
Tc = periodo di campionamento.
Segnali tempo discreti. Trasformata di
Fourier di serie temporali (4)
L’eq. 11 afferma che la serie dei campioni ha trasformata Xs(ω) che si ottiene
replicando infinite volte la trasformata del segnale originale, essendo ciascuna
replica centrata su una pulsazione multipla della pulsazione di campionamento ωc
= 2π/Tc.
|X(ω)|
-ωm ωm ω
|Xs (ω)|
|X(ω+2ωc)| |X(ω-2ωc)|
ωc/2
-ωc/2 ωc/2
-ωc 0 ωc ω
2π
ωk = k
NTc
Trasformata di Fourier discreta (3)
X[k] k=0,1,!N-1
Si noti l’analogia tra l’eq. (9) per il calcolo della trasformata di Fourier Xs(ω)
(continua in ω) di una serie temporale, e l’eq. 12 per il calcolo della trasformata
discreta di Fourier: la sommatoria anziché infinita è estesa ad un numero finito di
termini, e la sinusoide complessa è calcolata solo in corrispondenza alle pulsazioni
ωk.
La formula di antitrasformazione è: 2π
1 N −1 jk n
x[n ] = ∑ X [k ] ⋅ e N , n = 0,1,....N - 1 (13)
Nk =0
La distanza tra due righe dello spettro calcolato mediante la trasformata discreta di
Fourier è: 2π
∆ω = ,
NTc
1 F
ovvero in corrispondenza alle frequenze fk = k= ck , k=0,1,!N-1.
NTc N
Matlab, tuttavia, non è in grado di calcolare tali frequenze in quanto non conosce la
frequenza di campionamento del segnale. Quindi l’utente deve definire il vettore
delle frequenze a cui devono essere posizionate le righe dello spettro:
>> Fc=….; % frequenza di campionamento
>> F=[0:1/N:N-1/N]*Fc;
A questo punto posso graficare lo spettro a righe:
>> plot(F,S), xlabel(‘freq (Hz)’), ylabel(‘spettro’)
spettro
Con questo istruzione si ottiene
uno spettro bilaterale
del tipo riportato in figura:
spettro