Functia sinc (sinc(x) = sin(x)/x)

0.8

0.6
Amplitudine

0.4

0.2

-0.2

-0.4
-20 -15 -10 -5 0 5 10 15 20
Timp (sec)

Functia sinc

Functia pondere FTJ (w0 = 10) Functia pondere FTJ deplasata(w0 = 10, theta = 1)
3.5 3.5

3 3

2.5 2.5

2 2
Amplitudine
Amplitudine

1.5 1.5

1 1

0.5 0.5

0 0

-0.5 -0.5

-1 -1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Timp (sec) Timp (sec)

Curs 1, pag. 4

Nucleu Dirichlet
20

15

10
Amplitudine

-5
-1.5 -1 -0.5 0 0.5 1 1.5
pulsatie
 uk
u(t)
x
x x
x x

0 1 2 3 4 k

Interpolarea liniară

u(t) ye(t) ( ] ye(t)

( ]
u(t) ( ]
( ] u(t) ye(t)
( ] ( ]

( ]
( ]
t
0 T 2T (k-1)T kT (k+1)T

Interpolarea cu funcția treaptă

ye (t) = u(kT) , t  (kT, ( k + 1) T]

 Demonstrații pentru proprietăți/teoreme ale Transformării Z (indicații)

b) Translaţia la dreapta:
Dacă uk  u ( z ) este o pereche şi
1) dacă uk = 0, k  0 atunci
uk − q  z − q u ( z ) (7)
2) dacă uk  0, k   atunci vom avea

−1  −1 
uk − q  z − q u ( z ) +  u k z − q − k = z − q  u ( z ) +  u k z − k  (8)
−q  −q 
Indicație:
∞ ∞ ∞

𝑍{𝑢𝑘−𝑞 } = ∑ 𝑢𝑘−𝑞 𝑧 −𝑘 = ∑ 𝑢𝑙 𝑧 −(𝑙+𝑞) = 𝑧 −𝑞 ∑ 𝑢𝑙 𝑧 −𝑙 =

𝑘=0 𝑙=−𝑞 𝑙=−𝑞
Notație: 𝑘 − 𝑞 = 𝑙

∞ −1 −1

= 𝑧 −𝑞 [∑ 𝑢𝑙 𝑧 −𝑙 + ∑ 𝑢𝑙 𝑧 −𝑙 ] = 𝑧 −𝑞 [𝑢̃(𝑧) + ∑ 𝑢𝑙 𝑧 −𝑙 ]
𝑙=0 𝑙=−𝑞 𝑙=−𝑞

c) Translaţia la stânga:
Dacă uk  u ( z ) atunci

 q −1

uk + q  z  u ( z ) −  uk z − k 
q
(9)
 0 
Indicație: Similar punctul b)

d) Înmulţirea cu variabila temporală discretă:

Dacă uk  u ( z ) atunci
 d
u(z) ,
kuk  − z
dz
2
(10)
d 2 d
k uk  z u ( z ) + z
2
u(z)
dz dz 2
Indicație: Se pornește de la membrul drept și se calculează
∞ ∞ ∞
𝑑 𝑑 𝑑
𝑢̃(𝑧) = ∑ 𝑢𝑘 𝑧 −𝑘 = ∑ 𝑢𝑘 (𝑧 −𝑘 ) = ∑ 𝑢𝑘 (−𝑘𝑧 −𝑘−1 ) =
𝑑𝑧 𝑑𝑧 𝑑𝑧
𝑘=0 𝑘=0 𝑘=0

= −𝑧 −1 ∑ 𝑘𝑢𝑘 𝑧 −𝑘 = −𝑧 −1 𝑍{𝑘𝑢𝑘 }
𝑘=0
De unde rezultă prima relație din (10). Similar pentru relația a doua, se pornește de
la derivata a doua....

e) Înmulţirea cu exponenţiala discretă (scalarea variabilei complexe):

Dacă uk  u ( z ) atunci

a k uk  u ( z a ) (11)

pentru orice a  0 , real sau complex.

Indicație:
∞ ∞

𝑍{𝑎𝑘 𝑢𝑘 } = ∑ 𝑢𝑘 𝑎𝑘 𝑧 −𝑘 = ∑ 𝑢𝑘 (𝑎−1 𝑧)−𝑘 = 𝑢̃(𝑧⁄𝑎)

𝑘=0 𝑘=𝑜

f) Înmulţirea cu funcţiile trigonometrice discrete (modulaţia de amplitudine):

Dacă uk  u ( z ) atunci pentru orice   0

1
( cos k ) uk 
2  u ( e j
z ) + u ( e − j
z ) 
(12)
( sin  k ) uk  j u ( e j z ) − u ( e − j z )
1
2
Indicație: Se pornește de la relațiile:
𝑒 𝑗𝑥 + 𝑒 −𝑗𝑥
cos 𝑥 =
2
 𝑒 𝑗𝑥 − 𝑒 −𝑗𝑥
sin 𝑥 =
2𝑗
Observație:
𝑒 𝑗𝑥 = cos 𝑥 + 𝑗 sin 𝑥
𝑒 −𝑗𝑥 = cos 𝑥 − 𝑗 sin 𝑥

i) Teorema valorii iniţiale:

Dacă uk  u ( z ) atunci

uo = lim u ( z )
z →

u1 = lim  zu ( z ) − zu0 
z →
(15)

 q q

uq = lim  z u ( z ) −  z k uq −i 
z →
 i =1 

Indicație: Se pornește de la definiția lui 𝑢̃(𝑧)

∞

𝑢̃(𝑧) = ∑ 𝑢𝑘 𝑧 −𝑘 = 𝑢0 + 𝑢1 𝑧 −1 + 𝑢2 𝑧 −2 + ⋯
𝑘=0
Relația (1) din cursul 5
n −1 n
D y =  a p D y +  bq D qu
n p
(1)
p =0 q =0

poate fi scrisă sub forma (ținând cont că D reprezintă un operator de avans cu un pas):
𝑛−1 𝑛

𝑦𝑘+𝑛 = ∑ 𝑎𝑝 𝑦𝑘+𝑝 + ∑ 𝑏𝑞 𝑢𝑘+𝑞

𝑝=0 𝑞=0

Notând 𝑘+𝑛 =𝑗 → 𝑘 =𝑗−𝑛

rezultă
𝑛−1 𝑛

𝑦𝑗 = ∑ 𝑎𝑝 𝑦𝑗+𝑝−𝑛 + ∑ 𝑏𝑞 𝑢𝑗+𝑞−𝑛
𝑝=0 𝑞=0

Pentru o intrare impuls unitar

1 , k = 0
uk =  k = 
0 ,k  0
obținem
𝑛−1 𝑛

ℎ𝑗 = 𝑦𝑗 = ∑ 𝑎𝑝 ℎ𝑗+𝑝−𝑛 + ∑ 𝑏𝑞 𝛿𝑗+𝑞−𝑛
𝑝=0 𝑞=0

1) 𝑗 < 0, ℎ𝑗 ≡ 0
2) 0 ≤ 𝑗 ≤ 𝑛, ℎ𝑗 se determină din relația precedentă, în funcție de coeficienții 𝑎𝑝 ș𝑖 𝑏𝑞 .

ℎ0 = 𝑏𝑛
ℎ1 = 𝑎𝑛−1 ℎ0 + 𝑏𝑛−1
ℎ2 = 𝑎𝑛−1 ℎ1 + 𝑎𝑛−2 ℎ0 + 𝑏𝑛−2
……………………………….
ℎ𝑛 = 𝑎𝑛−1 ℎ𝑛−1 + ⋯ + 𝑎0 ℎ0 + 𝑏0
3) 𝑗 > 𝑛, notând 𝑗 = 𝑛 + 𝑘, 𝑘>0
𝑛−1

ℎ𝑛+𝑘 = ∑ 𝑎𝑝 ℎ𝑝+𝑘
𝑝=0
Indicații pentru demonstrarea proprietăților de la pag 1 din C6
a) 𝐴(𝜔) = 𝐴(−𝜔)
Scriem 𝐻(𝑗𝜔) = 𝑃(𝜔) + 𝑗𝑄(𝜔) , rezultă 𝐴(𝜔) = |𝐻(𝑗𝜔)| = √𝑃2 (𝜔) + 𝑄2 (𝜔)

𝐴(−𝜔) = |𝐻(−𝑗𝜔)| = |𝑃(𝜔) − 𝑗𝑄(𝜔)| = √𝑃2 (𝜔) + 𝑄 2 (𝜔) = 𝐴(𝜔)

b) Similar pentru 𝜑(𝜔) = −𝜑(−𝜔)
1o. 𝐴(𝜔) = 𝐴(𝜔 + 2𝜋)

Se pornește de la periodicitatea funcției exponențiale: 𝑒 𝑗(2𝜋+𝜔) = 𝑒 𝑗2𝜋 𝑒 𝑗𝜔 = 𝑒 𝑗𝜔

2o. 𝐴(𝜋 − 𝜔) = 𝐴(𝜋 + 𝜔)
Calculăm 𝐴(𝜋 − 𝜔) = 𝐴(𝜔 − 𝜋) întrucât A este funcție pară. Apoi, ținând cont de
proprietatea 1o, obținem: 𝐴(𝜋 − 𝜔) = 𝐴(𝜔 − 𝜋) = 𝐴(𝜔 − 𝜋 + 2𝜋) = 𝐴(𝜔 + 𝜋)

3o. 𝐴(𝜔) = (−1)𝑛 𝐻0 (𝑒 𝑗𝜔 ), pentru 𝜑(𝜔) = 𝛿(𝜔) − 𝑛𝜋

Se pornește de la relația (2), 𝐻(𝑒 𝑗𝜔 ) = 𝐻0 (𝑒 𝑗𝜔 )𝑒 𝑗𝛿(𝜔) și se înlocuiește 𝛿(𝜔) cu

expresia din relația de mai sus. Rezultă:

𝐻(𝑒 𝑗𝜔 ) = 𝐻0 (𝑒 𝑗𝜔 )𝑒 𝑗(𝜑(𝜔)+𝑛𝜋) = 𝐻0 (𝑒 𝑗𝜔 )𝑒 𝑗𝜑(𝜔) 𝑒 𝑗𝑛𝜋 =

𝐻0 (𝑒 𝑗𝜔 )𝑒 𝑗𝜑(𝜔) , 𝑝𝑒𝑛𝑡𝑟𝑢 𝑛 𝑝𝑎𝑟

={
−𝐻0 (𝑒 𝑗𝜔 )𝑒 𝑗𝜑(𝜔) , 𝑝𝑒𝑛𝑡𝑟𝑢 𝑛 𝑖𝑚𝑝𝑎𝑟

4o. 𝜑(𝜋 − 𝜔) = −𝜑(𝜋 + 𝜔)

Se pornește de la faptul că funcția 𝜑 este o funcție impară, adică 𝜑(𝜔) = −𝜑(−𝜔)
Astfel, 𝜑(𝜋 − 𝜔) = −𝜑(𝜔 − 𝜋) = −𝜑(𝜔 − 𝜋 + 2𝜋) = −𝜑(𝜋 + 𝜔) , unde am ținut cont
de faptul că 𝜑 este periodică, cu perioada 2𝜋.
etc...........

Indicație obținere rel. (5), de la pag. 2.

Se explicitează exponențialele din rel. (3) și (4):
𝑁−1 𝑁−1 𝑁−1
𝑗𝜔 −𝑗𝜔𝑘
𝐻(𝑒 ) = ∑ ℎ𝑘 𝑒 = ∑ ℎ𝑘 cos 𝜔𝑘 − 𝑗 ∑ ℎ𝑘 sin 𝜔𝑘
0 0 0

respectiv,

𝐻(𝑒 𝑗𝜔 ) = 𝐻0 (𝑗𝜔)𝑒 𝑗(𝛽−𝛼𝜔) = 𝐻0 (𝑗𝜔) cos(𝛽 − 𝛼𝜔) + 𝑗𝐻0 (𝑗𝜔) sin(𝛽 − 𝛼𝜔)

Egalând părțile reale și, respectiv, părțile imaginare ale celor două expresii ale lui 𝐻(𝑒 𝑗𝜔 )
și, apoi, împărțind membru cu membru, se obține rel (5).
 ANEXA

Transformarea Fourier

Pentru t continuu se defineşte prin:

+∞
− jωt
uˆ(ω ) = ∫ u(t )e dt (1)
−∞

Aceasta este Transformarea Fourier Continuu-Continuu (CCFT - Continuous-Continuous

Fourier Transform) întrucât atât t cât şi ω iau valori continue.

Observaţii:
1) Considerând Transformarea Laplace definită prin:

+∞

∫ u (t )e
− st
uˆ( s ) = dt (2)
−∞

pentru s = jω se obţine relaţia (1);

2) Pentru u (t ) periodic, relaţia (1) defineşte o Serie Fourier.

Transformarea Fourier inversă pentru relaţia (1) se defineşte prin:

+∞
1 jωt
u (t ) =
2π ∫ uˆ (ω )e dω (3)
−∞

(evident, în (3) atât t cât şi ω iau valori continue).

Pentru t discret se defineşte Transformarea Fourier in Timp Discret (DTFT – Discrete

Time Fourier Transform) prin relaţia:

k =+∞
uˆ(ω ) = ∑ u (k )e− jkω (4)
k =−∞

Observaţii:
1) Considerând Transformarea Z definită prin:

k =+∞
uˆ( z ) = ∑ u (k ) z − k (5)
k =−∞

jω
Pentru z = e se obţine relaţia (4);
 2) În relaţia (4) timpul este discret iar ω continuu.
Transformarea Fourier inversă pentru relaţia (4) se defineşte prin:

+π
1 jω k
u (k ) =
2π ∫ uˆ (ω )e dω (6)
−π

Transformarea Fourier Discretă definită pentru semnale de suport finit {u ( k )}k∈0, N −1 se

defineşte prin:

N −1 2π
−j
uˆ(n) = ∑ u (k )WNkn , unde WN = e N , n = 0, N − 1
k =0
(7)

iar inversa prin:

N −1
1
u (k ) =
N
∑ uˆ (n)WN− kn , k = 0, N − 1 (8)
n =0

Observaţie: Aceasta reprezintă modalitatea practică de calcul a Transformatei Fourier în

Timp Discret (TFTD).

2
 1 Introducere. Problemele prelucrării semnalelor

Prelucrarea semnalelor are un rol important în comunicaţii, automatică,

înregistarea electronică a imaginilor şi sunetului, prelucrarea imaginii şi vorbirii,
explorări seismice, diagnoză medicală, analiză economică.
Prelucrarea modernă a semnalelor se face cu ajutorul procesoarelor numerice
de semnal: avantajul lor constă în flexibilitatea structurii de prelucrare (realizată prin
programare) şi precizia (controlată prin lungimea cuvântului). Pe de altă parte
prelucrarea numerică impune o întârziere inerentă care poate fi dezavantajoasă la
prelucrări în timp real.
Problema proiectării în prelucrarea semnalelor este de a găsi un sistem numit
procesor de semnal a cărui intrare este un semnal temporal (discret, în cazul
prelucrării numerice) şi a cărui ieşire este informaţia ce se doreşte a fi extrasă din
semnal (în multe cazuri tot un semnal temporal).

uk yk
P.S.

Fig.1. Reprezentarea sistemică a prelucrării semnalelor

{u k }k , {y k }k
- semnale discrete (şiruri de date);
P.S. – sistem de prelucrare (procesor de semnal)

1.1 Tipuri de prelucrare. Exemple

Prelucrarea este de două feluri:
¾ Off-line
¾ On-line (în timp real).
Prelucrarea în timp real presupune existenţa unui flux neîntrerupt de date care
se introduce în procesor cu o anume viteză (de exemplu biţi/sec), ieşirea obţinându-se
cu aceeaşi viteză.
Din cauza întârzierii de prelucrare ieşirea apare adesea cu o întârziere faţă de
intrare. Dacă prelucrarea este anticipativă, apare o întârziere suplimentară.
Prelucrarea off-line (numită uneori tip şarjă) nu mai presupune o corelare între
viteza de achiziţie a datelor de intrare şi cea cu care acestea sunt furnizate la ieşire.

Câteva exemple pot fi edificatoare:

a) Transformata Fourier – asociază unui semnal de timp u un semnal de

frecvenţă û ; în plus transformata Fourier necesită pentru calcul cunoaşterea
întregului semnal, deci nu poate fi calculată pe măsura sosirii eşantioanelor. Această
prelucrare este tipică pentru off-line (şarjă)
 b) Simularea off-line – presupune calculul răspunsului unui sistem la diverse
semnale de intrare şi stări iniţiale. De regulă semnalele de intrare şi ieşire sunt
semnale temporale, dar scările lor de timp sunt determinate de viteza de calcul a
simulatorului (tot un procesor de semnal) şi nu sunt sincronizate cu “mediul
înconjurător”. Deci prelucrarea este tot de tip off-line.

c) Prelucrarea imaginilor – procesorul de semnal primeşte datele primare ale

unei imagini statice şi le prelucrează pentru îmbunătăţirea contrastului şi înlăturarea
dublurilor (umbrelor). De regulă prelucrarea este off-line.

d) Egalizarea semnalelor (pe liniile de comunicaţii) este o prelucrare on-line.

Egalizorul este un procesor de semnal care compensează distorsiunile din linie.
Schema structurală a egalizării este cea de mai jos:

u y z
C.C E

Fig.2. Structură de comunicaţii cu egalizor

u - semnal transmis;
y - semnal recepţionat;
z - semnal egalizat;
C.C. - canal de comunicaţii;
E – egalizor (sistem - procesor de semnal)

Întrucât egalizoarele apar la transmiterea vocii, deci a sunetelor, ele se

utilizează în toată tehnica audio. Matematic, o linie de comunicaţii are efectul unui
sistem liniar cu răspunsul în frecvenţă ĥ(ω ) . Deducem că relaţia de calcul pentru linie
va fi

yˆ (ω ) = hˆ(ω ) ⋅ uˆ (ω ) (1.1)

exprimată în transformate Fourier (atunci cînd ele există). În mod ideal, egalizorul ar
trebui să asigure zˆ(ω ) ≡ uˆ (ω ) , ceea ce impune ca egalizorul ideal să fie sistemul
invers celui definit de linie, având caracteristica de frecvenţă 1 ĥ(ω ) .
În astfel de aplicaţii este acceptabil un mic timp de întârziere ( ≤ 0.1sec . ).

e) Filtrarea este cea mai tipică prelucrare on-line. De regulă prin filtrare se
realizează schimbarea conţinutului de frecvenţă al unui semnal printr-o relaţie tip
(1.1). Ca urmare atât linia de comunicaţie cât şi egalizorul pot fi considerate filtre.
Aplicaţia specifică a filtrelor este însă filtrarea zgomotelor, ilustrată de schema de
mai jos:

2
 n
+
u y z
F
+

Fig.3. Filtrarea zgomotelor

u – semnal de bazã (transmis);
n – zgomot;
y – semnal recepţionat;
z – semnal filtrat;
F – filtru (sistem - procesor de semnal)

În structura din Fig.3. transmiţătorul trimite un semnal u, dar ca rezultat al

interacţiunilor cu mediul de transmisie este recepţionat împreună cu un zgomot n.
Scopul prelucrării semnalului y este de a elimina cât mai mult zgomot fără a
distorsiona semnalul de bază. În cazul în care conţinuturile de frecvenţă (spectre) ale
celor două semnale u şi n se află în benzi de frecvenţă disjuncte, filtrarea se reduce la
realizarea unui procesor al cărui răspuns în frecvenţă să fie nul în banda de frecvenţă
a zgomotului şi maxim plat în banda semnalului util. Dacă benzile de frecvenţă se
suprapun, atunci problema filtrării este mai dificilă.

f) Simularea on-line – apare, de exemplu, în construcţia simulatoarelor de

antrenament (pentru zbor, cale ferată sau şofaj). Aici trebuie calculat răspunsul
simulat al vehiculului la comenzile pilotului, cu o sincronizare foarte precisă astfel
încât vehiculul simulat şi aparatele de măsură să reacţioneze “ca în realitate”.

1.2 Prelucrări de semnal cu caracter anticipativ

Aceste prelucrări au fost menţionate ca introducând un timp suplimentar de

întârziere inerentă, pe lângă întârzierea de calcul. Vom exemplifica prin două astfel
de prelucrări:

a) Interpolarea semnalelor eşantionate

Dacă semnalul eşantionat este conceput ca un şir de numere {u k } definite la
momentele t = kT , atunci semnalul analogic obţinut prin interpolare are forma:

∞
u (t ) = ∑ u k i (t T − k )
k = −∞

unde i(t) este funcţia de interpolare.

Dacă i(t) are caracter anticipativ (adică i(t) este nenulă pentru t < 0 ), atunci
interpolarea la momentul ~ t necesită cunoaşterea unor valori viitoare pentru u k .

3
Exemple în acest sens sunt interpolarea liniară (care necesită o valoare viitoare) şi cu
sinus atenuat (sinc) necesitând o infinitate de valori viitoare.
O posibilă aproximare a interpolării cu sinus atenuat o reprezintă introducerea
unei întârzierei de N paşi şi trunchierea funcţiei de interpolare:

⎧sinc(π (t − N )), 0 ≤ t ≤ 2 N
i (t ) = ⎨
⎩ 0 in rest

Singură, interpolarea cu funcţia treaptă (trecerea la semnale analogice

constante pe porţiuni) nu necesită valori viitoare şi poate fi realizată on-line.

b) Filtrarea ideală trece jos

După cum se ştie această filtrare constă în trecerea semnalului analogic printr-
un sistem cu următoarea caracteristică de frecvenţă:

⎧1, − ω0 ≤ ω < ω0
hˆ(ω ) = ⎨ ,ω ∈ ℜ
⎩0 in rest

Răspunsul la impuls (funcţia pondere) rezultă din transformata Fourier inversă

uzuală (CCFT – Continuous/Continuous Fourier Transform):

1 ∞ j ωt ˆ 1 ω0 jωt 1 jωt ω0
h(t ) = ∫ e h(ω )dω = ∫ e dω = e
2π −∞ 2π −ω0 2πjt −ω0

sin ω0t ω0
= = sinc(ω0t )
πt π

Aceasta este o funcţie pondere a unui sistem anticipativ (necauzal, cu h(t ) ≠ 0,

pentru t < 0 ) şi ea nu poate fi realizată on-line.
O realizare aproximativă on-line se poate obţine prin întârzierea cu θ a
răspunsului la impuls şi trunchierea pentru a deveni cauzal

⎧h(t − θ ), t ≥ 0
hd (t ) = ⎨
⎩0 in rest

4
 Functia pondere FTJ (w0 = 10) Functia pondere FTJ deplasata(w0 = 10, theta = 1)
3.5 3.5

3 3

2.5 2.5

2 2

Amplitudine
Amplitudine

1.5 1.5

1 1

0.5 0.5

0 0

-0.5 -0.5

-1 -1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Timp (sec) Timp (sec)

Fig.4 Răspunsul la impuls al filtrului trece-jos ideal

h – varianta ideală;
hd – varianta implementabilă.

1.3 Ferestre şi ferestruire (windowing)

În prelucrarea semnalelor sunt numeroase situaţiile în care este necesară

trunchierea unui semnal, de durată infinită sau foarte mare, la un semnal de durată
finită. Un exemplu semnificativ este calculul numeric, pe calculator, al transformatei
Fourier: calculatorul poate prelucra doar semnale de durată finită.
Trunchierea unui semnal u : ℜ → ℜ la un interval finit J ∈ ℜ revine la
multiplicarea cu fereastra dreptunghiulară wd ( t ) , definită de:

⎧1, t∈J
wd ( t ) = ⎨
⎩0, în rest

Formal, în limbajul analizei matematice, vom avea:

wd ( t ) = χ J ( t )

unde χ J ( t ) este funcţia caracteristică a mulţimii J , definită prin:

⎧1, t ∈ J
χ J (t ) = ⎨
⎩0, t ∉ J

Semnalul trunchiat se scrie sub forma:

uT ( t ) = u ( t ) wd ( t )

5
 În mod asemănător poate fi realizată trunchierea unui semnal de frecvenţă
pentru a realiza calculul transformatei Fourier inverse.

1.3.1 Ferestre dreptunghiulare

Vom examina aici efectul ferestruirii dreptunghiulare asupra spectrului

semnalului, deci prin examinarea transformatei Fourier a produsului u ( t ) wd ( t ) . Pe
baza proprietăţilor generale ale transformatei Fourier vom obţine

n = uˆ ∗ wˆ
uwd d

unde convoluţia frecvenţială corespunde tipului de semnale cu care se lucrează:

convoluţie ciclică în cazul discret sau convoluţie standard în cazul analogic.
În fapt unei ferestre multiplicative în timp îi corepunde o fereastră convolutivă
în domeniul frecvenţă.
Efectul ferestrei convolutive este medierea locală în frecvenţă cu ponderi
determinate de forma ferestrei de frecvenţă. Acest fapt conduce la pierderi de
rezoluţie. În al doilea rînd, datorită particularităţilor de formă ale ferestrei de
frecvenţă apare o distorsiune suplimentară numită pierdere (leakage).
Vom examina aceste aspecte în cazul particular al semnalelor discrete definite
pe Z - şiruri de numere. Fie

⎧ 1, k ≤N
wdN (k ) = ⎨
⎩0, in rest

şi calculăm transformata sa Fourier (DCFT)

∞ N
wˆ dN (ω ) = ∑ wdN ( k ) e − jω k = ∑ e− jω k = d 2 N +1 (ω )
−∞ −N

⎛ 2N + 1 ⎞
sin c ⎜ ω⎟
⎝ 2 ⎠ , −π ≤ ω < π
= ( 2 N + 1)
⎛ω ⎞
sin c ⎜ ⎟
⎝2⎠
Nucleul Dirichlet se reprezintă ca în figura 5. 20
Nucleu Dirichlet

15

10
Amplitudine

Fig.5. Nucleul Dirichlet pentru N=8

-5
-1.5 -1 -0.5 0 0.5 1 1.5
pulsatie

6
 Utilizând figura putem deduce de ce fereastra dreptunghiulară produce pierderi.
−1

Lăţimea lobului central este 2π ⎛⎜ N + ⎞⎟

1
şi tinde spre 2π N , pentru N mare. Dacă
⎝ 2 ⎠
lobii laterali ar lipsi, atunci convoluţia ar fi o mediere locală producând pierderi de
detaliu.
Un vârf selectiv al lui û (ω ) , de lăţime mai mică decît lobul central devine mai
“scund” şi mai “lat”, şi orice schimbare mai abruptă în û (ω ) pe un interval (bandă) de
frecvenţe mai îngust(ă) decât lăţimea lobului central este netezită. Aceasta este
pierderea de rezoluţie.
Lobii laterali produc distorsiuni suplimentare datorită următoarelor cauze:

a) lobii laterali sunt destul de largi comparativ cu lobul central;

b) lobii laterali se amortizează lent;
c) lobii laterali au semne alternante.

Dacă û (ω ) are salturi mari, lobii laterali introduc efectul de sonerie similar
fenomenului Gibbs.
Dacă, de exemplu Re ( uˆ (ω ) ) ≥ 0 , lobii laterali introduc schimbări de semn care au
efecte nedorite. Toate acestea formează pierderea (leakage – scăpări), în sensul că
efecte prezente la unele frecvenţe lipsesc la altele.

1.3.2 Alte ferestre. Ferestre de frecvenţă.

Modificarea ferestrei dreptunghiulare într-o formă diferită, cu menţinerea lăţimii

(deschiderii), are ca efect modificarea raportului dintre scăpări şi pierderi de
rezoluţie. În particular, scăpările pot fi reduse drastic, dar cu preţul măririi pierderilor
de rezoluţie. În acest sens regula ce trebuie reţinută este următoarea: cu cât este mai
larg lobul central, cu atât este mai mare pierderea de rezoluţie şi cu cât sunt mai
mici (în amplitudine) lobii laterali, cu atât scăpările sunt mai reduse.

Vom considera în continuare câteva ferestre mai des folosite. Ele se definesc
pentru semnale analogice şi au următoarele caracteristici comune:

- lărgimea ferestrei de timp este 2a , şi în afara intervalului ( −a, a ) toate

ferestrele sunt nule. Pentru comparaţie se dau în tabel formele de undă în
timp şi frecvenţă, lărgimea lobului central şi mărimea relativă (raportată la
amplitudinea lobului central) a celui mai mare lob lateral:

7
 Lărgimea Amplitudinea
Denumire Expresia pentru Fereastra de frecvenţă lobului relativă a
t ∈ [ − a, a ] (CCFT) central lobului
lateral maxim
Dreptun- wda ( t ) ≡ 1 wˆ da (ω ) = 2a sin c (ω a ) 1a 21.7%
ghiulară
Triunghiu- t 2
2a
1 a2 2 ⎛ aω ⎞
lară 1−
a a
( ωˆ d ) = a ⎜ sin c
⎝
⎟
2 ⎠
4.7%
Hann 1⎡ πt ⎤ 1 a 1 ⎛ π⎞ 1 ⎛ π⎞ 2a
⎢1 + cos ⎥ wˆ d (ω ) + wˆ da ⎜ ω + ⎟ + wˆ da ⎜ ω − ⎟ 2.7%
2⎣ a⎦ 2 4 ⎝ a⎠ 4 ⎝ a⎠
Hamming πt ⎛ π⎞ ⎛ π⎞
0.54 + 0.46 cos 0.54 wˆ da (ω ) + 0.23wˆ da ⎜ ω + ⎟ + 0.23wˆ da ⎜ ω − ⎟ 0.7%
a ⎝ a⎠ ⎝ a⎠ 2a

Să observăm că introducerea de noi tipuri de ferestre a avut ca efect mai ales

reducerea lobilor laterali. În particular, fereastra Hamming se deosebeşte de fereastra
Hann prin mărirea cu 8% a amplitudinii părţii constante şi diminuarea
corespunzătoare a părţii variabile; efectul constă în scăderea de 4 ori a amplitudinii
lobilor laterali.

Ferestruirea semnalelor discrete se face la fel ca şi a semnalelor analogice. Fie

u : Z(T ) → R , un semnal discret definit la t = kT şi fie wa ( t ) o fereastră analogică.
Putem defini o fereastră discretă luând a = NT şi definind w*NT = w NT ( kT ) . Semnalul
ferestruit fiind w∗NT ⋅ u , transformata sa Fourier tip DCFT este convoluţia ciclică:

N
wˆ ∗NT ∗ uˆ = ∑ wˆ ∗NT ( ( k − p ) mod ( 2 N + 1) ωT ) uˆ ( pωT )
−N

Dacă N este suficient de mare atunci se poate lua wˆ ∗NT ≈ wˆ NT , deci chiar valoarea
de la aceeaşi frecvenţă a transformatei pentru fereastra analogică.

Fereastra de frecvenţă se defineşte la fel ca şi fereastra de timp. Trunchierea

unei serii Fourier a unui semnal T - periodic la 2N+1 termeni înseamnă trunchierea
CDFT a unei singure perioade la un interval de frecvenţă ( − N Ω, N Ω ) cu Ω = 2π T .
Aceasta echivalează cu o fereastră dreptunghiulară de frecvenţă al cărei rezultat este
o fereastră de timp cu nucleu Dirichlet.
Efectul ferestrei cu nucleu Dirichlet este exact fenomenul Gibbs (efectul de
sonerie) adică oscilaţii de înaltă frecvenţă în jurul valorii medii. El poate fi redus
folosind o altă fereastră de frecvenţă.

8
 1.4 Prelucrări elementare. Exemple

Prelucrarea semnalelor are aplicaţii în domenii foarte diferite; ca urmare

natura fizică a semnalelor precum şi rezultatele prelucrării depind în mare
măsură de domeniul de aplicare. Metodele de abordare au însă multe elemente
comune, ceea ce conferă disciplinei de prelucrare numerică a semnalelor un
caracter de sine stătător. Cele afirmate mai sus pot fi ilustrate printr-o serie de
exemple, destul de elementare sub raport matematic, dar edificatoare din punct
de vedere metodologic.

1) Un exemplu din marketing

Considerăm o comunitate umană şi 2 furnizori pentru o aceeaşi marfă; în

timp clienţii pot trece de la un furnizor la altul din motive diverse (preţ, servicii
suplimentare etc.). La sfârşitul unei luni – pe care o considerăm ca iniţială,
furnizorul i deţine fracţiunea x0i din piaţa considerată. Vom avea
x01 + x02 = 1 (1)
La sfârşitul lunii k furnizorul i deţine fracţiunea xki şi vom putea scrie
x1k + xk2 = 1 , ∀k (2)
Presupunem că în fiecare lună furnizorul i reţine dintre clienţii săi un
procent aii şi atrage un procent aij dintre clienţii concurentului j ( j ≠ i ). Ca
urmare sunt valabile ecuaţiile de recurenţă
⎧⎪ x1k +1 = a11 x1k + a12 xk2
⎨ 2 (3)
⎪⎩ xk +1 = a21 xk + a22 xk
1 2

Prin modul de definiţie a coeficienţilor aij care sunt fracţiuni (procente) de

clientelă, putem deduce următoarele proprietăţi ale acestora:
0 ≤ aij ≤ 1 , ∀i, j ; a11 + a21 = 1, a12 + a22 = 1 (4)
Modelul poate fi generalizat uşor la cazul a n furnizori obţinând ecuaţiile
de recurenţă
xki +1 = ai1 x1k + ai 2 xk2 + ... + ain xkn , i = 1, n (5)
în care coeficienţii verifică restricţiile
n
0 ≤ aij ≤ 1 , ∀i, j ; ∑ a ij = 1 , ∀j (6)
i=1

Următoarele probleme prezintă interes în această modelare din marketing:

 a) converg valorile xki în timp spre anumite valori, adică ∃ lim xki ( = x i ) ?
k →∞
i
b) dacă aceste limite există, depind ele de valorile x ? Cum se pot calcula 0
aceste limite?
Să remarcăm faptul că matricea coeficienţilor aij face parte din clasa
matricelor markoviene definite chiar prin relaţiile (6) de mai sus.

2) Un exemplu din integrarea numerică

O problemă standard din calculul numeric este de a determina o aproximare

numerică a integralei
tN

γ ( t N , t 0 ) = ∫ u (σ ) d σ (7)
t0

Atunci când integrala nu este calculabilă pornind de la primitivă, trebuie

utilizată o metodă de integrare numerică. Considerăm o diviziune a intervalului
( t0 , t N ) sub forma
t0 < t1 < t2 < ... < t N −1 < t N (8)
şi definim şirul de valori
tk

yk = ∫ u (σ ) dσ , k = 1, 2,...N (9)
t0

De aici putem deduce o relaţie simplă de recurenţă

tk +1 tk tk +1

yk +1 = ∫ u ( σ ) d σ = ∫ u (σ ) d σ + ∫ u (σ ) d σ
t0 t0 tk
tk +1
(10)
= yk + ∫ u (σ ) dσ
tk

pentru k = 0,1,..., N − 1 şi definind y0 = 0 ; evident y N = γ ( t N , t0 ) .

În condiţiile în care diviziunea este suficient de fină ( tk +1 − tk este suficient
de mic pentru ∀k ) integrala din relaţia de recurenţã poate fi aproximată, de
exemplu, după schema Euler:
tk +1

∫ u (σ ) dσ ≈ u ( t )( t
tk
k k +1 − tk ) (11)

Observaţie: S-a utilizat schema Euler “înapoi”.

2
 Dacă diviziunea intervalului se face cu un pas constant (o tehnică “simplă”,
uzuală, dar nu universală; metodele de integrare cu pas variabil nu o folosesc)
atunci
yk +1 − yk = huk ( h = tk +1 − tk , u ( tk ) := uk ) (12)
În cazul schemei Euler “înainte” şi cu acelaşi pas constant, vom obţine
yk +1 − yk = huk +1 (13)
ceea ce din punct de vedere sistemic este acelaşi lucru, întrucât putem lua
γ k := uk +1 .
Alte tehnici de integrare sunt, de exemplu, schema trapezoidală şi schema
“ 1 3 ” a lui Simpson. În toate cazurile se pot formula următoarele probleme, care
sunt specifice analizei numerice:
a) cum depinde precizia de aproximare a lui γ de mărimea pasului h şi de
proprietăţile funcţiei u ( t ) ; de regulă, cu cât metoda de integrare numerică
este mai sofisticată, cu atât precizia se îmbunătăţeşte dacă u ( ⋅) este
suficient de netedă;
b) cum se poate introduce o măsură a aproximării, evaluând eroarea între
semnalul yk “real” (adică definit recurent cu ajutorul integralelor pe un
pas al diviziunii) şi cel aproximant (definit prin relaţiile de recurenţă în
care integralele pe un pas sunt înlocuite prin formule aproximative);

3) Exemplu de proiectare a unui filtru

Fie un semnal numeric exprimabil ca sumă a 2 armonici

uk = α1 sin ( kω1 + θ1 ) + α 2 sin ( kω2 + θ 2 ) (14)
unde se consideră armonica de pulsaţie ω1 ca semnal de interes, iar armonica de
pulsaţie ω2 ca semnal nedorit (de interferenţă). După o filtrare adecvată,
semnalul prelucrat are forma
yk = α1 A (ω1 ) sin ⎡⎣( k − β1 ) ω1 + θ1 ⎤⎦ + α 2 A (ω2 ) sin ⎡⎣( k − β 2 ) ω2 + θ 2 ⎤⎦ (15)
M
unde A (ωi ) = ∑ bm sin ( mωi ) , i = 1, 2 .
1
Dacă scopul filtrării este de a elimina armonica de pulsaţie ω2 , reţinând-o
pe cea de pulsaţie ω1 , atunci filtrul ideal în raport cu caracteristica de
amplificare (sau de atenuare) A (ω ) este
⎧⎪ A (ω1 ) = 1
⎨ (16)
⎪⎩ A (ω2 ) = 0

3
ceea ce conduce la sistemul de ecuaţii (pentru M = 3 )

⎪⎧b1 sin ω1 + b2 sin ( 2ω1 ) + b3 sin ( 3ω1 ) = 1

⎨ (17)
⎪⎩b1 sin ω2 + b2 sin ( 2ω2 ) + b3 sin ( 3ω2 ) = 0
un sistem liniar în raport cu coeficienţii b1 , b2 , b3 . Problema naturală care apare
este dacă acest sistem are o soluţie; în cazul de faţă răspunsul este afirmativ.
În general, o aplicaţie de filtrare a unui semnal de forma
N
uk = ∑ α n sin ( kωn + θ n ) (18)
1
în care prima armonică este semnalul util, iar restul sunt interferenţe (zgomote),
cu un filtru de tipul celui de mai sus, conduce la sistemul
⎧ b1 sin ω1 + b2 sin ( 2ω1 ) + ... + bM sin ( M ω1 ) = 1
⎪
⎪ b1 sin ω2 + b2 sin ( 2ω2 ) + ... + bM sin ( M ω2 ) = 0
⎨ (19)
⎪ "
⎪b sin ω + b sin ( 2ω ) + " + b sin ( M ω ) = 0
⎩1 N 2 N M N

Şi aici se pune problema existenţei soluţiei şi este clar că ea se reduce la

discuţia privind soluţiile sistemelor de ecuaţii algebrice liniare. Totuşi, această
problemă poate fi reformulată atunci când nu există soluţie ( N > M ) : se poate
căuta o soluţie care să-i facă pe A (ωn ) cât mai mici pentru n ≠ 1 .

4) Exemplu de estimare recursivă

Vom considera un experiment în care se măsoară aceeaşi valoare nominală

v0 ; cele N măsurători au însă erori, astfel încât o măsurătoare oarecare
k , (1 ≤ k ≤ N ) este dată de
yk = v0 + ε k (20)
unde ε k este eroarea de măsură. O reprezentare “de stare” a modelului acestei
măsurători este următoarea:
xk +1 = xk , x0 = v0 , 0 ≤ k ≤ N − 1 (21)
În acest model starea iniţială v0 este necunoscută şi trebuie estimată pe
baza a N ieşiri de măsurare yk . După m măsurători se poate obţine o estimare
yˆ m prin medierea valorilor obţinute prin aceste m măsurători
1 m
yˆ m = ∑ yk (22)
m k =1

4
iar după m + 1 măsurători obţinem estimarea
1 m+1
yˆ m+1 = ∑ yk
m + 1 k =1
(23)

Încercăm să evidenţiem o relaţie de recurenţă între cele două măsurători

m ⎡1 m ⎤ 1
yˆ m+1 = ∑ y +
m + 1 ⎢⎣ m k =1 ⎥⎦ m + 1
k ym+1 ,
(24)
m 1
yˆ m+1 = yˆ m + ym+1 , 1 ≤ m ≤ N − 1
m +1 m +1
Această relaţie de recurenţă arată actualizarea erorii după a ( m + 1) -a
măsurare. O uşoară modificare suplimentară conduce la relaţia
1
yˆ m+1 = yˆ m + ( ym+1 − yˆ m ) (25)
m +1
adică noua estimare se obţine din cea veche prin adăugarea unui termen de
eroare – între măsurătoarea curentă şi estimarea veche – multiplicat cu un factor
de amplificare. De fapt, este vorba de un model al semnalului
⎧ xk +1 = xk , x0 = v0
⎨ (26)
⎩ yk = xk + ε k
cuplat cu un estimator de semnal
1
yˆ k +1 = yˆ k + g k ( yk +1 − yˆ k ) , g k = (27)
k +1
Putem da o reprezentare sub forma unei scheme bloc
x0
εk
xk + ŷ k
Model Estimator
+ yk
Fig. 5. Schemă bloc model + estimator

Problemele care apar aici în mod natural sunt următoarele:

a) există şi alte metode, în afara medierii, pentru a prelucra cele N
măsurători, luând în calcul şi caracteristicile erorilor de măsură?
b) Dacă astfel de metode există, care ar fi expresiile amplificărilor g k ?

5) Exemplu de prelucrare a semnalului radar

Fie o ţintă radar (un avion) care se deplasează cu o viteză constantă (dar
necunoscută) V ; ca urmare viteza la t = kT , unde T este o perioadă constantă,
este dată de

5
 xk2+1 = xk2 , x02 = V (28)
Dacă x1k este poziţia avionului la t = kT , atunci se poate scrie
x1k +1 = x1k + Txk2 , x01 = D (29)
unde D este poziţia la t = 0 a avionului măsurată în raport cu un reper.
Considerăm situaţia în care poziţia şi viteza ţintei se determină cu mijloace
radar.
Informaţia de poziţionare este valoarea duratei, tc , dintre transmiterea
impulsului radar şi recepţia impulsului reflectat de ţintă şi recepţionat la
transmisie. În mod ideal lucrurile se petrec ca în fig.6.a. (semnal transmis) şi 6.b
(semnal recepţionat); în realitate un semnal recepţionat arată ca în fig.6.c. în
timp ce atât semnalul transmis cât şi cel recepţionat arată ca în fig.6.d (trenuri de
impulsuri de înaltă frecvenţă)

t ( 6.a)
T 2T
tc

t ( 6.b)
T 2T

t ( 6.c)

( 6.d )
t

Fig.6. Semnale radar

a) transmisie ideală;
b) recepţie ideală;
c) anvelopă la recepţie reală;
d) impulsuri reale de înaltă frecvenţă

Distorsionarea impulsului recepţionat produce o eroare între timpul de

propagare tc şi timpul de propagare măsurat tˆc ; se obţin de aici poziţia curentă şi
poziţia măsurată
⎧ r = ctc / 2
⎨ (30)
⎩ y = ˆ
ct c / 2
unde c este viteza de propagare a impulsului.

6
 Este de aşteptat ca valoarea poziţiei bazată pe o singură măsurătoare să fie
afectată de erori; pentru a reduce aceste erori se transmite o secvenţă periodică
de impulsuri, ceea ce va furniza o secvenţă de măsurători { yk } ale poziţiei.
Această secvenţă trebuie utilizată pentru a obţine poziţia şi viteza ţintei. În
consecinţă vom defini următoarele mărimi:
- yk - valoarea mărimii de poziţie bazate pe timpul de propagare, tˆc , al
impulsului k , recepţionat înainte de a se transmite impulsul k + 1 ;
- xˆ1k - estimarea poziţiei şi xˆk2 estimarea vitezei ţintei obţinute după
prelucrarea informaţiei date de yk .
Cunoscându-se estimarea curentă a poziţiei xˆ1k şi cea a vitezei xˆk2 se poate
calcula predicţia poziţiei la k + 1
xˆ1k +1 k := xˆ1k + Txˆk2 (31)
Pe această bază estimarea poziţiei la k + 1 se actualizează folosind
predicţia poziţiei şi eroarea de predicţie a poziţiei, după cum urmează
xˆ1k +1 = xˆ1k +1 k + α ⎡⎣ yk +1 − xˆ1k +1 k ⎤⎦ (32)
unde α > 0 este un parametru ce urmează a fi ales.
În mod analog viteza estimată la k + 1 se obţine pe baza vitezei curente xˆk2
şi a erorii de predicţie a vitezei ( yk +1 − xˆ1k +1 k ) T , după cum urmează

β
xˆk2+1 = xˆk2 + ⎡⎣ yk +1 − xˆ1k +1 k ⎤⎦ (33)
T
β > 0 fiind un alt parametru ce urmează a fi ales. Se obţine astfel următorul
sistem de ecuaţii
⎧ xˆ1k +1 = xˆ1k +1 k + α ⎡ yk +1 − xˆ1k +1 k ⎤
⎪ ⎣ ⎦
⎪ 2 β
⎨ xˆk +1 = xˆk + ⎡⎣ yk +1 − xˆk +1 k ⎤⎦
2 1
(34)
⎪ T
⎪ xˆk +1 k = xˆk + Txˆk2
1 1
⎩
Din acest sistem se poate elimina predicţia poziţiei, care apare doar ca
valoare intermediară de calcul. Rezultă
⎧ xˆ1k +1 = (1 − α ) xˆ1k + (1 − α ) Txˆk2 + α yk +1
⎪
⎨ 2 β 1 β (35)
⎪ xˆk +1 = − xˆk + (1 − β ) xˆk + yk +1
2

⎩ T T
sistem care modelează un algoritm de prelucrare numerică, numit α − β sistem
de urmărire.

7
 Pentru α = β = 0 modelul corespunde unui model de avion ce zboară la
viteză constantă xˆk2 ≡ V şi având poziţia iniţială x̂01 = D . Când α şi/sau β sunt
nenule, atunci eroarea dintre măsurătoarea de poziţie yk +1 şi predicţia acestei
valori xˆ1k +1 k este utilizată la corecţia estimărilor de viteză şi poziţie; la rândul său
yk +1 se obţine pe baza timpului de propagare estimat tˆc ( k ) . Eroarea de măsură a
lui tˆc , prin caracteristicile sale, influenţează alegerea parametrilor de urmărire
α,β .

8
 2. Sisteme discrete şi transformata Z

În prelucrarea semnalelor sistemul este conceput ca un dispozitiv, cablat

sau programat (adică realizat sub forma unui dispozitiv electronic sau a unui
program implementat într-o structură de calcul), care operează asupra
semnalului de intrare, producând un semnal de ieşire. În majoritatea cazurilor
sistemele au următoarele proprietăţi fundamentale:

1) Liniaritatea (respectă principiul superpoziţiei):

Dacă ( u1 , y1 ) şi ( u2 , y2 ) sunt două perechi de semnale intrare/ieşire atunci
definind u = α u1 + β u2 drept un nou semnal de intrare, semnalul de ieşire
corespunzător va fi y = α y1 + β y2 .
O observaţie este necesară: pentru a putea vorbi de liniaritate şi
superpoziţie, mulţimea semnalelor de intrare U şi de ieşire Y trebuie să aibă o
structură de spaţiu liniar (adică să fie închise faţă de adunarea şi înmulţirea cu un
scalar); semnalele uzuale satisfac această condiţie.

2) Invarianţa la translaţia în timp:

Dacă ( u , y ) este o pereche intrare/ieşire atunci şi ( uT , yT ) definită de
uT ( t ) = u ( t + T ) , yT ( t ) = y ( t + T ) este o pereche intrare/ieşire.

3) Descrierea prin parametri concentraţi:

Semnalele temporale prelucrate nu sunt afectate de dependenţe spaţiale (de
exemplu, de locul unde sunt ele măsurate sau înregistrate).

4) Realizabilitate fizică (cauzalitate):

Răspunsul sistemului nu poate să preceadă semnalul de intrare.

Aceste patru proprietăţi conduc la descrierea sistemelor ce le posedă prin

ecuaţii cu diferenţe de forma următoare:

D n y + an−1D n−1 y + ... + a1Dy + a0 y = bm D mu + ... + b0u (1)

unde, dacă y k , k ∈ Z , este un şir de numere, atunci D n yk = yk + n . Prescurtat

ecuaţia de mai sus se scrie sub forma

d ( D) y = n( D)u (2)
unde d ( λ ) şi n ( λ ) sunt polinoame de operatori de avans D k ; modul în care
aceşti operatori liniari acţionează este cunoscut şi nu insistăm asupra acestui
aspect.
Clasa sistemelor considerate mai sus permite utilizarea transformărilor în
domeniul complex pentru o descriere mai comodă şi, din anumite puncte de
vedere, mai sugestivă în aplicaţii practice. Pentru domeniul discret descrierea se
face prin transformata Ζ .

2.1 Bazele transformatei Ζ

Ne vom referi aici mai ales la transformata unilaterală, cea mai adecvată
pentru a descrie semnale şi sisteme cauzale.
Prin definiţie transformata Ζ a unui semnal discret (şir uk , k = 0,1, 2,... ) este
seria complexă

∞
u ( z ) = ∑ uk z − k (3)
0

a cărei rază de convergenţă se defineşte ca

⎧ ∞
⎫
ρ0 = inf ⎨ ρ > 0, ∑ uk ρ − k < ∞ ⎬ (4)
⎩ 0 ⎭

adică marginea inferioară a mulţimii numerelor reale pozitive pentru care seria
de mai sus este convergentă. Mulţimea numerelor complexe {z ∈ C | z > ρ 0 } se
numeşte zona de convergenţă absolută a transformatei Z.
Transformata inversă se defineşte cu ajutorul integralei Cauchy

1
u ( z ) z
2π j ∫
k −1
uk = dz (5)
Γ

evaluată pe un contur circular Γ centrat în origine, de rază mai mare decât ρ0 ,

deci în zona de convergenţă absolută a seriei ce defineşte pe u ( z )
 ω

ρ0
σ
Γ

Fig.1 Zona de convergenţă absolută ( z > ρ 0 ) şi

conturul de integrare pentru transformata inversă

Perechile {uk }k şi u ( z ) pot fi în mare măsură generate pe baza unui număr

nu prea mare de perechi fundamentale. Această generare se face utilizând o serie
de proprietăţi ale transformatei Z. Pentru simplitatea scrierii vom nota cu
uk ↔ u ( z ) o pereche a transformării (adică semnalul şi transformata sa).

a) Liniaritate:
Dacă uk ↔ u ( z ) şi vk ↔ v ( z ) sunt două perechi, atunci pentru orice numere
α , β ∈ C avem

α uk + β vk ↔ α u ( z ) + β v ( z ) (6)

b) Translaţia la dreapta:
Dacă uk ↔ u ( z ) este o pereche şi
1) dacă uk = 0, k < 0 atunci
uk −q ↔ z − qu ( z ) (7)
2) dacă uk ≠ 0, k < 0 atunci vom avea

−1 ⎛ −1 ⎞
uk −q ↔ z − qu ( z ) + ∑ uk z − q −k = z − q ⎜ u ( z ) + ∑ uk z − k ⎟ (8)
−q ⎝ −q ⎠
c) Translaţia la stânga:
Dacă uk ↔ u ( z ) atunci

⎛ q −1
⎞
uk + q ↔ z ⎜ u ( z ) − ∑ uk z − k ⎟
q
(9)
⎝ 0 ⎠
d) Înmulţirea cu variabila temporală discretă:
Dacă uk ↔ u ( z ) atunci
d
kuk ↔ − z u ( z ) ,
dz
2
(10)
d 2 d
k uk ↔ z u ( z ) + z
2
 u ( z )
dz dz 2

e) Înmulţirea cu exponenţiala discretă (scalarea variabilei complexe):

Dacă uk ↔ u ( z ) atunci
a k uk ↔ u ( z a ) (11)

pentru orice a ≠ 0 , real sau complex.

f) Înmulţirea cu funcţiile trigonometrice discrete (modulaţia de amplitudine):

Dacă uk ↔ u ( z ) atunci pentru orice ω > 0

1⎡
( cosω k ) uk ↔ ⎣ u ( e jω z ) + u ( e − jω z ) ⎤⎦
2
(12)
1
( sin ω k ) uk ↔ j ⎡⎣u ( e jω z ) − u ( e− jω z )⎤⎦
2

g) Convoluţia cauzală:
Fie {hk }k şi {uk }k două semnale cauzale (nule pentru k < 0 ). Prin
convoluţie se înţelege semnalul definit de

k
yk = ∑ hk −iui (13)
i =0

Dacă uk ↔ u ( z ) şi hk ↔ h ( z ) atunci yk ↔ h ( z ) u ( z )

h) Însumarea („integrala discretă”):

k
Fie {uk }k un semnal cauzal şi fie yk = ∑ ui numit însumatul semnalului
0

uk . Dacă uk ↔ u ( z ) atunci

z
yk ↔ u ( z ) (14)
z −1
i) Teorema valorii iniţiale:
Dacă uk ↔ u ( z ) atunci

uo = lim u ( z )
z →∞

u1 = lim ⎡⎣ zu ( z ) − zu0 ⎤⎦

z →∞

" (15)

⎡ q q
⎤
uq = lim ⎢ z u ( z ) − ∑ z k uq −i ⎥
z →∞
⎣ i =1 ⎦

j) Teorema valorii finale:

Fie uk ↔ u ( z ) şi presupunem că lim uk există, atunci
k →∞

lim uk = lim ( z − 1) u ( z ) (16)

k →∞ z →1

Teorema valorii finale trebuie folosită cu prudenţă deoarece limita din

partea dreaptă a egalităţii poate exista şi atunci când limita din partea stângă nu
există. Atunci când u ( z ) este un raport de polinoame, existenţa limitei lui uk
este asigurată de poziţia polilor lui u ( z ) : ei trebuie să se afle în interiorul
discului unitate cu excepţia, eventual, a unui pol simplu în z = 1.

2.2 Descrierea sistemelor şi funcţia de transfer

Descrierea generală intrare/ieşire a sistemelor este prin convoluţie. Pentru

un sistem liniar cauzal invariant în timp (la translaţia semnalelor) descrierea este
dată de

k
yk = ∑ hk −iui (17)
−∞

unde {hk }k este aşa numitul şir pondere, al răspunsului cauzal la impuls.
Într-adevăr, dacă uk este impulsul unitar ( uk = 1, k = 0; uk = 0, k ≠ 0 ) atunci
yk = hk şi, evident, sistemul este cauzal pentru hk = 0, k < 0 .
Proprietatea convoluţiei la transformata Z conduce la relaţia liniară

y ( z ) = h ( z ) u ( z ) (18)
unde h ( z ) - transformata răspunsului cauzal la impuls – se numeşte funcţia de
transfer a sistemului.
În cazul particular al descrierii prin ecuaţii cu diferenţe de tipul

d ( D) y = n( D)u (19)

aplicarea transformatei Z în condiţii iniţiale nule conduce la funcţia de transfer

n( z)
H (z) = (20)
d ( z)

unde, evident, n( z ) şi d ( z ) sunt polinoame; în consecinţă, pentru sistemele

descrise de ecuaţii cu diferenţe, funcţia de transfer este o fracţie raţională.
În algebră fracţiile raţionale sunt clasificate în două tipuri fundamentale:
- fracţii proprii – la care gradul numărătorului este cel mult egal cu cel al
numitorului; atunci când el este strict mai mic decât gradul numitorului, fracţia
se numeşte strict proprie;
- fracţii improprii – la care gradul numărătorului este strict mai mare decât cel
al numitorului.
Această clasificare se extinde asupra funcţiilor de transfer şi a sistemelor
corespunzătoare.
Vom vorbi deci despre sisteme proprii (strict proprii) care au funcţia de
transfer proprie şi sisteme improprii care au funcţia de transfer improprie.
Între cele două clase de sisteme există o deosebire fundamentală: sistemele
proprii sunt cauzale, deci realizabile fizic, în timp ce sistemele improprii sunt
necauzale, având caracter anticipativ.
Această deosebire este ilustrată cel mai bine de reprezentarea de stare a
sistemelor respective.
Fie deci H ( z ) = n( z ) d ( z ) o funcţie de transfer improprie unde
∂ (n) > ∂ (d ) - s-a notat cu ∂ ( p ) numărul natural ce reprezintă gradul
polinomului p (λ ) . Împărţind cele două polinoame vom obţine

n( z ) = q ( z ) d ( z ) + r ( z ) (21)

unde ∂ (r ) < ∂ (d ) şi ∂ (q ) = ∂ (n) − ∂ (d )

Deducem

n( z ) r ( z )
H ( z) = = + q ( z ) = H1 ( z ) + q ( z ) (22)
d ( z) d ( z)
 Scriind relaţia intrare/ieşire a sistemului

y ( z ) = H ( z )u ( z ) = H1 ( z )u ( z ) + q( z )u ( z ) = y1 ( z ) + y 2 ( z ) (23)

constatăm că semnalul de ieşire – mai exact transformata sa în condiţii iniţiale

nule – este suma a două semnale: unul provenind de la un sistem strict propriu şi
altul provenind de la un sistem ce are drept funcţie de transfer un polinom.
Aceaste două sisteme sunt conectate în paralel

y1k
H1( z)
uk yk
+

q(z)
yk2
Fig.2 Reprezentarea sistemelor improprii ca sumă
(conexiune paralel) de sisteme.

Se ştie că sistemele strict proprii admit o reprezentare de stare (de exemplu, sub
prima formă canonică sau sub forma variabilelor de fază):

⎧ Dx = Ax + buk
⎨ 1 T (24)
⎩y = c x

şi o soluţie de stare xk verifică, pentru o stare iniţială x0 dată şi un semnal de

intrare dat, acest sistem de ecuaţii cu diferenţe

⎧ xk +1 = Axk + buk
⎨ 1 (25)
⎩ yk = c xk
T

Se vede că prima ecuaţie este de fapt o recurenţă din care xk se determină pe

baza valorilor trecute (precedente) ale sale şi ale semnalului de intrare uk .
Semnalul de ieşire se determină pe baza valorilor curente ale lui xk . Acest
sistem este deci cauzal.
 Pe de altă parte y 2 ( z ) = q ( z )u ( z ) este o relaţie sistemică de alt tip,
corespunzând unei dependenţe intrare/ieşire de forma

yk2 = β 0uk + β1uk +1 + ... + β puk + p (26)

unde p = ∂ (q ) iar β 0 , β1 ,...β p sunt coeficienţii polinomului q ( z ) .

În această dependenţă sistemică valoarea curentă a ieşirii este determinată
şi de valori ulterioare ale intrării, ceea ce conferă un caracter anticipativ
(necuazal) ce se transmite întregului sistem descris de funcţia de transfer H ( z )
şi reprezentat de

⎧⎪ xk +1 = Axk + buk
⎨ (27)
⎪⎩ yk = c xk + β 0uk + ( β1uk +1 + ... + β puk + p )
T

Dacă β1 = β 2 = " = β p = 0 , deci dacă H ( z ) este proprie sistemul are caracter

cauzal, ieşirea depinzând de valori curente ale stării şi intrării.
Aşa cum s-a arătat deja, numai sistemele cauzale sunt fizic realizabile.
 2.3 Stabilitatea sistemelor pur discrete în timp

2.3.1 Formularea proprietăţii de stabilitate

Proprietatea de stabilitate este una din cele mai importante proprietăţi ale
sistemelor dinamice continue sau discrete. Există mai multe definiţii pentru
proprietatea de stabilitate.
În general stabilitatea este o proprietate a unei traiectorii ce exprimă
evoluţia stării sau ieşirii sistemului determinată de starea iniţială (răspunsul
liber) sau/şi de către intrarea aplicată (răspunsul forţat).
La un sistem pot fi evidenţiate unele traiectorii care au proprietatea de
stabilitate iar altele care nu îndeplinesc această proprietate indiferent cum este
definită stabilitatea.
În cazul sistemelor liniare proprietatea de stabilitate este o proprietate de
sistem. Dacă un sistem liniar are o traiectorie care îndeplineşte condiţia de
stabilitate atunci oricare traiectorie a acelui sistem are această proprietate.
Deci se poate vorbi de stabilitatea unui sistem numai în cazul sistemelor
liniare.
Pentru sistemele neliniare stabilitatea este proprietatea unei anumite
traiectorii şi este mult mai nuanţată.

2.3.2 Stabilitatea sistemelor liniare invariabile în timp

Aşa cum s-a menţionat anterior, proprietatea de stabilitate în cazul
sistemelor liniare este o proprietate de sistem. Rezultate remarcabile se pot
obţine în cazul sistemelor liniare invariabile în timp.
În teoria sistemelor se utilizează două concepte de stabilitate: stabilitatea
intrare/ieşire şi stabilitatea internă. Vom examina separat fiecare din aceste
concepte.

[Link] Stabilitatea intrare/ieşire

Stabilitatea intrare/ieşire reflectă proprietatea unui sistem de a furniza la

ieşire semnale aparţinând aceleiaşi clase cu semnalele de intrare: dacă
semnalele de intrare sunt mărginite şi semnalele de ieşire sunt mărginite; dacă
semnalele de intrare sunt de acţiune finită ( u  l1 ) sau de energie finită ( u  l 2 )
atunci şi semnalele de ieşire sunt de acţiune, respectiv energie finită.
Din punct de vedere fizic o astfel de proprietate se interpretează ca o
finitudine a resurselor energetice proprii ale sistemului, ceea ce face imposibilă
„explozia” ieşirii în condiţiile unei intrări „normale”.
Pentru un sistem liniar descris de o convoluţie de forma
 k
yk =  hk − i ui (1)
−

condiţia necesară şi suficientă de stabilitate intrare/ieşire este ca şirul pondere

hk  să reprezinte un semnal de acţiune finită:

  
hl 1
 
 0
hk   

(2)

Demonstraţia acestei condiţii poate fi dedusă din teoremele de convoluţie

ale analizei matematice.
În aplicaţiile practice este importantă posibilitatea de a verifica această
condiţie. Cazul uzual este cel în care transformata Z a lui h, adică funcţia de
transfer este raţională strict proprie.

În acest caz condiţia necesară şi suficientă de stabilitate este ca polii

funcţiei de transfer să se afle în interiorul discului unitate şi pe
circumferinţă, aceștia din urmă fiind poli simpli. Condiţia necesară şi
suficientă de stabilitate asimptotică este ca polii funcţiei de transfer să fie
situați strict în interiorul discului unitate.

Demonstraţia condiţiei se face pe baza regulilor de calcul al transformatei

inverse. Pentru simplitate vom considera aici doar cazul în care polii sunt
simpli. Vom presupune de asemenea că H (0) = 0 adică funcţia de transfer se
poate scrie sub forma

zr ( z )
H ( z) = (3)
d ( z)

unde d (0)  0 . Descompunem pe r ( z ) d ( z ) în fracţii simple obţinând:

A1 z Az An z
H ( z) = + 2 + + (4)
z − a1 z − a2 z − an

de unde, luând transformarea inversă

hk = A1 ( a1 ) + A2 ( a2 ) + + An ( an )
k k k
(5)

şi, evident, această sumă finită de exponenţiale discrete va da o serie absolut

convergentă dacă şi numai dacă ai  1 .
 Dacă H (0)  0 vom considera pe Hˆ ( z ) = zH ( z ) şi vom obţine
proprietatea (condiţia asupra polilor) pentru Ĥ ( z ) deci pentru hˆk , perechea lui
Ĥ ( z ) . Avem deci H ( z ) = z −1Hˆ ( z ) şi hˆ cu proprietatea că hˆ = 0, k  0 (fiind
k k

inversa unei transformate Z unilaterale).

Putem deci aplica translaţia la dreapta şi să obţinem că hk = hˆk −1 şi, din
punct de vedere al convergenţei absolute a seriei nu se produce nici o
schimbare (convergenţa nu se modifică la modificarea unui număr finit de
termeni).
z
În cazul polilor multipli vor apărea termeni de forma a căror
( z − a)
p

pereche are forma Ckp a k pentru k  p , fiind 0 pentru k  p . Şi pentru aceşti

termeni condiţia de convergenţă absolută este ca a  1 .

[Link] Stabilitatea internă

Stabilitatea internă este o proprietate a sistemelor în cazul autonom (al

semnalului de intrare identic nul) deci este o proprietate ce caracterizează
comportamentul în raport cu condiţiile iniţiale.
Din punct de vedere fizic stabilitatea internă înseamnă faptul că valori
suficient de mici ale energiei înglobate în condiţiile iniţiale vor genera evoluţii
sistemice în care nivelul de energie va rămâne la valori arbitrar de mici.
Proprietatea de stabilitate internă se referă la sistemele în care condiţiile
iniţiale joacă un rol în caracterizarea evoluţiei: este vorba de sistemele descrise
prin ecuaţii cu diferenţe (tip intrare/ieşire) sau prin ecuaţii de stare.
Vom considera, spre exemplificare, un sistem de ordinul 2

D 2 y + a1Dy + a0 y = 0 (6)

Dacă yk este o soluţie atunci

yk + 2 = −a0 yk − a1 yk +1 (7)

relaţie ce defineşte o recurenţă; pentru „lansarea” acestei recurenţe trebuie

cunoscute condiţiile iniţiale y0 şi y1 . Aplicăm transformata Z
   

 yk +2 z −k + a1  yk +1z −k + a0  yk z −k =
0 0 0
 
=  yi z + a1  yi z + a0 y ( z )
−( i − 2 ) −( i −1)

2 1

= z  y ( z ) − y0 − z −1 y1  + a1 z  y ( z ) − y0  + a0 y ( z )
2

= ( z 2 + a1 z + a0 ) y ( z ) − ( z 2 + a1 z ) y0 − zy1 = 0
(8)
Deducem de aici

y( z) =
(z 2
+ a1 z ) y0
+
z
y1 (9)
z + a1 z + a0
2
z + a1 z + a0
2

şi se observă dependenţa liniară de condiţiile iniţiale. Comportarea soluţiei yk ,

obţinută prin inversarea transformatei Z, depinde de polii lui y ( z ) , deci de
rădăcinile polinomului caracteristic al sistemului.
Transformata inversă a lui z z 2 + a1 z + a0 are forma A1 p1k + A2 p2k unde
p1 , p2 sunt cele două rădăcini ale numitorului (polii) iar A1 , A2 sunt cele două
constante care rezultă din descompunerea în fracţii simple.

Transformata inversă a lui z 2 z 2 + a1 z + a0 are forma B1 p1k + B2 p2k . Drept

urmare obţinem

yk = ( B1 + a1 A1 ) p1k + ( B2 + a1 A2 ) p2k  y0 + ( A1 p1k + A2 p2k ) y1 (10)

şi constatăm că pentru p1 şi p2 în interiorul discului unitate sau pe

circumferinţă, coeficienţii ce înmulţesc pe y0 şi y1 sunt mărginiţi

yk  c1 y0 + c2 y1 (11)

 
Deci, pentru orice   0 (arbitrar de mic) dacă y0  , y1 
c1 + c2 c1 + c2
atunci yk   .

Cu alte cuvinte condiţia necesară şi suficientă de stabilitate internă este

ca rădăcinile polinomului caracteristic să fie situate în interiorul discului
unitate al planului complex şi pe circumferinţă, acestea din urmă fiind
simple.
 Condiţia legată de rădăcinile de pe circumferinţă se explică astfel:
prezenţa unei rădăcini duble pe circumferinţă ar introduce termeni de tip kp k ;
avem evaluarea kp k  k p = k şi coeficienţii condiţiilor iniţiale cresc spre
k

valori arbitrar de mari sau arbitrar de mici.

O proprietate de stabilitate mai puternică este stabilitatea internă
asimptotică. Fizic aceasta înseamnă că energia înglobată în condiţiile iniţiale va
genera evoluţii sistemice în care sistemul va tinde către starea relaxată. Aceeaşi
exemplificare de mai sus permite enunţarea condiţiei:
Condiţia necesară şi suficientă de stabilitate asimptotică internă este ca
rădăcinile polinomului caracteristic să fie situate strict în interiorul discului
unitate.
Proprietăţile de stabilitate internă pot fi formulate şi pe reprezentarea de
stare a sistemelor
xk +1 = Axk + buk (12)
unde se ia uk = 0 , k , obţinând
xk +1 = Axk (13)

Soluţia de stare xk se reprezintă prin recurenţă sub forma

xk = Ak x0 (14)

Din calculul matricial se cunoaşte evaluarea

Ak   0  k (15)

unde  este marginea superioară exactă a mulţimii modulelor valorilor proprii

ale lui A . Deducem atunci evaluarea

xk   0  k x0 (16)

şi constatăm că sistemul este stabil intern dacă şi numai dacă   1 şi stabil

asimptotic dacă   1 . Să remarcă faptul că în cazul  = 1 evaluarea este
valabilă în cazul în care valorile proprii de pe cercul unitate sunt simple.
Rezultă că putem enunţa
Condiţia necesară şi suficientă ca un sistem dat prin reprezentarea de
stare să fie stabil intern este ca valorile propri ale matricei generatoare a
tranziţiei de stare să fie în interiorul discului unitate şi pe circumferinţă, cele
de pe circumferinţă fiind simple. Pentru stabilitate asimptotică este necesar şi
suficient ca toate valorile propri să fie situate în interiorul cercului unitate.
 Să considerăm acum un sistem dat sub forma de stare

 xk +1 = Axk + buk
 (17)
 yk = c xk
T

n( z)
a cărui funcţie de transfer este H ( z ) = cT ( zI − A ) b = . Pentru H ( z )
−1

d ( z)
ireductibilă d ( z ) = det ( zI − A ) , adică polinomul caracteristic al matricei A
coincide cu numitorul funcţiei de transfer. În acest caz toate proprietăţile de
stabilitate echivalează cu localizarea în interiorul cercului unitate a polilor
funcţiei de transfer.
Dacă funcția de transfer nu este ireductibilă, adică există factori comuni la
numitor și numărător, atunci este posibil ca sistemul să fie extern stabil, iar
intern să fie instabil. Acest lucru se întâmplă atunci când printre factori comuni
(care se reduc) să existe și unii care corespund unor poli instabili (care se află în
afara cercului de rază unitate). De exemplu, sistemul descris prin funcția de
transfer
z 2 − 1.1z z  (z − 1.1)
H(z) = 2 =
z − 2z + 0.99 (z − 1.1)  (z − 0.9)
are 2 poli, unul stabil în punctul 0.9 și celălalt instabil, în 1.1. Deci, sistemul
este intern instabil. Dar, întrucât sistemul are și un zerou în 1.1, după
simplificarea factorului comun se obține o funcție de transfer redusă
z
H' (z) =
(z − 0.9)
care este stabilă (conține doar polul 0.9)

2.3.3 Criterii de stabilitate

a) Condiții necesare de stabilitate

Condițiile necesare pentru ca un polinom de gradul n

(18)

să fie asimptotic stabil în timp discret, adică să aibă toate rădăcinile în interiorul
cercului de rază unitate sunt:

1) L(1) > 0 , (19)

2) (−1)n  L(−1) > 0 . (20)
 Prin criterii de stabilitate se înţeleg criteriile de localizare a rădăcinilor
unui polinom în interiorul cercului unitate.
Există mai multe criterii de stabilitate formulate pentru sistemele pur
discrete, printre care amintim:
a) Criteriul Schur-Cohn;
b) Criteriul Jury;
c) Criteriul Tzapkin.
Aici vom exemplifica doar Criteriul Schur-Cohn

b) Criteriul de stabilitate Schur-Kohn

Se consideră polinomul de la numitorul funcţiei de transfer (pentru

stabilitatea externă), respectiv polinomul caracteristic al unui sistem discret în
timp (pentru stabilitatea internă)

Criteriul de stabilitate Schur-Kohn determină condiţiile necesare şi suficiente

de stabilitate asimptotică în timp discret pentru polinomul L(z) , adică pentru ca
ecuaţia L(z) = 0 să aibă toate rădăcinile în interiorul cercului de rază unitate.
Pentru aplicarea acestui criteriu se calculează n determinanţi Dq de dimensiuni
2  q  2  q , denumiţi şi determinanţii Schur-Kohn.
a0 an an-1...an-q+1
a1 a0 0 ... ...
...

... ... a a
...

aq-1... a1 a0 0 n an-1 n
Dq=
an a0 a1 ... aq-1
an-1an 0 ... ...
...

...
...

a0 a1
an-q+1 ... an 0 a0
(21)
Prin a k s-a notat conjugatul complex al coeficientului a k .
Condiţia necesară şi suficientă de stabilitate este exprimată prin setul de
condiţii:
q  1,n , ( −1)q  Dq > 0 . (22)

c) Criteriul Routh discret echivalent

În practica inginerească se cunosc de peste 120 de ani criteriile de

localizare a rădăcinilor unui polinom în semiplanul stîng, criterii ce asigură
stabilitatea sistemelor analogice (cu timp continuu, descrise de ecuaţii
diferenţiale). Din acestea pot fi obţinute criterii pentru sisteme discrete utilizând
reprezentarea conformă
z −1
s= (23)
z +1

care aplică axa imaginară infinită din planul s pe o rotaţie completă a cercului
unitate din planul z şi semiplanul complex stîng Re ( s )  0 pe interiorul
discului unitate z  1

s z


Fig.3 Transformarea omografică

s = ( z − 1)( z + 1)
−1

Transformarea inversă definită de

1+ s
z= (24)
1− s
aplică interiorul cercului unitate pe semiplanul stîng şi cercul unitate (o rotaţie)
pe axa imaginară.
Rezultă că dacă suntem interesaţi de localizarea rădăcinilor polinomului
d ( z ) în interiorul cercului unitate, atunci putem studia localizarea în
semiplanul stîng a polinomului
1+ s 
d ( s ) = (1 − s ) d 
n
 (25)
1− s 
unde n =  ( d ) - gradul polinomului d ( z ) . După această transformare putem
aplica polinomului d ( s ) criteriul Routh – Hurwitz cunoscut din studiul
sistemelor analogice.
Vom exemplifica această procedură pe cazul sistemelor de ordinul 1, 2, şi 3.
a) Pentru
d1 ( z ) = z + a0

n =1  1 + s  (26)
 1
d ( s ) = (1 − s ) 1 − s + a0 = 1 + s + a0 (1 − s ) = (1 − a0 ) s + 1 + a0
 
şi condiţia Hurwitz pentru n = 1 va da
 a0  1 (27)
după cum se putea vedea din calcul direct.

b) Pentru n = 2

d 2 ( z ) = z 2 + a1 z + a0

 2  1 + s  1+ s  
2

 2( ) ( = − )  +  0  = (1 + s ) + a1 (1 − s ) + a0 (1 − s )
+
2 2 2
d s 1 s  a1 a
  1 − s  1− s  

 = (1 − a1 + a0 ) s 2 + 2 (1 − a0 ) s + 1 + a1 + a0
(28)
şi condiţiile Hurwitz pentru n = 2 vor da
a0  1 , a1   + a0 (29)

c) Pentru n = 3
d3 ( z ) = z 3 + a2 z 2 + a1 z + a0

 d3 ( s ) = (1 − a2 + a1 − a0 ) s + ( 3 − a2 − a1 + 3a0 ) s
3 2
(30)

 + ( 3 + a2 − a1 − 3a0 ) s + (1 + a2 + a1 + a0 )

şi după o serie de calcule legate de aplicarea criteriului Hurwitz pentru n = 3 se

deduc inegalitățile ce exprimă condițiile de stabilitate, numite și inegalități
Schur-Cohn.
 3. Filtre numerice

Un filtru numeric standard este un sistem liniar, discret, invariant în timp,

utilizat în scopul modificării spectrului unui semnal. Reprezentarea sa se face
printr-o ecuaţie cu diferenţe de ordin n, de forma

n −1 n
D n y = ∑ a p D p y + ∑ bq D qu (1)
p =0 q =0

Dacă se consideră o pereche intrare/ieşire {uk }k , { yk }k admiţând

transformata Z, se poate aplica transformata Z în condiţii iniţiale nule obţinând

y ( z ) = H ( z ) u ( z ) (2)

unde H ( z ) este funcţia de transfer raţională a filtrului

n

∑b z q
q

H ( z) = q =0
n −1
(3)
z − ∑ ap z
n p

p =0

La proiectarea şi realizarea unui filtru numeric se urmăreşte alegerea

coeficienţilor {a p , bq } în vederea satisfacerii unor prescripţii de performanţă.

3.1 Descriere generală şi clase de filtre

Fiind vorba de o modificare a spectrului prin filtrare, calea naturală de

specificare a filtrului este cunoaşterea unor componente spectrale (armonici) atât
din semnalul de intrare cât şi din cel de ieşire. Ca urmare filtrul este specificat prin
intermediul descrierii din domeniul frecvenţă.
Funcţia de transfer a filtrului poate fi specificată şi ca aproximare a unui
răspuns frecvenţial (caracteristică de frecvenţă) dorit(ă) H d ( z ) , cum ar fi
următoarele cazuri:

a) H d corespunde unui filtru de ordin nd şi se doreşte găsirea unui filtru cu n < nd ;

b) H d defineşte o caracteristică ideală de filtru ce nu poate fi realizată de nici un
filtru standard;
c) H d este dată prin expresia:
 ⎛ ω⎞
H d ( e jω ) = H ⎜ j ⎟ (4)
⎝ T⎠

unde H ( s ) este funcţia de transfer a unui filtru analogic.

Gradul de aproximare a lui H d prin H se evaluează de regulă astfel

( ) ( )
2
J1 := ∑ γ d (ω k ) H d e jωk − H e jωk (5)
1
sau

k
{ ( ) (
J 2 := max γ d (ωk ) H d e jωk − H e jωk )} (6)

pentru γ d (ω ) > 0 , ∀ω şi o mulţime finită de frecvenţe numerice ω1 ,...,ω M . Un

filtru realizat prin minimizarea lui J1 se numeşte filtru de tip cele mai mici pătrate
ponderate, iar cel realizat prin minimizarea lui J 2 se numeşte filtru minimax
ponderat.
O caracteristică binecunoscută a filtrelor este răspunsul la impuls sau şirul
pondere {hk }k - răspunsul la semnalul

⎧1 , k = 0
uk = δ k = ⎨ (7)
⎩0 ,k ≠ 0
în condiţii iniţiale nule, yk = 0 , − n ≤ k ≤ −1 . Se arată prin calcul direct că {hk }k
este definit astfel:

1) k < 0 , hk ≡ 0 (8)
2) 0 ≤ k ≤ n , hk se determină din recurenţa de mai jos pe baza coeficienţilor
a p şi bq :
h0 = bn
h1 = an−1h0 + bn−1
h2 = an−1h1 + an−2 h0 + bn−2 (9)
"
hn = an−1hn−1 + " + a1h1 + a0 h0 + b0

3) k > n , pe baza răspunsului la intrare nulă

n −1
hn+ j = ∑ a p hp + j , j > 0 (10)
p =0
 Formulele de mai sus arată că putem distinge două tipuri de filtre:

a) dacă ∃ p ∈ 0, n − 1 astfel încât a p ≠ 0 , atunci pentru o pereche intrare/ieşire

{uk }k , { yk }k
calculul ieşirii yk + n va necesita cunoaşterea ieşirii yk + p la un moment
precedent k + p . Filtrul este numit recursiv. Din formula lui hk pentru k > n
rezultă că hk va conţine un termen de forma λ k unde λ este o rădăcină a ecuaţiei
caracteristice
n −1
λ n − ∑ a pλ p = 0 (11)
p =0

(consecinţă a teoriei ecuaţiilor cu diferenţe); deducem că nu există M > 0 finit

astfel încât hk = 0 , k > M . Ca urmare filtrul recursiv se numeşte şi filtru cu
răspuns de durată infinită la impuls (Infinite Impulse Response – IIR).

b) dacă a p = 0 , ∀ p ∈ 0, n − 1 , atunci pentru orice pereche intrare/ieşire

{uk }k , { yk }k este valabilă relaţia
n
yk + n = ∑ bquk + q (12)
q =0

şi deoarece calculul lui yk + n nu necesită cunoaşterea ieşirii la momente anterioare

lui k + n , filtrul se numeşte nerecursiv. Particularizând pentru toţi a p = 0 expresia
lui hk pentru k > n deducem hk = 0 , k ≥ n + 1 , adică răspunsul la impuls al
filtrului nerecursiv poate avea cel mult un număr finit de valori nenule. De aceea
filtrul nerecursiv se mai numeşte şi filtru cu răspuns de durată finită la impuls
(Finite Impulse Response – FIR).

3.2 Caracteristici de frecvenţă

Caracteristica de frecvenţă a unui filtru se defineşte ca transformata Fourier a

funcţiei pondere
+∞
hˆ(ω ) = ∑ hk e − jωk (13)
−∞

atunci când ea există, altminteri ea este restricţia la cercul unitate a funcţiei de

transfer obţinute ca transformată Z bilaterală a şirului pondere

H ( e jω ) = H ( z ) z =e jω (14)
 Cum exponenţiala imaginară este 2π -periodică, ĥ (ω ) şi H ( e jω ) definite
mai sus sunt 2π -periodice.
De fapt ĥ (ω ) are aspectul unei serii Fourier: ea descrie o funcţie de perioadă
2π în domeniul frecvenţă (şi nu în domeniul timp, cum este uzual); rezultă că hk
pot fi consideraţi coeficienţi Fourier, calculabili cu formula cunoscută

π
1
∫ hˆ(ω )e
j ωk
hk = dω (15)
2π −π

Să mai observăm că în timp ce argumentul temporal ia aici valori în Z –

mulţime discretă şi numărabilă – argumentul frecvenţial ia valori în [ −π ,π ) - un
segment de puterea continuului. De aceea, perechile Fourier introduse astfel se
numesc Transformată Fourier Discret – Continuă (DCFT).

Pentru caracteristica de frecvenţă H ( e jω ) se pot defini, în modul cunoscut de

la sistemele analogice, caracteristica de modul şi caracteristica de fază. Datorită
periodicităţii în raport cu frecvenţa apar totuşi unele deosebiri. Mai exact, fie

H ( e jω ) = M (ω ) e
jδ (ω )
(16)

( ) (
Re H ( e jω ) + Im H ( e jω ) )
2 2
unde M (ω ) = iar δ (ω ) este unic determinată din
egalitatea de definiţie; evident că M (ω ) ≥ 0 (prin definiţie) însă δ (ω ) poate
rezulta cu discontinuităţi (datorită salturilor din punctele kπ ); impunând ca faza să
fie continuă în expresia

H ( e jω ) = A (ω ) e
jφ (ω )
(17)

va rezulta A (ω ) cu semn variabil, deci A (ω ) nu mai este un modul în sensul

definiţiei.
La fel ca în cazul filtrelor analogice, caracteristicile de frecvenţă permit
definirea filtrelor numerice potrivit cu tipul de modificare pe care îl produc în
spectrul semnalului de intrare. Vom distinge aici:

Filtrul Trece – Tot (TT) – caracterizat de modulul constant al caracteristicii de

frecvenţă în toată banda [ −π ,π )
M (ω ) = γ > 0 . (18)
 Filtrul de Fază Liniară – este caracterizat de o variaţie liniară a fazei
continue, adică φ (ω ) = −τω pentru o constantă τ oarecare. În general,
τ (ω ) = φ ′ (ω ) se numeşte întârziere de grup a filtrului.

Filtrul Trece Jos (TJ) – este descris, ca multe alte filtre sub forma unui
interval admisibil pentru caracteristica de modul M (ω ) : pentru un ωb ≤ ω s se
poate scrie
1 − ε1 ≤ M (ω ) ≤ 1 + ε1 , 0 ≤ ω ≤ ω b
(19)
M (ω ) ≤ ε 2 , ω b < ω s ≤ ω ≤ π
În intervalul [ −π ,0 ) Μ (ω ) se prelungeşte prin simetrie, fiind o funcţie pară.
Intervalul de frecvenţe pozitive 0 ≤ ω ≤ ωb se numeşte bandă de trecere, intervalul
(ω s ,π ) se numeşte bandă de oprire, între ele găsindu-se aşa numita bandă de
tranziţie; în cazul ideal ω s − ωb = ε1 = ε 2 = 0 .
Specificaţiile uzuale pentru filtrele TJ constau în valorile ω s − ωb , ε1 , ε 2 şi
cerinţa unei anume netezimi în banda de tranziţie; la acestea se mai adaugă cerinţa
unei întârzieri de grup relativ constante în banda de trecere:
β 01 + β1ω ≤ φ (ω ) ≤ β 02 + β1ω , 0 ≤ ω ≤ ωb (20)
pentru anumite constante β 01 , β 02 , β1 impuse ( β 02 > β 01 ) , a se vedea fig. 3.1
M

ωb ωs π ω a)
φ
ω b)

Fig.3.1 Caracteristici de filtru TJ:

a) modulul;
b) faza.
 Filtrul Trece Sus (TS) – este, într-un sens, opusul sau dualul filtrului TJ.
Pentru o bandă de tranziţie ω 2 − ω1 , ω1 < ω 2 , caracteristica de modul se defineşte
după cum urmează (fig.3.2a):
M (ω ) ≤ ε 2 , 0 ≤ ω ≤ ω1
(21)
1 − ε1 ≤ M (ω ) ≤ 1 + ε1 , ω1 < ω 2 ≤ ω ≤ π

Filtrul Trece Bandă (TB) – este definit de două benzi de tranziţie ω 2 − ω1 şi

ω 4 − ω3 , având caracteristica de modul (fig.3.2b):
M (ω ) ≤ ε 2 , 0 ≤ ω ≤ ω1 < ω2 , ω3 < ω4 ≤ ω < π
(22)
1 − ε1 ≤ M (ω ) ≤ 1 + ε1 , ω2 ≤ ω ≤ ω3

Filtrul Opreşte Bandă (OB) – este opusul sau dualul filtrului TB, fiind
definit tot de benzile de tranziţie ω 2 − ω1 şi ω 4 − ω3 , prin caracteristica de modul
(fig.3.2c):

1 − ε1 ≤ M (ω ) ≤ 1 + ε1 , 0 ≤ ω ≤ ω1 < ω 2 , ω 3 < ω 4 ≤ ω < π (23)

M (ω ) ≤ ε 2 , ω 2 ≤ ω ≤ ω 3

M M M
1 + ε1 1 + ε1 1 + ε1
1 1 1
1 − ε1 1 − ε1 1 − ε1

ε2 ε2
ω1 ω2 ω ω1 ω 2 ω3 ω 4 ω ω1 ω 2 ω3 ω 4
ω
a b c
Fig.3.2 Caracteristici de modul pentru filtre:
a) Filtru TS;
b) Filtru TB
c) Filtru OB

Filtrul de „crestătură” (NOTCH) – este definit de condiţia

M (ω 0 ) = 0 , 0 < ω 0 < π ; se spune că filtrul are o „crestătură” la frecvenţa ω 0 ; un
filtru OB, în care banda de oprire este una foarte îngustă şi îl conţine pe ω0 , se
numeşte filtru de „crestătură”.
 3.3 Filtre nerecursive (FIR)

Aşa cum s-a văzut, sunt filtre de forma

n
D n y = ∑ bq D q u (24)
0

având funcţia de transfer

n n n
1
H (z) =
zn
∑ bq z q = ∑ bq z q−n = ∑ bn−l z −l
0 0 0
(25)

De aici rezultă
⎧0 , k < 0 , k > n
hk = ⎨ (26)
⎩bn − k , 0 ≤ k ≤ n
Observăm că funcţia de transfer are un unic pol multiplu situat la z = 0 , deci
filtrul este întotdeauna exponenţial stabil. Printre alte avantaje, această stabilitate
inerentă permite scurtarea proceselor de optimizare a coeficienţilor bq deoarece nu
mai este necesară testarea stabilităţii la fiecare pas al optimizării.

3.3.1 Filtre nerecursive TT

Filtrele TT nu pot fi realizate prin filtre nerecursive. Într-adevăr, din ultima

expresie a lui H ( z ) vom deduce:
n
H ( e jω ) = bn + ∑ bn−l e − jωl =
1
n n
(27)
= bn + ∑ bn−l cos ω l − j ∑ bn−l sin ω l
1 1

2 2
⎛ n
⎞ ⎛ n ⎞
M (ω ) = ⎜ bn + ∑ bn−l cos ω l ⎟ + ⎜ ∑ bn−l sin ω l ⎟
2
(28)
⎝ 1 ⎠ ⎝ 1 ⎠

Pentru a avea M (ω ) ≡ const pe o bandă de frecvenţă oarecare ar trebui ca

bn ≠ 0, bq = 0, q ≠ n ceea ce ar conduce la varianta banală H ( z ) ≡ const
(explicaţia matematică este una simplă, legată de faptul că o funcţie analitică nulă
pe un interval este identic nulă).
 3.3.2 Filtre nerecursive de fază liniară

Pentru înţelegerea problematicii filtrelor de acest tip este necesară o analiză

prealabilă a caracteristicilor de frecvenţă ale filtrelor numerice, deoarece există
unele diferenţe faţă de cazul anologic.
Pentru un sistem discret cu funcţia de transfer H ( z ) , caracteristica de
frecvenţă este H ( e j ) . Datorită periodicităţii lui e j , rezultă periodicitatea
caracteristicii de frecvenţă pentru H ( z ) raţională. La fel ca în cazul analogic
putem defini
A ( ) = H ( e j )  0 ,  ( ) = arg H ( e j ) (1)

unde A ( ) = A ( − ) ,  ( ) = − ( − ) ; A ( ) se numeşte caracteristică de

amplificare, iar  - caracteristică de fază.
De regulă  ( ) este discontinuă şi pentru a evita acest lucru se mai
utilizează un set de caracteristici
H ( e j ) = H 0 ( e j ) e
j ( )
(2)

unde H 0 ( e j ) se numeşte funcţie de frecvenţă de fază nulă,  ( ) definind

caracteristica de fază continuă.
Aceste caracteristici au următoarele proprietăţi
A ( ) = A ( + 2 ) ,  ( ) =  ( + 2 )

( )
1°
H 0 ( e j ) = H 0 e ,  ( ) =  ( + 2 )
j ( + 2 )

2° A ( −  ) = A ( +  ) , H 0 e ( j ( − )
) = H (e ( ) )
0
j  +

ceea ce arată că A şi H 0 sunt unic determinate pe  0, ) ;

3° Dacă n   ( )  ( n + 1) pentru un număr n întreg oarecare, atunci
e valabilă egalitatea
A ( ) = ( −1) H 0 ( e j ) cu
n

4°  ( −  ) = − ( +  ) ,  ( −  ) = − ( +  )
ceea ce arată că  şi  sunt unic determinate pe  0, )
 A. Un filtru nerecursiv are caracteristica de frecvenţă complexă de forma
N −1
H ( e j ) =  hk e− j k (3)
0

O caracteristică de fază liniară în toată banda de frecvenţă înseamnă

îndeplinirea unei condiţii de forma
 
H ( e j ) = H 0 ( e j ) e
j (  − )
, −  
(4)
2 2
În cele ce urmează vom examina condiţiile ce trebuie impuse asupra şirului
pondere hk . Egalînd cele două expresii pentru H ( e j ) eliminăm pe H 0 ( e j ) şi
obţinem
N −1

sin (  −  ) 0 hk sin k
= − N −1 (5)
cos (  −  )
 h cos k
0
k

de unde rezultă o egalitate compactă.

N −1

 h sin (  − ( − k ) ) = 0 , 
0
k (6)

Pe de altă parte expresia lui H ( e j ) poate fi considerată ca unica serie

Fourier a funcţiei 2 -periodice H 0 ( e j ) e (
j  − )
, ceea ce înseamnă că există o
soluţie unică a egalităţii de mai sus, liniară în hk .
Pentru determinarea şirului hk  presupunem două situaţii particulare
a) şir simetric faţă de centrul secvenţei
hk = hN −1−k (7)
b) şir antisimetric faţă de centrul secvenţei
hk = −hN −1−k (8)
În ambele cazuri se poate calcula suma a 2 termeni simetrici:
T ( k ,  ) = hk sin (  − ( − k )  ) + hN −1−k sin (  − ( − ( N − 1 − k ) ) )
  N −1   N −1 (9)
= 2hk sin   −   −    cos  k − 
  2    2 
pentru simetrie şi
 N −1    N −1 
T ( k ,  ) = 2hk sin   k −    cos   −   −   (10)
  2     2  
pentru antisimetrie.

2
 Condiţia filtrului cu fază liniară scrisă mai sus se verifică în ambele cazuri în
situaţia în care T ( k , ) = 0 , k ,  . O condiţie suficientă pentru aceasta este în
fiecare caz
  N −1 
sin   −   −   = 0 ,  (11)
  2  
şi respectiv
  N −1 
cos   −   −  = 0 , 
2  
(12)
 
În primul caz vom avea
 N −1 N −1
 −  −  = m ,  ;  = 0 ,  = (13)
 2  2
iar în al doilea caz
 N −1   N −1
 −  −  = ( 2m + 1) ,  ;  = ,  = (14)
 2  2 2 2
În continuare pentru fiecare din cele două cazuri trebuie analizate două
situaţii distincte.
Pentru N par condiţiile de mai sus asigură îndeplinirea condiţiilor impuse.
Pentru N impar trebuie examinat termenul central. În cazul simetriei obţinem
  N −1 N −1 
h( N −1) 2 sin  0 −  −   = 0 (15)
  2 2  
iar în cazul antisimetriei
   N −1 N −1 
h( N −1) 2 sin  −  −  = h
2   ( N −1) 2
(16)
2  2
ceea ce impune condiţia h( N −1) 2 = 0 .
Deducem că există 4 tipuri de filtre nerecursive cu fază liniară, caracterizate
de lungimea secvenţei pondere N şi de tipul de simetrie:
1– FIR cu răspuns simetric şi lungime impară; ( hk = hN −1−k ; N = 2 p + 1)
2– FIR cu răspuns simetric şi lungime pară; ( hk = hN −1−k ; N = 2 p )
3– FIR cu răspuns antisimetric şi lungime impară; ( hk = −hN −1−k ; N = 2 p + 1)
4– FIR cu răspuns antisimetric şi lungime pară; ( hk = −hN −1−k ; N = 2 p )

Pentru toate filtrele FIR cu faza liniară se obţine acelaşi timp de întîrziere de
grup

3
 d d N −1
 g ( ) = − =− = = (17)
d d 2
B. Pe baza restricţiilor descrise anterior se pot calcula caracteristicile de
frecvenţă ale celor 4 tipuri de filtre descrise mai sus:
a) Pentru tipul 1 (simetric impar) vom avea
( N −3 ) 2 ( N −1)
H (e )=  
j − j k − j ( N −1) 2
hk e + h( N −1) 2e + hk e − jk =
0 ( N +1) 2

( N −3 ) 2 ( N −3 ) 2
=  0
hk e − j k
+ h( N −1) 2e
− j ( N −1) 2
+  0
hN −1−me
− j ( N −1− m )
=

 ( N −3) 2  j  − k + ( N −1)   ( N −1) 

− j  −k   
=e
− j ( N −1) 2
  hk  e  2 
+e  2 
+h 
 0   ( N −1) 2 
   
 ( N −3 ) 2  ( N − 1)  
 
− j ( N −1) 2
=e 2 hk cos  − k   + h( N −1) 2 
 0  2  
 ( N −1) 2 
  2h( N −1) 2−k cos k + h( N −1) 2 
− j ( N −1) 2
=e
 1 
( N −1) 2
=e
− j ( N −1) 2
 0
ak cos k (18)
unde a0 = h( N −1) 2 , ak = 2h( N −1) 2−k
( N −1)
N −1
2
şi se vede că H 0 ( e j
)=  ak cos k ,  ( ) = − .
0 2
b) Pentru tipul 2 (simetric par) calcule asemănătoare conduc la
N −1 N 2
 1 
H (e )=e
−j 
j 2
 b cos   k − 2  
1
k , bk = 2hN 2−k (19)

c) Pentru tipul 3 (antisimetric impar) vom obţine

( N −1) 2
( )
H ( e j ) = e
j  2−( ( N −1) 2 )
 1
ck sin k , ck = 2h( N −1) 2−k (20)

d) Pentru tipul 4 (antisimetric par) obţinem

( )  1
H (e )=e
N 2
− j  2−( ( N −1) 2 )
j
d0
k sin  k −   , d k = 2hN 2−k
 2
(21)

Pe baza acestor formule se pot face cîteva observaţii cu caracter general:

4
 
j
1) Prezenţa factorului e 2 = j în funcţiile de frecvenţă ale filtrelor
antisimetrice arată că, în afara factorului de fază liniară, ele sunt pur imaginare;
2) În cazul filtrelor cu N impar (tip 1 şi tip 3) se poate găsi un corespondent
temporal pentru funcţiile de frecvenţă de fază nulă:
N −1
 N −1

H0 (e ) = H (e )e  F  H ( e ) e 2  = h 0 N −1
j  j
j j 2 −1j
(22)
  k+ 2
(pentru tipul 1; pentru tipul 3 hk0+( N −1) 2 e corespondentul lui jH 0 ( e j ) ; pentru
tipurile pare corespondenţa nu mai are sens deoarece ( N − 1) 2 nu mai este număr
întreg ).
Secvenţele hk0 sunt necauzale şi simetrice (antisimetrice) în raport cu
ordonata ceea ce explică termenul de caracteristică de fază zero pentru H 0 ( e j ) .
3) Caracteristica de fază zero este pară pentru filtrele simetrice şi impară
pentru filtrele antisimetrice.
4) Cu excepţia tipului 1, aceste filtre nu au componentă continuă în
caracteristica de frecvenţă.
5) Filtrele impare au funcţia de fază 0, 2  -periodică, iar filtrele pare o au
4  -periodică; pentru aceste din urmă filtre e prezentă o simetrie de rotaţie în
sensul că a doua jumătate de perioadă o repetă pe prima, dar cu semn schimbat.

C. Proprietăţile de simetrie ale filtrelor FIR cu fază liniară implică şi o

poziţionare specifică a zerourilor funcţiei de transfer a acestor filtre, funcţie care nu
are poli cu excepţia polului din origine. Pornind de la expresia
N −1
H ( z ) =  hk z − k (23)
0
obţinem
N −1 N −1
H (z −1
) =  h z = h k
k
N −1−k z N −1−k (24)
0 0

În cazul filtrelor simetrice ( tip 1 şi 2 ) simetria va da

N −1
H (z −1
) = h z k
N −1− k
= z N −1H ( z ) (25)
0

iar în cazul filtrelor antisimetrice ( tip 3 şi 4 ):

H ( z −1 ) = − z N −1H ( z ) (26)

Deducem că filtrele FIR cu fază liniară îndeplinesc condiţia

H ( z ) =  z N −1H ( z ) care are următoarele implicaţii în planul variabilei complexe
−1

z:

5
 1
1) Dacă zi este un zero al lui H ( z ) , este de asemenea un zero al lui
zi
H (z).
2) Faptul că în practică H ( z ) are coeficienţi reali implică prezenţa
zerourilor complex-conjugate. Aceste aspecte de fază implică urmatoarele
configuraţii posibile de zerouri pentru H ( z ) :

a. zi = i e ji , i  1,i  0,i   ; un asfel de zero este însoţit de zi = i e− ji ,

1 1
de şi de . Apare astfel un factor elementar al lui H ( z )
zi zi
 z −1  z −1 
H i ( z ) = (1 − z zi )(1 − z zi ) 1 −
−1 −1
1 − =
 zi  zi 
(26)
 1  1   1
= 1 − 2  i +  cos i z −1 +  i2 + 2 + 4cos i  z −2 − 2  i +  cos i z −3 + z −4
 i   i   i 
ceea ce indică o celulă de filtrare simetrică.
b. zi = i e ji , i = 1,  i  0, i  
Conjugatul lui e ji este e − ji , totodată şi simetric al său faţă de cercul unitate.
Rezultă celula de filtrare simetrică
( )( )
H i ( z ) = 1 − z −1e ji 1 − z −1e− ji = 1 − 2cosi z −1 + z −2 (27)

c. i  1,i = 0 ; zeroul este real şi are doar simetric, rezultînd celula

 z −1   1  −1
H i ( z ) = (1 − z i ) 1 −
−1
 = 1 −  i +  z + z
−2
(28)
 i   i 
d. i  1,i =  ; zeroul este real negativ şi rezultă
 z −1   1  −1
H i ( z ) = (1 + z i ) 1 +
−1
 = 1 +  i +  z + z
−2
(29)
 i   i 

e. i = 1,i = 0 ( ) ; zeroul este real şi în acelaşi timp este propriul său

simetric: H i ( z ) = 1 − z −1 sau H i ( z ) = 1 + z −1 .
Dacă se face o corelaţie între tipurile de filtre FIR cu fază liniară şi
configuraţiile de zerouri posibile atunci există anumite restricţii de configurare a
acestor zerouri cum ar fi: deoarece configuraţiile a, b, c, d conţin un număr par de
zerouri, realizarea filtrelor impare necesită prezenţa unui 0 la –1 sau +1 cu
multiplicităţi impare. Utilizarea zeroului la –1 sau +1 este dictată de simetria sau
antisimetria filtrului.

6
 3.4 Elemente de proiectare a filtrelor nerecursive (cazul fazei liniare)

Dintre filtrele standard, filtrele ideale sunt caracterizate de fază liniară în

raport cu frecvenţa; cel mai tipic este filtrul TJ ideal. Caracteristicile filtrelor reale
trebuie să fie cât mai apropiate de cele ideale; din acest punct de vedere filtrele
nerecursive au avantajul că asigură liniaritatea fazei. Pentru alte caracteristici
există recomandări privind alegerea unuia sau altuia din cele 4 tipuri de filtre cu
fază liniară, în funcţie de ceea ce trebuie efectiv realizat.
În afara fazei liniare, mai există şi alte avantaje ale filtrelor FIR (nerecursive)
dintre care se pot aminti:
- absenţa polilor în afara celui în origine, ceea ce conferă proprietăţi foarte
bune de stabilitate;
- zgomot de rotunjire mai redus şi senzitivitate a coeficienţilor mai redusă
decât în cazul filtrelor IIR (recursive); rezoluţia coeficienţilor este 12  16 biţi faţă
de 16  24 biţi.
Alegerea şi proiectarea filtrelor FIR cu fază liniară se face utilizând 3 tipuri de
metode:
- metoda ferestrelor;
- metoda eşantionării în frecvenţă;
- metode de minimizare a unei erori de aproximare cu posibile optimizări.

3.4.1 Proiectarea prin metoda ferestrelor

A. Este o metodă relativ simplă d.p.d.v al calculului: majoritatea formulelor

de calcul se exprimă elementar şi nu necesită proceduri de optimizare
consumatoare de timp. Metoda are două etape:
a) calculul răspunsului la impuls al filtrului, pe baza caracteristicii de
frecvenţă impuse. Dându-se funcţia de transfer H ( z ) obţinem


 H ( e )e d
1  
hk = j j k

2 −

ceea ce reprezintă, după cum am arătat deja, un calcul de coeficienţi Fourier.

Construcţia lui H ( e j ) se face prin includerea fazei liniare în expresia funcţiei de
transfer de fază zero a filtrului ideal TJ, TS, TB, diferenţiator sau transformator
Hilbert:
N −1
H (e ) = H (e )e
− j
j j 2
d

unde H d ( e j ) are forma:

1 ,   b
H d ( e j ) = 
0 , b    
în cazul filtrului TJ,

 j
H d ( e j ) =  j = e , −   0
2

−
 j , 0  
în cazul transformatorului Hilbert,
H d ( e j ) = j ,  
în cazul diferenţiatorului de bandă largă.
b) trunchierea şirului infinit hk pentru a obţine o secvenţă finită hks
corespunzând răspunsului finit la impuls:
 h ,0  k  N − 1
hks =  k
0 , în rest
De remarcat că această trunchiere corespunde unei ferestruiri cu fereastra
dreptunghiulară
1 ,0  k  N − 1
wkd = 
0 , în rest
în sensul că hks = hk wkd . În locul ferestrei dreptunghiulare se poate alege un alt tip
de fereastră, problema de bază fiind temperarea fenomenului Gibbs printr-o
trunchiere mai puţin abruptă a seriei Fourier definite de hk k . Pentru
exemplificarea alegerii ferestrei să considerăm cazul filtrului TJ. Pentru acest filtru
se impun frecvenţa de tăiere f c , frecvenţa de eşantionare f s şi numărul de
eşantioane N.
Se defineşte pulsaţia normalizată în raport cu frecvenţa de eşantionare prin relaţia:
f
 = 2 ,
fs
astfel încât pentru un semnal cu frecvenţa f , cu f s = 2 f , să rezulte  =  .
Reamintim faptul că în conformitate cu teorema eşantionării, pentru ca un semnal
cu banda de frecvenţă f c să poată fi reconstituit din şirul valorilor eşantionate,
frecvenţa de eşantionare, f s , trebuie să fie cel puţin dublul frecvenţei maxime a
semnalului, f c , adică
f s  2 fc .

Astfel, pulsaţia de tăiere normată se defineşte prin relaţia

fc
c = 2 ,
fs
iar de aici şirul pondere
  c  N −1 
j  k −
 H (e )
1 j 1 
hk = e j k d =  e  2 
d
2 −
2 −c

c  N −1 
= sin c  k −  c
  2  

Utilizând N se face trunchierea, obţinând secvenţa hks 

N −1
care furnizează
0
caracteristica de frecvenţă efectivă a filtrului. Se constată prin calcul direct,
folosind faptul că sin c ( x ) e funcţie pară, simetria faţă de centrul secvenţei
hks = hNs −1−k , 0  k  N − 1 . Rezultă că la realizarea filtrului trebuie utilizate filtrele
FIR de tip simetric (1 sau 2); după cum N e par sau impar se defineşte tipul
filtrului.
Se constată apoi că dintre parametrii consideraţi, c ( f c ) rezultă din condiţiile
filtrării, iar s ( f s ) şi N se aleg din condiţiile proiectării. Aici trebuie ţinut cont de
următoarele aspecte:
- un bun răspuns în frecvenţă se obţine dacă hks 
N −1
- mai exact înfăşurătoarea
0
sa – conţine măcar 2 lobi laterali de o parte şi de alta a lobului central; rezultă că va
trebui ales c suficient de mare;
- trebuie evitat ca deoarece în caz contrar se falsifică lungimea
secvenţei şi apare o întârziere de grup diferită;
- pentru alte tipuri de filtre proiectarea se face în acelaşi mod utilizând pe
H d ( e j ) corespunzătoare respectivului filtru.

B. Efectul Gibbs, menţionat mai înainte, se manifestă la trunchierea seriei

Fourier prin apariţia unor ondulaţii (ripple) ale răspunsurilor în frecvenţă efective,
ondulaţii care cresc pe măsura apropierii de marginile benzilor de trecere şi oprire -
acolo unde caracteristica de frecvenţă ideală are discontinuităţi. Spre exemplificare
putem să ne referim la filtrul TJ (cursul 5), reprezentat în figura de mai jos: în
banda de trecere ondulaţia (riplu) se face în jurul lui 1, în gama (1 −  b ,1 +  b ) , iar
în banda de oprire în jurul lui 0, în gama ( 0,  s ) . Marcând limitele de ondulaţie ca
în figură, se delimitează banda de trecere, banda de oprire, iar între acestea banda
de tranziţie. Banda de tranziţie este de lărgime finită între banda de trecere si cea
de oprire (în cazul filtrului ideal, lărgimea acestei benzi era nulă).
Se poate arăta că lărgimea acestei benzi este cu atât mai mare cu cât este mai
mare lărgimea lobului principal al spectrului ferestrei.
Amplitudinea ondulaţiilor (riplurilor) şi viteza lor de scădere, atât în banda de
trecere cât şi în cea de oprire, este determinată de amplitudinea şi viteza de scădere
a lobilor secundari ai spectrului ferestrei.
 H ( e j )

1 + b
1 − b
(1 +  b ) 2

s

b c s

De regulă, amplitudinile ondulaţiilor se exprimă prin intermediul variaţiei

atenuării în benzile de trecere şi oprire. Deoarece atenuarea este dată de relaţia

( )
a ( ) = −20lg H e j

rezultă
1 + b
ab = −20lg (1 −  b ) − ( −20lg (1 +  b ) ) = 20lg
1 − b
De asemenea,
as = −20lg  s .
Uneori se preferă ca evaluare a ondulaţiei abaterea în decibeli faţă de valoarea
nominală din banda respectivă
 b  dB  = 20lg (1 +  b − 1) = 20lg  b
 s  dB  = 20lg ( s − 0 ) = 20lg  s
Odată definite aceste ondulaţii se poate trece la evaluarea performanţelor rezultate
din ferestruire.

C. Fereastra dreptunghiulară reprezintă expresia directă a trunchierii

efectuate la proiectare:
hks = hk wkd ,
unde
−1  
N −1
hk = F  H d ( e ) e
− j
j 2

 
iar wkd = 1 , 0  k  N − 1 şi 0 în rest.
Transformata Fourier a semnalului trunchiat este o convoluţie periodică (de
perioadă 2 ) a celor două transformate – şirul pondere şi fereastra: transformata
şirului pondere a fost descrisă mai sus, iar transformata ferestrei dreptunghiulare
(discrete) va fi
 N
N −1
1− e − j N
− j
N −1 sin 
wd ( ) =  e− j k = =e 2 2
0 1 − e− j 
sin
2
Funcţia reală de variabilă reală
N
sin
w0 d ( ) = 2

sin
2
reprezintă caracteristica de fază nulă a ferestrei dreptunghiulare; analogul ei pentru

semnale analogice este  sin c unde  este lărgimea ferestrei.
2
Modulul spectrului ferestrei dreptunghiulare, wd ( ) , pentru N = 8 , este
reprezentat în figura următoare:

Vom deduce în continuare, calculând convoluţia

N ( −  )
 N −1 sin − j ( −  )
N −1

 H ( e ) e
1 − j
H N ( ) =  j 2 2 e 2
d
2 −
d
sin
(  −  )
2
N −1 

 H ( e ) w ( −  ) d 
− j 1 
=e 2 j

2
d 0d
−
N −1
H 0 ( e j )
− j
=e 2

Considerăm spre exemplificare cazul filtrului ideal TJ pentru care

H d ( e j ) = 1 ,   c şi 0 în rest, adică între c şi  . Va rezulta:
 c
H0 (e ) =
1
 w ( −  ) d  , −    
j

2
0d
− c

Funcţia H 0 ( e j ) este pară în  fiind rezultatul convoluţiei a două funcţii

pare, deci este suficient studiul pe ( 0, ) .
Vom deduce, pe baza analizei integralei de mai sus la diverse frecvenţe
următoarele concluzii importante:
- ondulaţiile caracteristicii de frecvenţă, atât în banda de trecere cât şi în cea de
oprire sunt datorate lobilor laterali ai funcţiei w0d ( ) ;
- distanţa între ondulaţiile maxime din benzile de trecere şi oprire este dată de
lăţimea lobului central, deci această lăţime este determinantă pentru lărgimea
benzii intermediare.
De aici se deduc cerinţele de bază impuse unei ferestre la proiectarea filtrelor
RFI:
- lobul central cât mai îngust – ceea ce ar implica o bandă intermediară
îngustă;
- lobul principal să conţină cea mai mare parte a energiei ferestrei – ceea ce ar
implica ondulaţii mici ale răspunsului în frecvenţă;
- energia lobilor laterali cât mai uniform distribuită – ceea ce ar implica
uniformizarea ondulaţiilor.
Trebuie observat, de exemplu, că primele 2 cerinţe sunt contradictorii. De
asemenea, creşterea lui N nu ajută la reducerea amplitudinii lobilor secundari;
considerăm raportul dintre amplitudinea primului lob lateral (al cărui maxim se
3
obţine în  = ) şi amplitudinea lobului principal:
N
3
wd ( ) 1 1 sin
2 = 2
= w0 d ( )  = 3 = ( N → )
wd ( 0 )  = 3 N N N sin 3 3
N
2N
3
1 1 1 2N 1 2
deoarece d ( 0 ) = N , iar lim = lim =
N → N 3 N → N 3 3 3
sin sin
2N 2N 2N
D. Calea pe care se pot îmbunătăţi ferestrele este utilizarea unor variante mai
puţin abrupte, având ca efect reducerea ondulaţiilor în cele două benzi.
Deşi ferestrele au fost deja menţionate, ne vom referi din nou la ele, de
această dată în contextul filtrării FIR, după cum urmează:
 1) Ferestrele tip Hamming se definesc pornind de la fereastra de tip impar,
necauzală, a cărei transformată Fourier este caracteristica frecvenţială de fază 0:
 2 k N −1 N −1
 + (1 −  ) cos ,− k
w0 Hk = N 2 2
0
 , in rest;   0,1
De aici rezultă prin deplasare la dreapta fereastra necauzală
 2  1
 − (1 −  ) cos  k +  ,0  k  N − 1
wHk = w0 H ( k −( N −1) 2) =  N  2
0
 , in rest
expresie care este valabilă şi pentru N par; să observăm că w0 Hk reproduce o
perioadă din semnalul armonic discret
2 k
uk =  + (1 −  ) cos
N
care este şi periodic. Ca urmare w0 H este produsul dintre o fereastră
dreptunghiulară necauzală şi acest semnal armonic. Va rezulta transformata
Fourier:
1−   2   2  
wˆ 0 H ( ) =  wˆ 0 d ( ) +  wˆ 0 d   −  + wˆ 0 d   + 
2   N   N  
şi însumarea conduce la eliminarea zerourilor de la  2 N , deci o dublare a
8
lobului central ( ) faţă de fereastra dreptunghilară; amplitudinile lobilor laterali
N
sunt micşorate iar primul lob lateral – cel mai puternic – a fost spart în doi sub-lobi
prin apariţia unui 0 între  4 N şi  6 N . Dacă  = 0.54 (fereastra Hamming
propriu-zisă) atunci lobul principal cuprinde 99.96% din energia totală a ferestrei,
iar primul lob secundar este atenuat cu 41dB faţă de lobul principal. În schimb,
creşterea lăţimii lobului central produce creşterea lărgimii benzii de tranziţie,
concomitent cu micşorarea ondulaţiei în benzile de trecere şi oprire datorată
micşorării amplitudinii lobilor laterali.

2) Fereastra Hann se obţine din fereastra Hamming pentru  = 0,5 (a se vedea

tabelul din cursul 1). Amplitudinea celui mai mare lob secundar este de circa -31
dB din aceea a lobului principal. Ondulaţiile caracteristicii de frecvenţă sunt de
circa -44 dB din amplitudinea tranziţiei.
 3.4.2 Proiectarea prin metoda eşantionării în frecvenţă

Această metodă se bazează pe DFT (Discrete Fourier Transform) –

transformata Fourier discretă. În locul funcţiei de transfer, mai precis al
caracteristicii de frecvenţă H ( e j ) , se vor preciza N eşantioane echidistante ale
acesteia din intervalul  0, 2 )
N −1 2
Hk = H (e )
− jk
=  hne
n
j
2 k
N
, k = 0, N − 1 (1)
=
N n =0

unde coeficienţii filtrului (FIR – deci în număr finit) se determină cu ajutorul DFT
inverse
2
1 N −1
hn =  H k e N , n = 0, N − 1
jn k
(2)
N k =0
Este aici locul şi momentul de a reaminti faptul că DFT se defineşte pentru
semnale de suport (continuu sau discret) finit, deci după o trecere posibilă printr-o
fereastră dreptunghiulară; la rândul său şi transformata este discretizată, luând un
număr finit de valori pe perioadă.
2
−j
Cu notaţia binecunoscută e N
:= W obţinem funcţia de transfer a filtrului
proiectat
2
N −1
 1 N −1
N −1 jn k 
H ( z ) =  hn z =    H k e N z − n
−n

n =0 n =0  N k =0 
1 N −1 N −1 1 N −1 1 − W − kN z − N
=  H k  (W − k z −1 ) =  H k
n
(3)
N k =0 n =0 N k =0 1 − W − k z −1
N −1
= (1 − z )  H k
1 −N 1
N k =0 1 − W − k z −1
Observaţie:
N
 − j 2 
W =  e N  = e − j 2 = 1
N
(4)
 
Funcţia de transfer astfel obţinută reprezintă în definitiv o structură serie
(cascadă) formată dintr-un filtru nerecursiv dat de
1 − z−N
H1 ( z ) = (5)
N
şi un filtru recursiv descris de
N −1
Hk
H2 ( z ) =  − k −1
(6)
k =0 1 − W z
 Prima secţiune se numeşte filtru pieptene având zerourile zk = W − k ,
k = 0, N − 1 situate pe cercul unitate, adică sunt rădăcinile de ordinul N ale lui 1
(denumirea vine de la forma caracteristicii de frecvenţă).
A doua secţiune este caracterizată de coeficienţi complecşi iar termenii sumei
pot fi grupaţi câte doi pentru a genera aşa numitele celule rezonatoare de ordinul
al doilea. În funcţie de varianta de filtru cu fază liniară vom obţine
- tipul 1 (răspuns simetric şi N = 2p+1, impar) pentru care hk = hN −1−k = h2 p −k ,
hp = 0 . Deducem (din relaţia (1)),
2p p −1 2p
H k = hˆk =  hnW nk =  hnW nk +  hW n
nk

n =0 n =0 n = p +1

( )
p −1 p −1 p −1
=  hnW +  h2 p −nW ( 2 p − n )k
=  hn W nk + W (
nk 2 p +1)k −( n +1)k
W
n =0 n =0 n =0
(7)
p −1
−
k   n+ 12 k − n +  k 
 1

=  hnW 2
W  
+W  2 
 
n =0  
−
k p −1
2 k  1
= 2W 2
 h cos 2 p + 1  n + 2 
n =0
n

Observaţie: Pentru obţinerea relaţiei (7) am făcut o schimbare de variabilă,

n → 2 p − n , am ţinut cont de relaţia (4) unde N = 2p+1, iar în final am transformat
suma celor două exponenţiale în cos.....

Un calcul direct arată că

−
2 p +1− k p −1
2 ( 2 p + 1 − k )  1
H 2 p +1−k = 2W 2
 hn cos
n =0 2 p +1
n + 
 2
k p −1
 2 k  1 
= −2W 2
 h cos  ( 2n + 1) − 2 p + 1  n + 2   =
n (8)
n =0  
k p −1
 2 k  1 
= 2W 2
 h cos  2 p + 1  n + 2   = H
n k
n =0  
N

 − j 2  2 N

Observaţie: Aici am ţinut cont de faptul că W =  e N  = e − j = −1 şi de 2

 
expresia lui H k din relaţia (7)

p −1
Se vede apoi că H 0 = 2 hn , fiind un număr real. Vom deduce,
0
 2p
H0 Hk
H2 ( z ) = + 
1 − z −1 k =1 1 − W − k z −1
 −
k k

2 p −1 p
 p −1 2 k  1   W 2 W2 
=  hn + 2
1 − z −1 n=0
  hn cos
k =1  n =0
 n +  
2 p + 1
+
2    1 − W − k z −1 1 − W k z −1 
=
 
 1 p −1 p
 p −1 2 k  1  k
−1  n    hn cos
= 2 h + 2  n +   cos 
 1 − z n =0 k =1  n =0 2 p + 1  2   2 p + 1


1 − z −1 

 2k  −1 −2 
1 − 2  cos z +z 
 2 p + 1  
(9)

Observaţie: Aici s-a pornit de la relaţia (6) şi s-a ţinut cont de expresiile lui H k şi
H k din (7) şi (8).
- tipul 2 (răspuns simetric şi N = 2p, par) cu hk = h2p-1-k are următoarele
eşantioane de frecvenţă:
2 p −1 p −1 2 p −1
Hk = hW
n =0
n
nk
=  hnW
n =0
nk
+  hnW nk
n= p

( ) =  h (W )
p −1 p −1
=  hn W ( 2 p −1− n )k −( n +1)k
nk
+W n
nk
+W
n =0 n =0
(10)
−
k p −1   n+ 12 k − n +  k 
 1

=W 2
 hn  W

 
+W  2 

n =0  
−
k p −1
k  1
= 2W 2
 h cos
n =0
n n + 
p  2

Observaţie: Aici s-a făcut o schimbare de variabilă n → 2 p − 1 − n şi s-a ţinut cont

de relaţia (4).
Calculul direct, bazat pe trigonometrie elementară, arată că H 2 p −k = H k . În
particular se vede că H 0 este real (W 0 = 1) şi Hp este nul
1 
( cos( (n + ) = cos(n + ) = 0, n ).
2 2
Deducem,
 p −1 p −1
H0 Hk Hk
H2 ( z ) = +  + 
1 − z −1 k =1 1 − W − k z −1 k =1 1 − W k z −1
 
 
1  p −1  
p −1 p −1
k  1   k  1 − z −1
−1   n   
= 2 +   n +   cos 
p 
h 2 hn cos
1 − z  n = 0  k =1  n =0 p  2    k  −1 
 1 − 2  cos  z + z −2 
  p  
(11)

- tipul 3 (răspuns anti-simetric, N = 2p+1, impar) cu hk = −h2 p −k , hp = 0 .

Deducem
2p p −1 2p
H k =  hnW nk
=  hnW nk
+  hW n
nk

n =0 n =0 n = p +1
p −1 p −1
=  hnW nk −  hnW
−( n +1)k
(12)
n =0 n =0

−
k p −1
2 k  1
= −2 jW 2
 h sin 2 p + 1  n + 2 
n =0
n

Observaţie: Aici s-a făcut o schimbare de variabilă n → 2 p − n şi s-a ţinut cont de

relaţia (4) cu N = 2p+1. În final, s-a transformat diferenţa de exponenţiale în sin….
Se vede că H0 = 0. De asemenea:
−
2 p +1− k p −1
2 ( 2 p + 1 − k )  1
H 2 p +1−k = −2 jW 2
 h sin
n =0
n
2 p +1
n + 
 2
k p −1
 2 k  1 
= −2 je j W 2
 h sin  ( 2n + 1) − 2 p + 1  n + 2  
n (13)
n =0  
k p −1
2 k  1
= 2 jW 2
 h sin 2 p + 1  n + 2  = H
n =0
n k

Deducem de aici,
 −
k k

p −1
p −1
2 k  1   W 2
W2 
H 2 ( z ) = −2 j    hn sin  n +   −
k =1  n =0 2 p + 1 2    1 − W − k z −1 1 − W k z −1 
 
k (14)

p −1 p −1
2 k  1 
sin
2 p +1
(1 − z −1 )
= 4   hn sin n + 
k =1  n =0 2 p + 1 2   2k  −1 −2
1 − 2  cos z +z
 2 p + 1 
- tipul 4 (răspuns antisimetric, N = 2p) pentru care hk= - h2p-1-k. Vom deduce
pentru acest tip de filtru
 2 p −1 p −1 2 p −1
Hk =  hnW nk =  hnW nk +
n =0 n =0
hW
n= p
n
nk

  n+ 12 k − n +  k 
 1

( ) =W
p −1 k p −1
−
=  hn W 
−( n +1)k
nk
−W 2
hn  W  
−W  2  (15)
 
n =0 n =0  
−
k p −1
k  1
= −2 jW 2
 h sin
n =0
n
p
n + 
 2

Observaţie: Aici am făcut o schimbare de variabilă, n → 2 p − 1 − n .

 p −1 p −1

 ( −1) hn = 2 ( −1) hn , deoarece

j
H0 = 0 şi H p = −2 je
n n
Observăm că 2

n =0 n =0
p
−
p
 − j 2N  −j
2 − p
 
  1   
= j , iar sin    n +   = sin  n +  = ( −1) .
− 2 j
= e =e =e
2p 2 n
W 
2 2

    2   2
Rezultă de aici

p −1 1 Hp 2 p −1 Hk
H2 ( z ) =  Hk −k −1
+ −p −1
+  − k −1
k =1 1−W z 1−W z k = p +1 1 − W z
1 p −1 p −1  Hk Hk 
 ( −1) hn +  
n
=2 −1 − k −1
+ k −1 
1+ z n =0 k =1  1 − W z 1−W z 
  −
k k 
1 p −1 k  p −1  p −1
 W 2 W 2 
=2  ( −1) n
h + ( −2 j )    h sin ( n + 1)  − 
1 + z −1 n =0 1 − W − k z −1 1 − W k z −1  
n n
k =1  n =0 p 
 
  
  
  
1  p −1  p −1  p −1 k  1     k  1 − z −1
= 2  ( )   
n
 −1 h  + 2  hn sin  n +    sin  
1 + z  n =0
−1 n
 k =1  n=0 p  2   2 p 
 1 − 2 cos k   
    z −1 + z −2  
   p   
(16)
Observaţie: S-a utilizat o schimbare de variabiă k → 2 p − k şi s-a ţinut cont că
H 2 p −k = H k
Odată stabilit faptul că acest filtru poate fi realizat cu coeficienţi reali, vom
examina caracteristica de fază nulă a filtrului. Pe cercul unitate funcţia de transfer
din relaţia (3) devine,
1 − e − j N N −1
H ( e j ) =
Hk
N
 j
2 k
(17)
k =0
1 − e N e − j
pe care un calcul elementar deja binecunoscut (vi-l las ca exerciţiu) o aduce la
forma
 N
N −1 N −1 sin 1 − j kN
H ( e j ) = e
− j
2
 1
2
2 k  N
e Hk (18)
k =0
sin   − 
2 N 
Introducând funcţia binecunoscută
N 2 k  N

sin  −  sin
 2 k  k

2 N 
Sa   −  = Sa ( ) = = ( −1)
k 2 (19)
 N  1 2 k  1 2 k 
sin   −  sin   − 
2 N  2 N 
se obţine
N −1 N −1 k
H (e ) = e
− j k −j N 1
j 2

k =0
( −1) e H k Sak ( )
N
(20)

Pe de altă parte eşantioanele Hk se obţin din

 j 2 k  − j 2Nk N2−1 k

0k ( )
k jN
Hk = H0  e N  e = H − 1 e
 
pentru filtrele simetrice şi din
 2 k  k
j   2−( ( N −1) 2 ) 
= jH 0 k ( −1) e
j
H k = H 0k e  N  k N

pentru filtrele antisimetrice de fază liniară; de asemenea H 0 k = H kd unde H kd sunt

eşantioanele funcţiei de transfer de fază 0 a filtrului ideal. Substituind în H ( e j )
vom deduce funcţia de transfer de fază 0 a filtrului proiectat
N −1
1  2k 
H0 (e j
) = H d
k Sa   − 
k =0 N  N 
deci ca o interpolare a eşantioanelor de frecvenţă, funcţia de interpolare fiind
S a ( ) , analogul discret al funcţiei sin c ( ) .
Un calcul simplu arată că eroarea de interpolare este nulă în punctele de
eşantionare şi finită între ele; cu cât răspunsul aproximat este mai neted cu atât
această eroare va fi mai mică.
Calitatea aproximării se poate îmbunătăţi dacă se lasă neprecizate 1÷3
eşantioane de frecvenţă plasate în banda de tranziţie (intermediară), ale căror valori
pot fi utilizate în proceduri de optimizare a proiectării cu ajutorul calculatorului.
Experienţa de proiectare a condus la următoarele evaluări ale atenuării în
banda de oprire, în funcţie de numărul de eşantioane libere în banda de tranziţie:
- cu 1 eşantion: (-45 dB) ÷ (-55 dB);
- cu 2 eşantioane: (-65 dB) ÷ (-75 dB);
- cu 3 eşantioane: (-85 dB) ÷ (-95 dB).
 Metoda eşantionării în frecvenţă poate fi combinată cu metoda ferestrelor prin
ponderarea şirului pondere hk k cu o fereastră wk k de tipul cunoscut, în vederea
reducerii drastice a ondulaţiilor în benzile filtrului.

3.4.3 Proiectarea bazată pe aproximarea în domeniul frecvenţă

Suportul teoretic al acestei metode îl constituie teoria aproximării funcţiilor de

transfer pe baza unui criteriu de minimizare a erorii dintre funcţia de transfer
aproximantă şi cea „ideală”; eroarea se evaluează în benzile de frecvenţă de interes
practic (trecere, oprire, tranziţie).
Între tehnicile de aproximare, cea mai frecventă este aproximarea tip Cebîşev
care realizează minimizarea erorii de aproximare pe întreg intervalul de frecvenţă
considerat. Rezultatul sunt aşa numitele filtre optimale. Alte tehnici de aproximare
mai sunt: minimizarea erorii pătratice, proiectarea cu fază liniară şi caracteristică
de modul maxim plată, utilizarea filtrelor de interpolare.
 3.5 Proiectarea filtrelor RII (cu răspuns infinit la impuls)

Există mai multe motivaţii pentru folosirea în practică a filtrelor RII. Una din
ele este realizarea unor foarte bune caracteristici de selectivitate; ca urmare aceste
filtre sunt recomandate pentru benzi de trecere sau de oprire foarte înguste, sau în
cazul unor atenuări mari în benzile de oprire.
Pentru aceleaşi specificaţii un filtru RII necesită, de regulă, o funcţie de
transfer de ordin mai redus decât un filtru RFI, aceasta deoarece filtrele RFI nu au
poli în apropierea cercului unitate (există doar un pol, multiplu, în originea planului
complex z) şi ca urmare selectivitatea se asigură mărind ordinul N al filtrului.

3.5.1 Proprietăţi generale

În forma sa cea mai generală funcţia de transfer a unui filtru RII este definită
de
M

 b z i
−i
n( z)
H ( z ) =  hk z − k = 0
= (9.1)
N
d ( z)
0
1 +  ai z −i

unde cel puţin un ai  0 . Filtrul astfel definit este cauzal şi trebuie să verifice şi
restricţia de stabilitate


h
0
k  (9.2)

echivalentă cu localizarea polilor în interiorul discului unitate. De asemenea, în

majoritatea cazurilor, M  N filtrele fiind de ordinul N ; pentru M  N filtrul
poate fi privit ca o cascadă formată dintr-un filtru RII şi un filtru RFI.
Filtrele RII nu pot avea caracteristica de fază riguros liniară; ca urmare,
proiectarea trebuie să aibă în vedere aproximarea ambelor caracteristici. Singur
filtrul TT are caracteristica de modul constantă în toată banda de frecvenţă şi,
nerealizabil cu filtre RFI, poate fi realizat cu filtre RII. Condiţia TT se scrie sub
forma
n ( e j ) n ( e − j )
H (e ) =
2
j
 K2 (9.3)
d (e ) d (e )
j − j

Observaţie: Egalitatea de mai sus provine din relaţia bine-cunoscută:

z = zz
2
( astfel , pentru z = a + bj avem : ( a + bj )  ( a − bj ) = a + b ) 2 2

Din relaţia (9.3) rezultă M = N, n ( e ) = K  d ( e ) e

j − j − j N
; ca urmare, se poate scrie
 n( z ) = Kd ( z −1 ) z − N (9.4)
De unde, funcţia de transfer
d ( z −1 )
H ( z ) = Kz −N
(9.5)
d ( z)
şi rezultă că orice pol este reflectatul în cercul unitate al unui zero şi reciproc. Un
filtru TT va avea deci, din motive de stabilitate, toţi polii în interiorul discului
unitate şi toate zerourile, care sunt reflectatele polilor, în exteriorul discului unitate.
Rezultă de aici că filtrul TT nu este un filtru de fază minimă; filtrul de fază
minimă are toate zerourile în interiorul discului unitate.
Observaţie: Pentru un pol z = Ae j , cu A = z  1 (din motive de stabilitate),
1 1 1 − j 1
rezultă un zerou z −1 = = = e , adică z −1
=  1 (deci, zeroul este
z Ae j A A
amplasat în afara discului de rază unitate).
Proiectarea filtrului RII constă în determinarea coeficienţilor ai şi bi din
expresia funcţiei de transfer (9.1) astfel încât hk  sau H ( e j ) să aproximeze într-
un anume mod specificaţiile în domeniul timp sau frecvenţă. Există două clase de
metode de proiectare a filtrelor RII:
- metode indirecte, bazate pe proiectarea prealabilă a unui filtru analogic şi
transformarea lui ulterioară într-un filtru numeric;
- metode directe, care nu se referă la vreun model analogic, se bazează pe
aproximări în domeniul timp sau frecvenţă şi presupun unele optimizări cu
ajutorul calculatorului.

3.5.2 Proiectarea indirectă a filtrelor RII

Un filtru numeric tip RII poate fi proiectat prin transformarea unui filtru
analogic într-unul numeric, corespunzător din punct de vedere al performanţelor. În
acest mod se pot folosi toate cunoştinţele despre filtrele analogice, pentru care sunt
bine precizate procedurile de proiectare pentru cazurile TJ, TS, TB, filtru rejector.
Mai mult, pentru anumite tipuri de filtre (Butterworth, Bessel, Cebîşev – tip I şi II,
eliptice) există formule analitice elementare pentru calculul parametrilor.
Aplicarea metodei de conversie a filtrului analogic într-unul numeric se
bazează pe anumite transformări care conservă proprietăţile de selectivitate ale
filtrului analogic. Ca urmare, proiectarea indirectă necesită parcurgerea unor etape
obligatorii, enumerate mai jos:
- transformarea cerinţelor impuse filtrului numeric în specificaţii pentru un
filtru analogic prototip;
 - calculul funcţiei de transfer a filtrului analogic prototip, pornind de la
specificaţiile obţinute pentru acesta în etapa precedentă;
- aplicarea transformărilor sus-menţionate pentru obţinerea funcţiei de transfer
a filtrului numeric echivalent.
În continuare vom specifica elementele generale principiale pentru parcurgerea
acestor etape.

3.5.3 Specificarea performanţelor filtrelor

La proiectarea filtrelor numerice (tip RFI sau RII) performanţele se referă la

abaterile maxime ale caracteristicii de modul în benzile de trecere şi oprire efective,
precum şi la frecvenţele limită ale acestora. Între filtrele analogice standard şi cele
numerice există unele deosebiri care vor fi explicate în cele ce urmează (vezi figura
următoare).
H 0 ( j ) H ( e j )

1 1 + t
1 − t 1 − t
1 2 (1 +  t ) 2

b b


 e  c b e c b
a) b)
Specificaţiile pentru caracteristica de modul a filtrelor analogice şi
numerice: a) filtru TJ analogic ; b) filtru TJ numeric

Notaţiile utilizate în figură sunt descries mai jos:

 - frecvenţa filtrului analogic;
 - frecvenţa filtrului numeric;
 b ,  t - abateri maxime pentru filtrul analogic în banda de oprire (blocare), respectiv
de trecere;
e - lărgimea efectivă a benzii de trecere a filtrului analogic;
c - frecvenţa de tăiere teoretică a filtrului analogic (-3dB faţă de valoarea
nominală 1);
b - frecvenţa de oprire (blocare) efectivă a filtrului analogic;
 b ,  t - abateri maxime pentru filtrul numeric în banda de oprire, respectiv de
trecere;
e - lărgimea efectivă a benzii de trecere a filtrului numeric (normalizată la
frecvenţa de eşantionare, Fs );
c - frecvenţa de tăiere teoretică a filtrului numeric, normalizată la frecvenţa de
eşantionare (-3dB faţă de valoarea maximă 1 +  t );
b - frecvenţa de oprire efectivă normalizată a filtrului numeric, normalizată la
frecvenţa de eşantionare

Observaţie: În mod uzual, la filtrele analogice, prin convenţie, se consideră că

în zona de trecere efectivă caracteristica de modul variază între valoarea maximă 1
şi valoarea minimă 1 −  t , în timp ce în zona de oprire, variază între 0 şi b . Pentru
filtrele digitale FIR sau IIR se notează cu  t , respectiv  b , abaterile caracteristicii de
modul a funcţiei de transfer de la valorile sale nominale (1 în banda de trecere şi 0 în
banda de oprire) astfel că acest răspuns în frecvenţă oscilează între 1 +  t şi 1 −  t , în
bamda de trecere şi, respectiv, între 0 şi  b în banda de oprire.

Relaţia între frecvenţe din domeniul analogic şi digital este dată de

 = T (9.6)
unde
1
T= (9.7)
Fs
adică, frecvenţa normalizată în raport cu frecvenţa de eşantionare Fs este
F
f = (9.8)
Fs
Deci,
 = 2 f (9.10)

Normalizarea frecvenţei la frecvenţa de eşantionare conduce la următoarele

echivalenţe:
 F F
F   − s , s   f   −0,5 0,5     −   (9.11)
 2 2
Transpunerea performanţelor înseamnă stabilirea unor corespondenţe între cele
două grafice, astfel:
- între  şi  (abscise) corespondenţa este dată de transformarea între planele s
şi z ;
- între ordonate corespondenţa este simplă şi se obţine ţinând cont că la filtrul
numeric amplitudinea maximă este 1 +  t
 2 t b
t = , b = (9.12)
1 + t 1 + t
respectiv inversele acestor relaţii
t 2 b
t = , b = (9.13)
2 − t 2 − t
De regulă aceste valori se dau în dB, sub forma variaţiei maxime a atenuarii în
banda de trecere efectivă şi a atenuării minime în banda de oprire efectivă
1 + t
aM = 20lg = −20lg (1 −  t )
1 − t
(9.14)
2 b
am = −20lg  b = −20lg  −20lg  b
2 − t

3.5.4 Proiectarea filtrelor analogice

Filtrele analogice standard sunt filtrele TJ, caracterizate de funcţii de transfer

de forma
m

N (s) b s i
i

Ha (s) = = 0
,n  m (9.15)
D(s) n

a s
0
i
i

Răspunsul în frecvenţă al filtrului calculat la frecvenţe fizice, pe axa imaginară

a planului s, H a ( j ) , se numeşte funcţie de sistem. Proiectarea constă în alegerea
coeficienţilor ai şi bi în scopul unei anume optimizări a lui H a ( j ) - o funcţie
2

raţională în  2 . După ce H a ( j ) a fost determinat ca soluţie a unei probleme de

2

aproximare cu funcţii raţionale se calculează

N ( s ) N ( −s ) E ( −s2 )
H a ( s ) H a ( −s ) = = H a ( j ) 2 2 =
2
(9.16)
D ( s ) D ( −s )  =− s G ( −s2 )

Din (9.16) se observă că singularităţile lui H a ( s) H a (− s) în planul s sunt

simetrice faţă de axa imaginară jΩ .
Proiectarea fitrului analogic H a ( s ) se face astfel încât:
- polii lui H a ( s ) sunt zerourile din semiplanul stâng ale lui G ( − s 2 ) , unic
determinate, alese din condiţia de stabilitate;
 - zerourile lui H a ( s ) se obţin din zerourile lui E ( − s 2 ) prin distribuire egală
între N(s) şi N(-s) fără a separa perechile complex conjugate deoarece se
doreşte obţinerea filtrului cu coeficienţi reali; soluţia nu este unică, dar dacă se
impune condiţia de fază minimă atunci şi în acest caz determinarea este unică.
De remarcat că aici zerourile pot fi situate şi pe axa imaginară j .

3.5.5 Transformări de frecvenţă pentru filtre analogice

Până acum s-a insistat în principal asupra proiectării FTJ, RII. Dacă se doreşte
proiectarea unui FTS, FTB, FOB, aceasta se face cu un model de FTJ, căruia i se
aplică o transformare de frecvenţă. O posibilitate este de a realiza transformarea de
frecvenţă în domeniul analogic şi apoi să se convertească filtrul analogic într-un
filtru digital, făcând corespondenţa dintre planul s şi planul Z. O altă cale este de a
transforma întâi filtrul TJ analogic într-un FTJ digital şi apoi de a transforma FTJ
digital în filtrul dorit printr-o transformare de frecvenţă direct în domeniul discret. În
general aceste metode produc rezultate diferite, cu excepţia transformării biliniare,
când proiectările sunt identice.
În continuare, ne referim la transformarile de frecvenţă în domeniul analogic.
Aceste transformări permit obţinerea filtrelor TS, TB, OB pornind de la un filtru TJ
proiectat; schimbarea caracteristicilor de selectivitate se face printr-o simplă
substituire a variabilei s în H a ( s ) .
Fie s variabila complexă pentru filtrul TJ, s - variabila complexă pentru filtrul
derivat din acesta, iar sn , sn valorile normalizate prin raportare la o frecvenţă
specifică fiecărui tip de filtru
s s
sn = , sn = (9.17)
0 0
Schimbările de frecvenţă sunt date sintetic în tabelul de mai jos:
Transformarea în Transformarea în
Tipul transformării
frecvenţe normate frecvenţe fizice

FTJ → FTJ sn = sn s = 0 s
0
1 00
FTJ → FTS sn = s=
sn s

FTJ → FTB
( s ) + 1
sn = n
2

s=
(
0 ( s ) + ( 0 )
2 2
)
 sn Bs

 sn  0 Bs
FTJ → FOB sn = s=
( sn ) ( s ) + ( 0 )
2 2
+1
2
 Pentru filtrele TJ şi TS 0 şi 0 sunt frecvenţele teoretice de tăiere definite la
valoarea de –3dB a modulului funcţiei de transfer în frecvenţă.
Pentru filtrul TB, banda de trecere este delimitată de frecvenţele limită CL şi
CH definite tot la –3dB; pentru filtrul OB aceleaşi frecvenţe delimitează banda de
oprire. S-au notat cu B şi  benzile de trecere, respectiv oprire, normată şi
nenormată:
B
B = CH − CL ,  = , 0 = CH CL (9.18)
0
Semnificaţia primei transformări este o simplă re-scalare a frecvenţelor,
păstrându-se tipul filtrului.
De fapt toate transformările din tabel se pot deduce prin particularizarea
coeficienţilor în transformarea bipătratică generală
c0 + c1s + c2 ( s) 2
s= (9.19)
d 0 + d1s + d 2 ( s) 2
Observaţie: De fapt, în locul variabilei s (pentru simplificarea scrierii) vom
folosi tot s, adică transformarile în frecvenţe fizice din ultima coloana a tabelului
anterior se scriu astfel:
0
s→ s (9.20)
0
00
s→ (9.21)
s

s→
(
0 ( s ) + ( 0 )
2 2
) (9.22)
Bs
 0 Bs
s→ (9.23)
(s) + ( 0 )
2 2

adică, în general, (9.19) devine

c0 + c1s + c2 ( s ) 2
s→ . (9.24)
d 0 + d1s + d 2 ( s ) 2
 3.5.6 Conversia filtrelor analogice în filtre numerice

Această operaţie se mai numeşte şi discretizarea filtrelor analogice; după

obţinerea lui H a ( s ) trebuie găsită funcţia de transfer H ( z ) a filtrului numeric
(sau, pe baza lui ha ( t ) - funcţia pondere a filtrului analogic - să se obţină hk k -
şirul pondere al filtrului numeric).
O conversie de tipul celor descrise mai sus trebuie să îndeplinească două
cerinţe de bază:
- conservarea stabilităţii;
- conservarea caracteristicilor de selectivitate.
Prima cerinţă înseamnă că imaginea planului complex stâng din planul s
trebuie să fie în interiorul cercului unitate din planul z, iar cea de a doua –
conversia liniară a axei imaginare din planul s în conturul cercului unitate din
planul z.
Vom examina câteva procedee de discretizare şi modul în care verifică ele
aceste cerinţe.
A. Metoda transformării ecuaţiei intrare/ieşire
Constă în considerarea ecuaţiei diferenţiale asociate funcţiei de transfer
Ha (s) :

în care se înlocuiesc derivatele cu diferenţe finite după regulile de mai jos:

Diferenţele finite se calculează recurent, în două cazuri:

- diferenţe înapoi (backward):
1
( y )k = ( yk − yk −1 )
T
1  yk − yk −1 yk −1 − yk −2  1
(  y ) = (  ( y ) )
2
k k
=
T  T
−
T  = T 2 ( yk − 2 yk −1 + yk −2 )

(  y ) = (  (  y ))
3
k
2
k
=
1 1

T T 2 ( k
T
1 
y − 2 yk −1 + yk −2 ) − 2 ( yk −1 − 2 yk −2 + yk −3 )  =

1
= ( yk − 3 yk −1 + 3 yk −2 − yk −3 ) , ...
T3
ceea ce sugerează formule binomiale.
Aplicăm transformata Z formulelor respective şi obţinem:

1  
−k  1 1  1 − z −1
Z ( y ) =   yk z −  yk −1 z  = y ( z ) −  yk z
−k − k −1
= y(z),
T 0 0  T T −1 T

ultima egalitate fiind consecinţa cauzalităţii semnalului y.

Observație: S-a făcut schimbarea de variabilă k-1 --> k.

Formulele binomiale sugerează

i
 1 − z −1 
Z ( y) = 
i
 y(z)
 T 
în condiţii de cauzalitate .
- diferenţe înainte (forward)
1
( y )k = ( yk +1 − yk )
T
Procedând ca mai sus vom obţine aceleaşi formule binomiale şi relaţia
 z −1
i

Z ( y) = 
i
 y(z)
 T 
în condiţii de cauzalitate. Deducem că transformarea intrare-ieşire se reduce la una
din substituţiile
1 − z −1 z −1
s= , s=
T T
În continuare trebuie verificată îndeplinirea celor două cerinţe menţionate în
introducere. Un calcul direct arată că prima transformare aplică semiplanul din
1 1 
planul s în interiorul cercului de rază şi de centru  ,0  , cuprins în interiorul
2 2 
discului unitate din planul z; ca urmare, stabilitatea se conservă. Cea de a doua
cerinţă nu mai este, în general, verificată: dacă T este foarte mic, segmentul din axa
imaginară definit de T  1 , care în acest caz poate fi important, este
transformat într-un arc de cerc situat în jurul lui z = 1; cum z = 1 = e j 0 , acest
segment va fi definit prin   0 . Deducem că metoda analizată dă rezultate
acceptabile mai ales pentru filtrele TJ.
Utilizarea diferenţei înainte va pune aceleaşi probleme de selectivitate; în
plus, nici stabilitatea nu se mai conservă în toate cazurile. Într-adevăr, în acest caz
axa imaginară trece în semidreapta Re ( z ) = 1 şi deci semiplanul Re ( s )  0
trece în semiplanul Re ( z )  1 ; ca urmare, un pol  k + j k având  k  0 poate
ajunge în exteriorul discului unitate dacă 1 + ( k + jk ) T  1 , adică dacă
(1 +  kT )+ ( kT )  1 . Pierderea stabilităţii poate fi evitată prin alegerea lui T
2 2

suficient de mic.

B. Metoda invarianţei răspunsului la impuls

Se reduce la realizarea simplei dependenţe hk = ha ( kT ) . Principial această
metodă este limitată de prescripţiile teoremei eşantionării, adică ha ( t ) trebuie să
verifice condiţia de semnal de bandă limitată, evitându-se astfel alierea spectrală;
ca urmare procedeul este aplicabil filtrelor TJ şi TB, nu şi filtrelor TS şi OB; de
altfel lucrul va deveni evident din examinarea procedurilor de aplicare.
Presupunem, pentru fixarea ideilor, că H a ( s ) are poli simpli şi admitem că ei
sunt reali; descompunerea în fracţii simple va rezulta de forma:

cu condiţia ca H a ( s ) să fie strict proprie. De aici rezultă imediat

şi apoi
 n 
hk =   Al e − pl kT 1k ,
 1 
de unde se obţine funcţia de transfer a filtrului numeric.

Atunci când există poli complex conjugaţi termenii ce le corespund trebuie

combinaţi în perechi pentru a avea coeficienţi reali. O astfel de pereche în expresia
lui H a ( s ) are forma :
Al Al  l + j l  l − j l
+ = +
s +  l + j  l s +  l − j  l s +  l + j l s +  l − j l
şi, în baza algoritmului de mai sus, ea trece în

 l + j l
+
 l − jl
=
(
2  l + (  l sin lT −  l cos lT ) e − lT z −1 )
1 − e − lT e − jlT z −1 1 − e − lT e + jlT z −1 1 − 2 ( cos lT ) e − lT z −1 + e −2 lT z −2
 Aplicarea procedurii descrise mai sus are dezavantajul că necesită cunoaşterea
polilor funcţiei de transfer a filtrului analogic. Întrucât polii lui H a ( s), − pl l
 
devin pentru H ( z ) polii e − plT , deducem că vom utiliza corespondenţa între cele
l

două plane complexe de forma z = e sT . Caracteristic pentru această corespondenţă

sunt următoarele, datorită neunivocităţii logaritmului complex:
a) unui punct z0 din planul Z îi corespunde o infinitate de puncte în planul
s, definită de
1  arg z0 2k 
sk = ln z 0 + j  + 
T  T T 
1
puncte situate pe verticala ln z 0 ; rezultă că fiecare bandă orizontală din
T
2
planul s, de lărgime , acoperă în întregime planul z;
T
b) partea din semiplanul stâng a oricărei benzi acoperă interiorul discului
unitate iar partea din semiplanul drept, exteriorul său;
  
c) fiecare interval de frecvenţe analogice ( 2l − 1) , ( 2l + 1)  se
 T T
transformă în frecvenţele discrete de pe cercul unitate  − ,   .

C. Metoda transformării biliniare

Are avantajul conservării formei raţionale a funcţiei de transfer prin
discretizare. Expresiile transformării sunt date de
2 1 − z −1 sT 1 − z −1
s=  =
T 1 + z −1 2 1 + z −1
şi transformarea se poate inversa obţinând
sT
1+
z= 2
sT
1−
2
În baza acestei transformări axa imaginară din planul s se transformă în
cercul unitate din planul z, iar semiplanul stâng din planul s, în interiorul
cercului unitate din planul z, ceea ce înseamnă că stabilitatea se conservă.
În al doilea rând erorile de aliere inerente invarianţei răspunsului la impuls
sunt evitate deoarece întreaga axă imaginară trece în cercul unitate.
Principalul dezavantaj al metodei constă în caracterul neliniar al conversiei
întregii axe imaginare în cercul unitate; aceasta induce o relaţie neliniară între
frecvenţe, după cum urmează:
de unde relaţiile între frecvenţe:

Fenomenul numit warping (distorsionare) impune limitări de principiu în

aplicarea metodei; în fapt relaţia între frecvenţe poate fi considerată liniară doar la
frecvenţe destul de joase. Deoarece liniaritatea caracteristicilor de frecvenţă
analogice nu se conservă, metoda e indicată pentru acele filtre care în timp
continuu au caracteristici de frecvenţă constante pe porţiuni: astfel de filtre sunt
filtrele TJ, TB, OB, TS; filtrele de tip diferenţiator, de exemplu, nu pot fi realizate
astfel.
Fenomenul poate fi contracarat prin pre-distorsionare (pre-warping): se
evaluează modificarea frecvenţelor critice ale filtrului analogic, astfel încât
frecvenţele critice ale filtrului numeric să fie plasate în poziţiile cerute.
 4 Estimarea spectrală a semnalelor

Determinarea proprietăţilor spectrale ale unui semnal prezintă o mare

importanţă practică prin marea varietate de aplicaţii în care aceste proprietăţi se
regăsesc: semnale seismice, radio-astronomice, economice (trenduri financiare,
stări bursiere). De regulă, aceste semnale sunt semnale aleatoare discrete pentru
care se pot efectua măsurători doar asupra unor realizări particulare, într-o fereastră
temporală finită. Informaţia iniţială va fi, deci, formată dintr-un număr finit de
eşantioane xk, k = 0, 1, ... N-1; pe baza acestor date ne propunem ca, pentru un
proces aleator staţionar în sens larg, să estimăm densitatea spectrală de putere a
procesului.

4.1 Elemente de semnale aleatoare şi teoria estimării

A. Considerăm cunoscut faptul că multe semnale din practică sunt

caracterizate de un volum foarte mare de date care nu permite nici descrierea
printr-o lege cunoscută, nici descrierea tabelară. În astfel de situaţii se preferă
descrierea aleatoare. Un semnal aleator este o componentă a unei mulţimi de
semnale în timp discret, caracterizată prin funcţie de repartiţie sau prin densitate de
probabilitate.
Semnalele aleatoare nu sunt integrabile în sens obişnuit – de fapt pentru ele se
introduce integrala stochastică (fie în sens Itô, fie în sens Stratonovici) – şi nici nu
au transformată Fourier. Dacă aceste semnale au proprietatea numită staţionaritate
în sens larg, atunci li se poate asocia o funcţie spectrală ce reprezintă distribuţia în
frecvenţă a puterii semnalului. Mai precis, acestor semnale li se asociază secvenţe
de auto–corelaţie sau inter–corelaţie care admit transformate Fourier; aceste
transformate Fourier furnizează funcţiile spectrale menţionate mai sus.
În cadrul prelucrării semnalelor se presupune că prelucrarea semnalelor
aleatoare se face în sisteme descrise sub forma convolutivă discretă
yk = ( h  u ) k

unde şirul pondere hk k este determinist. Faptul că relaţia convolutivă de mai sus
este valabilă pentru orice semnal din mulţimea de semnale aleatoare, care poate fi
privit ca o realizare a procesului stochastic asociat acestei mulţimi, nu are relevanţă
prea mare în prelucrarea semnalelor. Cu adevărat relevant este efectul prelucrării
prin sisteme convolutive a aşa numitor indicatori numerici ai semnalelor
(proceselor aleatoare) cum sunt:
- valoarea medie: mu ( k ) = E ( uk ) , prin înţelegând speranţa matematică,
adică o medie ponderată probabilistic pe câmpul de evenimente (o medie
„spaţială”); pe un câmp discret (finit sau numărabil) speranţa matematică se
calculează ca o sumă iar pe un câmp de puterea continuului ca o integrală
stochastică. Pentru un proces stochastic staţionar valoarea medie este independentă
de momentul la care se consideră procesul.
 În baza expresiei convoluţiei pentru un semnal şi prin schimbarea ordinii de
însumare deducem
   
m y ( k ) = E  yk  = E   hiuk −i  =  hi E uk −i 
i =−  i =−

=  h m (k − i)
i =−
i u

Pentru semnal de intrare staţionar, mu = ct şi

  
m y ( k ) =   hi  mu  ct
 i =− 
deci şi semnalul de ieşire rezultă staţionar; putem scrie, de asemenea
m = hˆ ( ) m y u

unde hˆ ( ) =  hk e− j k este transformata Fourier a şirului pondere – care există în
−
ipotezele care permit stabilirea relaţiilor de mai sus.
- funcţia de autocorelaţie, definită prin
uu ( k , k + p ) = E uk uk + p 
depinde, pentru un semnal (proces) aleator staţionar în sens larg, doar de diferenţa
argumentelor (aceasta este definiţia procesului staţionar în sens larg). Pentru un
sistem liniar invariant în timp şi convolutiv vom obţine
 
 

 yy ( k , k + p ) = E  yk yk + p  = E   hiuk −i   hu m k + p −m  =
 i =−  m =− 
   
=  h  h E u
i =−
i
m =−
m u
k −i k + p − m  =  h  h  ( k − i, k + p − m )
i =−
i
m =−
m uu

Dacă semnalul de intrare este staţionar atunci

 uu ( k , k + p ) =  uu ( p )
 uu ( k − i, k + p − m ) =  uu ( p + i − m )
şi de aici
   
 yy ( k , k + p ) =  hi  hmuu ( p + i − m ) =
i =− m −
 hi  hi+suu ( p − s )
i =− s =−

 
 
=    h h
s =− i =−
i i+s uu ( p − s ) =  hh ( s )uu ( p − s ) =  yy ( p )
 s =−

Constatăm că răspunsul sistemului este tot un semnal staţionar în sens larg iar
ecuaţia intrare/ieşire este una standard, în care funcţia pondere se înlocuieşte cu
propria sa autocorelaţie.
 Funcţiile de autocorelaţie admit transformate Fourier şi relaţia convolutivă
sugerează utilizarea unei ecuaţii în transformate Fourier. Deducem
 yy ( ) = ˆ yy ( ) = ˆhh ( )uu ( )
iar pe baza caracterului determinist al sistemului vom putea scrie

   − j s  
ˆhh ( ) =    hk + s hk e
s =−  k =− 
=   hi hk e ( )
i =− k =−
− j i − k

    
=   hi e − ji   hk e jk  = hˆ ( ) hˆ ( ) = hˆ ( )
2

 i =−  k =− 
de unde
 yy ( ) = hˆ ( ) uu ( )
2

B. În prelucrarea semnalelor se înţelege prin estimare obţinerea valorilor

unor mărimi necunoscute, deterministe sau aleatoare, pe baza unui set de observaţii
ce reprezintă, de regulă, variabile aleatoare.
Cele de mai sus arată că în estimare se au în vedere două probleme distincte:
a) estimarea unor parametri, determinişti dar necunoscuţi, pornind de la setul
de observaţii, aici este vorba în special despre indicatorii numerici ai
proceselor aleatoare (valori medii, corelaţii, densităţi spectrale) sau
parametri ce caracterizează aceşti indicatori;
b) esimarea unei variabile aleatoare: cea mai cunoscută problemă este aici
estimarea eşantioanelor (de regulă, deterministe) de la intrarea unui sistem
pe baza eşantioanelor de la ieşire, considerate aleatoare prin suprapunerea
(însumarea) unui semnal aleator numit zgomot peste răspunsul (de regulă
determinist) al sistemului.
În cele ce urmează ne va interesa primul aspect. Pentru exemplificare vom
considera cazul unui semnal aleator – deci proces stochastic – pentru care se caută
o estimare a unui parametru de care depinde densitatea de probabilitate; informaţia
iniţială o constituie o fereastră finită a unei realizări a procesului aleator
x 0 = ( x0 x1 ... xN −1 ) . Dacă  este parametrul căutat al funcţiei f ( x, ) , fie ˆ ( x 0 )
T

o estimare a lui  realizată pe baza lui x 0 ; datorită caracterului lui x 0 , ˆ este tot
variabilă aleatoare. Această variabilă este accesibilă prin indicatori numerici şi
performanţa estimatorului de parametru se apreciază tot printr-o serie de indicatori
numerici; dintre aceştia vom menţiona
- polarizarea (deplasarea – bias )

() ()
B ˆ = E ˆ − 
 ()
Dacă B ˆ = 0 estimatorul se numeşte nepolarizat (nedeplasat – unbiased);

cum ˆ şi E (ˆ ) depind de N – lungimea eşantionului (a ferestrei) vom spune că

estimatorul este asimptotic nepolarizat dacă lim B (ˆ ) = 0 .

N →

- eroarea medie pătratică

EPM = E ˆ −  2

- dispersia estimatorului


 = E ˆ − E ˆ
2
ˆ ( )
2

- consistenţa estimatorului: un estimator este consistent dacă    0

( )
(oricât de mic), lim P ˆ −    = 0 unde
N →
este probabilitatea definită pe
câmpul de evenimente.
- funcţia de plauzibilitate este definită prin densitatea de probabilitate
l ( ) = f ( x, )
Uneori, este mai convenabil să se lucreze cu logaritmul acestei funcţii
L ( ) = ln f ( x, ) = ln ( l ( ) )
Observaţie: Dacă  este un vector cu M componente, L( ) este şi el un vector

L( ) =  L(1 ) L( 2 ) L( M ) 

T

Pe baza acestei funcţii se poate concepe estimatorul de plauzibilitate maximă

definit de
ˆ ( x ) = arg max  f ( x, )


- măsura informaţiei în sens Fischer

  2 ln f ( x, ) 
I ( ) = − E  
  2 
- marginea Cramer-Rao este definită de dispersia minimă a unui
estimator nepolarizat. Dacă  2 L  2 există şi este integrabilă, se poate demonstra
inegalitatea
 2ˆ  I −1 ( )
iar egalitatea are loc dacă şi numai dacă estimatorul verifică
L
ˆ ( x ) −  = K ( )

unde K ( ) nu depinde de valoarea estimată.
 C. Vom considera în continuare câteva aplicaţii simple pentru a exemplifica
noţiunile introduse.
- estimarea valorii medii pentru o variabilă aleatoare gaussiană cu
densitatea de probabilitate
1  ( x − m )2 
f ( x, m, 0 ) = exp − 
 0 2  2 2
0 

Presupunem cunoscut setul de observaţii independente x = ( x0 , x1 ,..., xN −1 ) ;

T

densitatea de probabilitate de ordinul N va fi

N −1 N −1
1  ( xi − m )2 
f N ( x, m, 0 ) =  f ( xi , m, 0 ) =  exp − 
0 i =0 0 2  2 02 

( x − m)
2
N −1
N
L ( m ) = − ln(2 0 ) −  i 2
2

2 0 2 0
L N −1 xi − m
=
m 0  02
Egalând cu zero ultima expresie, se obţine estimatorul de plauzibilitate
maximă
1 N −1
mˆ =  xi
N 0
adică media pe ansamblu (“spaţială”) este estimată cel mai plauzibil cu ajutorul
mediei aritmetice pe o realizare. Să observăm că
1  N −1  1 N −1
E mˆ  = E  xi  =  E  xi  = m
N  0  N 0
deci estimatorul este nepolarizat. Vom calcula în continuare dispersia
estimatorului
1 N −1  02
 ( mˆ ( x ) ) = 2  ( xi ) = 2 N 0 =
1 2

N 0 N N
şi măsura Fischer a informaţiei
 2L   N −1 1  N
I ( m ) = − E  2  = − E − 2  = 2
 m   0 0  0
care apare aici ca inversa dispersiei, estimatorul fiind de dispersie minimă. De fapt
acest lucru era previzibil deoarece
1 N −1  02 L
mˆ ( x ) − m =  xi − m = N m
N 0
  02
care corespunde formulei generale cu k = .
N
- estimarea funcţiei de autocorelaţie a unui proces aleator ergodic, de
medie nulă; procesul fiind staţionar în sens larg, funcţia de autocorelaţie va fi
uu ( p ) = E uk uk + p 
iar din ergodicitate rezultă
N
1
uu ( p ) = lim
N → 2 N + 1
 uk uk + p
k =− N

adică informaţia “spaţială” se obţine dintr-o singură realizare de fereastră arbitrar

de largă.
Problema formulată este de a găsi un estimator ce utilizează informaţiile din
setul ferestruit
u , k = 0,1,..., N − 1
ukN =  k
0 , in rest
Definim
1  N N
ˆuu ( p ) =  uk uk + p
M k =−
suma fiind convergentă pe baza finitudinii eşantionului; M trebuie ales pentru a
obţine un estimator nepolarizat. Pe baza definiţiei lui ukN vom deduce că ukN+ p = 0
pentru k + p  0 şi k + p  N adică ukN+ p  0 , − p  k  N − 1 − p . Ca urmare
calculul lui ˆuu ( p ) va da:

i) pentru p  − ( N − 1) , deducem că ukN+ p are indicele peste N-1 şi diferit de 0

într-o zonă unde ukN = 0 . Pentru 0  k  N − 1 avem ukN+ p = 0 . Deducem
ˆuu ( p ) = 0 , p  − ( N − 1)
ii) − ( N − 1)  p  0 ; când k este între 0 şi N-1, k+p se va găsi între –(N-1) şi (N-
1); deducem că între 0 şi N-1+p ambele numere sunt nenule şi deci
N −1+ p
1
ˆuu ( p ) =
M
 uu
0
k k+ p

iii) 0  p  N − 1; pentru k între 0 şi N-1, k+p se va afla între p şi N-1+p,

rezultând
1 N −1− p
ˆuu ( p ) =
M 0
 uk uk + p
iv) p>N-1 şi atunci uk + p  0 pentru k<0 când uk = 0 . Deducem ˆuu ( p ) = 0 ,
rezultând expresia generală
 În continuare calculăm valoarea medie a estimatorului:
1 N −1− p N −1− p
E ˆuu ( p ) = E uk uk + p  =
1

M k =0 M
  ( p)
k =0
uu

N−p
= uu ( p )
M
pentru 0  p  N − 1 şi, pe baza proprietăţilor de simetrie ale autocorelaţiei:
N+p
E ˆuu ( p ) = uu ( p ) , pentru
M
formula generală fiind
N− p
E ˆuu ( p ) =
uu ( p )
M
De aici deducem polarizarea estimatorului
N − p −M
B (ˆuu ( p ) ) = E ˆuu ( p ) − uu ( p ) = uu ( p )
M
şi pentru un estimator nepolarizat este suficient să luăm M = N − p obţinând

, pentru .

Dacă se ia M = N va rezulta un estimator polarizat deoarece

p
B (ˆuu ( p ) ) = − uu ( p )
N
însă estimatorul rămâne nepolarizat asimptotic.