Roberto Patrizi

Studio di

Circuiti Lineari Frazionali

nel dominio tempo discreto

Relatore:
Massimo Panella
Controrelatore:
Frank Silvio Marzano
Roberto Patrizi
Stampato a Frosinone, 18 luglio 2009
e-mail: roberto_patrizi@virgilio.it

Tesi specialistica del corso di:

Circuiti Intelligenti, Prof. Massimo Panella.
Giovedì 23 Luglio 2009, Sapienza, Facoltà di Ingegneria
Via Eudossiana 18 Roma

Composto in LATEX
 INDICE

PREFAZIONE iii
RINGRAZIAMENTI v
TERMINI E SIMBOLI vii
ACRONIMI ix

1 B A S I M AT E M AT I C H E 1
1.1 FUNZIONE GAMMA 1
1.2 DIFFERINTEGRALI 3
1.2.1 Percorso storico 3
1.2.2 Differintegrali di Grünwald-Letnikov 4
1.2.3 Differintegrali di Riemann-Liouville 6
1.2.4 Differintegrali di Courant e Hilbert 7
1.2.5 Differintegrali di funzioni elementari 7
1.3 PROPRIETÀ DIFFERINTEGRALI 9
1.3.1 Differintegrali multipli 9
1.3.2 Differintegrali del prodotto di funzioni 11
1.3.3 Differintegrali di funzioni composte 11
1.4 TRASFORMATA DI LAPLACE 12
1.4.1 Convoluzione e prodotto 13
1.4.2 Proprietà della derivata 13
1.4.3 Teorema del valore iniziale e finale 15
1.5 SUPERFICI DI RIEMANN 15
1.5.1 Radice 15
1.5.2 Logaritmo 16
1.5.3 Rappresentazione grafica 17
1.6 FUNZIONE E DI MITTAG-LEFFLER 18
1.6.1 Trasformata di Laplace di E 18

2 SISTEMI ANALOGICI 21
2.1 DEFINIZIONI GENERALI 21
2.2 SISTEMI ELEMENTARI 22
2.2.1 Termine monomio 22
2.2.2 Termine binomio 24
2.2.3 Funzioni più complesse 25
2.3 STABILITÀ 26
2.4 APPROSSIMAZIONI 27
2.4.1 Espansione in frazioni continue 28
2.4.2 Metodo di Carlson 32
2.4.3 Metodo di Chareff 33
2.4.4 Metodo di Oustaloup 35
2.5 SISTEMI DI CONTROLLO 35
2.5.1 Controllore lead-lag 36
2.5.2 Controllori di tipo PID 37
2.5.3 Controllori di tipo TID frazionari 37
2.5.4 Controllori CRONE 38

i
 ii Indice

3 SISTEMI TEMPO-DISCRETI 39
3.1 INTRODUZIONE 39
3.2 RITARDO ELEMENTARE Z A 40
3.2.1 Differenze frazionarie 43
3.2.2 Risposta in frequenza 45
3.2.3 Trasformata Z 45
3.3 SISTEMI ELEMENTARI 46
3.3.1 Modelli MA 47
3.3.2 Modello completo 47
3.3.3 Inversione fratti semplici 48
3.4 APPROCCIO ALTERNATIVO 49
3.4.1 Discretizzazione delle derivate non intere 50
3.4.2 Sistemi descritti da equazioni alle differenze finite 51
3.4.3 Algoritmi per equazioni alle differenze 52
3.5 APPROSSIMAZIONI DISCRETE 54
3.5.1 Necessità delle approssimazioni 54
3.5.2 Metodo dell’errore quadratico minimo 56
3.5.3 Metodo di Eulero-Grünwald 57
3.5.4 Metodo di Tustin 59
3.5.5 Metodo di Al-Alaoui 62
3.5.6 Padé, Prony e Shanks 62

4 APPLICAZIONI E TECNOLOGIE 65
4.1 ELEMENTI FRAZIONARI CONCENTRATI 65
4.1.1 Condensatore frazionario 65
4.1.2 Induttore frazionario 67
4.2 LINEE DI TRASMISSIONE 68
4.3 PRESTAZIONI ALGORITMI NUMERICI 70
4.3.1 Soluzione analitica 71
4.3.2 Metodi alle differenze 72
4.3.3 Riepilogo risultati 76
4.4 ESEMPI APPLICATIVI 78
4.4.1 Oscillatore smorzato 78
4.4.2 Codifica del parlato 80
4.4.3 Conclusioni 81

A TOOLBOX NINTEGER 83
A.1 PROGRAMMAZIONE AD OGGETTI 83
A.2 NINTEGER: COMANDI COMUNI 84

BIBLIOGRAFIA 92
INDICE ANALITICO 94
 P R E FA Z I O N E

“This is an apparent paradox from wich,

one day, useful consequences will be drawn”
Leibniz, 30 settembre 16951

Di cosa parla questo testo?

In questo scritto saranno descritte e studiate le basi teoriche all’origine
di una nuova classe di sistemi elettronici, cioè i sistemi lineari di ordine
non intero. Un sistema di ordine non intero è descritto da potenze non
intere nel dominio di Laplace, come ad esempio il semplice sistema
descritto dalla funzione di trasferimento sα , con α ∈ R. Le equazioni
corrispondenti nel dominio del tempo assumono la forma di derivate
di ordine non intero, come mostrato nel § 1.4.2 nella pagina 13.

Perché si studiano questi sistemi, quali sono i vantaggi?

Da qualche anno è cresciuto l’interesse verso sistemi elettronici di que-
sto tipo, grazie ai risultati incoraggianti, come dimostrano le prestazio-
ni, nettamente superiori, di controllori realizzati con le nuove teorie,
rispetto ai controllori standard. Molteplici articoli guardano a questi
sistemi come ai sistemi del futuro: Ortigueira [30] sottotitola il suo ar-
ticolo, che dà una visione d’insieme dello studio dei sistemi frazionari,
con le parole:
The 21st Century systems;
Secondo Chen [12] i sistemi frazionari saranno universalmente dif-
fusi, per un semplice motivo, che detto con le sue parole:
Using several real world examples, we further argue that,
fractional order control is ubiquitous when the dynamic
system is of distributed parameter nature.
Quindi, ciascun sistema a costanti distribuite, è un sistema frazionario
per sua natura, ed è quindi ben descritto dalle teorie trattate in questo
testo.

A che punto sono gli studi?

Le basi dei sistemi di ordine non intero risalgono a più di 300 anni fa,
quando stavano venendo alla luce le teorie dell’analisi infinitesimale.
Se ha senso calcolare le derivate di ordine intero di una funzione, che
significato potrebbe avere una derivata di ordine non intero? A partire
da questa domanda posta da Leibniz a l’Hôpital, hanno avuto origine
gli studi sulle teorie matematiche alla base dei sistemi che vedremo in
questo testo, che ormai, con circa 300 anni alle spalle, sono sufficien-
temente sviluppate per l’utilizzo. Tuttavia, è solo in tempi recenti che
questi studi hanno cominciato a sfociare in interessanti applicazioni
1 Tratto dalla lettera di risposta del 30 settembre 1695 di Leibniz a l’Hôpital, riguardo al
significato della scrittura dn f /dx n , se ad esempio si avesse n = 1/2. Disponibile su [3,
pagina vii], anche sul sito Google libri.

iii
iv PREFAZIONE

pratiche, dopo essere state a lungo considerate come un esercizio di

pensiero.
L’ambito dei controlli è stato il primo ad essere affrontato, attual-
mente è il più esteso, sebbene ancora non siano stati sviluppati tutti
gli strumenti frazionari di analisi e progettazione, disponibili invece
per i sistemi di ordine intero. Per quanto riguarda i sistemi digitali
gli studi sono più carenti, spesso limitati ad implementazioni digitali
di sistemi di controllo. Tuttavia i sistemi digitali di ordine non intero,
si comportano come sistemi a ritardo frazionario, appoggiandosi alla
teoria nota del ricampionamento digitale dei sistemi.

Come documentarsi sull’argomento? Perché questo testo?

Attualmente, per quanto ci è noto, non esistono libri esaustivi riguar-

danti la teoria e le applicazioni ai sistemi elettronici di ordine non
intero, a parte forse il recente [16], consultato poco prima di ultimare
questo lavoro. La maggior parte degli studi è disponibile sotto forma
di articoli, che spesso trattano un problema specifico.
In questo testo si è cercato di dare una panoramica dello stato attua-
le della ricerca, illustrando tutte le conoscenze di base necessarie per
intraprendere uno studio dei sistemi razionali non interi. La teoria è
stata ricostruita a partire proprio dagli articoli reperibili, pressoché uni-
ca e molteplice fonte di informazioni, integrando diverse fonti, esplici-
tando calcoli matematici, affiancando grafici e script Matlab, e spesso
anche aggiungendo considerazioni personali. Si è quindi cercato di
organizzare in maniera coerente e sistematica, in un unico testo, tutte
le informazioni basilari per lo studio di tali sistemi, tenendo presente
un target di lettori che, come l’autore, possiedono una base culturale
scientifica data dai corsi di ingegneria.

Come è strutturato questo testo?

Nelle pagine seguenti, si raccolgono le nozioni fondamentali per faci-

litare la lettura di questo testo: in particolare ci stiamo riferendo alla
terminologia relativa ai nuovi concetti esposti, e alla notazione usata,
disponibili nella prossima sezione, dal titolo Termini e simboli; nella
sezione successiva, acronimi, sono raccolte tutte le abbreviazioni del-
le sigle più comuni, frequentemente utilizzate sia in questo testo che
nella maggior parte degli articoli consultati.
Lo studio vero e proprio inizia dal primo capitolo, nel quale si for-
niscono tutti gli strumenti matematici alla base dei nuovi sistemi, in
particolare le derivate frazionarie e la relativa teoria delle trasforma-
te di ordine non intero, insieme ad altri concetti ausiliari ma non per
questo meno importanti, come la teoria delle superfici di Riemann e la
funzione gamma di Eulero.
Nel secondo capitolo, saranno affrontati i sistemi nel dominio con-
tinuo del tempo o di Laplace. Lo scopo è quello di capire come si
affronta lo studio dei sistemi non interi tempo-continui, ricalcando
quindi tutte le procedure note per i sistemi di ordine intero. Le dif-
ferenze che emergono, comportano la necessità di introdurre nuovi
metodi, in particolare si rendono necessari metodi di approssimazione
per la realizzazione dei sistemi proposti. Uno sguardo infine ai sistemi
di controllo, chiude il capitolo.
 PREFAZIONE v

Nel terzo capitolo saranno affrontati i sistemi nel dominio discre-

to. La discretizzazione dei sistemi analogici pone ulteriori problemi,
l’assenza della trasformata Z inversa di un termine del tipo zα in
particolare, richiede una nuova formulazione di antitrasformata Z !
È in questo ambito che si inserisce lo studio specifico di questo testo,
che propone un modo alternativo (§ 3.4 nella pagina 49) di trattare i si-
stemi digitali, basato sostanzialmente sulla più complessa definizione
di derivata frazionaria di Grünwald-Letnikov (G-L) piuttosto che sulla
definizione, per alcuni aspetti più pratica, data da Riemann e Liouville.
È Questa la sezione caratterizzante del lavoro, quello “Studio di circuiti
lineari frazionali nel dominio tempo discreto” descritto dal titolo. La se-
zione sviluppata in modo autonomo, è stata poi ritrovata poco prima
che questo testo fosse completato, nel recente [16], come metodo di
calcolo.
Nel quarto capitolo invece cercheremo di capire il modo per realiz-
zare2 concretamente i sistemi proposti. Saranno analizzati i due princi-
pali approcci esistenti, l’approssimazione dei sistemi di ordine non in-
tero con componenti discreti di ordine intero, oppure la realizzazione
ad-hoc di componenti elettronici di ordine non intero.
Per concludere saranno considerati alcuni esempi applicativi, in par-
ticolare l’oscillatore di ordine non intero ci permette di applicare su un
caso concreto la teoria sviluppata per i sistemi analogici, mentre per
i sistemi di sintesi del parlato, molto più complessi ma di maggiore
interesse pratico e concreto, cercheremo di capire in che modo è pos-
sibile migliorare le prestazioni degli algoritmi esistenti focalizzandoci
proprio sulla sintesi delle vocali!
Parallelamente agli studi teorici, si stanno sviluppando dei pacchetti
applicativi che permettano di studiare i sitemi di ordine non intero. In
particolare per Matlab, le lacune del controlsystem toolbox sui site-
mi di ordine non intero, stanno venendo gradualmente colmate dalla
comparsa di pacchetti specifici, dedicati ai nuovi sistemi. Una panora-
mica è disponibile nell’appendice A, che fornisce indicazioni utili per
applicare da subito le teorie presentate, ed una serie di riferimenti gra-
zie ai quali è possibile trovare rapidamente vari script già pronti per
Matlab.

RINGRAZIAMENTI

Non solo un lavoro come questo documento, ma tutta la carriera

universitaria non sarebbe mai stata possibile senza un valido suppor-
to, sia pratico che, soprattutto, morale. Pertanto desidero ringrazia-
re in primo luogo i professori della facoltà di ingegneria, che hanno
sempre mostrato disponibilità e flessibilità, rendendo in questo modo,
più semplice il percorso universitario di noi studenti, ed in particolar
modo vorrei ringraziare per questo il mio relatore, il prof. Panella.
Un secondo ringraziamento è per i miei genitori, che mi hanno per-
messo di studiare e mi hanno sempre sostenuto ed incoraggiato. Rin-
grazio mio fratello Domenico che mi ha spesso aiutato negli studi, così

2 In questo caso stiamo parlando della realizzazione dei sistemi analogici, dal momento
che i sistemi discreti sono realizzabili dall’algoritmo che li definisce, come mostrato nel
4° capitolo sui sistemi digitali
vi PREFAZIONE

come i miei amici dell’università che non mi hanno mai negato un

aiuto, in particolare Davide, Giovanni e Stefano.
Ringrazio Andrea, che nei viaggi in treno tra Roma e Frosinone ha
spesso chiarito i miei dubbi e mi ha ascoltato, e gli altri amici di viaggio
che hanno pazientemente sopportato la mia voce; mia cugina Loretta
che mi ha prestato la sua connessione per scaricare decine di artico-
li ed email, e ringrazio tutti quelli che, per brevità, non ho potuto
ringraziare esplicitamente, compreso me stesso.
Infine, un ringraziamento speciale a Sara, che è stata la mia vita
ed il mio mondo d’evasione in questi anni che altrimenti sarebbero
stati troppo incentrati sul solo studio, che mi ha regalato il sorriso,
l’allegria, la vitalità le emozioni e molto di più, in tantissime occasioni
che grazie a lei si sono trasformate in momenti speciali e preziosi da
custodire e conservare, e soprattutto che è stata in grado di scoprire
e farmi conoscere, come nessuno, il lato più umano e remoto del mio
animo! Grazie davvero, buona lettura!
TERMINI. . .

Per facilitare la lettura di questo testo e degli articoli riguardanti gli

argomenti trattati, si è pensato di raccogliere gli acronimi più diffusi
in una comoda tabella, disponibile alle pagine seguenti. Si riportano
inoltre, qui di seguito, i termini relativi ai nuovi sviluppi tecnologici
e teorici, ed un elenco di convenzioni matematiche adottate in questo
testo.
Il primo e forse il più abusato termine da introdurre è il termine diffe-
rintegrale. Quando si parla di derivate ed integrali, si considerano due
concetti distinti. Nel caso non intero tale differenza scompare! Infatti,
in tal caso, considerando ad esempio una derivata, un qualsiasi ordine
di derivazione α ∈ sarà ammissibile, anche negativo! Come è ovvio im-
maginare, un ordine di derivazione negativo dà luogo ad un integrale,
per cui la differenza tra i due operatore svanisce di fatto. Proprio per
questo viene coniato il il termine differintegrale, che generalizza sia il
concetto di derivata che quello di integrale. In letteratura, il termine
inglese corrispondente è differintegral. La notazione dei differintegrali
è varia tanto quanto quella delle derivate.
Si osserva poi, che per brevità, con il nome di sistemi frazionari, sa-
ranno indicati in generale i sistemi di ordine non intero, sebbene il
termine possa far pensare ad una minore generalità.
Resta da chiarire cosa si intende per ordine di un sistema: nella
rappresentazione nel dominio di Laplace, l’ordine è l’esponente del-
la variabile di Laplace comunemente indicata con s; ciò equivale, nel
dominio del tempo, ad un’equazione in cui compaiono derivate dello
stesso ordine dell’esponente della s.
L’impedenza, che comunemente indica la resistenza al passaggio di
corrente di un elemento, come valore complesso dalla variabile di La-
place s, prenderà il nome di frattanza quando l’esponente della s è
frazionario. L’equivalente corrispettivo inglese che più spesso ricorre
in letteratura è fractance.
Per le impedenze della forma 1/sα , sappiamo che, nel caso ordina-
rio con α = 1, stiamo trattando con le impedenze di un condensato-
re o capacitore; non c’è un termine altrettanto chiaro nel caso in cui
α ∈ (0, 1). In letteratura si trova spessissimo il termine fractor, che in
italiano potrebbe essere reso con frattore, ma che più spesso in questo
testo sarà indicato con capacità frazionaria, analogamente per l’induttore
frazionario.

. . . E SIMBOLI

I differintegrali presentano una grande varietà di possibili scritture,

un po’ come le derivate ordinarie, alle quali si aggiungono le conven-
zioni diffuse per la notazione di ordine non intero. È bene chiarire che
un differintegrale è definito dall’ordine, dall’estremo inferiore considera-
to e dall’estremo superiore che coincide con la variabile della funzione
differintegrata.

vii
viii TERMINI E SIMBOLI

Tabella 1: Elenco delle convenzioni matematiche e dei simboli adottati in

questo testo

Notazione Descrizione
α
aD x f Simbolo compatto operatore differintegrale
dα f
Simbolo analitico operatore differintegrale
[d( x − a)]α
f (α) Funzione differintegrata
s Variabile complessa di Laplace
j Unità immaginaria
Z {} , L {} Trasformata Zeta e di Laplace. Con
esponente −1 si hanno le trasformazioni
inverse
N, Z, Q, R, C Insiemi numerici.
⊗ Prodotto di convoluzione
a Vettore. I caratteri in neretto indicano quan-
tità vettoriali. Se accostati ad un numero
tra parentesi quadre, il numero (od equiva-
lentemente il parametro al suo posto) indi-
ca l’elemento del vettore considerato, cioè se
a = {1, 4, 2, 6}, a[3] = 2.

L’ORDINE tipicamente indicato con n se intero, con α altrimenti, è no-

to dal caso intero. L’unica osservazione è che α potrebbe essere
un elemento dell’insieme dei numeri complessi C, reali R, o ra-
zionali Q, in questo ultimo caso potrebbe anche essere indicato
come 1/q se α ∈ (0, 1).
L’ESTREMO INFERIORE a è un concetto noto nel caso del calcolo inte-
grale, ma non è tipicamente presente se si considerano le deri-
vate. Se però ricordiamo che un differintegrale comprende en-
trambi gli operatori, di derivata ed integrale, si osserva come
l’estremo inferiore sia necessario sempre, e non pone problemi
nel calcolo della derivata che se è definita a partire da −∞, sarà
definita a partire da a.
L’ESTREMO SUPERIORE x è la variabile rispetto alla quale stiamo cal-
colando la derivata, oppure è l’estremo superiore di integrazione,
se stiamo calcolando l’integrale rispetto ad una variabile ausilia-
ria.
Le notazioni possibili sono elencate nelle prime righe della tabella 1,
in cui f è una qualunque funzione differintegrabile. Si osservi che spes-
so nella definizione analitica dell’operatore differintegrale, il differen-
ziale a denominatore può essere elevato a potenza senza l’uso di paren-
tesi, infatti il simbolo d( x − a) rappresenta un termine infinitesimale e
non un prodotto, e non può essere spezzato.
Nella stessa tabella, 1, sono indicati tutti gli altri simboli. Non resta
che aggiungere che la trasformata L { x (t)} di una funzione x (t), si
indica con la stessa lettera della funzione, ma con la maiuscola, cioè
X ( s ).
ACRONIMI

ODE Ordinary Differential Equation

Equazione Differenziale Ordinaria. Equazione in cui compa-
iono esclusivamente integrali e derivate di ordine intero o nullo.
In caso contrario l’equazione è detta FODE. Nella definizione
originale data in analisi, l’aggettivo ordinaria sta ad indicare la
dipendenza della funzione e di tutte le sue derivate, da una sola
incognita.

FODE Fractional-Order Differential Equation

Equazione Differenziale di Ordine Frazionario. Un’equa-
zione differenziale si dice di ordine non intero se in essa compa-
re almeno una derivata o integrale di ordine non intero. In caso
contrario l’equazione è detta ODE.

DTFT Discrete Time Fourier Transform

Trasformata di Fourier tempo-discreta. Nota relazione inte-
grale per la trasformazione in frequenza di una funzione, svi-
luppata dal matematico e fisico francese Jean Baptiste Joseph
Fourier (1768-1830) nel 1822.

ROC Regione di Convergenza

Region Of Convergence. Dominio del piano complesso nel
quale la trasformata di Laplace converge ad un valore finito.

FOC Fractional-Order Controller

Controllore di Ordine Frazionario. I controllori fraziona-
ri offrono maggiori possibilità di progetto, grazie al grado di
libertà offerto dall’ordine del controllore.

PID Proportional Integral and Derivative

Moltiplicatore Integratore Derivatore. Controllore basilare
costituito da tre blocchi elaborativi, un integratore, un derivatore
ed un blocco di guadagno.

PIλ Dµ Proportional Integral and Derivative

Moltiplicatore Integratore Derivatore (di ordine non inte-
ro). Controllore costituito da tre blocchi, analoghi a quelli di
un PID classico, ma in cui i blocchi che svolgono le funzione di
integrazione e derivazione hanno ordini qualunque.

TID Tilted Integral and Derivative

Sagomatore Integratore Derivatore. Controllore costituito
da tre blocchi elaborativi, un integratore, un derivatore, ed un
blocco per risagomare la caratteristica di Bode. Costituisce una
rielaborazione variata del controllore PID.

CRONE Contrôle Robuste d’Ordre Non Entier

Acronimo francese per indicare il Controllo Robusto di Or-
dine non Intero, metodologia di controllo sviluppata dal team
guidato dal ricercatore francese Alain Oustaloup [32].

ix
x ACRONIMI

MATLAB © Matlab ©
Matlab © è un programma della MathWorks © Inc, 1994-2009.

LTI Lineari Tempo Invarianti

Classe di sistemi descritti da un’equazione differenziale lineare
a coefficienti costanti della forma (2.1) o (2.2), che godono delle
proprietà di linearità (la funzione e tutte le sue derivate figurano
solo con esponente unitario o nullo) e permanenza (tutti i coeffi-
cienti sono costanti). Nei testi in lingua inglese tale proprietà è
definita come LSI, Linear Shift-invariant.

G-L Grünwald-Letnikov
Tra le definizioni di differintegrali, è ragguardevole l’equazio-
ne (1.13) trovata dai matematici Anton Karl Grünwald e Alek-
sey Vasilievich Letnikov, che spesso si trova indicata come dif-
ferintegrale di G-L.

R-L Riemann-Liouville
Una definizione di differintegrali molto pratica, è l’equazione (1.14)
trovata dai matematici Bernhard Riemann e Joseph Liouville,
che spesso si trova indicata come differintegrale di R-L.

M-L Mittag-Leffler
Autore della funzione che prende il suo nome, e che può con-
siderarsi come una generalizzazione di funzioni esponenziali
complesse.

IEE Institution of Electrical Engineers

Associazione britannica degli ingegneri elettrici, da non confon-
dersi con l’americana IEEE.

SISO Single Input Single Output

Ingresso Singolo Uscita Singola. Sistemi monodimensionali in
cui si ha un segnale di uscita ed un ingresso.

MIMO Multiple Input Multiple Output

Ingressi Multipli Uscite Multiple. Sistemi a più dimensioni
in cui si hanno molteplici segnali di uscita e di ingresso.

FIR Finite Impulse Response

Risposta Impulsiva Finita. Filtri con risposta impulsiva di lun-
ghezza finita. Sono semplici da implementare, la stabilità è im-
mediata se i coefficienti del filtro sono limitati.

IIR Infinite Impulse Response

Risposta Impulsiva Infinita. Filtri con risposta impulsiva infi-
nita, che presentano un meccanismo di feedback per cui l’uscita
dipende dall’uscita stessa negli istanti precedenti.

BIBO Bounded Imput Bounded Output

Criterio per la verifica della stabilità dei sistemi. Definisce un
sistema stabile, se per ingressi limitati le uscite sono limitate.

SNR Rapporto Segnale Rumore

Signal to Noise Ratio. Rapporto tra la potenza del segnale
utile e la potenza del segnale non desiderato (rumore).
 ACRONIMI xi

PSE Power Series Expansion

Espansione in Serie di Potenze. Si intende genericamente una
qualsiasi espansione basata sulle serie di potenze, tipicamen-
te l’espansione di MacLaurin, ma in generale l’espansione di
Taylor o di Laurent sono altri due esempi di PSE.

CFE Continued Fraction Expansion

Espansione in Frazioni Continue. L’espansione in frazioni
continue è una rappresentazione di un numero reale o di un si-
stema frazionario, basato sul successivo annidamento di frazio-
ni.

ARMA Auto Regressive Moving Average

Media Mobile Autoregressiva. Filtro per generare segnali di
tipo stocastico a partire da un rumore normale opportunamente
modellato dal filtro stesso.

FARMA Fractional Autoregressive Moving Average

Media Mobile Autoregressiva Frazionale. Espansione al ca-
so frazionario dei modelli di sistemi di tipo ARMA.
1 B A S I M AT E M AT I C H E

I sistemi trattati in questo testo sono caratterizzati da termini, che nel

dominio complesso di Laplace, assumono la forma sα , in cui tipicamen-
te α non è un numero intero come nei sistemi ordinari, ma appartiene
all’insieme dei numeri reali R, o, più raramente, persino all’insieme
dei numeri complessi C.
Passando poi nel dominio del tempo, si ottengono equazioni diffe-
renziali di ordine non intero (Fractional-Order Differential Equation,
FODE): l’ordine di derivazione di tali equazioni è dato infatti dall’espo-
nente α della corrispondente equazione nel dominio trasformato.
Le teorie alla base di tali oggetti matematici, nonostante le analogie
con l’analisi infinitesimale ordinaria che vanno ad espandere, sono suf-
ficientemente elaborate da richiedere una trattazione specifica. Le basi
teoriche della materia sono state poste e consolidate nel corso degli
ultimi trecento anni; oggi si prestano ad essere applicate in altri ambiti
della fisica, della chimica e dell’ingegneria, come vedremo in questo
testo!
Cominciamo quindi, partendo proprio dagli strumenti di base del
calcolo farzionario, in questo primo capitolo, principalmente tratto dal
[27] salvo ove diversamente specificato. Un diverso approccio dell’ar-
gomento, a partire dagli spazi di Hölder, è illustrato da Samko, Kilbas
e Marichev [36]. Entrambi i testi, attualmente fuori produzione, sono
disponibili nella biblioteca di Matematica della Sapienza.

1.1 FUNZIONE GAMMA

La funzione gamma permette di generalizzare la definizione di fatto-
riale anche per numeri reali e complessi, non solo interi, e quindi di
estendere di conseguenza le formule che fanno uso del fattoriale. An-
che i coefficienti binomiali, necessari nelle definizioni generalizzate di
derivata, possono essere definiti con la funzione gamma e quindi gene-
ralizzati. La definizione risale ad Eulero (Leonhard Euler, 1707–1783), Definizione
ed è la seguente[46]:
Z ∞
Γ( x ) ≡ t x−1 e−t dt, (1.1)
0

per x ∈ R+ .
La funzione gamma completa si ottiene dalle funzioni gamma in-
complete, superiore ed inferiore, rispettivamente:
Z ∞
Γ( a, x ) ≡ t a−1 e−t dt
x
Z x
γ( a, x ) ≡ t a−1 e− tdt,
0
dalle quali
Z ∞ Z x
Γ( a) ≡ Γ( a, x ) + γ( a, x ) = t a−1 e−t dt + t a−1 e−t dt,
x 0

1
 2 BASI MATEMATICHE

Funzione Gamma
10

-2

-4

-6

-8

-10
-4 -3 -2 -1 0 1 2 3 4 5

Figura 1: Funzione Gamma Γ( x ) per valori reali di x. Per valori di x ∈ N è

stato riportato con un cerchietto il valore del fattoriale di x − 1, a
conferma visiva della legge di ricorrenza (1.4) Γ(n) = (n − 1)!.

come si verifica facilmente.

Generalizzazione dei
fattoriali
La formula fattoriale si ottiene con alcuni passaggi, integrando per
parti a partire dalla definizione data (1.1):
h i∞ Z ∞
Γ ( x ) = − t x −1 e − t + ( x − 1)t x−2 e−t dt =
0 0
Z ∞
x −2 − t
= ( x − 1) t e dt = ( x − 1)Γ( x − 1),
0

otteniamo la legge di ricorsione che lega le funzioni Γ di due elemen-

ti distanziati di un’unità. Reiterando la legge di ricorsione per un
argomento intero n si può scrivere:

Γ(n) = (n − 1)Γ(n − 1) = (n − 1)(n − 2)Γ(n − 2) = · · · =

= (n − 1)(n − 2)(n − 3) · · · Γ(1) ≡ (n − 1)!, (1.2)
in cui si è osservato che Γ(1) = 1. Dalla definizione (1.1) infatti,
Z ∞ Z ∞ h i
Γ (1) = t1−1 e−t dt = e−t dt = − e−∞ − e0 = 1.
0 0

la funzione Γ( x ) La formula fattoriale (1.2) ricavata per un intero n, può essere calcolata
equivale al fattoriale! per un reale qualunque x, per cui le relazioni

Γ(n + 1) = n! (1.3)
Γ( x + 1) = xΓ( x ), (1.4)

ci permettono di estendere la definizione di fattoriale, che si rivelano

Coefficienti binomiali
estremamente utili in molti casi.
Un’immediata applicazione delle formule fattoriali appena ricavate,
è l’estensione della definizione dei coefficienti binomiali, dall’insieme
dei numeri Naturali N, all’insieme dei numeri Reali R o dei numeri
Complessi C. Ricordando la definizione dei coefficienti binomiali [45]
 
n n!
Ck ≡ ≡ , (1.5)
k (n − k)!k!
 1.2 DIFFERINTEGRALI 3

e la seguente proprietà [45],

k−n−1
     
k n n
(−1) = = (1.6)
k n−k n
che ci permette in sostanza di espandere le definizione dei coefficienti
binomiali anche per n ∈ N− , Sostituendo infine il fattoriale con l’au-
silio dell’equazione (1.3), la proprietà dei binomiali (1.6) diventa [27]

k−n−1 Γ(k − n)
   
kn
(−1) = = , (1.7)
k n Γ(−n)Γ(k + 1)
equazione che si può considerare la definizione di coefficienti bino-
miali per n non intero (n ∈ R, n ∈ C), che permette ad esempio di
epandere, non solo le potenze intere di un binomio, ma anche quelle
non intere (come ad esempio ( a + b)π ).
Un’altra relazione utile, si ottiene considerando la seguente proprie- Somma di N termini
tà della somma di N termini binomiali [45]: binomiali

N 
k−n−1 N−n
  
∑ k
=
n
.
n =0

Sostituendo ciascun fattoriale con l’equivalente funzione gamma, gra-

zie all’equivalenza (1.3), è possibile generalizzare per n non interi
ottenendo:
N
Γ(n − α) Γ( N − α)
∑ Γ(−α)Γ(n + 1)
=
Γ (1 − α ) Γ ( N )
. (1.8)
n =0

Le formule mostrate in questa sezione trovano diretta applicazio-

ne in particolar modo nella definizione delle derivate non intere di
Grünwald-Letnikov (G-L), come vedremo nelle prossime sezioni ed in
particolare nel § 1.2.2 nella pagina seguente. La funzione gamma è di- Comando gamma(x)
sponibile in Matlab con l’istruzione gamma(x), che restituisce il valore per Matlab
assunto dalla funzione Γ( x )

1.2 DIFFERINTEGRALI
Il calcolo differenziale di ordine intero è un pilastro fondamentale della
matematica oltre che uno strumento essenziale per la fisica, l’ingegne-
ria, ed un numero elevatissimo di altre discipline. Sebbene durante il
corso di studi si affronti relativamente presto, già in età scolastica, ne-
gli insegnamenti di ingegneria si considerano esclusivamente derivate
ed integrali di ordine intero. Tuttavia, possono esistere anche deriva-
te ed integrali di ordine non intero, vediamo quindi come trattare con
questi operatori matematici.

1.2.1 Percorso storico

L’idea di derivate di ordine non intero nasce con le derivate stesse. Già l’idea di Liebniz del
nel 1695 il matematico e filosofo tedesco Gottfried Wilhelm Leibniz 1965
(1646-1716), parla della possibilità di avere derivate di ordine non in-
tero, in una lettera indirizzata al suo collega e matematico francese,
Guillaume de l’Hôpital (1661-1704).
 4 BASI MATEMATICHE

definizione di Dall’idea ai primi studi sistematici, si è dovuto attendere quasi un

Liouville del 1832... secolo e mezzo, prima che il matematico francese Joseph Liouville
(1809-1882) diede l’impulso alla ricerca, trovando, nel 1832, una prima
di definizione di derivata frazionaria di una funzione. Liouville consi-
derò uno sviluppo in serie di esponenziali di una funzione, e definì la
derivata di ordine non intero operando termine a termine, riportando-
...col contributo di si quindi al caso intero. L’idea fu ripresa ed ampliata dal matematico
Riemann tedesco Georg Friedrich Bernhard Riemann (1826-1866), che introdus-
se una nuova definizione di integrale definito (analoga alla definizione
presentata al § 1.2.3), che era applicabile alle serie di potenze di or-
dine non intero. Fu poi Anton Karl Grünwald (Praga 1838-1920) ad
unificare i loro studi.
definizione di Successivamente, lo stesso Grünwald, superò le limitazioni imposte
Grünwald del 1867 dalla definizione di Liouville, giungendo nel 1867, con la collabora-
zione del matematico russo Aleksey Vasilievich Letnikov (1837-1888),
alla definizione più complessa quanto più naturale, ottenuta a partire
dal rapporto incrementale, come mostrato nel § 1.2.2, che fu poi ulte-
riormente estesa nel 1930 dal matematico americano Emil Leon Post
(1897-1954).
Parallelamente sono stati studiati i possibili ambiti di impiego della
teoria che sia andava delineando. Per quanto riguarda l’elettronica, si è
giunti solamente negli ultimi anni a risultati concretamente applicabili
e vantaggiosi. In particolare, l’impiego più promettente e sviluppato
è quello dei controllori frazionari, ma questo è argomento di un’altro
capitolo.

1.2.2 Differintegrali di Grünwald-Letnikov

Derivate generalizzate
Derivata dalla Partiamo dal caso intero, per trovare una espressione che possa rac-
generalizzazione del chiudere in se le definizioni di derivate ed integrali. Considerando la
rapporto
incrementale
ben nota definizione di derivata attraverso il rapporto incremetale

df f ( x ) − f ( x − δx )
≡ f 0 ≡ lim . (1.9)
dx δx →0 δx
derivate successive Incrementando l’ordine di derivazione si ottiene una formula ricorsi-
va che ci permetterà di generalizzare il caso di derivata n-esima Ad
esempio nel caso n = 2 si ha:

d2 f f 0 ( x ) − f 0 ( x − δx )
2
≡ f 00 ≡ lim ,
dx δx →0 δx
in cui sostituendo l’equazione (1.9) della derivata prima si ottiene

d2 f f ( x ) − 2 f ( x − δx ) + f ( x − 2δx )
2
≡ lim
dx δx →0 δx2
Analogamente per una derivata di ordine 3 si ottiene:

d3 f f ( x ) − 3 f ( x − δx ) + 3 f ( x − 2δx ) − f ( x − 3δx )
3
≡ f (3) ≡ lim ,
dx δx →0 δx3
Si osserva che i coefficienti che compaiono davanti alla funzione se-
guono la regola dei coefficienti binomiali con segni alterni, e questo
 1.2 DIFFERINTEGRALI 5

è ancor più evidente sviluppando manualmente il calcolo delle deri-

vate successive; inoltre si osserva che aumentando l’ordine di deriva-
zione intervengono punti della funzione a distanze sempre maggiori
dall’ascissa x considerata. Possiamo dunque scrivere definizione di
derivata n-esima
" #
n
dn f
 
i n
≡ f (n)
≡ lim (δx ) ∑ (−1)
−n
f ( x − iδx ) , (1.10)
dx n δx →0 i =0
i

che è la formula generale di derivazione per ordine intero n, anche se

necessita di ulteriori elaborazioni per i nostri scopi. . .

Integrali generalizzati
L’usuale definizione di un integrale, come limite delle somme di Rie- Integrali come
mann, è data dalla: somme di Riemann

d −1 f
≡ f (−1) ( x ) ≡
[d( x − a)]− 1
" #
Z x N −1

a
f (y)dy ≡ lim
δx →0
δx ∑ f ( x − iδx )
j =0

in cui la funzione integrata si ottiene dall’area sottesa dalla funzione

integranda, calcolata come somma di N rettangoli di base infinitesima
δx ed area δx · f ( x ). L’aver fissato l’estremo inferiore di integrazio-
ne ci permette di eliminare l’indeterminatezza dell’integrale, cioè la
funzione integranda non è definita a meno di una costante.
Analogamente a quanto fatto per le derivate, esplicitiamo il calcolo di ordine superiore
degli intergrali di ordine superiore, di secondo grado:
" #
N −1
d −2 f
≡ f (−2)
( x ) ≡ lim (δx ) ∑ (i + 1) f ( x − iδx ) ,
2
[d( x − a)]− 2 δx →0 i =0

poi di terzo grado:

" #
N −1
d −3 f (i + 1)(i + 2)
≡ f (−3)
( x ) ≡ lim (δx ) ∑
3
f ( x − iδx ) ,
[d( x − a)]− 3 δx →0 i =0
2

otteniamo infine l’equazione della definizione di un generico integrale: definizione di

integrale n-esimo
" #
N −1 
d−n f i+n−1

≡ f (−n)
( x ) ≡ lim (δx ) ∑
n
f ( x − iδx ) ,
[d( x − a)]− n δx →0 i =0
i

i cui i coefficienti binomiali generalizzano la successione dei coefficien-

ti della funzione.

Unificazione delle definizioni

L’equazione così ottenuta, non è uniforme con l’analoga equazione Unificazione delle
della derivata (1.10), bisogna lavorarci ancora un po’. Nel caso di inte- definizioni
grali, dati x, a ed N, si avrà che δx = ( x − a)/N. Posso applicare tale
definizione dell’incremento δx anche per le derivate, come se avessi
campionato i punti in cui derivare ad intervalli δx. Tra l’altro, restrin-
gendo il dominio di derivazione ponendo a come limite inferiore, la
derivata esiste comunque.
 6 BASI MATEMATICHE

Sostituendo la definizione data dell’incremento δx, otteniamo quindi

le seguenti formule per derivate di ordine n:
( −n N −1 )
δn f x−a x−a
   
i n
δx n
= lim
N →∞ N ∑ (−1) i f x − i N , (1.11)
i =0

ed integrali di ordine n:
( −n )
d−n f x−a N
i+n−1 x−a
   

d ( x − a )−n
= lim
N →∞ N ∑ i
f x−i
N
,
i =0
(1.12)

che differiscono solo per l’espressione dei coefficienti binomiali.

Ricordando la proprietà dei binomiali (1.6) che qui riscriviamo:

Γ(k − n)
   
k n n
(−1) = = , (1.6)
k n−k Γ ( k − n ) Γ ( k + 1)

si osserva come le definizioni (1.11) e (1.12) siano in realtà equivalenti!

Si noti inoltre come fino ad ora si sia considerato il caso n intero.

Estensione al caso non intero

Definizione La naturale estensione per ordine non intero si ottiene sostituendo le
differintegrali di notazioni equivalenti dei coefficienti binomiali (1.6), con la più gene-
Grünwald-Letnikov
rica espressione indicata in (1.7) che fa uso della funzione Gamma,
ottenendo infine:
( −α )
N −1
x−a Γ (i − α ) x−a
 
1
α
aD x f ( x ) ≡ lim
N →∞ N Γ(−α) ∑ Γ ( i + 1)
f x−i
N
i =0

(1.13)

Abbiamo ottenuto un’equazione che unifica le definizioni di derivata

ed integrale, permette cioè di ottenere entrambi in funzione dell’or-
dine di derivazione α ∈ R, che prende il nome di differintegrale di
Grünwald-Letnikov (G-L), dai suoi scopritori.
vantaggi della L’equazione (1.13) si può considerare come la più importante tra le
definizione di G-L definizioni di differintegrali, in quanto:

• richiede il minor numero di restrizioni per le funzioni alle quali

si applica;

• evita l’uso esplicito di derivate o integrali della funzione f ( x );

• permette di estendere le regole di derivazione al caso non intero;

sebbene questi pregi si paghino al prezzo di una maggiore complessi-

tà!

1.2.3 Differintegrali di Riemann-Liouville

Integrazione La definizione di Riemann-Liouville è una semplice generalizzazio-
multipla di Cauchy
 1.2 DIFFERINTEGRALI 7

ne della formula di integrazione multipla data da Cauchy (Augustin-

Louis Cauchy, matematico e ingegnere francese, 1789-1857), che qui
ricordiamo
d−n f
Z x Z x Z x
1 n −1
= dxn−1 ··· f ( x0 )dx0 =
d ( x − a )−n a a a
Z x
1
= ( x − y)n−1 f (y)dy,
( n − 1) ! a

che esprime un integrale multiplo come un integrale singolo opportu-

namente pesato, tra l’altro con una funzione peso molto semplice!
La formula di integrazione multipla di Cauchy si può facilmente generalizzazione al
generalizzare al caso non intero: il fattoriale si può sostituire con caso non intero
la funzione gamma (1.3), l’ordine n si generalizza per α qualunque,
ottenendo
Z x
dα f 1
= ( x − y)−α−1 f (y)dy, (1.14)
d( x − a)α Γ(−α) a

valida anche per α ∈ C. Tuttavia si deve sempre tenere in mente che

la formula è stata ricavata a partire dall’integrazione della funzione
f , quindi in tal caso sarà certamente convergente per <{α} < 0. Si
dimostra, che per <{α} > 0, la (1.14) è l’inverso della derivata di
ordine α, la definizione ottenuta dunque è valida per α qualsiasi.
La formula (1.14) fa uso delle differenze ( x − y), cioè delle differenze causalità,
all’indietro, per cui è causale. Facendo uso delle differenze in avanti, anti-causalità e
definizione di Weil
cioè scrivendo ( x + y), si otterrebbe un’analoga definizione anti-causale,
che fa uso solo dei campioni in avanti del segnale. Tale definizione
prende il nome di differintegrale di Weil [30].
La definizione (1.14) è la più diffusa, grazie alla sua praticità d’uso vantaggi
in molteplici situazioni.

1.2.4 Differintegrali di Courant e Hilbert

La terza definizione di differintegrali considerata è stata proposta nel Riemann-Liuoville

1962 dai matematici Courant e Hilbert, ed è la seguente: per α = 1/2

1 Z x
d2 f 1 d f (y)dy
1
≡ √ √
d( x − a) 2 π dx a x−y

Si può ricavare tale definizione come caso particolare della definizio-

ne di Riemann-Liouville, semplicemente ponendo α = 1/2.

1.2.5 Differintegrali di funzioni elementari

Rincuora osservare come alcune derivate fondamentali di ordine intero
siano facilmente estensibili anche al caso non intero. Consideriamo
alcune semplici funzioni note e calcoliamone la derivata frazionaria.

Funzione costante
Applicando la formula di G-L (1.13) sulla funzione f ( x ) = 1 si ottiene
(
x − a − α N −1
)
Γ (i − α )

α
aDx f ( x ) = lim
N →∞ N ∑ Γ(−α)Γ(i + 1) ,
i =0
 8 BASI MATEMATICHE

Derivate f.ne costante

1.5

Dα
0.5

0
0
1
0.5
0.5
x 0
−0.5 α
1 −1

Figura 2: Differintegrali della funzione costante f ( x ) = 1, in cui l’estremo

inferiore a = 0, il dominio è x ∈ [0, 1], e l’ordine di derivazione α ∈
[−1, 1]. In corrispondenza dei valori interi dell’ordine di derivazione
α, sono tracciate le curve di riferimento: per α = 0 ho la funzione non
derivata, per α = 1 ho la derivata di una costante, cioè la funzione
nulla, infine per α = −1 ho l’integrale di una costante, cioè una retta.

poi con l’ausilio della (1.8) si semplifica

α ( x − a )−α
aD x f ( x ) = ,
Γ (1 − α )

nella semplice forma di un rapporto!

Facilità di La funzione costante, per la sua semplicità, si presta molto bene
interpretazione del per capire il significato dei differintegrali di ordine non intero. Fis-
significato dei
differintegrali . . .
siamo l’estremo inferiore a = 0, ed osserviamo cosa accade al variare
dell’ordine di derivazione α tra [0, 1] grazie al grafico in figura 2
. . . che interpolano La superficie interpola le linee continue, che corrispondono a deri-
derivate ed integrali vate o integrali di ordine intero, quindi noti. Per ordine non intero
ordinari
si ha una transizione graduale tra le curve. Per α ∈ [0, 1] le derivate
mostrano l’effetto del punto iniziale della funzione, assumendo valori
elevati in prossimità di x = 0 (nel grafico sono stati tagliati i valori
troppo alti, delimitati dalla linea curva in verde). Le curve si piegano
in modo sempre più brusco fino ad arrivare ad α = 1, per cui si ha un
angolo retto tra l’origine delle x in cui la derivata tende a infinito, ed i
punti successivi, in cui la derivata è nulla.

Potenze

La derivata prima di una potenza è banalmente Dx p = p · x p−1 , qual-

cosa di molto simile si ottiene nel caso frazionario:

Γ ( p + 1)
α p
aD x x = · x p−α
Γ ( p − α + 1)
 1.3 PROPRIETÀ DIFFERINTEGRALI 9

Funzione esponenziale
Anche in questo caso se Decx = c · ecx , ottengo qualcosa di simile nel
caso non intero:
α cx
aD x e = cα · ecx

1.3 PROPRIETÀ DIFFERINTEGRALI

Per le derivate di ordine intero sono state sviluppate molteplici pro-
prietà, che possono essere generalizzate anche nel caso non intero. For-
se la proprietà più importante, la linearità, discende immediatamente
da ciascuna delle definizioni date nel § 1.2 nella pagina 3.
Un’altra formula molto importante nel caso intero esprime la deri-
vata di funzioni composte. Nel caso intero si riesce in questo modo,
a ricavare l’espressione della derivata di funzioni anche complesse, a
partire dalla funzioni elementari note. Nel caso non intero purtroppo,
non esiste una formula altrettanto valida, ponendo dei seri limiti alla
possibilità di operare su funzioni complesse.

1.3.1 Differintegrali multipli

Cominciamo col vedere come trattare con 2 successive differintegrazio- Studio del
ni di una funzione f ( x ), partendo dalle identità comportamento di
due differintegrazioni
successive
dn d N f (x) dn+ N dN dn
   
= = N ,
dx n dx N dx n + N dx dx n

valide per n, N appartenenti all’insieme dei numeri naturali N. Cer-

chiamo il significato di termini analoghi per ordini di derivazione o
integrazione non interi, che ci permettano di operare con differintegra-
zioni multiple.
Per funzioni f , che siano N volte differenziabili si può scrivere Partendo dal teorema
fondamentale del
Z x calcolo. . .
f ( N ) (y)dy = f ( N −1) ( x ) − f ( N −1) ( a),
a

dal teorema fondamentale del calcolo.

Integrando una seconda volta1 , con qualche passaggio:

d −2 f ( N ) d −1 d −1
 
(N)
= f ( x ) =
d ( x − a ) −2 d ( x − a ) −1 d ( x − a ) −1
d −1 n
( N −1) ( N −1)
o
= f ( x ) − f ( a ) =
d ( x − a ) −1
Z x
= f ( N −2) ( x ) − f ( N −2) ( a ) − f ( N −1) ( a)dy =
a
= f ( N −2) ( x ) − f ( N −2) ( a ) − ( x − a ) f ( N −1) ( a ),

si può generalizzare al caso n ∈ N− , . . . otteniamo la 1a

soluzione, n integrali
1 Si ricorda che la notazione delle derivate (e quindi degli integrali) espressa come rap- seguiti da N
porto dei differenziali della funzione è dovuta a Leibniz. Qui viene convenientemente derivate;
usata per esprimere in modo compatto integrali multipli.
 10 BASI MATEMATICHE

n −1
d−n f ( N ) ( x − a )k ( N +k−n)
d( x − a) − n
= f ( N −n)
( x ) − ∑ k!
f ( a ). (1.15)
k =0

Si osservi che per N = n la sommatoria non è nulla, a meno che nel

punto x = a non sia nulla la funzione f con le prime n − 1 deriva-
te, cioè derivata ed integrale non sono operatori esattamente inversi.
Come noto infatti, rende nulli i termini costanti, l’integrale non può
recuperare il valore perduto dalle operazioni precedenti.
derivando la formula Ripartiamo dalla (1.15) fissando N = 0,
ottenuta, ponendo a
n −1
0 il numero di d−n f ( x − a )k (k−n)
derivazioni. . .
− n
= f (−n) ( x ) − ∑ f ( a ), (1.16)
d( x − a) k =0
k!

e deriviamo l’equazione semplificata così ottenuta. Derivando la prima

volta si ha
n −1
d f (−n) ( x − a ) k −1 ( k − n )
= f (1− n ) ( x ) − ∑ f ( a ),
d( x − a) k =1
( k − 1) !

infatti il primo termine è integrato una volta in meno, cioè 1 − n, la

derivata dei termini della sommatoria è la derivata rispetto ad x di un
termine ( x − a)k .
. . . otteniamo la 2a Continuando a derivare, fino ad N volte, si ottiene
soluzione, N derivate
n −1
seguite da n integrali d N f (−n) ( x − a )k− N (k−n)
;
d( x − a) N
= f ( N −n)
( x ) − ∑ (k − N )!
f ( a ), (1.17)
k= N

in cui la sommatoria scompare e resta

d N f (−n)
= f ( N − n ) ( x ), (1.18)
d( x − a) N
se l’ordine di derivazione N è maggiore dell’ordine di integrazione,
N ≥ n.
derivando infine Ripartendo infine dalla (1.16), e sostituendo −n = N − n otteniamo
N − n volte . . . la formula composta
n − N −1
d N −n f ( x − a )k (k+ N −n)
d ( x − a ) N −n
= f ( N −n)
( x ) − ∑ k!
f ( a ), (1.19)
k =0

che finalmente chiude il cerchio, ponendo l’ultimo tassello che comple-

ta le teorie e risponde alle nostre domande.
. . . si ottengono 3 Infatti, se nella (1.19) sostituiamo nella sommatoria k con k − N, la
formule equivalenti, (1.19) è identica alla (1.17). Non solo, la (1.19) risulta anche essere
sebbene l’ordine delle
operazioni sia
identica alla (1.15), per cui, riassumendo, si ha2 :
differente
d N f (−n) d N −n f d−n f (− N )
= = =
d( x − a) N d ( x − a ) N −n d ( x − a )−n
n −1
( x − a )k (k+ N −n)
= f ( N −n) ( x ) − ∑ k!
f ( a ),
k= N −n

relazioni valide nel caso intero.

Si osservi che se il limite superiore della sommatoria viene aumen-
tato, compaiono degli integrali calcolati nel punto x = a, tali inte-
grali non comportano alcuna variazione dei risultati ottenuti. Questo
 1.3 PROPRIETÀ DIFFERINTEGRALI 11

ci permette di generalizzare al caso non intero le formule trovate, in Caso non intero
particolare il caso più utile si ha per n = α, con α ∈ R. Si ottiene:

d N f (α) d N +α f dα f ( N )
N
= N +
= =
d( x − a) d( x − a) α d( x − a)α
N −1
( x − a )k−α− N
= f ( N +α) ( x ) − ∑ Γ ( k − α − N + 1)
f (k)( a). (1.20)
k =0

1.3.2 Differintegrali del prodotto di funzioni

Un noto risultato, del calcolo differenziale di ordine intero, è dato dalla Formula di
formula di Leibniz per la derivata del prodotto di due funzioni, secondo Leibniz. . .
la quale

n   n −i
dn n d f di g
dx n
{ f · g } = ∑ ·
i dx n−i dxi
. (1.21)
i =0

Anche in questo caso si osserva che il risultato non cambia se la . . . e generalizzazione

somma viene estesa fino ad infinito, dal momento che i coefficienti al caso non intero
binomiali (ni) sono nulli per i > n. Per tanto, l’estensione naturale
della formula di Leibniz si dimostra essere

dα n  
α d α −i f di g
d( x − a)α
{ f · g } = ∑ ·
i d ( x − a ) α −i d ( x − a )i
, (1.22)
i =0

in cui n è il primo intero più grande dell’ordine di derivazione α, cioè

n − 1 < α < n.

1.3.3 Differintegrali di funzioni composte

La nota regola per le funzioni composte di ordine intero La formula per le
derivate composte . . .
d 
d
d
f g( x ) = f g( x ) f ( x ), (1.23)
dx dg( x ) dx

è priva di una semplice controparte nel calcolo integrale.

Dal momento che nei differintegrali l’ordine può essere tanto posi- . . . non ha semplici
tivo quanto negativo, si intuisce che, una generalizzazione sufficiente- equivalenti per gli
integrali,
mente semplice da poter essere facilmente sfruttabile in pratica, non
esiste.
La generalizzazione per derivate di ordine n si ottiene nel modo per cui la
usuale, derivando la (1.23) più volte, fino a trovare una formula gene- generalizzazione al
caso n qualunque. . .
rale con l’ausilio della formula di Leibniz (1.21). Derivando la prima
volta
(
) (
)
d d f g( x ) d d f g( x ) d
= g ( x ) =,
dx dx dx dg( x ) dx

2 NB: La formula è presa dal [27], nel quale manca il termine f N −n ( x ) qui aggiunto per
coerenza.
 12 BASI MATEMATICHE

poi semplificando la scrittura ponendo f g( x ) = f (u) ,
 
d d f (u) dg( x ) d  0
f (u) g0 ( x ) =

= =
dx du dx dx
d f 0 (u) dg 0 (x)
= g0 ( x ) + f 0 (u) =
dx dx
d f 0 (u) dg( x )
= g0 ( x ) · + f 0 (u) g00 ( x ) =
du dx
2
= f 0 (u) g0 ( x ) + f 0 (u) g00 ( x ),


in cui il termine d f 0 (u)/dx è stato a sua volta esplicitato con la (1.23).

. . . con la formula di Ripetendo il procedimento per ordini successivi, si ottiene la formu-
Faà di Bruno. . . la di Faà di Bruno per la generalizzazione al caso n-esimo
P
dn f g( x ) n n


1 g(k) k

= n! ∑ f (m)
∑P ∏ Pk ! k! ,
dx n m =1 k =1

in cui la somma su P si estende su tutte le possibili combinazioni di n

interi non negativi P1 , P2 , . . . , Pn , che soddisfano le condizioni
(
∑nk=1 kPk = n,
∑nk=1 Pk = m.

. . . per ordine Per complicare ancora un po’ la formula di Faà di Bruno, generaliz-
qualunque. . . ziamo al caso non intero [27, pagina 80]

( x − a )−α


dα f g( x )

= f g( x ) +
d( x − a) α Γ (1 − α )
∞   P
α ( x − a )i −α i i
1 g(k) k

+∑
i Γ(i − α + 1) m∑ ∑P ∏ Pk ! k!
(m)
i! f ,
i =1 =1 k =1

in cui compare un addendo iniziale ed una sommatoria aggiuntiva di

. . . non permette
applicazioni pratiche
per l’eccessiva
complessità!
infiniti termini.
La difficoltà pratica dell’utilizzo della formula trovata di fatto ne
impedisce qualsiasi reale applicazione. Di fatto ciò costituisce un osta-
colo enorme alla differintegrazione di funzioni complesse che non sia-
no direttamente ricavabili, ad esempio attraverso la definizione di G-L.
Infatti, uno degli strumenti più potenti per la derivazione nel caso
intero, è proprio dato dalla proprietà (1.23), l’assenza di uno strumen-
to ad essa equivalente è una grave carenza della nuova teoria della
differintegrazione generica!

1.4 TRASFORMATA DI LAPLACE

La trasformata di Laplace3
Z ∞
L { x (t)} ≡ X (t) = x (t)est dt
0

I sistemi descritti da è uno strumento indispensabile per lo studio dei sistemi elettronici. Lo
equazioni
differintegrali si 3 Nel 1785 Pierre-Simon Laplace (1749–1827), matematico fisico e astronomo francese,
modellano con riprendendo gli studi iniziati nel 1744 da Eulero sulle trasformazioni integrali, diede la
sistemi in s con definizione di trasformata che conosciamo.
esponenti non interi!
 1.4 TRASFORMATA DI LAPLACE 13

scopo di questa sezione è capirne il funzionamento per ordini non inte-

ri. Fortunatamente si possono ottenere risultati del tutto simili al caso
intero: derivate frazionarie si trasformano in s in potenze frazionarie
di grado α, come mostrato nella (1.26). Come diretta conseguenza i
teoremi del valore iniziale e finale non cambiano. Vediamo in questa
parte come si modificano le proprietà fondamentali delle trasformate
di Laplace.

1.4.1 Convoluzione e prodotto

Anche nel caso frazionario, si ha la corrispondenza tra la convoluzione La convoluzione nel
nel tempo ed il prodotto in frequenza [24]. La dimostrazione non tempo si trasforma
nel prodotto, anche
cambia per esponenti non interi, pertanto non sarà qui ripetuta, si per sistemi non
riporta solo il risultato raggiunto: interi!
Z
x (τ )y(t − τ )dτ ≡ x (t) ⊗ y(t) ⇔ L { x (t)} L {y(t)} ≡ X (s)Y (s).
(1.24)

1.4.2 Proprietà della derivata

Cerchiamo la generalizzazione della proprietà della trasformata della
derivata, cercando di capire quindi cosa si ottiene dalla trasformata di
Laplace di un differintegrale.
Indichiamo con L la trasformata di Laplace, x (t) una funzione nel
dominio del tempo e X (s) la sua corrispondente trasformata.
La nota relazione di ordine intero Analogia tra le
trasformate di ordine
 n  n −1
d x (t) intero e non
L n
∑ s n −1− k Dk x ( t )  t =0 ,

n
= s X ( s ) − (1.25)
dt k =0

in cui la sommatoria scompare nel caso di integrali, si estende al caso

non intero
 α  n −1
d x (t)
L ∑ s k Dα −1− k x ( t )  t =0 ,

= s α
X ( s ) − (1.26)
dt α
k =0

in cui n è il primo intero maggiore di α, per cui n − 1 ≤ α ≤ n. I termini

della sommatoria rappresentano le condizioni iniziali del sistema, se
si considera un sistema in condizioni iniziali di riposo, tutti i termini
saranno nulli. Vediamo come ricavare la (1.26).
Partiamo considerando indici α negativi, per cui possiamo scrivere Dimostrazione per
per la definizione di Riemann-Liouville (1.14): α < 0: Riemann-
Liouville. . .
Z x
dα f 1
= ( x − y)−α−1 f (y)dy, per q < 0. (1.14)
d( x − a)α Γ(−α) a

L’integrale può essere visto come la convoluzione (1.24) tra la funzione . . . con la proprietà di
f ( x ) e la funzione x −α−1 . In tal caso, la trasformata di Laplace della convoluzione;
(1.14), sarà pari al prodotto delle trasformate delle funzioni,

x
Z 
− α −1
L ( x − y) f (y)dy =
a
n o n o
=L x −α−1 ⊗ f ( x ) = L x −α−1 L { f ( x )} (1.27)
 14 BASI MATEMATICHE

per cui ricordando che

n o (−α − 1)!
L x − α −1 = ,
s−α
si ha
 
dα f 1 n o
L = L x −α−1 L { f ( x )} = sα L { f ( x )} , (1.28)
d( x − a)α Γ−α

in cui si è fatto uso della proprietà (1.4), e la derivata è stata espres-

sa con la (1.14) con la trasformata dell’integrale modificato secondo
la (1.27). Abbiamo dunque ottenuto per la trasformata di un integrale
frazionario, una formula identica alla (1.25) valida nel caso intero.
Dimostrazione per Passiamo adesso al caso più generico per α > 0, in tal caso alla defini-
α > 0: zione di Riemann-Liouville occorre specificare la condizione della leg-
Riemann-Liouville di
grado n + (α − n). . .
ge di composizione (1.20), per cui è possibile sostituire α → n + (α − n),
spezzando poi banalmente le derivate
 α−n
dn dn

dα f ( x ) d f (x)
= n − n
= n { ϕ( x )} , (1.29)
dx α dx dx α dx

possiamo considerare la differintegrazione di ordine α − n di f come

una funzione autonoma, in questo modo non resta che la derivata di
ordine intero.
. . . in parte In tal caso, la trasformata di Laplace della (1.29) si calcola nel modo
equivalente al caso usuale con la (1.25), per cui
α < 0. . .

dn
   
dα f ( x )
L =L { ϕ( x )} =
dx α dx n
n −1
d n −1− k dα−n f ( x )
 
= s L { ϕ( x )} − ∑ s
n k
. (1.30)
k =0 dx n−1−k dx α−n

Il primo termine è la trasformata di Laplace di un termine derivato

α − n volte, poiché stiamo considerando 0 < n − 1 < α < n, il termine
α − n sarà negativo, per cui
 α−n 
d f (x)
sn L = sn sα−n L { f ( x )} = sα F (s),

− n
(1.31)
dx α

come risulta applicando la (1.28).

. . . in parte con la Per ciascun termine della sommatoria invece, sfruttiamo la formula-
legge di composizione zione esplicita delle derivate successive (1.20), in cui si identifica:
...
)
N → n − 1 − k,
⇒ N + α → α − 1 − k,
α → α − n,
N −1 n − k −2
∑ → ∑ ,
h =0 h =0

in particolare, per l’indice h della sommatoria presente nella (1.20), con

k = n − 1 può assumere al massimo il valore n − k − 2 = −1, per cui
la sommatoria scompare e della (1.20) non resta che il primo addendo:

d n −1− k dα−n f ( x ) d α −1− k f ( x )

 
= . (1.32)
dx n−1−k dx α−n dx α−1−k
 1.5 SUPERFICI DI RIEMANN 15

Rimettendo infine insieme tutti i pezzi (1.31), (1.32) nella (1.30) si . . . fino a dimostrare
ottiene la tesi!

 α  n −1
d f (x)
L ∑ k α −1− k

= s α
F ( s ) − s D f ( x ) 
t =0
(1.26)
dtα k =0

come ci eravamo proposti di dimostrare.

1.4.3 Teorema del valore iniziale e finale

La proprietà della derivata (1.26), ci permette di ricavare il teorema del
valore iniziale, e del valore finale [28], con una dimostrazione identica
alla stessa introdotta nel caso intero.

Teorema del valore iniziale

Per il teorema del valore iniziale,
lim aDαt −1 x (t) = lim sα X (s), <(s) > 0.
t →0 s→∞

Teorema del valore finale

Analogamente, anche il teorema del valore finale,
lim aDαt −1 x (t) = lim sα X (s), <(s) > 0,
t→∞ s →0

ha una formulazione del tutto identica per sistemi di ordine α reale o

intero.

1.5 SUPERFICI DI RIEMANN

Abbiamo visto nel § 1.4 nella pagina 12, che i sistemi di ordine non
intero si modellano con funzioni nel dominio di Laplace con esponente
non intero. In tal caso, le potenze diventano funzioni a più valori sul
piano complesso: per un solo termine sα si hanno più punti del piano
complesso che soddisfano l’equazione.
Le superfici di Riemann [39] permettono di trattare funzioni a più Superfici di Riemann:
valori, come se fossero funzioni a singolo valore, con evidenti vantaggi funzioni a più valori
come se fossero a
in termini di semplificazioni dei formalismi matematici. singolo valore
Si ricorda che una funzione si dice a più valori (o polidroma o polivo-
ca) se per un punto nel dominio corrispondono più valori distinti nel
codominio [39]. Tra le funzioni a più valori si hanno il logaritmo e la
radice.

1.5.1 Radice
Nel campo complesso, dato un un qualsiasi elemento z ∈ C è possi- La fase della radice
bile trovare esattamente n sue radici distinte, con fase equi-spaziata n-esima si ottiene con
n formule distinte
e modulo
√ identico. Con la notazione polare z = re jϕ , le n radici
wk = z = re jϑk , con k = 0, 1, . . . , n − 1, sono date da:
n

( √
r= nr
(1.33)
ϑk = n + 2kπ
ϕ
n , k = 0, 1, . . . , n − 1,
 16 BASI MATEMATICHE

come noto dai corsi di analisi.

Chiariamo meglio il concetto, considerando, senza perdita di gene-
ralità, le 2 radici per n = 2. Queste,
√ come si ottiene dalle (1.33), sono
caratterizzate da modulo r = r, e fase
(
ϕ/2 per k = 0
ϑ= (1.34)
ϕ/2 + π per k = 1
Considerando come dominio l’intero piano complesso, i punti z ∈ C
possono essere considerati con√fase − √π < arg(z) ≤ π, ma il valore
principale della radice w0 = z = re jϑ1 , ϑ1 = ϕ/2, copre solo il
semipiano a parte reale positiva C+ . Affinché anche il codominio co-
pra l’intero piano complesso, occorre considerare anche i punti con
fase ϑ2 = ϕ/2 + π, ma in tal caso le soluzioni sono date da 2 differenti
formule.
rami e linee di taglio L’insieme di soluzioni di ciascuna delle formule risolventi, è detto
ramo della funzione, per cui la funzione radice quadrata avrà 2 rami.
La definizione della fase in un intervallo limitato, suppone che siano
presenti delle linee di confine coincidenti con gli estremi dell’intervallo
delle fasi considerato. Tali linee sono dette linee di taglio, nel caso
considerato si è scelto, come linea di taglio, la semiretta dei numeri
reali negativi.
Un modo per considerare la radice quadrata come funzione ad un
solo valore, è di duplicare il dominio e di rimuovere le discontinuità.
Per −2π < arg(z) ≤ 2π ho considerato come dominio un sovrapposi-
zione di due piani complessi, in tal caso il codominio della funzione
considerata, la radice quadrata, coincide con l’intero piano complesso
C, pur considerando il solo valore principale, quindi una sola formula.
Riemann: con n L’intuizione di Riemann è stata proprio quella di definire un do-
domini minio in modo opportuno in modo da rendere univoca e continua
opportunamente
collegati, calcolo
la soluzione di una funzione. Consideriamo due piani complessi C
tutte le radici con sovrapposti (o fogli), e supponiamo di tagliare il primo, in modo da
una sola formula poter passare, dopo una rotazione completa in senso antiorario attorno
all’origine (1° ramo), al piano complesso successivo ad esso sovrappo-
sto (2° ramo), e così di nuovo, dopo una ulteriore rotazione di 2π di
poter tornare al punto di partenza. Tale superficie è detta superficie di
Riemann della radice quadrata.
Se si considera come dominio la superficie di Riemann, il valore prin-
cipale della radice quadrata ha come codominio il piano complesso,
che copre con continuità e senza ambiguità!
Ciascuna funzione L’ambiguità residua del metodo di Riemann è data dall’arbitrarietà
ammette infinite della scelta delle linee di taglio. Infatti, se consideriamo sempre il caso
superfici di Riemann!
della radice, esistono infinite linee di taglio che permettono di costruire
infinite superfici di Riemann, date dalle semirette uscenti dall’origine.
La superficie principale di Riemann, è data da una scelta particolare delle
linee di taglio, che nel caso della radice corrisponde al semi-asse reale
negativo [28].

1.5.2 Logaritmo

Il logaritmo in C è Nel campo complesso, anche il logaritmo è una funzione a più valori,
una funzione ad per cui è possibile sfruttare le superfici di Riemann. Si ricorda che dato
infiniti valori
un numero complesso z, il suo logaritmo è definito come segue:
log(z) = ln |z| + j arg(z), (1.35)
 1.5 SUPERFICI DI RIEMANN 17


Superficie di Riemann per f = (z)
1

1 0.5

0.5
ℜ (w)

0
0

−0.5
1 −0.5
−1
−1 0.5
−0.5 0
0 −0.5 ℑ(z)
0.5 −1
ℜ(z) 1 −1
ℑ(w)

Figura 3: Superficie di Riemann per la radice w di un numero complesso z

ottenuta in Matlab. Il dominio è dato dalle z tali che −2π < arg(z) ≤
2π. Sull’asse z la parte reale di w, mentre in colore la sua parte
immaginaria.

in cui l’argomento è definito a meno di multipli di 2π, pertanto è una

funzione ad infiniti valori.
La superficie di Riemann in questo caso, si costruisce con infinite
ripetizioni del procedimento adottato nel caso della radice quadrata.
Consideriamo infiniti fogli sovrapposti, tagliamo ciascun foglio in cor-
rispondenza dell’asse dei numeri reali positivi, poi colleghiamo in mo-
do continuo ciascun foglio, cioè per fase crescente si passa ai fogli so-
vrapposti collegando le rispettive linee di taglio. Si può intuire che in
questo modo otteniamo una spirale che si avvolge come la filettatura
di una vite.

1.5.3 Rappresentazione grafica

È possibile rappresentare le superfici di Riemann graficamente. La rap-

presentazione ideale dovrebbe mostrare la corrispondenza tra i punti
della superficie di Riemann ed i punti dell’immagine della funzione
calcolata. È evidente che ciò richiederebbe almeno 4 dimensioni per
una corrispondenza da un piano complesso (a 2 dimensioni) ad un
altro piano complesso.
Potendo visualizzare solo grafici al massimo con 3 dimensioni, si Superfici di Riemann
può indicare con una scala di colori una delle dimensioni coinvolte. rappresentate come
fogli sovrapposti,
Una tipica rappresentazione che rende bene l’idea della superficie di distanziati del
Riemann, riferendosi al caso della radice, è di tracciare un grafico, in modulo della
√ z del piano complesso, la parte
cui si fa corrispondere a ciascun punto funzione e con scala
reale della sua radice <{w} = <{ z}, mentre la parte immaginaria è di colori della fase
resa con una scala di colore.
Ne è un esempio il grafico 3, che rende visivamente il doppio piano
complesso sovrapposto, con continuità della fase tra −2π e 2π. Il co-
dice che la realizza è mostrato nel listato, preso dal comando Matlab
cplxroot:

1 r = (0:m)’/m; % Modulo di z
 18 BASI MATEMATICHE

2 theta = pi*(-n*m:n*m)/m;
3 z = r * exp(i*theta);
4 s = r.^(1/n) * exp(i*theta/n);
5

6 surf(real(z),imag(z),real(s),imag(s));

Listato 1.1: Comandi Matlab per generare la superficie di fig. 3

in cui m è il numero di punti radiali considerati (nell’esempio m =

20), n è l’ordine della radice (per la radice quadrata n = 2). È possibile
generare con gli stessi comandi, le superfici di Riemann delle radici di
ordine superiore, agendo sulla variabile n.
È possibile inoltre tracciare con la stessa logica il grafico del logarit-
mo, che è dato da un piano a forma di spirale infinita.

1.6 FUNZIONE E DI MITTAG-LEFFLER

Una funzione, che scopriremo presto essere di estrema importanza,
è la funzione definita dal matematico svedese Gösta Mittag-Leffler
(1846-1927) che prende il suo nome. Può essere assimilata ad una
generalizzazione della funzione esponenziale [30], o più in generale
di tutte le funzioni esprimibili come combinazioni lineari di funzio-
ni esponenziali complesse, per questo è usata nell’ambito dei sistemi
frazionari, come vedremo in seguito.
Definizione La definizione a due parametri della funzione di Mittag-Leffler (M-L),
indicata con il simbolo Eα,β , è data dalla seguente serie [47]:
∞
zk
Eα,β (z) ≡ ∑ Γ(αk + β)
,
k =0
valida per α > 0, β > 0.
analogia della Spesso la funzione di M-L è indicata con un solo parametro, in tal
funzione di M-L con caso si intende β = 1. Se anche α = 1, ricordando che k è intero
l’esponenziale e, da
cui deriva il
e ricordando la formula (1.3) di ricorsione della funzione Gamma, si
simbolo E ottiene:
∞ ∞ k
zk z
E(z) ≡ ∑ Γ ( k + 1 )
= ∑
k!
≡ ez , (1.36)
k =0 k =0
espressione che coincide con la definizione della funzione esponenzia-
le, come mostrato nell’ultimo passaggio.
Recentemente, è stata proposta dal prof. Podlubny [34] un’imple-
mentazione efficiente in Matlab della funzione di M-L, disponibile sul
sito Matlab Central4 . Le curve in figura 4 nella pagina successiva
mostrano l’andamento della funzione, ottenuto con lo script citato.

1.6.1 Trasformata di Laplace di E

Cerchiamo la Operando sui sistemi LTI (lineari tempo-invarianti) nel dominio di La-
corrispondenza tra place, le funzioni che si ottengono sono rapporti di polinomi in s. È
tempo e frequenza,
per sistemi di ordine
noto dall’analisi di sistemi interi che sussiste la corrispondenza
non intero n o ( k − 1) !
L tk e− at = ,
(s + a)k
4 La funzione mlf è disponibile all’indirizzo http://www.mathworks.com/matlabcentral/
fileexchange/8738.
 1.6 FUNZIONE E DI MITTAG-LEFFLER 19

Funzione di Mittag-Leffler
2.5
a=1, b=1
2 a=2, b=1
a=1, b=4
1.5 a=3, b=1

0.5

−0.5

−1

−1.5
−30 −20 −10 0 10

Figura 4: Grafico della funzione di M-L tracciato con lo script mlf, per alcuni
valori dei parametri α e β.

che ci permette di passare rapidamente dal dominio del tempo al do-

minio trasformato e viceversa, senza ricorre alla definizione esplicita
di trasformata e di antitrasformata.
Ci proponiamo di ricavare un’analoga relazione, che possa essere
applicata anche per sistemi di ordine non intero. Una spiegazione
sintetica per β = 1 è disponibile su [47], seguiamo invece l’ampia e
completa dimostrazione data da [34].
La trasformata di Laplace di un termine esponenziale semplice e−t , Procedimento:
come noto, coincide con un termine razionale in s. Partiamo proprio trasformiamo e−t ,
con lo sviluppo in
considerando la seguente funzione integrale, serie
Z ∞ ∞ Z ∞ dell’esponenziale. . .
±zk
0
e−t e±zt dt = ∑ k! 0
e−t tk dt =, (1.37)
k =0

che ci proponiamo di risolvere con la definizione della funzione espo-

nenziale (1.36), in modo differente da quanto fatto nei corsi base di
ingegneria. Si osservi come si sia utilizzato il simbolo z al posto del
consueto s, per indicare la variabile di Laplace.
L’integrale (1.37) può essere risolto per separazione di variabili o per
associazione ad una trasformata di Laplace nota: considerando
n o l’argo-
mento e−st tk dt, posso sfruttare la nota formula L tk = k!/sk+1 , che
calcolata per s = 0 e sostituito nell’espressione (1.37) si ottiene
∞ ∞
±zk 1
∑ k! k! = ∑ (±z)k = 1 ∓ z , (1.38)
k =0 k =0

sfruttando i risultati noti per la somma delle serie geometriche. Riepi- . . . otteniamo la nota
logando si ha l’uguaglianza equazione (1.39) o
(1.40). . .
Z ∞
1
e−t e±zt dt = . (1.39)
0 1∓z
La stessa uguaglianza con la funzione d M-L sarà
Z ∞
1
e−t Eα,β (±zt)dt = , (1.40)
0 1∓z
 20 BASI MATEMATICHE

in cui chiaramente α, β = 1.
. . . che derivata k Deriviamo ora k volte la (1.39), ottenendo
volte. . .
Z ∞
k!
e−t tk e±zt dt = , (1.41)
0 (1 ∓ z ) k +1

poi applichiamo gli stessi risultati all’equazione (1.39) che fa uso della
funzione di M-L,
Z ∞
k!
e−t t β−1 Eα,β (±ztα )dt = ,
0 (1 ∓ z ) k +1

notando sempre che k rappresenta l’ordine di derivazione.

Confrontiamo infine entrambe le equazioni, con la trasformata note-
vole:
n o Z ∞ k!
L tk e± at = e−st tk e±zt dt = ,
0 ( s ∓ z ) k +1

. . . fornisce la ottenendo infine

trasformata di n o
(k)
Laplace completa L tαk+ β−1 Eα,β (±tα a) =
della funzione di
k!sα− β .
M-L! Z ∞
(k)
tαk+ β−1 Eα,β (±tα a)e−st dt =
0 ( s α ∓ a ) k +1

Tale equazione ci permette di antitrasformare un generico termine del-

la forma del rapporto di polinomi in s di esponente non intero, ed
esprimerne la sua antitrasformata in termini di derivate della funzio-
ne di M-L! In particolare per antitrasformare un termine razionale in
s, ho:

k!sα− β
 
−1 (k)
L = tαk+ β−1 Eα,β (±tα a), (1.42)
( s α ∓ a ) k +1

equazione semplificabile come spesso accade quando il termine in s

al numeratore non è presente, in tal caso α = β, e l’esponente del
Spesso è sufficiente la denominatore è pari ad 1, cioè k = 0 ottenendo la seguente formula di
versione semplificata antitrasformazione
 
−1 1
L = tα−1 Eα,α (±tα a), (1.43)
sα ∓ a

di estrema utilità!
2 SISTEMI ANALOGICI

Dopo l’introduzione degli strumenti matematici di base vista nel pri-

mo capitolo, cominciamo lo studio di sistemi non interi nel dominio
continuo del tempo. Sebbene si abbia a che fare con concetti e strumen-
ti di calcolo simili agli stessi sviluppati per i sistemi interi, la maggiore
generalità conquistata si paga a prezzo di una maggiore complessità
analitica: ad esempio occorre trattare con funzioni a valori multipli, o
con la funzione di Mittag-Leffler al posto dell’esponenziale.

2.1 DEFINIZIONI GENERALI

Un sistema analogico lineare tempo invariante può essere modellato,
nel dominio temporale, con un’equazione lineare alle differenze finite,
della forma
N M
∑ a n Dn y ( t ) = ∑ bm D m x ( t ) , (2.1)
n =0 m =0

in cui i coefficienti an e bn sono costanti fissate e indipendenti dal tempo.

I circuiti rappresentabili dall’equazione (2.1) sono detti Lineari Tempo
Invarianti (LTI).
Considerando lo stesso sistema per derivate non intere, siano αn gli Tra le
N ordini di derivazione, la scrittura rappresentazioni dei
sistemi interi e non,
N M si hanno forti
∑ a n Dα n y ( t ) = ∑ bm D α m x ( t ) , (2.2) analogie!
n =0 m =0

generalizza la (2.1), per αn ∈ R.

Applicando la proprietà (1.26) introdotta nel § 1.4 nella pagina 12,
per ciascuno dei termini della sommatoria, si ottiene

N M
∑ an sαn Y ( s ) = ∑ bm s α m X ( s ) , (2.3)
n =0 m =0

valida per circuiti con condizioni iniziali di riposo, cioè per x (t)t=0 =
0. L’equazione ottenuta viene tipicamente riscritta sotto forma di rap-
porto di polinomi, vale a dire come funzione di trasferimento: anche per la funzione
di trasferimento
M
∑m = 0 bm s
αm
H (s) = . (2.4)
∑nN=0 an sαn

La stessa espressione permette di ottenere la risposta in frequenza con

la sostituzione e jω → s. Per tracciare i diagrammi ideati dall’ingegne-
re americano Hendrik Wade Bode (1905-1982), occorre calcolare come
di consueto, il modulo e la fase della risposta in frequenza H ( jω ). Il
modulo è costante per tutte le radici di jω, mentre per la fase tipi-
camente si considera il solo valore principale, o equivalentemente la

21
 22 SISTEMI ANALOGICI

prima intersezione della superficie di Riemann con l’asse dei numeri

immaginari positivi.
Osserviamo come nel caso non intero la pendenza del modulo sul
I sistemi non interi diagramma di Bode, possa assumere pendenze qualsiasi. Infatti, se nel
possono assumere caso intero a distanza di una decade il modulo varia di un multiplo di
qualsiasi pendenza
sul diagramma di
20 dB, infatti per la proprietà della somma dei logaritmi
Bode!
20 log10 (10ω )n = 20n log10 (ω ) + 20n log10 (10) = 20n log10 (ω ) + 20n,

si osserva che a distanza di una decade mi sposto di 20n dal valo-

re precedente. Se al posto di n ho α ∈ R, posso avere un valore
qualunque!
Per lavorare con i sistemi non interi, è necessario disporre degli stessi
strumenti tipicamente utilizzati con i sistemi di ordine intero, bisogna
quindi capire come svolgere le seguenti operazioni:

• Calcolare la funzione di trasferimento. In realtà basta trasforma-

re l’equazione differenziale (2.1) come fatto nell’introduzione per
ricavare la (2.4);

• Antitrasformare la funzione di trasferimento o l’uscita del siste-

ma. Trovata l’uscita risolvendo linearmente l’equazione nel do-
minio trasformato, bisogna tornare nel tempo, per avere la ri-
sposta impulsiva o la y(t). È possibile farlo tramite scomposi-
zione in fratti semplici ed antitrasformate elementari (una volta
calcolate!), così come si fa per sistemi di ordine intero;

• Tracciare i diagrammi di Bode;

• Trovare la risposta forzata per condizioni iniziali non nulle;
• Studiare la stabilità dei sistemi.
nelle prossime pagine capiremo come si eseguono le operazioni de-
scritte, anche per sistemi di ordine non intero.

2.2 SISTEMI ELEMENTARI

Anche per i sistemi di ordine non interi, il modo più pratico di pro-
cedere consiste nella scomposizione in sistemi elementari, con un pro-
cedimento del tutto simile alla scomposizione in frazioni parziali tipi-
camente usata per i sistemi di ordine intero. Si prende un sistema, lo
si scompone in una somma di sistemi elementari, poi si antitrasforma
ciascuno di questi per ottenere la risposta nel dominio del tempo, o
risposta impulsiva del sistema.
Per prima cosa vediamo quindi le caratteristiche dei sistemi ele-
mentari non interi, poi cerchiamo di capire come invertire un sistema
qualunque, dal dominio complesso di Laplace, al tempo t.

2.2.1 Termine monomio

Il sistema più frazionario più semplice a cui possiamo pensare, ha una
funzione di trasferimento caratteristica

H (s) = sα , α 6= 0, (2.5)
 2.2 SISTEMI ELEMENTARI 23

ricordando però che l’equazione di trasferimento ha senso e risulta

definita se all’equazione del sistema viene associata una regione di
convergenza!
Una risposta del genere è riscontrabile, ad esempio, per un conden- Frattanza, cioè
satore o per un induttore di ordine non intero; un dispositivo di questo condensatore o
induttore frazionario
tipo viene detto frattanza, parola che nasce dall’incrocio di induttanza
e frazionario. Poi, siccome per grado α qualunque, la distinzione ma-
tematica dell’espressione della capacità ed dell’induttanza è solo una
discriminazione del segno dell’esponente α, il solo termine frattanza
va bene per indicare entrambi i dispositivi. La realizzazione fisica di
un simile dispositivo sarà vista nel capitolo 4.
Il sistema ha un polo, oppure uno zero nell’origine, in base al segno
dell’esponente α.
Come visto nel § 1.5 nella pagina 15, esistono più valori di s che per
un H (s) fissato soddisfano la relazione sα = H (s). Alla (2.5) posso-
no essere associate infinite superfici di Riemann, per cui l’equazione
rappresenta infiniti sistemi, ma un sistema reale può giacere solo sulla
superficie principale di Riemann.

Risposta impulsiva
Per riportare la (2.5) nel dominio del tempo, partiamo dalla definizione Partendo dalla
integrale di Riemann-Liouville (1.14) data nel § 1.2.3 nella pagina 6, definizione di
derivata
valida per α < 0 frazionaria. . .
Z t
1
α
aD t x ( t ) = (t − τ )−α−1 x (t)dt, (1.14)
Γ(−α) a

L’espressione ottenuta ricorda molto da vicino una convoluzione, in- . . . poi trasformando,
fatti basta definire il fattore dei pesi come semplice funzione esponen- sia con la
convoluzione di
ziale, ad esempio scrivendo f (t) ≡ t−α−1 , per poter riscrivere Riemann-
Liuoville. . .
1
α
aD t x ( t ) = f ( t ) ⊗ x ( t ),
Γ(−α)
similmente al procedimento illustrato nel § 1.4.2 nella pagina 13.
La trasformata gode della proprietà di equivalenza tra convoluzione . . . sia con la
e prodotto (1.24), si può quindi riscrivere la (1.14) come prodotto: proprietà della
convoluzione della
1 n o trasformata. . .
L { aDαt x (t)} = L t−1−α L { x (t)} = sα L { x (t)}
Γ(−α)
per ottenere il 2° membro dell’equazione mostrata; l’uguaglianza tra il
1° ed il 3° membro invece, discende dalla proprietà (1.26) di differinte-
grazione della trasformata.
Se infine si ricorda che la trasformata dell’impulso è unitaria, basta
sostituire L { x (t)} = δ(t) ⇒= L {δ(t)} = 1, per ottenere dall’ugua- . . . l’uguaglianza
glianza tra il 2° ed il 3° membro la relazione: delle soluzioni. . .

L t −1− α

= sα ,
Γ(−α)
da cui antitrasformando rispetto al tempo (la funzione gamma non . . . permette di
interviene poiché dipende solo da α), si ottiene trovare la risposta
impulsiva della
frattanza!
t −1− α
L −1 { s α } = u(t) (2.6)
Γ(−α)
 24 SISTEMI ANALOGICI

che rappresenta la risposta impulsiva di un sistema sα cercata, ed in

cui il gradino u(t) si aggiunge per ricordare che l’integrale di Laplace
è tra 0 ed ∞.

Derivatore e rappresentazioni grafiche

Come accennato nell’introduzione, il termine monomio corrisponde

ad un capacitore frazionario, cioè ad una frattanza. Si intuisce come, ana-
logamente al caso continuo, un termine del genere si possa sfruttare
per calcolare un differintegrale.
Consideriamo un sistema costituito proprio da un termine (2.5); po-
nendo in ingresso un segnale x (t), mi aspetto che l’uscita y(t) sia pari
alla derivata dell’ingresso. È possibile calcolare l’uscita come di con-
sueto, con il prodotto in frequenza o la convoluzione nel tempo (1.24):

y ( t ) = L −1 { s α } ⊗ x ( t ) Y ( s ) = s α X ( s ),

basta poi ricordare la (1.26) per capire come sia possibile calcolare la
derivata frazionaria di una funzione, come convoluzione tra la fun-
zione e la risposta impulsiva (2.6) del sistema sα ; in realtà si ottiene
in questo modo, come era ovvio, la definizione di differintegrale di
Riemann Liouville (1.14).
Per operare su sistemi di ordine non intero, non è possibile sfruttare
i comandi del controlsystem toolbox. Ad esempio tentando di esegui-
re il comando bode su un sistema di ordine frazionario, si ottiene il
messaggio di errore:
1 ??? Error using ==> lti.mpower at 34
2 Power must be an integer.

Sono stati quindi sviluppati degli appositi toolbox per Matlab, in par-
ticolare sono noti Ii toolbox crone e ninteger; quest’ultimo tra l’altro è
gratuito1 , sebbene sia meno sviluppato, e dispone di un breve articolo
di documentazione scritto dal suo autore [42].

2.2.2 Termine binomio

Un’altra funzione notevole per lo studio dei sistemi è la seguente:

1
H (s) = per α > 0. (2.7)
sα −a

I poli dell’equazione si possono ottenere dall’equazione p sα = a, che

Solo se 0 < α ≤ 1 i presenta infinite soluzioni sulla circonferenza di raggio | a|. In gene-
α

poli sono sulla rale non è possibile in assicurare l’esistenza di un polo sulla superficie
superficie principale
di Riemann!
principale di Riemann, è possibile farlo invece se si assume 0 < α ≤ 1.

Risposta impulsiva

Il procedimento per il calcolo della risposta impulsiva è stato già tratta-

to nel § 1.6 nella pagina 18, anzi, la (1.42) permette di calcolare la rispo-
sta impulsiva anche per termini molto più complessi rispetto alla (2.7),

1 Il toolbox è disponibile sul sito di scambio Matlab, all’indirizzo http://www.mathworks.

com/matlabcentral/fileexchange/8312
 2.2 SISTEMI ELEMENTARI 25

per la quale basta la soluzione semplificata (1.43). Per l’inversione

dunque è sufficiente la
 
−1 1
L = tα−1 Eα,α (±tα a), (1.43)
s ∓a
α

che fornisce una risposta impulsiva, che per α intero si riduce alla
risposta impulsiva dei sistemi interi, con la funzione di Mittag-Leffler
che risulta pari all’esponenziale, come è ovvio che sia!

2.2.3 Funzioni più complesse

Sistemi più complessi, con un certo numero di poli e zeri non tutti
nulli, si possono ricondurre tipicamente ai casi più semplici, §2.2.1 e
§2.2.2. Cerchiamo di capire come.
Analizzando la (2.4) è possibile distinguere i casi: Esprimo gli
esponenti come
1. Gli esponenti αn sono numeri razionali. In tal caso, dopo aver tro- multipli interi di un
vato il minimo comune multiplo α, indichiamo tutti gli esponenti solo esponente
frazionario.
come suoi multipli, nα per n = 0, 1, 2, . . . , N;
2. Gli esponenti α sono numeri reali, ma multipli di un valore di
base α ∈ (0, 1). Anche in questo caso è possibile scrivere gli
esponenti come multipli di α, quindi ancora una volta αn = nα
per n = 0, 1, 2, . . . , N.
Nel primo caso esiste un procedimento semplificato per ricavare la
risposta impulsiva nel dominio del tempo, come mostrato da Ortiguei-
ra ad esempio in [28, 30], nel secondo caso occorre invece la trasforma-
ta della funzione di Mittag-Leffler [34], oppure la (2.6). In questo testo
consideriamo solo la seconda ipotesi, i due casi sono quindi riuniti, la
procedura da adottare è la stessa per entrambi ed è la seguente:
1. Trasformiamo H (s) in H (w), sostituendo sα con w. Se H (w) non
fosse una frazione propria, sarebbe necessario estrarre la parte
impropria come somma polinomiale;
2. Il polinomio a denominatore della H (w) è detto polinomio indi-
ciale. Espandere H (w) in frazioni parziali, utilizzando i soli zeri
del polinomio indiciale che giacciono sulla superficie di Riemann
principale.
A questo punto non resta che invertire termine a termine per avere la
risposta impulsiva del sistema!
ESEMPIO 1. Risoluzione di un semplice sistema frazionario. Cerchiamo la
soluzione di un sistema descritto dalla seguente equazione differenziale (da
un esempio del [34]) a coefficienti non interi, con le condizioni iniziali date:

(
D1/2 f (t) + a f (t) = 0 per t > 0,
(2.8)
d−1/2 f (t) = C

t =0

Applicando la (1.26) alla prima equazione del sistema, termine a termine,

otteniamo:
n o 0
∑ sk D
1 1 1 1
L 2 − k −1

D 2 f (t) = s 2 F (s) − f (t)t=0 = s 2 F (s) − C,
k =0
26 SISTEMI ANALOGICI

per il primo termine, in cui si è fatto uso della condizione iniziale imposta
dalla (2.8), e

L { a f (t)} = aF (s),

per il secondo. Rimettendo insieme i pezzi, si ha:

n 1
o 1
 1 
L D 2 f (t) + a f (t) = s 2 F (s) + aF (s) − C = F (s) s 2 + a − C = 0,

dalla quale ricaviamo infine

C
F (s) = 1
.
s +a
2

Il procedimento è applicabile in generale ad una qualsiasi equazione diffe-

renziale, dalla quale si otterrà sempre un’equazione con potenze ordinate di
s di termini F (s), dalla quale esplicitare infine una funzione razionale. La
presenza di esponenti frazionari non cambia le considerazioni sulla forma
delle funzioni associate al sistema svolte nel caso di esponenti interi!
In questo caso ho ottenuto una funzione elementare invertibile con
la (1.42), per funzioni più complesse sarebbe stata necessaria una scomposi-
zione in frazioni parziali, in questo caso invece basta riconoscere nella (1.42)
che:
• l’esponente (k + 1) è pari ad 1, quindi k = 0 e l’ordine di derivazione
di M-L è 0;
• α = 1/2;
• l’esponente α − β è deve essere 0, quindi α = β;
per ottenere in fine la formula cercata:
1 1
f (t) = Ct− 2 E 1 , 1 (− at 2 )
2 2

2.3 STABILITÀ
Così come per i sistemi interi, si considera la stabilità dei sistemi non
interi [28] in senso Bounded Imput Bounded Output (BIBO), cioè il
circuito si dice stabile, se ad ingressi limitati corrispondono uscite
limitate.
Consideriamo un semplice sistema che rappresenti, ad esempio, la
funzione di trasferimento di un condensatore frazionario, sα , con s
appartenente alla superficie principale di Riemann. In base al valore
dell’esponente, si avranno differenti comportamenti del sistema:

• per α > 0 il sistema sarà chiaramente instabile, con un diagram-

ma di Bode che cresce con pendenza di 20α dB/dec;

• per −1 ≤ α < 0 la risposta impulsiva si mantiene sempre limi-

tata nel tempo, il sistema sarà stabile in senso stretto, così co-
me risulta essere stabile il sistema ordinario che si ottiene per
α = −1;

• per α < −1 otteniamo nuovamente un sistema instabile, la cui

risposta impulsiva per t → ∞, tende ad infinito!
 2.4 APPROSSIMAZIONI 27

Si comprende quindi il motivo per il quale, anche un sistema polino-

miale, dovrà avere il termine di grado massimo αn = nα (in cui n = N),
limitato, cioè Nα < 1.
Per α = 1/n, ricordando le (1.33), si osserva come il piano complesso
(0 < ϕ < 2π) si trasformi nel settore (0 < ϑ < 2π/n), mentre il
semipiano sinistro, si trasforma nel settore π/2n < ϕ < π/2n + π/n.
Lo stesso avviene per i settori traslati di 2π/n · i, per cui il sistema è
stabile se i poli sono confinati in uno dei settori che si mappano nel
semipiano sinistro!
Se α non è razionale, le considerazioni sono le stesse, anche in tal
caso le regioni di stabilità sono quelle che si mappano nel semipiano
negativo, definite dalle fasi:
π π
α + 2παi < ϕ < α + 2παi + απ, per i = 0, 1, . . . , N − 1.
2 2

2.4 APPROSSIMAZIONI
I sistemi di ordine non intero permettono di modellare con più accu- I modelli frazionari
ratezza dei sistemi che per loro natura non sono descritti da derivate possono essere più
accurati. . .
o integrali ordinari, ma frazionari. Le prime applicazioni della teoria
dei sistemi di ordine non intero infatti, riguardano lo studio di sistemi
fisici e chimici che non possono essere ricondotti ad equazioni differen-
ziali ordinarie (Ordinary Differential Equation, ODE), se non a scapito
di una consistente perdita di accuratezza del modello. Tra questi si
hanno i processi elettrochimici di diffusione, i moti browniani, la vi-
scoelasticità oppure il rumore di tipo 1/ f , tanto per citare i più noti,
da tempo studiati [43].
Se il sistema da controllare è per sua natura frazionario, un control-
lore frazionario avrà certamente migliori prestazioni, per questo sono
stati sviluppati dei metodi per il dimensionamento e la progettazio-
ne di vari tipi di controllori frazionari, come mostrato nella sezione
seguente, che permettono di ottenere una funzione di trasferimento
frazionaria.
Partiamo quindi da una rappresentazione di un sistema elettronico
data come funzione di trasferimento del tipo 2.4 nella pagina 21, e
cerchiamo un metodo di sintesi, concentrandoci in questa parte sulla
realizzazione di sistemi analogici, mentre il caso discreto sarà trattato
nel prossimo capitolo.
In letteratura la strada tipicamente percorsa è stata quella dell’ap- . . . ma spesso si
prossimazione della funzione di trasferimento ottenuta, con una di realizzano con
elementi
ordine intero da sintetizzare poi nel modo usuale, essenzialmente con convenzionali,
il teorema di Darlington [4], e con elementi concentrati convenzionali, approssimando al
cioè, nel caso analogico, con resistenze capacità ed induttanze. La pri- caso intero
ma sintesi di una rete RC con funzione di trasferimento s1/2 risale al
1975, successivamente sono state studiate reti RC ed RL per la sintesi
di funzioni di trasferimento con α compreso nell’intervallo (0, 1) [31].
I metodi per approssimare una funzione con esponenti frazionari
in una serie di termini con esponenti interi sono molteplici, per una
visione d’insieme del problema, l’articolo [43] è un buon punto di par-
tenza, per l’approfondimento di metodi specifici [9, 17, 35, 5, 13] solo
per citarne alcuni!
La maggior parte dei metodi si basa sullo sviluppo in frazioni conti- approssimazioni
tempo-continue
 28 SISTEMI ANALOGICI

nue (Continued Fraction Expansion, CFE), spesso combinato con altre

tecniche di pre-distorsione o condizionamento dei segnali. Le princi-
pali approssimazioni nel dominio tempo-continuo:

1. Espansione in frazioni continue (CFE) [44];

2. Carlson (Newton) [9];

3. Matsuda (CFE con interpolazione) [43];

4. Oustaloup;

5. Chareff [11];

6. Minimi quadrati [43].

le approssimazioni Le frazioni continue, rispetto ad un’espansione in serie, presentano

CFE sono più vari vantaggi. Infatti, le funzioni che si ottengono da un’espansione
utilizzate, perché
presentano una serie
Continued Fraction Expansion (CFE):
di vantaggi
• convergono in genere più rapidamente delle espansioni in serie
di potenze, alla funzione che approssimano [43];

• convergono tipicamente in un dominio più ampio del piano com-

plesso [43, 7];

• permettono di modellare efficacemente funzioni con i poli [43];

• nel caso discreto, originano filtri di tipo Infinite Impulse Response

(IIR), che convergono più rapidamente a parità di complessità
computazionale, delle approssimazioni Finite Impulse Response
(FIR) [5].

Vediamo quindi di che si tratta, e come l’espansione CFE possa essere

sfrutta convenientemente per modellare una funzione di trasferimento.

2.4.1 Espansione in frazioni continue

Le basi della teoria delle frazioni continue sono state poste da Thomas
Joannes Stieltjes (1856-1894) sul finire dell’ottocento, nel 1948 Wall
[44], nel suo libro sulle frazioni continue [44], ha raccolto ed organiz-
zato in maniera coerente la materia; un approccio meno teorico ed
orientato alle applicazioni pratiche è mostrato in [21].
Le frazioni continue possono assumere varie forme, tutte riconduci-
Espressione estesa bili alla seguente espressione2 :

a1
f ≡ b0 + ,
a2
b1 +
a3
b2 +
b3 + · · ·

forma compatta spesso resa con la forma più compatta

a1 a2
f ≡ b0 + ...,
b1 + b2 +

dovuta a Rogers .
 2.4 APPROSSIMAZIONI 29

È possibile esprimere in questo modo un qualsiasi numero reale, nel sviluppo CFE per i
senso che una serie infinita di frazioni continue con opportuni coeffi- numeri reali
cienti a, b, converge al numero dato. Tale espansione è equivalente alla
rappresentazione decimale, nel senso che è unica, ma presenta alcuni
vantaggi. Ad esempio il numero razionale 1/3 = 0.333 . . . ha una rap-
presentazione decimale infinita, in frazioni continue è data invece dai
termini a1 = 1, b1 = 3, così come in generale ogni numero razionale ha
una rappresentazione finita.
Le frazioni continue sono generate da un’infinita sequenza di tra- definizione rigorosa
sformazioni lineari dalla variabile x alla variabile y [44], secondo le di CFE
relazioni

y0 ( x ) = b0 + x
ak
yk ( x ) = , k = 1, 2, 3, . . .
bk + x

di ricorrenza.
Le prime n trasformazioni y0 y1 . . . yn (0) = y0 y1 . . . yn+1 (∞), genera-
no l’n-esimo approssimante

a1
y0 y1 . . . yn (0) = b0 +
a2
b1 +
an
b2 + . . .
bn + x
che è possibile riscrivere, con l’ausilio delle relazioni di ricorrenza formule frazionarie
ricorrenti
A−1 = 1, B−1 = 0,
A0 = b0 , B0 = 1,
A k + 1 = bk +1 A k + a k +1 A k − 1 ,
Bk+1 = bk+1 Bk + ak+1 Bk−1 ,

in forma di frazione semplice di grado n:

A n −1 x + A n
y0 y1 . . . y n ( x ) = ,
Bn−1 x + Bn

come si dimostra facilmente per induzione [44, cap. 1].

Il problema per l’espansione CFE di una funzione, consiste nella de-
terminazione dei coefficienti a, b che portano la frazione continua a
convergere alla funzione da approssimare. Sono stati sviluppati de-
gli algoritmi iterativi che permettono di identificare i coefficienti per
alcune classi di funzioni.
Noti i coefficienti dello sviluppo CFE, può essere comodo a volte
risolvere e riportare la frazione continua in una frazione semplice, il
seguente script si occupa proprio di questo compito.
1 A(1)=1;
2 B(1)=0;
3 A(2)=b(1);
4 B(2)=1;
5

6 for n=3:7,

2 Il termine ak è detto numeratore parziale k-esimo, il termine bk è detto denominatore

parziale k-esimo, infine il loro rapporto ak /bk è detto k-esimo quoziente parziale.
 30 SISTEMI ANALOGICI

7 A(n)=b(n).*A(n-1) + a(n).* A(n-2);

8 B(n)=b(n).*B(n-1) + a(n).*B(n-2);
9 end
10

11 c=[A;B]

Funzioni razionali
Consideriamo una frazione espressa dal rapporto di due polinomi,
come mostrato in [21, capitolo I, §3], del tipo

c10 + c11 x + c12 x2 + c13 x3 + . . .

f (x) = .
c00 + c01 x + c02 x2 + c03 x3 + . . .

È possibile ottenere una scomposizione CFE

a1
f ( x ) = b0 + ,
a2 x
b1 +
a3 x
b2 +
b3 + · · ·
Algoritmo ricorsivo con un algoritmo ricorsivo, sintetizzato nelle seguenti formule:
per lo sviluppo in
frazioni parziali di c20 = c10 c01 − c00 c11
un rapporto di
polinomi c21 = c10 c02 − c00 c12
c22 = c10 c03 − c00 c13
···
c30 = c20 c11 − c10 c21
c31 = c20 c12 − c10 c22
c32 = c20 c13 − c10 c23
···
cmn = cm−1, 0 cm−2, n+1 − cm−2, 0 cm−1, n+1 ,

che ricordano il criterio di Routh, si osservi infatti, come ciascun ter-

mine sia dato dal determinante della matrice data dall’incrocio delle
due righe precedenti con la prima colonna e quella seguente al termine
calcolato.
Dalla prima colonna della tabella così ottenuta, posto il primo coef-
ficiente b0 = 0, le formule

ai = ci,0 per i = 1, 2, 3, . . .
bi = ci−1,0 , per i = 1, 2, 3, . . . ,

identificano la serie completa di coefficienti della CFE.

Nel toolbox ninteger per Matlab, è disponibile il comando contfracf
che implementa proprio l’algoritmo descritto, come mostrato nell’ap-
pendice A.

Potenze non intere

Un termine molto usato nella teoria dei sistemi frazionari è un termine
della forma

f ( x ) = (1 + x ) α . (2.9)
 2.4 APPROSSIMAZIONI 31

Il suo sviluppo è un caso particolare delle serie ipergeometriche,

ab a ( a + 1) b ( b + 1) 2 ( a)n (b)n n
F ( a, b, c; z) = 1 + z+ z +···+ z +···
c 2!c(c + 1) ( n − 1) ! ( c ) n

il cui sviluppo CFE è stato trovato da Carl Friedrich Gauss (1777 – lo sviluppo CFE delle
1855) matematico, astronomo e fisico tedesco. I simboli ( a)n indicano serie ipergeometriche
è stato ricavato da
il fattoriale crescente, cioé ( a)n = a( a + 1)( a + 2) · · · ( a + n − 1), e sono Gauss
dovuti a Pochammer .
I coefficienti dello sviluppo, nel caso particolare in cui F (−α, 1, 1; −z) =
(1 + z)α , sono dati da

1(1 + α ) 1(1 − α ) 2(2 + α ) 2(2 − α )

 
ak = −α, , , , ,... ,
1·2 2·3 3·4 4·5

si noti l’alternanza tra termini pari e dispari. I coefficienti b dello

sviluppo sono tutti unitari, tranne il primo che è nullo.
Nel toolbox ninteger non è presente alcuna funzione per calcolare implementazione
lo sviluppo in frazioni continue della funzione (2.9), per questo è stata Matlab
scritta la funzione cfracpwr che prende in ingresso l’esponente α, ed il
numero di termini dell’approssimazione n, per restituire il vettore dei
coefficienti a dello sviluppo CFE.
1 a = cfracpwr (k,n);
2

3 i=1:(ceil(n/2)-1);
4 a(1)=1;
5 a(2)=-k;
6

7 a(2*i+1)= (i.*(i+k))./((2*i).*((2*i)-1));
8 a(2*i+2)= (i.*(i-k))./((2*i).*((2*i)+1));

Vengono calcolati per prima cosa i primi due coefficienti, poi i ter-
mini dispari, infine i termini pari dello sviluppo.

Considerazioni
Dal punto di vista matematico, le funzioni di trasferimento come la 2.4
nella pagina 21, sono razionali se gli esponenti sono tutti interi, altri-
menti, se compaiono esponenti non interi, sono irrazionali, analoga- Il problema della
mente a quanto avviene nel passaggio dall’insieme dall’insieme dei rappresentazione
illimitata
numeri razionali Q all’insieme dei numeri reali R. Si può dire dunque
che la rappresentazione è illimitata in s, e che il caso con esponenti
interi sia solo un caso particolare con rappresentazione finita [43].
L’espansione CFE per le funzioni presenta degli ulteriori vantaggi
rispetto all’espansione in serie di potenze o altri metodi, sia per circuiti
analogici che digitali.
Le funzioni che presentano poli sono difficilmente approssimate cor- funzioni con poli
rettamente dall’espansione in serie [43]: una serie di potenze non può
tendere ad infinito in un punto nel cui intorno è limitata. Le CFE
permettono invece di modellare i poli in modo naturale, perché sono
propri delle frazioni di cui fa uso lo sviluppo.
Le trasformazioni che definiscono le funzioni continue, creano una spazi trasformati
corrispondenza tra 2 variabili di due distinti spazi. Passando dal domi-
nio continuo di Laplace s al dominio discreto z con una trasformazione,
come la bilineare, si ha la corrispondenza tra semipiani di s e regioni
 32 SISTEMI ANALOGICI

circolari di z. Le frazioni continue si prestano naturalmente a tale tra-

sformazione, per definizione: infatti le trasformazioni che definiscono
le frazioni continue stabiliscono una corrispondenza tra due domini
appartenenti a differenti spazi [44, capitolo XV]!
poli e zeri Le approssimazioni ottenute presentano in generale poli e zeri in-
interlacciati terlacciati sull’asse reale negativo. Aumentando il grado dell’approssi-
mazione, i poli e gli zeri si avvicinano sempre di più, ed al limite, un
numero infinito di punti interlacciati si può assimilare ad una linea di
taglio della funzione [17], cioè se la funzione sα con 0 < α < 1 viene
vista come un operatore, tale operatore sarà discontinuo sul semiasse
reale negativo del piano complesso, altrimenti è priva di poli e zeri se
non quello nell’origine. La presenza di molteplici poli e zeri interlac-
ciati è quindi modellata in modo molto più semplice da un sistema
frazionario.

2.4.2 Metodo di Carlson

Il metodo proposto da Carlson [9] è basato prevalentemente sul meto-
do di Newton, per la ricerca approssimata della radice di una funzione
tramite un algoritmo iterativo basato sulle derivate.
metodo di Newton Ricordiamo in breve il metodo di Newton: supponiamo sia x la radi-
ce quadrata di un numero a, possiamo scrivere l’identità x2 = a, in cui
x, la radice cercata è incognita. Trattando il problema come la ricerca
degli zeri di una funzione, definisco f ( x ) ≡ x2 − a, l’obiettivo a questo
punto è trovare il valore di x per il quale f ( x ) = 0. Partendo da un
punto arbitrario3 x0 mi sposto verso la radice lungo la tangente del pun-
to dato, cioè cercando lo zero della tangente invece che della funzione,
e ripartendo poi da ciascun punto raggiunto reitero l’algoritmo.
Sfruttiamo quindi la ricorrenza

f ( x ) 
x i = x i −1 − 0
f ( x )  x=x
i

per trovare l’approssimazione H (s) di una funzione [ G (s)]α con espo-

nente non intero, in modo del tutto analogo. Tipicamente si assume
come valore iniziale H0 (s) = 1, poi si procede cercando gli zeri della
funzione f = H 1/α − G.
Riepilogando quindi, si procede nel seguente modo:

[ G (s)]α equazione nota

1
f ( x ) = x − G (s) = 0
α funzione ausiliaria
H0 (s) = 1 condizioni iniziali

f 
Hi (s) = Hi−1 − 0  algoritmo di ricorsione
f xi = Hi −1

tecniche di Per ottenere una maggiore rapidità di convergenza è possibile pre-

pre-distorsione: distorcere la funzione ausiliaria f ( x ) in modo opportuno. Ad esempio,
Aggiungere una
piccola illustrazione
se 1/α ≡ q è dispari, posso considerare la funzione ausiliaria f m ( x ) =
( x q − G )/x m con m =, che possiede le stesse radici di f , ma è più
lineare intorno alla radice.
3 Qui il metodo viene vagamente ricordato per poterne emulare il principio, le condizioni
di convergenza esulano dallo scopo per cui non sono trattate.
 2.4 APPROSSIMAZIONI 33

Intuitivamente più è elevato il grado q maggiore è la curvatura del-

la funzione, che quindi convergerà più lentamente! Analiticamente, la
linearità nell’intorno della radice si ha con l’annullamento della deriva-
ta seconda della funzione, condizione dalla quale si ottiene un valore
conveniente dell’esponente m.
ESEMPIO 2. Approssimazione di una capacità frazionaria. Supponiamo che il
sistema da approssimare G (s) sia
 1
1 3
G (s) = ,
s

cioè un capacità di ordine 1/3, per cui q = 3.

Per una maggiore rapidità di convergenza applichiamo una distorsione,
con m = (3 − 1)/2 = 1, si ottiene la funzione

1
f m ( x ) = x2 − ,
sx
e la sua derivata sarà
1
f m0 ( x ) = 2x + .
sx2
Dalla condizione iniziale H0 = 1 l’algoritmo si sviluppa

H0 = 1
x2 − (sx )−1 
 
f m  s+2
H1 = H0 − 0  = 1− −1 
= .
f m x= H0 2
2x + (sx ) x =1 2s +1

Le iterazioni successive crescono rapidamente di grado. Il quadrato del

termine H1 (s) sarà infatti

s2 + 4s + 4
H1 (s)2 = ,
4s2 + 4s + 1
che sostituito nella formula di ricorsione ci da la seguente:

x2 − (sx )−1  s5 + 24s4 + 80s3 + 92s2 + 42s + 4


H2 = H1 − −1 
= 5
2
2x + (sx ) x = H1 4s + 42s4 + 92s3 + 80s2 + 24s + 1

approssimazione di 5° grado in due sole iterazioni.

2.4.3 Metodo di Chareff

Il Metodo descritto da Chareff [11], introduce un polo o uno zero,
ogni volta che la funzione approssimata si scosta del limite massi-
mo ammesso dalla funzione da approssimare. La pendenza arbitra-
ria arbitraria −20α dB/decade di un polo di ordine α, si assimila ad
una linea spezzata con due sole possibili pendenze, −20 dB/decade e
0 dB/decade.
Aumentando il numero di poli e di zeri nell’intervallo di approssima-
zione, aumenta l’accuratezza raggiunta cioè si riduce lo scostamento
y dalla funzione. Al di fuori dell’intervallo in cui è presente l’appros-
simazione la pendenza della curva può essere un multiplo intero di
20 dB/decade, o al limite essere nulla.
Considerando la funzione passabasso
1
G (s) =  α , (2.10)
s
1+ p
 34 SISTEMI ANALOGICI

il cui andamento, quasi esatto in bassa frequenza, è dato dalla funzione

approssimante
 
∏iN=−0 1 1 + zsi
H (s) =   (2.11)
∏iN=0 1 + ps i

che ha il primo polo proprio in prossimità di p p, mentre in alta fre-

quenza, esternamente all’intervallo approssimato, cioè dopo l’ultimo
polo o zero, si può scegliere se approssimare con pendenza piatta o
di −20 dB/decade, sebbene il secondo caso sia nella maggioranza dei
casi più conveniente.
Il metodo di Chareff Considerando come criterio, la limitazione dell’errore al di sotto di
si basa sulla un valore y scelto, è possibile posizionare ciascun polo e zero, con le
minimizzazione della
distanza tra la
semplici relazioni:
funzione y
y
approssimata e la p0 = p10 20α , z0 = p0 10 10(1−α) , (2.12)
funzione y
y
approssimante P1 = z0 10 10α , z1 = p1 10 10(1−α) ,
.. ..
. .
y y
p N = z N −1 10 10α , z N −1 = 10 10α .

Osservando poi che i termini sono in rapporto geometrico, cioè il

rapporto tra ciascun termine ed il precedente è costante, si può scrivere

pi = ( ab)i p0 , per i = 1, 2, 3, . . . , N − 1, (2.13a)

zi = ( ab)i ap0 per i = 1, 2, 3, . . . , N − 1, (2.13b)

in cui a, b, si ottengono dai rapporti

y
z0 z z
a= = 1 = · · · = N −1 = 10 10(1−α) , (2.14a)
p0 p1 p N −1
p1 p2 p y
b= = = · · · = N = 10 10α , (2.14b)
z0 z1 z N −1
z1 z2 z N −1
= = ··· = = ab,
z0 z1 z N −2
p1 p p
= 2 = · · · = N = ab,
p0 p1 p N −1

che danno tutti luogo a serie geometriche.

Il numero di punti necessario per approssimare un termine semplice
del tipo (2.10) si ottiene considerando che la spaziatura dei poli e degli
zeri è in progressione logaritmica, per cui considerando la massima
frequenza ωMax superiore da raggiungere, questa cadrà nell’intervallo

 
ωMax
( N − 1) log( ab) < log < N log( ab), (2.15)
p0

per cui l’estremo superiore sarà il numero minimo di punti che garan-
tisce un’approssimazione sufficiente.
 2.5 SISTEMI DI CONTROLLO 35

ESEMPIO 3. Approssimazione di un termine frazionario semplice. Consideria-

mo un termine frazionario semplice del tipo mostrato in formula (2.10), per
p = 1 e α = 1/3, cioè

1
G (s) = ,
(1 + s)1/3
e cerchiamone un’approssimazione con il metodo di Chareff che non sia mai
peggiore di y = 3 dB fino ad una frequenza ωMax = 105 rad s−1 .
Approssimando con il metodo di Chareff, per prima cosa bisogna calcolare
i rapporti a, b, con le (2.14) si ottiene a = 2.8184, b = 7.9433. Dal loro prodotto
a · b = 22.3872 si ottiene il termine base per calcolare poli e zeri, che saranno
in numero
  
log ωpMax0
N=  log( ab)  = 4,

 

come si ottiene dall’inversione della seconda disuguaglianza della (2.15),

approssimata all’intero superiore (come indicato dalle parentesi de).
Il calcolo delle (2.13) si implementa molto semplicemente in Matlab con
le istruzioni

1 i=0:N;
2 p=ab.^i * p0;
3 i(N)=[];
4 z=ab.^i * a * p0;

in cui p0 è il primo polo calcolato con la formula esplicita (2.12). Dal-

l’algoritmo si ottengono i valori dei poli e degli zeri della formula
approssimante (2.11), che qui riportiamo per completezza:
p 2.818 38 63.095 1412.53 31 622.7 707 945
z 7.943 28 177.827 3981.07 89 125.0

2.4.4 Metodo di Oustaloup

Il metodo di Oustaloup [31] è simile al metodo di Chareff, con variazio-
ni delle formula per l’approssimazione dei coefficienti, per maggiori
informazioni si rimanda al testo in bibliografia.

2.5 SISTEMI DI CONTROLLO

In letteratura sono elencati numerosi esempi di sistemi fisici che sono
descritti naturalmente da equazioni differenziali frazionarie! Progetta-
re un controllore per un processo di questo tipo permette di beneficia-
re di due importanti vantaggi se il controllore è un controllore lineare
frazionale!

• Una descrizione più realistica del modello, che non approssimi i

sistemi integro-differenziali di ordine frazionario con sistemi di
ordine intero, permette di progettare un controllore più accurato
e più stabile, in grado di prevedere con maggiore accuratezza l’u-
scita del sistema ed adattare di conseguenza l’azione di controllo,
che risulterà naturalmente più robusta;

• Disporre di qualche grado di libertà in più, così come avviene

36 SISTEMI ANALOGICI

per controllori di ordine non intero, permette di ottenere una

funzione di trasferimento che approssima meglio la caratteristica
desiderata. Ciò sarà particolarmente vero, se la funzione di tra-
sferimento desiderata in frequenza, non ha pendenze multiple di
10 o 20 decibel per decade;

Tuttavia, i metodi per lo sviluppo di controllori di ordine non intero,

non possono ancora competere con la facilità di sviluppo e l’ampio
ventaglio di tecniche esistenti nel caso di controllori ordinari [7], ad
esempio non esiste un metodo equivalente al luogo delle radici!
Consideriamo un controllore che possa scriversi nella forma [cfr. 4]:

V0
G (s) = K + + s δ T (0), (2.16)
sλ
in cui usualmente i parametri λ, δ, sono interi (e unitari), che generaliz-
ziamo al caso di esponenti reali. Tale struttura permette di realizzare
un filtro con molta più flessibilità rispetto a quanto offerto da un’archi-
tettura a coefficienti unitari o comunque interi, e permette di realizzare
un controllore flessibile, che può adattarsi meglio alle dinamiche dei
sistemi controllati, specie se frazionari!
Nello spazio di stato un sistema si può esprimere nella forma:
(
Dα x (t) = Ax (t) + Bu(t)
g(t) =
y(t) = Cx (t) + D (u),

Quando α non è intero unitario, ma si ha 0 < α ≤ 1, la soluzione è

esprimibile nel modo consueto, tramite una sostituzione dell’esponen-
ziale con la più genereale ed equivalente funzione di Mittag-Leffler:
Z t
x ( t ) = Φ0 ( t ) x0 + Φ(t − τ ) Bu(τ )dτ
0

in cui

Φ0 (t) = Eα ( Atα ),
∞
A k t ( k +1) α −1
Φ(t) = ∑ Γ[(k + 1)α]
k =0

come è possibile dimostrare seguendo le indicazioni di [20], dalle quali

è anche possibile studiare l’osservabilità del sistema.
È possibile tracciare i diagrammi di Bode della (2.16) nel modo usua-
le, con gli strumenti forniti. Dai grafici ottenuti è possibile ricavare la
stabilità del sistema nel modo usuale, ad esempio con il criterio di
Nyquist, per funzioni implementate in grado di tracciare i diagrammi
citati, si consulti l’appendice A nella pagina 83 .

2.5.1 Controllore lead-lag

Sono i classici sistemi di controllo con reti di ritardo o di anticipo, ma
di ordine non intero [48]. Se tipicamente un rete anticipatrice assume la
forma
1 + τa s
C= ,
1 + mτaa s
 2.5 SISTEMI DI CONTROLLO 37

nel caso di un controllore non intero si avrà una funzione compensa-

trice del tipo
!α
1 + τa s
C= , , (2.17)
1 + mτaa s
in cui τa è la costante tempo, la “posizione” temporale in cui agisce
la rete, mentre m a è il margine di guadagno, cioè l’anticipo di fase
permesso dalla rete. Ovviamente si può costruire una rete analoga che
ritarda la fase.
La presenza dell’esponente α nella (2.17) influisce sia sui moduli,
che avranno una pendenza massima di α20dB/dec, sia sulle fasi, che
possono avere uno sfasamento massimo di α90°.
La funzione (2.17) corrisponde ad un derivatore/integratore frazio-
nario limitato in frequenza, che sta alla base dei sistemi di controllo
Contrôle Robuste d’Ordre Non Entier (CRONE) [26].
Il metodo risulta adeguato per piccole correzioni di sistemi che già
possiedono una discreta stabilità, risulta invece inefficace per sistemi
fortemente instabili, analogamente a quanto avviene nel caso intero.

2.5.2 Controllori di tipo PID

Sono i controllori costituiti dal parallelo di tre blocchi, un blocco pro-
porzionale (p) che realizza una funzione di amplificazione idealmente
costante K p , un blocco integratore (i) che taglia le alte frequenze 1/s, ed
un blocco derivatore (d) che taglia le basse frequenze s [10, 48].
Un controllore Proportional Integral and Derivative (PID) assume
quindi la forma
C ( s ) = K p (1 + k i s −1 + k d s ),
con le tre funzioni specificate, ciascuna col suo guadagno, ed i termini
in s tutti di ordine intero.
Nel caso frazionario la generalizzazione per i sistemi di tipo Proportional
Integral and Derivative (PIλ Dµ ) è data dalla semplice estensione
C ( s ) = K p (1 + k i s − λ + k d s µ ), (2.18)
in cui ciascun termine in s assume un esponente frazionario.
Come evidenziato da [10], l’ostacolo maggiore nella realizzazione
di controllori PIλ Dµ risiede nelle difficoltà di tuning, che richiedono
metodi soluzione non lineari alquanto complessi, specialmente con il
crescere dei parametri dovuto all’introduzione degli esponenti frazio-
nari λ e µ. Lo sforzo realizzativo è giustificato dalla grande flessibilità
offerta in fase di design del controllore.

2.5.3 Controllori di tipo TID frazionari

Sono una variante dei controllori PID che offre maggiore versatilità, in
cui il blocco proporzionale è sostituito da una funzione rimodellante,
cioè da un blocco di tipo tilted della forma 1/s(1/n) .
La funzione di trasferimento tipica del metodo è quindi
 
1 −λ µ
C (s) = K p + ki s + kd s ,
s(1/n)
con i vantaggi e le complicazioni che il metodo comporta.
38 SISTEMI ANALOGICI

2.5.4 Controllori CRONE

Tecnica di controllo sviluppata dal team capitanato dal ricercatore fran-
cese Oustaloup. Attualmente i controllori Contrôle Robuste d’Ordre
Non Entier (CRONE), sono tra i più robusti, e sono disponibili di tre
generazioni. Per la progettazione è stato sviluppato un apposito tool
per Matlab a pagamento, che prende appunto il nome di crone. Per
maggiori approfondimenti sul metodo si rimanda a [33].
3 SISTEMI TEMPO-DISCRETI

Lo sviluppo di sistemi frazionari discreti non è attualmente avanza-

to quanto la rispettiva controparte continua: le applicazioni sono at-
tualmente poco numerose, quelle presenti riguardano principalmente
l’implementazione digitale di sistemi di controllo, tuttavia i risultati
ottenuti sono piuttosto promettenti, tanto da incoraggiare lo sviluppo
e la ricerca!
La caratteristica principale dei sistemi digitali non interi, detti a ritar-
do frazionario, è costituita dalla presenza di ritardo o anticipo (lead) non
interi, ma frazionari. Rispetto ai sistemi discreti ordinari, richiedono
l’interpolazione dei segnali, e trovano svariate possibilità applicative
nell’ambito dell’elaborazione della voce, della musica, di array e molti
altri.
I sistemi digitali si possono ottenere come sistemi a ritardo frazionario
a partire da un’approccio completamente digitale del problema, oppure
si possono ottenere dai sistemi frazionari tempo-continui, per discre-
tizzazione dei differintegrali o della variabile s di Laplace. In tal caso,
un solo differintegrale da origine ad un sistema che richiede molteplici
campioni del segnale in elaborazione.
La formulazione matematica che si ottiene risulta analoga alla for-
mulazione di sistemi di ordine intero. Come avviene nel caso tempo-
continuo però, si ha a che fare con rappresentazioni irrazionali, oppure
infinite, subentrano quindi molteplici difficoltà matematiche, assenti
nel caso intero.

3.1 INTRODUZIONE
Un solo articolo proposto da Ortigueira [29], per quanto ci è stato possi-
bile verificare, offre una visione d’insieme dei sistemi discreti di ordine
non intero a ritardo frazionario. Altri articoli, non molti in verità, affron-
tano argomenti specifici, come sistemi di controllo discreti o tecniche
specifiche di discretizzazione ed approssimazione, che possono essere
applicate anche a sistemi discreti derivati da sistemi tempo-continuo.
Per quel che riguarda le tematiche legate al ritardo o anticipo non
intero, un’analisi dettagliata è stata proposta da Laakso et al. [23].
Cerchiamo di rivedere ed espandere le tematiche legate ai sitemi a
ritardo non intero, come se fossero sistemi distinti e definiti, piuttosto
che studiarli nel modo usuale, basato essenzialmente sul ricampiona-
mento, sebbene questo sia sempre uno strumento fondamentale.
Nei sistemi discreti il dominio del tempo è rappresentato dall’insie- ritardo/anticipo
me dei numeri interi n, con quali sono ordinati i campioni del segnale. frazionario
I campioni del segnale si succedono ad intervalli di tempo regolari, la
cui durata è indicata comunemente con T. In alcuni casi può essere ne-
cessario conoscere il valore assunto tra due punti di campionamento
attigui, in altri può essere necessario sincronizzare due segnali cam-
pionati con lo stesso periodo ma in istanti diversi. Quando il ritardo

39
 40 SISTEMI TEMPO-DISCRETI

o l’anticipo possono essere anche diversi dal periodo, allora ho un

sistema discreto di ordine non intero.
Il concetto di sistema Le generalizzazioni non sono così immediate, il concetto di siste-
discreto non ma discreto non intero sfugge ad una interpretazione chiara, non è
intero. . .
neppure ben chiaro come definire un sistema di questo tipo. Possiamo
supporre in prima analisi di staccarci dall’equazione differenziale (2.2),
e considerare il suo equivalente discreto di ordine intero:
N M
∑ a k y [ n − k ] = ∑ bk x [ n − k ] , (3.1)
k =0 k =0

e supporre che il suo equivalente di ordine non intero, sia della forma
N M
∑ a k y [ n − α k ] = ∑ bk x [ n − α k ] . (3.2)
k =0 k =0

. . . si può basare
sull’equivalenza tra
termini in sα e zα . . .
Una tale equazione sarebbe giustificata da una possibile corrispon-
denza tra termini in s della forma sα e termini discreti della forma zα .
Se termini del tipo zα sono distintivi dei sistemi di ordine non inte-
ro a ritardo frazionale, allora ci si aspetterebbe di operare su sistemi
descritti da equazioni del tipo
N M
∑ an zαn Y ( z ) = ∑ bm z α m X ( z ) ,
n =0 m =0

e l’equazione (3.2) si potrebbe ottenere antitrasformando proprio l’e-

. . . oppure può
sorgere dal concetto
di scaling implicito
nelle definizioni dei
differintegrali
quazione in z mostrata.
Cominciamo quindi, proprio dallo studio dei termini zα , ma prima
una breve considerazione. Si può osservare come un’integrazione di
ordine non intero possa essere posta in relazione con una integrazione
ordinaria di una funzione, in cui la variabile di integrazione è scala-
ta con continuità [16, pagina 82]. Brevemente, i passaggi indicati si
applicano a partire dalla definizione di Riemann-Liouville (R-L) (1.14),
definendo una funzione ausiliaria di scaling
x α − ( x − y)α
g(y) ≡ , (3.3)
Γ ( α + 1)
che sostituisce la variabile ausiliaria y, cioè y → g(y), per cui si ottiene
Z x
−α
aD x = f (y)dg(y),
a

nella forma di integrale ordinario!

A partire da questa idea pensiamo che sia possibile ricavare un’e-
quazione alle differenze rappresentativa di un sistema di ordine non
intero. Si potrebbe campionare la funzione considerata ad intervalli
campionamento y regolari, cioè con un campionamento variabile secondo la funzione
variabile g(y) (3.3) e trattare il sistema come un sistema ordinario, oppure cam-
differenze non intere pionare regolarmente la funzione in esame e poi trovare le differenze di
ordine non intero che permettano di passare ad un sistema discreto di
ordine frazionario.

3.2 RITARDO ELEMENTARE Z A

Impostiamo l’analisi, Cerchiamo di capire quindi per prima cosa, che significato potreb-
a partire
dall’antitrasformata
di un termine zα
 3.2 RITARDO ELEMENTARE Z A 41

be avere un termine zα , che in base alle considerazioni di carattere

intuitivo proposte, si potrebbe assimilare ad un ritardo frazionario.

Ritardo intero
Ricordiamo alcune note relazioni di ordine intero, che cercheremo di
generalizzare per ordine qualsiasi. Un ritardo intero nel tempo, corri-
sponde in frequenza, per una ben nota proprietà della trasformata Z 1 ,
al prodotto della trasformata del segnale per un termine un termine Un termine z−n
z−n . Si ha cioè l’equivalenza: rappresenta un
ritardo intero. . .
z − n0 X ( z −1 ) ⇔ x [ n − n 0 ] . (3.4)

Un termine della forma z−n0 corrisponde alla funzione di trasferimen-

to di un sistema discreto elementare. Per definizione la funzione di
trasferimento H (z) si ottiene dall’uscita del sistema stesso quando in
ingresso è presente un impulso. L’uscita si può ottenere dal prodotto
in frequenza

H (z) = Z {δ[n]} · z−n0 = 1 · z−n0 ,

piuttosto che dalla convoluzione nel tempo, ricordando che la trasfor-

mata Z di un impulso è pari ad 1, quindi invertendo la funzione di . . . perciò ha una
trasferimento risposta impulsiva
pari ad una delta di
Dirac traslata. . .
h[n] = Z −1 { H (z)} = Z −1 z−n0 = δ[n − n0 ],

(3.5)

si ricava che la risposta impulsiva di un sistema z−n0 è pari ad un

impulso, traslato di n0 campioni.

Ritardo frazionario
Le cose si complicano considerando un analogo sistema che indiche-
remo con X (z) = z−α con α ∈ R, che ipotizziamo sia un sistema con
ritardo non intero α. Se ne calcoliamo la trasformata Z inversa, con la
definizione integrale bilatera di antitrasformata,

1
I
x [n] = Z −1 { X (z)} = X (z)zn−1 dz, n∈Z (3.6)
2πj γ

appoggiandoci alla teoria delle funzioni olomorfe, non è possibile ot-

tenere alcuna funzione che sia causale o anticausale!
È noto dalla teoria delle funzioni olomorfe [39], che la curva chiusa
γ deve essere interamente contenuta nella regione di analiticità della
funzione, e che deve contenere al suo interno tutti i poli.
Se il sistema X (z) = z−n0 è di ordine intero, ho un solo polo in
z = 0 di molteplicità n0 , per cui è sufficiente che la curva γ racchiuda
l’origine del piano complesso C. Al contrario, se il sistema X (z) = z−α
è di ordine non intero, dovranno essere considerati molteplici fogli di
Riemann sovrapposti, congiunti attraverso delle linee di taglio, o branch
cut, in z = 0 ho un branch point, cioè un punto di taglio (si rilegga il § 1.5
nella pagina 15 per maggior chiarezza). Ciascuna linea di taglio si
scelga, comunque si avrà una semiretta che parte dall’origine e taglia
1 Il simbolo Z viene dall’iniziale del matematico ed informatico russo (Azerbaijan, 1921)
Lotfali Askar-Zadeh, docente di informatica all’università di Berkley, che nel 1952
introdusse la trasformata Z .
 42 SISTEMI TEMPO-DISCRETI

la curva di integrazione γ, non sarà perciò possibile identificare due

regioni circolari del tipo |z| < 1, |z| > 1, e per questo non non è
possibile imporre la causalità attraverso una scelta opportuna della
regione di taglio [29].
La trasformata Z −1 D’altra parte si osserva [29] come la funzione z−α per α non intero,
di un termine zα non non abbia alcuno sviluppo convergente in serie di MacLaurin2 o di Lau-
esiste in senso
classico. . .
rent3 , per cui non esiste alcuna sequenza causale o no, che abbia z−α
come trasformata Z ! Lo sviluppo in serie esiste invece se |z| = 1.

Trasformata Z a partire dalla DTFT

. . . per cui calcoliamo Semplifichiamo quindi le cose, calcolando la trasformata Z solo sulla
Z −1 solo sulla circonferenza unitaria, cioè occorre imporre la condizione
circonferenze
unitaria. . .
z ⇔ e jω ,

che ci ricorda il passaggio dalla trasformata Z alla Discrete Time

Fourier Transform (DTFT).
Sulla circonferenza unitaria la definizione di antirasformata (3.6) si
semplifica,

1
Z π
n −1
x [n] = X (ω )e jω de jω ,
2πj −π

esplicitando poi il differenziale rispetto ad ω, si ottiene la relazione

de jω = e jω jdω che ci permette di completare la sostituzione, ottenendo
infine:
1 1
Z π Z π
jωn − jω jω
x [n] = X (ω )e e e jdω = X (ω )e jωn dω, (3.7)
2πj −π 2π −π

. . . cioè calcoliamo la che coincide proprio con la definizione di DTFT inversa, come ci aspet-
DTFT inversa. . . tavamo.
Antitrasformiamo con la (3.7) il sistema considerato, X = z−α , che
in frequenza è X ( jω ) = e− jωα , dopo alcuni passaggi
" #π
1 1 e jω (n−α)
Z π
jω (n−α)
h[n] = e dω = =
2π −π 2π j(n − α)
−π
π
1 cos[ω (n − α)] + j sin[ω (n − α)]

= =
2π j(n − α) −π
1 cos[π ()] + j sin[π ()] − cos[−π ()] − j sin[−π ()]
= =,
2π j(n − α)

proseguendo poi, grazie alle relazioni goniometriche sugli angoli op-

posti (nota che sono stati omessi in parte gli argomenti (n − α) delle
funzioni sin e cos per brevità), si semplificano le funzioni cos, mentre
. . . otteniamo infine le funzioni sin si sommano
un risposta
impulsiva di tipo sin[π (n − α)]
sinc h[n] = , (3.8)
π (n − α)

2 Colin MacLaurin (1698–1746), matematico scozzese. La serie del matematico inglese

Brook Taylor (1685-1731), pubblicata nel 1715 nel Methodus Incrementorum Directa et
Inversa, calcolata attorno all’origine, prende il nome di serie di MacLaurin.
3 Pierre Alphonse Laurent (1813–1854). La sua generalizzazione in C della serie di Taylor,
che fa uso del teorema di Cauchy per il calcolo dei coefficienti, risale al 1843.
 3.2 RITARDO ELEMENTARE Z A 43

riusciamo infine ad ottenere la risposta impulsiva in frequenza del ri-

tardo frazionario z−α . Quando il ritardo α assume un qualsiasi valore
intero, il seno della (3.8) si annulla, per cui l’equazione si riduce ad una
delta (3.5). Per valori non interi invece, la risposta impulsiva ha un du-
rata illimitata, e non è neppure causale dal momento che si estende
sia verso −∞ che verso +∞! Non è quindi implementabile in alcuna
applicazione in tempo reale. In questo modo si può trovare un’al-
tra spiegazione, più intuitiva rispetto a quelle date all’inizio di questo
paragrafo, che giustifichi la mancanza di una trasformata Z [23].

Ritardo frazionario ed interpolazione

È possibile rielaborare in forma diversa l’equazione trovata (3.8), ap-

plicando le formule di sottrazione, diventa:
sin(πn) cos(πα) − sin(πn) cos(πα) − sin(πn) cos(πα)
= ,
π (n − α) π (n − α)
osservando poi che il sin(πn) assume ciclicamente i valori 0, 1 si ottie-
ne:
sin(πα) (−1)n
h[n] = , n ∈ Z, (3.9)
πα 1 − nα
Possiamo calcolare l’uscita del sistema per un ingresso qualsiasi x [n], . . . quindi un
come la convoluzione tra la risposta impulsiva del sistema h[n] trovata ricampionamento del
segnale!
nell’equazione (3.8), e l’ingresso, ottenendo:
+∞
sin[π (n − m − α)]
xn−α = ∑ x [m]
π (n − m − α)
α ∈ (0, 1), n ∈ Z, (3.10)
m=−∞

equazione che ricorda molto da vicino il teorema del campionamen-

to di Shannon-Whitaker. Abbiamo ricavato quindi, che, un ritar-
do frazionario corrisponde ad una interpolazione del segnale ad una
frazione α del periodo, come ci attendevamo!

3.2.1 Differenze frazionarie

Abbiamo visto che un sistema del tipo z−α introduce un ritardo fra-
zionario nella catena di elaborazione, per cui questo si comporterà co-
me un’interpolatore la cui risposta impulsiva è stata ricavata ed è data
dall’equazione (3.8) o dalla (3.9).
Per ottenere qualcosa che si avvicini ad un’equazione alle differenze
finite (3.1), cerchiamo di dare una definizione di derivata frazionaria
che sia basata sulla convoluzione e sulla risposta impulsiva.
Un procedimento analogo può essere svolto nel caso continuo, de- Nel caso analogico è
finendo la derivata come la convoluzione nel tempo tra la derivata di possibile definire le
derivate non
una delta di Dirac ed il sistema [30, 28, 29]. Per la proprietà della delta intere. . .
di Dirac [24, pagina 131] infatti
dδ(t) d f (t)
⊗ f (t) = ,
dt dt
con la proprietà la proprietà della convoluzione (1.24) e della derivata
della trasformata di Laplace (1.26), si ottiene che
   
dδ(t) d f (t)
L ⊗ f (t) = L = s α F ( s ),
dt dt
 44 SISTEMI TEMPO-DISCRETI

. . . come per cui antitrasformando ho la convoluzione tra la funzione f (t) e

convoluzione per la la risposta hα (t) del sistema sα , vale a dire la derivata di ordine α
risposta impulsiva di
sα ;
dell’impulso di Dirac

d f (t)
= h α ( t ) ⊗ f ( t ),
dt

che può essere considerata come une definizione di derivate fraziona-

rie (in verità analoga alla definizione di Riemann-Liouville!).

Per sistemi discreti

con un procedimento Si può fare la stessa cosa nel caso discreto per ottenere una formula
analogo nel caso valide nel caso discreto per le differenze frazionarie. Non si confonda il
discreto. . .
simbolo Dα x [n] con quello delle derivate Dα x (t) che si applica solo a
funzioni continue.
Ricalcando il procedimento svolto nel caso analogico, per prima cosa
scriviamo le differenze frazionarie come convoluzione

Dα x [ n ] = h α [ n ] ⊗ x [ n ], (3.11)

che possiamo riscrivere sostituendo il valore calcolato per la risposta

impulsiva hα [n] (3.8) nella forma

sin[π (n − α)]
Dα x [ n ] = ⊗ x [ n ],
π (n − α)

che esplicita i termini della convoluzione in funzione dei campioni

interi del segnale.
Sappiamo in oltre che la differenza di ordine α è definita

α
aD n x [ n ] = x [ n − α ],

traslando il segnale di una quantità α, per cui per confronto con la (3.8)
. . . si ricava la possiamo assimilare, come a questo punto è ovvio che sia,
corrispondenza tra le
potenze e le differenze
di ordine α!
z − α X ( z ) ⇔ x [ n − α ], (3.12)

in modo del tutto analogo alla(3.5) [29]!

In questo modo sono state generalizzate tutte le proprietà che ci
permettono di generalizzare l’equazione alle differenze finite di ordine
intero

N M
∑ an y[t − n] = ∑ bm x [ t − m ] ,
n =0 m =0

con l’equazione alle differenze non intere

N M
∑ an y[t − αn ] = ∑ bm x [ t − α m ] , (3.2)
n =0 m =0

come avevamo già immaginato all’inizio di questa sezione.

 3.2 RITARDO ELEMENTARE Z A 45

3.2.2 Risposta in frequenza

È stato dimostrato nelle righe precedenti (3.12), che esiste una cor-
rispondenza tra le potenze di z di ordine non intero α, e le diffe-
renze finite traslate della stessa quantità α. Pertanto possiamo pas-
sare dall’equazione alle differenze non intere (3.2), all’equazione in
frequenza
N M
∑ an e− jωαn Y ( jω ) = ∑ bm e− jωαm X ( jω ),
n =0 m =0

dalla quale otteniamo infine

M − jωαm
∑m =0 bm e
H ( jω ) = N
, (3.13)
−
∑n=0 an e jωαn

equazione che rappresenta la risposta in frequenza del circuito!

3.2.3 Trasformata Z
Finora siamo riusciti a ricavare le relazioni fondamentali per un siste-
ma frazionario, solamente sulla circonferenza unitaria |z| = 1, per cui
siamo riusciti a ricavare la risposta in frequenza, ma non la funzione di
trasferimento del circuito.
Del resto, sono stati illustrati i motivi per i quali non è possibile L’antitrasformata
sfruttare la definizione di antitrasformata Z ordinaria per calcolare Z −1 di z−α , in
senso classico, non è
la risposta di un termine della forma z−α , poiché tale termine non definita. . .
è riconducibile ad alcuno sviluppo in serie di MacLaurin o Laurent
che sia convergente, per cui non è possibile ricavare alcuna sequenza
causale o non causale, nel modo usuale.
Introduciamo quindi una definizione di trasfomata Z modificata,
basata sulle formule integrali di Cauchy per proiettare una funzione
analitica sulla circonferenza unitaria, su tutto il piano complesso, esten-
dendo le relazioni valide solo per la DTFT.
Per le formule integrali di Cauchy [39], è possibile calcolare il valore . . . ma si può ottenere
assunto da una funzione f in un punto z come integrale sulla curva γ proiettando con gli
integrali di Cauchy
che racchiude z la DTFT, definita
1
I
f (w) sulla sola
f − (z) = dw, |z| < 1, (3.14a) circonferenza
2πj γ w−z unitaria
in cui f (z) è una funzione olomorfa4 in un dominio del piano complesso
C in cui risiede la curva γ, percorsa in senso antiorario. Si è indicato
con f − (z) il sistema anti-causale, costituito cioè da sequenze unilatere
sinistre, la cui regione di convergenza è la proiezione all’interno del
cerchio unitario che si ottiene con l’integrale di Cauchy.
Per sequenze unilatere-destre che danno origine a sistemi causali, l’in-
tegrale di Cauchy assume la forma
1 f (w)
I
+
f (z) = dw, |z| > 1, (3.14b)
2πj γ z−w
in cui sono scambiati i termini al denominatore nell’argomento dell’in-
tegrale.
4 Si ricorda che una funzione è olomorfa o analitica nel punto z = z0 , se esiste un intorno
|z − z0 | < δ, in tutti i punti del quale esiste f 0 (z) [39].
 46 SISTEMI TEMPO-DISCRETI

La funzione f (w) che siamo interessati a proiettare, è la risposta

in frequenza di una sequenza x [n], che si calcola, come noto, dalla
definizione causale di Discrete Time Fourier Transform (DTFT):
∞
X (e jω ) ≡ ∑ x[k]e− jωk ,
k =0

che tramite la sostituzione w → e jω , mi permette di scrivere la funzione

f (w), in forma più compatta
∞
f (w) = X (w) = ∑ x [k ]wk . (3.15)
k =0

Gli integrali di Cauchy (3.14), calcolati sulla risposte in frequen-

za (3.15), assumono quindi le forme

1 ∑∞
k =0 x [ k ] w
k
I
X − (z) = dw, |z| < 1, (3.16a)
2πj γ w−z

1 ∑∞
k =0 x [ k ] w
k
I
X + (z) = dw, |z| > 1, (3.16b)
2πj γ z−w
che possono essere assimilate alla definizione di trasformata Z modi-
ficata! In particolare la definizione bilatera sarà data dalla somma delle
due (3.16),

Xα ( z ) = X − ( z ) + X + ( z ),

in modo da risultare estesa all’intero piano complesso!

3.3 SISTEMI ELEMENTARI

Ricalcando il procedimento svolto al § 2.2 nella pagina 22 per i sistemi
tempo continui, cerchiamo di ricavare una procedura sistematica che ci
permetta di affrontare e risolvere un sistema frazionario discreto [29].
Equazioni basilari dei Le basi poste fin qui, che qui riscriviamo, sono:
sistemi non interi
• l’equazione alle differenze finite non intere (3.2)
N M
∑ an y[t − αn ] = ∑ bm x [ t − α m ] ; (3.2)
n =0 m =0

• la risposta in frequenza (3.13)

M − jωαm
∑m = 0 bm z
H ( jω ) = ; (3.13)
∑nN=0 an e− jωαn

• infine, le equazioni integrali di Cauchy (3.14) per estendere al pia-

no complesso la risposta in frequenza definita sulla circonferenza
unitaria.
Oltre alle precedenti osservazioni, occorre prestare attenzione nel di-
stinguere sistemi descritti da modelli Auto Regressive Moving Average
(ARMA) frazionari (FARMA), cioè modelli a media mobile autoregressi-
vi, o sistemi più semplici descritto solo, ad esempio, da un model-
lo a media mobile. Queste distinzioni ci permettono di semplificare
l’analisi [40, Cfr. Modelli stocastici].
 3.3 SISTEMI ELEMENTARI 47

3.3.1 Modelli MA
Nel caso di modelli a media mobile (Moving Average, ma), la risposta Per i modelli a media
in frequenza mobile. . .

M
H (ω ) = ∑ bm e− jωαm , (3.17)
m =0

è una forma polinomiale molto semplice, altrettanto semplice risulta il

calcolo della risposta impulsiva h[n] e della funzione di trasferimento
H ( z ).
Sostituendo infatti la risposta in frequenza (3.17) nelle formule inte- . . . si semplifica il
grali di Cauchy (3.14), otteniamo gli integrali calcolo degli integrali
di Cauchy
− jωα
1 ∑m
m = 0 bm e
Z π
+
H (z) = jω
je jω dω,
2πj −π z−e
per il sistema causale, mentre
− jωα
1 ∑m
m =0 bm e
Z π
H − (z) = dω,
2π −π 1 − ze− jω
per il sistema anti-causale.
Sviluppando le equazioni, ad esempio per H − (z), si ottiene la fun-
zione di trasferimento [29]
∞ M
1
Z π
−
H (z) = ∑z −n
∑ bm 2π −π
e− jω (n−m)α dω =,
n =0 m =0

e notando che l’integrale corrisponde alla derivata di ordine n − mα

dell’impulso δ, cioè alla risposta impulsiva hn−mα di un sistema di
ordine frazionario n − mα (3.8), otteniamo
∞ M
= ∑ ∑ bm hn−mα z−n ,
n =0 m =0

per cui, confrontando con la definizione di trasformata z, otteniamo la . . . si ottiene una

risposta impulsiva risposta impulsiva
piuttosto semplice!
M
h[n] = ∑ bm hn−mα . (3.18)
m =0

3.3.2 Modello completo

Nel caso di un modello completo Fractional Autoregressive Moving
Average (FARMA), la risposta in frequenza completa da considerare è
la (3.13), con N > M per avere un sistema proprio.
Anche nel caso discreto è possibile ricondurre gli esponenti αi 5 a Esprimo gli
multipli di un valore base, per cui nel considerare la(3.13), è possibile esponenti come
multipli interi di un
distinguere i casi: solo esponente
frazionario.
1. Gli esponenti αi sono numeri razionali. In tal caso, dopo aver tro-
vato il minimo comune multiplo α, indichiamo tutti gli esponenti
come suoi multipli, iα per i = 0, 1, 2, . . . , I;
5 in questo caso con i si intendono sia gli indici n che m, con I invece si intende sia M che
N.
 48
Il sistema è stabile se
i poli sono esterni al
cerchio unitario
SISTEMI TEMPO-DISCRETI
2. Gli esponenti α sono numeri reali, ma multipli di un valore di
base α ∈ (0, 1). Ancora una volta è possibile scrivere gli espo-
nenti come multipli di α, quindi si ottiene comunque αi = iα per
i = 0, 1, 2, . . . , I.
In definitiva in entrambi i casi la trattazione è la stessa, si parte da
una funzione di trasferimento che è stata posta nella forma
M − jωmα
∑m = 0 bm e
H ( jω ) = ,
∑nN=0 an e− jωnα
poi si seguono i seguenti semplici passi:
1. trasformiamo H (z) in H (w), sostituendo zα con w. Se H (w)
non fosse una frazione propria, sarebbe necessario estrarre la
parte impropria come somma polinomiale, analogamente al caso
continuo;
2. effettuare un’espansione in frazioni parziali della H (z), per otte-
nere una funzione data dalla somma di termini elementari;
3. torniamo nuovamente in z, con la sostituzione di zα al posto w;
4. invertiamo ciascuna funzione elementare e sommiamo le risposte
impulsive ottenute, per ottenere la risposta impulsiva complessi-
va del sistema.
Le proprietà della risposta impulsiva, sono ereditate dalle proprietà
corrispondenti a ciascun fratto semplice, per cui è possibile studiare la
stabilità del sistema dalla posizione dei poli di ciascun fratto semplice.
Come nel caso intero, se i poli sono tutti all’esterno della circonferenza
unitaria, il circuito risulterà stabile.
3.3.3 Inversione fratti semplici
Resta come ultimo problema, capire come sia possibile invertire cia-
scuno dei termini in cui abbiamo scomposto la funzione di trasferi-
mento [29]. Consideriamo quindi un termine semplice del tipo:
1
F (w) = (3.19)
1 − aw−α
definito per w = e− jω .
Riprendendo gli integrali di Cauchy (3.14) per l’inversione ottenia-
mo
1 1 1
I
F (z) = dw, |z| > 1,
2πj γ 1 − aw−α z − w
per i sistemi causali, da cui
1 1 1
I
F (z) = − jωα
dw, |z| > 1,
2πj γ 1 − ae z − e jω
sfruttando la condizione w = e− jω che il dominio sia sulla circonferen-
za unitaria!
 3.4 APPROCCIO ALTERNATIVO 49

Una soluzione semplice del problema si ottiene elaborando l’inte-

grale in modo che assuma la forma di una trasformata. In pratica per
prima cosa sfruttiamo l’equivalenza
q −1
1 ∑k=0 e jkωα
= , (3.20)
1 − ae− jωα 1 − aq e− jω
valida nel caso in cui α = 1/q, come si dimostra facilmente calcolando
il valore assunto dalla sommatoria al 2° membro.
Inoltre, se | a| < 1, si può riscrivere la (3.20) nella forma

∞ q −1
1
1 − ae− jωα
= ∑ ∑ aqm+k e− jω(m+kα) ,
m =0 k =0

per cui possiamo infine calcolare la trasformata Z inversa di uno dei

fratti semplici (3.19) in cui abbiamo scomposto la funzione, ottenendo
infine la risposta impulsiva della forma:

q −1 ∞
h[n] = ∑ ak ∑ aqm hnm−kα (3.21)
k =0 m =0

notando anche in questo caso, che l’integrale corrisponde alla derivata

di ordine nm − kα dell’impulso δ, cioè alla risposta impulsiva hnm−kα
di un sistema di ordine frazionario nm − kα (3.8).
Come ultima considerazione, osserviamo infine che mentre per i mo-
delli a media mobile la risposta impulsiva del sistema è finita (3.18),
per i modelli FARMA completi otteniamo una risposta impulsiva (3.21)
che necessita di uno sviluppo illimitato, saranno necessarie quindi
delle approssimazioni per poter avere un modello implementabile.

3.4 APPROCCIO ALTERNATIVO

Per quanto riguarda i sistemi discreti di ordine frazionario, come mo-
strato nelle sezioni precedenti, esistono numerosi approcci possibili.
Tutti i metodi si basano sull’approssimazione della funzione di trasfe-
rimento del sistema; come funzione di trasferimento di ordine intero Sistemi discreti non
(con un numero più elevato di poli e zeri), o come funzione di z che interi: assenza di
metodi alle differenze
interpoli il segnale tra i suoi campioni. Non è stato possibile trovare finite
in nessun articolo un’approssimazione alle differenze finite, che faccia
uso dei soli campioni del segnale.
Cerchiamo quindi di trovare una relazione tra i campioni dei segnali
di ingresso e di uscita, che si possa interpretare come una derivata
di ordine non intero nel dominio continuo, e che possibilmente sia
sufficientemente pratica ed accurata nei risultati.
Osserviamo 2 equazioni ben note nell’analisi di sistemi interi, la pri- Analogia con i
ma definita in un dominio continuo, l’altra, equivalente alla prima, nel sistemi discreti non
interi
dominio discreto:
N M
∑ a k D k y ( t ) = ∑ bk D k x ( t ) , (2.1)
k =0 k =0
N M
∑ a k y [ n − k ] = ∑ bk x [ n − k ] , (3.1)
k =0 k =0
 50 SISTEMI TEMPO-DISCRETI

in cui le derivate della prima sono approssimate da differenze finite

nella seconda. Si vuole ricavare un’equazione analoga all’equazione
alle differenze (3.1), capace di approssimare un’equazione differenziale
di ordine non intero!

3.4.1 Discretizzazione delle derivate non intere

Consideriamo quindi un sistema tempo-continuo non intero; l’equazio-
ne (2.1) scritta per k interi, si scrive, come mostrato nell’equazione (2.2),
come la sommatoria di N termini derivati che indicheremo con αk .
Dalla definizione di Esplicitiamo la derivata con la definizione di Grünwald-Letnikov (1.13)
G-L data nel § 1.2.2 nella pagina 4, che qui riportiamo
N −1
Γ(k − α)
α
t−a t−a
  
α
aD t x ( t ) =
N ∑ Γ(−α)Γ(k + 1)
x t−k
N
(3.22)
k =0

con una prima modifica: è stato rimosso il limite per N → ∞ presente

nella definizione originale. Questa prima approssimazione ci permette
di trattare con segnali x ed y campionati, cioè noti solo negli istanti
di tempo t = nT; il numero di campioni che è possibile gestire in
qualsiasi applicazione reale deve essere necessariamente finito.
Il differenziale Osserviamo poi, che il differenziale quantizzato, che nella formu-
quantizzato come la di G-L è scritto come (t − a)/N, equivale al periodo T del segnale
periodo
campionato N + 1 volte tra un estremo inferiore fisso a e l’estremo
superiore t. Lo stesso concetto in formule:

t−a
= T,
N
sostituito nella (3.22) ci permette di scrivere:
N −1
Γ(k − α)
α
aD t x ( t ) = Tα ∑ Γ(−α)Γ(k + 1)
x(t − kT )
k =0

Dipendenza della Il rapporto tra le tre funzioni Γ non dipende dall’istante t, ma solo
sola x dal tempo t dall’indice della sommatoria k corrente e dall’ordine di derivazione α.
È possibile pensare quindi di sfruttare una notazione più compatta,
in cui i tre termini ed il fattore pari ad una potenza di α del periodo,
siano inglobati in un coefficiente, che posso indicare banalmente con
Λα [k], ottenendo
N −1
α
aD t x ( t ) = ∑ Λα (k) x (t − kT )
k =0

Equivalenza tra Considerando infine di operare su segnali campionati, è possibile rife-

tempo e campioni rirsi direttamente all’indice numerico piuttosto che all’istante di tempo
in cui campiono: è possibile quindi scrivere la sostituzione: t − kT →
n − k, ottenendo infine
N −1
Dα x [ n ] = ∑ Λ α [ k ] x [ n − k ], (3.23)
k =0

in cui le parentesi quadre indicano che l’argomento della funzione è

diventato un indice del campione considerato.
Notazione vettoriale Un modo ancora più compatto per indicare l’n-esimo campione del-
 3.4 APPROCCIO ALTERNATIVO 51

la derivata di ordine α della funzione si ottiene con la notazione vetto-

riale. L’argomento della funzione x, per k = 0, coincide con l’estremo
destro t dell’intervallo considerato; per k crescenti, decresce di k perio-
di T, cioè di k campioni del segnale. Indicando sia il segnale x, sia i
coefficienti Λα [k], con un vettore colonna con le righe ordinate per k
crescenti, cioè:

Λ [0] x [ N − 1]
   
 Λ [1]   x [ N − 2] 
Λ α ≡ T α ·  Λ [2]  ,
   
x ≡  x [ N − 3]  ,
   
 ..   .. 
 .   . 
Λ [ N − 1] x [0]

si arriva alla notazione:

Dα x [n] = ΛαT · x, (3.24)

estremamente compatta che sfrutta il prodotto righe per colonne delle

matrici. Ovviamente la T indica che il vettore Λα deve essere trasposto.

3.4.2 Sistemi descritti da equazioni alle differenze finite

Torniamo adesso alla corrispondenza tra i sistemi tempo continui e

tempo discreti, che per ordini interi sono descritti rispettivamente dalle
equazioni (2.1) ed (3.1). La stessa analogia per sistemi non interi si Equazione vettoriale
ottiene tramite la (3.24) a partire dall’equazione differenziale (2.2) per alle differenze finite
un sistema tempo continuo di ordine non intero. Si ottiene facilmente
la seguente

N M
∑ an ΛαTn · y = ∑ bm ΛαTm · x (3.25)
n =0 m =0

relazione vettoriale tra i segnali di ingresso e di uscita.

Per esplicitare il ruolo dei ritardi, mascherati dalla notazione vetto- Equazione esplicita
riale, si può sostituire l’equazione (3.23) nella (3.1), ottenendo alle differenze finite

N C −1 M C −1
∑ an ∑ Λαn [ k ] y [ n − k ] = ∑ bm ∑ Λ α n [ k ] x [ n − k ], (3.26)
n =0 k =0 m =0 k =0

che qui confrontiamo riportando la corrispondente equazione conti-

nua(2.1):
N M
∑ an D αn y ( t ) = ∑ bm D α m x ( t ) .
n =0 m =0

L’equazione (3.26) permette di esprimere la relazione tra l’ingresso e Considerazioni

l’uscita di un sistema in termini degli ingressi e delle uscite presenti e
passate, analogamente ad una comune equazione alle differenze finite
di un sistema intero. Non è stato possibile trovare in letteratura descri-
zioni di sistemi che siano assimilabili all’equazione data. Molti degli
aspetti relativi all’approssimazione delle derivate frazionarie, applica-
ti per ricavare tale equazione, si trovano sui libri di analisi non intera,
come ad esempio [27].
 52
Sistemi discreti non
interi operano con un
numero infinito di
termini troncato
1 function G=vg(q,N)
Calcolo del vettore
Gamma
3 G=1;
4 for i=1:N-1
5 G(i+1)= G(i) * (i-1-q)/i;
6 end
SISTEMI TEMPO-DISCRETI
3.4.3 Algoritmi per equazioni alle differenze
L’equazione (3.26) è analoga per molti aspetti ad un’equazione per
sistemi a coefficienti interi come la (3.1).
Una prima differenza è la presenza di un numero elevato di ter-
mini passati, per C punti impiegati nel calcolo ho C termini passati,
anche nel caso di una sola derivata. Per sistemi interi invece, se ho
solo una derivata, ad esempio per M = 1 nella (2.1), ho un sistema
discreto la cui uscita y che dipende solo dall’ingresso corrente x [n] e
dal precedente x [n − 1].
Del resto, riducendo il numero di termini C coinvolti nel calcolo,
ho un’approssimazione peggiore. Proviamo a valutare quanto inci-
de il numero di punti C sull’accuratezza. Consideriamo la funzione
Matlab:
che prende in ingresso l’ordine di derivazione α indicato nel codice
con q, ed il numero di punti C, nel codice indicati con N, per restituire
il vettore:
Λ0
 
 Λ1 

Λ2
 Γ(k − α)
Λα ≡  , Λα [k ] = per k = 0, 1, . . . , N − 1,
 
 ..  Γ(−α)Γ(k + 1)
 . 
Λ N −1 (3.27)
vettore delle tre funzioni gamma, i cui termini dipendono esclusiva-
mente dall’ordine di derivazione. La dipendenza da k è fittizia, nel
senso che limitare i k possibili ai primi N − 1 valori interi più lo zero,
indica l’approssimazione applicata, non un reale grado di libertà. Il
vettore inoltre è stato normalizzato rispetto al termine costante T −α .
L’algoritmo che calcola gli elementi del vettore di equazioni Gamma
definito dalla (3.27), è dato dalle semplici istruzioni seguenti.
Listato 3.1: Algoritmo di calcolo del valori dei coefficienti funzioni Gamma
Analisi del codice
Il codice sfrutta la proprietà ricorsiva della funzione Gamma. Esplici-
tando i primi elementi è possibile scrivere:
Γ(−α) Γ(1 − α) Γ(2 − α)
 
1
Λ= · , , ,... ,
Γ(−α) Γ (1) Γ (2) Γ (3)
ma per la proprietà ricorsiva (1.4), il 2° termine si può esprimere in
funzione del 1°,
Γ (1 − α ) −αΓ(−α)
= = − α Λ α [0],
Γ (2) 1Γ(1)
 3.4 APPROCCIO ALTERNATIVO 53

il 3° termine in funzione del 2°, quindi del 1°,

Γ (2 − α ) (1 − α ) Γ (1 − α ) 1−α − α (1 − α )
= = · Λ α [1] = · Λ α [0],
Γ (3) 2Γ(2) 2 2
e così via. In generale quindi, il termine Γ(−α) si semplifica, la ricor- formula ricorsiva per
sione si può scrivere: il calcolo della
funzione Gamma
Γ(k − α) k − 1 − α Γ(k − 1 − α)
= , (3.28)
Γ ( k + 1) k Γ(k)
abbiamo così ottenuto la funzione implementata nel codice 3.1.

Considerazioni
Il metodo proposto in questa sezione, è stato pensato con l’intento di Metodi ‘nativi’ alle
definire un’equazione per i sistemi non interi analoga alla (3.1). In let- differenze non intere
teratura sono disponibili, come riportato in questa sezione, approfon-
dimenti sul metodo di studio di sistemi frazionari, concepiti già come
sistemi discreti, ovvero concepiti come sistemi di equazioni alle diffe-
renze non intere. Questi non si ottengono come discretizzazione di
sistemi analogici, ma possono essere concepiti nella forma (3.2) a parti-
re da considerazioni matematiche sul sistema; un esempio applicativo
sarà considerato nel § 4.4.2 nella pagina 80.
L’equazione (3.25) propone invece un’espressione compatta per i si-
stemi discreti di ordine non intero, che deriva direttamente da un’e-
quazione differintegrale. Al tempo della stesura, non è stata trovata
alcuna fonte che proponesse qualcosa di simile. Successivamente l’ap-
proccio vettoriale proposto è stato ritrovato in [16], che sviluppa la In [16] è proposto un
parte matematica in modo analogo, sebbene tratti l’argomento esclusi- metodo matematico
di calcolo che
vamente come metodo di calcolo, tralasciando completamente tutte le equivale al metodo
altre tematiche relative ai sistemi discreti. qui presentato
Matlab dispone di una funzione per il calcolo della funzione gam- La funzione gamma
ma, che prende come argomento un qualsiasi numero reale. Ricor- in Matlab
dando che la funzione gamma cresce come il fattoriale per ingressi
positivi, ci si imbatte presto nella limitatezza del calcolatore usato, in-
fatti l’istruzione gamma(171) restituisce 7.2574e+306, mentre l’istruzione
gamma(172) restituisce il valore Inf, per cui non è possibile calcolare la
funzione gamma per ingressi maggiori di 172!
Con l’algoritmo mostrato nella (3.28) non è necessario calcolare espli-
citamente la funzione gamma, per cui posso calcolare vettori anche con
più di 171 elementi senza incappare nei limiti considerati.
D’altro canto, si osserva inoltre che un numero di elementi elevato
spesso non è necessario in pratica, poiché il vettore Λα decresce con-
siderevolmente per k crescenti, come mostrato nel grafico 5: nel caso
peggiore bastano una dozzina di elementi affinché il peso attribuito
alla funzione scenda al di sotto di un centesimo del peso del primo
elemento. Necessità di una
Come vedremo nel § 4.3 nella pagina 70, la formula ricorsiva qui formula ricorsiva
trovata per il calcolo della funzione gamma, può essere estesa al cal-
colo generale di un coefficiente binomiale con termini non interi in
modo efficienti. Il procedimento richiede che i coefficienti binomiali
siano riscritti con la (1.6), valida anche per n negativi; successivamente
si sostituisce al fattoriale la funzione gamma (1.3) ottenendo una for-
mula analoga alla (1.7); infine si riscrive la formula ottenuta in modo
ricorsivo tramite la (1.4).
 54 SISTEMI TEMPO-DISCRETI

Andamento del vettore Gamma

0
k=0.5
−5 0.85
0.1
0.25
−10 1

−15

Valore (dB) −20

−25

−30

−35
0 5 10 15 20 25
# Elemento del vettore

Figura 5: Andamento degli elementi del vettore Λα [k] al variare del parametro
α. Si osservi che l’asse delle ordinate è in dB!

I tentativi svolti in Matlab, per il calcolo di un coefficiente bino-

miale tramite la definizione diretta, non hanno mai portato a risulta-
ti ammissibili, anche per coefficienti binomiali piccoli, come (0.3
5 ), che
rientrano comodamente nei limiti consentiti dal calcolatore in uso.

3.5 APPROSSIMAZIONI DISCRETE

Analogamente a quanto fatto nel dominio tempo continuo, esistono va-
rie tecniche per approssimare un sistema discreto. In generali i metodi
possibili si possono raccogliere in due gruppi:
• Discretizzazione diretta;
• Discretizzazione indiretta.
Metodi indiretti Nei metodi indiretti, si hanno due passaggi: per prima cosa si trasfor-
ma il filtro tempo continuo in frequenza e si approssima per avere un
filtro nella variabile di Laplace s di ordine intero, successivamente si
discretizza la variabile di Laplace con una trasformazione. In pratica
occorre applicare uno dei metodi descritti nel § 2.4 nella pagina 27, e
poi applicare un metodo classico di discretizzazione.
Metodi Diretti Nei metodi diretti invece, dei quali ci occuperemo in questa sezione,
si discretizza direttamente la variabile di Laplace di ordine non inte-
ro, ad esempio tramite CFE della trasformazione di Eulero, o tramite
metodi di integrazione numerica.

3.5.1 Necessità delle approssimazioni

Un sistema digitale richiede una equazione alle differenze finite, che
nel caso intero corrisponde ad una equazione differenziale nel domi-
nio continuo. Per i sistemi frazionari non si ha una corrispondenza
altrettanto chiara tra i domini continuo e discreto [30]; campionando
con un periodo T si ottiene una equazione alle differenze finite basata
 3.5 APPROSSIMAZIONI DISCRETE 55

su ritardi frazionari, che quindi può essere messa in relazione con un

sistema ordinario con decimazione o interpolazione di campioni!
Sono stati studiati più metodi di approssimazione di equazioni, per
passare dal caso continuo a quello discreto nei domini trasformati, cioè
dalla trasformata di Laplace alla trasformata Z , e per approssima-
re funzioni di trasferimento frazionarie con funzioni di ordine intero.
Vediamo nelle prossime sezioni quali sono le possibili operazioni di
approssimazione e le relative peculiarità.
Le funzioni di discretizzazione che analizzeremo permettono di pas- discretizzazione dalla
sare dalla variabile di Laplace sα ad un’equazione in z equivalente che risposta nel dominio
di Laplace
l’approssima secondo determinati criteri. Le approssimazioni discre-
te di Eulero Grünwald-Letnikov , di Al-Alaoui e l’approssimazione
bilineare di Tustin stabiliscono una corrispondenza tra le trasforma-
te L e Z , cioé tra la variabile di Laplace sα ed una funzione di z,
analogamente a quanto avviene per funzioni di ordine intero.
Ripartiamo dalle equazioni continue del sistema, nel dominio del
tempo come la (2.2), o nel rapporto ingresso/uscita nel dominio di
Laplace, cioè nella forma di funzione di trasferimento (2.4). Per ot-
tenere un modello discreto è necessario approssimare derivate ed in-
tegrali frazionari, cioè i termini sα , con un loro equivalente discreto.
L’approssimazione che si cerca dovrebbe essere: Caratteristiche
dell’approssimazione
• in forma frazionale, con poli e zeri, che dovranno essere inter- cercata
lacciati per approssimare pendenze generiche con multipli di
20 dB/decade;
• sufficientemente accurata anche con un ridotto set di parametri,
o sufficientemente facile da calcolare per poter essere implemen-
tabile in tempo reale;
• il semipiano sinistro della variabile complessa di Laplace dovreb-
be essere mappato nella circonferenza unitaria del piano Z , con
l’asse immaginario che corrisponde alla circonferenza stessa [2].
In generale, si può esprimere l’approssimazione z con una funzio-
ne w(z), detta funzione generatrice. La (2.4), diventa quindi, per
sostituzione della variabile di Laplace s con un’opportuna funzione
generatrice w(z),
M
∑m =0 bm [ w ( z )]
αm
H (z) = .
∑nN=0 an [w(z)]αn
Le funzioni generatrici tipicamente utilizzate sono le stesse applica- Metodi delle funzioni
bili al caso intero, elevate però ad esponente non intero, cioè generatrici

• metodo di Eulero Grünvald-Letnikov;

• metodo di Tustin o trapezoidale (bilineare);
• metodo di Al-Alaoui.
ciascuna delle quali corrisponde ad un’espressione frazionale in z.
Ciascuna approssimazione è illimitata, perciò richiede una ulteriore Funzioni non
approssimazione, dalla quale è possibile ricavare la serie dei coeffi- limitate e
realizzabilità
cienti della risposta impulsiva, FIR nel caso di espansione polinomiale
troncata, IIR nel caso di espansione CFE. Infatti, se consideriamo il me-
todo di Eulero, tanto per fissare le idee, questo si basa sulle differen-
ze finite all’indietro 1 − z−1 , infatti dalla sua espansione Power Series
56 SISTEMI TEMPO-DISCRETI

Expansion (PSE) si ottiene la definizione di differintegrale di Grünwald-

Letnikov. Elevando a potenza intera n ottengo un polinomio di grado
n, ma se l’esponente è frazionario, ottengo una serie infinita di termini,
proprio come avviene per le derivate non intere (1.13) di G-L.
Approssimazioni della (2.2), si possono invece ottenere tramite al-
goritmi di integrazione numerica, in letteratura tali metodi sono poco
diffusi ed illustrati, per questo si rimanda alla sezione 3.4 nella pa-
gina 49. Lo svantaggio di tali metodi è nelle maggiori richieste di
memoria.
Analizziamo ora nelle prossime pagine i vari metodi di approssi-
mazione disponibili, che oltre a quelli citati comprendono i metodi
derivati dalle tecniche di elaborazione dei segnali di Padé, Prony e
Shanks, dai quali si ottengono filtri IIR.

3.5.2 Metodo dell’errore quadratico minimo

Abbiamo visto, (3.2) nella pagina 40, che un sistema discreto non in-
tero presenta un’equazione alle differenze non intere, e che per cia-
scun termine della (3.2) si ha una risposta impulsiva di tipo sinc, come
mostrato nella (3.10) nella pagina 43.
Il ricampionamento ideale, con la risposta impulsiva di tipo sinc
richiederebbe infiniti termini, come già detto, ciò non è possibile in
pratica, per cui sfruttiamo un’approssimazione finita di L termini, che
si avvicini il più possibile alla risposta ideale.
Per fissare le idee, supponiamo di avere un segnale x [n], elaborato
in un sistema non intero con ritardo α, in un’equazione ingresso uscita
tipo y[n] = x [n − α]. Consideriamo il segnale x [n − α] traslato di α,
come l’uscita del segnale x [n] da un sistema che introduce un ritardo
α. Come visto al §3.2, possiamo scrivere
+∞
xi [ n − α ] = x [ n ] ⊗ h α [ n ] = ∑ x [ k ] h α [ n − k ],
k =−∞

in cui hα [n] è proprio la risposta impulsiva del sistema ritardante otte-

nuta nella (3.10), e la i a pedice della x ci ricorda che stiamo conside-
rando un caso ideale.
Passando al dominio Z , si può scrivere [23, 34]
+∞
Hi (z) = ∑ hα [ n ] z−n
n=−∞

per la funzione di trasferimento ideale, e

b
H (z) = ∑ hα [ n ] z−n
n= a

per la funzione di trasferimento approssimata con L termini (L = b −

a + 1).
Il minimo dell’errore quadratico6 , si ottiene minimizzando la norma 2
dell’errore

E( jω ) = H (e jω ) − Hi (e jω )
6 I metodi dell’errore quadratico sono spesso conosciuti con il nome di least square, termine
usato di frequente anche nei testi italiani.
 3.5 APPROSSIMAZIONI DISCRETE 57

in un intervallo di frequenze [0, π ], per cui si avrà

1 1
Z π Z π
k E k2 = | E(e jω )|2 dω = | H (e jω ) − Hi (e jω )|2 dω. (3.29)
pi 0 π 0

Grazie al teorema di Parseval che ricordiamo:

Z +∞ Z +∞
| x (t)|2 dt = | X ( f )|2 d f ,
−∞ −∞

possiamo esprimere la (3.29) in funzione delle risposte impulsive nel

tempo
−∞
1
e[n] =
π ∑ |h[n] − hi [n]|2 ,
−∞

dalla quale possiamo dedurre che otteniamo il minimo dell’errore sem-

plicemente troncando la riposta impulsiva, considerando solo gli L ter-
mini centrati attorno all’origine della funzione sinc, e che, ovviamente,
l’accuratezza è tanto maggiore quanti più termini consideriamo.
Gli estremi a, b, sono quindi presi alla stessa distanza dal centro,
cioè
(
[α] − L2 , per L pari,
a= L −1
bαc − 2 , per L dispari,

in cui bαc è la parte intera di α, cioè il suo valore approssimato per

difetto, mentre [α] è l’approssimazione intera più prossima al suo va-
lore, per eccesso o per difetto. Il filtro quindi, sarà nullo all’esterno
dell’intervallo [ a, a + L], e l’errore residuo risulterà

a −1 ∞
k E k2 = ∑ | h i |2 + ∑ | h i |2 ,
n=−∞ n = a + L +1

mentre l’equazione di un sistema della forma (3.2), con l’approssima-

zione proposta si esprime

N L M L
∑ an ∑ y[k] sinc[π (n − k − αn )] = ∑ bm ∑ x[k] sinc[π (n − k − αm )],
n =0 k= a m =0 k= a

con L termini di approssimazione.

3.5.3 Metodo di Eulero-Grünwald

Nel metodo di Eulero frazionale si approssima l’equazione differenziale
del sistema (2.1), con le differenze finite all’indietro7 , passando poi al
dominio Z , per ottenere la trasformazione Funzione generatrice
del metodo
1 − z −1
s≈ , (3.30)
T
ben nota per i sistemi di ordine intero, anche detta metodo delle diffe-
renze finite all’indietro.
7 Ovviamente il caso di differenze in avanti, più rigoroso dal punto di vista matematico,
non è applicabile per sistemi causali.
58 SISTEMI TEMPO-DISCRETI

1/ Γ(x)
5

−1

−2
−4 −3 −2 −1 0 1 2 3 4
x

Figura 6: Funzione gamma inversa 1/Γ( x ). Mentre per valori positivi la fun-
zione gamma cresce come il fattoriale, quindi la sua inversa tende
a 0, per valori interi negativi la funzione gamma tende ad infinito, e
la sua inversa è nulla.

L’estensione al caso non intero è immediata, basta infatti sostituire

la (3.30) nei sistemi del tipo (2.2) di ordine non intero, per ottenere [7]:

1
 α
−1
s ≈
α
1−z . (3.31)
T

Cerchiamo di sviluppare il termine (1 − z−1 )α , tenendo in mente che

una qualsiasi potenza intera n di un binomio, si può scrivere, come è
facile ricavare, con l’espressione
  n
n k n−k
( a + b) = ∑n
a b , n∈N
k =0
k

che si estende per n negativi, ponendo (nk) = 0 sia per n < 0 che per
n<k
  ∞
n k n−k
( a + b) = ∑n
a b , n∈Z
k =0
k

come mostrato, ad esempio, da [45].

A questo punto possiamo sviluppare l’equazione (3.31), esplicitando
le potenze di binomio di ordine α tramite la proprietà fattoriale (1.3)
della funzione gamma, ottenendo

α ∞   k ∞  
 α k α
1 − z −1 = ∑ k − z −1
= ∑ (− 1 )
k
z−k , (3.32)
k =0 k =0

cioè una serie di potenze di ordine intero illimitata. Infatti, nel caso
non intero non si verifica più la condizione (αk ) = 0 per α < k, come si
può osservare dal reciproco della funzione gamma 6.
 3.5 APPROSSIMAZIONI DISCRETE 59

Osserviamo che i termini della serie infinita che si ottengono per α di

ordine non intero, coincidono con gli stessi delle derivate di Grünwald-
Letnikov (1.13) o (1.11). In letteratura l’approssimazione
 α ∞  
1 k α
s ≈
α
T ∑ (−1) k z−k
k =0

risultante, non è riferita allo sviluppo dei coefficienti binomiali (3.32),

ma è riferita come Power Series Expansion (PSE), espansione in serie di
potenze, della (3.31).
La precedente equazione, raccogliendo i termini nella sommatoria,
assume la forma di trasformata Z ,
∞  α  
1 k α
s ≈ ∑
α
(−1) z−k
k =0
T k

in cui emergono evidenti i coefficienti della risposta impulsiva hα [k] Risposta impulsiva
del sistema sα campionato:
 α  
1 n α
hα [n] = (−1)
T n
come mostrato da [7].
In tale risposta impulsiva non si ha alcuna retroazione dall’uscita,
per cui è possibile ottenere un’implementazione FIR troncando lo svi-
luppo ottenuto! Si ricorda però, che ai sistemi FIR nel caso non intero,
corrisponde una scarsa accuratezza del modello analogico approssima-
to.
Con un’espansione CFE invece, si può ottenere una funzione di tra-
sferimento frazionale che si implementa con un filtro IIR [5], che in
generale sarà più accurata
Con il metodo di Eulero, il semipiano s sinistro si mappa nella cir-
conferenza con centro in z = 1/2 e raggio 1/2, per cui l’approssima-
zione è abbastanza accurata solo in bassa frequenza.

Confronto con il metodo di differintegrazione numerica

Si è osservato, che la soluzione qui mostrata è analoga alla soluzione
mostrata nel § 3.4 nella pagina 49. Infatti gli elementi della risposta
impulsiva hα [n] possono essere espressi, grazie alla (1.7), nel rapporto

Γ(k − α)
 α  
1 α
(−1)n = T −α = Λ α [ k ],
T n Γ(−α)Γ(k + 1)
e quindi sostanzialmente i due metodi coincidono.
Nella tabella 2 nella pagina successiva sono elencati i passaggi chia-
ve di entrambi i procedimenti, il risultato finale è lo stesso sebbene
i percorsi siano concettualmente differenti. Nel caso della soluzione
numerica dei differintegrali, il vettore Λ coincide con la risposta im-
pulsiva hα [n] del filtro frazionario del metodo di Eulero. Il prodotto
vettoriale esplicita la convoluzione in modo del tutto equivalente!

3.5.4 Metodo di Tustin

L’approssimazione di Tustin, o bilineare, o metodo trapezoidale, si ot-
tiene trovando la soluzione del sistema tempo-continuo, approssiman-
 60 SISTEMI TEMPO-DISCRETI

Tabella 2: Confronto tra il metodo dell’approssimazione numerica dei

differintegrali di G-L, ed il metodo di Eulero frazionario.

Differintegrali di G-L Eulero Frazionario

Equazione integrodifferenziale nel tempo
N M
∑ a k D k y ( t ) = ∑ bk D k x ( t ) (2.1)
k =0 k =0
Approssimazione delle derivate Trasformazione nel dominio di
frazionarie con la definizione di Laplace della funzione con la
G-L, per un numero finito di regola di derivazione (1.26):
campioni della funzione:
N M N M
∑ an ΛαTn · y = ∑ bm ΛαTm · x ∑ an sαn Y = ∑ bm s α m X (2.3)
n =0 m =0 n =0 m =0
(3.25)
Discretizzazione di s (3.31) e
sviluppo binomiale di ordine
α (3.32) (in [n]):
N M
∑ an hα ⊗ y = ∑ bm h α ⊗ x
n =0 m =0

do l’integrale con il metodo trapezoidale. Come noto, la trasformazio-

Funzione generatrice ne caratteristica del metodo
del metodo
2 1 − z −1
s= · , (3.33)
T 1 + z −1
è una trasformazione bilineare, che mappa il semipiano sinistro di s
nella parte interna del cerchio unitario del piano z.
Nel caso non intero, l’estensione [13]
α
2 1 − z −1

s= · , (3.34)
T 1 + z −1

richiede solo l’aggiunta di un esponente frazionario.

I coefficienti della risposta impulsiva si ottengono anche in questo
caso con uno sviluppo PSE, come mostrato da [7], si ottiene la risposta
impulsiva
 α n
−α
  
2 k α
T k∑
hα [n] = (− 1 ) , (3.35)
=0
n n−k

i cui coefficienti si possono calcolare sostituendo la funzione gamma

nello sviluppo fattoriale di coefficienti binomiali (1.7). La risposta im-
pulsiva è illimitata come sempre avviene per esponenti non interi, per
questo deve essere troncata. I coefficienti possono essere efficientemen-
te calcolati con un algoritmo ricorsivo per la funzione gamma, sfruttan-
do la proprietà (1.4) fino a ricondursi alla funzione Γ(1), analogamente
a quanto fatto al § 3.4.3 nella pagina 52.

Algoritmo ricorsivo di Chen e Moore [13]

L’approssimazione FIR della risposta impulsiva, è facilmente superata
da un’approssimazione IIR, ottenuta ad esempio da uno sviluppo CFE
 3.5 APPROSSIMAZIONI DISCRETE 61

1 function B=Tustin(a,L)
2 if nargin<1,
3 L=9;
4 end
5

6 % Simbolico
7 z=sym(’z’);
8

9 A=1-a*z^(-1); % A1(z^-1, a)
10 B=1-a*z; % A1(z,a)
11 for i=2:L, % sono partito da A0,A1,continuo da A2 fino ad AL
12 if rem(i,2) %rem(i,2) = 1 per i dispari, quindi eseguo l’if
13 c=a/i;
14 else
15 c=0;
16 end
17 A = A - (c * B) * z^(-i);
18 B = subs(A,z^(-1));
19 beep
20 end

Listato 3.2: Codice per l’implementazione simbolica dell’algoritmo di Chen e

Moore [13].

della (3.34). Un metodo conveniente per ricavare un’approssimazione

frazionale della (3.34) è stato proposto da Chen e Moore [13], basato Algoritmo ricorsivo
su un algoritmo ricorsivo, per esprimere la funzione generatrice come di Chen e Moore [13]
rapporto di polinomi interi
α
2 1 − z −1 An (α, z−1 )
  α

α 2
w(z) = · = lim . (3.36)
T 1 + z −1 T n→∞ An (− α, z−1 )

Il metodo ricorsivo permette di calcolare facilmente i polinomi An ,

sfruttando le relazioni di ricorrenza

An (α, z−1 ) = An−1 (α, z−1 ) − cn z−n An−1 (α, z),

(
α/n per n dispari,
cn =
0 per n pari,

a partire dalla condizione iniziale

A0 (α, z) = 1.

Si osservi la presenza di due diversi polinomi A nell’algoritmo, che si

differenziano per il segno dell’esponente di z, che si possono ottenere
per semplice sostituzione delle variabili z ↔ z−1 .

Implementazione

L’algoritmo di Chen e Moore [13] è stato implementato in Matlab, con

una funzione che restituisce il valore simbolico, cioè un polinomio nella
variabile z, dell’approssimazione di ordine n del polinomio An .
Per semplicità, il polinomio restituito dallo script 3.2 è nella variabile
z, i coefficienti sono gli stessi del polinomio nella variabile z−1 .
 62 SISTEMI TEMPO-DISCRETI

3.5.5 Metodo di Al-Alaoui

Il metodo di Al-Alaoui [1, 2, 13] consiste in un’interpolazione dei me-
todi di Eulero e Tustin, secondo un peso che può essere fissato a priori
La funzione oppure variabile. Seguendo il metodo originale, l’interpolazione si ot-
generatrice è la tiene con pesi pari a 3/4 per la funzione di Eulero (HE ) e 1/4 per la
somma pesata dei
metodi di Eulero e
funzione di Tustin (HT )
Tustin
3 1
HA = HE + HT , (3.37)
4 4
cioè i pesi sono l’uno il triplo dell’altro, come mostrato nella formula
precedente.
Sviluppando la (3.37) con le espressioni esplicite delle funzioni di
Eulero (3.30) e di Tustin (3.33), otteniamo la
!α
8 1 − z −1
sα ≈ ,
7T 1 + z−1
7

formula generatrice esplicita del metodo di Al-Alaoui.

Alcuni articoli ([15, 14, 25]) suggeriscono l’uso della funzione gene-
ratrice di Simpson
α
3 (1 + z−1 )(1 − z−1 )

s= ·
T 1 + 4z−1 + z−2

con un peso variabile, al posto della funzione di Eulero, definendo

comunque come di Al-Alaoui la funzione risultante.
Anche in questo caso è possibile ottenere i coefficienti della risposta
impulsiva da uno sviluppo PSE
α n  n−k  
−α
 
8 1 α
hα [n] =
7T ∑ (−1)k 7 n n−k
(3.38)
k =0

La funzione di Al-Alaoui è la più accurata nel tracciamento di fun-

zioni in alta frequenza, anche in questo caso è possibile un’espansione
CFE per ottenere una forma FIR realizzabile!

3.5.6 Padé, Prony e Shanks

Sono stati sviluppati degli efficaci metodi di approssimazione derivati

dalle tecniche di elaborazione dei segnali, proposti da Padé, Prony e
Shanks [7, 6], che permettono di avere un’approssimazione IIR, cioè
della forma

B(z) b + b1 z−1 + · · · + bm z−m

H (z) = = 0 , (3.39)
A(z) a 0 + a 1 z −1 + · · · + a n z − n

con m ≤ n affinché sia una frazione propria.

Il filtro viene determinato quando vengono fissati i coefficienti del-
la (3.39), si hanno quindi n + m + 1 gradi di libertà, che possono essere
fissati ad esempio minimizzando l’errore quadratico medio

N −1
E= ∑ [hα (n) − h(n)]2 ,
n =0
 3.5 APPROSSIMAZIONI DISCRETE 63

dei coefficienti della risposta impulsiva. Il problema è che in questo

modo si ottiene un’equazione non lineare.
Riscriviamo la (3.39) come H (z) A(z) = B(z) ed assumiamo che
h (n) sia dato dalla risposta impulsiva di H (z−1 ), possiamo riscrivere
α

le equazioni nel dominio del tempo come:

(
l
bn , per n = 0, 1, 2, . . . , m,
h ( n ) + ∑ ai h ( n − i ) =
α α
(3.40)
i =1 0, per n > m,

ottenendo un sistema di equazioni lineari, che possono essere risolte in

modi differenti.

Approssimazioni di Padé
Nel metodo di Padé, si usano le equazioni per n > m per risolvere
rispetto ai coefficienti ak . Successivamente vengono risolte le prime m
equazioni in cui i coefficienti ak sono adesso noti.

Approssimazioni di Prony
Nel metodo di Prony i coefficienti ak si possono trovare dalla souzione
delle equazioni normali della minimizzazione dell’errore quadratico
medio. I coefficienti bk , vengono poi determinati con lo stesso metodo
di Padé.

Approssimazioni di Shank
Invece di forzare la funzione a passare per i primi n + 1 punti della ri-
sposta impulsiva, si considera un’interpolazione che minimizzi l’errore
quadratico medio. In questo modo ricavo ancora una volta i coefficien-
ti ak , dai quali si ottengono poi i coefficienti bk richiedendo che l’errore
sia nullo (interpolazione passante).
4 APPLICAZIONI E TECNOLOGIE

I sistemi frazionari possono essere realizzati con componenti frazio-

nari, oppure con uno dei metodi di approssimazione descritti. Se le
approssimazioni risultano spesso il metodo più rapido per implemen-
tare le nuove teorie, molteplici vantaggi si ottengono dall’implementa-
zione diretta dei componenti. Il problema può sembrare complesso, si
cerca di modellare con dei componenti concentrati dei sistemi che per
loro natura sono diffusi, ma in realtà si è rivelato piuttosto semplice,
almeno in linea di principio.
Dopo aver visto un cospicuo assortimento di basi teoriche, passiamo
a qualche esempio applicativo. In questo caso, ciascun esempio spesso
necessita di uno studio particolare, per comprenderne la descrizione
fisica e le variabili in gioco, per questo gli esempi non saranno molti,
ma saranno visti soprattutto gli esempi più noti ed immediati.

4.1 ELEMENTI FRAZIONARI CONCENTRATI

La ricerca per la realizzazione di elementi elettronici a costanti concen-
trate di ordine frazionario, cioè le frattanze, parte spesso dalla fisica o
dalla chimica. Attualmente questo tipo di componenti non è molto dif-
fuso, ma potrebbero diventarlo: lo sviluppo di tali componenti infatti
è di interesse economico per la registrazione di brevetti.
Le tecnologie attuali non permettono di fare un componente concen-
trato che pur basandosi sullo stesso principio, sia in grado di compor-
tarsi sia da induttore che da condensatore frazionario, ma, ovviamente,
i due casi vanno studiati separatamente.

4.1.1 Condensatore frazionario

Pochissimi articoli trattano l’argomento, partiamo da [8] per introdurre
l’argomento. Un condensatore frazionario, dovrà avere una risposta in
frequenza del tipo

1 1
, ⇔ ,
sα C ( jω )α C

con α ∈ (0, 1).

Ottenere una risposta di questo tipo è più semplice di quanto non I condensatori ideali
possa sembrare, per assurdo, forse è proprio più complesso ottenere non esistono!
α = 1 che non un valore α < 1. Infatti un condensatore ideale, con un
dielettrico ideale non può esistere, poiché sarebbe non causale.
Un buon condensatore, uno qualunque tra i tanti disponibili in com-
mercio, ha una risposta con α che si avvicina all’unità ma non è mai
pari ad 1. Dei valori realistici potrebbero essere da 0.999 o 0.9999, in
ogni caso dei condensatori reali mostrano sempre un certo grado di
frattanza.

65
 66 APPLICAZIONI E TECNOLOGIE

Figura 7: Parte reale della costante dielettrica in alta frequenza, in funzione

della temperatura. Si osservi l’ampiezza del range di misura, che
oscilla tra i −200 °C ed i 200 °C. Il grafico è preso da [37]

Un dielettrico Invece di spingere gli studi, verso la ricerca dell’isolante che più
modesto permette di si avvicini alla idealità, occorre cercare materiali che si discostino di
realizzare
condensatori
proposito dal comportamento ideale di isolante perfetto, in questo
frazionari, modo è possibile ottenere funzioni di trasferimento con vari gradi di
frazionalità.
Una delle maggiori difficoltà residue è quella di trovare un materiale
con un comportamento uniforme su un’ampia banda di frequenze e
temperature.
un buon materiale è Il Solfato Idroazotato di Litio (LiN2 H5 SO4 ) [37] è uno dei composti
il solfato idroazotato chimici che presenta le caratteristiche desiderate1 , con costante dielet-
di litio!
trica ε( jω ) = ε r + jε i sia reale (ε r ) che immaginaria (ε i ) molto ampie
(> 10 × 106 ) e costanti su un ampio intervallo, come mostrato nella
figura 7, e con un valore di α ≈ −1/2.
Calcolando l’impedenza di un condensatore formato da due facce
piane parallele di superficie S e distanzate d,
d
Z= ,
jωε 0 ε( jω )S
in cui d è la distanza tra le facce, S è la superficie delle armature e la
costante dielettrica
1 1
ε( jω ) = ε r ω − 2 − jε i ω − 2 ,
per ε r = ε i = ε, servendosi della notazione polare dei numeri comples-
π
si e ricordando che ε j 2 = j,
1
ε( jω ) = εω − 2 (1 − j)
1√ √ 1 π
− 1 √ 1
= εω − 2 2e− j 4 = 2εω − 2 e j 2 2 = 2ε( jω )− 2 ,
π

si ottiene l’equazione
d d 1
Z= √ 1
= √ 1
= 1
(4.1)
Sjωε 0 ε( jω ) 2( jω ) − 2 Sε 0 ε 2( jω ) + 2 CF ( jω ) 2
1 Cioè presenta un comportamento pressoché costante su un’ampia banda di temperature
e frequenze. Il materiale deve essere usato come dielettrico di un condensatore, che
quindi avrà un comportamento frazionario, sarà cioè una frattanza.
 4.1 ELEMENTI FRAZIONARI CONCENTRATI 67

Strato resistivo Equivalente circuitale

a b
a b

c
c Strato dielettrico

Figura 8: Schema realizzativo della capacità frazionaria a film sottile e schema

elettrico equivalente

che esprime l’impedenza (o frattanza) di un condensatore di ordine

frazionario in cui la sua capacità di ordine frazionario CF , sarà la parte
costante della (4.1):
√
2Sε 0 ε
CF = .
d

Un solo elemento così realizzato, può sostituire, e con grande accura-

tezza, una delle lunghe reti a scala sintetizzabili dalle approssimazioni
date al § 2.4 nella pagina 27!
Lo studio di materiali come il Solfato Idroazotato di Litio o suoi
equivalenti, è ancora agli inizi, probabilmente perché un materiale del
genere in passato sarebbe stato scartato dal punto di vista elettroni-
co, perché incapace di realizzare un buon isolante oppure un buon
conduttore.

Condensatore a film sottile

Roy [35], propone vari metodi per la realizzazione di un impedenza
frazionaria, tra i quali una serie di reti a scala, ed un condensatore a
film sottile.
Il condensatore a film sottile realizza di fatto una rete a scala RC Reti a cascata RC
in cui i componenti non sono discreti ma diffusi. Lo strato resistivo possono essere
realizzate con un
realizza la serie di resistenze, lo strato di dielettrico, sotto il quale è condensatore a film
posto uno strato conduttivo si comporta da condensatore. sottile

4.1.2 Induttore frazionario

Sul lavoro fatto per la realizzazione di un induttore frazionario, si sa
solamente che nel novembre 2006 è stato presentato un brevetto al
riguardo. Il brevetto citato da [16, pagina 87] è US 20060-267597.
Si suppone, che sia possibile realizzare un induttore frazionario im-
mergendo un avvolgimento elicoidale in un mezzo parzialmente iso-
lante, in un modo molto simile a quanto fatto per il condensatore fra-
zionario: si sostituisce il mezzo con proprietà isolanti che si avvicinano
al caso ideale, con un mezzo in grado di realizzare una funzione di tra-
sferimento sα , con α ∈ (0, 1) in un ampio intervallo di frequenze e
temperature.
 68 APPLICAZIONI E TECNOLOGIE

R6 R4 R2

R0
C5 C3 C1

Figura 9: Rete a scala RC, come modello di una linea di trasmissione o come
struttura a componenti discreti a costanti concentrate.

4.2 LINEE DI TRASMISSIONE

Le linee di Una sequenza di resistenze serie e condensatori (normali, di ordine
trasmissione sono dei intero) è naturalmente descritto da un modello frazionario [27]. La se-
circuiti
“naturalmente”
quenza di elementi circuitali infatti, si può scrivere facilmente con uno
frazionari sviluppo in frazioni continue, che, come abbiamo visto, corrisponde
ad un sistema non intero.
È per altro noto dai corsi di campi elettromagnetici che una linea di
trasmissione può essere modellata con una rete a scala di elementi RC
concentrati, sebbene sia per sua natura un sistema distribuito. Come
tutti i sistemi distribuiti trova una descrizione accurata e naturale con i
differintegrali non interi, vediamo come, seguendo il filo logico di [27].
Consideriamo il semplice circuito in figura 9, partendo dai solo due
elementi di chiusure del circuito, cioè R0 e C1 . L’ammettenza di ingres-
so Y1 sarà data dal parallelo, cioè dalla somma delle ammettenze:

Y1 = G0 + sC1 .

Aggiungendo la resistenza R2 , ho un’impedenza totale di ingresso

dei tre componenti

1 1
Z2 = R2 + Z1 = R2 + = R2 + 1
,
Y1 sC1 + R0

che scriviamo dividendo ambo i membri per R2 , e dividendo numera-

tore e denominatore della frazione per C1 , quindi
1
Z2 R2 C1
= 1+ . (4.2)
R2 s + C 1R0
1

Proseguendo con la stessa semplicissima logica, il circuito formato

con quattro componenti, R0 , C1 , R2 e C3 , avrà un’ammettenza d’ingres-
so:

Y3 = sC3 + Y2 ,

ed aggiungendo R4 si ha poi

1 1
Z4 = R4 + = R4 + 1
.
Y3 sC3 + Z2

Come per l’impedenza Z2 che è stata riscritta nella forma (4.2), riscri-
viamo Z4 nel modo seguente:
1
Z4 R4 C3
= 1+ , (4.3)
R4 s + C31Z2
 4.2 LINEE DI TRASMISSIONE 69

poi dividiamo per R2 l’ultimo quoziente parziale

1
1 R2
= ,
C3 Z2 C3 RZ22

in modo da poter sostituire z2 /R2 con l’espressione esplicita (4.2).

La (4.3) in definitiva si scrive
1
Z4 R4 C3
= 1+ 1
, (4.4)
R4 C3 R2
s+ 1
R2 C1
1+
s + C 1R0
1

espressione perfettamente analoga alla (4.2).

Definendo le frequenze

1 1 1 1
ω0 = ω1 = ω2 = ω3 = ,
C1 R0 R2 C1 C3 R2 R4 C3
possiamo riscrivere l’impedenza di ingresso (4.4) per la rete a scala di
cinque componenti nella forma più compatta

Z4 ω ω ω
= 1 + 3 2 1 ω0 ,
R4 s + 1+ s +
grazie anche alla notazione sintetica di Rogers delle frazioni continue2 .
La serie ottenuta, che può essere facilmente estesa allo stesso modo
per un numero maggiore di elementi, inoltre si dimostra essere con-
vergente [44]. Per ottenere una forma standard di sviluppo in frazio-
ni continue facciamo un’altro passo, moltiplichiamo ciascuna frazione
parziale con denominatore s+, per il termine 1/s, nella forma estesa si
ottiene
ω3
Z4 ω ω ω
= 1 + 3 2 1 ω0 = 1 + s
ω2 ,
R4 s + 1+ s + s
1+
ω1 1s
1+
(s+ω0 ) 1s

poi, con la sostituzione

ωi
= ai ,
s
otteniamo

Z4 a3
= 1+ ,
R4 a2
1+
1 + 1+a1a0

cioè una frazione continua in forma canonica.

Per completezza scriviamo la generalizzazione al caso di N compo-
nenti, con N pari, si avrà

ZN a a a a
= 1 + N −1 N −2 · · · 2 1 a 0 (4.5)
RN 1+ 1+ 1+ 1+
2 Vedi § 2.4.1 nella pagina 28 per maggiori informazioni.
 70 APPLICAZIONI E TECNOLOGIE

RN R i-1 i=3,5,7...N-1

ZN R0
Ci C1

Figura 10: Schema generico di una rete a scala, con N componenti. Il blocco
evidenziato in azzurro è ripetuto più volte fino ad avere in totale il
numero di componenti desiderati

in cui si è fatto riferimento alla figura 10.

La somma di tutti i termini CFE, per

1
R0 = R2 = R4 = · · · = R N −2 = R, RN = R,
2
C1 = C3 = C5 = · · · = CN −1 = C,

possiede uno sviluppo convergente, come mostrato da [44], pari a

√ √
a a a a 4a + 1 4a + 1 1
··· a=  √  − − .
1+ 1+ 1+ 1+ 1+ √ 4a + 1 − 1
N+1 2 2
4a+1+1

Combinando lo sviluppo dell’espansione CFE con la (4.5), e tenendo

conto dei valori (4.2), si ottiene infine
r r " √
N +1 √
N +1 #
Cs 4a + 1 4a + 1 + 1 4a + 1 − 1
Z = √
N +1 √
N +1 ,
R 4a 4a + 1 + 1 4a + 1 − 1

L’impedenza è cioè un’espressione dell’impedenza di ingresso della linea (o della rete

proporzionale alla
radice della frequenza
a scala RC), proporzionale alla radice del termine a, che rappresenta
l’inverso del prodotto tra resistenza e capacità. La natura fraziona-
ria del sistema discende proprio dalla dipendenza dalla radice della
frequenza.

4.3 PRESTAZIONI ALGORITMI NUMERICI

Studio di un sistema Proviamo a vedere il comportamento delle approssimazioni mostrate
test al capitolo 3 nella pagina 39, su un sistema test, ad esempio possiamo
considerare

y(t) = 0.7 aD0.3 0.7

t x ( t ) + 0.4 aDt x ( t ), (4.6)

ottenuto dall’equazione (2.1) ponendo:

α = {α0 , α1 } = {0.3, 0.7},

N = 0, M = 1.

Scegliamo un segnale di forma triangolare, cioè x (t) = tri(t), con

tri(t)
1 ampiezza unitaria, origine in a = −1 e fine in b = 1, che potremmo
campionare con periodo
0 1
−1 0 1 T=
100
 4.3 PRESTAZIONI ALGORITMI NUMERICI 71

L’analisi dei differenti metodi è stata eseguita in Matlab, per cia-

scuno dei metodi di approssimazione proposto è stato realizzato uno
script ad hoc per il tracciamento delle differenti curve di approssima-
zione. Per compattezza negli script si è studiata solo la prima rampa
crescente del segnale per la derivata di ordine 0.3, le considerazioni e
gli script proposti permettono di estendere facilmente l’applicazione a
sistemi più complessi. L’inizializzazione è mostrata nel listato 4.1.
1 % Esempio di simulazioni per il confronto di metodi numerici.
2

3 % Studio il sistema y(t) = D0.3 {x(t)}, con ingresso rampa tra

[-1,0]
4 a=0.3; % ordine di derivazione \alpha
5 T=1/100; % periodo
6 t=-1:T:0; % dominio del tempo
7 N=50; % numero di punti usati dalle approssimazioni
8 x=t+1;

Listato 4.1: Script per il confronto dei differenti algoritmi di elaborazione di

ordine non intero. Inizializzazione dei parametri.

4.3.1 Soluzione analitica

La soluzione analitica si può ottenere dalla definizione di Riemann- La soluzione
Liouville (1.14) nella pagina 7, che quindi si scriverà analitica si può
ottenere risolvendo
Z t
1 l’integrale di R-L
0.3
−1D0 x ( t ) = (t − τ )−0.3−1 (τ + 1)dτ
Γ(−0.3) −1

nel dominio t ∈ [−1, 0]. Spezziamo poi l’integrale nella somma di due
integrali
Z t Z t
−1.3
(t − τ ) τdτ + (t − τ )−1.3 dτ per t ∈ [−1, 0]
τ =−1 τ =−1
che risolveremo separatamente, ricordando poi di reintrodurre alla
fine il termine 1/Γ(−0.3) tralasciato.

Primo integrale
Con le sostituzioni
t−τ → u ⇒ τ = t − u,
dτ = −du,
per τ = −1, u = t + 1,
per τ = t, u = 0,
possiamo risolvere il primo integrale
Z t Z 0
(t − τ )−1.3 τdτ = − u−1.3 (t − u)du
τ =−1 u = t +1
Z 0 Z 0
= −t u−1.3 du + u−1.3 u du
u = t +1 u = t +1

u−0.3 0 
u0.7 0
=t +
0.3 u = t +1 0.7 u = t +1
(t + 1)−0.3 (t + 1)0.7
= −t − (4.7)
0.3 0.7
72 APPLICAZIONI E TECNOLOGIE

con i semplici passaggi matematici illustrati.

Secondo integrale
Analogamente per il secondo integrale, con le stesse sostituzioni, pos-
siamo scrivere

(t + 1)−0.3
Z t Z 0
(t − τ )−1.3 dτ = − u−1.3 du = − , (4.8)
τ =−1 u = t +1 0.3

con passaggi identici al caso precedente.

Ricomposizione della soluzione

Rimettiamo quindi insieme tutti i pezzi, cioè la somma delle soluzioni
dei due integrali (4.7), (4.8) moltiplicati per la funzione gamma, e ricor-
dando inoltre che il dominio della variabile t è compreso nell’intervallo
[−1, 0], per cui

(t + 1)0.7 (t + 1)−0.3 (t + 1)−0.3

 
0.3 1
−1D0 x ( t ) =− +t +
Γ(−0.3) 0.7 0.3 0.3
(t + 1)0.7 (t + 1)−0.3
 
1
=− + ( t + 1)
Γ(−0.3) 0.7 0.3

otteniamo infine l’equazione analitica del sistema

(t + 1)0.7
 
0.3 1 1
−1D0 x ( t ) = − + (4.9)
Γ(−0.3) 0.3 0.7

Il calcolo della (4.9) si ottiene banalmente dalle seguenti istruzioni

12 % SOLUZIONE ESATTA, calcolata dalla definizione di Riemann
Liouville
13 % L’uscita è data dalla seguente formula
14 y1 = -(t+1).^0.7/gamma(-a) * (1/0.3 + 1/0.7);
15 plot(t,y1,’LineWidth’,2);
16 hold all
17 grid

Listato 4.2: Script per il confronto dei differenti algoritmi di elaborazione di

ordine non intero. Soluzione esatta del sistema.

l’altra parte della soluzione si può ottenere semplicemente sostituen-

do gli esponenti e mettendo in evidenza un segno negativo, per questo
non sarà qui riportata.

4.3.2 Metodi alle differenze

Differenze di Grünwald-Letnikov
Vediamo ora come affrontare praticamente lo stesso sistema (4.6) con
il metodo proposto nel § 3.4 nella pagina 49, basato sulla definizione
di differintegrale di Grünwald-Letnikov (1.13).
Scriviamo l’equazione del sistema (4.6), in base all’espressione (3.25),
ottenendo
T T
y[n] = 0.7 Λ0.3 · x + 0.4 Λ0.7 ·x
 4.3 PRESTAZIONI ALGORITMI NUMERICI 73

in forma vettoriale, oppure

L L
y[n] = 0.7 ∑ Λ0.3 [k] x[n − k] + 0.4 ∑ Λ0.7 [k] x[n − k]
k =0 k =0
in forma estesa, con gli elementi esplicitati rispetto all’indice k, in cui
inoltre
Γ(k − 0.3) Γ(k − 0.7)
Λ0.3 [k] = Λ0.7 [k] = ,
Γ(−0.3)Γ(k + 1) Γ(−0.7)Γ(k + 1)
come detto nel §3.4.
In questo caso sono state realizzate due funzioni per eseguire l’algo-
ritmo: la prima, vg, calcola i coefficienti del vettore gamma Λ, è stata
introdotta nel listato 3.1 nella pagina 52; la seconda, df, esegue la con-
voluzione su una finestra del segnale, con i coefficienti della funzione
gamma. Vediamo quindi per prima cosa la funzione df per le derivate
frazionarie:
1 function y=df(x,q,N)
2 % Controllo ingressi.
3 if (nargin ~=2) & (nargin ~=3)
4 error(’Chiamata con numero di argomenti non valido’)
5 end
6

7 if length(x) < N
8 error(’Il vettore x deve contenere più punti degli N usati’)
9 end
10

11 if nargin==2
12 N=100;
13 end
14

15 % Inizializzazione
16 G=vg(q,N);
17 X=zeros(1,N);
18 % X(1)=x(1);
19 % y=x(1);
20

21 for i=1:length(x)
22 X(2:N) = X(1:N-1);
23 X(1) = x(i);
24 y(i) = G * X’;
25 end

Listato 4.3: Script per il calcolo delle derivate di ordine non intero a partire
dal vettore Λ dei coefficienti binomiali ottenuti con la funzione
gamma.

Lo script per calcolare l’uscita della funzione considerata con l’ap-

prossimazione delle derivate con il metodo illustrato, si riduce quindi
alle istruzioni:
20 % DERIVATE CON LA DEFINIZIONE DI GRUNWALD, approssimata per N punti
21 % Calcolo l’uscita con la convoluzione del vettore gamma
22 y2=df(x,0.3,N) * T^(-a);
23 plot(t,y2);

Listato 4.4: Script per il confronto dei differenti algoritmi di elaborazione di

ordine non intero. Metodo dell’approssimazione delle derivate con
la definizione di G-L.
 74 APPLICAZIONI E TECNOLOGIE

26 % METODO DI EULERO, l’equazione alle differenze in z^-1 è

27 % approssimata; si ottengono i coefficienti della definizione di G-
L
28 hE=vg(a,N);
29 y3=conv(hE,x);
30 y3=y3(1:length(t))* T^(-a); %tronco y ai soli valori della funzione
31 plot(t,y3,’LineStyle’,’--’,’color’,color(5))

Listato 4.5: Script per il confronto dei differenti algoritmi di elaborazione di

ordine non intero. Metodo di Eulero.

Metodo di Eulero
Il metodo di Eulero è Il metodo di Eulero parte da presupposti differenti rispetto al metodo
diverso nel visto, ma poi giunge agli stessi risultati. Le basi del metodo, ed il
metodo. . .
confronto con l’approssimazione delle derivate con la definizione di
G-L è mostrata nel § 3.5.3 nella pagina 57.
Procedendo per gradi per prima cosa si trasforma il sistema scriven-
do
Y (s) = 0.7s0.3 X (s) + 0.4s0.7 X (s),
poi si discretizza la variabile s di Laplace con la (3.30), e si sviluppa il
binomio risultante
 α
1 − z −1

caratteristico del metodo, ottenendo

. . . ma giunge agli
stessi risultati!
Y (z) = 0.7H0.3 (z−1 ) X (z) + 0.4H0.7 (z−1 ),
la quale, infine, può essere invertita calcolandone la Z −1 per tornare
all’equazione in n
y[n] = 0.7h0.3 [n] ⊗ x [n] + 0.4h0.7 [n] ⊗ x [n]
che riporta le derivate ad una convoluzione tra il segnale n[n] ed
una risposta impulsiva hα [n] che dipende dall’ordine di derivazione
α considerato.
La risposta impulsiva hα [n] coincide con il vettore gamma Λα intro-
dotto al § 3.4 nella pagina 49, per questo può essere calcolata nello
stesso modo, facendo uso della funzione lsvg.
In questo caso la convoluzione è stata lasciata alla funzione conv
presente in Matlab, il codice necessario è mostrato nel listato 4.5.

Metodo di Tustin
Consideriamo l’approssimazione trapezoidale studiata nel § 3.5.4 nel-
la pagina 59, per ottenere i coefficienti della risposta impulsiva (3.35)
del sistema. Il procedimento formale è lo stesso del metodo di Eulero
appena visto, l’unica differenza tangibile risiede nei coefficienti del-
la risposta impulsiva (3.35), che sono ottenuti a partire da un’appros-
simazione trapezoidale (3.34), invece che dalle differenze all’indietro
caratteristiche del metodo di Eulero.
La risposta impulsiva (3.35) qui riportata
 α n
−α
  
2 k α
T k∑
hα [n] = (−1) , (3.35)
=0
n n−k
 4.3 PRESTAZIONI ALGORITMI NUMERICI 75

34 % METODO DI TUSTIN
35 h1=vg(a,N); % La prima parte si calcola allo stesso modo
36 hT=zeros(1,N);
37 for n=1:N,
38 h2=ones(1,n); % secondo coefficiente binomiale
39 for i=1:n-1,
40 h2(i+1)=h2(i) * (i-1-a)/i * (-1)^i;
41 end
42 for i=1:n, % sommatoria delle parti
43 hT(n)=hT(n) + h1(i) * h2(end-i+1);
44 end
45 end
46

47 y4=conv(hT,x); % convoluzione troncamento e scaling

48 y4=y4(1:length(t))* (1/((2+4*a)*T))^(a);
49

50 plot(t,y4,’color’,color(3))

Listato 4.6: Script per il confronto dei differenti algoritmi di elaborazione di

ordine non intero. Metodo di Tustin.

è stata calcolata in due fasi. Come risolvere le

difficoltà del calcolo
1. Sono calcolati tutti i termini dei coefficienti
  binomiali
k α
(−1)
n

della sommatoria, per k = 0, 1, . . . , N, in cui N è il numero di pun-

ti considerati nell’approssimazione. Ciò si ottiene semplicemente
con h1=vg(a,N).

2. È stata calcolata la seconda parte

−α
 

n−k

della sommatoria, per k = 0, 1, . . . , n per ciascuno degli indici

n considerati in uscita. Si noti come in questo caso l’estremo
superiore n vari, così come il numero di elementi per ciascun
campione n della risposta impulsiva. I termini sono stati calco-
lati con una procedura iterativa, analoga a quella utilizzata nella
funzione vg, e mostrata nel § 3.4 nella pagina 49, e memorizzati
nel vettore h2.

3. Dagli elementi parziali della sommatoria, memorizzati nelle va-

riabili h1, h2, si è composta la funzione di trasferimento hT carat-
teristica del metodo, con le istruzioni del 3° ciclo for tra le righe
42–44.

Metodo di Al-Alaoui
Il metodo di Al-Alaoui è stato presentato nel § 3.5.5 nella pagina 62,
vediamo adesso come applicarlo.
In modo analogo rispetto al procedimento applicato per il meto-
do di Tustin, la sommatoria che esplicita i coefficienti della risposta
impulsiva, è spezzata in due parti, poi sommate separatamente.
76 APPLICAZIONI E TECNOLOGIE

Confronto h[n]

−0.01

−0.02

h[n]
−0.03

−0.04

−0.05 Eulero
Tustin
Al-Alaoui
−0.06
0 5 10 15 20 25 30 35

Figura 11: Confronto tra i coefficienti della risposta impulsiva di ciascuno dei
metodi studiati.

In generale, i coefficienti binomiali si calcolano tutti nel modo in-

dicato al § 3.4 nella pagina 49; i tentativi di calcolare i coefficienti
binomiali dalla definizione diretta (1.5), per semplice sostituzione del
fattoriale con la funzione gamma, non permettono di ottenere risulta-
ti accettabili, sebbene per approssimazioni con meno di 50 elementi
si stia comodamente all’interno dell’insieme dei valori rappresentabili
dai dati di tipo double.

Ciascun coefficienti binomiali quindi, è stato calcolato con un al-

goritmo iterativo, così come fatto per gli elementi del vettore Λ. La
porzione di script che restituisce la risposta impulsiva del metodo è
mostrata nel listato 4.7 risultati sono riepilogati nel codice:

L’andamento generale delle risposte impulsive dei metodi appare

uniforme, in tutti i casi si ha un primo coefficiente unitario ed una
rapida decrescita del modulo dei coefficienti, che diventano via via
meno determinanti per l’uscita, man mano che l’indice v avanza. Un
confronto tra i diversi metodi è mostrato in figura 11.

4.3.3 Riepilogo risultati

Le curve ottenute con i vari metodi sono mostrati nella figura 12 a

fronte, in relazione al segnale x (t) considerato, ed in relazione alla
soluzione esatta, indicata con un tratto più spesso.

Le risposte nel dominio del tempo non mostrano alcuna caratteristi-

ca di rilievo, gli algoritmi si comportano tutti più o meno allo stesso
modo, per apprezzare le differenze è necessario infatti passare al do-
minio della frequenza, in cui, dal mappaggio tra il piano s ed il piano
z possiamo ricavare le prestazioni dei diversi algoritmi.
 4.3 PRESTAZIONI ALGORITMI NUMERICI 77

Confronto algoritmi
1.4
Esatta
1.2 Grunwald
Eulero
Tustin
1 Al-Alaoui

0.8
y

0.6

0.4

0.2

0
−1 −0.8 −0.6 −0.4 −0.2 0
t [sec]

Figura 12: Confronto tra le differenti approssimazioni citate. In blu il segna-

le in ingresso al sistema, con tratto spesso la soluzione esatta di
riferimento per tutte le approssimazioni.

Errore in uscita

0.04

0.02

−0.02

−0.04
Grunwald
−0.06 Eulero
Tustin
Al-Alaoui
−0.08
−1 −0.8 −0.6 −0.4 −0.2 0
t [sec]

Figura 13: Ampiezza dell’errore dei vari metodi di approssimazione utilizzati.

 78 APPLICAZIONI E TECNOLOGIE

54 hA1=vg(a,N); % Primo coefficiente binomiale

55 hA=zeros(1,N);
56 for n=1:N,
57 %hn=0;
58 hA2=ones(1,n); % secondo coefficiente binomiale
59 for i=1:n-1,
60 hA2(i+1)=hA2(i) * (n-i+a)/(n-i+1) * (-1)^i;
61 end
62 for i=1:n, % sommatoria delle parti
63 hA(n)=hA(n) + hA1(i) * hA2(end-i+1) * (1/7)^(n-i+1);
64 end
65 end
66 hA=hA/hA(1);
67 y5=conv(hA,x); % convoluzione troncamento e scaling
68 y5=y5(1:length(t))* (8/(7*T))^(a);
69

70 plot(t,y5,’color’,color(4))

Listato 4.7: Script per il confronto dei differenti algoritmi di elaborazione di

ordine non intero. Metodo di Al-Alaoui.

4.4 ESEMPI APPLICATIVI

Concludiamo il lavoro con degli esempi più concreti, cercando di pas-
sare dall’astratto a semplici casi applicativi. Tuttavia, ciascun caso rea-
le richiede uno studio mirato al problema, per cui qui si andranno
ad analizzare solamente due esempi pratici, un oscillatore smorzato,
ed un sistema di sintesi del suono basato sul ritardo frazionario. Si
rimanda a lavori futuri il compito di elaborare e sviluppare approfon-
ditamente gli argomenti proposti, o tutti gli altri solo accennati o non
citati affatto, per i quali il calcolo frazionario risulta essere un potente
strumento di sviluppo.

4.4.1 Oscillatore smorzato

Un sistema dinamico che si presta facilmente ad uno studio sistema-
Un tipico esempio di tico è un sistema risonante attenuato, meccanicamente costituito da
studio: risonatore una massa collegata ad una molla, immersa in un fluido in grado di
smorzato
smorzare le vibrazioni. Le possibili varianti fisiche del sistema descrit-
to sono molteplici, le equazioni possono essere adottate con facilità,
a qualsiasi sistema elettronico o meccanico, che vibri o oscilli: al ca-
so di corde vibranti, pendoli, sistemi in rotazione fuori asse, sistemi
elettronici risonanti elementari, e molti altri.
È possibile considerare un sistema non intero di questo tipo, se-
guendo l’approccio di [22], in cui lo smorzamento è di ordine α non
intero:

mD2 x (t) + b Dα x (t) + kx (t) = f (t).

Introducendo i parametri di frequenza naturale (frequenza di oscil-

lazione del sistema non smorzato)
r
k
ω0 =
m
 4.4 ESEMPI APPLICATIVI 79

Tabella 3: Radici dell’oscillatore smorzato frazionale, ricavate con il comando

roots di Matlab, per ω0 = 1 rad s−1 , e ζ = 0.05.

Radice Valore
ζ1 0.7073 0.7319 i
ζ2 0.7073 −0.7319 i
ζ3 −0.7073 0.6819 i
ζ4 −0.7073 −0.6819 i

e smorzamento
b
ζ= ,
2mω02−α
è possibile riscrivere l’equazione del sistema nella forma
D2 x (t) + 2ω02−α ζ Dα x (t) + ω0 x (t) = f (t).
Applicando poi l’usatissima (1.26), si può ottenere la funzione di tra-
sferimento
F (s) 1
H (s) = = ,
X (s) s + 2ω0 −α ζ + ω02
2 2

il cui polinomio indiciale, fissato

1
α=
2
coincidente con il massimo comun divisore degli esponenti, e riscritto
in funzione di multipli di α indicati con ς = sα
ς4 + 2ω02−α ζς + ω02 = 0,
deve essere risolto per trovare i poli, ad esempio tramite una procedura
standard.
In Matlab è possibile trovare le radici di un polinomio dalla matrice
dei coefficienti c con il comando
1 roots(c)

Se fissiamo i valori
ω0 = 1 rad s−1 , ζ = 0.05,
la matrice dei coefficienti c sarà [1, 0, 0, 0.1, 1], il comando roots
restituisce le radici mostrate nella tabella 3.
Per tornare in s, la relazione s = ς1/α inversa della trasformazione
ς = sα , raddoppia la fase delle radici calcolate. Le radici ς 1 e ς 2 so-
no caratterizzate da una fase il cui modulo non supera i π2 rad, per
cui i rispettivi poli in s con fase doppia (1/α) rispetto a ς saranno
caratterizzati da arg(s1,2 ) < |π |, e quindi saranno localizzati sulla su-
perficie principale di Riemann. Le altre due soluzioni non rispettano
questa condizione, non hanno senso in un sistema fisico reale e sono
da scartare.
Invertendo la funzione trovata si ottiene la risposta impulsiva del
sistema che presenta sia parte reale che immaginaria. Estraendo la
sola parte reale, la risposta impulsiva
n 2 2
o
h(t) = < r1 ς 1 etς 1 u(t) + 0Dαt r1 etς 1 ,

ci fornisce l’andamento temporale delle oscillazioni del sistema.

 80
Le vocali sono
costituite da onde
sonore periodiche. . .
. . . l’andamento del
tono rende il senso
del discorso con
naturalezza. . .
3 Chiaramente, le armoniche caratterizzano il timbro della voce, e saranno situate a
APPLICAZIONI E TECNOLOGIE
4.4.2 Codifica del parlato
Le peculiarità sonore del parlato, permettono di suddividere tutti i
suoni emessi, principalmente in due categorie, i suoni con intonazione,
come le vocali, ed i suoni rumorosi, come molte consonanti, quali ad
esempio s, t, c. . . .
Le vocali sono formate da suoni intonati, si ha quindi una regolari-
tà periodica del segnale sonoro, che in frequenza sarà caratterizzato
picchi di ampiezza in corrispondenza delle frequenze fondamentali o
armoniche3 della voce.
I sistemi impiegati per il parlato adottano frequenze di campiona-
mento tipicamente di 8 KHz [23]. Se si considera una voce femminile
con frequenza fondamentale di 250 Hz quindi con periodo 1/250 =
4 ms, il numero di campioni per periodo sarà pari a 4 · 8 = 32 samples.
Se il sistema di formazione e predizione dovesse introdurre un errore
di un campione, si avrebbe un’alterazione di tono circa del 3 % (1/32),
ben percepibile ad orecchio, con conseguente perdità di qualità ed ac-
curatezza del sistema. Tra l’altro, la frequenza fondamentale indicata
di 250 Hz non è affatto acuta, per frequenze maggiori l’errore cresce!
I sistemi per la formazione dei suoni sono illustrati ad esempio negli
articoli [19, 18], una sintesi è disponibile su [23], in cui è invertito
l’ordine dei sottosistemi di predizione del tono e generazione delle formanti.
Questa sezione non è intesa come parte di approfondimento alla sintesi
del parlato, l’argomento è sufficientemente vasto da costituire un tema
per altre tesi e tesine, si vuole solamente illustrare in linea generale
un modo possibile per formulare un sistema alle differenze non intere.
Un’esempio applicativo in Matlab si può trovare in [38].
Sempre concentrandoci sulle vocali (sonore), cerchiamo un modello
che simuli in qualche modo i risonatori del tratto vocale, e la sorgente
acustica responsabile dell’eccitazione impressa. Costruiamo il sistema
in due parti separate, una sorgente opportuna ed un modello del tratto
vocale risonante.
Il modello deve essere a coefficienti dinamici, poiché durante la fo-
nazione i diversi suoni con i quali sono costruite le parole ovviamente
cambiano, per via dell’azione muscolare sui diversi apparati coinvolti
nella costruzione delle parole. I cambiamenti sono lenti rispetto ad
un sistema elettronico, questo permette di aggiornare i coefficienti dei
filtri (filtri adattativi) ad intervalli di circa 20 ms.
Basandosi sui modelli di [19, 18] possiamo porre il pitch predictor per
primo, come mostrato in figura 14 nella pagina successiva. Lo stimato-
re del tono prende in ingresso un segnale simile ad un ronzio, che nel
caso di una vocale può essere composto da una sequenza di impulsi,
generati da un’altra parte del circuito che occupa di effettuare l’anali-
si del parlato sintetizzato, in un’anello di controreazione. Il filtro di
sintesi a sua volta è costituito da un pitch predictor, che si occupa della
stima di fino del tono, consentendo la modulazione del discorso, e da
un formant filter che modella i suoni (shaping in frequenza) conferendo
le caratteristiche timbriche e fonetiche desiderate al discorso.
Tipicamente il formant filter è rappresentato in frequenza da una ri-
sposta con 3 o più picchi, ciascuno dei quali corrisponde ad una delle
armoniche principali, la distribuzione e l’ampiezza delle armoniche
determina il timbro esatto, quindi determina la vocale sintetizzata.
multipli interi della frequenza fondamentale che determina l’intonazione.
 4.4 ESEMPI APPLICATIVI 81

Sorgente non Parlato di

modellata qualità

S Filtro di sintesi

Pitch Formant
predictor filter

Figura 14: Schema di un sistema di sintesi del parlato. Il segnale di ingresso

di natura rumorosa e non modellato, simile ad un ronzio, passa nel
filtro di predizione di pitch che stabilisce il tono con precisione, poi
viene modellato dal filtro formante.

Il pitch predictor deve modulare il tono secondo l’andamento della . . . un filtro non
parola o del contesto della frase in cui si trova, per rendere fluido e intero permette un
discorso più fluido!
scorrevole il discorso. Come accennato all’inizio di questa sezione, se il
tono fondamentale è già acuto, è impossibile ottenere transizioni fluide
e non evidenti tra i diversi toni che si susseguono nella parola, ma si
otterrebbe invece un’andamento a scala. L’uscita del pitch predictor
è una sequenza di impulsi, per ottenere transizioni tonali più fluide è
necessario variare con continuità la spaziatura (periodo) tra gli impulsi,
per questo è possibile usare un sistema alle differenze non intere.
Lo studio di sistemi di sintesi del parlato di ordine frazionario si
sta diffondendo, alcuni studi effettuati dimostrano come sia possibi-
le ottenere un miglioramento del Rapporto Segnale Rumore (SNR) ed
una riduzione del numero di bit necessari. Per una bibliografia di
riferimento sul tema si rimanda a [23].

4.4.3 Conclusioni
La difficoltà primaria di questo lavoro è stata la ricerca e lo studio
sistematico di tutte le teorie alla base del calcolo frazionario.
Il duro impatto iniziale per apprendere l’argomento, servendosi de-
gli articoli specializzati disponibili, è stato lentamente superato, soltan-
to con il tempo e la perseveranza: ciascun articolo infatti si presentava
parzialmente incompleto, dando per note le nozioni di base necessa-
rie alla comprensione del testo, e appoggiandosi pesantemente ad un
vasto materiale bibliografico dello stesso genere; non solo: le infor-
mazioni fornite, sempre estremamente sintetiche, non sono ovvie, ma
richiedono una successiva espansione per poter essere comprese in
modo chiaro.
Quello che si è cercato di fare, è stato proprio un lavoro di compren-
sione, di ricerca e di studio, raccogliendo ed organizzando nel modo
più coerente possibile la moltitudine di informazioni preziose, ma di
difficile accesso, sparse tra i vari articoli.
Per ciascun argomento trattato, sono riportate le indicazioni biblio-
82 APPLICAZIONI E TECNOLOGIE

grafiche della fonte, le informazioni reperite sono sempre state integra-

te con considerazioni personali, i procedimenti matematici sono stati
ampliati per facilitare la comprensione di tutti i passaggi, sono state
proposte porzioni di codice Matlab per passare rapidamente ad una
fase applicativa e vari esempi chiarificanti ideati dall’autore. Oltre agli
articoli riportati in bibliografia ne sono stati consultati numerosi altri,
che si sono rivelati però infruttuosi. In bibliografia infatti sono presen-
ti soltanto le fonti dalle quali sono state attinte informazioni riportate
in questo testo, ma per chiunque voglia approfondire, una bibliografia
molto numerosa è disponibile a chiusura degli articoli [30, 23], o del
libro [16].
Non è stato possibile entrare nel merito di uno studio approfondito
di qualche problema specifico, si è accennato ad esempio al caso della
sintesi del parlato, o al problema degli oscillatori, ma una realizzazione
funzionante di un sintetizzatore vocale ad esempio, avrebbe richiesto
un approfondimento abbastanza vasto da risultare sufficiente per un
altro lavoro di tesi.
Senza prima una buona comprensione di base dell’argomento, non
sarebbe stato possibile affrontare applicazioni specifiche in dettaglio,
per cui si spera con questo testo di fornire una rapida guida introdutti-
va allo studio dei sistemi frazionari, per permettere a chiunque voglia
cimentarsi in una tesi sull’argomento di apprendere rapidamente le
basi e la visione d’insieme della materia.
 A TOOLBOX NINTEGER

In Matlab sono disponibili potenti strumenti per lo studio di siste-

mi elettronici di vario genere. Questi strumenti, raccolti in apposi-
ti toolbox lavorano tipicamente su oggetti1 di tipo filtri o funzioni di
trasferimento, purché siano di tipo intero.
Con la venuta dei sistemi di ordine non intero, stanno comparen-
do pian piano vari strumenti per poter espandere le funzionalità di
Matlab alla nuova classe di sistemi, ed in particolare sono noti due
toolbox creati per lo scopo:

NINTEGER. Il toolbox ninteger è un pacchetto liberamente accessibile che

implementa per Matlab varie funzionalità relative ai sistemi di
ordine non intero.

CRONE Il toolbox crone è stato sviluppato dal team di Oustaloup et al.,

ma non è disponibile gratuitamente, e si basa sulle metodologie
di controllo Contrôle Robuste d’Ordre Non Entier (CRONE).

Il pacchetto crone non è disponibile gratuitamente, sebbene appa-

rentemente sia più avanzato, con un’implementazione che segue il
metodo ad oggetti adottano nel toolbox esistenti di Matlab.
Per questo motivo, daremo una rapida occhiata a ninteger, meno
avanzato e attualmente basato su funzioni specifiche piuttosto che su
oggetti, ma liberamente disponibile sul sito http://www.mathworks.
com/matlabcentral/fileexchange/8312. Ulteriori informazioni sono
disponibili su un articolo descrittivo [42], o sul manuale d’uso del
pacchetto [41].
Un ulteriore set di script è disponibile sul sito http://www.acoustics.
hut.fi/software/fdtools/, si tratta di una raccolta di funzioni per
sistemi frazionali tempo-discreti, con il nome di fdtools.

A.1 PROGRAMMAZIONE AD OGGETTI

Come già accennato nell’introduzione, in Matlab sono presenti vari
toolbox che si propongono come un valido sussidio per l’ingegnere
elettronico, in particolare si ha:

• filterdesign, per la progettazione e l’implementazione di filtri

analogici, o digitali deterministici ed adattativi;

• controlsystem, per la progettazione e l’implementazione di siste-

mi di controllo, sia analogici che digitali.

I toolbox esistenti sono basati sul metodo di programmazione ad og-

getti, che permette di costruire filtri o funzioni di trasferimento, come
1 Si intendono gli oggetti della programmazione, dati strutturati di vario tipo, ciascuno dei
quali possiede metodi specifici per l’implementazione delle operazioni, come vedremo
più avanti.

83
84 TOOLBOX NINTEGER

oggetti, ossia come classe di dati strutturati che contengono tutte le in-
formazioni necessarie. Per ciascuna classe esiste uno specifico metodo
che implementa in modo opportuno, dipendente dalla classe, alcune
elaborazioni per l’oggetto considerato. Nel gergo della programma-
zione ad oggetti si dice che si ha un overloading dell’operatore, cioè si
hanno diversi metodi selezionati dal tipo di classe con la quale si sta
operando.
Chiariamo con un esempio. Supponiamo di voler conoscere le di-
mensioni di un sistema. Per fare questa operazione esiste il comando
size, che può operare sia su una normale matrice, restituendo il nume-
ro di elementi lungo ciascuna dimensione (righe, colonne. . . ), sia su
un sistema intero, restituendo l’ordine del sistema stesso, cioè il grado
massimo.
Un sistema tra l’altro, può essere specificato in vari modi, cioè co-
me funzione di trasferimento in forma di rapporto di polinomi, come
produttoria di zeri e poli e guadagno, a ciascuna specifica i dati sono
memorizzati in modo diverso, in una struttura di dati oggetto di un
particolare tipo.
Se il sistema è creato nella forma di funzione di trasferimento con
il comando tf, l’esecuzione del comando size sull’oggetto tf viene
eseguito con il metodo specifico per la classe tf. Un’altro script, con
un diverso algoritmo, provvederà a restituire il risultato dell’istruzione
size su una funzione di trasferimento di tipo diverso, come ad esempio
un oggetto poli zeri e guadagno ottenuto con il comando zpk.
In Matlab, il meccanismo di selezione del metodo appropriato, in
base alla classe dell’argomento della funzione, avviene in modo au-
tomatico, rispettando alcune semplici regole di strutturazione delle di-
rectory contenenti le funzioni: gli operatori per una data classe devono
trovarsi all’interno di una cartella con il nome formato dal carattere @
seguito dal nome della classe (@nomeclasse).
Esiste quindi una funzione size, sia nella cartella control/@zpk, che
nella cartella control/@tf. Per l’utente la distinzione non è palese,
l’esecuzione del comando size infatti è identica in entrambi i casi!
Le informazioni fornite in questo testo sono utili per capire come
estrapolare i dati necessari dai sistemi comunemente costruiti in Ma-
tlab. Gli script forniti in questo testo non vanno ad espandere col
metodo della programmazione ad oggetti i pacchetti forniti con Ma-
tlab, ad ogni modo ci è sembrato opportuno dare dei cenni di base
per capire da subito come operare con gli oggetti esistenti e come poter
espandere i toolbox esistenti in maniera organica.

A.2 NINTEGER: COMANDI COMUNI

Vediamo una breve descrizione dei comandi messi a disposizione dal
pacchetto ninteger, per capire da subito come operare in pratica con i
sistemi frazionari. Maggiori informazioni ovviamente sono disponibili
sulla guida del toolbox [41, 42]

bodeFr

Permette di generare i diagrammi di Bode per i circuiti di ordine non

intero. La sintassi richiede di cambiare il nome del comando, proprio
 A.2 NINTEGER: COMANDI COMUNI 85

per l’assenza di implementazione di un oggetto di sistema di ordine

non intero. La sintassi è:
1 [gain, phase, w] = bodeFr(F, Q, w, delay)

in cui i parametri sono:

F sistema in esame. Può essere nella forma tf oppure può contenere

i parametri di un sistema PID in una matrice della forma [P I
lambda D mu];

Q è l’esponente globale frazionario, cioè il massimo comun divisore

tra gli esponenti, o il minimo comune multiplo;

W definisce in modo esplicito il vettore opzionale delle frequenze di

interesse;

DELAY specifica un ritardo opzionale da aggiungere al filtro.

Vedremo tra breve, come specificare un filtro di ordine frazionario

Modelli matematici dei sistemi

Se costruiamo un semplice filtro, ad esempio con le istruzioni
1 F = tf(1,[1 1])

otteniamo un oggetto

1
F=
s+1
di tipo transfer function, cioè un oggetto funzione di trasferimento. Per
ottenere un elenco delle proprietà specifiche di un oggetto, in questo
caso della funzione di trasferimento F, basta scrivere
1 get(F)

per ottenere il seguente output

1 num: {[0 1]}
2 den: {[1 1]}
3 ioDelay: 0
4 Variable: ’s’
5 Ts: 0
6 InputDelay: 0
7 OutputDelay: 0
8 InputName: {’’}
9 OutputName: {’’}
10 InputGroup: [1x1 struct]
11 OutputGroup: [1x1 struct]
12 Name: ’’
13 Notes: {}
14 UserData: []

che mostra tutte le proprietà relative.

Si osservi che in Matlab, un singolo oggetto è in grado di specifi-
care un sistema Multiple Input Multiple Output (MIMO), per cui per
immagazzinare dati irregolari in oggetti di tipo tf, sono utilizzati degli
array di tipo cell, che possono essere immaginati come particolari ma-
trici in cui gli elementi possono essere dati difformi di qualsiasi tipo.
86 TOOLBOX NINTEGER

Per accedere agli elementi di un dato di tipo cell, si usano le parentesi

graffe, mentre per accedere alle singole proprietà di un dato struttu-
rato, si usa il punto seguito dal nome della proprietà. In definitiva
quindi, i coefficienti del denominatore del sistema monodimensionale
F precedentemente indicato, sono ottenibili con l’istruzione:

1 F.den{1}

Per ulteriori informazioni si rimanda ovviamente alla guida di Ma-

tlab.

freqrespFr
All’interno della funzione bodeFr viene richiamata la funzione ausilia-
ria freqrespFr, che esegue il calcolo vero e proprio della risposta in
frequenza del sistema. La sintassi è:
1 [gain, phase, w] = bodeFr(F, Q, w, delay)

in cui i parametri sono esattamente gli stessi del comando bodeFr.

La funzione estrae i coefficienti dal sistema intero F, che moltiplicano
le potenze decrescenti di s. Alla variabile s viene sostituito il vettore
delle frequenze w, infine si eleva tutto il sistema all’esponente non inte-
ro comune, Q. I sistema che si ottiene in questo modo, come specificato
nel § 2.2.3 nella pagina 25, un sistema identificato dai multipli nα di un
valore comune di base, in questo caso al posto di α si ha la variabile Q.

nyquistFr, nicholsFr
Per calcolare il diagramma di Nyquist è disponibile l’omonima funzio-
ne frazionale, la cui sintassi è
1 [gain, phase, w] = nyquistFr(F, Q, w, delay)

mentre per calcolare il diagramma di Nichols la sintassi è

1 [gain, phase, w] = nicholsFr(F, Q, w, delay)

similmente alla altre funzioni viste. Ancora una volta i parametri sono
gli stessi, il funzionamento si basa sulla funzione freqrespFr

nid
Una funzione molto utile per i sistemi digitali è la funzione nid. Questa
permette di trovare un’approssimazione, secondo vari metodi, della
variabile di Laplace k sα , la sintassi è:
1 C = nid(k, v, bandwidth, n, formula, expansion, decomposition)

I primi due parametri rappresentano i termini da approssimare, cioè

k * s^v. Seguono alcuni parametri che specificano l’approssimazione:
bandwidth è il range di frequenze in cui deve essere valida l’approssi-
mazione se il sistema è analogico, altrimenti è il periodo di campiona-
mento in secondi per sistemi discreti; n è il numero di punti o l’ordine
dell’approssimazione, a seconda del metodo.
La variabile formula deve essere di tipo stringa, e può assumere uno
dei seguenti valori:

• crone. Prima generazione dei controllori CRONE;

 A.2 NINTEGER: COMANDI COMUNI 87

• carlson. Approssimazione di Carlson con almeno n zeri ed n poli;

• matsuda. Approssimazione di Matsuda con almeno n zeri e poli;
• cfehigh. Approssimazione CFE di un termine (1 + s)ν con più di
n poli ed n zeri, valida per frequenze maggiori di bandwidth;

• cfelow. Analoga alla cfhigh, è l’approssimazione CFE di un termi-

1 −v


ne 1 + s per frequenze fino a bandwidth;
per le approssimazioni tempo continue, oppure si deve indicare uno
dei seguenti valori:
• tustin. Approssimazione di Tustin;
• simpson. Approssimazione di Simpson;
• 1ofd, 2ofd, 3ofd.Approssimazioni alle differenze finite all’indie-
tro rispettivamente del primo, secondo o terzo ordine;
• delta. Trasformata delta;
• impulse. Approssimazione della risposta impulsiva;
• step. Approssimazione della risposta al gradino;
per le approssimazioni discrete, tutte caratterizzate da almeno n ele-
menti di ritardo.
Anche la variabile expansion deve essere una stringa predefinita, ma
può essere omessa, in questo caso sarà usato il primo metodo. I
possibili sono:
• mcltime, mcltimeINV. Il metodo mcltime è usato per default, il
metodo mcltimeINV è il suo inverso;
• cfe, lscfeINV. Sono i metodi per lo sviluppo in frazioni continue;
Per la teoria dei metodi di approssimazione si rimanda alle rispettive
sezioni, sia per i metodi analogici § 2.4 nella pagina 27 che per i metodi
tempo discreti § 3.5 nella pagina 54.
L’ultima variabile in ingresso, decomposition, anch’essa opzionale,
permette di scegliere se approssimare la parte intera dell’esponente
v separatamente dalla parte non intera (metodo seguito per default e
raccomandato) se il valore della stringa è frac, altrimenti se il valore
della variabile è la stringa all, l’ordine v è approssimato direttamente,
sebbene questa procedura sia sconsigliata.
Ovviamente un comando così complesso è basato su subroutine,
ciascuna delle quali può essere eseguita come script indipendente,
passando gli stessi parametri (tranne formula) ad una funzione che
generalmente ha per nome la stringa memorizzata in formula.

contfrac
Per finire, un’ultimo comando che si cita è la funzione contfrac, che
realizza l’espansione in frazioni continue di una funzione razionale,
col metodo mostrato nel § 2.4.1 nella pagina 28. La sintassi è:
1 [a, b] = contfrac (x, n)

in cui x è il termine da espandere fino al grado n. I termini restituiti,

a, b, identificano rispettivamente i denominatori parziali ed i numeratori
parziali della sviluppo CFE calcolato.
BIBLIOGRAFIA

[1] Al-Alaoui, M. A. (1993), «Novel digital integrator and differen-

tiator», IEE Electronics Letter, vol. 29 (4), p. 376–378. (Citato a
pagina 62.)
[2] Al-Alaoui, M. A. (2006), «Al-Alaoui operator and the α-
approximation for discretization of analog systems», Facta Uni-
versitatis (NIŠ), Ser: Elec. Energ., vol. 19 (1), p. 143–146. (Citato alle
pagine 55 e 62.)
[3] Anatoliǐ Aleksandrovich Kilbas, H. M. S. e Trujillo, J. J.
(2006), Theory and applications of fractional differential equations,
Elsevier. (Citato a pagina iii.)
[4] Balsi, M. (2001), teoria dei circuiti elettronici, Edizioni scientifiche
Siderea, roma. (Citato alle pagine 27 e 36.)
[5] Barbosa, R. S., Machado, J. A. e Silva, M. F. (2006), «Discre-
tization of complex-order differintegrals», Second IFAC Workshop
on Fractional Differentiation and its Applications, Porto, Portogallo.
(Citato alle pagine 27, 28 e 59.)
[6] Barbosa, R. S. e Machado, J. A. T. (2006), «Implementation
of Discrete-Time Fractional-Order Controllers based on LS Ap-
proximations», Acta Polytechnica Hungarica, vol. 3 (4). (Citato a
pagina 62.)
[7] Barbosa, R. S., Machado, J. A. T. e Ferreira, I. M. (2005), «Pole-
zero approximations of digital fractional-order integrators and
differentiators using signal modeling techniques», Proceedings of
16st IFAC World Congress. (Citato alle pagine 28, 36, 58, 59, 60
e 62.)
[8] Bohannan, G. W. (2002), «Analog realization of a fractional con-
trol element – Revisited», in «Tutorial Workshop on fractional cal-
culus and its applications in automatic controls and robotics»,
41st IEEE Conference on decision and control, Las Vegas, NE,
USA, http://mechatronics.ece.usu.edu/foc/cdc02tw/. (Citato
a pagina 65.)
[9] Carlson, G. e Halijak, C. (1964), «Approximation of Fractional
Capacitors (1/s)1/n by a Regular Newton Process», Circuit Theory,
IEEE Transactions on, vol. 11 (2), p. 210–213. (Citato alle pagine 27,
28 e 32.)
[10] Cervera, J., Banos, A., Monje, C. e Vinagre, B. (2006), «Tuning
of Fractional PID Controllers by Using QFT», IEEE Industrial Elec-
tronics, IECON 2006 - 32nd Annual Conference on, p. 5402–5407.
(Citato a pagina 37.)
[11] Charef, A., Sun, H., Tsao, Y. e Onaral, B. (1992), «Fractal system
as represented by singularity function», Automatic Control, IEEE
Transactions on, vol. 37 (9), p. 1465–1470. (Citato alle pagine 28
e 33.)

89
90 Bibliografia

[12] Chen, Y. (2006), «Ubiquitous fractional order controls?», in «Proc.

of The Second IFAC Symposium on Fractional Derivatives and
Applications (IFAC FDA06, Plenary Paper.)», p. 19–21. (Citato a
pagina iii.)

[13] Chen, Y. Q. e Moore, K. L. (2002), «Discretization schemes for

Fractional-order differentiators and integrators», Circuits and sy-
stems, IEEE Transactions on, vol. 49 (3), p. 363 – 367. (Citato alle
pagine 27, 60, 61 e 62.)

[14] Chen, Y. Q. e Vinagre, B. M. (2003), «A new IIR-type digital

fractional order differentiator», Signal Processing, vol. 83 (11), p.
2359–2365. (Citato a pagina 62.)

[15] Chen, Y. Q., Vinagre, B. M. e Podlubny, I. (2003), «A new discre-

tization method for fractional order differentiators via continued
fraction expansion», in «Proceedings of The First Symposium on
Fractional Derivatives and Their Applications at The 19th Biennial
Conference on Mechanical Vibration and Noise, the ASME Inter-
national Design Engineering Technical Conferences & Computers
and Information in Engineering Conference (ASME DETC2003)»,
p. 1–8. (Citato a pagina 62.)

[16] Das, S. (2008), Functional Fractional Calculus for System Identification

and Controls, Springer. (Citato alle pagine iv, v, 40, 53, 67 e 82.)

[17] Jones, H. e Shenoi, B. (1970), «Maximally flat lumped-element

approximation to a fractional operator immittance function», Cir-
cuit Theory, IEEE Transactions on, vol. 17 (1), p. 125–128. (Citato
alle pagine 27 e 32.)

[18] Kabal, P. e Ramachandran, R. P. (1989), «Joint optimization

of linears predictors in speech coders», IEEE transaction on acou-
stic speech and signal processing, vol. 37 (5), p. 642–650. (Citato a
pagina 80.)

[19] Kabal, P. e Ramachandran, R. P. (1989), «Pitch prediction in

filter speech coding», IEEE transaction on acoustics speech and signal
processing, vol. 37 (4), p. 467–478. (Citato a pagina 80.)

[20] Kaczorek, T. (2008), «Fractional positive continuous-Time linear

systems ant their reachability», International Journal of applied
mathematics and science, vol. 18 (2), p. 223–228. (Citato a pagina 36.)

[21] Khovanskii, A. N. (1963), The application of continued fractions and

their generalizations to problems in approximation theory, Library of
applyed analysis and computational mathematics, P. Noordhoff
N. V., Groningen, Olanda. (Citato alle pagine 28 e 30.)

[22] Koh, C. G. e Kelly, J. M. (1990), «Application of fractional de-

rivatives to seismic analysis of base-isolated models», Earthquake
Engineering & Structural Dynamics, vol. 19 (2), p. 229–241. (Citato
a pagina 78.)

[23] Laakso, T. I., Välimäki, V., Karjalainen, M. e Laine, U. K.

(1996), «Splitting the unit delay [FIR/all pass filters design]», Si-
gnal Processing Magazine, IEEE, vol. 13 (1), p. 30–60. (Citato alle
pagine 39, 43, 56, 80, 81 e 82.)
 Bibliografia 91

[24] Luise, M. e Vitetta, G. M. (2003), Teoria dei segnali, McGrow-Hill,

seconda edizione ed. (Citato alle pagine 13 e 43.)

[25] Machado, J. A. T. (2001), «Discrete-time fractional-order control-

lers», Fractional Calculus and Applied Analysis, vol. 4 (1), p. 47–66.
(Citato a pagina 62.)

[26] Monje, C. A., Calderon, A., Vinagre, B. e Feliu, V. (2004),

«The fractional order lead compensator», Computational Cyberne-
tics, 2004. ICCC 2004. Second IEEE International Conference on, p.
347–352. (Citato a pagina 37.)

[27] Oldham, K. B. e Spanier, J. (1974), Theory and applications of diffe-

rentiation and integration to arbitrary order, The fractional calculus,
Academic Press. (Citato alle pagine 1, 3, 11, 12, 51 e 68.)

[28] Ortigueira, M. D. (2000), «Introduction to fractional linear sy-

stems. Part 1: continuous-time case», IEE procedings - Vision image
and signal processing, vol. 147, p. 62–70. (Citato alle pagine 15, 16,
25, 26 e 43.)

[29] Ortigueira, M. D. (2000), «Introduction to fractional linear sy-

stems. Part 2: discrete-time case», IEE procedings - Vision image and
signal processing, vol. 147, p. 71–78. (Citato alle pagine 39, 42, 43,
44, 46, 47 e 48.)

[30] Ortigueira, M. D. (2008), «An introduction to the fractional

continuous-time linear systems», IEEE circuit and systems magazine,
p. 19–26. (Citato alle pagine iii, 7, 18, 25, 43, 54 e 82.)

[31] Oustaloup, A., Levron, F., Mathieu, B. e Nanot, F. M. (2000),

«Frequency-band complex noninteger differentiator: characteriza-
tion and synthesis», Circuits and Systems I: Fundamental Theory and
Applications, IEEE Transactions on, vol. 47 (1), p. 25–39. (Citato alle
pagine 27 e 35.)

[32] Oustaloup, A., Cois, O., Lanusse, P., Melchior, P., Moreau,
X. e Sabatier, L. (2006), «The CRONE approach: theoretical
developments and major applications», in «Proocedings del 2°
IFAC Workshop on fractional Differentiation and its applications»,
Porto, Portogallo. (Citato alle pagine ix e 83.)

[33] Oustaloup, A., Cois, O., Lanusse, P., Melchior, P., Moreau, X.
e Sabatier, J. (2006), «The CRONE approach: theoretical develop-
ments and major applications», in «Proceedings of the 2nd IFAC
Workshop on Fractional Differentiation and its Applications», .
(Citato a pagina 38.)

[34] Podlubny, I. (1999), «The Laplace transform method for li-

near differential equations of the fractional order», San Diego,
p. 368, URL http://www.citebase.org/abstract?id=oai:arXiv.
org:funct-an/9710005. (Citato alle pagine 18, 19, 25 e 56.)

[35] Roy, S. C. D. (1967), «On the realization of a constant-argument

immittance or fractional operator», Circuit Theory, IEEE Tran-
sactions on, vol. 14 (3), p. 264 – 274. (Citato alle pagine 27
e 67.)
92 Bibliografia

[36] Samko, S. G., Kilbas, A. A. e Marichev, O. I. (1993), Fractional

Integrals and Derivatives: Theory and Applications, Gordon & Breach
Science Publishers. (Citato a pagina 1.)

[37] Schmidt, V. H., Drumheller, J. E. e Howell, F. L. (1971), «Die-

lectric properties of lithium hydrazinium sulfate», Phys. Rev. B,
vol. 4 (12), p. 4582–4597. (Citato a pagina 66.)

[38] Smith, J. O. (2009), Introduction to Digital Filters with Audio Applica-

tions, http://ccrma-www.stanford.edu/~jos/filters/Formant_
Filtering_Example.html, online book. (Citato a pagina 80.)

[39] Spiegel, M. R. (1993), Variabili complesse, Etas libri. (Citato alle

pagine 15, 41 e 45.)

[40] Uncini, A. (2008), «Filtraggio adattativo e circuiti intelligenti»,

Appunti del corso di circuiti e algoritmi per l’elaborazione dei
segnali. (Citato a pagina 46.)

[41] Valério, D. (2005), «Ninteger v. 2.3 Fractional control tool-

box for Matlab», http://web.ist.utl.pt/duarte.valerio/
ninteger/Manual.pdf. (Citato alle pagine 83 e 84.)

[42] Valério, D. e da Costa, J. S. (2004), «Ninteger: a non-integer

control toolbox for Matlab», Fractional derivatives and applications.
(Citato alle pagine 24, 83 e 84.)

[43] Vinagre, B. M., Podlubny, I., Hernández, A. e Feliu, V. (2000),

«Some approximations of fractional order operators used in con-
trol theory and applications», Fractional Calculus and Applied Ana-
lysis, vol. 3 (3), p. 231–248, http://mechatronics.ece.usu.edu/
foc/cdc02tw/. (Citato alle pagine 27, 28 e 31.)

[44] Wall, H. S. (1948), Analytic theory of continued fractions, The uni-

versity series in higher mathematics, D. Van Nostrand company,
new York. (Citato alle pagine 28, 29, 32, 69 e 70.)

[45] Weisstein, E. W. (2009), «Binomial

Coefficient», http:
//mathworld.wolfram.com/BinomialCoefficient.html, from
MathWorld–A Wolfram Web Resource. (Citato alle pagine 2, 3
e 58.)

[46] Weisstein, E. W. (2009), «Gamma Function», http://mathworld.

wolfram.com/GammaFunction.html, from MathWorld–A Wolfram
Web Resource. (Citato a pagina 1.)

[47] Weisstein, E. W. (2009), «Mittag-Leffler Function», http:

//mathworld.wolfram.com/Mittag-LefflerFunction.html, from
MathWorld–A Wolfram Web Resource. (Citato alle pagine 18
e 19.)

[48] Xue, D. e Chen, Y. Q. (2002), «A comparative introduction of four

fractional order controllers», Intelligent Control and Automation,
2002. Proceedings of the 4th World Congress on, vol. 4, p. 3228–3235,
IEEE. (Citato alle pagine 36 e 37.)
INDICE ANALITICO

A metodi indiretti, 54
anti-causale, 7, 45 DTFT,46
armoniche, 80
E
B equazione alle differenze
Bode intere, 44
diagramma, 21 non intere, 44
Bode, 21 errore quadratico, 56
branch cut, 41 Eulero, 1
branch point, 41
F
C Faà di Bruno, formula di, 12
campionamento variabile, 40 filtro
capacità frazionaria, 24, 65 adattativo, 80
capacità frazionaria, vii formant filter, 80
Cauchy Fourier, ix
formule integrali, 45 frattanza, 23, 24, 65, 67
formula integrazione mul- frattanza, vii
tipla, 7 frattore, vii
Cauchy, 7 frazioni continue, 28
causale, 45 approssimante n-esimo, 29
causalità, 7 denominatore parziale, 29
cell arrays, 85 forma di Rogers, 28
classe, 84 numeratore parziale, 29
coefficienti binomiali, 2, 76 quoziente parziale, 29
condensatore frazionario, 65 Stieltjes, 28
controllore funzione
PID, 37 a più valori, 15
fpid, 37 composta, differintegrazio-
lead-lag, 36 ne, 11
convoluzione, 13 di M-L, 18
proprietà della, 13 esponenziale, 18
costante dielettrica, 66 Gamma, 1
generatrice, 55
D olomorfa, 41, 45
derivata, 4 trasferimento, 21
differenze frazionarie, 44
differintegrale, vii G
Grünwald-Letnikov, 4, 6 Gauss, 31
Courant-Hilbert, 7 Grünwald, 4
esponenziale, 9
potenza, 8 H
Riemann-Liouville, 6 Hôpital, 3
discretizzazione
Al-Alaoui, 55 I
Bilineare di Tustin, 55 impedenza, vii
Eulero G-L, 55 induttore frazionario, 65, 67
metodi diretti, 54 induttore frazionario, vii

93
94 Indice analitico

integrale P
definizione, 5 pitch predictor, 80
interpolatore, 43 Pochammer, simboli di, 31
polinomio indiciale, 25, 79
L Post, 4
Laurent, 42
least square, 56 R
Leibniz ramo (di una funzione), 16
formula di, 11 rapporto incrementale, 4
Leibniz, 3 rete anticipatrice, 36
Letnikov, 4 Riemann
linea di taglio, 16 superficie di, 15, 16, 41
linearità, proprietà di, 9 superficie principale, 16
linee di taglio, 41 Riemann, 4
risposta in frequenza, 21, 45
M
MacLaurin, 42
S
Matlab, comandi
scaling, 40
bode, 24
Serie ipergeometriche, 31
bodeFr, 85, 86
Shannon-Whitaker, interpola-
contfrac, 87
zione, 43
cplxroot, 17
sistemi
crone, 83
frazionari, vii
df, 73
ordine non intero, vii
freqrespFr, 86
stabilità BIBO, 26
gamma, 3, 53
Stieltjes, 28
get, 85
mlf, 18
T
nid, 86
Taylor, 42
ninteger, 83
teorema
roots, 79
fondamentale del calcolo,
size, 84
9
tf, 84, 85
Parseval, 57
vg, 73
valore finale, 15
metodo, 84
valore iniziale, 15
Mittag-Leffler, 18
tono, 81
N trasformata Z modificata, 45
Nichols trasformata di Laplace, 12
diagramma di, 86
norma, 56 W
Nyquist, diagramma di, 86 Weil, differintegrale di, 7

O Z
oggetto, 84 Z
funzione di trasferimento, antitrasformata, 41
85 trasformata modificata, 46
overloading, 84 Zadeh, 41