'

&
$
%
Sinais peri odicos
Seja x[n] um sinal peri odico com perodo N ( x[n +rN] = x[n] para r Z)
O sinal x[n] e determinado a partir das suas primeiras N amostras:
x[n] =
N1

m=0
x[m] p
N
[n m]
p
N
[n] e um trem de Diracs espa cados de N unidades: p
N
[n] =

+
r=
[n rN]
Exemplo p
N
[n] para N = 4:
PSfrag replacements
N 0 N
n
2
'
&
$
%
Transformada Discreta de Fourier (DFT)
Processamento de Sinais 2005/6
Engenharia Aeroespacial
1
'
&
$
%
Sinais peri odicos
Inserindo a representa cao de p
N
[n] da pag. 3 na expressao de x[n] da pag. 2:
x[n] =
N1

m=0
x[m] p
N
[n m]
=
N1

m=0
x[m]
_
1
N
N1

k=0
W
k(nm)
N
_
=
1
N
N1

k=0
N1

m=0
x[m] W
km
N
. .

X[k]
W
kn
N
O sinal

X[k] tambem e peri odico (com perodo N)
4
'
&
$
%
Sinais peri odicos
O sinal peri odico p
N
[n] pode ser representado na forma
p
N
[n] =
1
N
N1

k=0
W
kn
N
, com W
N
= e
j
2
N
.
Prova:
1
N
N1

k=0
W
kn
N
=
1
N
N1

k=0
_
W
n
N
_
k
=
_

_
1
N
1 W
nN
N
1 W
n
N
, se W
n
N
,= 1
1 , se W
n
N
= 1
Mas, W
nN
N
= e
j
2
N
(nN)
= 1 e W
n
N
= e
j
2
N
n
= 1 n = rN (r Z).
Logo:
1
N
N1

k=0
W
kn
N
=
+

r=
[n rN] = p
N
[n]
3
'
&
$
%
Propriedades da DFS
Linearidade:
x
1
[n], x
2
[n] tem perodo N
x
1
[n]
DFS

X
1
[k]
x
2
[n]
DFS

X
2
[k]

1
,
2
C

1
x
1
[n] +
2
x
2
[n]
DFS

1

X
1
[k] +
2

X
2
[k]
Deslocamento no tempo:
x[n] tem perodo N
x[n]
DFS

X[k]
x[n n
0
]
DFS
W
kn
0
N

X[k] (n
0
Z)
6
'
&
$
%
Serie de Fourier Discreta (DFS)
A DFS associa uma sequencia peri odica (perodo N) x[n] (n Z) a uma
sequencia peri odica (perodo N)

X[k] (k Z):

X[k] =
N1

n=0
x[n]W
kn
N
[Analise]
x[n] =
1
N
N1

k=0

X[k]W
kn
N
[Sntese]
Nota c oes: x[n]
DFS

X[k],

X[k] = TTS | x[n], x[n] = TTS
1
_

X[k]
_
Interpreta c oes:
[Sntese] x[n] e uma sobreposi cao linear (nita) de sinus oides complexas
[Analise]

X[k] mede a importanciada frequencia
k
= k
2
N
no sinal x[n]
(k = 0, 1, . . . , N 1)
5
'
&
$
%
Propriedades da DFS
Convolu cao peri odica:
x[n],

h[n] tem perodo N

x[n]
DFS

X[k]

h[n]
DFS

H[k]

N1

m=0

h[m] x[n m]
. .
( x
N

h)[n]
DFS

X[k]

H[k]
Multiplica cao no tempo:
x[n],

h[n] tem perodo N

x[n]
DFS

X[k]

h[n]
DFS

H[k]
x[n]

h[n]
DFS

1
N
N1

l=0

H[l]

X[k l]
. .
1
N
(

X
N

H)[k]
8
'
&
$
%
Propriedades da DFS
Deslocamento na frequencia:
x[n] tem perodo N
x[n]
DFS

X[k]
W
k
0
n
N
x[n]
DFS

X[k k
0
] (k
0
Z)
Dualidade:
x[n] tem perodo N
x[n]
DFS

X[k]

X[n]
DFS
N x[k]
7
'
&
$
%
Rela cao entre a DFS e a TF: sinais peri odicos
Calculo da TF

X(e
j
): dado que x[n] =

N1
m=0
x[m] p
N
[n m] temos

X(e
j
) =
N1

m=0
x[m]e
jm

P
N
(e
j
)
=
N1

m=0
x[m]e
jm
_
2
N
+

k=

_
k
2
N
_
_
=
2
N
N1

m=0
x[m]
+

k=
e
jm

_
k
2
N
_
. .
e
j
2
N
km

_
k
2
N
_
=
2
N
+

k=
N1

m=0
x[m]W
km
N
. .

X[k]

_
k
2
N
_
10
'
&
$
%
Rela cao entre a DFS e a TF: sinais peri odicos
Seja x[n] um sinal peri odico com perodo N
Questao: qual a rela cao entre a sua TF

X(e
j
) e a sua DFS

X[k] ?
Intuitivamente, ambas devem conter a mesmainforma cao (representa cao
espectral de x[n])
9
'
&
$
%
Rela cao entre a DFS e a TF: sinais com dura cao nita
Seja x[n] um sinal de comprimento N (x[n] = 0 fora do intervalo 0 n N 1)
Seja x[n] a sua extensao peri odica: x[n] = (x p
N
)[n] =

+
r=
x[n rN]
Exemplo (N = 3):
PSfrag replacements
n n
x[n] x[n]
0 0
Questao: qual a rela cao entre a TF X(e
j
) e a DFS

X[k] ?
12
'
&
$
%
Rela cao entre a DFS e a TF: sinais peri odicos
Conclusao: os coecientes DFS

X[k] correspondem (a menos do factor
2
N
)
`as amplitudes dos Diracs (equi-espa cados de
2
N
rad/s) da TF

X(e
j
)
Exemplo (N = 3): representa cao de

X(e
j
)
PSfrag replacements
2
3
0
2
3

X[0]
2
3

X[1]
2
3

X[2]
2
3

X[3]
2
3

X[4]
2
3

X[1]

11
'
&
$
%
Rela cao entre a DFS e a TF: sinais com dura cao nita
Conclusao: os coecientes DFS

X[k] da extensao peri odica de x[n] sao amostras
da TF X(e
j
) tomadas ao longo do crculo unitario e equi-espa cadas de
2
N
rad
Exemplo (N = 8):
PSfrag replacements
2
N
k = . . . , 8, 0, 8, . . .
k = . . . , 7, 1, 9, . . .
k = . . . , 6, 2, 10, . . .
k = . . . , 5, 3, 11, . . .
k = . . . , 4, 4, 12, . . .
k = . . . , 3, 5, 13, . . .
k = . . . , 2, 6, 14, . . .
k = . . . , 1, 7, 15, . . .
14
'
&
$
%
Rela cao entre a DFS e a TF: sinais com dura cao nita
Calculo da TF

X(e
j
): dado que x[n] = (x p
N
)[n] temos

X(e
j
) = X(e
j
)

P
N
(e
j
)
= X(e
j
)
_
2
N
+

k=

_
k
2
N
_
_
=
2
N
+

k=
X(e
j
)
_
k
2
N
_
=
2
N
+

k=
X
_
e
jk
2
N
_

_
k
2
N
_
Comparando com a representa cao de

X(e
j
) na pag. 10, resulta:

X[k] = X
_
e
jk
2
N
_
13
'
&
$
%
Rela cao entre a DFS e a TF: sinais gerais
Calculo de x[n]:
x[n] =
1
N
N1

k=0

X[k]W
kn
N
=
1
N
N1

k=0
X
_
e
jk
2
N
_
W
kn
N
=
1
N
N1

k=0
_
+

m=
x[m]e
jk
2
N
m
_
W
kn
N
(pag.3)
=
+

m=
x[m]
1
N
N1

k=0
W
k(nm)
N
. .
p
N
[n m]
= (x p
N
)[n]
=
+

r=
x[n rN]
16
'
&
$
%
Rela cao entre a DFS e a TF: sinais gerais
Seja x[n] um sinal generico e X(e
j
) a sua TF. Dena-se o sinal peri odico

X[k] = X
_
e
jk
2
N
_
, para k Z.
Nota:

X[k] tem perodo N
Questao: qual a rela cao entre x[n] = TTS
1
_

X[k]
_
e o sinal x[n] ?
Ja sabemos a resposta se x[n] tiver dura cao nita com comprimento inferior
ou igual a N ( x[n] e a extensao peri odica de x[n])
15
'
&
$
%
Transformada Discreta de Fourier (DFT)
A DFT associa um sinal com dura cao nita x[n] (n = 0, 1, . . . , N 1) a um
sinal com dura cao nita X[k] (k = 0, 1, . . . , N 1):
X[k] =
N1

n=0
x[n]W
kn
N
[Analise]
x[n] =
1
N
N1

k=0
X[k]W
kn
N
[Sntese]
Nota c oes: x[n]
DFT
X[k], X[k] = TTT |x[n], x[n] = TTT
1
|X[k]
Interpreta c oes:
[Sntese] x[n] e uma sobreposi cao linear (nita) de sinus oides complexas (com
dura cao nita)
[Analise] X[k] mede a importanciada frequencia
k
= k
2
N
no sinal x[n]
18
'
&
$
%
Rela cao entre a DFS e a TF: sinais gerais
Conclusao: x[n] e uma soma de replicas de x[n] (espa cadas de N amostras)
Consequencias:
se x[n] tem dura cao nita com comprimento menor ou igual a N, entao x[n]
e recuperavel a partir de x[n] (x[n] equivale a um perodo de x[n])
se a dura cao de x[n] excede N amostras, entao existe aliasing em x[n] e x[n]
nao e (em geral) recuperavel a partir de x[n]
se x[n] tem dura cao nita, evita-se aliasingescolhendo N sucientemente
elevado
Essencialmente, estamos perante o Teorema da Amostragem na frequencia
17
'
&
$
%
Propriedades da DFT
Linearidade:
x
1
[n] tem comprimento N
1
x
2
[n] tem comprimento N
2
N
3
max|N
1
, N
2

x
1
[n]
DFT
X
1
[k] (N
3
pontos)
x
2
[n]
DFT
X
2
[k] (N
3
pontos)

1
,
2
C

1
x
1
[n] +
2
x
2
[n]
DFT

1
X
1
[k] +
2
X
2
[k]
(N
3
pontos)
Deslocamento circular:
x[n] tem comprimento N
x[n]
DFT
X[k]
x[n n
0
)
N
]
DFT
W
kn
0
N
X[k] (n
0
Z)
20
'
&
$
%
Rela cao entre a DFT e a DFS
Seja x[n] um sinal de comprimento N e x[n] = (x p
N
)[n] a sua extensao peri odica
O sinal x[n] tambem pode ser representado por x[n] = x[n)
N
]
n)
N
= n mod N
exemplos:
3)
3
= 0, 2)
3
= 1, 1)
3
= 2, 0)
3
= 0, 1)
3
= 1, 2)
3
= 2, 3)
3
= 0, 4)
3
= 1
Rela cao entre DFT e DFS:
PSfrag replacements
x[n]
DFT
X[k]
x[n]

X[k]
DFS
extensao peri odica extensao peri odica
truncagem 1 perodo truncagem 1 perodo
19
'
&
$
%
Propriedades da DFT
Deslocamento na frequencia:
x[n] tem comprimento N
x[n]
DFT
X[k]
W
k
0
n
N
x[n]
DFT
X[k k
0
)
N
] (k
0
Z)
Dualidade:
x[n] tem comprimento N
x[n]
DFT
X[k]
X[n]
DFT
Nx[k)
N
]
22
'
&
$
%
Propriedades da DFT
Exemplo de deslocamento circular (N = 4):
PSfrag replacements
0
0
0 0
x[n]
n n
n n
x[n 1)
4
]
x[n 2)
4
] x[n + 1)
4
]
21
'
&
$
%
Rela cao entre a DFT e a TF: sinais com dura cao nita
Seja x[n] um sinal de comprimento N (x[n] = 0 fora do intervalo 0 n N 1)
Questao: qual a rela cao entre a TF X(e
j
) e a DFT X[k] ?
Temos:
X[k] =
N1

n=0
x[n]W
kn
N
=
+

n=
x[n]W
kn
N
=
+

n=
x[n]e
jk
2
N
n
= X(e
j
)

=k
2
N
Conclusao: os coecientes DFT X[k] sao amostras da TF X(e
j
) tomadas ao
longo do crculo unitario e equi-espa cadas de
2
N
rad
24
'
&
$
%
Propriedades da DFT
Convolu cao circular:
x[n], h[n] tem comprimento N
x[n]
DFT
X[k]
h[n]
DFT
H[k]

N1

m=0
h[m]x[n m)
N
]
. .
(x
N
h)[n]
DFT
X[k]H[k]
Multiplica cao no tempo:
x[n], h[n] tem comprimento N
x[n]
DFT
X[k]
h[n]
DFT
H[k]
x[n]h[n]
DFT

1
N
N1

l=0
H[l]X[k l)
N
]
. .
1
N
(X
N
H)[k]
23
'
&
$
%
Convolu cao linear e circular
Seja x[n] um sinal de comprimento L e h[n] um sinal de comprimento P
(x[n] = 0 fora do intervalo 0 n L 1 e h[n] = 0 fora do intervalo
0 n P 1)
Seja y[n] = (x h)[n] a convolu cao linear de x[n] e h[n]
(nota: y[n] tem comprimento L +P 1)
Escolha-se N max|P, L e dena-se a convolu cao circular
y
N
[n] = (x
N
h)[n]
Questao: qual a rela cao entre y[n] e y
N
[n] ?
Motiva cao: existem algoritmos muito ecientes para o calculo de y
N
[n]
26
'
&
$
%
Rela cao entre a DFT e a TF: sinais gerais
Seja x[n] um sinal generico e X(e
j
) a sua TF. Dena-se o sinal com dura cao
nita
X
N
[k] = X(e
j
)

=k
2
N
, para k = 0, 1, . . . , N 1.
Questao: qual a rela cao entre x
N
[n] = TTT
1
|X
N
[k] e o sinal x[n] ?
Ja sabemos a resposta se x[n] tiver dura cao nita com comprimento inferior
ou igual a N (x
N
[n] = x[n])
Resposta: usando o diagrama da pag. 19 e o resultado da pag. 17
x
N
[n] =
+

r=
x[n rN], para n = 0, 1, . . . , N 1.
25
'
&
$
%
Convolu cao linear e circular
Seja x[n] um sinal de comprimento L e h[n] um sinal de comprimento P
(x[n] = 0 fora do intervalo 0 n L 1 e h[n] = 0 fora do intervalo
0 n P 1)
Escolhendo N P +L 1 a convolu cao linear y[n] = (x h)[n] pode ser
calculada da seguinte forma:
calcular a DFT de N pontos de x[n]: X[k] = TTT |x[n]
calcular a DFT de N pontos de h[n]: H[k] = TTT |h[n]
multiplica cao na frequencia: Y
N
[k] = X[k]H[k], k = 0, 1, . . . , N 1
inversao da DFT: y[n] = TTT
1
|Y
N
[k], n = 0, 1, . . . , N 1
Existem algoritmos muito ecientes para calcular TTT | e TTT
1
|
Quando L P (ou L = +) existem alternativas: overlap-add e overlap-save
28
'
&
$
%
Convolu cao linear e circular
Notar que
Y
N
[k] = TTT |y
N
[n] = X[k]H[k] = X(e
j
)H(e
j
)

=k
2
N
= Y (e
j
)

=k
2
N
Usando agora o resultado da pag. 25 temos
y
N
[n] = TTT
1
|Y
N
[k] =
+

r=
y[n rN]
Conclus oes: (muito importante!)
se N L +P 1 entao
(x
N
h)[n] = (x h)[n] para n = 0, 1, . . . , N 1
se N = L P entao
(x
N
h)[n] = (x h)[n] para n = P, P + 1, . . . , N 1
27
'
&
$
%
Overlap-add
Exemplo:
o sinal h[n] tem comprimento P = 3 e e dado por
h[0] = 1, h[1] = 1, h[2] = 1
o sinal x[n] (ver pag. 31) tem comprimento L = 18
escolhe-se M = 6
resulta N M +P 1 = 8 (neste exemplo, toma-se N = 8)
30
'
&
$
%
Overlap-add
O metodo overlap-add:
interpreta x[n] como a concatena cao de blocos disjuntos de M amostras:
x[n] =
L/M1

r=0
x
r
[n rM]
onde x
r
[n] e um bloco (sinal) de comprimento M
calcula cada convolu cao y
r
[n] = (x
r
h)[n] pelo metodo da pag. 28
combina os resultados parciais para obter
y[n] = (x h)[n] =
L/M1

r=0
y
r
[n rM]
29
'
&
$
%
Overlap-add
0 5 10 15
4
2
0
2
4
6
0 5 10 15
4
2
0
2
4
6
0 5 10 15
4
2
0
2
4
6
0 5 10 15
4
2
0
2
4
6
PSfrag replacements
y
0
[n] y
1
[n M]
y
2
[n 2M] y[n]
32
'
&
$
%
Overlap-add
0 5 10 15
3
2
1
0
1
2
3
0 5 10 15
3
2
1
0
1
2
3
0 5 10 15
3
2
1
0
1
2
3
0 5 10 15
3
2
1
0
1
2
3
PSfrag replacements
x[n] x
0
[n]
x
1
[n] x
2
[n]
31