ElectroYou - la comunità dei professionisti del mondo elettrico

Indice

1 Premessa
2 Esercizi con la convoluzione continua
3 Esercizi di convoluzione discreta
- 3.1 Esercizio #5
- 3.2 Esercizio #6
4 Addendum: effetti di bordo con GNU/Octave e Matlab
- 4.1 Risoluzione analitica
- 4.2 Risoluzione mediante l'uso di un simulatore: comprovazione del risultato
5 Conclusione

Premessa

Questo articolo è una piccola raccolta di esercizi (da annotare anche come promemoria) per il calcolo della convoluzione continua e discreta. Il quaderno degli esercizi finirà, molto probabilmente, in cantina o dimenticato chissà dove per fare spazio a nuovi quaderni per appunti e chissà cos'altro. Allora ho cominciato a scrivere qui, in modo da arricchire il blog con qualcosina di utile senza pretese particolari.

Mi sono concentrato di più su esercizi nel dominio continuo, anche se ho aggiunto un paio di esercizi nel dominio discreto.

Nota: nel calcolo delle convoluzioni continue, ho usato come notazione la variabile $T$ . Vorrei precisare in anticipo che è appunto solo una notazione di dominio che ho spesso trovato in vari esercizi ed a cui mi sono abituato. Questa variabile può essere successivamente omessa nell'espressione del risultato finale.

Per ultimo, è di abitudine usare spesso il calcolatore con simulatori quali GNU/Octave e Matlab per comprovare i risultati: questi pero possono portare a confondere solo le idee se non è ben chiaro cosa e come si sta calcolando. Vedremo più avanti un piccolo esempio.

Esercizi con la convoluzione continua

Esercizio #1

$\qquad x(t) = \mathrm e^{-t}u(t)$

$\qquad h = \begin{cases} 1 & 1 < t < 2\\ 2 & 2 \leq t < 3\\ {3 \over 2} & t \geq 3\\ 0 & \text{altrimenti} \end{cases}$

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Applichiamo la trasformazione della variabile indipendente: $\qquad x(t) \Rightarrow x(-\tau)$

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Dalla rappresentazione anteriore si deduce che:

$y(t) = 0 \qquad t < T \qquad (1.0)$

Prima traslazione:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

$y(t) = \int_{-\infty}^{\infty}x(t - \tau)h(\tau)\,\mathrm d\tau = \int_{T}^{t}\mathrm e^{\tau - t}\,\mathrm d\tau = 1 - \mathrm e^{1 - t} \qquad T \leq t < 2T \qquad (1.1)$

Traslazione successiva:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

$y(t) = \int_{-\infty}^{\infty}x(t - \tau)h(\tau)\,\mathrm d\tau = \int_{T}^{2T} \mathrm e^{\tau - t}\,\mathrm d\tau + 2\int_{2T}^t \mathrm e^{\tau - t}\,\mathrm d\tau$

$= \mathrm e^{2T - t} - \mathrm e^{T - t} + 2(1 - \mathrm e^{2T - t})\qquad 2 \leq t < 3T\qquad (1.2)$

Ultima traslazione:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

$y(t) = \int_{-\infty}^{\infty}x(t - \tau)h(\tau)\,\mathrm d\tau = \int_{T}^{2T} \mathrm e^{\tau - t}\,\mathrm d\tau + 2\int_{2T}^{3T}\mathrm e^{\tau - t}\,\mathrm d\tau + {3\over 2}\int_{3T}^{t}\mathrm e^{\tau - t}\,\mathrm d\tau$

$\ \ = e^{-t}\left(\mathrm e^{2T} - \mathrm e^{T} + 2(\mathrm e^{3T} - \mathrm e^{2T}) + {3\over 2}(\mathrm e^{t} - \mathrm e^{3T}) \right ) \qquad 3T < t \qquad (1.3)$

Quindi si ha:

$y(t) = \begin{cases} 0 & t < 0\\ 1 - \mathrm e^{T - t} & T \leq t < 2T\\ \mathrm e^{2T - t} - \mathrm e^{T - t} + 2(1 - \mathrm e^{2T - t}) & 2 \leq t < 3T\\ e^{-t}\left(\mathrm e^{2T} - \mathrm e^{T} + 2(\mathrm e^{3T} - \mathrm e^{2T}) + {3\over 2}(\mathrm e^{t} - \mathrm e^{3T}) \right ) & 3T \leq t \end{cases}$

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Rappresentazione dei segnali

Esercizio #2

$\qquad x(t) = tu(t)$

$\qquad h(t) = u(t) - u(t - 2)$

Rappresentazione dei segnali:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Si applica la trasformazione della variable indipendente: $\qquad h(t) \Rightarrow h(t-\tau)$

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Si nota che:

$y(t) = 0 \qquad t < 0 \qquad (2.0)$

Prima traslazione:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

$y(t) = \int_{-\infty}^{\infty}x(\tau)h(t - \tau)\,\mathrm d\tau = \int_{0}^{t} \tau\,\mathrm d\tau = {t \over 2}^2 \qquad 0 < t < T \qquad (2.1)$

Traslazione successiva:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

$y(t) = \int_{-\infty}^{\infty}x(\tau)h(t - \tau)\,\mathrm d\tau = \int_{0}^{T} \tau\,\mathrm d\tau + \int_{1}^{t} \tau\,\mathrm d\tau = {1 \over 2} + {t^2 - 1\over 2} = {t^2 \over 2} \qquad t \leq 2T\qquad (2.2)$

Ultima traslazione:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

$y(t) = \int_{-\infty}^{\infty}x(\tau)h(t - \tau)\,\mathrm d\tau = \int_{t - 2T}^{t} \tau\,\mathrm d\tau = {t^2 - (t - 2T)^2 \over 2} = 2(t - 1) \qquad t > 2T\qquad(2.3)$

Quindi:

$y(t) = \begin{cases} {t^2\over 2} & 0 \leq t < 2T\\ 2(t - 1) & 2T \leq t \end{cases}\qquad(2.4)$

Rappresentazione dei segnali:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Calcolo inverso

Si applica la trasformazione della variable indipendente: $\qquad x(t) \Rightarrow x(t-\tau)$

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Di nuovo:

$y(t) = 0 \qquad t < 0 \qquad (2.1.0)$

Prima traslazione:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

$y(t) = \int_{-\infty}^{\infty}x(t - \tau)h(\tau)\,\mathrm d\tau = \int_{0}^{t} t - \tau\,\mathrm d\tau = {t^2} - {t^2 \over 2} = {t^2 \over 2} \qquad 0 \leq t < T\qquad(2.1.1)$

Notare che il calcolo in $\qquad(2.1.1)$ si ripete nell'intervallo $\qquad 0 \leq t < 2T$ .

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Continuando la traslazione:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

$y(t) = \int_{-\infty}^{\infty}x(t - \tau)h(\tau)\,\mathrm d\tau = \int_{0}^{2T} t - \tau\,\mathrm d\tau = 2(t - 1) \qquad t > 2T\qquad(2.1.2)$

Ottenendo cosi il isultato equivalente a $\qquad(2.4)$

Esercizio #3

$\qquad x(t) = 3(u(t) - u(t - 3))\qquad$

$\qquad h(t) = 2(u(t - 2) - u(t - 9))\qquad$

Rappresentazione dei segnali:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Trasformazione della variabile indipendente, in questo caso $x(t)\Rightarrow x(t - \tau)$ che he più comoda da disegnare:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Ancora, si nota che

$y(t) = 0 \qquad t < 2T \qquad (3.0)$

Traslando il segnale fino a $t \leq 5T$

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

si ha:

$y(t) = \int_{-\infty}^{\infty}x(t - \tau)h(\tau)\,\mathrm d\tau = 6\int_{2T}^t\,\mathrm d\tau = 6t - 12T\qquad 2T \leq t < 5T$

è anche possibile farlo passo a passo incremntando il limite di integrazione inferiore di uno, ma alla fine si tarda di più.

Traslazione successiva:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Da $5T \leq t < 9T$ la moltiplicazione dei due segnali è costante, si ha quindi:

$y(t) = 6(t - 12) \Rightarrow y(5) = 18 \qquad 5T < t < 9T$

L'ultima traslazione è analoga alla prima:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Ed in questo caso abbiamo:

$y(t) = \int_{-\infty}^{\infty}x(t - \tau)h(\tau)\,\mathrm d\tau$ $= 6\int_{t-3T}^{9T}\,\mathrm d\tau = 6(9T -(t - 3T)) = 72 - 6t\qquad 9T \leq t < 12T$

Quindi il risultato finale è:

$y(t) = \begin{cases} 6(t - 2) & 2T \leq t < 5T\\ 18 & 5T \leq t < 9T\\ -6t + 72 & 9T \leq t < 12T \end{cases}$

Esercizio #4

$x(t) = \begin{cases} t & 0 \leq t \leq 1\\ 0 & \text{altrimenti} \end{cases}\qquad$

$h(t) = u(t - 2) - u(t -3)\qquad$

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Applichiamo la trasformazione della variabile indipendente: $h(t) \Rightarrow h(t - \tau)\qquad$

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Quindi:

$t - 2 \leq 0 \Rightarrow y(t) = 0 \qquad t \leq 2T \qquad(4.0)$

Prima traslazione: abbiamo che:

$t - 2 \leq 1 \Rightarrow \qquad 2T \leq t < 3T \qquad(4.1)$

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

$y(t)=\int_{-\infty}^{\infty} x(\tau)h(t - \tau)\,\mathrm d\tau = \int_{0}^{t - 2}\tau\,\mathrm d\tau = {(t - 2)^2 \over 2} \qquad 2T \leq t < 3T \qquad(4.2)$

Traslazione successiva per $\qquad \Delta t = 1 = T$ :

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Abbiamo comunque che:

$t - 2 \leq 2 \Rightarrow t < 4T$

$y(t) = \int_{-\infty}^{\infty} x(\tau)h(t - \tau)\ \mathrm d\tau = \int_{t-3}^{T} \tau \ \mathrm d\tau = {1 - (t - 3)^2\over 2} \qquad 3T \leq t < 4T \qquad (4.3)$

Riassumendo:

$y(t) = \begin{cases} 0 & t < 0\\ {(t - 2)^2 \over 2} & 2 \leq t < 3\\ {1 - (t - 3)^2\over 2} & 3 \leq t < 4 \end{cases}$

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Esercizi di convoluzione discreta

Esercizio #5

$\qquad x[n] = \delta[n + 1] + 2\delta[n] - \delta[n - 1] + \delta[n - 2]$

$\qquad h[n] = \delta[n + 2] - \delta[n + 1] + \delta[n] - \delta[n - 1] + 2\delta[n - 2]$

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Dovendo risolvere

$y[n] = \sum_{k = -\infty}^\infty x[k]h[n - k]\qquad$

chiamando $\qquad k_x$ il primo indice di $\qquad x[n]$ e $\qquad k_h$ il primo indice di $\qquad h[n]$ risolviamo per il primo indice di $\qquad y[n]$ :

$\qquad n - k_x = k_h\qquad$ $\qquad n -(-1) = -2 \Rightarrow n = -3\qquad$

Quindi:

$y[n] = \sum_{k = -\infty}^\infty x[k]h[n - k]\qquad$

$y[-3] = x[-1]h[-2] = 1\qquad$

$y[-2] = x[-1]h[-1] + x[0]h[-2] = 1\qquad$

$y[-1] = x[-1]h[0] + x[0]h[-1] + x[1]h[-2] = -2 \qquad$

$y[0] = x[-1]h[1] + x[0]h[0] + x[1]h[-1] + x[2]h[-2] = 3\qquad$

$y[1] = x[-1]h[2] + x[0]h[1] + x[1]h[0] + x[2]h[-1] = -2\qquad$

$y[2] = x[0]h[2] + x[1]h[1] + x[2]h[0] = 6\qquad$

$y[3] = x[1]h[2] + x[2]h[1] = -3\qquad$

$y[4] = x[2]h[2] = 2\qquad$

A questo punto si può rappresentare il risultato:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Per rappresentare il risultato con Octave, ho usato questo piccolo script:

nx = -1:2;
x = (nx == -1) + 2*(nx == 0) -(nx == 1) + (nx == 2);
nh = -2:2;
h = (nh == -2) -(nh == -1 | nh == 1) + (nh == 0) +2*(nh == 2);
y = conv(x,h);
ny = -3:4;
subplot(3,1,1);
stem(nx,x,'r');
hold on;grid on;
xlabel('x[n]');
subplot(3,1,2);
stem(nh,h,'b');
hold on;grid on;
xlabel('h[n]');
subplot(3,1,3);
stem(ny,y,'g');
grid on;
xlabel('x[n]*h[n]');

Generando questa rappresentazione:

dtconv.png

Esercizio #6

$x[n] = \sum_{k = 1}^{5} 2\delta[n - k]\qquad$

$h[n] = \sum_{k = 3}^{6} 3\delta[n - k]\qquad$

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

$\qquad n - k_x = k_h\qquad$ $\qquad n -1 = 3 \Rightarrow n = 4\qquad$

Quindi:

$y[n] = \sum_{k = -\infty}^\infty x[k]h[n - k]\qquad$

$y[4] = x[1]h[3] = 6\qquad$

$y[5] = x[1]h[4] + x[2]h[3] = 12\qquad$

$y[6] = x[1]h[5] + x[2]h[4] + x[3]h[3] = 18\qquad$

$y[7] = x[1]h[6] + x[2]h[5] + x[3]h[4] + x[4]h[3] = 24\qquad$

$y[8] = x[2]h[6] + x[2]h[5] + x[3]h[4] + x[4]h[3] = 24\qquad$

$y[9] = x[3]h[6] + x[4]h[5] + x[5]h[4] = 18\qquad$

$y[10] = x[4]h[6] + x[5]h[5] = 12\qquad$

$y[11] = x[5]h[6] = 6\qquad$

Ed ecco una rappresentazione in scala 1:6:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Addendum: effetti di bordo con GNU/Octave e Matlab

È abbastanza noto che i due programmi GNU/OCtave e Matlab svolgono funzioni uguali o simili, anche se Matlab offre qualcosa in più (ma GNU/Octave è molto più veloce per i lavori equivalenti - p.e. lo script precedente può essere eseguito tanto con ambi i programmi).

A partire dall' esempio 2.8 a pag. 101 del libro Signals and Systems 2nd Ed. by A. Oppenheim, A. S. Willsky & S. H. Nawab, qualche mese fà mi ero proposto di rappresentare la convoluzione dei segnali con GNU/Octave o Matlab:

$x(\tau) = e^{2t}u(-t)\qquad$

$h(\tau) = u(t - 3)\qquad$

L'esercizio viene svolto anche sullo stesso libro ma per completezza lo riporto anche qui.

Risoluzione analitica

Quindi rappresentiamo i segnali:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

E come sempre applichiamo la trasformazione della variabile indipendente $h(t) \Rightarrow h(t - \tau)\qquad$ :

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Prima traslazione:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Per $t - 3 \leq 0$ abbiamo che:

$y(t) = \int_{-\infty}^{\infty}x(\tau)h(t - \tau)\,\mathrm d\tau = \int_{-\infty}^{t - 3}\mathrm e^{2\tau}\,\mathrm d\tau = \left[{e^{2\tau}\over 2}\right]_{-\infty}^{t - 3}$

$= {\mathrm e^{2(t - 3)}\over 2}\qquad t \leq 3T \qquad(\mathrm A.1)$

Traslazione successiva:

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Una volta che $t-3 > 0\qquad$ abbiamo che $x(\tau)h(t - \tau) \neq 0 \qquad -\infty < T < 0$ $x(\tau)h(t - \tau) = 0 \qquad t-3 > 0$

per cui:

$y(t) = \int_{-\infty}^{\infty}x(\tau)h(t - \tau)\,\mathrm d\tau = \int_{-\infty}^{0}\mathrm e^{2\tau}\,\mathrm d\tau = \left[{\mathrm e^{2\tau}\over 2}\right]_{-\infty}^{0} = {1 \over 2}\qquad t > 3T \qquad(\mathrm A.2)$

Quindi:

$y(t) = \begin{cases} {\mathrm e^{2(t-3)}\over 2} & t < 3\\ {1 \over 2} & t \geq 3 \end{cases}$

Sorgente FidoCadJ | Ingrandisci | Cos'è Fidocad

Risoluzione mediante l'uso di un simulatore: comprovazione del risultato

Se adesso di primo istinto mettiamo questi numeri in Matlab, o con Octave, con il codice:

t = -10:0.001:10;
x = exp(2*t).*heaviside(-t);
h = heaviside(t - 3);
y = conv(x,h,'full');
ty =  -20:0.001:20;
plot(ty,y);

(per Octave è necessario il pacchetto specfunc per poter usare la funzione heaviside(n))

Il primo risultato è qualcosa di questo genere:

Convoluzione.png

Che pasticcio! Saltano subito all'occhio due problemi:

La funzione $\qquad y(t)$ non è normalizzata.
La funzione $\qquad y(t)$ si azzera e non è di ampiezza costante per $\qquad t > 3T$ .

Il pasticcio di questo codice è stato risolto nel forum in un thread aperto da me stesso.

Il problema della normalizzazione è risolvibile facilmente cambiando la assegnazione per $\qquad y(t)$ :

y = 0.001*conv(x,h,'full');

Mentre il problema del segnale a gradino è invece leggermente più rognoso. In particolare, nel thread linkato sono stati molto utili gli interventi di DirtyDeeds e dimaios, i quali mi hanno ricordato degli effetti di bordo.

Illuminante fu l'intervento di DirtyDeeds al messaggio 25:

[RISPOSTA DI DD]

Tu vuoi rappresentare il risultato della convoluzione in un certo intervallo di tempo, diciamo $[t_1,t_2]\qquad$ . Per poter calcolare la convoluzione in quell'intervallo di tempo hai bisogno di conoscere le due funzioni $x(t)\qquad$ e $h(t)\qquad$ in altri due intervalli di tempo, possibilmente infiniti. Poiché in Matlab non puoi memorizzare vettori infiniti, devi decidere dove fermarti: se memorizzi una porzione troppo stretta di $x(t)\qquad$ e $h(t)\qquad$ , il risultato della convoluzione non sarà corretto nell'intervallo $[t_1,t_2]\qquad$ e osserverai effetti di "bordo".

[/RISPOSTA DI DD]

La soluzione quindi è definire la funzione $\qquad h(t)$ per un intervallo di tempo sufficientemente maggiore rispetto a $\qquad x(t)$ , e far si che la lunghezza del vettore del risultato della convoluzione sia equivalente sempre a quella di $\qquad x(t)$ . Ecco un esempio di codice con cui si ottiene un risultato corretto:

fs = 100;
t = -3:1/fs:6;
th = -12:1/fs:12;
x = exp(2*t).*heaviside(-1*t);
h = heaviside(th - 3) - heaviside(th - 12);
y = 1/(fs) * conv2(x, h, 'same');
plot(t,x,'r');hold on;
plot(th,h,'b');hold on;xlim([-3,6]);
plot(t,y,'g');grid on; ylim([-0.5,1.5]);

Convolution.png

Conclusione

Si conclude cosi questa piccola raccolta di esercizi.

All'inizio non avevo intenzione di scrivere un articolo, poi tra un caffé e l'altro, ho raccolto gli esercizi svolti in questi giorni, 2 o tre me li sono inventati sul momento mentre scrivevo, mi sono ricordato di un esercizio svolto nel forum, del thread sugli effetti di bordo ... e cosi ne è uscito questo piccolo articolo.

Nel suo piccolo, come sempre, si spera possa essere utile a qualcuno.

Simo

ElectroYou - la comunità dei professionisti del mondo elettrico

Alcuni esercizi sulla convoluzione.

Indice

Premessa

Esercizi con la convoluzione continua

Esercizio #1

Esercizio #2

Calcolo inverso

Esercizio #3

Esercizio #4

Esercizi di convoluzione discreta

Esercizio #5

Esercizio #6

Addendum: effetti di bordo con GNU/Octave e Matlab

Risoluzione analitica

Risoluzione mediante l'uso di un simulatore: comprovazione del risultato

Conclusione

Inserisci un commento

Argomenti correlati

Tag Cloud

Informazioni

Seguici

Pubblicità

Credits