PROCESSAMENTO DIGITAL DE

SINAIS

Professor : Valner Brusamarello

(brusamarello.valner@gmail.com)

OBJETIVO E PROGRAMA DA DISCIPLINA

Objetivo: Propiciar ao aluno os conhecimentos da teoria
fundamental do processamento digital de sinais,
permitindo-lhe as condies bsicas para a realizao de
projetos e pesquisas cientficas na rea.
O Programa est composto das seguintes unidades:
0. Apresentao Disciplina
1. Sinais e Sistemas de Tempo Discreto
2. Anlise de Fourier de Tempo Discreto
3. A Transformada Z
4. Desenvolvimento e aplicaes com MATLAB
5. A Transformada Discreta de Fourier
6. Desenvolvimento e aplicaes com LabVIEW
7. Estruturas de Filtros Digitais
8. Projeto de Filtros FIR
9. Projeto de Filtros IIR
10. Aplicaes e arquiteturas de processadores de DSP*

BIBLIOGRAFIA
Bibliografia Bsica
[1] Diniz, P. S. R.; Barros da Silva, E. A. & Lima Netto, S. (2002):
Processamento Digital de Sinais Projeto e Anlise de Sistemas. Bookman
Artmed Editora, Porto Alegre, RS.
[2] Monson Hayes (2006): Processamento Digital de Sinais Coleo
Schaum. Bookman Artmed Editora, Porto Alegre, RS.
[3] Oppenheim & Schaffer (1989): Discrete-Time Signal Processing. PrenticeHall, Inc, NJ-Oppenheim & Schaffer (1999): Discrete-Time Signal Processing.
2.ed. Prentice-Hall, Inc, NJ.
Bibliografia Complementar
[1] Proakis & Monalakis (1989): Introduction to Discrete-Time Signal
Processing. Mac Millan Press, Inc.
[2] Van den Enden & Werhockx (1989): Discrete-Time Signal Processing: An
Introduction. Prentice-Hall Inc, NJ.
[3] Notas de aula disponibilizadas pelo professor da disciplina.

PROCESSAMENTO DE SINAIS
Processamento analgico :
Sinal
analgico de
entrada

Processador
analgico de
sinais

Sinal
analgico de
sada

Processamento digital :
Sinal
analgico
de entrada

A/D

Processador
digital de
sinais

D/A

Sinal
analgico
de sada

VANTAGENS DO PROCESSAMENTO DIGITAL

Flexibilidade (reprogramvel em tempo real)

Portabilidade (software)
Estabilidade (indep. do ambiente)
Exatido (tolerncia de componentes X n de bits)
Maior imunidade a rudo (0 ou 1)
Transportabilidade (processamento off-line)
Operaes mais sofisticadas (ex. Cancelador de eco)
Custo reduzido (VLSI e flexibilidade)

Limitao: Altas freqncias (microondas)

CATEGORIAS DO PROCESSAMENTO
DIGITAL DE SINAIS
Sinal digital (digitalizado)

ANLISE

Medidas geralmente no
domnio frequncia. Ex.:
anlise espectral de sinais,
anlise de sinal de voz, ect

FILTRO
DIGITAL

Geralmente uma operao

no tempo. Ex.: remoo de
rudo, separao de bandas
de frequncia, etc

Sinais
de
tempo
discreto
Sinais e sistemas podem ser contnuos ou discretos no tempo e na amplitude..
O grfico 1 corresponde a um sinal totalmente contnuo no tempo e na
amplitude.
O grfico 2 corresponde a um sinal contnuo na amplitude e discreto no
tempo.
O grfico 3 contnuo no tempo porm s pode assumir alguns valores de
amplitude bem determinados, e portanto um sinal discreto na amplitude.
O grfico 4 representa um sinal discreto no tempo e na amplitude, pois s
pode assumir alguns valores de amplitude em intervalos de tempo bem
definidos.

Sinais de tempo discreto

Para representar sinais amostrados no tempo muito comum

simplificar a notao de amostragem do sinal analgico utilizando
apenas o ndice n para indicarem qual amostra estamos trabalhando.
Por exemplo, se um sinal X(t) amostrado a uma freqncia de
amostragem Fs=100Hz, e estamos na amostra 50, representamos isto
por X[50], o que significa dizer que, com relao ao tempo, estamos
medindo o sinal X(50*0.01).
Trabalhamos considerando as amostras igualmente espaadas no
tempo.

Sinais de tempo discreto

Uma sequncia indexada de nmeros reais ou complexos.

uma funo de uma varivel de valor inteiro n.
n representa o nmero de amostras espaadas no tempo. Assim x[n]
uma representao no tempo.
Indefinida para valores de n no inteiros
Obtidos com um conversor AD.
O tempo entre uma amostra e outra definido pela frequncia de
aquisio fsampling

Sequncias complexas

Um sinal em tempo discreto pode apresentar valor

complexo.

BREVE REVISO DE NMEROS COMPLEXOS

Pergunta: Na lgebra bsica, de onde NASCEM os
nmeros complexos?
Resposta: Das razes das equaes de 2. grau, sempre
que b2 < 4ac !

Exemplo (fazer no quadro!) :

Vamos encontar as razes (x = x0 f ( x0 ) = 0 ) das funes :

f ( x) = x + 2 x + 2
2

(a = 1, b = 2, c = 2)

f ( x) = x 2 2 x 2 (a = 1, b = 2, c = 2)
raizes_complexas.m

BREVE REVISO DE NMEROS COMPLEXOS

Plano complexo (cartesiano) : z = a + jb

*
Conjugado? z = a jb
Plano complexo (polar) : z = r
*
Conjugado? z = r
Relao entre a forma polar e
a forma cartesiana?
(desenhar no quadro!)

a = r cos( )
b = r sen( )

b
Cartesiano Polar : z = a + b arctan
a
Polar Cartesiano : z = r cos( ) + jr sen( )
2

IDENTIDADE DE EULER
Em 1748, na publicao Introductio in Analysin
Infinitorum, o matemtico Leonhard Euler (17071783)
estabeleceu a equao (identidade) que seria uma das
mais importantes para o estudo da teoria de
telecomunicaes:
j

= cos( ) + j sen( ) , j = 1

Para se ter uma idia da importncia desta equao, basta

lembrar que no ncleo da Srie e da Transformada de
Fourier, tanto para sinais contnuos como discretos, est
presente uma exponencial complexa.

j
[
]
z = r cos( ) + j sen( ) z = re ! (FASOR)

Tema de casa - S com a identidade de Euler, prove:

(Obs.: Podese usar os resultados j provados para provar os seguintes...)

e j + e j
e j e j
1. cos( ) =
; sen( ) =
2
2j
1
1
2
2
2. cos ( ) = [1 + cos(2 )] ; sen ( ) = [1 cos(2 )]
2
2
3. cos 2 ( ) + sen 2 ( ) = 1 ; cos 2 ( ) sen 2 ( ) = cos(2 )
1
4. sen( )sen( ) = [cos( ) cos( + )]
2
1
5. cos( )cos( ) = [cos( ) + cos( + )]
2
1
6. sen( )cos( ) = [sen( ) + sen( + )]
2

Tema de casa - Usando as identidades de n. 4 a 6, prove:

7. cos( ) = sen( )sen( ) + cos( )cos( )

8. cos( + ) = cos( )cos( ) sen( )sen( )
9. cos(2 ) = cos ( ) sen ( )
10. sen( ) = sen( )cos( ) sen( )cos( )
11. sen( + ) = sen( )cos( ) + sen( )cos( )
12. sen (2 ) = 2sen ( ) cos( )
2

EXPANSO EM SRIES
Expanso em sries de Taylor de f(x) centrada em a:
com | x a | < R , onde
Considerando f(x)=ex com a=0

Para qualquer x no intervalo

Em x=1

EXPANSO EM SRIE EXERCCIO

2
3
4
5
n
x
x
x
x
x
ex = = 1+ x + + + + "
2! 3! 4! 5!
n = 0 n!
Exerccio : Com base na expanso em srie acima
e nas identidades de n.o 1 do slide anterior, prove
que as expanses em srie para sen( x) e cos( x) so :

x3 x5 x7 x9
sen( x) = x + + "
3! 5! 7! 9!
2
4
6
8
x
x
x
x
cos( x) = 1 + + "
2! 4! 6! 8!

FREQNCIAS POSITIVAS E NEGATIVAS (?!)

Fasor girando no sentido

anti - horrio : (t ) = c t
Fasor girando no sentido
horrio : (t ) = c t
onde c = 2f c t (rad/s) , f c em Hz.
fasor_girando.m

Sequncias Fundamentais
1. Impulso unitrio : {...,0,0,1,0,0,...}

1 , n = 0
( n) =
0 , n 0

1 , n = n0
(n n0 ) =
0 , n n0

2. Degrau unitrio : {...,0,0,1,1,1,...}

1 , n 0
u ( n) =
0 , n < 0

1 , n n0
u (n n0 ) =
0 , n < n0

Sequncias Fundamentais

Sequncias Fundamentais
muito importante notar que quando se
fala de freqncias que vo de 0 2
radianos estamos falando em freqncias
normalizadas. Todos os sinais ao serem
representados apenas pelo nmero de sua
amostra (x[0], x[1]...), sofrem uma
normalizao, pois se no soubermos
qual foi a freqncia de amostragem
utilizada para gerar a seqncia, ento
no podemos dizer qual a freqncia real
do sinal analgico
que originou tal seqncia.
Por sofrer esta normalizao, todos os
sinais podem
ser tratados da mesma forma e so
representados completamente por
freqncias nesta faixa de valores
independentemente da freqncia do
sinal analgico original.

TIPOS DE SEQNCIAS
3. Exponencial real : x(n) = a n , n; a R

4. Exponencial complexa : x(n) = e ( 0 + j 0 ) n , n;

onde 0 denominado atenuao
e 0 a freqncia em radianos.

5. Senoidal : x(n) = cos( 0 n + ) , n;

Sequncias
Exemplo de um sinal
contnuo e discreto.

Se ts=0,05, ento fo=1

kHz.

Sequncias

Exemplo: x1[n], x2[n]

e x[n]= x1[n]+x2[n]

Sequncias

A sequncia pode ser infinita ou finita, designada em um intervalo

[N1,N2].

x (n)) : A seqncia x(n) peridica se

6. Peridica ( ~
x(n) = x(n + N ) , n
O menor inteiro N ( N > 0) que satisfaz a relao acima
chamado de perodo fundamental

x1 [n] e x2[n] so aperidicas.

X3[n] peridica com perodo
N=16.

Sequncias simtricas

Um sinal de valor real dito par se:

E dito mpar se:
Qualquer sinal pode ser decomposto
em:
Para encontrar a parte par:
Para encontrar a parte mpar:

Amplitude, Magnitude, Potncia

Amplitude: pode ser positivo ou negativo.

Magnitude: O quanto o valor se afasta de zero (sempre positivo).
Potncia: A potncia de um sinal proporcional a sua amplitude ao
quadrado. Considerando uma constante unitria, temos o valor relativo
de potncia! Devido ao fato de elevar ao quadrado a amplitude, fcil
distinguir dois sinais com amplitudes diferentes:

Operaes sobre sequncias

Transformaes da varivel independente

Frequentemente manipula-se o ndice n
f(n) uma funo de n
Transformaes mais comuns:

Deslocamento: Se no for positivo, o sinal

deslocado no amostras a direita (atraso):

Inverso: faz o espelhamento do sinal

Escalamento de tempo: down-sampling:
Up-sampling:

Operaes sobre sequncias

OPERAES SOBRE SEQNCIAS

Adio: feita somando-se amostras de mesmo ndice

{ x1 (n)} + { x2 (n)} = { x1 (n) + x2 (n)}

Multiplicao: Produto das amostras de mesmo ndice

{ x1 (n)} { x2 (n)} = { x1 (n) x2 (n)}

Escalamento: escalamento da amplitude de x[n]

por uma constante c.

OPERAES SOBRE SEQNCIAS

Soma de amostras:

n2

x(n) = x(n ) + ... + x(n

1

n = n1

Produto de amostras :

n2

x (n) = x (n ) " x (n
1

n1

Energia : Ex =

x ( n) x ( n) =

n =

Potncia do sinal :

1) + x(n2 )

n =

1 N 1
2
Px = x(n)
N n=0

x ( n)

1) x (n2 )

Simbologia

SNTESE DE SEQNCIAS
Sntese por impulsos : x(n) =

x(k ) (n k )

k =

O impulso ou amostra unitria pode ser utilizada para decompor um

sinal arbitrrio x[n] em uma soma de amostras unitrias ponderadas e
deslocadas:

A SRIE GEOMTRICA

1
x ( n) = , n 0 :
, para < 1
1
n =0
n

1
N 1

1
n
= 1

n =0
N ,
=1

CORRELAO ENTRE SEQNCIAS

Correlao cruzada : rxy (k ) =

Autocorrelao : rxx (k ) =

x ( n) y ( n k )

n =

x ( n) x ( n k )

n =

SISTEMAS de Tempo Discreto

y (n) = T [x(n)]

um operador matemtico que transforma um sinal de entrada em

outro sinal de sada.

Um sistema aditivo se:

e homogneo se:

linear se for aditivo e homogneo

T []
simultaneamente:
8

T [a1 x1 (n) + a2 x2 (n)] = a1T [x1 (n)] + a2T [x2 (n)]

a1 , a2 , x1 (n) , x2 (n)

SISTEMAS LINEARES

Aplicando na decomposio de x[n]:

Como os coeficientes x[k] so constantes, usamos a propriedade de

homogeneidade:

Definindo hk[n] como sendo a resposta do sistema a uma amostra

unitria no tempo n=k

Somatrio de superposio.

Lienaridade

Exemplo de sistema linear

b) seno 1 Hz, fs=32 Hz.

c) seno 3 Hz.
d) soma dos dois
sinais, e demostrao
de que o sistema
linear.

Exemplo de sistema no linear

Se a e b representam os sinais de 1 e 3
Hz:

a2 e b2 geram componentes em (0 e 2 Hz)

e (0 e 6 Hz). O termo ab 2 e 4 Hz:

Sistemas sem memria

Um sistema dito sem memria se a sada no

tempo n-no depender apenas da entrada nesse
tempo, assim podemos determinar y[no] a partir
de x[no] apenas.

Sem memria:

Com memria:

Sistemas Invariantes ao deslocamento

Se um deslocamento na entrada de no amostras corresponder a um

deslocamento de no amostras na sada.
Ou seja temos uma sada y[n-no] para uma entrada x[n-no]
Para testar a invarincia ao deslocamento preciso testar y[n-no] para
T{x[n-no]}
A resposta y[n] para a entrada x[n]:
Teste:

Outro exemplo: seja

Porm para
O que diferente de
variante no tempo.

ou seja esse um sistema

Invarincia ao deslocamento

Sistemas invariantes ao tempo

A entrada na letra
c) est defasada
de 4 amostras.

Sistemas Lineares Invariantes no Tempo (ou ao

deslocamento)

Se h[n] for a resposta do sistema LTI a amostra unitria , ento a

resposta a [n-k] ser h[n-k]

x ( n ) L [] y ( n ) Desloc. de k

x ( n ) Desloc. de k

y (n k )

x ( n k ) L [] y ( n k )

y (n) = LIT [x(n)] =

x ( k ) h( n k )

k =

y ( n) x ( n) h( n)

Resposta de um sistema ao impulso

Se conhecermos a
resposta ao impulso de
um sistema, podemos
caracterizar a sada do
mesmo para qualquer
entrada.

CAUSALIDADE E ESTABILIDADE
Sistema causal: Sada no depende de valores futuros da entrada. Se para qualquer no
a resposta no tempo no depender apenas dos valores de entrada at no.

h(n) = 0 , n < 0
y (n) =

x(k )h(n k ) = h(k ) x(n k )

k =

Ex. sistema causal

k =0
Ex. sistema no causal

Sistema estvel (BIBO): Entrada limitada Sada Limitada

x ( n) < y ( n) < , x , y

h(n) < Se sist. causal lim N

Resposta ao impulso absolutamente somvel.

h( n) = 0

n= N

Estabilidade

Um sistema LTI com resposta a amostra unitria

h[n]=anu[n], ser estvel sempre que |a|<1:

Um exemplo de sistema instvel:

Veja que nesse caso a resposta ilimitada!

Convoluo
A relao entre a entrada e a sada de um LTI dada pela soma de

convoluo.

Tabela til sries comuns

Convoluo

Exemplo

Convoluo
X[k]h[-k]=y[0]=1

Deslocando h[-k] a direita

temos h[1-k].

X[k]h[1-k]=y[1]=3.

X[k]h[2-k]=y[2]=6.

X[k]h[3-k]=y[4]=5.

X[k]h[4-k]=y[4]=3.

X[k]h[5-k]=y[5]=0.

Convoluo

Seja o sinal de entrada x[n]

Convoluo

Convoluo

Convoluo

Convoluo utilizada para um filtro passa-baixas e um filtro passa-altas.

O sinal de entrada a soma de um seno com uma rampa ascendente. A
resposta ao impulso em a) um arco suave, fazendo com que passem a
sada apenas componentes de baixa frequncia. No caso b) apenas as
componentes de alta frequncia que passam a saida.

Convoluo

O atenuador inversor (a) gira o sinal de cabea para baixo e reduz sua
amplitude. Em (b) temos o derivador da sequncia.

Equao de diferenas

Um sistema linear e invariante ao deslocamento tambm pode ser

descrito por uma equao de diferenas com coeficientes constantes.

a[k] e b[k] so constantes que definem o sistema

Se tiver um ou mais termos diferente de zero recursiva
Para um LSI, no recursivo com a[k]=0 a resposta a amostra unitria:

Se h[n] tem comprimento finito, ento o sistema FIR (Finite Impulse

response).
Se a[k]0 a resposta a amostra unitria geralmente infinita e o sitema
IIR (Infinite Inpulse Response)

SISTEMAS FIR E SISTEMAS IIR

Um sistema LIT causal ter resposta impulsiva finita (FIR) se :
M

h( n) = 0 , n < 0 e n > M y ( n) = h( k ) x ( n k )
k =0

Caso contrrio, ter resposta impulsiva infinita (IIR) :

y ( n) = h( k ) x ( n k )
k =0

EQUAES DE DIFERENAS
Um Sistema LIT discreto pode ser descrito por :
N

a y (n l ) = b
l =0

m =0

x ( n m) , n

ou de forma equivalente por :

M

m =0

l =1

y (n) = bm x(n m) al y (n l )

Equaes de diferenas

Soluo homognea + soluo particular

A soluo homognea encontrada resolvendo a

equao de diferenas homognea.

A soluo pode ser determinada fazendo yh=zn. E

substituindo:

Equaes de diferenas

Se os coeficientes a(k) forem reais, essas razes ocorrem em

conjugados complexos.
Se zi for uma raiz de multiplicidade m e as restantes m-p razes forem
distintas a soluo homognea :

Para determinar a soluo particular necessrio encontrar a yp[n]

que satisfaz a equao de diferenas para a x[n] dada. Veja tabela

Equaes de diferenas
Exemplo sabendo que
determinar a soluo de
Soluo particular:

Para a soluo homognea:

RESPOSTA NATURAL E RESPOSTA FORADA

x(n)

y(n)
+

y(n-1)

Z-1

Exemplo : y (n) = y (n 1) + x(n)

y (0) = y (1) + x(0)
y (1) = y (0) + x(1) = 2 y (1) + x(0) + x(1)
#

y (n) = n +1 y (1) + n x(0) + n 1 x(1) + " + x(n 1) + x(n)

n

y (n) = n +1 y (1) + k x(n k ) , n 0

k =0