Salta al contingut principal

Secció 2.6 Filtres i sistemes LTI

En aquest capítol, pensarem en un sistema com una cosa que actua sobre un senyal.
Exemples de tals sistemes poden ser tan senzills com un objecte físic movent-se segons les lleis newtonianes de la mecànica, o tan complicades com un cotxe amb conducció autònoma, o l’economia d’un país. És clar que per tenir alguna possibilitat de tractar sistemes així, hem de simplificar al màxim i quedar-nos només amb les propietats essencials. Si optem per una modelització matemàtica, i, a més, ens restringim a sistemes lineals i invariants en el temps, que són propietats que tractarem en un moment, podrem utilitzar una gran varietat d’eines per a l’anàlisi del sistema.
Normalment, representarem un sistema mitjançant un diagrama de blocs, el cas més senzill és el següent:
Figura 2.6.1. Un croquis que representa un sistema
De manera molt abstracta, podem representar l’efecte de sistema \(F\) sobre l’entrada \(x(t)\) com
\begin{equation*} y(t) \ = \ F[x(t)]. \end{equation*}
Uns possibles exemples en què el "passat" de \(x(t)\) influeix en l’acció de \(F\) són :
\begin{align*} y(t) &= \int_{t-2}^{t+1} x(\xi)^2 \dd \xi,\\ y(t) &= x(t) + \sum_{i=1}^N x(t-n\Delta t). \end{align*}
En el segon cas, \(\Delta t\) és un interval constant de temps, i per tant en \(y(t)\) influeixen l’entrada en el mateix moment \(t\text{,}\) com els valors del senyal d’entrada en \(N\) còpies retardades en el temps.
LTI significa linear time-independent o lineal i independents del temps.
  1. Linealitat vol dir: Si
    • \(y_1(t)\) és la sortida corresponent a un senyal \(x_1(t)\text{,}\) i
    • \(y_2(t)\) és la sortida corresponent a un senyal \(x_2(t)\text{,}\) i
    • \(a\) y \(b\) són constants,
    llavors
    • el sistema transforma el senyal
      \begin{equation*} x(t) \ = \ a x_1(t) + b x_2(t) \end{equation*}
      en el senyal
      \begin{equation*} y(t) \ = \ a y_1(t) + b y_2(t)\text{.} \end{equation*}
    Figura 2.6.2. Si entra una combinació lineal, surt una altra combinació lineal
  2. Invariant en el temps vol dir: Un desplaçament temporal a l’entrada implica el mateix desplaçament temporal a la sortida
    Figura 2.6.3. Si un senyal entra desfasada, la resposta és la mateixa, però desfasada
Ja hem vist molts exemples de sistemes lineals, per tant ara veurem de manera breu exemples de sistemes no lineals, un sí i un altre no invariant en el temps.

Exemple 2.6.4. Sistemes invariants i no invariants en el temps.

Un exemple d’un sistema no invariant en el temps, en particular no LTI, és
\begin{equation*} y(t) \ = \ F_1[x(t)] \ = \ \int_0^t \sqrt{x(\xi)}\dd\xi. \end{equation*}
Per veure que el sistema no és invariant en el temps, reemplacem \(x(t)\) per \(x(t-t_0)\) a la banda esquerra i al costat dret per separat, i veiem si surt el mateix.
A la part dreta surt
\begin{align*} F_1[x(t-t_0)] &\ = \ \int_0^t \sqrt{x(\xi-t_0)}\dd\xi\\ &\ = \ \int_{-t_0}^{t-t_0} \sqrt{x(\eta)}\dd\eta \end{align*}
D’altra banda, a la banda esquerra surt
\begin{equation*} y(t-t_0) \ = \ \int_0^{t-t_0} \sqrt{x(\xi)}\dd\xi, \end{equation*}
i aquestes expressions no són iguals. Per tant, el sistema \(F_1\) no és invariant en el temps.
Com a exemple d’un sistema que sí que és invariant en el temps, escollim
\begin{equation*} y(t) \ = \ F_2[x(t)] \ = \ \int_{t-5}^t x(\xi)^2 \dd\xi. \end{equation*}
Després de substituïr \(x(t)\) per \(x(t-t_0)\text{,}\) el costat dret és
\begin{equation*} \int_{t-5}^t x(\xi-t_0)^2 \dd\xi \ \stackrel{\eta=\xi-t_0}{=} \ \int_{t-5-t_0}^{t-t_0} x(\eta)^2\dd\eta, \end{equation*}
mentre que el costat esquerre és
\begin{equation*} y(t-t_0) \ = \ \int_{t-t_0-5}^{t-t_0} x(\xi)^2\dd\xi, \end{equation*}
la qual cosa és la mateixa expressió. Per això, el sistema \(F_2\) és invariant en el temps.
En aquesta secció treballem amb sistemes LTI que modifiquen les freqüències del senyal d’entrada.

Subsecció 2.6.1 Equació temporal d’un sistema LTI

Hi ha un senyal \(h(t)\) que caracteritza com actua qualsevol sistema LTI.
  • Com? Mitjançant la convolució!
  • Quin és aquest senyal maǵic \(h(t)\text{?}\) La resposta a l’impuls!

Definició 2.6.5.

La sortida \(h(t)\) del sistema quan l’estimulem amb una distribució de Dirac, centrada en 0,
\begin{equation*} h(t) \ := \ F[\delta(t)], \end{equation*}
se l’anomena la resposta a l’impuls

Demostració.

Utilitzant la propietat del filtratge Teorema 2.4.5, que diu que
\begin{equation*} x(t) \ = \ \int_\RR x(\xi)\delta(t-\xi)\dd\xi\text{,} \end{equation*}
surt
\begin{align*} y(t) &= F\left[ \int_\RR x(\xi)\delta(t-\xi)\dd\xi \right]\\ &\stackrel{\text{linealitat}}{=} \int_\RR x(\xi)F[\delta(t-\xi)]\dd\xi \\ &\stackrel{\text{invariança en el temps}}{=} \int_\RR x(\xi) h(t-\xi)\dd\xi\\ &= x(t)\star h(t). \end{align*}
Figura 2.6.7. Representació d’un sistema LTI mitjançant la seva resposta a l’impuls \(h(t)\)

Nota 2.6.8.

Podem comprovar que
\begin{equation*} F[\delta(t)] \ = \ \delta(t)\star h(t) \ = \ h(t) \end{equation*}
mitjançant el Teorema 2.4.6, que afirma que la convolució amb una delta és un retard temporal:
\begin{equation*} \delta(t)\star h(t) \ = \ h(t)\star\delta_0(t) \ = \ h(t-0) \ = \ h(t). \end{equation*}

Subsecció 2.6.2 Filtres

Combinar la teoria dels sistemes LTI amb la transformada de Fourier ens permet dissenyar filtres de freqüències.
Necessitem dos ingredients:
  • la transformada de Fourier d’una convolució és el producte de les transformades
  • Si \(\widehat h(\omega)\) té la forma
    \begin{equation*} \widehat h(\omega) \ = \ \begin{cases} a & \omega\in[\omega_1,\omega_2] \\ 0 & \text{ en altre cas, }\omega \end{cases} \end{equation*}
    llavors l’efecte de multiplicar
    \begin{equation*} \widehat x(\omega)\cdot \widehat h(\omega) \end{equation*}
    és el de
    • suprimir totes les freqüències fora de la franja \([\omega_1,\omega_2]\text{,}\)
    • multiplicar totes les contribucions de les freqüències en \([\omega_1,\omega_2]\) per una constant \(a\text{.}\)
La transformada de Fourier de la resposta a l’impuls juga un paper tan important en aplicacions que rep el seu propi nom:

Definició 2.6.9.

La funció de transferència d’un sistema LTI amb resposta a l’impuls \(h(t)\) es \(\widehat h(\omega)\text{.}\)
Figura 2.6.10. Representació d’un sistema LTI mitjançant la seva funció de transferència \(\widehat h(\omega)\)
Dos exemples molt importants de filtres són els filtres passa-baix i els filtres passa-alts. Aprofitem aquests exemples per veure com calcular la transformada de Fourier d’una funció periòdica.

Exemple 2.6.11. Filtre passa-baix i filtre passa-alt.

Escollim com a senyal una funció periòdica \(x(t)\) composta per tres freqüències, compara la Figura 2.6.12:
\begin{equation*} x(t) \ = \ \sin(t) + \sin(4t) + \tfrac{1}{2}\sin(16t). \end{equation*}
described in detail following the image
La señal de entrada \(x(t)\)
Figura 2.6.12. El senyal d’entrada \(x(t)\)
Aplicant que la transformada de Fourier del si és
\begin{equation*} \cF(\sin(at)) \ = \ -\ii\pi\big(\delta(\omega-a)-\delta(\omega+a)\big), \end{equation*}
la transformada de Fourier de \(x(t)\) es
\begin{align*} \widehat x(t) &= -\ii\pi\big(\delta(\omega-1)-\delta(\omega+1)\big)\\ &\quad{} -\ii\pi\big(\delta(\omega-4)-\delta(\omega+4)\big)\\ &\quad{} -\tfrac12 \ii\pi\big(\delta(\omega-16)-\delta(\omega+16)\big), \end{align*}
i per tant el seu espectre és tal com ho veiem en
described in detail following the image
Espectre \(\widehat x(\omega)\) de la señal de entrada
Figura 2.6.13. Espectre \(\widehat x(\omega)\) del senyal d’entrada
Apliquem un filtre que només deixa passar les freqüències més petites que \(\omega=6\text{:}\)
described in detail following the image
Filtro que solamente deja pasar frecuencias \(|\omega|\le 6\)
Figura 2.6.14. Filtre que només deixa passar freqüències \(|\omega|\le 6\)
El resultat és
described in detail following the image
Espectre \(\widehat x(\omega)\) de la señal de entrada
Figura 2.6.15. Espectre \(\widehat x(\omega)\) del senyal d’entrada, després de passar per un filtre passa-baix
En canvi, un filtre passa-alt només deixa passar freqüències més altes, per exemple totes més altes que \(\omega=3\text{:}\)
described in detail following the image
Filtro que solamente deja pasar frecuencias \(|\omega|\ge 3\)
Figura 2.6.16. Filtre que només deixa passar freqüències \(|\omega|\ge 3\)
El resultat és
described in detail following the image
Espectre \(\widehat x(\omega)\) de la señal de entrada
Figura 2.6.17. Espectre \(\widehat x(\omega)\) del senyal d’entrada, després de passar per un filtre passa-baix
El senyal original i els resultats d’aplicar aquests dos filtres es poden veure a Figura 2.6.18--Figura 2.6.20. Podem comprovar que el filtre passa-baix elimina les freqüències altes, mentre que el filtre passa-alt elimina les freqüències baixes.
Señal original
Figura 2.6.18. senyal original
Aplicado el filtro pasa-bajo
Figura 2.6.19. Aplicat el filtre passa-baix
Aplicado el filtro pasa-alto
Figura 2.6.20. Aplicat el filtre passa-alt

Exercicis Exercicis

1.
Al Exemple 2.6.11 s’han triat els filtres de manera simètrica respecte de l’origen. Investiga què passa si no respectem aquest principi, aplicant un filtre que deixa passar només freqüències \(\omega\) amb \(0 < \omega < 6\) a la funció de Exemple 2.6.11.
Figura 2.6.21. Quin és el resultat d’aplicar el filtre morat a aquest espectre?

Subsecció 2.6.3 Aplicacions de filtres

  • Un exemple és aquest applet
     1 
    FFT-filtering
    que demostra com funcionen els filtres passa-baix i passa-alt en el cas d’imatges 2D.
  • Un altre exemple són les imatges híbrides
     2 
    Hybrid_image
    .
  • Algunes versions de esteganografia
     3 
    Steganography
    usen també idees similars.