Sysi

Systemen en Signalen
Prof. dr. ir. Dirk Aeyels
U NIVERSITEIT G ENT, O NDERZOEKSGROEP SYST E MS, T ECHNOLOGIE -

PARK , 914, B9052 Z WIJNAARDE
E-mail address: Dirk.Aeyels@UGent.be
URL: http://users.UGent.be/daeyels

c Copyright 2013 Dirk Aeyels. Alle rechten voorbehouden. Niets uit deze
publicatie mag worden verveelvoudigd, opgeslagen in een geautomatiseerd gege-
vensbestand, of openbaar gemaakt, in enige vorm of op enige wijze, hetzij elek-
tronisch, mechanisch, door fotokopieen, opnamen, of enig andere manier, zonder
voorafgaande schriftelijke toestemming van de auteur.
Nobody said it was easy
Chris Martin in The Scientist
Maak er wat van

Bert en Ernie
Noubliez jamais
Joe Cocker
The harder you practice, the luckier you get

oorsprong onduidelijk
Inhoudsopgave
Hoofdstuk 1. Signalen en Systemen 1

1. I NLEIDING 1
2. S IGNALEN ALS FUNCTIES 3
3. D EFINITIE VAN SIGNALEN 7
4. E NERGIESIGNALEN EN VERMOGENSIGNALEN 9
5. S YSTEMEN ALS FUNCTIES 11
6. D IFFERENTIE - EN DIFFERENTIAALVERGELIJKINGEN ALS
SYSTEMEN 15
7. S YSTEMEN BESCHREVEN DOOR BLOKDIAGRAMMEN 16
Hoofdstuk 2. De Fourier-reeks 19
1. O RTHOGONALE FUNCTIES 19
2. F OURIER - REEKS VAN EINDIGE CONTINUE - TIJD SIGNALEN 21
3. O PMERKINGEN 24
4. D E F OURIER - REEKS VAN PERIODIEKE CONTINUE - TIJD SIGNALEN 26
5. D E F OURIER - REEKS VAN PERIODIEKE DISCRETE - TIJD SIGNALEN
(DFR) 28
6. E IGENSCHAPPEN VAN FR EN DFR 31
7. DFR ALS TRANSFORMATIE 35
8. VOORBEELD 36
Hoofdstuk 3. Het Impulsantwoord, het Frequentieantwoord en de

Overdrachtsfunctie 38
1. T IJDSINVARIANTIE 39
2. L INEARITEIT 40
3. C ONVOLUTIESOM EN CONVOLUTIE - INTEGRAAL 40
4. H ET FREQUENTIEANTWOORD EN DE OVERDRACHTSFUNCTIE 46
5. S INUSO IDALE SIGNALEN ; DE COMPLEXE VOORSTELLING 53
v
INHOUDSOPGAVE vi
6. H ET FREQUENTIEANTWOORD EN DE OVERDRACHTSFUNCTIE VAN

GE INTERCONNECTEERDE SYSTEMEN 54
DIFFERENTIEVERGELIJKINGEN . 57
DIFFERENTIAALVERGELIJKINGEN . 60
9. FIR- FILTERS EN IIR- FILTERS 61
Hoofdstuk 4. De 4 Fourier-transformaties 66
1. D E F OURIER - TRANSFORMATIES 66
2. E IGENSCHAPPEN 71
3. C ONVOLUTIE 73
4. D UALITEIT 73
5. S OMMATIEFORMULE VAN P OISSON 76
6. V ERALGEMEENDE FT 76
7. E NERGIESPECTRUM EN V ERMOGENSPECTRUM 80
8. H ET ONZEKERHEIDSPRINCIPE VAN H EISENBERG 82
9. F OURIER - TRANSFORMATIES EN F OURIER - REEKSEN 83
Hoofdstuk 5. Sampling 88
1. S AMPLEN VAN CONTINUE - TIJD SIGNALEN 88
2. R ECONSTRUCTIE ; EEN MATHEMATISCH MODEL 89
3. H ET SAMPLING - THEOREMA 91
4. A LTERNATIEF BEWIJS VAN HET SAMPLING - THEOREMA EN IDEALE
INTERPOLATIE 95
HOOFDSTUK 1
Signalen en Systemen
In dit eerste hoofdstuk voeren we de begrippen signalen en systemen in. Dit

gebeurt niet aan de hand van definities; wel geven we een aantal voorbeelden.
Hieruit moet blijken dat deze begrippen een ruim toepassingsgebied bestrijken.
Hoe kan je die verscheidenheid binnen een gestroomlijnde aanpak bestuderen?
Een aantal disciplines uit de wiskunde komen te hulp: wiskundige analyse en line-
aire algebra zullen nuttig blijken. Op een meer fundamenteel vlak speelt het begrip
functie een belangrijke rol. We zullen signalen en systemen invoeren als functies.
We merken op dat de wiskunde hier de gelegenheid krijgt om een rechtmatige rol te
spelen: modelleren van fysische of ingenieurstechnische verschijnselen. Dankzij
een weloverwogen gebruik van diverse wiskundige technieken slagen we erin een
aantal belangrijke begrippen te introduceren en resultaten te formuleren die mee
het overlevingspakket van de hedendaagse ingenieur bepalen.
1. I NLEIDING
Men zou van signalen kunnen zeggen dat ze informatie voorstellen. Dit is
geen definitie; veeleer wordt er een eigenschap gegeven. Om die eigenschap te
vatten zou men ook best het begrip informatie nader specificeren. Je zou dit begrip
kunnen definieren, maar ook dat ligt niet voor de hand. Misschien kunnen we een
rist eigenschappen opsommen . . . ? Dit wordt hopeloos.
Volledig analoog kan men het discours hierboven uitbreiden naar systemen. Je
zou bijvoorbeeld van systemen kunnen zeggen dat ze signalen transformeren. Maar
wat betekent dit?
Hoe je het ook bekijkt: een grafische standaardvoorstelling ziet er zo uit:
signaal signaal
- SYSTEEM -
(ingang/input) (uitgang/output)
F IGUUR 1. Systeem als blokdiagram

1
1. INLEIDING 2
Deze voorstelling suggereert dat een systeem signalen accepteert (aanvaardt)

als ingangen en signalen genereert (opwekt) als uitgangen. Om de gedachten te
vestigen geven we een aantal voorbeelden van signalen en systemen; inspiratie
vindt men in verschillende vakgebieden: mechanische structuren, scheikunde, eco-
nomie, beeld- en geluidsanalyse en -verwerking, elektriciteit, informatica, . . .
Voorbeelden van signalen: een geluid, een beeld, abstracte signalen (een rij
instructies, een namenlijst, een bestand als tekst of als bitstring), het binnenlands
product van een economische entiteit over een periode, het spanningsverloop van
een elektrische verbruiker, de Dow-Jones index, . . .
Voorbeelden van systemen: een radiotoestel, een CD-speler, een DVD-speler,
een TV-toestel, een iPod, een telefoon, een scanner, een NMR-systeem, servobe-
sturing, bestandsoverbrenging op het internet, de reminstallatie van een wagen.
Bij deze systeemvoorbeelden word je uitgenodigd om bijbehorende signalen
(ingangen en uitgangen) te bedenken.
Het valt op dat we een breed toepassingsgebied bestrijken. En dat juist hierom
de wiskunde zich aandient omdat zij ons toelaat die voorbeelden te vatten in wis-
kundige modellen. Men verliest dan misschien wel wat specificiteit, omdat details
weggeabstraheerd worden, maar men is in staat een algemeen toepasbare aanpak
op te stellen, zoals hopelijk mag blijken over een aantal maanden. Deze cursus
behandelt de analyse van systemen en signalen als wiskundige modellen. Ontwerp
op basis van deze modellen is uiteraard ook mogelijk; daarvoor word je verwezen
naar andere cursussen b.v. Modelleren en Regelen van Dynamische Systemen.
We poneren nu het volgende:
Signalen en systemen zijn functies.
Functies kunnen op verschillende manieren gekarakteriseerd worden. We bespre-

ken dit in de volgende paragrafen. Steeds is het nodig een domein of definitiege-
bied, een codomein of waardengebied, en een voorschrift te stipuleren. Zoals mag
blijken uit Figuur 1 zijn het domein en codomein van systemen zelf verzamelingen
van functies (of signalen).
De studie van signalen en systemen zoals hier voorgesteld is zeer ambitieus:
we hebben het over algemene functies, voorlopig zonder beperkingen op domein,
codomein en voorschrift. We zullen uiteraard in wat volgt een aantal veronderstel-
lingen invoeren op het hierboven genoemde om tot tastbare resultaten te komen
zonder evenwel de brede toepasbaarheid uit het oog te verliezen.
2. SIGNALEN ALS FUNCTIES 3
2. S IGNALEN ALS FUNCTIES
Als signalen functies zijn, is het misschien aangewezen opnieuw een aantal
reeds geciteerde voorbeelden als functie te beschrijven. Voorlopig vooral met aan-
dacht voor het domein en het codomein. Het functievoorschrift zelf blijft hier nog
wat op de achtergrond maar krijgt zijn plaats in Sectie 3.
2.1. Geluid. Een eerste voorbeeld is
Geluid : Ti jdsinterval R Druk R. (1.1)
Het codomein Druk bevat mogelijke luchtdrukwaarden gerefereerd t.o.v. de

omgevingsdruk. Het signaal Geluid is gedefinieerd op wat een continu tijdsinter-
val genoemd wordt (nl. een deelverzameling van R). Zulke signalen zijn continue
tijd signalen. Aangezien Geluid ook een continu codomein heeft (nl. een deelver-
zameling van R) is het een analoog signaal.
We zullen nu Geluid bewerken om zo nieuwe signalen te genereren, en tegelij-
kertijd nieuwe terminologie te introduceren. Zoals reeds gezegd interpreteren we
deze bewerkingen als systemen.
We samplen of bemonsteren het signaal Geluid:
SampleGeluid : DiscreteTi jdsinterval Z Druk R. (1.2)
Het signaal Samplegeluid benadert het signaal Geluid: het is bepaald op een dis-
crete tijd domein en heeft waarden bepaald door het oorspronkelijk signaal, b.v.
Geluid : [0, 15] Druk (1.3)

SampleGeluid : [0 : 1/10000 : 15] Druk (1.4)
waarbij SampleGeluid(t) = Geluid(t), met t [0 : 1/10000 : 15]. Ik heb hier en

passant gebruik gemaakt van Matlab-notatie. Je merkt op dat het domein van
SampleGeluid in (1.4) geen deelverzameling is van Z (cfr.(1.2) ) maar wel zo kan
genterpreteerd worden d.m.v. een bijectieve relatie.
SampleGeluid is een discrete tijd signaal. De omvorming van Geluid door
sampling of meer algemeen sampling van een signaal wordt in Hoofdstuk 5 in
extenso besproken wegens het belang in SYSENSIG.1
1Met SYSENSIG wordt hier en in wat volgt zowel de huidige cursus als het vakgebied bedoeld.
Als de elementen in het domein van Geluid uitgedrukt worden in seconden

dan hebben we zonet het oorspronkelijke signaal Geluid gesampled met sample-
frequentie 10 kHz, of 10000 samples per seconde; hiermee correspondeert een
1
sampleinterval of sampleperiode van 10000 s.
Zelfs met een eindig domein (het domein bevat namelijk een eindig aantal
waarden) is SampleGeluid niet te bewaren in een eindig geheugen. Vandaar dat
we het signaal gaan kwantiseren: we nemen een eindig aantal waarden uit het
codomein en introduceren een nieuw signaal dat waarden aanneemt uit het eindige
codomein.
KwantGeluid : DiscreteTi jdsinterval Z DiscreteWaarden R, (1.5)
waarbij KwantGeluid(t) = at , met at DiscreteWaarden R zo dicht mogelijk

bij SampleGeluid(t)(= Geluid(t)). Merk op dat je d.m.v. een bijectieve relatie
DiscreteWaarden steeds kunt relateren met een deelverzameling van ; dan volgt Z
ComputerGeluid : DiscreteTi jdsinterval Z DiscreteWaardenNaBi jectie Z.
(1.6)
Je kan verder zelf een aantal andere mogelijkheden verzinnen, b.v. at zo dicht
mogelijk bij Geluid(t) en at Geluid(t); deze laatste vorm van kwantisering is
eigenlijk afronding naar beneden 2.
ComputerGeluid is een digitaal signaal omdat het zowel een discreet domein
als een discreet codomein bezit. In toepassingen van telefonie heb je bijvoorbeeld
sampling met frequentie 8000 Hz en kwantisering met 8 bits, dus 256 waardenni-
veaus, en een debiet van 64000 bits (64 kbits) per seconde. In GSM toepassingen
wordt het signaal gecomprimeerd tot 13 of tot 6.7 kbit/s.
Blijft nog de overgang of reconstructie van ComputerGeluid terug naar een
analoog signaal in ideale omstandigheden het oorspronkelijke Geluid. De audio-
hardware van je computer zorgt hiervoor: hij zet digitale signalen om in analoge
signalen.
We bespreken nu een heel bijzonder signaal het geluid geproduceerd door
een stemvork. Dit type signaal speelt een fundamentele rol in SYSENSIG.
Toon : Ti jdsinterval RR Toon(t) = P sin(2440t). (1.7)
2In het Engels truncation. Dit wordt in het Nederlands vertaald door afbreking of afknot-
ting (zoals in afgeknotte kegel-truncated cone). In de huidige context vind ik deze vertalingen
echte afknappers. Misschien is aftopping een valabel alternatief voor afronding naar beneden?
Het domein stelt de tijd voor, b.v. uitgedrukt in seconden; P is de amplitude, bij-
voorbeeld uitgedrukt in hPa. Het argument van sin is een element van R uitge-
drukt in radialen (en dus dimensieloos). Per seconde (t uitgedrukt in seconden)
wijzigt het argument met 2440 radialen: het signaal heeft een hoekfrequentie of
pulsatie van 2440 radialen per seconde. Aangezien 2 radialen overeenstem-
men met 1 cyclus (i.e. sin neemt dezelfde waarden aan, in argumenten die 2
verschillen), zegt men dat Toon 440 cycli per seconde doorloopt, of een frequen-
tie heeft van 440 Hz. Er volgt onmiddellijk dat 1 cyclus 1/440 seconden duurt.
De duur van een cyclus is de periode. We tonen expliciet de grootheden in het
argument van Toon met hun eenheden:
2[radialen/cyclus] 440[cycli/seconde] t[seconden] = 2440t[radialen],

2[radialen/cyclus] 440[Hz] t[seconden] = 2440t[radialen],
2440[radialen/seconde] t[seconden] = 2440t[radialen].
Nog enkele losse bedenkingen:
(1) waarom wordt de trilling van een stemvork voorgesteld door een sinuso-
daal signaal?
(2) Geluid is complexer dan Toon, want een som van Tonen. M.a.w. Tonen
(corresponderend met verschillende frequenties) zijn de elementaire deel-
tjes van Geluid. Deze gedachte kan uitgebreid worden naar signalen tout
court. Meer hierover in de volgende hoofdstukken.
(3) Toon is een reeelwaardig signaal. Het is misschien verrassend op dit mo-
ment, maar we zullen als elementaire deeltjes complexwaardige Tonen
promoten, nl. deze voorgesteld door de complexe exponentielen van de
vorm t 7 eit : dit resulteert in een meer gestroomlijnde theorie en een
meer compacte presentatie.
(4) ik verkies voorlopig i als voorstelling van de imaginaire eenheid. Dat
kan veranderen in de komende jaren maar dan vooral onder sociale druk
ingenieurs prefereren meestal j.
2.2. Beeld. We onderzoeken in deze paragraaf beeldsignalen. Naast hun in-

trinsiek belang, zijn ze een typevoorbeeld van signalen met 2-dimensionaal domein
en in het geval van kleurbeelden 3-dimensionaal codomein. Bovendien verloopt de
presentatie parallel met deze van Geluid en vandaar sneller (dan het geluid?).
We beginnen met
BeeldA4 : [0, 210] [0, 297] R R [0, Bmax] R (1.8)

(x, y) 7 BeeldA4(x, y) = grijswaarde [0, Bmax], (1.9)
of algemener
Beeld : V L HL R R Intensiteit = [0, 1] R. (1.10)
Het codomein is een maat voor de grijswaarde. Zwart komt bijvoorbeeld overeen
met 0 en wit met 1.
Het signaal
KleurBeeld : V L HL [0, 1]3 (1.11)

(x, y) 7 (r, g, b) (1.12)
heeft een 3-dimensionaal codomein. Misschien erop wijzen dat (r, g, b) staat voor
de Nederlandse woorden rood, groen en blauw, 3 en intensiteiten voorstellen
van de respectievelijke kleuren.
De zojuist ingevoerde beeldsignalen zijn analoge signalen. We bekijken nu een
aantal digitale signalen:
ComputerBeeld : DVL DHL GG8 (1.13)

KleurComputerBeeld1 : DVL DHL (GG8)3 (1.14)
KleurComputerBeeld2 : DVL DHL GG8, (1.15)
met DVL = [1 : 200], DHL = [1 : 300], en GG8 = [0 : 255] stelt alle getallen voor die
men met 8 bits kan vormen. Bij ComputerBeeld staat elk element van GG8 voor
een grijswaarde; bij KleurComputerBeeld2 bestaat het codomein uit 256 mogelijke
kleuren gekozen volgens een Tabel, die op zijn beurt zelf een signaal is:
Tabel : GG8 (GG8)3 x 7 Tabel(x) = (r, g, b), (1.16)
met r, g, en b elementen van GG8.

Opnieuw enkele afsluitende bedenkingen en opmerkingen:
(1) we zeggen dat het signaal ComputerBeeld met elk van de 200300 pixels
of picture elements een grijswaarde laat corresponderen.
(2) bij de overgang van Beeld naar ComputerBeeld heeft men zowel langs de
verticale als langs de horizontale dimensie gesampled, bijvoorbeeld met
3Afkortingen die in het Engels zijn overgenomen.

3. DEFINITIE VAN SIGNALEN 7
een samplefrequentie van 10 dots/mm. Op die wijze heb je een raster van
pixels gecreeerd; met elke pixel wordt een grijswaarde geassocieerd.
2.3. Signalen ad libitum. Dat het niet allemaal beeld en geluid is, illustreren
we aan de hand van volgende voorbeelden. Indien niet aangegeven, vul je zelf de
details (domein en codomein) in:
(1) de positie en het verloop in de tijd van het zwaartepunt van een vliegtuig,
t.o.v. een referentiestelsel.
(2) de positie en de orientatie en hun verloop in de tijd van een vliegtuig of
een schip, t.o.v. een referentiestelsel. Voor wat betreft de orientatie kan je
denken aan de hoeken van Euler of aan pitch-, roll- en yaw-hoeken. Bij
een schip spreekt men over stampen, slingeren en gieren.
(3) een bestand bekeken als een bitstring: een opeenvolging van 1-tjes en
0-len.
(4) een artikel uit de krant; meestal meer dan beeld als je aanneemt dat de
tekst een betekenis heeft.
De laatste twee voorbeelden zijn zogenaamde datasequenties: het domein van deze
signalen heeft wel een ordening maar deze wordt niet gegeven door de tijd.
3. D EFINITIE VAN SIGNALEN
Een signaal is niet enkel bepaald door zijn domein en codomein, maar ook
door zijn voorschrift. Er zijn afhankelijk van de context verschillende manieren
om het voorschrift aan te duiden; in deze paragraaf illustreren we hoe men voor
een signaal
f :X Y x 7 y = f (x) (1.17)
uitdrukt dat y bepaald wordt door x.

Hier volgen een aantal mogelijkheden:
(1) DECLARATIE: vooral gebruikt in de wiskunde, want interessant voor ana-

lyse en bepaling van eigenschappen; men geeft eenvoudigweg een uit-
drukking voor f (x), bijvoorbeeld f (x) = x3 . Het signaal Toon werd op
een declaratieve manier bepaald.
3. DEFINITIE VAN SIGNALEN 8
(2) PROCEDURE: vooral gebruikt om signalen te synthetiseren (ook om sys-

temen te beschrijven: zie Sectie 5). Als voorbeeld geven we een proce-
dure om SampledToon te genereren in Matlab-code
t = [0 : 1/8000 : 1]; (1.18)

s = sin(2 pi 440 t); (1.19)
sound(s, 8000) (1.20)
Bepaal zelf de overeenkomstige X,Y, x, en y.

(3) de GRAF van een signaal:
Gra f (signaal) = {(x, y) : y correspondeert met x} X Y. (1.21)
Een grafische voorstelling hiervan is een plot of grafiek. Je kan Geluid

voorstellen door middel van een plot.
Een graf met eindige X is een lijst of tabel. Bijvoorbeeld de lijst
gevormd door
ResultaatStudenten2deBachelor : Studenten [0, 20]. (1.22)
(4) COMPOSITIE of SAMENSTELLING:
Met f1 : X Y en f2 : X 0 Y 0 , waarbij Y X 0 , (1.23)
correspondeert
f2 f1 : X Y 0 x 7 f2 f1 (x) = f2 ( f1 (x)). (1.24)
(5) FYSISCH MODELLEREN: het signaal Toon kan ook worden bepaald aan
de hand van een model van de stemvork een fysisch systeem dat dit
signaal produceert. De stemvork wordt gemodelleerd d.m.v. een gewone
differentiaalvergelijking (nl. de harmonische oscillator):
x(t) = 02 x(t), (1.25)
met als mogelijke oplossing het signaal
x: RR t 7 cos(0t). (1.26)
Hierbij stelt x(t) de verplaatsing van de tip van de stemvork voor; dit
veroorzaakt trillingen van de lucht en dus geluid.
4. ENERGIESIGNALEN EN VERMOGENSIGNALEN 9
4. E NERGIESIGNALEN EN VERMOGENSIGNALEN
Een signaal x : R C is een energiesignaal als zijn signaalenergie of kortweg

zijn energie begrensd is:
Z +
x(t)x(t) dt < , (1.27)

met x :R C, x(t) = x(t) = het complex toegevoegde van x(t) . Een discrete tijd
signaal x : Z C is een energiesignaal als
+
x(n)x(n) < . (1.28)

Signalen met onbegrensde signaalenergie komen frequent voor (b.v. periodieke

signalen die niet identiek nul zijn); het is mogelijk dat zij een begrensd gemiddeld
vermogen hebben in de zin dat voor continue tijd signalen
Z +T /2
1
lim x(t)x(t) dt < , (1.29)
T T T /2
en voor discrete tijd signalen
1 +N
lim
N 2N + 1
x(n)x(n) < . (1.30)
N
Dit zijn vermogensignalen; periodieke signalen met eindige (signaal) energie over
een periode zijn vermogensignalen. Uiteraard bestaan er ook signalen met onbe-
grensd gemiddeld vermogen. De terminologie energie en vermogen is genspi-
reerd door de fysica of ingenieurswetenschappen, waar voor reeelwaardige fysi-
sche signalen x : R R de uitdrukking x2(t) evenredig is met het ogenblikkelijke
vermogen (denk b.v. aan een stroom i of een spanning v door of over een tak
met weerstand R waarbij i2 (t) en v2 (t) evenredig zijn met het ogenblikkelijke ver-
mogen). De uitdrukkingen voor (signaal) energie en gemiddeld vermogen die we
vooropstellen zijn hiermee ook verklaard.
We voeren nu het begrip correlatiefunctie in. Voor twee continue tijd complex-
waardige energiesignalen x en y definieren we de kruiscorrelatiefunctie Rex,y : R
C:
Z +
Rex,y (t) , x( + t)y() d

Z + (1.31)
= x()y( t) d.

4. ENERGIESIGNALEN EN VERMOGENSIGNALEN 10
Voor vermogensignalen wordt de kruiscorrelatiefunctie Rvx,y : R C gedefinieerd

als Z +T /2
1
Rvx,y (t) , lim x( + t)y() d
T T T /2
(1.32)
1 +T /2
Z
= lim x()y( t) d.
T T T /2
Z C
In het discrete tijd geval wordt de definitie Rex,y : voor energiesignalen
+
Rex,y (n) , x(m + n)y(m)
m=
+
(1.33)
= x(m)y(m n),
m=
en voor vermogensignalen wordt Rvx,y : Z C gegeven door
+N
1
Rvx,y (n) , lim x(m + n)y(m)
N 2N + 1
m=N
(1.34)
+N
1
= lim
N 2N + 1
x(m)y(m n).
m=N
De kruiscorrelatiefunctie van twee signalen is een maat voor het verschil tussen
waarden van het ene signaal en waarden van het andere signaal voor argumenten
die t verwijderd zijn (of n in het geval van discrete tijd signalen). Dit is misschien
beter te vatten in het geval men voor een reeelwaardig energiesignaal nagaat hoe
signaalwaarden al of niet verschillen van waarden van hetzelfde signaal voor ar-
R +
gumenten over t verschoven. Een natuurlijke maat hiervoor is (x() x(
t))2 d. Na een korte berekening volgt
Z +
(x() x( t))2 d = 2(Rex,x (0) Rex,x (t)); (1.35)

men spreekt niet langer van kruiscorrelatie maar van de autocorrelatie Rex,x , of in
een zuinige notatie Rx , waarbij de bovenindex wegvalt als hij irrelevant is.
Vooraleer we (1.35) interpreteren vermelden we enkele eigenschappen van de
autocorrelatiefunctie Rx voor reeelwaardige signalen:
(1) Rx is even: Rx (t) = Rx (t), t R,
(2) Rx heeft een maximum op t = 0: |Rx (t)| Rx (0), t R,
Voor de bewijzen beperken we ons tot energiesignalen. De eerste eigenschap
R + R +
volgt onmiddellijk uit de definitie: Rx (t) = x( + t)x() d = x()x( +
t) d = Rx (t).
De tweede eigenschap volgt uit de ongelijkheid van Cauchy-Schwartz:
Z + Z + Z +
2 2
( x( + t)x() d) (x( + t)) d (x())2 d

5. SYSTEMEN ALS FUNCTIES 11
of (Rx (t))2 Rx (0)Rx (0) of |Rx (t)| Rx (0).

We keren nu terug naar (1.35) en concluderen dat een grote correlatiewaarde
Rex,x (t) wijst op kleine afwijkingen tussen signaalwaarden voor twee argumenten
die t verwijderd zijn. Als de autocorrelatie zijn grootste waarde bereikt (nl. Rex,x (0))
dan is er geen afwijking.
5. S YSTEMEN ALS FUNCTIES
Systemen vormen signalen om in andere signalen en zijn dus functies met als
domein en codomein verzamelingen van functies, en meestal functieruimtes of sig-
naalruimtes. Ruimtes zijn verzamelingen met structuur; b.v. is het soms mogelijk
signalen op te tellen of te vermenigvuldigen met scalairen (ik vermeld niet toevallig
deze twee mogelijkheden).
Waarom zou je signalen omvormen of transformeren? Hier zijn enkele sys-
teemvoorbeelden. Je kan zelf het domein en codomein verzinnen; het voorschrift
bepalen hangt af van je kennis van het systeem en hoe gedetailleerd je het systeem
wenst te beschrijven.
(1) OPSLAAN: muziek opgeslagen op CD.

(2) TRANSMISSIE: geluid overbrengen langs het internet naar je PC: geluid
wordt door codering omgezet in een bitsequentie die over het internet
getransporteerd wordt, in je PC gedecodeerd wordt en d.m.v. de audio-
hardware van je PC omgezet in drukvariaties van de lucht en dus in hoor-
baar geluid. (Identificeer zelf de systemen in deze cyclus!)
(3) EQUALISER: geluid wordt omgezet in een geluidssignaal met b.v. onder-
drukte bastonen; gebruikt om de kwaliteit van de sound te verbeteren, of
in sound systems.
(4) FILTER: signalen zijn behept met ruis (b.v. veroorzaakt door het transmis-
siekanaal; denk aan je radiotoestel met als transmissiekanaal de lucht);
wegfilteren van de ruis geeft een getrouwe versie van het oorspronkelijke
signaal.
(5) REGELAAR: servo voor de besturing van een wagen of voor een remin-
stallatie; temperatuurregeling d.m.v. een thermostaat; snelheidsregeling
(cruise control).
We introduceren nu het begrip signaalruimte, genoteerd als [D CoD]:
[D CoD] = {x|x : D CoD en bepaalde eigenschappen}. (1.36)

Geluid behoort tot [[0, 1] Druk]. Een systeem S is een functie:
S : [D CoD] [D0 CoD0 ]

(1.37)
x 7 y = S(x).
Ter illustratie (cfr. Fig. 2) van zowel het idee van graf, samenstelling en
systeem beschouwen we het signaal g : , met

R R

0 t < 2,
4 2t 2 t < 0,

g(t) = 4 + 3t 0 t < 4, (1.38)

16 2t 4 t < 8,

0 t 8,
het signaal g : Z R, g(n) = g(t)|t=n en enkele hieruit afgeleide signalen, som-
mige verkregen na toepassing van de verschuivingsoperator, gedefinieerd als het
systeem ( R):
D : [ R R] [R R] notatie
w 7 D (w) = D w (1.39)
D w(t) = w(t ), (1.40)
en de TijdsSchaling, gedefinieerd als het systeem (met a > 0):
R R] [R R]
TSa : [
notatie
w 7 TSa (w) = TSa w (1.41)
TSa w(t) = w(at). (1.42)
D wordt een delay genoemd als > 0. Wat is de betekenis van TSa met a < 0?
Ik moedig je aan om de subplots in Fig. 2 onderling te vergelijken en grondig de
relatie tussen de formules en de grafvoorstelling te onderzoeken. Ter illustratie
geldt dat
D2 TS3 (g) = D2 (TS3 (g)), en dus (1.43)

D2 TS3 (g)(t) = D2 (TS3 (g))(t) = TS3 g(t 2) = g(3(t 2)), t R. (1.44)
We besluiten met enkele belangrijke voorbeelden; terzelfdertijd word je ver-

trouwd met de notatie.
(1) GEHEUGENLOOS SYSTEEM: met f : Y Y 0 definieren we
S:[ R Y ] [R Y 0], (1.45)

x [R Y ] 7 y = S(x), (1.46)
met
S(x)(t) = f (x(t)). (1.47)

g D2 (g) TS3 (g)

10 10 10
5 5 5
g(t) g(t 2) g(3t)
0 0 0
5 5 5
0 5 10 15 t 0 5 10 15 t 0 5 10 15 t
TS3 D2 (g) D2 TS3 (g) D1 (g)
10 10 10
5 5 5
g(3t 2) g(3(t 2)) g(t + 1)
0 0 0
5 5 5
0 5 10 15 t 0 5 10 15 t 0 5 10 15 t
TS1/2 (g) g TS2 (g)
10 10 10
5 5 5
g(t/2) g(n) g(2n)
0 0 0
5 5 5
0 5 10 15 t 0 5 10 15 n 0 5 10 15 n
F IGUUR 2. Grafvoorstelling van een signaal en enkele afgeleide signalen
Merk op dat, met R de tijdsas, de uitgang op een bepaald ogenblik enkel

afhankelijk is van de ingang op datzelfde ogenblik en niet van de ingang
op vroegere of latere momenten: het systeem heeft geen geheugen (en
ook geen kristallen bol). Meer algemeen is een systeem
S:[R Y ] [R Y 0], (1.48)

x [R Y ] 7 y = S(x) (1.49)
geheugenloos als voor alle t geldt dat y(t) enkel afhankelijk is van x(t) en
eventueel van t. In SYSENSIG heb je hoofdzakelijk te maken met syste-
men met geheugen.
(2) SMOOTHER: met M > 0 definieren we
S:[ R R] [R R], (1.50)

x [R R] 7 y = S(x), (1.51)
met
Z t
1
S(x)(t) = x() d, (1.52)
M tM
of equivalent
Z M
1
S(x)(t) = x(t ) d. (1.53)
M 0
De uitgang op elk moment is een uitgemiddelde versie van de ingang over

een venster van lengte M terug in de tijd: het systeem heeft geheugen.
(Overtuig jezelf dat smoother goede terminologie is: S(x) is gladder dan
x ).
(3) CONVOLUTIE: beschouw het systeem
S:[ R C] [R C], (1.54)

x [R C] 7 y = S(x), (1.55)
met
Z +
not.
S(x)(t) = (x h)(t) , x()h(t ) d

Z +
= x(t )h() d = (h x)(t), (1.56)

waarbij h : R C en waarbij verondersteld wordt dat de oneigenlijke

integraal bestaat.
De input x wordt dus omgevormd tot de output y d.m.v. een systeem gekarak-
teriseerd door h; de integraaluitdrukking wordt de convolutie genoemd van twee
6. DIFFERENTIE- EN DIFFERENTIAALVERGELIJKINGEN ALS SYSTEMEN 15
functies (signalen). Dit systeem, gedefinieerd op basis van de convolutie is waar-

schijnlijk het belangrijkste systeem in SYSENSIG en zal dan ook herhaaldelijk op-
duiken in wat volgt.
Nu we de convolutie hebben ingevoerd, merken we nog de volgende interes-
sante relatie op tussen de kruiscorrelatie Rev,w en de convolutie van twee goed ge-
kozen signalen:
Rev,w = v TS1 w; (1.57)

R +
beide uitdrukkingen zijn voor elke t gelijk aan v()w( t) d.
6. D IFFERENTIE - EN DIFFERENTIAALVERGELIJKINGEN ALS SYSTEMEN
We hebben in Sectie 3 gezien hoe differentiaalvergelijkingen signalen kun-

nen modelleren. Hetzelfde geldt voor differentievergelijkingen. Differentiaal- en
differentievergelijkingen spelen vooral als systeemmodel een prominente rol in SY-
SENSIG . Ze worden in detail besproken in volgende hoofdstukken.
Hoe associeer je nu een uitgang met een ingangm.a.w. hoe definieer je een
systeem door middel van een differentiaal- of differentievergelijking? Dit is niet
zonder meer duidelijk. Je herinnert je ongetwijfeld het onderdeel Differentiaalver-
gelijkingen in de cursus Wiskundige Analyse I waarbij voor lineaire differenti-
aalvergelijkingen de algemene oplossing (de output) gegeven wordt als de som van
een particuliere oplossing (gegenereerd door de input) en de oplossing (oneindig
in aantal!) van de homogene (of gereduceerde) differentiaalvergelijking. Dus leidt
een ingang tot een oneindig aantal uitgangen. Om met een input een output te laten
corresponderen moet je extra informatie geven; dit kan b.v. door het opleggen van
beginvoorwaarden.
Van differentiaalvergelijkingen weten we dat ze een nauwkeurig model kun-
nen vormen van fysische systemen en ingenieurssystemen, zoals elektrische net-
werken, mechanische systemen, dynamische verschijnselen in chemische reacties,
mechanische trillingen in de bouwkunde. Hun discrete versie de differentiever-
gelijkingen wordt ook bestudeerd in SYSENSIG als een model voor systemen.
Vele systemen (b.v. filters die in een recent verleden werden gerealiseerd d.m.v.
elektrische netwerken) worden immers softwarematig gerealiseerd op de compu-
ter: ze accepteren discrete-tijd signalen als input en genereren discrete-tijd signalen
als output; als de input-signalen analoge signalen zijn zal men ze eerst samplen en
kwantiseren. Dit digitaliseringsproces in technische toepassingen is zo belangrijk
7. SYSTEMEN BESCHREVEN DOOR BLOKDIAGRAMMEN 16
geworden in SYSENSIG dat men voor de studie en analyse ervan het letterwoord
DSP (digital signal processing) reserveert.
7. S YSTEMEN BESCHREVEN DOOR BLOKDIAGRAMMEN
Blokdiagrammen geven op een compacte wijze een grafische voorstelling van

systemen. In Fig. 3 hernemen we Fig. 1 maar nu verrijkt met de informatie dat
systemen functies zijn: X en Y zijn signaalruimten.
xX yY
- S: X Y -
F IGUUR 3. Systeem als blokdiagram
Dit blokdiagram wordt dan genterpreteerd als een grafische representatie van
S : X Y, (1.58)
x 7 y = S(x). (1.59)
Om ingewikkelde systemen te modelleren wordt vaak een modulaire aanpak

gehanteerd: het systeem wordt opgesplitst in deelsystemen die dan met elkaar ver-
bonden worden; zo verkrijg je b.v. een cascade van 2 of meer systemen.
xX yY zZ
- S1 : X Y - S2 : Y Z -
F IGUUR 4. Cascade van 2 systemen
De cascade in Fig. 4 definieert een nieuw systeem S : X Z, declaratief voor-

gesteld als
S : X Z, (1.60)
z = S(x) = S2 (S1 (x)) = S2 S1 (x). (1.61)
waaruit blijkt dat de cascade een grafische voorstelling is van de compositie van
systemen.
Het blokdiagram in Fig. 5 wordt declaratief beschreven als
S: W X Z (1.62)
z = S(w, x) = S2 (w, S1 (x)). (1.63)
wW
zZ
-
xX yY S2 : W Y Z -
- S1 : X Y -
F IGUUR 5. Combinatie van systemen
Terugkoppeling of feedback in Fig. 5 van de uitgang naar de ingang of in dit

geval naar een van de ingangen levert het diagram van Fig. 6.
w=z w W, Z W
-
yY S2 : W Y Z -
xX -
S1 : X Y - zZ
F IGUUR 6. Combinatie met terugkoppeling of feedback
Dit definieert een systeem (onder voorwaarden die onmiddellijk besproken

worden)
S0 : X Z, (1.64)
z = S0 (x) met S0 (x) = S2 (S0 (x), S1 (x)). (1.65)
We besluiten deze sectie met de volgende bedenkingen:

(1) we hebben steeds naast de blokdiagramvoorstelling de declaratieve voor-
stelling van het systeem als functie gegeven; beide bevatten dezelfde in-
formatie.
(2) uitdrukking (1.63) geeft een expliciete declaratieve voorstelling van Fig. 5:
je kan de uitgang onmiddellijk aflezen van de ingang; uitdrukking (1.65)
daarentegen geeft geen expliciete maar een impliciete declaratieve voor-
stelling van Fig. 6. De functie S0 : X Z voldoet aan (1.65): voor elke
ingang x X kan je S0 (x) bepalen door (1.65) op te lossen naar S0 (x) op
voorwaarde dat er een oplossing bestaat. Als er geen oplossing bestaat is
het systeem S0 niet gedefinieerd. Als er meerdere oplossingen zijn kan je
eventueel S0 als systeem definieren door informatie toe te voegen die je

toelaat systematisch een specifieke uitgang met een ingang te laten cor-
responderen.
HOOFDSTUK 2
De Fourier-reeks
In dit hoofdstuk worden signalen bestudeerd: de nadruk ligt op de ontwikke-

ling van signalen t.o.v. basissignalen, zoals een vector kan uitgedrukt worden als
een lineaire combinatie van basisvectoren. Brede klassen van (periodieke) signa-
len kunnen uitgedrukt worden als lineaire combinaties van een bijzondere keuze
van basissignalen de complexe exponentielen; dit is de Fourier-reeks (FR). Als
ingenieurs zijn we genteresseerd in systemen en hun ingang-uitgang relatie: in
het volgende hoofdstuk zal blijken dat lineaire systemen (b.v. in toestandsvoor-
stelling) zich voorbeeldig gedragen t.o.v. complexe exponentielen als ingang. Met
deze basissignalen zitten we dus twee keer goed!
Maar eerst terug naar signalen en hun ontwikkeling volgens basissignalen. Een
algebrasch kader lijkt het meest aangewezen; alhoewel op het eerste gezicht vrij
abstract, is het toch zeer intutief je kan steeds de parallel trekken met de 3-
dimensionale ruimte. Een belangrijk begrip is orthogonaliteit (van basissignalen
of basisvectoren); zoals je weet zijn de coordinaten van een vector t.o.v. een stel
orthogonale basisvectoren eenvoudig te bepalen dit alles wordt toch nog even in
herinnering gebracht.
Het is aangewezen nu al te melden dat we ook discrete signalen zullen ontwik-
kelen volgens discrete complexe exponentielen: dit leidt tot de discrete Fourier-
reeksontwikkeling (DFR). De studie verloopt parallel met het continue-tijd geval;
op wiskundig vlak zijn er echter minder technische problemen. De DFR is van
groot praktisch belang in DSP (digitale signaalverwerking). Er bestaan snelle al-
goritmen om de DFR te bepalen, zoals de FFT (Fast Fourier Transform).
1. O RTHOGONALE FUNCTIES
1.1. Inwendig produkt en norm. Het inwendig produkt speelt een funda-
mentele rol in de studie van Fourier-reeksen. Het maakt het mogelijk afgeleide
begrippen zoals norm en afstand te introduceren, en ook orthogonaliteit.
19
1. ORTHOGONALE FUNCTIES 20
Met X een vectorruimte over R (een reele vectorruimte) of C (een complexe

vectorruimte) introduceren we het inwendig product (we spreken dan van een Eu-
clidische ruimte)
h , i : X X C
(x, y) 7 hx, yi
waarbij hx, yi voldoet aan (met x, y, z X en c C; betekent complex toege-

voegde van C)
hx, yi = hy, xi; symmetrie,
hx, y + zi = hx, yi + hx, zi; distributiviteit,
chx, yi = hcx, yi; homogeniteit,
hx, xi 0, waarbij hx, xi = 0 x = 0.
Merk op dat hx, cyi = hcy, xi = chy, xi = chx, yi.

Klassieke voorbeelden zijn:
hx, yi = xT y, x, y X = Cn, (2.1)
C],
Z
h f , gi = f g, f , g X = [p (2.2)
p
1
C].
Z
h f , gi = f g, f , g X = [p (2.3)
p p
Het tweede en derde voorbeeld kunnen genterpreteerd worden als een veralgeme-
ning van het eerste voorbeeld. Merk op dat voor het gemak van de notatie, p in
(2.3) een dubbele betekenis heeft: het is zowel een interval als de lengte van een
interval. We veronderstellen ook nog dat de integraal bestaat (b.v. door enkel func-
ties die behoren tot een bepaalde ruimte toe te laten). Denk ook even na over de
betekenis van . in het integrandum.
We vermelden ook de Cauchy-Schwartz ongelijkheid:
|hx, yi|2 hx, xi hy, yi, (2.4)
met gelijkheid enkel geldig als x en y lineair afhankelijk zijn.

Een inwendig produkt laat toe aan een vector een norm te associeren:
p
kxk = hx, xi 0.
De ongelijkheid van Cauchy-Schwartz kan dan geschreven worden als
|hx, yi| kxk kyk

2. FOURIER-REEKS VAN EINDIGE CONTINUE-TIJD SIGNALEN 21
De norm heeft de volgende eigenschappen:
kxk = 0 als en slechts als x = 0,

kcxk = |c|kxk,
kx + yk kxk + kyk.
De driehoeksongelijkheid volgt uit de ongelijkheid van Cauchy-Schwartz.

We beschouwen nu de normen afgeleid uit de voorbeelden van inwendige pro-
dukten hierboven ingevoerd:
kxk = (xT x) 2 ,
1
x, y X = Cn, (2.5)
C],
Z
1
kfk = ( f f) ,2 f , g X = [p (2.6)
p
1
C].
Z
1
kfk = ( f f )2 , f , g X = [p (2.7)
p p
De voorgestelde norm op functies wordt soms in de literatuur een semi-norm ge-

noemd, omdat hij gelijk aan nul kan zijn voor functies die niet identisch nul zijn.
Dit klinkt misschien verrassend, maar er bestaan integraalbegrippen die ruimer zijn
dan de Riemann-integraal, en die toelaten de integraal te definieren van esoterische
functies b.v. niet-negatieve functies waarvan de integraal 0 is.
1.2. Orthonormaliteit. Dankzij (2.4) is het mogelijk in reele vectorruimtes

de hoek tussen 2 vectoren te definieren. In complexe ruimtes kunnen we steeds
orthogonaliteit en orthonormaliteit definieren:
orthogonaliteit van x en y hx, yi = 0.
Orthonormaliteit van x en y betekent dat de vectoren orthogonaal zijn en norm

gelijk aan 1 hebben. In de Euclidische ruimte R3 met hx, yi = xTy komt orthogo-
naliteit overeen met loodrecht en norm gelijk aan 1 betekent lengte gelijk aan
1.
We zeggen dat S = {0 , 1 , 2 , . . . } een orthogonaal stel is, als hn , m i =
0, n 6= m. Als bovendien kn k = 1, n = 0, 1, 2, . . . , dan is S een orthonormaal stel.
2. F OURIER - REEKS VAN EINDIGE CONTINUE - TIJD SIGNALEN
2.1. Theorema van de beste benadering. We beschouwen een Euclidische

ruimte F van signalen en wensen een signaal f F zo goed mogelijk te benaderen
door lineaire combinaties van elementen van een orthonormaal stel. Meer expliciet:
met {0 , 1 , 2 , . . . : i F} een orthonormaal stel, en met tn F, n N0 gegeven,

waarbij
n
tn , bk k ,
k=0
met b0 , . . . , bn C, wordt er gevraagd bi zo te kiezen dat de afstand k f tnk
tussen f en tn zo klein mogelijk is.
We zullen aantonen dat er een unieke keuze is. Eerst stellen we vast dat in het
bijzondere geval dat f een lineaire combinatie is van 0 , 1 , 2 , . . . , n ,
n
f= ck k
k=0
uiteraard bk = ck gekozen wordt, omdat dan k f tn k = 0. Merk ook op dat voor
dit speciale geval ck gemakkelijk te bepalen is uit f en het orthonormaal stel:
n n
h f , m i = h ck k , m i = ck hk , m i = cm
k=0 k=0
wegens de eigenschappen van het orthonormaal stel.
We tonen nu aan dat de keuze
bk = ck , h f , k i, k N0
steeds de beste keuze is (dus ook als f geen lineaire combinatie is van een eindig
aantal basisfuncties). Beschouw voor elke n N0 de uitdrukkingen
n
sn = ck k ,
k=0
bk k , bk C;
n
tn =
k=0
in deze uitdrukkingen is ck , h f , k i, en is bk willekeurig. Dan geldt voor iedere n

dat
k f sn k k f tn k,
met gelijkheid enkel en alleen bij de keuze bk = ck met k = 1, . . . , n. Dit verifieer
je zelf, steunende op de uitdrukking
n n
k f tn k2 = k f k2 |ck |2 + |bk ck |2 , (2.8)
k=0 k=0
en de onmiddellijk hieruit volgende uitdrukking
n
k f sn k2 = k f k2 |ck |2 . (2.9)
k=0
Uitdrukking (2.8) moet nu nog bewezen worden; ze volgt uit de eigenschappen van
het inwendig produkt:
k f tn k2 = h f tn , f tn i = h f , f i h f ,tn i htn , f i + htn ,tn i;

verder geldt dat

n n
htn ,tn i = h bk k , bm m i
k=0 m=0
n n
= bk bm hk , m i
k=0 m=0
n
= |bk |2 ,
k=0
en
n n n
h f ,tn i = h f , bk k i = bk h f , k i = bk ck ;
k=0 k=0 k=0
ook geldt
n
htn , f i = h f ,tn i = bk ck ,
k=0
en dus uiteindelijk uitdrukking (2.8):
n n n
k f tn k2 = k f k2 bk ck bk ck + |bk |2
k=0 k=0 k=0
n n
= k f k2 |ck |2 + (bk ck )(bk ck )
k=0 k=0
n n
= k f k2 |ck |2 + |bk ck |2 .
k=0 k=0
We benadrukken dat het bovenstaande resultaat geldig is zowel voor continue-tijd

als voor discrete-tijd signalen, en ook voor een willekeurig inwendig produkt. B.v.
in het geval van continue-tijd signalen hadden we kunnen nemen:
C].
Z
h f , gi = f g met f , g X = [p (2.10)
p
Dit laat ons ook toe signalen te beschouwen gedefinieerd op onbegrensde interval-
len; in wat nu volgt nemen we echter een bijzonder orthonormaal stel, gedefini-
eerd op een eindig interval p zogenaamde eindige signalenen we behouden
1
de coefficient p in de definitie van het inwendig produkt.
2.2. De Fourier-reeks van eindige continue-tijd signalen. De (formele) reeks

cn n
n=0
C
is de Fourier-reeks van f [p ] ten opzichte van een orthonormaal stel {0 , 1 , . . . }
gedefinieerd op het interval p, met Fourier-coefficienten c0 , c1 , . . . ; men noteert

f cn n ,
n=0
3. OPMERKINGEN 24
waarbij
cn = h f , n i n N0. (2.11)
Verifieer nu dat de verzameling signalen
n : p C, n(t) = ein t , n Z, 0 = 2p ,
0
een orthonormaal stel signalen is. Met deze keuze volgt

f (t) t 7 cn ein0t ,
n=
waarbij
1
Z
Z
cn = h f , n i = f (t)ein0t dt, n .
p p
Men spreekt dan over de continue-tijd Fourier-reeks (CTFR), afgekort FR; de

coefficienten zijn de Fourier-coefficienten van f .
Het teken (en geen = teken) wil duidelijk maken dat je met een signaal f
een reeks kan laten corresponderen. Over die reeks weten we wel dat elke partiele
som de beste benadering is (in een welbepaalde zin) van het oorspronkelijk signaal,
maar we weten niet of de bewuste reeks convergeert (vandaar ook de naamgeving
formele reeks), en of ze naar het oorspronkelijke signaal convergeert, als er con-
vergentie is.
3. O PMERKINGEN
(1) (B ESSEL , PARSEVAL , P YTHAGORAS ET LES AUTRES): We hernemen

uitdrukking (2.9):
n
k f sn k2 = k f k2 |ck |2 , (2.12)
k=0
met sn = nk=0 ck k en ck = h f , k i. We veronderstellen nu dat enkel sig-

nalen toegelaten zijn met k f k2 < . Aangezien het linkerlid van (2.12)
2
k=0 |ck | , en geldt de ongelijkheid van Bes-
niet negatief is, convergeert
sel:

|ck |2 k f k2 .
k=0
Als er bovendien zou gelden dat k f sn k 0, n , dan volgt de

gelijkheid van Parseval:

|ck |2 = k f k2 ; (2.13)
k=0
3. OPMERKINGEN 25
dit kan worden genterpreteerd als een uitbreiding van de stelling van
Pythagoras.
(2) (G LADDE SIGNALEN): veronderstel opnieuw k f k2 < ; uit de conver-
2
k=0 |ck | volgt dat ck 0, k . Maar er is meer: nl.
gentie van
hoe gladder het signaal, hoe sneller de complexe Fourier-coefficienten
ck naar nul gaan met k . We tonen dit niet aan; het resultaat is wel
intutief duidelijk: hoe gladder het signaal is, hoe minder de basissigna-
len t 7 eik0t voor grote k vertegenwoordigd zijn (grote k leidt tot sneller
veranderende waarden in de tijd en dus tot minder gladde sinalen). Je kan
zelf nagaan dat:
1
bloksignaal ck
k
1
driehoekssignaal ck 2
k
1
f C1 ck 3
k
1
f C2 ck 4
k
... ...
(3) (O RTHOGONALE PROJECTIE OF DE KORTSTE WEG): de (beste) benade-

ring van een signaal f door een eindige som nk=0 ck k wordt geometrisch
genterpreteerd als de orthogonale projectie van de vector f op het vlak
opgespannen door {0 , 1 , 2 , . . . }. Dat dit de beste benadering is, stemt
overeen met onze ervaring in R3 waar de vector x gelegen in een vlak het
dichtst bij een willekeurige vector y (buiten dit vlak) in R3 ligt (in de zin
dat het verschil de kleinste lengte heeft) als x de orthogonale projectie is
van y op het vlak.
(4) (D E BENADERING VERBETERT MET ELKE STAP): de fout op de benade-
ring volgt onmiddellijk uit (2.12):
n
k f sn k = (k f k2 |ck |2 )1/2 .
k=0
Elke bijkomende term in de som verkleint de fout en verbetert de benade-
ring (herinner je dat enkel signalen toegelaten zijn met k f k2 < ). Als je
opnieuw veronderstelt dat k f sn k 0, n , dan volgt als uitdrukking
voor de fout
n
k f sn k = ( |ck |2 |ck |2 )1/2 = ( |ck |2 )1/2 .
k=0 k=0 k=n+1
4. DE FOURIER-REEKS VAN PERIODIEKE CONTINUE-TIJD SIGNALEN 26
(5) (D OE WEL EN ZIE NIET OM): uit de opmerking hierboven volgt dat
nk=0 ck k , ck = h f , k i een steeds betere benadering voorstelt van het
signaal f met groter wordende n. Belangrijk hierbij is op te merken dat
de coefficienten ck onafhankelijk van elkaar bepaald worden. Als je een
benadering maakt bestaande uit een som van b.v. 8 termen, en daarna een
benadering met b.v. nog 3 bijkomende termen, blijven de oorspronkelijke
8 termen behouden. Dit is niet vanzelfsprekend.
Veronderstel namelijk even dat we het signaal
[0, 1] R t 7 et
wensen te benaderen door b0 0 , daarna door b0 0 + b1 1 , en zo verder,

met
0 : [0, 1] R 0 (t) = 1
1 : [0, 1] R 1 (t) = t
2 : [0, 1] R 2 (t) = t 2
R1 t 2
M.a.w. eerst bepaal je b0 zodat 0 (e b0 ) dt minimaal is. De waarde
die je op die wijze verkrijgt is verschillend van de waarde b0 die je ver-
R1 t 2
krijgt als je 0 (e b0 b1t) dt minimaliseert! De coefficienten zullen
dus niet overeenkomen met de coefficienten uit de reeksontwikkeling van
de exponentiele functie. Je wordt uitgenodigd de nodige berekeningen te
maken, en dan een verklaring te zoeken: Misschien moet je je afvragen
of de zonet geciteerde signalen k twee aan twee orthogonaal (orthonor-
maal) zijn?
4. D E F OURIER - REEKS VAN PERIODIEKE CONTINUE - TIJD SIGNALEN
Een signaal f [ R C] is periodiek met periode p > 0 als en slechts als

f (t) = f (t + p), voor alle t R.
De kleinste periode wordt de fundamentele periode genoemd. Met elk eindig sig-
naal (we bedoelen hiermee een signaal met begrensd domein) g [[a, b) C]
kan je door middel van periodieke uitbreiding een periodiek signaal f [R C]
met periode p = b a laten corresponderen. Introduceer hiervoor eerst een signaal
R C] met
g0 [ (
g(t) t [a, b),
g0 (t) =
0 elders.
4. DE FOURIER-REEKS VAN PERIODIEKE CONTINUE-TIJD SIGNALEN 27
De periodieke uitbreiding wordt dan
f (t) , g0 (t mp)
mZ
Merk op dat voor elke t de reekssom herleid wordt tot 1 term verschillend van 0,
dat f periodiek is met periode p en dat f (t) = g(t) in het interval [a, b).
Het concept periodieke uitbreiding komt hier ter sprake omdat de Fourier-
in0 t , = 2
reeks
n= cn e 0 p , t p behorend bij een eindig signaal g [[a, b)
C], betekenis heeft voor t R, en periodiek is met periode p.
Merk trouwens op dat ook voor periodieke signalen f1 en f2 met periode p en
1R
met h f1 , f2 i = p p f1 f2 (wegens periodiciteit mag je over elk interval p van lengte
p integreren), de verzameling signalen (let op definitiegebied!)
n : R C, n(t) = ein t , n Z, 0 = 2p ,
0
een belangrijk orthonormaal stel signalen is.

We zeggen dat
R

cn ein0t , t (2.14)
n=
de Fourier-reeks is van de periodieke uitbreiding f in de zin dat niet alleen geldt
dat

g(t) cn ein0t , tp (2.15)
n=
maar ook dat
R

f (t) cn ein0t , t (2.16)
n=
met dezelfde Fourier-coefficienten
1
Z 2
Z
cn = f (t)ein0t dt; n , 0 = .
p p p
Merk op dat je de Fourier-coefficienten van f kan berekenen door te integreren
over een willekeurig interval met lengte p.
4.1. Hoofdstelling. We beweren zonder bewijs dat voor periodieke sig-

nalen f met k f k2 < , en met sN = Nn=N cn ein0t geldt dat
lim k f sN k2 = 0.
N
Expliciet, met eN (t) = f (t) Nn=N cn ein0t geldt

1
Z
lim |eN (t)|2 dt = 0.
N p p
5. DE DFR VAN PERIODIEKE DISCRETE-TIJD SIGNALEN 28
4.2. Puntsgewijze convergentie. De vorige stelling impliceert niet dat f (t)

en in0 t gelijk zijn voor elke t.
n= cn e
Voor elk periodiek signaal dat voldoet aan de Dirichlet-voorwaarden geldt
echter dat
N
f (t + 0) + f (t 0)
= lim cn ein0t
2 N
n=N
Dus er is puntsgewijze convergentie in elk punt waar f continu is.

Een periodiek signaal f voldoet aan de Dirichlet-voorwaarden als:
R
(1) p| f | < , i.e. absolute integreerbaarheid
(2) f heeft binnen elke periode een eindig aantal minima en maxima (i.e. f
heeft begrensde variatie).
(3) f is stuksgewijze continu, met een eindig aantal discontinuteiten binnen
een periode.
Je mag zonder schroom zeggen dat alle signalen van praktisch belang voldoen aan
de Dirichlet-voorwaarden.
4.3. Geen uniforme convergentie. Tenzij onder zeer beperkende voorwaar-

den b.v. f continu en stuksgewijze glad is er geen uniforme convergentie van
de Fourier-reeks naar het periodiek signaal.
Dat er geen uniforme convergentie is, wordt duidelijk gellustreerd aan de
hand van het Gibbs-verschijnsel. Bij een blokgolf zullen de partiele sommen van
de Fourier-reeks de blokgolf beter benaderen, naarmate men meer termen toelaat,
maar er is altijd een overshoot en een undershoot in de omgeving van de dis-
continuteit (en dichter bij de discontinuteit naarmate er meer termen beschouwd
worden). Dit verschijnsel treedt trouwens op bij elke sprong van een signaal: zowel
de overshoot als de undershoot zijn steeds ongeveer 9% van de sprong.
5. D E F OURIER - REEKS VAN PERIODIEKE DISCRETE - TIJD SIGNALEN (DFR)
5.1. Periodiciteit. Een signaal x [ Z C] is periodiek met periode p N

als en slechts als
Z
x(n) = x(n + p), voor alle n .
De fundamentele periode is de kleinste periode. Als voorbeeld onderzoeken we

het signaal met voorschrift n 7 cos 2 f n, met f > 0. We zullen merken dat dit
signaal enkel periodiek is als de frequentie f rationaal is. Inderdaad, het signaal is
periodiek als er een getal p N bestaat, zodat n Z

cos 2 f (n + p) = cos 2 f n,
of
2 f p = m2, m N, p N.
Dit is enkel mogelijk als f rationaal is. Elke m N definieert dan een periode
m
p=
f
N. Veronderstellen we nu f (# cycli per stap) rationaal
als de corresponderende p
met T f N en N f N en onderling ondeelbaar; dan
Tf
en stellen we f voor als Nf
is p = T N en dus een periode voor elke m = kT f , k N. De fundamentele
mN f
f
periode correspondeert met k = 1 en is N f .

2
Voor het signaal met voorschrift n 7 cos 4n/5 is de frequentie f = 5 (dus 2
cycli per 5 stappen); het signaal is periodiek met fundamentele periode 5. Merk op
dat voor discrete periodieke signalen de fundamentele periode en frequentie niet
noodzakelijk elkaars omgekeerde zijn.
5.2. Een beproefd schema. We ontwikkelen nu discrete-stap signalen vol-

gens goed gekozen basissignalen. We veronderstellen onmiddellijk dat de signalen
periodiek zijn; als ze eindig zijn breiden we ze periodiek uit. Uiteindelijk wen-
sen we te komen tot discrete-tijd Fourier-reeksen (DFR). We inspireren ons op de
aanpak van FR:
(1) definieer een inwendig product; hiermee correspondeert een orthonorma-
liteitsbegrip;
(2) vind een stel (goed gekozen) orthonormale discrete-stap functies;
(3) associeer met een signaal x en het inwendig product Fourier-coefficien-
ten hx, k i en een Fourier-reeks hx, k ik ;
(4) onderzoek het verband tussen x en hx, k ik .
5.2.1. Inwendig product. Als f [ Z C] en g [Z C] periodiek zijn met
periode p dan is
1 p1 1
h f , gi , f (n)g(n) = f (n)g(n).
p n=0 p p
Wegens periodiciteit mag je sommeren over een willekeurig stel van p opeenvol-
gende stappen, wat aan de hand van de notatie in de laatste gelijkheid wordt uitge-
drukt.
5.2.2. Orthonormale signalen. Beschouw het stel van p signalen

k : Z C; k = 0, . . . , p 1
2 (2.17)
n 7 k (n) = eik0 n , 0 =
p
De volgende eigenschappen zijn gemakkelijk te verifieren:
(1) k , k = 1, . . . , p 1 is periodiek met periode p; dit is niet noodzakelijk de
fundamentele periode. (zie volgende puntje)
k
(2) k , k = 1, . . . , p 1 heeft een frequentie van p cycli per stap, of k cycli
per p stappen; (wanneer is de fundamentele periode kleiner dan p?)
(3) definieer op een voor de hand liggende wijze k voor k . Dan geldt Z
Z
0 p , 1 p+1 , . . . , k k+rp , r . Dit is in tegenstelling met het
continue-tijd geval, waar alle signalen k verschillend zijn.
Nu moeten we nog bewijzen dat {0 , 1 , . . . , p1 } een orthonormaal stel is:
1 p1 ik0 n il0 n
hk , l i = e e
p n=0
1 p1 i(kl)0 n (2.18)
= e
p n=0
=1 als k = l
Als k 6= l dan
p1
2 2 2
p 1 p (p1)
ei(kl) p n = 1 + ei(kl) + + ei(kl)
n=0
2
(ei(kl) p ) p 1
=
ei(kl) 1
2
p (2.19)
ei(kl)2 1
= 2
ei(kl) p 1
=0
waarbij de laatste overgang volgt omdat de teller = 0 en de noemer 6= 0 (k 6= l en
k l {(p 1), (p 2), . . . , 1, 1, . . . , (p 2), (p 1)}). Merk ook op dat elk
stel {s , s+1 , . . . , s+(p1) }, s Z een orthonormaal stel is.
5.2.3. Hoofdstelling voor DFR. We associeren nu met x [ Z C], periodiek
met periode p, de eindige Fourier-som (DFR)
p1
x ck k (2.20)
k=0
waarbij
1 p1 2
ck = hx, k i = x(n)eik0 n ,
p n=0
0 =
p
(2.21)
6. EIGENSCHAPPEN VAN FR EN DFR 31
en we tonen aan dat mag vervangen worden door =. Wegens periodiciteit

van x is het voldoende dat we bewijzen dat
p1
hx, k ik (n) = x(n), n = 0, 1, . . . , (p 1).
k=0
Dit wordt als volgt afgeleid:
p1
1 p1 p1
hx, k ik (n) = ( x(l)eik0 l )eik0 n
p k=0
k=0 l=0
1 p1 p1
= ( x(l)eik0 (nl) )
p k=0 l=0
p1
1 p1 ik0 (nl)
= x(l) e
l=0 p k=0
= x(n),
aangezien, zoals hierboven aangetoond,
(
1 p1 ik0 (nl) 1 als l = n,
e = (2.22)
p k=0 0 elders.
5.3. Opmerkingen.
(1) De Fourier-coefficienten ck , k = 0, . . . , p 1, worden bepaald door
1 p1 1
ck = x(n)eik0 n = p x(n)eik0 n
p n=0 p
waarbij wegens periodiciteit de som kan genomen worden over p op-

eenvolgende indices. Je kan ck aan de hand van dezelfde uitdrukkingen
Z Z
betekenis geven voor k . Er geldt ck = ck+rp , k, r . Elk stel van p
opeenvolgende coefficienten is een stel Fourier-coefficienten.
(2) Een periodiek signaal x [ Z C] met periode p is bepaald door p waar-
den; uiteindelijk heeft dit als gevolg dat alle sommaties die tussenkomen
in de bepaling van DFR eindig zijn. Net daarom is DFR uiterst geschikt
voor berekening met de computer. Er bestaat bovendien een efficient al-
goritme voor de bepaling van DFR, nl. de Fast Fourier Transform (FFT).
(3) Wegens de eindigheid van de sommaties is er geen sprake van convergen-
tieproblemen zoals in FR: de representatie d.m.v. DFR is exact.
6. E IGENSCHAPPEN VAN FR EN DFR
We formuleren nu enkele eigenschappen van FR voor periodieke signalen x

R C] met periode p > 0, en van DFR voor periodieke signalen x [Z C]
[
met periode p N.
Bij het signaal x horen een stel Fourier-coefficienten ck (zelfde notatie voor
FR als voor DFR). We veranderen nu de notatie en laten met x het spectrum X
corresponderen:
X [ Z C], X(k) , ck = hx, k i.
met k voor het discrete-tijd geval, gegeven door
k : Z C; k Z
2 (2.23)
n 7 k (n) = eik0 n , 0 =
p
en voor het continue-tijd geval, gegeven door
k : R C; k Z
2 (2.24)
t 7 k (t) = eik0t , 0 =
.
p
We merken hierbij op dat met periodieke signalen (discrete-tijd of continue-tijd)
steeds een discreet spectrum correspondeert; voor periodieke discrete-tijd (of discrete-
stap) signalen is het spectrum bovendien periodiek met dezelfde periode. Het spec-
trum kan uitgedrukt worden t.o.v. verschillende frequentieschalen (t.o.v. de index
k, of t.o.v. k 2
p of t.o.v.
k
p ). De naamgeving spectrum blijft behouden onafhan-
kelijk van de schaal. In Figuur 1 is de (hoek)frequentie uitgedrukt in [rad/stap]
of [rad/sec], naargelang we discrete-stap of continue-tijd signalen beschouwen.
De frequentie f wordt uitgedrukt in [Hz] wat staat voor [cycli/stap] of [cycli/sec],
naargelang het geval.
6.1. FR en eigenschappen. Met de periodieke signalen x, y, z [ R C] laten

we de spectra X,Y, Z [ Z C] corresponderen, genoteerd als
x X.
(1) L INEARITEIT: met x en y dezelfde periode, met a, b C geldt t R en

k Z
t 7 z(t) = ax(t) + by(t) k 7 Z(k) = aX(k) + bY (k).
(2) V ERSCHUIVING: met R geldt t R en k Z

2
t 7 y(t) = x(t ) k 7 Y (k) = X(k)eik p .
(3) M ODULATIE: met M N geldt t R en k Z

2
t 7 y(t) = eiM p t x(t) k 7 Y (k) = X(k M).
Aan de hand van M ODULATIE en L INEARITEIT kan je het spectrum van

cos(M 2 2
p t) en van sin(M p t) berekenen. Dat je op deze wijze (sommen
r r
r r r r
r
p
- Z
1 0 1 k p1 p+1
r r
r r r r
r
-
2 2 k2 (p1)2 (p+1)2
p 0 p p p 2 p
r r
r r r r
r
-f
p1 p+1
1p 0
1
p
k
p p 1 p
F IGUUR 1. Spectrum in verschillende schalen uitgedrukt
van) verschoven spectra verkrijgt is de basisgedachte achter amplitude-

modulatie .
(4) C OMPLEX TOEGEVOEGDE: t R en k Z geldt
t 7 y(t) = x(t) k 7 Y (k) = X(k)
waaruit
x reeel X(k) = X(k) (2.25)
en dus heeft een reeel signaal een even amplitudespectrum |X| en een
oneven fasespectrum arg X:
|X(k)| = |X(k)| = |X(k)|

arg X(k) = arg X(k) = arg X(k).
(5) T IJDSOMKERING: t R en k Z geldt

t 7 y(t) = x(t) k 7 Y (k) = X(k).
Hieruit leidt men af dat
x even X even
x oneven X oneven
en als x bovendien reeel is:
x even en reeel X even en reeel

x oneven en reeel X oneven en zuiver imaginair.
We verifieren de voorlaatste eigenschap als volgt: aangezien x reeel is, geldt X(k) =
X(k); maar x is even, dus X is even (X(k) = X(k)) en dus volgt X(k) = X(k)
of m.a.w. X is reeel. Analoog voor de laatste eigenschap: toon aan dat X(k) =
X(k) of m.a.w. dat X zuiver imaginair is.
6.2. DFR en eigenschappen. Mutatis mutandis kunnen de bovenstaande ei-

genschappen gekopieerd worden voor signalen x [ Z C] en hun spectrum X;
het volstaat t te vervangen door n (dit is nu eenmaal de notatie bij discrete-stap
signalen) en er hier en daar op toe te zien dat wat je doet zinvol is: b.v. moet
behoren tot Z bij de verschuivingseigenschap voor discrete-stap signalen.
6.3. FR en DFR en eigenschappen. We vermelden nog enkele eigenschap-

pen van (periodieke) signalen en hun spectrum, die in essentie identiek zijn, maar
voor continue tijd signalen een andere uitdrukking hebben dan voor discrete tijd
signalen.
(1) P ERIODIEKE C ONVOLUTIE: t R, n, k Z geldt

1
Z
t 7 z(t) = x()y(t ) d k 7 Z(k) = X(k)Y (k)
p p
1
n 7 z(n) = x(l)y(n l) k 7 Z(k) = X(k)Y (k)
p lp
De uitdrukking van de convolutie is aangepast aan het periodieke karakter

van de betrokken signalen; vandaar spreekt men soms van periodieke
convolutie, om het onderscheid te benadrukken met de aperiodieke con-
volutie zoals vroeger ingevoerd.
(2) V ERMENIGVULDIGING: t R, n, k Z geldt
+
t 7 z(t) = x(t)y(t) k 7 Z(k) = X(l)Y (k l)
l=
n 7 z(n) = x(n)y(n) k 7 Z(k) = X(l)Y (k l)
lp
7. DFR ALS TRANSFORMATIE 35
(3) PARSEVAL: t R, n, k Z geldt

+
1
Z
|x(t)|2 dt = |X(k)|2 (2.26)
p p k=
1
|x(n)|2 = |X(k)|2
p np
(2.27)
kp
Uitdrukking (2.26) volgt uit de Hoofdstelling en hebben we al vernoemd in (2.13).
7. DFR ALS TRANSFORMATIE
De hierboven geformuleerde stelling van Parseval leidt tot een aantal bedenkin-
gen. De continue-tijd versie van Parseval (2.26) werd hoger bewezen; er werd toen
de nadruk gelegd op het feit dat de FR van een periodiek signaal kan beschouwd
worden als een ontwikkeling van het signaal in zijn componenten t.o.v. een ortho-
normaal assenkruis. De stelling van Parseval is dan te interpreteren als de stelling
van Pythagoras toegepast op het signaal (de schuine zijde) en zijn componenten
(de rechthoekszijden).
Een analoge bespreking voor de discrete versie van de stelling van Parseval
(2.27) is uiteraard mogelijk, maar ik wens het even over een andere boeg te gooien;
de bedoeling is o.a. niet zozeer het ontwikkelen in componenten-aspect van FR
of DFR, maar wel het transformatie-aspect te benadrukken. Het is trouwens het
transformatie-aspect van FR en DFR en (al) zijn uitbreidingen die in wat volgt
meer en meer aan belang zullen winnen.
Beschouw (2.21), waar de spectrale componenten van DFR bepaald worden in
functie van het oorspronkelijk signaal. We beschouwen deze uitdrukking nu als een
transformatie van het tijdsignaal naar het signaal voorgesteld door zijn frequentie-
2
componenten (het spectrum). Introduceer voor het gemak van notatie , ei p en
overtuig jezelf dat k = k modp . Dan kan je (2.21) als volgt compact herschrijven
(we noteren ck als X(k) zoals vroeger aangegeven):

X(0) 1 1 1 ... 1 x(0)
X(1)
1 1
2 . . . p1
x(1)

X(2) 2 4 . . . p2
= 1 x(2) . (2.28)

.. p .. .. .. . .. .
..
.
..
. . . .
X(p 1) 1 p1 p2 ... x(p 1)
We noteren dit met voor de hand liggende notatie als

1
X= Fx (2.29)
p
8. VOORBEELD 36
Een onderzoekende blik op (2.20) (waarbij vervangen werd door = en

p1 2
nadat de uitdrukking herschreven werd als x(n) = k=0 X(k)eik p n ) reveleert
x = FX. (2.30)
T
Merk op dat F (en dus ook F) symmetrisch zijn. Er volgt onmiddellijk dat FF =
T T T
pI = F F en dus ook dat 1 F 1 F =I= 1 F 1 F. Men zegt dat 1 F unitair
p p p p p
is: zijn inverse is de complex toegevoegde en getransponeerde, wat in het huidig
geval neer komt op de complex toegevoegde (wegens symmetrie).
De uitdrukkingen (2.30), resp. (2.29) stellen in onze eerste aanpak een ont-
wikkeling naar basissignalen en een uitdrukking voor de componenten voor. Met
onze huidige interpretatie zijn de uitdrukkingen transformaties van de voorstelling
van een signaal in het frequentiedomein naar de voorstelling in het tijdsdomein en
omgekeerd.
1
De gelijkheid van Parseval zegt dat (op een constante p na) de grootte van
een signaal niet verandert door deze transformaties: de norm van het signaal in het
tijdsdomein is gelijk is aan de norm in het frequentiedomein. Dit is een rechtstreeks
gevolg van het feit dat de matrix 1 F unitair is. Een expliciete afleiding ziet er zo
p
uit:
1 1 (2.30) 1 T
|x(n)|2 = p xT x = p X T F FX = X T X = |X(k)|2
p np
(2.31)
kp
Op dezelfde wijze kan je de formule van Plancherel bewijzen; zij drukt uit dat
inwendige produkten onveranderd blijven onder unitaire transformaties in ons
geval geldt dus, met x X en y Y dat
1
X(k)Y (k) = p x(n)y(n). (2.32)
kp np
Onnodig te zeggen dat dat de formule van Parseval een speciaal geval is van de
formule van Plancherel.
8. VOORBEELD
(1) (a) Beschouw het signaal x : R R, t 7 x(t) = sin 0t, met 0 = 25 .

(i) Is het signaal periodiek?
(ii) Bepaal alle Fouriercoefficienten.
2
(b) Herhaal puntje (1a) met 0 = 6 .
(2) (a) Beschouw het signaal x : Z R, n 7 x(n) = sin 0n, met 0 = 25 .
(ii) Bepaal alle DFR-coefficienten.
8. VOORBEELD 37
2
(3) (a) Beschouw het signaal x : Z R, n 7 x(n) = sin 0n, met 0 = 3.25 .
(ii) Bepaal alle DFR-coefficienten.
3.2
HOOFDSTUK 3
Het Impulsantwoord, het Frequentieantwoord en de

Overdrachtsfunctie
In dit hoofdstuk steunen we op de in vorige hoofdstukken ingevoerde begrip-

pen, zoals systeem en Fourier-reeks. Er worden nieuwe begrippen ingevoerd
zoals b.v. het frequentieantwoord. Dit leidt tot Fourier-transformaties en tot
overdrachtsfuncties die uitgebreid behandeld worden in volgende hoofdstukken.
We recupereren eerst (1.37) als basisdefinitie van een systeem, (of ingang-
uitgangsysteem), maar zijn iets specifieker over het domein en het codomein, mede
omdat we enkel lineaire, tijdsinvariante systemen wensen te bestuderen:
S:[ R C] [R C],
(3.1)
x 7 y = S(x).
of ook
S:[ Z C] [Z C],
(3.2)
x 7 y = S(x).
We benadrukken dat in deze systeemmodellen de uitgang op unieke wijze bepaald
wordt door de ingang.
We voeren in dit hoofdstuk eerst de eigenschappen lineariteit en tijdsinvarian-
tie in en de hiermee geassocieerde begrippen impulsantwoord en convolutie die een
cruciale rol spelen in de karakterisering van een lineair tijdsinvariant systeem. Dit
leidt dan bijna onmiddellijk tot het frequentieantwoord van een lineair tijdsinvari-
ant systeem; het verband met Fourier-reeksen laten we niet ongemoeid: complexe
exponentiele signalen gedragen zich immers voorbeeldig t.o.v. lineaire tijdsinva-
riante systemen. Differentie- en differentiaalvergelijkingen laten toe een bijzon-
dere klasse van ingang-uitgang-systemen te definieren; er zal blijken dat voor deze
klasse het frequentieantwoord en de overdrachtsfunctie eenvoudig bepaald kun-
nen worden. We besluiten dit hoofdstuk met blokdiagrammen als een mogelijke
voorstelling van bepaalde systemen, en manipulatie van deze diagrammen leidt tot
canonieke voorstellingen van systemen. Zo belanden we bij de regelbare canonieke
vorm, die we later uitgebreid bestuderen in Hoofdstuk ??.
38
1. TIJDSINVARIANTIE 39
- D - S -
- S - D -
F IGUUR 1. Voor tijdsinvariante S commuteert S met D .
1. T IJDSINVARIANTIE
1.1. Definitie. We voeren nu beperkingen in op systemen (3.1) en (3.2). Een

eerste beperking is tijdsinvariantie of stationariteit. Indien we niet te maken heb-
ben met een systeem dat evolueert in de tijd, of het aspect tijd niet wensen te be-
nadrukken verkiezen we de uitdrukking shift-invariantie of translatie-invariantie.
Tijdsinvariantie kan elegant worden uitgedrukt aan de hand van de verschuivings-
operator D , R of Dk , k Z. De verschuivingsoperator wordt opnieuw in
herinnering gebracht:
D : [ R C] [R C],
(3.3)
x 7 y = D (x), met D (x)(t) = x(t )
of, voor discrete-tijd systemen
Dk : [ Z C] [Z C],
(3.4)
x 7 y = Dk (x), met Dk (x)(n) = x(n k).
In essentie zijn D en Dk identieke systemen; er is enkel een verschil in notatie
naargelang we werken met (3.1) of met (3.2). Voor continue-tijd systemen, be-
schreven door (3.1) definieren we:
S is tijdsinvariant S D = D S, R
Figuur 1 drukt tijdsinvariantie uit aan de hand van een blokdiagram-voorstelling.
Tijdsinvariantie betekent dus dat x [ R C], t, R geldt dat
S(D (x))(t) = D (S(x))(t).
Tijdsinvariantie voor (3.2) wordt op dezelfde wijze gedefinieerd: wordt

vervangen door k.
3. CONVOLUTIESOM EN CONVOLUTIE-INTEGRAAL 40
1.2. Voorbeelden.
(1) Is het systeem Kwadrateer-en-Verschuif DKw : [ R R] [R R]
met
DKw(x)(t) = x2 (t 1), t R, x [R R]
tijdsinvariant?
(2) Is het systeem Tijdsschaling TSa met
TSa : [R R] [R R] notatie
w 7 TSa (w) = TSa w
(3.5)
TSa w(t) = w(at)
tijdsinvariant?
(3) Is Dk tijdsinvariant?
2. L INEARITEIT
2.1. Definitie. Zowel ingangen als uitgangen van S beschreven in (3.1) of

(3.2) kunnen bij elkaar opgeteld worden en vermenigvuldigd worden met scalairen.
Dit laat ons toe om lineariteit te definieren: met x en y willekeurige signalen
S is lineair S(x + y) = S(x) + S(y), , C

2.2. Voorbeelden. Zijn DKw, TSa , D lineaire systemen?
3. C ONVOLUTIESOM EN CONVOLUTIE - INTEGRAAL
3.1. Discrete-stap systemen. We beschouwen nu systemen beschreven door

(3.2); bovendien vereisen we dat deze systemen lineair en tijdsinvariant zijn. In
deze paragraaf tonen we aan dat we dergelijke LTI systemen kunnen beschrijven
d.m.v. een convolutie.
We introduceren de convolutiesom of convolutie van twee discrete-tijd signa-
Z C], dan is de convolutie x y [Z C] van x en y
len: als x, y [
+
xy = x(k) Dk y (3.6)
k=
of uitgedrukt in waarden
+
(x y)(n) = Z
x(k)y(n k), n . (3.7)
k=
De volgorde heeft eigenlijk geen belang; verifieer zelf dat de convolutie-operator

commutatief is:
x y = y x.
Bovendien is de convolutie-operator ook lineair:
x (y1 + y2 ) = (x y1 ) + (x y2 ); Z C];
x, y1 , y2 [ , C.
Met elk signaal h [ Z C] kunnen we dus een lineair systeem S laten corres-
ponderen:
Z C] [Z C],
S:[
(3.8)
x 7 S(x) = h x
Het systeem S is bovendien tijdsinvariant; n, M Z geldt immers:
DM (S(x)) = DM (h x)
+
= DM ( h(k)Dk (x))
k=
+
= h(k)DM (Dk (x))
k=
+
= h(k)DM+k (x)
k=
+
= h(k)Dk (DM (x))
k=
M
= S(D (x)).
We stellen vast dat elk signaal h [ Z C] een LTI systeem definieert: de uitgang
is de convolutie van h met de ingang.
We tonen nu aan dat het omgekeerde ook geldt, nl. de uitgang van een LTI
systeem is de convolutie van een goed gekozen signaal met de ingang. Beschouw
als ingang u de impuls:
(
: ZR (n) =
1 n = 0,
0 n=6 0, n . Z (3.9)
Je merkt op dat

x= x(k) Dk . (3.10)
k=
Dit is een vertolking van het feit dat een signaal x [ Z C] te schrijven is als een
oneindige gewogen som van verschoven impulsen. De uitdrukking (3.10) volgt
ook uit x = x en de definitie van de convolutiesom (3.6).
Neem nu een LTI systeem S; dan volgt uit (3.10) dat
+
S(x) = x(k)S(Dk ) wegens lineariteit,
k=
+
= x(k) Dk S( ) wegens tijdsinvariantie.
k=
Of, met het impulsantwoord gedefinieerd als h , S( ), volgt er
S(x) = x h = h x. (3.11)
In woorden :
LTI systeem uitgang is de convolutie van impulsantwoord en ingang.
3.2. Continue-tijd systemen. We voeren eerst de convolutie van twee conti-

nue-tijd signalen in d.m.v. de convolutie-integraal: als x, y [ R C], dan is de
convolutie x y [R C] van x en y gegeven door
Z +
xy = x() D y d, (3.12)

of, voor wat betreft de signaalwaarden:
R.
Z +
(x y)(t) = x()y(t ) d, t (3.13)

Er geldt opnieuw dat convolutie van een signaal met de ingang een LTI systeem
definieert. Omgekeerd geldt dat voor een willekeurig LTI systeem S, de uitgang
steeds te schrijven is als de convolutie van het impulsantwoord S( ) en de ingang.
De impuls is hier de Dirac-impuls, bepaald door de volgende eigenschappen:
(
(t) = 0 t 6= 0,
R +
R R
(t) (t) dt = (0) [ ] continu in 0.
(3.14)
Verder wordt gebruik gemaakt van het feit dat een signaal x [ R C] steeds kan
geschreven worden als een som van verschoven Dirac-impulsen
Z +
x= x() D d, (3.15)

zoals volgt uit de definierende eigenschap van de Dirac-impuls (veranderen van
veranderlijke is toegelaten: zie hieronder)
R.
Z +
x(t) = x() (t ) d, t

We beeindigen deze paragraaf met een aantal bedenkingen over de Dirac-impuls.
Als een functie zou zijn, zouden de vereisten in deze definitie onmogelijk te vol-
doen zijn. Aan de symbolische integraaluitdrukking kan wel betekenis gegeven
worden d.m.v. distributietheorie. Distributietheorie garandeert ook dat de symbo-
lische integraal dezelfde eigenschappen heeft als een gewone integraal, inclusief
veranderen van veranderlijke en partiele integratie. D.m.v. veranderen van veran-
derlijke toont men aan dat de volgende integraaluitdrukkingen gelijk zijn wegens
gelijk aan (t)
R.
Z + Z +
() ( t) d = () (t ) d = (t), t (3.16)

h1 h2 h1
- h1 - h2 -
h2 h1 h2
- h2 - h1 -
F IGUUR 2. De volgorde van LTI systemen in cascade is zonder belang.
De laatste gelijkheid drukt uit dat = ; anders gezegd: de Dirac-impuls is het

eenheidselement voor de convolutie-operator. Er geldt verder ook dat D =
R + R a+
D . In (3.16) mag vervangen worden door a . In de volgende hoofd-
stukken wordt er verder ingegaan op de definitie en eigenschappen van de Dirac-
impuls.
3.3. Voorbeelden.
(1) Het M-point moving average systeem en de smoother zijn gedefini-
eerd in Hoofdstuk 1 d.m.v. een ingang-uitgang-relatie; je kan opnieuw
het impulsantwoord berekenen en dan verifieren of de uitgang gegeven
wordt als de convolutie van het impulsantwoord en de ingang.
(2) Beschouw de verschuivingsoperator D [[ R C] [R C]], R:
x 7 y, y(t) = x(t ), t R.
Het impulsantwoord h is dus bij definitie D ( ). Verifieer dat y = x h =

h x.
(3) C ASCADE: Beschouw een cascade van 2 LTI systemen, elk systeem ge-
karakteriseerd door zijn impulsantwoord; cfr. Figuur 2 voor een blokdia-
gramvoorstelling.
Overtuig jezelf dat de cascade ook een LTI systeem is. Verifieer dat
het impulsantwoord van de cascade gegeven wordt door h2 h1 . Aange-
zien het impulsantwoord ondubbelzinnig de cascade definieert en aange-
zien de convolutie commutatief is, besluiten we dat de volgorde van de
systemen in een cascade zonder belang is. Dit is een interessante eigen-
schap waar we in de toekomst gebruik van zullen maken.
3.4. Stabiliteit. Het begrip stabiliteit speelt een belangrijke rol in het onder-
zoek van systemen en van lineaire systemen in het bijzonder. We behandelen eerst
discrete-stap systemen.
Bij definitie is een systeem BIBO-stabiel (bounded input bounded output) als
elke begrensde ingang u een begrensde uitgang y geeft. Merk op dat de begrenzing
op de uitgang mag afhangen van de vorm van het ingangssignaal. (Een signaal
u:Z R of C is begrensd als er een positief reeel getal M bestaat zodat |u(n)|
M, n Z).
Aangezien het impulsantwoord het ingang-uitgang gedrag volledig bepaalt,
verwacht je dat voor LTI systemen BIBO-stabiliteit kan uitgedrukt worden in func-
tie van het impulsantwoord; we beweren:
BIBO-stabiliteit is equivalent met +

|h(n)| <
Dat de voorwaarde op het impulsantwoord voldoende is voor BIBO-stabiliteit volgt

uit (cfr. (3.11))
+
|y(n)| = | h(n m)u(m)|
m=
+
|h(n m)u(m)| (3.17)
m=
+
( |h(n m)|)M, n .Z
m=
De laatste stap is een gevolg van de veronderstelling op u. De voorlaatste stap
volgt uit het feit dat +
m= h(n m)u(m) convergeert want de reeks convergeert
absoluut (wegens de veronderstellingen op h en u). Maak vervolgens gebruik van
de driehoeksongelijkheid (voor een eindig aantal termen) en laat het aantal termen
naar oneindig gaan: dit brengt ons tot de voorlaatste ongelijkheid.
Er geldt ook dat de convergentievoorwaarde op de oneindige som nodig is voor
BIBO-stabiliteit. Om dat te bewijzen veronderstellen we BIBO-stabiliteit; neem nu
een ingang met waarden u(m) = sign(h(m)), m Z waarbij de sign-functie als
volgt gedefinieerd is:

1 voor t > 0,
RR

sign : sign(t) = 0 voor t = 0, (3.18)

1 voor t < 0.

De speciaal gekozen input is begrensd (door de waarde 1). De uitgang op ogenblik

0 is (we veronderstellen dat het impulsantwoord reeelwaardig is)
+ + +
y(0) = h(m)u(m) = |h(m)| = |h(m)|. (3.19)

en is begrensd wegens de veronderstelling van BIBO-stabiliteit, waaruit volgt dat
+
|h(n)| < nodig is.
Nog enkele opmerkingen om te besluiten:
(1) D EFINITIES VAN INGANG - UITGANG STABILITEIT: BIBO-stabiliteit wordt

in de (wiskundig georienteerde) literatuur ook L -stabiliteit genoemd:
|u| , sup|u(n)| < = |y| , sup|y(n)| < (3.20)

nZ nZ
Andere niet equivalente definities van input-output stabiliteit zijn:

|u| p , ( |u(n)| p )1/p < = |y| p , ( |y(n)| p )1/p < (3.21)
n= n=
Met elke p R, p 1 correspondeert dan de zogenaamde L p-stabiliteit.

(2) B EDENKING BIJ DE BEWIJSVOERING VAN BIBO- STABILITEIT: eigen-
lijk hebben we aangetoond dat +
|h(n)| < equivalent is met
+
|y| ( |h(n)|) |u| (3.22)

Dit is IO-stabiliteit (input output): een strengere vorm van stabiliteit dan
BIBO-stabiliteit. Inderdaad volgt uit (3.22) dat de uitgang niet enkel be-
grensd is voor begrensde inputs, maar dat de begrenzing op de uitgang
niet afhangt van de vorm van de ingang, maar van de begrenzing op de
ingang. Sterker nog: de begrenzing is evenredig met de begrenzing op
de ingang (met evenredigheidsfactor bepaald door het impulsantwoord).
Eigenaardig genoeg is deze strengere vorm van ingang-uitgang stabiliteit
voor lineaire ingang-uitgang modellen equivalent met BIBO-stabiliteit.
Voor continue-tijd systemen kan BIBO-stabiliteit als volgt gekarakteriseerd

worden:
R +
BIBO-stabiliteit |h(t)| dt < .
3.5. Causaliteit. Een systeem is causaal als de uitgang op een willekeurig

ogenblik (stap) enkel afhangt van de ingangswaarden voor en op dat ogenblik.
In het specifieke geval van LTI systemen (en dus gekarakteriseerd door het
impulsantwoord) kan, zoals verwacht, causaliteit gekenmerkt worden aan de hand
van een voorwaarde op het impulsantwoord h:
causaliteit h(m) = 0, m < 0; m R of Z.

4. HET FREQUENTIEANTWOORD EN DE OVERDRACHTSFUNCTIE 46
Inderdaad geldt dat, als h(m) = 0, m < 0, dan is voor een willekeurige ingang
x[ Z C], de uitgang y(n) = m=0 h(m)x(n m), n Z en dus is y(n) enkel
afhankelijk van x(n), x(n 1), . . . .
Daarentegen geldt dat als h(m ) 6= 0, voor een bepaalde m < 0, dan is y(n), n
Z afhankelijk van x(n m) en dus afhankelijk van een ingangswaarde op een later
ogenblik dan het ogenblik n en dus is het systeem niet causaal.
Het bewijs is analoog voor continue-tijd systemen (waarbij omwille van de
integraaluitdrukking voor de uitgang, voor het deel van het bewijs dat correspon-
deert met verondersteld wordt dat het impulsantwoord voldoende regulier is, bv.
stuksgewijze continu).
4. H ET FREQUENTIEANTWOORD EN DE OVERDRACHTSFUNCTIE
In Sectie 3 hebben we een ingangssignaal opgebouwd als een (oneindige) som

van verschoven impulsen. Met behulp van deze decompositie hebben we aange-
toond dat het gedrag van LTI systemen eenduidig bepaald wordt door het impuls-
antwoord.
In de huidige sectie steunen we op de kennis dat dankzij FR en DFR, perio-
dieke ingangssignalen ook kunnen opgebouwd worden als (eventueel oneindige)
sommen van complexe exponentielen. Het lijkt dan de moeite te verifieren hoe een
lineair systeem zich gedraagt t.o.v. een complexe exponentiele ingang; dit bepaalt
dan immers het gedrag van LTI systemen t.o.v. willekeurige periodieke signalen.
Bovendien zal blijken dat LTI systemen zich voorbeeldig gedragen t.o.v. expo-
nentielen.
4.1. Discrete-stap systemen. Beschouw het LTI systeem (3.2) met

+
y(n) = h(m)x(n m), Z
n .
m=
Neem als ingang het signaal
x[ Z C], x(n) = ein , Z

n , R
Dan
+
y(n) = h(m)ei(nm)
m=
+
= ein h(m)eim , Z
n .
m=
We introduceren nu het frequentieantwoord1 H : R C:

+
H() , h(m)eim , R. (3.23)
m=
op voorwaarde dat de reekssom bestaat. Er volgt dan dat het LTI systeem zich
voorbeeldig gedraagt ten opzichte van exponentiele ingangen x(n) = ein :
Z
y(n) = H()ein , n , R. (3.24)
4.1.1. Opmerkingen en voorbeelden.

(1) Het frequentieantwoord is gedefinieerd, m.a.w. de reekssom in (3.23)
bestaat, als het LTI systeem BIBO-stabiel is. Dit volgt onmiddellijk uit
de karakterisering van BIBO-stabiliteit.
(2) Het frequentieantwoord van discrete-stap systemen is periodiek met pe-
riode 2.
(3) Op basis van (3.24) zeggen we dat complexe exponentielen eigensigna-
len zijn van LTI systemen: de uitgang is evenredig met de ingang als de
ingang een exponentiele n 7 ein is; de evenredigheidsfactor is het fre-
quentieantwoord H van het LTI systeem, geevalueerd in de frequentie
van de exponentiele ingang. Het frequentieantwoord H speelt de rol van
eigenwaardenfunctie. De getallen H() zijn de eigenwaarden.
(4) Uitdrukking (3.24) kan gebruikt worden om het frequentieantwoord te
bepalen van LTI systemen. Men bepaalt de uitgang corresponderend met
een exponentiele ingang. Deze is evenredig met de ingang; de evenredig-
heidsfactor is het frequentieantwoord.
(5) Een belangrijk geval is een constant signaal als ingang: x(n) = 1, n
Z. Merk op dat dit signaal kan gezien worden als n 7 x(n) = ein, n
Z, = 0. De corresponderende uitgang is dan y(n) = H(0).
(6) Bestudeer het frequentieantwoord van de discrete shift DM .
4.1.2. Frequentieantwoord en DTFT. Nu we de kans hebben, trekken we er
de aandacht op dat het frequentieantwoord (3.23) kan genterpreteerd worden als
een transformatie van het impulsantwoord: met een willekeurige (bedoeld: niet
noodzakelijk periodieke) tijdsdomeinfunctie h correspondeert de frequentiedomein-
functie H:
h[ Z C] H [R C].
1In sommige tekstboeken beschouwt men H ook als gedefinieerd op een ander domein met
waarden H(ei ).
Deze transformatie is de discrete-tijd Fourier-transformatie (DTFT), die uitvoerig

besproken wordt in Hoofdstuk 4. De vraag die zich opdringt is of de inverse DTFT
ook bestaat, m.a.w. of het frequentieantwoord ook ondubbelzinnig het impulsant-
woord bepaalt; of nog anders gezegd, of het frequentieantwoord dienst doet als een
alternatieve karakterisering van een LTI systeem:
h[ Z C] H [R C].
Het symbool is suggestief: het duidt aan dat h en H ondubbelzinnig met elkaar
verbonden zijn. Het symbool werd reeds gebruikt in Hoofdstuk 2, paragraaf 6.1
om aan te geven dat je met een periodiek signaal een FR kunt laten corresponderen
en, omgekeerd, dat met de FR een periodiek tijdssignaal correspondeert, en dit
op ondubbelzinnige wijze. Voor periodieke discrete-stap impulsantwoorden h, (of
meer algemeen signalen h) geldt er dus (p is in de volgende uitdrukking een notatie
voor een interval van lengte p)
h [p C] H [p C]
waarbij de relatie compact wordt weergegeven als (cfr. (2.29) en (2.30))
1
H= Fh
p
h = FH
of expliciet
1 p1 2
H(k) = h(m)ei(k0 )m ,
p m=0
k = 0, 1, . . . , p 1; 0 =
p
,
p1
h(m) = H(k)ei(k )m ,
0
m . Z
k=0
Merk op dat de uitdrukking H(k) aanleunt bij de uitdrukking voor H() in

(3.23), weliswaar aangepast aan de periodieke context.
We hebben er goede hoop op dat voor niet-periodieke signalen ook een in-
verse DTFT bestaat, maar daarvoor moeten we je geduld op de proef stellen tot
Hoofdstuk 4.
4.1.3. De overdrachtsfunctie. De overdrachtsfunctie of transferfunctie wordt
op analoge wijze ingevoerd als het frequentieantwoord. Beschouw opnieuw het
LTI systeem (3.2)
+
y(n) = h(m)x(n m), n . Z
m=
Neem nu als ingang het signaal
x[ Z C], x(n) = zn , Z
n , z C.
Dan
+
y(n) = h(m)z(nm)
m=
+
=z n
h(m)zm .
m=
We introduceren nu de overdrachtsfunctie H : C C:
+
H(z) , h(m)zm , z C. (3.25)
m=
op voorwaarde dat de reekssom bestaat (onderzoek van de absolute convergentie

van de reeks als functie van z C is vereist; vaak heb je absolute convergen-
tie enkel in bepaalde gebieden van C, zie Hoofdstuk ??). De overdrachtsfunctie
kan genterpreteerd worden als een getransformeerde van het impulsantwoord; de
transformatie zelf is de z-transformatie. We hebben hierboven opgemerkt dat im-
pulsantwoord en frequentieantwoord (indien het bestaat) in 1 : 1-duidig verband
staan. Dezelfde vraag dringt zich op omtrent de 1 : 1-duidigheid tussen impul-
santwoord en overdrachtsfunctie of meer algemeen tussen een signaal en zijn z-
getransformeerde. Meestal heb je geen bijectieve relatie tussen een signaal en zijn
z-getransformeerde tenzij je een convergentiegebied stipuleert voor de definierende
reekssom. Meer hierover in Hoofdstuk ??.
Er volgt verder dat
y(n) = H(z)zn , n , z Z C. (3.26)
Je merkt hierbij op dat exponentiele signalen n 7 zn , z C eigensignalen zijn, en

niet enkel het speciale geval (zonet bestudeerd in verband met het frequentieant-
woord) waarbij z beperkt werd tot de eenheidscirkel: z = ei , R.
4.2. Continue-tijd systemen. Beschouw het LTI systeem (3.1) met
R.
Z +
y(t) = h()x(t ) d, t

x[ R C], x(t) = eit , t R, R;

dan
Z +
y(t) = h()ei(t) d

Z +
=e it
h()ei d

We introduceren nu het frequentieantwoord2 H : RC:

R
Z +
H() , h()ei d, (3.27)

op voorwaarde dat de oneigenlijke integraal bestaat. Er volgt dan dat
y(t) = H()eit , t R, R. (3.28)
4.2.1. Opmerkingen en voorbeeld.
(1) Het frequentieantwoord is gedefinieerd, m.a.w. de oneigenlijke integraal

in (3.27) bestaat, als het LTI systeem BIBO-stabiel is.
(2) Op basis van (3.28) zeggen we dat complexe exponentielen eigensigna-
len zijn van LTI systemen: de uitgang is evenredig met de ingang als de
ingang een exponentiele is; de evenredigheidsfactor is het frequentieant-
woord H() en is afhankelijk van de frequentie van de ingang. Het fre-
quentieantwoord H speelt de rol van eigenwaardenfunctie. Uitdrukking
(3.28) is handig om het frequentieantwoord te bepalen.
(3) Zoals bij discrete-stap systemen is het antwoord op een constante ingang
x(t) = 1, t R, gegeven door y(t) = H(0), t R.
(4) Neem als voorbeeld het systeem DT met impulsantwoord
R 3 t 7 h(t) = (t T )
en als frequentieantwoord
R 3 7 H() =
Z
h(t)eit dt

Z
= (t T )eit dt

iT
=e
Merk hierbij op dat |H()| = 1 en dat arg H() = T . Dit systeem is

een all pass filter(cfr. paragraaf (4.3)).
2In sommige tekstboeken beschouwt men H ook als gedefinieerd op een ander domein met
waarden H(i).
4.2.2. Frequentieantwoord en CTFT. Het frequentieantwoord (3.27) kan op-

nieuw genterpreteerd worden als een transformatie van het impulsantwoord: met
het tijdsdomeinsignaal h correspondeert het frequentiedomeinsignaal H:
h[ R C] H [R C].
Deze transformatie is de continue-tijd Fourier-transformatie (CTFT). Opnieuw stel-
len we de vraag of er een inverse CTFT bestaat, m.a.w. of het frequentieantwoord
een alternatieve karakterisering is van een LTI systeem:
h[ R C] H [R C].
Het symbool is suggestief; het werd reeds gebruikt in Hoofdstuk 2, paragraaf
6.1 om aan te geven dat je met een eindig (i.e. begrensd domein) of periodiek
continue-tijd signaal een FR kunt laten corresponderen, en omgekeerd, dat (onder
bepaalde voorwaarden, bv. de Dirichlet-voorwaarden) met de FR een tijdssignaal
correspondeert. Voor periodieke signalen h met periode p (b.v. het impulsant-
woord) geldt
h [p C] of h [R C] H [Z C].
of expliciet
1
Z 2
Z
H(k) = h(t)ei(k0 )t dt, k , 0 = , (3.29)
p p p
R.

h(t) = H(k)ei(k0 )t , t p of (3.30)
k=
Dit geeft ons hoop dat ook in het algemene geval een inverse CTFT bestaat; dit
wordt verder uitgewerkt in Hoofdstuk 4.
4.2.3. De overdrachtsfunctie. De overdrachtsfunctie of transferfunctie wordt
ingevoerd door de uitgang te bepalen voor een speciale ingang. Beschouw het LTI
systeem (3.1)
R.
Z +
y(t) = h()x(t ) d, t

x[ R C], x(t) = est , t R, s C;

dan
Z +
y(t) = h()es(t) d

Z +
=e st
h()es d

We introduceren nu de overdrachtsfunctie H : CC:

C
Z +
H(s) , h()es d, s (3.31)

op voorwaarde dat de oneigenlijke integraal bestaat, i.e. absoluut convergeert.

Vaak heb je absolute convergentie in bepaalde gebieden van C.
De overdrachtsfunctie kan genterpreteerd worden als een getransformeerde
van het impulsantwoord; de transformatie zelf is de Laplace-transformatie. De
1 : 1-duidigheid tussen een signaal en zijn Laplace-getransformeerde is enkel ge-
garandeerd na stipulering van een convergentiegebied. Meer informatie volgt in
Hoofdstuk ??.
Er volgt verder dat
y(t) = H(s)est , R, s C.
t (3.32)
Je merkt dat exponentiele signalen t 7 est , s C eigensignalen zijn van een LTI
systeem, en niet enkel het speciale geval (zonet bestudeerd in verband met het
frequentieantwoord) waarbij s beperkt wordt tot de zuiver imaginaire as: s = i.
4.3. Het frequentieantwoord en de Fourier-reeks. Beschouw een periodiek

signaal x met periode p; dan geldt er in continue tijd, resp. discrete tijd
R, 0 = 2p , p R, p > 0;

x(t) = X(k)eik0t , t
k=
x(n) = X(k)eik n , 0
Z
n , 0 =
2
p
, p N,
kp
met X het spectrum van x. Voor het continue-tijd geval veronderstel je dat b.v. de
Dirichlet-voorwaarden voldaan zijn zodat er puntsgewijze convergentie geldt (mits
de juiste interpretatie in discontinuteitspunten).
Als dit signaal aangelegd wordt aan een LTI systeem met gekend frequentieant-
woord H() (de betekenis verandert naargelang we discrete of continue tijd syste-
men beschouwen de notatie is dezelfde), dan is de uitgang voor het continue-tijd,
resp. het discrete-tijd geval gegeven door:
R,

y(t) = H(k0 )X(k)eik0t , t
k=
y(n) = H(k0 )X(k)eik n , 0

n . Z
kp
Zoals vermeld in Hoofdstuk 2, in de inleiding van paragraaf 6 kunnen we het spec-

trum X ook definieren op het domein van de hoekfrequenties i.p.v. op het domein
5. SINUSO IDALE SIGNALEN; DE COMPLEXE VOORSTELLING 53
Z. Er volgt dan
R,

y(t) = H(k0 )X(k0 )eik0t , t
k=
y(n) = H(k0 )X(k0 )eik n ,0

Z
n .
kp
Je hebt hier gebruik gemaakt van
(1) de lineariteit van het systeem (uitgebreid naar reeksen),

(2) het feit dat periodieke signalen kunnen geschreven worden als (onein-
dige) sommen van exponentielen,
(3) het feit dat exponentielen eigensignalen zijn van LTI systemen.
De uitgang (als functie van de tijd) bevat dus enkel frequentiecomponenten die
reeds in de input aanwezig waren. De frequentiecomponenten worden versterkt/verzwakt
volgens H. Vandaar dat een LTI systeem in sommige vakgebieden een filter ge-
noemd wordt. Een all-pass filter b.v. zal alle frequentie-componenten doorlaten
(|H()| = 1).
Het spectrum van de uitgang is eenvoudigweg het spectrum van de ingang
vermenigvuldigd met het frequentieantwoord. Deze relatie wordt later uitgebreid
van periodieke naar niet-periodieke signalen.
5. S INUSO IDALE SIGNALEN ; DE COMPLEXE VOORSTELLING
Complexe exponentiele ingangen van LTI systemen genereren complexe expo-

nentiele uitgangen van dezelfde frequentie versies van de ingangen op H() na.
We bepalen nu de uitgang van een LTI systeem S corresponderend met reeelwaar-
dige sinusodale ingangen.
Beschouw het sinusodaal signaal
x: RR
x(t) = A cos(t + ), A > 0 en > 0 (z.v.a.a.), R
en zijn complexe voorstelling of fasor X C:
X , Aei (3.33)
zodat
x(t) = e (X eit ), t R. (3.34)

6. GE INTERCONNECTEERDE SYSTEMEN 54
Met x correspondeert de fasor X (je houdt hierbij geen rekening met de hoekfre-
quentie ) en omgekeerd uit X is het oorspronkelijk signaal x eenduidig is af te
leiden, op voorwaarde dat de hoekfrequentie gekend is.
De uitgang y [ R C] corresponderend met x volgt nu uit
x(t) = (X eit + X eit ), t R
1
2
en dus, wegens vorige sectie 4.3
1
y(t) = (H()X eit + H()X eit ), t
2
R
We veronderstellen nu dat S met reele ingangen, reele uitgangen laat corresponde-
ren; m.a.w. het impulsantwoord is reeel. Er geldt dan dat het frequentieantwoord
toegevoegd symmetrisch is (vergelijk dit met (2.25)):
H() = H(). (3.35)
De uitgang y is dan
y(t) = e (H()X eit ), t R, (3.36)
of, met H() = |H()|ei arg H() :
y(t) = |H()|A cos(t + + arg H()).
Merk hierbij op dat, wegens (3.35), het amplitudespectrum |H()| even is.
Uit (3.36) blijkt dat de complexe voorstelling van de uitgang Y kan uitgedrukt
worden als (herneem even de definitie van fasor in (3.33) en (3.34)):
Y = H()X . (3.37)
Uitdrukking (3.37) is een pleidooi achteraf voor het invoeren van het begrip
complexe voorstelling. Voor sinusodale signalen is de complexe voorstelling
van de uitgang evenredig met de complexe voorstelling van de ingang met even-
redigheidsfactor H(). Vergelijk dit met complexe exponentiele ingangen waar de
uitgang evenredig is met de exponentiele ingang met evenredigheidsfactor H().
In sommige vakgebieden zoals b.v. elektrotechniek wordt (3.37) veelvuldig ge-
bruikt.

GE INTERCONNECTEERDE SYSTEMEN
6.1. Cascade. We bestuderen opnieuw de cascade (cfr. paragraaf 3.3) van 2

continue-tijd LTI systemen S1 en S2 , waarbij elk systeem voorgesteld wordt door
x : t 7 eit - y : t 7 H1 ()eit - z : t 7 H2 ()H1 ()eit

H1 () H2 () -
x : t 7 eit - y : t 7 H2 ()eit - z : t 7 H1 ()H2 ()eit

H2 () H1 () -
F IGUUR 3. De volgorde van LTI systemen in cascade is zonder belang.
x e y
-+h - S1 -
6
z
S2
F IGUUR 4. Terugkoppeling.
zijn frequentieantwoord, H1 , resp. H2 . De cascade S = S2 S1 is ook een LTI

systeem en heeft een frequentieantwoord H dat we wensen uit te drukken in functie
van H1 en H2 .
Met een ingang x : t 7 eit correspondeert een uitgang z van de cascade waar-
bij z(t) = H()eit (cfr. Figuur 3). Aangezien y = H1 ()x, is y opnieuw een
complexe exponentiele. Dus geldt dat z = H2 ()y, waaruit volgt dat
H() = H2 ()H1 ().
Merk op dat de cascade met de systemen in omgekeerde volgorde hetzelfde fre-

quentieantwoord, en dus ook dezelfde input-output relatie heeft.
Voor discrete-stap systemen gelden dezelfde resultaten.
6.2. Terugkoppeling of Feedback. We beschouwen het gesloten-kring sys-

teem S : x 7 y van 2 LTI systemen S1 en S2 zoals in Figuur 4. Men spreekt ook van
een feedback-systeem of terugkoppelsysteem: de uitgang y wordt teruggekoppeld
naar de ingang.
x e w y
-+h - S2 - S1 -
6
F IGUUR 5. Regelsysteem.
We bepalen eerst de relatie tussen ingang en uitgang. Met x een willekeurige

ingang, geldt
y = S1 (e),
= S1 (x + z),
= S1 (x) + S1 (z), wegens lineariteit van S1 ,
= S1 (x) + S1 (S2 (y)),
waaruit volgt dat het systeem S : x 7 y op impliciete wijze bepaald is door
y S1 (S2 (y)) = S1 (x). (3.38)
Je verifieert eerst (steunend op lineariteit van S1 en S2 en in de veronderstelling dat

de kern van I S1 S2 triviaal is) dat met x een unieke y = S(x) correspondeert.
Vervolgens steunend op (3.38) ga je na dat als S1 en S2 LTI systemen zijn, S
ook een LTI systeem is.
We bepalen nu het frequentieantwoord H van S: beschouw ingang t 7 x(t) =
eit en uitgang y = H()x en substitueer in (3.38). Dan volgt
H()x H1 ()H2 ()H()x = H1 ()x,
en dus
H1 ()
H() = .
1 H1 ()H2 ()
Blokdiagrammen van het type van Figuur 4 worden veel gebruikt in technische
toepassingen; b.v. de regelkring in Figuur 5 stelt een model voor van een regelsys-
teem: x is de ingestelde temperatuur, y is de te regelen temperatuur van een ruimte.
Het blokje S2 stelt de regelaar voor: b.v. de verwarmingsinstallatie; geef zelf een
fysische interpretatie van de signalen e en w.
6.3. De overdrachtsfunctie voor de cascade en de terugkoppeling. Als je

de ingang t 7 x(t) = eit vervangt door t 7 x(t) = est en de redenering hierboven
herhaalt, verkrijg je de overdrachtsfunctie voor de cascade en de terugkoppeling in
functie van de overdrachtsfunctie van de deelsystemen. De uitdrukkingen blijven
7. DIFFERENTIEVERGELIJKINGEN 57
onveranderd op de vervanging van i door s na. Je verkrijgt dan b.v. voor de

terugkoppeling
H1 (s)
H(s) = .
1 H1 (s)H2 (s)

DIFFERENTIEVERGELIJKINGEN .
7.1. Differentievergelijkingen als systemen. In deze sectie worden hogere

orde lineaire tijdsinvariante differentievergelijkingen bestudeerd als systemen. Zij
zijn belangrijk o.a. als modellen van digitale filters. Beschouw
a0 y + a1 D1 y + + aN DN y = b0 u + b1 D1 u + + bM DM u (3.39)
waarbij N N0, M N0, ai R, bi R, aN 6= 0, bM 6= 0. Deze differentieverge-

lijkingen zijn lineair en tijdsinvariant in de zin dat zoals je zelf kan verifieren
als (u1 , y1 ) en (u2 , y2 ) koppels zijn die aan (3.39) voldoen, dit ook het geval is voor
(u1 + u2 , y1 + y2 ); tijdsinvariantie volgt uit het feit dat (Dk u, Dk y) aan (3.39)
voldoet als (u, y) eraan voldoet. Maar daarom heb je nog geen LTI-systeem gedefi-
nieerd m.a.w. het is onduidelijk hoe je een koppel (u, y) definieert, of hoe je met
een ingang een uitgang laat overeenstemmen. We zullen ons hier beperken tot een
zeer speciale maar belangrijke keuze.
7.2. Het frequentieantwoord van differentievergelijkingen. In paragraaf 4.1

werd gesteld dat het frequentieantwoord een alternatieve karakterisering is van een
LTI-systeem (zie ook Hoofdstuk 4 over de Fourier-transformaties). Er blijkt dat
tenminste voor differentievergelijkingen het frequentieantwoord zonder moeite
kan bepaald worden.
We laten ons inspireren door de eigenschap dat voor LTI systemen in convolu-
tievoorstelling het frequentieantwoord de rol speelt van eigenwaardenfunctie met
complexe exponentielen als eigenfuncties (cfr. Sectie 4). Het frequentieantwoord
H: R C, 7 H() wordt dan bepaald door een ingang Z 3 n 7 ein aan te
leggen en de uitgangswaarden te schrijven als
y(n) , H()ein , n . Z
Er wordt benadrukt dat men op deze wijze een specifiek ingangs-uitgangskoppel
vooropstelt. Er volgt dat
b0 + b1 ei + + bM eiM
H() = . (3.40)
a0 + a1 ei + + aN eiN
Deze uitdrukking bepaalt dus het frequentieantwoord. De uitdrukking is gedefini-

eerd voor alle frequenties die de noemer niet nul maken. De relatie van het fre-
quentieantwoord met het impulsantwoord (cfr. Sectie 4) wordt verder onderzocht
in Hoofdstuk ??.
Als voorbeeldje beschouwen we het moving average discrete-stap systeem
bepaald door
1
y(n) = (x(n) + x(n 1)),
2
n . Z
Met de ingang n 7 ein correspondeert de uitgang
1
n 7 y(n) = H()ein = (ein + ei(n1) ),
2
waaruit het frequentieantwoord volgt
1
H() = (1 + ei ).
2
Dit is een low pass filter (laagdoorlaat-filter):
(
1 0
|H()|
0 of .
Het frequentieantwoord is periodiek met periode 2. De frequenties zijn uitge-

drukt in [rad/stap].
7.3. Overdrachtsfunctie. Polen. Nullen. Genspireerd door wat hoger ge-

zegd is, bepalen we de overdrachtsfunctie door als ingang het eigensignaal Z3
n 7 zn , z C aan te leggen aan het systeem beschreven door (3.39) en de speci-
fieke uitgang van de vorm
y(n) , H(z)zn , n . Z
te bepalen. De overdrachtsfunctie is dan gegeven door
H: C C, z 7 H(z) (3.41)
b0 + b1 1z + b2 ( 1z )2 + + bM ( 1z )M
H(z) = . (3.42)
a0 + a1 1z + a2 ( 1z )2 + + aN ( 1z )N
De transferfunctie is gedefinieerd overal in het complexe vlak op de nulpunten van
de noemer na. De relatie met het impulsantwoord (of verschillende impulsant-
woorden!) wordt verder uitgewerkt in Hoofdstuk ??. Je merkt op dat we hetzelfde
symbool H gebruikt hebben voor het frequentieantwoord en de overdrachtsfunctie.
De definitiegebieden zijn echter verschillend; de transferfunctie geevalueerd op de
eenheidscirkel in het complexe vlak correspondeert met waarden van het frequen-
tieantwoord:
H(z)|z=ei = H().
De uitdrukking van de transferfunctie van differentievergelijkingen bestaat overal

in het complexe vlak op de nulpunten van de karakteristieke veelterm na. De uit-
drukking van het frequentieantwoord bestaat overal, behalve op elementen van R
die corresponderen met nulpunten van de karakteristieke veelterm op de eenheids-
cirkel.
Je kan de uitdrukking van de transferfunctie omvormen tot
b0 zM + b1 zM1 + + bM
H(z) = zNM . (3.43)
a0 zN + a1 zN1 + + aN
Als we teller en noemer van de transferfunctie in de vorm (3.43) ontbinden in
factoren, dan volgt (veronderstel b0 6= 0 en a0 6= 0)
b0 NM (z z1 )(z z2 ) . . . (z zM )
H(z) = z .
a0 (z p1 )(z p2 ) . . . (z pN )
Als de teller en de noemer van de transferfunctie gemeenschappelijke factoren
hebben dan verkrijg je, na wegdeling van de gemeenschappelijke factoren, voor de
uitdrukking van de transferfunctie
b0 NM (z z1 )(z z2 ) . . . (z zM0 )
H(z) = z ,
a0 (z p1 )(z p2 ) . . . (z pN 0 )
waarbij
M 0 = M L,
N 0 = N L,
met L N0 het aantal gemeenschappelijke factoren in teller en noemer. Dit leidt

tot de volgende definities (we veronderstellen in het belang van een gestroomlijnde
formulering dat alle pi en zi verschillend zijn van 0):
pi , i = 1, . . . , N 0 zijn polen van H,

z = 0 is ook een pool van H met multipliciteit M N, als M > N,
zi , i = 1, . . . , M 0 zijn nullen van H.

z = 0 is ook een nul van H met multipliciteit N M, als N > M.
We vermelden hier dat de polen van de transferfunctie BIBO-stabiliteit karak-

teriseren. Voor details verwijzen we naar Hoofdstuk ??, sectie ??.
8. DIFFERENTIAALVERGELIJKINGEN 60

DIFFERENTIAALVERGELIJKINGEN .
In deze paragraaf worden hogere orde lineaire tijdsinvariante differentiaalver-

gelijkingen bestudeerd als systemen. Zij zijn vooral belangrijk in de modellering
van fysische systemen. Beschouw
a0 y + a1 D 1 y + + aN D N y = b0 u + b1 D 1 u + + bM D M u (3.44)
waarbij N N0, M N0, ai R, bi R, aN 6= 0, bM 6= 0.

De afleidingsoperator D is gedefinieerd als het systeem
D :[ R C] [R C] w 7 Dw
Dw(t) = w(t)
(3.45)
D =D
M
D}, M
| {z N0.
M keer
Deze differentiaalvergelijkingen zijn lineair en tijdsinvariant in de zin zoals dit
geldt bij differentievergelijkingen. Zoals in het discrete geval kan je met (3.44) een
ingang-uitgang-systeem laten corresponderen
S:u[ R C] 7 y [R C].
Dit gebeurt door een specifiek ingang-uitgang paar te kiezen uit de algemene op-
lossing.
We berekenen nu het frequentieantwoord. Het frequentieantwoord H : R
C, 7 H() wordt bepaald door een ingang R 3 t 7 eit aan te leggen en de
uitgangswaarden te schrijven als
y(t) , H()eit , t R.
Er volgt dat
b0 + b1 (i) + + bM (i)M
H() = . (3.46)
a0 + a1 (i) + + aN (i)N
Deze uitdrukking bepaalt dus het frequentieantwoord. De overdrachtsfunctie wordt
bepaald door als ingang een eigensignaal R 3 t 7 est aan te leggen en de uitgangs-
waarden te schrijven als
y(t) , H(s)est , t R.
Er volgt dat
H: C C, s 7 H(s) (3.47)
b0 + b1 s + b2 s2 + + b
M sM
H(s) = 2
. (3.48)
a0 + a1 s + a2 s + + aN sN
9. FIR-FILTERS EN IIR-FILTERS 61
We melden nu al dat er technieken bestaan (zie Hoofdstuk ??, sectie ??) die ver-
trekkend van (3.48) op efficiente wijze het impulsantwoord bepalen.
Je merkt ook op dat de transferfunctie geevalueerd op de imaginaire as het
frequentieantwoord bepaalt. De nulpunten van de karakteristieke veelterm bepa-
len het definitiegebied van de overdrachtsfunctie en het frequentieantwoord. Het
frequentieantwoord is gedefinieerd op R op een eindig aantal punten na, corres-
ponderend met nulpunten van de karakteristieke veelterm op de imaginaire as. De
relatie van de overdrachtsfunctie met eventueel meerdere impulsantwoorden wordt
onderzocht in Hoofdstuk ??.
De nullen en polen van H(s) zijn de nulpunten van respectievelijk de teller en
de noemer van H(s) na wegdelen van alle gemeenschappelijke factoren. Opnieuw
karakteriseren de polen BIBO-stabiliteit. Voor details verwijzen we naar Hoofd-
stuk ??, sectie ??.
9. FIR- FILTERS EN IIR- FILTERS
9.1. FIR-filters. We beperken ons tot discrete-stap LTI systemen S : [ Z R]

Z R]. We definieren deze systemen aan de hand van het impulsantwoord
[
h:ZC
en leggen de volgende beperkingen op:

(
0 als n < 0,
h(n) =
0 als n > M, M > 0.
Men noemt dergelijke systemen finite impulse response systemen of FIR-filters.
De uitgang is
Z
M
y(n) = h(m)u(n m), n (3.49)
m=0
9.2. IIR-filters. Als we (3.49) uitbreiden met een auto-regressief (AR) deel,
dan krijgen we een recursieve filter of ARMA-filter (Auto Regressive Moving
Average) genoemd:
Z
M N
y(n) = b(m)u(n m) a(m)y(n m), n
m=0 m=1
met M, N N; a(m), b(m) R zijn de filtercoefficienten.

Het impulsantwoord van dergelijke systemen is meestal niet eindig; een sys-
teem met een oneindig impulsantwoord wordt een IIR-filter (infinite impulse res-
ponse) genoemd. Een voorbeeld ter illustratie van de IIR-eigenschap: beschouw
u
- D - D - ... - D
? ? ? ?
b0 b1 b2 bM
y
h
-+? h- . . .
-+? h
-+? -
F IGUUR 6. Tapped delay line realisatie
het causaal systeem, beschreven door
y(n) = u(n) + 0.9y(n 1), n Z

dan bereken je dat
(
(0.9)n n 0,
h(n) =
0 n < 0.
Hier heb je een voorbeeld van een ARMA-filter (causaal verondersteld) dat toch
de FIR-eigenschap bezit:
y(n) y(n 1) = 0.2(u(n) u(n 2)), Z

n .
Je hebt uiteraard al opgemerkt dat zowel FIR-filters als IIR-filters differentieverge-

lijkingen zijn en in de notatie van paragraaf 7 geschreven worden als:
N M
y+ am Dm y = bm Dm u. (3.50)
m=1 m=0
9.3. Blokdiagramvoorstellingen van filters.

9.3.1. Blokdiagram voor FIR-filters. Het filter (3.50) zonder recursief deel
(am = 0, m = 1, . . . , N) kan voorgesteld worden in een blokdiagram met behulp
van 3 basisbestanddelen: een 1-stap delay systeem, een vermenigvuldiger en een
opteller; cfr. Figuur 6.
9.3.2. Blokdiagrammen voor IIR-filters: de canonieke voorstelling. Het filter
(3.50) kan voorgesteld worden (of gerealiseerd worden) d.m.v. het blokdiagram
Figuur 7. Een schematische cascade-voorstelling is Figuur 8.
Als we nu de systemen in de cascade omwisselen, en de gepaste delay-ele-
menten laten samenvallen, verkrijgt men de directe of canonieke voorstelling van
Figuur 9, (waarbij in de figuur N > M werd verondersteld).
9.3.3. Blokdiagrammen voor IIR-filters: de cascade-voorstelling. Nog andere
blokdiagramvoorstellingen zijn mogelijk. We doen hierbij geen rechtstreeks be-
roep op de analytische voorstelling (3.50) zoals die leidde tot b.v. Fig. 7, noch
op reeds gekende blokdiagramvoorstellingen, van waaruit men door manipulatie
u b0 r y
- -+h -+h -
6 6
? ?
D D
b1 a1
- -+h +h
6 6
? ?
D D
b2 a
- -+h 2
+h
?
..
6
.. ..6 ?
..
. . . .
6 6 ?
?
D D
bM aN
-
F IGUUR 7. Een mogelijke realisatie

u r y
- S1 - S2 -
F IGUUR 8. Dezelfde mogelijke realisatie gezien als cascade.

u -e - b0 -+e - y
+
6 6
?
D
zN
a b1 - e
+e 1 - +
6 6
?
D
zN1
a b2 - e
+e 2 - +
6 ? 6
.. .. ..
. . .
6 ? 6
D
a bM
+e M ?-
6 ?
.. ..
. .
6 ?
D
aN z1

F IGUUR 9. Directe realisatie of Canonieke realisatie.
u b0 y
-+h - -+h -
6 6
?
a b1
1
+h - -+h
6 6
?
a2 b2
?-
F IGUUR 10. Basissysteem
nieuwe voorstellingen zou kunnen genereren (op deze manier is de Canonieke re-
alisatie van Fig. 9 afgeleid).
Het is handiger om over te stappen op de overdrachtsfunctie-voorstelling van
het filter waarop we algebrasche bewerkingen kunnen uitvoeren. Het resultaat kan
dan op zijn beurt gerenterpreteerd worden in een blokdiagramvoorstelling!
Beschouw de overdrachtsfunctie corresponderend met (3.50):
b0 + b1 1z + b2 ( 1z )2 + + bM ( 1z )M
H(z) =
1 + a1 1z + a2 ( 1z )2 + + aN ( 1z )N
Ze stemt op een natuurlijke wijze overeen met de canonieke vorm in Fig. 9. Je kan
de overdrachtsfunctie ook schrijven als een product:
1 1
H(z) = 1
T ( ).
N( z ) z
waaree de cascade-voorstelling van Fig. 8 overeenstemt.

Nieuwe blokdiagramvoorstellingen worden nu afgeleid door zowel T als N
te schrijven als producten van kwadratische uitdrukkingen in 1z . Dit kan b.v. door
zowel bij T als bij N na ontbinding in factoren de factoren die corresponderen
met complex toegevoegde wortels samen te nemen, en deze die corresponderen met
reele wortels ook per 2 te nemen.
Je verkrijgt dan producten van uitdrukkingen van de vorm
b0 + b1 1z + b2 ( 1z )2
1 + a1 1z + a2 ( 1z )2
die elk kunnen voorgesteld worden door het canoniek basissysteem (cfr. Fig. 10).
Het filter is dan een cascade van basissystemen. Het is vanzelfsprekend dat als T
of N of beide, een oneven aantal wortels hebben, de cascade een gereduceerd
basissysteem bevat (a2 en/of b2 zijn 0).
9.3.4. Blokdiagrammen voor IIR-filters: de parallel-voorstelling. Indien de

transferfunctie in partieelbreuken wordt gesplitst dan kan je elke term realiseren
d.m.v. een canonieke voorstelling. Bepaal zelf de canonieke basissystemen die
overeenstemmen met de mogelijke uitdrukkingen in de partieelbreukontwikkeling.
Je verkrijgt dan een voorstelling van het globale systeem in parallel-vorm: elk
deelsysteem heeft dezelfde ingang; de uitgangen worden gesommeerd.
HOOFDSTUK 4
De 4 Fourier-transformaties
In Hoofdstuk 2 werden zowel de FR als de DFR ingevoerd als een manier om

periodieke signalen te ontwikkelen volgens goed gekozen basissignalen. Tevens
werd tenminste voor DFR expliciet het transformatie-aspect benadrukt: het
oorspronkelijke (tijd)signaal werd d.m.v. DFR getransformeerd naar het spectrum
en met de inverse transformatie keerde je terug naar het tijdsdomein.
In dit hoofdstuk willen we deze zienswijze uitbreiden naar niet-periodieke sig-
nalen. Genspireerd door DFR en FR voeren we transformaties in die inwerken op
respectievelijk discrete-stap signalen en continue-tijd signalen. Je zal merken dat
deze transformaties een naturel hebben in de zin dat je (na enig nadenken) zelf de
bedoelde transformaties zou kunnen verzinnen. Of neem je toevlucht tot de trans-
formaties van het impulsantwoord naar het frequentieantwoord in Hoofdstuk 3.
De transformaties blijken interessante eigenschappen te bezitten. Zoals echter
zal blijken laten sommige elementaire signalen zich niet zomaar transformeren; we
zullen hier echter een mouw aan passen. Dit wordt gerealiseerd door het beschou-
wen van veralgemeende signalen (denk hierbij b.v. aan de Dirac-impuls).
We vragen verder aandacht voor een fundamentele relatie tussen de spreiding
van een signaal en de spreiding van zijn getransformeerde.
Sommige signalen (b.v. periodieke) hebben zowel een Fourier-reeks als een
Fourier-getransformeerde; er wordt onderzocht wat hun onderlinge relatie is.
1. D E F OURIER - TRANSFORMATIES
We introduceren de volgende signaalruimtes:
(1) [R C]: R is b.v. de tijd, een ruimtelijke of een andere continue veran-
derlijke (b.v. frequentie).
Z C]: Z is b.v. discrete tijd, stap of een andere discrete veranderlijke.
(2) [
(3) [R C] p : zoals hierboven maar dan beperkt tot periodieke signalen (pe-
riode p > 0, p R).
66
1. DE FOURIER-TRANSFORMATIES 67
x[ R C] p - X [ Z - C]
FR
X [ Z C] - x[ R -C] p
invFR
F IGUUR 1. FR en invFR als transformatie.
Z C] p: zoals hierboven maar dan beperkt tot periodieke signalen (pe-

(4) [
riode p N).
We introduceren nu de 4 Fourier-transformaties en hun inverse transformaties. Zo-
als gezegd zijn de eerste 2 reeds gekend. De laatste verrassen niet, want duidelijk
genspireerd op de eerste 2, en reeds ontmoet bij de definitie van het frequentieant-
woord.
1.1. FR. De Fourier-reeks laat toe periodieke signalen te ontwikkelen t.o.v.

een oneindig-dimensionale orthonormale basis. We beschouwen de coordinaten
t.o.v. complexe exponentielen (bepaald door de periode) als een signaal verkregen
door transformatie van het oorspronkelijke signaal. De reconstructie van het tijd-
signaal uit de coordinaten zien we als de inverse transformatie (cfr. Fig. 1). We
veronderstellen hierbij dat de klasse van signalen de eigenschap heeft dat beide
transformaties inderdaad elkaars inverse zijn; eventueel geef je aan het =-teken de
juiste interpretatie zoals besproken in Hoofdstuk 2. In formules volgt er
R

x(t) = X(k)eik0t t (invFR)
k=
1
Z
Z
X(k) = x(t)eik0t dt k . (FR)
p p
2
waarbij 0 = p , in radialen per seconde.
1.2. DFT. In Hoofdstuk 2 hebben we DFR (de discrete Fourier-reeks) inge-

2
voerd voor periodieke signalen en zijn interpretatie als transformatie. Met 0 = p
in radialen per stap en met x [ Z C] p verkrijgen we de inverse transformatie en
transformatie x X :
x(n) = X(k)eik n 0
n Z (4.1)
kp
X(k) =
1
x(n)eik0 n
p np
k . Z (4.2)
x[ Z C] p - X [ Z -C] p
DFT
X [ Z C] p - x[ Z -C] p
invDFT
F IGUUR 2. DFT en invDFT als transformatie.
x[ Z C] - R -C]2
X [
DTFT
X [ R C]2- x[ Z - C]
invDTFT
F IGUUR 3. DTFT en invDTFT als transformatie.
Om historische redenen wordt er voorkeur gegeven aan DFT (de discrete Fourier-
transformatie) als men het transformatie-aspect wenst te benadrukken (cfr. Fig. 2);
DFT is DFR maar met andere coefficienten:
x(n) =
1
X(k)eik0 n
p kp
n Z (invDFT)
X(k) = x(n)eik n 0
k . Z (DFT)
np
Merk op dat X = pX.
1.3. DTFT. In Hoofdstuk 3 hebben we d.m.v. (3.23) het frequentieantwoord

ingevoerd als een bepaalde transformatie van het impulsantwoord. We recupereren
deze transformatie en laten ze inwerken op algemene signalen x [ Z C]; we
verkrijgen de Discrete Tijd Fourier Transfomatie (of DTFT):
R.

X() = x(n)ein , (DTFT)
n=
We merken op dat X periodiek is met periode 2: X [ R C]2 . Deze eigen-

schap inspireert ons om de volgende uitdrukking als inverse transformatie voor te
stellen (steunend op wat we weten over FR):
1
Z
x(n) = X()ein d. (invDTFT)
2 2
Zie Fig. 3 voor een schematische voorstelling .

Klopt het nu dat DTFT en invDTFT elkaars inversen zijn? We verifieren dat
DTFT invDTFT de identiteitsoperator is:

1
Z
?
X() = ( X()ein d)ein (4.3)
n= 2 2
We weten echter uit FR dat voor elk periodiek signaal x [ R C] p geldt (onder
de Dirichlet-voorwaarden):

1
Z
x(t) = ( x()eik0 d)eik0t . (4.4)
k= p p
Vervang in deze uitdrukking t door (genoteerd t y ), verder x y X, k y n,

p y 2 (en dus 0 = 1) en je hebt het gestelde.
Dat invDTFT DTFT de identiteitsoperator is ga je zelf na.
1.3.1. Voorbeeld. Beschouw het signaal
(
1 n = 0, 1, 2, 3,
x(n) = (4.5)
0 elders.
Dan
3
1 ei4
X() = ein = 1 ei
. (4.6)
n=0
Verifieer de geldigheid van de inverse transformatie.
1.3.2. Opmerking. Aangezien X = DTFT(x) periodiek is met periode 2 heeft
X een Fourier-reeks. Dus enerzijds heb je wegens DTFT:
R

X() = x(n)ein (4.7)
n=
en anderzijds heb je wegens (invFR)
X(k)eik

2
X() = 2
k=
(4.8)
X(k)e

ik
=
k=
waarbij X het spectrum is van X. Uit identificatie volgt dat X(k) = x(k), k Z.
1.4. FT. Enkel het geval van een continue-tijd signaal (niet noodzakelijk pe-
riodiek) moet nu nog worden behandeld. Met x [ R C] laten we genspireerd
door FR, of door de definitie van het frequentieantwoord de continue-tijd Fourier-
getransformeerde X [ R C] (CTFT of kortweg FT) corresponderen:
Z +
X() = x(t)eit dt. (FT)

x[ R C] - X [ R C]
FT -
X [ R C] - x[ R C]
invFT -
F IGUUR 4. FT en invFT als transformatie.
De integraal wordt genterpreteerd als de oneigenlijke Riemann-integraal. Voor de

inverse lijkt het aannemelijk
Z +
1
x(t) = X()eit d (invFT)
2
te suggereren. De integraal wordt genterpreteerd als de Cauchy-hoofdwaarde.

Zie Fig. 4 voor een schema. Dat beide transformaties elkaars inverse zijn wordt
niet bewezen, maar geldt onder bepaalde voorwaarden op zowel x als X. Dit wordt
hieronder tot op zekere hoogte uitgewerkt.
1.4.1. L1 FT en L2 FT. Bij de L1 FT veronderstelt men dat men FT
RC
toepast op signalen x L1 ( , ) (dit zijn signalen x [ R C] met eindige L1-
R +
norm, i. e. |x(t)| dt < ). Men zegt dat x absoluut integreerbaar is of ook wel
integreerbaar. Er volgt dat |X()| < , en men kan bewijzen dat X continu
afhankelijk is van . Als men nu veronderstelt dat X integreerbaar is, dan kan men
bewijzen dat x gereconstrueerd wordt uit X d.m.v. (invFT).
Anderzijds kan men bewijzen dat integreerbaarheid van X impliceert dat x con-
tinu is. We wensen echter een theorie die een ruimere toepasbaarheid heeft en ook
niet-continue signalen x toelaat. Vandaar dat we overstappen naar de FT toege-
RC
past op signalen x L2 ( , ) die een eindige L2 -norm hebben in de zin dat
R + 1
( |x(t)|2 dt) 2 < . Voor dergelijke signalen kan aan X zoals uitgedrukt door
(FT) ook betekenis gegeven worden (dit is wiskundig niet-triviaal). Het voordeel
RC RC
van deze L2 FT is dat ze L2 ( , ) omzet in L2 ( , ), waardoor het niet nodig
is extra hypothesen in te voeren die toelaten de inverse te nemen.
1.4.2. Voorbeeld. Beschouw het signaal
(
1 t [0, 1],
x(t) =
0 elders in ; R (4.9)
2. EIGENSCHAPPEN 71
x[ R C] p - X [ Z - C]
FR
x[ Z C] p - X [ Z -C] p
DFT
x[ Z C] - X [ R -C]2
DTFT
x[ R C] - X [ R C]
FT -
F IGUUR 5. De 4 transformaties.
R 1 it
dan geldt X() = 0 e dt. Waaruit volgt dat X(0) = 1 en
sin 2 sin 2
X() = ei 2 .

; |X()| = | |
2 2 (4.10)
not. i
= e 2 .sinc
2
1.5. Opmerkingen.
(1) DFT, DTFT, FT transformeren x naar X. Er komt in de uitdrukking van
deze transformaties geen coefficient voor. Bij FR daarentegen is er wel
een coefficient in de transformatie.
(2) We verzamelen de 4 Fourier-transformaties met hun domein en codomein
in een schema (cfr. Fig. 5). Let vooral op het al dan niet periodieke en het
discrete/continue karakter van de signalen in de signaalruimten.
2. E IGENSCHAPPEN
We maken een lijst van enkele belangrijke eigenschappen van de FT. De meeste
van de bewijzen volgen d.m.v. een wijziging van de veranderlijke in de Fourier-
integraal. We merken op dat we reeds dergelijke eigenschappen vermeld hebben
voor FR en DFR (en dus DFT). Analoge eigenschappen gelden voor DTFT.
RC
Veronderstel nu dat x, X L2 ( , ) met X = FT(x). We veronderstellen ook
dat x gereconstrueerd kan worden uit X d.m.v. invFT. Dit wordt uitgedrukt door
x X. We bepalen nu koppels y Y waarbij y, Y L2 ( , ) en y afgeleid RC
wordt uit x.
2. EIGENSCHAPPEN 72
(1) V ERSCHUIVING
y(t) = x(t ), R Y () = ei X(). (4.11)
(2) M ODULATIE
y(t) = eiat x(t), a R Y () = X( a). (4.12)
(3) C OMPLEX TOEGEVOEGDE
y(t) = x(t) Y () = X(). (4.13)
(4) T IJDSSCHALING
y(t) = x(at), a R, a 6= 0 Y () = |a|1 X( a ) (4.14)
(5) A FGELEIDE
y(t) = x(p) (t) Y () = (i) p X() (4.15)
(6) H ERMITISCHE SYMMETRIE
x(t) R X() = X(), (4.16)

x(t) R en x even X() R en X even, (4.17)
x(t) R en x oneven X zuiver imaginair en oneven. (4.18)
(7) P LANCHEREL , PARSEVAL Er geldt voor f , g L2 (R, C)

1
Z Z
f (t)g(t) dt = F()G() d, (Plancherel)
2
1
Z Z
| f (t)|2 dt = |F()|2 d. (Parseval)
2
(Parseval) volgt uit (Plancherel) door g te vervangen door f . (Plancherel)
bewijs je als volgt. Definieer g [ R C], g(t) = g(t) . Beschouw
nu f g; dan geldt wegens de convolutie-eigenschap (zie verder), de
complex-toegevoegde-eigenschap, en de schalingseigenschap (tijdsom-
kering) dat
1
Z
f g(t) = F()G()eit d (4.19)
2
Evaluatie van deze gelijkheid op t = 0 levert (Plancherel).

In een DTFT context is de uitdrukking van Parseval
+
1
Z
| f (n)|2 = |F()|2 d (4.20)
n= 2 2
4. DUALITEIT 73
3. C ONVOLUTIE
Er geldt
x y XY. (4.21)
Het bewijs volgt b.v. door de volgorde van integratie (Fourier- en convolutie-
integraal) om te wisselen en dan een nieuwe veranderlijke in te voeren, of door
de FT van x y te schrijven als een dubbele integraal en dan te veranderen van
veranderlijken zodanig dat men onmiddellijk het product XY verkrijgt.
De convolutie-eigenschap is van fundamenteel belang in SYSENSIG en wel in
de volgende interpretatie. Met x de ingang en h het impulsantwoord van een LTI
systeem, is de uitgang in het tijdsdomein gegeven door y = h x. Voor de FT - of
DT FT -getransformeerden volgt
y = h x Y = HX (4.22)
met H het frequentieantwoord (i.e. de getransformeerde van het impulsantwoord).

Voor elke R geldt er dus dat
Y () = H()X(). (4.23)
Dit is de uitbreiding van de resultaten van Sectie 4.3 betreffende periodieke signa-
len naar willekeurige signalen x, y [ R C of Z C]; hiervoor interpreteer je
dan best X(), resp. Y () als de component van x, resp. y t.o.v. het basissignaal
t 7 eit (continue tijd) of n 7 ein (in discrete tijd). Je merkt hierbij op dat er
een niet-aftelbaar oneindig aantal basisfuncties zijn (met elke R of met elke
[0, 2) correspondeert er een basisfunctie).
Naast de definitie van het frequentieantwoord H als de Fourier-getransformeer-
de van het impulsantwoord of de verhouding van de uitgang tot de ingang bij het
aanleggen van een exponentiele input, volgen uit uitdrukking (4.23) alternatieve in-
terpretaties voor het frequentieantwoord van een LTI-systeem. Zo is het frequentie-
antwoord de Fourier-getransformeerde van de output als de ingang een Dirac-
impuls is (zie verder), of ook de verhouding van de Fourier-getransformeerde van
de output en de Fourier-getransformeerde van de input.
4. D UALITEIT
In Fig. 5 valt op dat FT en DFT transformaties zijn tussen identieke signaal-

ruimtes. Het begrip dualiteit kan mede hierom ingevoerd worden voor deze trans-
formaties.
4. DUALITEIT 74
4.1. Dualiteit voor FT. Beschouw FT en verander van veranderlijke t y t;

dan volgt
Z +
1 +
Z
it
X() = x(t)e dt = 2x(t)eit dt. (4.24)
2
Hieruit volgt dat X de invFT is van 2 x. Je verkrijgt de volgende Fourier-paren:
x X, (4.25)
X 2 x, met x() = x(), (4.26)
X 2x, met X(t) = X(t). (4.27)
Het laatste paar verkrijg je door tijdsschaling (of preciezer: door tijdsomkering)
toe te passen op het vorige paar.
De D UALITEITSEIGENSCHAP is:
als x X, dan X 2 x, (4.28)
en heeft tot gevolg dat FT 2 (x) = 2 x. De drie koppels vat je samen als:
1
X x X 2 x. (4.29)
2
Beschouw de relatie
t 7 y(t) = x(p) (t) 7 Y () = (i) p X() (4.30)
en de relatie
t 7 y(t) = (it) p x(t) 7 Y () = X (p) (). (4.31)
Er is verondersteld dat x en X voldoende afleidbaar zijn. De relatie (4.30) volgt

door herhaaldelijke afleiding naar de tijd van (invFT). De relatie (4.31) volgt door
herhaaldelijke afleiding van (FT) naar de frequentie.
Als er een van beide relaties gekend is, kan de andere worden afgeleid door
oordeelkundig gebruik te maken van dualiteit. Als voorbeeld leiden we (4.31) af
uit (4.30) .
Pas (4.30) toe op het koppel X 2 x. Dit verklaart de eerste dubbelpijl in
de volgende relatie
t 7 X (p) (t) 7 (i) p 2 x() t 7 2 X^

(p) (t). (4.32)
De linker- en de rechter dubbelpijl in (4.32) corresponderen nu met de middenste

en de rechterpijl in (4.29); nu eerst de argumenten t en wisselen in beide leden
van de relatie corresponderend met de laatste dubbelpijl, dan op beide leden de
tilde-operator toepassen en vervolgens delen door 2: het gevraagde volgt.
4. DUALITEIT 75
4.2. Convolutie in het frequentiedomein. Steunend op dualiteit en op de

convolutie-eigenschap (4.21) vermoed je dat de FT van een product de convolu-
tie is van de Fourier-getransformeerden (op constante na). Je zou dit rechtstreeks
kunnen bewijzen door berekening; er volgt nu een bewijs steunend op reeds ge-
kende eigenschappen. Uit
1
X x X 2 x
2
1
Y y Y 2 y
2
volgt dat
X Y 2 x.2 y
en dus omwille van (4.29)(middenste pijl)
2x.y X Y. (4.33)
Deze eigenschap volgt ook uit:

1 1
X Y x.y
2 2
en dus opnieuw omwille van (4.29) (middenste pijl)
1
x.y X Y (4.34)
2
.
4.3. Dualiteit voor DFT. Het opstellen van de duale paren voor DFT gebeurt
d.m.v. dezelfde redenering.
Beschouw (DFT); er volgt
1
X(k) = px(n)eik0 n .
p np
(4.35)
Je verkrijgt de volgende Fourier-paren:
x X, (4.36)
X px, met x(k) = x(k), (4.37)
X px, met X(n) = X(n). (4.38)
Het laatste paar verkrijg je door argumentsomkering toe te passen op het vorige
paar.
6. VERALGEMEENDE FT 76
5. S OMMATIEFORMULE VAN P OISSON
RC
Beschouw een signaal x L2 ( , ) met FT-spectrum X. Met p > 0, p
R introduceren we het signaal + np
n= D x, in de veronderstelling dat de reeks
convergeert. We verifieren dat het nieuwe signaal periodiek is met periode p. Er
bestaat dus een FR-ontwikkeling:
+ + 2
x(t + np) = ck eik p t , (4.39)
n= k=
met
Z p +
1 2
ck = x(t + np)eik p t dt. (4.40)
p 0 n=
We veronderstellen dat integratie en sommatie mogen omgewisseld worden en

gaan over op een nieuwe integratieveranderlijke t y t = t + np
1 +
Z p
2
ck = x(t + np)eik p t dt
p n= 0
1 +
Z (n+1)p
2 2
= x(t)eik p t e|ik{zp np} dt
p n= np
1 (4.41)
1 +
Z
ik 2
p t
= x(t)e dt
p
1 2
= X(k )
p p
Na substitutie in (4.39) volgt de sommatieformule van Poisson
+
1 + 2 2
x(t + np) = X(n )ein p t . (4.42)
n= p n= p
In het bijzonder geldt voor t = 0
+
1 + 2
x(np) = X(n ). (4.43)
n= p n= p
6. V ERALGEMEENDE FT
We voeren de notatie 1 in voor het constante signaal R 3 t 7 1 R en we

bepalen FT van dit signaal.
eit a
Z +
1.eit dt = lim
a, b i b

1 a (4.44)
= lim (cos t i sin t)b
a, b i
= ?
Nochtans wensen we hieraan betekenis te geven; dit wordt mogelijk gemaakt door
veralgemeningen van functies, nl. distributies in te voeren.
De Dirac-impuls werd reeds ingevoerd in Hoofdstuk 3; hij is overal in R

gelijk aan 0,behalve in 0. De Dirac-impuls is een voorbeeld van een distributie;
distributies zijn operatoren die inwerken op testfuncties. De Dirac-impuls asso-
cieert met elke continue (test)functie [ R R] de waarde van in 0 op de
volgende wijze:
Z +
(t) (t) dt = (0) (4.45)

Deze integraaluitdrukking is een nuttige symbolische notatie zoals onmiddellijk
zal blijken. Ze heeft de volgende betekenis:
Z + Z +
1 !
(t) (t) dt , lim TS 1 g(t) (t) dt = (0) (4.46)
s0 s s
R +
Hierbij is g zodanig dat g(t) dt = 1 en verschillend van 0 in de oorsprong. Een
1
populaire keuze van s TS 1s g is
(
1
1 s 2s t s
2
TS 1 g(t) =
s s 0 elders in R
De symbolische integraaluitdrukking (4.45) is nuttig omdat ze dezelfde eigen-
schappen heeft als een gewone integraal, b.v. betreffende veranderen van veran-
derlijke en partiele integratie. Dit alles wordt gerechtvaardigd door de distributie-
theorie, maar valt buiten het bereik van de cursus. In wat volgt is een voldoende
reguliere functie in [ R C].
We hebben de volgende eigenschappen:
(1)
T S =
1
||
of (t) =
1
||
(t) t , 6= 0. R
(4.47)
Het bewijs is eenvoudig. Je verifieert dat beide uitdrukkingen hetzelfde

resultaat geven wanneer je ze toepast op testfuncties. Je mag de theorie
van integratierekening toepassen alsof je met reguliere functies te maken
hebt:
Z + +
1
Z

(t) (t) dt = () ( ) d
||
1
= (0)
||
(2) De betekenis van een verschoven impuls D volgt uit
Z + Z +

D (t) (t) dt = (t ) (t) dt

Z +
(4.48)
= (w) (w + ) dw

= ()
Op analoge manier toon je aan dat (laat de uitdrukkingen inwerken op

testfuncties)
D = ()D . (4.49)
(3) Met behulp van de vorige eigenschap volgt dat

Z +

D x(t) = D (v)x(t v) dv

= x(t ) (4.50)
= D x(t)
Hieruit volgt
D x = x D = D x (4.51)
(4) Om betekenis te geven aan de afgeleide (1) van een Dirac-impuls stel je
met behulp van partiele integratie het volgende vast
Z + + Z +
(1) (t) (t) dt = (t) (1) (t) dt

Z +
= (t) (1) (t) dt (4.52)

(1)
= (0)
(5) Voor (k) , k N volgt met k keer partiele integratie

Z +
(k) (t) (t) dt = (1)k (k) (0) (4.53)

(6) We beschouwen nu de afgeleide van de Heaviside-functie H:

(
H(t) = 0, t < 0
t R 7
H(t) = 1, t 0.
Deze functie is discontinu en zijn afgeleide bestaat dus niet in de klas-
sieke zin. Nochtans kan er betekenis aan gegeven worden in de zin van
distributies. We steunen weer op formeel rekenen.
Z + + Z +
(1)
H (t) (t) dt = H(t) (t) H(t) (1) (t) dt

Z
= lim (t) (1) (t) dt
t 0 (4.54)
= lim (t) lim (t) + (0)
t t
Z +
= (t) (t) dt

waaruit volgt dat

H(1) = . (4.55)
We keren nu terug naar de oorspronkelijke vraag naar de bepaling van FT(1). Met
onze kennis van distributies en in de veronderstelling dat de dualiteitseigenschap
ook geldt voor distributies verkrijgen we onmiddellijk een aantal fundamentele
signalen en hun Fourier-getransformeerde.
Steunend op de definierende eigenschap van de Dirac-impuls
Z +
(t)eit dt = 1 (4.56)

en op (4.29) volgt
1 2 (4.57)
en met =
1 2 , (4.58)
waarmee we een antwoord geformuleerd hebben op onze vraag. Op analoge wijze

(a R)
Da 7 eia 2 D
ga en dus (4.59)
t 7 eiat 2Da . (4.60)
Verder geldt ook (a R)

t 7 cos at (Da + Da ) (4.61)
t 7 sin at i(Da Da ) (4.62)
en
(n) 7 (i)n 2 g
(n) (4.63)
t 7 (it)n 2 (n) . (4.64)
Om te besluiten geven we nog zonder bewijs de FT van de Heaviside-functie

(
1
7 i , 6= 0,
H (4.65)
0 7 (0),
wat met x = kan genterpreteerd worden als een speciaal geval van
(
Z t 1
7 i X(), 6= 0,
x()d (4.66)
0 7 X(0) (0),
waarbij x X.
7. ENERGIESPECTRUM EN VERMOGENSPECTRUM 80
7. E NERGIESPECTRUM EN V ERMOGENSPECTRUM
7.1. Energiespectrum. Voor een signaal x [ R C] met eindige energie, is

2
R
de energie Ex = |x(t)| dt wegens de stelling van Parseval ook te schrijven als
1 R 2
2 |X()| d. We veranderen van veranderlijke: we gaan over van naar f ;
1
dit bevrijdt ons van de factor 2 in de uitdrukking van Parseval. Er volgt dan voor
f )|2 d f of 2
R R
de laatste uitdrukking |X(2 |X( f )| d f , met X( f ) = X(2 f ).
(Voor het gemak van notatie noteren we X in deze sectie opnieuw als X.)
De energie Ex ( f1 , f2 ) van x in het frequentie-interval [ f1 , f2 ] (m.a.w. de energie
corresponderend met de frequentiecomponenten van x in het frequentie-interval
[ f1 , f2 ]) wordt gegeven door de energie Ez van het signaal z verkregen na filtering
van x met een filter met frequentie-antwoord
(
1 f1 < f < f2 ,
H f1 , f2 = (4.67)
0 elders.
Dus
Z Z Z f2
Parseval
Ex ( f1 , f2 ) = Ez = |Z( f )|2 d f = |H f1 , f2 ( f )|2 |X( f )|2 d f = |X( f )|2 d f .
f1
(4.68)
Dit laat ons toe de spectrale energiedichtheid of het energiespectrum van x te de-
finieren als |X|2 . Energiespectra van een ingang x en de uitgang y corresponderend
met een LTI systeem met frequentie-antwoord H voldoen aan |Y |2 = |H|2 |X|2 .
7.2. Vermogenspectrum. Periodieke signalen hebben onbegrensde energie

maar eindig gemiddeld vermogen (cfr. Hoofdstuk 1 sectie 4). We wensen nu voor
vermogensignalen x met (gemiddeld) vermogen
Z +T /2
1
P = lim |x(t)|2 dt (4.69)
T T T /2
een vermogenspectrum Sx te associeren, waarbij Sx moet voldoen aan

Z
P= Sx ( f ) d f .

R C
We introduceren eerst het signaal xT [ ] en zijn Fourier getransformeerde:
(
x, T2 < t < T2 ,
Z Z T /2
it
xT = 7 XT () = xT (t)e dt = xT (t)eit dt.
0, elders. T /2
(4.70)
Er geldt nu
Z +T /2
1 1 1
Z Z
Parseval
P = lim |x(t)|2 dt = lim |xT (t)|2 dt = lim |XT |2 d f .
T T T /2 T T T T
(4.71)
7. ENERGIESPECTRUM EN VERMOGENSPECTRUM 81
Er volgt dus voor het totaal gemiddeld vermogen
1
Z Z
Sx ( f ) d f = lim |XT |2 d f . (4.72)
T T
We wensen nog iets meer, nl. dat (4.72) ook geldt binnen een frequentieband
[ f1 , f2 ] en dus dat Sx voldoet aan
Z f Z f
1
Sx ( f ) d f = lim |XT |2 d f . (4.73)
T T
In de veronderstelling dat de limietoperator en de integraaloperator kunnen wor-

den omgewisseld, volgt na afleiding naar f dat het vermogenspectrum (spectrale
vermogendichtheid) gegeven wordt door
|XT |2
Sx ( f ) = lim . (4.74)
T T
We bepalen nu invCTFT(Sx ):
1 |XT ()|2 it
Z
invCTFT(Sx )() = lim e d
2 T T
1
Z
= lim XT ()XT ()ei d
T 2T
Z Z T /2 Z T /2
1 0
= lim xT (t)eit dt xT (t 0 )eit dt 0 ei d
T 2T T /2 T /2
Z T /2 Z T /2
1 1
Z
0
= lim xT (t) xT (t 0 )( ei(tt +) d) dt 0 dt
T T T /2 T /2 2
1 T /2
Z T /2
1 i(t 0 ) it
Z Z
= lim xT (t) xT (t 0 )( e e d) dt 0 dt
T T T /2 T /2 2
1 T /2
Z Z T /2
= lim xT (t) xT (t 0 ) (t t 0 + ) dt 0 dt
T T T /2 T /2
Z T /2
1
= lim xT (t)xT (t + ) dt
T T T /2
= Rvx ().
(4.75)
Het vermogenspectrum Sx is dus de CTFT van de autocorrelatiefunctie Rvx :
Rvx Sx (4.76)
Er geldt dat de vermogenspectra van een ingang x en de uitgang y corresponderend

met een LTI systeem met frequentie-antwoord H voldoen aan (zonder bewijs)
Sy = |H|2 Sx . (4.77)
8. HET ONZEKERHEIDSPRINCIPE VAN HEISENBERG 82
8. H ET ONZEKERHEIDSPRINCIPE VAN H EISENBERG
Bestaat er een signaal x [ R C] waarvan de energie kxk2 over een beperkt

interval in de tijd gespreid is en waarvan de energie kXk2 van het spectrum X ook
over een beperkte frequentieband gespreid is?
Merk op dat de Dirac-impuls t 7 (t a) gelocaliseerd is in de tijd, en dat zijn
spectrum 7 eia een energie heeft die uniform gespreid is over alle frequenties.
Het lijkt er op dat sterke beperking in de tijd leidt tot brede verspreiding in het
frequentiedomein.
Je wordt in deze gedachte verder gesteund als je de spreiding van een sig-
naal x wenst te reduceren door het signaal xs , 1 TS 1 x, s < 1 te beschouwen (de
s s
coefficient zorgt ervoor dat de energie onveranderd blijft: kxs k2 = kxk2 ). Uit de

schalingseigenschap volgt dat Xs () = sX(s) een dilatatie ondergaat (uitge-
rekt wordt) met een factor 1s . Wat je dus wint in het tijdsomein verlies je in het
frequentiedomein.
De bedoeling is dit verschijnsel te kwantificeren. Het komt er eerst op aan
een grootheid te definieren die maatgevend is voor de spreiding van een signaal
over het domein R. In dat verband is het perfect verdedigbaar elke waarde t in
rekening te brengen in een maat voor de spreiding van het signaal x als x(t) 6= 0, en
dit in meerdere of mindere mate naargelang |x(t)| groter of kleiner is: elke waarde
1
t wordt gewogen met een gewicht kxk2
|x(t)|2 (de factor is zodanig begroot dat de
integraal van alle gewichten 1 is).
In de bovenstaande setting nemen we het gemiddelde van alle t-waarden (cfr.
cursus Waarschijnlijkheidsrekening en Statistiek)
Z +
1
tgem = t|x(t)|2 dt (4.78)
kxk2
en de maat voor spreiding (rond het gemiddelde) van t over R is dan ontleend uit
de spreiding (of de variantie) zoals gedefinieerd in de probabiliteitsleer:
Z +
1
t2 = (t tgem )2 |x(t)|2 dt (4.79)
kxk2
Op analoge wijze meten we de variantie van om zijn gemiddelde waarde gem :

Z +
1
2 = ( gem )2 |X()|2 d (4.80)
2kxk2
waarbij
Z +
1
gem = |X()|2 d. (4.81)
2kxk2
9. FOURIER-TRANSFORMATIES EN FOURIER-REEKSEN 83
De normalisatieconstante is in feite kXk2 en wegens de gelijkheid van Parseval ook

gelijk aan 2kxk2 .
Er geldt dan (we voorzien geen bewijs) het onzekerheidsprincipe van Heisen-
berg: de variantie in de tijd en in de frequentie voor signalen met eindige energie
(kxk2 < ) voldoen aan
1
t2 2 . (4.82)
4
8.1. Opmerkingen.
(1) Het resultaat geldt voor signalen x met kxk2 < . Relatief eenvoudige
bewijzen bestaan indien men bijkomende beperkingen oplegt op x, b.v.
met betrekking tot de wijze waarop x(t) 0 voor |t| .
1
(2) De ondergrens 4 wordt bereikt voor de klasse van signalen x met x(t) =
2
C R
aeigemtb(ttgem ) , met a , b >0 ; tgem en gem behoren tot R en de
symbolen zijn wel degelijk suggestief.
(3) Het Heisenberg-principe heeft een belangrijke interpretatie in de quan-
tummechanica. De toestand van een vrij deeltje in de 1-dimensionale
1
ruimte wordt voorgesteld door een golffunctie x, met kxk2
|x(t)|2 een waar-
schijnlijkheidsdichtheid; zij drukt de waarschijnlijkheid uit dat het deeltje
1
gelocaliseerd is op plaats t. De uitdrukking 2kxk2
|X()|2 is de waar-
schijnlijkheid dat het moment van het deeltje gelijk is aan . Het Hei-
senberg-principe zegt dat je niet onbeperkt de onzekerheid betreffende
positie en moment van een vrij deeltje tegelijkertijd kan reduceren.
9. F OURIER - TRANSFORMATIES EN F OURIER - REEKSEN
9.1. Eindige discrete-stap signalen. In deze paragraaf zullen we van een

eindig signaal x : [0, p 1] C, p N twee uitbreidingen beschouwen en hun
Fourier-getransformeerden vergelijken.
(1) Associeer met x zijn triviale uitbreiding xtriv [ Z C] als volgt gedefi-
nieerd: (
x(n) n = 0, 1, . . . , p 1,
xtriv (n) = (4.83)
0 elders.
DTFT [
De DTFT van xtriv , genoteerd als Xtriv R C]2 wordt gegeven door
+ p1
DTFT
Xtriv () = xtriv (n)ein = x(n)ein (4.84)
n= n=0
(2) Associeer anderzijds met x zijn periodieke uitbreiding xper [ Z C] p,

met
+
xper = Dmp xtriv en dus (4.85)
m=
+
xper (n) = xtriv (n mp). (4.86)
m=
Deze definitie van xper als een oneindige som van verschoven xtriv -signalen
heeft betekenis. Er volgt voor de DFT-getransformeerde, genoteerd als
DFT [
Xper Z C] p
p1 p1
2
DFT
Xper (k) = xper (n)eik n = x(n)eik n ,
0 0
0 =
p
(4.87)
n=0 n=0
DFT een gesampelde versie is van
Uit vergelijking van (4.84) en (4.87) volgt dat Xper
DTFT :
Xtriv
DFT
Xper DTFT
(k) = Xtriv (k0 ), Z
k , of k = 0, 1, . . . , p 1. (4.88)
9.2. Eindige continue-tijd signalen. We herhalen nu het bovenstaande voor

een eindig continue-tijd signaal x : [0, p) C; m.a.w. er wordt gevraagd de relatie
FR en X FT . Aangezien
te bepalen tussen en Xper triv
Z + Z p
FT
Xtriv () = xtriv (t)eit dt = x(t)eit dt (4.89)
0
en Z p Z p
1 1
FR
Xper (k) = xper (t)eik0t dt = x(t)eik0t dt (4.90)
p 0 p 0
volgt
FR
Xper (k) =
1 FT
X (k0 ),
p triv
k . Z (4.91)
9.3. Periodieke continue-tijd signalen. Van een periodiek continue-tijd sig-

naal x [ R C] p kan je zowel de FR-ontwikkeling nemen als de FT. We onder-
zoeken nu de relatie tussen beide uitdrukkingen.
Uit de definitie van de FR-ontwikkeling van x volgt, met X FR [ Z C], en
2
met 0 = p :
+
x(t) = X FR (k)eik0t . (4.92)
k=
Om de relatie van X FR [ Z C] met het FT-spectrum X FT [R C] te onder-
zoeken neem je de Fourier-getransformeerde van (4.92):
+
X FT () = 2X FR (k) ( k0 ). (4.93)
k=
Het FT-spectrum is een (oneindige) som van Dirac-impulsen met intensiteit be-
paald door de FR-componenten en gelokaliseerd op plaatsen k0 op de frequentie-
as R.
9.3.1. Voorbeeld. Beschouw het signaal R 3 t 7 cos 0t R. Aangezien
1
cos 0t = (ei0t + ei0t ) (4.94)
2
volgt voor het FR-spectrum
(
1
k = 1, 1,
X FR (k) = 2
0 elders in . Z (4.95)
en dus voor het FT-spectrum
X FT () = ( + 0 ) + ( 0 ). (4.96)
9.3.2. De kam-distributie. Beschouw een oneindige som van verschoven Di-

rac-impulsen de kam-distributie of (slordig geformuleerd) de kam-functie; ge-
vraagd wordt de FT te bepalen (p R, p > 0):
+
Dkp ? (4.97)
k=
De volgende uitdrukking van de FT heb je onmiddellijk (we kennen reeds de

Fourier-getransformeerde van een verschoven impuls):
+ +
Dkp 7 eikp . (4.98)
k= k=
De kam-functie x is periodiek met periode p en heeft dus een Fourier-reeks

+ 2
x(t) = X(k)eik p t , (4.99)
k=
met
Z + p + Z +p
X(k) =
1
p
2
2p
ik 2
(t l p)e p t dt =
1
p
2
2p
(t)eik
2
p t dt =
1
p
Z
, k .
l=
(4.100)
Steunend op (4.93) verkrijgt men:
+ +
2 2
Dkp Dk p . (4.101)
k= p k=
De uitdrukkingen van de Fourier-getransformeerden in (4.98) en (4.101) zijn gelijk

in de zin van distributies. Het bewijs hiervan valt buiten het bereik van de cursus.
9.4. Periodieke discrete-stap signalen. Van een periodiek discrete-stap sig-

Z C] p kan je zowel de DFT nemen als de DTFT. We onderzoeken nu
naal x [
de relatie tussen beide uitdrukkingen.
Uit de definitie van invDFT volgt, met X DFT [ Z C] p, en met 0 = 2p :
1 p1 DFT
x(n) = X (k)eik0 n .
p k=0
(4.102)
Om de relatie van het DFT-spectrum X DFT [ Z C] p met het DTFT-spectrum

X DTFT [ R C]2 te onderzoeken neem je de DTFT van (4.102):
1 p1 DFT
X DTFT () = X (k)DTFT(eik0 n ) (4.103)
p k=0
Hoe bepalen we nu DTFT(eik0 n )? Het continue-tijd geval zoals behandeld in
vorige paragraaf stelde geen problemen.1 Voor het onderhavige geval kunnen we
geen dualiteit gebruiken. Maar niet getreurd.
We suggereren het volgende steunend op wat we weten over het continue-tijd
geval en het feit dat de DTFT-getransformeerde 2-periodiek is:
+
eik0 n 2 ( k0 + M2). (4.104)
M=
Uitdrukking (4.103) wordt dan
1 p1 DFT +
X DTFT () =
p k=0
X (k)(2 ( k0 + M2)), R. (4.105)
M=
M.a.w. het spectrum is periodiek met periode 2. Binnen een periode wordt het
spectrum voorgesteld door de volgende uitdrukking
p1
2
X DTFT () = X DFT (k) ( k0 ) [0, 2). (4.106)
p k=0
Nu volgt nog een bewijs van (4.104), waarbij men genteresseerd is in de uit-
drukking van links naar rechts. Om dit te bewijzen gaat men de uitdrukking van
rechts naar links bewijzen (eenvoudig, zoals zal blijken); hiermee is de andere
richting ook bewezen aangezien er een 1 : 1-relatie is tussen beide leden.
Z 2 +
1
invDTFT(rechterlid(4.104)) = (2 ( k0 + M2))ein d
2 0 M=
Z 2
= ( k0 )ein d
0
ik0 n
=e .
(4.107)
1De bepaling van FT(eik0 t ) volgde onmiddellijk, want reeds vroeger bepaald steunende op de
dualiteitseigenschappen van FT.
De voorlaatste stap volgt uit het feit dat van de oneindige som van Dirac-impulsen
slechts diegene corresponderend met M = 0 verschillend van 0 is in het interval
[0, 2) en dus een bijdrage levert in de integraal. De Dirac-impuls ( k0 ) 6= 0
in k0 en k0 [0, 2), k = 0, 1, . . . , p 1.
HOOFDSTUK 5
Sampling
1. S AMPLEN VAN CONTINUE - TIJD SIGNALEN
Beschouw het systeem
SamplerT : [R C] [Z C], T > 0, T R (5.1)

x 7 y, y(n) = x(nT ), n Z (5.2)
dat continue-tijd signalen omzet in discrete-tijd signalen door restrictie van het
signaal tot uniform gespreide punten. We zeggen dat y ontstaat uit x door (uni-
forme) sampling. We noemen T het sample-interval (of bemonsteringsinterval);
het drukt de tijd uit die verloopt tussen 2 samples en wordt uitgedrukt in [se-
1
conde/sample]. De samplefrequentie fs = T drukt het aantal samples per seconde
uit. De samplefrequentie kan ook worden uitgedrukt door s = 2 fs in [rad/s].
Het is zonder meer duidelijk dat het gesamplede signaal y minder informatie
bevat dan het oorspronkelijke signaal x: je kan je onmiddellijk een aantal signa-
len voorstellen die na sampling alle gelijk zijn. We analyseren dit verder voor de
complexe exponentielen. Beschouw het signaal x [ R C] gegeven door
t 7 ei2 f t ; (5.3)
dan verkrijgen we corresponderend met een sampleperiode T het gesamplede sig-

Z C] gegeven door
naal y [
n 7 ei2 f nT . (5.4)
De signalen xN [R C], N Z beschreven door

1
t 7 ei2( f +N fs )t , fs = (5.5)
T
leiden alle tot hetzelfde gesamplede signaal y omdat
ei2( f +N fs )nT = ei2 f nT ei2N fs nT
= ei2 f nT ei2Nn (5.6)
= ei2 f nT .
88
2. RECONSTRUCTIE; EEN MATHEMATISCH MODEL 89
r
r r
x x0 r
- -
t r t
r r
r r r r
y x1
r r
- -
r n r t
F IGUUR 1. Oorspronkelijk signaal x, gesampled signaal y, zero

order hold signaal x0 en first order hold signaal x1
De signalen xN zijn dus niet te onderscheiden van x na sampling. Men zegt dat elke
xN een alias is van x.
2. R ECONSTRUCTIE ; EEN MATHEMATISCH MODEL
In de vorige paragraaf introduceerden we het samplingproces; in de huidige

paragraaf bestuderen we het inverse proces.
(1) Hoe reconstrueren we een CT signaal uit een DT signaal?
(2) Is het mogelijk het oorspronkelijke signaal x uit het gesamplede signaal y
te reconstrueren?
Het signaal x [R C] gereconstrueerd uit y is meestal een benadering van x.
Slechts in het geval dat er bijkomende informatie gegeven is, kan men zich af-
vragen of er een ideale reconstructie mogelijk is, nl. zo dat x = x; zie Paragraaf
3.
Populaire reconstructiemethodes (of interpolatiemethodes), gellustreerd in Fig.
1 zijn de zero order hold die aanleiding geeft tot x0 [ R C] en de first or-
der hold of linaire interpolatie die aanleiding geeft tot x1 [R C]. Om het
sample- en reconstructieproces beter te bestuderen voeren we een mathematisch
model in. Zie Fig. 2. Het reconstructieproces wordt hierbij opgesplitst in een
cascade van een impulsgenerator en een nog te bepalen LTI-systeem. De impuls-
generator genereert een string van Dirac-impulsen als volgt:
ImpulsgeneratorT : y [ Z C] w [R C] (5.7)
k=
w= y(k) DkT . (5.8)
k=
2. RECONSTRUCTIE; EEN MATHEMATISCH MODEL 90
y[ Z C]- R- C]
x [
Reconstructor
y[ Z C-
]
-generator
w[ R C-] R C]
x [
T LTI -
F IGUUR 2. Mathematisch model voor reconstructie
We karakteriseren het LTI-gedeelte van de reconstructor door zijn impulsantwoord.

Er zal blijken dat een LTI systeem met een specifiek gekozen impulsantwoord een
specifieke interpolatie realiseert.
2.1. Zero order hold. Kies het impulsantwoord

(
1 0 t < T,
hTu (t) = (5.9)
0 elders.
Dan is
x = hTu w
k=
= hTu y(k) DkT
k=
(5.10)
k=
kT
= y(k) D hTu , wegens (4.51)
k=
= x0 , (zie Fig. 1).
2.2. First order hold. Kies nu het impulsantwoord

t
1 + T T t 0,

hT (t) = 1 Tt 0 t T, (5.11)

0 elders.

Dan is
x = hT w
k=
= hT y(k) DkT
k=
(5.12)
k=
kT
= y(k) D hT
k=
= x1 , (zie Fig. 1).
Voor de laatste stap is Fig. 3 een grafische ondersteuning van de argumentatie.
Het is interessant op te merken dat de zonet bestudeerde interpolatiemethodes een
goede benadering zijn van het oorspronkelijke signaal in het tijdsdomein zeker
als de sampling-periode T klein genoeg gekozen is. Het is echter best mogelijk
3. HET SAMPLING-THEOREMA 91
y(k + 1)
x 6
y(k)
t
-
(k 1)T kT (k + 1)T (k + 2)T
F IGUUR 3. Lineaire interpolatie
dat de benadering in het frequentiedomein niet zo goed is. Inderdaad voert zero-
order hold steeds discontinuten in, niet noodzakelijk aanwezig in het oorspronke-
lijke signaal x; dit leidt tot hoge frequentiecomponenten in het spectrum van x0 .
First order hold voert in het gereconstrueerde signaal steeds hoeken in, ook daar
waar het oorspronkelijke signaal geen hoeken bevat; dit correspondeert ook met
de invoering van hoge frequentiecomponenten in x1 en dus tot een gereconstrueerd
signaal met een mogelijks fel afwijkend spectrum.
In de volgende paragraaf zullen we de reconstructie in het frequentiedomein
bestuderen, wat uiteindelijk zal leiden tot het Nyquist-Shannon sampling-theorema.
3. H ET SAMPLING - THEOREMA
We breiden Fig. 2 uit door ook de SamplerT op te nemen in het mathematisch

model (zie Fig.4); we zullen echter alle signalen beschrijven in het frequentiedo-
mein. Wat ons eerst interesseert is een uitdrukking van het spectrum W in functie
van het spectrum X.
x[R C-] Sampl Z C-]

y[
-genT
w[ R C-] R -C]
x [
T LTI
F IGUUR 4. Van oorspronkelijke signaal naar het gereconstrueerde signaal
Je zal merken dat je zelf op basis van een onderzoek van W het sampling-
theorema zal kunnen formuleren. Inderdaad zal op natuurlijke wijze volgen onder
welke voorwaarden op het spectrum X en op de sampling-frequentie fs , het spec-
trum X uit W kan afgeleid worden; dit leidt tot een formulering van het sampling-
theorema. Bovendien bestaat er onder deze voorwaarden een LTI-systeem dat een
exacte reconstructie realiseert, i.e. zodat X = X en dus x = x. Een suggestie voor
een LTI-systeem dat deze ideale interpolatie realiseert ligt zoals zal blijken
voor de hand.
3.1. Het Nyquist-Shannon theorema. Met de notatie uit Fig. 4 volgt

k=
w= y(k) DkT
k=
k=
= x(kT ) DkT (5.13)
k=
k=
=x DkT , wegens (4.49).
k=
Op basis van de uitdrukking van de Fourier-transformatie van een product (cfr.
(4.33)) en de Fourier-transformatie van de kam-functie (cfr. (4.101)) volgt voor de
spectra (W is een FT)
k=
1 2 2
W= X Dks , s =
2 T k= T
(5.14)
k=
1 ks
= D X, wegens (4.51).
T k=
1
Het spectrum W is op een constante T na een oneindige som van verschoven versies
van X (verschoven over een geheel veelvoud van s ).
In het algemene geval overlappen de verschoven versies van X. Als men veron-
derstelt dat X beperkt is in bandbreedte en ook dat de verschuivingen groot genoeg
zijn (door s groot genoeg te maken of m.a.w. door snel genoeg te samplen) vind
je in W het oorspronkelijke spectrum X terug. Zie Fig. 5.
We geven nu een expliciete formulering van het Shannon-Nyquist sampling-
theorema. Veronderstel dat het signaal x bandbegrensd is:
X() = 0, || > M (5.15)
met M de kleinste positieve frequentie waarvoor dit geldt. Onder de voorwaarde

dat
s > 2M (5.16)
geldt dat, omwille van (5.14),
T.W |[M ,M ] = X (5.17)
waarbij W |[M ,M ] staat voor W beperkt tot [M , M ] en triviaal uitgebreid naar

R. Dit is het Shannon-Nyquist sampling-theorema: Als men minstens 2 maal zo
snel samplet als de maximale frequentie in het bandbegrensd spectrum van een sig-
naal, dan zijn de spectra van het gesampelde signaal en het oorspronkelijk signaal
gelijk voor frequenties behorend tot de bandbreedte van het oorspronkelijk signaal
(op de sampling-periode T na).
X
6
1
-
M M
W
6 1
T
H
T6
-
s c c s
6X = X
1
-
M M
F IGUUR 5. Spectrum van gesampled signaal en blok-keuze van
de reconstructor
3.2. Ideale interpolatie. Een interpretatie in het tijdsdomein van (5.17) is dat
(onder de reeds vermelde voorwaarden) x volledig gedetermineerd wordt door zijn
samples. De reconstructie van het oorspronkelijk signaal uit het gesamplede sig-
naal kan gerealiseerd worden door een LTI-systeem gekarakteriseerd door zijn fre-
quentieantwoord.
R C
Introduceer het frequentieantwoord Huc [ ], c > 0
(
c 1 || < c
Hu () = (5.18)
0 elders.
Dan volgt onder de voorwaarde (5.16) op de bandbreedte en op de samplingfre-
quentie dat
(5.17)
X = T.Huc W = X, (5.19)
met
M < c < s M (5.20)
s
(je verifieert dat c = 2 een goede keuze is). Het systeem voorgesteld door het
frequentieantwoord T Huc is dus een ideale reconstructor. Er zijn uiteraard alterna-
tieven; b.v. elk frequentieantwoord

T
|| M ,
Halt = 0 || (s M ), (5.21)

willekeurig elders,

vervult de rol van ideale reconstructor.

We bepalen het impulsantwoord corresponderend met Huc . Beschouw het sig-
naal in [ R C]
R,
(
1 |t| < a, a
Hua (t) = (5.22)
0 elders;
dan heb je wegens dualiteit
2 sin(a)
Hua 7 2 H fua en dus (5.23)

2 sin(ta)
t 7 2Hua of (5.24)
t
sin(ta)
t 7 Hua . (5.25)
t
Het impulsantwoord corresponderend met het frequentieantwoord T.Huc wordt ge-
geven door
sin ct c T sin ct
hc (t) = T. = (5.26)
t ct
en voor het gereconstrueerde signaal geldt
k=
x = x = hc w = x(kT ) DkT hc (5.27)
k=
of
R.
k=
c T sin c (t kT )
x(t) = x(kT ) , t (5.28)
k= c (t kT )
Dit drukt uit hoe het signaal x bepaald wordt aan de hand van zijn samples d.m.v.
ideale interpolatie of sinc-interpolatie. Deze benaming is gesteund op de functie
sinc : R R met voorschrift (
sin( )
=6 0,
sinc( ) =
1 = 0.
3.3. Heuristische kijk op het sampling-theorema. We wensen nu op basis
van een eenvoudige observatie de voorwaarde (5.16) aannemelijk te maken.
Veronderstel X() = 0, || > M met M zoals hoger gedefinieerd. De com-
ponent in x met hoogste freqentie is dus gegeven door de exponentiele
x0 : t 7 ei2 fM t . (5.29)
Dit signaal leidt na sampling met sample-interval Ts tot
y0 : n 7 ei2 fM nTs . (5.30)
We weten nu (cfr. Sectie 1) dat de volgende signalen mogelijke aliassen voor x0

zijn
xN : t 7 ei2( fM +N fs )t , N ; Z (5.31)
4. ALTERNATIEF BEWIJS VAN HET SAMPLING THEOREMA 95
Al deze signalen geven na sampling y0 . Als we kunnen verzekeren dat y0 enkel kan
voortkomen uit x0 dan zijn er geen aliassen en is er een 1 : 1-relatie tussen x0 en y0 .
Merk op dat de aliassen frequentie fM + N fs , N Z hebben en geen com-
ponenten van x zijn als de samplefrequentie fs groot genoeg is; deze frequenties
bevinden zich dan buiten de bandbreedte van x. Alle aliassen met N > 0 behoren
niet tot x wegens de veronderstelling over X. Als we nu eisen dat (corresponderend
met N = 1)
fM fs < fM of fs > 2 fM , (5.32)
dan is er geen enkele alias die behoort tot x. Je verifieert zelf onmiddellijk dat
met deze samplefrequentie ook de componenten in x met lagere frequentie geen
aliassen hebben.
4. A LTERNATIEF BEWIJS VAN HET SAMPLING - THEOREMA EN IDEALE

INTERPOLATIE
We vertrekken van de uitdrukking van Poisson (4.42)

+ +
x(t + nT ) =
1
T X(n
2 in 2 t
T
)e T , t R. (5.33)
n= n=
en passen ze toe op
+ +
2
X( ks ) = X( + ks ), met s =
k= k= T
+
=
1

s k=
2
s
2
FT(X)(k )eik s , R, wegens Poisson
1 +
=
s k=
2
s
2
2x(k )eik s , R, wegens dualiteit
+
=T x(kT )eikT , R, wegens k y k
k=
(5.34)
Vermenigvuldig nu links en rechts met Huc zoals gedefinieerd in (5.18), dan zal
met M < c < s M (voor de betekenis van deze symbolen, zie hoger) gelden
+
X() = T x(kT )Huc ()eikT , (5.35)
k=
en aangezien
sin c (t kT )
t 7 7 Huc ()eikT (5.36)
(t kT )
volgt na inverse Fourier-transformatie
R.
k=
c T sin c (t kT )
x(t) = x(kT ) , t (5.37)
k= c (t kT )

Sysi

Uploaded by

Copyright:

Available Formats

You might also like

Sysi

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Sysi

Uploaded by

Copyright:

Available Formats

Systemen en Signalen

Prof. dr. ir. Dirk Aeyels

U NIVERSITEIT G ENT, O NDERZOEKSGROEP SYST E MS, T ECHNOLOGIE -

Maak er wat van

The harder you practice, the luckier you get

Hoofdstuk 1. Signalen en Systemen 1

Hoofdstuk 3. Het Impulsantwoord, het Frequentieantwoord en de

6. H ET FREQUENTIEANTWOORD EN DE OVERDRACHTSFUNCTIE VAN

In dit eerste hoofdstuk voeren we de begrippen signalen en systemen in. Dit

F IGUUR 1. Systeem als blokdiagram

Deze voorstelling suggereert dat een systeem signalen accepteert (aanvaardt)

Signalen en systemen zijn functies.

Functies kunnen op verschillende manieren gekarakteriseerd worden. We bespre-

2. S IGNALEN ALS FUNCTIES

2.1. Geluid. Een eerste voorbeeld is

Geluid : Ti jdsinterval R Druk R. (1.1)

Het codomein Druk bevat mogelijke luchtdrukwaarden gerefereerd t.o.v. de

SampleGeluid : DiscreteTi jdsinterval Z Druk R. (1.2)

Geluid : [0, 15] Druk (1.3)

waarbij SampleGeluid(t) = Geluid(t), met t [0 : 1/10000 : 15]. Ik heb hier en

Als de elementen in het domein van Geluid uitgedrukt worden in seconden

KwantGeluid : DiscreteTi jdsinterval Z DiscreteWaarden R, (1.5)

waarbij KwantGeluid(t) = at , met at DiscreteWaarden R zo dicht mogelijk

Toon : Ti jdsinterval RR Toon(t) = P sin(2440t). (1.7)

2[radialen/cyclus] 440[cycli/seconde] t[seconden] = 2440t[radialen],

Nog enkele losse bedenkingen:

2.2. Beeld. We onderzoeken in deze paragraaf beeldsignalen. Naast hun in-

BeeldA4 : [0, 210] [0, 297] R R [0, Bmax] R (1.8)

Beeld : V L HL R R Intensiteit = [0, 1] R. (1.10)

KleurBeeld : V L HL [0, 1]3 (1.11)

ComputerBeeld : DVL DHL GG8 (1.13)

Tabel : GG8 (GG8)3 x 7 Tabel(x) = (r, g, b), (1.16)

met r, g, en b elementen van GG8.

3Afkortingen die in het Engels zijn overgenomen.

3. D EFINITIE VAN SIGNALEN

uitdrukt dat y bepaald wordt door x.

(1) DECLARATIE: vooral gebruikt in de wiskunde, want interessant voor ana-

(2) PROCEDURE: vooral gebruikt om signalen te synthetiseren (ook om sys-

t = [0 : 1/8000 : 1]; (1.18)

Bepaal zelf de overeenkomstige X,Y, x, en y.

Gra f (signaal) = {(x, y) : y correspondeert met x} X Y. (1.21)

Een grafische voorstelling hiervan is een plot of grafiek. Je kan Geluid

ResultaatStudenten2deBachelor : Studenten [0, 20]. (1.22)

(4) COMPOSITIE of SAMENSTELLING:

Met f1 : X Y en f2 : X 0 Y 0 , waarbij Y X 0 , (1.23)

f2 f1 : X Y 0 x 7 f2 f1 (x) = f2 ( f1 (x)). (1.24)

x(t) = 02 x(t), (1.25)

met als mogelijke oplossing het signaal

Een signaal x : R C is een energiesignaal als zijn signaalenergie of kortweg

Signalen met onbegrensde signaalenergie komen frequent voor (b.v. periodieke

en voor discrete tijd signalen

Voor vermogensignalen wordt de kruiscorrelatiefunctie Rvx,y : R C gedefinieerd

of (Rx (t))2 Rx (0)Rx (0) of |Rx (t)| Rx (0).

5. S YSTEMEN ALS FUNCTIES

(1) OPSLAAN: muziek opgeslagen op CD.

We introduceren nu het begrip signaalruimte, genoteerd als [D CoD]:

[D CoD] = {x|x : D CoD en bepaalde eigenschappen}. (1.36)

Geluid behoort tot [[0, 1] Druk]. Een systeem S is een functie:

S : [D CoD] [D0 CoD0 ]