Simulate the System in Define the Problem for the Use an Antialiasing Filter

Python for the Signal Spectral Analysis Case to Avoid Aliasing at the
Processing Case Study Study ADC

How to Work and Verify Convolution Integral and Sum Problems
By Mark Wickert from Signals and Systems For Dummies

Mastering convolution integrals and sums comes through practice. Here are detailed analytical solutions to one convolution
integral and two convolution sum problems, each followed by detailed numerical verifications, using PyLab from the IPython
interactive shell (the QT version in particular).

Continuous­time convolution
Here is a convolution integral example employing semi­infinite extent signals. Consider the convolution of x(t) = u(t) (a unit step
function) and

(a real exponential decay starting from t = 0). The figure provides a plot of the waveforms.

Credit: Illustration by Mark Wickert, PhD

The output support interval is

You need two cases (steps) to form the analytical solution valid over the entire time axis.
Case 1: Using Figure b, you can clearly see that for t < 0, it follows that y(t) = 0.
Case 2: Again looking at Figure b, you see that for t ≥ 0, some overlap always occurs between the two signals of the
integrand. The convolution integral output is

Putting the two pieces together, the analytical solution for y(t) is

To verify this analytical solution, follow the same steps you used in the earlier example:
1. Write a simple Python function for plotting the analytical solution:
In [133]: def expo_conv(t,A,alpha): 
     ...: y = zeros(len(t)) 
     ...: for k, tk in enumerate(t): 
     ...:     if tk >= 0: 
     ...:         y[k] = A/alpha*(1 ­ exp(­alpha*tk)) 
      ...: return y

2. For the numerical convolution, use ssd.conv_integral(). You first write Python code in the command window to
generate the signals x(t) and h(t) and then carry out the convolution:
In [135]: t = arange(­4,14,.01) 
In [136]: xc2 = ssd.step(t) 
In [137]: hc2 = ssd.step(t)*exp(­1*t) 
In [138]: yc2_num,tyc2 = ssd.conv_integral(xc2,t,hc2,t,('r','r')) 
Output support: (­8.00, +5.99) 
In [143]: subplot(211) 
In [144]: plot(t,expo_conv(t,1,1)) 
In [149]: subplot(212) 
In [151]: plot(tyc2,yc2_num) 
In [156]: savefig('c2_outputs.pdf')

Notice that the fifth argument of the conv_integral function is (‘r’,’r’). For signals with infinite extent to the right, each
‘r’ tells the function that both signals are right­sided and to return only the valid support interval under this assumption.

The default values of (‘f’,’f’) means finite support for both signals over the input time axes t1 and t2 given to the
function.

Credit: Illustration by Mark Wickert, PhD

Once again, the agreement is excellent, so the analytical solution is verified.

Verify discrete­time convolution
For the case of discrete­time convolution, here are two convolution sum examples. The first employs finite extent sequences
(signals) and the second employs semi­infinite extent signals. You encounter both types of sequences in problem solving, but finite
extent sequences are the usual starting point when you’re first working with the convolution sum.

Two finite length sequences
Consider the convolution sum of the two sequences x[n] and h[n], shown here, along with the convolution sum setup.

Credit: Illustration by Mark Wickert, PhD

When convolving finite duration sequences, you can do the analytical solution almost by inspection or perhaps by using a table
(even a spreadsheet) to organize the sequence values for each value of n, which produces a nonzero overlap between h[k] and
x[n – k].
The support interval for the output follows the rule given for the continuous­time domain. The output y[n] starts at the sum of the
two input sequence starting points and ends at the sum of input sequence ending points. For the problem at hand this corresponds
to y[n] starting at [0 + –1] = –1 and ending at [3 + 1] = 4.
Looking at Figure b, you can see that as n increases from n < –1, first overlap occurs when n = –1. The last point of overlap occurs
when n – 3 = 1 or n = 4. You can set up a spreadsheet table to evaluate the six sum­of­products related to the output support
interval.

Credit: Illustration by Mark Wickert, PhD

To verify these hand (spreadsheet) calculation values, use Python functions in ssd.py to perform the convolution sum. The
convolution sum function is y, ny = ssd.conv_sum(x1, nx1, x2, nx2, extent=('f', 'f')).
In [208]: n = arange(­4,6) 
In [209]: xd1 = 2*ssd.drect(n,4) 
In [210]: hd1 = 1.5*ssd.dimpulse(n) ­ 0.5*ssd.drect(n+1,3) 
In [211]: yd1_num, nd1 = ssd.conv_sum(xd1,n,hd1,n) 
Output support: (­8, +10) 
In [212]: stem(nd1,yd1_num)

See the numerical results output sequence plotted.

Credit: Illustration by Mark Wickert, PhD

The results of the numerical calculation indeed correspond to the hand calculation.

One finite and one semi­infinite sequence
As a second example of working with the convolution consider a finite duration pulse sequence of 2M + 1 points convolved with
the semi­infinite exponential sequence an u[n] (a real exponential decay starting from n = 0). A plot of the waveforms is given here.

Credit: Illustration by Mark Wickert, PhD

With the help of Figure b, you have three cases to consider in the evaluation of the convolution for all values of n. The support
interval for the convolution is

Here are the steps for each case:

Case 1: From Figure b, you see that for n + M < 0 or n < –M no overlap occurs between the two sequences of the sum, so y[n]
= 0.
Case 2: Partial overlap between the two sequences occurs when n + M ≥ 0 and n – M ≤ 0 or –M ≤ n ≤ M. The sum limits start
at k = 0 and end at k = n + M. Using the finite geometric series sum formula, the convolution sum evaluates to

Case 3: Full overlap occurs when n – M > 0 or n > M. The sum limits under this case run from k = n – M to k = n + M. Again,
using the finite geometric series sum formula, the convolution sum evaluates to

Putting the pieces together, the complete analytical solution for this problem is

To compare the analytical solution with the numerical solution, you follow the steps of plotting the analytical function against a plot
of the actual convolution sum:
1. Write a Python function to evaluate y[n] as a piecewise function:
In [239]: def expo_pulse_conv(n,a,M): 
     ...: y = zeros(len(n)) 
     ...: for k, nk in enumerate(n): 
     ...:     if nk >= ­M and nk <= M: 
     ...:         y[k] = 2*(1 ­ a**(nk+M+1))/(1 ­ a) 
     ...:     elif nk > M: 
     ...:         y[k] = 2*(a**(nk­M) ­ a**(nk+M+1))/(1 ­ a) 
     ...: return y

2. Find the actual convolution sum by using the function conv_sum() and then plotting the results:
In [255]: n = arange(­5,30) # n values for x[n] & h[n] 
In [256]: xd2 = 2*ssd.drect(n+4,9) # create x[n] 
In [257]: hd2 = ssd.dstep(n)*0.6**n # create h[n] 
In [258]: yd2_num,nd2 = ssd.conv_sum(xd2,n,hd2,n,('f','r')) 
Output support: (­10, +24) 
In [259]: subplot(211) 
In [260]: stem(n,expo_pulse_conv(n,0.6,4)) # analytical 
In [265]: subplot(212) 
In [266]: stem(nd2,yd2_num) # numerical  
 In [271]: savefig('d2_outputs.pdf')

Use the fifth argument to the conv_sum() function to declare the extent of the second input sequence to right­sided (‘r’),
as opposed to the default value of finite (‘f’). This setting ensures that the function doesn’t return invalid results.

Credit: Illustration by Mark Wickert, PhD

Here, you see that the piecewise analytical solution compares favorably to the direct convolution sum numerical calculation.

   Recommends

Mandolin Exercises For Dummies

What Freemasons Do at the Lodge ­ For Dummies

Foods That Bloat Your Belly and Increase Belly Fat ­ For Dummies

How to Play DVDs in Windows 10 ­ For Dummies

Understanding the Tour de France and the Strategies ­ For Dummies

Promoted Stories From Around The Web

Body of 'German Madeline McCann' found Alan Titchmarsh airlifted to hospital after Merkel 'wants to twist May into good EU

FIFTEEN YEARS after her disappearance collapsing following a fish and chips meal deal as she's RELIEVED new PM isn't
Express OK! Brexiteer'
Express

If You Saw This, You May Change Your Vote Did You Have PPI? This Simple Check Will No Way Back For Bargain Hunt Presenter

UpVibes.com Tell You. After Suspension
The PPI Finder Entertainment Daily
15 Things You Should Never Do When You A new product tackles Wrinkles and Crows 9 Out of 10 Gardeners Don't Know These 12
Have Grey Hair feet. Sells out in Boots within days. Amazing Tricks
Daily Spikes Wunderlift on Health & Style magazine Chic Worthy

Recommended by

About us More From Dummies Topics A­Z Home & Garden

About For Dummies Mobile Site Small Business & Careers Internet & Social Media
Contact Us My Account Computers & Software Music & Creative Arts
Privacy Policy Dummies B2B Services Consumer Electronics Personal Finance
Terms and Conditions Online Test Banks Crafts & Hobbies Pets
Advertise with Us eLearning Education & Languages Photography & Video
Manage Your E­Mail Mobile Apps Food & Drink Relationships & Family
Newsletters Dummies Store Games Religion & Spirituality
Help Sweepstakes Health & Fitness Sports & Outdoors

Copyright © 2016 & Trademark by John Wiley & Sons, Inc. All rights reserved.