SISTEMI LINEARI

(a) Il segnale x(t) in

SCHEMA A BLOCCHI DI UN SISTEMA (LINEARE)

ingresso passa attraverso

la trasformazione F{} e
produce luscita y(t)

(b) Luscita y(t)

rappresentata dalla
convoluzione
dellingresso x(t) e della
risposta impulsiva del
sistema h(t)

RAPPRESENTAZIONE NEL DOMINIO DEL TEMPO

(c) La trasformata
delluscita data dal
prodotto della
trasformata dellingresso
e della funzione di
trasferimento
RAPPRESENTAZIONE NEL DOMINIO DELLA FREQUENZA

RISPOSTA IMPULSIVA
Per il sistema lineare, causale (le uscite non possono precedere gli
ingressi), DT:

Si consideri lingresso
(impulso unitario):
Luscita data da:

1
x(k) (k)
0

k0
k0

y(k) F[ x(k)] F[(k)] h(k)

Dove h(k) definita come la risposta impulsiva (risposta allimpulso

unitario) del sistema.
Sistema (filtro) FIR (Finite Impulse Response): h(k)=0 k>K, |K|<
Sistema (filtro) IIR (Infinite Impulse Response): altrimenti

CONVOLUZIONE
Si consideri un ingresso arbitrario x(k), che si pu scrivere come:

Quindi lunico
termine 0 si
ha per i=k

Poich y(k)=F[x(k)], e per la linearit: F[x(i)(k-i)]=x(i)F[(k-i)], si ha:

E per definizione di h(k): y(k) x(i)h(k i) h(i)x(k i)

SOMMA DI
CONVOLUZIONE

OSSERVAZIONI

Loperatore convoluzione gode delle propriet: associativa, commutativa e

distributiva.

La risposta impulsiva un modo di esprimere la memoria di un

sistema, analogamente all autocorrelazione (AC).

Si pu mostrare che lAC di una funzione di risposta impulsiva ancora una

funzione di risposta impulsiva, quindi (k) scorrelata e non ha memoria.

I valori dellingresso di un sistema sono pesati dai valori della risposta

impulsiva e sommati per generare luscita.

Poich la risposta impulsiva la soluzione a stato zero di un sistema

descritto da unequazione differenziale con in ingresso una funzione
impulsiva, i parametri della risposta impulsiva si ottengono dai
coefficienti dellequazione differenziale (particolarmente utile per
equazioni del 1 e 2 ordine).

CONVOLUZIONE E FILTRAGGIO
Il processo di convoluzione fra la risposta impulsiva di un
sistema lineare ed un segnale di ingresso, la
rappresentazione del filtraggio nel dominio del tempo.
La conoscenza della risposta di un sistema al gradino (impulso)
unitario consente unindagine quantomeno qualitativa della sua
risposta impulsiva, da cui si pu stimare la risposta ad un
qualunque ingresso.
Si noti che non necessario conoscere lequazione differenziale
del sistema per predire il suo comportamento, se possibile
determinarne la risposta impulsiva.

SISTEMI LINEARI DT
Ogni successione discreta (DT=Discrete-Time) f(n) si pu scrivere come:

Con:

risposta impulsiva unitaria

Luscita g(n) corrispondente ad un ingresso arbitrario f(n) data dalla

convoluzione discreta:

Per sistemi causali (luscita non pu precedere lingresso) g(n) dipende solo
da f(k), kn, da cui: h(k)=0 per k<0

TRASFORMATA Z
E essenzialmente una variante della DFT, ma di uso pi semplice in molte
applicazioni. E lequivalente TD della trasformata di Laplace per sistemi TC.
Data una successione discreta xk la sua trasformata z, X(z) :
X( z )

x k z k x 0 x 1z 1 x 2 z 2 ...

( 1)

k 0

N.B.: La trasformata z si ottiene dalla DFT per N e z=exp(-j2m/N).

Nella maggior parte dei sistemi biologici, la trasformata z del segnale
(campionato) stimata solo per k=0,1,2,, N-1.
Per un segnale x(t) campionato con periodo T, si ha la successione
x=[x(0), x(T), x(2T), , x(kT)]
Dalla (1) la sua trasformata z quindi:
X(z)=x(0)+ x(T)z-1+ x(2T)z-2++ x(kT)z-k
z-k pu quindi essere visto come loperatore di shift, che ritarda un
campione di segnale di esattamente k intervalli di campionamento, kT.

TRASFORMATA Z
Propriet della trasformata Z (*=trasposto coniugato)

FUNZIONI RAZIONALI IN Z
Classe importante per le applicazioni sia nel dominio del tempo che della frequenza
(analisi spettrale). Lingresso x(n) e luscita y(n) sono legati dalla relazione:
y(n)

x(n)
h(n)

La trasformata Z :

Forma fattorizzata

Forma polinomiale

La funzione I/O del sistema quindi un polinomio razionale in z:

Zeri = radici del numeratore; Poli = radici del denominatore

La forma fattorizzata mette in evidenza zeri (zk) e poli (pk). I poli complessi coniugati
costituiscono le risonanze del sistema

FILTRI ANALOGICI
Si possono considerare una classe di
sistemi lineari usata frequentemente per
lanalisi di sistemi biologici.
I filtri si usano per rimuovere
componenti di rumore indesiderate dal
segnale,
che
possono
causare
distorsioni e rendere difficile o
addirittura errata la diagnosi.
Si possono distinguere tre classi
principali di filtri: passa-basso, passabanda, passa-alto.
A-Passa-basso: eliminano le alte
frequenze
ed
eventualmente
amplificano le basse;
B-Passa-alto: svolgono la funzione
opposta dei passa-basso;
C-Passa-banda: rimuovono sia le alte
che le basse frequenze, preservando
una banda opportuna.

FILTRI ANALOGICI
Essendo sistemi lineari, nel dominio del tempo luscita del filtro data
dalla convoluzione fra lingresso e la risposta impulsiva del filtro stesso.
Nel dominio della frequenza la trasformata delluscita data dal
prodotto della trasformata dellingresso e quella del filtro. In figura
mostrato il caso del filtro ideale passa-basso:

Risposta impulsiva h(t) del filtro:

hLP(t)=Wcsinc(Wct)/, dove Wc=2fc
la frequenza di cutoff.

Funzione di trasferimento H() del filtro

ideale passa-basso. HLP()=1 per ||<Wc,
0 altrove.

Per il filtro ideale passa-alto si ha: hHP(t)= (t)- hLP(t) e HHP()=1- HLP()
Per il filtro ideale passa-banda si ha: hBP(t)= hHP(t)* hLP(t) e HBP()= HHP()HLP()

FILTRI DIGITALI
Sono descritti da equazioni alle differenze (essenzialmente equazioni
differenziali discretizzate). La forma generale :

Dove x(k)=ingresso, y(k)=uscita. Ad esempio, per M=2, N=2, si ha:

I filtri digitali possono essere definiti dalla risposta impulsiva e dalla

somma di convoluzione:

Filtri FIR: la risposta impulsiva ha un numero finito di valori diversi da zero;

Filtri IIR: la risposta impulsiva ha un numero infinito di valori diversi da zero.
Utili per simulare filtri analogici utilizzando pochi parametri.

DA FILTRO DIGITALE A FUNZIONE

DI TRASFERIMENTO
La funzione di trasferimento per il sistema (filtro) digitale H(z) si pu
ottenere dallequazione alle differenze vista per la trasformata z. H(z) il
rapporto fra la trasformata z delluscita, Y(z) e quella dellingresso X(z):

ESEMPI
ES.1: Trovare la risposta impulsiva del filtro FIR: y(k)=1/3x(k)+1/3x(k-1)+1/3x(k-2)
ES.2: Trovare la funzione di trasferimento del filtro IIR: y(k)-1/2y(k-1)=1/2x(k)

Entrambi i filtri sono passa-basso, ma con prestazioni molto inferiori a quelle del
filtro ideale mostrato in figura.

FILTRAGGIO DEL RUMORE

Le misure dei segnali biologici sono spesso mescolate a rumore di
misura. Molte classi di segnali biologici sono modellizzate come la somma
di una componente ideale priva di rumore, x(t) e un termine indipendente di
rumore n(t):

xi(t) = x(t) + ni(t)

Il segnale xi(t) corrisponde alla i-ma prova o misura del segnale.
Bench la componente deterministica x(t) sia fissa per ogni misura, il
termine di rumore n(t) rappresenta la variabilit intrinseca del segnale, che
pu avere origini diverse.
Ad esempio, una elettrodo in una misura di ECG pu registrare segnali
estranei a quello in esame, provenienti dai muscoli, polmoni ed anche
dallelettronica interna allo strumento (ad es., un rumore a 60 Hz dovuto
allalimentatore). Questi segnali costituiscono quindi il rumore presente sul
segnale ECG.

FILTRAGGIO DEL RUMORE

Tramite i filtri visti, possiamo separare il segnale dal rumore, a patto che i
rispettivi spettri non si sovrappongano. Questo in genere non accade con i
segnali biologici.
I segnali biologici sono in maggior parte periodici, ma, per la loro intrinseca
variabilit, da prevedere la presenza di una qualche forma di rumore.
Un modo per calcolare le variabili cliniche di interesse quello di riferirsi
alla media aritmetica, ma questo spesso impossibile a causa del rumore
presente sulle singole misure.
In alternativa, si pu calcolare la media delle misure effettuate in N prove
distinte xi:

x( t )
x( k )

1
N

x( t )

1
N

x( k )

TC

i 1
N

i 1

TD

FILTRAGGIO DEL RUMORE

Sostituendo nellequazione precedente: xi(t)=x(t)+ni(t), si ha:
1
x( t ) x( t )
N

n( t ) x( t ) ( t )
i

i 1

Se il termine di rumore n(t) puramente aleatorio si dimostra che (t), che

contiene il contributo del rumore, tende a 0 per N. Per cui

x( t ) x( t )
per N grande, e (t) 0.
Questo risultato ci dice quindi che possiamo eliminare il rumore con una
semplice operazione di media su un numero elevato di prove. Molti sistemi di
misura per segnali biologici sono progettati per effettuare la media mentre
vengono raccolti i dati.
Per segnali intrinsecamente aleatori in genere consigliabile effettuare
loperazione di media in frequenza.

MEDIA DI VALORI DI PRESSIONE

Operazione di
media sul
segnale di
pressione
sanguigna del
bambino di 4
anni visto

MEDIA DI VALORI DI RISPOSTA

UDITIVA
Risposta uditiva
(segnale EEG) ad un
breve impulso sonoro
misurata sul lobo
temporale (Auditory
Breinstem Response,
ABR).
E evidente la
presenza di rumore
che maschera il
segnale reale. La
media su 1000 segnali
mostra invece
chiaramente la
componente di
risposta uditiva allo
stimolo.

SINUSOIDE + RUMORE
Dato il segnale:
x(k)=sin(/4k)+n(k)

Scrivere una funzione

MATLAB che mostri
come loperazione di
media (1, 10, 100 medie)
rimuova la componente
rumorosa e riveli il
segnale deterministico
sottostante.

k=1:64; %discrete time axis

x=zeros(100,64);
for i=1:100 %generating 100 signal trials
x(i,k)=sin(pi/4*k)+randn(1,64); %i-th trial
end
X1=x(1,:); %1 Averages
X10=mean(x(1:10,:)); %10 Averages
X100=mean(x); %100 Averages
subplot(311) %Plotting results - 1 Average
plot(k,X1,'k')
axis([1 64 -3 3])
title('1 Average')
ylabel('Amplitude')
subplot(312) %Plotting results - 10 Averages
plot(k,X10,'k')
axis([1 64 -3 3])
title('10 Averages')
ylabel('Amplitude')
subplot(313) %Plotting results - 100 Averages
plot(k,X100,'k')
axis([1 64 -3 3])
title('100 Average')
ylabel('Amplitude')

Script MATLAB
noise_removal.m