Appunti di

Elaborazione numerica dei segnali

Argomenti introduttivi

Premesse sui sistemi lineari ........................................................................ 1

Risposta all’impulso ................................................................................... 1
Sviluppo in serie di Fourier ........................................................................ 4
Dimostrazione della formula dei coefficienti dello sviluppo di Fourier per x(t) reale 5
Trasformata di Fourier................................................................................ 6
Spettri bilateri e spettri unilateri ................................................................. 7
Rappresentazione mediante vettori rotanti............................................ 9

PREMESSE SUI SISTEMI LINEARI

Ricordiamo che un sistema dinamico tempo-continuo è sempre descrivibile mediante un
sistema di equazioni differenziali. Il fatto che si usino equazioni differenziali deriva dal fatto che il
sistema ha memoria: si pensi ad una semplice reti elettrica contenente condensatori ed induttori
(cioè appunto elementi dotati di memoria). Se, invece, il sistema non contiene elementi dotati di
memoria, allora esso può essere descritto da un sistema di equazioni algebriche: si pensi ad una rete
elettrica composta solo da elementi resistivi (resistori, diodi, trasformatori ideali). A noi interessano
solo sistemi dotati di memoria.
Una fondamentale proprietà di un sistema è la linearità: un sistema si dice lineare se e solo se gli
può essere applicato il noto principio di sovrapposizione degli effetti, vale a dire le proprietà
di additività e di omogeneità.
Altra proprietà importante è la tempo-invarianza: se il sistema mantiene invariate nel tempo le
proprie caratteristiche, allora si dice che tempo-invariante. Da un punto di vista pratico, la tempo-
invarianza del sistema si manifesta nel fatto che i coefficienti delle equazioni differenziali che
descrivono il sistema sono costanti.
E’ importante osservare che un generico sistema può non dipendere solamente dal tempo, ma
anche da un numero qualsiasi di altre variabili indipendenti: se così è, l’uscita del sistema avrà
sia delle derivate rispetto al tempo sia delle derivate rispetto alle altre variabili indipendenti; si
tratterà perciò di derivate parziali. Se, invece, la variabile indipendente è una sola (generalmente il
tempo, ma può anche trattarsi di qualcos’altro), allora le derivate sono totali.

RISPOSTA ALL’IMPULSO
La proprietà di linearità ha una notevole importanza, in un sistema, in quanto consente di
semplificare l’analisi del sistema stesso in base al seguente ragionamento: dato il nostro sistema,
supponiamo di avere un ingresso e(t) e di voler calcolare la corrispondente risposta; anziché ripetere
lo stesso calcolo ogni volta, cioè per ogni possibile ingresso e(t), è molto comodo rappresentare
l’ingresso e(t) come combinazione lineare di opportuni segnali elementari rispetto ai quali si
Appunti di “Elaborazione numerica dei segnali”

conosca la risposta del sistema: in questo modo, infatti, la risposta ad e(t) sarà ottenuta come
sovrapposizione delle risposte ai singoli segnali elementari.
Si pone allora il problema di quali segnali elementari scegliere. Uno di questi è sicuramente il
noto impulso di Dirac, indicato con δ(t). A tal proposito, è bene ricordare che il δ(t) non è
propriamente una funzione, ma una distribuzione; ciò significa che esso ha senso solo se si trova
all’interno di un integrale: infatti, la definizione del rigorosa δ(t) fa riferimento a quel particolare
segnale tale che

+∞

−∞
∫ δ(t ) f (t )dt = f (0)
Questa relazione deriva dal fatto che δ(t) è un impulso, centrato in t=0, di base infinitesima e di
area infinita1.
Naturalmente, possiamo anche spostare l’impulso, applicandolo, anziché in t=0, in un generico
istante τ: una diretta conseguenza di quella relazione è che

+∞

∫ δ(t − τ) f (t )dt = f (τ)

−∞

Usiamo dunque l’impulso di Dirac, applicato in un generico istante τ, come ingresso al nostro
sistema lineare e calcoliamo la corrispondente risposta2: la indichiamo genericamente con h(t,τ), per
sottolineare il fatto che essa dipende, in generale, da τ nonché ovviamente dal tempo.

δ( t − τ) Sistema h ( t , τ)
lineare

Se il sistema è tempo-invariante, è ovvio che la risposta del sistema non più dipendere dagli
istanti t e τ in modo assoluto, ma solo dalla loro distanza, per cui la risposta sarà in questo caso h(t-
τ):

δ( t − τ) Sistema h ( t − τ)
lineare
tempo-invariante

Dobbiamo ora capire come sfruttare h(t-τ) per calcolare la risposta del sistema (lineare tempo-
invariante) al generico ingresso e(t).
Se noi consideriamo un impulso δ(t-t1) applicato in ingresso al sistema in un istante t1, avremo
una risposta h(t-t1); se applichiamo un altro impulso δ(t-t2), avremo una risposta h(t-t2) e così via. La
risposta del sistema all’ingresso costituito da una combinazione (lineare) di impulsi sarà quindi una
combinazione, con gli stessi coefficienti, delle risposte ai singoli impulsi:

1
Osserviamo inoltre che quell’integrale rappresenta, per semplice definizione, il prodotto scalare tra i segnali δ(t) ed f(t).
2
che non sarà la cosiddetta risposta all’impulso del sistema, che invece è definita solo come la risposta del sistema ad un
impulso applicato in t=0, ossia come risposta a δ(t). Essa si indica con h(t)

Autore: Sandro Petrizzelli

2
 Argomenti introduttivi

e( t ) = αδ ( t − t 1 ) + βδ ( t − t 2 ) + γδ( t − t 3 ) + ... 
→ u ( t ) = αh ( t − t 1 ) + βh ( t − t 2 ) + γh ( t − t 3 ) + ...

Il segnale di ingresso e(t) sarà composto da infiniti impulsi, applicati ognuno in un istante diverso
ed aventi area pari al valore di e(t) in quello stesso istante; la risposta complessiva sarà allora
ottenuta come somma delle infinite risposte, vale a dire come integrale3 delle risposte:

+∞
u ( t ) = ∫ e ( t − τ) h ( τ) d τ
−∞

A ben vedere, questa è la nota formula di convoluzione tra l’ingresso e(t) e la funzione di risposta
all’impulso h(t) del sistema:
u ( t ) = e( t ) * h ( t )

A titolo di richiamo, ricordiamo che il prodotto di convoluzione gode della proprietà

commutativa, per cui risulta

+∞ +∞
u ( t ) = e( t ) * h ( t ) = ∫ e( t − τ)h ( τ)dτ = ∫ e(τ) h ( t − τ)dτ = h ( t ) * e( t )
−∞ −∞

Per passare dall’uno all’altro integrale basta operare un cambio di variabile.

A questo punto, ha senso chiedersi se questo modo di procedere per calcolare l’uscita del generico
sistema lineare tempo-invariante sia effettivamente comodo oppure no. In effetti la risposta è no,
dato che non sempre il calcolo dell’integrale di convoluzione è agevole. Si può allora provare a dare,
del segnale generico in ingresso, un’altra descrizione, possibilmente più comoda di quella come
somma di infiniti impulsi.
Si tratta cioè di scegliere un altro tipo di funzioni elementari. Si possono ad esempio utilizzare le
cosiddette autofunzioni del sistema: si tratta di segnali con la particolarità che, entrando in
ingresso al sistema, ne escono identici, salvo un fattore di scala (reale o complesso).

autofunzione
x(t) Sistema ax(t)
lineare
tempo-invariante

Classici esempi di autofunzioni, per un sistema lineare, sono le funzioni sinusoidali: se

mandiamo in ingresso una sinusoide ad una determinata frequenza, possiamo ottenere in uscita
soltanto la stessa sinusoide, con solo una variazione di ampiezza e/o di fase4. Talvolta ci si esprime

3
Il fatto che ci sia un integrale da calcolare è sempre legato al fatto che il sistema presenta una memoria, per cui la risposta in un
dato istante non dipende solo dal valore dell’ingresso in quell’istante, ma anche dai valori in un certo numero di istanti
precedenti.
4
Sappiamo infatti che un sistema lineare non può generare in uscita componenti spettrali a frequenza diversa da quelle ingresso.
Questa caratteristica compete solo ai sistemi non lineari

3 Autore: Sandro Petrizzelli

Appunti di “Elaborazione numerica dei segnali”

dicendo che la risposta del sistema ad una certa frequenza è disaccoppiata dalle risposte del
sistema a tutte le altre frequenze.

N.B. Possiamo osservare due cose:

• in primo luogo, per i sistemi non lineari, le sinusoidi non sono affatto delle autofunzioni:
pensiamo ad esempio ad un sistema con caratteristica quadratica;
• in secondo luogo, per i sistemi lineari, ci possono essere funzioni diverse dalle sinusoidi ma
che rappresentano ugualmente delle autofunzioni: per esempio, se consideriamo un derivatore e
gli mandiamo in ingresso il segnale eαt, ricaviamo in uscita αeαt, cioè un segnale identico
all’ingresso, salvo il fattore di scala α.

Possiamo dunque pensare di descrivere il generico segnale in

ingresso come sovrapposizione di frequenze e ampiezze opportune,
invece che come sovrapposizione di impulsi, ottenendo ancora una
volta che l’uscita sarà una sovrapposizione delle risposte alle
singole componenti in ingresso. Il vantaggio, rispetto all’uso degli impulsi, è che non
dobbiamo più usare una integrazione, dato appunto il disaccoppiamento tra le uscite. Questo tipo di
composizione è quella effettuata dall’analisi di Fourier.

SVILUPPO IN SERIE DI FOURIER

Consideriamo un generico segnale x(t) continuo: esso si dice periodico quando si ripete uguale
ogni intervallo di tempo di ampiezza fissa T (periodo):

x( t ) = x( t + nT) con n ∈N e T > 0

Si dimostra che questo segnale, oltre che con la sua normale rappresentazione analitica,
è esprimibile anche con il seguente sviluppo in serie, detto appunto serie di Fourier:

+∞
x(t) = ∑x
n = −∞
n e j2 πf n t

dove fn=n/T.
I coefficienti di questo sviluppo hanno la seguente espressione:

T/ 2
1
xn = ∫ x( t ) e − j2πf n t dt
T − T/ 2

In pratica, abbiamo espresso x(t), come si diceva nel paragrafo precedente, come somma di
infinite sinusoidi (ciascuna pesata da un proprio coefficiente), espresse ciascuna in termini di
esponenziale complesso (cioè come un vettore rotante). Non solo, ma tali sinusoidi non sono di
periodo qualsiasi, ma di periodo multiplo del periodo T del segnale x(t) originario.

Autore: Sandro Petrizzelli

4
 Argomenti introduttivi

E’ ovvio che la possibilità di usare una simile rappresentazione di x(t) presuppone la possibilità di
calcolare gli xn, ossia di risolvere l’integrale riportato nell’ultima formula.
Inoltre, trattandosi di una serie, la serie di Fourier può convergere o meno. Noi riterremo sempre
verificata la convergenza, il che equivale a dei requisiti tutt’altro che stringenti per il segnale x(t)
(che può essere, in generale, sia reale sia complesso).
Per quanto riguarda specificamente i coefficienti dello sviluppo, generalmente sono
complessi e possiamo subito vedere perché: se noi applichiamo le formule di Eulero

e jx + e − jx
cos x =
2
e − e − jx
jx
sinx =
2j

abbiamo che
e − j2 πft = cos( 2πft ) − jsin( 2πft)

per cui, andando a sostituire nell’espressione di xn otteniamo

1
T/ 2
 1 T/ 2 
( ) ( )
T − T∫/ 2 T − T∫/ 2
xn = x ( t ) cos 2 πf n t dt + j − x ( t ) sin 2 πf n t dt
144424443 14444244443 
Re( x n ) Im( xn )

e questo ci conferma che, in generale, gli xn sono dei numeri complessi.

Dimostrazione della formula dei coefficienti dello sviluppo di Fourier per x(t)
reale
Sempre a proposito dei coefficienti, cerchiamo subito di renderci conto come si arriva alla loro
espressione. Possiamo partire considerando un particolare integrale:

T/2 1 1
j2 π nt − j2 π mt
∫e
−T / 2
T
e T
dt

Senza scendere nei dettagli analitici5, si può dimostrare (usando le formule di Eulero per
esplicitare i due esponenziali e considerando la parità della funzione Coseno e la disparità della
funzione Seno) che questo integrale può assumere soltanto due valori, a seconda dei valori di m e di
n (entrambi numeri interi):
T/2 1
j2 π nt
1
− j2 π mt T se m = n
∫
−T / 2
e T
e T
dt = 
0 se m ≠ n

Questo risultato proviene dalla ortogonalità delle funzioni esponenziali considerate in

quell’integrale.

5
per i quali si rimanda a quanto visto nel corso di Teoria dei Segnali

5 Autore: Sandro Petrizzelli

Appunti di “Elaborazione numerica dei segnali”

Possiamo allora facilmente sfruttare questo risultato: per prima cosa, considerando lo sviluppo di
1
− j 2 π mt
T
Fourier di x(t), moltiplichiamo ambo i membri per e , ottenendo

1
− j 2 π mt +∞ 1
j 2 π nt
1
− j 2 π mt
x ( t )e T
= ∑x
n = −∞
n e T
e T

Adesso integriamo tra -T/2 e T/2, in modo da ottenere a secondo membro proprio l’integrale citato
prima:
T/2 1
− j 2 π mt
T/2 +∞ 1
j2 π nt
1
− j 2 π mt
∫
−T / 2
x ( t )e T
dt = ∫ ∑x
− T / 2 n = −∞
n e T
e T
dt

Portando fuori dall’integrale la sommatoria e portando successivamente fuori dall’integrale anche

il generico xn, otteniamo che

T/2 1
− j2 π mt +∞ T/2 1
j2 π nt
1
− j 2 π mt +∞ T/2 1
j 2 π nt
1
− j 2 π mt
∫ x ( t )e T
dt = ∑ ∫
n = −∞ − T / 2
xne T
e T
dt = ∑x ∫ e
n = −∞
n
T
e T
dt
−T / 2 −T / 2

L’integrale a secondo membro è, come detto, proprio quello citato prima; allora, considerando che
abbiamo infiniti integrali, per n che va da -∞ a +∞, è evidente che l’unico non nullo (ma paria T) è
quello che si ottiene per n=m, per cui scriviamo che

T/2 1
− j 2 π mt
∫
−T / 2
x ( t )e T
dt = x m T

Da qui si ottiene l’espressione del generico coefficiente dello sviluppo in serie, per cui abbiamo
ottenuto quello che volevamo.

TRASFORMATA DI FOURIER
Se il segnale s(t) considerato non è più periodico (il che si può anche esprimere dicendo che il
periodo T tende all’infinito), lo sviluppo in serie di Fourier subisce delle modifiche: infatti,
considerando T→∞, la sommatoria si trasforma in un integrale, con l’accortezza che tale integrale
non necessariamente converge:
+∞
s( t ) = ∫ S( f )e j2 πft df
−∞

Nel passaggio dalla sommatoria all’integrale, in pratica continuiamo a descrivere x(t) come
combinazione di funzioni base sinusoidali, ma con due differenze: in primo luogo, cambiamo i
coefficienti di peso; in secondo luogo, non consideriamo più frequenze con valori discrete, ma tutte
le possibili frequenze tra -∞ e +∞.

Autore: Sandro Petrizzelli

6
 Argomenti introduttivi

I coefficienti di peso sono adesso rappresentati da S(f), cioè appunto dalla trasformata di
Fourier di s(t). Tali coefficienti si calcolano tramite un integrale del tutto simile a quello usato per i
coefficienti dello sviluppo di Fourier:

+∞
S( f ) = ∫ s( t )e − j2 πft dt
−∞

Questa è la nota formula di trasformazione secondo Fourier, mentre la precedente era la

formula di antitrasformazione di Fourier.
Ovviamente, affinché la rappresentazione di s(t) mediante la trasformata di Fourier sia possibile,
l’integrale nell’ultima formula deve convergere. La condizione per tale convergenza è che s(t) sia un
segnale ad energia finita, il che significa che la quantità

+∞
ES = ∫ s( t )
2
dt
−∞

deve essere un numero reale non nullo.

Il concetto di fondo, circa l’applicazione della trasformata di Fourier, non cambia rispetto ai
paragrafi precedenti: volendo calcolare la risposta del sistema ad un generico segnale (periodico o
meno), è sufficiente conoscere come risponde il sistema ad una sinusoide di frequenza f (se il sistema
è lineare, esso non farà altro che cambiare ampiezza e fase della sinusoide in ingresso, lasciando
invece inalterata la frequenza); nota questa informazione, la risposta del sistema all’ingresso s(t) sarà
data dalla relazione
U( f ) = S( f )H( f )

(valida ovviamente nel dominio della frequenza), dove S(f) è la trasformata del segnale in ingresso,
mentre H(f) è il fattore moltiplicativo complesso che tiene conto della variazione di fase e di
ampiezza introdotte dal sistema. Nota U(f), il calcolo di u(t) si ottiene tramite antitrasformazione.

SPETTRI BILATERI E SPETTRI UNILATERI

L’estensione dello spettro di un segnale a frequenze negative non aggiunge alcuna informazione
alla conoscenza del segnale stesso. Il perché è nella nota proprietà della trasformata di Fourier in
base alla quale S(−f ) = S * (f ) : questa proprietà dice, in pratica, che, noto lo spettro per frequenze
positive, quello per frequenze negative si ottiene come suo complesso coniugato.
Il motivo per cui si usa l’estensione a frequenze negative è che sommando degli esponenziali con
esponente immaginario si ottiene un risultato reale (formule di Eulero). Cerchiamo allora di
approfondire questo concetto.
Per prima cosa, ricordiamo la cosiddetta forma esponenziale dello sviluppo in serie di Fourier
di un segnale periodico di periodo T:
+∞
x(t) = ∑x
n = −∞
n e j2 πf n t

7 Autore: Sandro Petrizzelli

Appunti di “Elaborazione numerica dei segnali”

Il segnale x(t) in questione è espresso, in questo caso, come somma di infiniti termini esponenziali
complessi del tipo e j2 πf n t : separando i termini per n<0, n=0 e n>0, abbiamo quanto segue:

−1 +∞
x(t ) = ∑ x n e j2πf n t + x 0 + ∑ x n e j2πf n t
n = −∞ n =1

A parte il termine in continua x0, abbiamo esponenziali complessi a frequenza positiva e

esponenziali complessi a frequenza negativa; non solo, ma ci possiamo ricordare della nota proprietà
secondo cui x n = (x − n ) : in base a questa proprietà, per ogni esponenziale a frequenza
*

positiva x n e j2 πf n t , c’è sempre il corrispondente complesso coniugato

x *n e − j2 πf n t a frequenza negativa.
Questo è dunque un primo modo di esprimere il generico segnale periodico, cioè come somma di
esponenziali complessi: questo costringe ad usare sia le frequenze positive sia quelle negative.
Se, invece di ricorrere alla somma degli esponenziali, si ricorre alla somma di coseni e seni, lo
spettro viene definito soltanto per frequenze positive, incluso lo zero. Infatti, considerando che, in
base alle formule di Eulero, risulta e j2 πft = cos(2πft ) + jsin (2πft ) , possiamo scrivere che

+∞ +∞ +∞ +∞
x(t) = ∑ x n e j2 πf n t =
n = −∞
∑ x n (cos(2πf n t ) + jsin(2πf n t) ) =
n = −∞
∑ x n cos(2πf n t) + j ∑ x n sin (2π n ft)
n = −∞ n = −∞

Inoltre, se tiriamo fuori dalle due sommatorie il termine che si ottiene per n=0 otteniamo

+∞ +∞
x( t ) = [ x 0 cos( 2πf 0 t ) + x 0 sin( 2πf 0 t )] + ∑x n cos( 2πf n t ) + j ∑ x n sin( 2π n ft )
n = −∞ n = −∞
n≠ 0 n≠ 0

Ma, ricordando che fn=n/T, è evidente che f0=0, per cui

+∞ +∞
x(t) = x 0 + ∑ x n cos(2πf n t ) + j ∑ x n sin (2π n ft)
n = −∞ n = −∞
n ≠0 n ≠0

Questa è un’altra espressione, detta trigonometrica, dello sviluppo in serie di Fourier di un

segnale periodico. Essa è assolutamente equivalente a quella esponenziale e, per il momento,
mantiene il fatto di usare le frequenze negative.
D’altra parte, se poniamo
2 n   n 
c n = S  e ϕ n = ph S 
T T   T 

si dimostra che lo sviluppo può anche essere espresso come

+∞
x ( t ) = c 0 + ∑ c n cos(2πf n t + ϕ n )
n =1

Come anticipato prima, abbiamo dunque una somma di segnali sinusoidali reali a tutte e sole le
frequenze positive, inclusa quella nulla.

Autore: Sandro Petrizzelli

8
 Argomenti introduttivi

Riepiloghiamo allora nel modo seguente: l’uso delle funzioni esponenziali (e

quindi delle frequenze negative) è più comodo nei calcoli, che
risultano più semplici6, ma ha l’inconveniente di richiedere, per
ogni effettiva frequenza (cioè per ogni effettiva oscillazione
sinusoidale), due punti sull’asse delle frequenze, simmetricamente
allocati rispetto all’origine.
A chiarimento ulteriore di questo concetto, basta considerare un segnale periodico puramente
sinusoidale, ad esempio un Coseno: applicando le formule di Eulero, possiamo scrivere che

cos(2πf 0 t ) =
1 j2 πf 0 t 1 − j2 πf 0 t
e + e
2 2

Il primo membro rappresenta il segnale come una sinusoide reale, mentre il secondo membro
rappresenta lo stesso identico segnale come somma di due esponenziali complessi coniugati. Per la
rappresentazione reale, consideriamo la sola frequenza f0 positiva del segnale, mentre per la
rappresentazione esponenziale dobbiamo considerare sia f0 sia -f0.

Rappresentazione mediante vettori rotanti

L’uso delle funzioni esponenziali, pur presentando il difetto di dover considerare le frequenze
negative, conduce, d’altra parte, ad una semplice rappresentazione grafica delle grandezze
sinusoidali:

6
Pensiamo ad esempio a come si faciliti il calcolo della derivata o dell’integrale di un segnale: ad una derivazione nel tempo
corrisponde, nel dominio delle frequenze, una moltiplicazione per j2πf, mentre ad una integrazione nel tempo corrisponde una
divisione per j2πf.

9 Autore: Sandro Petrizzelli

Appunti di “Elaborazione numerica dei segnali”

In un piano complesso, in cui l’asse orizzontale è l’asse dei segnali reali, una funzione sinusoidale
del tipo
A * − j2 πf 0 t
s( t ) = A cos(2πf 0 t + ϕ 0 ) = e j2 πf 0 t +
A
e
2 2

viene rappresentata da due vettori simbolici ruotanti. All’istante t=0, i due vettori rappresentano,
semplicemente, A/2 e A*/2 rispettivamente; per gli istanti t>0, i due vettori rappresentano invece
A j2 πf 0t A * − j2 πf0 t
e e e . Il vettore risultante è reale ed ha appunto il valore A cos(2πf 0 t + ϕ 0 ) .
2 2
L’inconveniente di dover usare gli esponenziali, e quindi due vettori, si supera, nella normale
pratica, usando un solo vettore, cioè un solo esponenziale: precisamente, si considera l’esponenziale
Ae j2 πf0 t , con la convenzione che il segnale da esso rappresentato sia la proiezione del vettore
medesimo sull’asse reale, ossia appunto il suo valore reale:

Questa operazione equivale, in pratica, a scrivere che

[
s( t ) = A cos(2πf 0 t + ϕ 0 ) = Re Ae j2 πf 0 t ]
Questa rappresentazione è, per la sua comodità, quella più diffusa.
A questo punto, ci possiamo chiedere se la rappresentazione delle grandezze sinusoidali nella
[ ]
forma Re Ae j2 πf 0 t sia estendibile anche alla serie di Fourier ed alla trasformata di Fourier di un
segnale arbitrario (periodico nel caso della serie di Fourier). La risposta è ovviamente positiva: in
particolare, con riferimento alla antitrasformata di Fourier di uno spettro S(f), possiamo scrivere che

 +∞ 
s( t ) = Re 2 ∫ S(f )e j2 πft df 
 0+ 

Notiamo subito che l’estremo inferiore di integrazione è 0+: questo è dovuto alle cautele con cui si
deve trattare la componente continua (f=0), che è infatti l’unica frequenza che non ha, in S(f), due
componenti simmetriche rispettivamente a destra ed a sinistra dell’origine.

Autore: Sandro Petrizzelli

10
 Argomenti introduttivi

Se, per ovviare all’inconveniente, si ipotizza che anche a frequenza 0 si abbiano due componenti
(rispettivamente a frequenze 0+ e 0-), allora si può anche prendere direttamente 0 come estremo di
integrazione:
 +∞ 
s( t ) = Re 2 ∫ S(f )e j2 πft df 
 0 

A questo punto, possiamo definire uno spettro monolatero del segnale

s(t), intendendolo come il doppio dello spettro bilatero. Per questioni di
(
comodità, si indica generalmente con S(f ) lo spettro bilatero considerato fino ad ora e con S(f)
quello monolatero appena introdotto: risulterà dunque
(
S(f ) = 2S(f ) [
f ∈ 0 + ,+∞ [
Facendo questa convenzione di simbologia, la formula circa l’antitrasformata di Fourier diventa la
seguente:
+∞ 
s( t ) = Re  ∫ S(f )e j2 πft df 
0 
(
In conclusione, l’uso degli spettri bilateri S(f ) è comodo ai fini dei calcoli e consente di
procedere con sicurezza, in particolare quando ci si riferisce ad operazione non lineari come ad
esempio il prodotto. Al contrario, lo spettro unilatero S(f) ha il vantaggio di una notevole
semplificazione grafica e di una maggiore evidenza fisica, dato che mostra direttamente quello che
accade alle effettive frequenze fisiche. In virtù di questi fatti, nei nostri discorsi useremo
principalmente gli spettri e le densità spettrali monolatere nelle formule e nelle figure, mentre invece
faremo i calcoli generalmente con spettri e densità bilatere.

Autore: SANDRO PETRIZZELLI

e-mail: [email protected]
sito personale: http://users.iol.it/sandry
succursale: http://digilander.iol.it/sandry1

11 Autore: Sandro Petrizzelli